Estadstica II

UNIVERSIDAD SALESIANA DE BOLIVIA

CONTADURA PBLICA Y SISTEMAS

DOSSIER
GESTIN II 2015
ESTADISTICA II
SEXTO SEMESTRE
PARALELO:
6C1
Lic. Jorge Troche Luna

Estadstica II

Estadstica II

INDICE

I.

INTRODUCCION A LA TEORIA DE LAS PROBABILIDADES

CONCEPTOS1

PROBABILIDAD 1
EXPERIMENTO.. 1
ESPACIO MUESTRAL1
EVENTO O SUCESO 1
ISOMORFISMO ENTRE LAS PROBABILIDADES Y EL ALGEBRA1
TECNICAS DE CONTEO..2
COMBINACIONES 2
COMBINACIONES CON REPETICIN ..3
PERMUTACIONES 3
PERMUTACIONES CON REPETICIN. . 4
PERMUTACIONES CON ELEMENTOS IDENTICOS.5
PROBABILIDADES 6
DEFINICION AXIOMATICA... 6
TEOREMA DE PROBABILIDADES 6
EXPERIMENTO ALEATORIO 6
DEFINICION CLASICA.. 7
DEFINICION FRECUENCIAL. 8
PROBABILIDAD CONDICIONAL. 11
3

Estadstica II

PROBABILIDAD CONJUNTO.. 12
PROBABILIDAD TOTAL. 13
APLICANDO PROBABILIDADES.. ..13
INDEPENDENCIA.. 15
TEOREMA SI A O B SON INDEPENDIENTES..15

II VARIABLE ALEATORIA 17
CONCEPTO 17
FUNCION DE PROBABILIDADES 17
ESPERANZA MATEMTICA.. 20
FUNCION DE DISTRIBUCION ACUMULADA (F.D.P) F(X).. 21
VARIANZA. 22
DESVIACION ESTANDAR. 23
III DISTRIBUCION DE PROBABILIDADES.. 24
DISTRIBUCION DE PROBABILIDADES DE VARIABLE DISCRETA 24
DISTRIBUCION BINOMIAL.. 24
INDEPENDENCIA.. 24
DISTRIBUCION GEOMETRICA.. 25
DISTRIBUCION HIPERGEOMETRICA 27
DISTRIBUCION DE POISSON 28
DISTRIBUCION DE PROBABILIDADES VARIABLE CONTINUA. 29
DISTRIBUCION UNIFORME.. 29
DISTRIBUCION NOMINAL. 29
PROPIEDADES. 30
IV INFERENCIA ESTADISTICA 31

Estadstica II

CONCEPTOS 31
DISTRIBUCION MUESTRAL 32

TEMA N1
INTRODUCCION A LA TEORIA DE LAS PROBABILIDADES

1. CONCEPTOS
1.1 Probabilidad: Es una medida de la ocurrencia o no ocurrencia de un
evento o suceso en condicin de incertidumbre.
1.2 Experimento: Es una accin mediante la cual se desea obtener
resultados, en algunos casos se puede manipular algunas variables para
observar los resultados. Existen 2 tipos de experimentos:

Deterministicos: Que se caracterizan por tener un solo resultado

posible.

Probabilisticos: Que se tienen mas de un resultado posible.

Ejemplo: De un grupo de 4 personas se desea premiar a 2 de ellos

aleatoriamente P1, P2, P3, P4
= {P1P2, P1P3, P1P4, P2P3, P2P3, P2P4, P3P4}
1.3 ESPACIO MUESTRAL ()

Estadstica II

Es el conjunto de todos los resultados posibles de un experimento

probabilstico.
1.4 Evento o Suceso.Es un subconjunto del espacio muestral.
Ejemplo: La 3 persona es premiada
A= {P1P3, P2P3, P3P4}
P(A)= 3/6 = 0.5
2. ISOMORFISMO ENTRE LAS PROBABILIDADES Y EL ALGEBRA
ALGEBRA

