Manual de Estadistica I

UNIVERSIDAD DE ORIENTE
NÚCLEO DE MONAGAS
ESCUELA DE CIENCIAS SOCIALES Y ADMINISTRATIVAS
MANUAL DE ESTADÍSTICA I
GUSTAVO JOSÉ RUEDA GUTIÉRREZ
MATURÍN, JULIO 2014

INDICE
INDICE ............................................................................................................ ii
INDICE DE FIGURAS .................................................................................... vi
RESUMEN .................................................................................................... vii
INTRODUCCIÓN ............................................................................................ 1
UNIDAD I: DEFINICIONES BÁSICAS USADAS EN ESTADÍSTICA ............ 3
1.1 Estadística ............................................................................................. 3
1.2 Estadística Descriptiva .......................................................................... 4
1.3 Estadística Inferencial............................................................................ 4
1.4 Universo ................................................................................................ 4
1.5 Población ............................................................................................... 4
1.6 Muestra.................................................................................................. 6
1.7 Muestreo................................................................................................ 6
1.8 Parámetro .............................................................................................. 6
1.9 Estadístico ............................................................................................. 6
1.10 Datos ................................................................................................... 7
1.11 Variable Aleatoria y Tipos .................................................................... 7
1.12 Mediciones .......................................................................................... 8
1.13 Nivel de Mediciones............................................................................. 9
1.14 Unidad Estadística ............................................................................... 9
1.15 Problemas Unidad I ........................................................................... 10
UNIDAD II: ESTADÍSTICA DESCRIPTIVA. MÉTODOS TABULARES Y
GRÁFICOS ................................................................................................... 12
2.1 Distribución de Frecuencia .................................................................. 12
2.2 Intervalo Total (Rango de los Datos o Recorrido de los Datos) ........... 12
2.3 Intervalo de Clase ................................................................................ 12
2.4 Marca de Clase.................................................................................... 13
2.5 Fórmula Empírica ................................................................................ 13
2.6 Fórmula Teórica................................................................................... 13
2.7 Tipos de Frecuencia ............................................................................ 14
2.8 Estructura de la Tabla de Distribución de Frecuencias........................ 14
2.9 Representación Gráfica ....................................................................... 15
2.10 Problemas Unidad II .......................................................................... 17
UNIDAD III: MEDIDAS DE TENDENCIA CENTRAL Y DE POSICIÓN ........ 21
3.1 Media Aritmética .................................................................................. 21
3.2 Media Aritmética Ponderada ............................................................... 21
3.3 Media Armónica ................................................................................... 22
3.4 Media Geométrica ............................................................................... 22
3.5 Moda o Modo ....................................................................................... 24
3.6 Mediana ............................................................................................... 25
3.6.1 Para datos no agrupados .............................................................. 25
3.6.2 Para datos agrupados ................................................................... 25
ii
3.7 Fractiles ............................................................................................... 26
3.7.1 Cuartiles (Qi) ................................................................................. 26
3.7.2 Deciles (Di) .................................................................................... 27
3.7.3 Percentiles (Pi) .............................................................................. 28
3.8 Problemas Unidad III ........................................................................... 34
UNIDAD IV: MEDIDAS DE VARIABILIDAD O DISPERSIÓN ...................... 45
4.1 Medidas de Dispersión Absoluta ......................................................... 45
4.1.1 Intervalo Total (Rango de los Datos o Recorrido de los Datos) .... 45
4.1.2 Desviación Media (Desvíos Medios) ............................................. 45
4.1.3 Varianza ........................................................................................ 46
Entonces queda para datos no agrupados:............................................ 47
4.1.4 Desviación Típica o Estándar ........................................................ 48
4.1.5 Desviación Cuartílica (Desviación Cuartil) .................................... 48
4.2 Medidas de Dispersión Relativa .......................................................... 48
4.2.1 Coeficiente de Variación de Pearson (C.V.) .................................. 49
4.2.2 Coeficiente de Variación Medianal (C.V.M.) .................................. 49
4.3 Problemas Unidad IV ........................................................................... 50
UNIDAD V: MEDIDAS NUMÉRICAS ASIMÉTRICAS Y KURTOSIS ........... 56
5.1 Asimetría ............................................................................................. 56
5.2 Coeficiente de Asimetría: Fórmula de Pearson ................................... 57
5.3 Teoría de Momentos............................................................................ 57
5.4 Tipos de Momentos ............................................................................. 58
5.4.1 Momentos respecto al origen, cuando C = 0 ................................. 58
5.4.2 Momentos respecto de la media o momento central, cuando C =
............................................................................................................. 58
5.5 Índice de Simetría de Fisher ................................................................ 59
5.6 Kurtosis o Curtosis............................................................................... 59
5.7 Coeficiente de Kurtosis ........................................................................ 60
5.8 Problemas Unidad V ............................................................................ 61
UNIDAD VI: INTRODUCCIÓN A LA TEORÍA DE PROBABILIDADES ....... 65
6.1 Probabilidad ......................................................................................... 65
6.2 Probabilidad A Priori ............................................................................ 65
6.3 Probabilidad A Posteriori (Frecuencia Relativa) .................................. 66
6.4 Probabilidad (Enfoque Subjetivo) ........................................................ 66
6.5 Concepto Axiomático de la Probabilidad ............................................. 67
6.5.1 Experimento Aleatorio (Fenómenos) ............................................. 68
6.5.2 Espacio Muestral (S) ..................................................................... 68
6.5.3 Espacio Muestral Equiprobable ..................................................... 68
6.5.4 Puntos Muestrales (Suceso o Evento) .......................................... 68
6.6 Eventos Mutuamente Excluyentes....................................................... 68
6.7 Eventos No Mutuamente Excluyentes ................................................. 69
6.8 Selección al Azar ................................................................................. 69
6.8.1 Selección con reemplazo (con repetición) ..................................... 69
iii
6.8.2 Selección sin reemplazo (sin repetición) ....................................... 70
6.9 Teorema de la Suma (A B); (A + B); (A o B); (A B) ....................... 70
6.9.1 Sucesos exhaustivos y mutuamente excluyentes ......................... 70
6.9.2 Sucesos mutuamente excluyentes ................................................ 71
6.9.3 Sucesos que no son Mutuamente Excluyentes ............................. 71
6.10 Probabilidad Condicional ................................................................... 72
6.11 Probabilidad Producto ....................................................................... 73
6.12 Teorema de la Probabilidad Total ...................................................... 74
6.13 Teorema de Bayes ............................................................................ 76
6.14 Problemas Unidad VI ......................................................................... 78
UNIDAD VII: DISTRIBUCIÓN DE PROBABILIDAD DISCRETA.
DISTRIBUCIÓN BINOMIAL Y DISTRIBUCIÓN DE POISSON .................... 93
7.1 Distribución Discreta de una Variable Aleatoria ................................... 93
7.2 Función de Probabilidad ...................................................................... 93
7.3 Función de densidad ........................................................................... 93
7.4 Espacio Muestral ................................................................................. 94
7.5 Función de Distribución ....................................................................... 94
7.6 Esperanza Matemática o Valor Esperado ........................................... 94
7.6.1 Propiedades .................................................................................. 95
7.7 Distribución Binomial ........................................................................... 96
7.8 Distribución de Poisson ....................................................................... 98
7.9 Aproximación de la Distribución de Poisson a la Distribución
Binomial ................................................................................................... 102
7.10 Problemas Unidad VII ...................................................................... 106
UNIDAD VIII: DISTRIBUCIÓN DE PROBABILIDAD CONTINUA.
DISTRIBUCIÓN NORMAL ......................................................................... 114
8.1 Concepto de Distribución de Probabilidad Continua.......................... 114
8.2 Función Distribución F(X) .................................................................. 115
8.3 Concepto de Distribución Normal ...................................................... 116
8.3.1 Características de la Distribución Normal ................................... 117
8.3.2 Propiedades ................................................................................ 117
8.4 Uso de la Tabla de la Distribución Normal Estándar ......................... 118
8.5 Propiedad Reproductiva .................................................................... 121
8.6 Relación entre la Distribución Binomial y la Distribución Normal ....... 123
8.6 Aproximación de la Distribución Normal a la Distribución Binomial ... 124
8.7 Problemas Unidad VIII ....................................................................... 127
RESPUESTAS A LOS PROBLEMAS PROPUESTOS .............................. 141
BIBLIOGRAFÍA .......................................................................................... 171
APÉNDICES ............................................................................................... 173
APÉNDICE A: INTERPOLACIÓN LINEAL .............................................. 174
APÉNDICE B: TEORÍA DE CONJUNTOS .............................................. 179
APÉNDICE C: TEORÍA COMBINATORIA ............................................... 184
iv
APÉNDICE D: TABLA DE LA DISTRIBUCIÓN NORMAL ....................... 196
ANEXOS ..................................................................................................... 200
ANEXO Nº 1: INTRODUCCIÓN A LA CONFIABILIDAD DE SISTEMAS 201
ANEXO Nº 2: CAPACIDAD DE UN PROCESO ...................................... 210
v
INDICE DE FIGURAS
FIGURA N° 1: UNIVERSO Y POBLACIÓN..................................................... 5

FIGURA N° 2 DEFINICIONES BÁSICAS ....................................................... 7
FIGURA N° 3 HISTOGRAMAS SIMPLES..................................................... 15
FIGURA N° 4 HISTOGRAMAS ACUMULADOS ........................................... 15
FIGURA N° 5 POLÍGONOS SIMPLES ......................................................... 16
FIGURA N° 6 POLÍGONOS ACUMULADOS (OJIVAS) ................................ 16
FIGURA N° 7 LA MEDIANA .......................................................................... 25
FIGURA N° 9 DECILES ................................................................................ 27
FIGURA N° 10 PERCENTILES..................................................................... 28
FIGURA N° 11 TIPOS DE ASIMETRÍA ........................................................ 56
FIGURA N° 12 TIPOS DE KURTOSIS ......................................................... 60
FIGURA N° 13 PROBABILIDAD ................................................................... 67
FIGURA N° 14 SUCESOS EXHAUSTIVOS Y EXCLUYENTES ................... 70
FIGURA N° 15 SUCESOS MUTUAMENTE EXCLUYENTES....................... 71
FIGURA N° 16 SUCESOS NO MUTUAMENTE EXCLUYENTES ................ 71
FIGURA N° 17 SUCESOS NO MUTUAMENTE EXCLUYENTES, TRES
EVENTOS................................................................................................. 72
FIGURA N° 18 PROBABILIDAD CONDIONADA .......................................... 73
FIGURA N°19 PROBABILIDAD TOTAL ....................................................... 74
FIGURA N° 20 ÁRBOL DE PROBABILIDADES ........................................... 75
FIGURA N° 21 DISTRIBUCIÓN DE POISSON ............................................. 99
FIGURA N° 22 DISTRIBUCIÓN NORMAL.................................................. 116
FIGURA N° 23 CONCENTRACIÓN DE DATOS EN LA NORMAL ............. 121
FIGURA N° 24 DISTRIBUCIÓN BINOMIAL ................................................ 124
vi
UNIVERSIDAD DE ORIENTE
NÚCLEO DE MONAGAS
ESCUELA DE CIENCIAS SOCIALES Y ADMINISTRATIVAS
RESUMEN
Autor: Ing. Gustavo José Rueda Gutiérrez

C.I. N° V- 6.868.118
El objetivo fundamental de este trabajo es brindar una herramienta

adicional a los estudiantes de la asignatura Estadística I de la Escuela de
Ciencias Sociales y Administrativas, que permita coadyuvar en el proceso de
enseñanza - aprendizaje de la misma. El diseño del manual corresponde a
un proyecto apoyado en una investigación de tipo documental, debido a que
se hace una recopilación bibliográfica, referentes teóricos y documentos
relacionados con la temática desarrollada, tomando en cuenta aspectos tales
como el contenido del programa vigente de la asignatura; la solicitud de
elementos didácticos de estudio por parte de los estudiantes, de mucho
material desarrollado en las aulas y de la experiencia, dictando el curso, del
autor de este trabajo. Se destaca el hecho de que todas las situaciones
propuestas han sido revisadas rigurosamente y se garantizan todos los
resultados, de forma tal que el cursante pueda autoevaluar su formación. Se
ha incluido algunos ejemplos donde se considera que se brinda un enfoque
que no se encuentra con facilidad en la bibliografía existente. Se espera que
este trabajo contribuya, en alguna medida, a elevar el nivel de la calidad de
los cursos de Estadística.
vii
INTRODUCCIÓN
El objetivo último de este trabajo es presentar al estudiante de

Estadística I una colección de situaciones y problemas que le permitan
ejercitar y aplicar los conocimientos adquiridos.
No se ha querido desarrollar a profundidad la Teoría Estadística

necesaria para la resolución de estos ejercicios porque, se ha considerado
que existen excelentes libros de texto en el área, a los cuales sería muy
difícil superar. Sólo se ha incluido, al comienzo de cada unidad, una síntesis
exhaustiva del contenido de la misma, con la intención que sirva de
recordatorio de los temas desarrollados en clase y que deberían ser
ahondados en los buenos textos recomendados.
De igual manera, en situaciones en la que se considera un especial

interés o que se crea dar un aporte debido a considerar que en la bibliografía
existente no se da ese enfoque especial o no es fácil hallarlo, se presentan
algunos ejemplos, esperando sean de mucha utilidad al lector de esta obra.
El trabajo está dividido en ocho capítulos, cada uno de ellos abarca un

temario lo suficientemente amplio, que permite cubrir un buen número de
ejercicios y problemas de diversa índole, que se presentan lo suficientemente
mezclados para impedir que el estudiante se mecanice, y que por el contrario
desarrolle cabalmente todos los conceptos.
El tipo de situaciones que se presentan está fundamentalmente

orientado para cursos de Estadística I, en donde se presuponga una buena
base matemática del estudiante; y se ha revisado profundamente, teniendo el
1
Gustavo J. Rueda G.
sumo cuidado en todas y cada una de las respuestas a los ejercicios

propuestos, de forma tal, que quien se esté formando tenga una orientación
certera en el logro de los objetivos del aprendizaje.
Finalmente, se espera que este trabajo contribuya a elevar el nivel de

los cursos de Estadística, al evitar en los estudiantes la pérdida de tiempo
que ocasiona la búsqueda de este material que aparece disperso en la
extensa bibliografía.
2
UNIDAD I: DEFINICIONES BÁSICAS USADAS EN

ESTADÍSTICA
Estadística es mucho más que sólo números apilados y gráficas muy

llamativas. Es una ciencia con tanta antigüedad como la escritura, y es por sí
misma auxiliar de todas las demás ciencias. Los mercados, la medicina, la
ingeniería, los gobiernos, etc., se mencionan entre los más destacados
clientes de esta área del saber humano.
La ausencia de ésta conllevaría a un caos generalizado, dejando a los

administradores y ejecutivos sin información vital a la hora de tomar
decisiones en tiempos de incertidumbre.
La Estadística que hoy se conoce debe en gran parte sus alcances y

desarrollos, a los trabajos matemáticos de aquellos hombres que
desarrollaron teorías, con las cuales se adhirió a la Estadística a las ciencias
formales.
1.1 Estadística
Es una ciencia, pues usa el método científico, que se apoya en las

matemáticas, que trata de recoger, presentar, analizar e interpretar datos
numéricos y constituye la rama del saber humano que tiene como objeto el
estudio de ciertos métodos inductivos aplicables a fenómenos susceptibles
de expresión cuantitativa.
La Estadística para su mejor estudio se ha dividido en dos grandes

ramas: la Estadística Descriptiva y la Inferencial.
3
Gustavo J. Rueda G.
1.2 Estadística Descriptiva
Es el conjunto de métodos cuantitativos que permiten organizar y

analizar observaciones de un fenómeno en estudio, cuyas conclusiones no
trascienden sobre un conjunto mayor de observación.
1.3 Estadística Inferencial
Es el conjunto de métodos cuantitativos que permiten organizar y

analizar observaciones de un fenómeno en estudio, con el objeto de obtener
conclusiones sobre un conjunto mayor (población) que dio origen a dichas
observaciones (muestra).
1.4 Universo
Es el conjunto total de individuos, cosas, hechos, objetos, etc., que se

están considerando como objetos de estudios.
1.5 Población
Es el conjunto que se obtiene de las mediciones realizadas sobre los

elementos del Universo. Cuando le damos una característica común
observable a un grupo del Universo, tenemos una Población.
4
FIGURA N° 1: UNIVERSO Y POBLACIÓN
Las poblaciones objetos de estudio, según sea el número de elementos

que la conforman pueden ser finitas o infinitas. Por ejemplo, los salarios de
los obreros de una empresa, es una población finita. En cambio, la
temperatura en los distintos puntos de la tierra sería un ejemplo de población
infinita. Hay un criterio, muy extendido, según el cual la población finita es
aquella que se puede contar, y esto es muy impreciso, pues todas se pueden
contar, la diferencia radica en que las finitas se les conoce hasta donde
llegan, es decir, su final. En cambio, las poblaciones infinitas no se le conoce
su término, pero se puede establecer su conteo, por ejemplo, los números
reales. Muchas poblaciones finitas son tan grandes, que muchas veces se le
da un tratamiento de población infinita, para poderlas estudiar.
5
Gustavo J. Rueda G.
1.6 Muestra
Es una parte o subconjunto de la población. Es necesario que para

hacer afirmaciones basadas en datos muestrales y que tengan validez sobre
la población, que la muestra sea representativa, que el proceso de selección
sea con aleatoriedad (al azar) y que tenga un tamaño que garantice estas
condiciones (n).
1.7 Muestreo
Es el método que se emplea para seleccionar una muestra. Existen

varios métodos, pero el que se va a utilizar es el muestreo simple aleatorio,
en donde cada miembro de la población se elige al azar y tiene idéntico
chance o probabilidad de ser seleccionado.
1.8 Parámetro
Es una característica de una población. Es un valor poblacional, por

ejemplo, la edad promedio de una población. Y es un valor que cambia con
el transcurrir del tiempo, en una evaluación instantánea no cambia, pero
hecha la misma evaluación en otro instante de tiempo pudiera tener otro
valor.
1.9 Estadístico
Es una característica especifica de una muestra. Es un valor muestral,

es por tanto, una variable aleatoria.
6
FIGURA N° 2 DEFINICIONES BÁSICAS
1.10 Datos
Es el elemento básico de la Estadística, es su materia prima.
1.11 Variable Aleatoria y Tipos
Es un símbolo que representa un elemento no especificado de un

conjunto dado, susceptible de tomar diversos valores, y cada valor lo toma
asociado a una probabilidad.
7
Gustavo J. Rueda G.
 Variable Cualitativa: es aquella en las que las observaciones sobre un

determinado fenómeno se describen solo como poseedoras o no de
ciertas cualidades, atributos o propiedades.
 Variable Cualitativa Nominal: Son aquellas que obedecen a un nombre
y no hay ninguna relación de orden. Ejemplo: color del carro, sexo,
profesión, marcas, etc.
 Variable Cualitativa Ordinal: Como lo indica su nombre, indican una
relación de orden. Ejemplo: tercero, escalas de notas de un examen (A,
B, C, D, E).
 Variable Cuantitativa: Son aquellas que se expresan mediante un
número o cantidad.
 Variable Cuantitativa Discreta: Son aquellas que solo pueden tomar
valores enteros. Ejemplo: número de hijos, cantidad de clientes, etc.
 Variable Cuantitativa Continua: Son aquellas que pueden tomar valores
enteros o no enteros. Ejemplo: precios, temperaturas, velocidades,
estaturas, pesos, etc.
1.12 Mediciones
Consiste en la asignación de números a elementos u objetos para

representar o cuantificar una propiedad o característica. El problema básico
esta dado por la asignación numeral que represente la magnitud de la
característica que se quiere medir y que dicho números pueden analizarse
por manipulaciones de acuerdo a ciertas reglas, es evidente, que el mundo
resultaría en un caos si no se pudiera medir nada. Por medio de la medición,
los atributos de las percepciones se transforman en entidades conocidas y
manejables llamadas números.
8
1.13 Nivel de Mediciones
Dicha clasificación obedece a las escalas de medición propuestas por el

psicólogo Stevens, S. (1946), en Sobre la Teoría de las Escalas de Medición,
casi universalmente aceptadas. Los datos están siempre referidos a una de
estas escalas:
1. Escala Nominal: cuando se utilizan nombres para establecer categorías.

Ejemplo: el estado de una persona para determinada enfermedad se
puede clasificar como sano o enfermo. Adicionalmente, se debe
mencionar que ninguna de las categorías definidas tiene mayor
jerarquía que las otras.
2. Escala Ordinal: existen o se definen varias categorías, además de
mostrar un ordenamiento, existen relaciones de mayor o menor que
entre ellas.
3. Escala de Intervalo: mide variables de manera numérica. Permite
establecer distancias. El cero puede estar dentro de la escala y no
implica ausencia de la característica o variable medida. Ejemplo: las
fechas, la temperatura, calificaciones de una prueba.
4. Escala de Razón: es la más fuerte, dado que usa un sistema numérico
en el que el cero (0) es un valor que indica ausencia de la característica
que se mide.
1.14 Unidad Estadística
Es el sujeto en particular sobre el cual se está observando la variable.
9
Gustavo J. Rueda G.
1.15 Problemas Unidad I
I.1 Se realiza un estudio en la parroquia San Simón del Municipio Maturín,

sobre el tipo de transporte utilizado por sus residentes, para lo cual se
encuesta a un grupo de ellos, obteniéndose:
TIPO DE N° DE
TRANSPORTE RESIDENTES
AUTO PARTICULAR 41
TAXI 22
MOTO 42
POR PUESTO 52
AUTOBUS 37
OTRO 25
a) ¿Cuál es el universo?
b) ¿Cuál es la población?
c) ¿Cuál es la muestra?
d) ¿Cuál es la variable aleatoria y de qué tipo es?
I.2 Una fábrica produce tornillos para los cuales existen estrechos márgenes
de tolerancia en sus diámetros. El Departamento de Control de Calidad
selecciona la producción de un día y la somete a proceso de control.
10
I.3 De un lote de 1.000 piezas defectuosas se toman al azar 150 de ellas,

encontrándose con 1, 2, 3 ó 4 y más defectos a 15, 52, 46 y 37 piezas
respectivamente.
I.4 Una compañía de calidad aérea sostiene que menos de un por ciento de
los vuelos programados que despegan del aeropuerto de Maiquetía sale
tarde. Se ha observado que el 1,5 por ciento de un lote de 200 vuelos salió
más tarde de la hora prevista.
I.5 La Universidad de Oriente ha encuestado a 780 de sus estudiantes de su

núcleo de Monagas, para averiguar el tiempo semanal promedio que dedican
a navegar por internet.
11
Gustavo J. Rueda G.
UNIDAD II: ESTADÍSTICA DESCRIPTIVA. MÉTODOS

TABULARES Y GRÁFICOS
Los datos constituyen la materia prima de la Estadística. Los datos se

pueden tratar de dos formas:
1. Puntual o no agrupados: registrando el valor exacto de cada dato.

