DEBER N◦ 1 TIPOS DE ESCALAS

1. Escala Nominal
Nacionalidad

Estado civil.

Uso de anteojos.

Número de camiseta en un equipo de fútbol.

Número de Cédula Nacional de Identidad.

2. Escala Ordinal
Rango Académico

Preferencia a productos de consumo.

Etapa de desarrollo de un ser vivo.

Nivel de una enfermedad (No saludable, Poco saludable, Saludable, Media mente saludable,Muy
saludable).

Nivel socio económico (Alto, Medio, Bajo).

3. Escala de Intervalo
Escala de Temperatura (◦ K, ◦ C)

Ubicación en una carretera respecto de un punto de referencia (Kilómetro 85 Ruta 5).

Sobrepeso respecto de un patrón de comparación.

Nivel de aceite en el motor de un automóvil medido con una vara graduada.

Escala de pH.

4. Escala de razón
Presión arterial (mm Hg) en una persona.

Altura de personas.

Cantidad de litros de agua consumido por una persona en un dı́a.

Velocidad de un auto en la carretera.

Número de goles marcados por un jugador de básquetbol en un partido.

1
 DEBER N◦ 2: GRÁFICOS ESTADÍSTICOS

1) Histograma de frecuencias Los histogramas son diagramas de barras verticales y se los construye
dibujando rectángulos cuya base corresponde a cada intervalo de clase, y su altura según el valor
de la frecuencia. Puede ser la frecuencia absoluta o la frecuencia relativa. Se usa cuando se estudia
una variable continua, como franjas de edades o alturas de la muestra.

2) Diagrama de barras Un gráfico de barras es una representación gráfica en un eje cartesiano de

las frecuencias de una variable cualitativa o discreta. Se suelen usar para ver la evolución en el
tiempo de una magnitud concreta o a su vez comparar magnitudes de varias categorı́as.
Existen diferentes tipos de gráficos de barras:

a) Sencillo Contiene una única serie de datos.

b) Apilado Contiene varias series de datos. La barra se divide en segmentos de diferentes colores
o texturas y cada uno de ellos representa una serie.
c) Agrupado Contiene varias series de datos y cada una se representa por un tipo de barra de un
mismo color o textura.

3) Diagrama de Lı́neas Un gráfico de lı́neas es una representación gráfica en un eje cartesiano de la

relación que existe entre dos variables reflejando con claridad los cambios producidos. En cada eje
se representa cada una de las variables cuya relación se quiere observar.

a) Polı́gono de frecuencias Es una manera de representar el perfil de la distribución de los datos.

Se obtiene uniendo mediante segmentos de recta los puntos (marca de clase, frecuencia) Para
cerrar el polı́gono se puede agregar un punto a cada lado con frecuencia 0.
b) Ojiva Este gráfico se usa con variables cuantitativas para representar la frecuencia acumulada,
absoluta o relativa. Se lo obtiene uniendo segmentos de recta que se extienden entre los extre-
mos de las clases y usando los valores de la frecuencia acumulada. La ojiva permite responder
preguntas tipo ?cuantos datos son menores que?. Este gráfico, además de mostrar la distribución
de las frecuencias de un conjunto de datos, permite representar en el punto donde se interceptan
las ojivas, una medida estadı́stica de posición llamada mediana.

4) Diagrama de tallo y hojas El diagrama de tallo y hojas muestra el orden jerárquico y la forma de
los conjuntos. Es un semi-gráfico que permite presentar la distribución de una variable cuantitativa.
Consiste en separar cada dato en el último dı́gito (que se denomina hoja) y las cifras delanteras
restantes (que forman el tallo). Se lo procede de la siguiente manera:

a) Ordenar los datos.

b) Redondear los números (en el caso de que no lo estén) hasta tengan las cifran que queramos.
Por ejemplo, si tenemos el número 7,175 y queremos que tenga 2 dı́gitos, lo redondeamos a 7,2.
c) Dibujar una tabla con dos columnas, la primera columna para el tallo y la segunda para las
hojas. Disponer todos los tallos en la primera columna en orden descendente. Cada tallo solo se
escribe una vez.
d) Registrar en la segunda columna todas las hojas, en orden creciente, junto al tallo correspon-
diente

2
 5) Diagrama de pareto Un gráfico de Pareto es un tipo de gráfico de barras vertical ordenado por
frecuencias de forma descendente que identifica y da un orden de prioridad a los datos.

6) Gráfico de sectores Un gráfico de sectores es una representación circular de las frecuencias

relativas de una variable cualitativa o discreta que permite, de una manera sencilla y rápida, su
comparación.

7) Diagrama de caja
Un diagrama de caja y bigotes o box plot, es un diagrama que muestra una representación gráfica
de la distribución de datos, señalando donde caen la mayorı́a de los valores y los valores que difieren
considerablemente de la norma (valores atı́picos).

8) Pictograma Es un gráfico que relaciona dibujos de acuerdo al tema que se está estudiando, su
tamaño es proporcional a la frecuencia que representan. (A mayor frecuencia, más acumulación de
figuras).

9) Gráfico de dispersión Un gráfico de dispersión muestra en un eje cartesiano la relación que existe
entre dos variables. Este gráfico nos informa el grado de correlación entre las dos variables, es decir,
nos muestra si el incremento o disminución de los valores de una de las variables, denominada
variable independiente y que se suele representar en el eje horizontal, altera de alguna manera los
valores de la otra, denominada variable dependiente y que representa generalmente en el eje vertical.

a) Correlación nula No existe ninguna relación entre las variables. Se dice que ambas son inde-
pendientes
b) Correlación no lineal Existe una relación lineal negativa si al aumentar los valores de la
variable independiente disminuyen los valores de la variable dependiente y relación lineal positiva
si al aumentar los valores de la variable independiente aumentan los valores de la variable
dependiente.

10) Pirámide de población Una pirámide de población es un histograma bi-direccional que muestra
la estructura demográfica de una población, por sexo y edad, en un momento determinado. Estos
gráficos nos dan una visión de la juventud, madurez o vejez de una población y, por tanto, su grado
de desarrollo. Según su forma puede haber distintos tipos de pirámides. Tiene orientación horizontal
y contiene dos series de datos cuyas barras de frecuencias crecen en sentidos opuestos.
Las más comunes son las pirámides de población.

a) Progresiva Existe un alto porcentaje de población joven que va desapareciendo según avanzan
las edades. Son tı́picas de paı́ses subdesarrollados cuya esperanza de vida es baja y la tasa de
natalidad alta.
b) Regresiva En la base existe menos población que en el medio y la población envejecida es
considerable. Son tı́picas de paı́ses desarrollados cuya natalidad está descendiendo y la esperanza
de vida es alta.
c) Estancada Los tramos intermedios de edades tienen la misma población que la base. Son tı́picas
de paı́ses en vı́as de desarrollo donde se ha controlado la mortalidad y se empieza a controlar la
natalidad.

