ENERO – ABRIL 2022

UNIDAD II . Estadística
Inferencial
OBJETIVO: El alumno resolverá problemas de estadística
inferencial, para su aplicación en el ámbito contable

ELABORÓ: Ing. Dalila V.M. 1

 Distribuciones de probabilidad continua
• Resulta de medir algo, como la 1 - 1.62.25
distancia de nuestra recamara 2 – 161.25
al comedor, el peso de cada 3 – 160.48
uno de los integrantes de la
familia, el premio de
productividad que recibirá un
grupo de trabajadores, etc.
• Una variable aleatoria continua Distribución de probabilidad
tiene un número infinito de • Uniforme
valores dentro de cierto • Normal
intervalo particular • Exponencial

ELABORÓ: Ing. Dalila V.M. 2

• DISTRIBUCIÓN DE PROBABILIDAD
UNIFORME
- Es la distribución más simple de una
variable aleatoria continua
- Tiene forma rectangular y queda
definida por valores mínimos y máximos,
por ejemplo:
- El tiempo de recorrido de vehículo con destino a la CDMEX varía de 2 a
4 horas, por lo que en la variable aleatoria es el tiempo de recorrido
dentro de ese intervalo – 3:50:15 / 3:45:10 / 3:45:50
- El tiempo para la. elaboración de una declaración de impuesto ante el
SAT El tiempo de elaboración se rige por una distribución uniforme en
el intervalo de 10 a 30 minutos, por lo que la variable aleatoria es la
cantidad de minutos que se emplean para realizar la declaración dentro
del rango 10 a 30 minutos. 15min /15:20 / 15:47 / 14:54

ELABORÓ: Ing. Dalila V.M. 3

 La forma de la distribución es
rectangular y posee un valor
mínimo a y un máximo llamado
b. La altura de la distribución es
constante o uniforme para
todos los valores entre a y b.
La media de una distribución
uniforme se localiza a la mitad del
intervalo entre los valores mínimo y
máximo y se calcula con la
siguiente fórmula.

𝒂+𝒃
µ=
𝟐
ELABORÓ: Ing. Dalila V.M. 4
 224

La desviación estándar describe la dispersión de una

distribución y se relaciona con el intervalo entre los
valores máximo y mínimo. Su fórmula es:

(𝒃 − 𝒂)²
𝝈= √
𝟏𝟐

La distribución de la probabilidad uniforme es:

𝟏
𝑷 𝒙 =
𝒃 −𝒂
Si a ≤ x ≤ b y 0 en cualquier otro lugar

ELABORÓ: Ing. Dalila V.M. 5

EJEMPLO: La empresa VW otorga el servicio de transporte para sus colaboradores el
cual transita cada 30 minutos por la parada de la avenida 31 poniente, ello
entre las 6 de la mañana y 11 pm. Los trabajadores llegan a la parada en
tiempos aleatorios. El tiempo que espera un trabajador tiene una
distribución uniforme de 0 a 30 minutos.
a) Elabora una gráfica de la distribución
b) Demuestra que él área de distribución uniforme es de 1.00
c) ¿Cuánto tiempo esperará al autobús “normalmente” un trabajador? O
bien ¿cuál es la media del tiempo de espera? y ¿Cuál es la desviación
estándar de los tiempos de espera?
d) ¿Cuál es la probabilidad de que un trabajador espere más de 25
minutos?
e) ¿Cuál es la probabilidad de que un trabajador espere entre 10 y 20
minutos?

Considera que la variable aleatoria es el tiempo que espera el trabajador. El tiempo se mide en
escala continua, y los minutos de espera varían de 0 a 30.
ELABORÓ: Ing. Dalila V.M. 6
a) Elabora una gráfica de la distribución
La línea horizontal se traza a altura de 0.0333, que se calcula mediante 1/(30-0). El
intervalo de esta distribución es de 30 minutos

