PROBABILIDAD y ESTADÍSTICA

Definición de probabilidad La probabilidad de un suceso es un número, comprendido entre 0 y 1, que indica las posibilidades que tiene de verificarse cuando se realiza un experimento aleatorio. Experimentos deterministas Son los experimentos de los que podemos predecir el resultado antes de que se realicen. Ejemplo Si dejamos caer una piedra desde una ventana sabemos, sin lugar a dudas, que la piedra bajará. Si la arrojamos hacia arriba, sabemos que subirá durante un determinado intervalo de tiempo; pero después bajará. Experimentos aleatorios Son aquellos en los que no se puede predecir el resultado, ya que éste depende del azar. Ejemplos Si lanzamos una moneda no sabemos de antemano si saldrá cara o cruz. Si lanzamos un dado tampoco podemos determinar el resultado que vamos a obtener. Teoría de probabilidades La teoría de probabilidades se ocupa de asignar un cierto número a cada posible resultado que pueda ocurrir en un experimento aleatorio, con el fin de cuantificar dichos resultados y saber si un suceso es más probable que otro. Con este fin, introduciremos algunas definiciones:

Suceso Es cada uno de los resultados posibles de una experiencia aleatoria. Al lanzar una moneda salga cara. Al lanzar una moneda se obtenga 4. Espacio muestral Es el conjunto de todos los posibles resultados de una experiencia aleatoria, lo representaremos por E (o bien por la letra griega Ω). Espacio muestral de una moneda: Ω = {C, X}. Espacio muestral de un dado: Ω = {1, 2, 3, 4, 5, 6}. Suceso aleatorio es cualquier subconjunto del espacio muestral. Por ejemplo al tirar un dado un suceso sería que saliera par, otro, obtener múltiplo de 3, y otro, sacar 5. Ejemplo Una bolsa contiene bolas blancas y negras. Se extraen sucesivamente tres bolas. Calcular: 1. El espacio muestral. Ω = {(b,b,b); (b,b,n); (b,n,b); (n,b,b); (b,n,n); (n,b,n); (n,n ,b); (n, n,n)}

2. El suceso A = {extraer tres bolas del mismo color}. A = {(b,b,b); (n, n,n)} 3. El suceso B = {extraer al menos una bola blanca}. B= {(b,b,b); (b,b,n); (b,n,b); (n,b,b); (b,n,n); (n,b,n); (n,n ,b)} 4. El suceso C = {extraer una sola bola negra}. C = {(b,b,n); (b,n,b); (n,b,b)} Tipos de sucesos Suceso elemental es cada uno de los elementos que forman parte del espacio muestral. Por ejemplo al tirar un dado un suceso elemental es sacar 5. Suceso compuesto es cualquier subconjunto del espacio muestral. Por ejemplo al tirar un dado un suceso sería que saliera par, otro, obtener múltiplo de 3. Suceso seguro, Ω , está formado por todos los posibles r esultados (es decir, por el espacio muestral). Por ejemplo al tirar un dado un dado obtener una puntuación que sea menor que 7. Suceso imposible, , es el que no tiene ningún elemento.

Por ejemplo al tirar un dado obtener una puntuación igual a 7. Sucesos compatibles Dos sucesos, A y B, son compatibles cuando tienen algún suceso elemental común.

Si A es sacar puntuación par al tirar un dado y B es obtener múltiplo de 3, A y B son compatibles porque el 6 es un suceso elemental común. Sucesos incompatibles Dos sucesos, A y B, son incompatibles cuando no tienen ningún elemento en común. Si A es sacar puntuación par al tirar un dado y B es obtener múltiplo de 5, A y B son incompatibles. Sucesos independientes Dos sucesos, A y B, son independientes cuando la

probabilidad de que suceda A no se ve afectada porque haya sucedido o no B. Al lazar dos dados los resultados son independientes. Sucesos dependientes Dos sucesos, A y B, son dependientes cuando la probabilidad de que suceda A se ve afectada porque haya suce dido o no B. Extraer dos cartas de una baraja, sin reposición, son sucesos dependientes. Suceso contrario El suceso contrario a A es otro suceso que se realiza cuando no se realiza A. Se denota por Ā. Son sucesos contrarios sacar par e impar al lanzar un dado. Espacio de sucesos Espacio de sucesos, S, es el conjunto de todos los sucesos aleatorios. Si tiramos una moneda el espacio se sucesos está formado por: S= {{ɸ}, {C}, {X}, {C, X}}.

Observamos que el primer elemento es el suceso imposible y el último el suceso seguro. Si Ω tiene un número finito de elementos, n, de elementos el número de sucesos de Ω es 2 n . - Una moneda Ω = {C, X}. - Número de sucesos = 2 2 =4 - Dos monedas Ω = {(C,C); (C,X); (X,C); (X,X)}. - Número de sucesos = 2 4 =16 - Un dado Ω = {1, 2, 3, 4, 5, 6}. - Número de sucesos = 2 6 = 64

Unión de sucesos La unión de sucesos, A B. Es decir, el suceso A A B se verifica cuando ocurre uno de los dos, A o B, o ambos. B, es el suceso formado por todos los elementos de A y de

B se lee como "A o B".

Ejemplo Consideramos el experimento que consiste en lanzar un dado, si A = "sacar par" y B = "sacar múltiplo de 3". Calcular A A = {2, 4, 6} B = {3, 6} B.

3. 6} Propiedades de la unión de sucesos Conmutativa Asociativa Idempotente Simplificación Distributiva Elemento neutro . 4.A B = {2.

B se lee como "A y B". de A y B. 6} A B = {6} B. Es decir. el suceso A A B. Ejemplo Consideramos el experimento que consiste en lanzar un dado. . A son. si A = "sacar par" y B = "sacar múltiplo de 3". a la vez. es el suceso formado por todos los elementos que B se verifica cuando ocurren simultáneamente A y B.Absorción INTERSECCIÓN DE SUCESOS La intersección de sucesos. 4. Calcular A A = {2. 6} B = {3.

Es decir. A − B.Propiedades de la intersección de sucesos Conmutativa Asociativa Idempotente Simplificación Distributiva Elemento neutro Absorción Diferencia de sucesos La diferencia de sucesos. la diferencia de los sucesos A y B se verifica cuando lo hace A y no B. . es el suceso formado por todos los elementos de A que no son de B.

A = {2. Es decir. . se verifica siempre y cuando no se verifique A. Ejemplo Consideramos el experimento que consiste en lanzar un dado. Ejemplo Consideramos el experimento que consiste en lanzar un dado. 6} A − B = {2.A se llama suceso contrario o complementario de A.A − B se lee como "A menos B". Calcular A − B. Calcular Ā. 4. si A = "sacar par" y B = "sacar múltiplo de 3". 6} B = {3. 4} Propiedad Sucesos contrarios El suceso Ā = E . si A = "sacar par".

6} Ā = {1.A = {2. 5} Propiedades Leyes de Morgan . 4. 3.

su probabilidad es menor o igual a la de ést e. es decir A p(A B) = p(A) + p(B) B = entonces: Propiedades de la probabilidad 1. 4. La probabilidad del suceso seguro es 1.Propiedades de la probabilidad 1. La probabilidad es positiva y menor o igual que 1. La probabilidad de la unión de dos sucesos es la suma de sus probabilidades restándole la probabilidad de su intersección. Probabilidad del suceso imposible es cero. 0 ≤ p(A) ≤ 1 2. por tanto la probabilidad del suceso contrario es: 2. La suma de las probabilidades de un suceso y su contrario vale 1. Si un suceso está incluido en otro. p(E) = 1 3. Si A y B son incompatibles. 3. .

es: P (par) = P(2) + P(4) + P(6) Regla de laplace Si realizamos un experimento aleatorio en el que hay n sucesos elementales. Casos favorables: 1. A 2 .. todos igualmente probables. Si A 1 .. Si el espacio muestral Ω es finito y un suceso es S = {x 1 . Casos posibles: {cc.. entonces si A es un suceso. .5. equiprobables. xx}. cx. x n } entonces: Por ejemplo la probabilidad de sacar par. xc.. al tirar un dado. la probabilidad de que ocurra el suceso A es: Ejemplos Hallar la probabilidad de que al lanzar dos monedas al aire salgan dos caras... x 2 .. A k son incompatibles dos a dos entonces: 6..

6}. Casos posibles: {1. 4. 6}. Casos posibles: 40. Casos favorables: {2. Calcular la probabilidad de que al echar un dado al aire. 5. 6}. salga: 1 Un número par. . 2 Un múltiplo de tres. 4. Casos favorables de copas: 10. Casos favorables: {3. Casos favorables de ases: 4. 2. hallar la P (as) y P (copas). 3.En una baraja de 40 cartas.

¿Cuál es la probabilidad de que dos personas fijadas de antemano se sienten juntas? Casos posibles: Casos favorables: Si consideramos las dos personas que se sientan juntas como una sola persona habrá 9!. Casos favorables: {5. 6}. Hallar la probabilidad de extraer: . Se extraen cinco cartas de una baraja de 52. Combinatoria y probabilidad La combinatoria nos puede ser muy útil para calcular los sucesos posibles y favorables. al aplicar la regla de Laplace. Especialmente si hay un gran número de sucesos.3 Mayor que 4. Ejemplos 1 Un grupo de 10 personas se sienta en un banco. por tanto se tiene 2 · 9! 2. pero pueden estar de dos formas posibles a la izquierda uno d e otro o a la derecha.

.4 ases. Hay cuatro formas de elegir el primer palo y tres formas de elegir al segundo palo. 4 ases y un rey. 10. Al menos un as. 3 de un palo cualquiera y 2 de otro. caballo y rey en cualquier orden. 3 cincos y 2 sotas. sota. Un 9.

. Probabilidad condicionada Sean A y B dos sucesos de un mismo espacio muestral Ω . Se llama probabilidad del suceso A condicionada al B y se representa por P(A/B) a la probabilidad del suceso A una vez ha ocurrido el B.Probabilidad de la unión de sucesos Probabilidad de la unión de sucesos incompatibles A p(A B = B) = p(A) + p(B) Calcular la probabilidad de obtener un 2 ó un 5 al lanzar un dado. Probabilidad de la unión de sucesos compatibles A p(A p(A p(A B ≠ B) = p(A) + p(B) − p(A B B B) B) − p(A C) − p(B C) + C) = p(A) + p(B) + p(C) − p(A C) Calcular la probabilidad de obtener un múltiplo de 2 ó un 6 al lanzar un dado.

Ejemplo Calcular la probabilidad de obtener un 6 al tirar un dado sabiendo que ha salido par. Sucesos independientes Dos sucesos A y B son independientes si p(A/B) = p(A) Sucesos dependientes Dos sucesos A y B son dependientes si p(A/B) ≠ p(A) Probabilidad compuesta o de la interseccion de sucesos Probabilidad de la intersección de sucesos independientes p(A Ejemplo B) = p(A) · p(B) Se tiene una baraja de 40 cartas. ¿Cuál es la probabilidad de extraer dos ases? . se saca una y se vuelve a meter.

Se trata de tablas en cuyas celdas figuran probabilidades. y en la cual podemos determinar unas probabilidades conociendo otras de la tabla. ¿cuál será la probabilidad de que sea una mujer? . Se pide: 1. 65 son mujeres. 80 están casados y 45 son mujeres casadas.Probabilidad de la intersección de sucesos dependientes p(A Ejemplo Se tiene una baraja de 40 cartas. Si del afortunado se sabe que es casado. ¿Cuál es la probabilidad de extraer dos ases? B) = p(A) · p(B/A) Probabilidad de la diferencia de sucesos Tablas de contingencia Un método útil para clasificar los datos obtenidos en un recuento es mediante las tablas de contingencia. se extraen dos cartas. De ellos. ¿Cuál será la probabilidad de que le toque el viaje a un hombre soltero? 2. Ejemplo Se sortea un viaje a Roma entre los 120 mejores clientes de una agencia de automóviles.

Si se escoge un comité de tres al azar. Seleccionar tres niños. En el final de cada rama parcial se constituye a su vez. Ejemplos Una clase consta de seis niñas y 10 niños. hallar la probabilidad de: 1.Diagramas de árbol Para la construcción de un diagrama en árbol se partirá poniendo una rama para cada una de las posibilidades. un nudo del cual parten nuevas ramas. salvo si el nudo representa un posible final del experimento ( nudo final). según las posibilidades del siguiente paso. Hay que tener en cuenta: que la suma de probabilidades de las ramas de cada nudo ha de dar 1. acompañada de su probabilidad. .

. 4. 3. Seleccionar tres niñas.2. Seleccionar exactamente dos niños y una niña. Seleccionar exactamente dos niñas y un niño.

estamos realizando un experimento compuesto. son experimentos aleatorios simples. salgan: Tres caras. . Es decir. En los experimentos compuestos es conveniente usar el llamado diagrama en árbol para hacerse una idea global de todos ellos. si tiramos un dado. pero si realizamos el experimento de tirar un dado y posteriormente una moneda. Experimentos compuestos Un experimento compuesto es aquel que consta de dos o más experimentos aleatorios simples.Calcular la probabilidad de que al arrojar al aire tres monedas. o una moneda.

Teorema de la probabilidad total Si A 1 . de las cuales hay cuatro fundidas. La primera contiene 10 bombillas. 1 2 p(B) = p(A 1 ) · p(B/A 1 ) + p(A 2 ) · p(B/A 2 ) + . Resulta que: A . .. y la tercera caja hay tres bombillas fundidas de un total de ocho. esté fundida? . en la segunda hay seis bombillas... A 2 ... Y cuya unión es el espacio muestral (A Y B es otro suceso. ¿Cuál es la probabilidad de que al tomar una bombilla al azar de una cualquiera de las cajas.. + p(A n ) · p(B/A n ) Ejemplo Se dispone de tres cajas con bombillas. A n = Ω ). estando una de ellas fundida. A n son: Sucesos incompatibles 2 a 2..

1 2 Las probabilidades p(A 1 ) se denominan probabilidades a priori.Teorema de bayes Si A 1 . Y cuya unión es el espacio muestral (A Y B es otro suceso. .. A 2 .. Resulta que: A .. .. A n son: Sucesos incompatibles 2 a 2.. A n = Ω).

1. La probabilidad de que suene esta sí se ha producido algún incidente es de 0. Ejemplos El 20% de los empleados de una empresa son ingenieros y otro 20% son economistas. mientras que los no ingenieros y los no economistas solamente el 20% ocupa un puesto directivo. El 75% de los ingenieros ocupan un puesto directivo y el 50% de los economistas también. En el supuesto de que haya funcionado la alarma. ¿cuál es la probabilidad de que no haya habido ningún incidente? .Las probabilidades p(A i /B) se denominan probabilidades a posteriori. ¿Cuál es la probabilidad de que un empleado directivo elegido al azar sea ingeniero? La probabilidad de que haya un accidente en una fábrica que dispone de alarma es 0. Las probabilidades p(B/A i ) se denominan verosimilitudes.97 y la probabilidad de que suene si no ha sucedido ningún incidente es 0.02.

Sean los sucesos: I = Producirse incidente. A = Sonar la alarma. .

está formado por todos los posibles resultados (es decir. Tipos de sucesos Suceso elemental es cada uno de los elementos que forman parte del espacio muestral. son compatibles cuando tienen algún suceso elemental común. . Ω.RESUMEN DE ESTE CAPITULO Teoría de probabilidades La teoría de probabilidades se ocupa de asignar un cierto número a cada posible resultado que pueda ocurrir en un experimento aleatorio. Suceso Es cada uno de los resultados posibles de una experiencia aleatoria. con el fin de cuantificar dichos resultados y saber si un suceso es más probable que otro. Suceso seguro. Por ejemplo al tirar un dado obtener una puntuación igual a 7. es el que no tiene ningún elemento.ɸ. A y B. por el espacio muestral). Espacio muestral Es el conjunto de todos los posibles resultados de una experiencia aleatoria. Suceso imposible. Suceso compuesto es cualquier subconjunto del espacio muestral. Sucesos compatibles Dos sucesos. lo representaremos por E (o bien por la letra griega Ω).

B. Intersección de sucesos La intersección de sucesos. Diferencia de sucesos La diferencia de sucesos. Unión de sucesos La unión de sucesos. A son. Sucesos dependientes Dos sucesos.Sucesos incompatibles Dos sucesos. es el suceso formado por todos los elementos que B. es el suceso formado por todos los elementos de A que no son de B. Sucesos independientes Dos sucesos. A y B. A − B. son independientes cuando la probabilidad de que suceda A no se ve afectada porque haya sucedido o no B. son dependientes cuando la probabilidad de que suceda A se ve afectada porque haya sucedido o no B. Suceso contrario El suceso contrario a A es otro suceso que se realiza cuando no se realiza A. A y B. Se denota por Ā. son incompatibles cuando no tienen ningún elemento en común. A B. A y B. de A y B. a la vez. es el suceso formado por todos los elementos de A y de ..

... x 2 . x n } entonces: Ley de Laplace .Sucesos contrarios El suceso = Ω . A 2 . . 0 ≤ p(A) ≤ 1 2..A se llama suceso contrario o complementario de A. A k son incompatibles dos a dos entonces: 6 Si el espacio muestral E es finito y un suceso es S = {x 1 ... p(A B) = p(A) + p(B) Propiedades de la probabilidad 1 2 3 4 5 Si A 1 . . p(E) = 1 3. Axiomas de la probabilidad 1.

A n son sucesos incompatibles 2 a 2. + p(A n ) · p(B/A n ) ... A n = E) y B es otro suceso. cuya unión es el espacio muestral (A 1 A 2 ... A 2 ...Probabilidad de la unión de sucesos incompatibles A p(A B = B) = p(A) + p(B) Probabilidad de la unión de sucesos compatibles A p(A B ≠ B) = p(A) + p(B) − p(A B) Probabilidad condicionada Probabilidad de la intersección de sucesos independientes p(A B) = p(A) · p(B) Probabilidad de la intersección de sucesos dependientes p(A B) = p(A) · p(B/A) Teorema de la probabilidad total Si A 1 . . resulta que: p(B) = p(A 1 ) · p(B/A 1 ) + p(A 2 ) · p(B/A 2 ) + ..

resulta que: . A 2 .Teorema de Bayes Si A 1 . ... cuya unión es el espacio muestral (A 1 A 2 ... A n son sucesos incompatibles 2 a 2.. A n = E) y B es otro suceso.

4. Sean A y B dos sucesos aleatorios con: Hallar: 1. 5. 2. . 3. 6.EJERCICIOS 1.

Sean A y B dos sucesos aleatorios con: Hallar: 1 2 3 . 2.7.

VB. VN. RR. 3Sea amarilla. VN. otra verde y otra negra. NR. BN. VR. NV} 4. Se sacan dos bolas de una urna que se compone de una bola blanca. RB. RV. BV. RN. 2Sea verde. NR. E = {BB. Escribir el espacio muestral cuando: 1 La primera bola se devuelve a la urna antes de sacar la segunda. NB. BN.4 3. NN} 2 La primera bola no se devuelve. Una urna tiene ocho bolas rojas. 5 amarilla y siete verdes. VR. BV. VV. E = {BR. VB. NV. RN. BR. NB. RV. . otra roja. RB. Si se extrae una bola al azar calcular la probabilidad de: 1Sea roja.

Se extrae una bola de una urna que contiene 4 bolas rojas. ¿cuál es la probabilidad de que la bola sea roja o blanca? ¿Cuál es la probabilidad de que no sea blanca? . 5. 5 blancas y 6 negras. Una urna contiene tres bolas rojas y siete blancas. 2 Sin remplazamiento. 5No sea amarilla.4No sea roja. Se extraen dos bolas al azar. 6. Escribir el espacio muestral y hallar la probabilidad de los sucesos: 1 Con remplazamiento.

Un día asisten 45 alumnos. 20 morenas. 2Sea mujer morena. Hallar: 1La probabilidad de obtener el 6 en un lanzamiento. Un dado está trucado.7. 3Sea hombre o mujer. de forma que las probabilidades de obtener las distintas caras son proporcionales a los números de estas. 2La probabilidad de conseguir un número impar en un lanzamiento. En una clase hay 10 alumnas rubias. encontrar la probabilidad de que un alumno: 1Sea hombre. . cinco alumnos rubios y 10 morenos. 8.

Se lanzan dos dados al aire y se anota la suma de los puntos obtenidos. 2 La probabilidad de que el número obtenido sea par.9. Se pide: 1La probabilidad de que salga el 7. 10. Encontrar la probabilidad de que: 1 Salga 6 en todos. 3 La probabilidad de que el número obtenido sea múltiplo de tres. 2 Los puntos obtenidos sumen 7. Se lanzan tres dados. .

Hallar la probabilidad de que al lanzar al aire dos monedas. Busca la probabilidad de que al echar un dado al aire. 13. . salga: 1 Un número par. 3 Mayor que cuatro. 2 Un múltiplo de tres. 12.11. Hallar la probabilidad de que al levantar unas fichas de dominó se obtenga un número de puntos mayor que 9 o que sea múltiplo de 4. salgan: 1 Dos caras.

