Manual de Estadistica I

UNIVERSIDAD DE ORIENTE
NCLEO DE MONAGAS
ESCUELA DE CIENCIAS SOCIALES Y ADMINISTRATIVAS
MANUAL DE ESTADSTICA I
GUSTAVO JOS RUEDA GUTIRREZ
MATURN, JULIO 2014
INDICE
INDICE ............................................................................................................ ii
INDICE DE FIGURAS .................................................................................... vi
RESUMEN .................................................................................................... vii
INTRODUCCIN ............................................................................................ 1
UNIDAD I: DEFINICIONES BSICAS USADAS EN ESTADSTICA ............ 3
1.1 Estadstica ............................................................................................. 3
1.2 Estadstica Descriptiva .......................................................................... 4
1.3 Estadstica Inferencial ........................................................................... 4
1.4 Universo ................................................................................................ 4
1.5 Poblacin ............................................................................................... 4
1.6 Muestra.................................................................................................. 6
1.7 Muestreo................................................................................................ 6
1.8 Parmetro .............................................................................................. 6
1.9 Estadstico ............................................................................................. 6
1.10 Datos ................................................................................................... 7
1.11 Variable Aleatoria y Tipos .................................................................... 7
1.12 Mediciones .......................................................................................... 8
1.13 Nivel de Mediciones ............................................................................ 9
1.14 Unidad Estadstica ............................................................................... 9
1.15 Problemas Unidad I ........................................................................... 10
UNIDAD II: ESTADSTICA DESCRIPTIVA. MTODOS TABULARES Y
GRFICOS ................................................................................................... 12
2.1 Distribucin de Frecuencia .................................................................. 12
2.2 Intervalo Total (Rango de los Datos o Recorrido de los Datos) ........... 12
2.3 Intervalo de Clase ................................................................................ 12
2.4 Marca de Clase ................................................................................... 13
2.5 Frmula Emprica ................................................................................ 13
2.6 Frmula Terica .................................................................................. 13
2.7 Tipos de Frecuencia ............................................................................ 14
2.8 Estructura de la Tabla de Distribucin de Frecuencias ....................... 14
2.9 Representacin Grfica ....................................................................... 15
2.10 Problemas Unidad II .......................................................................... 17
UNIDAD III: MEDIDAS DE TENDENCIA CENTRAL Y DE POSICIN ........ 21
3.1 Media Aritmtica .................................................................................. 21
3.2 Media Aritmtica Ponderada ............................................................... 21
3.3 Media Armnica ................................................................................... 22
3.4 Media Geomtrica ............................................................................... 22
3.5 Moda o Modo....................................................................................... 24
3.6 Mediana ............................................................................................... 25
3.6.1 Para datos no agrupados .............................................................. 25
3.6.2 Para datos agrupados ................................................................... 25
ii
3.7 Fractiles ............................................................................................... 26

3.7.1 Cuartiles (Qi) ................................................................................. 26
3.7.2 Deciles (Di) .................................................................................... 27
3.7.3 Percentiles (Pi) .............................................................................. 28
3.8 Problemas Unidad III ........................................................................... 34
UNIDAD IV: MEDIDAS DE VARIABILIDAD O DISPERSIN...................... 45
4.1 Medidas de Dispersin Absoluta ......................................................... 45
4.1.1 Intervalo Total (Rango de los Datos o Recorrido de los Datos) .... 45
4.1.2 Desviacin Media (Desvos Medios) ............................................. 45
4.1.3 Varianza ........................................................................................ 46
4.1.4 Desviacin Tpica o Estndar ........................................................ 47
4.1.5 Desviacin Cuartlica (Desviacin Cuartil) .................................... 47
4.2 Medidas de Dispersin Relativa .......................................................... 47
4.2.1 Coeficiente de Variacin de Pearson (C.V.) .................................. 48
4.2.2 Coeficiente de Variacin Medianal (C.V.M.) .................................. 48
4.3 Problemas Unidad IV ........................................................................... 49
UNIDAD V: MEDIDAS NUMRICAS ASIMTRICAS Y KURTOSIS ........... 55
5.1 Asimetra ............................................................................................. 55
5.2 Coeficiente de Asimetra: Frmula de Pearson ................................... 56
5.3 Teora de Momentos ........................................................................... 56
5.4 Tipos de Momentos ............................................................................. 57
5.4.1 Momentos respecto al origen, cuando C = 0 ................................. 57
5.4.2 Momentos respecto de la media o momento central, cuando C =
X ............................................................................................................. 57
5.5 ndice de Simetra de Fisher ................................................................ 58
5.6 Kurtosis o Curtosis .............................................................................. 58
5.7 Coeficiente de Kurtosis ........................................................................ 59
5.8 Problemas Unidad V ............................................................................ 60
UNIDAD VI: INTRODUCCIN A LA TEORA DE PROBABILIDADES ....... 64
6.1 Probabilidad......................................................................................... 64
6.2 Probabilidad A Priori ............................................................................ 64
6.3 Probabilidad A Posteriori (Frecuencia Relativa) .................................. 65
6.4 Probabilidad (Enfoque Subjetivo) ........................................................ 65
6.5 Concepto Axiomtico de la Probabilidad ............................................. 66
6.5.1 Experimento Aleatorio (Fenmenos) ............................................. 67
6.5.2 Espacio Muestral (S) ..................................................................... 67
6.5.3 Espacio Muestral Equiprobable ..................................................... 67
6.5.4 Puntos Muestrales (Suceso o Evento) .......................................... 67
6.6 Eventos Mutuamente Excluyentes ...................................................... 67
6.7 Eventos No Mutuamente Excluyentes ................................................. 68
6.8 Seleccin al Azar ................................................................................. 68
6.8.1 Seleccin con reemplazo (con repeticin)..................................... 68
6.8.2 Seleccin sin reemplazo (sin repeticin) ....................................... 69
iii
6.9 Teorema de la Suma (A
B); (A + B); (A o B); (A
B) ....................... 69
6.9.1 Sucesos exhaustivos y mutuamente excluyentes ......................... 69

6.9.2 Sucesos mutuamente excluyentes ................................................ 70
6.9.3 Sucesos que no son Mutuamente Excluyentes ............................. 70
6.10 Probabilidad Condicional ................................................................... 71
6.11 Probabilidad Producto ....................................................................... 72
6.12 Teorema de la Probabilidad Total ...................................................... 73
6.13 Teorema de Bayes ............................................................................ 75
6.14 Problemas Unidad VI ......................................................................... 76
UNIDAD VII: DISTRIBUCIN DE PROBABILIDAD DISCRETA.
DISTRIBUCIN BINOMIAL Y DISTRIBUCIN DE POISSON .................... 89
7.1 Distribucin Discreta de una Variable Aleatoria ................................... 89
7.2 Funcin de Probabilidad ...................................................................... 89
7.3 Funcin de densidad ........................................................................... 89
7.4 Espacio Muestral ................................................................................. 90
7.5 Funcin de Distribucin ....................................................................... 90
7.6 Esperanza Matemtica o Valor Esperado ........................................... 90
7.6.1 Propiedades .................................................................................. 91
7.7 Distribucin Binomial ........................................................................... 92
7.8 Distribucin de Poisson ....................................................................... 94
7.9 Aproximacin de la Distribucin de Poisson a la Distribucin
Binomial ..................................................................................................... 96
7.10 Problemas Unidad VII ........................................................................ 99
UNIDAD VIII: DISTRIBUCIN DE PROBABILIDAD CONTINUA.
DISTRIBUCIN NORMAL ......................................................................... 107
8.1 Concepto de Distribucin de Probabilidad Continua ......................... 107
8.2 Funcin Distribucin F(X) .................................................................. 108
8.3 Concepto de Distribucin Normal ...................................................... 109
8.3.1 Caractersticas de la Distribucin Normal ................................... 110
8.3.2 Propiedades ................................................................................ 110
8.4 Uso de la Tabla de la Distribucin Normal Estndar ......................... 111
8.5 Relacin entre la Distribucin Binomial y la Distribucin Normal ....... 114
8.6 Aproximacin de la Distribucin Normal a la Distribucin Binomial ... 115
8.7 Problemas Unidad VIII ....................................................................... 117
RESPUESTAS A LOS PROBLEMAS PROPUESTOS .............................. 129
BIBLIOGRAFA .......................................................................................... 158
APNDICES ............................................................................................... 160
APNDICE A: INTERPOLACIN LINEAL .............................................. 161
APNDICE B: TEORA DE CONJUNTOS .............................................. 166
APNDICE C: TEORA COMBINATORIA ............................................... 171
APNDICE D: TABLA DE LA DISTRIBUCIN NORMAL ....................... 183
ANEXOS ..................................................................................................... 187
iv
ANEXO N 1: INTRODUCCIN A LA CONFIABILIDAD DE SISTEMAS 188

ANEXO N 2: CAPACIDAD DE UN PROCESO ...................................... 197
INDICE DE FIGURAS
FIGURA N 1: UNIVERSO Y POBLACIN .................................................... 5
FIGURA N 2 DEFINICIONES BSICAS ....................................................... 7
FIGURA N 3 HISTOGRAMAS SIMPLES .................................................... 15
FIGURA N 4 HISTOGRAMAS ACUMULADOS ........................................... 15
FIGURA N 5 POLGONOS SIMPLES ......................................................... 16
FIGURA N 6 POLGONOS ACUMULADOS (OJIVAS) ................................ 16
FIGURA N 7 LA MEDIANA .......................................................................... 25
FIGURA N 9 DECILES ................................................................................ 27
FIGURA N 10 PERCENTILES..................................................................... 28
FIGURA N 11 TIPOS DE ASIMETRA ........................................................ 55
FIGURA N 12 TIPOS DE KURTOSIS ......................................................... 59
FIGURA N 13 PROBABILIDAD ................................................................... 66
FIGURA N 14 SUCESOS EXHAUSTIVOS Y EXCLUYENTES ................... 69
FIGURA N 15 SUCESOS MUTUAMENTE EXCLUYENTES ...................... 70
FIGURA N 16 SUCESOS NO MUTUAMENTE EXCLUYENTES ................ 70
FIGURA N 17 SUCESOS NO MUTUAMENTE EXCLUYENTES, TRES
EVENTOS ................................................................................................ 71
FIGURA N 18 PROBABILIDAD CONDIONADA .......................................... 72
FIGURA N19 PROBABILIDAD TOTAL ....................................................... 73
FIGURA N 20 RBOL DE PROBABILIDADES ........................................... 74
FIGURA N 21 DISTRIBUCIN DE POISSON............................................. 95
FIGURA N 22 DISTRIBUCIN NORMAL ................................................. 109
FIGURA N 23 CONCENTRACIN DE DATOS EN LA NORMAL ............. 114
FIGURA N 24 DISTRIBUCIN BINOMIAL ................................................ 115
vi
UNIVERSIDAD DE ORIENTE
NCLEO DE MONAGAS
ESCUELA DE CIENCIAS SOCIALES Y ADMINISTRATIVAS
RESUMEN
Autor: Ing. Gustavo Jos Rueda Gutirrez
C.I. N V- 6.868.118
El objetivo fundamental de este trabajo es brindar una herramienta
adicional a los estudiantes de la asignatura Estadstica I de la Escuela de
Ciencias Sociales y Administrativas, que permita coadyuvar en el proceso de
enseanza - aprendizaje de la misma. El diseo del manual corresponde a
un proyecto apoyado en una investigacin de tipo documental, debido a que
se hace una recopilacin bibliogrfica, referentes tericos y documentos
relacionados con la temtica desarrollada, tomando en cuenta aspectos tales
como el contenido del programa vigente de la asignatura; la solicitud de
elementos didcticos de estudio por parte de los estudiantes, de mucho
material desarrollado en las aulas y de la experiencia, dictando el curso, del
autor de este trabajo. Se destaca el hecho de que todas las situaciones
propuestas han sido revisadas rigurosamente y se garantizan todos los
resultados, de forma tal que el cursante pueda autoevaluar su formacin. Se
ha incluido algunos ejemplos donde se considera que se brinda un enfoque
que no se encuentra con facilidad en la bibliografa existente. Se espera que
este trabajo contribuya, en alguna medida, a elevar el nivel de la calidad de
los cursos de Estadstica.
vii
INTRODUCCIN
El objetivo ltimo de este trabajo es presentar al estudiante de

Estadstica I una coleccin de situaciones y problemas que le permitan
ejercitar y aplicar los conocimientos adquiridos.
No se ha querido desarrollar a profundidad la Teora Estadstica

necesaria para la resolucin de estos ejercicios porque, se ha considerado
que existen excelentes libros de texto en el rea, a los cuales sera muy
difcil superar. Slo se ha incluido, al comienzo de cada unidad, una sntesis
exhaustiva del contenido de la misma, con la intencin que sirva de
recordatorio de los temas desarrollados en clase y que deberan ser
ahondados en los buenos textos recomendados.
De igual manera, en situaciones en la que se considera un especial

inters o que se crea dar un aporte debido a considerar que en la bibliografa
existente no se da ese enfoque especial o no es fcil hallarlo, se presentan
algunos ejemplos, esperando sean de mucha utilidad al lector de esta obra.
El trabajo est dividido en ocho captulos, cada uno de ellos abarca un

temario lo suficientemente amplio, que permite cubrir un buen nmero de
ejercicios y problemas de diversa ndole, que se presentan lo suficientemente
mezclados para impedir que el estudiante se mecanice, y que por el contrario
desarrolle cabalmente todos los conceptos.
El tipo de situaciones que se presentan est fundamentalmente

orientado para cursos de Estadstica I, en donde se presuponga una buena
base matemtica del estudiante; y se ha revisado profundamente, teniendo el
Gustavo J. Rueda G.
sumo cuidado en todas y cada una de las respuestas a los ejercicios

propuestos, de forma tal, que quien se est formando tenga una orientacin
certera en el logro de los objetivos del aprendizaje.
Finalmente, se espera que este trabajo contribuya a elevar el nivel de

los cursos de Estadstica, al evitar en los estudiantes la prdida de tiempo
que ocasiona la bsqueda de este material que aparece disperso en la
extensa bibliografa.
UNIDAD I: DEFINICIONES BSICAS USADAS EN

ESTADSTICA
Estadstica es mucho ms que slo nmeros apilados y grficas muy
llamativas. Es una ciencia con tanta antigedad como la escritura, y es por s
misma auxiliar de todas las dems ciencias. Los mercados, la medicina, la
ingeniera, los gobiernos, etc., se mencionan entre los ms destacados
clientes de esta rea del saber humano.
La ausencia de sta conllevara a un caos generalizado, dejando a los

administradores y ejecutivos sin informacin vital a la hora de tomar
decisiones en tiempos de incertidumbre.
La Estadstica que hoy se conoce debe en gran parte sus alcances y

desarrollos, a los trabajos matemticos de aquellos hombres que
desarrollaron teoras, con las cuales se adhiri a la Estadstica a las ciencias
formales.
1.1 Estadstica
Es una ciencia, pues usa el mtodo cientfico, que se apoya en las

matemticas, que trata de recoger, presentar, analizar e interpretar datos
numricos y constituye la rama del saber humano que tiene como objeto el
estudio de ciertos mtodos inductivos aplicables a fenmenos susceptibles
de expresin cuantitativa.
La Estadstica para su mejor estudio se ha dividido en dos grandes

ramas: la Estadstica Descriptiva y la Inferencial.
Gustavo J. Rueda G.
1.2 Estadstica Descriptiva
Es el conjunto de mtodos cuantitativos que permiten organizar y

analizar observaciones de un fenmeno en estudio, cuyas conclusiones no
trascienden sobre un conjunto mayor de observacin.
1.3 Estadstica Inferencial
Es el conjunto de mtodos cuantitativos que permiten organizar y

analizar observaciones de un fenmeno en estudio, con el objeto de obtener
conclusiones sobre un conjunto mayor (poblacin) que dio origen a dichas
observaciones (muestra).
1.4 Universo
Es el conjunto total de individuos, cosas, hechos, objetos, etc., que se

estn considerando como objetos de estudios.
1.5 Poblacin
Es el conjunto que se obtiene de las mediciones realizadas sobre los

elementos del Universo. Cuando le damos una caracterstica comn
observable a un grupo del Universo, tenemos una Poblacin.
FIGURA N 1: UNIVERSO Y POBLACIN
Las poblaciones objetos de estudio, segn sea el nmero de elementos

que la conforman pueden ser finitas o infinitas. Por ejemplo, los salarios de
los obreros de una empresa, es una poblacin finita. En cambio, la
temperatura en los distintos puntos de la tierra sera un ejemplo de poblacin
infinita. Hay un criterio, muy extendido, segn el cual la poblacin finita es
aquella que se puede contar, y esto es muy impreciso, pues todas se pueden
contar, la diferencia radica en que las finitas se les conoce hasta donde
llegan, es decir, su final. En cambio, las poblaciones infinitas no se le conoce
su trmino, pero se puede establecer su conteo, por ejemplo, los nmeros
reales. Muchas poblaciones finitas son tan grandes, que muchas veces se le
da un tratamiento de poblacin infinita, para poderlas estudiar.
Gustavo J. Rueda G.
1.6 Muestra
Es una parte o subconjunto de la poblacin. Es necesario que para

hacer afirmaciones basadas en datos muestrales y que tengan validez sobre
la poblacin, que la muestra sea representativa, que el proceso de seleccin
sea con aleatoriedad (al azar) y que tenga un tamao que garantice estas
condiciones (n).
1.7 Muestreo
Es el mtodo que se emplea para seleccionar una muestra. Existen

varios mtodos, pero el que se va a utilizar es el muestreo simple aleatorio,
en donde cada miembro de la poblacin se elige al azar y tiene idntico
chance o probabilidad de ser seleccionado.
1.8 Parmetro
Es una caracterstica de una poblacin. Es un valor poblacional, por

ejemplo, la edad promedio de una poblacin. Y es un valor que cambia con
el transcurrir del tiempo, en una evaluacin instantnea no cambia, pero
hecha la misma evaluacin en otro instante de tiempo pudiera tener otro
valor.
1.9 Estadstico
Es una caracterstica especifica de una muestra. Es un valor muestral,

es por tanto, una variable aleatoria.
FIGURA N 2 DEFINICIONES BSICAS

1.10 Datos
Es el elemento bsico de la Estadstica, es su materia prima.
1.11 Variable Aleatoria y Tipos
Es un smbolo que representa un elemento no especificado de un

conjunto dado, susceptible de tomar diversos valores, y cada valor lo toma
asociado a una probabilidad.
Gustavo J. Rueda G.
Variable Cualitativa: es aquella en las que las observaciones sobre un

determinado fenmeno se describen solo como poseedoras o no de
ciertas cualidades, atributos o propiedades.
Variable Cualitativa Nominal: Son aquellas que obedecen a un nombre
y no hay ninguna relacin de orden. Ejemplo: color del carro, sexo,
profesin, marcas, etc.
Variable Cualitativa Ordinal: Como lo indica su nombre, indican una
relacin de orden. Ejemplo: tercero, escalas de notas de un examen (A,
B, C, D, E).
Variable Cuantitativa: Son aquellas que se expresan mediante un
nmero o cantidad.
Variable Cuantitativa Discreta: Son aquellas que solo pueden tomar
valores enteros. Ejemplo: nmero de hijos, cantidad de clientes, etc.
Variable Cuantitativa Continua: Son aquellas que pueden tomar valores
enteros o no enteros. Ejemplo: precios, temperaturas, velocidades,
estaturas, pesos, etc.
1.12 Mediciones
Consiste en la asignacin de nmeros a elementos u objetos para

representar o cuantificar una propiedad o caracterstica. El problema bsico
esta dado por la asignacin numeral que represente la magnitud de la
caracterstica que se quiere medir y que dicho nmeros pueden analizarse
por manipulaciones de acuerdo a ciertas reglas, es evidente, que el mundo
resultara en un caos si no se pudiera medir nada. Por medio de la medicin,
los atributos de las percepciones se transforman en entidades conocidas y
manejables llamadas nmeros.
1.13 Nivel de Mediciones

Dicha clasificacin obedece a las escalas de medicin propuestas por el
psiclogo Stevens, S. (1946), en Sobre la Teora de las Escalas de Medicin,
casi universalmente aceptadas. Los datos estn siempre referidos a una de
estas escalas:
1. Escala Nominal: cuando se utilizan nombres para establecer categoras.
Ejemplo: el estado de una persona para determinada enfermedad se
puede clasificar como sano o enfermo. Adicionalmente, se debe
mencionar que ninguna de las categoras definidas tiene mayor
jerarqua que las otras.
2. Escala Ordinal: existen o se definen varias categoras, adems de
mostrar un ordenamiento, existen relaciones de mayor o menor que
entre ellas.
3. Escala de Intervalo: mide variables de manera numrica. Permite
establecer distancias. El cero puede estar dentro de la escala y no
implica ausencia de la caracterstica o variable medida. Ejemplo: las
fechas, la temperatura, calificaciones de una prueba.
4. Escala de Razn: es la ms fuerte, dado que usa un sistema numrico
en el que el cero (0) es un valor que indica ausencia de la caracterstica
que se mide.
1.14 Unidad Estadstica
Es el sujeto en particular sobre el cual se est observando la variable.
Gustavo J. Rueda G.
1.15 Problemas Unidad I
I.1 Se realiza un estudio en la parroquia San Simn del Municipio Maturn,

sobre el tipo de transporte utilizado por sus residentes, para lo cual se
encuesta a un grupo de ellos, obtenindose:
TIPO DE
N DE
TRANSPORTE
RESIDENTES
AUTO PARTICULAR
41
TAXI
22
MOTO
42
POR PUESTO
52
AUTOBUS
37
OTRO
25
a) Cul es el universo?
b) Cul es la poblacin?
c) Cul es la muestra?
d) Cul es la variable aleatoria y de qu tipo es?
I.2 Una fbrica produce tornillos para los cuales existen estrechos mrgenes
de tolerancia en sus dimetros. El Departamento de Control de Calidad
selecciona la produccin de un da y la somete a proceso de control.
10
I.3 De un lote de 1.000 piezas defectuosas se toman al azar 150 de ellas,

encontrndose con 1, 2, 3 4 y ms defectos a 15, 52, 46 y 37 piezas
respectivamente.
I.4 Una compaa de calidad area sostiene que menos de un por ciento de
los vuelos programados que despegan del aeropuerto de Maiqueta sale
tarde. Se ha observado que el 1,5 por ciento de un lote de 200 vuelos sali
ms tarde de la hora prevista.
I.5 La Universidad de Oriente ha encuestado a 780 de sus estudiantes de su

ncleo de Monagas, para averiguar el tiempo semanal promedio que dedican
a navegar por internet.
11
Gustavo J. Rueda G.
UNIDAD II: ESTADSTICA DESCRIPTIVA. MTODOS

TABULARES Y GRFICOS
Los datos constituyen la materia prima de la Estadstica. Los datos se

pueden tratar de dos formas:
1. Puntual o no agrupados: registrando el valor exacto de cada dato.

