ESTADSTICA Y PROBABILIDADES I

UNIVERSIDAD TECNOLGICA DEL PER

Vicerrectorado de Investigacin

ESTADSTICA Y
PROBABILIDADES I
TINS Bsicos
INGENIERA INDUSTRIAL, INGENIERA DE SISTEMAS,
INGENIERA ELECTRNICA, INGENIERA MECATRNICA,
INGENIERA TEXTIL, INGENIERA DE TELECOMUNICACIONES

TEXTOS DE INSTRUCCIN BSICOS (TINS) / UTP

Lima - Per

ESTADSTICA Y PROBABILIDADES II

ESTADSTICA Y PROBABILIDADES I
Desarrollo y Edicin

: Vicerrectorado de Investigacin

Elaboracin del TINS

: Mg. Heiner Lpez Prncipe

Diseo y Diagramacin

: Julia Saldaa Balandra

Soporte acadmico

: Instituto de Investigacin

Produccin

: Imprenta Grupo IDAT

Queda prohibida cualquier forma de reproduccin, venta, comunicacin pblica y

transformacin de esta obra.

ESTADSTICA Y PROBABILIDADES I

Presentacin
El indeterministico, en el presente siglo va ganando mrgenes importantes, en los
certmenes donde se exponen trabajos relacionados con la mecnica celestial
Universo y con la mecnica de las partculas. De modo que la teora de
probabilidades, en extensin, se va haciendo cada da ms til en el planteamiento y
en la solucin de problemas, en las diferentes reas de actividad del hombre: en la
economa, en el comportamiento social, en la esfera poltica, en general en toda
actividad del hombre.
Trabajos que tienen como antecedente las observaciones de Ricard de Fourmivel
(1200-1250), contenido en su poema De vetula, donde expresa si se lanza tres
dados se puede llegar a identificar 216 combinaciones. Doscientos aos despus Luca
Paciola (1445-1517) propone un problema, conocido luego como problema, del
reparto de apuestas, relacionado con la distribucin de ganancias entre jugadores
cuando el juego se interrumpe antes de finalizar.
Ms adelante Girolamo Cardano (1501-1576), en su obra el Libro de los Juegos de
Azar, escrito en 1565 y sin embargo publicado en 1663, se ocupa tambin del
problema de reparto de apuestas. Indica que la solucin de Pacioli era incorrecta
porque al considerar tan slo el nmero de juegos generados por cada equipo, no
contaba cuntos juegos deban ganar para hacerse con el premio. El problema que se
comenta tambin fue tratado por Niccolo Tartaglia (1499-1557), quien observaba que
la solucin elaborada por Paccioli tena restricciones y propuso una solucin ms
general.
No se puede cerrar estos aos de la teocracia sin dedicar algunas lneas al trabajo de
un coloso de la humanidad: Galileo Galilei (1564-1642), famoso por sus trabajos de
Fsica, Astronoma e Ingeniera; primer sistematizador de la metodologa experimental
en la investigacin cientfica, quien dedic una parte de su tiempo a resolver
problemas sobre dados, contenidos en su libro sobre la puntuacin en tiradas de
dados. No obstante su mayor contribucin fue la creacin de la teora de errores:
errores sistemticos y errores aleatorios.
Liberado de las ataduras de la escolstica que fren, para desgracia de la humanidad
trabajos de gran envergadura, no slo en el campo de la incerteza, por considerarlos
impos, recin en el siglo XVII, con los trabajos de Pascal (1623-1662) y Fermat (16011665) empieza a establecerse los principios y mtodos de clculo de la incerteza.
Ms tarde el espritu humano se ve engrandecido con la contribucin de Huyghens
(1629-1675), quien acopiando diversos trabajos elaborados hasta su poca, reuni
problemas diversos en un tratado, al que llam De Rotiociniis in ludo aleae.
Posteriormente siguieron trabajando para la gloria de la humanidad, en Holanda
Huddes y Witt (1625-1672); Halley (1656-1742) en Inglaterra; aplicaron los clculos a
las probabilidades de la vida humana; Bernoulli (1654-1705) a su vez propuso a los
gemetras de su poca diversos problemas de probabilidades; entre ellos a Moivre.
Unos aos despus, entre 1700 y 1706 Montmort (1678-1719) y Moivre (1667-1754)
publican obras sobre el clculo de probabilidades.
La obra de Montmort con el ttulo Essai sur les Jeux de hasard y el trabajo de Moivre