2. Agrupados: se clasifican en intervalos, es más cómodo, pero menos
preciso. Usada generalmente, cuando el número de datos es elevado.
2.1 Distribución de Frecuencia
Es una tabla que resumen datos enumerando las clases en la columna

de la izquierda y el número de observaciones de cada clase en la columna
de la derecha. Requiere de un procedimiento previo que consiste en
recopilar, ordenar y clasificar la información.
2.2 Intervalo Total (Rango de los Datos o Recorrido de los Datos)
Es la diferencia (distancia) entre el valor mayor observado (XM) y el

valor menor observado (Xm) en una serie de datos.
ITOT = XM - Xm
2.3 Intervalo de Clase
Es el fraccionamiento que se hace del Intervalo Total en recorridos

parciales. Cada intervalo consta de un límite superior (L s) y de un límite
inferior (Li). La amplitud del intervalo de clase es la distancia que hay entre el
12
límite superior y el límite inferior de cada clase. Todas las clases tienen la
misma amplitud.
ic = L s - L i
2.4 Marca de Clase
Es el punto medio del intervalo de clase. Hay tantas marcas de clase

como intervalos de clase en una distribución de frecuencias. Se obtiene con
la semi suma de los límites superior e inferior de cada intervalo de clase.
Xi = (Ls + Li) / 2
2.5 Fórmula Empírica
Es la forma de establecer la amplitud del intervalo de clase dado el

número de intervalos (n) a agrupar.
ic = ITOT / n
2.6 Fórmula Teórica
Es la forma de establecer la amplitud del intervalo de clase cuando el

número de intervalos (n) a agrupar es desconocido. Se parte de la expresión
formulada por Herbert Sturges, en 1926, que sirve de indicador aproximado o
sugerido para establecer el número de intervalos n para realizar el
agrupamiento de los datos en intervalos de clase, partiendo del número total
de datos N; la Regla de Sturges viene dada por la expresión:
n = 1 + 3,322 log N
13
Gustavo J. Rueda G.
Luego, hecha la aproximación correspondiente, se utiliza la conocida

expresión:
ic = ITOT / n
2.7 Tipos de Frecuencia
 Frecuencia simple o absoluta (fi): Es el número de veces que se repite

un valor en una serie o colección de datos, es el conteo de los datos.
 Frecuencia Relativa (hi): Es el cociente que resulta entre la frecuencia
absoluta (fi) y el número total de datos (N = ∑fi). Se recomienda
expresarlo con cuatro cifras decimales y técnica de redondeo.
 Frecuencias Acumuladas: Expresan la suma de las frecuencias
(absolutas o relativas) de todos los valores de la variable anteriores o
precedentes y el suyo propio.
 Fi = Frecuencia Absoluta Acumulada
 Hi = Frecuencia Relativa Acumulada
 Porcentajes: se obtendrá el porcentaje (%), como el producto de 100 *
hi. El porcentaje también puede ser acumulado (% ACUM), y se obtiene
como el producto de 100 * Hi.
2.8 Estructura de la Tabla de Distribución de Frecuencias
INTERVALOS FREC. MARCA FREC. ABS. FREC. FREC. ABS. PORCENTAJE PORCENTAJE
[UNIDADES] ABS. DE CLASE ACUMULADA RELATIVA ACUMULADA % ACUMULADO
fi Xi Fi hi Hi (%ACUM)
[L1 – L2) f1 X1 F1 h1 H1 %1 %ACUM1

[L2 – L3) f2 X2 F2 h2 H2 %2 %ACUM2
[L3 – L4) f3 X3 F3 h3 H3 %3 %ACUM3
… … … … … … … …
[Ln-1 – Ln] fn Xn Fn = N h4 Hn = 1 %n %ACUMn = 100
∑fi = N ∑hi = 1 ∑%i = 100
14
2.9 Representación Gráfica
La representación gráfica de la distribución de frecuencias debe estar

basada en la buena construcción de la tabla. Para esto es imprescindible que
los intervalos sean inclusivos y que no se solapen. Cada observación debe
pertenecer a uno y sólo un intervalo. Los límites o extremos de cada clase
deben estar claramente definidos, asegurando simplemente que los limites
permitan comprender e interpretar claramente los datos.
Histogramas: Son gráficos formados por rectángulos (barras verticales),

que tienen por base el intervalo de clase y por altura la frecuencia (absoluta o
acumulada) correspondiente a cada clase. El nombre del Histograma lo
define el eje vertical o eje de las ordenadas del gráfico.
FIGURA N° 3 HISTOGRAMAS SIMPLES
FIGURA N° 4 HISTOGRAMAS ACUMULADOS
15
Gustavo J. Rueda G.
Polígonos: Es una figura que se forma al unir los puntos que se

determinan levantando en el punto de medio de cada intervalo de clase, una
altura igual a la frecuencia simple (absoluta, relativa o porcentual). Los
extremos del polígono se cierran en puntos situados, antes de la primera y a
continuación de la última clase, a una distancia igual a la mitad del intervalo
de clase de la serie de datos.
FIGURA N° 5 POLÍGONOS SIMPLES
Polígonos acumulados u Ojivas: son figuras que se obtienen uniendo el

límite inferior de la primera clase, con los puntos que se determinan
levantando en el límite superior de cada clase, una altura igual a la
frecuencia acumulada correspondiente a la clase.
FIGURA N° 6 POLÍGONOS ACUMULADOS (OJIVAS)
16
2.10 Problemas Unidad II
A todos los problemas propuestos, construya la tabla de distribución de

frecuencias completa y lo solicitado en cada situación.
II.1 Los siguientes datos representan los salarios diarios de unos operarios
en €/día. Construya la distribución de frecuencias agrupándolos según el
criterio de aproximación de la fórmula teórica.
a) ¿Cuántos datos hay, cuál es el menor y el mayor valor de la serie de

datos?
b) ¿Cuánto es el intervalo total?
c) ¿Cuánto es el valor de n, según la fórmula teórica y cuál es el valor a
usar?
d) ¿Cuál es la amplitud del intervalo de clase?
e) Construya el histograma de frecuencias absolutas y la ojiva porcentual
Salarios [€/día]:
20 30 35 20 40 23 33 37 36 39
41 32 40 25 24 29 39 27 20 23
24 39 24 22 21 34 24 23 38 25
20 25 28 29 31 37 24 38 33 20
30 32 35 34 36 28 34 34 33 36
34 27 32 30 30 22 36 38 37 32
II.2 Considere los datos en la siguiente tabla de frecuencias:
a) Complete los intervalos de clases correspondientes a la siguiente

distribución y construya la tabla de distribución de frecuencias completa.
17
Gustavo J. Rueda G.
b) Construya el histograma de frecuencias relativas acumulados y el

polígono de frecuencias absolutas.
COSTO N° DE PIEZAS MARCA DE CLASE

[Bs/UNIDAD] fi Xi
12 5
20 10
32 15
18 20
8 25
II.3 Construya la distribución de frecuencias con los datos que se presentan a

continuación, agrupando la información en cinco (5) clases
15 20 25 28 30 18 23 17
18 17 18 15 23 17 20 20
23 18 20 17 25 20 25 18
25 20 20 23 23 18 30 20
28 23 25 28 20 30 28 23

datos?
c) ¿Cuál es la amplitud del intervalo de clase?
d) Construya el histograma de frecuencias relativas y el polígono de
frecuencias absolutas acumuladas.
18
II.4 Los siguientes datos representan los ingresos semanales de 40

personas. Complete, estableciendo las debidas relaciones entre las
frecuencias absolutas y sus correspondientes acumuladas y construya la
distribución de frecuencias completa.
INGRESOS N° DE PERSONAS Fi
[US$/SEMANA] fi
250 – 300 2 F1
300 – 350 f2 F2
350 – 400 12 22
400 – 450 f4 29
450 – 500 f5 34
500 – 550 4 F6
550 – 600 f7 F7
II.5 La información siguiente, se refiere a rentas en [x1000 en Bs/m2] de una

muestra de 42 apartamentos con una edad promedio de 10 a 15 años, en la
zona sur-este de la ciudad de Caracas. Agrupe en 5 intervalos de clase.
RENTAS [x1000 EN Bs./m2]

20 23 23 28 36 31
26 28 33 25 25 37
32 33 21 34 42 21
30 26 26 37 31 37
22 20 27 21 29 24
30 32 31 33 35 39
37 38 45 42 42 40
19
Gustavo J. Rueda G.

datos?
d) Construya el histograma de porcentajes acumulados y el polígono de
frecuencias relativas.
II.6 Los siguientes datos representan la vida (*10 3 en horas) de una muestra
aleatoria de unos pequeños bombillos led. Agrupe en 7 intervalos de clase.
2,0 3,0 0,3 3,3 1,3 0,4

0,2 6,0 5,5 6,5 0,2 2,3
1,5 4,0 5,9 1,8 4,7 0,7
4,5 0,3 1,5 0,5 2,5 5,0
1,0 6,0 5,6 6,0 1,2 0,2

datos?
d) Construya la tabla de distribución de frecuencias completa
e) Construya el histograma de frecuencias absolutas, el polígono de
porcentajes acumulados y el histograma de frecuencias absolutas
acumuladas.
20
UNIDAD III: MEDIDAS DE TENDENCIA CENTRAL Y DE

POSICIÓN
3.1 Media Aritmética
Es igual al cociente que resulta de dividir la suma de todos los datos de

la serie por el número de ellos.
DATOS NO AGRUPADOS DATOS AGRUPADOS

(SERIE DE DATOS) (DIST. DE FRECUENCIAS)
En donde Xi, es el valor exacto de cada En donde Xi, es la marca de clase

dato
3.2 Media Aritmética Ponderada
Se utiliza cuando el valor que toma la variable, puede diferir en peso o

importancia, es decir, cuando las observaciones difieren en la ponderación.
Siendo wi la ponderación de la observación y X el valor del dato.
21
Gustavo J. Rueda G.
3.3 Media Armónica
Es el reciproco o inverso de la media aritmética de los reciproco o

inversos de las observaciones o valores que toma la variable. Es el promedio
de elección cuando se requiere el promedio de índices de tiempo, por
ejemplo, la velocidad (Km/h).

(SERIE DE DATOS) (DIST. DE FRECUENCIAS)
En donde X, es el valor exacto de cada En donde X, es la marca de clase

dato
3.4 Media Geométrica
Es la n-ésima raíz del producto de “n” valores u observaciones. Se

utiliza para saber cuál es el crecimiento en una serie de períodos de tiempo.
En las finanzas, se encuentra en el interés compuesto a lo largo de varios
períodos, o el crecimiento de la población o el crecimiento de las ventas.
22
Tasa de crecimiento promedio (en finanzas):
f = p (1 + i)n i = tasa promedio de crecimiento

n = número de períodos
f = valor futuro (final de la serie)
p = valor presente (inicio de la serie)
Ejemplo
Se pretende realizar un proyecto habitacional en una determinada

región del país, para lo cual se dispone de información demográfica. A tal
efecto se tiene:
AÑOS POBLACIÓN
(En millones de Hab.)
2009 0,8
2010 1,0
2011 1,2
2012 1,6
2013 2,1
2014 2,2
¿Cuál será el número de viviendas para 2015, si se asume que el 20%

de la población demanda vivienda y que cada familia está formada por 5
personas?
Se calcula inicialmente la tasa de crecimiento promedio o el

crecimiento promedio, con la expresión siguiente:
23
Gustavo J. Rueda G.
Despejando queda: f = p (1 + i)n, entonces f2015 = p2014 (1 + 0,22)1

F2015 = 2,2 (1 + 0,22) = 2,7 millones de habitantes
De los 2.700.000 habitantes demandan viviendas el 20%, o sea,

2.700.000(0,20) = 540.000 habitantes, pero cada familia está formada por 5
personas (en promedio), se requieren:
3.5 Moda o Modo
Es el que se presenta más frecuentemente en una serie de datos, en

otras palabras, es el dato afectado de la mayor frecuencia. Puede haber
moda o no, y si la hay, puede haber más de una. Por ejemplo; 2 modas la
serie es bimodal; 3 modas la serie es trimodal, etc.
Sobre la clase modal (CMo), se aplica: ic = amplitud del intervalo de clase.

Li = límite inferior de la clase modal.
∆f1 = diferencia de frecuencias
absolutas de la clase modal y la clase
anterior.
∆f2 = diferencia de frecuencias
absolutas de la clase modal y la clase
posterior.
24
3.6 Mediana
Es el valor central, es el valor que supera al 50% de los datos y a su

vez es superado por el 50% restante.
FIGURA N° 7 LA MEDIANA
3.6.1 Para datos no agrupados
Se tiene dos situaciones:
1. Número de datos impar: se ordenan en forma creciente los datos y la

mediana será el valor central.
2. Número de datos par: se ordenan en forma creciente, la mediana es
cualquier valor entre los dos valores centrales, pero por razones
prácticas, se ha convenido internacionalmente, tomar a la semi suma de
esos dos valores como la mediana.
Md = (X(n/2) + X(n/2)+1) / 2
3.6.2 Para datos agrupados
La clase medianal (CMd), es la que contiene al dato central.
25
Gustavo J. Rueda G.
Sobre la clase medianal (CMd), se ic = amplitud del intervalo de clase.

aplica:
Li = límite inferior de la clase
medianal.
fi = frecuencia absoluta de la clase
medianal.
N = total de datos.
Faa = frec. Abs.de clase anterior a
la clase medianal.
3.7 Fractiles
Son indicadores estadísticos de posición que sirven para indicar el

fraccionamiento de la distribución de datos. Los más usuales son los
cuartiles, los deciles y los percentiles.
3.7.1 Cuartiles (Qi)
Fraccionan a la distribución de datos en cuatro partes iguales de 25%

cada una y son tres (Q1, Q2 y Q3).
 Datos no agrupados:
N par: Qi = (i * N) / 4
N impar: Qi = i * (N+1) / 4
 Datos agrupados:
clase cuartili = (i * N) / 4 FIGURA N° 8 CUARTILES
26
Sobre la clase cuartili, se aplica: ic = amplitud del intervalo de clase.

Li = límite inferior de la clase cuartil i.
fi = frecuencia absoluta de la clase
cuartili.
N = total de datos.
Faa = frec. Abs.de clase anterior a la
clase cuartili.
3.7.2 Deciles (Di)
Fraccionan a la distribución de datos en diez partes iguales de 10%

cada una y son nueve (D1, D2, D3,…, D8 y D9).
N par: Di = (i * N) / 10
N impar: Di = i * (N+1) / 10
clase decili = (i * N) / 10
FIGURA N° 9 DECILES
27
Gustavo J. Rueda G.
Sobre la clase decil i, se aplica: ic = amplitud del intervalo de

clase.
Li = límite inferior de la clase
decili.
fi = frecuencia absoluta de la
clase decili.
N = total de datos.
Faa = frec. Abs.de clase
anterior a la clase decil i.
3.7.3 Percentiles (Pi)
Fraccionan a la distribución de datos en cien partes iguales de 1%

cada una y son noventa y nueve (P1, P2, P3,…, P98 y P99).
N par: Pi = (i * N) / 100
N impar: Pi = i * (N+1) / 100
clase percentili = (i * N) / 100
FIGURA N° 10 PERCENTILES
28
Sobre la clase percentil i, se aplica: ic = amplitud del intervalo

de clase.
Li = límite inferior de la
clase percentili
fi = frecuencia absoluta de
la clase percentili
N = total de datos.
Faa = frec. Abs.de clase
anterior a la clase percentil i.
Un método más universal y poderoso, por su sencillez, es hallar estos

indicadores de posición por interpolación. Es más sencillo, pues sólo se debe
recordar una sola fórmula, la de interpolación (método de aproximación lineal
por interpolación o también llamado de proporcionalidad, ver Apéndice A), y
se aplica en el espacio correspondiente al porcentaje que defina el fractil que
se esté calculando, sobre la columna de porcentaje acumulado (% ACUM) de la
tabla de distribución de frecuencias.
Fórmula general de interpolación:

Sobre el espacio indicando del porcentaje R: valor del fractil buscando
buscado:
R1: valor del % anterior al
buscado
R2: valor del % posterior al
buscado
L1: imagen del valor R1
L2: imagen del valor R2
29
Gustavo J. Rueda G.
L: valor del porcentaje

correspondiente al fractil
buscado.
Ejemplo
Considerar la siguiente distribución de frecuencias, que representa

precios en dólares por unidad. Hallar:
a) El tercer cuartil (Q3)

b) El sexto decil (D6)
c) El percentil dieciocho (P18)
PRECIO N° DE Fi %ACUM
(US$ / UNIDADES
UNIDAD) (fi)
15 – 25 6 6 10
25 – 35 8 14 23,33
35 – 45 14 28 46,67
45 – 55 16 44 73,33
55 – 65 12 56 93,33
65 – 75 2 58 96,67
75 – 85 2 60 100
n=7 ∑fi = N = 60
Solo se necesita la primera columna, correspondiente a los valores de

la variable, y la última columna, correspondiente a los porcentajes
acumulados, para ubicar los fractiles. Sobre la última columna (% ACUM), se
30
ubica el porcentaje correspondiente al del fractil en cuestión. Por ejemplo, el

tercer cuartil o cuartil tercero o cuartil tres (Q 3), es aquel indicador de
posición que supera al 75% de los datos y a su vez es superado por el 25%
restante; entonces la posición que se debe calcular es la que corresponde al
75%.
Ubicados los valores en la tabla de distribución de frecuencias, se

procede a sustituir en la formula general de interpolación, para ubicar el
fractil en cuestión, que en este caso es el Q 3.
a.- Entonces el tercer cuartil es Q3 = 55,835 US$/unidad
31
Gustavo J. Rueda G.
El sexto decil o decil seis (D6), es aquel indicador de posición que

supera al 60% de los datos y a su vez es superado por el 60% restante;
entonces la posición que se debe calcular es la que corresponde al 60%.
Ubicados los valores en la tabla de distribución de frecuencias, se

fractil en cuestión, que en este caso es el D6.
b.- Entonces el sexto decil es D6 = 50 US$/unidad
El percentil dieciocho (P18), es aquel indicador de posición que supera

al 18% de los datos y a su vez es superado por el 82% restante; entonces la
posición que se debe calcular es la que corresponde al 18%.
32
Ubicando los valores en la tabla de distribución de frecuencias, se

fractil en cuestión, que en este caso es el P18.
c.- Entonces el percentil dieciocho es P18 = 31,01 US$/unidad
En conclusión, solo se necesita ubicar el porcentaje acumulado

(%ACUM) asociado al fractil, y conocer la fórmula de interpolación para ubicar
su valor, y esto tiene un gran valor práctico.
33
Gustavo J. Rueda G.
3.8 Problemas Unidad III
III.1 La siguiente distribución de frecuencias corresponde al costo, en

bolívares por unidad, de unos caramelos para fiestas infantiles.
COSTO N° DE UNIDADES
(Bs/unidad) Determinar:
15 – 20 26 a) La media aritmética.
20 – 25 34 b) La mediana.
25 – 30 42 c) La moda o modo.
30 – 35 38
35 – 40 20
III.2 Los siguientes datos representan las calificaciones de una muestra de

estudiantes en un determinado examen sobre 100 puntos. Agrupe en 10
intervalos (n = 10).
23 60 79 32 57 74 52 70 82 36
80 77 81 95 41 65 92 85 55 76
52 10 64 75 78 25 80 98 81 67
41 71 83 54 64 72 88 62 74 43
60 78 89 76 84 48 84 90 15 79
34 67 17 82 69 74 63 80 85 61
Determine:
a) La media aritmética
b) La mediana
c) La moda o modo
34
d) El percentil catorce (P14)

e) El primer cuartil (Q1)
f) El séptimo decil (D7)
III.3 En un estudio de mercado se desea estimar el ingreso por familia en una

determinada zona de la ciudad. Se tomó una muestra aleatoria de familias,
obteniéndose los siguientes resultados:
INGRESO
FAMILIAR 0 - 1000 1000 - 2000 2000 - 3000 3000 - 4000 4000 - 5000
(US$/MES)
N°
FAMILIAS 2 7 6 4 1
Determine la moda y el primer cuartil (Q 1) de la muestra.
III.4 El administrador de un hospital, de acuerdo a un estudio del tiempo de

espera de los pacientes, antes de ser atendidos en emergencia, obtiene para
un día laborable cualquiera la siguiente información:
TIEMPO EN
ESPERA 10 - 14 14 - 18 18 – 22 22 - 26 26 - 30 30 - 34
(min.)
N°
PACIENTES 4 10 16 20 2 8
Calcular el tiempo de espera promedio.
35
Gustavo J. Rueda G.
III.5 Una empresa tiene 60 empleados que ganan los sueldos mensuales
siguientes:
SUELDOS
3000 - 3500 3500 - 4000 4000 - 4500 4500 - 5000 5000 - 5500
(Bs/mes)
N°
6 9 30 8 7
EMPLEADOS
La Gerencia de RRHH de la empresa recomienda un aumento del 10%

para cada empleado, ¿a cuánto ascenderá el sueldo promedio anual de un
empleado de esta empresa? (suponer que cada empleado solo recibe solo
recibe su sueldo mensual).
III.6 La siguiente información se refiere a una muestra de 60 componentes

electrónicos y su duración. ¿Cuál es la duración promedio de estos
componentes electrónicos?
DURACIÓN 10 – 15 15 – 20 20 – 25 25 – 30 30 – 35
(x1000 hrs)
N° 6 f2 18 f4 10
COMPONENTES
Fi F1 F2 36 50 F4
III.7 Una oficina que realiza investigaciones de mercado está estudiando el

consumo mensual en una parroquia de Maturín, de cierto producto de
consumo masivo, para lo cual divide en tres áreas a dicha parroquia y las
denomina A1, A2 y A3; encuestando en ellas un total de 80 hogares,
obteniendo el siguiente resultado:
36
ÁREA INFORMACIÓN
A1 1 = 200 Bs/mes
N1 = 25 HOGARES
ENCUESTADOS
A2 2 = 235 Bs/mes
N2 = SE EXTRAVIÓ LA DATA
A3 3 2
N3 = 35 HOGARES
ENCUESTADOS
¿Cuál es el promedio total de consumo mensual del producto en la

citada parroquia?
III.8 En base a un estudio sobre la oferta actual de locales comerciales en el

