Desviación Típica para Datos Agrupados

Si x 1 , x 2 , … , x k ocurren con una frecuencia f 1 , f 2 , … , f krespectivamente, la desviación típica

puede expresarse como:

∑ f . ( x−x̄ )2 ; donde N=∑ f

s=
√ N
, “x” la marca de clase.

A veces se define la desviación típica de los datos de la muestra con (N-1) reemplazando a N en
los denominadores, porque el valor resultante da un mejor estimación de la desviación típica
de la población total. Para grandes valores de N( N > 30), no hay prácticamente diferencia
entre ambas definiciones. Además, cuando se necesita esa mejor estimación, siempre
N
podemos obtenerlas multiplicando por
√ N −1

Desviación Típica Para Datos Agrupados Método Corto

Y la siguiente ecuación representa la ecuación de la desviación típica para datos agrupados

s=
√ ∑ ( f . X ¿¿ 2) − ∑ ( f . X)
N ( N ) ¿

Donde X es la marca de cada clase de la distribución.

Varianza
Es el promedio ajustado del cuadrado de las diferencias entre valores de datos y la media.

La varianza de un conjunto de datos se define como el cuadrado de la desviación típica y viene

dado por s2 en las ecuaciones anteriores.

Cuando sea necesario distinguir la desviación típica de una población de la de una muestra de
dicha población, usaremos “s” para la desviación típica de la muestra y “ σ ” (sigma griega
minúscula) para la desviación típica de la población. De modo que s2 y σ 2 representarían la
varianza de la muestra y la varianza de la población.

Corrección de Sheppard para la varianza

El cálculo de la desviación típica es algo erróneo como resultado del agrupamiento de datos en
clases (error de agrupamiento). Para corregirlo, se usa la fórmula:
2
2 c
s ( corregida ) =varianza de los datos agrupados−
12
 2
2 2 c
s ( corregida ) =s −
12

Donde “c” es la anchura del intervalo de clase. La corrección se llama corrección de Sheppard.

Propiedades de la Desviación Típica

1) La desviación típica puede definirse como

∑ ( X −a )2
s=
√ N
Donde ”a” es un promedio distinto de la media aritmética. De tales desviaciones
típicas, la mínima es aquella para la cual a = X̄. Esta propiedad da buena razón para
adoptar la definición del comienzo.

2) Para distribuciones normales, resulta.

a) 68,27% de los casos están entre X̄ - s y X̄ + s (o sea, una desviación típica a cada
lado de la media).
b) 95,45% de los casos están entre X̄ - 2s y X̄ + 2s (0 sea, dos desviaciones típicas a
cada lado de la media).
c) 99,73% de los casos están entre X̄ - 3s y X̄ + 3s (o sea, tres desviaciones típicas a
cada lado de la media.

3) Supongamos que dos conjuntos de N 1 y N 2 números (o dos distribuciones de

frecuencias con frecuencias totales N 1 y N 2 tiene varianza dadas por s21 y s22,
respectivamente, y tienen la misma media X̄ . Entonces la varianza combinada de
ambos conjuntos (o de ambas distribuciones de frecuencias) vendrán dad por.
2 N 1 s 21+ N 2 s22
s=
N 1+ N 2
El resultado admite generalizaciones a más conjuntos.

Ejercicios:
1) La tabla muestra una distribución de frecuencias de los salarios semanales de 65
empleados de una empresa:

Salario Nº de
(Dólares) Empleados
250 – 259 8
260 – 269 10
270 – 279 16
280 – 289 14
290 – 299 10
300 – 309 5
310 – 319 2

Calcule:
a) La desviación típica de los sueldos de los empleados.
 b) La varianza de los datos.

c) La varianza corregida de los datos.

2) Los datos siguientes representan las alturas de estudiantes de una universidad, que
aparecen distribuidas en la siguiente tabla en pulgadas.

