Hipótesis

Es una respuesta que puede ser positive o negativa.

h0 nula
Se debe comprobar
h1 alterna

Ejemplo:

h0 más del 50% de ecuatorianos apoya a Paco Moncayo

h1 menos del 50% de ecuatorianos apoya a Paco Moncayo

 Margen de error es del 5%

Ciencia: conjunto de conocimientos ordenados y sistematizados.

Recolecta
Organiza
ESTADÍSTICA Método científico Presenta Datos
Analiza
Interpreta
Camino a seguir

 Descriptiva Toma de decisiones efectiva

 Probabilística
 Inferencial

Estadística Probabilística

Es una rama de la estadística que proporciona modelos matemáticos, para la descripción de

fenómenos causales y tiene por objetivo esencial la comprensibilidad matemática de las
regularidades de los fenómenos aleatorios.
La teoría de las probabilidades se constituye de forma axiomática de acuerdo con un
procedimiento probado y muy utilizado hoy en día y se sirve en gran medida de los
métodos y resultados de análisis.

Toda causa tiene su efecto C-E

 Axioma: Principio fundamental que no se puede demostrar.

1) Experimento: es el proceso que conduce a que ocurra una y solamente

CRITERIOSuna de las observaciones posibles.
BÁSICOS
2) Resultado: es un suceso particular que resulta del experimento.
3) Evento: conjunto de uno o más resultados de un experimento. Un evento
simple es un evento que no puede descomponerse, a cada evento simple
corresponde uno y solamente un punto muestral.
Un evento simple o punto muestral se lo denota por la letra (E).

Es un experimento porque es solo uno

4) Espacio muestral: conjunto de todos los posibles resultados de un
experimento o puntos muestrales. Se denota por (S).

Experimento Resultado Eventos

1) Pares
Lanzar un dado Existen 6 resultados 2) Impares
(1;2;3;4;5;6) 3) Solo puede salir 6
4) Solo puede salir (6;1)

S – Espacio Muestral
 Trabajo Grupal 1

1. Ejemplifique un caso aplicando la estadística descriptiva en cualquier campo.

Tema: Análisis del rendimiento académico de los estudiantes del Aula 13 en la materia de
Estadística Probabilística.

ho: + 50% de los estudiantes del Aula 13 tienen notas superiores a 14 en la materia de
Estadística Probabilística.

h1: - 50% de los estudiantes del Aula 13 tienen notas superiores a 14 en la materia de
Estadística Probabilística.

1. Recolectar: Se recolectó a través de una ficha de notas de los alumnos del Aula 13
en la materia indicada.

NOMBRE NOTA
A 12
B 15
C 18
D 17
E 10
F 12
G 15
H 13
I 7
J 19
K 20
L 13
M 9
N 5
P 16
2. Organiza:

Nota < 14 Nota > 14

NOMBRE NOTA
A 12
E 10
F 12
H 13
I 7
L 13
M 9 NOMBRE NOTA
N 5 B 15
C 18
D 17
G 15
J 19
K 20
P 16
 8 estudiantes < 14

7 estudiantes > 14

3. Presentación:

 8 estudiantes < 14 - 53,33%

 7 estudiantes > 14 - 46,67%

Rendimiento Académico Aula 13

> 14
47%
< 14
53%

4. Análisis:

El 53,33% de los estudiantes tienen una nota inferior a 14 en la materia de Estadística

Probabilística, mientras que el 46,67% de ellos presenta una nota superior a 14.

5. Interpretación:

La mayoría de los estudiantes presenta una calificación por debajo de la nota necesaria
para aprobar la materia debido a que en su institución educativa no recibieron materias
referentes a la Probabilidad, por lo cual no cuentan con las bases necesarias para
afrontar la materia mencionada.
2. Plantear una situación real en donde se aplique la idea de probabilidad en el campo
social, económico, político y personal.

Social: En una población de 10 personas existe consumo de drogas, ¿qué posibles

eventos se pueden dar si se realiza un estudio?
Económico: ¿Cuál es la probabilidad de que entre un grupo de 15 personas, estas ganen
más de 500 dólares al mes?
Político: ¿Cuál es la probabilidad de que en las elecciones de 2017 gane alguno de los 3
candidatos de la oposición?
Personal: ¿Cuál es la probabilidad de que pueda salir con tres personas hoy, sin que
ninguna de ellas se conozcan?

3. De acuerdo al ítem anterior enfoque los criterios básicos.

Social

EXPERIMENTO RESULTADO EVENTOS

Conocer el consumo de 1. Si 10 – No 0
drogas en un total de 10 1,2,3,4,5,6,7,8,9,10 2. Si 9 – No 1
personas 3. Si 5 – No 5
4. Si 1 – No 9

Económico

EXPERIMENTO RESULTADO EVENTOS

Probabilidad de que entre un 1. Si 10 – No 5
grupo de 15 personas, estas 1,2,3,4,5,6,7,8,9,10,11, 2. Si 9 – No 6
ganen más de 500 dólares al 12,13,14,15 3. Si 5 – No 10
mes 4. Si 1 – No 14

Político

EXPERIMENTO RESULTADO EVENTOS

Probabilidad de que en las 1. Si
elecciones de 2017 gane Si, No 2. No
alguno de los 3 candidatos 3. Empate técnico
de la oposición

Personal
 EXPERIMENTO RESULTADO EVENTOS
Probabilidad de que pueda 1. Si se conocen
salir con tres personas hoy, Se conocen 2. No se conocen
sin que ninguna de ellas se No se conocen 3. No salgo con las tres
conozcan

PROBABILIDAD

Las probabilidades se utilizan para expresar que tan probable será un determinado evento.

La probabilidad de que ocurra un evento está dado entre el valor 0 y 1, por tanto cuando no
ocurre el evento la probabilidad es 0 o tiende a 0, mientras que cuando ocurre una
probabilidad es 0 o tiende a 1.

Si la probabilidad de A constituye

P(A) 0 ≤ P(A) ≤ 1

P(A) = ½ = 50% = 0,5

En el cálculo de las probabilidades debe considerarse como se relacionan los eventos entre
sí.

1) Mutuamente Excluyentes: Sí y solamente se da cuando uno o varios de

ellos puede ocurrir una sola vez cuando se realiza el experimento, lo que
implica que la ocurrencia de un evento no puede ocurrir otros
experimentos.
EVENTOS
 Cara o sello
 Número par o impar
2) Colectivamente Exhaustivos: Sí por lo menos uno de ellos ocurre
cuando se realiza el experimento.
 Mañana, tarde o noche
3) Complemento: Todos los demás resultados posibles cuando se realiza
un experimento.
 Vestido negro - combinar
 Ejercicios

1. Si yo tengo 1 canasta llena de peras y manzanas, de las cuales hay 20 peras y 10

manzanas. ¿Qué fruta es más probable que se saque al azar de la canasta?.

10
Datos P(Manzana) = = 33,33%
30
Manzanas 10
20
Peras 20 P(Pera) = = 66,67%
30

P(Pera) 66, 67% > P(Manzana) 33,33%

2. La probabilidad de que al lanzar un dado salga el número 2.

Datos
1
D=(1;2;3;4;5;6) P(2) = = 16,67%
6

3. En una sala de clases hay 20 mujeres y 12 hombres, si se escoge uno de ellos al azar,
¿cuál es la probabilidad de que sea hombre?

Datos
12
M = 20 ) P(H) = = 37,5%
32
H = 12
4. En una comida hay 28 hombres y 32 mujeres, han comido carne 16 hombres y 20
mujeres, comiendo pescado el resto. Si se elige una persona al azar. ¿Cuál es la
probabilidad de que la persona escogida sea hombre?

Datos
28
H = 28 P(H) = = 46,7%
60
M = 32
T = 60

Carne 16H y 20 M
Pescado el resto – 24

5. En un curso de 30 alumnos, 18 son mujeres, ¿cuál es la probabilidad de que al

escoger una persona ésta no sea mujer?

Datos
12
T = 30 P(H) = = 40%
30
M = 18
H = 12

6. ¿Cuál es la probabilidad de ganar una rifa de 1000 números en total, si se compran

los 3 centésimos de tan cantidad?

Datos
3 30
T = 1000 1000. = 30 P(ganar) = = 3%
100 1000

7. La probabilidad de que al sacar una carta al azar de naipes ella sea un as.

Datos
 4
C. Totales = 52 P(as) = = 7,69%
52
C. Favorables = 4

8. En un jardín infantil hay 8 niños de raza negra y 12 niñas de raza negra, así como 7
rubios y 5 rubias. Si se elige un integrante al azar, ¿la probabilidad de que sea rubio
o rubia es?

Datos
HN = 8
12
MN = 12 P(rubio) = = 37,5%
32
HR = 7
MR = 5
T = 32

9. Al lanzar al aire 3 veces una moneda, ¿la probabilidad de que el primer lanzamiento
se obtenga sello es?

Datos
1
Sello = ¿? P(S) = = 50%
2

10. Se lanza un dado 2 veces obteniéndose 4 en ambas oportunidades, cuál es la

probabilidad de que en el tercer lanzamiento se obtenga 4 nuevamente.

Datos
1
4 = ¿? P(4) = = 16,7%
6

11. Una persona tira 3 veces una moneda y las 3 veces obtiene cara, ¿Cuál es la
probabilidad de que en el cuarto lanzamiento obtenga sello?
 Datos
1
Sello = ¿? P(S) = = 50%
2

12. Se lanza al aire, uno tras otro 3 dados, ¿cuál es la probabilidad de que el número que
se forme empiece con 4 es?

Datos
1
Empiece con 4 = ¿? P(4) = = 16,7%
6
13. ¿La probabilidad de que al lanzar un dado se obtenga un número menor que 5 es?

Datos
4
N. < 5 = ¿? P(<5) = = 66,7%
6

14. Carolina lanza un dado, ¿cuál es la probabilidad de que ella obtenga un número
menor que 3?

Datos
2
N. < 3 = ¿? P(<3) = = 33,33%
6

15. Se lanza una vez un dado común, ¿cuál es la probabilidad de obtener un número par
menor que 5?

Datos
2
N. par < 5 = ¿? P(par<5) = = 33,33%
6

16. La probabilidad de que al hacer rodar un dado salga número primo.

 Datos
4
N. primo = ¿? P(primo) = = 66,67%
6

17. Hacemos rodar un dado de 6 caras, entonces la probabilidad del suceso “obtener 2
sabiendo que ha salido un número par es”.

Datos
1
2 = ¿? P(2) = = 16,67%
6

Teoría de los conjuntos

Para continuar con el desarrollo de la teoría de probabilidades necesitamos algunos

conceptos básicos de la teoría de conjuntos, para ello denotamos al conjunto con letras
mayúsculas y a sus elementos con letras minúsculas.
Denotaremos con S al conjunto universal para dos conjuntos cualesquiera de A y B,
diremos que A es un subconjunto de B denotando A ⊂ B.
Los conjuntos y las relaciones se los representa en el Diagrama de Venn, que es aquel que
muestra dos conjuntos A y B del conjunto universal. El conjunto A es el conjunto de todos
los puntos dentro del triángulo, el conjunto B es el conjunto de todo el círculo.

A⊂B A subconjunto de B
B
A = (a1;a2;a3) A A contenido de B
Considere ahora dos conjuntos arbitrarios. La unión de A y B se denota por A ∪ B, es el
conjunto de todos los puntos de A en B, o en ambos. El Diagrama de Venn muestra dos
conjuntos A y B, donde A es el conjunto en el círculo izquierdo y B el círculo de los puntos
al lado derecho. El conjunto A ∪ B es la región sombreada formada por todos los puntos
dentro de cualquier círculo o ambos.

A ∪ B = A B

Se dice que la intersección de A ∩ B representada en el Diagrama de Venn muestra a dos

conjuntos A y B en donde se denota que en la parte sombreada los conjuntos se traslapan.

A ∩ B = A B

Si A es un subconjunto de S entonces el complemento de A se lo denota A͞, es el conjunto

de puntos que está en S pero no en A. El Diagrama de Venn, ilustra que el área sombreada
en S pero no en A es A complemento.

A= A
A ∪ A = S

Se dice que 2 conjuntos A y B son disjuntos o mutuamente excluyentes si A ∩ B = ∅ , esto

es que los conjuntos mutuamente excluyentes no tienen puntos en común. El Diagrama de
Venn ilustra 2 conjuntos A y B en la que el conjunto A y el conjunto B son mutuamente
excluyentes, es decir nulo o vacío.

A ∩ B = ∅ A B

Ejemplos

1. Considere el evento de lanzar un dado y denote con S el conjunto de todas las

posibles observaciones numéricas para un solo lanzamiento de un dado.

S = {1;2;3;4;5;6}

Sea A = {1;2} B = {1;3} C = {2;4;6}

A ∪ B = {1;2;3} A ∩ B = {1} A = {3;4;5;6} B∩C=∅

2. El universo es la Facultad de Ciencias Económicas, tenemos 3 supuestos Economía,

Estadística y Finanzas.

S = {FCE}

A = {Economía} B = {Estadística} C = {Finanzas}

A ∪ C = { Economía ; Finanzas}

( A ∪ C ) ∩ A = {Economía}

A = {Estadística ; Finanzas}

A ∩ B = ∅

Enfoque de las probabilidades

Existen varias formas de calcular las probabilidades:

1. Probabilidad Clásica: Se emplea cuando los espacios muestrales tienen resultados
igualmente probables, la probabilidad de que suceda cada evento se calcula dividiendo
el número de resultados favorables entre el número de resultados posibles.

No . Resultados Favorables
P(A) =
No . Resultados Posibles

Ejemplo:

 Considere un experimento de lanzar una moneda.

S=2

1
P(c) = = 50%
2

1
P(s) = 2 = 50%

Si el conjunto de eventos son mutuamente excluyentes la suma de las probabilidades será

igual a 1. Para que se pueda aplicar el enfoque clásico los eventos deben tener la misma
probabilidad de ocurrencia.

2. Probabilidad Empírica: Es otra forma de definir las probabilidades basándose en las

frecuencias relativas, la probabilidad de que un evento ocurra se determina observando
en que fracción del tiempo sucedieron los eventos semejantes en el pasado.

No . de vecesque ocurri ó el evento

P(A) =
No . total de observaciones

Ejemplo

 A lo largo de su carrera el profesor de Estadística Probabilística I ha otorgado 186

calificaciones de A entre sus 1200 alumnos. ¿Cuál es la probabilidad de que un
estudiante de su clase en este curso reciba una A?

186
P(A) = = 15,5 %
1200
3. Probabilidad Subjetiva: Es la probabilidad de que suceda un evento específico, la
misma que es asignada por una persona basándose en cualquier información que esté
disponible.

Ejemplo

 La probabilidad de que la Liga gane el campeonato ecuatoriano de fútbol.

 La probabilidad de que erupcione el volcán Cotopaxi.
 La probabilidad de que el precio del petróleo se mantenga sobre los 40 dólares.

4. Probabilidad Conjunta: Es la probabilidad de que dos eventos ocurran y se lo denota

de la siguiente manera:

P(AoB) = P(A) + P(B) – P(AyB)

 Se quiere determinar la probabilidad de obtener un trébol y un cinco de un juego de 52
cartas.

13 4 1
P(A) 1 trébol P(AoB) = + - = 30,8%
52 52 52
P(B) 5

Reglas de probabilidad

Las reglas de las probabilidades (adición) se utilizan para determinar que ocurran uno de
los eventos o ambos. El cálculo difiere de si los eventos son mutuamente excluyentes o no.

1. Regla especial de la adición

Para aplicar esta regla es necesario que los eventos sean mutuamente excluyentes.
Entonces, si 2 eventos A y B son excluyentes, la regla especial de la adición indica que la
probabilidad de que ocurra uno u otro de los eventos es igual a la suma de las
probabilidades.

P(A o B) = P(A) + P(B)

Ejemplo

 ¿Cuál es la probabilidad de que al lanzar un dado se obtenga un resultado de 4 o 5?

P(4 o 5) = P(4) + P(5)

1 1
P(4 o 5 ) = +
6 6
 P(4 o 5 ) = 33,33%

2. Regla general de la adición

Para aplicar esta regla los eventos no deben ser mutuamente excluyentes, por tanto dichos
eventos pueden ocurrir al mismo tiempo.

P(AoB) = P(A) + P(B) – P(AyB)

Ejemplo

 Se quiere determinar la probabilidad de obtener un trébol y un cinco de un juego de 52

cartas.

13 4 1
P(A) 1 trébol P(AoB) = + - = 30,8%
52 52 52
P(B) 5

3. Regla del compemento

Se utiliza para determinar la probabilidad de que ocurra un evento restando de 1 la

probabilidad de que no ocurra.

Ejemplo

 Se han dado mil vuelos en el último mes, si A es el evento 800, un vuelo que llega a
tiempo, encontrar la probabilidad de que el vuelo llegue a tiempo y su complemento.

800
P(A) = = 0,8
1000

P(AC) = 1 – 0,8 = 0,2

Reglas de la multiplicación

Se refiere a la probabilidad de que ocurran 2 eventos (probabilidad conjunta) y su cálculo

difiere dependiendo de si los eventos son o no independientes, se considera que dos eventos
son independientes entre sí cuando la ocurrencia de un evento no está relacionada con el
otro.

4. Regla especial de la multipliación

Si dos eventos A y B son independientes, la probabilidad de que ocurra A y B se obtiene
multiplicando las 2 probabilidades.

P(AyB) = P(A) * P(B)

Ejemplo

 Se lanzan monedas al aire. ¿Cuál es la probabilidad de que ambas caigan en cara?

1 1
P(AyB) = * = 25%
2 2

5. Probabilidad Condicional

Es la probabilidad de que ocurra un determinado evento dado que otro evento ya haya
sucedido.

Regla general de la multiplicación

Se utiliza para determinar la probabilidad conjunta de que 2 eventos ocurran. La regla

establece que dados dos eventos A y B, la probabilidad conjunta de que ambos ocurran se
encuentra multiplicando la probabilidad de que ocurra el evento A por la probabilidad
condicional de que ocurra el evento B.

P(A y B) = P(A) * P(B/A)

Ejemplo

 En un juego de 52 cartas tenemos

A. Suceso de sacar un as en la primera
B. Suceso de sacar un as en la segunda

Calcular la probabilidad de sacar 2 ases en las 2 extracciones sin devolver la carta extraída.

4 3
P(A y B) = * = 0,452%
52 51

Problemas de Probabilidades

1. En una encuesta de un grupo de 34 estudiantes de la UCE reveló la siguiente

selección de carreras profesionales.
Economía 10
Finanzas 5
 Estadística 3
Administración 6
Derecho 10
Suponga que se selecciona un estudiante. ¿Cuál es la probabilidad de que el o la
estudiante esté inscrito en la carrera de estadística?

3
P(A) = = 8,82% P. Clásica
34

2. Una jugadora de baloncesto, realiza 30 canastas en 50 intentos de lanzamiento por

tiro libre. ¿Cuál es la probabilidad de que enceste el siguiente tiro libre?

30
P(A) = = 60% P. Empírica
50

3. Se forma un comité de alumnos integrado por 7 miembros para estudiar asuntos

ambientales, ¿Cuál es la probabilidad de que uno de ellos sea elegido como vocero?

1
P(A) = = 14,28% P. Clásica
7

4. Considere que usted compra 1 de 5 millones de billetes que se vendieron en el sorteo

de la lotería. ¿Cuál es la probabilidad de que gane el premio mayor de mil dólares?

1
P(A) = = 0,00002% P. Clásica
5000000

5. La probabilidad de que ocurra un sismo en el Norte de Quito en los próximos 10 años

es de 0,8.

Probabilidad Subjetiva

6. Una máquina automática llena bolsas de plástico con una mezcla de frijoles, brócoli
y otras legumbres. Las bolsas contienen el peso correcto pero debido a ligeras
variaciones en el tamaño de las verduras, un paquete puede tener un peso menor o
mayor.

Peso Evento No. De paquetes Probabilidad de Ocurrencia

 Menor A 100 0,025
Satisfecho B 3600 0,900
Mayor C 300 0,075
TOTAL 4000 1,000

¿Cuál es la probabilidad de que un determinado paquete tenga un peso mayor o

menor?

P(A o C) = P(A) + P(C)

P(A o C) = 0,025 + 0,075

P(A o C) = 0,10 = 10%

7. Aplicando la regla del complemento demuestre que la probabilidad de que una bolsa
tenga un peso correcto es 0,90. Ilustre la solución utilizando un diagrama de Venn.

P(A o C) = P(A) + P(C) P(A) = 1 – 0,1

P(A o C) = 0,025 + 0,075 P(A) = 0,90

P(A o C) = 0,10

S
0,90

0,075
0,025

8. Como parte de un programa de servicio de salud para los empleados de una empresa,
se efectúan anualmente exámenes físicos de rutina, se descubrió que el 8% de los
empleados necesitaba zapatos correctivos, 15% un trabajo dental importante y 3%
tanto zapatos correctivos, como un trabajo dental importante. ¿Cuál es la
probabilidad de que un empleado necesite calzado correctivo o un trabajo dental
importante? Ilustre con el diagrama de Venn.
 S
P(AyB)= 0,03

0,08 0,15

P(A o B) = P(A) + P(B) – P(AyB)

P(A o B) = 0,08 + 0,15 – 0,03

P(A o B) = 0,20 = 20%

9. En una encuesta realizada se encontró que el 60% de los encuestados han hecho
alguna reservación en una línea aérea el año pasado, se toman dos encuestados al
zar. ¿Cuál es la probabilidad de que ambos hayan hecho una reservación en alguna
línea aérea?

P(A y B) = 0,6 * 0,6 = 0,36

10. El consejo directivo de una empresa está integrado por 8 hombres y 4 mujeres. Si se
selecciona al azar un comité de 4 integrantes para recomendar al nuevo presidente.

a. ¿Cuál es la probabilidad de que sean mujeres las 4 integrantes?

4 3 2 1
P(M) = * * * = 0,20%
12 11 10 9

b. ¿Cuál es la probabilidad de que sean hombres las 4 integrantes?

8 7 6 5
P(H) = * * * = 14,14%
12 11 10 9

Árbol de Problemas
Nos muestra las posibles combinaciones entre los elementos.

Ejemplo:

Sacar las diferentes combinaciones de los siguientes elementos.

{1;2;3;4}

3 4 Sistemas o combinaciones
2 4 3  1 2 3 4
2 4  1 2 4 3
1 3  1 3 2 4
4 2
 1 3 4 2
4 2 3  1 4 2 3
3 2  1 4 3 2

3 4 Sistemas o combinaciones
1 4 3  2 1 3 4
1 4  2 1 4 3
2 3  2 3 1 4
4 1
 2 3 4 1
4 1 3  2 4 1 3
3 1  2 4 3 1

2 4 Sistemas o combinaciones
1 4 2  3 1 2 4
1 4  3 1 4 2
3 2  3 2 1 4
4 1
 3 2 4 1
4 1 2  3 4 1 2
2 1  3 4 2 1
 2 3 Sistemas o combinaciones
1 3 2  4 1 2 3
1 3  4 1 3 2
4 2  4 2 1 3
3 1
 4 2 3 1
3 1 2  4 3 1 2
2 1  4 3 2 1

 La Ganga tiene un stock de 700 electrodomésticos de varias marcas en Quito; 150

son de marca LG, 300 Indurama y 250 Sony. 80% de electrodomésticos LG están en
buen estado, 75% de electrodomésticos Indurama están en buen estado y 90% de
electrodomésticos Sony están en buen estado.
Un cliente desea comprar un electrodoméstico y escoger al azar.
a. ¿Cuál es la probabilidad de que el electrodoméstico seleccionado sea defectuoso?
b. ¿Cuál es la probabilidad de que el electrodoméstico Sony sea defectuoso?
c. ¿Cuál es la probabilidad de que el electrodoméstico Indurama no esté defectuoso?
d. ¿Cuál es la probabilidad de que el cliente escoja electrodomésticos Indurama o
Sony y que no estén defectuoso?

Datos

Electrodomésticos Cantidad Buen Estado

LG 150 80%
Indurama 300 75%
Sony 250 90%
= 700

0,8
BE 150
P(LG) P( )= (0,8) = 0,1714
Buen estado LG 700

150/700 LG 0,2 Defectuoso D 150

P(LG) P( )= (0,2) = 0,0428
0,75 LG 700
Buen estado
300/700 BE 300
E I 0,25 Defectuoso P(I) P( )= (0,75) =
250/700 I 700
0,9 0,3214
S
D 300
P(I) P( )= (0,25) = 0,1071
I 700

BE 250
 Buen estado
0,1
Defectuoso

a. P(A) = 0,0428 + 0,1071 + 0,0357

P(A) = 0,1856

b. P(B) = 0,0357

c. P(C) = 0,3214

d. P(D) = 0,3214 + 0,3214

P(D) = 0,6428

Corrección de la Prueba

1. Encuentre los errores en cada uno de los siguientes planteamientos, además argumente
su respuesta.
a. Las probabilidades de que un vendedor de automóviles venda 0,1,2 o 3 automóviles
en cualquier día de julio son: 0,19 , 0,38 , 0,29 y 0,15 respectivamente. Construya
una tabla indicando el espacio muestral y verifique dicha aseveración.

No. Autos Probabilidad E={0;1;2;3}

0 0,19
1 0,38 Σ= 0,19 + 0,38 + 0,29 + 0,15
2 0,29 = 1,01 ≠ 1 por tanto hay un error
3 0,15

b. La probabilidad de que una impresora cometa 0,1,2,3,4 o más errores son en forma
respectiva 0,19 , 0,34 , -0,25 , 0,44 y 0,29. Construya una tabla indicando el espacio
muestral y verifique dicha aseveración.
E = {0;1;2;3;4 o más}
No. erroes Probabilidad
0 0,19
1 0,34
2 -0,25
3 0,44
4 o más 0,29
 0 ≤ P(A) ≤ 1
No puede ser una probabilidad negativa

2. Entre 150 personas entrevistadas en un estudio de transporte urbano colectivo, algunas

viven más de 3km del centro de la ciudad (A), algunas utilizan su propio auto para ir al
trabajo (B) y otros gustosamente cambiaran de transporte urbano a colectivo si hubiera
(C). Con esta información y expuesto el Diagrama de Venn, encontrar las siguientes
probabilidades:

S
A B
A = 84
2 20 16
B = 99 54
8 9
8
C = 85
14
C

84 54
a. P(A) = = 56% d. P(A∩ B∩ C) = = 36%
150 150

99 109
b. P(B) = = 66% e. P(AUB) = = 72,7%
150 150

85 121
c. P(C) = = 56,7% f. P(BUC) = = 80,7%
150 150

3. En una clase hay 10 hombres y 15 mujeres, calcular la probabilidad de que:

a. Salgan de la clase 3 mujeres seguidas.

13/23
M
14/24 15
∗14
M 25
P(3M) = ∗13 = 0,1978
H 24
23
 15/25
M
H
25
H

b. Salgan de la clase 2 mujeres y 1 hombre.

M
14/24
M 10/23
15/25 H
M 10/24 14/23
H M
25
10/25 H
14/23
15/24 M
H M

H
H

15 15 10
∗14 ∗10 ∗15
25 25 25
P(2M1H) = ( ∗10 ) + ( ∗14 ) + ( ∗14 ) =
24 24 24
23 23 23
0,4565

c. Salgan de la clase 1 mujer y 2 hombres.

M
15/25 M
M 10/24
H
25 9/23 H
10/25

15/24 M
H M
9/23
H
 9/24
15/25
H M

15 10 10
∗10 ∗15 ∗9
25 25 25
P(1M2H) = ( ∗9 )+( ∗9 )+( ∗15 ) = 29,34%
24 24 24
23 23 23
Teorema de Bayes

P(A/B) P(A/B) = P(B/A)  Error

P(B/A)

Si P (A/B) es igual a P(B/A), existe un error debido a que este postulado no es una igualdad
y Bayes lo que hace es relacionar estas 2 condiciones de la siguiente manera:

P ( A ∩ B)
P(A/B) = => P(A∩B) = P(A/B) * P(B) 1.
P( B)

P (B ∩ A)
P(B/A) = => P(B∩A) = P(B/A) * P(A) 2.
P( A)

Igualar 1. y 2.

P(A/B) * P(B) = P(B/A) * P(A)

P ( A /B )∗P(B)
P(B/A) =  Teorema de Bayes
P (A )

Se aplica cuando la una es condición de la otra probabilidad.

Ejemplo:

 Dados 2 sucesos A y B aleatorios, se obtiene los siguientes resultados:

0,30∗0,70
P(A) = 0,40 P(A) = 1- 0,40 P(B/A) =
0,60
P(B) = 0,70 P(A) = 0,60 P(B/A) = 0,35 = 35%
P(A/B) = 0,30
 Determinar P(B/A)

 En una clase de 60 alumnos, 12 aprobaron matemáticas (M), 36 lenguaje (L), 6

ambas y 18 ninguna.
Calcular:
12
P(M) = = 0,2
60
36
P(L) = = 0,6
60
6
P(L∩M) = = 0,1
60
18
P(L∩M) = = 0,3
60
0,1
P(L/M) = = 0,5
0,2
0,1
P(M/L) = = 0,17
0,6
0,3
P(M/L) = = 0,75
0,4

Determinar si es que son independientes:

P(L/M) = P(L)
0,5 = 0,6  Diferentes  Dependientes
P(M/L) = P(M)
0,16 = 0,2  Dependientes

 Dos bolsas de caramelos, la primera contiene 15 caramelos de naranja y 10 de

limón, la segunda 20 de naranja y 25 de limón, elegimos una bolsa al azar y
extraemos 1 caramelo.
a. ¿Qué probabilidad hay de que sea de naranja?
b. ¿Qué probabilidad hay de que la segunda bolsa sea de limón?

15/25
N

1/2
 1 1
∗15 ∗20
Bolsa 1 a. P(N) = 2 + 2
L 25 45
10/25
3 2 47
P(N) = + = = 0,52
10 9 90

1/2 1
20/45 ∗25
N 2
b. P(Bolsa2/L) = 45
43
Bolsa 2
90
25/45 L

 El servicio meteorológico ha anunciado las siguientes probabilidades para el fin de

semana:
 Que llueva 60%
 Que neve 30%
 Que haga neblina 10%

Se tiene la siguiente información, que ocurra un accidente bajo estas

condiciones:

 Si llueve 30%
 Si vena 20%
 Si hay neblina 10%

¿Cuál es la probabilidad de que ocurra un accidente si llueve?

0,60
0,30
L A 0,6 * 0,3 = 0,18

0,30 0,20
N 0,10 A 0,3 * 0,2 = 0,06

0,18
0,10 P(L*A) = = 0,72
A 0,250,1 * 0,1 = 0,01
Nb
= 0,25
 Técnicas de Conteo

Son aquellas usadas para enumerar eventos difíciles de cuantificar

1. Regla MxN
2. Regla de Permutación
3. Regla de Combinación

Regla MxN

Esta regla puede extenderse a cuantos eventos se requiera, hace referencia al número de
posibilidades que pueden dar como resultado de un experimento en etapas.

El número total de posibilidades es el producto del número de posibilidades de cada evento.

Ejemplo

 En el área de investigación de la empresa Paco, un producto para incluirse en el

mercado tiene la posibilidad de escoger 3 colores( rojo, verde y negro), cuatro
diseños (clásico, contemporáneo, moderno y gótico) y 2 presentaciones (online y
físico). ¿De cuántas maneras puede combinar los elementos para el producto?

A = 3 colores Total Posibilidades = A x B x C

B = 4 diseños =3x4x2
C = 2 presentaciones = 24

Regla de Permutación

Se define como un arreglo ordenado de r elementos seleccionados de un conjunto n de

distintos elementos, tomados r a la vez. Donde n ≥ r

Usaremos el símbolo P(n;r) para denotar el número de permutaciones de n objetos

diferentes tomados r a la vez; así escribiremos el número de permutaciones de 5 objetos
tomados 3 a la vez. P(5;3)

Ejemplo

 En la empresa Mi Comisariato, 10 personas participaron en una selección para

ocupar 4 cargos importantes en su organización, presidente, vicepresidente, tesorero
y secretaria. ¿De cuántas maneras diferentes puede ocuparse los puestos?

10 !
10 personas P(10;4) =
( 10−4 ) !
 10 x 9 x 8 x 7 x 6 !
4 cargos = = 5040
6!
Maneras de organizar 10 personas en 4 cargos

 Se usa cuando importa el orden

Regla de Combinación

Un subconjunto de r elementos de un conjunto n, lo llamamos combinación cuando n

elementos es tomado r a la vez.

 No importa el orden

Ejemplo

 Se desea que cada uno de los 4 productos de la empresa Dilipa, sean identificados
por los clientes por el color de su empaque. Si hay 8 colores que fueron
seleccionados por nuestros clientes como sus favoritos.
a. ¿De cuántas maneras diferentes puede escogerse los 4 colores que representan a
nuestros 4 productos?
b. ¿De cuántas maneras se pueden escoger 5 marcas diferentes entre las 10
disponibles para conformar una exposición?

4 productos
8 colores

8! 8!
a. C(8;4) = = = 70
4 ! ( 8−4 ) ! 4 ! 4 !

10 ! 10 !
b. C(10;5) = = = 252
5! (10−5 ) ! 5! 5 !

Diferencias

Equipo de Fútbol

A , B , C, D
 Permutación Combinación

¿De cuántas maneras pueden quedar ¿Cuántos son los posibles partidos para
asignados los títulos de campeón y definir los títulos de campeón y
subcampeón? subcampeón?

AB BA CA DA AB BC CD = 6

AC BC CB DB = 12 AC BD

AD BD CD DC AD

n! n!
nPr = nCr =
( n−r ) ! r ! ( n−r ) !

4! 4!
4P2 = = 12 4C2 = =6
( 4−2 ) ! 2! ( 4−2 ) !

En las permutaciones interesa la posición de En las combinaciones interesa la presencia

los elementos en el grupo formado. de los elementos en el grupo formado

Ejercicios

1. ¿Cuántos números de 4 cifras podemos escribir con los dígitos 6, 7, 8 y 9, sin que
ninguna se repita?

Regla MxN = 4x3x2x1 Cuando son lineales 4x4

Regla MxN = 24 3x3

P = n!
P = 4x3x2x1
P = 24

2. ¿Cuántos números de 4 cifras se puede formar con los dígitos 1, 3, 5, 7 y 9?

5!
4 cifras 5P4= = 120
( 5−4 ) !
1 , 3, 5, 7, 9

3. En un curso de 20 alumnos se quiere formar 1 comisión de 3 alumnos. ¿De cuántas

maneras se puede formar dicha comisión?
 20 !
20C3 = = 1140
3! (20−3 ) !

Variables Aleatorias

Son aquellas que pueden tomar muchos valores, sus valores son aleatorios y se les puede
denotar con letras mayúsculas, es una especia de función del mundo de sucesos aleatorios a
un número real.

1) Suceso aleatorio  llueve

Mañana
no llueve

1 llueve
X
0 no llueve

2) Lanzamiento de una moneda

1 cara
X
0 sello

 Dado 1 a 6
Discretas  Enteros - Finitos  Llueve No llueve
Variables aleatorias  Cara Sello

Continuas  Infinitos – Rangos  La lluvia de mañana va a ser

de 3000m, pero puede caer
una gota más o menos

2999,5 3000 3000,5

Discretas: Función de Masa de Probabilidad

FUNCIONES
Continuas: Densidad de Probabilidad
 Función de la Masa de Probabilidad

1. El lanzamiento de un dado
0.18
0.16
Función de masa de 0.14
0.12
Probabilidad 0.10
0.08
0.06
1 0.04
x=1 0.02
6 0.00
1 2 3 4 5 6
1
x=2
6

f(x) 1
x=3
6

1
x=4
6

1
x=5
6

1 0.6
x=6 de una moneda
2. Lanzamiento
6
0.4
1 cara
0.2
X
0 sello 0
1

3. Lanzamiento de un dado, el mismo que se encuentra cargado, es decir no es justo,

en la que la cara de 2 está incrementado 4 puntos y da 6.

X Dado no es justo

0.35
0.30
0.25
1
x=1 0.20
6
0.15
0 x=2 0.10
0.05
1 0.00
x=3
6 1 2 3 4 5 6
 x=4

 La función de la masa de la probabilidad permite ver muy rápido como está la

distribuida la probabilidad.

2
P(x=6) =
6

Función de la Densidad de la Probabilidad

Queremos saber la cantidad exacta de lluvia que caerá mañana.

1/2

1 2 3 4

P (y=2) = 0,5

1,99 2 2,01
P (y=2) ≠ 0,5

P (y=2) ≠ 0,5

 En este caso no puede ser 1,99 ni 2,01, sino exactamente 2.

Valor Esperado o Esperanza Matemática - E(x)

Ejemplo:
1. Suponga que una moneda se lanza 6 veces, se puede mostrar que el número x de caras
ocurra con una probabilidad P de la siguiente manera:

Distribución Probabilidad
x P(x)
0 1/64
1 6/64
2 15/64
3 20/64
4 15/64
5 6/64
6 1/64

1 6 15 20 15 6 1 192
E(x) = 0* + 1* + 2* + 3* + 4* + 5* + 6* = =3
64 64 64 64 64 64 64 64

2. En una caja se tiene 12 canicas: 8 azules esy 4 rojas, el juego consiste en

extraer 1 canica, si es azul gana 40 dólares y pierde 80 dólares si es roja,
¿Cuál es nuestra esperanza matemática de ganar al extraer una canica?

8 2
=
12 3 Azules Gana 2/3(40) = 26,67

12 canicas
4 1
= Rojas Pierde 1/3(-80) = -26,67
12 3

2 1
E(x) = 40* + (-80)* = 0  Juego es equitativo, justo y limpio
3 3

3. En un club deportivo se organiza una rifa, se imprime 1000 boletos, cada boleto cuesta
20 dólares y el premio será de 2000 dólares, ¿cuál es la esperanza matemática de ganar
un premio?
Datos
N. boletos = 1000
Costo = 20
Premio = 2000

1/1000
Ganar

-20 SI 999/1000
Perder
 1 999
E(x) = 1980* + (-20)* = -18  Desfavorable
1000 1000

Trabajo Grupal

1. En una feria dominical tenemos un juego de extraer 1 carta de una baraja normal de 52
cartas, para jugar se tiene que pagar 2 dólares, si sacamos un corazón rojo o un az, nos
dan 20 dólares. ¿Cuál es la esperanza matemática de ganar el juego si apostamos una
vez? ¿Nos conviene jugar el juego?.
16/52
Ganar

-2 SI 36/52
Perder

NO

16 36
E(x) = 18* + (-2)* = 4,15  Favorable, nos conviene jugar
52 52
2. Se efectúa una investigación a familias que tienen 3 descendientes y se escogen al azar
a un grupo de familias con el propósito de definir la variable (No. De niñas). En estas
circunstancias se pide definir y calcular tabla de distribución, probabilidad y esperanza.

HHH HMH MHH MMH

HHM HMM MHM MMM

Distribución Probabilidad
x P(x)
 0 1/8
1 3/8
2 3/8
3 1/8

1 3 3 1 12
E(x) = 0* + 1* + 2* + 3* = = 1,5
8 8 8 8 8
 Varianza
El error estándar es una variable aleatoria X, número no negativo que se calcula por:

Var ( x ) =E ( x 2) −( E ( x ) )
2

Datos:

15,7,8,9,10,13,16,10,11,15,19,16, 12,13,80
2
δ =Poblacion ( Varianza Poblacional ) ⇒ Parametro
2
δ =Muestra ( Varianza Muestral ) ⇒ Estadistico
N
δ 2= ∑ ¿ ¿ ¿
i=1

∑ ( X i−μ)2
2 i=1
δ =
N

xi x−x i ( x−x i )
2

7 5.13 26.316
8 4.13 17.0569
8 4.13 17.0569
9 3.13 9.7969
10 2.13 4.5369
11 1.13 1.2769
12 0.13 0.0169
13 -0.87 0.7569
13 -0.87 0.7569
15 -2.87 8.2369
15 -2.87 8.2369
16 -3.87 14.979
16 -3.87 14.979
19 -6.87 14.979

2 175,7
δ = =12.55 ⇒Varianza muestral
19

δ=√ 12.55

δ=3,54 ⇒ Desviacion estandar muestral

La varianza y desviación estándar sirven para ver qué tan distantes o dispersos están los datos .

1. El promedio de Juanito 65
a. Notas: 50, 80, 55, 75,65
 2. El promedio de Panchito 65 ⟹ desviaciòn ⇒mas grande
a. Notas: 65, 65, 62, 68,65

Error Estándar

S
e=
√N
Ejemplo sea δ =3,54

N=15 calcula el error estandar

3,54
e=
√ 15
e= 0.91

Resolver ejercicios en la Calculadora

Conjunto de datos procedentes de una muestra n=7. Calcular la media, la varianza, desviación típica
y el error estándar.

12, 7, 9, 4, 10, 7,3

1. Varianza
2. Desviación estándar
1. Introducir los datos

MODO ⇒ 3 :STAT ⇒1:1−VAR ⇒Ya introducido los datos⇒ AC

2. Calcular Varianza
Shift−1 stat ⇒ 4 :Var ⇒ 4 :5 x ⇒ para la desviaciòn estandar ⇒elevar al cuadrado para lavarianza

Distribuciones

Para hacer estas distribuciones debe cumplir 2 condiciones:

1.- La sumatoria de las probabilidades de x es igual a 1

∑ P ( X )=1
2.- La probabilidad de X debe ser igual o mayor a 0
P ( x) ≥ 0
 1 3 3 1
1.- ∑ P ( x )= + + + =1
8 8 8 8

X P (x)
8 0 1/8
∑ P ( x )= 8
1 3/8
2 3/8
∑ P ( x )=1 3 1/8

2.- P ( x ) ≥ 0 valores >0

Discretas

Variable discreta x ⇒ puede tomar un solo valor .

Ejemplo:
Dado (1 ,2 , 3 , 4 , 5 , 6)

No puede ser ⇒1.5 ; 2.5 ;11.7 ⇒ DISCRETA 1Ò 2

Continuas

 Peso
 Edad
 Altura

a≤ x≤h
x P(x)
1 1/6
2 1/6
3 1/6
4 1/6
5 1/6
6 1/6

Distribución Binomial

Es una distribución de probabilidades de una variable aleatoria discreta que resulta de

contar el número de éxitos (p; q).
 P(x) = ¿
Ejemplos:

1
1. La probabilidad d que María José logre un objetivo en cualquier momento es de de
3
1
lo que pierde , suponga que ella dispara 7 veces el objetivo. Encuentre la
3
probabilidad de que ella alcance el objetivo.

1
p= P (3) = ¿
3

1
q= P (3) = ¿
3

P (3) = 0, 26 = 26%

Hipergeométrica

De 50 edificios en un parque industrial 12 no cumplen el código eléctrico, si se selecciona

10 edificios aleatoriamente. Determine:

a. 3 no cumplan el código.
b. 4 no cumplan el código.
c. Menos que 5 no cumplan el código.

P (x) =
( X )( n−x )
R N −R

( Nn )

N = 50 total población. a) P (3) =

( 3 )( 10−3 )
12 50−12

( 5010 )

R = 12éxito de población. P (3) =

( 12 !
)( 38!
3 ! ( 12−3 ) ! 7 ! ( 38−7 ) ! )
( 10! (50−10
50 !
) !)

n = 10 muestra. P (3) = 0,2702

x = 3 éxito de muestra. P(3) = 27,02%

b) P (4) =
( 4 )( 10−4 )
12 50−12

= 13%
( 5010 )
c) P (-5) = P (0)+ P (1)+ P (2)+ P (3)+ P (4)

= 0,95 = 95%

Poissom

Un cajero automático es utilizado cada 20 minutos por 20 personas. Se desea saber cual es
la probabilidad de:

a. Que el cajero sea utilizado por 5 personas en 20 minutos.

b. Que el cajero sea utilizado por 10 personas en 20 minutos.
c. Que el cajero sea utilizado por 5 o menos personas en 20 minutos.

⋏ x e−⋏
P(x, ⋏) =
Xi

e=¿ N° de euler

⋏ = Numero de éxitos cuya probabilidad es objeto de cálculo.

⋏=n∗p

a. x=5
5 −6
6 e
P(x,5) = (5, 6) = = 0, 1606 = 16, 06%
5i

b. x=10
10 −6
6 e
P(x,10) = (10, 6) = = 0, 0413 = 4, 13%
10 i

c. X ≤ 5 ¿

61 e−6
P(x,0 ) = (0, 6) = = 0, 002478= 4, 13%
0i
 1 −6
6 e
P(x,1) = (1, 6) = = 0, 0148= 4, 13%
1i

62 e−6
P(x,2) = (2, 6) = = 0, 0446 = 4, 13%
2i
3 −6
6 e
P(x,3) = (3, 6) = = 0, 0792 = 4, 13%
2i

64 e−6
P(x,4) = (4, 6) = = 0, 1338 = 4, 13%
2i
5 −6
6 e
P(x,5) = (5, 6) = = 0, 1606 = 16, 06%
5i

P(x ≤ 5) = 0, 4454 = 44, 54

Multibinomial

Similar a la distribución binomial, diferenciándose de que en lugar de dos posibles

resultados puede haber varios resultados.

n!
P( x1=x1, x2=x2, x3=x3…… xn=xn) = ∗p 1 x1 p2 x 2 p 3 x3 … .∗pn x
( x 1 !∗x 2 !∗x 3 ! … .∗xn !)

Ejemplo:

1. A las elecciones se presentan cuatro partidos políticos

¿Cuál es la probabilidad de que al elegir 5ciudadanos , 3 de ellos voten por Viva, 1 vote por
Munu y otro vote por Lala.

Viva = 40% 3 votos

Jaja = 30% 0 votos

Munu = 20% 1 voto

Lala = 10% 1 voto

5! 3 0 1 1
P( x1=x1, x2=x2, x3=x3, x4=x4) = ∗0,40 0,30 0,20 0,10
(3 !∗0 !∗1!∗1 !)

= 0, 0256

= 2,56%
2. En una fiesta el 20% de os asistentes son Españoles, el 30% Franceses, 40% Italianos,
10% Portugueses; en un pequeño grupo se han reunido 4 invitados. ¿Cuál es la
probabilidad de que 2 sean Españoles y 2 sean italianos?

Españoles 20% 2

Franceses 30% 0

Italianos 40% 2

Portugueses 10% 0

4! 2 0 2 0
P( x1=x1, x2=x2, x3=x3, x4=x4) = ∗0,20 0,30 0,40 0,10
(2 !∗0 !∗2!∗0 !)

= 0, 0384

= 3, 84%

Taller

1. Calcular el valor esperado y la desviación típica de las puntuaciones obtenidas al lanzar

un dado.

X P(x) x-x¡ (x-x¡)2 V(x) = 1+2+3+4+5+6/6

1 1/6 -2,5 6,25 V(x) 3,5
2 1/6 -1,5 2,25
3 1/6 -0,5 0,25 S= 1,8708
4 1/6 0,5 0,25
5 1/6 1,5 2,25
6 1/6 2,5 6,25

2. Se lanza una moneda 10 veces. ¿Cuál es la probabilidad de obtener 6 caras?

P(x) = ¿

p =0, 6 P (x) = ¿ P (6) = ¿

q = 0, 4 P (6) = ¿ P (6) = 0, 2508226560

3. En una urna hay 14 bolas blancas y 12 negras, se saca 8 bolas, ¿Cuál es la probabilidad
de que 6 sean blancas?

P (x) =
( X )( n−x )
R N −R

( Nn )

N = 26 total población. a) P (6) =

( 6 )( 8−6 )
14 26−14

( 268 )

R = 14 éxito de población. P (3) =

( 6 ! ( 12−6 ) ! 2! ( 12−2 ) ! )
14 !
)( 12!

( 8 ! ( 26−8) ! )
26!

n = 8 muestra. P (3) = 0,2702

x = 6 éxito de muestra. P(3) = 27,02%

4. La intención de voto para Alianza País es de un 30%, Social Cristiano 25%, CREO
22%, Izquierda Democrática 18%, y otros 5%. ¿Cuál es la probabilidad de que al elegir
al azar 50 personas, 10 voten por Alianza País, 20 por la Izquierda y 20 por CREO?

AP 30% 10 VOTOS

SC 25% 0 VOTOS

CREO 22% 20 VOTOS

ID 18% 20 VOTOS

OTRO 5% 0 VOTOS

50!
P( x1=x1, x2=x2, x3=x3, x4=x4) = ∗0,3010 0,250 0,2220 0,1820 0,050
(10 !∗0 !∗20 !∗2 0 !∗0 !)

= 7,519325264X 10−13

= 7,519325264X 10−11
 Distribución normal

Se denomina también curva del error, campana de Gauss o también la curva de Moebius,
esto se dio a raíz de 1733.

Es aquella que describe perfectamente a la media aritmética y a la desviación típica o

estándar. Se denota por la siguiente fórmula:

μ 2
−d / 2 σ
y= ∗e
d √2π

y=altura de la curva sobre x

N=numero total de casos

e=euler constante

d=desviaciòn tìpicao estàndar

2
d =varianza
 −¿¿
y=e ¿

Características o Propiedades

 Es la representación gráfica de una ecuación de probabilidad.

 Es una ecuación uniforme, simétrica y de forma acampanada.
 Es unimodal puesto que tiene un solo pico o máxima frecuencia.
 En el punto medio de la normal coincide la media, mediana y moda.
 La línea x o asíntota de la normal se dice porque sus colas o extremidades se prolongan
indefinidamente.
 El área total bajo la curva va a representar todos los elementos de la población por lo que
es igual a 1.

Aplicaciones:

 Describir distribuciones de puntaje

 Interpreta la desviación típica.
 Realiza un informe de probabilidades.
 Generaliza los resultados de muestras o poblaciones.

Ejemplos para leer áreas bajo la curva normal

1.- Determine el área bajo la curva normal a la izquierda de:

a. z= 0.56
b. entre z=-2.93 y z= 2.06
 a) R= 0,5 +0,2123
R= 0.7123
R= 71,23 %

b) R= 0,4983 - 0,4803
R= 0,0180
R= 1.8%

2.- Encuentre el área:

a) para z entre z = 0,3 y z= 1.7

b) z = -0,4 y z= 1.25

a) R= 0,4554 – 0,1915

R= 0,2639

R= 26,39%

b) R=0,3944 +0,1554
 R= 0,5498

R= 54,98%

3.- P (0.2≤ z ≤1.4)

R= 0,4192 – 0,0793

R= 0,3399

R= 33,99%

Distribución Normal Estandarizada

−¿
x−μ −¿ X
z= ⇒x ¿¿
σ δ

Ejemplo:

1. La panadería la unión hace piezas de pan, la longitud de una pieza se distribuye en la normal
con una media de 15 cm y una varianza de 2,25 cm 2

Determine:

a) la probabilidad de que una pieza exceda los 18 cm

b) la probabilidad de que las piezas de pan estén entre 15 y 17 cm

Datos:
 = 15 cm
2 2
δ =2,2 cm

δ=1,5 cm
−¿
−¿ X
a) z=x ¿¿
δ

( 18−15 ) cm
z= 0 2
1,5 cm

Z= 2

b)

13−15 17−15
z= z=
1,5 1,5

Z = -1,33 Z = 1,33

R = 0,4082 + 0,4082

R = 0,8164 -1,33 0 1,33

R = 81,64%

2. El aula 13 Economía tiene 30 alumnos, una vez concluido el segundo hemi semestre se
obtiene una media de 16 y su desviación típica de 2,03. Determinar el número de estudiantes
a) Que tienen calificaciones entre 14 y 17
b) Que tienen la nota de 15

DATOS:

N= 30

 = 16

δ=2,03
 14−16
a) z= =−0.99
2.03

17−16
z= =0,4926
2.03
-.99 0 .49

z (−0.98 )=0,3389

z ( 0.4926 )=0,1879

R = 0.3389+0.1879

R = 0.5268

15−16
b) z= =0.4926
2.03

z ( 0,4926 )=0,1879
z=0,5−0,1879
z=0,3121
z=31,21 %

Aproximación De La Binomial A La Normal

En una distribución Binomial de probabilidad para variables discretas se tienen dos resultados, el
éxito o el fracaso, sin embargo la información que se conoce es:

N= total de la muestra
P= probabilidad de éxito
Q= probabilidad de fracaso
X= número de éxito

GRAFICOS DE LA DISTRIBUCION BINOMIAL

Si una distribución binomial tiene una probabilidad de éxito del 30% y la probabilidad del fracaso
es del 70%. Si n es igual a 10

N=10

P= 0.3

q= 0.7
n= 10

n=30 n= 100 n= 80

Cada vez que se incrementa la muestra se vuelve más acampanada y se asemeja a la normal.