PROBABILIDADES

Conjunto A

Evento o suceso A

Ocurre A

Ac

No ocurre A

AUB

Ocurre el evento A ocurre el evento B

AB = AB

Ocurre le evento A y el evento B

Evento Imposible

=U

Evento seguro

3. TECNICAS DE CONTEO.Principio de la suma: Que se utiliza cuando est presente el conectivo .

Principio de la multiplicacin: Que se utiliza cuando est presente el conectivo
y.
Ejemplo: Una persona tiene 5 trajes y 3 vestimentas informales. De cuntas
maneras diferentes se puede vestir dicha persona?
5 + 3= 8
Ejemplo: Una persona ingresa a un restaurant y desea servirse un almuerzo
que consta de una sopa y un segundo, si le ofrecen 3 sopas para elegir y 5
segundos De cuantas maneras diferentes podr elegir su almuerzo?

Estadstica II

3 x 5 = 15
4. COMBINACIONES: Son arreglos u ordenaciones de n elementos tomados
de r en r donde no nos importa el orden y de define:

Crn= nCr = n!/(n-r)! r!

Ejemplo: De un grupo de 15 personas, 10 mujeres y 5 hombres se elige a
tres de ellos de cuantas maneras diferentes se puede elegir a 2 mujeres y 1
hombre?

Ejemplo: Cinco contadores pblicos y 4 economistas pugnan por 3 cargos

similares.
a) De cuantas maneras diferentes se puede asignar los 3 cargos?
C1, C2, C3, C4, C5, E1, E2, E3, E4

b) De cuntas maneras si al menos debe haber un contador pblico?

c) De cuantas maneras si deben ser asignados 2 cargos a los

economistas?

Ejemplo: Cuatro turistas llegan a una ciudad que tienen 3 alojamientos.

a) De cuantas maneras diferentes se pueden alojar si al menos un turista
se debe quedar en cada alojamiento?
TURISTAS: A, B, C, D
ALOJAMIENTOS: A1, A2, A3

b) De cuantas maneras si un alojamiento queda vacio?

Estadstica II

4.1 COMBINACIONES CON REPETICION

Son combinaciones donde se puede repetir los elementos y se definen como:

Ejemplo: De cuantas maneras diferentes se puede pedir un postre que

consta de tres porciones de helado si existen 6 sabores diferentes

5. PERMUTACIONES: Son ordenaciones de n elementos tomados de r en r

donde nos importa el orden y se define como:

Ejemplo: En una carrera de caballos compiten 6. De cuantas maneras

diferentes pueden ser ocupados los tres primeros lugares?

Ejemplo: De cuntas maneras diferentes se pueden ordenar 4 personas en

una fila?

Ejemplo: En un minibs de 7 asientos de cuntas maneras diferentes se

pueden sentar 3 personas?

Ejemplo: De un grupo de 5 mujeres y 3 hombres ingresan a un aula. De

cuantas maneras diferentes pueden ingresar:

Ejemplo: En un librero contiene tres enciclopedias, una enciclopedia roja de

4 tomos, una verdece 3 tomos y una amarilla de 2 tomos.

Estadstica II

a) De cuantas maneras diferentes se puede ubicar en el librero los tomos,

si en cada enciclopedia se debe mantener los tomos juntos?

5.1 Permutaciones con repeticin.- Son permutaciones donde pueden

repetir los elementos y se define como:

Ejemplo: Se lanza una moneda 3 veces. De cuantas maneras

diferentespueden salir los resultados?

Ejemplo: De una urna que contiene 4 bolas negras, 3 bolas rojas y 2 bolas
blancas. Se extrae aleatoriamente con reposicin 2 de ellas. De cuantas
maneras diferentes se podr extraer?

Ejemplo: 5 turistas llegan a una ciudad que tiene 3 alojamientos de cuntas

maneras diferentes se pueden hospedar estos 5 turistas en los 3
alojamientos?

