Samuel Cartagena Amaya - 1025644489

Kelly Acosta Bustamante - 1035971254

xi (Horas PROBABILIDAD
hi --> P(Xi =x) X*P(X=x) (x-E(x))^2
Desperdiciadas) ACUMULADA
1 0.11268 0.11268 0.11268 25.4958344356
2 0.08451 0.19719 0.16902 16.3971544356
3 0.07042 0.26761 0.21126 9.29847443560001
4 0.02113 0.28874 0.08452 4.19979443560001
5 0.10563 0.39437 0.52815 1.1011144356
6 0.12676 0.52113 0.76056 0.0024344356
7 0.11268 0.63381 0.78876 0.9037544356
8 0.09859 0.7324 0.78872 3.80507443559999
9 0.11268 0.84508 1.01412 8.70639443559999
10 0.11268 0.95776 1.1268 15.6077144356
11 0.04225 0.16216 0.46475 24.5090344356
E(X)= 6.04934 V(X)=

SD (X)= 3.061200991366

A) ¿La Tabla 1 puede representar la distribución de probabilidad de una variable aleatoria? (Justifique)

Si, por que cumple las 2 condiciones que son todos los resultados estan entre o y su sumat

B) Defina la variable aleatoria (Piense bien o más bien piense en profundidad)

Tiempo en horas en la semana en las que los trabajodores son improductivos

Se escoge aleatoriamente un empleado de la empresa y se monitorea el desempeño por una se

C) ¿Cuál es la probabilidad de que el empleado elegido pierda menos de 8 horas a la semana?

P(X>8)= 0.63381

D) ¿Cuál es la probabilidad de que el empleado elegido pierda 8 horas o más?

P(X<8)= 0.3662

E) ¿Cuál es la probabilidad de que el empleado elegido pierda entre 4 y 6 horas?

 P(4<=6)= 0.25352

F) ¿Cuál es la probabilidad de que el empleado elegido desaproveche 7 horas?

P(X=7)= 0.11268

G) Encuentre el valor esperado de la distribución

E(X)= 6.04934

H) Encuentre la varianza y la desviación estándar de la distribución de probabilidad

V(X)= 9.37095150954436

SD (X)= 3.06120099136668
 ((x-E(x))^2) * P (X=)

2.87287062420341
1.38572352135256
0.654798569754953
0.0887416564242282
0.116310717832428
0.000308589056656022
0.101835049803408
0.375142288605803
0.981036525003407
1.75867726260341
1.0355067049041
9.37095150954436

3.06120099136668

ia? (Justifique)

stan entre o y su sumataria

on improductivos

desempeño por una semana:

 µ Buenos (Valor Esperado)
X= Cantidad de quipos determinados como defectuosos

x P ( X=x) P ( X<=x)
0 0.000000000 0.000000000
1 0.000000009 0.000000009
2 0.000000275 0.000000284
3 0.000005194 0.000005478
4 0.000066223 0.000071701
5 0.000600425 0.000672126
6 0.003969475 0.004641601
7 0.019280308 0.023921909
8 0.068284423 0.092206331
9 0.171975583 0.264181914
10 0.292358490 0.556540404
11 0.301217839 0.857758243
12 0.142241757 1.000000000
E(X)=

A) Defina la variable aleatoria en cuestión. (Recuerde que como la defina está estableciendo de manera implíci
fracasos; aun así, usted puede definir 2 variables aleatorias una para los éxitos y otra para los fracasos según lo c
interpretar la pregunta a su conveniencia)

No, porque no cumple con una condicion que es: todos los resultados estan en

B) ¿Cuál es la probabilidad de que se escojan 3 equipos TIG defectuosos?

P(X=3)=

C) ¿La probabilidad de encontrar 5 o más equipos TIG defectuosos?

P(X>=5)=

D) ¿La probabilidad de encontrar entre 5 y 10 equipos TIG en perfectas condiciones, es?

P(5<=10)=
E) ¿Cuál es la probabilidad de se encuentren más de 7 equipos TIG perfectos?

