UNIDAD I

ESTADISTICA DESCRIPTIVA
La estadstica estudia los mtodos cientficos para recoger, organizar, resumir y analizar
datos, as como para sacar conclusiones vlidas y tomar decisiones razonables basadas
en tal anlisis; Se divide la estadstica en:
Estadstica descriptiva o deductiva
Estadstica inferencial o inductiva.
ESTADISTICA DESCRIPTIVA O DEDUCTIVA: La parte de la estadstica que solo se
ocupa de describir y analizar un grupo dado, sin sacar conclusiones sobre un grupo
mayor, se llama estadstica descriptiva o deductiva.

ESTADISTICA INFERENCIAL O INDUCTIVA: Es aquella que a partir de una muestra

representativa de la poblacin se dan conclusiones sobre la poblacin a partir del anlisis
de la muestra.
Con ayuda de la estadstica en general se puede organizar y procesar la informacin
utilizando tablas grficas, el clculo de medidas de tendencia (media, mediana, moda),
medidas de dispersin como percentiles deciles y cuartiles; Y el clculo de medidas de
dispersin (rango, varianza, desviacin estndar, coeficiente de variacin, coeficiente de
simetra y coeficiente de curtosis).
Antes de entrar de lleno al estudio de la estadstica definamos algunos conceptos para su
interpretacin a lo largo de la unidad.
Variables: discretas y continuas
Discretas: variable que puede tomar valores que no estn entre valores ya dados.
Continuas: variable que puede tomar cualquier valor entre dos valores dados.
Poblacin: grupo entero a examinar puede ser finito o infinito
Muestra: parte de la poblacin a examinar.

Organizacin y representacin de informacin estadstica mediante tablas y

grficos para datos no agrupados y agrupados.
Datos agrupados:
1. Su fin es resumir la informacin
2. Generalmente los elementos son de mayor tamao, por lo cual requieren ser
agrupados esto implica: ordenar, clasificar y expresarlos en una tabla de
frecuencias.
3. Se agrupan datos si se cuentan con muchos elementos y tambin si son
repetitivos, se debe verificar que los datos sean clasificables y que dicha
clasificacin tenga coherencia y lgica, al final se representa por medio de una
tabla de frecuencias
4. La agrupacin de los datos puede ser simple o mediante intervalos de clase.
Datos no agrupados
1.
2.
3.
4.

Los datos son brutos, es decir no se presentan clasificados.

Tiene pocos elementos
No es repetitiva
Se ordenan no se agrupan.

Tabla de frecuencias o distribucin de frecuencias

Al resumir grandes colecciones de datos, es til distribuirlos en clases o categoras, y
determinar el nmero de individuos que pertenecen a cada clase, llamado frecuencia de
clase. Una tabla que contiene los datos por clase junto con sus respectivas frecuencias de
clase se le denomina tabla de frecuencias
Para formar la tabla de frecuencias se deben seguir los siguientes pasos:
1. PASO Calculo de rango denotado por R.
Formula R= Dato mayor Dato menor
Donde dato mayor es el elemento ms grande de la muestra.
Donde dato menor es el elemento ms pequeo de la muestra.
2. PASO Determinar el nmero de grupos denotada por K.
Formula K=
Donde n= Nmero total de datos.
El valor de K se redondea al valor ms cercano segn la naturaleza de los
datos.
K
K
K
K

= 5.2275
= 9.873
=
7.5

= 6.45

5
10
8
6

3. PASO Se calcula la amplitud denotada por C

Formula C= R/K
El valor de la amplitud se pasa al valor siguiente y debe estar de acuerdo a
la naturaleza de los datos
C = 5.0082
C = 1.3120
C = 0.8203

6 ENTEROS
1.313 MILESIMAS
0.83 CENTESIMAS

4. PASO Se forman los intervalos de clase en forma de columna empezando por

escribir el dato menor; Debajo se escribir el resultado R1 donde R1
=
dato
menor + C (la amplitud) y despus se repite el proceso pero ahora con R1
sumndole la amplitud; as sucesivamente hasta formar el mismo nmero de
grupos que ya se calcul en el 2 paso.
Los intervalos de clase se clasifican en LCI Y LCS escritos en dos columnas.
Donde LCI es Limite de Clase Inferior y
Donde LCS es Limite de Clase Superior
5. PASO Una vez se tengan los I.C. (intervalos de clase) se debe calcular sus
respectivas frecuencias para cada I.C. formada, para ello se debe hacer un conteo
y acomodar cada elemento de la muestra en un nico I.C.
NOTA: No se puede tener un mismo elemento en dos distintos I.C.
EJEMPLO 1
Las 40 cantidades siguientes son las tarifas que se cobraran en dlares por entregar
bultos el jueves pasado:
4.03
3.56
2.10
6.04
5.62
3.16
2.93
3.82
a)
b)
c)
d)

4.30
3.86
4.57
3.59
4.57
5.16
2.88
5.02

5.46
3.87
6.84
4.91
3.62
3.62
3.80
3.70

4.15
4.07
3.77
5.77
7.86
4.63
4.81
2.86

Obtener la distribucin de frecuencia ( f )

Obtener la distribucin de frecuencia acumulada
Obtener la distribucin de frecuencia relativa ( fr )
Obtener la distribucin de frecuencia relativa acumulada

5.02
5.24
4.02
5.44
4.65
3.89
4.00
2.90

(F)
( Fr )

SOLUCION
R = 7.86 2.10 = 5.76
K=
=
= 6.3245 6
C = 5.76 / 6 = 0.96 0.97
GRUPOS E
INTERVALOS DE
CLASE
1) 2.10 -- 3.06
2) 3.07 -- 4-03
3) 4.04 -- 5.00
4) 5.01 -- 5.97
5) 5.98 -- 6.94
6) 6.95 -- 7.91
LCI
LCS

CONTEO

fr

Fr

IIIII
IIIII
IIIII
IIIII
IIIII IIII
IIIII III

5
15

5
20

5/40=0.125 0.125
15/40=0.375
0.5

9
8

29
37

9/40=0.225
8/40=0.2

0.725
0.925

II
I

2
1
40

39
40

2/40=0.05
1/40=0.025
1

0.975
1

LCI = Limite de Clase

Inferior
LCS = Limite de Clase
Superior

f: frecuencia (nmero de elementos que estn dentro de ese intervalo)

F: frecuencia acumulada (sumas sucesivas descendentes de la frecuencia)
fr: frecuencia relativa (la divisin de cada frecuencia entre N; donde N es el total de datos)
Fr: frecuencia relativa acumulada (sumas sucesivas descendentes de la frecuencia
relativa)
EJEMPLO 2
Los siguientes datos representan las tazas de octanaje de combustible de motor de varias
mezclas de gasolina:
88.5
94.2
93.2
96.1
88.9

90.4
90.6
87.7
87.8
91.0

93.3
91.2
89.3
90.7
83.4

89.9
90.3
91.8
89.3
89.7

GRUPOS DE
INTERVALOS DE
CLASE
1) 83.4 -- 85.9
2) 86.0 -- 88.5
3) 88.6 -- 91.1
4) 91.2 -- 93.7
5) 93.8 -- 96.3

86.7
88.3
93.4
92.3
94.4

90.3
87.5
87.6
88.5
90.4

CONTEO

I
IIIII III
IIIII IIIII
II
IIIII I
III

R = 96.1 83.4 = 12.7

K=
=
= 5.47 5
C = R/K = 12.7 / 5 = 2.54 2.6

1
8
12

1
9
21

6
3
30

27
30

fr

Fr

0.033 0.333
0.266
0.3
0.4
0.7
0.2
0.1
1

0.9
1

Las tablas de frecuencias se usan para elaborar grficos lineales como el histograma, el
polgono y la ojiva.
Histograma: consiste en un conjunto de rectngulos con (a) bases en el eje x horizontal,
centros en las marcas de clase y longitudes iguales a los tamaos de los intervalos de
clase y (b) reas proporcionales a las frecuencias de clase.
Donde X= marca de clase (punto medio del intervalo de clase; Se obtiene promediando el
LCI y LCS)

Polgono: es una grfica de lnea de las frecuencias de clase, dibujada con respecto a la
marca de clase, puede obtenerse uniendo los puntos medios de las partes superiores de
los rectngulos del histograma.

Ojiva: Es la distribucin de frecuencias acumuladas, es decir, que en ella se permite ver

cuntas observaciones se encuentran por encima o debajo de ciertos valores, en lugar de
solo exhibir los nmeros asignados a cada intervalo.
Existen dos tipos de ojivas;
mayor que y
menor que

Para construir la ojiva se necesita de frecuencia acumulada en el eje Y e IRC en el eje

X
Donde IRC= intervalos reales de clase; se calculan al restar a cada elemento en la
columna de LCI el grado de aproximacin y se le suma a cada elemento en la columna de
LCS el grado de aproximacin.
El grado de aproximacin () se obtiene de la resta del LCS de un Intervalo de Confianza
y LCI del siguiente Intervalo de Clases por ltimo el resultado de la resta se divide entre
dos;
= LCS-LCI siguiente/2
En el caso de la ojiva mayor que se utiliza IRC en el eje X y se utiliza la frecuencia
acumulada mayor (F) en el eje Y; la frecuencia acumulada mayor se obtiene al restar a
N la frecuencia en cada IC, cabe mencionar que el resultado es acumulativo. Donde N=
total de elementos.

EJEMPLO 3
Sea X el tiempo en minutos que debe esperar un vehculo para cruzar una intercepcin
transitada que cuenta con semforos. Los datos siguientes se obtienen de una muestra
aleatoria de 36 vehculos.
0.2
1.5
2.3
4.0
0.5

1.5
2.5
4.1
0.7
1.6

2.6
4.5
1.1
1.6
2.9

5.1
1.2
1.7
2.8
5.8

1.2
1.9
3.0
1.4
1.3

2.0
3.1
1.4
2.1
3.0

1.4
2.1
3.7
1.4
2.2

3.7
R = 5.8 0.2 = 5.6
K=
=6
C = 5.6/ 6 = 0.93 1

a) Determinar la distribucin de frecuencia

b) Construir histograma y polgono de frecuencia
c) Construir ojiva
GRUPOS DE
INTERVALOS DE
CLASE
1) O.2 -- 1.1
2) 1.2 -- 2.1
3)
4)
5)
6)

2.2
3.2
4.2
5.2
(-)

-----

3.1
4.1
5.1
6.1
(+)

CONTEO

INTERVALOS
REALES

IIII
IIIII IIIII IIIII
I
IIIII IIII
IIII
II
I

4
16

4
20

0.15 -- 1.15
1.15 -- 2.15

9
4
2
1
36

29
33
35
36

2.15
3.15
4.15
5.15
LRI

-----

3.15
4.15
5.15
6.15
LRS

LRI = limite real

Inferior
LRS = limite real
superior

0.1/2 = 0.05

MEDIDAS DE TENDENCIA CENTRAL: MEDIA, MEDIANA, MODA.

Un promedio es un valor tpico o representativo de un conjunto de datos; Como tales
valores suelen situarse hacia el centro del conjunto de datos ordenados por magnitud, los
promedios se conocen como medidas de tendencia central.
Se definen varios tipos siendo los ms comunes la media, mediana y moda.
Ahora se explicara cada medida de tendencia central en los dos casos posibles que son
para:
Datos no agrupados y
Datos agrupados
MEDIDAS DE TENDENCIA CENTRAL PARA DATOS NO AGRUPADOS
MEDIA

Es el promedio aritmtico de un conjunto de datos y se calcula como la

sumatoria de los datos entre el nmero de datos.
Smbolo

Formula
n = total de datos
x= datos de la muestra
MEDIANA

Es el valor que se encuentra en el centro de un conjunto de nmeros

acomodados si tenemos datos impares o el promedio de los dos valores
centrales si tenemos datos pares.

Smbolo
MODA

Es el dato que ms se repite, si dos valores se repiten con la misma

frecuencia se dice que la distribucin es bimodal si tres valores se repiten
con la misma frecuencia es trimodal, etc.
Smbolo

EJEMPLO 4
Seis temperaturas mximas en una ciudad de florida fueron 22, 20, 24, 21, 26 y 22 en
grados Celsius
A) Calcular media
B) Calcular mediana
C) Calcular moda
SOLUCION
A) Media

B) Mediana
Primero se ordenan y despus se busca el elemento que est en el centro de los
elementos, en este caso se tienen dos elementos en el centro, por lo tanto se realiza un
promedio de los dos nmeros como a continuacin se puede apreciar:
20, 21, 22, 22, 24, 26
22+22/2=22
Por lo tanto la mediana es 22
C) Moda
El nmero 22 se repite 2 veces por lo tanto tiene moda bimodal

MEDIDAS DE TENDENCIA CENTRAL PARA DATOS AGRUPADOS

MEDIA

Se calcula como la sumatoria de los datos por la frecuencia, entre el

total de datos.
Smbolo

Formula
n = total de datos
x= datos de la muestra
f= frecuencia
MEDIANA
Smbolo
Formula
LQ= n/2
n= total de datos
LRI= limite real inferior con respecto a LQ
F anterior= frecuencia acumulada anterior, con respecto a LQ
f= frecuencia con respecto a LQ
C= amplitud

MODA
Smbolo
Formula

LRI= limite real inferior con respecto a f

C= amplitud
d1= f -f anterior
d2= f -f posterior
f = frecuencia de la moda (frecuencia del que ms se repite)

10

EJEMPLO 5
El primer da de clases del semestre pasado se pregunt a 50 estudiantes de ingeniera
acerca del tiempo requerido para desplazarse de su casa a la divisin de ciencias bsicas
(redondeando a 5 minutos). Los datos restantes fueron los siguientes:
20
35
25
15
5

20
25
30
20
20

30
15
15
20
20

25
25
20
20
10

20
25
45
20
5

25
40
25
25
20

30
25
35
20
30

15
30
25
20
10

10
5
10
15
25

40
25
10
20
15

A) Hacer tabla de frecuencias

B) Calcular media
C) Calcular mediana
D) Calcular moda
a)
R= 45-5=40
K=
=
C= R/K = 40/7=5,71 6
I.C.
5-10
11-16
17-22
23-28
29-34
35-40
41-46

f
8
6
14
12
5
4
1
50

x
7.5
13.5
19.5
25.5
31.5
37.5
43.5

fx
60
81
273
306
157.5
150
43.5
1071

F
8
14
28
40
45
49
50

b)

c)

11

d)

d1= f
d2= f

-f anterior= 14 - 6= 8
-f posterior= 14 - 12= 2

MEDIDAS DE POSICION: PERCENTILES, DECILES Y CUARTILES.

