33 Tarea 2

Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería

Curso: Probabilidad Código: 100402
Plantilla para entrega de la Unidad 2: Tarea 2 - Experimentos aleatorios y distribuciones de probabilidad

PROBABILIDAD
Presentado Por:
Lorena Prada Peña – Código: 1.022.975.666
Yuli Paulina Saez – Código: 1.022.344.596
Presentado a:
MANUEL FRANCISCO CIFUENTES
Grupo NO. 100402_33
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA “UNAD”
ESCUELA ADMINISTRATIVAS, CONTABLES, ECONÓMICAS Y DE NEGOCIOS “ECACEN”

Introducción
Las variables aleatorias permiten definir la probabilidad como una función numérica (de variable real) en lugar
de como una función de un conjunto dado, las distribuciones de probabilidad están relacionadas con las
distribuciones de frecuencias. Una distribución de frecuencias teórica es una distribución de probabilidades
que describe la forma en que se espera que varíen los resultados. Debido a que estas distribuciones tratan sobre
expectativas de que algo suceda, resultan ser modelos útiles para hacer inferencias y para tomar decisiones en
condiciones de incertidumbre.
Lorena Prada Peña
Objetivos
Ejercicio 2
CUADRO SINOPTICO
Está dada por

VARIABLE Sí el número de valor que puede tomar
ALEATORIA es finito.
Puede asumir un número infinito de Está caracterizada

VARIABLEALEATORIA
CONTINUA
La varianza de una variable aleatoria es una

VALOR ESPERADO Y medida de la dispersión de la distribución de
VARIANZA probabilidad de ésta.
Los ensayos son independientes. Cada

ensayo es de tipo Bernoulli. Esto, tiene sólo Características:
dos resultados posibles: "éxito" o "fracaso”. 1. Tendencia Central
DISTRIBUCION La probabilidad de éxito de cada ensayo, 2. Variación
VARIABL BINOMIAL
denotada por p, permanece constante. 3. Asimetría
ES
ALEATOR
La variable aleatoria estaba definida como el f(x,p,r)= x-1Cr-1 qx-r .pr
IAS Y DISTRIBUCION BINOMIAL número de ensayos Bernoulli necesarios para x=r,r+1,r+r+2+....
NEGATIVA obtener el primer éxito
En ella se considera la existencia de éxitos y/o k N−k

DISTRIBUCION
HIPERGEOMETRICA
fracasos en una población conocida, y de la
cual se extrae una muestra sin remplazo
p ( x) =
( x )( n−x ) C C
=
k
x
N −k
n−x
donde también existen éxitos o fracasos. N
Expresa, a partir de una frecuencia de

(n) e C
N
−ʎ
n
ocurrencia media, la probabilidad de que f ( x )=P [ X =x ]=

DISTRIBUCION DE ocurra un determinado número de eventos x!
POISSON durante cierto período de tiempo. X=0,1,2,…..;o en cualquier
otro punto o valor.
1
Se dice que sigue una distribución uniforme
P ( X I )=
n
DISTRIBUCION
continua en un intervalo real (a,b), y se y su función de distribución la
UNIFORME representa por (a,b), si su función de función escalonada.
CONTINUA densidad es constante en dicho intervalo y
nula fuera de él. 1
F ( X )= ∑ 1 (−∞ , x ] ( xi ) .
n
Describe el comportamiento de una variable discreta
que puede tomar n valores distintos con la misma
f x ( x)  ¿
DISTRIBUCION
UNIFORME probabilidad cada uno de ellos
DISCRETA
La distribución normal es la más
La distribución normal es de suma extendida en estadística y muchos
DISTRIBUCION importancia en estadística por tres tests estadísticos están basados en
NORMAL razones principales. una supuesta "normalidad".
Es la única variable aleatoria La función generadora es:

DISTRIBUCI Continua cuya tasa de fallos es
ON constante m ( t )=∝ ∕ ∝−t , sit −∝≤ 0
EXPONENCI
DISTRIBUCION Es una distribución de probabilidad continua con un parámetro k que

CHI CUADRADO representa los grados de libertad de la variable aleatoria.
Lorena Prada Peña

