eopitulc 5

Probqbilidcrd,
Distribuciones
Probcbilsticcts
y
Expectqtivq
El objetivo de este captulo es presentar brevemente alguna informacin acerca de
tos conceptos sencil[os empleados de manera considerable en los clculos estadsti
posible llevar a Qabo con ms facilidad la estimacin de probabilidades en algunos
mas muy complicados si se emplean los conceptos de permutacin y combinacin.
temas seguramente le resultarn muy conocidos a la gran mayora de los
obstante ello, a fin de presentarles un panorama completo de la estadstica, destaca
algunos aspectos relativos 4 las permutaciones y a las combinaciones.
PERMUTACIONES
La cantidad de permutaciones que pueden tener elementos es el nmero de
nes que tales elementos pueden tener. Podramos considerar todos los elementos a
o bien, r (siendo r<) elementos al mismo tiempo. No slo es significativa su i
sino tambin el orden en el que se disponen los elementos.
El nmero de permutaciones se indica mediafe
nP,, en donde n representa el n
elementos de que se dispone, y
a la cantidad de ellos elegida alavez. De este modot
seleccionan todos los elementos cada vez, el nmero de permutaciones ser
,P,.
a--\
PERMUTACIONES 53.
seneral,
se puede decir que se tienen r lugares, los cuales habrn de ser ocupados con
intos
a partir de los que se tendr que elegir, de manera que
el primer lugar puede ocuparse de z maneras,
el segundo puede ser ocupado en ,n - I formas,
el tercero puede ocuparse en 12 - 2 formas,
:
y el r-simo lugar puede ocuparse e n - r * 1l formaS.
se debe aplicar un principio fundamental que establece que si cabe la posibilidad
llevar
a cabo una seleccin en p formas y si, despus de hacerla se puede realizar otra se-
in en q formas, ambas selecciones juntas pueden hacerse en pq maneras. Valindose
este
principio de sucesin, se dice que el nmero de permutaciones es
oP, :
n( n
.
l ) {n - 2) "' ( " - r + 1)
n!
: -
( n - r ) !
(5-1)
r! es el smbolo para factorial n : I x 2 x 3 x ". (n - 1)n.
I Cuando r : ,
, Pn=
nt ( 5- 2)
' t
i
t .
'
t
que por definicin 0! : 1.
:-Ejemplo.
Cuntos
nmeros de tres dgitos se pueden formar a partir de lacifras i,2,3,
y 5 si es posible repetir cada nmero?
El primer espacio puede ser ocupado de cjnco maneras; el segundo tambin, y lo mismo
con el tercero. Por tanto, se pueden formar
5 x 5 x 5 : 125 nmeros diferentes
Cuntos
nmeros de cuatro dgitos se pueden formar con las cifras
"debe repetir ningn nmero en ninguna de las cantidades de cuatro digitos.
cabe emplear la expresin estndar que presenta n :9 y r : 4i
I al 9? No
Por consi-
nl
ql
- P- : ,
"'
, , : ' - ) : 9 x 8 x 7 x6: 3024nmer os
1- r
( n- r ) ! 5!
.
54 PROBABI LI DAD, DI STRI BUCI ONESPROBABI LI STI CASYEXPECTATI VA
Ejemplo. A un producto se le codifica asignndole tres letras y dos nmeros (las primei
deben ir antes que los nmeros). Slo se podrn emplea las letras I y I y los dgitos I al
Cuntosnmerosdedi ferentecdi goesposi bl eobtener?
En el caso de las letras:
cada una puede presentarse como A o B,es decir, de 2 maneras
En consecuencia,
" 3 letras pueden ordenarse en 2 x 2 x 2 :
8 formas
En el caso de los nmeros:
cada uno puede aparecer como I o 2 o... o 6, es decir, en 6 formas
De esta suerte,
2 nmeros se peden ordenar en 6 x 6 :
36 maneras
As pues, el total de "nmeros" codificados es 8 x 36 : 233.
considrese ahora la permutacin de n elementos tomados todos al mismo ti
cuando los z elgmentos estn formados de r similares, 12 similares,..., r similares,
modo que rt
!
rz + "' + rk: rr. Por l o tanto, el nmero de permutaci ones es
P-
' !
-
r r l r 2! "'
!
Ejenplo,
cuntos
dibujos diferentes (en una sola fila) se pueden hacer con 3 ma
(o etiquetas) amarillos, 2 rojos y 7 verdes?
Mediante la ecuacin (5-3)
n: 3I 2+7: 12
l ) l
P:
3r xf t
j t : 7920
COMBTNACIONES
La cantidad de combinaciones de elementos diferentes es el nmero de selecciones
tintas fomadas cada una por r elementos, sin tomar en consideracin el orden o
cin de tales elementos en el grupo. Esta omisin del orden distingue las
las permutaciones.
COMBINACIONES
La razn
por la que r elementos pueden ordenarse en ! formas consiste en que:
el primer lugar puede ocuparse en r formas,
el segundo puede serlo en r - I modos,
el tercero puede serlo en r - 2 formas.
el l ti mo puede ser ocupado en I manera,
de modo
que r l ugares pueden ser ocupados en r(r - r)(r - 2)... I =
r! formas.
As, el nmero de combinaciones de elementos a partir de n elementos, que se representa
por
oC, ; o bi en,
es r! veces menor que el nmero de permutaciones.
De ah que
^
, P, n!
n- ' : T=( n- r ) ! r l (54)
Por la simetra se deduce que
f)
, Cr : nCn- ,
El empleo de esta identidad puede ahorrar tiempo al lrevar a cabo ros clculos.
Ejemplo.
De
cuntas maneras puede seleccionarse un equi ipo de 9 personas a partir de
un grupo de 12?
(5-5)
.
Evidentemente
ste es un problema
de seleccin y no de ordenacin, dado que no se
toma en cuenta la asignacin de posiciones.
En consecu'encia, se utiliza ia ecuacin (5-4),
enl acual n=12! r : 9.
"c' :#ti
=#u:9*#:r,
!futplo^. F"
un grupo de 5 hombres y 4 mujeres,
de
cuntas maneras.es posibre serec-
rnar
a 3 hombres y a 2 mujeres?
f. Se pueden
elegir 3 hombres de S en
5C3 formas.
o. tss posible
seleccionar 2 mujeres de 4 en
aC2 maneras.