14. 3 Una cara y una cruz. 2 Si se extraen dos papeletas. 15. Los estudiantes A y B tienen respectivamente probabilidades 1/2 y 1/5 de suspender un examen. Determinar la probabilidad de que al menos uno de los dos estudiantes suspenda el examen. . 3 Si se extraen tres papeletas. ocho llevan dibujado un coche las restantes son blancas. Hallar la probabilidad de extraer al menos una papeleta con el dibujo de un coche: 1 Si se saca una papeleta. En un sobre hay 20 papeletas.2 Dos cruces. La probabilidad de que suspendan el examen simultáneamente es de 1/10.

la mitad de los hombres y la mitad de las mujeres tienen los ojos castaños. Una clase consta de 10 hombres y 20 mujeres. Se pide calcular la probabilidad: 1 De que ambos vivan 20 años. . El primero mata un promedio de 2 piezas cada 5 disparos y el segundo una pieza cada 2 disparos. Determinar la probabilidad de que una persona elegida al azar sea un hombre o tenga los ojos castaños. 18. La probabilidad de que un hombre viva 20 años es ¼ y la de que su mujer viva 20 años es 1/3. ¿cuál es la probabilidad de que la maten? 17.16. Si los dos disparan al mismo tiempo a una misma pieza. Dos hermanos salen de caza.

3 De que ambos mueran antes de los 20 años. p(B) = 1/3. Ejercicios y problemas resueltos de probabilidad condicionada 1 Sean A y B dos sucesos aleatorios con p(A) = 1/2. 2 3 4 . p(A Determinar: 1 B)= 1/4.2 De que el hombre viva 20 años y su mujer no.

p(A Determinar: 1 B) = 1/5.5 2 Sean A y B dos sucesos aleatorios con p(A) = 1/3. p(B) = 1/4. 2 3 4 .

En un determinado curso.1 · 0.7 + 0. El elegido un alumno al azar. el 90% de los alumnos estudia inglés y el resto francés. ¿cuál es la probabilidad de que sea chica? p (chica) = 0.5 6 3 En un centro escolar los alumnos pueden optar por cursar como lengua extranjera inglés o francés.9 · 0.6 = 0.69 . El 30% de los que estudian inglés son chicos y de los que estudian francés son chicos el 40%.

un alumno sólo ha estudiado 15 de los 25 temas correspondientes a la materia del mismo. 3 Una sea copa y la otra espada. 2 Al menos una sea copas. 1 ¿Cuál es la probabilidad de que una persona elegida al azar sea chico o estudie francés? . la mitad de las chicas y la mitad de los chicos han elegido francés como asignatura optativa. 6 Una clase está formada por 10 chicos y 10 chicas. Éste se realiza extrayendo al azar dos temas y dejando que el alumno escoja uno de los dos para ser examinado del mismo. Hallar la probabilidad de que el alumno pueda elegir en el examen uno de los temas estudiados.4 De una baraja de 48 cartas se extrae simultáneamente dos de ellas. 5 Ante un examen. Calcular la probabilidad de que: 1 Las dos sean copas.

2 ¿Y la probabilidad de que sea chica y no estudie francés? 7 Un taller sabe que por término medio acuden: por la mañana tres automóviles con problemas eléctricos. tres con problemas mecánicos y uno con problemas de chapa. . 3 Calcular el porcentaje de los que acuden por problemas mecánicos. 2 Calcular el porcentaje de los que acuden por la tarde. 4 Calcular la probabilidad de que un automóvil con problemas eléctricos acuda por la mañana. ocho con problemas mecánicos y tres con problemas de chapa. 1 Hacer una tabla ordenando los datos anteriores. y por la tarde dos con problemas eléctricos.

hallar la probabilidad de: 1 Seleccionar tres niños. 2 Seleccionar exactamente dos niños y una niña. .8 Una clase consta de seis niñas y 10 niños. Si se escoge un comité de tres al azar. 3 Seleccionar por lo menos un niño.

Una moneda es corriente.4 Seleccionar exactamente dos niñas y un niño. Se pide: . Se extrae una bola y se reemplaza por dos del otro color. otra tiene dos caras y la otra está cargada de modo que la probabilidad de obtener cara es de 1/3. se extrae una segunda bola. Se selecciona una moneda lanzar y se lanza al aire. 10 Una urna contiene 5 bolas rojas y 8 verdes. 9 Una caja contiene tres monedas. Hallar la probabilidad de que salga cara. A continuación.

cuál será la probabilidad de que escogido al azar un alumno de la clase: 1 Juegue sólo al fútbol. Si además hay un 60% que no juega al fútbol. .1 Probabilidad de que la segunda bola sea verde. 11 En una clase en la que todos practican algún deporte. 2 Probabilidad de que las dos bolas extraídas sean del mismo color. el 60% de los alumnos juega al fútbol o al baloncesto y el 10% practica ambos deportes.

el 25% tiene ojos castaños y el 15% tiene cabellos y ojos castaños. 3 Practique uno solo de los deportes. 4 No juegue ni al fútbol ni al baloncesto. 12 En una ciudad. Se escoge una persona al azar: 1 Si tiene los cabellos castaños. ¿cuál es la probabilidad de que tenga también ojos castaños? 2 Si tiene ojos castaños. ¿cuál es la probabilidad de que no tenga cabellos castaños? .2 Juegue sólo al baloncesto. el 40% de la población tiene cabellos castaños.

nos vamos a la urna B. A continuación extraemos una bola. Se pide: . de los cuales: 40 son hombres. la urna B contiene 4 bolas rojas y 8 bolas blancas. ¿qué probabilidad hay de que sea hombre? 14 Disponemos de dos urnas: la urna A contiene 6 bolas rojas y 4 bolas blancas. nos vamos a la urna A. 30 usan gafas. y 15 son varones y usan gafas.3 ¿Cuál es la probabilidad de que no tenga cabellos ni ojos castaños? 13 En un aula hay 100 alumnos. si el resultado es 3 ó más. Si seleccionamos al azar un alumno de dicho curso: 1 ¿Cuál es la probabilidad de que sea mujer y no use gafas? 2 Si sabemos que el alumno seleccionado no usa gafas. Se lanza un dado. si aparece un número menor que 3.

el cual consigue despertarlo en un 80% de los casos.1 Probabilidad de que la bola sea roja y de la urna B. para un examen con la ayuda de un despertador. 1 Si va a realizar el examen.5. la probabilidad de que realiza el examen es 0. de 0. en caso contrario. Si oye el despertador. 2 Probabilidad de que la bola sea blanca. 15 Un estudiante cuenta. ¿cuál es la probabilidad de que haya oído el despertador? .9 y.

1 ¿Cuál es la probabilidad de que el libro seleccionado por B sea una novela? . A continuación otra persona B elige otro libro al azar. Una persona A elige un libro al azar de la estantería y se lo lleva. ¿cuál es la probabilidad de que no haya oído el despertador? 16 En una estantería hay 60 novelas y 20 libros de poesía.2 Si no realiza el examen.

¿cuál es la probabilidad de que el libro seleccionado por A sea de poesía? 17 Se supone que 25 de cada 100 hombres y 600 de cada 1000 mujeres usan gafas. 2 Con una mujer con gafas. . se pide la probabilidad de encontrarnos: 1 Con una persona sin gafas.2 Si se sabe que B eligió una novela. Si el número de mujeres es cuatro veces superior al de hombres.

de él una llave para abrir el trastero. B y C. Se escoge al azar un llavero y. de las que sólo una de cada llavero abre la puerta del trastero. ¿cuál será la probabilidad de que pertenezca al primer llavero A? . el primero con cinco llaves. el segundo con siete y el tercero con ocho.18 En una casa hay tres llaveros A. Se pide: 1 ¿Cuál será la probabilidad de que se acierte con la llave? 2 ¿Cuál será la probabilidad de que el llavero escogido sea el tercero y la llave no abra? 3 Y si la llave escogida es la correcta.

Ejemplos La altura de los alumnos de una clase. Función de probabilidad Se llama función de probabilidad de una variable aleatoria discreta X a la aplicación que asocia a cada valor de x i de la variable su probabilidad p i .. 0 ≤ pi ≤ 1 p1 + p2 + p3 + · · · + pn = Σ pi = 1 .. y las respectivas minúsculas (x.. las horas de duración de una pila. Se utilizan letras mayúsculas X. la puntuación obtenida al lanzar un dado. y. Variable aleatoria continua Una variable aleatoria continua es aquella que puede tomar todos los valores posibles dentro de un cierto intervalo de la recta real..) para designar valores concretos de las mismas. para designar variables aleatorias.DISTRIBUCIONES DISCRETAS DE PROBABILIDAD VARIABLE ALEATORIA Se llama variable aleatoria a toda función que asocia a cada elemento del espacio muestral Ω un número real. Variable aleatoria discreta Una variable aleatoria discreta es aquella que sólo puede tomar valores enteros . . Ejemplos El número de hijos de una familia. . Y.

x 1 2 3 4 5 6 pi 1/6 1/6 1/6 1/6 1/6 1/6 P=1 Representación La representación de una distribución discreta de probabilidad es un diagrama de barras. .Ejemplo Calcular la distribución de probabilidad de las puntuaciones obtenidas al lanzar un dado.

Llamaremos función de distribución de la variable X.FUNCION DE DISTRIBUCION Sea X una variable aleatoria discreta cuyos valores suponemos ordenados de menor a mayor. x x <1 1≤ x < 2 2≤ x < 3 3≤ x < 4 4≤ x < 5 5≤ x < 6 6≤ x p 0 1/6 2/6 3/6 4/6 5/6 1 i Representación La representación de una función de distribución de probabilidad es una gráfica escalonada. . Ejemplo Calcular la función de distribución de probabilidad de las puntuaciones obtenidas al lanzar un dado. y escribiremos F(x) a la función: F(x) = p(X ≤ x) La función de distribución asocia a cada valor de la variable aleatoria la probabilidad acumulada hasta ese valor.

MEDIA Y VARIANZA DE UNA VARIABLE ALEATORIA DISCRETA Esperanza matemática o media Varianza Desviación típica Ejemplo Calcular la esperanza matemática. X 1 2 3 4 5 6 p 1 1 1 1 1 1 x · p 1 2 3 4 5 1 21/6 x 2 · pi 1 4 9 16 25 6 91/6 i i . y la desviación típica . la varianza. de la distribución de probabilidad de las puntuaciones obtenidas al lanzar un dado.

Se define la variable aleatoria X como la suma de las puntuaciones obtenidas.Ejercicios resueltos de distribuciones discretas 1 Se lanza un par de dados. Hallar la función de probabilidad. X p i x · p i x 2· pi 2 1/36 2/36 4/36 3 2/36 6/36 18/36 4 3/36 12/36 48/36 5 4 /36 20/3 6 100/36 6 5/36 30/36 180/36 7 6/36 42/36 294/36 8 5/36 40/36 320/36 9 4 /36 36/36 324/36 . la esperanza matemática y la varianza.

83 2 Un jugador lanza un dado corriente. pero si no sale número primo. Determinar la función de probabilidad y la esperanza matemática del juego. gana tantos cientos de euros como marca el dado. X +100 + 200 + 300 .10 3/36 30/36 300/36 11 2/36 22/36 242/36 12 1/36 12/36 144/36 7 54.667 300/6 -400/6 500/6 . Si sale número primo. pierde tantos cientos de euros como marca el dado.600/6 100/6 .400 + 500 -600 p i x· p i 1/6 1/6 1/6 1/6 1/6 1/6 100/6 200/6 µ =16.

representar gráficamente la función de distribución.1 0.1 0. en la que puede ganar de 5.003 = 11 € 4 Sea X una variable aleatoria discreta cuya función de probabilidad es: X 0 1 2 3 4 5 p i 0.1 0.1 1. 2.000 € ó un segundo premio de 2000 € con probabilidades de: 0.4 0.2 0.003. Calcular las siguientes probabilidades: p (X < 4.3 Si una persona compra una papeleta en una rifa.001 + 2000 · 0.5) .001 y 0. Calcular. ¿Cuál sería el precio justo a pagar por la papeleta? μ = 5000 · 0.

(x.5) .5) p (3 ≤ X < 4.x).5) = p (X < 4.5) = F (4.x)} p(+1) = 2/4 p(+2) = 1/4 p(−5) = 1/4 μ = 1 · 2/4 + 2 · 1/4 .9 p (X ≥ 3) p (X ≥ 3) = 1 . .4 = 0. la varianza y la desviación típica.9 .p (X < 4. Es desfavorable 2 Sabiendo que p(X ≤ 2) = 0. Gana 1 ó 2 € si aparecen una o dos caras.c). Hallar: La esperanza matemática.(c.p(X < 3) = 1 .6 p (3 ≤ X < 4. Por otra parte pierde 5 € si no aparece cara.5 Ejercicios de distribuciones discretas 1 Un jugador lanza dos monedas.0.4 = 0.p(X < 3) = 0.5) = 0.5 · 1/4 = −1/4.7 y p(X ≥ 2) = 0.c). Ω = {(c.75.(x. Determinar la esperanza matemática del juego y si éste es favorable.0.

8 3 0.19 .05 .3 0.15 σ² = 6.1 0.4275 σ = 1.2 2.45 0.15² = 1.9 4 0.15 6.2 0.15 0.1 0 0 1 0.05 μ =2.15 2 0.2.8 3.9 1.15 0.X p i x · p i x 2· pi 0 0.

. 3. La probabilidad del suceso A es constante . y la representamos por q.DISTRIBUCION BINOMIAL O DE BERNOULLI Un experimento sigue el modelo de la distribución binomial o de Bernoulli si: 1. n es el número de pruebas de que consta el experimento. Variable aleatoria binomial La variable aleatoria binomial. La probabilidad de es 1− p. expresa el número de éxitos obtenidos en cada prueba del experimento. 4. Se representa por p. 1. al lanzar una moneda 10 veces y obtener 6 caras.. n suponiendo que se han realizado n pruebas. . . X. La variable binomial es una variable aleatoria discreta. es decir. 2. Distribución binomial La distribución binomial se suele representar por B(n. sólo puede tomar los valores 0. El resultado obtenido en cada prueba es independiente de los resultados obtenidos anteriormente. 3.. Ejemplo k = 6. que no varía de una prueba a otra. 2. p). p es la probabilidad de éxito. En cada prueba del experimento sólo son posibles dos resultados: el suceso A (éxito) y su contrario .

es: n es el número de pruebas.2 B(4. p es la probabilidad de éxito.8 q = 0. ¿Y cómo máximo 2? . El número combinatorio k es el número de éxitos. ¿Cuál es la probabilidad de que el grupo hayan leido la novela 2 personas? n = 4 p = 0.FUNCION DE PROBABILIDAD DE LA DISTRIBUCION BINOMIAL La función de probabilidad de la distribución binomial . q es la probabilidad de fracaso. hasta el punto de que el 80% de los lectores ya la han leido. Un grupo de 4 amigos son afici onados a la lectura: 1. Ejemplo La última novela de un autor ha tenido un gran éxito. también denominada función de la distribución de Bernoulli . 0.8) 2.

02. Calcular la probabilidad de que salgan más caras que cruces.5 .MEDIA Y VARIANZA DE LA DISTRIBUCION BINOMIAL Media Varianza Desviación típica Ejemplo La probabilidad de que un artículo producido por una fabrica sea defectuoso es 0. Ejercicios de distribución binomial 1 Se lanza una moneda cuatro veces. Hallar el número esperado de artículos defectuosos. Se envió un cargamento de 10. B(4. 0.5q = 0.000 artículos a unos almacenes. la varianza y la desviación típica.5) p = 0.

3 Si de seis a siete de la tarde se admite que un número de teléfono de cada cinco está comunicando. 3. Hállese la probabilidad de que. Exactamente dos personas. cuando se marquen 10 números de teléfono elegidos al azar. sólo comuniquen dos? B(10. transcurridos 30 años. vivan: 1. Según las tablas actuales. Al menos tres personas. ¿cuál es la probabilidad de que. la probabilidad de que una persona en estas condiciones viva 30 años o más es 2/3. 1/5)p = 1/5q = 4/5 . Las cinco personas.2 Un agente de seguros vende pólizas a cinco personas de la misma edad y que disfrutan de buena salud. 2/3) p = 2/3 q = 1/3 2. B(5.

devolviendo la bola. 1/4) p = 1/4q = ¾ 5 En una urna hay 30 bolas. Si dispara 10 veces ¿cuál es la probabilidad de que acierte exactamente en tres ocasiones? ¿Cuál es la probabilidad de que acierte por lo menos en una ocasión? B(10. el proceso se repite. Si tenemos en cuenta que el número de conductores es suficientemente importante como para estimar que la proporción de infractores no varía al hacer la selección. 1/3) p = 1/3q = 2/3 Ejercicios de la distribución binomial 1 En unas pruebas de alcoholemia se ha observado que el 5% de los conductores controlados dan positivo en la prueba y que el 10% de los conductores controlados no llevan puesto el cinturón de seguridad. Un guardia de tráfico para cinco conductores al azar. 10 rojas y el resto blancas. Calcular la media y la desviación típica. También se ha observado que las dos infracciones son independientes. Se elige una bola al azar y se anota si es roja. 10 veces.4 La probabilidad de que un hombre acierte en el blanco es 1/4. . B(10.

Para contrastar esta afirmación.97 2. Al menos dos tengan efectos secundarios.1. B(100. 0.03 q = 0. 2 Un laboratorio afirma que una droga causa efectos secundarios en una proporción de 3 de cada 100 pacientes. Determine la probabilidad de que al menos uno de los conductores controlados haya cometido alguna de las dos infracciones. otro laboratorio elige al azar a 5 pacientes a los que aplica la droga. Determinar la probabilidad de que exactamente tres conductores hayan cometido alguna de las dos infracciones.03) p = 0. ¿Cuál es la probabilidad de los siguientes sucesos? 1. . Ningún paciente tenga efectos secundarios. 2.

Es simétrica respecto a la media µ. σ). La variable puede tomar cualquier valor: ( -∞.3. sigue una distribución normal de media μ y desviación típica σ. . Tiene un máximo en la media µ. La función de densidad. ¿Cuál es el número medio de pacientes que espera laboratorio que sufran efectos secundarios si elige 100 pacientes al azar? DISTRIBUCION NORMAL Variable aleatoria de la distribución normal Una variable aleatoria continua. y se designa por N(μ. +∞) 2. es decir. X. (-∞. es la expresión en términos de ecuación matemática de la curva de Gauss: Curva de la distribución normal El campo de existencia es cualquier valor real. si se cumplen las siguientes condiciones: 1. +∞).

3σ < X ≤ μ + 3σ) = 0. es aquella que tiene por media el valor cero.4 % p(μ .26 % p(μ .5 a la derecha.5 a la izquierda y otra igual a 0. El área del recinto determinado por la función y el eje de abscisas es igual a la unidad. p(μ . o tipificada o reducida.6826 = 68. σ =1.2σ < X ≤ μ + 2σ) = 0. μ = 0. 1) La distribución normal estándar.954 = 95.997 = 99.7 % DISTRIBUCION NORMAL ESTANDAR N (0.Crece hasta la media µ y decrece a partir de ella.σ < X ≤ μ + σ) = 0. En los puntos µ − σ y µ + σ presenta puntos de inflexión. deja un área igual a 0. Al ser simétrica respecto al eje que pasa por x = µ. y por desviación típica la unidad. El eje de abscisas es una asíntota de la curva. Su función de densidad es: . La probabilidad equivale al área encerrada bajo la curva.

5596 0.3 0.5793 0.5279 0.5438 0.09 0.5319 0.08 0.1 0.5832 0.5000 0.02 0.00 0.6179 0.6255 0.06 0.5160 0.5040 0.5636 0.5675 0.04 0.5871 0.07 0. Tipificación de la variable Para poder utilizar la tabla tenemos que transformar la variable X que sigue una distribución N(μ. Y para calcularla utilizaremos una tabla.5753 0.6331 0.6217 0. σ) en otra variable Z que siga una distribución N(0.6103 0.5557 0.03 0.5478 0.6406 0.5080 0.6141 0.5910 0.5199 0.6443 0.05 0.6293 0.5987 0.5239 0.6517 .5714 0.5359 0.2 0.Su gráfica es: La probabilidad de la variable X dependerá del área del recinto sombreado en la figura.5517 0.6480 0.6368 0.6064 0.5398 0.6026 0. 1).5120 0.5948 0.0 0. Tabla de la distribución normal z 0.01 0.

7 0.8 0.6808 0.7157 0.9319 1.9177 1.9279 0.7257 0.9032 0.9131 0.05 0.9474 0.8106 0.9656 0.9693 0.8577 0.9115 0.8770 0.9418 0.8830 1.9147 0.0.7764 0.9616 0.8665 0.9162 0.9535 0.8531 0.7673 0.8980 0.9082 0.9345 0.7549 0.9573 0.9292 0.8315 0.8051 0.6 0.7910 0.8485 0.7454 0.9599 0.9545 1.8554 0.5 0.7088 0.9357 0.8962 0.7852 0.7019 0.9441 1.7611 0.8238 0.7224 0.8413 0.8186 0.4 0.5 0.7517 0.8944 0.8461 0.9049 0.7881 0.06 0.9525 0.8 0.9306 0.9515 0.02 0.8438 0.9394 0.7422 0.9236 0.9608 0.8365 0.8810 0.9484 0.9207 0.9671 0.8133 0.7939 0.00 0.2 0.8749 0.6736 0.6879 0.8023 0.8907 0.7704 0.6664 0.8849 0.7967 0.7 0.4 0.9406 0.9495 0.6 0.7357 0.9265 0.9429 0.08 0.8159 0.7123 0.9591 0.8078 0.8621 1.6772 0.07 0.8888 0.9699 0.9686 0.1 0.6628 0.9 0.9554 0.6915 0.7995 0.7190 0.6700 0.9582 0.03 0.8708 0.8925 0.8289 0.9505 0.04 0.8508 0.8997 0.6844 0.7324 0.9664 0.8599 0.9706 .9222 0.7734 0.8729 0.9066 0.7291 0.7823 0.09 1.9633 1.9370 0.7794 0.9452 0.3 0.7389 0.8869 0.7642 0.8389 0.6591 0.8264 0.9192 0.9641 0.6554 0.6950 0.8790 0.8212 0.9625 0.01 0.7054 0.9099 0.9649 0.9382 0.0 0.8686 0.9564 0.6985 0.9251 0.7580 0.8340 0.8643 0.9015 1.9332 0.9678 0.9463 0.7486 0.

