SlideShare a Scribd company logo
Práctica 1
1. En una habitación 10 personas tienen insignias numeradasdel 1 al 10.
Se eligen tres personas al azar y se les pide que dejen la habitación
simultáneamente y se anotan los números de las insignias.
a) ¿Cuál es la probabilidad de que el número menor de las insignias sea 5?
b) ¿Cuál es la probabilidad de que el número mayor de las insignias sea 5?
Solución.-
Sea el experimentoaleatorio Ԑ = Elegir 3 personas al azar de 10 que están
numeradas del 1 al 10 sin reposición.
Sea el espacio muestral asociado Ω = {(1,2,3),(1,3,4),(1,4,5),(1,5,6),…}
N(Ω) ={𝐶10
3
= (10
3
) =
10!
7!3!
= 120}
a) Se define el evento
A = {El número menor de las insignias anotadas es 5}
El evento A debe contener al 5 como el menor número que se anota, por lo
que tiene la terna (5, x, y) donde x, y son números que pertenecen al
conjunto (6,7,8,9,10). Por lo tanto
𝑁(𝐴) = {𝐶5
2
= (
5
2
) =
5!
3!2!
= 10}
Así, se tiene la probabilidad:
𝑃(𝐴) =
10
120
=
1
12
= 0.08333 ■
La probabilidad de que el número menor de las insignias anotadas sea 5
es de 0.08333, oen porcentaje, del 8.333%.
b) Se define el evento
B = {El número mayor de las insignias anotadas es 5}
De forma similar al incisoa), el evento B debe contener al 5 como el
número mayor de la terna (x, y, 5), con x, y pertenecientes al conjunto
(1,2,3,4).Así:
𝑁(𝐵) = {𝐶4
2
= (4
2
) =
4!
2!2!
= 6}
De tal manera que la probabilidad del eventoes:
𝑃(𝐵) =
6
120
=
1
20
= 0.05 ■
La probabilidad de que el número mayor de las insignias anotadas sea 5
es de 0.05, odel 5%.
2. Un lote consta de 10 artículos sin defecto, 4 con pequeños defectos y 2
con defectos graves. Se elige un artículo al azar. Encontrar la probabilidad
de que:
a) No tenga defectos.
b) No tenga un defecto grave.
c) Que no tenga un defecto o que tenga un defecto grave.
Solución.-
Se define el experimentoaleatorio Ԑ = Elegir al azar un artículo de un lote.
Sea el espacio muestral asociado Ω = {AB, DP, DG}dónde AB = Artículo
bueno, DP = Defecto pequeño, DG = Defecto grave.
Y sea N(Ω) = {10+4+2= 16}.
a) Se define el evento A = {El artículo no tiene defectos}
N(A) = {10}
𝑃(𝐴) =
10
16
=
5
8
= 0.625 ■
La probabilidad que un artículo elegidoal azar del lote no tenga defectos
es 0.625,o del 62.5%.
b) Se define B = {El artículo no tiene un defecto grave}
N(B) = {10+4=14}
𝑃(𝐵) =
14
16
=
7
9
= 0.778 ■
La probabilidad que un artículo elegidoal azar del lote no tenga un
defecto grave es 0.778,o del 77,8%.
c) Definimos C = {El artículo no tiene defectos o tiene un defecto grave}
Ya que los eventos AB y DG son excluyentes, se tiene:
𝑁(𝐶) = {𝐴𝐵 ∪ 𝐷𝐺 = 10+ 2 = 12}
𝑃(𝐶) =
12
16
=
3
4
= 0.75 ■
La probabilidad que un artículo elegidoal azar del lote no tenga defectos
o tenga un defecto grave es de 0.75, odel 75%.
3. Un cargamentode 1500 lavadoras contiene 400 defectuosas y 1100 no
defectuosas. Se eligen al azar 200 lavadoras (sin sustitución) y se
clasifican.
a) ¿Cuál es la probabilidad de que se encuentren exactamente 90 artículos
defectuosos?
b) ¿Cuál es la probabilidad de que se encuentren al menos 2 artículos
defectuosos?
Solución.-
Sea el experimentoaleatorio Ԑ = Elegir 200 lavadoras sin sustitución y
observar sus defectos.
Sea el espacio muestral asociado Ω = {(x1, x2, …, x200)} con xi = D, ND.
𝑁(𝛺) = {𝐶1500
200
= (1500
200
)}
a) Sea A = {Existen exactamente 90 lavadoras defectuosas}
𝑁(𝐴) = {(400
90
)(1100
110
)}
Entonces
𝑃(𝐴) =
(400
90
)(1100
110
)
(1500
200
)
■
b) Sea B = {Existen al menos 2 lavadoras defectuosas}
𝑁(𝐵) = {(400
2
)(1100
198
) + (400
3
)(1100
197
) + (400
4
)(1100
196
) + ⋯}
Para simplificar los cálculos, usamos la propiedad:
𝑃(𝐵) = 1 − 𝑃(𝐵𝐶 )
Para este efecto, definimos BC = {Existen a lo sumo 2 lavadorasdefectuosas}
𝑁(𝐵𝐶 ) = {(400
0
)(1100
200
)+ (400
1
)(1100
199
)}
Así, se calcula P(B)
𝑃(𝐵) = 1 − 𝑃(𝐵𝐶 ) = 1 −
(400
2
)(1100
198
)+(400
3
)(1100
197
)
(1500
200
)
■
4. r números (0 < r < 10) se escogen al azar (con sustitución) entre los
números 0, 1, 2, … ,9. ¿Cuál es la probabilidad de que dos no sean
iguales?
Solución.-
Sea Ԑ = Elegir r números al azar con sustitución del conjunto 0, 1, 2, … ,9.
El espacio muestral asociadoes
Ω = {(x1,x2,…,xr)} con xi = 0, 1, 2, … ,9 ∀𝑖 = 1,… , 𝑟
Entonces, N(Ω) = {10*10*… *10 = 10r}
Sea el evento A = {Dos números de los que se eligen no son iguales}
𝑁(𝐴) = {10(10 − 1)(10 − 2)…(10 − 𝑟 + 1) =
10!
(10−𝑟)!
= 10𝑃𝑟}
Así
𝑃(𝐴) =
10𝑃𝑟
10𝑟
=
10!
(10−𝑟)!
10𝑟
=
10!
10𝑟(10−𝑟)!
■
5. Una caja contiene 4 tubos malos y 6 buenos. Se sacan dos a la vez. Se
prueba uno de ellos y se encuentra que es bueno. ¿Cuál es la probabilidad
de que el otro también sea bueno?
Solución.-
Sea el experimentoaleatorio Ԑ = Elegir 2 tubos de 10 a la vez.
Sea el espacio muestral asociado Ω = {(B,M), (B,B),(M,B),}
𝑁(𝛺) = {𝐶10
2
= (10
2
) =
10!
8!2!
= 45}
Podemos definir los eventos: X = {El primer tubo es bueno},
Y = {El segundotubo también es bueno}
Así, se tiene: 𝑃(𝑌|𝑋) =
𝑃(𝑌∩𝑋)
𝑃(𝑋)
Entonces
𝑃(𝑌 ∩ 𝑋) =
𝐶2
6
45
=
6!
2!4!
45
=
15
45
=
1
3
= 0.3333
Para que ocurra X, tienen que haber ocurridodos sucesos: {B,M}, {B,B}.
Así:
𝑃(𝑋) = 𝑃[(𝐵 ∩ 𝑀) ∪ (𝐵 ∩ 𝐵)] = 𝑃[𝐵 ∩ 𝑀] + 𝑃[𝐵 ∩ 𝐵]
𝑃(𝑋) = 𝑃(𝐵|𝑀)𝑃(𝑀) + 𝑃(𝐵|𝐵)𝑃(𝐵) =
24
45
∗
1
2
+
15
45
∗ 1 =
27
45
Luego
𝑃(𝑌|𝑋) =
1
3
⁄
27
45
⁄
=
5
9
= 0.5556 ■
