FACULTAD DE INGENIERÍA

CURSO:
ESTADISTICA DESCRIPTIVA Y PROBABILIDADES (19099).

TEMA:
TALLERES DE EVALUACIÓN PERMANENTE

INTEGRANTES:

Ancajima Cherres, Carlos Genaro

Fernández Padilla, Meisy Fabiana
Gastiaburú Chimoy, Enrique Gerardo
Herrera Rodríguez, Luz Angie
Ruiz Ramírez, Elián Saraí

DOCENTE:
Mtro. Rolando Ronald Romero Paredes.

11/25/2022
 TALLER N°01
1. Se tiene la edad de un grupo de clientes que asisten a una clínica dental

EDADES a) Halle la media e interprete

45 Promedio 39.385 El promedio de las edades de las personas que asisten a unaclínica dental es de
50 39.385 años.
44 b) Halle la Mediana e interprete
26 Mediana 43
El 50% de los adultos tienen una edad menor a 43 y el otro 50% tiene una edad mayor a 43 años.
41
42
53
45
45
43
24
26
28

2. Se tiene el peso de un grupo de alumnos de 5to de secundaria de un colegio de Lima

EDADES a) Halle la media e interprete

35 Promedio 45.7 El promedio de el grupo de alumnos de 5to de secundaria que tienen un peso es de
40 45.7 kg.
35 Mediana 45
56 b) Halle la Mediana e interprete
51 El 50% de los alumnos tienen un peso de 45 kg o menos y el otro 50% restante tienen un peso
48 mayor de 45 kg.
38
35
55
45
42
62
52

3. La edad de 50 adultos se muestra en el siguiente cuadro

Edad: X Adultos: f Edad: X Marca de clase Adultos: f Fi

[60 65> 3 [60 65> 62.5 3 3
[65 70> 5 [65 70> 67.5 5 8
[70 75> 21 [70 75> 72.5 21 29
[75 80> 11 [75 80> 77.5 11 40
[80 85> 5 [80 85> 82.5 5 45
[85 90> 5 [85 90> 87.5 5 50
Total 50 Total 50

a) A partir de qué edad se encuentra el 50% de los adultos de mayor edad

mediana 74 b) Halle la edad más frecuente

n 50
n/2 25 Moda 73.1
Intervalo [70 75> El 50% de los 50 adultos se Intervalo [70 - 75>
encuentran sobre los 74 años La edad más frecuente del grupo
Li 70 de edad. Li 70
de adultos registrados fue de
amplitud( c ) 5 amplitud 5 73.1 años.
Fi-1 8 Exceso 1 16
fi 21 Exceso 2 10

4. Se tiene el registro del tiempo en minutos que un grupo de alumno llega tarde a las clases de estadística durante el ciclo
anterior

TIEMPO: X Marca de Clase AUMNO: F Fi d)Halle el tiempo medio de tardanza

[10 15> 12.5 12 12 TIEMPO: X Marca de Clase AUMNO: F
[15 20> 17.5 18 30 [10 15> 12.5 12
[20 25> 22.5 9 39 [15 20> 17.5 18
[25 30> 27.5 3 42 [20 25> 22.5 9 El tiempo promedio de
tardanza es de 19.734
[30 35> 32.5 4 46 [25 30> 27.5 3 minutos.
[45 50> 37.5 1 47 [30 35> 32.5 4
Total 44 [45 50> 47.5 1
Total 47
c)A partir de qué tiempo se encuentra el 50% de los alumnos con mayor tardanza Promedio 19.734
mediana 18.194
n 47
n/2 23.5 A partir de los 18.194
minutos de tardanza se
Intervalo [15 - 20>
encuentra el 50 % de los
Li 15 alumnos con mayor tardanza.
amplitud( c ) 5
Fi-1 12
fi 18

5. Si un investigador desea estudiar el rendimiento académico de los estudiantes universitarios del

Perú en el año 2017.

a. ¿Qué tipo de muestreo es la más adecuada para la investigación? describa los pasos a seguir.

El muestreo adecuado para este tipo de investigación es el método de conglomeración, ya que la población se encuentra agrupada en conglomerados naturales y está muy
dispersa geográficamente y el costo de la recopilación de datos es relativamente alto.

Pasos a seguir:
1 Definir la población objetivo.
2 Determinar el tamaño de muestra.
3 Establecer un marco de muestreo existente y/o desarrollar un nuevo marco de muestreo de grupos de la población objetivo.
4 Estimar el marco de muestreo, para la falta de cobertura excesiva, múltiple cobertura y agrupación. Teniendo en cuenta que los grupos sean heterogéneos como
la población, mutuamente excluyentes y colectivamente exhaustivos.
5 Determinar el número de grupos que se seleccione.
6 Seleccionar al azar el número previsto de las agrupaciones.

6. Si un investigador desea estudiar el consumo de cigarrillos en los habitantes de un distrito

a. ¿Qué tipo de muestreo es la más adecuada para la investigación? describa los pasos a seguir.