9990 0.9993 0.9 0.9850 0.04 0.9977 0.9744 0.0 0.9995 .9946 0.01 0.9965 0.1.9990 0.9732 0.2 0.08 0.02 0.9713 0.9909 0.9982 0.9904 0.9975 0.02 0.9945 0.9991 0.9875 0.9969 0.9842 0.9995 0.9955 0.9878 0.9934 0.9857 2.9968 0.9922 0.9911 0.9989 0.9808 0.9830 0.9985 0.9788 0.9956 0.9783 0.9992 0.9925 0.07 0.9953 0.9987 0.9989 0.9989 0.9881 0.9932 0.00 0.9793 0.9992 0.09 2.9812 0.9981 0.8 0.9963 0.9979 0.6 0.9898 0.9761 0.01 0.9960 0.7 0.9834 0.9988 0.06 0.9738 0.06 0.9756 0.9993 3.9868 0.9994 0.9973 0.9803 0.05 0.03 0.9938 0.9948 0.9987 0.9920 0.9 0.5 0.9896 0.9992 0.9826 0.9978 0.9993 0.9821 0.9893 0.9864 0.9941 0.9991 0.9927 0.9992 0.9980 0.9984 0.9952 2.9988 0.9959 0.07 0.9943 0.9995 0.9901 0.9986 0.9929 0.9719 0.9967 0.9987 0.9931 0.9984 0.9778 0.9974 0.9838 0.9985 0.9994 0.09 3 0.9772 0.05 0.9854 0.9979 0.9767 0.2 0.9970 0.9962 0.9890 2.9846 0.9918 0.9981 2.9951 0.9940 0.9976 0.9913 0.9861 0.9949 0.3 0.9966 0.04 0.9990 3.9871 0.9977 0.9994 0.9916 2.9991 0.9982 0.1 0.9994 0.08 0.9957 0.9971 0.1 0.9974 2.9887 0.03 0.4 0.9884 0.9726 0.00 0.9994 0.9972 0.9986 0.9993 0.9798 0.9964 2.9961 0.9983 0.9936 2.9906 0.9750 0.9817 2.

9999 0.9999 0.9998 0.9998 3.0000 1.9998 0.9999 0.9999 0.9996 0.9999 0.9998 0.0000 1.9999 0.9999 0.0000 1.9999 0.9995 0.9999 0.9999 0.9999 0.0000 1.9999 3.0000 1. Centésimas en la fila de arriba.9999 0.9996 0.3.9999 0.9996 0.3 0.9996 0.9999 0.9999 0.9996 0.8 0.0000 1. Φ(k) = P(z ≤ k) Búsqueda en la tabla de valor de k Unidades y décimas en la columna de la izquierda.6 0. P(Z ≤ a) .9999 0.9998 0.9997 0.0000 EMPLEO DE LA TABLA DE DISTRIBUCION NORMAL Tabla de la curva normal (0.0000 1.9997 0.9998 3. Estas probabilidades nos dan la función de distribución Φ(k).0000 1.9999 0.9998 0. 1) La tabla nos da las probabilidades de P(z ≤ k).9998 0.9997 0.9999 3.9995 0. siendo z la variable tipificada.9997 0.9999 0.9997 3.0000 1.9998 0.9997 0.9996 0.9 1.9999 0.9999 0.9997 0.5 0.9998 0.9999 0.4 0.9995 0.9997 0.7 0.9998 0.9999 0.9999 3.9999 0.9999 0.9998 0.9997 0.9999 0.9997 0.9998 0.

47) = 1 − 0.9292 = 0.P(Z ≤ a) P(Z > 1.47) = 1 − 0.0708 P(Z > −a) = P(Z ≤ a) p(Z > 1.47) = p(Z ≤ 1.47) = 0.47) = 1 − P(Z ≤ 1.47) = 0.P(Z ≤ 1.9292 .0708 P(Z ≤ −a) = 1 − P(Z ≤ a) P(Z ≤ −1.47) = 1 − P(Z ≤ 1.9292 = 0.9292 P(Z > a) = 1 .

6736 − (1 − 0.9292) = 0.6736 = 0.47 < Z ≤ 0.6736 = 0.47 <Z ≤ − 0.47) = P(Z ≤ 1.45 <Z ≤ 1.47) = = P(Z ≤ 1.2556 P(−b < Z ≤ −a ) = P(a < Z ≤ b ) P(−1.2556 P(−a < Z ≤ b ) = P(Z ≤ b) − [ 1 − P(Z ≤ a)] P(-1.47)]= = 0.9292 − 0.6028 p = K .45) = P( 0.47) − P(Z ≤ 0.47) − P(Z ≤ 0.45) − [ 1 − P(Z ≤ 1.45) = 0.9292 − 0.45) = P(Z ≤ 0.45 <Z ≤ 1.P(a < Z ≤ b ) = P(Z ≤ b) − P(Z ≤ a) P( 0.45) = = 0.

68X = μ + 0. conocemos el valor de la probabilidad y se trata de hallar el valor de la abscisa. (X . p = 0.75Z ≤ 0. La distribución binomial B(n. Ahora tenemos que buscar en la tabla el valor que más se aproxime a K.μ)/σ = 0.Nos encontramos con el caso inverso a los anteriores.68 Para calcular la variable X nos vamos a la fórmula de la tipificación. p) se puede aproximar mediante una distribución normal: .68 σ DISTRIBUCION NORMAL Y BINOMIAL Aproximación de la binomial por la normal Teorema de Moivre Si: n·p ≥ 0 y n·q ≥ 0.

Si se eligen al azar 90 familias.74% de los valores de X están a menos de tres desviaciones típicas de la media. Si X es una variable aleatoria de una distribución N(µ. σ). hallar: p(µ−3σ ≤ X ≤ µ+3σ) Es decir. que aproximadamente el 99. calcular la probabilidad de que entre ellas haya por lo menos 30 tengan teléfono.Ejemplo En una ciudad una de cada tres familias posee teléfono. Ejercicios y problemas de la distribución normal 1. .

2 En una distribución normal de media 4 y desviación típica 2. Calcular el número de días del mes en los que se espera alcanzar máximas entre 21° y 27°. calcular el valor de a para que: P(4−a ≤ x ≤ 4+a) = 0. 4 La media de los pesos de 500 estudiantes de un colegio es 70 kg y la desviación típica 3 kg. con media 23° y desviación típica 5°. Suponiendo que los pesos se distribuyen normalmente. hallar cuántos estudiantes pesan: .5934 3 En una ciudad se estima que la temperatura máxima en el mes de junio sigue una distribución normal.

64 kg o menos. 2. 4.1. Entre 60 kg y 75 kg. 5. . 64 kg. Más de 90 kg. Menos de 64 kg. 3.

¿Cuál es la probabilidad de que una persona que se presenta el examen obtenga una calificación superior a 72? 2.5 Se supone que los resultados de un examen siguen una distribución normal con media 78 y desviación típica 36. Si se sabe que la calificación de un estudiante es mayor que 72 ¿cuál es la probabilidad de que su calificación sea. superior a 84? . Se pide: 1. Calcular la proporción de estudiantes que tienen puntuaciones que exceden por lo menos en cinco puntos de la puntuación que marca la frontera entre el Apto y el No Apto (son declarados No-Aptos el 25% de los estudiantes que obtuvieron las puntuaciones más bajas). 3. de hecho.

¿Cuáles han de ser las puntuaciones que marcan el paso de un grupo al otro? Baja cultura hasta 49 puntos. 18). Se desea clasificar a los examinados en tres grupos (de baja cultura general. . Cultura aceptable entre 50 y 83. de excelente cultura general) de modo que hay en el primero un 20% la población. de cultura general aceptable. un 65% el segundo y un 15% en el tercero.6 Tras un test de cultura general se observa que las puntuaciones obtenidas siguen una distribución una distribución N(65.

Excelente cultura a partir de 84 puntos. 7 Varios test de inteligencia dieron una puntuación que sigue una ley normal con media 100 y desviación típica 15. Determinar el porcentaje de población que obtendría un coeficiente entre 95 y 110. 2. 1. ¿Qué intervalo centrado en 100 contiene al 50% de la población? 3 En una población de 2500 individuos ¿cuántos individuos se esperan que tengan un coeficiente superior a 125? .

Suponiendo que se contesta al azar. cada pregunta tiene una respuesta correcta y una incorrecta. 9 En un examen tipo test de 200 preguntas de elección múltiple. Si se eligen al azar 90 familias. Se aprueba s i se contesta a más de 110 respuestas correctas. calcular la probabilidad de aprobar el examen. calcular la probabilidad de que entre ellas haya por lo menos 30 tengan teléfono.8 En una ciudad una de cada tres familias posee teléfono. .

¿Cuál es la probabilidad de que al menos 20 de los citados hogares tengan cuando menos dos televisores? 2. en un cierto barrio. Se pide: 1.10 Un estudio ha mostrado que. el 60% de los hogares tienen al menos dos televisores Se elige al azar una muestra de 50 hogares en el citado barrio. ¿Cuál es la probabilidad de que entre 35 y 40 hogares tengan cuando menos dos televisores? .

Y). (X.DISTRIBUCIONES DIBIDIMENSIONALES Relación funcional Dos variables x e y están relacionadas funcionalmente cuando conocida la primera se puede saber con exactitud el valor de la segunda. Ejemplos Ingresos y gastos de una familia. . la altura a la que se encuentra en función del tiempo transcurrido. una de las dos variables es la variable independiente y la otra variable dependiente. Estos dos caracteres son a su vez variables estadísticas en las que sí existe relación entre ellas. existe una fórmula que nos permite calcular exactamente. h = ½ g t². Producción y ventas de una fábrica. Ejemplo Si se deja caer una piedra. Gastos en publicidad y beneficios de una empresa. Relación estadística Dos variables x e y están relacionadas estadísticamente cuando conocida la primera se puede estimar aproximadamente el valor de la segunda. Variable estadística bidimensional Una variable bidimensional es una variable en la que cada individuo está definido por un par de caracteres.

Ejemplo Las notas de 12 alumnos de una clase en Matemáticas y Física son las siguientes: Matemáticas Física 2 1 3 3 4 2 4 4 5 4 6 4 6 6 7 4 7 6 8 7 10 9 10 10 . llamada recta de regresión. el conjunto de todos ellos se llama nube de puntos o diagrama de dispersión. y i ). las representamos por el par (x i .Distribuciones bidimensionales Son aquellas en las que a cada individuo le corresponden los valores de dos variables. Sobre la nube de puntos puede trazarse una recta que se ajuste a ellos lo mejor posible. Si representamos cada par de valores como las coordenadas de un punto.

También variará si el dinero lo expresamos en euros o en dólares. Es decir. La covarianza indica el sentido de la correlación entre las variables Si σ x y > 0 la correlación es directa. La covarianza presenta como inconveniente. Ejemplos Las notas de 12 alumnos de una clase en Matemáticas y Física son las siguientes: Matemáticas Física 2 1 3 3 4 2 4 4 5 4 6 4 6 6 7 4 7 6 8 7 10 9 10 10 . La covarianza se representa por s x y o σ x y .COVARIANZA La covarianza de una variable bidimensional es la media aritmética de los productos de las desviaciones de cada una de las variables respecto a sus medias respectivas. el hecho de que su valor depende de la escala elegida para los ejes. la covarianza variará si expresamos la altura en metros o en centímetros. Si σ x y < 0 la correlación es inversa.

xi 2 yi 1 xi · yi 2 3 3 9 4 2 8 4 4 16 5 4 20 6 4 24 6 6 36 7 4 28 7 6 42 8 7 56 10 9 90 10 10 100 72 60 431 .Hallar la covarianza de la distribución.

Después de tabular los datos hallamos las medias aritméticas: Los valores de dos variables X e Y se distribuyen según la tabla siguiente: Y/X 1 2 3 0 2 1 2 2 1 4 5 4 3 2 0 Hallar la covarianza de la distribución. En primer lugar convertimos la tabla de doble entrada en tabla simple y calculamos las medias aritméticas. xi 0 yi 1 fi 2 xi · fi 0 yi · f i 2 xi · yi · fi 0 0 2 1 0 2 0 0 3 2 0 6 0 2 1 1 2 1 2 2 2 4 8 8 16 .

. En caso de que suceda. diremos que las variables están correlacionadas o que hay correlación entre ellas. Es decir. determinar si los cambios en una de las variables influyen en los cambios de la otra. La recta correspondiente a la nube de puntos de la distribución es una recta creciente. Tipos de correlación 1º Correlación directa La correlación directa se da cuando al aumentar una de las variables la otra aumenta.2 3 5 10 15 30 4 1 3 12 3 12 4 2 2 8 4 16 20 40 41 76 CORRELACION La correlación trata de establecer la relación o dependencia que existe entre las dos variables que intervienen en una distribución bidimensional.

3º Correlación nula La correlación nula se da cuando no hay dependencia de ningún tipo entre las variables. .2º Correlación inversa La correlación inversa se da cuando al aumentar una de las variables la otra disminuye. En este caso se dice que las variables son incorreladas y la nube de puntos tiene una forma redondeada. La recta correspondiente a la nube de puntos de la distribución es una recta decreciente.

2. Se pueden dar tres tipos: 1.Grado de correlación El grado de correlación indica la proximidad que hay entre los puntos de la nube de puntos. Correlación débil La correlación será débil cuanto más separados estén los puntos de la recta. 3. . Correlación nula COEFICIENTE DE CORRELACION LINEAL El coeficiente de correlación lineal es el cociente entre la covarianza y el producto de las desviaciones típicas de ambas variables. Correlación fuerte La correlación será fuerte cuanto más cerca estén los puntos de la recta.

2. 7.El coeficiente de correlación lineal se expresa mediante la letra r. si expresamos la altura en metros o en centímetros el coeficiente de correlación no varía. y será tanto más fuerte cuanto más se aproxime r a −1. El coeficiente de correlación no varía al hacerlo la escala de medición. no existe correlación. 6. 5. la correlación es inversa. Si r = 1 ó −1. la correlación es directa. Si la covarianza es nula. Si el coeficiente de correlación lineal toma valores cercanos a 1 la correlación es fuerte y directa. . Si el coeficiente de correlación lineal toma valores cercanos a 0. y será tanto más fuerte cuanto más se aproxime r a 1. El signo del coeficiente de correlación es el mismo que el de la covarianza. Si la covarianza es negativa. Si el coeficiente de correlación lineal toma valores cercanos a −1 la correlación es fuerte e inversa. −1 ≤ r ≤ 1 4. Si la covarianza es positiva. la correlación es débil. El coeficiente de correlación lineal es un número real comprendido entre −1 y 1. los puntos de la nube están sobre la recta creciente o decreciente. 3. Entre ambas variables haydependencia funcional. Propiedades del coeficiente de correlación 1. Es decir.

Ejemplos Las notas de 12 alumnos de una clase en Matemáticas y Física son las siguientes: Matemáticas Física 2 1 3 3 4 2 4 4 5 4 6 4 6 6 7 4 7 6 8 7 10 9 10 10 Hallar el coeficiente de correlación de la distribución e interpretarlo. xi2 4 yi 2 1 xi 2 yi 1 x i ·y i 2 3 3 9 9 9 4 2 8 16 4 4 4 16 16 16 5 4 20 25 16 6 4 24 36 16 6 6 36 36 36 7 4 28 49 16 7 6 42 49 36 8 7 56 64 49 10 9 90 100 81 .

3º Calculamos las desviaciones típicas. 2º Calculamos la covarianza. Como coeficiente de correlación está muy próximo a 1 la correlación es muy fuerte. 4º Aplicamos la fórmula del coeficiente de correlación lineal. Al ser el coeficiente de correlación positivo. Los valores de dos variables X e Y se distribuyen según la tabla siguiente: Y/X 1 2 3 0 2 1 2 2 1 4 5 4 3 2 0 .10 10 100 100 100 72 60 431 504 380 1º Hallamos las medias aritméticas. la correlación es directa.

Convertimos la tabla de doble entrada en tabla simple. xi2 · fi 0 yi 2 · f i 2 xi 0 yi 1 fi 2 xi · fi 0 yi · f i 2 xi · yi · fi 0 0 2 1 0 0 2 4 0 0 3 2 0 0 6 18 0 2 1 1 2 4 1 1 2 2 2 4 8 16 8 16 16 2 3 5 10 20 15 45 30 4 1 3 12 48 3 3 12 4 2 2 8 32 4 8 16 20 40 120 41 97 76 .Determinar el coeficiente de correlación.

Como coeficiente de correlación está muy próximo a 0 la correlación es muy débil. La recta de regresión de Y sobre X se utiliza para estimar los valores de la Y a partir de los de la X. r = 0. las rectas de regresión son perpendiculares entre sí. y sus ecuaciones son: y= x= . Si la correlación es nula. la correlación es inversa. La pendiente de la recta es el cociente entre la covarianza y la varianza de la variable X. La pendiente de la recta es el cociente entre la covarian za y la varianza de la variable Y. REGLA DE REGRESION La recta de regresión es la que mejor se ajusta a la nube de puntos. Recta de regresión de X sobre Y La recta de regresión de X sobre Y se utiliza para estimar los valores de la X a partir de los de la Y.Al ser el coeficiente de correlación negativo. La recta de regresión pasa por el punto Recta de regresión de Y sobre X llamado centro de gravedad.

xi2 4 yi 2 1 xi 2 yi 1 x i ·y i 2 3 3 9 9 9 4 2 8 16 4 4 4 16 16 16 5 4 20 25 16 6 4 24 36 16 6 6 36 36 36 7 4 28 49 16 7 6 42 49 36 8 7 56 64 49 10 9 90 100 81 .Ejemplo Las notas de 12 alumnos de una clase en Matemáticas y Física son las siguientes: Matemáticas Física 2 1 3 3 4 2 4 4 5 4 6 4 6 6 7 4 7 6 8 7 10 9 10 10 Hallar las rectas de regresión y representarlas.

2º Calculamos la covarianza. 4ºRecta de regresión de Y sobre X. 3º Calculamos las varianzas. .10 10 100 100 100 72 60 431 504 380 1º Hallamos las medias ariméticas. 4ºRecta de regresión de X sobre Y.

20. 7 y 8 años de edad pesan. 1 Hallar la ecuación de la recta de regresión de la edad sobre el peso.EJERCICIOS DE REGRESION Y CORRELACION Cinco niños de 2. 2 ¿Cuál sería el peso aproximado de un niño de seis años? xi2 196 400 1 024 1 764 1 936 5 320 yi 2 28 60 160 294 352 894 xi 2 3 5 7 8 25 yi 14 20 32 42 44 152 x i ·y i 4 9 25 49 64 151 . respectivamente. 42 y 44 kilos. 5. 32. 3. 14.

¿a qué distancia del núcleo de población debe situarse? xi2 64 49 36 16 4 yi 2 225 361 625 529 1 156 1 600 4 496 xi 8 7 6 4 2 yi 15 19 25 23 34 x i ·y i 120 133 150 92 68 1 40 40 1 28 156 603 170 . 2 Si el centro comercial se sitúa a 2 km. ¿cuántos clientes puede esperar? 3 Si desea recibir a 500 clientes.Nº de clientes (X) Distancia (Y) 8 15 7 19 6 25 4 23 2 34 1 40 1 Calcular el coeficiente de correlación lineal.

5 26.5 en Matemáticas. 5 yi 2 39 xi 6 yi 6. 5 4 Determinar las rectas de regresión y calcular la nota esperada en Química para un alumno que tiene 7. Las notas obtenidas por cinco alumnos en Matemáticas y Química son: Matemáticas Química 6 6. 25 49 25 16 152. 25 20.3. 5 16 64 25 12. 5 7 5 4 27 x i ·y i 36 4 8 5 3. 25 153. 5 8 7 5 5 3. 5 4 4. 5 4. xi2 42. 25 18 56 25 14 152 .

). es decir.1+ 2 2 . Se sabe la recta de corresponde regresión de Y sobre X: y = -x + 2 3x . Un punto de la recta ha de ser ( 2 ≠ . siendo las medias de las distribuciones marginales que una de las cuatro ecuaciones siguientes = 1. la pendiente de . la recta también será negativa.y = 1 2x + y = 4 y = x + 1 Seleccionar razonadamente esta recta.9. a = 2. 1 + 2 = 4 La recta pedida es: 2x + y = 4. Y) tiene coeficiente de correlación r = -0. por tanto descartamos la 2ª y 4ª. Un conjunto de datos bidimensionales (X. (1.4. . Como el coeficiente de correlación lineal es negativo. 2).

xi 186 yi 85 xi2 34 596 35 721 36 100 36 864 37 249 37 249 39 204 40 yi 2 7 225 7 225 7 396 8 100 7 569 8 281 8 649 10 x i ·y i 15 810 16 065 16 340 17 280 16 791 17563 18 414 20 189 85 190 86 192 90 193 87 193 91 198 201 93 103 .5. 2 El coeficiente de correlación. Las estaturas y pesos de 10 jugadores de baloncesto de un equipo son: Estatura (X) Pesos (Y) 186 85 189 85 190 86 192 90 193 87 193 91 198 93 201 103 203 100 205 101 Calcular: 1 La recta de regresión de Y sobre X. 3 El peso estimado de un jugador que mide 208 cm.

