1- A continuación se presentan diferentes variables aleatorias.

s. Escriba el conjunto de posibles resultados para cada variable y afirme o rechace si se trata de una va

a. X= el número de huevos no quebrados en una caja estándar (12 und) seleccionada al azar.

Esta es una variable aleatoria discreta porque los valores posibles son contables y finitos, en este caso, los números enteros de 0 a 12.

b. Y= el número de estudiantes en una lista de clase de 20 estudiantes de un curso particular que no asisten el primer día de clases.

Esta es una variable aleatoria discreta porque los valores posibles son contables y finitos, en este caso, los números enteros de 0 a 20.

c. U= el porcentaje de impuestos desrivados de las ventas de una compra en el portal de Mercado Libre seleccionada al azar.

Esta es una variable aleatoria continua, ya que puede tomar cualquier valor dentro de un intervalo continuo.

d. Y= el pH de una muestra de suelo elegida al azar.

Esta es una variable aleatoria continua, ya que el pH puede tomar cualquier valor dentro de un intervalo continuo entre 0 y 14.

e. X= el número de veces que se requiere lanzar al aire una moneda hasta que salga una cara.

Esta es una variable aleatoria discreta porque los valores posibles son contables e infinitos, en este caso, los números enteros mayores o iguales a 1.
chace si se trata de una variable discreta.

o iguales a 1.
2- Se determinará el número de islas en una gasolinera que tiene cuatro islas, al igual que en una que tiene seis islas, cuáles son los posibles valores de cada

a. T= el número total de islas en uso.

1. En la gasolinera con cuatro islas:

Si todas las islas están en uso, T = 4.

Si solo tres islas están en uso, T = 3.
Si solo dos islas están en uso, T = 2.
Si solo una isla está en uso, T = 1.
Si ninguna isla está en uso, T = 0.

2. En la gasolinera con seis islas:

Si todas las islas están en uso, T = 6.

Si cinco islas están en uso, T = 5.
Si cuatro islas están en uso, T = 4.
Si tres islas están en uso, T = 3.
Si dos islas están en uso, T = 2.
Si solo una isla está en uso, T = 1.
Si ninguna isla está en uso, T = 0.

b. X= la diferencia entre el número de islas en uso en las dos gasolineras.

los posibles valores de la variable aleatoria X son 0, 1, o 2.

c. U= el número máximo de islas en uso en una u otra gasolinera.

los posibles valores de la variable aleatoria U son 0, 1, 2, 3, 4, 5, o 6.

d. Z= el número de gasolineras que tienen exactamente dos islas en uso.

1. Si ambas gasolineras tienen exactamente dos islas en uso: 𝑍=2Z=2.
2. Si solo una de las gasolineras tiene exactamente dos islas en uso: 𝑍=1Z=1.
3. Si ninguna de las gasolineras tiene exactamente dos islas en uso: 𝑍=0Z=0.

los posibles valores de la variable aleatoria Z son 0, 1, o 2.

son los posibles valores de cada una de las variables aleatorias:
3- Sea X el número de estudiantes que se presentan en el horario de oficina de un profesor en un día en particular. Suponga que la función de masa de prob

a. Dibuje el histograma de probabilidad correspoindiente.

p(0)=0.20, 𝑝(1)=0.25,p(1)=0.25, 𝑝(2)=0.30,p(2)=0.30, 𝑝(3)=0.15,p(3)=0.15, 𝑝(4)=0.10.p(4)=0.10.

X Probabilidad (p(X))
0 0.20
1 0.25
2 0.30
3 0.15
4 0.10

4.5

3.5

2.5

1.5

0.5

0
1 2 3 4 5

b. ¿Cuál es la probabilidad de que al menos dos estudiantes se presenten? Y de que se presenten más de dos estudiantes.

Usando la función de masa de probabilidad dada:

 𝑃(𝑋≥2)=𝑝(2)+𝑝(3)+𝑝(4)=0.30+0.15+0.10=0.55P(X≥2)=p(2)+p(3)+p(4)=0.30+0.15+0.10=0.55

P(X>2)=p(3)+p(4)=0.15+0.10=0.25

la probabilidad de que se presenten más de dos estudiantes es 0.25 o 25%.

c. ¿Cuál es la probabilidad de que entre 1 y 3 estudiantes, inclusive, se presenten?

función de masa de probabilidad dada:

𝑃(1≤𝑋≤3)=𝑝(1)+𝑝(2)+𝑝(3)=0.25+0.30+0.15=0.70P(1≤X≤3)=p(1)+p(2)+p(3)=0.25+0.30+0.15=0.70

la probabilidad de que entre 1 y 3 estudiantes, inclusive, se presenten es 0.70 o 70%.

d. ¿Cuál es la probabilidad de que se presente el profesor?

la probabilidad de que ningún estudiante se presente (es decir, 𝑋=0X=0) es 𝑝(0)=0.20p(0)=0.20. Por lo tanto, la probabilidad de que se presente el profes
ga que la función de masa de probabilidad de X es p(0) 0.20, p(1) 0.25, p(2) 0.30, p(3) 0.15 y p(4) 0.10.
idad de que se presente el profesor es 0.20 o 20%.
4- Considere un avión de 50 asientos, el cual fue sobrevendido por la aerolínea y actualmente hay 55 pasajeros con boleto. Sea Y el número de pasajeros co
tomar el vuelo, y su función de masa de probabilidad la siguiente
y 45 46 47 48 49 50 51 52 53
p(y) 0.05 0.1 0.12 0.14 0.25 0.17 0.06 0.05 0.03

a. ¿Cuál es la probabilidad de que la aerolínea acomode en el vuelo a todos los pasajeros que se presentan con boleto?

P(Y≤50)=p(45)+p(46)+p(47)+p(48)+p(49)+p(50)

Usando la función de masa de probabilidad dada:

𝑃(𝑌≤50)=0.05+0.1+0.12+0.14+0.25+0.17P(Y≤50)=0.05+0.1+0.12+0.14+0.25+0.17 𝑃( 𝑌≤50)=0.83P(Y≤50)=0.83

la probabilidad de que la aerolínea acomode en el vuelo a todos los pasajeros que se presentan con boleto es 0.83 o 83%.

b. ¿Cuál es la probabilidad de que no sean acomodados todos los pasajeros con boleto?

la probabilidad de que no sean acomodados todos los pasajeros con boleto es:

𝑃(𝑌>50)=1−𝑃(𝑌≤50)P(Y>50)=1−P(Y≤50)

Usando la probabilidad calculada anteriormente:

𝑃(𝑌>50)=1−0.83P(Y>50)=1−0.83 𝑃(𝑌>50)=0.17P(Y>50)=0.17

Por lo tanto, la probabilidad de que no sean acomodados todos los pasajeros con boleto es 0.17 o 17%.

c. Si es la primera persona en la lista de espera (lo que significa que será la primera en subirse al vuelo si hay un asiento disponible despúes de que todos lo
sido acomodados. ¿Cuál es la probabilidad de que tome el vuelo? ¿Cuál es la probabilidad si es la tercera persona en la lista de espera?

