Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PROBABILIDAD
Agosto 2022
ESTADÍSTICA DESCRIPTIVA Y PROBABILIDADES
Índice general
1. SEMANA 1: Introducción a la Estadística 3
1.1. ¿Qué es la estadística? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2. Clasificación de la estadística . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.1. Estadística Descriptiva . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.2. Estadística Inferencial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3. Definiciones Básicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3.1. Población . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3.2. Muestra . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3.3. Unidad de análisis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3.4. Dato . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3.5. Variable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3.6. Parámetro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3.7. Valor estadístico o estimado . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4. Niveles de Medición . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.5. Practicando lo Aprendido . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.6. Recopilación de Datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.6.1. Fuentes para obtener datos . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.6.2. Técnicas para recopilar Datos . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.7. Etapas del método estadístico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.7.1. Planteamiento del Problema . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.7.2. Objetivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.7.3. determinación de la unidad de Investigación . . . . . . . . . . . . . . . . . . 13
1.7.4. Formulación de Hipótesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.7.5. Selección del método de investigación . . . . . . . . . . . . . . . . . . . . . 13
1.7.6. Recopilación de Datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.7.7. Procesamiento de los datos . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.7.8. Publicación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.7.9. Generalización e inferencia estadística. . . . . . . . . . . . . . . . . . . . . . 14
8. SEMANA 8: Probabilidades 62
8.1. Conceptos básicos de Probabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
8.2. Probabilidad Condicional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
8.3. Eventos Independientes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
SEMANA 1: Introducción a la
Estadística
Logro de la Sesión
1.1
¿Qué es la estadística?
La estadística es una ciencia que nos proporciona métodos, técnicas o procedimientos para
recopilar, organizar (clasificar, agrupar), presentar, analizar e interpretar datos en forma adecua-
da para luego tomar decisiones o realizar generalizaciones válidas.
La estadística en la ingeniería
La importancia de la estadística en la ingeniería, ha sido encaminada por la participación de la
industria en el aumento de la calidad. Muchas compañías se han dado cuenta que la baja calidad
de un producto, tiene un gran efecto en la productividad global de la compañía, en el mercado,
la posición competitiva, y finalmente, en la rentabilidad de la empresa. Mejorar los aspectos de
calidad conlleva al éxito de la compañía. La estadística es un elemento decisivo en el incremento
de la calidad, ya que las técnicas estadísticas pueden emplearse para describir y comprender la
variabilidad.
Todos los procesos y sistemas de la vida real exhiben variabilidad. Esta es el resultado de
cambios en las condiciones bajo las cuales se hacen las observaciones. En el contexto de la ma-
nufactura, estos cambios pueden ser diferencias en las propiedades de los materiales utilizados,
en la forma en que trabajan los obreros, en las variables del proceso (tales como la temperatura,
la presión o el tiempo de ocupación) y en los factores ambientales (como la humedad relativa) .
La variabilidad se presenta también debido al sistema de medición utilizado y al muestreo.
El campo de la estadística y la probabilidad utiliza métodos tanto para describir y modelar la
variabilidad, como para tomar decisiones en presencia de ésta.
1.2
Clasificación de la estadística
Estimación Puntual: Es la estimación del valor del parámetro por medio de un único valor
obtenido mediante el cálculo o evaluación de un estimador para una muestra específica.
1.3
Definiciones Básicas
1.3.1. Población
Se denomina población al conjunto de todos los individuos o elementos (que consiste en per-
sonas, animales, objetos, etc.), con una o más características observables que se van a estudiar.
Una población debe definirse en términos de su contenido, extensión y tiempo. La población
puede ser finita o infinita, dependiendo del número de elementos que presente.
1. Población Finita: Es aquella que indica que es posible alcanzarse o sobrepasarse al contar.
Es aquella que posee o incluye un número limitado de medidas y observaciones.
Ejemplo 1.1
Todos los estudiantes de ingeniería de la UTP 2022
1.3.2. Muestra
Es una parte o subconjunto de la población, seleccionada con el fin de obtener información
acerca de la población de la que proviene. La muestra debe ser representativa y adecuada. Repre-
sentativa porque debe reflejar fielmente las características de la población que proviene. Ade-
cuada, porque debe tener un numero óptimo y mínimo de elementos.
Ejemplo 1.2
150 estudiantes de ingeniería de la UTP 2022
Ejemplo 1.3
Un estudiante de ingeniería de la UTP 2022
1.3.4. Dato
Es el valor o respuesta que adquiere la variable en cada unidad de análisis como resultados
de la observación, entrevista. Son la materia prima de la estadística, estos pueden ser números,
palabras, o símbolos .
1.3.5. Variable
Es la característica de la población que interesa al investigador y que puede tomar diferentes
valores. Se clasifica de la siguiente manera:
1.3.6. Parámetro
Es un valor fijo que caracteriza a la variable de interés en la población en estudio. Para calcu-
lar este valor se requiere conocer todos los datos de la variable en la población; por lo general
este valor casi nunca se conoce el objetivo de investigador es estimarlo a través de una muestra
aleatoria.
Los parámetros más utilizados de:
Parámetro Simbolo
Media aritmetica poblacional µ
Varianza poblacional σ2
Desviación estándar poblacional σ
Proporción poblacional poπ
Mediana Poblacional Me
Moda Poblacional Mo
Coeficiente de variación poblacional CV
Estadígrafo Símbolo
Media aritmética muestral x̄
Varianza muestral S2
Desviación estándar muestral S
Proporción muestral p̄
Mediana muestral me
Moda muestral mo
Coeficiente de variación muestral cv
Ejercicio Explicativo 1
En la ciudad de Arequipa se toma una muestra aleatoria de 30 grifos que se dedican a la
venta de combustible de un día determinado, se obtiene que el monto por venta promedio
es de S/ 12 000.00. Con esta información identificar: Población, Unidad de Análisis, varia-
ble de estudio, tipo de variable, un posible dato, tamaño de la muestra, parámetro y valor
estadístico.
Ejercicio Explicativo 2
De una población de 3000 revistas científicas de Ingeniería, el 73.46 % están escritas en
idioma inglés. Una muestra aleatoria de 50 revistas arroja que el 72 % están escritas en
ingles, el promedio de artículos por revistas es de 12.4 Con esta información identificar:
población, unidad de análisis, variables de estudio, tipos de variables, posibles datos, ta-
maño de la muestra, parámetro y valor estadístico.
Ejercicio Explicativo 3
Según un artículo publicado en un diario de circulación local, los habitantes de la región
están disconformes con la aplicación de la justicia. Según el artículo el 80 % de la población
indica que la justicia no es igual para todos. Para estudiar el problema se tomó una muestra
de 500 ciudadanos de la región Arequipa en el mes de enero del 2019, en el cuestionario
entre las varias interrogantes destacan la opinión sobre la aplicación de la justicia, y la edad
del encuestado, en la muestra se observó que un 78 % de los encuestados opinan que la
justicia no es igual para todos, la edad promedio de los ciudadanos encuestados es de 48.6
años. Indicar:
1.4
Niveles de Medición
Uno de los elementos fundamentales de la definición de una variable es el tipo de escala que
utilizaremos para medirla. En función de la escala elegida decidiremos su codificación, trata-
miento informático y estadístico.
Los Niveles o Escalas de medición son las formas de clasificar los datos, pueden ser:
Genero
Estado Civil
Nombres
Lugar de nacimiento
Medidas
Nivel de estudio
Nivel económico
Grado Académico
Temperatura
Fecha de Calendario
Hora GMT
Distancia
Altura
Peso
Tiempo
1.5
Practicando lo Aprendido
1. En cada uno de los siguientes enunciados identificar de ser posible: la población, unidad
elemental, variables en estudio, tipos de variables, tamaño de la muestra, valores estadís-
ticos, parámetros y un ejemplo de posibles datos en cada caso:
2. De cada una de las siguientes situaciones responda las preguntas que se plantean:
a) ¿Cuál es la población?
b) ¿Cuál es la muestra?
c) Identifique el parámetro de interés
d) Identifique el estadígrafo y su valor
e) ¿Se conoce el valor del parámetro?
3. Para cada uno de los siguientes conjuntos de datos, indique si nos cualitativos o cuantita-
tivos y describir las distintas modalidades.
c) Velocidad máxima alcanzada por 12 automóviles que utilizan alcohol como combusti-
ble.
d) Número de caracteres impresos por línea de salida de computadora en 20 impresoras
de línea.
e) Número de miembros de una familia
f) Estado civil de una persona
g) Tiempo de vuelo de un misil
h) Marcas de maquinas de soldar
2. Fuentes externas: cuando se tiene que otras empresas, instituciones, poblaciones, etc.,
fuera del ente recopilador.
Definición 5: Encuesta
Conjunto de preguntas tipificadas dirigidas a una muestra representativa, para averiguar
estados de opinión o diversas cuestiones de hecho. A diferencia de un censo, donde todos
los miembros de la población son estudiados, las encuestas recogen información de una
porción de la población de interés, dependiendo el tamaño de la muestra en el propósito
del estudio.
Definición 6: Entrevista
Las entrevistas se utilizan para recabar información en forma verbal, a través de preguntas
que propone el analista. Quienes responden pueden ser gerentes o empleados, los cuales
son usuarios actuales del sistema existente, usuarios potenciales del sistema propues-
to o aquellos que proporcionarán datos o serán afectados por la aplicación propuesta. El
analista puede entrevistar al personal en forma individual o en grupos. Sin embargo, las
entrevistas no siempre son la mejor fuente de datos de aplicación. En otras palabras, la
entrevista es un intercambio de información que se efectúa cara a cara. Es un canal de co-
municación entre el analista y la organización; sirve para obtener información acerca de las
necesidades y la manera de satisfacerlas, así como concejo y comprensión por parte del
usuario para toda idea o método nuevos. Por otra parte, la entrevista ofrece al analista una
excelente oportunidad para establecer una corriente de simpatía con el personal usuario,
lo cual es fundamental en transcurso del estudio.
Definición 7: Cuestionario
se entiende por cuestionario a la lista de preguntas que se proponen por cualquier fin, el
cuestionario proporcionan una alternativa muy útil para la entrevista; si embargo, existen
ciertas características que pueden ser apropiada en algunas situaciones e inapropiadas
en otra. Al igual que la entrevistas, deben diseñarse cuidadosamente para una máxima
efectividad.
