Postarea – Evaluación final POA

Presentado al tutor (a):

Anuar de Jesus Oyola

Entregado por la estudiante:

Restrepo Gabriela

Grupo: 100402_292

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA - UNAD

ESCUELA DE CIENCIAS BÁSICAS TECNOLOGÍA E INGENIERÍA
15/03/2020
CHIQUINQUIRÁ
2020
Ejercicios a 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. (Técnicas de Conteo). Siete personas se presentan para solicitar

trabajo como cajeros en una tienda de descuento.

a. Si solo hay tres trabajos disponibles, ¿de cuántas maneras

se pueden seleccionar tres de siete solicitantes?

(nr ) ¿ C = ( n−rn)!!∗r !
n r

(73 ) ¿ C = ( 7−37)!!∗3!
7 3

(73 ) ¿ C =35
7 3

R/ Hay 35 maneras que se pueden seleccionar tres de siete

solicitantes.

b. Supongamos que hay tres solicitantes masculinos y cuatro

femeninos, y los siete son igualmente calificados, por lo
que los tres trabajos se llenan al azar. ¿Cuál es la
probabilidad de que el de tres contratados todos sean del
mismo sexo?

3 4
P= × =0,244898
7 7

R/ la probabilidad de que los tres contratados todos sean del

mismo sexo es de 0,245.
c. ¿De cuántas maneras diferentes podrían alinearse los siete
solicitantes mientras esperan una entrevista?

n!
.n Pr=n× ( n−1 ) × ( n−2 ) ×… … × ( n−r +1 ) =
( n−r ) !

Pn=n!
Pn=7 × 6 ×5 × 4 ×3 × 2×1Pn=5040
R/ Los siete solicitantes podrían alinearse de 5040 maneras
diferentes mientras esperan una entrevista.

d. ¿Si hay cuatro mujeres y tres hombres, de cuántas maneras

pueden ser los solicitantes aplicados si los tres primeros
son mujeres?
n!
.n Pr=n× ( n−1 ) × ( n−2 ) ×… … × ( n−r +1 ) =
( n−r ) !

n!
.n P r =
( n−r ) !
4!
.n Pr=
( 4−3 ) !
.n Pr=24

R/ De 24 maneras pueden ser los solicitados aplicados si los tres

primeros son mujeres.

2. (Teorema de Bayes). Una prueba de laboratorio para el uso de

esteroides en atletas profesionales tiene tasas de detección que
figuran en la siguiente tabla:

Uso de Resultado del

esteroid Test
e + -
SI 0,9 0,1
NO 0,01 0,99
Si la tasa de uso de esteroides entre los atletas profesionales es 1 de
cada 50:

a. ¿Cuál es la probabilidad de que un atleta profesional

elegido al azar tenga un resultado negativo para el uso de
esteroides?

P ( BA )× P ( B )
P ( BA )= P(A)
0,1
B
P ( )
0,99
× P ( 0,99 )
P ( )A
=
P ( 0,1 )
B 0,01
P( ) =
A P ( 0,01 )
B
P ( ) =10
A
R/ La probabilidad de que un atleta profesional elegido al azar
tenga un resultado negativo para el uso de esteroides es de 10.

b. Si el atleta da positivo, ¿cuál es la probabilidad de que

realmente haya estado usando esteroides?

0,9
P ( 0,01 ) × P ( 0,01)
P ( BA )= P ( 0,9 )
B 0,9
P ( )=
A P ( 0,9 )
B
P ( )=1
A
R/ Si el atleta da positivo la probabilidad de que realmente haya
estado usando esteroides es de 1.

 3.1 (D. Normal) El pan Fitcook by Mary Méndez almendra de 320

gramos, es un pan alto en proteína de la línea Skinny de coco,
1
Tomado y adaptado de Mendenhall, W.; Beaver, R. ; Beaver, B. (2015). Introducción a la estadística.
Editorial Cengage Learning.
 este es uno de los productos más exitosos de la marca y se
distribuye en las principales ciudades del País. Las cajas en las
cuales se empaca este producto tienen una longitud promedio de
33 centímetros y una desviación estándar de 1,5 centímetros. Si
se supone que las longitudes están distribuidas normalmente,
¿qué porcentaje de las cajas son:

Datos

X= Nueva variable aleatoria

μ=33

σ =1,5

a) ¿Más largas que 34 centímetros?

