Documentos de Académico
Documentos de Profesional
Documentos de Cultura
DE PUEBLA
MATEMÁTICAS
PROBABILIDAD Y ESTADÍSTICA
Primera Parte
1.
Se ha entrevistado a un grupo de hombres de una ciudad para determinar la
probabilidad de las características siguientes: A) están casados, B) tienen un título
universitario y C) tienen empresa propia. Los resultados obtenidos se representan en el
siguiente diagrama de Venn:
Determine las probabilidades siguientes:
a) Está casado y tiene un título universitario, pero no tiene empresa propia.
a) La probabilidad es 𝑝 = 𝐴 ∪ 𝐵
⇒ 𝑃 = 10∘ %
b) La probabilidad es 𝑃 = 𝐶
⇒ 𝑃 = 15%
c) La probabilidad es 𝑃 = 𝐶𝑜𝑚𝑝𝑙𝑒𝑚𝑒𝑛𝑡𝑜
⇒ 𝑃 = 5%
2.
Los números de identificación personal (PIN) de las tarjetas bancarias están restringidos
a una secuencia de 4 dígitos, pero por razones de seguridad, algunas secuencias están
prohibidas porque son muy fáciles de adivinar, como a) cuatro dígitos iguales, b)
secuencia ascendente descendente de dígitos y c) secuencias que empiecen con el año de
nacimiento 19xx o 20xx.Si un ladrón que vigilaba a un cliente pudo observar que el PIN
de su tarjeta empieza en 81 luego ha robado la tarjeta bancaria al cliente, ¿cuál es la
probabilidad de que en 3 intentos el ladrón pueda adivinar el PIN completo?
𝑁 = Total de impresoras = 25
Láser=10
Tinta = 15
Se escogen 6 impresoras aleatorias y calculamos sus combinaciones con
𝑁!
𝐶𝑛𝑁 =
𝑛! (𝑁 − 𝑛)!
Para láser=𝐶310 , para Ainta 𝐶315
𝐶310 × 𝐶315
→ 𝑃(3 Tinta ) = = 0.3083
𝐶625
4.
Se tienen 10 cajas, cada una de las cuales contiene 9 bolas que pueden ser rojas o azules.
La cantidad de bolas rojas y azules en cada caja se muestra en la figura siguiente
Las cajas se tapan para no ver su contenido y se revuelven aleatoriamente. Luego se
escoge una caja al azar y se extraen dos bolas aleatoriamente. ¿Cuál es la probabilidad de
que se obtenga una bola roja y una azul?
𝑅 = Rojas 𝑥 = No. caja
𝐴 = Azules 𝑃(𝑥) = 1/10
𝑥 𝑅 𝐴
1 0 1
2 1/9 8/9
3 2/9 7/9
4 3/9 6/9
5 4/9 5/9
6 5/9 4/9
7 6/9 3/9
8 7/9 2/9
9 8/9 1/9
10 1 0
1 45 1
𝑃(𝑅) = 45/9 ⋅ = =
10 90 2
𝑃(𝐴) = 1/2
1 1
∴ 2 La probabilidod de 𝑃(𝑅 ∣ 𝐴) = 2 ⋅ 2 = 1/4
5.
Una empresa que produce fusibles eléctricos tiene 5 líneas de producción, las cuales
tienen normalmente una tasa de producción de fusibles defectuosos del2%. Sin embargo,
hubo un día que la línea 1 tuvo un desperfecto que no fue detectado a tiempo y su tasa de
producción de fusibles defectuosos aumentó al 5%. Si ese día el supervisor de producción
probó aleatoriamente 3 fusibles y sólo uno tuvo fallo, ¿cuál es la probabilidad de que el
fusible que falló no haya sido producido en la línea 1?
