Practica ll

Nombre completo: Félix Junior Hidalgo García Matricula: 100612966

Sección: 01

EJERCICIOS

5
A) ∑ P ( Ei )=1 0.15+0.15+0.4+P(E4) +P(E5) = 1
i=1

2P(E5) + P(E5) = 0.3

3P(E5) = 0.3
P(E5) = 0.1
P(E4) = 0.2

B)

0.3 + 0.1+ P(E3) + P(E4) + P(E5) = 1

3P(E3) = 0.6 P(E3) = 0.6/3 = 0.2

P(E3) = 0.2

P(E4) = 0.2

P(E5) = 0.2

A) S= { D, I , F } ∪ ∩ D=derecha I =Izquierda F=Frente

B)

P(I) = 1/3 P(I ∪ D ) = P(l) + P(D)

P(F) = 1/3 = 1/3 + 1/3
P(D) = 1/3 = 2/3
a) 0.44 + 0.14 = 0.58 Necesitan lentes.
b) 0.14 Necesitan lentes, pero no los usan.
c) 0.44 + 0.02 = 0.46 Usa lentes los necesite o no.

a) 1-0.01-0.09-0.81 = 0.09
b) P(E1) + P(E2) + P(E3) = 0.01 + 0.09 + 0.09 = 0.19
 E1 E2 E3 E4 (Números de experimentos)

a) S = {CC,CE,EC,EE}
b) P(E1) = 1/4 = 0.25
c) A = {CE,EC} B = {CC,CE,EC}
P(A) = 2/4 = 1/2 = 0.5
P(B) = 3/4 = 0.75

d)
¿ A∩B 2 1
P(A∩B) = = = =0.5
¿S 4 2

¿ A∪B 3
P(A∪B) = = =0.75
¿S 4

A = {CC,EE}

¿ A∪ B ¿S
P(A∪B) = = =1
¿S ¿S

A = (A∩B)∪ (A∩B)

(A∩B)∩ (A∩B) = Ø

P(A) = P(A∩B) + P(A∩B)

 P ( A ∩B) 0.1
a) P(A/B) = = 0.33
P(B) 0.3

P ( A ∩B) 0.1
b) P(B/A) = = =0.2
P( A) 0.5

c) P(A / A∪B) = P ¿ ¿

0.5 0.5
¿ = =¿ 0.7142
0.5+0.5+0.3−0.1 0.7

d) P ¿

P { ( A ∩B ) ∩ ( A ∪ B ) } P ( A ∩ B ) 0.1
e) P( A ∩ B/ A ∪B)= = = =0.1428
P ( A ∪ B) P ( A ∪ B ) 0.7

P(A) = 60/100 = 0.6 P ( A ∩ M ) = 24/100 = 0.24 P ( A ∩ F ) = 36/100 = 0.36

P(A) = 1- P(A) = 0.4 P(M) = 40/100 = 0.4 P(F) = 1 – P(M) = 0.6

A) P(A / M) = P(A) P(M/A) = P(M)

P ( A ∩ M ) 0.24
P(A/M) = = =0.6 P(A)
P ( M) 0.4
 P ( A ∩ M ) 0.24
P(M/A) = = =0.4 P(M)
P( A) 0.6

P ( A ∩ F ) 0.24
B) P(A/F) = = =0. 4 P(A)
P (F) 0.6
P ( F ∩ A ) 0.24
P(F/A) = = =0.6 P(F)
P( A) 0.4

A) P(A) = 0.40 P ( A ∩ B )=P ( A )+ P ( B )−¿ P ( A ∩ B )

B) P(B) = 0.37 = 0.40 + 0.37 – 0.10 = 0.67

C) P ( A ∩ B )=¿ 0.10

D) P ( A ∪ B ) = 0.67

E) P(A) = 1- 0.4 = 0.6

P ( A ∩ B ) 0.10
F) P ( A ∪ B ) = 1- P ( A ∪ B ) = 1- 0.67 = 0.33 P(A/B) = = =0.27
P (B) 0.37

P ( A ∩ B ) 0.10
G) P ( A ∩ B )=¿ 1- P ( A ∩ B )=1-0.10 = 0.9 P(B/A) = = =0.25
P( A) 0.40
H) P(A/B) = 0.27

I) P(B/A) = 0.25

P ( A ∩ B )=P ( A ) P(B)

