SlideShare una empresa de Scribd logo
1 de 5
DISTRIBUCIONES DISCRETAS
Ejercicio 1
Se toma una muestra de 10 sin reemplazo de un cuerpo estudiantil de 100 estudiantes de cierta
universidad, se descubre que hay 3 estudiantes extranjeros en la muestra. ¿Cuál sería la
probabilidad aproximada si hay 5 estudiantes extranjeros en la universidad?
DATOS
n=10
N=100
M=5
Se pide calcularla probabilidad aproximadaP(X=3)
SeaX la variable aleatoriadefinidacomoel númerode estudiantesextranjerosen lamuestra.
EntoncesX sigue unadistribuciónHipergeométricadadapor:
𝑃( 𝑋 = 𝑥) =
(
𝑀
𝑥
)(
𝑁 − 𝑀
𝑛 − 𝑥
)
(
𝑁
𝑛
)
, 𝑥 = 0,1,2,3,… , 𝑛
Si el tamaño de la muestraesgrande,entonceslavariable aleatoriaZdefinidacomo
𝑍 =
𝑋−𝑛𝑝
√𝑛𝑝(1−𝑝)( 𝑁−𝑛
𝑁−1
)
,
Sigue unadistribuciónaproximadamenteNormal conmedia 𝜇 = 0 y 𝜎 = 1, donde 𝑝 =
𝑀
𝑁
=
5
100
=
0,05. Como el tamaño de la muestra n es pequeño con respecto al tamaño de la población N,
entonces podemos prescindir del factor (
𝑁−𝑛
𝑁−1
).
La ProbabilidadHipergeométricase aproximamediante probabilidades Normales de la siguiente
manera:
𝑃( 𝑋 = 3) ≅ 𝑃 (
𝑥 − 0,5 − 𝑛𝑝
𝑛𝑝(1 − 𝑝)
≤ 𝑍 ≤
𝑥 + 0,5 − 𝑛𝑝
𝑛𝑝(1 − 𝑝)
)
𝑃( 𝑋 = 3) ≅ 𝑃 (
𝑥 − 0,5 − 10 ∗ (0,05)
10 ∗ 0,05 ∗ 0,95
≤ 𝑍 ≤
𝑥 + 0,5 − 10 ∗ (0,05)
10 ∗ 0,05 ∗ 0,95
)
𝑃( 𝑋 = 3) ≅ 𝑃(4,21 ≤ 𝑍 ≤ 6,32)
𝑃( 𝑋 = 3) = 𝟎
Nota: La aproximación es muy buena cuando np ≥ 5 y n(1-p) ≥ 5 , por lo tanto el resultado de la
probabilidad hallada en este caso no debe ser nada buena ya que 10*0,05 =0,5 < 5 , aun cuando
10*(0,95) = 9,5 > 5.
Ejercicio 2
La producción de cierto proceso manufacturero es defectuosa en 1%. En una muestra aleatoria
de 200 productos tomada con reemplazo; ¿Cuál es la probabilidad de que: a) ninguna sea
defectuosa, b) de que a lo sumo 1 sea defectuosa?
DATOS
p = 0,01
n = 200
Se pide calcular:
a) P(X= 0)
b) P(X≤ 1)
SeaX definidacomoel númerode productosdefectuososenlamuestra,entonceslavariable
aleatoriaXsigue unaDistribuciónde ProbabilidadBinomialdadapor:
𝑃( 𝑋 = 𝑥) = (
200
𝑥
)(0,01) 𝑥(1 − 0,01)200−𝑥 ,x = 0,1,2,3, …,200
Resp.a) 𝑃( 𝑋 = 0) = (
200
0
)(0,01)0(1− 0,01)200−0
= (
200
0
)(0,01)0(1− 0,01)200−0
= (0,99)200
= 0,1340
Resp.b) 𝑃( 𝑋 ≤ 1) = 𝑃( 𝑋 = 0) + 𝑃( 𝑋 = 1)
𝑃( 𝑋 ≤ 1) = 0,1340 + (
200
1
) (0,01)1(1− 0,01)200−1
= 0,1340 + 200 ∗ 0,01 ∗ (0,99)199
= 0,1340 + 0,2707
= 0,4047
Ejercicio3
Para evitar que lo descubran enla aduana, un viajeroha colocado 6 tabletas de narcótico en una
botellaque contiene 9 píldorasde vitamina que son similaresenapariencia. Si el oficial de la