11) Climograma Representa la marcha anual de las temperaturas y de las lluvias medias, sobre un
mismo sistema de coordenadas.

3
12) Cartograma Un cartograma es un mapa en el que se presentan datos estadı́sticos por regiones
bien poniendo el número o coloreando las distintas zonas en función del dato que representan.

13) Diagrama de árbol Un diagrama de árbol es una representación gráfica de un experimento que
consta de r pasos, donde cada uno de los pasos tiene un número finito de maneras de ser llevado a
cabo.

DEBER N◦ 3 TABLAS DE DISTRIBUCIÓN DE FRECUENCIA

1) Creación de la tabla de distribución de frecuencia

Medicamentos que prefieren recetar los doctores en el tratamiento

del cáncer en el Hospital de especialidades Eugenio Espejo.
Medicamentos
Adriamycin (Doxorrubicina)
Aranesp (Darbepoetina alfa)
Arimidex(Anastrozol)
Carboplatino (Paraplatin)
Cytomax (Ciclofosfamida) ?
Fareston (Toremifeno)
Femara (Letrozol) ?
Fulvestrant (Faslodex)
Gemzar (Gemcitabina)
Leucovorina (Folinic Acid)
Mitomycin (Mutamicina)
Números de doctores (x) Frecuencia Absoluta (ni)
2 4
6 3
3 12
10 2
5 5
7 4
4 8
1 6
9 3
8 13
13 8

2) Creación de la tabla de distribución de frecuencia

Xi ni Ni fi Fi
1 6 6 0.088 0.088
2 4 10 0.058 0.147
3 12 22 0.176 0.323
4 8 30 0.117 0.441
5 5 35 0.073 0.514
6 3 38 0.044 0.558
7 4 42 0.058 0.617
8 13 55 0.191 0.808
9 3 58 0.044 0.852
10 2 60 0.029 0.882
13 8 68 0.117 1

Análisis
Análisis de la fila 5
La fila 5 incluye a todas los médicos que recetan Cytomax (Ciclofosfamida) de hasta 5 clientes en
cada cita, y que tengan por lo menos 1 paciente en cada dı́a de en total, son 35 las personas que
se encuentran en este rango y representan el 0.514 porciento de todas las personas encuestadas en

4
 el experimento aunque solo el 0.73 porciento sufren de un Cáncer terminal, lo cual equivale a 5
personas.
Análisis de la fila 9
La fila 9 incluye a todas los médicos que recetan Arimidex(Anastrozol) de hasta 3 clientes en cada
cita, y que tengan por lo menos 1 paciente en cada dı́a de en total, son 42 las personas que se
encuentran en este rango y representan el 0.852 porciento de todas las personas encuestadas en el
experimento aunque solo el 0.44 sufren de un Cáncer terminal, lo cual equivale a 9 personas.

3) Determinación del número de clases

a) Determinación del número de clases c) Obtener la longitud

k
n=68 datos; 2 ≥ n Rango
L=
2k ≥ 68 k
12
k = 1 + log(n) L= = 1,5
log(2) 8
k = 7, 08 (Numero entero) inmediato superior
−→ k = 8 d) Comprobación de la condición
b) Cumplir con la condición L ∗ k > Rango
Rango = xma − xmin 1,5 ∗ 8 > 12
Rango = 13 − 1 12 > 12 cumple con la condición
Rango = 12 e) Cálculo del exceso
x = V alorinicial − exceso
x=1−0=1

4) Cálculo de la tabla de intervalos o clases

x ?
[1 2.5]
]2.5 4]
]4 5.5]
]5.5 7]
]7 8.5]
]8.5 10]
]10 11.5]
]11.5 13]
5) Generamos la tabla de intervalos o clases

Xc nc Ni fi Porcentaje Fi Porcentaje
[1-2.5] 10 10 0.147 14.7 0.147 14.7
]2-4] 20 30 0.294 29.4 0.441 44.1
]4-5.5] 5 35 0.073 7.3 0.514 51.4
]5.5-7] 7 42 0.102 10.2 0.617 61.7
]7-8.5] 13 55 0.191 19.1 0.808 80.8
]8.5-10] 5 60 0.073 7.3 0.882 88.2
]10-11.5] 0 60 0 0 0.882 88.2
]11.5-13] 8 68 0.117 11.7 1 100

5
6) Cálculo de Medidas de Tendencia Central

6.1) Cálculo de media

Se aplica
P8
la fórmula: En la posición 34,5y35 se puede decir que
i=1 xi ∗ni el valor de la mediana es 5
x= n
x = 408
68
= 6 −→ x = 6
xi ni xi*ni 6.4) Cálculo de mediana estimada Fórmula:
1 6 6
n
2 4 8 z }| { − N(c−1)
M ed = li + ( 2 )∗L (1)
3 12 36 nc
4 8 32
5 5 25 xc nc Nc fi Fi
6 3 18 ]4-5.5] 5 35 0.073 0.514
7 4 27
8 13 104 z }| { 68
− 30
9 3 27 M ed = 4 + ( 2 ) ∗ 1,5 (2)
5
10 2 20
13 8 104 z }| {
M ed = 5,2
ΣT otal 408
Existe un error de 0.2
6.2) Cálculo de laPmedia estimada
k
x ∗n
Fórmula: x = c=1n c c 6.5) Cálculo de moda
x = 395
68
= 5,8 −→ x = 5,8 Tomando en cuenta el valor que más se re-
vmin +vmax
xc = 2
n c xc ∗ n c pite podemos decir que la Mo = 8
1.75 10 17.5
3.25 20 65 6.6) Cálculo de moda estimada
4.75 5 23.75 Fórmula:
6.25 7 43.75
z }| { d1
7.75 13 100.75 M od = li + ( )∗L (3)
d1 + d2
9.25 5 46.25
10.75 0 0
12.25 8 98 xc nc Nc fi Fi
ΣT otal 395 ]2.5-4] 20 30 0.294 0.441
El error calculado fue 0.2
d1 = nc − n(c−1) = 20 − 10 = 10
6.3) Cálculo de mediana d1 = nc − n(c+1) = 20 − 5 = 15
n −→ par
PSN:Posición de la mediana
x n +(x n +1 ) z }| { 10
P SN = 2 2 2 M od = 2,5 + ( ) ∗ 1,5 (4)
x 68 +(x 68 +1 ) 10 + 15
P SN = 2 2 2
Posición de la mediana=34,5 z }| {
M od = 7,8
Posición Valor
6.7) Varianza
34 5
Fórmula: x = 6
35 5 P (xi − x)2 ∗ ni
med= 5 s2 =
n−1