56
. PROBABI LI DAD,
DI STRI BUCI ONESPROBABI I T STI CASYEXPECTATM
Mediante el principio fundamental de las selecciones, es posible llevar a cabo
(b) en .C1 x
oC,
formas. De suerte que el nmero de posibles selecciones es
5x4 4x7
\ '
t " ; - : f f i
Ejemplo. De un conjunto de 6 hombres y 5 mujeres,
cuntos
comits de 8 miem
pueden formar si cada uno de el l os debe contener cuando menos 3 mui eres?
Las condiciones del caso se satisfacen si el comit consta de
5 hombres y 3 mujeres seleccionados en
u
C, x
,
C, formas
4 hombres y 4 mujeres elegidos en
6Co
x
,
Co formas
3 hombres y 5 mujeres seleccionados en
6
C3 x
,
C, formas
Por tanto, el nmero de comi ts posi bl es es:
uCt
x
r Cs* 6Ca
x
5C4+ 6C3x sCs
:
155
A menudo se da el caso de que un problema comprende tanto una seleccin como
ordenaci n, al guna de l as cual es (o ambas) presentan ci ertas l i mi taci ones. Un
miento seguro consiste en gonsi{erar en primer lugar las selecciones (combinaci
posteriormente, las ordenaciones (permutaciones).
Ejemplo.
Cuntas
alineaciones es posible formar al escoger un equipo de hockey
puesto de 4j ugadores veteranos y 2 novatos a parti r de 8 veteanos y 7 novatos, si
el l os pueden j ugar
en cual qui er posi ci n?
4 veteranos pueden seleccionarse en
sCa
formas
2 novatos pueden seleccionarse en 7C2
formas
De ah que un equi po se pueda sel ecci onar de6Co x
tCrmodos. Cual qui er grupo
hombres se puede disponer en 6! formas. De este modo, el nmero total de posibles al
ci ones es
aC+
x
t
C, x 6l : I 058
, 100.
Ejemplo. Supngase que en el ltimo ejemplo, cualquier equipo seleccionado tena
i ncl ui r un ci erto j ugador veterano para que j uegue
como centro, y un novato, como
dameta.
Cuntas
al i neaci ones son posi bl es?
cuando un ci erto j ugador veterano si empre es i ncl ui do en el equi po, el probl ema r
en encontrar el nmero de combi naci ones de 3 veteranos proveni entes de l os 7 resta
en lo referente a los novatos, hallar el nmero de combinaciones de I hovato tomado
l os 6 restantes. Bn consecuenci a.
3 veteranos pueden seleccionarse en
7C3
formas
I novato puede seleccionarse en
6Cr
formas
De ah que se pueda seleccionar un equipo en
7
C. x
u
C, formas.
COMBINACIONES 57
o
que las posiciones de guardameta y centro ya han sido asignadas, las cuatro posi-
restantes
de cualquier equipo se pueden ocupar de 4! maneras. As pues, el nmero
de
al i neaci ones
posi bl es es
7
C3 x
6Cr
x 4l : fr4f..
importante
observar gue
,C,
es el coeficiente del (r + l)-simo trmino en la expresin
i al @
+ b)' , cuYo desarrol l o es
( a + b) ' : an + nan- l b4$a-
2b2
+ "'
. T
n( n- l ) "' ( n- r + l )
o; n_r bt +. . . + bn
1,
I puede expresarse adecuadamente como:
( a+ b) ": a" I
nct an- t b +
ncr a' - 2b2
+ "' r
nC, a' - ' b' + "' + b, n
(5-6)
( a+b) ":
l nC, an- , b,
=O
ndo que def i ni mos
, Co:
l .
(s-7)
empfeo de los coehcientes binomiales se analiza una vez ms en el Capitulo 7.
PROBABILIDAD
el Captulo I se estudi la relacin entre la estadstica y la probabilidad. Se destac
para tratar problemas estadsticos se calculan los parmetros de una distribucin a
i r de datos muestral es, en tanto que en el caso de probl emas de probabi l i dad, se cono-
los parmetros del modelo matemtico del sistema, y se deduce el comportamiento de
del mi smo o muestras. En consecuenci a, en general , l os dos pl anteami entos son i n-
entre s.
ocurrencia de cierto evento se denotar como xito y u no ocurrencia como fracaso.
consi deran todas l as posi bl es (o i magi nabl es) ordenaci ones o ensayos, y tambi n l as
nes correspondientes al xito, entonces larazn de estas ltimas a las primeras
la probabilidad de xitos. Todas las consideradas deben ser mutuamente excluyen-
c igualmente probables, y como se do antes, exhaustivas. De haber n ordenaciones po-
y de presentarse xito en p casos, la probabilidad de xitos es p/n, en tanto que la de
es I - (pln). Por tanto, la probabilidad se expresa como un nmero no mayor
l. Un valor de unidad denota una certeza de tener xito. v un valor de cero sisnifica la
i l i dad de que se presente el xi to.
trminos estrictos, cabra distinguir dos tipos de probabilidad. En el primero, la pro-
de un evento se establece slo mediante la definicin del sistema, por ejemplo, la
ilidad de obtener un nmero deterrninado de puntos al tirar un dado es de
{.
Esta es
probabilidad
a prior. En muchos otros casos, se trabaja con una probabilidad
l-p-l-o!-uiliiad
dE o-surr-eucia. dg ciertos eventos mutuamenre excluyentes es la
a+-rl9-p-l-o!-?p-!Ltiad dE o-aurr-eucia de ciertos eventos mutuamenfe excluyentes es
de las probabilidades
de eventos separados. Se dice que los eventos son-mut
excluyentes si slo uno de ellos puede ocurrir en determinado momento (por
dado al caer, muestra un I o un 6, pero no ambos).
Por ejemplo, al tirar un dado, la probabilidad de obtener un 3 o un 6 es igual a la de
tener 3 ms la de que resulte 6, es decir, es igual a
+*:
'-gabedestacar
que la suma de las probabilidades de todosloseventos posibles siempre
por ejemplo, la probabilidad de no obtener un 3 o un 6 es
t,
de ah que la suma de las
babilidades de que se presenteg todos los resultados poribl"r es
'!
+
$:
t.
Demostracin de la regh de la adicn se tienen n casos igualmente posibles, de r
que el evento I ocurre en r de ellos, y el evento
g
se presenta en s. Como la ocurrencia
no coincide con la de B (pues son mutuamente excluyentes), no hay superposicin ent
(r + s) casos; es decir, el evento A o B slo ocurre en (r +
")
c"sos. De manera <
P( AoB) : P( A+ : l as
I
' s
n
- :
i *; :
PQq) +
p( B)
Esta regla se puede generalizar fcilmente respecto a eventos mutuamente
A, B, C,...; as se expresa
o bi en,
P(A o B o C o. . . ) : p(A)+ p(B)
+
p(c)
+
. . .