área metropolitana de Caracas para las zonas oeste, centro y este, se
obtiene la información siguiente:
RESULTADOS DEL ZONAS

ESTUDIO OESTE CENTRO ESTE
PRECIO DE VENTAPROM 550 NO SE 6.100
2
(Bs/m )
CONOCE
N° LOCALES 80 50 70
COMERCIALES
OBSERVADOS
El precio de venta promedio total para el área metropolitana es de 5.785

Bs/m2. Determine el precio de venta promedio para la zona centro.
37
Gustavo J. Rueda G.
III.9 Una empresa tiene 60 ejecutivos que reciben en promedio Bs. 10.000 al
mes y 800 trabajadores que reciben en promedio Bs. 3.000 al mes. En
tiempo de crisis y depresión económica, todos los sueldos se reducen en un
20%, el número de ejecutivos se reduce en un 10% y se despiden 200
trabajadores. Determine el sueldo promedio total en tiempo de depresión.
III.10 Al inicio de actividades una empresa determina que el costo de

producción para un determinado producto electrodoméstico era de 1.200
Bs/unidad, actualmente al haber transcurrido varios años de operación, el
costo de producción para el mismo artículo es de 1.324,91 Bs/unidad. Si se
estima que para dentro de dos años su costo de producción será de 1.378,44
Bs/unidad, ¿Cuántos años tiene operando la empresa?
III.11 La siguiente tabla presenta los costos del terreno al sur de la ciudad de
Maturín. Si la tasa de crecimiento interanual se mantiene. ¿Cuál será el costo
del terreno para 2020?
AÑOS COSTO
(Bs/m2)
2013 220
2014 231
2015 270
2016 300
2017 350
III.12 En base a un estudio realizado en una zona industrial del país, se

obtiene la información dispuesta en la tabla, de acuerdo a las industrias
38
instaladas en cinco (5) años. Es necesario dotar de vivienda a cada familia

de cada trabajador, si cada industria en promedio emplea 120 trabajadores y
cada familia está formada por 5 personas, ¿Cuántas viviendas se requieren
para 2017?
AÑOS INDUSTRIAS
INSTALADAS
2010 8
2011 11
2012 15
2013 18
2014 22
III.13 El director de unos grandes almacenes tiene interés en saber cuántos

reclamos recibe el Departamento de Atención al Cliente sobre la calidad de
los aparatos electrónicos que se venden en los almacenes. Los registros de
un período de 5 semanas muestran el siguiente número de reclamos
semanales:
13 15 8 16 8
a) Calcule el número medio de reclamos semanales

b) Calcule el valor central de las reclamaciones
c) Halle la moda
39
Gustavo J. Rueda G.
III.14 Diez economistas recibieron el encargo de predecir el crecimiento

porcentual que experimentará el índice de precios de consumo el próximo
año. Sus predicciones fueron:
3,6 3,1 3,9 3,7 3,5

3,7 3,4 3,0 3,7 3,4
a) Calcule el índice promedio

b) Calcule la mediana
c) ¿Cuál es la moda?
III.15 Una cadena de grandes almacenes eligió aleatoriamente 10

establecimientos situados en una región en particular. Tras examinar los
datos de ventas, observó que ese año se habían conseguido en las
navidades los siguientes aumentos porcentuales de las ventas en dólares
con respecto al año anterior:
10,2 3,1 5,9 7,0 3,7

2,9 6,8 7,3 8,2 4,3
a) Calcule el aumento porcentual medio de las ventas en dólares

b) Calcule la mediana
III.16 Al tomar una muestra de 100 tornillos y medir sus diámetros, los
resultados fueron los que se indican en la tabla a continuación:
40
Diámetro 15 - 17 17 - 19 19 – 21 21 - 23 23 - 25 25 - 27
(mm)
fi 8 19 32 23 12 6
a) Encuentre el porcentaje de tornillos que caen en el intervalo (20 ± 2,5)

mm
b) Determine una especificación (limites en mm) para estos tornillos que
cubra el 95% de las unidades
c) Calcule el P39 y el D7
III.17 Los siguientes datos registran el tiempo que utilizan cuatro médicos al
realizar una cierta intervención quirúrgica. Conocer el tiempo medio permite
contar con una herramienta útil en la planeación de los recursos, como la
Sala de Operaciones. Además de poder comparar los desempeños con los
estándares de calidad internacionales. Calcule e interprete el tiempo medio.
MÉDICO A B C D
TIEMPO (min) 45 38 52 40
III.18 Suponga que una familia realiza un viaje en automóvil, de una ciudad
“A” a una ciudad “B” y cubre los primeros 100 km a 60 km/h, los siguientes
100 km a 70 km/h y los últimos 100 km a 80 km/h. Calcular, en esas
condiciones, la velocidad media realizada.
III.19 En el cuadro siguiente se presentan los consumos de electricidad en

España en miles de millones de de kw/hora desde diciembre en 1985 hasta
diciembre de 1986.
41
Gustavo J. Rueda G.
MES Dic Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic
CONSUMO 10,1 10,7 9,96 9,46 9,54 8,92 8,95 8,58 7,86 8,96 9,17 9,57 10,2
9
(x10 kw/h)
A partir de los incrementos unitarios de consumo de cada mes, calcular

el incremento unitario anual medio acumulativo.
III.20 La siguiente distribución de frecuencias representa los pesos (kg) de un

grupo de personas
PESOS 52 - 56 56 – 60 60 - 64 64 - 68 68 - 72 72 - 76 76 - 80
(kg)
N° 4 12 17 20 15 9 3
PERSONAS
a) ¿Qué porcentaje de personas tienen pesos inferiores a los 62 kg?

b) ¿Cuántas personas pesan entre 65 y 74 kg?
c) ¿Cuántas personas con pesos superiores a 62 kg?
d) ¿El 75% de las personas, están por debajo de que peso?
III.21 La distribución del ahorro mensual de 150 personas es como se

muestra a continuación:
AHORRO N° DE
(US$/mes) PERSONAS
100 – 150 12
150 – 200 18
200 – 250 21
250 – 300 48
300 – 350 24
350 – 400 15
400 – 450 12
42
a) ¿Cuál es el porcentaje de personas con ahorro menor a 200 US$/mes?

b) ¿Cuántas personas ahorran más de 320 US$/mes?
c) ¿Por debajo de que nivel de ahorro mensual se encuentra el 50% de las
personas?
III.22 De acuerdo a los resultados de una prueba de selección aplicada a 160

aspirantes, la Gerencia de Recursos Humanos de una empresa
transnacional, obtiene el siguiente resultado:
CALIFICACIONES N° DE
OBTENIDAS ASPIRANTES
15 – 30 15
30 – 45 27
45 – 60 39
60 – 75 36
75 – 90 29
90 – 105 14
De los aspirantes que se presentaron fueron admitidos los 40 mejor

calificados. ¿Cuál fue la mínima calificación obtenida para ser aceptado?
III.23 Los siguientes datos representan la producción de petróleo, en miles de

barriles por día (MBPD), de los pozos al sur del Estado Monagas. Agrupar en
7 intervalos de clase.
a) ¿Cuál es el valor más común?

b) ¿Cuál es la producción promedio de todos los pozos?
c) ¿Cuál es la producción del 50% de los pozos?
43
Gustavo J. Rueda G.
d) ¿Qué producción tiene el 75% de los pozos?

e) ¿Cuántos pozos tienen una producción menor o igual a 7,1 MBPD?
f) ¿Qué porcentaje de pozos tienen una producción entre 3,0 y 4,3
MBPD?
g) ¿En cuánto varía la producción del 80% central de los pozos?
h) ¿Cuánto es la variación de la producción de los pozos ubicados entre el
50% y 75% de la producción de los pozos?
0,4 1,3 3,8 6,3 2,4

6,2 3,7 1,3 0,4 2,4
5,8 0,4 3,4 1,2 2,3
0,2 1,2 2,3 3,3 5,6
2,5 4,2 6,8 0,5 1,4
2,7 1,4 0,5 4,4 7,2
1,1 1,9 3,1 5,5 9,7
0,8 1,6 4,7 7,8 2,8
9,5 5,2 1,8 0,9 2,9
1,5 0,7 2,8 7,6 4,6
44
UNIDAD IV: MEDIDAS DE VARIABILIDAD O DISPERSIÓN
Es imprescindible conocer la variabilidad existente entre los diferentes

valores de la serie con respecto al valor central. Una medida de tendencia
central sin estar acompañada de una medida de dispersión es una verdad a
medias. Siempre deben ir de la mano, ambas medidas, para que se pueda
formar un juicio correcto entorno a los datos que le dieron origen.
4.1 Medidas de Dispersión Absoluta
Se expresan en las mismas unidades de la variable. Las principales son

las siguientes:
4.1.1 Intervalo Total (Rango de los Datos o Recorrido de los Datos)
Es la diferencia (distancia) entre el valor mayor observado (XM) y el

valor menor observado (Xm) en una serie de datos.
ITOT = XM - Xm
4.1.2 Desviación Media (Desvíos Medios)
Es el promedio aritmético de los valores de absolutos de las

desviaciones de los valores de la serie con respecto a la medida de
tendencia central.
45
Gustavo J. Rueda G.

Con respecto a la media ( ): Con respecto a la media ( ):
Con respecto a la mediana (Md): Con respecto a la mediana (Md):
Con respecto a la moda (Mo): Con respecto a la moda (Mo):
Xi es el valor exacto de cada Xi es el valor de la marca de clase

dato
4.1.3 Varianza
Es la media aritmética de los cuadrados de los desvíos de los valores

de la serie con respecto a su media aritmética. Se denota como Var (X) = σ2
Xi es el valor exacto de cada dato Xi es el valor de la marca de clase
46
Otra forma de calcular la varianza, desarrollando la expresión:
Entonces queda para datos no agrupados:
Y para datos agrupados queda de la siguiente forma:
47
Gustavo J. Rueda G.
4.1.4 Desviación Típica o Estándar
Es la raíz cuadrada de la varianza.
En Estadística Inferencial, se debe hacer la distinción de cuando se

trabaja con el valor poblacional o con el valor muestral. Y se logra esa
distinción mediante la notación correspondiente:
σ Desviación Típica poblacional

s = Desviación Típica muestral
Es común ver libros de Estadística, que en la parte no inferencial usen

“σ” o “s”, de forma indistinta para denotar a la desviación. Pero hacerlo en
Estadística Inferencial constituye un grave error.
4.1.5 Desviación Cuartílica (Desviación Cuartil)
Es la mide la dispersión que hay en el 50% central de los datos, es la

diferencia entre el tercer cuartil (Q3) y el primer cuartil (Q1).
DQ = Q3 - Q1
4.2 Medidas de Dispersión Relativa
Son adimensionales, las principales son las siguientes:
48
4.2.1 Coeficiente de Variación de Pearson (C.V.)
Cuando se requiere comparar el grado de dispersión de distribuciones

que no vienen dadas en las mismas unidades o que las medias no son
iguales, se utiliza este coeficiente, que se calcula como el cociente entre la
desviación típica y la media aritmética y se expresa en porcentaje.
También representa el número de veces que la desviación típica está

contenida en la media aritmética, y por tanto, cuanto mayor es el coeficiente
de variación (C.V.), mayor es la dispersión y menor la representatividad de la
media con respecto a los datos que le dieron origen. Se ha establecido un
límite o regla para afirmar la representatividad de la media aritmética:
Si el C.V. ˂ 20%, entonces, la
4.2.2 Coeficiente de Variación Medianal (C.V.M.)
Es el cociente entre la Desviación Cuartil y la mediana, se expresa en

porcentaje.
49
Gustavo J. Rueda G.
4.3 Problemas Unidad IV
IV.1 Los siguientes datos representan los pesos de unas personas que se
encuentran en dos salas diferentes, A y B. ¿En qué caso, el promedio
aritmético es representativo de la serie de datos?
SALA PESO (kg)

A 52 58 56 61 66
B 15 26 25 103 124
IV.2 La siguiente distribución de frecuencias representa los ingresos diarios

de unos operarios especializados. ¿El promedio aritmético es representativo
para esta información?.
INGRESOS N° DE
(US$/DIA) OPERARIOS
70 – 90 5
90 – 110 20
110 – 130 27
130 – 150 6
150 – 170 8
IV.3 El Departamento de Control de Calidad de un laboratorio farmacéutico,

prueba dos tipos de antibióticos, A y B, de acuerdo a su duración efectiva en
el cuerpo humano, obteniendo la siguiente información:
50
DURACIÓN ANTIBIÓTICO
(hrs) A B
75 81
σ 2,5 3,5
Tomando en cuenta su uso en la salud de pacientes y la certeza que

deben tener los médicos para calcular y dar los récipes, ¿cuál debe
seleccionarse para su producción?
IV.4 Dada la serie:
4,2 7,5 1,4 2,3 5,0 6,3
Determinar:
a) Desviación típica
b) Desviación media con respecto a la mediana
IV.5 Determine la desviación estándar y el coeficiente de variación de la

siguiente serie de datos que se refiere a cuentas morosas
RETRASO N° DE
(MESES) CUENTAS
2–5 10
5–8 12
8 – 11 26
11 – 14 19
14 – 17 8
51
Gustavo J. Rueda G.
IV.6 ¿Cuál es la desviación típica de la siguiente serie?
Clases 20 – 30 30 – 40 40 – 50 50 – 60 60 – 70 70 – 80
fi 10 22 35 38 24 12
IV.7 En una exhibición científica se obtuvo la siguiente información, de entre

los asistentes de un día en particular. Determine la desviación cuartil.
EDAD N° DE
(AÑOS) ASISTENTES
15 – 25 6
25 – 35 8
35 – 45 14
45 – 55 16
55 – 65 12
65 y más 4
IV.8 Un contratista debe adquirir bombillos para equipar un lote de viviendas

y encuentra en el mercado dos marcas similares “A” y “B”. ¿Cuál marca debe
elegir?
DURACIÓN MARCAS DE BOMBILLO

(hrs) A B
1.495 1.875
σ 280 310
52
IV.9 Un encargado de compras ha obtenido muestras de lámparas de dos

marcas “A” y “B”. En su propio laboratorio ha probado ambas muestras con
respecto a la duración de su vida útil con los resultados siguientes:
VIDA ÚTIL N° LÁMPARAS N° LÁMPARAS

(hrs) MARCA “A” MARCA “B”
600 – 700 4 7
700 – 800 16 13
800 – 900 20 18
900 – 1000 14 12
1000 – 1100 6 10
¿Cuál marca se debe elegir?
IV.10 Un grupo de estudiantes universitarios según un test de habilidad

mental, obtienen las siguientes puntuaciones:
PUNTUACIONES 60 – 70 70 – 80 80 – 90 90 – 100 100 - 110
N° DE 4 16 20 14 6
ESTUDIANTES
¿Cuántos universitarios obtienen puntuaciones menores que + σ?
IV.11 Si todos los valores de una serie de datos son iguales entre sí, ¿qué
valor tendrá su desviación estándar?
53
Gustavo J. Rueda G.
IV.12 En un estudio de mercado se desea estimar el ingreso por familia en

una determinada zona de la ciudad. Se tomó una muestra aleatoria de
familias, obteniéndose los siguientes resultados:
INGRESO
0 – 1000 1000 - 2000 2000 - 3000 3000 - 4000 4000 - 5000
FAMILIAR
(US$/MES)
N°
2 7 6 4 1
FAMILIAS
¿Cuál es el porcentaje de familias cuyos ingresos caen en el intervalo

± σ?
IV.13 La resistencia a la rotura de una muestra de 50 cables fue la siguiente:
RESIS-
TENCI
90 – 92 92 – 94 94 – 96 96 – 98 98 – 100 100 – 102 102 – 104 104 – 106 106 – 108
A
(kgs)
fi 2 6 10 12 8 5 4 2 1
a) Calcule la media aritmética

b) Calcule la varianza
c) ¿Es el promedio aritmético representativo de esta información?
54
IV.14 El Departamento de Crédito de un Banco Universal, en base a un

estudio sobre solicitudes de préstamos para la adquisición de viviendas,
obtiene para el monto de los mismos la siguiente distribución:
MONTOS 1000 – 1200 1200 – 1400 1400 – 1600 1600 – 1800 1800 – 2000
(* Bs. 1000)
N° DE 6 20 28 21 5
SOLICITUDES
¿Cuál es el porcentaje de solicitudes de crédito en el intervalo ± σ?
55
Gustavo J. Rueda G.
UNIDAD V: MEDIDAS NUMÉRICAS ASIMÉTRICAS Y

KURTOSIS
5.1 Asimetría
Esta medida permite identificar si los datos u observaciones se

distribuyen de forma uniforme alrededor del punto central. La asimetría
presenta tres estados diferentes, cada uno de los cuales define
de forma concisa como están distribuidos los datos respecto al eje de
asimetría. Para una distribución unimodal:
 Curva asimétricamente Negativa (a la izquierda)
Mo > Md >
 Curva simétrica
= Mo = Md
 Curva asimétricamente Positiva (a la derecha)
> Md > Mo
FIGURA N° 11 TIPOS DE ASIMETRÍA
56
5.2 Coeficiente de Asimetría: Fórmula de Pearson
Es la medida de asimetría más conocida y más utilizada, y se expresa

como el cociente de la diferencia de la media y la moda entre la desviación
estándar.
C.A.P = 0 SIMETRÍA
C.A.P ˂ 0 ASIMETRÍA NEGATIVA
C.A.P > 0 ASIMETRÍA POSITIVA
5.3 Teoría de Momentos
El Momento de una variable es el valor esperado o esperanza

matemática de la función g (x) = xk, en donde k se le denomina k–ésimo
momento de x.
En general, se llama momento de orden k respecto de un valor C a la

expresión:
Datos no agrupados Datos Agrupados
57
Gustavo J. Rueda G.
5.4 Tipos de Momentos
5.4.1 Momentos respecto al origen, cuando C = 0
Los primeros momentos respecto al origen son con k = 1, entonces

son la media aritmética.
Datos no agrupados: Datos agrupados:
5.4.2 Momentos respecto de la media o momento central, cuando C

=
El segundo momento con respecto a la media o momento central, es

decir, con k = 2, es la varianza.
58
Datos no agrupados: Datos agrupados:
5.5 Índice de Simetría de Fisher
Es el coeficiente de asimetría por el método de momentos. De hecho,

el tercer momento, cuando k = 3, con respecto a la media o momento central.
ÍNDICE SIMETRÍA
g=0 Simétrica
g>0 Asimétrica derecha
g˂0 Asimétrica izquierda
5.6 Kurtosis o Curtosis
Es una medida de la forma o apuntalamiento de la distribución de datos,

cuan aguda o puntiaguda, trata de estudiar la mayor o menor concentración
de frecuencias alrededor de la media y en la zona central de la distribución.
59
Gustavo J. Rueda G.
Esta medida determina el grado de concentración que presentan los

valores en la región central de la distribución. Por medio del Coeficiente de
Curtosis, podemos identificar si existe una gran concentración de valores
(Leptocúrtica), una concentración normal (Mesocúrtica) ó una baja
concentración (Platicúrtica).
FIGURA N° 12 TIPOS DE KURTOSIS
5.7 Coeficiente de Kurtosis
Es el cuarto momento con respecto a la media.
Se le ha sustraído 3, que es la curtosis de la Distribución Normal, con el

objeto de generar un coeficiente que valga cero.
Coeficiente Tipo de kurtosis

g2 = 0 Mesocúrtica (normal)
g2 > 0 Leptocúrtica (puntiaguda)
g2 ˂ 0 Platicúrtica (achatada plana)
60
5.8 Problemas Unidad V
V.1 Las edades de un grupo de personas se reflejan en la tabla, estudie la

simetría y la curtosis de la variable.
EDAD 7–9 9 – 11 11 – 13 13 – 15 15 – 17 17 – 19 19 – 21 21 – 23
fi 4 18 14 27 42 31 20 1
V.2 En la siguiente tabla se muestran las diferentes cantidades de IVA que

se imponen en la compra de una obra de arte, en cada de uno de los países
europeos citados. Determine el coeficiente de asimetría de Pearson, el
coeficiente de asimetría de Fisher y la curtosis de la variable.
PAÍS TASA IVA

España 0,16
Italia 0,20
Bélgica 0,06
Holanda 0,06
Alemania 0,07
Portugal 0,17
Luxemburgo 0,06
Finlandia 0,22
V.3 Para lanzar un nuevo producto al mercado, una empresa estudia el

tiempo de publicidad, en segundos, empleando en los medios audiovisuales
por otra empresa que produce un producto similar.
61
Gustavo J. Rueda G.
DURACIÓN N° DE
(SEG.) ANUNCIOS
10 – 20 3
20 – 30 17
30 – 40 13
40 – 50 9
50 – 60 8
Estudiar la forma de la distribución mediante el coeficiente de asimetría

de Pearson, el coeficiente de asimetría de Fisher y la curtosis de la variable.
V.4 Calcular el coeficiente de asimetría y curtosis de la siguiente tabla de

datos:
INTERVALO 45 – 55 55 – 65 65 – 75 75 – 85 85 – 95
fi 6 10 19 11 4
V.5 La siguiente tabla representa los datos de alquileres de locales

comerciales en la ciudad de Caracas, estudiar la forma de la distribución
mediante el coeficiente de asimetría de Pearson, el coeficiente de asimetría
de Fisher y la curtosis de la variable.
Alquiler 0 – 15 15 – 30 30 – 45 45 – 60 60 – 75 75 – 90
(Bs/mes)
fi 17 130 180 30 10 5
62
V.6 En una gasolinera estudian el número de vehículos que cargan

combustible a lo largo de un día, obteniendo:
Horas 0–4 4–8 8 – 12 12 – 16 16 – 20 20 – 24
N° 6 14 110 120 150 25

autos

V.7 Los siguientes datos corresponden a calificaciones de una prueba de

actitud para la selección de personal de una prestigiosa empresa
transnacional. La evaluación es en base a 100 puntos. Las siguientes
calificaciones siguientes son las obtenidas por los aspirantes:
55 67 73 49 80 84 64 91 78 52 95 80

V.8 Se ha pasado un test de 80 preguntas a 600 personas. El número de

respuestas correctas se refleja en la siguiente tabla:
RESPUESTAS
0 – 10 10 – 20 20 – 30 30 – 40 40 – 50 50 – 60 60 – 70 70 – 80
CORRECTAS
N° DE 40 60 75 90 105 85 80 65
PERSONAS
63
Gustavo J. Rueda G.

