Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Apuntes de Proba PDF
Apuntes de Proba PDF
CAPITULO 1.................................................................................................................................... 5
INTRODUCCION ............................................................................................................................. 5
DEFINICION ................................................................................................................................ 5
CLASIFICACION ........................................................................................................................... 5
Población ................................................................................................................................... 5
Muestra ..................................................................................................................................... 5
Variable ..................................................................................................................................... 6
CLASIFICACION DE VARIABLE...................................................................................................... 6
Dato u observación .................................................................................................................... 6
Estadígrafo ................................................................................................................................. 6
Parámetros ................................................................................................................................ 6
PROCESO DE LA ESTADISTICA ..................................................................................................... 6
CAPITULO 2.................................................................................................................................... 7
ORGANIZACIÓN, CLASIFICACION E INDICADORES MUESTRALES ..................................................... 7
Frecuencia Absoluta ................................................................................................................... 7
Frecuencia Absoluta Acumulada................................................................................................. 7
Frecuencia Relativa .................................................................................................................... 7
Frecuencia Relativa Acumulada .................................................................................................. 7
Frecuencia Relativa Porcentual .................................................................................................. 7
Frecuencia Relativa Porcentual Acumulada ................................................................................ 7
Cantidad de intervalos ............................................................................................................... 8
Rango ........................................................................................................................................ 8
Amplitud de los intervalos .......................................................................................................... 8
REPRESENTACION GRAFICA ........................................................................................................ 9
Diagrama de Barras. ................................................................................................................... 9
Diagrama de Sectores. ..............................................................................................................10
Histograma de Frecuencia. ........................................................................................................10
Polígono de Frecuencias. ...........................................................................................................10
Ojiva de Frecuencias. ................................................................................................................11
ESTADIGRAFOS CENTRALES. ......................................................................................................14
1
Media Aritmética.- ................................................................................................................14
Media Aritmética Ponderada.- ..............................................................................................15
Mediana.-..............................................................................................................................15
Moda.- ..................................................................................................................................16
Relación Media, Mediana y Moda.- .......................................................................................17
Medidas Centrales Secundarias.- ...........................................................................................18
MEDIDAS DE AGRUPACION.- .....................................................................................................21
CUARTILES: ....................................................................................................................21
DECILES.- .......................................................................................................................22
PERCENTILES.- ...............................................................................................................23
MEDIDAS DE DISPERSION.-........................................................................................................25
Medida de dispersión Absoluta .................................................................................................25
RANGO INTERCUARTICO .......................................................................................................25
RANGO SEMI INTERCUARTICO ...............................................................................................25
DESVIACION MEDIA:..............................................................................................................25
VARIANZA Y DESVIACION ESTANDAR .....................................................................................26
MEDIDAS DE DISPERSION RELATIVA.- ........................................................................................29
Coeficiente de Variación:.......................................................................................................29
Momentos de una Distribución de Frecuencias.- ...................................................................30
MEDIDAS O ESTADIGRAFOS DE DEFORMACION.- ......................................................................30
MEDIDAS DE ASIMETRIA.- .........................................................................................................31
CAPÍTULO 3...................................................................................................................................35
PROBABILIDADES ..........................................................................................................................35
Experimento: ............................................................................................................................35
CLASIFICACION.-....................................................................................................................35
DEFINICIÓN DE PROBABILIDAD.- ...............................................................................................36
ALGEBRA DE EVENTOS.- ............................................................................................................36
Axiomas de Probabilidad .......................................................................................................37
PROBABILIDAD CONDICIONAL.-.................................................................................................42
ÁRBOL DE PROBABILIDADES ......................................................................................................42
Teorema de la multiplicación ................................................................................................43
TEOREMA DE PROBABILIDAD TOTAL Y TEOREMA DE BAYES ......................................................46
2
Teorema de Probabilidad Total..............................................................................................47
Teorema de Bayes .................................................................................................................47
EVENTOS INDEPENDIENTES Y SECUENCIAS DE EXPERIMENTOS INDEPENDIENTES .....................50
CAPITULO 4...................................................................................................................................54
VARIABLE ALEATORIA UNIDIMENSIONAL ......................................................................................54
Introducción .............................................................................................................................54
Definición..................................................................................................................................54
VARIABLE ALEATORIA UNIDIMENSIONAL DISCRETA...................................................................54
VARIABLE ALEATORIA UNIDIMENSIONAL CONTINUA .................................................................54
VARIABLE ALEATORIA UNIDIMENSIONAL DISCRETA ...............................................................55
Función o Ley De Probabilidad ..................................................................................................56
VARIABLE ALEATORIA CONTINUA ..............................................................................................62
FUNCIONES MIXTAS ..................................................................................................................65
FUNCIONES DE VARIABLE ALEATORIA .......................................................................................65
ESPERANZA MATEMATICA ........................................................................................................66
VARIANZA DE UNA VARIABLE ALEATORIA..................................................................................66
DEFORMACIÓN .........................................................................................................................67
Coeficiente de Asimetría .......................................................................................................67
Coeficiente de Curtosis..........................................................................................................67
CAPITULO 5...................................................................................................................................74
DISTRIBUCIONES DISCRETAS MÁS IMPORTANTES .........................................................................74
Experimento de Bernoulli:.........................................................................................................74
DISTRIBUCION BINOMIAL ..........................................................................................................75
DISTRIBUCION GEOMETRICA .....................................................................................................77
DISTRIBUCION HIPERGEOMETRICA............................................................................................78
DISTRIBUCION DE POISSON .......................................................................................................80
CAPITULO 6...................................................................................................................................83
DISTRIBUCIONES CONTINUAS .......................................................................................................83
Distribución Exponencial:...............................................................................................84
DISTRIBUCION NORMAL............................................................................................................84
PROPIEDAD REPRODUCTIVA......................................................................................................87
TEOREMA CENTRAL DEL LÍMITE ................................................................................................87
3
APROXIMACION A LA NORMAL .............................................................................................92
APROXIMACIÓN DE LA BINOMIAL .........................................................................................92
APROXIMACIÓN DE POISSON ................................................................................................92
CAPITULO 7...................................................................................................................................94
VARIABLE ALEATORIA BIDIMENSIONAL .........................................................................................94
COVARIANZA.............................................................................................................................95
4
CAPITULO 1
INTRODUCCION
FINITO INFINITO
Mayor de Significancia: 3% → Z
? → NO → q
CLASIFICACION DE VARIABLE
PROCESO DE LA ESTADISTICA
1) Obtener la información.