La probabilidad de que un segundotubo sea bueno dadoque el primero
es bueno es de 0.5556,o del 55.56%.
6. Sean A y B dos sucesos asociados con un experimento. Supóngase que
P(A) = 0.4 mientras que P(A∪B) = 0.7. Sea P(B) = p.
a) ¿Para qué elección de p son A y B mutuamente excluyentes?
b) ¿Para qué elección de p son A y B independientes?
Solución.-
a) Para que dos eventos sean mutuamente excluyentes, se debe cumplir
que:
𝐴 ∩ 𝐵 = ∅
Entonces usamos la definición de la probabilidadde la unión de eventos:
𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵)
Reemplazandolos datos:
0.7 = 0.4 + 𝑝 − 𝑃(𝐴 ∩ 𝐵)
𝑃(𝐴 ∩ 𝐵) = 0.4 + 𝑝 − 0.7 = 𝑝 − 0.3
Ya que 𝑃(∅) = 0 se tiene que:
𝑃(𝐴 ∩ 𝐵) = 𝑝 − 0.3 = 0
𝑝 = 0.3 ■
b) Dos eventos son independientes, si se cumple:
𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴) ∗ 𝑃(𝐵)
Utilizandola definición de la probabilidad de la unión, y reemplazando
datos:
𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵)
0.7 = 0.4 + 𝑝 − 𝑃(𝐴 ∩ 𝐵)
0.7 = 0.4 + 𝑝 − 𝑃(𝐴) ∗ 𝑃(𝐵)
0.7 = 0.4+ 𝑝 − 0.4 ∗ 𝑝
𝑝 =
0.3
0.6
= 0.5 ■
7. Un número binarioestá compuesto sólo de los dígitos cero y uno. (Por
ejemplo: 1011, 1100, etc.)Esos números juegan un papel importante en el
uso de los computadores electrónicos. Supóngase que un número binario
está formadopor n dígitos. Supóngase que la probabilidad de que
aparezca un dígitoincorrecto es p y que los errores en dígitos diferentes
son independientes uno de otro. ¿Cuál es la probabilidadde formar un
número incorrecto?
Solución
Sea el experimentoaleatorio Ԑ = Formar un número binariode n dígitos
El espacio muestral asociadoes Ω = {(x1,x2,…,xn)}; dónde xi = 0,1.
Definimos los eventos:
Di = {El dígitoi-ésimo es incorrecto}; para i = 1,2,…,n
D = {El número de n-dígitos es incorrecto}
Se sabe que P(Di) = p y que 𝑃(⋂ 𝐷𝑖
𝑛
𝑖=1 ) = ∏ 𝑃(𝐷𝑖) = 𝑝𝑛
𝑛
𝑖=1 ∀𝑖 = 1,2,…, 𝑛 .
Se puede escribir el evento D como: 𝐷 = ⋃ 𝐷𝑖
𝑛
𝑖=1
Entonces la probabilidadde D es:
𝑃(𝐷) = 𝑃 (⋃𝐷𝑖
𝑛
𝑖=1
) = 1 − 𝑃 [(⋃𝐷𝑖
𝑛
𝑖=1
)
𝑐
] = 1 − 𝑃 (⋂𝐷𝑖
𝑐
𝑛
𝑖=1
)
= 1 − ∏(1 − 𝑝)
𝑛
𝑖
= 1 − (1 − 𝑝)𝑛
∎
8. La urna 1 contiene α esferas blancas y β esferas negras mientras que
una urna 2 contiene β esferas blancas y α esferas negras. Se escoge una
esfera (de una de las urnas) y luego se devuelve a esa urna. Si la esfera
escogida es blanca, se escoge la esfera siguiente de la urna 1; si la esfera
escogida es negra, se escoge la siguiente de la urna 2. Continúe de esta
manera.
Como la primera esfera escogida proviene de la urna 1, obtener la Prob(n-
ésima esfera escogida sea blanca)y también el límite cuando n →∞.
Solución.-
Se puede emplear un diagramade árbol para visualizar el problema:
Definimos Pn=P(la n-ésima esfera escogida sea blanca dadoque la primera
proviene de la urna 1).
𝐵 − 𝑈1
𝐵 − 𝑈1
𝐵 − 𝑈1
𝑁 − 𝑈2
𝑁 − 𝑈2
𝐵 − 𝑈1
𝑁 − 𝑈2
𝐵 − 𝑈1
𝑁 − 𝑈2
𝑁 − 𝑈2
𝐵 − 𝑈1
𝑁 − 𝑈2
𝐵 − 𝑈1
𝐵 − 𝑈2
𝑈1
𝑛 = 3
𝑛 = 2
𝑛 = 1
…
…
…
…
…
…
…
…
…
…
…
…
…
…
…
…
Del diagrama podemos escribir:
𝑃1 =
𝛼
𝛼 + 𝛽
=
(1
0
)𝛼1−0
𝛽0
𝛼 + 𝛽
𝑃2 =
𝛼2
+ 𝛽2
(𝛼 + 𝛽)2
=
(2
0
)𝛼2−0
𝛽0
+ (2
2
)𝛼2−2
𝛽2
(𝛼 + 𝛽)2
𝑃3 =
𝛼2
+ 3𝛼𝛽2
(𝛼 + 𝛽)3
=
(3
0
)𝛼3−0
𝛽0
+ (3
2
)𝛼3−2
𝛽2
(𝛼 + 𝛽)3
𝑃4 =
𝛼4
+ 6𝛼2
𝛽2
+ 𝛽4
(𝛼 + 𝛽)4
=
(4
0
)𝛼4−0
𝛽0
+ (4
2
)𝛼4−2
𝛽2
+ (4
4
)𝛼4−4
𝛽4
(𝛼 + 𝛽)4
De manera general, setiene:
𝑃𝑛 = ∑ (
𝑛
𝑘
)𝛼𝑛−𝑘
𝛽𝑘
0≤𝑘,𝑝𝑎𝑟≤𝑛
/ (𝛼 + 𝛽)^𝑛
9. 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 paro.
¿Cuál es la probabilidadde que una persona elegida al azar de la
población activa en este país esté en paro?
Solución.-
Se define el experimentoaleatorio Ԑ = Elegir una persona al azar de una
población activa.
Sea Ω = {M,H}
Definimos los eventos: M = {La persona es mujer}, H = {La persona es
hombre}, P = {La persona está en paro}. Entonces:
𝑃(𝑀) = 0.42 𝑃(𝐻) = 1 − 0.42 = 0.58
𝑃(𝑃|𝑀) = 0.24 𝑃(𝑃|𝐻) = 0.16
Gráficamente:
Usandola ley de la probabilidad total tenemos:
P(P) = P(P|M)P(M) + P(P|H)P(H)
= 0.24 × 0.42 + 0.16 × 0.58
= 0.1936 ■
La probabilidad de encontrar a una persona de la población que esté en
paro es 0.1936,o del 19.36%.
10. En una fábrica se embalan(en cajas) galletas en 4 cadenas de montaje;
A1, A2, A3 y A4. El 35% de la producción total se embala en la cadena A1
y el 20%, 24% y 21% en A2, A3 y A4 respectivamente. Los datos indican
que no se embalan correctamente un porcentaje pequeño de las cajas; el
1% de A1, el 3% de A2, el 2.5% de A3 y el 2% de A4. Calcular:
a) La probabilidad de que una caja elegida al azarde la producción total
sea defectuosa.
b) Se descubre que una caja es defectuosa, ¿Cuál es la probabilidadde que
provenga de la cadena A1?, ¿De la cadena A2?, ¿De la cadena A3?, ¿De la
cadena A4?
P
M = 0.42 H = 0.58
0.24
0.16
0.76
0.84
Solución.-
Definimos D = {Caja defectuosa}
De forma gráfica tenemos:
a) Por la ley de la probabilidadtotal tenemos:
P(D) = ∑ P(D|Ai)P(Ai)
4
i=1
= 0.01∗ 0.35+ 0.03∗ 0.20 + 0.025 ∗ 0.24+ 0.02∗ 0.21
= 0.0197 ∎
La probabilidad de que una caja elegida al azarresulte defectuosa es
0.0197, o del 1.97%.
b) Por el teorema de bayes, tenemos:
𝑃(𝐴1|𝐷) =
𝑃(𝐷|𝐴1)𝑃(𝐴1)
𝑃(𝐷)
=
0.01 ∗ 0.35
0.0197
= 0.1777 ∎
De manera similar,setiene para las demás cadenas:
𝑃(𝐴2|𝐷) =
𝑃(𝐷|𝐴2)𝑃(𝐴2)
𝑃(𝐷)
=
0.03 ∗ 0.20
0.0197
= 0.3046
0.01
0.03 0.025 0.02
0.99 0.97 0.975
0.98
A1 A2 A3 A4
𝑃(𝐴3|𝐷) =
𝑃(𝐷|𝐴3)𝑃(𝐴3)
𝑃(𝐷)
=
0.025∗ 0.24
0.0197
= 0.3046
𝑃(𝐴4|𝐷) =
𝑃(𝐷|𝐴4)𝑃(𝐴4)
𝑃(𝐷)
=
0.02 ∗ 0.21
0.0197
= 0.2132 ∎

