Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ESTADISTICA - Probabilidades PDF
ESTADISTICA - Probabilidades PDF
INDICE
UNIDAD ACADÉMICA I
ESTADÍSTICA – GENERALIDADES
1. Definición de Estadística 07
2. Clases de Estadística 08
3. Conceptos Básicos 08
4. Variable y tipos 10
5. Regla de Redondeo 14
6. Notación Científica 15
7. Cifras Significativas 15
8. Sumatoria 16
UNIDAD ACADÉMICA II
UNIDAD ACADÉMICA IV
5
Excelencia Académica
UNIDAD ACADÉMICA V
DISPERSIÓN, ASIMETRÍA Y APUNTAMIENTO
1. Medidas de Dispersión o Variabilidad 065
2. Rango 066
3. Desviación Media 066
4. Varianza 068
5. Desviación Estándar 070
6. Características de la Varianza y Desviación Estándar 071
7. Coeficiente de Variación 072
8. Variable Estandarizada 073
9. Medida de Asimetría 073
Medida de Apuntamiento 076
UNIDAD ACADÉMICA VI
CORRELACIÓN Y REGRESIÓN
1. Correlación 079
2. Coeficiente de Correlación 080
3. Regresión 082
4. Serie de Tendencia Rectilínea 082
5. Serie de Tendencia Parabólica 084
6. Aplicación de la Ecuación Exponencial 087
6
Excelencia Académica
ESTADÍSTICA – GENERALIDADES
Este primer fascículo esta diseñado para ayudar al lector a hacerse una idea de la
estadística, para que sepa los principales conceptos, variables y sus tipos, regla de
redondeo, notación científica y cifras significativas.
Hoy las estadísticas están presentes en casi todas las profesiones, se han convertido en
una herramienta de suma utilidad.
1. Definición de Estadística
La Estadística es la ciencia de la:
- Sistematización, recogida, ordenación y presentación de datos referentes a un
fenómeno que presenta variabilidad o incertidumbre para su estudio metódico, con el
objeto de
(Descriptiva)
- deducir las leyes que rigen esos fenómenos,
(Probabilidad)
- y poder de esa forma hacer previsiones sobre los mismos, tomar decisiones u
obtener conclusiones
(Inferencia)
Definiciones etimológicas:
El origen etimológico de la palabra “estadística”, no está bien determinado. Para algunos
viene de la voz griega STATERA que significa “Balanza, equilibrio”, otros dicen que
7
Excelencia Académica
deriva del latín STATUS que significa “situación” mientras que algunos autores afirman
que procede del alemán STAAT cuyo significado es “Estado” por su función de registrar:
población, nacimiento, defunción, etc. Y finalmente, otros autores dicen que proviene de
una voz italiana STATISTA que significa “estadista” y que acuño Gottfried Achenwall
(1719 – 1772), un profesor en Marlborough y Gottingen.
2. Clases de Estadística
Estadística Descriptiva y Deductiva
Es la Estadística que únicamente se ocupa de describir y analizar un conjunto
determinado sin extraer ningún tipo de conclusión o inferencia sobre un conjunto
mayor.
El análisis se limita a si mismo a los datos coleccionados. Las gráficas, las tablas y
diagramas que muestran los datos y facilitan su interpretación son ejemplos de
este tipo de Estadística.
3. Conceptos Básicos
Población
Es el conjunto mayor o colección completa de todos los elementos que posee al
menos una característica común observable, cuyo estudio nos interesa o acerca de
los cuales se desea información.
La población puede ser según su tamaño de dos tipos:
- Población Finita: cuando se tiene un número determinado de elementos.
Ejemplo. El conjunto de todos los alumnos de la UPLA
8
Excelencia Académica
Muestra
Es un subconjunto de la población a la cual se le efectúa la medición con el fin de
estudiar las propiedades con el fin de estudiar las propiedades de la población de
la cual es obtenida.
Ejemplo. Un grupo de alumnos del total de estudiantes de la UPLA.
Tamaño de la muestra: Es el número de elementos de la muestra y se denota con
la letra “n” (ene minúscula).
Parámetro
Es un número que describe alguna característica de la población o medida de
resumen de una población. Se considera como un valor verdadero de la
característica estudiada y para determinar su valor es necesario utilizar la
información poblacional completa y por lo tanto la decisión se toma con
certidumbre total.
Los parámetros se representan con letras griegas.
Ejemplo: La media aritmética con “µ”
La desviación estándar con “σ”
Estadígrafo o Estadístico
Es el número que describe alguna característica de la muestra o medida de resumen de
una muestra y la toma de decisión contiene un grado de incertidumbre.
La estadística se representa con letras latinas.
Ejemplo: La media aritmética con “ x ”
Dato
Es el valor, respuesta o registro que adquiere una característica o variable
asociada a un elemento de la población o muestra, como resultado de la
observación, entrevista o recopilación en general. Puede ser un símbolo, una
palabra o un número.
9
Excelencia Académica
A. Según su naturaleza
B. Según su procedencia.
a. Datos Primarios: Son aquellos que se obtienen directamente de la misma
realidad, sin sufrir ningún proceso de elaboración previa.
Ejemplo: Lo que se recoge directamente de un muestreo o de un censo.
b. Datos Secundarios: Son registros escritos que proceden tambien de un
contacto con la práctica, pero que ya han sido recogidos y muchas veces
procesados por los investigadores.
Ejemplo: Lo que se obtiene de textos, revistas, etc.
4. Variable
Es una característica estudiada de las unidades estadísticas (elementos de la población)
Tipos de Variable
a) Variables Cualitativas
Cuando expresan una cualidad, característica o atributo, sus datos se expresan
mediante palabras, no es numérica.
Ejemplo: Estado civil, lugar de nacimiento, profesiones, causas de accidentes,
colores, etc.
10
Excelencia Académica
b) Variables Cuantitativas
Cuando el valor de la variable se expresa por una cantidad, es de carácter
numérico. El dato o valor puede resultar de la operación de contar o medir.
Ejemplo: Número de hijos, ingresos, talla, peso, producción, edad, utilidades,
etc.
Las variables cuantitativas pueden ser Discretas y Continuas
b.1. Variable Discreta
Cuando el valor de una variable resulta de la operación de contar, su valor
está representado solo por números naturales (entero positivo).
Ejemplo: Número de hijos, habitaciones por vivienda, población por país.
Etc.
b.2. Variable Continua
Cuando la variable es susceptible de medirse, es toda variable cuyo valor
se obtiene por medición o comprobación con una unidad o patrón de
medida. Se expresa por cualquier número real.
Ejemplo: Área de terreno, ingresos monetarios, peso, estatura, tiempo,
etc.
Según la relación entre variables
a) Variables Dependientes
Son aquellas que se explican por otras variables, son los efectos o resultados
respecto a los cuales hay que buscar su motivo, causa o razón de ser.
Ejemplo: El consumo. Esta variable depende de los ingresos personales.
La producción. Esta variable depende del tiempo (año, meses, etc.)
b) Variables Independientes
Son las variables explicativas o predictivas, cuya asociación, relación o
influencia en la variable dependiente se pretende descubrir en la investigación.
También, son causas o antecedentes.
Ejemplo: Los ingresos personales, relacionado con el consumo.
El tiempo, relacionado con la producción.
11
Excelencia Académica
a) Variables Nominales
Son aquellas variables que establecen la distinción de los elementos en
diversas categorías, sin explicar algún orden entre ellas.
Ejemplo: Sexo, estado civil, profesiones, lugar de nacimiento, deportes de
práctica.
b) Variables Ordinales
Son aquellas variables que implican orden entre sus categorías, están referidas
a un orden de jerarquía, donde la categoría expresa una posición de orden.
Ejemplo: Grado de instrucción, clases sociales, rango de agresividad, orden
de mérito, etc.
c) Variable de Intervalo
Son aquellos que suponen a la vez orden y grados de distancia iguales entre
diversas categorías, pero no tienen origen natural, sino convencional, tiene un
cero relativo.
Ejemplo: Coeficiente de inteligencia, temperatura, puntuación obtenida en una
escala, etc.
d) Variables de Razón
Estas variables comprenden a la vez todos los casos anteriores, distinción,
orden, distancia y origen único natural; el valor se expresa con un número real,
tiene un cero absoluto.
Ejemplo: Accidentes de tránsito, edad, peso, ingresos, número de hijos, etc.
12
Excelencia Académica
a) Variables Individuales
Son referidas a características de individuos o personas, una empresa, centro
educativo, etc. Son variables para estudio de casos, donde se pueden
subdividir en variables públicas y privadas.
b) Variables Colectivas
Son aquellas que se refieren a características de las unidades cuando estas
son colectivas, conjuntos o grupos (ciudades, empresas, escuelas, etc.)
Ejemplo: Tasa de mortalidad, urbanización, tasa de crecimiento demográfico,
escolaridad, etc.
1.1
Determinar la clase de variable que nos dan los datos de las siguientes fenómenos o
hechos:
13
Excelencia Académica
a) Temperatura.
b) Razas.
c) Nacionalidad.
d) Precio del dólar en un mes.
e) Número de habitaciones por familia.
5. Regla de Redondeo
Cuando el número que se quiere redondear le sigue una cifra mayor que 5, este tomará
el valor inmediato superior.
Ejemplo:
57,8 58 (redondear al entero)
1,036 1,04 (redondear a 2 decimales)
36,8079 36,808 (redondear a 3 decimales)
Cuando al número que se quiere redondear le sigue una cifra menor que 5, se quedará
en el mismo valor.