Planificación.
Encuesta (Estudios de mercados: Segmentos de población → Error).
Entrevistas (Cantidad de productos que se produce, fuente entrevistada).
Datos Históricos (Registro de los cambios que tiene variable, modelos de
aplicación, mantenimiento y producción).
6
CAPITULO 2
7
Tabla de frecuencias
DATOS
Xi fi Fi hi Hi hi x 100% Hi x 100%
X1 f1 f1 h1 h1 h1 x 100% h1 x 100%
X2 f2 f1 + f2 h2 h1 + h2 h2 x 100% (h1+h2) x 100%
X3 f3 f1 + f2 + f3 h3 h1 + h2 + h3 h3 x 100% (h1+h2+h3) x 100%
...... ..... ...... ...... ...... ...... ......
Xn fn ∑ Fi hn ∑ Hi hn x 100% ∑ (Hi x 100%)
Si n≥60 los datos deben agruparse previamente en intervalos.
Intervalos Aparentes. [ ]
Intervalos Reales. [ ]
i. √
ii.
Por defecto
Por exceso
Rango.
Se cumple:
Puede ser la amplitud variable. “c” es distinto en cada intervalo y depende del
investigador.
Marca de Clase. Simbolizada por “Xi” y se define como el promedio de los límites
de cada intervalo.
8
Con todo lo anterior se forma una tabla de frecuencia de datos agrupados.
Marca
[Linf - Lsup] de Clase fi Fi hi Hi hi x 100% Hi x 100%
Xi
L1 - L2 X1 f1 f1 h1 h1 h1 x 100% h1 x 100%
L2 - L3 X2 f2 f1 + f2 h2 h1 + h2 h2 x 100% (h1+h2) x 100%
L3 - L4 X3 f3 f1 + f2 + f3 h3 h1 + h2 + h3 h3 x 100% (h1+h2+h3) x 100%
...... ...... ..... ...... ...... ...... ...... ......
...... Xn fn n hn 1 hn x 100% 100%
TOTAL n 1 100%
Datos e intervalo
Propiedades.
i. ∑
ii.
iii. ∑
iv.
v. ∑
vi.
→ .
REPRESENTACION GRAFICA
Diagrama de Barras. Se pueden tener diagramas simples y dobles de barra.
10 10
Evolución de la variable
8
8
6
6
4 Región 1
2 4
Región 2
0 2
1 2 3 4
0
Tiempo
1 2 3 4
9
Diagrama de Sectores.
→
Histograma de Frecuencia.
10
7
6 8
6
Fi x Hi
5 Creciente.
4 Mayor que
fi x hi
4
3 2 Decreciente.
2 Menor que
0
1
1 2 3 4
0
Hi
1 2 Linf 3 4
Polígono de Frecuencias.
10
Ojiva de Frecuencias.
TALLO HOJAS
1 1,2,5,6,6,8
2 0,3,5,8
3 3,4
11, 12, 15, 16, 16, 15, 20, 23, 25, 28, 33, 34
TALLO HOJAS
0,52 9,4,9,7,8,7,6,5,8
0,53 7,4,7,8,0,5,1,2,8,0,9,6,6,9,2,2,5,6,5,5,6,6,5,3,4,5,5,5,2,4,7
0,54 0,1,3,0,5,0,2,4,6,2
11
√ √
, -
0,524-0,528 0,526 5 5 0,10 0,10 10% 10% 1
0,528-0,532 0,530 7 12 0,14 0,24 14% 24% 0,90
0,532-0,536 0,534 16 28 0,32 0,56 32% 56% 0,76
0,536-0,540 0,538 12 40 0,24 0,80 24% 80% 0,44
0,540-0,544 0,542 7 47 0,14 0,94 14% 94% 0,20
0,544-0,548 0,546 3 50 0,06 1 6% 100% 0,06
0,548-0,552 0,550 0 50 0 1 0% 100% 0
50 1 100%
b) %0,532 - 0,542
( )
( )
( )
d) 0,525-0538 %
( ) ( )
12
e)
Intervalo:
, -
20 - 30 25 5 5 0,10 0,10
30 - 40 35 5 10 0,10 0,20
40 - 50 45 30 40 0,60 0,80
50 - 60 55 5 45 0,10 0,90
60 - 70 65 5 50 0,10 1
TOTAL 50 1
13
b) % > 45 kilogramos.
De 70 a 60 kilogramos es el 10%. De 60 a 50 kilogramos es el 10%. De 50 a 40
kilogramos es el 60%, buscamos el porcentaje mayor a los 45 kilogramos.
( )
c) 45% < x <
35% estimado.
De 60 a 50 kilogramos es el 10%. De 50 a 40 kilogramos es el 60%, buscamos el
porcentaje mayor a los 45 kilogramos hasta (35%). De 45 a 50 kilogramos es el
30%. El 5% está entre 50 y .
( )
Media Aritmética
Mediana
Moda
Medidas Secundarias
Media Aritmética.- Simbolizada por “̅” y se define como el promedio de todas las
observaciones para datos no agrupados.
o DATOS NO AGRUPADOS.