2. Agrupados: se clasifican en intervalos, es ms cmodo, pero menos
preciso. Usada generalmente, cuando el nmero de datos es elevado.
2.1 Distribucin de Frecuencia
Es una tabla que resumen datos enumerando las clases en la columna
de la izquierda y el nmero de observaciones de cada clase en la columna
de la derecha. Requiere de un procedimiento previo que consiste en
recopilar, ordenar y clasificar la informacin.
2.2 Intervalo Total (Rango de los Datos o Recorrido de los Datos)
Es la diferencia (distancia) entre el valor mayor observado (XM) y el
valor menor observado (Xm) en una serie de datos.
ITOT = XM - Xm
2.3 Intervalo de Clase
Es el fraccionamiento que se hace del Intervalo Total en recorridos
parciales. Cada intervalo consta de un lmite superior (Ls) y de un lmite
inferior (Li). La amplitud del intervalo de clase es la distancia que hay entre el
12
lmite superior y el lmite inferior de cada clase. Todas las clases tienen la
misma amplitud.
ic = Ls - Li
2.4 Marca de Clase
Es el punto medio del intervalo de clase. Hay tantas marcas de clase

como intervalos de clase en una distribucin de frecuencias. Se obtiene con
la semi suma de los lmites superior e inferior de cada intervalo de clase.
Xi = (Ls + Li) / 2
2.5 Frmula Emprica
Es la forma de establecer la amplitud del intervalo de clase dado el

nmero de intervalos (n) a agrupar.
ic = ITOT / n
2.6 Frmula Terica
Es la forma de establecer la amplitud del intervalo de clase cuando el
nmero de intervalos (n) a agrupar es desconocido. Se parte de la expresin
formulada por Herbert Sturges, en 1926, que sirve de indicador aproximado o
sugerido para establecer el nmero de intervalos n para realizar el
agrupamiento de los datos en intervalos de clase, partiendo del nmero total
de datos N; la Regla de Sturges viene dada por la expresin:
n = 1 + 3,322 log N
13
Gustavo J. Rueda G.
Luego, hecha la aproximacin correspondiente, se utiliza la conocida

expresin:
ic = ITOT / n
2.7 Tipos de Frecuencia
Frecuencia simple o absoluta (fi): Es el nmero de veces que se repite
un valor en una serie o coleccin de datos, es el conteo de los datos.
Frecuencia Relativa (hi): Es el cociente que resulta entre la frecuencia
absoluta (fi) y el nmero total de datos (N = fi). Se recomienda
expresarlo con cuatro cifras decimales y tcnica de redondeo.
Frecuencias Acumuladas: Expresan la suma de las frecuencias
(absolutas o relativas) de todos los valores de la variable anteriores o
precedentes y el suyo propio.
Fi = Frecuencia Absoluta Acumulada
Hi = Frecuencia Relativa Acumulada
Porcentajes: se obtendr el porcentaje (%), como el producto de 100 *
hi. El porcentaje tambin puede ser acumulado (%ACUM), y se obtiene
como el producto de 100 * Hi.
2.8 Estructura de la Tabla de Distribucin de Frecuencias
INTERVALOS
FREC.
MARCA
FREC. ABS.
FREC.
FREC. ABS.
PORCENTAJE
PORCENTAJE
[UNIDADES]
ABS.
DE CLASE
ACUMULADA
RELATIVA
ACUMULADA
ACUMULADO
fi
Xi
Fi
hi
Hi
[L1 L2)
f1
X1
F1
h1
H1
%1
%ACUM1
[L2 L3)
f2
X2
F2
h2
H2
%2
%ACUM2
[L3 L4)
f3
X3
F3
h3
H3
%3
%ACUM3
%n
%ACUMn = 100
[Ln-1 Ln]
fn
fi = N
Xn
Fn = N
h4
hi = 1
Hn = 1
(%ACUM )
%i = 100
14
2.9 Representacin Grfica
La representacin grfica de la distribucin de frecuencias debe estar

basada en la buena construccin de la tabla. Para esto es imprescindible que
los intervalos sean inclusivos y que no se solapen. Cada observacin debe
pertenecer a uno y slo un intervalo. Los lmites o extremos de cada clase
deben estar claramente definidos, asegurando simplemente que los limites
permitan comprender e interpretar claramente los datos.
Histogramas: Son grficos formados por rectngulos (barras verticales),

que tienen por base el intervalo de clase y por altura la frecuencia (absoluta o
acumulada) correspondiente a cada clase. El nombre del Histograma lo
define el eje vertical o eje de las ordenadas del grfico.
FIGURA N 3 HISTOGRAMAS SIMPLES
FIGURA N 4 HISTOGRAMAS ACUMULADOS
15
Gustavo J. Rueda G.
Polgonos: Es una figura que se forma al unir los puntos que se

determinan al unir los puntos que se determinan levantando en el punto de
medio de cada intervalo de clase, una altura igual a la frecuencia simple
(absoluta, relativa o porcentual). Los extremos del polgono se cierran en
puntos situados, antes de la primera y a continuacin de la ltima clase, a
una distancia igual a la mitad del intervalo de clase de la serie de datos.
FIGURA N 5 POLGONOS SIMPLES

Polgonos acumulados u Ojivas: son figuras que se obtienen uniendo el
lmite inferior de la primera clase, con los puntos que se determinan
levantando en el lmite superior de cada clase, una altura igual a la
frecuencia acumulada correspondiente a la clase.
FIGURA N 6 POLGONOS ACUMULADOS (OJIVAS)
16
2.10 Problemas Unidad II

A todos los problemas propuestos, construya la tabla de distribucin de
frecuencias completa y lo solicitado en cada situacin.
II.1 Los siguientes datos representan los salarios diarios de unos operarios
en /da. Construya la distribucin de frecuencias agrupndolos segn el
criterio de aproximacin de la frmula terica.
a) Cuntos datos hay, cul es el menor y el mayor valor de la serie de
datos?
b) Cunto es el intervalo total?
c) Cunto es el valor de n, segn la frmula terica y cul es el valor a
usar?
d) Cul es la amplitud del intervalo de clase?
e) Construya el histograma de frecuencias absolutas y la ojiva porcentual
Salarios [/da]:
20
30
35
20
40
23
33
37
36
39
41
32
40
25
24
29
39
27
20
23
24
39
24
22
21
34
24
23
38
25
20
25
28
29
31
37
24
38
33
20
30
32
35
34
36
28
34
34
33
36
34
27
32
30
30
22
36
38
37
32
II.2 Considere los datos en la siguiente tabla de frecuencias:

a) Complete los intervalos de clases correspondientes a la siguiente
distribucin y construya la tabla de distribucin de frecuencias completa.
17
Gustavo J. Rueda G.
b) Construya el histograma de frecuencias relativas acumulados y el

polgono de frecuencias absolutas.
COSTO
N DE PIEZAS
MARCA DE CLASE
[Bs/UNIDAD]
fi
Xi
12
20
10
32
15
18
20
25
II.3 Construya la distribucin de frecuencias con los datos que se presentan a

continuacin, agrupando la informacin en cinco (5) clases
15
20
25
28
30
18
23
17
18
17
18
15
23
17
20
20
23
18
20
17
25
20
25
18
25
20
20
23
23
18
30
20
28
23
25
28
20
30
28
23

datos?
c) Cul es la amplitud del intervalo de clase?
d) Construya el histograma de frecuencias relativas y el polgono de
frecuencias absolutas acumuladas.
18
II.4 Los siguientes datos representan los ingresos semanales de 40

personas. Complete, estableciendo las debidas relaciones entre las
frecuencias absolutas y sus correspondientes acumuladas y construya la
distribucin de frecuencias completa.
INGRESOS
N DE PERSONAS
Fi
[US$/SEMANA]
fi
250 300
F1
300 350
f2
F2
350 400
12
22
400 450
f4
29
450 500
f5
34
500 550
F6
550 600
f7
F7
II.5 La informacin siguiente, se refiere a rentas en [x1000 en Bs/m2] de una

muestra de 42 apartamentos con una edad promedio de 10 a 15 aos, en la
zona sur-este de la ciudad de Caracas. Agrupe en 5 intervalos de clase.
RENTAS [x1000 EN Bs./m2]
20
23
23
28
36
31
26
28
33
25
25
37
32
33
21
34
42
21
30
26
26
37
31
37
22
20
27
21
29
24
30
32
31
33
35
39
37
38
45
42
42
40
19
Gustavo J. Rueda G.

datos?
d) Construya el histograma de porcentajes acumulados y el polgono de
frecuencias relativas.
II.6 Los siguientes datos representan la vida (*10 3 en horas) de una muestra
aleatoria de unos pequeos bombillos led. Agrupe en 7 intervalos de clase.
2,0
3,0
0,3
3,3
1,3
0,4
0,2
6,0
5,5
6,5
0,2
2,3
1,5
4,0
5,9
1,8
4,7
0,7
4,5
0,3
1,5
0,5
2,5
5,0
1,0
6,0
5,6
6,0
1,2
0,2

datos?
d) Construya la tabla de distribucin de frecuencias completa
e) Construya el histograma de porcentajes acumulados, el polgono de
frecuencias relativas y el histograma de frecuencias absolutas
acumuladas.
20
UNIDAD III: MEDIDAS DE TENDENCIA CENTRAL Y DE

POSICIN
3.1 Media Aritmtica
Es igual al cociente que resulta de dividir la suma de todos los datos de

la serie por el nmero de ellos.
DATOS NO AGRUPADOS
DATOS AGRUPADOS
(SERIE DE DATOS)
(DIST. DE FRECUENCIAS)
En donde Xi, es el valor exacto de cada
En donde Xi, es la marca de clase
dato
3.2 Media Aritmtica Ponderada

Se utiliza cuando el valor que toma la variable, puede diferir en peso o
importancia, es decir, cuando las observaciones difieren en la ponderacin.
Siendo wi la ponderacin de la observacin y X el valor del dato.
21
Gustavo J. Rueda G.
3.3 Media Armnica

Es el reciproco o inverso de la media aritmtica de los reciproco o
inversos de las observaciones o valores que toma la variable. Es el promedio
de eleccin cuando se requiere el promedio de ndices de tiempo, por
ejemplo, la velocidad (Km/h).
DATOS NO AGRUPADOS
DATOS AGRUPADOS
(SERIE DE DATOS)
(DIST. DE FRECUENCIAS)
En donde X, es el valor exacto de cada
En donde X, es la marca de clase
dato
3.4 Media Geomtrica

Es la n-sima raz del producto de n valores u observaciones. Se
utiliza para saber cul es el crecimiento en una serie de perodos de tiempo.
En las finanzas, se encuentra en el inters compuesto a lo largo de varios
perodos, o el crecimiento de la poblacin o el crecimiento de las ventas.
Tasa de crecimiento promedio (en finanzas):

22
f = p (1 + i)n
i = tasa promedio de crecimiento

n = nmero de perodos
f = valor futuro (final de la serie)
p = valor presente (inicio de la serie)
Ejemplo
Se pretende realizar un proyecto habitacional en una determinada

regin del pas, para lo cual se dispone de informacin demogrfica. A tal
efecto se tiene:
AOS
POBLACIN
(En millones de Hab.)
2009
0,8
2010
1,0
2011
1,2
2012
1,6
2013
2,1
2014
2,2
Cul ser el nmero de viviendas para 2015, si se asume que el 20%

de la poblacin demanda vivienda y que cada familia est formada por 5
personas?
Se calcula inicialmente la tasa de crecimiento promedio o el

crecimiento promedio, con la expresin siguiente:
23
Gustavo J. Rueda G.
Despejando queda: f = p (1 + i)n, entonces f2015 = p2014 (1 + 0,22)1

F2015 = 2,2 (1 + 0,22) = 2,7 millones de habitantes
De los 2.700.000 habitantes demandan viviendas el 20%, o sea,
2.700.000(0,20) = 540.000 habitantes, pero cada familia est formada por 5
personas (en promedio), se requieren:
3.5 Moda o Modo
Es el que se presenta ms frecuentemente en una serie de datos, en

otras palabras, es el dato afectado de la mayor frecuencia. Puede haber
moda o no, y si la hay, puede haber ms de una. Por ejemplo; 2 modas la
serie es bimodal; 3 modas la serie es trimodal, etc.
Sobre la clase modal (CMo), se aplica:
ic = amplitud del intervalo de clase.

Li = lmite inferior de la clase modal.
f1
diferencia
de
frecuencias
absolutas de la clase modal y la clase

anterior.
f2 = diferencia de frecuencias
absolutas de la clase modal y la clase
posterior.
24
3.6 Mediana
Es el valor central, es el valor que supera al 50% de los datos y a su
vez es superado por el 50% restante.
FIGURA N 7 LA MEDIANA
3.6.1 Para datos no agrupados
Se tiene dos situaciones:

1. Nmero de datos impar: se ordenan en forma creciente los datos y la
mediana ser el valor central.
2. Nmero de datos par: se ordenan en forma creciente, la mediana es
cualquier valor entre los dos valores centrales, pero por razones
prcticas, se ha convenido internacionalmente, tomar a la semi suma de
esos dos valores como la mediana.
Md = (X(n/2) + X(n/2)+1) / 2
3.6.2 Para datos agrupados
La clase medianal (CMd), es la que contiene al dato central.
25
Gustavo J. Rueda G.
Sobre la clase medianal (CMd), se ic = amplitud del intervalo de clase.

aplica:
Li = lmite inferior de la clase
medianal.
fi = frecuencia absoluta de la clase
medianal.
N = total de datos.
Faa = frec. Abs.de clase anterior a
la clase medianal.
3.7 Fractiles
Son indicadores estadsticos de posicin que sirven para indicar el

fraccionamiento de la distribucin de datos. Los ms usuales son los
cuartiles, los deciles y los percentiles.
3.7.1 Cuartiles (Qi)

Fraccionan a la distribucin de datos en cuatro partes iguales de 25%
cada una y son tres (Q1, Q2 y Q3).
Datos no agrupados:
N par: Qi = (i * N) / 4
N impar: Qi = i * (N+1) / 4
Datos agrupados:
clase cuartili = (i * N) / 4
FIGURA N 8 CUARTILES
26
Sobre la clase cuartili, se aplica:
ic = amplitud del intervalo de clase.

Li = lmite inferior de la clase cuartili.
fi = frecuencia absoluta de la clase
cuartili.
N = total de datos.
Faa = frec. Abs.de clase anterior a la
clase cuartili.
3.7.2 Deciles (Di)

Fraccionan a la distribucin de datos en diez partes iguales de 10%
cada una y son nueve (D1, D2, D3,, D8 y D9).
Datos no agrupados:
N par: Di = (i * N) / 10
N impar: Di = i * (N+1) / 10
Datos agrupados:
clase decili = (i * N) / 10
FIGURA N 9 DECILES
27
Gustavo J. Rueda G.
Sobre la clase decili, se aplica:
ic = amplitud del intervalo de

clase.
Li = lmite inferior de la clase
decili.
fi = frecuencia absoluta de la
clase decili.
N = total de datos.
Faa
frec.
Abs.de
clase
anterior a la clase decili.

3.7.3 Percentiles (Pi)
Fraccionan a la distribucin de datos en cien partes iguales de 1%
cada una y son noventa y nueve (P1, P2, P3,, P98 y P99).
Datos no agrupados:
N par: Pi = (i * N) / 100
N impar: Pi = i * (N+1) / 100
Datos agrupados:
clase percentili = (i * N) / 100
FIGURA N 10 PERCENTILES
28
Sobre la clase percentili, se aplica:
ic = amplitud del intervalo

de clase.
Li = lmite inferior de la
clase percentili
fi = frecuencia absoluta de
la clase percentili
N = total de datos.
Faa = frec. Abs.de clase
anterior a la clase percentili.
Un mtodo ms universal y poderoso, por su sencillez, es hallar estos

indicadores de posicin por interpolacin. Es ms sencillo, pues slo se debe
recordar una sola frmula, la de interpolacin (mtodo de aproximacin lineal
por interpolacin o tambin llamado de proporcionalidad, ver Apndice A), y
se aplica en el espacio correspondiente al porcentaje que defina el fractil que
se est calculando, sobre la columna de porcentaje acumulado (%ACUM) de la
tabla de distribucin de frecuencias.
Frmula general de interpolacin:

Sobre el espacio indicando del porcentaje R: valor del fractil buscando
buscado:
R1: valor del % anterior al
buscado
R2: valor del % posterior al
buscado
L1: imagen del valor R1
L2: imagen del valor R2
29
Gustavo J. Rueda G.
L:
valor
del
porcentaje
correspondiente
al
fractil
buscado.
Ejemplo
Considerar la siguiente distribucin de frecuencias, que representa

precios en dlares por unidad. Hallar:
a) El tercer cuartil (Q3)
b) El sexto decil (D6)
c) El percentil dieciocho (P18)
PRECIO
N DE
Fi
%ACUM
(US$ /
UNIDADES
UNIDAD)
(fi)
15 25
10
25 35
14
23,33
35 45
14
28
46,67
45 55
16
44
73,33
55 65
12
56
93,33
65 75
58
96,67
75 85
60
100
n=7
fi = N = 60
Solo se necesita la primera columna, correspondiente a los valores de

la variable, y la ltima columna, correspondiente a los porcentajes
acumulados, para ubicar los fractiles. Sobre la ltima columna (% ACUM), se
30
ubica el porcentaje correspondiente al del fractil en cuestin. Por ejemplo, el

tercer cuartil o cuartil tercero o cuartil tres
(Q3), es aquel indicador de
posicin que supera al 75% de los datos y a su vez es superado por el 25%
restante; entonces la posicin que se debe calcular es la que corresponde al
75%.
Ubicados los valores en la tabla de distribucin de frecuencias, se

procede a sustituir en la formula general de interpolacin, para ubicar el
fractil en cuestin, que en este caso es el Q3.
a.- Entonces el tercer cuartil es Q3 = 55,835 US$/unidad
31
Gustavo J. Rueda G.
El sexto decil o decil seis (D6), es aquel indicador de posicin que

supera al 60% de los datos y a su vez es superado por el 60% restante;
entonces la posicin que se debe calcular es la que corresponde al 60%.
Ubicados los valores en la tabla de distribucin de frecuencias, se

fractil en cuestin, que en este caso es el D6.
b.- Entonces el sexto decil es D6 = 50 US$/unidad

El percentil dieciocho (P18), es aquel indicador de posicin que supera
al 18% de los datos y a su vez es superado por el 82% restante; entonces la
posicin que se debe calcular es la que corresponde al 18%.
32
Ubicando los valores en la tabla de distribucin de frecuencias, se

fractil en cuestin, que en este caso es el P18.
c.- Entonces el percentil dieciocho es P18 = 31,01 US$/unidad

En conclusin, solo se necesita ubicar el porcentaje acumulado
(%ACUM) asociado al fractil, y conocer la frmula de interpolacin para ubicar
su valor, y esto tiene un gran valor prctico.
33
Gustavo J. Rueda G.
3.8 Problemas Unidad III
III.1 La siguiente distribucin de frecuencias corresponde al costo, en

bolvares por unidad, de unos caramelos para fiestas infantiles.
COSTO
N DE UNIDADES
(Bs/unidad)
Determinar:
15 20
26
a) La media aritmtica.
20 25
34
b) La mediana.
25 30
42
c) La moda o modo.
30 35
38
35 40
20
III.2 Los siguientes datos representan las calificaciones de una muestra de

estudiantes en un determinado examen sobre 100 puntos. Agrupe en 10
intervalos (n = 10).
23
60
79
32
57
74
52
70
82
36
80
77
81
95
41
65
92
85
55
76
52
10
64
75
78
25
80
98
81
67
41
71
83
54
64
72
88
62
74
43
60
78
89
76
84
48
84
90
15
79
34
67
17
82
69
74
63
80
85
61
Determine:
a) La media aritmtica
b) La mediana
c) La moda o modo
34
d) El percentil catorce (P14)

e) El primer cuartil (Q1)
f) El sptimo decil (D7)
III.3 En un estudio de mercado se desea estimar el ingreso por familia en una

determinada zona de la ciudad. Se tom una muestra aleatoria de familias,
obtenindose los siguientes resultados:
INGRESO
FAMILIAR
0 - 1000
1000 - 2000
2000 - 3000
3000 - 4000
4000 - 5000
(US$/MES)
N
FAMILIAS
Determine la moda y el primer cuartil (Q1) de la muestra.