6
 (xi − x)2 ∗ ni 3,5955
(xi − x) (xi − x)2 et = √ ∗ 100
n−1 6
-5 25 30 et = 43,60 %
-4 16 15.33 6.14) Error tı́pico para intervalo
-3 9 8.81 Fórmula:
-2 4 4.57 s
et = √ ∗ 100
-1 1 1.25 n
3,46
0 0 0 et = √ ∗ 100
5,8
1 1 1.33 et = 41,95 %
2 2 4.33
6.15) Deciles
3 9 13.5
Fórmula:
4 16 32 D
PD4 = (n + 1) ∗
7 49 56 10
2
ΣT otals = 12.9274 4
PD4 = (68 + 1) ∗
10
6.8) Varianza para intervalo
PD4 = 27,6 ∴ D4 = 4
ΣT otals2 = 11, 986 Posición Personas
6.9) Desviación estándar 27 4
Fórmula:
r 28 4
(xi − x)2 ∗ ni
s= Σ 6.16) Deciles para intervalo
√ n−1
s = 12,9274 Fórmula:
s = 3,5955
q ∗ ( n4 ) − Nc−1
6.10) Desviación estándar para intervalo Qq = li + ∗L
nc
Fórmula:
r 2 ∗ ( 68 ) − 10
4
(xi − x)2 ∗ nc Qq = 2,5 + ∗ 1,5
s= Σ 20
√ n−1 Qq = 4,3
s = 11,986
s = 3,46 6.17) Centiles
Fórmula:
6.11) Coeficiente de variación C
PC60 = (n + 1) ∗
Fórmula: 10
s 60
C.V = ∗ 100 PC60 = (68 + 1) ∗
x 10
3,5955 PC60 = 41,4
C.V = ∗ 100
6 Posición Personas
C.V = 59,92 % 41 7
42 7
6.12) Coeficiente de variación para interva-
C60 = 7
lo
Fórmula: 6.18) Cuartiles
s Fórmula:
C.V = ∗ 100 Q
x PQ3 = (n + 1) ∗
3,46 10
C.V = ∗ 100 3
5,8 PQ3 = (68 + 1) ∗
C.V = 59,69 % 10
PQ3 = 20,7
6.13) Error tı́pico Posición Personas
Fórmula: 20 3
s
et = √ ∗ 100
n 21 3

7
 6.21) Curtosis (α4 )
Q3 = 3 Fórmula:
n(n − 1) (xi − x) 4
6.19) Coeficiente se Asimetrı́a (α3 ) α4 = ∗(Σ( )∗
(n − 1)(n − 2)(n − 3) s
Fórmula: 3(n − 1)2
n (xi − x) 3 ni ) −
α3 = ∗ (Σ( ) ∗ ni ) (n − 2)(n − 3)
(n − 1)(n − 2) s
(xi − x) 4
s = 3,5955 (xi − x) ) ∗ ni
s
(xi − x) 3 (xi − x) 3 3.739 22.434
(xi − x) ( ) ( ) ∗ ni
s s 1.531 6.124
-5 -2.6892 -16.1352
0.484 5.808
-4 -1.3769 -5.5076
0.095 0.76
-3 -0.5808 -6.9696
0 0
-2 -0.1721 -1.3768
0.005 0.02
-1 -0.0215 -0.1075
0.095 1.235
0 0 0
0.484 1,452
1 0.0215 0.086
1.531 3.062
2 0.1721 2.2373
14.366 114.928
3 0.5808 1.7424
total 155.848
4 1.3769 2.7538
7 7.3794 59.0352
68(67) 3(67)2
total 35.758 α4 = ∗ (155,848) −
(67)(66)(65) (66)(65)
68 α4 < −0,66
α3 = ∗ (35,758) = 0,5498
(67)(66)
α3 > 0 ∴ SESGO POSITIVO α4 < 0 Curva Platicurtica

6.20) Coeficiente se Asimetrı́a para 6.22) Curtosis para intervalo(α3 )

intervalo(α3 ) Fórmula:
n(n − 1) (xi − x) 4
Fórmula: α4 = ∗(Σ( )∗
n (xi − x) 3 (n − 1)(n − 2)(n − 3) s
α3 = ∗ (Σ( ) ∗ ni ) 3(n − 1)2
(n − 1)(n − 2) s ni ) −
(n − 2)(n − 3)
s = 3,5955 (xi − x) 4
(xi − x) 3 (xi − x) 3 (xi − x) ) ∗ ni
(xi − x) ( ) ( ) ∗ ni s
s s -4.05 1.87
-5 -2.6892 -16.1352 -2.55 0.283
-4 -1.3769 -5.5076 -1.05 0.0081
-3 -0.5808 -6.9696 0.45 0.0002
-2 -0.1721 -1.3768 1.95 0.098
-1 -0.0215 -0.1075 3.45 0.96
0 0 0 4.95 4.18
1 0.0215 0.086 6.45 11.96
2 0.1721 2.2373 total 19.359
total 35.758
68(67) 3(67)2
68 α4 = ∗ (19,35) −
α3 = ∗ (35,758) = 0,5498 (67)(66)(65) (66)(65)
(67)(66)
α4 = 0, 96 ∴ Curva Leptocúrtica
α3 > 0 ∴ SESGO POSITIVO
8
 DEBER N◦ 4 SECCIÓN 2

SECCIÓN 2.1

Proporcione una descripción razonable del espacio muestral de cada uno de los experimentos
aleatorios de los ejercicios 2-1 a 2-15. Para cada experimento puede haber más de una interpretación
aceptable. Describa todas las hipótesis que platee.

2.1 Se clasifica cada una de tres partes maquinadas ya sea por encima o por debajo de la
especificación establecida para cada una de ellas.

