PROBABILIDAD

POST TAREA: EVALUACIÓN FINAL POA

ESTUDIANTE
LUIS FELIPE SANCHEZ SUAREZ
CÓDIGO: 1088338119

GRUPO DEL CURSO

100402_306

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD

DOSQUEBRADAS
01/12/2019
Ejercicios para desarrollar

Ejercicio 1

Descripción del ejercicio:

Cada estudiante desarrollará los cinco (5) casos de estudio propuestos;
posteriormente, colaborativamente unificar la entrega de los casos y
emitir las conclusiones pertinentes al contexto de cada uno de ellos.

1. Un productor de sobres de correos sabe por experiencia que el peso de

los sobres está distribuido aproximadamente en forma normal con 𝜇 =
1,95 gramos y 𝜎 = 0,05 gramos. ¿Alrededor de cuantos sobres pesan dos
gramos o más se pueden encontrar en un paquete de 120 sobres?

R=/
𝑃(𝑋 ≥ 2)
𝑃(𝑋 ≥ 2) = 𝑃(≥ 2(2 − 1.95)/0.05) = 𝑃(≥ 1)
𝑃(𝑍 ≥ 1) = 1 − 𝑃(𝑍 ≥ 1)
𝑃(𝑍 ≥ 1) = 1 − 𝑃(𝑍 ≥ 1) = 1 − 0.8413 = 0.1587

De acuerdo con el resultado obtenido, podemos concluir que la

probabilidad de que un sobre elegido al azar que tenga dos o más
gramos es de 15.87%.

La probabilidad de los 120 sobres es de 15.87%.

2. (D. Binomial) Se estima que, en todo el mundo, 1% de las personas

entre 15 y 49 años está infectado con el virus de la inmunodeficiencia
humana (VIH) (según datos de los Institutos Nacionales de Salud). En las
pruebas para el VIH, se combinan las muestras de sangre de 36 personas.
 a. ¿Cuál es la probabilidad de que una muestra combinada sea positiva
para el VIH?
R=/Es probable 25.3%.
b. ¿Es improbable que una muestra combinada de este tipo sea
positiva?
R=/ Es improbable 30.3%.

Datos:
𝑃 = 0.01
𝑞 = 0.990
𝑟=1
𝑛 = 36

Tenemos que una distribución binomial es una distribución de

probabilidad discreta que conociendo la probabilidad de éxito de un
evento debemos determinar que en (n) experimento tengamos (x)
éxitos, la función de probabilidad es:

𝑃(𝑋 = 𝑥) = 𝑛!/((𝑛 − 𝑥)! ∗ 𝑥!) ∗ 𝑝 𝑥 ∗ (1 − 𝑝)𝑛−𝑥

36!
𝑃𝑛,𝑟 = ∗ 0.011 ∗ 0.99035 = 𝟎. 𝟐𝟓𝟑
1! (36 − 1)!

Decimos que en este caso tenemos p = 0.01, n = 36 y deseamos saber

la probabilidad de que en la muestra combinada tenga VIH esto es que
al menos una de ellas tenga VIH X ≥ 1

𝑃(𝑋 ≥ 1) = 1 − 𝑃(𝑥 = 0)
𝑃(𝑋 = 0) = 36!/((36 − 0)! ∗ 0!) ∗ 0.010 ∗ (1 − 0.01)36−0 = 0.6964
𝑃(𝑋 = 0) = 1 − 0.6964 = 𝟎. 𝟑𝟎𝟑𝟓
3. (D. Hipergeométrica) De 30 personas seleccionadas de una
determinada empresa, 12 de ellas son tecnólogos y 18 son profesionales
de ciertas áreas de las ciencias. Si se selecciona aleatoriamente una
muestra de 8 personas, ¿Cuál es la probabilidad de que:

a. 4 de ellas sean tecnólogos?

R=/ La probabilidad es de 25.9%
b. 5 de ellos sean profesionales?
R=/ La probabilidad es de 24.1%

Distribución hipergeométrica: consiste en tomar de un grupo de N

personas, n de ellas, donde en las N personas hay C personas que
cumplen con la característica deseadas y se desea saber la probabilidad
de que en este grupo tomado "x" personas tengan dicha característica.

Para determinar la probabilidad en la hipergeométrica utilizamos la

siguiente formula:

𝑃(𝑋 = 𝑥) = (𝑐𝑜𝑚𝑏(𝐶, 𝑥) ∗ 𝑐𝑜𝑚𝑏(𝑁 − 𝐶, 𝑛 − 𝑥))/𝑐𝑜𝑚𝑏(𝑁, 𝑛)

Tenemos los siguientes datos:

𝑵 = 30
𝒏=8

La probabilidad de que 4 de ellas sean tecnólogos:

𝐶 = 12
𝑃(𝑥 = 4)
 (𝑐𝑜𝑚𝑏(𝐶, 𝑥) = 𝑐𝑜𝑚𝑏(12.4) = 12!/((12 − 4)! ∗ 4!) = 495
(𝑐𝑜𝑚𝑏(𝑁 − 𝐶, 𝑛 − 𝑥) = 𝑐𝑜𝑚𝑏(30 − 12,8 − 4) = 𝑐𝑜𝑚𝑏(18,4) = 18!/((18 − 4)! ∗ 4!
= 3060
(𝑐𝑜𝑚𝑏(𝑁, 𝑛) = 𝑐𝑜𝑚𝑏(30,8) = 30!/((30 − 8)! ∗ 8!) = 585292
𝑃(𝑥 = 4) = (495 ∗ 3060)/585292 = 𝟎. 𝟐𝟓𝟖𝟕𝟗𝟑𝟔𝟖

