Estadistica Descriptiva1

UNIVERSIDAD DE OCCIDENTE
UNIDAD CULIACAN
DEPARTAMENTO DE INGENIERIA Y TECNOLOGIA
ACADEMIA DE MATEMATICAS
GUIA DE ESTUDIO
ESTADISTICA DESCRIPTIVA
REDISEÑO:
Ing. Luis Antonio Achoy Bustamante.
REVISION: Ing. José Antonio Castro Inzunza.

Abril 2012
Universidad de Occidente Estadística Descriptiva y Probabilidad
ÍNDICE
Página:
INDICE 1
INTRODUCCIÓN 2
CAPÍTULO I ESTADÍSTICA DESCRIPTIVA 5
ACTIVIDAD 1 CONCEPTO DE ESTADÍSTICA 6
ACTIVIDAD 2 VARIABLES ESTADÍSTICAS 8
ACTIVIDAD 3 MEDIDAS DE TENDENCIA CENTRAL: DATOS NO AGRUPADOS 10
ACTIVIDAD 4 MEDIDAS DE DISPERSIÓN: DESVIACIÓN ESTÁNDAR 12
ACTIVIDAD 5 MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN: DATOS 14
AGRUPADOS
ACTIVIDAD 6 MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN 16
ACTIVIDAD 7 MUESTRA Y POBLACIÓN 17
ACTIVIDAD 8 DISTRIBUCIÓN DE FRECUENCIAS 18
ACTIVIDAD 9 MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN PARA 21
DATOS AGRUPADOS
ACTIVIDAD 10 GRÁFICAS DE DISTRIBUCIÓN DE FRECUENCIAS 24
ACTIVIDAD 11 GRÁFICAS DE DISTRIBUCIÓN DE FRECUENCIAS 26
ACTIVIDAD 12 COMPARACIÓN DE DISTRIBUCIONES DE FRECUENCIAS 27
ACTIVIDAD 13 SESGO Y CURTOSIS 30
ACTIVIDAD 14 USO DE SOFTWARE 31
EJERCICIOS COMPLEMENTARIOS 32
CAPÍTULO II PROBABILIDAD 34
ACTIVIDAD 15 INTRODUCCIÓN A LA TEORÍA DE PROBABILIDADES 35
ACTIVIDAD 16 ESPACIOS MUESTRALES 38
ACTIVIDAD 17 EVENTOS ALEATORIOS 41
ACTIVIDAD 18 EVENTOS MUTUAMENTE EXCLUYENTES Y EVENTOS 44
COMPLEMENTARIOS
ACTIVIDAD 19 ENFOQUE FRECUENCIAL DE LA PROBABILIDAD 47
ACTIVIDAD 20 ENFOQUE CLÁSICO DE LA PROBABILIDAD 49
ACTIVIDAD 21 PROBABILIDAD USANDO TEORIA DE CONJUNTOS 51
ACTIVIDAD 22 TECNICAS DE CONTEO 53
ACTIVIDAD 23 TÉCNICAS DE CONTEO, PERMUTACIONES 56
ACTIVIDAD 24 SELECCIÓN DE ELEMENTOS DE UN CONJUNTO: 60
COMBINACIONES
ACTIVIDAD 25 INDEPENDENCIA ESTOCÁSTICA 61
ACTIVIDAD 26 PROBABILIDAD TOTAL 67
ACTIVIDAD 27 PROBABILIDAD USANDO LA REGLA DE BAYES 70
CAPÍTULO III DISTRIBUCIONES DE PROBABILIDAD 76
ACTIVIDAD 28 VARIABLE ALEATORIA Y DISTRIBUCIONES DE 77
PROBABILIDAD
ACTIVIDAD 29 DISTRIBUCIONES DE PROBABILIDAD CONTINUAS 80
ACTIVIDAD 30 ESPERANZA MATEMÁTICA Y VARIANZA 82
ACTIVIDAD 31 DISTRIBUCIÓN BINOMIAL 86
ACTIVIDAD 32 DISTRIBUCIÓN MULTINOMIAL 89
ACTIVIDAD 33 DISTRIBUCIÓN HIPERGEOMÉTRICA 90
ACTIVIDAD 34 DISTRIBUCIÓN DE POISSON 92
ACTIVIDAD 35 DISTRIBUCIÓN NORMAL 95
APÉNDICE 102
BIBLIOGRAFÍA 103
1
INTRODUCCIÓN
SOBRE LA ENSEÑANZA DE LAS MATEMÁTICAS
La enseñanza y el aprendizaje de las matemáticas ha sido un tema muy

discutido hasta nuestros días, se han escrito una gran cantidad de textos sobre el
tema, pero el problema persiste, no hay un real aprendizaje significativo, el alumno
aprende de manera memorizada procedimientos y fórmulas para resolver
problemas, sin tener un entendimiento de lo que hace, esto ha sido en gran
medida provocado por la falta de un significado de los contenidos matemáticos, es
decir, ¿Cómo se puede utilizar a las matemáticas como una herramienta que
permita desarrollar actividades cotidianas de una manera más fácil?. Las
matemáticas son la llave para entender los fenómenos de la naturaleza, han
permitido a los pintores una forma más realista de pintar, así como la comprensión
de los sonidos que llevaron a la invención del teléfono y la radio, cada vez tienen
una mayor ingerencia en la Medicina y la Biología. Lo interesante de las
matemáticas es el hecho de que permiten plantear y resolver problemas de todas
las áreas del saber, de una forma más racional, esto es lo que da su verdadero
significado.
La enseñanza basada en competencias establece que hay que dotar al
alumno de un conjunto de conocimientos, destrezas y actitudes que le permitan su
realización y desarrollo tanto en el ámbito personal como profesional. Dentro de
las competencias básicas se encuentran las competencias matemáticas, las
cuales se relacionan con el desarrollo de habilidades para usar diferentes tipos de
pensamiento matemático, como son el lógico, espacial, el de representación por
medio de modelos, fórmulas, gráficos, que tienen aplicación universal para
explicar y describir la realidad.
En definitiva, la competencia Matemática supone: aplicar aquellas destrezas
y actitudes que permiten razonar matemáticamente, comprender una
argumentación matemática y expresarse y comunicarse en el lenguaje
matemático, utilizando las herramientas de apoyo adecuadas e integrando el
conocimiento matemático con otros tipos de conocimiento para dar una mejor
respuesta a las situaciones de la vida de distinto nivel de complejidad. Se deben
desarrollar las siguientes competencias básicas:
Organización, comprensión e interpretación de la información.

Identificación de los elementos matemáticos que se presentan en
una situación real.
Aplicación de técnicas adecuadas de selección, ordenación y
representación de los datos.
Utilización de procedimientos matemáticos que permitan su análisis y
la extracción de conclusiones.
Expresión matemática oral y escrita.

Uso del vocabulario y los símbolos matemáticos básicos.
Utilización de formas adecuadas de representación según el
propósito y la naturaleza de la situación.
2
Expresión correcta de los resultados obtenidos al resolver

problemas.
Justificación de resultados con argumentos y expresiones de base
matemática.
Capacidad para seguir una demostración sencilla de un resultado
matemático, identificando las ideas fundamentales y enjuiciando la
lógica y validez de las argumentaciones e informaciones.
Planteamiento y resolución de problemas.
Reconocimiento y planteamiento de situaciones reales susceptibles

de ser formuladas en términos matemáticos.
Traducción a esquemas o estructuras matemáticas.
Valoración de distintas vías para resolver problemas.
Selección de los datos y estrategias apropiadas para resolver un
problema.
Utilización con precisión de procedimientos de cálculo (exacto,
aproximado, mental, con calculadora, …), fórmulas y algoritmos.
Expresión correcta de los resultados y su interpretación en términos
de la situación inicial.
Uso de medios tecnológicos en el tratamiento de la información.
COMPETENCIAS PREVIAS:
Para el desarrollo del curso se requiere que se tengan las siguientes

competencias previas:
Habilidad para realizar operaciones aritméticas y algebraicas

Conocimiento de la teoría de conjuntos
Conocimientos de la integral definida y sus aplicaciones
Habilidad para calcular integrales definidas
Capacidad para el trabajo individual y en equipo
Tener disciplina y disposición para el aprendizaje de la Matemática
COMPETENCIA ESPECÍFICA DEL CURSO:
Adquirir los conocimientos básicos y aplicar los métodos Estadísticos

empleados en el área Administrativa, donde se analice información obtenida de
una población a partir del proceso de muestreo, que permita hacer más eficiente la
toma de decisiones relacionadas con diferentes ámbitos del conocimiento, con un
sentido ético, propositivo e innovador, buscando la sustentabilidad y mejora del
medio donde se desarrolla. Y que a su vez, sirva de apoyo al curso de Estadística
Inferencial, materias de la especialidad e inclusive para estudios de posgrado.
3
SOBRE LA ESTADÍSTICA
La ESTADÍSTICA es una de las ramas de la Matemática que sin duda ha

tenido una gran influencia en la mayoría de las ciencias. Ningún Ingeniero,
empresario, médico, licenciado o científico de cualquier clase puede evitar el
contacto con ella en el curso de sus ocupaciones. Es un hecho también, que al
leer cualquier revista o periódico, al escuchar la radio o al ver la televisión aparece
información en forma estadística y aunque pensemos que estamos muy alejados
de esta disciplina, nos solemos ver involucrados en ella, al participar, por ejemplo
en un censo o una encuesta.
Es hora de preguntarnos, ¿Qué es la Estadística?, ¿Cómo funciona?,

¿Qué hace con los datos para llegar a ciertas conclusiones? ¿Qué aportación
hace en la toma de decisiones?. En este curso daremos un panorama general de
la disciplina, presentaremos algunos de sus conceptos básicos, formas de
elaborar tablas para presentar información, como calcular algunas medidas
representativas, elaboración de diferentes tipos de gráficas y la forma de
interpretarse.
Otra disciplina que ha contribuido al desarrollo de la Estadística es la

Teoría de las Probabilidades, la cual ha dado origen a una serie de leyes que son
el sustento matemático para una rama de la estadística llamada inferencia, la cual
a partir de cierta información obtenida de una parte de una población (muestra),
nos permite hacer estimaciones y predicciones y tomar decisiones sobre todos los
elementos de la población.
Este curso está formado por una serie de actividades donde se establecen
los objetivos particulares de cada una, de tal manera de que al lograrlos al final del
curso se alcance la competencia del mismo.
En el rediseño se buscó mejorar cada uno de los contenidos, se incluyeron
nuevos ejemplos, tratando de facilitar el aprendizaje de esta disciplina.
4
CAPÍTULO I
ESTADÍSTICA DESCRIPTIVA
Competencias específicas a desarrollar en este Capítulo:
Define Estadística y establece su división para su estudio.
Identifica los diferentes tipos de variables que intervienen en los procesos estadísticos.
Calcula las medidas de tendencia central y de dispersión, tanto para datos no agrupados
como agrupados.
Construye Tablas de Distribuciones de Frecuencias.
Diseña gráficos para presentar datos y resultados.
Aplica los conocimientos teóricos a situaciones prácticas relacionadas con su carrera.
Usa Software estadístico como herramienta de apoyo.
Interpreta los resultados obtenidos.
Pone en práctica la toma de decisiones.
5
ACTIVIDAD 1
CONCEPTO DE ESTADÍSTICA
OBJETIVO: Establecer el concepto de Estadística a partir del análisis de

situaciones cotidianas donde se presente información de tipo estadístico.
Con frecuencia escuchamos o leemos frases como las siguientes:
a) En una escuela la calificación promedio de los niños que cursan primer

grado es de 8.6.
b) En el estado de Sinaloa la tasa de desempleo fue del 2.3 % en el mes

de Marzo de 2012.
c) Se ha encontrado que el 15 % de la población del estado padece

hipertensión arterial. A partir del estudio de una muestra de 300
individuos tomados de la población.
d) Un estudio de 500 adolescentes, sobre la edad promedio a la que inician

sus relaciones sexuales ha revelado que ha disminuido a 14 años.
e) La encuesta hecha por el periódico “El Universal” indica que el candidato

del PRT tiene el 45 % de los votos probables.
f) Se ha encontrado que el peso promedio de los estudiantes de sexto

año de primaria, se ha incrementado en 3.5 kg del año de 1995 al
2012.
g) Las ventas estimadas de juguetes para el siguiente año se incrementan

en 20%.
h) Se estima que la duración media de una nueva marca de acumulador se

encuentra entre 25 y 30 meses, con una confianza del 95%.
i) Un investigador ha determinado que existe una correlación entre el

índice de masa corporal y el aumento de los niveles de colesterol.
En los enunciados anteriores se mide alguna característica o se cuenta el

número de resultados favorables referentes a una situación, se establecen
relaciones entre cantidades y se hacen estimaciones. Esta información nos
permite conocer las características de los elementos de una población y a partir de
ésta tomar decisiones apropiadas, generalmente este procedimiento se hace por
medio de una muestra.
En general, la Estadística tiene como objetivo la recolección, análisis y
presentación de conjuntos de datos estadísticos, obtenidos de una población por
6
medio de la selección de una muestra aleatoria y a partir de esta información

tomar decisiones sobre la totalidad de los elementos de la población.
Para su estudio la Estadística se divide en Estadística Descriptiva, Teoría
de Probabilidades y Estadística Inferencial.
1.- Investigar que estudia cada una de las ramas de la Estadística.
2.- Investigar las escales de medición usadas en la Estadística
3.- Hacer una investigación bibliográfica de la Historia y de los personajes que han
influido en el desarrollo de la Estadística.
7
ACTIVIDAD 2
VARIABLES ESTADÍSTICAS
OBJETIVO.- Identificar los diferentes tipos de variables utilizadas en los procesos

estadísticos.
Uno de los primeros pasos en el estudio de algún fenómeno, consiste en

caracterizar las partes de dicho fenómeno. Por ejemplo, podríamos estudiar el
índice de desempleo de acuerdo al sexo, en este caso tenemos dos cantidades
que son: el índice de desempleo y el sexo, a estas se les denomina variables en
estudio. Una clasificación general de estas es que unas son inherentes a
cantidades, como el índice de desempleo, mientras que otras representan
categorías y son inherentes a cualidades, por ejemplo el sexo. Para este estudio
podríamos decir que el índice de desempleo es del 4.5% para las mujeres y 3.5 %
para los hombres.
A continuación se presentan algunas características de los estudiantes de

la Universidad de Occidente. De acuerdo a los valores que pueden tomar estas
variables, menciona si son categóricas o numéricas.
a) Sexo de cada alumno del grupo.
b) Cantidad de estudiantes del grupo.
c) Tipo de ocupación de los padres de los alumnos.
d) Peso de cada alumno.
e) Escolaridad del padre.
f) Estatura de cada alumno.
g) Escuela de procedencia de la preparatoria.
h) Promedio obtenido en la preparatoria.
8
Además de la clasificación en variables categóricas y numéricas,

podemos hacer una subclasificación de cada una, como se muestra en el cuadro:
Continuas.- Pueden tomar cualquier valor dentro de

un intervalo numérico
Numéricas
Discretas.- Toman valores numéricos separados,
Generalmente enteros.
Variables
Nominales.- Se definen por medio de categorías o

expresiones verbales.
Categóricas
Ordinales.- Se definen por categorías, pero existe un

orden relativo entre ellas.
De acuerdo a la clasificación anterior, menciona a que tipo de variable

corresponden los valores que pueden tomar las variables: numérica continua,
numérica discreta, categórica nominal o categórica ordinal. Tomados de las
características de los alumnos de la Universidad de Occidente
Con la ayuda del profesor, diseñe un formato para aplicar una encuesta a
los alumnos del grupo a que pertenece, donde se consideren las variables
establecidas en esta actividad.
9
ACTIVIDAD 3
MEDIDAS DE TENDENCIA CENTRAL: DATOS NO AGRUPADOS
OBJETIVO.- Calcular las medidas de tendencia central a partir de un conjunto de

datos numéricos no agrupados.
Un alumno de la Universidad de Occidente obtuvo las siguientes

calificaciones en las materias del primer trimestre:
Fundamentos de Algebra 8
Computación 9
Ingles 10
Formación integral 9
Metodología de la investigación 8
Comunicación 9
Un valor que representa a todas las calificaciones es el promedio, también

llamado media aritmética. Este valor se obtiene sumando todos los valores y
enseguida se divide la suma entre el número de datos:
Suma de los valores 8 + 9 + 10 + 9 + 8 + 9

Promedio = = = 8.83
Número de valores 6
En forma condensada se escribe:

n
_ ∑x i
x= i =1
Otra medida es la Moda, en éste ejemplo es el número 9, se representa como x̂ .

y es el dato que aparece con mayor frecuencia. También es común calcular la
Mediana, la cual es el dato que divide al conjunto de datos en dos partes iguales,
de tal manera que la mitad de los datos es menor o igual que esta y la otra mitad
es mayor o igual. Para calcularla se deben ordenar los datos en forma
ascendente, si el número de datos es impar el que se encuentra en la posición
central es la mediana.
Ordenando los datos: 8, 8, 9, 9, 9, 10 entonces la mediana es el número 9,

que se representa como ~ x , si el número de elementos es par, se calcula el
promedio de los dos datos que ocupan la posición central, por ejemplo en los
datos: 5, 5, 6, 7, 8, 9, 9, 10 la mediana es:
~ 7 +8
x= = 7.5
2
10
Cuando el número de datos no es muy grande, se analizan como datos no

agrupados.
Usando los criterios anteriores calcule la media aritmética, moda y mediana
de los siguientes conjuntos de datos:
a) 12, 15,11, 16, 17, 14, 23, 21,11
b) 3.4, 6.1, 3.2, 4.9, 6.2, 6.1, 5.6, 7.3, 6.1
c) ¿Qué medida de tendencia central se puede calcular de los siguientes

datos? M, M, F, M, M, F, F, M, F, M
Investigar en que situaciones es más recomendable el uso de la mediana

que la media aritmética.
De los datos de la encuesta realizada entre los alumnos del grupo en la

actividad anterior, calcula las medidas de tendencia central de las variables que
sea posible.
Investigar ¿Qué es la media Ponderada y la media Geométrica?, sus

principales aplicaciones y dar 2 ejemplos de cada una.
11
ACTIVIDAD 4
MEDIDAS DE DISPERSIÓN: DESVIACIÓN ESTÁNDAR
OBJETIVO.- Calcular e interpretar la desviación estándar de un conjunto de datos

no agrupados.
En la siguiente tabla se presentan las calificaciones de dos alumnos que

cursan el segundo trimestre un la Universidad de Occidente:
Materia Alumno 1 Alumno 2

