NOMBRE:

YORMAN RAFAEL SUAREZ ARIAS

MATRICULA
14-0850

CURSO
2018-3-1-MAT213-30-1

FACILOTADOR
Juan Martínez Ceballos

MATERIA
PROBABILIDAD Y ESTADISTICA MAT-213

FECHA
08/10/2018
 ESTADISTICA Y PROBALIDADES

FACILITADOR JUAN MARTINEZ

I - RESUELVA

1. Si yo tengo una canasta llena de peras y manzanas, de las cuales hay 20

peras y 10 manzanas. ¿Qué fruta es más probable que saque al azar de la
canasta?

La pera tiene más probabilidad con 66%

2.- la probabilidad de que al lanzar un dado, salga el número 2 es de

33% de que salga ese número.

3-En una sala de clases hay 20 mujeres y 12 hombres. Si se escoge uno de

ellos al azar. ¿Cuál es la probabilidad de que la persona escogida sea
hombre?

Hay un 37% que sea hombre

4.-En un curso de 30 alumnos 18 son mujeres. ¿Cuál es la probabilidad de

que al escoger una persona está no sea mujer?

Alumnos es de 37% de ser escogidos

Mujeres es de 62% de ser escogidos

5-La probabilidad de que al sacar una carta al azar de un naipe inglés (52
cartas), ella sea un as es:

Es la probabilidad de 1.92% de que salga la carta que desea.

8.-En un jardín infantil hay 8 morenos y 12 morenas así como 7 rubios y 5

rubias. Si se elige un integrante al azar, la probabilidad de que sea rubio o
rubia es:

De que sea rubio es de 21%

De que sea rubia es de 15%

9 - Se hacer rodar 2 veces un dado común y se considera la suma de los puntos

obtenidos en ambos lanzamientos. La primera vez sale un número par. La
probabilidad que la suma sea mayor que 7 es:

Es de 41% de que sea mayor que 7

10.-La probabilidad de que al lanzar un dado se obtenga un número menor que 5
es:
Es de 83% que salga menor.
II - DEFINA LOS SIGUIENTES CONCEPTO.

TEOREMA DE BAYES
En términos más generales y menos matemáticos, el teorema de Bayes es de
enorme relevancia puesto que vincula la probabilidad de A dado B con la
probabilidad de B dado A. Es decir, por ejemplo, que sabiendo la probabilidad de
tener un dolor de cabeza dado que se tiene gripe, se podría saber (si se tiene
algún dato más), la probabilidad de tener gripe si se tiene un dolor de cabeza.
Muestra este sencillo ejemplo la alta relevancia del teorema en cuestión para la
ciencia en todas sus ramas, puesto que tiene vinculación íntima con la
comprensión de la probabilidad de aspectos causales dados los efectos
observados.

Con base en la definición de Probabilidad condicionada se obtiene la Fórmula de

Bayes, también conocida como la Regla de Bayes:

Variable aleatoria

Las variables aleatorias suelen tomar valores reales, pero se pueden considerar
valores aleatorios como valores lógicos, funciones o cualquier tipo de elementos
(de un espacio medible).

Variable aleatoria discreta

una v.a. es discreta si su recorrido es un conjunto discreto. La variable del ejemplo

anterior es discreta. Sus probabilidades se recogen en la función de cuantía.
(Véanse las distribuciones de variable discreta).

Variable aleatoria continúa

una v.a. es continua si su recorrido es un conjunto no numerable. Intuitivamente

esto significa que el conjunto de posibles valores de la variable abarca todo un
intervalo de números reales. Por ejemplo, la variable que asigna la estatura a una
persona extraída de una determinada población es una variable continua ya que,
teóricamente, todo valor entre, pongamos por caso, 0 y 2,50 m, es posible.
Distribución de probabilidad o función de masa de probabilidad

La distribución de probabilidad de una v.a. X, también llamada función de

distribución de X es la función {\displaystyle F_{X}(x)} {\displaystyle F_{X}(x)}, que
asigna a cada evento definido sobre {\displaystyle X} X una probabilidad dada por
la siguiente expresión.

La distribución de probabilidad está completamente especificada por la función de

distribución, cuyo valor en cada x real es la probabilidad de que la variable
aleatoria sea menor o igual que x.

Distribución Binomial

En estadística, la distribución binomial es una distribución de probabilidad discreta

que cuenta el número de éxitos en una secuencia de n ensayos de Bernoulli
independientes entre sí, con una probabilidad fija p de ocurrencia del éxito entre
los ensayos. Un experimento de Bernoulli se caracteriza por ser dicotómico, esto
es, solo dos resultados son posibles. A uno de estos se denomina «éxito» y tiene
una probabilidad de ocurrencia p y al otro, «fracaso», con una probabilidad q = 1 -
p.

Distribución De Poisson

En teoría de probabilidad y estadística, la distribución de Poisson es una

distribución de probabilidad discreta que expresa, a partir de una frecuencia de
ocurrencia media, la probabilidad de que ocurra un determinado número de
eventos durante cierto período de tiempo. Concretamente, se especializa en la
probabilidad de ocurrencia de sucesos con probabilidades muy pequeñas, o
sucesos "raros".

La distribución de Poisson se aplica a varios fenómenos discretos de la naturaleza

(esto es, aquellos fenómenos que ocurren 0, 1, 2, 3,... veces durante un periodo
definido de tiempo o en un área determinada) cuando la probabilidad de
ocurrencia del fenómeno es constante en el tiempo o el espacio.

Distribucion De Probabilidad Normal

En estadística y probabilidad se llama distribución normal, distribución de Gauss,

distribución gaussiana o distribución de Laplace-Gauss, a una de las
distribuciones de probabilidad de variable continua que con más frecuencia
aparece en estadística y en la teoría de probabilidades.
La gráfica de su función de densidad tiene una forma acampanada y es simétrica
respecto de un determinado parámetro estadístico. Esta curva se conoce como
campana de Gauss y es el gráfico de una función gaussiana.

La importancia de esta distribución radica en que permite modelar numerosos

fenómenos naturales, sociales y psicológicos.