6.401 203 100 41 209 42 025 380 618 609 10 000 10 201 85 255 703 20 300 20 705 179 971 205 1 950 101 921 Correlación positiva muy fuerte. Horas (X) Producción (Y) 80 79 83 84 78 60 82 85 79 84 80 62 300 302 315 330 300 250 300 340 315 330 310 240 . A partir de los siguientes datos referentes a horas trabajadas en un taller (X). y a unidades producidas (Y). determinar la recta de regresión de Y sobre X. el coeficiente de correlación lineal e interpretarlo.

xi 80 79 83 84 78 60 82 85 79 84 80 62 936 yi 300 302 315 330 300 250 300 340 315 330 310 240 3 632 x i ·y i 6 400 6 241 6 889 7 056 6 084 3 600 6 724 7 225 6 241 7 056 6 400 3 844 73 760 xi2 90 000 91 204 99 225 108 900 90 000 62 500 90 000 115 600 99 225 108 900 96 100 57 600 1 254 109 yi 2 24 000 23 858 26 145 27 720 23 400 15 000 24 600 28 900 24 885 27 720 24 800 14 880 285 908 Correlación positiva muy fuerte} .

7. Se ha solicitado a un grupo de 50 individuos información sobre el número de horas que dedican diariamente a dormir y ver la televisión. 3 Si una persona duerme ocho horas y media. 2 Determinar la ecuación de la recta de regresión de Y sobre X. La clasificación de las respuestas ha permitido elaborar la siente tabla: Nº de horas dormidas (X) Nº de horas de televisión (Y) Frecuencias absolutas (f i ) 6 4 3 7 3 16 8 3 20 9 2 10 10 1 1 Se pide: 1 Calcular el coeficiente de correlación. ¿cuánto cabe esperar que vea la televisión? xi 6 7 8 9 10 yi 4 3 3 2 1 fi 3 16 20 10 1 50 xi · fi 18 112 160 90 10 390 xi2 · fi 108 784 1280 810 100 3082 yi · f i 12 48 60 20 1 141 yi 2 · f i 48 144 180 40 1 413 xi · yi · fi 72 336 480 180 10 1078 .

Predecir las ventas de un vendedor que obtenga 47 en el test.Es una correlación negativa y fuerte. 8. X Y 25 42 42 72 33 50 54 90 29 45 36 48 1 Hallar el coeficiente de correlación e interpretar el resultado obtenido. La tabla siguiente nos da las notas del test de aptitud (X) dadas a seis dependientes a prueba y ventas del primer mes de prueba (Y) en cientos de euros. 2 Calcular la recta de regresión de Y sobre X. xi 25 42 33 54 yi 42 72 50 90 x i ·y i 625 1 764 1 089 2 916 xi2 1 764 5 184 2 500 8 100 yi 2 1 050 3 024 1 650 4 860 .

Calcular: .29 36 209 45 48 347 841 1 296 8 531 2 025 2 304 21 877 1 305 1 728 13 617 EJERCICIOS 2 1. Una compañía desea hacer predicciones del valor anual de sus ventas totales en cierto país a partir de la relación de éstas y la renta nacional. Para investigar la relación cuenta con los siguientes datos: X Y 189 402 190 404 208 412 227 425 239 429 252 436 257 440 274 447 293 458 308 469 316 469 X representa la renta nacional en millones de euros e Y representa las ventas de la compañía en miles de euros en el periodo que va desde 1990 hasta 2000 (ambos inclusive).

1 La recta de regresión de Y sobre X. 2 El coeficiente de correlación lineal e interpretarlo. 3 Si en 2001 la renta nacional del país fue de 325 millones de euros. ¿Cuál será la predicción para las ventas de la compañía en este año? xi 189 190 208 227 239 252 257 274 293 308 316 2 753 yi 402 404 412 425 429 436 440 447 458 469 469 4 791 x i ·y i 35 721 36 100 43 264 51 529 57 121 63 504 66 049 75 076 85 849 94 864 99 856 708 933 xi2 161 604 163 216 169 744 180 625 184 041 190 096 193 600 199 809 209 764 219 961 219 961 2 421 092 yi 2 75 978 76 760 85 696 96 475 102 531 109 872 113 080 122 478 134 194 144 452 148 204 1 720 209 .

2 La previsión de inversión que se obtendrá con un rendimiento de 1 250 000 €. se muestra en el siguiente cuadro: Inversión (X) Rendimiento (Y) 11 14 16 15 16 18 20 21 14 20 19 11 2 3 5 6 5 3 7 10 6 10 5 6 Calcular: 1 La recta de regresión del rendimiento respecto de la inversión. xi 11 14 16 15 yi 2 3 5 6 x i ·y i 121 196 256 225 xi2 4 9 25 36 yi 2 22 42 80 90 .2. La información estadística obtenida de una muestra de tamaño 12 sobre la relación existente entre la inversión realizada y el rendimiento obtenido en cientos de miles de euros para explotaciones agrícolas.

5 16 6 34 8.5 18 7.5 23 7 27 9 32 9.16 18 20 21 14 20 19 11 195 5 3 7 10 6 10 5 6 68 256 324 400 441 196 400 361 121 3 297 25 9 49 100 36 100 25 36 454 80 54 140 210 84 200 95 66 1 163 3.5 22 8 . El número de horas dedicadas al estudio de una asignatura y la calificación obtenida en el examen correspondiente. de ocho personas es: Horas (X) Calificación (Y) 20 6.

25 64 49 81 90.25 42. 2 Calificación estimada para una persona que hubiese estudiado 28 horas.5 62 x i ·y i 256 324 400 484 529 729 1 024 1156 4 902 xi2 36 56. xi 16 18 20 22 23 27 32 34 192 yi 6 7.5 8.25 491 yi 2 96 135 130 176 161 243 304 289 1 534 .25 72.5 8 7 9 9.5 6.Se pide: 1 Recta de regresión de Y sobre X.

9 75 yi 9 6 7 8 7 4 2 3 2 1 49 x i ·y i 36 40.9 1 1 Obtener la recta de regresión de la conducta agresiva en función de la edad.21 570.25 79.2 años. En la tabla siguiente se indica la edad (en años) y la conducta agresiva (medida en una escala de cero a 10) de 10 niños. obtener el valor de la conducta agresiva que correspondería a un niño de 7.24 72.9 4 8 8.7 7 7.2 .96 44.7 9 6 7 7 7.5 8.4 46. xi 6 6.4 8 7 7.6 17 8.76 62.6 16 24.2 8.4. Edad Conducta agresiva 6 6 6.4 7.9 345.5 3 8.72 xi2 81 36 49 64 49 16 4 9 4 1 313 yi 2 54 38.2 2 3 8.8 31.9 8 8.41 64 67.9 56 51. 2 A partir de dicha recta.89 49 54.4 6.

3 Ecuación de la recta de regresión de Y sobre X. Los valores de dos variables X e Y se distribuyen según la tabla siguiente: Y/X 14 18 22 100 1 2 0 50 1 3 1 25 0 0 2 Se pide: 1 Calcular la covarianza.5. 2 Obtener e interpretar el coeficiente de correlación lineal. Convertimos la tabla de doble entrada en una tabla simple. xi yi fi xi · fi 100 xi · fi 10 000 20 000 2 500 2 yi · fi 14 yi 2 · fi 196 xi · fi 1 400 yi · 100 14 1 100 50 18 14 2 1 200 50 36 14 648 196 3 600 700 .

50 50 25 18 22 22 3 1 2 10 150 50 50 600 7 500 2 500 1 250 43 750 54 22 44 184 972 484 968 3 464 2 700 1 100 1 100 10 600 Es una correlación negativa débil. 6. Las puntuaciones obtenidas por un grupo de alumnos en una batería de test que mide la habilidad verbal (X) y el razonamiento abstracto (Y) son las siguientes: Y/X (25-35) (35-45) (45-55) (55-65) 20 6 3 0 0 30 4 6 2 1 40 0 1 5 2 50 0 0 3 7 .

xi 20 20 30 30 30 30 40 40 40 50 50 yi 30 40 30 40 50 60 40 50 60 50 60 fi 6 3 4 6 2 1 1 5 2 3 7 xi · fi 120 60 120 180 60 30 40 200 80 150 350 1 390 xi2 · fi 2 400 1 200 3 600 5 400 1 800 900 1 600 8 000 3 200 7 500 17 500 53 100 yi · f i 180 120 120 240 100 60 40 250 120 150 420 1 080 yi 2 · f i 5 400 4 800 3 600 9 600 5 000 3 600 1 600 12 500 7 200 7 500 25 200 86 000 xi · fi 3 600 2 400 3 600 7 200 3 000 1 800 1 600 10 000 4 800 7 500 21 000 yi · 40 66 500 .Se pide: 1 ¿Existe correlación entre ambas variables? 2 Según los datos de la tabla. si uno de estos alumnos obtiene una puntuación de 70 puntos en razonamiento abstracto. ¿en cuánto se estimará su habilidad verbal? Convertimos la tabla de doble entrada en tabla simple.

= k2 k1.7. Las rectas son paralelas a los ejes y perpendiculares entre sí. 8. Se sabe que entre el consumo de papel y el número de litros de agua por metro cuadrado que se recogen en una ciudad no existe relación. Los años de antigüedad de permisos de conducir y el número de infracciones cometidas en el último año por cada uno de ellos son los siguientes : . k2 . 1 ¿Cuál es el valor de la covarianza de estas variables? = 0 2 ¿Cuánto vale el coeficiente de correlación lineal? r = 0 3 ¿Qué ecuaciones tienen las dos rectas de regresión y cuál es su posición en el plano? = k1 . En una empresa de transportes trabajan cuatro conductores.

Una persona rellena semanalmente una quiniela y un boleto de lotería primitiva anotando el número de aciertos que tiene.Años (X) Infracciones (Y) 3 4 4 3 5 2 6 1 Calcular el coeficiente de correlación lineal e interpretarlo. Durante las cuatro semanas del mes de febrero. 9. xi 3 4 5 6 18 yi 4 3 2 1 10 x i ·y i 12 12 10 6 40 xi2 9 16 25 36 86 yi 2 16 9 4 1 30 La correlación es perfecta e inversa. los aciertos fueron: Quiniela (X) Primitiva (Y) 6 1 8 2 6 2 8 1 .

por tanto las estimaciones hechas con las rectas de regresión no ofrece ninguna confianza . . ¿Ofrecerían confianza las previsiones hechas con las rectas de regresión? xi 6 8 6 8 28 yi 1 2 2 1 6 x i ·y i 6 16 12 8 42 xi2 36 64 36 64 200 yi 2 1 4 4 1 10 No existe correlación entre ambas variables.Obtener el coeficiente de correlación lineal e interpretarlo.

el número de individuos de una muestra es menor que el de la población. ordenación y clasificación de los datos obtenidos por las observaciones. Conceptos de Estadística Población Una población es el conjunto de todos los elementos a los que se somete a un estudio estadístico. para poder hacer comparaciones y sacar conclusiones.ESTADISTICA DESCRIPTIVA La Estadística trata del recuento. Individuo Un individuo o unidad componen la población. Obtención de conclusiones. Un estudio estadístico consta de las siguientes fases: Recogida de datos. Muestra Una muestra es un conjunto representativo de la población de referencia. Organización y representación de datos. Análisis de datos. Muestreo estadística es cada uno de los elementos que .

Si lanzamos una moneda al aire 5 veces obtenemos dos valores: cara y cruz. cara. cara. Valor Un valor es cada uno de los distintos resultados que se pueden obtener en un estudio estadístico. VARIABLE ESTADISTICA Definición de variable Una variable estadística es cada una de las características o cualidades que poseen los individuos de una población. obtenidos de una proporción reducida y representativa de la población. Podemos distinguir dos tipos: Variable cualitativa nominal . Dato Un dato es cada uno de los valores que se ha obtenido al realizar un estudio estadístico. cruz.El muestreo es la reunión de datos que se desea estudiar. cruz. Si lanzamos una moneda al aire 5 veces obtenemos 5 datos: cara. Tipos de variable estadísticas Variable cualitativa Las variables cualitativas se refieren a características o cualidades que no pueden ser medidas con números.

es decir no admite valores intermedios entre dos valores específicos. bronce.. Variable cualitativa ordinal o variable cuasicuantitativa Una variable cualitativa ordinal presenta modalidades no númericas. Por ejemplo: La nota en un examen: suspenso. aprobado. Por ejemplo: El estado civil. 3. Podemos distinguir dos tipos: Variable discreta Una variable discreta es aquella que toma valores aislados. en las que existe un orden. Variable continua . Medallas de una prueba deportiva: oro. 2º.. Por ejemplo: El número de hermanos de 5 amigos: 2. Puesto conseguido en una prueba deportiva: 1º. plata. 0. con las siguientes modalidades: soltero. divorciado y viudo. Variable cuantitativa Una variable cuantitativa es la que se expresa mediante un número. separado. notable. 3º.Una variable cualitativa nominal presenta modalidades no numéricas que no admiten un criterio de orden. 1. 1. casado. sobresaliente. por tanto se pueden realizar operaciones aritméticascon ella. .

Se representa por f i .73.75. . La suma de las frecuencias absolutas es igual al número total de datos. Para indicar resumidamente estas sumas se utiliza la letra griega Σ (sigma mayúscula) que se lee suma o sumatoria. pero también se podría dar con tres decimales. cada dato su frecuencia correspondiente.82. Tipos de frecuencias Frecuencia absoluta La frecuencia absoluta es el número de veces que aparece un determinado valor en un estudio estadístico.69. 1. TABLAS DE ESTADISTICA Distribución de frecuencias La distribución una ordenación en de forma frecuencias o tabla de tabla de los datos de frecuencias es asignando a estadísticos.77. 1. 1. En la práctica medimos la altura con dos decimales.Una variable continua es aquella que puede tomar valores comprendidos entre dos números. Por ejemplo: La altura de los 5 amigos: 1. 1. que se representa por N.

30. 31.Frecuencia relativa La frecuencia relativa es el cociente entre la frecuencia absoluta de un determinado valor y el número total de datos. 31. 34. 32. 29. Frecuencia acumulada La frecuencia acumulada es la suma de las frecuencias absolutas de todos los valores inferiores o iguales al valorconsiderado. en una ciudad se han registrado las siguientes temperaturas máximas: 32. 31. Se representa por F i . 33. 31. 33. 29. Se puede expresar en tantos por ciento y se representa por n i . 29. 31. Frecuencia relativa acumulada La frecuencia relativa acumulada es el cociente entre la frecuencia acumulada de un determinado valor y el número total de datos. 27. 31. 28. 30. 30. Ejemplo Durante el mes de julio. La suma de las frecuencias relativas es igual a 1. Se puede expresar en tantos por ciento. 29. 31. 29. 30. 30. 29. . 28. 30. 30. 33. 31. 32.

194 0.871 33 III 3 30 0.032 I 28 II 2 3 0.032 Ni 0.968 34 I 1 31 0.290 30 7 16 0.En la primera columna de la tabla colocamos la variable ordenada de menor a mayor.097 0.032 1 31 1 Este tipo de tablas de frecuencias se utiliza con variables discretas.258 0. en la segunda hacemos el recuento y en la tercera anotamos la frecuencia absoluta.097 0.065 0. Distribución de frecuencias agrupadas .774 32 III 3 27 0.516 31 8 24 0.226 0.097 29 6 9 0. xi 27 Recuento fi 1 Fi 1 ni 0.

20. 28. 38. 37. 27. 39. 42. 15. 28. 1º Se localizan los valores menor y mayor de la distribución. 34. 15. En este caso son 3 y 48. 24.La distribución de frecuencias agrupadas o tabla con datos agrupados se emplea si las variables toman un número grande de valores o la variable es continua. 11. 44. 43. 32. 33. Límites de la clase Cada clase está delimitada por el límite inferior de la clase y el límite superior de la clase. 2º Se restan y se busca un número entero un poco mayor que la diferencia y que sea divisible por el número de intervalos queramos establecer. 36. . 47. 32. 34. Construcción de una tabla de datos agrupados 3. 17. Marca de clase La marca de clase es el punto medio de cada intervalo y es el valor que representa a todo el intervalo para el cálculo de algunos parámetros. 31. 41. 36. 35. 29. 13. 26. 34. 48. 22. Se agrupan los valores en intervalos que amplitud denominados clases. 38. 13. 25. 7. 39. correspondiente. 35. Amplitud de la clase La amplitud de la clase es la diferencia entre el límite superior e A cada clase se le tengan asigna la misma sufrecuencia inferior de la clase. 38.

075 0. 5) 2.425 [30. 15) 12. 25) 22.5 4 38 0.5 3 11 0. 30) 27. Se forman los intervalos teniendo presente que el límite inferior de una clase pertenece al intervalo.5 1 2 0.600 [35.050 1 40 1 . 35) 32.2775 [25. 45) 42.5 6 17 0. pero el límite superior no pertenece intervalo.200 [20.025 Ni 0. se cuenta en el siguiente intervalo.150 0. 20) 17.3 = 45. 48 .025 [5.075 0. 50) 47.5 2 40 0. En este caso.175 0.5 7 24 0.125 [15.950 [45. ci [0.250 0.5 10 34 0.850 [40.5 3 5 0.5 fi 1 Fi 1 ni 0.050 [10. incrementamos el número hasta 50 : 5 = 10 intervalos.075 0.Es conveniente que el número de intervalos oscile entre 6 y 15.100 0.025 0.5 3 8 0. 10) 7. 40) 37.

Ejemplo Un estudio hecho al conjunto de los 20 alumnos de una clase para determinar su grupo sanguíneo ha dado el siguiente resultado: representan mediante barras de una altura proporcional a Grupo sanguíneo A B AB 0 fi 6 4 1 9 20 . en el eje de abscisas se colocan los valores de la variable. Los datos se la frecuencia.DIAGRAMA DE BARRAL Y POLIGONOS DE FRECUENCIAS Diagrama de barras Un diagrama de barras se utiliza para de presentar datos cualitativos o datos cuantitativos de tipo discreto. y sobre el eje de ordenadas las frecuencias absolutas o relativas o acumuladas. Se representan sobre unos ejes de coordenadas.

Ejemplo Las temperaturas en un día de otoño de una ciudad han sufrido las siguientes variaciones: Hora 6 9 12 15 18 21 Temperatura 7º 12° 14° 11° 12° 10° .Polígonos de frecuencia Un polígono de frecuencias se forma uniendo los extremos de las barras mediante segmentos. También se puede realizar trazando los puntos que representan las frecuencias y uniéndolos mediante segmentos.

de modo que el ángulo de cada sector es proporcional a la frecuencia absolutacorrespondiente. . pero se usa frecuentemente para las variables cualitativas.24 8° DIAGRAMA DE SECTORES Un diagrama de sectores se puede utilizar para todo tipo de variables. Ejemplo En una clase de 30 alumnos. El diagrama circular se construye con la ayuda de un transportador de ángulos. 4 juegan al fútbol y el resto no practica ningún deporte. Los datos se representan en un círculo. 12 juegan a baloncesto. 3 practican la natación.

con un gran número de datos. y que se han agrupado enclases. Se utilizan para variables continuas o para variables discretas. una representación gráfica de una variable en forma .Alumnos Baloncesto Natación Fútbol Sin deporte Total 12 3 9 6 30 Ángulo 144° 36° 108° 72° 360° HISTOGRAMA Un histograma es de barras.

90) [90. 110) [110. 80) [80. La superficie de los valores representados. 100) [100. 70) [70. 120) 55 65 75 85 95 110 115 fi 8 10 16 14 10 5 2 65 Fi 8 18 34 48 58 63 65 . 60) [60.En el eje abscisas se construyen unos rectángulos que tienen por base la amplitud del intervalo. Polígono de frecuencia Para construir el polígono de frecuencia se toma la marca de clase que coincide con el punto medio de cada rectángulo. y por altura. cada barra es proporcional a la frecuencia de Ejemplo El peso de 65 personas adultas viene dado por la siguiente tabla: ci [50. lafrecuencia absoluta de cada intervalo.

Histograma y polígono de frecuencias acumuladas Si se representan obtiene las frecuencias el histograma acumuladas de de frecuencias una tabla de datos su agrupados se acumuladas o correspondiente polígono. .

fi hi . aprobado. h i es la altura del intervalo. f i es la frecuencia del intervalo. notable y sobresaliente) obtenidas por un grupo de 50 alumnos. Ejemplo En la siguiente tabla se muestra las calificaciones (suspenso.Histogramas con intervalos de amplitud diferente Para construir un histogramas con intervalo de amplitud diferente tenemos que calcular las alturas de los rectángulos del histograma. a i es la amplitud del intervalo.

Tipos de parámetros estadísticos Hay tres tipos parámetros estadísticos: . 7) [7. Los parámetros estadísticos sirven para sintetizar la información dada por una tabla o por una gráfica. 5) [5.[0. 10) 15 20 12 3 50 3 10 6 3 PARAMETROS ESTADISTICOS Definición de parámetro estadístico Un parámetro estadístico es un número que se obtiene a partir de los datos de una distribución estadística. 9) [9.

Moda La moda es el valor que más se repite en una distribución. . Medidas de posición Las medidas de posición dividen un conjunto de datos en grupos con el mismo número de individuos. La medidas de centralización son: Media aritmética La media es el valor promedio de la distribución. es decir divide la serie de datos en dos partes iguales. Mediana La mediana es la puntación de la escala que separa la mitad superior de la distribución y la inferior.De centralización. De posición De dispersión. Medidas de centralización Nos indican en torno a qué valor (centro) se distribuyen los datos.