More Related Content

What's hot

CÁLCULO INTEGRAL
CÁLCULO INTEGRALCÁLCULO INTEGRAL
CÁLCULO INTEGRAL
Carlos Aviles Galeas
 
Ejercicios de distribuciones de probabilidad
Ejercicios de distribuciones de probabilidadEjercicios de distribuciones de probabilidad
Ejercicios de distribuciones de probabilidad
rossee2012
 
Vectores
VectoresVectores
Vectores
edisonxavier8
 
14_Funciones de Probabilidad_2022.pdf
14_Funciones de Probabilidad_2022.pdf14_Funciones de Probabilidad_2022.pdf
14_Funciones de Probabilidad_2022.pdf
CristopherCamiloFlor
 
Distribución gamma
Distribución gammaDistribución gamma
Distribución gamma
alfagar
 
Distribucion geometrica
Distribucion geometricaDistribucion geometrica
Distribucion geometrica
javier
 
Distribucion binomial y de poisson
Distribucion binomial y de poissonDistribucion binomial y de poisson
Distribucion binomial y de poisson
Silvia Aristizabal
 
Silvia muñoz 4-7
Silvia muñoz  4-7Silvia muñoz  4-7
Silvia muñoz 4-7
silvia21mm
 
Taller 3
Taller 3Taller 3
Ejercicios de estadistica
Ejercicios de estadisticaEjercicios de estadistica
Ejercicios de estadistica
96333
 
Distribución de probabilidad Poisson
Distribución de probabilidad PoissonDistribución de probabilidad Poisson
Distribución de probabilidad Poisson
crisstyramos
 
Distribucion Binomial
Distribucion BinomialDistribucion Binomial
Distribucion Binomial
Alex Rivadeneira
 
Solucionario primer parcial
Solucionario primer parcial Solucionario primer parcial
Solucionario primer parcial
Carlos Rene Aiza Veramendi
 
Trabajo3 unidad2
Trabajo3 unidad2Trabajo3 unidad2
Trabajo3 unidad2
alimacni
 
Distribuciones 5 ejemplos
Distribuciones 5 ejemplosDistribuciones 5 ejemplos
Distribuciones 5 ejemplos
sontorito0o
 
Distribucion Geometrica
Distribucion GeometricaDistribucion Geometrica
Sumatoria doble
Sumatoria dobleSumatoria doble
Sumatoria doble
bhylenia
 
Ejercicios de distribucion normal estandar
Ejercicios de distribucion normal estandarEjercicios de distribucion normal estandar
Ejercicios de distribucion normal estandar
Nathywiiz Hernández
 
Distribución gamma y exponencial
Distribución gamma y exponencialDistribución gamma y exponencial
Distribución gamma y exponencial
Luis Alfredo Moctezuma Pascual
 
Taller #3 integrales seguimiento 3
Taller #3 integrales seguimiento 3Taller #3 integrales seguimiento 3
Taller #3 integrales seguimiento 3
Marvin Roldan
 

What's hot (20)

CÁLCULO INTEGRAL
CÁLCULO INTEGRALCÁLCULO INTEGRAL
CÁLCULO INTEGRAL
 
Ejercicios de distribuciones de probabilidad
Ejercicios de distribuciones de probabilidadEjercicios de distribuciones de probabilidad
Ejercicios de distribuciones de probabilidad
 
Vectores
VectoresVectores
Vectores
 
14_Funciones de Probabilidad_2022.pdf
14_Funciones de Probabilidad_2022.pdf14_Funciones de Probabilidad_2022.pdf
14_Funciones de Probabilidad_2022.pdf
 
Distribución gamma
Distribución gammaDistribución gamma
Distribución gamma
 
Distribucion geometrica
Distribucion geometricaDistribucion geometrica
Distribucion geometrica
 
Distribucion binomial y de poisson
Distribucion binomial y de poissonDistribucion binomial y de poisson
Distribucion binomial y de poisson
 
Silvia muñoz 4-7
Silvia muñoz  4-7Silvia muñoz  4-7
Silvia muñoz 4-7
 
Taller 3
Taller 3Taller 3
Taller 3
 
Ejercicios de estadistica
Ejercicios de estadisticaEjercicios de estadistica
Ejercicios de estadistica
 
Distribución de probabilidad Poisson
Distribución de probabilidad PoissonDistribución de probabilidad Poisson
Distribución de probabilidad Poisson
 