P(X<7)=

F) Encontrar el valor esperado de la distribución

10.2

G) Encontrar la varianza y la desviación estándar

V(X)=

SD (X)=
 X ~ binomíal (x, n, p) X n
10.2 12
X ~ binomíal 0.29235849

X*P(X=x) (x-E(x))^2 ((x-E(x))^2) * P (X=)

0.0000000000 104.04000 0.0000000135
0.0000000088 84.64000 0.0000007468
0.0000005500 67.24000 0.0000184894
0.0000155820 51.84000 0.0002692562
0.0002648933 38.44000 0.0025456246
0.0030021240 27.04000 0.0162354866
0.0238168505 17.64000 0.0700215404
0.1349621527 10.24000 0.1974303491
0.5462753801 4.84000 0.3304966049
1.5477802435 1.44000 0.2476448390
2.9235849045 0.04000 0.0116943396
3.3133962251 0.64000 0.1927794167
1.7069010856 3.24000 0.4608632931
10.2000000000 V(x)= 1.53

SD (X)= 1.2369316876853

está estableciendo de manera implícita, pero no obligatoria los éxitos y los

os y otra para los fracasos según lo considere y le convenga).(O puede

ue es: todos los resultados estan entre 0 y 1

0.000005194

0.999928298761833

ndiciones, es?

0.557212530262722
os?

0.976078091

0.2

1.53

1.2369316876853
 p
85%
 µ Buenos (Valor Esperado)
Y= Cantidad de quipos determinados como defectuosos Y ~ binomíal (y, n, q) y
1.8
Y ~ binomíal 0.30121784

y P ( Y=y) P (Y<=y) Y*P(Y=y) (y-E(y))^2 ((y-E(y))^2) * P(Y=)

0 0.142241757 0.142241757 0.0000000000 3.24000 0.4608632931
1 0.301217839 0.443459596 0.3012178386 0.64000 0.1927794167
2 0.292358490 0.735818086 0.5847169809 0.04000 0.0116943396
3 0.171975583 0.907793669 0.5159267478 1.44000 0.2476448390
4 0.068284423 0.976078091 0.2731376900 4.84000 0.3304966049
5 0.019280308 0.995358399 0.0964015377 10.24000 0.1974303491
6 0.003969475 0.999327874 0.0238168505 17.64000 0.0700215404
7 0.000600425 0.999928299 0.0042029736 27.04000 0.0162354866
8 0.000066223 0.999994522 0.0005297866 38.44000 0.0025456246
9 0.000005194 0.999999716 0.0000467459 51.84000 0.0002692562
10 0.000000275 0.999999991 0.0000027498 67.24000 0.0000184894
11 0.000000009 1.000000000 0.0000000971 84.64000 0.0000007468
12 0.000000000 1.000000000 0.0000000016 104.04000 0.0000000135
E(Y)= 1.8000000000 V(Y)= 1.53

SD(Y)= 1.2369316876853

PRUEBA

E(X)+E(Y)
11.4000000000
1.8

A) Defina la variable aleatoria en cuestión. (Recuerde que como la defina está estableciendo de manera
implícita, pero no obligatoria los éxitos y los fracasos; aun así, usted puede definir 2 variables aleatorias una
para los éxitos y otra para los fracasos según lo considere y le convenga).(O puede interpretar la pregunta a su
conveniencia)
A) Defina la variable aleatoria en cuestión. (Recuerde que como la defina está estableciendo de manera
implícita, pero no obligatoria los éxitos y los fracasos; aun así, usted puede definir 2 variables aleatorias una
para los éxitos y otra para los fracasos según lo considere y le convenga).(O puede interpretar la pregunta a su
conveniencia)

No, porque no cumple con una condicion que es: todos los resultados estan entre 0 y 1

Y: defectuosos Cantidad que fueron

B) ¿Cuál es la probabilidad de que se escojan 3 equipos TIG defectuosos?

P(Y=3)= 0.171975583

C) ¿La probabilidad de encontrar 5 o más equipos TIG defectuosos?

P(Y>=5)= 0.023921909

D) ¿La probabilidad de encontrar entre 5 y 10 equipos TIG en perfectas condiciones, es?

P(5<=10) 0.023921900

E) ¿Cuál es la probabilidad de se encuentren más de 7 equipos TIG perfectos?

