Tec - Tecnologica Grales Cuarto Secundaria

TECNICA
TECNOLOGICAS
CUARTO DE SECUNDARIA
MVR
MARIANO VILLAVICENCIO ROSSELL
TEXTO BASE TECNICAS TECNOLOGICAS GENERALES CUARTO DE SECUNDARIA
TEMA # 1
INTRODUCCION A LA ESTADISTICA O GENERALIDADES
1.1 DEFINICION
Es una ciencia que proporciona un conjunto de métodos que se utilizan para recolectar,
resumir, clasificar, analizar e interpretar el comportamiento de los datos con respecto a una
investigación.
1.2 ETIMOLOGIA
Según distintos autores la palabra estadística proviene de tres voces:
 Del Latín STATUS que significa estado o situación
 Del Griego ESTATERA que significa balanza
 Del Alemán STAAT que significa estado.
1.3. DIVISION DE LA ESTADISTICA

La estadística se divide en dos grandes campos.
1.3.1 ESTADISTICA DESCRIPTIVA

Es el conjunto de métodos que implican la recolección, presentación y caracterización de
un conjunto de datos a fin de describir en forma apropiada las diversas características de
estas.
La estadística descriptiva analiza, estudia y describe a la totalidad de individuos de una
población. Su finalidad es obtener información, analizarla, elaborarla y simplificarla lo
necesario para que pueda ser interpretada cómoda y rápidamente y, por tanto, pueda
utilizarse eficazmente para el fin que se desee. El proceso que sigue la estadística
descriptiva para el estudio de una cierta población consta de los siguientes pasos:
 Selección de caracteres dignos de ser estudiados.
 Mediante encuesta o medición, obtención del valor de cada individuo en los
caracteres seleccionados.
 Elaboración de tablas de frecuencias, mediante la adecuada clasificación de los
individuos dentro de cada carácter.
 Representación gráfica de los resultados (elaboración de gráficas estadísticas).
 Obtención de parámetros estadísticos, números que sintetizan los aspectos más
relevantes de una distribución estadística.
1.3.2 ESTADISTICA INFERENCIAL

Llamada también inductiva, Es el conjunto de métodos o técnicas que posibilitan la
generalización o toma de las decisiones en base de una información parcial obtenidas
mediante técnicas descriptivas.
La estadística inferencial, sin embargo, trabaja con muestras, subconjuntos formados por
algunos individuos de la población. A partir del estudio de la muestra se pretende inferir
aspectos relevantes de toda la población. Cómo se selecciona la muestra, cómo se realiza la
inferencia, y qué grado de confianza se puede tener en ella son aspectos fundamentales de
la estadística inferencial, para cuyo estudio se requiere un alto nivel de conocimientos de
estadística, probabilidad y matemáticas.
1
LIC. MARIANO VILLAVICENCIO ROSSELL
1.4 APLICACIÓN DE LA ESTADISTICA

La estadística se puede aplicar a diferentes campos del saber humano citaremos dos de
ellos:
 EN LA SALUD Y MEDICINA, cuando se aplica la estadística en la medicina
recibe el nombre de BIOESTADISTICA.
 EN LA ECONOMIA, recibe el nombre de ECONOMETRIA.
1.5 TIPOS DE DATOS

Toda información puede estar referida a características CUALITATIVAS O
CUANTITATIVAS. Las primeras se refieren a las cualidades de los datos por ejemplo: el
color, el estado civil, la profesión, la calidad de un producto. Las segundas pueden referirse
a la estatura en cm, el salario en bolivianos, número de hijos de una familia.
Teniendo estas dos características referida a los datos de investigación podemos clasificar
dos tipos de variables:
 VARIABLES CUALITATIVAS
 VARIABLES CUANTITATIVAS
1.5.1 VARIABLES CUALITATIVAS

Son aquellas cuyos valores son cualidades que presentan la población. Por ejemplo la
variable “profesión”, puede adoptar las modalidades: Ingeniero, Medico; Administrador,
Economista; Biólogo, etc.
1.5.1.1 CLASIFICACION DE LAS VARIABLES CUALITATIVAS

Se clasifican en: Nominales y Ordinales.
1.5.1.1.1 VARIABLES CUALITATIVAS NOMINAL

Son aquellas que establecen la distinción de los elementos en las categorías sin implicar
distinción entre ellas. Por ejemplo clasificar un grupo de individuos por su sexo: masculino,
femenino; o por su estado civil: soltero, casado, viudo.
1.5.1.1.2 VARIABLE CUALITATIVA ORDINAL

Son aquellas que agrupan a los datos en categorías ordenadas para establecer relaciones
comparativas, es decir son susceptibles de ordenación pero no de medición cuantitativa. Por
ejemplo: clasificar a un grupo de individuos por su hábito de fumar. Se procede así:
 No fumadores
 Fumadores leves
 Fumadores moderados
 Fumadores severos
1.5.2 VARIABLE CUANTITATIVA

Son aquellas en las que se pueden establecer cuanto o en qué cantidad se posee una
determinada característica. Son variables cuantitativas el ingreso por familia, número de
accidentes de tránsito, Etc.
2
1.5.2.1 CLASIFICACION DE LAS VARIABLE CUANTITATIVAS

Se pueden clasificar en: Discretas y continuas.
1.5.2.1.1 VARIABLES DISCRETAS

Son aquellas que surgen por el procedimiento de conteo, es decir suelen tomar valores
enteros, por ejemplo el número de estudiantes por colegio, el número de habitaciones por
viviendas, etc.
1.5.2.1.2 VARIABLES CONTINUAS

Estas variables pueden tomar al menos teóricamente cualquier valor dentro de un intervalo.
Como por ejemplo el peso de un individuo, la estatura, etc.
1.6 UNIVERSO, POBLACION, MUESTRA
U n
N
1.6.1 UNIVERSO
En estadística el termino Universo se define como el todo de un enfoque de estudio, si
tomamos en cuenta como objeto de estudio a Bolivia, se incluyen todos los parámetros,
todavía no se centra la atención en un segmento especifico.
1.6.2 POBLACION
Son todos los elementos o datos que poseen una característica común, por ejemplo, los
universitarios, los servidores públicos, los homosexuales, los obesos, etc.
1.6.3 MUESTRA
En estadística, conjunto de individuos extraídos de una población con el fin de inferir,
mediante su estudio, características de toda la población. Se dice que una muestra es
representativa cuando, por la forma en que ha sido seleccionada, aporta garantías
suficientes para realizar inferencias fiables a partir de ella.
Sus principales características son:
Representativa.- Se refiere a que todos y cada uno de los elementos de la población tengan
la misma oportunidad de ser tomados en cuenta para formar dicha muestra.
Adecuada y válida.- Se refiere a que la muestra debe ser obtenida de tal manera que
permita establecer un mínimo de error posible respecto de la población.
Para que una muestra sea fiable, es necesario que su tamaño sea obtenido
mediante procesos matemáticos que eliminen la incidencia del error.
1.6.3.1 TIPOS DE MUESTRAS

Existen básicamente dos tipos de muestras: muestras probabilísticas y muestras no
probabilísticas.
3
1.6.3.1.1 MUESTRAS NO PROBABILISTICAS

Llamada también muestras de conveniencia o de juicio se basan en el conocimiento y la
opinión personal para identificar los elementos de la población que van incluirse de la
muestra.
1.6.3.1.2 MUESTRAS PROBABILISTICAS

Son aquellas en que todos los elementos de la población tiene una posibilidad (una
probabilidad conocida) de ser incluida en la muestra.
1.7 MUESTREO
Proceso por el cual se seleccionan los individuos que formarán una muestra. Para que se
puedan obtener conclusiones fiables para la población a partir de la muestra, es importante
tanto su tamaño como el modo en que han sido seleccionados los individuos que la
componen.
El tamaño de la muestra depende de la precisión que se quiera conseguir en la estimación
que se realice a partir de ella. Para su determinación se requieren técnicas estadísticas
superiores, pero resulta sorprendente cómo, con muestras notablemente pequeñas, se
pueden conseguir resultados suficientemente precisos. Por ejemplo, con muestras de unos
pocos miles de personas se pueden estimar con muchísima precisión los resultados de unas
votaciones en las que participarán decenas de millones de votantes.
Para seleccionar los individuos de la muestra es fundamental proceder aleatoriamente, es
decir, decidir al azar qué individuos de entre toda la población forman parte de la muestra.
Si se procede como si de un sorteo se tratara, eligiendo directamente de la población sin
ningún otro condicionante, el muestreo se llama aleatorio simple o irrestrictamente
aleatorio.
Cuando la población se puede subdividir en clases (estratos) con características especiales,
se puede muestrear de modo que el número de individuos de cada estrato en la muestra
mantenga la proporción que existía en la población. Una vez fijado el número que
corresponde a cada estrato, los individuos se designan aleatoriamente. Este tipo de
muestreo se denomina aleatorio estratificado con asignación proporcional.
Las inferencias realizadas mediante muestras seleccionadas aleatoriamente están sujetas a
errores, llamados errores de muestreo, que están controlados. Si la muestra está mal
elegida, no es significativa, se producen errores sistemáticos no controlados.
1.7.1 METODOS PARA OBTENER MUESTRAS NO PROBABILISTICAS
1.7.1.1 MUESTREO POR CONVENIENCIA

El muestreo por conveniencia es probablemente la técnica de muestreo más común. En el
muestreo por conveniencia, las muestras son seleccionadas porque son accesibles para el
investigador. Los sujetos son elegidos simplemente porque son fáciles de reclutar. Esta
técnica es considerada la más fácil, la más barata y la que menos tiempo lleva.
1.7.1.2 MUESTREO CONSECUTIVO

El muestreo consecutivo es muy similar al muestreo por conveniencia, excepto que intenta
incluir a TODOS los sujetos accesibles como parte de la muestra. Esta técnica de muestreo
no probabilístico puede ser considerada la mejor muestra no probabilística, ya que incluye a
4
todos los sujetos que están disponibles, lo que hace que la muestra represente mejor a toda
la población.
1.7.1.3 MUESTREO POR CUOTAS

El muestreo por cuotas es una técnica de muestreo no probabilístico en donde el
investigador asegura una representación equitativa y proporcionada de los sujetos, en
función de qué rasgo es considerado base de la cuota.
Por ejemplo, si la base de la cuota es de nivel de año en la universidad y el investigador
necesita una representación igual, con un tamaño de muestra de 100, debe seleccionar 25
estudiantes de 1º año, 25 de 2° año, 25 de 3º año y 25 de 4º año. Las bases de la cuota
generalmente son la edad, el género, la educación, la etnia, la religión y el nivel
socioeconómico.
1.7.1.4 MUESTREO DISCRECIONAL

El muestreo discrecional es más comúnmente conocido como muestreo intencional. En este
tipo de toma de muestras, los sujetos son elegidos para formar parte de la muestra con un
objetivo específico. Con el muestreo discrecional, el investigador cree que algunos sujetos
son más adecuados para la investigación que otros. Por esta razón, aquellos son elegidos
deliberadamente como sujetos.
1.7.1.5 MUESTREO DE BOLA DE NIEVE

El muestreo de bola de nieve se lleva a cabo generalmente cuando hay una población muy
pequeña. En este tipo de muestreo, el investigador le pide al primer sujeto que identifique a
otro sujeto potencial que también cumpla con los criterios de la investigación. La
desventaja de usar una muestra de bola de nieve es que difícilmente sea representativa de la
población.
1.7.1.6 CUÁNDO UTILIZAR EL MUESTREO NO PROBABILÍSTICO

 Este tipo de muestreo puede ser utilizado cuando se quiere mostrar que existe un
rasgo determinado en la población.
 También se puede utilizar cuando el investigador tiene como objetivo hacer un
estudio cualitativo, piloto o exploratorio.
 Se puede utilizar cuando es imposible la aleatorización, como cuando la población
es casi ilimitada.
 Se puede utilizar cuando la investigación no tiene como objetivo generar resultados
que se utilicen para hacer generalizaciones respecto de toda la población.
 También es útil cuando el investigador tiene un presupuesto, tiempo y mano de obra
limitados.
 Esta técnica también se puede utilizar en un estudio inicial que será llevado a cabo
nuevamente utilizando un muestreo probabilístico aleatorio.
5
1.7.2 METODOS PARA OBTENER MUESTRAS PROBABILISTICAS
1.7.2.1 MUESTREO ALEATORIO SIMPLE

Una forma sencilla aunque poco practica es la técnica de la urna. Consiste en colocar en
una urna, fichas con los nombres o números de cada elemento de la población y luego de
mezclarlos adecuadamente, se extraen tantos elementos como haya de tener la muestra que
se ha decidido escoger. Todos los elementos tienen la misma probabilidad de ser
seleccionados.
1.7.2.2 MUESTREO SISTEMATICO

En este sistema se determina el tamaño de la muestra que se quiere tener de determinada
población, luego se divide la población entre la muestra (N/n), para determinar el intervalo
de selección (K), una vez determinado el intervalo de selección se selecciona una unidad de
inicio.
Por ejemplo. Si se tiene una población de 1000 elementos y se quiere una muestra de 50
elementos entonces K=1000/50 por lo tanto K=20, si de los mil seleccionamos como inicio
el número 15, entonces la muestra se verá así: 15, 35, 55, 75…….
1.7.2.3 MUESTREO ESTRATIFICADO

Este procedimiento implica dividir la población en estratos y luego se toma una submuestra
de cada estrato, por lo general se maneja un porcentaje representativo de la población de
cada estrato.
Por ejemplo: se tienen 60 hombres y 40 mujeres y se desea como muestra el 40% de la
población.
GENERO POBLACION MUESTRA
HOMBRES 60 24
MUJERES 40 16
N=100 n=40
Para determinar la muestra se multiplica la población por el porcentaje deseado entonces
(n=100*40%) o (n = 100 * 0, 40) donde n=40.
Una vez determinada la muestra se procede a determinar los subestratos, el procedimiento
es sencillo: se divide cada estrato entre la población y luego se multiplica por el tamaño de
la muestra. Hombres = (60/100)*40= 24 y Mujeres=(40/100)*40=16.
1.7.2.4 MUESTREO POR CONGLOMERADO.- cuando la población tiene una

extensión geográfica considerable, y por los costos económicos de realizar el muestreo se
selecciona la parte donde la población está más agrupada y se procede con cualquier otro
método.
1.8 VARIABLES DE LAS QUE DEPENDE EL TAMAÑO DE LA MUESTRA

Suponiendo que la muestra es la adecuada, el tamaño necesario de la muestra para poder
extrapolar los resultados a la población depende básicamente de tres variables. El por qué
estas variables inciden en el tamaño de la muestra es fácil comprenderlo de manera
intuitiva, al margen de la traducción de estas variables a valores estadísticos.
6
1º El nivel de confianza o riesgo que aceptamos de equivocarnos al presentar nuestros

resultados: lo que deseamos es que en otras muestras semejantes los resultados sean los
mismos o muy parecidos. También podemos denominarlo grado o nivel de seguridad. El
nivel de confianza habitual es de 0.05 (α = 0.05).
El nivel de confianza va a entrar en la fórmula para determinar el número de sujetos con un
valor de zeta, que en la distribución normal está asociado a una determinada probabilidad
de ocurrencia.
2º La varianza (o diversidad de opiniones…) estimada en la población. Esta diversidad
en la población es la diversidad estimada; si la conociéramos (cuántos van a decir que sí y
cuántos van a decir que no) en primer lugar no necesitaríamos hacer la encuesta.
Si sabemos de antemano que todos piensan lo mismo (aunque no sabemos qué piensan y
por eso lo preguntamos), nos bastará preguntar a un solo sujeto, pero si las opiniones
pueden ser muy distintas nos harán falta más sujetos. Por ejemplo, si aterrizamos en un país
desconocido donde todos hablan el mismo idioma y no sabemos cuál es…basta con
preguntárselo a una sola persona de ese país. Si en una agrupación de sujetos que viven
juntos, todos se levantan a la misma hora (un cuartel, un convento), y queremos saber a qué
hora se levantan por la mañana, basta con preguntárselo a una sola persona. A mayor
diversidad esperada, o al menos posible, en las opiniones o posibles respuestas en la
población hará falta un mayor número de sujetos en la muestra.
3º El margen de error que estamos dispuestos a aceptar.
Si por ejemplo el 20% de la muestra está de acuerdo con una proposición (o dice que va
votar a un determinado candidato o que prefiere un determinado producto) eso no significa
que el 20% exacto de la población vaya a responder lo mismo, puede ser el 22% o el
18%… necesitaremos muestras mayores si queremos que el margen de error o de oscilación
de la muestra sea muy pequeño (el resultado exacto lo tendríamos si respondiera el 100% y
la muestra coincidiera con la población).
Esto puede ser más o menos importante según la situación; el margen de error en sondeos
pre-electorales es, por ejemplo, muy importante y este margen de error suele ponerse en
torno a un 3%.
1.9 CALCULO DEL TAMAÑO DE LA MUESTRA

Antes de introducirnos en el tema vamos a distinguir entre poblaciones infinitas (de tamaño
muy grande, indefinido, cuyo tamaño exacto podemos desconocer) y poblaciones finitas
(tamaño más reducido y que conocemos).
1.9.1 PARA POBLACIONES MUY GRANDES (población infinita)
Dónde:
z = Valor de z correspondiente al nivel de confianza;
Un nivel de confianza del 95% (también lo expresamos así: α = 0.05) corresponde a z =
1.96 sigmas o errores típicos; z = 2 (dos sigmas) corresponde a un 95.5%
(aproximadamente, α= 0.045).
7
Con z = 2.57 el nivel de confianza sube al 99% (nos equivocaríamos una vez de cada 100),
pero como aumenta el numerador aumenta el cociente… que es N, y harán falta más sujetos
(y más trabajo y más gastos).
pq = Varianza de la población
Como la varianza de la población la desconocemos, ponemos la varianza mayor posible
porque a mayor varianza hará falta una muestra mayor.
Recordamos el significado de los símbolos:
p = proporción de respuestas en una categoría (síes, respuestas correctas, unos en la
codificación usual, etc.)
q = proporción de repuestas en la otra categoría (noes, ceros en la codificación usual).
La varianza en los ítems dicotómicos (dos respuestas que se excluyen mutuamente) es
igual a pq y la varianza mayor (la mayor diversidad de respuestas) se da cuando p = q = .50
(la mitad de los sujetos responde sí y la otra mitad responde no) por lo que en esta fórmula,
pq es siempre igual a (.50)(.50) = .25 (es una constante).
e = Error muestral
Lo representamos con la letra e (no es el único símbolo que se utiliza) que significa error o
desviación posible cuando extrapolemos los resultados. Es el margen de error que
aceptamos.
Si el margen de error es 3.16%, en la fórmula pondremos e = 0.0316. Si dice que sí un
64.3% en la muestra, entendemos que dice que sí en la población entre un (64.3 - 3.16)% y
un (64.3 + 3.16)%. Cuanto más bajo sea este error probable, que es el denominador,
aumenta la precisión pero también subirá obviamente el cociente: harán falta más sujetos (y
sube el precio, etc.).
Observando la fórmula vemos que, efectivamente, el tamaño de la muestra (cociente o
resultado de la fórmula) será mayor según sea mayor el nivel de confianza y la varianza
esperada en la población (numerador en la fórmula) y según sea menor el margen de error
que estamos dispuestos a admitir (denominador en la fórmula).
Por ejemplo ¿qué muestra necesitaremos con un nivel de confianza del 95% (o α = .05), al
que corresponde z = 1.96, y admitiendo un margen de error del 5% o del 2%? Ya
sabemos que pq = .25.
El nivel de confianza nunca suele ser menor de α = .05 (nos equivocaríamos en nuestra
predicción o generalización 5 veces de cada 100), y como pq es igual a .25, el número de
sujetos va a depender de hecho del margen de error que estamos dispuestos a tolerar.
Con frecuencia se opera con un nivel de confianza del 95.5%; la razón práctica está en que
este nivel de confianza corresponde a z = 2 (dos sigmas); y el numerador de la fórmula
queda muy simplificado:
8
El tamaño de la muestra no varía mucho; en el ejemplo anterior (error tolerado del 5% del
2%) necesitaríamos 400 y 2500 sujetos en vez de 384 y 2401.
Resumiendo lo dicho hasta ahora, el tamaño de la muestra (valor de N) aumentará:
1. Si aumenta nuestro nivel de confianza (de seguridad) que requiere un valor mayor de z,
2. Si disminuye el error muestral (e).
Es decir, si queremos mucha seguridad y poco margen de error hará falta un N mayor,
En la tabla 1 podemos ver el tamaño de la muestra (N) para diversos valores de e
(márgenes de error) y los dos niveles de confianza más usuales (z = 1.96 o un 95% de nivel
de confianza y z = 2.57 o un 99% de nivel de confianza o probabilidades de no
equivocarnos):
En general:
1º Es suficiente un nivel de confianza de α = 0.05 (que equivale a z = 1.96); es la práctica
habitual,
2º El margen de error no debe ser superior a 0.05 (5%) para que los resultados sean
realmente informativos y útiles.
1.9.2 PARA POBLACIONES NO MUY GRANDES (población finita)
Para calcular el tamaño de la muestra suele utilizarse la siguiente fórmula:
Dónde:
n = el tamaño de la muestra.
N = tamaño de la población.
= Desviación estándar de la población que, generalmente cuando no se tiene su valor,
suele utilizarse un valor constante de 0,5.
Z = Valor obtenido mediante niveles de confianza. Es un valor constante que, si no se tiene
su valor, se lo toma en relación al 95% de confianza equivale a 1,96 (como más usual) o en
relación al 99% de confianza equivale 2,58, valor que queda a criterio del investigador.
e = Límite aceptable de error muestral que, generalmente cuando no se tiene su valor, suele
utilizarse un valor que varía entre el 1% (0,01) y 9% (0,09), valor que queda a criterio del
encuestador.
EJEMPLO.- Calcular el tamaño de la muestra de una población de 500 elementos con un

nivel de confianza del 95%
Solución:
Se tiene N=500, para el 95% de confianza Z = 1,96, y como no se tiene los
Demás valores se Tomará  = 0,5 y e = 0,05.
9
Reemplazando valores de la fórmula se tiene:
.
TABLA DE APOYO AL CALCULO DEL TAMAÑO DE UNA MUESTRA
POR NIVELES DE CONFIANZA
Certeza 95% 94% 93% 92% 91% 90% 80% 62.27% 50%
Z 1.96 1.88 1.81 1.75 1.69 1.65 1.28 1 0.6745
3.84 3.53 3.28 3.06 2.86 2.72 1.64 1.00 0.45
e 0.05 0.06 0.07 0.08 0.09 0.10 0.20 0.37 0.50
0.0025 0.0036 0.0049 0.0064 0.0081 0.01 0.04 0.1369 0.25
10
EJERCICIOS PARA EL ESTUDIANTE
1. Calcule el tamaño de la muestra para una población de 500 con un error de muestreo del
5% y nivel de confianza del 95%. Realice los cálculos de manera manual.
5% y nivel de confianza del 99%.
5. Calcule el tamaño de la muestra para una población de 6000000 con un error

de muestreo del 5% y nivel de confianza del 95%. Realice los cálculos de manera manual.
6. Calcule el tamaño de la muestra para una población de 7000000 con un error de

muestreo del 5% y nivel de confianza del 99%.


