Está en la página 1de 59

FACULTAD DE CONTADURA Y CIENCIAS

ADMINISTRATIVAS

PROFESOR:

Dr. Fernando vila Carren



MATERIA:

Estadstica I








Morelia, Mich., a 17 de diciembre de 2009






UNIVERSIDAD MICHOACANA DE SAN NICOLS
DE HIDALGO
Prefacio

Este material est dirigido a los alumnos de tercer semestre de la Facultad de
Contadura y Ciencias Administrativas de la Universidad Michoacana de San
Nicols de Hidalgo.
El propsito es brindar de una manera sencilla los temas que comprenden el
contenido del programa de la materia de Estadstica I.

Los libros mejor escritos que abordan estos temas son aquellos dirigidos al rea de
ingeniera y por ello requieren de un soporte mayor en cuanto al conocimiento de
las herramientas matemticas.

En estos apuntes se hace una recopilacin de una serie de ejercicios que abarcan los
temas de la materia, y procurando abarcar a su vez la mayor variedad en cuanto a
dificultad y secretos se refieren para llegar a su solucin. Haciendo uso de las
tcnicas ms sencillas y grficas para una solucin comprensible.

Espero que conforme estas notas tomen forma en los prximos aos los resultados
se vean reflejados en el mejor aprovechamiento de mis alumnos.













1.1 La estadstica, Clasificacin y Objetivos
La estadstica estudia los mtodos cientficos para recoger, organizar, resumir y
analizar datos, as como para sacar conclusiones vlidas y tomar decisiones
razonables basadas en tal anlisis.
La estadstica es la ciencia que trata de la recoleccin, clasificacin y presentacin
de los hechos sujetos a una apreciacin numrica como base a la explicacin,
descripcin y comparacin de los fenmenos.
Estadstica Descriptiva:
Tienen por objeto fundamental describir y analizar las caractersticas de un
conjunto de datos, obtenindose de esa manera conclusiones sobre las
caractersticas de dicho conjunto y sobre las relaciones existentes con otras
poblaciones, a fin de compararlas. No obstante puede no solo referirse a la
observacin de todos los elementos de una poblacin (observacin exhaustiva) sino
tambin a la descripcin de los elementos de una muestra (observacin parcial).
En relacin a la estadstica descriptiva, Ernesto Rivas Gonzles dice; "Para el
estudio de estas muestras, la estadstica descriptiva nos provee de todos sus
medidas; medidas que cuando quieran ser aplicadas al universo total, no tendrn la
misma exactitud que tienen para la muestra, es decir al estimarse para el universo
vendr dada con cierto margen de error; esto significa que el valor de la medida
calculada para la muestra, en el oscilar dentro de cierto lmite de confianza, que
casi siempre es de un 95 a 99% de los casos.
Estadstica Inductiva:
Est fundamentada en los resultados obtenidos del anlisis de una muestra de
poblacin, con el fin de inducir o inferir el comportamiento o caracterstica de la
poblacin, de donde procede, por lo que recibe tambin el nombre de Inferencia
estadstica.
Segn Berenson y Levine; Estadstica Inferencial son procedimientos estadsticos
que sirven para deducir o inferir algo acerca de un conjunto de datos numricos
(poblacin), seleccionando un grupo menor de ellos (muestra).
El objetivo de la inferencia en investigacin cientfica y tecnolgica radica en
conocer clases numerosas de objetos, personas o eventos a partir de otras
relativamente pequeas compuestas por los mismos elementos.
1.2 Escalas de Medida
Escala Nominal:
La escala de medida nominal, puede considerarse la escala de nivel ms bajo, y
consiste en la asignacin, puramente arbitraria de nmeros o smbolos a cada una
de las diferentes categoras en las cuales podemos dividir el carcter que
observamos, sin que puedan establecerse relaciones entre dichas categoras, a no
ser el de que cada elemento pueda pertenecer a una y solo una de estas categoras.
Se trata de agrupar objetos en clases, de modo que todos los que pertenezcan a la
misma sean equivalentes respecto del atributo o propiedad en estudio, despus de
lo cual se asignan nombres a tales clases, y el hecho de que a veces, en lugar de
denominaciones, se le atribuyan nmeros, puede ser una de las razones por las
cuales se le conoce como "medidas nominales".
Escala Ordinal:
En caso de que puedan detectarse diversos grados de un atributo o propiedad de un
objeto, la medida ordinal es la indicada, puesto que entonces puede recurrirse a la
propiedad de "orden" de los nmeros asignndolo a los objetos en estudio de modo
que, si la cifra asignada al objeto A es mayor que la de B, puede inferirse que A
posee un mayor grado de atributo que B.
La asignacin de nmeros a las distintas categoras no puede ser completamente
arbitraria, debe hacerse atendiendo al orden existente entre stas.
Los caracteres que posee una escala de medida ordinal permiten, por el hecho
mismo de poder ordenar todas sus categoras, el clculo de las medidas estadsticas
de posicin, como por ejemplo la mediana.
Ejemplo:
Al asignar un nmero a los pacientes de una consulta mdica, segn el orden de
llegada, estamos llevando una escala ordinal, es decir que al primero en llegar
ordinal, es decir que al primeo en llegar le asignamos el n 1, al siguiente el n 2 y
as sucesivamente, de esta forma, cada nmero representar una categora en
general, con un solo elemento y se puede establecer relaciones entre ellas, ya que
los nmeros asignados guardan la misma relacin que el orden de llegada a la
consulta.
Escalas de intervalos iguales:
La escala de intervalos iguales, est caracterizada por una unidad de medida comn
y constante que asigna un nmero igual al nmero de unidades equivalentes a la de
la magnitud que posea el elemento observado. Es importante destacar que el punto
cero en las escalas de intervalos iguales es arbitrario, y no refleja en ningn
momento ausencia de la magnitud que estamos midiendo. Esta escala, adems de
poseer las caractersticas de la escala ordinal, encontramos que la asignacin de los
nmeros a los elemento es tan precisa que podemos determinar la magnitud de los
intervalos (distancia) entre todos los elementos de la escala. Sin lugar a dudas,
podemos decir que la escala de intervalos es la primera escala verdaderamente
cuantitativa y a los caracteres que posean esta escala de medida pueden
calculrsele todas las medidas estadsticas a excepcin del coeficiente de variacin.
Ejemplo:
El lapso transcurrido entre 1998-1999 es igual al que transcurri entre 2000-2001.
Escala de coeficientes o Razones:
El nivel de medida ms elevado es el de cocientes o razones, y se diferencia de las
escalas de intervalos iguales nicamente por poseer un punto cero propio como
origen; es decir que el valor cero de esta escala significa ausencia de la magnitud
que estamos midiendo. Si se observa una carencia total de propiedad, se dispone de
una unidad de medida para el efecto. A iguales diferencias entre los nmeros
asignados corresponden iguales diferencias en el grado de atributo presente en el
objeto de estudio. Adems, siendo que cero ya no es arbitrario, sino un valor
absoluto, podemos decir que A. Tiene dos, tres o cuatro veces la magnitud de la
propiedad presente en B.
Ejemplo:
En una encuesta realizada en un barrio de esta localidad se observ que hay
familias que no tienen hijos, otras tienen 6 hijos que es exactamente el doble de
hijos que aquellas que tienen 3 hijos.
Clasificacin de los datos
Los datos estadsticos pueden ser clasificados en cualitativos, cuantitativos,
cronolgicos y geogrficos.
Datos Cualitativos: cuando los datos son cuantitativos, la diferencia entre ellos
es de clase y no de cantidad.
Ejemplo:
Si deseamos clasificar los estudiantes que cursan la materia de estadstica I por su
estado civil, observamos que pueden existir solteros, casados, divorciados, viudos.
Datos cuantitativos: cuando los valores de los datos representan diferentes
magnitudes, decimos que son datos cuantitativos.
Ejemplo:
Se clasifican los estudiantes del Ncleo San Carlos de la UNESR de acuerdo a sus
notas, observamos que los valores (nota) representan diferentes magnitudes.
Instrumentos para la recoleccin de datos:
Cuestionarios:
Cualquiera que sea el mtodo por el que se decida el investigador para recabar
informacin, es necesario elaborar un estudio de preguntas.
Los cuestionarios en general, constan de las siguientes partes:
La identificacin del cuestionario: nombre del patrocinador de la encuesta,
(oficial o privada), nombre de la encuesta, nmero del cuestionario, nombre del
encuestador, lugar y fecha de la entrevista.
Datos de identificacin y de carcter social del encuestado: apellidos,
nombres, cdula de identidad, nacionalidad, sexo, edad o fecha de nacimiento,
estado civil, grado de instruccin, ocupacin actual, ingresos, etc.
Datos propios de la investigacin, son los datos que interesa conocer para
construir el propsito de la investigacin.
Como es natural, estas partes, as como las preguntas, varan de acuerdo a la
finalidad de la encuesta. En algunos tipos de investigacin, la parte referente a los
datos personales es eliminada por no tener ningn tipo de inters para el estudio.
1.4 La poblacin, Muestra, Tipos de muestreo
POBLACION: es el conjunto formado por todas las unidades elementales que
proporcionarn las mediciones de inters. Pueden ser personas, cosas, objetos
abstractos.
CENSO: Cuando se estudia la totalidad de las unidades elementales que componen
la poblacin.
Desventaja: errores de observacin. Ej.: omisiones, duplicaciones, no-ubicacin (no
medibles) del encuestado, volumen de informacin.