P(tercera persona en la lista de espera tome el vuelo)=1−(p(45)+p(46)+p(47)+p(48)+p(49)+p(50)+p(51)+p(52)+p(53))

Sea Y el número de pasajeros con boleto que llegan a tiempo para

54 55
0.02 0.01

onible despúes de que todos los pasajeros con boleto hayan

ta de espera?
5- Una empresa dispone de 6 líneas telefónicas. Sea X el número de líneas en uso en un tiempo especificado. Suponga que la función de masa de probabilid

x 0 1 2 3 4 5 6
p(x) 0.1 0.15 0.2 0.25 0.2 0.06 0.04

Calcule la probabilidad de los siguientes eventos

a. Cuando mucho tres líneas están en uso.

La probabilidad de que a lo sumo tres líneas estén en uso es:

𝑃(𝑋≤3)=𝑃(𝑋=0)+𝑃(𝑋=1)+𝑃(𝑋=2)+𝑃(𝑋=3)P(X≤3)=P(X=0)+P(X=1)+P(X=2)+P(X=3)

Usando la función de masa de probabilidad dada:

𝑃(𝑋≤3)=0.1+0.15+0.2+0.25P(X≤3)=0.1+0.15+0.2+0.25 𝑃( 𝑋≤3)=0.7P(X≤3)=0.7

Por lo tanto, la probabilidad de que a lo sumo tres líneas estén en uso es 0.70.7 o 70%70%.

b. Menos de tres líneas están en uso.

P(X<3)=P(X=0)+P(X=1)+P(X=2)

Usando la función de masa de probabilidad dada:

𝑃(𝑋<3)=0.1+0.15+0.2P(X<3)=0.1+0.15+0.2 𝑃(𝑋<3)=0.45P(X<3)=0.45

Por lo tanto, la probabilidad de que menos de tres líneas estén en uso es 0.450.45 o 45%45%.

c. Al menos tres líneas están en uso.

 la probabilidad de que al menos tres líneas estén en uso es:

𝑃(𝑋≥3)=𝑃(𝑋=3)+𝑃(𝑋=4)+𝑃(𝑋=5)+𝑃(𝑋=6)P(X≥3)=P(X=3)+P(X=4)+P(X=5)+P(X=6)

Usando la función de masa de probabilidad dada:

𝑃(𝑋≥3)=0.25+0.2+0.06+0.04P(X≥3)=0.25+0.2+0.06+0.04 𝑃( 𝑋≥3)=0.55P(X≥3)=0.55

Por lo tanto, la probabilidad de que al menos tres líneas estén en uso es 0.550.55 o 55%55%.

d. Entre dos y cinco líneas, inclusive, están en uso.

la probabilidad de que entre dos y cinco líneas, inclusive, estén en uso es:

𝑃(2≤𝑋≤5)=𝑃(𝑋=2)+𝑃(𝑋=3)+𝑃(𝑋=4)+𝑃(𝑋=5)P(2≤X≤5)=P(X=2)+P(X=3)+P(X=4)+P(X=5)

Usando la función de masa de probabilidad dada:

𝑃(2≤𝑋≤5)=0.15+0.2+0.25+0.2P(2≤X≤5)=0.15+0.2+0.25+0.2 𝑃(2≤ 𝑋≤5)=0.8P(2≤X≤5)=0.8

Por lo tanto, la probabilidad de que entre dos y cinco líneas, inclusive, estén en uso es 0.80.8 o 80%80%.

e. Al menos cuatro líneas no están en uso.

P(Al menos cuatro lıˊneas no estaˊn en uso)=1−P(X<4)

𝑃(Al menos cuatro lıˊneas no estaˊn en uso)=1−0.7
𝑃(Al menos cuatro lıˊneas no estaˊn en uso)=0.3
P(Al menos cuatro lıˊneas no estaˊn en uso)=0.3

Por lo tanto, la probabilidad de que al menos cuatro líneas no estén en uso es 0.30.3 o 30%30%.
a función de masa de probabilidad de X es la que se da en la siguiente tabla.
6- Un vendedor de artículos para el hogar vende 3 modelos de neveras con capacidad de 16, 18 y 20 pies cúbicos, respectivamente. Sea X la cantidad de esp
por el siguiente cliente que compre un congelador. Suponga que X tiene la función de masa de probabilidad
256 324 400
x 16 18 20
p(x) 0.2 0.5 0.3

a. Calcule E(X), E(X^2) y V(X) - El valor esperado de X, el valor esperado de X al cuadrado y la varianza de X.

Valor esperado de 𝑋X ( 𝐸(𝑋)E(X) ):

𝐸(𝑋)=16⋅0.2+18⋅0.5+20⋅0.3E(X)=16⋅0.2+18⋅0.5+20 ⋅0.3 𝐸(𝑋)=3.2+9+6E(X)=3.2+9+6 𝐸( 𝑋)=18.2E(X)=18.2

Valor esperado de 𝑋2X2 ( 𝐸(𝑋2)E(X2) ):

𝐸(𝑋2)=162⋅0.2+182⋅0.5+202⋅0.3E(X2)=162⋅0.2+182 ⋅0.5+202 ⋅0.3 𝐸( 𝑋2)=51.2+162+120E(X2)=51.2+162+120 𝐸( 𝑋2)=333.2E(X2)=333.2

Varianza de 𝑋X ( 𝑉(𝑋)V(X) ):

𝑉(𝑋)=𝐸(𝑋2)−(𝐸(𝑋))2V(X)=E(X2)−(E(X))2 𝑉(𝑋)=333.2−(18.2)2V(X)=333.2−(18.2)2 𝑉(𝑋)=333.2−331.24V(X)=333.2−331.24 𝑉( 𝑋)=1.96V(X)=1.96

Por lo tanto, el valor esperado de 𝑋X es 18.2, el valor esperado de 𝑋2X2 es 333.2, y la varianza de 𝑋X es 1.96.

b. Si el precio de un congelador de X pies cúblicos de capacidad es de 70X - 650, ¿Cuál es el precio que se espera que pague el siguiente cliente que compre

E(P(X))=70×18.2−650 𝐸(𝑃(𝑋))=1274−650E(P(X))=1274−650 𝐸( 𝑃( 𝑋))=624E(P(X))=624

Por lo tanto, el precio esperado que pagará el siguiente cliente que compre un congelador es de $624.

c ¿Cuál es la varianza del precio pagado por el siguiente cleinte?