9. Calcule el tamaño de la muestra para una población de 600 utilizando los 9 niveles de
confianzas de la tabla de apoyo.
10. Calcule el tamaño de la muestra para una población de 345267890, utilizando los 9
niveles de confianzas de la tabla de apoyo.
TABLA DE APOYO AL CALCULO DEL TAMAÑO DE UNA MUESTRA

POR NIVELES DE CONFIANZA
Certeza 95% 94% 93% 92% 91% 90% 80% 62.27% 50%
Z 1.96 1.88 1.81 1.75 1.69 1.65 1.28 1 0.6745
3.84 3.53 3.28 3.06 2.86 2.72 1.64 1.00 0.45
e 0.05 0.06 0.07 0.08 0.09 0.10 0.20 0.37 0.50
0.0025 0.0036 0.0049 0.0064 0.0081 0.01 0.04 0.1369 0.25
11
TEMA # 2
ORGANIZACIÓN Y CLASIFICACION DE DATOS
Frente a un conjunto de datos, el primer paso a dar debe ser expresarlos y clasificarlos de
acuerdo a criterios convenientes que permita ver todas las características posibles para
obtener conclusiones útiles ya sea directamente o por cálculos posteriores. Se consideran
los siguientes pasos.
 Revisión y corrección de los datos
 Construcción de tabla de frecuencia
 Representación tabular o cuadros estadísticos y gráficas.(Tema #3)
2.1 REVISION Y CORRECCION DE LOS DATOS

Ningún análisis estadístico, por acabado y seguro que sea, es capaz de suministrar
respuestas adecuadas a un problema en estudio, si aquel se basa en una información
incorrecta. Por tanto antes de usar los datos muestrales conviene aplicar técnicas simples
para probarlos, como dar respuestas a las siguientes preguntas:
 ¿Los datos apoyan o contradicen otra evidencia que tengamos?
 ¿Es lógica la conclusión? ¿Hemos Obtenido conclusiones que no estén sustentados
por los datos?
 ¿Cuántas observaciones se tiene? ¿Ellas representan a todos los grupos que se desea
estudiar?
2.2 TABLAS DE DISTRIBUCION DE FRECUENCIAS

Si los datos son numerosos, es indispensable clasificarlos en cuadro o tabla resumen de las
observaciones originales, a las que en adelante llamaremos tabla de distribución de
frecuencias.
Una tabla de distribución de frecuencias está formada por frecuencias, absolutas y

frecuencias relativas y se pueden tabular los datos para variables discretas y variables
continuas.
2.3 TERMINOLOGIA A UTILIZAR.

N = numero de datos
IC o P+ = intervalo de clase
AC o C = amplitud de clase o constante
R = rango
Xi = límites de clase
Xi-1 = límites de clase inferior
Xi+1 = límites de clase superior
Xi* = punto medio o marca de clase
fi = frecuencia absoluta simple
Fi = frecuencia absoluta Acumulada
hi = frecuencia relativa simple
Hi = frecuencia relativa Acumulada
12
2.4 DISTRIBUCION DE FRECUENCIAS CUANDO LOS DATOS

CORRESPONDEN A UNA VARIABLE DISCRETA
En este caso la tabla de distribución de frecuencias tiene la siguiente característica:
Xi fi Fi hi Hi
Límite de Frecuencia Frecuencia Frecuencia Frecuencia Relativa
clase u Absoluta Absoluta Relativa acumulada(sumatoria
observaciones simple Acumulada simple de la “hi”)
iguales (número de (sumatoria (resulta de
veces que de las la división
aparece un frecuencia de la “fi” y
valor en el absoluta el número
conjunto de simple) de datos)
observaciones)
N= (número de 1,00
datos)
Ejemplo.- se realiza una encuesta a 10 familias sobre el número de hijos, los resultados de
dicha encuesta se muestran a continuación.
fam1= 2 fam8= 1 fam3= 3 fam9= 2 fam4= 1 fam6=1
fam2 = 1 fam10= 1 fam5= 1 fam7= 0
Solución:
Paso 1.-
fam1= 2 fam2 = 1 fam3= 3 fam4= 1 fam5= 1 fam6= 1
fam7= 0
fam8= 1 fam9= 2 fam10= 1
Paso 2.-
Numero de datos N= 10
Paso 3.-
Observaciones diferentes o Límites de Clases
X1= 0 X2= 1 X3= 2 X4= 3
Xi fi Fi hi Hi
X1= 0 f1= 1 F1= 1 h1= 0,10 H1= 0,10
X2= 1 f2= 6 F2= 7 h2= 0,60 H2= 0,70
X3= 2 f3= 2 F3= 9 h3= 0,20 H3= 0,90
X4 = 3 f4= 1 F4= 10 h4= 0,10 H4= 1,00
total N= 10 1,00
13
Interpretación de la tabla
Por ejemplo:
f1 = 1, significa que en las familias encuestadas existe una familia que no tiene hijos
f2 = 6, Existen 6 familias que tienen a un hijo cada una.
F2 = 7, Existen hasta 7 familias que tienen un hijo o menos
F4 = 10, existen hasta 10 familias que tienen 3 hijos o menos
h2 = 0,60 nos indica la proporción de familias que tienen 1 hijo
h3 = 0,20 nos indica la proporción de familias que tienen 2 hijos
H2 = 0,70 nos indica la proporción de familias que tienen 1 hijo o menos
H3 = 0,90 nos indica la proporción de familias que tienen 2 hijos o menos
2.5 DISTRIBUCION DE FRECUENCIA CUANDO LOS DATOS CORRESPONDEN

A UNA VARIABLE CONTINUA
Si la información está dada por una variable continua, existe un valor máximo (Xi = Xmax)
y un valor mínimo (Xi = Xmin). Para construir la tabla se siguen los siguientes pasos:
Paso 1:
Se determina el rango o recorrido (R = Xmax – Xmin)
Paso 2:
Se determina el intervalo de clase (P+ o IC), existen dos formas:
Método de inducción Regla de STURGER
Se establece según el criterio del Se aplica la formula P+ = 1 + 3,33 * Log N
investigador ejemplo, 5, 6, 7………n
Paso 3:
Se determina la amplitud de clase (AC = R/P+)
Luego la característica de la tabla es la sgte:
Xi-1 Xi+1 Xi* fi Fi hi Hi
Límite inferior límite Marca de clase o Resulta Igual que Igual Igual
superior punto medio se del conteo en casos que en que en
X0=Xmin X1 determina de los discretos casos casos
X1 X2 sumando el (Xi- valores discretos discretos
X2 X3 1) y el (Xi+1) de que se
X4 cada clase y encuentran
Xn=Xmax dividiendo entre entre el
dos (Xi-1) y el
(Xi+1) de
cada clase
Total N=
Ejemplo.- Los datos representan los pesos en Kg. De 50 niños de 1 a 5 años.

5,5 7,5 10,5 9,5 8,5 6,5 8,5 10,5 8,5 10,5 7,5 9,5 10,5
7,5 6,5 5,5 10,5 10,0 8,5 6,5 7,5 7,5 6,5 5,5 5,5 8,5
8,5 7,5 6,5 7,5 9,0 9,0 7,5 8,5 7,5 8,2 9,5 8,5 7,8
6,5 10,5 6,5 9,5 8,5 9,5 10,5 9,5 6,5 10,5 6,5
 Construir una tabla de distribución de frecuencias

 Interpretar las frecuencias
14
Solución:
Paso 1:
R = Xmax – X min R = 10,5 - 5, 5
R= 5
Paso 2:
El Intervalo de clases será determinado por el método de inducción por lo tanto es: P+ = 5
Paso 3:
AC = R / P+ AC = 5 / 5
AC = 1
Una vez determinado el R, P+, AC, se procede a tabular los datos, donde Xmin = X0
Xi-1 Xi+1 Xi* fi Fi hi Hi
X0=5,5 X1=6,5 X1*= 6 f1= 13 F1= 13 h1= 0,26 H1= 0,26
X1=6,5 X2=7,5 X2*= 7 f2=9 F2= 22 h2= 0,18 H2= 0,44
X2=7,5 X3=8,5 X3*= 8 f3= 11 F3= 33 h3= 0,22 H3= 0,66
X3=8,5 X4=9,5 X4*= 9 f4=8 F4= 41 h4= 0,16 H4= 0,82
X4=9,5 X5=10,5 X5*= 10 f5=9 F5= 50 h5= 0,18 H5= 1,00
Total N= 50 1,00
Interpretación
f3 = 11, existen 11 niños que pesan entre 7,5 y 8,5 Kilogramos
F4 = 41, hay 41 niños que pesan entre 8,5 y 9,5 kilogramos o menos
h5 = 0,18 Hay una proporción de 0,18 niños o el 18% de niños tienen un peso hasta 10,5
kilogramos
H4 = 0,82 el 82% de los niños pesan hasta 9,5 kilogramos o menos.
2.6 RECONSTRUCION DE TABLAS ESTADISTICAS

Ejemplo1:
Un dentista observa el número de caries en cada uno de los 100 niños de cierto
colegio. La información obtenida aparece resumida en la siguiente tabla:
Nº de caries fi hi
0 25 0.25
1 20 0.2
2 x z
3 15 0.15
4 y 0.05
 Completar la tabla obteniendo los valores x, y, z.
Solución.
La suma de las frecuencias relativas simples ha de ser igual a 1:
0.25 + 0.2 + z + 0.15 + 0.05 = 1
0.65 + z = 1 z = 0.35
15
La frecuencia relativa de un dato es igual su frecuencia absoluta dividida

entre n (100), que es la suma de las frecuencias absolutas simples.
Nº de caries fi hi
0 25 0.25
1 20 0.2
2 35 0.35
3 15 0.15
4 5 0.05
100 1.00
Ejemplo 2:
Completar los datos que faltan en la siguiente tabla estadística:
xi fi Fi hi
1 4 0.08
2 4
3 16 0.16
4 7 0.14
5 5 28
6 38
7 7 45
8
Primera fila:
F1 = f1  F1 = 4 =
Calcular n = f 1 /h 1  n = 4 /0,08  n = 50
Segunda fila:
F2 = 4 + 4 = 8 h 2 = f 2 /n  h 2 = 4/50 =0,08
Tercera fila:
f 3 = n 3 *n  f 3 = 0,16* 50  f 3 = 8
Cuarta fila:
F 4 = F 3 + f 4  F 4 = 16 + 7 = 23
16
Quinta fila:
h 5 = f 5 /n  h 5 = 5/50 =0,1
Sexta fila:
f 6 = F 6 – F 5  f 6 = 38 – 28 =10
h 6 = f 6 /n  h 6 =10/50 = 0,2
Séptima fila:
h 7 = f 7 /n  h 7 =7/50 = 0,17
Octava fila:
F 8 = n = 50
f 8 = F 8 -F7  f 8 = 50-45 = 5
h 8 = f 8 /n  h 8 =5/50= 0.10
xi fi Fi hi
1 4 4 0.08
2 4 8 0.08
3 8 16 0.16
4 7 23 0.14
5 5 28 0.10
6 10 38 0.20
7 7 45 0.14
8 5 50 0.10
50 1.00
17

1. se realizó una encuesta a 20 familias sobre el número de habitaciones que tienen sus
viviendas y los resultados obtenidos son los sgtes:
fam1= 2 fam20 = 1 fam13= 3 fam14= 1 fam11= 1 fam5= 1
fam7= 5
fam17= 4 fam19= 2 fam10= 1 fam15= 2 fam2 = 1 fam16=3
fam18=1
fam8= 1 fam6= 1 fam12= 4 fam4= 1 fam9= 2 fam3= 5
 Tabular los datos e interpretar
2. Se tiene las edades de 60 individuos:

60 73 28 50 40 45 62 70 29 67 39 45 60 70 30 40 28 58 40 38
50 45 50 40 37 58 60 45 70 28 67 39 65 70 65 39 56 55 60 78
30 50 70 46 36 62 70 30 39 55 57 50 34 45 45 60 55 35 40 35
a) construir la tabla de distribución de frecuencias con 5 intervalos de clase
b) interpretar todas las frecuencias
3. Se realizó una encuesta a 20 mujeres sobre el número de veces que salen a divertirse con
sus amigas en un mes y los resultados fueron los siguientes.
0 5 10 5 4 4 5 0 1 2 0 1 7 10 3 4 2 1 1 5
a) construir una tabla de distribución de frecuencias (casos discretos) , e interpretar.
b) Construir una tabla de distribución de frecuencias casos continuos con 5 intervalos de
clases, e interpretar.
4. los pesos redondeados de 100 estudiantes son los sgtes:
60 70 80 50 40 45 65 70 79 67 79 45 60 70 80 90 98 78 56 65
70 45 57 58 60 65 70 98 87 79 65 75 65 79 56 55 60 79 80 90
80 56 76 65 70 80 90 55 57 90 80 75 65 80 55 60 75 60 65 55
90 87 67 55 65 78 70 67 67 68 55 55 50 53 54 93 56 70 80 80
70 86 85 65 48 45 75 40 56 50 55 64 58 50 58 59 70 49 52 51
a) construir una tabla de distribución de frecuencias (casos discretos) , e interpretar.
b) Construir una tabla de distribución de frecuencias casos continuos con intervalos de
clases definidos por la regla de sturger, e interpretar.
5. reconstruir la siguiente tabla.
Xi-1 - Xi+1 Xi* fi Fi hi Hi

20 15 3 0,19
20 2 5 0,31
9 0,25
45 3 0,75
55 4 16 0,25
1,00
18
Tema # 3
REPRESENTACION TABULAR Y GRAFICA DE DATOS
3.1 REPRESENTACION TABULAR
Una vez que se ha ejecutado la recolección de datos y la clasificación, resulta
imprescindible representarlos adecuadamente de tal forma que permita realizar un análisis
útil de la información.
3.2 CUADRO ESTADISTICO

Un cuadro estadístico es un arreglo de filas y columnas de datos o series estadísticas de
acuerdo a un criterio de clasificación que interesa, que pueda ser interpretada rápidamente y
extraer conclusiones o hacer comparaciones.
Las tablas de distribución de frecuencias son un caso especial de un cuadro estadístico.
3.2.1 PARTES DE UN CUADRO ESTADISTICO

Las partes principales son:
1.- Numero 2.- Titulo 3.- Matriz 4.- Cuerpo 5.- Fuente 6.-Nota
Aclaratoria
3.2.1.1 NUMERO
Es el código de identificación del cuadro, este número se escribe a continuación de la
palabra cuadro
3.2.1.2 TITULO
El titulo se debe de escribir en la parte superior del cuadro y debe reunir las siguientes
condiciones: ser completo, ser conciso (claro, concreto), el titulo debe indicar claramente el
contenido del cuadro, debe responder a preguntas como ser:
¿Qué?- a que se refiere la tabla
¿Cómo?- como se estudia las características del universo (o sea las variables)
¿Cuándo?- cuando se realiza el estudio
¿Dónde?- lugar del estudio
3.2.1.3 MATRIZ
La matriz de un cuadro estadístico está constituida por el primer renglón y la primera
columna, donde se anota los nombres de las categorías o los limites de los intervalos de
clase.
3.2.1.4 CUERPO.
Es el conjunto de celdas o casillas que son resultantes de la intersección de las columnas y
renglones donde se anotan los datos numéricos.
3.2.1.5 FUENTE
Nos indica la entidad responsable de donde se obtuvieron los datos y debe escribirse al pie
izquierdo del cuadro.
19
3.2.1.6 NOTA ACLARATORIA

Son aquellas informaciones aclaratorias que son necesarias para la interpretación del cuadro
estadístico.
Número
CUADRO Nº 1
Titulo
MATRIZ
NUMERO DE ESTUDIANTE DE OPERADOR DE
COMPUTADORAS DEL CIEMS EN LA GESTION 2014
TURNO Nº ALUMNOS
MAÑANA 20
TARDE 10
NOCHE 40
TOTAL 70
FUENTE: Dirección CIEMS 2014
FUENTE
NOTA ACLRATORIA.- (Datos inducidos)
CUERPO
NOTA ACLARATORIA
3.3 REPRESENTACIONES GRAFICAS

Un gráfico es la representación de un fenómeno estadístico por medio de figuras
geométricas (líneas, rectángulos, etc), cuyas dimensiones son proporcionales a la magnitud
de los datos representados. Su objetivo principal es la representación de los datos en forma
gráfica, que permite visualizar en forma rápida las variaciones y características de los datos
representados.
Un gráfico es un elemento auxiliar de un cuadro estadístico.
3.3.1 PARTES DE UN GRAFICO

 Titulo
 El grafico propiamente dicho
 Fuente
 Nota Exploratoria
3.3.2 GRÁFICOS LINEALES

Son muy utilizados para la representación de series cronológicas, entre los más utilizados
tenemos, la ojiva y el polígono de frecuencias
3.3.2.1 OJIVA
Es la representación gráfica de una distribución de frecuencias absoluta o relativa
acumulada.
1.- Se distribuye en el eje horizontal los límites de los intervalos de clase y las frecuencias
correspondientes en el eje vertical.
2.- Se determina la interacción entre del límite superior de cada clase con su frecuencia.
20
3.- Determinadas las interacciones se unen los puntos dejando abierto en los extremos con
una línea horizontal.
3.3.2.2 POLIGONOS DE FRECUENCIA

Los polígonos de frecuencias absolutas y relativas simples resultan de la unión de los
puntos medios de las bases superiores del histograma de frecuencias. Se trazan rectas hasta
alcanzar en ambos extremos el eje horizontal. El área encerrada por el histograma coincide
con el área encerrada por el polígono.
POLIGONOS DE
OJIVA FRECUENCIA
3.3.3 GRAFICA RECTANGULARES

Se denomina también graficas de barras. Esto puede representarse horizontalmente o
vertical, sus características son:
 Todas las barras deben tener el mismo grosor o espesor
 El espacio entre las barras deben ser igual en todas y deben ser del mismo espesor
de la barra.
 Las barras por estética deben ordenarse de mayor a menor cuando se pueda.
 L a escala de frecuencia debe empezar por cero.
3.3.3.1 DIAGRAMAS RECTANGUARES COMPUESTO: Son los que se representan

en un mismo grafico dos o más fenómenos. Pueden ser representados horizontalmente o
verticalmente, cada rectángulo es subdividido mediante el uso de colores o rayados
diferentes.
3.3.3.2 HISTOGRAMA
Es una representación gráfica a través de rectángulos continuos cuya base es igual a la
amplitud de clase con una altura igual a su frecuencia correspondiente.
DIAGRAMAS
RECTANGUARES HISTOGRAMA
COMPUESTO
21
3.3.4 GRAFICOS CIRCULARES

Se aplican ventajosamente en la representación de un conjunto de datos en sus diversos
componentes.
3.3.4.1 DIAGRAMA CIRCULAR O DE SECTORES

El diagrama circular llamada también ciclograma, diagrama de pastel, se representa los
datos en un círculo dividido en sectores, su uso es con fines principalmente comparativos.
 Se traza una circunferencia
 Se distribuye la superficie de la circunferencia entre el número de aspectos.
 Para la determinación de cada área en grados se utiliza la siguiente formula.
wi = hi * 360
Donde:
wi = Ángulo de área correspondiente a su sector.
hi = Proporción que representa a la frecuencia de cada valor particular de la variable con relación a
la población total.
360 = Grados que tiene una circunferencia.
22
Ejemplo # 1.- se representara gráficamente el cuadro estadístico que corresponden a los

pesos de 50 niños de 1 a 5 años.
Xi-1 - Xi+1 Xi* fi Fi hi Hi wi Wi
5,5 - 6,5 6 13 13 h1=0,26 0,26 w1=93,60o 93,60o
6,5 - 7,5 7 9 22 0,18 0,44 64,80o 158,40o
7,5 - 8,5 8 11 33 0,22 0,66 79,20o 237,60o
8,5 - 9,5 9 8 41 0,16 0,82 57,60o 295,20o
9,5 - 10,5 10 9 50 0,18 1,00 64,80o 360,00o
Total N=50 1,00 360,00o
Ejemplo
w1 =h1 *360
w1 =0,26*360
o
w1 = 93,60
Para representar gráficamente los datos en un histograma de frecuencias se debe

seguir los siguientes pasos en el eje de las “X” se deben colocar los valores de los
límites de clases y en eje de las “Y” los valores de las frecuencias ya sean
absolutas o relativas simples ( o valores que encierren dichos valores) una vez
trazado los ejes e introducido los valores se dibujan rectángulos con la anchura
de los límites de clases y la altura respectiva al valor de la frecuencia absolutas o
relativas simples correspondiente al límite de clase.( Gráfico Nº 1)
Gráfico Nº 1
Pesos de 50 niños de 1 a 5 años
de la Ciudad de Trinidad
HISTOGRAMA DE
FRECUENCIAS
Y
14
12
10
8
6
4
2
5,5 6,5 7,5 8,5 9,5 10,5 X

Fuente: Investigación CIEMS
Nota Explicatoria.- Datos Inducidos
23
Gráfico Nº 2
Para representar gráficamente los datos en un Pesos de 50 niños de 1 a 5 años
Polígono de frecuencias se debe seguir los siguientes de la Ciudad de Trinidad
pasos en el eje de las “X” se deben colocar los
valores de los límites de clases y en eje de las “Y” POLIGONO DE
los valores de las frecuencias ya sean absolutas o FRECUENCIAS
relativas simples, una vez trazado los ejes e
introducido los valores se marcan puntos en las
intersecciones de las marcas de clases(puntos
medios) y la altura respectiva al valor de la
frecuencia absolutas o relativas simples
correspondiente al límite de clase, luego se unen
trazando líneas de un punto a otro.(Gráfico Nº 2) Nota Explicatoria.- Datos Inducidos
Otra forma de graficar el Polígono de Frecuencias es

tomar como base los rectángulos del Histograma de
frecuencias, como se ilustra en la Gráfico Nº 3.
Gráfico Nº 3
Pesos de 50 niños de 1 a 5 años
de la Ciudad de Trinidad
POLIGONO E HISTOGRAMA
DE FRECUENCIAS