∑
∑
Dónde:
k = cantidad de intervalos.
= i-esima frecuencia absoluta
14
= i-esima frecuencia relativa
= i-esima marca de clase
n = cantidad de datos
Ventajas y Desventajas
- Es manipulable algebraicamente
- Es de cálculo sencillo
- Es sensible a valores extremos
Propiedades:
i. ∑ ( )
iii. Si es la media : →
iv. Si es la media de : :
∑
∑
o DATOS NO AGRUPADOS
i. Si: n = par
15
Ejemplo: ̃
Ejemplo: ̃
o DATOS AGRUPADOS
a) Calculamos n/2.
b) Buscamos en la columna de
c) Intervalo que contiene a: n/2 (Intervalo de la mediana)
̃ ( ) y si no tenemos “n”: ̃ ( )
Dónde:
Cantidad de datos
Límite inferior del intervalo de la mediana
Frecuencia acumulada del intervalo de la mediana
Frecuencia acumulada anterior al intervalo de la mediana
y Frecuencia relativa y relativa anterior al intervalo de la mediana
Amplitud del intervalo de la mediana
Ventajas:
Es de fácil cálculo
Es las más óptima si existen datos extremos
Desventajas:
No es manipulable algebraicamente
No toma en cuenta a todas las observaciones
Moda.- Simbolizada por:” ( )” se define como el dato o valor que se repite más
veces (aquel que tiene la mayor frecuencia absoluta).
o DATOS NO AGRUPADOS
( )
o DATOS AGRUPADOS
16
frecuencia del intervalo modal
frecuencia anterior al intervalo modal
frecuencia posterior al intervalo moda
Entonces:
( ) ( )
- Es de fácil cálculo.
- Se adecúa cuando existe intervalo que se repite mas veces.
- No siempres es un valor unico (bimodal, trimodal).
- No toma en cuenta a todas las observaciones.
17
( ) ̃ ̃ ( )
( ) ( ̃)
Media Geométrica.
o DATOS NO AGRUPADOS
o DATOS AGRUPADOS
√
Media Cuadrática.
o DATOS NO AGRUPADOS
o DATOS AGRUPADOS
18
Media Armónica.
o DATOS NO AGRUPADOS
o DATOS AGRUPADOS
a)
, -
19
∑
b) Media Aritmética:
Mediana: ̃ ( ) . /
Moda: ( ) . / . /
( ) ( )
c) Media Geométrica
√ √
Media Cuadrática
√ √
Cantidad Media ( )
1er Grupo Bs.- 8000
2do Grupo Bs.- 4000
20
Pero:
( ) ( )
( ) ( )
Además:
( ) ( )
Cuartiles
Deciles
Percentiles
21
En consecuencia:
𝑄 𝑥̃
𝑛
𝐹𝑘 𝐻𝑘 𝑟
𝑄 𝐿𝑖𝑛𝑓 𝑐 o
𝑄 𝐿𝑖𝑛𝑓 𝑐
𝐹𝑘 𝐹𝑘 𝐻𝑘 𝐻𝑘 𝑟
𝑛
𝐹𝑘 𝐻𝑘
𝑄 𝐿𝑖𝑛𝑓 𝑐 o 𝑄 𝐿𝑖𝑛𝑓 𝑐
𝐹𝑘 𝐹𝑘 𝐻𝑘 𝐻𝑘
22
Entonces:
𝐷𝑠 𝑥̃
𝑖𝑛 𝑖
𝐹𝑘 𝐻𝑘
𝐷𝑖 𝐿𝑖𝑛𝑓 𝑐 𝐷𝑖 𝐿𝑖𝑛𝑓 ( )
𝐹𝑘 𝐹𝑘 𝐻𝑘 𝐻𝑘
Donde i = 1, 2, 3,… , 9
Entonces: 𝑃 𝑥̃
𝑖𝑛 𝑖
𝐹𝑘 𝐻𝑘
𝑃𝑖 𝐿𝑖𝑛𝑓 𝑐 𝑃𝑖 𝐿𝑖𝑛𝑓 𝑐
𝐹𝑘 𝐹𝑘 𝐻𝑘 𝐻𝑘
Dónde: i = 1, 2, 3,… , 99
EJEMPLO 5. Se han elegido150 productos para analizar sus pesos en gramos los
resultados están clasificados en la siguiente tabla. Si se sabe que la media
aritmética es 2,14 y la medina es igual a 2,125 se pide:
23
Linf - Lsup x f1 F fi xi
2,00 – 2,04 2,02 12 12 24,24
2,04 – 2,08 2,06 28 32 41,28
2,08 – 2,12 2,10 38 70 79,8
2,12 – 2,16 2,14 x = 25 70+x 2,14x
2,16 – 2,20 2,18 y = 21 70+x+y 2,18y
2,20 – 2,24 2,22 z = 17 70+x+y+z 2,22z
2,24 – 2,28 2,26 9 79+x+y+z 20,34
2,28 – 2,32 2,30 8 150 18,4
Total 150
̅ ̃
∑
̅
( )
También ∑
( )
Por ultimo
Mediana ̃ ( )
( )
En (2) →
24
En (1) ( ) ( )
b) →
( ) →
( ) →
Decil →
( ) →
( ) →
RANGO INTERCUARTICO
25
| |
( ) ∑
∑ | ̅| ∑ | ̃|
( ̅) ( ̃)
Varianza Muestral:
∑ ( ̅)
( ) ( )
∑ ( ̅)
√
26
Varianza Poblacional.- Si el tamaño de la población es “N” y asumimos que:
̅ (Media poblacional)
∑ ( ̅)
( ) ( )
La desviación Estándar:
∑ ( ̅)
( )
√
Si n>120 se considera ( )
27
Se considera que [ ̅ ( ) ̅ ( ) ] se encuentra el 99,9999% de las
observaciones. Una expresión más simple de la varianza muestral, le obtenemos
de:
( ) (∑ ( ̅) )
( ) (∑ ̅ ∑ ∑ )
( ) (∑ ̅ )
𝑆 (𝑥) (∑ 𝑓𝑖 𝑥𝑖 𝑛 𝑥̅ )
𝑛
𝑖
Propiedades:
i) ( ) iv)
ii) ( ) v) ( ) ( )
iii) ( ) ( )
28
VARIANZA GLOBAL.- Si se tienen “K” muestras de tamaño n 1 , n2, … nn con sus
propias medias aritméticas, ̅̅̅ ̅̅̅ ̅̅̅ ̅̅̅̅ y sus respectivas varianzas
Donde
∑ ̅̅̅
̅̅̅̅
Coeficiente de Variación:
̅
Si el CV(x) > 50% esto significa alta dispersión, la concentración es baja, en
consecuencia la media aritmética no es representativa.