Ejemplo: Una moneda se lanza:

a) Una vez RP21 = 21 = 2

= {c,s}

b) 2 veces RP

= {cc,cs,sc,ss}

2
2

= 22 = 4

c) 3 veces RP23 = 23 = 8

= {ccc,ccs,csc,scc,css,scc,ssc,sss}

d) 4 veces RP24 = 24 = 16
Ejemplo: Se lanza un dado 3 veces

Estadstica II

5.2 PERMUTACIONES CON ELEMENTOS IDENTICOS

Si n elementos de los cuales n1 son idnticos, n2 son idnticos nk
son idnticos, dando: n1+n2+..+nk = n
Entonces el total de permutaciones ser:

Ejemplo: Cuantas palabras diferentes con la palabra ANA

P32,1 =

Ejemplo: De cuantas maneras diferentes se puede obtener 5 caras, cuando

se lanza una moneda 8 veces?

P (5 caras) =

6. PROBABILIDADES
6.1 DEFINICION AXIOMATICA
10

Estadstica II

1. P(A) 0
2. P() = 1

= evento seguro

3. Si A1, A2An son eventos mutuamente excluyentes

P(A1 U A2 U..U An) = P(A1) + P(A2)+ ..+ P(An)

6.2 TEOREMA DE PROBABILIDADES

1) P(Ac) = 1- P(A)
2) P( ) = 0
3) 0 P(A) 1
4) P(A U B) = P(A) + P(B) P(A B)
5) Si A B = P(A) P(B)
6) P(A Bc) = P(A) P(A B)
7) P( A U B U C)=P(A)+ P(B)+P(C) P(A B)-P(A C)-P(B C) + P(A B

Ejemplo: Juan y Pedro son 2 estudiantes de la Salesiana la probabilidad de

que Juan viaje este fin de semana al corso de corsos es de 0.15 y la
probabilidad de que viaje Pedro es de 0.23 y lo probabilidad de que ambos
viajen es de solo 0.5.
a) Cual es la probabilidad de que viajen ambos:
P(J) = 0.15
P(P) = 0.23
P(J P) = 0.05
P(Jc) = 1-P(J)= 1-0.15= 0.85
b) Cual es la probabilidad de que ninguno viaje
P(Jc Pc) = P(Jc U Pc) = 1- (J U P)
11

Estadstica II

= 1- (P(J)+P(P)-P(J U P))
= 1- (0.15 + 0.23 - 0.05)
= 0.67
c) Cual es la probabilidad de que solo viaje Pedro?
P(Jc P) = P(P) P(P J)
= 0.23 0.05
= 0.18
d) Cual es la probabilidad de que al menos uno viaje?
c

P ((J U P ) U (J P) U (J P))
P (J U P) = P(J) + P(P) P(J P)
= 0.15 + 0.23 -0.05 = 0.33

6.3

Experimento aleatorio

6.3.1 DEFINICION CLASICA.- Si un experimento aleatorio tiene definido

un evento A asociado al espacio muestral Omega cuyos elementos son
equiprobables entonces la probabilidad de que ocurra el evento A, se
define como:
P(A) =

(Equiprobable = misma probabilidad)

Ejemplo: De un grupo de 8 personas (5 mujeres y 3 hombres) se elige a 2
representantes aleatoriamente. Cul es la probabilidad de que ambas
sean mujeres? (La eleccin de una persona es equiprobable)
Total casos = # () = C82 = 28
A: Se selecciona a dos mujeres

# (A) = C52 * C30 = 10

12

Estadstica II

B: Al menos es elegida una mujer

# (B) = C51* C31+C52* C30 = 25

Ejemplo: De una urna que contiene 5 bolas blancas y 8 negras se extrae

con reposicin 2 de ellas aleatoriamente.
a) Cual es la probabilidad de que la 1 bola extrada sea blanca?

# () = 169
b) La segunda bola extrada es blanca
# (A) = 13*5 = 65

c) Cual es la probabilidad que salga una de cada color?

Ejemplo: Se lanza una moneda 6 veces Cul es la probabilidad de que

nos salga 4 caras?

