ESTADÍSTICA Y PROBABILIDADES I

UNIVERSIDAD TECNOLÓGICA DEL PERÚ

Vicerrectorado de Investigación

ESTADÍSTICA Y
PROBABILIDADES I
TINS Básicos

INGENIERÍA INDUSTRIAL, INGENIERÍA DE SISTEMAS,

INGENIERÍA ELECTRÓNICA, INGENIERÍA MECATRÓNICA,

INGENIERÍA TEXTIL, INGENIERÍA DE TELECOMUNICACIONES

TEXTOS DE INSTRUCCIÓN BÁSICOS (TINS) / UTP

Lima - Perú

1
ESTADÍSTICA Y PROBABILIDADES II

© ESTADÍSTICA Y PROBABILIDADES I
Desarrollo y Edición : Vicerrectorado de Investigación

Elaboración del TINS : Mg. Heiner López Príncipe

Diseño y Diagramación : Julia Saldaña Balandra
Soporte académico : Instituto de Investigación
Producción : Imprenta Grupo IDAT
Queda prohibida cualquier forma de reproducción, venta, comunicación pública y
transformación de esta obra.

2
 ESTADÍSTICA Y PROBABILIDADES I

Presentación

El indeterministico, en el presente siglo va ganando márgenes importantes, en los

certámenes donde se exponen trabajos relacionados con la “mecánica celestial”
Universo y con la “mecánica de las partículas”. De modo que la teoría de
probabilidades, en extensión, se va haciendo cada día más útil en el planteamiento y
en la solución de problemas, en las diferentes áreas de actividad del hombre: en la
economía, en el comportamiento social, en la esfera política, 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 años después Luca
Paciola (1445-1517) propone un problema, conocido luego como “problema, del
reparto de apuestas”, relacionado con la distribución de ganancias entre jugadores
cuando el juego se interrumpe antes de finalizar.
Más 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 también del
problema de reparto de apuestas. Indica que la solución de Pacioli era incorrecta
porque al considerar tan sólo el número de juegos generados por cada equipo, no
contaba cuántos juegos debían ganar para hacerse con el premio. El problema que se
comenta también fue tratado por Niccolo Tartaglia (1499-1557), quien observaba que
la solución elaborada por Paccioli tenía restricciones y propuso una solución más
general.
No se puede cerrar estos años de la teocracia sin dedicar algunas líneas al trabajo de
un coloso de la humanidad: Galileo Galilei (1564-1642), famoso por sus trabajos de
Física, Astronomía e Ingeniería; primer sistematizador de la metodología experimental
en la investigación científica, quien dedicó una parte de su tiempo a resolver
problemas sobre dados, contenidos en su libro “sobre la puntuación en tiradas de
dados”. No obstante su mayor contribución fue la creación de la “teoría de errores”:
errores sistemáticos y errores aleatorios.
Liberado de las ataduras de la escolástica que frenó, para desgracia de la humanidad
trabajos de gran envergadura, no sólo en el campo de la incerteza, por considerarlos
impíos, recién en el siglo XVII, con los trabajos de Pascal (1623-1662) y Fermat (1601-
1665) empieza a establecerse los principios y métodos de cálculo de la incerteza.
Más tarde el espíritu humano se ve engrandecido con la contribución de Huyghens
(1629-1675), quien acopiando diversos trabajos elaborados hasta su época, reunió
problemas diversos en un tratado, al que llamó “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 cálculos a
las probabilidades de la vida humana; Bernoulli (1654-1705) a su vez propuso a los
geómetras de su época diversos problemas de probabilidades; entre ellos a Moivre.
Unos años después, entre 1700 y 1706 Montmort (1678-1719) y Moivre (1667-1754)
publican obras sobre el cálculo de probabilidades.
La obra de Montmort con el título “Essai sur les Jeux de hasard” y el trabajo de Moivre