III.4 El administrador de un hospital, de acuerdo a un estudio del tiempo de
espera de los pacientes, antes de ser atendidos en emergencia, obtiene para
un da laborable cualquiera la siguiente informacin:
TIEMPO EN
ESPERA
10 - 14
14 - 18
18 22
22 - 26
26 - 30
30 - 34
10
16
20
(min.)
N
PACIENTES
Calcular el tiempo de espera promedio.
35
Gustavo J. Rueda G.
III.5 Una empresa tiene 60 empleados que ganan los sueldos mensuales
siguientes:
SUELDOS
(Bs/mes)
3000 - 3500
3500 - 4000
4000 - 4500
4500 - 5000
5000 - 5500
30
N
EMPLEADOS
La Gerencia de RRHH de la empresa recomienda un aumento del 10%

para cada empleado, a cunto ascender el sueldo promedio anual de un
empleado de esta empresa? (suponer que cada empleado solo recibe solo
recibe su sueldo mensual).
III.6 La siguiente informacin se refiere a una muestra de 60 componentes

electrnicos y su duracin. Cul es la duracin promedio de estos
componentes electrnicos?
DURACIN
10 15
15 20
20 25
25 30
30 35
f2
18
f4
10
F1
F2
36
50
F4
(x1000 hrs)
N
COMPONENTES
Fi
III.7 Una oficina que realiza investigaciones de mercado est estudiando el

consumo mensual en una parroquia de Maturn, de cierto producto de
consumo masivo, para lo cual divide en tres reas a dicha parroquia y las
denomina A1, A2 y A3; encuestando en ellas un total de 80 hogares,
obteniendo el siguiente resultado:
36
REA
A1
INFORMACIN
X1 = 200 Bs/mes
N1 = 25 HOGARES
ENCUESTADOS
A2
X2 = 235 HOGARES
ENCUESTADOS
N2 = SE EXTRAVI LA DATA
A3
X3 = X2
N3 = 35 HOGARES
ENCUESTADOS
Cul es el promedio total de consumo mensual del producto en la

citada parroquia?
III.8 En base a un estudio sobre la oferta actual de locales comerciales en el

rea metropolitana de Caracas para las zonas oeste, centro y este, se
obtiene la informacin siguiente:
RESULTADOS DEL
ZONAS
ESTUDIO
OESTE
CENTRO
ESTE
PRECIO DE VENTAPROM
550
NO SE
6.100
(Bs/m )
N LOCALES
CONOCE
80
50
70
COMERCIALES
OBSERVADOS
El precio de venta promedio total para el rea metropolitana es de 5.785

Bs/m2. Determine el precio de venta promedio para la zona centro.
37
Gustavo J. Rueda G.
III.9 Una empresa tiene 60 ejecutivos que reciben en promedio Bs. 10.000 al
mes y 800 trabajadores que reciben en promedio Bs. 3.000 al mes. En
tiempo de crisis y depresin econmica, todos los sueldos se reducen en un
20%, el nmero de ejecutivos se reduce en un 10% y se despiden 200
trabajadores. Determine el sueldo promedio total en tiempo de depresin.
III.10 Al inicio de actividades una empresa determina que el costo de

produccin para un determinado producto electrodomstico era de 1.200
Bs/unidad, actualmente al haber transcurrido varios aos de operacin, el
costo de produccin para el mismo artculo es de 1.324,91 Bs/unidad. Si se
estima que para dentro de dos aos su costo de produccin ser de 1.378,44
Bs/unidad, Cuntos aos tiene operando la empresa?
III.11 La siguiente tabla presenta los costos del terreno al sur de la ciudad de
Maturn. Si la tasa de crecimiento interanual se mantiene. Cul ser el costo
del terreno para 2020?
AOS
COSTO
(Bs/m2)
2013
220
2014
231
2015
270
2016
300
2017
350
III.12 En base a un estudio realizado en una zona industrial del pas, se

obtiene la informacin dispuesta en la tabla, de acuerdo a las industrias
38
instaladas en cinco (5) aos. Es necesario dotar de vivienda a cada familia

de cada trabajador, si cada industria en promedio emplea 120 trabajadores y
cada familia est formada por 5 personas, Cuntas viviendas se requieran
para 2017?
AOS
INDUSTRIAS
INSTALADAS
2010
2011
11
2012
15
2013
18
2014
22
III.13 El director de unos grandes almacenes tiene inters en saber cuntos

reclamos recibe el Departamento de Atencin al Cliente sobre la calidad de
los aparatos electrnicos que se venden en los almacenes. Los registros de
un perodo de 5 semanas muestran el siguiente nmero de reclamos
semanales:
13
15
16
a) Calcule el nmero medio de reclamos semanales

b) Calcule el valor central de las reclamaciones
c) Halle la moda
39
Gustavo J. Rueda G.
III.14 Diez economistas recibieron el encargo de predecir el crecimiento

porcentual que experimentar el ndice de precios de consumo el prximo
ao. Sus predicciones fueron:
3,6
3,1
3,9
3,7
3,5
3,7
3,4
3,0
3,7
3,4
a) Calcule el ndice promedio

b) Calcule la mediana
c) Cul es la moda?
III.15 Una cadena de grandes almacenes eligi aleatoriamente 10

establecimientos situados en una regin en particular. Tras examinar los
datos de ventas, observ que ese ao se haban conseguido en las
navidades los siguientes aumentos porcentuales de las ventas en dlares
con respecto al ao anterior:
10,2
3,1
5,9
7,0
3,7
2,9
6,8
7,3
8,2
4,3
a) Calcule el aumento porcentual medio de las ventas en dlares

b) Calcule la mediana
III.16 Al tomar una muestra de 100 tornillos y medir sus dimetros, los
resultados fueron los que se indican en la tabla a continuacin:
40
Dimetro
15 - 17
17 - 19
19 21
21 - 23
23 - 25
25 - 27
19
32
23
12
(mm)
fi
a) Encuentre el porcentaje de tornillos que caen en el intervalo (20 2,5)

mm
b) Determine una especificacin (limites en mm) para estos tornillos que
cubra el 95% de las unidades
c) Calcule el P39 y el D7
III.17 Los siguientes datos registran el tiempo que utilizan cuatro mdicos al
realizar una cierta intervencin quirrgica. Conocer el tiempo medio permite
contar con una herramienta til en la planeacin de los recursos, como la
Sala de Operaciones. Adems de poder comparar los desempeos con los
estndares de calidad internacionales. Calcule e interprete el tiempo medio.
MDICO
TIEMPO (min)
45
38
52
40
III.18 Suponga que una familia realiza un viaje en automvil, de una ciudad
A a una ciudad B y cubre los primeros 100 km a 60 km/h, los siguientes
100 km a 70 km/h y los ltimos 100 km a 80 km/h. Calcular, en esas
condiciones, la velocidad media realizada.
III.19 En el cuadro siguiente se presentan los consumos de electricidad en

Espaa en miles de millones de de kw/hora desde diciembre en 1985 hasta
diciembre de 1986.
41
Gustavo J. Rueda G.
MES
Dic
Ene
Feb
Mar
Abr
May
Jun
Jul
Ago
Sep
Oct
Nov
Dic
CONSUMO
10,1
10,7
9,96
9,46
9,54
8,92
8,95
8,58
7,86
8,96
9,17
9,57
10,2
(x10 kw/h)
A partir de los incrementos unitarios de consumo de cada mes, calcular

el incremento unitario anual medio acumulativo.
III.20 La siguiente distribucin de frecuencias representa los pesos (kg) de un
grupo de personas
PESOS
52 - 56
56 60
60 - 64
64 - 68
68 - 72
72 - 76
76 - 80
12
17
20
15
(kg)
N
PERSONAS
a) Qu porcentaje de personas tienen pesos inferiores a los 62 kg?

b) Cuntas personas pesan entre 65 y 74 kg?
c) Cuntas personas con pesos superiores a 62 kg?
d) El 75% de las personas, estn por debajo de que peso?
III.21 La distribucin del ahorro mensual de 150 personas es como se

muestra a continuacin:
AHORRO
N DE
(US$/mes)
PERSONAS
100 150
12
150 200
18
200 250
21
250 300
48
300 350
24
350 400
15
400 450
12
42
a) Cul es el porcentaje de personas con ahorro menor a 200 US$/mes?

b) Cuntas personas ahorran ms de 320 US$/mes?
c) Por debajo de que nivel de ahorro mensual se encuentra el 50% de las
personas?
III.22 De acuerdo a los resultados de una prueba de seleccin aplicada a 160

aspirantes,
la
Gerencia
de
Recursos
Humanos
de
una
empresa
transnacional, obtiene el siguiente resultado:
CALIFICACIONES
N DE
OBTENIDAS
ASPIRANTES
15 30
15
30 45
27
45 60
39
60 75
36
75 90
29
90 105
14
De los aspirantes que se presentaron fueron admitidos los 40 mejor

calificados. Cul fue la mnima calificacin obtenida para ser aceptado?
III.23 Los siguientes datos representan la produccin de petrleo, en miles de

barriles por da (MBPD), de los pozos al sur del Estado Monagas. Agrupar en
7 intervalos de clase.
a) Cul es el valor ms comn?

b) Cul es la produccin promedio de todos los pozos?
c) Cul es la produccin del 50% de los pozos?
43
Gustavo J. Rueda G.
d) Qu produccin tiene el 75% de los pozos?

e) Cuntos pozos tienen una produccin menor o igual a 7,1 MBPD?
f) Qu porcentaje de pozos tienen una produccin entre 3,0 y 4,3
MBPD?
g) En cunto vara la produccin del 80% central de los pozos?
h) Cunto es la variacin de la produccin de los pozos ubicados entre el
50% y 75% de la produccin de los pozos?
0,4
1,3
3,8
6,3
2,4
6,2
3,7
1,3
0,4
2,4
5,8
0,4
3,4
1,2
2,3
0,2
1,2
2,3
3,3
5,6
2,5
4,2
6,8
0,5
1,4
2,7
1,4
0,5
4,4
7,2
1,1
1,9
3,1
5,5
9,7
0,8
1,6
4,7
7,8
2,8
9,5
5,2
1,8
0,9
2,9
1,5
0,7
2,8
7,6
4,6
44
UNIDAD IV: MEDIDAS DE VARIABILIDAD O DISPERSIN

Es imprescindible conocer la variabilidad existente entre los diferentes
valores de la serie con respecto al valor central. Una medida de tendencia
central sin estar acompaada de una medida de dispersin es una verdad a
medias. Siempre deben ir de la mano, ambas medidas, para que se pueda
formar un juicio correcto entorno a los datos que le dieron origen.
4.1 Medidas de Dispersin Absoluta
Se expresan en las mismas unidades de la variable. Las principales son

las siguientes:
4.1.1 Intervalo Total (Rango de los Datos o Recorrido de los Datos)
Es la diferencia (distancia) entre el valor mayor observado (XM) y el

valor menor observado (Xm) en una serie de datos.
ITOT = XM - Xm
4.1.2 Desviacin Media (Desvos Medios)
Es el promedio aritmtico de los valores de absolutos de las

desviaciones de los valores de la serie con respecto a la medida de
tendencia central.
45
Gustavo J. Rueda G.
DATOS NO AGRUPADOS
DATOS AGRUPADOS
Con respecto a la media (X):
Con respecto a la media (X):
Con respecto a la mediana (Md):
Con respecto a la mediana (Md):
Con respecto a la moda (Mo):
Con respecto a la moda (Mo):
Xi es el valor exacto de cada Xi es el valor de la marca de clase

dato
4.1.3 Varianza
Es la media aritmtica de los cuadrados de los desvos de los valores

de la serie con respecto a su media aritmtica. Se denota como Var (X) = 2
DATOS NO AGRUPADOS
Xi es el valor exacto de cada dato
DATOS AGRUPADOS
Xi es el valor de la marca de clase
46
4.1.4 Desviacin Tpica o Estndar
Es la raz cuadrada de la varianza.
En Estadstica Inferencial, se debe hacer la distincin de cuando se

trabaja con el valor poblacional o con el valor muestral. Y se logra esa
distincin mediante la notacin correspondiente:
= Desviacin Tpica poblacional
s = Desviacin Tpica muestral
Es comn ver libros de Estadstica, que en la parte no inferencial usen

o s, de forma indistinta para denotar a la desviacin. Pero hacerlo en
Estadstica Inferencial constituye un grave error.
4.1.5 Desviacin Cuartlica (Desviacin Cuartil)
Es la mide la dispersin que hay en el 50% central de los datos, es la

diferencia entre el tercer cuartil (Q3) y el primer cuartil (Q1).
DQ = Q3 - Q1
4.2 Medidas de Dispersin Relativa
Son adimensionales, las principales son las siguientes:
47
Gustavo J. Rueda G.
4.2.1 Coeficiente de Variacin de Pearson (C.V.)
Cuando se requiere comparar el grado de dispersin de distribuciones

que no vienen dadas en las mismas unidades o que las medias no son
iguales, se utiliza este coeficiente, que se calcula como el cociente entre la
desviacin tpica y la media aritmtica y se expresa en porcentaje.
Tambin representa el nmero de veces que la desviacin tpica est

contenida en la media aritmtica, y por tanto, cuanto mayor es el coeficiente
de variacin (C.V.), mayor es la dispersin y menor la representatividad de la
media con respecto a los datos que le dieron origen. Se ha establecido un
lmite o regla para afirmar la representatividad de la media aritmtica:
Si el C.V. 20%, entonces, la X es representativa de los datos
4.2.2 Coeficiente de Variacin Medianal (C.V.M.)
Es el cociente entre la Desviacin Cuartil y la mediana, se expresa en

porcentaje.
48
4.3 Problemas Unidad IV
IV.1 Los siguientes datos representan los pesos de unas personas que se
encuentran en dos salas diferentes, A y B. En qu caso, el promedio
aritmtico es representativo de la serie de datos?
SALA
PESO (kg)
52
58
56
61
66
15
26
25
103
124
IV.2 La siguiente distribucin de frecuencias representa los ingresos diarios

de unos operarios especializados. El promedio aritmtico es representativo
para esta informacin?
INGRESOS
N DE
(US$/DIA)
OPERARIOS
70 90
90 110
20
110 130
27
130 150
150 170
IV.3 El Departamento de Control de Calidad de un laboratorio farmacutico,

prueba dos tipos de antibiticos, A y B, de acuerdo a su duracin efectiva en
el cuerpo humano, obteniendo la siguiente informacin:
49
Gustavo J. Rueda G.
DURACIN
ANTIBITICO
(hrs)
75
81
2,5
3,5
Tomando en cuenta su uso en la salud de pacientes y la certeza que

deben tener los mdicos para calcular y dar los rcipes, cul debe
seleccionarse para su produccin?
IV.4 Dada la serie:
4,2
7,5
1,4
2,3
5,0
6,3
Determinar:
a) Desviacin tpica
b) Desviacin media con respecto a la mediana
IV.5 Determine la desviacin estndar y el coeficiente de variacin de la

siguiente serie de datos que se refiere a cuentas morosas
RETRASO
N DE
(MESES)
CUENTAS
25
10
58
12
8 11
26
11 14
19
14 17
50
IV.6 Cul es la desviacin tpica de la siguiente serie?
Clases
20 30
30 40
40 50
50 60
60 70
70 80
fi
10
22
35
38
24
12
IV.7 En una exhibicin cientfica se obtuvo la siguiente informacin, de entre

los asistentes de un da en particular. Determine la desviacin cuartil.
EDAD
N DE
(AOS)
ASISTENTES
15 25
25 35
35 45
14
45 55
16
55 65
12
65 y ms
IV.8 Un contratista debe adquirir bombillos para equipar un lote de viviendas

y encuentra en el mercado dos marcas similares A y B. Cul marca debe
elegir?
DURACIN
MARCAS DE BOMBILLO
(hrs)
1.495
1.875
280
310
51
Gustavo J. Rueda G.
IV.9 Un encargado de compras ha obtenido muestras de lmparas de dos

marcas A y B. En su propio laboratorio ha probado ambas muestras con
respecto a la duracin de su vida til con los resultados siguientes:
VIDA TIL
N LMPARAS
N LMPARAS
(hrs)
MARCA A
MARCA B
600 700
700 800
16
13
800 900
20
18
900 1000
14
12
1000 1100
10
Cul marca se debe elegir?
IV.10 Un grupo de estudiantes universitarios segn un test de habilidad

mental, obtienen las siguientes puntuaciones:
PUNTUACIONES
60 70
70 80
80 90
90 100
100 - 110
N DE
16
20
14
ESTUDIANTES
Cuntos universitarios obtienen puntuaciones menores que X + ?
IV.11 Si todos los valores de una serie de datos son iguales entre s, qu
valor tendr su desviacin estndar?
52
IV.12 En un estudio de mercado se desea estimar el ingreso por familia en

una determinada zona de la ciudad. Se tom una muestra aleatoria de
familias, obtenindose los siguientes resultados:
INGRESO
FAMILIAR
0 1000
1000 - 2000
2000 - 3000
3000 - 4000
4000 - 5000
(US$/MES)
N
FAMILIAS
Cul es el porcentaje de familias cuyos ingresos caen en el intervalo

X ?
IV.13 La resistencia a la rotura de una muestra de 50 cables fue la siguiente:

RESISTENCI
90 92
92 94
94 96
96 98
98 100
100 102
102 104
104 106
106 108
10
12
A
(kgs)
fi
a) Calcule la media aritmtica

b) Calcule la varianza
c) Es el promedio aritmtico representativo de esta informacin?
53
Gustavo J. Rueda G.
IV.14 El Departamento de Crdito de un Banco Universal, en base a un

estudio sobre solicitudes de prstamos para la adquisicin de viviendas,
obtiene para el monto de los mismos la siguiente distribucin:
MONTOS
1000 1200
1200 1400
1400 1600
1600 1800
1800 2000
20
28
21
(* Bs. 1000)
N DE
SOLICITUDES
Cul es el porcentaje de solicitudes de crdito en el intervalo X ?
54
UNIDAD V: MEDIDAS NUMRICAS ASIMTRICAS Y

KURTOSIS
5.1 Asimetra
Esta medida permite identificar si los datos u observaciones se

distribuyen de forma uniforme alrededor del punto central. La asimetra
presenta
tres estados
diferentes,
cada
uno
de
los
cuales
define
de forma concisa como estn distribuidos los datos respecto al eje de

asimetra. Para una distribucin unimodal:
Curva asimtricamente Negativa (a la izquierda)

Mo > Md > X
Curva simtrica
X = Mo = Md
Curva asimtricamente Positiva (a la derecha)
X > Md > Mo
FIGURA N 11 TIPOS DE ASIMETRA
55
Gustavo J. Rueda G.
5.2 Coeficiente de Asimetra: Frmula de Pearson
Es la medida de asimetra ms conocida y ms utilizada, y se expresa

como el cociente de la diferencia de la media y la moda entre la desviacin
estndar.
C.A.P = 0
SIMETRA
C.A.P 0
ASIMETRA NEGATIVA
C.A.P > 0
ASIMETRA POSITIVA
5.3 Teora de Momentos
El Momento de una variable es el valor esperado o esperanza

matemtica de la funcin
g (x) = xk, en donde k se le denomina ksimo
momento de x.
En general, se llama momento de orden k respecto de un valor C a la

expresin:
Datos no agrupados
Datos Agrupados
56
5.4 Tipos de Momentos
5.4.1 Momentos respecto al origen, cuando C = 0
Datos no agrupados
Datos Agrupados
Los primeros momentos respecto al origen son con k = 1, entonces

son la media aritmtica.
Datos no agrupados:
Datos agrupados:
5.4.2 Momentos respecto de la media o momento central, cuando C

= X
Datos no agrupados
Datos Agrupados
El segundo momento con respecto a la media o momento central, es

decir, con k = 2, es la varianza.
57
Gustavo J. Rueda G.
Datos no agrupados:
Datos agrupados:
5.5 ndice de Simetra de Fisher
Es el coeficiente de asimetra por el mtodo de momentos. De hecho,

el tercer momento, cuando k = 3, con respecto a la media o momento central.
Datos no agrupados
Datos Agrupados
NDICE
SIMETRA
g=0
Simtrica
g>0
Asimtrica derecha
g0
Asimtrica izquierda
5.6 Kurtosis o Curtosis
Es una medida de la forma o apuntalamiento de la distribucin de datos,

cuan aguda o puntiaguda, trata de estudiar la mayor o menor concentracin
de frecuencias alrededor de la media y en la zona central de la distribucin.
58
Esta medida determina el grado de concentracin que presentan los

valores en la regin central de la distribucin. Por medio del Coeficiente de
Curtosis, podemos identificar si existe una gran concentracin de valores
(Leptocrtica), una concentracin normal (Mesocrtica) una baja
concentracin (Platicrtica).
FIGURA N 12 TIPOS DE KURTOSIS

5.7 Coeficiente de Kurtosis
Es el cuarto momento con respecto a la media.

Datos no agrupados
Datos Agrupados
Se le ha sustrado 3, que es la curtosis de la Distribucin Normal, con el

objeto de generar un coeficiente que valga cero.
Coeficiente
Tipo de kurtosis
g2 = 0
Mesocrtica (normal)
g2 > 0
Leptocrtica (puntiaguda)
g2 0
Platicrtica (achatada plana)
59
Gustavo J. Rueda G.
5.8 Problemas Unidad V
V.1 Las edades de un grupo de personas se reflejan en la tabla, estudie la

simetra y la curtosis de la variable.
EDAD
79
9 11
11 13
13 15
15 17
17 19
19 21
21 23
fi
18
14
27
42
31
20
V.2 En la siguiente tabla se muestran las diferentes cantidades de IVA que

se imponen en la compra de una obra de arte, en cada de uno de los pases
europeos citados. Determine el coeficiente de asimetra de Pearson, el
coeficiente de asimetra de Fisher y la curtosis de la variable.
PAS
TASA IVA
Espaa
0,16
Italia
0,20
Blgica
0,06
Holanda
0,06
Alemania
0,07
Portugal
0,17
Luxemburgo
0,06
Finlandia
0,22
V.3 Para lanzar un nuevo producto al mercado, una empresa estudia el

tiempo de publicidad, en segundos, empleando en los medios audiovisuales
por otra empresa que produce un producto similar.
60
DURACIN
N DE
(SEG.)
ANUNCIOS
10 20
20 30
17
30 40
13
40 50
50 60
Estudiar la forma de la distribucin mediante el coeficiente de asimetra

de Pearson, el coeficiente de asimetra de Fisher y la curtosis de la variable.
V.4 Calcular el coeficiente de asimetra y curtosis de la siguiente tabla de

datos:
INTERVALO
45 55
55 65
65 75
75 85
85 95
fi
10
19
11
V.5 La siguiente tabla representa los datos de alquileres de locales

comerciales en la ciudad de Caracas, estudiar la forma de la distribucin
mediante el coeficiente de asimetra de Pearson, el coeficiente de asimetra
de Fisher y la curtosis de la variable.
Alquiler
0 15
15 30
30 45
45 60
60 75
75 90
17
130
180
30
10
(Bs/mes)
fi
61
Gustavo J. Rueda G.
V.6 En una gasolinera estudian el nmero de vehculos que cargan

combustible a lo largo de un da, obteniendo:
Horas
04
48
8 12
12 16
16 20
20 24
14
110
120
150
25
autos

V.7 Los siguientes datos corresponden a calificaciones de una prueba de

actitud para la seleccin de personal de una prestigiosa empresa
transnacional. La evaluacin es en base a 100 puntos. Las siguientes
calificaciones siguientes son las obtenidas por los aspirantes:
55
67
73
49
80
84
64
91
78
52
95
80

V.8 Se ha pasado un test de 80 preguntas a 600 personas. El nmero de

respuestas correctas se refleja en la siguiente tabla:
RESPUESTAS
CORRECTAS
N DE
0 10
10 20
20 30
30 40
40 50
50 60
60 70
70 80
40
60
75
90
105
85
80
65
PERSONAS
62

V.9 Los siguientes datos representan los pesos en kg de un grupo de

personas. Estudiar la forma de la distribucin mediante el coeficiente de
asimetra de Pearson, el coeficiente de asimetra de Fisher y la curtosis de la
variable.
PESO
50 55
55 60
60 65
65 70
70 75
75 80
80 85
17
30
14
(Kgs)
N DE
PERSONAS
V.10 Las temperaturas medias registradas durante el mes de enero en

Mrida, en grados centgrados, estn dadas por la siguiente tabla, estudiar la
forma de la distribucin mediante el coeficiente de asimetra de Pearson, el
coeficiente de asimetra de Fisher y la curtosis de la variable.
TEMPERATURA
13
14
15
16
17
18
19
20
21
22
(C)
N DE
DAS
63
Gustavo J. Rueda G.
UNIDAD VI: INTRODUCCIN A LA TEORA DE

