Estadisticas Apuntes - 1 A La 56

TECNOLÓGICO NACIONAL DE MEXICO
INSTITUTO TECNOLÓGICO DE VERACRUZ
Material instruccional para enseñanza no presencial
Autores /Coautores
Antonio De Jesús Remes Ojeda (Toño)
Ortega Pacheco Tania Lizbeth (Tanny li)
Galvan Rosas Jocelyn (La Gringa)
Torres Serrano Guillermo (Memo)
Beristaín Reyes Hugo Jair (El Hugoide)
Portela Lara Luis Fernando (Portela)
Descarga laboral
Enero/2020 – febrero /2021
Maestro responsable:
Antonio de Jesús Remes Ojeda
Veracruz, ver feb 2021
1
INDICE
Dedicatorias…………………………………………………….pag1
Unidad 1…………………………………………………………pag.5
Unidad 2…………………………………………………………pag.8
Unidad 3…………………………………………………………pag.15
Unidad 4…………………………………………………………pag.26
Unidad 5…………………………………………………………pag.38
Unidad 6…………………………………………………………pag.43
2
DEDICATORIAS
“A mi familia, a mis amigos y enemigos, a ti que te olvide, a mi cristo y a las

chivas “ . Toño remes
“Esto va dedicado a mis compañeros, a mis padres y maestro, por apoyarme

en todo el curso “.
Tania Ortega
"Está dedicación es para mis padres que me han apoyado con todo y para todo,
y mis compañeros de equipo que han dado todo para salir adelante".
Hugo Reyes
"Arriba yo, mi apa, mi ama y la chona”.

Guillermo torres
"A mis compañeros de equipo que nos morimos por hacer parte de este trabajo
y un consejo para los que tomen la materia “HAGAN EL CUADERNO".
Luis portela
"Esta va dedicada para mí, por tanta paciencia."

Jocelyn rosas
3
Estadística: ciencia o instrumento?
-Tipos de escalas:N,O,I,R
-∑ Notacion sigma
-Donde se halla cualquier numero?
10
9.5 10.5
Ahora fíate ojo;
- CONCEPTOS BASICOS
Si estudiaste una hoja?
Estabas cansado?
Piensas mucho en beto?
-Q´ es tabla de distribución?
-Diferencia ÷ 𝐿, 𝑅, 𝐼 𝑦 𝐿. 𝐼 LRS≠ 𝐿𝑆
-Clases o categorías. Frecuencias a datos
-frecuencia acumulada
-frecuencia relativa y/o acumuladas
-marcas de clase
-es lo mismo: por lo menos, por arriba, al menos.
4
Unidad I
Salón de clases
Yo pongo #
de clases, 80 batos
ancho, yo
manejo todo
Pesos en kg
Investigador
Li Ls f fa Lri Lrs fr mc fra

50-59 10 10 49.5 59.5 .125 54.5 .125
60-69 16 26 59.5 69.5 .200 64.5 .325
70-79 40 66 69.5 79.5 .500 74.5 .825
80-89 10 76 79.5 89.5 .125 84.5 .950
90-99 4 80 89.5 99.5 .050 94.5 1.00
∑ =80
¿Cómo se ubica pi? Con esta fórmula.
𝑖𝑥𝑛
−∑ 𝑓𝑎
Aprender bien 𝑝𝑖 = 𝐿𝑟𝑖 + [ 100
]𝑐 * = clase critica
𝑓𝑐
(Formula percentiles)
Pi=cantidad acumulada o percentilidad
𝑖𝑥𝑛
−∑ 𝑓𝑎
100
= artificio matemático
𝑓𝑐
∑ 𝑓𝑎 = frecuencia acumulada, anterior clase critica

fc =frecuencia de clase
c = ancho o tamaño de clase
5
¿Cómo se grafica la ojiva “o menos que”?
Eje x usar LRi Eje y FA

Unir cotas da exactamente MEDIA CAMPANA
"OJIVA O MENOS QUE"
FA 49.5-59.5 59.5-69.5 69.5-79.5 79.5-89.5 89.5-99.5

80
70 P75
60
50 P50
40
30 P25
20
10
0
73.0
59.5
49.5
65.75
89.5
69.5
78
79.5
99.5
LRI-LRS LRI LRS
Hay que buscar * (clase percentual critica)
P25:
Pi fa
100 – 80
𝑎
25 – X = 20 en donde FA (hilera) está el 20 acumulado? R= * en la 2 "
COMPARAR CON TABLA A
𝑖𝑥𝑛
−∑ 𝑓𝑎 20 −10
𝑃25 = 𝐿𝑟𝑖 + [100 ]𝑐 = 59.5+ [ ] 10 = 59.5+ 6.25 = 65.75
𝑓𝑐 16
Pi fa (26)
Ahora observen la curva
100 – 80
P50: 𝑎
50 – X = 40 en donde FA (hilera) está el 40 acumulado? R= * en la 3 "
(66)
𝑖𝑥𝑛
−∑ 𝑓𝑎 40 −26
𝑃50 = 𝐿𝑟𝑖 + [ 100
]𝑐 = 69.5+ [ ] 10 = 69.5+ 3.5 = 73.0
𝑓𝑐 40
P75:
Pi fa Ahora observen la curva
100 – 80
75 – X = 60 en donde FA (hilera) está el 60 acumulado? R= (66)
𝑖𝑥𝑛
−∑ 𝑓𝑎 60 −26
𝑃75 = 𝐿𝑟𝑖 + [100 ]𝑐 = 69.5+ [ ] 10 = 69.5+ 8.5 = 78
𝑓𝑐 40
(66)
6
Interpretación: sobre una ojiva “o menos que” aparecen las acumulaciones 20,40 y 60
(p25,p50 y p75) que fueron tangents a la curva y perpendiculares al eje en 65.75,73 y 78 kg
respectivamente, donde están los pesos en kg, de 80 batos , en 5 clases, ancho 10.
Todos estos datos por debajo de 99.5 kg.
¿Cómo construyo el histograma?
Eje x usar LRi Eje y “f”
HISTOGRAMA
f 49.5-59.5 59.5-69.5 69.5-79.5 79.5-89.5 89.5-99.5

40
35
30
25
20
15
10
5
0
79.5
59.5
99.5
49.5
89.5
69.5
LRI-LRS LRI LRS
Interpretación: En un gráfico de barras (histograma) aparecen lo peso en kg de 80 jóvenes

ubicados en 5 clases, ancho 10 kg, desde 49.5 hasta 99.5 kg.
En la misma figura ¿cómo trazar el polígono de frecuencia?
Suerte, búscale e interpreta!
7
UNIDAD II
Mod centrales y dispersión

Axiomas y prop.
MED.CENTRALES
Mediana = Md .
Mediana
De numeros
números impares:
impares 1,3,
1,3,55 ,7 y 9 Interpretación: 5 es la mediana de
cinco números
𝑁
Temp C° f fa Lri Lrs −∑ 𝑓𝑎
Md = 𝐿𝑟𝑖 + [ ]C
2
1-2 2 2 0.5 2.5 𝑓𝑐
3.4 4 6 2.5 4.5
Lri =limite real inf. Clase mediana
* 5-6 10 16 4.5 6.5
𝑁
7-8 3 19 6.5 8.5 2 = Lugar que ocupa la Md
9-10 1 20 8.5 10.5
∑ 𝑓𝑎 = fa, que va antes de la clase mediana
∑ 𝑓 = 20
Fc =frecuencia clase mediana
C= ancho o intervalo (Lr-Lri)
𝑁 20
2
= 2
= 10° Lugar que ocupa la mediana
Buscamos en fa…….el 10, donde?
10 −6
*clase mediana Md = 4.5+ [ ]2
10
4.5+ (0.8) = 5.3
Interpretación: “La mediana de las temperaturas (C ° ) de 20 ciudades de edomex , en 5 clases,

ancho 2, nos da 5.3 C°”.
8
Moda = Mo
Moda = Mo “el dato que se repite más veces, en una serie; pueden haber 2 o más modas
1,1,3,3,3,2,8,1,1,3,1,1 =
Moda = es el 1, porque se repite seis veces.
Datos agrupados
∆1
Temp C° F fa Lri Lrs Mo = 𝐿𝑟𝑖 +[ ]C
∆1 +∆2
1-2 2 2 0.5 2.5
Lri = limite real inferior de la clase modal.
3-4 4 6 2.5 4.5
Donde haya más frecuencias. Si se repite, la más
5-6 10 16 4.5 6.5
* céntrica será CLASE MODAL.
7-8 3 19 6.5 8.5
9-10 1 20 8.5 10.5 ∆1 = Frecuencia clase modal menos, frecuencia
de clase contigüa anterior.
∑ 𝑓 = 20
∆2 = frecuencia clase modal menos frecuencia,
clase contigüa posterior
Observa Clase
Clase modal C= Lrs –Lri clase modal
modal
(10−4)
Mo = 4.5 + [(10−4)+(10−3) ]2
= 4.5 + (0.92) = 5.42
Interpretación: “La moda de 20 ciudades de las temperaturas del Edo. De México de las 5
clases, ancho 2 C°; es de 5.42 C°”.
9
Media Aritmética = ̅
𝝁𝒐𝒙 .
Media aritmética: Parece una cuerda y se pronuncia “mu” = 𝜇 𝑜 𝑥̅
Ejemplo en datos no agrupados:
6+7+8+9+10 ∑𝑁
6, 7, 8,9 y 10 𝜇= = 𝜇=
5 𝑁
40⁄ = 8 Interpretación: “La media aritmética de 5 datos es 8”