Distribucion Binomial
Distribucion BinomialDistribucion Binomial
Distribucion Binomial
 
Solucionario primer parcial
Solucionario primer parcial Solucionario primer parcial
Solucionario primer parcial
 
Trabajo3 unidad2
Trabajo3 unidad2Trabajo3 unidad2
Trabajo3 unidad2
 
Distribuciones 5 ejemplos
Distribuciones 5 ejemplosDistribuciones 5 ejemplos
Distribuciones 5 ejemplos
 
Distribucion Geometrica
Distribucion GeometricaDistribucion Geometrica
Distribucion Geometrica
 
Sumatoria doble
Sumatoria dobleSumatoria doble
Sumatoria doble
 
Ejercicios de distribucion normal estandar
Ejercicios de distribucion normal estandarEjercicios de distribucion normal estandar
Ejercicios de distribucion normal estandar
 
Distribución gamma y exponencial
Distribución gamma y exponencialDistribución gamma y exponencial
Distribución gamma y exponencial
 
Taller #3 integrales seguimiento 3
Taller #3 integrales seguimiento 3Taller #3 integrales seguimiento 3
Taller #3 integrales seguimiento 3
 

Similar to Práctica 1 auxiliatura estadística

Problemas de estadistica
Problemas de estadisticaProblemas de estadistica
Problemas de estadistica
JAVIERTELLOCAMPOS
 
Practice Test 2 Solutions
Practice Test 2  SolutionsPractice Test 2  Solutions
Practice Test 2 Solutions
Long Beach City College
 
Chapter 04 answers
Chapter 04 answersChapter 04 answers
Chapter 04 answers
Rajwinder Marock
 
Solución examen fase iii
Solución examen fase iiiSolución examen fase iii
Solución examen fase iii
NinfaCasazola
 
CBSE XI MATHS SOLVED PAPER
CBSE XI MATHS SOLVED PAPERCBSE XI MATHS SOLVED PAPER
CBSE XI MATHS SOLVED PAPER
Gautham Rajesh
 
Chapter 3 SE 2015.pptx
Chapter 3 SE 2015.pptxChapter 3 SE 2015.pptx
Chapter 3 SE 2015.pptx
miki304759
 
Year 13 challenge mathematics problems 107
Year 13 challenge mathematics problems 107Year 13 challenge mathematics problems 107
Year 13 challenge mathematics problems 107
Dennis Almeida
 
Higher nov 2008_p1old
Higher nov 2008_p1oldHigher nov 2008_p1old
Higher nov 2008_p1old
ybamary
 
R4 m.s. radhakrishnan, probability &amp; statistics, dlpd notes.
R4 m.s. radhakrishnan, probability &amp; statistics, dlpd notes.R4 m.s. radhakrishnan, probability &amp; statistics, dlpd notes.
R4 m.s. radhakrishnan, probability &amp; statistics, dlpd notes.
Ramachandran Uthirapathi R
 
Em01 ba
Em01 baEm01 ba
Em01 ba
nahomyitbarek
 
Ecuaciones lineales 1
Ecuaciones lineales 1Ecuaciones lineales 1
Ecuaciones lineales 1
AngieDamianMojica
 
Course material mca
Course material   mcaCourse material   mca
Course material mca
shagufthaiffath
 
Lecture 5 Binomial Distribution.pptx
Lecture 5 Binomial Distribution.pptxLecture 5 Binomial Distribution.pptx
Lecture 5 Binomial Distribution.pptx
ABCraftsman
 
Mathematical Statistics Homework Help
Mathematical Statistics Homework HelpMathematical Statistics Homework Help
Mathematical Statistics Homework Help
Statistics Homework Helper
 
Truth, deduction, computation lecture g
Truth, deduction, computation   lecture gTruth, deduction, computation   lecture g
Truth, deduction, computation lecture g
Vlad Patryshev
 
Complete ncert exemplar class 10
Complete ncert exemplar class 10Complete ncert exemplar class 10
Complete ncert exemplar class 10
physicsmaths5
 
Soluciones quiz
Soluciones quizSoluciones quiz
10 unsolved papers with answers class 12
10 unsolved papers with answers class 1210 unsolved papers with answers class 12
10 unsolved papers with answers class 12
nitishguptamaps
 
Additional mathematics
Additional mathematicsAdditional mathematics
Additional mathematics
geraldsiew
 
IUTS Extension Guarenas Probabilidades
IUTS Extension Guarenas ProbabilidadesIUTS Extension Guarenas Probabilidades
IUTS Extension Guarenas Probabilidades
AlexanderReyes63
 

Similar to Práctica 1 auxiliatura estadística (20)

Problemas de estadistica
Problemas de estadisticaProblemas de estadistica
Problemas de estadistica
 
Practice Test 2 Solutions
Practice Test 2  SolutionsPractice Test 2  Solutions
Practice Test 2 Solutions
 
Chapter 04 answers
Chapter 04 answersChapter 04 answers
Chapter 04 answers
 
Solución examen fase iii
Solución examen fase iiiSolución examen fase iii
Solución examen fase iii
 
CBSE XI MATHS SOLVED PAPER
CBSE XI MATHS SOLVED PAPERCBSE XI MATHS SOLVED PAPER
CBSE XI MATHS SOLVED PAPER
 
Chapter 3 SE 2015.pptx
Chapter 3 SE 2015.pptxChapter 3 SE 2015.pptx
Chapter 3 SE 2015.pptx
 
Year 13 challenge mathematics problems 107
Year 13 challenge mathematics problems 107Year 13 challenge mathematics problems 107
Year 13 challenge mathematics problems 107
 
Higher nov 2008_p1old
Higher nov 2008_p1oldHigher nov 2008_p1old
Higher nov 2008_p1old
 
R4 m.s. radhakrishnan, probability &amp; statistics, dlpd notes.
R4 m.s. radhakrishnan, probability &amp; statistics, dlpd notes.R4 m.s. radhakrishnan, probability &amp; statistics, dlpd notes.
R4 m.s. radhakrishnan, probability &amp; statistics, dlpd notes.
 
Em01 ba
Em01 baEm01 ba
Em01 ba
 
Ecuaciones lineales 1
Ecuaciones lineales 1Ecuaciones lineales 1
Ecuaciones lineales 1
 
Course material mca
Course material   mcaCourse material   mca
Course material mca
 
Lecture 5 Binomial Distribution.pptx
Lecture 5 Binomial Distribution.pptxLecture 5 Binomial Distribution.pptx
Lecture 5 Binomial Distribution.pptx
 
Mathematical Statistics Homework Help
Mathematical Statistics Homework HelpMathematical Statistics Homework Help
Mathematical Statistics Homework Help
 
Truth, deduction, computation lecture g
Truth, deduction, computation   lecture gTruth, deduction, computation   lecture g
Truth, deduction, computation lecture g
 
Complete ncert exemplar class 10
Complete ncert exemplar class 10Complete ncert exemplar class 10
Complete ncert exemplar class 10
 
Soluciones quiz
Soluciones quizSoluciones quiz
Soluciones quiz
 
10 unsolved papers with answers class 12
10 unsolved papers with answers class 1210 unsolved papers with answers class 12
10 unsolved papers with answers class 12
 