Usamos la distribución Binomial
𝑛
𝑃(𝑥) = ( ) 𝛼 𝑚 (1 − 𝛼)𝑛−𝑚
𝑚
𝛼 = 0.05 1 − 𝛼 = 0.95
Sustituimos
3
𝑃(𝑥) = ( ) 𝛼 1 (1 − 𝛼)3−1 = 3(0.05)(0.95)2
1
= 0.135
Parte II: Simulación de experimentos aleatorios en R1.
Cálculo de probabilidades mediante muestreo y réplica)
Una baraja inglesa tiene52cartas distribuidas en13figuras (2,3,4,5,6,7,8,9,10, J, Q, K y
A) que se presentan cada una en4palos (espada♠, corazón♥, diamante♦y trébol♣). Las
cartas se revuelven aleatoriamente y se extraen dos cartas al azar. Realice la
simulación numérica de este evento y determine la probabilidad de que las2cartas
extraídas sean de la misma figura, luego compare con el valor exacto de la
probabilidad obtenido mediante conteo. b) En un salón de conferencias se
encuentran50personas. Sea𝑥una variable aleatoria que toma el valor del número de
personas presentes en el salón que nacieron el mismo día del año. Realice una
simulación numérica de este evento para determinar la distribución de
probabilidad𝑓(𝑥)de la variable𝑥.
A)
# Establecer las figuras y palos
figuras <- c("2", "3", "4", "5", "6", "7", "8", "9", "10", "J", "Q", "K",
"A")
palos <- c("e", "c", "d", "t")
# Crear una baraja
baraja <- expand.grid(figuras, palos)
# Número de simulaciones
num_simulaciones <- 100000
# Realizar simulación
for (i in 1:num_simulaciones) {
# Extraer dos cartas al azar
muestra <- baraja[sample(nrow(baraja), 2), ]
B)
# Calcular la probabilidad estimada
probabilidad_simulada <- eventos_favorables / num_simulaciones
# Imprimir resultados
cat("Probabilidad estimada:", probabilidad_simulada, "\n")
cat("Probabilidad exacta:", probabilidad_exacta, "\n")
# Número de simulaciones
num_simulaciones <- 1000
# Realizar simulación
for (i in 1:num_simulaciones) {
# Generar fechas de nacimiento aleatorias para cada persona
fechas_nacimiento <- sample(1:dias_en_ano, num_personas, replace =
TRUE)
# Imprimir resultados
cat("Distribución de probabilidad f(x):\n")
print(probabilidad)
muestra_aleatoria
A<-c(0.4)
B<-c(0.11)
AB<-c(0.04)
O<-c(0.45)
P= A^2+B^2+AB^2+O^2
P
library(dplyr)
library(sampling)
set.seed(1)
Base_de_datos_ingreso_mensual_3_csv
muestra_aleatoria<-slice_sample(.data =
Base_de_datos_ingreso_mensual_3_csv,n=10,replace = F)
muestra_aleatoria
dbinom(5,18,1/3)
x<-c(0:10)
dbinom(x,18,1/3)
# Realizar muestreos
for (i in 1:k) {
muestra <- sample(x, m, replace = TRUE, prob = p)
# Imprimir resultados
cat("Medias de las muestras:\n")
print(medias)
# Imprimir resultados
cat("Media de las medias (𝜇):", media_medias, "\n")
cat("Varianza de las medias:", varianza_medias, "\n\n")
# Imprimir resultados
cat("Resultados para k = 1000:\n")
cat("Media de las medias:", media_medias_1000, "\n")
cat("Varianza de las medias:", varianza_medias_1000, "\n")
cat("Media de las varianzas:", media_varianzas_1000, "\n")
cat("Varianza de las varianzas:", varianza_varianzas_1000, "\n\n")
# Imprimir resultados
cat("Resultados para m = 10 y k = 100:\n")
cat("Media de las medias:", media_medias_10_100, "\n")
cat("Varianza de las medias:", varianza_medias_10_100, "\n")
cat("Media de las varianzas:", media_varianzas_10_100, "\n")
cat("Varianza de las varianzas:", varianza_varianzas_10_100, "\n")