Andrés Felipe Muñoz Pineda, ID: 17404.

Carolina Naffah Rodríguez, ID: 22626.

SOLUCIÓN EJERCICIO 1:

El histograma indica que 61 de los 123 ensayos tuvieron un resultado entre 7.3 y 12.2
MN/m^2, 32 estuvieron entre 12.2 y 17.1 MN/m^2, 14 estuvieron entre 2.4 y 7.3
MN/m^2 y 10 estuvieron entre 17.1 y 22.0 MN/m^2. El resto de los datos que aparecen
con frecuencias absolutas de 2 o 1 son datos atípicos considerando que sus
frecuencias son demasiado bajas para un total de 123 ensayos realizados por la
compañía de verificación.

El contratista tiene evidencia estadística de datos atípicos y elevados de la prueba

realizada, por tanto, el terreno que presentó dichos datos fue más complicado de
trabajar, además, sí en el contrato especificaba que el terreno estaría entre los 2.4 y

Página 1 de 8
7.3 MN/m^2, solo 14 de los 123 ensayos están en dicho rango teniendo evidencia de
que el terreno fue más complicado de trabajar.

Comentario: El ejercicio es un poco largo de desarrollar porque se deben transcribir

los 123 datos al software para desarrollarlo, por lo demás es aplicación de conceptos
de estadística descriptiva y saber cómo interpretar los gráficos que se debían realizar.

SOLUCIÓN EJERCICIO 2:

Chloride Coe.Var Phosphate Coe.Var

5.117% 10.928%

Coeficiente R 0.026457513

La utilidad de estos datos con fines predictivos es muy baja, debido a que el coeficiente
de correlación R es de 0.03 aproximadamente indicando que la relación entre las
variables de forma lineal es poco evidenciable estadísticamente, además los
coeficientes de variación solo indican cuánto varían los datos de cada sustancia que
para este caso en ambas presentan poca variación porque ambos coeficientes están
por debajo del 25%. Cabe resaltar que el coeficiente R^2 es muy bajo, indicando que la
bondad de ajuste de los datos a una relación lineal es muy baja, por lo tanto, se
debería estudiar qué tipo de relación entre los datos presenta mayor bondad de ajuste
para poder hacer predicciones con mayor precisión y minimizando al máximo el error.

Comentario: En este ejercicio se deben aplicar conceptos de estadística inferencial

básicos y comprender la relación lineal entre dos variables para poder comprender de
manera satisfactoria el diagrama de dispersión y qué significa el coeficiente de
correlación R.

Página 2 de 8
 SOLUCIÓN EJERCICIO 3:

Duration (min)
Year 5 10 20 30 40 50 60 120 180
1974 12.1 19.5 28.8 30.5 32.4 35.5 38.7 48.0 51.6
1975 10.1 14.9 26.7 31.2 34.7 38.2 40.2 55.0 56.0
1976 17.9 20.0 31.1 37.2 41.1 51.0 55.7 67.1 80.6
1977 20.0 32.6 52.6 72.4 90.1 108.8 118.9 146.5 157.3
1978 5.1 13.6 16.0 21.3 24.1 24.6 25.0 40.7 49.9
1979 20.5 26.1 36.3 46.1 49.3 50.3 55.6 65.2 90.1
1980 10.0 15.7 20.9 25.0 30.5 38.0 40.1 58.0 63.8
1981 12.0 27.9 47.9 56.0 70.0 80.0 89.4 106.9 114.2
1982 10.0 14.4 20.0 23.3 25.1 26.4 27.2 34.3 41.2
1983 10.0 12.1 17.3 19.2 22.1 27.3 32.7 54.4 66.5
1984 20.1 32.8 60.0 65.7 76.1 92.8 105.7 122.3 122.3
1985 7.6 8.1 13.0 16.5 21.6 25.3 25.3 27.0 32.3
1986 8.7 11.7 20.0 22.9 26.1 26.3 27.6 41.1 56.7
1987 24.6 36.7 56.7 73.9 93.9 110.1 128.5 180.8 188.7
Media 13.5 20.4 32 38.7 45.5 52.47 57.9 74.81 83.66
Desv.Estand 5.94 9.15 16.1 20.4 26 31.74 36.83 46.28 46.18
Coef.Asim 0.56 0.54 0.67 0.77 0.95 0.989 1.003 1.271 1.192

Se presentan regularidades en el crecimiento de los resultados de los tres datos

estadísticos descriptivos calculados para cada duración de las tormentas, aunque hay
casos particulares, en la desviación estándar el último dato es menor al anterior
rompiendo la secuencia creciente, lo anterior ocurre igualmente con los dos primeros
datos y los dos últimos datos de los coeficientes de asimetría.

Comentario: Para desarrollar este ejercicio se aplicaron fórmulas de estadística

descriptiva para obtener los indicadores que se pedían, por lo demás fue observación
de los datos en su comportamiento respecto al siguiente (sí incrementaban o
disminuían).

Página 3 de 8
 SOLUCIÓN EJERCICIO 4:

X: Recibir una multa

Ps Trampas
P(X1|L1) 0.4
P(X2|L2) 0.3
P(X3|L3) 0.2
P(X4|L4) 0.3

Ps del Conductor
P(L1) 0.2
P(L2) 0.1
P(L3) 0.5
P(L4) 0.2

Sea X1, X2, X3 y X4 los eventos en los que una persona haya sido detectada con alta
velocidad por los radares en los sitios L1, L2, L3 y L4 respectivamente. Sea X el evento
de recibir una multa por conducir con exceso de velocidad. Al utilizar la ley de
probabilidad total se tiene que:

Obteniendo como resultado:

P(X) 0.27
%P(X) 27%

Por tanto, una persona tiene una probabilidad de 0.27 de ser multada por conducir con
exceso de velocidad debido a las trampas colocadas.