RESOLUCIÓN
a=Encima
b=Debajo

Espacio Muestral
Abreviatura:
NI :Número de Indicaciones
NR :Números de veces que se realiza

Se aplica la fórmula:
NINR
23 = 8 eventos
Ω = {aaa, aab, aba, abb, baa, bab, bba, bbb}
Tamaño del espacio Muestral
n(Ω) = 8

2.2 En la inspección final de fuentes de alimentación electrónicas se puede presentar tres

tipos de problemas: funcionales, menores y estéticos. Las fuentes defectuosas se cla-
sifican adicional mente con uno de estos tipos de problemas.

RESOLUCIÓN
A= Fuente de alimentación aceptable
F= Funcionales
M= Menores
C= Esteticos

Espacio Muestral
Ω = {A, F, M, C}
n(Ω) = 4

2.3 En la fabricación de una cinta de grabación digital,cada una de las 24pistas se clasifica
de acuerdo con el numero de bits erróneos que contiene:ningún bit, o uno o más bits
erróneos.

RESOLUCIÓN
A= La pista contiene uno o más bits erróneos.

9
 B= La pista no contiene uno o más bits erróneos.

Espacio Muestral
Ω = {0, 1, 2, 3, 4, ..., 24}
Ω = {AAAA, AAAB, AABA, AABB, BAAB, BABB, BBAA, BBAB, ...}
Tamaño del espacio Muestral
n(Ω) = n No se puede sacar el tamaño de la muestra

2.4 Se utiliza una escala con dos decimales para medir, en toneladas la cantidad de ma-
terial que ingresa en una planta quı́mica.

RESOLUCIÓN
Espacio Muestral
Ω = {0,0; 0,1; 0,2; 0,3; 0,4; 0,5; ..., n}

Tamaño del espacio Muestral

n(Ω) = n ∴ No se puede sacar el tamaño de la muestra, por tener un número infinito en la varia-
ción de decimales.

2.5 Los poros de una varilla de fierro se clasifica como pequeños, medianos o grandes.
El número de poros de cada categorı́a se mide mediante la inspección visual de la
muestra.

RESOLUCIÓN
P= Pequeños
M= Medianos
G= Grandes

Espacio Muestral
Ω) = { Número infinito de elementos }

Tamaño del espacio Muestral

n(Ω) = n ∴ No se puede sacar el tamaño de la muestra

2.6 La orden de pedido de un automóvil pude especificar trasmisión automática o estándar,

con o sin aire acondicionado y uno de cuatro colores: rojo, azul, negro o blanco. Des-
cribir el conjunto de todos los pedidos posibles para este experimento.

RESOLUCIÓN
T= Trasmisión Automática
t= Trasmisión Estándar
A= Con aire acondicionado
a= Sin aire acondicionado
r= Rojo

10
 z= Azul
n= Negro
b= Blanco

Espacio Muestral
Ω = {T Ar, T Az, T An, T Ab, T ar, T az, T an, T ab, tAr, tAz, tAn, tAb, tar, taz, tan, tab}

Tamaño del espacio Muestral

n(Ω) = 16

2.7 La orden de compra de un sistema de computo puede especificar memoria de 4, 8 o

12 megabytes y una capacidad en disco duro de 200, 300 o 400 megabytes. Describa
el conjunto de todas las posibles órdenes de compra.

RESOLUCIÓN
A= Memoria de 4 megabytes
B= Memoria de 8 megabytes
C= Memoria de 12 megabytes
D= Capacidad de 200 megabytes
E= Capacidad de 300 megabytes
F= Capacidad de 400 megabytes

Espacio Muestral
Ω = {AD, AE, AF, BD, BE, BF, CD, CE, CF }

Tamaño del espacio Muestral

n(Ω) = 9

2.8 En un dispositivo de almacenamiento magnético, se hacen 3 intentos para leer datos

antes de invocar el procedimiento de recuperación de error, el cual se encarga de vol-
ver a posicionar la cabeza de lectura /escritura. El procedimiento de recuperación de
error intenta posicionar la cabeza tres veces antes de enviar un mensaje de operación
abortada al operador. Se define los siguientes eventos.

RESOLUCIÓN
e= Éxito en la operación lectura
f= Falla en la operación lectura
F= Falla en el procedimiento de recuperación de error
S= Éxito en el procedimiento de recuperación de error
A= Mensaje de operación abortada enviado al operador
Espacio Muestral
Ω = {e, f e, f f e, f f f S, f f f F S, f f f F F S, f f f F F A}

Tamaño del espacio Muestral

n(Ω) = 7

11
 2.9 En el diagrama de Venn de la figura2.11 contiene tres eventos. Reproduzca la figura
y sombree la región que corresponde a cada uno de los eventos siguientes.
0
a) A
b)(B ∩ C)
0
c)(A ∪ B)
d)(A ∪ B)
e)Si dos de estos evento fuesen mutuamente excluyentes, ¿ Cuán exitosa serı́a esta
operación de manufactura?

RESOLUCIÓN

2.10 En una operación del moldeo por inyección se evalúan varias caracterı́sticas de cada
parte moldeada
Sean A: el evento donde una parte cumple con los requerimientos del cliente
B: el evento donde una parte satisface los requerimientos de color del cliente
C: el evento donde cierta longitud crı́tica cumple con los requerimiento del cliente.
a) Construya un diagrama de Venn que incluya estos eventos, e indique en él la región
en la que una parte cumple con todos los requerimientos del cliente. Sombree las áreas
que representen los siguientes eventos:
0
b) (A ∩ B) ∪ (A ∩ B )
c) (A ∩ B) ∪ C
0
d) (B ∪ C)
0
e) (A ∩ B) ∪ C

RESOLUCIÓN

2.11 Se selecciona una muestra de tres calculadoras de una lı́nea de fabricación y se clasi-
fica cada calculadora como defectuosa o aceptable. Sean A,B y C: eventos en los que,
respectivamente, la primera, segunda y tercera calculadora es defectuosa.
a) Describa el espacio muestral de este experimento.
Describa cada uno de los siguientes eventos.
b) A
c) B
d) A ∩ B
e)B ∪ C

RESOLUCIÓN
d= Defectuosa
o= Aceptable
a) Ω = {ddd, odd, ddo, odo, dod, ood, doo, ooo}
n(Ω) = 8
b) A = {ddd, ddo, dod, doo}
c) A = {ddd, ddo, odd, odo}
d) A ∩ B = {ddd, ddo}
e) A ∪ B = {ddd, ddo, odd, odo, dod.ood}

12
2.12 Se toman muestras de una pieza fundida de aluminio y se clasifican de acuerdo con
el acabado de la superficie (en micro pulgadas) y con las mediciones de longitud. A
continuación se resumen los resultados obtenidos con 100 muestras.