Ejemplo:
Cuando al número que se quiere redondear le sigue una cifra igual que 5, se tomará dos
criterios:
a) Si la cifra es par, queda sin alterar. En la
Ejemplo: práctica
por lo
general,
24,5 24 (redondear al entero) cuando a la
cifra que se
2,385 2,38 (redondear a 2 decimales)
desea
137,6125 137,612 (redondear a 3 decimales) redondear
b) Si la cifra es impar, pasa al inmediato superior. le sigue 5
Ejemplo:
14
Excelencia Académica
7. Cifras Significativas
Son los dígitos que no precisan una medición, se consideran como cifras significativas
los ceros a la derecha; no así los ceros a la izquierda.
Ejemplo:
1,630 4 cifras significativas
0,008 1 cifras significativas
2,003 4 cifras significativas
1,0000 5 cifras significativas
1.2
1. Redondear al entero
2. Redondear a un decimal
a) 36,55 b) 123,45 c) 0,06
3. Redondear a 3 decimales
a) 0,0034 b) 137,0056 c) 0,01351
15
Excelencia Académica
8. Sumatoria
Es un operador que representa una suma de términos cuyos elementos se encuentran
formados de acuerdo a una ley dada.
NOTACIÓN: El operador sumatoria vienen representado por la letra griega sigma (∑ )
Ejemplo:
7
a) Desarrollar: ax a
a 4
La expresión dada tiene la siguiente lectura: “Sumatoria de “a” por “x” elevado a la
“a”, variando “a” desde 4 hasta 7”.
7
ax a 4 x 4 5 x 5 6 x 6 7 x 7
a4
4
1 x k 1
k
b) Desarrollar:
k 0
3
n
c) Desarrollar: k a n k
k 0
La expresión dada tiene la siguiente lectura: “Sumatoria del coeficiente binómico “n”
sobre “k” por “a” elevado a la “n-k”, variando k desde 0 hasta 3”.
16
Excelencia Académica
3
n n n n n
k a n k 0 a n 0 1 a n 1 2 a n 2 3 a n 3
k 0
1.3
9
1. Desarrollar by b
b 3
6
2. Desarrollar 2 P 1 y P 1
P 1
4
M
3. Desarrollar x c M x
M 0
En este fascículo estudiamos la definición de Estadística como ciencia y sus clases, como la
Estadística Descriptiva y la Estadística Inferencial. También se analizó los conceptos
básicos de población, muestra, parámetro, estadígrafo y dato; asimismo, de variable y sus
tipos.
Luego se planteó la Regla de Redondeo, la Notación científica y cifras significativas.
VELIZ C., Carlos. Estadística: Aplicaciones. Editorial Servicios Copias Graficas S.A. 2ª
Edición. Lima 1993.
17
Excelencia Académica
Nombre____________________________________________________
Apellidos______________________________Fecha _______________
Ciudad_______________________________Semestre______________
1. Determinar la clase de variable que nos dan los datos de los siguientes fenómenos o
hechos:
a) Colores b) Nivel de desempleo
c) Accidentes de Tránsito d) Orientación en el tiempo
2. De los siguientes enunciados. ¿Cuál probablemente exija el empleo de la Estadística
Descriptiva y cuál de la Estadística Inferencial?
a) En un campeonato de fútbol se desea conocer el promedio de goles de los equipos
que participan.
b) Un comité para la prevención de la contaminación del aire, analiza la disminución del
tráfico automotriz y el grado de polución.
c) Un psicólogo estudia el efecto de la asesoría personal sobre el rendimiento de un
estudiante.
d) Un Economista registra el crecimiento de la población en un área determinada.
3. Redondear los siguientes números a las cifras significativas siguientes:
a) 23,5 a 2 cifras significativas
b) 0,0008532 a 1 cifra significativa
c) 0,05 a un decimal y una cifra significativa
d) 90000455 a 7 cifras significativas
4. Desarrollar:
7 5 6
M
a) abcx a y b) 3N x N 2 c) Y k MY
a2 N 3 M 1
19
Excelencia Académica
20
Excelencia Académica
e) Frecuencia Porcentual ( Pi )
Es el producto de las frecuencias relativas por 100.
3. Tabla de Frecuencia para Variables Cualitativas
Clase fi hi Pi (%)
C1 f1 h1 P1
C2 f2 h2 P2
C3 f3 h3 P3
Cm fm hm Pm
Total n 1.00 100
Ejemplo:
Consideremos la muestra formada por 50 personas y en esta, la variable sexo. Si se
observa que hay 30 varones y 20 mujeres, podemos trasladar esta información a la
siguiente tabla de frecuencias.
Clase fi hi Pi (%)
Varón 30 0.6 60
Mujer 20 0.4 40
Total 50 1.0 100
21
Excelencia Académica
Xi fi hi Pi (%)
1 5 0,05 5
2 14 0,14 14
3 18 0,18 18
4 25 0,25 25
5 20 0,20 20
6 10 0,10 10
7 5 0,05 5
8 3 0,03 3
Total 100 1.00 100
fi = Cantidad de Autos
Li Ls
Xi Marca de Clase
2
22
Excelencia Académica
Por convención, cada intervalo es tomado cerrado por la izquierda y abierto por la derecha,
a excepción del último, que es cerrado en ambos extremos.
Regla:
1. Ordenamiento de datos (según magnitud) en forma creciente o decreciente.
2. Determinar
- Valor máximo ( X max )
- Valor mínimo ( X min )
3. Calcular el Rango( R )
- Método de STURGES ( n 50 )
m 1 3,322 log(n)
- Método de PORTUGAL
(50 n 100)
m 1,8914 3,991 log(n)
(n 100)
m 2,766 5,815 log(n)
- Método de la RAIZ
m 2,5 4 n
23
Excelencia Académica
m n
0
Se Continua
0
0
Se rehace (En la amplitud interválica se redondea por exceso)
7. Intervalo de Clase
Ii X min a
Ejemplo:
Se tiene las tallas de 41 alumnos de la facultad de Derecho de la UPLA siguientes;
dados en metros:
Regla:
24
Excelencia Académica
2º. Determinar
X max 1.87 mt
X min 1.55 mt
3º Calcular el Rango ( R )
R X max X min (variable continua).
R 1,87 1,55 0,32
m n m 2,5 4 n
m 41 6,4 m 2,5 4 41 6,3
m 6 (entero) m 6 (entero )
25
Excelencia Académica
D (m a ) R
D (6 0,053) 0,032
D 0,318 0,32
D 0,002 ( Se rehace por ser negativo)
D (6 0,054) 0,32
D 0,324 0,32
D 0,004 (es positivo se continua)
El valor 0,004 se distribuye en la variable máximo y mínimo (se suma y se resta
para ampliar el rango)
-0,002 +0,002
R=0,324
1,548 1,872
X min 1,548 mt
X max 1,872 mt
a 0,054 mt
m6
7º Intervalo de Clase
I i X min a
I1 1,548 0,054
I1 1,602
26
Excelencia Académica
2.1
c b a b a c b c a a
a b a a a d d a b b
b a c b d b b c b b
a b b c c a c a c a
c a d b a d a d d a
Donde a= Nunca, b= Menos de una vez al mes, c= Una vez al mes, d= todos los días.
Construya un cuadro que presente la información recolectada.
LLEVAN EL TRABAJO A CASA Nº de trabajadores ( fi ) hi pi
Nunca
Menos de una vez al mes
Una vez al mes
Todos los días
TOTAL
2. En una muestra de 40 pequeñas empresas se recoge información a cerca del número de
trabajadores en cada una de ellas. Los datos fueron los siguientes:
16 15 14 14 14 13 13 14 14 15 12 15 16 12 12 13 14
17 15 13 14 13 13 14 14 15 17 16 18 13 13 14 14 15
16 15 14 16 15 14
27
Excelencia Académica
17
18
Totales
440 560 335 587 613 400 424 466 565 393
453 650 407 376 470 560 321 500 528 526
570 430 618 537 409 600 550 432 591 428
224 340 558 460 560 607 382 667 512 492
450 530 501 417 660 470 364 634 580 450
574 500 462 380 518 480 625 507 645 382
Empleado
Xi
Sueldo Mensual Conteo s F(1) hi H(1) pi
TOTAL
6. Graficas
Es otra forma de presentar los datos referentes a un fenómeno.
Una grafica es el idioma universal que bien presentado e ilustrado evita la fraseología.
En estadística se emplea una diversidad de tipos de graficas, cuya forma dependerá de
la naturaleza de los datos y de los objetivos de la presentación. Antes de elegir el tipo de
grafico conviene imaginarse de antemano, el grafico a construir que en general debe
tener rasgos simples y de fácil comprensión.
7. Clases de Graficas
Grafica de Coordenadas Ortogonales o Cartesianos
a) Diagrama de Segmentos
28
Excelencia Académica
100
80
60
40
20
b) Histograma
50
40
30
20
10
0
c) Polígono de Frecuencia
Marca de clas
50
40
30
20
10
0
100
80
60
40 Punto de equ
20
0
0 2 4 6
e) Diagrama de Barra
- Simple
- Compuesta
- Agrupadas
Simple
29
Excelencia Académica
100
80
Cantidad
60
40
20
0
Compuesta
120
100 Demanda de Alg
80 Exportación
Cantidad
60 Demanda Interna
40 Producción
20
0
1995 2000
Agrupadas
45
40
35
30
Asistencia al
Cantidad
25
Varon Mujer
20
15
10
5
0
2000 2001
Grafica No Ortogonales
a) De Superficie Circular o Torta
30
Excelencia Académica
Costa
10%
Selva
60%
Sierra
30%
b) Pictórica
40
20
10
0 10 20 30 40 50
Ejemplo:
Los siguientes datos son las calificaciones obtenidas en una prueba de Historia:
78 93 61 100 70 83 88 74 97 72
66 73 76 81 83 64 91 70 77 86
31
Excelencia Académica
La representación del tallo y hoja se elabora de manera que las decenas se pondrán en
una columna, en forma vertical y las unidades a la derecha:
6 1 6 4
7 8 0 4 2 3 6 0 7
8 3 8 1 3 6
9 3 7 1
10 0
Para entender un poco mas, hemos de decir que le primer renglón que dice 6|1 6 4
quiere decir que entre la lista de datos se encuentran los valores 61, 66, 64.