Condiciones

Para resolver una situación de una variable correspondiente a una distribución binomial utilizando
una normal se debe tener en cuenta lo siguiente

1.- Si n es el tamaño de la muestra multiplicando por la probabilidad es ≥ 5

2.- Si n es el tamaño de la muestra multiplicando por la fracaso es ≥ 5

Distribución Binomial vs distribución Normal

Distribución Binomial Distribución Normal

n= tamaño de la muestra
q= probabilidad de fracaso μ=media poblacional
p= probabilidad de éxito
x= número de éxito σ =desviacion tipica o estandar

μ=n∗p

σ =√ n∗p∗q ⇒ Permita transformar de binomial a la normal

Ejemplo:

1. El 35% de estudiantes de la carrera de economía prefieren realizar sus estudios de postgrado en

una universidad del exterior.
Determinar la probabilidad de que 2500 estudiantes de la universidad

a) Más de 950 personas prefieren una universidad del exterior

b) Entre 825 y 925 prefieren una universidad en el exterior

n= 2500
p=35 %
q= 65%
x= estudiantes que prefieren ir a universidad en el exterior

Verificar las condiciones de esta distribución

n∗p=2500∗0.35=875 ≥5
n∗p=2500∗0.65=1625≥ 5

σ =√ 2500∗0.35∗0.65

σ =23.48

μ=n∗p=2500∗0.35=875

a) P( x > 950 )
950−875
P ( x> 950 )= p(z > )
23.75

P ( x> 950 )= p ( z ≥ 3.14 )

Z ( 3,14) = 0.4992
R = 0.5 – 0.4992
R= 0.0008
R = 0.08%
 0 3,14
b) P (
825−875
23.85
<Z<
925−875
23.85 )
P¿

Z ( 2.1)= 0,4821

P = 2 (0,4821) = 0,9646 ⇒ 96,46 %

2. El 2% de los tornillos fabricados por una maquina representa defectos si tenemos una lista de
2000 tornillos ¿Cuál es la probabilidad de que al menos sean defectuosos?

n= 2000

p=2% ⇒ 0.02

q=0.98

x = 50

VERIFICACIÒN P( X ≥ 50)

50−40
n∗p=2000∗0.02 ⇒40 ≥ 5 P( )
6.26

n∗p=2000∗0.98 ⇒1960 ≥5 P=1.60

μ=n∗p=4 O

σ =√ n∗p∗q

σ =√ 200∗0.02∗0.98

σ =6.26

z (1.60 ) ⇒0,4452

z ⇒ 0.5−0.4452
0 1,6
R=0.0548⇒ 5.48 %
Error ⇒ al pasar de la binomial a lanormal ⇒ Se aplica teorema de Yatex

Teorema De Movire – Laplace

μ=n∗p

σ =√ n∗p∗q ⇒ error ⇒ aproximamos de la binomial a lanormal

Para evitar este error se utiliza la corrección de yates , se lo aplica con el fin de que ese error sea
menor , Consiste en aumentar o disminuir el valor de 0.5

Ejemplo

1. La probabilidad de que se encuentre la variable X aleatoria entre 180 y 210

P¿

P ( x ≤ 210.5 ) ⇒P ( Z ≤ 210.5−200
10
Z≤
179.5−200
10 )
P ( x ≤ 179.5 ) P ( Z ≤1.05 , Z ≤−2.05 )

n=400

μ=n∗p

μ=400∗0.5 ⇒ 200

σ =√ 400∗0.5∗0.5 ⇒ 10

z (2.05 ) ⇒ 0.4798

z (1.05 )=−0.3531

R=0.4798+0.3531

R=0.8329

Al menor valor se le resta y al mayor se le aumenta

Aproximación De La Distribución De Poissom

Este tipo de distribución es utilizado cuando los éxitos que estamos buscando son expresados por
unidad.

El número de éxitos dependerá de otros intervalos dados.

Las distribuciones discretas de Poisson pueden obtenerse un valor aproximado de la función de

probabilidad a la función de distribución normal dependerá del valor de su media y la desviación
típica o estándar.

Si “x” es una variable aleatoria de Poisson con E(x) = , λ y v(x) está dada por:

x−λ
z=
√λ

Ejemplos:

El número de partículas de asbesto por m2 de polvo en una superficie sigue una distribución de
Poisson con una media igual a 1000. Determinar la probabilidad de que una muestra de un m2 de
polvo analizada se encuentre a lo sumo 950 partículas de asbesto.

950 −1000 1000

e x
p= ( x ≤ 950 )=∑
e=0 x!

950−1000
p= ( x ≤ x )= p ( z ≤ )
√1000
p( z ≤1.58)

z →−1.58=0.4429

R=0.5−0.4424 -1.58 0

R=0.057=5.71 %

Distribución Exponencial

Las distribuciones exponenciales se utilizan como modelos para representar tiempos de

funcionamiento (tiempo de vida). Es decir el tiempo que transcurra antes de que ocurra un fallo o
tiempo de espera.
Si consideramos que no hay desgaste en un producto el modelo exponencial describe
adecuadamente la distribución del tiempo entre dos averías de un producto reparable.

Su validez es considerada en que no hay desgaste si no que ocurra fallos debido a errores de
fabricación.

Su función de densidad depende de un para metro alfa “α” (tasa de fallo o número de fallas por
unidad de tiempo).

−αx
f ( x )=αe ⇒ f (x)

{1−e−αx si ; x> 0
0 … otro caso

f ⇒ distributiva

exponencial se acerca a x

Ejemplo:

1. La distribución de probabilidad del tiempo que transcurre antes que falle el ventilador de un
motor a diésel se describe mediante una distribución exponencial, con una tasa de fallo de 34,8
fallar por un millón de horas. Si la garantía es de 8000 horas. ¿Cuál es la probabilidad que el
ventilador falle?
(−34,8)(10−6)(8000)
f ( x )=( 800 )=1−e

¿ 1−e−0.2784

¿ 1−0.7569939634

¿ 0.2430 ≈ 24.3 %

Percentil 1% = 0,01

1
XP= - ln (1-P)
∝
 1
XP = - ln (1-0, 01)
34,8∗10−6

XP = 288 horas

2. La variable X representa el tiempo en horas que una persona tarda en realizar determinado
trabajo y sigue una distribución exponencial con parámetros ∝=2 . ¿Cuál es el tiempo medio en
que se espera que realice dicho trabajo? ¿Cuál es la probabilidad de que lo realice en menos
tiempo 30 minutos y más de 1 hora?
1 1
1) Tiempo medio = m= = = 0,5
∝ 2
2) p(Z ≤ 0,5 ¿

(x ≤0,5) = 1-e−e∗ x

= 1-e−0,5∗0,5

= 1-e−0,25

= 0,2212

=22,12%

(x < 1) = 1-e−e∗ x

= 1- e−1∗0,5

=1- 0,39

= 0,61

=61%