Modulo Estadistica Ciclo Vi Grado Undecimo

1
2

I.E.
CRDENAS CENTRO

MDULO DE ESTADSTICA

CICLO VI
GRADO UNDCIMO

3

TABLA DE CONTENIDO
pg.

UNIDAD 1

1. VARIABLE ALEATORIA, ESPACIO MUESTRAL, TCNICAS DE CONTEO 6
1.1. VARIABLE ALEATORIA 6
1.1.1. Clasificacin de las variables aleatorias 6
1.1.1.1. Variable aleatoria continua 6
1.1.1.2. Variable aleatoria discontinua o discreta 7

EJERCICIOS 7

1.2. ESPACIO MUESTRAL 8
1.3. TCNICAS DE CONTEO 9
1.3.1. Principio multiplicativo de conteo 9
1.3.2. Principio aditivo de conteo 10
1.3.3. Permutaciones y combinaciones 10

EJERCICIOS 12

2. PROBABILIDAD DE OCURRENCIA DE UN EVENTO 13
2.1. PROBABILIDAD CONDICIONAL 13
2.2. REGLAS BSICAS DE PROBABILIDAD 14

EJERCICIOS 16

UNIDAD 2

1. VALOR ESPERADO Y VARIANZA 17
1.1. VALOR ESPERADO 17
1.1.1. Propiedades del valor esperado 17
1.1.1.1. Al multiplicar todos los valores de una variable por una misma constante, el valor esperado
de sta queda multiplicado por el valor de la constante 17
1.1.1.2. Al sumar a todos los valores de una variable una misma constante, el valor esperado de
sta queda incrementado por el valor de la constante 17
1.1.1.3. Si tenemos dos variables X e Y, discretas o continuas, el valor esperado de su suma o
diferencia es la suma o diferencia de sus valores esperados 18
1.1.1.4. Si las variables anteriores, X e Y son variables aleatorias independientes ocurre que el valor
esperado de su producto es igual al producto de sus valores esperados 18

EJERCICIOS 18

1.2. VARIANZA 19
1.2.1. Vari anza para datos agrupados 20
1.2.2. Vari anza para datos NO agrupados 20
1.2.3. Propiedades 20

4

EJERCICIOS 21

2. DISTRIBUCIN BINOMIAL 21

EJERCICIOS 22

3. DISTRIBUCIN DE POISSON 22
3.1. PROPIEDADES 22
3.2. RELACIN CON OTRAS DISTRIBUCIONES 23
3.2.1. Sumas de variables aleatorias de Poisson 23
3.2.2. Distribucin binomial 23
3.2.3. Aproximacin normal 23
3.2.4. Distribucin exponencial 23
3.3. PROCESOS DE POISSON 24

EJERCICIOS 25

4. DISTRIBUCIN NORMAL 25
4.1. LA NORMAL N(0; 1) 26
4.2. TIPIFICAR UNA VARIABLE NORMAL 29

EJERCICIOS 29

UNIDAD 3

1. TEORA DE LA METODOLOGA DE LA INVESTIGACIN CIENTFICA 30
1.1. COMPONENTES DE UN PROYECTO DE INVESTIGACIN 30
1.1.1. Fase Proyectiva 30
1.1.2. Fase Metodolgica 30
1.1.3. Fase Tcnica 30
1.1.4. Fase de Sntesis 30
1.2. TIPOS DE INVESTIGACIN 31
1.3. ORGANIZACIN DE LA INFORMACIN 33
1.3.1. Pasos para la organizacin 34

COMPRENSIN LECTORA 36

UNIDAD 4

1. MTODOS DE INVESTIGACIN 37

2 COMPONENTES MNIMOS DE UN PROYECTO DE INVESTIGACIN 38
2.1. EL TEMA DE INVESTIGACIN 38
2.2. JUSTIFICACIN Y/O ANTECEDENTES 38
2.3. FORMULACIN DEL PROBLEMA 38
2.4. OBJETIVOS GENERALES Y ESPECFICOS 38
2.5. ELEMENTOS TERICOS QUE FUNDAMENTAN LA INVESTIGACIN - MARCO TERICO 39
2.6. HIPTESIS (IDENTIFICACIN DE VARIABLES) 39
2.7. METODOLOGA 39
2.8. PLAN DE TRABAJO Y/O CRONOGRAMA DE ACTIVIDADES 39

5

2.9. PRESUPUESTO 39
2.10. BIBLIOGRAFA 39

3. INSTRUMENTOS DE RECOLECCIN DE LA INFORMACIN 40
3.1. LA ENCUESTA 40
3.2. LA ENTREVISTA 40
3.2.1. Tipos de entrevistas 41
3.2.1.1. Estructurada 41
3.2.1.2. No estructurada 41
3.3. LA OBSERVACIN 42
3.4. LA EXPERIMENTACIN 42
3.5. EL DATO CIENTFICO 42

4. TCNICAS Y MTODOS PARA LA CLASIFICACIN DE LA INFORMACIN 43
4.1. TCNICAS PARA CLASIFICACIN DE INFORMACIN 43
4.1.1. Tratamiento de las fuentes 43
4.1.1.1. Reunin de fuentes 43
4.1.1.2. Crtica de las fuentes 43
4.1.1.3. Contraste de fuentes 43
4.1.1.4. Respeto a las fuentes 43
4.1.1.5. Cita de las fuentes 43
4.2. MTODOS PARA LA CLASIFICACIN DE LA INFORMACIN 44
PRUEBA TIPO ICFES 45

BIBLIOGRAFA 48

6

UNIDAD 1
1. VARIABLE ALEATORIA, ESPACIO MUESTRAL, TCNICAS DE CONTEO
1.1. VARIABLE ALEATORIA
Dado un experimento aleatorio cualquiera cuyos
sucesos elementales posibles pueden identificarse
fcilmente mediante un nmero real, se
denomina Variable Aleatoria, X, al conjunto de estos
nmeros.
Tambin se le llama variable de azar o variable
estocstica, y significa cantidad que puede tomar
varios valores imprevistos.
Ejemplo 1.- Sea el experimento aleatorio de lanzar
un dado al aire. Los posibles resultados del
experimento (sucesos elementales) son los
siguientes: <<que salga 1>>, <<que salga 2>>,
<<que salga 3>>, <<que salga 4>>, <<que salga 5>>
y <<que salga 6>>. Resulta sencillo asociar a cada
suceso elemental el nmero correspondiente a la
cara del dado que haya salido. Por tanto, la variable
aleatoria, X, ser:
X= 1,2,3,4,5,6
Por el contrario, si dado un experimento aleatorio
cualquiera no resulta inmediata la asociacin de un
nmero para cada uno de los posibles sucesos
elementales, se establece una correspondencia entre
el conjunto de los posibles sucesos elementales y el
conjunto de los nmeros reales, de manera que a
cada suceso elemental le corresponda un nmero
real arbitrario y que a sucesos elementales distintos
les correspondan nmeros distintos.
Se denomina variable aleatoria al conjunto imagen
de esta correspondencia, es decir, al conjunto de los
nmeros reales que se hayan hecho corresponder a
cada uno de los sucesos elementales.
Ejemplo 2.- Sea el experimento aleatorio de
averiguar la marca de tabaco que preferir un
individuo entre las posibles marcas: <<X>>, <<Y>>,
<<Z>>.
En este caso la asociacin de un nmero para cada
suceso elemental posible del experimento no es
inmediata. En consecuencia, se establece una
correspondencia entre el conjunto de los sucesos
elementales posibles y el conjunto de los nmeros
reales, del modo siguiente:
Al suceso elemental <<preferir la marca X>> se le
hace corresponder el nmero 1; al suceso elemental
<<preferir la marca Y>> se le hace corresponder el
nmero 2; al suceso elemental <<preferir la marca
Z>> se le hace corresponder el nmero 3.
La variable aleatoria X ser: X = (1,2,3).
El nmero asociado a cada suceso elemental puede
ser cualquiera dentro del conjunto de los nmeros
reales, con la condicin nica de que a sucesos
elementales distintos le correspondan nmeros
tambin distintos. Se comprueba fcilmente que la
correspondencia as definida entre el conjunto de los
posibles sucesos elementales de un experimento
aleatorio y el conjunto de los nmeros reales es una
aplicacin inyectiva.

1.1.1. Clasificacin de las variables aleatorias.
Las variables aleatorias pueden ser continuas o
discontinuas. En este ltimo caso se denominan
tambin discretas.

1.1.1.1. Variable aleatoria continua. Si X es
una Variable aleatoria continua, puede tomar
cualquier valor de un intervalo continuo o dentro de
un campo de variacin dado. Las probabilidades de
que ocurra un valor dado x estn dadas por una
funcin de densidad de probabilidad de que X quede
entre a y b. El rea total bajo la curva es 1.
Ejemplo. Sea el experimento aleatorio consistente
en medir la altura que es capaz de saltar cada
miembro de un conjunto de personas. En este
experimento, cada miembro del conjunto observado
da lugar a un nmero, por lo que se toma como
variable aleatoria el conjunto de las medidas de las

7

alturas que son capaces de saltar las distintas
personas.
En el supuesto que una persona hubiera saltado 105
cm y otra 106 cm, no existira ninguna razn para
que otra no hubiera saltado un valor intermedio
cualquiera entre las dos anteriores, como 105.5 cm.
Se trata de una variable aleatoria continua.

1.1.1.2. Variable aleatoria discontinua o discreta.
Se dice que una Variable aleatoria Discreta o
Discontinua X, tiene un conjunto definido de valores
posibles x1,x2,x3,..xn con probabilidades
respectivas p1,p2,p3,..pn., Es decir que slo puede
tomar ciertos valores dentro de un campo de
variacin dado. Como X ha de tomar uno de los
valores de este conjunto, entonces p1 + p2 ++
pn=1.
En general, una variable aleatoria discreta X
representa los resultados de un espacio muestral en
forma tal que por P(X = x) se entender la
probabilidad de que X tome el valor de x. De esta
forma, al considerar los valores de una variable
aleatoria es posible desarrollar una funcin
matemtica que asigne una probabilidad a cada
realizacin x de la variable aleatoria X. Esta funcin
recibe el nombre de funcin de la probabilidad.
Ejemplo. Sea el experimento aleatorio consistente
en lanzar una moneda al aire. Los sucesos
elementales del experimento, <<que salga cara>>,
<<que salga cruz>>, no vienen representados por los
nmeros, por lo que casa suceso elemental se le
hace corresponder un nmero real. As al suceso
elemental <<que salga cara>> se le hace
corresponder el nmero 1 y al suceso elemental
<<que salga cruz>> se le hace corresponder el
nmero 2.
La variable aleatoria ser: X = (1,2).

Se trata de una variable aleatoria discontinua o
discreta, ya que nicamente puede adoptar los
valores 1 y 2.

EJERCICIOS
1. Supngase que la produccin de un da de 850 piezas manufacturadas contiene 50 piezas que no cumplen con
los requerimientos del cliente. Se seleccionan del lote dos piezas al azar y sin reemplazo. Sea la variable aleatoria
X igual al nmero de piezas de la muestra que no cumplen. Cul es la funcin de distribucin acumulada de X?
2. Dada la variable aleatoria X continua y con funcin de distribucin F se define la variable Y=F(X). Demustrese
que Y sigue una distribucin uniforme en [0,1].
3. Un punto aleatorio X tiene distribucin uniforme en el intervalo [0,1] y otro punto aleatorio Y tiene distribucin
uniforme en el intervalo [2,3]. Se define la variable distancia entre X e Y por d=Y-X. Suponiendo que X e Y son
independientes, calclese la esperanza matemtica y la varianza de d.
4. Supongamos que el consumo familiar de un cierto producto se distribuye como una variable aleatoria de
distribucin uniforme, con esperanza igual a 10 y varianza unidad. Determina la probabilidad de que dicho
consumo este comprendido entre 8 y 12 unidades.

8

1.2. ESPACIO MUESTRAL
En la teora de probabilidades, el espacio
muestral o espacio de muestreo (denotado E, S,
o U) consiste en el conjunto de todos los posibles
resultados individuales de un experimento aleatorio.
Por ejemplo, si el experimento consiste en lanzar dos
monedas, el espacio de muestreo es el conjunto
{(cara, cara), (cara, cruz), (cruz, cara) y (cruz, cruz)}.
Un evento o suceso es cualquier subconjunto del
espacio muestral, llamndose a los sucesos que
contengan un nico elemento sucesos elementales.
En el ejemplo, el suceso "sacar cara en el primer
lanzamiento", o {(cara, cara), (cara, cruz)}, estara
formado por los sucesos elementales {(cara, cara)} y
{(cara, cruz)}.
Para algunos tipos de experimento puede haber dos
o ms espacios de muestreo posibles. Por ejemplo,
cuando se toma una carta de un mazo normal de
52 cartas, una posibilidad del espacio de muestreo
podra ser el nmero (del as al rey), mientras que
otra posibilidad sera el palo (diamantes, trboles,
corazones y picas). Una descripcin completa de los
resultados, sin embargo, especificara ambos
valores, nmero y palo, y se podra construir un
espacio de muestreo que describiese cada carta
individual como el producto cartesiano de los dos
espacios de muestreo descritos.
Los espacios de muestreo aparecen de forma natural
en una aproximacin elemental a la probabilidad,
pero son tambin importantes en espacios de
probabilidad. Un espacio de probabilidad (, F, P)
incorpora un espacio de muestreo de resultados, ,
pero define un conjunto de sucesos de inters, la -
lgebra F, por la cual se define la medida de
probabilidad P.

