Apuntes de Matematicas

Ing Jorge Hernndez Snchez
Tratamiento de datos y
azar
Cuarto Semestre
Ing. Jorge Hernndez Snchez
Colegio de Educacin Profesional Tcnica

del Estado de Mxico
Tratamiento de datos y azar
PROGRAMA Tratamiento de datos de azar.
UNIDAD I CLCULO DE DERIVADAS DE FUNCIONES.
1.1 Calcula lmites de funciones utilizando las leyes de los mismos y
mtodos algebraicos para su obtencin.
A. Interpretacin de lmites de funciones
Notacin intuitiva de lmite y lmites laterales
- Cuando tiende a un nmero por a derecha.
- Cuando tiende a un nmero por la izquierda.
Teorema de los lmites
B. Clculo de lmites de funciones.
Suma de lmites, una diferencia, de una constante, una constante multiplicada
por una funcin, de un producto, de un cociente, de una potencia y de un radical.
1.2 Interpreta geomtricamente la derivada de una funcin aplicando
reglas y frmulas para su obtencin.
1.2 Interpreta geomtricamente la derivada de una funcin aplicando reglas y
frmulas para su obtencin.
A. interpretacin de la derivada.
La recta secante a una curva
La pendiente de la recta tangente a una curva
Relacin entre los incrementos de la funcin y la variable independiente.
B. Clculo de derivadas por frmulas.
Definicin de la derivada
Reglas para la determinacin de derivada de funciones algebraicas: Funcin
constante, de las potencias, suma de funciones, producto de funciones, cociente
de funciones y Regla de la cadena
UNIDAD II INTERPRETACIN DE INFORMACIN.
2.1 Agrupa conjunto de datos numricos a partir de la distribucin de
frecuencias para su interpretacin
A. Descripcin de la estadstica descriptiva
Naturaleza de la Estadstica.
Etapas de la investigacin estadstica, poblacin, muestra, tamao de la
muestra, muestreo aleatorio, datos, variable estadstica, experimento y
parmetros de decisin,
Distribucin de frecuencias con datos no agrupados.
Frecuencia absoluta, frecuencia relativa, frecuencia absoluta acumulada y
frecuencia relativa acumulada.
Distribucin de frecuencias con datos agrupados
Marcas de clase o punto medio y lmites reales o fronteras reales.
B. Construccin de grficas.
Grfica circular, Diagrama de barras, Histograma, Polgono de frecuencias,
Ojivas y Grfica de tallo y hojas.
2.2 Calcula las medidas de tendencia central y l dispersin de un
conjunto de datos, para establecer los valores representativos y de
variacin en una poblacin.
A. Determinacin de las medidas de la tendencia central.
Media aritmtica.
Mediana.
- Datos no agrupados y datos agrupados
Moda.
Cuartiles.
Deciles.
Percentiles.
B. Anlisis de las medidas de variacin y asimetra.
Amplitud o rango.
Desviacin media.
Variancia o varianza.

del Estado de Mxico
Aplicacin de la desviacin
Medidas de asimetra.
A. Determinacin de la probabilidad.
Elementos bsicos de probabilidad.
Algebra de eventos.
Clculo de probabilidades
Axiomas de probabilidad.
Eventos mutuamente excluyentes.
Eventos independientes
Tcnicas de conteo.
- Principio fundamental del conteo, Diagrama de rbol, Permutaciones y
Combinaciones.
B. Anlisis de la probabilidad condicional.
Teorema de la multiplicacin para probabilidad condicional.
Eventos dependientes.
Teorema de la probabilidad total.
Eventos independientes
Teorema de Bayes
3.2 Determina el comportamiento, propiedades y caractersticas de los
resultados de la variable aleatoria conforme su funcin de densidad.
A. Anlisis de las medidas de una distribucin.
Variables aleatorias. Discretas y Continuas
Distribucin de probabilidad para variables aleatorias discretas.
Esperanza matemtica.
Varianza.
Desviacin estndar
B. Anlisis de modelos probabilsticas especiales.
Modelo de Bernoulli, Distribucin Binomial, Distribucin de Poisson, Distribucin
de probabilidad uniforme y continua, Distribucin normal y Aproximacin de la
Distribucin Binomial a la Normal
UNIDAD IV DETERMINACIN DE PARMETROA DE UNA POBLACIN
4.1 Calcula la estimacin puntual y por intervalos para determinar la
confiabilidad y exactitud de los resultados de las constantes tpicas que
la caracterizan.
A. Muestreo de una poblacin
Tipos de muestreos.
Procedimientos de muestreo.
Parmetros poblacionales y estimadores.
Estimacin puntual y por intervalos.
Teorema del lmite central.
B. Determinacin de intervalos de confianza para la media poblacional.
Con muestras grandes.
Con muestras pequeas.
Para la diferencia de dos medias poblacionales.
Para la Varianza y el cociente de dos Varianzas.
4.2 Prueba una aseveracin acerca de una propiedad de la poblacin de
acuerdo con la muestra aleatoria de la misma.
A. Aplicacin de pruebas de hiptesis.
Pasos para hacer una prueba de Hiptesis.
Errores de tipo I y II.
Prueba de Hiptesis Unilateral.
Prueba de Hiptesis Bilateral.
Prueba de Hiptesis para muestras grandes y pequeas.
Prueba de Hiptesis para la comparacin de dos medias poblacionales.
Prueba de Hiptesis para observaciones por pares.
B. Anlisis de correlacin y regresin
Representacin de datos de dos variables.
Tabla de contingencias.
Correlacin lineal. (Diagrama de dispersin, anlisis de correlacin y Coeficiente de
correlacin.

del Estado de Mxico
Regresin lineal.
Mtodo de mnimos cuadrados.

del Estado de Mxico
REGLAS DEL CURSO
Debers tener el 80% de asistencia para ser evaluado.
Debers estar atento al pasar lista, si no contestas cuando se te nombre tienes

falla.
El no asistir no es pretexto para no cumplir, si faltas debers preguntar que se vio en
clase y cual fue la actividad realizada y la evidencia a presentar.
Se revisar el cuaderno sin previo aviso, as que debers tenerlo siempre el corriente.
En el cuaderno se integra el portafolio de evidencia del trabajo realizado, si lo pierdes,
tambin pierdes la evidencia contenida hasta ese momento en el mismo.
Toda evidencia de aprendizaje como cuadernos, tareas, investigaciones, trabajos, etc.,
debern estar completos, con buena presentacin, asentando nombre, grupo y matrcula,
adems de entregarse en las fechas establecidas, de lo contrario no se registraran en la
base de datos.
Los trabajos anteriores debern integrarse en el cuaderno de la materia.
Si se te sorprende haciendo tareas de otra materia o con objetos que no son de la clase
(como maquillaje, radios, celulares, etc) se te recogern y sern devueltos en Orientacin
Educativa.
La tolerancia para entrar al saln con asistencia es de 10 minutos empezando la hora de
clase, despus de este tiempo, puedes pasar teniendo la falta correspondiente.
Se debe conservar el mobiliario, instalaciones y equipo, si lo deterioras debers repararlo.
Debes conservar el orden y la alineacin de las sillas en clase, si las mueves por
cualquier motivo, las ordenaras al finalizar la actividad.
No debes comer en clase, para ello se tienen lugares destinados para tal fin.
El padre de familia es un elemento valioso dentro del proceso enseanza

aprendizaje, teniendo varias responsabilidades, entre ellas el compromiso de vigilar el buen
desempeo de su hijo (a) en el transcurso del semestre, y dar seguimiento a su desarrollo,
firmando de enterado en la evaluacin obtenida en las listas de cotejo que se encuentran en
el cuaderno de su hijo (a), para su registro en la base de datos va Internet de la institucin y
la bitcora de clase correspondiente.
Firma del alumno Firma del padre o tutor Firma del

profesor
Fecha de _______________________de 2010.

del Estado de Mxico
UNIDAD I CLCULO DE DERIVADAS DE FUNCIONES.
1.1 Calcula lmites de funciones utilizando las leyes de los
mismos y mtodos algebraicos para su obtencin.
A. Interpretacin de lmites de funciones
Notacin intuitiva de lmite y lmites laterales
- Cuando tiende a un nmero por a derecha.
- Cuando tiende a un nmero por la izquierda.
Teorema de los lmites
Interpretacin de Lmite.
El lmite de una funcin est ntimamente unido a su representacin grfica y a la
interpretacin de la misma debido a que lo que nos indica es el comportamiento o
tendencia de la grfica.
Las primeras definiciones de lmite aparecen en la obra de Jonh Wallis (1616-
1703) y en ella se utiliza por primera vez el smbolo infinito. Con posterioridad
Jean Le Rond D'Alembert perfeccion la definicin de lmite. Fue Ausgustin
Cauchy (1789-1857) quien dio la definicin de lmite que utilizamos hoy en da.
Se dice que una funcin y=f(x) tiene lmite "l" cuando la x tiende a "a" y lo
representamos por:
Cuando para toda sucesin de nmeros reales
que se aproxime a "a" tanto como queramos,
los valores correspondientes de f(x) se
aproximan a "l" tanto como queramos. ("tanto como queramos" es una expresin
que nos indica que la aproximacin ser tanto mayor cuantos ms elementos
tomemos de la sucesin).
Se llama lmite lateral por la izquierda de f(x) cuando x tiende a "a" al valor al que
se aproximan los valores de f(an) cuando los valores de an se aproximan a "a"
tanto como queramos pero mantenindose menores que "a" (sucesin creciente).
Escribimos entonces:
Se llama lmite lateral por la derecha de f(x) cuando x tiende a "a" al valor al que
se aproximan los valores de f(an) cuando los valores de an se aproximan a "a"
tanto como queramos pero mantenindose mayores que "a" (sucesin
decreciente). Escribimos:
Teoremas de los lmites