V.9 Los siguientes datos representan los pesos en kg de un grupo de

personas. Estudiar la forma de la distribución mediante el coeficiente de
asimetría de Pearson, el coeficiente de asimetría de Fisher y la curtosis de la
variable.
PESO 50 – 55 55 – 60 60 – 65 65 – 70 70 – 75 75 – 80 80 – 85
(Kgs)
N° DE 2 7 17 30 14 7 3
PERSONAS
V.10 Las temperaturas medias registradas durante el mes de enero en

Mérida, en grados centígrados, están dadas por la siguiente tabla, estudiar la
forma de la distribución mediante el coeficiente de asimetría de Pearson, el
coeficiente de asimetría de Fisher y la curtosis de la variable.
TEMPERATURA 13 14 15 16 17 18 19 20 21 22
(°C)
N° DE 1 1 2 3 6 8 4 3 2 1
DÍAS
64
UNIDAD VI: INTRODUCCIÓN A LA TEORÍA DE

PROBABILIDADES
Se presupone una buena base matemática de parte del lector del

presente material, de igual manera, se recomienda para la mejor
comprensión del cálculo de probabilidades y sus teoremas, revisar a detalle
el Apéndice B: Teoría de Conjuntos y el Apéndice C: Teoría Combinatoria.
Con seguridad, su revisión llevará a mejorar los resultados en el estudio y
comprensión de la probabilidad.
6.1 Probabilidad
Es el cociente que resulta de dividir los casos favorables de una

determinada situación, entre el total de casos posibles de un experimento
aleatorio; los cuales son fenómenos que tienen la propiedad de que su
realización repetida bajo un determinado conjunto de circunstancias, pueden
dar lugar a distintos resultados.
6.2 Probabilidad A Priori
Se basa en la suposición de que cada resultado es igualmente

posible. Entonces, es posible la determinación de los valores de probabilidad
antes de observar cualquier evento.
Si hay “a” posibles resultados favorables a la ocurrencia de un evento

“A” y sean “b” posibles resultados desfavorables a la ocurrencia del evento
“A”, y todos los resultados son igualmente posibles y mutuamente
excluyentes, la probabilidad de “A” queda:
65
Gustavo J. Rueda G.
6.3 Probabilidad A Posteriori (Frecuencia Relativa)
Se determina sobre la base de la proporción de veces que ocurre un

resultado favorable en un número de observaciones o experimentos. Los
valores de probabilidad se basan en la observación y recopilación de datos,
el número de experimentos debe ser muy grande, entonces, la probabilidad
de “A” seria el límite de la frecuencia relativa de “A” cuando n tiende al
infinito.
Este concepto es aplicable cuando el número de resultados posibles

es o tiende al infinito.
6.4 Probabilidad (Enfoque Subjetivo)
Es el grado de creencia por parte de un individuo de que un evento

ocurra, basado en toda la evidencia a su disposición, ya que el valor de la
probabilidad es un juicio personal.
66
6.5 Concepto Axiomático de la Probabilidad
Modernamente se ha desarrollado el concepto de probabilidad con base

en el estudio de modelos matemáticos de fenómeno aleatorio.
Cada uno de los posibles resultados de un experimento aleatorio se

conoce como punto muestral.
El conjunto de todos los puntos muestrales de un experimento

aleatorio constituye un espacio muestral y se representa por “S”.
Un suceso A es un subconjunto de un espacio muestral S, A S. Si
un suceso contiene un solo punto muestral, se dice que es un suceso simple;

si contiene 2 o más puntos muestrales, se le define como suceso compuesto
o múltiple. Un evento imposible cuando no hay chance de que ocurra un
resultado.
Cuando se de la probabilidad de que se dé el suceso A, se quiere

señalar la probabilidad de que se dé cualquiera de los puntos muestrales del
suceso A.
0 ≤ P (A) ≤ 1
P (A) + P (A´) = 1
FIGURA N° 13 PROBABILIDAD P (S) = 1
67
Gustavo J. Rueda G.
nA = N° de elementos de A
n = N° de elementos de S
6.5.1 Experimento Aleatorio (Fenómenos)
Son aquellos que al realizarse varias veces, bajo las mismas

condiciones, pueden dar lugar a resultados diferentes.
6.5.2 Espacio Muestral (S)
Es el conjunto de todos los resultados posibles de un experimento o

fenómeno aleatorio.
6.5.3 Espacio Muestral Equiprobable
Es cuando cada uno de sus elementos o puntos muestrales tienen

idéntico chance de ocurrir.
6.5.4 Puntos Muestrales (Suceso o Evento)
Es un resultado en particular de un experimento o fenómeno aleatorio.
6.6 Eventos Mutuamente Excluyentes
Son eventos que no tienen elementos en común, es decir, la

intersección es el conjunto vacio. Es cuando es imposible que ocurran
simultáneamente.
68
A B={ }
6.7 Eventos No Mutuamente Excluyentes
Son eventos que tienen elementos en común, es decir, tienen

intersección distinta al vacio. Es posible la ocurrencia simultánea de los
eventos.
6.8 Selección al Azar
Es un procedimiento de escogencia o selección sin un orden

preestablecido, en donde todos los elementos tienen idéntico chance de ser
seleccionado, se pueden usar números aleatorios para hacer la selección.
6.8.1 Selección con reemplazo (con repetición)
El elemento seleccionado se incorpora nuevamente al conjunto, es

decir, el espacio muestral no se altera con el resultado del experimento o
69
Gustavo J. Rueda G.
fenómeno aleatorio, el elemento seleccionado pudiera ser seleccionado

nuevamente en cada experimento. Ejemplo: sorteo de los triples de las
diferentes loterías.
6.8.2 Selección sin reemplazo (sin repetición)
El elemento seleccionado no se incorpora nuevamente al espacio

muestral, es decir, el espacio muestral queda modificado o alterado luego de
efectuado el experimento aleatorio. Ejemplo: sorteo del Kino de la lotería del
Táchira.
6.9 Teorema de la Suma (A B); (A + B); (A o B); (A B)
Esto implica que se dé un evento o que se dé el otro o de que se den

ambos.
6.9.1 Sucesos exhaustivos y mutuamente excluyentes
Son aquellos cuya reunión es el espacio muestral.
P (A B C) = P (A) + P (B) + P (C) = 1
FIGURA N° 14 SUCESOS EXHAUSTIVOS Y EXCLUYENTES
70
6.9.2 Sucesos mutuamente excluyentes
Son aquellos que su intersección es el conjunto vacio, es decir,

A B = . En otras palabras, dos o más sucesos son mutuamente
excluyentes si la realización de uno implica la imposibilidad de la realización

simultánea de los otros.
P (A B) = P (A) + P (B)
FIGURA N° 15 SUCESOS MUTUAMENTE EXCLUYENTES
6.9.3 Sucesos que no son Mutuamente Excluyentes
Son aquellos que su intersección es diferente al conjunto vacio, es

decir, tienen elementos en común.
 La regla de la suma para dos eventos, queda de la siguiente

forma:
FIGURA N° 16 SUCESOS NO MUTUAMENTE EXCLUYENTES
71
Gustavo J. Rueda G.
P (A B) = P (A) + P(B) – P (A B)
 La regla de la suma para tres eventos, queda de la siguiente

forma:
FIGURA N° 17 SUCESOS NO MUTUAMENTE EXCLUYENTES, TRES

EVENTOS
P (A B C) = P (A) + P (B) + P (C) – P (A B) – P (A C) – P (B C) +
P (A B C)
6.10 Probabilidad Condicional
Considerando dos sucesos A y B, se entiende por probabilidad

condicional del suceso B dado el suceso A, a la probabilidad de que B
ocurra, dado que A ha ocurrido. El hecho de que A haya ocurrido da la
información adicional sobre la posibilidad de la ocurrencia B. Se representa
de la forma siguiente:
P (B/A) = Es la probabilidad de que ocurra el evento B dando a A como

cierto.
72
con P (A) ≠ 0
FIGURA N° 18 PROBABILIDAD CONDIONADA
6.11 Probabilidad Producto
De la fórmula de Probabilidad Condicional, se desprende la

Probabilidad Producto de dos sucesos A y B, en un mismo espacio muestral
S, se entiende a la probabilidad de que los dos sucesos se den
simultáneamente:
P (A B) = P (A) * P (B/A)
En general, la probabilidad de ocurrencia del suceso B es diferente de

la probabilidad condicional del evento B dado el evento A (P (B/A)). Sin
embargo, hay casos en que esto no sucede así, sino que la probabilidad
simple y condicional de un suceso son iguales P (B) = P (B/A). Entonces, si
este es el caso, se dice que los sucesos A y B son independientes. De tal
forma, que si son independientes, si y solamente si, su probabilidad producto
es igual al producto de sus probabilidades respectivas.
P (A B) = P (A) * P (B); si A y B son independientes
73
Gustavo J. Rueda G.
Si tenemos “n” eventos todos independientes (E 1, E2, E3, …, En); la

probabilidad de que todos ellos se den es la productoria de sus
probabilidades, así se tiene que:
P (E1 E2 E3 … En) = P (Ei) = P (E1) . P (E2) . P (E3) … P (En)
Una aplicación de la Probabilidad Producto, se encuentra en el Anexo

N° 1: Introducción a la Confiabilidad de Sistemas; y que se recomienda
revisar por su importancia.
6.12 Teorema de la Probabilidad Total
Un evento “B” (el efecto), puede ocurrir por varias causas excluyentes
A1, A2, A3, …, An.
B = (B A1) (B A2) … (B A3)
P (B) = P (B A1) + P (B A2) + … + P (B An)
FIGURA N° 19 PROBABILIDAD TOTAL
La expresión de la probabilidad total queda:
P (B) = P (A1).P (B/A1) + P (A2).P (B/A2) + … + P (An).P (B/An)
74
Árbol de probabilidades (árbol de decisiones): es la forma de

representar a la probabilidad total, se distinguen dos partes esenciales:
 Nodos: representan el instante en que se realiza un experimento.

 Ramas: representan los resultados del experimento.
FIGURA N° 20 ÁRBOL DE PROBABILIDADES
Los arboles al infinito, se resuelven con las series:

Siendo “r” la razón del decrecimiento:
Sn Suma de “n” términos de una

progresión decreciente e infinita
Ejemplo
Considere el siguiente juego, una persona lanza repetida veces un par

de dados. Gana si saca un ocho antes de obtener un siete. ¿Cuál es la
probabilidad de ganar este juego?
Este juego se puede representar mediante un árbol de decisiones, se

puede apreciar que el juego se puede acabar en el primer lanzamiento, o al
75
Gustavo J. Rueda G.
segundo, o al tercero, y así sucesivamente, entonces, es un árbol al infinito,

como se muestra a continuación:
P (ganar) = + + + ... =
siendo la razón r =
P (ganar) = = = 0,454545...
6.13 Teorema de Bayes
El teorema de Bayes permite reconsiderar las probabilidades

condicionadas utilizando la información de que se dispone. Tiene muchas
aplicaciones en la toma de decisiones empresariales. El reverendo Thomas
Bayes (1702 – 1761) desarrolló el teorema publicado inicialmente en 1763,
después de su muerte, y de nuevo en 1958. Se utiliza para calcular la
probabilidad de una de las causas, sabiendo que ocurrió el efecto, es decir,
probabilidad a posteriori.
P (Aj/B) = Probabilidad de que se haya dado Aj, puesto que se dio B.
76
Estas probabilidades se les conocen como probabilidades posteriores

porque el resultado final del experimento es conocido.
77
Gustavo J. Rueda G.
6.14 Problemas Unidad VI
Se sugiere el uso de mínimo cuatro decimales con técnicas de

redondeo o el uso de fracciones, en el cálculo de las probabilidades.
VI.1 Se tienen los números 5874 y 12369. ¿Cuántos números enteros

diferentes pueden formarse, con dos dígitos no repetidos del primero y tres
no repetidos del segundo?
VI.2 Con tres vocales y tres consonantes. ¿Cuántas palabras distintas de

seis letras pueden formarse, con la condición de que no haya dos vocales ni
dos consonantes juntas?
VI.3 En una fiesta hay 8 muchachos y 6 muchachas.

a) ¿De cuántas maneras distintas pueden estar bailando, si siempre
deben estar cuatro parejas heterosexuales en la pista?
b) Si entre las 14 personas que asisten a la fiesta, están Carlos y Sofía,
que son novios, ¿cuál es la probabilidad de que estén juntos en la
pista bailando, bajo las mismas condiciones de la pregunta anterior?
VI.4 ¿De cuántas maneras distintas puede responderse un examen de 8

preguntas, si las repuestas son: Verdadero o Falso para cada una?
VI.5 En un lote de 10 artículos, hay 7 artículos buenos y 3 defectuosos. ¿En

cuántas muestras de a 3 artículos, existe al menos un defectuoso?
VI.6 Un equipo de futbol juega 8 partidos. ¿De cuántas maneras puede ganar
4, perder 3 y empatar 1?
78
VI.7 La empresa le encarga a Usted, a organizar un campeonato de beisbol,

en el que participan las 8 Gerencias, cada una con su correspondiente
equipo. ¿Cuántos juegos serán necesarios para planificar el calendario de
juegos, si cada equipo debe jugar dos veces en su campo, contra cada uno
de los equipos contrarios?
VI.8 ¿De cuántas maneras pueden acomodarse en una biblioteca 5 libros de

Matemáticas, 7 de Administración, 4 de Contabilidad y 8 de Estadística, de
modo que los de una misma materia estén siempre juntos?
VI.9 El mismo problema anterior, pero con la condición de que los de

Matemáticas y Administración no pueden quedar adyacentes.
VI.10 Una junta directiva de cinco cargos diferentes, debe estar formada por
3 hombres y 2 mujeres. ¿De cuántas maneras diferentes se puede formar
dicha junta, si se dispone de 7 hombres y de 5 mujeres como candidatos
para integrarla?
VI.11 Un automóvil puede llevar 2 personas en el asiento delantero y 1 en el

asiento trasero. Si entre seis personas, solo 2 saben conducir; ¿De cuántas
maneras se puede llenar el automóvil?
VI.12 Piense en el diseño del popular juego de la Lotería del Táchira, el

KINO. ¿Cuántos cartones participan en el acostumbrando sorteo semanal de
los días domingo? (suponer: que hay un solo tiraje, es decir, no se repiten
cartones).
VI.13 Se lanzan tres monedas al aire, ¿cuál es la probabilidad de obtener
79
Gustavo J. Rueda G.
a) Tres sellos?
b) Dos caras y un sello?
VI.14 En un grupo de 15 personas, hay 4 que son amigos. Si estas personas

son colocadas en fila en orden aleatorio. Calcule la probabilidad de que los
cuatro amigos queden juntos.
VI.15 La probabilidad de que un vendedor de la empresa FORAUTO, C.A.,

venda por lo menos 4 automóviles en un día es 0,37. ¿Cuál es la
probabilidad de que venda 0, 1, 2 ó 3 autos en un día?
VI.16 Una máquina tiene tres botones A, B y C, existen tres formas de

ponerla en marcha, cada una de ellas requiere que se opriman los botones
en cierto orden. Determine la probabilidad de que una persona que
desconoce la forma de operarla, la ponga en marcha en el primer intento.
VI.17 Tres personas A, B y C concursan por un cargo en una prestigiosa

empresa. Los candidatos A y B tienen la misma oportunidad de obtener el
cargo, pero el candidato C tiene el triple de oportunidad que los candidatos A
y B. ¿Cuál es la probabilidad de que:
a) C obtenga el cargo?
b) B no obtenga el cargo?
VI.18 En el lanzamiento de dos dados, ¿cuál es la probabilidad de sacar:
a) Suma 7?
b) Suma 10?
80
VI.19 Entre grupo de estudiantes de la UDO – Monagas, se tienen que:

60 cursan Ing. Petróleo
30 cursan Administración
20 cursan Contaduría
45 cursan Gerencia de RRHH
45 cursan Ing. de Sistemas
Del grupo estudiantes, se selecciona uno al azar, ¿cuál es la
probabilidad de que curse:
a) Ing. Petróleo?
b) Tecnología de alimentos?
c) Ing. de Sistemas?
d) En la UDO – Monagas?
VI.20 Según una estadística práctica, en ciertas tejedurías resulta, que por
cada 100 fallas del telar que exigen trabajos complementarios de las
tejedoras, en promedio se tiene:
22 provienen de la ruptura del liso
31 provienen de la ruptura de la trama
27 provienen del cambio de la lanzadera
03 provienen del cambio de la espada
¿La probabilidad de falla del telar debido a otras causas, cuál será?
VI.21 Estudiando la conducta del consumidor de cierto producto, se ha

seleccionado una muestra aleatoria de clientes de un supermercado,
obteniéndose el siguiente resultado:
81
Gustavo J. Rueda G.
CLIENTES
CONDUCTA HOMBRES MUJERES
COMPRADORES 4 16
NO COMPRADORES 15 45
Se escoge al azar un cliente de este grupo. Determine la probabilidad

de que sea:
a) Hombre.
b) Mujer y comprador.
c) Hombre y no comprador.
d) Mujer.
VI.22 En un estante hay 10 pares de zapatos diferentes. Si se seleccionan

aleatoriamente 4 zapatos, ¿cuál es la probabilidad de:
a) formar exactamente un par?
b) formar dos pares?
c) formar al menos un par?
d) no formar ningún par?
VI.23 Se seleccionan al azar 3 cartas de un mazo de 52. Calcular la

probabilidad de:
a) Obtener 3 ases.
b) Obtener 3 cartas de la misma pinta.
c) No obtener cartas con pinta repetida.
VI.24 Diez estudiantes entre los cuales figuran A y B, están en una clase. Si
se forma aleatoriamente una comisión integrada por 3 estudiantes. Hallar la
probabilidad de que:
82
a) A pertenezca a la comisión.
b) B pertenezca a la comisión.
c) A y B pertenezcan a la comisión.
d) A o B pertenezcan a la comisión.
VI.25 Al lanzar 3 dados ¿Cuál es la probabilidad de que la suma sea 6?
VI.26 Se colocan al azar en una fila, 6 fichas rojas y 4 blancas. Calcular la

probabilidad de que las fichas centrales sean del mismo color.
VI.27 Tres hombres A, B y C disparan a un blanco, siendo 1/6, 1/4 y 1/3 sus
respectivas probabilidades de acertar el disparo. Cada uno dispara una vez.
Encuentre la probabilidad de que solamente uno de ellos acierte el disparo.
VI.28 Hay 6 personas acomodadas al azar en una fila de 6 sillas, A y B están

entre ellas. Calcular la probabilidad de que A y B siempre estén separados
por una persona.
VI.29 Piense en el diseño del popular juego de la Lotería de Oriente, el Triple

Gordo. ¿Cuál es la probabilidad de ganar en el principal juego del
acostumbrando sorteo semanal de los días domingo? (suponer: que hay un
solo tiraje, es decir, no se repiten cartones)
VI.30 Se tienen dos sucesos A y B, tales que P (A) = 0,25 y la P (B) = 0,90.
¿Son mutuamente excluyentes A y B?
VI.31 En el actual semestre la probabilidad de que un estudiante apruebe

Estadística es de 0,55 y la probabilidad de aprobar Administración de
83
Gustavo J. Rueda G.
Personal es de 0,70. Si la probabilidad de aprobar Estadística o

Administración de Personal es de 0,80. ¿Cuál es la probabilidad de aprobar
ambas asignaturas?
VI.32 A, B y C son sucesos exhaustivos y mutuamente excluyentes en el

espacio muestral S. Siendo P (A´) = 2/3 y la P (B´) = 1/2. Calcular la
probabilidad de que no se dé el suceso C.
VI.33 El Gerente de Operaciones de la línea Santa Bárbara Airlines, en una

conferencia de prensa relacionada con la seguridad de los motores de sus
aviones, decide incluir la probabilidad de que un jet con dos motores tenga
una falla en un vuelo. Después de consultar sus registros encontró la
siguiente información de las operaciones en los últimos 18 meses de los
aviones con dos motores:
 28 reportaron fallas en el motor derecho

 32 reportaron fallas en el motor izquierdo
 2 accidentes
Si hubo 550.000 vuelos durante el período considerado. ¿Qué

probabilidad debe el Gerente informar a la prensa?
VI.34 El encargado de una perfumería sabe por experiencia que la

probabilidad de que el cliente que entra al local sea hombre es de 0,35 y la
probabilidad de que el cliente sea comprador es de 0,15.
a) ¿Cuál es la probabilidad de que el cliente sea hombre y comprador?

b) ¿Cuál es la probabilidad de que el cliente sea mujer y no comprador?
84
VI.35 Dados los números 0, 1, 2, 3 y 4. ¿Cuál es la probabilidad de que un

número de cinco cifras formado al azar con los números dados sin repetición,
empiece por 2 y sea par? Nota: Los números que comienzan por cero (0) no
se consideran de cinco cifras.
VI.36 Dos jugadores juegan lanzando alternativamente un par de dados,

quién obtenga primero suma 7 gana el juego. Hallar la probabilidad de que
(árbol al infinito):
a) Quién lanza primero los dados gane.

b) Quién lanza segundo los dados gane.
VI.37 El Departamento de Control de Calidad inspecciona lotes de

producción tomando muestras de 2 piezas:
 Si ambas son buenas: aprueba el lote

 Si ambas son malas: rechaza el lote
 Si hay una de cada tipo, se toma una tercera pieza al azar, si es buena
se acepta el lote y si sale mala se rechaza el lote.
a) Un lote de 12 piezas, tiene 4 defectuosas, ¿cuál es la probabilidad de
que apruebe?
b) Si el lote aprobó, ¿cuál es la probabilidad de que haya aprobado en la
primera inspección?
VI.38 Se tienen 5 fichas rojas y 4 fichas blancas dispuestas al azar en una

fila. Hallar la probabilidad de que las fichas:
a) de los extremos sean rojas.

b) de los extremos sean blancas.
c) de los extremos sean del mismo color.
85
Gustavo J. Rueda G.
VI.39 Una caja contiene 4 fichas rojas y 3 fichas blancas. Una segunda caja
contiene 5 fichas rojas y 2 fichas blancas. Una de las cajas es seleccionada
al azar y extraída una ficha. ¿Si la ficha es blanca, cuál es la probabilidad de
que la caja escogida haya sido la primera?
VI.40 Una caja contiene 5 pelotas blancas y 4 pelotas rojas. Dos pelotas son
extraídas al azar sin reemplazamiento. ¿Cuál es la probabilidad de que la
segunda pelota sea blanca, si se sabe que la primera ha sido blanca?
VI.41 En una caja hay 9 bolas blancas y 1 bola negra. Dos jugadores sacan
alternativamente con reemplazo una bola de la caja. El primero en sacar la
bola negra gana un premio. ¿Cuál es la probabilidad de que el que empiece
gane el premio? (árbol al infinito).
VI.42 En un examen de estadística aprobó el 70% de los estudiantes. Por

otro lado el 60% de los que no aprobaron también reprobaron matemáticas,
mientras que el 10% de los que pasaron reprobaron matemáticas. Si se elige
un estudiante al azar:
a) ¿Cuál es la probabilidad de haber elegido un estudiante que pasó el

examen de estadística, si sabemos que reprobó matemáticas?
b) ¿Cuál es la probabilidad de elegir un estudiante que haya pasado el
examen, si se sabe que no reprobó matemáticas?
VI.43 Suponga una caja que contiene 3 fichas rojas y 2 fichas negras. Si se
extraen 2 fichas de la caja, ¿cuál es la probabilidad de que las 2 fichas sean
rojas si es:
a) Con reemplazo?
b) Sin reemplazo?
86
VI.44 Una prestigiosa empresa tiene 4 plantas en diferentes partes del

mundo que producen un mismo smart phone. La producción de las plantas
se deposita en un mismo almacén para luego atender a la demanda global.
En un período determinado, la planta A produjo el 20% de los productos, la B
el 40%, la C el 25% y la D el 15%. Los porcentajes de productos defectuosos
en las plantas fueron 1%, 2%, 1,3% y 0,5%, respectivamente. Un teléfono
celular fue tomado al azar del almacén y resultó ser defectuoso, ¿cuáles son
las probabilidades de que el smart phone haya procedido de las plantas A, B,
C o D, respectivamente?
VI.45 Una persona pretende viajar y tiene 50 países numerados del 1 al 50

para seleccionar. Si puede elegir al azar cuatro de ellos para hacer su viaje,
¿cuál es la probabilidad que tres de los países tomados al azar estén por
arriba del país marcado con el número 35?
VI.46 Si 25 de los 350 profesores, de una universidad nacional, son

extranjeros y si 4 de los miembros del personal docente son escogidos
aleatoriamente, sin reposición, ¿cuál es la probabilidad que los 4 de la
muestra sean venezolanos?
VI.47 Se tienen 15 piezas de las cuales 5 son defectuosas, si se toman 3

piezas al azar. Calcule la probabilidad de encontrar:
a) Ninguna defectuosa
b) Una defectuosa
c) Al menos una defectuosa
VI.48 Un hombre empieza a caminar en un orden aleatorio en una cierta

esquina y recorre 4 cuadras. Cada vez que llega a una esquina escoge una
87
Gustavo J. Rueda G.
de las direcciones norte, sur, este u oeste, con igual probabilidad. ¿Qué
probabilidad tiene de terminar su caminata en la esquina de donde partió?
VI.49 Se tienen 14 números de los cuales 6 son positivos y 8 son negativos.