P(A + B + C +
. . ' )
:
P(A)+
p(B)
+
p(c)
+
. . .
. !'-Lu
probabilidad
de que exista una ocurrencia smultneade cierta cantidad de e'
independientes
es el producto de probabilidades separadas. se consid;;"G;;;
un evento cuya ocurrencia no afecta la probabilidad
de que se presenten otros.
P:t.?:Tplo, al tirar dos dados, la probabilidad de obtene, un 6'"on ambos es igual
probabilidad
de que resulte un 6 multiplicada por la de obtener otro ; esto quiere
que es igual a
. : *
zurdas o miopes, encontraremos adems de individuos que p..r.niun cualquiera
PROBABILIDAD
Demosttacin
de la tegh de Ie multipcacidr. Supongamos que existen ,n casos favora-
es
para el evento I en un total de n casos, y M casos favorablei para el suceso
g
en un to_
de
y'f
casos. Por tanto, P( A
)
:
m/ n y P( B
)
: M
/
N. Cuando se considera el evento com_
ado
"A y 8", se tiehen nN casos posibles, qu son igualmente probables,
dado que I y
son
independientes. cada caso- favorable para I se combina con el correspondiente
a a,
fin de producir un caso favorable para el evento combinado A y B. Asiqe existen rnM
favorables para los eventos A y B; por tanto
P(A y
^R):
P{AB): #: :
#:
P@), P(B)
(5-10)
Fcilmente se puede generalizar esta regla con respecto a la situacin en la que se pre_
rten diversos eventos independientes
A, B, C,...; de esta manera
P( A y B y c y
. . ' ) : p( A) . p( B) . p( c) . . .
P{ABC
. . . )
:
P(A)
.
P(B)
. P(c) . . .
(5-l 1)
bien,
Eiemplo. Por equivocacin se mezclaron treinta pernos. de alta resistencia con veinti-
lco pernos comunes' de igual apariencia, por lo que resulta imposible distinguirlos. Si se
n dos pernos (uno despus de otro),
qu
probabilidad
hay d, qu" uno . eilos sea de
resistencia y el otro sea un perno comn?
En este problema,
lo's eventos mutuamente excluyentes son:
I :i:li :: !:ii:
de alta esistencia la primera vez y uno comn en ta segunda.
b' Sacar un perno ordi nari o.ra pri mera u.r, y uno de arta resi stenci a
""l i r.g;a".
rr tanto, la probabilidad
de (a) es
#
' 3*:
E
tanto que Ia probabilidad
de (b) es
3f
x
*,e
--
i
probabilidad
de que (a) o
{b)
ocurran es la suma de las dos probabilidades,
as:
tt +
3i: 18
Anteriormente
se consideraron los eventos que eran mutuamente excluyentes, lo cual,
sde luego, no siempre se cumple.
por
ejemplo, si nos interesa conoccr la proporcin de
PROBABILIDAD. DISTRIBUCIONES PROBABIT-ISTCES TNXPECTATIVA
de e;s caractersticas, personas que tendrn ambas. Supongamos que la probabilidad
ser uido es P(l
)
y la de ser miope es P(B). Por tanto, la..probabilidad de ser una de
pues,
cosas. P(,4 + B) est dada por una expresin de adicin que debe tomar en cuenta que
grupo de individuos que poseen ambas caractersticas no\ pe debe contar dos veces. I
iir
iliirt
i,ii.
P(A + B): P(A) + P(B) - P(AB)
donde P(lB) es la probabilidad de ser tanto zurdo como miope. Una
grfica de dicha situacin se presenta en la figura 5-1.
m. f f i w
Frg. 5-1. Probabi l i dad de que ocrrra uno c' .:nl qui era o ambos en el caso de dos eventos i ndependi entes.
Ejemplo. Si se selecciona un naipe al azar de una baraja de 52 cartas,
cul
es la
lidad de que dicho naipe sea de trboles o de figura, o de ambas cosas? (Considrese al
como una fi gura.)
La probabilidad de obtener una carta de trboles, P(l), es
tj';,
en tanto que la de
una figura, P(8), es
]f.
Dado que cuatro de los trboles son figuras, entonces P(A B) es
De este modo, la probabilidad requerida es
P(A + B)
: P(A)+ P(B) - P(AB)=
+
+
#
-
+
:
#
Tambin cabra destacar que los eventos que no son mutuamente excluyentes pueden
independientes o dependientes. En el ltimo de los casos, la ocurrencia de un evento
la probabilidad de que se presenten otros. Por ejemplo, sacar una carta de una baraja (
ejemplo, un as) altera la probabilidad de extraer cualquier otra carta dada (por ej
una reina), a menos de que s9 regrese la primera carta antes de extraer la segunda. En
secuencia, se trabaja con la probabilidad condicional, que equivale a la probabilidad de
se presente un evento ,4 considerando'que otro, 8, ya ha ocurrido, la cual se puede ex
sar como P(A
I
B). De este modo, en nuestra notaci n,
P( Al B) :
P(AB)
P(B)
Es til representar esquemticamente la clasificacin de los diversos tipos de e
iomo se muestra en la figura 5-2.
illr'
t1i,
I
i
Dosgvet osr yd
venios mutuamente exclYentssi
Pl AE\ zo
p14 + 8) : P ( Al + P\ B)
Dependientes
P\ A8\ =P( 8) P! , A18\
ob en
P( A81. PI A\ P( 8 l A\
PROBABI LI DAD
Fi o 5-)
Se
puede empl ear l a defi ni ci n de l a probabi l i dad condi ci onal para deduci r l a corres-
te a la independencia probabilstica; de esta manera, se dice que dos eventos I y ,8
i ndependi entes
si y sl o sr
P(AI B\ : P(A) o bi en P(BI A): P(B) (5-14)
manera
i ntui ti va, si dos eventos no estn rel aci onados entre s, entonces l a probabi l i -
de que ocurra un evento no se altera si se ha presentado ya el otro evento.
lEjemplo.
Al tirar dos dados (no alterados) se obtuyo el nmero 4 en uno de ellos. No se nos
nmero cay con el otro.
Quprobabilidad
hay de que al tirar ambos dados resulte 9?
Se ti enen 36 puntos muestral es. El nmero de resul tados en el que por l o menos resul ta 4
uno, es ll: en consecuencia, la probabilidad correspondiente P(B) es
t{.