P(Y<7) 0.000071701

F) Encontrar el valor esperado de la distribución

1.8000000000

G) Encontrar la varianza y la desviación estándar

V(Y)= 1.53

SD(Y)= 1.2369316876853
n q
12 15%
X=
X ~Poisson(x,µ)
X ~Poisson(x,5,4)
µ =

0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

Y=
Y ~Poisson(y,µ)
Y ~Poisson(y,2,7)
µ =

0
1
2
3
4
 5
6
7
8
9
10
11
12
13

A) Definir la variable aleatoria del problema

La cantidad de clientes que visitan el concesionar

B) ¿Cuál es la varianza y la desviación estándar del problema?

V(X)=

SD(X)=

C) ¿Cuál es la probabilidad de que lleguen 4 clientes en una hora específica?

P(X=4)=

D) ¿Cuál es la probabilidad de que en media hora lleguen más de 2 clientes?

P(X<2)=

E) ¿Cuál es la probabilidad de que 2 personas llegue en 15 minutos?

P(X=2)=

F) ¿Cuál es la probabilidad de que entre 6 y 10 clientes asistan a un test drive?

P(6<=10)=

G) Ojo: Si se asume que los clientes se quedan aproximadamente 1 hora y se necesita que el 95%
TENGAN QUE ESPERAR, ¿cuántos agentes vendedores deben estar disponibles par

Se acerca mas al 100%

Se necesitan 12 vendedores para la atencion al 95% de los cl

 Cantidad de clientes que visitan en una hora al consecionario

5.4

PROBABILIDAD
P(X=x) P(X<=x) X*P(X=x) (x-E(x))^2 ((x-E(x))^2) * P (X=)
ACUMULADA
0.0045 0.0045 0.004517 0.000000 29.15994 0.131703
0.0244 0.0289 0.033423 0.024390 19.35995 0.472180
0.0659 0.0948 0.128181 0.131704 11.55996 0.761244
0.1185 0.2133 0.341472 0.355599 5.75997 0.682748
0.1600 0.3733 0.714782 0.640079 1.95998 0.313636
0.1728 0.5461 1.260914 0.864107 0.16000 0.027651
0.1555 0.7017 1.962586 0.933235 0.36001 0.055995
0.1200 0.8217 2.784244 0.839912 2.56002 0.307170
0.0810 0.9027 3.686895 0.647932 6.76003 0.547505
0.0486 0.9512 4.638140 0.437354 12.96004 0.629792
0.0262 0.9775 5.615626 0.262412 21.16005 0.555266
0.0129 0.9904 6.605994 0.141703 31.36007 0.403982
0.0058 0.9962 7.602160 0.069563 43.56008 0.252515
0.0024 0.9986 8.600733 0.031303 57.76009 0.139084
0.0009 0.9995 9.600235 0.013003 73.96010 0.068693
0.0003 0.9998 10.600071 0.005015 92.16011 0.030815
0.0001 0.9999 11.600021 0.001806 112.36013 0.012680
0.0000 1.0000 12.600006 0.000609 134.56014 0.004823
0.0000 1.0000 13.600001 0.000194 158.76015 0.001707
0.0000 1.0000 14.600000 0.000058 184.96016 0.000565
0.0000 1.0000 15.600000 0.000017 213.16017 0.000176
E(X)= 5.3999940 V(X)= 5.3999290

SD(X)= 2.32377472507779

Media Hora W= 15 Minutos

W ~Poisson(w,µ)
W ~Poisson(w,1,35)
2.7 µ = 1.35

P(Y=y) P(Y<=y) w P(W=w) P(W<=w)

0.0672 0.0672 0 0.2592 0.2592

0.1815 0.2487 1 0.3500 0.6092
0.2450 0.4936 2 0.2362 0.8454
0.2205 0.7141 3 0.1063 0.9518
0.1488 0.8629 4 0.0359 0.9876
 0.0804 0.9433 5 0.0097 0.9973
0.0362 0.9794 6 0.0022 0.9995
0.0139 0.9934 7 0.0004 0.9999
0.0047 0.9981 8 0.0001 1.0000
0.0014 0.9995 9 0.0000 1.0000
0.0004 0.9999
0.0001 1.0000
0.0000 1.0000
0.0000 1.0000

que visitan el concesionario

5.3999290

2.3237747

0.1600

0.5064

0.2362

0.4314

a y se necesita que el 95% o más de las veces un cliente o varios clientes NO

deben estar disponibles para atender al público como mínimo?