MUESTRA: se estudia una parte representativa de la poblacin
Desventaja: errores de observacin (no medibles) errores de estimacin (medible,
cuantificable)
Tipos de muestreo
Existen dos mtodos para seleccionar muestras de poblaciones; el muestreo no
aleatorio o de juicio y el muestreo aleatorio o de probabilidad. En este ltimo todos
los elementos de la poblacin tienen la oportunidad de ser escogidos en la muestra.
Una muestra seleccionada por muestreo de juicio se basa en la experiencia de
alguien con la poblacin. Algunas veces una muestra de juicio se usa como gua o
muestra tentativa para decidir como tomar una muestra aleatoria ms adelante.
Las muestras de juicio evitan el anlisis estadstico necesarios para hacer muestras
de probabilidad.


Estadstica descriptiva
objetivos generales
Al trmino del estudio y desarrollo de la presente asignatura los alumnos estarn
en capacidad de:
1. Obtener datos a partir de una poblacin o muestra sobre diferentes tipos de
fenmenos, como: econmicos, sociales, polticos, educativos.
2. Representar, analizar e interpretar datos en cuadros estadsticos.
3. Graficar e interpretar un determinado fenmeno.
4. Aplicar y calcular diferentes medidas en el proceso de una investigacin.
Medidas de tendencia central
Son medidas que se obtienen para ser representativas de todos los datos, por
ejemplo cuando en la escuela nos piden el promedio de las calificaciones, que no es
otra cosa que la media arimtica, sta se utiliza para representar todo el conjunto
de calificaciones de un perodo escolar.
La media arimtica es la medida de tendencia ms utilizada, su clculo es sencillo:


Esta medida de tendencia central es afectada en forma importante por los valores
extremos.