Ejemplo:

9

1.3. TCNICAS DE CONTEO
Suponga que se encuentra al final de una lnea de
ensamble final de un producto y que un supervisor le
ordena contar los elementos de un lote que se ha
manufacturado hace unas horas y del que se
desconoce el nmero de productos que lo
constituyen, de inmediato usted empezar a contar
un producto tras otro y al final informar al supervisor
que son, 48, 54 u otro nmero cualquiera. Ahora
suponga que ese mismo supervisor le plantea la
siguiente pregunta cuntas muestras o grupos ser
posible formar con los productos del lote, si las
muestras o grupos a formar son de ocho elementos
cada una de ellas?.

En el primer caso el cuantificar los elementos del lote
no presenta dificultad alguna para la persona
encargada de hacerlo, pero cuando se le hace el
segundo planteamiento, al tratar de formar las
muestras o grupos de ocho elementos la persona
encargada empezar a tener dificultad para hacerlo,
en casos como este es necesario hacer uso de las
tcnicas de conteo para cuantificar los elementos del
evento en cuestin (el nmero de muestras posibles
a formar de ocho elementos), luego, qu son las
tcnicas de conteo?
Las tcnicas de conteo son aquellas que son usadas
para enumerar eventos difciles de cuantificar.
Ejemplo en el que definitivamente haremos uso de
las tcnicas de conteo:
-Cuntas comisiones pro limpieza del instituto se
pueden formar si hay 150 alumnos que desean
ayudar en esta tarea y se desea formar comisiones
de ocho alumnos?
Se les denomina tcnicas de conteo a: las
combinaciones, permutaciones y diagrama de rbol,
hay que destacar que stas nos proporcionan la
informacin de todas las maneras posibles en que
ocurre un evento determinado.

Las bases para entender el uso de las tcnicas de
conteo son el principio multiplicativo y el aditivo.

1.3.1. Principio multiplicativo de conteo. Si se
desea realizar una actividad que consta de r pasos,
en donde el primer paso de la actividad a
realizar puede ser llevado a cabo de N
1
maneras o
formas, el segundo paso de N
2
maneras o formas y
el r-simo paso de N
r
maneras o formas, entonces
esta actividad puede ser llevada a efecto de;
N
1
x N
2
x ..........x N
r
maneras o formas

El principio multiplicativo implica que cada uno de los
pasos de la actividad deben ser llevados a efecto,
uno tras otro.
Ejemplo:
Una persona desea construir su casa, para lo cual
considera que puede construir los cimientos de su
casa de cualquiera de dos maneras (concreto o block
de cemento), mientras que las paredes las
puede hacer de adobe, adobn o ladrillo, el techo
puede ser de concreto o lmina galvanizada y por
ltimo los acabados los puede realizar de una sola
manera cuntas maneras tiene esta persona de
construir su casa?
Solucin:
Considerando que r = 4 pasos
N
1
= maneras de hacer cimientos = 2
N
2
= maneras de construir paredes = 3
N
3
= maneras de hacer techos = 2
N
4
= maneras de hacer acabados = 1

N
1
x N
2
x N
3
x N
4
= 2 x 3 x 2 x 1 = 12 maneras de
construir la casa
El principio multiplicativo, el aditivo y las tcnicas de
conteo proporcionan todas las maneras o formas
posibles de como se puede llevar a cabo una
actividad cualquiera.

10

1.3.2. Principio aditivo de conteo. Si se desea
llevar a efecto una actividad, la cual tiene formas
alternativas para ser realizada, donde la primera de
esas alternativas puede ser realizada de M maneras
o formas, la segunda alternativa puede realizarse de
N maneras o formas ..... y la ltima de las
alternativas puede ser realizada de W maneras o
formas, entonces esa actividad puede ser llevada a
cabo de,

M + N + .........+ W maneras o formas

Ejemplo:
Una persona desea comprar una lavadora de ropa,
para lo cual ha pensado que puede seleccionar de
entre las marcas Whirpool, Easy y General Electric,
cuando acude a hacer la compra se encuentra que la
lavadora de la marca W se presenta en dos tipos de
carga ( 8 u 11 kilogramos), en cuatro colores
diferentes y puede ser automtica o semiautomtica,
mientras que la lavadora de la marca E, se presenta
en tres tipos de carga (8, 11 o 15 kilogramos), en dos
colores diferentes y puede ser automtica o
semiautomtica y la lavadora de la marca GE, se
presenta en solo un tipo de carga, que es de 11
kilogramos, dos colores diferentes y solo hay
semiautomtica. Cuntas maneras tiene esta
persona de comprar una lavadora?
Solucin:
M = Nmero de maneras de seleccionar una
lavadora Whirpool
N = Nmero de maneras de seleccionar una
lavadora de la marca Easy
W = Nmero de maneras de seleccionar una
lavadora de la marca General Electric

M = 2 x 4 x 2 = 16 maneras
N = 3 x 2 x 2 = 12 maneras
W = 1 x 2 x 1 = 2 maneras

M + N + W = 16 + 12 + 2 = 30 maneras de
seleccionar una lavadora

1.3.3. Permutaciones y combinaciones. Para
entender lo que son las permutaciones es necesario
definir lo que es una combinacin y lo que es una
permutacin para establecer su diferencia y de esta
manera entender claramente cuando es posible
utilizar una combinacin y cuando utilizar una
permutacin al momento de querer cuantificar los
elementos de algn evento.

Combinacin. Es todo arreglo de elementos en
donde no nos interesa el lugar o posicin que ocupa
cada uno de los elementos que constituyen dicho
arreglo.

Permutacin. Es todo arreglo de elementos en
donde nos interesa el lugar o posicin que ocupa
cada uno de los elementos que constituyen dicho
arreglo.

Para ver de una manera objetiva la diferencia entre
una combinacin y una permutacin, plantearemos
cierta situacin.

Suponga que un saln de clase est constituido por
35 alumnos. a) El maestro desea que tres de los
alumnos lo ayuden en actividades tales como
mantener el aula limpia o entregar material a los
alumnos cuando as sea necesario.

b) El maestro desea que se nombre a los
representantes del saln (Presidente, Secretario y
Tesorero).

Solucin:
a) Suponga que por unanimidad se ha elegido a
Daniel, Arturo y a Rafael para limpiar el aula o
entregar material, (aunque pudieron haberse
seleccionado a Rafael, Daniel y a Enrique, o pudo
haberse formado cualquier grupo de tres personas
para realizar las actividades mencionadas
anteriormente).

Es importante el orden como se selecciona a los
elementos que forma el grupo de tres personas?

11

Reflexionando al respecto nos damos cuenta de que
el orden en este caso no tiene importancia, ya que lo
nico que nos interesara es el contenido de cada
grupo, dicho de otra forma, quines estn en el
grupo? Por tanto, este ejemplo es una combinacin,
quiere decir esto que las combinaciones nos
permiten formar grupos o muestras de elementos en
donde lo nico que nos interesa es el contenido de
los mismos.

b) Suponga que se han nombrado como
representantes del saln a Daniel como Presidente,
a Arturo como secretario y a Rafael como tesorero,
pero resulta que a alguien se le ocurre hacer algunos
cambios, los que se muestran a continuacin:

CAMBIOS
PRESIDENTE: Daniel Arturo Rafael Daniel
SECRETARIO: Arturo Daniel Daniel Rafael
TESORERO: Rafael Rafael Arturo Arturo

Ahora tenemos cuatro arreglos, se trata de la misma representacin?

Creo que la respuesta sera no, ya que el cambio de funcin que se hace a los integrantes de la representacin
original hace que definitivamente cada una de las representaciones trabaje de manera diferente, importa el orden
de los elementos en los arreglos?. La respuesta definitivamente sera s, luego entonces las representaciones
antes definidas son diferentes ya que el orden o la forma en que se asignan las funciones s importa, por lo tanto
es este caso estamos tratando con permutaciones.

A continuacin obtendremos las frmulas de permutaciones y de combinaciones, pero antes hay que definir lo que
es n! (ene factorial), ya que est involucrado en las frmulas que se obtendrn y usarn para la resolucin de
problemas.

n!= al producto desde la unidad hasta el valor que ostenta n.
n!= 1 x 2 x 3 x 4 x...........x n

Ejem.
10!=1 x 2 x 3 x 4 x.........x 10=3,628,800
8!= 1 x 2 x 3 x 4 x.........x 8=40,320
6!=1 x 2 x 3 x 4 x..........x 6=720, etc., etc.

Obtencin de frmula de permutaciones.

Para hacer esto, partiremos de un ejemplo.
Cuntas maneras hay de asignar los cuatro
primeros lugares de un concurso de creatividad que
se verifica en las instalaciones de un instituto, si hay
14 participantes?

Solucin:
Haciendo uso del principio multiplicativo,

14x13x12x11 = 24,024 maneras de asignar los
primeros tres lugares del concurso

Esta solucin se debe, a que al momento de asignar
el primer lugar tenemos a 14 posibles candidatos,
una vez asignado ese lugar nos quedan 13 posibles
candidatos para el segundo lugar, luego tendramos
12 candidatos posibles para el tercer lugar y por
ltimo tendramos 11 candidatos posibles para el
cuarto lugar.
Luego si n es el total de participantes en el concurso
y r es el nmero de participantes que van a ser
premiados, y partiendo de la expresin anterior,
entonces.

12

14x13x12x11= n x (n - 1) x (n - 2) x .......... x (n r +
1)

Si la expresin anterior es multiplicada por (n r)! /
(n r)!, entonces

= n x (n 1 ) x (n 2) x ......... x (n r + 1) (n r)!
/ (n r)!

= n!/ (n r)!

Por tanto, la frmula de permutaciones de r
objetos tomados de entre n objetos es:

Esta frmula nos permitir obtener todos aquellos
arreglos en donde el orden es importante y solo se
usen parte (r) de los n objetos con que se cuenta,
adems hay que hacer notar que no se pueden
repetir objetos dentro del arreglo, esto es, los n
objetos son todos diferentes.

Entonces, qu frmula hay que usar para arreglos
en donde se utilicen los n objetos con que se
cuenta?
Si en la frmula anterior se sustituye n en lugar de r,
entonces.

nPn= n!/ (n n)! = n! / 0! = n! / 1 = n!

Como 0! = 1 de acuerdo a demostracin matemtica,
entonces

nPn= n!

RESUELVE

1. Si lanzas dos dados de seis lados sobre una mesa plana horizontal:
a) Cuntas veces es posible que la suma de los nmeros de las caras que aparecen sea diez?
b) Cuntas veces es posible obtener suma de diez, si una de las caras es cuatro?
c) cuntas veces se obtiene suma par?
d) Cuntas veces se obtiene suma 1?.
e) Cuntas veces se obtiene suma par si los resultados en las dos caras son iguales?.
2. A una fiesta van 15 nias y 13 nios. Considera todas las parejas que se pueden formar si dos de las
parejas son fijas por cuanto son novios intensos y no participan con el resto del grupo. Cuntas de estas
parejas tendrn a una simptica y popular nia como uno de sus elementos?.
3. Un estudiante tiene cinco libros de literatura, tres de historia, cuatro de filosofa y dos de matemticas.
Arma un estante en donde colocar todos sus libros. De cuntas maneras diferentes puede colocarlos en
cada caso?
a) Si no hay condiciones para su colocacin.
b) Si coloca los libros de la misma materia siempre juntos.
c) Se coloca cada uno de los dos libros de matemticas en un extremo.
4. A una funcin de teatro asisten 7 amigos y se sientan en lugares contiguos. De cuntas maneras
pueden acomodar si son tres parejas que quieren sentarse juntas dos a dos y dejar al amigo sin pareja en
uno de los extremos?

13

2. PROBABILIDAD DE OCURRENCIA DE UN EVENTO
Al estudiar un fenmeno aleatorio es posible que queramos saber el resultado que podemos esperar en lugar de
otro, bajo ciertas condiciones. Para dar respuesta a esta inquietud es necesario conocer no slo todos los
resultados posibles del fenmeno sino tambin definir exactamente cada evento que se va a considerar y sus
posibilidades de ocurrencia.
La probabilidad de un evento de un espacio muestral es la razn entre el nmero de casos favorables del evento y
el nmero de casos posibles, siempre y cuando la ocurrencia de cada uno de estos sea igualmente posible.
Si EM es un espacio muestral de un experimento o fenmeno aleatorio y A es un evento de tal espacio, la
probabilidad del evento A, P(A), se define como la razn entre el nmero de elementos de A y el nmero de
elementos de EM
( )
Nmero de elementos de A
P A
Nmero de elementos de EM
=

2.1. PROBABILIDAD CONDICIONAL
Un evento es un subconjunto del espacio muestral de un experimento aleatorio. En probabilidad condicional la
ocurrencia de un evento condiciona la probabilidad de un segundo evento. Sin embargo, hay muchos casos donde
los eventos estn totalmente sin conexin, y la ocurrencia de uno de ellos no cambia la probabilidad de ocurrencia
del otro, en este caso se dice que son independientes.
Sean A y B dos eventos y sea P [B] 0., A y B son eventos independientes si: P [A/B] = P [A], como
consecuencia, si A y B son independientes y P [A/B] = P [AB] / P [B] = P[A] P [A B] = P[A] P [B] y
viceversa.
Dos eventos A y B son independientes si se cumple cualquiera de las siguientes condiciones:
1. P [A/B] = P[A]
2. P [B/A] = P[B]
3. P [A B] = P[A]P[B]
Observacin: la proposicin 3 se llama regla multiplicativa

2.2. REGLAS BSICAS DE PROBABILIDAD
Ya se mencion qu son los eventos mutuamente excluyentes
y los que no lo son. Hay una regla general para calcular la
probabilidad de eventos disyuntos, es decir, que son la
combinacin de eventos ms simples, donde puede ocurrir uno
u otro o ambos.
Sea
A un evento probable en un fenmeno aleatorio.
P(A) su probabilidad de ocurrencia.
B otro evento probable en el mismo fenmeno aleatorio.
P(B) su probabilidad de ocurrencia.