E(P(X)2), el valor esperado de 𝑃(𝑋)2P(X)2.

𝐸(𝑃(𝑋)2)=𝐸((70𝑋−650)2)E(P(X)2)=E((70X−650)2)

𝐸(𝑃(𝑋)2)=𝐸(4900𝑋2−91000𝑋+422500)E(P(X)2)=E(4900X2−91000X+422500)

𝐸(𝑃(𝑋)2)=4900𝐸(𝑋2)−91000𝐸(𝑋)+422500E(P(X)2)=4900E(X2)−91000E(X)+422500

Usando los valores que calculamos anteriormente:

𝐸(𝑃(𝑋)2)=4900×333.2−91000×18.2+422500E(P(X)2)=4900×333.2−91000×18.2+422500

𝐸(𝑃(𝑋)2)=1638400−1658200+422500E(P(X)2)=1638400−1658200+422500

𝐸(𝑃(𝑋)2)=1137700E(P(X)2)=1137700

Ahora, podemos calcular la varianza de 𝑃(𝑋)P(X):

𝑉(𝑃(𝑋))=𝐸(𝑃(𝑋)2)−(𝐸(𝑃(𝑋)))2V(P(X))=E(P(X)2)−(E(P(X)))2

𝑉(𝑃(𝑋))=1137700−(624)2V(P(X))=1137700−(624)2

𝑉(𝑃(𝑋))=1137700−388176V(P(X))=1137700−388176

𝑉(𝑃(𝑋))=749524V(P(X))=749524

Por lo tanto, la varianza del precio pagado por el siguiente cliente es de $749524.
amente. Sea X la cantidad de espacio de almacenamiento adquirido

𝑋)=1.96V(X)=1.96

el siguiente cliente que compre un congelador?

7- Una pequeña librería ordena ejemplares de un periódico para su exhibidor cada semana. Sea X = la cantidad de periódicos vendidos cada semana, con fu

x 1 2 3 4 5 6
p(x) 6.67% 13.33% 20.00% 26.67% 20.00% 13.33%

Suponga que el propietario de la tienda paga $2.00 por cada ejemplar y el precio para los consumidores es de $4.00. Si los periodicos que se quedan al fi
de recuperación, ¿es mejor solicitar tres o cuatro ejemplares? [Sugerencia: Para una orden de tres o cuatro ejemplares, exprese el ingreso neto como una
ingreso esperado.]

X=1: Ingreso neto = $2.00 (1 periódico vendido) = $2.00

𝑋=2X=2: Ingreso neto = $2.00 (2 periódicos vendidos) = $4.00
𝑋=3X=3: Ingreso neto = $2.00 (3 periódicos vendidos) - $2.00 (periódicos no vendidos) = $4.00 - $2.00 = $2.00

Para cuatro ejemplares:

𝑋=1X=1: Ingreso neto = $2.00 (1 periódico vendido) = $2.00

𝑋=2X=2: Ingreso neto = $2.00 (2 periódicos vendidos) = $4.00
𝑋=3X=3: Ingreso neto = $2.00 (3 periódicos vendidos) = $6.00
𝑋=4X=4: Ingreso neto = $2.00 (4 periódicos vendidos) - $1.00 (periódicos no vendidos) = $8.00 - $2.00 = $6.00

Ahora, calculemos el ingreso neto esperado para cada caso sumando el producto de cada cantidad de periódicos vendidos ( 𝑋X) y su probabilidad ( 𝑝( 𝑥)p(x

Para tres ejemplares: 𝐸(Ingreso neto)=(1⋅0.0667)+(2⋅0.1333)+(3⋅0.20)=0.0667+0.2666+0.60=0.9333E(Ingreso neto)=(1⋅0.0667)+(2⋅0.1333)+(3⋅0.20)=0.06

Para cuatro ejemplares: 𝐸(Ingreso neto)=(1⋅0.0667)+(2⋅0.1333)+(3⋅0.20)+(4⋅0.2667)=0.0667+0.2666+0.60+1.0668=1.0E(Ingreso neto)=(1⋅0.0667)+(2⋅0.13

Por lo tanto, el ingreso neto esperado para solicitar tres ejemplares es $0.9333 y para solicitar cuatro ejemplares es $1.0.

Dado que el ingreso neto esperado es mayor para cuatro ejemplares, es mejor solicitar cuatro ejemplares en lugar de tres.
s vendidos cada semana, con función de masa de probabilidad.

os periodicos que se quedan al final de la semana no tienen valor

xprese el ingreso neto como una función de X y luego calcule el

s ( 𝑋X) y su probabilidad ( 𝑝( 𝑥)p(x)):

0667)+(2⋅0.1333)+(3⋅0.20)=0.0667+0.2666+0.60=0.9333

ngreso neto)=(1⋅0.0667)+(2⋅0.1333)+(3⋅0.20)+(4⋅0.2667)=0.0667+0.2666+0.60+1.0668=1.0
8- Calcule las siguientes probabilidades binominales directamente con la fórmula para b(x; n, p):

a. b(3; 8, 0.35)

b(3;8,0.35)=56⋅(0.35)3⋅(1−0.35)8−3

𝑏(3;8,0.35)=56⋅(0.35)3⋅(0.65)5b(3;8,0.35)=56⋅(0.35)3 ⋅(0.65)5

𝑏(3;8,0.35)≈0.279b(3;8,0.35)≈0.279

Por lo tanto, la probabilidad binomial de 𝑏(3;8,0.35)b(3;8,0.35) es aproximadamente 0.2790.279.

b. b(5; 8,0.6)

b(5;8,0.6)=56⋅(0.6)5⋅(1−0.6)8−5

𝑏(5;8,0.6)=56⋅(0.6)5⋅(0.4)3b(5;8,0.6)=56⋅(0.6)5⋅(0.4)3

𝑏(5;8,0.6)≈0.278b(5;8,0.6)≈0.278

Por lo tanto, la probabilidad binomial 𝑏(5;8,0.6)b(5;8,0.6) es aproximadamente 0.2780.278.

c. P(3 <= X <= 5)cuando n)7 y p=0.6

b(4;8,0.6)=70⋅(0.6)4⋅(1−0.6)8−4

𝑏(4;8,0.6)=70⋅(0.6)4⋅(0.4)4b(4;8,0.6)=70⋅(0.6)4⋅(0.4)4

𝑏(4;8,0.6)≈0.233b(4;8,0.6)≈0.233

Ahora sumamos estas probabilidades:

 𝑃(3≤𝑋≤5)≈0.278+0.233+0.278P(3≤X≤5)≈0.278+0.233+0.278

𝑃(3≤𝑋≤5)≈0.789P(3≤X≤5)≈0.789

Por lo tanto, la probabilidad de que 𝑋X esté entre 3 y 5, inclusive, es aproximadamente 0.7890.789.

d. P(1<= X) cuando n=9 y p =0.1

b(0;9,0.1)=1⋅(0.1)0⋅(1−0.1)9−0

𝑏(0;9,0.1)=1⋅1⋅0.99b(0;9,0.1)=1⋅1⋅0.99

𝑏(0;9,0.1)≈0.3874b(0;9,0.1)≈0.3874

Entonces, 𝑃(1≤𝑋)=1−0.3874P(1≤X)=1−0.3874

𝑃(1≤𝑋)≈0.6126P(1≤X)≈0.6126

Por lo tanto, la probabilidad de que 𝑋X sea al menos 1 cuando 𝑛=9n=9 y 𝑝=0.1p=0.1 es aproximadamente 0.61260.6126.
9- Un estudio reportó que 1 de cada 20 niños presenta una alergia alimentarioa de algún tipo. Considere que se selecciona una muestra aleatoria de 25 niño
la muestra que tienen una alergia alimentaria. Así, X ~ Bin(25, 0.05)

a. determine P(X<= 3) y P(X<3)

1. Para 𝑃(𝑋≤3)P(X≤3):

𝑃(𝑋≤3)=∑𝑥=03𝑏(𝑥;𝑛,𝑝)P(X≤3)=∑x=03​b(x;n,p)

Usando la función de distribución acumulativa de la distribución binomial:

𝑃(𝑋≤3)=𝐹(3;25,0.05)P(X≤3)=F(3;25,0.05)

2. Para 𝑃(𝑋<3)P(X<3):

𝑃(𝑋<3)=∑𝑥=02𝑏(𝑥;𝑛,𝑝)P(X<3)=∑x=02​b(x;n,p)

Usando la función de masa de probabilidad de la distribución binomial:

𝑃(𝑋<3)=∑𝑥=02𝑏(𝑥;25,0.05)P(X<3)=∑x=02​b(x;25,0.05)

Calculando cada uno de ellos:

1. 𝑃(𝑋≤3)=𝐹(3;25,0.05)P(X≤3)=F(3;25,0.05) 𝑃(𝑋≤3)=0.992P(X≤3)=0.992
2. 𝑃(𝑋<3)=∑𝑥=02𝑏(𝑥;25,0.05)P(X<3)=∑x=02​b(x;25,0.05) 𝑃(𝑋<3)=𝑏(0;25,0.05)+𝑏(1;25,0.05)+𝑏(2;25,0.05)P(X<3)=b(0;25,0.05)+b(1;25,0.05)+b(2;25,0.05) 𝑃(

Por lo tanto, 𝑃(𝑋≤3)=0.992P(X≤3)=0.992 y 𝑃(𝑋<3)=0.705P(X<3)=0.705.

b. Determine P(>= 4)

b(0;25,0.05)≈0.204 𝑏(1;25,0.05)≈0.345b(1;25,0.05)≈0.345 𝑏(2;25,0.05)≈0.305b(2;25,0.05)≈0.305 𝑏(3;25,0.05)≈0.195b(3;25,0.05)≈0.195

 Sumando estas probabilidades:

𝑃(𝑋<4)≈0.204+0.345+0.305+0.195=1.049P(X<4)≈0.204+0.345+0.305+0.195=1.049

Luego, podemos calcular 𝑃(𝑋≥4)P(X≥4) utilizando la regla complementaria:

𝑃(𝑋≥4)=1−𝑃(𝑋<4)P(X≥4)=1−P(X<4) 𝑃(𝑋≥4)=1−1.049P(X≥4)=1−1.049 𝑃( 𝑋≥4)≈0.951P(X≥4)≈0.951

Por lo tanto, 𝑃(𝑋≥4)P(X≥4) es aproximadamente 0.9510.951.

c. Determine P(1 <= X <= 3)

b(1;25,0.05)≈0.345 𝑏(2;25,0.05)≈0.305b(2;25,0.05)≈0.305 𝑏(3;25,0.05)≈0.195b(3;25,0.05)≈0.195

Sumando estas probabilidades:

𝑃(1≤𝑋≤3)≈0.345+0.305+0.195=0.845P(1≤X≤3)≈0.345+0.305+0.195=0.845

Por lo tanto, 𝑃(1≤𝑋≤3)P(1≤X≤3) es aproximadamente 0.8450.845.

d. ¿cuáles son los valores de E(X) y V(X)?

1. Para 𝐸(𝑋)E(X): 𝐸(𝑋)=𝑛⋅𝑝=25⋅0.05=1.25E(X)=n⋅p=25⋅0.05=1.25

2. Para 𝑉(𝑋)V(X): 𝑉(𝑋)=𝑛⋅𝑝⋅(1−𝑝)=25⋅0.05⋅(1−0.05)V(X)=n⋅p⋅(1−p)=25⋅0.05 ⋅(1−0.05) 𝑉(𝑋)=25 ⋅0.05 ⋅0.95=1.1875V(X)=25 ⋅0.05 ⋅0.95=1.1875

Entonces, los valores de 𝐸(𝑋)E(X) y 𝑉(𝑋)V(X) son aproximadamente 1.251.25 y 1.18751.1875, respectivamente.

e. En una muestra de 50 niños, ¿cuál es la probabilidad de que ninguno tenga una alergia alimentaria?
P(X=0)=(050​)×(0.05)0×(1−0.05)50−0

Dado que (500)=1(050​)=1 y 0.050=10.050=1, la expresión se simplifica a:

𝑃(𝑋=0)=(1)×(1)×(0.95)50P(X=0)=(1)×(1)×(0.95)50

𝑃(𝑋=0)=0.9550P(X=0)=0.9550

Calculando esto:

𝑃(𝑋=0)≈0.0769P(X=0)≈0.0769

Por lo tanto, la probabilidad de que ninguno de los 50 niños tenga una alergia alimentaria es aproximadamente 0.07690.0769, o lo que es lo mismo, apro
una muestra aleatoria de 25 niños y sea X la cantidad de niños en

5)+b(1;25,0.05)+b(2;25,0.05) 𝑃( 𝑋<3)=0.705P(X<3)=0.705

5,0.05)≈0.195
05 ⋅0.95=1.1875
0769, o lo que es lo mismo, aproximadamente 7.69%7.69%.
10 - Un tipo particular de raqueta de tenis viene en tamaño mediano y en tamaño extra grande. Sesenta por ciento de todos los clientes en una tienda desean

a. Entre diez clientes seleccionados al azar que desean este tipo de raqueta, ¿cuál es la probabilidad de que al menos seis deseen la versión extra grande?