Si un conjunto de datos esta ordenado por magnitud, el valor central (o la media de los
dos centrales) que divide al conjunto en dos mitades iguales, es la mediana. Extendiendo
esa idea podemos pensar en aquellos valores que dividen al conjunto en cuatro partes
iguales. Esos valores denotados Q1, Q2 Y Q3, se llaman primer, segundo y tercer
cuartiles, respectivamente. El Q2 coincide con la mediana.
Anlogamente los valores que dividen a los datos en 10 partes iguales se llaman deciles,
y se denotan D1, D2, ., D9, mientras que ls valores que los dividen en 100 partes
iguales se llaman percentiles, denotados por P1, P2, P3, ..., P99. El 5 decil y el 50
percentil coinciden con la mediana.
Los 25 y 75 percentiles coinciden con el primer y tercer cuartiles.
Se pueden calcular las medidas de posicin para datos agrupados y no agrupados
como se muestra a continuacin:

12

MEDIDAS DE POSICION: PERCENTILES, DECILES Y CUARTILES PARA DATOS

AGRUPADOS.
Se tienen las siguientes frmulas para cada caso:
CUARTILES
Qx

Smbolo

Formula
LQx=
(localizacin del cuartil)
N= total de datos
LRI= limite real inferior con respecto a LQ
F anterior= frecuencia acumulada anterior, con respecto a LQ
f= frecuencia con respecto a LQx
C= amplitud
DECILES
Dx

Smbolo

Formula
LDx=
(localizacin del decil)
N= total de datos
LRI= limite real inferior con respecto a LQ
F anterior= frecuencia acumulada anterior, con respecto a LQ
f= frecuencia con respecto a LQx
C= amplitud
PERCENTILES
Px

Smbolo

Formula
LPx=
(localizacin del percentil)
N= total de datos
LRI= limite real inferior con respecto a LQ
F anterior= frecuencia acumulada anterior, con respecto a LQ
f= frecuencia con respecto a LQx
C= amplitud

13

EJEMPLO 6
Tomando los valores del enunciado del ejemplo 5 calcular:
A) El tercer cuartil.
B) El tercer decil.
C) El sexagsimo quinto percentil.

SOLUCION:
A)

B)

C)

14

MEDIDAS DE POSICION: PERCENTILES, DECILES Y CUARTILES PARA DATOS NO

AGRUPADOS.

QUARTILES
Qx

Smbolo

Si se tienen una serie de valores X1, X2, X3, ..., Xn, se localiza mediante las siguientes
frmulas:

- El primer cuartil:

donde n= total de datos

Cuando n es par:

Cuando n es impar:

Para el tercer cuartil

Cuando n es par:

Cuando n es impar:

15

DECILES
Dx

Smbolo

Si se tienen una serie de valores X1, X2, X3 ... Xn, se localiza mediante las siguientes
frmulas:

Cuando n es par:

Cuando n es impar:
Donde A el nmero del decil y n= total de datos.
PERCENTILES
Px

Smbolo

Si se tienen una serie de valores X1, X2, X3, ..., Xn, se localiza mediante las siguientes
frmulas:
Para los percentiles, cuando n es par:

Cuando n es impar:

Donde A, el nmero del percentil y n= total de datos.

16

EJEMPLO 7
El dimetro intermedio de las lavadoras producidas por una empresa se mide con
exactitud de milsimas de pulgada

0.321
1

0.324
2

0.327
3

0.330
4

0.333
5

0.336
6

Quartil-1

= 1.5
1.5 + 0.5 = 2
1.5 - 0.5 = 1

Quartil-3

4.5 + 0.5 = 5
4.5 - 0.5 = 4

Decil-1

Percentil-15

0.9 + 0.5 = 1.4

0.9 - 0.5 = 0.4

Percentil-63

3.78 + 0.5 = 4.28

3.78 - 0.5 = 3.28

0.6 + 0.5 = 1.1

0.6 - 0.5 = 0.1

Decil-9

5.4 + 0.5 = 5.9

5.4 - 0.5 = 4.9

17

MEDIDAS DE DISPERSION
La dispersin o variacin de los datos intenta dar una idea de cuan esparcidos se
encuentran estos; Hay varias medidas de tal dispersin, siendo las ms comunes el
rango, la desviacin media, el rango cuartilico, rango percentilico, varianza, desviacin
estndar, coeficiente de variacin.
Se pueden calcular las medidas de dispersin para datos agrupados y no agrupados
como se muestra a continuacin:
MEDIDAS DE DISPERSION PARA DATOS AGRUPADOS
1) Rango = Dato mayor Dato menor.
El rango de un conjunto de nmeros es la diferencia entre el mayor y el menor de todos
ellos.
EJEMPLO 8
I.C.
5-10
11-16
17-22
23-28
29-34
35-40
41-46

El dato mayor es 46 y el dato menor es 5, por lo tanto tiene un rango

R= 46 5 = 41

2) Rango Cuartilico =

EJEMPLO 9
Partiendo de los datos del ejemplo 5, Calculamos entonces

Calculamos entonces

18

Calculamos entonces

Por lo tanto el

3) Rango Percentilico =

EJEMPLO 10
Partiendo de los datos del ejemplo 5, Calculamos entonces

Calculamos entonces

Calculamos entonces

Por lo tanto

= 34.5 8.25 = 26.25

4) Desviacin media
La desviacin media o desviacin promedio, de un conjunto de N nmeros, es abreviada
por DM.
Donde el resultado de la operacin

nos da un valor absoluto.

19

5) Varianza

La varianza de un conjunto de datos se define como el resultado de la desviacin

estndar y viene dada en consecuencia por .

6) Desviacin estndar S =
La desviacin estndar de un conjunto de N nmeros, se denota por S; si N nmeros
ocurren con frecuencia, la desviacin estndar se expresa como en la ecuacin dada.

7) Coeficiente de Variacin CV =
La frmula del C.V. viene de la frmula de la dispersin relativa dada por
Dispersin relativa=
La dispersin relativa se llama el coeficiente de variacin, la desviacin estndar es S y
el promedio es por lo tanto surge la nueva ecuacin:

EJEMPLO 11
El primer da de clases del semestre pasado se pregunt a 50 estudiantes de ingeniera
acerca del tiempo requerido para desplazarse de su casa a la divisin de ciencias bsicas
(redondeando a 5 minutos). Los datos restantes fueron los siguientes:
20
35
25
15
5

20
25
30
20
20

30
15
15
20
20

25
25
20
20
10

20
25
45
20
5

25
40
25
25
20

30
25
35
20
30

15
30
25
20
10

10
5
10
15
25

40
25
10
20
15

A) Calcular desviacin media.

B) Calcular desviacin estndar.
C) Calcular varianza.
D) Calcular coeficiente de variacin.

20

I.C.
5-10
11-16
17-22
23-28
29-34
35-40
41-46

f
8
6
14
12
5
4
1
50

x
7.5
13.5
19.5
25.5
31.5
37.5
43.5

fx
60
81
273
306
157.5
150
43.5
1071

F
8
14
28
40
45
49
50

I.R.C.
4.5 - 10.5
10.5 - 16.5
16.5 - 22.5
22.5 - 28.5
28.5 - 34.5
34.5 - 40.5
40.5 - 46.5

13.92
7.92
1.92
4.08
10.08
16.08
22.08

111.36
47.52
26.88
48.96
50.40
64.32
22.08
371.52

1550.1312
376.3584
51.6096
199.7568
508.0320
1034.2656
487.5264
4207.68

a)

b)

c)

d)

21

MEDIDAS DE DISPERSION PARA DATOS NO AGRUPADOS

1) Rango = Dato mayor Dato menor.
El rango de un conjunto de nmeros es la diferencia entre el mayor y el menor de todos
ellos.
EJEMPLO 12
El rango del conjunto 2, 3, 3, 4, 4, 4, 8, 10,12 es 12 2 = 10. A veces el rango se indica
dando el par de valores extremos, as, en este ejemplo, seria 2 12.
2) Media
Donde x son los datos y n es total de datos

3) Rango Cuartilico =

4) Rango Percentilico =

5) Desviacin media
La desviacin media o desviacin promedio, de un conjunto de N nmeros, es abreviada
por DM.
Donde el resultado de la operacin
Y x son los datos
6) Varianza

nos da un valor absoluto.

La varianza de un conjunto de datos se define como el resultado de la desviacin

estndar y viene dada en consecuencia por .

7) Desviacin estndar S =
La desviacin estndar de un conjunto de N nmeros, se denota por S.

22

8) Coeficiente de Variacin CV =
La frmula del C.V. Viene de la frmula de la dispersin relativa dada por
Dispersin relativa=
La dispersin relativa se llama el coeficiente de variacin, la desviacin estndar es S y
el promedio es por lo tanto surge la nueva ecuacin:

EJEMPLO 13

Cinco temperaturas mximas en una ciudad de florida fueron 22, 20, 24, 21 y 26 en
grados Celsius.
A)
B)
C)
D)
E)

Calcular media
Desviacin media
Varianza
Desviacin estndar
Coeficiente de variacin

a)
Media

b)
Desviacin media
x
22
20
24
21
26

0.6
2.6
1.4
1.6
3.4
9.6

23

c)
Varianza
x
22
20
24
21
26

0.6
2.6
1.4
1.6
3.4
9.6

0.36
6.76
1.96
2.56
11.56
23.20

d)
Desviacin estndar

e)
Coeficiente de variacin

MOMENTOS SESGOS Y CURTOSIS

MOMENTOS
Los momentos son una forma de generalizar toda la teora relativa a los parmetros
estadsticos y guardan relacin con una buena parte de ellos.
Dada una distribucin de datos estadsticos x1, x2,..., xn, se define el momento central o
momento centrado de orden k como

24

Sesgos o coeficiente de asimetra.

Se conoce como sesgo al grado de asimetra de una distribucin, es decir, cuando se
aparta de la simetra. Si la curva de frecuencias (polgono de frecuencia suavizado) de
una distribucin tiene a la derecha una cola mas larga que a la izquierda, se dice sesgada
a la derecha o de sesgo positivo. En caso contrario, sesgada a la izquierda, o de sesgo
negativo. Si es igual se dice que es simtrica.

Donde
Para datos no agrupados.

Para datos agrupados.

25

CURTOSIS
Mide cuan puntiaguda es una distribucion, en general por rederencia a la a normal. Si
tiene un pico alto , como en la figura A.1 Se dice leptocurtica, mientras si es aplastada,
como la de la figura A.2 se dice platocurtica. La distribucion normal, mostrada en la
figura A.3 que nop es muy puntiatguda ni muy aplastada, se llama mesocurtica

Donde

se calcula mediante

Para datos no agrupados.

Para datos agrupados.

26

EJERCICIOS COMPLEMENTARIOS DE LA UNIDAD 1

EJEMPLO 14
La siguiente informacin representa la duracin (en miles de ciclos) de perfiles
rectangulares
a)
b)
c)
d)

750
950

Construir histograma, polgono de frecuencias

Construir ojiva
Calcular los 4 cuartiles en forma grfica y en forma analtica
Calcular el decil-3, decil-9, percentil-10 y percentil-90

I de C
-- 949
-- 1149

F
8
1
7
1
9
1
9
1
1
1
7
3

1150 -- 1349
1350 -- 1549
1550 -- 1749
1750 -- 1949
1950 -- 2149

F
8
2
5
4
4
6
3
7
4
9
1
9
4

Intervalos Reales
749.5 -- 949.5
949.5 -- 1149.5
1149.5 -- 1349.5
1349.5 -- 1549.5
1549.5 -- 1749.5
1749.5 -- 1949.5
1949.5 -- 2149.5

C= 950-750= 200
Grado de aproximacin=1

/ 2 = 0.5

OJIVA
100
80
60
40
20

27

= Localizacin de cuartil-x

Quartil-2

Quartil-3

Quartil-4

Decil-3

Decil-9

Percentil-10
INTERPOLACIN

949.5 -- 8
-- 23.5
1149.5 -- 25

Percentil-90

28

EJEMPLO 15
La siguiente tabla muestra los salarios de 70 empleados

I de C
250.00 -- 259.99
260.00 -- 269.99
270.00 -- 279.99
280.00 -- 289.99
290.00 -- 299.99
300.00 -- 309.99
310.00 -- 319.99
320.00 -- 329.99

f
8
10
16
15
10
5
3
3

F
8
18
34 Calcular
49
59
64
67
70

Grado de aproximacin=.01 / 2 = 0.005

Quartil-1

Quartil-3

Decil-2

Decil-7

Percentil-2

Percentil-98

29

EJEMPLO 16
En el torneo internacional de ajedrez de grandes maestros, participaron 10 reconocidos
maestros. La siguiente es una lista de la duracin (de numero de movimientos) de los 9
participantes que se disputaron 41 42 47 30 32 66 46 18 32.
Calcular
18
0

30
1

32
2

32
3

41
4

42
5

46
6

47
7

77
8

Quartil-1
= 2.25

Decil-9

2.25 + 0.5 = 2.75

2.25 - 0.5 = 1.75
8.1 + 0.5 = 8.6
8.1 - 0.5 = 7.6
Quartil-3
Percentil-16
6.75 + 0.5 = 7.25
6.75 - 0.5 = 6.25
1.44 + 0.5 = 1.94
1.44 - 0.5 = 0.94
Decil-2
Percentil-92
1.8 + 0.5 = 2.3
1.8 - 0.5 = 1.3
8.28 + 0.5 = 8.78
8.28 - 0.5 = 7.78

30

EJEMPLO 17
Los datos siguientes representan las calificaciones finales que obtuvieron en matemticas
8 alumnos de una universidad.
84
62

79
65

65
67

78
78

78
78

62
79

80
80

67
89

EJEMPLO 18
Los siguientes datos representan las distancias en millas que recorren 9 estudiantes de su
casa a la universidad 15.7 6.2 4.8 3.2 4.4 3.9 1.1 4.4 4.8
Calcular media, mediana, moda y determinar qu tipo de sesgo hay.
1.1

3.2

3.9

4.4

4.4

4.8

4.8

6.2

15.7

31

EJEMPLO 19
En los siguientes datos representa los pesos dados a la libra ms cercana de 5
estudiantes.
138

146

1668

146

161

138

146

146

161

168

R = dato mayor dato menor = 168

138 = 30
=

4.5 + 0.5 = 5
4.5 - 0.5 = 4

= 162.75 144 = 18.5

Quartil-1

X
138
146
168
146
161
759

= 1.25
1.25 + 0.5 = 1.75
1.25 - 0.5 = 0.75

190.44
33.64
262.44
33.64
84.64
604.8

Quartil-3

3.75 + 0.5 = 4.75

3.75 - 0.5 = 3.25

= 168 138 = 30

Percentil-10

0.5 + 0.5 = 1
0.5 - 0.5 = 0

S=

= 12.2963

CV =

-2628.072
-195.112
4251.28
-195.112
778.688
2011.672

36267.3436
1131.6496
68874.7535
1131.6469
7163.9296
114569.376

Percentil-90

32

DISTRIBUCION ASIMETRICA CON SESGO POSITIVO

DISTRIBUCION PLATOCURTICA

EJEMPLO 20

El nmero de accidentes que ocurren durante un periodo de 7 das es

0 2 2 6 7 8 9
Calcular todas las medidas de dispersin.
Rango = 8 0 = 8
Rango Cuartilico
=
- = 7.75 2 = 5.75