Definición 8: Observación
tra técnica útil para el analista en su progreso de investigación, consiste en observar a las
personas cuando efectúan su trabajo. Como técnica de investigación, la observación tiene
amplia aceptación científica. Los sociólogos, sicólogos e ingenieros industriales utilizan ex-
tensamente ésta técnica con el fin de estudiar a las personas en sus actividades de grupo
y como miembros de la organización. El propósito de la organización es múltiple: permite
al analista determinar que se está haciendo, como se está haciendo, quien lo hace, cuando
se lleva a cabo, cuánto tiempo toma, dónde se hace y por qué se hace.
1.7
Etapas del método estadístico
La estadística, proporciona métodos y procedimientos que permiten analizar datos de varia-
bles de interés, utilizando para tal fin una muestra elegida al azar de la población en estudio; con
el objetivo de tomar decisiones en dicha población. Para su aplicación, se debe tener en cuenta
las siguientes etapas:
1.7.2. Objetivo
Conjunto de acciones o tareas de las necesidades alcanzadas, debe plantearse un objetivo
general y como mínimo tres objetivos específicos.
1.7.8. Publicación
Se consigna los resultados de la investigación, previa revisión de los datos procesados.
2.1
Tablas de Frecuencia
Los datos que se presentan en cualquier tipo de estudio son datos brutos que requieren de
su procesamiento para que transmitan algún sentido y puedan ser analizados de acuerdo con el
objetivo del estudio.
Este ordenamiento se puede resumir en una tabla o cuadro que se denomina tabla de fre-
cuencias (o distribución de frecuencias).
Una distribución de frecuencias es un ordenamiento de un conjunto de datos obtenidos de
una población o de una muestra en donde los elementos estudiados son clasificados en grupos
o categorias mutuamente excluyentes expresando el número y/o porcentaje de elementos que
pertenecen a cada categoria o grupo.
El objetivo de una distribución de frecuencias es resumir en una tabla (tabla de distribu-
ción de frecuencias) los datos recolectados de tal forma que se facilite su interpretación y
posterior análisis
2.2
Distribución de Frecuencia para datos Cualitativos
Cuando la variable de análisis es de tipo cualitativo, cada grupo, clase o categoria se forma
con cada uno de los diferentes valores que toma la variable, generalmente ordenados en forma
alfabética.
16
14
14
12
10
8
8
Comercio Industria Servicio
Actividad Económica
45 %
Comercio
Industria
20 % Servicio
35 %
pi = hi × 100 %
Pi = ∑ pi
i=1
Cuadro 2.3: Estructura y elementos de una tabla de frecuencias de variable cuantitativa discreta
Frecuencia Frecuencia Frecuencia Frecuencia por-
Frecuencia Frecuencia
Variable porcen- absoluta acu- relativa acumu- centual acumu-
absoluta relativa
tual mulada lada lada
x1 f1 h1 p1 F1 = f1 H 1 = h1 P1 = p1
x2 f2 h2 p2 F2 = f1 + f2 H 2 = h1 + h2 P2 = p1 + p2
x3 f3 h3 p3 F3 = F2 + f3 H 3 = H 2 + h3 P3 = P2 + p3
.. .. .. .. .. .. ..
. . . . . . .
xk fk hk pk Fk = n Hk = 1,00 Pk = 100 %
Total n 1,00 100 %
EJERCICIO EXPLICATIVO 2.3.1. Una empresa que tiene 50 trabajadores se propone reestruc-
turar las remuneraciones, se estudia los años de servicio de los trabajadores determinándose los
siguientes resultados:
1. Tabular la información
4. Si aquellos trabajadores que tengan a lo menos siete años de servicio reciben un aumento
del 8 % ¿Qué porcentaje de los trabajadores recibió dicho aumento?
5. Si todos los trabajadores que tengan a lo más cinco años de servicio reciben una bonificación
de $ 20 000.¿Qué cantidad de trabajadores recibió dicha bonificación?
6. Si la empresa decide otorgar una bonificación especial de $ 13 000 por cada año de servi-
cio.¿Cuánto será el dinero necesario para cumplir dicha bonificación?
Solución. Resolviendo:
4 5 4 6 7 9 7 7 5 8
8 7 6 7 7 4 6 8 8 9
6 8 9 5 6 5 4 7 9 6
7 6 5 4 4 4 6 8 8 7
8 9 5 5 4 6 7 9 5 4
Número de trabajadores
9
6
4 5 6 7 8 9
Años de servicio
Cuadro 2.5: Estructura y elementos de una tabla de frecuencias de variable cuantitativa discreta
Frecuencia Frecuencia Frecuencia Frecuencia por-
Marca de Frecuencia Frecuencia
Intervalo porcen- absoluta acu- relativa acumu- centual acumu-
clase absoluta relativa
tual mulada lada lada
[Dmín ; Dmín + C⟩ x1 f1 h1 p1 F1 = f1 H1 = h1 P1 = p1
[Dmín + C; Dmín + 2C⟩ x2 f2 h2 p2 F2 = f1 + f2 H2 = h1 + h2 P2 = p1 + p2
[Dmín + 2C; Dmín + 3C⟩ x3 f3 h3 p3 F3 = F2 + f3 H3 = H2 + h3 P3 = P2 + p3
.. .. .. .. .. .. .. ..
. . . . . . . .
[Dmín + (k − 1)C; Dmín + kC⟩ xk fk hk pk Fk = n Hk = 1,00 Pk = 100 %
TOTAL n 1,00 100 %
EJERCICIO EXPLICATIVO 2.3.2. Los siguientes datos corresponden a las notas obtenidas por
100 estudiantes en el curso de estadística descriptiva y probabilidades.
20 17 11 16 19 9 8 11 18 12
17 13 11 13 5 14 17 7 12 7
7 7 20 14 15 18 13 3 8 11
20 14 14 14 13 14 17 10 12 11
11 9 11 17 5 13 8 20 6 8
18 17 13 19 17 20 13 12 8 13
16 17 12 14 13 15 5 19 6 9
15 11 20 16 11 10 17 14 11 16
11 10 9 9 13 15 13 12 9 15
12 19 20 12 19 17 7 14 10 12
Solución. Resolviendo
n = 100
Dato mínimo = 3
Dato máximo = 20
Rango: R = 20 − 3 = 17
Número de intervalos: k = 1 + 3,3 log(100) = 7,6
redondeando tenemos que: k = 7 , se tiene una tabla de 8 intervalos.
Amplitud de clase: C = 17
8 = 2,429 ≈ 2,5
20 17 11 16 19 9 8 11 18 12
17 13 11 13 5 14 17 7 12 7
7 7 20 14 15 18 13 3 8 11
20 14 14 14 13 14 17 10 12 11
11 9 11 17 5 13 8 20 6 8
18 17 13 19 17 20 13 12 8 13
16 17 12 14 13 15 5 19 6 9
15 11 20 16 11 10 17 14 11 16
11 10 9 9 13 15 13 12 9 15
12 19 20 12 19 17 7 14 10 12
Empezamos llenando los datos en la tabla. Para construir los intervalos, es necesario em-
pezar del dato mínimo y sumar la amplitud de clase.
Figura 2.4: Histograma de frecuencias de las notas de los estudiantes de estadística descriptiva
y probabilidades
25
Número de estudiantes
20
15
10
Notas
3 – 5,5
5,5 – 8
8 – 10,5
10,5 – 13
13 – 15,5
15,5 – 18
18 – 20,5
2. los siguientes datos corresponden al sueldo (en miles de soles) de 40 trabajadores de una
empresa
3. En una industria es necesario realizar un estudio respecto al peso de engranajes de gran ta-
maño. Los siguientes datos corresponden al peso, en kilogramos, de 39 piezas, que poseen
las mismas dimensiones, pero distinta aleación.
58 52 50 52 40 50 38 52 50 45
36 45 55 42 42 52 50 45 42 38
42 38 40 46 45 45 55 42 45 40
4. En una industria automotriz es necesario realizar un estudio debido a una partida defectuo-
sa de discos de embrague. Para ello se ha recoilado la siguiente información referente a la
duración en horas de 50 de ellos.
3.1
Definiciones
Definición: (Medidas de Tendencia Central). Las medidas de tendencia central son algunos de
los varios tipos de medidas estadísticas. Las medidas de tendencia central pretenden resumir en
un solo valor a un conjunto de valores, y tienden a ocupar posiciones centrales en el conjunto de
datos.
x1 + x2 + · · · + xn ∑ni=1 xi
x̄ = =
n n
donde: n : tamaño de la muestra, o total de datos
x1 f1 + x2 f2 + · · · + xk fk ∑ki=1 xi · fi
x̄ = =
n n
Donde:
xi es la marca de clase del intervalo i-ésimo
fi es la frecuencia del intervalo o-ésimo
n es el número de datos de la muestra
k es el número de intervalos.
Donde:
i es el primer intervalo cuya frecuencia acumulada supera a 2n
Li es el límite inferior del intervalo donde se ubica la mediana
n es el número de datos
Fi−1 es la frecuencia acumulada anterior al intervalo de la mediana
fi es la frecuencia absoluta del intervalo de la mediana
C es la amplitud del intervalo
Solución:
1. La media aritmética
3,4 + 2,5 + 4,8 + 2,9 + 3,6 + 2,8 + 3,3 + 5,6 + 3,7 + 2,8 + 4,4 + 4,0 + 5,2 + 3,0 + 4,8
x̄ =
15
x̄ = 3,786666667
2. La mediana
3. La moda
los datos que más se repiten son: 2,8 y 4,8 ambos en la misma cantidad de veces (dos
veces)
2.5 2.8 2.8 2.9 3.0 3.3 3.4 3.6 3.7 4.0 4.4 4.8 4.8 5.2 5.6
Interpretación: Los tiempos de secado más frecuentes de las marcas de pintura son
de 2.8 y 4.8 horas.
123 116 122 110 175 126 125 111 118 117
Solución:
1. La media aritmética:
123 + 116 + 122 + 110 + 175 + 126 + 125 + 111 + 118 + 117
x̄ =
10
x̄ =124,3
2. La mediana:
X( n ) + X( n +1) X( 10 ) + X( 10 +1) X5 + X6
2 2 2 2
Me = = =
2 2 2
Buscamos en los datos ordenados la posición 5 y 6
X1 X2 X3 X4 X5 X6 X7 X8 X9 X10
110 111 116 117 118 122 123 125 126 175
Reemplazando, tenemos
118 + 122
Me = = 120
2
Interpretación:
● El 50 % de las baterías tiene un tiempo de vida igual o inferior a 120 horas.