La mediana, es una medida de tendencia central que se encuentra justo en el centro
de todos los datos.
La moda es el valor que aparece en ms ocasiones.
La raz media cuadrtica se calcula de la siguiente manera:




La media armnica se calcula de la siguiente manera:



La media geomtrica



Las medidas de tendencia central pueden complementarse al contar con
informacin adicional respecto de los datos, estas se conocen como medidas de
dispersin.
La varianza que se calcula de la siguiente manera:




La desviacin estndar es:










Tcnicas de contar

ESTADSTICA.
Uno de los problemas ms comunes en el rea de la probabilidad y la
estadstica es el determinar el nmero de los elementos de que consta
evento o suceso tema reestudio, as que entre las tcnicas destacamos
al principio fundamental del conteo del cual se deriva:
las permutaciones y las combinaciones entre otras.
1. La asignacin de las placas vehiculares, stas disponen de 3 letras y 4
nmeros.
Determine el nmero de placas distintas que se pueden
elaborar:

a. Sin ninguna restriccin
b. Las de Michoacn inician P
c. De Michoacn y que sean pares.
a.

0
0 .
0 . 9
a 0 . 9
a . 1 9
a . z 2
b z 3
c 4
. 5
. 6
. 7
. 8
Z 9
_______________________________________

27 x 27 x 27 10 x 10 x 10 x 10 = 196, 830,000




b.
0
0 .
0 . 9
a 0 . 9
a . 1 9
p . z .
z 9
_______________________________________
1 x 27 x 27 x 10 x 10 x 10 x 10= 7, 290,000



c.

0
0 2
0 . .
a 0 . 9 8
a . 1 9
p . z .
z 9
_______________________________________
1 x 27 x 27 x 10 x 10 x 10 x 5 = 3, 645,000


2. Se resuelve un examen de tipo opcin mltiple de 20 preguntas y con
4 respuestas opcionales por cada una de ellas.




Determina cuntas formas distintas se puede resolver el examen.

1 2 3 4 20
4, 4, 4, 4... 4



20 12
4 = 1.099511628


3. Seis individuos se sientan en sillas formadas en hilera, determine de
cuntas formas distintas se pueden sentar si:

a. Se tiene ninguna restriccin
b. Dos de los 6 deben estar en asientos contiguos
c. Dos no deben estar en asientos contiguos

a) nPx = n!
(n x)

nPx = 6! = 720 sea 6 x 5 x 4 x 3 x 2 x 1 = 720
(6 6)!

b)
4! (10) = 240


c)
En relacin a (a) = (4!) (10) = 240
En relacin a (b) = (4!) (10) = 240
480




4. Se va a realizar un viaje de 15 individuos y disponen de 4 vehculos
para trasladarse. La primera condicin es que se utilicen los 4
vehculos; sin embargo cada uno tiene diferentes capacidades. El
primero de ellos tiene la capacidad para 6, el segundo tiene capacidad
para 5, el tercero de 4 y el cuarto de 2.

a. De cuantas formas distintas se puede hacer el recorrido?
b. Dos personas deben ir en un mismo vehculo
c. Dos personas no deben ir en el mismo vehculo.


Capacidad por auto 1 2 3 4 5 6 7 8 9 formas distintas
6 6 6 6 6 6 5 5 5 4
5 5 5 4 4 3 4 5 5 5
4 3 2 4 3 4 4 4 3 4
2 1 2 1 2 2 2 1 2 2
15 15 15 15 15 15 15 15 15
a.
Primera forma
n!
_________ =
x! (n x) !

15!
________ = 5005
6! (15 6)!

9!
________ = 126
5! (9 5)!


4!
________ = 4
3! (4 3)!
1!
________ = 1
1! (1 1)!

1. Forma 5005 x 126 x 4 x 1 = 2, 522,520
2. Forma 5005 x 126 x 6 x 1= 3, 783,780
3. Forma 5005 x 126 x 5 x 1= 3, 153,150
4. Forma 5005 x 126 x 10 x 1= 6, 306,300
5. Forma 5005 x 84 x 15 x 1 = 6, 306,300
6. Forma 3003 x 210 x 15 x 1 = 9, 459,450
7. Forma 3003 x 252 x 5 x 1 = 3, 783,780
8. Forma 3003 x 252 x 10 x 1 = 7, 567,560
9. Forma 1365 x 462 x 15 x 1 = 9, 459,450
___________
R = 52, 342,290 Formas distintas
b. 15!
________ = 105
2! (15 2)!


13!
________ = 715
4! (13 4)!


9!
________ = 126
5! (9 5)!

4!
________ = 1
4! (4 4)!


105 x 715 x 126 x 1 = 9, 459,450 y as sucesivamente como el
inciso a.

c.
15!
________ = 15
1! (15 1)!

14!
________ = 3003
6! (14 6)!

8!
________ = 56
5! (8 5)!

3!
________ = 1
3! (3 3)!


15 x 3003 x 56 x 1 = 2, 522,520 y as sucesivamente como en el
inciso a.


5. Cuntas ensaladas distintas se pueden hacer con 5 verduras?

5 (0+5 (1+5(2+5(3+5(4+5(5=
5+ 10 + 10 + 5+1 = 31

2
5
= 32
- 1
____
31







PROBABILIDAD (Utilizacin de axiomas).

6. Determina si los eventos A y B son mutuamente excluyentes
Determina los valores de:

P (A U B) = P ( A) + P (B) - P ( A n B)
P(A U B) = 1/2 + 1/3 - 1/4 = 6 + 4 - 3 = 7/12
12

P (A B) = P (A) P(B)
P (A B) = (1/2) (1/3) = 1/6


P (B / A) = P (A n B)
P (B)


P (B / A) = 1/4 / 1/3 = 3/4


P (A
C
n B
C
) = P (A
C
U B
C
) = 1 P (A U B)
P (A
C
n B
C
) = 1 (1/4) = 3/4

P (A
C
) = 1 P (A)
P (A
C
) = 1 (1/2) = 1/2

P ( B
C
) = 1- P (B)

P (B
C
) = 1 (1/3) = 2/3





Sean:

P (A) = 1/2

P (B) = 1/3

P (A U B) = 1/4

7. Determina la posibilidad de obtener 10 en un examen de falso y
verdadero que se conteste al azar, constando de 10 preguntas.