aduana selecciona3 tabletas aleatoriamente para analizarlas. ¿Cuál es la probabilidadde que el
viajerosea arrestado por posesiónilegal de narcóticos?
DATOS
N = 9
M = 6
n = 3
Se pide calcularla probabilidadde que el viajeroseaarrestadoportráficode narcóticos
DefinamosXcomoel númerode tabletasde narcóticosenla muestra,porlo tantola variable
aleatoriaXsigue unadistribuciónde probabilidadesHipergeométricadadapor:
𝑃( 𝑋 = 𝑥) =
(
6
𝑥
) (
9 − 6
3 − 𝑥
)
(
9
3
)
, 𝑥 = 0,1,2,3
El viajeroseráarrestadosi por lomenosencuentraunatabletade narcóticoenla muestra,porlo
tanto se pide hallar:
𝑃( 𝑋 ≥ 1) = 1 − 𝑃( 𝑋 < 1)
= 1 − 𝑃( 𝑋 = 0)
= 1 −
(6
0
)(9−6
3−0
)
(9
3
)
= 1 −
1
84
= 0,9891
Ejercicio4
Una cooperativa agrícola sostiene que 25% de las lechosasembarcadas están maduras. Obtenga
las probabilidadesde que entre ocho lechosasembarcadas
a) Como mínimoseisestán maduras
b) Como máximocuatro están maduras
DATOS
p = 0,25
n = 8
Se pide calcular
a) 𝑃( 𝑋 ≥ 6)
b) 𝑃( 𝑋 ≤ 4)
Definamos Xcomoel númerode lechosasembarcadasmaduras,porlo tantola variable aleatoria
X sigue unaDistribuciónde ProbabilidadesBinomial dadapor:
𝑃( 𝑋 = 𝑥) = (
8
𝑥
) (0,25) 𝑥(1− 0,25)8−𝑥 , x = 0,1,2,3, …,8
Resp.a)
𝑃( 𝑋 ≥ 6) = 𝑃( 𝑋 = 6) + 𝑃( 𝑋 = 7) + 𝑃( 𝑋 = 8)
= (
8
6
)(0,25)6(0,75)8−6 + (
8
7
)(0,25)7(0,75)8−7 + (
8
8
) (0,25) 𝑥(0,75)8−8
= 28 ∗ (0,00024) ∗ (0,5625) + 8 ∗ (0,000061) ∗ (0,75) + 0,000015
= 0,0042
Resp.b) 𝑃( 𝑋 ≤ 4) = 1 − 𝑃( 𝑋 > 4)
= 1 − [ 𝑃( 𝑋 = 5) + 𝑃( 𝑋 = 6) + 𝑃( 𝑋 = 7) + 𝑃( 𝑋 = 8) ]
= 1 − [(
8
5
) (0,25)5(0,75)8−5 + 0,0042]
= 1 − [0,0232 + 0,0042]
= 0,9726
Ejercicio5
Supongamos que el número de imperfeccionesenunalambre delgadode cobre sigue una
distribuciónPoissoncon una media de 2,3 imperfeccionespormilímetro.
a) Determine la probabilidadde 2 imperfeccionesenunmilímetrode alambre
b) Determine la probabilidadde al menos una imperfecciónen2mm de alambre
DATOS
ƛ1 = 2,3 (Númeromediode imperfeccionespormilímetro)
SeaX el númerode imperfeccionespormilímetro,lacual sigue unaDistribuciónde Probabilidad
de Poisson,dadapor:
𝑃( 𝑋 = 𝑥) =
𝑒−ƛ1ƛ1
𝑥
𝑥!
, 𝑥 = 0,1,2,3, …
Se pide calcular:
a) 𝑃( 𝑋 = 2)
b)
ƛ2 = 2 ∗ (2,3) = 4,6
SeaY el númeromediode imperfeccionesen2mmdel alambre,entonceslavariable aleatoriaY
sigue unadistribuciónde probabilidadde Poissondadapor:
𝑃( 𝑌 = 𝑦) =
𝑒−ƛ2 ƛ2
𝑦
𝑦!
, 𝑦 = 0,1,2,3, …
Se pide hallarla 𝑃(𝑌 ≥ 1)
Resp.a)
𝑃( 𝑋 = 2) =
𝑒−2,32,32
2!
=
(0,1003)∗(5,29)
2
= 0,2653
Resp.b)
𝑃( 𝑌 ≥ 1) = 1 − 𝑃(𝑌 < 1)
𝑃( 𝑌 ≥ 1) = 1 − 𝑃(𝑌 = 0)
= 1 −
𝑒−4,64,60
0!
= 1- 𝑒−4,6 = 1 − 0,01 = 0,99
= 0,99

