Professional Documents
Culture Documents
Tercer Semestre
Paralelo D
Cédula: 172168607-7
Rango de clase
𝑙í𝑚𝑖𝑡𝑒 𝑠𝑢𝑝𝑒𝑟𝑖𝑜𝑟−𝑙í𝑚𝑖𝑡𝑒 𝑖𝑛𝑓𝑒𝑟𝑖𝑜𝑟
𝑟𝑚 =
𝑚
1,28−0,23
𝑟𝑚 = 7
𝑟𝑚 =0,15
mi fi Fi fr Fr
[0,23;0,38) 0,305 2 2 0,02 0,02
[0,38;0,53) 0,455 6 8 0,06 0,08
[0,53;0,68) 0,605 18 26 0,18 0,26
[0,68;0,83) 0,755 32 58 0,32 0,58
[0,83;0,98) 0,905 20 78 0,2 0,78
[0,98;1,13) 1,055 17 95 0,17 0,95
[1,13;1,28] 1,205 5 100 0,05 1
100 1
2. Grafique el histograma de frecuencias relativas.
Media
𝟏
̅ = ∑𝒏𝒊=𝟏 𝒙𝒊
𝒙 𝒏
̅ = 𝟎, 𝟕𝟗𝟖𝟖
𝒙
Varianza
𝟏 𝒏
𝒔𝟐 = ̅ )𝟐
∑ (𝒙𝒊 − 𝒙
𝒏−𝟏 𝒊=𝟏
𝒔𝟐 = 𝟎, 𝟎𝟒𝟏𝟕𝟓𝟐𝟎𝟖𝟏
Desviación Estándar
𝒔 = √𝒔𝟐
𝒔 = 𝟎, 𝟐𝟎𝟒𝟑𝟑𝟑𝟐𝟓𝟗
Máximo 1,28
Mínimo 0,23
Promedio 0,7988
Varianza 0,041752081
Desviación Estándar 0,204333259
4. Suponga que los datos son una MA observada de una VA X con media m y
desviación estándar s. Encuentre: (Códigos en R, anexos en la hoja final)
a) P (0,5 ≤ X ≤1,0) =
= 𝑃(−14,62317 ≤ 𝑍 ≤ 9,84665)
= 1−0−0
= 1
Que una persona retire del banco entre 500 y 1000 dólares tiene una probabilidad de 100%.
Esto debido a que los datos no poseen muchos valores mayores a 1 y se usa la media (que
es una medida de tendencia central). Sin embargo, aunque la probabilidad sea de 100% es
posible que no suceda.
b) P (X ≤ 0,8) =
0,8 − 𝑚𝑒𝑑𝑖𝑎
𝑃(𝑍 ≤ )
𝑑𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟/√𝑛
0,8 − 0,7988
= 𝑃(𝑍 ≤ )
0,020433326
= 𝑃(𝑍 ≤ 0,058727590)
= 1 − 𝑃(𝑍 ≤ 0,059)
= 1 − 0,4761
= 0,5239
𝑘 − 𝑚𝑒𝑑𝑖𝑎
𝑃(𝑍 ≤ )
𝑑𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟/√𝑛
𝑘 − 0,7988
𝑃 (𝑍 ≤ ) = 0,3
0,020433326
𝑃 (𝑍 > 0,52)
𝑘 = (0,52)(0,020433326) + 0,7988
𝑘 = 0,81
Con una probabilidad del 30%, una persona haría un retiro del banco de 810
dólares.
𝑃 (−𝑍𝛼 ≤ 𝑍 ≤ 𝑍𝛼 ) = 0,95
2 2
𝜶
= 𝟎, 𝟎𝟐𝟓
𝟐
𝑍𝛼 = 1,96
2
𝜎
𝜇 = 𝑥̅ ± 𝑍𝛼/2 ∗ ( )
√𝑛
0,204333259
𝜇 = 0,7988 ± 1,96 ∗ ( )
√100
𝜇 ∈ (0,758750681, 0,838849319)
ANEXOS CÓDIGOS R
data <- read.table("C:/Users/DIANA/Documents/Probabilidad/DATOS.csv", header=T,
dec=".")
head(data)
attach(data)
m <- trunc(1 + 3.3*log10(100), 0)
m
rango <- range(b)
Tclases <- (rango[2]-rango[1])/m
Tclases cortes <- seq(rango[1], rango[2], by=Tclases)
cortes
b.cut <- cut(b, cortes, include.lowest=TRUE, right=FALSE)
b.cut
b.freq <- table(b.cut)
b.freq <- addmargins(b.freq)
Tfreq <- as.data.frame(cbind(fi=b.freq))
Tfreq <- cbind(Tfreq, fr=Tfreq$fi/Tfreq['Sum','fi'])
Fi <- vector("numeric",m+1)
Fri <- vector("numeric",m+1)
Fi[1] <- Tfreq[1,'fi']
Fri[1] <- Tfreq[1,'fr']
for(i in 2:m) {
Fi[i] <- Tfreq[i,'fi']+Fi[i-1]
Fri[i] <- Tfreq[i,'fr']+Fri[i-1]
}
Fi[m+1] <- NA
Fri[m+1] <- NA
Tfreq <- cbind(Tfreq, Fi=Fi, Fri=Fri)
Tfreq
ggplot(data, aes(b) + ggtitle("Histograma de Frecuencias") + geom_histogram(bins=m)
p <- mean(b)
p
v <- var(b)
v
s <- sd(b)
s
pnorm(1,p,s/10)- pnorm(0.5,p,s/10)
pnorm(0.8,p,s/10)
qnorm(0.3,p,s/10)
t.test(b)