Rango Percentilico
=
= 8.8 0.4 = 8.4
Percentil-10

Quartil-1
= 1.75

0.7 + 0.5 = 1.2

0.7 - 0.5 = 0.2

1.75 + 0.5 = 2.25

1.75 - 0.5 = 1.25
Percentil-90
Quartil-3
6.3 + 0.5 = 6.8
6.3 - 0.5 = 5.8
5.25 + 0.5 = 5.75
5.25 - 0.5 = 4.75

33

Varianza

Coeficiente de Curtosis
X
0
2
2
6
7
8
9
34

S=

23.5914
8.1630
8.1630
1.3062
4.5920
9.8778
17.1636
72.8570

DISTRIBUCION PLATOCURTICA

= 3.4847

Coeficiente de variacin
CV =
Coeficiente de simetra
-114.5859
-23.3226
-23.3226
1.4929
9.8402
31.0.450
71.1072
-47.7458

556.5551
66.6349
66.6349
1.7062
21.0867
97.5713
294.5898
1,104.779

DISTRIBUCION
ASIMETRICA
SESGO NEGATIVO

CON

34

EJEMPLO 21
Ingenieros civiles ayudan a que las plantas municipales de tratamientos de aguas
residuales funcionen de manera ms eficiente, al recolectar datos acerca de la
calidad de las aguas residuales. En 7 ocasiones las cantidades de salidas
suspendidas (partes por milln) en una planta fueron
X
14
12
21
28
30
65
26
196

S=

196
256
48
0
4
1369
4
1878

-2744
-4096
-343
0
8
50653
-8
43470

38416
65536
2401
0
16
1874161
16
1980546

= 17.6918

Coeficiente de variacin
CV =
Coeficiente de simetra

DISTRIBUCION ASIMETRICA CON SESGO POSITIVO

35

DISTRIBUCION LEPTOCURTICA
EJEMPLO 22
La siguiente informacin representa la duracin en miles de ciclos de perfiles
rectangulares.
a) Construir Histograma y Polgono de Frecuencia
b) Construir Ojiva
c) Partir cuatro cuartiles en forma grfica y analtica
d) Calcular el decil-3, decil-9, percentil-16

C=200
Grado de aprox.=1
n= 94

Int. de Clase

750 - 949
950 - 1149
1150 - 1349
1350 - 1549
1550 - 1749
1750 - 1949
1950 - 2149

8
17
23
15
11
17
3

Intervalos
Reales
749.5 - 949.5
949.5 - 1149.5
1149.5 - 1349.5
1349.5 - 1549.5
1549.5 - 1749.5
1749.5 - 1949.5
1949.5 - 2149.5

F
8
25
48
63
74
91
94

36

Ojiva
100

100%

90
80

75%

70

60
50

50%

40

Ojiva

30
25%

20
10
0
749.5

949.5 1149.5 1349.5 1549.5 1749.5 1949.5 2149.5 2349.5

I.R

1. Cuartiles forma analtica

LQx = Localizacin Cuartil x

1131.8529

2. Calcular decil-3 y 9 as como percentil-16

LDx = Localizacin Decil x

= 28.2

37

=
=

1974.2059

= 84.6
LPx = Localizacin Percentil x

= 15.04
=1032.3235

38

EJEMPLO 23

Una agencia publicitaria est evaluando diferentes medios de promocin para

cada uno de sus clientes, para uno de sus clientes que es fabricante de productos
de aseo destinado a los ancianos. Realiza una carrera de automviles, en seguida
se da la distribucin de edades del pblico que asisti a la carrera. Calcular Q 1,
Q3, D5, D9, P1, y P9.
c=6
n=390
Grado de aprox.

Edades

15 - 20
21 - 26
27 - 32
33 - 38
39 - 44
45 - 50
51 - 56
57 - 62
63 - 68

5
20
24
30
46
88
103
44
30
390

Intervalos
Reales
14.5 - 20.5
20.5 - 26.5
26.5 - 32.5
32.5 - 38.5
38.5 - 44.5
44.5 - 50.5
50.5 - 56.5
56.5 - 62.5
62.5 - 68.5

F
8
25
49
79
125
213
316
360
390

=1

= 351
= 61.27
= 97.5
= 40.91

= 3.9
= 19.18

= 292.5
= 55.13

= 261.3
=

= 195

53.3136
= 49.27

39

EJEMPLO 24
1. El peso en kg de los campeones intramuros es: 56.6, 137.4, 73.9, 82, 86.1,
97.5 y 79.3. Calcular Q1, Q3, D2, D8, P15 y P83
= 1.75

75.25

2.25
1.125
= 5.25

94.65

5.75
4.75
= 1.4

72.17

1.9
0.9
= 5.6

101.49

6.1
5.1
= 1.05

66.115

1.55
0.55
= 5.81

109.869

6.31
5.31

40

EJEMPLO 25
El nmero de aviones extranjeros al nuevo aeropuerto de cd. De Guanajuato. En 7
das seleccionados al azar fueron 8, 3, 9, 5, 6, 8, 5, calcular madia, moda,
mediana
3, 5, 5, 6, 8, 8, 9

EJEMPLO 26
La siguiente tabla muestra la distribucin de la edad de 100 ancianos, calcular las
medidas de tendencia central
aos
60 62
63 65
66- 68
69 71
72 74
= 0.5

f
5
18
42
27
8
100

Frecuencia de la moda

F
5
23
65
92
100

x
61
64
67
70
73

d1 = 42-18 = 24

fx
305
1152
2814
1890
584
6745

d2 = 42- 27 =15

16, 16, 16, 16, 9, 9, 9, 9, 9, 9, 37, 37,

41

EJEMPLO 27
Un psiclogo deportivo reuni datos de un grupo de corredores formando la
siguiente distribucin, calcular la media, mediana y moda.
C=0.40

MILLAS POR DA

INTERVALOS
1.60-1.39
1.40-1.79
1.80-2.19
2.20-2.59
2.60-2.99
3.00-3.39
3.40-3.79
3.80-4.19
4.20-4.59
4.60-4.99
5.00-5.39

f
32
43
81
122
131
130
111
95
82
47
53
927

x
1.195
1.595
1.995
2.345
2.795
3.195
3.595
3.995
4.395
4.795
5.195

fx
38.24
68.585
161.595
292.19
366.145
415.35
399.045
379.525
366.39
225.365
275.335
2987.765

F
32
75
156
278
409
539
650
745
827
874
927

d1= diferencia uno

d1= f f ant

d2= = f

f = frecuencia de moda
f ant= frecuencia anterior
f post= frecuencia posterior

42

EJEMPLO 28
Es una oficina de un diario se registr el tiempo en que tardaron en imprimir la
primera plana durante 50 das. Obtenindose la siguiente distribucin.
Int. de clase
1.90-20.1
20.2-21.3
21.4-22.3
22.6-23.7
23.8-24.9
25.0-26.1
26.2-27.3

f
7
11
7
10
11
3
1
50

d1=11-7=4

d1=11-10

d2=11-7=4

d2=11-3=8

LRI= 20.2-0.05=20.15

x
19.55
20.75
21.95
23.15
24.35
25.55
26.75

fx
136.86
228.25
153.65
231.5
267.85
76.65
26.75
1121.51

F
7
18
25
35
46
49
50

23.8-0.05-23.75

43

EJEMPLO 29
La sig. Distribucin representa la edad de 100 ancianos que vara entre 60 y 74
aos.
I.C.
60-62
63-65
66-68
69-71
72-74
n

No. Ancianos
5
18
42
27
8
100

Int. clase
60-62
63-65
66-68
69-71
72-74

f
5
18
42
27
8
100

F
5
23
65
92
100

X
61
64
67
70
73

fx
305
1152
2814
1890
584
6745

f
32.25
62.10
18.9
68.85
44.4
226.5

f
208.0125
214.245
8.505
175.5675
246.42

-1341.6866
-739.1453
-3.8273
447.6971
1367.631
-269.3311

8653.8400
2550.0511
1.7223
1141.6277
7596.3521
19943.5932

(-)
1.
2. RQ= Q3 Q1)= 69.6111-65.6428=3.9683
LQ3=

18

75

69.6111

3. Rp=P90-P10
LP90=

44

LP10=

RP=71.2778-63.3333=7.9445
4. D.M. =

5. S2=
6. S=

7. C.V. =

8.

45

EJEMPLO 30
La siguiente distribucin representa los dimetros en pulgadas
Int. clase
5.97-6.18
6.19-6.24
6.41-6.62
6.63-6.84
6.85-7.06
7.07-7.28

f
2
5
7
13
7
6
40

F
2
7
14
27
34
40

x
6.075
6.295
6.515
6.735
6.955
7.175

fx
12.15
31.475
45.605
87.555
48.685
43.05
268.52

n=40

f
0.8141
0.8736
0.2749
6.292x10-3
0.4099
1.2507
3.6289

f
0.3314
0.1326
0.0107
3.0453x10-6
0.0246
0.2733
0.7920

n=40
Rp=P90-P10
4036 C=0.22

Rp=7.1383-6.273= 0.8653

46

EXAMENES
(PRIMER EXAMEN PARCIAL UNIDAD-1)
EJEMPLO 31

TIPO A

1.- En la siguiente tabla, se muestra las observaciones del nivel de agua en metros
en una presa.
a) Calcular media, moda, percentil-18.
b) Determinar el coeficiente de simetra.
INTERVALOS
REALES
40.05-43.05
43.05-46.05
46.05-49.05
49.05-52.05
52.05-55.05

f
7
9
14
18
20

SOLUCIN.
a)
x

xf

41.55 7 290.85 7 -3005.5461

44.55 9 400.95 16 -844.4836
47.55 14 665.7 30 -51.5429
50.55 18 909.9 48
55.5458
53.55 20 1071 68 1769.4209
3338.4
-2076.6059

Media=3338.4/68=49.0941

= 52.05+

47

b)

Distribucin asimtrica sesgo negativo.

EJEMPLO 32
2.- Los contenidos de alquitrn el 6 marcas de cigarrillos son: 9.3, 7.3, 8.6, 16.1,
10.4, 12.2. Determinar el coeficiente de variacin y desviacin media.

x
9.3
7.3
8.6
16.1
10.4
12.2

1.35
3.35
2.05
5.45
0.25
1.55
14

1.8225
11.2225
4.2025
29.7025
0.0625
2.4025
49.415

EJEMPLO 33
3.- Los siguientes datos representan el tiempo que tardaron en imprimir la primera
plana en 40 das, construir polgono de frecuencia.
19.0 19.8 20.7 20.9 21.8 22.5 23.1 27.3
19.0 19.9 20.8 20.9 21.9 22.7 23.3 27.8
19.0 20.1 20.8 20.9 22.0 22.8 23.5 27.9
19.0 20.7 20.8 21.1 22.0 22.8 27.3 27.9
19.7 20.7 20.9 21.1 22.2 22.8 27.3 28.2

48

SOLUCIN.

Intervalos de clase

Intervalos reales

1)

19.0-20.5

18.95 20.55

2)

20.6-22.1

16

20.55 -22.15

3)

22.2-23.7

22.15 23.75

4)

23.8-25.3

23.75 25.35

5)

25.4-26.9

25.35 26.95

6)

27-28.5

26.95 28.55

49

EXAMEN
EJEMPLO 34

TIPO B

1.-Las cantidades siguientes son las tarifas de cobro por entrega de bultos
pequeos.
4.13 3.56 3.10

6.04 5.62 2.93 3.16

4.30 3.86 4.57

3.59 4.57 2.88 5.16

5.46 3.87 6.81

4.91 3.62 3.80 3.62

4.15 4.07 3.77

5.77 7.86 4.81 4.63

5.02 5.24 4.02

5.44 4.65 4.00 3.89

Determinar la distribucin de frecuencia y construir histograma.

SOLUCIN.

Intervalos Reales
2.875 - 3.715
3.715 - 4.555
4.555 - 5.395
5.395 - 6.235
6.235 - 7.075
7.075 - 7.915

50

EJEMPLO 35
2.-El porcentaje de algodn en una tela utilizada para elaborar camisas es: 34.2.
33.6, 37.8, 32.6, 35.4 y 35.9. Calcular el rango cuartlico y el coeficiente de
simetra.
SOLUCIN.
X
34.2

-0.3681

33.6

-2.2826

37.8

23.9707

32.6

-12.4334

35.4

0.1129

35.9

0.9508
9.9505

51

. Distribucin asimtrica positiva

EJEMPLO 36
3.- Calcular el cuartil-3, percentil-5 y la moda.
Limites

2.86-3.57

3.58-4.29

15

22

4.30-5.01

29

5.02-5.73

36

5.74-6.45

41

6.46-7.17

43

SOLUCIN.

52

EXAMEN
EJEMPLO 37

TIPO C

1. Calcular mediana, moda y coeficiente de variacin

Int. de
Clase
170-189
190-209
210-229
230-249
250-269
270-289

2
10
17
23
32
45

2
12
29
52
84
129

EJEMPLO 38
2. El tiempo que tardaron en imprimir la primera plana, fue registrada durante
5 das fue: 20.8, 19.0, 23.9, 25.1, 20.7 Calcular el coeficiente de Kurtosis y
el rango cuartilico?
19.0
0
5

20.7
1

20.8
2

23.9
3

25.1
4

53

x
20.8
19.0
23.9
25.1
20.71

(x-21.9)^4
1.4641
70.7281
16
104.8576
2.0736
=195.1234

EJEMPLO 39
3. El porcentaje de algodn en una tela utilizada para elaborar camisas
Construir ojiva
34.2
33.1
34.5
35.6

33.6
38.7
45.0
35.4

33.8
34.2
33.4
34.7

37.8
33.6
32.5
34.1

37.8
36.6
35.4
34.6

32.6
33.1
34.6
35.9

54

34.3 36.2 34.6 35.1 33.8 34.7

Int. de clase
32.5 35.0
35.1 37.6
37.7 40.2
40.3 42.8
42.9 45.4

f
19
7
3
0
1

F
19
26
29
29
30

I.R.C.
32.45 35.05
35.05 37.65
37.65 40.25
40.25 42.85
42.85 45.45

OJIVA

55

Examen
EJEMPLO 40

Tipo D

1. Los salarios obtenidos por 50 estudiantes

X 55 60 65 70 75 80
f 6 3 4 11 16 10
a) Construir Ojiva
b) Calcular mediana, decil-7, percentil-16.
a) Ojiva
Int. Reales
52.5 57.5
57.5 62.5
62.5 67.5
67.5 72.5
72.5 77.5
77.5 82.5

f
6
3
4
11
16
10

F
6
9
13
24
40
50

56

EJEMPLO 41
2. El porcentaje de algodn en una tela utilizada para elaborar camisas fue:
34.2, 33.1, 34.5, 35.6, 34.3, 45.0, calcular coeficiente de variacin y
coeficiente de simetra.