Más contenido relacionado

La actualidad más candente

Taller3 alglining
Taller3 algliningTaller3 alglining
Taller3 alglining
Luis Mendez
 
Variables aleatorias y distribuciones de probabilidad
Variables aleatorias y distribuciones de probabilidadVariables aleatorias y distribuciones de probabilidad
Variables aleatorias y distribuciones de probabilidad
henry cardenas
 
Distribuciones 5 ejemplos
Distribuciones 5 ejemplosDistribuciones 5 ejemplos
Distribuciones 5 ejemplos
sontorito0o
 

La actualidad más candente (19)

Documento word
Documento word Documento word
Documento word
 
Prop inv blog
Prop inv blogProp inv blog
Prop inv blog
 
Clases 7
Clases 7Clases 7
Clases 7
 
Taller3 alglining
Taller3 algliningTaller3 alglining
Taller3 alglining
 
Tema6a ud3
Tema6a ud3Tema6a ud3
Tema6a ud3
 
Ejercicios Propuesto: Laboratorio 2 / Estadística Aplicada
Ejercicios Propuesto: Laboratorio 2 / Estadística AplicadaEjercicios Propuesto: Laboratorio 2 / Estadística Aplicada
Ejercicios Propuesto: Laboratorio 2 / Estadística Aplicada
 
Variables aleatorias y distribuciones de probabilidad
Variables aleatorias y distribuciones de probabilidadVariables aleatorias y distribuciones de probabilidad
Variables aleatorias y distribuciones de probabilidad
 
Laboratorio 2
Laboratorio 2Laboratorio 2
Laboratorio 2
 
Ejercicios
EjerciciosEjercicios
Ejercicios
 
Laboratorio 2
Laboratorio 2Laboratorio 2
Laboratorio 2
 
Variables Aleatorias Ejercicios
Variables Aleatorias EjerciciosVariables Aleatorias Ejercicios
Variables Aleatorias Ejercicios
 
Estudio intuitivo eso3_blog03
Estudio intuitivo eso3_blog03Estudio intuitivo eso3_blog03
Estudio intuitivo eso3_blog03
 
Probabilidad y LR
Probabilidad y LRProbabilidad y LR
Probabilidad y LR
 
Clase9 Esperanza condicional y modelo de regresión
Clase9 Esperanza condicional y modelo de regresión Clase9 Esperanza condicional y modelo de regresión
Clase9 Esperanza condicional y modelo de regresión
 
Distribuciones 5 ejemplos
Distribuciones 5 ejemplosDistribuciones 5 ejemplos
Distribuciones 5 ejemplos
 
Distribuciones de probabilidad en minitab
Distribuciones de probabilidad en minitabDistribuciones de probabilidad en minitab
Distribuciones de probabilidad en minitab
 
Tema8b ud3
Tema8b ud3Tema8b ud3
Tema8b ud3
 
Tema 6 ud3
Tema 6 ud3Tema 6 ud3
Tema 6 ud3
 
Tarea 15 de PROBABILIDAD Y ESTADISTICA CON RESPUESTAS
Tarea 15 de PROBABILIDAD Y ESTADISTICA CON RESPUESTASTarea 15 de PROBABILIDAD Y ESTADISTICA CON RESPUESTAS
Tarea 15 de PROBABILIDAD Y ESTADISTICA CON RESPUESTAS
 

Similar a Distribuciones discretas

Trabajo3 unidad2
Trabajo3 unidad2Trabajo3 unidad2
Trabajo3 unidad2
alimacni
 
Ejemplos de distribuciones de probabilidad
Ejemplos de distribuciones de probabilidadEjemplos de distribuciones de probabilidad
Ejemplos de distribuciones de probabilidad
Laksmi Rodriguez
 
Ejemplos de distribuciones de probabilidad
Ejemplos de distribuciones de probabilidadEjemplos de distribuciones de probabilidad
Ejemplos de distribuciones de probabilidad
Laksmi Rodriguez
 