En este caso las unidades se elige en función de manera racional y no casual, es decir, se realiza el estudio con las personas que consumen cigarrillo. Estableciendo la
población que tiene esta característica de estudio y posteriormente se escoge una muestra representativa de manera opcional no aleatoria.

Muestreo por estratificado

El muestreo más idóneo para este tipo de investigación es el estratificado, ya que permite que los individuos de toda población se dividan en estratos. Permitiéndole al
científico distribuir la población en categorías que contengan las mismas características.

Pasos a seguir
1 Definir al publico objetivo.
2 Eligir las caracteristias para la estrarificación, en vista de que cada miembro de la poblacion solo puede pertenecer a un subgrupo.
3 Dividimos la poblacion por estratos para decidir el tamaño de la muestra para cada estrato
4 Realizara un muestreo aletorio de cada estrato.

7.Recientemente la inflación en un País ha crecido en un 5%, los más afectados por esta alza de precios han sido los productos de primera necesidad, tales como
Verduras, Abarrotes, etc.Un medio de comunicación de gran reputación desea investigación el efecto de este incremento de precios en la Opinión de las amas de
casa.

a. ¿Qué tipo de muestreo es la más adecuada para la investigación? describa los pasos a seguir.

El muestreo más adecuado para esta investigación es muestreo estratificado debido a que estamos tomando un subconjunto de la
población como son las amas de casa.

Los pasos a seguir son:

1. Se recoge un listado de todos los productos.

2. Se asigna un número a cada producto.
3. Se divide a los productos en estratos.
4. Se determina el tamaño de la muestra.

8. ¿Cuál es la diferencia entre un muestreo por conglomerado y un muestreo estratíficado?Mencione un ejemplo, describa los pasos a seguir

Las diferencias consisten en que un muestreo conglomerado aprovecha la existencia de grupos en una población que representan correctamente el total general de la
población en relación a la característica que queremos estudiar, además que existe dos variantes, cuando se conoce el valor de “n” y cuando no. No obstante, el muestreo
estratificado, divide la población en grupos relativamente homogéneos y luego toma una muestra al azar de cada extracto.

Muestreo conglomerado:
1. Definir conglomerados (Caracerísticas que permitan clasificar a la población).
2. Selección de los conglomerados a estudiar, de una manera aleatoria.
3. Investigar los elementos que conforman al conglomerando
Ejemplo: Estudio de la proporción de los habitantes del Perú que padecen artritis.

Muestreo estratificado:
1. Definir el público objetivo
2. Reconocer la variable de la estratificación y calcular el número de estratos que serán utilizados
3. Utilizar un marco de muestreo existente que abarque toda la información de la variable del público objetivo.
4. Evaluar el marco de muestreo y realizar los ajustes pertinentes
5. Dividir el marco de muestreo para cada estrato
6. Asignar un número aleatorio y único a cada elemento
7. Seleccionar elemento aleatorio de cada estrato para formar una muestra
Ejemplo: 100 estudiantes de una escuela de 1000 estudiantes se les hacen preguntas sobre su materia favorita. Es un hecho que estudiantes de primer grado tendrán
diferentes preferencias que los estudiantes de quinto grado. Es por ello, que para que la encuesta arroje resultados precisos, la manera ideal es dividir cada
grado en varios estratos.

9.¿Cuál es la diferencia entre un muestreo por conveniencia y un mestreo por bola de nieve?Mencione un ejemplo, describa los pasos a seguir.

Muestreo por conveniencia Muestreo por Bola de Nieve

El muestreo por bola de nieve (de cadena) (no probabilística), es aquella en

El muestreo por conveniencia (no probabilístico) es aquel que el investigador
donde el que ejecuta la investigación le solicita al primer sujeto identificar o
realiza la muestra en base a la selección de individuos que considera de fácil
señalar a otra persona que tenga potencial y que cumpla con los requisitos de
acceso y de rápida investigación, considerando la proximidad al investigador.
aquella investigación.

Ejemplo Ejemplo

Un investigador decide realizar un estudio con una muestra definida por

individuos que poseen una rara enfermedad. Dicho investigador se basará en
Un estudio sobre la opinión de un profesor en un aula determinada. Definiendo
la información del individuo para incrementar su muestra en base a las
la muestra encuestada en base a los primeros 5 alumnos de la lista del aula.
características similares que otros individuos puedan poseer de acuerdo a la
opinión de la muestra inicial.

10.Se realizó un estudio para conocer los jornales en dólares americanos de los trabajadores de la empresa “El Triunfo S.A.” dedicada a la construcción de
edificios y se tomó una muestra de 5
obreros en el presente mes; siendo los datos obtenidos:

660, 689, 678, 789, 680

Por información de recursos humanos se sabe que en la empresa el 90% de los trabajadores es de sexo
masculino y tienen una edad promedio de 35 años.

Determinar:
Unidad de análisis: Un obrero de la empresa “El triunfo S.A.” generando en un mes
Población: Todos los trabajadores de la empresa “El triunfo S.A.”.
Parámetro(s) (Datos poblacionales):
Un 90% de los trabajadores son de sexo masculino y tienen una edad promedio de 35 años.