3. La moda:
Observamos que ninguno de los datos se repite, por lo tanto no existe moda
Mo = φ = {}
Interpretación:
Solución:
2. La media:
Duración xi fi xi × fi
[350 − 400⟩ 375 4 1500
[400 − 450⟩ 425 6 2550 ∑ki=1 xi × fi
[450 − 500⟩ 475 9 4275 x̄ =
n
[500 − 550⟩ 525 20 10500 130100
[550 − 600⟩ 575 31 17825 x̄ =
212
[600 − 650⟩ 625 80 50000 x̄ =613,6792
[650 − 700⟩ 675 42 28350
[700 − 750⟩ 725 10 7250 Interpretación: En promedio la duración
[750 − 800⟩ 775 8 6200 de los dispositivos electrónicos es de
[800 − 850⟩ 825 2 1650 613.68 horas.
Total 212 130100
3. La mediana
i Duración fi Fi
1 [350 − 400⟩ 4 4 Determinemos la ubicación de la mediana en la
2 [400 − 450⟩ 6 10 tabla
n
3 [450 − 500⟩ 9 19 ≤ Fi
2
4 [500 − 550⟩ 20 39 en este caso:
5 [550 − 600⟩ 31 70
6 [600 − 650⟩ 80 150 n 212
= = 106 ≤ Fi
7 [650 − 700⟩ 42 192 2 2
8 [700 − 750⟩ 10 202 entonces:
9 [750 − 800⟩ 8 210 70 ≤ 106 < 150
10 [800 − 850⟩ 2 212
Por lo tanto se ubica en el sexto intervalo: i = 6
Total 212
4. La moda
22 18 135 15 90 78 69 98 102
83 55 28 121 120 13 22 124 112
2. Los siguientes datos son las mediciones del diámetro de 16 cabezas de remache en centé-
simos de una pulgada.
Número 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14
de partí-
culas
Frecuencia 1 2 3 12 11 15 18 10 12 4 5 3 1 2 1
Cuadro 4.1: Tabla de frecuencia de la cantidad de contaminación por aluminio (ppm) en plástico
de cierto tipo
Intervalo xi fi Fi xi · fi
30 99 64.5 8 8 516
99 168 133.5 12 20 1602
168 237 202.5 23 43 4657.5
237 306 271.5 5 48 1357.5
306 375 340.5 0 48 0
375 444 409.5 0 48 0
444 513 478.5 2 50 957
Total 50 9090
Calcular:
a) La media e interprete.
9090
X= = 181,8
50
LA CANTIDAD DE CONTAMINACIÓN PROMEDIO QUE PRODUCE EL ALUMINIO EN
CIERTO TIPO DE PLÁSTICO ES DE 181.8 ppm
b) La mediana e interprete.
Determinamos la posición: 2n = 50
2 = 25
20 ≤ 25 < 43, se ubica en la tercer intervalo n
!
Li = 168 − Fi − 1
2
Me = Li + C
C = 69 fi
Fi−1 = 20
25 − 20
fi = 23 = 168 + 69
23
= 183,00
EL 50 % DE CIERTO TIPO DE PLÁSTICO TIENE CANTIDAD DE CONTAMINACIÓN
POR ALUMINIO MAYOR O IGUAL A 183 ppm
EL 50 % DE CIERTO TIPO DE PLASTICO TIENE CANTIDAD DE CONTAMINACIÓN
POR ALUMINIO MENOR O IGUAL A 183 ppm
c) La moda e interprete.
Determinamos la ubicación, vemos que la
mayor frecuencia absoluta 23, por ende se
d1
ubica en el tercer intervalo. Mo = Li + C
Li = 168 d1 + d2
11
C = 69 = 168 + 69
d1 = 23 − 12 = 11 11 + 18
d2 = 23 − 5 = 18 = 194,172
LA CANTIDAD DE CONTAMINACIÓN POR ALUMINIO MÁS FRECUENTE A CIERTO
TIPO DE PLÁSTICO ES DE 194.17 ppm
2. Parte de un estudio de control de calidad tuvo como objetivo mejorar una línea de pro-
ducción, se midieron los pesos (en onzas) de 50 barras de jabón. Los resultados son los
siguientes, ordenados del más pequeño al más grande.
11.6 12.6 12.7 12.8 13.1 13.3 13.6 13.7 13.8 14.1
14.3 14.3 14.6 14.8 15.1 15.2 15.6 15.6 15.7 15.8
15.8 15.9 15.9 16.1 16.2 16.2 16.3 16.4 16.5 16.5
16.5 16.6 17 17.1 17.3 17.3 17.4 17.4 17.4 17.6
17.7 18.1 18.3 18.3 18.3 18.5 18.5 18.8 19.2 20.3
5.1
Definiciones
Definición: (Medidas de dispersión). Una segunda propiedad que describe a un conjunto de da-
tos es la dispersión. Dispersión es el grado de variación o diseminación de los datos. Dos conjuntos
de datos pueden diferir tanto en tendencia central como en dispersión o dos conjuntos de datos
pueden tener las mismas medidas de tendencia central, pero diferir mucho en términos de disper-
sión.
Los estadígrafos de dispersión nos indican si la distribución o conjunto de datos forma grupos
homogéneos o heterogéneos.
R = Dmáx − Dmín
El rango mide la dispersión total del conjunto de datos. Aunque el rango es una medida
de dispersión simple y que se calcula con facilidad, su debilidad preponderante es que no
toma en consideración la forma en que se distribuyen los datos entre valores más pequeños
y los más grandes.
Calculo de la varianza
Donde:
fi frecuencia absoluta de cada intervalo
Xi la marca de clase
X̄ la media aritmética
n tamaño de la muestra.
3. Desviación estándar: p
S= S2
5.2
Ejercicios Explicativos
Ejercicio Explicativo 7
Se registran las siguientes mediciones para el tiempo de secado (en horas) de cierta marca
de pintura esmaltada.
3.4 2.5 4.8 2.9 3.6
2.8 3.3 5.6 3.7 2.8
4.4 4.0 5.2 3.0 4.8
Solución:
2. Calculamos la varianza
x̄ =3,7867
b) Calculamos la varianza
(3 − 3,7867)2
S2 =0,94267
Ejercicio Explicativo 8
La distribución de frecuencias de la duración, en horas, de uso continuo de 212 dispositivos
electrónicos iguales, sometidos a un cierto control.
Duración fi
[350 − 400⟩ 4
Calcular: [400 − 450⟩ 6
[450 − 500⟩ 9
1. Indique la variable y tipo de varia- [500 − 550⟩ 20
ble [550 − 600⟩ 31
2. Determine la desviación estándar
[600 − 650⟩ 80
[650 − 700⟩ 42
3. calcule e interprete el coeficiente [700 − 750⟩ 10
de variación [750 − 800⟩ 8
[800 − 850⟩ 2
Total 212
Solución:
2. La desviación estándar
Media:
Duración xi fi xi × fi fi (xi − X̄ )2
∑ki=1 xi × fi
[350 − 400⟩ 375 4 1500 227871.129 x̄ =
[400 − 450⟩ 425 6 2550 213599.146 n
130100
[450 − 500⟩ 475 9 4275 173087.398 x̄ =
[500 − 550⟩ 525 20 10500 157280.171 212
x̄ =613,6792
[550 − 600⟩ 575 31 17825 46378.6045
[600 − 650⟩ 625 80 50000 10252.759 Varianza:
[650 − 700⟩ 675 42 28350 157929.868
[700 − 750⟩ 725 10 7250 123923.104 ∑ f (x − x̄ )
S2 = i i
[750 − 800⟩ 775 8 6200 208195.087 n−1
[800 − 850⟩ 825 2 1650 89312.9227 1407830,189
=
Total 212 130100 1407830.189 212 − 1
=6672,180991
Desviación estándar:
p
S2 =
p
S= 6672,180991 = 81,68341932
3. Coeficiente de variación:
81,68341932
CV = × 100 %
613,6792
CV =13,31 %
2. Los siguientes datos son las mediciones del diámetro de 16 cabezas de remache en centé-
simos de una pulgada.
6. Philips, quiere comparar la vida útil (en horas) de una muestra de 12 bulbos de 100 watts
producidos por el fabricante A y la muestra B a 12 bulbos de 100 watts producidos por otro
fabricante. Para lo cual presenta los arreglos ordenados en las siguientes tablas:
684 697 720 773 821 831
FABRICANTE A:
835 848 852 852 859 860
819 836 888 897 903 907
FABRICANTE B:
912 918 942 943 952 959
Determine:
7. Los problemas de una línea telefónica que impiden hacer o recibir llamadas desconciertan
tanto al cliente como a la empresa telefónica. Los siguientes datos representan muestras
de 20 problemas reportados a dos oficinas distintas de una empresa telefónica, y el tiempo
transcurrido para resolverlos (en minutos) desde la línea del cliente: ENTEL
Central telefónica I Tiempo para resolver problemas (minutos)
1.48 1.75 0.78 2.85 0.52 1.60 4.15 3.97 1.48 3.10
1.02 0.53 0.93 1.60 0.80 1.05 6.32 3.93 5.45 0.97
Central telefónica II Tiempo para resolver problemas (minutos)
7.55 3.75 0.10 1.10 0.60 0.52 3.30 2.10 0.58 4.02
3.75 0.65 1.92 0.60 1.53 4.23 0.08 1.48 1.65 0.72
Responder:
6.1
Medidas de Posición
Los cuantiles son los valores de la distribución que la dividen en partes iguales, es decir, en
intervalos que comprenden el mismo número de valores. Cuando la distribución contiene un nú-
mero alto de intervalos o de marcas y se requiere obtener un promedio de una parte de ella.
Generalmente, se divide la distribución en cuatro, en diez o en cien partes.
Los cuantiles más usados son los percentiles, cuando dividen la distribución en cien partes,
los deciles, cuando dividen la distribución en diez partes y los cuartiles, cuando dividen la distri-
bución en cuatro partes.