La representación de Tallo y Hoja, donde cada renglón es una posición de tallo y cada digito
de la derecha es una hoja.
a) f 3 d) F(42 )
b) h4 e) H(61)
c) F(15) f) H (52)
32
Excelencia Académica
Respuesta:
a) f3 = Hay 9 trabajadores que tienen un salario entre 96 y 103 nuevos soles.
f) H (52) = 60% de los trabajadores ganan más o igual que 110 nuevos soles.
i Intervalo fi hi Pi %
1 [ 12.5 - 17.5 [ 20 0.1818 18.18
2 [ 17.5 - 22.5 [ 30 0.2727 27.27
3 [ 22.5 - 27.5 [ 10 0.0909 9.091
4 [ 27.5 - 32.5 [ 30 0.2727 27.27
5 [ 32.5 - 37.5 ] 20 0.1818 18.18
TOTAL 110 1.0000 100.00
Si f 4 f 5 10 y f1 f 5 f 4 f1 10
Si f 4 f 3 f1 0 f 4 f1 f 3 10
Si f 3 10 f1 f 2 f 4 f 5 100
Si f1 f 5 y f 2 f 4 f1 f 4 f 4 f1 100
33
Excelencia Académica
Entonces:
2 f 4 2 f1 100
2( f 4 f1 ) 100
f 4 f1 50
Si f 4 f1 50 y f 4 f1 10 f 4 30
Si f 4 f 2 f 2 30
Luego f1 f 5 20
975
Si L4 f 4 975 L4 32.5
30
Entonces
R4 32.5 12.5 20.0
20
a 5
4
CALZADA B., José. Estadística General. Editorial Jurídica S.A., Lima, 1966.
34
Excelencia Académica
VELIZ C., Carlos. Estadística: Aplicaciones. Editorial Servicios Copias Graficas S.A. 2ª
Edición. Lima 1993.
Nº 2
Nombre____________________________________________________
Apellidos______________________________Fecha _______________
Ciudad_______________________________Semestre______________
Donde
IK= Inca Kola PE= Pepsi O= otras
CC= Coca Cola KR= Kola Real
35
Excelencia Académica
36
Excelencia Académica
37
Excelencia Académica
Los valores mas caracterizados corresponden a la parte central de la distribución, pero entre
ellas iniciamos en este fascículo la Media o promedio aritmético, la mediana y la moda.
Las medidas de centralización son valores que tienden a situarse en el centro del conjunto
de datos ordenados según magnitud.
La Media simple
n
x i
x1 x2 x3 xn
x i 1
n n
Ejemplo:
x: 18, 24, 45, 12, 89, 12
18 24 45 12 89 12
x 33.33
6
38
Excelencia Académica
La Media Ponderada
n
x f i i
x i 1
n
Ejemplo:
x: es la talla de 65 obreros de una empresa, se quiere saber cual es la estatura
promedia.
i X i (metros) fi xi f i
1 1.55 3 4.65
2 1.60 8 12.8
3 1.65 22 36.3
4 1.70 17 28.9
5 1.75 10 17.5
6 1.80 5 9.00
65 109.15
n
x f i i
x i 1
n
109.15
x 1.679 1.68 mt.
65
El promedio de la estatura de los obreros de la empresa, es de 1.68 metros.
39
Excelencia Académica
3.1
1. Las edades de los componentes de una familia de 7 miembros, es como sigue: 52, 42,
26, 24, 13, 8 y 1 años, se pide determinar el promedio de edad de esta familia.
2. Hallar el salario promedio correspondiente a los trabajadores de cierta fabrica,
extrayendo datos de la tabla de frecuencia:
i Salario(S/.) fi xi xi f i
1 [ 70 - 80 [ 20
2 [ 80 - 90 [ 30
3 [ 90 - 100 [ 60
4 [ 100 - 110 [ 90
5 [ 110 120 [ 100
6 [ 120 130 [ 85
7 [ 130 140 [ 70
TOTAL
2. Mediana
La mediana es el punto medio de un conjunto de datos; o es aquel valor de la variable
que divide al conjunto de valores en dos partes iguales.
Características de la Mediana
a) Localiza mejor el centro de distribución para lo cual es necesario ordenar.
b) Su cálculo es fácil y poco sensible a los valores extremos.
c) Puede ser calculado inclusive cuando los intervalos son abiertos.
d) Pueden ser calculados cuando las variables son cualitativos, susceptibles de
ordenar de acuerdo a alguna propiedad, categoría, etc.
e) No puede ser manejada algebraicamente para cálculo posteriores.
f) Se halla inclusive cuando las amplitudes son diferentes.
La Mediana simple o No Agrupados
a) Datos Impar
Me x n 1
2
40
Excelencia Académica
Ejemplo:
Se tiene los gastos de 7 personas siguientes:
x: s/. 120, s/. 140, s/. 100, s/. 150, s/. 145, s/. 135, s/. 160
Calcular la mediana.
Solución
PASOS:
1º. En la mediana se ordenan los datos:
x: s/. 100, s/. 120, s/. 135, s/. 140, s/. 145, s/. 150, s/. 160
Me x n 1 x 7 1 x 4 S / . 140
2 2
1
Me x n x n 2
2 2 2
Ejemplo:
Se tiene los pesos de 8 personas siguientes:
x: 70, 65, 83, 62, 94, 75, 79, 86 kg
Calcular la mediana.
Solución
PASOS:
1º. Se ordenan los datos
x: 62, 65, 70, 75, 79, 83, 86, 94 kg
2º. Se aplica la formula
1 1
Me x n x n 2 x 8 x 8 2
2 2 2
2 2 2
1 1
Me x4 x5 75 79
2 2
154
Me 77 Kg
2
41
Excelencia Académica
a
Li Xi
2
x i = valor de la marca de clase de la clase mediana.
a = amplitud del intervalo
42
Excelencia Académica
Ejemplo:
Se tiene la tabulación de los pesos en kg., de 110 obreros de una fabrica se pide
determinar la mediana.
Peso
fi F(1)
xi
50 5 5
55 15 20
60 28 48 Fk(11)
65 22 70 Clase mediana
70 19 89
75 11 100
80 10 110
110
n
Fk(11)
Me Li a 2
fk
PASOS
n 110
1º. 55
2 2
55 esta contenido F(1) 70 este determina la clase mediana.
2º. a xi 1 xi x11 x1 x 2 x1
a 55 50 5
a
3º. Li xi
2
5
Li 65 65 2.5
2
Li 62.5 Kg
4º. Fk 1 48
(1)
43
Excelencia Académica
5º. f k 22
55 48
6º. Me 62.5 5
22
Me 64.09 64.1 Kg
3.2
Altura (m)
fi F(1)
Intervalo
[ 1.57 - 1.61 [ 4
[ 1.61 - 1.65 [ 28
[ 1.65 - 1.69 [ 43
[ 1.69 - 1.73 [ 18
[ 1.73 - 1.77 ] 7
TOTAL 100
3. La Moda
La moda es el valor de la variable que mayor veces se repite o con mayor frecuencia
sucede.
Un grupo de datos puede tener una moda, dos modas, etc. En tales casos la distribución
se llama, respectivamente, unimodal, bimodal, etc. También, la moda puede no existir,
en caso de haber valores que se repitan.
44
Excelencia Académica
Ejemplo:
Hallar la moda de los números 2, 3, 4, 5, 6, 7, 8
Ningún número se repite más que los otros. Por consiguiente, no hay moda.
Ejemplo:
Las calificaciones de un estudiante en 8 asignaturas fueron: 6, 5, 7, 6, 8, 5, 9, 10
Hallar la moda de las calificaciones.
Las calificaciones que más veces se repiten son 5 y 6. Por consiguiente, 5 y 6 son
las calificaciones moda (bimodal)
1
Mo Li a
1 2
2 = Variación 2
45
Excelencia Académica
Li Ls
Si solo tuviera la marca de clase x i entonces el límite inferior seria:
a
Li Xi
2
x i = valor de la marca de clase de la clase modal.
a = amplitud del intervalo
Temperaturas fi
(ºC)
5 12
10 8
15 16 Clase modal
20 7
25 5
30 4
1
Mo Li a
1 2
PASOS
1º. La clase modal queda determinada por la frecuencia absoluta simple que mas
veces se repite, en este caso es 16.
46
Excelencia Académica
2º. a xi 1 xi x31 x3 x 4 x3
a 20 15 5
a
3º. Li xi
2
5
Li 15 15 2.5
2
Li 12.5 º C
4º. 1 f Mo f Mo 1
1 16 8
1 8
5º. 2 f Mo f Mo 1
2 16 7
2 9
6º. Reemplazando en la fórmula
8
Mo 12.5 5
89
Mo 14.85 º C
3.3
47
Excelencia Académica
Intervalo fi
[ 220 - 240 [ 48
[ 240 - 260 [ 60
[ 260 - 280 [ 60
[ 280 - 300 ] 30
TOTAL 198
d) Una curva de distribución solo tiene una x y una Me , pero puede tener mas de una
Mo .