Sea n un entero positivo, k una constante real y f y g funciones tales que
y existen.
Entonces:
1. El lmite de una constante es la constante
2. Lmite de la funcin identidad
3. Toda constante puede salir del lmite

del Estado de Mxico
4. El lmite de una suma de funciones es la suma de los lmites.
5. El lmite de la diferencia de funciones es la diferencia de los lmites.
6. El lmite de un producto es el producto de los lmites.
7. El lmite de un cociente es el cociente de los lmites.
siempre que
8.
B. Clculo de lmites de funciones.
Suma de lmites, una diferencia, de una constante, una constante
multiplicada por una funcin, de un producto, de un cociente, de una
potencia y de un radical.
1.2 Interpreta geomtricamente la derivada de una funcin
aplicando reglas y frmulas para su obtencin.
1.2 Interpreta geomtricamente la derivada de una funcin aplicando
reglas y frmulas para su obtencin.
A. interpretacin de la derivada.
La recta secante a una curva
La pendiente de la recta tangente a una curva
Relacin entre los incrementos de la funcin y la variable
independiente.
La Derivada.
La derivada representa cmo una funcin cambia a medida que su entrada
cambia. Pobremente hablando, una derivada puede ser vista como cunto est
cambiando el valor de una cantidad en un punto dado; por ejemplo, la derivada de
la posicin de un vehculo con respecto al tiempo es la velocidad instantnea con
la cual el vehculo est viajando.
La derivada de una funcin en un valor de entrada
dado describe la mejor aproximacin lineal de una
funcin cerca del valor de entrada. Para funciones de
valores reales de una sola variable, la derivada en un
punto representa el valor de la pendiente de la recta
tangente en la grfica de la funcin en dicho punto.
La derivada de la funcin en el punto marcado
equivale a la pendiente de la recta tangente (la grfica de la funcin est dibujada
en negro; la tangente a la curva est dibujada en rojo)
Definicin analtica de derivada como un lmite
Esquema que muestra los incrementos de la funcin en x y en y.
En terminologa clsica, diferenciacin manifiesta el coeficiente en que una
cantidad cambia a consecuencia de un cambio en otra cantidad .

del Estado de Mxico
Observando la grfica de
la derecha, el coeficiente
representado en el punto
P de la funcin por el
resultado de la divisin
representada por la
relacin , que como

puede comprobarse en la
grfica, es un valor que
se mantiene constante a
lo largo de la lnea recta
azul que representa la
tangente en el punto P de
la funcin. Esto es fcil
de entender puesto que
el triangulo rectngulo
formado en la grfica con
vrtice en el punto P, por
mucho que lo dibujemos ms grande, al ser una figura proporcional el resultado
de es siempre el mismo.
Esta nocin constituye la aproximacin ms veloz a la derivada, puesto que el
acercamiento a la pendiente de la recta tangente es tanto por la derecha como
por la izquierda de manera simultnea.
En particular, se tiene que la derivada de la funcin en el punto se define como
sigue:
,
Si este lmite existe, de lo contrario, f' no est definida. Esta ltima expresin
coincide con la velocidad instantnea del movimiento continuo uniforme acelerado
en cinemtica.
Notacin
Existen diversas formas para nombrar a la derivada. Si f es una funcin, se
escribe la derivada de la funcin respecto al valor en varios modos:
{Notacin de Lagrange, se lee "efe prima de equis"

o {Notaciones de Cauchy y Jacobi, respectivamente} se lee "
sub de ", y los smbolos D y d deben entenderse como operadores.
{Notacin de Newton } se lee "punto " o " punto". Actualmente est en
desuso en Matemticas puras, sin embargo se sigue usando en reas de la
fsica como la mecnica, donde otras notaciones de la derivada se pueden
confundir con la notacin de velocidad relativa. Se usa para definir la
derivada temporal de una variable.
, {Notacin de Leibniz } se lee "derivada de ( de )

con respecto a ". Esta notacin tiene la ventaja de sugerir a la derivada de
una funcin con respecto a otra como un cociente de diferenciales.

del Estado de Mxico
La notacin ms simple para diferenciacin, en uso actual, es debida a Lagrange.
Para identificar las derivadas de en el punto a, se escribe:
para la primera derivada,
para la segunda derivada,
para la tercera derivada,
para la ensima derivada (n > 3). (Tambin se pueden usar nmeros

romanos).
Cociente de diferencias de Newton
La derivada de una funcin es la pendiente geomtrica de la lnea tangente del
grfico de en . Sin el
concepto que se va a definir, no
es posible encontrar
directamente la pendiente de la
lnea tangente a una funcin
dada, porque solamente se
conoce un punto en la lnea
tangente: . La idea
es aproximar la lnea tangente
con mltiples lneas secantes
que tienen distancias
progresivamente ms
pequeas entre los dos puntos
que cruzan. Cuando se toma el
lmite de las pendientes de las
lneas secantes de esta
progresin, se consigue la
pendiente de la lnea tangente.
Se define, pues, la derivada tomando el lmite de la pendiente de las lneas
secantes, al acercarlas a la lnea tangente.
Para encontrar las pendientes de las lneas secantes prximas, se elige un
nmero relativamente pequeo . representa un cambio relativamente pequeo
en , y puede ser positivo o negativo. La pendiente de la lnea que cruza los dos
puntos y es
.
Inclinacin de la secante de la
curva y=f(x)
Esta expresin es el cociente
de diferencias de Newton. La
derivada de f en x es el lmite
del valor del cociente
diferencial, conforme las lneas
secantes se aproximan a la
lnea tangente:

del Estado de Mxico
.
Si la derivada de existe en todos los puntos , se puede definir la derivada de
como la funcin cuyo valor en cada punto es la derivada de en .
Puesto que sustituir por 0 produce una divisin por cero, calcular directamente
la derivada puede no ser intuitivo. Una tcnica posible consiste en operar en el
numerador, de manera
que se puede cancelar la
del denominador. Y eso
es posible fcilmente en
los polinomios. Pero para
muchas otras funciones
el resultado es incierto.
Afortunadamente, hay
reglas generales que
facilitan diferenciar la
mayora de las funciones
simples.
Sea una funcin continua, y su curva. Sea la abscisa de un punto

regular, es decir donde no hace un ngulo. En el punto de se
puede trazar la tangente a la curva. Su coeficiente director, o sea su pendiente, es
, el nmero derivado de en .
La funcin es la derivada de .
En el punto de contacto,
conociendo la pendiente de la
tangente, es decir , se
puede saber a qu ritmo crece o
decrece la funcin. El signo de
determina en funcin (si

crece o no).
En este grfico se ve que donde

es creciente, las tangentes
apuntan hacia arriba (mirando de
izquierda a derecha), y por lo tanto es positiva, como en el punto D(x=d),
mientras que donde es decreciente, las tangentes apuntan hacia abajo y es
negativa, como en el punto B(x=b). En los puntos y , que son mximo y
mnimo local, la tangente es horizontal, luego .
B. Clculo de derivadas por frmulas.
Definicin de la derivada

del Estado de Mxico
Reglas para la determinacin de derivada de funciones algebraicas:
Funcin constante, de las potencias, suma de funciones, producto de
funciones, cociente de funciones y Regla de la cadena
Calculo de derivadas por diferencia de Newton (4 pasos) y por frmula.
La funcin derivada se puede calcular sin dibujar la curva de f. En efecto, gracias
a una propiedad geomtrica de la tangente, se tiene la frmula:
Por ejemplo, sea

, entonces:
Derivadas de Funciones
Elementales.
UNIDAD II INTERPRETACIN DE INFORMACIN.