Entonces, si son eventos mutuamente excluyentes:
P(A o B) = P(A) + P(B)

Esto significa que la probabilidad de que ocurra cualquiera de
los dos es la suma de sus probabilidades.

Pero, si no son eventos mutuamente excluyentes: P(A o B) = P(A) + P(B)

Esto quiere decir que la probabilidad de que ocurra
uno de ellos o ambos es igual a la suma de sus
probabilidades menos la probabilidad de que ocurran
ambos.

Por otra parte, un par de eventos son independientes
si la ocurrencia de uno no afecta la ocurrencia del
14

2.2. REGLAS BSICAS DE PROBABILIDAD
Ya se mencion qu son los eventos mutuamente excluyentes
no lo son. Hay una regla general para calcular la
probabilidad de eventos disyuntos, es decir, que son la
combinacin de eventos ms simples, donde puede ocurrir uno
A un evento probable en un fenmeno aleatorio.
d de ocurrencia.
B otro evento probable en el mismo fenmeno aleatorio.
P(B) su probabilidad de ocurrencia.
Entonces, si son eventos mutuamente excluyentes:
Esto significa que la probabilidad de que ocurra cualquiera de
s es la suma de sus probabilidades.
Pero, si no son eventos mutuamente excluyentes: P(A o B) = P(A) + P(B) P(A y B)
Esto quiere decir que la probabilidad de que ocurra
uno de ellos o ambos es igual a la suma de sus
dad de que ocurran
Por otra parte, un par de eventos son independientes
si la ocurrencia de uno no afecta la ocurrencia del
otro. En una seleccin de elementos de un conjunto
dado, sin que los elementos se reintegren al
conjunto, cada seleccin af
ocurrencia de las subsiguientes. En este caso
tenemos eventos dependientes.

P(A y B)
otro. En una seleccin de elementos de un conjunto
dado, sin que los elementos se reintegren al
conjunto, cada seleccin afecta la probabilidad de
ocurrencia de las subsiguientes. En este caso
tenemos eventos dependientes.

15

Si dos eventos son independientes, la probabilidad
de ocurrencia de ambos se calcula multiplicando sus
individuales probabilidades asociadas:

P(A y B) = P(A) P(B)

Una probabilidad condicional, de un suceso, se
calcula con el conocimiento de otro suceso que ya
ocurri:

( )
( )
( )
P AyB
P B A
P A
=

Donde se espera que ocurra B, ya que A ya ocurri.

Ejemplo. Cul es la probabilidad de que se integre
un equipo de trabajo con dos mujeres y un hombre,
si se eligen al azar los integrantes de un grupo de
seis hombres y siete mujeres? .

Para resolver el problema primero necesitamos
saber cuntos equipos diferentes se pueden formar,
sabemos que el equipo es de tres integrantes y que
las personas que lo pueden formar son trece.

Debemos emplear el anlisis combinatorio.
Calculamos las combinaciones de trece elementos
tomados de tres en tres. En las calculadoras
cientficas se tiene la funcin para el clculo de
combinaciones, el smbolo es
n r
C .
Entonces calculamos
13 3
C .
El resultado es 286

Otra forma de calcularlos es con la expresin
( )
!
! !
n r
n
C
r n r
=

Ahora falta saber cuntos equipos se pueden formar
con dos mujeres y un hombre, para ello nuevamente
recurrimos al anlisis combinatorio. Puesto que la
idea de que un equipo est formado por dos mujeres
y un hombre de un total de siete mujeres y seis
hombres, se puede traducir en dos mujeres forman el
equipo de un total de siete y un hombre de un total
de seis. Al ser eventos independientes aplicamos la
regla descrita y adems el anlisis combinatorio.

( )
7 2 6 1
( ) C C Calculando esto, se obtiene el nmero
126
Entonces hay 126 maneras diferentes de formar un
equipo con dos mujeres y un hombre, adems hay
286 formas diferentes de integrar a los equipos. Por
lo tanto la probabilidad de que un equipo est
formado por dos mujeres y un hombre es:
126 63
0.4405 44.05%
286 143
P = = = =

16

EJERCICIOS
1. El gerente de un restaurante que slo da servicio mediante reservas sabe, por experiencia, que el 20% de las
personas que reservan una mesa no asistirn. Si el restaurante acepta 25 reservas pero slo dispone de 20
mesas, cul es la probabilidad de que a todas las personas que asistan al restaurante se les asigne una mesa?
2. Si lanzas un dado normal de seis caras dos veces, Cul es la probabilidad de obtener:
a) Pares de seis?
b) Sumas pares?
c) Sumas diez?
d) Sumas de a lo ms diez?
e) Sumas superior a diez)
3. Una bolsa contiene seis bolas azules, cuatro bolas rojas, tres bolas verdes y una bola negra. Si extraes al azar
un par de bolas, cul es la probabilidad de que:
a) Salga una negra?
b) No salga ninguna verde?
c) Ambas sean azules?
d) Las dos sean diferentes?
e) Las dos sean del mismo color?
4. Un avin de alto rendimiento contienen tres computadoras idnticas. Se utiliza nicamente una para operar el
avin; las dos restantes son repuestos que pueden activarse en caso de que el sistema primario falle. Durante una
hora de operacin la probabilidad de que una falle en la computadora primaria( o de cualquiera de los sistemas de
repuesto activados) es 0,0005. Suponiendo que cada hora representa un ensayo independiente,
(a) Cul es el tiempo promedio para que fallen las tres computadoras?
(b) Cul es la probabilidad de que las tres computadoras fallen en un vuelo de 5 horas?

5. De una bolsa que tiene cinco bolas rojas y tres azules se saca una bola y luego se saca la otra.
a) cul es el espacio muestral si la primera se devuelve a la bolsa antes de sacar la segunda? (con
reposicin).
b) Cul es el espacio muestral si la primera no se devuelve antes de sacar la segunda (Sin reposicin).
c) Cul es la probabilidad de que las dos bolas sacadas sean del mismo color si no hubo reposicin? Cul
si hubo reposicin?.
6. Un lote contiene 100 piezas de un proveedor de tubera local y 200 unidades de un proveedor de tubera del
estado vecino. Si se seleccionan cuatro piezas al azar y sin reemplazo,
a) cul es la probabilidad de que todas sean del proveedor local?
b) Cul es la probabilidad de que dos o ms piezas de la muestra sean del proveedor local?
c) Cul es la probabilidad de que al menos una pieza de la muestra sea del proveedor local?
7. Si lanzas 3 monedas simultneamente, Cul es la probabilidad de que el lanzamiento sea:
a) Tres caras o tres sellos?
b) Por lo menos una cara?
c) Ninguna cara?

17

UNIDAD 2
1. VALOR ESPERADO Y VARIANZA
1.1. VALOR ESPERADO

El valor esperado es un concepto fundamental en el
estudio de las distribuciones de probabilidad. Desde
hace muchos aos este concepto ha sido aplicado
ampliamente en el negocio de seguros y en los
ltimos veinte aos ha sido aplicado por otros
profesionales que casi siempre toman decisiones en
condiciones de incertidumbre.
Para obtener el valor esperado de una variable
aleatoria discreta, multiplicamos cada valor que sta
puede asumir por la probabilidad de ocurrencia de
ese valor y luego sumamos los productos. Es un
promedio ponderado de los resultados que se
esperan en el futuro.
Sea X una Variable Aleatoria que toma valores en un
conjunto discreto (en un conjunto finito de nmeros
en uno infinito como: los naturales, los enteros o los
racionales), por ejemplo si la variable aleatoria X
toma los siguientes valores:
X = 0, 1, 2, 3, decimos que es discreta
La probabilidad de que X tome cada uno de sus
valores viene dada por la funcin de probabilidad:
P(X = i ), para i = 0, 1, 2, 3, ... ;
Sea P(X = i ) = p
i
para i = 0, 1, 2, 3, ... Se tiene que
p
1
+ p
2
+ p
3
+...+ p
n
+... = 1
Se define el Valor Esperado de una Variable
Aleatoria con distribucin discreta como:

Y para una variable aleatoria con distribucin
continua como:

1.1.1. Propiedades del valor esperado
1.1.1.1. Al multiplicar todos los valores de una
variable por una misma constante, el valor
esperado de sta queda multiplicado por el valor
de la constante.

1.1.1.2. Al sumar a todos los valores de una
variable una misma constante, el valor esperado
de sta queda incrementado por el valor de la
constante.

18

1.1.1.3. Si tenemos dos variables X e Y, discretas
o continuas, el valor esperado de su suma o
diferencia es la suma o diferencia de sus valores
esperados

E[X Y] = E[X] E[Y]
1.1.1.4. Si las variables anteriores, X e Y son
variables aleatorias independientes ocurre que el
valor esperado de su producto es igual al
producto de sus valores esperados.

E[X Y] = E[X] E[Y]
Es importante indicar que la independencia de las
variables es condicin suficiente pero no necesaria
para que el valor esperado del producto de dos
variables sea igual al producto de sus valores
esperados, es decir, sta es una propiedad de las
variables independientes pero se cumple en
variables que no son independientes.

EJERCICIOS
1. Lanzamos dos monedas. Si salen dos caras
recibimos 3 pesos, si sale una cara recibimos 1 peso
y si no sale ninguna cara pagamos 5 pesos .Cul
es la ganancia media del juego?
2. Hallar el valor esperado de la variable aleatoria X,
dada por la funcin de probabilidad:

3. Una caja contiene 8 bombillos, de los cuales estn
3 estn defectuosos. Se selecciona un bombillo de la
caja y se prueba. Si este sale defectuoso se
selecciona y se prueba otro bombillo, hasta que se
escoja un bombillo no defectuoso. Encuentre el
nmero esperado E de bombillos seleccionados.
4. La probabilidad de que una casa de cierto tipo
quede destruida por un incendio en cualquier perodo
de doce meses es de 0.005. Una compaa de
seguros ofrece al propietario una pliza de seguros
contra incendio por $20,000 (dlares) a un ao con
una prima de $150 dlares. Cul es la ganancia
esperada de la compaa?

19

1.2. VARIANZA
La desviacin media es una medida de dispersin de
datos correcta pero presenta un inconveniente y es
la complejidad de manipulacin al intervenir valores
absolutos. Sera conveniente encontrar otra medida
que no presente el problema inicial (que no se
compensen las dispersiones negativas con las
positivas) y cuyo manejo se hace ms sencillo. Otra
forma de evitar la compensacin de dispersiones es
elevar al cuadrado la diferencia y es ms sencillo
trabajar con cuadrados que con valores absolutos,
teniendo en cuenta esta consideracin introducir-
mos el concepto de varianza.
La varianza es la media aritmtica del cuadrado de
las desviaciones respecto a la media de una
distribucin estadstica. Es decir que la varianza
de una variable es igual a la media de los cuadrados
menos el cuadrado de la media.

La varianza de una variable mide la dispersin de
sus valores respecto al valor central .

Para calcular la varianza por un mtodo ms sencillo
se utiliza la expresin:

El principal problema de la varianza es que se
expresa en unidades cuadrticas que no siempre
tienen una interpretacin clara. Para obviar este
problema se define otra medida de la dispersin que
es la desviacin tpica,
X
, o simplemente , que se
calcula como la raz cuadrada positiva de la varianza;
evidentemente, la desviacin tpica se mide en las
mismas unidades que la variable

No obstante, la desviacin tpica no resuelve todos
los problemas que se pueden plantear, como por
ejemplo la comparacin de situaciones en las que la
unidad de medida o el orden de magnitud de esta
sea diferente. Para resolver esta cuestin se define
una medida adimensional de la variabilidad que es
el coeficiente de variacin, C V, que se calcula
como el cociente entre la desviacin tpica y la media
(a veces este cociente se expresa en tanto por ciento
multiplicndolo por 100).

En este contexto de la medida de la variacin se
plantea el problema de medir la variacin conjunta de
variables de variables asociadas.
Supongamos que tenemos dos variables aleatorias X
e Y, discretas o continuas, con funcin de
probabilidad o densidad conjunta f(x,y) y definimos
una funcin z(x,y) igual al producto de las
desviaciones de cada valor a su media respectiva (es
decir, z(x,y) tiene la misma estructura que (X - )
2
=
(X - ) (X - ) si sustituimos una vez a X por Y).

1.2.1. Varianza para datos agrupados
Para si mpl ifi car el cl cul o de la varianza
equi valent es a l as anteriores.
1.2.2. Varianza para datos NO agrupados

Ejemplo:
Calcular la varianza de la distri buci n:
9, 3, 8, 8, 9, 8, 9, 18
1.2.3. Propiedades
Como sumamos cuadrados la varianza siempre es positiva y ser nula cuando todos los valores de la
variable sean coincidentes y por tanto iguales a la varianza.
Al elevar al cuadrado elevamos la unid
Al elevarse al cuadrado las desviaciones aquellos valores ms alejados de la media afectarn mucho a la
varianza.
Es invariante ante cambios de origen.
Si se produce un cambio de escala la nueva varianza es i
del cambio.
Si se produce simultneamente un cambio de origen y escala en los datos, slo el cambio de escala
afectar a la varianza.

20
. Varianza para datos agrupados
cl cul o de la vari anza vamos o uti l i zar l as si gui entes expresi ones que son

Varianza para datos NO agrupados
tri buci n:

variable sean coincidentes y por tanto iguales a la varianza.
Al elevar al cuadrado elevamos la unidad de medida de las observaciones al cuadrado.
Es invariante ante cambios de origen.
un cambio de escala la nueva varianza es igual a la anterior multiplicada por el cuadrado

vamos o uti l i zar l as si gui entes expresi ones que son

ad de medida de las observaciones al cuadrado.
gual a la anterior multiplicada por el cuadrado

21

EJERCICIOS
1) Sumando 5 a cada nmero del conjunto 3, 6, 2, 1, 7, 5, obtenemos 8, 11, 7, 6, 12, 10. Probar que ambos
conjuntos de nmeros tienen la misma desviacin tpica pero diferentes medias cmo estn relacionadas las
medias?.