X
34.2
33.1
34.5
35.6
34.3
45.0

(x-36.1167)^3
-7.0411
-27.4525
-4.2253
-0.1379
-5.9955
701.0159
=656.1636

57

EJEMPLO 42
3. Los siguientes datos histricos de los sueldos por alumnos en dlares.
3.79
2.45
3.36
3.14
2.99

2.14
2.05
3.54
2.77
2.67

2.89
2.37
2.91
2.52
2.83

2.68
3.10
2.71
3.13
3.51

1.84
2.75
2.44
3.37
2.52

3.57
2.10
3.22
3.85
3.71

Obtener la distribucin de frecuencia relativa

Int de Clase
1.84 2.24
2.25 2.65
2.66 3.06
3.07 3.47
3.48 3.88

f
4
5
9
6
6

Fr
0.1333
0.1667
0.3
0.2
0.2

58

UNIDAD 2
FUNDAMENTOS DE LA TEORIA DE PROBABILIDAD
La probabilidad se define como evento entre espacio muestral.

Evento: Es el nmero de casos favorables.

Espacio Muestral: Es el nmero total de casos posibles.
Por ejemplo: Se lanza un dardo a una ruleta que esta girando, la cual tiene
sectores de colores, 8 de ellos son de color amarillo, 10 de rojo y 12 de blanco,
determinar la probabilidad de que el dardo caiga en un sector rojo.
Solucin:
= 10 sectores rojos
S = 30 (todos los sectores que compone la ruleta)
Entonces: P(rojo) = 10/30 = 1/3 = 0.3333 = 33.33%
AXIOMAS DE PROBABILIDAD
1) La probabilidad de un evento toma valores entre 0 y 1, cuando es igual a
cero tenemos la seguridad de que no va a ocurrir y cuando es igual a 1
tenemos las certeza de que el evento ocurrir.
0 P( E ) 1

Ejemplo:
P(azul) = 0% (el sector azul no existe en al ruleta)
Por lo tanto este evento es un 0 ya que no ocurrir en este caso.

2) La suma de probabilidades de los eventos que forman el espacio muestral

es igual a 1.

P( E) 1

59

EJEMPLO 43
Ejemplo 1 (en base al ejemplo de la ruleta):

P(E)=0.2667+0.3333+0.4= 1
EJEMPLO 44

Ejemplo 2:

Dado S {1,2,3,4,5,6}
P(1) P(2) P(3) P(4) P(5) P(6) 1

1 1 1 1 1 1
1
6 6 6 6 6 6
3) La probabilidad de que un evento no ocurra es igual a 1- (la probabilidad de
que el evento ocurra).

P( A) 1 P( A)

Nota:

= Probabilidad de A complemento.

4) La probabilidad de la unin de 2 eventos que son mutuamente

excluyentes es igual a la suma de sus probabilidades.

60

P( A B) P( A) P( B)

5) La probabilidad de la unin de 2 eventos que son colectivamente

exhaustivos es igual a la suma de sus probabilidades menos la probabilidad
de que ocurran ambos.

P( A B) P( A) P( B) P( A B)
{1,2} {2 ,3} {2 }

De 3 eventos seria de la sig. manera:

P( A B C) P( A) P( B) P(C ) P( A B) P( A C ) P( B C ) P( A B C)
{1,2 ,4 ,5 } {2 ,3,5 ,6 } {4,5 ,6,7} {2 ,5 } {4 ,5 } {5 ,6 } {5}

EJEMPLO 45

Ejercicio 1:

Sea S {a1 , a2 , a3 , a4 } y sea P una funcin de probabilidades de S :

a) Hallar P(a1 ) si P(a 2 )

1
1
1
, P ( a3 ) y P ( a 4 )
3
6
9

61

1
y P(a1 ) 2P(a2 )
4
2
1
1
c) Hallar P(a1 ) si P(a2 , a3 ) , P(a2 , a4 ) y P(a2 )
3
2
3
Solucin:
b) Hallar P(a1 ) y P(a2 ) si P(a3 ) P(a4 )

1 1 1 7
a) P(a1 ) 1
3 6 9 18
b) P(a1 ) P(a3 ) 2P(a2 ) P(a2 ) P(a4 ) P(a3 )

P(a1 ) P(a3 ) 3P(a2 ) P(a4 ) P(a3 )

1
1 3P ( a 2 )
2
1
1 3P ( a 2 )
2
1
P(a 2 )
6

P(a1 ) 2P(a2 )

1
P(a1 ) 2
6
1
P(a1 )
3
c) P(a1 ) P(a2 ) P(a3 ) P(a4 ) 1
1 ( P(a1 ) P(a2 ) P(a3 )) P(a4 )
1 ( P(a1 ) P(a2 ) P(a3 )) P(a4 )
2
P(a2 ) P(a3 )
3
2 1 1
P ( a3 )
3 3 3
1
P( a 2 ) P( a 4 )
2
1 1 1
P(a4 )
2 3 6
1 1 1 1
P(a1 ) 1 P(a2 ) P(a3 ) P(a4 ) 1
3 3 6 6
EJEMPLO 46

Ejercicio 2:

Tres estudiantes A, B Y C intervienen en una prueba de natacin, A y B tienen la

misma probabilidad de ganar y el doble de la de C. Hallar la probabilidad de que
gane B o C.

62

Solucin:

S {A, B, C}
P( A) P( B) P(C ) 1

Si,

P( A) P( B) 2P(C )

Sustituyendo P(B) y P(A):

2P(C ) 2P(C ) P(C ) 1
5P(C ) 1

1
5
Para P(B), si:
P(C )

1
P( B) 2 P(C ) 2
5
2
P( B)
5
Por lo tanto:

P( B C ) P( B) P(C )

Sustituyendo:
2 1 3
P( B C ) 0.6 60%
5 5 5
EJEMPLO 47

Ejercicio 3:

De 120 estudiantes 60 estudian francs, 50 espaol y 20 estudian francs y

espaol. Si se escoge un estudiante al azar hallar la probabilidad de que el
estudiante:
a) Estudie francs y espaol.
b) No estudie francs ni espaol.
c) Estudian nicamente un idioma.
Solucin:
a) F=60, E=50, P( F E ) 20
S {120}

P( F E )

20
0.1667 16.67%
120

b)

63

c)

EJEMPLO 48

Ejercicio 4:

El departamento de publicidad Dell palacio de bronce efectu una encuesta a un

grupo seleccionado de 1000 clientes de entre todos los que abrieron su cuenta de
crdito en el pasado desde diciembre.
Los resultados de la encuesta se han tabulado as:
Mercanca
Artculos para hogar
Artculos para vestir
Juguetes
Artculos para hogar y vestir
Artculos para hogar y juguetes
Artculos para vestir y juguetes
Artculos para vestir, juguetes y
del hogar

#De personas
275
400
550
150
110
250
100

Abreviacin
H
V
J
HV
HJ
VJ
HVJ

a) Si se selecciona al azar a uno de estos clientes determine la posibilidad de

que no usara su crdito en ninguno de estos mencionados
b) Que utilizara su crdito solo para comprar juguetes.
c) Que utilice su crdito para comprar al menos 2 de los artculos
mencionados.
Solucin:

a)
P( H V J ) 1 P( H V J )

64

P( H V J ) P( H ) P(V ) P( J ) P( H V ) P( H J ) P(V J ) P( H V J )
275 400 550 150 110
250 100
815

0.815
1000 1000 1000 1000 1000 1000 1000 1000
1 P( H V J ) 1 0.815 18.5%

b)

H V =150=A2+A5
150=A2+100
150-100=A2
A2=50
H=275=A1+A2+A4+A5
=A1+100+50+10
A1=275-160=115
V=A2+A3+A5+A6
400=50+A3+100+150
A3=400-50-250=100
J=A4+A5+A6+A7
550=10+100+150+A7
A7=550-260=290
290
P( SoloJ )
0.29 29%
1000
c)
P(Al menos 2 artic.) = P(artc.2) = A2+A4+A5+A6

65

EJEMPLO 49

Ejercicio 5:

Un investigador de mercados efecta una encuesta sobre los hbitos de lectura de

peridicos de la ciudad de Crdoba, con los siguientes datos:
98%
22.9%
12.1%
5.1%
3.7%
6.0%
32.4%

Leen el clarn
Leen el mercurio
Leen la sensacin
Leen el clarn y el mercurio
Leen el clarn y la sensacin
Leen el mercurio y la sensacin
Leen al menos uno de los 3 peridicos mencionados

Calcular el porcentaje de personas que:

a) No leen ninguno de los tres peridicos mencionados.
b) Leen exactamente 2 de los peridicos.

Solucin:
a)

b)

P(C M S ) P(C) P(M ) P(S ) P(C M ) P(C S ) P(M S ) P(C M S )

0.324=0.098+0.229+0.121-0.051-0.037-0.06+ P(C M S )
0.324=0.3+ P(C M S )
P(C M S ) =0.024
P(C M ) =A2+A5

0.051=A2+0.024
A2=0.027

66

P(C S ) =A4+A5

0.037=A4+0.024
A4=0.013
P( M S ) =A6+A5

0.06=A6+0.024
A6=0.036
P( Exacatment e _ 2 _ periodi cos) =A2+A4+A6=0.027+0.013+0.036=0.076=7.6%

EJEMPLO 50

Ejercicio 6:

El instituto de la juventud del estado huasteco esta organizando los equipos de

ftbol, bisbol y natacin para las prximas mini olimpiadas. Hay 900 personas del
instituto que han manifestado sus deseos de participar en esos eventos deportivos
y han cumplido con los exmenes mdicos deportivos, Se haban obtenido los
siguientes datos preliminares del primer listado de computadora, cuando
repentinamente se interrumpi el servicio elctrico.
400 en ftbol
390 en bisbol
480 en natacin
680 en ftbol o bisbol
210 no pueden participar en ninguno de estos
90 en los primeros 2, pero no en el tercero
190 en solamente natacin
Si se selecciona al azar una persona determinar la probabilidad de que;
a) Pueda participar en los tres deportes.
b) Pueda participar en por lo menos 2 de los deportes.
Solucin:
a)

67

680= P( F B) =F+B- P( F B)
680=400+390- P( F B)
P( F B) =110
P( F B N ) =A5
P( F B) =A2+A5

110=90+A5
A5=20
P( F B N )

20
0.0222 2.22%
900

b)
P( Por _ lo _ menos _ 2)

480 190 90
0.4222 42.22%
900

EJEMPLO 51
Ejercicio 7:
En una encuesta realizada por la Panificadora Real se entrevistaron a 900 amas
de casa sobre su preferencia a 3 productos que fabrican, se obtuvieron los
siguientes resultados:
130 personas compran nicamente pan de caja
88 personas compran nicamente pan negro
32 personas compran nicamente mantecadas
144 personas compran pan de caja y pan negro exclusivamente
86 personas compran pan negro y mantecadas exclusivamente
90 personas compran pan de caja y mantecadas exclusivamente
205 personas compran los 3 productos
Si se selecciona una persona al azar cual es la posibilidad de que:
a) Consuma al menos pan de caja o pan negro
b) No consuma los productos que fabrican esta panificadora

68

Solucin:
a) P (consuma al menos pan de caja o pan negro)

b)

A8 = 900 (743 + 32)

A8 = 125
P = 0.1389
P = 13.89%

69

EJEMPLO 52

Ejercicio 8.

Sea P(A) = X, P(B) = Y, P(AB) = Z.

Hallar:
a) P(ACBC)
b) P(ACB)

Solucin:
U={1,2,3,4}
A={1,2}, B={2,3}
Para obtener el rea de A

Para rea B

A=A1+A2
X=A1+Z

B=B2+B3
Y=Z+B3

Despejando A1

Despejando B3
B3=Y-Z

X-Z=A1
Otra forma de encontrar el A4
Para obtener A4
U=A1+A2+A3+A4
Sustituyendo
1=(X-Z)+(Z)+(Y-Z)+A4
1=X+Y+Z+A4

AB=A+B-AB
AB=X+Y-Z
U= AB+A4
1=X+Y-Z+A4
1-X-Y+Z=A4

Despejando A4
1-X-Y+Z=A4

70

TECNICAS DE CONTEO
Se clasifican en permutaciones y combinaciones.
Permutaciones: Es el nmero arreglos en donde importa el orden de cada uno de los
elementos.
Combinaciones: Es el nmero de arreglos donde no importa el orden, generalmente de
un grupo n se extrae otro grupo x.
n! = n factorial
Ejemplo:
5!=5*4*3*2*1

Dnde:
n=el tamao total del grupo o muestra donde se puede elegir.
x=el nmero de elementos que se puede obtener de n.
Hay dos tipos de permutaciones
1. Con reemplazo.
2. Sin reemplazo.
EJEMPLO 53

Ejercicio 1:

De cuntas maneras se puede seleccionar 2 personas de un grupo de 6 y cuales son?

Solucin:
6!
6
6! 6 * 5 * 4 ! 30
=
=
=
=
= 15 combinaciones
2 2!(6 2)! 2!4! 2 *1 * 4 ! 2

12
13
14
15
16

23 34 45 56
24 35 46
25 36
26

= 15 combinaciones

71

EJEMPLO 54

Ejercicio 2:

Si no se permiten repeticiones:
a)
b)
c)
d)
e)

Cuntos nmeros de 3 dgitos se pueden formar con los 6 dgitos 2, 3, 5, 6,7 y 9?

Cuntos de estos son menores que 400?
Cuntos son pares?
Cuntos son impares?
Cuntos son mltiplos de 5?

Solucin:
a)

=120

b)

=40

c)

=40

d)

=80

e)

=20

EJEMPLO 55

Ejercicio 3:

De cuantas maneras puede escogerse un comit compuesto de 3 hombres y 2 mujeres

de un grupo de 7 hombres y 5 mujeres?

=(35)(10)=350
EJEMPLO 56

Ejercicio 4:

a) De cuantas maneras 3 nios y 2 nias pueden sentarse en una fila.

b) De cuantas maneras pueden sentarse si los nios se sientan juntos y las nias
tambin.
c) De cuantas maneras pueden sentarse en fila si justamente las nias se sientan juntas.
Solucin:
a)

=5!=120 formas

72

b)
3

1 3
2 1
2* 2!* 2! =

=12
+
=12
24 formas

c)
2

=12
+

=12
+

=12
+
=12
48 formas

Otra forma de contestar el inciso c es usando el mtodo del salto de la rana que es el
siguiente.