P (A

n B) = P (A) P (B)
P (A

n B) = (1/2) (1/2) (1/2) (1/2) (1/2) (1/2) (1/2) (1/2) (1/2) (1/2) =
(1/2)
10
Es decir, las formas que tiene de contestar el examen son de 2
10

P (E) = n = 1 NOTA: Existe la probabilidad de que un examen est
N 1024 totalmente correcto



8. Un cliente consuetudinario de una tienda de ropa tiene una
probabilidad de 0.20 de comprar un traje, sabiendo que ha comprado
una corbata. La probabilidad de que compren una corbata es de 0.40.

Determine la probabilidad de que compre un traje y una corbata

C = [Qu compre una corbata] = 0.40
T = [Qu compre un traje sabiendo que compro una corbata] = 0.20


P (T / C) = P (T n C)
P (C)

P (T n C) = P (T / C) P (C)
P (T n C) = (0.20) (0.40) = 0.08
P (T n C) = (0.20/ 0.40) (0.40) = 0.20

.160 x .240 = .0384 Probabilidad de que compre ambas cosas.



.12 .08 .32







9. En una carrera participan 5 caballos, Sentimiento, Filemn, Lucero,
Fierra Brass, Palomo.
Fierra Brass tiene 1/3 de probabilidad de ganar ms que
Sentimiento.
Palomo tiene la misma probabilidad que Sentimiento.
Lucero tiene el doble de Fierra Brass de ganar.
Filemn el cudruple de Fierra Brass.
Determina la probabilidad de ganar de cada uno de los caballos.

H = [Que gane Fierra Brass]
F = [Qu gane Filemn]
S = [Qu gane Sentimiento]
P = [Qu gane Palomo]
L = [Qu gane Lucero]

P (H U F U L U P U S) = P (H) + P (F) + P (L) + P (P) + P (S) = 1

P (H) = 1/3 P (S) P (S) = 3 P (H)
P (P) = P (S) P (P) = 3 P (H)
P (L) = 2 P (H)
P (F) = 4 P (H)
Por lo tanto, lo que predomina es P (H) as que de ah se parte dando as:

P (H U F U L U P U S) = P (H) + 4 P (H) + 2 P (H) + 3 P (H) + 3 P (H) = 1

13 P (H) = 1
P (H) = 1 / 13

P (S) = 3 P (H) = 3 / 13
P (P) = P (S) = 3 / 13
P (L) = 2 P (H) = 2 / 13
P (F) = 4 P (H) = 4 / 13

10. Se extraen 3 cartas de una baraja comn, determina la probabilidad
de que las tres sean de color rojo.
a) Con reemplazo
b) Sin reemplazo

R = [Que sea Rojo]
B = [Que el 2 sea Rojo]
D = [Que el 3 sea Rojo]

a) P (R n B n D) = P (R) * P (B) * P (D)
26 26 26 1 EXCLUYENTES
52 52 52 8


b) P (R n B n D) = P (R) * P (B / R) * P (C / R n D)
26 25 24 2 NO EXLUYENTES
52 51 50 17


11. Se lanzan 2 dados legales, determina la probabilidad de obtener 7

E = [Que caiga 7]
P = [Que caiga lo que sea en el 1]
D = [Que caiga la diferencia en el 2]

P (E) n P (E) 6
N 36

P (P n D) = 6 1 6
6 6 36


12. Se extrae una carta de una baraja comn, determina que sea reina.
Determina la probabilidad de que sea figura.
Determina la probabilidad de que sea de color rojo
Determina la probabilidad de que sea reina o de color rojo.

R = [Que sea Rojo]
F = [Que se a Figura]
Q = [Que sea Reina]



P (R) = n P (R) = 4
N 52

P (F) = 3 3 3 3 12
52 52 52 52 52


P (R) = 13 + 13 26
52 52 52

P (Q o R) = 4 + 26 - 2 = 28 = 7
52 52 52 52 13


13. El 60% del alumnado de una facultad es femenino. El 15% del
alumnado son chicas que ven telenovelas. Determina la probabilidad de
que al elegir un alumno al azar de dicha facultad vea telenovelas,
sabiendo que se trata de una chica.
C = [Que sean chicas] 60%
T = [Que vean telenovelas] 15%

P (T / C) = P (T n C)
P (C)
P (T/C) = 0 .15 = 0.25
0.60





.45 .15






14. Un ensamble consiste de 3 piezas A, B, C cuyas probabilidades de
falla son 0.50, 0.10, 0.15 respectivamente.

Para que el ensamble falle debe fallar alguna de las piezas.
Determina la probabilidad de falla del ensamble.

P (A) = [Que falle la primera pieza] 0.05
P (B) = [Que falle la segunda pieza] 0.10 F = [Que falle el
ensamble]
P (C) = [Que falle la tercera pieza] 0.15 E = [Que tenga xito]

(0.05) (0.10) (0.15) = 0.00075 FFF
(0.05) (0.10) (0.85) = 0.00425 FFE
(0.05) (0.90) (0.15) = 0.00675 FEF
(0.05) (0.90) (0.85) = 0.03825 FEE
(0.95) (0.10) (0.15) = 0.01425 EFF
(0.95) (0.10) (0.85) = 0.08075 EFE
(0.95) (0.90) (0.15) = 0.12825 EEF
P (F) = 0.27325


O BIEN:
P (A
C
n B
C
n C
C
) = (0.95) (0.90) (0.85) = 0.72675
1 (0.72675) = 0.27325 probabilidad de fallo.



