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.

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

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

A − B. 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.Propiedades de la intersección de sucesos Conmutativa Asociativa Idempotente Simplificación Distributiva Elemento neutro Absorción Diferencia de sucesos La diferencia de sucesos. . Es decir.

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

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

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

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

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

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

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

. Probabilidad condicionada Sean A y B dos sucesos de un mismo espacio muestral Ω .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. 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 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.

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

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

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

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

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

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

La probabilidad de que suene esta sí se ha producido algún incidente es de 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.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. El 75% de los ingenieros ocupan un puesto directivo y el 50% de los economistas también. ¿cuál es la probabilidad de que no haya habido ningún incidente? .02. mientras que los no ingenieros y los no economistas solamente el 20% ocupa un puesto directivo.1. Ejemplos El 20% de los empleados de una empresa son ingenieros y otro 20% son economistas. En el supuesto de que haya funcionado la alarma.

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

ɸ. Suceso seguro. Por ejemplo al tirar un dado obtener una puntuación igual a 7.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. . 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. con el fin de cuantificar dichos resultados y saber si un suceso es más probable que otro. Suceso compuesto es cualquier subconjunto del espacio muestral. Suceso imposible. A y B. por el espacio muestral). Ω. Espacio muestral Es el conjunto de todos los posibles resultados de una experiencia aleatoria. es el que no tiene ningún elemento. Sucesos compatibles Dos sucesos. lo representaremos por E (o bien por la letra griega Ω). Suceso Es cada uno de los resultados posibles de una experiencia aleatoria. está formado por todos los posibles resultados (es decir.

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

.... . p(E) = 1 3.A se llama suceso contrario o complementario de A.Sucesos contrarios El suceso = Ω . . Axiomas de la probabilidad 1. x 2 . x n } entonces: Ley de Laplace .. 0 ≤ p(A) ≤ 1 2.. A 2 . 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 .

.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 ) + . + p(A n ) · p(B/A n ) . cuya unión es el espacio muestral (A 1 A 2 ..... A n son sucesos incompatibles 2 a 2.. . A 2 .. A n = E) y B es otro suceso.

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

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

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

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

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

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

2 Los puntos obtenidos sumen 7. 10.9. 3 La probabilidad de que el número obtenido sea múltiplo de tres. Se pide: 1La probabilidad de que salga el 7. Se lanzan tres dados. . Encontrar la probabilidad de que: 1 Salga 6 en todos. 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.

11. 2 Un múltiplo de tres. Busca la probabilidad de que al echar un dado al aire. 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. 13. salga: 1 Un número par. 3 Mayor que cuatro. Hallar la probabilidad de que al lanzar al aire dos monedas. 12. . salgan: 1 Dos caras.

La probabilidad de que suspendan el examen simultáneamente es de 1/10. 2 Si se extraen dos papeletas. Los estudiantes A y B tienen respectivamente probabilidades 1/2 y 1/5 de suspender un examen. 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. Determinar la probabilidad de que al menos uno de los dos estudiantes suspenda el examen. 3 Si se extraen tres papeletas. En un sobre hay 20 papeletas. . 14. 3 Una cara y una cruz.2 Dos cruces. 15.

Dos hermanos salen de caza. la mitad de los hombres y la mitad de las mujeres tienen los ojos castaños. 18. Una clase consta de 10 hombres y 20 mujeres. . El primero mata un promedio de 2 piezas cada 5 disparos y el segundo una pieza cada 2 disparos. La probabilidad de que un hombre viva 20 años es ¼ y la de que su mujer viva 20 años es 1/3.16. ¿cuál es la probabilidad de que la maten? 17. Se pide calcular la probabilidad: 1 De que ambos vivan 20 años. Si los dos disparan al mismo tiempo a una misma pieza. Determinar la probabilidad de que una persona elegida al azar sea un hombre o tenga los ojos castaños.

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

p(A Determinar: 1 B) = 1/5. 2 3 4 .5 2 Sean A y B dos sucesos aleatorios con p(A) = 1/3. p(B) = 1/4.

¿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.7 + 0. el 90% de los alumnos estudia inglés y el resto francés. En un determinado curso.69 .1 · 0. El 30% de los que estudian inglés son chicos y de los que estudian francés son chicos el 40%.9 · 0. El elegido un alumno al azar.6 = 0.

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

1 Hacer una tabla ordenando los datos anteriores. y por la tarde dos con problemas eléctricos. 3 Calcular el porcentaje de los que acuden por problemas mecánicos. 2 Calcular el porcentaje de los que acuden por la tarde.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. ocho con problemas mecánicos y tres con problemas de chapa. 4 Calcular la probabilidad de que un automóvil con problemas eléctricos acuda por la mañana.

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

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

cuál será la probabilidad de que escogido al azar un alumno de la clase: 1 Juegue sólo 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. . Si además hay un 60% que no juega al fútbol. el 60% de los alumnos juega al fútbol o al baloncesto y el 10% practica ambos deportes.

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

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

el cual consigue despertarlo en un 80% de los casos. 15 Un estudiante cuenta. en caso contrario. 2 Probabilidad de que la bola sea blanca. para un examen con la ayuda de un despertador.1 Probabilidad de que la bola sea roja y de la urna B. de 0.9 y. Si oye el despertador. 1 Si va a realizar el examen.5. la probabilidad de que realiza el examen es 0. ¿cuál es la probabilidad de que haya oído el despertador? .

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

. 2 Con una mujer con gafas. Si el número de mujeres es cuatro veces superior al de hombres.2 Si se sabe que B eligió una novela. ¿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. se pide la probabilidad de encontrarnos: 1 Con una persona sin gafas.

18 En una casa hay tres llaveros A. de él una llave para abrir el trastero. de las que sólo una de cada llavero abre la puerta del trastero. B y C. el segundo con siete y el tercero con ocho. ¿cuál será la probabilidad de que pertenezca al primer llavero A? . el primero con cinco llaves. Se escoge al azar un llavero y. 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.

.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. . Ejemplos La altura de los alumnos de una clase.. y. Variable aleatoria discreta Una variable aleatoria discreta es aquella que sólo puede tomar valores enteros .. 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. y las respectivas minúsculas (x. para designar variables aleatorias.. las horas de duración de una pila. 0 ≤ pi ≤ 1 p1 + p2 + p3 + · · · + pn = Σ pi = 1 .) para designar valores concretos de las mismas. Y. 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 .. Ejemplos El número de hijos de una familia. la puntuación obtenida al lanzar un dado. Se utilizan letras mayúsculas X.

Ejemplo Calcular la distribución de probabilidad de las puntuaciones obtenidas al lanzar un dado. . 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.

. Llamaremos función de distribución de la variable X. 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.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.

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 .MEDIA Y VARIANZA DE UNA VARIABLE ALEATORIA DISCRETA Esperanza matemática o media Varianza Desviación típica Ejemplo Calcular la esperanza matemática. la varianza. de la distribución de probabilidad de las puntuaciones obtenidas al lanzar un dado. y la desviación típica .

Se define la variable aleatoria X como la suma de las puntuaciones obtenidas. 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 .Ejercicios resueltos de distribuciones discretas 1 Se lanza un par de dados. la esperanza matemática y la varianza. Hallar la función de probabilidad.

Determinar la función de probabilidad y la esperanza matemática del juego. pierde tantos cientos de euros como marca el dado.83 2 Un jugador lanza un dado corriente.10 3/36 30/36 300/36 11 2/36 22/36 242/36 12 1/36 12/36 144/36 7 54.400 + 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. gana tantos cientos de euros como marca el dado. X +100 + 200 + 300 .667 300/6 -400/6 500/6 . Si sale número primo. pero si no sale número primo.600/6 100/6 .

Calcular las siguientes probabilidades: p (X < 4.001 + 2000 · 0.000 € ó un segundo premio de 2000 € con probabilidades de: 0.2 0.1 0.4 0. Calcular. 2.3 Si una persona compra una papeleta en una rifa.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 0.5) .1 0. representar gráficamente la función de distribución. en la que puede ganar de 5.003.001 y 0. ¿Cuál sería el precio justo a pagar por la papeleta? μ = 5000 · 0.1 1.

(x.9 .75. Es desfavorable 2 Sabiendo que p(X ≤ 2) = 0.x)} p(+1) = 2/4 p(+2) = 1/4 p(−5) = 1/4 μ = 1 · 2/4 + 2 · 1/4 .5) = p (X < 4.6 p (3 ≤ X < 4.5) p (3 ≤ X < 4.7 y p(X ≥ 2) = 0.c). Por otra parte pierde 5 € si no aparece cara.c). Ω = {(c.(c.9 p (X ≥ 3) p (X ≥ 3) = 1 .x). Hallar: La esperanza matemática.5 · 1/4 = −1/4.5) . Gana 1 ó 2 € si aparecen una o dos caras.p (X < 4.p(X < 3) = 0. Determinar la esperanza matemática del juego y si éste es favorable.0.(x.5) = 0.0. la varianza y la desviación típica.4 = 0.4 = 0.5 Ejercicios de distribuciones discretas 1 Un jugador lanza dos monedas.p(X < 3) = 1 .5) = F (4. .

19 .4275 σ = 1.45 0.8 3.15 0.05 .15 2 0.15 6.15 0.15 σ² = 6.2.9 1.1 0.2 0.15² = 1.X p i x · p i x 2· pi 0 0.9 4 0.1 0 0 1 0.2 2.3 0.05 μ =2.8 3 0.