2) Multiplicando cada nmero 3, 6, 2, 1, 7 y 5 por 2 y sumando entonces 5, obtenemos el conjunto 11, 17, 9 7, 19
15. Cul es la relacin entre la desviacin tpica de ambos conjuntos? Y entre las medias?

3) Tenemos una variable X de la que sabemos que: CV = 0,5 y que Sx = 3. Cul es el valor de la media de X?.

4) Tenemos dos variables X e Y con el mismo recorrido y media, siendo sus varianzas 4 y 9 respectivamente.
Para cual de las dos variables el valor de la media es ms representativo?

2. DISTRIBUCIN BINOMIAL
Una variable aleatoria X se llama binomial si su valor
es igual al nmero de xitos que ocurren en n
pruebas independientes, teniendo todas ellas la
misma probabilidad de xito, que designamos por p.
Su funcin de probabilidad es:

Si una variable X sigue la distribucin binomial de
parmetros n y p suele designarse como:

Las constantes n y p son los parmetros de la
distribucin; obviamente, n > 0 es un nmero entero
y 0 p 1. La probabilidad de obtener fracaso es
1p y se designa con la letra q de forma que p + q =
1.

El clculo de la media, la varianza y la desviacin
tpica es algo laborioso y resulta:

Experiencias binomiales. Toda experiencia aleatoria
que presenta dos resultados posibles, uno que
jamos como exito y lo contrario como fracaso se
suele denominar de tipo Bernouilli.

Por ejemplo las siguientes experiencias son de tipo
Bernouilli:

Jugar a cara o cruz.
El nacimiento de un nio (varn o mujer)
Obtener un 4 en el lanzamiento de un dado.
Obtener un nmero par en el lanzamiento de un
dado.
Obtener copas al extraer una carta de la baraja
espaola.
La fabricacin de una pieza en una factora
(aceptable o defectuosa).
El resultado de una operacin (xito o fracaso).
El lanzamiento a una canasta (encestar o fallar).
Aprobar o suspender un examen.

Cuando se realizan n pruebas independientes de tipo
Bernouilli decimos que es una experiencia aleatoria
de tipo Binomial.

Por ejemplo las siguientes experiencias son de tipo
Binomial:

Jugar 10 veces a cara o cruz .
Observar 30 nacimientos de un beb (nia o nio)
Obtener el 4 en el lanzamiento de 15 dados.
Obtener copas al extraer una carta 8 veces de la
baraja espaola.
La fabricacin de 1000 piezas en un factora
(aceptable o defectuosa).
El resultado de 50 operaciones ( o fracaso).
El lanzamiento a una canasta n veces (encestar o
fallar).

EJERCICIOS

1. La probabilidad de que cierto jugador de baloncesto enceste una canasta de 3 puntos es 0.3. Cul es la
probabilidad de que enceste, exactamente dos canastas de cinco lanzamientos?

2. La probabilidad de que un estudiante que ingresa en la universidad se licencie en 5 aos es de 0.4. Se eligen al
azar 10 estudiantes. Calcular la probabilidad de que:
a) Ninguno se licencie en 5 aos.
b) Todos se licencien en 5 aos.
c) Un nico estudiante se licencie en 5 aos.

3. Una mquina produce 12 piezas defectuosas de cada mil que fabrica. Hallar la probabilidad de que al examinar
40 piezas:
a) Solo haya una defectuosa.
b) No haya ninguna defectuosa.

4. En un grupo de 20 estudiantes de un instituto se ha comprobado que cada alumno falta a c
das. Calcular la probabilidad de que en un da determinado:
a) No se registre ninguna falta.
b) Falten a clase menos de 3 estudiantes.
c) Falte a clase un nico estudiante.

5. En una determinada ciudad, la probabilidad del nacimiento de una nia
de cinco hijos. Calcular la probabilidad de que:
a) Tenga exactamente 3 nias.
b) Tenga al menos dos nias.
c) Cul es el nmero medio de hijas en las familias con cinco hijos?.

3. DISTRIBUCIN DE POISSON

En teora de probabilidad y estadstica
distribucin de Poisson es una
probabilidad discreta que expresa, a partir de un
frecuencia de ocurrencia media, la probabilidad que
ocurra un determinado nmero de eventos durante
cierto periodo de tiempo.
Fue descubierta por Simon-Denis Poisson
dio a conocer en 1838 en su trabajo
sobre la probabilidad de los juicios en materias
criminales y civiles).

3.1. PROPIEDADES
La funcin de masa de la distribucin de Poisson es
22
probabilidad de que enceste, exactamente dos canastas de cinco lanzamientos?
udiante que ingresa en la universidad se licencie en 5 aos es de 0.4. Se eligen al
azar 10 estudiantes. Calcular la probabilidad de que:
Ninguno se licencie en 5 aos.
Todos se licencien en 5 aos.
Un nico estudiante se licencie en 5 aos.
a produce 12 piezas defectuosas de cada mil que fabrica. Hallar la probabilidad de que al examinar

No haya ninguna defectuosa.
4. En un grupo de 20 estudiantes de un instituto se ha comprobado que cada alumno falta a c
das. Calcular la probabilidad de que en un da determinado:
No se registre ninguna falta.
Falten a clase menos de 3 estudiantes.
Falte a clase un nico estudiante.
5. En una determinada ciudad, la probabilidad del nacimiento de una nia es del 56%. Seleccionamos una familia
de cinco hijos. Calcular la probabilidad de que:
Tenga exactamente 3 nias.

Cul es el nmero medio de hijas en las familias con cinco hijos?.
estadstica, la
es una distribucin de
expresa, a partir de una
frecuencia de ocurrencia media, la probabilidad que
ocurra un determinado nmero de eventos durante
Denis Poisson, que la
en su trabajo (Investigacin
sobre la probabilidad de los juicios en materias
La funcin de masa de la distribucin de Poisson es

donde
k es el nmero de ocurrencias del evento o
fenmeno (la funcin nos da la probabilidad de
que el evento suceda precisamente
es un parmetro positivo que representa el
nmero de veces que se espera que ocurra el
fenmeno durante un intervalo dado. Por
ejemplo, si el suceso estudiado tiene lugar en
promedio 4 veces por minuto y estamos
interesados en la probabilidad de que
ocurra k veces dentro de un intervalo de 10
minutos, usaremos un modelo de distribucin de
Poisson con = 10
e es la base de los logaritmos naturales (e =
2,71828 ...)

udiante que ingresa en la universidad se licencie en 5 aos es de 0.4. Se eligen al
a produce 12 piezas defectuosas de cada mil que fabrica. Hallar la probabilidad de que al examinar
4. En un grupo de 20 estudiantes de un instituto se ha comprobado que cada alumno falta a clase el 4% de los
es del 56%. Seleccionamos una familia
es el nmero de ocurrencias del evento o
fenmeno (la funcin nos da la probabilidad de
que el evento suceda precisamente k veces).
metro positivo que representa el
nmero de veces que se espera que ocurra el
fenmeno durante un intervalo dado. Por
ejemplo, si el suceso estudiado tiene lugar en
promedio 4 veces por minuto y estamos
interesados en la probabilidad de que
veces dentro de un intervalo de 10
minutos, usaremos un modelo de distribucin de
= 104 = 40.
es la base de los logaritmos naturales (e =

Tanto el valor esperado como la
variable aleatoria con distribucin de Poisson son
iguales a . Los momentos de orden superior
son polinomios de Touchard en cuyos coeficientes
tienen una interpretacin combinatori
cuando el valor esperado de la distribucin de
Poisson es 1, entonces segn la
La funcin generadora de momentos

Las variables aleatorias de Poisson tienen la propiedad de ser

La divergencia Kullback-Leibler desde una variable aleatoria de Poisson de parmetro

3.2. RELACIN CON OTRAS DISTRIBUCIONES

3.2.1. Sumas de variables aleatorias de Poisson
La suma de variables aleatorias de Poisson
independientes es otra variable aleatoria de Poisson
cuyo parmetro es la suma de los parmetros de las
originales. Dicho de otra manera, si

son N variables aleatorias de Poisson
tes, entonces:

3.2.2. Distribucin binomial. La distribucin de
Poisson es el caso lmite de la distribucin binomial
De hecho, si los parmetros
distribucin binomial tienden a infinito y a cero de
23
varianza de una
variable aleatoria con distribucin de Poisson son
de orden superior
cuyos coeficientes
combinatoria. De hecho,
cuando el valor esperado de la distribucin de
Poisson es 1, entonces segn la frmula de
Dobinski, el n-simo momento iguala al nmero
de particiones de tamao
La moda de una variable aleatoria de distribucin de
Poisson con un no entero es igual a
de los enteros menores que
representan la funcin
entero positivo, las modas son
funcin generadora de momentos de la distribucin de Poisson con valor esperado
Las variables aleatorias de Poisson tienen la propiedad de ser infinitamente divisibles
desde una variable aleatoria de Poisson de parmetro
OTRAS DISTRIBUCIONES
Sumas de variables aleatorias de Poisson.
La suma de variables aleatorias de Poisson
independientes es otra variable aleatoria de Poisson
cuyo parmetro es la suma de los parmetros de las

variables aleatorias de Poisson independien-
.
La distribucin de
distribucin binomial.
De hecho, si los parmetros n y de una
distribucin binomial tienden a infinito y a cero de
manera que
distribucin lmite obtenida es de Poisson.

3.2.3. Aproximacin normal
del teorema central del lmite
de , una variable aleatoria de Poisson
aproximarse por otra normal

converge a una distribucin normal de media nula y
varianza 1.

3.2.4. Distribucin exponencial
para cada valor t > 0, que representa el tiempo, el
nmero de sucesos de cierto fenmeno aleatorio
sigue una distribucin de Poisson de parmetro
Entonces, los tiempos discurridos entre dos sucesos
sucesivos sigue la distribucin exponencial

simo momento iguala al nmero
de tamao n.
de una variable aleatoria de distribucin de
no entero es igual a , el mayor
de los enteros menores que (los smbolos
funcin parte entera). Cuando es un
entero positivo, las modas son y 1.
n valor esperado es

sibles.
desde una variable aleatoria de Poisson de parmetro
0
a otra de parmetro es

se mantenga constante, la
distribucin lmite obtenida es de Poisson.
Aproximacin normal. Como consecuencia
teorema central del lmite, para valores grandes
, una variable aleatoria de Poisson X puede
normal dado que el cociente

converge a una distribucin normal de media nula y
Distribucin exponencial. Supngase que
> 0, que representa el tiempo, el
nmero de sucesos de cierto fenmeno aleatorio
sigue una distribucin de Poisson de parmetro t.
Entonces, los tiempos discurridos entre dos sucesos
distribucin exponencial.

EJEMPLO:
Si el 2% de los libros encuadernados en cierto taller
tiene encuadernacin defectuosa, para obtener la
probabilidad de que 5 de 400 libros encuadernados
en este taller tengan encuadernaciones defectuosas
usamos la distribucin de Poisson. En este caso
concreto, k es 5 y , , el valor esperado de libros
defectuosos es el 2% de 400, es decir, 8. Por lo
tanto, la probabilidad buscada es
Este problema tambin podra resolverse recurriendo
a una distribucin binomial de parmetros k = 5, n =
400 y =0,02.

3.3. PROCESOS DE POISSON

La distribucin de Poisson se aplica a varios
fenmenos discretos de la naturaleza (esto es,
aquellos fenmenos que ocurren 0, 1, 2, 3,... veces
durante un periodo definido de tiempo o en un rea
determinada) cuando la probabilidad de ocurrencia
del fenmeno es constante en el tiempo o el espacio.

24
Si el 2% de los libros encuadernados en cierto taller
tiene encuadernacin defectuosa, para obtener la
probabilidad de que 5 de 400 libros encuadernados
ngan encuadernaciones defectuosas
usamos la distribucin de Poisson. En este caso
, el valor esperado de libros
defectuosos es el 2% de 400, es decir, 8. Por lo

Este problema tambin podra resolverse recurriendo
de parmetros k = 5, n =
La distribucin de Poisson se aplica a varios
fenmenos discretos de la naturaleza (esto es,
aquellos fenmenos que ocurren 0, 1, 2, 3,... veces
durante un periodo definido de tiempo o en un rea
determinada) cuando la probabilidad de ocurrencia
del fenmeno es constante en el tiempo o el espacio.
Ejemplos de estos eventos que pueden ser
modelados por la distribucin de Poisson incluyen:
El nmero de autos que pasan a travs de un
cierto punto en una ruta (suficientemente
distantes de los semforos) durante un periodo
definido de tiempo.
El nmero de errores de ortografa que uno
comete al escribir una nica pgina.
El nmero de llamadas telefnica
central telefnica por minuto.
El nmero de servidores web
minuto.
El nmero de animales muertos encontrados por
unidad de longitud de ruta.
El nmero de m
cadena de ADN despus de cierta cantidad de
radiacin.
El nmero de ncleos atmicos inestables que
decayeron en un determinado perodo
El nmero de estrellas en un determinad
volumen de espacio.
La distribucin de receptores visuales en
la retina del ojo humano.
La inventiva de un invento
carrera.