Reforzamiento de Aprendizaje
10 38 30 16 25 30 30 18 23 25 38
13 21 14 27 14 13 18 30 25 18 37
12 10 15 20 28 26 10 17 26 28
17 14 19 22 11 15 20 39 23 38
Calcular:
a) Media
b) Mediana
c) Moda
48
Excelencia Académica
Solución
Tenemos que desarrollar una tabla de frecuencia
m 1 3.322 log42
m 6 .4 6
R 29
3º. a
m 6
a 4 . 83
4º. D (m a) R
D (6 4.83) 29
D 28 .98 29 0 .02
Por ser negativo se rehace
Entonces a 4 . 84
D (6 4.84) 29
0.02
D 29.04 29 0.04
0.02
-0,002 +0,002
9.98 10 39 39.02
Resumen:
X min 9.98
X max 39.02
a 4.84
m6
Tabla de Frecuencia
49
Excelencia Académica
Luego, calculamos:
a) La Media
n
x f i i
x i 1
En la tabla determinamos x f i i
937.04
x
42
x 22.31 miles de soles
n 42
21 Determina la clase mediana en F(1) de la tabla que es 25
2 2
a 4.84
Li 19.66
Fk(11) 19
fk 6
50
Excelencia Académica
2119
Me 19.66 4.84
6
Me 21.27 miles de nuevos soles
a 4.84
Li 9.98
1 10 0 10
2 10 9 1
10
Mo 9.98 4.84
10 1
Mo 14.38 miles de soles
51
Excelencia Académica
Nº 3
Nombre____________________________________________________________
Apellidos_________________________________________Fecha ______________
Ciudad _______________________________________Semestre______________
485 - 585 15
585 - 685 25
685 - 785 30
785 - 885 20
885 - 985 5
985 - 1085 5
TOTAL
Calcular e interpretar:
a) La Media
b) La Mediana
c) La Moda
d)
2. Los siguientes datos dan las cantidades gastadas (en nuevos soles) en alimentación de
una muestra de familia.
22.7 7.6 29.5 15.19 31.9
19.9 26.6 16.2 27.9 23.2
24.6 30.9 5.0 32.1 4.0
47.4 24.0 17.0 15.1 18.8
29.9 34.2 43.4 57.0 12.3
33.7 27.1 36.3 25.0
17.7 27.9 20.5 32.5
27.8 42.9 18.1 32.0
29.7 19.2 10.0 30.3
23.5 11.6 29.4 33.5
52
Excelencia Académica
Calcular e interpretar:
a) La Media
b) La Mediana
c) La Moda
a) La Media
b) La Moda
c) La Mediana
53
Excelencia Académica
1. Media Geométrica
El promedio geométrico se usa cuando hay que promediar razones o proporciones.
Asimismo, se aplica cuando en la serie interviene el factor tiempo, como sucede en el
cómputo de intereses; en el cálculo de números índices y en series que presentan una
progresión geométrica.
La media geométrica de una serie de n números es la raíz enésima del producto de
dichos números.
Xg n x1 x 2 x 3 x n
Ejemplo:
Hallar la media geométrica de los números 3, 9 y 27
X g 3 3 9 27
X g 3 729
Xg 9
Para simplificar los cálculos es necesario aplicar logaritmos (recuérdense que con
logaritmos, la multiplicación se transforma en suma y la raíz en división).
54
Excelencia Académica
log x i
X g anti log i 1
n
Ejemplo:
x: 2, 4, 6, 8, 10
xi log xi
2 0.30103
4 0.60206
6 0.77815
8 0.90309
10 1.00000
Total 3.58433
3,58433
X g anti log
5
X g anti log 0.71687
X g 5.21
La Media Geométrica serie Ponderada
n
(log x ) f i i
X g anti log i 1
n
Ejemplo:
En un examen de Psicología, 6 alumnos obtuvieron un 3; 8 obtuvieron un 4; 13 un
5; 8 un 6; 5 un 7; 3 un 8 y 1 un 9.
Hallar la media geométrica.
Calificación Alumnos
log xi (log xi ) f i
xi fi
3 6 0.47712 2.86272
4 8 0.60206 4.81648
5 13 0.69897 9.08661
6 8 0.77815 6.22520
7 5 0.84510 4.22550
8 3 0.90309 2.70927
9 1 0.95424 0.95424
Total 44 30.88002
55
Excelencia Académica
30.88002
X g anti log
44
X g anti log 0.70182
Xg 5
4.1
1. Las velocidades de 100 metros planos de 6 estudiantes de una clase son: 11.6; 12.4;
11.8; 13.5; 13.0; 12.8 segundos. Hallar la media geométrica de las velocidades.
2. Cuatro grupos de estudiantes, formados por 2, 10, 12, 10 alumnos, registraron una
media de pesos de 65, 70, 75 y 80kg, respectivamente. Hallar la media geométrica de
los pesos de los estudiantes.
Ejemplo:
x: 2, 4, 6, 8, 10
xi xi1 1.142
1
Xa
2 0.500 5
4 0.250
5
6 0.167 Xa
8 0.125 1.142
56
Excelencia Académica
10 0.100
Total 1.142
1
n 1
xi f i
X a i 1
n
Ejemplo
xi fi xi1 xi1 f i
3 8 0.333 2.664
6 22 0.167 3.674
9 30 0.111 3.330
12 25 0.083 2.075
15 5 0.067 0.335
Total 90 12.078
1
12.078
Xa
90
90
Xa
12.078
X a 7.45
4.2
57
Excelencia Académica
4. Cuartiles
Los cuartiles, son tres valores que dividen la distribución (ordenada en forma creciente)
en cuatro grupos de igual número de términos. El primer valor se denomina primer cuartil
( Q1 ) y los otros segundo cuartil ( Q 2 ) y el tercer cuartil ( Q3 ). El segundo cuartil es igual a
la mediana.
O sea Q2 Me
Cuartiles Serie Simple
a) Primer Cuartil
n 1
Q1
4
n es el número de términos
b) Segundo Cuartil
n 1
Q2
2
c) Tercer Cuartil
3(n 1)
Q3
4
Ejemplo:
x: 2, 5, 6, 8, 11, 14, 15, 17, 21, 24, 26
11 1
Q1 = 3º término de la serie
4
Q1 6
11 1
Q2 = 6º término de la serie
2
Q2 14
3 (11 1)
Q3 = 9º término de la serie
4
Q3 21
58
Excelencia Académica
a) Primer Cuartil
n
Fk(11)
Q1 Li a 4
fk
b) Segundo Cuartil (Mediana)
n
Fk(11)
Q2 Li a 2
fk
c) Tercer Cuartil
3n
Fk(11)
Q3 Li a 4
fk
Los pasos de solución de los problemas de cuartiles, son iguales a los aplicados
para obtener la mediana.
5. Deciles
Llámese deciles a 9 valores que se dividen la distribución (ordenada en forma creciente)
en 10 grupos de igual número de términos.
59
Excelencia Académica
pn
Fk(11)
Pp Li a 100
fk
La solución es igual a los pasos de la Mediana
Sueldo Mensual
xi fi F(1)
(S/.)
[ 319 - 369 [ 344 4 4
[ 369 - 419 [ 394 8 12
[ 419 - 469 [ 444 12 24
[ 469 - 519 [ 494 11 35
[ 519 - 569 [ 544 10 45
[ 569 - 619 [ 594 9 54
[ 619 - 669 ] 644 6 60
TOTAL 60
Halla:
a) Cuartil 1
b) Cuartil 3
c) Decil 3
d) Decil 8
e) Percentil 27
f) Percentil 83
g) Percentil 1
Solución
a) Cuartil 1
60
Excelencia Académica
n 60
15
4 4
La clase se ubica en la frecuencia acumulada 24 por contener a 15
a 50
Li 419
Fk(11) 12
f k 12
n
Fk(11)
Q1 Li a 4
fk
60
12
Q1 419 50 4
12
Q1 431.50 Nuevos soles
b) Cuartil 3
a 50
Li 419
Fk(11) 12
f k 12
3n
Fk(11)
Dd Li a 10
fk
3(60)
12
D3 419 50 10
12
D3 444.00 Nuevos soles
d) Decil 8
62
Excelencia Académica
a 50
Li 419
Fk(11) 12
f k 12
pn
Fk(11)
Pp Li a 100
fk
27(60)
12
P27 419 50 100
12
P27 436.50 Nuevos soles
f) Percentil 83
- Hallamos la clase percentil 83
pn 83 (60)
49.80
100 100
La clase se ubica en la frecuencia acumulada 54 por contener a 49.80
a 50
Li 569
Fk(11) 45
fk 9
pn
Fk(11)
Pp Li a 100
fk
83(60)
45
P83 569 50 100
9
P83 595.67 Nuevos soles
g) Percentil 1
- Hallamos la clase percentil 1
pn 1 (60)
0.60
100 100
La clase se ubica en la frecuencia acumulada 4 por contener a 0.60
a 50
Li 319
Fk(11) 0
fk 4
63
Excelencia Académica
pn
Fk(11)
Pp Li a 100
fk
1(60)
0
P1 319 50 100
4
P1 326.50 Nuevos soles
64
Excelencia Académica
Nº 4
Nombre____________________________________________________
Apellidos______________________________Fecha _______________
Ciudad_______________________________Semestre______________
Clases fi
[ 45 - 50 [ 2
[ 50 - 55 [ 7
[ 55 - 60 [ 18
[ 60 - 65 [ 36
[ 65 - 70 [ 59
[ 70 - 75 [ 74
[ 75 - 80 [ 88
[ 80 - 85 [ 72
[ 85 - 90 [ 44
[ 90 - 95 [ 30
[ 95 - 100 [ 11
[ 100 - 105 [ 5
[ 105 - 110 ] 3
TOTAL 449
65
Excelencia Académica
Para conocer el tipo de curva de una distribución, es necesario calcular tres valores. El
primero es la medida del grado en que los datos de la distribución discrepan del valor central
o promedio, esto se consigue con la determinación de la Desviación Estándar. El segundo
valor es la medida del grado de asimetría de la distribución, o sea la falta de equilibrio sobre
el promedio aritmético. El tercer valor es la medida de la Kurtosis o grado de concentración
en los valores centrales de la curva.