Additional mathematics
Additional mathematicsAdditional mathematics
Additional mathematics
 
IUTS Extension Guarenas Probabilidades
IUTS Extension Guarenas ProbabilidadesIUTS Extension Guarenas Probabilidades
IUTS Extension Guarenas Probabilidades
 

Recently uploaded

假文凭国外(Adelaide毕业证)澳大利亚国立大学毕业证成绩单办理
假文凭国外(Adelaide毕业证)澳大利亚国立大学毕业证成绩单办理假文凭国外(Adelaide毕业证)澳大利亚国立大学毕业证成绩单办理
假文凭国外(Adelaide毕业证)澳大利亚国立大学毕业证成绩单办理
cuobya
 
存档可查的(USC毕业证)南加利福尼亚大学毕业证成绩单制做办理
存档可查的(USC毕业证)南加利福尼亚大学毕业证成绩单制做办理存档可查的(USC毕业证)南加利福尼亚大学毕业证成绩单制做办理
存档可查的(USC毕业证)南加利福尼亚大学毕业证成绩单制做办理
fovkoyb
 
Understanding User Behavior with Google Analytics.pdf
Understanding User Behavior with Google Analytics.pdfUnderstanding User Behavior with Google Analytics.pdf
Understanding User Behavior with Google Analytics.pdf
SEO Article Boost
 
Explore-Insanony: Watch Instagram Stories Secretly
Explore-Insanony: Watch Instagram Stories SecretlyExplore-Insanony: Watch Instagram Stories Secretly
Explore-Insanony: Watch Instagram Stories Secretly
Trending Blogers
 
可查真实(Monash毕业证)西澳大学毕业证成绩单退学买
可查真实(Monash毕业证)西澳大学毕业证成绩单退学买可查真实(Monash毕业证)西澳大学毕业证成绩单退学买
可查真实(Monash毕业证)西澳大学毕业证成绩单退学买
cuobya
 
Design Thinking NETFLIX using all techniques.pptx
Design Thinking NETFLIX using all techniques.pptxDesign Thinking NETFLIX using all techniques.pptx
Design Thinking NETFLIX using all techniques.pptx
saathvikreddy2003
 
办理毕业证(UPenn毕业证)宾夕法尼亚大学毕业证成绩单快速办理
办理毕业证(UPenn毕业证)宾夕法尼亚大学毕业证成绩单快速办理办理毕业证(UPenn毕业证)宾夕法尼亚大学毕业证成绩单快速办理
办理毕业证(UPenn毕业证)宾夕法尼亚大学毕业证成绩单快速办理
uehowe
 
Discover the benefits of outsourcing SEO to India
Discover the benefits of outsourcing SEO to IndiaDiscover the benefits of outsourcing SEO to India
Discover the benefits of outsourcing SEO to India
davidjhones387
 
Search Result Showing My Post is Now Buried
Search Result Showing My Post is Now BuriedSearch Result Showing My Post is Now Buried
Search Result Showing My Post is Now Buried
Trish Parr
 
成绩单ps(UST毕业证)圣托马斯大学毕业证成绩单快速办理
成绩单ps(UST毕业证)圣托马斯大学毕业证成绩单快速办理成绩单ps(UST毕业证)圣托马斯大学毕业证成绩单快速办理
成绩单ps(UST毕业证)圣托马斯大学毕业证成绩单快速办理
ysasp1
 
7 Best Cloud Hosting Services to Try Out in 2024
7 Best Cloud Hosting Services to Try Out in 20247 Best Cloud Hosting Services to Try Out in 2024
7 Best Cloud Hosting Services to Try Out in 2024
Danica Gill
 
Should Repositories Participate in the Fediverse?
Should Repositories Participate in the Fediverse?Should Repositories Participate in the Fediverse?
Should Repositories Participate in the Fediverse?
Paul Walk
 
学位认证网(DU毕业证)迪肯大学毕业证成绩单一比一原版制作
学位认证网(DU毕业证)迪肯大学毕业证成绩单一比一原版制作学位认证网(DU毕业证)迪肯大学毕业证成绩单一比一原版制作
学位认证网(DU毕业证)迪肯大学毕业证成绩单一比一原版制作
zyfovom
 
Meet up Milano 14 _ Axpo Italia_ Migration from Mule3 (On-prem) to.pdf
Meet up Milano 14 _ Axpo Italia_ Migration from Mule3 (On-prem) to.pdfMeet up Milano 14 _ Axpo Italia_ Migration from Mule3 (On-prem) to.pdf
Meet up Milano 14 _ Axpo Italia_ Migration from Mule3 (On-prem) to.pdf
Florence Consulting
 
[HUN][hackersuli] Red Teaming alapok 2024
[HUN][hackersuli] Red Teaming alapok 2024[HUN][hackersuli] Red Teaming alapok 2024
[HUN][hackersuli] Red Teaming alapok 2024
hackersuli
 
Azure EA Sponsorship - Customer Guide.pdf
Azure EA Sponsorship - Customer Guide.pdfAzure EA Sponsorship - Customer Guide.pdf
Azure EA Sponsorship - Customer Guide.pdf
AanSulistiyo
 
不能毕业如何获得(USYD毕业证)悉尼大学毕业证成绩单一比一原版制作
不能毕业如何获得(USYD毕业证)悉尼大学毕业证成绩单一比一原版制作不能毕业如何获得(USYD毕业证)悉尼大学毕业证成绩单一比一原版制作
不能毕业如何获得(USYD毕业证)悉尼大学毕业证成绩单一比一原版制作
bseovas
 
manuaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaal
manuaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaalmanuaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaal
manuaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaal
wolfsoftcompanyco
 
办理毕业证(NYU毕业证)纽约大学毕业证成绩单官方原版办理
办理毕业证(NYU毕业证)纽约大学毕业证成绩单官方原版办理办理毕业证(NYU毕业证)纽约大学毕业证成绩单官方原版办理
办理毕业证(NYU毕业证)纽约大学毕业证成绩单官方原版办理
uehowe
 
Ready to Unlock the Power of Blockchain!
Ready to Unlock the Power of Blockchain!Ready to Unlock the Power of Blockchain!
Ready to Unlock the Power of Blockchain!
Toptal Tech
 

Recently uploaded (20)

假文凭国外(Adelaide毕业证)澳大利亚国立大学毕业证成绩单办理
假文凭国外(Adelaide毕业证)澳大利亚国立大学毕业证成绩单办理假文凭国外(Adelaide毕业证)澳大利亚国立大学毕业证成绩单办理
假文凭国外(Adelaide毕业证)澳大利亚国立大学毕业证成绩单办理
 
存档可查的(USC毕业证)南加利福尼亚大学毕业证成绩单制做办理
存档可查的(USC毕业证)南加利福尼亚大学毕业证成绩单制做办理存档可查的(USC毕业证)南加利福尼亚大学毕业证成绩单制做办理
存档可查的(USC毕业证)南加利福尼亚大学毕业证成绩单制做办理
 
Understanding User Behavior with Google Analytics.pdf
Understanding User Behavior with Google Analytics.pdfUnderstanding User Behavior with Google Analytics.pdf
Understanding User Behavior with Google Analytics.pdf
 