P ( A ∩ B ) P ( A ) P( B)
P(A/B) = = =P ( A )
P (B) P( B)

P ( A ∩ B ) P ( A ) P( B)
P(B/A) = = =P (B)
P( A) P( A)

P(A/B) = P(A)

P ( A ∩ B ) P (A / B) P( B) P ( A ) P ( B )
P(B/A) = = = =P( B)
P( A) P (A ) P( A)

P ( A ∩ B )=P( A/ B) P(B)=P ( A ) P (B)

P(B/A) = P(B)

P ( A ∩ B )=P( B/ A ) P( A)=P ( B ) P (A )

P ( A ∩ B ) P ( B ) P (A )
P(A/B) = = =P ( A )
P (B) P( B)

1) P( A /B)=P( A) 2) P(B/ A)=P( B) 3) P ( A ∩ B )=P ( A ) P( B)

A) A ∩ B=∅ P ( A ∩ B )=P ( ∅ )=0[ Por definicion]

B) P ( A ) >0 P ( A /B )=P ( A ) P ( B )=0
C) P( B)< 1 P ( A ) P ( B ) >0
∴ NO SON INDEPENDIENTES .
A ∩ B=∅ P ( A ∩ B )=¿ 0

P ( A / A ∪ B )=P ¿¿

A) P ( A ∪ B ) =P ( A )+ P ( B )−P ( A ∩B )

0.8 + 0.9 – P ( A ∩ B ) ≤ 1

1.5 – P ( A ∩ B ) NO ES POSIBLE .

B) 0.5

C) P ( A ∩ B )=P ( B ) =0.7 P ( B )< P ( A )

¿B ¿ A
d) P ( A ∩ B )=P ( B ) =0.7 <
¿S ¿ S

¿ B<¿ A

No es posible , ya que el evento B es mas peque ño que el evento A ∴ La ( A ∩ B ) esta por debajo de P ( B )=0.7
 a) P(AUB) = P(A) + P(B) - P(A∩B)
P(A∩B) = P(A) + P(B) - P(AUB)
Min[P(A∩B)] = 0

b) P(AUB) = P(A) + P(B) - P(A∩B)

P(A) + P(B) - P(A∩B) ≤ 1

P(A) + P(B) - 0 ≤ 1
Max[P(AUB)] = 1

es posible si y solo sí P(A𝖴B) ≤1

(𝐴 𝖴 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵) ≤ 1

0.6 + 0.3 − 0.1 ≤ 1

 0.9 − 0.1 ≤ 1

0.8 ≤ 1

∴ 𝑠í, 𝑝𝑜𝑟𝑞𝑢𝑒 𝑒𝑙 𝑣𝑎𝑙𝑜𝑟 𝑒𝑠 𝑚𝑒𝑛𝑜𝑟 𝑜 𝑖𝑔𝑢𝑎𝑙 𝑞𝑢𝑒 1.

b)
(𝐴 𝖴 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵) ≤ 1

0.6 + 0.3 − (𝐴 ∩ 𝐵) ≤ 1
0.9 − (𝐴 ∩ 𝐵) ≤ 1

−(𝐴 ∩ 𝐵) ≤ 1 − 0.9
(𝐴 ∩ 𝐵) = 0.1

El valor más pequeño para P(A∩B) es 0.1

c) si B⊈A, el valor de la intersección es 0.1; si B⊆A, se tiene que

𝑃(𝐵) < 𝑃(𝐴)
#𝐵 #𝐴
<
𝑆 𝑆

#𝐵 < #𝐴
(𝐴 ∩ 𝐵) = 𝑃(𝐵) = 0.3

Como en ninguno de los dos casos el valor de P(A∩B) es igual o mayor que 0.7, la respuesta es NO,
no es posible que la intersección tome ese valor.

d) el máximo valor para P(A∩B) es 0.3

a) P(A𝖴B) = P(A) + P(B) − P(A∩B)

