Distribuciones binomial y normal ACTIVIDADES
|
|
- Beatriz Vega Ortíz
- hace 5 años
- Vistas:
Transcripción
1 0 ACTIVIDADES 57
2 La probabilidad, p, que falta es X =. Como la suma de todas las probabilidades tiene que ser, tenemos que: 0, + 0, + 0, + 0, + 0,5 + p = p = 0, µ= 0,+ 0,+ 0,+ 4 0,+ 5 0,+ 6 0,5=,9 σ= 0, + 0, + 0, + 4 0, + 5 0, + 6 0,5,9 =,55 58
3 Determinamos el espacio muestral, siendo C = «Cara» y + = «Cruz»: E = {CCC, CC+, C+C, C++, +CC, +C+, ++C, +++} Son un total de 8 sucesos probables. Calculamos las probabilidades de los sucesos elementales: P( X= ) = P( X= ) = P( X= ) = P( X= 0) = Las funciones de probabilidad y de distribución serían, respectivamente: si x= 0 o x= 8 f( x) = si x= o x= 8 0 en el resto de los valores 0 si x< 0 si 0 x< 8 F( x) = si x< 7 si x< 8 si x f(x) F(x) 59
4 La variable es discreta y mide la cantidad de veces que se repite un suceso («Salir»), que no depende de los sucesos anteriores. La probabilidad de que ocurra ese suceso es, por tanto, la variable aleatoria sigue una 4 distribución B, 4. P( X= 0) = = = P( X= ) = = = P( X= ) = = = P( X= ) = = Calculamos la media y la varianza: µ= = = σ = = = np= = =µ npq= = =σ P( X = 4) = 0,6 0,4 = 0, 4 a) 4 4 d) P( X 5) = P( X= ) + P( X= 4) + P( X= 5) = 0,65 b) P( X< ) = P( X= 0) + P( X= ) = 0,0085 e) P( X 7) = P( X= 8) = 0,98 c) P( X 6) = P( X= 6) + P( X= 7) + P( X= 8) = 0,5 f) P(0< X< 8) = ( P( X= 0) + P( X= 8) ) = 0,
5 La gráfica de f(x) es: b h k = = = k k= x Para 0 x, la función de distribución es el área del triángulo de base x y de altura. Por tanto: 0 si < x< 0 x F( x) = si 0 x 4 si < x<+ Para 0 x, la función de distribución es el área del rectángulo de base x y de altura. Por tanto: 0 si < x< 0 F( x) = x si 0 x si < x<+ 5
6 Tipificamos las distribuciones para compararlas: Tipificar 0 80 Ebanista: 0 = 0, 00 Tipificar Fontanero: 00 = 0, 80 0, < 0, Es mejor oferta la del fontanero. X c) P( X 4) = P = P( Z 0,5) = P( Z 0, 5) = 0,085 X d) P( X 6) = P = P( Z 0,5) = 0,085 X e) P( X< 7) = P = P( Z< ) = 0, 84 X f) P( X 8) = P = P( Z,5) = 0,9 5
7 SABER HACER a) Es una variable discreta que cuenta el número de veces que ocurre un suceso determinado («Tener gigivitis»), y que ocurra ese suceso es independiente de si ha ocurrido o no antes. Por tanto, la variable estadística X sigue una binomial: El número de experimientos es 7. La probabilidad de que ocurra el suceso es 0,5 8 = Por tanto, X B(7; 0,5). b) P( X= ) = 0,68 c) P( X= 0) = 0,9 d) µ= 7 0,5= 0, 875 σ = 7 0,5 0,875= 0,766 5
8 Dibujamos la función de densidad: f(x) Como se ve en la figura, entre 0 y la función de distribución F(x) representa el área de un trapecio formado por un rectángulo que tiene por lados y x, y un triángulo de base x y altura x. Por tanto, entre 0 y : k x x x F( x) = x+ k = x+. Para que sea función de distribución se tiene que cumplir: k 9 F() = + = 4k= 9 k= k 4 0 si x< 0 Así, tenemos que la función de distribución es x F( x) = x si 0 x 9 si < x Entre y la función de distribución F(x) sería el área del rectángulo que tiene como uno de los lados k y su otro lado mide la distancia de a x, es decir, x. Por tanto, entre y F(x) = k( x). Para que sea función de distribución se tiene que cumplir: F() = k( ) = k= Así, tenemos que la función de distribución sería: 0 x< x F( x) = x x> a) P( Z 0,7) = P( X 0,7) = 0,4 b) P( Z,7) = P( X,7) = 0,04 c) P( Z,0) = P( X,0) = 0,0 a) P(0, Z 0,9) = P( Z 0,) P( Z 0,9) = 0,7 b) Por simetría de la normal, tenemos: P(,9 Z,) = P(, Z,9) = P( Z,) P( Z,9) = 0,086 54
9 a) P( Z,) = P( X, ) = 0,0968 c) P( Z,8) = P( X, 8) = 0,9656 b) P( Z,) = P( X,) = 0,90 d) P( Z,8) = P( X,8) = 0,044 a) P( Z< a) = 0,8907 a=, b) P( Z< b) = 0,446 P( Z< b) = 0,446= 0,6554 b= 0,4 b= 0,4 c) P( Z< a) = 0,49 P( Z< a) = 0,49= 0,5 a= 0,05 a= 0,05 d) P( Z< a) = 0, P( Z< a) = 0,= 0,9 a=,8 a=,8 X,5 X, P(, X,5) P( X,5) P( X,) P P = = = 0,6 0,6 0,6 0,6 = P( Z 0,8) P(Z,) = P( Z 0,8) ( P(Z, )) = 0,705 X = «Diámetro de las piezas producidas» X N(45; σ ) X P( X> 50) = 0,006 P P Z P Z 0,006 P Z > = > = = = 0,994 =,5 σ=,99 σ σ σ σ σ σ,, P( X,) 0,67 P µ Z µ = = 0,67 = 0,44 σ σ 6,7 6,7 6,7 P( X 6,7) 0,09 P µ Z P µ Z µ > = > = = 0,09= 0,9 =,4 σ σ σ Resolvemos el sistema planteado por las dos ecuaciones:, µ = 0,44 σ µ= 0 6,7 µ σ= 5 =,4 σ 55
10 La distribución que rige esta variable es B(70; 0,5). Como n p = 0,5 > 5 y n ( p) = 59,5 > 5 podemos aproximarla por una normal: X B(70; 0,5) N(0,5 ;,987) La probabilidad pedida será: 8 0,5 5 0,5 P(5 X 8) = P( X 8) P( X 5) P Z P Z = 0,994 0,945= 0,06,987,987 ACTIVIDADES FINALES a) Determinamos el espacio muestral, siendo B = «Blanca» y A = «Azul»: E = {BBB, BBA, BAB, BAA, ABB, ABA, AAB, AAA} Los sucesos no tienen la misma probabilidad, ya que cada extracción no es independiente. El total de bolas es 7. Calculamos las probabilidades de los sucesos elementales: 6 P( X= 0) = = = AAA P( X= ) = + + = = BBA BAB ABB P( X= ) = + + = = BAA ABA AAB P( X= ) = = = BBB Las funciones de probabilidad y de distribución son, respectivamente: si x= 0 5 si x= 5 f(x) = 8 si x= 5 4 si x= 5 0 en el resto de los valores 0 si x< 0 si 0 x< 5 F( x) = si x< 5 si x< 5 si x 56