Solución al estudio de caso 1: El grupo entrega aquí, de manera organizada, el análisis, desarrollo y solución
del ESTUDIO DE CASO presentado
RESPONSABLE ROL SELECCIONADO
Lorena Prada Peña Alertas
A. Distribución Hipergeométrica
Una empresa manufacturera recibe un lote que contiene 100 artículos de los cuales cinco son defectuosos. La
compañía revisa constantemente los lotes - que recibe para establecer la calidad del material. Si la calidad de
un lote recibido es baja, regresa al proveedor el lote completo. Suponga que la compañía recibe el lote y lo
acepta si hay sólo 1 o menos piezas defectuosas en una muestra de tamaño 6 sin reposición. ¿Cuál es la
probabilidad de que se acepte un lote de 100 artículos que contenga 5 defectuosos?
SOLUCIÓN
lote: 100 artículos, 5 defectuosos, recibe si hay menos de 1 en muestra de 6.
Por lo tanto la probabilidad será de :
N=100 , K=5, n=6, X=1
k N−k
EXPRESANDO LA FUNCION p ( X=1 ) =
( x )( n−x )
( Nn )
(51)(100−5
6−1 ) =
( 5 95
1 )( 5 ) ( 5 )( 57940519 ) 289702595
= = =0.243
100 100 (1192052400 ) 75287520
(6) (6)
Por lo tanto 0.243 será la probabilidad de que se acepte un lote de 100 artículos que contenga 5 defectuosos
B. Distribución Binomial
La probabilidad de fallar durante el vuelo para cada uno de los seis motores de un avión es 0.0005.
Suponiendo que los seis motores trabajan independientes, determine la probabilidad que en un vuelo
determinado
1. No ocurra ninguna falla de motor
2. No ocurra más de una falla
3. Ocurra exactamente dos fallas.
SOLUCIÓN
6 motores, p(individual)=0.0005,
q(individual)= 0.9995,
n=6, x=variable por punto.
Por lo tanto, se aplica la ecuación, para el caso 1.
( nX ) p q =( 60)0.0005 0.9995
x n−x 0 6 −0
=1∗1∗0.997=0.997
0.997 sera la probabilidad de que no ocurra ningún fallo de motores en el vuelo.

Para el caso 2.
( nX ) p q =( 61)0.0005 0.9995
x n−x 1 6−1
=6∗0.0005∗0.9975
¿ 0.0029925
Por lo tanto 0.0029925 o menos, será la probabilidad de que falle un motor o menos
Para el caso 3.
( nX ) p q =( 62)0.0005 0.9995
x n−x 2 6−2
=15∗0.00000025∗0.9998
¿ 0.0000037425
Por lo tanto 0.0000037425 será la probabilidad exacta de que fallen solo dos motores
C. Distribución Poisson:
El número de casos admitidos de emergencia en cierto hospital en 1 hora es una variable aleatoria con
distribución de Poisson con X = 3. Determinar - la probabilidad que en cierta hora
1. Ningún caso de emergencia es admitido.
2. Más de 3 casos de emergencia son admitidos.
SOLUCIÓN
La probabilidad de Ningún caso de emergencia es admitido es de 0,04979 y de Más de 3 casos de emergencia
son admitidos es de 0,57685
Explicación:
Distribución de Poisson:
P (x= k) = μΛk*eΛ-μ/ K!
μ: promedio de número de casos admitidos de emergencia en cierto hospital en 1 hora
μ= 3
e= 2,71828
La probabilidad que en cierta hora
1. Ningún caso de emergencia es admitido.
k=0
P (x=0) = 3⁰ (2,71828)⁻³ /0! = 0,04979
2. Más de 3 casos de emergencia son admitidos.
P(x≥3) =1-P(x≤3)
P(x≤3) = P(x=0) +P(x=1) +P(x= 2)
P(x≤3) = 0,04979 +0,14936 +0,2240
P(x≤3) = 0,42315
P(x≥3) =1-0,42315=0,57685
D. Distribución Normal
De acuerdo con la Organización de Naciones Unidas (ONU), en Latinoamérica se tiene una esperanza de vida
al nacer de 73.4 años y una desviación estándar de 4.3714 años. Si la esperanza de vida de una persona sigue
una distribución normal, calcula:
1. La probabilidad de que una persona sobrepase los 80 años de vida.
2. La probabilidad de que una persona al nacer tenga una esperanza de vida entre 70 y 75 años.
3. ¿A partir de qué valor se tiene el 10% más alto de la esperanza de vida al nacer?
Solución
Dada N(µ,σ)
Esperanza de vida µ =73.4, desviación estándar σ = 4.3714, distribución normal.