PROBABILIDADES
Se presupone una buena base matemtica de parte del lector del
presente material, de igual manera, se recomienda para la mejor
comprensin del clculo de probabilidades y sus teoremas, revisar a detalle
el Apndice B: Teora de Conjuntos y el Apndice C: Teora Combinatoria.
Con seguridad, su revisin llevar a mejorar los resultados en el estudio y
comprensin de la probabilidad.
6.1 Probabilidad
Es el cociente que resulta de dividir los casos favorables de una

determinada situacin, entre el total de casos posibles de un experimento
aleatorio; los cuales son fenmenos que tienen la propiedad de que su
realizacin repetida bajo un determinado conjunto de circunstancias, pueden
dar lugar a distintos resultados.
6.2 Probabilidad A Priori
Se basa en la suposicin de que cada resultado es igualmente

posible. Entonces, es posible la determinacin de los valores de probabilidad
antes de observar cualquier evento.
Si hay a posibles resultados favorables a la ocurrencia de un evento
A y sean b posibles resultados desfavorables a la ocurrencia del evento
A, y todos los resultados son igualmente posibles y mutuamente
excluyentes, la probabilidad de A queda:
64
6.3 Probabilidad A Posteriori (Frecuencia Relativa)
Se determina sobre la base de la proporcin de veces que ocurre un

resultado favorable en un nmero de observaciones o experimentos. Los
valores de probabilidad se basan en la observacin y recopilacin de datos,
el nmero de experimentos debe ser muy grande, entonces, la probabilidad
de A seria el lmite de la frecuencia relativa de A cuando n tiende al
infinito.
Este concepto es aplicable cuando el nmero de resultados posibles

es o tiende al infinito.
6.4 Probabilidad (Enfoque Subjetivo)
Es el grado de creencia por parte de un individuo de que un evento

ocurra, basado en toda la evidencia a su disposicin, ya que el valor de la
probabilidad es un juicio personal.
65
Gustavo J. Rueda G.
6.5 Concepto Axiomtico de la Probabilidad
Modernamente se ha desarrollado el concepto de probabilidad con base

en el estudio de modelos matemticos de fenmeno aleatorio.
Cada uno de los posibles resultados de un experimento aleatorio se

conoce como punto muestral.
El conjunto de todos los puntos muestrales de un experimento

aleatorio constituye un espacio muestral y se representa por S.
Un suceso A es un subconjunto de un espacio muestral S, A
S. Si
un suceso contiene un solo punto muestral, se dice que es un suceso simple;

si contiene 2 o ms puntos muestrales, se le define como suceso compuesto
o mltiple. Un evento imposible cuando no hay chance de que ocurra un
resultado.
Cuando se de la probabilidad de que se d el suceso A, se quiere

sealar la probabilidad de que se d cualquiera de los puntos muestrales del
suceso A.
0 P (A) 1
P (A) + P (A) = 1
FIGURA N 13 PROBABILIDAD
P (S) = 1
66
nA = N de elementos de A
n = N de elementos de S
6.5.1 Experimento Aleatorio (Fenmenos)
Son aquellos que al realizarse varias veces, bajo las mismas

condiciones, pueden dar lugar a resultados diferentes.
6.5.2 Espacio Muestral (S)
Es el conjunto de todos los resultados posibles de un experimento o

fenmeno aleatorio.
6.5.3 Espacio Muestral Equiprobable
Es cuando cada uno de sus elementos o puntos muestrales tienen

idntico chance de ocurrir.
6.5.4 Puntos Muestrales (Suceso o Evento)
Es un resultado en particular de un experimento o fenmeno aleatorio.
6.6 Eventos Mutuamente Excluyentes
Son eventos que no tienen elementos en comn, es decir, la

interseccin es el conjunto vacio. Es cuando es imposible que ocurran
simultneamente.
67
Gustavo J. Rueda G.
B={
6.7 Eventos No Mutuamente Excluyentes
Son eventos que tienen elementos en comn, es decir, tienen

interseccin distinta al vacio. Es posible la ocurrencia simultnea de los
eventos.
6.8 Seleccin al Azar
Es un procedimiento de escogencia o seleccin sin un orden

preestablecido, en donde todos los elementos tienen idntico chance de ser
seleccionado, se pueden usar nmeros aleatorios para hacer la seleccin.
6.8.1 Seleccin con reemplazo (con repeticin)
El elemento seleccionado se incorpora nuevamente al conjunto, es

decir, el espacio muestral no se altera con el resultado del experimento o
68
fenmeno aleatorio, el elemento seleccionado pudiera ser seleccionado

nuevamente en cada experimento. Ejemplo: sorteo de los triples de las
diferentes loteras.
6.8.2 Seleccin sin reemplazo (sin repeticin)
El elemento seleccionado no se incorpora nuevamente al espacio

muestral, es decir, el espacio muestral queda modificado o alterado luego de
efectuado el experimento aleatorio. Ejemplo: sorteo del Kino de la lotera del
Tchira.
6.9 Teorema de la Suma (A
B); (A + B); (A o B); (A
B)
Esto implica que se d un evento o que se d el otro o de que se den

ambos.
6.9.1 Sucesos exhaustivos y mutuamente excluyentes
Son aquellos cuya reunin es el espacio muestral.
P (A
C) = P (A) + P (B) + P (C) = 1
FIGURA N 14 SUCESOS EXHAUSTIVOS Y EXCLUYENTES
69
Gustavo J. Rueda G.
6.9.2 Sucesos mutuamente excluyentes
Son aquellos que su interseccin es el conjunto vacio, es decir,

A
B =
. En otras palabras, dos o ms sucesos son mutuamente
excluyentes si la realizacin de uno implica la imposibilidad de la realizacin

simultnea de los otros.
P (A
B) = P (A) + P (B)
FIGURA N 15 SUCESOS MUTUAMENTE EXCLUYENTES

6.9.3 Sucesos que no son Mutuamente Excluyentes
Son aquellos que su interseccin es diferente al conjunto vacio, es

decir, tienen elementos en comn.
La regla de la suma para dos eventos, queda de la siguiente

forma:
FIGURA N 16 SUCESOS NO MUTUAMENTE EXCLUYENTES
70
P (A
B) = P (A) + P(B) P (A
B)
La regla de la suma para tres eventos, queda de la siguiente

forma:
FIGURA N 17 SUCESOS NO MUTUAMENTE EXCLUYENTES, TRES

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

P (A
B) P (A
C) P (B
C) +
C)
6.10 Probabilidad Condicional
Considerando dos sucesos A y B, se entiende por probabilidad

condicional del suceso B dado el suceso A, a la probabilidad de que B
ocurra, dado que A ha ocurrido. El hecho de que A haya ocurrido da la
informacin adicional sobre la posibilidad de la ocurrencia B. Se representa
de la forma siguiente:
P (B/A) = Es la probabilidad de que ocurra el evento B dando a A como

cierto.
71
Gustavo J. Rueda G.
con P (A) 0
FIGURA N 18 PROBABILIDAD CONDIONADA
6.11 Probabilidad Producto
De la frmula de Probabilidad Condicional, se desprende la

Probabilidad Producto de dos sucesos A y B, en un mismo espacio muestral
S, se entiende a la probabilidad de que los dos sucesos se den
simultneamente:
P (A
B) = P (A) * P (B/A)
En general, la probabilidad de ocurrencia del suceso B es diferente de

la probabilidad condicional del evento B dado el evento A (P (B/A)). Sin
embargo, hay casos en que esto no sucede as, sino que la probabilidad
simple y condicional de un suceso son iguales P (B) = P (B/A). Entonces, si
este es el caso, se dice que los sucesos A y B son independientes. De tal
forma, que si son independientes, si y solamente si, su probabilidad producto
es igual al producto de sus probabilidades respectivas.
P (A
B) = P (A) * P (B); si A y B son independientes
72
Si tenemos n eventos todos independientes (E1, E2, E3, , En); la

probabilidad de que todos ellos se den es la productoria de sus
probabilidades, as se tiene que:
P (E1
E2
E3
En) =
P (Ei) = P (E1) . P (E2) . P (E3) P (En)
Una aplicacin de la Probabilidad Producto, se encuentra en el Anexo

N 1: Introduccin a la Confiabilidad de Sistemas; y que se recomienda
revisar por su importancia.
6.12 Teorema de la Probabilidad Total

Un evento B (el efecto), puede ocurrir por varias causas excluyentes
A1, A2, A3, , An.
B = (B
A1)
P (B) = P (B
(B
A2)
A1) + P (B
(B
A3)
A2) + + P (B
An)
FIGURA N 19 PROBABILIDAD TOTAL

La expresin de la probabilidad total queda:
P (B) = P (A1).P (B/A1) + P (A2).P (B/A2) + + P (An).P (B/An)
73
Gustavo J. Rueda G.
rbol de probabilidades (rbol de decisiones): es la forma de

representar a la probabilidad total, se distinguen dos partes esenciales:
Nodos: representan el instante en que se realiza un experimento.
Ramas: representan los resultados del experimento.
FIGURA N 20 RBOL DE PROBABILIDADES

Los arboles al infinito, se resuelven con las series:
Siendo r la razn del decrecimiento:
Sn = Suma de n trminos de una

progresin decreciente e infinita
Ejemplo
Considere el siguiente juego, una persona lanza repetida veces un par

de dados. Gana si saca un ocho antes de obtener un siete. Cul es la
probabilidad de ganar este juego?
Este juego se puede representar mediante un rbol de decisiones, se

puede apreciar que el juego se puede acabar en el primer lanzamiento, o al
74
segundo, o al tercero, y as sucesivamente, entonces, es un rbol al infinito,

como se muestra a continuacin:
P (ganar) =
+ ... =
siendo la razn r =
P (ganar) =
= 0,454545...
6.13 Teorema de Bayes
El teorema de Bayes permite reconsiderar las probabilidades

condicionadas utilizando la informacin de que se dispone. Tiene muchas
aplicaciones en la toma de decisiones empresariales. El reverendo Thomas
Bayes (1702 1761) desarroll el teorema publicado inicialmente en 1763,
despus de su muerte, y de nuevo en 1958. Se utiliza para calcular la
probabilidad de una de las causas, sabiendo que ocurri el efecto, es decir,
probabilidad a posteriori.
P (Aj/B) = Probabilidad de que se haya dado Aj, puesto que se dio B.
75
Gustavo J. Rueda G.
6.14 Problemas Unidad VI
Se sugiere el uso de mnimo cuatro decimales con tcnicas de

redondeo o el uso de fracciones, en el clculo de las probabilidades.
VI.1 Se tienen los nmeros 5874 y 12369. Cuntos nmeros enteros

diferentes pueden formarse, con dos dgitos no repetidos del primero y tres
no repetidos del segundo?
VI.2 Con tres vocales y tres consonantes. Cuntas palabras distintas de

seis letras pueden formarse, con la condicin de que no haya dos vocales ni
dos consonantes juntas?
VI.3 En una fiesta hay 8 muchachos y 6 muchachas. De cuntas maneras

distintas pueden estar bailando, si siempre deben estar cuatro parejas en la
pista?
VI.4 De cuntas maneras distintas puede responderse un examen de 8

preguntas, si las repuestas son: Verdadero o Falso para cada una?
VI.5 En un lote de 10 artculos, hay 7 artculos buenos y 3 defectuosos. En

cuntas muestras de a 3 artculos, existe al menos un defectuoso?
76
VI.6 Un equipo de futbol juega 8 partidos. De cuntas maneras puede ganar

4, perder 3 y empatar 1?
VI.7 La empresa le encarga a Usted, a organizar un campeonato de beisbol,

en el que participan las 8 Gerencias, cada una con su correspondiente
equipo. Cuntos juegos sern necesarios para planificar el calendario de
juegos, si cada equipo debe jugar dos veces en su campo, contra cada uno
de los equipos contrarios?
VI.8 De cuntas maneras pueden acomodarse en una biblioteca 5 libros de

Matemticas, 7 de Administracin, 4 de Contabilidad y 8 de Estadstica, de
modo que los de una misma materia estn siempre juntos?
VI.9 El mismo problema anterior, pero con la condicin de que los de

Matemticas y Administracin no pueden quedar adyacentes.
VI.10 Una junta directiva de cinco cargos diferentes, debe estar formada por
3 hombres y 2 mujeres. De cuntas maneras diferentes se puede formar
dicha junta, si se dispone de 7 hombres y de 5 mujeres como candidatos
para integrarla?
VI.11 Un automvil puede llevar 2 personas en el asiento delantero y 1 en el

asiento trasero. Si entre seis personas, solo 2 saben conducir; De cuntas
maneras se puede llenar el automvil?
VI.12 Piense en el diseo del popular juego de la Lotera del Tchira, el

KINO. Cuntos cartones participan en el acostumbrando sorteo semanal de
los das lunes? (suponer: que hay un solo tiraje, es decir, no se repiten
cartones).
77
Gustavo J. Rueda G.
VI.13 Se lanzan tres monedas al aire, cul es la probabilidad de obtener

a) Tres sellos?
b) Dos caras y un sello?
VI.14 En un grupo de 15 personas, hay 4 que son amigos. Si estas personas

son colocadas en fila en orden aleatorio. Calcule la probabilidad de que los
cuatro amigos queden juntos.
VI.15 La probabilidad de que un vendedor de la empresa FORAUTO, C.A.,

venda por lo menos 4 automviles en un da es 0,37. Cul es la
probabilidad de que venda 0, 1, 2 3 autos en un da?
VI.16 Una mquina tiene tres botones A, B y C, existen tres formas de

ponerla en marcha, cada una de ellas requiere que se opriman los botones
en cierto orden. Determine la probabilidad de que una persona que
desconoce la forma de operarla, la ponga en marcha en el primer intento.
VI.17 Tres personas A, B y C concursan por un cargo en una prestigiosa

empresa. Los candidatos A y B tienen la misma oportunidad de obtener el
cargo, pero el candidato C tiene el triple de oportunidad que los candidatos A
y B. Cul es la probabilidad de que:
a) C obtenga el cargo?
b) B no obtenga el cargo?
VI.18 En el lanzamiento de dos dados, cul es la probabilidad de sacar:

a) Suma 7?
b) Suma 10?
78
VI.19 Entre grupo de estudiantes de la UDO Monagas, se tienen que:

60 cursan Ing. Petrleo
30 cursan Administracin
20 cursan Contadura
45 cursan Gerencia de RRHH
45 cursan Ing. de Sistemas
Del grupo estudiantes, se selecciona uno al azar, cul es la
probabilidad de que curse:
a) Ing. Petrleo?
b) Tecnologa de alimentos?
c) Ing. de Sistemas?
d) En la UDO Monagas?
VI.20 Segn una estadstica prctica, en ciertas tejeduras resulta, que por
cada 100 fallas del telar que exigen trabajos complementarios de las
tejedoras, en promedio se tiene:
22 provienen de la ruptura del liso
31 provienen de la ruptura de la trama
27 provienen del cambio de la lanzadera
03 provienen del cambio de la espada
La probabilidad de falla del telar debido a otras causas, cul ser?
VI.21 Estudiando la conducta del consumidor de cierto producto, se ha

seleccionado una muestra aleatoria de clientes de un supermercado,
obtenindose el siguiente resultado:
79
Gustavo J. Rueda G.
CLIENTES
CONDUCTA
HOMBRES
MUJERES
COMPRADORES
16
NO COMPRADORES
15
45
Se escoge al azar un cliente de este grupo. Determine la probabilidad

de que sea:
a) Hombre.
b) Mujer y comprador.
c) Hombre y no comprador.
d) Mujer.
VI.22 En un estante hay 10 pares de zapatos diferentes. Si se seleccionan

aleatoriamente 4 zapatos, cul es la probabilidad de formar un par?
VI.23 Se seleccionan al azar 3 cartas de un mazo de 52. Calcular la

probabilidad de:
a) Obtener 3 ases.
b) Obtener 3 cartas de la misma pinta.
c) No obtener cartas con pinta repetida.
VI.24 Diez estudiantes entre los cuales figuran A y B, estn en una clase. Si
se forma aleatoriamente una comisin integrada por 3 estudiantes. Hallar la
probabilidad de que:
a) A pertenezca a la comisin.
b) B pertenezca a la comisin.
c) A y B pertenezcan a la comisin.
d) A o B pertenezcan a la comisin.
80
VI.25 Al lanzar 3 dados Cul es la probabilidad de que la suma sea 6?
VI.26 Se colocan al azar en una fila, 6 fichas rojas y 4 blancas. Calcular la

probabilidad de que las fichas centrales sean del mismo color.
VI.27 Tres hombres A, B y C disparan a un blanco, siendo 1/6, 1/4 y 1/3 sus
respectivas probabilidades de acertar el disparo. Cada uno dispara una vez.
Encuentre la probabilidad de que solamente uno de ellos acierte el disparo.
VI.28 Hay 6 personas acomodadas al azar en una fila de 6 sillas, A y B estn

entre ellas. Calcular la probabilidad de que A y B siempre estn separados
por una persona.
VI.29 Piense en el diseo del popular juego de la Lotera de Oriente, el Triple

Gordo. Cul es la probabilidad de ganar en el principal juego del
acostumbrando sorteo semanal de los das domingo? (suponer: que hay un
solo tiraje, es decir, no se repiten cartones)
VI.30 Se tienen dos sucesos A y B, tales que P (A) = 0,25 y la P (B) = 0,90.
Son mutuamente excluyentes A y B?
VI.31 En el actual semestre la probabilidad de que un estudiante apruebe

Estadstica es de 0,55 y la probabilidad de aprobar Administracin de
Personal es de 0,80. Si la probabilidad de aprobar Estadstica o
Administracin de Personal es de 0,80. Cul es la probabilidad de aprobar
ambas asignaturas?
81
Gustavo J. Rueda G.
VI.32 A, B y C son sucesos exhaustivos y mutuamente excluyentes en el

espacio muestral S. Siendo P (A) = 2/3 y la P (B) = 1/2. Calcular la
probabilidad de que no se d el suceso C.
VI.33 El Gerente de Operaciones de la lnea Santa Brbara Airlines, en una

conferencia de prensa relacionada con la seguridad de los motores de sus
aviones, decide incluir la probabilidad de que un jet con dos motores tenga
una falla en un vuelo. Despus de consultar sus registros encontr la
siguiente informacin de las operaciones en los ltimos 18 meses de los
aviones con dos motores:
28 reportaron fallas en el motor derecho
32 reportaron fallas en el motor izquierdo
2 accidentes
Si hubo 550.000 vuelos durante el perodo considerado. Qu
probabilidad debe el Gerente informar a la prensa?
VI.34 El encargado de una perfumera sabe por experiencia que la

probabilidad de que el cliente que entra al local sea hombre es de 0,35 y la
probabilidad de que el cliente sea comprador es de 0,15.
a) Cul es la probabilidad de que el cliente sea hombre y comprador?
b) Cul es la probabilidad de que el cliente sea mujer y no comprador?
VI.35 Dados los nmeros 0, 1, 2, 3 y 4. Cul es la probabilidad de que un

nmero de cinco cifras formado al azar con los nmeros dados sin repeticin,
empiece por 2 y sea par? Nota: Los nmeros que comienzan por cero (0) no
se consideran de cinco cifras.
82
VI.36 Dos jugadores juegan lanzando alternativamente un par de dados,

quin obtenga primero suma 7 gana el juego. Hallar la probabilidad de que
(rbol al infinito):
a) Quin lanza primero los dados gane.
b) Quin lanza segundo los dados gane.
VI.37 El Departamento de Control de Calidad inspecciona lotes de

produccin tomando muestras de 2 piezas:
Si ambas son buenas: aprueba el lote
Si ambas son malas: rechaza el lote
Si hay una de cada tipo, se toma una tercera pieza al azar, si es buena
se acepta el lote y si sale mala se rechaza el lote.
a) Un lote de 12 piezas, tiene 4 defectuosas, cul es la probabilidad de
que apruebe?
b) Si el lote aprob, cul es la probabilidad de que haya aprobado en la
primera inspeccin?
VI.38 Se tienen 5 fichas rojas y 4 fichas blancas dispuestas al azar en una

fila. Hallar la probabilidad de que las fichas:
a) de los extremos sean rojas.
b) de los extremos sean blancas
c) de los extremos sean del mismo color
VI.39 Una caja contiene 4 fichas rojas y 3 fichas blancas. Una segunda caja
contiene 5 fichas rojas y 2 fichas blancas. Una de las cajas es seleccionada
al azar y extrada una ficha. Si la ficha es blanca, cul es la probabilidad de
que la caja escogida haya sido la primera?
83
Gustavo J. Rueda G.
VI.40 Una caja contiene 5 pelotas blancas y 4 pelotas rojas. Dos pelotas son
extradas al azar sin reemplazamiento. Cul es la probabilidad de que la
segunda pelota sea blanca, si se sabe que la primera ha sido blanca?
VI.41 En una caja hay 9 bolas blancas y 1 bola negra. Dos jugadores sacan
alternativamente con reemplazo una bola de la caja. El primero en sacar la
bola negra gana un premio. Cul es la probabilidad de que el que empiece
gane el premio? (rbol al infinito).
VI.42 En un examen de estadstica aprob el 70% de los estudiantes. Por

otro lado el 60% de los que no aprobaron tambin reprobaron matemticas,
mientras que el 10% de los que pasaron reprobaron matemticas. Si se elige
un estudiante al azar:
a) Cul es la probabilidad de haber elegido un estudiante que pas el
examen de estadstica, si sabemos que reprob matemticas?
b) Cul es la probabilidad de elegir un estudiante que haya pasado el
examen, si se sabe que no reprob matemticas?
VI.43 Suponga una caja que contiene 3 fichas rojas y 2 fichas negras. Si se
extraen 2 fichas de la caja, cul es la probabilidad de que las 2 fichas sean
rojas si es:
a) Con reemplazo?
b) Sin reemplazo?
VI.44 Una prestigiosa empresa tiene 4 plantas en diferentes partes del

mundo que producen un mismo smart phone. La produccin de las plantas
se deposita en un mismo almacn para luego atender a la demanda global.
84
En un perodo determinado, la planta A produjo el 20% de los productos, la B

el 40%, la C el 25% y la D el 15%. Los porcentajes de productos defectuosos
en las plantas fueron 1%, 2%, 1,3% y 0,5%, respectivamente. Un telfono
celular fue tomado al azar del almacn y result ser defectuoso, cules son
las probabilidades de que el smart phone haya procedido de las plantas A, B,
C o D, respectivamente?
VI.45 Una persona pretende viajar y tiene 50 pases numerados del 1 al 50

para seleccionar. Si puede elegir al azar cuatro de ellos para hacer su viaje,
cul es la probabilidad que tres de los pases tomados al azar estn por
arriba del pas marcado con el nmero 35?
VI.46 Si 25 de los 350 profesores, de una universidad nacional, son

extranjeros y si 4 de los miembros del personal docente son escogidos
aleatoriamente, sin reposicin, cul es la probabilidad que los 4 de la
muestra sean venezolanos?
VI.47 Se tienen 15 piezas de las cuales 5 son defectuosas, si se toman 3

piezas al azar. Calcule la probabilidad de encontrar:
a) Ninguna defectuosa
b) Una defectuosa
c) Al menos una defectuosa
VI.48 Un hombre empieza a caminar en un orden aleatorio en una cierta

esquina y recorre 4 cuadras. Cada vez que llega a una esquina escoge una
de las direcciones norte, sur, este u oeste, con igual probabilidad. Qu
probabilidad tiene de terminar su caminata en la esquina de donde parti?
85
Gustavo J. Rueda G.
VI.49 Se tienen 14 nmeros de los cuales 6 son positivos y 8 son negativos.