Longitud
Excelente Bueno
Acabado Excelente 75 7
de la superficie Bueno 10 8

A= Evento donde la muestra tiene un acabado excelente.

B= Evento donde la muestra tiene una longitud excelente.
0 0
a) Determine el número de muestras en A ∩ B,B y A ∪ B. Dibuje un diagrama de Venn que
represente estos datos.

RESOLUCIÓN

2.13 Continuación del ejercicio 2.15. Utilice el diagrama del árbol para visualizar el espacio
muestral.

RESOLUCIÓN
Espacio Muestral
Ω = {e, f e, f f e, f f f S, f f f F S, f f f F F S, f f f F F A}

2.14 Continuación del ejercicio 2.21. Utilice el digrama del árbol para visualizar el espacio
muestral

RESOLUCIÓN

SECCIÓN 2.2

2.15 Cada uno de los cinco posibles resultados de un experimento aleatorio es igualmente
probable. El espacio muestral es {a, b, c, d, e}. Sean A: el evento {a, b}, y B: el evento
{c, d, e}. Determine lo siguiente:
a) P (A)
b)P (B)
c)P (A ∪ B)
d)P (A ∩ B)

RESOLUCIÓN

13
 2 3 5 d)P (A ∩ B) = P (φ)
a) P (A) = b)P (B) = c)P (A ∪ B) =
5 5 5
P (A) = 40 % P (A) = 60 % P (A) = 100 % P (A) = 0 %

2.16 Al seleccionar una parte para probarla, la posibilidad de que haya sido producida por
una de entre seis herramientas de corte es la misma.
a) ¿ Cuál es la probabilidad de que la parte provenga de la herramienta 1?
b) ¿ Cuál es la probabilidad de que la parte provenga de las herramientas 3 o 5?
c) ¿ Cuál es la probabilidad de que la parte no provenga de la herramienta 4?

RESOLUCIÓN

A= Parte sea herramienta 1

B= Parte sea herramienta 3 o 5
C= Parte sea herramienta 4
Ω = {1, 2, 3, 4, 5, 6}

1 2 5
a) P (A) = b)P (B) = c)P (A ∪ B) =
6 6 6
P (A) = 16,7 % P (B) = 33,3 % P (A) = 83,3 %

2.17 Un espacio muestra contiene 20 eventos iguales probables. Si la probabilidad del even-
to A es 0.3 ¿ Cuántos resultados contiene el evento A?

RESOLUCIÓN
A
P (A) =
T
A
0,3 =
20
A = 20 ∗ 0,3 ⇒ A = 6

2.18 El último dı́gito de una medición de peso puede ser cualquier número de 0 a 9, todos
ellos con la misma probabilidad.
a) ¿ Cuál es la probabilidad de que el último dı́gito sea cero?
b) ¿ Cuál es la probabilidad de que el último dı́gito sea mayor o igual que cinco?

RESOLUCIÓN
A= Sea cero
B= Sea mayor o igual que cero
Ω = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9}
1
a) P (A) =
10

14
 P (A) = 10 %

5
b)P (B) =
10
P (A) = 50 %

2.19 Continuación del ejercicio 2.22. Determinar las siguientes probabilidades:

a)P(A)
b)P(B)
0
c) (A)

Resistencia a golpes
Alto Bajo
Resistencia a Alto 80 9 89
Rayaduras Bajo 6 5 11
86 14 100

RESOLUCIÓN
Total:100 datos
A= Alta resistencia a golpes.
B= Alta resistencia a rayaduras.

86 89 0 14
a) P (A) = b)P (B) = c)P (A ) =
100 100 100
0
P (A) = 86 % P (B) = 89 % P (A ) = 14 %

2.20 Continuación del ejercicio 2.23. Determinar las siguientes probabilidades:

a) P(A)
b) P(B)
0
c) P (A) )

Longitud
Excelente Bueno
Acabado Excelente 75 7
de la superficie Bueno 10 8

RESOLUCIÓN
Total:100 datos
A=Evento donde la muestra tiene un acabado excelente
B=Evento donde la muestra tiene una longitud excelente.

15
 82 85 0 18
a) P (A) = b)P (B) = c)P (A ) =
100 100 100
0
P (A) = 82 % P (B) = 85 % P (A ) = 18 %

2.21 Continuación del ejercicio 2-24. Determinar las siguientes probabilidades:

a) P(A)
b) P(B)
0
c) P (A )

Cumple especificación
SI NO
1 18 2 20
Proveedor 2 17 3 20
35 5 40

RESOLUCIÓN
Total:100 datos
A=Evento donde la muestra tiene un acabado excelente
B=Evento donde la muestra tiene una longitud excelente.
20 35 0 20
a) P (A) = b)P (B) = c)P (A ) =
40 40 40
0
P (A) = 50 % P (B) = 87,5 % P (A ) = 50 %

2.22 Utilice los axiomas de probabilidad para demostrar los siguientes:

0
a) Para cualquier evento E,P (E ) = 1 − P (E)
b) P (φ) = 0
c) Si A esta contenido en B, entonces P (A) ≤ P (B)

RESOLUCIÓN
0 0
a) E y E son eventos mutuamente excluyentes y (E ∪ E ) = Ω
0 0
1 = P (Ω) = P (E ∪ E ) = P (E) + P (E );
Por tanto se tiene que:
0 0
P (E) + P (E ) ⇒ P (E ) = 1 − P (E)

b) Ω y φ son eventos mutuamente excluyentes con (Ω = Ω ∪ φ

P (Ω) = P (Ω) + P (φ);
Por tanto se tiene que:
P (Ω) = P (Ω) + P (φ) ⇒ P (φ) = 0

0 0
c) Ahora, B = A ∪ (A ∩ B) y los eventos A y A ∩ B, son mutuamente excluyentes.
0 0
P (B) = P (A) + P (A ∩ B),porqué P (A ∩ B) > 0
P (B) > P (A)

16
 SECCIÓN 2.3

2.23 Si A,B y C son eventos mutuamente excluyentes, con P(A)=0.2 P(B)=0.3 y P(C)=
0.4, determine las siguientes probabilidades:
a) P (A ∪ B ∪ C)
b) P (A ∩ B ∩ C)
c) P (A ∪ B)
d) P [(A ∪ B) ∩ C]