11 f(x) F(x) b) Determinamos el espacio muestral, siendo F = «Fresa», N = «Naranja» y M = «Menta»: E = {FF, FN, FM, NN, NF, NM, MF, MN} Los sucesos no tienen la misma probabilidad, ya que cada extracción no es independiente. El total de caramelos es 7. Calculamos las probabilidades de los sucesos elementales: 6 P( X= 0) = + + = = FF FM MF P( X= ) = = = FN MN NF NM 4 P( X= ) = = = NN Las funciones de probabilidad y de distribución son, respectivamente: si x= si x= f(x) = 7 si x = 7 0 en el resto de los valores 0 si x< 0 si 0 x< F( x) 7 = 5 si x< 7 si x f(x) F(x) c) Determinamos el espacio muestral, siendo V = «Varón» y A = «Mujer»: E = {VVVV, VVVM, VVMV, VMVV, MVVV, VVMM, VMMV,VMVM,MVMV, MVVM, MMVV, MMMV, MMVM, MVMM, VMMM, MMMM} Los sucesos tienen la misma probabilidad, y el número total es 6. Calculamos las probabilidades de los sucesos elementales: P( X= 0) = 6 4 P( X= ) = = P( X= ) = = 6 8 Las funciones de probabilidad y de distribución son, respectivamente: 4 P( X= ) = = 6 4 P( X= 4) = 6 57
12 si x= 0 o x= 4 6 si x= o x= f (x) = 4 si x = 8 0 en el resto de los valores 0 si x< 0 si 0 x< 6 5 si x< 6 F( x) = si x< 6 5 si x< 4 6 si 4 x f(x) F(x) a) + + = No es una función de probabilidad b) = 69 No es una función de probabilidad c) = No es una función de probabilidad d) 0,+ 0,+ 0,+ 0,+ 0,4= Es una función de probabilidad. Su función de distribución es: 0 si x< x 0, si x x< x 0, si x x x F( x) < = 0,4 si x x < x4 0,6 si x4 x< x5 si x5 x 58
13 4 a) P(Sacar bola de U ) = = P(Sacar bola de U ) = = Todos los sucesos tienen la misma probabilidad: P( X= x i ) = b) si x=,,, 4, 5, 6, 7, 8, 9, 0, o f (x) = 0 en el resto de los valores 0 si x< [ x] F( x) = si x< si x µ= 6,5 σ =,967 σ=,45 Comprobamos que es una función de probabilidad: 0,4 + 0,08 + 0, + 0,5 + 0,5 = Es función de probabilidad. 0 si x< 0,4 si x< 0,48 si x F( x) < = 0,6 si x < 4 0,85 si 4 x< 5 si 5 x f(x) F(x) 59
14 a) P( X> ) = P( X ) = F() = 0,4 b) P( X ) = F() = 0,48 c) P(< X 4) = P( X 4) P( X ) = F(4) F() = 0,7 d) µ=,67; σ=,556 P( µ σ< x<µ+σ ) = P(,4 < X< 4,6) = P( X< 4,6) P( X,4) = F(4,6) F(,4) = 0,45 a) Como la ficha sacada se vuelve a meter en la urna, la probabilidad de sacar una ficha roja es siempre la misma: 5 9 P(Sacar ficha roja) = P(No sacar ficha roja) = 4 4 Determinamos el espacio muestral, siendo R = «Sacar rojo» y N = «No sacar rojo»: E = {NNN, NNR, NRN, RNN, NRR, RNR, RRN, RRR} Los sucesos no tienen la misma probabilidad. Calculamos las probabilidades de los sucesos elementales: 9 79 P( X= 0) = = P( X= ) = = P( X= ) = = P( X= ) = = Así, las probabilidades serán: 50
15 9 79 P( X= 0) = = P( X= ) = = si x= si x= 744 f(x) = 5 si x= si x= en el resto de los valores P( X= ) = = P( X= ) = = si x< 0 79 si 0 x< si x< 744 F( x) = 79 si x< si x< si 4 x a) X P(X = xi) Y P(Y = yi) b) µ X= 4 σ X=,7 µ = σ =,7 Y Y c) 5 P( X< 4) = 4 d) P( X 5) = 8 5
16 a) b) c) X P(X = xi) P( X> 9) = = P( X 5) = = P(Sacar bola de B ) = P(Sacar bola de B ) = P(Sacar un par ( b, b )) = = Algunos resultados no son posibles porque no se pueden obtener multiplicando los números de las bolsas. X Posibilidades P(X = xi) (, ) (, ) (, ) (, ) (, ) 4 (, 4) (4, ) (, ) 5 (, 5) 6 (, ) (, ) 8 (, 4) (4, ) 9 (, ) 0 (, 5) (, 4) (4, ) 5 (, 5) 6 (4, 4) 0 (4, 5) P( X> ) = 0 5
17 X B(4; 0,5) 0 4 P(X = xi) 0,64 0,49 0,09 0,0469 0,009 5
18 a) X B(; 0,9) 0 µ=,7 P(X = xi) 0,00 0,07 0,4 0,79 σ= 0,596 b) X B(5; 0,5) µ= 0,75 P(X = xi) 0,447 0,95 0,8 0,048 0,00 0,00008 σ= 0,7984 a) Es una B(50; 0,97) µ= 48,5 El caso con mayor probabilidad es 49. b) Es una B(5; 0,) µ= 0,6 El caso con mayor probabilidad es 0. c) Es una d) Es una B 0; 6 µ=,67 El caso con mayor probabilidad es. B 7; µ=,5 Los casos con mayor probabilidad son y 4. e) Es una B ( 0; 0,7) µ= 4 El caso con mayor probabilidad es 4. f) Si la variable aleatoria fuese saber si se han titulado en el tiempo mínimo sí sería una binomial, pero esta variable no sigue una binomial. a) P( X= 0) = 0, 40 P( X< ) = 0, 657 P( X ) = 0, 087 b) P( X= 7) = 0,67 P( X 4) = 0, 8 P( X> 6) = 0, 67 c) P( X= 8) = 0, 047 P( X ) = 0, 055 P( X< 0) = 0,
19 Sea X = «Tirar una moneda al aire 8 veces y apuntar el número de caras» X B 8; P( X 5) = 0, 8555 Sea X = «Cuántos grifos son defectuosos de una muestra de 9 grifos» X B( 9; 0,06) a) P( X> ) = P( X ) = 0,0978 b) P( X= 0) = 0,57 55
20 Sea X = «Cuántas chicas hay en el grupo de 6 estudiantes» X B 6; a) P( X ) = 0, 656 b) P( X= 0) = 0, 056 c) P( X= ) = 0, 5 Por cada chica hay tres chicos, es decir, P (Chica) = 4 X B 6; 4 a) P( X ) = 0, 964 b) P( X= 0) = 0,78 c) P( X= ) = 0, 8 Sea X = «Cuántos enfermos sanarán del grupo de 0» X B( 0; 0,8) P(0< X< 5) = P( x< 5) P( X 0) = 0,9 Sea X = «Cuántos 5 salen en los 4 dados» X B 4; 6 a) P( X= ) = 0, 57 b) P( X> ) = 0, 06 c) P( X ) = P( X= 0) = 0,577 El orden sería: b) < a) < c). Sea X = «Cuántas canastas encesta de 5 lanzamientos» X B( 5; 0,4) a) P( X= 4) = 0, 0768 c) P( X ) = 0, 686 b) P( X> ) = 0,087 d) P( X= 0) = 0,
21 Sea X = «Cuántos encuestados responden 'NS/NC' de los 5» X B( 5; 0,) a) P( X 0) = 0,00000 b) P( X= ) = 0,88 Sea X = «Cuántas revisiones son no aptas de los 5 vehículos» X B 5; a) P( X= ) = 0,4 b) P( X= 0) = 0, 0476 c) P( X< 0) a) f(x) forma un rectángulo con el eje X con lados de longitud 0,5 y El área bajo f(x) es 0,5 =, por tanto, es función de densidad. b) f(x) forma un rectángulo con el eje X con lados de longitud 5 y tanto, es función de densidad. 6 = El área bajo f(x) es =, por 5 a) f(x) forma dos rectángulos con el eje X con los lados de las siguientes longitudes: k y Área = k 4k y Área = 4k Para ser función de densidad, el área bajo f(x) debe ser k+ 4k= k=. 5 57