6.3.2 DEFINICION FRECUENCIAL.- Si un experimento aleatorio se repite n

veces en las mismas condiciones (n - ) de los cuales nA veces son favorable al
evento A entonces la probabilidad de que suceda el evento A. Se de fine
como:

13

Estadstica II

Ejemplo: De 20 estudiantes de los cuales 8 estudian Contadura Publica y

12 Derecho. Se elige aleatoriamente a un estudiante Cul es la probabilidad
que estudie Contadura Publica?
A: Estudia Contadura pblica

Ejemplo: De una caja que contiene 5 fichas rojas y 10 azules se extrae sin
reposicin aleatoriamente 2 de ellos. Cul es la probabilidad de que ambas
sean rojas?
A: Salen dos fichas rojas
Definicin clsica:

Definicin frecuencial:

B: Sale una de cada color

Definicin clsica:

Definicin frecuencial:

Ejemplo: A los estudiantes de una cierta universidad se los clasifica de

acuerdo a las siguientes variables de acuerdo a la cantidad de los mismos.
14

Estadstica II

CARRER

HOMBRE MUJER TOTAL

A
A

20

30

50

50

20

70

15

25

40

TOTAL

85

75

160

Ejemplo: Se elige un estudiante al azar:

a) Cual es la probabilidad que sea mujer?

b) Cual es la probabilidad que sea hombre y de la carrera A?

c) Cual es la probabilidad que sea mujer o de la carrera B?

d) Cul es la probabilidad que no sea mujer, ni sea de la carrera C?

15

Estadstica II

Se eligen a 2 estudiantes al azar. Cul es la probabilidad que ambos sean

de la misma carrera?

6.4 PROBABILIDAD CONDICIONAL.- Si A o B son dos eventos o sucesos

donde la probabilidad P(B) > 0. Se denota como el evento A que ocurra
dado el evento B, A B cuya probabilidad se defina como la probabilidad:
P (A B) = P(A B) / P(B)
Ejemplo: Se lanza una moneda 2 veces Cul es la probabilidad de que
en el 2 lanzamiento nos salga cara dado que en el 1 lanzamiento nos
salio sello?
= { cc, ss, cs, sc}
A: Sale cara en el 2 lanzamiento
B: Sale sello en el 1 lanzamiento
P(A | B) =?
A = {cc, sc} # (A) = 2
B = {sc, ss} # (B) = 2
A B= {sc} # (A B) = 1

16

Estadstica II

Ejemplo: De una urna que contiene 3 fichas rojas y 6 azules se extrae el

azar 2, una tras otra sin reposicin. Si la primera ficha extrada es roja.
Cul es la probabilidad de que la 2 ficha tambin sea roja?
# () =

= 72

R1: La 1 ficha extraida fue roja

R2: La 2 ficha extraida fue roja

Ejemplo: Un seor tiene 2 carros y se sabe la probabilidad que arranque

el carro rojo es de 0.7 y la probabilidad que arranque el carro azul dado
que arrancado el carro rojo es 0.3. Cul es la probabilidad de que ambos
carros arranquen?

Cr: Arranca el carro rojo

P(Cr) = 0.7

Ca: Arranca el carro azul

P(Ca|Cr) = 0.3

17

Estadstica II

6.5 PROBABILIDAD CONJUNTA.- Si A1, A2, ., An son eventos o

sucesos entonces la probabilidad que todos los eventos A, ocurran se
define como:
P(

Ejemplo: De 10 artculos se sabe que 7 estn en buen estado y el resto

son defectuosos. Se elige al azar 3 artculos Cul es la probabilidad de
que todos estn en buen estado?

6.6 PROBABILIDAD TOTAL.- Si A1, A2,..An es una particin del

espacio muestral y B un evento cualquiera, entonces:

Particion.a) Los Ai son mutuamente excluyentes

b) Los Ai son colectivamente exahustivos
6.7 APLICANDO PROBABILIDADES

Como las eventos A1 son n excluyentes entonces:

18

Estadstica II

Ejemplo:

3 empresas cubren el Mercado de un cierto producto. La

empresa 1 interviene en el mercado el doble que la empresa 2 y la

empresa 2 interviene mas que la empresa 3. Ademas se sabe que la
cantidad de productos defectuosos de la Emp.1, Emp.2 y la Emp.3 son el
5%, 6% y el 9% respectivamente. Del mercado se extrae un producto
Cul es la probabilidad de que dicho producto sea defectuoso?