ESTADSTICA Y PROBABILIDADES II

aparecieron en Transactions Philosophiques de 1711; obra que fue sometido por l a

sucesivas correcciones, mientras intensificaba su trabajo de las series recurrentes que
luego us Lagrange para la integracin de las ecuaciones lineales de diferencias con
coeficientes constantes; procedimiento que muy poco antes haba sido trabajo por
Taylor.
Ms adelante, Bayes (1702-1761) bebiendo en la cantera de trabajos realizados por
varios sabios que le antecedieron, estudi el problema de las causas y de los
acontecimientos futuros, inferida de los acontecimientos sucedidos. Trabajos
publicados despus de su muerte en Transactions Philosophiques de 1763. As
mismo, dos aos despus de su muerte, en 1763 se publica Essay Towards Solving a
Problem in the Doctrine of Chances, donde se enuncia el teorema que lleva su
nombre.
Contina el avance de esta teora con las contribuciones de Lagrange, con su obra
publicada en Mmoires de Turin sobre las probabilidades de los trminos medios,
basado en la ley de los errores de las observaciones. En esta avanzada continuaron
Legendre (1752-1833) y Gauss que concibieron la idea de sumar los cuadrados de los
primeros miembros de las ecuaciones de condicin y de convertir dicha suma en un
minimun.
Gauss (1777-1855), considerado el prncipe de las matemticas y el matemtico
ms grande desde la antigedad, en 1823 publica Theoria combinations
observationum erroribus minimis obnoxiae, dedicado a la distribucin normal, cuya
curva caracterstica (campana de Gauss) es muy usada en disciplinas donde los datos
podran estar afectados por errores sistemticos y casuales.
Por ese tiempo, Pierre Simon Laplace un matemtico francs que a los 24 aos se le
llam el Newton de Francia, por la calidad de sus trabajos en la Mecnica
Celestial, expuso en su gran obra Traite du Mecanique Celeste sus estudios acerca
del sistema solar; contribuyendo a extender el modelo de Newton y sin embargo
anotando que el sistema solar era estable y que Dios era hiptesis innecesaria.
Un sabio de tal brillantez, no slo trabaj en fsica astronmica, sino tambin como
pensador present su Hiptesis Nobular, antecedido por Inmanuel Kant quien en
1755 presenta su obra Allgemeine Naturgeschichte. Trabaj, as mismo, en la teora
de probabilidades, planteando diversos problemas al azar, siendo uno de ellos el
mtodo de los mnimos cuadrados, presentando en 1812, en su Theorie Analitique
des Probabilits donde supera las restricciones que Lagrange haba considerado en
sus Memories de Turin.
Otra gran contribucin, a la teora de errores fu la de Simeon Poisson (1781-1840)
quien plante la pregunta: es cierto que la media aritmtica es siempre mejor que una
nica observacin?. Altamente conocido por la distribucin que lleva su nombre,
comprobado posteriormente por A. Cauchy (1789-1857).
Se suman a estos brillantes cientficos, que trabajaron en la teora de errores P
Chebyshev con su Mtodo de los Momentos (1821-1894) y A. Markov (1856-1922),
conocido por su trabajo denominado: cadenas de Markov; discpulo de Chebyshev
quien mejor uno de los teoremas de su profesor, que ms tarde fuera motivo de
comprobacin de A. Liaponuv (1857-1918) y de extensin en su generalizacin por
Lindeberg (0000 0000), William Feller (0000 0000) y S. Bernshtein (0000 0000)
Por esa misma poca A. Khinchine (1894-1959) y Paul Levy (1886-1971) considerando

ESTADSTICA Y PROBABILIDADES I

la sucesin de variables aleatorias, motivo de inters de estos cientficos, encontraron