𝑃(𝑋<6)=𝑏(0;10,0.60)+𝑏(1;10,0.60)+𝑏(2;10,0.60)+𝑏(3;10,0.60)+ 𝑏(4;10,0.60)+ 𝑏(5;10,0.60)P(X<6)=b(0;10,0.60)+b(1;10,0.60)+b(2;10,0.60)+b(3;10,0.60)+b(4;

𝑃(𝑋<6)≈0.000104858+0.000786432+0.00314447+0.0118648+0.0295241+0.0552926P(X<6)≈0.000104858+0.000786432+0.00314447+0.0118648+0.0295

𝑃(𝑋<6)≈0.100716P(X<6)≈0.100716

𝑃(𝑋≥6)=1−𝑃(𝑋<6)P(X≥6)=1−P(X<6)

𝑃(𝑋≥6)=1−0.100716P(X≥6)=1−0.100716

𝑃(𝑋≥6)≈0.899284P(X≥6)≈0.899284

Por lo tanto, la probabilidad de que al menos seis de los diez clientes seleccionados al azar deseen la versión extra grande de la raqueta es aproximadame

b. Entre diez clientes seleccionados al azar, ¿cuál es la probabilidad de que el número que desea la versión extra grande esté dentro de 1 desviación estánd

P(4≤X≤7)=P(X≤7)−P(X<4) 𝑃(4≤𝑋≤7)≈0.996−0.069P(4≤X≤7)≈0.996−0.069 𝑃(4≤ 𝑋≤7)≈0.927P(4≤X≤7)≈0.927

Por lo tanto, la probabilidad de que el número de clientes que deseen la versión extra grande esté dentro de 1 desviación estándar de la media es aproxim

c. La tienda dispone actualmente de siete raquetas de cada versión, ¿cuál es la probabilidad de que los siguientes diez clientes que desean esta raqueta pue
de las existencias actuales?

Para 𝑘=7k=7:
𝑃(𝑋=7)=(77)⋅(73)(1410)P(X=7)=(1014​)(77​)⋅(37​)​

𝑃(𝑋=7)=1⋅352002P(X=7)=20021⋅35​

𝑃(𝑋=7)≈352002P(X=7)≈200235​

𝑃(𝑋=7)≈0.0174825P(X=7)≈0.0174825

Para 𝑘=8k=8:

𝑃(𝑋=8)=(78)⋅(72)(1410)P(X=8)=(1014​)(87​)⋅(27​)​

𝑃(𝑋=8)=0⋅212002P(X=8)=20020⋅21​

𝑃(𝑋=8)≈0P(X=8)≈0

Para 𝑘=9k=9:

𝑃(𝑋=9)=(79)⋅(71)(1410)P(X=9)=(1014​)(97​)⋅(17​)​

𝑃(𝑋=9)=0⋅72002P(X=9)=20020⋅7​

𝑃(𝑋=9)≈0P(X=9)≈0

Para 𝑘=10k=10:

𝑃(𝑋=10)=(710)⋅(70)(1410)P(X=10)=(1014​)(107​)⋅(07​)​

𝑃(𝑋=10)=0⋅12002P(X=10)=20020⋅1​

𝑃(𝑋=10)≈0P(X=10)≈0
Entonces, la probabilidad de que los siguientes diez clientes que deseen la raqueta puedan obtener la versión que desean de las existencias actuales es a
os clientes en una tienda desean la versión extra grande.

eseen la versión extra grande?

+b(2;10,0.60)+b(3;10,0.60)+b(4;10,0.60)+b(5;10,0.60)

0.00314447+0.0118648+0.0295241+0.0552926

de la raqueta es aproximadamente 0.8992840.899284

é dentro de 1 desviación estándar de la media?

estándar de la media es aproximadamente 0.9270.927, o lo que es lo mismo, aproximadamente 92.7%92.7%.

tes que desean esta raqueta puedan obtener la versión que desean
de las existencias actuales es aproximadamente 0.01750.0175, o lo que es lo mismo, aproximadamente 1.75%1.75%.
11- La corriente en un circuito determinado medido por un amperímetro es una variable aleatoria continua X con la función de densidad siguiente

f(x) = 0.075X + 0.2 con 3<=x<=5, y 0 en otro caso

a. Grafique la función de densidad de probabilidad para verificar que el área total bajo la curva de densidad, es de hecho,1.

=[0.0375x2+0.2x]35​

=(0.0375(5)2+0.2(5))−(0.0375(3)2+0.2(3))=(0.0375(5)2+0.2(5))−(0.0375(3)2+0.2(3))

=(0.0375(25)+1)−(0.0375(9)+0.6)=(0.0375(25)+1)−(0.0375(9)+0.6)

=(0.9375+1)−(0.3375+0.6)=(0.9375+1)−(0.3375+0.6)

=1.9375−0.9375=1.9375−0.9375

b. Calcule P(X<= 4). ¿Cómo se compara esta probabilidad con P(X<4)?

=[0.0375x2+0.2x]34​

=(0.0375(4)2+0.2(4))−(0.0375(3)2+0.2(3))=(0.0375(4)2+0.2(4))−(0.0375(3)2+0.2(3))

=(0.0375(16)+0.8)−(0.0375(9)+0.6)=(0.0375(16)+0.8)−(0.0375(9)+0.6)

=(0.6+0.8)−(0.3375+0.6)=(0.6+0.8)−(0.3375+0.6)

=1.4−0.9375=1.4−0.9375

=0.4625=0.4625
 Para calcular 𝑃(𝑋<4)P(X<4):

𝑃(𝑋<4)=∫34(0.075𝑥+0.2) 𝑑𝑥P(X<4)=∫34​(0.075x+0.2)dx

=[0.0375𝑥2+0.2𝑥]34=[0.0375x2+0.2x]34​

=(0.0375(4)2+0.2(4))−(0.0375(3)2+0.2(3))=(0.0375(4)2+0.2(4))−(0.0375(3)2+0.2(3))

=(0.0375(16)+0.8)−(0.0375(9)+0.6)=(0.0375(16)+0.8)−(0.0375(9)+0.6)

=(0.6+0.8)−(0.3375+0.6)=(0.6+0.8)−(0.3375+0.6)

=1.4−0.9375=1.4−0.9375

=0.4625=0.4625

c. Calcule P(3.5<= X <= 4.5) y P(4.5<X)

P(3.5≤X≤4.5)=∫3.54.5​(0.075x+0.2)dx

=[0.0375𝑥2+0.2𝑥]3.54.5=[0.0375x2+0.2x]3.54.5​

=(0.0375(4.5)2+0.2(4.5))−(0.0375(3.5)2+0.2(3.5))=(0.0375(4.5)2+0.2(4.5))−(0.0375(3.5)2+0.2(3.5))