1% 1% 1% 1% ··· ··· 1% 1% 1% 1%
10 % 10 % 10 % 10 % 10 % 10 % 10 % 10 % 10 % 10 %
25 % 25 % 25 % 25 %
En términos de percentiles el primer cuartil Q(1) coincide con el P(25) (percentil 25); el
segundo cuartil Q(2) con el P(50) o mediana, y el tercer cuartil Q(3) con el P(75).
k (n + 1)
i=
100
donde k es el percentil k-ésimo deseado y n es el número de observaciones
donde:
Parte decimal se refiere a la parte decimal de i.
Pk : Percentil k-ésimo
Li : Valor del dato ubicado en la posición i (Parte entera)
Ld : Valor del dato inmediato superior a Li .
Ejemplo 6.1
Se midieron los siguientes valores de la tensión de fractura (en megapascales) para una
muestra de 24 mezclas de asfalto mezclado al caliente (HMA).
30 75 79 80 80 105 126 138
149 179 191 223 232 232 236 238
240 242 245 247 254 274 384 470
Determinar:
c. El percentil 45 e interprete
Solución:
b. Vemos que los datos están ordenados. Solo nos queda determinar la posición y de-
terminar Q3 = P75
Posición:
75(24 + 1)
k= = 18,75
100
vemos que k = 18,75 no es un número entero, por lo tanto el valor real, se ubica
entre la posición 18 y 19, de los datos ordenados:
30 75 79 80 80 105 126 138
149 179 191 223 232 232 236 238
240 242 245 247 254 274 384 470
Entonces, debemos interpolar entre los valores de las posiciones mencionadas:
45(24 + 1)
k= = 11,25
100
vemos que k = 11,25 no es un número entero, por lo tanto debemos interpolar los
datos de la posición 11 y 12:
Donde:
Li Límite inferior de la clase del percentil
Fi−1 frecuencia acumulada de la clase anterior al percentil
fi frecuencia absoluta de la clase del percentil
C amplitud del intervalo de la clase del percentil
Coeficiente de Asimetría
Según Pearson:
x̄ − Mo 3(x̄ − Me)
Ap = ≈ (6.2)
S S
donde:
Ap > 0 Asimetría a la derecha o positiva
Ap = 0 Simetría
Ap < 0 Asimetría a la izquierda o negativa
Según Fisher:
Sea el conjunto X = (x1 , x2 , . . . , xn ), entonces la asimetria para datos no agrupados
es:
∑ni=1 (xi − x̄ )3
AF = (6.3)
n · S3
Si los datos son agrupados:
∑ki=1 (xi − x̄ )3 · fi
AF = (6.4)
n · S3
Coeficiente de Curtosis
analiza el grado de concentración que presentan los valores alrededor de la zona central
de la distribución, se calcula a través de la siguiente fórmula:
Q3 − Q1
K= (6.5)
2(P90 − P10 )
Si:
K > 0,263 La distribución es Leptocúrtica
K = 0,263 La distribución es mesocúrtica
K < 0,263 La distribución es platicúrtica
13 13 13 20 26 27 31 34 34 34
35 35 36 37 38 41 41 41 45 47
47 47 50 51 53 54 56 62 67 82
2. Los siguientes son los números de minutos que una persona debe esperar un autobús para
ir a trabajar en 15 días laborales:
10 1 13 9 5 9 2 10
3 8 6 17 2 10 15
Determine:
3. En una gasolinera estudian el número de vehículos que repostan a lo largo de un día, obte-
niendo
Horas [0; 4) [4; 8) [8; 12) [12; 16) [16; 20) [20; 24)
N° de vehículos 6 14 110 120 150 25
Determine:
Sueldos fi Fi
[4110 − 4710) 8 8
[4710 − 5310) 13 21
[5310 − 5910) 11 32
[5910 − 6510) 7 39
[6510 − 7110) 6 45
[7110 − 7710) 5 50
TOTAL 50
√ √
7,24 9,29
CV1 = × 100 = 5,436 % CV2 = × 100 = 6,854 %
49,5 44,47
Como CV1 < CV2 , el grupo 1 presenta menor dispersión.
4. El departamento de RRHH de una empresa con la finalidad de promoverá a su personal
administrativo les tomo una prueba sicológica obteniéndose el siguiente resultado:
72.5 76.5 59.5 63.5 57 44
Con los datos anteriores se determinó que la desviación estándar es: 11.64
Con la información obtenida:
a) Indique la variable y tipo de varaible.
VARIABLE TIPO DE VARIABLE
PRUEBA PSICOLÓGICA CUANTITATIVA CONTINUA
b) hallar e interpretar coeficiente de asimetría
3 X̄ − Me
As =
S
Media Aritmética:
72,5 + 76,5 + 59,5 + 63,5 + 57 + 44
X̄ = = 62,167
6
59,5 + 63,5
Me = = 61,5
2
Desviación estándar:
S = 11,64
coeficiente de asimetría:
3(62,167 − 61,5)
As = = 0,172 > 0
11,64
7.2
Problemas Propuestos
1. PernoCentro S.A, analiza los siguientes datos sobre las mediciones del diámetro de cabezas
de remache en centésimos de una pulgada.
6.66 6.66 6.64 6.76 6.73 6.80 6.72 6.76
Responda:
3. PHILIPS presentan los tiempos de vida, en horas, de ciertas lámparas incandescentes, con
esmerilado interno, de 40 watts y 110 voltios, los cuales se tomaron de pruebas forzadas
de vida:
919 1196 785 1126 936 918 1156 920
Responda:
5. Las ventas en miles de soles durante 50 semanas de los productos principales A y B de una
compañía poseen las siguientes distribuciones de frecuencias:
Producto A
Ventas (miles de soles) Número de semanas
15 2 Producto B
25 8
Promedio de ventas 6.7
35 25
Varianza de las ventas 4.9490
45 9
55 6
Calcular:
7.3
Problemas Resueltos II
1. PernoCentro S.A, analiza los siguientes datos sobre las mediciones del diámetro de cabezas
de remache en centésimos de una pulgada.
6.66 6.66 6.64 6.76 6.73 6.80 6.72 6.76
Responda:
POSICIÓN:
(43)(8 + 1)
i= = 3,87
100
VARIANZA:
S2 = 21198,857
DESVIACIÓN ESTÁNDAR:
p
S= 21198,857 = 145,59827
MEDIANA:
ORDENAMOS DATOS:
785 918 919 920 936 1126 1156 1196
COMO n = 8, ES PAR
X + X5 920 + 936
Me = 4 = = 928
2 2
COEFICIENTE DE ASIMETRÍA:
3 (994,5 − 928)
As = = 1,3702
145,59827
5−3 12,5 − 12
P10 = 125 + 10 = 127,222 P25 = 135 + 10 = 135,3571
9 14
PERCENTIL 75: PERCENTIL 90
75(50) 90(50)
POSICIÓN: 100 = 37,5, ENTONCES POSICIÓN: 100 = 45, ENTONCES 43 <
26 ≤ 37,5 < 43 45 < 49
P75 ∈ [145; 155) P90 ∈ [155; 165)
REEMPLAZANDO: REEMPLAZANDO:
37,5 − 26 45 − 43
P75 = 145 + 10 = 151,7647 P90 = 155 + 10 = 158,3333
17 6
REEMPLAZAMOS EN EL COEFICIENTE DE CURTOSIS SEGÚN PEARSON:
151,7647 − 135,3571
K= = 0,2637
2(158,3333 − 127,2222)
5. Las ventas en miles de soles durante 50 semanas de los productos principales A y B de una
compañía poseen las siguientes distribuciones de frecuencias:
Producto A
Ventas (miles de soles) Número de semanas
15 2 Producto B
25 8
Promedio de ventas 6.7
35 25
Varianza de las ventas 4.9490
45 9
55 6
Calcular:
COEFICIENTE DE VARIACIÓN:
9,8333
CVA = × 100 % = 26,72 %
36,8
PRODUCTO B: √
4,949
CVB = × 100 % = 33,20 %
6,7
COMO CVA < CVB , EL PRODUCTO A, POSEE VENTAS MÁS HOMOGÉNEAS RESPECTO
A LAS VENTAS DEL PRODUCTO B
SEMANA 8: Probabilidades
Logro de la Sesión
8.1
Conceptos básicos de Probabilidad
Definición 8.1.1 (Experimento Aleatorio). Un experimento aleatorio es aquel que, aun realizado
en las mismas condiciones, produce resultados posiblemente distintos.
Definición 8.1.2 (Espacio Muestral). Se llama espacio muestral asociado a un experimento alea-
torio al conjunto de posibles resultados elementales del experimento. Representaremos habitual-
mente el espacio muestral por Ω
Definición 8.1.3 (Suceso). Un suceso es cualquier colección de sucesos elementales(esto es, cual-
quier subconjunto de Ω)
0 ≤ P (A) ≤ 1
P (φ) = 0
P (Ω) = 1
P(A) = 1 − P(AC )
4. Si un suceso tiene más resultados posibles que otro, su probabilidad será mayor, es decir
Si A y B son dos sucesos tales que A ⊂ B, entonces
P (A) ≤ P (B)
5. Reglas de Adición:
P (A ∪ B ∪ C ) = P (A) + P (B) + P (C ) − P (A ∩ B) − P (A ∩ C ) − P (B ∩ C ) + P (A ∩ B ∩ C )
8.2
Probabilidad Condicional
Corresponde a una re-asignación o actualización de la probabilidad de un suceso cuando te-
nemos información sobre el resultado del experimento
Definición 8.2.1 (Probabilidad Condicional). Si A y B son dos sucesos tales que P(B) > 0, la
probabilidad de A condicionada a B se denota por P(A|B) y es igual a
P (A ∩ B)
P (A|B) = (8.1)
P (B)
Ejemplo 8.1
El 76 % de los estudiantes de Ingeniería Civil han aprobado resistencia de materiales y el
45 % aprobaron estática. Además, el 30 % aprobaron resistencia de materiales y estática.
Si Camilo aprobó resistencia de materiales, ¿qué probabilidad tiene de haber aprobado
también estática?
8.3
Eventos Independientes
Una de las situaciones más importantes en probabilidad aparece cuando, considerando dos
sucesos, el hecho de que uno ocurra no influye la probabilidad de que el otro ocurra.
Definición 8.3.1 (Eventos independientes para dos sucesos). A y B son dos eventos independien-
tes si se cumple
Ejemplo 8.2
En una caja hay 10 baterías de las cuales 4 están en buen estado. Se repite dos veces el
siguiente ensayo: extraer una batería al azar, revisar su estado y devolverla a la caja.
b) Calcule la probabilidad que en los dos intentos se obtenga al menos una batería en
buen estado.