1. La probabilidad de que una persona sobrepase los 80 años de vida.
Evaluados en la tabla de áreas bajo la curva normal estandarizada se da que
x−µ ( 80−73.4 )
z= = =1.509
σ 4.37140
la tabla de áreas bajo la curva normal estandarizada da como resultado en el valor de 1.50 que la probabilidad
será de 0.4332, pero como loque se propone es sobre psar los 80 años entonces, la probabilidad de sobrepasar
los 80 años de vida sera de 0.5-0.4332 = 0.0668 o 6% de la población lograra sobrepasar los 80 años de vida.
2. La probabilidad de que una persona al nacer tenga una esperanza de vida entre 70 y 75 años.
Desde 70 sera:
x−µ ( 70−73.4 )
z= = =−0.7777
σ 4.37140
Que en la tabla de áreas bajo la curva normal estandarizada da como resultado en el valor de 0.77 = 0.2794
Y luego a los 75 años sera:
x−µ ( 75−73.4 )
z= = =−0.366
σ 4.37140
Que en la tabla de áreas bajo la curva normal estandarizada da como resultado en el valor de 0.36 = 0.1406
Por ende la probabilidad de que una persona al nacer tenga una esperanza de vida entre 70 y 75 años será de
0.2794+0.1406 = 0.42 o un 42% de la población al nacer tendrá una esperanza de vida entre los 70 y los 75.
3. ¿A partir de qué valor se tiene el 10% más alto de la esperanza de vida al nacer?
El 10 por ciento más alto de la esperanza de vida seria
x −µ ( x−73.4 ) 0.26∗4.3714
z del10 % maximo= = =0.26= +73.4
σ 4.37140 1
x=74.54
x−µ ( x−73.4 ) −0.26∗4.3714

z del10 % minimo= = =−0.26= +73.4
σ 4.37140 1
x=72.26
x−µ ( x −73.4 ) ± 0.13∗4.3714
z de 0.05= = =± 0.13= +73.4=¿
σ 4.37140 1
x=72.83 y 73.96
Lo que quiere decir que el 10% de la población que tendrá la edad más elevada será de 73.4 años hasta los
74.54, y el 10% de la población que tendrá la menor edad ira de los 72.26 a los 73.4. Pero el 10% más alto en
la campana de gauss será desde los 72.83 y los 73.96 años de vida.
Solución al estudio de caso 2: El grupo entrega aquí, de manera organizada, el análisis, desarrollo y
solución del ESTUDIO DE CASO presentado
Yuli Paulina Saez Entregas
Estudios de caso estudiante N°21:

a. Distribución Hipergeométrica: El edificio Nantes está compuesto por 30 apartamentos. De ellos, 10
están habitados por matrimonios con sólo dos hijos hombres. Los otros 20 están habitados por
matrimonios con sólo dos hijas. Se va a demoler el edificio para construir - uno de 60 departamentos,
para lo cual se procede a desalojar parcialmente el edificio sorteando mensualmente una familia, la que
debe retirarse. ¿Cuál es la probabilidad que al cabo de año y medio quede en el edificio el mismo
número de mujeres y de hombres?
N= Tamaño total de la población: 60

Número de hombres: 10*3 = 30
Número de hombres: 20*3 = 60
Desalojo de 1 familia cada 18 meses: 18 familias.
18-30= 12 familias
12*4personas= 48
n= Tamaño de la muestra: 48
K= Número de éxitos de la población: 24 (P=K/N P=24/60) p= 0,4
X= Número de éxitos de la muestra: 24
P ( X=24 )= ( 4824 )∗0,4 ∗( 1−0,4)

24 48−24
P ( X=24 )=0,043
b. Distribución Binomial: En una escuela profesional de cuatro años, el 50% de los alumnos están - en el
primer año, el 25% en el segundo, el 15% en tercero y el 10% en cuarto. Se selecciona 5 alumnos al
azar. ¿Cuál es la probabilidad que:
Exactamente 2 sean del primer año? P ( x=r )= ( nr )∗p ∗q

r n−r
x= Variable aleatoria= Número de alumnos del año 1
r= Valor de x = 2 alumnos
n= Número de la muestra = 5
1
p= Posibilidad de éxito = 0.50
q= Probabilidad de fracaso = 0,50
P ( x=2 )=( 52 )∗0,50 ∗0,50