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

FUNCION DE PROBABILIDAD DE LA DISTRIBUCION BINOMIAL La función de probabilidad de la distribución binomial .2 B(4. hasta el punto de que el 80% de los lectores ya la han leido. Ejemplo La última novela de un autor ha tenido un gran éxito. 0. Un grupo de 4 amigos son afici onados a la lectura: 1.8) 2. ¿Y cómo máximo 2? . p es la probabilidad de éxito. 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. es: n es el número de pruebas. también denominada función de la distribución de Bernoulli .8 q = 0. q es la probabilidad de fracaso.

02. la varianza y la desviación típica. Hallar el número esperado de artículos defectuosos. Se envió un cargamento de 10.5q = 0. 0.5 . Ejercicios de distribución binomial 1 Se lanza una moneda cuatro veces. Calcular la probabilidad de que salgan más caras que cruces.5) p = 0. B(4.000 artículos a unos almacenes.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.

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

También se ha observado que las dos infracciones son independientes. el proceso se repite. Un guardia de tráfico para cinco conductores al azar. Se elige una bola al azar y se anota si es roja. 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. 10 veces. Calcular la media y la desviación típica. 1/4) p = 1/4q = ¾ 5 En una urna hay 30 bolas. 10 rojas y el resto blancas.4 La probabilidad de que un hombre acierte en el blanco es 1/4. B(10. . 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. devolviendo la bola. 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.

Para contrastar esta afirmación. Ningún paciente tenga efectos secundarios.1. 2. B(100. Determinar la probabilidad de que exactamente tres conductores hayan cometido alguna de las dos infracciones. Al menos dos tengan efectos secundarios.03) p = 0. 2 Un laboratorio afirma que una droga causa efectos secundarios en una proporción de 3 de cada 100 pacientes. 0. ¿Cuál es la probabilidad de los siguientes sucesos? 1. otro laboratorio elige al azar a 5 pacientes a los que aplica la droga.03 q = 0.97 2. . Determine la probabilidad de que al menos uno de los conductores controlados haya cometido alguna de las dos infracciones.

¿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. sigue una distribución normal de media μ y desviación típica σ. La variable puede tomar cualquier valor: ( -∞. La función de densidad. X. si se cumplen las siguientes condiciones: 1. es decir. . σ). y se designa por N(μ. (-∞. Tiene un máximo en la media µ. Es simétrica respecto a la media µ. +∞) 2. +∞).3. 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.

26 % p(μ . p(μ . El área del recinto determinado por la función y el eje de abscisas es igual a la unidad.σ < X ≤ μ + σ) = 0.5 a la derecha.4 % p(μ . Al ser simétrica respecto al eje que pasa por x = µ. El eje de abscisas es una asíntota de la curva. La probabilidad equivale al área encerrada bajo la curva.Crece hasta la media µ y decrece a partir de ella. En los puntos µ − σ y µ + σ presenta puntos de inflexión. σ =1. o tipificada o reducida.7 % DISTRIBUCION NORMAL ESTANDAR N (0.3σ < X ≤ μ + 3σ) = 0. y por desviación típica la unidad. Su función de densidad es: . deja un área igual a 0. es aquella que tiene por media el valor cero.5 a la izquierda y otra igual a 0. 1) La distribución normal estándar.997 = 99.6826 = 68.2σ < X ≤ μ + 2σ) = 0.954 = 95. μ = 0.

3 0.5478 0.03 0.08 0.5714 0.5199 0.01 0.5398 0. Y para calcularla utilizaremos una tabla.05 0.6368 0.5948 0. σ) en otra variable Z que siga una distribución N(0.5359 0.5753 0.09 0.5557 0.6255 0.6480 0.5517 0.5596 0.5910 0.6026 0.06 0.5000 0.6406 0.5636 0.5438 0.6103 0.5793 0.5160 0. Tipificación de la variable Para poder utilizar la tabla tenemos que transformar la variable X que sigue una distribución N(μ.5675 0.5040 0.2 0.6217 0.0 0.6331 0.6064 0.5319 0.5871 0.5279 0.5832 0.1 0.5239 0.6179 0.04 0. 1).6517 .Su gráfica es: La probabilidad de la variable X dependerá del área del recinto sombreado en la figura.00 0.5120 0.5987 0.6293 0. Tabla de la distribución normal z 0.07 0.02 0.6141 0.6443 0.5080 0.

6 0.8770 0.7611 0.0.9573 0.9382 0.7123 0.9441 1.9525 0.03 0.9463 0.9545 1.8907 0.7939 0.8238 0.8643 0.09 1.8810 0.6879 0.07 0.8 0.9 0.7088 0.9693 0.8461 0.9319 1.9207 0.8997 0.9649 0.6915 0.06 0.8485 0.8944 0.02 0.9515 0.7673 0.9495 0.4 0.6772 0.9686 0.7 0.8729 0.7291 0.8508 0.04 0.7704 0.8925 0.08 0.9049 0.9357 0.7794 0.9474 0.9222 0.8340 0.9599 0.6844 0.1 0.8849 0.8264 0.8365 0.9608 0.9664 0.8106 0.01 0.00 0.7224 0.7517 0.9429 0.9406 0.7823 0.8962 0.7 0.8078 0.9147 0.8830 1.8389 0.05 0.7324 0.0 0.7389 0.9015 1.8531 0.7967 0.6985 0.7852 0.7454 0.8980 0.4 0.2 0.9699 0.7422 0.8289 0.8621 1.7257 0.8315 0.9099 0.7580 0.7486 0.6808 0.9678 0.9265 0.6736 0.8554 0.8159 0.7995 0.6664 0.9292 0.6 0.9332 0.8599 0.9582 0.9554 0.9418 0.5 0.9616 0.7157 0.8186 0.6591 0.9236 0.6628 0.8888 0.9306 0.9066 0.8577 0.8869 0.9115 0.9641 0.7910 0.8023 0.7881 0.9162 0.8212 0.9177 1.9370 0.8790 0.9656 0.7734 0.8 0.9394 0.8051 0.9564 0.6950 0.9279 0.7764 0.7019 0.9706 .9484 0.7054 0.9591 0.7357 0.8749 0.7549 0.5 0.7642 0.9671 0.8413 0.9032 0.9633 1.7190 0.6700 0.9131 0.9345 0.9082 0.8438 0.8686 0.9251 0.8708 0.8665 0.9192 0.8133 0.9452 0.9535 0.9625 0.9505 0.6554 0.3 0.

9846 0.9857 2.9951 0.9977 0.9834 0.9974 0.9940 0.9989 0.9983 0.2 0.9993 0.9970 0.9788 0.09 3 0.1 0.9738 0.9981 0.9973 0.9881 0.9893 0.5 0.8 0.9990 0.6 0.9984 0.9948 0.9916 2.03 0.9949 0.9994 0.9975 0.9946 0.9778 0.9798 0.9901 0.9992 0.9945 0.9913 0.9842 0.9952 2.9875 0.9971 0.9812 0.9986 0.9821 0.9965 0.9871 0.9967 0.1 0.9750 0.9987 0.9957 0.9838 0.9993 0.01 0.9817 2.9959 0.9960 0.9992 0.3 0.9984 0.9890 2.9993 0.9761 0.9980 0.09 2.9909 0.9918 0.9991 0.9963 0.9995 0.9994 0.00 0.9920 0.9941 0.9990 0.9961 0.08 0.9896 0.9850 0.06 0.9989 0.9995 .9756 0.9982 0.1.01 0.9964 2.9987 0.05 0.9976 0.9987 0.9972 0.9868 0.9932 0.9990 3.9985 0.9772 0.9767 0.04 0.9904 0.9989 0.9783 0.9854 0.9744 0.9938 0.4 0.02 0.9793 0.9808 0.9978 0.9936 2.9 0.9922 0.9830 0.9988 0.0 0.03 0.9906 0.9991 0.9985 0.9878 0.9898 0.9925 0.9992 0.9977 0.9887 0.08 0.9979 0.9962 0.2 0.9861 0.9994 0.9993 3.9994 0.04 0.06 0.9994 0.07 0.9991 0.9927 0.9968 0.9826 0.9934 0.7 0.9955 0.9953 0.9803 0.9929 0.9864 0.9956 0.9726 0.05 0.9979 0.9713 0.9884 0.9992 0.9 0.9974 2.9982 0.9732 0.9911 0.9966 0.9943 0.00 0.9986 0.9988 0.02 0.9719 0.9931 0.07 0.9995 0.9969 0.9981 2.

9999 0.9999 0.9997 0.3 0.9999 0.9999 0.9999 0. Φ(k) = P(z ≤ k) Búsqueda en la tabla de valor de k Unidades y décimas en la columna de la izquierda.9999 0.6 0.9998 0.9998 0.9995 0. P(Z ≤ a) .7 0.0000 1.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.0000 1.9998 0.9997 3.9997 0.9999 0.9998 0.9998 0.9997 0.9999 0.9998 0.9998 0.9999 0.9999 3.9999 0.9997 0.9996 0.0000 EMPLEO DE LA TABLA DE DISTRIBUCION NORMAL Tabla de la curva normal (0.4 0. siendo z la variable tipificada.9998 0.0000 1.9999 3.3.9999 0.9998 0.9999 0.9998 0.9996 0.9997 0.5 0.9999 0.9999 0.9999 0.8 0.9996 0.0000 1.9998 3.0000 1.9996 0. Estas probabilidades nos dan la función de distribución Φ(k).9995 0.9999 0. Centésimas en la fila de arriba.9999 0.9996 0.9997 0.0000 1.9995 0. 1) La tabla nos da las probabilidades de P(z ≤ k).9996 0.9997 0.9999 3.0000 1.9999 0.9997 0.0000 1.9998 3.9 1.0000 1.9997 0.9998 0.