A. Dispersión Absoluta
a) Rango
b) desviación Media
c) Varianza
d) Desviación estándar
B. Dispersión Relativa
66
Excelencia Académica
a) Coeficiente de Variación
b) Variable Estandarizada
2. Rango (R)
El rango o recorrido es la diferencia entre los valores extremos, máximo y mínimo.
R X max X min
Ejemplo:
Hallar el rango de la siguiente serie de números: 4, 5, 7, 9.9, 10, 12, 15
R 15 4
R 11
La dispersión de los datos será mayor cuanto mayor sea el recorrido. El rango no es una
buena medida de dispersión, puesto que basta con que un dato se aleje mucho de la media
para que el rango resulte muy afectado, ya que únicamente depende de dos valores, sin que
influyan para nada los datos restantes.
x i x
DM i 1
(Valor Absoluto)
n
xi = elementos o la observación
x = media
n = número de elementos
Ejemplo:
Hallar la desviación media de las tallas 1.47; 1.58; 1.60; 1.62; 1.53 metros.
Hallamos:
67
Excelencia Académica
1.47 1.56 1.58 1.56 1.60 1.56 1.62 1.56 1.53 1.56
DM
5
0.09 0.02 0.04 0.06 0.03
DM
5
0.09 0.02 0.04 0.06 0.03 0.24
DM
5 5
DM 0.048 metros
x i x fi
DM i 1
n
Ejemplo:
Xi peso Kg fi xi f i xi x xi x f i
Hallamos:
1º.
n
x i fi
x i 1
n
1193
x 45.88 Kg
26
2º.
68
Excelencia Académica
x i x fi
DM i 1
n
75.96
DM
26
DM 2.92 Kg
4. Varianza
La varianza es la medida del cuadrado de la distancia promedio entre las media y cada
elemento de la población.
Varianza Simple
x
2
i
2 i 1
x x
n
2
i
S2 i 1
Ejemplo:
Calcular la varianza de 4, 5, 6, y 7.
x
x i
n
4 5 6 7 22
x 5.5
4 4
x x
n
2
i
S2 i 1
69
Excelencia Académica
S2
4 5.52 5 5.52 6 5.52 7 5.52
4
2.25 0.25 0.25 2.25 5
S2
4 3
S 1.25
2
Varianza Ponderada
x
N
2
i fi
2 i 1
x x fi
n
2
i
S2 i 1
para n 30
n
x x fi
n
2
i
S2 i 1
para n 30
n 1
Ejemplo:
Talla(mts)
xi
fi xi f i xi x xi x 2 x i x fi
2
70
Excelencia Académica
x f i i
43.32
x i 1
1.60
n 27
x x fi
n
2
i
S2 i 1
por ser n 30
n 1
0.0624 0.0624
S2
27 1 26
S 0.0024 metros
2
5. Desviación Estandar
Es la Raíz cuadrada positiva de la varianza; una medida de la dispersión, expresada en
las mismas unidades que los datos originales y no en las unidades cuadradas de la
varianza.
En general, la Desviación Estándar es la raíz cuadrada de la varianza.
2 para población
S S 2 para muestra
S S2
S 1.25
S 1.12
Ejemplo:
S S2
S 0.0024
S 0.049 metros
71
Excelencia Académica
Las formulas de las Desviación Estándar son iguales a la Varianza pero aplicándole la raíz
cuadrada.
CV
S
100 para muestra
x
72
Excelencia Académica
Ejemplo:
Si la desviación estándar de la población P es 5 y media población es 40 el coeficiente
de variación es:
5
CV 100
40
CV 12.5%
8. Variable Estandarizada
La variable estandarizada se calcula:
xi
Zi para población
xi x
Zi para muestra
S
Ejemplo:
En un examen de Estadística, la nota media fue de catorce y la desviación estándar de
1.6. Determinar las variables estandarizadas para los valores o notas de X: 12, 17, 20,
13
xi
Zi
12 14 2
Z1 1.25
1.6 1.6
17 14 3
Z2 1.87
1.6 1.6
20 14 6
Z3 3.7
1.6 1.6
13 14 1
Z1 0.625
1.6 1.6
73
Excelencia Académica
5.1
1) Las ventas diarias (miles de dólares) de una tienda de artefactos eléctricos es:
Ventas Dias
i
xi fi F
(
Calcular:
[ 20 - 24 [ 9 a) Rango
[ 24 - 28 [ 12 b) Desviación Media
[ 28 - 32 [ 8 c) Desviación Estándar
[ 32 - 36 [ 3 d) Varianza
[ 36 - 40 [ 3 e) coeficiente de Variación
[ 40 - 44 ] 2
TOTAL 37
2) Las estaturas de 12 estudiantes de una clase son: 165, 160, 164, 155, 160 y162 cm.
Calcular:
a) Rango
b) Desviación Estándar
c) Coeficiente de Variación
9. Medida de Asimetría
La medida o estadígrafo de asimetría indica el grado de deformación de la curva de
frecuencia, puede ser inclinada a la derecha o izquierda. La curva de frecuencia puede
ser simétrica, caso determinado por la posición de la media, mediana y moda (
x Me Mo )
Tipo de Medida de Asimetría.
74
Excelencia Académica
100
90
80
70
60
50
40
30
20
10
0
0 0.5 1 1.5
f x
100
90
80
70
60
50
40
30
20
10
0
0 0.5 1 1.5
90
80
70
60
50
40
30
20
10
0
0 0.5 1 1.5
75
Excelencia Académica
Mo = Moda
S = desviación estandar
Resultados:
- Si el valor es cero, la curva es simétrica.
- Si el valor es igual a 0 . 1 , la curva es asimétrica moderada positiva o
negativa.
- Si el valor es igual a 0 . 3 , la curva es asimétrica muy marcada positiva o
negativa.
- Si el valor es igual a 1 , la curva es asimétrica máxima positiva o negativa.
Ejemplo:
La media de los salarios es s/.109.50, la moda s/.108.30 y su desviación
estándar s/.4,00 calcular el coeficiente de asimetría
109.50 108.30
As1
4.00
As1 0.3
Como el valor es positivo es una curva asimétrica positiva muy marcada.
b) En Función de la Mediana
3( x Me)
As2
S
x = Media aritmética
Me = Mediana
S = desviación estandar
Resultados:
- Si el valor es igual a cero, la curva es simétrica.
- Si el valor es mayor que cero, la curva es asimétrica positiva.
- Si el valor es menor que cero, la curva es asimétrica negativa.
Ejemplo:
La media de los pesos de los trabajadores de una fabrica es de 68kg, la
mediana 71kg y la desviación estándar de 3.5kg. Calcular el coeficiente de
asimetría.
76
Excelencia Académica
3(68 71) 9
As2
3.5 3.5
As2 2.57
Como el valor es menor que cero, la curva es asimétrica negativa.
140
120 LK
100
80 MK
60
40
PK
20
0
0 0.5 1 1.5
Coeficiente de Kurtosis
Q3 Q1
K
2P90 P10
Q3 = Cuantil 3
Q3 = Cuantil 1
P90 = Percentil 90
P10 = Percentil 10
Resultados
El valor de K no pasa de 1 tampoco puede ser negativo.
77
Excelencia Académica
PK MK LK
0 1
8
1
4
3
8
1
2
Ejemplo:
Se tienen las tallas de los estudiantes de la UPLA, cuyos cuartiles 1 y 3 son 1.575 y
1.725 metros, respectivamente, y los percentiles calculados son: P90 = 1.77m y P10
5.2
12 10 16 28 32 18 40
14 16 27 13 19 38 18
13 32 22 31 10 37
18 15 24 14 23 36
42 14 27 28 21 37
22 19 15 17 29 25
Determinar e interpretar.
a) Coeficiente de Kurtosis
b) Coeficiente de Pearson
- Por la moda
- Por la mediana
78
Excelencia Académica
En el siguiente fascículo estudiaremos las relaciones que existen entre variables y los
ajustes de curvas para poder inferenciar.
Nº 5
Nombre____________________________________________________
Apellidos______________________________Fecha _______________
Ciudad_______________________________Semestre______________
Calcule e interprete:
a) Rango.
b) Desviación Media.
c) Varianza.
d) Desviación Estándar.
e) Coeficiente de Variación.
f) Coeficiente de Asimetría de Pearson.
g) Coeficiente de Kurtosis.
79
Excelencia Académica
CORRELACIÓN Y REGRESIÓN
En el presente fascículo se estudiara el caso en el que tomar dos variables o características,
una puede ser considerada como independiente y la otra como dependiente de la anterior.
Por medio de la correlación se puede estudiar la interrelación entre dos características con
el fin de medir el grado de asociación que existe entre ellos.
Con frecuencia se desea saber si las variaciones de una característica provocan variaciones
en la magnitud de otra característica, esta se puede representar de acuerdo a su tendencia:
lineal o parabólica, finalmente, se estudiará la aplicación de la ecuación exponencial.
1. Correlación
Se llama correlación entre las variables a la relación que existe entre las variables de
una distribución bidimensional.