2 5−2
20
P ( x=2 )=( )∗0,50 ∗0,50
2 3
2
P ( x=2 )=0,039
¿Ninguno sea del tercero o cuarto año?
x= Variable aleatoria= Número de alumnos del año
r= Valor de x = 0 alumnos
n= Número de la muestra = 5
p= Posibilidad de éxito = 0,25
q= Probabilidad de fracaso = 0,75
P ( x=2 )=( 50 )∗0,25 ∗0,75

0 5 −0
24
P ( x=2 )=( )∗0,50 ∗0,50
0 5
0
P ( x=2 )=0,074
c. Distribución Poisson: Suponga que cierta enfermedad rara afecta al 0.1% de la población grande.
5,000 persona se escogen aleatoriamente de esta población y son sometidos a un examen para detectar
la enfermedad.
1. ¿Cuál es el número esperado de personas con dicha enfermedad?
X →B(n= 5000, p =0,001)
Como E[X]= np ya que X es binomial, entonces E[X]= 5000*(0,001)= 5
2. ¿Cuál es la probabilidad que exactamente 10 personas son afectadas por la enfermedad?
Como λ = np = 5, entonces P(X=10) =(〖 e〗^(-5) 5^10)/10!=0.018113179 = 18,113179%
d. Distribución Normal: Entre mayo y junio de 2011, la cotización del dólar a la venta tuvo una media de
$16.9205 y una desviación estándar de $0.2695. Si la cotización del dólar sigue una distribución
normal, determina:
1. La probabilidad de que la venta de un dólar sobrepase los $18.
2. La probabilidad de que la cotización del dólar a la venta sea menor a los $15.
3. Con tu equipo, investiga qué factores intervienen en la cotización del dólar. Discute con ellos qué
consecuencias trae una devaluación del peso frente al dólar.
Datos:
μ= 8,1
σ^2= 3,1
σ= √3,1= 1,76
Empleamos la distribución normal estandarizada, esto es N(0,1). Entonces la variable X la denotamos por Z:
Z= X - μ/σ
σ=desviación
μ=media
X= variable aleatoria
X≈N (μ= 16,9205; σ= 0,2695)
1. La probabilidad de que la venta de un dólar sobrepase los 18$:

P(X\geq 18)= P(Z<\frac{18-16,9205}{0,2695})
P(X\geq 18)= P(Z<4)
P(X\geq 18)= 1- P(Z<4)
P(X\geq 18)= 1- 0,9998
P(X\geq 18)= 0,0002
2. La probabilidad de que la cotización del dólar a la venta sea menor a los $15
P(X\leq 15)= P(Z<\frac{15-16,9205}{0,2695})
P(X\leq 15)= P(Z<-7,12)
P(X\geq 15)= 0,0001
3. Factores que intervienen en la cotización del dólar

1. Intervenciones del gobierno: El objetivo de los Bancos Centrales al intervenir una divisa controlando su tipo
de cambio suele ser el de estabilizar la confianza y evitar una devaluación excesiva de la moneda, aunque
también hay casos en los que los Bancos Centrales tienen que actuar frente a una moneda demasiado
revalorizada, como pasó en Suiza en 2011.
2. Inflación: los países con tasas de inflación consistentemente altas tienden a tener valores monetarios más
bajos. Esto se debe a que el valor de compra disminuye en relación con otros países.
3. Tasas de interés: un aumento en las tasas de interés en un país puede ofrecer a los inversores una tasa de
rendimiento más alta que en otros países. Un país con tasas de interés altas atrae a inversionistas y capitales
extranjeros, como resultado, la moneda puede apreciarse en relación con otros países.
4. Déficit de cuenta corriente: si un país tiene un déficit de cuenta corriente, significa que está gastando más de
lo que gana en comercio exterior. Para compensar este déficit, los países pueden tomar prestado capital de
otras fuentes externas, esto puede generar una pérdida de confianza en el mercado, lo que a su vez ayudará a
depreciar la moneda nacional.
5. Deuda del gobierno: los países con altos montos de deuda son menos atractivos para los inversionistas
extranjeros debido a la posibilidad de incumplimiento y las posibles altas tasas de inflación. Esto puede
disminuir el valor de la moneda.
6. La especulación: la mayoría del comercio en los mercados de divisas son operaciones especulativas, lo que
significa que el sentimiento del mercado y el impulso pueden desempeñar un papel importante en la actividad
del mercado. Incluso si los fundamentos no se alinean, el mercado de una moneda puede seguir subiendo o
depreciándose si los operadores y los gobiernos lo perciben de esa manera.