Datos:
E1: El producto es elaborado por la Emp 1
E2: El producto es elaborado por la Emp 2
E3: El producto esta elaborado por la Emp 3
D: El producto es defectuoso
1) P(E1)+ P(E2)+P(E3)= P()= 1
2) P(E1)= 2 P(E2)
3) P(E2)= 3 P(E3)
Reemplazando 2 y 3 en 1

19

Estadstica II

Ejemplo: De un grupo de 4 mujeres y 2 hombres se desea elegir a un

representante aleatoriamente. El dia de la eleccin solo asisten 4 personas.
Cul es la probabilidad de que la representante sea , mujer?

6.7.1 INDEPENDENCIA.- Dos eventos son independientes si:

P(A|B)= P(A)

P(B|A)=P(B)

En general si los eventos A son independientes:

6.7.2 TEOREMA SI A O B SON INDEPENDIENTES:

c

1)

P(AB ) = P(A) * P(B )

2)

P(A B) = P(A )*P(B)

3)

P(A B ) = P(A )*P(B )

c
c

Ejemplo: Si A, B, y C son 3 empresas cuyas probabilidades de que sus

acciones suban son 0.78; 0.65 y 0.41 respectivamente. Cual es la
probabilidad de que:

20

Estadstica II

a) Las acciones de las empresas suban

P(A) = 0.78
P(B) = 0.65
P(C) = 0.41

b) Solo suba de la empresa A

c) Suban de 2 empresas

Ejemplo: Un cazador tiene en su rifle 3 balas y se encuentra al frente de un

tigre, tal vez sino mata al tigre lo mate a el. Si la probabilidad de que el
cazador le de al blanco es 0.7 en cada tiro es decir, asumimos su
independencia de tiro a tiro. Cual es la probabilidad de que el cazador viva?
c

P(vivo) = P(B1) + P(B 1B2)+ P(B 1B 2B3)

c

= P(B1) + P(B 1)*P(B2)+ P(B 1)*P(B 2)*P(B3)

= 0.7+0.3*0.7+0.3*0.3*0.7 = 0.973

21

Estadstica II

TEMA N 2
VARIABLE ALEATORIA
1. CONCEPTO: Es una funcin x cuyo dominio es el espacio muestral y
cuyo dominio son los nmeros reales
Ejemplo: Se lanza una moneda 3 veces y se define la variable aleatoria x
como el N de caras obtenidas.
= {ccc,ccs,csc,scc,css,scc,ssc,sss}
X: es el numero de caras
X(sss) = 0
X(ssc)=x(scs)=x(css) = 1
X(scc)=x(csc)=x(ccs)=2
X(ccc)=3
Recorrido: (Rx) (0,1,2,3) Es el conjunto generado por la variable aleatoria de
un experimento probabilstico. Si el recorrido es finito o infinito numerable
entonces la variable aleatoria es discreta; si el recorrido es infinito entonces
la variable es continua.
2. FUNCION DE PROBABILIDADES (f.d.p) una funcin de probabilidades
debe cumplir:
Si la variable aleatoria es discreta:

22

Estadstica II

1) P(X=x) 0

x pertenece a los reales

2)

Si la variable aleatoria es continua:

1) (x) 0 x pertenece a los reales

2)
Para encontrar la funcin de probabilidad de un problema de variable
aleatoria discreta se debe calcular las probabilidades de todos los elementos
del recorrido.

