TRABAJO COLABORATIVO 2

PROBABILIDAD

PRESENTADO POR:
REINALDO SALAMANCA
CESAR AUGUSTO CASTAO
ALEXANDER PITTO
JUAN MIGUEL MEJIA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

NOVIEMBRE DE 2014

Variables aleatorias.

Una variable aleatoria es, una funcin que asigna un nmero real a cada resultado en el espacio muestral de
un experimento aleatorio. Se denota con una letra mayscula tal como X. En este tema se ver la
importancia de cuantificar los resultados de un experimento aleatorio sabiendo que ellos pueden ser
cualitativos o cuantitativos

Para facilitar estos clculos se acude a una funcin que ubica el espacio muestral en el conjunto de los
nmeros reales, esta es conocida como variable aleatoria. Se puede definir como variables aleatorias cuyos
valores sean contables o no, y al ser una caracterizacin cuantitativa de los resultados de un espacio
muestral, ellas pueden ser discretas o continuas

Variable aleatoria X es discreta si el nmero de valores que puede tomar es finito (o infinito contable).
Distribucin de probabilidad de una variable aleatoria X es una descripcin del conjunto de posibles valores
de X, junto con la probabilidad asociada con cada uno de estos valores. Esta distribucin bien puede ser una
grfica, una tabla o una ecuacin que da la probabilidad de cada valor de la variable aleatoria y se considera
como el resumen ms til de un experimento aleatorio.
Toda distribucin de probabilidad debe satisfacer cada uno de los dos requisitos siguientes:
P(
0 P(

)=1
)1

Variable aleatoria X es continua s el nmero de valores que puede tomar estn contenidos en un intervalo
(finito o infinito) de nmeros reales. Dichos valores pueden asociarse a mediaciones en una escala continua,
de manera que no hay interrupciones.

La distribucin de probabilidad de una variable aleatoria continua X est caracterizada por una
funcin f( ) que recibe el nombre de funcin de densidad de probabilidad. Esta funcin de densidad de
probabilidad f( ) permite calcular el rea bajo la curva que representa la probabilidad de que la variable
aleatoria continua X tome un valor entre el intervalo donde se define la funcin.
Formalmente, la funcin de densidad de probabilidad f( ) de una variable aleatoria continua, se define
como tal si para cualquier intervalo de nmeros reales [a,b] se cumple que: ( )0
Esperanza matemtica y varianza de una variable aleatoria
El valor esperado (tambin llamado media o esperanza matemtica) de una variable aleatoria discreta X es
una medida de posicin para la distribucin de X. Se simboliza con y se calcula al sumar el producto de
cada valor de X con su probabilidad correspondiente.

DISTRIBUCIN BINOMIAL
Definicin
Es una de las distribuciones de probabilidad ms tiles (control de calidad, produccin, investigacin). Tiene
que ver con el experimento aleatorio que produce en cada ensayo o prueba uno de dos resultados posibles
mutuamente excluyentes: ocurrencia de un criterio o caracterstica especfico (llamado xito) y no
ocurrencia de ste (llamado fracaso). Los trminos o calificativos de "xito y fracaso" son solo etiquetas y su
interpretacin puede no corresponder con el resultado positivo o negativo de un experimento en la
realidad.
En general, un experimento aleatorio que consiste de n ensayos repetidos tales que:

Los ensayos son independientes

Cada ensayo es de tipo Bernoulli. Esto es, tiene slo dos resultados posibles: "xito" o "fracaso".
La probabilidad de xito de cada ensayo, denotada por p, permanece constante.