De los cuatro
que dan l a suma de 9, o sea [(6, 3), (5, 4), (4, 5) y (3, 6)], hay dos en l os que apa-
el nmero 4. De esta manera, P(AB) es
!6.
De ah que l a probabi l i dad requeri da, P(A
|
8), sea
P(Al Bt : w: x: +
tEjemplo" Una compaa de reparto de leche que cuenta con un grupo de camiones movi-
por gasolina o por electricidad, lleva registros anuales de las reparaciones generales de
motores. En l a tabl a 5- I se da l a canti dad de ki l metros recorri dos por un cami n antes
tener que ser sometido a la revisin necesaria para cada tipo de vehculo.
TABLA 5- I
l'eltulos eon
Kilmetros
recorridos
Motor de Motor
gasolina elctrico Total
(5-
10001
o ms
20 001-40 000
0-20 000
z0 30
50 110
l0
10
l0
0
30
Total 100 80 r80
i .
PROBABTLTDAD, DISTRTBUCTONES PROBABTLISTTCA\ EXPECTATM
\
a.
Cul
es la probabilidad de que un vehculo (de cualquier -po) haya recorrido
40 000 kilmetros?
\
b.
De
qu manera influye el tipo de motor en esta probabilidad?
Se observa que
a. La probabilidad de que se rebasen los 40 000 kilmetros antes de que se req
reparacin es
ffi,
o bien,
$.
b. Aqu interviene la probabilidad condicional, pues se desea conocer la probabili
que un camin haya tenido un recorrido superior a los 40 000 kilmetros anre$
reparado, tomando en consideracin que el motor es de gasolina o elctrico.
En el caso de motores de gasolina, el valor de probabilidad que se requiere es
10
P:
i t8
= o.l
r T8-0
Para motores elctricos el valor es
P: #: 0. 25
TF
Eiemplo. Se planea el diseo de un centro comercial que reunir diversos establecir
tos con diferentes necesidades de energa elctrica y'agua. El ingeniero deber disear
servicios de modo que el material con el se cuenta no exceda en gran medida a la
real, y que tampoco resulten inadecuadas las capacidades.
Existen cuatro clasificaciones: para energa'elctrica se tienen l0 20 unidades a
E
rc! E x;
y para agua 2 4 unidades, esto es, A2y la. El propietario de dicho
base en su propia xperiencia, ha proporcionado los siguientes clulos respecto a
babilidad de encontrar las cuatro clasificaciones (ver tabla 5-2).
TABLA 5-2
Probabilidad
Er cA
E' oAn
EoAz
E ro
A'n
0.1
0.2
o.2
0.5
Obtener la probabilidad de que
a. La demanda de agua sea de 4 unidades.
b. La demanda de electricidad sea para 2A unidades.
PROBABILIDAD
t a demanda
de agua sea de 4 unidades o de que la de energa sea de 20 unidades-
.-Iin
establecimiento.que
se sabe requiere l0 unidades para servicio elctrico, tenga
una
demanda de agua de 4 unidades.
obtiene
a.
probabi l i dad
: P[Ero A4]_+ Pl E2r' A4:9.? * 0.5:0' 7'
i. i,r;;trto"
d:
ll!,o.1zl+
lfn
zo
Anl:0'2 + 0'5
:
0'7'
l'p,"iabilida
: () + (b) -
4E roA ni:
0.7 + 0.7 - 0.5
= 0.9'
.'
pln
_ |
Erol
: PIE
rc
A]4,ol: O.2lO:
-
0.66, qus es la probabilidad condicio-
'de
que An ocurra, dado que Els ya ha ocurrido'
F.iemOlo.lJnsistema.Sconstadeloscomponentesl
y8. Funciona0.l0deltiempo;elcompo-
-,it"
i fatla et0. l5 de ste, en tanto que el .8 falla el 0.30' Indicar si tales componentes I y B
ionan
de manera independiente entr si.
fl-*"t"*ot
(l) al funcionamiento del primer componente' y (A) al no funcionamiento
lmismo,
y (r) y (-B), respectivamente, en el caso del componente 8. Ver tabla 5'3.
TABLA $3
Total 0.25 1.00
P(A): P(AB) + P(AE):0.10 + 0.30
: 0' 40
P(B)
: P(AB) + P(AB\
:0.10 + 0.15
= 0' 25
P(/) ' P(B): (0.40x0.25)
:0.10
cual equivale al valor dado para P(AB)- En consecuencia, los dos componentes A y B
ionan independientemente entre s.
Asimismo, mediante la definicin de independencia se tiene que
(r) (B)
(A\ o.to 0.30 0.lo
(4 0.15 0.45 0.60
0.75
lo cual es i gual a P(A)y
P(AIB):' #:
H
:0.40
P(BIA)
=' #:
ffi :0.2s
que equivale a P(B) satisfaciendo asl la ecuacin (5-14).
\
PROBABILIDAD, DISTRIBUCIONES PROBABILfS ICAS Y EXPECTATIVA
DISTRIBUCIONES PROBABILSTTCAS O DE FROBABILIDAD
En el captulo i se mencion que haba dos tipos de v,ariables aleatorias: las cont
J: - ^- ^. ^- r I - - \ -
las discretas. una variab_l_e-es_q9lt][ia,ue--qi puede asumir t&ricamente cualquier valor
ras utsclras. una varlao_le_9s_qol1!ln-ua st puede asumlr tericamente cualquier valor o
encuentre .ntr" d*lLlt"r- uos; ?io'conrrario-seri"
""v"ai"ffii".-i:"
.i
ptulo 2 se estudiarn las distributiones de frecuencias de los datos provenientes;
muestras al azar. Ahora trataremos las distribuciones probabilisticas
de las
Cabe recordar que una muestra aleatoria es aquella qne se selecciona de tal manera
cada el emento de l a pobl aci n tenga l a mi sma oportuni dad de ser el egi do para
muestra.
Distribuciones probabilisticas discretas
Si una vari abl e al eatori a x puede asumi r val ores di scretos x6, Xr, Xz,. ..1 x con sus
pecti vas probabi l i dades po
i
pr, pz, .
-
.
,
p, en l as gue p > 0 para todai l as i ,
*
do,:
t
entonces la probabiliriad (,t :
x), o simplemente p(x) : pi, caracteriza una distribu
probabi l sti ca
di screta para l a vari abl e x; ver fi gura 5-3..-
t
c{xt l
p,
J
k
,;
Fi g. 5-3. Di stri buci n probabi l sti ca de una vari abl e al eatori a di scera x.
