Ciclo de Nivelacin 2016 N1

ESTADISTICA
APLICADA
Tema: Probabilidades. Propiedades
El Clculo de Probabilidades nos permite calcular el grado de
fiabilidad o error de las conclusiones obtenidas mediante inferencia
estadstica.
La probabilidad mide o cuantifica la incertidumbre que tenemos sobre
el resultado de un experimento aleatorio

Fenmenos y experimentos aleatorios

Un experimento es determinista cuando existe un conjunto de
circunstancias que, antes de su ejecucin, determinan
completamente su resultado.
Un experimento es aleatorio si no podemos predecir su resultado de
antemano:
Se conocen previamente y con exactitud los posibles resultados del
experimento. Es imposible saber su resultado antes de su realizacin.
Se puede repetir indefinidamente, en las mismas condiciones
iniciales, obteniendo resultados distintos

Sucesos
El espacio muestral es el conjunto de todos los posibles resultados del
experimento aleatorio, lo denotamos por E.
Ejemplo: Experimento, lanzar dado, E= {1,2,3,4,5,6}
Un suceso es cualquier subconjunto del espacio muestral.
Un suceso elemental es un elemento del espacio muestral. Ejemplo:
(lanzar dado), sale un seis, A= {6}
Un suceso compuesto es un conjunto de sucesos elementales.
Ejemplo: (lanzar dado), sale un nmero par B= {2,4,6}
El suceso seguro es el que siempre ocurre al realizar el experimento
E. Ejemplo: (lanzar dado) E= {1,2,3,4,5,6}
El suceso imposible es el que nunca ocurre como resultado del
experimento . Ejemplo: (lanzar dado) sale un 7

Propiedades de la probabilidad
1. P(Ac) = 1P(A)
Ejemplo. Se sabe que la probabilidad de curar la leucemia infantil es
de 1/3. Por lo tanto, la probabilidad de que no se cure la enfermedad
ser de 1 1 / 3 = 2 /3

2.

P () = 0

Ejemplo. Consideramos el experimento de lanzar un dado. La

probabilidad de obtener 9 en una cara es igual a cero

3.

Si A B P(A) P(B)

Ejemplo. En el experimento anterior, sea A el suceso obtener un

nmero mayor que 4, y B obtener un nmero mayor que 2

4.

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

Ejemplo. En el experimento anterior, sea A el suceso obtener un

nmero menor que 5 y B el suceso obtener un numero par

5. P(AB) = P(A)+P(B)P(AB)
Ejemplo. En una poblacin el 4% de las personas son daltnicas, el
18% hipertensas y el 0.5% daltnicas e hipertensas. Cul es la
probabilidad de que una persona sea daltnica hipertensa?

Ejercicios propuestos
1. La probabilidad de que al sacar una carta al azar de un naipe
ingls (52 cartas), ella sea un as es?
2. Calcula la probabilidad de no obtener NINGN SEIS al lanzar
cuatro dados.
3. lanzando 5 monedas. Hallar la probabilidad de obtener 5
cruces?
4. Calcula la probabilidad de obtener tres CUATROS al lanzar tres
dados?
5. Un 15% de los pacientes atendidos en un hospital son
hipertensos, un 10% son obesos y un 3% son hipertensos y
obesos. Qu probabilidad hay de que elegido un paciente al
azar sea obeso o hipertenso?

Tema: Distribucin de Probabilidades

Una distribucin de probabilidad indica toda la gama de valores que
pueden representarse como resultado de un experimento si ste se
llevase a cabo.
Es decir, describe la probabilidad de que un evento se realice en el
futuro, constituye una herramienta fundamental para la prospectiva,
puesto que se puede disear un escenario de acontecimientos futuros
considerando las tendencias actuales de diversos fenmenos
naturales
Toda distribucin de probabilidad es generada por una variable
(porque puede tomar diferentes valores) aleatoria x (porque el valor
tomado es totalmente al azar), y puede ser de dos tipos:
VARIABLE ALEATORIA DISCRETA (x).
Porque solo puede tomar valores enteros y un nmero finito de ellos.
Por ejemplo:
X Variable que nos define el nmero de alumnos aprobados en la
materia de probabilidad en un grupo de 40 alumnos (1, 2 ,3 los
40).