Si del conjunto de 14 números se eligen 4 al azar. ¿Cuál es la probabilidad
de que el producto sea un número positivo?
VI.50 Hay 15 concesiones que se deben explotar o renunciar a ellas, pero

solo hay recursos para explotar solo 5 concesiones. Sólo 6 campos tienen
petróleo. ¿Cuál es la probabilidad de que todos los campos seleccionados
tengan petróleo?
VI.51 ¿Cuál es la probabilidad de que a un mismo jugador de dominó le

salga el doble cinco y el doble seis durante cuatro manos consecutivas?
VI.52 El Departamento de Control de Calidad de una importante Industria

sigue el siguiente procedimiento para aceptar o rechazar un lote de
producción. Se toman 3 unidades al azar; si resultan 3 defectuosas se
rechaza el lote, si no resulta ninguna defectuosa se acepta el lote. En caso
de que resulten 1 ó 2 defectuosas en la muestra, entonces se toma otra
muestra de 3 unidades entre las unidades no inspeccionadas. Si el total de
defectuosas entre ambas muestras es 3 o más se rechaza el lote, y si no se
acepta.
Hallar la probabilidad de aceptar de aceptar un lote de producción de 10

unidades, en donde existen 4 unidades defectuosas.
VI.53 En agosto de 1976, los Dres. J.C. Morrison y E.T. Bucovaz de la

Universidad de Tennesse, descubrieron una prueba clínica que puede servir
88
para el diagnostico precoz del cáncer. En los análisis ejecutados, se produjo

reacción positiva (indicios de cáncer) en el 87% de los enfermos de cáncer, y
el 9% de las personas sanas. Si una persona es sometida a esa prueba dos
veces con resultados positivos en ambas, ¿cuál es la probabilidad de que
padezca de cáncer?. Suponer que el 5% de las personas que se someten a
la prueba tienen cáncer.
VI.54 Una máquina produce artículos de los cuales normalmente el 5% salen

defectuosos. El productor acostumbra supervisar la máquina cada hora
tomando una muestra de 10 piezas producidas durante esa hora. Si la
muestra no contiene artículos defectuosos permite que la máquina continúe
trabajando.
a) Si la máquina se desajusta y pasa a producir un 10% de artículos

defectuosos, ¿cuál es la probabilidad de que el productor no detecte la
anormalidad?
b) Cuando la máquina está trabajando normalmente, ¿cuál es la
probabilidad de que el productor detenga el proceso innecesariamente?
VI.55 A, B y C disparan cada uno un tiro al blanco. Las probabilidades de

cada uno de acertar a dicho blanco son 0,30; 0,25 y 0,10; respectivamente.
Si una vez que los tres han disparado, se encuentra una sola bala en el
blanco. Calcular la probabilidad de que esta bala haya sido disparada por A.
VI.56 En una empresa se tienen 15 candidatos de diferentes áreas de la

misma, para unas becas para unos postgrados en el extranjero. Del grupo de
candidatos, hay 5 que pertenecen a la Gerencia de RRHH. Si se eligen 3
personas del grupo para el postgrado, ¿cuál es la probabilidad de que al
menos uno sea de la Gerencia de RRHH?
89
Gustavo J. Rueda G.
VI.57 En una empresa hay 36 ingenieros, 26 economistas y 40 en ciencias

sociales. El 75% de los ingenieros ocupan un puesto directivo y el 50% de
los economistas también, mientras que el otro grupo en ciencias sociales el
20% ocupa un puesto directivo.
a) ¿Cuál es la probabilidad de que un empleado que no es directivo

elegido al azar no sea ingeniero?
b) ¿Cuál es la probabilidad de que se seleccione al azar a un empleado y
no sea economista?
c) Si se selecciona a dos personas al azar y resultan que son directivos
¿Cuál es la probabilidad que sean uno ingeniero y el otro economista?
d) ¿Cuál es la probabilidad de seleccionar a azar tres empleados: un

ingeniero y dos que sean del área de ciencias sociales?
VI.58 Se tiene un lote de piezas donde hay 6 buenas, 3 regulares y 4

defectuosas. Se seleccionan 3 piezas al azar sin reemplazo. Calcular:
a) Probabilidad de seleccionar 2 buenas y regular

b) Probabilidad de seleccionar 1 de cada tipo
VI.59 Una caja contiene 4 fichas, 1 blanca y 3 rojas. Una segunda caja
contiene 6 fichas, 2 blancas y 4 rojas. Una tercera caja contiene 5 fichas, 2
blancas y 3 rojas. Una ficha es extraída de cada caja. ¿Cuál es la
probabilidad de que de las tres fichas:
a) todas sean blancas?

b) exactamente una sea blanca?
c) al menos dos fichas sean rojas?
90
VI.60 En una fábrica de pernos las máquinas A, B y C producen 2%, 3% y

4% de pernos defectuosos respectivamente. La producción de la máquina A
es 3 veces la de la máquina B y la máquina C es la mitad de la máquina B.
La producción de pernos se coloca en una caja. Determinar la probabilidad
de que un perno de la caja tomado al azar sea defectuoso.
VI.61 De los 300 estudiantes que aprobaron el examen de admisión de la

Escuela de Economía, en un año determinado, el 50% había nacido en
Caracas, el 30% en el interior y el 20% en el extranjero. De los nacidos en
Caracas, el 60% eran graduados en liceos públicos. De los nacidos en el
interior, el 30% y de los nacidos en el exterior, el 50%. Si se elige un
estudiante al azar ¿cuál es la probabilidad de que haya nacido en el interior
si se sabe que éste resultó ser egresado de un liceo público?
VI.62 En un combate aéreo, 3 aviones caza A, B y C localizan

simultáneamente a un avión enemigo. Si las probabilidades que los aviones
caza A, B y C lo derriben son 0,10; 0,30 y 0,60; respectivamente. Entonces:
a) ¿Cuál es la probabilidad de que el avión enemigo sea derribado?

b) ¿Cuál es la probabilidad de que solo uno de los aviones caza sea el
que lo derribe?
VI.63 En un estudio sobre seguridad industrial en la planta SIDOR, se

clasifican las áreas de trabajo de acuerdo a los accidentes que se han
verificado históricamente en cada una de ellas, las cuales son A, B y C. La
información disponible indica que un trabajador en A tiene una probabilidad
de sufrir un accidentes de 0,02; de 0,04 en B y de 0,08 en C. Por otra parte,
se sabe que el 40% de los trabajadores operan en A, el 30% en B y el 30%
en C. Si en un momento dado se informa que un trabajador sufre un
91
Gustavo J. Rueda G.
accidente, ¿cuál es la probabilidad de que dicho trabajador opere en el área

A?.
VI.64 Una empresa necesita cubrir cuatro vacantes, y tiene 10 aspirantes, de

los cuales cuatro (4) son competentes y seis (6) incompetentes. El proceso
de selección consiste en un examen a los aspirantes uno por uno, hasta
seleccionar los cuatro empleados. ¿Cuál es la probabilidad de que el cuarto
empleado seleccionado sea el quinto aspirante examinado?
NOTA: Se supone que los candidatos competentes aprueban el examen y
los incompetentes no.
92
UNIDAD VII: DISTRIBUCIÓN DE PROBABILIDAD DISCRETA.

DISTRIBUCIÓN BINOMIAL Y DISTRIBUCIÓN DE POISSON
7.1 Distribución Discreta de una Variable Aleatoria
Es una magnitud susceptible de tomar diversos valores con

determinadas probabilidades. Una variable aleatoria es discreta cuando
únicamente puede tomar un determinado número de valores en un intervalo.
Por ejemplo, la variable aleatoria número de caras obtenidas al lanzar 2
monedas, es una variable aleatoria discreta en el intervalo (0,2), sólo puede
tomar los valores 0, 1, y 2. En síntesis, una variable aleatoria discreta sólo
puede tomar valores enteros.
7.2 Función de Probabilidad
Es aquella función f (x) que mide la probabilidad de que la variable

aleatoria x tome determinados valores. Cuando la variable aleatoria es
discreta, la función de probabilidad toma el nombre de función de
probabilidad de masa; si la variable aleatoria es continua toma el nombre de
función de densidad. No se hará esta distinción y en ambos casos se le
llamará función de densidad.
7.3 Función de densidad
Es la que mide la probabilidad de que la variable x tome un determinado

valor.
93
Gustavo J. Rueda G.
P (x = a) = f (a)
7.4 Espacio Muestral
Es el conjunto de posibles valores que puede tomar la variable aleatoria

x y se denota como S (x).
∑ f (x) = 1
7.5 Función de Distribución
Es la que mide la probabilidad de que la variable x sea menor o igual a

un número dado h, es la función acumulada.
7.6 Esperanza Matemática o Valor Esperado
El valor esperado o esperanza matemática de una variable aleatoria x,

se conoce también como media ponderada de x, siendo las ponderaciones
las probabilidades. Se calcula con la expresión siguiente:
 Si la variable aleatoria x es discreta:
94
 Si la variable aleatoria x es continua:
7.6.1 Propiedades
1. El espacio muestral S (x) = {x1, x2, x3, …, xn} y con x1 ˂ x2 ˂ x3 ˂ … ˂ xn
entonces x1 ≤ E (x) ≤ xn
2. No necesariamente el valor esperado E (x) pertenece a el espacio

muestral S (x).
3. El valor esperado o esperanza matemática de una constante es la

constante
E (c) = c
4. La varianza de una variable aleatoria x viene dada por:
VAR (x) = E (x2) - [E (x)]2 σ2
5. Sea x una variable aleatoria y sea g (x) una función de esa variable,
entonces el valor esperado de g (x) es:
Si la variable aleatoria x es discreta:
Si la variable aleatoria x es continua:
95
Gustavo J. Rueda G.
7.7 Distribución Binomial
Un experimento que sólo puede tener dos resultados posibles el éxito o

el fracaso, y no cabe ninguna otra posibilidad. La probabilidad de éxito o
fracaso, permanece constante en cada intento que se realiza el experimento.
Así se tiene que:
 X = mide el número de veces que hay éxito, es la variable.

 n = es el número de veces que se realiza el experimento, es uno de los
parámetros.
 p = probabilidad de éxito, es uno de los parámetros.
 q = probabilidad de fracaso, es uno de los parámetros.
 p + q = 1; entonces q = (1 – p)
Función de Densidad de Probabilidades
Para un espacio muestral S (x) = {x1, x2, x3, …, xn}
Siendo:
96
Función de Distribución de Probabilidades
Es la función acumulada, es la que mide la probabilidad de que la

variable x sea menor o igual a un número dado.
Valor esperado y varianza de una variable distribuida binomialmente
El valor esperado, media o esperanza matemática viene dada por la

siguiente expresión:
E (x) = µ = np
La varianza de una variable aleatoria x binomial es:
Var (x) = σ2 = npq = np(1 – p)
97
Gustavo J. Rueda G.
7.8 Distribución de Poisson
Conjuntamente con la Distribución Binomial, es la distribución de

variables aleatorias discretas más utilizada. También llamada distribución
exponencial de Poisson. La distribución de Poisson fue propuesta por
primera vez por Siméon Poisson (1781 – 1840) en un libro publicado en
1837. Se utiliza para hallar la probabilidad de variables aleatorias que se
caracterizan por ser el número de ocurrencias o de éxitos de un suceso en
un intervalo continuo dado, como el tiempo, la superficie o la longitud.
Función de Densidad de Probabilidades
La función de probabilidad es la siguiente si la variable aleatoria x

sigue la distribución de Poisson:
con µ > 0; x 0, 1, 2, 3, 4, …
 f (x) probabilidad de “x” éxitos en un tiempo o un espacio dado.

 µ = número esperado de éxitos por unidad de tiempo o espacio.
 e 2,71828….
 x = número de éxitos
98
FIGURA N° 21 DISTRIBUCIÓN DE POISSON
Función de Distribución de Probabilidades
Es la función acumulada, es la que mide la probabilidad de que la

variable x sea menor o igual a un número dado.
Valor esperado y varianza de una variable distribuida según la

Distribución de Poisson
El valor esperado, media o esperanza matemática viene dada por la

siguiente expresión:
Valor esperado = E (x) = µ
99
Gustavo J. Rueda G.
La varianza de una variable aleatoria x de Poisson es:
Varianza = σ2 = E ((x - µ)2) = µ
El parámetro µ es la tasa media en que los sucesos ocurren por unidad

de tiempo o espacio, es decir, en un intervalo de tiempo o espacio igual a 1.
De forma tal, que si se está interesado en un tiempo o espacio igual a t, la
media para ese intervalo será µt.
Teorema: Si x1, x2, x3, …, xn son variables independientes distribuidas según

Poisson con medias µ1, µ2, µ3, …, µn respectivamente, entonces su suma
x1 + x2 + x3 + … + xn es una variable Poisson con media igual a la suma de
sus medias (µ1 + µ2 + µ3 + … + µn).
Si x1 ~ P(µ1), x2 ~ P(µ2) y x3 ~ P(µ3) independientes
Y sea v = x1 + x2 + x3
Entonces, v ~ P(µ1 + µ2 + µ3)
En conclusión, la suma de las variables aleatorias Poisson, es también

una variable aleatoria de Poisson. Por lo tanto, la suma de “k” variables de
Poisson, cada una de media µ, es una nueva variable aleatoria de Poisson
de media Kµ.
Esta distribución, es especialmente útil en los problemas de lista de

espera o teoría de colas. Los procesos de llegada, se tratan con la
Distribución de Poisson.
100
Ejemplo
El número de clavos defectuosos en una caja sigue una distribución de

Poisson con media de 3,8 clavos/caja.
a) ¿Cuál es la probabilidad de que una caja contenga exactamente 3
defectuosos?
x: # de defectuosos por caja ~ P(3,8)
b) ¿Cuál es la probabilidad de que una caja contenga más de 4

defectuosos?
P(x > 4) = 1 – P(x ≤ 4) = 1 – F(4)

P(x > 4) = 1- [f(0) + f(1) + f(2) + f(3) + f(4)] = 1 – 0,6678
P(x > 4) = 0,3322
c) Si se quiere dar una garantía sobre el número máximo de

defectuosas, hallar esa garantía de forma que se cumpla con una
probabilidad de 0,95 por lo menos.
k = número máximo de defectuosos garantizados
Entonces, se va generando los valores hasta que se cumpla con la

probabilidad de la garantía que se quiere dar o tanteando:
101
Gustavo J. Rueda G.
x F(x) = P(X ≤ x)
4 0,6678
5 0,8155
6 0,9091
7 0,9599
La garantía se cumple para k = 7 clavos.
d) Si se tienen 2 cajas, ¿cuál es la probabilidad de que entre las dos

cajas tenga más de 8 defectuosos?
Si x1 ~ P(3,8) y x2 ~ P(3,8) independientes

Y sea v = x1 + x2
Entonces, v ~ P(3,8 + 3,8)

v ~ P(7,6)
P(v > 8) = 1 – P(v ≤ 8)

P(v > 8) = 1 – F(8)
P(v > 8) = 0,3518
7.9 Aproximación de la Distribución de Poisson a la Distribución

Binomial
La distribución de Poisson puede utilizarse como aproximación de la

distribución binomial cuando el número de pruebas, n, es grande y al mismo
tiempo la probabilidad, p, es pequeña.
102
En donde la media de Poisson µ es igual a np

µ = np
Requisitos de la Aproximación:
 n ≥ 50
 p ≤ 0,10 o p ≤ 10%
En general, µ = np ≤ 5. Es una regla empírica, esto puede variar en

algunos libros, y así se puede encontrar en algunos que µ = np ≤ 4 o en otros
que µ = np ≤ 7.
Se recomienda utilizar la distribución binomial, cuando las muestras son

pequeñas y la probabilidad de ocurrencia está entre 0,05 y 0,95. En cambio
si las observaciones sean muchas, es indicado utilizar la distribución de
Poisson.
Ejemplo
Es sabido que el 5% de las semillas de un cierto vegetal que están a la

venta en un determinado mercado, no dan fruto. Las semillas se venden en
cajas de 100 y se garantiza que el 90% de las semillas darán fruto. ¿Cuál es
la probabilidad de que en una caja determinada la garantía no se cumpla?
103
Gustavo J. Rueda G.
La probabilidad solicitada es la probabilidad de que una variable

aleatoria distribuida binomialmente con parámetros 100 y 0,05, sea mayor
que diez, debido que hasta 10 semillas la garantía se cumple.
P (x > 10) = 1 – P (x ≤ 10) = 1 - 100, x 0,05x 0,95100 – x
Se genera uno a uno los cálculos, ya sea de forma manual, utilizando la

expresión, también se puede utilizar el excel como una herramienta de
cálculo. En la siguiente tabla, se aprecia el valor de la función de densidad y
de la función distribución para cada uno de los valores de la variable X:
X f (x) F (x)
0 0,00592053 0,00592053
1 0,03116 0,03708053
2 0,0819 0,11898053
3 0,13956 0,25854053
4 0,17814 0,43668053
5 0,18001 0,61669053
6 0,15001 0,76670053
7 0,10602 0,87272053
8 0,06487 0,93759053
9 0,0349 0,97249053
10 0,0167 0,98919053
P (x ≤ 10) = 0,98919053
P (x > 10) = 1 – P (x ≤ 10) = 1 – F (10) = 1 – 0,98919053 = 0,01080947
La aproximación por la distribución de Poisson será:

np = 100*(0,05) = 5; cumple la condición.
µ = np = 100*(0,05) = 5
104
Para apreciar paso a paso el cálculo, se genera una tabla similar a la

anterior, en donde f(x) es la función densidad y F(x) es la función de
distribución (acumulada):
X f(x) F(x)
0 0,00673794 0,00673794
1 0,033689 0,04042694
2 0,084224 0,12465094
3 0,14037 0,26502094
4 0,175467 0,44048794
5 0,175467 0,61595494
6 0,146222 0,76217694
7 0,10444 0,86661694
8 0,065278 0,93189494
9 0,036265 0,96815994
10 0,018132 0,98629194
P (x ≤ 10) = 0,98629194
P (x > 10) = 1 – P (x ≤ 10) = 1 – F (10) = 1 – 0,98629194 = 0,01370806
105
Gustavo J. Rueda G.
7.10 Problemas Unidad VII
VII.1 Considere un mazo de 52 cartas, ¿cuál es la probabilidad de obtener

dos veces un seis, al sacar una carta con reemplazo 6 veces?
VII.2 En una encuesta realizada en los barrios de Caracas, el 70% de los

encuestados contestaron incorrectamente el cuestionario. De una muestra de
4 cuestionarios tomados al azar:
a) ¿Cuál es la probabilidad de que 3 cuestionarios estuvieran

correctamente contestados?
b) ¿Cuál es la probabilidad de que más de 2 cuestionarios estén
contestados correctamente?
c) ¿Cuál es el valor esperado para el número de cuestionarios
contestados correctamente y cuál es la varianza de la variable?
VII.3 Se sabe que una variable aleatoria se distribuye binomialmente con

media 18,2 y varianza 1,638. Calcule n y p.
VII.4 Un examen consiste en preguntas de selección múltiple. Cada pregunta

tiene tres opciones como respuesta, de las cuales sólo una es correcta. Un
estudiante contesta las preguntas lanzado un dado. Si sale 1 ó 2 elige la
primera opción, si sale 3 ó 4 elige la segunda y si sale 5 ó 6 elige la tercera.
El examen se aprueba si se contestan correctamente la mitad o más de las 8
preguntas que contiene. ¿Cuál es la probabilidad que el estudiante apruebe
el examen?
VII.5 El 10% de los clientes de una compañía de seguros sufren accidentes

en el periodo de un año. ¿Cuál es la probabilidad de que de 5 clientes que
106
han cancelado su póliza de seguros un año dado, uno sólo tenga un

accidente ese año?
VII.6 La demanda que un distribuidor de automóviles tiene es una variable

aleatoria con promedio de 5 por semana. En una semana dada, ¿cuál es la
probabilidad de que se vendan 2 automóviles?
VII.7 Una empresa que presta un determinado servicio tiene capacidad para
atender 8 clientes por hora. Si los clientes llegan aleatoriamente a un
promedio de 6 por hora. ¿Cuál es la probabilidad de que en una hora
determinada, no se puedan atender a todos los clientes que lleguen a esa
hora?
VII.8 Un fabricante de artículos de vidrio inspecciona los artículos contando el

número de defectos menores que tienen, y rechaza aquellos que tiene 2 o
más defectos. Se sabe que el número promedio de defectos por artículos es
4. ¿Cuál es la probabilidad de que un artículo inspeccionado sea rechazado?
VII.9 Suponiendo que cada niño que nace tiene una probabilidad de 0,60 de
ser varón. Calcular la probabilidad de que un matrimonio con 3 hijos tenga:
a) Al menos un varón
b) Al menos una hembra
VII.10 Una caja contiene 10 fichas rojas, 10 azules y 30 blancas. ¿Cuál es la

probabilidad de que al extraer 6 fichas con reemplazo se obtenga 3 fichas
rojas?
107
Gustavo J. Rueda G.
VII.11 Dada una variable aleatoria x binomial con media 2,5 y varianza 1,875.
Calcular la probabilidad de que x sea mayor o igual 4.
VII.12 Una aerolínea sabe por sus records pasados que el 4% de las
personas que tienen reservados sus pasajes para el vuelo Caracas –
Maturín, no se presentan. De forma que la compañía reserva 75 puestos en
lugar de los 73 que dispone el jet que cubre la ruta.
a) ¿Cuál es la probabilidad de que todos los pasajeros que se presenten

tengan puestos disponibles?
b) Use la aproximación de Poisson para hallar la misma probabilidad.
VII.13 Una máquina produce repuestos para automóviles; y en promedio, 2

de cada 100 repuestos son defectuosos. Estos repuestos se empacan en
cajas de 200 unidades, para vender a los distribuidores. ¿Qué probabilidad
de esas cajas no contienen repuestos defectuosos? (Use la aproximación de
Poisson).
VII.14 En la autopista regional del centro (Caracas – Valencia), conocida por

sus siglas ARC, suceden accidentes fatales a un promedio de 2 por mes (4
semanas). ¿Cuál es la probabilidad de que en una semana determinada no
se produzcan accidentes fatales?
VII.15 Una investigación hecha por la Comisión de Prevención de Accidentes

de Protección Civil Venezuela, muestra que durante los 4 días feriados de la
semana santa, se ahogan en promedio 20 personas en las playas del litoral
venezolano. ¿Cuál es la probabilidad de que en un día de semana santa
haya 3 ó más ahogados?
108
VII.16 En un auto lavado llegan automóviles buscando servicio a una tasa de