Muestra: 5 obreros de la empresa “El triunfo S.A.”

Estadístico(s) (Datos muestrales):
660 Tamaño muestral (n): 5
689 Promedio: 699.2
678 Varianza: 2630.7
789 Desviación Estandar. 51.2903
680
 TALLER N°02
1.Se tiene el peso(Kg) de dos grupos de alumnos de diferente aula en un colegio particular de Lima.

Aula 1 Aula 2 Aula N° 01

45 35 Prom. Aula 1 43.25
50 40 Varianza 15.929
44 35 Desv. Estandar 3.991
36 46 C.V 9%
41 51 Aula N° 02
42 44 Prom. 41.75
43 48 Varianza 41.071
45 35 Desv. Estandar 6.409
C.V 15%

RPTA: Existe una dispersión o variación en el peso de 3.991Kg con C.V de 9% en el aula 1 y de 6.409Kg en el aula 2 con C.V de
15%

2. Se tiene 2 tipos de medicamento que recién han salido al mercado, se tiene el registro en minutosque demora en dar efecto para un tratamiento
de cáncer muy doloroso.

laboratorios Tiempo en dar efecto

Laboratorio A 15 13 15 15 16 18 19 11 15 19
Laboratorio B 12 13 15 16 16 18 19 15 18 33

Laboratorio A 15.6 Laboratorio B 17.5

Varianza 6.489 Varianza 34.500

Desv. Estandar 2.547 Desv. Estandar 5.874

C.V 16% C.V 34%

RPTA: Existe una variación de tiempo de 2.547min en el laboratorio A con C.V de 16% y de 5.874min en el laboratorio B con C.V
de 34%

3.La edad de 40 adultos se muestra en el siguiente cuadro.

Edad: X xi Adultos: f (yi-prom)^2*fi

[60 65> 62.5 3 516.797
[65 70> 67.5 5 330.078
[70 75> 72.5 11 107.422
[75 80> 77.5 11 38.672
[80 85> 82.5 5 236.328
[85 90> 87.5 5 705.078
Total 40 1934.375
promedio 75.625 49.599 Varianza
7.043 Desv. Est
9% C.V

RPTA: Existe una disperción de edad de edad de 7.043 años y tiene un coeficiente de variación de 9%

4.Se tiene el registro del tiempo en minutos que un grupo de alumno llega tarde a las clases deestadística durante el ciclo anterior.

tiempo: X Alumno: f
[10 15> 12.5 12 687.217
[15 20> 17.5 8 52.739
[20 25> 22.5 9 53.251
[25 30> 27.5 3 165.723
[30 35> 32.5 4 618.262
[45 50> 37.5 1 303.890
Total 37 1881.081
promedio 20.068 52.252 Varianza
7.229 Desv. Est
36% C.V

RPTA: Existe una disperción de tiempo de edad de 7.229 años y tiene un coeficiente de variación de 36%

5.Un estudiante de la carrera de Ingeniería de Software revisó durante 11 días el ranking de una revista científica que publica artículos sobre la
industria de software a través de Internet. Acontinuación, se presenta el listado que elaboró de acuerdo al número de visitas por día a la
páginaweb www.scopus2018.com.
Además, la cantidad de visitas a la página web www.sciencie2018.com se presenta
a continuación:
4000 3200
3200 4300
3600 4700
3500 4400
3000 N° de visitas por día 4200
N° de visitas por día a la
a la página web
página web 3250 4200
www.sciencie2018.c
www.scopus2018.pe 2900 4200
om
3400 4100
3450 4100
2800 4300
3200

a. Calcule el valor de la desviación estándar y el coeficiente de variación de ambas páginas web

N° de visitas por día a la página web N° de visitas por día a la página web
Prom. 3300 Prom. 4170

Varianza 117500 Varianza 146777.778

Desv. Estandar 342.783 Desv. Estandar 383.116

C.V 10% C.V 9%

RPTA: Existe una dispersión o variación de 342.783 visitas con C.V de 10% en la página Scopus y de 383.116 visitas con C.V de
9% en la página Sciencie.
 TALLER N°03
1. El 42% de la población activa de cierto país está formada por mujeres. Se sabe que un 24% de las mujeres y un 16% de los hombres están en el paro.

Eventos
A: Pobladores que son mujeres.
B: Pobladores que son hombres.
C: Pobladores que están en la huelga.

P(A) = 0.42 P(C/A) = 0.24

P(B) = 0.58 P(C/B) = 0.16

Probabilidad Anterior Prob. Condicional Probabilidad Conjunta

P(A) 0.42 P(C/A) 0.24 P(AC) 0.1008
P(C'/A) 0.76 P(AC') 0.3192
P(B) 0.58 P(C/B) 0.16 P(BC) 0.0928
P(C'/B) 0.84 P(BC') 0.4872

P(C )= 0.1936 a.) P(A/C)=P(AC)/P(C) 0.5207 b) P(A/C')=P(AC')/P(C') 0.3958

P(C´)= 0.8064 P(B/C)=P(BC)/P(C) 0.4793 P(B/C')=P(BC')/P(C') 0.6042

a. ¿Cuál es la probabilidad de que una persona elegida al azar de la población activa en este país esté en el paro?
La la probabilidad de que una persona elegida al azar esté en el paro es de 0.1936.

b. Supongamos que se elige un adulto al azar para rellenar un formulario y se observa que no tiene trabajo? ¿Cuál es la probabilidad de que la persona elegida sea mujer?
La probabilidad de que el adulto elegido al azar que no tenga trabajo sea mujer, es de 0.5207.