Si del conjunto de 14 nmeros se eligen 4 al azar. Cul es la probabilidad
de que el producto sea un nmero positivo?
VI.50 Hay 15 concesiones que se deben explotar o renunciar a ellas, pero

solo hay recursos para explotar solo 5 concesiones. Slo 6 campos tienen
petrleo. Cul es la probabilidad de que todos los campos seleccionados
tengan petrleo?
VI.51 Cul es la probabilidad de que a un mismo jugador de domin le

salga el doble cinco y el doble seis durante cuatro manos consecutivas?
VI.52 El Departamento de Control de Calidad de una importante Industria

sigue el siguiente procedimiento para aceptar o rechazar un lote de
produccin. Se toman 3 unidades al azar; si resultan 3 defectuosas se
rechaza el lote, si no resulta ninguna defectuosa se acepta el lote. En caso
de que resulten 1 2 defectuosas en la muestra, entonces se toma otra
muestra de 3 unidades entre las unidades no inspeccionadas. Si el total de
defectuosas entre ambas muestras es 3 o ms se rechaza el lote, y si no se
acepta.
Hallar la probabilidad de aceptar de aceptar un lote de produccin de 10

unidades, en donde existen 4 unidades defectuosas.
VI.53 En agosto de 1976, los Dres. J.C. Morrison y E.T. Bucovaz de la

Universidad de Tennesse, descubrieron una prueba clnica que puede servir
para el diagnostico precoz del cncer. En los anlisis ejecutados, se produjo
reaccin positiva (indicios de cncer) en el 87% de los enfermos de cncer, y
el 9% de las personas sanas. Si una persona es sometida a esa prueba dos
86
veces con resultados positivos en ambas, cul es la probabilidad de que

padezca de cncer?. Suponer que el 5% de las personas que se someten a
la prueba tienen cncer.
VI.54 Una mquina produce artculos de los cuales normalmente el 5% salen

defectuosos. El productor acostumbra supervisar la mquina cada hora
tomando una muestra de 10 piezas producidas durante esa hora. Si la
muestra no contiene artculos defectuosos permite que la mquina contine
trabajando.
a) Si la mquina se desajusta y pasa a producir un 10% de artculos
defectuosos, cul es la probabilidad de que el productor no detecte la
anormalidad?
b) Cuando la mquina est trabajando normalmente, cul es la
probabilidad de que el productor detenga el proceso innecesariamente?
VI.55 A, B y C disparan cada uno un tiro al blanco. Las probabilidades de

cada uno de acertar a dicho blanco son 0,30; 0,25 y 0,10; respectivamente.
Si una vez que los tres han disparado, se encuentra una sola bala en el
blanco. Calcular la probabilidad de que esta bala haya sido disparada por A.
VI.56 En una empresa se tienen 15 candidatos de diferentes reas de la

misma, para unas becas para unos postgrados en el extranjero. Del grupo de
candidatos, hay 5 que pertenecen a la Gerencia de RRHH. Si se eligen 3
personas del grupo para el postgrado, cul es la probabilidad de que al
menos uno sea de la Gerencia de RRHH?
VI.57 En una empresa hay 36 ingenieros, 26 economistas y 40 en ciencias

sociales. El 75% de los ingenieros ocupan un puesto directivo y el 50% de
87
Gustavo J. Rueda G.
los economistas tambin, mientras que el otro grupo en ciencias sociales el

20% ocupa un puesto directivo.
a) Cul es la probabilidad de que un empleado que no es directivo
elegido al azar no sea ingeniero?
b) Cul es la probabilidad de que se seleccione al azar a un empleado y
no sea economista?
c) Si se selecciona a dos personas al azar y resultan que son directivos
Cul es la probabilidad que sean uno ingeniero y el otro economista?
d) Cul es la probabilidad de seleccionar a azar tres empleados: un
ingeniero y dos que sean del rea de ciencias sociales?
88
UNIDAD VII: DISTRIBUCIN DE PROBABILIDAD DISCRETA.

DISTRIBUCIN BINOMIAL Y DISTRIBUCIN DE POISSON
7.1 Distribucin Discreta de una Variable Aleatoria
Es una magnitud susceptible de tomar diversos valores con

determinadas probabilidades. Una variable aleatoria es discreta cuando
nicamente puede tomar un determinado nmero de valores en un intervalo.
Por ejemplo, la variable aleatoria nmero de caras obtenidas al lanzar 2
monedas, es una variable aleatoria discreta en el intervalo (0,2), slo puede
tomar los valores 0, 1, y 2. En sntesis, una variable aleatoria discreta slo
puede tomar valores enteros.
7.2 Funcin de Probabilidad
Es aquella funcin f (x) que mide la probabilidad de que la variable

aleatoria x tome determinados valores. Cuando la variable aleatoria es
discreta, la funcin de probabilidad toma el nombre de funcin de
probabilidad de masa; si la variable aleatoria es continua toma el nombre de
funcin de densidad. No se har esta distincin y en ambos casos se le
llamar funcin de densidad.
7.3 Funcin de densidad

Es la que mide la probabilidad de que la variable x tome un determinado
valor.
P (x = a) = f (a)
89
Gustavo J. Rueda G.
7.4 Espacio Muestral
Es el conjunto de posibles valores que puede tomar la variable aleatoria

x y se denota como S (x).
f (x) = 1
7.5 Funcin de Distribucin
Es la que mide la probabilidad de que la variable x sea menor o igual a

un nmero dado h, es la funcin acumulada.
7.6 Esperanza Matemtica o Valor Esperado
El valor esperado o esperanza matemtica de una variable aleatoria x,

se conoce tambin como media ponderada de x, siendo las ponderaciones
las probabilidades. Se calcula con la expresin siguiente:
Si la variable aleatoria x es discreta:
Si la variable aleatoria x es continua:
90
7.6.1 Propiedades
1. El espacio muestral S (x) = {x1, x2, x3, , xn} y con x1 x2 x3 xn

entonces x1 E (x) xn
2. No necesariamente el valor esperado E (x) pertenece a el espacio
muestral S (x).
3. El valor esperado o esperanza matemtica de una constante es la

constante
E (c) = c
4. La varianza de una variable aleatoria x viene dada por:
VAR (x) = E (x2) - [E (x)]2 = 2
5. Sea x una variable aleatoria y sea g (x) una funcin de esa variable,
entonces el valor esperado de g (x) es:
Si la variable aleatoria x es discreta:
Si la variable aleatoria x es continua:
91
Gustavo J. Rueda G.
7.7 Distribucin Binomial
Un experimento que slo puede tener dos resultados posibles el xito o

el fracaso, y no cabe ninguna otra posibilidad. La probabilidad de xito o
fracaso, permanece constante en cada intento que se realiza el experimento.
As se tiene que:
X = mide el nmero de veces que hay xito, es la variable.

n = es el nmero de veces que se realiza el experimento, es uno de los
parmetros.
p = probabilidad de xito, es uno de los parmetros.
q = probabilidad de fracaso, es uno de los parmetros.
p + q = 1; entonces q = (1 p)
Funcin de Densidad de Probabilidades

Para un espacio muestral S (x) = {x1, x2, x3, , xn}
Siendo:
92
Funcin de Distribucin de Probabilidades
Es la funcin acumulada, es la que mide la probabilidad de que la

variable x sea menor o igual a un nmero dado.
Valor esperado y varianza de una variable distribuida binomialmente
El valor esperado, media o esperanza matemtica viene dada por la

siguiente expresin:
E (x) = = np
La varianza de una variable aleatoria x binomial es:
Var (x) = 2 = npq = np(1 p)
93
Gustavo J. Rueda G.
7.8 Distribucin de Poisson
Conjuntamente con la Distribucin Binomial, es la distribucin de

variables aleatorias discretas ms utilizada. Tambin llamada distribucin
exponencial de Poisson. La distribucin de Poisson fue propuesta por
primera vez por Simon Poisson (1781 1840) en un libro publicado en
1837. Se utiliza para hallar la probabilidad de variables aleatorias que se
caracterizan por ser el nmero de ocurrencias o de xitos de un suceso en
un intervalo continuo dado, como el tiempo, la superficie o la longitud.
Funcin de Densidad de Probabilidades
La funcin de probabilidad es la siguiente si la variable aleatoria x

sigue la distribucin de Poisson:
con > 0; x = 0, 1, 2, 3, 4,
f (x) = probabilidad de x xitos en un tiempo o un espacio dado.
= nmero esperado de xitos por unidad de tiempo o espacio.
e = 2,71828.
94
FIGURA N 21 DISTRIBUCIN DE POISSON

Funcin de Distribucin de Probabilidades
Es la funcin acumulada, es la que mide la probabilidad de que la

variable x sea menor o igual a un nmero dado.
La suma de las variables aleatorias Poisson, es tambin una variable

aleatoria de Poisson. Por lo tanto, la suma de k variables de Poisson, cada
una de media , es una nueva variable aleatoria de Poisson de media K.
Esta distribucin, es especialmente til en los problemas de lista de
espera o teora de colas. Los procesos de llegada, se tratan con la
Distribucin de Poisson.
Valor esperado y varianza de una variable distribuida segn la
Distribucin de Poisson
95
Gustavo J. Rueda G.
El valor esperado, media o esperanza matemtica viene dada por la

siguiente expresin:
Valor esperado = E (x) =
La varianza de una variable aleatoria x de Poisson es:

Varianza = 2 = E ((x - )2) =
7.9 Aproximacin de la Distribucin de Poisson a la Distribucin
Binomial
La distribucin de Poisson puede utilizarse como aproximacin de la
distribucin binomial cuando el nmero de pruebas, n, es grande y al mismo
tiempo la probabilidad, p, es pequea.
En donde la media de Poisson es igual a np

= np
Requisitos de la Aproximacin:
n 50
p 0,10 o p 10%
En general, = np 5. Es una regla emprica, esto puede variar en
algunos libros, y as se puede encontrar en algunos que = np 4 o en otros
que = np 7.
Se recomienda utilizar la distribucin binomial, cuando las muestras son

pequeas y la probabilidad de ocurrencia est entre 0,05 y 0,95. En cambio
96
si las observaciones sean muchas, es indicado utilizar la distribucin de

Poisson.
Ejemplo
Es sabido que el 5% de las semillas de un cierto vegetal que estn a la
venta en un determinado mercado, no dan fruto. Las semillas se venden en
cajas de 100 y se garantiza que el 90% de las semillas darn fruto. Cul es
la probabilidad de que en una caja determinada la garanta no se cumpla?
La probabilidad solicitada es la probabilidad de que una variable
aleatoria distribuida binomialmente con parmetros 100 y 0,05, sea mayor
que diez, debido que hasta 10 semillas la garanta se cumple.
P (x > 10) = 1 P (x 10) = 1 -
100, x
0,05x 0,95100 x
Se genera uno a uno los clculos, ya sea de forma manual, utilizando la

expresin, tambin se puede utilizar el excel como una herramienta de
clculo. En la siguiente tabla, se aprecia el valor de la funcin de densidad y
de la funcin distribucin para cada uno de los valores de la variable X:
X
0
1
2
3
4
5
6
7
8
9
10
P (x 10) =
f (x)
0,00592053
0,03116
0,0819
0,13956
0,17814
0,18001
0,15001
0,10602
0,06487
0,0349
0,0167
0,98919053
F (x)
0,00592053
0,03708053
0,11898053
0,25854053
0,43668053
0,61669053
0,76670053
0,87272053
0,93759053
0,97249053
0,98919053
97
Gustavo J. Rueda G.
P (x > 10) = 1 P (x 10) = 1 F (10) = 1 0,98919053 = 0,01080947
La aproximacin por la distribucin de Poisson ser:

np = 100*(0,05) = 5; cumple la condicin.
= np = 100*(0,05) = 5
Para apreciar paso a paso el clculo, se genera una tabla similar a la

anterior:
X
f(x)
F(x)
0,00673794 0,00673794
0,033689
0,04042694
0,084224
0,12465094
0,14037
0,26502094
0,175467
0,44048794
0,175467
0,61595494
0,146222
0,76217694
0,10444
0,86661694
0,065278
0,93189494
0,036265
0,96815994
10
0,018132
0,98629194
P (x 10) =
0,98629194
P (x > 10) = 1 P (x 10) = 1 F (10) = 1 0,98629194 = 0,01370806
98
7.10 Problemas Unidad VII
VII.1 Considere un mazo de 52 cartas, cul es la probabilidad de obtener

dos veces un seis, al sacar una carta con reemplazo 6 veces?
VII.2 En una encuesta realizada en los barrios de Caracas, el 70% de los

encuestados contestaron incorrectamente el cuestionario. De una muestra de
4 cuestionarios tomados al azar:
a) Cul
es
la
probabilidad
de
que
cuestionarios
estuvieran
correctamente contestados?
b) Cul es la probabilidad de que ms de 2 cuestionarios estn
contestados correctamente?
c) Cul es el valor esperado para el nmero de cuestionarios
contestados correctamente y cul es la varianza de la variable?
VII.3 Se sabe que una variable aleatoria se distribuye binomialmente con

media 18,2 y varianza 1,638. Calcule n y p.
VII.4 Un examen consiste en preguntas de seleccin mltiple. Cada pregunta

tiene tres opciones como respuesta, de las cuales slo una es correcta. Un
estudiante contesta las preguntas lanzado un dado. Si sale 1 2 elige la
primera opcin, si sale 3 4 elige la segunda y si sale 5 6 elige la tercera.
El examen se aprueba si se contestan correctamente la mitad o ms de las 8
preguntas que contiene. Cul es la probabilidad que el estudiante apruebe
el examen?
VII.5 El 10% de los clientes de una compaa de seguros sufren accidentes

en el periodo de un ao. Cul es la probabilidad de que de 5 clientes que
99
Gustavo J. Rueda G.
han cancelado su pliza de seguros un ao dado, uno slo tenga un

accidente ese ao?
VII.6 La demanda que un distribuidor de automviles tiene es una variable

aleatoria con promedio de 5 por semana. En una semana dada, cul es la
probabilidad de que se vendan 2 automviles?
VII.7 Una empresa que presta un determinado servicio tiene capacidad para
atender 8 clientes por hora. Si los clientes llegan aleatoriamente a un
promedio de 6 por hora. Cul es la probabilidad de que en una hora
determinada, no se puedan atender a todos los clientes que lleguen a esa
hora?
VII.8 Un fabricante de artculos de vidrio inspecciona los artculos contando el

nmero de defectos menores que tienen, y rechaza aquellos que tiene 2 o
ms defectos. Se sabe que el nmero promedio de defectos por artculos es
4. Cul es la probabilidad de que un artculo inspeccionado sea rechazado?
VII.9 Suponiendo que cada nio que nace tiene una probabilidad de 0,60 de
ser varn. Calcular la probabilidad de que un matrimonio con 3 hijos tenga:
a) Al menos un varn
b) Al menos una hembra
VII.10 Una caja contiene 10 fichas rojas, 10 azules y 30 blancas. Cul es la

probabilidad de que al extraer 6 fichas con reemplazo se obtenga 3 fichas
rojas?
100
VII.11 Dada una variable aleatoria x binomial con media 2,5 y varianza 1,875.
Calcular la probabilidad de que x sea mayor o igual 4.
VII.12 Una aerolnea sabe por sus records pasados que el 4% de las
personas que tienen reservados sus pasajes para el vuelo Caracas
Maturn, no se presentan. De forma que la compaa reserva 75 puestos en
lugar de los 73 que dispone el jet que cubre la ruta.
a) Cul es la probabilidad de que todos los pasajeros que se presenten
tengan puestos disponibles?
b) Use la aproximacin de Poisson para hallar la misma probabilidad.
VII.13 Una mquina produce repuestos para automviles; y en promedio, 2

de cada 100 repuestos son defectuosos. Estos repuestos se empacan en
cajas de 200 unidades, para vender a los distribuidores. Qu probabilidad
de esas cajas no contienen repuestos defectuosos? (Use la aproximacin de
Poisson).
VII.14 En la autopista regional del centro (Caracas Valencia), conocida por
sus siglas ARC, suceden accidentes fatales a un promedio de 2 por mes (4
semanas). Cul es la probabilidad de que en una semana determinada no
se produzcan accidentes fatales?
VII.15 Una investigacin hecha por la Comisin de Prevencin de Accidentes

de Proteccin Civil Venezuela, muestra que durante los 4 das feriados de la
semana santa, se ahogan en promedio 20 personas en las playas del litoral
venezolano. Cul es la probabilidad de que en un da de semana santa
haya 3 ms ahogados?
101
Gustavo J. Rueda G.
VII.16 En un auto lavado llegan automviles buscando servicio a una tasa de

10 por hora. Si el auto lavado puede atender como mximo 20 automviles
por hora. Cul es la probabilidad de que en una hora determinada lleguen
ms automviles de los que se pueden atender?
VII.17 Supngase que el nmero de artculos comprados en una tienda

durante un da obedece a una distribucin de Poisson con media igual a 10.
Cuntos artculos deben haber como mnimo en existencia, para que la
probabilidad de que la tienda sea capaz de atender la demanda del da sea
mayor o igual a 0,95? (supngase igualmente que los artculos son
perecederos, de forma que no puede mantenerse inventario de un da para
otro).
VII.18 El Ministerio de Hacienda estima que el 20% de la poblacin tiene

ingresos suficientemente elevados como para pagar impuesto sobre la renta
(ISLR). Si se eligen 9 personas al azar de entre la poblacin, cul es la
probabilidad de que ms de 4 no deban pagar el ISLR?
VII.19 En una urbanizacin de Maturn, el 60% de las viviendas estn

aseguradas; 4 viviendas son elegidas aleatoriamente. Cul es la
probabilidad de que al menos 3 estn aseguradas?
VII.20 El nmero de llamadas que recibe una central telefnica es una

variable aleatoria que sigue una distribucin de Poisson con media de 300
llamadas por hora. Si la central puede realizar a lo ms 10 conexiones por
minuto, cul es la probabilidad de que en un instante determinado la central
telefnica est ocupada?
102
VII.21 Se realizaron pruebas con un medicamento especfico contra rechazo,

en un grupo de pacientes trasplantados, se observa que la probabilidad de
obtener un resultado favorable es de 2/3. Despus de un perodo de prueba
se sabe que la probabilidad de no rechazo para todo el grupo es de
0,0877914952. Cuntos pacientes forman el grupo?
VII.22 Para cierto tipo de dispositivo electrnico, 1 de cada 10 de ellos falla

en una determinada prueba. Hallar la probabilidad que en una muestra
aleatoria de 20 de estos dispositivos fallen:
a) A lo ms 5
b) Entre 2 y 4.
VII.23 Un vendedor de electrodomsticos, vende en promedio 2 aparatos por

da. Determine la probabilidad que en un da cualquiera venda:
a) A lo ms 5 aparatos
b) Ms de 7 aparatos
c) Exactamente 3 aparatos
VII.24 Si en la autopista Caracas Guarenas, se producen en promedio 7

accidentes por da, cul es la probabilidad que este promedio sea superado
en un da cualquiera?
VII.25 Se sabe que el 20% de las piezas que fabrica una mquina son
defectuosas, cul es la probabilidad que en una muestra de 5 piezas
tomadas al azar:
a) Todas sean buenas
b) Ms de dos sean defectuosas
103
Gustavo J. Rueda G.
c) Todas sean defectuosas
VII.26 Los clientes llegan a una fotocopiadora a una tasa media de dos cada
5 minutos. Suponga que estas llegadas son independientes, que la tasa de
llegada es constante y que esta situacin sigue el modelo de Poisson, donde
x representa el nmero de clientes que llegan en un perodo de 5 minutos.
Hallar la probabilidad de que lleguen ms de dos clientes en un perodo de 5
minutos.
VII.27 Un agente corredor de seguros contacta con 5 personas y cree que la

probabilidad de vender un seguro a cada una de ellas es de 0,40. Siendo as,
hallar la probabilidad de que venda:
a) A lo ms un seguro.
b) Entre dos y cuatro seguros, inclusive.
VII.28 A principios de septiembre, una universidad descubre que puede

admitir a algunos estudiantes ms. La admisin de esos estudiantes
aumentara significativamente los ingresos sin incrementar los costos de
explotacin de la universidad, es decir, no habra que abrir nuevas secciones
o cursos. La universidad sabe por experiencia que el 40% de los estudiantes
admitidos se matricula realmente. Cul es la probabilidad de que se
matriculen como mximo 6 estudiantes si la universidad admite a 10
estudiantes ms?
VII.29 EL director de un centro informtico, informa de que su sistema

informtico ha experimentado tres fallos de componentes en los cien ltimos
das.
104
a) Cul es la probabilidad de que no haya ningn fallo en un da dado?

b) Cul es la probabilidad de que haya uno o ms fallos de componentes
en un da dado?
c) Cul es la probabilidad de que haya al menos dos fallos en un perodo
de tres das?
VII.30 La probabilidad de que un empleado sea escogido aleatoriamente

para un plan de Adiestramiento y Capacitacin es de 0,20. Si la Gerencia de
Recursos Humanos, analiza a seis (06) potenciales candidatos. Cul es la
probabilidad que sean seleccionados cuatro o ms empleados para ser
enviados al plan?
VII.31 Durante un ao determinado, el 70% de las acciones comunes

negociadas en la bolsa de valores de Nueva York (NYSE), aumentaron su
cotizacin, mientras que el 30% no variaron o disminuyeron su cotizacin. Al
comienzo del ao, un servicio de asesora financiera clasific 10 emisiones
como especialmente recomendables. Si las 10 emisiones representan una
seleccin aleatoria Cul es la probabilidad de que menos de cuatro
emisiones aumenten su cotizacin?
VII.32 El proceso de admisin a un determinado postgrado es el siguiente:

Se somete al aspirante a dos pruebas, una terica y otra prctica.
El examen terico consta de cinco preguntas con tres posibles

respuestas, de las cuales una sola es la correcta en cada caso. Para aprobar
este examen es necesario responder acertadamente por lo menos cuatro
preguntas. Solamente en caso de haber aprobado el examen terico, el
aspirante pasa al examen prctico, el cual consta de tres preguntas con dos
105
Gustavo J. Rueda G.
posibles respuestas y slo una es la respuesta correcta en cada caso. Para

aprobar el examen prctico es necesario responder acertadamente por lo
menos dos preguntas. Los aspirantes que aprueben ambos exmenes son
admitidos al postgrado.
Si un aspirante va dispuesto a responder al azar todas las preguntas de

ambos exmenes. Cul es la probabilidad de que sea admitido al
postgrado?
VII.33 La ltima novela de un autor ha tenido un gran xito, hasta el punto de

que el 80% de los lectores ya la han ledo. Un grupo de 4 amigos son
aficionados a la lectura:
a) Cul es la probabilidad de que en el grupo hayan ledo la novela 2
personas?
b) Y cmo mximo 2?
VII.34 Un agente de seguros vende plizas a cinco personas de la misma

edad y que disfrutan de buena salud. Segn las tablas actuales, la
probabilidad de que una persona en estas condiciones viva 30 aos o ms
es 2/3. Hllese la probabilidad de que, transcurridos 30 aos, vivan:
a) Las cinco personas
b) Al menos tres personas
c) Exactamente dos personas
106
UNIDAD VIII: DISTRIBUCIN DE PROBABILIDAD CONTINUA.

DISTRIBUCIN NORMAL
8.1 Concepto de Distribucin de Probabilidad Continua
Los conceptos y las ideas sobre las variables aleatorias discretas,

considerados en la unidad anterior, tambin se aplican a las variables
aleatorias continuas. A diferencia de las variables discretas, las continuas
pueden tener cualquier valor dentro de un intervalo o rango dado. De forma
tal, que no se pueden enumerar todos los posibles valores de probabilidad
para todos los correspondientes posibles valores de una variable aleatoria
continua.
Lo conveniente, es elaborar la funcin matemtica, que exprese el

comportamiento de la variable, teniendo en cuenta que debe cumplir con
ciertas condiciones.
Si la funcin cumple con las condiciones, se le da el nombre de

funcin de densidad de probabilidades (f.d.p.).
Las condiciones para que una funcin matemtica sea considerada

como una f.d.p. son:
1) f(x) 0, para todos los valores de x
2) El rea situada debajo de la curva que describe la f.d.p., cuando se
abarcan todos los valores de la variable aleatoria x, es igual a 1
107
Gustavo J. Rueda G.
8.2 Funcin Distribucin F(X)
Esta funcin expresa, la probabilidad de que la variable x sea menor o

igual que un valor dado F(a) = f(x a) = P(x a); es la funcin acumulada.
La probabilidad en funciones continas, estn definidas para un

intervalo, y es el rea bajo la curva de la f.d.p.
La probabilidad puntual o exacta, P(x = a) tiende a cero, pues limite de

cualquier valor dividido entre el infinito (), tiende a cero (0).
108
8.3 Concepto de Distribucin Normal
La Distribucin Normal, constituye el instrumento ms poderoso y til de

que dispone la ciencia Estadstica. Esta Distribucin tiene tal significacin por
estas razones:
1) Una gran cantidad de fenmenos aleatorios reales en cualquier rea:

ingeniera,
economa,
biologa,
psicologa,
etc.,
pueden
ser
representados adecuadamente por variables normales.