5
Datos agrupados
Temp f x fx ∑ 𝑓𝑥 104
𝜇= = = 5.2
1-2 2 1.5 3.0 ∑𝑓 20
3-4 4 3.5 14.0
Interpretación: “La media de la temperatura
5-6 10 5.5 55.0 de 20 ciudades de Edomex, en 5 clases,
7-8 3 7.5 22.5 ancho 2 es 5.2C°”.
9-10 1 9.5 9.5
∑ 𝑓 = 20 ∑ 𝑓𝑥 = 104.0
ojo
Otro método: algebraico

∑ 𝑓𝑢
x f u fu 𝐟𝐮𝟐 𝜇 ó 𝑥̅ = 𝐴 + [ ]𝑐
𝑁
1.5 2 -2 -4 8
3.5 4 -1 -4 4 −3
= 5.5 + [ ]2
5.5 10 0 / / 20
7.5 3 +1 3 3 5.5 + (−6⁄20) =
9.5 1 +2 2 4 5.5 + (−.3) =
5.2
∑ 𝑓𝑢 = −3 ∑ 𝑓𝑢2 = 19
10
Media cuadrática = Qm .
Metodología:
1. Eleve al cuadrado cada marca de clase (x)
2. Multiplique dicho cuadrado por cada frecuencia
3. Sume estos productos
4. Divida entre el total de elementos
5. Obtener raíz cuadrada
𝐱 𝐱𝟐 f 𝐟𝐱 𝟐 ∑ fx 2
Qm = √ =
N
1.5 2.25 2 4.50
615
=√ = √30.75 = 5.54
3.5 12.25 4 49.00 20
5.5 30.25 10 302.50 Interpretación: “La Qm de las temperaturas
7.5 56.25 3 168.75 de 20 ciudades de Edomex en 5 clases,
ancho 2, es 5.54 C° ”
9.5 90.25 1 90.25
∑ 𝑓𝑥2 = 615 =
"OJIVA O MENOS QUE" Interpretación: Sobre

una ojiva “o menos
0.5-2.5 2.5-4.5 4.5-6.5 6.5-8.5 89.5-99.5 que” aparecen los Q1,
20 Q2 y Q3, así como en
18 el eje de las x todas
16 las medidas
14 centrales
12 𝑥̅ , 𝑀𝑑, 𝑀𝑜 𝑦 𝑄𝑚
10
En 5.2, 5.3, 5.42 y
8
5.54 respectivamente
6 en 5 clases ancho 2,
4 las 20 temp. Por
2 DEBAJO DE 10.5 C°
0
2.5
10.5
6.5
4.5
8.5
.5
𝑥̅LRI-LRS
Md Qm
Mo
11
MEDIDAS DE DISPERSION
-D.M ⟶ Desviación media
𝜎 = Desviación Típica 𝜎 2 = Varianza
(mu) ⟶ 𝑟 = Coeficiente de Variación
Q´= Desviación cuadrática o Rango en medio de cuartiles
∑ 𝑓 |𝑥 − 𝑥̅ |2
Temp f fa |𝒙 − 𝒙
̅| ̅|𝟐
|𝒙 − 𝒙 ̅|𝟐
𝒇|𝒙 − 𝒙 ̅|
𝒇|𝒙 − 𝒙 𝜎=√
∑𝑓
1-2 2 2 |1.5 − 5.2| 13.69 27.38 7.40
+ 3.7 74.20
𝜎=√ =
3-4 4 6 |3.5 − 5.2| 2.89 11.56 6.80 20
+ 1.7
𝜎 = √3.71
5-6 10 16 |5.5 − 5.2| 0.09 .90 3.00
+ 0.3 𝜎 = 1.92
7-8 3 19 |7.5 − 5.2| 5.29 15.87 6.90
+ 2.3 Oj
9-10 1 20 |9.5 − 5.2| 18.49 18.49 4.30
+ 4.3 2
o
𝜎 = 3.71
∑ 𝑓 = 20 ∑ f|x − x̅|2 = 74.2 ∑ f|x − x̅| = 28.4
∑ 𝑓|𝑥−𝑥̅ | 28.4
D.M= ∑𝑓
= = 1.42
20
Interpretación: “La desviación media de 20 temperaturas del Edomex en 5 clases, ancho 2 es

1.42 C°”.
Interpretación: “La desviación típica y varianza de 20 temperaturas del Edomex para 5 clases,
ancho 2, son 1.92 y 3.71 respectivamente”
Otro método fácil para 𝜎

Usando tabla del método algebraico
2
∑ 𝑓𝑢2 ∑ 𝑓𝑢 19 −3 2
𝜎 = 𝑐√ −( ) =2√ − ( ) = 2√. 95 − .0225 = 2√. 9275
𝑁 𝑁 20 20
= 2√. 963068 = 1.9261 𝝈 = 𝟏. 𝟗𝟐𝟔𝟏 ∴ 𝝈𝟐 = 𝟑. 𝟕𝟏 𝒂𝒑𝒓𝒐𝒙
12
𝑟 = 𝐶𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝑉𝑎𝑟𝑖𝑎𝑐𝑖ò𝑛
𝑟 = 𝑟⁄𝑚 = 1.92⁄5.20 = 36,9%
Interpretación: “El coeficiente de variación del modelo o tabla estudiada es de 36,9%”
= 2.30⁄3 = 1.15
𝑃75 −𝑃25 6.30−4
Q= =
2 2
Interpretación: “El rango en medio de cuartiles de las 20 temperaturas de las ciudades del
Edomex de ancho 2 para 5 clases, es 1.15”
AXIOMAS Y PROPIEDADES
4
 1er axioma 5 𝜎 ≈ 𝐷. 𝑀. ∴ (. 80)(1.92) 𝑄. 𝐸. 𝐷. 1.53 ≈ 1.42 𝑑𝑒 𝐷. 𝑀.
Interpretación: “El 80% de 𝜎 (1.53) si tiende al valor de 1.42 D.M.2

2
 2do axioma 3 𝜎 ≈ 𝑄 ∴ (. 67)(1.92) 𝑄. 𝐸. 𝐷. 1.28 ≈ 1.15 𝑑𝑒 𝑄
Interpretación: “El 67% de 𝜎 (1.28) si tiende al valor de 1.15 Q”
 3er axioma Md ± Q=50% de la población

5.3 ± 1.15 = 50% (Ciudades)
4.5 Md 6.45
Interpretación: “Efectivamente si a la Md le sumamos y restamos el valor de Q, en una

distribución Normal (2 ojivas) ahí estará el 50% (10 ciudades) de 20 ciudades del Edomex,
que habían sido ubicadas en 5 clases de ancho 2”.
13
 PROPIEDADES
 1er propiedad 𝑥̅ ± 1𝜎 = 68.26%
-1 𝝈 +1 𝝈 3.28 5.2 7.12
Interpretación: “Efectivamente el 68.26% de la población (5 clases ancho 2) en el

intervalo de 3.28 a +7.12”
 2da propiedad 𝑥̅ ± 2(𝜎) = 95.44% 𝑥̅ ± 2(1.92)
-2 𝝈 𝑥̅ +2 𝝈 1.36 5.2 9.04
Interpretación: Efectivamente el 95.44% de la población (5 clases de ancho 2) en el

intervalo de 1.36 a 9.04”
 3er propiedad ̅𝑥 ± 3(𝜎) = 99.74%
-3 𝝈 𝑥̅ +3 𝝈 -0.56 5.2 10.96
Interpretación: “Efectivamente el 99.74% de la población (5 clases de ancho 2) en el

intervalo de -0.56 hasta 10.96”
14
UNIDAD III
Lógica matemática y probabilidad
Universo: El total de elementos de una población (con la letra∪)

Muestra: Son elementos del conjunto
Conjunto vacío: ∅ ó { } por ejemplo: las personas que viven en Venus
El conjunto se lee así: {𝑥|𝑥 … . . }
“x tal que x es un”
A= {𝑥|𝑥 𝑒𝑠 𝑢𝑛 𝑣𝑎𝑙𝑜𝑟 𝑑𝑒𝑙 𝑎𝑏𝑒𝑐𝑒𝑑𝑎𝑟𝑖𝑜 𝑑𝑒 𝑀è𝑥𝑖𝑐𝑜}
𝑅 → {𝑥|𝑥 𝑒𝑠 𝑎, 𝑒, 𝑖, 𝑜, 𝑚}
𝐵 = {𝑥|𝑥 𝑒𝑠 𝑢𝑛 𝑛ù𝑚𝑒𝑟𝑜 𝑒𝑛𝑡𝑟𝑒 6 𝑦 9}
𝑅 → {𝑥|𝑥 𝑒𝑠 𝑒𝑙 7 𝑦 8}
Operaciones típicas
 Unión ∪
 Intersección ∩
 Diferencia 𝐴 − 𝐵
 Complemento 𝑑𝑒 𝐴 = 𝐴𝐶
15
Ejemplo:
𝑈 = {1,2,3,4,5,6,7,8,9,10,11,12,13}
𝐴 = {2,4,6,7,11,13}
𝐵 = {1,3,5,6,7,8,9,10,11,12}
 Operaciones y Tarea:
𝐴∪𝐵 =𝑈
𝐴 ∩ 𝐵 = {6,7,11}
𝐴 − 𝐵 = {2,13,4}
𝐵 − 𝐴 = {1,9,10,12,5,3,8}
𝐴𝐶 =
𝐵𝐶 =
16
Producto Cartesiano: Conjunto de pares ordenados, donde cada elemento del
primer conjunto va primero, y el primero del segundo conjunto es el segundo así:
𝐴 = {1,2,3} 𝑦 𝐵 = {𝑦, 𝑧}
𝐴 × 𝐵 = {{1, 𝑦}{1, 𝑧}{2, 𝑦}{2, 𝑧}{3, 𝑦}{3, 𝑧}}
𝐴 × 𝐵 = {3}{2} = 6 𝑝𝑎𝑟𝑒𝑠 𝑜𝑟𝑑𝑒𝑛𝑎𝑑𝑜𝑠
Diagrama de árbol: es el conjunto total de ordenaciones de elementos; 1ro se