P (A ∩ B) =P (A)P (B)
=(0,4)(0,4) = 0,16
b)
P (A ∪ B) =P (A) + P (B) − P (A ∩ B)
=0,4 + 0,4 − 0,16 = 0,64
Reforzando lo aprendido
1. Dados P(A) = 0,20, P(B) = 0,45 y P(A ∩ B) = 0,09 verifique que:
a) P(A|B) = P(A)
b) P(A|B) = P(A)
c) P(B|A) = P(B)
d) P(B|A) = P(B)
2. Si los eventos A y B son independientes y P(A) = 0,45 y P(B) = 0,30, determine
a) P(A ∩ B)
b) P(A|B)
c) P(A ∪ B)
d) P(A ∩ B)
3. En una muestra de 446 automóviles detenidos en un congestionamiento vial en la carrete-
ra, tan sólo 67 de los conductores tenían puesto su cinturón de seguridad. Estime la pro-
babilidad de que un conductor detenido en dicha carretera tendrá puesto su cinturón de
seguridad.
4. Si las probabilidades de que un cohete lanzador de satélites explotará durante el despegue
o le fallará su sistema localizador en el vuelo son 0.0002 y 0.0005, encuentre las probabi-
lidades de que tal cohete.
a) no explotará durante el despegue;
b) explotará durante el despegue o le fallará su sistema localizador durante el vuelo;
c) ni explotará durante el despegue ni le fallará su sistema localizador durante el vuelo.
5. Una alarma de seguridad tiene instalados dos sensores. Ante una emergencia los sensores
se activan de forma independiente. La probabilidad de que se active el primer sensor es de
0.98 y de que se active el segundo es de 0.96. Calcule razonadamente la probabilidad de
que ante una emergencia:
a) Se active al menos uno de los sensores.
b) Se active solo uno de los sensores.
6. La probabilidad de que un chip de circuito integrado tendrá grabado defectuoso es de 0.06,
la probabilidad de que tendrá un defecto por agrietamiento es de 0.03 y la probabilidad de
que tendrá ambos defectos es de 0.02.
a) ¿Cuál es la probabilidad de que un chip recientemente fabricado tendrá ya sea un de-
fecto de grabado o uno por agrietamiento?
b) ¿Cuál es la probabilidad de que un chip recientemente fabricado no tendrá defectos?
7. La probabilidad de que un nuevo aeropuerto obtendrá un premio por su diseño es de 0.16,
la probabilidad de que obtendrá un premio por el uso eficiente de materiales es de 0.24 y
la probabilidad de que obtendrá ambos premios es de 0.11.
a) ¿Cuál es la probabilidad de que obtendrá al menos uno de los dos premios?
b) ¿Cuál es la probabilidad de que obtendrá solo uno de los dos premios?
Definición 21
El teorema de Bayes es utilizado para calcular la probabilidad de un suceso, teniendo in-
formación de antemano sobre ese suceso.
El teorema de Bayes ha sido muy cuestionado. Lo cual se ha debido, principalmente, a su
mala aplicación. Ya que, mientras se cumplan los supuestos de sucesos disjuntos y exhaus-
tivos, el teorema es totalmente válido.
P(Ak )P(B|Ak )
P(Ak |B) = (9.2)
P (B)
Ejemplo 9.1
El 60 % de los tornillos producidos por una fábrica proceden de la máquina A y el 40 % de
la máquina B. La proporción de defectuosos en A es 0.1 y en B es 0.5. ¿Cuál es la probabi-
lidad de que un tornillo de dicha fábrica sea defectuoso? ¿Cuál es la probabilidad de que,
sabiendo que un tornillo es defectuoso, proceda de la máquina A?
Solución:
,9 DC
C |A)
=0
P (D
A
0,6 P (D
= |A)
A) =0
P( ,1 D
,4 DC
P(
B) C |B)
=0
=
0,4 P (D
B
P (D
|B)
=0
,5 D
P(A) =0,6
P(B) =0,4
P(D|A) =0,1
P(D|B) =0,5
Ejemplo 9.2
Una empresa tiene una fábrica en Estados Unidos que dispone de tres máquinas A, B y C,
que producen envases para botellas de agua. Se sabe que la máquina A produce un 40 %
de la cantidad total, la máquina B un 30 %, y la máquina C un 30 %. También se sabe que
cada máquina produce envases defectuosos. De tal manera que la máquina A produce un
2 % de envases defectuosos sobre el total de su producción, la máquina B un 3 %, y la
máquina C un 5 %. Dicho esto, se plantean dos cuestiones:
Solución:
2 D
= 0,0
|A)
P (D
A
P (D C
|A)
=0
, 98
0
DC
4
0,
=
A)
P(
3 D
= 0,0
|B)
P (D
P(B) = 0,30
B
P (D C
|B)
=0
P(
, 97 DC
C)
=
0,
3
0
5 D
= 0,0
|C )
P (D
C
P (D C
|C )
=0
,95 DC
1. Si un envase ha sido fabricado por la fábrica de esta empresa en Estados Unidos ¿Cuál
es la probabilidad de que sea defectuoso?
Se calcula la probabilidad total. Ya que, a partir los diferentes sucesos, calculamos la
probabilidad de que sea defectuoso.
Ejemplo 9.3
La compañía X usa cuatro empresas de transporte: A1 , A2 , A3 y A4 . Se sabe que 20 % de
los embarques se asignan a la empresa A1 , 25 % a la A2 , 40 % a la A3 y 15 % a la A4 . Los
embarques llegan retrasados a sus clientes en 7 % si los entrega A1 , 8 % si es A2 , 5 % si es
A3 y 9 % si es A4 . Si sabemos que el embarque de hoy fue entregado con retraso, ¿Cuál es
la probabilidad de que haya sido la empresa A1 la encargada de hacerlo?
Solución:
40 RC
C |A 1) = 0,
P (R
A1 P (R|
A
1) = 0,
07
R
20
92
0,
C |A 2) = 0, RC
=
P (R
1)
A
P (R|
P(
A2 A
5
0,2 2) = 0,
08
)=
P (A 2
R
P (A
3) =0 95 RC
,40 C |A 3) = 0,
P (R
P(
A3 P (R|
A
A4
3) = 0,
05
)=
0,
R
51
0,91 RC
C |A 4) =
P( R
A4 P (R|
A4 )
= 0,
09
R
2. Una compañía de seguros de automóviles clasifica a los clientes en A (alto riesgo), B (riesgo
medio) y C (bajo riesgo). La clase A constituye el 30 % de los conductores de tienen ese
seguro y la probabilidad de que ellos tengan un accidente en el año es de 0,1. Los datos
correspondientes a la clase B son 50 % y 0,03, y a la clase C 20 % y 0,01.
3. Una compañía dedicada al transporte público explota tres líneas de una ciudad, de forma
que el 60 % de los autobuses cubre el servicio de la primero línea, el 30 % cubre la se-
gunda y el 10 % cubre el servicio de la tercera línea. Se sabe que la probabilidad de que,
diariamente, un autobús se averíe es del 2 %, 4 % y 1 %, respectivamente, para cada línea.
Determina la probabilidad de que, en un día, un autobús sufra una avería.
4. Un determinado tipo de batería se produce en tres plantas diferentes con distintos equipos
y operaciones. Supóngase que los promedios semanales del número de baterías produci-
das en cada una de estas tres plantas son 500, 2000 y 1500, respectivamente. Además,
supongamos que las probabilidades de producir una batería defectuosa en cada una de las
tres plantas son respectivamente 0.020, 0.015 y 0.030.
Si se supone que las baterías producidas por las tres plantas se destinan a un fabricante
de automóviles que recibe semanalmente 4000 baterías. ¿Cuál es la probabilidad de que
la batería instalada por el fabricante en un automóvil sea defectuosa?
5. Un laboratorio emplea tres empresas proveedoras de cierta materia prima (A, B, C). La em-
presa A es contratada en 30 % de las veces, la B en 45 % y en el restante se asigna a la
tercera empresa. De la experiencia se sabe que las probabilidades de que la materia prima
no cumpla con alguna de las especificaciones en cada una de las empresas es de 0.05, 0.03
y 0.07, respectivamente.
10.1
Variable aleatoria discreta
k
µ = E (X ) = ∑ xiPi = x1P1 + x2P2 + · · · + xk Pk
i=1
k
V (X ) = ∑ (xi − µ)2 · pi
i=1
k
V (X ) = ∑ xi2 · pi − µ2 = E(X 2 ) − (E(X ))2
i=1
Definición 23
Se dice que una variable aleatoria X es continua si su conjunto de posibles valores es todo
un intervalo (finito o infinito) de números reales
(i) f (x ) ≥ 0; ∀ ∈ R
Z +∞
(ii) f (x )dx = 1
−∞
Z b
(iii) P(a ≤ X ≤ b) = P(a < X ≤ b) = P(a ≤ X < b) = P(a < X < b) = fX (x )dx
a
Ejemplo 10.1
Un profesor de la UTP nunca termina su clase antes del término de la hora, más nunca se
pasa de 2 minutos de ésta. Sea X : el tiempo que transcurre qntre el término de la hora y
el término efectivo de la clase. Suponga que la fdp de X viene dada por:
kx2 0 ≤ x ≤ 2
f (x ) =
0 en otros casos
1. Encuentre el valor de k
Solución:
1.
Z +∞ Z 0 Z 2 Z +∞
f (x )dx = 0dx + kx2 dx + 0dx
−∞ −∞ 0 2
k 8
= x3 |20 = k
3 3
Como Z +∞
8 3
f (x )dx = 1 ⇒ k=1⇒k=
−∞ 3 8
2. Z 1
3 2 1 1
P (X ≤ 1) = x dx = x3 |10 = = 0,125
0 8 8 8
3.
Z 1,5
3 2 1
P(1 ≤ X ≤ 1,5) = x dx = x3 |1,5
1 8 8 1
19
= ≈ 0,2969
64
4.