24
Gráfico Nº 4
Para representar gráficamente los datos en una Ojiva Pesos de 50 niños de 1 a 5 años
se debe seguir los siguientes pasos en el eje de las de la Ciudad de Trinidad
“X” se deben colocar los valores de los límites de
clases y en eje de las “Y” los valores de las OJIVA
frecuencias ya sean absolutas o relativas
Acumuladas ( o valores que encierren dichos
valores) una vez trazado los ejes e introducido los
valores se marcan puntos en las intersecciones de
los limites superiores de clases y la altura respectiva
al valor de la frecuencia absolutas o relativas
Acumulada correspondiente al límite de clase, luego
se unen trazando líneas de un punto a otro.(Gráfico
Nº 4) Fuente: Investigación CIEMS
Gráfico Nº 5
Para representar gráficamente los datos en un Diagrama Pesos de 50 niños de 1 a 5 años
de Sectores se debe seguir los siguientes pasos: de la Ciudad de Trinidad
 se debe calcular o convertir las frecuencias
relativas simples (hi), del cuadro DIAGRAMA DE SECTORES
estadístico a grados, multiplicando por 360
que son los grados que tiene una
circunferencia.
 Se traza una nueva columna en el cuadro
estadístico (wi), para colocar el valor en
grado de cada límite de clase, también se
traza una nueva columna para colocar el
valor acumulativo de los valores en grados
(Wi).
 Luego se traza una circunferencia y se
comienza a repartir por segmentos o
sectores en sentido contrario a las
manecillas del reloj, según los valores que
nos proporciona la columna acumulativa Fuente: Investigación CIEMS
de los grados (Wi). Esto lo puede hacer Nota Explicatoria.- Datos Inducidos
con la ayuda del transportador de un

estuche geométrico.
25

1. Con las siguientes tablas graficar, polígono de frecuencia, histograma, Ojiva, Diagrama
de sectores,
Xi-1 - Xi+1 Xi* fi Fi hi Hi

10 20 15 3 3 0,19 0,19
20 30 25 2 5 0,12 0,31
30 40 35 4 9 0,25 0,56
40 50 45 3 12 0,19 0,75
50 60 55 4 16 0,25 1,00
16 1,00
Xi fi Fi hi Hi
15 5 5 0,26 0,26
25 2 7 0,11 0,37
35 5 12 0,26 0,63
45 3 15 0,16 0,79
55 4 19 0,21 1,00
19 1,00
2. Con los ejercicios 4 y 5 la práctica del tema nº2 (EJERCICIOS PARA EL

ESTUDIANTE), graficar, polígono de frecuencia, histograma, Ojiva, Diagrama de
sectores.
26
Tema # 4
ESTADIGRAFOS DE POSICION
Los estadígrafos de posición se dividen en dos grandes campos:
 De tendencia central
 De localización
4.1 ESTADIGRAFOS DE TENDENCIA CENTRAL

Son aquellos que nos describen el valor central de un conjunto de datos o el lugar que
ocupan en la distribución de frecuencias entre ellos tenemos de importancia La Media
Aritmética y La Mediana.
4.2 ESTADIGRAFOS DE LOCALIZACION

Son aquellos que nos señalan la localización de los valores externos y el más importe es la
Moda o Modo.
4.3 MEDIA ARITMETICA

Es el cociente de la sumatoria de todos los valores observados entre el número de
observaciones.
4.4 MEDIANA
En un conjunto de datos ordenados es el valor medio o la media aritmética de los valores
centrales. La mediana es el valor que no es superada ni supera a más de la mitad de los
datos.
4.5 MODA
La moda de una muestra observada es aquel valor de la variable que se presenta con mayor
frecuencia, es decir es el valor que más veces se repite. Para su cálculo es necesario ordenar
los datos y se tienen las siguientes posibilidades de la moda:
 Amodal: cuando no existe modo (no se repite ningún valor)
 Unimodal: cuando existe un solo modo (se repite un valor con más
frecuencia)
 Bimodal: cuando existe dos modo ( se repiten dos valores con mas
frecuencias)
 Multimodal: cuando existen más de dos modos.
Estos estadígrafos se pueden calcular tanto para datos no tabulados como para datos
tabulados (Casos Discretos y Casos Continuos).
4.6 MEDIA, MEDIANA Y MODA PARA DATOS NO TABULADOS

El primer paso antes de determinar los estadígrafos, se deben ordenar los datos de menor a
mayor y luego se aplican las fórmulas que son las siguientes:
27
4.6.1 Formula de la Media Aritmética
X = (X1+X2+….Xn)
o X =  Xi
N N
4.6.2 Formula de la Mediana

Se presentan dos casos Cuando el número de observaciones son pares y cuando son
impares.
Md = Xi-1 + Xi+1 Fórmula para datos pares viene a ser la media aritmética de los
2 dos valores centrales divididos entre dos
Fórmula para datos impares corresponde a la sumatoria del número de

Md = X N+1 observaciones más uno y dividido entre dos, cuyo resultado de la
2
operación da la ubicación del valor de la mediana
4.6.3 Formula de la Moda

Después de ordenar los datos de menor a mayor, se observa si existen valores repetidos y
puede dar los siguientes resultados: Amodal, Unimodal, Bimodal, Multimodal.
Ejemplo # 1, los datos corresponden al número de habitaciones de 10 viviendas
encuestadas.
1- 3 – 1 – 2 – 3 - 2 – 1- 4 – 1- 6
Ordenando los datos tenemos: 1 – 1 – 1 – 1 – 2 – 2 – 3 – 3 – 4 – 6

Una vez ordenado los datos podemos aplicar:
 La media aritmética
X = (X1+X2+….Xn  X = (1+1+1+1+2+2+3+3+4+6)  X = 24 = 2,4
N 10 10
Esto significa que existe un promedio de 2,4 Habitaciones por vivienda encuestada
 La mediana
En este caso el número de datos observados es par entonces:
Md = Xi-1 + Xi+1  Md = 2 + 2  Md = 4 = 2
2 2 2
2
Esto significa que hay una mediana de 2 habitaciones por vivienda encuestada.
 La moda
La moda viene a ser el dato o la observación que más se repite, en este caso el dato
que más se repite es el 1por lo tanto la moda es:
Mo= 1 y es Unimodal.
Lo cual significa que existen más viviendas que tienen una sola habitación.
28
4.7 MEDIA, MEDIANA, MODA PARA DATOS TABULADOS CASOS

DISCRETOS.
4.7.1 La media Aritmética

Se aplica la Formula X =  fi * Xi
N
Ejemplo # 2. Una vez tabulados los datos se debe efectuar en una nueva columna el
producto entre (fi * Xi), para luego determinar la sumatoria de la columna y poder aplicar
la fórmula:
Número de Hijos en 10 familias encuestadas
Xi fi Fi hi Hi fi * Xi
0 1 1 0,10 0,10 0
1 6 7 0,60 0,70 6
2 2 9 0,20 0,90 4
3 1 10 0,10 1,00 3
Total N= 10 1,00  = 13
Observando en la sexta columna vemos que (fi*Xi), es igual a 13, entonces ahora
podemos reemplazar en la formula:
X =  fi * Xi  X = 13 = 1,3
N 10
Lo que significa, que en cada familia existe un promedio de 1,3 hijos
4.7.2 La Mediana
Una vez tabulado los datos, para este caso se siguen los siguientes pasos:
1. Se determina N/2 (número total de datos entre dos)
2. Se ubica N/2 entre las Fi
3. Se determinan Fi-1 y Fi+1 a N/2 y También se ubica a las variables Xi-1 anterior y
Xi+1 posterior
4. Cuando N/2 es mayor a Fi-1 entonces la media es igual a Xi+1
5. Si N/2 es igual a Fi-1 entonces la mediana es igual a Xi-1 mas Xi+1 dividido
entre dos.
Ejemplo # 3. Hallar la mediana del siguiente cuadro estadístico.
Xi fi Fi hi Hi
Xi-1 0 1 1 Fi-1 0,10 0,10
Xi+1 1 6 7 Fi+1 0,60 0,70
2 2 9 0,20 0,90
3 1 10 0,10 1,00
Total N= 10 1,00
1. Determinando N/2= 10/2 = 5
2. Ubicamos N/2 en Fi N/2 = 5
3. Al Ubicar N/2 se determina Fi-1 anterior y Fi+1 posterior y por lo tanto quedan
también determinado Xi-1 anterior y Xi+1 posterior, entonces:
Fi-1= 1 Fi+1= 7 Xi-1= 0 Xi+1= 1
29
4. Por lo tanto N/2 es mayor a Fi-1 entonces la mediana es igual al valor Xi+1.
Md = 1, esto significa que la mediana de hijos en cada familia encuestada es 1 hijo.
4.7.3 La Moda
En este caso se determina con la siguiente formula
Mo = Xi  fi max
Lo que significa que la moda es igual al valor Xi que se encuentra en la misma fila o
límite de fi max.
Ejemplo # 4.
Xi fi Fi hi Hi
0 1 1 0,10 0,10
1 6 fi max 7 0,60 0,70
2 2 9 0,20 0,90
3 1 10 0,10 1,00
Total N= 10 1,00
Ubicando la frecuencia absoluta simple máxima (fi max).
Vemos que fi max = 6 entonces el valor Xi es 1. Por lo tanto la Moda es:
Mo = 1, lo que significa que la mayor parte de las familias encuestadas tiene un
hijo.
4.8 MEDIA, MEDIANA, MODA PARA DATOS TABULADOS CASOS

CONTINUOS
4.8.1 LA MEDIA ARITMETICA

Para determinar la media aritmética en este caso se utiliza la siguiente fórmula:
X =  fi * X*i
N
Al igual que en casos discretos se debe utilizar la tabla de distribución de frecuencias para
determinar la sumatoria del producto de los puntos medios y las frecuencias absolutas
simples (fi * X*i).
Ejemplo # 5. Pesos de 50 niños de 1 a 5 años.
Xi-1 - Xi+1 Xi* fi Fi hi Hi fi * X*i
5,5 - 6,5 6 13 13 0,26 0,26 78
6,5 - 7,5 7 9 22 0,18 0,44 63
7,5 - 8,5 8 11 33 0,22 0,66 88
8,5 - 9,5 9 8 41 0,16 0,82 72
9,5 - 10,5 10 9 50 0,18 1,00 90
Total N=50 1,00  391
Una vez determinado (fi * X*i), el siguiente paso es remplazar en la formula:
X =  fi * X*i  X = 391 = 7,82
N 50
30
Esto significa que el peso promedio de los 50 niños es de 7,82 kilogramos.
4.8.2 LA MEDIANA
Una vez tabulados los datos de debe determinar lo siguiente:
1. Se determina N/2 (número total de datos entre dos)
2. Se ubica N/2 entre las Fi.
Fi-1  N/2 < Fi+1
3. Si N/2 = Fi-1 la mediana, Md= Xi-1
4. Si N/2 > Fi-1 entonces la mediana se determina con la siguiente fórmula:
Md = Xi-1 + AC (N/2 - Fi-1)

fi
Ejemplo # 6, Pesos de 50 niños de 1 a 5 años

Xi-1 - Xi+1 Xi * fi Fi hi Hi
5,5 - 6,5 6 13 13 0,26 0,26
6,5 - 7,5 7 9 22 Fi-1 0,18 0,44
Xi-1 7,5 - 8,5 8 fi 11 33 Fi+1 0,22 0,66
Xi+1
8,5 - 9,5 9 8 41 0,16 0,82
9,5 - 10,5 10 9 50 0,18 1,00
Total N=50 1,00
1. Determinando N/2 Tenemos; N/2 = 50/2 = 25
2. Ubicando N/2 tenemos 25
3. Cuando Ubicamos N/2 vemos que Fi-1 = 22, Fi+1 = 33
4. Al ubicar Fi+1, tomamos su límite de clase o fila de la tabla para poder determinar fi,
Xi-1 y Xi+1
5. Entonces sabiendo que fi= 11, Xi-1= 7,5 Xi+1= 8,5 y la AC= 1, aplicamos
la formula
Md = Xi-1 + AC (N/2 - Fi-1)  Md = 7,5 + 1 (25 – 22) = 7,5 + 1 (3) = 7,5 + 3 = 7,5 + 0,28 = 7,78
fi 11 11 11
Lo que significa que existe una mediana de niños que pesan 7,78 kilogramos
4.8.3 LA MODA
Para calcular la moda en casos continuos se debe aplicar la siguiente fórmula:
Mo = Xi-1 + AC ( 1 )
Formula de la Moda
1 + 2
1 = fi max – fi-1 Delta 1
2 = fi max – fi+1 Delta 2
31
Ejemplo # 7, Pesos de 50 niños de 1 a 5 años

Xi-1 - Xi+1 Xi * fi Fi hi Hi
5,5 - 6,5 6 13 13 0,26 0,26
6,5 - 7,5 7 fi-1 9 22 0,18 0,44
Xi-1 7,5 - 8,5 8 fi max 11 33 0,22 0,66
Xi+1
8,5 - 9,5 9 fi+1 8 41 0,16 0,82
9,5 - 10,5 10 9 50 0,18 1,00
Total N=50 1,00
1.- Se identifica fi max en este caso es igual a 11 (fi max = 11)

2.- Identificado fi max, se identifica su frecuencia absoluta simple anterior (fi-1), y posterior (
fi+1 ).
3.- Luego se determina el límite inferior de la clase modal ( Xi-1), que se encuentra en la
fila de fi max.
Entonces los datos son:
fi max = 11
fi-1 = 9 Aplicando las Formulas Tenemos:
fi+1 = 8 1 = fi max – fi-1  1 = 11 - 9 = 2
AC = 1
2 = fi max – fi+1  2 = 11 - 8 = 3
Xi-1 = 7,5
1 = 2
Mo = Xi-1 + AC ( 1 )  Mo = 7,5 + 1 ( 2 ) = 7,5 + 1 ( 2 ) = 7,5 + 0,4 = 7,9
2 = 3
1 + 2 2+3 5
Mo = 7, 9
Lo que significa que existen más niños que tienen un peso promedio de 7,9 kilogramos.
32
1.- Se realizó una encuesta a 20 mujeres sobre el número de veces que salen a divertirse
con sus amigas en un mes y los resultados fueron los siguientes.
0 5 10 5 4 4 5 0 1 2 0 1 7 10 3 4 2 1 1 5
a) calcular la Media, Mediana, Moda (datos no tabulados)
b) Construir una tabla de distribución de frecuencias casos Discretos y calcular la Media,
Mediana y Moda. Y graficar histograma, polígono de frecuencias, ojiva y diagrama de
sectores.
2.- los pesos redondeados de 100 estudiantes son los sgtes:

60 70 80 50 40 45 65 70 79 67 79 45 60 70 80 90 98 78 56 65
70 45 57 58 60 65 70 98 87 79 65 75 65 79 56 55 60 79 80 90
80 56 76 65 70 80 90 55 57 90 80 75 65 80 55 60 75 60 65 55
90 87 67 55 65 78 70 67 67 68 55 55 50 53 54 93 56 70 80 80
70 86 85 65 48 45 75 40 56 50 55 64 58 50 58 59 70 49 52 51
a) Construir una tabla de distribución de frecuencias casos continuos con 8 intervalos
de clases y Calcular la Media, Mediana y Moda.
b) Graficar histograma, polígono de frecuencias, ojiva y diagrama de sectores.
3. Calcular la media, la mediana y la moda de la siguiente serie de números: 5, 3, 6, 5, 4, 5,

2, 8, 6, 5, 4, 8, 3, 4, 5, 4, 8, 2, 5, 4.
33
Tema # 5
OTRAS MEDIDAS DE POSICIÓN CENTRAL
En matemáticas y estadística una media o promedio es una medida de tendencia central que
resulta al efectuar una serie determinada de operaciones con un conjunto de números y que,
en determinadas condiciones, puede representar por sí solo a todo el conjunto. Existen
distintos tipos de medias, tales como la media geométrica, la media ponderada y la media
armónica media cuadrática aunque en el lenguaje común, el término se refiere
generalmente a la media aritmética.
5.1 MEDIA GEOMÉTRICA

En matemáticas y estadística, la media geométrica de una cantidad arbitraria de números
(por decir n números) es la raíz n-ésima del producto de todos los números, es recomendada
para datos de progresión geométrica, para promediar razones, interés compuesto y números
índices.
Por ejemplo, la media geométrica de 2 y 18 es
Otro ejemplo, la media de 1, 3 y 9 sería
o
5.1.1 PROPIEDADES
 El logaritmo de la media geométrica es igual a la media aritmética de los logaritmos de
los valores de la variable.
 La media geométrica de un conjunto de números positivos es siempre menor o igual
que la media aritmética:
Ventajas
 Considera todos los valores de la distribución
 Es menos sensible que la media aritmética a los valores extremos.
Desventajas
 Es de significado estadístico menos intuitivo que la media aritmética,
 Su cálculo es más difícil
 En ocasiones no queda determinada; por ejemplo, si un valor entonces la media
geométrica se anula.
Solo es relevante la media geométrica si todos los números son positivos. Como hemos
visto, si uno de ellos es 0, entonces el resultado es 0. Si hubiera un número negativo (o una
cantidad impar de ellos) entonces la media geométrica sería o bien negativa, o bien
inexistente en los números reales.
En muchas ocasiones se utiliza su trasformación en el manejo estadístico de variables con
distribución no normal.
La media geométrica es relevante cuando varias cantidades son multiplicadas para producir
un total.
34
Ejemplo.- Supongase que las utilidades obtenidas por una compañía constructora en cuatro
proyectos fueron de 3, 2, 4 y 6%, respectivamente. ¿ Cúal es la media geométrica de las
ganancias?.
En este ejemplo X y asi la media geométrica es determinada por
y así la media geométrica de las utilidades es el 3.46%.

La media aritmética de los valores anteriores es 3.75%. Aunque el valor 6% no es muy
grande, hace que la media aritmética se incline hacia valores elevados. La media
geométrica no se ve tan afectada por valores extremos.
5.2 MEDIA GEOMÉTRICA PONDERADA

Al igual que en una media aritmética pueden introducirse pesos como valores
multiplicativos para cada uno de los valores con el fin de ponderar o hacer pesar más en el
resultado final ciertos valores, en la media geométrica pueden introducirse pesos como
exponentes:
Donde las son los pesos.
Ejemplo.- Una cadena de expendedores de gasolina el año pasado aumentó sus ingresos
respecto al año anterior en 21%; y han proyectado que este año van a llegar a un aumento
de 28% con respecto al año pasado. ¿Cuánto es el promedio anual del aumento porcentual?
Definitivamente no es (21% + 28%):2 = 24,5%.
El monto de la producción, al final de dos años, es 100(1,21)(1,28)= 154,88. Si en cada año
se tuviera una tasa anual de aumento de i% resulta
100 → 100(1+i) → 100(1 +i)2.
Entonces
100(1 +i)2 = 154,88
(1 +i)2 = 1,5488
1+i= =1,244507
i = 0,244507 = 24,451% 1
5.3 MEDIA ARITMÉTICA PONDERADA

La media ponderada es una medida de tendencia central, que es apropiada cuando en un
conjunto de datos cada uno de ellos tiene una importancia relativa (o peso) respecto de los
demás datos. Se obtiene multiplicando cada uno de los datos por su ponderación o peso y
luego sumarlos, para obtener una suma ponderada. A continuación se divide la suma
ponderada entre la suma de los pesos, dando como resultado la media ponderada.
Para una serie de datos no vacía a la que corresponden los
pesos
35
La media ponderada se calcula de la siguiente manera
Ejemplo.- Se puede usar una media ponderada para calcular la nota final de un curso, en
donde se asigna distinta importancia (peso) a los distintos exámenes que se realicen.
Por ejemplo, si las dos primeras pruebas tienen un peso de 30% y 20% respectivamente,
mientras que la última prueba tiene un peso de 50% y las calificaciones respectivas son de
6.4, 9.2, 8.1 entonces la nota final corresponde a la siguiente media ponderada:
Datos:
Pesos:
Media Ponderada:
5.4 MEDIA ARMÓNICA

La media armónica, denominada H, de una cantidad finita de números es igual al recíproco,
o inverso, de la media aritmética de los recíprocos de dichos valores y es recomendada para
promediar velocidades.
Así, dados n números x1, x2, ... , xn la media armónica será igual a:
o
La media armónica resulta poco influida por la existencia de determinados valores mucho
más grandes que el conjunto de los otros, siendo en cambio sensible a valores mucho más
pequeños que el conjunto.
La media armónica no está definida en el caso de que exista algún valor nulo.
5.4.1 PROPIEDADES
1. La inversa de la media armónica es la media aritmética de los inversos de los
valores de la variable.
2. Siempre se puede pasar de una media armónica a una media aritmética
transformando adecuadamente los datos.
3. La media armónica siempre es menor o igual que la media aritmética, ya que para
cualesquiera números reales positivos :
Ventaja
 Considera todos los valores de la distribución y en ciertos casos, es más representativa
que la media aritmética.
36
Desventajas
 La influencia de los valores pequeños y el hecho que no se puede determinar en las
distribuciones con algunos valores iguales a cero; por eso no es aconsejable su empleo
en distribuciones donde existan valores muy pequeños.
Se suele utilizar para promediar velocidades, tiempos, rendimientos, etc.
Ejemplo
Supongase que una familia realiza un viaje en automóvil a un ciudad y cubre los primeros
100 km a 60 km/h, los siguientes 100 km a 70 km/h y los últimos 100 km a 80 km/h.
Calcular, en esas condiciones, la velocidad media realizada.
5.5 MEDIA HERONIANA

En matemáticas, la media heroniana de dos números reales no negativos A y B se expresa
como:
Recibe su nombre de Herón de Alejandría, y se usa para calcular el volumen de

un tronco de pirámide o de cono. El volumen es igual al producto de la altura del tronco
por la media heroniana de las áreas de las dos caras paralelas que forman sus bases.
La media heroriana de dos números A y B es una media ponderada de su media
aritmética y su media geométrica:
5.6 MEDIA CUADRÁTICA