1 7 5
2 8 8
3 7 10
4 9 6
5 9 9
6 8 10
Si calculamos la media aritmética de cada alumno, notaremos que ambos

tienen la misma x = 8 , pero al observar las calificaciones de cada alumno, nos
podemos dar cuenta que el primero tiene calificaciones más homogéneas y en el
segundo están más dispersas, de lo cual concluimos que la media aritmética no es
suficiente para describir totalmente un conjunto de datos, necesitamos una medida
de la dispersión, la más utilizada es la varianza, la cual mide la dispersión de los
datos con respecto a la media aritmética. Para calcularla se usa la fórmula:
n
∑(x i − x)2
s2 = i =1
n
Las diferencias entre cada valor y la media aritmética se elevan al cuadrado
para evitar el problema de los signos de las diferencias. Al calcular la raíz
cuadrada de la varianza se obtiene la desviación estándar:
n
∑ (x i − x)2
s= i =1
n
Cuando se usa la desviación estándar para hacer estimaciones sobre una
población, los datos se dividen por n-1, esto para evitar el sesgo (Investigar este
concepto).
n
∑ (x i − x) 2
sˆ = i =1
n −1
Usando las fórmulas anteriores calcular la varianza y desviación estándar de cada

alumno:
12
Alumno 1
∑ (x i − x)2
(7 − 8) 2 + (8 − 8) 2 + (7 − 8) 2 + (9 − 8) 2 + (9 − 8) 2 + (8 − 8) 2
sˆ1 = =
2 1
n −1 5
1+ 0 +1+1+1+ 0 4
= = = 0.8
5 5
sˆ1 = 0.8 = 0.894
Alumno 2:
n
∑ (x i − x) 2
(5 − 8) 2 + (8 − 8) 2 + (10 − 8) 2 + (6 − 8) 2 + (9 − 8) 2 + (10 − 8) 2
sˆ 2 = =
2 1
n −1 5
9 + 0 + 4 + 4 + 1 + 4 22
= = = 4 .4
5 5
sˆ 2 = 4.4 = 2.097
Como la desviación estándar de las calificaciones del alumno 2 es mayor

que la del alumno 1, concluimos que las calificaciones del alumno 1 son menos
dispersas.
13
ACTIVIDAD 5
MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN: DATOS AGRUPADOS
OBJETIVO.- Calcular las medidas de tendencia central y dispersión de un

conjunto de datos agrupados por clases en una distribución de frecuencias.
Las calificaciones de 30 alumnos de la materia de Estadística de la

Universidad de Occidente se muestran a continuación. Calcule la media aritmética,
mediana y moda:
7, 7, 9, 5, 8, 9, 6, 8, 5, 10, 7, 6, 8, 6, 7, 8, 4, 6, 8, 9, 10, 8, 7, 9, 5, 7, 6, 5, 9, 8
Podemos observar que las calificaciones se repiten, por ejemplo la

calificación 7 se repite 6 veces, al número de veces que se repite una información
se le llama frecuencia y cada calificación se usa como marca de clase. Para
calcular la frecuencia de cada calificación podemos ordenar los datos de forma
ascendente:
4, 5, 5, 5, 5, 6, 6, 6, 6, 6, 7, 7, 7, 7, 7, 7, 8, 8, 8, 8, 8, 8, 8, 9, 9, 9, 9, 9, 10, 10
Con cada dato y sus frecuencias podemos construir una tabla de

frecuencias:
Número de Clase Marcas Frecuencia

de clase de clase
1 4 1
2 5 4
3 6 5
4 7 6
5 8 7
6 9 5
7 10 2
A cada uno de los valores se les llama clase y al valor numérico marca de
clase, esta tabla tiene varias ventajas:
a) Permite resumir la información y observar como se agrupan los datos.
b) Facilita el cálculo de las medidas de tendencia central y de dispersión.
c) Permite hacer gráficos de los datos para observar su forma.
d) Permite identificar el Rango ó Amplitud en el que se encuentran los

datos.
14
En el caso de la fórmula para la media aritmética, se le agrega la frecuencia

de clase multiplicando a cada marca de clase:
n
∑x i fi
(4)(1) + (5)(4) + (6)(5) + (7)(6) + (8)(7) + (9)(5) + (10)(2)
x= i =1
=
n 30
4 + 20 + 30 + 42 + 56 + 45 + 20 217
= = = 7.2333
30 30
La Moda es el dato que más se repite, de acuerdo a la tabla es xˆ = 8 , la

Mediana es el dato que divide al conjunto de datos en dos partes iguales, como el
número de datos es par se debe calcular un promedio entre los datos que ocupan
la posición 15 y 16 en los datos ordenados que son 7 y 7, entonces:
~ 7+7
x= =7
2
En la fórmula de la varianza también se agrega la frecuencia de clase

multiplicando a cada diferencia:
n −
∑ (x i − x) 2 f i
(4 − 7.23) 2 (1) + (5 − 7.23) 2 (4) + (6 − 7.23) 2 (5) + (7 − 7.23) 2 (6)
s2 = i =1
=
n −1 29
+ (8 − 7.23) (7) + (9 − 7.23) (5) + (10 − 7.23) (2) 74.6354
2 2 2
= = 2.5736
29
La desviación estándar es sˆ = 1.6042
15
ACTIVIDAD 6
MEDIDAS DE TENDENCIA CENTRAL Y DE DISPERSIÓN
OBJETIVO.- Calcular las medidas de tendencia central y de dispersión a partir de

una tabla de distribución de frecuencias.
En una empresa se entrevistó a todos los empleados que estaban por

cumplir 20 años de servicio. Entre las preguntas de dicha encuesta,
consideraremos únicamente la referente al número de hijos que tienen, a
continuación se presenta la información obtenida:
Número de hijos Frecuencia

0 16
1 12
2 20
3 25
4 17
5 7
6 3
a) Determina el número total de entrevistados.
b) Calcula la media aritmética, mediana y moda del número de hijos.
c) Calcula la desviación estándar del número de hijos.
La media nacional establece que el número de hijos promedio por familia es

de 2.7, ¿Qué información proporciona la encuesta?
16
ACTIVIDAD 7
MUESTRA Y POBLACIÓN
OBJETIVO.- Establecer los conceptos de población y muestra a partir de un

conjunto de datos y calcular sus medidas de centralización y dispersión.
En la siguiente figura se presentan las calificaciones de 50 alumnos de la

materia en Matemáticas:
5 7 4 8 9 10 4 5 7 8 9 6 10 9 9 8 7 6 4 5 7 8 9 7 7
8 9 10 6 7 4 5 5 6 7 9 9 4 7 6 4 9 8 7 6 7 8 8 6 7
El profesor escoge las calificaciones de 10 alumnos:
7 9 5 7 8
6 8 4 9 5
Las calificaciones de los 50 alumnos corresponden a la población y los

escogidos por el profesor corresponden a una muestra.
a) Escribe el concepto de población.
b) Escribe el concepto de muestra.
c) Calcula la media aritmética de la población y de la muestra, y

compáralos.
n N
∑ xi ∑x i
Media de la muestra x = i =1
= Media de la población µ = i =1
=
n N
d) Calcula la desviación estándar de la población y de la muestra, y

compáralos
n
∑ (x i − x)2
Desviación estándar de la muestra sˆ = i =1
=
n −1
N
∑ (x i − µ)2
Desviación estándar de la población σ = i =1
=
N
e) ¿Por qué piensas que se deben escoger al azar los elementos de la

muestra?
f) ¿Existe alguna relación entre los valores muéstrales y los de la

población?
17
ACTIVIDAD 8
DISTRIBUCIÓN DE FRECUENCIAS
OBJETIVO.- Elaborar una tabla de distribución de frecuencias a partir de un

conjunto de datos.
En la actividad 5 se elaboró una tabla de frecuencias tomando como clase a

cada valor diferente que tomaba la variable, esto se puede hacer cuando el
número de valores diferentes no es muy grande. Si se tienen datos cuya amplitud
o rango es muy grande se agrupan en subgrupos llamados clases. El número de
clases que se deben usar depende de la cantidad de datos, los estudiosos de la
Estadística han recomendado que:
• Agrupemos los valores de la variable estadística en intervalos de clase
contiguos y elegidos convenientemente para no perder mucha
información. No existe un criterio claro de cuál debe ser el número de
clases que debemos escoger, Norcliffe establece que el número de
clases debe ser, aproximadamente igual a la raíz cuadrada positiva del
número de datos. Normalmente, el número de intervalos de clase se
suele fijar entre 5 y 15 de tal manera que en cada clase se tengan, al
menos, 5 observaciones. De todas formas el investigador los acomodará
a las condiciones especificas del problema estadístico objeto de estudio
(se tomarán tantos intervalos como sean necesarios para recubrir todo
el recorrido de la variable). Otro criterio es la formula de Sturges
K = 1 + 3.322 log n
• Los extremos de los intervalos de clase se denominan extremos de

clase y sus puntos medios marcas de clase (valor que nos representa
la información que contiene un intervalo).
• Como cada observación debe quedar perfectamente encasillada en uno
y sólo un intervalo de clase, debemos decidir a qué intervalos
pertenecen los extremos de las clases, por lo que habrán de tomarse
intervalos semiabiertos o cerrados, en el segundo criterio se separan
con un incremento ∆ el cual puede tomar el valor de 1, 0.1, 0.01, 0.001
de acuerdo a los datos.
• Por otro lado tenemos la amplitud de cada intervalo, que puede ser
constante o variable. Si procuramos que todas las clases tengan la
misma amplitud y los límites de cada clase sean números redondos
(múltiplos por ejemplo de 5) conseguiremos simplificar mucho los
cálculos (siempre y cuando no se pierda demasiada información debido
a estas consideraciones).
• Debemos observar un hecho importante, se entiende que cuando
hacemos una agrupación en intervalos de clase, para nosotros
solamente cuenta el número de observaciones que caen dentro de cada
18
uno de los intervalos y no la colocación en su interior, es decir,

suponemos que la distribución de estos valores en el intervalo es
homogénea, en esto radica la pérdida de información que supone
agrupar los datos de las observaciones.
En la siguiente Tabla se dan las estaturas de 30 personas en centímetros,

seleccionadas al azar:
Persona Estatura Persona Estatura Persona Estatura

1 115 11 153 21 121
2 148 12 116 22 159
3 157 13 160 23 186
4 171 14 181 24 152
5 192 15 198 25 148
6 139 16 120 26 137
7 140 17 142 27 116
8 164 18 145 28 173
9 177 19 120 29 162
10 149 20 198 30 101
La elaboración de una distribución de frecuencias se puede resumir en

los siguientes pasos:
1.- Calcular la amplitud o rango de los datos R = Xmayor – Xmenor= 198 –101=
97cms.
2.- Calcular el número de clases. Si usamos la fórmula de Sturges
K = 1 + 3.322log n =1+3.322 log 30= 5.9 = 6 clases
R 97
3.- Determinar el tamaño de clase c = = = 16.166 ≈ 16
k 6
4.- Determinar los intervalos de clase, estos deben cumplir la condición de que el
primer intervalo debe contener al primer elemento y el último al elemento mayor,
como los datos son enteros tomáremos un ∆ =1 que es el valor que separa una
clase de la otra, por lo tanto se le suma C- ∆ = 16-1 = 15 si iniciamos con el dato
menor:
19
Clase Límite Límite

inferior superior
1 101 116
2 117 132
3 133 148
4 149 164
5 165 180
6 181 196
7 197 212
Al construir la tabla con el tamaño de clase 16 fue necesario agregar una clase
más para que el dato mayor estuviera contenido. Otra alternativa seria hacer el
tamaño de clase más grande, por ejemplo 17 lo cual daría como resultado la tabla:
Clase Límite Límite
inferior superior
1 101 117
2 118 134
3 135 151
4 152 168
5 169 185
6 186 202
5.- Si usamos la segunda tabla, tenemos que determinar la frecuencia absoluta de

cada clase, esto consiste en contar el número de observaciones que pertenecen a
cada clase:
Clase Límite Límite Frecuencia
inferior superior absoluta
1 101 117 4
2 118 134 3
3 135 151 8
4 152 168 7
5 169 185 4
6 186 202 4
En general se debe redondear hacia arriba el tamaño de la clase.
Ejercicio propuesto
En equipos, determinar los límites de clase para elaborar una distribución de
frecuencias, usando la siguiente información:
a) n=150 Xmen=8.3 Xmay=15.2

b) n=200 Xmen=2.35 Xmay=2.65
20
ACTIVIDAD 9
MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN PARA DATOS

AGRUPADOS
OBJETIVO.- Calcular las medidas de tendencia central y de dispersión a partir de

una distribución de frecuencias.
En la actividad 8 se elaboró la siguiente distribución de frecuencias:

Clase Límite Límite Frecuencias
inferior superior Absolutas
1 101 117 4
2 118 134 3
3 135 151 8
4 152 168 7
5 169 185 4
6 186 202 4
La media aritmética, varianza y desviación típica se pueden calcular de

forma tabular. Para esto es necesario calcular las marcas de clase que se
obtienen como el valor medio de cada clase:
Li + Ls
xi =
2
La tabla para los cálculos es (completa la siguiente tabla):
Clase Límite Límite Frecuencias Marcas de

Inferior Superior Absolutas Clase
LI LS fi xi xi f i (xi − x )2 f i
1 101 117 4 109
2 118 134 3 126
3 135 151 8 143
4 152 168 7 160
5 169 185 4 177
6 186 202 4 194
Sumas
21
∑x f i i
Primero calculamos la media aritmética: x = i =1
=
n
Con este valor podemos completar la última columna y calcular la varianza:
6 _
∑ ( xi − x) 2 f i
sˆ 2 = i =1
=
n −1
La desviación estándar es la raíz cuadrada de la varianza:
6 _
∑ (x i − x) 2 f i
sˆ = i =1
=
n −1
Para calcular la moda y mediana se usan las siguientes fórmulas.
 ∆1 
Moda: xˆ = LRI m +  c
 ∆1 + ∆ 2 
Para aplicar esta fórmula es necesario primero determinar la clase modal,

que es aquella cuya frecuencia absoluta sea la mayor, en función de esta clase se
obtienen los datos de la fórmula:
∆
LRI m = limite real inferior de la clase modal = LI -
2
∆ 1 = Exceso de frecuencia de la clase modal con respecto a la anterior
∆ 2 = Exceso de frecuencia de la clase modal con respecto a la posterior
c = Tamaño de clase
Para este problema la clase modal es la número 3 puesto que su frecuencia

absoluta es la mayor, a partir de esta clase se calculan los demás datos:
LRI m = 135 - 0.5 = 134.5

∆1 = 8 − 3 = 5
∆2 = 8 − 7 = 1
c = 17
 5 
Sustituyendo en la fòrmula : xˆ = 134.5 +  17 = 134.5 + 14.16 = 148.66 cms.
 5 +1
 n − Fm 
Mediana: ~ x = LRI m +  2 c
 fm 
22
Para esta fórmula primero se debe encontrar la clase mediana, esta es la

clase cuya frecuencia acumulada sea mayor o igual a n/2.
∆
LRI m = Límite real inferior de la clase mediana LI -
2
n = Número total de datos
Fm = Frecuencia acumulada de la clase anterior a la clase mediana
f m = Frecuencia absoluta de la clase mediana
c = Tamaño de clase
Las frecuencias acumuladas se obtienen al sumar las frecuencias absolutas

de clase, como se muestra en la siguiente tabla:
Clase Límite Límite Frecuencias Frecuencias

inferior Superior Absolutas Absolutas
Acumuladas
1 101 117 4 4
2 118 134 3 7
3 135 151 8 15
4 152 168 7 22
5 169 185 4 26
6 186 202 4 30
Para la clase mediana se calcula la mitad de los datos, 30/2=15 se busca la
clase cuya frecuencia acumulada sea mayor o igual a este valor, la clase número
3 es la clase mediana puesto que su frecuencia acumulada es igual a 15, a partir
de esta clase se calculan los datos de la fórmula:
LRI m = 135 - 0.5 = 134.5

fm = 8
Fm = 7
c = 17
15 − 7 
Sustituyendo en la fórmula ~
x = 134.5 +  17 = 134.5 + 17 = 151.5
 8 
23
ACTIVIDAD 10
GRÁFICAS PARA DISTRIBUCIÓN DE FRECUENCIAS
OBJETIVO: Representar en diferentes formas gráficas una distribución de

frecuencias
Las distribuciones de frecuencias elaboradas en las actividades anteriores

se pueden representar por medio de diferentes gráficos, para la distribución de la
actividad 5, vamos a agregar las columnas de frecuencias acumuladas,
frecuencias absolutas relativas y frecuencias acumuladas relativas:
Clase Marcas Frecuencia Frecuencias Frecuencias Frecuencias

de Absolutas Acumuladas Relativas Acumuladas
clase Fi fi % Relativas
Fi %
1 4 1 1 3.33 3.33
2 5 4 5 13.33 16.66
3 6 5 10 16.67 33.33
4 7 6 16 20.00 53.33
5 8 7 23 23.33 76.66
6 9 5 28 16.67 93.33
7 10 2 30 6.67 100
Las frecuencias relativas se calculan dividiendo cada valor entre el número

total de datos.
Histograma de frecuencias.- Es un gráfico de barras en el cual, en el eje

horizontal se colocan las marcas de clase y en eje vertical las frecuencias
absolutas o relativas. En el caso de tener clases por intervalos, en el eje horizontal
se colocan los límites reales de clase.
Histograma calificaciones de
Pensamiento matemático
24
Gráfico circular o de pastel.- En este se divide el círculo en forma proporcional a

los frecuencias absolutas o relativas. Considerando como referencia que los
360 o del círculo corresponden al 100 %.
Polígono de frecuencias.- En este diagrama de línea se colocan las marcas de

clase en eje horizontal y las frecuencias absolutas o relativas en el eje vertical.
Polígono de frecuencias acumuladas (Ojiva positiva).- Es un gráfico de línea en

el cual se colocan las marcas de clase o los límites reales superiores en el eje
horizontal y las frecuencias acumuladas o relativas en el eje vertical.
25
ACTIVIDAD 11
GRÁFICAS DE DISTRIBUCIÓN DE FRECUENCIAS
OBJETIVO.- Elaborar los gráficos a partir de una distribución de frecuencias.
Para la distribución de frecuencias de la actividad 9, se elabora la siguiente

tabla:
Clase Limite Limite Frecuencia Limite Limite Marcas Frecuencias Frecuencias Frecuencias
Inferior Superior fi real real de acumuladas Relativas Relativas
LI LS inferior superior clase f(%) acum..F(%)
1 101 117 4
2 118 134 3
3 135 151 8
4 152 168 7
5 169 185 4
6 186 202 4
Con los valores obtenidos los gráficos correspondientes son.
HISTOGRAMA Y POLIGÓNO
Distribución de estaturas
CIRCULAR OJIVA
Distribución de las estaturas
26
ACTIVIDAD 12
COMPARACIÓN DE DISTRIBUCIONES DE FRECUENCIAS
OBJETIVO.- Utilizar las distribuciones de frecuencias y medidas de tendencia

central para analizar y comparar conjuntos de datos.
En un programa de autocontrol de peso se utilizaron dos métodos para

reducción de peso, dos grupos de 45 personas cada uno, se sometieron a cada
método. Después de 6 meses se determinó el peso perdido por cada persona
usando los diferentes métodos, la información se presenta en las siguientes
tablas:
30 15 18 23 6 15 8 12 18 28
12 12 23 25 13 23 16 20 17 21
17 17 28 18 16 19 17 17 28 13
27 10 19 13 15 20 7 14 8 15
25 18 21 14 27 18 10 8 11 16
9 18 12 25 25 15 30 28 22 10
16 9 8 21 17 18 20 21 18 18
15 12 10 20 16 29 23 14 14 25
12 15 8 17 19 24 19 15 11 21
Método 1 Método 2
Construya una distribución de frecuencias para cada método:
Método 1:
Método 2:
27
Calcule la media aritmética y desviación estándar de cada método.
Clase Limite Limite Frecuencia Limite real Limite real Marcas Frecuencia
Inferior
LI
Superior
LS
Absoluta inferior
LRI
superior
LRS
de clase xi f i (xi − x ) 2
fi Acumulada
fi xi Fi
Total
Método 2
Clase Limite Limite Frecuencia Limite real Limite real Marcas Frecuencia
Inferior
LI
Superior
LS
Absoluta inferior
LRI
superior
LRS
de clase xi f i (xi − x )2 f i Acumulada
fi xi Fi
Total
28
Una Medida de dispersión muy utilizada para comparar dos conjuntos de

datos es el Coeficiente de Variación, el cual se calcula dividiendo la desviación
estándar entre la media aritmética:
sˆ
CV = x 100%
x
Esta cantidad mide el grado de dispersión de los datos comparada con la

media aritmética. Calcula el coeficiente de variación de cada conjunto de datos:
sˆ sˆ
CV1 = x 100% = CV2 = x 100% =
x x
¿A qué conclusión puedes llegar, a partir de los resultados obtenidos?
Una forma de comparar conjuntos de datos es usando el gráfico de caja y

bigotes, los bigotes corresponden a los datos mayor y menor de cada método. Los
extremos de las cajas corresponden a los cuartiles 1 y 3, y la línea en medio de la
caja es la mediana o el cuartil 2.
Grafico obtenido con Statgraphics
Para calcular los cuartiles se usan las fórmulas:

 i4n − FQ 
Qi = LRI Q +   c donde i = 1,2,3 la fórmula se usa igual que para la
 f Q 
mediana.
 n − FQ 
Q1 = LRI Q +  4 c =
 f Q 
 34n − FQ 
Q3 = LRI Q +  c =
 f Q 
Los gráficos muestran que la reducción de peso de los dos métodos es igual,
este tipo de comparaciones se hacen en estadística Inferencial, usando
procedimientos probabilísticos.
29
ACTIVIDAD 13
SESGO Y CURTOSIS
OBJETIVO.- Calcular el sesgo y curtosis de una distribución de frecuencias, para

determinar si se aproxima a la Distribución Normal.
Existen dos medidas importantes en la estadística, el sesgo mide como se

distribuyen los datos en torno de la media aritmética y la curtosis mide el grado de
apuntalamiento de los datos. Estas medidas son importantes para determinar si la
distribución de frecuencias se aproxima a la distribución normal, la cual es la base
de la inferencia Estadística.
La distribución normal es una distribución teórica generada por una función
matemática, tiene una forma de campana la cual es simétrica con respecto a la
media aritmética (Pág. 95). El coeficiente de sesgo y curtosis de la distribución
normal son cero, para calcular estos coeficientes se usan las formulas:
1 k
∑
n i =1
( xi − x ) 3 f i
Coeficiente de sesgo o asimetría g1 = 3
1 k  2
 n ∑ ( xi − x ) f i 
2
 i =1 
1 k
∑ ( xi − x ) 4 f i
n i =1
Coeficiente de curtosis g2 = 2
−3
1 k 
 n ∑ ( xi − x ) f i 
2
 i =1 
Se considera que una distribución de frecuencias se aproxima a la distribución
normal si g1 ≤ 0.5 y g 2 ≤ 0.5
Coeficiente de sesgo y curtosis de la distribución de frecuencias de la actividad 11

