Documentos de Académico
Documentos de Profesional
Documentos de Cultura
UNIDAD I
ESTADÍSTICA DESCRIPTIVA
1.1 INTRODUCCIÓN
a) Medición Nominal
En este nivel de medición se establecen categorías distintivas que no implican un
orden específico. Por ejemplo, si la unidad de análisis es un grupo de personas, para
clasificarlas se puede establecer la categoría sexo con dos niveles, masculino (M) y
femenino (F), los encuestados sólo tienen que señalar su género, no se requiere de
un orden real. Para su identificación y posterior análisis de datos se puede asignar
números: 1= M, 2=F.
b) Medición Ordinal
Se establecen categorías con dos o más niveles que implican un orden inherente
entre si. La escala de medición ordinal es cuantitativa porque permite ordenar a los
eventos en función de la mayor o menor posesión de un atributo o característica. Por
ejemplo, en el nivel educativo: Primaria, secundaria y superior; en notas cualitativas
A, B, C y D, etc.
Las anteriores alternativas de respuesta pueden codificarse con números, 1, 2, 3,
etc. que sugieren un orden preestablecido pero no implican una distancia entre un
número y otro.
Jorge Tuapanta
3
Estadística y Probabilidad
c) Medición de Intervalo
La medición de intervalo posee las características de la medición nominal y ordinal.
Establece la distancia entre una medida y otra. La escala de intervalo se aplica a
variables continuas pero carece de un punto cero absoluto. El ejemplo más
representativo de este tipo de medición es un termómetro, cuando registra cero
grados centígrados de temperatura indica el nivel de congelación del agua y cuando
registra 100 grados centígrados indica el nivel de ebullición, el punto cero es
arbitrario no real, lo que significa que en este punto no hay ausencia de temperatura.
d) Medición de Razón
Una escala de medición de razón incluye las características de los tres anteriores
niveles de medición (nominal, ordinal e intervalo). Determina la distancia exacta entre
los intervalos de una categoría. Adicionalmente tiene un punto cero absoluto, es
decir, en el punto cero no existe la característica o atributo que se mide. Las
variables de ingreso, edad, número de hijos, etc. son ejemplos de este tipo de
escala. El nivel de medición de razón se aplica tanto a variables continuas como
discretas.
Jorge Tuapanta
4
Estadística y Probabilidad
Algunas veces, si los datos son muy complicados, se codifican, esto quiere decir que
se le coloca una palabra clave que identifica un título muy largo. Cuando ya está
elaborada la base de datos se parece a una tabla.
Es importante recordar que nunca se colocan las tablas y las gráficas juntos, porque
en realidad dicen lo mismo, corrientemente se utiliza o una tabla y su análisis, o una
gráfica y su análisis.
EJEMPLO
Supóngase que se ha preguntado a un conjunto de 150 estudiantes .
¿Qué opinión tienen acerca de los cambios de las mallas curriculares de las
escuelas?. Las 150 respuestas se encuentran en una escala que va de 1 a 9, donde
1 representa un total desacuerdo con la medida, mientras que 9 significa un acuerdo
total.
7568659586575545854266464
8434331456585474353494263
4241363124462474246446758
5765657564541656555462556
5443559436573244742182745
5755158567667752565853655
Una solución alternativa es organizar los datos de tal forma que tengan una
disposición que facilite la lectura. En este sentido, la primera acción a realizar es
ordenar los datos desde el valor más pequeño hasta el valor mayor. Obsérvese el
resultado:
x f
1 6
2 11
3 12
4 30
5 40
6 25
7 14
8 9
9 3
Total 150
Tabla de frecuencias
Jorge Tuapanta
7
Estadística y Probabilidad
Jorge Tuapanta
8
Estadística y Probabilidad
Clases
[100,180[
[180,260[
[260,340[
[340,420 [
[420,500[
[500,580[
Clases Distribución
[100,180[ 100 116 123 141 150 151 159 162 170 176 177
[180,260[ 181 188 192 199 205 227 232 235 240 246 250
[260,340[ 266 271 276 278 279 279 294 295 297 303 309 319 320
321 324 325 335 337
[340,420 [ 363
[420,500[ 429 435 474
[500,580[ 570
Jorge Tuapanta
9
Estadística y Probabilidad
Clases f
[100,180[ 11
[180,260[ 11
[260,340[ 18
[340,420 [ 1
[420,500[ 3
[500,580[ 1
TOTAL 45
Clases f fr %
[100,180[ 11 24,44
[180,260[ 11 24,44
[260,340[ 18 40,00
[340,420 [ 1 2,22
[420,500[ 3 6,67
[500,580[ 1 2,22
TOTAL 45 100,00
Jorge Tuapanta
10
Estadística y Probabilidad
HISTOGRAMA
Es un resumen gráfico de los valores producidos por las variaciones de una
determinada característica, representando la frecuencia con que se presentan
distintas categorías dentro de dicho conjunto.