22 La función de distribución es: b) Dibujamos f(x): 0 si x< 0 x si 0 x< 5 F( x) = 4x si x< 5 si x f(x) Como se ve en la figura, entre 0 y k la función de distribución F(x) representa el área de un trapecio formado por un rectángulo cuyos lados miden 4 y x, y un triángulo de base x y altura x. Por tanto, el valor de la 4 función de distribución entre 0 y k sería: x x F( x) = + 4 = 4 8 x x + x Para ser función de densidad, la función de distribución en x = k debe valer, por tanto: k + k k= 4 F( k) = = k + k 8= 0 8 k= Como en la definición vemos que k > 0 k =. Así, la función de distribución queda: 0 si x< 0 x + x F( x) = si 0 x< 8 si x c) Dibujamos f(x): f(x) k= k= 0 Como se ve, k debe valer como mínimo, porque de otro modo f(x) no sería siempre positiva, algo imprescindible para ser función de densidad. Además, si hacemos k=, el área bajo f(x) sería un triángulo de base y altura k= para que f(x) sea función de densidad. cuya área es. Por tanto La función de distribución entre y, es el área del trozo de triángulo entre y x o, lo que es lo mismo, menos el área del triángulo entre x y : 58
23 x+ ( x) 0,5 x+ ( x) x x+ F( x) = = = 4 La función de densidad es: 0 si x< 0 x x+ F( x) = si x 4 si < x f(x) en [, 8] forma un rectángulo con el eje X de cuyos lados miden 6 y 6, y cuya área mide 6=. Por tanto, 6 es una función de densidad cuya función de distribución es: 0 si x< x x+ F( x) = si x 4 si < x a) b) c) P( X< ) = F( x) = ( ) = 6 6 P( X 5) = P( X 5) P( X< ) = F(5) F() = = 6 P( X> 6) = P( X 6) = = 6 x x x La función forma un triángulo con el eje X de base x y altura, cuya área es A( x ) =. De esta forma, el área bajo f(x) será: A(6) A(4) = = Es función de densidad. 0 0 La función de distribución en [4, 6] será A(x) A(4), así: 0 si x< 4 x 6 F( x) = si 4 x 6 0 si 6< x a) P( X< 4,5) = F(4,5) = 0,5 b) P(4,5 X 5) = P( X 5) P( X 4,5) = F(5) F(4,5) = 0,75 c) P( X> 5) = P( X 5) = F(5) = 0,55 59
24 a) P(0,5< X<,5) = F(,5) F(0,5) = 0,4065 c) P( X<,5) = F(,5) = 0,49 b) P(< X< ) = F() F() = 0,875 d) P( X>,) = F(,) = 0,784 a) b) P( X ) = F() F() = c) P(,5 X,5) = F(,5) F(,5) = P( X ) = F() = d) P( X> ) = F() = 540
25 a) P( Z< 0,6) = 0,757 e) P( Z<,) = 0,8907 b) P( Z 0,9) = 0,8 f) P( Z,0) = 0,9778 c) P( Z<,) = 0,90 g) P( Z 0,07) = 0,579 d) P( Z,4) = 0,998 h) P( Z< 0,) = 0,67 a) P( Z 0,6) = P( Z 0,6) = 0,74 e) P( Z=,) = 0 b) P( Z> 0,9) = P( Z 0,9) = 0,84 f) P( Z>,6) = P( Z,6) = 0,0548 c) P( Z>,5) = P( Z,5) = 0,0668 g) P( Z> 0,0) = P( Z 0,0) = 0,488 d) P( Z ) = P( Z ) = 0,08 h) P( Z,) = P( Z, ) = 0,06 a) P( Z 0,4) = P( Z 0,4) = 0,446 e) P( Z<,5) = P( Z,5) = 0,006 b) P( Z,6) = P( Z,6) = 0,056 f) P( Z,76) = P( Z,76) = 0,09 c) P( Z<,) = P( Z,) = 0,007 g) P( Z< 0,) = P( Z 0,) = 0,448 d) P( Z =,05) = 0 h) P( Z,07) = P( Z,07) = 0,4 a) P( Z>,7) = P( Z,7) = 0,898 e) P( Z= 0,) = 0 b) P( Z,0) = P( Z, 0) = 0,978 f) P( Z,04) = P( Z, 04) = 0,8508 c) P( Z >,5) = P( Z, 5) = 0,95 g) P( Z> 0,09) = P( Z 0, 09) = 0,559 d) P( Z ) = P( Z ) = 0,977 h) P( Z,) = P( Z, ) = 0,
26 a) P( Z>,) = P( Z, ) = 0,5 e) P( Z< 0,) = P( Z 0,) = 0,707 b) P( Z 0,9) = P( Z 0,9) = 0,76 f) P( Z> 0,45) = P( Z 0, 45) = 0,64 c) P( Z,9) = P( Z,9) = 0,0 g) P( Z ) = P( Z ) = 0,587 d) P( Z= 0) = 0 h) P( Z,) = P( Z, ) = 0,986 a) P Z = 0, 695 b) P Z P Z = = 0, c) P Z P Z > = = 0, d) P Z P Z < = = 0, e) P Z = 0, f) P Z P Z = = 0, 006 a) P(0,4< Z,8) = P( Z,8) P( Z 0,4) = 0,086 b) P( 0,6 Z 0,9) = P( Z 0,9) P( Z 0,6) = P( Z 0,9) ( P( Z 0,6)) = 0,5496 c) P(,5 Z< 0,64) = P( Z 0,64) P( Z,5) = P( Z 0,64) ( P( Z,5)) = = P( Z,5) P( Z 0,64) = 0,956 a) P(,8< Z,8) = P( Z,8) P( Z,8) = P( Z,8) ( P( Z,8)) = P( Z,8 ) = 0,98 b) P(,06 Z,06) = P( Z, 06) = 0,9606 c) P(,5 Z<,5 ) = P( Z, 5) = 0,
27 a) P( Z< k) = 0,9599 k=,75 b) P( Z> k) = P( Z k) = 0,975 k=,55 c) P( Z> k) = P( Z k) = 0,085 P( Z k) = 0,695 k= 0,5 d) P( Z< k) = P( Z k) = 0,056 P( Z k) = 0,9744 k=,95 e) P( Z k) = P( Z k) = 0,464 P( Z k) = 0,566 k= 0,6 f) P( Z> k) = P( Z k) = 0,5557 k= 0,4 f) X 08 f 08 f 08 P( X f ) = 0,777 P = 0,777 = 0,745 f= 9, P( k< Z< k) = P( Z k) ( P( Z k)) = P( Z k) a) b) 0,844+ P( k< Z< k) = 0,844 P( Z k) = = 0,907 k=,4 0,098+ P( k< Z< k) = 0,098 P( Z k) = = 0,599 k= 0,05 54
28 c) d) e) 0,8+ P( k< Z< k) = 0,8 P( Z k) = = 0,695 k= 0,5 0,4448+ P( k< Z< k) = 0,4448 P( Z k) = = 0,74 k= 0,59 0,8664+ P( k< Z< k) = 0,8664 P( Z k) = = 0,9 k=,5 Calculamos los extremos correspondientes, k y k, para N(0, ) y los transformamos en los extremos x, y de la normal correspondiente mediante las siguientes transformaciones: x µ = k x =µ σ k σ y µ = k x =µ+σ k σ a) b) c) 0,9+ P( k< Z< k) = 0,9 P( Z k) = = 0,95 k=,645 El intervalo es [0,55; 9,95]. 0,68+ P( k< Z< k) = 0,68 P( Z k) = = 0,84 k= 0,995 El intervalo es [4,05; 54,965]. 0,84+ P( k< Z< k) = 0,84 P( Z k) = = 0,9 k=,405 El intervalo es [48,95; 9,075]. a) P( k< Z< k) = P( Z< k) P( Z< k) = 0,076 k= 0, b) P( k< Z< k) = P( Z< k) P( Z< k) = P( Z< k) P( Z> k) = P( Z< k) + P( Z< k) = 0,574 P( Z< k) + P( Z< k) =,574 k= 0, c) P( k< Z< k) = P( Z< k) P( Z< k) = P( Z< k) P( Z> k) = P( Z< k) + P( Z< k) = 0,98 P( Z< k) + P( Z< k) =,98 k=,5 d) P( 5k< Z< k) = P(k< Z< 5 k) = P( Z< 5 k) P( Z< k) = 0,89 k= 0,4 a) 5 P( X< ) = P Z = P( Z 0,75) = P( Z 0,75) = 0,66 4 b) P( X 7,) = P( X 7,) = P( Z 0,575) = 0, 86 c) P( X 8, 4) = P( Z 0,85) = 0,80 544