2. En la enfermera del doctor Martínez no se puede confiar, pues durante la ausencia del médico la probabilidad de que no le inyecte un suero a un enfermo es de 0.6. Se
sabe que si a un enfermo grave se le inyecta el suero tiene igual probabilidad de mejorar que de empeorar, pero si no se le inyecta entonces la probabilidad de que mejore es
de 0.25. A su regreso, el Dr. Martínez se encuentra con que un enfermo ha empeorado.

Eventos
A: Pacientes que fueron inyectados por la enfermera del Dr. Martínez.
B: Pacientes que no fueron inyectados por la enfermera del Dr. Martínez.
C: Pacientes que mejoran en su estado de salud.

P(A) = 0.4 P(C/A) = 0.5

P(B) = 0.6 P(C/B) = 0.25

Probabilidad Anterior Prob. Condicional Probabilidad Conjunta

P(A) 0.4 P(C/A) 0.5 P(AC) 0.2
P(C'/A) 0.5 P(AC') 0.2
P(B) 0.6 P(C/B) 0.25 P(BC) 0.15
P(C'/B) 0.75 P(BC') 0.45

P(C )= 0.35 P(A/C)=P(AC)/P(C) 0.5714 P(A/C')=P(AC')/P(C') 0.3077

P(C´)= 0.65 P(B/C)=P(BC)/P(C) 0.4286 P(B/C')=P(BC')/P(C') 0.6923

a. ¿Cuál es la probabilidad de que la enfermera olvidara inyectar el suero a este paciente?

La probabilidad de que la enfermera olvidara inyectar el suero a este paciente que empeoró en salud es de 0.6923.

3. En una campaña de erradicación de tuberculosis se somete a la población escolar a una prueba de tuberculina. Se sabe que la probabilidad de acierto sobre personas
confirmadas enfermas es del 96%, y la probabilidad de que el test falle con personas confirmadas sanas es del 5%. Se sabe también que la dolencia la padece el 0.1% de la
población. Se pide:

Eventos
A: Pacientes que padecen la dolencia.
B: Pacientes que no padecen la dolencia.
C: El resultado del test es positivo

P(A) = 0.001 P(C/A) = 0.96

P(B) = 0.999 P(C/B) = 0.05

Probabilidad Anterior Prob. Condicional Probabilidad Conjunta

P(A) 0.001 P(C/A) 0.96 P(AC) 0.00096
P(C'/A) 0.04 P(AC') 0.00004
P(B) 0.999 P(C/B) 0.05 P(BC) 0.04995
P(C'/B) 0.95 P(BC') 0.94905

P(C )= 0.05091 P(A/C)=P(AC)/P(C) 0.0189 a) P(A/C')=P(AC')/P(C') 0.0000

P(C´)= 0.94909 P(B/C)=P(BC)/P(C) 0.9811 P(B/C')=P(BC')/P(C') 1.0000 b)

a) Determinar la probabilidad de que el test detecte correctamente la presencia de la enfermedad.

La probabilidad de que el test detecte correctamente la presencia de la enfermedad es de 0.0189.

b)Determinar la probabilidad de que el test detecte correctamente que la persona está sana.
La probabilidad de que el test detecte correctamente que la persona está sana es de 1.

4. Los ingenieros de ventas 1, 2 y 3 estiman los costos de 30%, 20% y 50%, respectivamente, de todos los trabajos licitados por una compañía. Las probabilidades de
cometer error grave, al estimar el costo, de los ingenieros son 0.03, 0.04 y 0.05 respectivamente.

A: Estimación de costos realizados por el ingeniero 1.

B: Estimación de costos realizados por el ingeniero 2.
C: Estimación de costos realizados por el ingeniero 3.
D: Estimación de costos con errores graves.

P(A)= 0.3 P(D/A) 0.03

P(B)= 0.2 P(D/B) 0.04
P(C)= 0.5 P(D/C) 0.05

Probabilidad Anterior Probabilidad Codicional Probabilidad Conjunta

P(A)= 0.3 P(D/A) 0.03 P(DA) 0.009
P(D'/A) 0.97 P(D'A) 0.291
P(B)= 0.2 P(D/B) 0.04 P(DB) 0.008
P(D'/B) 0.96 P(D'B) 0.192
P(C)= 0.5 P(D/C) 0.05 P(DC) 0.025
P(D'/C) 0.95 P(D'C) 0.475

P(D)= 0.042 P(A/D)= 0.2143 P(A/D')= 0.3038

P(D')= 0.958 P(B/D)= 0.1905 P(A/D')= 0.2004
P(C/D)= 0.5952 P(A/D')= 0.4958

La probabilidad de cometer error al estimar los costos es de 0.042.