2.1 Agrupa conjunto de datos numricos a partir de la distribucin de
frecuencias para su interpretacin
Definicin de Estadstica.
Es el conjunto de tcnicas que se emplean para la recoleccin, organizacin,
anlisis e interpretacin de datos.
Estadstica descriptiva. Comprende tcnicas que se emplean para resumir y
describir los datos numricos. Estos mtodos pueden ser grficos o implicar un
proceso de anlisis.
del Estado de Mxico
Estadstica inferencial. Comprende las tcnicas con las que, con base
nicamente en una muestra sometida a observacin, se toman decisiones sobre
una poblacin o proceso estadstico.
Las caractersticas medidas de una muestra se llaman estadsticas muestrales
y las caractersticas medidas de una poblacin estadstica, o universo, se les
llaman parmetros de la poblacin.
Poblacin. Conjunto completo de individuos, objetos o medidas que tienen
alguna caracterstica comn observable.
Tipos de poblaciones
Tangible.
Conceptual.
Poblacin finita. La que posee un tamao limitado o contable. Por ejemplo: las
personas que estudian en CONALEP.
Poblacin infinita. Es aquella en que tericamente es imposible observar todos
los elementos, es decir no tiene fin, por lo que no es contable.
Muestra. Es un subconjunto de mediciones seleccionadas de la poblacin.
Tamao de la muestra. Esta se determina por la confiabilidad del estudio que se
requiere, o bien por el numero de piezas que se realizan.
Muestreo. Es el proceso de seleccin de objetos, personas o cosas de una
poblacin.
Muestreo aleatorio. Es un tipo de muestreo en el que todos los elementos de la
poblacin de inters o poblacin objetivo, tienen una oportunidad conocida,
usualmente igual, de ser elegidos para la inclusin en la muestra.
Muestreo aleatorio simple. Es la seleccin de elementos en forma individual en
una poblacin objetivo entera con base en el azar. Se puede utilizar una tabla o
un generador de nmeros aleatorios.
Muestra de conveniencia. Incluye las medidas y observaciones a las que se
tiene acceso ms fcilmente, tal y como su nombre lo sugiere.
Muestra ponderada. Es a la que se le da un peso a las observaciones para
equilibrar o desequilibrar a la muestra.
Muestra aleatoria estratificada. Los elementos de la poblacin se clasifican en
grupos o estratos, sobre la base de una o ms caractersticas importantes.
Despus en cada estrato se toma por separado una muestra simple o
sistemtica.
Muestra agrupada. La poblacin se divide en grupos o conglomerados,
seleccionndose una muestra aleatoria de ellos. Suponemos que los grupos son
representativos de la poblacin.
Muestra representativa. La que contiene las caractersticas relevantes de la
poblacin, en la misma proporcin de la que fue extrada sta.
Variable estadstica. Son todos los posibles valores que puede tomar una
poblacin, por ejemplo el nmero de hermanos de cada uno de los integrantes del
grupo.
Dato. Cada uno de los valores, medidas o magnitudes obtenidas.
Tipos de datos.
del Estado de Mxico
Numricos. Son observaciones que se pueden establecer por medio de un
nmero, por ejemplo las edades de los alumnos de un grupo.
Categricos. Son aquellas observaciones que tienen una caracterstica, por
ejemplo las pinturas de autos, donde los datos son colores.
Experimento. Es una accin bien conocida que genera datos o resultados.
Representacin grfica de datos.
Grafica de tallo y hojas.
Es una modalidad relativamente simple de organizacin y representacin de
medidas en un formato de grfica de barras y jerrquicamente ordenado, es un
grfico muy semejante al histograma.
Ejemplo. Realiza el grfico de tallo y hojas de los puntajes obtenidos por 50
estudiantes en un examen.
58 88 65 96 85
74 69 63 88 65
85 91 81 80 90
65 66 81 92 71
82 98 86 100 82
72 94 72 84 73
76 78 78 77 74
83 82 66 76 63
62 62 59 87 97
100 75 84 96 99
Tallo Hojas
5 8 9
6 2 2 3 3 5 5 5 6 6 9
7 1 2 2 3 4 4 5 6 6 7 8 8
8 0 1 1 2 2 2 3 4 4 5 5 6 7 8 8
9 0 1 2 4 6 6 7 8 9
10 0 0
Distribuciones de frecuencias.
Agrupacin de datos. Para que los datos sean tiles, debemos de organizar
nuestras observaciones de manera que podamos observar tendencias y llegar a
conclusiones. Los datos provienen de observaciones reales o documentos que se
conservan para su uso diario.
Frecuencia. Nmero de veces que se repite un dato.
Distribucin de frecuencias. Ordenacin tabular de un conjunto de datos,
agrupados en clases o renglones.
Clase. Nmero de datos que
pertenecen a un intervalo.
Una aproximacin razonable para
determinar el nmero de clases o
renglones, lo proporciona la regla
de Sturges: o= 1 + 3.3 log N
no es el nmero de clases
a calcular
N el nmero de datos
totales
del Estado de Mxico
La amplitud de cada clase se calcula:
A = valor mximo valor mnimo
o
Lmites de clase. Son los valores mnimo y mximo que distinguen a los datos
agrupados en sta.
Intervalos de clase. Los diferentes estratos de agrupacin de la poblacin total,
que tienen una caracterstica determinada por un valor mnimo y un mximo.
Frecuencia relativa (fr). Frecuencia de cada clase dividida entre la frecuencia
total (n).
Frecuencia acumulada.
Frecuencia total o sumatoria de
los valores anteriores a la clase
estudiada.
Ojiva. Representacin grfica de
la frecuencia acumulada contra
las clases o intervalos de 0% a
100%.
El histograma es una
clase f fr fa representacin grfica hecha en un plano
30-39 5 11.11 11.11 cartesiano, que consiste en una serie de
40-49 10 22.22 33.33 rectngulos que se caracterizan por que sus bases
caen en el eje horizontal x, estando referidos a
50-59 20 44.44 77.77
las marcas de clase, y la altura de los rectngulos
60-69 8 17.77 95.54 es igual a las frecuencias de clase en el eje
70-79 2 4.44 100.00 vertical y.
total 45 100 El polgono de frecuencias es la grfica que
resulta de unir por un trazo continuo, a todas las marcas de clase. El histograma y
polgono de frecuencias del ejemplo propuesto anterior esta dado por:
Grfica de pastel o pay. Consiste
en representar los intervalos de
clase regularmente en porcentajes
y presentarlos como porcin del
crculo que representa el 100 de
las observaciones o datos.
2.2 Calcula las medidas de
tendencia central y
dispersin de un conjunto de datos, para establecer los valores
representativos y de variacin en una poblacin.
En una tabla de distribucin de frecuencias hay una zona en donde los valores
son ms altos, es decir, hay magnitudes de las variables que se presentan ms
frecuentemente. As surge el concepto de medidas de tendencia central, que
indican alrededor de qu valor se agrupa el mayor nmero de casos de estudio.
Las mediadas de tendencia central son representativas de toda la poblacin, las
principales son: la media, la mediana y la moda.
Media X.
Se le define como la suma de todos los datos entre el nmero total de ellos, es
decir el valor promedio. Existen diversas formas de calcularla; su utilizacin

del Estado de Mxico
depende del tipo de serie en que se presentan los datos: simple, de frecuencias y
de clases y frecuencias.
a. Serie simple. Cuando los datos son pocos, pueden manejarse en una serie
simple, por ejemplo: el promedio de las calificaciones obtenidas en un semestre
de un estudiante, se puede calcular con la expresin:
x = x1 + x2 + x3 + ... + xn = xi
n n
en donde:
significa suma
x valores de cada caracterstica o variable
n nmero de datos o valores
b. Serie de frecuencias. Cuando el nmero de datos es relativamente grande,
conviene transformar la serie simple en una serie de frecuencias, si los datos
estn muy repetidos, de la manera siguiente:
Variable conteo frecuencia
5 IIIII 5 utilizando la expresin
6 IIIII I 6 x = f x , tenemos:
7 IIIII IIIII 10 n
8 IIIII II 7
9 IIIII 5
x f xf
5 5 25 x = 232 = 7.03
6 6 36 33
7 10 70
8 7 56
9 5 45
33 232
c. Serie de clases y frecuencias. La serie de clases y frecuencias pueden
transformarse en una serie de clases y frecuencias, aplicndose a serie de
nmeros muy dispersos, aunque se corre el riesgo de que el resultado no sea tan
preciso como el de los mtodos anteriores.
Clase f utilizando la expresin:
3-4 5 x = f P M
5-6 11 n
7.8 17
9.10 10 en donde P M = punto medio
11.12 7
50
El punto medio se obtiene sumando los lmites inferior y superior de la clase y
dividiendo el resultado entre dos.
Clase f PM f PM
3-4 5 3.5 17.5
5-6 11 5.5 60.5 x = 381 = 7.62
7.9 17 7.5 127.5 50
9.11 10 9.5 95.0

del Estado de Mxico
11.13 7 11.5 80.5
50 381.0
Clase. Es el conjunto de los nmeros reales que tienen una frontera superior y
una inferior.
Al agrupar variables, se pierde inevitablemente parte de la informacin, las
variables ya no se identifican al estar agrupadas en los intervalos y son
inevitables pequeos errores estadsticos.
Mediana
En el histograma de una distribucin de frecuencias, la mediana es el valor en el
eje horizontal x que corresponde a la vertical que divide al grfico en dos partes
de igual rea. Este valor se escribe como x tildada.
Para datos cuya frecuencia es la unidad, se emplea la siguiente regla para su
clculo: la mediana es valor central, si el nmero de datos es impar, y la media
aritmtica de los dos valores centrales si el nmero de datos es par.
Ejemplo. Encuentra la mediana del siguiente grupo de datos: 3, 3, 7, 11 y 19. La
mediana es 7.
Ejemplo 2. Para el conjunto de datos 3, 3, 7, 11, 19 y 22
Los valores centrales son 7 y 11 y la mediana es (7+ 11) / 2 = 9, la mediana es 9.
Cuando los datos son agrupados en una tabla de frecuencias, la mediana esta
dada por la siguiente expresin:
En donde
Li es el lmite de la clase mediana
N el nmero de datos
(f1) suma de frecuencias de todas las clases
por debajo de la clase mediana
fmediana es la frecuencia de clase mediana
A es el tamao del intervalo
Ejemplo: calcular la mediana de la siguiente
tabla de frecuencias
Clase f solucin
127-135 5 n/2 = 35/2 = 17.5
136-144 9 se busca por inspeccin, donde esta
145-153 12 la frecuencia acumulada 17.5
154-162 5 intervalo 145 153
163-171 4
35
Li = 144.5; (f1)= 5+9= 14; n= 35; fmediana = 12; c= 12
Mediana = 144.5 + 17.5 -14 9 = 147.125