29 d) P( X 8,04) = P( X 8,04) = P( Z,74) = P( Z,74) = 0,959 e) P(4< X 0) = P( X 0) P( X 4) = P( Z,5 ) P( Z 0,5) = P( Z,5 ) ( P( Z 0,5)) = 0,49 f) P(0 X< ) = P( X ) P( X 0) = P( Z 0,5) P( Z,5 ) = P( Z,5) P( Z 0,5) = 0,09 g) P( X< 6) = P( X 6) P( X ) = P( Z 0, 5) P( Z ) = P( Z 0,5) ( P( Z )) = 0,440 h) P(6 X 7) = P( X 7) P( X 6) = P( Z 0,5) P( Z 0,5) = 0, a) P( X< 86) = P Z = P( Z 0,55) = 0,7088 b) P( X 88) = P( X 88) = P( Z 0,7) = 0,7 c) P( X 75) = P( Z 0,45) = P( Z 0,45) = 0, d) P( X 68) = P( X 68) = P( Z,09) = P( Z,09) = 0,86 e) P(67< X 77) = P( X 77) P( X 67) = P( Z 0,7) P( Z,8 ) = P( Z,8 ) P( Z 0,7) = 0,746 f) P(76 X< 85) = P( X 85) P( X 76) = P( Z 0,45) P( Z 0,6) = P( Z 0,45) ( P( Z 0,6)) = 0,4 g) P( 70 X 7) = P( X 7) P( X 70) = P( Z 0, 7) P( Z 0,9) = P( Z 0,9) P( Z 0, 7) = 0,5 h) P(8 X> 80) = P( X 8) P( X 80) = P( Z 0,7 ) P( Z 0) = 0,064 a) P( X ) P µ Z µ = = 0,695 = 0,5 0,5σ+µ= σ σ 8 8 P( X 8) P µ Z µ < = = 0,998 =,5,5σ+µ= 8 σ σ 0,5σ+µ= µ= 5,5,5σ+µ= 8 σ= 7 b) P( X 5) P( X 5) P µ Z 0,056 P µ Z µ > = = = = 0,8944 =,5,5σ+µ= 5 σ σ σ 4,8 4,8 4,8 P( X 4,8) P( X 4,8) P µ Z P µ Z µ > = = = = 0,9 =,5,5σ+µ= 4,8 σ σ σ 74 µ= = 5,88,5σ+µ= 5,5σ+µ= 4,8 404 σ= = 7,
30 a) P( X> 70) = P( X 70) = P( Z 0,4) = 0,7 b) P( X< 68) = P( Z 0,5) = 0,5987 c) P(59 X 7) = P( X 7) P( X 59) = P( Z 0,5) P( Z 0,50) = P( Z 0,5) + P( Z 0,50) = 0,46 P( X ) P µ Z 0,76 P µ Z µ = = = 0,88 = 0,9 0,9σ+µ= σ σ σ P( X 9) P( X 9) P µ Z 0,0075 P µ Z µ > = = = = 0,995 =,4,4σ+µ= 9 σ σ σ 6 µ= = 4,66 0,9σ+µ= 56,4σ+µ= 9 5 σ= =,79 4 a) P(70 X 7) = P( X 7) P( X 70) = P( Z 0,75) P( Z,5) = P( Z,5) P( Z 0,75) = 0, b) P(78 X 80) = P( X 80) P( X 78) = P( Z,5) P( Z 0,75) = 0, c) P( X> 8) = P( X 8) = P( Z,5) = 0,0668 Para calcular el número de lubinas multiplicamos la probabilidad por el número de ejemplares extraídos. a) P( X 980) = P( X 980) = P( Z 0,4) = 0, ,446 4 lubinas b) P(750 X 00) = P( X 00) P( X 750) = P( Z ) P( Z 0,75) = = P( Z ) + P( Z 0,75) = 0,647= 6,47% de las lubinas 546
31 c) Las 0 lubinas más pequeñas representan la 0 = 0, parte menor de la probabilidad, por tanto, debemos 00 encontrar un número k tal que: k 900 k 900 P( X k) = 0, P( X k) = P Z P Z = = 0, k 900 k 900 P Z = 0,8 = 0,84 k= «Las 0 lubinas más pequeñas pesan menos de 7 g». d) Procedemos de forma similar al apartado anterior: k 900 P( X k) = = 0,5 P( X k) = P( X k) = P Z = 0, k 900 k 900 P Z = 0,75 = 0,675 k= «Las cuarta parte formada por las más grandes pesa más de 05 g». a) P( X> 500) = P( X 500) = P( Z,67) = 0,0478= 4,78% de bombillas b) P(5040 X 5070) = P( X 5070) P( X 5040) = P( Z 0,58) P( Z 0,) = 0,0896= 8,96% de las bombillas c) P(5 45 X 50) = P( X 50) P( X 5 45) = P( Z,9) P( Z,) = 0,0858= 8,58% de las bombillas X = «Tiempo de fabricación de una camisa» N(6,5; σ ) 7 6,5 0,5 P( X 7) = 9,70% = 0,97 P( X 7) = P Z = 0,97 =,5 σ= 0,7 X N(6,5; 0,7) σ σ Para calcular el número de días multiplicamos la probabilidad por el número total de días del año. P( X 7) = P( X 7) = P( Z,5) = 0,056 0,056 65= 8,544 9 días al año se superan los 7º. P( X 5) = P( Z 0,75) = 0,774 0,774 65= 8,9 8 días al año no se superan los 5 ºC. 547
32 Para calcular el número de manzanas multiplicamos la probabilidad por el número de kilos comprados. a) P( X 68) = P( Z 0,8) = P( Z 0,8) = 0,897 0, = 5845 kg de manzana s. b) P(70 X 80) = P( X 80) P( X 70) = P( Z 0,) P( Z 0, ) = = P( Z 0,) + P( Z 0,) = 0,585 0, = 77,5 kg de manzanas. c) P( X 60) = P( Z 0,6) = P( Z 0,6) = 0,74 0, = 4 4,5 kg de manzanas de menos de 60 g ,5= 0 885,5 kg de manzanas de más de 60 g. d) El peso, k, debe cumplir: k 75 P( X k) = = 0,5 P( X k) = P( X k) = P Z = 0,5 4 5 k 75 k 75 P Z = 0,75 = 0,675 k= 9,875 g será el peso de separación. 5 5 Sea X = «Cuántos discos son defectuosos de los 00 escogidos al azar» X B( 00; 0,) 00 0,= 0> 5 X B( 00; 0,) N( 0; ) 00 0,9= 90> 5 a) P (,5) (,5) (, 5) (,8) (,8) (,5) 0,009 X + = P X P X = P Z P Z = P Z P Z = b) P( X> ) = P( X ) = P( Z ) = P( Z ) = 0,9987 P (Acertar una pregunta) = Sea X = «Cuántas preguntas se han respondido correctamente de las 50» X B 50; 50 = 6,67> X B 50; N ; 50 =,67> 5 548
33 a) P( X> 4) = P( X 4) = P( Z,80) = P( Z,80) = 0,9999 b) P( X< 0) = P( Z ) = P( Z ) = 0,08 c) P( X 5) = P( X 5) = P( Z,50) = 0,006 Sea X = «Cuántas pruebas dan positivas de las 60» X B( 60; 0,) 60 0,= 8> 5 X B( 60; 0,) N( 8;,55) 60 0,7= 4> 5 a) P( X< 5) = P( Z,66) = P( Z,66) = 0,000 b) P( X ) = P( X ) = P( Z 4,79) = P( Z 4,79) Sea X = «Cuántas vacunaciones son efectivas de las 00 realizadas» X B( 00; 0,6) 00 0,6=,> 5 X B( 00; 0,6) N( 0; 6, 9) 00 0, 4= 80> 5 a) P 0 X 0 + = P( X 0,5) P( X 9,5) = P( Z,9) P( Z,06) = P( Z,06) P( Z,9) 0 b) P(80 X 0) = P( X 0) P( X 80) = P( Z 0) P( Z 5,77) = P( Z 5,77) P( Z 0) = 0,5 c) P( X 90) = P( Z 4,) = P( Z 4,) 549
34 550
35 55
36 55
37 PARA PROFUNDIZAR 55
38 Sea X = «Número de caras al lanzar la moneda 4 veces» X B( 4; p) 4 P( X = ) = p ( p) = 6 p ( p) = 6 p ( p) = 6 p( p) =± 6 6± 6 4 ± p = = 6 6p+ 6p± = 0 6± 6+ 4 ± 5 p= = 6 La única solución con 0< p< es En la primera elección podemos sacar cualquier bola. Es en la segunda donde hay diferencia: P= 00 P = P P = = p= P (Elegir dos zurdos) = = X B(5; 0,5) P( X ) = P( X< ) = 0 + = = 6 Sea X = «Cuántos relojes están defectuosos de los 000» X B( 000; 0,04) 000 0,04= 40> 5 X B( 000; 0,04) N( 40; 6,) 000 0,96= 960> 5 P( X< 0) = P( Z 4,84) = P( Z 4,84) P( X 9) P µ Z 0,0 P µ Z µ < = = = 0,97 =,88,88σ+µ= 9 σ σ σ 8,6 8,6 P( X 8,6) P( X 8,6) P µ Z 0,05 P µ > = = = Z = 0,95 σ σ 8,6 µ =,645,645σ+µ= 8,6 σ 60 µ= = 4,,88σ+µ= 9 5 X N(4,;,7),645σ+µ= 8,6 8 σ= =,7 47 P( X< 8) = P( Z,5) = P( Z,5) = 0,0 D d N + ; 0, ( D d) 554