=(0.0375(20.25)+0.9)−(0.0375(12.25)+0.7)=(0.0375(20.25)+0.9)−(0.0375(12.25)+0.7)

=(0.759375+0.9)−(0.459375+0.7)=(0.759375+0.9)−(0.459375+0.7)

=1.659375−1.159375=1.659375−1.159375

=0.5=0.5

Para 𝑃(4.5<𝑋)P(4.5<X):
𝑃(4.5<𝑋)=∫4.5∞(0.075𝑥+0.2) 𝑑𝑥P(4.5<X)=∫4.5∞​(0.075x+0.2)dx

Dado que 𝑓(𝑥)=0f(x)=0 para 𝑥<3x<3, podemos ignorar el término 0.075 𝑥+0.20.075x+0.2 y simplemente calcular el área bajo la curva desde 𝑥=4.5x=4.5 ha

=[0.0375𝑥2+0.2𝑥]4.55=[0.0375x2+0.2x]4.55​

=(0.0375(5)2+0.2(5))−(0.0375(4.5)2+0.2(4.5))=(0.0375(5)2+0.2(5))−(0.0375(4.5)2+0.2(4.5))

=(0.0375(25)+1)−(0.0375(20.25)+0.9)=(0.0375(25)+1)−(0.0375(20.25)+0.9)

=(0.9375+1)−(0.759375+0.9)=(0.9375+1)−(0.759375+0.9)

=1.9375−1.659375=1.9375−1.659375

=0.278125=0.278125

Entonces, 𝑃(3.5≤𝑋≤4.5)=0.5P(3.5≤X≤4.5)=0.5 y 𝑃(4.5< 𝑋)=0.278125P(4.5<X)=0.278125.

densidad siguiente
la curva desde 𝑥=4.5x=4.5 hasta el infinito, que es la misma que la integral desde 𝑥=4.5x=4.5 hasta 𝑥=5x=5:
12- Suponga que la temperatura de reacción X (en °C) en cierto proceso químico tiene una distribución uniforme con A = -5 y B =5.

a. Calcule P(X<0)

=[110𝑥]−50=[101​x]−50​

=110(0)−110(−5)=101​(0)−101​(−5)

=110(5)=101​(5)

=0.5=0.5

Entonces, 𝑃(𝑋<0)=0.5P(X<0)=0.5 = 50%

b. Calcule P(-2.5 < X < 2.5)

=[101​x]−2.52.5​

=110(2.5)−110(−2.5)=101​(2.5)−101​(−2.5)

=110(2.5+2.5)=101​(2.5+2.5)

=110(5)=101​(5)

=0.5=0.5

Entonces, 𝑃(−2.5<𝑋<2.5)=0.5P(−2.5<X<2.5)=0.5

c. Calcule P(-2.5 < X < 2.5)

P(−2.5<X<2.5)=5−(−5)2.5−(−2.5)​=510=105​=0.5=0.5
Entonces, 𝑃(−2.5<𝑋<2.5)=0.5P(−2.5<X<2.5)=0.5
13- El error implicado al hacer una medición es una variable aleatoria continua X con función de densidad de probabilidad

f(x) = 0.09375(4-x^2) con -2<X<2; y 0 de lo contrario.

a. Trace la gráfica de f(x)

b. Calcule P(X>0)

=[0.09375(4x−3x3​)]02​

=0.09375(4(2)−233)−0.09375(4(0)−033)=0.09375(4(2)−323​)−0.09375(4(0)−303​)

=0.09375(8−83)−0=0.09375(8−38​)−0

=0.09375(24−83)=0.09375(324−8​)

=0.09375(163)=0.09375(316​)

=163×0.09375=316​×0.09375
 ≈0.625≈0.625

Entonces, 𝑃(𝑋>0)≈0.625P(X>0)≈0.625

c. Calcule P(-1 < X < 1)

=[0.09375(4x−3x3​)]−11​

=0.09375(4(1)−133)−0.09375(4(−1)−(−1)33)=0.09375(4(1)−313​)−0.09375(4(−1)−3(−1)3​)

=0.09375(4−13)−0.09375(−4+13)=0.09375(4−31​)−0.09375(−4+31​)

=0.09375(12−13)−0.09375(−12+13)=0.09375(312−1​)−0.09375(3−12+1​)

=0.09375(113)−0.09375(−113)=0.09375(311​)−0.09375(3−11​)

=113×0.09375+113×0.09375=311​×0.09375+311​×0.09375

=223×0.09375=322​×0.09375

≈0.78125≈0.78125

Entonces, 𝑃(−1<𝑋<1)≈0.78125P(−1<X<1)≈0.78125

d. Calcule P( X <-0.5 o X> 0.5)

=[0.09375(4x−3x3​)]−2−0.5​

=0.09375(4(−0.5)−(−0.5)33)−0.09375(4(−2)−(−2)33)=0.09375(4(−0.5)−3(−0.5)3​)−0.09375(4(−2)−3(−2)3​)

=0.09375(−2−(−0.125)3)−0.09375(−8+−83)=0.09375(−2−3(−0.125)​)−0.09375(−8+3−8​)
=0.09375(−2+0.1253)−0.09375(−8−83)=0.09375(−2+30.125​)−0.09375(−8−38​)

=0.09375(−2+0.0417)−0.09375(−8−2.67)=0.09375(−2+0.0417)−0.09375(−8−2.67)

=0.09375×(−1.9583)−0.09375×(−10.67)=0.09375×(−1.9583)−0.09375×(−10.67)

≈−0.18359≈−0.18359

𝑃(𝑋>0.5)=∫0.520.09375(4−𝑥2) 𝑑𝑥P(X>0.5)=∫0.52​0.09375(4−x2)dx

=[0.09375(4𝑥−𝑥33)]0.52=[0.09375(4x−3x3​)]0.52​

=0.09375(4(2)−(2)33)−0.09375(4(0.5)−(0.5)33)=0.09375(4(2)−3(2)3​)−0.09375(4(0.5)−3(0.5)3​)

=0.09375(8−83)−0.09375(2−0.1253)=0.09375(8−38​)−0.09375(2−30.125​)

=0.09375(24−83)−0.09375(6−0.1253)=0.09375(324−8​)−0.09375(36−0.125​)

=0.09375×163−0.09375×5.8753=0.09375×316​−0.09375×35.875​

≈0.5≈0.5

Entonces, 𝑃(𝑋<−0.5 o 𝑋>0.5)≈−0.18359+0.5≈0.31641P(X<−0.5 o X>0.5)≈−0.18359+0.5≈0.31641.