La funcin de distribucin acumulativa de una
como
variable aleatoria discreta se defi
P(x):
I_.p, (j
SX
Dicha funcin es la de tipo escaln, que es constante respecto a cada intervalo que no
tiene a ninguno de los puntos x,, segn se muestra en la frgura 5_4.
lr-l1-::i:-destacar Suep(x)
y
p(n
representan piobabilidades
simptes y acum . . . r , vu
J
svs r r
1"::.1.:ry:,:lamente,
en el caso de una gran p oblacin originante, en cmparacin con
Jt que constituyen la frecuencia simple y la frecuencia aJumulaa, respectivamente (
Captulo 2) en una muestru de datos agrupados.
DISTRIBUCIONES PROBABILISTICAS O DE PROBABILIDAD
- - - - - - - - - - 1
-J
k
xi
Fi g. 5-4. Funci n de di stri buci n acumul ati va (f.d.a.) de una vari abl e al eatori a di screta
este modo, se pueden relacionar las distribuciones probabilsticas con la poblacin,
tanto
que las distribuciones de frecuencia relativa (Captulo 2) son para muesas obte'
de esta poblacin; en otras palabras, se puede considerar una distribucin de proba-
como una de frecuencia relativa en lo referente a una mueslra muy grande (pobla-
Ejempto.Trazar las distribuciones probabilsticas simple y acumulada para una variable
)atori a x, que se defi ne como l a suma de l os puntos que muestran cara arri ba dos dados
cargaoos. :
En este caso, x puede asumi r l os val ores 2,3,4,s;"l i j ., I I' 12.
probabi l i dad de obtener l a suma Z es (tX*)
:*,: p(2)
probabi l i dad de obtener l a suma :
"t
(X) + (X) :rt: p9l
probabilidad de obtener la.suma es
(X) + (X) + (X+) :
$
: p(4)
probabilidad de obtener la suma 5 es +(*)ft)
:.$ : p(5)
probabilidad de obtener la suma 6 es 5ft)({)
:
*-r
: p(6)
pr.Srbabilidad de obtener la suma Z es 6()ft) -
{e
: pQ)
probabilidad de obtener la suma S es S(i)(i)
:
*
: p(8)
66 PROBABILIDAD, DISTRIBUCIONES PROBABILfSTICASYEXPETATIVA
La probabi l i dad de obtener l a suma tZ es ({)({) :i d: p$Z)
Tales probabilidades se representan en la figra 5-5.
La di stri buci n de probabi l i dad acumul ada es &mo si gue:
La pr obabi l i dad acur nul ada de obt ener l a suma 2 o menor esp( 2) : $.
P\ x I
DISTRIBUCIONES PROBABILISTICAS O DE PROBABILIDAD
67
J{. Funcin de distribucin acumulativa de la suma de los puntos mostrados por un par de dados
alterados).
TABL.A 54
x23456799101112
2
36
Fig. 5-5. Distibucin
(no al terados).
La probabi l i dad acumul ada de obtener l a suma 3 o menor es
p(2) + p(3): : t
+
*: - *
:
La probabi l i dad acumul ada de obtener l a suma l 2 o menor es
2T3456789t O, 12
probabilstica de la suma de los puntos mostrados cn er tiro de un par de
p( 2) +p( 3) +r ( 4) +. . . +p02) - =l
|
-
|
' r ) +i n+"1
! t *l +
i
'
I ;i ; i! ii i i i
En Ia figua 5- sc mutra ur gfica dc ta probabitid cumulada. Vcr dmbi* (- r)
t -
observcmos que
t
I
-' -*r=r
I
,=2
Fdbu.ior3
pmbbitfic!
co.,r
Ahoa, si los do dado no 3tn cargalos, lo3 rsultad@ rclcs dc la varisb. ,,len
U C.pltoto z
". ""plic
h forn cmo los datos qu srfcrn a urE variablc conti-
na en cucstin debrn seSuh s lcycs de probabilidad
a largo plazo:
en sc csso rl
puden rcprcsenlan mediante un histograma y un polfgono dc frccuencias. Asi-
noce la probablidad
a priori. Sin.mbargo, c la nayorla dc loc probicnrar
dc 6bdltmo.
s mencon quc ai sumentra indefinidamcnte el nmcro dc obsevaciones y la
no5cconoccI adi st rbuci nprobabi l i st i cadcl avari abl esl eat ori av. Dort ano. . . | p| i t t rddccl aset endi cf aacero, el hi st ogram
cmplear los resultados dc lava.iable alaz:r provcnento
" unulnoerru "".; fin acr
a la forrna dc una crva continu, a sabcr, a la de una curv de distribucin dc
marl adeci si nadecuadarcspcct oa| adi st ri buci npI obabi l i 5t i cadc| aDobl aci [ oqF9nci as(odcdi st i buci ndcf rEcuenci rel at va! ), gn3epudcvG
s conoce La dstribucn binomial l igualquc la daPosson, quc
se esrdiarn cn tJSi
l hr de la curva dc ls ftccuccia,,1, fu. .ltandarizacls dc mncr quc cl rca
pilulos 7
v
E, son cjcmplos d ,tistdbucions discrtas.
f"Ochacurva,{
fura ieual la unidd, cnton(s lcdetermnarla una dilrrbucin pro-
I

b
a
PROBABILIDAD, DISTRIBUCIONES PROBABILISTICAS Y EXPECTATIVA
.,
Varable aleaiore r
Fig. 5-7. Curvas de frecuencia y de frecuencia relativa de una variable aleatoria _r.
Fig. 5-8. Funcin densidad de probabilidad.
babilstica continua, segn se muestra en la figura 5-8, dondep(x) es la funcin densidad
'robabilidad,
de modo que
.a
!
E
.E
e
J
*a(' )
dx: I
DISTRIBUCIONES PROBABILTSTICAS O DE PROBABILIDAD 69
De
esta
suerte,
el, rea que se.encuentra b."j.9
J"
curva y entre las lneas x
:
xr y x.: : (el
sombreada
en la figura 5-9) es la probabilidad de que x quede entre x y x2, o bien
probabi l i dad p(x) dx
(5-16)
Es
fundamental
comprender que es cero l a probabi l i dad de observar un val or especfi co
x
= x3, dado que el clculo de una probabilidad da lugar a la estimacin del rea
la curva; en este caso, dx es igual a cero respecto a una variable continua, por lo que la
l i dad correspondi ente tambi n ser cero. Esto se expresa matemti camente como
( t , < t . t J:
l =;
J.="4{r)
dx:o
este modo, l a defi ni ci n adecuada de p(x) consi ste en que para un i nterval o pequeo
p(x) dx es la probabilidad de observar un valor entre x y x + dx; es decir, se trata del
sombreada de l a fi gura 5-8.