39 P(Eliminar una bola) = P( X< d) + P( X> D) D d + d d D P( X< d) = P Z = P Z = P Z = P( Z,67) = 0,0475 0,( D d) 0,( D d) 0,6 D+ d D D d P( X> D) = P Z> = P Z> = P Z> = P( Z,67) = 0,0475 0,( D d) 0,( D d) 0,6 P(Eliminar una bola) = P( X< d) + P( X> D) = 0,
40 MATEMÁTICAS EN TU VIDA Un proceso de calidad consiste en extraer de forma aleatoria una muestra de tornillos de cada partida de elementos fabricados, comprobar si dichos elementos cumplen los estándares y se extrapolar los resultados obtenidos a toda la partida. Si la muestra ofrece por término medio unos datos incorrectos, se retira toda la partida y se vuelve a calibrar el proceso de fabricación. Una distribución normal. σ = 0,04 X = «Cuántos tornillos están defectuosos de una muestra de n». Y = «Medida de un tornillo». X B( n; p), donde p= PY ( < 4,5) + PY ( > 5,5) Con los datos del texto, tendríamos: p= PY ( < 4,5) + PY ( > 5,5) = P( Z,5) + P( Z>,5) = P( Z,5) + P( Z,5) = 0,04 X B( 000; 0,04) µ=,4 tornillos defectuosos. P(4,9 X 5,) = P( X 5,) P( X 4,9) = P( Z 0,5) P( Z 0,5) = P( Z 0,5 ) = 0, 89 Sea k la medida desde la media de los tornillos. P(5 k X 5 + k) = 0,0= 0,99 P( X 5 + k) = 0,99 P( X 5 + k) = 0, k 5 k k P Z = P Z = 0,995 =,575 k= 0,55 mm 0, 0, 0, Las medidas máxima y mínima serían, respectivamente, 5,55 y 4,485 mm. 556
TEMA 10: DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL.
TEMA 10: DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL. 10.1 Experimentos aleatorios. Sucesos. 10.2 Frecuencias relativas y probabilidad. Definición axiomática. 10.3 Distribuciones de
Más detallesRESUMEN CONTENIDOS TERCERA EVALUACIÓN PROBABILIDAD DISTRIBUCIÓN BINOMIAL DISTRIBUCIÓN NORMAL
RESUMEN CONTENIDOS TERCERA EVALUACIÓN PROBABILIDAD DISTRIBUCIÓN BINOMIAL DISTRIBUCIÓN NORMAL 1) PROBABILIDAD Experimentos aleatorios. Concepto de espacio muestral y de suceso elemental. Operaciones con
Más detallesD I S T R I B U C I Ó N N O R M A L
D I S T R I B U C I Ó N N O R M A L 1. V A R I A B L E A L E A T O R I A C O N T I N U A. F U N C I O N E S A S O C I A D A S Variable aleatoria continua es aquella que puede tomar valores en un conjunto
Más detalles1º BACHILLERATO MATEMÁTICAS CIENCIAS SOCIALES
1º BACHILLERATO MATEMÁTICAS CIENCIAS SOCIALES TEMAS 14 y 15.- DISTRIBUCIONES DISCRETAS. LA DISTRIBUCIÓN BINOMIAL. DISTRIBUCIONES CONTINUAS. LA DISTRIBUCIÓN NORMAL 1 1.- VARIABLES ALEATORIAS DISCRETAS Concepto
Más detallesMATEMÁTICAS II PROBABILIDAD DISTRIBUCIÓN BINOMIAL DISTRIBUCIÓN NORMAL
MATEMÁTICAS II PROBABILIDAD DISTRIBUCIÓN BINOMIAL DISTRIBUCIÓN NORMAL 1) PROBABILIDAD Experimentos aleatorios. Concepto de espacio muestral y de suceso elemental. Operaciones con sucesos. Leyes de De Morgan.
Más detallesVARIABLES ALEATORIAS CONTINUAS 1º Bto. CC.SS.
VARIABLE ALEATORIA CONTINUA VARIABLES ALEATORIAS CONTINUAS º Bto. CC.SS. Una variable aleatoria es continua si puede tomar, al menos teóricamente, todos los valores comprendidos en un cierto intervalo
Más detallesDP. - AS Matemáticas ISSN: X
DP. - AS - 59 007 Matemáticas ISSN: 988-379X 00 Vamos a realizar un experimento: lanzamos 3 veces una moneda al aire y comprobamos los resultados obtenidos: (a) El experimento es determinista o aleatorio?
Más detallesCuando la distribución viene dada por una tabla: 2. DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA.
1. DISTRIBUCIONES ESTADÍSTICAS. El siguiente grafico corresponde a una distribución de frecuencias de variable cuantitativa y discreta pues solo puede tomar valores aislados (0, 1, 2, 3, 10). Se trata
Más detallesEstadística aplicada al Periodismo
Estadística aplicada al Periodismo Temario de la asignatura Introducción. Análisis de datos univariantes. Análisis de datos bivariantes. Series temporales y números índice. Probabilidad y Modelos probabilísticos.
Más detalles8 Resolución de algunos ejemplos y ejercicios del tema 8.
INTRODUCCIÓN A LA ESTADÍSTICA. GRUPO 71 LADE. 29 8 Resolución de algunos ejemplos y ejercicios del tema 8. 8.1 Ejemplos. Ejemplo 49 Supongamos que el tiempo que tarda en dar respuesta a un enfermo el personal
Más detallesProbabilidad. Probabilidad
Espacio muestral y Operaciones con sucesos 1) Di cuál es el espacio muestral correspondiente a las siguientes experiencias aleatorias. Si es finito y tiene pocos elementos, dilos todos, y si tiene muchos,
Más detallesAl conjunto de todos los sucesos que ocurren en un experimento aleatorio se le llama espacio de sucesos y se designa por S. Algunos tipos de sucesos:
1.- CÁLCULO DE PROBABILIDADES. Un experimento aleatorio es aquel que puede dar lugar a varios resultados, sin que pueda ser previsible enunciar con certeza cuál de éstos va a ser observado en la realización
Más detallesPROBABILLIDAD DE VARIABLE DISCRETA; LA BINOMIAL CÁLCULO DE PROBABILIDADES
PROBABILLIDAD DE VARIABLE DISCRETA; LA BINOMIAL CÁLCULO DE PROBABILIDADES 1- En una bolsa hay 5 bolas numeradas del 1 al 5. Cuál es la probabilidad de que, al sacar tres de ellas, las tres sean impares?
Más detallesLanzamos 1 dado y comprobamos cuál es el resultado que aparece en la cara superior.