. La medidas de posición son: Cuartiles Los cuartiles dividen la serie de datos en cuatro partes iguales. Medidas de dispersión Las medidas de dispersión nos informan sobre cuanto se alejan del centro los valores de la distribución. Percentiles Los percentiles dividen la serie de datos en cien partes iguales. Desviación media La desviación media es la media aritmética de los valores absolutos de las desviaciones respecto a la media.Para calcular las medidas de posición es necesario que los datos estén ordenados de menor a mayor. Deciles Los deciles dividen la serie de datos en diez partes iguales. Las medidas de dispersión son: Rango o recorrido El rango es la diferencia entre el mayor y el menor de los datos de una distribución estadística.

Hallar la moda de la distribución: 2. Se puede hallar la moda para variables cualitativas y cuantitativas. 4. 3. 9. 5. 3. Desviación típica La desviación típica es la raíz cuadrada de la varianza. 2.Varianza La varianza es la media aritmética del cuadrado de las desviaciones respecto a la media. 9. 5. 8. es decir. 9 Cuando todas las puntuaciones de un grupo tienen la misma frecuencia. 2. 4. tiene varias modas. 3. 1. Se representa por M o . 5 M o = 4 Si en un grupo hay dos o varias puntuaciones con la misma frecuencia y esa frecuencia es la máxima. 1. MODA Definición de moda La moda es el valor que tiene mayor frecuencia absoluta. 6. 9M o = 1. 5. 5. 4. no hay moda. 6. 4. 7. 9. 3. la distribución esbimodal o multimodal. 1. 5. 4. 9 .

f i -+ 1 es la frecuencia absoluta inmediatamente posterior a la clase modal. 5. 5. L i es el límite inferior de la clase modal. a i es la amplitud de la clase. También se utiliza otra fórmula de la moda que da un valor aproximado de ésta: Ejemplo Calcular la moda de una distribución estadística que viene dada por la siguiente tabla: fi . 3. 8Mo = 4 Cálculo de la moda para datos agrupados 1º Todos los intervalos tienen la misma amplitud. 3. f i . 0. 7. la moda es el promedio de las dos puntuaciones adyacentes.Si dos puntuaciones adyacentes tienen la frecuencia máxima.-1 es la frecuencia absoluta inmediatamente inferior a la clase modal. f i es la frecuencia absoluta de la clase modal. 1.

63) [63. 72) [72. 66) [66. La fórmula de la moda aproximada cuando existen distintas amplitudes es: .[60. La clase modal es la que tiene mayor altura. En primer lugar tenemos que hallar las alturas. 75) 5 18 42 27 8 100 2º Los intervalos tienen amplitudes distintas. 69) [69.

Ejemplo En la siguiente tabla se muestra las calificaciones (suspenso. Cálculo de la mediana 1 Ordenamos los datos de menor a mayor. 5) [5. 7) [7. 9) [9. 10) 15 20 12 3 50 hi 3 10 6 3 MEDIANA Definición de mediana Es el valor que ocupa el lugar central de todos los datos cuando éstos están ordenados de menor a mayor. fi [0. . Calcular la moda. aprobado. La mediana se representa por M e. La mediana se puede hallar sólo para variables cuantitativas. notable y sobresaliente) obtenidas por un grupo de 50 alumnos.

5. 3. La mediana es independiente de las amplitudes de los intervalos. Es decir tenemos que buscar el intervalo en el que se encuentre . es la semisuma de las frecuencias absolutas. 7. 4.2 Si la serie tiene un número impar de medidas la mediana es la puntuación central de la misma. L i es el límite inferior de la clase donde se encuentra la mediana. a i es la amplitud de la clase.1 es la frecuencia acumulada anterior a la clase mediana. 4. Ejemplo . F i . 6. 5. 12Me= 9. 9. 5. 6Me= 5 3 Si la serie tiene un número par de puntuaciones la mediana es la media entre las dos puntuaciones centrales. 10. 2. 8.5 Cálculo de la mediana para datos agrupados La mediana se encuentra en el intervalo donde la frecuencia acumulada llega hasta la mitad de la suma de las frecuencias absolutas . 11.

Calcular la mediana de una distribución estadística que viene dada por la siguiente tabla: fi [60. . 69) MEDIA ARITMETICA Definición de media aritmética La media aritmética es el valor obtenido al sumar todos los datos y dividir el resultado entre el número total de datos. 72) [72. 63) [63. es el símbolo de la media aritmética. 69) [69. 66) [66. 75) 5 18 42 27 8 100 Fi 5 23 65 92 100 100/2 = 50 Clase de la mediana: [66.

40) 15 25 35 fi 1 8 10 xi · fi 15 200 350 . xi [10. 91. 30) [30. 72. 68. Calcula la puntuación media. Hallar el peso medio.Ejemplo Los pesos de seis amigos son: 84. 20) [20. la expresión de la media es: Ejercicio de media aritmética En un test realizado a un grupo de 42 personas se han obtenido las puntuaciones que muestra la tabla. 87 y 78 kg. Media aritmética para datos agrupados Si los datos vienen agrupados en una tabla de frecuencias.

12.6 + 5 − 7.6 + 10 − 7.6 es igual a 0: 8 − 7. La suma de las desviaciones de todas las puntuaciones de una distribución respecto a la media de la misma igual acero. 50) [50. 5. 60 [60. La suma de las desviaciones de los números 8. La suma de los cuadrados de las desviaciones de los valores de la variable con respecto a un número cualquiera se hace mínima cuando dicho número coincide con la media aritmética. 3. 4 − 4. Si a todos los valores de la variable se les suma un mismo número.6 + 12 − 7. 4 + 2. 10 de su media aritmética 7.70) [70.6 + 4.6 = = 0.6 + 3 − 7. 80) 45 55 65 75 9 8 4 2 42 405 440 260 150 1 820 Propiedades de la media aritmética 1.[40. . la media aritmética queda aumentada en dichonúmero. 3.6 − 2. 4 = 0 2.

66 kg.5 64.5 67. 72 kg. 75 kg. ∞ ) 61. Si tenemos una distribución con los siguientes pesos: 65 kg. 72) [72. 63) [63. xi [60. 65 kg.5 70. 69kg . La media es muy sensible a las puntuaciones extremas. La media es independiente de las amplitudes de los intervalos. La media se puede hallar sólo para variables cuantitativas. 69) [69. La media no se puede calcular si hay un intervalo con una amplitud indeterminada. 2. Si todos los valores de la variable se multiplican por un mismo número la media aritmética queda multiplicada por dicho número. 70 kg. Observaciones sobre la media aritmética 1.4. 3.5 fi 5 18 42 27 8 100 . 110 kg. 4. que es una medida de centralización poco representativa de la distribución. La media es igual a 74 kg. 66) [66.

En este caso no es posible hallar la media porque no podemos calcular la marca de clase de último intervalo. CUARTILES Los cuartiles son los tres valores de la variable que dividen a

un conjunto de datos ordenados en cuatro partes iguales. Q 1 , Q 2 y Q 3 determinan los valores correspondientes al 25%, al 50% y al 75% de los datos. Q 2 coincide con la mediana.

Cálculo de los cuartiles 1 Ordenamos los datos de menor a mayor. 2 Buscamos expresión el . lugar que ocupa cada cuartil mediante la

Número impar de datos 2, 5, 3, 6, 7, 4, 9

Número par de datos 2, 5, 3, 4, 6, 7, 1, 9

Cálculo de los cuartiles para datos agrupados

En primer lugar buscamos la clase donde se encuentra la tabla de las frecuencias acumuladas.

, en

L i es el límite inferior de la clase donde se encuentra el cuartil. N es la suma de las frecuencias absolutas. F i - 1 es la frecuencia acumulada anterior a la clase del cuartil. a i es la amplitud de la clase.

Ejercicio de cuartiles Calcular los cuartiles de la distribución de la tabla:

fi [50, 60) [60, 70) 8 10

Fi 8 18

[70, 80) [80, 90) [90, 100) [100, 110) [110, 120)

16 14 10 5 2 65

34 48 58 63 65

Cálculo del primer cuartil

Cálculo del segundo cuartil

Cálculo del tercer cuartil

DECILES

Los deciles son partes iguales.

los nueve

valores que dividen la

serie

de datos en diez

Los deciles dan los valores correspondientes al 10%, al 20%... y al 90% de los datos. D 5 coincide con la mediana.

Cálculo de los deciles

En primer lugar buscamos la clase donde se encuentra la tabla de las frecuencias acumuladas.

, en

L i es el límite inferior de la clase donde se encuentra el decil. N es la suma de las frecuencias absolutas. F i - 1 es la frecuencia acumulada anterior a la clase el decil.. a i es la amplitud de la clase.

Ejercicio de deciles Calcular los deciles de la distribución de la tabla:

fi

Fi

[50, 60) [60, 70) [70, 80) [80, 90) [90, 100) [100, 110) [110, 120)

8 10 16 14 10 5 2 65

8 18 34 48 58 63 65

Cálculo del primer decil

Cálculo del segundo decil

Cálculo del tercer decil

Cálculo del cuarto decil Cálculo del quinto decil Cálculo del sexto decil Cálculo del séptimo decil Cálculo del octavo decil .

Cálculo del noveno decil

PERCENTILES Los percentiles son partes iguales. Los percentiles dan los valores correspondientes al 1%, al 2%... y al 99% de los datos. P 5 0 coincide con la mediana. Cálculo de los percentiles los 99 valores que dividen la serie de datos en 100

En primer lugar buscamos la clase donde se encuentra en la tabla de las frecuencias acumuladas.

,

L i es el límite inferior de la clase donde se encuentra el percentil. N es la suma de las frecuencias absolutas. F i - 1 es la frecuencia acumulada anterior a la clase del percentil. a i es la amplitud de la clase.

Ejercicio de percentiles Calcular el percentil 35 y 60 de la distribución de la tabla:

fi [50, 60) [60, 70) [70, 80) [80, 90) [90, 100) [100, 110) [110, 120) 8 10 16 14 10 5 2 65

Fi 8 18 34 48 58 63 65

Percentil 35

Percentil 60

DESVIACION MEDIA

Desviación respecto a la media La desviación respecto a la media es la diferencia en valor absoluto entre cada valor de la variable estadística y la media aritmética. D i = |x - x| Desviación media La desviación media es la media aritmética de los valores absolutos de las desviaciones respecto a la media. La desviación media se representa por

Ejemplo Calcular la desviación media de la distribución: 9, 3, 8, 8, 9, 8, 9, 18

Desviación media para datos agrupados

Si los datos vienen agrupados en una tabla de frecuencias, la expresión de la desviación media es:

Ejemplo Calcular la desviación media de la distribución:

xi [10, 15) 12.5

fi 3

xi · fi 37.5

|x - x|

|x - x| · f i 27.858

9.286

[15, 20)

17.5

5

87.5

4.286

21.43

[20, 25)

22.5

7

157.5

0.714

4.998

[25, 30)

27.5

4

110

5.714

22.856

[30, 35)

32.5

2

65

10.174

21.428

21

457.5

98.57

VARIANZA

La varianza es la media aritmética del cuadrado de las desviaciones respecto a la media de una distribución estadística. La varianza se representa por .

Varianza para datos agrupados

Para simplificar el cálculo de la varianza vamos o utilizar las siguientes expresiones que son equivalentes a las anteriores.

Varianza para datos agrupados

Ejercicios de varianza Calcular la varianza de la distribución: 9, 3, 8, 8, 9, 8, 9, 18

50) 45 9 405 18 225 [50. 60 55 8 440 24 200 [60.70) 65 4 260 16 900 [70. 20) 15 fi 1 xi · fi 15 [20. 30) 25 8 200 5000 [30.Calcular la varianza de la distribución de la tabla: xi2 · fi 225 xi [10. 80) 75 2 150 11 250 42 1 820 88 050 .40) 35 10 350 12 250 [40.

2 Si a todos los valores de la variable se les suma un número la varianza no varía. Si todas las muestras tienen el mismo tamaño: Si las muestras tienen distinto tamaño: Observaciones sobre la varianza 1 La varianza. . al igual que la media. es un índice muy sensible a las puntuaciones extremas. 2 En los casos que no se pueda hallar la media tampoco será posible hallar la varianza.Propiedades de la varianza 1 La varianza será siempre un valor positivo o cero. 4 Si tenemos varias distribuciones con la misma media y conocemos sus respectivas varianzas se puede calcular lavarianza total. 3 Si todos los valores de la variable se multiplican por un número la varianza queda multiplicada por el cuadrado de dicho número. en el caso de que las puntuaciones sean iguales.

La desviación típica se representa por σ. la raíz cuadrada de la media de los cuadrados de las puntuaciones de desviación.3 La varianza no viene expresada en las mismas unidades que los datos. Desviación típica para datos agrupados Ejercicios de desviación típica . Es decir. Desviación típica para datos agrupados Para simplificar el cálculo vamos o utilizar las siguientes expresiones que son equivalentes a las anteriores. DESVIACION TIPICA La desviación típica es la raíz cuadrada de la varianza. ya que las desviaciones están elevadas al cuadrado.

9. 80) 75 2 150 11 250 42 1 820 88 050 . 20) 15 fi 1 xi · fi 15 [20.70) 65 4 260 16 900 [70.Calcular la desviación típica de la distribución: 9. 18 Calcular la desviación típica de la distribución de la tabla: xi2 · fi 225 xi [10. 8. 9. 8.40) 35 10 350 12 250 [40. 8. 3. 50) 45 9 405 18 225 [50. 30) 25 8 200 5000 [30. 60) 55 8 440 24 200 [60.

es un índice muy sensible a las puntuaciones extremas. 3 Si todos los valores de la variable se multiplican por un número la desviación típica queda multiplicada por dichonúmero. 4 Si tenemos varias distribuciones con la misma media y conocemos sus respectivas desviaciones típicas se puede calcular la desviación típica total. en el caso de que las puntuaciones sean iguales. Si todas las muestras tienen el mismo tamaño: Si las muestras tienen distinto tamaño: Observaciones sobre la desviación típica 1 La desviación típica.Propiedades de la desviación típica 1 La desviación típica será siempre un valor positivo o cero. 2 Si a todos los valores de la variable se les suma un número la desviación típica no varía. al igual que la media y la varianza. .

COEFICIENTE DE VARIACION Y PUNTUACIONES TIPICAS Coeficiente de variación El coeficiente de variación es la relación entre la desviación típica de una muestra y su media.28 y otra x = 150 y σ = 25. siempre que sus medias seanpositivas. El coeficiente de variación se suele expresar en porcentajes: El coeficiente de variación permite comparar las dispersiones de dos distribuciones distintas. ¿Cuál de las dos presenta mayor dispersión? . 3 Cuanta más pequeña sea la desviación típica mayor será la concentración de datos alrededor de la media. La mayor dispersión corresponderá al valor del coeficiente de variación mayor. Se calcula para cada una de las distribuciones y los valores que se obtienen se comparan entre sí. Ejercicio Una distribución tiene x = 140 y σ = 28.2 En los casos que no se pueda hallar la media tampoco será posible hallar la desviación típica.

Las puntuaciones típicas se representan por z. xi = X i − X Puntuaciones típicas Las puntuaciones típicas son el resultado de dividir las puntuaciones diferenciales entre la desviación típica. Observaciones sobre puntuaciones típicas La media aritmética de las puntuaciones típicas es 0. . La desviación típica de las puntuaciones típicas es 1. Este proceso se llama tipificación. Las puntuaciones típicas son adimensionales. es decir. Puntuaciones típicas Puntuaciones diferenciales Las puntuaciones diferenciales resultan de restarles a las puntuaciones directas la media aritmética. son independientes de las unidades utilizadas.La primera distribución presenta mayor dispersión.

Ejemplo En una clase hay 15 alumnos y 20 alumnas. respectivamente. dentro del grupo de alumnos de su sexo. Las desviaciones típicas de los dos grupos son.4 kg. REPASO DE LA UNIDAD Definición de Estadística La Estadística trata del recuento.2 kg y el de las alumnas y 54. 3. ordenación y clasificación de los datos obtenidos por las observaciones. considerarse más grueso? José es más grueso respecto de su grupo que Ana respecto al suyo. Individuo . El peso de José es de 70 kg y el de Ana es 65 kg. ¿Cuál de ellos puede.1 kg y 5. para poder hacer comparaciones y sacar conclusiones. Conceptos de Estadística Población Una población es el conjunto de todos los elementos a los que se somete a un estudio estadístico.1 kg.Las puntuaciones típicas se utilizan para comparar las puntuaciones obtenidas en distintas distribuciones. El peso medio de los alumnos es 58.

el número de individuos de una muestra es menor que el de la población. Muestreo El muestreo es la reunión de datos que se desea estudiar. Valor Un valor es cada uno de los distintos resultados que se pueden obtener en un estudio estadístico. cruz. Muestra estadística es cada uno de los elementos que Una muestra es un conjunto representativo de la población de referencia. obtenidos de una proporción reducida y representativa de la población. cara. Podemos distinguir dos tipos: Variable cualitativa nominal . cara. Si lanzamos una moneda al aire 5 veces obtenemos 5 datos: cara. Dato Un dato es cada uno de los valores que se ha obtenido al realizar un estudio estadístico. cruz. Si lanzamos una moneda al aire 5 veces obtenemos dos valores: cara y cruz.Un individuo o unidad componen la población. Variables estadísticas Variable cualitativa Las variables cualitativas se refieren a características o cualidades que no pueden ser medidas con números.

Diagrama de barras . Variable cuantitativa Una variable cuantitativa es la que se expresa mediante un número. en las que existe un orden. Variable continua Una variable continua es aquella que puede tomar valores comprendidos entre dos números.Una variable cualitativa nominal presenta modalidades no numéricas que no admiten un criterio de orden. por tanto se pueden realizar operaciones aritméticascon ella. Distribución de frecuencias La distribución una ordenación en de forma frecuencias o tabla de tabla de los datos de frecuencias es asignando a estadísticos. Variable cualitativa ordinal o variable cuasicuantitativa Una variable cualitativa ordinal presenta modalidades no númericas. Podemos distinguir dos tipos: Variable discreta Una variable discreta es aquella que toma valores aislados. cada dato su frecuencia correspondiente. es decir no admite valores intermedios entre dos valores específicos.

Los datos se representan en un círculo. Histograma Un histograma es de barras. En el eje abscisas se construyen unos rectángulos que tienen por base la amplitud del intervalo. Diagrama de sectores Un diagrama de sectores se puede utilizar para todo tipo de variables. pero se usa frecuentemente para las variables cualitativas. También se puede realizar trazando los puntos que representan las frecuencias y uniéndolos mediante segmentos. lafrecuencia absoluta de cada intervalo. y que se han agrupado enclases. y por altura. con un gran número de datos. una representación gráfica de una variable en forma . de modo que el ángulo de cada sector es proporcional a la frecuencia absolutacorrespondiente. Se utilizan para variables continuas o para variables discretas.Un diagrama de barras se utiliza para de presentar datos cualitativos o datos cuantitativos de tipo discreto. Polígonos de frecuencias Un polígono de frecuencias se forma uniendo los extremos de representan mediante barras de una altura proporcional a las barras mediante segmentos. Los datos se la frecuencia.

Cálculo de la mediana . La clase modal es la que tiene mayor altura. La mediana se puede hallar sólo para variables cuantitativas.Medidas de centralización Moda La moda es el valor que tiene mayor frecuencia absoluta. Se representa por M o . La mediana se representa por M e. Cálculo de la moda para datos agrupados 1º Todos los intervalos tienen la misma amplitud. Se puede hallar la moda para variables cualitativas y cuantitativas. En primer lugar tenemos que hallar las alturas. 2º Los intervalos tienen amplitudes distintas. Mediana Es el valor que ocupa el lugar central de todos los datos cuando éstos están ordenados de menor a mayor.

3 Si la serie tiene un número par de puntuaciones la mediana es la media entre las dos puntuaciones centrales. 2 Si la serie tiene un número impar de medidas la mediana es la puntuación central de la misma. Cálculo de la mediana para datos agrupados La mediana se encuentra en el intervalo donde la frecuencia acumulada llega hasta la mitad de la suma de las frecuencias absolutas . es el símbolo de la media aritmética.1 Ordenamos los datos de menor a mayor. Media aritmética La media aritmética es el valor obtenido al sumar todos los datos y dividir el resultado entre el número total de datos. Es decir tenemos que buscar el intervalo en el que se encuentre . Media aritmética para datos agrupados .

la expresión de la media es: Medidas de posición Cuartiles Los cuartiles son los tres valores de la variable dividen a un conjunto de datos ordenados en cuatro partes iguales. y al 90% de los datos. al 50% y al 75% de los datos. Los deciles dan los valores correspondientes al 10%. al 20%. Q 1 . Deciles Los deciles son partes iguales..Si los datos vienen agrupados en una tabla de frecuencias. los nueve valores que dividen la serie de datos en diez . Q 2 y Q 3 determinan los valores correspondientes al 25%..

La desviación media se representa por Desviación media para datos agrupados Si los datos vienen agrupados en una tabla de frecuencias.. los 99 valores que dividen la serie de datos en 100 Medidas de dispersión Desviación media La desviación media es la media aritmética de los valores absolutos de las desviaciones respecto a la media. y al 99% de los datos. la expresión de la desviación media es: . al 2%. Los percentiles dan los valores correspondientes al 1%.Percentiles Los percentiles son partes iguales..