F 1 h1 F 1 h1
L1 L1
CV > 50 % CV < 50 %
29
Momentos de una Distribución de Frecuencias.- Se define los momentos del
grado “r” de una distribución de frecuencias:
∑ ( )
( )
∑
( ) ̅
∑
( ) ̅
∑
( ) ̅
Si el VC = ̅
∑ ( ̅)
( ̅) =0
∑ ( ̅)
( ̅) ( )
∑ ( ̅)
( ̅)
30
MEDIDAS DE ASIMETRIA.- Ponderar el grado de deformación horizontal de la
curva de distribución de frecuencia, mediante el llamado coeficiente de
Frecuencia, mediante el llamado coeficiente de asimetría.
( )
k1 = 0,263 → Mesocurtica
( ̅)
si k2 = 3 Mesocurtica
( )
k2 > 3 Platiturca
k2 < 3 Leptocurtica
31
d) EL coeficiente de variación
e) El coeficiente de asimetría y curtosis
Sol. n=100
a) Q1 = n/4 = 100/25 =4
( ) →
→ ( ) →
→ ( ) →
→ ( ) →
b)
32
( )
∑
c) ̅
̃ → ̃ ( ) → ̃
MODA
( ) → ( ) ( ) →
( ) ( )
d)
( ) *∑ ̅ + → ( ) * ( ) +
( ) → ( )
( )
alto concentrado
̅
Coeficiente de Asimetría:
( ̅ ̃) ( )
→
( )
( ) ( )
( )
( )
33
EJEMPLO. Una muestra de 130 alumnos se divide en dos subgrupos A y B. el
profesor del subgrupo A encontró una calificación media de 14 con una desviación
típica de 3 y el profesor del grupo B encontró una media de 12 pero olvido calcular
la varianza. El coordinador del curso afirma que en el grupo B hay 70 estudiantes
y la varianza global de ambos grupos es de 8. Calcular la desviación estándar del
grupo B.
Sol.
; ( )
Grupo A Grupo B
̅ ̅
( ) ( )
→ →
Media ponderada
̅
̅
∑( ) ( ) ∑ ( ̅ ̅ )
( )
( ) ( ) ( ) ( ) ( ) ( )
( ) ( )
( ) ( )
( )
( )
( ) → ( )
34
CAPÍTULO 3
PROBABILIDADES
CLASIFICACION.-
Experimento determinístico: Son aquellos en los que el resultado se puede
predecir mediante un modelo.
Experimentos aleatorios: El resultado no es posible predecirlo hasta realizar
el ensayo en consecuencia existe una probabilidad de que suceda o no.
Ejemplo.- Control de calidad es muy aleatorio
c/c Aproximado
Si No
35
- Realización del experimento
( )
( )
( )
( )
( )
⋃ * ⁄ +
⋂ * ⁄ +
36
* +
* +
* +
En cardinales:
( ) ( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( )
Axiomas de Probabilidad
i. ( )
ii. ( ) ( )
iii. ( ) ( ) ( ) ( )
iv. ( ) ( ) ( ) ( )
v. ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( )
( ) ( ) ( ) ( )
37
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( )
Finalmente: ( ) . /
EJEMPLO: Un muchacho parado en una esquina lanza una moneda si cae cara
camina una cuadra al este, si caes sello camina una cuadra al oeste. En cada
esquina repite la operación. Cuál es la probabilidad que despues de 6
lanzamientos este:
a) En el punto de partida
b) A dos cuadras del punto de partida
Entonces:
( )
b) *
+
( )
38
EJEMPLO: En una urna hay 2 bolas azules, una blanca y tres rojas. Se van a
extraer al azar 2 bola. Calcule usted la probabilidad que las 2 bolas sean rojas o
una blanca y otra azul.
2 azules
3 rojas
6 total
Finalmente: ( ) ( ) ( ) ( )
( )
EJEMPLO: El gerente de una planta situada en las orillas de un rio sabe que en
un pleito que se avecina en la corte la compañía puede ser culpable de
contaminar el rio, más aun él sabe que si lo encuentran culpable, la compañía
tendrá que instalar un sistema de purificación, pagar un multa a ambos. Hasta
ahora solo un 10% de la compañías en casos similares han tenido que pagar la
multa e instalar un sistema de purificación; adicionalmente, cuando la decisión de
la corte no obliga a las 2 penas, una compañía a tenido 3 veces la probabilidad de
ser multada que de ser requerida para instalar un sistema de purificación. Si el
28% de las compañías han sido culpables. ¿Cuál es la probabilidad que esta
compañía sea requerida para instalar un sistema de purificación?