5. Una empresa manufacturera tiene dos máquinas (M1 y M2) para producir un producto. El área de control de calidad a determinado que la máquina M1 produce el 60%
de la producción total y la máquina M2 el restante. El 3% de las unidades producidas por la máquina M1 son defectuosos, mientras que la máquina M2 tiene una tasa de
defectuosos del 6%. Si se selecciona un producto al azar:

Eventos
A: Unidades producidas por la máquina M1.
B: Unidades producidas por la máquina M2.
C: Unidades que son defectuosas.

P(A) = 0.6 P(C/A) = 0.03

P(B) = 0.4 P(C/B) = 0.06

Probabilidad Anterior Prob. Condicional Probabilidad Conjunta

P(A) 0.6 P(C/A) 0.03 P(AC) 0.018
P(C'/A) 0.97 P(AC') 0.582
P(B) 0.4 P(C/B) 0.06 P(BC) 0.024
P(C'/B) 0.94 P(BC') 0.376

P(C )= 0.042 a) P(A/C)=P(AC)/P(C) 0.4286 b) P(A/C')=P(AC')/P(C') 0.6075

P(C´)= 0.958 c) P(B/C)=P(BC)/P(C) 0.5714 P(B/C')=P(BC')/P(C') 0.3925

a.¿Cuál es la probabilidad de que sea defectuoso?

La probabilidad de que sea defectuoso si se selecciona un producto al azar es de 0.042

b.¿Cuál es la probabilidad de que haya sido producido por la máquina M1, si se sabe que es defectuoso?
La probabilidad de que el producto seleccionado al azar haya sido producido por la máquina M1, si se sabe que es defectuoso es de 0.4286

c.¿Cuál es la probabilidad de que no sea defectuoso?

La probabilidad de que el producto al azar no sea defectuoso es de 0.958

6. En un vivero se tiene plantas de dos variedades (A y B) en un 30% y 70% respectivamente. Se sabe que cierta plaga ataca al 1% de las plantas de la variedad A y al 3%
de las plantas de la variedad B.

Eventos
A: Plantas de la variedad A.
B: Plantas de la variedad B.
C: Plantas atacadas por la plaga.

P(A) = 0.3 P(C/A) = 0.01

P(B) = 0.7 P(C/B) = 0.03

Probabilidad Anterior Prob. Condicional Probabilidad Conjunta

P(A) 0.3 P(C/A) 0.01 P(AC) 0.003
P(C'/A) 0.99 P(AC') 0.297
P(B) 0.7 P(C/B) 0.03 P(BC) 0.021
P(C'/B) 0.97 P(BC') 0.679

P(C )= 0.024 a) P(A/C)=P(AC)/P(C) 0.1250 P(A/C')=P(AC')/P(C') 0.3043

P(C´)= 0.976 P(B/C)=P(BC)/P(C) 0.8750 b) P(B/C')=P(BC')/P(C') 0.6957 c)

¿Cuál es la probabilidad de seleccionar una planta con plaga?

La probabilidad de seleccionar una planta con plaga es de 0.024

Si se elige al azar una planta y se encuentra afectada por la plaga ¿Cuál es la probabilidad de que sea de la variedad B?
La probabilidad de que la planta elegida al azar y se encuentre afectada por la plaga sea de la variedad B es de 0.8750

Si se elige al azar una planta y no se encuentra afectada por la plaga ¿Cuál es la probabilidad de que sea de la variedad B?
La probabilidad de que la planta elegida no tenga plaga y sea de la variedad B es de 0.6957

7. La probabilidad de que se presente determinada enfermedad es 1/500 y un test para detectarla es99% confiable (esto quiere decir que si una persona tiene la enfermedad
la probabilidad de que eltest de positivo es 0.99 y si una persona no tiene la enfermedad la probabilidad de que el test denegativo es 0.99).

Eventos
A: Enfermedad presente en una persona.
B: Enfermedad sin presentarse en las personas.
C: Enfermedad detectada en el test de manera positiva.

P(A) = 0.002 =1/500 P(C/A) = 0.99

P(B) = 0.998 P(C/B) = 0.01

Probabilidad Anterior Prob. Condicional Probabilidad Conjunta

P(A) 0.002 P(C/A) 0.99 P(AC) 0.00198
P(C'/A) 0.01 P(AC') 0.00002
P(B) 0.998 P(C/B) 0.01 P(BC) 0.00998
P(C'/B) 0.99 P(BC') 0.98802