Ejemplo anterior:
= {ccc,ccs,csc,scc,css,scc,ssc,sss}
X: N caras obtenidas
Rx = (0,1,2,3)

Ejemplo:

En una rifa que consta de 1000 boletos se tiene los siguientes

premios:
1 premio 1 TV de Bs 2000

23

Estadstica II

2 premio 1 Dvd de Bs 500

3 premio 2 canastones de Bs 50
4 premio 1 canaston de Bs 50
Si la variable se define como la ganancia obtenida sabiendo que cada boleto
cuesta Bs 5. Cul es la funcin de probabilidad de una persona que compra
un boleto?
= {1,2,..1000}
X: Ganancia de una persona que compra un boleto
Ganancia = Premio Costo del boleto
Rx: (-5, 45, 495, 1995)

Funcion de probabilidad

24

Estadstica II

=0

e.o.c

Cual es la probabilidad que gane la persona algn premio?

Ejemplo: De una urna que contiene 5 fichas blancas y 2 fichas negras, se

extrae 3 a la vez. Sea x la variable aleatoria como el N de fichas blancas
extraidas
X: N de fichas blancas extraidas
Rx = (1,2,3)

Ejemplo: De 100 productos de los cuales 30 son defectuosos y 70 buenos. Se

extrae un producto a la vez con reposicin hasta encontrar un producto
defectuoso. Sea x la variable aleatoria definida como el N de extracciones
hasta encontrar el producto defectuoso.

X: N de extracciones hasta encontrar el producto defectuoso.

Rx = (1,2,3,4,5)

25

Estadstica II

e.o.c. = 0

3.Esperanza matemtica.- (Ex).- Es el promedio ponderado de una variable

aleatoria y se define como:

Si la variable aleatoria es discreta

Si la variable aleatoria es continua

Ejemplo: Dada la funcin de probabilidad (f.d.p.)

=0

e.o.c.

Ejemplo: Sea x la variable aleatoria definida como tiempo que dura un foco
hasta que falle. Dada por la funcin de probabilidad:
f(x) = 3x2
=0

0x1
e.o.c.
26

Estadstica II

Sabemos que:
Comprobando:

4. FUNCION DE DISTRIBUCION ACUMULADA (f.d.p) F(x)

F(x) = P (X=x)
En el ejemplo:

Entonces:

Ejemplo: Una lotera instantnea consiste en raspar una casilla de cada fila
de una tarjeta tiene 3 filas y en cada fila dos casillas de los cuales existe un
numero oculto de 5 Bs y 10 Bs en un orden aleatorio en cada fila.

27

Estadstica II

El juego consiste para ganar en raspar de cada fila una casilla similar en las
tres filas y gana ese monto. Si la tarjeta cuesta 9 Bs. Cunto espera ganar
una persona que compra una tarjeta?
X: Ganancia = Premio costo
1

10 10 10

10 10 10 5

10 10 5

10 5

Rx = (-6,-1, -4)

= 4.125

5. VARIANZA.- Mide el grado de dispersin de una variable aleatoria y se

define como:
V(x) = E(x E(x))2
Para fines prcticos:
V(x) = E(x2) E2(x)

donde: =E2(x) = (E(x))2

En el ejemplo:
28

Estadstica II

V(x) = 2.2
6. DESVIACION ESTANDAR.-

En el ejemplo:

TEMA N 3
DISTRIBUCION DE PROBABILIDADES
1.DISTRIBUCION DE PROBABILIDADES DE VARIABLE DISCRETA.1.1DISTRIBUCION BINOMIAL.- Se caracteriza por estar definida la variable
aleatoria como # de exitos en n ensayos tiene dos parmetros:
n: # de ensayos o tamao de la muestra
p: Probabilidad de xito
Decimos que una variable aleatoria tiene una distribucin binomial con
parmetros (x ~ B(n,p)) si su funcion de probabilidad esta dad por:
x = 0,1,2 n
Con E(x) = n*p
V(x) = n*p*q
Donde: q es la probabilidad del fracaso
q = 1-p
1.1.1

Independencia:

En

general

existe

independencia

cuando

la

probabilidad e xito o de fracaso no cambia.