EJEMPLO 57

Ejercicio 5:

a) De cuantas maneras 5 nios y 4 nias pueden sentarse en una fila.

b) De cuantas maneras pueden sentarse si los nios se sientan juntos y las nias
tambin.
c) De cuantas maneras pueden sentarse en fila si justamente las nias se sientan juntas.
d) De cuantas maneras puede quedar alternados.

73

Solucin:
a) 9! = 362880
b)
5

=2880
+

4 3
2 1
2* 5!* 4! =

=2880
5760 formas

c)

6*5!*4!=17280 formas.

d)
544332211
5!*4! = 2880 formas
EJEMPLO 58

Ejercicio 6:

De cuntas maneras se puede seleccionar 2 personas de un grupo de 7 y cuales son los

diferentes arreglos?
Solucin:

7!
7
7! 7 * 6 * 5! 42
=
=
=
=
= 21 combinaciones
2 2!(7 2)! 2!5! 2 *1* 5! 21
12
23
34
45
56
67

13
24
35
46
57

14 15 16 17
25 26 27
36 37
47

= 21 combinaciones

74

EJEMPLO 59

Ejercicio 7:

De cuantas maneras se puede acomodar una reunin de 7 personas.

a) En una fila de 7 sillas.
b) Alrededor de una mesa redonda.
Solucin:
a)
7

=7!=5040

b)
(n-1)!
(7-1)! = 6!
6! = 720

Nota: En una mesa redonda se toma como inicio y fin una de las casillas o lugares.
EJEMPLO 60

Ejercicio 8:

Cuantos arreglos distintos se pueden hacer tomando todas las letras de la palabra: Dado

Solucin:

n!
r1! r 2! r 3!

4! 4 * 3 * 2 !
=
=12
2 !
2!

Y con la palabra probabilidad

Probabilidad = 12
Repeticiones: b x 2, i x 2, a x 2, d x 2.

75

EJEMPLO 61

Ejercicio 9:

Cuantos arreglos distintos pueden formarse con todas las letras de cada una de las
palabras.
a) Tema
b) Campana
c) Estadstica
a)
4

=24

b)

7! 5040
=
=840
6
3!
c)

12!
=9979200
3!2!2!2!
EJEMPLO 62

Ejercicio 10:

Una delegacin de 4 estudiantes se selecciona todos los aos para asistir a la asamblea
anual de la asociacin de estudiantes,
a) De cuantas maneras puede escogerse la delegacin si hay 12 estudiantes elegibles.
b) De cuantas maneras si 2 de los estudiantes elegibles no asisten al mismo tiempo.
c) De cuantas maneras si 2 de los estudiantes elegibles son casados y solo asistirn si
van juntos.
d) Si el grupo esta formado por 5 mujeres y 7 hombres de cuantas maneras se puede
escoger la delegacin que este formado en por lo menos una mujer.
Solucin:
a)
12! 12 * 11 * 10 * 9 * 8!
=
=495
4 * 3 * 2 * 1(8!)
4! (8! )

76

b)
10 * 9 * 8 * 7 !
2 10
= 2
=2*120 =240
3 * 2 *1(7 !)
1 3
+
10
10! 10 * 9 * 8 * 7 * 6 !

=
=210
4 4!(6!) 4 * 3 * 2 *1(6 !)
450
c)

10! 10 * 9 * 8! 90
2 10
1
=
=
2
2!(8!) 2 *1(8!)
2 2

=45
+

10
10! 10 * 9 * 8 * 7 * 6 ! 5040

=
=
210
4 4!(6!) 4 * 3 * 2 *1(6 !)

= 210
255

d)
La condicin se cumple si:
1m 2m 3m 4m
Las delegaciones pueden formarse entonces de las siguientes maneras.
1m y 3h 2m y 2h 3m y 1h 4m

77

PROBABILIDAD CONDICIONAL
A la probabilidad de que un evento B se de cuando algn otro evento A sea presentado
se llama Probabilidad condicional y se escribe P(B/A), se lee: La probabilidad de que B
ocurra dado que ocurri A.
La probabilidad de B dado A
EJEMPLO 63

Ejercicio 1:

Se lanza un dado, si el resultado es par, Cual es la probabilidad de que caiga el numero

4?
S= {1,2,3,4,5,6}

A={2,4,6}
P(4/par)= 1 / 3

EJEMPLO 64

Ejercicio 2:

Suponga que todos los individuos que compran determinada cmara digital, 60% incluyen
una tarjeta de memoria opcional en su compra, 40% incluye una batera. Considere elegir
al azar un comprador. Dado que el individuo compro una batera extra determinar la
probabilidad que tambin sea comprada una tarjeta opcional y 30% una tarjeta y una
batera.
Solucin:

P(Tarjeta ) 0.6
P( Bateria ) 0.4
P(T B) 0.3
P(T B) 0.3
P(T \ B)

0.75 75%
P( B)
0.4

EJEMPLO 64
Ejercicio 3:
Una revista publica 3 columnas tituladas Art. (A),Books(B) Y Cinema(C).
Los hbitos de lectura de los lectores son probables de leer con regularidad.
A
0.14

B
0.23

C
0.37

AB
0.08

AC
0.04

BC
0.03

ABC
0.05

Hallar
a) P( A \ B)
b) P( A \ B C )
c) P( A B \ C )

78

Solucin:
a)
P( A \ B)

P(TA B) 0.08

0.3478 34.78%
P( B)
0.23

b)

B = 0.23=A2+A3+A5+A6
0.23=0.03+A3+0.05+0.08
0.23=0.16+A3
A3=0.23-0.16=0.07
C =0.37=A4+A5+A6+A7
0.37=0.04+0.05+0.08+A7
0.37=0.17+A7
A7=0.37-0.17=0.2
P( A \ B C )

0.12
0.2553 25.53%
0.47

c)
P( A B \ C ) P

( A B) C 0.04 0.05 0.08 0.17

0.4594 45.94%
P(C )
0.37
0.37

79

EVENTOS INDEPENDIENTES
Dos eventos A y B son independientes si y solo si la probabilidad P( A B) P( A) P( B)
De otra forma son dependientes.
EJEMPLO 65
Ejercicio 1:
Un sistema elctrico consiste en cuatro componentes que funciona independientemente
uno de otro como se indica en la figura, donde se indica la probabilidad de que cada
componente funcione. Encuentre:
a) El sistema completo funcione:
b) El componente C no funcione dado que el sistema completo funcione:

Solucin:
P ( I U II ) = P ( I ) + P ( II ) P ( I II )
P (funcione) = 0.9 [0.8 (0.7) + 0.85 - 0.8 (0.7) (0.85)]
a) P (funcione) = 0.8406
*ABCD = (0.9) (0.8) (0.7) (0.85) = 0.4284
* ABCD = (0.9) (0.8) (0.7) (0.15) = 0.0756
*ABCD = (0.9) (0.8) (0.3) (0.85) = 0.1836
ABCD
* ABCD = (0.9) (0.2) (0.7) (0.85) = 0.1071
ABCD
*ABCD = (0.9) (0.2) (0.3) (0.85) = 0.0459
ABCD
-----------0.8406
P (no funcione) = 0.1863 + 0.0459 = 0.2295
b) P (3/ Sist. funcione) =

0.27
= 0.3211
0.8406

80

TEOREMA DE BAYES
Si los eventos B1, B2,, Bk constituyen una particin del espacio muestral S, donde P(Bi)
0 para i=1, 2,, k , entonces, para cualquier evento A en S tal que P(A) 0 , dado
que:
P( Br / A)

p( Br A)
K

P( B
i 1

A)

P ( Br ) P ( A / Br )
k

P( B ) P( A / B )
i

i 1

Para r= 1, 2, 3,, k.
EJEMPLO 66

Ejercicio 1:

Se ha nominado a 3 personas de un club privado nacional para ocupar la presidencia del

mismo. La probabilidad de que se elija al Sr. Adams es de 0.3,la que se haga lo propio
con el Sra. Brown de 0.5 y la que gane el Sra. Copper es 0.2
En caso de que se elija al Sr. Adams la probabilidad de que la cuota de ingreso se
incremente es 0.8; si se elije a la Sra. Brown o a la Sra. Cooper las correspondientes
probabilidades de que se incremente la cuota es 0.1 y 0.4 respectivamente.
a) Cual es la probabilidad de que halla un incremento en la cuota de membresa.
b) Si alguien considera entrar al club pero retrasa su decisin por varias semanas solo
para encontrarse de que las cuotas de entrada aun aumentado. Cual es la
probabilidad de que se halla elegido a la Sra. Cooper como presidenta?
Solucin:
a)

I= Incremente
N= No incremente

P(I) = P(A y I) P(B y I) P(C y I)

P(I) = (0.3)(0.8) + (0.5)(0.1) + (0.2)(0.4)
= 0.24 + 0.05 + 0.08=0.37= 37%

81

b) P (C/I)=

P(CyI ) 0.2(0.4) 0.08

0.2162 21.62%
P( I )
0.37
0.37

EJEMPLO 67

Ejercicio 2:

La Polica planea hacer cumplir los lmites de velocidad, usando un sistema de radar, en 4
diferentes puntos de la ciudad. Las de radar en cada uno de los sitios es de: L1, L2, L3 y
L4. Operan: 40%, 30%, 20% y 30%, del tiempo. Y si una persona viaja a gran velocidad
cuando va a su trabajo, tiene la probabilidad de 0. 2, 0. 1, 0. 5 y 0.2, respectivamente de
pasar por esos lugares.
a) Cul es la probabilidad de que no reciba una multa por conducir en exceso de
velocidad?
b) Si la persona es multada por conducir en exceso de velocidad hacia su trabajo.
Cul es la probabilidad de que pase en el radar de L2?

m= Multa
n*= No multa

P(+) = P(A y +) P(B y +) P(C y +)

a) P(m) = P(L1 y m) P(L2 y m) P(L3 y m) P(L4 y m)

P(m) =(0.2)(0.4) + (0.1)(0.3) + (0.5)(0.2) + (0.2)(0.3)
=0.08 + 0.03 + 0.1 + 0.06 = 0.27 = 27%
b) P( L2 \ n)

0.01(0.7) 0.07

0.959 95.9%
1 0.27
0.73

82

UNIDAD 3
VARIABLE ALEATORIA DISCRETA
Un variable aleatoria discreta x se dice que es discreta si se puede tomar un numero finito o
infinito contable de valor; Como puede ser el nmero de personas que entran diariamente a la
cafetera.
FORMULAS PRINCIPALES
Media
Desviacin estndar
Coeficiente de variacin
Coeficiente de simetra
R- esimo momento

Coeficiente de kurtosis

A continuacin se har un ejercicio como ejemplo de V.A.D. (variable aleatoria discreta) para
ejemplificar el tema; utilizando la teora aprendida en las unidades anteriores.

EJEMPLO 68
Se lanza una moneda 4 veces y se define x como el nmero de caras, determinar:
a)
b)
c)
d)
e)

Determinar la distribucin de probabilidad para x.

Determinar la distribucin de probabilidad acumulada.
Determinar grficamente las distribuciones de A y B.
Calcular el valor esperado de x.
Calcular la desviacin estndar, coeficiente de variacin.

83

S= (2) (2) (2) (2)= 16

CCCC
CCCX
CCXC
CCXX
CXCC
CXCx
CXXC
CXXX

4
3
3
2
3
2
2
1

SCCC
SCCX
SCXC
SCXX
SXCC
SXCX
SXXC
SXXX

3
2
2
1
2
1
1
0

a), b)
x
0
1
2
3
4

P(x)
"1/16"=0.0625
"4/16"=0.25
"6/16"=0.375
"4/16"=0.25
"1/16"=0.0625
1

P. Ac (x)
0.0625
0.3125
0.6875
0.9375
1

x P(x)
0
0.25
0.75
0.75
0.25
2

c)

Grafica de Barras o Histograma para variables

aleatorias discretas
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
0

("2")

84

d)
E(x) = valor esperado de x
E(x) = M= 2
M = fx/ N
N= tamao de la poblacin
M = x p(x)
e)
= Desviacin Estndar de la Poblacin
= fx M2/N
2= (x-M)2 P(x)
2 = (x2-2xMxP(x) + M2(P(x) )
2 = E(x2) 2M2 + M2
=E(x2) M2 E(x) = Valor esperado
= x2 p(x) M2
= (5-22) = 1 = 1
c. v= /M = coeficiente de variacin = = 0.5
3= m3/ m23/2
m3= (x-M)3 /N
m3=(x3-3xM + 3xM2 M3) P(x)
= (x3p(x) -3Mx2p(x) + 3Mxp(x) M p(x)

85

Formula

M3= E(x3)- 3ME(x2) + 2M3

m3= 14 -3(2) (5) + 2(2)3 =14 30 + 16 =0
3= 0/ 13/2=0 Distribucin Simtrica
4= Coeficiente de Kurtosis
4=m4/ m22
m4= fx M4 / N
m4= (x- M)4 p(x)
m4= (x4 4x3M + 6x2M2- 4xM3+ M4) p(x)
m4= x4 p(x) 4M x3 p(x) + 6M2x2 p(x) -4M3xp(x) + M4 (p(x))
m4= E(x4) 4ME(x3) + 6M2 E(x2) 3M4
M4= 42.5 4(2)(14) + 6(22)(5) -3(24)=2.5
4= 2.5/ 1= 2.5 Distribucin Platocurtica

EJEMPLO 69
Se lanzan dos dados y se define x como la suma de las 2 caras.
S= 6*6=36
Combinaciones:

11
21
31
41
51
61

12
22
32
42
52
62

13
23
33
43
53
63

14
24
34
44
54
64

15
25
35
45
55
65

16
26
36
46
56
66

86

Distribucin de probabilidad.
x
2
3
4
5
6
7
8
9
10
11
12

P(x)
"1/36"
"2/36"
"3/36"
"4/36"
"5/36"
"6/36"
"5/36"
"4/36"
"3/36"
"2/36"
"1/36"

P. Ac (x)
"1/36"
"3/36"
"6/36"
"10/36"
"15/36"
"21/36"
"26/36"
"30/36"
"33/36"
"35/36"
1

x P(x)
"2/36
"6/36"
"12/36"
"20/36"
"36/36"
"42/36"
"40/36"
"38/36"
"30/36
"22/36"
"12/36"
252/36

x2 p(x)
"4/36
"18/36"
"48/36"
"100/36"
"180/36"
"294/36"
"320/36"
"324/36"
"342/36"
"242/36"
"144/36"
1974/36"

Graficas
3 = 0
0.2
0.15
0.1

Serie 1

0.05
0
2

10

11

12

87

Valor Esperado E(x) = M= x p(x)

M= 252/36 = 7
= ( x2 p(x) M2)
= (54.8335 - 72)
= ( 5.8335) = 2.4152
C V = / M CV= 2.4152/7 = 0.3450

EJEMPLO 70

En un problema de una prueba aplicada a nios pequeos se les pide que hagan corresponder
cada 1 de los 3 dibujos de animales con la palabra que identifica a ese animal, si un nio asigna
aleatoriamente las 3 palabras a los 3 dibujos , encuentre la distribucin de probabilidad para x , el
nmero correspondencias correctas , calcule media , mediana y moda.