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

47) = P(Z ≤ 1.47) − P(Z ≤ 0.45) = = 0.47) − P(Z ≤ 0.47) = = P(Z ≤ 1.6736 = 0.47 <Z ≤ − 0.9292) = 0.9292 − 0.45) = 0.9292 − 0.47)]= = 0.2556 P(−a < Z ≤ b ) = P(Z ≤ b) − [ 1 − P(Z ≤ a)] P(-1.45) = P(Z ≤ 0.45 <Z ≤ 1.2556 P(−b < Z ≤ −a ) = P(a < Z ≤ b ) P(−1.45) − [ 1 − P(Z ≤ 1.6736 − (1 − 0.45) = P( 0.45 <Z ≤ 1.6028 p = K .6736 = 0.P(a < Z ≤ b ) = P(Z ≤ b) − P(Z ≤ a) P( 0.47 < Z ≤ 0.

Nos encontramos con el caso inverso a los anteriores. p) se puede aproximar mediante una distribución normal: . Ahora tenemos que buscar en la tabla el valor que más se aproxime a K.μ)/σ = 0.68 Para calcular la variable X nos vamos a la fórmula de la tipificación.68 σ DISTRIBUCION NORMAL Y BINOMIAL Aproximación de la binomial por la normal Teorema de Moivre Si: n·p ≥ 0 y n·q ≥ 0. La distribución binomial B(n. p = 0. (X .68X = μ + 0.75Z ≤ 0. conocemos el valor de la probabilidad y se trata de hallar el valor de la abscisa.

σ). 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 1.74% 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. . hallar: p(µ−3σ ≤ X ≤ µ+3σ) Es decir. que aproximadamente el 99. Si se eligen al azar 90 familias.

hallar cuántos estudiantes pesan: .2 En una distribución normal de media 4 y desviación típica 2. 4 La media de los pesos de 500 estudiantes de un colegio es 70 kg y la desviación típica 3 kg. Calcular el número de días del mes en los que se espera alcanzar máximas entre 21° y 27°. con media 23° y desviación típica 5°. Suponiendo que los pesos se distribuyen normalmente. calcular el valor de a para que: P(4−a ≤ x ≤ 4+a) = 0.5934 3 En una ciudad se estima que la temperatura máxima en el mes de junio sigue una distribución normal.

. 5. 64 kg. 64 kg o menos. Menos de 64 kg. 2. Entre 60 kg y 75 kg. 3.1. Más de 90 kg. 4.

¿Cuál es la probabilidad de que una persona que se presenta el examen obtenga una calificación superior a 72? 2. de hecho. 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). Se pide: 1. 3. superior a 84? . Si se sabe que la calificación de un estudiante es mayor que 72 ¿cuál es la probabilidad de que su calificación sea.5 Se supone que los resultados de un examen siguen una distribución normal con media 78 y desviación típica 36.

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

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. ¿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? . 1.Excelente cultura a partir de 84 puntos.

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

Se pide: 1. en un cierto barrio. ¿Cuál es la probabilidad de que al menos 20 de los citados hogares tengan cuando menos dos televisores? 2. ¿Cuál es la probabilidad de que entre 35 y 40 hogares tengan cuando menos dos televisores? .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.

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

Sobre la nube de puntos puede trazarse una recta que se ajuste a ellos lo mejor posible. el conjunto de todos ellos se llama nube de puntos o diagrama de dispersión. llamada recta de regresión.Distribuciones bidimensionales Son aquellas en las que a cada individuo le corresponden los valores de dos variables. y i ). 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 . Si representamos cada par de valores como las coordenadas de un punto. las representamos por el par (x i .

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. También variará si el dinero lo expresamos en euros o en dólares. La covarianza indica el sentido de la correlación entre las variables Si σ x y > 0 la correlación es directa. La covarianza se representa por s x y o σ x y . Es decir. Si σ x y < 0 la correlación es inversa. 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 presenta como inconveniente.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.

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.

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 .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.

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. diremos que las variables están correlacionadas o que hay correlación entre ellas. 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. En caso de que suceda. determinar si los cambios en una de las variables influyen en los cambios de la otra. Es decir. .

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

. 2. 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 débil La correlación será débil cuanto más separados estén los puntos de la recta. Correlación fuerte La correlación será fuerte cuanto más cerca estén los puntos de la recta. 3. 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.

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

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 .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.

10 10 100 100 100 72 60 431 504 380 1º Hallamos las medias aritméticas. Como coeficiente de correlación está muy próximo a 1 la correlación es muy fuerte. 2º Calculamos la covarianza. 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 . 4º Aplicamos la fórmula del coeficiente de correlación lineal. Al ser el coeficiente de correlación positivo. 3º Calculamos las desviaciones típicas. la correlación es directa.

Convertimos la tabla de doble entrada en tabla simple.Determinar el coeficiente de correlación. 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 .

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

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

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 . 1 Hallar la ecuación de la recta de regresión de la edad sobre el peso. respectivamente. 42 y 44 kilos.EJERCICIOS DE REGRESION Y CORRELACION Cinco niños de 2. 32. 7 y 8 años de edad pesan. 14. 5. 20. 3.

¿cuántos clientes puede esperar? 3 Si desea recibir a 500 clientes. 2 Si el centro comercial se sitúa a 2 km.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. ¿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 .

25 153. Las notas obtenidas por cinco alumnos en Matemáticas y Química son: Matemáticas Química 6 6. 25 18 56 25 14 152 . 5 8 7 5 5 3. 5 16 64 25 12. 5 4. 5 4 4.3.5 en Matemáticas. xi2 42. 25 49 25 16 152. 5 26. 5 7 5 4 27 x i ·y i 36 4 8 5 3. 5 4 Determinar las rectas de regresión y calcular la nota esperada en Química para un alumno que tiene 7. 5 yi 2 39 xi 6 yi 6. 25 20.

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

5. 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. 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 . 2 El coeficiente de correlación. 3 El peso estimado de un jugador que mide 208 cm.

determinar la recta de regresión de Y sobre X. 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. el coeficiente de correlación lineal e interpretarlo. y a unidades producidas (Y). 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).

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} .

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. 3 Si una persona duerme ocho horas y media. ¿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 . 2 Determinar la ecuación de la recta de regresión de Y sobre X.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.

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. 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 . 2 Calcular la recta de regresión de Y sobre X. 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. Predecir las ventas de un vendedor que obtenga 47 en el test.

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). 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. 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.

¿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 . 3 Si en 2001 la renta nacional del país fue de 325 millones de euros.1 La recta de regresión de Y sobre X. 2 El coeficiente de correlación lineal e interpretarlo.

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. 2 La previsión de inversión que se obtendrá con un rendimiento de 1 250 000 €.2. 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 .

5 22 8 . El número de horas dedicadas al estudio de una asignatura y la calificación obtenida en el examen correspondiente.5 16 6 34 8.5 23 7 27 9 32 9. de ocho personas es: Horas (X) Calificación (Y) 20 6.5 18 7.16 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.

25 64 49 81 90. xi 16 18 20 22 23 27 32 34 192 yi 6 7.25 72.25 491 yi 2 96 135 130 176 161 243 304 289 1 534 .Se pide: 1 Recta de regresión de Y sobre X.25 42.5 6.5 8.5 8 7 9 9.5 62 x i ·y i 256 324 400 484 529 729 1 024 1156 4 902 xi2 36 56. 2 Calificación estimada para una persona que hubiese estudiado 28 horas.

2 A partir de dicha recta.9 75 yi 9 6 7 8 7 4 2 3 2 1 49 x i ·y i 36 40.7 9 6 7 7 7.41 64 67.4 46.7 7 7.2 años. xi 6 6. obtener el valor de la conducta agresiva que correspondería a un niño de 7.2 2 3 8.21 570.4.76 62. 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.6 16 24.9 8 8.8 31. Edad Conducta agresiva 6 6 6.72 xi2 81 36 49 64 49 16 4 9 4 1 313 yi 2 54 38.9 345.2 .4 6.24 72.5 3 8.4 8 7 7.96 44.4 7.9 4 8 8.89 49 54.25 79.9 1 1 Obtener la recta de regresión de la conducta agresiva en función de la edad.5 8.2 8.6 17 8.9 56 51.

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. 3 Ecuación de la recta de regresión de Y sobre X. 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 .5. 2 Obtener e interpretar el coeficiente de correlación lineal. Convertimos la tabla de doble entrada en una tabla simple.

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. 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 . 6.

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.Se pide: 1 ¿Existe correlación entre ambas variables? 2 Según los datos de la tabla. 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 .

= k2 k1. k2 . Las rectas son paralelas a los ejes y perpendiculares entre sí.7. 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 : . 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 . 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. 8. En una empresa de transportes trabajan cuatro conductores.

9. Durante las cuatro semanas del mes de febrero. Una persona rellena semanalmente una quiniela y un boleto de lotería primitiva anotando el número de aciertos que tiene. los aciertos fueron: Quiniela (X) Primitiva (Y) 6 1 8 2 6 2 8 1 . 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.Años (X) Infracciones (Y) 3 4 4 3 5 2 6 1 Calcular el coeficiente de correlación lineal e interpretarlo.