PROPIEDADES DE UNA VARIABLE ALEATORIA DISCRETA (X)

p(xi)<1 Las probabilidades asociadas a cada uno de los valores que
toma x deben ser mayores o iguales a cero y menores o iguales a 1.
E p(xi) = 1 La sumatoria de las probabilidades asociadas a cada uno
de los valores que toma x debe ser igual a 1. EJEMPLO
Para variable aleatoria discreta
Tenemos una moneda que al lanzarla puede dar slo dos resultados: o
cara (50%), o cruz (50%).
La siguiente tabla nos muestra los posibles resultados de lanzar dos
veces una moneda:

VARIABLE ALEATORIA CONTINUA (x).

Porque puede tomar tanto valores enteros como fraccionarios y un
nmero infinito de ellos dentro de un mismo intervalo. Por ejemplo:
x es la Variable que nos define la concentracin en gramos de plata
de algunas muestras de mineral (14.8 gr, 12.1, 10.0, 42.3, 15.0, 18.4,
19.0, 21.0, 20.8, , n)
PROPIEDADES DE UNA VARIABLE ALEATORIA DISCRETA (X)
p(x) Las probabilidades asociadas a cada uno de los valores que toma
x deben ser mayores o iguales a cero. Dicho de otra forma, la funcin
de densidad de probabilidad deber tomar solo valores mayores o
iguales a cero.
El rea definida bajo la funcin de densidad de probabilidad deber
ser de 1.
ESPERANZA MATEMATICA O VALOR ESPERADO
El valor esperado de una Variable Aleatoria X es el promedio
ponderado de todos los valores posibles de la misma. DNode los
pesos son las probabilidades asociadas con los valores.
Para calcular el valor esperado de una variable aleatoria por su
correspondiente probabilidad y luego sumar los trminos resultantes.

La esperanza matemtica o valor esperado de una variable aleatoria

tiene sus orgenes en los juegos de azar, debido a que los
apostadores deseaban saber cul era su esperanza de ganar
repetidamente un juego, por lo tanto, el valor esperado representa la
cantidad de dinero promedio que el jugador est dispuesto a ganar o
perder despus de un nmero grande de apuestas.
E(x) = = E xf (x)
VARIANZA
Es un promedio ponderado de las de las desviaciones al cuadrado.
Varianza = E ( x - ) f ( x)

DISTRIBUCIN BINOMIAL
La distribucin Binomial es un caso particular de probabilidad de
variable aleatoria discreta, y por sus aplicaciones, es posiblemente la
ms importante.
Esta distribucin corresponde a la realizacin de un experimento
aleatorio que cumple con las siguientes condiciones:
Al realizar el experimento slo son posible dos resultados: el suceso
A, llamado xito, y el suceso B, llamado fracaso.
Al repetir el experimento, el resultado obtenido es independiente de
los resultados obtenidos anteriormente.
La probabilidad del suceso A es constante, es decir, no vara de una
prueba del experimento a otra.
En cada experimento se realizan n pruebas idnticas.
Todo experimento que tenga estas caractersticas se dice que sigue el
modelo de la distribucin Binomial o distribucin de Bernoulli.
En general, si se tienen n ensayos Bernoulli con probabilidad de xito
p y de fracaso q, entonces la distribucin de probabilidad que la
modela es la distribucin de probabilidad binomial y su regla de
correspondencia es:

Donde:
P(X)= es la probabilidad de ocurrencia del evento
p = es la probabilidad de xito del evento (en un intento)

q = es la probabilidad de fracaso del evento (en un intento) (se define

como q = 1 p)
X = ocurrencia del evento o xitos deseados
n = nmero de intentos
EJEMPLO Cul es la probabilidad de obtener exactamente 2 caras al
lanzar una misma moneda 6 veces? Donde:
P(X)= Probabilidad de que ocurra el evento
p = (0.5)
q = (se define como q = 1 p) (0.5)
X=2
n=6
Al sustituir los valores en la frmula obtenemos:

DISTRIBUCIN DE POISSON
La distribucin de POISSON es tambin un caso particular de
probabilidad de variable aleatoria discreta, el cual debe su nombre a
Simon Denis Poisson (1781-1840), un francs que la desarroll a
partir de los estudios que realiz durante la ltima etapa de su vida.
Es til cuando tratamos con cantidades de ocurrencia de un evento a
lo largo de un intervalo de tiempo o espacio especificado.
Esta distribucin se utiliza para describir ciertos procesos.
Caractersticas:
En este tipo de experimentos los xitos buscados son expresados por
unidad de rea, tiempo, pieza, etc:
- # de defectos de una tela por m2
- # de aviones que aterrizan en un aeropuerto por da, hora, minuto,
etc.
- # de bacterias por cm2 de cultivo

