Actividd 4 Estadistica

1
Estadística Inferencial – Actividad 4 Taller Distribuciones Binomial, Poisson y normal
Angélica María Prieto Ceballos- ID 100127628

Yuly Andrea Camuan Benitez- ID 100123533
Didier Mauricio Montoya García – ID 100123583
Corporación Universitaria Iberoamericana

Facultad de Ciencias Humanas y Sociales
Psicología
Estadística Inferencial
Docente: Ricardo Espitia
2
Taller Distribuciones Binomial, Poisson y normal
1. Suponga que una empresa petrolera sostiene que en los procesos de exploración y
Explotación, la probabilidad de que un pozo sea productivo es del 32%. Se establece
que Se va a la iniciar explotación en 8 pozos. Cuál es la probabilidad de que:
a. Todos sean productivos.
X= pozos productivos =32% = 0,32

Y= pozos no productivos= 68% = 0,68
P(x=k)=((n .k) . xk . Y(1-k))
n= 8 pozos
k= 3 pozos
b. Exactamente 3 no sean productivos.

P=(x=3)= C ( 8 . 3) . (0,32) . (0,32) . (0,68)
8
P=(x=3)=5 . (o,32) . (0,1453)
P=(x=3)=(56) . (0,32) . (0,1453)
P=(x=3)=0,2667 x 100 = 26,67%
RTA: La probabilidad de que 3 pozos no sean productivos es de 20,67%
c. Por lo menos dos no sean productivos
8
P=(x=6)=(1 ) . 0,68 ‘ x (1- 0,32)8-1
P= 0,2834
P=28,34%
RTA: La probabilidad de que por lo menos 2 no son productivos
2. Un jugador de baloncesto tiene una probabilidad de 0,34 de anotar tiros desde la zona
de 3 puntos. Cuál es la probabilidad de que al tirar 9 veces enceste:
a) 4 veces.
P=0,34
N=9
X=4
9
P(x)=( ) . 0,344 . ( 1 . 0,34)9-4
4
9
P(x)=( ) . 0,34 . (0,66) 5
4
3
P(x)=0,34 . 0,2108 = 21,8%

RTA: Hay un 21,8% de probabilidad de anotar 4 veces
b) todas las veces.
9
P(x)=(9) . 0,349 . (1 – 0,34) 9-9
9
P(x)=(9) . 0,349 . 0,63
P(x)= 0,000%
RTA: La probabilidad de encestar todas la 9 veces
c) más de 6 veces.
P(x=7)
N= 9 lanzamientos
K= 7 3ncestadas
P(x=k)= (n . k p ¨ k + q (n-k)
P=(x-7)=(9 . 7 ( 0,34)7 (0,66)2
(9 . 7 = 9! / (7 ! 2!) = 9 x4 = 36
P(x=7) = (36) (0.0005)(0.44)
P(x=7)= 0,0008 = 0,8%
P(x=8)
N= 9 lanzamientos
K= 9 encestadas
P(x=k)= (n . k . p ¨ k + q (n-k)
P=(x-8)=(9 . 8( 0,34)8 (0,66)2
(9 . 8 = 9! / (8 ! 1!) = 9
P(x=8) = (9) (0.0002)(0.66)
P(x=8)= 0,001 = 0,11%
P(x-6) 0,8% + 0,11% . 0,1006% ) = 0,91%
3. El 13% de los huevos en una tienda están podridos. Halle la probabilidad de que un
cliente que compra media docena de huevos encuentre como mucho un huevo
podrido.
P=(x=X) n`(n – x) x) p (1- p)
P= o,13 n = 6
X= 1 ) p (x=0) + p(x-1)
P = (x= 1= 6 (( 6-0)0= . 0,13 . (1 – 0,13) = 6610,8
P(x=1) 6/ (6-1) 1) . 0,13 . (1- 0,13 ) 6 . 5 . 0,13 = 0,875= 0,3887768
P(x=1) = 0,4336 + 0,388768 = 0,8223
4
4. La probabilidad de que se funda un bombillo en su transporte es del 3%. Si

en un envío hay 35 bombillos, ¿cuál es la probabilidad de que al menos uno esté
fundido debido a la operación de transporte?
DESARROLLO:
R/= El primer paso para dar solución a este ejercicio es identificar con qué tipo
de Distribución de probabilidad trabajaremos, en éste caso nos encontramos con
que es pertinente aplicar la Distribución Binomial:
X=Bin(n;p)
Esta sería la formula general que usaríamos:
Y ahora procedamos a nombrar los datos:

• n= 35
• p= 0,03
• b) P(x≥1)
• P(x≥1)= 1- P(x<1)
• P(x<1)= P(x= 0)+P(x=1)
Ahora procedemos a sustituir los datos en la formula general y queda de esta
manera:
P(X=0)=0,3443
Obtengo una probabilidad de 34,43%
P(X=1)=0,3728
Obtengo una probabilidad de 37,28%
Y ahora procedemos a sumar las probabilidades obtenidas:
P(x<1)= P(x= 0)+P(x=1)
P(x<1)= 0,3443+0,3728
Y esta probabilidad que obtenemos:
5
P(x<1)= 0,7171
P(x≥1)= 1- P(x<1)
Donde:
P(x≥1)= 1-0,7171
Aquí se resta la probabilidad calculada y obtenemos:
P(x≥1)= 0,2829
Finalmente, después de todos los cálculos obtenemos que la probabilidad de
que al menos un bombillo de los 35 que se estaban transportando se encuentre
fundido es de 28,29%
5. La contaminación constituye un problema en la fabricación de discos de

almacenamiento óptico. El número de partículas de contaminación que ocurre
en un disco óptico tiene una distribución de Poisson y el número promedio de
partículas por centímetro cuadrado de superficie del disco es 0.1. El área de un
disco bajo estudio es 100 centímetros cuadrados.
Con estos datos:
a. Encuentre la probabilidad de que ocurran 12 partículas en el área del disco
bajo estudio.
b. Encuentre la probabilidad de que ocurran cero partículas en el área del disco
bajo estudio.
c. Determine la probabilidad de que 12 o menos partículas ocurran en el área
del disco bajo estudio.
DESARROLLO:
R/= Identificamos que el tipo de Distribución de probabilidad que usaremos
para dar respuesta al ejercicio es Distribución Poisson.
a.
X≈Poiss(λ=x)
Esta sería la formula general que usaríamos:
6
Sea:
• Media= λ
• Variable= x
Datos:
• λ=0,1 * 100= 10
• X≈Poiss(λ=10)
Dado que λ≥10 aproximamos la Distribución Poisson a la Distribución Normal:
• λ= 10
• σ= √λ= √10 = 3,16
Sustituimos los valores en la ecuación:
R/= La probabilidad de que ocurran 12 partículas en el área del disco bajo

estudio es de 10,44%
b. Aplicando la misma formula inicial:
R/= La probabilidad de que ocurran cero partículas en el área del disco bajo
estudio es de 0,005%
c. Aplicando la misma fórmula inicial:
Sustituyendo tenemos:
R/= La probabilidad de que ocurran 12 o menos partículas en el área del disco
bajo estudio es de 78,52%
6. De acuerdo con las estadísticas, existen 20,4 robos en cada mes.

Responda:
a. ¿Cuál es la probabilidad que por lo menos dos personas hayan sido robadas
en un periodo de 2 semanas?
b. ¿Cuál es la probabilidad de que ninguna persona haya sido robada en una
semana?
7
DESARROLLO:
a. Un dato importante y pertinente es tener claro como punto de partida que
cuando no nos plantean un promedio estadístico o algún porcentaje que
represente una probabilidad como dato en el problema utilizamos
PROBABILIDAD POISSON.
Datos:
• e = 2,71828
• μ= 20,4 robos al mes
Si hay 20,4 robos al mes, y el mes tiene 4 semanas:
Hay μ robos en una semana
μ= 5,1
P(x≤2) = P(x=0) + P(x=1) + P(x=2)
P(x=0 ) = (10,2)∧0 (2,71828)∧-10,2 /0! =0,00037