Ejemplos de estos eventos que pueden ser
modelados por la distribucin de Poisson incluyen:
de autos que pasan a travs de un
cierto punto en una ruta (suficientemente
distantes de los semforos) durante un periodo
definido de tiempo.
El nmero de errores de ortografa que uno
comete al escribir una nica pgina.
El nmero de llamadas telefnicas en una
central telefnica por minuto.
servidores web accedidos por
El nmero de animales muertos encontrados por
unidad de longitud de ruta.
El nmero de mutaciones de determinada
despus de cierta cantidad de
El nmero de ncleos atmicos inestables que
decayeron en un determinado perodo
El nmero de estrellas en un determinado
volumen de espacio.
La distribucin de receptores visuales en
del ojo humano.
de un inventor a lo largo de su

25

EJERCICIOS
1. Una empresa electrnica observa que el nmero de componentes que fallan antes de cumplir 100 horas de
funcionamiento es una variable aleatoria de Poisson. Si el nmero promedio de estos fallos es ocho,
a) cul es la probabilidad de que falle un componente en 25 horas?
b) y de que fallen no ms de dos componentes en 50 horas?
c) cul es la probabilidad de que fallen por lo menos diez en 125 horas?

2. Supongamos que el nmero de imperfecciones en un alambre delgado de cobre sigue una distribucin Poisson
con una media de 2.3 imperfecciones por milmetro.
a) Determine la probabilidad de 2 imperfecciones en un milmetro de alambre.
b) Determine la probabilidad de 10 imperfecciones en 5 milmetros de alambre.
c) Determine la probabilidad de al menos una imperfeccin en 2mm de alambre

3. La contaminacin constituye un problema en la fabricacin de discos de almacenamiento ptico. El nmero de
partculas de contaminacin que ocurre en un disco ptico tiene una distribucin de Poisson y el nmero
promedio de partculas por centmetro cuadrado de superficie del disco es 0.1. El rea de un disco bajo estudio es
100 centmetros cuadrados.
a) Encuentre la probabilidad de que ocurran 12 partculas en el rea del disco bajo estudio.
b) La probabilidad de que ocurran cero partculas en el rea del disco bajo estudio
c) Determine la probabilidad de que 12 o menos partculas ocurran en el rea del disco bajo estudio

4. DISTRIBUCIN NORMAL
La funcin de distribucin normal juega un papel
central en la estadstica ya que, adems de sus
interesantes propiedades de reproductividad y de
aproximacin de otras distribuciones, sirve para
modelizar una gran cantidad de situaciones
prcticas.
La importancia de esta distribucin radica en que
permite modelar numerosos fenmenos naturales,
sociales y psicolgicos. Mientras que los
mecanismos que subyacen a gran parte de este tipo
de fenmenos son desconocidos, por la enorme
cantidad de variables incontrolables que en ellos
intervienen, el uso del modelo normal puede
justificarse asumiendo que cada observacin se
obtiene como la suma de unas pocas causas
independientes.
De hecho, la estadstica es un modelo matemtico
que slo permite describir un fenmeno, sin
explicacin alguna. Para la explicacin causal es
preciso el diseo experimental, de ah que al uso de
la estadstica en psicologa y sociologa sea conocido
como mtodo correlacional.
La distribucin normal tambin es importante por su
relacin con la estimacin por mnimos cuadrados,
uno de los mtodos de estimacin ms simples y
antiguos.
Algunos ejemplos de variables asociadas a
fenmenos naturales que siguen el modelo de la
normal son:
caracteres morfolgicos de individuos como
la estatura;
caracteres fisiolgicos como el efecto de un
frmaco;
caracteres sociolgicos como el consumo de
cierto producto por un mismo grupo de
individuos;
caracteres psicolgicos como el cociente intelec-
tual;
nivel de ruido en telecomunicaciones;
errores cometidos al medir ciertas magnitudes;
etc.
La distribucin normal tambin aparece en muchas
reas de la propia estadstica. Por ejemplo,
la distribucin muestral de las medias muestrales es

aproximadamente normal, cuando la distribucin de
la poblacin de la cual se extrae la muestra no es
normal. Adems, la distribucin normal maximiza la
entropa entre todas las distribuciones con media
y varianza conocidas, lo cual la convierte en la
eleccin natural de la distribucin subyacente a una
lista de datos resumidos en trminos de media
muestral y varianza. La distribucin normal es la ms
extendida en estadstica y muchos tests estadsticos
estn basados en una supuesta "normalidad".
En probabilidad, la distribucin normal aparece como
el lmite de varias distribuciones de probabilidad
continuas y discretas.

Una variable aleatoria X se dice
distribucin de probabilidades normal con media y
varianza
2
y se denomina N(,
2
) si su funci
densidad es de la forma:
donde (mu) es la media y
la desviacin estndar (
2
es la varianza
Se llama distribucin normal "estndar"
en la que sus parmetros toman los valores
y = 1. En este caso la funcin de densidad tiene la
siguiente expresin:
En la gura se muestra la funcin de densidad y se
aprecia que es simtrica respecto de x = y los
puntos de inexin de la funcin de densidad se
encuentran a una distancia de la media.

26
aproximadamente normal, cuando la distribucin de
la poblacin de la cual se extrae la muestra no es
Adems, la distribucin normal maximiza la
entre todas las distribuciones con media
conocidas, lo cual la convierte en la
eleccin natural de la distribucin subyacente a una
lista de datos resumidos en trminos de media
muestral y varianza. La distribucin normal es la ms
extendida en estadstica y muchos tests estadsticos
estn basados en una supuesta "normalidad".
obabilidad, la distribucin normal aparece como
el lmite de varias distribuciones de probabilidad
Una variable aleatoria X se dice que tiene una
n de probabilidades normal con media y
) si su funcin de

y (sigma) es
arianza).
distribucin normal "estndar" a aqulla
en la que sus parmetros toman los valores = 0
= 1. En este caso la funcin de densidad tiene la

n de densidad y se
trica respecto de x = y los
n de densidad se
de la media.
En la gura se muestran dos distribuciones
normales, con media = 0 y
1 y = 0.5. Como las dos tienen la
0, la funcin roja es mas alargada pues tiene menos
variabilidad que la azul.
4.1. LA NORMAL N(0; 1)
La normal tpica, tiene media = 0 y desviaci
tpica = 1, N(0; 1) y se designa con la letra z.
Para calcular las probabilidades
P(Z z0) = (z0)
se disea una tabla que proporciona las respectivas
probabilidades.

gura se muestran dos distribuciones
normales, con media = 0 y desviaciones tpicas =
= 0.5. Como las dos tienen la misma media =
n roja es mas alargada pues tiene menos
azul.

4.1. LA NORMAL N(0; 1)
pica, tiene media = 0 y desviacin
= 1, N(0; 1) y se designa con la letra z.
Para calcular las probabilidades

a una tabla que proporciona las respectivas

27

Ejemplo:
Si z es normal N
z
(0; 1) hallar: P(z 0) P(z
Solucin:
Ahora vas a manejar la tabla en forma inversa. Nos dan la probabilidad
acumula dicha probabilidad.
Ejemplo: Hallar z
0
de la normal N
z
(0; 1) en cada caso:
P(z < z
0
) = 0.7019 P(z < z
1
) = 0.8997 P(z < z
Solucin:
28
0) P(z 1) P(z 2)
Ahora vas a manejar la tabla en forma inversa. Nos dan la probabilidad y calculamos el valor de la variable z
(0; 1) en cada caso:
) = 0.8997 P(z < z
2
) = 0.9625

culamos el valor de la variable z
0
que

4.2. TIPIFICAR UNA VARIABLE NORMAL
Cuando tenemos una variable normal N(;
calcular las probabilidades se efect
variable que la convierte en una del tipo
A esta variable se la llama normalizada o tipi
De esta forma, slo es necesario disponer de la tabla
correspondiente a la N(0, 1) para realizar un
dado, ya que:

Ejemplo: Si X es normal N(5; 2) hallar P(X < 8).
Solucin:
EJERCICIOS
UTILIZA LA TABLA N(0,1)
1. Si X es normal N(5; 2) hallar:
P(X < 8) P(X < 2) P(2 < X < 8)
2. En una distribucin normal N (18;4), hal
siguientes probabilidades:
a) P(x < 18)
b) P(x < 20)
c) P(x > 16, 5)
d) P(x < 11)
e) P(19 < x < 23)
f) P(11 < x < 25)

3. En la distribucin normal N
z
valor de z
0
en cada caso:
29
4.2. TIPIFICAR UNA VARIABLE NORMAL
le normal N(; ), para
calcular las probabilidades se efecta un cambio de
variable que la convierte en una del tipo N(0; 1):

A esta variable se la llama normalizada o tipicada.
necesario disponer de la tabla
N(0, 1) para realizar un clculo

Si X es normal N(5; 2) hallar P(X < 8).

2. En una distribucin normal N (18;4), hallar las
z
(0; 1), hallar el

a) P(z < z0) = 0.50
b) P(z < z0) = 0.8729
c) P(z < z0) = 0.3300
d) P(z > z0) = 0.9015
e) P(z < z0) = 0.9971
f) P(z > z0) = 0.1190

4. Si la estatura X de 500 estudiantes es normal
de media 172 cm y desviacin tpica 5 cm, hallar
el nmero de estudiantes con estatura a) entre
170 y 175 cm b) mayor de 180 cm.

5. La temperatura T durante el mes de mayo est
distribuida de forma normal con media 21 y
desviacin tpica 4. Hallar el nmero de das
esperados en que haya una temperatura entre 19
y 23.

6. El tiempo en das de duracin de los focos
producidos por una empresa, es una variable
normal de media 780 y desviacin tpica de 40
das. Calclese el porcentaje de focos con una
duracin superior a 800 das.

7. Los pesos de los individuos de una poblaci
se distribuyen normalme
desviacin tpica 5 kg. Calcular:
a) La probabilidad de q
est comprendido entre
b) La probabilidad de que un individuo pese m
100 kg.

8. En una panadera se cortan panecillos con un
peso que se ajusta a una variable norm
media 100 g y desviacin tpica 9 g. Cul es la
probabilidad de obtener un panecillo cuyo peso
oscile entre 80 g y la media?

9. La distribucin de la duraci
en mujeres es aproxima
media 266 das y desviaci
Calcular:
a) La probabilidad de que un embarazo dure m
242 das.
b) El 20% de los embarazos duran menos de
cuntos das?
c) El 50% de los embarazos duran menos de
cuntos das?

4. Si la estatura X de 500 estudiantes es normal
de media 172 cm y desviacin tpica 5 cm, hallar
el nmero de estudiantes con estatura a) entre
170 y 175 cm b) mayor de 180 cm.
5. La temperatura T durante el mes de mayo est
distribuida de forma normal con media 21 y
desviacin tpica 4. Hallar el nmero de das
esperados en que haya una temperatura entre 19
6. El tiempo en das de duracin de los focos
una empresa, es una variable
normal de media 780 y desviacin tpica de 40
das. Calclese el porcentaje de focos con una
duracin superior a 800 das.
7. Los pesos de los individuos de una poblacin
normalmente con media 70 kg y
pica 5 kg. Calcular:
a) La probabilidad de que el peso de un individuo
comprendido entre 65 y 80 kg.
b) La probabilidad de que un individuo pese ms de
8. En una panadera se cortan panecillos con un
peso que se ajusta a una variable normal de
media 100 g y desviacin tpica 9 g. Cul es la
probabilidad de obtener un panecillo cuyo peso
oscile entre 80 g y la media?
n de la duracin de un embarazo
es aproximadamente normal con
as y desviacin tpica 16 das.
a) La probabilidad de que un embarazo dure ms de
b) El 20% de los embarazos duran menos de
c) El 50% de los embarazos duran menos de

30

UNIDAD 3

1. TEORA DE LA METODOLOGA DE LA INVESTIGACIN CIENTFICA
El mtodo es el modelo de trabajo o secuencia lgica
que orienta la investigacin, ahora bien el estudio del
mtodo o de los mtodos se llama metodologa.
El mtodo cientfico (del griego: -meta = hacia, a lo
largo -odos = camino-; camino), es decir que se trata
del camino que debe seguir el cientfico para el logro
del conocimiento.
El mtodo cientfico est sustentado por dos
pilares fundamentales.
El primero de ellos es la reproducibilidad, es decir,
la capacidad de repetir un determinado experimento
en cualquier lugar y por cualquier persona. Este pilar
se basa, esencialmente, en la comunicacin y
publicidad de los resultados obtenidos.
El segundo pilar es la falsabilidad. Es decir, que
toda proposicin cientfica tiene que ser susceptible
de ser falsada, esto implica que se pueden disear
experimentos que en el caso de dar resultados
distintos a los predichos negaran la hiptesis puesta
a prueba.
La sistematizacin de los mtodos cientficos es una
materia compleja y tediosa. No existe una nica
clasificacin, ni siquiera a la hora de considerar
cuntos mtodos distintos existen. Sin embargo aqu
se presenta una clasificacin que cuenta con cierto
consenso dentro de la comunidad cientfica.
Adems es importante saber que ningn mtodo es
un camino infalible para el conocimiento, todos
constituyen una propuesta racional para llegar a su
obtencin.