DISTRIBUCIN BINOMIAL NEGATIVA y GEOMTRICA

Definicin
En la distribucin geomtrica, la variable aleatoria estaba definida como el nmero de ensayos Bernoulli
necesarios para obtener el primer xito. Suponga ahora que se desea conocer el nmero de ensayos hasta
obtener r xitos; en este caso la variable aleatoria es denominada binomial negativa.
La distribucin binomial negativa o distribucin de Pascal es una generalizacin de la distribucin
geomtrica donde la variable aleatoria X es el nmero de ensayos Bernoulli efectuados hasta que se tienen r
xitos, con una probabilidad constante de xito p. Se dice entonces que X tiene una distribucin binomial
negativa con parmetros p y r = 1, 2, 3,...
Distribucin Hipergeomtrica.
Supongamos que tenemos una poblacin de tamao N y de ella se selecciona una muestra de tamao n
para verificar si cada elemento tiene o no una cierta caracterstica, esto se puede manejar en trminos de
xito y de fracaso. Si el tamao de la muestra n es pequeo en comparacin con el tamao de la poblacin N
( n / N 5% ) podemos considerar los intentos como independientes y asumir que probabilidad de obtener
un xito en un elemento es la misma en cada intento, por lo que podemos aplicar la distribucin binomial.
Sin embargo si el tamao de la muestra n es grande en comparacin con el tamao de la poblacin N
entonces la probabilidad de obtener un xito en un intento se ve afectada por los resultados en intentos
anteriores es decir que son dependientes. Cuando pasa esto el nmero x de xitos sigue lo que se conoce
como una distribucin hipergeomtrica de probabilidad.
Es importante remarcar que tanto la distribucin binomial como la distribucin hipergeomtrica persiguen
un mismo objetivo (el nmero de xitos en una muestra que contiene n observaciones), la diferencia entre
ellas es que la hipergeomtrica considera no solo a los elementos de la muestra, sino tambin a los
elementos de la poblacin.

En resumen la distribucin hipergeomtrica es aquella en la que se considera la existencia de xitos y/o

fracasos en una poblacin conocida, y de la cual se extrae una muestra sin remplazo donde tambin existen
xitos o fracasos.
Su principal aplicacin es en el muestreo de aceptacin y control de calidad donde de un lote de artculos se
toma una muestra y se analiza para decidir si se acepta o rechaza todo el lote.

Criterios o propiedades que la caracterizan.

1. La poblacin N del conjunto de unidades o elementos es de orden finito, de los cuales una parte: k "son
xitos", y otra parte son "fracasos".
2. Cada elemento puede ser caracterizado como xito o fracaso.
3. Se obtiene una muestra aleatoria de n elementos todos a la vez (sin reemplazamiento) y no de forma
independiente. No son pruebas repetidas.
4. El tamao de la muestra aleatoria n es grande relativamente en comparacin con el tamao de la
poblacin. Generalmente
5
5. Se busca la probabilidad de x= nmero de xitos a partir de los k resultados o elementos y (n-x) fracasos a
partir de los N-k elementos as clasificados, al obtener una muestra aleatoria de tamao n.
Supongamos un lote de N productos de los cuales:
Obtenemos muestra de n productos, todos a la vez. Interesa entonces la probabilidad de sacar x productos
defectuosos (xito), o sea: p(x).
Podemos hacer el siguiente raciocinio:
Si en una poblacin de N elementos se tienen k xitos, la probabilidad de que en una muestra aleatoria de n
elementos seleccionados sin reemplazo se tengan x xitos est dada por:
. /.

( )

. /

con xk

N = nmero de elementos en la poblacin

k = nmero de xitos en la poblacin

n = nmero de elementos en la muestra

x = nmero de xitos en la muestra

es el nmero de maneras en que se puede tomar una muestra n de la poblacin N

es el nmero de formas en que se toman x xitos del total r xitos que hay en la poblacin
es el nmero de maneras en que se puede tomar n-x fracasos del total N-r de la poblacin

La media (esperanza) y desviacin estndar de la distribucin hipergeomtrica estn dadas por:

Media

. /

 . /.

Desviacin estndar
.

Varianza

/.

/.

/.

Distribucin Poisson.
Sea X una variable aleatoria que representa el nmero de eventos aleatorios independientes que ocurren
con igual rapidez en un intervalo de medida. Se tiene entonces que la funcin de probabilidad de esta
variable, se expresa por:
( )

X=0,1,2,..;o en cualquier otro punto o valor.