12
Moda o Modo Mo.
Se le define como la medida o valor que se repite con mayor frecuencia. En una
serie simple o de frecuencias, el modo se obtiene observando el valor que
aparece ms veces.
Ejemplo: encuentre la moda de las siguientes series.
Edad 8, 9, 10, 9, 7 moda = Mo = 9

del Estado de Mxico
Ejemplo:
X 5 6 7 8 9
F 2 5 9 6 3 Moda = Mo = 7
Ejemplo: 3, 3, 4, 4, 4, 5, 5, 5, 6
Se tienen dos modas 4 y 5 y se considera una distribucin bimodal.
Cuando los datos se presentan en una serie de clases y frecuencias, se utiliza la
expresin:
Mo = L1 + 1 A,

donde:
L1 es el lmite inferior de la clase modal (donde se encuentra la frecuencia ms
alta)
frecuencia ms alta menos la frecuencia anterior
frecuencia ms alta menos la frecuencia posterior
A tamao del intervalo de la clase modal
Ejemplo: calcule la moda de los siguientes datos:
Clase f L1= 6.5
3 4 5 1 = 6
5 6 11 2 = 7
7 8 17 clase modal A= 2
9 10 10
11 12 7
50
Mo = 6.5 + 6 2 = 7.42 moda = 7.42
6+7
Cuartiles.
Si una serie de datos se colocan en orden de magnitud, el valor medio que divide
al conjunto de datos en dos partes iguales es la mediana. Por extensin de esta
idea, se puede pensar en aquellos valores que dividen a los datos en cuatro
partes iguales, estos valores representados por Q1, Q2 y Q3 se llaman primero,
segundo y tercer cuartil respectivamente, el valor de Q2 es igual a la mediana.
Clase f
50.00 59.99 8 se calculan como si fueran medianas
60.00 69.99 10 Q1= n / 4
70.00 79.99 16
80.00 89.99 14 Q2= 2n / 4 para encontrar la clase
90.00 99.99 10 mediana
100.00 109.99 5 Q3= 3n / 4
110.00 119.99 2
= 65
Q1= n / 4 = 65 / 4 = 16.25
16.25- 8 = 8.25
Q1= 59.995 + 8.25 (10.00) = 68.25
10
Q2= 2n / 4 = 130 / 4 = 32.5
f1= 18 = f1 + f2
32.5 18 = 14.5
del Estado de Mxico
Q2= 69.995 + 14.5 ( 10.00) = 79.06
16
Q3= 3n / 4 = 48.75
48.75 48 = 0.75
Q3= 89.995 + 0.75 ( 10.00) = 90.75
10
CLASE f Q1= n / 4 = 52 / 4 = 13
31 35 5
36 40 12 13 5 = 8
41 45 18
46 50 10 Q1= 35.5 + 8 (5) = 38.83
51 60 7 12
Q2= 2n / 4 = 2 x 52 / 4 = 26
f1= f1 + f2 = 5 + 12 = 17
26 17 = 9
Q2= 40.5 + 9 ( 5) = 43
18
Q3= 3n / 4 = 3 x 52 / 4 = 39
39 35 = 4
Q3= 45.5 + 4 ( 5) = 47.5
10
Medidas de Variabilidad.
Al grado en que los datos numricos tienden a extenderse alrededor de un valor
medio, se le llama dispersin o variacin de los datos.
Una poblacin no tiene dispersin cuando, todos los datos tienen el mismo valor,
as por ejemplo, la poblacin 3, 3, 3, 3, 3 tiene una media igual a 3 y la poblacin
no se dispersa de dicho valor. En cambio, la poblacin 1, 3 ,3, 3, 5posee una
cierta dispersin, ya que no todas las variables son iguales. La dispersin de
datos se mide mediante la varianza, la desviacin estndar, el coeficiente de
variacin y el rango.
Rango o Recorrido R.
El rango o recorrido es la diferencia entre la variacin mxima y la mnima en un
grupo de datos. R = valor mximo valor mnimo
R = Vmx Vmn
Ejemplo: Para el conjunto de datos 1, 3, 3, 3, 5 el rango es R= 5 1 = 4
El rango como medida de dispersin es deficiente puesto que slo considera los
valores extremos y no toma en cuenta los restantes.
Desviacin Estndar (S).
Entre las medidas de dispersin de mayor uso, est la desviacin estndar. A
travs de sta, se podr determinar que tanto se desva cada dato, en promedio,
respecto a la media aritmtica u otra medida de tendencia central. Al aumentar la
desviacin estndar el grado de dispersin de los datos ser mayor y viceversa.
La expresin matemtica de la desviacin estndar, es la siguiente:

del Estado de Mxico
Varianza S2.
Se define como la suma de los cuadrados de las desviaciones de los datos con
respecto a la media, dividida entre el nmero total de
datos, o simplemente como el cuadrado de la
desviacin estndar.
Coeficiente de Variacin ( C V ).
Las medidas de dispersin que se han tratado anteriormente, son valores
absolutos y no resultan adecuadas cuando se lleva a cabo una comparacin entre
dos o ms distribuciones. Se obtiene dividiendo la desviacin estndar entre la
media aritmtica.
CV=S/x
Esta medida es adimensional y generalmente est expresada en porcentaje. Un
inconveniente de esta, es que deja de ser til cuando la media est prxima a
cero.
Simetra o sesgo.
El sesgo es el grado de asimetra, o falta de esta de una distribucin. Si la curva
de frecuencias de una distribucin tiene una cola ms larga a la derecha del
mximo central que a la izquierda, se dice que la
distribucin est sesgada a la derecha o que tiene el sesgo
positivo. Si es al contrario, se dice que est sesgada a la
izquierda o que tiene sesgo negativo. En distribuciones
sesgadas, la media tiende a situarse con respecto a la
media al mismo lado que tiene la cola ms larga.
As una medida de la asimetra viene dado por el primero y
segundo coeficientes de sesgo de Pearson.
El coeficiente generalmente toma valores entre 3 y 3 y cuando una distribucin
es simtrica es cero.
Distribucin simtrica Distribucin con sesgo Distribucin con sesgo