Z 2 Z 1,5
3 2 3 2
P(X ≥ 1,5) = x dx = 1 − x dx
81,5 0 8
1 27 37
=1 − x3 |01,5 = 1 − = ≈ 0,5781
8 64 64
Propiedades
1. F (−∞) = 0
2. F (+∞) = 1
P (X > a) = 1 − F (a)
ii.- Varianza:
determine las probabilidades de que una variable aleatoria con tal densidad de probabilidad
tomará un valor
a) entre 0,2 y 0,8
b) entre 0,6 y 1,2
11.1
Distribución Binomial
Definición 25
Un proceso de Bernoulli es la repetición de un experimento aleatorio (un ensayo de Ber-
noulli) donde cada observación independiente se clasifica como éxito, si el evento ocurre,
o como fracaso en otro escenario y la proporción de éxitos en la población es constante y
no depende de su tamaño.
Sea X ∼ B(n; p), es decir, una variable aleatoria que sigue una distribución binomial, donde
n el número de ensayos de Bernoulli, p la probabilidad de éxito y q = 1 − p la probabilidad
de fracaso.
Propiedades:
• La media:
µ = E (X ) = n · p
• La Varianza:
V ( X ) = σ2 = n · p ( 1 − p )
Ejemplo 11.1
Un reciente estudio sobre Conductores de Autopista ha revelado que el 60 % de los con-
ductores peruanos usa regularmente el cinturón de seguridad. Se selecciona una muestra
de 10 conductores en una autopista de la panamericana sur.
3. ¿Cuál es la probabilidad de que como máximo siete de los conductores lleven el cin-
turón de seguridad?
Solución:
Variable aleatoria: X : Número de conductores que regularmente utilizan el cinturón de
seguridad
Respondiendo:
1. Para X = 7
2. Para X ≥ 7 , entonces:
P(X ≥ 7) = 0,382281
3. Para X ≤ 7
Calculamos:
Ejemplo 11.2
Cinco por ciento de los engranajes de tornillo producidos en una fresadora automática de
alta velocidad Carter-Bell se encuentra defectuoso. ¿Cuál es la probabilidad de que, en seis
engranajes seleccionados,
2. ¿Exactamente uno?
3. ¿Exactamente dos?
4. ¿Exactamente tres?
5. ¿Exactamente cuatro?
6. ¿Exactamente cinco?
Solución:
X: Número de engranajes de tornillo defectuosos.
X ∼ B(n = 6; p = 0,05)
La función de distribución de probabilidad es:
P(X = x ) = Cx6 (0,05)x (1 − 0,05)6−x ; x = 0, 1, . . . , 6
Determinamos los cálculos siguientes:
1.
P(X = 0) = C06 (0,05)0 (1 − 0,05)6−0 = 0,735092
2.
P(X = 1) = C16 (0,05)1 (1 − 0,05)6−1 = 0,232134
3.
P(X = 2) = C26 (0,05)2 (1 − 0,05)6−2 = 0,030544
4.
P(X = 3) = C36 (0,05)3 (1 − 0,05)6−3 = 0,002143
5.
P(X = 4) = C46 (0,05)4 (1 − 0,05)6−4 = 0,00008461
6.
P(X = 5) = C56 (0,05)5 (1 − 0,05)6−5 = 0,00000178
7.
P(X = 6) = C66 (0,05)6 (1 − 0,05)6−6 = 0,000000016
Es posible calcular la media o valor esperado de la distribución del número de engranajes
defectuosos:
µ =E (X ) = np = (6)(0,05) = 0,30
σ2 =V (X ) = np(1 − p) = (6)(0,05)(0,95) = 0,285
Definición 26
Se define la variable aleatoria X como el número de sucesos que ocurren en un inter-
valo continuo de tiempo, longitud o espacio, de un tamaño determinado.
X → P (λ)
Función de Probabilidad:
e − λ · λx
P (X = x ) = ; x = 0, 1, . . . (11.2)
x!
Propiedades:
• Media
E (X ) = µ = λ
• Varianza
V ( X ) = σ2 = λ
Ejemplo 11.3
En la inspección de hojalata producida por un proceso electrolítico continuo, se identifican
0.2 imperfecciones en promedio por minuto. Determine las probabilidades de identificar
Solución:
3. Para t = 3, tenemos
e−0,2(3) (0,2(3))x
P (X = x ) = ; x = 0, 1, . . .
x!
Para X = 1, se tiene:
e−0,6 (0,6)1
P (X = 1) = = 0,329287
1!
4. Para t = 5, tenemos:
e−0,2(5) (0,2(5))x
P (X = x ) = ; x = 0, 1, . . .
x!
Como X ≥ 2, tenemos:
1 e−1,0 (1,0)x
( )
P (X ≥ 2) =1 − P (X < 2) = 1 − ∑ x!
x =0
=1 − F (1) = 1 − 0,735759 (De tablas)
=0,264241
e−0,2(15) (0,2(15))x
P (X = x ) = ; x = 0, 1, . . .
x!
P (X ≤ 1) =P (X = 0) + P (X = 1)
e−3 (3)0 e−3 (3)1
= +
0! 1!
=0,049787 + 0,149361
=0,199148
Ejemplo 11.4
Algunos registros muestran que la probabilidad de que a un automóvil se le desinfle un
neumático al atravesar cierto túnel es de 0.00005. Utilice la aproximación de Poisson a la
distribución binomial para determinar la probabilidad de que entre 10 000 vehículos que
pasan por este túnel:
Solución:
Datos:
p = 0,00005
n = 10000
Utilizaremos la aproximación de la distribución binomial a la distribución de Poisson, debi-
do a que el tamaño de la muestra es grande, para lo cual determinaremos la media
E (X ) = λ = np = (10000)(0,00005) = 5
e−5 (5)x
P (X = x ) = ; x = 0, 1, . . .
x!
a.)
e−5 (5)2
P (X = 2) = = 0,08422
2!
b.)
e−5 (5)0 e−5 (5)1 e−5 (5)2
( )
P (X ≥ 2) = 1 − P (X < 2) = 1 − + +
0! 1! 2!
= 1 − {0,00674 + 0,03369 + 0,08422}
= 1 − 0,12465 = 0,87535
c.)
Ejemplo 11.5
Los mensajes recibidos por el tablero de anuncios es una variable aleatoria de Poisson con
un promedio de ocho mensajes por hora.
b.) Hallar la probabilidad de que reciba por una hora 10 mensajes en 1,5 horas.
e−8t (8t )x
a.) X ∼ P(λ = 8) con f.d.p: P(X = x ) = ; x = 0, 1, . . .
x!
e−8 (8)5
P (X = 5) = = 0,0916
5!
e−12 (12)10
P(X = 10) = = 0,1048
10!
4. El 65 % de los hogares de una zona urbana hay alguien en casa en una noche determinada.
Un investigador que está haciendo una encuesta por teléfono selecciona al azar 15 hogares.
Hallar las probabilidades siguientes:
5. El 10 % de las botellas de un litro de aceite de oliva llenadas por una máquina envasadora
contienen realmente, una cantidad inferior al litro. Un cliente compra una caja de 12 bote-
llas envasadas en esta máquina:
7. En un determinado punto de una calle del centro de una ciudad se instala un control pa-
sando un promedio de 4 vehículos por minutos. Encontrar las probabilidades siguientes:
a) Encuentre la probabilidad de que ocurran 12 partículas en el área del disco bajo estu-
dio.
b) La probabilidad de que ocurran cero partículas en el área del disco bajo estudio.
c) Determine la probabilidad de que 12 o menos partículas ocurran en el área del disco
bajo estudio.
9. El número de automóviles que repostan por término medio en una gasolinera en una hora
es un valor desconocido. Para estimar dicho valor uno de los empleados plantea que dicho
valor es de 4 vehículos a la hora otro, en cambio, da la estimación de 5 a la hora. Cuanti-
ficar y decidir que estimación de las planteadas es más verosímil si como prueba de ello
comprobamos que en una hora cualquiera fueron 5 los vehículos que repostaron.
13
P (S ∩ A) 13
P (S|A) = = 100
23
= = 0,5652
P (A) 23
100
b) ¿cuál es la probabilidad de que un trabajador esté desempleado desde hace un año o
no sea sindicalizado?
A : no Sindicalizado
B : éste desempleado
P (A ∪ B) = P (A) + P (B) − P (A ∩ B)
41 7 5 43
= + − = = 0,43
100 100 100 100
c) Sean los eventos A : está en otra empresa; B : no sindicalizado. ¿son eventos indepen-
dientes? Justifique.
Para que sean eventos independientes es necesario que se cumpla:
P (A) · P (B) = P (A ∩ B)
P(A) = 0,23
P(B) = 0,41
P(A ∩ B) = 0,10
0,41 × 0,23 = 0,0943 ̸= 0,10
Por lo tanto, los eventos no son independientes.
c) Si se tiene una unidad defectuosa, ¿Cuál es la probabilidad de que haya sido fabricada
en la tercera fábrica?
Utilizando el teorema de Bayes:
= 0,75
3. La oficina de recursos humanos en una fábrica, indica que el 35 % de los empleados del
área de montaje se retiran durante los primeros tres años de haber sido contratados. Se
acaban de contratar 16 empleados nuevos. Responda:
c) ¿Cuál es la probabilidad de que por lo menos nueve sigan trabajando después del ter-
cer año?
x f (x ) = P [X = x ] F (x ) = P [X ≤ x ]
0 5.07094E-08 5.07094E-08
1 1.50679E-06 1.5575E-06
2 2.09875E-05 2.2545E-05
3 0.000181892 0.000204437
4 0.001097846 0.001302282
5 0.004893256 0.006195538
P (X ≥ 9) = 1 − P (X < 9)
6 0.01666037 0.022855908
7 0.044200982 0.06705689 = 1 − F (8)(De tabla adjunta)
8 0.092348481 0.159405371 = 1 − 0,1594
9 0.152448286 0.311853657 = 0,8406
d) ¿Cuál es la probabilidad de como mínimo cuatro se retiren antes del tercer año?
x f (x ) = P [X = x ] F (x ) = P [X ≤ x ]
0 0.001015345 0.001015345
1 0.008747589 0.009762934
P (X ≥ 4) = 1 − P (X < 4)
2 0.035326802 0.045089737
3 0.088769913 0.13385965 = 1 − F (3) (De tabla adjunta)
4 0.155347349 0.289206999 = 1 − 0,1339
5 0.200756573 0.489963572 = 0,86614
e) Determine el coeficiente de variación e interprételo.