Distribución Probabilidad (Variable Aleatoria Discreta)
Distribución Probabilidad (Variable Aleatoria Discreta)Distribución Probabilidad (Variable Aleatoria Discreta)
Distribución Probabilidad (Variable Aleatoria Discreta)
Daniel Gómez
 
Distribución binomial
Distribución binomialDistribución binomial
Distribución binomial
RogerAvalos10
 
DISTRIBUCIÓN BINOMIAL
DISTRIBUCIÓN BINOMIAL DISTRIBUCIÓN BINOMIAL
DISTRIBUCIÓN BINOMIAL
RogerAvalos10
 

Similar a Distribuciones discretas (20)

Sara august 22659188 distribuciones de probabilidad
Sara august 22659188 distribuciones de probabilidadSara august 22659188 distribuciones de probabilidad
Sara august 22659188 distribuciones de probabilidad
 
4.pdf
4.pdf4.pdf
4.pdf
 
5.pdf
5.pdf5.pdf
5.pdf
 
Distribuciones de probabilidad
Distribuciones de probabilidadDistribuciones de probabilidad
Distribuciones de probabilidad
 
1.pdf
1.pdf1.pdf
1.pdf
 
Solucion examen 13 junio 2016 latex
Solucion examen 13 junio 2016 latexSolucion examen 13 junio 2016 latex
Solucion examen 13 junio 2016 latex
 
2.pdf
2.pdf2.pdf
2.pdf
 
Trabajo final
Trabajo finalTrabajo final
Trabajo final
 
Trabajo3 unidad2
Trabajo3 unidad2Trabajo3 unidad2
Trabajo3 unidad2
 
Digitalizacion
DigitalizacionDigitalizacion
Digitalizacion
 
Ejemplos de distribuciones de probabilidad
Ejemplos de distribuciones de probabilidadEjemplos de distribuciones de probabilidad
Ejemplos de distribuciones de probabilidad
 
Ejemplos de distribuciones de probabilidad
Ejemplos de distribuciones de probabilidadEjemplos de distribuciones de probabilidad
Ejemplos de distribuciones de probabilidad
 
Ejercicios resueltos de la Estadística de Edwin Galindo y de la Politécnica d...
Ejercicios resueltos de la Estadística de Edwin Galindo y de la Politécnica d...Ejercicios resueltos de la Estadística de Edwin Galindo y de la Politécnica d...
Ejercicios resueltos de la Estadística de Edwin Galindo y de la Politécnica d...
 
Distribución Probabilidad (Variable Aleatoria Discreta)
Distribución Probabilidad (Variable Aleatoria Discreta)Distribución Probabilidad (Variable Aleatoria Discreta)
Distribución Probabilidad (Variable Aleatoria Discreta)
 
Estudio intuitivo eso4_blog05
Estudio intuitivo eso4_blog05Estudio intuitivo eso4_blog05
Estudio intuitivo eso4_blog05
 
Distribución binomial
Distribución binomialDistribución binomial
Distribución binomial
 
Distribución binomial
Distribución binomialDistribución binomial
Distribución binomial
 
Algunos ejercisios
Algunos ejercisiosAlgunos ejercisios
Algunos ejercisios
 
Metodos trabajo de la tarea 3
Metodos trabajo de la tarea 3Metodos trabajo de la tarea 3
Metodos trabajo de la tarea 3
 
DISTRIBUCIÓN BINOMIAL
DISTRIBUCIÓN BINOMIAL DISTRIBUCIÓN BINOMIAL
DISTRIBUCIÓN BINOMIAL
 

Último

Escucha tu Cerebro en Nuevos Escenarios PE3 Ccesa007.pdf
Escucha tu Cerebro en Nuevos Escenarios  PE3  Ccesa007.pdfEscucha tu Cerebro en Nuevos Escenarios  PE3  Ccesa007.pdf
Escucha tu Cerebro en Nuevos Escenarios PE3 Ccesa007.pdf
Demetrio Ccesa Rayme
 
Bitacora de Inteligencia Artificial y Herramientas Digitales HD4 Ccesa007.pdf
Bitacora de Inteligencia Artificial  y Herramientas Digitales HD4  Ccesa007.pdfBitacora de Inteligencia Artificial  y Herramientas Digitales HD4  Ccesa007.pdf
Bitacora de Inteligencia Artificial y Herramientas Digitales HD4 Ccesa007.pdf
Demetrio Ccesa Rayme
 