en forma de campana positivo negativo

del Estado de Mxico
UNIDAD III CLCULO DE EVENTOS ALEATORIOS
3.1 Calcula la probabilidad de eventos aplicando las tcnicas de
conteo y frmulas relacionadas, para determinar el nmero de
resultados posibles en un experimento aleatorio
Conteo. Diagrama de rbol.
Es la representacin grfica del mtodo de conteo, y recibe este nombre debido a
su apariencia de rbol. Ejemplo si se tienen dos camisas y dos pantalones, la
manera de escoger las prendas es la siguiente:
camisa 1 con pantaln 1 existen 4 formas o arreglos
camisa 1 con pantaln 2 para la combinacin de la
camisa 2 con pantaln 1 ropa.
camisa 2 con pantaln 2
en forma de rbol se tiene:
rbol Arreglos
C1 P1 C1P1
P2 C1P2
C2 P1 C2P1
P2 C2P2
Regla del producto. Si en un experimento, un evento se puede realizar de n
maneras y otro evento de m maneras, entonces los dos eventos pueden
efectuarse de n x m maneras totales.
Del ejemplo anterior, se pueden escoger 2 camisas y 2 pantalones, entonces, el
nmero de formas para escoger una camisa y un pantaln es 2 x 2 = 4 formas
C1P1, C1P2, C2P1 Y C2P2.
En general, si hay n1 resultados del primer evento, n2 del segundo evento, n3 del
tercero y nk del ksimo evento, entonces hay: n1 x n2 x n3 x ... x nk posibles
resultados del los k eventos.
Ejemplo: si se lanzan 3 dados al aire y se observan las caras superiores de ste,
los posibles resultados del experimento seran: 6 x 6 x 6 = 216
arreglos. Comprobar por diagrama de rbol.
Factorial (n!). Es el nmero de cambios de posicin (permutacin) de n objetos
diferentes sin repeticin.
Ejemplo. Se solicitan 3 jvenes para repartir propaganda, si se tienen que cubrir 3
rutas diferentes. De cuantas formas se pueden hacer los recorridos?
Respuesta. Se pueden trazar n! = n(n-1)(n-2)(n-3) ... 3 x 2 x 1
3! = 3 x 2 x 1 = 6 rutas Comprobar por diagrama de rbol.
Ejemplo. Se van a fabricar credenciales usando como folio vocales solamente,
cuntas credenciales se pueden hacer, si no se repiten letras?
n! = 5! = 5 x 4 x 3 x 2 x 1 = 120 credenciales.
Permutaciones. Cuando se trata de hacer grupos ms pequeos del grupo total
se utiliza la siguiente expresin:
El nmero de permutaciones de r objetos tomados de un
total de n objetos se designa como nPr.
Ejemplo. Del caso anterior si slo se toman tres
letras: 5P3= 5! = 5! = 5 x 4 x 3 x 2 x 1 = 60 credenciales
(5 3)! 2!
del Estado de Mxico
Combinaciones. Si el orden no es importante en los arreglos, esto es, si
eliminamos los arreglos repetidos, aunque tengan diferentes posiciones los
elementos, entonces se llaman combinaciones.
La combinacin es una permutacin en la que se eliminan los arreglos repetidos.
Las combinaciones numeradas de n objetos tomando r a la vez son:
Ejemplo. Se tienen 3 personas de las cuales
se seleccionaran 2 para realizar una actividad
de cuantas formas podemos seleccionar a
las 2 personas?
Antonio A
Benito B
Carlos C
Los arreglos son: AB BA CA AC BC CB, ya que hay arreglos repetidos como:
AB=BA, AC=CA y CB=BC (ya que por ejemplo Antonio y Benito y Benito y Antonio
es el mismo equipo), aplicando la expresin.
C2 = 3!
3 = 3x2x1 = 3 arreglos diferentes
2!(3 2)! 2x1x1
Experimento. Es una accin bien conocida que genera datos o resultados.
Propiedades:
Cada experimento tiene varios resultados posibles
Los resultados tienen igual oportunidad de ocurrencia (aleatorios)
Definicin de probabilidad. En sentido ordinario, la palabra probabilidad implica
la certeza o posibilidad relativa con que se espera la ocurrencia de un evento.
Si un experimento se repite n veces en condiciones idnticas, entonces la
probabilidad P de un evento E [se escribe P(E) y se leer P de E], es el cociente
que resulta de dividir el nmero de veces que acontece un evento favorable o
buscado F, entre el nmero total de experimentos o intentos n.
P(E) = nmero de eventos favorables del suceso E = F
nmero total de sucesos (favorable y no favorables) n
P(E) = # de eventos favorables o esperados = F
# de eventos totales n
Ejemplo. Calcular cual es la probabilidad que al lanzar un dado al aire y
posteriormente su cara superior sea un 6.
F es el nmero de eventos favorables, slo una cara tiene seis puntos por lo que
F = 1. los dados tienen 6 caras y este es el nmero total de eventos totales o
posibles, entonces n = 6.
P(un seis) = 1 / 6 una de seis posibilidades
Cabe hacer notar que la probabilidad es un nmero entre 0 y 1, relacionado con
el evento especificado. Una probabilidad de 1 o cercano a este, indica una
mxima certeza en la ocurrencia del evento, si el valor va disminuyendo,
tambin la probabilidad de que ocurra disminuye, si esta es 0 se considera una
probabilidad imposible.
Ley de los grandes nmeros.
Esta nos dice que: si una situacin se contina repitiendo, la proporcin de
veces que ocurre un evento se acerca a la probabilidad del evento.
del Estado de Mxico
Ejercicios de tcnicas de conteo.
Ejercicio No 1. De cuntas maneras se pueden acomodar en una mesa
en una reunin de siete personas?
Ejercicio No 2. De cuntas maneras pueden escogerse un comit,
compuesto de 3 hombres y 2 mujeres, de un grupo de 7 hombres y 5
mujeres?
Ejercicio No 3. Un estudiante tiene que contestar 8 de 10 preguntas en
un examen. Cuntas maneras de escoger tiene?
Ejercicio No 4. Cuntas maneras, si las tres primeras son obligatorias?
Ejercicio No 5. Hallar el nmero de maneras en que 6 personas pueden
bajar en un tobogn.
Ejercicio No 6. Hallar el nmero de maneras en que se pueden colocar
en un estante 5 libros grandes, 4 medianos y 3 pequeos de modo que
los libros de igual tamao estn juntos.
Ejercicio No 7. Se tienen 3 tcnicos que tienen que realizar 2 trabajos
de reparacin. De cuntas formas podemos seleccionar a las 2
personas?
Ejercicio No 8. Se solicitan 4 demostradores por tienda, si se tienen que
cubrir 4 tiendas diferentes. De cuantas formas se pueden hacer los
recorridos?
Ejercicio No 9. Si se lanzan 4 dados y 2 monedas al aire y se observan
las caras superiores de ste, cuntos seran los posibles resultados del
experimento.
Ejercicio No 10. Se van a fabricar credenciales usando como folio 4
vocales solamente, cuntas credenciales se pueden hacer, si no se
repiten letras?
Ejercicio No 11. Del caso anterior si slo se toman tres vocales. Cul es
el nuevo nmero de arreglos.
Ejercicio No 12. Desarrolla las posibilidades de un juego de volados

entre un merenguero y un estudiante, si el estudiante tiene $1 y el
merenguero tiene 3 merengues.

del Estado de Mxico
Solucin a los ejercicios.
Ejercicio No 1. De cuntas maneras se pueden acomodar en una mesa en una
reunin de siete personas?
En fila nt = 7 x 6 x 5 x 4 x 3 x 2 x 1 = 7!
En una mesa redonda la primer persona se puede sentar en cualquier punto, las
otras seis en 6 x 5 x 4 x 3 x 2 x 1 = 6!.
En crculo entonces pueden distribuirse de (n 1)! maneras.
Ejercicio No 2. De cuntas maneras pueden escogerse un comit, compuesto
de 3 hombres y 2 mujeres, de un grupo de 7 hombres y 5 mujeres?
P3=
7 7! = 7! = 35
3!(7 3)! 3! x 4!
P2=
5 5! = 5! = 10
2!(5 2)! 2! x 3!
nt= 35 x 10 = 350 comits
Ejercicio No 3. Un estudiante tiene que contestar 8 de 10 preguntas en un
examen. Cuntas maneras de escoger tiene? nt = 10C8 = 45 arreglos
10 C8 = 10! = 45 arreglos
8!(10 8)!
Ejercicio No 4. Cuntas maneras, si las tres primeras son obligatorias?
nt = 7x6 / 1x2 = 21 maneras
Ejercicio No 5. Hallar el nmero de maneras en que 6 personas pueden bajar en
un tobogn. nt = 6! = 720 maneras repetidas (con orden)
Ejercicio No 6. Hallar el nmero de maneras en que se pueden colocar en un
estante 5 libros grandes, 4 medianos y 3 pequeos de modo que los libros de
igual tamao estn juntos.
nt = 5! x 4! x 3! x 3! = 103680 formas
Ejercicio No 7. Se tienen 3 tcnicos que tienen que realizar 2 trabajos de
reparacin. De cuntas formas podemos seleccionar a las 2 personas?
C2 = 3!
3 = 3x2x1 = 3 arreglos diferentes
2!(3 2)! 2x1x1
Ejercicio No 8. Se solicitan 4 demostradores por tienda, si se tienen que cubrir 4
tiendas diferentes. De cuantas formas se pueden hacer los recorridos?
n! = n(n-1)(n-2)(n-3) ... 3 x 2 x 1
4! = 4 x 3 x 2 x 1 = 24 arreglos Comprobar por diagrama de rbol.
Ejercicio No 9. Si se lanzan 4 dados y 2 monedas al aire y se observan las caras
superiores de ste, cuntos seran los posibles resultados del experimento.
n! = 6x6x6x6x2x2 = 5184 arreglos.
Ejercicio No 10. Se van a fabricar credenciales usando como folio 4 vocales
solamente, cuntas credenciales se pueden hacer, si no se repiten letras?
n! = 5 x 4 x 3 x 2 = 120 credenciales.
Ejercicio No 11. Del caso anterior si slo se toman tres vocales. Cul es el nuevo
nmero de arreglos.
4 P3= 4! = 24 credenciales
(4 3)!
del Estado de Mxico
Ejercicio No 12. Desarrolla las posibilidades de un juego de volados entre un
merenguero y un estudiante, si el estudiante tiene $1 y el merenguero tiene 3
merengues.
3.2 Determina el comportamiento, propiedades y caractersticas de los
resultados de la variable aleatoria conforme su funcin de densidad.
Espacio Muestral. Es el conjunto de todos los posibles resultados de un
experimento. A cada elemento de dicho conjunto se le denomina punto muestral.
As el espacio muestral correspondiente al lanzar un dado es:
S = 1, 2, 3, 4, 5 y 6
Para la seleccin de un tornillo S = defectuoso, no defectuoso
Evento o suceso. Es el conjunto de uno o ms puntos muestra. Se representa
mediante una letra mayscula.
E = conjunto de resultados = subconjunto del espacio muestra
Ejemplo. En el lanzamiento de un dado, el evento es la cara vuelta arriba que sea
un nmero par.
S = 1, 2, 3, 4, 5 y 6 E = 2, 4, y 6
Operaciones con conjuntos.
Al igual que ocurre con los nmeros, dos conjuntos pueden dar lugar a un tercero,
que se formar mediante una regla a partir de los conjuntos originales, las
principales operaciones son:
Interseccin
Unin
Diferencia
Interseccin.
A B = {xx A x B}
Se lee: la interseccin de A y B est formado por los elementos que pertenecen a
A y B (simultneamente).
Ejemplo.
A = { 2, 5, 6, 7, 8} y B = { 1, 2, 3, 4, 5}, entonces: A B = {2 y 5}
Unin.
A B = {xx A V x B}
Se lee: la unin de A y B est formado por los elementos que pertenecen a A o a
B (y, simultneamente, tambin a los que pertenecen a ambos conjuntos).
Ejemplo:
A = { 2, 5, 6, 7, 8} y B = { 1, 2, 3, 4, 5}, entonces: AB = {1,2,3,4,5,6,7,8}
Diferencia.
Elimina los elementos repetidos del primer conjunto y se escribe A B
Ejemplo:
A = { 2, 5, 6, 7, 8} y B = { 1, 2, 3, 4, 5}, entonces: A B = {6, 7 y 8}
Reglas bsicas de probabilidad.
Las probabilidades son nmeros reales entre 0 y 1
La probabilidad total (segura) de que ocurra un evento es 1 y la
probabilidad de un evento imposible es 0.