10 por hora. Si el auto lavado puede atender como máximo 20 automóviles
por hora. ¿Cuál es la probabilidad de que en una hora determinada lleguen
más automóviles de los que se pueden atender?
VII.17 Supóngase que el número de artículos comprados en una tienda

durante un día obedece a una distribución de Poisson con media igual a 10.
¿Cuántos artículos deben haber como mínimo en existencia, para que la
probabilidad de que la tienda sea capaz de atender la demanda del día sea
mayor o igual a 0,95? (supóngase igualmente que los artículos son
perecederos, de forma que no puede mantenerse inventario de un día para
otro).
VII.18 El Ministerio de Hacienda estima que el 20% de la población tiene

ingresos suficientemente elevados como para pagar impuesto sobre la renta
(ISLR). Si se eligen 9 personas al azar de entre la población, ¿cuál es la
probabilidad de que más de 4 no deban pagar el ISLR?
VII.19 En una urbanización de Maturín, el 60% de las viviendas están

aseguradas; 4 viviendas son elegidas aleatoriamente. ¿Cuál es la
probabilidad de que al menos 3 están aseguradas?
VII.20 El número de llamadas que recibe una central telefónica es una

variable aleatoria que sigue una distribución de Poisson con media de 300
llamadas por hora. Si la central puede realizar a lo más 10 conexiones por
minuto, ¿cuál es la probabilidad de que en un instante determinado la central
telefónica esté ocupada?
109
Gustavo J. Rueda G.
VII.21 Se realizaron pruebas con un medicamento específico contra rechazo,

en un grupo de pacientes trasplantados, se observa que la probabilidad de
obtener un resultado favorable es de 2/3. Después de un período de prueba
se sabe que la probabilidad de no rechazo para todo el grupo es de
0,0877914952. ¿Cuántos pacientes forman el grupo?
VII.22 Para cierto tipo de dispositivo electrónico, 1 de cada 10 de ellos falla

en una determinada prueba. Hallar la probabilidad que en una muestra
aleatoria de 20 de estos dispositivos fallen:
a) A lo más 5
b) Entre 2 y 4.
VII.23 Un vendedor de electrodomésticos, vende en promedio 2 aparatos por

día. Determine la probabilidad que en un día cualquiera venda:
a) A lo más 5 aparatos
b) Más de 7 aparatos
c) Exactamente 3 aparatos
VII.24 Si en la autopista Caracas – Guarenas, se producen en promedio 7

accidentes por día, ¿cuál es la probabilidad que este promedio sea superado
en un día cualquiera?
VII.25 Se sabe que el 20% de las piezas que fabrica una máquina son
defectuosas, ¿cuál es la probabilidad que en una muestra de 5 piezas
tomadas al azar:
a) Todas sean buenas

b) Más de dos sean defectuosas
110
c) Todas sean defectuosas
VII.26 Los clientes llegan a una fotocopiadora a una tasa media de dos cada
5 minutos. Suponga que estas llegadas son independientes, que la tasa de
llegada es constante y que esta situación sigue el modelo de Poisson, donde
x representa el número de clientes que llegan en un período de 5 minutos.
Hallar la probabilidad de que lleguen más de dos clientes en un período de 5
minutos.
VII.27 Un agente corredor de seguros contacta con 5 personas y cree que la

probabilidad de vender un seguro a cada una de ellas es de 0,40. Siendo así,
hallar la probabilidad de que venda:
a) A lo más un seguro.
b) Entre dos y cuatro seguros, inclusive.
VII.28 A principios de septiembre, una universidad descubre que puede

admitir a algunos estudiantes más. La admisión de esos estudiantes
aumentaría significativamente los ingresos sin incrementar los costos de
explotación de la universidad, es decir, no habría que abrir nuevas secciones
o cursos. La universidad sabe por experiencia que el 40% de los estudiantes
admitidos se matricula realmente. ¿Cuál es la probabilidad de que se
matriculen como máximo 6 estudiantes si la universidad admite a 10
estudiantes más?
VII.29 EL director de un centro informático, informa de que su sistema

informático ha experimentado tres fallos de componentes en los cien últimos
días.
111
Gustavo J. Rueda G.
a) ¿Cuál es la probabilidad de que no haya ningún fallo en un día dado?

b) ¿Cuál es la probabilidad de que haya uno o más fallos de componentes
en un día dado?
c) ¿Cuál es la probabilidad de que haya al menos dos fallos en un período
de tres días?
VII.30 La probabilidad de que un empleado sea escogido aleatoriamente

para un plan de Adiestramiento y Capacitación es de 0,20. Si la Gerencia de
Recursos Humanos, analiza a seis (06) potenciales candidatos. ¿Cuál es la
probabilidad que sean seleccionados cuatro o más empleados para ser
enviados al plan?
VII.31 Durante un año determinado, el 70% de las acciones comunes

negociadas en la bolsa de valores de Nueva York (NYSE), aumentaron su
cotización, mientras que el 30% no variaron o disminuyeron su cotización. Al
comienzo del año, un servicio de asesoría financiera clasificó 10 emisiones
como “especialmente recomendables”. Si las 10 emisiones representan una
selección aleatoria ¿Cuál es la probabilidad de que menos de cuatro
emisiones aumenten su cotización?
VII.32 El proceso de admisión a un determinado postgrado es el siguiente:

Se somete al aspirante a dos pruebas, una teórica y otra práctica.
El examen teórico consta de cinco preguntas con tres posibles

respuestas, de las cuales una sola es la correcta en cada caso. Para aprobar
este examen es necesario responder acertadamente por lo menos cuatro
preguntas. Solamente en caso de haber aprobado el examen teórico, el
aspirante pasa al examen práctico, el cual consta de tres preguntas con dos
112
posibles respuestas y sólo una es la respuesta correcta en cada caso. Para

aprobar el examen práctico es necesario responder acertadamente por lo
menos dos preguntas. Los aspirantes que aprueben ambos exámenes son
admitidos al postgrado.
Si un aspirante va dispuesto a responder al azar todas las preguntas de

ambos exámenes. ¿Cuál es la probabilidad de que sea admitido al
postgrado?
VII.33 La última novela de un autor ha tenido un gran éxito, hasta el punto de

que el 80% de los lectores ya la han leído. Un grupo de 4 amigos son
aficionados a la lectura:
a) ¿Cuál es la probabilidad de que en el grupo hayan leído la novela 2

personas?
b) ¿Y cómo máximo 2?
VII.34 Un agente de seguros vende pólizas a cinco personas de la misma

edad y que disfrutan de buena salud. Según las tablas actuales, la
probabilidad de que una persona en estas condiciones viva 30 años o más
es 2/3. Hállese la probabilidad de que, transcurridos 30 años, vivan:
a) Las cinco personas

b) Al menos tres personas
c) Exactamente dos personas
113
Gustavo J. Rueda G.
UNIDAD VIII: DISTRIBUCIÓN DE PROBABILIDAD CONTINUA.

DISTRIBUCIÓN NORMAL
8.1 Concepto de Distribución de Probabilidad Continua
Los conceptos y las ideas sobre las variables aleatorias discretas,

considerados en la unidad anterior, también se aplican a las variables
aleatorias continuas. A diferencia de las variables discretas, las continuas
pueden tener cualquier valor dentro de un intervalo o rango dado. De forma
tal, que no se pueden enumerar todos los posibles valores de probabilidad
para todos los correspondientes posibles valores de una variable aleatoria
continua.
Lo conveniente, es elaborar la función matemática, que exprese el

comportamiento de la variable, teniendo en cuenta que debe cumplir con
ciertas condiciones.
Si la función cumple con las condiciones, se le da el nombre de

función de densidad de probabilidades (f.d.p.).
Las condiciones para que una función matemática sea considerada

como una f.d.p. son:
1) f(x) ≥ 0, para todos los valores de x

2) El área situada debajo de la curva que describe la f.d.p., cuando se
abarcan todos los valores de la variable aleatoria x, es igual a 1
114
8.2 Función Distribución F(X)
Esta función expresa, la probabilidad de que la variable x sea menor o

igual que un valor dado F(a) f(x ≤ a) P(x ≤ a); es la función acumulada.
La probabilidad en funciones continúas, están definidas para un

intervalo, y es el área bajo la curva de la f.d.p.
115
Gustavo J. Rueda G.
La probabilidad puntual o exacta, P(x = a) tiende a cero, pues limite de

cualquier valor dividido entre el infinito (∞), tiende a cero (0).
8.3 Concepto de Distribución Normal
La Distribución Normal, constituye el instrumento más poderoso y útil de

que dispone la ciencia Estadística. Esta Distribución tiene tal significación por
estas razones:
1) Una gran cantidad de fenómenos aleatorios reales en cualquier área:

ingeniería, economía, biología, psicología, etc., pueden ser
representados adecuadamente por variables normales.
2) Cualquiera que sea la distribución original de una población estudiada,
los resultados muestrales, sumarizados en los estadísticos muestrales,
tienden a seguir la Distribución Normal. Como se verá más adelante
(Estadística Aplicada, Estadística II o en un curso más avanzado).
La Distribución Normal es una distribución de probabilidad continua

que es tanto simétrica como mesocúrtica. La curva que representa a esta
distribución se describe generalmente como de forma de campana (campana
de Gauss).
FIGURA N° 22 DISTRIBUCIÓN NORMAL
116
8.3.1 Características de la Distribución Normal
La f.d.p. de una variable aleatoria x que sigue una distribución normal

es:
En donde e y π son constantes físicas, e 2,71828… y π 3,14159…
8.3.2 Propiedades
1) La media de la variable aleatoria es µ E(x) = µ

2) La varianza de la variable aleatoria es σ2 Var(x) = σ2
3) Geométricas:
a) Simetría respecto al eje x = µ (mediana)
b) Máximo valor de la función en x = µ (moda)
c) Los puntos x = µ ± σ; son de inflexión
4) Conociendo la media µ y la varianza σ2, se puede definir la Distribución
Normal usando la notación siguiente:
5) Tipificación de la Distribución Normal
Es el proceso de transformación de una de las infinitas distribuciones

normales que existen en una Distribución Normal estándar o tipificada.
117
Gustavo J. Rueda G.
La Distribución Normal estándar, es la curva normal que tiene por

parámetros a la media µ = 0, y a la varianza σ2 = 1. Generalmente, se utiliza
la letra “z” o “k”, para designar a la variable estándar o tipificada.
Para lograr esa transformación, se utiliza la siguiente relación o fórmula

(fórmula de tipificación):
Se tipifica para cualquier variable aleatoria “x”, que siga una distribución
Normal (x ~ N (µ, σ2)), y queda:
8.4 Uso de la Tabla de la Distribución Normal Estándar
Existen varios formatos de presentación de las tablas normal estándar

(z ~ N (0, 12)), incluso, algunas, ya vienen incorporada en algunas de las
calculadoras; pero lo realmente importante es conocer cómo trabaja la que
se tiene al alcance.
118
A continuación, se presenta un extracto de la versión de tabla Normal

estándar con la que se va a trabajar (ver en Apéndices la sección de la
tabla), y de cómo se procede con la lectura de la misma.
Ejemplo de lectura de tablas normal estándar directa
a) Hallar la probabilidad de que la abscisa z, sea menor que 1,20

b) Hallar la probabilidad de que la abscisa z, sea menor que -1,20
c) Hallar la probabilidad de que la abscisa z, se encuentre entre-1,20 y
1,20
d) Hallar la probabilidad de que la abscisa z, sea mayor que 1,20
A continuación, se presenta un extracto de la tabla directa:
Z Φ (- z) Φ (z) D(z)
1,20 0,1151 0,8849 0,7699
2,10 0,0179 0,9821 0,9643
Resultados de la lectura:
a. P (z< 1,20) = Φ (1,20) = 0,8849

b. P (z< - 1,20) = Φ (-1,20) = 0,1151
c. P (-1,20<z< 1,20) = Φ (1,20) – Φ (-1,20) = D (1,20) = 0,7699
d. P (z>1,20) = 1 – Φ (1,20) = 1 – 0,8849 = 0,1151
119
Gustavo J. Rueda G.
Ejemplo de lectura de tablas normal estándar indirecta o inversa
a) Hallar la abscisa que deja un área a la izquierda igual al 70%

b) Hallar la abscisa que deja un área a la izquierda igual a 0,30
c) Hallar las abscisas que determinan un área centrada igual al 80%
d) Hallar las abscisas que determinan un área centrada igual a 0,40
A continuación, se presenta un extracto de la tabla indirecta:
% z (Φ) z (D)
70 0,524 1,036
30 -0,524 0,385
80 0,842 1,282
40 -0,253 0,524
Resultados de la lectura:
a. P (z<A) = 0,70 A = 0,524

b. P (z<B) = 0,30 B = -0,524
c. P (C1 < z < C2) = 0,80 C = ± 1,282
d. P (D1 < z < D2) = 0,40 D = ± 0,524
Independientemente de cuáles sean los valores de media µ y de

varianza σ, que determinen una Distribución Normal, en particular,
x ~ N (µ, σ2); se cumple para todas, que el área bajo la curva, agrupa a estas
cantidades de datos en estos intervalos característicos:
120
FIGURA N° 23 CONCENTRACIÓN DE DATOS EN LA NORMAL
8.5 Propiedad Reproductiva
Si x1 ~ N(µ1, σ12) y x2 ~ N(µ2, σ22), independientes, entonces una

variable aleatoria combinación lineal de éstas variables aleatorias es una
variable aleatoria normal:
Sea Y = a0 + a1x1 + a2x2
Y ~ N(a0 + a1µ1 + a2µ2; a12σ12 + a22σ22)
En general, la nueva variable aleatoria Y es una variable aleatoria

normal con media ∑aiµi y varianza ∑ai2σi2.
Corolario 1: La suma de variables aleatorias normales independientes,

es normal, con media, la suma de las medias, y varianza, la suma de las
varianzas.
121
Gustavo J. Rueda G.
Corolario 2: Si x es una variable normal con media µ y varianza σ2,

entonces Z = ax +b, donde a y b son constantes, es una variable normal con
media (aµ + b) y varianza (a2σ2).
Ejemplo
Si x ~ N(4, 8), y ~ N(3, 2), z ~ N(0, 4) independientes, hallar el

comportamiento de la nueva variable U = 4x + 3y + 2z.
La nueva variable U será normal con media µ = 16 + 9 + 0 = 25.
Y la varianza será σ2 = (16 . 8) + (9. 2) + (4 . 4) = 162
U ~ N (25, 162)
Ejemplo
Se vacían tres cajas de jabón. La variable x mide el contenido de jabón

en las cajas y se distribuye normalmente con media de 500 gramos y
desviación típica de 40 gramos. ¿Cuál es la probabilidad de que el contenido
total sea superior a 1.400 gramos?
Las tres cajas se vacían, es decir se juntan o adicionan, es decir, la

nueva variable Y, es la suma de x1, x2 y x3.
Y = x1 + x2 + x3
122
Observación importante: No es igual la suma de las variables que el

producto de las variables, por la aleatoriedad de las mismas variables, es
decir:
Y = x1 + x2 + x3 ≠ 3x = Y´
El comportamiento de Y´ = 3x, sería Y´ ~ N(3µ, 32σ2), que no es la

situación plateada acá.
La nueva variable aleatoria Y, suma de variables, se comporta de la

siguiente manera:
Y = x1 + x2 + x3 ~ N(500 + 500 + 500; 1600 + 1600 + 1600)
Y ~ N(1.500; 4.800)
P(Y ≥ 1.400 grs) = P(z ≥ (1.400 – 1.500) / (4.800)1/2) = P(z ≥ - 1,44)
P(Y ≥ 1.400 grs) = 0,9251.
8.6 Relación entre la Distribución Binomial y la Distribución Normal
La representación gráfica de una distribución binomial muestra que ésta

distribución, tiene la misma forma que la distribución Normal. Esta evidencia
visual de que la binomial puede aproximarse por una distribución Normal, de
la misma media y varianza, ha sido demostrada por estadísticos
matemáticos. Una buena regla de que la Normal es una buena aproximación
de la distribución binomial es:
123
Gustavo J. Rueda G.
npq > 9 ó np(1 – p) > 9
FIGURA N° 24 DISTRIBUCIÓN BINOMIAL
8.6 Aproximación de la Distribución Normal a la Distribución Binomial
Se utiliza para calcular probabilidades de muestras de mayor tamaño,

en especial cuando no se disponen ni de tablas ni de medios de cómputo.
Si x es una v.a. tal que x ~ b(n, p) cuando n→∞
Entonces, x → ~ N (np; np(1 – p))
Es decir:
Recordando que Cn,x es la combinación de n elementos en x.
124
Corrección por continuidad:

El valor discreto x = h, corresponde al intervalo continuo h - ½; h + ½
Se obtienen en tablas estándar
Ejemplo
Una vendedora se pone en contacto por teléfono con posibles clientes,

en un intento de averiguar si es probable que merezca la pena ir a su casa a
verlos. Su experiencia sugiere que el 40% de los contactos acaba yendo a
casa del cliente. Si se pone en contacto con 100 personas por teléfono, ¿cuál
es la probabilidad de que vaya a ver entre 45 y 50 personas?
Se verifica la regla npq > 9 100 (0,4) (0,6) = 24 > 9, se puede

hacer la aproximación
P (1,12 ≤ z ≤ 1,94) Φ (1,94) – Φ (1,12)

= 0,9738 – 0,8686 LECTURA EN TABLA
= 0,1052
La distribución Normal es, sin lugar a dudas, la distribución

probabilística más utilizada, y por lo tanto, ese uso tan difundido la hace la
125
Gustavo J. Rueda G.
más importante. Tiene muchas aplicaciones en diferentes áreas del saber

humano. En el Anexo N° 2, se podrá encontrar un material muy valioso, pues
trata de ver como un proceso puede o no cumplir con las especificaciones
que se le quiera imponer. Los procesos, de la índole que sea, no siempre
están en la capacidad de cumplir con los requerimientos que se puedan
pretender, se recomienda la revisión de este interesante material.
126
8.7 Problemas Unidad VIII
VIII.1 Hallar la probabilidad planteada en la curva normal estándar, en la

gráfica siguiente:

gráfica siguiente:

gráfica siguiente:

gráfica siguiente:
127
Gustavo J. Rueda G.

gráfica siguiente:

gráfica siguiente:

gráfica siguiente:
128

gráfica siguiente:

gráfica siguiente:

gráfica siguiente:
VIII.11 Para el área indicada, hallar el valor de z
129
Gustavo J. Rueda G.
130

gráfica siguiente:
VIII.19 El contenido de harina de trigo en unos sacos, sigue una distribución

Normal con media de 40 Kgs y desviación típica de 2 Kgs. Si se toma un
saco al azar, ¿cuál es la probabilidad de que contenga:
a) Más de 41,5 Kgs?