2) Cualquiera que sea la distribucin original de una poblacin estudiada,
los resultados muestrales, sumarizados en los estadsticos muestrales,
tienden a seguir la Distribucin Normal. Como se ver ms adelante
(Estadstica Aplicada, Estadstica II o en un curso ms avanzado).
La Distribucin Normal es una distribucin de probabilidad continua

que es tanto simtrica como mesocrtica. La curva que representa a esta
distribucin se describe generalmente como de forma de campana (campana
de Gauss).
FIGURA N 22 DISTRIBUCIN NORMAL
109
Gustavo J. Rueda G.
8.3.1 Caractersticas de la Distribucin Normal
La f.d.p. de una variable aleatoria x que sigue una distribucin normal

es:
En donde e y son constantes fsicas, e = 2,71828 y = 3,14159
8.3.2 Propiedades
1) La media de la variable aleatoria es
E(x) =
2) La varianza de la variable aleatoria es 2 Var(x) = 2

3) Geomtricas:
a) Simetra respecto al eje x = (mediana)
b) Mximo valor de la funcin en x = (moda)
c) Los puntos x = ; son de inflexin
4) Conociendo la media y la varianza 2, se puede definir la Distribucin
Normal usando la notacin siguiente:
5) Tipificacin de la Distribucin Normal
Es el proceso de transformacin de una de las infinitas distribuciones

normales que existen en una Distribucin Normal estndar o tipificada.
110
La Distribucin Normal estndar, es la curva normal que tiene por

parmetros a la media = 0, y a la varianza 2 = 1. Generalmente, se utiliza
la letra z o k, para designar a la variable estndar o tipificada.
Para lograr esa transformacin, se utiliza la siguiente relacin o frmula

(frmula de tipificacin):
Se tipifica para cualquier variable aleatoria x, que siga una distribucin

Normal
(x ~ N (, 2)), y queda:
8.4 Uso de la Tabla de la Distribucin Normal Estndar
Existen varios formatos de presentacin de las tablas normal estndar

(z ~ N (0, 12)), incluso, algunas, ya vienen incorporada en algunas de las
calculadoras; pero lo realmente importante es conocer cmo trabaja la que
se tiene al alcance.
111
Gustavo J. Rueda G.
A continuacin, se presenta un extracto de la versin de tabla Normal

estndar con la que se va a trabajar (ver en Apndices la seccin de la
tabla), y de cmo se procede con la lectura de la misma.
Ejemplo de lectura de tablas normal estndar directa

a) Hallar la probabilidad de que la abscisa z, sea menor que 1,20
b) Hallar la probabilidad de que la abscisa z, sea menor que -1,20
c) Hallar la probabilidad de que la abscisa z, se encuentre entre-1,20 y
1,20
d) Hallar la probabilidad de que la abscisa z, sea mayor que 1,20
A continuacin, se presenta un extracto de la tabla directa:

z
(- z)
(z)
D(z)
1,20
0,1151
0,8849
0,7699
2,10
0,0179
0,9821
0,9643
Resultados de la lectura:
a. P (z< 1,20) = (1,20) = 0,8849
b. P (z< - 1,20) = (-1,20) = 0,1151
c. P (-1,20<z< 1,20) = (1,20) (-1,20) = D (1,20) = 0,7699
d. P (z>1,20) = 1 (1,20) = 1 0,8849 = 0,1151
112
Ejemplo de lectura de tablas normal estndar indirecta o inversa
a) Hallar la abscisa que deja un rea a la izquierda igual al 70%

b) Hallar la abscisa que deja un rea a la izquierda igual a 0,30
c) Hallar las abscisas que determinan un rea centrada igual al 80%
d) Hallar las abscisas que determinan un rea centrada igual a 0,40
A continuacin, se presenta un extracto de la tabla indirecta:

%
z ()
z (D)
70
0,524
1,036
30
-0,524
0,385
80
0,842
1,282
40
-0,253
0,524
Resultados de la lectura:
a. P (z<A) = 0,70
A = 0,524
b. P (z<B) = 0,30
B = -0,524
c. P (C1 < z < C2) = 0,80
C = 1,282
d. P (D1 < z < D2) = 0,40 D = 0,524

Independientemente de cules sean los valores de media y de
varianza , que determinen una Distribucin Normal, en particular,
x ~ N (, 2); se cumple para todas, que el rea bajo la curva, agrupa a estas
cantidades de datos en estos intervalos caractersticos:
113
Gustavo J. Rueda G.
FIGURA N 23 CONCENTRACIN DE DATOS EN LA NORMAL

8.5 Relacin entre la Distribucin Binomial y la Distribucin Normal
La representacin grfica de una distribucin binomial muestra que sta

distribucin, tiene la misma forma que la distribucin Normal. Esta evidencia
visual de que la binomial puede aproximarse por una distribucin Normal, de
la misma media y varianza, ha sido demostrada por estadsticos
matemticos. Una buena regla de que la Normal es una buena aproximacin
de la distribucin binomial es:
npq > 9 np(1 p) > 9
114
FIGURA N 24 DISTRIBUCIN BINOMIAL

8.6 Aproximacin de la Distribucin Normal a la Distribucin Binomial
Se utiliza para calcular probabilidades de muestras de mayor tamao,

en especial cuando no se disponen ni de tablas ni de medios de cmputo.
Si x es una v.a. tal que x ~ b(n, p)
cuando n
Entonces, x ~ N (np; np(1 p))
Es decir:
Recordando que Cn,x es la combinacin de n elementos en x.

Correccin por continuidad:
El valor discreto x = h, corresponde al intervalo continuo h - ; h +
115
Gustavo J. Rueda G.
Se obtienen en tablas estndar
Ejemplo
Una vendedora se pone en contacto por telfono con posibles clientes,

en un intento de averiguar si es probable que merezca la pena ir a su casa a
verlos. Su experiencia sugiere que el 40% de los contactos acaba yendo a
casa del cliente. Si se pone en contacto con 100 personas por telfono, cul
es la probabilidad de que vaya a ver entre 45 y 50 personas?
Se verifica la regla npq > 9
100 (0,4) (0,6) = 24 > 9, se puede
hacer la aproximacin
= P (1,12 z 1,94) = (1,94) (1,12)

= 0,9738 0,8686
LECTURA EN TABLA
= 0,1052
La distribucin Normal es, sin lugar a dudas, la distribucin

probabilstica ms utilizada, y por lo tanto, ese uso tan difundido la hace la
ms importante. Tiene muchas aplicaciones en diferentes reas del saber
humano. En el Anexo N 2, se podr encontrar un material muy valioso, pues
116
trata de ver como un proceso puede o no cumplir con las especificaciones

que se le quiera imponer. Los procesos, de la ndole que sea, no siempre
estn en la capacidad de cumplir con los requerimientos que se puedan
pretender, se recomienda la revisin de este interesante material.
8.7 Problemas Unidad VIII
VIII.1 Hallar la probabilidad planteada en la curva normal estndar, en la

grfica siguiente:

grfica siguiente:

grfica siguiente:
117
Gustavo J. Rueda G.

grfica siguiente:

grfica siguiente:

grfica siguiente:

grfica siguiente:

grfica siguiente:
118

grfica siguiente:

grfica siguiente:
VIII.11 Para el rea indicada, hallar el valor de z
119
Gustavo J. Rueda G.

grfica siguiente:
120
VIII.19 El contenido de harina de trigo en unos sacos, sigue una distribucin

Normal con media de 40 Kgs y desviacin tpica de 2 Kgs. Si se toma un
saco al azar, cul es la probabilidad de que contenga:
a) Ms de 41,5 Kgs?
b) Menos de 37 Kgs?
c) Entre 38 y 41 Kgs?
d) Entre 402,5 Kgs?
e) Suponiendo, que las especificaciones son las de la parte d, si hay 1500
sacos en el almacn, cuntos sacos deben estar fuera de la
especificacin de llenado?
VIII.20 Determine la media y la desviacin tpica de una distribucin normal x,
tal que:
P (x 60) = 0,10 y que P (x 90) = 0,95
VIII.21 El promedio semanal de ingreso de los trabajadores en una empresa
canadiense es de CA$ 500,00; con una desviacin tpica de CA$ 100,00.
Hallar:
121
Gustavo J. Rueda G.
a) Sobre qu ingreso semanal se encuentra el 9% de los trabajadores

de mayor ingreso?
b) Por debajo de qu ingreso semanal se encuentra el 70% de los
trabajadores de menor ingreso?
c) Entre que ingresos semanales se encuentra el 68% central de los
trabajadores?
VIII.22 El Departamento de Control de Calidad de una empresa en lo

referente a los pesos de los paquetes de un determinado producto, obtiene
una distribucin normal con un peso promedio por paquete de 60 grs. y una
desviacin de 5 grs. Si de una muestra de 5.000 paquetes, son rechazados
30 paquetes por fallas en su peso. A partir de que peso en adelante los
paquetes son aceptados?
VIII.23 La vida til de cierto tipo de bombillos se distribuye normalmente, con

una media de 1000 horas y una desviacin estndar de 50 horas. Determine
la probabilidad de que uno de esos bombillos:
a) Se queme antes de 925 horas
b) Dure funcionando entre 1050 y 1085 horas
c) Tenga una vida til superior a las 947 horas.
VIII.24 La empresa SIDOR, pretende exportar lotes de produccin de acero,

a tal efecto sondea dicho mercado y obtiene la informacin estadstica
siguiente:
El consumo medio es de 300 toneladas al mes.
El coeficiente de variacin es de 18%, y 650 empresas requieren acero.
Si se asume que el consumo de stas empresas se distribuye
normalmente, cuntas empresas necesitarn:
122
a) Por encima de 360 toneladas/mes?

b) Por debajo de 150 toneladas/mes?
VIII.25 Los pesos de una muestra de 500 frascos que contienen cierta droga
se distribuyen normalmente con un peso promedio de 16 grs y una
desviacin tpica de 0,8 grs. El proceso de control permite una tolerancia
mxima en el peso de 14,75 grs a 17,25 grs (especificaciones de llenado).
Determine el nmero de frascos rechazados en el proceso de control.
VIII.26 Sea x una variable aleatoria continua que se distribuye normalmente

con media 50 y desviacin estndar igual a 10. Determine la probabilidad
que x tome valores:
a) Comprendidos entre 50 y 55.
b) Comprendidos entre 45 y 60.
c) Menores de 42.
d) Mayores de 62.
VIII.27 Una empresa empaqueta granos en bolsas plsticas, los pesos de los
paquetes tienen una distribucin normal con un peso promedio de 500
grs/bolsa. Si el 0,62% de los paquetes de granos pesan ms de 512 grs,
cul es la desviacin estndar de la distribucin de pesos?
VIII.28 El departamento de Control de Calidad de una fbrica de bateras,

somete a prueba de funcionamiento una muestra de 5.200 bateras,
obtenindose con respecto a la duracin de las mismas una distribucin
normal con una duracin media de 9.000 horas y una desviacin de 1.200
horas. El estudio determina que 364 de las bateras, son rechazadas por no
presentar la duracin mnima.
123
Gustavo J. Rueda G.
a) Determine la duracin mnima para no ser rechazadas por el proceso

de control.
b) Cuntas bateras tienen una duracin mayor que la duracin mnima
pero menor que 10.800 horas?
VIII.29 La distribucin de precios de ventas de un lote de 1.720 apartamentos

situados en el sector sureste del rea metropolitana de Caracas, se
distribuye normalmente con un precio de ventas de Bs. 32*10 6 y una
desviacin de Bs. 6,4*106.
a) Por encima de qu precio de venta se encuentra el 93,19% de los
apartamentos?
b) Cul es el precio de venta mximo por debajo del cual se encuentra el
30,85% de los apartamentos?
c) Cuntos apartamentos tienen precios de venta comprendidos entre
Bs. 21.760.000.000 y Bs. 43.520.000.000?
VIII.30 Las ventas mensuales de una empresa se pueden considerar como

normalmente distribuidas con media igual a 2.000 unidades mensuales. Por
experiencia anterior se sabe que la probabilidad de que las ventas en un mes
estn comprendidas entre 1.500 y 2.500 unidades mensuales es de 0,70. El
almacn de esta empresa tiene capacidad para 3.000 unidades. Cul es la
probabilidad de satisfacer la totalidad de la demanda en un mes
determinado?
VIII.31 El tiempo que tarda una persona en llegar de su casa al trabajo es

una variable aleatoria distribuida normalmente con media de 30 minutos y
desviacin tpica de 5 minutos. Si la hora de entrada al trabajo es a las 9:00
am.
124
a) A qu hora debe salir de su casa, s desea llegar temprano al trabajo

con un 99% de probabilidad?
b) Si sale a las 8:40 am de su casa, cul es la probabilidad de que llegue
temprano al trabajo?
VIII.32 Sea x una variable normal con media 8 y varianza desconocida.

a) Determine , si P (x 5) = 0,85
b) Determine un valor k tal que se cumpla:
P (x k) = 3P (x k)
VIII.33 Las calificaciones de un examen de Estadstica dieron una media de

12 con una desviacin tpica de 3. La calificacin tiene un comportamiento
que puede aproximarse por una variable normal. Si la calificacin tipificada
de un estudiante fue menos uno (-1), qu calificacin obtuvo?
VIII.34 La demanda de un cierto bien es una variable aleatoria normalmente

distribuida con media de 100 unidades. El almacn tiene capacidad para 130
unidades. La probabilidad de que la demanda este entre 80 y 120 unidades
es de 0,80.
a) Calcular la desviacin tpica.
b) Calcular la probabilidad de que no se satisfaga la demanda.
VIII.35 El departamento de Control de Calidad de una fbrica de bateras,

observa que la distribucin de la vida til de las mismas se distribuye
normalmente y determina que la bateras almacenada dura en promedio 3
aos con desviacin de 0,5 aos. Un comprador de un lote de 50.000 de
esas bateras despus de un determinado tiempo regresa 25 pilas del lote,
125
Gustavo J. Rueda G.
por no cumplir las condiciones de duracin, a partir de qu duracin en

adelante las pilas son aceptadas por el comprador?
VIII.36 La duracin de las bateras para un automvil producidas por una

empresa puede aproximarse por una variable aleatoria normalmente
distribuida, con media de 10 meses y desviacin tpica de 2 meses. Si se da
una garanta de 8 meses a los compradores de bateras, qu proporcin de
las bateras no cumplirn la garanta?.
VIII.37 Sea x una variable aleatoria normalmente distribuida con media 4 y

desviacin tpica 2. Calcular:
a) P (x k) = 0,1492; el valor de k
b) P (x 2) = ?
c) P (k x 3,5) = 0,1467; el valor de k
VIII.38 Se sabe que una cierta mquina produce un 1% de artculos

defectuosos. De la produccin de un da que es de 20.000 unidades, cul
es la probabilidad de que el nmero de artculos defectuosos est entre 185
y 220?
VIII.39 Hallar la probabilidad de obtener entre 3 y 6 caras inclusive en 10

lanzamientos de una moneda bien balanceada utilizando:
a. la distribucin binomial
b. la aproximacin normal a la distribucin binomial.
VIII.40 Una prueba de seleccin mltiple tiene 200 preguntas, cada una con
4 posibles soluciones, y de las cuales slo 1 es la correcta. Cul es la
126
probabilidad de que al azar se acierten de 25 a 30 respuestas para 80 de las

200 preguntas, acerca de las cuales el estudiante no tiene el ms mnimo
conocimiento?
VIII.41 En una distribucin normal de media 4 y desviacin tpica 2, calcular

el valor de a para que:
P (4 a x 4 + a) = 0,5934
VIII.42 En una ciudad europea, se estima que la temperatura mxima en el

mes de junio sigue una distribucin normal, con media de 23 y desviacin
tpica de 5. Calcular el nmero de das del mes en los que se espera
alcanzar mximas entre 21 y 27.
VIII.43 El tiempo necesario para reparar la transmisin de un auto en un taller

de servicio se distribuye normalmente con media de 45 minutos y desviacin
estndar de 8 minutos. El mecnico planea comenzar la reparacin del auto
de un cliente 10 minutos despus que el vehculo se ha entregado y le
comunica al cliente que el auto estar listo en una hora en total.
a) Cul es la probabilidad de que el mecnico est equivocado? Ilustre la
porcin del rea bajo la curva normal correspondiente a este caso.
b) Cul es el tiempo requerido de trabajo para que haya un 90% de
probabilidades que la reparacin se termine dentro de ese tiempo?
VIII.44 Se supone que los resultados de un examen tienen una distribucin

normal con una media de 90 y una desviacin estndar de 18.
a) Cul es la probabilidad de que una persona que presenta el examen
obtenga una calificacin mayor a 70?
127
Gustavo J. Rueda G.
b) Suponiendo que a los estudiantes que se encuentran en el 25%

superior de la distribucin se les asigna la calificacin A. Cul es la
mnima calificacin que un estudiante debe obtener para tener una
calificacin A?.
c) Cul es la mnima calificacin aprobatoria si el evaluador pretende que
solamente el 35% de los estudiantes aprueba?.
d) Si se sabe que la calificacin de un estudiante es mayor que 75, cul
es la probabilidad de que su calificacin sea mayor a 82?
VIII.45 Un grupo muy numeroso de estudiantes obtiene calificaciones en la

escala de 0 a 100 puntos, que siguen una distribucin normal que tiene una
media de 60 y una desviacin tpica de 15.
a) Qu proporcin de los estudiantes obtiene una calificacin de entre 85
y 95?
b) Qu calificacin se corresponde con el percentil 90?
128
RESPUESTAS A LOS PROBLEMAS PROPUESTOS

UNIDAD I
I.1
a) Los residentes del Municipio Maturn
b) Los residentes de la parroquia San Simn
c) Los 219 encuestados
d) El Tipo de Transporte, variable cualitativa nominal.
I.2
a) La produccin de tornillos
b) La produccin de tornillos
c) La produccin de un da
d) El dimetro de los tornillos, variable cuantitativa continua
I.3
a) Lote de 1.000 piezas defectuosas
b) Lote de 1.000 piezas defectuosas
c) Las 150 piezas tomadas al azar
d) El nmero de defectos, variable cuantitativa discreta
I.4
a) Los vuelos programados que despegan del aeropuerto de Maiqueta
b) Los vuelos programados que despegan del aeropuerto de Maiqueta
c) Lote de 200 vuelos
d) Hora de salida de los vuelos, variable cuantitativa continua
129
Gustavo J. Rueda G.
I.5
a) Los estudiantes de la Universidad de Oriente
b) Los estudiantes del ncleo de Monagas de la Universidad de Oriente
c) Los 780 estudiantes encuestados
d) Tiempo semanal que dedican a navegar por internet, variable
cuantitativa continua.
UNIDAD II
II.1
N = 60, Xm = 20, XM = 41
a) ITOT = 21
b) n = 1 + 3,332 log 60 = 6,9070; luego n = 7
c) ic = 3
d)
130
II.2 a)
COSTO
2,5 7,5
7,5 12,5
12,5 17,5
17,5 - 22,5
22,5 27,5
12
20
32
18
[Bs./
UNIDAD]
FRECUENCIA
fi
b)
131
Gustavo J. Rueda G.
II.3
a) N = 40, Xm = 15, XM = 30
b) ITOT = 15
c) ic = 3
d)
132
II.4
INGRESOS
N DE PERSONAS
Fi
[US$/SEMANA]
fi
250 300
300 350
10
350 400
12
22
400 450
29
450 500
34
500 550
38
550 600
40
fi = N = 40
II.5
a) N = 42, Xm = 20, XM = 45
133
Gustavo J. Rueda G.
b) ITOT = 21
c) ic = 3
d)
134
II.6
a) N = 30; Xm = 0,2; XM = 6,5
b) ITOT = 6,3
c) ic = 0,9
d) Tabla de distribucin de Frecuencias
Duracin
N de
Xi
Fi
hi
Hi
%ACUM
bombillos
0,2 1,1
0,65
0,3
0,3
30
30
1,1 2,0
1,55
14
0,1667
0,4667
16,67
46,67
2,0 2,9
2,45
17
0,1
0,5667
10
56,67
2,9 3,8
3,35
19
0,0667
0,6333
6,67
63,33
3,8 4,7
4,25
21
0,0667
0,7
6,67
70
4,7 5,6
5,15
24
0,1
0,8
10
80
5,6 6,5
6,05
30
0,2
20
100
fi = 30
hi = 1
%i = 100
e)
135
Gustavo J. Rueda G.
UNIDAD III
III.1
a) media aritmtica = 27,25 Bs/unidad
b) Md = 27,38 Bs/unidad
c) Mo = 28,33 Bs/unidad
136
III.2
a) media aritmtica = 65,2 puntos
b) Md = 71,5 puntos
c) Mo = 76 puntos
d) P14 = 38,65 puntos
e) Q1 = 54,79 puntos
f) D7 = 78,70 puntos
III.3
Mo = 1.833,33 US$/mes
Q1 = 1.428,57 US$/mes
III.4 Tiempo de esperaPROM = 22,86 minutos

III.5 Sueldo anualprom = 52.209,56 Bs/ao
III.6 DuracinPROM = 23.333,33 hrs
III.7 Xtotal = 224,06 Bs/mes
III.8 Xcentro = 5.800 Bs/m2
III.9 Sueldo totalPROM = 2.862,39 Bs/mes
III.10 5 aos
III.11 Costo = 495,79 Bs/m2
137
Gustavo J. Rueda G.
III.12 5640 viviendas
III.13
a) 12
b) 13
c) 8
III.14
a) 3,5
b) 3,55
c) 3,7 Trimodal
III.15
a) 5,94
a) 6,35
III.16
a) 63,5%
b) (20,89 5,275)
c) P39 = 19,75 mm
D7 = 21,96 mm
III.17 H = 43 minutos y 7 segundos

Comentario: Si se selecciona al azar a uno de los cuatro mdicos, se
espera que realice este tipo de ciruga en 43 minutos aproximadamente.
III.18 69,041 km/h
138
III.19 G = 1,01
III.20
a) 30,625%
b) 34,5 35 personas
c) 69,375 70 personas
d) 69,87 kgs
III.21
a) 20%
b) 41,4 personas 42 personas aproximadamente
c) 275 US$
III.22 La calificacin mnima fue de 76,55 puntos
III.23
a) Mo = 1,2509 MBPD
b) X = 3,192 MBPD
c) Md = 5,30 MBPD
d) P75 = 4,8467 MBPD
e) 45,22 pozos
f) 11,47% de los pozos
g) PRODUCCIN = 6,4 MBPD
h) PRODUCCIN = 2,38 MBPD
139
Gustavo J. Rueda G.
UNIDAD IV
IV.1
C.V.A = 8,048%, entonces XA es representativo
C.V.B = 77,61%, entonces XB no es representativo
IV.2 C.V. = 18,38%, entonces el X es representativo
IV.3
C.V.A = 3,33%
C.V.B = 4,32%; se debe producir el antibitico A, porque reporta menor
variabilidad.
IV.4
a) = 2,12
b) DMd = 1,82
IV.5 = 3,5136 meses
C.V. = 36,52%
IV.6 = 13,54
IV.7 DQ = 20,12 aos

IV.8 Debe comprar la marca B, porque adems de durar ms, su
variabilidad relativa es inferior. C.V.A = 18,73% y el C.V.B = 16,53%
140
IV.9 C.V.A = 12,65% y el C.V.B = 14,5%; debe elegir la marca A, su

variabilidad es inferior y en promedio su duracin es muy similar.
IV.10 48,584 estudiantes, aproximadamente 49 estudiantes.