0.9962

ra la atencion al 95% de los clientes

 E(X)= p*n

X= Cantidad de personas que son alergica a los tintes

X ~Poisson(x,µ)
X ~Poisson(x,2,5)
µ = 2.5

PROBABILIDAD
x P(X=x) P(X<=x) X*P(X=x) (x-E(x))^2
ACUMULADA
0 0.0821 0.0821 0.082085 0.000000 6.25000
1 0.2052 0.2873 0.369382 0.205212 2.25000
2 0.2565 0.5438 0.913196 0.513031 0.25000
3 0.2138 0.7576 1.670772 0.641289 0.25000
4 0.1336 0.8912 2.561950 0.534408 2.25000
5 0.0668 0.9580 3.519929 0.334005 6.25000
6 0.0278 0.9858 4.505741 0.167002 12.25000
7 0.0099 0.9958 5.501495 0.069584 20.25000
8 0.0031 0.9989 6.500354 0.024852 30.25000
9 0.0009 0.9997 7.500077 0.007766 42.25000
10 0.0002 0.9999 8.500015 0.002157 56.25000
11 0.0000 1.0000 9.500003 0.000539 72.25000
12 0.0000 1.0000 10.500001 0.000123 90.25000
13 0.0000 1.0000 11.500000 0.000026 110.25000
14 0.0000 1.0000 12.500000 0.000005 132.25000
15 0.0000 1.0000 13.500000 0.000001 156.25000
16 0.0000 1.0000 14.500000 0.000000 182.25000
17 0.0000 1.0000 15.500000 0.000000 210.25000
18 0.0000 1.0000 16.500000 0.000000 240.25000
E(X)= 2.5000000 V(X)=

SD(X)= 1.5811388276283

A) Definir la variable aleatoria.

Convierta el problema de la variable binomial a la distribución de Poisson

B) Encontrar el valor esperado de la distribución de probabilidad

E(X)= 2.500000
C) ¿Cuál es la probabilidad de que como máximo 3 chicas sufran reacciones alérgicas?

P(x<=3)= 0.7576

D) ¿Cuál es la probabilidad de que como mínimo 7 mujeres sufran reacciones alérgicas?

P(x>=7)= 0.0142

E) ¿Cuál es la probabilidad de que entre 5 y 8 chicas sufran reacciones alérgicas?

P(5<=8)= 0.1077

F) ¿Cuál es la probabilidad de que 4 chicas sufran reacciones alérgicas?

P(X=4)= 0.1336

G) Encontrar la varianza y la desviación estándar de la distribución de probabilidad

V(X)= 2.500000

SD(X)= 1.58113882762833
 ((x-E(x))^2) * P (X=)

0.513031
0.461728
0.064129
0.053441
0.300604
0.417506
0.340963
0.201297
0.093970
0.036458
0.012135
0.003542
0.000922
0.000217
0.000046
0.000009
0.000002
0.000000
0.000000
2.5000000

1.58113882762833
 TOTAL PRODUCIDOS (N) 46
T EXCELENTE 40
P(X=x)
T. DEFECTUOSO 6
MUESTRA 12

T. EXCELENTE T. DEFECTUOSO

x P(X=x) P(X<=x) y P(Y=y) P(Y<=y)

0 0.00000 0.00000 0 0.14358 0.14358
1 0.00000 0.00000 1 0.35648 0.50006
2 0.00000 0.00000 2 0.32677 0.82683
3 0.00000 0.00000 3 0.14055 0.96738
4 0.00000 0.00000 4 0.02965 0.99703
5 0.00000 0.00000 5 0.00287 0.99990
6 0.00010 0.00010 6 0.00010 1.00000
7 0.00287 0.00297 7 0.00000 1.00000
8 0.02965 0.03262 8 0.00000 1.00000
9 0.14055 0.17317 9 0.00000 1.00000
10 0.32677 0.49994 10 0.00000 1.00000
11 0.35648 0.85642 11 0.00000 1.00000
12 0.14358 1.00000 12 0.00000 1.00000

A) Defina la variable aleatoria

Cantidad de productos con excelente terminado

¿Cuál es la probabilidad?

B) De que 2 no sean clasificados como excelentes?

P(Y=2)= 0.32677

C) Por lo menos 2 no sean clasificados como excelentes?

P(Y<=2)= 0.82683

D) 10 sean clasificados como excelentes?

P(X=10)= 0.32677

E) Como máximo 3 no sean clasificados como excelentes?

P(Y<=3)= 0.96738