Límite Límite Frecuencias Marcas
Clase Inferior Superior Absolutas de xi f i (xi − x )2 f i (xi − x )3 fi (xi − x )4 fi
LI LS fi Clase
xi
1 101 117 4 109
2 118 134 3 126
3 135 151 8 143
4 152 168 7 160
5 169 185 4 177
6 186 202 4 194
Sumas
Valor de g1 = Valor de g 2 =
¿De acuerdo a los resultados se puede decir que la distribución se aproxima a la

normal?
30
ACTIVIDAD 14
USO DE SOFTWARE
OBJETIVO.- Utilizar software para analizar conjuntos de datos.
Algunos softwares Estadísticos permiten construir una distribución de

frecuencias de un conjunto de datos, solo se deben introducir los datos y generar
la distribución de frecuencias, usando el STATGRAPHCS, se obtiene la
distribución de las estaturas siguiente:
Se observa que para el tamaño de clase se toma el valor sin redondearlo y se

construyen intervalos abiertos.
Otro software muy utilizado es el Macstat, la tabla obtenida es la siguiente:
MacStat - Estadística descriptiva

Análisis de:
Datos Media Desviación estándar (s) Varianza (s²)
30 150.0389 25.0213 626.0650
Dato mínimo Dato máximo Rango Coeficiente V.
101.0000 198.0000 97.0000 16.6765
Moda Mediana Asimetría
144.6500 149.5000 +0.2154
CLASES LRI LRS Marca De Clase Frec. Frec. R. Frec. A. Frec. R. A.
1 [101.0000 117.1667) 109.0833 4 13.333 % 4 13.333 %
2 [117.1667 133.3333) 125.2500 3 10.000 % 7 23.333 %
* 3 [133.3333 149.5000) 141.4167 8 26.667 % 15 50.000 %
4 [149.5000 165.6667) 157.5833 7 23.333 % 22 73.333 %
5 [165.6667 181.8333) 173.7500 4 13.333 % 26 86.667 %
6 [181.8333 198.0000] 189.9167 4 13.333 % 30 100.000 %
* Intervalo(s) modal(es)
31
EJERCICIOS COMPLEMENTARIOS
1.- Define cada uno de los siguientes términos:

a) Estadística.
b) Estadística descriptiva.
c) Inferencia estadística.
d) Población.
e) Muestra.
f) Distribución de frecuencias.
2.- Menciona 5 ejemplos donde se use la estadística para la toma de decisiones.
3.- Que nos indican las medidas de tendencia central y de dispersión.
4.- Cuales son las ventajas y desventajas de agrupar un conjunto de datos en una
distribución de frecuencias.
5.- En que caso se recomienda el uso de los gráficos de barras, líneas y circular.
6.- Si un conjunto de datos tiene una desviación estándar mayor que otro conjunto
de datos, ¿Qué significa esto?.
7.- En que casos se recomienda agrupar un conjunto de datos en una distribución

de frecuencias.
8.- Menciona ejemplos de variables estadísticas, numéricas continuas y discretas,

categóricas nominales y ordinales (5 ejemplos de cada una diferentes a las de las
notas).
RESUELVE LOS SIGUIENTES PROBLEMAS
1.- Las calificaciones obtenidas por un grupo de 15 alumnos se dan a

continuación: 8,7,9,8,7,6,5,8,4,9,8,7,6,8,7 .Calcule la media aritmética, mediana,
moda , desviación estándar y coeficiente de variación de los datos.
2.- El número de emergencias que llegan a un hospital diariamente durante un

periodo de 40 días se muestra a continuación:
5,8,4,6,9,8,7,10,12,6,8,2,4,9,8,5,10,8,5,4,7,6,11,5,8,7,6,3,4,3,5,8,9,5,4,7,8,7,8,7
a) Elabore una distribución de frecuencias de los datos.

b) Calcule las medidas de tendencia central.
c) Calcule la desviación estándar.
d) Calcule el coeficiente de variación.
e) Calcule los coeficientes de sesgo y curtosis
f) Dibuje los gráficos de barras, circular de los datos, ojiva.
32
3.- Una compañía desea saber si un nuevo sistema de producción ha mejorado

significativamente la calidad de los productos que elabora, el proceso anterior
presentaba un promedio de 15 productos defectuosos por lote de producción, se
ha decidido investigar 50 lotes producidos con el nuevo proceso de producción, el
numero de defectos encontrados son:
8,10,14,18,15,5,4,8,7,11,9,12,10,11,8,9,4,5,6,7,11,8,9,6,5,4,16,8,6,5,6,7,8,4,9,11,8
,9,5,6,8,7,9,4,5,7,9,8,11,5.
a) Elabore una distribución de frecuencias de los datos, use la fórmula de

Sturges
b) Calcula la media aritmética y desviación estándar
c) Calcula es sesgo y curtosis ¿La distribución se aproxima a la
distribución normal ?
d) Con la información obtenida, ¿se puede decir que el nuevo proceso es
mejor que el anterior?
e) ¿Qué consideraciones se deben hacer al tomar esta decisión?
4.- La empresa Cúspide S.A. se dedica a enlatar conservas, el peso promedio de

estas es de 150 gr. el encargado de control de producción piensa que el peso de
las latas se ha salido de control, hay indicios que este es mayor de 150 gr. para
verificar lo anterior se tomaron 50 latas y se les midió el peso, obteniéndose los
siguientes datos:
158.3, 160.2, 150.1, 153.8, 161.4, 145.8, 156.2, 153.1, 155.6, 156.4
149.2, 146.3, 158.4, 155.2, 145.3, 156.1, 147.8, 149.5, 154.2, 155.3
152.3, 156.2, 153.2, 154.3, 146.2, 154.1, 150.2, 154.2, 153.1, 151.3
152.1, 156.3, 149.2, 152.6, 148.2, 150.3, 149.2, 149.6, 153.4, 148.3
153.2, 149.5, 154.2, 152.1, 153.4, 152.4, 151.8, 156.2, 152.4, 150.2
a) Elabore una distribución de frecuencias, use la fórmula de Sturges

b) Calcule la media aritmética, mediana y moda
c) Calcule la desviación estándar y el coeficiente de variación
d) Calcule el coeficiente de sesgo y el de curtosis
e) ¿La distribución se aproxima a la normalidad?
f) Dibuje un histograma, diagrama circular, ojiva, diagrama de caja y
bigotes
g) ¿Se puede decir que el peso promedio es mayor de 150 gr?
33
5.- Una muestra de 100 mediciones del diámetro de una pieza arrojó la siguiente
distribución de frecuencias.
Clase LI LS f
1 6.10 6.14 10
2 6.15 6.19 25
3 6.20 6.24 35
4 6.25 6.29 15
5 6.30 6.34 10
6 6.35 6.39 5
a) Calcule las medidas de tendencia central.Calcule la desviación estándar

y el coeficiente de variación.
b) Calcule el coeficiente de sesgo y curtosis
c) Dibuje un histograma, ojiva y grafico circular.
6.- Usando el criterio de Sturges para el número de clases, establezca los límites
de clase y limites reales adecuados para elaborar una distribución de frecuencias.
a) n=120 Xmen=5.5 Xmay=12.3

b) n=250 Xmen=0.35 Xmay=0.65
34
CAPÍTULO II
PROBABILIDAD
Competencias específicas a desarrollar en este Capítulo:
Definir Probabilidad.
Conceptualizar todo lo referente a la Teoría de las Probabilidades.
Construir el espacio muestral que corresponda a cada experimento aleatorio.
Establecer la diferencia entre los tipos de eventos aleatorios.
Manejar y aplicar las diferentes operaciones con conjuntos.
Representar por medio de Diagramas de Venn-Euler las operaciones con conjuntos.
Aplicar los diferentes enfoques con que se maneja la Estadística.
Conocer y manejar las Técnicas de Conteo más adecuadas a cada caso.

Calcular la probabilidad de diferentes tipos de eventos presentes en las aplicaciones
prácticas.
Interpretar resultados obtenidos para la toma de decisiones
35
ACTIVIDAD 15
INTRODUCCIÓN A LA TEORIA DE PROBABILIDADES
OBJETIVO.- Conocer los conceptos básicos de la Teoría de Probabilidades
La Probabilidad nace como una necesidad del estudio de fenómenos

aleatorios, que se presentan muy comúnmente en las ciencias y la sociedad. En
1654 el caballero de Mére, jugador y matemático aficionado propuso a Blas Pascal
un problema relativo a las oportunidades de ganar en un juego de dados. Pascal
comunicó el problema a Fermat y de la correspondencia entre ambos surgió lo que
después ha llegado a ser la moderna teoría de probabilidades. De esta forma el
sencillo problema de un jugador originó la poderosa técnica que constituye los
fundamentos de la estadística matemática, y a través de esta de gran parte de las
matemáticas de la economía y de la industria.
Laplace, eminente matemático francés de fines del siglo XVIII y principios
del siglo XIX, describió en una ocasión la teoría de probabilidades como “ el
sentido común reducido a cálculo”. La siguiente anécdota se relaciona con lo
anterior:
Dos estudiantes están tratando de decidir cómo pasar la tarde. Finalmente
convienen en dejar que sea una moneda la que decida. Si sale figura van al cine;
si es escudo van a una cervecería y si la moneda cae de canto estudiarán.
Este cuento no es trivial puesto que se puede aprender mucho de él. El
sentido común, basándonos en la experiencia, nos dice que los muchachos no se
dedicarán a estudiar. Es decir que intuitivamente sabemos que la moneda no
caerá de canto, además sabemos que si la moneda es buena la posibilidad de que
caiga escudo o cara es la misma. Pero hay que tener cuidado en el manejo de las
probabilidades, puesto que nos pueden llevar a resultados incorrectos.
Con relación a lo anterior empezaremos dando una definición de un

experimento aleatorio, el cual es una situación que se puede repetir una infinidad
de veces (teóricamente) y cuyos resultados son determinados por el azar, por
ejemplo:
Experimento A: Observar el número que sale en la cara superior al lanzar
un dado.
Experimento B: Observar el tiempo que pierde una persona esperando el

autobús.
En todos los experimentos, tiene que pasar algo y se ha de observar algún

hecho, algún proceso o sistema en funcionamiento, y hay que observar una parte
de él. La cosa hecha o la parte observada junto con la observación que se saca,
es el experimento. La observación misma es un resultado del experimento. Se
dice que un experimento es aleatorio, si no se puede predecir el resultado antes
de llevarlo a cabo, también es necesario que se pueda repetir una infinidad de
veces (cuando menos en teoría, aunque la repetición no sea practicable) bajo las
mismas condiciones.
36
Aunque los resultados de los experimentos aleatorios son determinados por

el azar, estos pueden diferir de tal modo que exista una regularidad, por lo que se
puede calcular un número que nos indique la posibilidad de que ocurra algún
resultado o combinación de resultados, a este número se la conoce como
Probabilidad.
Al construir un modelo matemático de un experimento aleatorio, debemos

considerar, las formas de describir:
a) Todos los casos posibles.
b) Los sucesos posibles o de interés.
c) La probabilidad de los sucesos.
Un suceso o evento es cualquier situación que se pueda presentar durante

un experimento aleatorio, en la construcción de los modelos se deben establecer
las reglas para combinar posibles sucesos y calcular sus posibles probabilidades.
Después de obtener un modelo abstracto, podemos estudiarlo en el papel y
conseguir conocimientos muy valiosos sobre el funcionamiento del proceso. Hay
que tener siempre presente, que los conceptos matemáticos usados son
idealizaciones de algunos aspectos de la situación estudiada, por lo que los
resultados obtenidos pueden que no concuerden con la realidad, para estar
seguro de los resultados, hay que experimentar y comparar los resultados con los
de nuestro modelo
Realiza una investigación bibliográfica y responde las siguientes preguntas:
1.- ¿Qué es un experimento aleatorio?
2.- Menciona ejemplos de experimentos aleatorios.
37
3.- ¿Qué es un experimento determinístico y menciona ejemplos?
4.- ¿Qué es la probabilidad?
5.- ¿Qué es un evento aleatorio?
6.- ¿Cómo se validan los resultados arrojados por un modelo probabilístico?
7.-¿Qué aportaciones hacen la Teoría de la Probabilidad y los modelos

Probabilísticos en tú desarrollo profesional?
38
ACTIVIDAD 16
ESPACIOS MUESTRALES
OBJETIVO.- Determinar el espacio muestral de diferentes experimentos

aleatorios.
Antes de empezar el cálculo de probabilidades es necesario poder describir

los posibles resultados de un experimento aleatorio, la manera más conveniente
de hacer esto es por medio de la teoría de conjuntos. Cuando se realiza un
experimento aleatorio, pueden ocurrir un número finito o infinito de posibles
resultados, al conjunto de todos los posibles resultados del experimento aleatorio
se le llama Espacio muestral. Para representarlo se usará el símbolo S, el cual
significa el espacio muestral de un experimento, algunos ejemplos:
a) Experimento A: Observar el resultado de la cara superior al lanzar un dado
S= {1,2, 3,4,5,6}
b) Experimento B: Observar el resultado al lanzar una moneda
S= {A, L}
c) Experimento C: Medir el tiempo que espera una persona para tomar el autobús.
S= {t / 0 ≤ t ≤ 15 } donde t esta en minutos.
Encuentre los elementos de un espacio muestral adecuado para cada uno

de los siguientes experimentos:
1.- Observar el sexo de niños recién nacidos
2.- Determinar el número de botellas defectuosas en cajas de una docena

entregadas a una tienda
3.- Observar la posición (distancia al centro) de una bala disparada sobre

un blanco cuyo radio es 10 cm.
4.- Observar el número de caras que salen al lanzar dos monedas sobre
una mesa.
39
5.- Contar el número de accidentes que ocurren en una carretera de una

ciudad durante una semana.
6.- Determinar el tiempo que tarda un cliente en ser atendido en un banco
Al describir los espacios muéstrales, estos pueden ser discretos cuando los
posibles resultados son numerables, en la mayoría de los casos podemos
asignarles números enteros, por ejemplo el espacio muestral del experimento A,
tiene 6 elementos, estos se pueden contar, luego es discreto. En el caso del
experimento C, el tiempo de espera de la persona se encuentra entra 0 y 15
minutos, como este es un intervalo real de tiempo, no se pueden enumerar los
posibles resultados, por lo tanto es continuo.
De los espacios muéstrales del ejercicio anterior, mencione cuales son

discretos y cuales son continuos.
1.- Observar el sexo del nacimiento de tres recién nacidos en un hospital
2.- Determinar el número de botellas defectuosas en cajas de una docena

entregadas a una tienda
3.- Observar la posición (distancia al centro) de una bala disparada sobre

un blanco cuyo radio es de 10 cm.
4.- Observar el número de caras que salen al lanzar dos monedas sobre
una mesa.
5.- Contar el número de accidentes que ocurren en una carretera de una

ciudad durante una semana.
6.- Determinar el tiempo que tarda un alumno en resolver un examen de

estadística.
Supongamos ahora el experimento D: Tirar una moneda al aire repetidas

veces hasta que salga águila A y contar el número de tiradas.
S={1,2,3,4,5,...} Aunque el espacio muestral tiene un número infinito de

elementos es numerable, entonces es discreto.
40
Muchas veces se puede dividir un experimento en una secuencia de

experimentos independientes más sencillos o ensayos, se puede decir que una
sucesión así constituye un experimento compuesto. Por ejemplo:
Experimento: Tirar una moneda al aire y después lanzar un dado
El experimento anterior se puede dividir en dos ensayos independientes,

que son los posibles resultados de la moneda y los posibles resultados del dado,
entonces los posibles resultados del experimento compuesto estarán formados por
pares ordenados, donde el primer elemento son los resultados de la moneda y el
segundo los resultados del dado:
Espacio muestral da la moneda S1={ A , L}

Espacio muestral del dado S2={1,2,3,4,5,6}
Espacio muestral del evento compuesto
S={(A,1),(A,2),(A,3),(A,4), (A,5),(A,6),(L,1),(L,2),(L,3),(L,4),(L,5),(L,6)}
El espacio muestral resultante tiene 12 elementos, una consideración hecha

es que los ensayos son independientes, es decir, que el resultado del primero no
afecta los resultados de los siguientes. Una forma de especificar este tipo de
espacios muestrales es por medio del producto cartesiano: Sean S1 , S2, S3, ..., Sn
, espacios muéstrales de ensayos independientes que forman el experimento
cuyo espacio muestral es S, los elementos de S estarán formados por las eneadas
Escriba los espacios muéstrales de los siguientes experimentos:
a) Observar el sexo de dos nacimientos de niños en un hospital.
b) Observar el resultado de tres monedas que se tiran sobre una mesa.
c) Observar los posibles resultados de dos dados que se tiran sobre una
mesa.
Al desarrollar el modelo probabilístico de un experimento aleatorio, el primer

paso es la descripción del espacio muestral. Cualquier pregunta que deba
hacerse, se debe responder en términos del espacio muestra.
41
ACTIVIDAD 17
EVENTOS ALEATORIOS
OBJETIVO.- Determinar sucesos a partir de diferentes experimentos aleatorios.
Al efectuar un experimento aleatorio, a cada posible resultado o

combinación de estos, se le conoce como sucesos o eventos aleatorios. Una
definición más precisa de un evento y la ocurrencia del mismo se da a
continuación:
a) Cualquier subconjunto de un espacio muestra es un suceso
b) Se dice que ha ocurrido un suceso E si el resultado del experimento es

un punto o puntos que pertenecen a E.
Para comprender el significado de las definiciones anteriores, se realiza el

siguiente ejercicio:
Experimento: Tirar un dado y observar el resultado de la cara superior
Espacio muestral: S={1,2,3,4,5,6}
A continuación se mencionan algunos eventos obtenidos del experimento:
EVENTO ELEMENTOS N° DE ELEMENTOS
E1= El resultado es el número 5 E1={5} n(E1)= 1