15. Un cazador hace 7 disparos certeros a un tigre, cada uno de los
cuales tiene una probabilidad de 0.60 de causarle la muerte al tigre.
Determina la probabilidad de que el cazador contine con vida.

M1 = [Que el tigre muera a causa del 1
er
disparo]
M2 = [Que el tigre muera a causa del 2 disparo]
M3 = [Que el tigre muera a causa del 3
er
disparo]
M4 = [Que el tigre muera a causa del 4 disparo]
M5 = [Que el tigre muera a causa del 5 disparo]
M6 = [Que el tigre muera a causa del 6 disparo]
M7 = [Que el tigre muera a causa del 7 disparo]
P (M1
C
n M2
C
n M3
C
n M4
C
n M5
C
n M6
C
n M7
C
) =
(0.40)(0.40)(0.40)(0.40)(0.40)(0.40)(0.40) = (0.40)
7
1- .0016384 = .9983616
16. Tenemos 3 urnas que contienen bolas de colores A, B, C, la
probabilidad de elegir la urna A es el doble de otras.
La urna A contiene 5 bolas rojas y 2 blancas
La urna B contiene 7 bolas rojas y 1 blanca
La urna C contiene 3 bolas rojas y 3 blancas

a) Determine la probabilidad de sacar una bola roja.
b) Dado que la bola elegida fue roja, determina la probabilidad que
se haya extrado de la urna A


5/7 R

A
2/7 B
1/2

7/8 R
1/4
B
1/8 B
1/4
R
3/6
C
3/6 B


A = [Que se haya extrado de la urna A]
B = [Que se haya extrado de la urna B]
C = [Que se haya extrado de la urna C]
R = [Que sea bola roja]
B = [Que sea bola blanca]

a).-P (R) = P (A) P (R / A) + P (B) P (R / B) + P (C) P (R / C)

P (R) = 1 5 1 7 1 3 157 = .70
2 7 4 8 4 6 224



b).-

P (A /R) = P (A n R)
P (R)


P (A /R) = P (A) P (A / R) .
P (A) P (R / A) + P (B) P (R / B) + P (C) P (R / C)

P (A /R) = 5 / 14 . 80 = .50955
157 / 224 157


TEOREMA DE BAYES.


17. Fulano suele llegar ebrio a su casa. La probabilidad de que llegue
ebrio a su casa una noche cualquiera es de 0.80.

La seora de fulano acostumbra a dejar encendida la luz de la entrada
todas las noches; si fulano llega ebrio la probabilidad de que apague la
luz es de 0.05. Mientras que si llega sobrio la probabilidad de que
apague la luz es de 0.90.


a) Determina la probabilidad de que fulano apague la luz una noche
cualquiera.
b) Sabiendo que fulano ha apagado la luz. Determina la probabilidad
de que haya llegado sobrio.




a).-
E = [Que llegue ebrio]
A = [Que apague la luz]
A
0.05
E A
C

0.80 0.95



0.90 A
0.20 E
C

0.10 A
C



P (A) = P (E) P (A / E) + P (E
C
) P (A / E
C
)

P (A) = (0.80) (0.05) + (0.20) (0.90)
P (A) = 0.04 + 0.18 = 0.22

b).-
P ( E
C
/ A) = P (E
C
n A)
P (A)

P ( E
C
/ A) = P (E
C
) P (A / E
C
) .
P (E) P (A / E) + P (E
C
) P (A / E
C
)


= (.20) (.90) .
(0.80) (0.05) + (0.20) (0.90)


P ( E
C
/ A) = 0.18 = 0.818
0.22


18. Sutano no suele estudiar para los exmenes la probabilidad de que
estudie para un examen cualquiera es de 0.25.
En el caso que estudie la probabilidad que apruebe es de 0.70, sin
embargo en caso de no estudiar la probabilidad de aprobar es de 0.05.

a) Determine la probabilidad de que Sutano apruebe un examen
cualquiera.
b) Sabiendo que ha aprobado, determina la probabilidad de que
haya estudiado.

E = [Que estudie]
A = [Que apruebe]
A
0.70
E A
C

0.25 0.30



0.05 A
0.75 E
C

0.95 A
C




P (A) = P (E) P (A / E) + P (E
C
) P (A / E
C
)

P (A) = (0.25) (0.70) + (0.75) (0.05)
P (A) = 0.2125





P ( E

/ A) = P (E n A)
P (A)





P ( E

/ A) = P (E) P (A / E) .
P (E) P (A / E) + P (E
C
) P (A / E
C
)





(0.25) (0.70)
= ___________________________
(0.25) (0.70) + (0.75) (0.05)





P ( E
C
/ A) = 0.175 = 0.823
0.2125

19. Mengano reconocido fondista local espera participar en la prxima
media maratn a realizar en la Ciudad de Morelia. Es su deseo
acrrimo contrincante no participe.

La probabilidad de que Perengano participe en dicho evento es de
0.30. En caco dado que Perengano no participe la probabilidad de que
Mengano gane es de 0.25, mientras que si Perengano no participa la
probabilidad de que Mengano gane es de 0.85









a. Determina la probabilidad de que Mengano gane la carrera.
b. Dado que Mengano ha ganado ola carrera, determine la
probabilidad de que Perengano no ha participado.

G = [Que gane]
M = [Que haya participado]
G
0.25
M G
C

0.30 0.75



0.85 G
0.70 M
C

0.15 G
C



P (G) = P (M) P (G / M) + P (M
C
) P (G / M
C
)

P (A) = (0.30) (0.25) + (0.70) (0.85)
P (A) = 0.075 + 0.595 = 0.67


P ( M
C
/ G) = P (M
C
n G)
P (G)





P ( M
C
/ G) = P (M
C
) P (G / M
C
) .
P (M) P (G / M) + P (M
C
) P (G / M
C
)


(0.30) (0.25)
= _________________________________________
(0.30) (0.25) + (0.70) (0.85)


P (M
C
/ G) = 0.595 = 0.89
0.67


DISTRIBUCION DE PROBABILIDAD DISCRETA.