P(C )= 0.01196 P(A/C)=P(AC)/P(C) 0.1656 a) - b) P(A/C')=P(AC')/P(C') 0.0000

P(C´)= 0.98804 P(B/C)=P(BC)/P(C) 0.8344 P(B/C')=P(BC')/P(C') 1.0000

a.Si a Ud. le resulta el test positivo ¿Cuál es la probabilidad de que Ud. tenga la enfermedad?
La probabilidad de que yo tenga la enfermedad, si mi tes resulta positivo es de 0.1656

b.Si a Ud. le resulta positivo en dos tests independientes ¿Cuál es la probabilidad de que Ud.tenga la enfermedad?
Si resulta positivo " /C ".
Probabilidad de que tenga la enfermedad "P(A/C)".
Probabilidad de dos tests independientes "P(A/C) + P(A/C)". =0.1656 + 0.1656
"P(A/C) + P(A/C)". 0.3313
La probabilidad de que yo tenga la enfermedad si me resulta positivo en dos test independientes es de 03313.
 TALLER N°04
1. De todas las plantas sólo el 7% descargan residuos por sobre la norma. Si se muestrean 20 plantas
¿Cuál es la probabilidad de que estén fuera de la ley:
a) Menos que una planta? b) Menos de dos plantas
X: # de plantas X: # de plantas
n= 20 n= 20
p= 0.07 p= 0.07
P(X<1)=P(X<=0) P(X<2)=P(X<=1)
X= 0 X= 1
probabilidad 0.2342 =DISTR.BINOM.N( X ; n ; p ; 1 ) probabilidad 0.5869 =DISTR.BINOM.N( X ; n ; p ; 1 )
La probabilidad de que menos de una planta esté fuera de la ley es de La probabilidad de que menos de dos plantas estén fuera de la
0.2342 ley es de 0.5869

c) Exactamente 3
X: # de plantas
n= 20
p= 0.07
P(X=3)=
X= 3
probabilidad 0.1139 =DISTR.BINOM.N( X ; n ; p ; 0 )
La probabilidad de que exactamente tres plantas estén fuera de la ley es
de 0.1139

2. Un panel solar tiene una vida útil de 5 años con una probabilidad de 0.92. Se toman 20 paneles solares y se registró la vida útil.
a. ¿Cuál es la probabilidad de que menos de 18 tengan de ellos su vida útil de 5 años?

X: # de paneles
n= 20
p= 0.92
P(X<18)=P(X<=17)
X= 17
probabilidad 0.2121 =DISTR.BINOM.N( X ; n ; p ; 1 )
La probabilidad de que menos de 18 tengan de ellos
su vida útil de 5 años es de 0.2121.

3. Suponga que una compañía de seguros asegura las vidas de 5000 hombres de 42 años de edad. Si los estudios actuariales muestran
que la probabilidad de que un hombre muera en cierto año es 0.001, entonces la probabilidad de que la empresa pague exactamente 4
indeminizaciones y= 4 en un cierto año es:

Nota: l= np
X: # de indemnizaciones a pagar en un determinado año.
n= 5000
p= 0.001
P(X=4)
X= 4
probabilidad 0.1755 =DISTR.BINOM.N( X ; n ; p ; 0 )
La probabilidad de que la empresa pague exactamente 4 indeminizaciones
en un cierto año es de 0.1755.

4. Una planta tiene 20 máquinas, si la probabilidad de que falla una en cierto día es 0.05. Encuentre la probabilidad de que durante un día
determinado fallen dos máquinas. Compare los resultados a través de la distribución binomial y poisson
X: # de máquinas a) ¿Cuál es la probabilidad de que dos choferes sean mujeres ?
n= 20 X: # de choferes mujeres
p= 0.05 Lambda(λ)=n*p 1 mujeres/20choferes
P(X=2) P(X=2)
X= 2 x 2
probabilidad 0.1887 =DISTR.BINOM.N( X ; n ; p ; 0 ) probabilidad 0.1839 =POISSON.DIST( X ; λ ; 0 )
La probabilidad de que durante un día determinado fallen dos máquinas
La probabilidad de que dos choferes sean mujeres es de 0.1839.
es de 0.1887.

5. El 25% de los choferes son mujeres, si se seleccionan 20 al azar para una encuesta: Usando la distribución binomial y la distribución
de Poisson
a) ¿Cuál es la probabilidad de que dos choferes sean mujeres ?
X: # de choferes mujeres a) ¿Cuál es la probabilidad de que dos choferes sean mujeres ?
n= 20 X: # de choferes mujeres
p= 0.25 Lambda(λ)=n*p 5 mujeres/20choferes
P(X=2) P(X=2)
X= 2 x 2
probabilidad 0.0669 =DISTR.BINOM.N( X ; n ; p ; 0 ) probabilidad 0.0842 =POISSON.DIST( X ; λ ; 0 )
La probabilidad de que dos choferes sean mujeres es de 0.0669. La probabilidad de que dos choferes sean mujeres es de 0.0842

b) ¿Cuál es la probabilidad de que al menos cuatro sean mujeres? b) ¿Cuál es la probabilidad de que al menos cuatro sean mujeres?
X: # de choferes mujeres X: # de choferes mujeres
n= 20 Lambda(λ)=n*p 5 mujeres/20choferes
p= 0.25 P(X>=4)=1-P(X<=3) P(X>=a)=1-P(X<=a-1)
P(X>=4)=1-P(X<=3) P(X>=a)=1-P(X<=a-1) X 3
X= 3 Probabilidad 0.2650 =POISSON.DIST( X ; λ ; 1 )
probabilidad 0.2252 =DISTR.BINOM.N( X ; n ; p ; 1 ) 1-probabilidad 0.7350
1-prob. 0.7748 =1-probabilidad La probabilidad de que al menos cuatro sean mujeres es de
0.7350.
La probabilidad de que al menos cuatro sean mujeres es de 0.1887.