Los histogramas nos permiten resumir grandes cantidades de datos; además
podemos hacer un análisis de los datos evidenciando esquemas de comportamiento
y pautas de variación que son difíciles de captar en una tabla numérica.
GASTOS SEMANALES
20 18
18
16
14
FRECUENCIAS
12 11 11
10
8
6
4 3
2 1 1
0
140 220 300 380 460 540
GASTOS SEMANALES EN DOLARES
Para elaborar el histograma también se pudo haber cogido los intervalos de clase(
100 a 180; 180 a 260,..etc), y no los puntos medios de cada clase. Hágalo y
compare.
Jorge Tuapanta
11
Estadística y Probabilidad
POLIGONO DE FRECUENCIAS
Un polígono de frecuencias es similar al histograma. Está formado por segmentos
de rectas que unen a los puntos medios de las clases y la frecuencia de clase. El
polígono de frecuencias añade dos clases con frecuencias cero: una antes de la
primera clase y otra después de la última.
El resultado es que se "sujeta" la línea por ambos extremos al eje horizontal y lo que
podría ser una línea separada del eje se convierte, junto con éste, en un polígono.
20 18
18
16
14
FRECUENCIAS
11 11
12
10
8
6
3
4
1 1
2 0 0
0
60 140 220 300 380 460 540 620
GASTOS SEMANALES EN DOLARES
Jorge Tuapanta
12
Estadística y Probabilidad
único representante, ya que sólo representan los extremos. Una de las propiedades
más sobresalientes de la distribución de datos es su tendencia a acumularse hacia el
centro de la misma. Esta característica se denomina tendencia central.
Las medidas de tendencia central más usuales son: la media aritmética, la mediana y
la moda.
MEDIA ARITMÉTICA
La media aritmética de n valores, es igual a la suma de todos ellos dividida entre n .
Se denota por ̅ . Esto es:
n
x i
X i 1
n
Cuando los datos tienen más de una frecuencia, para obtener la media aritmética se
agrega otra columna a la tabla estadística con el producto de las observaciones y sus
frecuencias. Es decir, si se cuenta con una distribución de datos entonces se aplica
la fórmula:
n
f i xi
X i 1
n
Las características de la media aritmética son:
1. La media aritmética es la única medida de tendencia central donde la suma de las
desviaciones de cada valor, respecto de la media, siempre es igual a cero. Es decir:
n
(x
i 1
i X )0
MEDIANA
Jorge Tuapanta
13
Estadística y Probabilidad
MODA
La moda de un conjunto de datos numéricos es el valor que más se repite, es decir,
el que tiene el mayor número de frecuencias absolutas. La moda puede ser no única
e inclusive no existir.
Jorge Tuapanta
14
Estadística y Probabilidad
EJEMPLO
Obtener la moda de los siguientes datos: -3, 3, -2, 0, 3, -1, -2, 4, 5, -2, 0, 1.
Solución.
Ordenando de forma ascendente: -3, -2, -2, -2, -1, 0, 0, 1, 3, 3, 4, 5.
El valor que más se repite es el -2, por lo tanto ese valor es su moda.
EJEMPLO
Obtener la moda de los siguientes datos: 6, 2, -1, -5, 3, -3, -2, 5, 0, -4, 4, 1.
Solución.
Ordenando de forma ascendente: -5, -4, -3, -2, -1, 0, 1, 2, 3, 4, 5, 6.
Ningún valor se repite es, decir su moda no existe.
Las características de la moda son:
1. En su cálculo no se incluyen todos los valores de la variable.
2. El valor de la moda puede ser afectado grandemente por el método de
designación de los intervalos de clases.