P(x=1) = (10,2)∧1 (2,71828)∧-10,2 /1!= 0,00355
P(x=2) = (10,2)∧2 (2,71828)∧-10,2 /2! = 0,00193
P(x≤2) = 0,00585
R/= La probabilidad que por lo menos dos personas hayan sido robadas en un
periodo de 2 semanas es de 0,585%
a. Procedemos a hacer el mismo proceso, reemplazar en la formula inicial:

La cual quedaría así:
P(x=0 ) = (5,1)∧0 (2,71828)∧-5,1 /0! =0,006
R/= La probabilidad que ninguna persona haya sido robada en un periodo de
una semana es de 0,6%
8
7. Los pesos de 1500 soldados presentan una distribución normal de medio 68

kg y desviación típica 7 kg. Calcule la probabilidad de que un soldado elegido al
azar pese:
Datos
µ= 68
kg
σ= 7 kg
n= 1500
ƺ= (x-µ)/σ
a) Más de 61 kg.
(61−6 = −1
8)
ƺ=
7
p(x≤61) = 0.15866
p(x≥61) = 1 – 0.15866 = 0.84134
b) Entre 63 y 69 kg.
Z1 63− = −0.71
= 68
7
p(x≤63) = 0.23885
Z2 69− = 0.14
= 68
7
p(63≤ x < 69) = (1-0.23885) -0.55567 = 0.20548

c. Menos de 70 kg.
70− = 0.29
68
Z=
7
9
p(x≤70) = 0.61409
d. Más de 75 kg.
75−6
8
Z= =1
7
p(x≤75) = 0.84134
p(x≥75) = 1, 0.84134 = 0.15866
8. La temperatura durante septiembre está distribuida normalmente con media

19,7ºC y desviación standard 5ºC. Calcule la probabilidad de que la temperatura
durante septiembre esté por debajo de 20ºC y la probabilidad que la temperatura este
entre 19°C y 21°C.
Datos
µ=
19.7°C
σ= 5°C
x= 20°C
Probabilidad de que la temperatura durante septiembre, este por debajo de los 20°C
𝑥−µ
Z=
𝜎
20−1
9.7
Z= = 0.06
5
p(x≤20°C) = 0.52392
Probabilidad de que la temperatura este entre 19°C y
21°C Z1= 0.14
p(x≤19) = 0.55567
Z2= 0.26
p(x≤21) = 0.15927
p(19≤ x ≤ 21) = 0.15927
10
9. Si X es una variable aleatoria de una distribución normal con media μ y

desviación estándar σ, calcule la probabilidad P(μ - 3σ < X < μ + 3σ).
Hallar
σ=
desviación μ
= media
11
x= variable
p(µ-3σ ≤ x ≤ µ+3σ)
𝑥−
µ
z=
𝜎
(µ−3𝜎) (µ+3𝜎)−µ
−µ
p(µ-3σ≤x≤µ+3σ) = p( ≤𝑧 ≤
𝜎 𝜎
p(-3 ≤ z ≤ 3)
p(z ≤ 3) – p(z ≤ -3)
Según tabla de distribución

nominal p(z ≥ 3) = 0.0013
p(z ≤ 3) = 1 – p(3 ≥ 3)
p(z ≤ 3) = 1 -0.0013 = 0.9987
p(z ≤ 3) = p(z ≥ 3) = 0.0013
p(µ-3σ ≤ x ≤ µ+3σ) = p(z ≤ 3) – p(z ≤ -3)
= 0.9987 – 0.0013
= 0.9974
Aproximadamente el 99.74% de los valores de x están a menos de tres desviaciones típicas
de la media
10. La cantidad de productos no conformes de una compañía está distribuida
normalmente con media 8 y desviación standard 2.5. Calcule la probabilidad que la
cantidad de productos no conformes sea.
σ=
desviación
µ= media
x= variable
x=N (µ-8; 6-2.5)
e. Mayor que 4.
p(x>4) = 1 – p(z < -