La probabilidad de que 5 de ellas sean tecnólogos:

𝐶 = 18
𝑃(𝑥 = 5)

(𝑐𝑜𝑚𝑏(𝐶, 𝑥) = 𝑐𝑜𝑚𝑏(18.5) = 18!/((18 − 5)! ∗ 5!) = 8568

(𝑐𝑜𝑚𝑏(𝑁 − 𝐶, 𝑛 − 𝑥) = 𝑐𝑜𝑚𝑏(30 − 18,8 − 4) = 𝑐𝑜𝑚𝑏(11,3) = 11!/((11 − 3)! ∗ 3!
= 165
(𝑐𝑜𝑚𝑏(𝑁, 𝑛) = 𝑐𝑜𝑚𝑏(30,8) = 30!/((30 − 8)! ∗ 8!) = 585292
𝑃(𝑥 = 4) = (8568 ∗ 165)/585292 = 𝟎. 𝟐𝟒𝟏𝟓𝟒𝟎𝟕𝟔𝟖

41. (Realizar una aproximación a la D. Normal) Un fabricante vende

lámparas en cajas de 1000. ¿Cuál es la probabilidad de que alguna caja
contenga no más del 1% de lámparas defectuosas si se considera el
proceso de producción como un experimento binomial con p=0,01 (la
probabilidad de que alguna lámpara sea defectuosa)?

R=/ La probabilidad de que alguna caja contenga el 1% de lámparas

defectuosas es de 99.8%.

Datos:
𝑛 = 1000
𝑃 = 0.01
𝑞 = 0.99

Tenemos los siguientes parámetros para una distribución binomial

normal:

Media: μ = n·p·q

Varianza: V = n·p·q

Desviación: σ = √(V)

𝑛 ≥ 30; 𝑛 ∗ 𝑝 ≥ 5; 𝑛 ∗ 𝑞 ≥ 5

Sustituimos media:
μ = (1000) ∗ (0.01)

μ = 10

Sustituimos varianza:
V = (1000) ∗ (0.01) ∗ (0.99)

V = 9.9

Sustituimos desviación:
σ = √9.9

σ = 3.146

Luego de sustituir, utilizamos la siguiente formula:

𝑃(𝑋 ≥ 1) = 1 − 𝑃(𝑥 ≤ 1)

Normal estándar:
𝑍 = [(x − μ)/σ]

Sustituimos:
𝑍 = [(1 − 10)/3.14]

𝑍 = −2.86

𝑃(𝑋 ≥ 1) = 0.0021
0.0021 = 1 − 𝑃(𝑥 ≤ 1)

𝑃(𝑋 ≥ 1) = 1 − 0.0021

𝑃(𝑋 ≥ 1) = 𝟎. 𝟗𝟗𝟕𝟗

52. (D. Poisson) Enfermedades en grupos El neuroblastoma, una forma

rara de cáncer, se produce en 11 niños de cada millón, por lo que su
probabilidad es 0.000011. Cuatro casos de neuroblastoma ocurrieron en
Oak Park, Illinois, donde había 12,419 niños.

a. Suponiendo que el neuroblastoma ocurre como es usual, encuentre

el número medio de casos en grupos de 12,429 niños.
R=/ numero medio de 12429 es 4.

b. Usando la media no redondeada del inciso (a), determine la

probabilidad de que el número de casos de neuroblastoma en un
grupo de 12,429 niños sea 0 o 1.
R=/ La probabilidad de “0” es de 18.3%, la probabilidad de 1 es
de 73.3%.

c. ¿Cuál es la probabilidad de más de un caso de neuroblastoma?

R=/ La probabilidad es de 0.84%.
 d. ¿El grupo con cuatro casos parece atribuible a la casualidad? ¿Por
qué sí o por qué no?
R=/ No es atribuible a la casualidad pues la probabilidad mayor
que 1 es muy alta.

Distribución Poisson: es una distribución de probabilidad discreta

usada en estadística con el fin de medir la probabilidad sobre que ocurra
cierta cantidad de eventos en un tiempo determinado o en un espacio
determinado.

Función de probabilidad de la distribución poisson:

P(x, λ) = exp(−λ) ∗ λ ∧ k/k!

Tenemos que “k” es la cantidad deseada de eventos en un tiempo

determinada, "λ" es la cantidad de eventos que ocurren en promedio, en
dicho tiempo.

Obtenemos que el numero "λ" de 12429 es 4.

- Ahora obtenemos la probabilidad de que sea “0” o “1”:

P(0.4) = exp(−4) ∗ 4 ∧ 0/0! = 0.018325
P(1.4) = exp(−4) ∗ 4 ∧ 1/1! = 0.073262

- Ahora obtenemos mas de “1” que es igual a 1 menos la

probabilidad de “0” y “1”:

P(x ≥ 1) = 1 − 0.018325 − 0.073262 = 0.008413

- Ahora podemos concluir que no es atribuible a la casualidad pues
la probabilidad mayor que 1 es muy alta.