- # de llamadas telefnicas a un conmutador por hora, minuto, etc,

etc.
- # de llegadas de embarcaciones a un puerto por da, mes, etc, etc.
Para determinar la probabilidad de que ocurran x xitos por unidad de
tiempo, rea, o producto, la frmula a utilizar sera:

donde:
p(X) = probabilidad de que ocurran x xitos, cuando el nmero
promedio de ocurrencia de ellos es /
/= media o promedio de xitos por unidad de tiempo, rea o producto
e = 2.718 (base de logaritmo neperiano o natural)
X = variable que nos denota el nmero de xitos que se desea que
ocurra
Hay que hacer notar que en esta distribucin el nmero de xitos
que ocurren por unidad de tiempo, rea o producto es totalmente al
azar y que cada intervalo de tiempo es independiente de otro
intervalo dado, as como cada rea es independiente de otra rea
dada y cada producto es independiente de otro producto dado.
EJEMPLO
Si un banco recibe en promedio 6 cheques sin fondo por da, cules
son las probabilidades de que reciba, a) cuatro cheques sin fondo en
un da dado, b) 10 cheques sin fondos en cualquiera de dos das
consecutivos? (e= 2.718281828)
Resolviendo para :
a) x = 4; / = 6 cheques sin fondo por da
Comprobando (sustituyendo en la frmula):

Por lo tanto, la probabilidad de que el banco reciba cuatro cheques sin

fondo en un da dado es de 0.133853 (13.39%)
DISTRIBUCIN NORMAL
La distribucin normal es tambin un caso particular de probabilidad
de variable aleatoria continua, fue reconocida por primera vez por el
francs Abraham de Moivre (1667-1754). Posteriormente, Carl
Friedrich Gauss (1777-1855) elabor desarrollos ms profundos y
formul la ecuacin de la curva; de ah que tambin se le conozca,
ms comnmente, como la "campana de Gauss". La distribucin de
una variable normal est completamente determinada por dos
parmetros, su media () y su desviacin estndar (&#963;). Con
esta notacin, la densidad de la normal viene dada por la ecuacin:

que determina la curva en forma de campana que tan bien

conocemos.

Existen dos razones bsicas por las cuales la distribucin normal

ocupa un lugar tan prominente en la estadstica :
Tiene algunas propiedades que la hacen aplicable a un gran nmero
de situaciones en la que es necesario hacer inferencias mediante la
toma de muestras.
La distribucin normal casi se ajusta a las distribuciones de
frecuencias reales observadas en muchos fenmenos, incluyendo
caractersticas humanas, resultados de procesos fsicos y muchas
otras medidas de inters para los administradores, tanto en el sector
pblico como en el privado.
Propiedad:
No importa cules sean los valores de y &#963; para una
distribucin de probabilidad normal, el rea total bajo la curva
siempre es 1, de manera que podemos pensar en reas bajo la curva
como si fueran probabilidades. Matemticamente es verdad que:
Aproximadamente el 68% de todos los valores de una poblacin
normalmente distribuida se encuentra dentro de 1 desviacin
estndar de la media.
Aproximadamente el 95.5% de todos los valores de una poblacin
normalmente distribuida se encuentra dentro de 2 desviaciones
estndar de la media.
Aproximadamente el 99.7% de todos los valores de una poblacin
normalmente distribuida se encuentra dentro de 3 desviaciones
estndar de la media.

Relacin entre el rea bajo la curva de distribucin normal de

probabilidad y la distancia a la media medida en desviaciones
estndar.

Estas grficas muestran tres formas diferentes de medir el rea bajo

la curva normal. Sin embargo, muy pocas de las aplicaciones que
haremos de la distribucin normal de probabilidad implican intervalos
de exactamente (ms o menos) 1, 2 3 desviaciones estndar a
partir de la media. Para estos casos existen tablas estadsticas que
indican porciones del rea bajo la curva normal que estn contenidas
dentro de cualquier nmero de desviaciones estndar (ms o menos)
a partir de la media.
Afortunadamente tambin podemos utilizar una distribucin de
probabilidad normal estndar para encontrar reas bajo cualquier
curva normal. Con esta tabla podemos determinar el rea o la
probabilidad de que la variable aleatoria distribuida normalmente
est dentro de ciertas distancias a partir de la media. Estas distancias
estn definidas en trminos de desviaciones estndar.
USO DE LA TABLA DE DISTRIBUCIN NORLAM DE PROBABILIDAD
NORMAL STANDAR
Para cualquier distribucin normal de probabilidad, todos los
intervalos que contienen el mismo nmero de desviaciones estndar
a partir de la media contendrn la misma fraccin del rea total bajo
la curva para cualquier distribucin de probabilidad normal. Esto hace
que sea posible usar solamente una tabla (Apndice Tabla 1) de la
distribucin de probabilidad normal estndar.