Gyan Martin Manco Escobar.
2. Actividad Individual elección de caso de estudio N 3

i. Distribución Hipergeométrica: A menudo los biólogos que estudian un ambiente específico etiquetan y
liberan a sujetos con el fin de estimar de tamaño de la población o la prevalencia de ciertas características en
ella. Los biólogos capturan a 10 animales de una especie que se piensa extinta (o casi extinta) los etiquetan y
los liberan en cierta región. Después de un periodo secciona en la región una muestra aleatoria de 15 animales
de ese tipo. ¿Cuál es la probabilidad de que 5 de los animales seleccionados estén etiquetados, si hay 25
animales de este tipo en la región?
Los ingresos netos diarios del dueño del juego son de 6218 soles
Explicación:
Distribución Binomial
P(x= k) = Cn,k*p∧k*q∧(n-k)
Cn,k = n!/k!(n-k)
El jugador promedio tiene una probabilidad 1/3 de embocar cada una de las argollas:
p = 1/3
q = 2/3 de no embocar
Boletos promedio que se venden por día es de 729
Los ingresos netos diarios del dueño del juego.
Y: ingreso dependiendo de las embocadas
y: soles por ganancia
Y = (10-y)*P(k)*729
Adjuntamos tablas de probabilidades
Y1 = 10*64= 640
Y2 = 9* 192= 1723
Y3 = 9*240 = 2160
Y4= 9*160 = 1440
Y5 = 6*60 = 360
Y6 = -7*12 = -84
Y7 = -21*1 = -21
Total 6218 soles
2.1.
j. Distribución Hipergeométrica: A menudo los biólogos que estudian un ambiente específico etiquetan y
liberan a sujetos con el fin de estimar de tamaño de la población o la prevalencia de ciertas características en
ella. Los biólogos capturan a 10 animales de una especie que se piensa extinta (o casi extinta) los etiquetan y
los liberan en cierta región. Después de un periodo secciona en la región una muestra aleatoria de 15 animales
de ese tipo. ¿Cuál es la probabilidad de que 5 de los animales seleccionados estén etiquetados, si hay 25
animales de este tipo en la región?
Probabilidade Hipergeométrica
P(x) = Ck,x * C(N-k);(n-x) /CN,n
Ecuación de combinaciones:
Cn,k = n!/k!(n-k)!
Después de un periodo seleccionan en la región una muestra aleatoria de 15 animales de ese tipo. ¿Cuál
es la probabilidad de que 5 de los animales seleccionados estén etiquetados, si hay 25 animales de este tipo en
la región?
N = 25
n= 15
x=5
k = 10
Ck,x =C10,5 = 10!/5!5! = 10*9*8*7*6*5!/5!*5*4*3*2*1 = 252
C (N-k);(n-x) = C15,10 = 15!/10!*5*4*3*2*1 = 15*14*13*12*11/120 =3003
CN,n = C25,15 = 3268760
P (x) = 252*3003/3268760 = 0,2315
La probabilidad de que 5 de los animales seleccionados estén etiquetados es de 23,15%
a. Distribución Poisson: Suponga que 1,800 células de cierto tipo se distribuyen aleatoriamente en un
microscopio, el cuál mediante rejillas se ha dividido en 900 áreas iguales.
1. ¿Cuál es el número de áreas que no contienen células?
2. ¿Cuál es el número de áreas que contienen exactamente una célula?
(No borrar este encabezado)

Ejercicio 3 Mentefacto:
VARIABLES
ALEATORIAS Y
DISTRIBUCIONES
los diagnósticos
Tipos
VARIABLEALEATORIA
CONTINUA
DISTRIBUCION DE DISTRIBUCION
POISSON EXPONENCIAL.
VARIABLE ALEATORIA
DISTRIBUCION DISCRETA
UNIFORME CONTINUA DISTRIBUCIO CHI
CUADRADO
VALOR ESPERADO Y
VARIANZA
DISTRIBUCION
DISTRIBUCION
NORMAL
DISTRIBUCION UNIFORME DISCRETA
BINOMIAL
DISTRIBUCION BINOMIAL
NEGATIVA
DISTRIBUCION
HIPERGEOMETRICA
Conclusiones (mínimo 1 por cada participante)