6. Si 15 de 50 proyectos de viviendas violan el código de construcción, ¿cuál es la probabilidad de que un inspector de viviendas, que
selecciona aleatoriamente a cuatro de ellas, descubra que:
a) dos violan el código de construcción
X: # de proyectos de viviendas
n= 4
p= 0.30 =15/50
P(X=2)=
X= 2
probabilidad 0.2646 =DISTR.BINOM.N( X ; n ; p ; 0 )
La probabilidad de que el inspector descubra que dos viviendas de las cuatro
seleccionadas violan el código de construcción es de 0.2646

b) al menos tres violan el código de construcción

X: # de proyectos de viviendas
n= 4
p= 0.3
P(X>=15)=1-P(X<=14) P(X>=a)=1-P(X<=a-1)
X= 2
probabilidad 0.9163 =DISTR.BINOM.N( X ; n ; p ; 1 )
1-prob. 0.0837 =1-probabilidad
La probabilidad de que el inspector descubra que al menos tres viviendas de las
cuatro seleccionadas violan el código de construcción es de 0.0837

7. Una empresa electrónica observa que el número de componentes que fallan antes de cumplir 100 horas de funcionamiento es una
variable aleatoria de Poisson. Si el número promedio de estos fallos es ocho,

1. ¿cuál es la probabilidad de que falle un componente en 25 horas?

X: # de componetes que fallan antes de 25 horas fallos horas
Lambda(λ) 2 fallos/25h 8 100
P(X=1) λ 25
x 1 λ= 2
probabilidad 0.2707 =POISSON.DIST( X ; λ ; 0 )

La probabilidad de que falle un componente en 25 horas es de 0.2707

2. ¿y de que fallen no más de dos componentes en 50 horas?

X: # de componetes que fallan en 50 horas #fallos #horas

Lambda(λ') 4 fallos/50h 8 100
P(X<=1) λ' 50
X 1 λ'=8*50/100= 4
probabilidad 0.0916 =POISSON.DIST( X ; λ ; 1 )

3. ¿cuál es la probabilidad de que fallen por lo menos diez en 125 horas?

X: # de componetes que fallan en 125 horas #fallos #horas

Lambda(ς) 10 fallos/125h 8 100
P(X>=10)=1-P(X<=9) P(X>=a)=1-P(X<=a-1) ς 125
X 9 ς=8*125/100= 10
Probabilidad 0.4579 =POISSON.DIST( X ; λ ; 1 )
1-probabilidad 0.5421
La probabilidad de que fallen por lo menos diez en 125 horas es de 0.5421

8. Si un banco recibe en promedio 8 cheques sin fondo por día, ¿cuáles son las probabilidades de que reciba,
a) cuatro cheques sin fondo en un día dado,
X: # de cheques sin fondo en un día
Lambda(λ) 8 cheques/día
P(X=4)
x 4
probabilidad 0.0573 =POISSON.DIST( X ; λ ; 0 )
La probabilidad de que reciba cuatro cheques sin fondo en un día dado es de
0.0573

b) 10 cheques sin fondos en cualquiera de dos días consecutivos?

X: # de cheques sin fondo en dos días #cheques sin fondo #día

Lambda(ς) 16 cheques/2días 8 1
P(X=10) ς 2
x 10 ς=8*2/1= 16
probabilidad 0.0341 =POISSON.DIST( X ; λ ; 0 )
La probabilidad de que reciba 10 cheques sin fondos en cualquiera de dos días
consecutivos es de 0.0341

9. En la inspección de hojalata producida por un proceso electrolítico continuo, se identifican 0.4 imperfecciones en promedio por minuto.
Determine las probabilidades de identificar
a) una imperfección en 3 minutos,
#imperfecciones #minutos
X: # de imperfecciones en 3 minutos 0.4 1
Lambda(ς) 1.2 imperfecciones/3min ς 3
P(X=1) ς=0.4*3/1= 1.2
x 1
probabilidad 0.3614 =POISSON.DIST( X ; λ ; 0 )
La probabilidad de identificar una imperfección en 3 minutos es de
0.3614
b) al menos dos imperfecciones en 5 minutos,

X: # de imperfecciones en 5 minutos #imperfecciones #minutos

Lambda(λ) 2 imperfecciones/5min 0.4 1
P(X>=2)=1-P(X<=1) P(X>=a)=1-P(X<=a-1) λ 5
X 1 λ=0.4*5/1= 2
Probabilidad 0.4060 =POISSON.DIST( X ; λ ; 1 )
1-probabilidad 0.5940
La probabilidad de identificar una imperfección en 5 minutos es de
0.5940

c) cuando más una imperfección en 15 minutos.