El valor de z est derivado de la frmula:

En la que:
x = valor de la variable aleatoria que nos preocupa.
= media de la distribucin de la variable aleatoria.
o = desviacin estndar de la distribucin.
z = nmero de desviaciones estndar que hay desde x a la media de
la distribucin. (el uso de z es solamente un cambio de escala de
medicin del eje horizontal)

Distribucin normal que ilustra la comparacin de los valores de z y

las desviaciones estndar
EJEMPLO.
Partiendo de la misma premisa, = 500 y 0; = 100. Cul es la
probabilidad de que un candidato elegido al azar se tome entre 500 y
650 horas en completar el programa de entrenamiento?

Si buscamos Z=1.5 (refirase a la tabla), encontramos una

probabilidad de 0.4332.
Por lo tanto, la probabilidad de que un candidato escogido al azar
requiera entre 500 y 650 horas para terminar el programa de
entrenamiento es de 0.4332

Ejercicios propuestos
1. Un ingeniero que labora en el departamento de control de calidad de
una empresa elctrica, inspecciona una muestra al azar de 10
alternadores de un lote. Si el 20% de los alternadores del lote estn
defectuosos. Cul es la probabilidad de que, en la muestra,
a) ninguno est defectuoso,
b) uno salga defectuoso,
c) al menos dos salgan defectuosos
d) ms de tres estn con defectos
e) no ms de tres estn con defectos.

2. La probabilidad de que un hombre acierte en el blanco es 1/4. Si

dispara 10 veces cul es la probabilidad de que acierte exactamente
en tres ocasiones?

3. En una urna hay 30 bolas, 10 rojas y el resto blancas. Se elige

una bola al azar y se anota si es roja; el proceso se repite,
devolviendo la bola, 10 veces. Calcular la media y la
desviacin tpica?
4. Los reportes de crmenes recientes indican que 3.2 de los robos
de vehculos motorizados ocurren cada minuto en estados
unidos. Suponga que la distribucin de los robos por minuto
puede calcularse con la distribucin de probabilidad de poisson.
calcule la probabilidad de que ocurran cuatro robos
exactamente en un minuto?
5. La probabilidad de tener un accidente de trfico es de 0,02
cada vez que se viaja, si se realizan 300 viajes, cul es la
probabilidad de tener 3 accidentes?

Tema: Muestreo y Distribuciones Muestrales

La comprensin del concepto de la distribucin de muestreo es
fundamental para el correcto entendimiento de la inferencia
estadstica.
Una distribucin de la poblacin es la distribucin de la totalidad de
las medidas individuales de una poblacin, en tanto que una
distribucin muestral es la distribucin de los valores individuales
incluidos en una muestra.
En contraste con estas distribuciones de medidas individuales, una
distribucin de muestreo se refiere a la distribucin de los diferentes
valores que una estadstica muestral, o estimador, podra adoptar en
muchas muestras del mismo tamao.

As, aunque por lo general disponemos nicamente de una muestra

aleatoria o subgrupo racional, reconocemos que la estadstica
muestral particular que determinamos, como la media o mediana de
la muestra, no es exactamente igual al respectivo parmetro de la
poblacin.
Ms an, el valor de una estadstica muestral variar de una muestra
a otra, a causa de la variabilidad del muestreo aleatorio, o error de
muestreo. sta es la idea en la que se apoya el concepto de que toda
estadstica muestral es de hecho un tipo de variable cuya distribucin
de valores est representada por una distribucin de muestreo.
Distribucin muestral de medias
Una distribucin muestral de medias o una distribucin en el
muestreo de la media se define como el conjunto de todas las medias
que se pueden calcular en todas las muestras posibles que se pueden
extraer, con o sin reemplazo, de una determinada poblacin. Para
detectar las relaciones a que nos hemos referido, partiremos de un
ejemplo con una poblacin pequea.
Media
Es el promedio aritmtico de las medias del conjunto de datos; ya sea
de la poblacin o de la muestra

Varianza

Es el promedio de la suma de los cuadrados de las desviaciones. Se

entiende por desviacin la diferencia de una media respecto a la
media

Como puede verse, la varianza es una medida de dispersin. Indica,

en promedio, qu tan alejados estn los datos respecto de la media.
Desviacin tpica o estndar
Es la raz cuadrada de la varianza.