3. No está definida algebraicamente.
4. Puede ser calculada en distribuciones de frecuencia que tengan clases abiertas.
5. No es afectada por valores extremos.
MEDIA PONDERADA
La media ponderada de un conjunto de valores de una variable x a los que se han
asignado, respectivamente, una ponderación se calcula mediante la fórmula:
p i xi
Xp i 1
n
p i 1
i
Jorge Tuapanta
15
Estadística y Probabilidad
MEDIDAS DE DISPERSIÓN
Jorge Tuapanta
16
Estadística y Probabilidad
R LSU C LIPC
La principal limitación del rango es que considera solamente los valores extremos de
los datos, y no proporciona información respecto a los demás valores.
DESVIACIÓN MEDIA
La desviación media mide el monto medio en que varían los valores de una
población o muestra, con respecto a su media. La desviación media para una
n
x i x
muestra está dada por: DM i 1
x
n
2
i x
S2 i 1
n 1
1. Mientras más alejados estén los valores de su media mayor será el valor de la
varianza y mientras más concentrados se encuentren alrededor de su media,
menor será el valor de la varianza.
2. La varianza nunca es negativa, ya que se está sumando cantidades elevadas al
cuadrado.
3. El valor mínimo que puede tomar es cero, el cual se logra cuando todos los
valores son iguales entre sí, es decir, que no existe variabilidad entre ellos.
x
n
2
i x
S i 1
n 1
2
n
xi
x x i i 1
n n
2
x
2
Se demuestra que i
i 1 i 1 n
2
n
xi
x i i 1
n
2
n
S 2 i 1 → VARIANZA
n 1
Jorge Tuapanta
18
Estadística y Probabilidad
2
n
xi
x i i 1
n
2
n
S i 1
→ DESVIACIÓN ESTÁNDAR
n 1
f X 2
f X 2
n
S2 → VARIANZA
n 1
f X 2
f X 2
n
S → DESVIACIÓN ESTÁNDAR
n 1
Donde:
f es la frecuencia de clase
EJEMPLO 1
Jorge Tuapanta
19
Estadística y Probabilidad
xi xi x | xi x | x i x
2
74 0 10,5 19,5
x 74
x i x
10,5
x 9,25 , DM i 1
1,31
i
n 8 n 8
x x
n n
2 2
i x i x
19,5
S2 i 1
2,79 , S i 1
2,79 1,67
n 1 7 n 1
EJEMPLO 2
Clases f
[100,180[ 11
[180,260[ 11
[260,340[ 18
[340,420 [ 1
[420,500[ 3
[500,580[ 1
Jorge Tuapanta
20
Estadística y Probabilidad
f X 2
(11660) 2
f X 2
n
3438800
45
S2 9490.10
n 1 44
f X 2
f X 2
n
S 9490.10 97.42
n 1
COEFICIENTE DE VARIACIÓN
Jorge Tuapanta
21
Estadística y Probabilidad
S
El coeficiente de variación se define como: CV 100
x
EJEMPLO
Las mediciones realizadas con un micrómetro 1 tienen una media de 3.92 mm y una
desviación estándar de 0.0152 mm, y las realizadas con el micrómetro 2 tienen una
media de 1.54 pulgadas y una desviación estándar de 0.0086 pulgadas. ¿Cuál de
estos dos instrumentos es relativamente más preciso?
Solución
0.0152
Para el micrómetro 1, el coeficiente de variación es: CV 100 0.39%
3.92
0.0086
Para el micrómetro 2, el coeficiente de variación es: CV 100 0.56%
1.54
Por lo tanto, las mediciones hechas con el micrómetro 1 son relativamente más
precisas.
1. PERCENTILES
Los percentiles son aquellos valores que dividen a los datos ordenados de forma
creciente, en cien partes iguales. Existen noventa y nueve percentiles que se
denotan por P1, P2, ... , P99. Entre dos percentiles consecutivos se encuentra el 1%
Jorge Tuapanta
22
Estadística y Probabilidad
de los datos. Así, por ejemplo, entre los percentiles P10 y P20 se encuentran 10% de
los datos.
Para denotar un percentil cualquiera usemos Pi, donde i = 1, 2, 3, ... , 99. Así, la
definición formal de percentil es la siguiente:
El percentil Pi de una colección de datos que previamente han sido ordenados (de
forma creciente), es un valor tal que como máximo el i % de los datos son menores
que él, y también como máximo un (100-i)% de los datos son mayores que él.