P ( x>34 )=1−P(x ≤ 1)
x−μ
z=[ ]
σ
Sustituir:
34−33
z= [ 1,5 ]
z=0,6666

P ( x>34 )=1−P(z ≤ 0,6666)

P ( z ≤ 0,6666 )=0,7454

P ( x>34 )=1−0,7454
P ( x>34 )=0,2546=25,46 %
R/ Las cajas las largas de 34 cm tienen un 25,46%

b) ¿Entre 31,5 y 34,5 centímetros de longitud?

 P ( 31,5< x< 34,5 )=P(x ≤1)
-Para P(x>31,5)
x−μ
z=[ ]
σ
Sustituir:
31,5−33
z= [ 1,5 ]
z=−1

P ( x>31,5 )=1−P( z ≤−1)

P ( z ≤−1 ) =0,1587

P ( x>31,5 )=1−0,1587
P ( x>31,5 )=0,8413

Para P(x<34,5)
x−μ
z=[ ]
σ
Sustituir:
34,5−33
z= [ 1,5
z=1]
P ( x<34,5 )=P( z ≤ 1)
P ( z ≤ 1 )=0,8413

P ( x<34,5 )=0,8413
Una vez hallados los resultados hallamos el medio:
P=0,8413+ 0,8413=1,6826=168,26 %
R/ Las cajas entre 31,5 y 34,5 centímetros de longitud tienen un
porcentaje 168,26 %.

c) ¿Más cortas que 33 centímetros?

P ( x<33 )=P(x ≤ 1)
x−μ
z=[ ]
σ
Sustituir:
33−33
z= [1,5
z=0 ]

P ( x<33 )=P( z ≤ 0)
P ( z ≤ 0 )=0,5000

P ( x<33 )=0,5000=50 %
R/ Las cajas más cortas 33 centímetros tienen un porcentaje de
50%.
42. (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.

X = la cantidad de niños en la muestra que tienen una alergia

dermatológica

n=36 p=0,01q=1− p=0,99

Pk =P [ X =k ] =¿

a. ¿Cuál es la probabilidad de que una muestra combinada sea

positiva para el VIH?
- P ( x ≥ 1)
P ( x ≥ 1 )=1−P ( x=0 )
 Para P ( x=0)

Pk =P [ X =k ] =¿ P0=¿P0=1 ×1 ×0,696413P0=0,6964P0=1−0,6964

P0=0,3036=30,36 %

b. ¿Es probable encontrar una muestra combinada?

- P ( x ≤ 1)
P ( x ≤ 1 )=P ( x =0 )
 Para P ( x=0)

Pk =P [ X =k ] =¿ P0=¿P0=1 ×1 ×0,696413P0=0,6964=69,64 %R/ Si es posible

encontrar una muestra combinada tanto positiva como negativa,

positiva hay un 30,36% y negativa hay un 69,64%.

2
53. (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.

x= Intersección de un determinando número de accidentes

μ= cancer neuroblastoma se produce en 11 de cada millon

e= 2.71828

μ k × e−μ
P ( x=k ) =
k!

x= Es el número de accidentes por mes

a. Suponiendo que el neuroblastoma ocurre como es usual,

encuentre el número medio de casos en grupos de 12,429
niños.
-Para encontrar el número medio se utiliza la siguiente formula:
μ=n × p
n=12,429 p=0,000011
Reemplazamos los valores en la fórmula:
μ=12,429× 0,000011μ=0,000136719=0,0136719 %
R/ El número medio de casos en grupos de 12,429 niños ocurre el
neuroblastoma en un 0,0136719%

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.
3
Tomado y adaptado de Mendenhall, W.; Beaver, R.; Beaver, B. (2015). Introducción a la estadística.
Editorial Cengage Learning.
 μ k × e−μ
P x=k =
( )
k!

- para p (x=0)

0,0001367190 ×e−0,000136719
P ( x=0 )=
0!