Lanzamiento de objetos

Cuando se extrae con reposicin

Cuando se extrae sin reposicion

De una poblacin finita (expresada en porcentaje)

29

Estadstica II

Ejemplo: Se lanza 3 dados se x la variable aleatoria establecida como: # de

cincos que se obtiene. Cul es la probabilidad de que ninguno sea 5?
x: # de cincos obtenidos cuando se lanza 3 dados
entonces: (x ~ B(n,p) ~ B (3, 1/6)

1.2 DISTRIBUCION GEOMETRICA.Se caracteriza por estar definida como # de ensayos hasta que salga el
primer xito donde los ensayos son independientes. Tiene un solo parmetro:
P = probabilidad de xito

(x ~ G(p))

Cuya funcion de probabilidad esta dada por:

x

P(X = x) = q -1p

x = 1,2,3,.

Donde:
Con:

Ejemplo: Se lanza un dado hasta que salga 3 Cul es la probabilidad de

que salga despus del 5 lanzamiento?
30

Estadstica II

x: N de lanzamientos hasta que salga el 3

los lanzamientos son independientes entonces: (x ~ G(p)) ~ G (1/6)

=0

e.o.c.

P(x > 5) = 1- p (x 5)
= 1- (P(x = 1)+P(x = 2)+P(x = 3)+P(x = 4)+P(x=5))

Ejemplo:
x: N de personas seleccionadas hasta encontrar a una persona con
problemas renales
Los ensayos son independientes entonces:(x ~ G(p)) ~ G (0.05)
Luego:
P(X = x) = 0.45

x-1

* 0.05

x = 1,2,3

=0
P(x > 2) = P(x = 3) + P(x = 4) + P(x = 5) + ..
= 1 p(x 2)
= 1 (P(x = 1)+P(x = 2))
= 1 (0.951-1* 0.05 + 0.952-1 * 0.05)
= 0.9025

31

Estadstica II

Ejemplo: De una poblacin se sabe que el 30 % goza de un seguro de salud.

Se elige a 5 personas de la poblacin Cul es la probabilidad que se hayan
elegido mas personas aseguradas que personas no aseguradas?
x = 0,1,2,3,4,5

= 5*0.30 = 1.5

= 10*0.027*0.49
= 0.1323
1.3 DISTRIBUCION HIPERGEOMETRICA.N: Tamao de la poblacin
n: # de ensayos tamao de la muestra
M: # de elementos con la caracterstica de xito
x ~H(N,n,M) cuya f.d.p. es:

x=0,1,2,3,4,5,,min(n;M)
=0

e.o.c.

Con:

Ejemplo: De un grupo de 10 mujeres y 6 hombres se selecciona a 4 de ellos

aleatoriamente, cul es la probabilidad de seleccionar:
a) 3 mujeres

32

Estadstica II

b) Que haya ms hombres que mujeres

c) Cuantas mujeres se espera que sean seleccionadas
x: N de mujeres seleccionadas = xito

x = (0.4- (16-10))= (0,-2) = 0

x = 0,1,2,3,4

1.4 DISTRIBUCION DE POISSON.Se caracteriza por estar definida la variable aleatoria como el # de xitos en T
unidades de medida, donde los ensayos se asumen independientes. Tiene un
solo parmetro que representa el # promedio de xitos en las T unidades de
medida cuya funcin de probabilidad esta dada por:
(x~P())
x = 0,1,2,3
=0

e.o.c.

Con: E(x) =
V(x) =

Ejemplo:
A cierta telefnica llega un promedio de 30 llamadas cada 15 min. Cual es la
probabilidad de que no ingrese ninguna llamada en los prximos 20
segundos? Se sabe que la central telefnica hay 15

33

Estadstica II

Si asumimos que existe independencia entre llamadas

x: N de llamadas que ingresan a la central telefnica en 20 segundos
= (30 Llamadas / 15 min)*(1min/60 Seg)*20 seg
= 1/3 * 30 / 15
= 0.67
entonces: (x~P()~P(0.67))

luego:

x = 0,1,2

2. DISTRIBUCION DE PROBABILIDADES VARIABLE CONTINUA

2.1 DISTRIBUCION UNIFORME.Si la variable aleatoria continua x con rango Rx (a,b); ab |R; a<b. Se dice
que esta variable aleatoria continua se distribuye de manera uniforme a lo
largo del intervalo de A y B si su funcin de densidad esta dada por:

e.o.c.