En matemáticas, la media cuadrática, es una medida estadística de la magnitud de una
cantidad variable. Puede calcularse para una serie de valores discretos o para
una función de variable continua. El nombre deriva del hecho de que es la raíz cuadrada de
la media aritmética de los cuadrados de los valores.
A veces la variable toma valores positivos y negativos, como ocurre, por ejemplo, en
los errores de medida. En tal caso se puede estar interesado en obtener un promedio que no
recoja los efectos del signo. Este problema se resuelve, mediante la denominada media
cuadrática. Consiste en elevar al cuadrado todas las observaciones (así los signos negativos
desaparecen), en obtener después su media aritmética y en extraer, finalmente, la raíz
cuadrada de dicha media para volver a la unidad de medida original. La desviación estandar
es una media cuadrática.
La media cuadrática para una colección de N valores {x1, x2, ... , xN} de una variable
discreta x.
37
Para una función de variable continua f(t) definida sobre el intervalo T1 ≤ t ≤ T2 viene dada
por la expresión:
5.6.1 PROPIEDAD
Hay una relación de orden de las medias obtenidas de una misma colección de valores
H≤ G ≤ A ≤ C , donde H es la media armónica; G, la media geométrica; A, la media
aritmética ; C, la media cuadrática.
38

1. A continuación se muestran las ponderaciones de las evaluaciones en los cursos de
probabilidad y estadística y las notas de un estudiante durante el semestre.
Evaluación Nota Porcentaje
Parcial 1 4.5 20
Parcial 2 3.5 20
Parcial 3 4.0 20
Examen final 4.0 20
Tema especial 4.5 10
Otras evaluaciones 4.2 10
- Determine la nota promedio del estudiante.
2.- Se ha calculado que, durante el primer año de uso, cierta máquina sufre una
depreciación del 16% respecto a su valor de costo, y que, durante el segundo año, la
depreciación es del 9% del valor que tenía al comenzar dicho segundo año. Encuéntrese un
tanto por ciento promedio de depreciación anual.
3.- Si la asignatura A tiene un valor de 2 créditos y la asignatura B tiene un valor de 3

créditos. Entonces, para un estudiante que haya obtenido una calificación de 4 en la
asignatura A y de 5 en la asignatura B, la nota promedio ponderado está dada por
4.- Suponga que en el año 2013 los empleados de una empresa industria tienen salario
promedio de $2.500.000 y para el año 2014 se les hizo un aumento de 15 %. Además se les
da una bonificación mensual de $50.000 por aniversario de la empresa. ¿ Cuál es el salario
promedio del año 2014?.
39
Tema # 6
ESTADIGRAFOS DE POSICION NO CENTRAL
Las medidas de posición no centrales permiten conocer otros puntos característicos de la

distribución que no son los valores centrales. Entre otros indicadores, se suelen utilizar una
serie de valores que dividen la muestra en tramos iguales:
6.1 CUARTILES
Son 3 valores que distribuyen la serie de datos, ordenada de forma creciente o decreciente,
en cuatro tramos iguales, en los que cada uno de ellos concentra el 25% de los resultados.
Q1, Q2 y Q3 determinan los valores correspondientes al 25%, al 50% y al 75% de los datos.
Q2 coincide con la mediana.
6.1.1 Cálculo de los cuartiles para datos no tabulados

 Ordenamos los datos de menor a mayor.
 Buscamos el lugar que ocupa cada cuartil mediante la expresión
.
Número impar de datos
2, 5, 3, 6, 7, 4, 9
Número par de datos

2, 5, 3, 4, 6, 7, 1, 9
6.1.2 Cálculo de los cuartiles para datos tabulados
En primer lugar buscamos la clase donde se encuentra , en la tabla de

las frecuencias acumuladas.
Li es el límite inferior de la clase donde se encuentra la mediana.

N es la suma de las frecuencias absolutas.
Fi-1 es la frecuencia acumulada anterior a la clase mediana.
ai es la amplitud de la clase.
40
Ejercicio de cuartiles
Calcular los cuartiles de la distribución de la tabla:
fi Fi
[50, 60) 8 8
[60, 70) 10 18
[70, 80) 16 34
[80, 90) 14 48
[90, 100) 10 58
[100, 110) 5 63
[110, 120) 2 65
65
Cálculo del primer cuartil
Cálculo del segundo cuartil
Cálculo del tercer cuartil
6.2 DECILES
Son 9 valores que distribuyen la serie de datos, ordenada de forma creciente o decreciente,
en diez tramos iguales, en los que cada uno de ellos concentra el 10% de los resultados.
Los deciles dan los valores correspondientes al 10%, al 20%... y al 90% de los datos.
D5 coincide con la mediana.
6.2.1 CÁLCULO DE LOS DECILES
En primer lugar buscamos la clase donde se encuentra , en la tabla

de las frecuencias acumuladas.
41

Ejercicio de deciles
Calcular los deciles de la distribución de la tabla:
fi Fi
[50, 60) 8 8
[60, 70) 10 18
[70, 80) 16 34
[80, 90) 14 48
[90, 100) 10 58
[100, 110) 5 63
[110, 120) 2 65
65
Cálculo del primer decil
Cálculo del segundo decil
Cálculo del tercer decil
42
Cálculo del cuarto decil
Cálculo del quinto decil
Cálculo del sexto decil
Cálculo del séptimo decil
Cálculo del octavo decil
Cálculo del noveno decil
6.3 PERCENTILES
Los percentiles son los 99 valores que dividen la serie de datos en 100 partes iguales.
Los percentiles dan los valores correspondientes al 1%, al 2%... y al 99% de los datos.
P50 coincide con la mediana.
6.3.1 Cálculo de los percentiles
En primer lugar buscamos la clase donde se encuentra , en la tabla

de las frecuencias acumuladas.
43

Ejercicio de percentiles
Calcular el percentil 35 y 60 de la distribución de la tabla:
fi Fi
[50, 60) 8 8
[60, 70) 10 18
[70, 80) 16 34
[80, 90) 14 48
[90, 100) 10 58
[100, 110) 5 63
[110, 120) 2 65
65
Percentil 35
Percentil 60
44
EJERCICIO PARA EL ESTUDIANTE

1.- Las puntuaciones obtenidas por un grupo en una prueba han sido:
15, 20, 15, 18, 22, 13, 13, 16, 15, 19, 18, 15, 16, 20, 16, 15, 18, 16, 14, 13.
a) Calcular los cuartiles, deciles y percentiles datos no tabulados.
b) Calcular los cuartiles, deciles y percentiles datos tabulados.(Ic regla de sturger).
2.- El número de estrellas de los hoteles de una ciudad viene dado por la siguiente serie:
3, 3, 4, 3, 4, 3, 1, 3, 4, 3, 3, 3, 2, 1, 3, 3, 3, 2, 3, 2, 2, 3, 3, 3, 2, 2, 2, 2, 2, 3, 2, 1, 1, 1,
2, 2, 4, 1.
b). Calcular los cuartiles, deciles y percentiles datos tabulados.(Ic regla de sturger).
3.- Las calificaciones de 50 alumnos en Matemáticas han sido las siguientes:

5, 2, 4, 9, 7, 4, 5, 6, 5, 7, 7, 5, 5, 2, 10, 5, 6, 5, 4, 5, 8, 8, 4, 0, 8, 4, 8, 6, 6, 3, 6, 7, 6,
6, 7, 6, 7, 3, 5, 6, 9, 6, 1, 4, 6, 3, 5, 5, 6, 7.
4.- Los pesos de los 65 empleados de una fábrica vienen dados por la siguiente tabla:
Peso [50, 60) [60, 70) [70, 80) [80,90) [90, 100) [100, 110) [110, 120)
fi 8 10 16 14 10 5 2
a) Calcular los cuartiles, deciles y percentiles
5.- Los 40 alumnos de una clase han obtenido las siguientes puntuaciones, sobre 50, en un
examen de Física.
3, 15, 24, 28, 33, 35, 38, 42, 23, 38, 36, 34, 29, 25, 17, 7, 34, 36, 39, 44, 31, 26, 20, 11,
13, 22, 27, 47, 39, 37, 34, 32, 35, 28, 38, 41, 48, 15, 32, 13.
6.- Sea una distribución estadística que viene dada por la siguiente tabla:
xi 61 64 67 70 73
fi 5 18 42 27 8
a) Calcular los cuartiles, deciles y percentiles
45
TEMA # 7
ESTADIGRAFOS DE DISPERSION
Estudia la distribución de los valores de la serie, analizando si estos se encuentran más o

menos concentrados, o más o menos dispersos.
Existen diversas medidas de dispersión, entre las más utilizadas podemos destacar las
siguientes:
7.1 RANGO
Mide la amplitud de los valores de la muestra y se calcula por diferencia entre el valor más
elevado y el valor más bajo.
R = XMIN-XMAX
7.2 DESVIACIÓN MEDIA

La desviación media es la media aritmética de los valores absolutos de las desviaciones
respecto a la media.
La desviación media se representa por
Calcular la desviación media de la distribución:

9, 3, 8, 8, 9, 8, 9, 18
7.2.1 DESVIACIÓN MEDIA PARA DATOS AGRUPADOS

Si los datos vienen agrupados en una tabla de frecuencias, la expresión de la desviación
media es:
46
Calcular la desviación media de la distribución:

xi fi xi · fi |x -x| |x - x| · fi
[10, 15) 12.5 3 37.5 9.286 27.858
[15, 20) 17.5 5 87.5 4.286 21.43
[20, 25) 22.5 7 157.5 0.714 4.998
[25, 30) 27.5 4 110 5.714 22.856
[30, 35) 32.5 2 65 10.714 21.428
21 457.5 98.57
7.3 VARIANZA
Mide la distancia existente entre los valores de la serie y la media. Se calcula como
sumatorio de las diferencias al cuadrado entre cada valor y la media, multiplicadas por el
número de veces que se ha repetido cada valor. El sumatorio obtenido se divide por el
tamaño de la muestra.
Para datos no tabulados
Para datos agrupados
La varianza siempre será mayor que cero. Mientras más se aproxima a cero, más
concentrados están los valores de la serie alrededor de la media. Por el contrario, mientras
mayor sea la varianza, más dispersos están.
47
7.4 DESVIACIÓN TÍPICA

Se calcula como raíz cuadrada de la varianza.
7.5 COEFICIENTE DE VARIZACIÓN DE PEARSON

Se calcula como cociente entre la desviación típica y la media.
48

1.- vamos a utilizar la serie de datos de la estatura de los alumnos de una clase y vamos a
calcular sus medidas de dispersión.
Variable Frecuencias absolutas Frecuencias relativas
(Valor) Simple Acumulada Simple Acumulada
x fi Fi hi Hi
1,20 1 1 3,3% 3,3%
1,21 4 5 13,3% 16,6%
1,22 4 9 13,3% 30,0%
1,23 2 11 6,6% 36,6%
1,24 1 12 3,3% 40,0%
1,25 2 14 6,6% 46,6%
1,26 3 17 10,0% 56,6%
1,27 3 20 10,0% 66,6%
1,28 4 24 13,3% 80,0%
1,29 3 27 10,0% 90,0%
1,30 3 30 10,0% 100,0%

60 70 80 50 40 45 65 70 79 67 79 45 60 70 80 90 98 78 56 65
70 45 57 58 60 65 70 98 87 79 65 75 65 79 56 55 60 79 80 90
80 56 76 65 70 80 90 55 57 90 80 75 65 80 55 60 75 60 65 55
90 87 67 55 65 78 70 67 67 68 55 55 50 53 54 93 56 70 80 80
70 86 85 65 48 45 75 40 56 50 55 64 58 50 58 59 70 49 52 51
de clases y Calcular el rango, Desviación media, Varianza, Desviación Típica y
coeficiente de variación.
49
Tema # 8
MEDIDAS DE FORMA
8.1 ASIMETRIA
El objetivo de la medida de la asimetría es, sin necesidad de dibujar la distribución de
frecuencias, estudiar la deformación horizontal de los valores de la variable respecto al
valor central de la media. Las medidas de forma pretenden estudiar la concentración de la
variable hacia uno de sus extremos.
A) SIMETRIA
Una distribución de frecuencias X es simétrica cuando son iguales las frecuencias
correspondientes a valores equidistantes de un valor central considerado como eje
B) ASIMETRÍA POR LA IZQUIERDA O NEGATIVA

Una distribución de frecuencias es asimétrica por la izquierda o presenta asimetría negativa
cuando las frecuencias descienden más lentamente por la izquierda
50
C) ASIMETRÍA POR LA DERECHA O POSITIVA

Una distribución de frecuencias es asimétrica por la derecha o presenta asimetría positiva
cuando las frecuencias descienden más lentamente por la derecha
8.1.1 COEFICIENTE DE ASIMETRÍA DE PEARSON

Se basa en el hecho de que en una distribución simétrica, la media coincide con la moda. A
partir de este dato se define el coeficiente de asimetría de Pearson como:
Propiedades
Si Ap = 0 ) X = Mo = Me ) Distribución simétrica
Si Ap > 0 ) Distribución asimétrica por la derecha
Si Ap < 0 ) Distribución asimétrica por la izquierda
51
8.1.2 COEFICIENTE DE ASIMETRÍA DE FISHER

En una distribución simétrica los valores se sitúan en torno a la media aritmética de forma
simétrica. El coeficiente de asimetría de Fisher se basa en la relación entre las distancias a
la media y la desviación típica.
En una distribución simétrica x = Me = Mo y m3 = 0. Por eso define como:
Propiedades
Si g1 = 0 ) Distribución simétrica
Si g1 > 0 ) Distribución asimétrica por la derecha
Si g1 < 0 ) Distribución asimétrica por la izquierda
8.2 CURTOSIS
El concepto de curtosis o apuntamiento de una distribución surge al comparar la forma de
dicha distribución con la forma de la distribución Normal. De esta forma, clasificaremos las
distribuciones según sean más o menos apuntadas que la distribución Normal.
A) DISTRIBUCIÓN LEPTOCÚRTICA
Una distribución de frecuencias es leptocúrtica si está más apuntada que la distribución
normal.
B) DISTRIBUCIÓN MESOCÚRTICA
Una distribución de frecuencias es mesocúrtica si está igual de apuntada que la distribución
normal
C) DISTRIBUCIÓN PLATICÚRTICA
Una distribución de frecuencias es platicúrtica si está menos apuntada que la distribución
normal
52
8.2.1 COEFICIENTE DE CURTOSIS DE FISCHER

El Coeficiente de Curtosis o Apuntamiento de Fischer pretende comparar la curva de una
distribución con la curva de la variable Normal, en función de la cantidad de valores
extremos de la distribución.
Propiedades
Si g2 = 0 ) Distribución mesocúrtica
Si g2 > 0 ) Distribución leptocúrtica
Si g2 < 0 ) Distribución platicúrtica
53
1.- Se realizó una encuesta a 20 mujeres sobre el número de veces que salen a divertirse
con sus amigas en un mes y los resultados fueron los siguientes.
0 5 10 5 4 4 5 0 1 2 0 1 7 10 3 4 2 1 1 5
a) Calcular el coeficiente de asimetría de Fischer y de Pearson
b) Calcular el coeficiente de curtosis de Fischer
c) Construir una tabla de distribución de frecuencias casos Discretos y calcular el
coeficiente de asimetría de Fischer y de Pearson.

60 70 80 50 40 45 65 70 79 67 79 45 60 70 80 90 98 78 56 65
70 45 57 58 60 65 70 98 87 79 65 75 65 79 56 55 60 79 80 90
80 56 76 65 70 80 90 55 57 90 80 75 65 80 55 60 75 60 65 55
90 87 67 55 65 78 70 67 67 68 55 55 50 53 54 93 56 70 80 80
70 86 85 65 48 45 75 40 56 50 55 64 58 50 58 59 70 49 52 51
de clases y Calcular calcular el coeficiente de asimetría de Fischer y de Pearson.
b) Calcular el coeficiente de curtosis de Fischer
3. Con los siguientes números, calcular los coeficiente de asimetría de Fischer y de

Pearson y el coeficiente de curtosis de fischer: 5, 3, 6, 5, 4, 5, 2, 8, 6, 5, 4, 8, 3, 4, 5, 4, 8,
2, 5, 4.
54
TEMA # 9
REGRESION
Muchos trabajos de investigación, se centran en la determinación de la relación existente

entre dos variables X e Y (variable independiente y dependiente).
a. El interés de un investigador es conocer si las variables que se consideran se
relacionan o son independiente entre sí: ejemplo; la presión sanguínea (Y)
¿depende de la edad (X)?.
b. En otras la intención es predecir (Y) a través de (X); ¿Qué peso (Y) debe tener un
individuo cuyo estatura es (X)?.
c. Otro objetivo puede ser conocer el tipo de relación que liga a 2 variable, la estatura
de niño ¿varia linealmente con la edad?.
Para establecer la relación funcional entre dos variables se recurre al análisis de regresión,
que nos permite predecir el valor de la variable dependiente (Y) sobre la base de otra u
otras; considerando a la primera como variable dependiente, y aquellas que sirven de base
para la predicción variables independiente, denominadas también regreso res o variables
explicativas.
9.1 REGRESION
La mejor forma de comprobar si dos variables X e Y están relacionadas consiste en tomar
una muestra anotar las parejas de las variables (X¡ , Y¡) obtenidas en ellas son
¡=1,2,3,4,…..n y representarlos en un sistema de ejes cartesianos , con (X) en el eje
horizontal e (Y) en el eje vertical. Al conjunto de puntos a si obtenidos se le llama nube de
puntos o diagrama de dispersión que nos permite tener una idea acerca si hay relación entre
las variables, y en caso afirmativo sobre la forma de esta. Una nube de puntos como la fig.
a, nos indica que existe una relación y que es de tipo lineal, pues fue la variable Y aumenta
linealmente ante un incremento en X. (la nube se ajustara más o menos a una línea recta ).
Una nube de puntos como al fig. b, nos indica que existe una relación y que esta es una
recta, en este caso particular la relación es parabólica pues es la línea de ajuste es una
parábola. Una nube de punto como la fig. c, nos indica que no existe una relación pues no
se ve que línea es la mejor se ajusta a ella, las líneas no tiene una tendencia clara.
Y
Y
Y
X Fig. b X
Fig. a Fig. C X
55
De modo general se dice que una muestra de n valores (X ¡Y¡)existe regresión de los
valores de una variable con respecto a los de la otra haiga una línea, llamada de regresión
que se ajusta a una nube de puntos. De existir regresión a la ecuación Y=f (X) dónde por
ejemplo Y=2+3x que en este caso una relación se llama ecuación de regresión, a la variable
X se le llama variable independiente y a la variable Y se le llama variable dependiente.
9.2 TIPOS DE REGRESION.

A efectos metodológicos distinguiremos tres tipos de regresión.
9.2.1 REGRESION LINEAL SIMPLE

Es un modelo matemático para estimar el efecto de una variable sobre otra. Está asociada
con el coeficiente correlación “r”de pearson. Cuando solo hay dos variables x e y que se
relacionan según una línea recta.
9.2.2 REGRESION CURVILINEA

Son aquellas en las cuales la tendencia varia, primero puede ser ascendente y luego
descendente o viceversa. Cuando hay dos variables x e y que relacionan según una línea
curva.
9.2.3 REGRESION MULTIPLE.

Cuando hay más de una variable independiente (X1, X2,….XK) y solo una dependencia
(Y), sirviendo el conjunto de las primeras para predecir la segunda.
Los métodos de análisis son similares en todos los casos en la realidad la regresión lineal
es caso particular de la curvilínea, y esta última lo es de la múltiple pero los cálculos
implicados son cada vez más largos. Sin embargo la restricción no es tan importante como
parece. Un porcentaje apreciable de los trabajos de investigación enfocables por regresión,
pueden abordarse por el método lineal directamente.
9.3 METODOS DE LOS MINIMOS CUADRADOS

Comencemos nuestro análisis buscando encontrar una recta de ajuste que relaciones dos
variables, método al que denominaremos regresión lineal simple bivariante. Para ello
partiremos de la colección de valores que sumen las mismas, denotando X a la variable
independiente: donde X1, X 2,…..X0 son valores que asume la variable X e Y1, Y2,….Y0
son valores de la variable Y. estos valores de las variables pueden ser responsables pueden
ser representados gráficamente en un sistema de coordenadas rectangulares de la siguiente
manera.
A lo que se denomina nube de puntos o diagramas de dispersión. Para ajustar una recta
relacione a las dos variables en base a sus respectivos valores, existen varias alternativas,
siendo que el método de los mínimos cuadrados es aquel de mayor utilidad y uso más
frecuente.
El método de los mínimos cuadrados (M.M.C), es aquel que minimiza el cuadrado de los
valores de la variables dependiente respecto a sus valores estimados de la misma sobre la
recta de ajustes, y se los denomina ordinarios por que las desviaciones se las considera en
forma vertical. La gran utilidad de este método está dada fundamentalmente porque nos da
56
mejor recta de ajuste. Dado que una ecuación general para una recta donde X es la variable
independiente se denota por:
Y=a +bX
Donde:
X= valores de la variable independiente (valores conocidos)
Y= valores estimados de la variable y sobre la recta de ajuste para los respectivos valores
de la variable X.
a =estimador que nos representa la altura de nuestra recta ajustada sobre el eje de las
ordenadas. (Coeficiente de regresión).
b= estimador que nos muestra la pendiente la altura de la recta; es un estimador de la ay/ax,
proporción de los cambios en “Y” como resultado de cambios en “X” (coeficiente de
regresión).
Los coeficientes de regresión ( a y b), están dados según la siguiente formulas:
b = n yixi - yixi
a=Y - bX nxi2 - (xi)2
a y b son los estimados buscados o coeficientes de regresión

X¡=Valores que asume la variable X
Y¡=Valores que asume la variable Y
X=Media aritmética de los valores de la variable independiente.
Y=Media aritmética de los valores de la variable dependiente.
N=Número total de observaciones.
Ejemplo: considerando los datos de la siguiente tabla para la variable independiente X y la
variable dependiente Y, ajuste a una línea recta.
X Y XY X2
1 2 2 1
2 6 12 4
3 4 12 9
4 4 16 16
5 8 40 25
6 7 42 36
7 8 56 49
8 6 48 64
9 10 90 81
10 9 90 100
 X = 55  Y = 64  XY = 408  X =385
2
57
N = 10 Xi = 5,5 Yi = 6,4
b = (10)(408) – (55)(64) = 0,68

b = n yixi - yixi
(10)(385) – (55)2
nxi2 - (xi)2
Entonces la ecuación de mínimos cuadrados o la ecuación de ajuste seria:
a=Y - bX a = 6,4 - 0,68 (5,5) = 2,66
Y=a +bX Y = 2,66 + 0,68 X
Para graficar la recta de ajuste se da valores a la variable independiente (X), en la formula.