3
ESTADÍSTICA Y PROBABILIDADES II

aparecieron en “Transactions Philosophiques” de 1711; obra que fue sometido por él a

sucesivas correcciones, mientras intensificaba su trabajo de las “series recurrentes” que
luego usó Lagrange para la integración de las ecuaciones lineales de diferencias con
coeficientes constantes; procedimiento que muy poco antes había sido trabajo por
Taylor.
Más adelante, Bayes (1702-1761) bebiendo en la cantera de trabajos realizados por
varios sabios que le antecedieron, estudió el problema de las causas y de los
acontecimientos futuros, inferida de los acontecimientos sucedidos. Trabajos
publicados después de su muerte en “Transactions Philosophiques” de 1763. Así
mismo, dos años después 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.
Continúa el avance de esta teoría con las contribuciones de Lagrange, con su obra
publicada en “Mémoires de Turin” sobre las probabilidades de los términos 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 condición y de convertir dicha suma en un
“minimun”.
Gauss (1777-1855), considerado el “príncipe de las matemáticas” y “el matemático
más grande desde la antigüedad”, en 1823 publica “Theoria combinations
observationum erroribus minimis obnoxiae”, dedicado a la distribución normal, cuya
curva característica (campana de Gauss) es muy usada en disciplinas donde los datos
podrían estar afectados por errores sistemáticos y casuales.
Por ese tiempo, Pierre Simon Laplace un matemático francés que a los 24 años se le
llamó el “Newton de Francia”, por la calidad de sus trabajos en la “Mecánica
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 hipótesis innecesaria”.
Un sabio de tal brillantez, no sólo trabajó en física astronómica, sino también como
pensador presentó su “Hipótesis Nobular”, antecedido por Inmanuel Kant quien en
1755 presenta su obra “Allgemeine Naturgeschichte”. Trabajó, así mismo, en la teoría
de probabilidades, planteando diversos problemas al azar, siendo uno de ellos el
método de los mínimos cuadrados, presentando en 1812, en su “Theorie Analitique
des Probabilités” donde supera las restricciones que Lagrange había considerado en
sus “Memories de Turin”.
Otra gran contribución, a la teoría de errores fué la de Simeon Poisson (1781-1840)
quien planteó la pregunta: ¿es cierto que la media aritmética es siempre mejor que una
única observación?. Altamente conocido por la distribución que lleva su nombre,
comprobado posteriormente por A. Cauchy (1789-1857).
Se suman a estos brillantes científicos, que trabajaron en la teoría de errores P
Chebyshev con su Método de los Momentos (1821-1894) y A. Markov (1856-1922),
conocido por su trabajo denominado: cadenas de Markov; discípulo de Chebyshev
quien mejoró uno de los teoremas de su profesor, que más tarde fuera motivo de
comprobación de A. Liaponuv (1857-1918) y de extensión en su generalización por
Lindeberg (0000 0000), William Feller (0000 0000) y S. Bernshtein (0000 0000)
Por esa misma época A. Khinchine (1894-1959) y Paul Levy (1886-1971) considerando

4
 ESTADÍSTICA Y PROBABILIDADES I

la sucesión de variables aleatorias, motivo de interés de estos científicos, encontraron