0.18)
4−8
p(x>4) =
2,5
p(z>
12
p(x>4) = p(z > -

1.6) p(x>4) = 1 –
0.0547
13
p(x>4)= 0.9453
94.53% es la probabilidad de que los productos no conformes sea mayor que 4.
e. Entre 4 y 6
p(4< x < 6) = p(x<6) – p(x<4)
4−8
p(4< x < 6) = p( 6−8) − 𝑝(𝑧 < 2,5 )
z< 2,5
p(4< x < 6) = p(z < 2,8) – p(z<

0,8) p(4< x < 6) = 0.9974 -
0.7881
p(4< x < 6) = 0.2093
20.93% es la probabilidad de que los productos no conformes estén entre 4 y 6.
f. Igual a
7 p(x=7)
7−8
p(x=7) = )
2,5
p(z=
p(x=7) =
p(z=3,8) p(x=7)
0.9996
99.96% es la probabilidad de que los productos no conformes sean igual a 7.
10
Referencias Bibliográficas:
 Martínez, C. (2013). Estadística y muestreo - SIL. (13a. ed.) Ecoe Ediciones.
Recuperado de http://www.ebooks7-
24.com.ibero.basesdedatosezproxy.com/?il=739
 Vladimirovna Panteleeva, O. & Gutiérrez González, E. (2016). Estadística

inferencial 1 para ingeniería y ciencias.. Grupo Editorial Patria.
Recuperado de: https://elibro.net/es/lc/biblioibero/titulos/40474
 Llinás Solano, H. (2017). Estadística Inferencial. Universidad del Norte.
Recuperado de https://elibro.net/es/lc/biblioibero/titulos/70060

Actividd 4 Estadistica

Cargado por

Copyright:

Formatos disponibles

Actividd 4 Estadistica

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Actividd 4 Estadistica

Cargado por

Copyright:

Formatos disponibles

1

Estadística Inferencial – Actividad 4 Taller Distribuciones Binomial, Poisson y normal

Angélica María Prieto Ceballos- ID 100127628

Corporación Universitaria Iberoamericana

Taller Distribuciones Binomial, Poisson y normal

a. Todos sean productivos.

X= pozos productivos =32% = 0,32

b. Exactamente 3 no sean productivos.

P(x)=0,34 . 0,2108 = 21,8%

4. La probabilidad de que se funda un bombillo en su transporte es del 3%. Si

Y ahora procedamos a nombrar los datos:

5. La contaminación constituye un problema en la fabricación de discos de

R/= La probabilidad de que ocurran 12 partículas en el área del disco bajo

6. De acuerdo con las estadísticas, existen 20,4 robos en cada mes.

P(x≤2) = P(x=0) + P(x=1) + P(x=2)

P(x=0 ) = (10,2)∧0 (2,71828)∧-10,2 /0! =0,00037

a. Procedemos a hacer el mismo proceso, reemplazar en la formula inicial:

7. Los pesos de 1500 soldados presentan una distribución normal de medio 68

p(63≤ x < 69) = (1-0.23885) -0.55567 = 0.20548

8. La temperatura durante septiembre está distribuida normalmente con media

9. Si X es una variable aleatoria de una distribución normal con media μ y

Según tabla de distribución

p(x>4) = 1 – p(z < -

p(x>4) = p(z > -

p(4< x < 6) = p(z < 2,8) – p(z<

 Martínez, C. (2013). Estadística y muestreo - SIL. (13a. ed.) Ecoe Ediciones.

 Vladimirovna Panteleeva, O. & Gutiérrez González, E. (2016). Estadística

Recuperado de: https://elibro.net/es/lc/biblioibero/titulos/40474

 Llinás Solano, H. (2017). Estadística Inferencial. Universidad del Norte.

También podría gustarte