IV.11 = 0, no hay dispersin entorno a la medida de tendencia central.
IV.12 63,6066 63,61% de las familias
IV.13
a) X = 97,6 kgs
b) = 3,671512 kgs
c) C.V. = 3,7618%
IV.14. % = 62,18275%
UNIDAD V
V.1
C.A.p = - 0,24797 (Asimtrica negativa)

g = - 0,3822 (Asimtrica izquierda)
g2 = - 0,628191 (Platicrtica)
V.2
C.A.p = 1,00297 (Asimtrica positiva)

g = 0,194257 (Asimtrica derecha)
V.3

141
Gustavo J. Rueda G.
V.4

V.5

g2 = 1,9893 (Leptocrtica)
V.6

V.7

V.8

V.9

g = 0,14152 (Asimtrica izquierda)
g2 = 0,02958 (Leptocrtica)
V.10 C.A.p = - 0,1124 (Asimtrica negativa)

142
UNIDAD VI
VI.1 7.200 nmeros.
VI.2 72 palabras
VI.3 25.200 maneras
VI.4 256 maneras
VI.5 85 muestras
VI.6 280 maneras
VI.7 112 juegos

VI.8 1,404606*1013 formas
VI.9 7,023034*1012 formas
VI.10 42.000 formas
VI.11 40 maneras
VI.12 3.268.760 cartones
VI.13
a) 0,125
b) 0,375
143
Gustavo J. Rueda G.
VI.14 0,0088
VI.15 0,63
VI.16 0,50
VI.17
a) 0,60
b) 0,80
VI.18
a) 0,1667
b) 0,0833
VI.19
a) 0,30
b) 0
c) 0,225
d) 1
VI.20 0,17
VI.21
a) 0,2375
b) 0,20
c) 0,1875
144
d) 0,7625
VI.22 0,3045
VI.23
a) 1/5525
b) 22/425
c) 169/425
VI.24
a) 0,30
b) 0,30
c) 0,0667
d) 0,5333
VI.25 0,0463
VI.26 0,4667
VI.27 0,430556
VI.28 0,2667
VI.29 1*10-6
VI.30 No son mutuamente excluyentes
145
Gustavo J. Rueda G.
VI.31 0,45
VI.32 0,8333
VI.33 0,0105%
VI.34
a) 0,0525
b) 0,5525
VI.35 0,125
VI.36
a) 0,5454
b) 0,4545
VI.37
a) 0,7636
b) 0,5556
VI.38
a) 0,2778
b) 0,1667
c) 0,4444
VI.39 0,60
146
VI.40 0,50
VI.41 0,52632
VI.42
a) 0,28
b) 0,84
VI.43
a) 0,36
b) 0,30
VI.44 P (planta A/producto defectuoso) = 0,14286

P (planta B/producto defectuoso) = 0,5714
P (planta C/producto defectuoso) = 0,23214
P (planta D/producto defectuoso) = 0,05357
VI.45 0,069149
VI.46 0,74248
VI.47
a) 0,2637
b) 0,4945
c) 0,7363
VI.48 0,140625
147
Gustavo J. Rueda G.
VI.49 0,5045
VI.50 0,001998
VI.51 1/104976
VI.52 0,5667
VI.53 0,831
VI.54
a) 0,3487
b) 0,4013
VI.55 0,4909
VI.56 0,7363
VI.57
a) 0,8333
b) 0,7451
c) 0,3112
d) 0,1635
UNIDAD VII
VII.1 P (x = 2) = f (2) = 0,0644
148
VII.2
a) P (x = 3) = f (3) = 0,0756
b) P (x > 2) = f (3) + f (4) = 0,0837
c) c) E (x) = 1,2; Var (x) = 2 = 0,84
VII.3 p = 0,91
n = 20
VII.4 0,2588
VII.5 0,32805
VII.6 0,0842
VII.7 0,1526
VII.8 0,9084
VII.9
a) 0,9360
b) 0,7840
VII.10 0,08192
VII.11 0,2241
VII.12.
a) 0,80691
149
Gustavo J. Rueda G.
b) 0,8027
VII.13 0,0183
VII.14 0,60653
VII.15 0,8753
VII.16 0,0016
VII.17 15
VII.18 0,9804
VII.19 0,4752
VII.20 0,0137
VII.21 6 pacientes
VII.22
a) 0,98875
b) 0,56508
VII.23
a) 0,98344
b) 0,0011
150
c) 0,18044
VII.24 0,40129
VII.25
a) 0,32768
b) 0,5792
c) 0,032
VII.26 0,3233
VII.27
a) 0,33696
b) 0,6528
VII.28 0,9452
VII.29
a) 0,9704
b) 0,0296
c) 0,0038
VII.30 0,01696
VII.31 0,010592
151
Gustavo J. Rueda G.
VII.32 P (admitido) = 0,02264

VII.33
a) 0,1536
b) 0,1808
VII.34
a) 0,1317
b) 0,7901
c) 0,1646
UNIDAD VIII
VIII.1 P (0 z 1,25) = 0,4944
VIII.2 P (-2,13 z 0) = 0,4834
VIII.3 P (-2,05 z 1,40) = 0,899
VIII.4 P (z 2,81) = 0,0025
VIII.5 P (z -2) = 0,0228
VIII.6 P (z 2,05) = 0,9798
VIII.7 P (-1,5 z 1,5) = 0,8664
VIII.8 P (1,5 z 2,3) = 0,0561
152
VIII.9 P (-2,62 z 0) = 0,4956

VIII.10 P (-2,19 z 2,19) = 0,9715
VIII.11 z = 2,1247
VIII.12 z = 1,92208
VIII.13 z = 1,476
VIII.14 z = 1,46109
VIII.15 z = 0,5002
VIII.16 z = -1,645
VIII.17 P (z 1,7351) = 0,958659
VIII.18 z = 1,08
VIII.19
a) P (x 41,5 kg) = 0,2266
b) P (x 37 kg) = 0,0668
c) P (38 x 41) = 0,5328
d) P (-1,25 x 1,25) = 0,7887
e) 317 sacos rechazados
VIII.20 = 73,1397; = 10,2494
153
Gustavo J. Rueda G.
VIII.21
a) 634,10 CA$/semanal, es decir, el P91
b) 552,40 CA$/semanal, es decir, el P70
c) Lminf = 400,60 CA$/semanal y el Lmsup = 599,40 CA$/semanal
VIII.22 47,44 grs
VIII.23
a) 0,0668
b) 0,1141
c) 0,8554
VIII.24
a) 87 empresas
b) 2 empresas
VIII.25 59 frascos
VIII.26
a) 0,1915
b) 0,5328
c) 0,2119
d) 0,1151
VIII.27 = 4,8
154
VIII.28
a) 7.229 horas
b) 4.492 bateras
VIII.29
a) Bs. 22.464.000
b) Bs. 28.800.000
c) 1.564 apartamentos
VIII.30 P (satisfacer la demanda) = 0,9808
VIII.31
a) A las 8:1837 am
b) 2,28%
VIII.32
a) = 2,896
b) k = 9,951904
VIII.33 Calificacin = 9 puntos
VIII.34
a) = 15,60
b) 0,0274
VIII.35 1,3545 aos

155
Gustavo J. Rueda G.
VIII.36 15,87%
VIII.37
a) k = 6,08
b) 0,1574
c) k = 2,68
VIII.38 0,7922
VIII.39
a) 0,7784
b) 0,7718
VIII.40 0,1196
VIII.41 a = 1,66024
VIII.42 13,305 das
VIII.43
a) 0,26595
b) 55,256 minutos
VIII.44
a) 0,8665
b) 102,132
c) 96,93
d) 0,8410
156
VIII.45
a) 0,0376
b) 79,23
157
BIBLIOGRAFA
ARVELO, A. (1998) Capacidad de los procesos industriales: Mtodos
Estadsticos exigidos por las normas ISO - 9000. Primera Edicin. Caracas.
Universidad Catlica Andrs Bello.
KREYSZING, E. (1970). Introductory Mathematical Statistics. John

Wiley & Sons. Inc. Nueva York.
LEVIN, R.; RUBIN, D. (2004) Estadstica para Administracin y

Economa. Sptima Edicin. Mxico, D.F. Pearson Prentice Hall.
LIND, D.; MARCHAL, W.; WATHEN, S. (2008) Estadstica Aplicada a

los Negocios y la Economa. Decimotercera Edicin. Mxico, D.F. McGrawHill Interamericana Editores, S.A.
LPEZ C., R. (1984) Introduccin al Clculo de Probabilidades e

Inferencia Estadstica. Segunda Edicin, Caracas. Universidad Catlica
Andrs Bello.
NEWBOLD, P.; CARLSON, W.; THORNE, B. (2008) Estadstica para

Administracin y Economa. Madrid. Pearson Prentice Hall.
SABINO, C. (1987) Cmo hacer una Tesis (Gua para elaborar y

redactar trabajos cientficos). Caracas. Editorial Panapo.
SABINO, C. (1992). El proceso de investigacin. Segunda Edicin.

Caracas. Panapo.
158
STEVENS, S. (1946). Sobre la Teora de las Escalas de Medicin.

Science. Nueva Serie, Vol. 103, No. 2684. Asociacin Estadounidense para
el Avance de la Ciencia.
TRIOLA, M. (2009) Estadstica. Decima Edicin. Mxico, D.F. Pearson

Educacin de Mxico, S.A.
WALPOLE, R.; MYERS, R. (1992) Probabilidad y Estadstica. Cuarta

Edicin. Mxico, D.F. McGraw-Hill Interamericana de Mxico, S.A.
WEBSTER, Al. (2000) Estadstica Aplicada a los Negocios y la

Economa.
Tercera
Edicin.
Santa
de
Bogot.
McGraw-Hill
Interamericana, S.A.
159
APNDICES
APNDICE A: INTERPOLACIN LINEAL
Uno de los mtodos de interpolacin ms sencillos es el lineal. La

interpolacin lineal es rpida y sencilla, pero no muy precisa. Pero esa
debilidad es a la vez su fortaleza, al ser tan sencillo el procedimiento, es de
amplio uso, en especial para completar datos en tablas.
Sean dos puntos (x1, y1) y (x3, y3), entonces la interpolacin lineal
consiste en hallar una estimacin del valor y 2 , para un valor x 2 tal que
x1<x 2 <x3.
Teniendo en cuenta que las variaciones en una relacin lineal son

constantes, entonces se puede determinar por ejemplo las siguientes
proporciones:
y2 y1 y3 y2
x2 x1 x3 x2
161
De igual forma, se puede determinar por ejemplo que:
y2 y1 y3 y1
x x
y y
, o lo que es equivalente 2 1 2 1
x2 x1 x3 x1
x3 x1 y3 y1
Despejando y2, se obtiene que:
y2 y1
( y3 y1 )( x2 x1 )
( x3 x1 )
Se debe tener en consideracin que esta ltima expresin esta lista

para ser usada y hallar un valor desconocido en trminos de y, es decir, en
trminos de las ordenadas. Pero la relacin es similar si se quisiera hallar un
valor en trminos de x, es decir, en trminos de las abscisas. Por esta
razn, es muy til expresar esta relacin en una forma ms genrica, es
decir, en una forma ms general de uso, as que esta expresin se puede
expresar en su forma general:
Frmula General de Interpolacin:
Siendo los puntos 1 y 2, los puntos conocidos, de coordenadas P1 (L1,

R1) y P2 (L2, R2), respectivamente. Y el punto a interpolar P (L, R), siendo R
el valor incgnita, el valor a calcular. Utilizando las letras R y L, se evita la
confusin que pudiera generan usar las letras x e y en relacin a los ejes
coordenad
162
Ejemplo:
La siguiente tabla muestra los resultados experimentales de cambio

de temperatura a diferentes alturas.
ALTURA
TEMPERATURA
(m)
(C)
80
45
125
37
170
29
250
24
305
19
a) A 125 m de altura, qu temperatura se registra?

La respuesta a esta situacin es clara, es un valor en tabla, tabulado,
por lo tanto, con simple lectura de la tabla, la respuesta es 25 C.
b) Los 24 C, a qu altura se alcanzan?

La respuesta a esta otra situacin, es un valor en tabla, tambin
tabulado, por lo tanto, con simple lectura de la tabla, la respuesta es
250m.
c) A 155 m de altura, qu temperatura se registra?

En esta ocasin, la solucin no es tan simple, pues no es un valor
tabulado, ante esta situacin, se debe completar la tabla, utilizando un
mtodo de aproximacin, en este caso el de interpolacin lineal.
163
d) Los 20 C, a qu altura se alcanzan?

En esta ocasin, la solucin no es tan simple, pues no es un valor
tabulado, ante esta situacin, se debe completar la tabla, utilizando un
mtodo de aproximacin, en este caso el de interpolacin lineal.
164
165
APNDICE B: TEORA DE CONJUNTOS
Conjunto
Un conjunto es una coleccin bien definida. Un conjunto puede ser

una coleccin de pueblos, de objetos, de nmeros, de ideas, de animales,
etc. Ejemplo: el Atlntico, el Pacfico, el Indico, el rtico y el Antrtico forman
el conjunto de los ocanos. Los conjuntos se denotan en letras maysculas.
Los elementos son los que forman al conjunto. Los elementos se

denotan en letras minsculas.
A = {x, y, a, b, z}
Conjunto finito es aquel que se conoce la cantidad de elementos que lo

integra.
Conjunto infinito es cuando el nmero de elementos que lo integra no

tiene fin.
Conjunto Vacio es aquel carece de elementos. Ejemplo: el conjunto de

los tringulos de cuatro lados.
={}
166
Subconjunto
Un conjunto B es subconjunto de otro A, si cada elemento de B es

elemento de A, B
A.
Conjunto Universo o Universal
Es aquel que contiene a todos los elementos, se denota con la letra U

y se representa con un rectngulo.
Operaciones con Conjuntos
i) Complemento: es el conjunto formado por todos los elementos que no

pertenecen a "A" y que no pertenecen al conjunto universal "U", se denota
Ac = A = .
167
ii) Unin: es el conjunto formado por todos los elementos de "A" y de

"B", A U B
iii) Interseccin: es el conjunto formado por los elementos que

pertenecen a "A" y que pertenecen simultneamente a "B", A
iv) Diferencia: es el conjunto formado por los elementos que pertenecen

a "A" y no pertenecen a "B", A - B. El contrario sera el conjunto formado por
los elementos que pertenecen a "B" y no pertenecen a "A", B - A.
168
v) Diferencia simtrica: es el conjunto formado por todos los elementos

de "A" y de "B", excluyendo a los que integran la interseccin, A B.
Leyes del Algebra de Conjuntos
i) Idempotencia
AUA=A
A
A=A
ii) Asociativa
A U (B U C) = (A U B) U C = A U B U C
A
(B
C) = (A
B)
C=A
iii) Conmutativa
AUB=BUA
169
B=B
iv) Distributivas
A
(B U C) = (A
A U (B
B) U (A
C) = (A U B)
C)
(A U C)
v) Elemento neutro
AU
A
=A
U=A
vi) Elementos absorbentes

A
U=U
vii) Complemento
Uc =
A
A=U
=U
Ac =
170
APNDICE C: TEORA COMBINATORIA
La Teora Combinatoria estudia las agrupaciones que pueden ser

formadas cuando se toman todos, o algunos, de los elementos de un
conjunto finito. Los elementos del conjunto pueden ser de cualquier
naturaleza: nmeros, personas, cosas, empresas, artculos producidos por
una fbrica, etc. La Teora Combinatoria estudia especialmente el nmero de
agrupaciones que pueden ser obtenidas o formadas bajo algn modo de
composicin de los elementos y constituye una poderosa herramienta en el
clculo de las probabilidades. El conteo uno a uno, siempre es un recurso,
pero no solo por el tiempo que toma el conteo de algunas situaciones y por
las dificultades entorno a realizarlo de esta forma, que la Teora
Combinatoria resulta ser el camino ms indicado.
C.1 Factorial
Es el producto de los sucesivos nmeros inferiores de un nmero n

hasta el 0. El factorial de un nmero se denota por n!. Por definicin
cero factorial (0!) es igual a 1.
n! = n . (n 1) . (n 2) . (n 3) . (n 4) . (n n)!
0! = 1
Ejemplo:
Calcular el factorial de 5
5! = 5 . 4 . 3 . 2 . 1 . 0! = 120
171
C.2 Combinaciones sin repeticin
Son arreglos de los elementos donde no interesa el orden y un mismo

elemento slo puede intervenir en el arreglo a lo ms una sola vez.
Siendo:
m: el nmero de elementos disponibles del conjunto.
n: el nmero de elementos que entran en el arreglo o composicin.
Se lee combinaciones sin repeticin de m elementos tomados o
arreglados de n en n.
Ejemplo:
Cuntos tros diferentes se pueden formar con 5 letras?
Conjunto: {a, b, c, d, e}
Por conteo, se obtiene las siguientes ternas:

(a, b, c) (a, b, d) (a, b, e) (a, c, d) (a, c, e) (a, d, e) (b, d, e) (b, c, e) (b, d, c)
(c, d, e)
Por Combinatoria, se disponen de 5 letras, 3 letras entran en los
grupos o arreglos, no interesa el orden en que estn dentro del grupo, por
tanto, es una combinacin.
172
C.3. Combinaciones con repeticin
Son arreglos de los elementos donde no interesa el orden y un mismo

elemento puede intervenir en el arreglo tantas veces como lo permita el
tamao del arreglo.
Siendo:
Se lee combinaciones con repeticin de m elementos tomados o
Ejemplo:
Se considera el ejemplo anterior, pero ahora las letras se pueden
repetir, Cuntos grupos diferentes se pueden formar?
Conjunto: {a, b, c, d, e}
Por conteo, se obtiene las siguientes ternas:
(a, b, c) (a, b, d) (a, b, e) (a, c, d) (a, c, e)

(a, d, e) (b, d, e) (b, c, e) (b, d, c) (c, d, e)
ms los casos donde se repiten los elementos:
173
a, a, a
b, b, b
c, c, c
d, d, d
e, e, e
a, a, b
b, b, a
c, c, a
d, d, a
e, e, a
a, a, c
b, b, c
c, c, b
d, d, b
e, e, b
a, a, d
b, b, d
c, c, d
d, d, c
e, e, c
a, a, e
b, b, e
c, c, e
d, d, e
e, e, d
En total 35 casos posibles.
Por Combinatoria, se disponen de 5 letras, 3 letras entran en los grupos

o arreglos, no interesa el orden en que estn dentro del grupo o arreglo, pero
pueden repetirse los elementos, hasta un mximo de tres, que es el tamao
del mismo, por tanto, es una combinacin con repeticin.
C.4. Variaciones sin repeticin
Son arreglos de los elementos donde interesa el orden y un mismo

elemento slo puede intervenir en el arreglo a lo ms una sola vez.
Siendo:
174
Se lee variaciones sin repeticin de m elementos tomados o

Ejemplo:
Con las siguientes personas, Cuntas parejas de delegado y

subdelegado diferentes se pueden formar?
Conjunto: {Juan, Pedro, Luis, Carlos}
Por conteo, se obtiene las siguientes parejas:

(Delegado/Subdelegado)
(Juan, Pedro)
(Pedro, Juan)
(Pedro, Luis)
(Luis, Pedro)
(Juan, Luis)
(Luis, Juan)
(Pedro, Carlos)
(Carlos, Pedro)
(Juan, Carlos)
(Carlos, Juan)
(Luis, Carlos)
(Carlos, Luis)
En total son 12 parejas diferentes.
Por Combinatoria, se disponen de 4 personas, 2 entran en los grupos o

arreglos (parejas), interesa el orden en que aparecen dentro de la pareja
pues eso establece el cargo, no pueden repetirse los elementos, por tanto,
es una variacin sin repeticin.
175
C.5. Variaciones con repeticin
Son arreglos de los elementos donde interesa el orden y un mismo

elemento puede intervenir en el arreglo tantas veces como lo permita el
tamao del arreglo.
Vm,n = mn
Siendo:
Se lee variaciones con repeticin de m elementos tomados o
Ejemplo:
Se considera el ejemplo anterior, con la salvedad que una persona

puede, en simultneo, ejercer los dos cargos. Cuntas parejas diferentes
pueden formarse?
Por conteo, se obtienen las siguientes parejas:

(Juan, Pedro)
(Pedro, Juan)
(Pedro, Luis)
(Luis, Pedro)
(Juan, Luis)
(Luis, Juan)
(Pedro, Carlos)
(Carlos, Pedro)
(Juan, Carlos)
(Carlos, Juan)
(Luis, Carlos)
(Carlos, Luis)
(Juan, Juan)
(Pedro, Pedro)
(Carlos, Carlos)
(Luis, Luis)
176
En total 16 parejas diferentes.
Por Combinatoria, se disponen de 4 personas, 2 entran en los grupos o

arreglos (parejas), interesa el orden en que aparecen dentro de la pareja
pues eso establece el cargo, pero pueden repetirse los elementos, debido a
que las personas pueden ejercer los dos cargos a la vez, que es el tamao
del mismo, por tanto, es una variacin con repeticin.
V4,2 = 42 = 16
C.6. Permutaciones sin repeticin
Cuando se dispone de n elementos todos diferentes entre s y se
ordenan o se disponen todos en una fila o columna, las permutaciones
establecen el total de formas o maneras en que esos elementos pueden
estar ordenados o arreglados o dispuestos entre s.
Pn = n!
Siendo:
Se lee permutaciones sin repeticin de n.
Ejemplo:
Con los siguientes dgitos, Cuntos nmeros de tres cifras, sin repetir
digito se pueden armar?
Conjunto: {1, 2, 3}
177
Por conteo, son los siguientes nmeros:
(123), (132), (213), (321), (231), (312)
Por Combinatoria, se disponen de tres elementos (nmeros), sin que

se repitan, se quiere saber de cuantas maneras se dispone entre s en una
fila o columna, esto es una permutacin sin repeticin.
P3 = 3! = 3 . 2 . 1 . 0! = 6
C.7. Permutaciones con repeticin
Cuando se dispone de n elementos, en donde n 1 son del tipo 1, n2
son del tipo 2, n3 son del tipo 3, , nk son del tipo k y se ordenan o se
disponen todos en una fila o columna, las permutaciones con repeticin
establecen el total de formas o maneras en que esos elementos pueden
estar ordenados o arreglados o dispuestos entre s.
Siendo: n = n1 + n2 + n3 + + nk
Se lee permutaciones con repeticin de n elementos, en donde n 1 son

del tipo 1, n2 son del tipo 2, n3 son del tipo 3,, nk son del tipo k.
Ejemplo:
178
Se dispone de cuatro libros de Matemticas, de dos de Estadstica y

de tres de Administracin de Personal. De cuntas maneras diferentes
pueden disponerse los libros en una pequea biblioteca?
C.8. Principio Multiplicativo
Si un arreglo se puede subdividivir en varios subarreglos, entonces el

total de formas o maneras de acomodar o arrumar el arreglo es el producto
de todas las formas o maneras de acomodar o arrumar los subarreglos.
Ejemplo:
Cuntos autos particulares pueden circular legalmente en Venezuela?