Donde es parmetro de tendencia central de la distribucin y representa el nmero promedio o cantidad

esperada de ocurrencias (xitos) del evento aleatorio por unidad de medida o por muestra; e=2.71828 y
x=Nmero de ocurrencias especficas para el cual se desea conocer la probabilidad respectiva. Segn sea el
valor de , se define toda una familia de probabilidades de Poison. La probabilidad de que una variable
aleatoria de Poison X sea menor o igual a un valor de x se halla por la funcin de distribucin acumulativa,
planteada entonces como:
(

( )

Los resultados de las probabilidades individuales para valores de X sern ms pequeos conforme la variable
aleatoria toma valores cada vez ms grandes.
Los resultados de las probabilidades individuales para valores de X sern ms pequeos conforme la variable
aleatoria toma valores cada vez ms grandes
La distribucin de Poisson tiene la particularidad de que la media y la varianza son iguales
E(x)=

var(x)=

Distribucin uniforme discreta.

Describe el comportamiento de una variable discreta que puede tomar n valores distintos con la misma
probabilidad cada uno de ellos. Un caso particular de esta distribucin, ocurre cuando los valores son
enteros consecutivos. Esta distribucin asigna igual probabilidad a todos los valores enteros entre el lmite
inferior y el lmite superior que definen el recorrido de la variable.
Distribucin uniforme continua.
Una variable aleatoria se dice que sigue una distribucin uniforme continua en un intervalo real (a,b), y se
representa por (a,b), si su funcin de densidad es constante en dicho intervalo y nula fuera de l; es decir:

Distribucin Normal.

La distribucin normal es de suma importancia en estadstica por tres razones principales:

Numerosas variables continuas de fenmenos aleatorios tienden a comportarse

probabilsticamente mediante sta.
Es el lmite al que convergen tanto variables aleatorias continas como discretas.
Proporciona la base de la inferencia estadstica clsica debido a su relacin con el teorema del
lmite central.

CUADRO SINOPTICO
VARIABLE ALEATORIA
DISCRETA
VARIABLEALEATORIA
CONTINUA

DISTRIBUCIONES DE PROBABILIDAD

VARIABLES ALEATORIAS Y

VALOR ESPERADO Y
VARIANZA

DISTRIBUCION
BINOMIAL

DISTRIBUCION
BINOMIAL
NEGATIVA
DISTRIBUCION
HIPERGEOMETRICA

DISTRIBUCION DE
POISSON

DISTRIBUCION
UNIFORME CONTINUA

DISTRIBUCION
UNIFORME DISCRETA

DISTRIBUCION
NORMAL

DISTRIBUCION
EXPONENCIAL.
DISTRIBUCION
CHI CUADRADO

S el nmero de valor que puede tomar

es finito.

Est dada por

F()= 1

Puede asumir un nmero infinito de

Est caracterizada
valores dentro de un determinado rango. por la Variable f()
La varianza de una variable aleatoria es una
medida de la dispersin de la distribucin de
probabilidad de sta.
Los ensayos son independientes. Cada
ensayo es de tipo Bernoulli. Esto, tiene slo
dos resultados posibles: "xito" o "fracaso.
La probabilidad de xito de cada ensayo,
denotada por p, permanece constante.

La variable aleatoria estaba definida como el

nmero de ensayos Bernoulli necesarios para
obtener el primer xito
En ella se considera la existencia de xitos y/o
fracasos en una poblacin conocida, y de la
cual se extrae una muestra sin remplazo
donde tambin existen xitos o fracasos.
Expresa, a partir de una frecuencia de
ocurrencia media, la probabilidad de que
ocurra un determinado nmero de eventos
durante cierto perodo de tiempo.

Se dice que sigue una distribucin uniforme

continua en un intervalo real (a,b), y se
representa por (a,b), si su funcin de
densidad es constante en dicho intervalo y
nula fuera de l.

