Antologia Probabilidad y Estadistica Descriptiva

Tecnológico Nacional de México
Instituto Tecnológico Superior de Martínez de la Torre
ASIGNATURA:
Probabilidad y Estadística Descriptiva
(GED-0921)
ELABORÓ:
I.A. MARIO RAFAEL AGUILAR RODRÍGUEZ
AGOSTO, 2020
Introducción
Esta asignatura aporta al perfil del Ingeniero en Gestión Empresarial las herramientas
metodológicas, para el análisis, caracterización, interpretación y predicción de los distintos
fenómenos o devenires de las empresas actuales en el mundo globalizado que nos estás
tocando vivir.
Puesto que esta asignatura dará soporte a otras, más directamente vinculadas con
desempeños profesionales se inserta en la primera mitad de la trayectoria escolar antes de
cursar aquéllas a las que da soporte. De manera particular, lo trabajado en esta asignatura
se aplica en el estudio de los temas: tendencias de mercados, satisfacción de clientes,
calidad, entre otros.
Así como capacitar al estudiante para el análisis e interpretación de datos para tomar
mejores decisiones, sustentar convincentemente sus propuestas, proyectos e informes.
Objetivo general:
Realiza el proceso de recopilación, presentación y análisis de información económica-
administrativa, para interpretar estadísticas y parámetros en muestras y poblaciones
utilizando métodos de cálculo y software estadístico para la toma de decisiones.
2
Temas.
Temas Subtemas
1. Distribución de 1.1 Conceptos de estadística y su clasificación.
frecuencia 1.2 Recopilación de datos.
1.3 Distribución de frecuencias.
1.3.1 Polígonos de frecuencia, histogramas y ojivas.
1.4 Medidas de tendencia central para un conjunto de datos y datos
agrupados.
1.4.1 Media, Media ponderada.
1.4.2 Mediana.
1.4.3 Moda.
1.4.4 Relación entre media, mediana y moda.
1.5 Medidas de dispersión para un conjunto de datos y datos agrupados.
1.5.1 Rango.
1.5.2 Desviación media.
1.5.3 Varianza.
1.5.4 Desviación estándar.
2. Introducción a la 2.1 Teoría de conjuntos.

probabilidad y valor 2.1.1 Definición, propiedades y operaciones básicas con conjuntos.
esperado 2.1.2 Técnicas de conteo.
2.1.3 Diagrama de árbol.
2.1.4 Análisis combinatorio.
2.2 Combinaciones y permutaciones.
2.3 Introducción a la probabilidad.
2.3.1 Definición y expresión.
2.4 Eventos mutuamente excluyentes y no excluyentes.
2.5 Eventos independientes, dependientes y probabilidad condicional.
2.6 Teorema de Bayes.
2.7 Valor esperado o esperanza matemática.
3. Tipos de 3.1 Binomial.
distribución, 3.1.1 Propiedades: Media, Varianza y desviación estándar.
variables aleatorias 3.1.2 Gráfica.
discretas y 3.2 Poisson.
continuas 3.3 Propiedades: Media, Varianza y desviación estándar.
3.4 Gráfica.
3.5 Hipergeométrica.
3.6 Propiedades: Media, Varianza y desviación estándar.
3.7 Gráfica.
3.8 Normal y Logarítmico-normal.
3.10 Gráfica.
3.11 Aproximación de la normal a la binomial.
3.13 Gráfica.
3
4. Muestreo 4.1 Definición de muestreo.
4.1.1 Tipos de muestreo aleatorio, sistematizado, estratificado y
conglomerado.
4.2 Concepto de distribución de muestreo de la media.
4.2.1 Distribución muestral de la media con varianza conocida y
desconocida.
4.2.2 Distribución muestral de la diferencia entre dos medias con varianza
conocida y desconocida.
4.2.3 Distribución muestral de la proporción.
4.2.4 Distribución muestral de la diferencia de dos proporciones.
4.3 Teorema de límites central.
4.4 Tipos de estimaciones y características.
4.5 Determinación del tamaño de la muestra de una población.
4.6 Intervalos de confianza para la media, con el uso de la distribución.
4
Guía visual de la asignatura
Probabilidad y
Estadistica Discreta
3.Tipos de
2. Introducción a la
1. Distribución de distribucones, vriables
probabilidad y valor 4. Muestreo
frecuencia aleatorias discretas y
esperado
continuas
Mapa mental Mapa mental Mapa conceptual Mapa conceptual
Resumen Cuestionario Cuestionario Presentación
Problemario Ensayo Problemario Mapa mental
Requisitos tecnológicos y de materiales para cursar la asignatura.

Equipo de cómputo o Tablet: Se recomienda que tenga un buen procesador por ejemplo
Core 2 Duo o Athol Neo X2; Memoria RAM mínimo de 2GB; Disco Duro de 500GB; Tarjeta
de video de 2GB y si la memoria de la tarjeta de video es exclusiva (VRAM) se recomienda
como mínimo 256 MB; entrada USB, Ethernet y WIFI.
Teléfono celular: Se recomienda que sea Smartphone con procesador de 1.5GH, memoria
RAM mínimo de 2GB, memoria interna de 1GB, conexión WIFI. Permite realizar llamadas
telefónicas, soporta correo electrónico y posibilidad de conexión a redes sociales; permite
la instalación de programas de terceros, permite ingresar a internet con la tecnología 3G o
4G, conectividad inalámbrica (WIFI)
Internet: Se recomienda que sea una conexión estable NO intermitente debido al tráfico
de información al momento de cargar-descargar información.
Paquetería Microsoft Office: Se recomienda que el equipo de cómputo utilizado cuente
con la paquetería básica (Word, Excel, PowerPoint, etc) para poder desarrollar las tareas,
evaluaciones y actividades inherentes a la asignatura.
5
Tema 1.
Distribuciones de
frecuencia
6
Unidad temática.
1.1 Conceptos de estadística y su clasificación.
1.2 Recopilación de datos.
1.3 Distribución de frecuencias.
1.3.1 Polígonos de frecuencia, histogramas y ojivas.
1.4 Medidas de tendencia central para un conjunto de datos y datos
agrupados.
Tema 1. 1.4.1 Media, Media ponderada.
Distribución 1.4.2 Mediana.
de frecuencia 1.4.3 Moda.
1.4.4 Relación entre media, mediana y moda.
1.5 Medidas de dispersión para un conjunto de datos y datos agrupados.
1.5.1 Rango.
1.5.2 Desviación media.
1.5.3 Varianza.
1.5.4 Desviación estándar.
Objetivo del tema

Recopila conjuntos de datos tomados de una situación real para interpretarlos de manera
estadística y de forma gráfica.
RESUMEN
En el primer tema se abordan los temas básicos de la estadística descriptiva con la finalidad
de que se analice y represente gráficamente conjuntos de datos tomados de una situación
real, haciendo una interpretación de ellos mediante el uso de medidas de tendencia central
lo que le permitirá identificar las características de los fenómenos poblacionales o
muéstrales.
7
Tema 1. Distribución de frecuencia.
1.1 CONCEPTOS DE ESTADÍSTICA Y SU CLASIFICACIÓN.
Estadística. Se derivó de la palabra Estado. Su definición tradicional es un instrumento de

recopilación, organización, presentación y análisis de datos numéricos.
La Estadística se ocupa de los métodos y procedimientos para recoger, clasificar, resumir, hallar
regularidades y analizar los datos, siempre y cuando la variabilidad e incertidumbre sea una causa
intrínseca de los mismos; así como de realizar inferencias a partir de ellos, con la finalidad de ayudar
a la toma de decisiones y en su caso formular predicciones.
Conceptos Básicos:
Población: Agregado de unidades elementales, que poseen alguna característica o propiedades

comunes. El estudio de toda la población constituye un CENSO.
Una población puede ser finita o infinita, en relación al tamaño de la población:
FINITA: Cuando se conoce el tamaño de la población N.
INFINITA: Cuando el tamaño de la población N, no se conoce la cantidad de elementos que la

componen.
UNIDAD ELEMENTAL: Son los "entes" que constituyen la población y de las que se va a obtener
información inicial. También conocido como elementos o individuos que contienen cierta
información que se desea estudiar.
MUESTRA: Es una parte de la población. Se espera que la muestra sea representativa de la

población, es decir reproduzca las características más importantes. El proceso de obtener la muestra
de denomina MUESTREO.
MUESTRA ALEATORIA: cuando la muestra a sido obtenida empleando algún procedimiento del azar:
sorteo, extracción al azar, números aleatorios, etc.
OBSERVACIÓN: Es el registro que se obtiene al evaluar una característica en una unidad elemental.
VARIABLES ESTADÍSTICAS. Cuando hablemos de variable haremos referencia a un símbolo

(X,Y,A,B,...) que puede tomar cualquier modalidad (valor) de un conjunto determinado, que
llamaremos dominio de la variable o rango.
8
VARIABLES CUALITATIVAS: Generan observaciones de carácter no numérico.
VARIABLES CUANTITATIVAS: son las que tienen por modalidades cantidades numéricas con las que
podemos hacer operaciones aritméticas.
Una Variable Discreta solo puede adquirir un conjunto generalmente bajo de valores (de 2 a 5
valores posibles, por ejemplo). Muchas veces, estas variables corresponden a rasgos binarios (como
el sexo).
Las Variables Continuas, en cambio pueden adoptar una amplia gama de valores, incluyendo los
intervalos que hay entre los números enteros. Por ejemplo: Calificaciones Examen
PARÁMETRO: Es una constante que describe una característica de una población. Para poder
calcular el valor de un parámetro, se requiere conocer a ciencia cierta el estado de naturaleza de la
población o realizar un censo.
Parámetros de tendencia central:
 La media o promedio (µ)

 La mediana (Me)
 La moda (Mo)
Parámetros de Variabilidad:
 Varianza
 Desviación Estándar
VALOR ESTADÍSTICO o ESTADÍSTICO: Son valores análogos a los parámetros, pero que son
calculados con la información obtenida de la muestra. Los valores estadísticos son variables porque
pueden tomar diferentes valores al cambiar de muestra. Un valor estadístico estima al parámetro
correspondiente.
 Promedio X
 Mediana me
 Moda mo
 variancia s²
 Desviación estándar s
9
La estadística se puede clasificar en dos grandes ramas:
 Estadística descriptiva o deductiva.

 Estadística inferencial o inductiva.
Estadística Descriptiva: Se emplea de forma numérica o gráfica un conjunto de datos. Se restringe

a describir los datos que se analizan. Si aplicamos las herramientas ofrecidas por la estadística
descriptiva a una muestra, solo nos limitaremos a describir los datos encontrados en dicha muestra,
no se podrá generalizar la información hacia la población.
Estadística Inferencial: Permite realizar conclusiones o inferencias, basándose en los datos

simplificados y analizados de una muestra hacia la población o universo
10
1.2 RECOPILACIÓN DE DATOS
Las técnicas y herramientas utilizadas para recopilar información son: Entrevista, encuesta,
Cuestionario, Observación, diagrama de flujo y diccionario de datos.
Entrevista. Es un intercambio de ideas, opiniones mediante una conversación que se da entre dos
o más personas donde un entrevistador es el designado para preguntar.
SEGÚN SU METODOLOGÍA
Ventajas Desventajas Públicos/ocasiones de uso
-Contacto encuestadores/ -Costos -Población general
ENTREVISTA entrevistados -Tiempos -Prueba de productos
PERSONAL -Cuestionario más largo -Problemas muestras -Testeo publicitario
-Estímulos visuales (hogares) -Encuestas coincidenciales
-No contacto
-Menor tasa de rechazo
-Cobertura telefónica
-Diseño muestral -Niveles medios y altos
-Sospecha venta
E. TELEFÓNICAS probabilístico -Bases de datos
telefónica
-Costos/tiempo -Públicos especiales
-Duración limitada
-Campo centralizado
-No estímulos visuales
-Analfabetos
AUTO -Más barato -No hay control sobre
-Papeles
ADMINISTRADA / -Se pueden cubrir temas quien lo responde
-Empleados
CORREO sensibles -Bajo nivel de
respuesta
-Costos y tiempos
-Falta responsabilidad -Paneles
INTERNET -Personalización cuestionarios
-Seguridad -Públicos difíciles
-Altas tasas de respuestas
11
ENCUESTA: Consiste en una interrogación verbal o escrita que se le realiza a las personas de las
cuales se desea obtener la información necesaria para la investigación. Puede ser vía correo,
teléfono y personal.
Encuesta estadística
Ventajas Desventajas
 Económico  Bajo índice de respuesta
 Se precisa escaso personal  Impersonal
 Accesibilidad  Puede influir otras personas sobre el
 Flexibilidad de tiempo para el entrevistado encuestado
 Favorece el anonimato  Poco útil para encuestas de respuestas
inmediatas
 No existe control en el orden en el que
entrevista el personal
Cuestionario: En forma escrita se elabora una serie de preguntas enfocadas al tema en cuestión.
Ventajas y desventajas de los cuestionarios

Formas de aplicaciones Ventajas Desventajas
Personal  Elevado índice de respuesta  Costo elevado
 Se conoce quien contesta  Sesgos de influencia del
 Evita influencia de otras encuestador
personas  Necesidad de controlar los
 Se reduce las respuestas encuestados para evitar
evasivas errores o fallas por parte
 Facilita el uso de material de estos
auxiliar
Telefónico  Rapidez en la obtención de los  Falla de representatividad
datos de la muestra (personas
 Costos más reducidos que no están, que no
 Permite encuestar a personas tienen teléfono)
más accesibles  Brevedad del cuestionario
 Elevado índice de respuestas  No se puede utilizar
material auxiliar
Por correo electrónico  Reducción de costos  Bajo índice de respuesta
 Facilidad de acceso a las  No hay seguridad de quien
personas a encestar contesta el formulario
 Flexibilidad en el tiempo para el  Necesidad de datos
encuestado (puede contestar en  El cuestionario ha de ser
cualquier momento) reducido
 Se evita la posibilidad de  Falta de receptividad
influencia del encuestador
12
Observación: Esta técnica consiste en observar el objeto de estudio y es de mayor utilidad para el
área científica.
Ventajas de la observación Limitaciones de la observación

 La observación facilita el registro de hechos  Requiere de una concentración especial,
dentro de su contexto o permite tener una pues en ocasiones requiere tomar nota,
idea contextualizada de los hechos. observar y participar.
 Se puede obtener información sobre temas  Siempre que se observa, resulta difícil
o problemas que resultan difíciles de registrar los hechos de manera imparcial y
recoger a través de otras técnicas de neutra, sin que nuestras creencias afecten
investigación, como las que se basan en el nuestros criterios de observación y
relato de los informantes. registro.
 La observación es útil para explorar temas  La presencia del observador puede alterar
o problemas que resultan difíciles de narrar el normal desarrollo de las conductas que
o de describir por los propios individuos o se quieren observar.
que tienden a ser descritas en términos  El investigador tiene poco control sobre la
ideales (por ejemplo, creencias religiosas, situación.
hábitos alimentarios, prácticas de higiene,  No siempre se puede aplicar la observación
etc). como técnica de recojo de información.
Diagrama de Flujo: Este esfuerzo con frecuencia revela problemas potenciales tales como cuellos
de botella en el sistema, pasos innecesarios y círculos de duplicación de trabajo.
Ventajas Desventajas
 Obliga a preparar el diagrama de flujo de  Es fácil no detectar las causas potenciales,
proceso puesto que la gente puede estar muy
 Se pueden llegar a descubrir otros familiarizada con el proceso haciéndosele
problemas no considerados inicialmente todo normal
 Permite que las personas que desconocen  Es difícil usarlo por mucho tiempo, sobre
el proceso se familiaricen con él todo en procesos complejos
 Algunas causas potenciales pueden
aparecer muchas veces
13
1.3 DISTRIBUCIONES DE FRECUENCIA
Representar los
Seleccionar
Recolectar datos, tablas de Sacar
información Organizar datos
datos frecuencias, conclusiones
que interesa
graficos
Es una ordenación tabulada de los datos recopilados en una investigación o estudio, de acuerdo a
la clase o intervalo a que pertenece y con el número de veces o frecuencias que se repite. Una
distribución de frecuencias se represente por medio de tablas.
Clases de frecuencias
Frecuencia absoluta.
La frecuencia absoluta de una variable estadística, es el número de veces que aparece en la muestra
dicho valor de la variable, la representaremos por fi
Frecuencia Absoluta Acumulada.
Para poder calcular este tipo de frecuencias hay que tener en cuenta que la variable estadística ha
de ser cuantitativa. La frecuencia absoluta acumulada de un valor de la variable, es el número de
veces que ha aparecido en la muestra un valor menor o igual que el de la variable y lo
representaremos por Fi.
Frecuencia relativa.
Es una medida útil para poder comparar. La frecuencia relativa es el cociente entre la frecuencia
absoluta y el tamaño de la muestra. Generalmente se expresa en porcentaje. Se denota por fr
𝑓𝑖
𝑓𝑟 =
𝑛
Donde:
n = Tamaño de la muestra
fi = frecuencia absoluta
14
Frecuencia Relativa Acumulada.
Al igual que en el caso anterior la frecuencia relativa acumulada es la frecuencia absoluta acumulada
dividido por el tamaño de la muestra, y la denotaremos por Fr
𝑓𝑖
𝑓𝑟 =
𝑛
Pasos para elaborar una distribución de frecuencias
1. Ordenar los datos u observaciones, desde el menor hasta el mayor o viceversa.
2. Se determina el rango o amplitud de la serie de datos, que es la diferencia entre el valor mayor y
el valor menor.
Rango o Amplitud = C = Xmax. – Xmin.
3. Se determina el número de intervalos o clases (K) que se utilizan para agrupar los datos.
K = 1 + 3.322 log n Regla de Sturgess
4. En general se recomienda tener, hasta donde sea posible, tener entre 5 y 20 intervalos o clases.
Sin embargo, si no se tiene seguridad del número de intervalos a utilizar, se puede aplicar la regla
de Sturgess, con la cual se obtiene una aproximación aceptable sobre el número de intervalos
necesarios para agruparlos.
5. Una vez escogido el número de intervalos se determina la amplitud de cada clase o intervalo (C).
Esta amplitud es igual al rango de los datos dividida en el número de intervalos. El primer intervalo
debe contener el menor valor de los datos y el último intervalo debe contener el mayor valor de los
datos.
𝑋𝑚𝑎𝑥 − 𝑋𝑚𝑖𝑛 𝑅𝑎𝑛𝑔𝑜

𝐶= =
𝐾 𝐾
Se calcula la marca de clase (Xi), que es el valor medio o promedio de cada intervalo, el cual sirve
para facilitar el cálculo de algunas medidas de posición y de dispersión.
𝐿𝑖𝑛𝑓𝑒𝑟𝑖𝑜𝑟 + 𝐿𝑠𝑢𝑝𝑒𝑟𝑖𝑜𝑟
𝑋𝑖 =
2
15
Ejercicios:
1. Se determinaron las ventas en millones de pesos durante el mes de julio, en 34 almacenes de La

Republica Mexicana de un consorcio, obteniéndose los siguientes datos. Calcule la frecuencia
absoluta, absoluta acumulada, relativa y relativa acumulada.
2. Grupo IDESA en su complejo petroquímico de Coatzacoalcos mantiene un control de sus costos

en el área de mantenimiento semana a semana, el Ingeniero en Gestión Empresarial se le solicita
presentar en junta a la gerencia el comportamiento de los costos durante el año para lo cual
presenta los siguientes resultados registrados. Costos de mantenimiento en miles de pesos, calcular
la frecuencia absoluta, absoluta acumulada, relativa y relativa acumulada.
16
1.3.1 Polígonos de Frecuencia
Forma gráfica de representar los datos de una muestra e interpretar lo que sucede en un evento en
su desempeño.
Representación en Polígono de Frecuencias
Ejercicio: Con los históricos del suministro diario de amoniaco de Pemex a Agronitrogenados que se
presenta en la siguiente tabla, el área administrativa desea conocer cómo se comporta el suministro
de amoniaco para estandarizar sus procesos. Ventas de NH3 en toneladas. Genere el polígono de
frecuencia con los datos mencionados.
Día Venta Día Venta Día Venta Día Venta Día Venta
NH3 NH3 NH3 NH3 NH3
1 88 13 110 25 106 37 104 49 116
2 93 14 102 26 110 38 112 50 112
3 91 15 96 27 114 39 110 51 104
4 80 16 98 28 110 40 108 52 102
5 98 17 104 29 104 41 104 53 100
17
6 104 18 102 30 105 42 105 54 105
7 112 19 114 31 106 43 100 55 108
8 97 20 115 32 118 44 96 56 103
9 102 21 112 33 120 45 100 57 102
10 120 22 108 34 108 46 108 58 106
11 124 23 105 35 106 47 109 59 108
12 118 24 102 36 107 48 110 60 110
1.3.1 Histograma
Un histograma es una representación gráfica de una variable de forma de barras. Está formado por
una serie de rectángulos que tienen sus bases sobre un eje horizontal (eje X), siendo cada una de
ellas igual a un segmento de longitud correspondiente a la amplitud de la clase que representa.
18
Ejercicio: Represente un histograma de una empacadora local, de la cual se tiene en la base de datos
las cantidades de cajas que se empacan en la siguiente tabla, interprete cuantas cajas plantearía
adecuadas para ofrecer en venta a clientes
Día Cajas Día Cajas Día Cajas Día Cajas Día Cajas Día Cajas
1 890 13 974 25 994 37 1058 49 1110 61 1008
2 1014 14 1064 26 1034 38 1064 50 1066 62 1020
3 1146 15 1130 27 1136 39 1036 51 1046 63 1016
4 962 16 982 28 976 40 1112 52 1038 64 1014
5 912 17 1074 29 1058 41 1042 53 1070 65 1024
6 1036 18 1134 30 1122 42 1014 54 1010 66 1036
7 1180 19 974 31 1010 43 1044 55 1020 67 1080
8 946 20 1004 32 1002 44 998 56 1014 68 1066
9 948 21 1125 33 1096 45 1076 57 1026 69 1042
10 1076 22 984 34 1045 46 1052 58 1028 70 1024
11 1126 23 1024 35 1040 47 1016 59 1012
12 956 24 1142 36 1012 48 1028 60 1080
19
1.3.1 OJIVA
Este tipo de grafica se representa en el eje horizontal(x) las fronteras de clase, se utiliza las
frecuencias acumulativas originando una ojiva mayor y menor.
1.4 MEDIDAS DE TENDENCIA CENTRAL PARA UN CONJUNTO DE DATOS Y DATOS AGRUPADOS
Las medidas de centralización nos indican en torno a qué valor (centro) se distribuyen los datos
1.4.1 Media Aritmética y Media Ponderada
La media aritmética es el valor obtenido al sumar todos los datos y dividir el resultado entre el
número total de datos.
∑𝑛𝑖−1 𝑥𝑖
𝑥̅ =
𝑛
20
Ejercicio: Resuelva los siguientes ejercicios.
1.- Un auditor de BSI se encuentra en las instalaciones de una empresa para certificar en calidad la
empresa. Solicita evaluar el pesado de MEG producto en presentación de 200 kg en tambores, para
lo cual se realiza la inspección en 30 tambores arrojando los siguientes resultados. Cumple con la
calidad. PAC-510 Producto Final Peso 200 kg ± 1 kg.
2.- Una empresa mexicana realiza su compra de materia prima en dólares a Pemex, de acuerdo al
ajuste de su presupuesto anual tiene estimado el precio del dólar en 20.00 pesos para lograr tener
ganancias y los costos de producción no se eleven de acuerdo a precios del dólar se tiene: Podrá
cumplir con su presupuesto.
3.- Una empresa del ramo petroquímico desea evaluar si su producto DEA 99% de pureza puede
incrementar la calidad del producto a 99.2% pureza y estimular al cliente para aumentar cartera de
clientes, se obtiene de proceso los siguientes resultados.
21
4. Un Ingeniero en Gestión se le solicita realizar el presupuesto anual para el departamento de
calidad y mantenimiento en forma individual, en base a los gastos mensuales durante el año 2018
estimar el presupuesto.
5. En una empacadora local se presenta las compras de limón diario y semanal. Determine los
promedios para realizar inferencias acerca de dicha actividad.
Entrada de Limon a Empacadora

Semana Lunes Martes Miercoles Jueves Total Kilos
5 28450 34230 36550 22130
6 27340 34680 36120 21700
7 29120 33890 35980 20960
8 27680 32920 36370 21340
9 28180 33130 36250 22020
10 28880 33680 35910 21860
11 28360 34360 36050 21640
12 27890 33410 36270 21770
13 27660 33730 36460 21490
14 28040 34030 35840 21610
15 27590 33650 35910 21550
16 28360 33910 36070 21390
Total
Trimestre
22
6. En la empacadora de acuerdo a los registros de compra de limón al seleccionar el limón según sus
características físicas, determinar promedios para realizar inferencias con la información de lunes y
martes de cada semana.

Semana Lunes 1ra 2da 3ra Martes 1ra 2da 3ra
5 28450 16320 8710 3420 34230 18600 10200 5430
6 27340 15740 8010 3590 34680 18750 10250 5680
7 29120 16520 8690 3910 33890 18550 10130 5210
8 27680 15230 8330 4120 32920 17840 10060 5020
9 28180 14880 8960 4340 33130 17920 10100 5110
10 28880 14670 10340 3870 33680 18360 10140 5180
11 28360 15070 8730 4560 34360 18830 10190 5340
12 27890 15290 8650 3950 33410 18300 10020 5090
13 27660 15310 8270 4080 33730 18550 10050 5130
14 28040 14630 8780 4630 34030 18550 10160 5320
15 27590 14760 8370 4460 33650 18240 10220 5190
16 28360 15020 9310 4030 33910 18600 10230 5080
Total
Trimestre
características físicas, determinar promedios para realizar inferencias con la información de
miércoles y jueves de cada semana.

Semana Miercoles 1ra 2da 3ra Jueves 1ra 2da 3ra
5 36550 17650 12670 6230 22130 12220 7930 1980
6 36120 17370 12590 6160 21700 11930 7840 1930
7 35980 17470 12490 6020 20960 11330 7800 1830
8 36370 17560 12750 6060 21340 11510 7950 1880
9 36250 17450 12710 6090 22020 12240 7870 1910
10 35910 17370 12550 5990 21860 12120 7810 1930
11 36050 17790 12350 5910 21640 11870 7870 1900
12 36270 17910 12490 5870 21770 12020 7860 1890
13 36460 17830 12510 6120 21490 11660 7910 1920
14 35840 17380 12430 6030 21610 11700 7950 1960
15 35910 17720 12150 6040 21550 11660 7900 1990
16 36070 17440 12560 6070 21390 11650 7830 1910
Total
Trimestre
23
Media Ponderada
La media ponderada de un conjunto de valores de una variable x a los que se han asignado,
respectivamente, una ponderación se calcula mediante la fórmula:
Donde:
Los Valores p1, p2, p3 , … pn indican la importancia que se quiere dar a cada uno de los valores que
toma x.
Ejercicio: Resolver los siguientes ejercicios.
1.- Una empresa desea evaluar en su personal su desempeño para determinar su incremento de
sueldo a fin de año, para lo cual a cada trabajador se evalúa según siguiente tabla, determine la
evaluación de un trabajador.
24
2.- Una empresa realiza una encuesta para evaluar las características principales de su producto
(refresco de 600 ml) evalúa cada parámetro dando un porcentaje de valor y así poder observar
mejoras posibles. Evaluación en la tabla:
3.- Una empacadora local desea evaluar la calidad del servicio que presenta a sus clientes para ello
encuesta a un cliente obteniendo los siguientes resultados. Elabore la evaluación de satisfacción del
cliente.
25
1.5 Medidas de Dispersión para un conjunto de datos y datos agrupados
Las medidas de variabilidad de una serie de datos, muestra o población, permiten identificar que
tan dispersos o concentrados se encuentran los datos respecto a una medida de tendencia central.
La puntuación media en una distribución es importante en muchos contextos de investigación. Pero
también lo es otro conjunto de estadísticos que cuantifican que tan variables, o que tan dispersas,
tienden a ser las puntuaciones.
1.5.1 Rango.
Una medida razonable de la variabilidad podría ser la amplitud o rango, que se obtiene restando el
valor más bajo de un conjunto de observaciones del valor más alto.
R= Xmax –Xmin
Propiedades del rango
 Es fácil de calcular y sus unidades son las mismas que las de la variable.
 No utiliza todas las observaciones (solo dos de ellas);
 Se puede ver muy afectada por alguna observación extrema.
 El rango aumenta con el número de observaciones, o bien se queda igual. En cualquier caso,
nunca disminuye.
26
1.5.2 VARIANZA.
La varianza, S², se define como la media de las diferencias cuadráticas de n puntuaciones con
respecto a su media aritmética. Esta medida es siempre una cantidad positiva, con propiedades
interesante para la realización de inferencia estadística, es decir:
1.5.3 DESVIACIÓN TÍPICA O ESTÁNDAR
Si queremos que la medida de dispersión sea de la misma dimensionalidad que las observaciones
bastara con tomar su raíz cuadrada. Por ello se define la desviación típica, S, como:
Ejercicios: Resolver los siguientes ejercicios.
1. Grupo IDESA petroquímica vende su producto DEA (dietanolamina) en su presentación de 200 kg

en tambores de lamina, su cliente Pemex Cactus le compra 200 toneladas de producto. Envía a un
inspector de Calidad a revisar pesado de producto. Especificación 200 kg ±1 kg. ¿Cumple en calidad?
27
2. Una empresa mexicana desea realizar un pedido de materia prima al extranjero comprando en
dólares. Estima el presupuesto de compra en promedio 19.40 pesos con una desviación de 0.30
Cumple con lo establecido.
3. El estado mexicano realiza presupuestos de acuerdo a precio del barril de crudo, en la tabla
siguiente se tiene los precios de barril actuales, si se considera un precio promedio de barril de 62
dólares con una desviación de 3 dólares. Se cumple con lo estimado.
4. Una persona desea conocer la tasa de interés de Bancomer e Inbursa para poder solicitar un
préstamo. La persona considera pagar una tasa de interés a 28 días de 8.0 ± 0.1%. ¿Qué banco le
recomendaría?
28
5. En una empacadora local se presenta las compras de limón diario y semanal. Determine los
promedios para realizar inferencias acerca de dicha actividad.

Semana Lunes Martes Miercoles Jueves Total Kilos
5 28450 34230 36550 22130
6 27340 34680 36120 21700
7 29120 33890 35980 20960
8 27680 32920 36370 21340
9 28180 33130 36250 22020
10 28880 33680 35910 21860
11 28360 34360 36050 21640
12 27890 33410 36270 21770
13 27660 33730 36460 21490
14 28040 34030 35840 21610
15 27590 33650 35910 21550
16 28360 33910 36070 21390
Total
Trimestre
características físicas, determinar promedios para realizar inferencias con la información de lunes y
martes de cada semana.

Semana Lunes 1ra 2da 3ra Martes 1ra 2da 3ra
5 28450 16320 8710 3420 34230 18600 10200 5430
6 27340 15740 8010 3590 34680 18750 10250 5680
7 29120 16520 8690 3910 33890 18550 10130 5210
8 27680 15230 8330 4120 32920 17840 10060 5020
9 28180 14880 8960 4340 33130 17920 10100 5110
10 28880 14670 10340 3870 33680 18360 10140 5180
11 28360 15070 8730 4560 34360 18830 10190 5340
12 27890 15290 8650 3950 33410 18300 10020 5090
13 27660 15310 8270 4080 33730 18550 10050 5130
14 28040 14630 8780 4630 34030 18550 10160 5320
15 27590 14760 8370 4460 33650 18240 10220 5190
16 28360 15020 9310 4030 33910 18600 10230 5080
Total
Trimestre
29
características físicas, determinar promedios para realizar inferencias con la información de
miércoles y jueves de cada semana.

Semana Miercoles 1ra 2da 3ra Jueves 1ra 2da 3ra
5 36550 17650 12670 6230 22130 12220 7930 1980
6 36120 17370 12590 6160 21700 11930 7840 1930
7 35980 17470 12490 6020 20960 11330 7800 1830
8 36370 17560 12750 6060 21340 11510 7950 1880
9 36250 17450 12710 6090 22020 12240 7870 1910
10 35910 17370 12550 5990 21860 12120 7810 1930
11 36050 17790 12350 5910 21640 11870 7870 1900
12 36270 17910 12490 5870 21770 12020 7860 1890
13 36460 17830 12510 6120 21490 11660 7910 1920
14 35840 17380 12430 6030 21610 11700 7950 1960
15 35910 17720 12150 6040 21550 11660 7900 1990
16 36070 17440 12560 6070 21390 11650 7830 1910
Total
Trimestre
1.4.2 Mediana
Es el valor que ocupa el lugar central de todos los datos cuando éstos están ordenados de menor a
mayor.
La mediana se representa por Me.
La mediana se puede hallar sólo para variables cuantitativas.
Cálculo de la mediana
1. Ordenamos los datos de menor a mayor.
2. Si la serie tiene un número impar de medidas la mediana es la puntuación central de la misma.
2, 3, 4, 4, 5, 5, 5, 6, 6 Me= 5
3. Si la serie tiene un número par de puntuaciones la mediana es la media entre las dos
puntuaciones centrales.
30
7, 8, 9, 10, 11, 12 Me= 9.5
Cálculo de la mediana para datos agrupados
La mediana se encuentra en el intervalo donde la frecuencia acumulada llega hasta la mitad de la

suma de las frecuencias absolutas.
Es decir, tenemos que buscar el intervalo en el que se encuentre N/2.
Donde:
Li = Límite inferior de la clase donde se encuentra la mediana.
N/2 = la semisuma de las frecuencias absolutas.
Fi-1 = la frecuencia acumulada anterior a la clase mediana.
ai o ti = la amplitud de la clase.
fi = la frecuencia absoluta de la mediana
La mediana es independiente de las amplitudes de los intervalos.
1.4.3 MODA
La moda es el valor que tiene mayor frecuencia absoluta. Se representa por Mo. Se puede hallar
la moda para variables cualitativas y cuantitativas.
Hallar la moda de la distribución:
2, 3, 3, 4, 4, 4, 5, 5 Mo= 4
Si en un grupo hay dos o varias puntuaciones con la misma frecuencia y esa frecuencia es la máxima,
la distribución es bimodal o multimodal, es decir, tiene varias modas.
31
1, 1, 1, 4, 4, 5, 5, 5, 7, 8, 9, 9, 9 Mo= 1, 5, 9
Si dos puntuaciones adyacentes tienen la frecuencia máxima, la moda es el promedio de las dos
puntuaciones adyacentes.
0, 1, 3, 3, 5, 5, 7, 8 Mo = 4
Cálculo de la moda para datos agrupados
Todos los intervalos tienen la misma amplitud.
Donde:
Li = el límite inferior de la clase modal.
fi = la frecuencia absoluta de la clase modal.
fi--1 = la frecuencia absoluta inmediatamente inferior a la en clase modal.
fi-+1 = la frecuencia absoluta inmediatamente posterior a la clase modal.
ai o ti = la amplitud de la clase.
Media Aritmética. Si los datos vienen agrupados en una tabla de frecuencias, la expresión de
la media es:
Varianza y desviación estándar para datos agrupados:
32
Ejercicios.
Resolver correctamente los siguientes ejercicios.
1. Una industria mexicana desea conocer cuanto ascienden sus gastos promedio, varían, se desvían,
moda y mediana para realizar sus estimaciones de presupuesto en meses continuos, se recopilo la
información de los históricos recientes registrados en la siguiente tabla, proceda a calcularlos.
Gastos en millones de pesos
2. Banxico reporta la tasa TIIE (tasa de Interés Interbancaria de Equilibrio) mes a mes para dar a
conocer el promedio de dicha tasa. Esta información es utilizada por las empresas para conocer
cuanto se cobrara de interés por los bancos al otorgar créditos. Determine Moda, Mediana,
Promedio, Variación y desviación de dicha información para próximos proyectos.
33
3. La producción de una empresa diario se presenta en la siguiente tabla, Determine Moda,
Mediana, Promedio, Variación y desviación de dicha información
34
Tema 2.
Introducción a la
Probabilidad y
valor esperado
35
Unidad temática.
2.1 Teoría de conjuntos.
2.1.1 Definición, propiedades y operaciones básicas con conjuntos.
2.1.2 Técnicas de conteo.
2.1.3 Diagrama de árbol.
Tema 2. 2.1.4 Análisis combinatorio.
Introducción a la 2.2 Combinaciones y permutaciones.
probabilidad y 2.3 Introducción a la probabilidad.
valor esperado 2.3.1 Definición y expresión.
2.4 Eventos mutuamente excluyentes y no excluyentes.
2.5 Eventos independientes, dependientes y probabilidad condicional.
2.6 Teorema de Bayes.
2.7 Valor esperado o esperanza matemática.
Objetivo del tema

Aplica los fundamentos de la teoría de la probabilidad para la solución de problemas que
impliquen toma de decisiones.
RESUMEN
En este tema se propone el manejo de la probabilidad y distribuciones de probabilidad, de
tal forma que el estudiante aplique los conceptos en procesos de toma de decisiones que
involucren incertidumbre, y que le sirvan de sustento en la realización de proyectos e
informes.
36
Tema 2. Introducción a la probabilidad y valor esperado.
2.1 TEORÍA DE CONJUNTOS
La teoría de conjuntos es una rama de las matemáticas que estudia las

propiedades y relaciones de los conjuntos: colecciones abstractas de objetos,
consideradas como objetos en sí mismas. Los conjuntos y sus operaciones más
elementales son una herramienta básica en la formulación de cualquier teoría
matemática.
Ejemplos de conjuntos:
• Ф : el conjunto vacío, que carece de elementos.
• N: el conjunto de los números naturales.
• Z: el conjunto de los números enteros.
• Q : el conjunto de los números racionales.
• R: el conjunto de los números reales.
• C: el conjunto de los números complejos.
Existen operaciones básicas que permiten manipular los conjuntos y sus

elementos de los cuales se puede utilizar: Unión, Intersección, Diferencia,
complemento, entre otras.
2.1.1 DEFINICIÓN PROPIEDADES Y OPERACIONES BÁSICAS CON

CONJUNTOS.
Un conjunto es un grupo de elementos u objetos especificados en tal forma que

se puede afirmar con certeza si cualquier objeto dado pertenece o no a la
agrupación. Para denotar a los conjuntos, se usan letras mayúsculas.
Cuando un elemento x1 pertenece a un conjunto A se expresa de forma

simbólica como: x1 ∈ A. En caso de que un elemento y1 no pertenezca a este
mismo conjunto se utiliza la notación: y1 ∉ A.
37
Existen cuatro formas de enunciar a los conjuntos:
1. Por extensión o enumeración: los elementos son encerrados entre llaves

y separados por comas. Es decir, el conjunto se describe listando todos sus
elementos entre llaves.
2. Por comprensión: los elementos se determinan a través de una condición

que se establece entre llaves. En este caso se emplea el símbolo | que significa
“tal que". En forma simbólica es:
que significa que el conjunto A es el conjunto de todos los elementos x tales que
la condición P(x) es verdadera, como x1, x2, x3 , etc.
3. Diagramas de Venn: son regiones cerradas que sirven para visualizar el

contenido de un conjunto o las relaciones entre conjuntos.
4) Por descripción verbal: Es un enunciado que describe la característica que

es común para los elementos.
Ejemplo: Dada la expresión “el conjunto de todas las tallas de pantalón adulto”
lo expresamos por extensión, comprensión y diagrama de Venn.
Por extensión: T = {28,30,32,34,36,38,40,42}
Por comprensión: T = {x |x es una talla de pantalón adulto}
Por Diagrama de Venn:
38
CONJUNTOS CON NOMBRES ESPECÍFICOS
1. Un conjunto vacío o nulo es aquel que no posee elementos. Se denota por:

φ o bien por { }. El conjunto vacío siempre forma parte de otro, así que es
subconjunto de cualquier conjunto.
Un conjunto universal es aquel que contiene a todos los elementos bajo

consideración. Se denota por U. Gráficamente se le representará mediante un
rectángulo.
U = { x |x son todas las industrias en la región} = {Citrex, Citrofrut, Ingenio}
2. Un conjunto finito es aquel cuyos elementos pueden ser contados.
M = { x |x⁴ = 16}
3. Un conjunto infinito es aquel cuyos elementos no pueden ser contados, es

decir, su cardinalidad no está definida.
N = { 1,3,5,7,9,11,13,15,17,19,…}
4. Dos conjuntos son iguales si tienen exactamente los mismos elementos. Se

denota por el símbolo = .
R = { 0,1,2,3,4,5,6,7,8,9}
S = { x |x es un digito} R=S
5. Dos conjuntos son desiguales si por lo menos difieren en un elemento, es

decir, si no tienen exactamente los mismos elementos. Se denota por el símbolo
≠.
R = { x |x² = 4}
S = { -3,-2,-1,0,1,2,3} RǂS
6. Dos conjuntos son equivalentes si tienen la misma cantidad de elementos, es

decir, si poseen la misma cardinalidad. Se denota por el símbolo ≈. Cuando los
39
conjuntos son equivalentes existe una correspondencia uno a uno o biunívoca.
Esto significa que se puede establecer una relación que asocie a cada elemento
del primer conjunto con un único elemento del segundo conjunto sin que sobren
elementos en ningún conjunto.
OPERACIONES CON CONJUNTOS
1. La unión de los conjuntos A y B es el conjunto de todos los elementos de A

con todos los elementos de B sin repetir ninguno y se denota como A U B. Esto
es: A U B = { x |x Є A o x Є B }
Gráficamente y Ejemplo:
A = { 100, 200 }
B = { 300, 400, 500, 600}
A U B {100, 200,300, 400, 500, 600}
40
2. La intersección de los conjuntos A y B es el conjunto de los elementos de A
que también pertenecen a B y se denota como A ∩ B. Esto es: A ∩ B = { x |x Є
AyxЄB} Gráficamente:
Ejemplo:
A = { 10, 20, 30, 40, 50, 60, 70, 80, 90}
B = { 100, 10, 20, 110, 120, 30}
A ∩ B = { 10, 20, 30}
3. Dos conjuntos son ajenos o disjuntos cuando su intersección es el conjunto

vacío, es decir, que no tienen nada en común. Por ejemplo:
A = { 100, 200, 300, 400, 500, 600}
B = { 700, 800, 900, 1000, 1100, 1200}
A∩B=Ф
4. El complemento del conjunto A con respecto al conjunto universal U es el

conjunto de todos los elementos de U que no están en A y se denota como Aʹ .
Esto es: Aʹ = { x Є U |x Є A }
Gráficamente:
41
U = { 15, 25, 35, 45, 55, 65, 75, 85, 95, 105, 115, 125, 135, 145}
A = { 35, 15, 25, 105, 115}
Aʹ = { 45, 55, 65, 75, 95, 125, 135, 145, 85}
La diferencia de los conjuntos A y B (en ese orden) es el conjunto de los

elementos que pertenecen a A y no pertenecen a B y se denota como A − B.
Esto es: A – B = { x | x Є A y x Є B}
Gráficamente:
U ={10,20,30,40,50,60,70}
A={10,30,50,70} B={10,20,40,60,70}
A-B={30,50} B-A={20,40,60}
42
1.- Sean los conjuntos:
U: {10, 20, 30, 40, 50, 60, 70, 80, 90, 100, 110, 120, 130, 140, 150, 160, 170,
180, 190, 200}
A = {20, 40, 60, 80, 130, 140, 160, 190}
B = {120, 110, 190, 160, 150, 170, 100, 140, 20}
Obtener: a) A U B b) A ∩ B c) A - B d) B - A e) A ʹ f) Bʹ g) Aʹ - Bʹ h) ( A U
B)ʹ i) ( A ∩ B)ʹ j) Aʹ – Bʹ k) Aʹ ∩ Bʹ m) ( Aʹ ∩ Bʹ)ʹ
U: {5, 15, 25, 35, 45, 55, 65, 75, 85, 95,105, 115,125, 135, 145, 155, 165,
175, 185, 195, 205, 215, 225, 235, 245}
A = {15, 35, 55, 75, 95, 125, 145, 185, 215, 245}
B = {5, 25, 45, 65, 85, 105, 125, 145, 165, 185, 205, 225, 245}
Obtener: a) A U B b) A ∩ B c) A - B d) B - A e) A ʹ f) Bʹ
g) Aʹ - Bʹ h) ( A U B)ʹ i) ( A ∩ B)ʹ j) Aʹ – Bʹ k) Aʹ ∩ Bʹ m) ( Aʹ ∩ Bʹ)ʹ
U: {10, 20, 30, 40, 50, 60, 70, 80, 90, 100, 110, 120, 130, 140, 150, 160, 170,
180, 190, 200}
A = {20, 40, 60, 80, 130, 140, 160, 190}
B = {120, 110, 190, 160, 150, 170, 100, 140, 20}
Obtener: a) A U B b) A ∩ B c) A - B d) B - A e) A ʹ f) Bʹ g) Aʹ - Bʹ h) ( A U
B)ʹ i) ( A ∩ B)ʹ j) Aʹ – Bʹ k) Aʹ ∩ Bʹ m) ( Aʹ ∩ Bʹ)ʹ
43
2.1.2 TÉCNICAS DE CONTEO
El principio fundamental en el proceso de contar ofrece un método general para

contar el número de posibles arreglos de objetos dentro de un solo conjunto o
entre varios conjuntos. Las técnicas de conteo son aquellas que son usadas para
enumerar eventos difíciles de cuantificar.
2.1.3 DIAGRAMA DE ÁRBOL
Un diagrama de árbol es una herramienta que se utiliza para determinar todos

los posibles resultados de un experimento aleatorio. En el cálculo de la
probabilidad se requiere conocer el número de objetos que forman parte del
espacio muestral, estos se pueden determinar con la construcción de un
diagrama de árbol. El diagrama de árbol es una representación gráfica de los
posibles resultados del experimento, el cual consta una serie de pasos, donde
cada uno de los pasos tiene un número finito de maneras de ser llevado a cabo.
44
2.1.4 ANÁLISIS COMBINATORIO
La combinatoria o análisis combinatorio es la parte de la Matemática que estudia

las diferentes maneras en que se pueden formar agrupaciones entre elementos
de uno o más conjuntos y como contar ordenadamente su número. El análisis
exige el conocimiento de ciertas reglas y métodos para determinar el número o
la manera de formar diferentes grupos con los elementos de un conjunto.
1.- El símbolo de sumatoria: permite abreviar la notación de una suma cuyos

términos admiten cierta ley de formación. Por ejemplo, para indicar la suma:
x1 + x2 + x3 + x4 + x5 + x6 + x7
escribimos: x7 y se lee, sumatoria de xi con i variando de 1 a 7. Si el
índice i es variable desde 1 hasta n, la notación es: xi y significa la suma

abreviada de los n términos: x1 + x2 + x3 + x4 + x5 + x6 + xn. El desarrollo de
una sumatoria se obtiene asignando a i, cada uno de los sucesivos valores de
su rango de variación y sumando los términos así obtenidos.
45
2.- Factorial de un número: El factorial de un número natural n mayor que
uno (1) es igual al producto de los n primeros números naturales; el símbolo
característico es "!". Así: n! = n.(n-1).(n-2)...3.2.1
De la definición se deduce que el factorial de un número es igual al producto

de dicho número por el factorial del anterior. n.(n-1)!= n!
10ᴉ = 3628800 6ᴉ = 720 8ᴉ = 40320 12ᴉ = 479001600
Ejercicios: Desarrolle los factoriales de los siguientes números.
5ᴉ =? 9ᴉ =? 4ᴉ =? 15ᴉ =? 7ᴉ =? 11ᴉ =?
2.2 COMBINACIONES Y PERMUTACIONES
PERMUTACIÓN: Es todo arreglo de elementos en donde nos interesa el lugar o

posición que ocupa cada uno de los elementos que constituyen dicho arreglo.
𝑛!
𝑛𝑃𝑟 =
(𝑛 − 𝑟)!
Esta fórmula nos permitirá obtener todos aquellos arreglos en donde el orden es
importante y solo se usen parte (r) de los n objetos con que se cuenta, además
hay que hacer notar que no se pueden repetir objetos dentro del arreglo, esto
es, los n objetos son todos diferentes.
Ejercicios: 7P3= 7ᴉ / 4ᴉ = 5040/24 = 210 o bien 7x6x5 = 210
120P3 = 120ᴉ / 120ᴉ-3ᴉ = 120ᴉ /117ᴉ = 120x119x118 = 1685040
26P5 = 26! / (26 – 5)! = 26! / 21! = 26 x 25 x 24 x 23 x 22 =

7,893,600
11P5 = 11! / (11 – 5)! = 11! / 6! = 11 x 10 x 9 x 8 x 7 =

55,440
7!/3! = 7x6x5x4x3!/3! = 7x6x5x4 = 840
46
Extra clase: 12P4 + 23P5 =? (15P3 + 28P6 ) ÷ 36P4 =?
(15P3 + 38P6 – 28P5 ) ÷ 40P4 =? (52P4 + 29P6 – 38P4 ) ÷ ( 50P5

+ 21P3 )
(32P4 * 18P6 – 42P5 ) ÷ ( 80P5 - 22P3 ) (27P4 * 15P4 – 33P4 ) ÷ ( 51P5 -

28P3 )
(36P4 + 18P4 ÷ 33P4 – 41P4) ÷ ( 34P5 + 16P3 )
(46P4 + 23P4 + 38P4 – 83P4) ÷ ( 26P5 + 18P3 + 14P3)
COMBINACIONES.
Una combinación de objetos es un arreglo de éstos en el que el orden no importa.

Este tipo de selecciones reciben el nombre de combinaciones. El número total
de combinaciones de r objetos seleccionados de n (también conocido como
combinaciones de n tomadas en r) se denota por nCr o (rᵑ).Para encontrar el
número de combinaciones de n objetos en grupos de r, se usa la siguiente
fórmula:
5 C 3 = 5! / 3!2! = 5x4 / 2x1 = 20/2 = 10 (5x4x3x2X1 / 3x2x1x2x1)
7 C 3 = 7! / 4!3! = 7X6X5 / 3X2X1 = 35
9 C 5 = 9! / 5!4! = 9*8*7*6 / 4*3*2*1 = 3024 / 24 = 126
47
Ejercicios:
56C5 + 32C4 – 22C4 =?
(62C5 + 37C4 – 42C4) ÷ 48C5 =?
(72C3+39C4 – 35C4) ÷ (48C5 +12C4)=?
(18C4*19C4 – 25C5) / (30C5 +19C4)=?
(68C4÷18C6 – 32C5) / (45C5 -26C4)=?
(34C5+23C6 + 41C4–26C5) / (36C5 -16C4)=?
(28C6+24C4+31C5) / (65C6-36C5)=?
2.3 TEOREMA DE BAYES
Suponga que A1, A2, …, An son eventos mutuamente excluyentes cuya unión
es el espacio muestral S, es decir, que debe ocurrir uno de los eventos. Entonces
si A es un evento cualquiera, tenemos el siguiente teorema:
Regla de Bayes: P(Ak |A) = P(Ak ) P(A|Ak ) / Σ1ᵑ P(AJ) P(A|AJ )
Esto nos permite encontrar las probabilidades de diferentes eventos A1, A2, …,
An que pueden hacer que ocurra A. Es útil para calcular probabilidades
posteriores
Ejemplo: Una empresa manufacturera recibe embarques de partes de dos

proveedores. En la actualidad el 65% de las partes compradas por la compañía
son del proveedor 1 y el restante 35% son del proveedor 2.
P(A1)= 0.65 y P(A2)= 0.35

Las probabilidades condicionales (con base en datos históricos) son:
Partes buenas Partes malas

Proveedor 1 0.98 0.02
Proveedor 2 0.95 0.05
48
Ejercicios:
1. Una empresa tiene 2 máquinas de selección de limón, la maquina A trabaja

el 72% de la selección de limón y la maquina B el 28% restante.
Las probabilidades condicionales (con base en datos históricos) son:

Selección buena Selección errónea
Maquina A 0.97 0.03
Maquina B 0.93 0.07
Determine la probabilidad futura para la calidad en la selección de las maquinas
2. Una empacadora mexicana exporta su limón a EU el 68% de su producto y a

Europa el 32%. De acuerdo a muestreos de calidad el 1% de productos
defectuosos se presenta en embarques a EU y 3% a Europa. ¿Cuál es la
probabilidad de los productos defectuosos se presente en embarques futuros?
49
PARTE 3 COMPUESTOS INORGÁNICOS
RED CONCEPTUAL DE LA UNIDAD
Tema 3.
Tipos de distribuciones,
variables aleatorias
discretas y continuas
50
Unidad temática.
3.1 Binomial.
3.1.1 Propiedades: Media, Varianza y desviación estándar.
3.1.2 Gráfica.
3.2 Poisson.
3.4 Gráfica.
Tema 3. Tipos de
3.5 Hipergeométrica.
distribución, variables
aleatorias discretas y
3.7 Gráfica.
continuas
3.8 Normal y Logarítmico-normal.
3.10 Gráfica.
3.11 Aproximación de la normal a la binomial.
3.13 Gráfica.
Objetivo del tema

Establece con base en un experimento aleatorio la distribución de probabilidad apropiada
para corroborar los axiomas y teoremas correspondientes, así como distinguir los tipos de
sucesos y asociarlos con el modelo matemático correspondiente en la solución de
problemas.
RESUMEN
Como en el tema anterior, se propone el manejo de la probabilidad y distribuciones de
probabilidad, de tal forma que el estudiante aplique los conceptos en procesos de toma de
decisiones que involucren incertidumbre, y que le sirvan de sustento en la realización de
proyectos e informes.
51
Tema 3. Tipos de distribuciones, variables aleatorias discretas y continuas
3.1 DISTRIBUCION BINOMIAL.
La distribución binomial es una distribución de probabilidad discreta que cuenta

el número de éxitos en una secuencia de n ensayos de Bernoulli independientes
entre sí, con una probabilidad fija p de ocurrencia del éxito entre los ensayos. A
uno de estos se denomina éxito y tiene una probabilidad de ocurrencia p y al
otro, fracaso, con una probabilidad q = 1 - p. Las probabilidades de ambas
posibilidades han de ser constantes en todos los experimentos (se denotan
como p y q o p y 1-p).
Su función de probabilidad es
donde x ={0,1,2,3,…n} siendo las combinaciones de n en x (n

elementos tomados de x en x).
Donde:
n= número de pruebas
x= número de éxitos
p= probabilidad de éxito
q= probabilidad de fracaso
52
Ejercicios:
1. Una empresa del ramo lácteo realizo una encuesta en la población de la ciudad
y encontró que el 55% le agrada su producto. Se realiza un muestreo a 10
personas de la población. Determine la probabilidad de que 7 personas les
agrade el lácteo.
2. Un ingeniero desea evaluar el porcentaje de defectos en una muestra de

producto. Para lo cual de acuerdo a sus historiales el 3% es producto defectuoso.
Si toma una muestra de 5 productos. ¿Cuál es la probabilidad de que 2 salgan
defectuosos?
3. Una empresa desea conocer la aceptación de su producto en el mercado,

para lo cual sus estadísticas marcan 68% de aceptación de su producto en la
población. Si se encuesta a 12 personas. ¿Qué probabilidad existe de que 3 no
acepten el producto?
4. Una industria dentro de sus históricos tiene un 89% de producto en calidad,

la empresa tiene una auditoria por un cliente y le solicita inspeccionar 5
productos. ¿Qué probabilidad existe de que 1 producto sea defectuoso?
5. En una empacadora de limón la maquina de selección de producto trabaja

con una eficiencia del 90%, al inspeccionar por calidad 4 cajas seleccionadas al
azar de empaque ¿Que probabilidad existe de que 1 caja sea defectuoso?
53
3.1.1 PROPIEDADES: MEDIA, VARIANZA Y DESVIACIÓN ESTÁNDAR
Algunas de las propiedades importantes de la distribución binomial son:
Media µ=np
Varianza σ² = n p q
Desviación Estándar σ = √ (n p q)
1. Una empresa monitorea su producto obteniendo en el mes 7200 toneladas de

producto de las cuales el 1% se obtiene como producto no conforme. Hallar las
toneladas esperadas de producto no conforme, ¿la varianza y su desviación
típica?
2. Una empresa de fármacos en la producción de un lote produjo 22500 fármacos

de los cuales el 0.1% se obtiene como producto no conforme. Hallar fármacos
esperados no conforme, varianza y desviación estándar.
3. Una empresa del ramo juguetero en un lote de plásticos genera 38000

juguetes de los cuales el 5% salen defectuosos. Hallar productos no conformes,
varianza y desviación típica.
4. Una maquina seleccionadora de limón genera 10000 cajas de limón empacado

por día, de las cuales el 2% salen fuera de calidad. Obtener µ, σ² y σ.
3.1.2 GRÁFICA.
Al calcular la media y desviación estándar evaluamos la densidad de probabilidad

de los elementos de la muestra y en base a ello podemos determinar que
variabilidad existe dentro de los elementos y al determinar la desviación
estándar se observa el ajuste homogéneo de la variabilidad del comportamiento
de la muestra.
54
3.2 DISTRIBUCIÓN DE POISSON
Es una distribución de probabilidad discreta que expresa, a partir de una

frecuencia de ocurrencia media, la probabilidad de que ocurra un determinado
número de eventos durante cierto período de tiempo. La función de densidad o
probabilidad de la distribución de Poisson es:
Donde:
P(x) es la probabilidad que se va calcular para un valor dado de x.
λ es la media del numero de ocurrencias (éxitos) en un intervalo especifico.
x es el numero de éxitos.
Instrucciones: Resuelva los siguientes ejercicios.
1. En una empresa se obtiene que el 1% de su producción de un lote sale fuera

de especificación, para obtener la probabilidad que 15 toneladas de producto
salgan fuera de especificación si se tiene 500 toneladas del lote reciente.
Determine la probabilidad buscada.
Datos: x = 15 y λ = 0.01(500) = 5
55
2. En una fábrica de plásticos se tiene estadísticos que el 3% que produce son
defectuosos, encuentre la probabilidad de que en una muestra de 200 productos.
Se obtengan 2, 4 o 6 productos defectuosos.
3. En una empresa petrolera se obtiene 4% de producto no conforme, encuentre

la probabilidad de que, en una muestra de 300 productos, se obtengan 3 o 7
productos defectuosos.
4. Una empacadora de limón dentro de sus históricos obtiene 2% de producto

no conforme, en 1 hora se selecciona 400 cajas llenas de producto. Determine
la probabilidad de obtener 1, 3 o 5 cajas fuera de calidad.
5. Una empresa productora de jugos elabora gajos de toronja en vasos de 200

gr los históricos indican un 4% de charolas de producto defectuosas. En 1 hora
se elaboro 260 charolas. Determine la probabilidad de obtener 1, 2 o 3
charolas fuera de calidad.
3.3 PROPIEDADES: MEDIA, VARIANZA Y DESVIACIÓN ESTÁNDAR
Algunas de las propiedades importantes de la distribución de Poisson son:
Media µ=λ
Varianza σ² = λ
Desviación Estándar σ=√λ
La probabilidad de que ocurra será λ = np y es un valor pequeño.
56
3.4 Grafica
3.4 DISTRIBUCION HIPERGEOMÉTRICA
Es una distribución discreta relacionada con muestreos aleatorios y sin

reemplazo. Supóngase que se tiene una población de N elementos de los
cuales, d pertenecen a la categoría A y N-d a la B. La distribución
hipergeométrica mide la probabilidad de obtener x (0 ≤ x ≤ d) elementos de la
categoría A en una muestra sin reemplazo de n elementos de la población
original. La función de probabilidad de una variable aleatoria con distribución
hipergeométrica puede deducirse a través de razonamientos combinatorios y es
igual a:
Donde:
N = Tamaño de la población
57
a = Todos o cantidad de elementos que cumple característica deseada o
esperada
n = Tamaño de la muestra.
x = Cantidad de éxitos o fracasos según contexto de la interrogante
Instrucciones: Realizar los siguientes ejercicios.
1. En un establecimiento llegan 20 artículos, 4 de los cuales son defectuosos, si

se seleccionan 5 al azar ¿Cuál es la probabilidad de que 3 sean defectuosos?
2. Una empresa tendrá auditoria en próximos días, sus lotes son de 25

artículos de los cuales 2 se obtienen defectuosos, si el auditor tomara 6
artículos al azar ¿Cuál es la probabilidad de que 1 sea defectuoso?
3. En un centro de trabajo laboran 40 empleados de los cuales 4 faltan en

lunes, si el encargado cuenta con 5 empleados esenciales ¿Cuál es la
probabilidad de que 2 falten en lunes?
4. Una industria presenta su producto en 1 tonelada de llenado, la venta

actual fue de 30 toneladas y de acuerdo con sus históricos 2 salen defectuosos,
Si al inspeccionar por calidad se elige aleatoriamente 4 toneladas. ¿Qué
probabilidad hay de que 1 salga defectuosa?
5. Una empresa productora de jugos elabora gajos de piña en vasos de 200 gr,
en 1 hora se producen 80 charolas de acuerdo a históricos 3 son dañadas, Si al
inspeccionar por calidad 8 charolas. ¿Qué probabilidad hay de que 1 salga
defectuosa?
58
3.6 NORMAL Y LOGARÍTMICO-NORMAL.
La distribución de probabilidad normal: Multitud de variables aleatorias

continuas siguen una distribución normal o aproximadamente normal. Una de
sus características más importantes es que casi cualquier distribución de
probabilidad, tanto discreta como continua, se puede aproximar por una
normal bajo ciertas condiciones.
La distribución de probabilidad normal y la curva normal que la representa,

tienen las siguientes características:
 La curva normal tiene forma de campana y un solo pico en el centro de la

distribución. De esta manera, la media aritmética, la mediana y la moda
de la distribución son iguales y se localizan en el pico. Así, la mitad del
área bajo la curva se encuentra a la derecha de este punto central y la
otra mitad está a la izquierda de dicho punto.
 La distribución de probabilidad normal es simétrica alrededor de su media.
 La curva normal desciende suavemente en ambas direcciones a partir del
valor central. Es asintótica, lo que quiere decir que la curva se acerca cada
vez más al eje X pero jamás llega a tocarlo. Es decir, las “colas” de la
curva se extienden de manera indefinida en ambas direcciones.
59
Para indicar que una variable aleatoria (v.a.) sigue una distribución normal de
media µ y desviación estándar σ usaremos la expresión: X ∼ N(µ,σ).
La probabilidad de que una variable aleatoria (v.a.) X tome un valor determinado

entre dos números reales a y b coincide con el área encerrada por la función
(función de densidad de probabilidad) entre los puntos a y b, es decir :
La distribución normal estándar.
Se observó que no existe una sola distribución de probabilidad normal, sino una
“familia” de ellas, cada una de las distribuciones puede tener una media (µ) o
una desviación estándar distinta (σ). Para resolver este problema, se utiliza un
solo “miembro” de la familia de distribuciones normales, aquella cuya media es
0 y desviación estándar 1 que es la que se conoce como distribución estándar
normal, de forma que todas las distribuciones normales pueden convertirse a la
estándar, restando la media de cada observación y dividiendo por la desviación
estándar.
60
Primero, convertiremos la distribución real en una distribución normal estándar
utilizando un valor llamado Z, o estadístico Z que será la distancia entre un valor
seleccionado, designado X, y la media µ, dividida por la desviación estándar σ.
Formalmente, si X ∼ N(µ,σ) , entonces la v.a. Z = X- µ /σ se distribuye según

una normal de media 0 y desviación estándar 1, i.e.: Z ∼ N(0,1) , que es la
distribución llamada normal estándar o tipificada.
De esta manera, un valor Z mide la distancia entre un valor especificado de X y

la media aritmética, en las unidades de la desviación estándar. Al determinar el
valor Z es posible encontrar el área de probabilidad bajo cualquier curva normal
haciendo referencia a la distribución normal estándar en las tablas
correspondientes.
Obtenga la densidad de probabilidad de los siguientes valores de Z.
z = -2.22 a 1.6; z = -1.45 a 3.4; z= .88 a 1.4; z= -2.88 a -1.68; z= -1.0 a 2.4
61
Extra clase: Obtener densidad de probabilidad:
z= -2.46 a 1.12; z= -2.08 a 0.92; z= 1.28 a 1.55 z= 0.12 a 2.88; z= -1.48

a 1.56
3.7 PROPIEDADES: MEDIA, VARIANZA Y DESVIACIÓN ESTÁNDAR.
Media µ
Varianza σ²
Desviación estándar σ
3.8 GRÁFICA.
En la figura se muestra la gráfica de la función de densidad, que algunas veces

recibe el nombre de curva normal estándar. En esta grafica indicamos las áreas
dentro de 1,2 y 3 desviaciones estándar de la media, (0sea, entre z = -1 y +1;
z= -2 y +2; z=-3 y +3), que equivalen a 68.27%, 95.45% y 99.73%, del área
total, respectivamente, siendo esta última igual a uno. Esto significa que:
P(-1≤ Z ≤ 1) = 0.6827, P(-2≤ Z ≤ 2) = 0.9545, P(-3≤ Z ≤ 3) = 0.9973
-1 ‹------- 68.27% --------›+1
-2 ‹---------------- 95.45% ------------------›+2
-3 ‹-------------------------- 99.73% ----------------------------+3

62
3.9 APROXIMACIÓN DE LA NORMAL A LA BINOMIAL.
Si n es "bastante grande" y p está "próximo a" 0.5, la distribución será bastante

simétrica y parecida a la Normal. En estos casos, la Distribución Normal puede
darnos excelentes aproximaciones. Sin embargo, la aproximación no será
precisa para valores pequeños de n. Hay varias reglas o criterios que intentan
precisar cuándo es adecuado el uso de la aproximación Normal (aunque esto
depende del problema estudiado y de la conveniencia de una mayor o menor
precisión). Por ejemplo, una regla dice que podemos usar la aproximación
Normal sólo si
np ≥ 5; n (1-p) ≥ 5
La aproximación generalmente mejora si n crece y es mejor cuando p no está

cerca de 0 o de 1.
En este caso se estarán calculando probabilidades de experimentos Binomiales

de una forma muy aproximada con la distribución Normal, esto puede llevarse a
cabo si n¥® y p = p(éxito) no es muy cercana a 0 y 1, o cuando n es pequeño
y p tiene un valor muy cercano a ½; esto es,
P(x,n,p) = nCx p ͯ qᵑ- ͯ ≡ p ( z = x – np / √npq )
Donde:
x = variable de tipo discreto; solo toma valores enteros
m = np = media de la distribución Binomial
σ = √ npq = desviación estándar de la distribución binomial
Cuando ocurren las condiciones anteriores, la gráfica de la distribución Binomial,

es muy parecida a la distribución Normal, por lo que es adecuado calcular
probabilidades con la Normal en lugar de con la Binomial.
63
Ejemplo: La probabilidad de que 1 cliente acepte y compre nuestro producto es
40%. Si realiza una encuesta a 80 personas. ¿Cuál es la probabilidad de que al
menos 25 personas les agrade el producto?, más de 45 personas les agrade.
Datos:
n=80
p=0.40
q=1 - 0.40= 0.60
µ=np = 80(0.4)= 32 σ=√npq = √80(0.4)(0.6) = 4.38
= (25-1/2) – 32/4.38 = -1.71 p(z=1.71) = 0.4564
p(x≥25) = p(z=-1.71) = 0.4564
= (45+1/2) – 32/4.38 = 3.08 p(z=3.08) = 0.4990
p>46 = 0.5 – p(z=3.08) = 0.4990
Ejercicios.
Responder los siguientes ejercicios.
1. Una muestra de 60 personas se les dio a probar un lácteo obteniendo 30%

de aceptación la leche A. ¿Cuál es la probabilidad de que les agrade la leche al
menos a 20 personas y cuál es la probabilidad de que les agrade a más de 25
personas?
2. La probabilidad de que 1 cliente acepte nuestro producto es 46%. Si se da

a probar a 50 personas. ¿Cuál es la probabilidad de que al menos 15 personas
lo acepten y más de 30 personas lo acepten?
3. Los históricos de la aceptación de un jugo arrojan un 24%. Si en un centro

comercial se da a probar a 80 personas. ¿Cuál es la probabilidad de que al menos
15 personas lo acepten y más de 25 personas lo acepten?
64
4. El 19% marca los históricos del agrado de una pasta dental dentro de la
población. Si se entrevista a 65 posibles clientes. ¿Cuál es la probabilidad de que
al menos 14 personas lo acepten y más de 18 personas lo acepten?
5. De acuerdo a los históricos el 32% de los alumnos reprueben en 1ra

oportunidad, Si se evalúa a 48 alumnos. ¿Cuál es la probabilidad de que al menos
12 alumnos lo reprueben y más de 20 alumnos lo reprueben?
3.10 PROPIEDADES: MEDIA, VARIANZA Y DESVIACIÓN ESTÁNDAR.
Media µ=np
Varianza σ=npq
Desviación Estándar σ=√npq
3.11 GRÁFICA.
La Distribución Binomial
La distribución binomial modela una situación en la que hay n ensayos

independientes con una probabilidad constante de éxito.
65
Aproximación normal a la distribución binomial
En algunos casos, una distribución Binomial puede aproximarse con una

distribución Normal con la misma media y varianza.
66
Tema 3.
Compuestos
inorgánicos
Tema 4.
Muestreo
67
Unidad temática.
4.1 Clasificación y propiedades de los compuestos orgánicos.
4.1.1 Hidrocarburos.
4.1.2 Halogenuros.
4.1.3 Alcoholes.
4.1.4 Éteres.
4.1.5 Aldehídos- Cetonas.
Tema 4. Muestreo
4.1.6 Ácidos carboxílicos.
4.1.7 Esteres.
4.1.8 Aminas.
4.1.9 Compuestos orgánicos de impacto económico, industrial,
ambiental y social en la región o en el país.
4.1.10 Normatividad aplicable.
Objetivo del tema

Aplica el conocimiento básico de distribución de muestreo para la resolución de problemas
con enfoque económico-administrativo.
RESUMEN
En este tema se contempla el manejo de conceptos relativos al muestreo que serán aplicados
en estadística inferencial.
68
Tema 4. Muestreo
4.1 DEFINICIÓN DE MUESTREO.
En ocasiones en que no es posible o conveniente realizar un censo (analizar a

todos los elementos de una población), se selecciona una muestra, entendiendo
por tal una parte representativa de la población. El muestreo es por lo tanto
una herramienta de la investigación científica, cuya función básica es determinar
que parte de una población debe examinarse, con la finalidad de hacer
inferencias sobre dicha población. La muestra debe lograr una representación
adecuada de la población, en la que se reproduzca de la mejor manera los
rasgos esenciales de dicha población que son importantes para la investigación.
Para que una muestra sea representativa, y por lo tanto útil, debe de reflejar las
similitudes y diferencias encontradas en la población, es decir ejemplificar las
características de ésta.
Selección de un conjunto de personas o cosas que se consideran representativos

del grupo al que pertenecen, con la finalidad de estudiar o determinar las
características del grupo.
"para hacer una buena encuesta se necesita antes hacer un buen muestreo"
69
4.1.1 TIPOS DE MUESTREO ALEATORIO, SISTEMATIZADO,
ESTRATIFICADO Y CONGLOMERADO.
Existen diferentes criterios de clasificación de los diferentes tipos de muestreo:
Muestreo probabilístico Muestreo aleatorio simple:
Muestreo aleatorio sistemático: Muestreo aleatorio estratificado:
70
Muestreo aleatorio por conglomerados:
 En el muestreo por conglomerados la unidad muestral es un grupo de

elementos de la población que forman una unidad, a la que llamamos
conglomerado. Las unidades hospitalarias, los departamentos
universitarios, una caja de determinado producto, etc., son
conglomerados naturales.
 En otras ocasiones se pueden utilizar conglomerados no naturales como
por ejemplo, las urnas electorales. Cuando los conglomerados son áreas
geográficas suele hablarse de “muestreo por áreas”.
 El muestreo consiste en la selección aleatoriamente un cierto número de
conglomerados (el necesario para alcanzar el tamaño muestral
establecido) y en investigar después todos los elementos pertenecientes
a los conglomerados elegidos.
 Se emplea cuando la muestra esta dispuesta en un territorio amplio.
 Los conglomerados son heterogéneos en su interior y homogéneos entre
sí.
 Se selecciona al azar un número determinado de conglomerados.
 Se selecciona una muestra aleatoria al interior de los conglomerados
seleccionados.
4.2 CONCEPTO DE DISTRIBUCIÓN DE MUESTREO DE LA MEDIA.
Distribución Muestral. Las muestras aleatorias obtenidas de una población son,

por naturaleza propia, impredecibles. No se esperaría que dos muestras
aleatorias del mismo tamaño y tomadas de la misma población tenga la misma
media muestral o que sean completamente parecidas; puede esperarse que
cualquier estadístico, como la media muestral, calculado a partir de las medias
en una muestra aleatoria, cambie su valor de una muestra a otra, por ello, se
quiere estudiar la distribución de todos los valores posibles de un estadístico.
Un estadístico muestral que se calcula a partir de X1,…Xn es una funcion de

estas variables aleatorias y, por consiguiente, es en si misma una variable
71
aleatoria. La distribución de probabilidad de un estadístico muestral se llama
distribución muestral del estadístico.
La media de la muestra. Sean x1+x2+…xn las variables aleatorias

independientes con distribución idéntica para una muestra aleatoria de tamaño
n la media muestral es:
La media de la distribución muestral de las medias, denotada por µx‾ está

dada por:
E (x‾) = µx‾ = µ donde µ es la media de la población.
El valor esperado de la media muestral es la media de la población.
Si una población es infinita y el muestreo el aleatorio o si la población es finita

y el muestreo es con remplazo, entonces la varianza está dada por:
E [(x‾ - µ)²] = σ²x‾ = σ² / n donde σ² es la varianza de la población.
Si la población es de tamaño N, si el muestreo es sin remplazo y si el tamaño de

la muestra en n≤N entonces, se remplaza por:
σ²x‾ = σ² / n (N – n / N-1)
Si tenemos una distribución de probabilidad con media µ y varianza σ², que no

es necesariamente normal se tiene:
72
Ejercicios
1. Una empresa llena su producto a 200 kg y desviación estándar de 0.4 kg.

Encuentre la probabilidad de que una muestra tenga un promedio de 199.8 kg
en una muestra de 35 tambores.
2. Una empresa llena un autotransporte a un promedio de 45000 kg y una

desviación de 200 kg. Encuentre la probabilidad de que una muestra aleatoria
de 50 autotransportes tenga un promedio de llenado de 44900 kg.
3. Una industria productora de sal presenta al consumidor su producto a 1000

gr promedio y una desviación de 15 gr. Encuentre la probabilidad de que una
muestra aleatoria de 50 productos tenga un promedio de 994 gr.
4. Una industria refresquera presenta su producto a un volumen de 2500 ml

± 12 ml. Encuentre la probabilidad de que una muestra 60 productos tenga un
volumen de llenado de 2495 ml.
5. Una industria juguera presenta al consumidor su producto a un volumen

de 250 ml con ± 2 ml. Encuentre la probabilidad de que una muestra 45
productos tenga un volumen de llenado de 251 ml.
73
Distribución de la media siendo la varianza desconocida. Distribución t
Students
La distribución t de Student o simplemente distribución t, surge del problema

de estimar la media de una población normalmente distribuida y se desconoce
la desviación típica σ, de la población. Sabemos que el estadístico X‾ (función
de una muestra aleatoria) se distribuye para n suficientemente grande.
Para calcular Z se requiere que σ sea conocida. Si σ no se conoce y tratamos

con una muestra pequeña se requiere un estadístico distinto de Z.
Se obtiene t prueba vía formula:
Se obtiene ttabla a un nivel de significancia α
Se comparan ambos valores de t y se concluye:
Si tprueba > ttabla Se Rechaza (Ho) Afirmación planteada
Si tprueba < ttabla Se Acepta (Ho) Afirmación planteada.
Ejercicios
1. Una empresa tiene su producto que es presentado a 500 gr en promedio. Para

verificar su calidad se realiza análisis a 15 productos para su inspección. Si cae
en un valor de t 0.95 el productor estaría satisfecho con la calidad, que
conclusión tomaría si en una muestra se obtiene una media de 502 gr y
desviación estándar de 5 gr. Suponiendo la distribución casi normal.
2. Una industria tiene su producto presentado al cliente a 1500 ml. Para verificar
su calidad realiza muestreo a 12 productos para su inspección. Si cae en un valor
de t0.90 acepta la calidad del producto, que conclusión tomaría si en una
muestra obtiene una media 1498 ± 4 ml. Suponiendo la distribución casi normal.
74
3. Una empresa tiene su producto que es llenado a 1000 gr promedio. Para
verificar su calidad realiza muestreo a 20 productos para su inspección. Si cae
en un valor de t0.975 acepta la calidad del producto, que conclusión tomaría si
en una muestra obtiene media 997 ± 6 gr. Suponiendo la distribución casi
normal.
4. Pemex estima sus ventas de barril de crudo en 62 Dólares. Para verificar se

cumpla dicha estimación toma los valores de casa de cambio del banco
nacional de 18 días para su estimación. Si el valor se encuentra menor a t0.99
satisface su estimación planteada. Que conclusión tomaría si en dicha muestra
obtiene media 61.1 ± 1.5 Dólares. Suponiendo la distribución casi normal.
5. El Banco de México reporta la tasa TIIE (tasa de Interés Interbancaria de

Equilibrio) en un 6.6% para verificar se cumpla con lo estimado toma los
resultados obtenidos de los últimos 6 meses. Si el valor se encuentra menor a
t0.995 satisface su estimación planteada. Que conclusión tomaría si en dicha
muestra obtiene media 7.1 ± 0.4 % Suponiendo la distribución casi normal.
4.2.2 Distribución muestral de la diferencia entre dos medias con

varianza conocida y desconocida.
Suponga que se tiene dos poblaciones distintas, la primera con media μ1 y

desviación estándar σ1 y la segunda con media μ2 y desviación esta estándar
σ2 . De las cuales se toma una muestra de tamaño n1 de la población y una
muestra aleatoria de tamaño n2 de la población 2; se calcula la media muestral
para cada muestra y la diferencia entre dichas medias. La colección de todas
esas diferencias se llama Distribución muestral de medias o la distribución
muestral del estadístico
x‾1 - x‾2
La distribución es aproximadamente normal para n1≥30 y n2≥30. Si las

poblaciones son normales, entonces la distribución muestral de medias es
normal sin importar los tamaños de las muestras.
75
La fórmula que se utilizara para el cálculo de probabilidad del estadístico de
diferencia de medias es:
(𝑥̅1 − 𝑥̅2 ) − (𝜇1 𝜇2 )

𝑧=
𝜎2 𝜎2
√ 1 + 2
𝑛1 𝑛2
Instrucciones: Resolver los siguientes ejercicios.
1. Una empresa tiene dos proveedores de materia prima. La compañía A le vende

el producto a un promedio de 85 pesos el kilo y desviación estándar 3 pesos,
mientras que el proveedor B le vende el producto a 84 pesos ± 2 pesos,
determine la probabilidad de que una muestra aleatoria de 45 productos de la
compañía A tenga un precio de 2 pesos más que de una muestra aleatoria de 50
productos de la compañía B.
2. Una empresa elabora su producto por lotes de dos máquinas diferentes. La

máquina 1 genera un peso estimado de 100 kg ± 4 kg, mientras la maquina 2
genera un peso estimado de 99.5 kg ±2kg, determine la probabilidad de que
una muestra aleatoria de la maquina 1 con 60 productos y la maquina 2 con 50
productos sea la diferencia muestral de 0.3
3. Una empacadora de limón local tiene dos equipos de trabajo en el

empaquetado. El equipo 1 promedia 4000 cajas de limón ± 100 por turno. El
equipo 2 promedia 3980 cajas de limón ± 130 por turno. Determine la
probabilidad de que una muestra aleatoria de equipo 1 de 50 cajas y del equipo
2 con 60 cajas la diferencia muestral sea 6 cajas.
4. En una empacadora el 1er turno elabora un pedido de 1000 cajas en 6 hrs

±1/4. El 2do turno elabora la misma cantidad de pedido en 6 hrs ± ¾ Determine
la probabilidad de que una muestra aleatoria de 1er turno de 8 pedidos y del
2do turno con 10 pedidos la diferencia muestral 1 hr en la producción de dichos
pedidos.
5. Una empresa purificadora tiene 2 equipos de purificación. El Equipo 1

produce 490 ± 20 garrafones por 1 hora, El equipo 2 produce 450 ± 15
76
garrafones en el mismo tiempo. Determine la probabilidad de que una muestra
aleatoria de equipo 1 de 16 pedidos y del equipo 2 con 20 pedidos la diferencia
muestral sea 20 garrafones.
4.2.3 Distribución Muestral de la Proporción
La fórmula que se utilizará para el cálculo de probabilidad en una distribución

muestral de proporciones está basada en la aproximación de la distribución
binomial a la normal. Esta fórmula nos servirá para calcular la probabilidad del
comportamiento de la proporción en la muestra.
donde:
p = proporción de la muestra de éxito
P = proporción de la población de éxito
(1-P) = Q= proporción de la población de fracaso
n= cantidad de muestra
z se lee en tabla normal y se determina la probabilidad que suceda un evento.
77
Ejercicios
1. De acuerdo a los estadísticos de una empresa productora de plásticos sus

artículos el 90% cumplen en calidad. Se toma una muestra de 175 artículos.
Calcular la probabilidad de que el 94% salgan dentro de calidad de dicha
muestra.
2. Una industria dentro de sus historiales tiene que su producto de jugos tiene
96% dentro de calidad. Se toma una muestra de 200 productos de un lote.
Calcular la probabilidad de que el 98% salgan dentro de calidad.
3. En los históricos de un equipo seleccionador de limón se tiene un 97% de

producto dentro de calidad en sus lotes. Se toma una muestra de 240 productos.
Calcular la probabilidad de que el 94% salgan dentro de calidad de dicha
muestra.
4. En un rancho productor de limón el 46% de la producción diaria es limón de

Primera. Se monitorea la calidad del producto de 15 días de producción, Calcular
la probabilidad de que el 42% de la producción sea de Primera en dicha muestra.
5. Una planta productora de tapas plásticas para garrafón presenta un 95% de

las tapas en buen estado físico. Se inspecciona 20 lotes consecutivos de
producción, Determinar la probabilidad de que el 98% de la producción de dichos
lotes sea buena.
78
4.2.4 Distribución muestral de la diferencia de dos proporciones
La distribución muestral de la diferencia de dos proporciones de dos poblaciones

se toman dos muestras aleatorias independientes de tamaños n1 ≥ 30 y n2≥30
y en cada una de ellas se observa una característica o cualidad. La proporción
muestral de elementos con una característica se define como:
p1 = proporción de éxito de una población
p2 = proporción de éxito de una población
n1 = muestra de la población 1
n2 = muestra de la población 2
Ejercicios:
1.- Una empresa tiene dos máquinas de las cuales en sus labores de
empaquetado de producto en la maquina 1 el 93% obtiene producto exitoso y
en la segunda maquina el 90% de producto dentro de calidad. Si seleccionamos
aleatoriamente dos muestras una de la maquina 1280 artículos y maquina 2320
artículos determine la probabilidad de la diferencia proporcional entre las dos
muestras.
2.- Una empacadora de limón persa tiene en operación 2 máquinas de selección

de producto. La máquina A tiene una eficiencia de 94% y la maquina B presenta
una eficiencia de 91%. Si se toma una muestra de 32 empaques de maquina A
y 36 de maquina B. Determine la probabilidad de la diferencia proporcional entre
la eficiencia de las dos máquinas.
79
3.- Una empresa tiene dos equipos de trabajo en el empaquetado de producto.
El equipo A genera el 76% del producto en la maquina A, el equipo B genera el
62% de la producción en la maquina B. Si seleccionamos aleatoriamente dos
muestras una de la maquina A 45 artículos y maquina B 50 artículos determine
la probabilidad de la diferencia proporcional entre las dos muestras.
4.- En el Banco Banamex su equipo de trabajo de Afore genera el 24% de

clientes que adquieren su afore con dicho banco, Bancomer el 17% de los
clientes que asisten a dicho banco inscriben su afore con ellos, Si se selecciona
una muestra de 250 clientes en Banamex y 220 clientes en Bancomer, determine
la probabilidad de la diferencia proporcional entre ambos bancos.
5.- Una industria productora de jugos tiene 2 máquinas envasadoras de

producto, La máquina 101A genera el 99% de llenado en calidad y la maquina
101B general el 97.2% de llenado en calidad. Si se selecciona 350 productos de
la maquina 101A y 400 productos de la maquina 101B, Determine la probabilidad
de la diferencia proporcional entre ambas maquinas.
4.3 Tipos de Estimaciones y Características
En inferencia estadística se llama estimación al conjunto de técnicas que

permiten dar un valor aproximado de un parámetro de una población a partir de
los datos proporcionados por una muestra.
Estimación puntual
Consiste en la estimación del valor del parámetro mediante un sólo valor,

obtenido de una fórmula determinada. Lo más importante de un estimador, es
que sea un estimador eficiente. Es decir, que sea insesgado (ausencia de sesgos)
y estable en el muestreo o eficiente (varianza mínima).
Método de los momentos: consiste en igualar momentos poblacionales a

momentos muestrales. Deberemos tener tantas igualdades como parámetros a
estimar.
80
Método de máxima verosimilitud: consiste en tomar como valor del parámetro
aquel que maximice la probabilidad de que ocurra la muestra observada.
Estimación por intervalos
Consiste en la obtención de un intervalo dentro del cual estará el valor del

parámetro estimado con una cierta probabilidad.
El intervalo de confianza es una expresión del tipo [Ɵ1, Ɵ2] ó Ɵ1 ≤ Ɵ ≤ Ɵ2, donde
θ es el parámetro a estimar. Este intervalo contiene al parámetro estimado con
un determinado nivel de confianza.
Variabilidad del Parámetro. Habitualmente se usa como medida de esta

variabilidad la desviación típica poblacional y se denota σ.
Error de la estimación Es una medida de su precisión que se corresponde con la

amplitud del intervalo de confianza. Cuanta más precisión se desee en la
estimación de un parámetro, más estrecho deberá ser el intervalo de confianza
y, si se quiere mantener o disminuir el error, más observaciones deberán
incluirse en la muestra estudiada.
Valor α También llamado nivel de significación. Es la probabilidad de fallar en

nuestra estimación, esto es, la diferencia entre la certeza (1) y el nivel de
confianza (1-α). Por ejemplo, en una estimación con un nivel de confianza del
95%, el valor α es (100-95)/100 = 0,05
Límite de Confianza Es la probabilidad de que el verdadero valor del parámetro

estimado en la población se sitúe en el intervalo de confianza obtenido. El nivel
de confianza se denota por (1-α), aunque habitualmente suele expresarse con
un porcentaje ((1-α)·100%). Es habitual tomar como nivel de confianza un 95%
o un 99%, que se corresponden con valores α de 0,05 y 0,01 respectivamente.
Valor crítico Se representa por Zα/2. Es el valor de la abscisa en una determinada

distribución que deja a su derecha un área igual a α/2, siendo 1-α el nivel de
confianza. Normalmente los valores críticos están tabulados o pueden calcularse
en función de la distribución de la población. Por ejemplo, para una distribución
81
normal, de media 0 y desviación típica 1, el valor crítico para α = 0,1 se calcularía
del siguiente modo: se busca en la tabla de la distribución ese valor (o el más
aproximado), bajo la columna "Área"; se observa que se corresponde con -1,28.
Entonces Zα/2 = 1,64. Si la media o desviación típica de la distribución normal
no coinciden con las de la tabla, se puede realizar el cambio de variable t =(X-
μ)/σ para su cálculo.
4.4 Determinación del tamaño de la muestra de una población
Para calcular el tamaño de la muestra suele utilizarse la siguiente fórmula:
Donde:
n= tamaño de la muestra
N= tamaño de la población
σ= 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.
82
Instrucciones. Resuelva los siguientes ejercicios.
1. Una empresa que elabora juguetes desea determinar la cantidad de muestra

de su lote de 45000 artículos, se desconoce la desviación y considere un 95%
de confianza y un error en la estimación de 3%. Determinar la cantidad de
muestra para realizar los análisis de calidad del lote producido.
2. La vidriera de Tierra Blanca en su elaboración de botellas de capacidad de 355

ml elabora por turno 80000 botellas, aplicando un 99% de confianza y un error
en la estimación de 4% con una desviación estándar desconocida. ¿Qué cantidad
de muestra recomienda para los análisis de calidad?
3. Una empresa del ramo lácteo genera sus lotes de 150000 litros de leche, Se
presenta en planta personal de auditoria externa solicitando un muestreo para
evaluar los parámetros de calidad presentados al cliente, utilizando un nivel de
confianza del 95% y un error en la estimación del 3% y sin tener datos de la
desviación estándar. ¿Qué cantidad de lácteos se tendría que muestrear para
evaluar la calidad del producto?
4.- Un inspector de calidad de un cliente lleva a cabo una visita a la empresa

IDESA en la cual se le comprara 12400 tambores de producto MEG, para
determinar la cantidad de tambores que se desea evaluar el parámetro de masa
se utiliza un 97.5% de confianza, un error y desviación sugerido por el cliente
en forma habitual. ¿Qué cantidad de tambores se inspeccionará?
5.- Una juguera genera semanalmente su lote el cual se conformó con 68540
charolas de producto, en departamento de calidad desea seleccionar su cantidad
de muestra para realizar la inspección de calidad del producto, se plantea utilizar
un 95% de confianza, se desconoce la desviación y el error en la estimación se
deja al inspector seleccionar. Determinar la cantidad de muestra para la
inspección de calidad.
83
4.5 Intervalos de confianza para la media
Dada una variable aleatoria con distribución Normal N(μ, σ), el objetivo es la
construcción de un intervalo de confianza para el parámetro μ, basado en una
muestra de tamaño n de la variable.
Dada una muestra X1, ..., Xn, el estadístico
La fórmula para determinar el intervalo de confianza:
Instrucciones: Resuelva los siguientes ejercicios.
1. Una empresa nueva desea determinar el intervalo de confianza que le pondrá

a su producto para control de calidad, por lo que su producto esta llenado a 500
ml con una desviación estándar de 4 ml y se toma una muestra de 50 productos,
aplicando un nivel de confianza de 95%. ¿Qué intervalo de calidad será ideal?
2. Una empresa de acuerdo a diseño su intervalo de confianza es muy estricto

por lo que desea mejora disminuyendo el nivel de confianza a 90%, si el
promedio es del producto de 600 ml con una desviación estándar de 6 ml y se
toma una muestra de 100 productos. ¿Qué intervalo de calidad será?
3. Una empresa desea incrementar el margen de calidad de su producto para

ello utiliza un nivel de confianza de 99% en su producto de 1000 gr con una
desviación estándar de 15 gr si se tomó 80 muestras. ¿Qué intervalo de calidad
será?
84
4. Una industria azucarera en el primer mes de operaciones obtiene de acuerdo
a sus estadísticos un promedio de llenado de 750 ± 8 gr, si se tomó una muestra
de 120 bolsas de producto. ¿Qué intervalo de calidad aplicaría si utiliza un 97.5%
de confianza?
5. Una empacadora de limón persa en el área de recepción de fruta compra la

reja a un promedio de llenado de 28 ± 3 kg, si se toma una muestra de 85 rejas
de producto. ¿Qué intervalo de pesado aplicara si utiliza un 95% de confianza?
85
FUENTES BIBLIOGRÁFICAS
Anderson, D. R. (2008). Estadística para administración y economía. (10ª. ed.)
México: Cengage Learning.
Berenson, M. (2006). Estadística para administración. (4ª. ed.) México: Pearson
Educación.
Carot, V. (2006). Control estadístico de la calidad. España: Alfaomega.
Devore, J. L. (2012) Probabilidad y estadística para ingenierías y ciencia. (8ª.
ed.) México: Cengage Learning.
Gamiz, B. E. (2012). Probabilidad y estadística con prácticas en Excel. (3ª. ed).
México: JIT Press.
Gutiérrez, P. H. (2012). Análisis y diseño de experimentos. (3ª. ed.) México:
McGraw-Hill
Gutiérrez, P. H. (2009). Control estadístico de calidad y seis sigma. (2ª. ed)
México: McGraw-Hill.
Hines, W. (2009) Probabilidad y estadística para ingeniería (4ª. ed.) México:
CECSA : Grupo Editorial Patria.
Johnson, R. A. (2012) Probabilidad y estadística para ingenieros. (8ª. ed.)
México: Pearson Educación.
Kazmier, L. (2006). Estadística aplicada a administración y economía. (4ª. ed.)
Larson, H. J. (1992). Introducción a la teoría de probabilidades e inferencia
estadística. México: Limusa.
Levine, D. M. (2010) Estadística para administración y economía. (7ª. ed.)
México: Pearson Educación.
Mendenhall, W. (2010). Introducción a la Probabilidad y Estadística. (13ª. ed.)
Montgomery, D. C. (2011). Probabilidad y estadística aplicadas a la ingeniería.
(2ª. ed.) México: Limusa : Wiley.
Quezada, L. (2010). Estadística para ingenieros. México: Empresa Editora Macro.
Rodríguez, F. J. (2008). Estadística para administración. México: Grupo Editorial
Patria.
Spiegel, M. (2010). Fórmulas y tablas de matemática aplicada. (3ª. ed.) México:
McGraw-Hill
Spiegel, M. (2010). Teoría y problemas de Probabilidad y estadística. (3ª. Ed.)
86
Wackerly, D. D. (2010). Estadística matemática con aplicaciones. (7ª. ed.)
Walpole, R. E. (2012). Probabilidad y estadística para ingeniería y ciencias. (9ª.
ed) México: Pearson Educación.
87

Antologia Probabilidad y Estadistica Descriptiva

Cargado por

Información del documento

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

Antologia Probabilidad y Estadistica Descriptiva

Cargado por

Copyright:

Formatos disponibles

Tecnológico Nacional de México

Instituto Tecnológico Superior de Martínez de la Torre

2. Introducción a la 2.1 Teoría de conjuntos.

Mapa mental Mapa mental Mapa conceptual Mapa conceptual

Resumen Cuestionario Cuestionario Presentación

Problemario Ensayo Problemario Mapa mental

Requisitos tecnológicos y de materiales para cursar la asignatura.

Objetivo del tema

Estadística. Se derivó de la palabra Estado. Su definición tradicional es un instrumento de

Población: Agregado de unidades elementales, que poseen alguna característica o propiedades

Una población puede ser finita o infinita, en relación al tamaño de la población:

FINITA: Cuando se conoce el tamaño de la población N.

INFINITA: Cuando el tamaño de la población N, no se conoce la cantidad de elementos que la

MUESTRA: Es una parte de la población. Se espera que la muestra sea representativa de la

VARIABLES ESTADÍSTICAS. Cuando hablemos de variable haremos referencia a un símbolo

Parámetros de tendencia central:

 La media o promedio (µ)

 Estadística descriptiva o deductiva.

Estadística Descriptiva: Se emplea de forma numérica o gráfica un conjunto de datos. Se restringe

Estadística Inferencial: Permite realizar conclusiones o inferencias, basándose en los datos

Ventajas y desventajas de los cuestionarios

Ventajas de la observación Limitaciones de la observación

Frecuencia Absoluta Acumulada.

Pasos para elaborar una distribución de frecuencias

1. Ordenar los datos u observaciones, desde el menor hasta el mayor o viceversa.

Rango o Amplitud = C = Xmax. – Xmin.

K = 1 + 3.322 log n Regla de Sturgess

𝑋𝑚𝑎𝑥 − 𝑋𝑚𝑖𝑛 𝑅𝑎𝑛𝑔𝑜

1. Se determinaron las ventas en millones de pesos durante el mes de julio, en 34 almacenes de La

2. Grupo IDESA en su complejo petroquímico de Coatzacoalcos mantiene un control de sus costos

Representación en Polígono de Frecuencias

1 88 13 110 25 106 37 104 49 116

2 93 14 102 26 110 38 112 50 112

3 91 15 96 27 114 39 110 51 104

4 80 16 98 28 110 40 108 52 102

5 98 17 104 29 104 41 104 53 100

7 112 19 114 31 106 43 100 55 108

8 97 20 115 32 118 44 96 56 103

9 102 21 112 33 120 45 100 57 102

10 120 22 108 34 108 46 108 58 106

11 124 23 105 35 106 47 109 59 108

12 118 24 102 36 107 48 110 60 110

1 890 13 974 25 994 37 1058 49 1110 61 1008

2 1014 14 1064 26 1034 38 1064 50 1066 62 1020

3 1146 15 1130 27 1136 39 1036 51 1046 63 1016

4 962 16 982 28 976 40 1112 52 1038 64 1014

5 912 17 1074 29 1058 41 1042 53 1070 65 1024

6 1036 18 1134 30 1122 42 1014 54 1010 66 1036

7 1180 19 974 31 1010 43 1044 55 1020 67 1080

8 946 20 1004 32 1002 44 998 56 1014 68 1066

9 948 21 1125 33 1096 45 1076 57 1026 69 1042

10 1076 22 984 34 1045 46 1052 58 1028 70 1024

11 1126 23 1024 35 1040 47 1016 59 1012

12 956 24 1142 36 1012 48 1028 60 1080

1.4 MEDIDAS DE TENDENCIA CENTRAL PARA UN CONJUNTO DE DATOS Y DATOS AGRUPADOS

1.4.1 Media Aritmética y Media Ponderada

Entrada de Limon a Empacadora

Entrada de Limon a Empacadora

Entrada de Limon a Empacadora

Ejercicio: Resolver los siguientes ejercicios.

Propiedades del rango

1.5.3 DESVIACIÓN TÍPICA O ESTÁNDAR

Ejercicios: Resolver los siguientes ejercicios.

1. Grupo IDESA petroquímica vende su producto DEA (dietanolamina) en su presentación de 200 kg