las condiciones necesarias y suficientes para la convergencia de la distribucin de
variables.
Avanzando en el tiempo de ascenso del hombre, en el siglo pasado se destaca la
presencia de Frank P. Ramsey ( ) con su obra Los fundamentos de la Matemtica;
publicado en 1931 en el campo de la interpretacin subjetiva de la probabilidad,
considerada ms amplia que la probabilidad de las frecuencias, conocida como
frecuentista u objetiva. En el siglo pasado no se puede dejar de mencionar los trabajos
de mile Borel (1871-1956) en torno a la teora general de las medidas para la
sustentacin amplia de los fundamentos de la teora de las probabilidades. Sustento
que N. Kolmogorov (1903-1987) continu al proponer la axiomatizacin de la teora
de las probabilidades.
En el marco de esta breve consideracin de evolucin de la probabilstica y la
estadstica se pretende, dentro de las restricciones propias de la formacin profesional,
componer el Curso de Estadstica y Probabilidades I, para alumnos del IV ciclo de la
Carrera de Ingeniera de Sistemas, que con esfuerzo singular el profesor Mg. Heiner
Lpez, de gran ejecutoria acadmica-profesional, quien trabajando con denuedo
acadmico ha logrado elaborar un texto didctico para el aprendizaje de la teora de
probabilidades y la estadstica.
En este efecto la composicin mencionada del presente trabajo se desplaza segn la
siguiente secuencia:
Captulo I. ESTADSTICA DESCRIPTIVA. El aprendizaje se inicia con el clculo de los
diferentes estadsticos mas usuales; media, mediana, moda, varianza, coeficiente de
variacin, etc, determinado sus valores ser necesario interpretarlos segn sus
propiedades y definiciones. Se presenta tambin las graficas histogramas, polgonos de
frecuencia, ojivas, diagrama circular, de los diferentes tipos de datos cualitativos o
cuantitativos. Las propiedades de la media y varianza en soluciones de problemas son
usuales. Se termina con el estudio con los percentiles deciles, cuartiles, adems
medidas de asimetra y curtosis.
Captulo II. PROBABILIDAD. Es la base fundamental del curso ya que es el soporte
matemtico para la inferencia estadstica. Se basa fundamentalmente en experimentos
aleatorios en los cuales se calcula las probabilidades sobre eventos aparecen teoremas
importantes en probabilidad muy usuales en la solucin de problemas. Desarrollamos
la probabilidad condicional que tiene trascendencia en los procesos estocsticos, as
mismo tratamos la probabilidad de independencia y dependencia de eventos que
tienen gran aplicabilidad en ingeniera, para terminar con el teorema de la
probabilidad total y teorema de Bayes de gran significacin, ya que origina la teora
Bayesiana.
Captulo III. VARIABLE ALEATORIA. Es una funcin especial definida sobre un
espacio muestral el cual puede ser discreto o continuo segn sea el experimento
aleatorio a tratar, generando funciones que pueden ser discretas (funciones de
probabilidad) las cuales cumplen con propiedades establecida dentro del modelo
probabilstico. Se le puede calcular su media (), Varianza (2) y la esperanza
matemtica E(X) de la variable aleatoria X, las cuales tienen propiedades que se usan
en la solucin de problemas diversos. Seguidamente desarrollamos las funciones de

ESTADSTICA Y PROBABILIDADES II

densidad de probabilidad uniforme y exponencial ambas muy usuales en aplicaciones

tericas como prcticas.
Captulo IV. DISTRIBUCIONES DISCRETAS Y CONTINUAS. Las distribuciones
generadas por variables aleatorias, pueden ser discretas como: Bernoulli, Binomial,
Poisson, etc. continuas como la Normal, t de Student, etc. cada una de estas
distribuciones tienen su media () y varianza (2), las cuales son de utilidad en
inferencia estadstica.
Las distribuciones mencionadas son modelos que con frecuencia se presentan en las
diferentes especialidades, teniendo aplicaciones muy diversas. Por ejemplo la
distribucin binomial, muy usual en control de calidad, en encuestas de opinin, etc.
la distribucin de Poisson, estudia por ejemplo los fenmenos de llegada la teora de
colas, etc. La distribucin normal la mas importante y usual en estadstica, por su
simetra en experimentos aun cuando las mediciones sean con errores de
aproximacin. Bajo condiciones determinadas podemos aproximar la binomial y
Poisson con la Normal.
Captulo V. DISTRIBUCIONES MUESTRALES. El captulo anterior se ocup de
distribuciones especficas, muy usuales en teora de confiabilidad control de calidad y
muestreo de aceptacin. Nos concentramos en el muestreo de distribuciones o
poblaciones y se estudian los valores de los estadsticos mas importantes como son la
media muestral y varianza muestral que resultan de la extraccin de una muestra
aleatoria de una poblacin pueda tener cualquier distribucin, pero sin embargo la
distribucin de la media muestral puede seguir una normal o aproximadamente una
normal tal afirmacin lo sostiene el teorema del Lmite Central (TLC) de gran
aplicabilidad en la estadstica inferencial.
Captulo VI. ESTIMACIN. Hemos sealado la importancia de las propiedades de la
media y varianza muestral, el propsito de nuestro estudio es crear un fundamento
para sacar conclusiones acerca de los parmetros poblacionales a partir de los datos
experimentales. Por ejemplo, el Teorema Central de Lmite (TLC) nos proporciona
informacin acerca de la distribucin de la media muestral X ; la distribucin
comprende la media poblacional . Entonces cualquier conclusin referente a , que
se obtenga de un promedio muestral observado, depende del conocimento de la
distribucin muestral. La estimacin de los parmetros poblacionales (, 2, p) pueden,
ser puntuales o por intervalos. Los estimadores usuales son la media, varianza y
proporcin ( x , S2, p ) muestrales; siendo isesgados eficientes, consistentes y
asintticos. Nos centramos en la estimacin para la media mediante intervalos
usando las distribuciones, normal y t de Student.
Al cerrar esta presentacin debemos reconocer el esfuerzo y trabajo del profesor
Heiner Lpez Prncipe a quien la Institucin agradece por su excelente contribucin.