1.1. COMPONENTES DE UN PROYECTO DE
INVESTIGACIN
La investigacin cientfica es la actividad que nos
permite obtener conocimientos cientficos, es decir,
conocimientos objetivos, sistemticos, claros,
organizados y verificables. En el caso de la vida real,
el proceso para apropiarse del conocimiento es
continuo y muy desordenado. En el caso de la
investigacin cientfica debemos tener en cuenta que
se trata de una experiencia creativa donde no
pueden excluirse la intuicin ni la subjetividad.
Para recorrer este camino es necesario respetar
algunas grandes fases o momentos:
1.1.1. Fase Proyectiva: Es el primer momento
donde el investigador ordena y sistematiza sus
inquietudes, formula sus preguntas y elabora
organizadamente los conocimientos que constituyen
su punto de partida, revisando y asimilando lo que se
ya se conoce respecto al problema que se ha
planteado. Es el momento que se atiende a la
racionalidad y a lograr la coherencia lgica del marco
terico y de la investigacin en general.
1.1.2. Fase Metodolgica: es donde el investigador
fija la estrategia ante el objeto de estudio, es cuando
formula el modelo operativo para apropiarse del
conocimiento. La preocupacin mayor durante toda
esta fase es la de elaborar sistemas de
comprobacin lo ms confiables posibles.
1.1.3. Fase Tcnica: Es abordar las formas y
procedimientos concretos que nos permitan
recolectar y organizar la informaciones que
necesitamos. Es esta fase se obtiene la informacin
y adems se redefinen y ponen a punto las tcnicas
y los instrumentos que se emplean en la
investigacin.
1.1.4. Fase de Sntesis: Se inicia cuando el
investigador dispone de los datos que le proporciona
el objeto de estudio, y as se puede elaborar los
nuevos conocimientos.

31

En toda investigacin cientfica se necesitan de tres
elementos componentes:
- El sujeto de la investigacin (el investigador).
- El objeto de estudio, que son la infinidad de temas
y problemas moviliza al investigador.
- El mtodo cientfico, que es el procedimiento o
conjunto de procedimientos que se utilizan para
obtener conocimientos cientficos.
1.2. TIPOS DE INVESTIGACIN
Las investigaciones podrn clasificarse de acuerdo a lo expresado ms abajo, lo cual no quiere decir
que se la nica clasificacin, sino que segn el autor o el rea del conocimiento a que se refiera podr
existir distintas forma de clasificarse.

32

33

1.3. ORGANIZACIN DE LA INFORMACIN

1) Todo esquema sobre el proceso de investigacin
tiende a convertirse en una especie de modelo
formal restrictivo, en un molde rgido de
procedimientos que puede adquirir hasta un carcter
burocrtico.
2) En realidad la labor cientfica es un trabajo donde
la libertad y la creacin cumplen un papel central: no
hay, ni puede haber, ninguna receta que nos
garantice un resultado positivo para nuestro trabajo,
por cuanto las dificultades y los imprevistos son
tantos que impiden alcanzar una planificacin
completa del proceso.
3) No existe un nico proceso o secuencia a seguir.
Varan, eso s, en la cantidad de pasos, aunque la
secuencia general manifiesta casi siempre una cierta
similitud, inevitable por la misma lgica de la
investigacin.
4) En la mayora de los casos debe interpretarse el
proceso como algo dinmico, no tiene principio ni fin,
debe ser interpretado como un trabajo continuo,
donde cada investigacin requiere de mayor
esfuerzo al investigador.
5) Esto tiene por objeto mostrar que no hay
verdaderamente un orden nico en el trabajo sino
que existen tareas que se desarrollan de un modo

34

simultneo, que se complementan y determinan
mutuamente.
1.3.1. Pasos para la organizacin
- Definicin del rea temtica: implica la seleccin
de un campo de trabajo, de la especialidad o
problemtica donde nos situamos. Para explicarnos
mejor ejemplificaremos diciendo que son reas
temticas:
La educacin en el primer ciclo, la funcin materna
en nios sordos, la toma de decisiones, las
migraciones internas, la comercializacin de obras
de arte.

Es decir, se trata de campos del saber que tiene
unidad interna pero que abarcan una problemtica
mucho ms reducida que las disciplinas, y an las
especialidades, en las que suelen ubicarse. No son
reas temticas, como podra corresponderle a cada
tema anterior, la educacin, la funcin materna, El
gerenciamiento, la sociologa o el comercio.
Toda investigacin versa, naturalmente, sobre algn
rea del conocimiento, se buscar disear una
investigacin de carcter interdisciplinario.
- Planteamiento del problema: En esta etapa se
realiza la formulacin del problema. Esto es una de
las fundamentales de todo el proceso de
investigacin. En ausencia de un problema no hay
verdadera bsqueda de conocimientos, no hay
creacin, aunque puedan hacerse valiosos aportes
pedaggicos o prcticos: si no hay algo de algn
modo desconocido o mal conocido no hay, en
verdad, autntica necesidad de investigar, de
obtener nuevo conocimiento.
Los problemas de conocimiento no deben
confundirse con los problemas de la vida prctica,
aunque ambos puedan estar estrechamente ligados.
As, por ejemplo, no es un problema de investigacin
reducir los accidentes de trnsito, pero en cambio s
lo es responder a la pregunta: cules son las causas
que producen los accidentes de trnsito? Con base a
su repuesta es que podr resolverse el problema
prctico, pero es preciso hacer la distincin entre
estas dos clases de problemas para disipar
frecuentes equvocos que luego se traducen en
serios inconvenientes para el investigador.
- Delimitacin de la investigacin: en esta etapa
se acota el problema de la investigacin, se reduce
el campo de la investigacin. De esta manera la
investigacin puede ser ms profunda. Ac se fijan
los objetivos, generales y especficos, del trabajo a
desarrollar, aclarando qu fines se considera posible
alcanzar concretamente. No puede hacerse
investigacin cientfica estudiando todo a la vez, sin
ningn orden ni disciplina y sin tener una idea,
aunque sea aproximada, de lo que se ir a alcanzar:
es necesario contar con un tema de estudio preciso y
bien delineado que, por sus proporciones, pueda ser
investigado en correspondencia con nuestros
recursos tericos y materiales.

- Marco Terico: Esto significa asimilar el bagaje
conceptual y las teoras ya elaboradas respecto al

tema, pero reenfocadas para los fines especficos de
nuestro caso. Implica por lo tanto la revisin y
organizacin de los conocimientos previos
disponibles sobre el tema, en lo que se refieren
particularmente al problema que se ha planteado y al
punto de vista que se ha asumido acerca del mismo.
- Diseo: Este cumple la funcin de complementarse
al marco terico: si ste proporciona el marco
conceptual y referencial para el problema, el diseo

35
tema, pero reenfocadas para los fines especficos de
nuestro caso. Implica por lo tanto la revisin y
organizacin de los conocimientos previos
disponibles sobre el tema, en lo que se refieren
e se ha planteado y al
punto de vista que se ha asumido acerca del mismo.

Este cumple la funcin de complementarse
al marco terico: si ste proporciona el marco
conceptual y referencial para el problema, el diseo
tiene por misin determinar
problema habr de ser verificado: establecer el
criterio general de comprobacin, el sistema de
aproximacin a la realidad especfica considerada, la
estrategia general a utilizar.
Las variables: se definen conceptuamente, se
operacionalizan y se determinan los indicadores que
luego servir para el diseo de los instrumento de
recoleccin de informacin.
- Datos: se obtienen en bruto y necesitan, por tanto,
de un trabajo de clasificacin y ordenacin que habr
de hacerse teniendo en cuen
sobre las que se asienta la investigacin. Esta tarea,
el procesamiento de los datos.
- Analizar y concluir:
ya procesados adecuadamente, habr que retomar
la labor propiamente analizarlos cuidadosamente
para extraer conclusiones de inters y de esta
manera elaborar el informa final.

tiene por misin determinar la forma en que el
problema habr de ser verificado: establecer el
criterio general de comprobacin, el sistema de
aproximacin a la realidad especfica considerada, la
estrategia general a utilizar.
Las variables: se definen conceptuamente, se
lizan y se determinan los indicadores que
luego servir para el diseo de los instrumento de
recoleccin de informacin.
se obtienen en bruto y necesitan, por tanto,
de un trabajo de clasificacin y ordenacin que habr
de hacerse teniendo en cuenta las proposiciones
sobre las que se asienta la investigacin. Esta tarea,
el procesamiento de los datos.
Analizar y concluir: Finalmente, con estos datos
ya procesados adecuadamente, habr que retomar
la labor propiamente analizarlos cuidadosamente
a extraer conclusiones de inters y de esta
manera elaborar el informa final.

36

COMPRENSIN LECTORA
En 1939, Leonid Vitalyevich Kantorovich (1912-1986), matemtico sovitico, ide el concepto de programacin
lineal, en el proceso de resolver un problema relativo a horarios de produccin de una fbrica. Kantorovich estudi
matemticas en la Universidad estatal Leningrado, donde le otorgaron el doctorado a la edad de 18 aos. Desde
1934 hasta 1960 fue profesor en la Universidad de Leningrado. A partir de 1961, y por 10 aos, fue el presidente
de la rama sovitica de matemticas y economa en la academia de ciencias de la Unin de Repblicas Socialistas
Soviticas. Desde 1971 hasta 1976, dirigi el Instituto de Planeacin Econmica de Mosc. An cuando la
preparacin de Kantorovich fue totalmente en matemticas, su inters por la aplicacin de ellas a la economa lo
llev a sugerir el uso del mtodo de programacin lineal a esta cuando en 1939 public su libro Mtodos
matemticos para organizar y planear produccin. Otro libro con el cual ampli su contribucin a la economa y
que escribi en 1942 pero public en 1959 se titula El mejor uso de recursos econmicos. En ste describe la
aplicacin de tcnicas de optimizacin a un rango amplio de problemas.
Los mtodos propuestos por Kantorovich se ampliaron, curiosamente, debido a la Segunda Guerra Mundial. Como
los pelotones de soldados de la fuerza area americana aumentaron considerablemente era difcil coordinar el
suministro de provisiones. Un equipo de matemticos se dedic al desarrollo de programas que, con el uso de
calculadoras y computadores, facilitaron la organizacin ptima el suministro.
El matemtico americano George Dantzig (1914- ) desarroll en 1947, el mtodo simplex, que permite resolver
problemas de programacin lineal simultneamente. Dantzig, hijo de un matemtico ruso que emigr a Estados
Unidos, tuvo muchas dificultades en matemticas cuando era nio pero debido no slo al apoyo de su padre sino
tambin de un amigo escolar de un profesor, Dantzig no slo super sus problemas sino que lleg a ser un gran
matemtico. Su campo de inters es la estadstica. Segn Dantzig el mejor regalo de su padre fue proveerlo de
miles de problemas de geometra durante su adolescencia pues el ejercicio mental necesario para resolverlos, en
el momento en el cual mi cerebro estaba creciendo, contribuy ms que cualquier otra cosa al desarrollo de mi
poder analtico". Estudi matemticas en la Universidad de Maryland y estaba adelantando estudios de postgrado
cuando estall la guerra. En ese momento comenz a trabajar con la Fuerza Area como civil, siendo esto el
principio de una carrera exitosa en varias instituciones relacionadas con la defensa de su patria. El trmino
"programacin lineal" para el mtodo de resolucin lo sugiri T J Koopmans, amigo de Dantzig, en 1948. Tiene su
origen en el uso del trmino militar "programar" usado para referirse a los horarios organizados para
entrenamiento, suministro y desplazamiento de los soldados. En 1952, Dantzig comenz a trabajar con la
corporacin RAND como investigador para el desarrollo de programas para computadoras. A partir de 1960,
retom su carrera acadmica como docente en las universidades de Berkeley y Stanford.

Contesta:
1. Qu semejanzas existen entre Kantorovich y Dantzig?
2. Cules fueron las situaciones de la vida real que llevaron a la creacin de los mtodos de programacin
lineal?
3. A quin se debe y cul es el origen del trmino "programacin lineal"?
4. Cuntos aos pasaron entre la primera vez que se us la programacin lineal y el desarrollo del mtodo
simplex?
5. En qu campos del saber se aplica principalmente la programacin lineal?

37

UNIDAD 4
1. MTODOS DE INVESTIGACIN
Grficamente podemos interpretar de la siguiente manera:

- Mtodo emprico-analtico: Conocimiento basado
en la experiencia, y analtico porque tiene en cuenta
variables que se analizan en forma particular. Es
muy utilizado en las ciencias naturales y sociales o
humanas.
- Mtodo experimental: Basado en experimentos, el
conocimiento adquirido puede ser verificado en un
experimento. Implica alteracin controlada de las
condiciones naturales, de tal forma que el
investigador creara modelos, reproducir
condiciones, abstraer rasgos distintivos del objeto o
del problema.
- Mtodo de la observacin cientfica: El
investigador conoce el problema y el objeto de
investigacin, estudiando su curso natural, sin
alteracin de las condiciones naturales, es decir que
la observacin tiene un aspecto contemplativo.
- Mtodo de la medicin: Basado en la experiencia
y verificable en estadsticas.
- Mtodo dialctico: afirma que todos los
fenmenos se rigen por las leyes de la dialctica, es
decir que la realidad no es algo inmutable, sino que
est sujeta a contradicciones y a una evolucin y
desarrollo perpetuo. Por lo tanto propone que todos
los fenmenos sean estudiados en sus relaciones
con otros y en su estado de continuo cambio, ya que
nada existe como un objeto aislado.
- Mtodo histrico. Est vinculado al conocimiento
de las distintas etapas de los objetos en su sucesin
cronolgica. Para conocer la evolucin y desarrollo
del objeto o fenmeno de investigacin se hace
necesario revelar su historia.
- Mtodo sinttico. Es un proceso mediante el cual
se relacionan hechos aparentemente aislados y se

38

formula una teora que unifica los diversos
elementos. Consiste en la reunin racional de varios
elementos dispersos en una nueva totalidad, este se
presenta ms en el planteamiento de la hiptesis.
- Mtodo sistmico: Est dirigido a modelar el
objeto mediante la determinacin de sus
componentes, as como las relaciones entre ellos.
Esas relaciones determinan por un lado la estructura
del objeto y por otro su dinmica.
- Mtodo lgico inductivo: Es el razonamiento que,
partiendo de casos particulares, se eleva a
conocimientos generales. Destaca en su aplicacin
el mtodo de interpolacin.
- Mtodo lgico deductivo: Mediante ella se aplican
los principios descubiertos a casos particulares, a
partir de un enlace de juicios.
- Analoga: Consiste en inferir de la semejanza de
algunas caractersticas entre dos objetos, la
probabilidad de que las caractersticas restantes
sean tambin semejantes. Los razonamientos
analgicos no son siempre validos.