Varianza La desviación típica es la raíz cuadrada de la varianza. La desviación típica se representa por σ. Desviación típica para datos agrupados Para simplificar el cálculo vamos o utilizar las siguientes expresiones que son equivalentes a las anteriores. La desviación típica se representa por σ. . Desviación típica para datos agrupados Desviación típica La desviación típica es la raíz cuadrada de la varianza.

Desviación típica para datos agrupados Coeficiente de variación El coeficiente de variación es la relación entre la desviación típica de una muestra y su media. Puntuaciones típicas .Desviación típica para datos agrupados Para simplificar el cálculo vamos o utilizar las siguientes expresiones que son equivalentes a las anteriores.

5. Cualitativa. 6. 9. Ejercicios y problemas resueltos de Estadística I 1. 12. Cualitativa. 4 Número de alumnos de tu Instituto. Cuantitativa. 1 Comida Favorita. Cuantitativa . Indica que variables son cualitativas y cuales cuantitativas: 2. 3 Número de goles marcados por tu equipo favorito en la última temporada. Este proceso se llama tipificación. 13. 10. Cualitativa. Cuantitativa. 6 Coeficiente intelectual de tus compañeros de clase. 3. 11. 4. 5 El color de los ojos de tus compañeros de clase. 2 Profesión que te gusta.Las puntuaciones típicas son el resultado de dividir las puntuaciones diferenciales entre la desviación típica. 8. 7.

1 La nacionalidad de una persona. Clasificar las siguientes variables en cualitativas y cuantitativas discretas o continuas. Cualitativa 2 Número de litros de agua contenidos en un depósito. .2. 1 Número de acciones vendidas cada día en la Bolsa. De las siguientes variables indica cuáles son discretas y cuales continuas. Discreta 2Temperaturas registradas cada hora en un observatorio. Discreta 3. Continua 3 Período de duración de un automóvil. Continua 4 El diámetro de las ruedas de varios coc hes. Continua 5 Número de hijos de 50 familias. Discreta 6 Censo anual de los españoles.

4 Suma de puntos tenidos en el lanzamiento de un par de dados.15 0. 16.80 IIII III 4 3 . Cualitativa. 6 El área de las distintas baldosas de un edificio. 13. 16. Las puntuaciones obtenidas por un grupo de en una prueba han sido: 15. 4. 14. Construir la tabla de distribución de frecuencias y dibuja el polígono de frecuencias.65 0. 18.20 0.25 0. xi 13 14 15 16 18 Recuento III I fi 3 1 5 Fi 3 4 9 13 16 ni 0. Cuantitativa continua.Cuantitativa continua.15 0. 5 La profesión de una persona.05 0. 15. 16.20 0. 15. 15. 18. Cuantitativa discreta.45 0. 22. Cuantitativa discreta. 20. 18. 19. 16. 13. 20. 3 Número de libro en un estante de librería. 15. 13.15 Ni 0.

3. 1. 3. 1. xi 1 2 Recuento xi 6 12 Fi 6 18 ni 0.474 .05 0. 4. 3. 3. 2. 2. 4.19 20 22 I II I 1 2 1 20 17 19 20 0. 1. 3. 3. 4. 3. 3. 2. 3. 2.158 0.10 0. 1. 2. 1. 3. 2.95 1 Polígono de frecuencias 5. 3.05 0. Construir la tabla de distribución de frecuencias y dibuja el diagrama de barras. 3. 2. 2. El número de estrellas de los hoteles de una ciudad viene dado por la siguiente serie: 3. 1. 2.158 0. 3. 2. 4. 3. 2. 2.85 0. 3.316 Ni 0.

6. 6. Construir la tabla de distribución de frecuencias y dibuja el diagrama de barras. 2. 5.895 1 Diagrama de barras 6.105 1 0. 7. 5. 4. 8. 6. 4.02 . 1. 6. 4. 7.421 0. 3. 6. 9. 8. 0. 7. 5. 5. 5. 6. 3. 6. 5. 6. 8.02 Ni 0. 7. 4. 4. 5. 7. Las calificaciones de 50 alumnos en Matemáticas han sido las siguientes: 5. 5. 10. 3. 6. 5. 7. 2. 7.3 4 IIII 16 4 38 34 38 0. 8. 6. 4. xi 0 fi 1 Fi 1 ni 0. 5. 6. 6. 9.

02 0.00 Diagrama de barras 7.08 0.04 0.04 0.94 0.72 0.24 0.14 0.26 0.22 0.12 0.04 0.48 0.98 1.06 0.00 0. Los pesos de los 65 empleados de una fábrica vienen dados por la siguiente tabla: .02 1.14 0.08 0.1 2 3 4 5 6 7 8 9 10 1 2 3 6 11 12 7 4 2 1 50 2 4 7 13 24 36 43 47 49 50 0.86 0.

Peso fi [50. 2 Representar el histograma y el polígono de frecuencias.27 0.12 0.22 0.03 Ni 0.51 0.08 0.24 0.73 0.96 0.15 0. 80) [80. xi [50. 80) 16 [80.15 0. 110) 5 [110. 120) 2 1 Construir la tabla de frecuencias. 70) 10 [70. 110) [110.12 0. 100) [100.90) 14 [90. 100) 10 [100.88 0. 120) 55 65 75 85 95 105 115 fi 8 10 16 14 10 5 2 65 Fi 8 18 34 48 58 63 65 ni 0. 60) [60. 60) 8 [60. 70) [70.99 Histograma .90) [90.

38. 31. 15. 13.050 0.8. 25) 2. 11. 39. 38.5 12. 7. sobre 50. 34. 38. 32. 29. 35.025 0. 27. 36. 28. 5) [5. 36.025 0. 42. 25. 34. 24. 23. 1 Construir la tabla de frecuencias.125 0. 47.5 7. 15. 26. xi [0.5 fi 1 1 3 3 3 Fi 1 2 5 8 11 ni 0. 34. 20. 22. 32. 44. 20) [20. 17.200 0. 28. 2 Dibujar el histograma y el polígono de frecuencias. 35.025 0. 15) [15. 3.075 0.5 22. 48. en un examen de Física. 39.075 Ni 0.5 17. 13. 41. 37. 33.275 .075 0. Los 40 alumnos de una clase han obtenido las siguientes puntuaciones. 10) [10.

5 6 7 10 4 2 40 17 24 34 38 40 0.000 Histograma 9.250 0. Sea una distribución estadística que viene dada por la siguiente tabla: xi fi 61 5 64 18 67 42 70 27 73 8 Calcular: .5 32.100 0.425 0. 30) [30.5 37.[25.5 47.175 0.850 0. 35) [35.5 47. 45) [45. 50) 27.050 1 0. 40) [40.600 0.150 0.950 1.

varianza y desviación típica .1 La moda.55 |x − x | · f i 32.45 2. xi 61 64 67 71 73 fi 5 18 42 27 8 100 Fi 5 23 65 92 100 xi · fi 305 1152 2184 1890 584 6745 |x − x | 6.50 xi2 · fi 18 065 73 728 188 538 132 300 42 632 455 803 Moda Mo = 67 Mediana 102/2 = 50 Me = 67 Media Desviación media Rango .85 44.25 62. 2 El rango. desviación media.90 68. mediana y media.55 5.40 226.45 3.10 18.45 0.

4. 2. 4. 5. 8. Calcular la media. 3. 4. 4. xi 2 3 4 5 6 8 fi 2 2 5 6 2 3 20 Fi 2 4 9 15 17 20 xi · fi 4 6 20 30 12 24 96 Moda Mo = 5 Mediana 20/2 = 10 Me = 5 . 6. la mediana y la moda de la siguiente serie de números: 5. 5. 8. 2. 5. 4. 6. 5. 3.r = 73 − 61 = 12 Varianza Desviación típica 10. 8. 5.

2. Hallar la media. 9. 8. 3. 6. Moda Mo = 5 Mediana 10/2 = 5 Media . 5. 5. 6. 18. mediana y moda de la siguiente serie de números: 3. 5. 7. 5. 5. 5. 8. Hallar la varianza y la desviación típica de la siguiente serie de datos: 12. 5. 2. 9. 10. 2. 6. 15. 3. 12. 6. 6. 2.Media 11.

. 17. Desviación típica 26. Varianza 24. 37. 10. 25. 27. 15. 2. 28. 12. 5. 6. 19. 6. Hallar la desviación media. la varianza y la desviación típica de la series de números siguientes: 15. 29. 11. 15. 12. Varianza 34. 8. 3. 18. 6. 7. 16. 6. Media 30. 10. 3. Desviación media 32. 3. 18. 11. 23. 21. Media 20. 31. 5. 8. 7.14. 3. 35. 33. 18. 2. Desviación media 22. Desviación típica 36.

44) [44. 56) [56. 62) [62. 68) [68. obteniéndose las siete tabla: fi [38.14. fi [38. 80) 7 8 15 25 18 9 6 Fi 7 15 30 55 73 82 88 . Se ha aplicado test a los empleados de una fábrica. 68) [68. 80) 7 8 15 25 18 9 6 Dibujar el histograma y el polígono de frecuencias acumuladas . 62) [62. 74) [74. 50) [50. 50) [50. 56) [56. 44) [44. 74) [74.

Dadas las series estadísticas: 3. Los cuartiles 1º y 3º. 2. 9. 7. Los percentiles 32 y 85. . 6. la varianza y la desviación típica.15. 4. la mediana y la media. 5. 4. 6. Calcular: La moda. 2. 9. 3. 1. 7. Los deciles 2º y 7º. 5. La desviación media.

3. 6. 9. 2. 5. 4.3. 5. 7. 7. Moda No existe moda porque todas las puntuaciones tienen la misma frecuencia. 6. Me = 5 Media Varianza Desviación típica Desviación media Rango r = 9 − 2 = 7 Cuartiles . 4. 9. Mediana 2.

2 P 32 = 4 7 · (85/100) = 5. 1.Deciles 7 · (2/10) = 1. 2. 4.9 D 7 = 6 Percentiles 7 · (32/100) = 2. 7.9 P 85 = 7 3.4 D 2 = 3 7 · (7/10) = 4. Moda No existe moda porque todas las puntuaciones tienen la misma frecuencia. 6. 5. 9. Mediana Media Varianza .

1 = 8 Cuartiles Deciles 8 · (2/10) = 1. Una distribución estadística viene dada por la siguiente tabla: .6 D 2 = 2 8 · (7/10) = 5.Desviación típica Desviación media Rango r = 9 .56 P 32 = 3 8 · (85/100) = 6.6 D 7 = 6 Percentiles 8 · (32/100) = 2.8 P 85 = 7 16.

429 98.[10.5 |x − x | · f i 27.857 21.571 xi2 · fi 468. 20) [20. desviación media y varianza. 20) 5 [20. 15) [15.5 27.429 5 22. mediana y media.5 32.8 3025 2112.5 22. Los deciles 3º y 6º. xi [10.857 21. 35) 12.3 3543.5 157. Los cuartiles 1º y 3º.25 Moda Mediana . 30) [30. 30) 4 [30.5 17. 25) [25. 25) 7 [25.5 110 65 457.5 10681. 15) fi 3 [15.5 fi 3 5 7 4 2 21 Fi 3 8 15 19 21 xi · fi 37.75 1537. El rango.5 87. Los percentiles 30 y 70. 35) 2 Hallar: La moda.

Media Desviación media Varianza Desviación típica Cuartiles Deciles Percentiles .

10) [10. 20) 8 [20. 25) 2 Calcular: La mediana y moda.17.5 fi 3 5 7 8 2 6 31 Fi 3 8 15 23 25 31 Moda .5 12. 10) 5 [10.5 17. 5) [5. ∞) 2. 20) [20. Dada la distribución estadística: [25.5 22. Cuartil 2º y 3º. ∞) 6 [0. Media. xi [0. 15) 7 [15.5 7. 25) [25. 5) fi 3 [5. 15) [15.

. A un conjunto de 5 números cuya media es 7.15. Un dentista observa el número de caries en cada uno de los 100 niños de cierto colegio. porque no se puede hallar la marca de clase del último intervalo.47 y 10. Ejercicios y problemas resueltos de Estadística II 1. 2.Mediana Cuartiles Media No se puede calcular la media.31 se le añaden los números 4. La información obtenida aparece resumida en la siguiente tabla: Nº de caries 0 fi 25 ni 0.25 . ¿Cuál es la media del nuevo conjunto de números? 2.

2 fi · ni 0 20 . Hacer un diagrama de sectores. y.15 + 0.35 La frecuencia relativa de un dato es igual su frecuencia absoluta dividida entre 100. 2. Nº de caries 0 1 fi 25 20 ni 0.1 2 3 4 20 x 15 y 0.15 0. 1.05 1. 3.05 = 1 0.2 + z + 0.25 + 0. Completar la tabla obteniendo los valores x. que es la suma de las frecuencias absolutas.25 0. Tabla La suma de las frecuencias relativas ha de ser igual a 1: 0. Calcular el número medio de caries.2 z 0.65 + z = 1 z = 0. z.

2 3 4 35 15 5 0. Diagrama de sectores Calculamos los grados que corresponden a cara frecuencia absoluta.05 70 45 20 155 2.35 0.6 = 54º 5 · 3. Media aritmética .15 0. 25 · 3.6 = 126º 15 · 3.6 = 18º 3.6 = 72º 35 · 3.6 = 90º 20 · 3.

3. 9. 12. 10.3. 9. 7. 14. 18 5. 14. 16. 6. 26/4 = 6. 16. 10. 13. 7. 5. 5. 6. Mediana 10. 20 9. 11. Se tiene el siguiente conjunto de 26 datos: 4. 10. Como el número de datos es par la mediana es la media de las dos puntuaciones centrales: 12. 18. 16. 9. 7. 13. 3. 10.5 Q 3 = 14 4. 20. 17. 6. (26 · 3)/4 = 19. 17. Un pediatra obtuvo la siguiente tabla sobre los meses de edad de 50 niños de su consulta en el momento de andar por primera vez: Meses 9 10 11 12 13 Niños 1 4 9 16 11 . 12. 26/2 = 13. Q 2 = Me = 10 16. 18. 11 10. En primer lugar ordenamos los datos de menor a mayor: 8. Obtener su mediana y cuartiles. 4. 8. 10. 13. 18. 13. 4. 10. Cuartiles 14. 7. 8. 7. 4. 9. 10.5 Q 1 = 7 15. 16. 4. 13. 11. 8. 8.

Polígono de frecuencias xi 9 10 11 12 13 fi 1 4 9 16 11 Ni 1 5 14 30 41 xi · fi 9 40 99 192 143 x² i · f i 81 400 1089 2304 1859 .14 15 8 1 1. la media y la varianza. Calcular la moda. la mediana. 2. Dibujar el polígono de frecuencias.

16 0.08 16 7 5 28 38 0. Completar los datos que faltan en la siguiente tabla estadística: xi 1 2 3 4 5 6 fi 4 4 Fi ni 0.14 15 8 1 50 49 50 112 15 610 1568 225 7526 Moda Mo = 12 Mediana 50/2 = 25 Me = 12 Media aritmética Varianza 5.14 .

Tabla Primera fila: F1 = 4 Segunda fila: F2 = 4 + 4 = 8 Tercera fila: Cuarta fila: N 4 = 16 + 7 = 23 Quinta fila: Sexta fila: 28 + n 8 = 38 n 8 = 10 .7 8 7 45 Calcular la media. mediana y moda de esta distribución.

Séptima fila: Octava fila: N 8 = N = 50 n 8 = 50 − 45 = 5 xi 1 2 3 4 5 6 7 8 fi 4 4 8 7 5 10 7 5 50 Fi 4 8 16 23 28 38 45 50 ni 0.08 0.14 0.08 0.16 0.1 0.2 0.1 xi · fi 4 8 24 28 25 60 49 40 238 Media artmética Mediana 50/2 = 25 Me = 5 .14 0.

xi 2 3 4 6 8 10 33 xi2 4 9 16 36 64 100 229 1 2 7. 8. 6. Calcular su media y su varianza. Se pide: 1. cúal será la nueva media y varianza. 4. 10. 2. El resultado de lanzar dos dados 120 veces viene dado por la tabla: . Considérense los siguientes datos: 3. 2.Moda Mo = 6 6. Si los todos los datos anteriores los multiplicamos por 3.

xi 2 3 4 5 6 7 8 9 10 11 12 fi 3 8 9 11 20 19 16 13 11 6 4 120 xi · fi 6 24 36 55 120 133 128 117 110 66 48 843 xi2 · fi 12 72 144 275 720 931 1024 1053 1100 726 576 6633 1 . x + σ).Sumas Veces 2 3 3 8 4 9 5 11 6 20 7 19 8 16 9 13 10 11 11 6 12 4 1. Calcular la media y la desviación típica. 2. Hallar el porcentaje de valores comprendidos en el intervalo (x − σ.

976 .459) son los correspondientes a las sumas de 5. 6. 175) 1 [175.70.00) 2 Calcular: 1. 1.75) 1. 195) 5 [195.725 fi 1 Fi 1 xi · fi 1. 7. La mediana.2 x − σ = 4.725 xi2 · fi 2. 2.459 Los valores comprendidos en el intervalo (4. 185) 4 [185. 11 + 20 + 19 + 16 + 13 = 79 8.591 x + σ = 9. ¿Cuántos jugadores se encuentran por encima de la media más una desviación típica? xi [1. 9. La desviación típica. 180) 3 [180. La media. 190) 8 [190. 4.591. 3. 8 y 9. 2. Las alturas de los jugadores de un equipo de baloncesto vienen dadas por la tabla: Altura Nº jugadores de [170.

95 42.75.80) [1.925 9.943 Este valor pertenece a un percentil que se encuentra en el penúltimo intervalo.975 3 4 8 5 2 23 4 8 16 21 23 5.324 28.90.95) [1. 1.625 3. .077 = 1.866+ 0.775 1.213 Media Mediana Desviación típica 4 x + σ = 1. 1.325 7.825 1.53 7. 1.00) 1.453 13.[1. 2.128 18.90) [1.95.85) [1.85. 1.875 1.3 15 9.80.925 1.802 80.

xi 1 2 3 4 5 6 fi a 32 35 33 b 35 135 + a + b xi · fi a 64 125 132 5b 210 511 + a + 5b a = 29 b = 36 .6.Sólo hay 3 jugadores por encima de x + σ. Los resultados al lanzar un dado 200 veces vienen dados por la siguiente tabla: 1 fi a 2 32 3 35 4 33 5 b 6 35 Determinar a y b sabiendo que la puntuación media es 3. 9.

Hallar la mediana. Si Andrés pesa 72 kg.5 70. El histograma de la distribución correspondiente al peso de 100 alumnos de Bachillerato es el siguiente: 1. ¿A partir de que valores se encuentran el 25% de los alumnos más pesados? 1 xi [60.63 ) [63. ¿cuántos alumnos hay menos pesados que él? 3. Formar la tabla de la distribución. 5. 69) [69.5 67. Calcular la moda. 4. 2.5 fi 5 18 42 27 Fi 5 23 65 92 . 72) 61.10. 66) [66.5 64.

75) 73. 2) [2. 10) Fi 4 11 24 34 40 . 11.5 8 100 100 2 5 + 18 + 42 + 27 = 92 alumnos más ligeros que Andrés. 8) [8. De esta distribución de frecuencias absolutas acumuladas . 6) [6. 4) [4. Moda Mediana 5 El valor a partir del cual se encuentra el 25% de los alumnos más pesados es el cuartil tercero.[72. calcular: Edad [0.

Media aritmética y desviación típica. . 2. 10) 1 3 5 7 9 fi 4 7 13 10 6 40 Fi 4 11 24 34 40 xi · fi 4 21 65 70 54 214 xi2 · fi 4 63 325 490 486 1368 Media y desviación típica 2 Los 10 alumnos representan el 25% central de la distribución.1. 4) [4. 2) [2. ¿Entre qué valores se encuentran las 10 edades centrales? 3. 8) [8. xi [0. Representar el polígono de frecuencias absolutas acumuladas . 6) [6.

¿Cuál de las dos será más alta respecto a sus conciudadanos? La persona A es más alta respecto a sus conciudadanos que la persona B. .2] .75 m y reside en una ciudad donde la estatura media es de 1.5 y P 6 2.Debemos hallar P 3 7 . 5 .80 m y vive en una ciudad donde la estatura media es de 1.60 m y la desviación típica es de 20 cm.5. Un profesor ha realizado dos tests a un grupo de 40 alumnos. Polígono de frecuencias 12. Las 10 edades centrales están en el intervalo: [4. 6. obteniendo los siguientes resultados: para el primer test la media es 6 y la desviación típica 1.61. Otra persona B mide 1. 13.70 m y la desviación típica es de 15 cm. Una persona A mide 1.

Para el segundo test la media es 4 y la desviación típica 0. ¿qué efecto tendría sobre la dispersión? Desviación típica Coeficiente de variación . 2. 500. La asistencia de espectadores a las 4 salas de un cine un determinado día fue de 200. Si el día del espectador acuden 50 personas más a cada sala.5. 3. Calcular la dispersión del número de asistentes. 14. 300 y 1000 personas. Calcular el coeficiente de variación. Un alumno obtiene un 6 en el primero y un 5 en el segundo. ¿en cuál de los dos tests obtuvo mejor puntuación? En el segundo test consigue mayor puntuación. 1. En relac ión con el grupo.

la media aritmética también se ve incrementada en 50 personas. Muestreo aleatorio sistemático . y el grado de fiabilidad o significación de los resultados obtenidos. TIPOS DE MUESTREO Muestreo probabilístico Consiste en elegir una muestra de una población al azar. La dispersión relativa es menor en el segundo caso.3 Si todas las salas tienen un incremento de 50 personas. ya que sumamos la misma cantidad a cada dato de la serie. La desviación típica no varía. INFERENCIA ESTADISTICA Inferencia estadística Estudia como sacar conclusiones generales para toda la población a partir del estudio de una muestra. Podemos distinguir varios tipos de muestreo: Muestreo aleatorio simple Para obtener una muestra. se numeran los elementos de la población y se seleccionan al azar los n elementos que contiene la muestra.