Diseño Universal de Aprendizaje en Nuevos Escenarios JS2 Ccesa007.pdf
Diseño Universal de Aprendizaje en Nuevos Escenarios  JS2  Ccesa007.pdfDiseño Universal de Aprendizaje en Nuevos Escenarios  JS2  Ccesa007.pdf
Diseño Universal de Aprendizaje en Nuevos Escenarios JS2 Ccesa007.pdf
Demetrio Ccesa Rayme
 
Ediciones Previas Proyecto de Innovacion Pedagogica ORIGAMI 3D Ccesa007.pdf
Ediciones Previas Proyecto de Innovacion Pedagogica ORIGAMI 3D  Ccesa007.pdfEdiciones Previas Proyecto de Innovacion Pedagogica ORIGAMI 3D  Ccesa007.pdf
Ediciones Previas Proyecto de Innovacion Pedagogica ORIGAMI 3D Ccesa007.pdf
Demetrio Ccesa Rayme
 

Último (20)

novelas-cortas--3.pdf Analisis introspectivo y retrospectivo, sintesis
novelas-cortas--3.pdf Analisis introspectivo y retrospectivo, sintesisnovelas-cortas--3.pdf Analisis introspectivo y retrospectivo, sintesis
novelas-cortas--3.pdf Analisis introspectivo y retrospectivo, sintesis
 
Época colonial: vestimenta, costumbres y juegos de la época
Época colonial: vestimenta, costumbres y juegos de la épocaÉpoca colonial: vestimenta, costumbres y juegos de la época
Época colonial: vestimenta, costumbres y juegos de la época
 
Realitat o fake news? – Què causa el canvi climàtic? - La desertització
Realitat o fake news? – Què causa el canvi climàtic? - La desertitzacióRealitat o fake news? – Què causa el canvi climàtic? - La desertització
Realitat o fake news? – Què causa el canvi climàtic? - La desertització
 
Síndrome piramidal 2024 según alvarez, farrera y wuani
Síndrome piramidal 2024 según alvarez, farrera y wuaniSíndrome piramidal 2024 según alvarez, farrera y wuani
Síndrome piramidal 2024 según alvarez, farrera y wuani
 
Escucha tu Cerebro en Nuevos Escenarios PE3 Ccesa007.pdf
Escucha tu Cerebro en Nuevos Escenarios  PE3  Ccesa007.pdfEscucha tu Cerebro en Nuevos Escenarios  PE3  Ccesa007.pdf
Escucha tu Cerebro en Nuevos Escenarios PE3 Ccesa007.pdf
 
DISEÑO DE ESTRATEGIAS EN MOMENTOS DE INCERTIDUMBRE.pdf
DISEÑO DE ESTRATEGIAS EN MOMENTOS DE INCERTIDUMBRE.pdfDISEÑO DE ESTRATEGIAS EN MOMENTOS DE INCERTIDUMBRE.pdf
DISEÑO DE ESTRATEGIAS EN MOMENTOS DE INCERTIDUMBRE.pdf
 
Realitat o fake news? – Què causa el canvi climàtic? - Modificacions dels pat...
Realitat o fake news? – Què causa el canvi climàtic? - Modificacions dels pat...Realitat o fake news? – Què causa el canvi climàtic? - Modificacions dels pat...
Realitat o fake news? – Què causa el canvi climàtic? - Modificacions dels pat...
 
tema 6 2eso 2024. Ciencias Sociales. El final de la Edad Media en la Penínsul...
tema 6 2eso 2024. Ciencias Sociales. El final de la Edad Media en la Penínsul...tema 6 2eso 2024. Ciencias Sociales. El final de la Edad Media en la Penínsul...
tema 6 2eso 2024. Ciencias Sociales. El final de la Edad Media en la Penínsul...
 
ACERTIJO EL NÚMERO PI COLOREA EMBLEMA OLÍMPICO DE PARÍS. Por JAVIER SOLIS NOYOLA
ACERTIJO EL NÚMERO PI COLOREA EMBLEMA OLÍMPICO DE PARÍS. Por JAVIER SOLIS NOYOLAACERTIJO EL NÚMERO PI COLOREA EMBLEMA OLÍMPICO DE PARÍS. Por JAVIER SOLIS NOYOLA
ACERTIJO EL NÚMERO PI COLOREA EMBLEMA OLÍMPICO DE PARÍS. Por JAVIER SOLIS NOYOLA
 