colocan en forma vertical, todos los elementos del primer conjunto.
2do Habrá ramificaciones, tantas como se necesiten
Con el 2do conjunto y 3er y así sucesivamente.
𝐴 = {𝑐, 𝑜, 𝑚, 𝑎} 𝐵 = {𝑢, 𝑛} 𝐶 = {𝑝, 𝑒, 𝑧}
∴ {4}{2}{3}
= 24 𝑜𝑟𝑑𝑒𝑛𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑑𝑖𝑠𝑡𝑖𝑛𝑡𝑎𝑠
17
 El anterior ejemplo da origen al PRINCIPIO MULTIPLICATIVO,
donde el cardinal del primer conjunto se multiplica por el cardinal del
2do conjunto y así sucesivamente.
REGLAS PARA RESOLVER PROBLEMAS DE ANÀLISIS

COMBINATORIO Y PROBABILIDAD
1. Leer despacio, encontrar el objeto en estudio y a veces se puede tocar
2. Visualizar todos los elementos de los conjuntos y subconjuntos
3. Delimitar si hay o no restricciones. Si se repiten o no los ensayos; se
hay o no reemplazo
4. Por cada duda, es otro problema y por lo tanto otra solución
5. Mucha leche sabrosa. Mucha suerte. El gol de “KK” vale doble. Suelen
salir y aprobar, a veces, los más flojos e irresponsables, por lo que no
hay que desesperarse.
18
 Problema: Una placa consta de 2 letras seguidas de cuatro dígitos. Si tanto
las letras como los dígitos no se repiten, ¿Cuántas placas tiene que grabarse?
Letras Dígitos
26 25 10 9 8 7 = 3 276,000
Interpretación: “Se puede hacer 3 276,000 de placas”

Problema: ¿De cuantas maneras se pueden sentar 5 niños, en una banca de cinco
asientos?
5 4 3 2 1= 120 maneras distintas
Este resultado da origen al tema FACTORIAL DE UN NÙMERO:
5! = 120
5 × 4! = 120
5 × 4 × 3! = 120
5 × 4 × 3 × 2! = 120
𝟓 × 𝟒 × 𝟑 × 𝟐 × 𝟏! = 𝟏𝟐𝟎 e incluso 𝟓 × 𝟒 × 𝟑 × 𝟐 × 𝟏 × 𝟎! = 𝟏𝟐𝟎 Si 0! = 1
TEOREMA
𝑛! 𝑛(𝑛−1)!
Sea la ecuación: =
𝑛 𝑛
𝑛!
Simplificamos: = (𝑛 − 1)!: Ahora dar valor de 1 a “n”, nos queda:
𝑛
1!
= (1 − 1)! 1! = 0! ∴ 0! = 1
1
19
OPERACIONES CON FACTORIAL (!)
Método largo:
7! 7𝑥6𝑥5𝑥4𝑥3𝑥2𝑥1!
= =7
6! 6𝑥5𝑥4𝑥3𝑥2𝑥1!
Método corto:
7! 7𝑥6𝑥!
= =7
6! 6𝑥
Lo no permitido:
(4!)(3!)=12! NO
(4x3x2x1)(3x2x1)= 144 SI
PERMUTACIONES: EL ORDEN ES IMPORTANTE

Pnr nPr P(n,r)
𝑛! 6! 6𝑥5𝑥4𝑥3𝑥2!
P(m,r) =(𝑛−𝑟)! Ejemplo: 6p4= (6−4)! = = 360
2!
*¿Cuántas palabras distintas se pueden formar usando las letras de la palabra “ACORDE”?
P(n,n)!=n! = 6! = 720 Interpretación: Hay 720 palabras distintas
¿Por qué?
𝑛! 𝑛!
=(𝑛−𝑛)! = 𝑜!
𝑛!
= = 𝑛!
1
*¿Cuántas palabras distintas se pueden formar usando todas las letras de la palabra
“NARANJA”?
𝑛!
P (n,n1,n2…nk)= 𝑛
1 !𝑛2 !….𝑛𝑘 !
7! 7𝑥6𝑥5𝑥4𝑥3!
N=2 = 0!1!2!3! = = 420
2!3!
A=3
R=1 Interpretación: Hay 420 palabras
J=1
20
COMBINACIONES:
𝐶𝑛𝑟 nCr C(n,r) 3
𝑛! 6! 6! 6𝑥5𝑥4!
C(n,r)=(𝑛−𝑟)!𝑟! Ejemplo: 6C4=(6−4)!4! = = =15
2!4! 2!4!
3! 3! 3!
Permutar Combinar = = =1
(3−3)3! 0!3! 1!3!
abc abc
a b c = a cualquier otro arreglo
P(3,1) C(3,3)
𝟑! 3!
= 𝟑𝒙𝟐𝒙𝟏
𝟏! (3 − 3)3!
6
Como elegir un equipo de México entre 13 jugadores, incluye a

las niñas Ochoa y Laynez.
R=78
acb 13! 13𝑥12𝑥11!
C (13,11)=(13−11)!11! = = 78
acb 2!11!
bac
bca
cab
cba Interpretación: Hay 78 maneras de elegir
21
PROBABILIDAD
h= evento buscado
ℎ
Probabilidad simple "p" = 𝑛 n= espacio finito equivalente
Ejemplo: Se lanza un dado normal, hallar la probabilidad de obtener un numero par.

3𝑐1 𝑛𝑢𝑚𝑒𝑟𝑜𝑠 𝑝𝑎𝑟𝑒𝑠
𝑝=
6𝑐1 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑒𝑠𝑝𝑎𝑐𝑖𝑜 𝑓𝑖𝑛𝑖𝑡𝑜
3
= 6 = 50%
Interpretación: Hay un 50% de probabilidad de que salga un numero par
Evento independiente: Hallar la probabilidad de que en el 5° lanzamiento de un dado, salga águila

maldita.
1𝑐1
𝑝 = 2𝑐1 = 50% 𝑑𝑒 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑
Interpretación: Hay un 50% de probabilidad de que salga águila, por ser un evento independiente.
 Problema de evento dependiente:

Una caja contiene 3 esferas rojas y 2 negras. Sí se extraen 2, de manera sucesiva, hallar la
probabilidad de que la primera sea roja y la segunda negra.
𝑝(𝐸1 𝐸2 ) = 𝑃(𝐸1 )𝑃(𝐸2 )

3𝑐1 2𝑐1 6
= ∙ = 20 = 30%
5𝑐1 4𝑐1
Interpretación: Hay un 30% de “p” de que

la primera esfera sea roja y la segunda negra,
por tratarse de eventos dependientes.
22
SUCESOS MUTUAMENTE EXCLUYENTES
Hallar la “p” de que una sola extracción de un mazo español, no inglés o americano, salga
un As o un Rey.
𝑝(𝐸1 𝑜𝐸2 ) = 𝑃(𝐸1 ) + 𝑃(𝐸2 )
4𝑐1 + 4𝑐1 8
𝑝= = = 15.38%
52𝑐1 52
Interpretación: Hay un 15.38% de p de que en una extracción salga un As o un Rey, por
tratarse de eventos que son MUTUAMENTE EXCLUYENTES.
Sucesos que NO SON mutuamente excluyentes:

Pero hallar la p de que en una sola extracción salga un As, o un trébol o ambas cosas.
𝑝(𝐸1 𝑜 𝐸2 𝑜 𝐸1 𝐸2 ) = [𝑝(𝐸1) ) + 𝑝(𝐸2 ) − 𝑝(𝐸1 𝐸2 )]

4𝑐1 13𝑐1 4 13
= [( )+( ) − ( ) ( )]
52𝑐1 52𝑐1 52 52
17 1 1
[( ) − ( ∙ )]
52 13 4
17 1 16
( )−( )= = 30.76%
52 52 52
Interpretación: Hay 30.76% de “p”, de que en una sola extracción salga un As, un trébol o
ambas cosas (As de tréboles), por tratarse de sucesos que NO SON MUTUAMENTE
EXCLUYENTES (hay simultaneidad).
23
PROBABILIDAD CONDICIONAL:
P(A y B) = P (A∩B)
Ejemplo: Una caja contiene 10 bolígrafos, 8 buenos y 2 defectuosos, si se extraen dos de
ellos de manera sucesiva, hallar la “p” de que el primero sea bueno y el segundo
defectuoso.
Estrategia: Usar diagrama de árbol
B BB=56/90
B
D
BD=16/90
DB=16/90
DD=2/90
B =90/90
D
D
P (A∩B) = 16/90 = 17.78