Donde x ~N (a,b)
Si una variable aleatoria se distribuye de manera uniforme sobre el intervalo
a,b entonces la media y la varianza estarn dadas por:

2.2 DISTRIBUCION NOMINAL.34

Estadstica II

Una variable aleatoria continua x con media y varianza conocida 2 > 0,

se dice que se distribuye de forma aproximadamente normal su funcin de
densidad esta dada por:

La media puede tomar cualquier numero real

- < <
2 > 0
Donde: x ~N(,)
Caso particular: Si una variable aleatoria continua se distribuye de forma
normal con media a 0 y varianza 2 = 1; = 0 a esta variable se la
denominara variable normal estndar o equivalentemente que esta variable
aleatoria se distribuye de forma normal estndar.
= 0 y 2 = 1

normal estndar

Definicin: Una variable aleatoria continua z con media = 0 y 2 = 1

exactamente uno, se dice que se distribuye de forma normal estandar. Si su
funcin de densidad esta dada por:

2.2.1 PROPIEDADES.Si z es una variable distribuida de forma normal estandar y sean:

Z~N(0,1) y z1, z2 pertenecen a los reales; z1 < z2 entonces las siguientes
propiedades:
1) P(Z > z1) = 1- p(Z z1) Complemento
2) P(z1 Z z2) = P(Z z1) P(Z z2)
3) P(-z1 Z z1) = 2P (Z z1)-1

35

Estadstica II

Estandarizacin: Se parte de cualquier variable si su comportamiento es de

forma normal, se vuelve magnitud, lo que pasa en la normal. Sea la variable
aleatoria continua x distribuida de forma normal estandar, donde la media
es y la varianza 2; si se puede definir una nueva variable aleatoria
continua x como:
Z=x/

36

Estadstica II

TEMA N 4
INFERENCIA ESTADISTICA
a) Estimacin
b) Prueba de hiptesis
1. CONCEPTOS

Poblacin.- Un conjunto de observaciones mas grande imaginable

constituida una variable asociado a una variable de inters.

Muestra.- Una parte representativa de la poblacin conjunto finito.

Muestra aleatoria.- Una coleccin de variables aleatorias x1,x2, xn

Se denominara muestra aleatoria de tamao n, si y solamente si
cumplen con las siguientes condiciones: cada una de estas variables
en independencia, cada una de estas variables tiene la misma
distribucin de probabilidad. x ~ b, x ~ H
iid = independiente e idnticamente distribuidas

Parmetro: Es una funcin definida con todos los elementos de la

poblacin.
5) Estadstico.- Se denomina estadstico a cualquier funcin definida
con todos los elementos aleatorios
a) Los estadsticos son variables aleatorias
b) La distribucin de probabilidad (funcin de cuanta o funcin de
densidad) de un estadstico se denominara distribucin muestral.

Estimados.- Un estimado es una funcin de una realizacin en particular de una muestra aleatoria.
Este estimado puede ser un nico valor (Estimado puntual) o puede
ser un conjunto de valores (estimados por intervalos); cuya funcin

37

Estadstica II

principal es de aproximarse al valor verdadero del parmetro de

inters.

2. DISTRIBUCION MUESTRAL.Una media estadstica de posicin central es la media aritmtica definida

por:

si es con reposicin

si es sin reposicin
Ejemplo: Se extrae una muestra de tamao 2 (n = 2) con reposicin para
encontrar la media aritmtica muestral
2 ext 1

1 ext
1

1.5

1.5

2.5

2.5

Rx = (1.5, 2, 2.5)

38

Estadstica II

Por otro lado:

Donde: N = tamao de poblacin

39

Estadstica II

Luego:
Caso sin reposicin:

Entonces:

2 =2

Luego:

40