20. Se extraen 5 cartas de una baraja comn.
X = No. De Reyes

CON REEMPLAZO

n ( 1 P)
n - x
x
P (X = 0) = (48 / 52) (48 / 52) (48 / 52) (48 / 52) (48 / 52) = 0.67017
7! .
0! (7 0)! 0.67017 = 0.67017


P (X = 1) = (48 / 52)
4
(4 / 52) = 0.05584
7! .
1! (7 1)! 0.05584 = 0.2792


P (X =2) = (48 / 52)
3
(4 / 52)
2
= 0.004654
7! .
2! (7 2)! 0.004654 = 0.04654


P (X =3) = (48 / 52)
2
(4 / 52)
3
= 0.00038783
7! .
3! (7 3)! 0.00038783 = 0.0038783


P (X =4) = (48 / 52)

(4 / 52)
4
= 0.000032319
7! .
4! (7 4)! 0.000032319 = 0.00019159

P (X =5) =

(4 / 52)
5
= 0.0000029329
7! .
4! (7 4)! 0.0000029329 = 0.00000269329

TOTAL: 0.999952





7
6


5
4
3
2
1
0
0.5 1.5 2.5 3.5 4.5 5.5

SIN REEMPLAZO


n ( 1 P)
n - x
x
P (X = 0) = (48 / 52) (47 / 51) (46 / 50) (45 / 49) (44 / 48) = 0.65884
7! .
0! (7 0)! 0.65884 = 0.65884


P (X = 1) = (48 / 52) (47 / 51) (46 / 50) (45 / 49) (4 / 48) = 0.59894
7! .
1! (7 1)! 0.59894 = 0.2994736


P (X =2) = (48 / 52) (47 / 51) (46 / 50) (4 / 49) (3 / 48) = 0.00399298
7! .
2! (7 2)! 0.00399298 = 0.00399298


P (X =3) = (48 / 52) (47 / 51) (4 / 50) (3 / 49) (2 / 48) = 0.0001736079
7! .
3! (7 3)! 0.0001736079 = 0.001736079


P (X =4) = (48 / 52) (4 / 51) (3 / 50) (2 / 49) (1 / 48) = 0.00000369378
7! .
4! (7 4)! 0.00000369378 = 0.0000184689

TOTAL: 0.9999979





7


6
5
4
3
2
1
0
0.5 1.5 2.5 3.5 4.5


21. Una familia tiene 7 hijos, la variable aleatoria X = No. De mujeres
1/2 = De xito 1/2 = De fracaso

P (X = 0) = 1 / 2
7
7! . = 0.078125
0! (7 0)!



P (X = 1) = 1 / 2
7
7! . = 0.0546875
1! (7 1)!


P (X = 2) = 1 / 2
7
7! . = 0.1640625
2! (7 2)!


P (X = 3) = 1 / 2
7
7! . = 0.2734375
3! (7 3)!


P (X = 4) = 1 / 2
7
7! . = 0.02734375
4! (7 4)!


P (X = 5) = 1 / 2
7
7! . = 0.1640625
5! (7 5)!




P (X = 6) = 1 / 2
7
7! . = 0.0546875
6! (7 6)!



P (X = 7) = 1 / 2
7
7! . = 0.0078125
7! (7 7)!


TOTAL: 1.0000



2.8


2.4
2
1.6
1.2
0.8
0.4
0
0.5 1.5 2.5 3.5 4.4 5.5 6.5 7.5


DISTRIBUCION NORMAL


22. Si el largo de 300 varillas tiene distribucin normal con media 68.0
cm y desviacin estndar de 3.0 cm, cuntas varillas tendrn largo

a) mayor de 72 cm
b) menor o igual a 64 cm
c) entre 65 y 71 cm, inclusive,
d) igual a 68 cm?

Suponga que las medias se anotaron aproximando el cm ms
cercano.


a)


Z = X - U
o

Z = 72.5 68 1.5
3

P (X>72.5) 0.5 0.4332 0.0668 x 300 = 20 VARILLAS









b)

Z = X - U
o

Z = 64.5 68 1 .17
3
P ( X>64) 0.5 0.3790 0.121 x 300 = 36 VARILLAS



c)

Z = X - U
o

Z = 64.5 - 68 -1 .17
3

P ( X>65) = 0.3790


Z = 71.5 - 68 1 .17
3
P ( X>71) = 0.3790


P(65 X 71) 0.3790 +0.3790 0.758 X 300 = 227




d)


Z = X - U
o

Z = 68 - 67.5 .17
3


P ( X =68) .0675

68.5 - 68 .17 = .0675
3


.0675 + .0675 = .135

(.135) (300) = 40.5






23. Los dimetros de ciertas balineras tienen distribucin normal
con media 0.6140 cms. Y desviacin estndar 0.0025 cms.,
determine el porcentaje de balineras con dimetros :

a) Entre 0.610 y 0.618 cms., inclusive,
b) Mayores que 0.0617 cms.
c) Menores que 0.608 cms.,
d) Iguales que 0.615 cms.


a)

Z=
U= 0.6140 cm
o =0.0025 cm
X= 0.610 Y 0.618


Z= 0.6095 06140 =1.8
0.0025
P(X>0.610)= 0.4641


Z= 0.6185 06140 =1.8
0.0025

P(X>0.610)= 0.4641


P(0610<X<0618) 0.4641+0.4641= 0.93X100= 93%





b) Z= 0.6175 0.6140 =1.4
0.0025

P(X>0.610)= 0.4192

P ( X>0.617) 0.5 0.4192 .0808 x 100 = 8.10%




c)


Z= 0.6075 0.6140 = 2.6
0.0025

P(X>0.610)= 0.4953


P ( X>0.610) 0.5 0.4953 .0047 x 100 = 0.47%




d)


Z= 0.615 0.614 =0.4
0.0025

P(X>0.615) 0.1554 x 100 = 15.54%











24. La nota promedio en un examen final fue 72 y la desviacin
estndar fue 9. El 10% de los mejores estudiantes recibirn A. Cul
es la nota mnima necesaria para que un estudiante obtenga una A?