Altura Frecuencia
60 – 62 5
63 – 65 18
66 – 68 42
69 – 71 27
72 – 74 8

Calcular el valor de:

a) La desviación típica

b) La varianza sin corregir

c) La varianza corregida

d) El rango de las alturas

 Probabilidad
Todos estamos familiarizados con la importancia de los experimentos en ciencias e ingeniería.
La experimentación es útil porque si suponemos que llevamos a cabo ciertos experimentos
bajo condiciones esencialmente idénticas, llegaremos a los mismos resultados. En estas
circunstancias, estamos en capacidad de controlar el valor de las variables que afectan el
resultado del experimento.
Sin embargo, en algunos experimentos, no somos capaces de indagar o controlar el
valor de determinadas variables, de manera que resultado cambiará de un experimento al
otro, a pesar de que la mayoría de las condiciones son las mismas. Estos experimentos se
describen como aleatorios. Que se puede definir como: un proceso que produce uno de
varios resultados posibles.
Los experimentos aleatorios clásicos son el lanzamiento de una moneda, el
lanzamiento de un dado, la extracción de una tarjeta en un mazo bien barajado y otros. En la
vida diaria existen muchos procesos aleatorios menos obvios. Algunos procesos de
manufactura originan productos defectuosos en una forma aleatoria. Se ha dado también a
los tiempos que transcurren entre la llegada de las llamadas telefónicas a una central
telefónica, a los automóviles en las casetas de cobro y a los clientes de un supermercado.

La definición clásica de la probabilidad se define como el cociente entre los casos favorables y
los casos posibles.

casos favorables h
Simbólicamente P ( E )= =
casos posibles n

Propiedades Fundamentales de Probabilidad

a) 0 ≤ P ( A ) ≤ 1
b) P ( S )=1
c) p ( A ) +q ( A ) =1
Eventos Mutuamente Excluyentes
Se denomina si la ocurrencia de uno cualquiera de ellos excluye la posibilidad o probabilidad
de ocurrencia de otro. La regla que se utiliza en este caso es la regla de la adición
P ( E1 ∪ E 2 )=P ( E1 ) + P( E 2) ; si la probabilidad de ocurrencia de E1 y E 2 o de ambos a la vez,
viene dado por:

P ( E1 ∪ E 1 )=P ( E1 ) + P ( E2 ) −P (E1 ∩ E2)

OBS: la probabilidad de la ocurrencia simultánea de dos o más eventos recibe el nombre de

probabilidad conjunta.

Además de la clasificación anterior, los eventos pueden clasificarse en:

 Eventos Independientes
Cuando la ocurrencia o no ocurrencia de un evento de ninguna manera afecta la posibilidad o
probabilidad de ocurrencia del otro evento. La probabilidad conjunta de que dos eventos
independientes E1 y E 2 acontezcan al mismo tiempo se puede utilizar la regla de la
multiplicación:
P ( E1 ∩ E2 )=P ( E1 ) . P( E2 )

Eventos Dependientes
Sucede cuando la probabilidad de ocurrencia de uno es afectada por la ocurrencia o no
ocurrencia del otro. P ( E1 ∩ E2 )=P ( E1 ) . P( E1 / E2 )

Eventos Condicionales
Sucede cuando un evento E1 , afecta para la ocurrencia o no ocurrencia de otro evento E2, y
además se conoce de que el primer evento ya ocurrió; y viene dada por:
P ( E1 ∩ E2 )
P ( E1 / E2 )=
E2
Ejercicios:

1) Un experimento consiste en sacar una esfera de una caja que contiene 6 esferas azul,
3 negras y 5 blancas. Calcular la probabilidad de que la esfera sacada sea:
a) Blanca.
b) Negra.
c) No sea blanca.
d) azul
e) Blanca o azul.