B= pagar la multa
39
( ) ( )
( ) ( ) * ( ) ( )+
( ) ( ) ( ) ( )
( ) ( ) ( )
Además: ( )
( ) ( ) ( )
( ) ( ) ( )
( ) ( )
( ) ( )
( )
P(A)=0.145
(( ) )
( )
( )
40
( ( ))
( )
( ) *, ( )- , ( )-+
Por axiomas:
(( ) ) ( ) (( ) )
( ) ,( ) ( )-
( ) * ( ) ( ) ( )+
Además: ( )
( ) ( ) ( )
( ( )) ( ) ( ( ))
( ) (( ) ( ))
( ) ( )
( )
POP:
( )
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) (( )
( )
( ) ( ) ( ) ( )
( ) ( )
41
EJEMPLO: De 250 empleados 130 fuman cigarrillos. Hay 150 hombres trabajando
de los cuales 85 fuman cigarrillos. Cuál es la probabilidad que un empleado
seleccionado al azar:
a) ( ) ( ) ( )
( ) ( )
b)
( )
c) ( ) ( ) ( ) ( )
( )
NOMENCLATURA:
( )
( ⁄ )
( )
( ) ( )
( ⁄ ) ( ⁄ )
Entonces
ÁRBOL DE PROBABILIDADES
42
Si en un espacio muestral existan B1, B2,
B3, B4……BK eventos que se pueden dar
a conocer dónde:
Teorema de la multiplicación
( )
( )
( )
Entonces ( ) ( ) ( )
Axiomas
( ⁄ ) ( ⁄ )
( ⁄ ) ( ⁄ ) ( ⁄ ) ( ⁄ )
6 artículos 2 defectuosos
4 no defectuosos
43
B= a lo mas en la cuarta prueba se obtengan los 2 defectuosos
a)
( )
( ⁄ )
( )
( )
b)
( )
( )
44
EJEMPLO: Un cazador tata de matar un oso la probabilidad que aparezca en un
radio menor que R1 es de 0.10, entre un radio R1 y R2 es 0.3 y en un radio mayor
a R2 es 0.2. Si aparece un oso en radio menor que R1 el cazador será capaz de
matarlo con una probabilidad de 0.7; con una probabilidad de 0.5 si aparece en un
radio entre R1 y R2; con una probabilidad de 0.2 si el radio es mayor que
R2.¿Cuál es la probabilidad que el cazador mate al oso?
( )
( )
( )
( ) ……………1)
( ⁄ ) …………….2)
( ) …………………..3)
De 1: ( ) ( )
( ) ( )
De 2: ( )⁄ ( )
( ) ( )
De 3: ( ) ( )
( ) ( )
( ) ( ) ( )
( )
( )
45
A
( )
B= Al menos 1
( ) ( ) ( ) ( ) ( )
De la probabilidad condicional:
( )
( ⁄ )
( )
Despejando: ( ) ( ) ( ⁄ )
Entonces:
46
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ∑ ( ) ( )
( )
( ) ( )
( )
( ) ( )
Teorema de Bayes
( ) ( )
( )
∑ ( ) . /
EJERCICIO. Una urna contiene 2 esferas blancas y 3 azules; una segunda urna
contiene 3 blancas y 4 azules, se extrae aleatoriamente una esfera de la urna 1 y
se la coloca en la segunda urna luego se extrae aleatoriamente una bola
aleatoriamente de esta última urna. Calcular la probabilidad de que esta última sea
blanca.
Sol. I II
2B 3B
3A 4A
5 Total 7 Total
47
𝑃 (𝐵)
𝑃 (𝐵)
𝑃 (𝐴)
𝑃 (𝐴)
( )
( )
Sol.
% Producción % Defectuosos
Maquina I 35 3
Maquina II 25 4
Maquina III 40 5
𝐷
𝑃( )
𝑃 (𝐼) 𝐼
𝐷
𝑃(𝐼𝐼 ) 𝑃( )
𝐼𝐼
𝑃(𝐼𝐼𝐼 ) 𝐷
𝑃( )
𝐼𝐼𝐼
48
( ) ( ) ( ) ( ) ( ) ( ) ( )
( )
( )
Pero: . /
Por Bayes:
( ) ( )
( ) ( ) ( )
( )
( ) ( )
( ) ( ) ( )
( )
( ) ( )
( ) ( ) ( )
( )
Sol.
49
(( ) )
( )
( )
( ) ( )
( )
( )
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
( )
( )
( ) ( )
Por Bayes:
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( )
( )
( )
. /
( )
En consecuencia:
( ) ( )
50
Por tanto:
( ) ( )
( )
Por lo tanto:
( ) ( ) ( ) ( )
En consecuencia:
( ) ( ) ( )
EJEMPLO. En tres establos A, B y C hay una epidemia que afecta a los cascos y
a la boca del ganado, la proporción de ganados afectados son:
respectivamente se escoge aleatoriamente una cabeza de ganado de cada
establo:
Establo B ( )
Establo C ( )
A B C
51
A, B, C Son independientes
( )
( ) ( )
( ) ( )
b) . / ( ) ( )
( )
( )
( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
1 2 3 4 5 6
5
( )
52
( ) ( ) ( ) ( ) ( )
b)
1 4
2 5
3 6
( ) ( ) ( ) ( )
( ) ( )
( ) ( )
( ) ( )
( )
( ) ( )
53
CAPITULO 4
Definición
La variable aleatoria unidimensional es una función que a todo evento del espacio
muestral un valor real.
W1 X1
W2 X2 X = X (W)
W3 X3
WK XK
La variable aleatoria está asociada a una sola característica del espacio muestral.
La forma de la función depende del investigador. Dependiendo del valor real
asignado la variable aleatoria se clasifica en:
W1 W2
54
W1 W2
Sol.