las condiciones necesarias y suficientes para la convergencia de la distribución ∑ 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 Matemática”;
publicado en 1931 en el campo de la interpretación subjetiva de la probabilidad,
considerada más 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 Émile Borel (1871-1956) en torno a la “teoría general de las medidas” para la
sustentación amplia de los fundamentos de la teoría de las probabilidades. Sustento
que N. Kolmogorov (1903-1987) continuó al proponer la axiomatización de la teoría
de las probabilidades.
En el marco de esta breve consideración de evolución de la probabilística y la
estadística se pretende, dentro de las restricciones propias de la formación profesional,
componer el Curso de Estadística y Probabilidades I, para alumnos del IV ciclo de la
Carrera de Ingeniería de Sistemas, que con esfuerzo singular el profesor Mg. Heiner
López, de gran ejecutoria académica-profesional, quien trabajando con denuedo
académico ha logrado elaborar un texto didáctico para el aprendizaje de la teoría de
probabilidades y la estadística.
En este efecto la composición mencionada del presente trabajo se desplaza según la
siguiente secuencia:
Capítulo I. ESTADÍSTICA DESCRIPTIVA. El aprendizaje se inicia con el cálculo de los
diferentes estadísticos mas usuales; media, mediana, moda, varianza, coeficiente de
variación, etc, determinado sus valores será necesario interpretarlos según sus
propiedades y definiciones. Se presenta también las graficas histogramas, polígonos 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, además
medidas de asimetría y curtosis.
Capítulo II. PROBABILIDAD. Es la base fundamental del curso ya que es el soporte
matemático para la inferencia estadística. Se basa fundamentalmente en experimentos
aleatorios en los cuales se calcula las probabilidades sobre eventos aparecen teoremas
importantes en probabilidad muy usuales en la solución de problemas. Desarrollamos
la probabilidad condicional que tiene trascendencia en los procesos estocásticos, así
mismo tratamos la probabilidad de independencia y dependencia de eventos que
tienen gran aplicabilidad en ingeniería, para terminar con el teorema de la
probabilidad total y teorema de Bayes de gran significación, ya que origina la teoría
Bayesiana.
Capítulo III. VARIABLE ALEATORIA. Es una función especial definida sobre un
espacio muestral el cual puede ser discreto o continuo según sea el experimento
aleatorio a tratar, generando funciones que pueden ser discretas (funciones de
probabilidad) las cuales cumplen con propiedades establecida dentro del modelo
probabilístico. Se le puede calcular su media (μ), Varianza (σ2) y la esperanza
matemática E(X) de la variable aleatoria X, las cuales tienen propiedades que se usan
en la solución de problemas diversos. Seguidamente desarrollamos las funciones de

5
ESTADÍSTICA Y PROBABILIDADES II

densidad de probabilidad uniforme y exponencial ambas muy usuales en aplicaciones

teóricas como prácticas.
Capítulo IV. DISTRIBUCIONES DISCRETAS Y CONTINUAS. Las distribuciones
generadas por variables aleatorias, pueden ser discretas como: Bernoulli, Binomial,
Poisson, etc. ó continuas como la Normal, t de Student, etc. cada una de estas
distribuciones tienen su media (μ) y varianza (σ2), las cuales son de utilidad en
inferencia estadística.
Las distribuciones mencionadas son modelos que con frecuencia se presentan en las
diferentes especialidades, teniendo aplicaciones muy diversas. Por ejemplo la
distribución binomial, muy usual en control de calidad, en encuestas de opinión, etc.
la distribución de Poisson, estudia por ejemplo los fenómenos de llegada la teoría de
colas, etc. La distribución normal la mas importante y usual en estadística, por su
simetría en experimentos aun cuando las mediciones sean con errores de
aproximación. Bajo condiciones determinadas podemos aproximar la binomial y
Poisson con la Normal.
Capítulo V. DISTRIBUCIONES MUESTRALES. El capítulo anterior se ocupó de
distribuciones específicas, muy usuales en teoría de confiabilidad control de calidad y
muestreo de aceptación. Nos concentramos en el muestreo de distribuciones o
poblaciones y se estudian los valores de los estadísticos mas importantes como son la
media muestral y varianza muestral que resultan de la extracción de una muestra
aleatoria de una población pueda tener cualquier distribución, pero sin embargo la
distribución de la media muestral puede seguir una normal o aproximadamente una
normal tal afirmación lo sostiene el teorema del Límite Central (TLC) de gran
aplicabilidad en la estadística inferencial.
Capítulo VI. ESTIMACIÓN. Hemos señalado la importancia de las propiedades de la
media y varianza muestral, el propósito de nuestro estudio es crear un fundamento
para sacar conclusiones acerca de los parámetros poblacionales a partir de los datos
experimentales. Por ejemplo, el Teorema Central de Límite (TLC) nos proporciona
información acerca de la distribución de la media muestral X ; la distribución
comprende la media poblacional μ. Entonces cualquier conclusión referente a μ, que
se obtenga de un promedio muestral observado, depende del conocimento de la
distribución muestral. La estimación de los parámetros poblacionales (μ, σ2, p) pueden,
ser puntuales o por intervalos. Los estimadores usuales son la media, varianza y
proporción ( x , S2, p̂ ) muestrales; siendo isesgados eficientes, consistentes y
asintóticos. Nos centramos en la estimación para la media μ mediante intervalos
usando las distribuciones, normal y “t” de Student.
Al cerrar esta presentación debemos reconocer el esfuerzo y trabajo del profesor
Heiner López Príncipe a quien la Institución agradece por su excelente contribución.