2) Un experimento consiste en sacar dos esferas de una caja que contiene 6 esferas azul,
3 negras y 5 blancas. Calcular la probabilidad de que las esferas sacadas sean:
f) Una blanca y la otra azul.
g) Una negra y la otra blanca.
h) La primera sea azul y la otra negra.
i) La primera sea blanca y la segunda no.
3) Un grupo de 2000 personas fue entrevistado respecto a las políticas que podrían
implantarse para conservar el petróleo. De ellas 1000 dijeron que estarían dispuestos a
aceptar el racionamiento de gasolina, 500 dijeron que un impuesto adicional por galón
sería aceptable para ellas y 275 indicaron que estaría dispuestas a aceptar tanto el
racionamiento como el impuesto adicional. Si se escoge a una persona aleatoriamente
en este grupo, ¿Qué probabilidades habrá de que:
a) Considere aceptable el impuesto adicional.
b) Considere aceptable uno o pero no ambas alternativas?
c) Juzgue inaceptable las dos?

4) Durante cierta semana la probabilidad de que una emisión de específica de acciones

suba, permanezca sin cambios o disminuya de precio se estima que es 0,30; 0,20 y
0,50 respectivamente.
a) ¿Cuál es la probabilidad de que la emisión de acciones aumente o no cambie de
precio?
b) ¿cuál es la probabilidad de que el precio de la emisión cambie durante la semana?
5) En una bolsa se tiene 5 monedas de 1 dólar y 4 monedas de 0.5 dólar. Cuál es la
probabilidad de al retirar sucesivamente 2 monedas, obtengamos la suma 1.5 dólar?

6) La proporción general de los artículos defectuosos en un proceso continuo de

producción es 0,10 ¿Cuál es la probabilidad de que?
a) Dos artículos escogidos al azar salgan sin defecto.
b) Dos artículos escogidos al azar estén defectuoso.
c) Por lo menos un artículo escogido en forma aleatoria salgan sin defecto.

7) La probabilidad de que una máquina produzca una pieza defectuosa es de 0,12. Si el

proceso se caracteriza por la independencia estadística. ¿qué probabilidad habrá de
que a) las dos piezas consecutivas sean defectuosa, b) las tres primeras no sean
defectuosa y la cuarta lo sea, c) cinco piezas consecutivas no sean defectuosa.
8) En una sala de clase hay 9 alumnos de varones y 13 mujeres, se eligen 3 alumnos para
un juego. Calcule la probabilidad de que los elegidos sean: a) los 3 varones, b) las tres
sean mujeres, c) salgan en el orden alternado de acuerdo al sexo.

9) Una muestra de 500 piezas se escogió de tres líneas de productos y fue inspeccionada
por el departamento de control de calidad. La tabla siguiente resume los resultados de
la inspección.

Producto 1 Producto 2 Producto 3 Total

Aceptable 96 220 144 460
Inaceptable 4 20 16 40
Total 100 240 160 500

Si se escoge una pieza aleatoriamente en la muestra, ¿Qué probabilidad hay de que:

a) La pieza sea de tipo de producto 1?
b) La pieza sea inaceptable?
c) La pieza sea una unidad aceptable del producto 2?

10) La probabilidad de que un nuevo método de mercadotecnia tenga éxito se calcula que
es 0,60. La probabilidad de que el gasto en el desarrollo del método pueda conservarse
dentro del presupuesto original es 0,50. La probabilidad de que estos dos objetivos
sean alcanzados se estima que es 0,30. ¿Cuál es la probabilidad de que se alcance uno
de estos dos objetivos?
 Análisis Combinatorio

Al hallar probabilidades de sucesos suele resultar difícil y tediosa una enumeración de los
casos. El análisis combinatorio facilita mucho esa tarea.

Principio Fundamental

Si un suceso puede ocurrir de n1 maneras, y si cuando éste ha ocurrido otro suceso puede
ocurrir de n2 maneras, entonces el número de maneras en que ambos pueden ocurrir en el
orden especificado es n1 . n2

Ejemplo:

Si hay 3 candidatos para gobernador y 5 para intendente, los dos cargos pueden ocuparse de

3 . 5 = 15 maneras.

Factorial de n

El factorial de n, se denota por n! y se define como n! = n (n-1) (n-2) (n-3 )… 1

Permutación

Una permutación de n objetos tomados de r en r es una elección ordenada de r objetos de

entre n. el número de permutaciones de n objetos tomados de r en r es:

n!
P(n , r) =
(n−r)!