E (X ) = np = 16 × 0,35 = 5,6
√
3,64
CV = = 0,3406 = 34,06 %
5,6
Por lo tanto, los datos son dispersos.
4. Los cambios en los procedimientos de los aeropuertos requieren una planeación conside-
rable. Los índices de llegadas de los aviones son factores importantes que deben tomarse
en cuenta. Suponga que los aviones pequeños llegan a cierto aeropuerto, de acuerdo con
un proceso de Poisson, con una frecuencia de 6 por hora.
X ∼ P (λ = 6)
e−6 × 6x
P (X = x ) = , x = 0, 1, 2, · · ·
x!
E (X ) = λ = 6
V (X ) = λ = 6
√
6
CV = = 0,4082 = 40,82 %
6
Por lo tanto, los datos son dispersos
12.2
Problemas Propuestos
Responder las siguientes interrogantes:
1. A los obreros de las fábricas se les motiva constantemente a practicar la tolerancia cero
para prevenir accidentes en el lugar de trabajo. Los accidentes pueden ocurrir porque el
ambiente o las condiciones laborales son inseguros. Por otro lado, los accidentes pueden
ocurrir por negligencia o fallas humanas. Además, los horarios de trabajo de 7:00 a.m. a
3:00 p.m. (turno matutino), de 3:00 p.m. a 11:00 p.m. (turno vespertino) y de 11:00 p.m. a
7:00 a.m. (turno nocturno) podría ser un factor. El año pasado ocurrieron 400 accidentes.
La información se tiene en la siguiente tabla:
TURNOS CONDICIONES INSEGURAS (I) FALLAS HUMANAS (F)
MATUTINO (M) 50 60
VESPERTINO (V) 100 70
NOCTURNO (N) 40 80
Si se elige aleatoriamente un reporte de accidente de entre los 400 reportes.
3. Una compañía que produce cristales finos sabe por experiencia que 10 % de sus copas de
mesa tienen imperfecciones cosméticas y deben ser clasificadas como de segunda.
4. Los datos indican que en la hora punta de la mañana se producen, por término medio, 3,2
colisiones al día en una vía urbana. Suponga que la distribución es de Poisson.
5. El error implicado al hacer una medición es una variable aleatoria continua X con función
de densidad de probabilidad.
0,09375(4 − x2 ) −2 ≤ x ≤ 2
f (x ) =
0 en otro caso
12.3
Aprendiendo un poco más.
1. Las especificaciones para el diámetro de un rodillo son 2.10-2.11 cm. Los rodillos muy grue-
sos pueden ser rectificados, mientras que los muy angostos se deben desechar. Tres ma-
quinistas pulen estos rodillos. Se coleccionaron muestras de los rodillos de cada maquinista
y se midieron sus diámetros. Los resultados fueron:
Maquinista Bien Volver a pulir Desechar
A 328 58 14
B 231 48 21
C 409 73 18
Determinar:
3. El espesor X de una cuña de madera (en milímetros) tiene una función de densidad de pro-
babilidad
2
(
3 − 3(x −5) ,4 ≤ x ≤ 6
f (x ) = 4 4
0 ,de otro modo
Calcular:
5. Los cambios en los procedimientos de los aeropuertos requieren una planeación conside-
rable. Los índices de llegadas de los aviones son factores importantes que deben tomarse
en cuenta. Suponga que los aviones pequeños llegan a cierto aeropuerto, de acuerdo con
un proceso de Poisson, con una frecuencia de seis por hora.
Determinar:
Al finalizar la sesión el estudiante aplica los conceptos de variable aleatoria continua, para
calcular e interpretar las probabilidades asociadas a una distribución normal de probabili-
dad.
En nuestra vida cotidiana estamos utilizando casi todo el tiempo el concepto de normalidad
estadística, aunque no somos conscientes de ello. Tal concepto nos permite hacer juicios de valor
y establecer generalidades acerca de aspectos de la vida que son los más frecuentes de observar,
y nos permite también comprender fácilmente a qué nos referimos cuando emitimos juicios de
valora.
13.1
Distribución Normal
Definición 13.1.1. Se dice que X sigue una distribución normal, con media µ y desviación típica
σ, con (−∞ < µ < +∞ y σ > 0), que se representa con la siguiente notación:
X ∼ N(µ; σ)
Su función de densidad viene definida por:
2
1 − (X −µ2)
f (X ) = √ · e 2σ con − ∞ < µ < +∞
σ 2π
Representación Gráfica
Propiedades:
1. Tiene una única moda, que coincide con su media y su mediana.
2. La curva normal es asintótica al eje de abscisas. Por ello, cualquier valor entre −∞ y
+∞ es teóricamente posible. El área total bajo la curva es, por tanto, igual a 1.
3. Es simétrica con respecto a su media µ. Según esto, para este tipo de variables existe
una probabilidad de un 50 % de observar un dato mayor que la media, y un 50 % de
observar un dato menor.
68.2 %
95 %
99.7 %
Frecuencia
−3 −2 −1 0 1 2 3
Desviación Estándar
Función de distribución
2
1 − (x −µ)
Z x Z x
1 1
F ( x1 ) = P ( X ≤ x1 ) = f (x )dx = √ e 2σ2 dx
−∞ −∞ σ 2π
13.2
Distribución Normal Estándar
Definición 13.2.1. Una variable aleatoria continua X, sigue una distribución normal de paráme-
tros µ = 0 y σ = 1.
X ∼ N(0; 1)
Ejercicio Explicativo 9
Hallar la probabilidad P(Z ≤ 0,45)
Z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.5000 0.5040 0.5080 0.5120 0.5160 0.5199 0.5239 0.5279 0.5319 0.5359
0.1 0.5398 0.5438 0.5478 0.5517 0.5557 0.5596 0.5636 0.5675 0.5714 0.5753
0.2 0.5793 0.5832 0.5871 0.5910 0.5948 0.5987 0.6026 0.6064 0.6103 0.6141
0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406 0.6443 0.6480 0.6517
0.4 0.6554 0.6591 0.6628 0.6664 0.6700 0.6736 0.6772 0.6808 0.6844 0.6879
−4 −2 0 2 4
Ejercicio Explicativo 10
Hallar la probabilidad P(Z > 1,24)
Ejercicio Explicativo 11
Hallar la probabilidad P(0,5 ≤ Z ≤ 1,76)
−4 −2 0 2 4
Z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.5000 0.5040 0.5080 0.5120 0.5160 0.5199 0.5239 0.5279 0.5319 0.5359
0.1 0.5398 0.5438 0.5478 0.5517 0.5557 0.5596 0.5636 0.5675 0.5714 0.5753
0.2 0.5793 0.5832 0.5871 0.5910 0.5948 0.5987 0.6026 0.6064 0.6103 0.6141
0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406 0.6443 0.6480 0.6517
0.4 0.6554 0.6591 0.6628 0.6664 0.6700 0.6736 0.6772 0.6808 0.6844 0.6879
0.5 0.6915 0.6950 0.6985 0.7019 0.7054 0.7088 0.7123 0.7157 0.7190 0.7224
.. .. .. .. .. .. .. .. .. .. ..
. . . . . . . . . . .
1.5 0.9332 0.9345 0.9357 0.9370 0.9382 0.9394 0.9406 0.9418 0.9429 0.9441
1.6 0.9452 0.9463 0.9474 0.9484 0.9495 0.9505 0.9515 0.9525 0.9535 0.9545
1.7 0.9554 0.9564 0.9573 0.9582 0.9591 0.9599 0.9608 0.9616 0.9625 0.9633
Ejercicio Explicativo 12
La vida de un semiconductor láser a una potencia constante se distribuye normalmente con
media 7000 horas y desviación típica 600 horas. ¿Cuál es la probabilidad de que la vida del
láser esté entre 6280 y 7120 horas?
Ejercicio Explicativo 13
Una máquina produce tornillos cuya longitud tiene una distribución normal de media 5 cm
y desviación típica 5 mm. No se pueden vender los tornillos que se desvíen 6 mm o más de
la media. De un lote de 500 tornillos, ¿Cuántos deben ser descartados para la venta?
13.3
Practicando lo Aprendido
1. Sea Z una variable aleatoria normal estándar, calcular las siguientes probabilidades y dibu-
jar las gráficas:
a) P(0 ≤ Z ≤ 2,17)
b) P(0 ≤ Z ≤ 1)
c) P(−2,5 ≤ Z ≤ 0)
d) P(−2,5 ≤ Z ≤ 2,5)
e) P(1,5 ≤ Z )
f) P(|Z | ≤ 2,50)
2. Si X es una variable aleatoria normal con promedio de 80 y desviación estándar de 10, hallar
las siguientes probabilidades mediante estandarización.
a) P(X ≤ 100)
b) P(65 ≤ X ≤ 100)
c) P(70 ≤ X )
3. Cierta máquina fabrica resistores eléctricos que tienen una resistencia media de 40 oh-
mios y una desviación estándar de dos ohmios. Supongamos que la resistencia sigue una
distribución normal y se puede medir con cualquier grado de precisión. ¿Qué porcentaje de
resistores tendrán una resistencia que exceda 43 ohmios?
4. Una máquina realiza cortes de manera automática de ciertas tiras metálicas con media
µ = 40,1 cm y una desviación estándar de 0.2 cm. La medida óptima de tales tiras debe
ser de 40 cm con una tolerancia de más menos 0.5 cm. Suponiendo distribución normal.
5. Una pequeña ciudad es abastecida de agua cada dos días; el consumo del volumen de agua
para esa pequeña ciudad tiene distribución normal con media de 20000 litros y desviación
estándar de 1000 litros (se entiende el consumo cada dos días). Se trata de hallar la capa-
cidad de su tanque de agua para que sea de sólo 0.01, la probabilidad que en un periodo
de dos días el agua no sea suficiente para satisfacer toda la demanda.
6. Si la distribución del periodo de duración de los postes telefónicos de madera es tal que,
el 9.51 % tienen periodos de duración que exceden los 15 años y que el 62.55 % tiene
periodos de duración que exceden los 9 años, determinar la desviación estándar del periodo
de duración, si se sabe que la distribución de dichos periodos es normal.