b) Menos de 37 Kgs?
c) Entre 38 y 41 Kgs?
d) Entre 40±2,5 Kgs?
131
Gustavo J. Rueda G.
e) Suponiendo, que las especificaciones son las de la parte d, si hay 1500

sacos en el almacén, ¿cuántos sacos deben estar fuera de la
especificación de llenado?
VIII.20 Determine la media y la desviación típica de una distribución normal x,

tal que:
P (x ≤ 60) = 0,10 y que P (x ≤ 90) 0,95
VIII.21 El promedio semanal de ingreso de los trabajadores en una empresa

canadiense es de CA$ 500,00; con una desviación típica de CA$ 100,00.
Hallar:
a) ¿Sobre qué ingreso semanal se encuentra el 9% de los trabajadores

de mayor ingreso?
b) ¿Por debajo de qué ingreso semanal se encuentra el 70% de los
trabajadores de menor ingreso?
c) ¿Entre que ingresos semanales se encuentra el 68% central de los
trabajadores?
VIII.22 El Departamento de Control de Calidad de una empresa en lo

referente a los pesos de los paquetes de un determinado producto, obtiene
una distribución normal con un peso promedio por paquete de 60 grs. y una
desviación de 5 grs. Si de una muestra de 5.000 paquetes, son rechazados
30 paquetes por fallas en su peso. ¿A partir de que peso en adelante los
paquetes son aceptados?
VIII.23 La vida útil de cierto tipo de bombillos se distribuye normalmente, con

una media de 1000 horas y una desviación estándar de 50 horas. Determine
la probabilidad de que uno de esos bombillos:
132
a) Se queme antes de 925 horas

b) Dure funcionando entre 1050 y 1085 horas
c) Tenga una vida útil superior a las 947 horas.
VIII.24 La empresa SIDOR, pretende exportar lotes de producción de acero,

a tal efecto sondea dicho mercado y obtiene la información estadística
siguiente:
El consumo medio es de 300 toneladas al mes.
El coeficiente de variación es de 18%, y 650 empresas requieren acero.
Si se asume que el consumo de éstas empresas se distribuye
normalmente, ¿cuántas empresas necesitarán:
a) Por encima de 360 toneladas/mes?

b) Por debajo de 150 toneladas/mes?
VIII.25 Los pesos de una muestra de 500 frascos que contienen cierta droga
se distribuyen normalmente con un peso promedio de 16 grs y una
desviación típica de 0,8 grs. El proceso de control permite una tolerancia
máxima en el peso de 14,75 grs a 17,25 grs (especificaciones de llenado).
Determine el número de frascos rechazados en el proceso de control.
VIII.26 Sea x una variable aleatoria continua que se distribuye normalmente

con media 50 y desviación estándar igual a 10. Determine la probabilidad
que x tome valores:
a) Comprendidos entre 50 y 55.

b) Comprendidos entre 45 y 60.
c) Menores de 42.
d) Mayores de 62.
133
Gustavo J. Rueda G.
VIII.27 Una empresa empaqueta granos en bolsas plásticas, los pesos de los
paquetes tienen una distribución normal con un peso promedio de 500
grs/bolsa. Si el 0,62% de los paquetes de granos pesan más de 512 grs,
¿cuál es la desviación estándar de la distribución de pesos?
VIII.28 El departamento de Control de Calidad de una fábrica de baterías,

somete a prueba de funcionamiento una muestra de 5.200 baterías,
obteniéndose con respecto a la duración de las mismas una distribución
normal con una duración media de 9.000 horas y una desviación de 1.200
horas. El estudio determina que 364 de las baterías, son rechazadas por no
presentar la duración mínima.
a) Determine la duración mínima para no ser rechazadas por el proceso

de control.
b) ¿Cuántas baterías tienen una duración mayor que la duración mínima
pero menor que 10.800 horas?
VIII.29 La distribución de precios de ventas de un lote de 1.720 apartamentos

situados en el sector sureste del área metropolitana de Caracas, se
distribuye normalmente con un precio de ventas de Bs. 32*10 6 y una
desviación de Bs. 6,4*106.
a) ¿Por encima de qué precio de venta se encuentra el 93,19% de los

apartamentos?
b) ¿Cuál es el precio de venta máximo por debajo del cual se encuentra el
30,85% de los apartamentos?
c) ¿Cuántos apartamentos tienen precios de venta comprendidos entre
Bs. 21.760.000.000 y Bs. 43.520.000.000?
134
VIII.30 Las ventas mensuales de una empresa se pueden considerar como

normalmente distribuidas con media igual a 2.000 unidades mensuales. Por
experiencia anterior se sabe que la probabilidad de que las ventas en un mes
estén comprendidas entre 1.500 y 2.500 unidades mensuales es de 0,70. El
almacén de esta empresa tiene capacidad para 3.000 unidades. ¿Cuál es la
probabilidad de satisfacer la totalidad de la demanda en un mes
determinado?
VIII.31 El tiempo que tarda una persona en llegar de su casa al trabajo es

una variable aleatoria distribuida normalmente con media de 30 minutos y
desviación típica de 5 minutos. Si la hora de entrada al trabajo es a las 9:00
am.
a) ¿A qué hora debe salir de su casa, sí desea llegar temprano al trabajo

con un 99% de probabilidad?
b) Si sale a las 8:40 am de su casa, ¿cuál es la probabilidad de que llegue
temprano al trabajo?
VIII.32 Sea x una variable normal con media 8 y varianza desconocida.
a) Determine σ, si P (x ≥ 5) 0,85
b) Determine un valor k tal que se cumpla:
P (x ˂ k) 3P (x ≥ k)
VIII.33 Las calificaciones de un examen de Estadística dieron una media de

12 con una desviación típica de 3. La calificación tiene un comportamiento
que puede aproximarse por una variable normal. Si la calificación tipificada
de un estudiante fue menos uno (-1), ¿qué calificación obtuvo?
135
Gustavo J. Rueda G.
VIII.34 La demanda de un cierto bien es una variable aleatoria normalmente

distribuida con media de 100 unidades. El almacén tiene capacidad para 130
unidades. La probabilidad de que la demanda este entre 80 y 120 unidades
es de 0,80.
a) Calcular la desviación típica.

b) Calcular la probabilidad de que no se satisfaga la demanda.
VIII.35 El departamento de Control de Calidad de una fábrica de baterías,

observa que la distribución de la vida útil de las mismas se distribuye
normalmente y determina que la baterías almacenada dura en promedio 3
años con desviación de 0,5 años. Un comprador de un lote de 50.000 de
esas baterías después de un determinado tiempo regresa 25 pilas del lote,
por no cumplir las condiciones de duración, ¿a partir de qué duración en
adelante las pilas son aceptadas por el comprador?
VIII.36 La duración de las baterías para un automóvil producidas por una

empresa puede aproximarse por una variable aleatoria normalmente
distribuida, con media de 10 meses y desviación típica de 2 meses. Si se da
una garantía de 8 meses a los compradores de baterías, ¿qué proporción de
las baterías no cumplirán la garantía?.
VIII.37 Sea x una variable aleatoria normalmente distribuida con media 4 y

desviación típica 2. Calcular:
a) P (x ≥ k) = 0,1492; el valor de k
b) P (ǀxǀ ≤ 2) = ?
c) P (k ≤ x ≤ 3,5) = 0,1467; el valor de k
136
VIII.38 Se sabe que una cierta máquina produce un 1% de artículos

defectuosos. De la producción de un día que es de 20.000 unidades, ¿cuál
es la probabilidad de que el número de artículos defectuosos esté entre 185
y 220?
VIII.39 Hallar la probabilidad de obtener entre 3 y 6 caras inclusive en 10

lanzamientos de una moneda bien balanceada utilizando:
a. la distribución binomial
b. la aproximación normal a la distribución binomial.
VIII.40 Una prueba de selección múltiple tiene 200 preguntas, cada una con
4 posibles soluciones, y de las cuales sólo 1 es la correcta. ¿Cuál es la
probabilidad de que al azar se acierten de 25 a 30 respuestas para 80 de las
200 preguntas, acerca de las cuales el estudiante no tiene el más mínimo
conocimiento?
VIII.41 En una distribución normal de media 4 y desviación típica 2, calcular

el valor de a para que:
P (4 – a ≤ x ≤ 4 + a) = 0,5934
VIII.42 En una ciudad europea, se estima que la temperatura máxima en el

mes de junio sigue una distribución normal, con media de 23° y desviación
típica de 5°. Calcular el número de días del mes en los que se espera
alcanzar máximas entre 21° y 27°.
VIII.43 El tiempo necesario para reparar la transmisión de un auto en un taller

de servicio se distribuye normalmente con media de 45 minutos y desviación
137
Gustavo J. Rueda G.
estándar de 8 minutos. El mecánico planea comenzar la reparación del auto

de un cliente 10 minutos después que el vehículo se ha entregado y le
comunica al cliente que el auto estará listo en una hora en total.
a) ¿Cuál es la probabilidad de que el mecánico esté equivocado? Ilustre la

porción del área bajo la curva normal correspondiente a este caso.
b) ¿Cuál es el tiempo requerido de trabajo para que haya un 90% de
probabilidades que la reparación se termine dentro de ese tiempo?
VIII.44 Se supone que los resultados de un examen tienen una distribución

normal con una media de 90 y una desviación estándar de 18.
a) ¿Cuál es la probabilidad de que una persona que presenta el examen

obtenga una calificación mayor a 70?
b) Suponiendo que a los estudiantes que se encuentran en el 25%
superior de la distribución se les asigna la calificación A. ¿Cuál es la
mínima calificación que un estudiante debe obtener para tener una
calificación A?.
c) ¿Cuál es la mínima calificación aprobatoria si el evaluador pretende que
solamente el 35% de los estudiantes aprueba?.
d) Si se sabe que la calificación de un estudiante es mayor que 75, ¿cuál
es la probabilidad de que su calificación sea mayor a 82?
VIII.45 Un grupo muy numeroso de estudiantes obtiene calificaciones en la

escala de 0 a 100 puntos, que siguen una distribución normal que tiene una
media de 60 y una desviación típica de 15.
a) ¿Qué proporción de los estudiantes obtiene una calificación de entre 85

y 95?
b) ¿Qué calificación se corresponde con el percentil 90?
138
VIII.46 Los bombillos de una marca X tienen una duración que sigue una
distribución normal con media de 300 horas y con una desviación típica de
30 horas; mientras que los bombillos de otra marca Y tiene una duración
normal con media de 120 horas y una desviación típica de 10 horas.
Si se toma al aza un bombillo X y otro Y. ¿Cuál es la probabilidad de

que el bombillo X dure más del doble que el bombillo Y?
VIII.47 Cierto proceso industrial produce cilindros de acero cuyas longitudes

están normalmente distribuidas con media de 3,25 cm y desviación típica de
0,05 cm. Si se eligen al azar dos cilindros, y se sueldan en sus extremos,
¿cuál es la probabilidad de que la longitud total sea menor de 6,60 cm?
VIII.48 Las resistencias eléctricas producidas por un fabricante A están

normalmente distribuidas con media de 5 ohm y desviación típica de 1 ohm;
mientras que las de un fabricante B están normalmente distribuidas con
media de 1,5 ohm y desviación típica de 0,8 ohm. Si se conectan en serie 3
resistencias A y 2 resistencias B. ¿Cuál es la probabilidad de que la
resistencia total del circuito sea superior a 18 ohm?
VIII.49 Las calificaciones de un examen siguen una distribución normal.

¿Cuál es la probabilidad de que un estudiante seleccionado aleatoriamente
obtenga una calificación mayor que la media más 1,5 desviaciones típicas?
VIII.50 Un ejecutivo de una cadena de televisión está revisando las

perspectivas de una nueva serie televisiva. En su opinión, la probabilidad de
que la serie tenga una audiencia de más de 17,8 es 0,25 y la probabilidad de
que tenga una audiencia de más de 19,2 es 0,15. Si la incertidumbre del
139
Gustavo J. Rueda G.
ejecutivo sobre la audiencia puede representarse por medio de una

distribución normal, ¿cuáles son la media y la varianza de esa distribución?
VIII.51 Un numeroso grupo de estudiantes realiza un examen de Economía.

Las calificaciones siguen una distribución normal que tiene una media de 70
y la probabilidad de que un estudiante elegido aleatoriamente obtenga una
calificación de menos de 85 es de 0,9332. Se eligen aleatoriamente cuatro
estudiantes. ¿Cuál es la probabilidad de que al menos uno de ellos tenga
una calificación de más de 80 puntos en este examen?
140
RESPUESTAS A LOS PROBLEMAS PROPUESTOS
UNIDAD I
I.1
a) Los residentes del Municipio Maturín

b) Los residentes de la parroquia San Simón
c) Los 219 encuestados
d) El Tipo de Transporte, variable cualitativa nominal.
I.2
a) La producción de tornillos
b) La producción de tornillos
c) La producción de un día
d) El diámetro de los tornillos, variable cuantitativa continua
I.3
a) Lote de 1.000 piezas defectuosas

b) Lote de 1.000 piezas defectuosas
c) Las 150 piezas tomadas al azar
d) El número de defectos, variable cuantitativa discreta
I.4
a) Los vuelos programados que despegan del aeropuerto de Maiquetía

b) Los vuelos programados que despegan del aeropuerto de Maiquetía
c) Lote de 200 vuelos
d) Hora de salida de los vuelos, variable cuantitativa continua
141
Gustavo J. Rueda G.
I.5
a) Los estudiantes de la Universidad de Oriente

b) Los estudiantes del núcleo de Monagas de la Universidad de Oriente
c) Los 780 estudiantes encuestados
d) Tiempo semanal que dedican a navegar por internet, variable
cuantitativa continua.
UNIDAD II
II.1
a) N = 60, Xm = 20, XM = 41
b) ITOT = 21
c) n = 1 + 3,332 log 60 = 6,9070; luego n = 7
d) ic = 3
e)
142
II.2 a)
COSTO 2,5 – 7,5 7,5 – 12,5 12,5 – 17,5 17,5 - 22,5 22,5 – 27,5
[Bs./
UNIDAD]
FRECUENCIA 12 20 32 18 8
fi
b)
143
Gustavo J. Rueda G.
II.3
a) N = 40, Xm = 15, XM = 30
b) ITOT = 15
c) ic = 3
d)
144
II.4
INGRESOS N° DE PERSONAS Fi
[US$/SEMANA] fi
250 – 300 2 2
300 – 350 8 10
350 – 400 12 22
400 – 450 7 29
450 – 500 5 34
500 – 550 4 38
550 – 600 2 40
∑fi = N = 40
II.5
a) N = 42, Xm = 20, XM = 45
145
Gustavo J. Rueda G.
b) ITOT = 25
c) ic = 5
d)
146
II.6
a) N = 30; Xm = 0,2; XM = 6,5

b) ITOT = 6,3
c) ic = 0,9
d) Tabla de distribución de Frecuencias
Duración N° de Xi Fi hi Hi % %ACUM
bombillos
0,2 – 1,1 9 0,65 9 0,3 0,3 30 30
1,1 – 2,0 5 1,55 14 0,1667 0,4667 16,67 46,67
2,0 – 2,9 3 2,45 17 0,1 0,5667 10 56,67
2,9 – 3,8 2 3,35 19 0,0667 0,6333 6,67 63,33
3,8 – 4,7 2 4,25 21 0,0667 0,7 6,67 70
4,7 – 5,6 3 5,15 24 0,1 0,8 10 80
5,6 – 6,5 6 6,05 30 0,2 1 20 100
∑f i = 30 ∑hi = 1 ∑%i = 100
e)
147
Gustavo J. Rueda G.
UNIDAD III
III.1
a) media aritmética = 27,25 Bs/unidad

b) Md = 27,38 Bs/unidad
c) Mo = 28,33 Bs/unidad
148
III.2
a) media aritmética = 65,2 puntos

b) Md = 71,5 puntos
c) Mo = 76 puntos
d) P14 = 38,65 puntos
e) Q1 = 54,79 puntos
f) D7 = 78,70 puntos
III.3
 Mo = 1.833,33 US$/mes
 Q1 = 1.428,57 US$/mes
III.4 Tiempo de esperaPROM = 22,86 minutos
III.5 Sueldo anualprom = 52.209,56 Bs/año
III.6 DuraciónPROM = 23.333,33 hrs
III.7 total = 224,06 Bs/mes
III.8 centro = 5.800 Bs/m2
III.9 Sueldo totalPROM = 2.862,39 Bs/mes
III.10 5 años
III.11 Costo = 495,79 Bs/m2
149
Gustavo J. Rueda G.
III.12 5640 viviendas
III.13
a) 12
b) 13
c) 8
III.14
a) 3,5
b) 3,55
c) 3,7 Trimodal
III.15
a) 5,94
a) 6,35
III.16
a) 63,5%
b) (20,89 ± 5,275)
c) P39 = 19,75 mm D7 = 21,96 mm
III.17 H = 43 minutos y 7 segundos

Comentario: Si se selecciona al azar a uno de los cuatro médicos, se
espera que realice este tipo de cirugía en 43 minutos aproximadamente.
III.18 69,041 km/h
150
III.19 G = 1,01
III.20
a) 30,625%
b) 34,5 ≈ 35 personas
c) 69,375 ≈ 70 personas
d) 69,87 kgs
III.21
a) 20%
b) 41,4 personas ≈ 42 personas aproximadamente
c) 275 US$
III.22 La calificación mínima fue de 76,55 puntos
III.23
a) Mo = 1,2509 MBPD
b) = 3,192 MBPD
c) Md = 5,30 MBPD
d) P75 = 4,8467 MBPD
e) 45,22 pozos
f) 11,47% de los pozos
g) ∆PRODUCCIÓN = 6,4 MBPD
h) ∆PRODUCCIÓN = 2,38 MBPD
151
Gustavo J. Rueda G.
UNIDAD IV
IV.1
 C.V.A = 8,048%, entonces A es representativo

 C.V.B = 77,61%, entonces B no es representativo
IV.2 C.V. = 18,38%, entonces el es representativo
IV.3
 C.V.A = 3,33%
 C.V.B 4,32%; se debe producir el antibiótico “A”, porque reporta menor
variabilidad.
IV.4
a) σ = 2,12
b) DMd = 1,82
IV.5 σ = 3,5136 meses C.V. = 36,52%
IV.6 σ = 13,54
IV.7 DQ = 20,12 años
IV.8 Debe comprar la marca “B”, porque además de durar más, su

variabilidad relativa es inferior. C.V.A = 18,73% y el C.V.B = 16,53%
152
IV.9 C.V.A = 12,65% y el C.V.B 14,5%; debe elegir la marca “A”, su

variabilidad es inferior y en promedio su duración es muy similar.
IV.10 48,584 estudiantes, aproximadamente 49 estudiantes.
IV.11 σ = 0, no hay dispersión entorno a la medida de tendencia central.
IV.12 63,6066 ≈ 63,61% de las familias
IV.13
a) = 97,6 kgs
b) σ = 3,671512 kgs
c) C.V. = 3,7618%
IV.14. ∆% = 62,18275%
UNIDAD V
V.1 C.A.p = - 0,24797 (Asimétrica negativa)

g = - 0,3822 (Asimétrica izquierda)
g2 = - 0,628191 (Platicúrtica)
V.2 C.A.p = 1,00297 (Asimétrica positiva)

g = 0,194257 (Asimétrica derecha)

153
Gustavo J. Rueda G.


g2 = 1,9893 (Leptocúrtica)




g = 0,14152 (Asimétrica izquierda)
g2 = 0,02958 (Leptocúrtica)

154
UNIDAD VI
VI.1 7.200 números.
VI.2 72 palabras
VI.3
a) 25.200 maneras
b) 0,0833
VI.4 256 maneras
VI.5 85 muestras
VI.6 280 maneras
VI.7 112 juegos
VI.8 1,404606*1013 formas
VI.9 7,023034*1012 formas
VI.10 42.000 formas
VI.11 40 maneras
VI.12 3.268.760 cartones
VI.13
a) 0,125
155
Gustavo J. Rueda G.
b) 0,375
VI.14 0,0088
VI.15 0,63
VI.16 0,50
VI.17
a) 0,60
b) 0,80
VI.18
a) 0,1667
b) 0,0833
VI.19
a) 0,30
b) 0
c) 0,225
d) 1
VI.20 0,17
VI.21
a) 0,2375
156
b) 0,20
c) 0,1875
d) 0,7625
VI.22
a) 0,3045
b) 0,0093
c) 0,3158
d) 0,6842
VI.23
a) 1/5525
b) 22/425
c) 169/425
VI.24
a) 0,30
b) 0,30
c) 0,0667
d) 0,5333
VI.25 0,0463
VI.26 0,4667
VI.27 0,430556
157
Gustavo J. Rueda G.
VI.28 0,2667
VI.29 1*10-6
VI.30 No son mutuamente excluyentes
VI.31 0,45
VI.32 0,8333
VI.33 0,0105%
VI.34
a) 0,0525
b) 0,5525
VI.35 0,125
VI.36
a) 0,5454
b) 0,4545
VI.37
a) 0,7636
b) 0,5555
VI.38
158
a) 0,2778
b) 0,1667
c) 0,4444
VI.39 0,60
VI.40 0,50
VI.41 0,52632
VI.42
a) 0,28
b) 0,84
VI.43
a) 0,36
b) 0,30
VI.44 P (planta A/producto defectuoso) = 0,14286