0.06
Probabilidad

0.0333

0
0 10 20 30 40
Tiempo de espera en minutos

𝟏
𝑷 𝒙 =
𝒃 −𝒂

ELABORÓ: Ing. Dalila V.M. 7

b) Demuestra que él área de distribución uniforme es de 1.00
El tiempo que los trabajadores esperan el autobús es uniforme a lo largo del intervalo de 0 a 30
minutos; así en este caso a es 0 y b 30
𝟏
Á𝒓𝒆𝒂 = 𝒂𝒍𝒕𝒖𝒓𝒂 𝒃𝒂𝒔𝒆 = ( ) 𝟑𝟎 − 𝟎 = 𝟏. 𝟎𝟎
𝟑𝟎 − 𝟎
c) ¿Cuánto tiempo esperará al autobús “normalmente” un trabajador? O bien
¿cuál es la media del tiempo de espera? y ¿Cuál es la desviación estándar de los
tiempos de espera?
Para determinar la media empleamos la fórmula:

𝒂+𝒃 𝟎 + 𝟑𝟎
µ= = = 𝟏𝟓´ es el tiempo de espera habitual del servicio de
𝟐 𝟐 autobús

(𝒃 − 𝒂)² (𝟑𝟎 −𝟎)²

𝝈= √ =√ = 8.66´es la variación de los tiempos de espera de los
𝟏𝟐 𝟏𝟐 trabajadores

8
ELABORÓ: Ing. Dalila V.M.
d) ¿Cuál es la probabilidad de que un trabajador espere más de 25 minutos?
El área dentro de la distribución en el intervalo de 25 a 30 representa esta probabilidad en
particular. De acuerdo con la fórmula del área.

1
𝑃 25 < 𝑡𝑖𝑒𝑚𝑝𝑜 𝑒𝑠𝑝𝑒𝑟𝑎 < 30 = (altura)(base)= 5 = 0.1667* 100% = 16.67%
30 −0

P(x)

Área
0.0333
0.1667

0
0 10 µ= 15 20 25 30 40

ELABORÓ: Ing. Dalila V.M. 9

e) ¿Cuál es la probabilidad de que un trabajador espere entre 10 y 20 minutos?
El área dentro de la distribución en el intervalo de 10 a 20 representa la probabilidad.

1
𝑃 10 < 𝑡𝑖𝑒𝑚𝑝𝑜 𝑒𝑠𝑝𝑒𝑟𝑎 < 20 = (altura)(base)= 10 = 0.333
30 −0

P(x)

Área
0.03
0.333

0
0 10 µ= 15 20 30 40

ELABORÓ: Ing. Dalila V.M. 10

EJERCICIOS:
1. Una distribución uniforme se define en el intervalo de 6 a 10
a) ¿Cuáles son los valores de a y de b?
b) ¿Cuál es la media de esta distribución uniforme?
c) ¿Cuál es la desviación estándar?
d) Demuestra que el área total es de 1.00
e) Calcula la probabilidad de un valor mayor que 7
f) Calcula la probabilidad de un valor entre 7 y9
a) a=6 y b= 10 𝟏 𝟏𝟎 −𝟕 𝟑
e) P(x>7) = ∗ = = 0.75
𝟔 + 𝟏𝟎 (𝟏𝟎 −𝟔 ) 𝟏 𝟒
𝒃) µ = =𝟖
𝟐
𝟏 𝟗 −𝟕 𝟐
𝟏𝟎 −𝟔 2 f) P( 7< x < 9 ) = ∗ 𝟏 = = 0.5
𝒄) 𝝈 = = 1. 154 ( 𝟏𝟎 −𝟔 ) 𝟒
𝟏𝟐

d) Área= 1 / (10-6) * (4) = 1

ELABORÓ: Ing. Dalila V.M. 11

3. De acuerdo con el INEGI, una familia de 3 miembros gasta entre $400.00 y $3,800.00
anuales en toda clase de seguros. Supón que el dinero que se gasta tiene una
distribución uniforme entre estas cantidades.
a) ¿cuál es la media de la suma que se gasta en seguros?
b) ¿cuál es la desviación estándar de la suma que se gasta?
c) Si se elige una familia al azar, ¿cuál es la probabilidad de que gaste menos de $2000
anuales en seguros?
d) ¿Cuál es la probabilidad de que una familia gaste más de $3000 anuales?