hay aproximadamente un 31.641%31.641% de probabilidad de que 𝑋X sea menor que −0.5−0.5 o mayor que 0.50.5.
14 - Sea X la cantidad de tiempo que un libro en reserva de dos horas permanece realmente prestado y suponga que la función de distribución acumulada es

F(x) 0 cuando x< 0

(x^2)/ 4 cuando 0<=x < 2
1 cuando 2 <=x

a. Calcule P(X<= 1)

F(1)=412​=41​

Entonces, 𝑃(𝑋≤1)=𝐹(1)=14P(X≤1)=F(1)=41​.

la probabilidad de que 𝑋X sea menor o igual que 1 es 1441​.

b. Calcule P( 0.5<= X <= 1)

F(1)=412​=41​

𝐹(0.5)=0.524=0.254=116F(0.5)=40.52​=40.25​=161​

𝑃(0.5≤𝑋≤1)=14−116P(0.5≤X≤1)=41​−161​

=416−116=164​−161​

=316=163​

la probabilidad de que 𝑋X esté en el intervalo [0.5,1][0.5,1] es 316163​.

c. Calcule P(X> 1.5)

F(1.5)=41.52​=42.25​=169​
 𝑃(𝑋>1.5)=1−𝐹(1.5)P(X>1.5)=1−F(1.5)

=1−916=1−169​

=1616−916=1616​−169​

=716=167​

la probabilidad de que 𝑋X sea mayor que 1.5 es 716167​.

d. Obtenga la función de densidad f(x)

f(x)=dxdF(x)​

𝑓(𝑥)=𝑑𝑑𝑥(𝑥24)f(x)=dxd​(4x2​)

𝑓(𝑥)=14⋅2𝑥f(x)=41​2x
⋅

𝑓(𝑥)=𝑥2f(x)=2x​

𝑓(𝑥)=0f(x)=0 para 𝑥<0x<0 y 𝑥≥2x≥2.

e. Calcule E(X): Valor esperado de X

=21​[3x3​]02​

=12(233−033)=21​(323​−303​)

=12(83)=21​(38​)

=43=34​
 el valor esperado de 𝑋X es 𝐸(𝑋)=43E(X)=34​.

f. Calcule V(X) y DS(X): Varianza y desviación estándar

=21​∫02​x3dx

=12[𝑥44]02=21​[4x4​]02​

=12(244−044)=21​(424​−404​)

=12(164)=21​(416​)

=12(4)=21​(4)

Entonces, tenemos:

𝑉(𝑋)=𝐸(𝑋2)−[𝐸(𝑋)]2V(X)=E(X2)−[E(X)]2

=2−(43)2=2−(34​)2

=2−169=2−916​

=189−169=918​−916​

=29=92​

=23=32​​

La varianza de 𝑋X es 𝑉(𝑋)=29V(X)=92​y la desviación estándar de 𝑋X es 𝐷𝑆(𝑋)=23DS(X)=32​​.

n de distribución acumulada es
15- Sea X la cantidad de espacio ocupado po un artículo colocado en un contenedor de 1 pie cúbico. La función de densidad de probabilidad de X es

f(x) = 90x^8 (1-x); 0<x<1 , y 0 de lo contrario

a. Grafique la función de densidad de probabilidad. Luego obtenga la función de distribución acumulada de X y gráfiquela.

en el intervalo 0<𝑥<10<x<1. F(x)=∫0x​f(t)dt

b. ¿Cuál es P(X<=0.5) [es decir F(0.5)]?

F(0.5)≈∫00.5​90x8(1−x)dx

≈∫00.590𝑥8−90𝑥9 𝑑𝑥≈∫00.5​90x8−90x9dx

P(X≤0.5)≈0.20914223007268834

c. Con la función de distribución acumulada de a). ¿Cuál P(0.25 <X <=0.5)? ¿Cuál es P(0.25 <= X <= 0.5)?
 P(0.25<X≤0.5)≈0.1396335587300604

𝑃(0.25≤𝑋≤0.5)≈0.2045830710472856P(0.25≤X≤0.5)≈0.2045830710472856

La probabilidad de que 𝑋X esté en el intervalo 0.25< 𝑋≤0.50.25<X≤0.5 es aproximadamente 0.1400.140.

La probabilidad de que 𝑋X esté en el intervalo 0.25≤ 𝑋≤0.50.25≤X≤0.5 es aproximadamente 0.2050.205.

d. ¿Cuál es el percentil 75 de la distribución?

Obtenemos que el percentil 75 de la distribución es aproximadamente 0.9353750.935375. Las 75%75% de las observaciones son menores o iguales a est

e. Calcule E(X) y DS(X)

E(X)≈0.667

𝐷𝑆(𝑋)≈0.183DS(X)≈0.183

Por lo tanto, el valor esperado de 𝑋X es aproximadamente 0.6670.667

f. ¿Cuál es la probabilidad de que X esté a más de 1 desviación estándar de su media?

E(X)≈0.667 y 𝐷𝑆(𝑋)≈0.183DS(X)≈0.183, entonces:

𝑃(𝑋>0.667+0.183)=𝑃(𝑋>0.85)P(X>0.667+0.183)=P(X>0.85)

0.3880.388
de probabilidad de X es
nes son menores o iguales a este valor.
16- Sea Z una variable aleatoria normal estándar, calcule las siguientes probabilidades. Trace las figuras siempre que sea apropiado.

a. P(0<=Z<=2.17)

Z≤2.17)≈0.9857. la probabilidad de que una variable aleatoria normal estándar tome un valor entre 0 y 2.17

b. P(0<=Z<=1)

P(0≤Z≤1)≈0.8413. la probabilidad de que una variable aleatoria normal estándar tome un valor entre 0 y 1

c. P(-2.5<=Z<=0)

P(−2.5≤Z≤0)≈0.4938.la probabilidad de que una variable aleatoria normal estándar tome un valor entre -2.5 y 0

d. P(-2.5<=Z<=2.5)

P(−2.5≤Z≤2.5)≈0.9938.la probabilidad de que una variable aleatoria normal estándar tome un valor entre -2.5 y 2.5

e. P(Z<=1.37)

P(Z≤1.37)≈0.9147.la probabilidad de que una variable aleatoria normal estándar tome un valor igual o menor a 1.37 es aproximadamente 0.9147.

f. P(-1.75<=Z)

P(Z≥−1.75)=1−P(Z≤−1.75)=1−0.0401=0.9599. la probabilidad de que una variable aleatoria normal estándar tome un valor igual o mayor que -1.75

g. P(-1.5<=Z<=2.0)