'l
xz
Fi g.5.9. Funci n densi dad de probabi l i dad
La funci n de di stri buci n acumul ati va, P(x\,en el caso de una vari abl e al eatori a conti -
r, se define como la probabilidad de observar un valor menor que X o iigual a ste, a
, el rea sombreada en la figura 5-10. En consecuencia,
P(X): j: p(x) dx (5-1 7
)
70
I
: i l , l
, i :
I
ril
l i ,
i ,
i l l
iri:
: : rl
ril
La probabilidad de que x quede entre x

y x2 (figura 5-9), se puede expresar como
"
", ,
probabi l i dad (t t <"<xz)-
I
p(") dx: P(x)-P(rr)
' t
La funcin de distribucin acumulativa debe aumentar de cero a uno, dado que se
PROBABILIDAD, DISTRIBUCIONES PROBABILISTICAS Y EXPECTATIVA
EXPECTATIVA
Fi g.5-l I. Funci n de di stri buci n acumul ati va de una vari abl e al eatori a conti nua.
x es el valor del evento d-simo, en tanto que pi es la probabilidad de que ocurra
evento.
Ahora bien, si x es continua con p(x),la funcin densidad de probabilidad es entonces
bien, se puede expresar
+@
E("):
I
xp(x) dx
J_@
P:
E(x)
(5-20)
P( - o) : g Y P( oo) : t
y a menudo se trata de una curva en forma de s, segn se observa en la figura
Ejemplos de las distribuciones probabillsticas continuas son las distribuciones nor
Xz,t
y F, las cuales sern estudiadas en capltulos posteriores.
Es posible calcular las medias, variancias y otros parmetros a partir de una dist
de probabilidad, de la misma manera como se hizo en el caso de una distribucin
cuencias-(ver Captulos 3 y 4). Esto nos lleva al tema d9 la expectativa (o esperanza
mtica).
EXPECTATIVA
Consideremos una variable aleatoria . Si x es discreta y tiene una distribucin
bilstica p, entonces el valor esperado de x (o media de xi se define como
E(x):
Zp,*,
la cual p es la media de la distribucin de probabilidad. Cabe recordar que la muestra
ser al azar, esto es, cada elemento de la poblacin que ha sido muestreado tiene la
probabilidad de ser seleccionado en cada ensayo.
Eiemplo. Obtener la media p para el ejemplo de las cafas llacia arriba de dos dados no
Por el empleo de la ecuacin (5-19), se obtiene
E(x): p
:2(+)
+ 3(t)+ 4e)+ 5(*)+ 6e)+ 7(3%) + 86t6)
+ eht) + 10(31)+ lle) + l2(*)
_ 252
- 35
- 7
1X
Fi g.5-10. Funci n densi dad de probabi l i dad.
72 PROBABILIDAD, DISTRIBUCIONES
PROBABILfSTICAS
Y EXPECTATIVA
Ejemplo. La funcin densidad de probabilidad,p(x),
de la duracin de lmparas
variable aleatoria x, est dada por
P( x) : o Par a g
\
I
p(x) :
g00__:_
ee
xtaoot
para
x
> 0
en la frgura 5-12. Mediante la ecuacin (5-20),
se tiene que
E(x) :
t t :
I
xp@) dx:
l ** : r, -, , roo, o*
r _@
Jo 900-
: 800h
(Tal integral definida se puede calcular por el empreo de tablas de integrares o median
tegracin por partes.)
Lavar i anci a o2d, exeser var ot r esper adoder cuadr adoder adesvi aci napar t i r de
l a
dia de la poblacin.
As.
] '
o2 :
E(x - p)2 :
L
p,6, - p), si x es discreta
i
o2 :
E(x - p)z :
f
' -(r
- p)2p(x) dx si x es conti nua '
J_'
cabr ahacer not ar quel as- expr esi onespar a
E( x. ) yE( x- p) 2son, dehecho, er pr i mer
mento de l a di stri buci n probabi l sti ca
rei pecto al ' ori gl n,

r ,"gi r"" ,romento con :
ci n a l a medi a, respecti vamente.
como se observa
p
l xl
x
Fi g. 5- 12
yl. {untos
equipos de 6 hombres se pueden seleccionar de una poblacin de 6@
trata
de un problema de combinaciones. De ahi que
60!
oouo --
6!34I
60x59x58x57x56x55
EXPECTATIVA 73
Problemas resueltos
2x3x4x5x6
: 50 063 860 equipos
t2.
isma
Cntas
lneas rectas son determinadas por l0 puntos, de los cuales no hay tres de ellos en la
recta?
, El nmero de combinaciones de 2 puntos para determinar una recta a partir de l0 puntos es
^
l 0! l 0x9
t oCz:
. : . ; :
45 l neas
l5-3. Partiendo de l0 elementos,
de
cuntas maneras podemos hacer una seleccin de 6:
a.cuando siempre se incluye.un elemento especico?
b. cuando siempre se excluye un elemento especfico?
soLUClN
a. Cuando siempre se incluye un elemento particular en la seleccin de , el problema consiste en
encontrar el nmero de combinaciones de 5 elementos a partir de los 9 restantes. De manera que
'
sc' :
#: t ; rr; i ; ' :
126 set ecci ones de 6 el ement os
b. Cuando siempre se excluye un elemento especifico, el problema radica en calcular el nmero de
combinaciones de elementos a partir de los 9 restantes. Por tanto, \
^
91 9x8x7 34.
t cu:
ot 3!

5' 4. Se debe formar un comit de 7 personas a partir de un grupo de 8 canadienses y 5 estadouni-
denses.
De cuntas maneras se puede seleccionar un comit si ste habr de contener:
a. slo cuatro canadienscs?
b. por lo menos cuatro canadienses?
74 PROBABILIDAD,DISTRIBUCIONESPROBABILISTICASYEXPECTATIVA
SOLUCIN
a. Para el egi r si o 4 canadi enses de un grupo de 8, se t i enenrcn f ormas. Dado que ni
quedan 3 posicioncs que habrn de ocupar los estadounidehses, el nmero de formas en
3 de estos podrn ser seleccionados de un grupo de 5 es, C..
Por tanto, el nmero de modos de elegir un comit de 7 es
sc*
x
5c3:
t
; : ; : ;
t
, .