𝟒𝟎𝟎+𝟑𝟖𝟎𝟎
a) µ = = 2100
𝟐

𝟑𝟖𝟎𝟎 −𝟒𝟎𝟎 2
b) 𝝈 = 𝟏𝟐
= 981.495

𝟏
c) P(x < 2000) = 𝟑, 𝟖𝟎𝟎 − 𝟐𝟎𝟎𝟎 = 0.52 %
(𝟑𝟖𝟎𝟎 −𝟒𝟎𝟎 )

𝟏
d) P(x > 3000) = (𝟑𝟖𝟎𝟎 −𝟒𝟎𝟎 ) 𝟑, 𝟖𝟎𝟎 − 𝟑𝟎𝟎𝟎 = 0. 23 % 12
 4. De acuerdo con un estudio meteorológico se dice que en el mes de marzo en la ciudad de
Tecamachalco hay precipitaciones que van desde 0.5 y 3.00 pulgadas.
a) ¿cuáles son los valores de a y b?
b) ¿Cuál es la precipitación media del mes?, ¿cuál es la desviación estándar?
c) ¿Cuál es la probabilidad de que haya menos de 1 pulgada de precipitación en el mes?
d) ¿Cuál es la probabilidad de que haya exactamente 1 pulgada de precipitación en el mes?
e) ¿Cuál es la probabilidad de que haya más de 1.5 pulgadas de precipitación en el mes?

a) 0.5, b) 3.00
𝟑 +𝟎.𝟓
b) µ = = 1.75
𝟐 𝟏
e) P(x > 1.5 ) = (𝟑 −𝟎.𝟓 ) 𝟑 − 𝟏. 𝟓 = 0.6 %
𝟑 −𝟎.𝟓 2
𝝈= = 0.72
𝟏𝟐

𝟏
c) P(x < 1) = (𝟑 −𝟎.𝟓 ) 𝟏 − 𝟎. 𝟓 = 0.2 %

𝟏
d) P(x = 1) = (𝟑 −𝟎.𝟓 ) 𝟏 − 𝟏 = 0 %

ELABORÓ: Ing. Dalila V.M. 13

 • DISTRIBUCIÓN DE PROBABILIDAD 𝑥−𝜇 2
1 −[ ]
NORMAL P(x) = 𝑒 2𝜎 2
𝜎√2𝜋
Este dipo de distribución posee las siguientes características:
• Tiene forma de campana y posee una sola cima en el centro de la
distribución
• La media aritmética, moda y mediana son iguales y se localizan en
el centro de la distribución
• El área total bajo la curva es de 1.00. la mitad del área bajo la curva
normal se localiza a la derecha de este punto central, y la otra mitad
a la izquierda
• Es simétrica respecto a la media
• Desciende suavemente en ambas direcciones del valor central, es
decir es asintótica. La curva se aproxima más y más al eje X, sin
tocarlo
• La localización de una distribución normal se determina a través de
la media, µ. La dispersión o propagación de la distribución se
determina por medio de la desviación estándar, σ
ELABORÓ: Ing. Dalila V.M. 14
 Existe una familia de distribuciones
normal.

Diferentes medias y desviación estándar igual

Medias iguales y desviación estándar
diferentes

Distribución con medias y

desviación estándar
diferente

ELABORÓ: Ing. Dalila V.M. 15

• Regla empírica
Se consideran tres áreas bajo la curva normal:
1. Cerca del 68% del área bajo la curva normal se encuentran a una
desviación estándar de la media, lo que se puede escribir como µ ± 1σ
2. Al rededor del 95% del área bajo la curva normal se encuentra a dos
deviaciones estándar de la media, es decir µ ± 2σ
3. Prácticamente toda el área bajo la curva se encuentra a tres
desviaciones estándar de la media, es decir, µ ± 3σ

ELABORÓ: Ing. Dalila V.M. 16

- Distribución de probabilidad normal estándar

Este tipo de distribución de probabilidad es única, pues tiene una

media de 0 y una desviación estándar de 1. Cualquier distribución de
probabilidad normal puede convertirse en una distribución de
probabilidad normal estándar si se resta la media de cada
observación y se divide esta diferencia entre la desviación estándar.
Los resultados reciben el nombre de valores z o valores tipificados.

𝑿−µ X = es el valor de cualquier observación y

z= 𝝈 medición
µ = es la media de la distribución
σ = es la desviación estándar de la
distribución

ELABORÓ: Ing. Dalila V.M. 17

Un valor z expresa la distancia o
diferencia entre un valor particular X y la
media aritmética en unidades de Áreas bajo la curva normal
desviación estándar. Una vez que se
estandarizan las observaciones de la
distribución normal, los valores z se
distribuyen normalmente con la media de
0 y una desviación estándar de 1. Así, la
distribución z posee todas las
características de cualquier distribución
de probabilidad normal.