Interpretación: Hay un 17.78% de probabilidad de que el primer bolígrafo sea bueno y el
segundo sea defectuoso, por tratarse de sucesos dependientes y condicionales.
24
TEOREMA BAYES:
Sean E1, E2 y E3, los eventos de un fenómeno observado y que se conocen; y sean A1/E1,
A2/E2 y A3/E3, es un segundo suceso que se conoce de ellos, entonces la P (A1/E1) nos viene
dada así:
𝐴
𝐴1 𝑃(𝐸1 )𝑃 ( 𝐸1 )
1
𝑃=( )=
𝐸1 𝐴 𝐴 𝐴
𝑃(𝐸1 )𝑃 ( 𝐸1 ) + 𝑃(𝐸2 )𝑃 ( 𝐸2 ) + 𝑃(𝐸3 )𝑃 ( 𝐸3 )
1 2 3
Cafiver: Sean las máquinas A, B y C, que están dando el 60, 30 y 10 por ciento de la
producción total de café. Se sabe el índice de desperfecto en esas máquinas son del 4,3 y 2
respectivamente. Se extrae un sobre de café, y este resulta defectuoso, hallar la “p” de que
provenga de la máquina C.
B
A
D
B
.30
B
D
B
C
D
𝐴3 (. 10)(.02) . 002
𝑃( ) = = = 5,7 𝑟%
𝐸3 (. 60)(. 04) + (. 30)(. 03) + (. 10)(.02) . 024 + .004 + .002
Interpretación: Hay un 5,7r % de “p”, de que el sobre de café esté defectuoso, provenga de la
maquinaria C en Cafiver.
25
Unidad IV. Distribuciones En General
Distribución normal
𝑥−𝑢
Z= 𝜎
, solo y si 𝜇 = 0 y 𝜎 = 1
Tabla: valores de 0 a Z
26
6 Dibujos inanimados, ¿Cómo se comporta?
a) Z=0 y Z=1.0
0 1.0
Tabla= .3413
Interpretación: Hay un 34.13% de probabilidad entre Z=0 y Z=1.0
b) Entre Z=0 y Z=-1.0

Tabla: .3413
-1 0
Interpretación: Hay un 34.13% de probabilidad entre Z=0 y Z=-1.0

c) Z=2.0 y Z=1.0
Z de 2.0 = .4772
Z de 1.0 = .3413
= .1359
1.0 2.0
Interpretación: Hay un 13.59% de área probable entre Z=2.0 y Z=1.0
d) Z=2.0 y Z=-2.0
Z de 2.0 = .4772
Z de -2.0 = .4772
= .9544
-2 +2
Entre 2.0 y z= -2.0
Interpretación: Hay un 95.44% de área probable entre Z=-2.0 y Z=+2.0
27
e) A la derecha de Z de +1.0
+1
Axioma 50% = .5000

Z de +1.0 = .3413
= .1587
Interpretación: Hay un 15.87% de área de probabilidad a la derecha de Z= +1.0
f) A la izquierda de Z de +2.0
+2
Axioma de 50% = .5000

Z de +2.0 = .4772
= .9772
Interpretación: Hay un 97.72 de área de probabilidad a la izquierda de Z= +2.0
Recordar: 3ra prop: 𝜇 ± 3𝜎 = 99.74% Z de +3.0
.4987
Z de -3.0
.4987
=.9974
28
 Problema:
De un total de 500 alumnos de Ing. Industrial, se sabe que 𝜇 = 151 𝑙𝑏s y 𝜎= 15 lbs.
Cuantos alumnos pesaron:
a) Más de 185 lbs
b) A lo más 148 lbs
151 185 Z
a) 𝑛 = 500
𝜇 = 151 𝑙𝑏𝑠 0 z1
𝜎 = 15 𝑙𝑏𝑠
𝑥 − 𝜇 185.5 − 151 34.5
∴𝑍= ∴ = = 𝟐. 𝟑
𝑃(𝑥 > 185 𝜎 15 15
Z de 2.3 = .4893
Axioma 50% = .5000
=.0107
500 x 0.0107= 5.35

Interpretación: Hay un aproximado de 5 batos que pesan más de 185 lbs.
29
EJEMPLOS
μ= 7 l
σ=
Cerveza
Tecate Estudió
#1023
USAR = 𝑥̅ ± 3 σ = 99.74%
𝑥−𝜇
Z=
𝜎
Chavas
μ= 270 ml
Chanel
Loción
σ=
Gachos
 Problema de Tarea :
inventar un problema
Profesor de educación física
200 estudiantes varones
Promedio 175 cm
Desviación : 10 cm
(Porcentaje entre 169 y 181 cm?)
30
ACTIVIDAD SESIÓN 3
Actividades de Markov
1.- Binomial: 4 características
A) Viene redactada siempre “P”, = Probabilidad de éxito aun siendo un hecho doloroso,
siniestro o funesto.
B) q = Probabilidad de fracaso (1 – P) = q, nunca viene redactada, es implícita.
C) n = Ni de ensayos finito. La probabilidad de éxito permanece constante de ensayo a
ensayo.
D) P C x → Exactamente, solamente lleva un =
→ Abajo de, hasta, a lo más lleva ≤
→ Por encima, por lo menos lleva un ≥
Fórmula Combinación
𝑛!
n C x pˣ qᵐ¯ˣ n C x = (𝑛−𝑥)!𝑥!
O Tablas más rápido: Págs. 424-437 del libro Estadística de Kazmier

EJEMPLO: Esbeydi, Gerente de ventas de Nissan afirma que solo hay 20% de probabilidad
de vender contado o crédito visita a 6 clientes, hallar la probabilidad de que:
a) Venda exactamente 4 autos
b) Menos de 2 autos
Respuesta y fórmula
P = .20 6 C 4 (.2)⁴ (.8)² =
Q = .80 = (15) (.0016) (.64) = 1.54% aproximadamente
N=6
PCx=4
Interpretación: Esbeydi tiene un 1.54% de vender
4 autos exactamente.
31
Por tablas de Bernoulli
Pág. 425 Libro Kazmier (P)
N X .20
Columna .20 intersección con renglón N con 6 y cruce con X a la altura 4

Y hallamos .0154 o sea 1.54%
2. Poissón
2 características:
A) Viene redactada siempre la palabra promedio, o sea “⋋” (Lambda); si no viene, ⋋ = np
(tamaño muestra) (Probabilidad éxito
B) P (x) → exactamente, solamente =
→ A lo más, hasta, debajo de ≤
→ Al menos, por debajo ≥
Fórmula  Problema:
(⋋)𝒙 . ⅇ−⋋ El jefe de servicios de Liverpool recibe un promedio de 5 llamadas en
⋋= 𝒙! una hora de reclamos. Hallar la probabilidad de que en la próxima hora
reciba exactamente 3 llamadas para reclamar.
(𝟓)𝟑 ⋅ⅇ−𝟓
⋋= 𝟑!
= .1404 Interpretación: Hay un 14.04% de probabilidad de
que en la próxima hora servicios reciba 3 llamadas
exactamente.
32
Tabla de Poissón
Libro de Kazmier
P. 430
X ⋋
5.0
Intersección
⋋ = 5.0 y x = 3 0
Según problema 1
“exactamente” 2 OJO
3 .1404
CADENAS MARKOV
PARTICIPACIONES DE MARCAS EN EL MERCADO PARA PERIODOS
FUTUROS (PRIMER ORDEN)
Revisando nuestro ejemplo, las participaciones de mercado de las marcas A, B, C y D, son
ahora de 22, 30, 25 y 23 por ciento, respectivamente, para el primer periodo. La
administración se beneficiaría si supiera cuáles serán las participaciones de mercado en un
periodo futuro. El cálculo de las probables participaciones de mercado para las marcas A,
B, C y D durante el segundo periodo es cuestión de multiplicar la matriz de probabilidades
de transición por las participaciones de mercado del primer periodo:
Probabilidades de Primer periodo, Segundo periodo,

transición participaciones de participaciones
mercado probables de mercado
A B C D
A .796 .133 .000 .040
.22 .2242
B .091 .767 .109 .060
× .30 = .2912
C .046 .017 .891 .040
.25 .2472
D .067 .083 .000 .860 .23 .2374
1.0 1.0 1.0 1.0 1.0 1.0
33
Los cálculos para la marca A (primer renglón × primera columna) son:
Capacidad de A para retener sus propios clientes, multiplicada por su
participación en el mercado:
.796 × .22 = .1751
Capacidad de A para obtener clientes de B, multiplicada por la participación
de B en el mercado:
.133 × .30 = .0399
Capacidad de A para obtener clientes de C, multiplicada por la participación
de C en el mercado:
0 × .25 = 0
Capacidad de A para obtener clientes de D, multiplicada por la participación
de D en el mercado:
.040 × .23 = .0092
Marca A, participación en el mercado en el segundo periodo: .2242
Se efectúan los mismos cálculos con respecto a las marcas B, C y D.