7. La fábrica de neumático Firestone produce un tipo de neumáticos que tiene una vida útil
media de 80000 km, y una desviación estándar de 8000 km. Suponiendo que esta vida está
distribuido normalmente
9. Una máquina expendedora de bebidas gaseosas se regula para que sirva un promedio de
200 mililitros por vaso. Si la cantidad de bebida se distribuye normalmente con una desvia-
ción estándar igual a 15 mililitros,
10. La vida promedio de cierto tipo de motor pequeño es de 10 años, con una desviación es-
tándar de 2 años. El fabricante reemplaza gratis todos los motores que fallen dentro del
periodo de garantía. Si estuviera dispuesto a reemplazar sólo 3 % de los motores que fa-
llan, ¿cuánto tiempo de garantía debería ofrecer? Suponga que la duración de un motor
sigue una distribución normal
11. Si los diámetros de las chumaceras de una maquinaria están normalmente distribuidos con
una media de 0.6140 pulgadas y una desviación estándar de 0.0025 pulgadas, determinar
la probabilidad de que las chumaceras tengan diámetros:
2. Una compañia que fabrica ventiladores de CPU sabe que el tiempo de vida (en meses) de
sus ventiladores se distribuye según una normal, de media igual a 18 meses y desviación
tipica 3.6 meses. Elegido un ventilador al azar:
Z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.5000 0.5040 0.5080 0.5120 0.5160 0.5199 0.5239 0.5279 0.5319 0.5359
0.1 0.5398 0.5438 0.5478 0.5517 0.5557 0.5596 0.5636 0.5675 0.5714 0.5753
0.2 0.5793 0.5832 0.5871 0.5910 0.5948 0.5987 0.6026 0.6064 0.6103 0.6141
0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406 0.6443 0.6480 0.6517
0.4 0.6554 0.6591 0.6628 0.6664 0.6700 0.6736 0.6772 0.6808 0.6844 0.6879
0.5 0.6915 0.6950 0.6985 0.7019 0.7054 0.7088 0.7123 0.7157 0.7190 0.7224
0.6 0.7257 0.7291 0.7324 0.7357 0.7389 0.7422 0.7454 0.7486 0.7517 0.7549
0.7 0.7580 0.7611 0.7642 0.7673 0.7704 0.7734 0.7764 0.7794 0.7823 0.7852
0.8 0.7881 0.7910 0.7939 0.7967 0.7995 0.8023 0.8051 0.8078 0.8106 0.8133
0.9 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289 0.8315 0.8340 0.8365 0.8389
1.0 0.8413 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554 0.8577 0.8599 0.8621
1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.8770 0.8790 0.8810 0.8830
1.2 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 0.8962 0.8980 0.8997 0.9015
1.3 0.9032 0.9049 0.9066 0.9082 0.9099 0.9115 0.9131 0.9147 0.9162 0.9177
1.4 0.9192 0.9207 0.9222 0.9236 0.9251 0.9265 0.9279 0.9292 0.9306 0.9319
1.5 0.9332 0.9345 0.9357 0.9370 0.9382 0.9394 0.9406 0.9418 0.9429 0.9441
1.6 0.9452 0.9463 0.9474 0.9484 0.9495 0.9505 0.9515 0.9525 0.9535 0.9545
1.7 0.9554 0.9564 0.9573 0.9582 0.9591 0.9599 0.9608 0.9616 0.9625 0.9633
1.8 0.9641 0.9649 0.9656 0.9664 0.9671 0.9678 0.9686 0.9693 0.9699 0.9706
1.9 0.9713 0.9719 0.9726 0.9732 0.9738 0.9744 0.9750 0.9756 0.9761 0.9767
2.0 0.9772 0.9778 0.9783 0.9788 0.9793 0.9798 0.9803 0.9808 0.9812 0.9817
2.1 0.9821 0.9826 0.9830 0.9834 0.9838 0.9842 0.9846 0.9850 0.9854 0.9857
2.2 0.9861 0.9864 0.9868 0.9871 0.9875 0.9878 0.9881 0.9884 0.9887 0.9890
2.3 0.9893 0.9896 0.9898 0.9901 0.9904 0.9906 0.9909 0.9911 0.9913 0.9916
2.4 0.9918 0.9920 0.9922 0.9925 0.9927 0.9929 0.9931 0.9932 0.9934 0.9936
2.5 0.9938 0.9940 0.9941 0.9943 0.9945 0.9946 0.9948 0.9949 0.9951 0.9952
2.6 0.9953 0.9955 0.9956 0.9957 0.9959 0.9960 0.9961 0.9962 0.9963 0.9964
2.7 0.9965 0.9966 0.9967 0.9968 0.9969 0.9970 0.9971 0.9972 0.9973 0.9974
2.8 0.9974 0.9975 0.9976 0.9977 0.9977 0.9978 0.9979 0.9979 0.9980 0.9981
2.9 0.9981 0.9982 0.9982 0.9983 0.9984 0.9984 0.9985 0.9985 0.9986 0.9986
3.0 0.9987 0.9987 0.9987 0.9988 0.9988 0.9989 0.9989 0.9989 0.9990 0.9990
3.1 0.9990 0.9991 0.9991 0.9991 0.9992 0.9992 0.9992 0.9992 0.9993 0.9993
3.2 0.9993 0.9993 0.9994 0.9994 0.9994 0.9994 0.9994 0.9995 0.9995 0.9995
3.3 0.9995 0.9995 0.9995 0.9996 0.9996 0.9996 0.9996 0.9996 0.9996 0.9997
3.4 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9998
3.5 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998
3.6 0.9998 0.9998 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
3.7 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
3.8 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
3.9 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
4.0 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
Z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
-4.0 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
-3.9 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
-3.8 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001
-3.7 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001
-3.6 0.0002 0.0002 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001
-3.5 0.0002 0.0002 0.0002 0.0002 0.0002 0.0002 0.0002 0.0002 0.0002 0.0002
-3.4 0.0003 0.0003 0.0003 0.0003 0.0003 0.0003 0.0003 0.0003 0.0003 0.0002
-3.3 0.0005 0.0005 0.0005 0.0004 0.0004 0.0004 0.0004 0.0004 0.0004 0.0003
-3.2 0.0007 0.0007 0.0006 0.0006 0.0006 0.0006 0.0006 0.0005 0.0005 0.0005
-3.1 0.0010 0.0009 0.0009 0.0009 0.0008 0.0008 0.0008 0.0008 0.0007 0.0007
-3.0 0.0013 0.0013 0.0013 0.0012 0.0012 0.0011 0.0011 0.0011 0.0010 0.0010
-2.9 0.0019 0.0018 0.0018 0.0017 0.0016 0.0016 0.0015 0.0015 0.0014 0.0014
-2.8 0.0026 0.0025 0.0024 0.0023 0.0023 0.0022 0.0021 0.0021 0.0020 0.0019
-2.7 0.0035 0.0034 0.0033 0.0032 0.0031 0.0030 0.0029 0.0028 0.0027 0.0026
-2.6 0.0047 0.0045 0.0044 0.0043 0.0041 0.0040 0.0039 0.0038 0.0037 0.0036
-2.5 0.0062 0.0060 0.0059 0.0057 0.0055 0.0054 0.0052 0.0051 0.0049 0.0048
-2.4 0.0082 0.0080 0.0078 0.0075 0.0073 0.0071 0.0069 0.0068 0.0066 0.0064
-2.3 0.0107 0.0104 0.0102 0.0099 0.0096 0.0094 0.0091 0.0089 0.0087 0.0084
-2.2 0.0139 0.0136 0.0132 0.0129 0.0125 0.0122 0.0119 0.0116 0.0113 0.0110
-2.1 0.0179 0.0174 0.0170 0.0166 0.0162 0.0158 0.0154 0.0150 0.0146 0.0143
-2.0 0.0228 0.0222 0.0217 0.0212 0.0207 0.0202 0.0197 0.0192 0.0188 0.0183
-1.9 0.0287 0.0281 0.0274 0.0268 0.0262 0.0256 0.0250 0.0244 0.0239 0.0233
-1.8 0.0359 0.0351 0.0344 0.0336 0.0329 0.0322 0.0314 0.0307 0.0301 0.0294
-1.7 0.0446 0.0436 0.0427 0.0418 0.0409 0.0401 0.0392 0.0384 0.0375 0.0367
-1.6 0.0548 0.0537 0.0526 0.0516 0.0505 0.0495 0.0485 0.0475 0.0465 0.0455
-1.5 0.0668 0.0655 0.0643 0.0630 0.0618 0.0606 0.0594 0.0582 0.0571 0.0559
-1.4 0.0808 0.0793 0.0778 0.0764 0.0749 0.0735 0.0721 0.0708 0.0694 0.0681
-1.3 0.0968 0.0951 0.0934 0.0918 0.0901 0.0885 0.0869 0.0853 0.0838 0.0823
-1.2 0.1151 0.1131 0.1112 0.1093 0.1075 0.1056 0.1038 0.1020 0.1003 0.0985
-1.1 0.1357 0.1335 0.1314 0.1292 0.1271 0.1251 0.1230 0.1210 0.1190 0.1170
-1.0 0.1587 0.1562 0.1539 0.1515 0.1492 0.1469 0.1446 0.1423 0.1401 0.1379
-0.9 0.1841 0.1814 0.1788 0.1762 0.1736 0.1711 0.1685 0.1660 0.1635 0.1611
-0.8 0.2119 0.2090 0.2061 0.2033 0.2005 0.1977 0.1949 0.1922 0.1894 0.1867
-0.7 0.2420 0.2389 0.2358 0.2327 0.2296 0.2266 0.2236 0.2206 0.2177 0.2148
-0.6 0.2743 0.2709 0.2676 0.2643 0.2611 0.2578 0.2546 0.2514 0.2483 0.2451
-0.5 0.3085 0.3050 0.3015 0.2981 0.2946 0.2912 0.2877 0.2843 0.2810 0.2776
-0.4 0.3446 0.3409 0.3372 0.3336 0.3300 0.3264 0.3228 0.3192 0.3156 0.3121
-0.3 0.3821 0.3783 0.3745 0.3707 0.3669 0.3632 0.3594 0.3557 0.3520 0.3483
-0.2 0.4207 0.4168 0.4129 0.4090 0.4052 0.4013 0.3974 0.3936 0.3897 0.3859
-0.1 0.4602 0.4562 0.4522 0.4483 0.4443 0.4404 0.4364 0.4325 0.4286 0.4247
0.0 0.5000 0.4960 0.4920 0.4880 0.4840 0.4801 0.4761 0.4721 0.4681 0.4641