Lucio H. Huamán Ureta

Vicerrectorado de Investigación

6
 ESTADÍSTICA Y PROBABILIDADES I

“El presente material de lectura contiene una compilación de

artículos, de breves extractos de obras de Estadística y
probabilidades I publicadas lícitamente, acompañadas de
resúmenes de los temas a cargo del profesor; constituye un
material auxiliar de enseñanza para ser empleado en el
desarrollo de las clases en nuestra institución.

Éste material es de uso exclusivo de los alumnos y docentes de

la Universidad Tecnológica del Perú, preparado para fines
didácticos en aplicación del Artículo 41 inc. C y el Art. 43 inc.
A., del Decreto Legislativo 822, Ley sobre Derechos de Autor”.

7
ESTADÍSTICA Y PROBABILIDADES II

ÍNDICE

CAPÍTULO I. Estadística Descriptiva ................................................. 13

Semana 1
Introducción....................................................................................... 13
Algunas definiciones y términos importantes en estadística ................ 14
Definición de estadígrafos .................................................................. 17
Etapas que cubre la estadística............................................................ 18

Semana 2
Calculo de los estadígrafos más importantes....................................... 21
Ejercicios de aplicación casos I, II y III................................................
Métodos de clasificación de datos por intervalos................................ 26

Semana 3
Estadísticos de tendencia central......................................................... 31
Tipos de gráficas................................................................................. 32
Propiedades de la media y varianza ................................................... 36
Propiedades adicionales de la media.................................................. 36
Ejercicios de aplicación ...................................................................... 38

Semana 4
Percentiles, deciles y cuartiles ............................................................ 44
Medidas de asimetría y curtosis .......................................................... 49
Ejercicios propuestos de recapitulación (tarea).................................... 52

CAPÍTULO II. Probabilidades ............................................................ 67

Semana 5
Introducción....................................................................................... 67
Algunas definiciones importantes en probabilidad ............................. 68
Álgebra de eventos............................................................................. 69
Ejercicios de aplicación ...................................................................... 70

Semana 6
Probabilidad de un evento ................................................................. 77
Algunos teoremas importantes en probabilidad .................................. 78
Ejercicios de aplicación ...................................................................... 79

8
 ESTADÍSTICA Y PROBABILIDADES I

Semana 7
Probabilidad condicional.................................................................... 89
Ejercicios de aplicación ...................................................................... 90
Probabilidad de la multiplicación de eventos ..................................... 95
Ejercicios de aplicación ...................................................................... 96

Semana 8
Probabilidad de independencia de eventos ........................................ 101
Ejercicios de aplicación ...................................................................... 105
Teorema de la probabilidad total y teorema de Bayes......................... 103
Ejercicios de aplicación ...................................................................... 105
Ejercicios propuestos de recapitulación (tarea).................................... 108

Semana 9
Repaso y solución de los ejercicios propuestos de recapitulación

Semana 10. EXAMEN PARCIAL

CAPÍTULO III. Variable Aleatoria ..................................................... 125

Semana 11
Secuencia natural de problemas en variable aleatoria......................... 125
Propiedades de la variable aleatoria discreta y continua ..................... 127
Variable aleatoria discreta .................................................................. 128
Ejercicios de aplicación ...................................................................... 128
Esperanza matemática en variable aleatoria discreta........................... 128
Ejercicios de aplicación ...................................................................... 138

Semana 12
Variable aleatoria continúa................................................................. 141
Función de densidad de probabilidad uniforme ................................. 144
Función de densidad de probabilidad exponencial............................. 146
Ejercicios de aplicación
Ejercicios propuestos de recapitulación (tarea).................................... 149

CAPÍTULO IV. Distribuciones de probabilidad discreta y continua .. 167

Semana 13
Distribuciones de probabilidad discreta.............................................. 167
Distribución binomial......................................................................... 167
Ejercicios de aplicación ...................................................................... 169
Distribución de Poisson...................................................................... 174
Ejercicios de aplicación ...................................................................... 175

