4. Una prueba de laboratorio para detectar
heroína en sangre tiene un 92% de precisión. Si se
analizan 72 muestras en un mes, calcula las
siguientes probabilidades:
a) 60 o menos estén correctamente evaluadas.
P[X≤60]
b) Menos de 60 estén correctamente evaluadas.
P[X<60]=P[X≤59]
c) Exactamente 60 estén correctamente evaluadas.
P[X=60]
5. Suceso éxito: “Prueba evaluada correctamente”->
P[éxito] = 0.92
Se define la siguiete variable aleatoria: X=
“Nº de pruebas evaluadas correctamente de
72 muestras”
Esta variable tienen distribución Binomial
(cant, n, prob), siendo n=72 y prob=0.92
6. Calcula la probabilidad de que 60 o menos estén
correctamente evaluadas. P[X≤60]
Primero añadimos
cualquier número en
la pestaña de datos
Luego le damos a
Trasformar/Calcular
variable…
7. Ahora nos saldrá una ventana como esta, solo
tenemos que añadir los siguientes datos:
Como es el modelo
Binomial, debemos
coger esta, y le damos
a la flecha
Por último añadimos
los datos de cant, n,
prob
8. Este es el resultado:
El recuadro superior nos indica que hay un
porcentaje de 1,15% de probabilidad de que
60 o menos pruebas estén correctamente
evaluadas
9. Calcula la probabilidad de que menos de 60
estén correctamente evaluadas.
P[X<60]=P[X≤59].
El procedimiento es el mismo, solo debemos
cambiar los siguientes datos:
10. Este es el resultado:
El recuadro superior nos indica que hay un
porcentaje de 0,44% de probabilidad de que
menos de 60 pruebas estén correctamente
evaluadas
11. Calcula la probabilidad de que exactamente 60 estén
correctamente evaluadas. P[X=60]
El procedimiento es el mismo, solo debemos cambiar
los siguientes datos
12. Este es el resultado:
El recuadro superior nos indica que hay un
porcentaje de 7,09% de probabilidad de que
exactamente 60 pruebas estén correctamente
evaluadas
14. En una cierta población se ha observado que el
número medio anual de muertes por cáncer de pulmón es
12. si el número de muertes causadas por la enfermedad
sigue una distribución de Poisson, calcula las siguientes
probabilidades:
a) Haya exactamente 10 muertes por cáncer de pulmón.
P[X=10]
b) 15 o más personas mueran a causa de la enfermedad
durante un año. P[X>15]=1- P[X≤15]
c) 10 o menos personas mueran a causa de la enfermedad
en 6 meses. P[Y≤10]. Se define una variable, Y=Nº de muertes por cáncer
de pulmón en seis meses. Esta variable aleatoria tiene distribución de Poisson de
parámetro λ=6
15. Calcula la probabilidad de que haya exactamente
10 muertes por cáncer de pulmón. P[X=10]
Primero añadimos
cualquier número en
la pestaña de datos
Luego le damos a
Trasformar/Calcular
variable…
16. Ahora nos saldrá una ventana como esta, solo
tenemos que añadir los siguientes datos:
Por último añadimos
los datos de cant, n,
prob
17. Este es el resultado:
El recuadro superior nos indica que hay un
porcentaje de 10,48% de que exactamente
haya 10 muertos por cáncer de pulmón en un
año
18. Calcula la probabilidad de que 15 o más personas
mueran a causa de la enfermedad durante un año.
P[X>15]=1- P[X≤15]
El procedimiento es el mismo, solo debemos cambiar los
siguientes datos:
19. Este es el resultado:
El recuadro superior nos indica que hay un
porcentaje de 15,56% de probabilidad de que
haya más de 15 muertos por cáncer de
pulmón en un año
20. Calcula la probabilidad de que 10 o menos personas
mueran a causa de la enfermedad en 6 meses.
El procedimiento es el mismo, solo debemos cambiar
los siguientes datos
21. Este es el resultado:
El recuadro superior nos indica que hay un
porcentaje de 95,74% de probabilidad de que
haya 10 muertos o menos en 6 meses