Dependiendo de esta aproximación de la nube de puntos a la recta de regresión,
tendremos tres clases de correlación.
a) Correlación Positiva
Es cuando al aumentar una variable, la otra también aumenta. La recta de regresión
en este caso es una recta creciente.
y
300
250
200
150
100
50
0
0 0.5 1 1.5x
80
Excelencia Académica
b) Correlación negativa
Es cuando aumentan una de las variables, la otra disminuye. En este caso la recta
de regresión es decreciente.
y
300
250
200
150
100
50
0
0 0.5 1
x
1.5
c) Correlación Nula
Se da cuando no hay dependencia de ningún tipo entre las variables.
y
250
200
150
100
50
0
0 0.5 1
x
1.5
2. Coeficiente de Correlación
Trata de determinar matemáticamente la existencia de la relación entre dos factores o
fenómenos, averiguar si uno de ellos influye en el otro o si no hay ninguna relación o
dependencia entre un hecho y el otro.
Ejemplo:
Se trata de establecer si están relacionados:
- El alcoholismo y la criminalidad
- El analfabetismo y el bajo ingreso.
- La temperatura veraniega y enfermedades intestinales.
- La edad y la presión arterial.
81
Excelencia Académica
x y
( xy ) n
r
x 2
y
2
x 2
n
y 2
Donde:
r = Coeficiente correlación
x = Variable independiente
y = Variable dependiente
n = numero de datos
Resultados:
El coeficiente de correlación varía de los valores 1 para la correlación perfecta al valor
cero, para ausencia absoluta de correlación.
Ejemplo:
Hallar la correlación entre los siguientes datos referentes a edades y presión sanguínea
de un grupo de mujeres.
82
Excelencia Académica
6281684
89894
r 12
34416
6282 238822
16842
12 12
1765
r
1550.7 2501
r 0 .896
Interpretación: existe una fuerte relación entre la edad y la presión sanguínea por que
0.896 esta cerca de 1
6.1
Regresión Lineal
Línea ajustada a un conjunto de puntos de datos para estimar la relación entre dos
variables.
83
Excelencia Académica
y = variable dependiente
x = variable independiente
ayb = parámetros
Para hallar los parámetros a y b, aplicamos:
a
y b x
n
n xy y x
b
n x 2 x x
Ejemplo:
En el cuadro representa las ventas anuales el los años indicados.
Años 1998 1999 2000 2001 2002 2003
Venta (millones de soles) 4 6 8 10 12 14
- Los años con la finalidad de reducir números grandes se remplaza por la serie
correlativa de 1 al…, siempre que los años seas correlativo de 1 en 1.
- Definir siempre, que variable es dependiente e independiente.
- Graficar los datos, con la finalidad de determinar la tendencia de la serie.
84
Excelencia Académica
6224 54(21)
b
6(91) 21(21)
1344 1134 210
b
546 441 105
b2
54 2(21)
a
6
54 42 12
a
6 6
a2
Ecuación general
y a bx
y 2 2x
Si uno desea proyectar las ventas, por ejemplo al 2005, se hace lo siguiente.
y 2005 2 2(8)
Como se denota en el cuadro:
Al 2001 le corresponde el 4
Al 2002 le corresponde el 5
Al 2003 le corresponde el 6
Al 2004 seria el 7
Al 2005 es el 8
y 2005 2 2(8) 18
Interpretación: las ventas al 2005 seria de 18 millones de soles.
85
Excelencia Académica
a
y c x 2
b
xy
x 2
n x y x y
2 2
c
n x x x4 2 2
Ejemplo:
Las paredes de un horno de una ladrillera varia de espesor y con el auxilio de un
pirómetro se han encontrado las siguientes temperaturas.
Temperatura
Espesor de la pared
(En centenar ºC)
(dm) x y
0 1.0
1 1.3
2 2.0
3 3.1
4 4.6
5 6.5
1º. Graficamos
7
6
5
4
3
2
1
0
0 0.5 1 1.5
1 2 3 4 5 6
Es una parábola
2º Aplicamos la ecuación
y a bx cx 2
86
Excelencia Académica
Espesor Temperatura
n
y
xy x2 x2y x4
x
1 0 1.0 0 0 0 0
2 1 1.3 1.3 1 1.3 1
3 2 2.0 4.0 4 8.0 16
4 3 3.1 9.3 9 27.9 81
5 4 4.6 18.4 16 73.6 256
6 5 6.5 32.5 25 162.5 625
Total 15 18.5 65.5 55 273.3 979
n x 2 y x 2 y
c
n x 4 x 2 x 2
a
y c x 2
n
18.5 0.22(55)
a
6
18.5 12.1 6.4
a
6 6
a 1 .1
b
xy
x 2
65.5
b
55
b 1 .2
Luego
y 1.1 1.2 x 0.22 x 2
87
Excelencia Académica
6.2
La densidad del agua “d” varia con la temperatura “t” (en grados centígrados), tal como se
muestra en el cuadro.
t d Hallar e interpretar
0 0.9998 a) El coeficiente de correlación.
5 0.9999 b) Cuanto seria la densidad del agua a una
10 0.9997 temperatura de 30ºc
15 0.9992
20 0.9983
25 0.9971
Caso Población
Pt Po 1 r
t
Pt = población final
Deducción de Formulas
Pt
rt 1
P0
log Pt log Po
t
log(1 r )
88
Excelencia Académica
La tasa de crecimiento medio r puede ser negativo, si una ciudad baja su población.
M C1 i
n
M = Monto
C = Capital
i = Tasa de intereses
n = numero de periodos
Ejemplo:
La población del departamento de Junín hipotéticamente en 1983 fue 849300
habitantes y en 1998 fue de 1010700 habitantes. ¿Cuánto seria la población en el
2005?
1º Hallamos la tasa de crecimiento medio.
t 1998 1983 15
Pt 1010700
Po 849300
Pt
rt 1
Po
1010700
r 15 1
849300
r 0.0117 ( se multiplica por 100)
r 1.17% de crecimiento promedio anual
2º Proyectamos
t 2005 1998 7
Pt 1010700
Po 0.0117
Pt Po 1 r
t
89
Excelencia Académica
90
Excelencia Académica
Nº 6
Nombre____________________________________________________
Apellidos______________________________Fecha _______________
Ciudad_______________________________Semestre______________
1. Los gastos de publicidad de una empresa y las ventas efectuadas vienen dadas por la
siguiente tabla(los datos están expresados en millones de nuevos soles).
Publicidad 1 2 5 6 7 9 12 14
Venta 10 12 15 16 17 18 22 24
Año 1 2 3 4 5 6 7
Monto a interés
1.00 1.060 1.124 1.191 1.262 1.338 1.419
compuesto
91
Excelencia Académica
PROBABILIDAD (I)
El propósito de este fascículo es determinar los modelos matemáticos que permita descubrir
concretamente las pruebas regidas por el azar y que proporcione un apoyo teórico en el
tratamiento de la Estadística Inferencial.
En esta primera parte nos orientaremos a la teoría de la probabilidad, a los principales
conceptos y al análisis combinatorio.
La teoría de la probabilidad fue aplicada con buenos resultados a las mesas de juegos y,
lo que es más importante para nuestro estudio con el tiempo, también se aplicó a otros
problemas socioeconómicos. La teoría matemática de la probabilidad constituye el
fundamento de las aplicaciones estadísticas tanto en la investigación social como en la
toma de decisiones.
2. Concepto de Probabilidad
La probabilidad es la posibilidad de que ocurra algo. Las probabilidades se expresan
como fracciones o como decimales entre 0 y 1. Asignar una probabilidad de cero
92
Excelencia Académica
significa que algo nunca ocurrirá; una probabilidad de 1 indica que algo sucederá
siempre.
La noción de probabilidad viene de la necesidad de medir de alguna manera la certeza o
la duda de que algún suceso ocurra o no.
El fin de la teoría de probabilidades es examinar las formas y los medios de obtener esas
medidas de certeza, así como encontrar los métodos para combinarlos cuando
intervienen varios sucesos en un experimento.
3. Experimento
Experimento es la prueba, ensayo u observación de un hecho o fenómeno.
Los experimentos pueden ser
Ejemplos:
- Cuando se lanza una flecha hacia arriba, se sabe que va a caer.
- Cuando se suma números pares, el resultado será también un número par.
Ejemplos:
- Cuando lanzamos un dado, no sabemos que numero va a salir.
- Predecir la duración de una conversación telefónica.
- Lanzar un proyectil hacia un blanco determinado, no sabemos si dará en el
blanco.
4. Espacio Muestral ( S ) (Ω)
Espacio muestral es el conjunto de todos los resultados posibles de un experimento
aleatorio.
93
Excelencia Académica
Ejemplo:
- Experimento E: lanzar un dado
Espacio Muestral S: {1, 2, 3, 4, 5, 6}
- E: lanzar dos monedas
S:{(cara, cara), (sello, sello), (cara, sello), (sello, cara)}
- E: elegir una persona en la calle, en cuanto a su estado civil
S:{casado, soltero, viudo, divorciado, conviviente}
Ejemplos:
- Al lanzar una moneda y un dado, obtener cara y un número par.
Suceso A= {(c, 2), (c, 4), (c, 6)}
- Al lanzar dos dados, dé como resultado 7.
A= {(1, 6), (2, 5), (3, 4), (4, 3), (5, 2), (6, 1)}
- De un grupo de personas A, B; C; D, elegir una comisión de tres personas en el que
este A.
A= {(ABC), (ABD), (ACD)}
- De cuatro libros A, B, C, D, se quieren guardar en un estante, donde C siempre este
ultimo.
A= {ABDC, ADBC, DABC, BADC, BDAC, DBAC}
Cualquier suceso que sea igual al conjunto vació se llama suceso imposible, y por tanto,
será un suceso que no se produce nunca. Cualquier suceso que sea igual al espacio
muestral se llama suceso seguro (es el suceso que ocurre siempre).