Por simplicidad, en las expresiones anteriores se acostumbra suprimir

el subndice i, as como los lmites de las sumatorias:

Ejercicios propuestos
1. Considrese una poblacin en la que se estudia una
caracterstica X que sigue una distribucin normal de media
= 12 y varianza = 16. Se pide:
a) Probabilidad de que un elemento de esa poblacin, elegido
al azar, tenga la caracterstica superior a 14.
b) Considrese una muestra aleatoria de tamao n = 9. Cul
es la probabilidad de que la media muestral X tenga un valor
superior a 14?
2. En un servicio de atencin al cliente, el tiempo de espera hasta
recibir atencin es una variable normal de media 10 minutos y
desviacin tpica 2 minutos. Se toman muestras aleatorias del
tiempo de espera de los clientes que llegan un da concreto. Se
pide:
a) Cul es la probabilidad de que el tiempo medio de espera de
una muestra de 25 clientes no supere los 9 minutos?
b) Cul es la distribucin de la media muestral, si se toman
muestras aleatorias de 64 clientes? Especificar sus parmetros.
3. La edad a la que contraen matrimonio los hombres de la ciudad
de lima es una variable aleatoria que se puede aproximar por
una distribucin normal de media 35 aos y desviacin tpica de
5 aos. Se elige aleatoriamente una muestra de 100 hombres.
Sea X la media muestral de la edad de casamiento. a) Cules
son la media y la varianza de X?

b) Cul es la probabilidad de que la edad media de casamiento

de la muestra est comprendida entre 36 y 37 aos?
4. La duracin de las bateras de un determinado modelo de
telfono mvil tiene una distribucin normal de media 34,5
horas y desviacin tpica 6,9 horas. Se toma una muestra
aleatoria simple de 36 telfonos mviles.
a) Cul es la probabilidad de que la duracin media de las
bateras de la muestra est comprendida entre 32 y 33,5 horas?
b) Y de que sea mayor de 38 horas?
5. En cierta poblacin humana, la media muestral X de una
caracterstica se distribuye mediante una distribucin normal.
La probabilidad de que X sea menor o igual que 75 es 0,58 y la
de que X sea mayor que 80 es 0,04. Hallar la media y la
desviacin tpica de X . (Tamao muestral n = 100).

Tema: Estimacin Estadstica de la Media

El intervalo de confianza, para la media de una poblacin, con un
nivel de confianza de 1 , siendo X la media de una muestra de
tamao n y la desviacin tpica de la poblacin, es:

El er r o r m x im o de est im a c i n es:

Cuanto mayor sea el tamao de la muestra, n, menor es el error.

Cuanto mayor sea el nivel de confianza, 1-, mayor es el error.
Tamao de la muestra

Si aumentamos el nivel de confianza, aumenta el tamao de la

muestra.
Si disminuimos el error, tenemos que aumentar el tamao de la
muestra.
Ejemplo:
El tiempo que tardan las cajeras de un supermercado en cobrar a los
clientes sigue una ley normal con media desconocida y desviacin
tpica 0,5 minutos. Para una muestra aleatoria de 25 clientes se
obtuvo un tiempo medio de 5,2 minutos.
1.Calcula el intervalo de confianza al nivel del 95% para el tiempo
medio que se tarda en cobrar a los clientes.