ELABORÓ: Ing. Dalila V.M. 18

EJEMPLO 1:
Los trabajadores del área de mantenimiento de la empresa “Aceros y
derivados S.A” se rigen por una distribución de probabilidad normal
con una media de $1000 y una desviación estándar de $100. ¿cuál es el
valor z del ingreso X de un trabajador que recibe $1,100 semanales? ¿ Y
de otro que gana $900 semanales?
𝑿−µ
z= 𝝈 Los valores z de los dos valores X($1000 y $900) son:
Para X = $1,100 Para X = $900

𝟏,𝟏𝟎𝟎 −$𝟏,𝟎𝟎𝟎 𝟗𝟎𝟎 −$𝟏,𝟎𝟎𝟎

z= = 1.00 z= $𝟏𝟎𝟎
= -1.00
$𝟏𝟎𝟎

El valor z de 1.00 indica que un ingreso semanal de $1,100 está a una

desviación estándar por encima de la media, y un valor z de -1.00 muestra que
un ingreso de $900 está a una desviación estándar por debajo de la media.

ELABORÓ: Ing. Dalila V.M. 19

 EJEMPLO 2: En la empresa “Bureau Veritas” se realizan inspecciones y pruebas de calidad a diversos
productos fabricados entre ellos las baterías AA. Los análisis están centrados en la vida útil
del producto. La media de una batería de celda alcalina AA es de 19 horas. La vida útil de la
batería se rige por una distribución normal con una desviación estándar de 1.2 horas.
A) ¿Entre qué par de valores se localiza 68% de las baterías?
B) ¿Entre qué par de valores se localiza 95% de las baterías?
C) ¿Entre qué par de valores se localiza prácticamente la totalidad de las baterías?
Aplicando los resultados de la regla empírica se tiene que:

a) Alrededor del 68% de las baterías tiene una vida útil de

entre 17.8 y 20.2 horas, lo cual se determina con el cálculo
19.0 ± 1(1.2) horas
b) Cerca de 95% de las baterías tiene una vida útil de entre
16.6 y 21.4 horas, lo cual se determina mediante 19.0 ±
2(1.2) horas
c) Todas las baterías tienen una vida útil de entre 15.4 y 22.6
horas, lo cual se determina por medio de 19.0 ± 3(1.2)
horas.

ELABORÓ: Ing. Dalila V.M. 20

 EJERCICIOS: 1. La familia González tiene dos hijos. Ambos se graduaron de la universidad hace
dos años y actualmente cada uno gana $50,000 dólares anuales. Laura trabaja en la
𝑿−µ
z= industria de las ventas al menudeo, donde el salario medio de ejecutivos con menos
𝝈
de cinco de años de antigüedad es de $35,000, con una desviación estándar de
X = es el valor $8,000. Luis es ingeniero. El salario medio de los ingenieros con menos de 5 años de
de cualquier
observación y experiencia es de $60,000, con una desviación estándar de $5,000. Calcula los valores
medición z de Laura y Luis y da tu conclusión y grafícalo.
µ = es la media
de la
distribución Para Laura
σ = es la Z (Laura)= 𝟓𝟎,𝟎𝟎𝟎𝟖,𝟎𝟎𝟎
−𝟑𝟓,𝟎𝟎𝟎
= 1.875
desviación 𝟓𝟎,𝟎𝟎𝟎 −𝟑𝟓,𝟎𝟎𝟎
estándar de la z= 𝟓𝟎,𝟎𝟎𝟎=−𝟑𝟓,𝟎𝟎𝟎
1.875
Z (Laura)=
distribución
𝟖,𝟎𝟎𝟎
𝟖,𝟎𝟎𝟎
= 𝟏. 𝟖𝟕
Z (Luis)= 𝟓𝟎,𝟎𝟎𝟎𝟓,𝟎𝟎𝟎
−𝟔𝟎,𝟎𝟎𝟎
= -2
𝟓𝟎,𝟎𝟎 −𝟔𝟎,𝟎𝟎𝟎
Z (Luis)= Para Luis = -2
𝟓𝟎𝟎𝟎
𝟓𝟎,𝟎𝟎𝟎 −𝟔𝟎,𝟎𝟎𝟎
z= = -2
𝟓,𝟎𝟎𝟎