Por Ejemplo Si X = 4  Y= 2,66 + 0,68 (4) = 5,38
Si X = 6  Y = 2,66 + 0,68 (6) = 6,74
Y = 2,66 + 0,68 X
58
1.- Use el método de mínimos cuadrados para determinar la ecuación de la recta que mejor
se ajusta para los datos. Luego grafique la recta.
2.- En la Siguiente Tabla Se tiene datos de 5 años de la tasa de crecimiento de la población

de Trinidad, ( sin decimales), determinar la Ecuación de Ajuste y proyectar la tasa de
crecimiento del séptimo año.
Años (X) Tasa de XY X2
Crecimiento (Y)
1 3
2 5
3 4
4 6
5 4
 15  22
3.- Se toma una muestra aleatoria de 8 ciudades de una región geográfica de 13

departamentos y se determina por los datos del censo el porcentaje de graduados en
educación superior y la mediana del ingreso de cada ciudad, los resultados son los
siguientes: (determinar la ecuación de ajuste).
CIUDAD : 1 2 3 4 5 6 7 8
% de (X)
Graduados : 7.2 - 6.7 - 17.0 - 12.5 - 6.3 - 23.9- 6.0 - 10.2
Ingreso (Y)
Mediana : 4.2- 4.9 -7.0- 6.2- 3.8- 7.6- 4.4- 5.4
4.- Proyectar la Oferta de un cierto producto tomando en cuenta los datos obtenidos en el estudio
de mercado, ver cuál de los métodos o curvas de proyección se ajusta mejor a la nube de puntos y
determinar la Oferta para los próximos diez años.
59
TEMA # 10
TÉCNICAS DE CONTEO
Suponga que se encuentra al final de una línea de ensamble final de un producto y que un
supervisor le ordena contar los elementos de un lote que se ha manufacturado hace unas
horas y del que se desconoce el número de productos que lo constituyen, de inmediato
usted empezará a contar un producto tras otro y al final informará al supervisor que son, 48,
54 u otro número cualquiera. Ahora suponga que ese mismo supervisor le plantea la
siguiente pregunta ¿cuántas muestras o grupos será posible formar con los productos del
lote, si las muestras o grupos a formar son de ocho elementos cada una de ellas?.
En el primer caso el cuantificar los elementos del lote no presenta dificultad alguna para la
persona encargada de hacerlo, pero cuando se le hace el segundo planteamiento, al tratar de
formar las muestras o grupos de ocho elementos la persona encargada empezará a tener
dificultad para hacerlo, en casos como este es necesario hacer uso de las técnicas de conteo
para cuantificar los elementos del evento en cuestión (el número de muestras posibles a
formar de ocho elementos), luego, ¿qué son las técnicas de conteo?
Las técnicas de conteo son aquellas que son usadas para enumerar eventos difíciles de
cuantificar.
Ejemplos en los que definitivamente haremos uso de las técnicas de conteo serían:
-¿Cuántas comisiones pro limpieza del instituto se pueden formar si hay 150 alumnos que
desean ayudar en esta tarea y se desea formar comisiones de ocho alumnos?
-¿Cuántas representaciones de alumnos pueden ser formadas a) si se desea que estas
consten solo de alumnos de Ingeniería Química?, b) se desea que el presidente sea un
químico?, c) se desea que el presidente y tesorero sean químicos? Para todos los casos, se
desea que las representaciones consten de once alumnos.
-¿Cuántas maneras tiene una persona de seleccionar una lavadora, una batidora y dos
licuadoras, si encuentra en una tienda 8 modelos diferentes de lavadoras, 5 modelos
diferentes de batidoras y 7 modelos diferentes de licuadoras?
Se les denomina técnicas de conteo a: las combinaciones, permutaciones variaciones y

diagrama de árbol, las que a continuación se explicarán y hay que destacar que éstas nos
proporcionan la información de todas las maneras posibles en que ocurre un evento
determinado.
Las bases para entender el uso de las técnicas de conteo son el principio multiplicativo y el
aditivo, los que a continuación se definen y se hace uso de ellos.
10.1 PRINCIPIO MULTIPLICATIVO.

Si se desea realizar una actividad que consta de r pasos, en donde el primer paso de la
actividad a realizar puede ser llevado a cabo de N1 maneras o formas, el segundo paso de
N2 maneras o formas y el r-ésimo paso de Nr maneras o formas, entonces esta actividad
puede ser llevada a efecto de;
N1 x N2 x ..........x Nr maneras o formas

60
El principio multiplicativo implica que cada uno de los pasos de la actividad deben ser
llevados a efecto, uno tras otro.
Ejemplos:
1) Una persona desea construir su casa, para lo cuál considera que puede construir
los cimientos de su casa de cualquiera de dos maneras (concreto o block de
cemento), mientras que las paredes las puede hacer de adobe, adobón o ladrillo, el
techo puede ser de concreto o lámina galvanizada y por último los acabados los
puede realizar de una sola manera ¿cuántas maneras tiene esta persona de construir
su casa?
Solución:
Considerando que r = 4 pasos
N1= maneras de hacer cimientos = 2

N2= maneras de construir paredes = 3
N3= maneras de hacer techos = 2
N4= maneras de hacer acabados = 1
N1 x N2 x N3 x N4 = 2 x 3 x 2 x 1 = 12 maneras de construir la casa
El principio multiplicativo, el aditivo y las técnicas de conteo que posteriormente se

tratarán nos proporcionan todas las maneras o formas posibles de como se puede llevar a
cabo una actividad cualquiera.
2) ¿Cuántas placas para automóvil pueden ser diseñadas si deben constar de tres
letras seguidas de cuatro números, si las letras deben ser tomadas del abecedario y
los números de entre los dígitos del 0 al 9?, a. Si es posible repetir letras y números,
b. No es posible repetir letras y números, c. Cuántas de las placas diseñadas en el
inciso b empiezan por la letra D y empiezan por el cero, d. Cuantas de las placas
diseñadas en el inciso b empiezan por la letra D seguida de la G.
Solución:
a. Considerando 26 letras del abecedario y los dígitos del 0 al 9
26 x 26 x 26 x 10 x 10 x 10 x 10 = 75,760,000 placas para automóvil que es

posible diseñar
b. 26 x 25 x 24 x 10 x 9 x 8 x 7 = 78,624,000 placas para automóvil
c. 1 x 25 x 24 x 1 x 9 x 8 x 7 = 302,400 placas para automóvil
d. 1 x 1 x 24 x 10 x 9 x 8 x 7 = 120,960 placas para automóvil
61
3) ¿Cuántos números telefónicos es posible diseñar, los que deben constar de seis
dígitos tomados del 0 al 9?, a. Considere que el cero no puede ir al inicio de los
números y es posible repetir dígitos, b. El cero no debe ir en la primera posición y
no es posible repetir dígitos, c. ¿Cuántos de los números telefónicos del inciso b
empiezan por el número siete?, d. ¿Cuántos de los números telefónicos del inciso b
forman un número impar?.
Solución:
a. 9 x 10 x 10 x 10 x 10 x 10 = 900,000 números telefónicos

b. 9 x 9 x 8 x 7 x 6 x 5 = 136,080 números telefónicos
c. 1 x 9 x 8 x 7 x 6 x 5 = 15,120 números telefónicos
d. 8 x 8 x 7 x 6 x 5 x 5 = 67,200 números telefónicos
10.2 PRINCIPIO ADITIVO.

Si se desea llevar a efecto una actividad, la cuál tiene formas alternativas para ser
realizada, donde la primera de esas alternativas puede ser realizada de M maneras o formas,
la segunda alternativa puede realizarse de N maneras o formas ..... y la última de las
alternativas puede ser realizada de W maneras o formas, entonces esa actividad puede ser
llevada a cabo de,
M + N + .........+ W maneras o formas
Ejemplos:
1) Una persona desea comprar una lavadora de ropa, para lo cuál ha pensado que
puede seleccionar de entre las marcas Whirpool, Easy y General Electric, cuando
acude a hacer la compra se encuentra que la lavadora de la marca W se presenta en
dos tipos de carga ( 8 u 11 kilogramos), en cuatro colores diferentes y puede ser
automática o semiautomática, mientras que la lavadora de la marca E, se presenta en
tres tipos de carga (8, 11 o 15 kilogramos), en dos colores diferentes y puede ser
automática o semiautomática y la lavadora de la marca GE, se presenta en solo un
tipo de carga, que es de 11 kilogramos, dos colores diferentes y solo hay
semiautomática. ¿Cuántas maneras tiene esta persona de comprar una lavadora?
Solución:
M = Número de maneras de seleccionar una lavadora Whirpool

N = Número de maneras de seleccionar una lavadora de la marca Easy
W = Número de maneras de seleccionar una lavadora de la marca General Electric
M = 2 x 4 x 2 = 16 maneras
N = 3 x 2 x 2 = 12 maneras
W = 1 x 2 x 1 = 2 maneras
M + N + W = 16 + 12 + 2 = 30 maneras de seleccionar una lavadora
62
2 ) Rafael Luna desea ir a las Vegas o a Disneylandia en las próximas vacaciones de

verano, para ir a las Vegas él tiene tres medios de transporte para ir de Chihuahua al
Paso Texas y dos medios de transporte para ir del Paso a las Vegas, mientras que para ir
del paso a Disneylandia él tiene cuatro diferentes medios de transporte, a) ¿Cuántas
maneras diferentes tiene Rafael de ir a las Vegas o a Disneylandia?, b) ¿Cuántas
maneras tiene Rafael de ir a las Vegas o a Disneylandia en un viaje redondo, si no se
regresa en el mismo medio de transporte en que se fue?.
Solución:
a) V = maneras de ir a las Vegas

D = maneras de ir a Disneylandia
V = 3 x 2 = 6 maneras
D = 3 x 4 = 12 maneras
V + D = 6 + 12 = 18 maneras de ir a las Vegas o a Disneylandia
b) V = maneras de ir y regresar a las Vegas

D = maneras de ir y regresar a Disneylandia
V = 3 x 2 x 1 x 2 = 12 maneras
D = 3 x 4 x 3 x 2 = 72 maneras
V + D = 12 + 72 = 84 maneras de ir a las Vegas o a Disneylandia en un viaje redondo
¿Cómo podemos distinguir cuando hacer uso del principio multiplicativo y cuando
del aditivo?
Es muy simple, cuando se trata de una sola actividad, la cual requiere para ser llevada a
efecto de una serie de pasos, entonces haremos uso del principio multiplicativo y si la
actividad a desarrollar o a ser efectuada tiene alternativas para ser llevada a cabo, haremos
uso del principio aditivo.
10.3 COMBINACIONES:
Determina el número de subgrupos de 1, 2, 3, etc. elementos que se pueden formar con los
"n" elementos de una nuestra. Cada subgrupo se diferencia del resto en los elementos que lo
componen, sin que influya el orden.
Por ejemplo, calcular las posibles combinaciones de 2 elementos que se pueden formar con
los números 1, 2 y 3.
Se pueden establecer 3 parejas diferentes: (1,2), (1,3) y (2,3). En el cálculo de
combinaciones las parejas (1,2) y (2,1) se consideran idénticas, por lo que sólo se cuentan
una vez.
63
10.3.1 CÁLCULO DE COMBINACIONES

Para calcular el número de combinaciones se aplica la siguiente fórmula:
El término " n ! " se denomina "factorial de n" y es la multiplicación de todos los números
que van desde "n" hasta 1.
Por ejemplo: 4 ! = 4 * 3 * 2 * 1 = 24
La expresión "Cm,n" representa las combinaciones de "m" elementos, formando subgrupos
de "n" elementos.
Ejemplo: C10,4 son las combinaciones de 10 elementos agrupándolos en subgrupos de 4
elementos:
Es decir, podríamos formar 210 subgrupos diferentes de 4 elementos, a partir de los 10

elementos.
10.3.2 COMBINACIONES CON REPETICIÓN

Para calcular el número de combinaciones con repetición se aplica la siguiente fórmula:
Ejemplo: C'10,4 son las combinaciones de 10 elementos con repetición, agrupándolos en

subgrupos de 4, en los que 2, 3 o los 4 elementos podrían estar repetidos:
Es decir, podríamos formar 715 subgrupos diferentes de 4 elementos.
10.4 VARIACIONES:
Calcula el número de subgrupos de 1, 2, 3, etc. elementos que se pueden establecer con los
"n" elementos de una muestra. Cada subgrupo se diferencia del resto en los elementos que
lo componen o en el orden de dichos elementos (es lo que le diferencia de las
combinaciones).
Por ejemplo, calcular las posibles variaciones de 2 elementos que se pueden establecer con
los número 1, 2 y 3.
Ahora tendríamos 6 posibles parejas: (1,2), (1,3), (2,1), (2,3), (3,1) y (3,3). En este caso los
subgrupos (1,2) y (2,1) se consideran distintos.
10.4.1 CÁLCULO DE VARIACIONES

Para calcular el número de variaciones se aplica la siguiente fórmula:
La expresión "Vm,n" representa las variaciones de "m" elementos, formando subgrupos de

"n" elementos. En este caso, como vimos en la lección anterior, un subgrupo se diferenciará
del resto, bien por los elementos que lo forman, o bien por el orden de dichos elementos.
64
Ejemplo: V10,4 son las variaciones de 10 elementos agrupándolos en subgrupos de 4

elementos:
Es decir, podríamos formar 5.040 subgrupos diferentes de 4 elementos, a partir de los 10

elementos.
10.4.2 VARIACIONES CON REPETICIÓN

Para calcular el número de variaciones con repetición se aplica la siguiente fórmula:
Ejemplo: V'10,4 son las variaciones de 10 elementos con repetición, agrupándolos en

subgrupos de 4 elementos:
Es decir, podríamos formar 10.000 subgrupos diferentes de 4 elementos.
10.5 PERMUTACIONES:
Calcula las posibles agrupaciones que se pueden establecer con todos los elementos de un
grupo, por lo tanto, lo que diferencia a cada subgrupo del resto es el orden de los elementos.
Por ejemplo, calcular las posibles formas en que se pueden ordenar los número 1, 2 y 3.
Hay 6 posibles agrupaciones: (1, 2, 3), (1, 3, 2), (2, 1, 3), (2, 3, 1), (3, 1, 2) y (3, 2, 1)
10.5.1 CÁLCULO DE PERMUTACIONES

Para calcular el número de permutaciones se aplica la siguiente fórmula:
La expresión "Pm" representa las permutaciones de "m" elementos, tomando todos los
elementos. Los subgrupos se diferenciaran únicamente por el orden de los elementos.
Ejemplo: P10 son las permutaciones de 10 elementos:
Es decir, tendríamos 3.628.800 formas diferentes de agrupar 10 elementos.
Vamos a analizar ahora que ocurriría con el cálculo de las combinaciones, de las
variaciones o de las permutaciones en el supuesto de que al formar los subgrupos los
elementos pudieran repetirse.
Por ejemplo: tenemos bolas de 6 colores diferentes y queremos formar subgrupos en los
que pudiera darse el caso de que 2, 3, 4 o todas las bolas del subgrupo tuvieran el mismo
color. En este caso no podríamos utilizar las fórmulas que vimos en la lección anterior.
65
10.5.2 PERMUTACIONES CON REPETICIÓN

Para calcular el número de permutaciones con repetición se aplica la siguiente fórmula:
Son permutaciones de "m" elementos, en los que uno de ellos se repite " x 1 " veces, otro "
x2 " veces y así ... hasta uno que se repite " xk " veces.
Ejemplo: Calcular las permutaciones de 10 elementos, en los que uno de ellos se repite en 2 ocasiones y
otro se repite en 3 ocasiones:
Es decir, tendríamos 302,400 formas diferentes de agrupar estos 10 elementos.
10.6 DIAGRAMA DE ARBOL.

Un diagrama de árbol es una representación gráfica de un experimento que consta
de r pasos, donde cada uno de los pasos tiene un número finito de maneras de ser llevado a
cabo.
Ejemplos:
1.Un médico general clasifica a sus pacientes de acuerdo a: su sexo (masculino o
femenino), tipo de sangre (A, B, AB u O) y en cuanto a la presión sanguínea (Normal, Alta
o Baja). Mediante un diagrama de árbol diga en cuantas clasificaciones pueden estar los
pacientes de este médico?
Si contamos todas las ramas terminales, nos damos cuenta que el número de clasificaciones
son 2 x 4 x 3 = 24 mismas que podemos enumerar;
MAN, MAA, MAB, MBN, MBA, MBB, etc, etc.
66
1) Dos equipos denominados A y B se disputan la final de un partido de baloncesto,

aquel equipo que gane dos juegos seguidos o complete un total de tres juegos
ganados será el que gane el torneo. Mediante un diagrama de árbol diga de cuantas
maneras puede ser ganado este torneo,
Solución:
A = gana el equipo A
B = gana el equipo B
En este diagrama se muestran que hay solo diez maneras de que se gane el torneo, que se
obtienen contando las ramas terminales de este diagrama de árbol, las que es posible
enumerar;
AA, ABB, ABAA, ABABA, ABABB, etc, etc.
2) Un hombre tiene tiempo de jugar ruleta cinco veces como máximo, él empieza a jugar
con un dólar, apuesta cada vez un dólar y puede ganar o perder en cada juego un dólar, él se
va a retirar de jugar si pierde todo su dinero, si gana tres dólares (esto es si completa un
total de cuatro dólares) o si completa los cinco juegos, mediante un diagrama de árbol, diga
cuántas maneras hay de que se efectué el juego de este hombre.
67
Si contamos las ramas terminales nos daremos cuenta que hay 11 maneras de que este
hombre lleve a cabo sus apuestas, en este diagrama se han representado los cinco
juegos o apuestas que este hombre tiene tiempo de jugar.
68

1. Si una prueba se compone de 12 preguntas de verdadero-falso, a. ¿de cuantas maneras
diferentes un estudiante puede dar una respuesta para cada pregunta?, b. Sí de antemano el
maestro le dice que la primera pregunta es verdadera, ¿cuántas maneras tiene de contestar
esta prueba?.
a. R= 4,096 maneras b. R= 2,048 maneras
2. Un fabricante tiene dificultades para obtener registros consistentes de resistencias a la

tensión entre tres máquinas localizadas en la planta de producción, el laboratorio de
investigación y el laboratorio de control de calidad , respectivamente, al mismo tiempo hay
cuatro posibles técnicos –Tomás, Enrique, Rafael y Javier- quienes operan al menos una de
las máquinas a prueba regularmente, a. ¿cuántos pares operador-máquina deben incluirse en
un experimento planeado en el que cada operador maneje todas las máquinas?, b. Si se
requiere que cada par operador-máquina pruebe ocho especimenes, ¿cuántos especimenes
de prueba se necesitan para el procedimiento íntegro? Nota: un espécimen se destruye
cuando se mide su resistencia a la tensión.
a. R= 12 pares b. R= 96 especimenes
3. Un inspector de construcciones tiene que revisar el cableado de un nuevo de

departamentos, ya sea el lunes, el martes, miércoles o jueves, a las 8 A. M., a las 10 A. M. o
a las 2 P. M. , a. ¿cuántas maneras tiene este inspector de hacer las revisiones del
cableado?, b. Obtenga las maneras en que el inspector puede realizar las revisiones del
cableado, haciendo uso ahora de un diagrama de árbol.
a y b. R= 12 maneras
4. Si los cinco finalistas de un torneo internacional de golf son España, Estados Unidos,
Portugal, Uruguay y Japón, a. Diga de cuantas maneras es posible que se otorgue un
primero, segundo lugar y tercer lugar, b. Considerando que el primer lugar lo gana Portugal
y el segundo lo gana Estados Unidos, ¿cuantas maneras hay de que se otorguen los lugares
antes mencionados?.
a. R= 60 maneras, b. R= 3 maneras
5. Una computadora de propósito especial contiene tres conmutadores, cada uno de los
cuáles puede instalarse de tres maneras diferentes. ¿De cuantas maneras diferentes puede
instalarse elbanco de conmutadores de la computadora?
R= 27 maneras
6. ¿De cuantas maneras ordenadas puede programar un director de televisión seis

comerciales en los seis intermedios para comerciales durante la transmisión televisiva del
primer tiempo de un partido de hockey?, si, a. los comerciales son todos diferentes, b. dos
de los comerciales son iguales, c. Si hay cuatro comerciales diferentes, uno de los cuales
debe aparecer tres veces, mientras que cada uno de los otros debe aparecer una sola
vez. a. R= 720 maneras b. R= 360 maneras c. R= 120 maneras
7. Determine el número de maneras en las que un fabricante puede seleccionar dos de las
quince ubicaciones para un almacén. R= 105 maneras
69
8. Una caja de 12 baterías recargables, contiene una defectuosa, ¿de cuantas maneras
un inspector puede seleccionar tres de las baterías y, a. obtener la defectuosa, b. no obtener
la defectuosa.
a. R= 55 maneras, b. R= 165 maneras
9. El departamento de suministros tiene ocho diferentes motores eléctricos y cinco

diferentes interruptores de arranque. ¿De cuantas maneras pueden seleccionarse dos
motores y dos conmutadores para un experimento de una antena de rastreo?,
R= 280 maneras
10. A los participantes de una convención se les ofrecen 6 recorridos por día para visitar
lugares de interés durante los tres días de duración del evento. ¿ En cuantas formas puede
una persona acomodarse para hacer alguno de ellos?
R= 18 formas
11. Un determinado zapato se fabrica en 5 estilos diferentes y en 4 colores distintos para

cada uno. Si la zapatería desea mostrar a su clientela pares de zapatos en todos los estilos y
colores, ¿cuántos pares distintos deberán colocar en el aparador?
R= 20
12. Un estudiante de primer año debe tomar un de ciencia, uno de humanidades y otro de
matemáticas. Si puede escoger entre cualquiera de 6 cursos de ciencias, 4 de humanidades y
4 de matemáticas, ¿cuántas maneras tiene de seleccionar las
materias?
R= 96 maneras
13. Un urbanista de una nueva subdivisión ofrece a los clientes prospectos para la compra
de una casa, la posibilidad de seleccionar cualquiera de 4 diseños diferentes, tres sistemas
de calefacción, cochera con puertas o sin ellas, y patio o pórtico, ¿cuántos planes distintos
están disponibles para el comprador?
R= 48 planes
14. Si una prueba de selección múltiple consta de 5 preguntas, cada una con 4 posibles
respuestas, de las cuales solo una es correcta, a. ¿en cuantas formas diferentes puede un
estudiante escoger una respuesta para cada pregunta?, b. ¿en cuantas formas puede un
estudiante escoger una alternativa para cada pregunta y tener todas las respuestas
incorrectas?
a. R= 1024 b. r=243
15. Un testigo de un accidente de tránsito en el que el causante huyó, le indica al policía