EJEMPLO
Suponga que los pesos de ocho personas (en Kg) son: 52, 97, 108, 63, 90, 74, 86,
73. Hallar los percentiles: P20, P50 y P80.
El P20 es el valor tal que el 20% de los datos, es decir el 20% de 8 = 1,6 datos como
máximo son menores que él, y también como máximo el 80% de 8 = 6,4 datos son
mayores que él.
Observe que el valor 63 cumple con estas condiciones. Por tanto, P20 = 63 Kg.
Ahora, en el cálculo de P50 se observa que existen dos valores 74 y 86, que
cumplen con la definición. De esta manera, P50 = (74 + 86) / 2 = 80 Kg.
Para estos datos, P80 tiene como máximo 6,4 datos por debajo de él y a lo sumo 1,6
datos por encima. El valor 97 satisface esto, así P80 = 97 Kg. Nótese que ni el valor
90 ni 108 cumple con las condiciones. Por ejemplo, el valor 90 tiene cinco datos por
debajo que cumple con lo que se exige pero por encima tiene a dos datos (el 25% de
los datos), lo que no satisface los requerimientos para ser percentil 80.
2. DECILES
Jorge Tuapanta
23
Estadística y Probabilidad
Los Deciles son los valores que dividen a los datos ordenados (de forma creciente)
en diez partes iguales. Existen nueve deciles que se denotarán por D1, D2, ... , D9.
Entre dos deciles consecutivos se encuentra un 10% de los datos.
3. CUARTILES
Los cuartiles son los valores que dividen a una colección de datos que previamente
han sido ordenados en forma creciente, en cuatro partes iguales. De esta manera,
existen tres cuartiles que se denotan Q1, Q2 y Q3. Nótese que entre dos cuartiles
consecutivos se encuentra un 25% de los datos. Además, por debajo de Q1, se
encuentra un 25% de los datos y por encima un 75%; mientras por debajo del cuartil
tres, se encuentra un 75% de los datos y por encima de él existe un 25% de los
datos.
El segundo cuartil, Q2, es igual a la mediana. Además, puede dejarse ver las
siguientes relaciones entre los cuartiles deciles y percentiles:
Q1 = P25
Q2 = D5 = P50 = Mediana
Q3 = P75
D1 = P10
D2 = P20
…………
D9 = P90
Jorge Tuapanta
24
Estadística y Probabilidad
UNIDAD II
PROBABILIDAD
El experimento tiene que ser aleatorio, es decir, que pueden presentarse diversos
resultados, dentro de un conjunto posible de soluciones, y esto aun realizando el
experimento en las mismas condiciones. Por lo tanto, a priori no se conoce cuál de
los resultados se va a presentar:
Ejemplo: lanzamos una moneda al aire; el resultado puede ser cara o cruz, pero no
sabemos de antemano cuál de ellos va a salir.
Antes de calcular las probabilidades de un experimento aleatorio hay que definir una
serie de conceptos:
Ejemplo: Si tiramos una moneda al aíre una sola vez, el espacio muestral será cara
o cruz; es decir: S={cara, cruz}
Jorge Tuapanta
25
Estadística y Probabilidad
Al lanzar un dado y obtener un número par, los casos favorables son: A={2, 4, 6}
Por ejemplo al lanzar cuatro monedas al aire. ¿Cuál es el espacio muestral?. Hay
muchas posibilidades, y es posible, que si no se tiene cuidado se omita una, para
evitar este problema, es útil dibujar un diagrama de árbol, como el de la figura
M1 M2 M3 M4
C CCCC
C
S CCCS
C
C CCSC
S
S CCSS
C
C CSCC
C
S CSCS
S
C CSSC
S
S CSSS
C SCCC
C
S SCCS
C
C SCSC
S
Jorge Tuapanta
26
Estadística y Probabilidad
S SCSS
S
C SSCC
C
S SSCS
S
C SSSC
S
S SSSS
elemento de A k .
EJEMPLO
Solución
Jorge Tuapanta
27
Estadística y Probabilidad
EJEMPLO
Solución
5!
En nuestro ejercicio n=5 y r=5, por lo que hay: P5,5 120 formas de
(5 - 5) !
ensamblar los chips.