Los cálculos de la marca B (segundo renglón × primera columna) son:
.091 × .22 = .0200
.767 × .30 = .2301
.109 × .25 = .0273
.060 × .23 = .0138
Marca B, participación en el mercado en el segundo periodo: .2912
Los cálculos de la marca C (tercer renglón × primera columna) son:
.046 × .22 = .0101
.017 × .30 = .0051
.891 × .25 = .2228
.040 × .23 = .0092
Marca C, participación en el mercado en el segundo periodo: .2472
34
Los cálculos de la marca D (primer renglón × primera columna) son:
.067 × .22 = .0147
.083 × .30 = .0249
0 × .25 = 0
.860 × .23 = .1978
Marca D, participación en el mercado en el segundo periodo: .2374
Después de obtener la solución para el segundo periodo, lo que requiere que se tengan en
cuenta las participaciones iniciales del mercado y las probabilidades de transición, la
determinación del tercer periodo puede hacerse de dos modos. El primer es una
continuación del enfoque que ya hemos expresado, o sea la multiplicación de la matriz
original de probabilidades de transición por las participaciones de las marcas en el segundo
periodo, lo que da los resultados del tercer periodo. Esas dos matrices, y la de las
participaciones de mercado para el tercer periodo, son las siguientes:
Probabilidades de Segundo periodo, Tercer periodo,

transición participaciones participaciones
probables de mercado probables de mercado
A B C D
A .796 .133 .000 .040
.2242 .2267
B .091 .767 .109 .060
.2912 .2850
C .046 .017 .891 .040 × =
.2472 .2449
D .067 .083 .000 .860 .2374 .2434
1.0 1.0 1.0 1.0 1.0 1.0
35
APROXIMACIÓN DE LA DISTRIBUCIÓN NORMAL A
BERNOULLI
Si 35% de los productos hechos por Colgate son defectuosos, ¿Cuál es la

probabilidad de que entre los siguientes 1000 productos, menos de 354 productos
sean defectuosos?
*Por binomial muy difícil*:
P = .35
Q = .65
N= 1000
P (x < 354) = P (x = 353) + P (x = 352) + ………… P (x = 0)
 Por aproximacion
μ = np = (1000) (.35) = 350
σ = √𝒏𝒑𝒒 = √1000 (. 35)(. 65) = 15.08
𝑥−𝜇 353.5−350
Z= =
𝜎 15.08
Z = 0.23
Según tablas Z de 0.23 +Axioma 50%
0.0910
−5000
𝟎.𝟓𝟗𝟏𝟎
350 354
Interpretación: Hay un 59.10% de probabilidad que menos de 354 sean defectuosos.
36
71 Normal 72 Normal
Wal-Mart μ= 35.2
KK σ=
Choco μ= 7 cajas CO
Pochota
Krispis RO
μ= NA
Al menos
Pepe Cerveza
73 Binomial 74 Binomial
Banorte Auditoría Reprueban Mat 1
Cartera vencida 40% 30% examen 10
9 Cazarin “agh, agh”
P (a lo más 4)
Más de 7
75 Poisson 76 Poisson
ISSSTE Vacuna IMSS P = 0.0005

Promedio Dr. Pérez 10,000 casos Al año
5.8 muertes 2019 Muertes VDH
A lo más 2
Exactamente 2
77 Aprox. Normal 78 Aprox. Normal
Tubo fluorescente
Pan de elote
 TAREA Media de 7000 horas
Encuetas a 28 desviación de 6
en semanas 3 Desviación de 1,000 horas
Medios 15 (exactamente 5 panes) (Mayor de 9,000 horas)
Libre
Libre
37
Unidad V
Muestreo y estimación
Parámetros → Poblacionales
μ, σ, σ², etc.
Estadísticas → Muestras
μ𝑥̅ , σ𝑥̅ , Sx²
μ𝑥̅ = μ σ𝑥̅ = σ/√𝑛
 TEOREMA Límite Central

Problema: Con los dígitos 1, 2, 3, 4, 5 y muestras tamaño 2 con reemplazo obtener:
a) μ
b) σ
c) Ni muestras?
d) Lista posible
e) Demostrar μ𝑥̅ = μ
f) Demostrar σ𝑥̅ = σ/√𝑛
1+2+3+4+5
A) μ = = 15/5 = 3
5
Interpretación: “La media de cinco dígitos es 3
(1−3)2 +(2−3)2 +(3−3)2 +(4−3)2 +(5−3)2

B) σ = √
5
10
σ=√ = √2 = 1.4142
5
Interpretación: “La desviación típica de cinco dígitos es 1.4142
38
C) Número muestras?
n² = (5)² = 25 muestras posibles
¿Cuáles?
1 5
3
2 4
D) Lista Posible
L 11 12 13 14 15 P
I 21 22 23 24 25 O
S 31 32 33 34 35 S
T 41 42 43 44 45 I
A 51 52 53 54 55 B
L
E
Sus Medias Muéstrales
1.0 1.5 2.0 2.5 3.0
1.5 2.0 2.5 3.0 3.5
Medias
2.0 2.5 3.0 3.5 4.0
Muéstrales
2.5 3.0 3.5 4.0 4.5
3.0 3.5 4.0 4.5 5.0
E)
̅
𝒙 f
1.0 1 1+3+6+10+15+14+12+9+5
Entonces:
1.5 2 25
2.0 3 μ𝑥̅ = 75/25 = 3

2.5 4 ∴ μ𝑥̅ = μ
3.0 5
3.5 4
4.0 3 Interpretación: Se demuestra que la Media
4.5 2 Poblacional siempre es igual a la media
5.0 1 muestral, para cinco dígitos y más de 3.
25
39
1(1−3)2 +2(1.5−3)2 +⋯…5(5−3)2
̅= √
F) σ 𝑥
25
σ 𝑥̅ = √25/25 ∴ σ 𝑥̅ = 1
Interpretación: La desviación típica de una distribución muestral de medias (error

muestral) siempre es igual a dividir la desviación típica de la población entre, la raíz
cuadrada del tamaño de la muestra.
OJO: Tamaño muestra ≠ Ni de muestras
La mano al escoger 2 veces ≠ 25 muestras

𝜎 1.4142 1.4142
σ𝑥̅ = ∴1= ∴ 1 = 1.4142
√𝑛 √2
∴1=1
 TAREA: Ahora usted busque, el mismo problema de 1, 2, 3, 4 y 5 sin

reemplazo.
1+2+3+4+5
Ojo μ= =3
5
Sígale:
σ=
 (Tarea, buscar apuntes, resuelva)
40
MÉTODO TRADICIONAL Y CORRECCIÓN POR CONTINUIDAD
 Problema: Se lanza una moneda normal 120 veces al aire; hallar la “P” de que
el número de águilas sea entre el 40% y el 60%.
Método 1 USAR 2 MÉTODOS
n = 120
μ = np = 120 (1/2) = 60
σ = √𝒏𝒑𝒒 = 5.47
48 60 72
Z
40% de 120 = 48 Z1 z11
60% de 120 = 72
47.5−60
𝑍1 = = -2.28
5.47
Z de 2.28 = .4887
72.5−60
𝑍11 = = +2.28
5.47
Z de 2.28 = .4887
̅̅̅̅̅̅̅̅̅
0.9774
Interpretación: Existe un 97.74% de probabilidad que el número de águilas sea entre el

40 y el 60%.
41
MÉTODO CORRECCIÓN POR CONTINUIDAD
π = Proporción Poblacional CC = Corrección por continuidad
𝜋(1−𝜋) 1
σπ = √ CC =
𝑛 2𝑛
𝑃±𝐶𝐶−𝜋
σπ = Desviación Z=
𝜎𝜋
Estándar
Proporción
̅ ≠ σπ
σ ≠ σ𝒙
n = 120 π
π = 0.5
1 – π = 0.5
1 1 .4 .5 .6
CC = = = .00416
2𝑛 2(120)
Z
(.5)(.5) .4 0 .6
σπ=√ = .0456
120
.4−.00416−.5
𝑍1 = − = -2.28
.0456
Z de -2.28 = 0.4887
.6+.00416−.5
𝑍11 = = +2.28
.0456
Z de +2.28 = 0.4887
+.4887
.4887
0.9774
Interpretación: Existe, a través de la corrección por continuidad, que el 97.74% de

probabilidad sea el número de águilas entre el 40 y 60% en 120 lanzamientos de una
moneda legal.
42
Unidad VI
Estimación de prueba de hipótesis Correlación y regresión lineal Pronósticos y
N. Índices
1- ∝Nivel de Confianza Zc = Valor Critico
90% 95% 99% 95.44%

1 1.28 1.645 2.33
2 1.645 1.96 2.58 2.0
∝ Probabilidad de error
Nivel de significación
∝/2 Prob. Error/ 2
∝/2 ∝/2
Intento de Confianza Medias I de C =.x̅ ± zC σx̅
I de Prop: ρ ± Zc σρ
Zc 2 σ2
𝑛=
ⅇ2
(No se reconoce 𝝈 )
Zc 2 π (1 − π)
𝑛=
ⅇ2
43
Prueba Z Para Medias
 Características y Condiciones
1. Muestreo Grande N≥30
2. Precede un Estudio
3. Se conoce x̅ y 𝜎
4. Población normalmente distribuida

5. modelo matemático
x̅E− x̅h
Z=
𝜎/√𝑛
Escriba aquí la ⅇcuación.