Lucio H. Huamn Ureta

Vicerrectorado de Investigacin

ESTADSTICA Y PROBABILIDADES I

El presente material de lectura contiene una compilacin de

artculos, de breves extractos de obras de Estadstica y
probabilidades I publicadas lcitamente, acompaadas de
resmenes de los temas a cargo del profesor; constituye un
material auxiliar de enseanza para ser empleado en el
desarrollo de las clases en nuestra institucin.
ste material es de uso exclusivo de los alumnos y docentes de
la Universidad Tecnolgica del Per, preparado para fines
didcticos en aplicacin del Artculo 41 inc. C y el Art. 43 inc.
A., del Decreto Legislativo 822, Ley sobre Derechos de Autor.

ESTADSTICA Y PROBABILIDADES II

NDICE
CAPTULO I. Estadstica Descriptiva .................................................
Semana 1
Introduccin.......................................................................................
Algunas definiciones y trminos importantes en estadstica ................
Definicin de estadgrafos ..................................................................
Etapas que cubre la estadstica............................................................
Semana 2
Calculo de los estadgrafos ms importantes.......................................
Ejercicios de aplicacin casos I, II y III................................................
Mtodos de clasificacin de datos por intervalos................................

13
13
14
17
18
21
26

Semana 3
Estadsticos de tendencia central.........................................................
Tipos de grficas.................................................................................
Propiedades de la media y varianza ...................................................
Propiedades adicionales de la media..................................................
Ejercicios de aplicacin ......................................................................

31
32
36
36
38

Semana 4
Percentiles, deciles y cuartiles ............................................................
Medidas de asimetra y curtosis ..........................................................
Ejercicios propuestos de recapitulacin (tarea)....................................

44
49
52

CAPTULO II. Probabilidades ............................................................

Semana 5
Introduccin.......................................................................................
Algunas definiciones importantes en probabilidad .............................
lgebra de eventos.............................................................................
Ejercicios de aplicacin ......................................................................

67
68
69
70

Semana 6
Probabilidad de un evento .................................................................
Algunos teoremas importantes en probabilidad ..................................
Ejercicios de aplicacin ......................................................................

77
78
79

67

ESTADSTICA Y PROBABILIDADES I

Semana 7
Probabilidad condicional....................................................................
Ejercicios de aplicacin ......................................................................
Probabilidad de la multiplicacin de eventos .....................................
Ejercicios de aplicacin ......................................................................

89
90
95
96

Semana 8
Probabilidad de independencia de eventos ........................................
Ejercicios de aplicacin ......................................................................
Teorema de la probabilidad total y teorema de Bayes.........................
Ejercicios de aplicacin ......................................................................
Ejercicios propuestos de recapitulacin (tarea)....................................

101
105
103
105
108

Semana 9
Repaso y solucin de los ejercicios propuestos de recapitulacin
Semana 10. EXAMEN PARCIAL
CAPTULO III. Variable Aleatoria .....................................................
Semana 11
Secuencia natural de problemas en variable aleatoria.........................
Propiedades de la variable aleatoria discreta y continua .....................
Variable aleatoria discreta ..................................................................
Ejercicios de aplicacin ......................................................................
Esperanza matemtica en variable aleatoria discreta...........................
Ejercicios de aplicacin ......................................................................
Semana 12
Variable aleatoria contina.................................................................
Funcin de densidad de probabilidad uniforme .................................
Funcin de densidad de probabilidad exponencial.............................
Ejercicios de aplicacin
Ejercicios propuestos de recapitulacin (tarea)....................................
CAPTULO IV. Distribuciones de probabilidad discreta y continua ..
Semana 13
Distribuciones de probabilidad discreta..............................................
Distribucin binomial.........................................................................
Ejercicios de aplicacin ......................................................................
Distribucin de Poisson......................................................................
Ejercicios de aplicacin ......................................................................