Comentario: Para desarrollar este ejercicio se requirió buscar sobre el Teorema de

Bayes y la Ley de Probabilidad Total en Internet, entender dichos temas y aplicar las
fórmulas que permitían encontrar lo que pedía el ejercicio.

Página 4 de 8
 SOLUCIÓN EJERCICIO 5:

X: Cortes irregulares

Ps Cortes Irregulares
P(X1|Nuevas) 0.01
P(X2|Promedios) 0.03
P(X3|Desgastadas) 0.05

Ps Cuchillas
P(Nuevas) 0.25
P(Promedios) 0.60
P(Desgastadas) 0.15

Sea X1, X2, X3 los eventos en los que una hoja sale con cortes irregulares debido a las
cuchillas Nuevas, Promedios, y Desgastadas respectivamente. Sea X el evento de
tener una porción de la producción de hojas con bordes irregulares. Al utilizar la ley de
probabilidad total se tiene que:

El resultado es:

P(X) 0.028
%P(X) 3%

Convirtiendo la probabilidad a porcentaje indica que el 3% del total de la producción de

hojas saldrán con bordes irregulares debido a las cuchillas usadas para producirla.

Comentario: Para desarrollar este ejercicio se requirió buscar sobre el Teorema de

Bayes y la Ley de Probabilidad Total en Internet, entender dichos temas y aplicar las
fórmulas que permitían encontrar lo que pedía el ejercicio.

Página 5 de 8
 SOLUCIÓN EJERCICIO 6:

X: Recibir una multa

Ps Trampas
P(X1|L1) 0.4
P(X2|L2) 0.3
P(X3|L3) 0.2
P(X4|L4) 0.3

Ps del Conductor
P(L1) 0.2
P(L2) 0.1
P(L3) 0.5
P(L4) 0.2

Sea X1, X2, X3 y X4 los eventos en los que una persona haya sido detectada con alta
velocidad por los radares en los sitios L1, L2, L3 y L4 respectivamente. Sea X el evento
de recibir una multa por conducir con exceso de velocidad. Al utilizar el Teorema de
Bayes se obtienen las siguientes fórmulas:

Los resultados de los cálculos son:

L1 P(L1|X) 0.296296 Probabilidad de pasar por el sistema ubicado en L1

L2 P(L2|X) 0.111111 Probabilidad de pasar por el sistema ubicado en L2
L3 P(L3|X) 0.37037 Probabilidad de pasar por el sistema ubicado en L3
L4 P(L4|X) 0.222222 Probabilidad de pasar por el sistema ubicado en L4

Comentario: Para desarrollar este ejercicio se requirió buscar sobre el Teorema de

Bayes y la Ley de Probabilidad Total en Internet, entender dichos temas y aplicar las
fórmulas que permitían encontrar lo que pedía el ejercicio.

Página 6 de 8
 SOLUCIÓN EJERCICIO 7:

X: Buena evaluación

Ps Condicionadas
P(X1|Mayor) 0.95
P(X2|Moderado) 0.60
P(X3|Escaso) 0.10

Ps Éxito
P(Mayor) 0.40
P(Moderado) 0.35
P(Escaso) 0.25

(A): Sea X1, X2 y X3 los eventos en los que un producto recibió buenas críticas por
parte de los clientes para convertirse en productos con un éxito Mayor, Moderado y
Escaso respectivamente. Sea X el evento de recibir una multa por conducir con exceso
de velocidad. Al utilizar la ley de probabilidad total se tiene que:

El resultado del cálculo es:

(A)
P(X) 0.615
%P(X) 62%

Un producto tiene una probabilidad de 0.615 de tener un buena evaluación por parte de
los clientes.

(B) Sea X1, X2 y X3 los eventos en los que un producto recibió buenas críticas por
parte de los clientes para convertirse en productos con un éxito Mayor, Moderado y
Escaso respectivamente. Al utilizar el Teorema de Bayes se obtienen la siguiente
fórmula:

Como resultado se tiene:

(B)
P(Mayor|X) 0.617886
%P(Mayor|X) 62%

Página 7 de 8
Un diseño con una buena evaluación por parte de los clientes tiene un probabilidad de
0.617886 de convertirse en un producto de gran éxito.

(C) Teniendo en cuenta que los datos suministrados son de productos que tuvieron
buenas críticas de los clientes y lo que se debe calcular está dependiendo de que no
tenga buenas críticas por parte de los clientes (el complemento) para que el producto
obtenga un éxito mayor, por tanto, la fórmula queda:

El resultado del cálculo es:

(C)
P(Mayor|X') 0.051948
%P(Mayor|X') 5%

La probabilidad de que un producto que no tenga buenas críticas de los clientes se

convierta en un producto de éxito mayor es de 0.051948.

Comentario: Para desarrollar este ejercicio se requirió buscar sobre el Teorema de

Bayes y la Ley de Probabilidad Total en Internet, entender dichos temas y aplicar las
fórmulas que permitían encontrar lo que pedía el ejercicio.

Página 8 de 8