Obtener el coeficiente de correlación lineal e interpretarlo. . 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.

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

obtenidos de una proporción reducida y representativa de la población. cara. VARIABLE ESTADISTICA Definición de variable Una variable estadística es cada una de las características o cualidades que poseen los individuos de una población.El muestreo es la reunión de datos que se desea estudiar. cruz. cara. cruz. Si lanzamos una moneda al aire 5 veces obtenemos dos valores: cara y cruz. Valor Un valor es cada uno de los distintos resultados que se pueden obtener en un estudio estadístico. Dato Un dato es cada uno de los valores que se ha obtenido al realizar un estudio estadístico. Podemos distinguir dos tipos: Variable cualitativa nominal . 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.

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

82. Por ejemplo: La altura de los 5 amigos: 1. 1. 1. 1. Para indicar resumidamente estas sumas se utiliza la letra griega Σ (sigma mayúscula) que se lee suma o sumatoria. Se representa por f i . Tipos de frecuencias Frecuencia absoluta La frecuencia absoluta es el número de veces que aparece un determinado valor en un estudio estadístico. cada dato su frecuencia correspondiente.73. En la práctica medimos la altura con dos decimales. 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.75.Una variable continua es aquella que puede tomar valores comprendidos entre dos números.69. 1. pero también se podría dar con tres decimales. . La suma de las frecuencias absolutas es igual al número total de datos. que se representa por N.77.

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

194 0.226 0. en la segunda hacemos el recuento y en la tercera anotamos la frecuencia absoluta.En la primera columna de la tabla colocamos la variable ordenada de menor a mayor.258 0. xi 27 Recuento fi 1 Fi 1 ni 0.097 0.516 31 8 24 0.097 29 6 9 0.097 0.032 I 28 II 2 3 0.968 34 I 1 31 0.032 Ni 0. Distribución de frecuencias agrupadas .032 1 31 1 Este tipo de tablas de frecuencias se utiliza con variables discretas.290 30 7 16 0.065 0.774 32 III 3 27 0.871 33 III 3 30 0.

34. Se agrupan los valores en intervalos que amplitud denominados clases. 33. 17. 13. 26. 34. . 15. 32. 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. 35. 38. Construcción de una tabla de datos agrupados 3. 39. 20. 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. 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. 43. 22. 36. 1º Se localizan los valores menor y mayor de la distribución. 35. 37. 7. 47. Límites de la clase Cada clase está delimitada por el límite inferior de la clase y el límite superior de la clase. 28. En este caso son 3 y 48. 24. 41. 28.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. correspondiente. 27. 36. 31. 29. 11. 25. 32. 44. 15. 39. 34. 42. 38. 13. 38. 48.

175 0.950 [45. 40) 37. 50) 47.5 6 17 0. 25) 22. En este caso.3 = 45. incrementamos el número hasta 50 : 5 = 10 intervalos.5 fi 1 Fi 1 ni 0.075 0.025 Ni 0. 45) 42.2775 [25.5 10 34 0. 30) 27.050 1 40 1 .5 3 8 0.075 0.5 3 11 0. 20) 17. se cuenta en el siguiente intervalo.5 4 38 0. ci [0. 35) 32.5 2 40 0.150 0.5 1 2 0.600 [35.050 [10.5 7 24 0. pero el límite superior no pertenece intervalo.125 [15.850 [40.Es conveniente que el número de intervalos oscile entre 6 y 15. 5) 2. Se forman los intervalos teniendo presente que el límite inferior de una clase pertenece al intervalo.250 0.5 3 5 0.025 [5. 48 .025 0.075 0.200 [20. 15) 12.100 0.425 [30. 10) 7.

y sobre el eje de ordenadas las frecuencias absolutas o relativas o acumuladas. 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 . Se representan sobre unos ejes de coordenadas. Los datos se la frecuencia. en el eje de abscisas se colocan los valores de la variable.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.

Polígonos de frecuencia Un polígono de frecuencias se forma uniendo los extremos de las barras mediante segmentos. 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° . También se puede realizar trazando los puntos que representan las frecuencias y uniéndolos mediante segmentos.

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

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

70) [70. 80) [80. cada barra es proporcional a la frecuencia de Ejemplo El peso de 65 personas adultas viene dado por la siguiente tabla: ci [50. 60) [60.En el eje abscisas se construyen unos rectángulos que tienen por base la amplitud del intervalo. La superficie de los valores representados. 100) [100. lafrecuencia absoluta de cada intervalo. y por altura. Polígono de frecuencia Para construir el polígono de frecuencia se toma la marca de clase que coincide con el punto medio de cada rectángulo. 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 . 90) [90. 110) [110.

.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.

Ejemplo En la siguiente tabla se muestra las calificaciones (suspenso. h i es la altura del intervalo.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. notable y sobresaliente) obtenidas por un grupo de 50 alumnos. aprobado. a i es la amplitud del intervalo. f i es la frecuencia del intervalo. fi hi .

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.[0. 9) [9. Los parámetros estadísticos sirven para sintetizar la información dada por una tabla o por una gráfica. 5) [5. 7) [7. Tipos de parámetros estadísticos Hay tres tipos parámetros estadísticos: .

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

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. La medidas de posición son: Cuartiles Los cuartiles dividen la serie de datos en cuatro partes iguales.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. . Medidas de dispersión Las medidas de dispersión nos informan sobre cuanto se alejan del centro los valores de la distribución. Desviación media La desviación media es la media aritmética de los valores absolutos de las desviaciones respecto a la media. Percentiles Los percentiles dividen la serie de datos en cien partes iguales.

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

f i -+ 1 es la frecuencia absoluta inmediatamente posterior a la clase modal.Si dos puntuaciones adyacentes tienen la frecuencia máxima. 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 . 0. 7. 8Mo = 4 Cálculo de la moda para datos agrupados 1º Todos los intervalos tienen la misma amplitud. 3. f i es la frecuencia absoluta de la clase modal. 5. f i . 1. L i es el límite inferior de la clase modal.-1 es la frecuencia absoluta inmediatamente inferior a la clase modal. 3. 5. la moda es el promedio de las dos puntuaciones adyacentes. a i es la amplitud de la clase.

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

Ejemplo En la siguiente tabla se muestra las calificaciones (suspenso. aprobado. Cálculo de la mediana 1 Ordenamos los datos de menor a mayor. Calcular la moda. La mediana se representa por M e. notable y sobresaliente) obtenidas por un grupo de 50 alumnos. 7) [7. . fi [0. 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. 5) [5. La mediana se puede hallar sólo para variables cuantitativas.

5.5 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 . 7. 10. 4. Ejemplo . 11. 5.1 es la frecuencia acumulada anterior a la clase mediana. 6Me= 5 3 Si la serie tiene un número par de puntuaciones la mediana es la media entre las dos puntuaciones centrales. F i . 5. a i es la amplitud de la clase. Es decir tenemos que buscar el intervalo en el que se encuentre . La mediana es independiente de las amplitudes de los intervalos. L i es el límite inferior de la clase donde se encuentra la mediana. 4. 6. 3. 9.2 Si la serie tiene un número impar de medidas la mediana es la puntuación central de la misma. 2. 8. 12Me= 9. es la semisuma de las frecuencias absolutas.

Calcular la mediana de una distribución estadística que viene dada por la siguiente tabla: fi [60. 69) [69. 72) [72. es el símbolo de la media aritmética. . 63) [63. 66) [66. 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. 75) 5 18 42 27 8 100 Fi 5 23 65 92 100 100/2 = 50 Clase de la mediana: [66.

Hallar el peso medio. Media aritmética para datos agrupados Si los datos vienen agrupados en una tabla de frecuencias. 30) [30. Calcula la puntuación media. 20) [20. xi [10. 72. 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. 91. 87 y 78 kg. 68.Ejemplo Los pesos de seis amigos son: 84.40) 15 25 35 fi 1 8 10 xi · fi 15 200 350 .

4 + 2. 12. La suma de las desviaciones de los números 8.6 es igual a 0: 8 − 7. 50) [50.6 + 3 − 7.6 + 12 − 7.6 − 2. 5. 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. Si a todos los valores de la variable se les suma un mismo número. 3. 4 = 0 2.6 + 10 − 7. 4 − 4.6 + 5 − 7.6 + 4. 80) 45 55 65 75 9 8 4 2 42 405 440 260 150 1 820 Propiedades de la media aritmética 1.[40. 10 de su media aritmética 7. . 3.6 = = 0. la media aritmética queda aumentada en dichonúmero. La suma de las desviaciones de todas las puntuaciones de una distribución respecto a la media de la misma igual acero.70) [70. 60 [60.

∞ ) 61. 66) [66. La media es igual a 74 kg. 4. xi [60. La media no se puede calcular si hay un intervalo con una amplitud indeterminada. 69) [69. Observaciones sobre la media aritmética 1. 3. 72 kg. Si tenemos una distribución con los siguientes pesos: 65 kg. 72) [72. que es una medida de centralización poco representativa de la distribución. Si todos los valores de la variable se multiplican por un mismo número la media aritmética queda multiplicada por dicho número.4. 2.5 70. La media es independiente de las amplitudes de los intervalos.5 67. 65 kg. La media se puede hallar sólo para variables cuantitativas. 66 kg. La media es muy sensible a las puntuaciones extremas. 69kg . 70 kg.5 64. 63) [63. 75 kg. 110 kg.5 fi 5 18 42 27 8 100 .