RESOLUCIÓN
P (A) = 0,2
P (B) = 0,3
P (C) = 0,4

a) P (A ∪ B ∪ C) = P (A) + P (B) + P (C)

P (A ∪ B ∪ C) = 0,2 + 0,3 + 0,4
P (A ∪ B ∪ C) = 0,9
P (A ∪ B ∪ C) = 90 %

b) P (A ∩ B ∩ C) = 0 ⇒ (A ∩ B ∩ C) = φ

c) P (A ∪ B) = 0 ⇒ (A ∪ B) = φ

d) P [(A ∪ B) ∩ C] = 0 ⇒ [(A ∪ B) ∩ C] = (A ∪ B) ∪ (B ∪ C) = 0

2.24 Continuación del ejercito 2.22

a) Si se escoge un disco al azar, ¿ Cuál es la probabilidad de que su resistencia a las
ralladuras sea alta al igual que su resistencia a los golpes?
b) Si se escoge un disco al azar, ¿ Cuál es la probabilidad de que su resistencia a las
ralladuras o a los golpes sea alta?
c) Considere el evento donde el disco tiene una alta resistencia a las ralladuras y
el evento donde el disco tiene una alta resistencia a los golpes. ¿ Estos eventos son
mutuamente excluyentes?

Resistencia a golpes
Alto Bajo
Resistencia a Alto 80 9 89
Rayaduras Bajo 6 5 11
86 14 100

RESOLUCIÓN

86 89
a) P (A) = ; P (B) =
100 100
80
P (A ∩ B) =
100
P (A ∩ B) = 80 %

17
 b)P (A ∪ B) = P (A) + P (B) − P (A ∩ B)

86 89 80
P (A ∪ B) = + −
100 100 100
95
P (A ∪ B) =
100
P (A ∪ B) = 95 %

c)No, porqué A ∩ B no es igual a φ, A y B no son mutuamente excluyentes.

2.25 Continuación del ejercicio 2.50

Las fechas se clasifican, además, en términos de la máquina herramienta utilizada en
su fabricación:
a) Si se elige una fecha al azar, ¿ Cuál es la probabilidad de que cumpla con los
requerimientos de acabado o con los de curvatura, o que provenga de la máquina
herramienta 1?
b) Si se elige una flecha al azar ¿ Cuál la probabilidad de que cumpla con los requi-
sitos de acabado o que no cumpla con los curvatura o que provenga de la máquina
herramienta 2?
c) Si se elige una flecha al azar ¿ Cuál la probabilidad de que cumpla con los requisitos
de acabado o curvatura o que provenga de la máquina herramienta 2?
d) Si toma una flecha al azar ¿ Cuál es la probabilidad de que cumpla con los requisitos
de acabado o que provenga dela máquina herramienta 2

Maquina herramienta 1 Curvatura cumple con los requerimientos

SI NO
Acabado superficial SI 200 1 201
Cumple los NO 4 2 6
Requerimientos 204 3 207

Maquina herramienta 2 Curvatura cumple con los requerimientos

SI NO
Acabado superficial SI 145 4 149
Cumple los NO 8 6 14
Requerimientos 153 10 163

RESOLUCIÓN
201 + 149 + 2 + 6 + 8
a) Número total: 370 b)P2 =
370
366
201 + 149 + 4 + 8 + 2 P2 =
P1 = 370
370
364
P1 = P2 = 0,99
370
P2 = 99 %
P1 = 0,984
200 + 145 + 18
P1 = 98,4 % c)P3 =
370

18
 363 364
P3 = P4 =
370 370
P3 = 0,981 P4 = 0,984
P3 = 98,1 % P4 = 98,4 %

201 + 149 + 14
d)P4 =
370

SECCIÓN 2.4

2.26 Continuación del ejercicio 2.23. Calcule las siguientes probabilidades:

a) P(A)
b) P(B)
c) P (A | B)
d) P (B | A)

Longitud
Excelente Bueno
Acabado Excelente 75 7
de la superficie Bueno 10 8
RESOLUCIÓN
P (A | B) = 88,24 %
82
a) P (A) = ⇒ P (A) = 82 %
100 P (A ∩ B)
d) P (B | A) =
85 P (A)
b)P (B) = ⇒ P (B) = 85 %
100 75
P (A ∩ B) 75
c) P (A | B) = P (A | B) = 100 =
P (B) 82 82
100
75 P (A | B) = 91,46 %
75
P (A | B) = 100 =
85 85
100

2.27 Un lote contiene 15 piezas de fierro fundido de un proveedor local y 25 de un pro-

veedor de otro estado. Se eligen dos piezas al azar, sin remplazo del lote de 40. Sean
A: el evento donde la primera pieza selecciona es del proveedor local y B: el evento
donde la segunda pieza seleccionada es el proveedor local.
a) ¿ Cuál es el valor de P(A)?
b) ¿ Cuál es el valor de P (B | A)?
c) ¿ Cuál es el valor de P (A ∩ B)?
d) ¿ Cuál es el valor de P (A ∪ B)?

RESOLUCIÓN

Total: 40
15
a) P (A) = ⇒ P (A) = 37,5 %
40

19
 14
b) P (B | A) = ⇒ P (B | A) = 35,9 %
39
c) P (A ∩ B) = P (A) ∗ P (B | A)

15 14 7
P (A ∩ B) = ∗ =
40 39 52
7
P (A ∩ B) = ⇒ P (A ∩ B) = 13,5 %
52
d)P (A ∪ B) = P (A) + P (B) − P (A ∩ B)

15 14 7 187
P (A ∪ B) = + − =
40 39 52 312
P (A ∪ B) = 59,9 %

2.28 Continuación del ejercicio 2-50

a. Si se sabe que la flecha con los requerimientos de curvatura, ¿ Cuál es la probabilidad
de que cumpla con los requerimientos de acabado?
b. Si se sabe que la flecha no cumple con los requerimientos de curvatura ¿ Cuál es
la probabilidad de que cumpla con los requerimientos de acabado?