COMBINACIONES
Jorge Tuapanta
28
Estadística y Probabilidad
m m!
C m,r
r r ! (m - r) !
EJEMPLO
10 10 !
C10, 4 210
4 4 ! (10 - 4) !
b) Probabilidad de que al lanzar un dado salga un número par: en este caso los
casos favorables son tres (que salga el dos, el cuatro o el seis), mientras que los
casos posibles siguen siendo seis. Por lo tanto:
Jorge Tuapanta
29
Estadística y Probabilidad
Si lanzo una vez una moneda al aire y sale "cara", quiere decir que el suceso "cara"
ha aparecido el 100% de las veces y el suceso "cruz" el 0%.
Si lanzo diez veces la moneda al aire, es posible que el suceso "cara" salga 7 veces
y el suceso "cruz" las 3 restantes. En este caso, la probabilidad del suceso "cara" ya
no sería del 100%, sino que se habría reducido al 70%.
Probabilidad de sucesos
Al definir los sucesos hablamos de las diferentes relaciones que pueden guardar dos
sucesos entre sí, así como de las posibles relaciones que se pueden establecer entre
los mismos. Vamos a ver ahora cómo se refleja esto en el cálculo de probabilidades.
P (B) = 3 / 6 = 0,50
Jorge Tuapanta
30
Estadística y Probabilidad
Por lo tanto, podemos ver que la probabilidad del suceso contenido, suceso a), es
menor que la probabilidad del suceso que lo contiene, suceso b).
b) Dos sucesos pueden ser iguales: en este caso, las probabilidades de ambos
sucesos son las mismas.
Ejemplo: lanzamos un dado al aire y analizamos dos sucesos: a) que salga número
par, y b) que salga múltiplo de 2. Las soluciones coinciden en ambos casos.
P(A) = 3 / 6 = 0,50
P (B) = 3 / 6 = 0,50
EJEMPLO 1
Calcular la probabilidad de, en una carrera de 12 caballos, acertar los 3 que quedan
primeros (sin importar cuál de ellos queda primero, cual segundo y cual tercero).
Solución:
El caso favorable es tan sólo uno: los 3 caballos que entran en primer lugar. Los
casos posibles se calculan como combinaciones de 12 elementos tomados de 3 en
3 (es decir, determinamos todas las posibles alternativas de 3 caballos que pueden
entrar en las 3 primeras posiciones). Como el orden de estos 3 primeros caballos no
importa, utilizamos combinaciones
12 !
C12,3 220
3 ! (12 - 3) !
Jorge Tuapanta
31
Estadística y Probabilidad
1
P( A) 0,00455
220
EJEMPLO 2
Y si hubiera que acertar, no sólo los 3 caballos que ganan, sino el orden de su
entrada en meta.
Solución:
El caso favorable sigue siendo uno: los 3 caballos que entran en primer lugar,
colocados en su orden correspondiente.
Los casos posibles se calculan ahora como permutaciones (ya que el orden influye)
de 12 elementos tomados de 3 en 3 (calculamos todas las posibles maneras en que
los 12 caballos podrían ocupar las 3 primeras posiciones.
12 !
P12, 3 1320
(12 - 3) !
1
P( A) 0,00076
1320
Menor que en el ejemplo 1. Ya no vale acertar que 3 caballos entran en primer lugar,
sino que tenemos que acertar el orden de su entrada.
Axiomas de probabilidad:
A1: 0 P( A) 1
A2: P(S ) 1
Jorge Tuapanta
32
Estadística y Probabilidad
PROBABILIDAD CONDICIONAL
P( A B)
P( B / A)
P( A)
EJEMPLO
P (B y A) = 0,05
P (A) = 0,25
P( A B) P( A).P( B / A) P( A) 0
P( B).P( A / B) P( B) 0
P( A B) P( A).P( B)
EJEMPLO
Solución
Jorge Tuapanta
34
Estadística y Probabilidad
a) Para el primer caso (evento A), sabiendo que hay 4 ases entre las 52 cartas se
4 4 1
tiene que: P( A) . .
52 52 169
b) En el segundo caso (evento B), solo hay tres ases entre las 51 cartas, después
4 3 1
de sacar una as de las 52, entonces P( B) . .