que el número de matrícula del automóvil tenía las letras DUH seguidas por tres dígitos, el
primero de los cuales era un cinco. Sí el testigo no puede recordar los otros dos dígitos,
pero está seguro de que los tres eran diferentes, encuentre el número máximo de registros
de automóvil que debe verificar la policía.
R=72 registros
70
16. a) ¿De cuantas maneras pueden formarse 6 personas para subir a un autobús?, b.si tres
de ellas insisten en seguirse una a la otra, ¿en cuantas formas es esto posible?,c.Si dos
personas se rehúsan a seguirse una a la otra?
a. R=720 b. R=144 c. R=480 maneras
17. a) ¿cuántos números de tres dígitos pueden formarse con los dígitos 0, 1, 2, 3, 4, 5, y 6,
si cada uno solo puede usarse solo una vez?, b) ¿cuántos de estos números son nones?, c)
¿cuántos son mayores que 330?
a. R=180 b. R=75 c. R=105 números
18. ¿En cuantas formas pueden sentarse en una línea 4 niños y 5 niñas, si deben colocarse
alternadamente?
R=2880 formas
19. Cuatro matrimonios compraron 8 lugares para un concierto. ¿En cuantas formas
diferentes pueden sentarse a. sin restricciones?, b. si se sientan por parejas?, c. si todos los
hombres se sientan juntos a la izquierda de todas las mujeres?
a. R=40,320 b. R=384 c. R=576
20. ¿Cuántos menús que consisten de sopa, emparedado, postre y un refresco se puede
ofrecer si se puede seleccionar entre 4 sopas diferentes, 3 clases de emparedados, 5 postres
y 4 refrescos?
R=240 menús
21. ¿En cuantas formas pueden llenarse las 5 posiciones iniciales de un equipo de
baloncesto con 8 jugadores que pueden ocupar cualquiera de ellas?
R=6720 formas
22. Se sacan tres boletos de la lotería, de un grupo de 40, para el primero, segundo y tercer
premios. Encuentre el número de puntos muestrales en d para otorgarlos si cada
concursante conserva solo un boleto.
R=59,280 puntos
23. ¿En cuantas formas pueden plantarse, a lo largo de la línea divisoria de una propiedad,
3 robles, 4 pinos y 2 arces, si no se distingue entre los árboles de la misma
clase?
R=1,260 formas
24. Nueve personas salen de viaje para esquiar en tres vehículos cuyas capacidades son de
2, 4 y 5 pasajeros, respectivamente. ¿En cuántas formas es posible transportar a las 9
personas hasta el albergue con todos los vehículos?
R=4,410 formas
25. ¿Cuántas formas hay de seleccionar a 3 candidatos de un total de 8 recién graduados y

con las mismas capacidades para ocupar vacantes en una firma
contable? R=56,,21,,10 formas
71
26. En un estudio que realizaron en california, el decano Lester Breslow y el doctor James
Enstrom de la School of Public Health de la University of California en los Angeles, se
concluyó que al seguir 7 sencillas reglas de salud, la vida de un hombre puede alargarse, en
promedio 11 años, y la de las mujeres siete. Estas 7 reglas son: no fumar, hacer ejercicio
regularmente, tomar alcohol solo en forma moderada, dormir siete u ocho horas, conservar
un peso apropiado, desayunar y no comer entre alimentos. ¿En cuantas formas puede una
persona adoptar cinco de estas reglas, a. si actualmente las viola todas?, b. si nunca toma
bebidas alcohólicas y siempre desayuna?
a. R=21 formas b.R=10 formas
27. Un dispositivo Biomecánico para emergencias médicas puede operar 0, 1 o 2 veces por
noche. Trace un diagrama de árbol para demostrar que existen 10 maneras diferentes en las
que puede operar para un total de 6 veces en cuatro noches.
72
Tema # 11
PROBABILIDADES
En ocasiones cuando se habla de probabilidad o posibilidad de que un evento ocurra, se

pierde la credibilidad acerca del evento en cuestión, pero ¿es posible tener siempre la
certeza total en todo proyecto o actividad que se desea realizar?, es muy difícil tenerla,
debido a que el llevar a efecto un proyecto cualquiera por más simple que este sea, éste está
sujeto a una gran diversidad de factores que afectan su ocurrencia, ¿entonces que es lo más
aconsejable para predecir su ocurrencia?, la probabilidad es la que nos ayuda en estos
casos, ya que basándose en estadísticas, podemos cuantificar la posibilidad de ocurrencia de
los eventos y por consiguiente tomar una buena decisión basados en esta información.
11.1 CONCEPTO.
La probabilidad se encarga de evaluar todas aquellas actividades en donde se tiene
incertidumbre acerca de los resultados que se pueden esperar, esto quiere decir que la
probabilidad está presente en casi en todas las actividades que se pretenda realizar,
ejemplos:
-Cualquier proyecto de Ingeniería o de otras áreas
-Competencias deportivas
-Juegos de azar, etc., etc.
¿Cómo podemos calcular probabilidades?

1. Haciendo uso de las estadísticas.
En este caso, se hace uso de la información que se ha acumulado acerca del evento que nos
interesa, y después de esto se procede a calcular las probabilidades requeridas.
Ejemplo. Determine la probabilidad de que en cierta línea de producción se manufacture un

producto defectuoso, si se toma como referencia que la producción de la última semana en
esta línea fue de 1,500 productos, entre los que se encontraron 8 productos defectuosos.
p(producto defectuoso) = No de productos defectuoso /Total de productos producidos en la

semana
= 18 / 1500 = 0.012
Lo anterior nos indica que es muy probable que 1.2 productos de cada 100 que se
manufacturen en esa línea serán defectuosos.
¿Porqué se utilizó para calcular las probabilidades la información de la semana inmediata

anterior?. Debido a que esta refleja la situación que guarda actualmente la producción de la
línea mencionada.
2. Basándose en la experimentación. Hay casos en los que después de repetir un número

muy grande de veces un experimento, es posible determinar las probabilidades de
ocurrencia de algunos eventos, tales como: La probabilidad de que aparezca águila al lanzar
una moneda equilibrada, la probabilidad de que aparezca el número 3 en un dado, etc., etc.
73
Ejemplos:
p(águila) =1/2 = 0.5
p(aparezca el número 3)= 1 / 6 = 0.1666
3. Asignando probabilidades. En este caso se hace uso de las probabilidades obtenidas

mediante estadísticas y la experimentación y se asignan a los eventos previamente descritos
y a partir de ellas se determinan probabilidades de otros eventos.
A continuación se definen algunas cuestiones implícitas en el cálculo de probabilidades.
a) Espacio muestral ().- Es el conjunto de todos los resultados posibles de un experimento.

Es nuestro Universo.
Ejemplos:
1. Se lanza al aire un dado normal (perfectamente equilibrado), enumere los posibles
resultados de este experimento.

2. Se lanza al aire dos veces una moneda normal, defina su espacio muestral.
 = AA, AS, SA, SS
b) Evento A.- El evento A es un subconjunto del espacio muestral.

Ejemplos:
1. Sea A el evento de que aparezca un número par en el lanzamiento de un dado, entonces;
A = 2,4,6

2. Sea B el evento de que aparezcan dos águilas en tres lanzamientos de una moneda
normal, entonces;
Como  = AAA, AAS, SAA, ASA, ASS, SAS, SSA, SSS
Luego B = AAS, SAA, ASA
a) Sea  un evento que carece de elementos.

Como se observa los experimentos y eventos probabilísticos se pueden expresar con la

notación de conjuntos y a continuación se enumeran algunas operaciones que es posible
realizar con los eventos.
74
4) Se dice que A y B son eventos mutuamente excluyentes o exclusivos si AB = 
Ejemplo:
En un salón de clase hay 15 alumnos, 7 de los cuáles son de tercer semestre, 5 son de
cuarto semestre y 3 son de quinto semestre de la carrera de Ingeniería Química, de los
cuales 4, 2 y 1 respectivamente dominan el Inglés, si se selecciona un alumno al azar de
este grupo, a. ¿cuál es la probabilidad de que el alumno seleccionado sea de quinto
semestre?, b. ¿cuál es la probabilidad de que sea de tercero o cuarto semestre?, c. ¿cuál
es la probabilidad de que el alumno seleccionado sea de tercer semestre y domine el
inglés?, d. ¿cuál es la probabilidad de que el alumno seleccionado no domine el inglés?,
e. Diga si los eventos T y Q son mutuamente excluyentes, diga si los eventos Q e I son
mutuamente excluyentes?
75
Solución:
Empezaremos por definir algunos eventos;
T = evento de que un alumno sea de tercer semestre

Cu = evento de que un alumno sea de cuarto semestre
Q = evento de que un alumno sea de quinto semestre
I = evento de que un alumno domine el inglés
a. p(alumno seleccionado sea de quinto semestre) = p(Q) = 3/15 = 0.2

b. p(alumno seleccionado sea de tercero o cuarto semestre)= p(T Cu) =
= p( T) + p(Cu) = 7/15 + 5/15 = 12/15 = 0.8
c. p(alumno sea de tercer semestre y domine el inglés) = p(T  I) = 4/15 = 0.26667
d. p(alumno seleccionado no domine el inglés) = p(Ic ) = 8/15 = 0.53333
e. Los eventos T y Q son mutuamente excluyentes dado que TQ = 
Los eventos Q e I no son eventos mutuamente excluyentes, ya que QI= 1
Ya que hay un alumno que cumple con ambos eventos, es de quinto semestre y domina el
inglés.
11.2 AXIOMAS Y TEOREMAS.

Para el cálculo de probabilidades hay que tomar en cuenta los Axiomas y Teoremas que a
continuación se enumeran.
1) La probabilidad de que ocurra un evento A cualquiera se encuentra entre cero y uno.

0  p(A)  1
2) La probabilidad de que ocurra el espacio muestral  debe de ser 1.

p() = 1
3) Si A y B son eventos mutuamente excluyentes, entonces la p(AB) = p(A) + p(B)
Generalizando:
Si se tienen n eventos mutuamente excluyentes o exclusivos A1, A2, A3,.....An, entonces;
p(A1A2.........An) = p(A1) + p(A2) + .......+ p(An)
TEOREMA 1. Si  es un evento nulo o vacío, entonces la probabilidad de que

ocurra  debe ser cero.
DEMOSTRACIÓN:
Si sumamos a un evento A cualquiera, como y A son dos eventos mutuamente
excluyentes, entonces p(A)=p(A) +p()=p(A). LQQD
76
TEOREMA 2. La probabilidad del complemento de A, Ac debe ser, p(Ac)= 1 – p(A)
DEMOSTRACIÓN:
Si el espacio muestral , se divide en dos eventos mutuamente exclusivos, A y
Ac luego =AAc, por tanto p()=p(A) + p(Ac) y como en el axioma dos se afirma que
p()=1, por tanto, p(Ac)= 1 - p(A) .LQQD
TEOREMA 3. Si un evento A  B, entonces la p(A)  p(B).
DEMOSTRACIÓN:
Si separamos el evento B en dos eventos mutuamente excluyentes, A y B \ A (B menos A),
por tanto, B=A(B \ A) y p(B)=p(A) +p(B \ A), luego entonces si p(B \ A)0 entonces se
cumple que p(A)p(B). LQQD
TEOREMA 4. La p( A \ B )= p(A) – p(AB)
DEMOSTRACIÓN: Si A y B son dos eventos cualquiera, entonces el evento A se puede

separar en dos eventos mutuamente excluyentes, (A\B) y AB, por tanto,
A=(A\B)(AB), luego p(A)=p(A\B) + p(AB), entonces, p(A\B)=p(A)– (AB). LQQD
77
TEOREMA 5. Para dos eventos A y B, p(AB)=p(A) + p(B) – p(AB).
DEMOSTRACIÓN:
Si AB = (A \ B)  B, donde (A \ B) y B son eventos mutuamente excluyentes, por lo que
p(A  B) = p(A\B) + p(B) y del teorema anterior tomamos que p(A \ B) = p(A) – p(AB),
por tanto, p(AB) = p(A) + p(B) – p(AB). LQQD
COROLARIO:
Para tres eventos A, B y C,

p(ABC) = p(A) + p(B) + p(C) – p(AB) – p(AC) – (BC) + p(ABC).
11.3 ESPACIOS FINITOS DE PROBABILIDAD.
Sea el espacio muestral, que contiene n elementos a1, a2, a3,.....,an, si a cada uno de los
elementos de  le asignamos una probabilidad pi  0, entonces estamos transformando este
espacio muestral en un espacio finito de probabilidad; el que debe cumplir con las
siguientes características:
1) Las probabilidades asociadas a cada uno de los elementos de  deben ser mayores o
iguales a cero, pi0.
2) La sumatoria de las probabilidades asociadas a cada uno de los elementos de  debe de
ser igual a 1.
pi = 1
En caso de que no se cumpla con las características antes mencionadas, entonces no se

trata de un espacio finito de probabilidad.
78
Ejemplos:
1. Se lanza al aire un dado normal, si la probabilidad de que aparezca una de sus caras es
proporcional al número que ostenta, a) ¿cuál es la probabilidad de que aparezca un número
par?, b) ¿cuál es la probabilidad de que aparezca un número primo?
Solución:
 = 1, 2, 3, 4, 5, 6
En este caso asignaremos las probabilidades como sigue;
p(aparezca el número 1) = p, p(aparezca el número 2) = 2p, .....,

p(aparezca el número 5) = 5p, p(aparezca el número 6) = 6p
Y por ser  un espacio finito de probabilidad, entonces,
p() = p + 2p + 3p + 4p + 5p + 6p =1
Por tanto, 21p = 1, luego, p = 1/21

a. Luego;
A = evento de que aparezca un número par = 2, 4, 6
p(A)=p(2)+p(4) + p(6) = 2p + 4p + 6p = 12p = 12(1/21) = 12/21= 0.5714
b. B = es el evento de que aparezca un número primo = 1, 2, 3, 5

p(B)=p(1) + p(2) + p(3) + p(5) = p + 2p + 3p + 5p = 11p = 11(1/21) = 11/21 = 0.5238
2. En una competencia de nado sincronizado, participan los equipos de Ecuador, México y

Venezuela, México tiene el doble de posibilidades de ganar que Ecuador, mientras que
Venezuela tiene un tercio menos de posibilidades de ganar que ecuador, a. Determine la
probabilidad de que gane Venezuela, b. Determine la probabilidad de que gane Ecuador o
Venezuela, c. Determine la probabilidad de que no gane México.
Solución:
= Ecuador, México Venezuela
Por ser un espacio finito de probabilidad, p() = 1, luego,
P() = p(gane Ecuador) + p(gane México) + p(gane Venezuela) = p + 3p + 2/3p=1
Como 14/3p = 1, luego p = 3/14
a. p(gane Venezuela) = 2/3 p = 2/3*3/14 = 2/14 = 1/7 = 0.14285
b. p(gane Venezuela o Ecuador)=p(gane Venezuela)+p(gane Ecuador)=

p(gane Venezuela o Ecuador)= 2/3p + p = 5/3 p = 5/3*3/14 =5/14 = 0.35714
c. p(no gane México) = p(gane Venezuela o Ecuador) = 1 – p(gane México) = 1 – 3p =
= 1 – 3(3/14) = 1 – 9/14 = 5/14 = 0.35714
79
3. En una competencia de ciclismo participan A, B y C, A tiene el doble de posibilidades

de ganar que B y B el doble que C, a. Determine la probabilidad de que gane B, b.
Determine la probabilidad de que gane A o B.
Solución:
= A, B, C, y por ser un espacio finito de probabilidad,

p() = p(gane A) + p(gane B) + p(gane C) = 4p + 2p + p = 1
Como 7p = 1, luego, p = 1/7

a. p(gane B) = 2p = 2(1/7) = 2/7 = 0.28571
b. p(gane A o B) = 4p + 2p = 6p = 6(1/7) = 6/7 = 0.85714
11.4 ESPACIOS FINITOS EQUIPROBABLES.

Sea  un espacio muestral que contiene n elementos,  = a1, a2, a3,....,an, si a cada uno de
los elementos de  le asignamos una probabilidad igual de ocurrencia, pi = 1/n por
tener n elementos , entonces estamos transformando este espacio muestral en un espacio
finito equiprobable, el que debe cumplir con las siguientes condiciones:
1. Las probabilidades asociadas a cada uno de los elementos del espacio muestral deben
ser mayores o iguales a cero, pi  0.
2. La sumatoria de las probabilidades asociadas a cada elemento del espacio muestral
debe de ser igual a 1.
pi = 1
En caso de que no se cumpla con las condiciones anteriores, entonces no se trata de
un espacio finito equiprobable.
Solo en el caso de espacios finitos equiprobables, si deseamos determinar la probabilidad
de que ocurra un evento A cualquiera, entonces;
p(A) = r*1/n = r/n
p(A) = maneras de ocurrir el evento A/ Número de elementos del espacio muestral

r = maneras de que ocurra el evento A
1/n = probabilidad asociada a cada uno de los elementos del espacio muestral
n = número de elementos del espacio muestral
Ejemplos:
1. Se lanza al aire una moneda normal (una moneda perfectamente equilibrada) tres
veces, determine la probabilidad de que: a. Aparezcan puros sellos, b. Aparezcan
dos águilas, c. Aparezcan por lo menos dos águilas.
Solución:
Para calcular las probabilidades de este problema, hay que definir el espacio muestral en
cuestión; si representamos los tres lanzamientos de la moneda mediante un diagrama de
árbol, encontraremos que el espacio muestral o el conjunto de todos los resultados posibles
es:
 = AAA, ASS, SAS, SSA, AAS, SAA, ASA, SSS
a. A = evento de que aparezcan puros sellos = SSS
80
p(A) = p(aparezcan puros sellos) = p(SSS) = 1/8 = 0.125

¿Porqué un octavo?, sí el espacio muestral consta de 8 elementos como se ha observado,
entonces la probabilidad asociada a cada uno de los elementos del espacio muestral es de
1/8, por ser un espacio finito equiprobable ya que cada uno de los elementos mostrados
tiene la misma probabilidad de ocurrencia.
 B = evento de que aparezcan dos águilas = AAS, SAA, ASA
p(B) = p(aparezcan dos águilas) = p(AAS, SAA, ASA) = 1/8 + 1/8 + 1/8 = 3/8 = 0.375
c. C = evento de que aparezcan por lo menos dos águilas = AAS, SAA, ASA, AAA
p(C) = p(AAS, SAA, ASA, AAA)=p(aparezcan dos águilas) + p(aparezcan tres águilas)
p(C) = 4/8 = 1/2 = 0.5
2. En un lote de producción que consta de 20 computadoras personales de cierta marca, se

ha detectado que 4 tienen defectos de tipo operacional. 1. Si se selecciona al azar una
computadora, a. Determine la probabilidad de que la computadora seleccionada tenga
defectos de tipo operacional, b. ¿cuál es la probabilidad de que no tenga defectos de
tipo operacional?. 2. Si se seleccionan al azar 4 computadoras de este lote, determine la
probabilidad de que: a. Solo tres tengan defectos de tipo operacional, b. Por lo menos
dos tengan defectos de tipo operacional, c. Como máximo una tenga defectos de tipo
operacional.
Solución:
Para el punto 2.1, cuando se selecciona de un lote un solo elemento, entonces el espacio
muestral está compuesto de entes unitarios, que son cada una de las computadoras,
 = 20 computadoras
a. A = evento de que una computadora tenga defectos de tipo operacional

p(A) = 5/20 = 0.25
b. B = evento de que una computadora no tenga defectos de tipo operacional

p(B) = 1 - p(A) = 1 – 0.25 = 0.75
2.2 Al seleccionar del lote más de una computadora, el espacio muestral ya no estará
compuesto por entes unitarios, estará formado por todos los grupos que se puedan formar
de 4 computadoras seleccionadas de entre 20 que se tienen.
11.5 PROBABILIDAD CONDICIONAL

Sea  un espacio muestral en donde se ha definido un evento E, donde p(E)0, si deseamos
determinar la probabilidad de que ocurra un evento A (el que también es definido en el
mismo espacio muestral), dado que E ya ocurrió, entonces deseamos determinar una
probabilidad de tipo condicional, la que se determina como se muestra;
81
Donde:
p(AE) = probabilidad de que ocurra A dado que E ya ocurrió

p(AE) = probabilidad de que ocurra A y E a un mismo tiempo
p(E) = probabilidad de que ocurra E
Luego;
Donde:
AE= número de elementos comunes a los eventos A y E

E= número de elementos del evento E
Luego entonces podemos usar cualquiera de las dos fórmulas para calcular la
probabilidad condicional de A dado que E ya ocurrió.
Ejemplos:
1. Se lanza al aire dos dados normales, si la suma de los números que aparecen es de
por lo menos siete, a. determine la probabilidad de que en el segundo dado aparezca el
número cuatro, b. Determine la probabilidad de que ambos números sean pares, c.
Determine la probabilidad de que en el primer dado aparezca el número dos.
Solución:
El espacio muestral es el mismo que cuando se lanza un dado dos veces y se muestra a
continuación;
82
(1,1) (2,1) (3,1) (4,1) (5,1) (6,1)

(1,2) (2,2) (3,2) (4,2) (5,2) (6,2)
 = (1,3) (2,3) (3,3) (4,3) (5,3) (6,3)
(1,4) (2,4) (3,4) (4,4) (5,4) (6,4)
(1,5) (2,5) (3,5) (4,5) (5,5) (6,5)
(1,6) (2,6) (3,6) (4,6) (5,6) (6,6)
a. Para calcular una probabilidad condicional es necesario definir los eventos A y E,

siendo estos,
A = evento de que en el segundo dado aparezca el número cuatro,

E = evento de que la suma de los números que aparecen sea de por lo menos siete, (que
es que es el evento que está condicionando)
E = 21 elementos, los que suman siete o más
(6,1)
(5,2) (6,2)
E = (4,3) (5,3) (6,3)
(3,4) (4,4) (5,4) (6,4)
(2,5) (3,5) (4,5) (5,5) (6,5)
(1,6) (2,6) (3,6) (4,6) (5,6) (6,6)
A = 6 elementos, los que en el segundo dado aparece el cuatro
A = (1,4) (2,4) (3,4) (4,4) (5,4) (6,4)
Luego,
AE = (3,4) (4,4) (5,4) (6,4), AE= 4 elementos
Por tanto;
p(AE) = AE/ E= 4/21 = 0.19048
b. E = evento de que la suma de los números que aparecen sea de por lo menos siete
(6,1)
(5,2) (6,2)
E = (4,3) (5,3) (6,3)
(3,4) (4,4) (5,4) (6,4)
(2,5) (3,5) (4,5) (5,5) (6,5)
(1,6) (2,6) (3,6) (4,6) (5,6) (6,6)
83
A = evento de que ambos números sean pares
(2,2) (4,2) (6,2)

