Taller Estadistica - Andrea Gutierrez
Taller Estadistica - Andrea Gutierrez
Taller Estadistica - Andrea Gutierrez
Los promedios de calificaciones (GPA, por sus siglas en ingles) de una gran población de estudiantes u
están normalmente distribuidos en forma aproximada, con media de 2.4 y desviación estándar 0.8. ¿Que
los estudiantes alcanzaran un GPA de mas de 3.0?
DATOS Procedimiento
μ 2.4 P( X ≥ 3,0) P (Z ≥ 0,75)
σ 0.8 1 - P(Z ≤ 0,75)
P( X ≥ 3,0) 0.75 1 - (0,75) =0,2266 *100% = 22,66%
Entonces podemos decir que la fracción de estudiantes que alcanzara un GPA de mas de 3.0 es de un
22,66%
0.7734
0.2266
DATOS
μ 6 P( X ≥ 8) P (Z ≥ 1) 0.8413
σ 2 1 - P(Z ≤ 1) 0.1587
P( X ≥ 8) 1 15.87
Podemos decir que el porcentaje de baterias con peso mayor a 8g, es de 15,87%
e 6g y una desviación estándar de
or a 8g
15,87%
3) Una empresa de material eléctrico fabrica bombillas de luz cuya duración, antes de quemarse, se dis
media igual a 800 horas y una desviación estándar de 40 horas. Calcule la probabilidad de que una bom
horas.
DATOS 𝑍=(𝑌−𝜇)/𝜎
µ 800
σ 40
P (778 ≥ X ≥ 834)
778 -0.55
834 0.85
P(0) 0.5
P(-0,55) 0.291
P(0,85) 0.802
P(778 ≥ X ≥ 834)
P(Z ≤ 834)-P(Z ≤ 778) 0.511
La probabilidad de que una bombilla se queme entre 778 y 834 horas es del 51,11%
antes de quemarse, se distribuye normalmente con una
robabilidad de que una bombilla se queme entre 778 y 834
51.118
DATOS 𝑍=(𝑌−𝜇)/𝜎
µ 40 Fomula
σ 2
P (X ≥ 43) 1.5
P(0) 0.5
P(1,5) 0.9331928
0.9331928 0.0668072
6.6807201
n los 43 OHM
5) Un investigador informa que unos ratones a los que primero se les restringen drásticamente sus diet
proteínas vivirán un promedio de 40 meses. Si suponemos que la vida de tales ratones se distribuye no
meses, calcule la probabilidad de que un ratón determinado viva
a) mas de 32 meses;
b) menos de 28 meses;
A)
DATOS 𝑍=(𝑌−𝜇)/𝜎 𝑍=(32−40)/6,3 =
µ 40 1,26
σ 6.3
P( X ≥ 32) -1.2698413
P(0) 0.5
P( X ≥ 32) P (Z ≥ 1,26) 0.1038 10.38
P( X ≥ 32) P (Z ≥ 1,26)
1 - P(Z ≤ 1,26)
1 - (-1,26) =0,1038 *100% = 10,38%
0.02841
2.841
,4761 ≤ Z ≤ 1,4285)
0.606
60.646
e 37 y 49 meses es de 60,64%
6) La experiencia ha demostrado que el 30% de todas las personas afectadas por cierta enfermedad se recuperan.
medicina. Diez personas con la enfermedad se seleccionaron al azar y recibieron la medicina; nueve se recuperaro
¿Cuál es la probabilidad de que se recuperen cinco de entre diez personas que recibieron la medicina?
¿Cuál es la probabilidad de que se recuperen nueve de entre diez personas que recibieron la medicina?
¿Cuál es la probabilidad de que se recuperen todas las personas que recibieron la medicina?
A
P(5<X<10) P(0.470<X<0.970) P(Z<0.970)-P(Z<0.470) 0.153
P(Z<5) 0.470
P(Z<10) 0.970
P(Z<0.470) 0.681
P(Z<0.970) 0.834
B
P(9<X<10) P(0.870<X<0.970) P(Z<0.97)-P(Z<0.87) 0.162
P(Z<9) 0.870
P(Z<0.870) 0.808
A) la probabilidad de que se recuperen cinco de entre diez personas que recibieron la medicina es de 15,31%
B) la probabilidad de que se recuperen nueve de entre diez personas que recibieron la medicina es de 16,20%
c)la probabilidad de que se recuperen todas las personas que recibieron la medicina es de 3%
nfermedad se recuperan. Una empresa fabricante de medicamentos ha inventado una nueva
cina; nueve se recuperaron al poco tiempo. Suponga que la medicina no es eficaz en absoluto.
la medicina?
n la medicina?
na?
15.31542627 15.30% C
P(Z≥10) 1-P(Z≤10) 1-0.97 0.030
3%
0.162*100% 16.20%
dicina es de 15,31%
edicina es de 16,20%
e 3%
7) En el último año, el peso de los recién nacidos en una maternidad se ha distribuido según una ley no
típica σ = 150 g.