del Estado de Mxico
Si los eventos A y B son mutuamente excluyentes, entonces
P(AUB)= P(A) + P(B)
La probabilidad P de un evento negado es P(Ac) = 1 P(A)
Reglas para el clculo de probabilidades.
Eventos independientes. Dos o ms eventos se consideran independientes
entre s, si el resultado de uno no afecta en ninguna forma el resultado del otro.
As, A y B son sucesos independientes, cuando la ocurrencia de A no afecta la
ocurrencia del evento B y viceversa.
La probabilidad de ocurrencia de A y B se escribir como:
P (A y B) = P(A) x P(B)
Ejemplo: una bolsa contiene 5 fichas blancas y 3 negras; se extrae una ficha de la
bolsa al azar y despus se remplaza, si se saca otra ficha, encuentra la
probabilidad de que las fichas extradas sean blancas.
El primer evento no tiene efecto sobre el segundo, debido a que la ficha se
remplaza; por lo que son independientes.
A= suceso de obtener una ficha blanca en el primer caso.
B= suceso de obtener una ficha blanca en el segundo caso.
Hay ocho fichas blancas de ocho totales, entonces:
P(A y B) = P(A) x P(B) = 5/8 x 5/8 = 25/64
Eventos dependientes. Dos o ms eventos se consideran dependientes entre s,
si el resultado de uno afecta al del otro. As, A y B son sucesos dependientes o
condicionales, cuando la ocurrencia de A afecta la ocurrencia de B. La
probabilidad de que ocurra B depende de A, y as la probabilidad condicional
de B ser P(B/A) y se lee: la probabilidad de B dado que ocurra A, es:
P (B) = P (A) x P (B/A)
Ejemplo: del caso anterior, si la ficha no es
regresada a la bolsa antes de sacar la segunda
ficha, la probabilidad de ocurrencia de los dos
eventos ser: P(A) = 5/8 y P (B/A) = 4/7 dado
que la primera fue blanca y no se regres, por lo
que solo quedan 7 blancas en la bolsa
P (A y B) = (5/8) (4/7) = 20 / 56 = 5 / 14
Eventos mutuamente excluyentes. Son dos o ms eventos que no pueden
ocurrir al mismo simultneamente, es decir, la ocurrencia de uno excluye
completamente la posibilidad de ocurrencia de los otros eventos. Entonces la
ocurrencia de un evento A o el evento B se escribe:
P(A o B) = P(A) + P(B)
Donde P(A) es la probabilidad de ocurrencia de A y P(B) es la probabilidad de
ocurrencia de B.
Ejemplo: al lanzar un dado, no pueden estar al mismo tiempo en la cara superior
un 1 y un 2; de este modo, el evento A (extraer un 1) y el evento B (extraer un 2)
son mutuamente excluyentes; adems:
P (A) = 1 / 6 y P (B) = 1 / 6
Por lo tanto, si se lanza una moneda, la probabilidad de que caigan dos 1, queda
definida: P (A o B) = P (A) + P (B) = 1/6 + 1/6 = 2 / 6

del Estado de Mxico
Eventos no excluyentes. Si A y B son eventos no excluyentes, la probabilidad de
ocurrencia del evento A o el evento B es:
P(A o B) = P(A) + P(B) P(A B)
P(A B) = P(A) + P(B) P(A B)
Ejemplo: En el departamento de mantenimiento se tienen 12 tcnicos, 5
electricistas y 4 mecnicos, y 6 conocen las dos reas y se incluyeron en los
conteos anteriores. Cual es la probabilidad de que un tcnico seleccionado al
azar sea tcnico electricista o mecnico?
P(A o B) = P(A) + P(B) P(A B)
P(A) = 5/12; P(B) = 4/12; P(AB) = 6/12
P(A o B) = 5/12 + 4/12 6/12
= 9/12 6/12
= 3/12
P(A o B) = 3/12 = 1/4
Regla del la multiplicacin.
Si en un experimento, un evento tiene la probabilidad n y otro evento tiene la
probabilidad de ocurrencia de m, entonces la probabilidad de ocurrencia de los
dos eventos se obtiene por n x m.
Ejemplo: se tira un dado y una moneda al mismo tiempo, cual es la
probabilidad de que caigan un sol y un 4
P (sol) = y P (de un cuatro) = 1/6
P (sol y cuatro) = x 1/6 = 1/12
Teorema de Bayes.
Frecuentemente, tratamos de encontrar la probabilidad condicional de un suceso
A, dado que un suceso B ha ocurrido en un momento anterior. Por ejemplo,
podra interesarnos la probabilidad de que llueva maana, dado que ha llovido
durante los siete das anteriores.
Ejemplo: tres mquinas A, B y C producen 50%, 30% y 20% del nmero total de
artculos de una fbrica. Los porcentajes de produccin defectuosa de esas
mquinas son: 3%, 4% y 5%. Si se selecciona al azar un artculo, hallar la
probabilidad de que el artculo sea defectuoso y que fue producido por la mquina
A.
P(A) P(XA)
P(AX) =
P(A) P(XA) + P(B) P(XB) + P(C) P(XC)
(0.50)(0.03)
P(AX) =
(0.50)(0.03) + (0.30)(0.04) + (0.20)(0.05)
P(AX) = 15 / 37
Esperanza matemtica E(X).
Definicin. La media, valor esperado o esperanza matemtica de x, se denota
por E(x) o , se define como:

del Estado de Mxico
E(x) = x1 (x1) + x2 (x2) + . . . + xn (xn) = xi (xi)
Ejemplo. Se realizar una rifa que consta de 100 boletos a $20 cada uno, el
premio es de $1500. Si se compran 2 boletos cul es la ganancia esperada?
Solucin: La ganancia puede tomar uno dedos valores. O bien pierde $40 (su
ganancia es de $40) o gana $1460, con probabilidades 98/100 y 2/100,
respectivamente. La distribucin de probabilidad para la ganancia es la siguiente:
x1 (x1) La ganancia esperada es
40 98/100 E(x) = ( 40)(98/100) + (1460)(2/100)
1460 2/100 E(x) = 39.2 + 29.2 = 10
Problemas propuestos.
1. Una seora vende calaveritas de azcar, por la noche gana $70 con
probabilidad de 0.6 y en el da $30 con probabilidad de o.4. Cul es su
Esperanza matemtica?
2. Encuentra la Esperanza matemtica de la siguiente distribucin:
X -18 -35 40 25
P(x) 1/7 2/6 3/14
3. Si se compra un boleto de rifa con premio mayor de $50,000 o un segundo
premio de $20,000 con probabilidades de 0.001 y 0.004 respectivamente, cul
sera el precio justo que se debera pagar por el boleto?
4. Se tiene una bolsa con dulces: 15 con picante y 25 agridulces, si se extraen
dos al azar, cul es la probabilidad que ambos sean picantes?
5. Si Mari tiene 4 pantalones, 3 blusas y 5 pares de zapatos combinables, de
cuantas maneras diferentes de puede vestir?
6. En una fiesta hay 7 mujeres y 6 hombres, si se hacen parejas mujer-hombre
para bailar, cuntas parejas se pueden formar?
7. En un restaurante hay 4 platos fuertes, 2 sopas y 5 postres diferentes, de
cuntas formas se puede pedir un men que consiste en plato fuerte, sopa y
postre?
8. Se pintar la fachada de una casa utilizando dos colores bsicos, si se tiene
preferencia por 5 colores diferentes, cuntos arreglos de colores se tienen para
realizar esta actividad?
9. En una urna de sorteo se tienen los siguientes premios: 7 planchas, 4
televisores, 3 DVD, 2refrigeradores. Si se realiza la primera rifa, cul es la
probabilidad que el premio sea una plancha o un DVD?
10. Rebeca tiene que dar una informacin por telfono a Pedro, Jos, Ricardo y
Felipe aunque no precisamente en ese orden, de cuntas maneras puede hacer
las llamadas?