Curvatura cumple con los requerimientos

SI NO
Acabado superficial SI 345 5 350
Cumple los NO 12 8 20
Requerimientos 357 13 370

RESOLUCIÓN
a)A: Cumple con la curvatura
B: Cumple con el acabado
345
P (B | A) = ⇒ P (B | A) = 97 %
357
0
b)A : No cumple con la curvatura
B: Cumple con el acabado
0 5
P (B | A ) = ⇒ P (B | A) = 38,5 %
13

2.29 Considere los datos sobre de obleas y posición en un instrumento de deposición

electrónica, dados en el ejemplo 2.20. Suponga que de este conjunto se toma al azar
una oblea.
Sean A : El evento donde la oblea contiene cuatro o más partı́culas y B : el evento
donde la oblea está en el centro del instrumento de deposición. a) ¿ Cuál es el valor
de P(A)?

20
 b) ¿ Cuál es el valor de P (A | B)?
c) ¿ Cuál es el valor de P(B)?
d) ¿ Cuál es el valor de P (B | A)?
e) ¿ Cuál es el valor de P (A ∩ B)?

Números Positivos Centrales Orilla Totales

0 0.30 0.10 0.40
1 0.15 0.05 0.20
2 0.10 0.03 0.15
3 0.06 0.04 0.10
4 0.04 0.01 0.05
5 o más 0.07 0.03 0.10
Total 0.72 0.28 1.00

RESOLUCIÓN
a)P (A) = 0,05 + 0,10 = 0,15 ⇒ P (A) = 15 %

P (A ∩ B) 0,1
b)P (A | B) = = ⇒ P (B | A) = 13,8 %
P (B) 0,72
c)P (B) = 0,73 ⇒ P (B) = 73 %

P (B ∩ A) 0,11
d)P (B | A) = = ⇒ P (B | A) = 73,3 %
P (A) 0,15
e)P (A ∩ B) = 0,11 ⇒ P (A ∩ B) = 11 %

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

P (A ∪ B) = 0,15 + 0,73 − 0,11 = 0,77 ⇒ P (A ∪ B) = 77 %

2.30 Un lote de 500 contenedores para jugo de naranja congelado contiene cinco que están
defectuosos. De toman del lote dos al azar, sin remplazo.
a) ¿ Cuál es la probabilidad de que el primero en ser seleccionado sea defectuoso?
b) ¿ Cuál es la probabilidad de que el segundo sea defectuoso dado que el primero
defectuoso?
c) ¿ Cómo cambia la respuesta del inciso b) si los circuitos se toman con remplazo
antes de la siguiente selección?
RESOLUCIÓN
Total: 500 contenedores
S: Defectuosos
A: Primer contenedor defectuoso
B: Segundo contenedor defectuoso
5 4
P (A) = : P (A) =
500 499
P (B ∩ A) 4
a)P (B | A) = = ⇒ P (B | A) = 0,89 %
P (A) 499
b)P (A ∩ B) = P (A) ∗ P (B | A)

21
 5 4 1
P (A ∩ B) = ∗ =
500 499 12475
1
P (A ∩ B) = ⇒ P (A ∩ B) = 0,008 %
12475
0 0 0 0 0
c)P (A ∩ B ) = P (A ) ∗ P (B | A )

0 0459 494
P (A ∩ B ) = ∗ = 0,98
0 0
500 499 0 0
P (A ∩ B ) = 0,98 ⇒ P (A ∩ B ) = 98 %

2.31 Si P (A | B) = 1, ¿ Puede concluirse que A = B? Dibuje un diagrama de Venn para

explicar su respuesta.

RESOLUCIÓN
P (B ∩ A) PB
No, ya que B ⊂ A ⇒ P (B | A) = = =1
P (A) PB

SECCIÓN 2.5

2.32 Suponga que P (A | B) = 0, 4 y P (B) = 0, 5. Calcule lo siguiente:

a)P (A ∩ B)
0
b)P (A ∩ B)

RESOLUCIÓN

P (A | B) = 0,4; P (B) = 0,5

0 0
b)P (A ∩ B) = P (B) ∗ P (A | B)
a)P (A ∩ B) = P (A) ∗ P (B | A)
0 1 3 3
P (A ∩ B) = ∗ =
1 2 1 2 5 10
P (A ∩ B) = ∗ = 0 3 0
2 5 5 P (A ∩ B) = ⇒ P (A ∩ B) = 30 %
1 10
P (A ∩ B) = ⇒ P (A ∩ B) = 20 %
5

2.33 La probabilidad de que falle un conector eléctrico que se mantiene seco durante un
periodo de garantı́a es 1 %. Si el conector se humedece, la probabilidad de falla durante
el periodo de garantı́a es 5 %.Si el 90 %de los conectores se mantienen secos y el 10 %se
humedece. ¿ Qué proporción de conectores fallara durante el periodo de garantı́a?
RESOLUCIÓN
A= Seco
0
A = Húmedo
B= Falla
0
B = No falla

0 0
P (B) = P (A) ∗ P (B | A) + P (A ) ∗ P (B | A )
P (B) = (0,9 ∗ 0,01) + (0,1 ∗ 0,05)
P (B) = 0,014 ⇒ P (B) = 1,4 %

22
2.34 En la fabricación de un adhesivo quı́mico el 3 % de todos los lotes contienen materia
prima que proviene de los embarques diferentes. Esto sucede cuando los tanques de
almacenamiento son rellenados y lo que queda de un lote es insuficiente para llenar
otro tanque. Solo es necesario volver a procesar el 5 %de los lotes que contienen ma-
teria prima de dos o más embarques en más difı́cil de controlar, y el 40 % de esos lotes
requieren un procesamiento adicional para alcanzar la viscosidad requerida.
Sea A: el evento en que el lote contiene materia prima de dos embarques diferentes.
B: el evento en que el lote requiere de procesamiento adicional.
Determine las probabilidades siguientes:
a) P(A)
0
b) P (A )
c) P (B | A)
0
d) P (B | A )
e) P (A ∩ B)
0
f ) P (A ∩ B )
g) P (B)

RESOLUCIÓN

a)P (A) = 0,03 ⇒ P (A) = 3 %

0 0
b)P (A ) = 0,97 ⇒ P (A ) = 97 %

c)P (B | A) = 0,4 ⇒ P (B | A) = 40 %

0 0
d)P (B | A = 0,5 ⇒ P (B | A = 5 %

e)P (A ∩ B) = P (A) ∗ P (B | A)