P(A∩B) = P(A) + P(B) - P(A𝖴B)
P(A∩B) = 0.2 + 0.3 – 0.4
P(A∩B) = 0.1
b) P(A = 1 - P(A) = 1 – 0.2 = 0.8
P(B = 1 - P(B) = 1 – 0.3 = 0.7
)̅
P(A B = P(A + P(B - P(A B
P(A B = P(A + P(B – (1 - P(A𝖴B))

P(A B = 0.8 + 0.7 – (1 – 0.4)

 P(A B = 0.8 + 0.7 – 0.6
P(A B = 0.9
c) P(A B ) = P(A + P(B - P(A B
)
P(A B ) = 0.8 + 0.7 – 0.9
P(A B ) = 0.6

d) P(A /̅ B) = B)/P(B) = (P(A + P(B)- P(A B))/P(B)

P(A
P(A /̅ B) = (0.8 + 0.3 –
1.1) /0.3 P(A /̅ B) = 0.73

Regla del producto:

𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴) ∗ 𝑃(𝐵)

Despejando P(A):

𝑃(𝐴) = 𝑃(𝐴 ∩ 𝐵)/𝑃(𝐵)

sabiendo que:

𝑃(𝐴 𝖴 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵)

Se cambia (𝐴 ∩ 𝐵) por la expresión anterior:

𝑃(𝐴) = (𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵))/𝑃(𝐵)

Como:

(𝐴) = 𝑆 − 𝑎 = 1 − 𝑎
(𝐵) = 𝑆−𝑏 =1−𝑏

Se tiene que:

(𝐴) = ((1 − 𝑎) + (1 − 𝑏) − (𝑃(𝐴) ∗ 𝑃(𝐵))/(1 − 𝑏)

(𝐴) = ((1 − 𝑎) + (1 − 𝑏) − (0 ∗ 𝑏)/(1 − 𝑏)

(𝐴) = ((1 − 𝑎) + (1 − 𝑏) − 0/(1 − 𝑏)

 (𝐴) = ((1 − 𝑎) + (1 − 𝑏)/(1 − 𝑏)

(𝐴) = (1 − 𝑎 − 𝑏)/(1 − 𝑏)

P(Linea 1 y no defectuosa) = P(Linea 1) * P(no defectuosa | Linea 1) = 0.4 * (1 - 0.08) = 0.368

P(Linea 2 y no defectuosa) = P(Linea 2) * P(no defectuosa | Linea 2) = 0.6 * (1 - 0.1) = 0.54
P(no defectuosa) = P(Linea 1 y no defectuosa) + P(Linea 2 y no defectuosa) = 0.368 + 0.54 = 0.908

a) P(D/A) = P(D/B) = P(D/C) = 0.02

como los eventos son independientes y debe no ser detectado por ninguno de ellos, entonces:

P((D/A) ∩ (D/B) ∩ (D/C)) = P(D/A) ∗ P(D/B) ∗ P(D/C) = (0.02)3 = 0.000008

b) P(A) = P(B) = P(C) = 0.98

(𝐴 ∩ 𝐵 ∩ 𝐶) = 𝑃(𝐴) ∗ 𝑃(𝐵) ∗ 𝑃(𝐶) = (0.98)3 = 0.941192

P(republicano y a favor del tema) = P(republicano) * P(a favor del tema | republicano) = 0.4 *
0.3 = 0.12
P(demócrata y a favor del tema) = P(demócrata) * P(a favor del tema | demócrata) = 0.6 * 0.7 =
0.42
Luego, podemos utilizar la regla de la suma para encontrar la probabilidad de que una persona
seleccionada al azar esté a favor del tema:
P(a favor del tema) = P(republicano y a favor del tema) + P(demócrata y a favor del tema)
= 0.12 + 0.42 = 0.54
Finalmente, podemos utilizar el teorema de Bayes para encontrar la probabilidad condicional
de que una persona seleccionada al azar sea demócrata, dado que está a favor del tema:
P(demócrata | a favor del tema) = P(demócrata y a favor del tema) / P(a favor del tema) = 0.42 /
0.54 = 0.7778 o 77.78%
Por lo tanto, la probabilidad condicional de que una persona seleccionada al azar sea
demócrata, dado que está a favor del tema, es del 77.78%.