E2= El resultado es par E2={2,4,6} n(E2)= 3
E3= El resultado es menor que 5 E3={1,2,3,4} n(E3)=4
E4= El resultado sea menor o igual a 6 E4={1,2,3,4,5,6} n(E4)=6
E5= El resultado sea negativo E5={ } n(E5)=0
Los sucesos anteriores se pueden clasificar de acuerdo a características

especiales que presenten:
a) Eventos elementales.- Contienen un solo elemento del espacio

muestral, ejemplo E1
b) Eventos con incertidumbre.- Son aquellos que no se tiene la seguridad

de su ocurrencia, ejemplos E1, E2, E3.
c) Eventos imposibles.- No contiene elementos del espacio muestra ,

ejemplo E5
42
d) Eventos seguro.- Contiene todos los elementos del espacio muestra,

ejemplo E4
En los sucesos donde hay incertidumbre, no se puede conocer el resultado

hasta que se lleve a cabo el experimento. Aparece aquí la necesidad de tener una
teoría de probabilidades que permita calcular el grado de incertidumbre de los
sucesos, es decir contar con una escala para medir dicha incertidumbre.
EJERCICIOS
1.- Proponga 3 experimentos aleatorios, determine su espacio muestra y
mencione 3 eventos para cada experimento.
2.- Sea un experimento, con un espacio muestra S={a,b,c,d,}, determine todos los
eventos posibles en este espacio muestra.
3.- En espacio muestral continuo, ¿Es posible determinar el número de posibles

resultados para un suceso definido bajo dicho espacio?. Justifique su respuesta
43
4.- De un ejemplo de un experimento aleatorio cuyo espacio muestra sea continuo,

defina 3 sucesos sobre dicho espacio.
5.- Investigue los siguientes términos:
a) Eventos complementarios
b) Eventos Mutuamente excluyentes
44
ACTIVIDAD 18
EVENTOS MUTUAMENTE EXCLUYENTES Y EVENTOS COMPLEMENTARIOS
OBJETIVO.- Identificar los eventos mutuamente excluyentes y complementarios

en diferentes situaciones
Hay dos clases de eventos muy importantes para el desarrollo de la teoría

de probabilidades, los sucesos complementarios los cuales tienen la característica
de que siempre que ocurre uno no puede ocurrir el otro, además al realizar el
experimento debe ocurrir necesariamente uno de los dos, por ejemplo los eventos:
E1= El resultado es par al lanzar un dado={2,4,6}
E 2 = El resultado es impar al lanzar un dado={1,3,5}
Al realizar el experimento es evidente que tiene que ocurrir alguno de los

dos, puesto que entre ambos contienen todos los elementos del espacio muestral.
Los sucesos Mutuamente excluyentes son aquellos que no tienen

elementos en común, es decir, no pueden ocurrir al mismo tiempo, los sucesos E1
y E2 son mutuamente excluyentes. Una forma muy conveniente para representar
el espacio muestral y los sucesos es por medio de los diagramas de Venn-Euler y
el uso de la notación de conjuntos.
E F
Sucesos mutuamente excluyentes
Ahora podemos tratar combinaciones de sucesos, para esto se usará la

notación de conjuntos:
a) Evento unión: Ocurre al menos uno de los eventos E o F ≡ E ∪ F
b) Evento intersección: Ocurren los eventos E y F ≡ E ∩ F (en la teoría de

probabilidades se omite el símbolo de intersección EF ≡ E ∩ F
c) Evento diferencia: Ocurre E pero no F ≡ E - F o EF'
d) Evento complemento: No ocurre el evento E ≡ E’
45
Ejemplo: En una escuela hay 200 alumnos, de los cuales 100 practican
fútbol, 120 practican béisbol y 50 practican ambos deportes, si se toma un alumno
al azar, determine los resultados favorables a cada uno de los siguientes eventos:
a) El alumno practique los dos deportes a la vez.

b) Practique fútbol pero no-béisbol.
c) Practique al menos uno de los deportes.
d) No practique deporte.
Para resolver este problema podemos auxiliarnos de los diagramas de

Venn-Euler, el número de elementos del espacio muestral es n(S)=200, sea F el
conjunto de los alumnos que practican fútbol y B los que practican béisbol,
entonces n(F)= 100 y n (B)=120, los que practican ambos deportes n(FB)= 50, se
observa que los conjuntos B y F no son mutuamente excluyentes, puesto que
tienen elementos en común:
F F∩B B
a) Los resultados favorables del evento son el número de estudiantes que

practican los dos deportes, en el diagrama de Venn-Euler es la intersección,
n(FB)=50
b) Para el evento que el alumno practique fútbol pero no-béisbol, los

resultados favorables es el número de elementos de la diferencia entre F y B:
n(F-B)= n(F)-n(F ∩ B)=100 - 50=50
Completa los cálculos:
c) Al menos un deporte significa que practiquen béisbol, fútbol o ambos, es

decir el suceso unión n(F U B)=n(F)+n(B)-n(F ∩ B)=
d) Que no practique deporte son los elementos que quedan fuera de la

unión, los cuales corresponden al complemento de la misma:
n(F U B)’=n(S)-n(F U B)=
46
Resolver el siguiente problema: Una encuesta realizada a 500 personas

sobre las preferencias a dos productos de limpieza arrojó los siguientes
resultados:
200 personas usan el producto A
350 personas usan el producto B
150 personas usan ambos productos
Determinar:
a) El número de personas que usan solamente el producto A.
b) El número de personas que usan al menos uno de los productos.
c) No usan algún producto.
47
ACTIVIDAD 19
ENFOQUE FECUENCIAL DE LA PROBABILIDAD
OBJETIVO.-Calcular la probabilidad de un suceso usando el enfoque frecuencial .
La tercera etapa del desarrollo de un modelo probabilístico es el cálculo de

la probabilidad de los sucesos y combinación de los mismos, este paso es el más
complicado puesto que hay que trasladar a la vida real el modelo, para ello se
necesita la reflexión, intuición y experiencia. Antes de este siglo se usaban dos
formas de calcular probabilidades en términos de conceptos empíricos, el
enfoque frecuencial y el enfoque clásico, ahora se reconoce que estos modelos
no son suficientes, pero se pueden usar para asignar probabilidades a los modelos
axiomáticos.
Si se estudia un suceso particular E de un experimento aleatorio, la

probabilidad P(E) que hay que asignar al evento se puede obtener de la siguiente
manera:
Se realiza el experimento un gran número de veces N y se cuenta el

número de veces que ocurre el suceso E, representado por h, entonces la razón
h/N llamada frecuencia relativa, se puede usar para estimar la probabilidad P(E).
La validez de este sistema ésta basado en la hipótesis de que existe un

número llamado P(E) al cual tiende el cociente h/N calculado a partir de los
distintos conjuntos de N ensayos del experimento. Matemáticamente esto se
simboliza:
h
P( E ) = Lim
N
N →∞
Aunque es imposible aceptar que la hipótesis es verdadera, la experiencia

muestra que se puede aceptar razonablemente. De hecho, en la mayoría de las
aplicaciones de la teoría de la probabilidad a situaciones de vida diaria se usa este
enfoque, por ejemplo:
a) En cierta región de la República Mexicana se ha observado que en un

periodo de 30 años, se han presentado 4 ciclones en 10 de los 30 años, por lo
tanto la probabilidad de que en el siguiente año se presenten 4 ciclones es
10/30=0.3333=33.33%
b) Un nuevo medicamento se ha probado en 500 personas que tenían un

mismo padecimiento, encontrándose que en 450 se tuvieron resultados
favorables, por lo tanto la eficacia del medicamento es:
P(E)=
48
Realizar los siguientes experimentos y calcular la probabilidad de que

ocurra de acuerdo al enfoque frecuencial:
1.- Lanzar una moneda diferente número de veces, por ejemplo 10, 20,
30,... y calcular las frecuencias relativas del suceso que el resultado sea cara y
hacer notar que las frecuencias relativas se encuentran entre 0 y 1.
Número de 10 20 50
lanzamientos
Número de caras
Probabilidad
P(E)= P(E)= P(E)=
2.- Investigue en periódicos, revistas, etc. 5 ejemplos donde se utilice el

enfoque frecuencial para calcular probabilidades.
3.- Realizar el siguiente experimento diferentes número de veces: Lanzar

dos dados sobre una mesa, calcule la probabilidad de que la suma de los puntos
de los dados sea 7 usando el enfoque frecuencial.
Número de 10 20 50
lanzamientos
Número de veces
que la suma es 7
Probabilidad
P(E)= P(E)= P(E)=
49
ACTIVIDAD 20
ENFOQUE CLASICO DE LA PROBABILIDAD
COMPETENCIA.-Calcular la probabilidad de un evento usando el enfoque clásico.
En muchas aplicaciones de la teoría de probabilidades se puede describir el

espacio muestral como un conjunto finito de casos que se estiman igualmente
probables. Si sabemos que cada uno de los n casos posibles de S tienen la misma
posibilidad de ocurrir, entonces cada uno tendrá la probabilidad de ocurrir 1/n, a
esto se le conoce como la función de probabilidad de Laplace, filósofo y
matemático, cuyo libro Théorie analytique des probabilités (1812) sentó las
bases para establecer la teoría de probabilidades como disciplina matemática.
De lo anterior podemos concluir que si un experimento tiene un espacio

muestral discreto y finito S, con un número de posibles resultados N y un suceso E
tiene h resultados favorables, entonces la probabilidad de ocurrencia del suceso
es:
n( E ) h
P( E ) = =
n( S ) N
De acuerdo a este enfoque el cálculo de probabilidades se reduce a
determinar el número los posibles resultados de E y S.
Ejemplos:
a) Se tira un dado, encuentre la probabilidad de que el resultado sea par:
Espacio muestral S= {1,2,3,4,5,6} suceso E={2,4,6}
n( E ) 3
P( E ) = = = 0.5 = 50%
n( S ) 6
b) Se tiran dos dados, hallar la probabilidad de que la suma de los puntos
sea 7.
Determina el espacio muestral S=
Determine los elementos del Suceso T=
Calcule la probabilidad de suceso:

n(T )
P(T ) =
=
n( S )
c) Se tiran dos monedas al aire, calcular la probabilidad de que aparezca
una cara.
Espacio muestral S={(C,C),(C,A),(A,C),(A,A)} Evento R={(C,A),(A,C)}
n( R )
P( R ) = =
n( S )
50
CASOS DE ESTUDIO
1.- Una caja contiene 5 esferas rojas, 4 azules y 2 blancas, se saca una al
azar, calcule la probabilidad de los siguientes sucesos:
a) La esfera sea roja.

b) La esfera sea azul o blanca.
c) La esfera sea verde.
2.- En una caja hay 5 esferas con los números 1,2,3,4,5 se toman dos
esferas al mismo tiempo:
a) Determine el espacio muestra del experimento (coloque los números en
los ejes y forme los pares ordenados)
b) Calcule la probabilidad de que los dos números sean pares.
c) Calcule la probabilidad de que la suma de los puntos sea par.
3.- En un recipiente hay 6 productos de los cuales 2 son defectuosos, se

seleccionan 2 productos al mismo tiempo al azar:
a) Determine el espacio muestra del experimento
b)Calcule la probabilidad de que uno de estos sea defectuoso
c) Calcule la probabilidad de que los dos sean defectuosos
(Sugerencia: Numere los defectuosos como D1, D2 y los no defectuosos como D’1,
D’2, D’3, D’4 y construye el espacio muestra de forma análoga al ejercicio 2)
51
ACTIVIDAD 21
PROBABILIDAD USANDO TEORIA DE CONJUNTOS
OBJETIVO.-Calcular la probabilidad de un suceso usando la teoría de conjuntos.
En una encuesta realizada a una muestra de 300 personas se obtuvieron los

siguientes resultados:
200 personas toman refresco de cola, 180 personas toman refresco de

sabor y 100 personas toman refresco de cola y de sabor
Calcule la probabilidad de que una persona tomada al azar:
a) Tome refresco de sabor.

b) Tome refresco de cola pero no de sabor.
c) Tome al menos uno de los dos refrescos.
d) No tome refresco de cola.
e) No tome refresco.
En este caso el espacio muestra tiene 300 elementos, no es posible hacer

una descripción de los elementos n(S)=300, llamemos a los que toman refresco de
cola como C y a los que toman refresco de sabor como R, por lo tanto sus
elementos correspondientes son n(C)=200 y n(R)=180, además n(CR)=100, lo
cual queda representado en el diagrama siguiente:
C C∩ R R
Calcule la probabilidad:
n( R )
a) P( R) = =
n( S )
b) P (C − R ) = P (C ) − P (C ∩ R )
c) P(C U R) = P (C ) + P( R) − P(C ∩ R)
c) P(C ' ) = 1 − P(C )
d) P(C U R) ' = 1 − P(C U R)
52
La solución de este problema ha generado una serie de expresiones

generales o fórmulas que nos permiten calcular probabilidades de algunos tipos de
eventos:
P(C U R) = P (C ) + P( R ) − P (CR) Si C y R no son mutuamente excluyentes, pero en el

caso de que si lo sean P(CR) = 0, entonces :
P(C U R) = P (C ) + P( R )
P(C − R) = P(C ) − P(CR ) Probababilidad de un suceso diferencia
P(C ) = 1 − P (C )
'
Probabilidad de que no ocurra un suceso (suceso complemento)
La validez de las expresiones anteriores se puede demostrar usando los

axiomas de la probabilidad.
1.- Mediante una encuesta se preguntó a 500 personas su preferencia por

dos periódicos de la localidad, obteniendo los siguientes resultados: 250 leen El
Sol, 300 leen El Debate y 100 leen ambos periódicos, si se toma una persona al
azar, calcule la probabilidad de los siguientes sucesos:
a) Que lea solamente el sol. b) Que no lea el periódico.
2.- Una empresa a determinado que la probabilidad de que una persona

conozca sus productos por la radio es del 35%, por la TV es del 55%, y por ambos
medios es del 15%, calcule he interprete los que se te pide:
a) P(R - T)
b) P(T - R) =
c) P(T ∪ R) =
d) P(T'∩R' ) =
53
ACTIVIDAD 22
TÉCNICAS DE CONTEO
OBJETIVO.- Utilizar las técnicas de conteo para determinar el número de

elementos de un espacio muestra o suceso.
Como se ha visto en la sección anterior, el cálculo de probabilidades se

reduce a contar el número de posibles resultados del espacio muestra y de los
sucesos. En muchos casos a resolver es posible encontrar los posibles resultados
sin hacer la lista de los elementos o sin describir los conjuntos S y E.
DIAGRAMA DE ÁRBOL
Es un esquema que se usa como herramienta para determinar las

diferentes formas en que se puede llevar a cabo un experimento o suceso, por
ejemplo: supóngase que se lanzan tres monedas sobre una mesa, como se
mencionó anteriormente este experimento lo podemos describir por medio de tres
experimentos más simples, que son los resultados de cada moneda, entonces
dado el resultado de cada moneda podemos considerar los resultados de las
siguientes formando una ramificación, como se muestra en la figura:
A A,A,A
A
L A,A,L
A
A A,L,A
L
L A,L,L
A L,A,A
A
L L,A,L
L
A L,L,A
L
L L,L,L
El espacio muestral tiene 8 elementos, aunque aquí aun se describen los

elementos, es una forma más ordenada de obtener los resultados, además nos
permite obtener un principio básico para las técnicas de conteo, obsérvese que los
posibles resultados de los experimentos simples son 2 para cada uno y el
resultado del espacio muestra total es 2x2x2=8, a este principio se le llama
Principio Multiplicativo.
54
El diagrama de árbol es adecuado cuando el número de posibilidades es

pequeño. El siguiente ejemplo muestra como se usa este principio, el cual es
adecuado cuando el número de posibles resultados es demasiado grande:
Un estudiante desea hacer una clave de acceso para un sistema de
computadora, para esto solo puede usar los números de 1 al 9, si la clave debe
tener 4 números, de cuantas formas diferentes la puede hacer si:
a) Se permite repetir los números
b) No se permiten repetir los números
Solución: Como la clave debe tener 4 números, podemos considerar las

posibilidades para cada posición, si se permite repetir, coloca los posibles
números que se pueden colocar en cada posición:
Posición 1a 2da 3ra 4ta
Posibilidades___ ___ ___ ____
El total de posibles números se obtiene multiplicando las posibilidades =
Si no se permite la repetición, la cantidad de números que se pueden

colocar después de la primera disminuye en uno, puesto que el número ya
asignado no se puede colocar de nuevo
Posición 1a 2da 3ra 4ta
Posibilidades ___ ___ ___ ___
Total de posibles números =
De acuerdo a lo anterior, se puede establecer el siguiente principio

multiplicativo:
Sea un evento E el cual se puede dividir en una serie de ensayos o

acciones E1, E2,…,Ek, los cuales pueden ocurrir de n1, n2, …, nk formas, entonces
el evento E puede ocurrir de n1x n2x …xnk
55
Usando el principio multiplicativo enunciado resuelve los siguientes problemas:
1.- En una ciudad se forman las placas de los automóviles usando dos letras del
alfabeto y cuatro números del 0 al 9, determine cuantas placas diferentes se
pueden fabricar sí:
a) Se pueden repetir las letras y los números
b) Solamente se pueden repetir los números
2.- De una baraja de 52 cartas se sacan dos cartas una tras otra, calcule la
cantidad de formas diferentes en que pueden ocurrir los siguientes eventos,
suponiendo que la primera carta se regresa a la baraja y se baraja antes de sacar
la segunda:
a) La primera sea un as y la segunda un 3
b) La primera sea un corazón negro y la segunda un rey
c) Una sea un 5
d) El número total de formas en que pueden aparecer las dos cartas.
3.- Resuelva el ejemplo anterior si la primera carta no se regresa a la baraja.
4.- Se tienen 5 números de los cuales tres son impares y dos pares, cuantas
cantidades diferentes se pueden formar de 3 números sí:
a) Los números se pueden repetir.
b) La cantidad debe ser par y no se pueden repetir los números.
c) La cantidad debe ser par y se pueden repetir los números.
56
ACTIVIDAD 23
TÉCNICAS DE CONTEO, PERMUTACIONES
OBJETIVO.- Utilizar las técnicas de conteo para determinar el número de posibles

resultados de un suceso o experimento, donde se considera el orden.
ORDENAMIENTOS CON REPETICIÓN
Al determinar el número de posibles formas en que puede ocurrir un suceso

estamos determinando los posibles ordenamientos de los elementos, en el caso
de un suceso que se puede dividir en k sucesos simples y si los elementos se
pueden repetir, es decir los resultados son independientes, entonces las formas en
que puede ocurrir el evento compuesto son:
Suceso 1 2 3 4 ... k
Posibilidades n n n n ... n
Usando el principio multiplicativo, la cantidad total de formas es:
n x n x n x n...x n= nk
Por ejemplo, si un dado se lanza cuatro veces consecutivas, el número de

formas en que puede ocurrir el espacio muestra es 64=1296
ORDENAMIENTOS SIN REPETICIÓN (PERMUTACIONES)
Si ahora consideramos los diferentes resultados de un experimento o

suceso en el cual los elementos no se pueden repetir, tendremos un ordenamiento
sin repetición, si el primer elemento puede ocurrir de n formas, el siguiente podrá
ocurrir de n-1 formas, el tercero de n-2 y así sucesivamente hasta que el último
solo puede ocurrir de 1 forma, suponiendo que considerados igual numero de
sucesos que elementos posibles, entonces el número total de formas es:
Posición 1 2 3 4 ... k ... n-1 n