2. COMPONENTES MNIMOS DE UN PROYECTO
DE INVESTIGACIN

Estructura del proyecto. No existe un modelo
nico, universalmente aceptado, respecto al orden
en que deben aparecer las diferentes partes de un
anteproyecto. Tentativamente podr seguirse el
siguiente:

2.1. EL TEMA DE INVESTIGACIN

En esta etapa el investigador debe plantearse
algunas preguntas como:

- Es de inters el tema?
- Existe informacin sobre el mismo?
- Quin tiene o en donde se puede encontrar la
informacin?
- Qu resultados personales y generales traer el
desarrollo de esa investigacin?
2.2. JUSTIFICACIN Y/O ANTECEDENTES

Son las razones por las cuales se plantea la
investigacin.
- La justificacin terica son las razones que
argumentan el deseo de verificar, rechazar o aportar
aspectos tericos en relacin con el objeto de
conocimiento.
- La justificacin metodolgica son las razones que
sustentan un aporte por la utilizacin o creacin de
instrumentos y modelos de investigacin.
- La justificacin prctica son las razones que
sealan que la investigacin propuesta ayudar en la
solucin de problemas o en la toma de decisiones.
- La justificacin debe responder a la pregunta. Por
qu se investiga?
2.3. FORMULACIN DEL PROBLEMA
Es el punto de partida de la investigacin si no se
tiene problema alguno no hay nada para investigar.
El proceso de investigacin se debe iniciar con un
diseo que responda interrogantes que son las
inquietudes del investigador.
La formulacin se plantea a travs de una pregunta
de investigacin; el investigador espera responderla
y de esta manera resolver el problema planteado.
Para la sistematizacin del problema se formulan
subpreguntas que el investigador plantea sobre
temas especficos que se han observado en el
planteamiento del problema.
2.4. OBJETIVOS GENERALES Y ESPECFICOS
El proceso cientfico formulado a partir del
planteamiento del problema tiene como finalidad
buscar respuestas de la situacin descrita, objeto de
la investigacin por ello, es de mucha ayuda

responder a la pregunta: Para qu y qu se busca
con la investigacin propuesta?
Dar respuesta a esta interrogante permite delimitar el
marco de estudio y sus alcances, se deben plantear
objetivo general y objetivos especficos. Los primeros
deben ofrecer resultados amplios; los especficos se
refieren a situaciones particulares que inciden en el
objetivo general.
2.5. ELEMENTOS TERICOS QUE
FUNDAMENTAN LA INVESTIGACIN
TERICO
La investigacin que se realiza debe tener en cuenta
el conocimiento previo, pues forma parte de una
estructura terica ya existente.
- El marco terico es la descripcin de los elementos
tericos planteados por uno por varios autores que
permiten al investigador fundamentar su proceso de
conocimiento.
- La funcin del marco conceptual es definir el
significado de los trminos (lenguaje tcnico) que
van a emplearse con mayor frecuencia y sobre los
cuales se relacionan las fases del conocimiento
cientfico (observacin, descripcin, explicacin y
prediccin)
2.6. HIPTESIS (IDENTIFICACIN DE
VARIABLES)
Son proposiciones afirmativas que el investigador
plantea con el propsito de llegar a explicar hechos o
fenmenos que caracterizan o identifican el objeto de
conocimiento.
2.7. METODOLOGA
El tipo de estudio seala el nivel de profundidad y el
enfoque con el cual el investigador busca abordar el
objeto del conocimiento, por ello se selecciona una
batera de procedimientos, que el camino a seguir
por el investigador.
En este punto se tiene en cuenta la clasificacin de
la investigacin, la recoleccin de datos y la forma de
probar la tesis. Segn el nivel de conocimiento el
39
responder a la pregunta: Para qu y qu se busca
a a esta interrogante permite delimitar el
marco de estudio y sus alcances, se deben plantear
objetivo general y objetivos especficos. Los primeros
deben ofrecer resultados amplios; los especficos se
refieren a situaciones particulares que inciden en el
ELEMENTOS TERICOS QUE
FUNDAMENTAN LA INVESTIGACIN - MARCO
La investigacin que se realiza debe tener en cuenta
el conocimiento previo, pues forma parte de una
pcin de los elementos
tericos planteados por uno por varios autores que
permiten al investigador fundamentar su proceso de
La funcin del marco conceptual es definir el
significado de los trminos (lenguaje tcnico) que
n mayor frecuencia y sobre los
cuales se relacionan las fases del conocimiento
cientfico (observacin, descripcin, explicacin y
HIPTESIS (IDENTIFICACIN DE
Son proposiciones afirmativas que el investigador
psito de llegar a explicar hechos o
fenmenos que caracterizan o identifican el objeto de
El tipo de estudio seala el nivel de profundidad y el
enfoque con el cual el investigador busca abordar el
or ello se selecciona una
batera de procedimientos, que el camino a seguir
En este punto se tiene en cuenta la clasificacin de
la investigacin, la recoleccin de datos y la forma de
Segn el nivel de conocimiento el
estudio descriptivo identifica caractersticas del
universo de investigacin, seala formas de
conducta, establece comportamientos concretos y
descubre y comprueba asociaciones entre variables.
El estudio explicativo orienta a la comprobacin de
hiptesis casuales.
2.8. PLAN DE TRABAJO Y/O CRONOGRAMA DE
ACTIVIDADES
El investigador debe sealar las diferentes etapas del
proyecto y el tiempo estimado para cada una de
ellas. Mediante la grfica de Gantt
relacin entre las etapas de investigac
de ejecucin, se representa por el uso de barras
horizontales.
2.9. PRESUPUESTO
En el presupuesto deben incluirse los gastos de la
investigacin en trminos de precios y cantidades
reales de acuerdo con los rubros:
- Los servicios personales s
incluyen los causados por honorarios a
investigadores, auxiliares de investigacin,
encuestadores.
- Los gastos generales son los costos directos
generados por el proyecto. Incluyen transporte,
papelera, impresin, procesamiento de la
informacin.
2.10. BIBLIOGRAFA
Las fuentes son hechos o documentos a los que
acude el investigador y que le permiten obtener
informacin. Las tcnicas son los medios empleados
para recolectar la informacin.

estudio descriptivo identifica caractersticas del
universo de investigacin, seala formas de
conducta, establece comportamientos concretos y
descubre y comprueba asociaciones entre variables.
El estudio explicativo orienta a la comprobacin de
PLAN DE TRABAJO Y/O CRONOGRAMA DE
El investigador debe sealar las diferentes etapas del
proyecto y el tiempo estimado para cada una de
grfica de Gantt se establece una
relacin entre las etapas de investigacin y tiempo
de ejecucin, se representa por el uso de barras
En el presupuesto deben incluirse los gastos de la
investigacin en trminos de precios y cantidades
reales de acuerdo con los rubros:
Los servicios personales son los costos que
incluyen los causados por honorarios a
investigadores, auxiliares de investigacin,
Los gastos generales son los costos directos
generados por el proyecto. Incluyen transporte,
papelera, impresin, procesamiento de la

Las fuentes son hechos o documentos a los que
acude el investigador y que le permiten obtener
informacin. Las tcnicas son los medios empleados
para recolectar la informacin.

40

3. INSTRUMENTOS DE RECOLECCIN DE LA INFORMACIN

Es la herramienta que permite una adecuada
explotacin de la fuente de informacin. Cuando
hablamos de recoleccin de datos nos estamos
refiriendo a informacin emprica abstrada en
conceptos.
La recoleccin de datos tiene que hacer con el
concepto de medicin, proceso mediante el cual se
obtiene el dato, valor o respuesta para la variable
que se investiga.
La medicin, etimolgicamente viene del verbo medir
y significa comparar una cantidad con su respectiva
unidad con el fin de averiguar cuantas veces la
segunda est contenida en la primera (Diccionario de
la Real Academia Espaola).
El instrumento de recoleccin de datos est
orientado a crear las condiciones para la medicin.
Los datos son conceptos que expresan una
abstraccin del mundo real, de lo sensorial,
susceptible de ser percibido por los sentidos de
manera directa o indirecta.
Todo lo emprico es medible. No existe ningn
aspecto de la realidad que escape a esta posibilidad.
Medicin implica cuantificacin. Que se mide? Se
miden variables.
3.1. LA ENCUESTA
Una encuesta es un conjunto de preguntas
normalizadas dirigidas a una muestra representativa
de la poblacin o instituciones, con el fin de conocer
estados de opinin o hechos especficos.
Existen encuestas abiertas que permiten al
encuestado dar opiniones y explayarse en la
respuesta, sirven sobre todo para investigaciones
cualitativas.
Tambin las encuestas pueden ser cerradas, donde
el encuestado solo tiene la opcin de seleccionar
respuestas preestablecidas; se utilizan para
encuestas cuantitativas y son de ms rpido anlisis.

Estas encuestas pueden ser Encuestas por
Muestreo en donde se elige una parte de la
poblacin que se estima representativa de la
poblacin total o podr ser Encuesta de la
Poblacin.

Una forma reducida de una encuesta por muestreo
es un "sondeo de opinin", esta forma de encuesta
es similar a un muestreo, pero se caracteriza porque
la muestra de la poblacin elegida no es suficiente
para que los resultados puedan aportar un informe
confiable.
Se utiliza solo para recolectar algunos datos sobre lo
que piensa un nmero de individuos de un
determinado grupo sobre un determinado tema.
3.2. LA ENTREVISTA

41

La palabra entrevista deriva del latn y significa "Los
que se ven entre s". Una entrevista es un hecho que
consiste en un dilogo entablado entre dos o ms
personas: el entrevistador o entrevistadores que
interroga y el o los que contestan. Se trata de una
tcnica o instrumento empleado en diversas
investigaciones, medicina, seleccin de personal.
Una entrevista no es casual sino que es un dilogo
interesado, con un acuerdo previo y unos intereses y
expectativas por ambas partes.

Es en realidad una conversacin que tiene como
finalidad la obtencin de informacin. Hay muy
diversos tipos de entrevistas: laborales (para
informarse y valorar al candidato a un puesto de
trabajo), de investigacin (realizar un determinado
estudio), informativas (reproducir opiniones) y de
personalidad (retratar o analizar psicolgicamente a
un individuo), entre otras.
En una entrevista intervienen el entrevistador y el
entrevistado. El primero, adems de tomar la
iniciativa de la conversacin, plantea mediante
preguntas especficas cada tema de su inters y
decide en qu momento el tema ha cumplido sus
objetivos. El entrevistado facilita informacin sobre s
mismo, su experiencia o el tema en cuestin.
La entrevista como instrumento de investigacin ha
sido utilizada de forma ambiciosa por antroplogos,
socilogos, psiclogos, politlogos o economistas.
Es por ello que gran parte de los datos con que
cuentan las ciencias sociales proceden de las
entrevistas. Los cientficos sociales dependen de
ellas para obtener informacin sobre los fenmenos
investigados y comprobar as sus teoras e hiptesis.
La entrevista periodstica se distingue
fundamentalmente por tres factores:

- Un evidente inters hacia la persona entrevistada
- Pericia en el manejo de la tcnica de pregunta y
respuesta
- Voluntad manifiesta de difundir el resultado en un
medio de comunicacin
3.2.1. Tipos de entrevistas
3.2.1.1. Estructurada. Las entrevistas estructuradas
son aquellas que el entrevistador ha preparado un
cuestionario muy detallado para obtener la
informacin; normalmente se da cuando en
investigador conoce mucho del tema y se encuentra
en una fase de la investigacin donde necesita
detalles puntuales.
3.2.1.2. No estructurada. Una entrevista no
estructurada es aquella utilizada para obtener
informacin acerca de una historia de vida, de
hechos o sucesos donde el protagonista es el
entrevistado; se inicia con preguntas clsicas tales
como Cmo alcanz el cargo de...?, qu puede
explicarnos del procesos de fabricacin de ....? Si
bien la entrevista no estructurada no se lleva
preguntas definidas es importante tener una gua de
preguntas o tems previamente establecidos para
que, durante la conversacin, tratar de tocarlos para
obtener la informacin.

42

Otras clasificaciones:

3.3. LA OBSERVACIN
La observacin consiste en la medida y registro de
los hechos observables, segn el mtodo cientfico, y
por lo tanto, medida por instrumentos cientficos.
Adems, estas observaciones deben ser realizadas
profesionalmente, sin la influencia de opiniones o
emociones.

La Observacin participante es una tcnica de
observacin utilizada en las ciencias sociales en
donde el investigador comparte con los investigados
su contexto, experiencia y vida cotidiana, para
conocer directamente toda la informacin que
poseen los sujetos de estudio sobre su propia
realidad, o sea, conocer la vida cotidiana de un grupo
desde el interior del mismo.
Uno de los principales aspectos que debe vencer el
investigador en la observacin es el proceso de
socializacin con el grupo investigado para que sea
aceptado como parte del, y a la vez, definir
claramente dnde, cmo y que debe observar y
escuchar.
Durante el proceso de investigacin, para recolectar
la informacin, el investigador debe seleccionar el
conjunto de informantes, a los cuales adems de
observar e interactuar con ellos, puede utilizar
tcnicas como la entrevista, la encuesta, la revisin
de documentos y el diario de campo o cuaderno de
notas en el cual se escribe las impresiones de lo
vivido y observado, para organizarlas posterior-
mente.
La observacin participante o participativa, es una
metodologa de las Ciencias Sociales, que culmina
como accin participativa, hacindola una de las
tcnicas ms completa, pues adems de realizar un
proceso de observacin, elabora propuestas y
soluciones.
3.4. LA EXPERIMENTACIN
La experimentacin consiste en el estudio de un
fenmeno, reproducido generalmente en un
laboratorio, en las condiciones particulares de
estudio que interesan, eliminando o introduciendo
aquellas variables que puedan influir en l.
3.5. EL DATO CIENTFICO
Un dato es una estructura compleja. Por lo tanto
tiene partes que lo constituyen.
- Concepto
- Dimensin
- Procedimiento
- Indicador (o esquema indicador): Es un
procedimiento aplicado a una dimensin de una
variable.