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

60 55 8 440 24 200 [60. 30) 25 8 200 5000 [30. 20) 15 fi 1 xi · fi 15 [20. 50) 45 9 405 18 225 [50.40) 35 10 350 12 250 [40. 80) 75 2 150 11 250 42 1 820 88 050 .Calcular la varianza de la distribución de la tabla: xi2 · fi 225 xi [10.70) 65 4 260 16 900 [70.

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

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

Calcular la desviación típica de la distribución: 9. 8.70) 65 4 260 16 900 [70. 80) 75 2 150 11 250 42 1 820 88 050 . 50) 45 9 405 18 225 [50. 3. 8. 9. 30) 25 8 200 5000 [30. 9. 18 Calcular la desviación típica de la distribución de la tabla: xi2 · fi 225 xi [10. 20) 15 fi 1 xi · fi 15 [20.40) 35 10 350 12 250 [40. 60) 55 8 440 24 200 [60. 8.

4 Si tenemos varias distribuciones con la misma media y conocemos sus respectivas desviaciones típicas se puede calcular la desviación típica total. 3 Si todos los valores de la variable se multiplican por un número la desviación típica queda multiplicada por dichonúmero. en el caso de que las puntuaciones sean iguales. 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. Si todas las muestras tienen el mismo tamaño: Si las muestras tienen distinto tamaño: Observaciones sobre la desviación típica 1 La desviación típica. es un índice muy sensible a las puntuaciones extremas.Propiedades de la desviación típica 1 La desviación típica será siempre un valor positivo o cero.

La mayor dispersión corresponderá al valor del coeficiente de variación mayor. 3 Cuanta más pequeña sea la desviación típica mayor será la concentración de datos alrededor de la media. Se calcula para cada una de las distribuciones y los valores que se obtienen se comparan entre sí.28 y otra x = 150 y σ = 25. ¿Cuál de las dos presenta mayor dispersión? . Ejercicio Una distribución tiene x = 140 y σ = 28. El coeficiente de variación se suele expresar en porcentajes: El coeficiente de variación permite comparar las dispersiones de dos distribuciones distintas.2 En los casos que no se pueda hallar la media tampoco será posible hallar la desviación típica. siempre que sus medias seanpositivas. 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.

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

1 kg. para poder hacer comparaciones y sacar conclusiones. dentro del grupo de alumnos de su sexo. 3.2 kg y el de las alumnas y 54. respectivamente.4 kg. considerarse más grueso? José es más grueso respecto de su grupo que Ana respecto al suyo. ordenación y clasificación de los datos obtenidos por las observaciones.1 kg y 5. REPASO DE LA UNIDAD Definición de Estadística La Estadística trata del recuento. El peso de José es de 70 kg y el de Ana es 65 kg. El peso medio de los alumnos es 58. ¿Cuál de ellos puede. Las desviaciones típicas de los dos grupos son. Ejemplo En una clase hay 15 alumnos y 20 alumnas. Conceptos de Estadística Población Una población es el conjunto de todos los elementos a los que se somete a un estudio estadístico.Las puntuaciones típicas se utilizan para comparar las puntuaciones obtenidas en distintas distribuciones. Individuo .

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

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

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

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

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

y al 90% de los datos. Los deciles dan los valores correspondientes al 10%. los nueve valores que dividen la serie de datos en diez . al 50% y al 75% de los datos. Q 1 .. Deciles Los deciles son partes iguales. al 20%.. 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. Q 2 y Q 3 determinan los valores correspondientes al 25%.Si los datos vienen agrupados en una tabla de frecuencias.

.Percentiles Los percentiles son partes iguales. al 2%. y al 99% de los datos.. 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. La desviación media se representa por Desviación media para datos agrupados Si los datos vienen agrupados en una tabla de frecuencias. Los percentiles dan los valores correspondientes al 1%. la expresión de la desviación media es: .

. Desviación típica para datos agrupados Desviación típica La desviación típica es la raíz cuadrada de la varianza. La desviación típica se representa por σ.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.

Puntuaciones típicas . 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.Desviación típica para datos agrupados Para simplificar el cálculo vamos o utilizar las siguientes expresiones que son equivalentes a las anteriores.

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

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

13.25 0. 20. 15. xi 13 14 15 16 18 Recuento III I fi 3 1 5 Fi 3 4 9 13 16 ni 0. 13.15 0. 20. Cuantitativa discreta.80 IIII III 4 3 . 3 Número de libro en un estante de librería. 13. 4. 16.Cuantitativa continua. 4 Suma de puntos tenidos en el lanzamiento de un par de dados. Cuantitativa continua. 22. Las puntuaciones obtenidas por un grupo de en una prueba han sido: 15.15 0. 5 La profesión de una persona. 19. Cualitativa. 16. 15.05 0. 15.65 0. 6 El área de las distintas baldosas de un edificio. 18.45 0. 14.20 0. Cuantitativa discreta. 15.20 0. Construir la tabla de distribución de frecuencias y dibuja el polígono de frecuencias.15 Ni 0. 18. 16. 18. 16.

1.05 0. 3. 4. 2. 1. 1. 2.10 0. 3. 4. 3. 2.85 0. 3.05 0. 2. 2. 1.316 Ni 0. 3. 2. El número de estrellas de los hoteles de una ciudad viene dado por la siguiente serie: 3. 3. 2. 2. 4. 1. 3. 3.95 1 Polígono de frecuencias 5. 3. 3. 2. 3.158 0. Construir la tabla de distribución de frecuencias y dibuja el diagrama de barras. 4. 3. 2. 1.474 . 3. 3. 2. xi 1 2 Recuento xi 6 12 Fi 6 18 ni 0.19 20 22 I II I 1 2 1 20 17 19 20 0. 2.158 0. 3.

7.3 4 IIII 16 4 38 34 38 0. 9. Las calificaciones de 50 alumnos en Matemáticas han sido las siguientes: 5. 7.105 1 0. 5. 5. 6. 7. 4. 4. 5. 6. 8. 7. 9. 5. 6. 6. 10. 2. 8. 7. 7. 1. 4. 3. 6. 6.421 0. 6. 6. 4. 4. 4. 6. 5. 3.02 . 6. 6. 5. xi 0 fi 1 Fi 1 ni 0. 3. 2. 5. 5. 6. 5. Construir la tabla de distribución de frecuencias y dibuja el diagrama de barras. 5. 0. 8.02 Ni 0. 7.895 1 Diagrama de barras 6. 8.

98 1.08 0.14 0.24 0.48 0.06 0. Los pesos de los 65 empleados de una fábrica vienen dados por la siguiente tabla: .22 0.04 0.72 0.02 0.02 1.12 0.00 Diagrama de barras 7.14 0.00 0.26 0.94 0.86 0.04 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 0.08 0.04 0.

15 0.Peso fi [50.88 0.12 0.24 0.08 0. xi [50. 70) 10 [70. 60) 8 [60.12 0.99 Histograma .03 Ni 0. 110) 5 [110. 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 0.96 0.73 0. 110) [110.22 0. 80) 16 [80. 120) 2 1 Construir la tabla de frecuencias. 2 Representar el histograma y el polígono de frecuencias.90) [90. 70) [70. 100) [100.51 0.27 0.90) 14 [90. 60) [60.15 0. 100) 10 [100. 80) [80.

26. 34. 20) [20.025 0. 22. 39. 38.5 7.8. en un examen de Física. 37. 10) [10.275 . 38. 35. 13. 3. 15. 28. 32. xi [0. sobre 50.5 17.5 22. 36. 31.025 0.5 12. 29. 25) 2.075 0. 15) [15. 44. 41.200 0.050 0. 39. 28. 47.025 0. 33. 48. 20. 15.125 0. 38. 2 Dibujar el histograma y el polígono de frecuencias.5 fi 1 1 3 3 3 Fi 1 2 5 8 11 ni 0.075 Ni 0. 24. Los 40 alumnos de una clase han obtenido las siguientes puntuaciones. 17. 32. 23. 36. 11. 35. 34. 34. 7. 42. 27. 25. 13. 5) [5. 1 Construir la tabla de frecuencias.075 0.

600 0.5 6 7 10 4 2 40 17 24 34 38 40 0.850 0. 45) [45.[25.250 0.5 47.5 37. 30) [30.5 32. 40) [40.175 0.950 1. 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 47. 50) 27.150 0. 35) [35.000 Histograma 9.425 0.100 0.050 1 0.

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 .55 5. desviación media.90 68.45 0. mediana y media. 2 El rango.55 |x − x | · f i 32.45 3.85 44.40 226.25 62. 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 | 6.1 La moda. varianza y desviación típica .45 2.10 18.

8. 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 . 3. Calcular la media. 4. 6. 8. 4. 5. 5. 4. 5. 2. 8. 4. 3. 5. 2.r = 73 − 61 = 12 Varianza Desviación típica 10. 6. 5. la mediana y la moda de la siguiente serie de números: 5.

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

10. 6. 12. 11. 15. 8. Media 20. la varianza y la desviación típica de la series de números siguientes: 15. 15. Varianza 24. 18. 6. 19. Desviación media 32. 3. 23. Hallar la desviación media. 5. 3. 8. 12. Desviación media 22. 7. Desviación típica 36. 11. 7. . 17. 37. 18. 21. 2. 18. 5. 16. 31. Varianza 34. 33. 6. Media 30.14. 27. 35. 28. 3. 2. 10. Desviación típica 26. 6. 29. 25. 3.