Describe el comportamiento de una variable discreta

que puede tomar n valores distintos con la misma
probabilidad cada uno de ellos

La distribucin normal es de suma

importancia en estadstica por tres
razones principales.
Es la nica variable aleatoria
Continua cuya tasa de fallos es
constante

Caractersticas:
1. Tendencia Central
2. Variacin
3. Asimetra

f(x,p,r)= x-1Cr-1 qx-r .pr

x=r,r+1,r+r+2+....

()

. /.
/

. /

con xk

() ,
X=0,1,2,..;o en cualquier
otro punto o valor.

( )

y su funcin de distribucin la
funcin escalonada.

()

1
1(, -( ).

* <

<+
La distribucin normal es la ms
extendida en estadstica y muchos
tests estadsticos estn basados
en una supuesta "normalidad".

La funcin generadora es:

() , 0

Es una distribucin de probabilidad continua con un parmetro k que

representa los grados de libertad de la variable aleatoria.

EJERCICIOS

EJERCICIO 1

Suponga que un comerciante de joyera antigua est interesado en comprar una gargantilla de oro para la
cual las probabilidades de poder venderla con una ganancia de $ 250, $ 100, al costo, o bien con una prdida
de $150 son: respectivamente: 0.22, 0.36, 0.28, 0.14. Cul es la ganancia esperada del comerciante?

DESARROLLO
( )

( )

( )

250 (0.22)

( )

55

( )

70

36

100 (0.36)
0 21

Respuesta: La ganancia es de $ 70

0 (0.28) 150 (0.14)

EJERCICIO 2
Suponga que la probabilidad de que una persona dada crea un rumor acerca de las transgresiones de cierta
actriz famosa es de 0,8. Cul es la probabilidad de que:

DESARROLLO
a.- la sexta persona en escuchar este rumor sea la cuarta en creerlo?
n=6

p = 0.8

X=4

q = 1- p = 1- 0.8 = 0.2

( ) ( )

6
( ) (0.8) (0.2)
4

(0.8) (0.2)

( )

(0.8) (0.2)

(0.4096) (0.04)

(0.4096) (0.04)

15 (0.4096) (0.04)

= 0.24576

= 24.576%

Respuesta: La probabilidad de que la sexta persona en escuchar el rumor sea la cuarta en creerlo es de
0.24576 es decir de 24.576%

b.- La tercera persona en escuchar este rumor sea la segunda en creerlo?

X
n=2

( )( ) ( )

x=3

3
= ( ) (0.8) (0.2)
2

p = 0.8
q = 0.2

( )

(0.8)

(0.2)

(0.8) (0.2)

(0.512)(0.2)
3 (0.512)(0.2)
= 0.3072
= 30.72%

Respuesta: la probabilidad de que la tercera persona en enterarse, sea la segunda en creer es del 0.3072, es
decir de 30.72%

EJERCICIO 3.
Una empresa ha encontrado que la duracin de sus llamadas telefnicas tienen una distribucin normal con
media tres minutos y desviacin estndar de 1,8 minutos. a.- En qu proporcin las llamadas tendran una
duracin de ms de dos minutos pero menos de tres y medio minutos. b.- Si una secretaria va a realizar una
llamada cual es la probabilidad de que la llamada dure ms de cinco minutos.
DESARROLLO
a.- En qu proporcin las llamadas tendran una duracin de ms de dos minutos pero menos de tres y
medio minutos?
M= 3
= 1.8
Tabla de distribucin normal.
Z=
2
P( <
1

< 3.5 )

.
.

X = Z X= 3.5

<

<
<

<
.
.

.
.

( < 0.277)

(0.5555 <

( < 0.5554)

( < 0.2777) ( < 0.5555)

( <

< 0.5555)

1 ( < 0.5555)

( <

< 3.5)

, < 0.2777 (1 ( 0.5555)-

< 0.2777)

Tabla de distribucin normal

Valor para: 0.27 y 0.28 en 0.2777 en 0.55 y 056 en 0.5555
Tabla normal ( .

Tabla normal ( .

Tabla normal ( .

Tabla normal ( .

.
.
.

Valores para 0.2777 Y 0.5555, 0.2771

Tabla normal para 0.27 es 0.6064 y para 0.28 es 0.6103

Valor para 0.2777= 0.6064 + 0.7777 ( .

= 0.6094
tabla normal para 0.55 y 0.56
Valor para 0.5555 = 0.7088 + 0.5555 * ( .

. .

= 0.7107
( <

< . )

( < .

))

< .

0.6094 (1 0.7107)
= 0.6094- 0.2893
(2 <

< 3.5)

0,3201

Respuesta = 0,3201

b.- probabilidad de que una llamada dure ms de cinco minutos.

(

5)

5)

1 ( < 5)
.

1 ( < 5)

1 ( < 5)

1 ( < 1.1111)

. <

. <

tabla normal, valores para 1.11 y 1.12

Valor tabla (1.11) = 0.8665
Valor tabla (1.12)

0.8686

Por lo tanto el valor 1.1111

0.8665

0.1111(0.8686 0.8665)

0.8665

0.1111(0.0021)

= 0.8667
(

5)

1 ( < 5)

1 0.8667

0.1333

Respuesta: la probabilidad de que una llamada dure ms de cinco minutos es de 0.1333

EJERCICIO 4
Un piloto privado desea asegurar su avin por 50.000 dlares. La compaa de seguros estima que puede
ocurrir una prdida total con probabilidad de 0.002, una prdida de 50% con una probabilidad de 0.01 y una
de 25% con una probabilidad de 0.1. Si se ignoran todas las otras prdidas parciales, que prima debe cargar
cada ao la compaa de seguros para obtener una utilidad media de US $5000.
DESARROLLO

La probabilidad de que no exista prdida es:

1 (0.002 + 0.01 + 0.1) = 0.088
La utilidad media es:

x E ( x) ( P *0.0888) (5000*0.002) (2500*0.01) (1250* 0.1) 5000

P *0.238 100 250 1250 5000
P *0.888 1600 5000
5000 1600
0.888
P 7432.43
P

La compaa debe cargar una prima de 7432.43 dlares.

EJERCICIO 5
Segn los registros universitarios fracasa el 5% de los alumnos de cierto curso. Cul es la probabilidad de
que de 6 estudiantes seleccionados al azar, menos de 3 hayan fracasado?
DESARROLLO
P(x<3) = P(x=0) + P(x=1)+P(x=2)

P( x 3) = ( ) *(0.05)0 *(0.95)6 0.7350

P( x 1) = ( ) *(0.05)1 *(0.95)5 0.2321
P( x 2) =( ) *(0.05) 2 *(0.95) 4 0.031
P( x 2) 0.9981

EJERCICIO 6
Un calentador de agua requiere por trmino medio 30 minutos para calentar 40 galones de agua hasta una
temperatura determinada. Si los tiempos de calentamiento se distribuyen normalmente con una desviacin
estndar de 0,5 minutos Qu porcentaje de los tiempos de calentamiento son superiores a 31 minutos?
DESARROLLO

30 y 0.5
N 40
x 31 30 1
Z1

0.5
0.5
P( Z 2) 1 P( Z 2) 1 0.97725 0.0228
El porcentaje de tiempos de calentamiento superiores a 31 minutos es de 40x0.0228=0.912x100=91.2%

EJERCICIO 7
Una persona pide prestado un llavero con cinco llaves, y no sabe cul es la que abre un candado. Por tanto,
intenta con cada llave hasta que consigue abrirlo. Sea la variable aleatoria X que representa el nmero de
intentos necesarios para abrir el candado.
a.- Determine la funcin de probabilidad de X.
b.- Cul es el valor de P ( X 1)?

DESARROLLO:

La probabilidad de abrir a la primera es 1/5

La probabilidad de abrir a la segunda es la probabilidad de no abrir - abrir
4 5 1 4
1 5
Ya que primero tenemos 5 llaves de las que 4 no abren 4/5 y despus para la segunda tenemos 4 de las que
1 abre el candado
De la misma manera para 3 intentos 4 5

3 4

Para 4 intentos 4 5

3 4

2 3

1 2

1 5

Para 5 intentos 4 5

3 4

2 3

1 2

1 5

( )

1 5

1 3

1 5

( <

1)

1)

1 5

EJERCICIO 8
En el metro de la ciudad de Medelln, los trenes deben detenerse solo unos cuantos segundos en
cada estacin, pero por razones no explicadas, a menudo se detienen por intervalos de varios
minutos. La probabilidad de que el metro se detenga en una estacin ms de tres minutos es de 0,20.
a.- Halle la probabilidad de que se detenga ms de tres minutos por primera vez, en la cuarta estacin desde
que un usuario lo abordo?
b.- Halle la probabilidad de que se detenga ms de tres minutos por primera vez antes de la cuarta estacin
desde que un usuario lo abordo?

DESARROLLO:

a.
(
(

1)

, )

4
. / 0.2
1

( 0.2,4)
0.8

0.4096

40.96

b.
(< 4)

3
. / 0.2

0.8

0.488

48.8

EJERCICIO 9

En una panadera se cortan panecillos con un peso que se ajusta a una distribucin normal de media 100 g y
desviacin tpica 9. Cul es la probabilidad de obtener un panecillo cuyo peso oscile entre 80 g y la media?

DESARROLLO:

=100 y =9
(80 <

< 100)

80 100
9

20
9

2.22

(80 <

< 100)

(2.22 <

< 0)

100 100
9

0
9

( < 0) (1 (z>2.22))=0.5-(1-0.98679)

=0.5-0.013121=0.48679
Probabilidad de obtener un panecillo con peso entre 80g y 100g es de 0.48679

EJERCICIO 10

Un jugador tiene tres oportunidades de lanzar una moneda para que aparezca una cara, el juego termina en
el momento en que cae una cara o despus de tres intentos, lo que suceda primero. Si en el primero,
segundo o tercer lanzamiento aparece cara el jugador recibe $20000, $40000 o $80000 respectivamente, si
no cae cara en ninguno de los tres pierde $200000. Si X representa la ganancia del jugador:
a.- Encuentre la funcin de probabilidad f(x)
b.- Encuentre el valor esperado E(x), la varianza V(x) y la desviacin estndar S(x)

DESARROLLO

a.- Encuentre la funcin de probabilidad f(x)

La probabilidad de que aparezca una cara es 1/2, la probabilidad de que aparezca dos caras seguidas es
(1/2)(1/2) = (1/4), la probabilidad de que aparezcan tres caras seguidas es (1/2)(1/2)(1/2) = 1/8, que es la
misma probabilidad de que no aparezca una sola cara, por tanto la distribucin de probabilidad es:

b.- Encuentre el valor esperado E(x), la varianza V(x) y la desviacin estndar S(x)

El valor esperado est definido por:

( )
( )

1
20000 ( )
2
( )

( )

1
40000 ( )
4

10000

10000
( )

1
1
80000 ( ) 200000 ( )
8
8
10000 25000

5000

La Varianza est definida por:

( )

(20000 5000)

1
( )
2

( )

,( ) -

1
( )
4

(40000 5000)

1
( )
8

( )

112500000

306250000

( )

,( )

( )-

(80000 5000)

703125000

1
( )
8

(200000 5000)

5253125000

6375000000

La Desviacin Estndar Est Definida por:

( )
( )
( )

( )

6375000000
79843,59

EJERCICIO 11
6.- El propietario de una farmacia local sabe que en promedio, llegan a su farmacia 100 personas cada hora.

a.- encuentre la probabilidad de que en un periodo dado de 3 minutos nadie entre a la farmacia
b.- Encuentre la probabilidad de que en un periodo dado de 3 minutos entren ms de 5 personas a la
farmacia

DESARROLLO

=100 personas/hora
1 hora --> 100 personas
60 minutos --> 100 personas --> 5/3 personas por minutos
3 minutos --> 5/3 *3 = 5 personas
=5
(

( )

en este caso,
(

(5)

a.- encuentre la probabilidad de que en un periodo dado de 3 minutos nadie entre a la farmacia

0)

(5)

5 0 0

0.0067

b.- Encuentre la probabilidad de que en un periodo dado de 3 minutos entren ms de 5 personas a la

farmacia

5)

5)

6)

( <

7)

8)

. ..