ACERTIJO CÁLCULOS MATEMÁGICOS EN LA CARRERA OLÍMPICA. Por JAVIER SOLIS NOYOLA
ACERTIJO CÁLCULOS MATEMÁGICOS EN LA CARRERA OLÍMPICA. Por JAVIER SOLIS NOYOLAACERTIJO CÁLCULOS MATEMÁGICOS EN LA CARRERA OLÍMPICA. Por JAVIER SOLIS NOYOLA
ACERTIJO CÁLCULOS MATEMÁGICOS EN LA CARRERA OLÍMPICA. Por JAVIER SOLIS NOYOLA
 
4ª SESION la misión santificadora del Espíritu Santo en la vida de la Iglesi...
4ª SESION  la misión santificadora del Espíritu Santo en la vida de la Iglesi...4ª SESION  la misión santificadora del Espíritu Santo en la vida de la Iglesi...
4ª SESION la misión santificadora del Espíritu Santo en la vida de la Iglesi...
 
Bitacora de Inteligencia Artificial y Herramientas Digitales HD4 Ccesa007.pdf
Bitacora de Inteligencia Artificial  y Herramientas Digitales HD4  Ccesa007.pdfBitacora de Inteligencia Artificial  y Herramientas Digitales HD4  Ccesa007.pdf
Bitacora de Inteligencia Artificial y Herramientas Digitales HD4 Ccesa007.pdf
 
Diseño Universal de Aprendizaje en Nuevos Escenarios JS2 Ccesa007.pdf
Diseño Universal de Aprendizaje en Nuevos Escenarios  JS2  Ccesa007.pdfDiseño Universal de Aprendizaje en Nuevos Escenarios  JS2  Ccesa007.pdf
Diseño Universal de Aprendizaje en Nuevos Escenarios JS2 Ccesa007.pdf
 
Ediciones Previas Proyecto de Innovacion Pedagogica ORIGAMI 3D Ccesa007.pdf
Ediciones Previas Proyecto de Innovacion Pedagogica ORIGAMI 3D  Ccesa007.pdfEdiciones Previas Proyecto de Innovacion Pedagogica ORIGAMI 3D  Ccesa007.pdf
Ediciones Previas Proyecto de Innovacion Pedagogica ORIGAMI 3D Ccesa007.pdf
 
Evaluación de los Factores Externos de la Organización.
Evaluación de los Factores Externos de la Organización.Evaluación de los Factores Externos de la Organización.
Evaluación de los Factores Externos de la Organización.
 
Estudios Sociales libro 8vo grado Básico
Estudios Sociales libro 8vo grado BásicoEstudios Sociales libro 8vo grado Básico
Estudios Sociales libro 8vo grado Básico
 
El liderazgo en la empresa sostenible, introducción, definición y ejemplo.
El liderazgo en la empresa sostenible, introducción, definición y ejemplo.El liderazgo en la empresa sostenible, introducción, definición y ejemplo.
El liderazgo en la empresa sostenible, introducción, definición y ejemplo.
 
MINEDU BASES JUEGOS ESCOLARES DEPORTIVOS PARADEPORTIVOS 2024.docx
MINEDU BASES JUEGOS ESCOLARES DEPORTIVOS PARADEPORTIVOS 2024.docxMINEDU BASES JUEGOS ESCOLARES DEPORTIVOS PARADEPORTIVOS 2024.docx
MINEDU BASES JUEGOS ESCOLARES DEPORTIVOS PARADEPORTIVOS 2024.docx
 
El Futuro de la Educacion Digital JS1 Ccesa007.pdf
El Futuro de la Educacion Digital  JS1  Ccesa007.pdfEl Futuro de la Educacion Digital  JS1  Ccesa007.pdf
El Futuro de la Educacion Digital JS1 Ccesa007.pdf
 
REGLAMENTO FINAL DE EVALUACIÓN 2024 pdf.pdf
REGLAMENTO  FINAL DE EVALUACIÓN 2024 pdf.pdfREGLAMENTO  FINAL DE EVALUACIÓN 2024 pdf.pdf
REGLAMENTO FINAL DE EVALUACIÓN 2024 pdf.pdf
 