9
ESTADÍSTICA Y PROBABILIDADES II

Teorema de aproximación de las distribuciones binomial y Poisson... 180

Semana 14
Distribución Normal........................................................................... 183
Lectura de tabla .................................................................................. 186
Ejercicios de aplicación ...................................................................... 186

Semana 15
Errores de aproximación en mediciones usando distribución normal . 193
Ejercicios de aplicaciones................................................................... 193
Aproximación de la distribución Normal a la binomial ...................... 197
Ejercicios de aplicación ...................................................................... 198
Distribución de Weibull ..................................................................... 202
Ejercicios de aplicación ...................................................................... 204
Ejercicios propuestos de recapitulación (tarea).................................... 205

CAPÍTULO V. Distribuciones muéstrales........................................... 223

Semana 16
Distribuciones muéstrales................................................................... 223
Teorema del límite central (TLC)......................................................... 225
Ejercicios de aplicación ...................................................................... 226
Estimación.......................................................................................... 229

CAPÍTULO VI. Estimación ................................................................. 231

Semana 17
Métodos clásicos de estimación ......................................................... 231
Estimación puntual ............................................................................. 231
Cualidades de un buen estimador ...................................................... 232
Estimación por Intervalo ..................................................................... 234
Intervalo de confianza para la media con varianza conocida.............. 236

Semana 18
Intervalo de confianza para la media con varianza no conocida......... 243
Ejercicios de aplicación ...................................................................... 245
Ejercicios propuestos de recapitulación (tarea).................................... 249

Semana 19. EXAMEN FINAL

TABLAS ESTADÍSTICAS
TABLA 1.- Distribución Normal Estándar........................................... 257
TABLA 2.- Distribución t de Student ................................................... 259
Bibliografía ........................................................................................ 261

10
 ESTADÍSTICA Y PROBABILIDADES I

DISTRIBUCIÓN TEMÁTICA

Clase
Tema Horas
N°
Conceptos y definiciones fundamentales de la
estadística. Población, muestra, variable, etc. Tipos de
1 03
muestra, (no probabilística y probabilística, extracción
de una muestra aleatoria)
Estadísticos de posición y dispersión para datos sin
2 03
clasificar. Cálculo y propiedades.
Estadísticos de posición y dispersión para datos
clasificados por intervalos de clase. Método de
3 03
clasificación tablas de distribución, sus elementos.
Cálculo de los estadísticos de posición y dispersión.
Propiedades de los estadísticos de posición y dispersión
4 media y varianza. Gráficas: Histograma, Polígono de 03
frecuencia, Ojivas, etc. Diagrama circular.
Percentiles para datos clasificados y sin clasificar.
5 03
Asimetría y Curtosis.
Probabilidad: Álgebra de eventos, axiomas y teoremas
6 importantes sobre probabilidades. Probabilidad 03
condicional. Aplicación.
Probabilidad de un producto de evento y probabilidad
7 03
de independencia de eventos.

8 Probabilidad total y teorema de Bayes. Aplicaciones. 03

9 Revisión y nivelación 03

10 EXAMEN PARCIAL 02

Variable aleatoria continua y discreta. Variable aleatoria

11 discreta. Función de cuantía. Propiedades, media 03
varianza. Aplicaciones.

11
ESTADÍSTICA Y PROBABILIDADES II

Clase
Tema Horas
N°

Variable aleatoria continúa. Función de densidad,

12 03
propiedades, media y varianza. Aplicaciones.
Distribuciones discretas importantes: Bernoulli,
13 03
binomial y Poisson.
Distribuciones continuas importantes: Uniforme y
14 exponencial. Normal propiedades, uso de tablas. 03
Aplicaciones.
Distribución Normal aproximación a la binomial.
15 03
Distribución de Weibull. Aplicaciones.
Distribuciones muestrales: distribución muestral de
16 medias. Muestreo aleatorio: Muestreo aleatorio simple. 03
Teorema del Límite central. Palicaciones.
Estimación. Estimador insesgado y de mínima varianza.
17 Estimación por intervalos para la media poblacional con 03
varianza conocida.
Intervalo de confianza para la media con varianza no
18 conocida. 03
Repaso - Revisión

19 EXAMEN FINAL 02

20 EXAMEN SUSTITUTORIO 02

12