Z = 10%
U = 72
o = 9
X =


Z = X-U
o

X = U + Z(o) 0.50-0.10 0.40 0.3997= 1.28

X = 72 + 1.28(9) = 83.52





25. Supongamos que los pesos de 2000 alumnos se distribuyen
normalmente con media u = 155 libras y desviacin tpica o = 20
libras. Hallar el nmero de alumnos cuyos pesos:

a) Sean menores o iguales a 100 libras
b) Estn entre 120 y 130 libras ambos inclusive
c) Estn entre 150 y 175 libras ambos inclusive
d) Sean mayores o iguales a 200 libras


a)


Z =
X = 2000
U = 155 libras Z = X - U
o = 20 libras o



Z = 100-155 2.75
20

Z = 2.75


P ( x < 100 ) 0.5 0.4970 0.003 x 2000 = 6






b)

Z1 = 120-155 - 1.75 Z2 = 130-155 -1.25
20 20


Z1 = -1.75 Z2 = -1.25


P ( x > 120 ) = 0.4599 P ( x > 130 ) = 0.3944

P (120 < x > 130) = P ( -1.75 < Z > -1.25)
= P (0.4599 0.3944)
P = 0.0655 x 2000 = 131





c)

Z1 = 150-155 0.25 Z2 = 175-155 1
20 20


Z1 = -0.25 Z2 = 1


P ( x > 150 ) = 0.0987 P ( x > 175 ) = 0.3413



P (150 < x > 175) = P ( 0.25 < Z > 1)
= P (0.0987 + 0.3413)
P = 0.44 x 2000 = 880



d)


Z1 = 200-155 2.25
20

Z1 = 2.25

P ( x > 200 ) = 0.5 - 0.4878 = 0.0122

P = 0.0122 x 2000 = 24








26. Supongamos que los dimetros de los frascos fabricados por una
empresa se distribuyen normalmente con media u = 0.25 pulgadas y
desviacin tpica o =0.02 pulgadas. Se considera que un frasco es
defectuoso si d 0.20 pulgadas o d 0.28 pulgadas. Hallar el porcentaje
de frascos defectuosos fabricados por dicha empresa.


U = 0.25 pulgadas
o = 0.02 Pulgadas


Z1 = 0.20 - 0.25 2.5
0.02

Z1 = -2.05

P ( x 0.20 ) = 0.5 - 0.4938 = 0.0062



Z2 = 0.28 - 0.25 1.5
0.02

Z2 = 1.5

P ( x 0.28 ) = 0.5 - 0.4332 = 0.0668


P (0.20 < x > 0.28) = P ( 0.0062 + 0.0668)

P = 0.73




27. Supongamos que las puntuaciones de un examen se distribuyen
normalmente con media u = 76 y desviacin tpica o =15. Al 15% de
alumnos con mayores puntuaciones se les da un sobresaliente y al
10% con menores puntuaciones se les da un suspenso. Hallar:

a. La puntuacin mnima para sacar sobresaliente (A) y
b. La puntuacin mnima para aprobar ( es decir no sacar un
supuesto o F).


a)


Z = X-U
o

0.50-0.15 0.35 0.3508= 1.04

X = Z + U

X = (15)(1.04)+76= 91.6










b)


0.50-0.10 0.40 0.3997= 1.28

X = Z - U

X = (15)(1.28)-76= 56.8








28. Se tira una moneda 10 veces. Hallar la probabilidad de sacar
entre 4 y 7 caras ambas incluidas usando:

a) La distribucin binomial
b) La aproximacin normal a la distribucin binomial

a)

P (x) = n P
x
( 1 P)
n - x
x


4 6
10
1 1
( 4) 1 0.205078125
4 2 2
P X



5 5
1 1
( 5) 252 1 0.24609375
2 2
P X



6 4
1 1
( 6) 210 1 0.205078125
2 2
P X


7 3
1 1
( 7) 120 1 0.1171875
2 2
P X



(4 7) 7734375 P X



b) Aproximacin


Z = X U
o

u = n = 10 1 = 5

2


o = n (1- )




= 10 1 1 - 1
2 2



= 5 1
2



= 1.12

Z = 5 4 = 0.892857142
1.12

Z = 0 .3133

Z = 7 5 = 1.785714286
1.12

Z = 0.4625

Z = 0.3133 + .4625 = 0.7758




29. Se tira una moneda 400 veces. Hallar la probabilidad de que el
nmero de caras que se saquen sea diferentes de 200 en

a) Ms de 10
b) Ms de 25


Z = x - u
o



u = n

400 1 = 200
2


o = n (1- )




o = 400 1 1 - 1
2 2



= 10

189.5 ,210.5

Z = 200 189.5 = 1.05 0.3531
10

Z = 210.5 200 = 1.05 0.3531
10
2 ( 0.3531 ) = 0.7062
1 - 0.7062 = 0.2938






b)

Z = 200 174.5 = 2.55 0.4946
10

Z = 200 225.5 = 2.55 0.4946
10

2 ( 0.4946 ) = 0.9892

1 - 0.9892 = 0.0108





30. Se tira un dado 720 veces. Hallar la probabilidad de que salga 6:

a) Entre 100 y 125 veces ambas incluidas
b) Ms de 150 veces





a)

Z = x - u
o

u = n


720 1 = 120
6


o = n (1- )




o = 720 1 1 - 1
6 6 = 10




x = nmero de veces que sale 6




Z = 99.5 120 = 2.05 0.4798
10

Z = 125.5 120 = 0.55 0.2088
10

0.4798 + 0.2088 = 0.6886






b)

Z = 150.5 120 = 3.05 0.4989
10

Z = 0.5 0.4989 = 0.0011











31. Entre 625 nmeros aleatorios, hallar la probabilidad de que salga el
7:

a) Entre 50 y 60 veces ambas incluidas,
b) Entre 60 y 70 veces ambas incluidas.