Curso ON LINE Tema 01 SÓLO ENUNCIADOS. PROBABILIDADES I Lanzamos 1 dado y comprobamos cuál es el resultado que aparece en la cara superior. 001 002 003 004 005 Lanzamos 1 dado y comprobamos cuál es el
Más detallesTEMA 2.- VARIABLES ALEATORIAS UNIDIMENSIONALES.- CURSO 17/18
TEMA 2.- VARIABLES ALEATORIAS UNIDIMENSIONALES.- CURSO 17/18 2.1. Concepto de variable aleatoria. Tipos de variables aleatorias: discretas y continuas. 2.2. Variables aleatorias discretas. Diagrama de
Más detallesDistribuciones de Probabilidad
Distribuciones de Probabilidad Parte : La distribución binomial MATEMÁTICAS º Bach Tema : Distribuciones de Probabilidad José Ramón Experiencia Dicotómica Si en una experiencia aleatoria destacamos un
Más detallesTEMA 2: DISTRIBUCIÓN DE PROBABILIDAD
TEMA 2: DISTRIBUCIÓN DE PROBABILIDAD A partir de un experimento aleatorio cualquiera, se obtiene su espacio muestral E. Se llama variable aleatoria a una ley (o función) que a cada elemento del espacio
Más detallesDefinición de probabilidad
Tema 5: LA DISTRIBUCIÓN NORMAL 1. INTRODUCCIÓN A LA PROBABILIDAD: Definición de probabilidad Repaso de propiedades de conjuntos (Leyes de Morgan) Probabilidad condicionada Teorema de la probabilidad total
Más detalles10 9 Sacamos una bola y anotamos el número. a) Es una experiencia aleatoria? b) Escribe el espacio muestral y seis sucesos.
13 Soluciones a las actividades de cada epígrafe PÁGINA 132 1 En una urna hay 10 bolas de cuatro colores. Sacamos una bola y anotamos su color. a) Es una experiencia aleatoria? b) Escribe el espacio muestral
Más detallesVariable aleatoria continua: Distribución normal
Variable aleatoria continua: Distribución normal 1º) Usando las tablas de la normal, calcula las siguientes áreas: a) Área entre 0 y 0,2 b) Área desde hasta 1,32 c) Área entre 2,23 y 1, 2º) Sea Z una variable
Más detallesPreguntas más Frecuentes: Tema 6
Preguntas más Frecuentes: Tema 6 Pulse sobre la pregunta para acceder directamente a la respuesta 1. En el ejemplo 6.2, no entiendo por qué dividimos entre 8. Si tiro 3 veces la moneda y las opciones son
Más detallesTema 12: Distribuciones de probabilidad
Tema 12: Distribuciones de probabilidad 1. Variable aleatoria Una variable aleatoria X es una función que asocia a cada elemento del espacio muestral E, de un experimento aleatorio, un número real: X:
Más detallesUnidad 15 Distribuciones discretas. Distribución binomial
Unidad 15 Distribuciones discretas. Distribución binomial PÁGINA 35 SOLUCIONES 1. La probabilidad es: 4 1 1 3 P(V y M) = = 8 5 5 95. Queda: P( x= 4) = 0,000097 4 = 100 100 3. En cada caso: 4 5 5 1 1 4
Más detallesMatemáticas Nivel Medio Matemáticas Ap.CC.SS.II
Matemáticas Nivel Medio Matemáticas Ap.CC.SS.II Martes, 6 de febrero de 018 1 hora y 15 minutos. NOMBRE APELLIDOS CALIFICACIÓN 1. La longitud auricular de la oreja en varones jóvenes, medida en centímetros
Más detallesTema 7: Introducción a la probabilidad
Tema 7: Introducción a la probabilidad A veces, la probabilidad es poco intuitiva. (1) El problema de Monty Hall (El problema de las tres puertas) (2) El problema del cumpleaños. Hay n personas en una
Más detallesFACSÍMIL 3 DE MATEMÁTICA Cuál de las siguientes cantidades es la menor cuando x toma el valor 0,5? I) II) 0,2 x III) x 3 x
Variable S Números y proporcionalidad FSÍMIL 3 E MTEMÁTI - 011 1. uál de las siguientes cantidades es la menor cuando x toma el valor 0,5? x I) II) 0, x III) x 3 x IV) V) 1 - x 0,5 ) I ) II ) III ) IV
Más detallesSOLUCIONARIO. UNIDAD 14: Distribuciones discretas. Distribución binomial ACTIVIDADES-PÁG La probabilidad es:
UNIDAD : Distribuciones discretas. Distribución binomial ACTIVIDADES-PÁG. 8. La probabilidad es: P ( V y M ). 8. Las probabilidades buscadas son: a) P ( X ),,,. b) P ( X ) P ( X ) P( X ) P ( X ),,,,,,,,8,,
Más detallesSOLUCIONES A LOS EJERCICIOS DE LA UNIDAD
Pág. Página PRACTICA Sucesos Lanzamos tres veces una moneda y anotamos si sale cara o cruz. a) Escribe el espacio muestral. b) Escribe el suceso A la primera vez salió cara. c) Cuál es el suceso contrario
Más detallesTEMA 11: AZAR Y PROBABILIDAD
1 TEMA 11: AZAR Y PROBABILIDAD SUCESOS ALEATORIOS Un experimento es aleatorio cuando no se puede predecir el resultado que se va a obtener por muchas veces que lo repitamos. El conjunto formado por todos
Más detallesTEMA 1: PROBABILIDAD
TEMA 1: PROBABILIDAD Ejercicios 1- alcular el espacio muestral asociado a los siguientes experimentos: a) Lanzar una moneda b) Tirar un dado c) Lanzar un dado de quinielas d) Extraer una bola de una caja
Más detallesDistribuciones de probabilidad
Distribuciones de probabilidad 1. Variable aleatoria Una variable aleatoria X es una función que asocia a cada elemento del espacio muestral E un número real: X: E Ejemplo: Consideremos el experimento
Más detallesVARIABLES ALEATORIAS
VARIABLES ALEATORIAS Ejemplo: lanzar dos dados y sumar lo que sale en las dos caras. El espacio muestral está formado por los 36 resultados posibles (de lanzar los dados) Y el resultado del experimento
Más detallesTema 13. Distribuciones de Probabilidad Problemas Resueltos
Tema 3. Distribuciones de Probabilidad Problemas Resueltos Distribución de Probabilidad. Una variable aleatoria discreta, X, se distribuye como se indica en la siguiente tabla: ( ) a) Halla el valor de
Más detallesEXAMEN DE MAS I. Tema 2: Matemática financiera Racionaliza y simplifica: 2. a 3
EXAMEN DE MAS I Se recomienda: a) Antes de hacer algo, lee todo el examen. b) Resuelve antes las preguntas que se te den mejor. c) Responde a cada parte del examen en una hoja distinta. d) Es una hoja
Más detallesDistribución de probabilidad
Los experimentos aleatorios originan resultados y los resultados nos permiten tomar decisiones Por ejemplo, en un partido de fútbol si se lanza una moneda y sale cara parte la visita, de lo contrario parte
Más detalles1. Calcula la media, la varianza y la desviación típica de la variable X, cuya distribución de frecuencias viene dada por la siguiente tabla:
(variables aleatorias) 1 1. Calcula la media, la varianza y la desviación típica de la variable X, cuya distribución de frecuencias viene dada por la siguiente tabla: 2. Se lanza tres veces una moneda
Más detallesAPROXIMACIÓN DE LA DISTRIBUCIÓN BINOMIAL A LA NORMAL, LA CALCULADORA Y LAS TIC
APROXIMACIÓN DE LA DISTRIBUCIÓN BINOMIAL A LA NORMAL, LA CALCULADORA Y LAS TIC SIGMA 28 Abel Martín (*) y Rosana Álvarez García (**) En dos artículos anteriores ya hemos estudiado la distribución Binomial
Más detallesConceptos. Experimento Aleatorio: Es un fenómeno en el que interviene el azar, es decir no se puede predecir el resultado.
Teresa Pérez P DíazD Profesora de matemática tica Conceptos Experimento Aleatorio: Es un fenómeno en el que interviene el azar, es decir no se puede predecir el resultado. Ejemplos: E : Lanzar un dado,
Más detallesTema 4: Variables Aleatorias
Tema 4: Variables Aleatorias Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Variables Aleatorias Curso 2009-2010 1 / 10 Índice 1 Concepto
Más detallesEJERCICIOS PROBABILIDAD
EJERCICIOS PROBABILIDAD 0. Razona y di si los siguientes experimentos son aleatorios o deterministas: Dejar caer una moneda desde una altura determinada y medir el tiempo que tarda en llegar al suelo.