ELABORÓ: Ing. Dalila V.M. 21

500 ± 1(10) = 490 y 510
500 ± 2(10) = 480 y 520
500 ± 3(10) = 470 y 530

ELABORÓ: Ing. Dalila V.M. 22

 EJERCICIOS
1. Una población normal tiene una media de 20 y una desviación estándar de 4
a) Calcula el valor de z asociado con 25.00
b) ¿qué proporción de la población se encuentra entre 20.00 y 25.00?
c) ¿qué proporción de la población es menor que 18.00?

𝟐𝟓 − 𝟐𝟎 𝟏𝟖 − 𝟐𝟎
a) z= = 1.25 = 0.3944 c) z= = -0.5 = 0.1915
𝟒 𝟒

0.5000 – 0.1915 =0.3085 = 30.85%

𝟐𝟓 − 𝟐𝟎
b) z= = 1.25 = 0.3944 = 39.44%
𝟒

ELABORÓ: Ing. Dalila V.M. 23

2. Un estudio realizado recientemente respecto a los salarios medios por hora de un
trabajador de la industria textil era de $20.50, con una desviación estándar de $3.50.
Supón que la distribución de los salarios por hora es una distribución de probabilidad
normal. Si elige un integrante de una línea de producción al azar, ¿cuál es la
probabilidad de que gane:
a) Entre $20.50 y $24.00 la hora?
b) Más de $24.00 la hora?
c) Menos de $19.00 la hora?
𝟐𝟒 − 𝟐𝟎.𝟓𝟎
a) z= 𝟑.𝟓𝟎
= 1 = 0.3413 = 34.13%

b) .5000 – 0.3413 = 0.1587 = 15.87%

𝟏𝟗 − 𝟐𝟎.𝟓𝟎
c) z= = -0.43 = 0.1664 = 16.64%
𝟑.𝟓𝟎

ELABORÓ: Ing. Dalila V.M. 24

Combinación de dos áreas

Ejemplo: El personal de producción tiene ingresos semanales con una distribución de

probabilidad normal y con una media de $1,000 y una desviación estándar de $100,
¿cuál es el área bajo esta curva norma, entre $840 y 1,200?
𝟖𝟒𝟎 −𝟏𝟎𝟎𝟎 P ( $840 < ingreso semanal < 1200)
z= = -1.6 = 0.4452
𝟏𝟎𝟎

𝟏𝟐𝟎𝟎 −𝟏𝟎𝟎𝟎
z= = 2 = 0.4472
𝟏𝟎𝟎

0.4452 + 0.4472 =0.8924 = 89.24%

ELABORÓ: Ing. Dalila V.M. 25

Determinación de áreas entre valores del mismo lado de la media

Ejemplo; Los supervisores de la empresa “X” tienen una distribución del ingreso
semanal de $2,000.00 y con una desviación de $200.00, ¿cuál es el área bajo la
curva normal entre $2,250.00 y $2,450.00?

𝟐𝟒𝟓𝟎 −𝟐𝟎𝟎𝟎
z= = 2.25 = 0.4878
𝟐𝟎𝟎

𝟐𝟐𝟓𝟎 −𝟐𝟎𝟎𝟎
z= = 1.25 = 0.3944
𝟐𝟎𝟎

-3 -2 -1 0 1 2 3=z

ELABORÓ: Ing. Dalila V.M. 26

Ejercicio a): Una distribución normal tiene una media de 50 y una desviación
estándar de 4.
i. Calcule la probabilidad de un valor localizado entre 44.0 y 55.00
ii. Calcula la probabilidad de un valor mayor que 55.00
iii. Calcula la probabilidad de un valor localizado entre 52.0 y 55.00
𝟓𝟓 −𝟒𝟒
i) z= = 2.75 = 0.4965 = 49.65%
𝟒
ii) 0.5000 - .4965 = 0.0035 = 0.35%
𝟓𝟓 −𝟓𝟐
iii) z= 𝟒 = 0.75 = 0.2580 = 25.80% 𝟒𝟒 −𝟓𝟎
i) z= =
𝟒