P ( x=0 )=0,999863=99,98 %

- para p (x=1)

0,0001367191 × e−0,000136719
P ( x=1 )=
1!

P ( x=1 )=0,0001367=0,01367 %

- Sumamos los dos resultados para hallar la posibilidad:

P ( 0=x=1 )=0,999863+0,0001367
P ( 0=x=1 )=0,9999997=99,99 % R/ La probabilidad de que el

neuroblastoma ocurra en 0 o 1 de un grupo de 12,429 es de

99,99%.

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

neuroblastoma?

p= ( x ≥1 ) =1− p ( x=0 )

- para p (x=0)

0 −0,9999997
0,9999997 × e
P ( x=0 )=
0!

P ( x=0 )=0,36788 p= ( x ≥1 ) =1− p ( x=0 ) p= ( x ≥1 ) =1−0,36788

p= ( x ≥1 ) =0,63212=63,212 %
 R/ la probabilidad de que ocurra más de un caso con neuroblastoma
es 63,21%

d. ¿El grupo con cuatro casos parece atribuible a la

casualidad? ¿Por qué sí o por qué no?
Hallamos la media:
μ=n × p
n=12,419 p=0,000011
Reemplazamos los valores en la fórmula:
μ=12,419× 0,000011μ=0,000136609

Una vez hallado en resultado de la media, hallamos los cuatro

casos:

μ k × e−μ
P ( x=k ) =
k!

0,0001366094 × e−0,000136609
P ( x=4 )=
4!

P ( x=4 )=1,45093 x 10−17=1,45093 x 10−15 %

R/ El grupo con los cuatro casos si se le atribuye a la casualidad

ya que la probabilidad de que haya este número es de
1,45093 x 10−15 % .
Conclusión
Se observó la realización de 4 ejercicios de distribución como: la técnica de conteos, el
teorema de bayes, la distribución normal, la distribución binomial y la distribución de
Poisson.

Referencias Bibliográficas
Rodríguez, F. & Pierdant, A. (2014). Estadística para administración. Pp. 150-152,
245-261, 279 -301  Recuperado
de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
ppg=258&docID=11013767&tm=1470693471527 
García, Á. M. Á. (2005). Introducción a la teoría de la probabilidad. primer curso.
Pp. 195-221. 221-243, 267-291. Recuperado de https://ebookcentral-proquest-
com.bibliotecavirtual.unad.edu.co/lib/unadsp/reader.action?
docID=4722054&ppg=196
Monroy, S. (2005). Estadística Descriptiva. Editorial: Instituto Técnico Nacional.
(Pp. 140-150). Recuperado de https://ebookcentral-proquest-
com.bibliotecavirtual.unad.edu.co/lib/unadsp/reader.action?
docID=3192101&ppg=141
Rodríguez, F. & Pierdant, A. (2016). Estadística para administración (2a. Ed.). (Pp.
189-198). Recuperado de  https://ebookcentral-proquest-
com.bibliotecavirtual.unad.edu.co/lib/unadsp/reader.action?
docID=4849829&ppg=210
Sánchez, J. (2018). Distribución Binomial. Recuperado
de http://hdl.handle.net/10596/19010
Distribución Normal, UNAD. Recuperado de:
https://www.youtube.com/watch?v=gBcIfloKHCE
Distribución Normal, UNAD. Recuperado de: https://www.youtube.com/watch?
v=3pLy66CMoe0
Aplicación de la distribución Normal. Ejemplo. UNAD. Recuperado de:
https://www.youtube.com/watch?v=dBqW4eIz8RM
Distribución Poisson, UNAD. Recuperado de :
https://www.youtube.com/watch?v=v7qVH7LIqlo
Aplicación de la Distribución Poisson. Ejemplo. UNAD. Recuperado de:
https://www.youtube.com/watch?v=z4tqOcqFh6o
Aplicación de la Distribución Hipergeometrica. Ejemplo. UNAD. Recuperado de:
https://www.youtube.com/watch?v=6KBHC8ZIAbA
Distribución Binomial. UNAD. Recuperado de:
https://www.youtube.com/watch?v=CdcXm17NEAs