Para darle respuesta a este cuestionamiento, se debe partir de un
supuesto, que para que un vehculo pueda circular debe estar plenamente
identificado y que adems lo est con el sistema vigente, el establecido en
ley. En Venezuela, este sistema lo constituye la matricula del auto,
comnmente llamada la placa. La placa vigente en el pas, actualmente,
tiene la siguiente estructura:
179
Siendo L: letras y N: nmeros.

El arreglo total consta de 7 elementos, de los cuales cuatro (4) son
letras y tres (3) son nmeros, es decir, se puede subdividir en dos
subarreglos: uno numrico y otro de letras. Adicionalmente, se aprecia que el
orden importa, pues un elemento, cualquiera, que cambie de posicin, es sin
duda la identificacin de otro automvil. Por tanto, son variaciones. Por otra
parte, se aprecia que los elementos se pueden repetir, es decir, puede haber
tanto letras repetidas como nmeros repetidos. En sntesis, los subarreglos,
son variaciones con repeticin.
El subarreglo numrico, se dispone de 10 nmeros, del 0 al 9, y entran

al subarreglo tres de ellos y se les permite repetir, como ya se seal.
V10,3 = 103 = 1000 opciones numricas
El subarreglo de letras, se dispone de 26 elementos en el alfabeto, de
la A a la Z, y entran al subarreglo cuatro de ellas y se les permite repetir,
como ya se seal.
V26,4 = 264 = 456.976 opciones con letras
180
Por principio multiplicativo, el total de registro que el sistema permite

(matriculas) es el producto de las formas de los subarreglos:
Total de placas posibles = V10,3
V26,4 = (1000) * (456.976) =
456.976.000
C.9. Principio Aditivo
Si un mismo arreglo se puede acomodar o arrumar de varias maneras

excluyentes, entonces, el total de formas o maneras en que se puede
arrumar o acomodar el arreglo, es la suma de todas esas formas o maneras
de acomodar o arrumar esas maneras excluyentes.
Ejemplo:
Con los siguientes dgitos, cuntos nmeros pares de tres cifras se

pueden formar, sin repetir digito?
Conjunto: {0, 1, 2, 3, 4, 5, 6}
Para que un nmero sea par, debe terminar en nmero par o en cero.
Importa el orden en que el digito est situado pues define un nmero
diferente y no pueden repetirse los dgitos, por tanto, son variaciones sin
repeticin.
Con el cero (0) al final:
181
Con el dos (2) al final:
Con el cuatro (4) al final:
Con el seis (6) al final:
El total de nmeros, bajo las condiciones exigidas, es la suma de las

formas excluyentes de acomodarlos:
Total de nmeros que se pueden formar = V6,2 + V6,2 + V6,2 + V6,2 = 4

V6,2 = 4(30) = 120
182
APNDICE D: TABLA DE LA DISTRIBUCIN NORMAL
Tablas extradas del libro Introductory Mathematical Statistics de Erwin Kreyszing (1970). John
Wiley & Sons. Inc. New York.
183
184
185
186
ANEXOS
187
ANEXO N 1: INTRODUCCIN A LA CONFIABILIDAD DE SISTEMAS
Puede entenderse la confiabilidad de un sistema como la probabilidad

de que ese sistema funcione o desarrolle una cierta funcin, bajo condiciones
fijadas y durante un perodo determinado. En sntesis, es la probabilidad de
que un dispositivo realice adecuadamente su funcin prevista a lo largo del
tiempo, cuando opera en el entorno para el que ha sido diseado.
Un sistema es una coleccin de componentes/subsistemas dispuestos
de acuerdo a un diseo dado con el propsito de lograr el cumplimiento de
unas determinadas funciones con una adecuacin y fiabilidad aceptables. El
tipo de componentes, su cantidad, su calidad y el modo en que estn
dispuestas tiene un efecto directo en la confiabilidad del sistema.
Clase de Fallas
I.
Causas de fallas
a. Desgaste: el fallo se produce por cansancio despus de soportar
adecuadamente las fuerzas aplicadas.
b. Debilidad: el fallo se produce por debilidad del componente con
relacin a las fuerzas aplicadas.
II.
Modo de Presentarse
a. Gradual: el fallo puede ser previsto con anterioridad.
b. Repentino: el fallo no puede ser previsto con anterioridad.
III.
Intensidad
a. Parcial: el componente puede continuar el servicio, aunque en forma
imperfecta.
b. Completo: el componente cesa en sus funciones totalmente.
188
IV.
Modo de Presentarse la intensidad

a. Degradacin: fallo, a la vez gradual y parcial.
b. Catastrfico: fallo, a la vez repentino y completo.
V.
Perodo
a. Infantil: debilidad prematura.
b. Accidental: Repentino y aleatorio, en cualquier perodo de tiempo.
c. Senil: agotamiento general, vejez.
Clculo de la Confiabilidad
La Confiabilidad como ya se defini es una probabilidad. Es un

concepto que deriva como una aplicacin del Teorema de la Probabilidad
Producto para eventos independientes.
La Confiabilidad es entonces la probabilidad de que el sistema funcione,

y los sistemas, de la ndole que sean, no son ms que la disposicin de un
conjunto de componentes. Cada uno de esos componentes, hasta donde sea
posible aislarlos, tienen su probabilidad de funcionamiento y de falla, que son
independientes de la probabilidad de funcionamiento o falla del resto de los
componentes que integran el sistema. Debe quedar claro que la probabilidad
de funcionamiento de un componente es complementaria a la probabilidad
de falla del mismo componente, es decir:
P (funcionamiento) + P (falla) = 1
La probabilidad de funcionamiento o de falla de cada componente, se

determina mediante procedimientos que se pueden revisar y estudiar con
detenimiento en tratados de Mantenimiento o en tratados de Confiabilidad.
189
No es el objetivo del presente material. Teniendo presente esto, se trabajar

bajo el supuesto de que las probabilidades de funcionamiento o falla de los
componentes son suministradas.
Para calcular la confiabilidad de un sistema, se debe revisar la

estructura del mismo. Esta estructura siempre parte de formas bsicas, que
luego se integran y le dan forma definitiva al sistema. Es evidente, que hay
sistemas ms complejos que otros, pero todos se componen de sus formas
bsicas. Los tipos de sistemas son:
Sistemas con componentes en paralelo

Un sistema que est integrado por n componentes, que funcionan de
manera independiente, y que est dispuesto en forma en paralelo como se
indica en la figura. Con un sistema con este diseo, la nica manera de que
el mismo no produzca salidas es que todos sus componentes estn en falla.
Sistemas con componentes en serie

manera independiente, y que est dispuesto en forma en serie como se
indica en la figura. Con un sistema con este diseo, la nica manera de que
190
el mismo produzca salidas es que todos sus componentes estn en

funcionamiento.
Sistemas Mixtos

manera independiente, y que est dispuesto en forma en combinada, en
serie y en paralelo, como se indica en la figura. Con un sistema con este tipo
de diseo, debe ser analizado paso a paso, pues por su naturaleza
combinada, su entregas quedan condicionadas a su propio diseo.
Este ltimo sistema es mixto, pues combina tres componentes

dispuestos en serie y en paralelo. Suponiendo, que las probabilidades de
funcionamiento de cada componente son P1, P2 y P3, respectivamente. Cul
es la confiabilidad del sistema?
Primer enfoque: definiendo los eventos
A1 = funciona la rama superior

A2 = funciona la rama inferior
191
Entonces,
usando
el
teorema
de
la
suma,
se
garantiza
el
funcionamiento del sistema
A1
A2 = funciona el sistema
P (A1
A2) = P (A1) + P (A2) - P (A1
P (A1
A2) = P1 . P2 + P3 - P1 . P2 . P3
A2)
Confiabilidad del sistema = C = P1 . P2 + P3 - P1 . P2 . P3

Segundo enfoque: por complementos
Confiabilidad = P (funcionamiento del sistema)

P (funcionamiento del sistema) = 1 - P (falla del sistema)
P (funcionamiento del sistema) = 1 - [P (falla rama superior) . P (falla
rama inferior)]
P (funcionamiento del sistema) = 1 - {[P1 . (1 - P2) + (1 - P1) . P2 + (1 P1) . (1 - P2)] . [1 - P3]}

P (funcionamiento del sistema) = P1 . P2 + P3 - P1 . P2 . P3
Confiabilidad del sistema = C = P1 . P2 + P3 - P1 . P2 . P3
Sistemas con estructuras complejas
Estructuras complejas que no son serie - paralelo, puede resolverse

mediante descomposicin, utilizando probabilidades como se muestra a
continuacin, en la estructura siguiente:
192
En primer lugar se descompone en dos estructuras, una con el

componente C3 en puente, equivalente al caso C3 que no falla nunca y otra
con el componente C3 abierto, equivalente a C3 en falla, como muestran en la
figura:
La Confiabilidad del sistema o la probabilidad de funcionamiento del

mismo, se logra trabajando los dos subsistemas, el A y el B, calculando cada
estructura por separado y luego se suman sus probabilidades, puesto que
ahora son estructuras mixtas, con simples estructuras serie - paralelo.
Las probabilidades de funcionamiento de cada componente son iguales a P.
Las probabilidades de falla de cada componente son iguales a F y F = 1 - P.
P (Funcionamiento) = P (funcionamiento Sub-sist. A) + P (funcionamiento
Sub-sist. B)
P (funcionamiento Sub-sist. A) = {1 - [(1 - P) . (1 - P)]} . {1 - [(1 - P) . (1 - P)]}
193
P (funcionamiento Sub-sist. A) = {1 - [(1 - P)2]} . {1 - [(1 - P)2]}

P (funcionamiento Sub-sist. A) = {1 - [(1 - P)2]}2
P (funcionamiento Sub-sist. B) = 1 - [(1 - P2) . (1 - P2)]
P (funcionamiento Sub-sist. B) = 1 - (1 - P2)2
Confiabilidad del sistema = C = {1 - [(1 - P)2]}2 + 1 - (1 - P2)2
Ejemplos:
1)
Un motor est equipado por cuatro pistones que funcionan
independientemente. La probabilidad de falla de cada pistn es 5%. Cul es

la probabilidad de que el motor funcione si se sabe que necesita por lo
menos de un pistn para que funcione?
De lo que se desprende del enunciado, el sistema que se plantea es

en forma de paralelo, pues hay entrega si al menos uno de los componentes
funciona. Este sencillo sistema tiene esta estructura:
Para cada componente, se tiene:

P (falla) = 0,05
P (funcionamiento) = 1 - P (falla)
P (funcionamiento) = 1 - 0,05
P (funcionamiento) = 0,95
P (falla del motor) = P (falla cada pistn)4 = (0,05)4

P (funcionamiento del motor) = 1 - P (falla del motor)
P (funcionamiento del motor) = 1 - (0,05)4
Confiabilidad = P (funcionamiento del motor) = 0,99999375

194
2)
Se tiene establecido en los procedimientos de trabajo, que los
documentos en cierta entidad bancaria, pasan de una estacin a otra, por

cinco instancias, de forma lineal, para la aprobacin de crditos para la
compra de autos nuevos. Por estimaciones pasadas, se sabe, que las tres
primeras estaciones trabajan con una tasa de falla del 0,05 y que las dos
ltimas tienen una tasa de falla del 0,03. Cul es la confiabilidad de este
sistema?
De lo que se desprende del enunciado, el sistema que se plantea es

en serie, pues hay una secuencia lineal, si alguna de las estaciones se
detiene, el flujo de los documentos se detiene, es decir, el sistema falla. Este
sencillo sistema tiene esta estructura:
Entonces, para que este sistema funcione es necesario que cada

componente est funcionando, por lo tanto, se requiere la probabilidad de
funcionamiento de cada componente.
P (funcionamiento de las tres estaciones iniciales) = 1 - 0,05 = 0,95

P (funcionamiento de las dos estaciones finales) = 1 - 0,03 = 0,97
Confiabilidad del sistema = (0,95)3 . (0,97)2
Confiabilidad del sistema = 0,806704
3) Hallar la confiabilidad del sistema, sabiendo que cada componente

tiene una probabilidad de falla de 0,10.
195
P (funcione) = (1 - 0,13) . (1 - 0,12)

P (funcione) = (0,999) . (0,99)
Confiabilidad del sistema = 0,98901
4) Hallar la confiabilidad del sistema, suponiendo que cada componente

tiene una probabilidad de falla de 0,15.
Confiabilidad = 0,79629
196
ANEXO N 2: CAPACIDAD DE UN PROCESO
El hecho de que un proceso se encuentre bajo control estadstico no

significa que va a producir artculos de calidad, lo que significa es
simplemente que sobre su variabilidad estn actuando solamente causas
comunes, y es perfectamente posible que a pesar de hallarse bajo control,
este margen de variabilidad sea tan amplio que le impida cumplir con las
especificaciones exigidas por el consumidor o usuario.
Para poder controlar la calidad deben existir unas especificaciones, que

son lmites entre los cuales debe caer una determina caracterstica
cuantitativa para que se considere que el producto satisface los requisitos de
calidad; as por ejemplo, cuando se exige que un eje debe tener un dimetro
de (100,00 0,25) mm, esto significa que su dimetro debe caer en el
intervalo (99,75 ; 100,25) mm para que cumpla con este requisito de calidad.
Estos lmites del intervalo definen lo que se denominan las especificaciones,
y sus extremos, reciben el nombre de lmite inferior de especificacin y
lmite superior de especificacin, en lo sucesivo se designaran por Li y Ls
respectivamente.
La diferencia entre esos lmites se define como la tolerancia: T = Ls Li.
Resulta obvio que cuanto mayor sea la tolerancia de un producto, ms
fcil resultar al proceso cumplir con las exigencias de calidad, puesto que el
producto permite una mayor variabilidad; pero por el contrario, cuanto ms
pequea sea la tolerancia, es ms difcil cumplir puesto que el margen de
variabilidad es ms estrecho y por tanto ms exigente.
197
Se ha visto, que cuando un proceso est bajo control estadstico, los

productos que fabrica se comportan segn un modelo normal, y que entre los
lmites ( - 3) y ( + 3), debe caer entonces el 99,73% de la produccin.
De all entonces, que resulte conveniente que un proceso trate de ubicarse
entre estos lmites, a fin de garantizar que la casi totalidad de la produccin
va a cumplir con la especificacin.
Por otra parte, hay que tener en cuenta que los parmetros y del
proceso constituyen una caracterstica propia del mismo. Se media
generalmente puede ser fijada a voluntad, segn ciertos ajustes y
calibraciones que se le hagan a las mquinas, equipos o sistemas, pero su
desviacin tpica es mucho ms difcil de modificar, puesto que depende de
las causas comunes que lo afectan, tales como precisin de las mquinas o
equipos, destreza de los operarios, etc.
Cuando la media del proceso coincide con el punto medio de las

especificaciones, se dice que el proceso est centrado.
Centrar un proceso no es garanta de que la produccin va a cumplir

con las especificaciones, pues si los lmites de especificacin resultan ms
estrechos que los lmites de variacin 3, entonces un cierto porcentaje de
la produccin va a resultar defectuosa, tal como se indica en la grafica
siguiente:
198
Cuando un proceso est centrado, el porcentaje de piezas defectuosas

se reparte por igual a ambos lados de la curva.
Cuando la media de un proceso no coincide con la media de la

especificacin, se dice que est descentrado o que la media est corrida, y
en ese caso el porcentaje de piezas por encima del lmite superior
(defectuosas por exceso) es diferente de las que resultan por debajo del
lmite inferior (defectuosas por defecto).
Por lo general, en el Control Estadstico de Calidad, se trata de

mantener al proceso centrado, porque bajo esta situacin, el porcentaje de
piezas fuera de especificacin es lo mnimo posible.
199
Hay situaciones especiales en que deliberadamente se provoca un

corrimiento de la media y el proceso se descentra, debido a que por un
extremo es posible corregir las piezas defectuosas, y por el otro extremo las
piezas resultan inservibles. Cuando se presentan situaciones de esta
naturaleza, la determinacin del punto en que hay que colocar la media del
proceso, depende del costo de la correccin, del costo de perder la pieza
inservible y de la utilidad que se obtenga por una pieza dentro de la
especificacin.
Se dice que un proceso es capaz, cuando los lmites de la

especificacin resultan ms amplios que sus lmites 3, pues en este caso,
de estar centrado el proceso, se podr garantizar que prcticamente el 100%
de las piezas producidas cumple con la especificacin exigida.
La capacidad del proceso es entonces la disposicin que tiene para

adaptarse a las especificaciones, y es por consiguiente una cualidad que
debe exigrsele a todo proceso, si se quiere garantizar la produccin o
fabricacin de piezas o artculos que cumplan los requisitos de calidad
establecidos en las normas.
200
Para medir la capacidad del proceso es necesario comparar la

amplitud de su intervalo natural de variacin, que como se conoce es desde
- 3 hasta + 3, lo que da una amplitud de 6, con la amplitud del
intervalo de especificacin Ls Li que es la tolerancia de la especificacin T,
y de all que la medida utilizada para expresar la capacidad es el
denominado Coeficiente de Capacidad, Cp definido por:
Cuando Cp 1, el proceso es capaz siempre que est centrado,

mientras que cuando Cp < 1, el proceso es incapaz aunque est centrado,
pues los lmites de la especificacin resultan demasiado estrechos en
comparacin con los lmites de variabilidad natural del proceso, por efecto de
las causas comunes.
TABLA DE VALORACIN
COEFICIENTE DE CAPACIDAD
CAPACIDAD DEL PROCESO
Cp 1,33
MUY SATISFACTORIA
1,00 CP < 1,33
ADECUADA
CP < 1,00
INADECUADA
El hecho de que un proceso sea capaz no significa sin embargo, que

no deba ser controlado, pues si aparecen circunstancias externas que
provoquen un corrimiento de la media y lo descentran, van a aparecer
entonces un cierto porcentaje de defectuosas, en caso de que la distancia de
201
la nueva media a uno de los lmites de especificacin sea inferior a 3, tal

como se muestra en la figura siguiente:
Para detectar a tiempo estos corrimientos de la media, es por lo que los

Grficos de Control Estadstico, constituyen una herramienta muy til en el
control de procesos.
En conclusin, los estudios de capacidad denominados tambin de

habilidad, tienen como objetivo el de determinar si el proceso puede
someterse a las especificaciones que le son impuestas, o si por el contrario,
dichas especificaciones resultan demasiado estrictas para el proceso, y por
consiguiente, deben ser ampliadas o debe recurrirse a otro proceso que sea
ms preciso.
Anexo N 2: Capacidad de un Proceso, tomado del libro "La Capacidad de los Procesos
Industriales: Mtodos Estadsticos exigidos por las normas ISO - 9000" de ngel Francisco Arvelo
(1998). Universidad Catlica Andrs Bello. Caracas.
202

Manual de Estadistica I

Cargado por

Información del documento

Título original

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

Manual de Estadistica I

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD DE ORIENTE

GUSTAVO JOS RUEDA GUTIRREZ

MATURN, JULIO 2014

3.7 Fractiles ............................................................................................... 26

6.9 Teorema de la Suma (A

B); (A + B); (A o B); (A

6.9.1 Sucesos exhaustivos y mutuamente excluyentes ......................... 69

ANEXO N 1: INTRODUCCIN A LA CONFIABILIDAD DE SISTEMAS 188

El objetivo ltimo de este trabajo es presentar al estudiante de

No se ha querido desarrollar a profundidad la Teora Estadstica

De igual manera, en situaciones en la que se considera un especial

El trabajo est dividido en ocho captulos, cada uno de ellos abarca un

El tipo de situaciones que se presentan est fundamentalmente

sumo cuidado en todas y cada una de las respuestas a los ejercicios

Finalmente, se espera que este trabajo contribuya a elevar el nivel de

UNIDAD I: DEFINICIONES BSICAS USADAS EN

La ausencia de sta conllevara a un caos generalizado, dejando a los

La Estadstica que hoy se conoce debe en gran parte sus alcances y

Es una ciencia, pues usa el mtodo cientfico, que se apoya en las

La Estadstica para su mejor estudio se ha dividido en dos grandes

1.2 Estadstica Descriptiva

Es el conjunto de mtodos cuantitativos que permiten organizar y

1.3 Estadstica Inferencial

Es el conjunto de mtodos cuantitativos que permiten organizar y

Es el conjunto total de individuos, cosas, hechos, objetos, etc., que se

Es el conjunto que se obtiene de las mediciones realizadas sobre los

FIGURA N 1: UNIVERSO Y POBLACIN

Las poblaciones objetos de estudio, segn sea el nmero de elementos

Es una parte o subconjunto de la poblacin. Es necesario que para

Es el mtodo que se emplea para seleccionar una muestra. Existen

Es una caracterstica de una poblacin. Es un valor poblacional, por

Es una caracterstica especifica de una muestra. Es un valor muestral,

FIGURA N 2 DEFINICIONES BSICAS

Es el elemento bsico de la Estadstica, es su materia prima.

1.11 Variable Aleatoria y Tipos

Es un smbolo que representa un elemento no especificado de un

Variable Cualitativa: es aquella en las que las observaciones sobre un

Consiste en la asignacin de nmeros a elementos u objetos para

1.13 Nivel de Mediciones

1.15 Problemas Unidad I

I.1 Se realiza un estudio en la parroquia San Simn del Municipio Maturn,

I.3 De un lote de 1.000 piezas defectuosas se toman al azar 150 de ellas,

I.5 La Universidad de Oriente ha encuestado a 780 de sus estudiantes de su

UNIDAD II: ESTADSTICA DESCRIPTIVA. MTODOS

Los datos constituyen la materia prima de la Estadstica. Los datos se

1. Puntual o no agrupados: registrando el valor exacto de cada dato.

Es el punto medio del intervalo de clase. Hay tantas marcas de clase

2.5 Frmula Emprica

Es la forma de establecer la amplitud del intervalo de clase dado el

Luego, hecha la aproximacin correspondiente, se utiliza la conocida

2.9 Representacin Grfica

La representacin grfica de la distribucin de frecuencias debe estar

Histogramas: Son grficos formados por rectngulos (barras verticales),

FIGURA N 3 HISTOGRAMAS SIMPLES

FIGURA N 4 HISTOGRAMAS ACUMULADOS

Polgonos: Es una figura que se forma al unir los puntos que se

FIGURA N 5 POLGONOS SIMPLES

FIGURA N 6 POLGONOS ACUMULADOS (OJIVAS)

2.10 Problemas Unidad II

II.2 Considere los datos en la siguiente tabla de frecuencias:

b) Construya el histograma de frecuencias relativas acumulados y el

II.3 Construya la distribucin de frecuencias con los datos que se presentan a

a) Cuntos datos hay, cul es el menor y el mayor valor de la serie de