Combinaciones

Una combinación de n objetos tomados de r en r es una selección de r de ellos, sin importar el

orden de los r elegidos. El número de combinaciones de n objetos, tomados de r en r es:

n!
C (n ,r )=
r ! .(n−r )!

Ejercicio:

1) ¿Cuántos números de 2 cifras pueden formarse con los dígitos 2, 5, 6, 8, 7 (sin repetir
dígitos)?
 2) ¿Cuántas señales se pueden formar con los colores rojo, amarillo, verde, azul, negro
utilizando 3 colores para formar una señal y disponiendo los colores de la misma
manera?

3) ¿De cuántas formas se pueden mezclar los colores del ejercicio anterior, mezclando 3
colores a la vez?

Distribución Binomial

Es una distribución para variable discreta de probabilidad, es aplicable como un modelo de

situaciones de toma de decisiones en la que se supone que el proceso de muestreo se ha
realizado conforme a un proceso de Bernoulli. El proceso de Bernoulli es un proceso de
muestreo en el cual:

a) En cada ensayo sólo pueden presentarse dos resultados u observaciones mutuamente

excluyentes.
b) Los resultados de una serie de ensayos u observaciones constituyen eventos
independientes.
c) La probabilidad de éxito en cada ensayo denotada por “p”, permanece constante de
un ensayo a otro. Es decir, el proceso es estacionario.

Si “p” es la probabilidad de que ocurra un suceso en cada prueba (llamada probabilidad de

éxito) y q=1-p es la probabilidad de que no ocurra en cada prueba (llamada probabilidad de
fracaso), entonces la probabilidad de que el suceso ocurra X veces en N pruebas viene dada
por:

P
( x )= N . P . q
x N −x
()x

La distribución se llama también distribución de Bernoulli.

Ejercicios:
1) Hallar la probabilidad de que en 5 tiradas de un dado aparezca el 3: a) ninguna vez,
b) 1 vez, c) 4 veces, d) 5 veces, e) al menos 4 veces, f) a lo sumo 2 veces.

2) Un banco muy importante emite tarjetas de crédito. Se ha averiguado que 40% de las
cuentas de todas las tarjetas se liquida completamente después de la primera factura.
Es decir, 40% de las cuentas nunca presentan cargos de interés. Si una muestra de 6
cuentas se selecciona aleatoriamente en los registros correspondientes a años
anteriores. Calcule la probabilidad de que:
a) 2,
b) al menos 3,
c) a lo sumo 4; cuentas que no haya incurrido en gastos por interés.
3) Se ha comprobado que el 90% de las familias estadounidenses tiene por lo menos un
televisor. Si se seleccionan aleatoriamente 10 residencias. Determine la probabilidad
de que:
a) Como mínimo 8 familias; tengan por lo menos un televisor.
b) Como máximo 2 familias; tengan por lo menos un televisor.
c) 5 familias; tengan por lo menos un televisor.

4) Si el 20% de los tornillos producidos por una máquina son defectuosos, determinar la
probabilidad de que, entre 4 tornillos elegidos al azar. a) 3 sean defectuosas b) 2 sean
defectuosa c) al menos 2 sean defectuosa d) a lo sumo 2 sean defectuosa.
5) La probabilidad de que un estudiante que ingresa en la Universidad se licencie es 0,4.
Hallar la probabilidad de que entre 5 estudiantes elegidos al azar a) ninguno se
licencie, b) todos se licencie, c) al menos 2 se licencie.

6) Un psicólogo afirma que una nueva técnica de tratamiento de una enfermedad cura
en un 80% . La asociación de salud mental decide poner a prueba la afirmación del
psicólogo. Calcule la probabilidad de que de los 10 pacientes elegidos al azar para el
experimento:
a) 7 se curen.
b) Menos de la mitad se curen.
c) Más de la mitad se curen.
 7) Una empresa que lleva a cabo una encuesta entre consumidores por correo descubrió
que 40% de las familias que reciben un cuestionario lo devuelven con respuesta. En
una encuesta de 10 familias, ¿Qué probabilidades hay de que exactamente 8 lo
devuelvan?, ¿Que lo retornen al menos 8 familias?, ¿Qué lo devuelvan a lo sumo 3
familias?