Explore-Insanony: Watch Instagram Stories Secretly
Explore-Insanony: Watch Instagram Stories SecretlyExplore-Insanony: Watch Instagram Stories Secretly
Explore-Insanony: Watch Instagram Stories Secretly
 
可查真实(Monash毕业证)西澳大学毕业证成绩单退学买
可查真实(Monash毕业证)西澳大学毕业证成绩单退学买可查真实(Monash毕业证)西澳大学毕业证成绩单退学买
可查真实(Monash毕业证)西澳大学毕业证成绩单退学买
 
Design Thinking NETFLIX using all techniques.pptx
Design Thinking NETFLIX using all techniques.pptxDesign Thinking NETFLIX using all techniques.pptx
Design Thinking NETFLIX using all techniques.pptx
 
办理毕业证(UPenn毕业证)宾夕法尼亚大学毕业证成绩单快速办理
办理毕业证(UPenn毕业证)宾夕法尼亚大学毕业证成绩单快速办理办理毕业证(UPenn毕业证)宾夕法尼亚大学毕业证成绩单快速办理
办理毕业证(UPenn毕业证)宾夕法尼亚大学毕业证成绩单快速办理
 
Discover the benefits of outsourcing SEO to India
Discover the benefits of outsourcing SEO to IndiaDiscover the benefits of outsourcing SEO to India
Discover the benefits of outsourcing SEO to India
 
Search Result Showing My Post is Now Buried
Search Result Showing My Post is Now BuriedSearch Result Showing My Post is Now Buried
Search Result Showing My Post is Now Buried
 
成绩单ps(UST毕业证)圣托马斯大学毕业证成绩单快速办理
成绩单ps(UST毕业证)圣托马斯大学毕业证成绩单快速办理成绩单ps(UST毕业证)圣托马斯大学毕业证成绩单快速办理
成绩单ps(UST毕业证)圣托马斯大学毕业证成绩单快速办理
 
7 Best Cloud Hosting Services to Try Out in 2024
7 Best Cloud Hosting Services to Try Out in 20247 Best Cloud Hosting Services to Try Out in 2024
7 Best Cloud Hosting Services to Try Out in 2024
 
Should Repositories Participate in the Fediverse?
Should Repositories Participate in the Fediverse?Should Repositories Participate in the Fediverse?
Should Repositories Participate in the Fediverse?
 
学位认证网(DU毕业证)迪肯大学毕业证成绩单一比一原版制作
学位认证网(DU毕业证)迪肯大学毕业证成绩单一比一原版制作学位认证网(DU毕业证)迪肯大学毕业证成绩单一比一原版制作
学位认证网(DU毕业证)迪肯大学毕业证成绩单一比一原版制作
 
Meet up Milano 14 _ Axpo Italia_ Migration from Mule3 (On-prem) to.pdf
Meet up Milano 14 _ Axpo Italia_ Migration from Mule3 (On-prem) to.pdfMeet up Milano 14 _ Axpo Italia_ Migration from Mule3 (On-prem) to.pdf
Meet up Milano 14 _ Axpo Italia_ Migration from Mule3 (On-prem) to.pdf
 
[HUN][hackersuli] Red Teaming alapok 2024
[HUN][hackersuli] Red Teaming alapok 2024[HUN][hackersuli] Red Teaming alapok 2024
[HUN][hackersuli] Red Teaming alapok 2024
 
Azure EA Sponsorship - Customer Guide.pdf
Azure EA Sponsorship - Customer Guide.pdfAzure EA Sponsorship - Customer Guide.pdf
Azure EA Sponsorship - Customer Guide.pdf
 
不能毕业如何获得(USYD毕业证)悉尼大学毕业证成绩单一比一原版制作
不能毕业如何获得(USYD毕业证)悉尼大学毕业证成绩单一比一原版制作不能毕业如何获得(USYD毕业证)悉尼大学毕业证成绩单一比一原版制作
不能毕业如何获得(USYD毕业证)悉尼大学毕业证成绩单一比一原版制作
 
manuaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaal
manuaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaalmanuaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaal
manuaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaal
 
办理毕业证(NYU毕业证)纽约大学毕业证成绩单官方原版办理
办理毕业证(NYU毕业证)纽约大学毕业证成绩单官方原版办理办理毕业证(NYU毕业证)纽约大学毕业证成绩单官方原版办理
办理毕业证(NYU毕业证)纽约大学毕业证成绩单官方原版办理
 
Ready to Unlock the Power of Blockchain!
Ready to Unlock the Power of Blockchain!Ready to Unlock the Power of Blockchain!
Ready to Unlock the Power of Blockchain!
 