52 51 221
Como se puede ver los resultados son distintos, esto significa que la independencia
se viola cuando el muestreo se realiza sin reemplazo.
n
P( A) P( Bi ). P( A / Bi )
i 1
Teorema de Bayas
P( Br ). P( A / Br )
P( Br / A) n
P( B ). P( A / B )
i 1
i i
Para r=1,2,3…n.
EJEMPLO
Jorge Tuapanta
35
Estadística y Probabilidad
Solución
Probabilidades condicionales
Jorge Tuapanta
36
Estadística y Probabilidad
PROBABILIDAD PROBABILIDAD
A PRIORI CONDICONAL PROBABILIDAD CONJUNTA
A1
A3
P( A2 ) P( B1 / A2 )
P( A2 / B1 )
P( A1 ) P( B1 / A1 ) P( A2 ) P( B1 / A2 ) P( A3 ) P( B1 / A3 )
(0,20)(0,05) 0,010
(0,30)(0,03) (0,20)(0,05) (0,50)(0,04) 0,039
P( A2 / B1 ) 0,2564
Jorge Tuapanta
37
Estadística y Probabilidad
UNIDAD III
DISTRIBUCIONES DE PROBABILIDAD
VARIABLE ALEATORIA
Definición.- Una variable aleatoria (v.a.) es una función que asocia un valor
numérico a cada elemento del espacio muestral
EJEMPLO 1
EJEMPLO 2
1 si el componente es defectuoso
X
0 si el componente no es defectuo
Jorge Tuapanta
38
Estadística y Probabilidad
EJEMPLO 3
f ( x) P X x
1) f ( x) 0
Jorge Tuapanta
39
Estadística y Probabilidad
2) f ( x) 1
x
3) P X x f (x)
EJEMPLO 1
Solución
Sea X una v.a. cuyos valores x son los números posibles de computadores
defectuosos que compran. Entonces la función de probabilidad quedaría definida
como:
3 5
x 2 x
f ( x) , x 0, 1, 2
8
2
Es decir:
x 0 1 2
f(x) 5 15 3
14 28 28
EJEMPLO 2
Una agencia automotriz vende 50% de su inventario de cierto vehículo equipado con
bolsas de aire. Encuentre la función de probabilidad del número de autos con bolsas
de aire entre los siguientes 6 vehículos que vende la agencia.
Solución
Jorge Tuapanta
40
Estadística y Probabilidad
Al vender un vehículo hay dos posibilidades que se venda uno equipado con bolsa
de aire o sin ella, entonces el número total de posibilidades es: 2 6 = 64.
El evento de vender x modelos con bolsas de aire y 6-x sin bolsa de aire puede
ocurrir en C4,x formas, donde x puede tomar valores de 0, 1, 2, 3, 4, 5 o 6. Entonces
6
x
f ( x) , x 0, 1, 2, 3, 4, 5, 6.
64
F ( x ) P X x f (t ), - x
t x
EJEMPLO 1
1 1 3 1 1
f (0) f (1) f (2) f (3) f (4)
16 4 8 4 16
3
Y pruebe mediante F(x) que: f ( 2)
8
Solución
1
F (0) f (0)
16
5
F (1) f (0) f (1)
16
11
F (2) f (0) f (1) f (2)
16
Jorge Tuapanta
41
Estadística y Probabilidad
15
F (3) f (0) f (1) f (2) f (3)
16
Entonces:
0 x 0
1
0 x 1
16
5
1 x 2
16
F ( x)
11 2 x 3
16
15
3 x 4
16
1 x 4
11 5 3
Por lo tanto f (2) F (2) F (1)
16 16 8
EJEMPLO 2
x 0 1 2 3 4
f(x) 0,41 0,37 0,16 0,05 0,01
Halle F(x).
EJEMPLO 3
k
Sea f ( x) una función de probabilidad de una v.a. X que puede tomar los
3x
valores x 0, 1, 2, 3 ,4 .
DISTRIBUCIÓN BINOMIAL
1) Para cada ensayo solo hay dos posibles resultados éxito o fracaso
2) La probabilidad de éxito es la misma para cada ensayo
3) Los resultados de los diferentes ensayos son independientes
Si no se cumplen las propiedades, no se aplica la teoría desarrollada.
n
b( x, n, p) p x q nx , x 0,1,2,..., n
x
EJEMPLO 1
La probabilidad de que cierta clase de componente sobreviva a una prueba de
choque es ¾. Suponiendo que las pruebas son independientes, encuentre la
probabilidad de que sobrevivan exactamente 2 de los siguientes 4 componentes que
se prueben.