Ejemplos:
- En el lanzamiento de una moneda:
94
Excelencia Académica
- En el lanzamiento de un dado:
Obtener un número negativo es un suceso imposible
Obtener un número menor que siete es un suceso seguro.
7.1
A B
AB
b) Intersección de Eventos
Es la designación por A B o AB, es el evento formado por los elementos
comunes a A y B.
95
Excelencia Académica
A B
AB
c) Complemento de un Evento
El complemento de A se denota con A ,A’ o A c , se define con el evento
formado por los elementos del espacio muestral que no están en A.
El evento A se realiza cuando el evento A no se realiza.
c
A ,A’ o A
Ejemplos:
En el experimento aleatorio lanzar un dado, sean los sucesos:
K: obtener número par
L: obtener múltiplo de 3
Ω= {1, 2, 3, 4, 5, 6}
K= {2, 4, 6}
L= {3, 6}
Se tiene:
KL = {2, 3, 4, 6}
KL = {6}
K =K’ = {1, 3, 5}
L = L’ = {1, 2, 4, 5}
96
Excelencia Académica
5.2. Propiedades
a) Asociatividad
A (B C) = (A B) C
A (B C) = (A B) C
b) Conmutatividad
AB = BA
AB = BA
c) Simplificación
A (B A) = A
A (B A) = A
d) Idempotencia
AA = A
AA = A
e) Complementación
A A’= Ω
A A’= Ø
f) Universal e Ínfimo
AΩ = Ω
AΩ = A
AØ = A
AØ = Ø
g) Distributiva
A (B C) = (A B) (A C)
A (B C) = (A B) (A C)
h) Leyes de Morgan
(A B)’=A’ B’
(A B)’=A’ B’
7.2
97
Excelencia Académica
A = {salgan 2caras}
B = {salgan 2 sellos}
C = {salgan una cara y un sello}
Obtener los siguientes sucesos:
a) A B b) A C c) A-B
d) A’ e) C’ f) (A B)’
g) A B C h) A B C
5.3. Relaciones Entre Sucesos O Eventos
a) Inclusión de Suceso
Diremos que el suceso A esta incluido en B si todas las ocurrencias de A esta
incluido en B si todas las ocurrencias de A son también ocurrencias de B, se
escribe
AB
Ejemplo:
A= {1, 2, 3}
B= {1, 2, 3, 4, 5, 6} AB
Ejemplo:
No puede ocurrir que un abogado sea analfabeto.
Abogados y analfabetos son sucesos excluyentes.
d) Partición de Sucesos
98
Excelencia Académica
Diremos que el espacio muestral esta particionado en A1, A2, A3, etc. .Sí solo sí
cumple las siguientes condiciones:
1º A1 ≠ Ø, A2 ≠ Ø, A3 ≠ Ø, …
Esto quiere decir que tiene ocurrencias
2º A1 A2 = Ø, A1 A3 = Ø, A2 A3 = Ø, …
O sea que no comparten ocurrencias, no tienen elementos comunes.
3º A1 A2 A3…= Ω
Es la unión de todos al unir todos los elementos y dar como resultado el
espacio muestral.
A1 A2
A3
A4 …
Ω
Ejemplo:
Experimento= {lanzar una moneda}
S c, s
2S 22 4
6. Analisis Combinatorio
Es una parte del algebra que estudia los distintos grupos que se pueden formar con
cierto numero de objetos, atendiendo a determinados criterios.
Principios
a) Principio de Adición
99
Excelencia Académica
Consiste en que dado dos o más sucesos mutuamente excluyente puede ocurrir de
la primera o segunda forma.
A B
#A = m #B = n
Ejemplos:
- Se viaja de Lima a Huancayo, hay 2 compañías aéreas y 12 empresas terrestres.
M=2, n=12
Hay 14 formas de viajar (son excluyentes o mutuamente excluyentes).
- Cuantos números pares de 3 cifras diferentes, se pueden formar con los dígitos
2, 3, 4, 5, y 6.
100
Excelencia Académica
3 4 3
Dígitos pares
5 6 6 6
El cero no
puede ubicarse 5 × 6 × 6 × 6 =1080
5 6 6 2
5 6 6 3
101
Excelencia Académica
7.3
7. Factorial de un Número
Se llama factorial de un numero “m” o “m factorial” al producto de los m factores
decrecientes a partir de m hasta 1.
Se designa por: !
m factorial= m!
Ejemplo:
5! = 5 × 4 × 3 × 2 × 1 = 120
3! = 3 × 2 × 1 = 6
OBSERVACIÓN
0!=1
8. Permutación
Calcula las posibles agrupaciones que se pueden establecer con todos los elementos de
un grupo, por lo tanto, se distingue de los otros en el orden.
Ejemplo:
Calcular las posibles formas en que se pueden ordenar a, b y c
Hay 6 posibles agrupaciones: (a, b, c), (a, c, b), (b, a, c), (c, a, b), (c, b, a)
102
Excelencia Académica
Pm = m!
Ejemplos:
- Cuantos números de 4 cifras diferentes se pueden escribir con los dígitos 3, 4,
5y6
P4 = 4! = 4 × 3 × 2 × 1
P4 = 24
Solución:
a) Pm = m!
P8 = 8! = 8 × 7 × 6 ×5 × 4 × 3 × 2 × 1
P8 = 40320 maneras
P5 × P3 × P2 = 5! 3! 2! = 120 × 6 × 2 = 1440
c) Los libros de Biología permutan entre 3 y forman un solo bloque P3
103
Excelencia Académica
Solución
a) PmC = P10C = (10-1)! = 9! = 362880 formas
Repetición: Por que los elementos pueden entrar varias veces en las
agrupaciones.
Ejemplo:
- Cuantos numeros de cuatro cifras se pueden escribir con dos 5 y dos 7
4! 24
Pmm1 ,m2 P24, 2 6 maneras
2! 2! 4
104
Excelencia Académica
Por extensión:
5775 7557
5757 7575
5577 7755
6! 720 720
P46, 2 15 maneras
4! 2! 24 2 48
9. Varicación
Es una forma de permutación, en el cual no interviene todos los elementos.
Ejemplos:
- De cuantas maneras diferentes se pueden presentar a, b, c y d tomados de dos
en dos.
4! 24
V24 12 maneras
(4 2)! 2
6! 720
V36 120 maneras
(6 3)! 6
Vnm r m n
Ejemplos:
105
Excelencia Académica
= C3 C 2 P5 !
10 6
Total de maneras
10! 6!
= 5!
3!(10 3)! 2!(6 2)!
106
Excelencia Académica
(m n 1)!
Cnm r
(m 1)! n!
Ejemplo:
- Cuantas combinaciones con repetición, obtendremos dados 4 símbolos
diferentes, tomados de tres en tres.
( 4 3 1)! 6! 720
C34 r
( 4 1)! 3! 3! 3! 36
20 combinaciones
Ejemplo:
Marcos y Enrique intervienen en un torneo de tenis. La primera persona que gane dos
juegos seguidos o que complete tres gana el torneo. El diagrama siguiente muestra los
posibles resultados del torneo.
M M
M M M
E E
E E
M M
M M
E E E
E E
107
Excelencia Académica
Nótese que hay 10 puntos finales que corresponden a los 10 resultados posibles del
torneo:
7.4
2. En una carrera de caballos participan 19 ejemplares, si se trata de que usted acierte los
tres primeros puestos en la clasificación final. ¿De entre cuantas posibilidades tendría
que escoger una?
108
Excelencia Académica
7.5
1. Se corre una carrera en la que dan premios a los dos primeros participantes que crucen
la línea de la meta. Si hay cuatro corredores (K, L, M, N)
¿De cuantas maneras diferentes pueden repartirse las copas los participantes?
109
Excelencia Académica
Nº 7
Nombre____________________________________________________
Apellidos______________________________Fecha _______________
Ciudad_______________________________Semestre______________
1. El testigo de un atropello recuerda que la placa del auto tiene 65 dígitos diferentes y
solamente ha memorizado los tres primeros que son: 3, 4, 7, …¿ Cuantos números de
placas diferentes tendrá que investigar la policía?
2. Siete varones y cinco mujeres van a formar comités de 6 personas. ¿De cuantas
maneras pueden formarse si:
4. Un club de voley cuenta con 12 jugadoras. ¿De cuantas maneras diferentes puede
formar un equipo el entrenador, sabiendo que siempre tiene que estar Rosa que es la
preparadora?
6. Una joven tiene 6 amigas, de las cuales invitará para su cumpleaños solamente a tres
¿De cuantas maneras debe hacer la invitación, ni dos de ellas solamente pueden asistir
juntas.
7. Tres señoritas Maria, Magna y Maritza, compiten en un curso de belleza. Los premios
solamente son otorgados a solas que ocupen el primer y segundo lugar.
110
Excelencia Académica
111
Excelencia Académica
PROBABILIDAD (II)
Vivimos en un mundo donde somos incapaces de pronosticar el futuro con absoluta certeza.
La necesidad de sortear la incertidumbre nos lleva a estudiar y aplicar la teoría de la
probabilidad.
En este fascículo continuamos con la teoría de probabilidades a través del método clásico,
método de frecuencia relativa, Método subjetivo y probabilidades frente a apuestas y de
espacios muestrales finitos.
#A 3 1
P A ó 0.5
#S 6 2
112
Excelencia Académica
- En una urna hay 3 bolas negras y 4 bolas rojas. Si se extrae una bola al azar. ¿Cuál
es la probabilidad de que esta sea roja?