74) [74. fi [38. 68) [68.14. obteniéndose las siete tabla: fi [38. 62) [62. 44) [44. Se ha aplicado test a los empleados de una fábrica. 80) 7 8 15 25 18 9 6 Fi 7 15 30 55 73 82 88 . 56) [56. 50) [50. 62) [62. 80) 7 8 15 25 18 9 6 Dibujar el histograma y el polígono de frecuencias acumuladas . 56) [56. 44) [44. 50) [50. 68) [68. 74) [74.

2. La desviación media. 7. 9. Los deciles 2º y 7º. 7. 3. la mediana y la media. 5. la varianza y la desviación típica. Dadas las series estadísticas: 3. 2. 6. 9. 5. 4. . 1. Los cuartiles 1º y 3º. 4. Calcular: La moda. Los percentiles 32 y 85. 6.15.

6. Me = 5 Media Varianza Desviación típica Desviación media Rango r = 9 − 2 = 7 Cuartiles . 9. 7. 5.3. 9. 7. 3. Mediana 2. 2. 6. Moda No existe moda porque todas las puntuaciones tienen la misma frecuencia. 4. 4. 5.

6. Mediana Media Varianza . 5. 9. 1.9 P 85 = 7 3. 4.Deciles 7 · (2/10) = 1. 2. Moda No existe moda porque todas las puntuaciones tienen la misma frecuencia. 7.4 D 2 = 3 7 · (7/10) = 4.2 P 32 = 4 7 · (85/100) = 5.9 D 7 = 6 Percentiles 7 · (32/100) = 2.

Desviación típica Desviación media Rango r = 9 . Una distribución estadística viene dada por la siguiente tabla: .8 P 85 = 7 16.1 = 8 Cuartiles Deciles 8 · (2/10) = 1.6 D 2 = 2 8 · (7/10) = 5.56 P 32 = 3 8 · (85/100) = 6.6 D 7 = 6 Percentiles 8 · (32/100) = 2.

15) fi 3 [15. desviación media y varianza.5 fi 3 5 7 4 2 21 Fi 3 8 15 19 21 xi · fi 37. 25) [25. 25) 7 [25.5 22. 35) 2 Hallar: La moda. 35) 12. 30) [30.5 27.5 17. El rango.429 5 22.5 157. Los cuartiles 1º y 3º.8 3025 2112.5 |x − x | · f i 27. Los deciles 3º y 6º.857 21.5 110 65 457. 20) [20.571 xi2 · fi 468.429 98.5 87.3 3543.5 32.[10. mediana y media. xi [10. Los percentiles 30 y 70. 20) 5 [20.25 Moda Mediana .75 1537. 15) [15.857 21.5 10681. 30) 4 [30.

Media Desviación media Varianza Desviación típica Cuartiles Deciles Percentiles .

Cuartil 2º y 3º. 20) 8 [20. xi [0. 10) 5 [10.5 7.5 22. 25) 2 Calcular: La mediana y moda. 15) [15. 15) 7 [15. 20) [20. 10) [10. ∞) 6 [0.5 17. 5) fi 3 [5. 25) [25. Media. Dada la distribución estadística: [25.5 fi 3 5 7 8 2 6 31 Fi 3 8 15 23 25 31 Moda . 5) [5. ∞) 2.5 12.17.

La información obtenida aparece resumida en la siguiente tabla: Nº de caries 0 fi 25 ni 0. Ejercicios y problemas resueltos de Estadística II 1. ¿Cuál es la media del nuevo conjunto de números? 2.31 se le añaden los números 4. Un dentista observa el número de caries en cada uno de los 100 niños de cierto colegio.. 2.47 y 10. porque no se puede hallar la marca de clase del último intervalo. A un conjunto de 5 números cuya media es 7.25 .15.Mediana Cuartiles Media No se puede calcular la media.

1 2 3 4 20 x 15 y 0. z.2 z 0. que es la suma de las frecuencias absolutas. y. Hacer un diagrama de sectores.2 + z + 0. Nº de caries 0 1 fi 25 20 ni 0.2 fi · ni 0 20 .25 + 0.65 + z = 1 z = 0.15 0. 2. 1.15 + 0.05 1.05 = 1 0.35 La frecuencia relativa de un dato es igual su frecuencia absoluta dividida entre 100. Tabla La suma de las frecuencias relativas ha de ser igual a 1: 0. 3. Completar la tabla obteniendo los valores x. Calcular el número medio de caries.25 0.

6 = 72º 35 · 3. Media aritmética .6 = 54º 5 · 3.05 70 45 20 155 2.6 = 90º 20 · 3.2 3 4 35 15 5 0. Diagrama de sectores Calculamos los grados que corresponden a cara frecuencia absoluta.6 = 18º 3.15 0. 25 · 3.35 0.6 = 126º 15 · 3.

17. 16. En primer lugar ordenamos los datos de menor a mayor: 8. 10. 13. 7. 8. 4. 11 10. 18 5. 26/4 = 6. 3. 4. 9. 4. (26 · 3)/4 = 19. 13. 12. 10. 8. 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 . 13. 5. Como el número de datos es par la mediana es la media de las dos puntuaciones centrales: 12. 7. 5. 18. 10. 9. 8. 16.5 Q 1 = 7 15. 10. Q 2 = Me = 10 16. 10. Cuartiles 14. 26/2 = 13. 18. Se tiene el siguiente conjunto de 26 datos: 4. 20. 14. 18. 6. Obtener su mediana y cuartiles. 13. 10. 6. 12. 6. 3.3. 10. 9.5 Q 3 = 14 4. 8. 11. 13. 9. Mediana 10. 16. 17. 16. 11. 14. 4. 7. 7. 7. 20 9.

Dibujar el polígono de frecuencias. la mediana. la media y la varianza. Calcular la moda.14 15 8 1 1. 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 . 2.

14 .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 0.16 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.

mediana y moda de esta distribución. 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.

08 0.2 0.08 0.14 0.1 xi · fi 4 8 24 28 25 60 49 40 238 Media artmética Mediana 50/2 = 25 Me = 5 .14 0.16 0.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 0.1 0.

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

Hallar el porcentaje de valores comprendidos en el intervalo (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. x + σ). Calcular la media y la desviación típica. 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 . 2.

459) son los correspondientes a las sumas de 5. 4.2 x − σ = 4. La mediana. 1. Las alturas de los jugadores de un equipo de baloncesto vienen dadas por la tabla: Altura Nº jugadores de [170.725 fi 1 Fi 1 xi · fi 1. La desviación típica. 6.459 Los valores comprendidos en el intervalo (4.00) 2 Calcular: 1. 3.70. 9. La media.75) 1. 2. 7. 190) 8 [190. 8 y 9. 180) 3 [180. ¿Cuántos jugadores se encuentran por encima de la media más una desviación típica? xi [1.725 xi2 · fi 2. 185) 4 [185.591.591 x + σ = 9. 195) 5 [195.976 . 2. 11 + 20 + 19 + 16 + 13 = 79 8. 175) 1 [175.

.[1.85) [1.3 15 9.128 18. 1. 1.866+ 0.925 1. 1.625 3.802 80.453 13.943 Este valor pertenece a un percentil que se encuentra en el penúltimo intervalo.213 Media Mediana Desviación típica 4 x + σ = 1. 1.775 1.75.325 7.925 9.95 42.80) [1.975 3 4 8 5 2 23 4 8 16 21 23 5.80.875 1.53 7.00) 1.324 28. 2.85.90.95) [1.077 = 1.90) [1.95.825 1.

9. 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 . 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.Sólo hay 3 jugadores por encima de x + σ.6.

El histograma de la distribución correspondiente al peso de 100 alumnos de Bachillerato es el siguiente: 1. 69) [69. Si Andrés pesa 72 kg.5 fi 5 18 42 27 Fi 5 23 65 92 . ¿A partir de que valores se encuentran el 25% de los alumnos más pesados? 1 xi [60. 2. Calcular la moda.5 70. ¿cuántos alumnos hay menos pesados que él? 3.63 ) [63. 72) 61.5 67.10.5 64. Hallar la mediana. 4. 5. 66) [66. Formar la tabla de la distribución.

11. 6) [6. 8) [8. calcular: Edad [0. 10) Fi 4 11 24 34 40 .[72. De esta distribución de frecuencias absolutas acumuladas . 2) [2.5 8 100 100 2 5 + 18 + 42 + 27 = 92 alumnos más ligeros que Andrés. 75) 73. 4) [4. Moda Mediana 5 El valor a partir del cual se encuentra el 25% de los alumnos más pesados es el cuartil tercero.

2) [2. 4) [4. xi [0. 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. ¿Entre qué valores se encuentran las 10 edades centrales? 3. Media aritmética y desviación típica. Representar el polígono de frecuencias absolutas acumuladas . 8) [8. .1. 6) [6.

75 m y reside en una ciudad donde la estatura media es de 1. Las 10 edades centrales están en el intervalo: [4. obteniendo los siguientes resultados: para el primer test la media es 6 y la desviación típica 1.61. Una persona A mide 1. 5 .2] . 13. Un profesor ha realizado dos tests a un grupo de 40 alumnos. Polígono de frecuencias 12.60 m y la desviación típica es de 20 cm. Otra persona B mide 1.5 y P 6 2.70 m y la desviación típica es de 15 cm. ¿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.80 m y vive en una ciudad donde la estatura media es de 1. .Debemos hallar P 3 7 .5. 6.