125
125
127
128
128
128
138
141
144
146
149
167
167
167
169
174
175

ESTADSTICA Y PROBABILIDADES II

Teorema de aproximacin de las distribuciones binomial y Poisson...

180

Semana 14
Distribucin Normal...........................................................................
Lectura de tabla ..................................................................................
Ejercicios de aplicacin ......................................................................

183
186
186

Semana 15
Errores de aproximacin en mediciones usando distribucin normal .
Ejercicios de aplicaciones...................................................................
Aproximacin de la distribucin Normal a la binomial ......................
Ejercicios de aplicacin ......................................................................
Distribucin de Weibull .....................................................................
Ejercicios de aplicacin ......................................................................
Ejercicios propuestos de recapitulacin (tarea)....................................

193
193
197
198
202
204
205

CAPTULO V. Distribuciones mustrales...........................................

Semana 16
Distribuciones mustrales...................................................................
Teorema del lmite central (TLC).........................................................
Ejercicios de aplicacin ......................................................................
Estimacin..........................................................................................

223
223
225
226
229

CAPTULO VI. Estimacin .................................................................

Semana 17
Mtodos clsicos de estimacin .........................................................
Estimacin puntual .............................................................................
Cualidades de un buen estimador ......................................................
Estimacin por Intervalo .....................................................................
Intervalo de confianza para la media con varianza conocida..............

231
231
232
234
236

Semana 18
Intervalo de confianza para la media con varianza no conocida.........
Ejercicios de aplicacin ......................................................................
Ejercicios propuestos de recapitulacin (tarea)....................................

243
245
249

Semana 19. EXAMEN FINAL

TABLAS ESTADSTICAS
TABLA 1.- Distribucin Normal Estndar...........................................
TABLA 2.- Distribucin t de Student ...................................................
Bibliografa ........................................................................................

257
259
261

10

231

ESTADSTICA Y PROBABILIDADES I

DISTRIBUCIN TEMTICA
Clase
N

Tema

Horas

Conceptos y definiciones fundamentales de la

estadstica. Poblacin, muestra, variable, etc. Tipos de
muestra, (no probabilstica y probabilstica, extraccin
de una muestra aleatoria)

03

Estadsticos de posicin y dispersin para datos

clasificar. Clculo y propiedades.

03

sin

Estadsticos de posicin y dispersin para datos

clasificados por intervalos de clase. Mtodo de
clasificacin tablas de distribucin, sus elementos.
Clculo de los estadsticos de posicin y dispersin.
Propiedades de los estadsticos de posicin y dispersin
media y varianza. Grficas: Histograma, Polgono de
frecuencia, Ojivas, etc. Diagrama circular.

03

03

Percentiles para datos clasificados y sin clasificar.

Asimetra y Curtosis.

03

Probabilidad: lgebra de eventos, axiomas y teoremas

importantes
sobre
probabilidades.
Probabilidad
condicional. Aplicacin.

03

Probabilidad de un producto de evento y probabilidad

de independencia de eventos.

03

Probabilidad total y teorema de Bayes. Aplicaciones.

03

Revisin y nivelacin

03

10
11

EXAMEN

PARCIAL

Variable aleatoria continua y discreta. Variable aleatoria

discreta. Funcin de cuanta. Propiedades, media
varianza. Aplicaciones.

11

02
03

ESTADSTICA Y PROBABILIDADES II

Clase
N

Tema

Horas

12

Variable aleatoria contina. Funcin de densidad,

propiedades, media y varianza. Aplicaciones.

03

13

Distribuciones
discretas
binomial y Poisson.

03

14

Distribuciones continuas importantes: Uniforme y

exponencial. Normal propiedades, uso de tablas.
Aplicaciones.

03

15

Distribucin Normal aproximacin a la binomial.

Distribucin de Weibull. Aplicaciones.

03

16

17

18

importantes:

Bernoulli,

Distribuciones muestrales: distribucin muestral de

medias. Muestreo aleatorio: Muestreo aleatorio simple.
Teorema del Lmite central. Palicaciones.
Estimacin. Estimador insesgado y de mnima varianza.
Estimacin por intervalos para la media poblacional con
varianza conocida.
Intervalo de confianza para la media con varianza no
conocida.
Repaso - Revisin

03

03

03

19

EXAMEN FINAL

02

20

EXAMEN SUSTITUTORIO

02

12