del Estado de Mxico
Distribuciones de probabilidad.
Variables aleatorias: discretas y continuas.
Variables Aleatorias. Se definen como una funcin que asigna un valor a cada
resultado de la lista compuesta por resultados mutuamente
excluyentes y colectivamente exhaustivos de un experimento.
En otras palabras: caracterstica o fenmeno al cual se le pueden asignar
nmeros o atributos.
Las variables son discretas si el nmero total de valores que pueden tomar es
finito (contable). En caso contrario son continuas (infinitas o no contables).
Una variable aleatoria es una funcin cuyo valor es un nmero real determinado
por cada elemento del espacio muestra del experimento estadstico, se usan
letras maysculas como la X, Y o Z, para representar una variable aleatoria, y la
letra minscula correspondiente, es decir, x, y o z, representa cada uno de sus
valores.
Funciones de probabilidad discretas.
Cuando se estudiaron la media, la desviacin estndar y la varianza, las frmulas
y ejemplos que se emplearon estaban asociados con distribuciones empricas.
Existen medidas similares para las distribuciones de probabilidad tericas. Los
valores X, S y S2 son estadsticos calculados a partir de los datos de la muestra.
Los valores , y 2, que representan propiedades similares de distribuciones
de probabilidad terica, son constantes.
Distribuciones Empricas Distribuciones Tericas
X media mu
S desviacin estndar sigma
S2 varianza 2 sigma al cuadrado
Las expresiones bsicas son:
= E(x) = x (x) caso discreto
= E(x) = x (x) dx caso continuo
= V(x) = x (x) -
2 2
caso discreto
= V(x) = x (x) dx -
2 2 2
caso discreto

del Estado de Mxico
Construccin de una distribucin de probabilidad.
Para construir una distribucin de probabilidad completa, nos podemos valer de
los diagramas de rbol, para visualizar todo el espacio muestra.
Ejemplo. Para el lanzamiento de un dado, su distribucin es:
x 1 2 3 4 5 6
f(x) 1/6 1/6 1/6 1/6 1/6 1/6 = 6/6 = 1
Ejemplo. Si se tienen tres fichas numeradas del 1 al 3, depositadas en una urna, y
se seleccionan 2 fichas con reemplazo, su distribucin de probabilidades se
construye:
Diagrama de rbol arreglos Distribucin de probabilidades
x f(x)
1 1+1=2 suma de puntos
1 2 1+2=3 2 1/9
3 1+3=4 3 2/9
4 3/9
1 2+1=3 5 2/9
2 2 2+2=4 6 1/9
3 2+3=5
=9/9 = 1
1 3+1=4
3 2 3+2=5
3 3+3=6
Ejemplo. En una produccin se tienen 10 piezas, de las cuales 2 son defectuosas,
si se seleccionan dos piezas al azar. Construye la distribucin de frecuencias.
Piezas defectuosas x
D 0.2 X 0.2 = 0.04 x f(x)
0.2
D 0 0.64
0.2 0.8 1 0.32
N 0.2 X 0.8 = 0.16 2 0.04
D 0.8 X 0.2 = 0.16 = 1.00

0.8 0.2
N
0.8 N 0.8 X 0.8 = 0.64
= 1.00
Distribucin Binomial.
Para presentar esta distribucin utilizaremos el caso siguiente: en una bolsa se
tienen 3 fichas, 1 blanca y 2 negras, el experimento consiste en seleccionar dos
fichas con reemplazo, cual es la probabilidad que en las dos extracciones una
ficha sea la blanca. Definiremos entonces que un xito es extraer una ficha
blanca y la probabilidad asociada es . Este proceso de seleccin lo
observaremos con el diagrama de rbol.

del Estado de Mxico
Caractersticas de la Distribucin Binomial.
El experimento consiste en una
serie de ensayos.
Cada ensayo tiene slo dos
resultados posibles: xito y
fracaso.
La probabilidad de xito es
exactamente la misma en cada
ensayo.
Todos los ensayos sucesivos son
independientes.
La probabilidad P(x) de obtener
exactamente x xitos en n ensayos es:
Donde : x es el nmero de xitos

n el numero de ensayos
p probabilidad de xito
1 p = q probabilidad de fracaso
del ejemplo anterior:
x = 1; n = 2; p = 1 / 3; 1 p = 2 / 3, sustituyendo tenemos:
2!
P(x= 1) = (1 / 3)1 (2 /3)21 = 2 (1 / 3)(2 /3) = 4 / 9
1! (2 1)!
Ejemplo. El 10% de semiconductores de un lote son defectuosos, determina la

probabilidad de que en 6 elementos escogidos al azar, 2 sean defectuosos.
xito = defectuoso; x = 2; n = 6; p = 10% = 0.1; 1 p = 1 0. 1 = 0.9
n!
P(x) = px (1 p)n x
x! (n x)!
6!
P(x= 2) = (0.10)2 (0.90)62
2! (6 2)!
720
P(x= 2) = (0.01)(0.6561) = 0.0984
(2)(24)
Propiedades de la distribucin binomial.
Media = np
Varianza 2 = np(1 p)
Desviacin estndar = np(1 p)
Ejemplo. En 100 lanzamientos de una moneda, el nmero de guilas es:
= np = 100(1/2) = 50 y = np(1 p) = 100(1/2)(1/2) = 5
Probabilidad Hipergeomtrica.

del Estado de Mxico
Cuando el muestreo se realiza sin reemplazo de cada elemento muestreado
tomado de una poblacin finita de elementos, no se aplica el proceso de
Bernoulli, porque cuando se eliminan elementos de la poblacin existe un cambio
sistemtico en la probabilidad de xito.
Conociendo que x es el nmero de xitos, N el nmero total de elementos de la
poblacin, T el nmero total de xitos incluidos en la poblacin y n el nmero de
elementos en la muestra, la expresin se expresa:
NT T
n x x
P(xN, T, n) =
N
n
Ejemplo. De seis empleados, tres han permanecido en la compaa por cinco o
ms aos. Si se eligen a cuatro empleados al azar de este grupo, la probabilidad
de que exactamente dos de ellos tengan una antigedad de cinco aos a ms es:
63 3 3 2 3! 3!
42 2 3 2 2! 1! 2! 1! (3)(3)
P(x=2N=6, T=3, n=4) = = = = = 0.60
6 6 6! 15
4 4 4! 2!
Propiedades de la distribucin hipergeomtrica.
Media = n (T / N)
Varianza 2 = N n ( n ) (T/N) ( 1 - T/N)
N1
Desviacin estndar = varianza

del Estado de Mxico
Ejercicios
1. Determinar que un beisbolista batee 4 home runs en sus 6 oportunidades

siguientes; dado que en sus ltimas 150 bate 30 home runs.
2. En el ltimo lote de 100 piezas producidas por una mquina, 10 son
defectuosas. Cul es la probabilidad de que esa mquina produzca menos
de 3 piezas defectuosas en las prximas 20?
3. En un campeonato de bolos un equipo ha ganado 15 de sus ltimos 20
juegos. Con esta informacin, cul es la probabilidad de que este equipo
gane:
a. 4 menos de los 10 que le faltan.
b. Exactamente 4 de los 10 que le faltan.
c. Ms de 8 de los 10 que le faltan.
4. Un estudiante ha reprobado en 5 de sus 15 pruebas parciales. cul es la
probabilidad de que en las prximas 10:
a. No repruebe ninguna
b. Repruebe 1 menos.
5. Cul es la probabilidad de obtener 2 guilas o menos en el lanzamiento de
7 monedas?
6. Un jugador de bsquetbol tiene un promedio de encestes de 0.9800 en tiros
libres. Cul es la probabilidad de que acierte 7 veces en los prximos 9
tiros?
7. Un agente de bienes races ha vendido 3 casas exactamente a 3 de sus
ltimos 100 clientes. Con base en esta informacin, cul es la probabilidad
de que venda por lo menos dos casas en sus prximos 50 clientes?
8. Una prueba escolar consta de 10 aseveraciones a las que se debe contestar
con falso o verdadero. Desconociendo las respuestas correctas, cul es
la probabilidad de acertar 6 ms respuestas?
9. Se sabe que un tratamiento mdico es efectivo para el 90% de los casos.
Cul es la probabilidad de que en los prximos 10 pacientes, 2 de ellos no
responsan al tratamiento?
10. La cuarta parte de los alumnos del ltimo ao de una carrera profesional
tienen licencia para conducir automvil, cul es la probabilidad que en 6
alumnos elegidos al azar, por lo menos 2 tengan licencia de conducir?
Distribucin de Poisson
Los clculos que involucran al binomio, son a menudo laboriosos, sobre todo si n
es grande; de aqu que sea muy til una aproximacin a cualquier trmino del
binomio, a esta aproximacin llamada lmite del binomio exponencial de
Poisson, se le conoce como Distribucin de Poisson y se define
matemticamente como:
(np)x
P(x) = e- np
x!
en donde:
x es el numero de xitos en la muestra
n el tamao de la muestra
p la probabilidad de xito
e es la base de los nmeros naturales (2.71828)