RX= {2, 3, 4, 5}
W1 W2
a) El dominio de X
b) El rango de X
c) La probabilidad de cada uno de los elementos del rango de X
Sol.
55
DX= {gane premio mayor, gane un premio de 10000, gane un premio de 1000,
pierda todo}
RX = GPM
GP de 10000
GP de 1000
Pierde
( )
( )
( )
( )
0
W1 X1 p(x1)
W2 X2 p(x2)
W3 X3 p(x3)
WK XK p(xk)
∑ ( )
56
Se define la función de distribución o también llamada función acumulada de
probabilidad a aquella que se define:
‖ ‖
( ) ∑ ( )
Gráficamente:
p(x2) 1
p(x0)
X0 X1 X2 X3 XK X0 X1 X2 XK
X X0 X1 X2 X3 …………. XK
p(x) p(x0) p(x1) p(x2) p(x3) …………. p(xK)
P(X) p(x0) p(x0) + p(x1) …………. 1
Propiedades:
) ( ) ( )
) ( ≥ ) ( )
) ( ) ( ) ( )
) ( ) ( ) ( ) ( )
) ( ) ( ) ( ) ( )
57
Sol.
n = 10 estudiantes
3 tienen 19 años = A
4 tienen 20 años = B
1 tienen 21 años = C
1 tienen 24 años = D
1 tienen 26 años = E
Ω = {AA, AB, AC, AD, AE, BB, BC, BD, BE, CD, CE, DE}
RX = {19,19.5, 20, 21.5, 22.5, 20, 20.5, 22, 23, 22.5, 23.5, 25}
( )
( )
( )
( )
( )
( )
( )
( )
( )
58
( )
P(x) 1
p(x)
12
3 4 3 444
1 1
44
43
39
35
31
28
24
15
59
EJEMPLO. La urna I contiene una ficha blanca y dos negras la urna II contiene
tres fichas blancas y dos negras, la urna III contiene dos fichas blancas y tres
negras, extraemos una ficha de cada urna y la llamamos X a la variable aleatoria
que representa el número de fichas blancas extraídas.
Sol.
I 1 B; 2N
II 3 B; 2N
III 2 B; 3N
* +
( )
( )
( )
( )
x 0 1 2 3
( )
( )
60
p(x)
0,45
0,4
0,35
0,3
0,25
0,2
0,15
0,1
0,05
0 x
0 0,5 1 1,5 2 2,5 3 3,5
p(x)
1,2
1
0,8
0,6
0,4
0,2
0 x
0 1 2 3 4
b)
( ≥ ) ( ) ( )
( ≥ )
( ≥ )
( ) ( ) ( ) ( )
61
( )
( )
∫ 𝑝(𝑥) 𝑑𝑥
𝑅𝑥
( ) ∫ ( )
Gráficamente:
i. ( ) ( )
ii. ( ≥ ) ( )
iii. ( ) ( ) ( )
62
( ) { ( )
a) Hallar el valor de la constante "a" tal que sea una función de densidad
b) Hallar la función de distribución
c) Hallar la probabilidad acumulada de . ≥ / y . /
Solución
∫ ( )
∫ ∫ ( )
1 ( ) 2
0 1
( )
( )
{
Función de distribución
, -
( ) ∫
( )
63
, -
( ) ∫ ∫ ( )
( )
( )
( ) ( )
( ) ( )
, , ( )
a) . ≥ / . /
( ≥ ) ( )
( ≥ )
( )
( )
{ ≥
64
b) . / . / . /
( ) ( ) ( )
( )
FUNCIONES MIXTAS
Algunos modelos de funciones de probabilidad manejan variable aleatorias
discretas y continua al mismo tiempo en distintos intervalos, entonces:
∑ ( ) ∑ ( )
⟦ ⟧
( ) ∑ ( ) ∫ ( )
𝑥
𝑤 𝑦
𝑥
𝑤 𝑦
𝑥𝑛
𝑤𝑛 𝑦𝑛
( ) ( ) ( ( ))
Eventos equivalentes
65
ESPERANZA MATEMATICA
( ) ∑ ( ) en V.A.D.
( ) ∫ ( ) en V.A.C.
( )
PROPIEDADES
i. ( ) ( )
ii. ( ) ( )
iii. ( ) ( )
La varianza de una variable aleatoria "x" simbolizada por Var(x) se define como:
( ) (( ) )
( ) ∑ ( ) ( ) en V.A.D.
( ) ∫ ( ) ( ) en V.A.C.
( ) √ ( )
( ) (( ) ) ( )
( ) ( ) ( ) ------- ( )
66
( ) ( )
PROPIEDADES
i. ( )
ii. ( ) ( )
iii. ( ) ( )
iv. ( ) ( )
AGRUPACIÓN
Mediana
̃ / ( )
Moda
( ) ( ) presente un máximo
Percentil
( ) / ( )
DEFORMACIÓN
Coeficiente de Asimetría
( )
→{
( )
Donde
∑( ) ( )
( ) (( ) ) →
∫ ( ) ( )
{
Coeficiente de Curtosis
( ) ( )
→ {
( ) ( )
67
lanzarlos uno por uno hacia una clavija, si se logra ensartar dos anillos el premio
es de 1 Bs.; si se ensartan los tres el premio es de 5 Bs. suponiendo que la
probabilidad de ensartar en la clavita sea 0,10 por lanzada.
Solución
𝑃𝑜
𝑃𝑜 𝑃𝑜
𝑃𝑓
𝑃𝑓 𝑃𝑓
( ) ( )
( ) ( )
( )
( )
X 0 1 2 3
p(x) 0,729 0,081 0,009 0,001
P(x) 0,729 0,810 0,819 0,82
Y -0,25 -0,25 1 5
68
a. Ganancia esperada si se juega 1 sola vez
( ) ∑ ( ) ( )
( )
( )
b.