A = (2,4) (4,4) (6,4)
(2,6) (4,6) (6,6)
(6,2)
AE = (4,4) (6,4) AE= 6 elementos
(2,6) (4,6) (6,6)
p(AE) = AE/ E

= 6/ 21
= 0.28571
c. E = evento de que la suma de los números que aparecen sea de por lo menos siete
(6,1)
(5,2) (6,2)
E = (4,3) (5,3) (6,3)
(3,4) (4,4) (5,4) (6,4)
(2,5) (3,5) (4,5) (5,5) (6,5)
(1,6) (2,6) (3,6) (4,6) (5,6) (6,6)
A = evento de que en el primer dado aparezca el número dos
(2,1)
(2,2)
A = (2,3)
(2,4)
(2,5)
(2,6)
AE = (2,5), AE= 1 elemento
P(AE) = AE/E
= 1/21
= 0.04762
84
2.Se seleccionan al azar dos números de entre los números del 1 al 9, si la suma de los
números que aparecen es par, a. Determine la probabilidad de que ambos números sean
pares, b. Determine la probabilidad de que ambos números sean impares.
Solución:
 = 9C2 = 36 maneras de seleccionar dos números de entre nueve que se tienen
(1,2)
(1,3) (2,3)
(1,4) (2,4) (3,4)
 = (1,5) (2,5) (3,5) (4,5)
(1,6) (2,6) (3,6) (4,6) (5,6)
(1,7) (2,7) (3,7) (4,7) (5,7) (6,7)
(1,8) (2,8) (3,8) (4,8) (5,8) (6,8) (7,8)
(1,9) (2,9) (3,9) (4,9) (5,9) (6,9) (7,9) (8,9)
a. E = evento de que la suma de los números que se seleccionan sea par
(1,3)
(2,4)
E = (1,5) (3,5)
(2,6) (4,6)
(1,3) (3,7) (5,7)
(2,8) (4,8) (6,8)
(1,9) (3,9) (5,9) (7,9)
E = 16 elementos 
(2,4)
A = (2,6) (4,6)
(2,8) (4,8) (6,8)
A = 6 elementos
(2,4)
AE = (2,6) (4,6)
(2,8) (4,8) (6,8)
AE = 6 elementos , p(AE) = AE/ E= 6/16 = 0.375
85
b. E = evento de que la suma de los números seleccionados es par

(1,3)
(2,4)
E = (1,5) (3,5)
(2,6) (4,6)
(1,3) (3,7) (5,7)
(2,8) (4,8) (6,8)
(1,9) (3,9) (5,9) (7,9)
A = evento de que ambos números sean impares
(1,3)
A = (1,5) (3,5)
(1,7) (3,7) (5,7)
(1,9) (3,9) (5,9) (7,9)
A = 10 elementos,
(1,3)
AE = (1,5) (3,5)
(1,7) (3,7) (5,7)
(1,9) (3,9) (5,9) (7,9)
AE= 10 elementos; p(AE)= AE/ E= 10/16 = 0.625
Este ejercicio también puede ser resuelto haciendo uso de las combinaciones; el espacio
muestral puede ser definido;
 = 9C2 = 36 maneras de seleccionar los dos números
a. E = evento de que la suma de los números seleccionados sea par
Para que la suma de dos números sea par, forzosamente ambos deben ser pares o
impares, por tanto,
E = selección de dos números pares o de dos impares = 4C2 + 5C2
A = 4C2 
AE = 4C2 = 6 maneras de seleccionar dos números pares 
AE= 6 elementos
86
p(AE) = AE/E= 6/16 = 0.375
b. E = evento de que la suma de los números seleccionados sea par
E = 4C2 + 5C2 = 16 maneras de seleccionar dos números de entre nueve
A = evento de que ambos números sean impares
A = 5C2 = 10 maneras de seleccionar dos números impares
AE= 5C2 = 10 
p(AE= AE/E= 10/16 = 0.625
3. Dada la siguiente tabla referente a la producción de flechas para camión de carga pesada;
se inspeccionan 200 flechas del tipo A y B, 300 del tipo C y 400 del tipo D, a continuación
se presentan los resultados obtenidos en la inspección;
TIPO FLECHA
DEFECTO A B C D TOTAL
I 54 23 40 15 132
II 28 12 14 5 59
S - DEF 118 165 246 380 909
TOTAL 200 200 300 400 1100
a. Si se selecciona una flecha al azar y resulta que es una flecha del tipo B, ¿cuál es la
probabilidad de que no tenga defectos, b. Si la flecha seleccionada es del tipo C, ¿cuál es la
probabilidad de que tenga defectos del tipo II?, c. Si la flecha seleccionada tiene defectos
del tipo I, ¿cuál es la probabilidad de que sea del tipo A, d. ¿cuál es la probabilidad de que
una flecha no tenga defectos?, e. ¿cuál es la probabilidad de que una flecha tenga defectos?
Solución:
a. Definiremos los eventos;
E = evento de que la flecha seleccionada sea del tipo B = 200 elementos o flechas
A = evento de que la flecha seleccionada no tenga defectos = 909 flechas o elementos
AE = 165 elementos del tipo B y que no tienen defectos
p(AE) = AE/E= 165/200 = 0.825
87
b. E = evento de que la flecha sea del tipo C =300 flechas
A = evento de que la flecha tenga defectos del tipo II =59 flechas
AE = 14 flechas del tipo C y que tienen defectos del II 
p(AE) =AE/E= 14/300 = 0.04667
c. E = evento de que la flecha tenga defectos del tipo I = 132 flechas

A = evento de que la flecha sea del tipo A = 200 flechas
AE = 54 flechas con defectos del tipo I y del tipo A
p(AE) = AE/E= 54 / 132 = 0.40901
d. En este caso se trata de una probabilidad simple, ya que no hay un evento que esté
condicionando al evento del cual se desea determinar su probabilidad
D = evento de que una flecha no tenga defectos = 909 flechas

 = 1100 flechas
p(D) = 909/1100 = 0.82636
f. F = evento de que una flecha tenga defectos = 132 + 59 = 191 flechas

 = 1100 flechas
p(F) = 191 / 1100 = 0.17364
4. Una pareja de recién casa dos ha decidido formar una familia de solo tres hijos, a.
determine la probabilidad de que tenga puros hijos varones, b. ¿cuál es la probabilidad de
que tenga como máximo un hijo varón, c. ¿cuál es la probabilidad de que su segundo hijo
sea varón, d. Si esta familia tiene por lo menos una hija, ¿cuál es la probabilidad de que el
segundo hijo sea varón?, e. Si esta familia tiene como máximo un hijo varón, ¿cuál es la
probabilidad de que tenga puras hijas?
Solución:
Lo primero que hay que obtener para resolver este problema es el espacio muestral, para lo
cual nos podemos ayudar con un diagrama de árbol en donde representemos uno tras otro el
nacimiento de cada uno de sus hijos, en donde solo consideraremos partos de un solo bebé,
no múltiples y se considera que existe la misma probabilidad de que nazca un varón o una
niña.
Y el espacio muestral obtenido es:

H = niño
M = niña
 = HHH, HHM, HMH, MHH, HMM, MHM, MMH, MMM
88
a. A = evento de que la familia tenga puros hijos varones
A = HHH
p(A) = 1/8 = 0.125
b. B = evento de que la familia tenga como máximo un hijo varón
B = ningún hijo varón o un hijo varón= MMM, HMM, MHM, MMH
p(B) = 4/8 = 1/2 =0.5
c. C = evento de que el segundo hijo de la familia sea varón

C = HHH, HHM, MHH, MHM 
P(C) = 4/8 =1/2 = 0.5
d. Como en este caso se trata de calcular una probabilidad de tipo condicional, se

requiere definir dos eventos, el evento E que es el que condiciona y el evento A;
E = evento de que la familia tenga por lo menos una hija
E = tenga una o más hijas
E = HHM, HMH, MHH, HMM, MHM, MMH, MMM= 7 elementos
A = evento de que el segundo hijo sea varón
A =  HHH, HHM, MHH, MHM 
AE = HHM, MHH, MHM = 3 elementos
Luego;
p(AE) = AE/E= 3/7 = 0.42857
e. E = evento de que la familia tenga como máximo un hijo varón

A = evento de que la familia tenga puras hijas
E = MMM, MHM, MMH, HMM= 4 elementos
A = MMM
AE = MMM = 1 elemento
P(AE) = AE/E= 1/4 = 0.25
89
5. Según las estadísticas, la probabilidad de que un auto que llega a cierta gasolinera cargue
gasolina es de 0.79, mientras que la probabilidad de que ponga aceite al motor es de 0.11 y
la probabilidad de que ponga gasolina y aceite al motor es de 0.06, a. Sí un auto carga
gasolina, ¿cuál es la probabilidad de que ponga aceite?, b. Sí un auto pone aceite al motor,
¿cuál es la probabilidad de que ponga gasolina?
Solución:
a. E = evento de que un auto cargue gasolina

b. p(E) = 0.79
A = evento de que un auto ponga aceite al motor

P(A) = 0.11
AE = evento de que un auto ponga gasolina y aceite
p(AE) = 0.07
p(AE) = p(AE)/p(E) = 0.07/ 0.79 = 0.0881
c. E = evento de que un auto ponga aceite al motor
P(E) = 0.11
A = evento de que un auto ponga gasolina
P(A) = 0.79
AE = evento de que un auto ponga aceite al motor y ponga gasolina
P(AE) = 0.07
P(AE) = p(AE)/ p(E) = 0.07/0.11 = 0.63636
6.- La probabilidad de que un auto de carreras cargue gasolina en cierto circuito en la

primera media hora de recorrido es de 0.58, la probabilidad de que cambie de neumáticos
en esa primera media hora de recorrido es de 0.16, la probabilidad de que cargue gasolina y
cambie de neumáticos en la primera media hora de recorrido es de 0.05, a. ¿Cuál es la
probabilidad de que cargue gasolina o cambie de neumáticos en la primera media hora de
recorrido?, b. ¿cuál es la probabilidad de que no cargue combustible y de neumáticos en la
primera media hora de recorrido, c. Si el auto cambia de neumáticos en la primera media
hora de recorrido, ¿cuál es la probabilidad de que cargue combustible también?, d. Si el
auto carga combustible en la primera media hora de recorrido, ¿cuál es la probabilidad de
que cambie de neumáticos también?
Solución:
a. A = evento de que cargue gasolina en la primera media hora de recorrido
P(A) = 0.58
B = evento de que cambie de neumáticos en la primera hora de recorrido
P(B) = 0.16
AB = evento de que cargue combustible y cambie de neumáticos en la primera hora de
recorrido
P(AB) = 0.05
90
P(cargue gasolina o cambie de neumáticos) = p(AB) = p(A) + p(B) – p(AB) = 0.58 +

0.16 – 0.05 = 0.69
b. p( no cargue combustible y no cambie de neumáticos) = 1 – p(AB) = 1 – 0.69 = 0.31
c. E = evento de que el auto cambie de neumáticos en la primera media hora de recorrido

A = evento de que el auto cargue combustible en la primera media hora de recorrido
p(AE) = p(AE)/ p(E) = 0.05/0.16 = 0.3125
d. E = evento de que el auto cargue combustible en la primera media hora de recorrido

A = es el evento de que el auto cambie de neumáticos en la primera media hora de recorrido
p(AE) = p(AE)/p(E) = 0.05/0.58 = 0.08621
11.6 TEOREMA DE LA MULTIPLICACIÓN PARA PROBABILIDAD

CONDICIONAL.
Tomando como referencia la fórmula de probabilidad condicional,
Despejando,
p(AE) = p(E)p(AE) Teorema de la multiplicación para probabilidad
condicional
Donde:
p(AE) = probabilidad de que ocurran A y E
p(E) = probabilidad de que ocurra E
p(AE) = probabilidad de que ocurra el evento A dado que el evento E ya ocurrió
Ejemplos:
1. En un lote de producción hay 25 productos, 5 de los cuales tienen defectos menores y 9
tienen defectos mayores, si se toman de este lote tres productos uno tras otro, determine la
probabilidad de que: a. El primer producto no tenga defectos y que el segundo y tercero
tengan defectos mayores, b. El primer producto tenga defectos menores, el segundo tenga
defectos mayores y que el tercero no tenga defectos, c. El primer producto y el tercero no
tengan defectos.
Solución:
a. Definiremos algunos eventos;
B1 = evento de que el primer producto seleccionado no tenga defectos
DM2 = evento de que el segundo producto seleccionado tenga defectos mayores
DM3 = evento de que el tercer producto seleccionado tenga defectos mayores
p(B1DM2DM3) = p(B1)p(DM2B1)p(DM3B1DM2)
=(11/25)*(9/24)*(8/23)
= 0.44*0.375*0.347826
= 0.05739
91
b. Dm1= evento de que el primer producto seleccionado tenga defectos menores

B3 = evento de que el tercer producto seleccionado no tenga defectos
P(Dm1DM2B3) = p(Dm1)p(DM2Dm1)p(B3Dm1DM2)
= (5/25)*(9/24)*(11/23)=
= 0.2*0.375*0.4782608= 0.03587
c. B1 = evento de que el primer producto seleccionado no tenga defectos
B2 = evento de que el segundo producto seleccionado no tenga defectos
Dm2 = evento de que el segundo producto seleccionado tenga defectos menores
B3 = evento de que el tercer producto seleccionado no tenga defectos
En este caso como no se especifica de que tipo debe ser el segundo producto, se
considera que este puede ser no defectuoso, con defectos menores o con defectos
mayores; por lo tanto;
p(B1B2B3) + p(B1Dm2B3) + p(B1DM2B3)

= p(B1)p(B2B1)p(B3B1B2) + P(B1)p(Dm2B1)p(B3B1Dm2) +
p(B1)p(DM2B1)p(B3B1DM2)
=(11/25)*(10/24)*(9/23) + (11/25)*(5/24)*(10/23) + (11/25)*(9/24)*(10/23)
=(0.44)(0.41666)(0.39130) + (0.44)(0.20833)(0.43478) + (0.44)(0.375)(0.43478)
= 0.07173 + 0.03985 + 0.07174
= 0.18332
2. Doce personas (6 mujeres, 4 hombres y dos niños) realizan un paseo en un pequeño
autobús, al llegar a cierto lugar, bajan del autobús cuatro personas una tras otra, determine
la probabilidad de que; a. La primera y segunda persona que bajen sean mujeres, el tercero
sea un niño y por último baje un hombre, b. Que baje un niño, luego un hombre, luego otro
niño y por último que baje una mujer, c. Que baje una mujer, luego un hombre, después
otra mujer y por último otro hombre.
Solución:
a. M1 = evento de que baje del autobús primero una mujer
M2 = evento de que baje en segundo lugar una mujer
N3 = evento de que baje en tercer lugar un niño
H4 = evento de que baje en cuarto lugar un hombre
P(M1M2N3H4) = p(M1)p(M2M1)p(N3M1M2)p(H4M1M2N3) =
= (6/12)*(5/11)*(2/10)*(4/9)
= 240/11,880 = 0.0202
b. N1 = evento de que baje en primer lugar un niño

H2 = evento de que baje en segundo lugar un hombre
N3 = evento de que baje en tercer lugar un niño
M4 = evento de que baje en cuarto lugar una mujer
p(N1H2N3M4) = p(N1)p(H2N1)p(N3N1H2)p(M4N1H2N3) =
= (2/12)*(4/11)*(1/10)*(6/9)
= 48/11,880
= 0.00404
92
c. M1 = evento de que baje en primer lugar una mujer

H2 = evento de que baje en segundo lugar un hombre
M3 = evento de que en tercer lugar baje una mujer
H4 = evento de que en cuarto lugar baje un hombre
p(M1H2M3H4) = p(M1)p(H2M1)p(M3M1H2)p(H4M1H2M3)
= (6/12)*(4/11)*(5/10)*(3/9)
= 360/11,880
= 0.0303
11.7 PROCESOS ESTOCASTICOS.

Un proceso estocástico es aquel en el que se representan todos y cada uno de los pasos
necesarios para realizar una actividad, además de las formas o maneras en que cada uno de
los pasos puede ser llevado a efecto y sus respectivas probabilidades, dicho de otra manera,
cualquier proceso en el que se involucren probabilidades es un proceso estocástico.
Ejemplos:
1. En un lote de autos usados, el 25% son de la marca Ford, el 45% son Chevrolet y el
30% son Chrysler, de los cuales, 2 de cada 8 autos Ford son estándar, 1 de cada 10 autos
Chevrolet son estándar y 2 de cada 10 autos Chrysler son también estándar, un cliente
compra un auto de este lote, a. ¿cuál es la probabilidad de que el auto seleccionado por el
cliente sea estándar?, b. ¿cuál es la probabilidad de que haya seleccionado un auto
Chevrolet estándar?, c. ¿cuál es la probabilidad de que el auto seleccionado sea Ford o
Chrysler automático?
Solución:
a. Haciendo uso de un diagrama de árbol como se muestra, se facilita hacer
el cálculo de probabilidades
P(seleccionar un auto estándar) = p(seleccionar un Chevrolet o Chrysler o Ford estándar) =

p(ChS) + p(ChrS) + p(FS)
= p(Ch)p(SCh) + p(Chr)p(SChr) + p(F)p(SF)
= 0.45*1/10 + 0.30*2/10 + 0.25*2/8
= 0.045 + 0.06 + 0.0625
= 0.1675
93
b. p(seleccionar un Chevrolet estándar) = 0.45*1/10 = 0.045
c. p(seleccionar un Ford o Chrysler automático) = p(FA) + p(ChrA)

= p(F)p(AF) + p(Chr)p(AChr)
= 0.25*6/8 + 0.30*8/10
= 0.1875 + 0.24 = =0.4275
2. En un lote de producción se tienen 150 artículos, de los cuales 30 son del tipo A, 60
del tipo B y 60 del tipo C, de los que el 15% de los productos del tipo A, 20% de los
productos del tipo B y 5% de los productos del tipo C, no cumplen con las especificaciones,
si se selecciona un producto de este lote al azar, a. Determine la probabilidad de que el
producto seleccionado no cumpla con las especificaciones, b. Si el producto seleccionado
no cumple con las especificaciones, ¿cuál es la probabilidad de que sea un producto del tipo
B?, c. ¿cuál es la probabilidad de que un producto cumpla con las especificaciones y sea del
tipo B?
Solución:
Haciendo uso de un diagrama de árbol como en el caso anterior, procederemos a dar
solución al problema en cuestión;
a. p(producto seleccionado no cumpla con las especificaciones) = 40/150*0.15 +

60/150*0.20 + 60/150*0.05 = 0.04 + 0.08 + 0.02 = 0.14
b. E = evento de que el producto seleccionado no cumpla con las especificaciones

B = evento de que el producto seleccionado sea del tipo B
p(BE) = p(BE)/p(E) = (60/150*0.20)/0.14 = 0.08/0.14= 0.57143
c. p(cumpla con las especificaciones y sea del tipo B) = 60/150*0.8 = 0.32
94
3. En una urna se tienen 10 esferas blancas, 5 verdes y 2 azules, se extraen de la urna

dos esferas una tras otra, sin reemplazo, a. Determine la probabilidad de que la segunda
esfera extraída sea verde, b. ¿cuál es la probabilidad de que ambas esferas sean blancas, c.
Si la segunda esfera es verde, ¿cuál es la probabilidad de que la primera sea blanca?
Solución:
a. p(segunda esfera sea verde) = p(B)p(VB) + p(V)p(VV) + p(A)p(VA) =

= 10/17*5/16 + 5/17*4/16 + 2/17*5/16 =
= 50/272 + 20/272 + 10/272
= 80/272
=0.29412
b. p(ambas esferas sean blancas) = 10/17*9/16 = 90/272 = 0.33088
c. E = evento de que la segunda esfera seleccionada sea verde
B = evento de que la primera esfera sea blanca
P(BE) = p(BE)/p(E)
= (10/17*5/16)/80/272
=(50/272)/(80/272)
= 0.40
95
11.8 TEOREMA DE BAYES
Sea d un espacio muestral que está formado por los eventos A1, A2, A3,.....,An mutuamente
excluyentes, luego,
d = A1A2A3.....An
Luego si ocurre un evento B definido en d, observamos que;

B = dB = (A1A2A3.....An)B = (A1B)(A2B)(A3B).....(AnB)
Donde cada uno de los eventos AiB son eventos mutuamente excluyentes, por lo que
p(B) = p(A1B) + p(A2B) + p(A3B) +......+ p(AnB)
y como la p(AiB) = p(Ai)p(BAi) , o sea que la probabilidad de que ocurra el evento Ai y
el evento B es igual al teorema de la multiplicación para probabilidad condicional, luego;
p(B) = p(A1)p(BA1) + p(A2)p(BA2) + p(A3)p(BA3) + p(An)p(BAn)
Si deseamos calcular la probabilidad de que ocurra un evento Ai dado que B ya ocurrió,
entonces;
La expresión anterior es el teorema de Bayes, que como se observa es una simple

probabilidad condicional.
Ejemplos:
1. Tres máquinas denominadas A, B y C, producen un 43%, 26% y 31% de la
producción total de una empresa respectivamente, se ha detectado que un 8%, 2% y 1.6%
del producto manufacturado por estas máquinas es defectuoso, a. Se selecciona un producto
al azar y se encuentra que es defectuoso, ¿cuál es la probabilidad de que el producto haya
sido fabricado en la máquina B?, b. Si el producto seleccionado resulta que no es
defectuoso, ¿cuál es la probabilidad de que haya sido fabricado en la máquina C?
Solución:
Para resolver este problema nos ayudaremos con un diagrama de árbol;
96
a. Definiremos los eventos;

D = evento de que el producto seleccionado sea defectuoso (evento que condiciona)
A = evento de que el producto sea fabricado en la máquina A
B = evento de que el producto sea fabricado por la máquina B
C = evento de que el producto sea fabricado por la máquina C
P(BD) = p(BD)/p(D) = p(B)p(DB)/p(A)p(DA) + p(B)p(DB) + p(C)p(DC)