Hipótesis Alternativas / Rechaza Ho si:
Hi: 𝜇e > 𝜇h z> + z∝

Hi: 𝜇e < 𝜇h z<-z∝
Hi: 𝜇e ≠ 𝜇h z>+z∝ /2
z < - z∝/2
 Problema: Se sabe que el promedio de gasto anual e alumno (c/u) es de $1500 Dls.
Según servicios escolares; se hace un estudio con 36 alumnos “F” Foráneos y dicen
GASTAR $1,600 Dls E=300. Podemos concluir que
a) Actualmente la foránea gasta más, que el reportado por servicios escolares
b) Actualmente el gasto es distinto con respecto al informado por servicios escolares
Suponer ∝ = 5%
1) 𝜇h=1,500 , 𝜇e=1,600 , n=36

a)
,𝜎 = 300, ∝=5%
Z∝
Z=+2
1500 1,600
44
2) Ho: 𝜇h =𝜇e o Viceversa
3) Hi: 𝜎e > 𝜎h
4) Si ∝=5%: - Zc= +1.645
1,600−1,500 100
5) Z= = = = +2
300∕√36 50
Z > +Z ∝
6) 2.00 > + 1.645
7) Cae Zona Obscura Se Rechaza Ho
8) Interpretación : Aceptamos con un 95% de confianza que actualmente el gasto

anual de alumnos foráneos si es mayor que el reportado por Servicios
Escolares
Se Rechazó Ho. Se aceptó Hi
45
Prueba Z Para 2 Medias
 Características y condiciones
2. Muestras grandes ≥ 30 c/u
3. Se conocen ŝ12 Y ŝ22
4. Estudios recientes
5. Modelo matemático
x̅1− x̅2
Z= 2 2
√ ŝ1 + ŝ2
𝑁1 𝑁2
REGLAS DE DECISIÓN
Hip. Alternativa / Rechaza Ho, si:

z> + z∝
Hi: 𝑥̅ > 𝑥̅ 2
z<-z∝
Hi: 𝑥̅ < 𝑥̅ 2
z>+z∝ /2
Hi: 𝑥̅ ≠ 𝑥̅ 2
z <- z∝/2
 Problema: Cazarin pone un examen de Mat. I a 2 grupos ; El primero 144 alumnos

con x̅1=90 y ŝ12 = 34 El segundo grupo también 144 alumnos con x̅2 =88 y s̃22 = 47
¿Existe diferencias significativas, en el rendimiento escolar entre estos 2 grupos
Supones ∝= 5%
N1=144 x̅1 = 90 ŝ12 = 34
N2=144 x̅2 = 88 ŝ22 = 47
∝= 5% Zc =±1.96
46
-∝/𝟐 ∝/𝟐
1)
-1.96 +1.96
2) Ho: x̅1 = x̅2
3) Hi: x̅1 ≠ x̅2
4) Zc= ± 1.96
90−88 2
5) Z= = = 2/.75 = 2.66
34 47 √81/44
√ +
144 144
6) Z > Z ∝/ 2
2.66 > + 1.96
7)
Cae Zona Obscura
Se Rechaza Ho. Se acepta Hi
8) Interpretación: Con un 95% de Confianza aceptamos que si hay diferencia

significativa en los 2 grupos en sus Rendimiento escolar. Bien Cazarin
47
Modelo 2 Muestras con 2 cola Prueba Z de proporciones
 Caracteristicas
1. Poblacion distribuido normalmente

2. Muestras grandes 𝑁 ≥ 30 𝑒𝑛 𝑐 ∕ 𝑢
3. 𝑃̂ ≡ 𝑃𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛 𝑃𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑙
Fenomeno experimental de mismo asusto
𝑋1 +𝑥2
4. 𝑃̂ =
𝑁1 +𝑁2
𝑥1
5. 𝑃1 =
𝑁1
Muestra independientes
𝑥2
𝑃2 =
𝑁2
6. Modelo:
𝑃1 − 𝑃2
𝑧=
1 1
√𝑃̂ (1 − 𝑃̂ ) ( + )
𝑁1 𝑁2
REGLAS DE DECISIÓN

z> + z ∝
𝐻𝑖 : 𝑝1 > 𝑝2
z<- z ∝
𝐻𝑖 : 𝑝1 < 𝑝2
z>+z ∝/2
𝐻𝑖 : 𝑝1 ≠ 𝑝2
z <- z ∝/2
 Problema: Esbeydi y flota de corona afirma que en Xalapa 75 de 1000 a “favor de

coronita” porque su sabor fino y espumoso”; Cesar y su flota en Veracruz 40 de 50
opinan lo mismo; ¿Hay diferencias significativas, sobre la preferencia de este
producto, en estas 2 zonas?. ∝= 5%
48
N1=50 𝑋1 = 40 40
𝑃1 = = 0.8
𝟓𝟎
N2=100 𝑋2 = 75 75
𝑃2 = = 0.75
𝟏𝟎𝟎
∝ 115
∝= 5% = 0.025 𝑧𝑐 = ±1.96
2 𝑃̂ = = 0.77
𝟏𝟓𝟎
̂ = "𝑨 𝒇𝒂𝒗𝒐𝒓 𝒅ⅇ 𝒑𝒓ⅇ𝒇ⅇ𝒓ⅇ𝒏𝒄𝒊𝒂 𝒑𝒐𝒓 𝒄𝒐𝒓𝒐𝒏𝒊𝒕𝒂

𝑷
𝒑𝒐𝒓 𝒔𝒖 𝒔𝒂𝒃𝒐𝒓 𝒇𝒊𝒏𝒐 𝒚 ⅇ𝒔𝒑𝒖𝒎𝒐𝒔𝒐"
1 − 𝑃̂ = 1 − 0.77 = 0.23
1 1 1 1
= = 0.02 = = 0.01
𝑁1 50 𝑁2 100
0.80−0.75 0.05
𝑧= = = 𝟎. 𝟔𝟖
√(0.77)(0.23)( +
1 1 √0.005313
)
50 100
𝑧𝐶 = −1.96 𝑧𝐶 = 1.96
𝑧 < 𝑧 ∝∕ 2
𝐻0 : 𝑃1 = 𝑃2 ∴ ∴ Se acepta Ho, Se rechaza Hi
0.068 < +1.96
𝐻𝑖 : 𝑃1 ≠ 𝑃2
Interpretación: No hay diferencias significativas, mantener o incrementar en Oxxos

la distribución de cerveza coronita.
49
Prueba Z para 1 proporción
 Características y condiciones

2. Precede un estudio
3. Se conoce 𝑃̂ o Ph o 𝜋ℎ
4. Muestras grande 𝑁 ≥ 30
𝑃−𝜋 P̂(1 − P
̂)
𝑧= 𝜎p = √
𝜎𝑃 n
REGLAS DE DECISIÓN

z> + z∝
𝐻𝑖 : Π𝜖 > 𝑃ℎ 𝑜´ Πℎ
z<- z ∝
𝐻𝑖 : Π𝜖 < Πℎ
𝐻1 : Π𝜖 ≠ Πℎ z >+z ∝ /2
z < - z∝/2
 Problema: El semestre pasado, los alumnos de (40% G.E) reprobaron Mat. II por no
saber calculo diferencial. En este semestre 60 de 100 también reprobaron. ¿Se puede
concluir que naturalmente haya mayor incapacidad concluir de los alumnos de G? En
en la materia Mat. II? Suponer ∝= 5%
𝑃̂ = 𝛱ℎ = 𝑃ℎ = 0.40
𝑧𝐶 = +1.645
60
𝜋𝜖 = = 0.60
100 ∝= 0.005
𝑝̂ (1 − 𝑝̂ ℎ ) 1−∝= 0.95
𝜎𝜋 = 𝜎𝑝 = √ = 0.04898
𝑛
50
1)
𝑍∝
𝑧𝐶 = 1.645
2) 𝐻0 : 𝜋∈ = 𝜋ℎ o 𝑃∈ = 𝑃̂ ⋅ 𝜋ℎ
3) 𝐻𝑖 : Π𝜖 > Πℎ
4) 𝑧𝐶 = 1.645
0.6−0.40
5) 𝑧 = = 𝟒. 𝟖𝟗
0.04898
6) 𝑧 > 𝑧 ∝∕ 2
4.89> + 1.645
7) Cae zona obscura.

Se rechaza H0. Se acepta Hi.
8) Interpretación : Con 95% de confianza, aseguramos que actualmente hay

mayor incapacidad curricular, como causa de reprobación de la materia
de Mat. II.
51
Prueba t student tradicional
 Características y condiciones
2. Muestra chica N≤ 30
3. Precede un estudio
4. Se conocen a veces ŝ
5. G.L.= grados de libertad = o sea número de observaciones, menos “k” parámetros
por estimar
6. Se parece a la distribución normal = cierra en los extremos en “perceptilidad”
x̅E − x̅h
𝑡=
ŝ/√𝑛 − 1
√∑ (𝑥 + x̅ )2
ŝ =
𝑁
REGLAS DE DECISIÓN
Hip. Alternativa / Rechaza Ho, si con G.L:

t>+t∝
Hi: 𝜇ϵ ˃ 𝜇h
t <-t ∝
Hi: 𝜇ϵ < 𝜇h
t >+t ∝ /2
Hi: 𝜇ϵ ≠ 𝜇h
t < - t ∝/2
 Problema: se sabe que en casa puebla la maquinaria rossbelier produce arandelas

con grosor de 0.050 pulg. Un experto o auditor de calidad elige al azar 10 arandelas
cuyo grosor resulta ser 0.053 pulg y 5= .003 pulg; ¿probar la hipótesis que la
maquiladora está en buenas condiciones de producción? Suponer ∝= 0.05
𝜇h = x
̅h = 0.050 Tc= tablas
∝ = 0.05; 1- ∞= 0.95
Tc= 2.26
𝜇ϵ = x ̅ ϵ =0.053 r = “nu“
ŝ = 0.003
G.L= N- 1= 10- 1= 9 v=9 t∝⁄2 (0.25) 52
1)
< - t ∝/2 t ∝/2
-2.26 2.26
2) Ho : 𝜇 ϵ = 𝜇 h “Y maquina bien en producción”
3) Hi : 𝜇ϵ = 𝜇h
“Y maquina No bien en producción”
4) Tc = usan tablas TC = + 2.26