S = 3*2*1=6

AVP
APV
VAP
VPA
PAV
PVA

X
3
1
1
0
0
1

88

X
0
1
2

P(X)
"2/6"
"3"/6"
"1/6"
1

X P(X)
0
"3/6"
"3/6"
1

P.Ac (X)
"2/6 = .3333
"5/6 = .8333"
1

Media= 1
M0= Moda Poblacional
M0= 1
Md= Mediana
0

0.3333

Md 0.5
1

Md 0 / 1 0 = 0.5 0.3333 / 0.8333 0.3333 = 0.3334=Md

-- 0.8333

EJEMPLO 71
Por saturacin de vuelos algunas lneas areas venden ms pasaje que los disponibles en un
vuelo. Una compaa ha vendido 205 boletos que corresponden a un avin de 200 asientos. Sea
x la variable aleatoria que representa en nmero de pasajeros que tramita su pase de abordar
en el aeropuerto. La distribucin de probabilidad est dada por x.
Calcular media, mediana, moda.
Tabla de distribucin de probabilidad.

x
198
199
200
201
202
203
204
205

P(x)
0.05
0.09
0.15
0.2
0.23
0.17
0.09
0.02
1

x P(x)
9.9
17.91
30
40.2
46.46
34.51
18.36
4.1
201.44

0.05
0.14
0.29
0.49
0.72
0.89
0.98
1

89

201 0.40
Md 0.50
202 0.72
Md 201 / 1 =0.6435
Md = 0.6435 + 201

M (media)= 201.44
M0= 202= (Moda)

Md (mediana)= 201.0435

P. Ac(x)
0.05
0.14
0.29
0.49
0.72
0.89
0.98
1

90

EJEMPLO 72
Determine el valor de c de tal forma que cada una de las siguientes funciones sirva como
distribucin de la variable aleatoria discreta x:
a) d(x) = (2 c x ) * (3 c 3-x ) para x= 0 , 1, 2
x=0 = f(x) = 1
= c (02 + 4) + c (12 + 4) + c(32 + 4)
= 4c +5c + 8c +13c = 30c
1= 30c
c= 1/30 =0.0333
b) x=02 f(x) =1
1= (2 c 0) * ( 3 c 3-0)+ (2 c 1) * (3 c 3-1) + (2 c 2) * ( 3 c 3-2)
1= c( 1)(1) + c( 2) (3) + c(1)(3)
1= c +6c + 3c
1= 10c
C= 1/10=0.1
EJEMPLO 73
Considere que un sistema de agua que fluye a travs de vlvulas de A a B .Las vlvulas 1, 2 y
3 funcionan independientemente cada 1 y se abre correctamente mediante una seal con
probabilidad de 0.8. Encuentre la distribucin de probabilidad para x, el nmero de das abiertos
de A a B despus de haber enviado la seal, construya la ojiva.
A) Encuentre la distribucin de probabilidad para X, el nmero de vas abiertas de A a B
despus de haber enviado la seal.
B) Construya histograma y ojiva
C) Calcular coeficiente de variacin, coeficiente de simetra y curtosis.

X= # de vas abiertas de A a B
X= 0, 1, 2.

91

X
0
1
2
Suma =

P(x)
0.072
0.416
0.512
1

S= (2)(2)(2)= (2)3= 8
123
123
123
123
123
123
123
123

P (acumulada)
0.072
0.488
1

X
2
1
1
1
1
0
0
0

P (abierta)= 0.8
P (cerrada)= 0.2
P (0)= (0.8)(0.2)2 + (0.8)(0.2)2 + (0.2)3 = 0.072
P (1)= (0.8)2(0.2)(0.3) + (0.8)(0.2)2 = 0.416
P (2)= (0.8)3= 0.512
P1Ac(x) = probabilidad acumulada de x

92

C.V = M/
M= media de la poblacin
= desviacin estndar de la poblacin
M= Ef(x)/ N = Exp(x)
N= tamao de la poblacin
xP(x)
0
0.416
1.024
Suma= 1.44
Exp(x) = 1.44
= sqrt(Ef(x-M)2 / N)
()2 = E(x)2p(x) M2
X2 P(x)
0
0.416
2.048
Suma= 2.464
()2 =2.464 (1.44)2 = 0.3904
C.V= 0.6248 / 1.44 = 0.4339
3 = m3 / m23/2
m3= E(X-M)3 P(x)
X3 P(x)
0
0.416
4.096
Suma= 4.512

()2 = E(x-M)2 p(x)

=0.6248

m2= 2= 0.3904

M3=4.512 3(1.44)(2.464) + 2(1.44)3 = -0.1605

3 = -0.1605 / (0.3904)1.5 = -0.6586
distribucin asimtrica con sesgo negativo
m4 = E(x-M)4 p(x)
4 = m4 / m22
m4= 8.608 4(1.44)(4.512) + (1.44)2 (2.464) 3(1.44)4 = 0.3755
X4 P(x)
0
0.416
8.192
Suma= 8.608

93

TEOREMA DE CHEBISHEV.
La desviacin estndar de una variable aleatoria X mide la dispercion de los valores de x
alrededor de la media de x. En consecuencia, para valores mas bajos de se esperara que
x estuviera mas cerca de su media . Esta esperanza intuitiva se hace mas precisa mediante la
desigualdad siguiente:
Desigualdad de Chebishev
Sea x una variable aleatoria de con media y desviacin estndar . Entonces para cualquier
nmero positivo k, la probabilidad de que un valor de x se encuentre en el intervalo
es al menos 1-1/k2. Es decir,

Un ejemplo de este importante teorema est dado por el problema siguiente.

EJEMPLO 74
Suponga que x es una variable aleatoria con media = 100 y desviacin estndar
a)
Encuentre la conclusin que se pueda derivar de la desigualdad de Chebishev para k=2

Por tanto se puede concluir que la probabilidad de X se encuentra entre 90 y 110 y es por lo
menos .
MODELOS COMUNES DE PROBABILIDAD PARA VARIABLES ALEATORIAS DISCRETAS.

ESTAS SON:
1.- Distribucin de Bernoulli
2.- Distribucin Binomial
3.- Distribucin Geomtrica
4.- Distribucin Binomial negativa o Pascal

94

5.- Distribucin Hipergeomtrica

6.- Distribucin de Poisson
1.- DISTRIBUCIN DE BERNOULLI
Consiste en una sola prueba en la cual se tiene xito o fracaso, el valor de x toma valor de 0
cuando fracasa y valor de 1 cuando es xito. Como se trata de un experimento aleatorio se tiene
que la probabilidad de xito se representa con la letra p, mientras que Q=1-P representa la
probabilidad de que no ocurra el suceso, es decir probabilidad de fracaso.

Caractersticas:
1.- Se tiene xito o fracaso.
2.- La probabilidad de xito p permanece constante y la probabilidad de fracaso es q= 1-p.
3.- Se realiza una nica vez el experimento.
4.- La variable x es el nmero de xitos que se tiene al realizar el experimento y toma valores de 0
y 1.
EJEMPLO 75
Se lanza un dado y se considera xito que caiga el nmero 2.

a) Determinar la distribucin de probabilidades

b) Calcular la media y la varianza

a)

P(x) xP(x) x2P(x)

5/6 0

1/6 1/6

1/6

1/6

1/6

b)

95

EJEMPLO 76
Se selecciona al azar un artculo y se define x como el nmero de artculos no defectuosos
seleccionados. Si la probabilidad de seleccionar un artculo defectuoso es del 2% encontrar:
a) Distribucin de la probabilidad
b) Calcular la media y la desviacin estndar
a)

x P(x)
0 0.02
1 0.98
b)

2.- DISTRIBUCION BINOMIAL

Un experimento binomial es aquel que tiene las siguientes caractersticas:
1.- El experimento consta de n pruebas idnticas.
2.- Cada prueba tiene 2 resultados posibles. xito (E) o fracaso (F).
3.- La probabilidad de xito, en una sola prueba es igual a p y permanece constante en cada
evento. La probabilidad de fracaso tambin no vara de una prueba a otra y la representamos con
q:

4.- Las pruebas son independientes.

5.- La variable aleatoria bajo estudio es x, el nmero de xitos observados en la n pruebas.

FORMULAS:
Valor esperado = E(x) = np

96

EJEMPLO 77
La probabilidad de que cierta clase de componente pase con xito una determinado prueba de
impacto es de 0.7, si se someten 4 componentes a esta prueba.
a) Encuentre la distribucin de probabilidad para x, nmero de componentes que pasan con
xito, la prueba de impacto.

EEEE

FEEE

EEEF

FEEF

EEFE

FEFE

EEFF

FEFF

EFEE

FFEE

EFEF

FFEF

EFFE

FFFE

EFFF

FFFF

P(x)

0 0.0081

1 0.0756 0.0756 0.0756

2 0.2646 0.5292 1.0584
3 0.416 1.2348 3.744
4 0.241
1

0.964

3.856

2.8

8.734

97

b) Calcule la media y la varianza.

EJEMPLO 78
La probabilidad de que un porcentaje se recupere de una rara enfermedad de la sangre es 0.4, si
se sabe que 15 personas han contrado esta enfermedad. Cul es la probabilidad de que:
a) Al menos 10 personas sobrevivan

b) Sobrevivan entre 3 y 8 personas

98

c) Sobrevivan al menos 5 personas exactamente

d) Determinar el valor esperado que pueden recuperarse de la enfermedad

=15*.04=6
e) Calcular la desviacin estndar

EJEMPLO 79
Un ingeniero de seguridad afirma que un dcimo de los accidentes automovilsticos se debe a la
fatiga del conductor, calcule la probabilidad de que por lo menos 3 de los 15 accidentes se deba a
la fatiga del conductor.
b) Calcular la media o nmero esperado de accidentes de los 15 que se deba a la fatiga del
conductor y la desviacin estndar.

a) p(cuando menos de 3 de 15)

q=0.9
n=10

b)
=15*.01=1.5

99

3.- DISTRIBUCIN GEOMTRICA

Si repetidos intentos independientes pueden resultar en un xito con una probabilidad p y en un
fracaso con una probabilidad q=1-p, entonces x, es el nmero de intentos en el cual ocurre el
primer xito:
x= # del intento en el cual ocurre el primer xito.
X
1

FE

qp

FFE

qp

FFFE

qp

2
3

.
n

FFF...FE

n-1

q p

EJEMPLO 80
La probabilidad de que un estudiante apruebe el examen escrito para obtener su licencia de piloto
privado es de 0.7. Encuentre la probabilidad de que una persona apruebe el examen.

a) En el tercer intento
b) Antes del cuarto intento
c) Despus del tercer intento
d) Determinar el nmero esperado de eventos que tiene que hacer para obtener su licencia de
piloto privado
e) Determinar la desviacin estndar

a)
p= 0.7

100

q= 0.3
P (3) = (0.3)2 * (0.7) = 0.063

b)

P(x<4) = 0.7+ 0.3*0.7 + 0.063

P(x<4) = 0.973

c) P(X>3)=

P(x>3)= 1- 0.973= 0.027

d)

= 1/0.7= 1.4286
e)

EJEMPLO 81
Un examen de opcin mltiple consta de 8 preguntas y 3 respuestas a cada pregunta.
Un ingeniero en seguridad de automviles afirma que uno de los accidentes se debe a la fatiga del
conductor, determinar:
a) La probabilidad de que el quinto accidente se debe a la fatiga del conductor
b) Calcular la probabilidad de que el primer accidente que se deba a la falla del conductor, sea
encontrado despus del 4to accidente
a)
P (x=5)

101

P (5) = 0.94*(0.1)
P (5) = 0.06561
b)
P(x>4) = 0.94= 0.6561
4.- DISTRIBUCION DE PASCAL

CARACTERISTICAS:
1.- El experimento consiste en una serie de ensayos Bernoulli independientes y cada uno de los
ensayo con una probabilidad p de xito y q de fracaso.
2.- Los ensayos se observan hasta obtener exactamente r-xitos
3.- La variable aleatoria x es el nmero de ensayos necesarios para lograr r-xitos.

EJEMPLO 82
Se sabe que el 10% de los empleados de una industria padecen de una enfermedad
degenerativa. Para el estudio de la enfermedad se requiere de 3 paciente que tengan la
enfermedad por lo que se analiza al azar a los empleados, hasta tener a los 3 pacientes que den
positivo en el anlisis. Encontrar la probabilidad de que:

a) Se tenga que analizar exactamente 5 empleados para tener a los 3 con la enfermedad
p=0.1
q=0.9

b) Se tenga que hacer ms de 7 anlisis.

102

c) Se tengan que hacer tres anlisis exactamente.

d) Calcular la media e interpretar su resultado

Se requiere analizar 30 empleados para encontrar a los empleados que tengan la

enfermedad
e) Calcular la desviacin estndar.

EJEMPLO 83
Las fibras de algodn usadas en los propulsores de cohetes son sometidos a un de nitracin el
cual permite que las fibras de algodn entren en solucin. Este proceso tiene efectividad de 90%.
En cuanto a que el material producido pueda conformarse segn se requiera en una etapa anterior
del proceso con probabilidad de 0.9 Cul es la probabilidad de que se produzca exactamente 20
lotes para obtener el tercer lote defectuoso?

q=0.9
p=0.1

103

5.- DISTRIBUCIN HIPERGEOMTRICA

Propiedades
1.-El experimento consiste en extraer una muestra aleatoria de tamao n sin reemplazo de un
conjunto de N objetos.
2.- De los N objetos k posee el rasgo de inters mientras que los otros N-k objetos restantes
no la tienen.
3.- La variable aleatoria x; es el nmero de objetos en la muestra que posee el rasgo de inters.