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

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

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

1) correspondiente a la probabilidad p = 0. En todo nuestro estudio vamos a limitarnos a una población de partida infinita o a muestreo con reposición.K < X < Μ + K ] = P Hallar el intervalo característico de una distribución normal N(0.) que variará de una a otra.. . para cada muestra podemos calcular unestadístico (media..Un muestreo puede hacerse con o sin reposición. Si consideremos todas las posibles muestras de tamaño n en una población.9. proporción. . y la población de partida puede ser infinita o finita. Así obtenemos una distribución del estadístico que se llama distribución muestral INTERVALOS CARACTERISTICOS P[ Μ . desviación típica.

El nivel de confianza (p) se designa mediante 1 . El valor crítico (k) como z P(Z>z α/2) α/2 .α es: (μ .96 0.575 En una distribución N(μ.05 1.645 0.α.α Valores críticos 1 .95 0.005 2. σ ) el intervalo característico correspondiente a una probabilidad p = 1 .99 0.025 1.z · σ .90 0.α α/2 z α/2 0. El nivel de significación se designa mediante α. α/2] = α/2 P[-z α /2 < z < z = 1. μ + z · σ ) α /2 α /2 .

a priori.1. ó cualquier tamaño si la población es "normal"). 3.95 0.05 1.2.645 · σ . μ + 1.025 1.1 .α α/2 z α/2 Intervalos característicos 0. las medias de estas muestras siguen aproximadamente la distribución: Consecuencias: 1.96 · σ . μ + 1. en un cierto intervalo.99 0.Permite averiguar la probabilidad de que la media de una muestra concreta esté en un cierto intervalo.575 · σ .90 0.Permite calcular la probabilidad de que la suma de los elementos de una muestra esté. .Inferir la media de la población a partir de una muestra.1.96 · σ ) 0. y tomamos muestras de tamaño n (n>30.575 · σ ) TEOREMA CENTRAL DEL LIMITE Si una población tiene media μ y desviación típica σ.645 · σ) 0.645 (μ . 2.575 (μ .005 2.96 (μ . μ + 2.

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

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

Si disminuimos el error.Indica el tamaño muestral necesario para estimar dicho tiempo medio con un el error de ± 0.Calcula el intervalo de confianza al nivel del 95% para el tiempo medio que se tarda en cobrar a los clientes. tenemos que aumentar el tamaño de la muestra.2 minutos. n ≥ 4 ESTIMACION DE UNA PROPORCION .5 minutos y un nivel de confianza del 95%. 2. Para una muestra aleatoria de 25 clientes se obt uvo un tiempo medio de 5.Si aumentamos el nivel de confianza. 1.5 minutos. aumenta 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.

0. se distribuirán según: Intervalo de confianza para una proporción El error máximo de estimación es: En una fábrica de componentes electrónicos.02 . la proporción de componentes finales defectuosos era del 20%. la proporción p' . de individuos con dicha característica en las muestras de tamaño n. Tras una serie de operaciones e inversiones destinadas a mejorar el rendimiento se analizó una muestra aleatoria de 500 componentes. encontrándose que 90 de ellos eran defectuosos.2 . una determinada característica se presenta en una proporción p.p =0.18 E = 0. ¿Qué nivel de confianza debe adoptarse para aceptar que el rendimiento no ha sufrido variaciones? p = 0.8 p'= 90/ 500 = 0.18 = 0.Si en una población.2 q = 1 .

H1 ≠ k H1 < k H1> k Bilateral H 0 =k H0≥ k Unilateral H 0 ≤k . a partir de una muestra aleatoria y significativa.12) = 0.z α / 2 <1.0.72% Contrastes de hipótesis Hipótesis estadísticas Un test estadístico es un procedimiento para.86861 .P (1 .1314 = 0.8686 = 0.0.737 Nivel de confianza: 73. 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 .1314 0. Contrastes de hipótesis 1. La hipótesis emitida se designa por H 0 y se llama HIPÓTESIS NULA .8686 . La hipótesis contraria se designa por H 1 y se llama HIPÓTESIS ALTERNATIVA .

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

Verificación. 6. le corresponde un valor crítico: z α / 2 = 1. La nota media ha variado. con un nivel de confianza del 95%? 1. 2.78) 3.4.4) = (5. Valor obtenido de la media de la muestra: 5. 4. Decisión . Enunciamos las hipótesis nula y alternativa: H0 : μ = 6 H1 : μ ≠ 6 La nota media no ha variado.96.96 · 0.6 .96 · 0.22 .o bien: Se sabe que la desviación típica de las notas de cierto examen de Matemáticas es 2.6. Determinamos el intervalo de confianza para la media: (6-1. Para una muestra de 36 estudiantes se obtuvo una nota media de 5.4 . Zona de aceptación Para α = 0.05. 6+1. ¿Sirven estos datos para confirmar la hipótesis de que la nota media del examen fue de 6.

CONTRASTE UNILATERAL Caso 1 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).95 0.05 0.10 0. La hipótesis alternativa.90 0. Valores críticos 1 .01 z α 1.645 2.99 α 0.28 1.Aceptamos la hipótesis nula H 0 . La región de aceptación en este caso será: . con un nivel de significación del 5%. por tanto.33 El nivel de significación α se concentra en una parte o cola.α 0.

el nivel de abstención en las próximas elecciones será del 40% como mínimo. 1. Se elige al azar una muestra aleatoria de 200 individuos. si se puede admitir el pronóstico. 4. Determinar con un nivel de significación del 1%. La abstención será como máximo del 40%.40 H 1 : p < 0. con derecho a voto.33. 75 de los cuales estarían dispuestos a votar. 2.Verificación. que en una determinada ciudad. Determinamos el intervalo de confianza para la media: 3.40 La abstención será como mínimo del 40%.o bien: Un sociólogo ha pronosticado. le corresponde un valor crítico: z α = 2. Enunciamos las hipótesis nula y alternativa: H 0 : p ≥ 0.01. Zona de aceptación Para α = 0.Decisión .

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

Enunciamos las hipótesis nula y alternativa: H 0 : μ ≤ 120 H 1 : μ > 120 2. le corresponde un valor crítico: z α = 1. ¿Se puede aceptar. como máximo.Zona de aceptación Para α = 0. de 120 € con una desviación típica de 40 €. la afirmación de partida? 1. Con un nivel de significación del 10%. 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 .1. Valor obtenido de la media de la muestra: 128 € . Verificación.1. 4. Errores de tipo I y tipo II .Un informe indica que el precio medio del billete de avión entre Canarias y Madrid es. Determinamos el intervalo de confianza: 3.28 .

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

El nivel de significación se designa mediante α.α En una distribución N(μ. un número de individuos de cada estrato proporcional al número de componentes de cada estrato. Muestreo aleatorio sistemático: Se elige un individuo al azar y a partir de él.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. a intervalos constantes. 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. σ ) el intervalo característico correspondiente a una probabilidad p = 1 . μ + z · σ ) α /2 α /2 1 .α α/2 z α/2 Intervalos característicos . aleatoriamente. Intervalos característicos El nivel de confianza (p) se designa mediante 1 . α/2] = α/2 P[-z α /2 < z < z = 1. se eligen los demás hasta completar la muestra.α es: (μ .α.

y tomamos muestras de tamaño n (n>30. 3.05 1. en un cierto intervalo.96 (μ .99 0.96 · σ ) 0.0. a priori. ó cualquier tamaño si la población es "normal").Inferir la media de la población a partir de una muestra.95 0. . las medias de estas muestras siguen aproximadamente la distribución: Consecuencias: 1.645 · σ .Permite averiguar la probabilidad de que la media de una muestra concreta esté en un cierto intervalo.575 (μ .645 · σ) 0.575 · σ . 2. μ + 1.90 0.1.025 1.575 · σ ) Distribución de las medias muestrales Teorema central del límite Si una población tiene media μ y desviación típica σ . μ + 1.645 (μ .96 · σ .1. μ + 2.Permite calcular la probabilidad de que la suma de los elementos de una muestra esté.2.005 2.

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

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

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

10 0. Valores críticos 1 . es del tipo H 1 : μ < k (o bien H 1 : p < k). La hipótesis alternativa.05 0.90 0.28 1.α 0.Contraste unilateral Caso 1 La hipótesis nula es del tipo H 0 : μ ≥ k (o bien H 0 : p ≥ k).95 0.645 2.99 α 0. por tanto.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).01 z α 1. .

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

La probabilidad de cometer Error de tipo II depende del verdadero valor del parámetro. Determinar el tamaño muestral correspondiente a cada estrato. si no lo son. post eriormente se decide elegir la muestra anterior utilizando un muestreo estratificado. Para efectuar un muestreo aleatorio estratificado. adultos y ancianos. 2.500 niños. 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. Inferencia estadística. Se hace tanto menor cuanto mayor sea n.Como los gustos cambian con la edad y se sabe que en el barrio viven 2.Explicar qué procedimiento de selección sería más adecuado utilizar: muestreo con o sin reposición. 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.000 adultos y 500 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. 1. el muestreo aleatorio se realiza con reposición. Para ello van a ser encuestados 100 individuos elegidos al azar. será necesario que la muestra refleje fielmente los estratos existentes en la población. 7. deben considerarse los estratos formados por: niños. .