Posibilidadesn n-1 n-2 n-3 n-3 … n-(k-1) … 2 1
Usando el principio multiplicativo:
Total de formas n(n-1)(n-2)(n-3)... {n-(k-1)}...(2)1= n!
A la operación anterior se le llama el factorial de n y se representa por n!,

entonces:
n Pn = n!
La expresión anterior se lee: Permutaciones de n elementos tomados de n
elementos, todos a la vez.
57
Ejemplo: Determinar de cuántas maneras diferentes se pueden sentar 5

personas si hay 5 lugares.
Como una persona solo puede ocupar un solo lugar, el problema se refiere
a ordenamientos sin repetición:
5P5 = 5! = (5)(4)(3)(2)(1)=120 formas

Supongamos que en el ejemplo anterior solo hay tres lugares, entonces el
número de formas diferentes es:
Lugar 1 2 3
Posibilidades 5 4 3
La cantidad total es (5)(4)(3)=60 formas.
Si consideramos que tenemos n elementos los cuales se ordenan en k

posiciones:
Posición 1 2 3 4 ... k
Posibilidades n n-1 n-2 n-3 n-(k-1)
El número total de formas es n(n-1)(n-2)(n-3)...{n-(k-1)}=nPk esta

operación se puede realizar con la siguiente formula:
n!
Pk =
(n − k )!
n
Lo cual se lee: permutaciones de n elementos tomados k a la vez
5! 5! 120
Para nuestro ejercicio P3 = = = = 60
(5 − 3)! 2!
5
2
Por definición: 0!=1
Ejemplo: Una persona tiene 6 libros diferentes de física y 4 libros de

matemáticas, determine de cuantas maneras diferentes:
a) Puede acomodar solo los libros de Física.
b) Si acomoda todos los libros a la vez.
c) Si los libros de Física y Matemáticas deben estar juntos.
58
Solución.
a) Si solo se consideran los libros de Física, son las permutaciones

6P6= 6!= 720
b) Las formas diferentes tomando todos los libros a vez

10P10=10!=3 628 800
c) Al considerar los libros en bloque, se obtienen las permutaciones de

cada uno y luego se usa el principio multiplicativo, además como se pueden
permutar los grupos entre sí, se debe multiplicar por 2!:
Libros de Física 6P6= 6!= 720

Libros de Matemáticas 4P4=4!=24
Permutaciones Totales = 2(6P6)( 4P4)=2(17 280)=34 560
PERMUTACIONES CON ELEMENTOS NO TODOS DIFERENTES
En algunos tipos de CASOS A RESOLVER los elementos que se permutan

no son diferentes entre si, por ejemplo consideremos el caso de determinar los
números diferentes que se pueden formar con los números 1, 1, 2, 2, 2, 3, 3
tomándolos todos a la vez, obsérvese que al cambiar de lugar los números
idénticos la cantidad formada no cambia, las formas diferentes de permutar los
todos los números a la vez es 7! , pero hay que considerar las permutaciones de
los elementos idénticos que son 2! (para los unos), 3! (para los dos) y 2! (para los
tres), entonces el total de números diferentes es:
7! 5040 5040
7 P2,3, 2 = = = = 210
2!3!2! (2)(6)(2) 24
En general cuando se permutan n elementos tomados todos a la vez y

exciten grupos de elementos idénticos n1, n2 ,... , nk, las permutaciones diferentes
son:
n!
n Pn1 , n2 , n3 ,... nk =
n1!n2 !n3 !...nk !
59
CASOS A RESOLVER
1.- Una persona olvidó su clave de acceso a un sistema de computadoras,

la clave esta formada por 4 números, determina cuántas formas diferentes puede
tener la clave si no se permite repetir los números.
2.- Se quieren sentar 5 hombres y 4 mujeres en una fila, de cuántas formas

se pueden acomodar si:
a) Pueden sentarse en cualquier lugar
b) Las mujeres y los hombres deben estar juntos
c) Los hombres deben estar en los sitios impares
3.- Un estudiante pondrá una repisa en su cuarto y desea colocar 6 libros

de física, 5 de matemáticas y dos novelas, de cuantas formas los puede acomodar
si:
a) No existe restricción
b) Los libros de cada tipo deben estas juntos
c) Solo las novelas deben estar juntas
4.- Determine de cuántas maneras se pueden permutar las letras a, a, a, b,

b, b, b, c, c tomándolas todas a la vez.
60
ACTIVIDAD 24
SELECCIÓN DE ELEMENTOS DE UN CONJUNTO: COMBINACIONES
OBJETIVO.- Calcular el número de posibles selecciones de elementos de un

conjunto.
Cuando se seleccionan elementos de un conjunto sin importar el orden de

aparición, se dice que se efectúo una combinación, supongamos que tenemos
cuatro letras diferentes a, b, c, d y queremos seleccionar 3 de ellas. Para
determinar el número de posibles selecciones, se hace la siguiente lista:
a,b,c a,b,d b,c,d a,c,d
Obsérvese que estos resultados al multiplicarlos por sus posibles

permutaciones, tenemos las permutaciones de n elementos tomados en k. Si
llamamos a las selecciones anteriores como nCk tenemos:
nPk= k! nCk
Pk n!
Ck = n
=
(n − k )!k!
n
k!
4! 4! 24
Para nuestro ejemplo: C3 = = = = 4 , lo cual reafirma el
(4 − 3)!3! 1!3! (1)(6)
4
resultado obtenido en las selecciones de las letras.
CASOS A RESOLVER
1.-¿ De cuántas maneras se pueden seleccionar 3 personas de un grupo de 7.?
2.- En un grupo hay 8 hombres y 6 mujeres, se quiere seleccionar 4 hombres y 3

mujeres para formar un comité, de cuantas formas se puede formar ese comité.
3.- Con 7 consonantes y 5 vocales diferentes, ¿Cuántas palabras pueden

formarse, que contengan 4 consonantes y 3 vocales?, No es necesario que tengan
sentido
61
ACTIVIDAD 25
INDEPENDENCIA ESTOCASTICA
OBJETIVO .- Calcular probabilidades de eventos que se pueden dividir en

ensayos independientes o dependientes
Al realizar un experimento aleatorio, los resultados de los eventos pueden

depender unos de otros, por ejemplo supongamos que tenemos una urna con 5
esferas rojas y 4 azules y sacamos dos esferas una tras otra, reemplazando la
primera esfera, es decir el resultado de la primera extracción no afecta la segunda,
en este caso se dice que los eventos son independientes, calculemos la
probabilidad del, siguiente suceso: que la primera esfera sea roja y la segunda
azul, el espacio muestra tiene 9x9=81 posibles resultados, mientras que el suceso
tiene 5x4=20 resultados favorables, entonces:
n( E ) 20
P( E ) = = = 0.2469
n( S ) 81
Ahora consideremos lo siguiente, el evento E se puede expresar como un

evento compuesto E1 y E2, donde:
E1 : es el resultado de la primera esfera

E2 : es el resultado de la segunda esfera
Recordemos que el espacio muestra es el producto cartesiano de los

espacios muéstrales de cada evento:
S1 : posibles resultados de la primera esfera

S2 : posibles resultados de la segunda esfera
Usando de nuevo la definición de probabilidad:
n( E1 xE 2 ) n( E1 )n( E 2 ) n( E1 ) n( E 2 )
P( E ) = P( E1 E 2 ) = = = ⋅ = P ( E1 ) P( E 2 )
n( S1 xS 2 ) n( S1 )n( S 2 ) n( S1 ) n( S 2 )
A esta ecuación se le conoce como la probabilidad de eventos

independientes definidos en espacios compuestos, usemos la fórmula para
calcular la probabilidad del evento anterior:
5 4 20
P( E ) = P ( E1 E 2 ) = P ( E1 ) P ( E 2 ) = ⋅ = = 0.2469
9 9 81
Supongamos que la primera esfera no se regresa a la urna, entonces el

espacio muestra de la segunda esfera se disminuye en uno, el principio anterior
62
sigue siendo valido, solo hay que indicar que existe una dependencia del segundo
resultado con respecto al primero:
5 4 20 5
P( E ) = P ( E1E2 ) = P ( E1 ) P ( E2 / E1 ) = ⋅ = = = 0.27777
9 8 72 18
La expresión E1 / E2 se lee:”el evento E2 dado que ya ocurrió el evento E1”
Las expresiones anteriores nos permiten calcular probabilidades de

experimentos los cuales se pueden especificar como una sucesión de ensayos, y
pueden ser dependientes o independientes, en general las expresiones a usar
serian:
P( E ) = P ( E1 , E2 , E3 ,.., En ) = P ( E1 ) P( E2 ) P ( E3 )...P ( E n )
P( E ) = P ( E1 , E2 , E3, ..., E n ) = P ( E1 ) P ( E2 / E1 ) P ( E3 / E1 E2 )...P ( En / E1 E2 ..E n −1 )
La primera expresión para eventos independientes y la segunda para

eventos dependientes.
Ejemplo: Un experimento consiste en lanzar una moneda 5 veces

consecutivas, calcule la probabilidad de los siguientes eventos:
a) Las dos primeras sean águilas
b) Dos sean caras
Solución: Obsérvese que este experimento consiste en una serie de

ensayos independientes, puesto que el resultado de cada moneda no se ve
afectado por el resultado de las anteriores.
a) En este suceso se especifica el orden de aparición de los resultados:

11111 1
P( A, A, C , C , C ) = P ( A) P( A) P(C ) P(C ) P(C ) = =
2 2 2 2 2 32
b) Al decir dos caras, no se especifica el orden de aparición, por lo tanto

hay que considerar todo los posibles resultados:
P (2 CARAS) = P (C , C , A, A, A) + P (C , A, C , A, A) + ... + P ( A, A, A, C , C )
Se puede observar que el suceso tiene 10 posibles resultados, los cuales

tienen igual probabilidad de ocurrir, además los posibles resultados son las
permutaciones de 5 elementos en grupos de elementos no diferentes entre si,
entonces el cálculo de la probabilidad se reduce a determinar la probabilidad de un
solo resultado y multiplicarlo por las posibles permutaciones:
63
P(2 CARAS)= 5 P2,3 P(C ) P (C ) P( A) P ( A) P ( A)= 5 P2,3 P(C ) 2 P( A) 3

2 3
5!  1   1   1  1  10 5
=     = 10   = = = 0.3125 = 31.25%
2!3!  2   2   4  8  32 16
Ejemplo: En una escuela el 60% de los estudiantes son católicos, el 30%

protestantes y el resto no profesan alguna religión, se toman 8 alumnos al azar,
suponiendo que el porcentaje de alumnos no se altera al tomar los elementos de
la muestra, calcule la probabilidad de los siguientes sucesos:
a) 4 sean católicos, 2 protestantes y 2 ateos
b) 5 sean católicos
c) 3 sean católicos y 5 protestantes
Solución: Obsérvese que en todos los eventos los ensayos son sin orden de
aparición y además independientes.
a) Se considera la secuencia de 4 católicos, 2 protestantes y 2 ateos y sus

permutaciones
8!
P(4C ,2 P,2 A)= 8 P4, 2, 2 P (C ) 4 P( P) 2 P( A) 2 =
(0.6) 4 (0.3) 2 (0.1) 2
4!2!2!
= 420(0.1296)(0.09)(.01) = 0.04898 = 4.89%
b) Al considerar 5 católicos, los restantes se pueden agrupar como no

católicos:
8!
P(5C ,3C ' )= 8 P5,3 P(C ) 5 P(C ' ) 3 = (0.6) 5 (0.4) 3 = 56(0.07776)(0.064)
5!3!
= 0.2787 = 27.87%
c) 3 católicos y 5 protestantes
8!
P(3C ,5P)= 8 P3,5 P(C ) 3 P( P) 5 = (0.6) 3 (0.3) 5 = 56(0.216)(0.00243)
3!5!
= 0.0294 = 2.94%
Ahora se consideran ensayos en los cuales el resultado de cada uno afecta

a los siguientes, es decir hay dependencia.
64
Ejemplo: En una caja hay 12 esferas, de las cuales 5 son rojas, 4 blancas y
3 azules, se toman 4 esferas al azar sin reemplazo, calcule la probabilidad de los
siguientes sucesos:
a) Sean 2 rojas, una blanca y una azul en ese orden
b) Sean 1 roja, 2 blancas y una azul
c) Sean 3 rojas
Solución:
a) En este caso se establece un orden especifico, por lo tanto hay un solo
resultado:
5 4 4 3 240
P( R, R, B, A) = P ( R) P( R / R) P( B / RR) P( A / RRB) = ⋅ ⋅ ⋅ =
12 11 10 9 11880
2
= = 0.0202 = 2.02%
99
b) No se establece un orden específico de aparición, por lo cual hay que
considerar todas las posibilidades, es decir las permutaciones:
P( R,2 B, A) = P( R, B, B, A) + P( B, R, B, A) + P ( B, B, R, A) + ... + P( A, B, B, R)
= P( R) P( B / R) P( B / RB) P( A / RBB) + P( B) P ( R / B ) P( B / BR) P( A / BRB ) + ...
+ P( A) P ( B / A) P( B / AB ) P( R / ABB )
5 4 3 3 4 5 3 3 4 3 5 3 3 4 3 5
= ⋅ ⋅ ⋅ + ⋅ ⋅ ⋅ + ⋅ ⋅ ⋅ + ... + ⋅ ⋅ ⋅
12 11 10 9 12 11 10 9 12 11 10 9 12 11 10 9
Obsérvese que todos los posibles resultados tienen la misma probabilidad,
por lo cual se puede utilizar el mismo principio donde los ensayos son
independientes, es decir calcular la probabilidad de uno de ellos y multiplicarlo por
las posibles permutaciones.
4!  5  4  3  3 
P( R,2 B, A)= 4 P1, 2,1 P( R ) P( B / R ) P( B / RB ) P( A / RBB ) =     
1!2!1!  12  11  10  9 
 180  2160 2
= 12 = = = 0.1818 = 18.18%
 11880  11880 11
Este mismo resultado lo podemos obtener usando combinaciones,
considerando las posibles selecciones de cada una de las categorías.
C1 ⋅ 4 C 2 ⋅3 C1 5(6)(3) 90 2
P( R,2 B, A) = 5
= = = = 0.1818 = 18.18%
12 C 4 495 495 11
c) Sean 3 rojas
C 3 ⋅7 C1 (10)(7) 70 14
P(3R, R ' ) = 5
= = = = 0.1414 = 14.14%
12 C 4 495 495 99
65
CASOS A RESOLVER
2
1.- En un hospital ocurrieron 6 nacimientos, si se sabe que de los
3
nacimientos son mujeres, calcule la probabilidad de que:
a) Los dos primeros sean hombres y las restantes mujeres.
b) 3 sean hombres.
c) Al menos dos sean niños.
2.- Se lanzan dos dados en 5 ocasiones, calcule la probabilidad de que la

suma de los puntos sea 7:
a) En uno de los lanzamientos.
b) En tres de los lanzamientos.
3.- En una caja hay 8 esferas rojas, 5 azules y 4 blancas, si se extraen 5

esferas al azar, sin reemplazo, calcule la probabilidad de que:
a) 2 sean rojas y 3 blancas.
b) Cuando más una sea roja.
4.- La probabilidad de que un hombre viva dentro de 25 años es de 3/5 y la

probabilidad de que la mujer viva es de 2/3, calcular la probabilidad de que:
a) Ambos vivan.
b) Viva solamente el hombre.
c) Viva solamente la mujer.
d) Viva al menos uno.
66
5.- En una empresa se sabe que el 40% de los empleados trabaja en el

departamento de producción, 30 % en acabado y el resto en mantenimiento, se
toma una muestra de 10 empleados al azar, calcule la probabilidad de que:
a) 4 sean de producción, 3 de acabado y 3 de mantenimiento.
b) 5 sean de producción.
c) Al menos uno sea de mantenimiento.
6.- Una caja contiene 50 tornillos, de los cuales 45 están bien construidos
y el resto defectuosos, un empleado toma 6 tornillos al azar, cual es la
probabilidad de que:
a) Ninguno esté defectuoso.
b) 2 sean defectuosos.
c) Al menos uno sea defectuoso (resuelva con reemplazo y sin reemplazo).
67
ACTIVIDAD 26
PROBABILIDAD CONDICIONAL Y TOTAL
OBJETIVO.- Calcular la probabilidad de eventos dependientes usando la

probabilidad total
En la sección anterior se consideraron sucesos los cuales se pueden dividir

en ensayos, ahora se consideran sucesos donde se hace una sola observación y
se quiere calcular la probabilidad condicional del evento dado que sabemos que
ha ocurrido otro suceso, para esto analicemos la siguiente situación.
En un salón con 20 estudiantes 8 fuman, 12 usan gafas y 6 fuman y usan

gafas, se toma un alumno al azar y resulta que usa gafas, ¿Cuál es la probabilidad
de que fume?.
La información del problema se puede representar por medio de un

diagrama de Venn-Euler:
S n(S)=20
n(F)= 8
n(G)=12
F F∩ G G n(FG)=6
En nuestro problema al saber que el alumno usa gafas, necesariamente

proviene de conjunto G, entonces nuestro espacio muestral se reduce a los
elementos de G, para que el alumno también fume debe pertenecer a la
intersección FG, por lo tanto:
n( F ∩ G ) 6
P( F / G ) = = = 0.5
n(G ) 12
Si dividimos el numerador y denominador entre n(S) tenemos como

resultado:
n( F ∩ G )
n( S ) P( F ∩ G )
P( F / G ) = =
n(G ) P(G )
n( S )
A esta se le conoce como la probabilidad condicional del suceso F dado

que ocurrió el suceso G.
68
Supongamos ahora que tenemos la siguiente situación, en una caja hay dos
urnas, en una de ellas hay 3 esferas rojas y 4 azules, en la otra hay 5 esferas
rojas y 3 azules, si se elige al azar una esfera de cualquier urna, ¿cuál es la
probabilidad de que sea roja.
En este caso la probabilidad de que sea roja dependerá de la urna que se

tomó la esfera, es decir, tenemos dos posibilidades, que sea roja dado que se
tomó de la urna 1 o que sea roja dado que se tomó de la urna 2:
P( R) = P(U 1) P( R / U 1) + P(U 2) P( R / U 2)
Como la probabilidad de tomar cualquier urna es la misma:
P( R ) = (1 / 2)(3 / 7) + (1 / 2)(5 / 8) = 3 / 14 + 5 / 16 = 59 / 112 = 0.5267
A esta probabilidad se le llama probabilidad total.
El resultado anterior puede generalizarse como: sean E1 , E2 , E3,... Ek

sucesos mutuamente excluyentes y complementarios y Q un suceso cuya
ocurrencia depende de los eventos Ek, entonces:
P(Q) = P ( E1 ) P(Q / E1 ) + P ( E 2 ) P(Q / E 2 ) + ... + P( E K ) P(Q / E K )
Ejemplo: Un monedero contiene dos monedas de plata y 4 monedas de

cobre, un segundo monedero contiene 4 monedas de plata y 3 de cobre, si se
elige al azar una moneda de uno de los monederos, cual es la probabilidad de
que sea de plata.
Aquí E1 es el suceso de escoger el primer monedero y E2 escoger el

segundo monedero, el evento Q es que la moneda sea de plata, como se puede
tomar cualquier monedero P(E1)=P(E2)=1/2, las probabilidades condicionales de
tener la moneda de plata dependerán del monedero P(Q/E1)=2/6 y P(Q/E2)=4/7:
P(Q)=(1/2)(2/6) + (1/2)(4/7)=1/6 + 2/7= 19/42 =0.4523
69
PROBLEMAS
1.- Una encuesta realizada a un grupo de personas reveló que el 60%

prefiere los refrescos de cola, el 50% prefieren el refresco de sabor y el 30%
prefiere ambos refrescos, si se toma una persona al azar, calcule la probabilidad
de que:
a) Si se sabe que toma refresco de cola, que no tome refresco de sabor.
b) Si se sabe que toma refresco de cola que también tome refresco de

sabor.
2.- Una empresa se dedica a la fabricación de tornillos, para esto cuenta

con tres máquinas, la primera tiene un 3% de defectuosos, la segunda un 5% y la
tercera una 2%, como la primera es mas nueva fabrica el 50% de los tornillos, la
segunda el 30% y la tercera el resto, si se toma un tornillo al azar, ¿ cuál es la
probabilidad de que sea defectuoso?.
3.- Una prueba para detectar el SIDA da positiva el 90% de los casos que
realmente tienen SIDA y da positiva en el 5% de los casos que no lo tienen, si se
estima que en una población el 8% de los habitantes son portadores de la
enfermedad, si una persona al azar se hace un examen ¿cuál es la probabilidad
de que sea positivo?.
4.- En un salón de clases hay 6 mujeres y 4 hombres, en un segundo salón

hay 5 mujeres y 8 hombres, en un momento dado un alumno se pasa del salón 1
al salón 2, si después se selecciona al azar un alumno del segundo salón, calcule
la probabilidad de que sea hombre.
70
ACTIVIDAD 27
PROBABILIDAD USANDO LA REGLA DE BAYES
OBJETIVO.- Calcular la probabilidad de eventos dependientes usando la regla de