X: # de imperfecciones en 5 minutos #imperfecciones #minutos

Lambda(λ') 6 imperfecciones/5min 0.4 1
P(X<=1) λ' 15
X 1 λ'=0.4*15/1= 6
probabilidad 0.0174 =POISSON.DIST( X ; λ ; 1 )

La probabilidad de identificar más de una imperfección en 15 minutos es

de 0.0174
 TALLER N°05
1.Para cierto modelo de lavadora se ha analizado el tiempo de funcionamiento que transcurre sin necesitar revisión técnica, llegando a la conclusión de que dicho tiempo
es una variable Normal de media 5140 horas de lavado con una desviación típica de 720 horas.

¿Qué número de horas no supera, sin necesitar revisión, el 90% de este tipo de lavadoras?

X=Tiempo de funcionamiento sin necesidad de revisión.

µ= 5140
σ= 720
P(X<a)=0.90
Probabilidad 0.90
Z 1.2816
a= 6062.7171
Z*σ+µ=a 6062.7171

El tiempo que el 90% de este tipo de lavadoras no necesita revisión

es de 6062.7171 horas.

2. Se ha aplicado un test de fluidez verbal a 500 alumnos de primero de ESO de un centro de secundaria. Se supone que las puntuaciones obtenidas se distribuyen según
una normal de media 85 y desviación típica 15.

a. Qué puntuación separa al 25% de b. A partir de qué puntuación se encuentra

los alumnos con menos fluidez el 25% de los alumnos con mayor fluidez
verbal? verbal?
X: puntuación de los alumnos con menor fluidez verbal. X: puntuación de los alumnos con mayor fluidez verbal.
Muestra 500 µ= 85
μ= 85 σ= 15
σ= 15 P(X>a)=0.25 0.25
P(X<a)=0.25 P(X<=a)=1-P(X>a).
Probabilidad 0.25 1-P(X<a) 0.7500
Z -0.6745 Z 0.6745
Z*σ+µ = a 74.8827 Z*σ+µ=a 95.1173

A partir de 95.1173 de puntuación se

La puntuación que separa al 25% de los alumnos
encuentran los alumnos con mayor fluidez
con menos fluidez verbal es de 74.8827
verbal.

3. El tiempo de duración de baterías de Litio para Laptops (en meses) que produce una Compañía Americana se distribuye en forma normal. Si el 15% de estas baterías
duran menos de 10 meses y el 8% duran al menos 13 meses. Calcular la media y la varianza de la duración de las baterías.

P(X<10)= 0.15 Estandarización:

P(Z<c)= 0.15 D.N.Est.
c -1.0364 (𝑿−𝝁)/𝝈=𝒁

P(X>=13)= 0.08 𝑿−𝝁=𝒁𝝈

P(Z>=m)= 0.08 D.N.Est.
𝑿=𝒁𝝈+𝝁
P(Z<m) 0.92
m 1.4051
X = Z * σ + μ

{𝑿=𝒁𝝈+𝝁 10 = -1.0364 * σ + μ (-)

{
{𝑿=𝒁𝝈+𝝁 13 = 1.4051 * σ + μ
3 = 2.4415 * σ
𝟑/(𝟐.𝟒𝟒𝟏𝟓)=𝝈

1.2288 = σ

Media μ = 11.2735 𝝁=𝑿−𝒁𝝈

Varianza 𝝈^𝟐 = 1.5098

4. La cantidad real de café instantáneo que vierte una máquina en jarras de 4 onzas varía de una jarra a otra, y se puede fijar como una variable aleatoria que tiene una
distribución normal con σ = 0.05 onzas. Si sólo el 2% de las jarras va a contener menos de 4 onzas de café. ¿Cuál debe ser el contenido medio de estas jarras?

(𝑿−𝝁)/𝝈=𝒁
DATOS:
X= 4 𝑿−𝝁=𝒁𝝈
σ= 0.05
𝑿−𝒁𝝈=𝝁
P(X<4) 0.02 Distribución Normal.
P(Z<a) 0.02 Distribución Normal Estandarizada.
a -2.0537 =DISTR.NORM.ESTAND.INV( P(Z<a) )
μ= 4.1027 4- (-2.0537 * 0.05) = μ
𝑿−𝒁𝝈=𝝁

El contenido medio de las jarras debe ser de 4.1027 onzas

5. En una distribución normal de media 4 y desviación típica 2, calcular el valor de “a” para que: p(4−a ≤ x ≤ 4+a) = 0.5934

P(4−a ≤ X ≤ 4+a) 0.5934

𝑷((𝟒−𝒂−𝟒)/𝟐≤𝒁≤(𝟒+𝒂−𝟒)/𝟐)=𝟎.𝟓𝟗𝟑𝟒

𝑷((−𝒂)/𝟐≤𝒁≤𝒂/𝟐)=𝟎.𝟓𝟗𝟑𝟒

𝐏(𝒁<−𝒂/𝟐)=
0.2033
=-a/2 -0.8299
𝒂/𝟐 =𝟎.𝟖𝟐𝟗𝟗

1.6598
 𝒂 =𝟏.𝟔𝟓𝟗𝟖
El valor de "a" es equivalente a 1.6598.