14. tomando aleatoriamente un número entre el 1 y el 4.. en primer lugar debemos establecer el intervalo de selección que será igual a 100/25 = 4. aleatoriamente. 6. a intervalos constantes. se eligen los demás hasta completar la muestra.Se elige un individuo al azar y a partir de él. 150 en la B. un número de individuos de cada estrato proporcional al número de componentes de cada estrato. 2. En una fábrica que consta de 600 trabajadores queremos tomar una muestra de 20. y a partir de él obtenemos los restantes elementos de la muestra.. A continuación elegimos el elemento de arranque.. . 98 Muestreo aleatorio estratificado Se divide la población en clases o estratos y se escoge. Sabemos que hay 200 trabajadores en la sección A. 150 en la C y 100 en la D. 10. Por ejemplo si tenemos una población formada por 100 elementos y queremos extraer una muestra de 25 elementos..

. proporción. . para cada muestra podemos calcular unestadístico (media..K < X < Μ + K ] = P Hallar el intervalo característico de una distribución normal N(0.9.) que variará de una a otra. En todo nuestro estudio vamos a limitarnos a una población de partida infinita o a muestreo con reposición. Así obtenemos una distribución del estadístico que se llama distribución muestral INTERVALOS CARACTERISTICOS P[ Μ . 1) correspondiente a la probabilidad p = 0. y la población de partida puede ser infinita o finita.Un muestreo puede hacerse con o sin reposición. . desviación típica. Si consideremos todas las posibles muestras de tamaño n en una población.

El nivel de confianza (p) se designa mediante 1 .α α/2 z α/2 0.96 0. μ + z · σ ) α /2 α /2 .005 2.α es: (μ .575 En una distribución N(μ.z · σ . El valor crítico (k) como z P(Z>z α/2) α/2 .α.90 0.05 1. α/2] = α/2 P[-z α /2 < z < z = 1.95 0. σ ) el intervalo característico correspondiente a una probabilidad p = 1 . El nivel de significación se designa mediante α.025 1.99 0.645 0.α Valores críticos 1 .

005 2.90 0. μ + 2.95 0.05 1. 2.645 (μ . 3. a priori. μ + 1. en un cierto intervalo.025 1. μ + 1.99 0.575 · σ ) TEOREMA CENTRAL DEL LIMITE Si una población tiene media μ y desviación típica σ. ó cualquier tamaño si la población es "normal").575 (μ .Permite averiguar la probabilidad de que la media de una muestra concreta esté en un cierto intervalo.α α/2 z α/2 Intervalos característicos 0.Permite calcular la probabilidad de que la suma de los elementos de una muestra esté.96 (μ .1.2. las medias de estas muestras siguen aproximadamente la distribución: Consecuencias: 1.645 · σ) 0.1 .575 · σ .645 · σ . .Inferir la media de la población a partir de una muestra.1.96 · σ ) 0. y tomamos muestras de tamaño n (n>30.96 · σ .

Las bolsas se empaquetaron en cajas de 100 unidades.Calcular la probabilidad de que una caja 100 de bolsas pese más de 51 kg. pero también necesitamos precisar un: Intervalo de confianza . Con una muestra aleatoria. podemos efectuar una estimación de un valor de un parámetro de la población. Estimación de parámetros Es el procedimiento utilizado para conocer las características de un parámetro poblacional. de tamaño n. a partir del conocimiento de la muestra.Las bolsas de sal envasadas por una máquina tienen μ = 500 g y σ = 35 g. 2.Calcular la probabilidad de que la media de los pesos de las bolsas de un paquete sea menor que 495 g. 1.

con un nivel de confianza específico. 1-α. Error de estimación admisible Que estará relacionado con el radio del intervalo de confianza.α . con un nivel de confianza de 1. mayor es el error. menor es el error. n. Cuanto mayor sea el nivel de confianza. para la media de una población. Nivel de confianza Probabilidad de que el parámetro a estimar se encuentre en el intervalo de confianza. Tamaño de la muestra .Se llama así a un intervalo en el que sabemos que está un parámetro. es: El error máximo de estimación es: Cuanto mayor sea el tamaño de la muestra. siendo x la media de una muestra de tamaño n y σ la desviación típica de la población. ESTIMACION DE LA MEDIA DE UNA POBLACION Intervalo de confianza para la media El intervalo de confianza.

5 minutos. Para una muestra aleatoria de 25 clientes se obt uvo un tiempo medio de 5. aumenta el tamaño de la muestra.Si aumentamos el nivel de confianza.Calcula el intervalo de confianza al nivel del 95% para el tiempo medio que se tarda en cobrar a los clientes. 2.2 minutos. 1. tenemos que aumentar el tamaño de la muestra. El tiempo que tardan las cajeras de un supermercado en cobrar a los clientes sigue una ley normal con media desconocida y desviación típica 0.Indica el tamaño muestral necesario para estimar dicho tiempo medio con un el error de ± 0.5 minutos y un nivel de confianza del 95%. n ≥ 4 ESTIMACION DE UNA PROPORCION . Si disminuimos el error.

0.18 E = 0.18 = 0.2 q = 1 .02 . Tras una serie de operaciones e inversiones destinadas a mejorar el rendimiento se analizó una muestra aleatoria de 500 componentes.2 . una determinada característica se presenta en una proporción p. de individuos con dicha característica en las muestras de tamaño n.8 p'= 90/ 500 = 0. la proporción de componentes finales defectuosos era del 20%. ¿Qué nivel de confianza debe adoptarse para aceptar que el rendimiento no ha sufrido variaciones? p = 0. se distribuirán según: Intervalo de confianza para una proporción El error máximo de estimación es: En una fábrica de componentes electrónicos. encontrándose que 90 de ellos eran defectuosos.p =0.Si en una población. la proporción p' .

8686 = 0.737 Nivel de confianza: 73. H1 ≠ k H1 < k H1> k Bilateral H 0 =k H0≥ k Unilateral H 0 ≤k .1314 0.12) = 0.1314 = 0.0. La hipótesis contraria se designa por H 1 y se llama HIPÓTESIS ALTERNATIVA .P (1 . extraer conclusiones que permitan aceptar o rechazar una hipótesis previamente emitida sobre el valor de un parámetro desconocido de una población. Enunciar la hipótesis nula H 0 y la alternativa H 1 .z α / 2 <1. a partir de una muestra aleatoria y significativa.72% Contrastes de hipótesis Hipótesis estadísticas Un test estadístico es un procedimiento para.86861 .8686 .0. La hipótesis emitida se designa por H 0 y se llama HIPÓTESIS NULA . Contrastes de hipótesis 1.

Determinar: El valor z α /2 (bilaterales). o bien z α (unilaterales) La zona de aceptación del parámetro muestral (x o p').α o el de significación α. es del tipo H 1 : μ≠ k (o bien H 1 : p≠ k). por tanto. se acepta la hipótesis con un nivel de significación α. Si no. a partir de la muestra.2. 3. se rechaza. La región de aceptación en este caso no es más que el correspondiente intervalo de probabilidad para x o p'. El nivel de significación α se concentra en dos partes (o colas) simétricas respecto de la media. Calcular: x o p'. 4. A partir de un nivel de confianza 1 . es decir: . Si el valor del parámetro muestral está dentro de la zona de la aceptación. CONTRASTE BILATERAL Se presenta cuando la hipótesis nula es del tipo H 0 : μ = k (o bien H 0 : p = k) y la hipótesis alternativa.

22 .6. Determinamos el intervalo de confianza para la media: (6-1.78) 3. Valor obtenido de la media de la muestra: 5. Verificación. le corresponde un valor crítico: z α / 2 = 1. 4. Enunciamos las hipótesis nula y alternativa: H0 : μ = 6 H1 : μ ≠ 6 La nota media no ha variado. La nota media ha variado.4) = (5. 2.96 · 0. Decisión .05.o bien: Se sabe que la desviación típica de las notas de cierto examen de Matemáticas es 2. ¿Sirven estos datos para confirmar la hipótesis de que la nota media del examen fue de 6. con un nivel de confianza del 95%? 1.6 . 6+1.4 . Zona de aceptación Para α = 0. Para una muestra de 36 estudiantes se obtuvo una nota media de 5. 6.96.4.96 · 0.

01 z α 1.95 0.10 0. La hipótesis alternativa.28 1.α 0.33 El nivel de significación α se concentra en una parte o cola. La región de aceptación en este caso será: .90 0. por tanto. Valores críticos 1 . CONTRASTE UNILATERAL Caso 1 La hipótesis nula es del tipo H 0 : μ ≥ k (o bien H 0 : p ≥ k).645 2. con un nivel de significación del 5%.05 0. es del tipo H 1 : μ < k (o bien H 1 : p < k).Aceptamos la hipótesis nula H 0 .99 α 0.

4. el nivel de abstención en las próximas elecciones será del 40% como mínimo.40 H 1 : p < 0. 1. La abstención será como máximo del 40%. que en una determinada ciudad.Verificación. Enunciamos las hipótesis nula y alternativa: H 0 : p ≥ 0. 75 de los cuales estarían dispuestos a votar.01. Determinar con un nivel de significación del 1%.o bien: Un sociólogo ha pronosticado. si se puede admitir el pronóstico. con derecho a voto.Decisión . Se elige al azar una muestra aleatoria de 200 individuos. Determinamos el intervalo de confianza para la media: 3.40 La abstención será como mínimo del 40%. 2.33. le corresponde un valor crítico: z α = 2. Zona de aceptación Para α = 0.

Podemos afirmar. por tanto. El nivel de significación α se concentra en la otra parte o cola. La región de aceptación en este caso será: o bien: .Aceptamos la hipótesis nula H 0 . Caso 2 La hipótesis nula es del tipo H 0 : μ ≤ k (o bien H 0 : p ≤ k). es del tipo H 1 : μ > k (o bien H 1 : p > k). que la La abstención será como mínimo del 40%. La hipótesis alternativa. con un nivel de significación del 1%.

4.Zona de aceptación Para α = 0. ¿Se puede aceptar. Determinamos el intervalo de confianza: 3.1. Errores de tipo I y tipo II . con un nivel de significación igual a 0. Se toma una muestra de 100 viajeros y se obtiene que la media de los precios de sus billetes es de 128 €. Decisión No aceptamos la hipótesis nula H 0 . la afirmación de partida? 1.1. Enunciamos las hipótesis nula y alternativa: H 0 : μ ≤ 120 H 1 : μ > 120 2.Un informe indica que el precio medio del billete de avión entre Canarias y Madrid es.28 . Con un nivel de significación del 10%. de 120 € con una desviación típica de 40 €. como máximo. Valor obtenido de la media de la muestra: 128 € . Verificación. le corresponde un valor crítico: z α = 1.

como consecuencia del contraste.α ERROR Rechazar Probabilidad = α DE La probabilidad de cometer Error de tipo I es el nivel de significación α. Podemos distinguir varios tipos: . Se comete cuando la hipótesis nula es verdadera y. se rechaza.Error de tipo I. Error de tipo II. La probabilidad de cometer Error de tipo II depende del verdadero valor del parámetro. Muestreo probabilístico Consiste en elegir una muestra de una población al azar. y el grado de fiabilidad o significación de los resultados obtenidos. Se hace tanto menor cuanto mayor sea n. Se comete cuando la hipótesis nula es falsa y. como consecuencia del contraste se acepta. H0 Verdadera Decisón correcta Falsa Decisión ERROR DE TIPO II TIPO I Decisión correcta Aceptar Probabilidad = 1 . RESUMEN DEL CAPITULO Inferencia estadística Estudia cómo sacar conclusiones generales para toda la población a partir del estudio de una muestra.

α es: (μ . α/2] = α/2 P[-z α /2 < z < z = 1. El valor crítico (k) como z P(Z>z α/2) α/2 .z · σ . Muestreo aleatorio estratificado: Se divide la población en clases o estratos y se escoge.α.α En una distribución N(μ. se numeran los elementos de la población y se seleccionan al azar los n elementos que contiene la muestra. σ ) el intervalo característico correspondiente a una probabilidad p = 1 . El nivel de significación se designa mediante α. un número de individuos de cada estrato proporcional al número de componentes de cada estrato. se eligen los demás hasta completar la muestra. μ + z · σ ) α /2 α /2 1 . aleatoriamente.Muestreo aleatorio simple: Para obtener una muestra. a intervalos constantes.α α/2 z α/2 Intervalos característicos . Muestreo aleatorio sistemático: Se elige un individuo al azar y a partir de él. Intervalos característicos El nivel de confianza (p) se designa mediante 1 .

ó cualquier tamaño si la población es "normal").0. en un cierto intervalo. μ + 1. 2.96 · σ ) 0.96 · σ .99 0.96 (μ .025 1.645 · σ) 0.645 · σ . μ + 1.575 · σ ) Distribución de las medias muestrales Teorema central del límite Si una población tiene media μ y desviación típica σ .90 0.95 0. a priori.Permite averiguar la probabilidad de que la media de una muestra concreta esté en un cierto intervalo. 3.1.1.575 (μ .Permite calcular la probabilidad de que la suma de los elementos de una muestra esté. μ + 2. .Inferir la media de la población a partir de una muestra.05 1. y tomamos muestras de tamaño n (n>30. las medias de estas muestras siguen aproximadamente la distribución: Consecuencias: 1.575 · σ .2.645 (μ .005 2.

α . siendo x la media de una muestra de tamaño n y σ la desviación típica de la población. de confianza Probabilidad de que el parámetro a estimar se encuentre en el intervalo  Error de estimación admisible Que estará relacionado con el radio del intervalo de confianza. con un nivel de confianza específico. para la media de una población. con un nivel de confianza de 1.Estimación  Intervalo de confianza Se llama así a un intervalo en el que sabemos que está un parámetro.  Nivel de confianza. Estimación de la media de una población Intervalo de confianza para la media El intervalo de confianza. es: El error máximo de estimación es: Tamaño de la muestra Estimación de una proporción .

la proporción p' . La hipótesis emitida se designa por H 0 y se llama HIPÓTESIS NULA . extraer conclusiones que permitan aceptar o rechazar una hipótesis previamente emitida sobre el valor de un parámetro desconocido de una población. una determinada característica se presenta en una proporción p. a partir de una muestra aleatoria y significativa. Contrastes de hipótesis 1. de individuos con dicha característica en las muestras de tamaño n. Bilateral H 0 =k H0≥ k H1 ≠ k H1 < k Unilateral . La hipótesis contraria se designa por H 1 y se llama HIPÓTESIS ALTERNATIVA .Si en una población. se distribuirán según: Intervalo de confianza para una proporción El error máximo de estimación es: Hipótesis estadísticas Un TEST ESTADÍSTICO es un procedimiento para. Enunciar la hipótesis nula H 0 y la alternativa H 1 .

4. Contraste Bilateral Se presenta cuando la hipótesis nula es del tipo H 0 : μ = k (o bien H 0 : p = k) y la hipótesis alternativa. Determinar: El valor z α /2 (bilaterales). El nivel de significación α se concentra en dos partes (o colas) simétricas respecto de la media. Calcular: x o p'. se acepta la hipótesis con un nivel de significación α. por tanto. es decir: o bien: . Si el valor del parámetro muestral está dentro de la zona de la aceptación. 3. Si no. a partir de la muestra. A partir de un nivel de confianza 1 . es del tipo H 1 : μ≠ k (o bien H 1 : p≠ k).α o el de significación α. se rechaza. La región de aceptación en este caso no es más que el correspondiente intervalo de probabilidad para x o p'.H 0 ≤k H1> k 2. o bien z α (unilaterales) La zona de aceptación del parámetro muestral (x o p').

α 0.01 z α 1.90 0.645 2. es del tipo H 1 : μ < k (o bien H 1 : p < k).95 0.05 0.28 1.99 α 0. . La hipótesis alternativa.Contraste unilateral Caso 1 La hipótesis nula es del tipo H 0 : μ ≥ k (o bien H 0 : p ≥ k).10 0.33 La región de aceptación en este caso será: o bien: Caso 2 La hipótesis nula es del tipo H 0 : μ ≤ k (o bien H 0 : p ≤ k). por tanto. Valores críticos 1 .

se rechaza. Se comete cuando la hipótesis nula es verdadera y. por tanto. La región de aceptación en este caso será: o bien: Errores Error de tipo I. H0 Verdadera Falsa Decisón Aceptar Probabilidad = 1 .La hipótesis alternativa. como consecuencia del contraste. como consecuencia del contraste se acepta. cometer Error de tipo I es el nivel de . Se comete cuando la hipótesis nula es falsa y.α correcta Decisión ERROR DE TIPO II ERROR Rechazar DE TIPO I Decisión correcta Probabilidad = α La probabilidad de significación α. es del tipo H 1 : μ > k (o bien H 1 : p > k). Error de tipo II.

2. Para efectuar un muestreo aleatorio estratificado. Para ello van a ser encuestados 100 individuos elegidos al azar. . Determinar el tamaño muestral correspondiente a cada estrato. adultos y ancianos. ¿Por qué? Todas las fórmulas que hemos estudiado de teoría del muestreo y de inferencia estadística presuponen que las poblaciones son infinitas o que. el muestreo aleatorio se realiza con reposición.Como los gustos cambian con la edad y se sabe que en el barrio viven 2.000 adultos y 500 ancianos. Se hace tanto menor cuanto mayor sea n. Ejercicios y problemas 1 En cierto barrio se quiere hacer un estudio para conocer mejor el tipo de actividades de ocio que gustan más a sus habitante s. 7. 1.La probabilidad de cometer Error de tipo II depende del verdadero valor del parámetro. será necesario que la muestra refleje fielmente los estratos existentes en la población.Explicar qué procedimiento de selección sería más adecuado utilizar: muestreo con o sin reposición. deben considerarse los estratos formados por: niños. post eriormente se decide elegir la muestra anterior utilizando un muestreo estratificado.500 niños. si no lo son. Inferencia estadística. El tamaño muestral de cada estrato deberá ser proporcional a la presencia del mismo en la población original: Población total: 2500 + 7000 + 500 = 10 000.

¿Cuál . 26}.62 m y la desviación típica 0. escogidas mediante muestreo aleatorio simple. 26}. M 1 = {22. M 1 = {22.Escriba todas las muestras posibles de tamaño dos.2 Sea la población de elementos: {22. 1. 26} 2. 3.Calcule la varianza de las medias muestrales.24.12 m. 3 La variable altura de las alumnas que estudian en una escuela de idiomas sigue una distribución normal de media 1. 24}. M 1 = {24.Calcule la varianza de la población.

y se han encontrado los siguientes precios: 95. 100.60 m? 4 Se ha tomado una muestra de los precios de un mismo producto alimenticio en 16 comercios. 97. al 95%. 112. . 103. 105. 99. para la media poblacional. 110. 107. Suponiendo que los precios de este producto se distribuyen según una ley normal de varianza 25 y media desconocida: 1. 108.es la probabilidad de que la media de una muestra aleatoria de 100 alumnas sea mayor que 1. 98. 106. 110. 104.Determine el intervalo de confianza. elegidos al azar en un barrio de una ciudad. 111. 99.¿Cuál es la distribución de la media muestral? 2.

104 + 1.45) 5 La media de las estaturas de una muestra aleatoria de 400 personas de una ciudad es 1.α=0.55. de un 95% de confianza.96 · 1.75 m.95 (1.9 · 1.4 z α /2 =1. para la media de las estaturas de la población.96 · 0.95% → z α /2 =1. En un estudio estadístico de las .1.75 σ=0.1.16 m 2 .75 ± 1.25) = (101. n=400 1.7892) 2.96 → (1. 25. 106.¿Cuál sería el mínimo tamaño muestral necesario para que pueda decirse que la verdadera media de las estaturas está a menos de 2 cm de la media muestral. con desviación típica 900 €. Se sabe que la estatura de las personas de esa ciudad es una variable aleatoria que sigue una distribución normal con varianza σ 2 = 0.Construye un intervalo. con un nivel de confianza del 90%? La muestra debe tener al menos 1083 personas.4/20 ) x =1. 1.7108.96 (104 . 6 Las ventas mensuales de una tienda de electrodomésticos se distribuyen según una ley normal.

96 Al menos 840 individuos. con un nivel de confianza de 0. . Si el porcentaje de individuos daltónicos en la muestra es igual al 30%. cuyos extremos son 4 663 € y 5 839 €. 1.ventas realizadas en los últimos nueve meses. de individuos daltónicos de una población a través del porcentaje observado en una muestra aleatoria de individuos.4663) / 2 = 588 588 = z α / 2 · 900 / 3 1-α = 0.95 z α / 2 =1. x =5251 2. se ha encontrado un intervalo de confianza para la media mensual de las ventas.α=0.95 7 Se desea estimar la proporción.1%. ¿Cuál es el nivel de confianza para este intervalo? E= ( 5839 . calcula el valor de n para que.96 1. → 95% z α / 2 = 1. de tamaño n.95. p. ¿Cuál ha sido la media de las ventas en estos nueve meses? n = 9 x = (4663 + 5839) / 2. el error cometido en la estimación sea inferior al 3. 1.

usando un nivel de significación del 1%. como máximo. determina.α=0. 2. 1.Con el mismo nivel de confianza. se ha obtenido una media muestra al igual a 50. α=0.01 1. con el 97 % de confianza. el correspondiente intervalo de confianza para la proporción de daltónicos de la población.Si el tamaño de la muestra es de 64 individuos. 1? .99 z α / 2 =2. ¿Calcule un intervalo. para la media de la población.Observada una muestra de tamaño 400. y el porcentaje de individuos daltónicos en la muestra es del 35%.575 8 En una población una variable aleatoria sigue una ley normal de media desconocida y desviación típica 2.2. tomada al azar. ¿qué tamaño mínimo debe tener la muestra para qué la amplitud del intervalo que se obtenga sea.