.053−0.050 .003
5) t = = =𝟑
.002 / √10−1 .001
6)
t > + t ∝/2
3 > 2.26
7)
Cae en zona obscura.
Se rechaza Ho. Se acepta Hi.
8) Interpretación: Con un 95% de confianza, aceptamos que la maquina rossheiler,

NO SE ENCUENTRA en buenas condiciones de producción (diferencias
significativas). Se sugiere a la brevedad ir por una rectificadora y coestructurar la
pieza (s) necesarias (s).
53
Prueba t studen para diferencia entre 2 medias

2. Muestra chica N≤ 30 c/u
3. Super muestras independientes
4. Se conocen ŝ12 y ŝ22
5. G.L = (N1+N2) -2
𝑥̅ 1 − 𝑥̅ 2
𝑡=
(𝑁1) (ŝ21 ) + (𝑁2) (ŝ22 ) 1
√ (⁄ )
(𝑁1 + 𝑁2) − 2 𝑁1 + 1⁄𝑁2
REGLAS DE DECISIÓN
} Hip. Alternativa / Rechaza Ho, si:

t>+t∝
̅>𝒙
Hi: 𝒙 ̅2
t<-t∝
̅<𝒙
Hi: 𝒙 ̅2 t >+ t ∝ /2
̅≠𝒙
Hi: 𝒙 ̅2 t < - t ∝/2
 Problema: en la facultad de psicología el profesor . Rod eggs aplica un psicotest:

ver el I.Q.
Grupo A: N1= 16 X1=112 S1= 100

Grupo b: N2= 14 X1= 107 S2= 64
¿podemos, afirmar que haya que hayan dif. Significativas entre estos 2 grupos,
grupos sobre su I.Q? suponer ∝= 5%
N1=16 x̅1 = 112 ŝ12 = 100
N2=14 x̅2 = 107 ŝ22 = 64
(𝑁1 + 𝑁2) − 2 = 28 Zc =±1.96 ∝= 5%
54
Con un 28.6 G.L y ∝= 0.025 por tablas aprox. tc= 2.0
1/N1= 1⁄16 = .062
1/N2= 1⁄14 = .071
1)
-t ∝/2 +t ∝/2
-tc= -2.05 +t= +2.05
2) Ho: 𝜇e (1) =𝜇 h (2)
3) Hi: 𝜇i ≠ 𝜇2
4) Tc= (N1+N2) -2
(16+14) -2=28 G.L y ∝ /2 tablas 2,05 Aprox.
112−107 5
5) modelos t= = =2.52 = 𝟏. 𝟗𝟖
√(16)(100)+(14)(64) (.135)
28
6)
T < + t ∝< 2
1.98< + 2.05
Cae en Zona Blanca Ahora: Acepto Ho. Se Rechaza Hi

7)
8) Interpretación:Con un 95% de confianza Mr. Eggs. Prof. De Fac. Psicología

Acepta que NO HAY diferencias significativas en el I.Q. entre estos2 grupos (o
sea, son chin…).
55
2
Prueba para dif. ÷ 2 o más Proporciones.
Características y Condiciones.
 Carcateristicas
2. muestras pequeñas N≤30 NO necesariamente
3. No acepta valores negativos. Se prefiere x Fisher
4.G.L = (R-1) (K-1)
5. Se usan frecuencias observadas: feij
6. “ “es pegadas: fiij
7. curvas sesgada a la derecha

REGLAS DE DECISIÓN
8.
2 2 2
2
Hi: ϵ ≠ h >
Modelo
(𝑒𝑖𝑗−𝑖𝑖𝑗) 2
∑𝑛𝑖=1 ∑𝑘𝑗=1
0 2 𝑖𝑖𝑗
C
56
 Problema: El director general de Bimbo, aplica a 500 de sus trabajadores una encuesta de
“mantener política actual del vestido” (manga larga, corbata) o bien adoptar nueva política
de vestido en sus actividades (manga corta/ sin corbata). Probar la hipótesis de conservar
política actual, con 5% de significación. Siguiente matriz.
Zona/política Norte Sur Este Oeste Total

Conservar 100 40 60 40 240
actual
(76.8) (67.2) (48) (48)
Adoptar nueva 60 100 40 60 260
(83.2) (72.8) (52) (52)
Total 160 140 100 100 500
eij = frecuencias observadas reales

iij = frecuencias esperadas relativas ( )
MATRICES
240𝑥160 260𝑥160
𝑒11 = = (76.8) 𝑒21 = = (83.2)
500 500
240𝑥140 260𝑥140
𝑒12 = = (67.2) 𝑒22 = = (72.8)
500 500
240𝑥100 260𝑥100
𝑒13 = = (48) 𝑒23 = = (52)
500 500
240𝑥100 260𝑥100
𝑒14 = = (48) 𝑒24 = = (52)
500 500
100−76.8 2 40−67.2 2 60−48 2 40−48 2 60−83.2 2 100−72.8 2

=( )+( )+( )+( )+( )+( )+
76.8 67.2 48 48 83.2 72.8
40−52 2 60−52 2
( 52
)+ ( 52
)
= 42.94 Resultado final
= 7.81
57
2) Ho: “La proporción de vendedores que prefieren conservar
política actual vestido (manga larga/ corbata) es la
misma.
“La proporción de vendedores que prefieren conservar

política, actual de vestido, difiere de un área a otra
3) Hi : área, porque desean usar manga corta/sin corbata
4) : G.L = (R-1) (k-1) = Si ∝= = 0.05
(2-1) (4-1)=3 Tablas columna 3 con

0.05=7.81
5) Resultado del modelo
𝑛 𝑘
(𝑒𝑖𝑗 − 𝑖𝑖𝑗) 2
= ∑ ∑ = 42.94
𝑖𝑖𝑗
𝑖=1 𝑗=1
7.81
6)
>
42.94 > 7.81
7) Cae en Zona obscura

Se Acepta Hi.
Se Rechaza Ho.
8) Interpretación: Con un 95% de confianza a nivel nacional, están a favor de usar

manga corta sin corbata, sin embargo, podrían usar la otra el que quiera.
58
Prueba de correlación lineal
1. Definición correlación simple: es la que se da entre 2 variables.

2. Procedimiento analítico: modelo matemático expresado a través de una
ecuación general.
3. Tipos de gráficas.
Positivo (+1) Negativo (-1) No hay correlación (0)
4.
= “ro mayúscula” r = minúscula
5. modelo matemático G.L = N-2

𝑛(∑ 𝑥 𝑦 ) − (∑ 𝑥)(∑ 𝑦)
√𝑛(∑ 𝑥 2 ) − (𝑧𝑥)2 √𝑛(∑ 𝑦 2 ) (∑ 𝑦)2
6. recorrido rc= {−1 < 0 < +1 }
REGLAS DE DECISIÓN
Hi: r ≠ 0 r > + r ∝/2

t <-r ∝/2
59
 Problema: las calificaciones en Bimbo, para ser Gerente, de 11 ejercicios: (x)
examen admisión (y) pmdo. Final
n x y 𝒙𝟐 𝒚𝟐 xy
1 51 75 5625 5625 3825
2 52 72 5184 5184 3744
3 59 82 6724 6724 4838
4 45 67 4489 4489 3015
5 61 75 5625 5625 4575
6 54 79 6241 6241 4266
7 56 78 6084 6084 4368
8 67 82 6724 6724 5494
9 63 87 7569 7569 5481
10 53 72 5184 5184 3816
11 60 96 9216 9216 5760
621 865 35451 68665 49182
Mx= 56.4545
My= 78.6363
60
a) Trazar diagrama
b) Redactar Ho y Hi
c) Obtener re
d) Modelo matemático
e) Solución modelo
f y g)
Y
h) Interpretación: Grafica, tabular por Excel
90
85
80
75
70
65
60
55
50
45 50 55 60 65
61
1)
-r ∝/2 r ∝/2
.685
2) Ho: = o “y no hay correlación”
3) Hi: ≠ o “si existe correlación” ∝ = 0.05
4) rc: G.L = N-2: 11-2 = 9 ∝/2

9 con 0.02 0.685
11(49181)−(621)(865)
5) r = =0.6933
√11 (35451)−(621)2 )√11(68665)−(865)2
6)
r > + 𝑟 ∝/2
0.6933 > + 0.685
Se cae en zona obscura

7)
Se rechaza. Ho. Aceptar Hi
8) Interpretación: .- con un 95% de confianza si hay dif. Significativas calificaciones de

ejecutivos
62
Prueba de F de Fisher ÷ 2 varianzas
1.- Población normalmente distribuida
2.- Muestras pequeñas no necesariamente N≤ 30
2
3.- Se parece al , sesgada a la derecha, no acepta variable negativa
4.- se conocen ̂
𝑺1 y ̂
𝑺2
5.- Supone muestras independientes
Hip. alternativa Prueba estadística Rechazar Ho. Si Gl. :