del Estado de Mxico
Ejemplo. Se tiene un recipiente con 13 piezas A y 7 piezas B si se extraen 7 piezas al azar.
Cual es la probabilidad que en la muestra aparezcan 3 piezas A.
Binomial xito = Piezas A
n=4
x=3
p = 13 / 20 = 0.65
1 p = 0.35
4!
P(x= 3) = (0.65)3 (0.35)43 = 4(0.274625)(0.35) = 0.384475
3! (4 3)!
Poisson
np = 4 x 0.65 = 2.6
(2.6)3 17.576
P(x= 3) = e- 2.6 = (0.0742) = 0.2175
3! 6
Por tablas de distribucin de Poisson
Para = np = 4(0.65) = 2.6
x=3
P(x=3) = 0.736 0.518 = 0.218
Ejemplo. Se est investigando la seguridad de un crucero muy peligroso. Los
archivos del departamento de trnsito indican una media de cinco accidentes por
mes. El nmero de accidentes est repartido conforme una distribucin binomial,
y la divisin de seguridad en carreteras quiere calcular la probabilidad de
ocurrencia de exactamente 0, 1, 2, 3 y 4 accidentes en un mes determinado.
(5)0 1
P(x= 0) = e- 5 = (0.00674) = 0.00674
0! 1
buscando en tablas para = 5 , P(x=0) = 0.00674
Medidas de tendencia central de una distribucin de probabilidad.
Cuando se estudiaron la media, la desviacin estndar y la varianza, las frmulas
y ejemplos que se emplearon estaban asociados con distribuciones empricas.
Existen medidas similares para las distribuciones de probabilidad tericas. Los
valores X, S y S2 son estadsticos calculados a partir de los datos de la muestra.
Los valores , y 2, que representan propiedades similares de distribuciones
de probabilidad terica, son constantes.
Distribuciones Empricas Distribuciones Tericas
X media mu
S desviacin estndar sigma
S2 varianza 2 sigma al cuadrado
Las expresiones bsicas son:
= E(x) = x (x) caso discreto
= E(x) = x (x) dx caso continuo
= V(x) = x (x) -
2 2
caso discreto
del Estado de Mxico
2 = V(x) = x2 (x) dx - 2 caso discreto
La distribucin Normal.
En el caso de variables aleatorias continuas, su distribucin de probabilidad se
puede describir mediante una distribucin continua llamada distribucin normal o
gaussiana. El hecho sobresaliente de esta distribucin consiste en asignar un
valor a una variable aleatoria con respecto a un grupo de referencia, a fin de
comparar la posicin del valor de la variable con respecto a dicho referencial. La
distribucin normal se constituye a partir de las siguientes caractersticas:
a. el comportamiento de una variable aleatoria continua se establece en
relacin con el valor de referencia, que generalmente se toma como el
valor promedio del conjunto de variables aleatorias.
b. La desviacin de la variable aleatoria con respecto al valor promedio se
toma con referencia a la desviacin estndar.
La medida de la diferencia Z de la variable aleatoria x con respecto a la media, y
en funcin de la desviacin estndar es:
Es decir, Z es el nmero de desviaciones con respecto a la

media, en que se encuentra el valor x de la variable aleatoria.
La forma de la distribucin normal, as definida tiene forma de
campana. Se caracteriza por ser simtrica alrededor de .
En aplicaciones de estadstica, la distribucin normal es
importante a causa de que las probabilidades normales
pueden utilizarse para aproximar otras distribuciones de
probabilidad, como la binomial.
Esta distribucin est dada por la siguiente ecuacin:
Propiedades de la distribucin normal.
Media
varianza
desviacin estndar
coeficiente de sesgo
desviacin media 2 0.7979
Limites rea bajo la curva

x 0.6745 50.00%
x 68.26%
x2 95.46%
x3 99.73%
para calcular la probabilidad de ocurrencia de un evento x, empleando la
distribucin normal, procedemos segn los siguientes pasos:
1. Se determina el valor promedio ()y la desviacin estndar() de un
grupo de variables aleatorias.
2. la distribucin normal es una grfica en la que el eje horizontal
representa los valores de la variable aleatoria, en tanto que el eje vertical
representa la probabilidad asignada a cada valor de la variable aleatoria;

del Estado de Mxico
el valor de dicha probabilidad varia entre 0 y 1. de este modo, la
probabilidad de ocurrencia del evento x con
respecto al valor de la media, es proporcional al
rea bajo la curva, cuya base est entre x y ,
como se muestra en la siguiente grfica.
El rea bajo la curva es igual a 1, y de acuerdo a las
tablas utilizadas, el rea sombreada ser proporcional a
la probabilidad de ocurrencia del evento x.
Ejemplo. Se producen artculos cuyo peso promedio es
de 175 Kg. con una desviacin estndar de 23 Kg.
Calcule la probabilidad de que el producto pese:
a. de 150 a 180 Kg.
b. Ms de 180 Kg.
c. Menos de 130 Kg.
Datos
175 Kg.
= 23 Kg.
P(150 < x < 180)
Z1 = (150 175) / 23 = 1.08
Z2 = (180 175) / 23 = 0.2173
Clculo del rea B
B = D(Z) / 2 para Z = -1.08
B = 0.7199 / 2 = 0.35995
Clculo del rea C
C = D(Z) / 2 para Z = 0.21
C = 0.1663 / 2 = 0.08315
P(150 < x < 180) = 0.35995 + 0.08315 = 0.4431
Solucin al inciso b.
Z = (180 175) / 23 = 0.2173
P(x > 180) = (-Z) = 0.4168
Para Z = 0.21
175
130
(-Z)
Solucin del inciso c.

Z = (130 175) / 23 = - 1.956 (-z)
P(x < 130) = (-Z) = -1.95 Para Z = -1.95 0.2173
P(x < 130) = 0.0256

del Estado de Mxico
UNIDAD IV. DETERMINACIN DE PARMETROS DE UNA
POBLACIN.
4.1 Calcula la estimacin puntual y por intervalos para
determinar la confiabilidad y exactitud de los resultados de las
constantes tpicas que la caracterizan.
A. Muestreo de una poblacin
Tipos de muestreos.
Procedimientos de muestreo.
Parmetros poblacionales y estimadores.
Estimacin puntual y por intervalos.
Teorema del lmite central.
B. Determinacin de intervalos de confianza para la media poblacional.
Con muestras grandes.
Con muestras pequeas.
Para la diferencia de dos medias poblacionales.
Para la Varianza y el cociente de dos Varianzas.
4.2 Prueba una aseveracin acerca de una propiedad de la poblacin de
acuerdo con la muestra aleatoria de la misma.
A. Aplicacin de pruebas de hiptesis.
Pasos para hacer una prueba de Hiptesis.
Errores de tipo I y II.
Prueba de Hiptesis Unilateral.
Prueba de Hiptesis Bilateral.
Prueba de Hiptesis para muestras grandes y pequeas.
Prueba de Hiptesis para la comparacin de dos medias
poblacionales.
Prueba de Hiptesis para observaciones por pares.
B. Anlisis de correlacin y regresin
Representacin de datos de dos variables.
Tabla de contingencias.
Correlacin lineal.
- Diagrama de dispersin y anlisis de correlacin.
- Coeficiente de correlacin.
Regresin lineal.
Mtodo de mnimos cuadrados.

del Estado de Mxico

del Estado de Mxico

Apuntes de Matematicas

Cargado por

Información del documento

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

Apuntes de Matematicas

Cargado por

Copyright:

Formatos disponibles

Ing Jorge Hernndez Snchez

Ing. Jorge Hernndez Snchez

Colegio de Educacin Profesional Tcnica

Colegio de Educacin Profesional Tcnica

Colegio de Educacin Profesional Tcnica

Colegio de Educacin Profesional Tcnica

Debers tener el 80% de asistencia para ser evaluado.

Debers estar atento al pasar lista, si no contestas cuando se te nombre tienes

El padre de familia es un elemento valioso dentro del proceso enseanza

Firma del alumno Firma del padre o tutor Firma del

Fecha de _______________________de 2010.

Colegio de Educacin Profesional Tcnica

Teoremas de los lmites

2. Lmite de la funcin identidad

3. Toda constante puede salir del lmite

Colegio de Educacin Profesional Tcnica

5. El lmite de la diferencia de funciones es la diferencia de los lmites.

6. El lmite de un producto es el producto de los lmites.

7. El lmite de un cociente es el cociente de los lmites.

Colegio de Educacin Profesional Tcnica

relacin , que como

{Notacin de Lagrange, se lee "efe prima de equis"

, {Notacin de Leibniz } se lee "derivada de ( de )

Colegio de Educacin Profesional Tcnica

para la primera derivada,

para la segunda derivada,

para la tercera derivada,

para la ensima derivada (n > 3). (Tambin se pueden usar nmeros

Colegio de Educacin Profesional Tcnica

Sea una funcin continua, y su curva. Sea la abscisa de un punto

determina en funcin (si

En este grfico se ve que donde

Colegio de Educacin Profesional Tcnica

Por ejemplo, sea

UNIDAD II INTERPRETACIN DE INFORMACIN.

Colegio de Educacin Profesional Tcnica

Colegio de Educacin Profesional Tcnica

Mediana = 144.5 + 17.5 -14 9 = 147.125

Colegio de Educacin Profesional Tcnica

Colegio de Educacin Profesional Tcnica

Distribucin simtrica Distribucin con sesgo Distribucin con sesgo

Colegio de Educacin Profesional Tcnica

Ejercicio No 12. Desarrolla las posibilidades de un juego de volados

Colegio de Educacin Profesional Tcnica

Colegio de Educacin Profesional Tcnica

Colegio de Educacin Profesional Tcnica

Colegio de Educacin Profesional Tcnica

Colegio de Educacin Profesional Tcnica

Colegio de Educacin Profesional Tcnica

D 0.8 X 0.2 = 0.16 = 1.00

0.8 N 0.8 X 0.8 = 0.64

Colegio de Educacin Profesional Tcnica

Donde : x es el nmero de xitos

Ejemplo. El 10% de semiconductores de un lote son defectuosos, determina la

Colegio de Educacin Profesional Tcnica

Colegio de Educacin Profesional Tcnica

1. Determinar que un beisbolista batee 4 home runs en sus 6 oportunidades

Colegio de Educacin Profesional Tcnica

Es decir, Z es el nmero de desviaciones con respecto a la

Limites rea bajo la curva

Colegio de Educacin Profesional Tcnica

Solucin del inciso c.

Colegio de Educacin Profesional Tcnica

Colegio de Educacin Profesional Tcnica