S= {N, N, N, R, R, R, R}
A= {R}
#A 4
P A ó 0.57
#S 7
Axiomas de Probabilidad
Entonces:
P( A B) P( A) P(B)
Teoremas de Probabilidad.
113
Excelencia Académica
P(B) P( A)
c) Si Ay B 2 S entonces
P( A B) P( A) P( A B)
d) Si Ay B 2 S entonces
P( A B) P( A) P(B) P( A B)
Ejemplos:
- Sean A y B, dos eventos que no sean mutuamente excluyentes, tal que:
P ( A) 0.20
P ( B ) 0.30
P ( A B ) 0.10
S A B
0.10
0.10 0.20
Hallar:
a) P(A' )
b) P( A' B' )
c) P( A' B' )
d) P( A' B)
e) P( A B' )
f) P( A' B)
Solución:
a)
P( A' ) 1 P( A)
1 0.20
0.80
b)
P( A' B' )
De la ley de Morgan
114
Excelencia Académica
A'B' ( A B)'
P( A'B' ) P( A B)'
Pero de:
P( A B)' 1 P( A B)
1 0.40
0.60
c) P( A' B' )
P( A' B' ) P( A' ) P( B' ) P( A' B' )
0.80 0.70 0.60
0.90
e) P( A B' )
P( A B' ) P( A B) P( A) P( A B)
0.20 0.10
0.10
f) P( A' B)
P( A' B) P( A' ) P( B) P( A'B)
0.80 0.30 0.20
0.90
115
Excelencia Académica
8.1
P( A B) 3 4
P( A' ) 23
P( A B) 1
4
Hallar:
a) P(B)
b) P( A B' )
c) P( A'B' )
d) P( A' B)
Para contestar estas dos preguntas no nos sirve la definición clásica, en este caso
necesitamos más información, para lo cual recurrimos a otros tipos de definiciones, por
ejemplo, a la definición por frecuencia relativa, la cual se define de la siguiente manera:
Sea A 2 S
fA
relativa ( h i ) del evento A esta dado por: hA P(A)
n
Luego:
1º 0 h A 1
116
Excelencia Académica
P ( 4 5 ) P ( 4 ) P ( 5 )
h4 h5
0.18 0.21
0.39 39%
La probabilidad de encontrar un trabajador que ganes de s/205 a s/233 es del 39%
117
Excelencia Académica
Menos Más de
1a3 4 a 10
de 1 año 10
Si 27 54 137 28 246
No 14 18 34 3 69
No se 3 2 1 0 6
Total 44 74 172 31 321
A B C D
Solución:
Para facilitar la solución ponemos letras mayúsculas a las filas y columnas.
74
a) P( B) 0.2305 23.05%
321
246
b) P( M ) 0.7663 77%
321
54
c) P(M B) 0.1682 17%
321
d)
PM C D PM C M D
P( M C ) P( M D)
137 28
321 321
165
0.514 51.4%
321
8.2
En una encuesta se determino que la probabilidad de que una persona consuma el producto
A es 0.5, que consuma B es 0.37, que consuma el producto C es 0.3, que consuma A y B es
0.12 que consuma solamente A y C es 0.08, que consuma solamente B y C es 0.05 y que
consuma solamente C es 0.15 ¿Calcular la probabilidad de que una persona escogida al
azar consuma:
118
Excelencia Académica
3. Probabilidad Subjetiva
En la vida diaria hay ciertas preguntas que se hacen ciertos especialistas.
Ejemplo:
a) Un medico investigador dirá que al término de esta década se va a obtener una
vacuna contra el SIDA.
b) Un ingeniero de la NASA dirá que dentro de 20 años estaremos viajando a Venus.
Ejemplo:
En una carrera de caballos, el caballo A tiene la apuesta 3 a 5, mientras que el caballo B
tiene 1 a 4 ¿Cuál es la probabilidad de que cualquiera de estos dos caballos gane?.
119
Excelencia Académica
3 3
P( A)
35 8
1 1
P( B)
1 4 5
Pero como son mutuamente excluyentes
P ( A B ) P ( A) P ( B )
3 1
8 5
23
0.575 57.5%
40
8.3
En una carrera de autos, el auto K tiene las apuestas 5 a 1 en su contra, mientras que el
auto M las tiene 9 a 1 en su contra. ¿Cuál es la probabilidad de que cualquiera de estos
autos gane?
5. Probabilidades De Espacios Finitos
Otro método para asignar probabilidades en espacios muestrales finitos.
S W1 , W 2 , W3 , W n
donde n =finito
n
Se asigna a cada W i una probabilidad Pi , tal que la probabilidad de P
W 1 , la
i 1
i
Solución:
S= {gana A, gana B, gana C, gana D}
120
Excelencia Académica
S= { W1 , W 2 , W3 , W 4 }
a) P (W1 ) P (W 2 ) P (W3 ) P (W 4 ) 1
Pero
P(W4 ) x
P(W3 ) 2 x
P(W2 ) 4 x
P(W1 ) 8 x
x 2 x 4 x 8x 1
15 x 1
1
x
15
Todos tienen la misma capacidad de ganar, así tenemos:
1
P(W4 ) 0.067 7%
15
P(W3 ) 2 x 2 115 215 0.13 13%
P(W2 ) 4 x 4 415 215 0.27 27%
P(W1 ) 8 x 8 815 215 0.53 53%
b)
P(W2 W3 ) P(W2 ) P (W3 )
4 2
15 15
6
0.4 40%
15
8.4
121
Excelencia Académica
a) Gane un joven
b) Gane una señorita
c) Gane un niño
d) Gane un niño o una señorita
6. Probabilidad Condicional
Sea A un suceso cuya probabilidad es distinta de creo; y sea B cual suceso: se llama
probabilidad de B condicionado a A al cociente:
PB A P(PA(A)B)
6.1. Axiomas
PE A P(PE(A)A) 0
Por ser cociente de números no negativos.
P BC
A
PB P(CA) A
PB A C A
P ( A)
PB PC
A A
III)
Por ser A A
122
Excelencia Académica
Consecuencia:
A
P ( A B ) P A P B
Ejemplo:
En una encuesta que se hace a 112 personas sobre el color de los ojos se obtiene
la siguiente tabla de resultado.
20 2 30 3
P( A) y P( N )
50 5 50 5
Lo anterior se denota que son probabilidades calculadas sobre el conjunto de los
PA
V 5
2
PN
V 5
3
123
Excelencia Académica
M 62
PA
22 11
31
P V
30 3
N 70 7
Luego, podemos ver:
PA
V
2
5
50 25
P(V )
112 56
20 5
P A V
112 28
Entonces:
P A V
PA
V P V
5
5(56) 2
28
25 25(28) 5
56
PA
V
2
5
P( A B) P( A) P B A
4 3
52 51
1
221
La probabilidad es de 1
221
8.5
124
Excelencia Académica
1. Una urna contiene 10 bolas rojas y 6 negras. Se sacan dos bolas sin posibilidad de
reemplazarlo. ¿Cuál es la probabilidad de que la segunda bola sea negra si se sabe que
la primera ha sido negra?
7. Sucesos Independientes
Se dice que un suceso B es independiente de otro A cuando P B A PB es decir, el
suceso A no influya en B por lo tanto: diremos que A y B son independientes cuando
ocurre que:
P( A B) P( A) P( B)
Ejemplo:
Se extraen sucesivamente y con devolución dos bolas de una bolsa que contiene 4 bolas
enumeradas del 1 al 4. Sea A el suceso de “obtener numero par en la primera
extracción” y B el suceso “de extraer la segunda bola sea impar” ¿Son A y B
independientes?
Solución:
Se tiene que verificar que:
P( A B) P( A) P( B)
1
P( A)
2
1
P( B)
2
125
Excelencia Académica
4 1
P( A B)
16 4
Luego
1 1 1 1
P( A B) P( A) P( B)
4 2 2 4
Los sucesos son independientes.
8. Teorema De Bayes
El teorema de Bayes viene a seguir el proceso inverso al teorema de probabilidad total.
El teorema de Bayes dice:
P
Ai
Ai
P ( Ai ) P B
B
P ( A ) P B A
n
i
i 1 i
Donde:
Ai , A2 , , An son sucesos tales que
Ejemplo:
El parte meteorológico ha anunciado tres posibilidades para el fin de semana:
a) Que llueva: probabilidad del 50%
b) Que nieva: probabilidad de 30%
c) Si hay niebla: probabilidad de 20%
126
Excelencia Académica
Solución:
Aplicamos la formula:
P
Ai
Ai
P ( Ai ) P B
B
P ( A ) P B A
n
i
i 1 i
0.714
0.214
127
Excelencia Académica
0.20 0.05
P
Ai
B (0.50 0.20) (0.30 0.10) (0.20 0.05)
0.071
8.6
128
Excelencia Académica
VELIZ C., Carlos. Estadística: Aplicaciones. Editorial Servicios Copias Graficas S.A. 2ª
Edición. Lima 1993.
Nº 8
Nombre____________________________________________________
Apellidos______________________________Fecha _______________
Ciudad_______________________________Semestre______________
P ( A) 1
2
P( A B) 5
8
Hallar:
a) P( A' B' )
b) P( A' B)
5. Una compañía comercial tiene 130 sucursales localizados en las tres regiones naturales
del país, se dedican a la venta de diversos artículos, tales como aparece en el cuadro.
Se selecciona al azar una sucursal para colocar en el mercado un nuevo producto que
puede ser vendido por cualquiera de las sucursales.
Hallar la probabilidad que las sucursales seleccionadas no esten localizada en la selva o
vendan repuestos
129
Excelencia Académica
Selva 1 0 4 5
Total 61 25 44 130
130