P(BD) = (0.26*0.02)/(0.43*0.08 + 0.26*0.02 + 0.31*0.016)
= 0.0052/0.04456
=0.116697
b. ND = evento de que el producto seleccionado no sea defectuoso (evento que

condiciona)
A = evento de que el producto sea fabricado en la máquina A
B = evento de que el producto sea fabricado por la máquina B
C = evento de que el producto sea fabricado por la máquina C
P(CND)=p(CND)/p(ND)=p(C)p(NDC)/p(A)p(NDA)+p(B)p(NDB) + p(C)p(NDC)
= 0.31*0.984/(0.43*0.92 + 0.26*0.98 + 0.31*0.984)
= 0.30504/0.95544
=0.31927
97
2. Una empresa recibe visitantes en sus instalaciones y los hospeda en cualquiera de tres
hoteles de la ciudad; Palacio del Sol, Sicomoros o Fiesta Inn, en una proporción de 18.5%,
32% y 49.5% respectivamente, de los cuales se ha tenido información de que se les ha dado
un mal servicio en un 2.8%, 1% y 4% respectivamente, a. Si se selecciona a un visitante al
azar ¿cuál es la probabilidad de que no se le haya dado un mal servicio?,b. Si se selecciona
a un visitante al azar y se encuentra que el no se quejó del servicio prestado, ¿cuál es la
probabilidad de que se haya hospedado en el Palacio del Sol?, c. Si el visitante
seleccionado se quejó del servicio prestado, ¿cuál es la probabilidad de que se haya
hospedado en e hotel Fiesta Inn?
Solución: Haciendo uso de un diagrama de árbol;
a. NQ = evento de que un visitante no se queje del servicio

PS = evento de que un visitante haya sido hospedado en el hotel Palacio del Sol
S = evento de que un visitante haya sido hospedado en el hotel Sicómoro
FI = evento de que un visitante haya sido hospedado en el hotel Fiesta Inn
P(NQ) = p(PS)p(NQPS) + p(S)p(NQS) + p(FI)p(NQFI) =
= 0.185*0.972 + 0.32*0.99 + 0.495*0.96
= 0.17982 + 0.3168 + 0.4752
= 0.97182
b. NQ = evento de que un visitante no se queje del servicio
PS = evento de que un visitante haya sido hospedado en el hotel Palacio del Sol
S = evento de que un visitante haya sido hospedado en el hotel Sicomoro
P(PSNQ)=p(PSNQ)/p(NQ)
=(0.185*0.972)/(0.185*0.972+0.32*0.99+0.495*0.96)=
= 0.17982/(0.17982 + 0.3168 + 0.4752)
= 0.17982/0.97182
= 0.1850342
98
c. Q = evento de que un visitante se queje del servicio

P(FIQ) = p(FIQ)/p(Q)
= 0.495*0.04/(0.185*0.028 + 0.32*0.01 + 0.495*0.04)
=0.0198/( 0.00518 + 0.0032 + 0.0198)
= 0.0198/0.02818
= 0.7026
11.9 INDEPENDENCIA
Se dice que un evento B es independiente de un evento A, si p(B½A) = p(B), esto quiere
decir que la probabilidad de que ocurra B no es afectada por la ocurrencia del evento A, la
expresión anterior se puede sustituir en el teorema de la multiplicación para probabilidad
condicional,
p(AB) = p(A)p(BA) = p(A)p(B)

Luego,
p(AB) = p(A)p(B) Concepto de independencia
Si la expresión anterior se cumple, podemos decir que los eventos A y B son

independientes.
Ejemplos:
Pruebas repetidas e independientes.
Sea  el espacio muestral del lanzamiento de una moneda tres veces,
 = {AAA, AAS, ASA, ASS, SAS, SAA, SSA, SSS}
Donde cada uno de los elementos de este espacio muestral está formado por tres pruebas
repetidas e independientes que son los tres lanzamientos de la moneda, si deseamos
determinar la probabilidad de cada uno de los elementos, nos encontraremos con lo
siguiente;
p(AAA)=p(A1A2A3)=p(A1)p(A2A1)p(A3A1A2)=p(A)p(A)p(A)
=1/2*1/2*1/2=1/8
p(AAS) = p(A)p(A)p(S) =1/2*1/2*1/2 =1/8
p(ASA) = p(A)p(S)p(A) = 1/2*1/2*1/2 = 1/8
etc, etc.
Con lo anterior se comprueba que efectivamente la probabilidad de cada uno de los
elementos del espacio muestral descrito anteriormente es de 1/8 como se consideraba
cuando se calculaban probabilidades para un espacio finito equiprobable.
Ejemplos:
1. Un equipo de fútbol soccer tiene una probabilidad de ganar de 0.6, una probabilidad
de empatar de 0.3 y una probabilidad de perder de 0.1, si este equipo participa en dos
juegos la semana próxima, determine la probabilidad de que; a. Gane el segundo juego, b.
Gane ambos juegos, c. Gane uno de los juegos, d. Gane el primer juego y empate el
segundo.
99
El espacio muestral sería:

 = {GG, GE, GP, EG, EE, EP, PG, PE, PP}
Por lo que:
a. p(gane el segundo juego) = p(GG, EG, PG) = (0.6)(0.6) + (0.3)(0.6) + (0.1)(0.6) =
= 0.36 + 0.18 + 0.06 = 0.6
b. p(gane ambos juegos) = p(GG) = (0.6)(0.6) = 0.36
c. p(gane uno de los juegos) = p(GE, GP, EG, PG) = (0.6)(0.3) + (0.6)(0.1) + (0.3)(0.6) +
(0.1)(0.6)
= 0.18 + 0.06 + 0.18 + 0.06 = 0.48
d. p(gane el primero y empate el segundo) = p(GE) = (0.6)(0.3) = 0.18
100
2. Un boxeador gana 8 de cada 10 peleas en las que compite, si este boxeador participará en
tres peleas en los próximos seis meses, determine la probabilidad de que; a. Gane dos de las
peleas, b. Si gana dos de las peleas, ¿cuál es la probabilidad de que sean la primera y
tercera peleas?, c. Gane la segunda pelea.
Del diagrama anterior obtenemos el siguiente espacio muestral;

={GGG. GGP, GPG, GPP, PGG, PGP, PPG, PPP}
a. p(gane dos de las peleas) = p(GGP, GPG, PGG) = (0.8)(0.8)(0.2) + (0.8)(0.2)(0.8) +
(0.2)(0.8)(0.8) = 0.128 + 0.128 + 0.128 = 0.384
b. E = evento de que gane dos peleas

E ={ GGP, GPG, PGG }, p(E) = 0.348
A = evento de que gane la primera y la tercer pelea
A={GGG, GPG}
AB = {GPG}, p(AB) = (0.8)(0.2)(0.8) =0.128
P(AE) = p(AE) / p(E) = 0.348/0.128= 0.3333
c. p(gane la segunda pelea) = p(GGG, GGP, PGG, PGP) = (0.8)(0.8)(0.8) + (0.8)(0.8)(0.2) +

(0.2)(0.8)(0.8) + (0.2)(0.8)(0.2) = 0.512 + 0.128 + 0.128 + 0.032= 0.8
101
3. Tres hombres tiran a un blanco, A tiene 1/3 de posibilidades de acertar al blanco, B tiene
1/2 de posibilidades de acertar y C tiene 1/4 de posibilidades de pegar al blanco, si cada uno
de ellos hace un solo disparo, determine la probabilidad de que; a. Solo uno de ellos acierte
al blanco, b. Si solo uno de ellos acierta al blanco, ¿cuál es la probabilidad de que acierte
A?, c. Determine la probabilidad de que ninguno acierte al blanco.
Solución:
Haciendo uso de un diagrama de árbol se obtiene el siguiente espacio muestral;
 ={ABC, ABC`, AB`C, AB`C`, A`BC, A`BC`, A`B`C, A`B`C`}
donde: A = acierta A, A`= no acierta A, B = acierta B, B`= no acierta B, etc., etc.

p(solo uno de ellos acierte al blanco) = p(AB`C`, A`BC`, A`B`C) = 1/3*1/2*3/4 +
2/3*1/2*3/4 + 2/3*1/2*1/4 = 3/24 + 6/24 + 2/24 = 11/24 = 0.45833
a. E = evento de que solo uno de ellos acierte al blanco
E = {AB`C`, A`BC`, A`B`C}; p(E) =11/24
A = evento de que A acierte al blanco = { ABC, ABC`, AB`C, AB`C`}

AE = { AB`C`} = 1/3*1/2*3/4 = 3/24
p(AE)= p(AE)/p(E) = (3/24)/(11/24) = 3/11 = 0.27273
b. p(ninguno acierte al blanco) = p(A´B´C´) = 2/3*1/2*3/4 = 6/24 = 0.25
102

1. Si las probabilidades de que, en condiciones de garantía, un automóvil nuevo requiera
reparaciones del motor, la transmisión o ambos, son 0.87, 0.36 y 0.29,¿cuál es la
probabilidad de que un auto requiera uno o el otro o ambos tipos de reparación durante el
período de garantía? R=0.94
2. Al lanzar un par de dados balanceados, que probabilidades hay de obtener a. 7, b. 11, c. 7

u 11, d. 3, e. 2 o 12, f. 2, 3 o 12?
R= a. 1/6 b. 1/18 c. 2/9 d. 1/18 e. 1/18 f. 1/9
3. Una agencia de renta de automóviles cuenta con 18 autos compactos y 12 autos de

tamaño mediano. Si se seleccionan aleatoriamente cuatro de los automóviles para una
inspección de seguridad, ¿que probabilidad hay de obtener dos de cada
tipo? R=0.368
4. En un grupo de 160 estudiantes graduados de ingeniería, 92 se inscriben en

un curso avanzado de estadística, 63 en un curso de investigación de operaciones;
y 40 en ambos. ¿Cuántos de estos estudiantes no se inscriben en ningún curso?
R=45
5. Si A y B son eventos mutuamente excluyentes, p(A)= 0.29 y p(B)=0.43, determine, a.

p(A´), b. p(AB), c. p(AB´), d. P(A´B´).
R= a.0.71 b.0.72 c.0.29 d.0.28
6. Un departamento de policía necesita nuevos neumáticos para sus patrullas, y existen

0.17, 0.22, 0.03, 0.29, 0.21 y 0.08 de probabilidades de que adquiera neumáticos de las
siguientes marcas: Uniroyal, Goodyear, Michelin, General, Goodrich o Armstrong.
Determine las probabilidades de que compre, a. neumáticos Goodrich o Goodyear, b.
neumáticos Uniroyal, General o Goodrich, c. neumáticos Michelin o Armstrong, d.
neumáticos Goodyear, General o Armstrong.
R=a. 0.43 b. 0.67 c. 0.11 d. 0.59
7. La probabilidad de que el chip de un circuito integrado tenga un grabado defectuoso es

de 0.12, la probabilidad de que tenga un defecto de cuarteadura es de 0.29 y la probabilidad
de que tenga ambos defectos es de 0.07. a. ¿Qué probabilidad hay de que un chip de
fabricación reciente tenga ya sea un defecto de grabado o de cuarteadura?, b. ¿Qué
probabilidad hay de que un chip de fabricación reciente no tenga ninguno de tales
defectos? R=a.0.34 b.0.66
8. Las probabilidades de que una estación de Televisión reciba 0, 1, 2, 3, 4, ...........,8 o al

menos 9 quejas tras la emisión de un controvertido programa son, respectivamente, 0.01,
0.03, 0.07, 0.15, 0.19, 0.18, 0.14, 0.12, 0.09 y 0.02. Qué probabilidades hay de que después
de trasmitir ese programa la estación reciba a. como máximo 4 quejas, b. al manos 6 quejas,
c. de 5 a 8 quejas. R=a. 0.45 b. 0.37 c. 0.55
103
9. La probabilidad de que un nuevo aeropuerto obtenga un premio por su diseño es de 0.16,

la probabilidad de que obtenga un premio por su eficiente uso de materiales es de 0.24 y la
probabilidad de que obtenga ambos premios es de 0.11. a. ¿Cuál es la probabilidad de que
obtenga al menos uno de los dos premios?, b. ¿Cuál es la probabilidad de que obtenga solo
uno de los dos premios?.
R=a.0.29 b.0.18
10. Si la probabilidad de que un sistema de comunicación tenga alta fidelidad es de 0.81 y

la probabilidad de que tenga alta fidelidad y alta selectividad es de 0.18. ¿Cuál es la
probabilidad de que un sistema con alta fidelidad, tenga alta
selectividad? R=2/9
11. Si la probabilidad de que un proyecto de investigación sea correctamente planeado es

de 0.80 y la probabilidad de que sea planeado y correctamente ejecutado es de 0.72, ¿qué
probabilidad hay de que un proyecto de investigación correctamente planeado, sea
correctamente ejecutado? R=0.90
12. Entre 60 partes de refacción automotriz cargadas en un camión en San Francisco, 45

tienen a Seattle por destino y 15 a Vancouver. Si dos de las partes se descargan por error en
Pórtland y la “selección” es aleatoria, ¿qué probabilidades hay de que a. ambas partes
debieran de haber llegado a Seattle, b. ambas partes debieran de haber llegado a Vancouver,
c. una debiera haber llegado a Seattle y la otra a Vancouver.
R=a.33/59 b. 7/118 c.45/118
13. En una planta electrónica, se sabe por experiencia que la probabilidad de que un obrero
de nuevo ingreso que haya asistido al programa de capacitación de la compañía, cumpla la
cuota de producción es de 0.86 y que la probabilidad correspondiente de un obrero de
nuevo ingreso que no ha asistido a dicho curso de capacitación es de 0.35. Si 80% de la
totalidad de los obreros de nuevo ingreso asisten al curso de capacitación, ¿qué
probabilidad existe de que un trabajador de nuevo ingreso cumpla la cuota de
producción? R=0.758
14. Una empresa consultora renta automóviles de tres agencias, 20% de la agencia D, 20%
de la agencia E y 60% de la agencia F. Si 10% de los autos de D, 12% de los autos de E y
4% de los autos de F tienen neumáticos en mal estado, ¿cuál es la probabilidad de que la
empresa reciba un auto con neumáticos en mal
estado?
R=0.068
15. Si cada artículo codificado en un catálogo empieza con tres letras distintas y continua
con 4 dígitos distintos de cero, encuentre la probabilidad de seleccionar aleatoriamente uno
de los que empieza con la letra a y tiene un par como último
dígito. R= 10/117
104
16. La probabilidad de que una industria estadounidense se ubique en Munich es de 0.7, de

que se localice en Bruselas de 0.4, y de que se ubique ya sea en Bruselas o en Munich, o en
ambas es de 0.8.¿Cuál es la probabilidad de que la industria se localice a. en ambas
ciudades?, b. en ninguna de ellas R=a. 0.3 b. 0.2
17. Con base en experiencias pasadas, un corredor de bolsa considera que bajo las
condiciones económicas actuales un cliente invertirá con una probabilidad de 0.6 en bonos
libres de impuesto, en fondos mutualistas con una probabilidad de 0.3 y en ambos
instrumentos con una probabilidad de 0.15. En este momento, encuentre la probabilidad de
que el cliente invierta a. ya sea en bonos libres de impuesto o en fondos mutualistas, b. en
ninguno de los dos instrumentos. R=a. 0.75 b.0.25
18. Para parejas de casados que viven en una cierta ciudad de los suburbios, la probabilidad
de que el esposo vote en alguna elección es de 0.21, la de que su esposa lo haga , es de
0.28 y la de que ambos voten, de 0.15. ¿Cuál es la probabilidad de que a. al menos un
miembro de la pareja vote?, b. vote una esposa dado que su esposo lo hace?, c. vote un
esposo, dado que su esposa no lo
hace? R=a.0.34 b.5/7 c.1/12
19. La probabilidad de que un médico diagnostique correctamente una enfermedad en

particular es de 0.7. Dado que realice un diagnóstico incorrecto , la probabilidad de que el
paciente levante una demanda es de 0.9. ¿Cuál es la probabilidad de que el médico realice
un diagnóstico incorrecto y de que el paciente lo
demande? R=0.27
20. Un pueblo tiene dos carros de bomberos que operan independientemente. La

probabilidad de que un vehículo específico esté disponible cuando se necesite es de 0.96. a.
¿Cuál es la probabilidad de que ninguno esté disponible en caso necesario?, b. ¿Cuál es la
probabilidad de que alguno lo esté cuando se le
necesite? R=a.0.0016 b.0.9984
21. La probabilidad de que Tom sobreviva 20 años más es de 0.7 y la de que Nancy lo
haga de 0.9. Sí se supone independencia para ambos, ¿cual es la probabilidad de que
ninguno sobreviva 20 años? r= 0.03
22. Una valija contiene 2 frascos de aspirinas y tres de tabletas para la tiroides. Una
segunda valija contiene 3 de aspirinas, 2 de tabletas para la tiroides y 1 de tabletas laxantes.
Sí se toma un frasco aleatoriamente de cada valija de equipaje, encuentre la probabilidad de
que; a. ambos frascos contengan tabletas para la tiroides, b. ningún frasco contenga tabletas
para la tiroides; c. los dos frascos contengan diferentes
tabletas. R= a.1/5 b.4/15 c. 3/5
23. La probabilidad de que una persona que visita a su dentista requiera de una placa de
rayos X es de 0.6, la de que una persona a la que se le toma una placa de rayos X también
tenga un tapón de 0.3; y la de que a una persona que se le toma una placa de rayos X y que
tiene un tapón, tenga también un diente extraído, de 0.01. ¿Cuál es la probabilidad de que a
una persona que visita a un dentista se le tome una placa radiográfica, presente un tapón y
se le haya extraído un diente? R= 0.018
105

Tec - Tecnologica Grales Cuarto Secundaria

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Tec - Tecnologica Grales Cuarto Secundaria

Cargado por

Copyright:

Formatos disponibles

TECNICA

1.3. DIVISION DE LA ESTADISTICA

1.3.1 ESTADISTICA DESCRIPTIVA

1.3.2 ESTADISTICA INFERENCIAL

1.4 APLICACIÓN DE LA ESTADISTICA

1.5 TIPOS DE DATOS

1.5.1 VARIABLES CUALITATIVAS

1.5.1.1 CLASIFICACION DE LAS VARIABLES CUALITATIVAS

1.5.1.1.1 VARIABLES CUALITATIVAS NOMINAL

1.5.1.1.2 VARIABLE CUALITATIVA ORDINAL

1.5.2 VARIABLE CUANTITATIVA

1.5.2.1 CLASIFICACION DE LAS VARIABLE CUANTITATIVAS

1.5.2.1.1 VARIABLES DISCRETAS

1.5.2.1.2 VARIABLES CONTINUAS

1.6 UNIVERSO, POBLACION, MUESTRA

1.6.3.1 TIPOS DE MUESTRAS

1.6.3.1.1 MUESTRAS NO PROBABILISTICAS

1.6.3.1.2 MUESTRAS PROBABILISTICAS

1.7.1 METODOS PARA OBTENER MUESTRAS NO PROBABILISTICAS

1.7.1.1 MUESTREO POR CONVENIENCIA

1.7.1.2 MUESTREO CONSECUTIVO

1.7.1.3 MUESTREO POR CUOTAS

1.7.1.4 MUESTREO DISCRECIONAL

1.7.1.5 MUESTREO DE BOLA DE NIEVE

1.7.1.6 CUÁNDO UTILIZAR EL MUESTREO NO PROBABILÍSTICO

1.7.2 METODOS PARA OBTENER MUESTRAS PROBABILISTICAS

1.7.2.1 MUESTREO ALEATORIO SIMPLE

1.7.2.2 MUESTREO SISTEMATICO

1.7.2.3 MUESTREO ESTRATIFICADO

1.7.2.4 MUESTREO POR CONGLOMERADO.- cuando la población tiene una

1.8 VARIABLES DE LAS QUE DEPENDE EL TAMAÑO DE LA MUESTRA

1º El nivel de confianza o riesgo que aceptamos de equivocarnos al presentar nuestros

1.9 CALCULO DEL TAMAÑO DE LA MUESTRA

1.9.1 PARA POBLACIONES MUY GRANDES (población infinita)

EJEMPLO.- Calcular el tamaño de la muestra de una población de 500 elementos con un

Reemplazando valores de la fórmula se tiene:

3.84 3.53 3.28 3.06 2.86 2.72 1.64 1.00 0.45

e 0.05 0.06 0.07 0.08 0.09 0.10 0.20 0.37 0.50

0.0025 0.0036 0.0049 0.0064 0.0081 0.01 0.04 0.1369 0.25

EJERCICIOS PARA EL ESTUDIANTE

5. Calcule el tamaño de la muestra para una población de 6000000 con un error

6. Calcule el tamaño de la muestra para una población de 7000000 con un error de

7. Calcule el tamaño de la muestra para una población de 18000000 con un error de

8. Calcule el tamaño de la muestra para una población de 50000000 con un error de

TABLA DE APOYO AL CALCULO DEL TAMAÑO DE UNA MUESTRA

3.84 3.53 3.28 3.06 2.86 2.72 1.64 1.00 0.45

e 0.05 0.06 0.07 0.08 0.09 0.10 0.20 0.37 0.50

0.0025 0.0036 0.0049 0.0064 0.0081 0.01 0.04 0.1369 0.25

2.1 REVISION Y CORRECCION DE LOS DATOS

2.2 TABLAS DE DISTRIBUCION DE FRECUENCIAS

Una tabla de distribución de frecuencias está formada por frecuencias, absolutas y

2.3 TERMINOLOGIA A UTILIZAR.

2.4 DISTRIBUCION DE FRECUENCIAS CUANDO LOS DATOS

fam1= 2 fam8= 1 fam3= 3 fam9= 2 fam4= 1 fam6=1

fam2 = 1 fam10= 1 fam5= 1 fam7= 0

2.5 DISTRIBUCION DE FRECUENCIA CUANDO LOS DATOS CORRESPONDEN

Ejemplo.- Los datos representan los pesos en Kg. De 50 niños de 1 a 5 años.

 Construir una tabla de distribución de frecuencias

2.6 RECONSTRUCION DE TABLAS ESTADISTICAS

 Completar la tabla obteniendo los valores x, y, z.

La frecuencia relativa de un dato es igual su frecuencia absoluta dividida

EJERCICIOS PARA EL ESTUDIANTE

2. Se tiene las edades de 60 individuos: