Documentos de Académico
Documentos de Profesional
Documentos de Cultura
h0 nula
Se debe comprobar
h1 alterna
Ejemplo:
Recolecta
Organiza
ESTADÍSTICA Método científico Presenta Datos
Analiza
Interpreta
Camino a seguir
Probabilística
Inferencial
Estadística Probabilística
S – Espacio Muestral
Trabajo Grupal 1
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:
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:
> 14
47%
< 14
53%
4. Análisis:
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
Económico
Político
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
En el cálculo de las probabilidades debe considerarse como se relacionan los eventos entre
sí.
10
Datos P(Manzana) = = 33,33%
30
Manzanas 10
20
Peras 20 P(Pera) = = 66,67%
30
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
Datos
12
T = 30 P(H) = = 40%
30
M = 18
H = 12
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
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
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
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
A ∩ B = A B
A= A
A ∪ A = S
A ∩ B = ∅ A B
Ejemplos
S = {1;2;3;4;5;6}
S = {FCE}
( A ∪ C ) ∩ A = {Economía}
A = {Estadística ; Finanzas}
A ∩ B = ∅
No . Resultados Favorables
P(A) =
No . Resultados Posibles
Ejemplo:
S=2
1
P(c) = = 50%
2
1
P(s) = 2 = 50%
Ejemplo
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
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.
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.
Ejemplo
1 1
P(4 o 5 ) = +
6 6
P(4 o 5 ) = 33,33%
Para aplicar esta regla los eventos no deben ser mutuamente excluyentes, por tanto dichos
eventos pueden ocurrir al mismo tiempo.
Ejemplo
13 4 1
P(A) 1 trébol P(AoB) = + - = 30,8%
52 52 52
P(B) 5
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
Reglas de la multiplicación
Ejemplo
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.
Ejemplo
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
3
P(A) = = 8,82% P. Clásica
34
30
P(A) = = 60% P. Empírica
50
1
P(A) = = 14,28% P. Clásica
7
1
P(A) = = 0,00002% P. Clásica
5000000
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.
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) = 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
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?
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.
4 3 2 1
P(M) = * * * = 0,20%
12 11 10 9
8 7 6 5
P(H) = * * * = 14,14%
12 11 10 9
Árbol de Problemas
Nos muestra las posibles combinaciones entre los elementos.
Ejemplo:
{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
Datos
0,8
BE 150
P(LG) P( )= (0,8) = 0,1714
Buen estado LG 700
BE 250
Buen estado
0,1
Defectuoso
b. P(B) = 0,0357
c. P(C) = 0,3214
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.
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
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
13/23
M
14/24 15
∗14
M 25
P(3M) = ∗13 = 0,1978
H 24
23
15/25
M
H
25
H
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
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(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) = Teorema de Bayes
P (A )
Ejemplo:
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)
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
Si llueve 30%
Si vena 20%
Si hay neblina 10%
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
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.
Ejemplo
Regla de Permutación
Ejemplo
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
Regla de Combinación
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 ) !
Ejercicios
1. ¿Cuántos números de 4 cifras podemos escribir con los dígitos 6, 7, 8 y 9, sin que
ninguna se repita?
P = n!
P = 4x3x2x1
P = 24
5!
4 cifras 5P4= = 120
( 5−4 ) !
1 , 3, 5, 7, 9
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 llueve
X
0 no llueve
1 cara
X
0 sello
Dado 1 a 6
Discretas Enteros - Finitos Llueve No llueve
Variables aleatorias Cara Sello
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
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
2
P(x=6) =
6
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
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
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.
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
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
3,54
e=
√ 15
e= 0.91
1. Varianza
2. Desviación estándar
1. Introducir los datos
2. Calcular Varianza
Shift−1 stat ⇒ 4 :Var ⇒ 4 :5 x ⇒ para la desviaciòn estandar ⇒elevar al cuadrado para lavarianza
Distribuciones
X P (x)
8 0 1/8
∑ P ( x )= 8
1 3/8
2 3/8
∑ P ( x )=1 3 1/8
Discretas
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
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
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 )
( 5010 )
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:
⋏ x e−⋏
P(x, ⋏) =
Xi
e=¿ N° de euler
⋏=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
Multibinomial
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:
¿Cuál es la probabilidad de que al elegir 5ciudadanos , 3 de ellos voten por Viva, 1 vote por
Munu y otro vote por Lala.
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
P(x) = ¿
P (x) =
( X )( n−x )
R N −R
( Nn )
( 268 )
( 8 ! ( 26−8) ! )
26!
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
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.
μ 2
−d / 2 σ
y= ∗e
d √2π
e=euler constante
Características o Propiedades
Aplicaciones:
b) R= 0,4983 - 0,4803
R= 0,0180
R= 1.8%
a) R= 0,4554 – 0,1915
R= 0,2639
R= 26,39%
b) R=0,3944 +0,1554
R= 0,5498
R= 54,98%
R= 0,4192 – 0,0793
R= 0,3399
R= 33,99%
−¿
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:
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
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 %
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
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
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
Ejemplo:
n= 2500
p=35 %
q= 65%
x= estudiantes que prefieren ir a universidad en el exterior
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
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
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
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
μ=n∗p
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
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
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
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
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%