¿Cuál será la probabilidad de que la media de una muestra de 100 recién nacidos sea superior a 3130
La probabilidad de que la media de una muestra de 100 recién nacidos sea superior
a distribuido según una ley normal de media μ = 3100 g y desviación
La probabilidad de que una muestra de 36 alumnas tenga una media de 167 cm o más
e 165 cm, con desviación típica de 8 cm.
DATOS
µ 50 Hallaremos los grados de libertad:
v = n -1 ; 9 - 1 = 8
n 9 Calculamos la T-student
σ² 36 - √36 = 6 t=((x̄-u))/(s/√n) = (54-50)/(6/√9) = 4/(6/3) = 4/2 = 2
s 6
ados de libertad:
-1=8
T-student
6/√9) = 4/(6/3) = 4/2 = 2
4.026 %
0.960 95.97 %
(𝑥−𝜇))/(𝑠/√𝑛)=((52−50))/
√9)=2/(6/3)=2/2=1
48) = P( t ˂ -1) - P (t ˂ 1)
0.1733 0.653
65.34 %
%
7%
52 puntos, es de 65,34%
10) Hallar la probabilidad de que, en 200 lanzamientos de una moneda auténtica, el número de caras esté compr
𝝈^𝟐 𝒑=(𝑝𝑜(1−𝑝𝑜))/𝑛=(0,5(1−0,5))/200
=(0,5(1−0,5))/200=(0,5(0,5))/200 = 0,
𝜎^2 𝑝=0,00125
𝜎𝑝=√0,00125 =0,0354
De 200 lanzamientos de una moneda autentica caiga entre los intervalos de (40 ≥ X ≥ 60
el número de caras esté comprendido en el 40% y el 60%, dado que Po= 0,5
0,60)=𝑃(0,40<𝑍<0,60)
A) DATOS
Po 0.05 𝑃(𝑝<0,08)−𝑝(𝑧<−0,08)=𝑃(𝑍<(𝑥−𝑃𝑜)/𝜎𝜌)=𝑃(𝑍<(0,08−0,05)/
N 50
P( p̂ < 0, 08)
𝜎^2 𝑝=(𝑝𝑜(1−𝑝𝑜))/𝑛=(0,05(1−0,05))/50 =(0,05(0,95)
0,0475/50=0,00095
𝜎^2 𝑝=0,00095
𝜎𝑝=√(0,00095" " ) =0,0308
B) DATOS
Po 0.05 𝑝(0,01<𝑝<0,10)=𝑃(0,01<𝑍<0,10)
N 50 𝑃((𝑥−𝑃𝑜)/𝜎𝜌<𝑧<(𝑥−𝑃𝑜)/𝜎𝜌)=𝑃((0,01−0,05)/0,0308<𝑧<(0,10−0,05
P(0, 01 < p < 0, 10)
= 𝑝(𝑧<1,6234)−𝑝(𝑧<−1,299)=0,0970−0,9477=0,8507∗
C) DATOS 𝑃(𝑝>0,04)=𝑃(𝑧≻0,04)=𝑃(𝑧<(𝑥−𝑃𝑜)/𝜎𝑝)=𝑃(𝑧<(0,04−0,05
Po 0.05
N 50 𝜎^2 𝑝=(𝑝𝑜(1−𝑝𝑜))/𝑛=(0,05(1−0,05))/50 =(0,05
P(p > 0, 04) 0,0475/50=0,00095
𝜎^2 𝑝=0,00095
𝜎𝑝=√(0,00095" " ) =0,0308
−𝑃𝑜)/𝜎𝜌)=𝑃(𝑍<(0,08−0,05)/0,0308 )= 𝑝(𝑍<0,9740)=0,8349∗100=83,49%
CALCULOS
−0,05))/50 =(0,05(0,95))/50 = 0.03 0.9740
0.83498
83.498
𝜎^2 𝑝 0.00095
0.0308
01<𝑍<0,10)
cogieron aleatoriamente entre los intervalos P(0, 01 < p < 0, 10) es de 85,07%
A) DATOS
n 500 𝑃(𝑝>0,11)=𝑃(𝑧≻0,11)=𝑃(𝑧<(𝑥−𝑃𝑜)/𝜎𝑝)=𝑃(𝑧<(0,11−0,12)/0,0
Po 0.12
P (p > 0, 11)
𝜎^2 𝑝=(𝑝𝑜(1−𝑝𝑜))/𝑛=(0,12(1−0,12))/500=(
0,1068/500=0,0002136
𝜎^2 𝑝=0,0002136
B) 𝑍=(𝑋−𝜇)/(𝜎/√𝑛)
DATOS 𝑝(0,11<𝑝<0,13)=𝑃(0,11<𝑍<0,13)
n 500
Po 0.12 𝑃((𝑥−𝑃𝑜)/𝜎𝜌<𝑧<(𝑥−𝑃𝑜)/𝜎𝜌)=𝑃((0,11−0,12)/0,0145<𝑧<(0,13−0,12)
p1 0.11
p2 0.13
= 𝑝(𝑧<0,6897)−𝑝(𝑧<−0,6897)=0,7548−0,2452=0,50