Distribuciones discretas

  • 1. DISTRIBUCIONES DISCRETAS Ejercicio 1 Se toma una muestra de 10 sin reemplazo de un cuerpo estudiantil de 100 estudiantes de cierta universidad, se descubre que hay 3 estudiantes extranjeros en la muestra. ¿Cuál sería la probabilidad aproximada si hay 5 estudiantes extranjeros en la universidad? DATOS n=10 N=100 M=5 Se pide calcularla probabilidad aproximadaP(X=3) SeaX la variable aleatoriadefinidacomoel númerode estudiantesextranjerosen lamuestra. EntoncesX sigue unadistribuciónHipergeométricadadapor: 𝑃( 𝑋 = 𝑥) = ( 𝑀 𝑥 )( 𝑁 − 𝑀 𝑛 − 𝑥 ) ( 𝑁 𝑛 ) , 𝑥 = 0,1,2,3,… , 𝑛 Si el tamaño de la muestraesgrande,entonceslavariable aleatoriaZdefinidacomo 𝑍 = 𝑋−𝑛𝑝 √𝑛𝑝(1−𝑝)( 𝑁−𝑛 𝑁−1 ) , Sigue unadistribuciónaproximadamenteNormal conmedia 𝜇 = 0 y 𝜎 = 1, donde 𝑝 = 𝑀 𝑁 = 5 100 = 0,05. Como el tamaño de la muestra n es pequeño con respecto al tamaño de la población N, entonces podemos prescindir del factor ( 𝑁−𝑛 𝑁−1 ). La ProbabilidadHipergeométricase aproximamediante probabilidades Normales de la siguiente manera: 𝑃( 𝑋 = 3) ≅ 𝑃 ( 𝑥 − 0,5 − 𝑛𝑝 𝑛𝑝(1 − 𝑝) ≤ 𝑍 ≤ 𝑥 + 0,5 − 𝑛𝑝 𝑛𝑝(1 − 𝑝) ) 𝑃( 𝑋 = 3) ≅ 𝑃 ( 𝑥 − 0,5 − 10 ∗ (0,05) 10 ∗ 0,05 ∗ 0,95 ≤ 𝑍 ≤ 𝑥 + 0,5 − 10 ∗ (0,05) 10 ∗ 0,05 ∗ 0,95 ) 𝑃( 𝑋 = 3) ≅ 𝑃(4,21 ≤ 𝑍 ≤ 6,32)
  • 2. 𝑃( 𝑋 = 3) = 𝟎 Nota: La aproximación es muy buena cuando np ≥ 5 y n(1-p) ≥ 5 , por lo tanto el resultado de la probabilidad hallada en este caso no debe ser nada buena ya que 10*0,05 =0,5 < 5 , aun cuando 10*(0,95) = 9,5 > 5. Ejercicio 2 La producción de cierto proceso manufacturero es defectuosa en 1%. En una muestra aleatoria de 200 productos tomada con reemplazo; ¿Cuál es la probabilidad de que: a) ninguna sea defectuosa, b) de que a lo sumo 1 sea defectuosa? DATOS p = 0,01 n = 200 Se pide calcular: a) P(X= 0) b) P(X≤ 1) SeaX definidacomoel númerode productosdefectuososenlamuestra,entonceslavariable aleatoriaXsigue unaDistribuciónde ProbabilidadBinomialdadapor: 𝑃( 𝑋 = 𝑥) = ( 200 𝑥 )(0,01) 𝑥(1 − 0,01)200−𝑥 ,x = 0,1,2,3, …,200 Resp.a) 𝑃( 𝑋 = 0) = ( 200 0 )(0,01)0(1− 0,01)200−0 = ( 200 0 )(0,01)0(1− 0,01)200−0 = (0,99)200 = 0,1340 Resp.b) 𝑃( 𝑋 ≤ 1) = 𝑃( 𝑋 = 0) + 𝑃( 𝑋 = 1) 𝑃( 𝑋 ≤ 1) = 0,1340 + ( 200 1 ) (0,01)1(1− 0,01)200−1 = 0,1340 + 200 ∗ 0,01 ∗ (0,99)199 = 0,1340 + 0,2707 = 0,4047