Distribución de Poisson
Este tipo de distribución de probabilidad es para variable discreta y se usa para
determinar la probabilidad de ocurrencia de un número de determinado de eventos,
cuando éstos ocurren en un continuo de espacio o tiempo, el proceso se considera no
estacionario e independientes los eventos unos de otros y que no hay ensayo explícito.
A un proceso de este tipo se llama proceso de Poisson. Ej.: Cantidad de llamadas
entrante en una central telefónica durante un intervalo de tiempo o cantidad de
vehículos registrados en un estacionamiento.

Para determinar la probabilidad de que ocurra un número determinado de eventos en

un proceso de Poisson se requiere un solo valor: el número medio de eventos a largo
plazo en un lapso específico o en una dimensión de espacio que interese. Por lo
general la media se representa por la letra griega lambda ( λ) .Las fórmula para
determinar la probabilidad de un número determinado “x” de éxitos en una

λ x e−λ
distribución de Poisson es: p( x ) =
x!

Ejercicios:
1) En un departamento de reparación de maquinaria se recibe un promedio de 5
solicitudes de servicios por hora. La probabilidad de que se reciban al azar:
a) Exactamente 3 solicitudes de servicio por hora.
b) Exactamente 2 solicitudes de servicio por hora.
c) Al menos 2 solicitudes de servicio por hora.
d) A lo sumo 3 solicitudes de servicio por hora.

2) En promedio, 12 personas realizan consultas cada hora a un consultor de decoración

en una tienda de telas. Eligiendo una hora al azar, determine la probabilidad de que:
a) 7 personas haga consulta.
b) Más de la mitad consulte.
c) A lo sumo 3 haga consulta.
 3) En una tienda de departamentos, seis personas por hora en promedio usan un cajero
automático durante las horas pico. ¿Cuál es la probabilidad de que:
a) Exactamente seis personas usen el cajero durante una hora tomada al azar?
b) Nadie use la instalación durante una hora específica?
c) Al menos 5 personas usen el cajero durante una hora cualquiera?

Aproximación de Poisson a Probabilidades Binomiales

Cuando el número “N” de observaciones o en ensayos en un proceso de Bernoulli es

grande los cálculos son muy tediosos y por lo general no se disponen de tabla de
probabilidad para valores pequeños de “p”. Por estas razones la distribución de
Poisson se puede usar como aproximación a las probabilidades binomiales cuando “N”
es grande y “p” o “q” son pequeños. Una regla útil es que esta aproximación se puede
emplear cuando N ≥30 y N . p ≤ 5 o N . q ≤ 5 .Donde la media de la distribución de
probabilidad de Poisson que se usa para aproximar las probabilidades binomiales es
λ=N . p ; x=0 , 1 ,2 , 3 , … y “p” es la probabilidad de ocurrencia del evento. Y “e” es la
base del logaritmo neperiano cuyo valor es aproximadamente 2,71828182849…

Ejercicios:

1) El 1% de los tornillos producidos por una máquina son defectuosas. Hallar la

probabilidad de que en una muestra de 30 tornillos tomadas al azar a)
exactamente 2 sean defectuosas, b) a lo sumo 2 sean defectuosas; Utilizando la
aproximación de Poisson.
2) Un lote grande de transistores provenientes de un determinado proveedor, se sabe
que el 1% de las piezas tienen defectos. Si se toma una muestra de 30 transistores al
azar. Aproxime por medio de la distribución de Poisson la probabilidad de que:

a) Al menos dos transistores tengan defectos.

b) A lo sumo 27 transistores tengan defectos.

3) Si el 0,1% de las válvulas manufacturadas por una compañía son defectuosas, hallar
la probabilidad de que en una muestra de 100 válvulas: a) 0 sean defectuosa, b) a lo
sumo 3 sean defectuosa, c) como mínimo 3 sean defectuosa; Utilizando la
aproximación de Poisson.