JULIAN - ARICAPA - Tarea 3 - Probabilidad Condicional y Distribuciones de Probabilidad
JULIAN - ARICAPA - Tarea 3 - Probabilidad Condicional y Distribuciones de Probabilidad
JULIAN - ARICAPA - Tarea 3 - Probabilidad Condicional y Distribuciones de Probabilidad
b. Treinta personas, que son de la misma edad y el mismo estado de salud, son
aseguradas con la misma compañía de seguros. Usando tablas de vida, la
compañía estima que la probabilidad de que una persona elegida al azar entre
estos 30 esté viva en 15 años a partir de ahora es del 80%.
1) ¿Cuál es la probabilidad de que no todas las 30 personas estén vivas en 15 años?
P ( x) = ( nx ) p q
x n− x
30
P ( x ) =( ) 0.8 29
¿ 0.21
29
P ( x ) =30∗0,001547∗0.2
P ( x ) =0,0092846 = 0,928%
1
2) ¿Cuál es la probabilidad de que al menos una persona esté viva?
P ( x ) =30∗0.8∗5.36871 e−21
P ( x ) =1,28849 e−19
3) Toda persona asegurada que estará viva después de 15 años recibirá $ 100.000.000.
Son 30 personas entonces el 80 % son 24 personas. Es decir que 24 personas de las 30 que
hay aseguradas recibirán el seguro de 100.000.000 millones de pesos.
2
Ejercicio 2. Distribución Poisson.
b. La llegada de aviones a un aeropuerto puede ser modelada por un proceso de Poisson con
una tarifa 𝜆 = 5 llegadas por hora.
1) ¿Cuál es la probabilidad de que haya al menos una llegada entre las 3:30 p.m. y las 5:00
p.m. en un día en particular?
En un día como tiene 24 horas deberían llegar k=24 ×5=120 aviones, Hay
que calcular cuántos aviones llegaran en hora y media:
1,5 ×5
X= =7,5 ≈ 8 aviones
1
k = 120 y λ=8
e−λ∗λ k
f ( k , λ )=
k!
e−8∗8 24 e−8∗(4,7224 × 1021)
f ( k=24 )= entonces f ( k =24 )=
24 ! (6,2045× 1023)
18
1,5842× 10 −6
f ( k=24 )= 23
=2,5533× 10
6,2045× 10
3
2) Encuentre el valor esperado y la varianza del número de aviones que llegar entre las
3:30 p.m. y las 5:00 p.m. de ese día.
aviones
El valor esperado es igual a landa y es igual a E ( x )=λ=8
hora
aviones
Y la varianza también es igual a landa por lo tanto V ( x )=λ=8
hora
N = 40 n = 3 d = 7 x=2
k N −k
p ( x) =
( x )( n−x )
( Nn )
7 40−7 7 33
P ( X=2 )=
( )(
2 3−2 ) =⟹ P ( X=2 ) =
( 2 )( 1 )
( 403) ( 403)
(21 )∗( 33 ) 693
P ( X=2 )= = =0,0701 ≈ 7,014 %
9880 9880
4
No es apropiada la aproximación binomial a la hipergeométrica ya que la muestra es muy
grande, representa el 33% de la población y dichas aproximaciones son válidas con muestras
inferiores al 5% del total de la población.
Menos de 130;
( 130−140
P ( x<130 )=P z <
5 ).
−10
P ( x<130 )=P ( z <
5 )
=P(z ←2).
5
Entre 135 y 145
x−μ x−μ
(
P ( X < x )=P z <
σ ) (
−P z<
σ )
145−140 135−140
(
P ( 135< x< 145 )=P z <
5) ( −P z < ) 5
Ahora se resuelven las operaciones que tenemos en los paréntesis.
P ( 135< x< 145 )=P ( z<1 ) −P ( z ←1 )
Como el valor del número que está en el paréntesis es negativo entonces se
aplica el tercer caso P ¿
P ( 135< x< 145 )=P ( z<1 ) −[ 1−P ( z<1 ) ]
Los valores de cada uno de los términos en la tabla z student:
P ( z<1 ) =0,8413
Se reemplazan estos valores en la formula
P ( 135< x< 145 )=0,8413−[ 1−0,8413 ]
P ( 135< x< 145 )=0,8413−0,1587=0,6826 ≈ 68,26 %
La probabilidad de que el nivel de sodio en la sangre de una persona este entre
135 y 145 es del 68,26%.
6
Al menos 145.
x−μ
(
P ( X < x )=P z <
σ )
( 145−140
P ( x ≥ 145 )=P z <
5 ).
5
P ( x ≥ 145 )=P ( z < )=P ( z<1)
5
P ( x ≥ 145 )=0,8413 ≈ 84,13 %
( 130−140
P ( x<130 )=P z <
5 ).
−10
P ( x<130 )=P ( z <
5 )
=P(z ←2).
( 160−140
P ( x>160 )=P z <
5 ).
20
P ( x>160 )=P ( z > )=P(z > 4).
5
Buscando los valores de los términos en la tabla z student
P ( z> 4 )=0,9999
P ( x<160 )=99,99 %
La probabilidad de que el nivel de sodio en la sangre de una persona sea:
Mayor de 160 es de 99,99 %