REGRESION LINEAL
JUSTIFICACIN DEL PROBLEMA

1. Se piensa que el nmero de libras de vapor utilizadas por el mes
por una planta qumica, est relacionada con la temperatura
ambiente promedio ( F) de ese mes. En la tabla siguiente se
muestran el uso de vapor y la temperatura del mes
correspondiente.









MES

TEMPERATURA

USO / 1000


X

Y

XY

X

Enero 21 185.79 3,901.59 441
Febrero 24 214.47 5,147.28 576
Marzo 32 288.03 9,216.96 1,024
Abril 47 424.84 19,967.48 2,209
Mayo 50 454.58 2,2729 2,500
Junio 59 539.03 31,802.77 3,481
Julio 68 621.55 42,265.4 4,624
Agosto 74 675.06 49,954.44 5,476
Septiembre 62 562.03 34,845.86 3,844
Octubre 45 452.93 20,381.85 2,025
Noviembre 41 369.96 15,168.36 1,681
Diciembre 30 273.98 8,219.4 900


558 5,062.25 263,600.39 28,781
y = 9.2083x - 6.339
R
2
= 0.9933
180
280
380
480
580
680
20 30 40 50 60 70 80
TEMPERATURA
U
S
O

/

1
0
0
0


INTERPOLACIN

y = 9.2083x 6.3339
y = 9.2083 (24) 6.3339
y = 220.9992 6.3339
y = 214.66






EXTRAPOLACIN

y = 9.2083x 6.3339
y = 9.2083 (85) 6.3339
y = 782.7055 6.3339
y = 776.3716
MES

TEMPERATURA

USO / 1000

febrero 24 214.47


APORTACIN

La conclusin a la cual llegue fue que entre ms aumente la
temperatura, mayor ser el uso de vapor. Sin embargo en poca de
invierno el uso de vapor disminuye de acuerdo a que baja la
temperatura.












JUSTIFICACIN DEL PROBLEMA

2. En un artculo se presentan datos sobre la concentracin de licor
verde Na2S y la produccin de papel mquina. Los datos
obtenidos se muestran en la siguiente tabla.









NMERO DE
OBSERVACIN

PRODUCCIN
(ton / da)

CONCENTRACIN DE
LICOR VERDE Na2S
(g / l)
X Y XY X
2
1 825 40 33,000 680,625
2 830 42 34,860 688,900
3 890 49 43,610 792,100
4 895 46 41,170 801,025
5 890 44 39,160 792,100
6 910 48 43,680 828,100
7 915 46 42,090 837,225
8 960 43 41,280 921,600
9 990 53 52,470 980,100
10 1,010 52 52,520 1020,100
11 1,012 54 54,648 1024,144
12 1,030 57 58,710 1060,900
13 1,050 58 60,900 1102,500
12,207 632 598,098 11529,419
y = 0.0694x - 16.509
R
2
= 0.8001
35
40
45
50
55
60
820 845 870 895 920 945 970 995 1020 1045
PRODUCCIN
C
O
N
C
E
N
T
R
A
C
I

N

D
E

L
I
C
O
R




INTERPOLACIN EXTRAPOLACIN

y = 0.0694x 16.509 y = 0.0694x 16.509
y = 0.0694 (825) 16.509 y = 0.0694 (1,060) 16.509
y = 57.255 16.509 y = 73.564 16.509
y = 40.74 y = 57.055






3. Se realiza una encuesta para determinar las horas de estudio que
el alumnos de la Facultad de Contadura y Ciencias
Administrativas utiliza para la acreditacin de las materias.
De acuerdo con lo anterior expuesto se obtiene la siguiente tabla
de datos:



TIEMPO DE
ESTUDIO (horas /
semana)
PREDICCIN DEL
PROMEDIO DE
CALIFICACIONES
X Y XY X
2
ELENA 8 7.4 59.2 59.2
NOEM 10 8 80 80
ROSARIO 6 6.8 40.8 40.8
DAVID 13 8.6 111.8 111.8
GONZALO 14 9 126 126
SERGIO 6 6 36 36
DALILA 3 5.8 17.4 17.4
VANNESA 1 4.5 4.5 4.5
VIANEY 12 8.4 100.8 100.8
ARTURO 11 8 88 88
RICARDO 5 5.8 29 29
89 78.3 693.5 693.5













y = 0.3316x + 4.4356
R
2
= 0.9609
0
1
2
3
4
5
6
7
8
9
10
0 5 10 15
TIEMPO DE ESTUDIO
P
R
O
M
E
D
I
O

D
E

C
A
L
I
F
I
C
A
C
I
O
N
E
S
Serie1
Lineal (Serie1)


INTERPOLACAIN EXTRAPOLACIN

y = 0.3316 x + 4.4356 y = 0.31916 x +4.4356
y = 0.3316 (10) + 4.4356 y = 0.3316 (18) + 4.4356
y = 7.756 y = 10.40




Bibliografa

Gonzlez, F. (2001): Probabilidad y Estadstica para la Gestin Empresarial.
FEGOSA Ingeniera Administrativa.

Weimer, R. (1996) Estadstica . Compaa Editorial Continental.

Levin, R. (2004) Estadstica para Administracin y Economa. Pearson
Educacin Mxico.