EJEMPLO 84
Una fundidora embarca bloques de motor en lotes de 20 unidades, ningn proceso de manifactura
es perfecto, de modo que los bloques defectuosos son inevitables. Sin embargo, es necesario
destruirlos para identificar el defecto. As pues, sera imposible someter a prueba cada bloque, se
selecciona y prueba 3 unidades, antes de aceptar un lote. Suponga que un lote dado, en realidad
incluye 5 unidades defectuosas. Sea x el nmero de unidades defectuosas muestreadas.
a) Encuentre la distribucin de probabilidad
b) Calcule la media y la varianza
20 unidades= N
Selecciona 3 unidades= n
5 defectuosas
x= # unidades defectuosas

104

DISTRIBUCION DE PROBABILIDAD

P(x)

0.3991

0.4605

0.1316

0.0087

b)

EJEMPLO 85
Como parte de un estudio de la contaminacin del aire, un inspector decide examinar la emisin
de gases de 6 de los 24 camiones de carga de una compaa. Si 4 de los camiones de la
compaa emite cantidades excesiva de contaminantes.
a) Cual es la probabilidad de que ninguno de ellos sea incluido en la muestra del inspector

b) Cual es la probabilidad de que cuando mucho 2 sean incluido en la muestra del inspector

105

c) Por lo menos uno sea incluido en la muestra del inspector

6.- DISTRIBUCIN DE POISSON

CARACTERISTICAS
1- X se define como el nmero de resultados que ocurren en un intervalo con regin
especficamente es independiente del nmero que ocurre en cualquier otro intervalo o regin.
2.- La probabilidad de que ocurra un solo resultado durante un intervalo muy corto o una regin
pequea es proporcional a la longitud o al tamao de la regin.

Promedio

EJEMPLO 86
En promedio en cierto crucero ocurren 3 accidentes de trfico por mes, cual es la probabilidad de
que en este crucero...
a) Sucedan 5 accidentes durante un mes

b) Ocurren menos de 3 accidentes en un mes

106

c) Al menos 2 accidentes en un perodo de 3 meses

EJEMPLO 87
Si la probabilidad es de 0.005 de que una persona cualquiera que asiste en un desfile en un da
muy caluroso de verano sufra insolacin. Cul es la probabilidad de que 18 de las 3000 personas
que asisten al desfile sufran insolacin?
a) Binomial
P(x) =
px qn-x
P(18) =

exacto

b) Poisson
aproximado (error de 10 000 sima)
EJEMPLO 88
Segn registros, la probabilidad de que un auto falle mientras pasa por cierto tnel es de
0.0094. Obtener la probabilidad de que entre 2000 autor que pasan por el tnel cuando
mucho uno falle.

107

EJEMPLOS COMPLEMENTARIOS DE LA UNIDAD 3

EJEMPLO 89
Si la probabilidad es de 0.005 de que una persona cualquiera que asiste en un desfile en un da
muy caluroso de verano sufra insolacin, cual es la probabilidad de que 18, de las 3000 personas
que asisten al desfile sufra insolacin.
Distribucin binomial
p=0.005
18 de las 3000... k=18
Valor exacto
Se puede utilizar la distribucin de poisson

EJEMPLO 90
En una prueba de tortura se enciende y apaga un interruptor elctrico hasta que este falla. Si la
probabilidad es de 0.001 de que el interruptor falle en cualquier momento de que est encendido o
apagado, cual es la probabilidad de que el interruptor no falle durante las primeras 800 veces que
se enciende o apague.

Distribucin geomtrica

108

x= 801 q=0.001
p=0999

P(x)= qx-1p= 0.001800*0.999= 0

EJEMPLO 91
Segn registros, la probabilidad de que un automvil falle mientras pasa por cierto tnel es de
0.0094.
a) Obtener la probabilidad de que entre 2000 automviles que pasan por el tnel cuando mucho 1
falle.

EJEMPLO 92
Un agente de seguros vende plizas a 5 personas de la misma edad y que disfrutan de buena
salud, segn las tablas actuales, la probabilidad de que una persona en estas condiciones viva 30
aos o ms es (2/3). Calcular la probabilidad de que transcurriendo 30 aos, vivan:
a) Las 5 personas.
b) Al menos 3 personas.
c) Exactamente 2 personas.
a)
P=2/3 n=5 personas
q=1/3 x=5

b)
P(x 3)= P(3)+P(4)+P(5)=1- [P(0)+P(1)+P(2)]
P(3)=
(2/3)3+(1/5)2=0.3292+0.3292+0.1317

109

P(3)= (101)(8/27)(1/9)=0.7901
P(3)=0.3292
P(4)=
(2/3)4 (1/3)1
P(4)= 5(16/81) (1/3)
P(4)=0.3292
c)
P(2)=
(2/3)2+(1/3)3
= (10)(4/9) (1/27)
= 0.1646

EJEMPLO 93
En un cierto proceso de manufactura se sabe que 4 de cada 100 piezas estn defectuosa.
a) Cul es la probabilidad de que la 5 pieza inspeccionada sea la primera defectuosa.
b) Cuntas piezas se piensa probar para encontrar la primera defectuosa?
c) Cul es el valor de la varianza?
p=(0.04)
q=0.96
a) P(5)=(0.96)4(0.04)
=0.0340

b) =
c)

=25

EJEMPLO 94
De un lote de 10 proyectiles, 4 se seleccionaron al azar y se dispararon. Si el lote contiene 3
proyectiles defectuosos que no explotaron. Cul es la probabilidad de:
a) Los 4 exploten.
b) Al menos 2 no exploten.
N=10
N=4
3 no explotan
7 explotan
e n

a)

b)

=0.1667
P(2)+P(3)+P(4)

P(2)=

=0.3

110

0.0333

N=24
n=6
K=4
a)
=

=0.1379

b)
P(0)+P(1)+P(2)
=

0.3819
0.3410

EJEMPLO 95
Suponga que la probabilidad de que una persona determinada crea una historia acerca de los
atentados a una famosa actriz es de 0.8 Cul es la probabilidad de: ?
a) La sexta persona escucha tal historia, sea la cuarta que la crea.
b) La tercer persona que escucha tal historia sea la primera en creerla.
c) Calcular la media o el nmero de personas a los que se les tiene que contar la historia
para encontrar a la cuarta que lo crea y encontrar la varianza.
p= 0-8
q= 0.2
P(x,r)=
pr qx-r

a)
b)
c)
2

= 1.25

EJEMPLO 96
A un nio se le hace que pegue 3 letreros en 3 figuras de animales y se define x como el nmero
de correspondencias correctas.
A) Distribucin de probabilidad

111

Animales: pato, elefante, mariposa

PEM
PME
EPM
EMP
MPE
MEP

X
3
1
1
0
0
1

X
0
1
3

P(X)
2/6
3/6
1

EJEMPLO 97
La distribucin de probabilidad de x, el nmero de defectos por cada 10m de una tela sinttica en
rollos continuas de ancho uniforme, es:
x
P(x)
P1Acf(x)
xP(x)
0
0.41
0.41
0
1
0.37
0.78
0.37
2
0.16
0.94
0.32
3
0.05
0.99
0.15
4
0.01
1
0.07
M= 0.88
A) Dibujar histograma y ojiva.
B) Calcular media, mediana y moda.

112

b) M=Exp(x) = Ex
Ex = valor esperado de x
M= 0.88
La mediana se encuentra en el 0.50 o la mitad de la distribucion.
0 0.41
Md --- 0.50
1 0.78
por lo tanto Md= 0.2432
Mo = 0 TIENE MAYOR PROBABILIDAD
EJEMPLO 98
Sea W una variable aleatoria que da el nmero de caras menos el de cruces en 4 lanzamientos de
una moneda.
A) Encuentre la distribucin de probabilidad
B) Calcule media, mediana y moda.
W= # caras - # cruces
S= 24= 16

113

CCCC
CCCX
CCXC
CCXX
CXCC
CXCX
CXXC
CXXX
XCCC
XCCX
XCXC
XCXX
XXCC
XXCX
XXXC
XXXX

4-0
3-1
3-1
2-2
3-1
2-2
2-2
1-3
3-1
2-2
2-2
1-3
2-2
1-3
1-3
-4

4
2
2
0
2
0
0
-2
2
0
0
-2
0
-2
-2
-4

W
-4
-2
0
2
4

P(W)
1/16
4/16
6/16
4/16
1/16

Wp(W)
-0.25
-0.5
0
0.5
0.25

M= EwP(w) = 0
-2 ----- 0.3125
Md ---- 0.5
0 ----- 0.6875
(Md + 2) / 2 = (0.5 0.3125) / 0.6875 0.3125
Md= -1
Mo= 0
VALOR ESPERADO O ESPERANZA MATEMATICA
E(x)=

variable aleatoria discreta

E(x)=

variable aleatoria continua

EJEMPLO 99
Se tiene que asignar 2 contratos aleatoriamente a una o ms empresas (I, II, III) cualquier
empresa puede recibir ms de un contrato, si cada contrato produce una ganancia de $90,000
para cada empresa calcule:
a) ganancia para la empresa I
b) si las empresas I y II pertenecen al mismo propietario Cul sera la ganancia esperada
total del dueo?

114

x
0
90,000
180,000

p(x)
4/9
4/9
1/9
1

y
0
90,000
180,000

X p(x)
0
40,000
20,000
60,000

p(y)
1/9
4/9
4/9
1

y p(y)
0
40,000
80,000
1200,000

EJEMPLO 100
Un tazn contiene 5 fichas que no puede distinguirse una de otra. 3 de las fichas estn marcadas
con $2 y las restantes con $6. Se sacan del tazn 2 fichas al azar sin remplazo y se paga el valor
de la suma indicado en las 2 fichas si el costo por su valor es de $5.60 es justo el juego?
S= (5) (4)=20

=10

3 fichas-$2
2 fichas- $6
Por lo tanto si conviene

x
-1.6
2.4
6.4

P(x)
3/10
6/10
1/10
1

X p(x)
-.48
1.44
0.64
1.6

EJEMPLO 101

115

Un piloto privado desea asegurar su avin por 50,000 dlares, la compaa aseguradora estima
una prdida total que puede ocurrir con una probabilidad total de 0.002 un 50% de prdida con
una probabilidad de 0.01 y 25% de prdida con una probabilidad de 0.1, ignorando todas las otras
perdidas Qu prima debera cobrar la compaa aseguradora para tener una utilidad promedio
de 500 dlares?
C = prima por pagar
Perdida
total
50%
25%

0.002

X
-50000 + c

P(x)
0.002

-25000 +c
-12500 + c
c

0.01
0.1
1-0.1-0.010.002=0.888

0.01
0.1
E=cC-

C=500+1600
C=2100

X p(x)
100+0.002c
-250+0.01c
-1250+0.1c
0.888c

1600
1600=500

E=c-1600

Exmenes
2 EXAMEN PARCIAL UNIDAD 3
PROBABILIDAD Y ESTADISTICA
EJEMPLO 102
1.- Cinco pelotas numeradas 1, 2, 3, 4 y 5 se encuentran en una urna. Se sacan 2 pelotas al azar
de las cinco y se anotan sus nmeros. Encuentre la distribucin de probabilidad para la suma de
los dos nmeros seleccionados:
1

4 5

116

12 13 14 15
23 24 25 34
35 45

X
3

P(x)

4
5
6
7
8
9

EJEMPLO 103
2.- Un vendedor de equipo pesado puede entrevistar a uno o dos clientes diariamente con una
probabilidad de 1/3 y 2/3 respectiva
mente. Cada entrevista tendr como resultado una no venta o una venta de $50,000 con
probabilidades de 0.9 y 0.1 respectivamente. Obtenga la distribucin de probabilidad para las
ventas diarias. Encuentre la media y la desviacin estndar de las ventas diarias.

0
0.84
0
50000
0.1533 7665
100000 0.0067 670

0
383250000
67000000

117

EJEMPLO 104
3.- Sea x una variable aleatoria con una funcin de densidad dada por:

F(x)=

o.2

-1<x0

0.2 + cx

-0<x1

0
a)

en cualquier otro punto

Determinar el valor de c.

EJEMPLO 105
4.- La proporcin de personas que contestan una cierta encuesta enviada por correo es una
variable aleatoria continua x que tiene la funcin de densidad.
0<x<1
F(x)=
0

a)

en cualquier otro caso

Calcular el coeficiente de simetra.

118

2 EXAMEN PARCIAL UNIDAD 3

PROBABILIDAD Y ESTADISTICA
EJEMPLO 106
1.- Sea x una variable aleatoria con la siguiente funcin de distribucin:

a)

Obtener la funcin de densidad.

b)

Calcular P (0x0.5).

EJEMPLO 107
2.-Un cliente potencial paga una pliza de seguro por $20000 tiene una casa en un rea que, de
acuerdo con la experiencia, puede sufrir una prdida total en un ao con una probabilidad de
0.001 y una prdida del 50% con una probabilidad de 0.01. Qu prima tendr que cobrar la CIA
de seguros por una pliza anual, para salir a mano con todas las plizas de $20000 de este tipo,
ignoramos las otras perdidas.

119

x
P(x)
xP(x)
-20000+c 0.001 -20+0.001c
-10000+c 0.01 -100+0.01c
c
0.989
0.989c
= -120+c
-120+c=0
c=120
EJEMPLO 108
3.- La distribucin de probabilidad de x, el nmero de efectos por cada 10 metros de una tela
sinttica en rollos continuos de ancho uniforme es:
x 0
1
2
3
4
f(x) 0.41 0.37 0.16 0.05 0.01

x
0
1
2
3
4

a)

f(x)
0.41
0.37
0.16
0.05
0.01

F(x)
0.41
0.78
0.94
0.99
1

xf(x)
0
0.37
0.32
0.15
0.04
=0.88

X2f(x)
0
0.37
0.64
0.45
0.16
=1.62

Dibuje la dist. Acumulada de x

120

Distribucion acumulada de x
1.2
1
0.8
0.6
0.4
0.2
0
0

b)

Calcule la moda, mediana y coeficiente de variacin.

2 EXAMEN PARCIA UNIDAD 3

PROBABILIDAD Y ESTADISTICA
EJEMPLO 109

1.a) Encuentre la distribucin de probabilidad para el nmero de discos de jazz cuando 4 discos se
seleccionan al azar de una coleccin que consiste de 5 discos de jazz, 2 de msica clsica y 3 de
polka
b) Represente grficamente la Dist. De probabilidad acumulada.

121

n=4
5 jazz
2 clsica

x=num. jazz

3 polka =10

P(x)
5/210
50/210
100/210
50/210
5/210

x
0
1
2
3
4

P(x)
0.0238
0.2381
0.4762
0.2381
0.0238

PAc(x)
0.0238
0.2619
0.7381
0.9762
1

1.2
1
0.8
0.6
0.4
0.2
0
0

EJEMPLO 110
2.- La demanda semanal de soda gaseosa, en miles de litros, de una cadena local de tiendas es
una variable aleatoria continua g(x)=x2+x-2, donde x tiene la funcin de densidad:

Encuentre el valor esperado y la varianza de g(x) =x2+x-2.

EJEMPLO 111

122

3.- Para trasladarme al trabajo, primero debo abordad un autobs cerca de casa y luego
transbordar otro. Si el tiempo de espera (en minutos) en cada parada uniforme con A=0 y B=5,
entonces tiempo total de espera y tiene la funcin de densidad de probabilidad.

a)
b)
c)
min?