P (A ∩ B) = (0,03 ∗ 0,4) = 0,012 ⇒ P (A ∩ B) = 1,2 %

0 0
f)P (A ∩ B ) = P (A) ∗ P (B | A)
0 0
P (A ∩ B ) = (0,03 ∗ 0,6) = 0,018 ⇒ P (A ∩ B ) = 1,8 %

0 0
g) P (B) = P (A) ∗ P (B | A) + P (A ) ∗ P (B | A )
P (B) = (0,03 ∗ 0,4) + (0,97 ∗ 0,05)
P (B) = 0,06 ⇒ P (B) = 6 %

2.35 Las muestras de vidrio de un laboratorio se colocan en empaques pequeños y ligeros o

en empaques pesados y grandes. Suponga que el 2 % y el 1 %de las muestras enviadas
en empaques pequeños y grandes respectiva mente, se rompen durante el trayecto
a su destino. Si el 60 % de las muestras se envı́an en empaques grandes y el 40 % en
empaques pequeños ¿ Cuál es la proporción de muestras que se rompen durante él
envió?
RESOLUCIÓN
A: Empaques pequeños y ligeros

23
 0
A =Empaques grandes y pesados.
B: rompen
0
A : No se rompen
0
P (B | A) = 0,02
0
P (B | A ) = 0,01
0
P (A ) = 0,6
P (A) = 0,4

0 0
P (B) = P (A) ∗ P (B | A) + P (A ) ∗ P (B | A )
P (B) = (0,4 ∗ 0,02) + (0,6 ∗ 0,01)
P (B) = 0,014 ⇒ P (B) = 1,4 %

2.36 Continuación del ejercicio 2.60. Utilice la regla de probabilidad total para determinar
la probabilidad de que el segundo circuito seleccionado sea defectuoso.

RESOLUCIÓN Total: 100

20 son defectuosos
A: Primer defectuoso
B: Segundo defectuoso

20
P (A) = = 0, 2 ⇒ P (A) = 20 %
100
0 20 0
P (A ) = = 0, 8 ⇒ P (A )S = 80 %
100
19
P (B | A) = ⇒ P (B | A) = 19 %
0
99 0
P (B | A = 0,5 ⇒ P (B | A = 5 %

0 0
P (B) = P (A) ∗ P (B | A) + P (A ) ∗ P (B | A )
P (B) = (0,2 ∗ 0,19) + (0,8 ∗ 0,81)
P (B) = 0,686 ⇒ P (B) = 68,6 %

SECCIÓN 2.6

2.37 Si P (A | B) = 0,4, P (B) = 0, 8 y P (A) = 0,6.Puede decirse que los eventos A y B son
independientes?
RESOLUCIÓN
P (A | B) = P (A)
P (A | B) 6= P (A)
0,4 6= 0,6 ∴ No son eventos independientes.

2.38 Si P (A) = 0, 2 y P (B) = 0,2y los eventos A y B son mutuamente excluyentes.¿ puede
afirmarse que son independientes?
RESOLUCIÓN
P (A ∩ B) = φ

24
 P (A ∪ B) = P (A) + P (B)
P (A ∪ B) = 0,2 + 0,2 = 0,4 ∴ No son independientes, porque son mutuamente excluyentes ya que
P (A ∩ B) = φ

2.39 Continuación del ejercicio 2-23. ¿ Los eventos A y B son independientes?.

RESOLUCIÓN
82
P (A) = = 0,82 ⇒ P (B) = 82 %
100
85
P (B) = = 0,85 ⇒ P (B) = 85 %
100
P (A ∪ B) = 0,75
P (A ∪ B) = P (A) ∗ P (B)
P (A ∪ B) = 0,82 ∗ 0,85 = 0,697
0,75 6= 0,697 ∴ No son independientes.

2.40 Se toman muestras de espuma de dos proveedores y se hace una evaluación a estos
para determinar el grado con el que cumplen ciertas especificaciones. A continuación
se resumen los resultados obtenidos con 126 muestras.

Cumple con los requerimientos

SI NO
Proveedor 1 80 4 84
Proveedor 2 40 2 42
120 6 126

Sean A: el evento en que la muestra es del proveedor 1, y B: el evento donde la

muestra cumple con las especificaciones.
a) ¿ Los eventos A y B son independientes?
0
b) ¿ Los eventos A y B son independientes?

Datos
0 42
P (A ) =
84 2 126
P (A) = = ⇒ P (B) = 66,7 % 80
126 3 P (A ∩ B) =
126
120 20
P (B) = = ⇒ P (B) = 95,2 % 0 40
126 21 P (A ∩ B) =
126

RESOLUCIÓN
0 0
P (A ∩ B) = P (A) ∗ P (B) P (A ∩ B) = P (A ) ∗ P (B)

84 120 0 42 120
P (A) ∗ P (B) = ∗ P (A ) ∗ P (B) = ∗
126 126 126 126
80 40
= 40 20
126 63 =
126 63
40 40
= ∴ Son independientes. 20 20
63 63 = ∴ Son independientes.
63 63

25
2.41 En la prueba de la tarjeta de un circuito impreso en la que se utiliza un patrón de
prueba aleatorio, un arreglo de 10 bits tiene la misma probabilidad de ser uno o cero.
Suponga que los bits son independientes.
a)¿ Cuál es la probabilidad de que todos los bits sean uno?
b) ¿ Cuál es la probabilidad de que todos los bits sean cero?
c)¿ Cuál es la probabilidad de que exactamente cinco bits sean uno y los otros cinco
cero?
RESOLUCIÓN

1 10
a)P(1) = = 9,76x10−4
2
1 10
b)P(0) = = 9,76x10−4
2
5
c)P(1) = = 0,5
10
5
P(0) = = 0,5
10

2.42 Un dispositivo de almacenamiento óptico utiliza un procedimiento de recuperación

de error que requiere la lectura inmediata de cada dato escrito en el dispositivo. Si la
lectura NO TIENE ÉXITO después de tres operaciones de lectura se elimina dicho
sector del disco la probabilidad de una lectura éxitos es 0.98.
Suponga que las lecturas son independientes.
¿ Cuál es la probabilidad de eliminar una parte del disco y marcarla como inaceptable
para el almacenamiento de datos?
Datos
A: Lectura exitosa
B: Falla la lectura.
P (A) = 0,98
0
P (A ) = 0,02

RESOLUCIÓN
0 0 0 0 0 0
P (A1 ∩ A2 ∩ A3 ) = P (A1 ) ∗ P (A2 ) ∗ P (A3 )
0 0 0
P (A1 ∩ A2 ∩ A3 ) = 0,02 ∗ 0,02 ∗ 0,02
0 0 0
P (A1 ∩ A2 ∩ A3 ) = 0,000008

26