2.Indica el tamao muestral necesario para estimar dicho tiempo

medio con un el error de 0,5 minutos y un nivel de confianza del
95%.
n4
Ejercicios propuestos
1. En una encuesta se pregunta a 10.000 personas cuntos libros
lee al ao, obtenindose una media de 5 libros. Se sabe que la
poblacin tiene una distribucin normal con desviacin tpica 2.
a) Halla un intervalo de confianza al 80 % para la media
poblacional.
b) Para garantizar un error de estimacin de la media
poblacional no superior a 0,25 con un nivel de confianza del 95
%, a cuntas personas como mnimo sera necesario
entrevistar?
2. Se supone que la recaudacin diaria de los comercios de un
barrio determinado es una variable aleatoria que se puede
aproximar por una distribucin normal de desviacin tpica 328
euros. Se ha extrado una muestra de 100 comercios de dicho
barrio, obtenindose que la recaudacin diaria media asciende
a 1248 euros. Calcula:

a) El intervalo de confianza para la recaudacin media con un

nivel de confianza del 99 %.
b) El tamao muestral mnimo necesario para conseguir, con un
nivel de confianza del 95 %, un error en la estimacin de la
recaudacin diaria media menor de 127 euros.
3. Se quiere conocer la permanencia media de los pacientes de un
hospital, con el fin de estudiar una posible ampliacin del
mismo. Se tienen datos referidos a las estancias, expresada en
das, de 800 pacientes, obtenindose los siguientes resultados:
x = 8,1 das; s = 9 das. Se pide obtener un intervalo de
confianza del 95 % para la estancia media.
4. Una muestra aleatoria simple de 25 estudiantes responde a un
test de inteligencia, obteniendo una media de 100 puntos. Se
sabe por experiencia que la variable inteligencia de todos los
estudiantes es normal con una desviacin tpica igual a 10,
pero se desconoce la media. Entre qu lmites se hallar la
verdadera inteligencia media de todos los estudiantes, con un
nivel de confianza de 0,99?
5. Una muestra aleatoria de tamao 100, extrada de una
poblacin normal de varianza 81, presenta una media muestral
igual a 150.
i)Calcular un intervalo de confianza del 90 % para la media
poblacional.
ii) Calcular un intervalo de confianza del 95 % para la media
poblacional y compararlo con el anterior.
iii) Si se quiere tener una confianza del 95 % de que su
estimacin se encuentra a una distancia mxima de 1,2 de la
verdadera media poblacional, cuntas observaciones
adicionales deben tomarse?

Tema: Estimacin Estadstica de la Proporcin

Si en una poblacin, una determinada caracterstica se presenta en
una proporcin p, la proporcin p, de individuos con dicha
caracterstica en las muestras de tamao n, se distribuirn segn:

Intervalo de confianza para una proporcin

El error mximo de estimacin es:

Ejemplos
En una fbrica de componentes electrnicos, la proporcin de
componentes finales defectuosos era del 20%. Tras una serie de
operaciones e inversiones destinadas a mejorar el rendimiento se
analiz una muestra aleatoria de 500 componentes, encontrndose
que 90 de ellos eran defectuosos. Qu nivel de confianza debe
adoptarse para aceptar que el rendimiento no ha sufrido variaciones?
p = 0.2

q = 1 - p =0.8

p'= 90/ 500 = 0.18

E = 0.2 - 0.18 = 0.02

P (z / 2 > 1 .1 2 ) = 1 P (z / 2 1 .12 ) = 1 0 .8 6 86 = 0 .13 1 4

0 .8 6 86 - 0 .1 3 14 = 0 .7 37
N ivel de co nf ia nz a : 73.72%

Ejercicios propuestos
1) El 60% de una poblacin de 20 000 habitantes tiene los ojos
oscuros. Si elegimos al azar 50 personas de esa poblacin, cul
es la probabilidad de que haya menos de 30 personas con los
ojos oscuros?
2) Un examen de 100 preguntas admite como respuesta en cada
una de ellas dos posibilidades, verdadero o falso. Si un alumno
contesta al azar, calcula la probabilidad de que acierte ms de
60 respuestas.
3) El 7% de los pantalones de una determinada marca salen con
algn defecto. Se empaquetan en caja de 80 para distribuirlos

por diferentes tiendas. Cul es la probabilidad de que en una

caja haya ms de 10 pantalones defectuosos?
4) En una urna hay 3 bolas rojas, 2 blancas y 5 verdes. Sacamos
una bola, anotamos su color y la devolvemos a la urna. Si
repetimos la experiencia 50 veces, cul es la probabilidad de
sacar roja en ms de 20 ocasiones?
5) En una moneda defectuosa, la probabilidad de obtener cara es
de 0,586. Si hacemos tandas de 40 lanzamientos:
a) Cmo se distribuye la proporcin de caras en esas tandas?
b) Cul es la probabilidad de que la proporcin de caras en una
tanda sea mayor de 0,6?

Tema: Prueba de Hiptesis para la Media