5)

donde

( <
(

5)
0)

(
(5)

0)

5 0 0

1)

0.0067

2)

3)

4)

5)

(
(
(
(

1)
2)
3)
4)

(5)
(5)
(5)
(5)

5
5
5
5
(

1
2
3
4

1
2
3
4
5)

0.0336
0.0842
0.1403
0.1754
(5)

Sumando ( <

5 5 5
5)

0.1754

0.6156

Por tanto
(

5)

1 0.6156

0.3844

EJERCICIO 12
Se ha determinado que para varones normales en una cierta poblacin normalmente distribuida, la
temperatura media es de 37C y desviacin estndar de 0,5C. Si se consideran 1000 de estas personas
Cuntas se puede esperar que tengan una temperatura comprendida entre 37C y 37,6C?

DESARROLLO

37
0,5
1000
, 37
37
37,6

37,6

Estandarizamos:

( )
(37
37
0
0,5

) 0,5

0
( )
(37,6
37
0,6
0,5
1,2

) 0,5

Hallamos la probabilidad de z y z, buscando en la tabla de distribucin normal (de 0 a z) o usando las

funciones estadsticas de Excel (de - a z):

,
,

,
,

00
1,2 0,3849

En este caso,

, 37
,
,0
,0
,0
,0

37,6 ,
,
- ,
1,2 ,
1,2 - ,
1,2 0,3849 0
1,2 0,3849
1,2 38,49

0-

As, la probabilidad de que una persona tenga una temperatura entre 37C y 37,6C es del 38,49%. Para
saber a cuntas personas de la muestra corresponde este porcentaje, simplemente calculamos una regla de
3:

RESPUESTA: Se puede esperar que aproximadamente 385 personas tengan la temperatura comprendida en
el rango propuesto.

ESTUDIO DE CASO

Por medio de las suposiciones de Seligman, calcule la probabilidad de que la estatura de un solo varn
adulto chino escogido al azar sea menor o igual a 154 cm.
Respuesta
M= 167.8 cms
= 6.8 cms
X= Variacin con 1.54 cms de estatura o menos.
Se tiene distribucin normal estndar.
Tomamos la tabla de distribucin normal estndar.

X M

Para X= 154 cms

154 167.8
2.02
6.8

P( 154cms)
Tabla para Z= -2,02

P( Z 2.02) 0.0217 2 P %
P( X 154cms ) 2%

Respuesta: La estatura de un solo varn adulto chino escogido al azar sea menor o igual a 154 cm, es del 2%.
Los resultados de la pregunta 1, concuerdan con las probabilidades de Seligman?
Respuesta
Los resultados parecen concordar con las suposiciones de Seligman, debido a que el porcentaje obtenido es
del 2%, en comparacin del 2,5 % supuesto por l.

Comente acerca de la validez de las suposiciones de Seligman Hay algn error bsico en su
razonamiento?

Respuesta
El error bsico que podemos detectar en el razonamiento de Seligman es el hecho de que no se considera
ninguna variable adems de la altura y esto podra inclinar las conclusiones de estudio.

Con base en los resultados anteriores, argumente si considera o no que Deng Xiaping tomo en cuenta la
estatura al elegir a su sucesor.
Respuesta
Se puede concluir que no es suficiente para generar la conclusin de que Deng Xiaping tom la decisin
obedeciendo nicamente a criterios de la estatura, ya que, es importante conocer las dems caractersticas,
no solo fsicas de los candidatos.