?:
7oo maneras
b. Si el comit debe incluir por lo menos 4 canadienses,
muest ra en l a t abl a 5-5.
TABLA 5-5
E s tadoun idense s C anad ie nse s Nmero de
Jormas
j ca x
sC4:
700
5C2
x
scs:
560
3C1x
"Cu=
l $
5C6
x
. Cr :
g
Total: 1408
5-5. Si , P, = I l 0 y, C. : 5J, el t anga n y r.
SOLUCIN
exi sten vari as posi bi l i dades,
I
4
)
o
7
3
1
I
0
En consecuencia,
como r: 2. entonces
,Pr:#i l
n!
' "' : 1 - r r ) !
#,:,,:,
.e,=6![t:f!: tto
*"T: n( n- l ) :
l l o
Pero
,c, + nc,-1:
G -n
+
6
-l6:. +
ry-
rnanefa
qUe'
PROBLEMAS RESUELTOS
n2 - n- l l 0: 0 obi en ( n- l l ) ( n+ l 0) =0
n =
- l0 (no es posible) o sea n: lt
consiguiente,
r : 2 n: l l
*6.
a. De
cuntas maneras se pueden colocar soldados en una frla, de modo que dos de ellos, en par-
iicutar,
no queden uno al lado del otro?
' !
t'
b. Demuesre
que
( l )
"C.
* , C, - t
:
n+t Ct
( 21
n*zC, *t
=
Cr +r * 2nC, *
nC, - 1
15
fos?
El consejo de cierta universidad consta de,s0,miembros, de los cuales son ingenieros.
De
cuntas maneras se puede elegir un comit, dtmnera que cuente por lo menos con 4 ingenie-
l
a.Tomemos en consideracin 5 soldados. Estos se podran orden u,
"r,
n,!:5! formas. En el caso
de que cada ordenacin de cinco, el sexto soldado puede quedar en 4 lugares difcrentes sin estar
cerca del soldado en cuestin (ver figura 5-13). En cons@uencia,
nmero total de formas : 4 x 5! : 480
'
Fi s. 5- 13
el primer miembro, se tiene
nl nl.
PRoBABILIDAD, DISTRIBUCIoNES PRoBABILSTICAS
"
u*,".' o' ,uo
ncr +ncr - r : a+t C
(2) Desarrol l ando el segundo mi embro de l a i denti dad dada, observamos
nC + t * 2, C, +\ nCr - 1
n! ( n- r +1) nl r
r t ( n- r + l ) !
'
r ! ( n- r + l ) !
nt ( n + l l
:
(t- r +TF.
^.
( n+l ) l
u, t r u, - r
:
( n
_
r . + l ) !
. _
( n+1) !
, +, v - GI ; n
que
De este modo,
Pero,
En consecuenci a,
o obst ant e,
nl
( r +1) ! ( n- r - l ) !
2nl n!
r I _J
- -
'
r r . ( n- r ) ! ' ( r _ l ) ! ( n_ + t ) !
_n! ( n
- r ) ( n - r + r ) + 2( r + r ) ( n - r + l ) + r ( r + 1) l
( r + l ) ! 1n: r + t ) - -
nl ( n + r ) ( n + 2)
:
(' +T(nr' ' + t I
_
( n+2) l
( r +1) ! ( n- r +l ) !
^
(n + 2lt (n
+ 2lt.
n+2vr +t : F+Tni l l _r l n
De sta forma, los dos miembos de la identidad son equivalentes.
c. Se puede formar un comit de l0 personas de modo que haya 4, s 6 ingenieros en 1.
que el nmero de posibles selecciones sea
( 5Ca x
aaC6) *
( 6C5 x
nnCr ) * ( 6C6 x
aaCal
6t 441 6! 44t 6! 44!
=
4t 2t . ' 6! 38! + 5! l r
t
5139! + 6! 0r
t
al 40l
l
: 112537 579 maneras (un nmero adecuado incluso para acadmicos)
PROBLEMAS RESUELTOS
<-j , Una
mqui na
present a un componnt e A vi t al para que f unci one. La conf i abi l i dad del com-
i nenrc
A es de 80vo' Para i ncrement ar t al conf i abi l i dad se empl ea un component e si mi l ar, en para-
a f i n de f ormar el si st ema, s, como se observa en l a f i gura 5-l ' 4. La mqui na f unci onar
que un componente trabaje de manera correcta. Calcule la conliabilidad det sistema S.
.P(A)=0.04. Portanto,la probabilidad de que por lo menos un componentel funcioneadecuada-
e es I - 0.04 : 0.96, lo que equivale a la confiabilidad del sistema .S.
5-E, Se estima que un avin experimental de caza tiene una probabilidad de 0.85 de lograr un pri-
:r vulo exitoso. En caso de falla, existe una probabilidad de 0.05 de que sufra una explosin ca-
otaremos
la probabilidad de xito de I como
p(A)
y la de fracaso como
p(,4).
Dado que
p(/) :
se t i ene que P(A): 0. 2. La probabi l i dad de que ambos component es I f al l en al mi smo t i empo es
en cuyo caso no se podr emplear el sistema de proteccin al despegar, el cual tiene una
ad de 0.95. calcule la probabilidad de todo resultado posible en el vuelo inicial.
inamos los eventos: el xito en el vuelo ser A; el fracaso, l; el fracaso no catastrfico ser B,.el
cat ast rf i co, E; l a prot ecci n exi t osa, C, . y l a prot ecci n f al l i da, e; l a supervi venci a del pi _
D; y la no supervivencia del mismo. D.
Por la naturaleza del problema nos percatamos de que I es mutuamente excluyente con B, E, c, e,
4 dado que un vuelo satisfactorio no se puede relaciona. con el fracaso catastrfico o no ca-
D,
con el xito o fracaso de la proteccin en el despegue, o con la muerte del piloto. De modo
I es mutuamente excluyente con c, e, y D. Asimismo, c es mutuamente excluyente
Ahor abi en, P( l ) : 0. 85, deahi que, p( A) : l - 0. 85: 0. 15,
dadoquel osevent osl y. , i son
P(AB): P(A)P(B| A)
un fracaso catastrfico (8) slo puede ocurrir si se presenta un fracaso en el vuelo (l). De esta
:, se puede expresar
P(B): P(ABI = P(A)P(BIA)
: (o.t5xd.o5)
-
0.0075
Fi g. 5-14
De
PROBABILIDAD. DISTRIBUCIONES PROBABILISTICAS Y EXPECTATIVA
manera semeJante,
P(B) = P(AB): P(A)PlBl)
: (0.15x0.q5)
:0.1425
P(c)
-
P(cB) = P(B)P(C
I
B)
: (0.1425X0.95)
'
= 0.1354
P( D) - P( A) +P( c)
-
0.85 + 0.1354
:0.9854
P( Dl : r - P( D) : 0. 0146
(puesto que los eventos D y D son complementarios)
P(C) = P(CB): P(B)P(ClB)
: (0.1425X0.05)
-
0.007125
Para comprobar el resultado se observa que
P(D): P(El + P(c)
0.0146
:0.0075
+ 0.0071
Problemas
l'l. De una caja que contiene 20 canicas, la mitad de las cuales son blancas y la otra,
sacan cuatro al az r.