𝟓𝟓 −𝟓𝟎
ii) z= =
𝟒

𝟓𝟐 −𝟓𝟎
ii) z= =
𝟒

ELABORÓ: Ing. Dalila V.M. 27

b). De acuerdo con ISR el reembolso medio de impuestos en 2019 fue de $2,708.00.
Supón que la desviación estándar es de $650 y que las devoluciones tienen una
distribución normal.
i) ¿Qué porcentaje de reembolsos son superiores a $3,000.00?
ii) ¿Qué porcentaje de reembolsos son superiores a $3,000 e inferiores a $3,500?
iii) ¿Qué porcentaje de reembolsos son superiores a $2,500 e inferiores a $3,500?
𝟑𝟎𝟎𝟎 −𝟐𝟕𝟎𝟖
i) z= = 0.45 = 0.1736 .5000 – 0.1736 = 0.3264 = 32.64%
𝟔𝟓𝟎

𝟑𝟓𝟎𝟎 −𝟐𝟕𝟎𝟖
ii) z= = 1.22 = 0.3888 – 0.1736 = 0.2152 = 21.52%
𝟔𝟓𝟎

𝟐𝟓𝟎𝟎 −𝟐𝟕𝟎𝟖
iii) z= 𝟔𝟓𝟎
= -0.32 = 0.1255 + 0.3888 = 0.5143 = 51.43%

ELABORÓ: Ing. Dalila V.M. 28

  Distribución exponencial

Este tipo de distribución de probabilidad continua describe los

tiempos entre eventos que ocurren en secuencia las cuales
suceden independientemente a un ritmo constante por unidad o
duración de tiempo.
Como el tiempo nunca es negativo una variable aleatoria
exponencial será siempre positiva.

Ejemplo:
• Tiempo de atención a un cliente
• Tiempo de acceso a un sitio web
• Tiempo entre llamadas recibidas en un call center, etc.

ELABORÓ: Ing. Dalila V.M. 29

 • Características

o La distribución de probabilidad exponencial difiere de la normal debido a

que ésta tiene un sesgo positivo, mientras que la normal y uniforme son
simétricas.
o La distribución exponencial se expresa emplea la letra griega λ
o Tiene estrecha relación con la distribución de Poisson (probabilidad
discreta que tiene solo un parámetro llamado μ.
o 𝑷 𝒙 = 𝝀𝒆−𝝀𝒙
P(tiempo de llegada < x) = 1 - 𝒆−𝝀𝒙
𝝀 = distribución de probabilidad
exponencial
e = base del sistema logarítmico
neperiano igual a 2.71828

ELABORÓ: Ing. Dalila V.M. 30

 Ejemplo: En una determinada farmacia se atienden pedidos de medicamentos por receta con
una distribución de probabilidad exponencial a una media de 20 segundos entre cada
receta. Encontrar la probabilidad de que la siguiente receta llegue en menos de 5
segundos, en más de 40 segundos o entre 5 y 40 segundos.

λ = 1/20 (parámetro del ritmo)

𝟏
− (𝟓)
P(tiempo de llegada < x) = 1 - 𝒆 𝟐𝟎 = 𝟏 − . 𝟕𝟕𝟖𝟖 = . 𝟐𝟐𝟏𝟐
La probabilidad de que se reciba una receta en menos de 5 segundos es del 22.12%

ELABORÓ: Ing. Dalila V.M. 31

 * Probabilidad de que se reciba una receta
en menos de 40 segundos.
𝟏
− (𝟒𝟎)
P(tiempo de llegada < 40) = 1 - 𝒆 𝟐𝟎 = 𝟏 − 𝟎. 𝟏𝟑𝟓𝟑 = . 𝟖𝟔𝟒𝟕 = 𝟖𝟔. 𝟒𝟕%

* Probabilidad de que se reciba una receta

en más de 40 segundos.

𝟏
−𝟐𝟎(𝟒𝟎)
P(tiempo de llegada > 40) = 1 - 𝒆 = 𝟏 −. 𝟖𝟔𝟒𝟕 = .1353

Por lo tanto la probabilidad de que pasarán 40 segundos o más antes de

que se reciba la siguiente receta en la farmacia es de 13.53%

ELABORÓ: Ing. Dalila V.M. 32