Con un nivel de significación del 1%. ¿se puede aceptar la afirmación de la marca? 1 Enunciamos las hipótesis nula y alternativa: H 0 : p ≤ 0. . Se eligieron 300 nueces al azar y se detectaron 21 vacías.01 z α = 2.06 H 1 : p >0.n ≥ 76 9 Una marca de nueces afirma que. 1. 4Decisión Aceptamos la hipótesis nula H 0 .Con un nivel de significación del 1%.06 2Zona de aceptación α = 0. Determinamos el intervalo de confianza: 3Verificación. el 6% de las nueces están vacías. como máximo.33.

z α = 2.2. Con un nivel de significación de 0.α = 0.01.01. se obtiene una vida media de 750 horas. después de comprobarlas. Se escoge al azar una muestra de 50 bombillas de un lote y.95. ¿habría que rechazar el lote por no cumplir la garantía? 1 Enunciamos las hipótesis nula y alternativa: H 0 : µ ≥ 800 H 1 : µ <800 2Zona de aceptación α = 0. 9 5 z = 1.33 Determinamos el intervalo de confianza: . Su vida media está garantizada durante un mínimo de 800 horas. ¿qué tamaño muestral se necesitaría para estimar la proporción de nueces con un error menor del 1% por ciento? 1 . 96 α/2 10 La duración de la bombillas de 100 W que fabrica una empresa sigue una distribución normal con una desviación típica de 120 horas de duración.Si se mantiene el porcentaje muestral de nueces que están vacías y 1 -α = 0.

¿Qué tipo de muestreo deberíamos utilizar para la selección de la muestra si queremos que incluya a trabajadores de los cuatro departamentos mencionados? Utilizaremos un muestreo aleatorio estratifica do. Con objeto de realizar una encuesta laboral. 2.¿Qué número de trabajadores tendríamos que seleccionar en cada departamento atendiendo a un criterio de proporcionalidad? . 200 en el departamento de contabilidad y 100 departamento de atención al cliente. se quiere seleccionar una muestra de 180 trabajadores.3Verificación. Ejercicios 1 En cierta cadena de centros comerciales trabajan 150 personas en el departamento de personal. Inferencia. x = 750 4Decisión Rechazamos la hipótesis nula H 0 . Con un nivel de significación del 1%. ya que queremos que haya representantes de cada uno de los departamentos. 450 en el departamento de ventas. 1.

2 La cantidad de hemoglobina en sangre del hombre sigue una ley normal con una desviación típica de 2g/dl. Calcule el nivel de confianza de una muestra de 12 extracciones de sangre que indique que la media poblacional de hemoglobina en sangre está entre 13 y 15 g/dl. con una . 3 Un fabricante de lámparas eléctricas está ensayando un nuevo método de producción que se considerará aceptable si las lámparas obtenidas por este método dan lugar a una población normal de duración media 2400 horas.

desviación típica igual a 300. Se toma una muestra de 100 lámparas producidas por este método y esta muestra tendrá una duración media de 2320 horas. ¿Se puede aceptarr la hipótesis de validez del nuevo proceso de fabricación con un riesgo igual o menor al 5%? 1 Enunciamos las hipótesis nula y alternativa:

H 0 : μ = 2400 H 1 : μ ≠2400 2Zona de aceptación α = 0.05 z α = 1.96.

Determinamos el intervalo de confianza para la media:

3Verificación. Valor obtenido de la media de la muestra: 2320 . 4Decisión Rechazamos la hipótesis nula H 0 , con un nivel de significación del 5%. 4 El control de calidad una fábrica de pilas y baterías sospecha que hubo defectos en la producción de un modelo de batería para teléfonos móviles, bajando su tiempo de duración. Hasta ahora el tiemp o de duración en conversación seguía una distribución normal con media 300 minutos y desviación típica 30 minutos. Sin embargo, en la inspección del último lote producido, antes de enviarlo al mercado,

se obtuvo que de una muestra de 60 baterías el tiempo medio de duración en conversación fue de 290 minutos. Suponiendo que ese tiempo sigue siendo Normal con la misma desviación típica: ¿Se puede concluir que las sospechas del control de calidad son ciertas a un nivel de significación del 1%? 1 Enunciamos las hipótesis nula y alternativa:

H 0 : µ ≥ 300 H 1 : µ < 300 2Zona de aceptación α = 0.01 z α = 2.33.

Determinamos el intervalo de confianza:

3Verificación. µ = 290 4Decisión Rechazamos la hipótesis nula H 0 . Con un nivel de significación del 1%. 5 Se cree que el nivel medio de protombina en una población normal es de 20 mg/100 ml de plasma con una desviación típica de 4 miligramos/100 ml. Para

comprobarlo, se toma una muestra de 40 individuos en los que la media es de 18.5 mg/100 ml. ¿Se puede aceptar la hipótesis, con un nivel de significación del 5%? 1 Enunciamos las hipótesis nula y alternativa:

H 0 : μ =20 mg/100 ml H 1 : μ ≠ 20 mg/100 ml 2Zona de aceptación Para α = 0.05, le corresponde un valor crítico: z α / 2 = 1.96. Determinamos el intervalo de confianza para la media:

3Verificación. Valor obtenido de la media de la muestra: 18.5. 4Decisión Rechazamos la hipótesis nula H 0 , con un nivel de significación del 5%.

COMBINATORIA Conceptos de combinatoria En todo problema combinatorio hay varios conceptos claves que debemos distinguir: 1. Población

Es el conjunto de elementos que estamos estudiando. Denominaremos con m al número de elementos de este conjunto. 2. Muestra Es un subconjunto de la población. Denominaremos con n al número de elementos que componen la muestra. Los diferentes tipos de muestra vienen determinados por dos aspectos: Orden Es decir, si es importante que los elementos de la muestra aparezcan ordenados o no. Repetición La posibilidad de repetición o no de los elementos. Factorial de un número natural Es el producto de los “n” factores consecutivos desde “n” hasta 1. El factorial de un número se denota por n!.

Ejemplo Calcular factorial de 5.

VARIACIONES

Se llama variaciones ordinarias de m elementos tomados de n en n (m ≥ n) a los distintos grupos formados por n elementos de forma que: No entran todos los elementos. Sí importa el orden. No se repiten los elementos.

También podemos calcular las variaciones mediante factoriales:

Las variaciones se denotan por Ejemplos 1. Calcular las variaciones de 6 elementos tomados de tres en tres.

2.¿Cuántos números de tres cifras diferentes se puede formar con los dígitos: 1, 2, 3, 4, 5 ? m = 5n = 3 m ≥ n No entran todos los elementos. De 5 dígitos entran sólo 3.

231. de dos números. No se repiten los elementos. Son números distintos el 123. 321. lo puede ocupar cualquier dígito menos el inicial. m = 5 n= 1 El segundo bloque. los de la lotería y otros casos particulares). 5 ? m = 6n = 3 m ≥ n Tenemos que separar el número en dos bloques: El primer bloque. El enunciado nos pide que las cifras sean diferentes. 3. 3. 1. m = 5 n= 2 . de un número.¿Cuántos números de tres cifras diferentes se puede formar con los dígitos: 0. 4. 2.Sí importa el orden. lo puede ocupar sólo uno de 5 dígitos porque un número no comienza por cero (excepto los de las matriculas.

¿ Cuántos cuadros de honor se pueden formar? m = 10n = 3 No entran todos los elementos. Ejemplos 1. ¿Cuántos números de tres cifras se puede formar con los dígitos: 1. 4. Suponemos que cada candidato presenta una sola obra. El cuadro de honor lo forman el ganador. el finalista y un accésit. 2. Sí importa el orden. No se repiten los elementos.4. Sí se repiten los elementos. VARIACIONES CON REPETICION Se llaman variaciones con repetición de m elementos tomados de n en n a los distintos grupos formados por n elementos de manera que: No entran todos los elementos si m > n. Sí pueden entrar todos los elementos si m ≤ n Sí importa el orden. 3. De 10 candidatos entran sólo 3. A un concurso literario se han presentado 10 candidatos con sus novelas. No es lo mismo quedar ganador que finalista. 5 ? .

2. m = 5 n= 1 El segundo bloque. ¿Cuántos números de tres cifras se puede formar con los dígitos: 0. lo puede ocupar cualquier dígito. 2. Sí importa el orden. Son números distintos el 123. 4. m = 6 n= 2 . 5? m = 6 n= 3 Tenemos que separar el número en dos bloques: El primer bloque. de un número.m = 5 n= 3 No entran todos los elementos. 321. de dos números. los de la lotería y otros casos particulares). lo puede ocupar sólo uno de 5 dígitos porque un número no comienza por cero (excepto los de las matriculas. De 5 dígitos entran sólo 3. 3. Sí se repiten los elementos. 231. 1.

¿Cuántas quinielas de una columna han de rellenarse para asegurarse el acierto de los 15 resultados? m = 3 n = 15 m < n Sí entran todos los elementos. No se repiten los elementos. Sí se repiten los elementos. En este caso el número de orden es mayor que el número de elementos. Sí importa el orden. Sí importa el orden. Calcular las permutaciones de 6 elementos. Ejemplos 1. PERMUTACIONES Se llama permutaciones de m elementos (m = n) a las diferentes agrupaciones de esos m elementos de forma que: Sí entran todos los elementos. P 6 = 6! = 6 · 5 · 4 · 3 · 2 · 1 = 720 .3.

¿De cuántas formas distintas pueden sentarse ocho personas en una fila de butacas? Sí entran todos los elementos. Se utilizan cuando los elementos se han de ordenar "en círculo". ¿Cuántos números de 5 cifras diferentes se puede formar con los dígitos: 1. Tienen que sentarse las 8 personas. . de modo que el primer elemento que "se sitúe" en la muestra determina el principio y el final de muestra. El enunciado nos pide que las cifras sean diferentes.2. Una persona no se puede repetir. (por ejemplo. 3. 2. PERMUTACIONES CIRCULARES Es un caso particular de las permutaciones. Sí importa el orden. 4. los comensales en una mesa). 5? m = 5 n= 5 Sí entran todos los elementos. No se repiten los elementos. Sí importa el orden. No se repiten los elementos. 3.

Son los distintos grupos que pueden formarse con esos n elementos de forma que : Sí entran todos los elementos. Ejemplos . el segundo b veces . Sí importa el orden.Ejemplos 1. Sí se repiten los elementos.. ¿De cuántas formas distintas pueden sentarse ocho personas alrededor de una mesa redonda? PERMUTACIONES CON REPETICION Permutaciones con repetición de n elementos donde el primer elemento se repite a veces . el tercero c veces. Calcular las permutaciones circulares de 7 elementos.. n = a + b + c + . PC 7 = (7 − 1)! = 6! = 6 · 5 · 4 · 3 · 2 · 1 = 720 2.. ..

2. . Con las cifras 2. Sí importa el orden. 3. Sí se repiten los elementos. 4. ¿Cuántas señales distintas pueden indicarse con la colocación de las nueve banderas? Sí entran todos los elementos. 2.Calcular las permutaciones con repetición de: . ¿cuántos números de nueve cifras se pueden formar? m = 9 a= 3 b =4 c= 2 a + b + c= 9 Sí entran todos los elementos. 3. Sí se repiten los elementos. 3. 3. 2. En el palo de señales de un barco se pueden izar tres banderas rojas. Sí importa el orden. 4. dos azules y cuatro verdes. 3.

Calcular el número de combinaciones de 10 elementos tomados de 4 en 4. No se repiten los elementos. . También podemos calcular las combinaciones mediante factoriales: Las combinaciones se denotan por Ejemplos 1.COMBINACIONES Se llama combinaciones de m elementos tomados de n en n (m ≥ n) a todas las agrupaciones posibles que pueden hacerse con los m elementos de forma que: No entran todos los elementos. No importa el orden.

son los distintos grupos formados por n elementos de manera que: No entran todos los elementos. Ejemplo En una bodega hay en un cinco tipos diferentes de botellas. que 2 de ron y 2 de anís.. No importa el orden. COMBINACIONES CON REPETICION Las combinaciones con repetición de m elementos tomados de n en n (m ≥ n). No se repiten los elementos. Sí se repiten los elementos. No importa el orden. Da igual que elija 2 botellas de anís y 2 de ron.2. ¿Cuántos comités diferentes se pueden formar? No entran todos los elementos. No importa el orden: Juan. Ana. . Sólo elije 4. ¿De cuántas formas se pueden elegir cuatro botellas? No entran todos los elementos. En una clase de 35 alumnos se quiere elegir un comité formado por tres alumnos.

3. Puede elegir más de una botella del mismo tipo. Los números de este tipo se llaman complementarios.Sí se repiten los elementos. Ejemplo Propiedades de los números combinatorios 1. . NUMEROS COMBINMATORIOS El número se llama también número combinatorio. 2. Se representa por y se lee "m sobre n".

la tercera de 2. la cuarta de 3 y así sucesivamente. del que podemos ver sus primeras líneas: Propiedades del Triángulo de Pascal o de Tartaglia 1. infinito y simétrico.Ejemplo Hallar el número de combinaciones de 75 elementos de orden 72. 2. El número superior es un 1. . TRIANGULO DE PASCAL O DE TARTAGLIA El triángulo de números combinatorios de Tartaglia o de Pascal (debido a que fue este matemático quien lo popularizó) es un triángulo de números enteros.Todas la filas empiezan y acaban en 1. la segunda fila corresponde a los números combinatorios de 1.

3.Todas las filas son simétricas.

4.Cada número se obtiene sumando los dos que están situados sobre él. Aplicando estas propiedades podemos escribir el triángulo de Pascal:

El triángulo de Pascal o de Tartaglia nos será muy útil para calcular los coefecientes del binomio de Newton. BINOMIO DE NEWTON La fórmula que nos permite hallar las potencias de un binomio se conoce como binomio de Newton.

Podemos observar que:

El número de términos es n+1.

Los coeficientes son números combinatorios que corresponden a la fila enésima del triángulo de Tartaglia.

En el desarrollo del binomio los exponentes de a van disminuyendo, de uno en uno, de n a cero; y los exponentes de b vanaumentando, de uno en uno, de cero a n, de tal manera que la suma de los exponentes de a y de b en cada término es igual a n. En el caso que uno de los términos del binomio sea negativo, se alternan los signos positivos y negativos.

Ejercicios del binomio de Newton

1.

2.

Cálculo del término que ocupa el lugar k

Ejemplos 1.El término quinto del desarrollo de es:

2.El término cuarto del desarrollo de

es:

3.Hallar el término octavo del desarrollo de

RESUMEN CAPITULO Factorial de un número natural Es el producto de los “n” factores consecutivos desde “n” hasta 1. El factorial de un número se denota por n!.

Variaciones Se llama variaciones ordinarias de m elementos tomados de n en n (m ≥ n) a los distintos grupos formados por n elementos de forma que: No entran todos los elementos. Sí importa el orden. No se repiten los elementos.

También podemos calcular las variaciones mediante factoriales:

Las variaciones se denotan por Variaciones con repetición Se llama variaciones con repetición de m elementos tomados de n en n a los distintos grupos formados por n elementos de manera que: No entran todos los elementos si m > n. Sí pueden entrar todos los elementos si m ≤ n Sí importa el orden. Sí se repiten los elementos.

Permutaciones Sí entran todos los elementos. Sí importa el orden. No se repiten los elementos.

Permutaciones circulares Se utilizan cuando los elementos se han de ordenar "en círculo", (por ejemplo, los comensales en una mesa), de modo que el primer elemento que "se sitúe" en la muestra determina el principio y el final de muestra.

Permutaciones con repetición Permutaciones con repetición de m elementos donde el primer

elemento se repite a veces , el segundo b veces , el tercero c veces, ...(m = a + b + c + ... = n) son los distintos grupos que pueden formarse con esos m elementos de forma que : Sí entran todos los elementos. Sí importa el orden. Sí se repiten los elementos.

No importa el orden. Sí se repiten los elementos. También podemos calcular las combinaciones mediante factoriales: Combinaciones con repetición Las combinaciones con repetición de m elementos tomados de n en n (m ≥ n). No importa el orden. son los distintos grupos formados por n elementos de manera que: No entran todos los elementos. .Combinaciones Se llama combinaciones de m elementos tomados de n en n (m ≥ n) a todas las agrupaciones posibles que pueden hacerse con los m elementos de forma que: No entran todos los elementos. No se repiten los elementos.

. 2.Números combinatorios El número se llama también número combinatorio. Propiedades de los números combinatorios 1. Binomio de Newton La fórmula que nos permite hallar las potencias de un binomio se conoce como binomio de Newton. Se representa por y se lee "m sobre n". 3.

¿cuántas ordenaciones distintas se pueden hacer que empiecen por vocal? La palabra empieza por i u o seguida de las 4 letras restantes tomadas de 4 en 4. vicepresidente y tesorero de un club de fútbol sabiendo qu e hay 12 posibles candidatos? No entran todos los elementos. No se repiten los elementos. No se repiten los elementos. Sí importa el orden. Sí importa el orden. . 2 Con las letras de la palabra libro.Ejercicios de combinatoria 1 ¿De cuántas formas diferentes se pueden cubrir los puestos de presidente. Sí entran todos los elementos.

No se repiten los elementos. No se repiten los elementos. Sí importa el orden. Si es impar sólo puede empezar por 7 u 9.3 ¿De cuántas formas pueden mezclarse los siete colores del arco iris tomándolos de tres en tres? No entran todos los elementos. No importa el orden.000? Sí entran todos los elementos. 4 ¿Cuántos números de cinco cifras distintas se pueden formar con las cifras impares? ¿Cuántos de ellos son mayores de 70. .

.5 ¿De cuántos partidos consta una liguilla formada por cuatro equipos? No entran todos los elementos. ¿Cuántos saludos se han intercambiado? No entran todos los elementos. No importa el orden. 2 y 3. No se repiten los elementos. Sí se repiten los elementos. No se repiten los elementos. ¿cuántos números de cinco cifras pueden formarse? ¿Cuántos son pares? Sí entran todos los elementos: 3 < 5 Sí importa el orden. 6 A una reunión asisten 10 personas y se intercambian saludos entre todos. 7 Con las cifras 1. Sí importa el orden.

¿cuántas señales distintas se pueden enviar. 10 Con el punto y raya del sistema Morse. Sí se repiten los elementos. Sí importa el orden. Sí entran todos los elementos. usando como máximo cuatro pulsaciones? No entran todos los elementos en un caso y sí entran en lo otros Sí importa el orden. 9 ¿De cuántas formas pueden colocarse los 11 jugadores de un equipo de fútbol teniendo en cuenta que el portero no puede ocupar otra posición distinta de la portería? Disponemos de 10 jugadores que pueden ocupar 10 posiciones distintas.Si el número es par tan sólo puede terminar en 2. . No se repiten los elementos.

11 Una mesa presidencial está formada por ocho personas. ¿de cuántas formas distintas se pueden sentar. . No importa el orden. No entran todos los elementos. No se repiten los elementos. a las que tenemos que restar los lados que determinan 5 rectas que no son diagonales. Son . si el presidente y el secretario siempre van juntos? Se forman dos grupos el primero de 2 personas y el segundo de 7 personas. Sí importa el orden. No se repiten los elementos. 12 ¿Cuántas diagonales tiene un pentágono y cuántos triángulos se puede informar con sus vértices? Vamos a determinar en primer lugar las rectas que se pueden trazar entre 2 vértices. en los dos se cumple que: Sí entran todos los elementos.

De cuántas formas puede formarse.13 Un grupo. si: 1. 2. Una mujer determinada debe pertenecer al comité. Dos hombres determinados no pueden estar en el comité. Ejercicios 1 Halla el número de capicúas de ocho cifras. ¿Cuántos capicúas hay de nueve cifras? . Combinatoria. 3. Puede pertenecer a él cualquier hombre o mujer. compuesto por cinco hombres y siete mujeres. forma un comité de 2 hombres y 3 mujeres.

¿de cuántas formas posibles pueden ordenarse? . seis diferentes de física y dos diferentes de química se colocan en un estante. Si las bolas de igual color no se distinguen entre sí.Solamente los libros de matemáticas deben estar juntos. De cuántas formas distintas es posible ordenarlos si: 1.2 Cuatro libros distintos de matemáticas. Los libros de cada asignatura deben estar todos juntos. 2. ¿Cuántas sumas diferentes de dinero puede formar con las cinco monedas? 4 Se ordenan en una fila 5 bolas rojas. 3 Una persona tiene cinco monedas de distintos valores. 2 bolas blancas y 3 bolas azules.

3. 2.6 Resolver las ecuaciones combinatorias: 1. 7 Resolver las ecuaciones: 1. 4. .

3.2. . 8 Resolver las ecuaciones combinatorias: 1. 2.

3. 27 no es solución porque el número de orden en las combinaciones es menor que el número de elementos. 9 Resolver las ecuaciones combinatorias: 1. Por la 2ª propiedad de los números combinatorios. se tiene: .

Por la 3ª propiedad de los números combinatorios. se tiene: x = 4 3. 4. .2.

Sign up to vote on this title
UsefulNot useful