Cul
es la probabilidad de obtener (a) todas del mismo color; (b) todas
(c) todas negras si se regresa a la caja cada canica antes de sacar otra?
.l' 2. Al repartir una baraja de 52 naipes a cuatrojugadores,
qu
probabilidad hay de que
ellos obtenga 13 cartas de un mismo palo?
5-3. Si se elimina al azar la cuarta parte de los concursantes de un baile despus de cada
cul
es la probabilidad matemtica de bailar 5 veces consecutivas?
5-4. Si sc tira dos veces un dado no cargado. Obtenga la probabilidad de que caiga un 3 por
nosunavez, l apr obabi l i daddcquecai ga3, 45 enl apr i mer at i r ada, y 1, 2, 36enl a
5-5. En una sala de clase se requier sentar a 7 estudiantes (varones) y 6 mujeres en una sola fila,
que lasjvenes ocupn los lugares pares.
Cuntas
ordcnacioncs son posibles?
5-6. Enlossistemasdeapuestasparaelftbolexistentcsenlnglaterraserequierepredecirel
l4partidos, en cada uno de los cuales hay tres resultados posibles (que ganp el local, que gan el
o que empaten).
Cuntas
selecciones se tendrn quc hacer a fin de estar seguro de haber
sultado correcto?
5-7. Un sistema est formado por dos componentes, A y B. Si la probabilidad de que I fa
y la de que I fracase es 0.8,
qu
probabilidad hay de que a) el sistema siga funcionando bien;
bos componentes fallen; c) falle cualquiera de ellos?
-\-/--
aeroplano
est dada por
PROBLEMAS
lg. Dos mquinas presentan dos componentes,{ y.8 dispuestos en sistemas que se observan en
"-f i guras
5-15 y 5-16. Las conf i abi l i dades de que ambos component es t rabaj en correct ament e son
i y"O.A,
rapectiYa-m.enje. Suponiendo que I y I funcionen de manera independiente entre s, deter-
la conliabilidad de cada sistema si,
a. Ambos
component es deben f unci onar correct ament e para que el si st ema I t ambi n l o haga (ver
f i gura
5-15).
Sisrcma I
/-\ /A
Fi g. 5- / , 5
b. Los componentes estn conectados en paral el o de manera que, si cual qui er enl ace A-B funci ona
correctamente, el si stema 2 tambi n l o har (ver fi gura 5-16).
Fis. 5-16
5-9. La probabilidad de que funcione un sistema de propulsin para proyectiles es 0.90, en tanto
la de su sistema de direccin es 0.80.
Cul
es la probabilidad de que una misin se lleve a cabo
manera exitosa?
5.10. La posibilidad de que se caiga un puente ya viejo es 0.002. Un nuevo puente costara $50 000
Si las prdidas por la cada del puente fueran de $5 millones, determine si sera conve-
construir uno nuevo.
lll. Un sistema consta de componentes A y B, y funciona 0.06 de las veces. La experiencia ha
que el componente ,{ falla 0.14 de las veces, en tanto que el B lo hace 0.24 de las mismas.
si los componentes / y B operan de manera independiente entre sl.
5-12. Se t i ra un dado cargado. Los val ores obt eni dos con l son, l , 2, 3, 4, 5 y 6, cuyas probabi l i da-
sjon
*" {, t,r!, p, y
{,
respectivamente. a) Calcule el valorp. b) Obtenga la probabilidqd(2 < < 5).
Determine la funcin de distribucin acumulativa.
5-13.. Una mquina produce diariamente O, 1,2 3 articulos defectuosos, con probabilidades de
t'!' respectivamente. Calcule el valor medio y la variancia de los artculos defectuosos pro-
5'14.
Una distribucin de probabilidad que corresponde al nmero de remaches defectuosos de
79
80 PROBABI LI DAD, DI STRI BUCI ONESPROBABI LI STI CASYEXPECTATI VA
. pr obabi l i dad ( x :
4: ' z+
par a c : O, 1, 2, 3, . . .
Cal cul e l a probabi l i dad de que l a cant i dad de remaches def ect uosos sea menor que 3 o i gual
a
val or. (Observe que 0! :
l . )
5-15. Ci ert a vl vul a t i ene una duraci n (en horas) con una densi dad de probabi l i dad p(x) =
donde x> 600, y p(x): 0, donde <600. Obt enga una expresi n para l a f unci n de di st ri buci r
mul at i va de l a duraci n de di cha pi eza. Cal cul e. l a probabi l i dad de que una vl vul a dure por l o
1 000 h, y determine la media de la duracin dei elemento en horas.
optulo
6
uestrcs:
xcrctitud
laMedia
En el captulo anterior interrumpimos nuestras consideraciones acerca de las distribu-
no obstante, era necesario exponer los conceptos tratados ah, pues resultan muy
ios para la realizacin de los clculos que habrn de seguir.
MUESTREO
Ahora eEtudiaremos de manera ms completa algunas de las propiedades de las
ras. Se recurre al muestreo, porque taravez es posible someter a prueba a la pobla-
total, especialmente si se emplean pruebas en las que se destruye el objeto de estudio,
pruebas que requieran elevados costos o mucho esfuerzo, Sin embargo, la muestra debe
representativa de la poblacin a partir de la que se obtiene y, por tanto, se debe extraer
manera aleatoria, lo que significa qu cada elemento o miembro de la poblacin tiene la
oportunidad de salir en cada ehsayo.' La forma como esto se lleva a cabo en la
depende del problema de que se trate; no obstante, es conveniente no olvidar
nca que se requiere de un factor de aleatoriedad.
' La expresi n "en cada ensayo" evi ta el empl eo de mtodos como l a sel ecci n al azar de un nombre en una
y posteri ormente
tomar cada nombre que ocupe el dci mo l ugar en l a mi sma,
EI