Práctica 1 auxiliatura estadística

  • 1. Práctica 1 1. En una habitación 10 personas tienen insignias numeradasdel 1 al 10. Se eligen tres personas al azar y se les pide que dejen la habitación simultáneamente y se anotan los números de las insignias. a) ¿Cuál es la probabilidad de que el número menor de las insignias sea 5? b) ¿Cuál es la probabilidad de que el número mayor de las insignias sea 5? Solución.- Sea el experimentoaleatorio Ԑ = Elegir 3 personas al azar de 10 que están numeradas del 1 al 10 sin reposición. Sea el espacio muestral asociado Ω = {(1,2,3),(1,3,4),(1,4,5),(1,5,6),…} N(Ω) ={𝐶10 3 = (10 3 ) = 10! 7!3! = 120} a) Se define el evento A = {El número menor de las insignias anotadas es 5} El evento A debe contener al 5 como el menor número que se anota, por lo que tiene la terna (5, x, y) donde x, y son números que pertenecen al conjunto (6,7,8,9,10). Por lo tanto 𝑁(𝐴) = {𝐶5 2 = ( 5 2 ) = 5! 3!2! = 10} Así, se tiene la probabilidad: 𝑃(𝐴) = 10 120 = 1 12 = 0.08333 ■ La probabilidad de que el número menor de las insignias anotadas sea 5 es de 0.08333, oen porcentaje, del 8.333%. b) Se define el evento B = {El número mayor de las insignias anotadas es 5}
  • 2. De forma similar al incisoa), el evento B debe contener al 5 como el número mayor de la terna (x, y, 5), con x, y pertenecientes al conjunto (1,2,3,4).Así: 𝑁(𝐵) = {𝐶4 2 = (4 2 ) = 4! 2!2! = 6} De tal manera que la probabilidad del eventoes: 𝑃(𝐵) = 6 120 = 1 20 = 0.05 ■ La probabilidad de que el número mayor de las insignias anotadas sea 5 es de 0.05, odel 5%. 2. Un lote consta de 10 artículos sin defecto, 4 con pequeños defectos y 2 con defectos graves. Se elige un artículo al azar. Encontrar la probabilidad de que: a) No tenga defectos. b) No tenga un defecto grave. c) Que no tenga un defecto o que tenga un defecto grave. Solución.- Se define el experimentoaleatorio Ԑ = Elegir al azar un artículo de un lote. Sea el espacio muestral asociado Ω = {AB, DP, DG}dónde AB = Artículo bueno, DP = Defecto pequeño, DG = Defecto grave. Y sea N(Ω) = {10+4+2= 16}. a) Se define el evento A = {El artículo no tiene defectos} N(A) = {10} 𝑃(𝐴) = 10 16 = 5 8 = 0.625 ■
  • 3. La probabilidad que un artículo elegidoal azar del lote no tenga defectos es 0.625,o del 62.5%. b) Se define B = {El artículo no tiene un defecto grave} N(B) = {10+4=14} 𝑃(𝐵) = 14 16 = 7 9 = 0.778 ■ La probabilidad que un artículo elegidoal azar del lote no tenga un defecto grave es 0.778,o del 77,8%. c) Definimos C = {El artículo no tiene defectos o tiene un defecto grave} Ya que los eventos AB y DG son excluyentes, se tiene: 𝑁(𝐶) = {𝐴𝐵 ∪ 𝐷𝐺 = 10+ 2 = 12} 𝑃(𝐶) = 12 16 = 3 4 = 0.75 ■ La probabilidad que un artículo elegidoal azar del lote no tenga defectos o tenga un defecto grave es de 0.75, odel 75%. 3. Un cargamentode 1500 lavadoras contiene 400 defectuosas y 1100 no defectuosas. Se eligen al azar 200 lavadoras (sin sustitución) y se clasifican. a) ¿Cuál es la probabilidad de que se encuentren exactamente 90 artículos defectuosos? b) ¿Cuál es la probabilidad de que se encuentren al menos 2 artículos defectuosos? Solución.- Sea el experimentoaleatorio Ԑ = Elegir 200 lavadoras sin sustitución y observar sus defectos. Sea el espacio muestral asociado Ω = {(x1, x2, …, x200)} con xi = D, ND. 𝑁(𝛺) = {𝐶1500 200 = (1500 200 )}
  • 4. a) Sea A = {Existen exactamente 90 lavadoras defectuosas} 𝑁(𝐴) = {(400 90 )(1100 110 )} Entonces 𝑃(𝐴) = (400 90 )(1100 110 ) (1500 200 ) ■ b) Sea B = {Existen al menos 2 lavadoras defectuosas} 𝑁(𝐵) = {(400 2 )(1100 198 ) + (400 3 )(1100 197 ) + (400 4 )(1100 196 ) + ⋯} Para simplificar los cálculos, usamos la propiedad: 𝑃(𝐵) = 1 − 𝑃(𝐵𝐶 ) Para este efecto, definimos BC = {Existen a lo sumo 2 lavadorasdefectuosas} 𝑁(𝐵𝐶 ) = {(400 0 )(1100 200 )+ (400 1 )(1100 199 )} Así, se calcula P(B) 𝑃(𝐵) = 1 − 𝑃(𝐵𝐶 ) = 1 − (400 2 )(1100 198 )+(400 3 )(1100 197 ) (1500 200 ) ■ 4. r números (0 < r < 10) se escogen al azar (con sustitución) entre los números 0, 1, 2, … ,9. ¿Cuál es la probabilidad de que dos no sean iguales? Solución.- Sea Ԑ = Elegir r números al azar con sustitución del conjunto 0, 1, 2, … ,9. El espacio muestral asociadoes Ω = {(x1,x2,…,xr)} con xi = 0, 1, 2, … ,9 ∀𝑖 = 1,… , 𝑟 Entonces, N(Ω) = {10*10*… *10 = 10r} Sea el evento A = {Dos números de los que se eligen no son iguales} 𝑁(𝐴) = {10(10 − 1)(10 − 2)…(10 − 𝑟 + 1) = 10! (10−𝑟)! = 10𝑃𝑟}
  • 5. Así 𝑃(𝐴) = 10𝑃𝑟 10𝑟 = 10! (10−𝑟)! 10𝑟 = 10! 10𝑟(10−𝑟)! ■ 5. Una caja contiene 4 tubos malos y 6 buenos. Se sacan dos a la vez. Se prueba uno de ellos y se encuentra que es bueno. ¿Cuál es la probabilidad de que el otro también sea bueno? Solución.- Sea el experimentoaleatorio Ԑ = Elegir 2 tubos de 10 a la vez. Sea el espacio muestral asociado Ω = {(B,M), (B,B),(M,B),} 𝑁(𝛺) = {𝐶10 2 = (10 2 ) = 10! 8!2! = 45} Podemos definir los eventos: X = {El primer tubo es bueno}, Y = {El segundotubo también es bueno} Así, se tiene: 𝑃(𝑌|𝑋) = 𝑃(𝑌∩𝑋) 𝑃(𝑋) Entonces 𝑃(𝑌 ∩ 𝑋) = 𝐶2 6 45 = 6! 2!4! 45 = 15 45 = 1 3 = 0.3333 Para que ocurra X, tienen que haber ocurridodos sucesos: {B,M}, {B,B}. Así: 𝑃(𝑋) = 𝑃[(𝐵 ∩ 𝑀) ∪ (𝐵 ∩ 𝐵)] = 𝑃[𝐵 ∩ 𝑀] + 𝑃[𝐵 ∩ 𝐵] 𝑃(𝑋) = 𝑃(𝐵|𝑀)𝑃(𝑀) + 𝑃(𝐵|𝐵)𝑃(𝐵) = 24 45 ∗ 1 2 + 15 45 ∗ 1 = 27 45 Luego 𝑃(𝑌|𝑋) = 1 3 ⁄ 27 45 ⁄ = 5 9 = 0.5556 ■ La probabilidad de que un segundotubo sea bueno dadoque el primero es bueno es de 0.5556,o del 55.56%.