Mediana
̃ ( ≥ ) ( )
0,822
0,82
0,818
0,816
0,814
0,812
0,81
0,808
-1 0 1 2 3 4 5 6
c. K=?
( ) (( ) )
( ) ( )
Sabemos que
( ) ( ) ( )
69
( )
( )
(( ) ) ( ) ( ) ( )
(( ) )
( ) ( )
( ) ( ) ( ) ( )
( )
( ) {
Solución
( ) {
Como:
70
∫ ( )
∫( ) ∫ ( )
( ) {
Hallando P(x)
( ) ∫ ( )
( )
( ) ∫ ( ) ∫ ( )
( )
( )
{ ≥
a. ( ) ( )
( ) ( )
( ) ( )
( )
71
b. ( ) ∫ ( )
∫ ( ) ∫ ( )
( ) ( ) ( ) ( )
( ) ( )
( ) ∫ ( ) ∫ ( )
( )
( )
( )
( )
√
[ ]
√ √
( )
√ √
( ) ( ) ( )
√ √ √
( ( ) ( )) (( ) ( ) )
√ √ √ √
√ ( )
y
c. ( ) ∫ ( ) ∫ ( )
( ) ( ) ( ) ( ) ( )
( )
( ) ∫ ( ) ∫ ( )
( ) ( ) ( ) ( ) ( )
72
( )
( )
→
( )
( )
√
( )
→
( )
( )
√
73
CAPITULO 5
X = 0 fracaso
X = 1 éxito
La función de cuantía:
( )
x 0 1
p(x) q p
P(x) q 1
La función de distribución:
‖ ‖
( ) ∑
La varianza:
( ) ( ) ∑( ) ( )
( ) ( ) ( )
( ) ( )
( )
74
DISTRIBUCION BINOMIAL
Sucede cuando el ensayo de Bernoulli se repite “n” veces y la variable aleatoria “x”
mide la cantidad de éxitos en los “n” ensayos.
Entonces:
( ) . /
Dónde:
La función de distribución:
‖ ‖
( ) ∑. /
La varianza:
( ) ( )( ) ( )
Si x=2
( ) ( )( ) ( )
( )
b) Por lo menos una venta en tres intentos:
( ≥ ) ( )
( ) ( ) ( )( ) ( )
( )
( ≥ ) → ( ≥ )
c) 0,9375. Por lo menos 1 venta:
75
1 venta en “n” intentos
( ≥ ) ( )
( ≥ ) ( )
( ) . /( ) ( )
Si x=0
( )
Solución:
Maquina Producción % Defectuosos
A 2z 6
B z 3
C z/2 3
Total 7/2 z
76
→
n=10
a) ( ) ( ). / . /
( )
b) ( ≥ ) ( ) ( ) ( )
( ≥ ) ( ) ( ) ( ) ( ) ( )
( ≥ )
DISTRIBUCION GEOMETRICA
( ) ∑
La varianza:
77
( )
( )
√
DISTRIBUCION HIPERGEOMETRICA
( ) . /
( ) . /( ) ( )
EJEMPLO. Una fábrica emplea un patrón de aceptación en los artículos
producidos antes de embarcarlos. El plan consta de dos etapas: cajas con 25
artículos son preparadas para su embarque tomándose 3 artículos como muestra
para su revisión; si se encuentra alguno defectuoso, la caja regresa para
inspeccionar el 100% de su contenido, en caso contrario se lo embarca. Cuál es la
probabilidad de:
a) Embarcar una caja que contenga 3 artículos defectuosos.
b) Regresar una caja que contiene un solo artículo defectuoso.
Solución:
78
→ {
{
( )( )
( )
( )
a)
( )( )
( )
( )
( )
( )
( )
( )
b)
( )( )
( )
( )
Rechazar x = 1
( )( )
( )
( )
( )
EJEMPLO. Considere un sistema eléctrico que consiste en 6 focos conectados en
serie de manera que ninguna prendera si uno de ellos es defectuoso. Si los focos
de la instalación se seleccionan al azar de un lote de 100, 20 de los cuales son
defectuosos. ¿Cuál es la probabilidad que funcionen todos los focos del sistema
eléctrico?
Solución
N = 100 focos
M = 20 defectuosos
N-M = 80 no defectuosos
n=6
6<<<<100
79
Utilizamos aproximación binomial:
( )
( ) ( )( ) ( )
Si funciona x=0
( ) ( )( ) ( ) ( )
DISTRIBUCION DE POISSON
La variable aleatoria “x” mide cuantos eventos son positivos en una determinada
medida.
( )
( )
Dónde:
t = cantidad de medida
x = cantidad de eventos positivos
Generalmente:
( )
( )
La función de distribución es:
‖ ‖
( ) ∑
La varianza es:
80
b) ¿Cuál es la probabilidad de que no se presenten defectos en el sistema?
Solución:
t= conexiones soldadas
p = soldaduras defectuosas en una conexión
p=
= 5 conexiones mal soldadas
Binomial:
p= y q= 1 -
( ) ( )( ) ( )
( )
a) Entonces:
→
( ) ( ) . /
( )
b) Entonces: x = 0
( )
81
Con dos errores: x = 2
. /
( )
( )
( ) ( )( ) ( )
( ) ( )( )
( )
82
CAPITULO 6
DISTRIBUCIONES CONTINUAS
( ) {
p(x
)
𝑏 𝑎
a b x
( ) ∫ ∫
( ) {
P(
x)
83
a b x
El valor promedio esperado es:
La varianza es:
( )
( ) ≥
La función de distribución:
( ) ∫
Por lo tanto:
P(x) = [ ] si x≥
La varianza =
DISTRIBUCION NORMAL
. /
p (x) = { ≥ }
√
84
Nomenclatura
x, N ( )
Entonces:
x= ̅=
= z= =0
Var(x) = Var ( )
Var(x) = Var ( )
= Var ( ) Var ( ) = 1
z N (0,1)
( )
p (z) = { }
√
La función de distribución:
85
P( ≥ ) P( ) P( )
z P(z)
p( ) ( ) ( )
= +. /( )
p( ) ( ) ( )
p( )
Por ejemplo:
Si ( ) = 0.7583
P(z) z
0.7580 0.7 Interpolando
0.7583
0.7611
86
= 0.7 +. /( )
PROPIEDAD REPRODUCTIVA
y= +
=
Propiedad
reproductiva
= +
( )
( )
.