(No borrar este encabezado)
ESTUDIANTE CONCLUSIÓN
Lorena Prada Peña
Yuli Paulina Saez
Gyan Martin Manco Escobar
Es importante colocar el nombre de cada estudiante tanto en conclusiones como en referencias. Si el estudiante no participa, el compilador deja
indicado el nombre del compañero que no aportó y el espacio de la aportación se dejará en blanco. (borrar esta instrucción antes de la entrega)
Referencias bibliográficas en formato APA. (Mínimo una por cada participante, no pueden repetir referencias)
ESTUDIANTE REFERENCIA
Rodríguez, F. & Pierdant, A. (2014). Estadística para administración. Pp. 150-152. Recuperado
de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=258&docID=11013767&tm=1470693471527
García, Á. M. Á. (2005). Introducción a la teoría de la probabilidad. primer curso. Pp. 195-221. Recuperado

de https://bibliotecavirtual.unad.edu.co:2538
Temáticas de estudio: Distribuciones discretas de probabilidad.
Lorena Prada Rodríguez, F. & Pierdant, A. (2014). Estadística para administración. Pp. 245-261. Recuperado
Peña de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=258&docID=11013767&tm=1470693471527

33 Tarea 2

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

33 Tarea 2

Загружено:

Авторское право:

Доступные форматы

Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de Investigación - VIACI

Escuela: Ciencias Básicas Tecnología e Ingeniería

Plantilla para entrega de la Unidad 2: Tarea 2 - Experimentos aleatorios y distribuciones de probabilidad

Lorena Prada Peña – Código: 1.022.975.666

Yuli Paulina Saez – Código: 1.022.344.596

MANUEL FRANCISCO CIFUENTES

Grupo NO. 100402_33

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA “UNAD”

ESCUELA ADMINISTRATIVAS, CONTABLES, ECONÓMICAS Y DE NEGOCIOS “ECACEN”

Está dada por

Puede asumir un número infinito de Está caracterizada

La varianza de una variable aleatoria es una

Los ensayos son independientes. Cada

En ella se considera la existencia de éxitos y/o k N−k

Expresa, a partir de una frecuencia de

ocurrencia media, la probabilidad de que f ( x )=P [ X =x ]=

Es la única variable aleatoria La función generadora es:

DISTRIBUCION Es una distribución de probabilidad continua con un parámetro k que

Lorena Prada Peña

Por lo tanto, se aplica la ecuación, para el caso 1.

0.997 sera la probabilidad de que no ocurra ningún fallo de motores en el vuelo.

Esperanza de vida µ =73.4, desviación estándar σ = 4.3714, distribución normal.

x−µ ( x−73.4 ) −0.26∗4.3714

Estudios de caso estudiante N°21:

N= Tamaño total de la población: 60

Desalojo de 1 familia cada 18 meses: 18 familias.

P ( X=24 )= ( 4824 )∗0,4 ∗( 1−0,4)

Exactamente 2 sean del primer año? P ( x=r )= ( nr )∗p ∗q

x= Variable aleatoria= Número de alumnos del año 1

p= Posibilidad de éxito = 0.50

q= Probabilidad de fracaso = 0,50

P ( x=2 )=( 52 )∗0,50 ∗0,50

¿Ninguno sea del tercero o cuarto año?

x= Variable aleatoria= Número de alumnos del año

p= Posibilidad de éxito = 0,25

q= Probabilidad de fracaso = 0,75

P ( x=2 )=( 50 )∗0,25 ∗0,75

1. ¿Cuál es el número esperado de personas con dicha enfermedad?

X →B(n= 5000, p =0,001)

Como E[X]= np ya que X es binomial, entonces E[X]= 5000*(0,001)= 5

2. ¿Cuál es la probabilidad que exactamente 10 personas son afectadas por la enfermedad?

Como λ = np = 5, entonces P(X=10) =(〖 e〗^(-5) 5^10)/10!=0.018113179 = 18,113179%

1. La probabilidad de que la venta de un dólar sobrepase los 18$:

3. Factores que intervienen en la cotización del dólar

RESPONSABLE ROL SELECCIONADO

2. Actividad Individual elección de caso de estudio N 3

(No borrar este encabezado)

Conclusiones (mínimo 1 por cada participante)

García, Á. M. Á. (2005). Introducción a la teoría de la probabilidad. primer curso. Pp. 195-221. Recuperado

Вам также может понравиться