CALCULOS
(0,12(1−0,12))/500=(0,12(0,89))/500 = -0.01 -0.6845
6 0.2468
24.68
σ^2 p 0.0002136
0.014615
1<𝑝<0,13)=𝑃(0,11<𝑍<0,13)
0,12)/0,0145<𝑧<(0,13−0,12)/0,0145 )= 𝑝(−0,6897<𝑝<0,6897)
CALCULOS
-0.01 -0.6897
,6897)=0,7548−0,2452=0,5096∗100%=50,96% 0.01 0.6897
0.2452
0.7548
=(0,12(0,88))/500 = 0.5096
50.96
𝜎^2 𝑝 0.0002112
0.0145
𝑃(𝑝>0,81)−𝑝(𝑧>−0,81)=𝑃(𝑍<(𝑥−𝑃𝑜)/𝜎𝜌)=𝑃(𝑍<(0,81−0,8)/0,0179 )= 𝑝
Datos
n 500
Po 80 (0,8) 𝜎^2 𝑝=(𝑝𝑜(1−𝑝𝑜))/𝑛=(0,8(1−0,8))/500
P 0.81 =(0,8(1−0,8))/500=(0,8(0,2))/500 = 0,16/500=0,000
𝜎^2 𝑝=0,00032
𝜎𝑝=√0,00032 =0,0179
Datos 𝑝(0,70<𝑝<0,81)=𝑃(0,70<𝑍<0,81)
n 500 𝑃((𝑥−𝑃𝑜)/𝜎𝜌<𝑧<(𝑥−𝑃𝑜)/𝜎𝜌)=𝑃((0,70−0,8)/0,0179<𝑧<(0,81−0,8)/0,017
Po 0.8
𝑝(0,70<𝑝<0,81)
= 𝑝(𝑧<0,558)−𝑝(𝑧<−5,58)=1,15784𝐸−08−0,71180=0,7118∗
𝜎^2 𝑝=(𝑝𝑜(1−𝑝𝑜))/𝑛=(0,8(1−0,8))/500
=(0,8(1−0,8))/500=(0,8(0,2))/500 = 0,16/500=0,00
𝜎^2 𝑝=0,00032
𝜎𝑝=√0,00032 =0,0179
Datos
𝑃(𝑝<0,84)−𝑝(𝑧<−0,84)=𝑃(𝑍<(𝑥−𝑃𝑜)/𝜎𝜌)=𝑃(𝑍<(0,84−0,8)/0,0179 )=
n 500
Po 0.8
P (p < 0, 84)
𝜎^2 𝑝=(𝑝𝑜(1−𝑝𝑜))/𝑛=(0,8(1−0,8))/500
=(0,8(1−0,8))/500=(0,8(0,2))/500 = 0,16/500=0,000
𝜎^2 𝑝=0,00032
𝜎𝑝=√0,00032 =0,0179
𝑃(𝑍<(0,81−0,8)/0,0179 )= 𝑝(𝑍<0,558)=0,7118∗100=71,18%
CALCULOS
500 0.01 0.5587
500 = 0,16/500=0,00032 0.7118028415
71.180284148
CALCULOS
0,0179<𝑧<(0,81−0,8)/0,0179 )= 𝑝(−5,58<𝑝<0,558) -0.1 -5.587
0.01 0.5587
1.157843E-08
784𝐸−08−0,71180=0,7118∗100%=71,18% 0.71180
0.7118 71.18
/500 𝜎^2 𝑝 0.00032
/500 = 0,16/500=0,00032 𝜎𝑝 0.0179
𝑃(𝑍<(0,84−0,8)/0,0179 )= 𝑝(𝑍<2,2346)=0,9873∗100=98,73%
CALCULOS
0.04 2.2346
500 0.9873
500 = 0,16/500=0,00032 98.73 %
𝜎^2 𝑝 0.00032
𝜎𝑝 0.0179
P1 = 0,16
P2 = 0,11 P(0.16*(1-0.16)/200)-P(0.11*(1-0.11)/255)
P1-P2 = 0,16 -0,11=0.5
n1= 200 Z = (0,10-0,05)/(0,0332)=1,506
n2= 225
La probabilidad de que una muestra aleatoria simple de una industria del área I y del área II arrojen un
son textiles. Se cree, además que, en un área metropolitana II, esta proporción es de 0,11. Si estas cifras son
de 200 industrias del área I y una muestra aleatoria simple independiente de 225 industrias del área II arrojen
ntre las proporciones muéstrales mayor o igual que 0,10?
1-0.11)/255) 0.333
= p(z≥1,506)=1- p(z≤1,506)=1-0,9340
=0,0660∗100= 6,60%
de una industria del área I y del área II arrojen una diferencia entre las proporciones muéstrales mayor o igual que 0,10 es del 6,60%
que 0,10 es del 6,60%
1.00