Bayes
Otra aplicación de la probabilidad condicional es el Teorema de BAYES, el

cual se usa para calcular la probabilidad de un evento dado que sabemos que
ocurrió un resultado, consideremos el siguiente ejemplo:
Una prueba para detectar el SIDA da positiva el 90% de los casos que
realmente tienen SIDA y da positiva en el 5% de los casos que no lo tienen, si se
estima que en una población el 8% de los habitantes son portadores de la
enfermedad, si una persona al azar se hace un examen, si el resultado fue positivo
¿cuál es la probabilidad de que tenga realmente SIDA?
En este problema sabemos que el resultado de la prueba fue positivo, pero

existen dos situaciones en las que es positivo, que tenga SIDA y sea positivo y
que no tenga la enfermedad y sea positivo, esto lo podemos representar por
medio de un árbol de decisiones:
Examen positivo P(P/S)=90%

Tiene SIDA
P(S)=8% Examen negativo P(N/S)=10%
Examen positivo P(P/S’)=5%

No tiene SIDA
P(S’)=92% Examen negativo P(N/S’)=95%
Como sabemos que el resultado del examen fue positivo, el espacio

muestra se reduce a los eventos donde el resultado es positivo, por lo tanto:
P( SP) P( S ) P( P / S ) (0.08)(0.9)
P( S / P ) = = =
P ( P) P( S ) P ( P / S ) + P ( S ) P( P / S ) (0.08)(.09) + (0.92)(.05)
' '
0.072 0.072
= = = 0.6101 = 61.01%
0.072 + 0.046 0.118
De acuerdo al resultado anterior la confiabilidad de la prueba es de solo

61.01%, es decir, es de esperarse que de cada 100 personas que se realicen la
prueba en aproximadamente 61 si el resultado es positivo tendrá realmente la
enfermedad.
Al generalizar la expresión se obtiene el teorema de Bayes:
71
Sean los eventos E1 , E2 , E3, ... , Ek mutuamente excluyentes y complementarios y

E un evento cuya ocurrencia depende de los eventos Ek, entonces la probabilidad
condicional de un evento Ek dado que ocurrió el evento E es:
P( Ei ∩ E )
P( E i / E ) =
P( E )
P( E i ) P ( E / Ei )
=
P ( E1 ) P ( E / E1 ) + P( E 2 ) P ( E / E 2 ) + ... + P ( Ei ) P( E / E i ) + ... + P ( E K ) P ( E / E K )
P ( Ei ) P( E / E i )
= k
∑ P( E
n =1
n ) P( E / E n )
Ejemplo: Una de las piezas utilizadas para armar una maquinaria son
fabricadas por tres empresas, la empresa uno proporciona el 30% de las piezas, la
empresa 2 el 50% y la empresa 3 el resto de las piezas, se sabe que de las piezas
que entrega la empresa 1 el 4% son defectuosas, de la empresa 2 el 2% y de la
empresa 3 el 5%, si una de las máquinas falla debido al mal estado de una pieza,
cual es la probabilidad de que provenga la pieza de la empresa 1:
En este problema los eventos complementarios son la procedencia de las

piezas P(E1)=30%, P(E2)=50% y P(E3)=20%, sea E que la pieza falle, entonces
esta probabilidad depende de la empresa de donde procede la pieza, P(E/E1)=4%,
P(E/E2)=2% y P(E/E3)=5%, la probabilidad que se busca es P(E1/E):
P( E1 ) P( E / E1 )
P( E1 / E ) =
P( E1 ) P( E / E1 ) + P( E 2 ) P ( E / E 2 ) + P ( E3 ) P ( E / E3 )
(0.3)(0.04)
= = 0.375 = 37.5%
(0.3)(0.04) + (0.5)(0.02) + (0.2)(0.05)
Esto significa que el 37.5% de las veces que las máquinas fallen, la pieza
defectuosa proviene de la empresa 1.
Calcule la probabilidad que la pieza provenga de las otras empresas y

compruebe que la suma de las probabilidades es 1.
72
CASOS A RESOLVER
1.- En una empresa el 40% de los empleados trabajan en el departamento

de producción, de los que trabajan es ese departamento el 30% son mujeres y de
los que no trabajan en producción el 50% son mujeres, se toma un empleado al
azar y resulta ser hombre, cual es la probabilidad de que sea del departamento de
producción.
2.- En una ciudad se sabe que el 30% de los conductores ha tenido un

accidente grave, de los que han sufrido accidentes el 20% son mujeres y de los
que no han sufrido accidentes el 40% son mujeres, si se escoge una persona al
azar y resulta ser hombre, ¿Cual es la probabilidad de que haya sufrido un
accidente grave?.
3.- En una caja hay 8 productos de los cuales 3 son defectuosos, en una
segunda caja hay 10 productos de los cuales 2 son defectuosos, una persona
saca un producto de la primera caja y lo coloca en la segunda, después saca un
producto al azar de la segunda caja y resulta ser defectuoso, calcule la
probabilidad de que el producto que se paso de la primera caja a la segunda fue
defectuoso.
4.- El departamento de contabilidad de una empresa está compuesto

por70% de personas tituladas y 30% de pasantes. Si se sabe que el 40% de los
titulados elabora pólizas de nóminas y que el 60% de los pasantes elabora ese
tipo de pólizas, ¿Cuál es la probabilidad de que el encargado de las pólizas sea
titulado?.
73
RESPONDE O RESULVE LO QUE SE TE PIDE EN CADA UNA DE LAS

SIGUIENTES PREGUNTAS.
1.- ¿Qué es un fenómeno aleatorio y un fenómeno determinístico?

2.- Define los siguientes términos:
a) Probabilidad .
b) Espacio muestral .
c) Evento.
3.- Menciona 3 experimentos aleatorios cuyo espacio muestral sea discreto y 3

de tipo continuo (diferentes a los de las notas).
4.- Para cada uno de los siguientes experimentos aleatorios, proponga un

espacio muestra adecuado:
a)Lanzar tres monedas.

b)Contar el número de accidentes que ocurren en una fábrica en un día
c)Medir el tiempo en que una persona llega de su casa a su trabajo
d)Contar el número de veces que se lanza un dado hasta que la suma de
los puntos sea 7
5.- Para los experimentos anteriores, proponga 2 sucesos para cada uno.
6.- Explique en que consiste el cálculo de probabilidades usando el enfoque

frecuencial y clásico.
7.- Para los sucesos siguientes, determine si son mutuamente excluyentes o no lo

son
A= El resultado sea un as al sacar una carta de una baraja.
B= El resultado sea un trébol .
A= El número de defectuosos es mayor de 3.

B= El número de defectuosos es menor que 5.
8.- Usando el enfoque clásico o frecuencial, calcule la probabilidad de las

siguientes situaciones:
a) El resultado de la suma de los puntos sea impar al lanzar un par de

dados.
b) Un tornillo sea defectuoso, si después de analizar 100 tornillos 5 fueron
defectuosos.
c) Aparezca 1 cara al lanzar tres monedas.
d) Que un medicamento sea efectivo, si al aplicarse a 1000 pacientes en
998 fue efectivo.
e) Que una esfera sea roja o azul al tomarse de una urna donde hay 5
rojas, 4 azules y 3 verdes.
74
9.- Determine el número de formas diferentes en que pueden ocurrir las siguientes
situaciones:
a) Formar números telefónicos diferentes de 6 dígitos, el primer digito no

pude ser cero.
b) De un grupo de 5 libros de Física, 8 de Matemáticas y 3 de Química,
seleccionar 6 libros de tal manera que dos sean de cada materia.
c) Con las letras R,R,R,T,T,T,T,E,E cuantas permutaciones diferentes se
pueden hacer tomando todas las letras a la vez.
d) Sentar a 4 mujeres y 5 hombres, de tal manera que los hombres y las
mujeres estén siempre juntas.
10.- Un experimento consiste en lanzar un par de dados en 5 ocasiones y

observar la suma de los puntos, calcule la probabilidad de los siguientes eventos:
a) la suma de los puntos que aparezca sea 4,5,6,7,8 en ese orden.

b) que caigan 2 onces de las 5 tiradas.
c) caigan 3 cuatros de las 5 tiradas.
11.- Se toma cinco cartas al azar de una baraja de 52 cartas sin reemplazo,
calcule la probabilidad de aparezcan los siguientes juegos:
a) tres ases y dos reyes.

b) flor de tréboles.
c) tercia de reyes.
12.- Una compañía empaca sus productos en cartones de 12 unidades, si la

probabilidad de que un producto este defectuoso es del 1.5%, calcule la
probabilidad de que en un cartón:
a) Un producto este defectuoso.

b) Al menos dos productos estén defectuosos.
13.- Sean los eventos A= el resultado sea par al lanzar un dado y B= Se obtiene
cara al lanzar una moneda, interpreta literalmente los siguientes eventos:
A∩ B A ∩ B′ A∪ B B−A A′ ∩ B ′
14.- Suponga que A y B son eventos de un espacio muestral S tales que P(A)=0.6
; P(B)=0.4 y P( A ∩ B ) = 0.2 , calcule:
a) P ( A ∪ B ) b) P ( A′ ∩ B ) c) P ( A′ ∩ B ′) d) P ( A − B )
15.- Un patrón desea llenar dos puestos con personas de un grupo de 13

empleados, de los cuales 5 son hombres y 8 mujeres, si los selecciona sin
75
conocer su identidad del empleado ¿Cuál es la probabilidad de que uno sea

hombre y otro mujer?, ¿Qué ambos sean hombres?.
16.- En una escuela el 20% de los niños tiene el vista defectuosa, 8% tienen el
oído defectuoso y el 4% tienen vista y oído defectuoso, si se selecciona un niño al
azar, calcule la probabilidad:
a) Tenga vista defectuosa pero no el oído.

b) Tenga vista u oído defectuoso.
c) No tenga vista defectuosa.
d) Este sano de la vista y el oído.
17.- En una escuela el 15 % de los estudiantes usan lentes, de los que usan lentes
el 45% son mujeres y de los que no usan lentes el 65% son mujeres, si se toma un
alumno al azar, calcule la probabilidad:
a) Use lentes y sea hombre.

b) No use lentes y sea mujer.
c) Si se sabe que usa lentes que sea hombre,
d) Si no usa lentes que sea hombre.
18.- Una empresa transportista tiene un gran número de camiones, el 40%

salieron hacia el norte, 30% salieron al oeste y el resto al sur, de los que salieron
al norte el 5% presentó un desperfecto, del los que salieron al oeste el 3%
presento algún desperfecto y de los que salieron al sur el 4% presentaron un
desperfecto, se toma un camión al azar y se encuentra que presenta un
desperfecto, calcule la probabilidad de que sea del norte.
19.- Una compañía tiene tres divisiones, en la siguiente tabla se muestra el

porcentaje de la producción y el porcentaje de productos defectuosos:
División 1 2 3
% de producción 35% 40% 25%
% de defectuosos 4% 5% 2%
Si a una tienda se entrega un producto y este es defectuoso, calcule la

probabilidad de que sea de la segunda división
76
CAPÍTULO III
DISTRIBUCIONES DE PROBABILIDAD
Competencias específicas que contiene este Capítulo:
Definir distribución de probabilidad.
Construir tablas de distribuciones de probabilidad.
Establecer la diferencia entre tipos de distribuciones de probabilidad presentes en las

aplicaciones prácticas.
Aplicar la integral definida para el cálculo de probabilidades.
Usar Tablas para definir probabilidades.
Plantear y resolver problemas que representan situaciones reales propias de la

especialidad.
Interpretar resultados obtenidos.
Tomar decisiones.
77
ACTIVIDAD 28
VARIABLE ALEATORIA Y DISTRIBUCIONES DE PROBABILIDAD
OBJETIVO.-Construir la distribución de probabilidad de una variable aleatoria

discreta.
Una formalización de la teoría de probabilidades se logra introduciendo dos

conceptos matemáticos que son: variable y función, recordemos que el primero
se refiere a un símbolo que puede tomar diferentes valores de un conjunto de
definición, el segundo establece una correspondencia entre los valores de dos
variables, la cual se puede representar por medio de tablas o fórmulas. El objetivo
de esta sección es desarrollar la teoría de probabilidades bajo estos dos
conceptos.
Al realizar un experimento aleatorio se pueden definir variables cuyos
valores están definidos por los resultados del espacio muestra, a éstas se les
conoce como variables aleatorias, en realidad una variable aleatoria es un tipo de
función que asigna un valor numérico a cada resultado del espacio muestra,
generalmente se representan con letras mayúsculas. Como los espacios
muestrales pueden ser discretos o continuos, las variables aleatorias se pueden
clasificar de la misma manera, para entender mejor lo anterior hagamos el
siguiente ejemplo:
Un experimento aleatorio consiste en lanzar una moneda 3 veces,
consideremos la variable aleatoria el número de caras que aparecen. Determine
los valores que puede tomar la variable y su correspondiente probabilidad.
Solución: En este problema llamemos X= El número de caras que

aparecen al lanzar tres monedas, el espacio muestra esta formado por 8 posibles
resultados:
S={(C,C,C),(C,C,A),(C,A,C),(C,A,A),(A,C,C),(A,C,A),(A,A,C),(A,A,A,)}
X= 3 2 2 1 2 1 1 0
Obsérvese que la variable aleatoria puede tomar los valores X={0,1,2,3}, en

este caso cada resultado asociado con la variable aleatoria tiene la misma
probabilidad de ocurrir, entonces:
P(X=0)=1/8 P(X=1)=3/8 P(X=2)=3/8 P(X=3)=1/8
78
Si relacionamos cada valor de la variable aleatoria con su correspondiente

probabilidad, se tendrá la función de probabilidad o también llamada Distribución
de Probabilidad.
X P(X)
0 1/8
1 3/8
2 3/8
3 1/8
Podemos observar que la probabilidad de los posibles valores de la

variable aleatoria se encuentra entre 0 y 1, además la suma de las probabilidades
es igual a 1.
En esta distribución la variable es discreta y además finita, existen otras

situaciones que dan origen a variables discretas infinitas. Para esto tratemos el
siguiente experimento:
Una moneda se lanza repetidas veces hasta que el resultado es una cara,
determine la distribución de probabilidad de la variable aleatoria relacionada con el
número de tiradas:
Sea X= Número de tiradas hasta que caiga una cara

Esta variable puede tomar los X=1,2,3,4,5,6,....
2 3 x
1 1 1 1
P( X = 1) = P ( X = 2) =   P( X = 3) =   P( X = x) =  
2 2 2 2
Esta sucesión de valores es infinita, para que sea una distribución de probabilidad
la suma de las probabilidad de todos los posibles valores debe ser igual a 1.
Podemos decir que:

x
1
P( X = x) =  
2
Los ejemplos anteriores se refieren a distribuciones discretas, dos

resultados importantes de estas distribuciones son:
1. − 0 ≤ P ( X = x i ) ≤ 1
n
2. − ∑ P( X = x ) = 1
i =1
i
79
CASOS A RESOLVER
1.- Un experimento consiste en lanzar un par de dados, sea la variable aleatoria la

suma de los puntos, determine su distribución de probabilidad.
2.- Dos dados se lanzan 5 veces, si la variable aleatoria es el número de veces

que aparece un 7, determine su distribución de probabilidad.
3.- Si un par de dados se tira repetidas veces hasta que aparezca un 7, determine
la distribución de probabilidad de la variable que corresponde al número de
tiradas.
80
ACTIVIDAD 29
DISTRIBUCIONES DE PROBABILIDAD CONTINUAS
OBJETIVO.- Conocer los conceptos básicos de las distribuciones de probabilidad

continuas y calcular probabilidades usando la integral definida.
En este caso la variable aleatoria puede tomar cualquier valor en un intervalo

numérico por lo que en las distribuciones continuas el espacio muestra es infinito.
Para calcular probabilidades se establece una función f (x) llamada función de
densidad de probabilidad, la probabilidad de que la variable aleatoria se encuentre
en un intervalo se da como el área bajo la curva en el intervalo:
b
P(a ≤ X ≤ b) = ∫ f ( x)dx
a
En una distribución de probabilidad continua deben cumplirse las siguientes

propiedades:
b
1. − P(a ≤ X ≤ b) = ∫ f ( x)dx area entre a y b
a
∞
2. − ∫ f ( x)dx = 1
−∞
f ( x) ≥ 0
En general se pueden proponer diferentes funciones de densidad de

probabilidad, las cuales deben cumplir las propiedades anteriores.
Ejemplo:
Una variable aleatoria tiene la siguiente función de probabilidad:
c(4 − 2 x) 0 ≤ x ≤ 2
f ( x) = 
0 para cualquier otro valor
Calcular:
a) El valor de la constante c
b) P( X ≤ 1)
c) P(0.5 ≤ X ≤ 1.5)
81
a) El valor de la constante c se calcula para que el área bajo la curva sea igual a
1, en el intervalo de definición de la función
2
2 1
c ∫ (4 − 2 x)dx = 1 c(4 x − x 2 ) = 1 c(4) = 1 c =
0
0 4
Redefiniendo la función:
1
 ( 4 − 2 x) 0 ≤ x ≤ 2
f ( x) =  4
0 para cualquier otro valor
b) P ( X ≤ 1) se calcula:
∫ (4 − 2 x)dx = (4 x − x )
1
2 1 3
P( X ≤ 1) = 1
4
1
4 = 14 (3) =
0
0 4
c ) P(0.5 ≤ X ≤ 1.5)
∫ (4 − 2 x)dx = (4 x − x )
1.5
2 1.5
P(0.5 ≤ X ≤ 1.5) = 1
4
1
4 0.5
0.5
= 1
4
[4(1.5) − (1.5) ] − [4(0.5) − (0.5) ]
2 1
4
2
= 0.9375 − 0.4375 = 0.5
82
ACTIVIDAD 30
ESPERANZA MATEMÁTICA Y VARIANZA
OBJETIVO.- Calcular el valor esperado y la varianza de una distribución de