.
.
( )
Entonces:
∑ ∑
z= // → Teorema central del Limite
√∑
87
con una media de 18 días y desviación estándar de 4 días ¿Qué proporción de las
facturas será pagada?
a) Entre 12 y 18 días.
b) Entre 20 y 23 días.
c) Dentro de cuantos días será pagado el 99.5% de las facturas.
d) Entre cuales dos valores simétricamente distribuidos alrededor de la media
recaerá el 98% de las facturas.
Solución
= 18 =4
(12 ) = P ( = 0) – P( = -1.5)
En tablas = 0.5 – 0.0668
(12 ) = 0.4332
(12 ) = 43.32%
(20 ) = 0.2029
(20 ) = 20.29%
88
= 2.575 x= 18+4(2.575)
d)
P( ) P( ) = 98
P( ) P( ≥ ) = 98 %
P( ) P( ) = 98 %
P( ) = 0.9900 z= 2.327
= 18 + 4(2.327) =27.308
= 18 - 4(2.327) - =8.092
EJEMPLO. El gerente de una producción de una fábrica piensa la vida útil de una
maquina está distribuida con una media de 3000 horas. Si además piensa que hay
una probabilidad de 0.5 de que la maquina dure 2632 horas o más 3368 ¿cuál es
la desviación estándar?
Solución
= 3000 horas
P(x ) ( )
89
P( = ) +1 – P(x )= 0.50
P( = )-P( = ) =0.50
P( = )-P( = ) = 0.50
SIMETRICO
(- ) ( ) ( )
(- ) ( ) ( ≥ )
(- ) ( ≥ ) * ( ≥ )+
(- ) ( ≥ )
z P(z)
0.67 0.7486
{ }( )
¿? 0.75
0.68 0.7517
90
desviación estándar de 5lb cuantos cajones pueden ser transportados en el
camión de tal forma que la probabilidad que la carga total exceda a una tonelada
sea 0.10.
Solución
n = cantidad de cajas
Propiedad Reproductiva
= +
= = n* =√
= √
P( ) = 0.10
( ) = 0.80 En tablas
z P(z)
1.2817 1.28 0.8997
¿? 0.9000
1.29 0.9015
Pero:
√
√ = //()
91
25* = - 100 + 2500
2500 – (100*2204.58+25) + =0
APROXIMACION A LA NORMAL
APROXIMACIÓN DE LA BINOMIAL
P( ) ( )
P( ) . / ( )
√
P( ≥ ) . /
APROXIMACIÓN DE POISSON
92
n= tamaño de la muestra
√
P( ) P( ) ( )
√
Solución
n =300 insectos
(0.25)
√ =√
P (60 )= . / . /
P (60 )= ( ) ( )
En tablas
P (60 ) = 0.954
93
CAPITULO 7
X Y ….. Total
p( ) p( ) p( ) p( )
. .
. .
. . .
. . .
. . .
p( ) p( )
Total p( ) …………. ……... ………. p( ) 1
∑ ∑ ( )=1
Las marginales
p (x) = ∑ ( )
p (y) = ∑ ( )
Entonces
∑ ( ) ; ∑ ( )
( ) ; ( )
94
∫ ∫ ( )
Las marginales
( ) ∫ ( ) ; ( ) ∫ ( )
Entonces
∫ ( ) ; ∫ ( )
COVARIANZA
Cov = E ( )( ) ( )
En V.A.D.
Cov ( ) = ∑ ∑( )( ) ( )
En V.A.C.
Cov ( )=∫ ∫ ( )( ) ( )
Cov ( ) = ∑∑ ( )
Cov ( )=∫ ∫ ( )
Cov = 0
”
( )
( ) -1 1
Si:
95
=1 Correlación es perfecta positiva
Cov (x,y) = [∑ ]
y = a +bx
EJEMPLO. Sean x,y dos variables aleatorias que representan las producciones
diarias de dos líneas ensambladoras A y B de vehículos la distribución conjunta de
probabilidad viene dada por la siguiente tabla.
x y 1 2 3 Total
1 0 1/5 2/15 1/3
2 1/6 1/9 1/4 19/36
3 1/12 0 1/18 5/36
Total 1/4 14/45 79/180 1
Se pide:
Solución
x 1 2 3
p(x) 1/3 19/36 5/36
a)
∑ ( )= . / . / . /
( )= . / . / . /
( )=
( ) . / ( ) ( )
96
y 1 2 3
p(y) 1/4 14/45 79/180
∑ ( )= . / . / . /
( )= . / . / . /
( )=
( ) . / ( )
( )
b) p(x >1 /y=2 ) =
( )
c) Cov (x, y) = ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) . /
Cov (x, y) = -
( )
( ) =
( )
97
vuelve inutilizable en menos de un año si x la vida del primer componente y la vida
del segundo componente cuya función de probabilidad conjunta es
p(x, y) = si x≥ ≥
Solución
∫ ∫ =1
∫ ( )
Dónde:
Marginales
p(x) = ∫
p (x) =
98
p (x) = . /
p (x) = ; p (y) =
p (x > 1) = 1- . /
99
100