  • 3. Ejercicio3 Para evitar que lo descubran enla aduana, un viajeroha colocado 6 tabletas de narcótico en una botellaque contiene 9 píldorasde vitamina que son similaresenapariencia. Si el oficial de la aduana selecciona3 tabletas aleatoriamente para analizarlas. ¿Cuál es la probabilidadde que el viajerosea arrestado por posesiónilegal de narcóticos? DATOS N = 9 M = 6 n = 3 Se pide calcularla probabilidadde que el viajeroseaarrestadoportráficode narcóticos DefinamosXcomoel númerode tabletasde narcóticosenla muestra,porlo tantola variable aleatoriaXsigue unadistribuciónde probabilidadesHipergeométricadadapor: 𝑃( 𝑋 = 𝑥) = ( 6 𝑥 ) ( 9 − 6 3 − 𝑥 ) ( 9 3 ) , 𝑥 = 0,1,2,3 El viajeroseráarrestadosi por lomenosencuentraunatabletade narcóticoenla muestra,porlo tanto se pide hallar: 𝑃( 𝑋 ≥ 1) = 1 − 𝑃( 𝑋 < 1) = 1 − 𝑃( 𝑋 = 0) = 1 − (6 0 )(9−6 3−0 ) (9 3 ) = 1 − 1 84 = 0,9891 Ejercicio4 Una cooperativa agrícola sostiene que 25% de las lechosasembarcadas están maduras. Obtenga las probabilidadesde que entre ocho lechosasembarcadas a) Como mínimoseisestán maduras b) Como máximocuatro están maduras DATOS p = 0,25 n = 8 Se pide calcular
  • 4. a) 𝑃( 𝑋 ≥ 6) b) 𝑃( 𝑋 ≤ 4) Definamos Xcomoel númerode lechosasembarcadasmaduras,porlo tantola variable aleatoria X sigue unaDistribuciónde ProbabilidadesBinomial dadapor: 𝑃( 𝑋 = 𝑥) = ( 8 𝑥 ) (0,25) 𝑥(1− 0,25)8−𝑥 , x = 0,1,2,3, …,8 Resp.a) 𝑃( 𝑋 ≥ 6) = 𝑃( 𝑋 = 6) + 𝑃( 𝑋 = 7) + 𝑃( 𝑋 = 8) = ( 8 6 )(0,25)6(0,75)8−6 + ( 8 7 )(0,25)7(0,75)8−7 + ( 8 8 ) (0,25) 𝑥(0,75)8−8 = 28 ∗ (0,00024) ∗ (0,5625) + 8 ∗ (0,000061) ∗ (0,75) + 0,000015 = 0,0042 Resp.b) 𝑃( 𝑋 ≤ 4) = 1 − 𝑃( 𝑋 > 4) = 1 − [ 𝑃( 𝑋 = 5) + 𝑃( 𝑋 = 6) + 𝑃( 𝑋 = 7) + 𝑃( 𝑋 = 8) ] = 1 − [( 8 5 ) (0,25)5(0,75)8−5 + 0,0042] = 1 − [0,0232 + 0,0042] = 0,9726 Ejercicio5 Supongamos que el número de imperfeccionesenunalambre delgadode cobre sigue una distribuciónPoissoncon una media de 2,3 imperfeccionespormilímetro. a) Determine la probabilidadde 2 imperfeccionesenunmilímetrode alambre b) Determine la probabilidadde al menos una imperfecciónen2mm de alambre DATOS ƛ1 = 2,3 (Númeromediode imperfeccionespormilímetro) SeaX el númerode imperfeccionespormilímetro,lacual sigue unaDistribuciónde Probabilidad de Poisson,dadapor:
  • 5. 𝑃( 𝑋 = 𝑥) = 𝑒−ƛ1ƛ1 𝑥 𝑥! , 𝑥 = 0,1,2,3, … Se pide calcular: a) 𝑃( 𝑋 = 2) b) ƛ2 = 2 ∗ (2,3) = 4,6 SeaY el númeromediode imperfeccionesen2mmdel alambre,entonceslavariable aleatoriaY sigue unadistribuciónde probabilidadde Poissondadapor: 𝑃( 𝑌 = 𝑦) = 𝑒−ƛ2 ƛ2 𝑦 𝑦! , 𝑦 = 0,1,2,3, … Se pide hallarla 𝑃(𝑌 ≥ 1) Resp.a) 𝑃( 𝑋 = 2) = 𝑒−2,32,32 2! = (0,1003)∗(5,29) 2 = 0,2653 Resp.b) 𝑃( 𝑌 ≥ 1) = 1 − 𝑃(𝑌 < 1) 𝑃( 𝑌 ≥ 1) = 1 − 𝑃(𝑌 = 0) = 1 − 𝑒−4,64,60 0! = 1- 𝑒−4,6 = 1 − 0,01 = 0,99 = 0,99