Solución
Jorge Tuapanta
43
Estadística y Probabilidad
3 3 1
Se sabe que p y q 1- , entonces:
4 4 4
4 3 1
2 2
3 27
b(2, 4, )
4 2 4 4 128
EJEMPLO 2
Se afirma que en 60% de todas las instalaciones de calefacción solar, la facturación
del servicio se reduce en al menos un tercio. En concordancia, ¿cuáles son las
probabilidades de que tal factura se reducirá en al menos un tercio en:
a) Cuatro de cinco instalaciones
b) Al menos cuatro de cinco instalaciones
c) Como máximo 3 de cinco instalaciones
Solución
a) x 4, n 5 y p 0,60
5
b(4, 5, 0,60) 0,60 0,40 0,259
4
4 1
b) x 4 y 5, n 5 y p 0,60
5 5
b(4, 5, 0,60) b(5, 5, 0,60) 0,60 0,40 0,60 0,40
4 1 5 0
4 5
0,259 0,078
0,337
c) Hállelo
n
Dado que p+q=1, se tiene que: b( x, n, p) 1 , una condición que debe ser
x0
Jorge Tuapanta
44
Estadística y Probabilidad
b( x, n, p) B( x, n, p) B( x 1, n, p)
donde B(-1) = 0.
EJEMPLO 1
La probabilidad de que un paciente se recupere de una rara enfermedad sanguínea
es 0,4. Si se sabe que 15 personas contraen tal enfermedad. Halle la probabilidad de
que:
a) Sobrevivan al menos 10
b) Sobrevivan de 3 a 8
c) Sobrevivan exactamente 5
Solución
Sea X el número de personas que sobreviven
B(8,15;0,4) B(2,15;0,4)
Jorge Tuapanta
45
Estadística y Probabilidad
0,9050 0,0271
0,8779
c) P( X 5) b(5,15;0,4) B(5,15;0,4) B(4,15;0,4)
0,4032 0,2173
0,1859
EJEMPLO 2
Un fabricante de discos duros externos afirma que tan solo 10% de sus dispositivos
requieren reparaciones dentro de periodo de garantía de 12 meses. Si 5 de 20 de
sus discos requieren reparaciones dentro del primer año, ¿esa tendencia apoya o
refuta su afirmación?
Solución
Hallemos la probabilidad de que al menos 5 de los 20 discos requerirán
reparaciones dentro de un año.
np y 2 npq
EJEMPLO 1
Encuentre la media y la varianza de la variable aleatoria binomial del ejemplo 1 de
los pacientes sujetos a una rara enfermedad.
DISTRIBUCIÓN HIPERGEOMÉTRICA
Jorge Tuapanta
46
Estadística y Probabilidad
k N k
x
n x
h( x; n, k , N ) , x 0,1,2,..., n
N
n
EJEMPLO 1
Una compañía con base en Internet que vende accesorios con descuento para
teléfonos celulares a menudo embarca un número excesivo de productos
defectuosos. La compañía necesita un mejor control de calidad. Suponga que tiene a
la mano 20 cargadores para automóvil idénticos, pero que 5 están defectuosos. Si la
compañía decide seleccionar al azar 10 de dichos artículos, ¿cuál es la probabilidad
de que 2 de los 10 estén defectuosos?
Jorge Tuapanta
47
Estadística y Probabilidad
Solución
Se tiene que x 2, n 10, k 5 y N 20 entonces:
5 15
2
8
h(2; 10, 5, 20) 0,348
20
10
EJEMPLO 2
Resuelva el ejemplo anterior 100 cargadores de automóvil, de los cuales 25 son
defectuosos, usando:
a) Usando la fórmula para la distribución hipergeométrica
b) Usando la fórmula para la distribución binomial como una aproximación.
Solución
a) Como x 2, n 10, k 25 y N 100 entonces:
25 75
h(2; 10, 25, 100) 0,292
2 8
100
10
25
b) Se tiene que x 2, n 10, p 0,25 entonces:
100
10
b(2; 10, 0,25) 0,25 0,75 0,282
2 8
2
La diferencia entre los dos valores obtenidos en los literales es de 0,10. En general,
se demuestra que h(x, n, k, N) tiende a b(x, n, p) con k cuando
p
N
Jorge Tuapanta
48
Estadística y Probabilidad
nk nk k N n
h(x, n, k, N) son y 2 1 . .