43

Ejemplo: Podemos hablar de la potencia de un automvil y vincularla con su aceleracin segn el siguiente
cuadro:

Como se ve, es imposible la unin directa entre el concepto y el indicador, la misin del investigador es disear y
encontrar como medir para poder unir el concepto no observable con el indicador.

4. TCNICAS Y MTODOS PARA LA
CLASIFICACIN DE LA INFORMACIN

4.1. TCNICAS PARA LA CLASIFICACIN DE LA
INFORMACIN

4.1.1. Tratamiento de las fuentes

4.1.1.1. Reunin de fuentes. El primer paso de
cualquier investigacin es la reunin de un corpus
documental suficiente de todas las fuentes de
informacin que vayan a interesar en el tema sobre
el que se est investigando.

4.1.1.2. Crtica de las fuentes. El tratamiento de las
fuentes documentales, si pretende ser cientfico,
tiene que partir de una crtica de las fuentes, es
decir, del juicio que el investigador (periodista o
historiador, por ejemplo) deben de hacer sobre su
sinceridad y correspondencia con la realidad.
4.1.1.3. Contraste de fuentes. Evaluadas en su
validez, las fuentes deben contrastarse entre ellas,
viendo si coinciden o discrepan, y en qu grado. De
ser numerosas ha de aplicrseles el mtodo
estadstico que sea ms apropiado.
4.1.1.4. Respeto a las fuentes. Al mismo tiempo, el
tratamiento de las fuentes debe ser respetuoso con
ellas mediante la fidelidad a las fuentes: no falsearlas
ni tergiversarlas para hacerlas decir lo que al
investigador interesa que digan.
4.1.1.5. Cita de las fuentes. La investigacin original
no debe ocultar las fuentes en las que se basa. Si la
aportacin original es insuficiente o irrelevante, no
hay originalidad sino plagio. La reproduccin de citas
puede ser abusiva (a veces la mayor parte de el
texto son entrecomillados). Para algunos casos
(publicacin o edicin crtica de fuentes) la tarea del
investigador se convierte en una glosa. Es necesario
utilizar con cuidado el recurso que se conoce como
intertextulidad: no entrecomillar y citar a lo largo del
texto que escribe el autor de la investigacin, pero
reconociendo bien sea en el propio texto, a pie de
pgina o al final del captulo o la obra que lo que se
dice tiene una fuente y no es del todo produccin
propia.

44

4.2. MTODOS PARA LA CLASIFICACIN DE LA
INFORMACIN
El tener el dato solo, no nos sirve, el disponer de una
informacin no es relevante, lo importante poder
combinar esta informacin disponible para obtener
conclusiones de inters.
Para ello es importante conformar un sistema
matricial que permita lograr las conclusiones, como
ejemplo:
Una informacin nos dice que:

Este dato aislado nos sirve solo sirve como
informacin pero no como conclusin, ahora si lo
combinamos con otros datos:

Como podemos ver armamos un sistema de matrices donde se van relacionando los distintos datos y se obtienen
conclusiones de inters tales como que la escuela 1 tiene mejor nivel que la 2.

45

PRUEBA TIPO ICFES

1. El presidente de una empresa tiene 7 corbatas,
9 pantalones, 5 camisas y 3 correas diferentes.
De cuantas formas diferentes puede vestirse el
empresario, si tiene que usar una de cada una
para ir al trabajo?
a) 945
b) 678
c) 456
d) 124

2. Se quieren hacer grupos de 3 estudiantes para
realizar un trabajo de biologa, si en grado 11 hay
32 estudiantes. Cuantos grupos distintos se
pueden formar?
a) 4960
b) 6780
c) 5460
d) 9800

3. Se utilizan 10 consonantes y las vocales del
abecedario para formar palabras de 4 letras.
Cuantas palabras distintas se pueden formar, si
en la palabra tiene que haber 3 consonantes y 1
vocal?
Consonantes=10 vocales=5
a) 4500
b) 3400
c) 3600
d) 8700

4. Si tenemos las mismas 10 consonantes y 5
vocales del ejercicio anterior y queremos formar
palabras de 4 letras que solo tengan 2 vocales,
una al comienzo y una al final. Cuantas palabras
diferentes podemos formar?
a) 1200
b) 2500
c) 1450
d) 2220

5. Se lanzan dos dados al mismo tiempo, cual es
la probabilidad de que se obtenga un nmero
mayor o igual a 8?
a) 15 / 36
b) 16 / 12
c) 12 / 36
d) 8 / 36

6. En un concurso de preguntas y respuestas un
concursante contesta al azar dos preguntas de si
o no. Cul es el espacio muestral para este
evento?
a) E= (S,N)
b) E= (S,N) , (S,S) , ( N,S) , (N,N)
c) E= (S,N) , (S,S)
d) E= (N,S) , (N,N)

7. Cul es la probabilidad de que al lanzar 2
dados al aire salga un numero par?
a) 1 / 36
b) 11 / 22
c) 18 / 36
d) 22 / 36

8. Una urna tiene 8 bolas rojas, 5 amarilla y 7
verdes. Si se saca 1 al azar. Cul es la
probabilidad de que no sea roja?
a) 8 / 20
b) 12 / 20
c) 18 / 20
d) 2 / 20

9. Hay 20 invitados a una fiesta y se tienen que
organizar las mesas en grupos de 8. De Cuantas
formas distintas se pueden sentar los invitados?
a) 125970
b) 146790
c) 450000
d) 245678

10. Cuntos nmeros de 5 cifras diferentes se
puede formar con los dgitos: 1, 2, 3, 4, 5.?
a) 120
b) 230
c) 155
d) 222

11.En una clase de arte se quieren hacer
banderines con franjas de 3 colores diferentes.
La profesora presenta las siguientes opciones de
colores: morado, verde, amarillo, blanco, negro y
gris. De cuantas maneras diferentes se pueden
combinar estos colores, para obtener banderines
diferentes?
a) 60 c) 120
b) 130 d) 70

46

12. Una mujer tiene 10 faldas, 9 camisas, 6 pares
de tacones y 3 bufandas. De cuantas formas
diferentes se puede vestir esta mujer:
a) 1230
b) 1620
c) 2400
d) 870

Responde las preguntas 13 y 14 teniendo en cuenta
la siguiente informacin.

Se ha preguntado a un cierto nmero de familias por
el nmero de hijos. Los resultados obtenidos estn
representados en una tabla y un diagrama de barras.

No.
De Hijos
No.
De
Familias
0 2
1 4
2 6
3 ?
4 2
5 ?
TOTAL ?

13. Al completar la tabla se tiene que:
a) El nmero de familias que tiene 3 hijos es 5.
b) El nmero de familias que tiene 5 hijos es 5.
c) El total de familias encuestadas es 44.
d) No hay familias que tengan 5 hijos.

14. Al analizar el diagrama de barras, se puede
afirmar que:
a) La mayora de las familias encuestadas tiene
4 o ms hijos.
b) El 70% de las familias tiene 2 o ms hijos.
c) El 50% de las familias tiene 2 o menos hijos.
d) 30 familias tienen 2 hijos.

15. Dentro de una bolsa guardadas 48 canicas de
colores verde, azul y rojo. La probabilidad de
sacar una canica verde de la bolsa es de ,
Cuntas canicas verdes hay
dentro de la bolsa?

a) 1 b) 6 c) 8 d) 16

Responde las preguntas 16 y 17 de acuerdo con la
siguiente informacin.

El parque Xcaret en Mxico recibe al ao unos 700
mil visitantes. La entrada vale 45 dlares para
adultos y 22 para nios.

16. Una familia (entre nios y adultos) pag casi
180 dlares por la entrada, es posible que la
familia este conformada por:
a) 3 adultos y 2 nios c) 4 adultos y 4 nios
b) 3 adultos y 3 nios d) 4 adultos y 2 nios

17. Tomando x como el nmero de adultos y z el
nmero de nios que visitan el parque cada ao,
la expresin 45x + 22z representa:
a) 45 adultos y 22 nios.
b) El valor de la entrada de 45 adultos y 22
nios en un ao.
c) 67 personas.
d) El valor de la entrada de nios y adultos que
visitan el parque anualmente.

siguiente informacin:

A continuacin se presenta la grfica que muestra la
relacin entre el consumo mensual en metros
cbicos y la tarifa de pago mensual, del servicio de
agua.

18. Si x representa el consumo mensual en
metros cbicos, la expresin que representa el
costo mensual para consumos menores de 40
metros cbicos es:

a) 500x c) 22.000 + x
b) 22.000x d) 22.000 + 500x

47

19. Si un usuario pag 37.000 pesos por el
consumo mensual, el nmero de metros cbicos
que consumi en dicho mes est entre:

a) 0 y 20 b) 20 y 4 c) 40 y 50 d) 50 y 60


Sigue estrictamente el orden de las operaciones
indicadas y vers que siempre llegas al mismo
resultado.

20. Los nmeros que al ubicarse en el lado 2 NO
cumplen con la condicin requerida para que el
resultado final sea 24 son, respectivamente:

a) 4 y 2 b) 16 y 8 c) 22 y 16 d) 26 y 13

21. Los nmeros que aparecen dentro de los
crculos del lado 1, pertenecen al conjunto de los
nmeros:

a) Impares c) Pares
b) Primos d) Enteros negativos


De un tanque lleno de agua, con capacidad de 400
litros, se extrae de agua el da lunes,

del agua restante el da Martes y del agua
que queda en el tanque el da
Mircoles.

22. La menor cantidad de agua se sac el da:
a) Lunes
b) Martes
c) Mircoles
d) En los tres das se extrajo la misma cantidad
de agua.

23. Qu cantidad de agua queda disponible para
el da jueves?:
a) 100 litros c) 175 litros
b) 168 litros d) 232 litros

Responde las preguntas 24 a 26 de acuerdo con la
siguiente informacin

En Colombia hay 2,5 millones de nios trabajadores.
Se considera que en Bogot, una cuarta parte de los
nios es poblacin econmicamente activa
(trabajadores) y de stos, uno de cada tres est
obligado a trabajar.

24. En Colombia hay aproximadamente 40
millones de habitantes. Los nios trabajadores
representan aproximadamente:
a) El 25% de los habitantes de Colombia
b) Entre el 2,5% y 4% de los habitantes de
Colombia.
c) El 6,2% de los habitantes de Colombia.
d) Entre el 1% y 3% de los habitantes de
Colombia.

25. Si en Bogot hay aproximadamente 450.000
nios trabajadores, el nmero aproximado de
nios que viven en Bogot es:
a) 150.000
b) 300.000
c) 1.350.000
d) 1.800.000

26. De un grupo de 300 nios trabajadores que
vive en Bogot, el nmero de nios obligados a
trabajar es de:
a) 75
b) 100
c) 200
d) 225

48

BIBLIOGRAFA

http://html.rincondelvago.com/sistemas-digitales.html
http://es.wikipedia.org/wiki/Tridimensional
http://tdd.elisava.net/coleccion/12/cross-es
http://www.monografias.com/trabajos27/datos-agrupados/datos-agrupados.shtml#centiles
http://www.ematematicas.net/parit.php
http://www.profesorenlinea.cl/matematica/ProbabilidadCalculo.htm
http://www.mitecnologico.com/Main/TecnicasDeConteo
http://tratamientodedatos.wordpress.com/2011/03/07/medidas-de-tendencia-central-para-datos-no-agrupados-y-
agrupados/
http://www.monografias.com/trabajos43/medidas-dispersion/medidas-dispersion2.shtml
http://www.eumed.net/libros/2006c/203/2n.htm
http://html.rincondelvago.com/variables-aleatorias.html
http://www.itescam.edu.mx/principal/sylabus/fpdb/recursos/r51634.PDF
http://books.google.com.co/books?id=KgWUmCvw42kC&pg=RA1-PA61&lpg=RA1-
PA61&dq=Un+futbolista+posee+tres+pares+de+guayos,+cinco+pares+de+medias,&source=bl&ots=feF2ewf4Jy&si
g=j1NCMHa3h3ww77ckpp3gR_XWTTc&hl=en&sa=X&ei=y9xxT_WtNcybtwfw2dWuDw&redir_esc=y#v=onepage&
q=Un%20futbolista%20posee%20tres%20pares%20de%20guayos%2C%20cinco%20pares%20de%20medias%2
C&f=false
http://www.ucm.es/info/genetica/Estadistica/estadistica_basica.htm#Valor esperado de una variable
http://www.ucm.es/info/genetica/Estadistica/estadistica_basica.htm#varianza
http://personales.unican.es/gonzaleof/Sociales_2/aleatorias.pdf
http://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_Poisson
http://www3.uji.es/~mateu/t4-alumnos.pdf
http://www.mailxmail.com/curso-tesis-investigacion/tesis-concepto-proceso-investigacion-1-2
PAREDES NUEZ, Pamela; RAMREZ PANATT Manuel. Apuntes de Preparacin para la Prueba de Seleccin
Universitaria Matemtica.Chile. 2009.

Modulo Estadistica Ciclo Vi Grado Undecimo

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Modulo Estadistica Ciclo Vi Grado Undecimo

Cargado por

Copyright:

Formatos disponibles

1

También podría gustarte