Hi Fi > F2 ̂
𝑺𝟏𝟐 𝐹 => 𝐹 𝑙 (𝑁𝑅 − 1); (𝑁𝐾 − 1)
F=̂
𝑺𝟐𝟐
Hi F2> F2 ̂ 𝟐𝟐
𝑺 𝐹 => 𝐹 𝑙 (𝑁𝐾 − 1); (𝑁𝑅 − 1)
F=̂
𝑺𝟏𝟐
Hi F1 ≠ F2 𝑺𝑴 𝐹 = +𝐹/2 (𝑁𝑀 − 1)( Nm-1)
F=
𝒔𝟐 𝒎
Problema: En cafiver, el subgerente de calidad shagi lizaso elige al alzar 20 envases de

café, una ̂𝐬𝟏𝟐 = 0.81 onzas de Maq A. también de las maquinarias B elige 20 vasos y
obtiene una s. 𝐬̂𝟐𝟐 = 0.40 oz. ¿Existen diferencias significativas en el proceso de envase de
café soluble en estas maquinarias? Suponer ∝= 0.10
M1= 20 envases ŝ12 = 0.81 0z
M2=20 envases ŝ22 = 0.40 0z

G.L = (NM-1); (Nm-1) prueba
𝑠 2𝑀
(20-1) y (20-1) F=
𝑆2𝑚
19 y 19
63
1)
Fc= 2.15
2) Ho: σ12 = σ22

3) Hi: σ12 ≠ σ22
4) Hallar Fc tablas
𝑠2𝑀 0.81
5) = = 𝟐. 𝟎𝟐
𝑠2 𝑚 0.40
6) F < +F ∝/2
2.02 > + 2.15
7) Se cae en zona Blanca

Se Acepta. Ho. Se rechaza Hi
8) Interpretación: Con un 90% de confianza podemos aceptar que NO HAY diferencias

significativas entre las varianzas en estudio de la fabricación de envases de café soluble, en
CAFIVER córdoba.
64
Análisis de Varianza (ANOVA)
(Diseño completamente aleatorizado de un FACTOR)
 Problema:
En un programa Técnico, 15 personas son asignadas de manera aleatoria, a 3 tipos

de Métodos de Capacitación para el desarrollo de “determinada habilidad” en el
diseño asistido por computadora. En la tabla A-1 se presentan las puntuaciones de
examen que obtuvieron al terminar unidad de capacitación junto con las medias de
las puntuaciones obtenidas con cada método de capacitación. Usar el procedimiento
de Análisis de Varianza para probar la hipótesis nula y de que las 3 medias
muestrales fueran obtenidas de la misma población.
Método de Puntuaciones de exámenes Suma de las Puntuaciones medias

capacitación puntuaciones de examen
A1 86 79 81 70 84 400 80
A2 90 76 88 82 89 425 85
A3 82 68 73 71 81 375 75
Ho : 𝝁 𝟏 = 𝝁 𝟐 = 𝝁 𝟑
Hi: 𝝁 𝟏 ≠ 𝝁 𝟐 ≠ 𝝁 𝟑
Fc= 3.88
La media central (gran media) de las 15 puntuaciones del
examen es:
∑𝑥 1200
𝑥̅ t = = = 80.0
𝑛 15
65
El error estándar de la media basándose en las 3 medias muestrales reportadas,
∑(𝑥̅ −𝑥̅ 𝑡) 2 √(80−80) 2 −(15−80) 2 +(75−80) 2 √50
es: S𝑥̅ = √ = = = 𝟓. 𝟎
𝑁° 𝑚𝑒𝑑𝑖𝑑𝑎𝑠−1 3−1 2
CMGT= Cuadrado medio ÷ los grupos del tratamiento.
En ingles= MSA: Mean Squane Among
2
CMGT= n s 𝑥 = 5(5)2= 5(25) = 125.0
De acuerdo con la formula general:
̅̅̅̅̅̅
∑ (𝑥−𝑥 )2
S2=
𝑛−1
(86 − 80)2 + (79 − 80)2 + (81 − 80)2 + (70 − 80)2 + (84 − 80)2 154
𝑠12 = = = 𝟑𝟖. 𝟓
5−1 4
(90 − 85)2 + (76 − 85)2 + (88 − 85)2 + (82 − 85)2 + (89 − 85)2 140
𝑠22 = = = 𝟑𝟓. 𝟎
5−1 4
(82 − 75)2 + (68 − 75)2 + (73 − 75)2 + (71 − 75)2 + (81 − 75)2 154
𝑠32 = = = 𝟑𝟖. 𝟓
5−1 4
∴
(𝑛1−1) 𝑠12 +(𝑛2−1)𝑠22 +(𝑛3−1)𝑠32 4(38.5)+4(35.0)+4(38.5)
̅̅̅̅
𝜎 2 (Combinada) = = = 𝟑𝟕. 𝟑
𝑛1+𝑛2+𝑛3−3 12
Así, ECM=37.3
F c ritico (gl=k-1, km-k; ∝=0.05) =F (2, 12; ∝=0.05) = 3.88
𝐶𝑀𝐺𝑇 125
F= = = 𝟑. 𝟑𝟓
𝐸𝐶𝑀 37.3
66
F < F∝
3.35 < 3.88
Cae zona blanca

Se acepta H0. Se rechaza H1
Interpretación: Con un 95% de confianza aceptamos NO HAY diferencia significativa.
67

Estadisticas Apuntes - 1 A La 56

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Estadisticas Apuntes - 1 A La 56

Cargado por

Copyright:

Formatos disponibles

TECNOLÓGICO NACIONAL DE MEXICO

INSTITUTO TECNOLÓGICO DE VERACRUZ

Material instruccional para enseñanza no presencial

Veracruz, ver feb 2021

“A mi familia, a mis amigos y enemigos, a ti que te olvide, a mi cristo y a las

“Esto va dedicado a mis compañeros, a mis padres y maestro, por apoyarme

"Arriba yo, mi apa, mi ama y la chona”.

"Esta va dedicada para mí, por tanta paciencia."

Ahora fíate ojo;

Piensas mucho en beto?

-Q´ es tabla de distribución?

-Clases o categorías. Frecuencias a datos

-frecuencia relativa y/o acumuladas

-es lo mismo: por lo menos, por arriba, al menos.

Li Ls f fa Lri Lrs fr mc fra

¿Cómo se ubica pi? Con esta fórmula.

∑ 𝑓𝑎 = frecuencia acumulada, anterior clase critica

Eje x usar LRi Eje y FA

"OJIVA O MENOS QUE"

FA 49.5-59.5 59.5-69.5 69.5-79.5 79.5-89.5 89.5-99.5

LRI-LRS LRI LRS

Hay que buscar * (clase percentual critica)

¿Cómo construyo el histograma?

Eje x usar LRi Eje y “f”

f 49.5-59.5 59.5-69.5 69.5-79.5 79.5-89.5 89.5-99.5

LRI-LRS LRI LRS

Interpretación: En un gráfico de barras (histograma) aparecen lo peso en kg de 80 jóvenes

Suerte, búscale e interpreta!

Mod centrales y dispersión

Buscamos en fa…….el 10, donde?

4.5+ (0.8) = 5.3

Interpretación: “La mediana de las temperaturas (C ° ) de 20 ciudades de edomex , en 5 clases,

= 4.5 + (0.92) = 5.42

40⁄ = 8 Interpretación: “La media aritmética de 5 datos es 8”

Otro método: algebraico

"OJIVA O MENOS QUE" Interpretación: Sobre

Interpretación: “La desviación media de 20 temperaturas del Edomex en 5 clases, ancho 2 es

Otro método fácil para 𝜎

𝑟 = 𝑟⁄𝑚 = 1.92⁄5.20 = 36,9%

Interpretación: “El coeficiente de variación del modelo o tabla estudiada es de 36,9%”

Interpretación: “El 80% de 𝜎 (1.53) si tiende al valor de 1.42 D.M.2

Interpretación: “El 67% de 𝜎 (1.28) si tiende al valor de 1.15 Q”

 3er axioma Md ± Q=50% de la población

Interpretación: “Efectivamente si a la Md le sumamos y restamos el valor de Q, en una

 1er propiedad 𝑥̅ ± 1𝜎 = 68.26%

-1 𝝈 +1 𝝈 3.28 5.2 7.12

Interpretación: “Efectivamente el 68.26% de la población (5 clases ancho 2) en el

 2da propiedad 𝑥̅ ± 2(𝜎) = 95.44% 𝑥̅ ± 2(1.92)

-2 𝝈 𝑥̅ +2 𝝈 1.36 5.2 9.04

Interpretación: Efectivamente el 95.44% de la población (5 clases de ancho 2) en el

 3er propiedad ̅𝑥 ± 3(𝜎) = 99.74%

-3 𝝈 𝑥̅ +3 𝝈 -0.56 5.2 10.96

Interpretación: “Efectivamente el 99.74% de la población (5 clases de ancho 2) en el

Lógica matemática y probabilidad

Universo: El total de elementos de una población (con la letra∪)

𝐵 = {𝑥|𝑥 𝑒𝑠 𝑢𝑛 𝑛ù𝑚𝑒𝑟𝑜 𝑒𝑛𝑡𝑟𝑒 6 𝑦 9}

𝐴 × 𝐵 = {{1, 𝑦}{1, 𝑧}{2, 𝑦}{2, 𝑧}{3, 𝑦}{3, 𝑧}}

𝐴 × 𝐵 = {3}{2} = 6 𝑝𝑎𝑟𝑒𝑠 𝑜𝑟𝑑𝑒𝑛𝑎𝑑𝑜𝑠

Diagrama de árbol: es el conjunto total de ordenaciones de elementos; 1ro se

REGLAS PARA RESOLVER PROBLEMAS DE ANÀLISIS

1. Leer despacio, encontrar el objeto en estudio y a veces se puede tocar

2. Visualizar todos los elementos de los conjuntos y subconjuntos

3. Delimitar si hay o no restricciones. Si se repiten o no los ensayos; se