P(−1.5≤Z≤2.0)≈0.4104. la probabilidad de que una variable aleatoria normal estándar tome un valor entre -1.5 y 2.0

h. P(1.37<=Z<=2.5)
 P(1.37≤Z≤2.5)=0.9938−0.9147
P(1.37≤Z≤2.5)≈0.0791
la probabilidad de que una variable aleatoria normal estándar tome un valor entre 1.37 y 2.5

i. P(1.5<=Z)

P(Z≥1.5)=1−P(Z≤1.5)=1−0.9332=0.0668
la probabilidad de que una variable aleatoria normal estándar tome un valor igual o mayor que 1.5

j. P(|Z|<=2.5)

P(∣Z∣≤2.5)=0.9938.
La probabilidad de que el valor absoluto de una variable aleatoria normal estándar esté dentro de 2.52.5
roximadamente 0.9147.

igual o mayor que -1.75

17 - En cada caso determine el valor de la constante c que hace que el enunciado de probabilidad sea correcto.

a. P(c <= Z) = 0.9838

P(2.06≤Z)=1−P(Z≤2.06)
P(2.06≤Z)≈1−0.9798=0.0202
P(c≤Z)=0.9838

b. P(0 <= Z<= c) = 0.291

P(0≤Z≤0.59)
P(Z≤0.59)≈0.2783.
P(0≤Z≤c)=0.291

c. P(0≤Z≤c)=0.291

P(Z≤0.2)≈0.5793.
P(0≤Z≤c)=0.291

d. P(-c <= Z<=c) = 0.668

P(−1.0≤Z≤1.0)≈0.6827.
P(−c≤Z≤c)=0.668

e. P(c <=|Z|)=0.016

P(∣Z∣≥2.05)≈0.0446.
P(c≤∣Z∣)=0.016
18 - Encuentre los siguientes percentiles de la distribución normal estándar.

a. 91°

0.910.91 es 𝑧≈1.34z≈1.34.

b. 9°

𝑧≈−1.34z≈−1.34.

c. 75°

z≈0.67.

d. 25°

z≈−0.67.

e. 6°

z≈−1.56.
19- La dispersión de las atomizaciones de los pesticidas es una preocupación constante de los fumigadores y los productores agrícolas. La relación inversa en
potencial de deriva es bien conocida.
Un artículo cientifico sugiere que la distribución normal con media de 1050 mm y desviación estándar de 150 mm es un modelo razonable del tamaño de
(el “tratamiento de control”) rociadas a través de una boquilla de 760 ml/min.

a. ¿Cuál es la probabilidad de que el tamaño de una sola gota sea de menos de 1500 mm? ¿Y al menos de 1000mm?

1. Para 𝑃(𝑋<1500)P(X<1500): 𝑍=1500−1050150=450150=3Z=1501500−1050​=150450​=3 Z 3Z=3 tabla de distribución normal estándar y encontramos que
2. Para 𝑃(𝑋≥1000)P(X≥1000): 𝑍=1000−1050150=−50150=−13Z=1501000−1050​=150−50​=−31​Z=−13Z=−31​tabla de distribución normal estándar y encont

la probabilidad de que el tamaño de una sola gota sea de menos de 1500 mm es aproximadamente 0.99870.9987, y la probabilidad de que sea de al men

b. ¿Cuál es la probabilidad de que el tamaño de una sola gota este entre 1000 y 1500 mm?

1. Para 𝑋=1000X=1000: 𝑍1=1000−1050150=−50150=−13Z1​=1501000−1050​=150−50​=−31​

2. Para 𝑋=1500X=1500: 𝑍2=1500−1050150=450150=3Z2​=1501500−1050​=150450​=3

1. Para 𝑍1=−13Z1​=−31​, valor en la tabla de distribución normal estándar y encontramos 𝑃( 𝑍≤−13)P(Z≤−31​).

2. Para 𝑍2=3Z2​=3, alor en la tabla de distribución normal estándar y encontramos 𝑃( 𝑍≤3)P(Z≤3).

Finalmente, la probabilidad de que el tamaño de una sola gota esté entre 1000 y 1500 mm es:

𝑃(1000≤𝑋≤1500)=𝑃(𝑍2)−𝑃(𝑍1)P(1000≤X≤1500)=P(Z2​)−P(Z1​)

c. ¿Cómo caracterizaría el más pequeño 2 % de todas las gotas?

estándar con media 10501050 mm y desviación estándar 150150 mm.

d. Si se mide el tamaño de cinco gotas, seleccionadas de manera independiente, ¿cuál es la probabilidad de que la menos una exceda de 1500 mm?

P(Al menos una gota > 1500 mm)=1−P(Ninguna gota > 1500 mm)
=1−[𝑃(𝑋1≤1500)×𝑃(𝑋2≤1500)×𝑃(𝑋3≤1500)×𝑃(𝑋4≤1500)×𝑃(𝑋5≤1500)]=1−[P(X1​≤1500)×P(X2​≤1500)×P(X3​≤1500)×P(X4​≤1500)×P(X5​≤1500)]

P(Xi​≤1500)
 agrícolas. La relación inversa entre el tamaño de la gota y el

modelo razonable del tamaño de las gotas de agua

mal estándar y encontramos que 𝑃( 𝑍<3)≈0.9987P(Z<3)≈0.9987.

ución normal estándar y encontramos que 𝑃(𝑍<−13)≈0.3707P(Z<−31​)≈0.3707. Por lo tanto, 𝑃(𝑍≥−13)=1−𝑃(𝑍<−13)≈1−0.3707=0.6293P(Z≥−31​)=1−P(Z<−31​)≈1−0.3707=0.6293.

obabilidad de que sea de al menos 1000 mm es aproximadamente 0.62930.6293.

na exceda de 1500 mm?

500)×P(X5​≤1500)]
(Z<−31​)≈1−0.3707=0.6293.
20- Suponga que la concentración de cloruro en sangre (mmol/L) tiene una distribución normal con media de 104 y desviación estándar de 5.

a. ¿Cuál es la probabilidad de que la concentración de cloruro sea igual a 105? ¿Y de sea menor de 105? ¿Y de que sea cuando mucho de 105?

P(X≤105)=P(Z≤0.2)

b. ¿Cuál es la probabilidad de que la concentración de cloruro difiera de la media por más de 1 desviación estándar? ¿Depende esta probabilidad de los valo

P(∣X−μ∣>σ)=P(Z>1)+P(Z<−1)
0.3172+0.3172=0.6344

c. ¿Cómo caracterizaría el más extremo 0.1% de los valores de concentración de cloruro?

la media (𝜇=104μ=104) estándar (𝜎=5σ=5)

media 104 y desviación estándar 5.

n estándar de 5.

do mucho de 105?

nde esta probabilidad de los valores de la media y la desviación estándar?