Más detallesPROBLEMAS DE PROBABILIDAD. 3. Calcula la probabilidad de que al lanzar dos dados la suma de sus puntos sea: a) igual a 5 b) mayor que 10
1. Se lanza un dado. Halla la probabilidad: a) de salir el 3 b) de salir un número par c) de salir un número mayor que 2 PROBLEMAS DE PROBABILIDAD 2. Calcula la probabilidad de que al lanzar dos monedas:
Más detallesProbabilidad. a) Determinista. c) Aleatorio. e) Determinista. b) Aleatorio. d) Aleatorio.
Probabilidad 08 Clasifica estos experimentos en aleatorios o deterministas. a) Lanzar una piedra al aire y verificar si cae al suelo o no. b) Hacer una quiniela y comprobar los resultados. c) Predecir
Más detalles1. Lanzamos una moneda 400 veces. Halla la probabilidad de que el número de caras sea mayor que 200.
1. Lanzamos una moneda 400 veces. Halla la probabilidad de que el número de caras sea mayor que 200. 2. Lanzamos una moneda 400 veces. Halla la probabilidad de que el número de caras esté entre 180 y 220.
Más detallesVariables aleatorias
Capítulo 5 Variables aleatorias 5.1. Introducción Normalmente, los resultados posibles (espacio muestral E) de un experimento aleatorio no son valores numéricos. Por ejemplo, si el experimento consiste
Más detallesVariables Aleatorias Discretas
Profesor Alberto Alvaradejo Ojeda 9 de septiembre de 2015 Índice 1. Variable aleatoria 3 1.1. Discretas...................................... 3 1.2. Continuas..................................... 3 1.3.
Más detallesNº Hermanos 30 Alumnos X i f i P(X i ) 0 8 0, , , , , ,00
U.D.3: Distribuciones Discretas. La Distribución Binomial 3.1 Variable Aleatoria Discreta. Función o Distribución de Probabilidad. Variable Aleatoria: - En un experimento aleatorio, se llama variable aleatoria
Más detallesEJERCICIOS RESUELTOS TEMA 3
EJERCICIOS RESUELTOS TEMA Observación: En todos los ejercicios se ha puesto A, como notación de contrario de A. Ejercicio nº.- En una urna hay bolas numeradas de al. Etraemos una bola al azar y observamos
Más detallesMatemáticas Nivel Medio Matemáticas Ap.CC.SS.II
Matemáticas Nivel Medio Matemáticas Ap.CC.SS.II Martes, 0 de febrero de 018 1 hora y 15 minutos. NOMBRE APELLIDOS CALIFICACIÓN 1. Considérense las matrices A ( 1 1 1 4 8 1 1 1 ), B ( 5 3 ) y C ( 1 k +
Más detallesVARIABLES ALEATORIAS CONTINUAS
VARIABLES ALEATORIAS CONTINUAS El zoo binomial: las probabilidades en la distribución binomial. Tutorial 5, sección 2 X = número de éxitos al repetir n veces un experimento con probabilidaf de éxito p
Más detalles4 VARIABLES ALEATORIAS DISCRETAS
VARIABLES ALEATORIAS DISCRETAS Una ruleta está dividida en cuatro sectores de 90º de los que dos opuestos por el vértice son Azules, y los otros dos son uno Blanco y el otro Rojo. Conderemos el experimento
Más detallesEJERCICIOS I APLICACIÓN DE LA REGLA DE LAPLACE
EJERCICIOS I APLICACIÓN DE LA REGLA DE LAPLACE 1) Se considera el experimento aleatorio de lanzar un dado. Se pide la probabilidad de obtener a) Número par b) Número par c) Múltiplo de 3 d) Múltiplo de
Más detallesFICHA DE TRABAJO DE CÁLCULO DE PROBABILIDADES
FICHA DE TRABAJO DE CÁLCULO DE PROBABILIDADES EXPERIMENTO ALEATORIO: ESPACIO MUESTRAL Y SUCESOS 1) Se considera el experimento que consiste en la extracción de tres tornillos de una caja que contiene tornillos
Más detallesESTADÍSTICA. Kilómetros recorridos: x i Número de bicicletas: f i
ESTADÍSTICA 1.- Un equipo ciclista quiere estudiar el estado de las bicicletas a lo largo de cuatro años. Toma una muestra de 20 bicicletas y mira los Kilómetros que han recorrido: Kilómetros recorridos:
Más detallesANTES DE COMENZAR RECUERDA
ANTES DE COMENZAR RECUERDA Indica el tipo de variable estadística. a) Talla de una persona. c) Sexo de una persona. b) Temperatura. d) Dinero gastado a la semana. a) Cuantitativa continua b) Cuantitativa
Más detallesProbabilidad del suceso imposible
º BACHILLERATO MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I TEMA 6.- ESTADÍSTICA INFERENCIAL PROFESOR: RAFAEL NÚÑEZ -------------------------------------------------------------------------------------------------------------------------------------------------------------.-
Más detallesDistribuciones de Probabilidad
MATEMÁTICAS º Bach Tema : Distribuciones de Probabilidad José Ramón Distribuciones de Probabilidad Parte : Generalidades MATEMÁTICAS º Bach Tema : Distribuciones de Probabilidad José Ramón Las distribuciones
Más detallesMATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II JUNIO 2000
MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II JUNIO 2000 Dos compañeros de estudios comparten piso. El primero prepara la comida el 40% de los días y el resto lo hace el segundo. El porcentaje de veces
Más detalles12 ESTADÍSTICA Y PROBABILIDAD
12 ESTADÍSTICA Y PROBABILIDAD 12.1.- TABLAS DE FRECUENCIA ABSOLUTA Y RELATIVA. PARÁMETROS ESTADÍSTICOS. 12.2.- GRÁFICOS ESTADÍSTICOS 12.3.- CÁLCULO DE PROBABILIDADES. REGLA DE LAPLACE. 12.1.- TABLAS DE
Más detallesEJERCICIOS DE PROBABILIDAD
Ejercicio nº 1.- Qué es una experiencia aleatoria? De las siguientes experiencias, cuáles son aleatorias? a) En una caja hay cinco bolas amarillas, sacamos una bola y anotamos su color. b) Lanzamos una
Más detallesEjercicios elementales de Probabilidad
Ejercicios elementales de Probabilidad 1. Se extrae una carta de una baraja de 52 naipes. Halla la probabilidad de que sea: (a) Un rey. (b) Una carta roja. (c) El 7 de tréboles. (d) Una figura de diamantes.
Más detallesJUNIO Encuentra, si existen, matrices cuadradas A, de orden 2, distintas de la matriz identidad, tales que: A
Bloque A JUNIO 2003 1.- Encuentra, si existen, matrices cuadradas A, de orden 2, distintas de la matriz identidad, tales que: 1 0 A = 1 0 A Cuántas matrices A existen con esa condición? Razona tu respuesta.
Más detallesEJERCICIOS. 4 6 e) Si en una caja hay 2 fichas blancas y 3 fichas negras, la probabilidad de sacar una ficha negra es. 2 3
. La probabilidad de obtener un número mayor que en el lanzamiento de un dado es: EJERCICIOS. Si en una caja hay fichas blancas y fichas negras, la probabilidad de sacar una ficha negra es.. Si elegimos
Más detallesEjemplo: Si lanzamos un dado 7 veces y 3 de ellas nos sale par, la frecuencia
Probabilidad La probabilidad mide la frecuencia con la que se obtiene un resultado (o conjunto de resultados) al llevar a cabo un experimento aleatorio, del que se conocen todos los resultados posibles,
Más detallesGUIA Nº1: EJERCICIOS DE CÁLCULO DE PROBABILIDADES
GUIA Nº: EJERCICIOS DE CÁLCULO DE PROBABILIDADES. Hallar la probabilidad de sacar una suma de puntos al lanzar dos dados.. Hallar la probabilidad de sacar por suma o bien, o bien al lanzar dos dados..
Más detallesANEXO.- DISTRIBUCIÓN BINOMIAL. DISTRIBUCIÓN NORMAL
ANEXO.- DISTRIBUCIÓN BINOMIAL. DISTRIBUCIÓN NORMAL. VARIABLES ALEATORIAS Consideremos el experimento de lanzar 3 monedas. Tenemos que su espacio muestral es E CCC, CCX, CXC, XCC, CXX, XCX, XXC, XXX Donde
Más detallesPruebas de Acceso a las Universidades de Castilla y León Junio 2003
Pruebas de Acceso a las Universidades de Castilla y León Junio 003 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES LOGSE CRITERIOS GENERALES DE EVALUACIÓN Cada pregunta de la 1 a la 3 se puntuará sobre un
Más detalles2º BCS - Matemáticas PAU (LOGSE) Probabilidad. Enfermo. Sano. Enfermo. Sano
º S - Matemáticas PU LOGSE Probabilidad Sean los sucesos H = ser hombre y M = ser mujer. Sabemos que H M a omo M H,sustituyendo: M M M b Sea el suceso E = estar enfermo 00 Enfermo M, luego H Hombre Mujer
Más detallesVariables Aleatorias. Introducción
Variables Aleatorias Introducción Concepto de variable aleatoria Es conveniente que los resultados de un experimento aleatorio estén expresados numéricamente. Se prueban tres componentes electrónicos,
Más detallesExperimento determinista. Experimento aleatorio. Espacio muestral. Suceso elemental. Suceso seguro. Suceso imposible.
86464 _ 04-047.qxd //07 09:4 Página 4 Probabilidad INTRODUCCIÓN El estudio matemático de la probabilidad surge históricamente vinculado a los juegos de azar. Actualmente la probabilidad se utiliza en muchas
Más detallesESTADISTICA Y PROBABILIDAD ESTADÍSTICA
ESTADÍSTICA La estadística trata del recuento, ordenación y clasificación de los datos obtenidos por las observaciones, para poder hacer comprobaciones y sacar conclusiones. Un estudio estadístico consta
Más detallesEl momento k-ésimo para una variable aleatoria discreta respecto del origen, es. n = esperanza matemática de X
Momentos El momento k-ésimo para una variable aleatoria discreta respecto del origen, es E(x) n = i = 1 k i ( ) x.p x El primer momento centrado en el origen (k=1) es la esperanza matemática de X También
Más detallesUnidad 12 Probabilidad
Unidad robabilidad ÁGIN 8 SOLUCIONES. Ninguno de los dos resultados tiene mayor probabilidad de salir, ya que el azar no tiene memoria.. La probabilidad es: 8. El resultado más probable es caras y cruces
Más detallesLa distribución normal
La Distribución Normal Es una distribución continua que posee, entre otras, las propiedades siguientes: Su representación gráfica tiene forma de campana ( campana de Gauss ) -6-4 -2 0 2 4 6 2 4 6 8 10
Más detallesPendientes 1ºMACS y CyT. Probabilidad PROBABILIDAD
PROBABILIDAD 1. Lanzamos dos monedas al aire (primero una y luego la otra). Calcular la probabilidad de obtener: a) Una sola cara b) Al menos una cara c) Dos caras Sol: a) 1/2; b) 3/4; c) 1/4 2. Un lote
Más detallesFORMACIÓN PROFESIONAL BÁSICA MATEMÁTICAS II CAPÍTULO 8: PROBABILIDAD
FORMACIÓN PROFESIONAL BÁSICA MATEMÁTICAS II CAPÍTULO 8: PROBABILIDAD ACTIVIDADES PROPUESTAS 1. Indica si son, o no, fenómenos aleatorios: a) La superficie de las provincias españolas. b) Anotar el sexo
Más detallesValeri Makarov: Estadística Aplicada y Cálculo Numérico (Grado en Química)
Estadística Aplicada y Cálculo Numérico (Grado en Química) Valeri Makarov 10/02/2015 29/05/2015 F.CC. Matemáticas, Desp. 420 http://www.mat.ucm.es/ vmakarov e-mail: vmakarov@mat.ucm.es Capítulo 4 Variables
Más detallesEJERCICIOS PROBABILIDAD 1BACH
EJERCICIOS PROBABILIDAD MATEMÁTICAS APLICADAS A 1º BACHILLERATO 1.- Sabiendo que: P[A B] 0,2 P[B'] 0,7 P[A B'] 0,5 Calcula P[A B] y P[A]. P[A] P[A B'] + P[A B] 0,5 + 0,2 0,7 P[B] 1 P[B'] 1 0,7 0,3 P[A
Más detalleseste será el espacio muestral, formado por todos los sucesos individuales o casos posibles caso
EXPERIENCIA ALEATORIA: aquella cuyo resultado no podemos prever porque éste depende del azar. Cada uno de los resultados obtenidos en la experiencia aleatoria se llama CASO y al conjunto de todos los casos
Más detallesEJERCICIOS RESUELTOS TEMA 6.
EJERCICIOS RESUELTOS TEMA 6. 6.1. Una variable aleatoria es discreta si entre dos valores consecutivos: A) existen infinitos valores intermedios; B) no existen valores intermedios; C) existen valores intermedios
Más detallesDISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL
DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL Página 4 REFLEXIONA Y RESUELVE Recorrido de un perdigón Dibuja los recorridos correspondientes a: C + C C, + C + C, + C C C, + + + +, C+CC
Más detallesEsquema Matemáticas CCSS
Esquema Matemáticas CCSS 4. Inferencia Conocer el vocabulario básico de la Inferencia Estadística: población, individuos, muestra, tamaño de la población, tamaño de la muestra, muestreo aleatorio. Conocer
Más detallesUnidad 12 Probabilidad
Unidad robabilidad ÁGIN 8 OLUCIONE. Ninguno de los dos resultados tiene mayor probabilidad de salir, ya que el azar no tiene memoria.. La probabilidad es: 8. El resultado más probable es caras y cruces
Más detallesTEMA 6. PROBABILIDAD
TEMA 6. PROBABILIDAD En este tema vamos a estudiar el comportamiento del azar. A pesar de que entendemos la palabra azar como sinónimo de imprevisible, vamos a ver cómo, en realidad, el azar tiene ciertas
Más detallesOPCIÓN DE EXAMEN N.º 1
OPCIÓN DE EXAMEN N.º 1 Ejercicio 1 (3,5 puntos) Una fábrica de productos navideños decide comercializar, con vistas a la próxima campaña de diciembre, dos surtidos diferentes con polvorones de limón y
Más detallesUniversidad de Castilla la Mancha Septiembre Propuesta A
A.- árbara Cánovas Conesa 67 7 Universidad de Castilla la Mancha Septiembre.7 Propuesta A www.clasesalacarta.com Septiembre 7 a) Calcula razonadamente el área de la región determinada por la curva f()
Más detallesEJERCICIOS DE ESTADÍSTICA Y PROBABILIDAD (2ºeso)
EJERCICIOS DE ESTADÍSTICA Y PROBABILIDAD (2ºeso) 1.- Completa las siguientes tablas de frecuencias con las frecuencias relativas, los porcentajes, y, cuando sea posible, con las frecuencias y porcentajes
Más detallesm de ir hacia la izquierda o hacia la derecha. Imita el recorrido de un perdigón lanzando una moneda 7 veces y haciendo la asignación
Matemáticas aplicadas a las Ciencias Sociales I Resuelve Página 7 Por qué las casillas centrales del aparato de Galton están más llenas que las extremas? Para explicarlo, sigamos el camino recorrido por
Más detallesTema 5: Modelos probabilísticos
Tema 5: Modelos probabilísticos 1. Variables aleatorias: a) Concepto. b) Variables discretas y continuas. c) Función de probabilidad (densidad) y función de distribución. d) Media y varianza de una variable
Más detallesCLASIFICAR LOS EXPERIMENTOS. OBTENER EL ESPACIO MUESTRAL
OBJETIVO 1 CLASIICAR LOS EXPERIMENTOS. OBTENER EL ESPACIO MUESTRAL Nombre: Curso: echa: Un experimento determinista es aquel experimento en el que podemos predecir su resultado, es decir, sabemos lo que
Más detallesEXAMEN DE ESTADÍSTICA Junio 2011
EXAMEN DE ESTADÍSTICA Junio 2011 Apellidos: Nombre: DNI: GRUPO: 1. Sea X una variable aleatoria discreta. Determine el valor de k para que la función p(x) { k/x x 1, 2, 3, 4 0 en otro caso sea una función
Más detallesa) la primera de las monedas es cara. b) por lo menos una de las monedas es cara.
Estadística II Ejercicios Instrucciones: Resolver los siguientes problemas. Entregar un trabajo por grupo el día del primer parcial, el trabajo deberá tener carátula con los nombres de los integrantes
Más detalles