N N N N 1
x - 1 k xk
b* ( x, k, p) p q , x k, k 1, k 2,...
k - 1
EJEMPLO
En la serie de campeonato de la NBA, el equipo que gane cuatro juegos de siete
será el ganador. Suponga que el equipo A tiene una probabilidad de 0,55 de ganarle
al equipo B, y que ambos equipos, A y B, se enfrentan entre sí en los juegos de
campeonato.
Jorge Tuapanta
49
Estadística y Probabilidad
Solución
a) Como x 6, k 4 y p 0,55 entonces:
5
b* (6, 4, 0.55) (0,55) 4 (0,45) 64 0,1853
3
b) Sea G el evento, el equipo A gana la serie de campeonato, entonces:
g ( x; p) p q x-1 , x 1, 2, 3,...
EJEMPLO
Se sabe que en cierto proceso de fabricación, en promedio, uno de cada 100
artículos está defectuoso. ¿Cuál es la probabilidad de que el quinto artículo que es
inspeccionado sea el primer defectuoso que se encuentra?
Jorge Tuapanta
50
Estadística y Probabilidad
Solución
DISTRIBUCIÓN DE POISSON
Los experimentos que dan valores numéricos de una variable aleatoria X, el número
de resultados que ocurren durante un intervalo dado o una región específica, se
llaman experimentos de Poisson. Un experimento de Poisson se deriva del
proceso de Poisson y tiene las siguientes propiedades.
Jorge Tuapanta
51
Estadística y Probabilidad
e t t
x
p ( x, t ) , x 0, 1, 2, ...
x!
EJEMPLO 1
Durante un experimento de laboratorio el número promedio de partículas
radioactivas que pasan a través de un contador en un milisegundo es 4. ¿Cuál es la
probabilidad de que 6 partículas entren en el contador en un milisegundo dado?.
Solución
Se tiene que 4, t 1, x 6 entonces:
e 4 (4) 6 6 5
p (6; 4) p ( x; 4) p ( x; 4) 0,8893 0,7851 0,1042
6! x0 x0
EJEMPLO 2
Si un banco recibe en promedio 6 cheques malos por día. Determine la probabilidad
de que recibirá:
a) 4 cheques malos cualquier día dado
b) 10 cheques malos durante cualesquiera 2 días consecutivos
Solución
Jorge Tuapanta
52
Estadística y Probabilidad
e 6 (6) 4 4 3
p (4; 6) p ( x; 6) p ( x; 6) 0,2851 0,1512 0,1339
4! x0 x0
e 12 (12)10
p (10; 12) P(10,12) P(9,12) 0,3472 0,2424 0,1048
10 !
EJEMPLO 3
En la inspección de la placa de hojalata producida por un proceso electrónico
continuo, 0.2 imperfecciones se marcan por minuto, en promedio. Encuentre las
probabilidades de marcar:
a) Una imperfección en 3 minutos
b) Al menos dos imperfecciones en 5 minutos
c) Cuando mucho una imperfección en 15 minutos
Solución
e 0.6 (0,6)1
p (1; 0.6) 0,329
1!
b) Dado que 0.2, t 5, x 2 entonces:
c) 0.2, t 15, x 1
Jorge Tuapanta
53
Estadística y Probabilidad
permanece constante,
b ( x; n, p) .Cuando n , p 0, y np n
p ( x; )
b ( x; n, p) n
EJEMPLO 1
En ciertas instalaciones industriales los accidentes ocurren con muy poca frecuencia.
Si se sabe que la probabilidad de un accidente en cualquier día dado es de 0,005 y
los accidentes son independientes entre si:
a) ¿Cuál es la probabilidad de que en cualquier periodo dado de 400 días habrá un
accidente en un día?
b) ¿ Cuál es la probabilidad de que haya a lo más tres días con un accidente?
Solución
e 2 (2)1
P(X 1) p (1; 2) 0,271
1!
b) P(X 3) P (3; 2) 0,8571
Jorge Tuapanta
54
Estadística y Probabilidad
Jorge Tuapanta
55