probabilidad.
Al estudiar conjuntos de datos en Estadística se calcularon algunas

medidas que los describían, como son la media aritmética y varianza, de manera
análoga en las distribuciones de probabilidad es posible calcular estas medidas,
que son el valor esperado y la varianza. Supongamos que el siguiente
experimento se repite 100 veces y se anotan los resultados obtenidos en cada
ensayo:
Experimento: lanzar un par de dados y observar la suma de sus puntos.
Resultados Frecuencia
2 1
3 5
4 9
5 10
6 12
7 23
8 13
9 11
10 7
11 6
12 3
Si calculamos la media aritmética de los resultados usando la fórmula:
−
x=
∑ xf
n
2(1) + 3(5) + 4(9) + 5(10) + 6(12) + 7(23) + 8(13) + 9(11) + 10(7) + 11(6) + 12(3)
=
100
711
= = 7.11
100
Este valor es el más representativo del conjunto de datos, si ahora
repetimos el experimento para diferentes valores de n cada vez mayores,
podremos observar que el cociente anterior tiende a un valor limite que en este
ejemplo es 7, a este se le conoce como el valor esperado y se puede escribir
como:
E ( X ) = lìm
∑ xf
n →∞ n
83
El cálculo del valor esperado usando este enfoque frecuencial es muy

tardado y en algunos casos impráctico, la expresión anterior la podemos
desarrollar de la siguiente manera:
xi f i f f f
E( X ) = ∑ lìm
n →∞ n
= x1 lìm 1 + x2 lìm 2 + ... + xn lìm n = x1 p ( x1 ) + x2 p ( x2 ) + ... + xn p ( xn )
n →∞ n n →∞ n n →∞ n
E( X ) = ∑ xp( x)
El valor esperado se puede obtener multiplicando cada valor de la variable
aleatoria por su correspondiente probabilidad de ocurrir. Recordemos que la
probabilidad frecuencial de un evento tiene como valor limite la probabilidad
calculada con el enfoque clásico, determinemos el valor esperado usando el
enfoque clásico, para esto es necesario tener la distribución de probabilidad de la
variable aleatoria:
X= Suma de los puntos al lanzar dos dados
Distribución de probabilidad de la variable
X 2 3 4 5 6 7 8 9 10 11 12
P(X) 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36
El valor esperado de la variable aleatoria seria:
µ =E(X)= 2(1/36)+3(2/36)+4(3/36)+5(4/36)+6(5/36)+7(6/36)+8(5/36)+9(4/36)
+10(3/36)+11(2/36)+12(1/36)=7
Otra cantidad calculada de una distribución es la varianza la cual se define

como:
−
σ2 =
∑ ( x − x) 2 f
n
Para la variable aleatoria anterior la varianza es 2.297368 , de la misma
manera que en la media aritmética, al calcularla para diferentes valores de n cada
vez más grandes de la varianza tiende a un valor fijo, el cual se representa como:
σ 2 = VAR ( X ) = lìm
∑ (x − x) 2
f
= ∑ [x − E ( x)] p ( x)
2
n→∞ n
Usando esta formula para la variable del ejemplo:
VAR(X)=(2-7)2(1/36)+(3-7)2(2/36)+...+(12-7)2(1/36)= 2.415229
En resumen para las distribuciones de probabilidad discretas el valor

esperado y varianza se obtienen con las expresiones:
84
E ( X ) = ∑ xp( x)
VAR( X ) = ∑ [x − E ( X )] 2 p ( x)
Para una distribución continua el valor esperado y la varianza se obtienen
mediante las expresiones:
+∞ +∞
µ = E( X ) = ∫ x f ( x)dx σ 2 = VAR ( X ) = ∫ [x − E ( x ) ]
2
f ( x)dx
−∞ −∞
Las expresiones anteriores son fundamentales para desarrollar los
conceptos de la estadística Inferencial.
Ejemplo: Sea la distribución de probabilidad definida por la función:
c( x 2 + 1) si 0 ≤ x ≤ 4

p( x) = 
0 para los demàs valores de x

a) Determine el valor de c
b) Calcule la probabilidad de que x se encuentre entre 2 y 3
c) Determine el valor esperado y la varianza de la distribución
Completa los siguientes cálculos:
a) Como el área bajo la curva debe ser igual a 1:
4 4
3
∫ c( x + 1)dx = 1 c ∫ ( x 2 + 1)dx = 1 c=
2
0 0
76
b) La probabilidad pedida es el área entre 2 y 3:
3
3
p (2 ≤ X ≤ 3) = ∫
76 2
( x 2 + 1)dx =
c) Valor esperado
4 4
3
E ( X ) = ∫ x f ( x)dx = ∫ x( x 2 + 1)dx =
0
76 0
d) Varianza:
4 2 4
VAR ( X ) = ∫ [x − E ( X )] f ( x)dx = [x − 3.22]2 ( x 2 + 1)dx =
3
0
∫
76 0
85
CASOS A RESOLVER
1.- Una moneda se lanza 4 veces, sea la variable aleatoria el número de caras,
determine:
a) La distribución de probabilidad.
b) El valor esperado y varianza.
2.- Un par de dados se lanzan cinco veces consecutivas, sea la variable aleatoria
la suma de los puntos sea 6, obtenga:
a) Su distribución de probabilidad.
b) Su valor esperado y varianza.
3.- La distribución de probabilidad de una variable continua es:
c( x + 1) 0≤ x≤5
f ( x) = 
0 para otro valor de x
a) Calcule el valor de c.
b) Calcule el valor esperado y la varianza.
c) Calcule la probabilidad de que la variable se encuentre entre 3.4 y 4.
86
ACTIVIDAD 31
DISTRIBUCIÓN BINOMIAL
OBJETIVO.- Calcular probabilidades de un evento usando la distribución Binomial.
En las secciones anteriores se estudiaron algunos tipos de situaciones en

los cuales los eventos estaban formados por una serie de ensayos, lanzar una
moneda en repetidas ocasiones, lanzar un par de dados varias veces, tomar
varios sujetos de una población, etc. los cuales podían ser dependientes o
independientes. Se puede hacer una clasificación de dichas situaciones dando
origen a diferentes distribuciones de probabilidad discretas.
Consideremos el siguiente ejemplo: Un par de dados se lanza 5 veces
sobre una mesa, calcule la probabilidad de que la suma de los puntos sea 7 en 3
ocasiones, en este caso cada lanzamiento del par de dados lo podemos
considerar con dos posibles resultados, que sea la suma igual a 7 y que la suma
no sea 7, como no se establece el orden de aparición debemos considerar todos
los posibles resultados en los 5 lanzamientos:
P(3 sietes)=P(7,7,7,7’,7’) + P(7,7,7’,7,7’)+…+P(7’,7’,7,7,7)
Como los resultados son independientes:
P(3sietes)=P(7)P(7)P(7)P(7’)P(7’)+P(7)P(7’)P(7)P(7)P(7’)+…+
P(7’)P(7’)P(7)P(7)P(7)
6 1 30 5
Tenemos que P(7) = = P(7′) = =
36 6 36 6
Considerando todas las posibles permutaciones:
3 2
5!  1   5 
P(3 sietes) = 5 P3, 2 P(7) P (7 ) =
3 ' 2
    = 10(0.00463)(0.694) = 0.032 = 3.2%
3!2!  6   6 
En este problema podemos observar las siguientes características:
a) Existen n ensayos idénticos
b) Cada ensayo tiene solo dos posibles resultados (éxito y fracaso)
c) Los ensayos son independientes
d) La probabilidad de éxito y fracaso se mantienen constantes
e) No existe un orden específico de ocurrencia
Sea x el valor la variable aleatoria X que especifica el número de éxitos de

los n ensayos, p la probabilidad de éxito, entonces 1-p es la probabilidad de cada
uno de los n-x fracasos, entonces la expresión que describe la distribución es:
P( X = x) = n Pk ,n− x p x (1 − p ) n − x = n C x p k (1 − k ) n − x
A esta distribución se la conoce como Binomial.
87
Ejemplo: En una escuela el 15% de los alumnos fuman. Se toma una

muestra de 5 alumnos al azar, suponiendo que la probabilidad de fumar no
cambia, calcule la probabilidad:
a) De que fumen 2 de los cinco.
b) Al menos uno fume.
En este caso se trata de una distribución Binomial, puesto que existen 5

ensayos idénticos, cada uno tiene dos posibles resultados: que fume y que no
fume.
Sea la variable aleatoria X= El número de fumadores de la muestra
La probabilidad de éxito p= 15% y n=5, usando la fórmula de la distribución

Binomial:
5!
a) P( X = 2) = 5 P2,3 (0.15) 2 (1 − 0.15) 3 = (0.15) 2 (0.85) 3 = 0.1381
2!3!
b) P( X ≥ 1) = 1 − P( X = 0) = 1 − 5 C 0 (0.15) 0 (0.85) 5 = 1 − 0.4437 = 0.5563
88
CASOS A RESOLVER
1.- Una moneda se lanza en 6 ocasiones, calcule la probabilidad de que

aparezcan 3 caras.
2.- En una empresa el 25% de los empleados son mujeres, si se toma una
muestra de 10 empleados al azar, cual es la probabilidad de que 5 de ellos sean
mujeres.
3.- La probabilidad de que un tornillo falle es el 4%. En una caja con 50 tornillos
cuál es la probabilidad de que ninguno este defectuoso. Si la empresa vende 1000
cajas, en cuántas de ellas se espera que tengan al menos un tornillo defectuoso.
89
ACTIVIDAD 32
DISTRIBUCIÓN MULTINOMIAL
OBJETIVO.- Calcular probabilidades de eventos usando la distribución

Multinomial.
En la distribución Binomial solo hay dos posibles resultados, pero en

muchos casos se pueden tener más posibles resultados, por ejemplo:
En una ciudad se sabe que el 60% de los habitantes son católicos, 30%
protestantes y el resto son ateos, se toma una muestra al azar de 10 personas
(con reemplazo). Cuál es la probabilidad de que 5 sean católicos, 3 protestantes y
2 ateos.
10!
P(5C ,3P,2 A) =10 P5,3, 2 P(C ) 5 P( P ) 3 P ( A) 2 = (0.6) 5 (0.3) 3 (0.1) 2
5!3!2!
= 2520(0.07776)(0.027)(0.01) = 0.0529 = 5.29%
Las características de esta distribución son las mismas que la distribución
Binomial excepto que cada ensayo puede tener más de dos posibles resultados,
generalizando:
Sea N el número de observaciones o ensayos
x1 resultados favorables a la categoría 1 p1 probabilidad de que ocurra la
categoría 1
x2 resultados favorables a la categoría 2 p2 probabilidad de que ocurra la
categoría 2
xk resultados favorables a la categoría k pk probabilidad de que ocurra la
categoría k
N!
P( N ; x1 , x 2 ,...xk ) =
x x x
p1 1 p 2 2 ... p k k
x1! x 2 !...x k !
Usando la fórmula se escribe:
10!
P(10;5,3,2) = (0.6) 5 (0.3) 3 (0.1) 2 = 0.0529 = 5.29%
5! 3! 2!
Problema:
En una escuela el 50% de los alumnos estudia Administración, 30%

Mercadotecnia y el 20% estudia Sistemas Computacionales, se toma una muestra
de 10 alumnos con reemplazo ( cada alumno se puede escoger más de una vez),
calcule la probabilidad de que:
a) 6 sean de Administración, 2 de Mercadotecnia y 2 de Sistemas

Computacionales.
b) 4 sean de Administración y el resto de Mercadotecnia.
90
ACTIVIDAD 33
DISTRIBUCIÓN HIPERGEOMETRICA
OBJETIVO.- Usar la Distribución Hipergeométrica para calcular probabilidades de

eventos discretos donde se presenta esta distribución.
En la distribución Binomial los ensayos que se realizan son independientes,

en el caso de que sean dependientes la distribución a utilizar es la
Hipergeométrica. Consideremos el caso que en cada ensayo solo se tienen dos
posibles resultados.
Ejemplo: En una bolsa hay 10 tornillos, de los cuales 4 están defectuosos,

si se toman 4 tornillos al azar sin reemplazo, calcule la probabilidad de que 2 estén
defectuosos.
Sea X el número de defectuosos de la muestra y queremos la probabilidad

de que X=2, recordemos que en este tipo de experimentos podemos usar
combinaciones para calcular la probabilidad, tenemos dos grupos de tornillos, los
defectuosos que son 4 y los no defectuosos que son 6, entonces solo necesitamos
calcular de cuantas maneras se pueden seleccionar 2 defectuosos de 4 y 2 no
defectuosos de 6, y las formas en que se pueden seleccionar los 4 tornillos de 10:
C2 C2 (6)(15) 90 3
P ( X = 2) = 4 6
= = =
10 C4 210 210 7
Generalizando, tenemos N elementos de los cuales se toma una muestra

de n sin reemplazo, donde N la podemos dividir en dos grupos n1 y N-n1 y se
calculan las combinaciones de n1 en k y de N-n1 en n-k, y las selecciones de N
en n:
n C x N − n1 C n − x
P( X = x) = 1
N Cn
Esta distribución es la contraparte de la distribución Binomial para ensayos

independientes, así como la distribución Binomial se puede generalizar para
situaciones donde cada ensayo puede tener más de dos posibles resultados, la
distribución Hipergeométrica también se puede generalizar.
Sean N elementos los cuales se toma una muestra de tamaño n sin

reemplazo y los podemos clasificar en n1 , n2, n3, ..., ni grupos y de cada grupo se
seleccionan k1, k2 , k3 ,..., ki , entonces la probabilidad de que aparezcan los
resultados anteriores es:
C x1 C x2 C x3 ...ni C xi
P( N ; n ; x1 , x 2 , x3 ,..., xi ) =
n1 n2 n3
N Cn
91
CASOS A RESOLVER
1.- En un grupo de 15 estudiantes compuesto por 9 hombres y 6 mujeres,

se seleccionan 5 al azar para asistir a una conferencia, calcule la probabilidad de
que:
a) 3 sean mujeres.
b) Al menos uno sea hombre.
c) Todos sean mujeres.
2.- En un grupo de 30 estudiantes se sabe que 15 de ellos estudian

Administración, 10 estudian Mercadotecnia y el resto estudia Ingeniería, para
efectuar una encuesta se toma una muestra de 8 alumnos al azar, calcule la
a) 4 estudien Administración, 2 Mercadotecnia y 2 Ingeniería.
b) 4 estudien Administración y 4 Mercadotecnia.
c) Al menos uno estudie Mercadotecnia.
92
ACTIVIDAD 34
DISTRIBUCIÓN DE POISSON
OBJETIVO.- Usar la distribución de probabilidad de Poisson para calcular la

probabilidad de eventos donde se presenta esta distribución.
Ahora estudiaremos un tipo especial de distribución, la cual mide la

probabilidad de ocurrencias de éxitos por un intervalo de tiempo o de espacio, por
ejemplo:
Número de accidentes que ocurren por semana en una autopista.

Número de personas que llegan a un banco por hora.
Número de errores que comete una secretaria por página, etc.
Número de vehículos que llegan a una caseta de cobro por minuto.
Existe una íntima relación entre la distribución Binomial y la distribución de

Poisson, consideremos un intervalo de tiempo t, en el cual queremos determinar la
probabilidad de que haya exactamente k ocurrencias, para esto dividamos t en n
subintervalos de tamaño ∆t = t n , si consideramos que la probabilidad de una
ocurrencia en ∆t es proporcional al tamaño del mismo p = λ ∆t , entonces la
probabilidad de que no se presente es 1 − λ ∆t donde λ es la razón de
ocurrencias por unidad de tiempo, la probabilidad de exactamente K ocurrencias
en el intervalo se obtiene haciendo que n tienda a infinito:
n! e −µ µ x
P( X = x) = lìm (λ ∆t ) x (1 − λ ∆t ) n − x =
n →∞ ( n − x )! x! x!
donde µ = λ t
Donde x=0,1,2,3,4,... hasta un valor infinito.
La cual corresponde a la fórmula de la distribución de Poisson. Esta

distribución se utiliza para aproximar resultados de la distribución Binomial
cuando n es grande y p es pequeña, tenemos que
t
p = λ ∆t = λ entonces np = λ t :
n
(np) x e − np
P( X = x) = n C x p x (1 − p ) n− x ≈
x!
93
Ejemplos:
1.- A una estación telefónica llegan llamadas a razón de 3 por minuto.

Calcule la probabilidad de que en un intervalo de tiempo de 40 seg. lleguen:
a) Exactamente tres llamadas.
b) Al menos lleguen 3 llamadas.
Solución:
En este ejemplo λ= 3 llamadas/ minuto t= 40 seg= 0.666 min por lo tanto
µ = λ t = (3 llamadas/min)(0.666 min) = 1.9 llamadas
(1.9) 3 e −1.9 (6.85)(0.1495)

a) P( X = 3) = = = 0.1706 = 17.06%
3! 6
b)
P( X ≥ 3) = 1 − p ( X ≤ 2) = 1 − [P( X = 0) + P ( X = 1) + P( X = 2)]
 (1.9) 0 e −1.9 (1.9)e −1.9 (1.9) 2 e −1.9 
= 1−  + + 
 0! 1! 2! 
= 1 − [0.1495 + 0.2840 + 0.2698] = 1 − 0.7033 = 0.2967 = 29.67%
Aproximación de la distribución Binomial con la de Poisson
En una caja se empacan 100 tornillos, si se sabe que la máquina que los
fabrica tiene un 2% de defectuosos, calcule la probabilidad de que la caja tenga 5
defectuosos.
Como tenemos una muestra grande n=100 y una probabilidad de éxito

pequeña p=0.02 , podemos usar la aproximación de la distribución Binomial por la
de Poisson, tomando µ = np = (100)(0.02) = 2
2 5 e −2 32(0.1353)
P( X = 5) ≈ = = 0.0368 = 3.68%
5! 120
El valor exacto calculado con la distribución Binomial es 0.0353=3.53% lo

cual es una buena aproximación.
94
CASOS A RESOLVER
1.- Se ha determinado que los accidentes en una céntrica avenida de una

ciudad ocurren a razón de 8 por semana. Calcule la probabilidad de que en un
lapso de 5 días, ocurran:
a) 6 accidentes.
b) Entre 5 y 12 accidentes.
c) Más de 10 accidentes.
2.- Una empresa produce rollos de tela que presentan 2 defectos por cada
10 m de tela. Calcule la probabilidad de que en un pedazo de tela de 4 m, se
presenten:
a) Un defecto.
b) Al menos dos defectos.
c) Cuando más tres defectos.
3.- La probabilidad de que una persona tomada al azar tenga SIDA es del
1.5%, si se toma una muestra de 300 personas, cual es la probabilidad de que:
a) Ninguna tenga SIDA
b) 2 o más tengan SIDA
95
ACTIVIDAD 35
DISTRIBUCIÓN NORMAL
OBJETIVO.- Calcular probabilidades de eventos continuos usando la distribución

Normal.
El primero en deducir la distribución normal fue Abrahán de Moivre en 1733
como el límite de la distribución Binomial, esta misma fórmula fue obtenida por
Karl Friedrich Gauss, al evaluar los errores de las observaciones astronómicas. La
distribución Binomial para valores grandes de n y probabilidades p cercanas a 0.5,
adquiere una forma acampanada, consideremos el siguiente ejemplo:
Se lanzan 10 monedas sobre una mesa, sea la variable aleatoria el número

de caras que aparecen. Su distribución de probabilidad es:
X 0 1 2 3 4 5 6 7 8 9 10
1 10 45 120 210 252 210 120 45 10 1
P(X)
1024 1024 1024 1024 1024 1024 1024 1024 1024 1024 1024
Graficando los puntos discretos:

P(x)
x
0 1 2 3 4 5 6 7 8 9 10
Si consideramos que n tiende a infinito, entonces los puntos se pueden unir

con una línea continua:
CURVA NORMAL
96
La función de densidad de probabilidad para la Distribución Normal es:
( x − µ )2
1 −
f ( x) = e 2σ 2
−∞ ≤ x≤∞
σ 2π
La distribución normal queda totalmente especificada si se conoce su media

µ y desviación estándar σ se escribe X ~ N ( µ , σ ) , para cada par de valores de
estos parámetros existe una distribución diferente. Tiene la propiedad de que el
área bajo la curva depende del número de desviaciones estándar, esto permite
utilizar una sola distribución en términos de una variable estandarizada, es decir
escribir los valores de x en función de desviaciones estándar, con lo que se define
una variable z:
x−µ
z=
σ
La distribución de probabilidad para la variable estandarizada quedaría.
z2
1 −
f ( z) = e 2
−∞ ≤ z ≤ ∞
2π
Para calcular probabilidades de que la variable aleatoria se encuentre entre

dos valores se obtiene como:
b ( x−µ )2 z2 z2
1 − 1 −
P ( a ≤ X ≤ b) = ∫ e dx = ∫ e dz = P ( z1 ≤ Z ≤ z 2 )
2σ 2 2
2π
a σ z1 2π
La distribución estandarizada tiene las características E ( Z ) = 0 y VAR( Z ) = 1 ,
se dice que Z ~ N (0,1)
a b
z 1 z 2
La igualdad anterior significa que es posible calcular las probabilidades de

la variable x en términos de la variable z, para el cálculo de probabilidades de la
distribución normal estandarizada se utiliza una Tabla que proporciona las
probabilidades de 0 hasta cualquier valor positivo de z:
97
z z2
1 −
F (Z = z) = ∫ e 2
dz = P(0 ≤ Z ≤ z )
o 2π
0 x
0 z
Para calcular las áreas de 0 a z se utiliza una Tabla que se muestra en el

apéndice, a continuación se resuelve un problema para mostrar el cálculo de
probabilidades de la distribución normal.
Ejemplo: La duración media de una lámpara incandescente tiene una

distribución normal con media de 1200 hrs. y desviación estándar de 150 horas.
Calcule la probabilidad de que la duración de una lámpara:
a) Sea de 1200 a 1350 horas

b) Esté entre 900 y 1300 horas.
c) Sea mayor de 1400 horas
d) Sea menor de 1300 horas.
Solución: En este ejemplo la variable aleatoria X es la duración de una

lámpara en horas.
a) Se pide P(1200 ≤ x ≤ 1350) = P(0 ≤ z ≤ 1) los valores de z se obtienen con la

fórmula, como el área buscada se encuentra entre 0 y z, corresponde al valor
leído directamente en la Tabla:
P(0 ≤ z ≤ 1) = F ( z = 1) = 0.3413 = 34.13%
b) Se quiere P(900 ≤ x ≤ 1300) = P( −2 ≤ z ≤ 0.67) en este caso se obtiene el
área para z=2 puesto que como la curva es simétrica es la misma área para z=-2 y
se suma el área para z=0.67
P(−2 ≤ z ≤ 0.67) = F ( z = 2) + F ( z = 0.67) = 0.4772 + 0.2486 = 0.7258
c) Sea mayor de 1400 es P( X ≥ 1400) = P( z ≥ 1.33) el área buscada es el de la

cola derecha de la curva, como es simétrica cada mitad es 0.5, entonces:
P ( z ≥ 1.33) = 0.5 − F ( z = 1.33) = 0.5 − 0.4082 = 0.0918 = 9.18%
98
El área calculada se ilustra en la figura:
1 200 1400
0 1 .3 3
d) Menor de 1300 es P( X ≤ 1300) = P( Z ≤ 0.67) el área buscada es:
1 2 0 0 1 300
0 0 .6 7
Se observa que el área es igual al área de 0 a 0.67 más la mitad de la

curva que es 0.5
P( X ≤ 0.67) = 0.5 + F ( Z = 0.67) = 0.5 + 0.2486 = 0.7486 = 74.86%
99
CASOS A RESOLVER
1.- La resistencia de un material a la ruptura presenta una distribución

normal con media de 2500 y desviación estándar de 180. C
Calcule la probabilidad de que una muestra de material tomada al azar:
a) Tenga una resistencia menor de 2300.
b) Sea mayor de 2400.
c) Esté entre 2600 y 2800.
2.- Una empresa vende acumuladores que tienen una duración media de 24
meses con una desviación estándar de 3 meses. Si la empresa vende 5000
acumuladores y ofrece una garantía de 18 meses. Calcule que cantidad debe
esperarse que reemplace la compañía.
3.- En el problema anterior, ¿Qué garantía se debe dar si la compañía esta

dispuesta a reemplazar el 10% de los acumuladores ?.
100
1.- Define los siguientes términos:

a) Variable aleatoria b) Distribución de probabilidad c) Valor esperado.
2.- Menciona las características de las distribuciones de probabilidades discretas y

continuas.
3- Menciona las características de las siguientes distribuciones de probabilidad,

que definen su aplicación:
a) Binomial b) Hipergeométrica c) Poisson d) Normal
4.- Bajo qué condiciones se puede utilizar la distribución de Poisson para

aproximar a la Binomial.
5.- ¿Qué indica el valor de z en la distribución normal?.
6.- En una distribución continua, ¿Por qué se calculan las probabilidades por
intervalos?.
7.- Un experimento aleatorio consiste en sacar 3 esferas sin reemplazo de una

urna donde hay 4 esferas rojas, 3 azules y 3 blancas. Sea la variable aleatoria el
número de rojas que aparecen, determine:
a) La distribución de probabilidad.
b) La distribución acumulada.
c) El valor esperado y la varianza.
9.- En una escuela el 65% de los alumnos son mujeres y el 35% son hombres, se
toma una muestra de 5 alumnos al azar para aplicarles una encuesta, si la variable
aleatoria es el número de hombres de la muestra, determine:
a) Su distribución de probabilidad.
b) El valor esperado y la varianza.
c) La probabilidad de que en la muestra, al menos dos sean hombres.
10.- Una distribución continua se define mediante la expresión:
c(2 x + 1) 0≤ x≤5

p( x) = 
0 para otro valor de x

a) Calcule el valor de c
b) Calcule p ( x ≤ 3)
c) Calcule p (1 ≤ x ≤ 4)
d) Calcule el valor esperado y varianza.
101
11.- La probabilidad de que en un día de verano llueva es del 5%. Calcule la

probabilidad de que en 7 días consecutivos:
a) Llueva una vez.

b) Llueva al menos 2 veces.
c) Llueva cuando más una vez.
12.- En una ciudad se sabe que 50% de la población es católica, el 30%
protestante y el resto ateos, se selecciona una muestra de 20 personas al azar
para realizar un estudio, calcule la probabilidad de que en la muestra:
a) 10 sean católicos, 5 protestantes y 5 ateos.

b) 10 sean católicos y 10 protestantes.
c) 15 sean católicos.
13.- A un cajero automático llegan personas a razón de 3 por minuto, calcule la
probabilidad de que en un lapso de 2 minutos:
a) Lleguen 6 personas.
b) Lleguen al menos 4 personas.
14.- La probabilidad de que una persona sufra una reacción alérgica al
administrarle un medicamento es del 0.1%, si el medicamento se administra a
2000 personas, calcule la probabilidad de que:
a) 5 sufran reacción.
b) Al menos 2 sufran reacción.
15.- En una caja hay 20 productos de los cuales se sabe que 5 están defectuosos,
una persona selecciona 4 productos al azar (sin reemplazo), calcule la
a) Uno este defectuoso.

b) Dos o menos estén defectuosos.
16.- Las encuestas realizadas por una corporación financiera han revelado que
una cuenta regular de ahorros, abierta en uno de sus Bancos, tiene una duración
promedio de 26 meses con una desviación estándar de 8.2 meses, si una persona
abre una cuenta de ahorros en una de sus sucursales ,calcule la probabilidad de
que:
a) Tenga dinero después de 30 meses

b) Sea cancelada antes de un año y medio
c) Dure entre 20 y 30 meses
d) Dure menos de 35 meses.
17.- La revista Ciencia Médica publica que el peso de un bebé recién nacido es
una variable aleatoria, que sigue una distribución normal con media de 3.2 kg y
una desviación estándar de 0.4 kg, determine qué porcentaje de los bebes recién
nacidos:
a) Tienen un peso mayor a 3.5 kg

b) Tienen peso entre 3 y 3.6 kg.
102
APÉNDICE
AREA BAJO LA CURVA NORMAL ENTRE 0 Y Z
z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.00000 0.00399 0.00798 0.01197 0.01595 0.01994 0.02392 0.02790 0.03188 0.03586
0.1 0.03983 0.04380 0.04776 0.05172 0.05567 0.05962 0.06356 0.06749 0.07142 0.07535
0.2 0.07926 0.08317 0.08706 0.09095 0.09483 0.09871 0.10257 0.10642 0.11026 0.11409
0.3 0.11791 0.12172 0.12552 0.12930 0.13307 0.13683 0.14058 0.14431 0.14803 0.15173
0.4 0.15542 0.15910 0.16276 0.16640 0.17003 0.17364 0.17724 0.18082 0.18439 0.18793
0.5 0.19146 0.19497 0.19847 0.20194 0.20540 0.20884 0.21226 0.21566 0.21904 0.22240
0.6 0.22575 0.22907 0.23237 0.23565 0.23891 0.24215 0.24537 0.24857 0.25175 0.25490
0.7 0.25804 0.26115 0.26424 0.26730 0.27035 0.27337 0.27637 0.27935 0.28230 0.28524
0.8 0.28814 0.29103 0.29389 0.29673 0.29955 0.30234 0.30511 0.30785 0.31057 0.31327
0.9 0.31594 0.31859 0.32121 0.32381 0.32639 0.32894 0.33147 0.33398 0.33646 0.33891
1.0 0.34134 0.34375 0.34614 0.34849 0.35083 0.35314 0.35543 0.35769 0.35993 0.36214
1.1 0.36433 0.36650 0.36864 0.37076 0.37286 0.37493 0.37698 0.37900 0.38100 0.38298
1.2 0.38493 0.38686 0.38877 0.39065 0.39251 0.39435 0.39617 0.39796 0.39973 0.40147
1.3 0.40320 0.40490 0.40658 0.40824 0.40988 0.41149 0.41309 0.41466 0.41621 0.41774
1.4 0.41924 0.42073 0.42220 0.42364 0.42507 0.42647 0.42786 0.42922 0.43056 0.43189
1.5 0.43319 0.43448 0.43574 0.43699 0.43822 0.43943 0.44062 0.44179 0.44295 0.44408
1.6 0.44520 0.44630 0.44738 0.44845 0.44950 0.45053 0.45154 0.45254 0.45352 0.45449
1.7 0.45543 0.45637 0.45728 0.45818 0.45907 0.45994 0.46080 0.46164 0.46246 0.46327
1.8 0.46407 0.46485 0.46562 0.46637 0.46712 0.46784 0.46856 0.46926 0.46995 0.47062
1.9 0.47128 0.47193 0.47257 0.47320 0.47381 0.47441 0.47500 0.47558 0.47615 0.47670
2.0 0.47725 0.47778 0.47831 0.47882 0.47932 0.47982 0.48030 0.48077 0.48124 0.48169
2.1 0.48214 0.48257 0.48300 0.48341 0.48382 0.48422 0.48461 0.48500 0.48537 0.48574
2.2 0.48610 0.48645 0.48679 0.48713 0.48745 0.48778 0.48809 0.48840 0.48870 0.48899
2.3 0.48928 0.48956 0.48983 0.49010 0.49036 0.49061 0.49086 0.49111 0.49134 0.49158
2.4 0.49180 0.49202 0.49224 0.49245 0.49266 0.49286 0.49305 0.49324 0.49343 0.49361
2.5 0.49379 0.49396 0.49413 0.49430 0.49446 0.49461 0.49477 0.49492 0.49506 0.49520
2.6 0.49534 0.49547 0.49560 0.49573 0.49585 0.49598 0.49609 0.49621 0.49632 0.49643
2.7 0.49653 0.49664 0.49674 0.49683 0.49693 0.49702 0.49711 0.49720 0.49728 0.49736
2.8 0.49744 0.49752 0.49760 0.49767 0.49774 0.49781 0.49788 0.49795 0.49801 0.49807
2.9 0.49813 0.49819 0.49825 0.49831 0.49836 0.49841 0.49846 0.49851 0.49856 0.49861
3.0 0.49865 0.49869 0.49874 0.49878 0.49882 0.49886 0.49889 0.49893 0.49897 0.49900
3.1 0.49903 0.49906 0.49910 0.49913 0.49916 0.49918 0.49921 0.49924 0.49926 0.49929
3.2 0.49931 0.49934 0.49936 0.49938 0.49940 0.49942 0.49944 0.49946 0.49948 0.49950
3.3 0.49952 0.49953 0.49955 0.49957 0.49958 0.49960 0.49961 0.49962 0.49964 0.49965
3.4 0.49966 0.49968 0.49969 0.49970 0.49971 0.49972 0.49973 0.49974 0.49975 0.49976
3.5 0.49977 0.49978 0.49978 0.49979 0.49980 0.49981 0.49981 0.49982 0.49983 0.49983
3.6 0.49984 0.49985 0.49985 0.49986 0.49986 0.49987 0.49987 0.49988 0.49988 0.49989
3.7 0.49989 0.49990 0.49990 0.49990 0.49991 0.49991 0.49991 0.49992 0.49992 0.49992
3.8 0.49993 0.49993 0.49993 0.49994 0.49994 0.49994 0.49994 0.49995 0.49995 0.49995
3.9 0.49995 0.49995 0.49996 0.49996 0.49996 0.49996 0.49996 0.49996 0.49997 0.49997
4.0 0.49997 0.49997 0.49997 0.49997 0.49997 0.49997 0.49998 0.49998 0.49998 0.49998
4.1 0.49998 0.49998 0.49998 0.49998 0.49998 0.49998 0.49998 0.49998 0.49999 0.49999
4.2 0.49999 0.49999 0.49999 0.49999 0.49999 0.49999 0.49999 0.49999 0.49999 0.49999
4.3 0.49999 0.49999 0.49999 0.49999 0.49999 0.99999 0.49999 0.49999 0.49999 0.49999
4.4 0.49999 0.49999 0.50000 0.50000 0.50000 0.50000 0.50000 0.50000 0.50000 0.50000
Tabla Generada por: Instituto de Matemáticas(IMAT)
103
BIBLIOGRAFÍA
1.- ESTADISTICA PARA ADMINISTRACIÓN
Lind
Ed. Mc Graw Hill
2.- MATEMÁTICAS MODERNAS APLICADAS

J.C. Turner
Alianza Universitaria
3.- PROBABILIDAD Y ESTADÍSTICA

Murray R. y Spiegel
McGraw-Hill
4.- ESTADÍSTICA
Murray R. Spiegel
McGraw-Hill
5.- PARADOJAS MATEMÁTICAS

Northrop Eugene
UTEHA
6.- PROBABILIDAD
Seymour Liptchus
McGraw-Hill
7.- ESTADÍSTICA PARA ADMINISTRADORES

Richard Levin
Prentice Hall
8.- ESTADÍSTICA APLICADA A ADMINISTRACIÓN Y ECONOMIA

Leonard Kazmier
Alfredo Díaz Mata
McGraw-Hill
9.- ESTADÍSTICA ELEMENTAL

Robert Jhonson
Grupo Editorial Ibero América
10.- ESTADÍSTICA PARA ADMINISTRACIÓN

Stevenson
McGrall Hill
11.- SOFTWARE PARA ESTADÍSTICA MacStat 2
12.- Consulta de páginas en Internet.
104

Estadistica Descriptiva1

Cargado por

Información del documento

Descripción original:

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

Estadistica Descriptiva1

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD DE OCCIDENTE

REVISION: Ing. José Antonio Castro Inzunza.

SOBRE LA ENSEÑANZA DE LAS MATEMÁTICAS

La enseñanza y el aprendizaje de las matemáticas ha sido un tema muy

Organización, comprensión e interpretación de la información.

Expresión matemática oral y escrita.

Expresión correcta de los resultados obtenidos al resolver

Planteamiento y resolución de problemas.

Reconocimiento y planteamiento de situaciones reales susceptibles

Para el desarrollo del curso se requiere que se tengan las siguientes

Habilidad para realizar operaciones aritméticas y algebraicas

COMPETENCIA ESPECÍFICA DEL CURSO:

Adquirir los conocimientos básicos y aplicar los métodos Estadísticos

La ESTADÍSTICA es una de las ramas de la Matemática que sin duda ha

Es hora de preguntarnos, ¿Qué es la Estadística?, ¿Cómo funciona?,

Otra disciplina que ha contribuido al desarrollo de la Estadística es la

Competencias específicas a desarrollar en este Capítulo:

Define Estadística y establece su división para su estudio.

Construye Tablas de Distribuciones de Frecuencias.

Diseña gráficos para presentar datos y resultados.

Aplica los conocimientos teóricos a situaciones prácticas relacionadas con su carrera.

Usa Software estadístico como herramienta de apoyo.

Interpreta los resultados obtenidos.

Pone en práctica la toma de decisiones.

OBJETIVO: Establecer el concepto de Estadística a partir del análisis de

Con frecuencia escuchamos o leemos frases como las siguientes:

a) En una escuela la calificación promedio de los niños que cursan primer

b) En el estado de Sinaloa la tasa de desempleo fue del 2.3 % en el mes

c) Se ha encontrado que el 15 % de la población del estado padece

d) Un estudio de 500 adolescentes, sobre la edad promedio a la que inician

e) La encuesta hecha por el periódico “El Universal” indica que el candidato

f) Se ha encontrado que el peso promedio de los estudiantes de sexto

g) Las ventas estimadas de juguetes para el siguiente año se incrementan

h) Se estima que la duración media de una nueva marca de acumulador se

i) Un investigador ha determinado que existe una correlación entre el

En los enunciados anteriores se mide alguna característica o se cuenta el

medio de la selección de una muestra aleatoria y a partir de esta información

1.- Investigar que estudia cada una de las ramas de la Estadística.

2.- Investigar las escales de medición usadas en la Estadística

OBJETIVO.- Identificar los diferentes tipos de variables utilizadas en los procesos

Uno de los primeros pasos en el estudio de algún fenómeno, consiste en

A continuación se presentan algunas características de los estudiantes de

a) Sexo de cada alumno del grupo.

b) Cantidad de estudiantes del grupo.

c) Tipo de ocupación de los padres de los alumnos.

d) Peso de cada alumno.

e) Escolaridad del padre.

f) Estatura de cada alumno.

g) Escuela de procedencia de la preparatoria.

h) Promedio obtenido en la preparatoria.

Además de la clasificación en variables categóricas y numéricas,

Continuas.- Pueden tomar cualquier valor dentro de

Nominales.- Se definen por medio de categorías o

Ordinales.- Se definen por categorías, pero existe un

De acuerdo a la clasificación anterior, menciona a que tipo de variable

MEDIDAS DE TENDENCIA CENTRAL: DATOS NO AGRUPADOS

OBJETIVO.- Calcular las medidas de tendencia central a partir de un conjunto de

Un alumno de la Universidad de Occidente obtuvo las siguientes

Un valor que representa a todas las calificaciones es el promedio, también

Suma de los valores 8 + 9 + 10 + 9 + 8 + 9

En forma condensada se escribe:

Otra medida es la Moda, en éste ejemplo es el número 9, se representa como x̂ .