  • 6. 6. Sean A y B dos sucesos asociados con un experimento. Supóngase que P(A) = 0.4 mientras que P(A∪B) = 0.7. Sea P(B) = p. a) ¿Para qué elección de p son A y B mutuamente excluyentes? b) ¿Para qué elección de p son A y B independientes? Solución.- a) Para que dos eventos sean mutuamente excluyentes, se debe cumplir que: 𝐴 ∩ 𝐵 = ∅ Entonces usamos la definición de la probabilidadde la unión de eventos: 𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵) Reemplazandolos datos: 0.7 = 0.4 + 𝑝 − 𝑃(𝐴 ∩ 𝐵) 𝑃(𝐴 ∩ 𝐵) = 0.4 + 𝑝 − 0.7 = 𝑝 − 0.3 Ya que 𝑃(∅) = 0 se tiene que: 𝑃(𝐴 ∩ 𝐵) = 𝑝 − 0.3 = 0 𝑝 = 0.3 ■ b) Dos eventos son independientes, si se cumple: 𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴) ∗ 𝑃(𝐵) Utilizandola definición de la probabilidad de la unión, y reemplazando datos: 𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵) 0.7 = 0.4 + 𝑝 − 𝑃(𝐴 ∩ 𝐵) 0.7 = 0.4 + 𝑝 − 𝑃(𝐴) ∗ 𝑃(𝐵) 0.7 = 0.4+ 𝑝 − 0.4 ∗ 𝑝 𝑝 = 0.3 0.6 = 0.5 ■
  • 7. 7. Un número binarioestá compuesto sólo de los dígitos cero y uno. (Por ejemplo: 1011, 1100, etc.)Esos números juegan un papel importante en el uso de los computadores electrónicos. Supóngase que un número binario está formadopor n dígitos. Supóngase que la probabilidad de que aparezca un dígitoincorrecto es p y que los errores en dígitos diferentes son independientes uno de otro. ¿Cuál es la probabilidadde formar un número incorrecto? Solución Sea el experimentoaleatorio Ԑ = Formar un número binariode n dígitos El espacio muestral asociadoes Ω = {(x1,x2,…,xn)}; dónde xi = 0,1. Definimos los eventos: Di = {El dígitoi-ésimo es incorrecto}; para i = 1,2,…,n D = {El número de n-dígitos es incorrecto} Se sabe que P(Di) = p y que 𝑃(⋂ 𝐷𝑖 𝑛 𝑖=1 ) = ∏ 𝑃(𝐷𝑖) = 𝑝𝑛 𝑛 𝑖=1 ∀𝑖 = 1,2,…, 𝑛 . Se puede escribir el evento D como: 𝐷 = ⋃ 𝐷𝑖 𝑛 𝑖=1 Entonces la probabilidadde D es: 𝑃(𝐷) = 𝑃 (⋃𝐷𝑖 𝑛 𝑖=1 ) = 1 − 𝑃 [(⋃𝐷𝑖 𝑛 𝑖=1 ) 𝑐 ] = 1 − 𝑃 (⋂𝐷𝑖 𝑐 𝑛 𝑖=1 ) = 1 − ∏(1 − 𝑝) 𝑛 𝑖 = 1 − (1 − 𝑝)𝑛 ∎ 8. La urna 1 contiene α esferas blancas y β esferas negras mientras que una urna 2 contiene β esferas blancas y α esferas negras. Se escoge una esfera (de una de las urnas) y luego se devuelve a esa urna. Si la esfera escogida es blanca, se escoge la esfera siguiente de la urna 1; si la esfera escogida es negra, se escoge la siguiente de la urna 2. Continúe de esta manera.
  • 8. Como la primera esfera escogida proviene de la urna 1, obtener la Prob(n- ésima esfera escogida sea blanca)y también el límite cuando n →∞. Solución.- Se puede emplear un diagramade árbol para visualizar el problema: Definimos Pn=P(la n-ésima esfera escogida sea blanca dadoque la primera proviene de la urna 1). 𝐵 − 𝑈1 𝐵 − 𝑈1 𝐵 − 𝑈1 𝑁 − 𝑈2 𝑁 − 𝑈2 𝐵 − 𝑈1 𝑁 − 𝑈2 𝐵 − 𝑈1 𝑁 − 𝑈2 𝑁 − 𝑈2 𝐵 − 𝑈1 𝑁 − 𝑈2 𝐵 − 𝑈1 𝐵 − 𝑈2 𝑈1 𝑛 = 3 𝑛 = 2 𝑛 = 1 … … … … … … … … … … … … … … … …
  • 9. Del diagrama podemos escribir: 𝑃1 = 𝛼 𝛼 + 𝛽 = (1 0 )𝛼1−0 𝛽0 𝛼 + 𝛽 𝑃2 = 𝛼2 + 𝛽2 (𝛼 + 𝛽)2 = (2 0 )𝛼2−0 𝛽0 + (2 2 )𝛼2−2 𝛽2 (𝛼 + 𝛽)2 𝑃3 = 𝛼2 + 3𝛼𝛽2 (𝛼 + 𝛽)3 = (3 0 )𝛼3−0 𝛽0 + (3 2 )𝛼3−2 𝛽2 (𝛼 + 𝛽)3 𝑃4 = 𝛼4 + 6𝛼2 𝛽2 + 𝛽4 (𝛼 + 𝛽)4 = (4 0 )𝛼4−0 𝛽0 + (4 2 )𝛼4−2 𝛽2 + (4 4 )𝛼4−4 𝛽4 (𝛼 + 𝛽)4 De manera general, setiene: 𝑃𝑛 = ∑ ( 𝑛 𝑘 )𝛼𝑛−𝑘 𝛽𝑘 0≤𝑘,𝑝𝑎𝑟≤𝑛 / (𝛼 + 𝛽)^𝑛 9. 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 paro. ¿Cuál es la probabilidadde que una persona elegida al azar de la población activa en este país esté en paro? Solución.- Se define el experimentoaleatorio Ԑ = Elegir una persona al azar de una población activa. Sea Ω = {M,H} Definimos los eventos: M = {La persona es mujer}, H = {La persona es hombre}, P = {La persona está en paro}. Entonces: 𝑃(𝑀) = 0.42 𝑃(𝐻) = 1 − 0.42 = 0.58 𝑃(𝑃|𝑀) = 0.24 𝑃(𝑃|𝐻) = 0.16 Gráficamente:
  • 10. Usandola ley de la probabilidad total tenemos: P(P) = P(P|M)P(M) + P(P|H)P(H) = 0.24 × 0.42 + 0.16 × 0.58 = 0.1936 ■ La probabilidad de encontrar a una persona de la población que esté en paro es 0.1936,o del 19.36%. 10. En una fábrica se embalan(en cajas) galletas en 4 cadenas de montaje; A1, A2, A3 y A4. El 35% de la producción total se embala en la cadena A1 y el 20%, 24% y 21% en A2, A3 y A4 respectivamente. Los datos indican que no se embalan correctamente un porcentaje pequeño de las cajas; el 1% de A1, el 3% de A2, el 2.5% de A3 y el 2% de A4. Calcular: a) La probabilidad de que una caja elegida al azarde la producción total sea defectuosa. b) Se descubre que una caja es defectuosa, ¿Cuál es la probabilidadde que provenga de la cadena A1?, ¿De la cadena A2?, ¿De la cadena A3?, ¿De la cadena A4? P M = 0.42 H = 0.58 0.24 0.16 0.76 0.84
  • 11. Solución.- Definimos D = {Caja defectuosa} De forma gráfica tenemos: a) Por la ley de la probabilidadtotal tenemos: P(D) = ∑ P(D|Ai)P(Ai) 4 i=1 = 0.01∗ 0.35+ 0.03∗ 0.20 + 0.025 ∗ 0.24+ 0.02∗ 0.21 = 0.0197 ∎ La probabilidad de que una caja elegida al azarresulte defectuosa es 0.0197, o del 1.97%. b) Por el teorema de bayes, tenemos: 𝑃(𝐴1|𝐷) = 𝑃(𝐷|𝐴1)𝑃(𝐴1) 𝑃(𝐷) = 0.01 ∗ 0.35 0.0197 = 0.1777 ∎ De manera similar,setiene para las demás cadenas: 𝑃(𝐴2|𝐷) = 𝑃(𝐷|𝐴2)𝑃(𝐴2) 𝑃(𝐷) = 0.03 ∗ 0.20 0.0197 = 0.3046 0.01 0.03 0.025 0.02 0.99 0.97 0.975 0.98 A1 A2 A3 A4
  • 12. 𝑃(𝐴3|𝐷) = 𝑃(𝐷|𝐴3)𝑃(𝐴3) 𝑃(𝐷) = 0.025∗ 0.24 0.0197 = 0.3046 𝑃(𝐴4|𝐷) = 𝑃(𝐷|𝐴4)𝑃(𝐴4) 𝑃(𝐷) = 0.02 ∗ 0.21 0.0197 = 0.2132 ∎