¿Cuál . M 1 = {24. 24}. 3. M 1 = {22. M 1 = {22. escogidas mediante muestreo aleatorio simple. 26}.2 Sea la población de elementos: {22. 26} 2. 26}.Calcule la varianza de la población.12 m. 3 La variable altura de las alumnas que estudian en una escuela de idiomas sigue una distribución normal de media 1.62 m y la desviación típica 0. 1.24.Calcule la varianza de las medias muestrales.Escriba todas las muestras posibles de tamaño dos.

99. y se han encontrado los siguientes precios: 95. 110. 105. para la media poblacional. 106. 103. 97.Determine el intervalo de confianza. 99. 104. al 95%. . 98. Suponiendo que los precios de este producto se distribuyen según una ley normal de varianza 25 y media desconocida: 1.¿Cuál es la distribución de la media muestral? 2. 111. 112. 108. 110.es la probabilidad de que la media de una muestra aleatoria de 100 alumnas sea mayor que 1. 100. 107. elegidos al azar en un barrio de una ciudad.60 m? 4 Se ha tomado una muestra de los precios de un mismo producto alimenticio en 16 comercios.

7892) 2. de un 95% de confianza.16 m 2 . En un estudio estadístico de las .96 · 0.25) = (101.75 σ=0. 1.96 (104 .75 ± 1. 25.Construye un intervalo. con desviación típica 900 €.¿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 un nivel de confianza del 90%? La muestra debe tener al menos 1083 personas.1.7108. 104 + 1.75 m.1.96 → (1.95% → z α /2 =1.55.96 · 1. 6 Las ventas mensuales de una tienda de electrodomésticos se distribuyen según una ley normal. n=400 1.4 z α /2 =1. para la media de las estaturas de la población.9 · 1.95 (1.4/20 ) x =1. 106. 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.α=0.45) 5 La media de las estaturas de una muestra aleatoria de 400 personas de una ciudad es 1.

ventas realizadas en los últimos nueve meses. el error cometido en la estimación sea inferior al 3.1%.96 1. x =5251 2. calcula el valor de n para que.α=0. 1. p. .95.95 z α / 2 =1. se ha encontrado un intervalo de confianza para la media mensual de las ventas.4663) / 2 = 588 588 = z α / 2 · 900 / 3 1-α = 0. → 95% z α / 2 = 1. con un nivel de confianza de 0. de individuos daltónicos de una población a través del porcentaje observado en una muestra aleatoria de individuos.95 7 Se desea estimar la proporción. de tamaño n. ¿Cuál es el nivel de confianza para este intervalo? E= ( 5839 . Si el porcentaje de individuos daltónicos en la muestra es igual al 30%. 1.96 Al menos 840 individuos. cuyos extremos son 4 663 € y 5 839 €. ¿Cuál ha sido la media de las ventas en estos nueve meses? n = 9 x = (4663 + 5839) / 2.

usando un nivel de significación del 1%. y el porcentaje de individuos daltónicos en la muestra es del 35%. para la media de la población. α=0. determina.Si el tamaño de la muestra es de 64 individuos. 1? .575 8 En una población una variable aleatoria sigue una ley normal de media desconocida y desviación típica 2. el correspondiente intervalo de confianza para la proporción de daltónicos de la población. tomada al azar.99 z α / 2 =2.Con el mismo nivel de confianza. se ha obtenido una media muestra al igual a 50. ¿qué tamaño mínimo debe tener la muestra para qué la amplitud del intervalo que se obtenga sea. 2.α=0.2.Observada una muestra de tamaño 400. con el 97 % de confianza. ¿Calcule un intervalo. 1.01 1. como máximo.

06 H 1 : p >0. Con un nivel de significación del 1%. Determinamos el intervalo de confianza: 3Verificación. el 6% de las nueces están vacías. 4Decisión Aceptamos la hipótesis nula H 0 . Se eligieron 300 nueces al azar y se detectaron 21 vacías. .01 z α = 2.33. como máximo.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.n ≥ 76 9 Una marca de nueces afirma que.06 2Zona de aceptación α = 0. 1.

se obtiene una vida media de 750 horas.Si se mantiene el porcentaje muestral de nueces que están vacías y 1 -α = 0. después de comprobarlas.2. 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.01. 9 5 z = 1.01. ¿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. Se escoge al azar una muestra de 50 bombillas de un lote y.95. Su vida media está garantizada durante un mínimo de 800 horas.α = 0.33 Determinamos el intervalo de confianza: . z α = 2. Con un nivel de significación de 0. ¿qué tamaño muestral se necesitaría para estimar la proporción de nueces con un error menor del 1% por ciento? 1 .

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

2 La cantidad de hemoglobina en sangre del hombre sigue una ley normal con una desviación típica de 2g/dl. 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. 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 .

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.

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

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

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

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. Sí se repiten los elementos. ¿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. En este caso el número de orden es mayor que el número de elementos. Sí importa el orden. Calcular las permutaciones de 6 elementos. P 6 = 6! = 6 · 5 · 4 · 3 · 2 · 1 = 720 .3. Sí importa el orden. Ejemplos 1. No se repiten los elementos.

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

.. . PC 7 = (7 − 1)! = 6! = 6 · 5 · 4 · 3 · 2 · 1 = 720 2. ¿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 segundo b veces .. n = a + b + c + . Sí importa el orden. Son los distintos grupos que pueden formarse con esos n elementos de forma que : Sí entran todos los elementos. Sí se repiten los elementos. Calcular las permutaciones circulares de 7 elementos..Ejemplos 1. Ejemplos . el tercero c veces.

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

También podemos calcular las combinaciones mediante factoriales: Las combinaciones se denotan por Ejemplos 1. Calcular el número de combinaciones de 10 elementos tomados de 4 en 4. . No se repiten 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 importa el orden.

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

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

del que podemos ver sus primeras líneas: Propiedades del Triángulo de Pascal o de Tartaglia 1. la segunda fila corresponde a los números combinatorios de 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. infinito y simétrico. 2. El número superior es un 1. la tercera de 2.Ejemplo Hallar el número de combinaciones de 75 elementos de orden 72. la cuarta de 3 y así sucesivamente. .Todas la filas empiezan y acaban en 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 se repiten 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 importa el orden. También podemos calcular las combinaciones mediante factoriales: Combinaciones con repetición Las combinaciones con repetición de m elementos tomados de n en n (m ≥ n). son los distintos grupos formados por n elementos de manera que: No entran todos los elementos. . Sí se repiten los elementos. No importa el orden.

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

¿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. No se repiten los elementos. Sí importa el orden. vicepresidente y tesorero de un club de fútbol sabiendo qu e hay 12 posibles candidatos? No entran todos los elementos. . Sí importa el orden. No se repiten los elementos. 2 Con las letras de la palabra libro. Sí entran todos los elementos.Ejercicios de combinatoria 1 ¿De cuántas formas diferentes se pueden cubrir los puestos de presidente.

No importa el orden.000? Sí entran todos los elementos. No se repiten los elementos. Sí importa el orden.3 ¿De cuántas formas pueden mezclarse los siete colores del arco iris tomándolos de tres en tres? No 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. No se repiten los elementos. Si es impar sólo puede empezar por 7 u 9. .

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

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. . No se repiten los elementos. 10 Con el punto y raya del sistema Morse.Si el número es par tan sólo puede terminar en 2. Sí se repiten los elementos. 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. ¿cuántas señales distintas se pueden enviar. Sí importa el orden.

No entran todos los elementos.11 Una mesa presidencial está formada por ocho personas. en los dos se cumple que: Sí entran todos los elementos. No se repiten los elementos. Son . Sí importa el orden. si el presidente y el secretario siempre van juntos? Se forman dos grupos el primero de 2 personas y el segundo de 7 personas. No importa el orden. 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. . No se repiten los elementos. a las que tenemos que restar los lados que determinan 5 rectas que no son diagonales. ¿de cuántas formas distintas se pueden sentar.

forma un comité de 2 hombres y 3 mujeres. Ejercicios 1 Halla el número de capicúas de ocho cifras. si: 1.13 Un grupo. 3. Puede pertenecer a él cualquier hombre o mujer. compuesto por cinco hombres y siete mujeres. 2. ¿Cuántos capicúas hay de nueve cifras? . Una mujer determinada debe pertenecer al comité. Combinatoria. Dos hombres determinados no pueden estar en el comité. De cuántas formas puede formarse.

2 Cuatro libros distintos de matemáticas. ¿de cuántas formas posibles pueden ordenarse? . 3 Una persona tiene cinco monedas de distintos valores. ¿Cuántas sumas diferentes de dinero puede formar con las cinco monedas? 4 Se ordenan en una fila 5 bolas rojas.Solamente los libros de matemáticas deben estar juntos. 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. 2 bolas blancas y 3 bolas azules. Los libros de cada asignatura deben estar todos juntos. 2. De cuántas formas distintas es posible ordenarlos si: 1.

. 4.6 Resolver las ecuaciones combinatorias: 1. 2. 7 Resolver las ecuaciones: 1. 3.

2.2. 3. . 8 Resolver las ecuaciones combinatorias: 1.

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

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

Master your semester with Scribd & The New York Times

Special offer for students: Only $4.99/month.

Master your semester with Scribd & The New York Times

Cancel anytime.