Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Docente
Laura Marcela Rúa Yánez
Bogotá
Julio - 2019
Resuelva el siguiente taller teniendo en cuenta lo trabajado en clase.
1. En una universidad, 250 estudiantes siguen un curso de estadística. Cada integrante de una
muestra aleatoria de 50 estudiantes es interrogado con el fin de estimar la cantidad de tiempo que
gasta semanalmente en resolver los problemas de estadística. Supongamos que la desviación típica
de la población es de 30 minutos.
(a) ¿Cuál es la probabilidad de que la media muestral exceda a la media poblacional en más de 2,5
minutos?
N: 250 n: 50 σ: 30 σx: 30/ √50 = 4,24
P(x > M+ 2.5) =
P (Z > (M+2.5) – M/ 4.24
P (Z> 2.5/ 4.24) = 0,589 = 27.7 %
Rta: Es muy poco probable que la media muestral exceda a la media poblacional en más de 2.5
minutos, la probabilidad es de 27,7 %.
(b) ¿Cuál es la probabilidad de que la media muestral se halle más de 5 minutos por debajo de la
media poblacional?
N: 250 n: 50 σ: 30 σx: 30/ √50 = 4,24
P(X+ 5 < M)
P (X < M -5)
P (Z < (M-5)-M/ 4,24
P (Z < -5 / 4,24) = -1,1792 = 11,9 %
Rta: No es probable que la media muestral se halle más de 5 minutos por debajo de la media
poblacional.
(c) ¿Cuál es la probabilidad de que la media muestral difiera de la media poblacional en más de 10
minutos?
N: 250 n: 50 σ: 30 σx: 30/ √50 = 4,24
P (X – M > 10)
P (X> 10+ M)
P (Z > (10+M) –M / 4,24
P (Z > 10 / 4,24) = 2.3584 = 0,91 %
Rta: no hay probabilidad en que la media muestra difiera de la media poblacional en más de 10
minutos.
2. Una de las mayores contribuciones a la contaminación atmosférica es la provocada por los
hidrocarburos procedentes de los tubos de escape de los automóviles. Definimos la variable
aleatoria X que mide los gramos de hidrocarburo emitidos por un automóvil por cada dos kilómetros.
Supongamos que X sigue una distribución Normal con una media de 1 gramo y una desviación típica
de 0.25 gramos. Calcular:
(a) La probabilidad de que un automóvil emita más de 1.5 gramos.
M= 1 n: 1 σ: 0.25 σx: 0.25/ √1 = 0,25
P (X>1.5)
P (Z > 1- 1.5/ 0,25) = -2 = 97,72 %
RTA: Es probable en un 97, 72 % que un automóvil emita más de 1.5 gramos de hidrocarburo.
(b) La probabilidad de que un automóvil emita menos de 1.2 gramos.
M= 1 n: 1 σ: 0.25 σx: 0.25/ √1 = 0,25
P(X<1.2)
P (Z< 1-1.2/0.25) = -0.8 = 21,19%
Rta: es poco probable que un automóvil emita menos de 1.2 gramos de hidrocarburo.
(c) La probabilidad de que un automóvil emita entre 1.3 y 1.4 gramos.
M= 1 n: 1 σ: 0.25 σx: 0.25/ √1 = 0,25
P(1.3<X<1.4)
P(Z> 1.3)-( Z< 1.4)
P = (1-1.3/0,25) -( 1-1.4/0.25)
P= (-1.2) - (-1.6)= 0.8849- 0.0548 = 0.8301 = 83%
Rta: La probabilidad de que un automóvil emita entre 1.3 y 1.4 gramos de hidrocarburo es del 83 %
(d) Los cuartiles de la distribución.
Q1= P= n/4 =1 / 4 = 0.25
Q2=P= 2n/ 4 = 2*1 / 4= 0.5
Q3= P = 3n / 4 = 3 *1 / 4 = 0.75
3. En cierta especie de aves, se ha detectado una contaminación apreciable de mercurio (Hg) en
sangre. La concentración de mercurio en sangre está´ distribuida normalmente con media 0.25 ppm
(partes de Hg por millón, en plasma) y desviación típica 0.08 ppm.
(a) ¿Cuál es la probabilidad de que un ave presente un nivel de mercurio en sangre superior a
0.40 ppm?
Rta : Es probable en un 0,0303 % que un ave presente en la sangre un nivel de mercurio mayor a
0.40
(b) ¿Cuál es la probabilidad de que un ave tenga un nivel de mercurio en sangre entre 0.20 y
0.50 ppm?
P [Un ave tenga un nivel de mercurio en sangre entre 0.20 y 0.50 ppm]
= P[0.20 < X < 0.50] = P[X < 0.50] – P[X ≤ 0.20]
= CDF.NORMAL(0.50,0.25,0.08) – CDF.NORMAL(0.20,0.25,0.08) = 0.7331
(c) ¿Cuál es el nivel máximo de concentración de mercurio en sangre del 40% de las aves
menos contaminadas?
Se pide calcular el percentil 40 de la distribución, es decir, calcular P40, tal que P[X < P40] = 0.40.
Se elige en Expresión numérica la función que calcula un valor de la distribución Normal considerada
tal que acumula una probabilidad dada. Para ello, se selecciona en Grupo de funciones la opción Gl
inversos y en Funciones y variables especiales se selecciona la
función IDF.NORMAL(p,media,desv_típ). Se modifican los parámetros
P[X < P40] = 0.40 => IDF.NORMAL(0.40,0.25,0.08) = 0.2297 => P40 = 0.2297
RTA:
X: Nº de piezas defectuosas en 12 unidades; X → B (12,0.05)
6. Un curso de estadıstica tiene 40 de estudiantes. Con base en los años de experiencias, el profesor
sabe que el tiempo necesario para calificar un primer examen seleccionando al azar, es una variable
aleatoria con media de 6 minutos y desviación estándar de 6 minutos.
(a) Si los tiempos para calificar son independientes y el profesor comienza a las 2:50 p.m,
haciéndolo en forma contınua. ¿Cual es la probabilidad de calificar antes del inicio de las noticias de
las 7:00 p.m?.
n: 40 estudiantes m = 6 σ: 6 minutos * 40 estudiantes = 240 σx: 6
P(X <=250 minutos)
P(Z <=250 minutos)
P(Z<=(250-240)/6)
P(Z=1.6666) F=1.6666 = 0.9522 = 95.22%
Rta: La probabilidad de que el profesor termine de calificar antes del inicio de las noticias es del
95.22%
(b) SI la sección deportiva empieza a las 7:10, ¿Cua´l es la probabilidad de que se pierda parte de
esa sección si espera hasta terminar para encender el televisor?