P(A) = 0.7; P(D/A) = 0.2; P(B) = 0.3; P(D/B) = 0.1

P(D) = P(A) * P(D/A) + P(B) * P(D/B) = 0.17

Aplicando el Teorema de Bayes:

P(A/D) = (P(A) * P(D/A)) / P(D) = (0.7 * 0.2)/0.17 = 0.8235

P(Y0) = 0.20

P(Y1) = P(A) + P(B) - P(A y B)

P(A) = 0.40, P(B) = 0.50

P(A y B) = P(A) x P(B) = 0.40 x 0.50 = 0.20
P(Y1) = P(A) + P(B) - P(A y B) = 0.40 + 0.50 - 0.20 = 0.70

P(Y2) = 1 - P(Y=0) - P(Y=1) = 1 - 0.20 - 0.70 = 0.10

La distribución de probabilidad para Y es:

Y 0 1 2

P(Y) 0.20 0.70 0.10

Espacio muestral: S = {CC,CE,EC,EE}
ganar $2: CC
ganar $1: EE
Perder $1: EC, CE.

Y P(y)
-1 2/4 = 1/2
1 1/4
2 1/4

a)
𝑛

𝜇 = ∑ 𝑦 ∗ 𝑃(𝑦)
𝑦=0

𝜇 = (3)(0.03) + (4)(0.05) + (5)(0.07) + (6)(0.1) + (7)(0.14) + (8)(0.20) + (9)(0.18) +

(10)(0.12) + (11)(0.07) + (12)(0.03) + (13)(0.01) =7.9

La vida media de la patente es de 7.9 años

 b)

Cualquier medicamento seleccionado al azar tendrá un tiempo de vida con desviación del
4.73.

c) 𝜇 ± 2𝜎
7.9 ± 2(4.73)

7.9 ± 9.46

(−1.56 , 17.36)

Como el intervalo abarca cualquier valor de Y, la probabilidad es del 100%.

a - E(aY + b) = a - aE(Y) - b = a(1 - E(Y)) - b = aμ - aμ + b = b Por

lo tanto, a - E(aY + b) = b.
Ahora, para la segunda parte de la demostración:
b - V(aY + b) = b - Var(aY) = b - a²Var(Y) = b - a²σ²
Usando la definición de varianza, sabemos que Var(Y) = E(Y²) - [E(Y)]². Podemos usar esta
expresión para encontrar Var(aY):
Var(aY) = E[(aY)²] - [E(aY)]²
= E[a²Y²] - [aE(Y)]²
= a²E(Y²) - a²[E(Y)]²
= a²[ E(Y²) - [E(Y)]²]
= a²Var(Y)
Sustituyendo esto de nuevo en la ecuación anterior, tenemos:
b - V(aY + b) = b - a²Var(Y) = b - a²σ²
Por lo tanto, b - V(aY + b) = a²o², donde o² es la varianza de Y.
En resumen, hemos demostrado que a - E(aY + b) = b y b - V(aY + b) = a²o². Estas ecuaciones
demuestran que la media y la varianza de la variable aleatoria Y se pueden escalar y desplazar
mediante una transformación lineal utilizando los coeficientes a y b. Es decir:
E(aY + b) = aE(Y) + b
Var(aY + b) = a²Var(Y)
Lo cual significa que la media y la varianza de una variable aleatoria se mantienen si se le suma o
se le resta una constante o si se le escala por una constante.

𝜇 = ∑ 𝑦 ∗ 𝑃(𝑦)
𝑦=0

𝜇 = (10 ∗ 0)(0.1) + (10 ∗ 1)(0.5) + (10 ∗ 2)(0.4) = 13

𝑛

𝜎2 = ∑(𝑦 − 𝜇)2 ∗ 𝑃(𝑦)

𝑦=0

𝜎2 = (10 ∗ 0 − 1.3)2(0.1) + (10 ∗ 1 − 1.3)2(0.5) + (10 ∗ 2 − 1.3)2(0.4) = 41