Determinar la distribucin de probabilidad acumulada F(x).

Cul es la probabilidad de que el tiempo total sea a lo sumo 8 min?
Cul es la probabilidad de que el tiempo total de espera sea menos de 2 min ms de 6

123

UNIDAD IV: Distribuciones de probabilidad de variable aleatoria

contina.
La funcin
es una funcin de densidad de probabilidad para la variable aleatoria continua
definida en el conjunto de los nmeros reales si:
1)
2)

para todo x R

3)
La distribucin acumulada
es:

de una variable aleatoria contina

con una funcin de densidad

; para
La media de una variable aleatoria contina.

La varianza =

EJEMPLO 112
El nmero total de horas que se miden en unidades de 100hrs. Que una familia utiliza una
aspiradora durante 1 ao es una variable aleatoria continua
que contiene la funcin de
densidad:

a) Graficar la funcin de densidad.

b) Determinar la distribucin acumulada
y representarla grficamente.
c) Encuentre la probabilidad que una familia utilice la aspiradora durante 1 ao:
c.1) menos de 120hrs.
c.2) entre 50 y 100hrs.
d) Calcular la media y la varianza para la variable aleatoria x.

124

Solucin:
a)
1.2

f(x)

0.5

0.5

1.5

0.5

1
0.8
f(x)

0.6
0.4
0.2
0
0

0.5

1.5

b)

125

1
0.9

0.8

F(x)

0.7

0.6
F(x)

(0.5)2/2= 0.125

0.5

0.4
0.3

(1)2/2= 0.5

0.5

0.2
2

1.5

2(1.5)-(1.5) /2-1=0.875

0.1
0

2(2)-(2)2/2-1= 1

0.5

1.5

c)

c.1)
1.2
1

f(x)

0.8
f(x)=x

f(x)=2-x

0.6
0.4

A1

0.2
0
0

0.5

1 1.2

1.5

=0.68

126

f(x)

1.1
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0

A2

A3

0.5

1.5

d)
Media.

Varianza.
Si:

Sustituyendo

127

EJEMPLO 113
Suponga que tiene la funcin de densidad

a)
b)
c)
d)

Encuentre el valor de C que hace de f(x) una funcin de densidad de probabilidad.

Encuentre
.
Obtener F(x) y representar la grafica.
Calcular coeficiente de simetra y de Kurtosis (
)

Solucin:
a)
Si

Entonces tenemos que:

b)

c)

128

F(x)

0.8

0.5

(0.5)2/4=0.0625

0.6

(1)2/4=0.25
2

1.5

(1.5) /4=0.5625

F(x)

0.4
0.2
0
0

0.5

1.5

d)

Si

Sustituyendo:

Sustituimos en:

Distribucin asimtrica con sesgo negativo.

Para

Sustituyendo:
Ahora sustituyendo

en

.
129

Distribucin Platocurtica.

Variable aleatoria contina.

EJEMPLO 114
Sea

a) Calcular el valor de la constante

b) Calcular
Solucin.
A.

B.

EJEMPLO 115
Sea X con funcin de densidad

para

. Su funcin de distribucin est dada

por:

Obtenga el

de esta distribucin.

Solucin

130

Funcin de densidad de variable a aleatoria continua y momentos.

EJEMPLO 116
Supngase que el error en la temperatura de reaccin, en C para un experimento de laboratorio
controlado es una variable aleatoria continua que tiene la funcin de densidad de probabilidad:

a) Verifique que sea una funcin de densidad

b) Encuentre

Solucin:
A)

Por lo tanto, si es una funcin de densidad

B)

EJEMPLO 117
Considere la siguiente funcin de densidad

a) Calcule el valor de que hace de

una funcin de densidad de probabilidad
b) Calcule
y utilcela para calcular
c) Calcule los primeros 3 momentos con respecto al origen.
Solucin.
A)

131

B)

C)

MODELOS COMUNES DE DISTRIBUCIN VARIABLE.

ALEATORIAS CONTINUAS.
1) Distribucin Uniforme
2) Distribucin Exponencial
3) Distribucin Normal

DISTRIBUCIN UNIFORME O DISTRIBUCIN RECTANGULAR.

La funcin de densidad forma un rectngulo con base

y altura constante

. Como

resultado, la distribucin uniforme se le conoce tambin como distribucin rectangular.

132

Media

Varianza

EJEMPLO 118
El tiempo de 1 viaje (ida y vuelta) de los camiones que transporta el concreto hacia una obra de
construccin en una carreta est distribuida uniformemente en un intervalo de 50 a 70 minutos.
a) Cul es la probabilidad de que la duracin del viaje sea mayor de 65 min

b) Cul es la probabilidad de que la duracin del viaje este entre 52 y 68 minutos

c) Calcular la media y la desviacin estndar.

133

EJEMPLO 119
Suponga que una sala de conferencia grande se puede reservar no ms de 4 horas. Sin embargo,
el uso de la sala de conferencias es tal que muy a menudo tienen conferencias largas y cortas. De
hecho se puede suponer que la duracin de una conferencia tiene una distribucin uniforme de
(0,4)
a) Cul es la funcin de densidad?
b) Cul es la probabilidad que una conferencia dure al menos 3.2 horas?
Solucin.
a)

b)

EJEMPLO 120
El precio medio del litro de gasolina durante el prximo ao se estima que puede oscilar entre 140
y 160 pesetas. Podra ser, por tanto, de 143 pesetas o de 143.4 pesetas, o de 143.45 pesetas, o
de 143.455 pesetas, etc. Hay infinitas posibilidades, todas ellas con la misma probabilidad.
Su funcin de densidad, aquella que nos permite conocer la probabilidad que tiene cada punto del
intervalo, viene definida por:

Dnde:

Encuentre el precio esperado de la gasolina para el siguiente ao.

Solucin.

Por lo tanto, el valor esperado de la gasolina para el siguiente ao es de 150 pesetas.

134

EJEMPLO 121
La variacin de la profundidad de un rio de un da al otro, medida en 10, en un sitio especifico en
una variable aleatoria , con la siguiente funcin de densidad:

a)
b)
c)
d)

Obtener el valor de K.
Obtener la funcin de distribucin para .
Calcular
.
La
.
Solucin.
a)
f(x)

-3

-2

-1

b)

c)

d)

135

EJEMPLO 122
El volumen de precipitaciones estimado para el prximo ao en la ciudad de Sevilla oscilar entre
400 y 500 litros por metro cuadrado. Calcular la funcin de distribucin y la precipitacin media
esperada.

Solucin.
Entonces:

Mientras, el valor esperado:

DISTRIBUCIN EXPONENCIAL.

EJEMPLO 123
Se puede modelar las magnitudes ssmicas registradas (Segn la escala de Richter), en una
regin mediante una distribucin exponencial con medial igual a 2.4 Obtenga:
a) La probabilidad de que la magnitud de un sismo en esta regin sea mayor de 3
=2.4=

136

b) Carga entre 2 y 3

EJEMPLO 124
Suponga que el tiempo de respuesta por el tiempo transcurrido entre el final de la peticin de un
usuario y el comienzo de la respuesta al sistema a esa peticin. Tiene una distribucin
exponencial con tiempo de respuesta esperado igual a 5 segundos.
a) Determinar la probabilidad de que el tiempo de respuesta esperado sea a la suma 10
segundos
=5=

b) Est entre 5 y entre 10

DISTRIBUCIN NORMAL O CAMPANA DE GAUSS.

137

Estandarizacin de la curva normal

Z= valores estandarizados
Con z=-1.96

Caso I

138

Caso II

Caso III

139

140

Caso IV

Caso V

141

EJEMPLO 125
En un proceso fotogrfico el tiempo de revelado de las copias es una variable aleatoria cuya
distribucin normal tiene una media de 16.285 y una desviacin estndar de 0.12
Calcular la posibilidad
a) De que una copia tarde en revelarse entre 16 y 16.5 segundos
=16.285
=0.12

De tablas si

De tablas si

p(x)=0.0087

p(x)=0.9633

b) Al menos 16.2 segundos

c) A lo ms 16.35 segundos

d) Para qu valor la probabilidad de que pase el tiempo que se tarde en revelar una de las copias
es de 0.95.
De tablas buscando un valor que se aproxime a 0.05 se tienen 2 valores
Z1=-1.64
Z2=-1.65

142

EJEMPLO 126
Investigadores reportan que aproximadamente 75% de las personas creen que los tranquilizantes
funcionan muy bien. De las siguientes 80 personas, Cul es la probabilidad de...
a) Al menos 50 son de la misma opinin

Para tomar el valor de 50 se escoge 49.5 ya que es variable discreta

49.5 50 - 50.5

De la tabla se toma el valor de 0.0034

b) Cuando mucho 66
Para tomar el valor de 66 se escoge 66.5 ya que es variable discreta
65.5 60 - 66.5

De la tabla se toma el valor de 0.9535

Aproximacin de la Distribucin Normal a la Binomial.

Se tiene una buena aproximacin cuando:
EJEMPLO 127
En una ciudad el 20% de las personas prefieren un telfono blanco que cualquier otro color Cul
es la probabilidad de que en los siguiente 1000 telfonos que se instalan en la ciudad
a) Entre 170 y 180 incluyendo sean blancos

143

Para tomar el valor de 170 se escoge 169.5 ya que es variable discreta y para tomar
valor de 185 se escoge 185.5

el

De la tabla se toma el valor de 0.008

De la tabla se toma el valor de 0.1251

b) Al menos 210 pero no ms de 225 sean blancos

Para tomar el valor de 210 se escoge 209.5 ya que es variable discreta y para tomar
valor de 185 se escoge 225.5.

el

De la tabla se toma el valor de 0.7734

De la tabla se toma el valor de 0.9783

144

Distribucin de probabilidad normal y normal estndar.

EJEMPLO 128
Una poblacin normal tiene una media de 80 y una desviacin estndar de 14.
a) Calcule la probabilidad de un valor localizado entre 75 y 90
b) Calcule la probabilidad de un valor de 75 o menor
c) Calcule la probabilidad de un valor localizado entre 55 y 70

Solucin.
A.

Z
Probabilidad acumulada
-0.36
0.3594
0.71
0.7611

B.

Z
Probabilidad acumulada
-0.36
0.3594

C.

145

Z
Probabilidad acumulada
-1.79
0.0367
-0.71
0.2389

EJEMPLO 129
Se supone que los resultados de un examen siguen una distribucin normal con media 78 y
desviacin tpica 36.
Cul es la probabilidad de que una persona que se presenta el examen obtenga una calificacin
superior a 72%?
Solucin.

146

Distribucin de probabilidad beta.

Media

Varianza

Nota:

EJEMPLO 130
En un proyecto se sabe que el camino crtico est formado por 100 actividades, tal que la duracin
de cada una de ellas es aleatoria y sigue una distribucin beta extendida de parmetros
y
; el tiempo optimista es de tres das, mientras que el pesimista se retrasa a 13 das.
Calcular
a) Duracin media del proyecto
b) Desviacin tpica de la duracin del proyecto
c) Probabilidad de que el proyecto se termine antes de 520 das

Solucin.
Sea
la duracin de una actividad, y
proyecto.

, es decir, la duracin total del

A.

B.

Luego

147

C.
Como la variable
es suma de variables aleatorias independientes idnticamente distribuidas,
aplicando el teorema central del lmite tenemos:

EJEMPLO 131
Si la proporcin anual de declaraciones muestra errores en el departamento de contribuciones
puede considerarse como una variable aleatoria que tiene una distribucin beta con
.
Cul es la probabilidad de que en un ao determinado menos del 10% de las declaraciones sean
errneas?
Solucin.

148

Distribucin Gamma.
La variable aleatoria continua
de densidad esta dada por:

tiene una distribucin gamma, con parmetros

, su funcin

Media

Varianza

Nota:

EJEMPLO 132
Suponga que llegan llamadas telefnicas a un conmutador en particular y que siguen el proceso
de Poisson con un promedio de 5 llamadas por minuto. Cul es la probabilidad de que pase
hasta 1 minuto antes de que lleguen 2 llamadas?

Solucin.
El proceso de Poisson corresponde al tiempo hasta que 2 eventos de Poisson que sigue una
distribucin gamma con

. Sea la variable aleatoria X el tiempo que transcurre antes

de que entren 2 llamadas. La probabilidad requerida es:

149

Distribucin Weibull.
La variable aleatoria continua tiene una distribucin de Weibull, con parmetros
funcin de densidad esta dada por:

, su

Media

Varianza

EJEMPLO 133
Suponga que la vida til de cierta clase de batera (en hrs.) es la variable aleatoria que tiene una
distribucin con
. Calcular:
a) La vida til promedio de esta batera.
b) La varianza.
c) Probabilidad de que la batera dure ms de 300hrs.
Solucin.
a)

b)

c)

150

EJEMPLO 134
El tiempo de falla (en horas) del cojinete de una flecha est modelado de tal manera satisfactoria
por una variable aleatoria Weibull con

horas. Calclese el tiempo promedio de

falla. Determine la probabilidad de que el cojinete dure al menos 6000 horas.

Solucin.
Ahora:

151

Variables aleatorias continuas conjuntas.

EJEMPLO 141
Sean

dos variables aleatorias conjuntas con funcin de densidad

a) Calcular el valor de para el cual

b) Obtener la probabilidad
c) Calcular la probabilidad

es funcin de densidad

Solucin.
A.

B.

C.

152

EJEMPLO 142
Sean
y
las proporciones de dos sustancias distintas que se encuentran en una muestra de
una mezcla de reactivos que se usa como insecticida. Supngase que
y
tienen una
densidad de probabilidad conjunta representada por:

a) Calcular
b) Calcular
Solucin.
A.

153

B.

Funciones de densidad para variables aleatorias continuas conjuntas y momentos.

EJEMPLO 143
Simbolice con X la cantidad de tiempo de prstamo para un libro, disponible durante 2 horas en la
biblioteca de la universidad, solicitado por un estudiante seleccionado al azar, y suponga que X
tiene funcin de densidad:

Hallar:
a)
b)
c)

Solucin.

154

A.
B.
C.

155

EJEMPLO 144
Considere la siguiente funcin de densidad de probabilidad de la variable aleatoria X

Hallar:
a) Obtener el valor de para que
sea una funcin de densidad de probabilidad X
legtima
b) Obtener la funcin de distribucin acumulada
c) Calcular la siguiente probabilidad
d) Obtener la esperanza, la varianza y la desviacin tpica de X

Solucin.
A.

B.

156

C.

D.

Para la varianza:

157

Funciones de variables aleatorias.

EJEMPLO 148
Hallar la funcin de distribucin de la variable aleatoria X que tiene por funcin de densidad:

Solucin.

Entonces:

158