P (planta B/producto defectuoso) = 0,5714
P (planta C/producto defectuoso) = 0,23214
P (planta D/producto defectuoso) = 0,05357
VI.45 0,069149
VI.46 0,74248
159
Gustavo J. Rueda G.
VI.47
a) 0,2637
b) 0,4945
c) 0,7363
VI.48 0,140625
VI.49 0,5045
VI.50 0,001998
VI.51 1/104976
VI.52 0,5667
VI.53 0,831
VI.54
a) 0,3487
b) 0,4013
VI.55 0,4909
VI.56 0,7363
VI.57
a) 0,8333
160
b) 0,7451
c) 0,3112
d) 0,1635
VI.58
a) 0,1573
b) 0,2517
VI.59
a) 0,0333
b) 0,45
c) 0,75
VI.60 0,0244
VI.61 0,1837
VI.62
a) 0,7480
b) 0,5140
VI.63 0,1818
VI.64 0,01905
UNIDAD VII
VII.1 P (x = 2) = f (2) = 0,0644
161
Gustavo J. Rueda G.
VII.2
a) P (x = 3) = f (3) = 0,0756
b) P (x > 2) = f (3) + f (4) = 0,0837
c) c) E (x) = 1,2; Var (x) = σ2 = 0,84
VII.3 p = 0,91 n = 20
VII.4 0,2588
VII.5 0,32805
VII.6 0,0842
VII.7 0,1526
VII.8 0,9084
VII.9
a) 0,9360
b) 0,7840
VII.10 0,08192
VII.11 0,2241
VII.12.
a) 0,80691
162
b) 0,8027
VII.13 0,0183
VII.14 0,60653
VII.15 0,8753
VII.16 0,0016
VII.17 15
VII.18 0,9804
VII.19 0,4752
VII.20 0,0137
VII.21 6 pacientes
VII.22
a) 0,98875
b) 0,56508
VII.23
a) 0,98344
b) 0,0011
c) 0,18044
163
Gustavo J. Rueda G.
VII.24 0,40129
VII.25
a) 0,32768
b) 0,5792
c) 0,032
VII.26 0,3233
VII.27
a) 0,33696
b) 0,6528
VII.28 0,9452
VII.29
a) 0,9704
b) 0,0296
c) 0,0038
VII.30 0,01696
VII.31 0,010592
VII.32 P (admitido) = 0,02264
164
VII.33
a) 0,1536
b) 0,1808
VII.34
a) 0,1317
b) 0,7901
c) 0,1646
UNIDAD VIII
VIII.1 P (0 ≤ z ≤ 1,25) = 0,4944
VIII.2 P (-2,13 ≤ z ≤ 0) = 0,4834
VIII.3 P (-2,05 ≤ z ≤ 1,40) = 0,899
VIII.4 P (z ≥ 2,81) = 0,0025
VIII.5 P (z ≤ -2) = 0,0228
VIII.6 P (z ≤ 2,05) = 0,9798
VIII.7 P (-1,5 ≤ z ≤ 1,5) = 0,8664
VIII.8 P (1,5 ≤ z ≤ 2,3) = 0,0561
165
Gustavo J. Rueda G.
VIII.9 P (-2,62 ≤ z ≤ 0) = 0,4956
VIII.10 P (-2,19 ≤ z ≤ 2,19) = 0,9715
VIII.11 z = 2,1247
VIII.12 z = ±1,92208
VIII.13 z = 1,476
VIII.14 z = 1,46109
VIII.15 z = 0,5002
VIII.16 z = -1,645
VIII.17 P (z ≤ 1,7351) = 0,958659
VIII.18 z = ±1,08
VIII.19
a) P (x ≥ 41,5 kg) = 0,2266

b) P (x ≤ 37 kg) = 0,0668
c) P (38 ≤ x ≤ 41) = 0,5328
d) P (-1,25 ≤ x ≤ 1,25) = 0,7887
e) 317 sacos rechazados
VIII.20 µ = 73,1397; σ 10,2494
166
VIII.21
a) 634,10 CA$/semanal, es decir, el P91

b) 552,40 CA$/semanal, es decir, el P70
c) Líminf = 400,60 CA$/semanal y el Límsup = 599,40 CA$/semanal
VIII.22 47,44 grs
VIII.23
a) 0,0668
b) 0,1141
c) 0,8554
VIII.24
a) 87 empresas
b) 2 empresas
VIII.25 59 frascos
VIII.26
a) 0,1915
b) 0,5328
c) 0,2119
d) 0,1151
VIII.27 σ = 4,8
167
Gustavo J. Rueda G.
VIII.28
a) 7.229 horas
b) 4.492 baterías
VIII.29
a) Bs. 22.464.000
b) Bs. 28.800.000
c) 1.564 apartamentos
VIII.30 P (satisfacer la demanda) = 0,9808
VIII.31
a) A las 8:1837 am
b) 2,28%
VIII.32
a) σ = 2,896
b) k = 9,951904
VIII.33 Calificación = 9 puntos
VIII.34
a) σ = 15,60
b) 0,0274
VIII.35 1,3545 años
168
VIII.36 15,87%
VIII.37
a) k = 6,08
b) 0,1574
c) k = 2,68
VIII.38 0,7922
VIII.39
a) 0,7784
b) 0,7718
VIII.40 0,1196
VIII.41 a = 1,66024
VIII.42 13,305 días
VIII.43
a) 0,26595
b) 55,256 minutos
VIII.44
a) 0,8665
b) 102,132
c) 96,93
d) 0,8410
169
Gustavo J. Rueda G.
VIII.45
a) 0,0376
b) 79,23
VIII.46 0,9515
VIII.47 0,9207
VIII.48 0,50
VIII.49 0,0668
VIII.50 µ = 15,1934; σ2 = 14,9568
VIII.51 0,4990
170
BIBLIOGRAFÍA
ARVELO, A. (1998) Capacidad de los procesos industriales: Métodos

Estadísticos exigidos por las normas ISO - 9000. Primera Edición. Caracas.
Universidad Católica Andrés Bello.
KREYSZING, E. (1970). Introductory Mathematical Statistics. John

Wiley & Sons. Inc. Nueva York.
LEVIN, R.; RUBIN, D. (2004) Estadística para Administración y

Economía. Séptima Edición. México, D.F. Pearson Prentice Hall.
LIND, D.; MARCHAL, W.; WATHEN, S. (2008) Estadística Aplicada a

los Negocios y la Economía. Decimotercera Edición. México, D.F. McGraw-
Hill Interamericana Editores, S.A.
LÓPEZ C., R. (1984) Introducción al Cálculo de Probabilidades e

Inferencia Estadística. Segunda Edición, Caracas. Universidad Católica
Andrés Bello.
NEWBOLD, P.; CARLSON, W.; THORNE, B. (2008) Estadística para

Administración y Economía. Madrid. Pearson Prentice Hall.
SABINO, C. (1987) Cómo hacer una Tesis (Guía para elaborar y

redactar trabajos científicos). Caracas. Editorial Panapo.
SABINO, C. (1992). El proceso de investigación. Segunda Edición.

Caracas. Panapo.
171
STEVENS, S. (1946). Sobre la Teoría de las Escalas de Medición.
Science. Nueva Serie, Vol. 103, No. 2684. Asociación Estadounidense para
el Avance de la Ciencia.
TRIOLA, M. (2009) Estadística. Decima Edición. México, D.F. Pearson

Educación de México, S.A.
WALPOLE, R.; MYERS, R. (1992) Probabilidad y Estadística. Cuarta

Edición. México, D.F. McGraw-Hill Interamericana de México, S.A.
WEBSTER, Al. (2000) Estadística Aplicada a los Negocios y la

Economía. Tercera Edición. Santa Fé de Bogotá. McGraw-Hill
Interamericana, S.A.
172
APÉNDICES
APÉNDICE A: INTERPOLACIÓN LINEAL
Uno de los métodos de interpolación más sencillos es el lineal. La

interpolación lineal es rápida y sencilla, pero no muy precisa. Pero esa
debilidad es a la vez su fortaleza, al ser tan sencillo el procedimiento, es de
amplio uso, en especial para completar datos en tablas.
Sean dos puntos (x1, y1) y (x3, y3), entonces la interpolación lineal
consiste en hallar una estimación del valor y 2 , para un valor x 2 tal que
x1<x 2 <x3.
Teniendo en cuenta que las variaciones en una relación lineal son

constantes, entonces se puede determinar por ejemplo las siguientes
proporciones:
y2  y1 y3  y2

x2  x1 x3  x2
174
De igual forma, se puede determinar por ejemplo que:
y2  y1 y3  y1 x x y y
 , o lo que es equivalente 2 1  2 1
x2  x1 x3  x1 x3  x1 y3  y1
Despejando y2, se obtiene que:
( y3  y1 )( x2  x1 )
y2  y1 
( x3  x1 )
Se debe tener en consideración que esta última expresión esta lista

para ser usada y hallar un valor desconocido en términos de “y”, es decir, en
términos de las ordenadas. Pero la relación es similar si se quisiera hallar un
valor en términos de “x”, es decir, en términos de las abscisas. Por esta
razón, es muy útil expresar esta relación en una forma más genérica, es
decir, en una forma más general de uso, así que esta expresión se puede
expresar en su forma general:
Fórmula General de Interpolación:
Siendo los puntos 1 y 2, los puntos conocidos, de coordenadas P 1 (L1,

R1) y P2 (L2, R2), respectivamente. Y el punto a interpolar P (L, R), siendo R
el valor incógnita, el valor a calcular. Utilizando las letras R y L, se evita la
confusión que pudiera generan usar las letras x e y en relación a los ejes
coordenados.
175
Ejemplo:
La siguiente tabla muestra los resultados experimentales de cambio

de temperatura a diferentes alturas.
ALTURA TEMPERATURA
(m) (°C)
80 45
125 37
170 29
250 24
305 19
a) A 125 m de altura, ¿qué temperatura se registra?
La respuesta a esta situación es clara, es un valor en tabla, tabulado,

por lo tanto, con simple lectura de la tabla, la respuesta es 25° C.
b) Los 24° C, ¿a qué altura se alcanzan?
La respuesta a esta otra situación, es un valor en tabla, también

tabulado, por lo tanto, con simple lectura de la tabla, la respuesta es
250m.
c) A 155 m de altura, ¿qué temperatura se registra?
En esta ocasión, la solución no es tan simple, pues no es un valor

tabulado, ante esta situación, se debe completar la tabla, utilizando un
método de aproximación, en este caso el de interpolación lineal.
176
d) Los 20° C, ¿a qué altura se alcanzan?
En esta ocasión, la solución no es tan simple, pues no es un valor

tabulado, ante esta situación, se debe completar la tabla, utilizando un
método de aproximación, en este caso el de interpolación lineal.
177
178
APÉNDICE B: TEORÍA DE CONJUNTOS
Conjunto
Un conjunto es una colección bien definida. Un conjunto puede ser

una colección de pueblos, de objetos, de números, de ideas, de animales,
etc. Ejemplo: el Atlántico, el Pacífico, el Indico, el Ártico y el Antártico forman
el conjunto de los océanos. Los conjuntos se denotan en letras mayúsculas.
Los elementos son los que forman al conjunto. Los elementos se

denotan en letras minúsculas.
A = {x, y, a, b, z}
Conjunto finito es aquel que se conoce la cantidad de elementos que lo

integra.
Conjunto infinito es cuando el número de elementos que lo integra no

tiene fin.
Conjunto Vacio es aquel carece de elementos. Ejemplo: el conjunto de

los triángulos de cuatro lados.
={}
179
Subconjunto
Un conjunto B es subconjunto de otro A, si cada elemento de B es

elemento de A, B A.
Conjunto Universo o Universal
Es aquel que contiene a todos los elementos, se denota con la letra U

y se representa con un rectángulo.
Operaciones con Conjuntos
i) Complemento: es el conjunto formado por todos los elementos que no

pertenecen a "A" y que no pertenecen al conjunto universal "U", se denota
Ac = A´ = Â.
180
ii) Unión: es el conjunto formado por todos los elementos de "A" y de
"B", A U B
iii) Intersección: es el conjunto formado por los elementos que

pertenecen a "A" y que pertenecen simultáneamente a "B", A B
iv) Diferencia: es el conjunto formado por los elementos que pertenecen

a "A" y no pertenecen a "B", A - B. El contrario sería el conjunto formado por
los elementos que pertenecen a "B" y no pertenecen a "A", B - A.
181
v) Diferencia simétrica: es el conjunto formado por todos los elementos
de "A" y de "B", excluyendo a los que integran la intersección, A ∆ B.
Leyes del Algebra de Conjuntos
i) Idempotencia
AUA=A
A A=A
ii) Asociativa
A U (B U C) = (A U B) U C = A U B U C
A (B C) = (A B) C=A B C
iii) Conmutativa
AUB=BUA
182
A B=B A
iv) Distributivas
A (B U C) = (A B) U (A C)
A U (B C) = (A U B) (A U C)
v) Elemento neutro
AU =A
A U=A
vi) Elementos absorbentes

A U=U
A =
vii) Complemento
Uc = c
=U
A A=U A Ac =
183
APÉNDICE C: TEORÍA COMBINATORIA
La Teoría Combinatoria estudia las agrupaciones que pueden ser

formadas cuando se toman todos, o algunos, de los elementos de un
conjunto finito. Los elementos del conjunto pueden ser de cualquier
naturaleza: números, personas, cosas, empresas, artículos producidos por
una fábrica, etc. La Teoría Combinatoria estudia especialmente el número de
agrupaciones que pueden ser obtenidas o formadas bajo algún modo de
composición de los elementos y constituye una poderosa herramienta en el
cálculo de las probabilidades. El conteo uno a uno, siempre es un recurso,
pero no solo por el tiempo que toma el conteo de algunas situaciones y por
las dificultades entorno a realizarlo de esta forma, que la Teoría
Combinatoria resulta ser el camino más indicado.
C.1 Factorial
Es el producto de los sucesivos números inferiores de un número n

hasta el 0. El factorial de un número se denota por n!. Por definición
cero factorial (0!) es igual a 1.
n! = n . (n – 1) . (n – 2) . (n – 3) . (n – 4) …. ( – n)!
0! = 1
Ejemplo:
Calcular el factorial de 5
5! = 5 . 4 . 3 . 2 . 1 . 0! = 120
184
C.2 Combinaciones sin repetición
Son arreglos de los elementos donde no interesa el orden y un mismo

elemento sólo puede intervenir en el arreglo a lo más una sola vez.
Siendo:
 m: el número de elementos disponibles del conjunto.

 n: el número de elementos que entran en el arreglo o composición.
 Se lee combinaciones sin repetición de “m” elementos tomados o
arreglados de “n” en “n”.
Ejemplo:
¿Cuántos tríos diferentes se pueden formar con 5 letras?
Conjunto: {a, b, c, d, e}
Por conteo, se obtiene las siguientes ternas:

(a, b, c) (a, b, d) (a, b, e) (a, c, d) (a, c, e) (a, d, e) (b, d, e) (b, c, e) (b, d, c)
(c, d, e)
Por Combinatoria, se disponen de 5 letras, 3 letras entran en los
grupos o arreglos, no interesa el orden en que están dentro del grupo, por
tanto, es una combinación.
185
C.3. Combinaciones con repetición
Son arreglos de los elementos donde no interesa el orden y un mismo

elemento puede intervenir en el arreglo tantas veces como lo permita el
tamaño del arreglo.
Siendo:

 Se lee combinaciones con repetición de “m” elementos tomados o
Ejemplo:
Se considera el ejemplo anterior, pero ahora las letras se pueden
repetir, ¿Cuántos grupos diferentes se pueden formar?
Conjunto: {a, b, c, d, e}
Por conteo, se obtiene las siguientes ternas:
(a, b, c) (a, b, d) (a, b, e) (a, c, d) (a, c, e)

(a, d, e) (b, d, e) (b, c, e) (b, d, c) (c, d, e)
más los casos donde se repiten los elementos:
186
a, a, a b, b, b c, c, c d, d, d e, e, e
a, a, b b, b, a c, c, a d, d, a e, e, a
a, a, c b, b, c c, c, b d, d, b e, e, b
a, a, d b, b, d c, c, d d, d, c e, e, c
a, a, e b, b, e c, c, e d, d, e e, e, d
En total 35 casos posibles.
Por Combinatoria, se disponen de 5 letras, 3 letras entran en los grupos

o arreglos, no interesa el orden en que están dentro del grupo o arreglo, pero
pueden repetirse los elementos, hasta un máximo de tres, que es el tamaño
del mismo, por tanto, es una combinación con repetición.
C.4. Variaciones sin repetición
Son arreglos de los elementos donde interesa el orden y un mismo

elemento sólo puede intervenir en el arreglo a lo más una sola vez.
Siendo:

187
 Se lee variaciones sin repetición de “m” elementos tomados o
Ejemplo:
Con las siguientes personas, ¿Cuántas parejas de delegado y

subdelegado diferentes se pueden formar?
Conjunto: {Juan, Pedro, Luis, Carlos}
Por conteo, se obtiene las siguientes parejas:
(Delegado/Subdelegado) (Delegado/Subdelegado) (Delegado/Subdelegado) (Delegado/Subdelegado)
(Juan, Pedro) (Pedro, Juan) (Pedro, Luis) (Luis, Pedro)

(Juan, Luis) (Luis, Juan) (Pedro, Carlos) (Carlos, Pedro)
(Juan, Carlos) (Carlos, Juan) (Luis, Carlos) (Carlos, Luis)
En total son 12 parejas diferentes.
Por Combinatoria, se disponen de 4 personas, 2 entran en los grupos o

arreglos (parejas), interesa el orden en que aparecen dentro de la pareja
pues eso establece el cargo, no pueden repetirse los elementos, por tanto,
es una variación sin repetición.
188
C.5. Variaciones con repetición
Son arreglos de los elementos donde interesa el orden y un mismo

elemento puede intervenir en el arreglo tantas veces como lo permita el
tamaño del arreglo.
V’m,n = mn
Siendo:

 Se lee variaciones con repetición de “m” elementos tomados o
Ejemplo:
Se considera el ejemplo anterior, con la salvedad que una persona

puede, en simultáneo, ejercer los dos cargos. ¿Cuántas parejas diferentes
pueden formarse?
Por conteo, se obtienen las siguientes parejas:
(Delegado/Subdelegado) (Delegado/Subdelegado) (Delegado/Subdelegado) (Delegado/Subdelegado)
(Juan, Pedro) (Pedro, Juan) (Pedro, Luis) (Luis, Pedro)

(Juan, Luis) (Luis, Juan) (Pedro, Carlos) (Carlos, Pedro)
(Juan, Carlos) (Carlos, Juan) (Luis, Carlos) (Carlos, Luis)
(Juan, Juan) (Pedro, Pedro) (Carlos, Carlos) (Luis, Luis)
189
En total 16 parejas diferentes.
Por Combinatoria, se disponen de 4 personas, 2 entran en los grupos o

arreglos (parejas), interesa el orden en que aparecen dentro de la pareja
pues eso establece el cargo, pero pueden repetirse los elementos, debido a
que las personas pueden ejercer los dos cargos a la vez, que es el tamaño
del mismo, por tanto, es una variación con repetición.
V’4,2 = 42 = 16
C.6. Permutaciones sin repetición
Cuando se dispone de “n” elementos todos diferentes entre sí y se

ordenan o se disponen todos en una fila o columna, las permutaciones
establecen el total de formas o maneras en que esos elementos pueden
estar ordenados o arreglados o dispuestos entre sí.
Pn = n!
Siendo:

 Se lee permutaciones sin repetición de “n”.
Ejemplo:
Con los siguientes dígitos, ¿Cuántos números de tres cifras, sin repetir
digito se pueden armar?
Conjunto: {1, 2, 3}
190
Por conteo, son los siguientes números:
(123), (132), (213), (321), (231), (312)
Por Combinatoria, se disponen de tres elementos (números), sin que

se repitan, se quiere saber de cuantas maneras se dispone entre sí en una
fila o columna, esto es una permutación sin repetición.
P3 = 3! = 3 . 2 . 1 . 0! = 6
C.7. Permutaciones con repetición
Cuando se dispone de “n” elementos, en donde n 1 son del tipo 1, n2

son del tipo 2, n3 son del tipo 3, …, nk son del tipo k y se ordenan o se
disponen todos en una fila o columna, las permutaciones con repetición
establecen el total de formas o maneras en que esos elementos pueden
estar ordenados o arreglados o dispuestos entre sí.
Siendo: n = n1 + n2 + n3 +… + nk
Se lee permutaciones con repetición de “n” elementos, en donde n 1 son

del tipo 1, n2 son del tipo 2, n3 son del tipo 3,…, nk son del tipo k.
Ejemplo:
191
Se dispone de cuatro libros de Matemáticas, de dos de Estadística y
de tres de Administración de Personal. ¿De cuántas maneras diferentes
pueden disponerse los libros en una pequeña biblioteca?
C.8. Principio Multiplicativo
Si un arreglo se puede subdividivir en varios subarreglos, entonces el

total de formas o maneras de acomodar o arrumar el arreglo es el producto
de todas las formas o maneras de acomodar o arrumar los subarreglos.
Ejemplo:
¿Cuántos autos particulares pueden circular legalmente en Venezuela?

Para darle respuesta a este cuestionamiento, se debe partir de un
supuesto, que para que un vehículo pueda circular debe estar plenamente
identificado y que además lo esté con el sistema vigente, el establecido en
ley. En Venezuela, este sistema lo constituye la matricula del auto,
comúnmente llamada la placa. La placa vigente en el país, actualmente,
tiene la siguiente estructura:
192
Siendo L: letras y N: números.
El arreglo total consta de 7 elementos, de los cuales cuatro (4) son
letras y tres (3) son números, es decir, se puede subdividir en dos
subarreglos: uno numérico y otro de letras. Adicionalmente, se aprecia que el
orden importa, pues un elemento, cualquiera, que cambie de posición, es sin
duda la identificación de otro automóvil. Por tanto, son variaciones. Por otra
parte, se aprecia que los elementos se pueden repetir, es decir, puede haber
tanto letras repetidas como números repetidos. En síntesis, los subarreglos,
son variaciones con repetición.
El subarreglo numérico, se dispone de 10 números, del 0 al 9, y entran

al subarreglo tres de ellos y se les permite repetir, como ya se señaló.
V’10,3 = 103 = 1000 opciones numéricas
El subarreglo de letras, se dispone de 26 elementos en el alfabeto, de

la A a la Z, y entran al subarreglo cuatro de ellas y se les permite repetir,
como ya se señaló.
V’26,4 = 264 = 456.976 opciones con letras
193
Por principio multiplicativo, el total de registro que el sistema permite
(matriculas) es el producto de las formas de los subarreglos:
Total de placas posibles V’10,3 * V’26,4 = (1000) * (456.976) =

456.976.000
C.9. Principio Aditivo
Si un mismo arreglo se puede acomodar o arrumar de varias maneras

excluyentes, entonces, el total de formas o maneras en que se puede
arrumar o acomodar el arreglo, es la suma de todas esas formas o maneras
de acomodar o arrumar esas maneras excluyentes.
Ejemplo:
Con los siguientes dígitos, ¿cuántos números pares de tres cifras se

pueden formar, sin repetir digito?
Conjunto: {0, 1, 2, 3, 4, 5, 6}
Para que un número sea par, debe terminar en número par o en cero.
Importa el orden en que el digito está situado pues define un número
diferente y no pueden repetirse los dígitos, por tanto, son variaciones sin
repetición.
Con el cero (0) al final:
194
Con el dos (2) al final:
Con el cuatro (4) al final:
Con el seis (6) al final:
El total de números, bajo las condiciones exigidas, es la suma de las

formas excluyentes de acomodarlos:
Total de números que se pueden formar = V6,2 + V6,2 + V6,2 + V6,2 = 4

V6,2 = 4(30) = 120
195
APÉNDICE D: TABLA DE LA DISTRIBUCIÓN NORMAL
Tablas extraídas del libro Introductory Mathematical Statistics de Erwin Kreyszing (1970). John
Wiley & Sons. Inc. New York.
196
197
198
199
ANEXOS
200
ANEXO Nº 1: INTRODUCCIÓN A LA CONFIABILIDAD DE SISTEMAS
Puede entenderse la confiabilidad de un sistema como la probabilidad

de que ese sistema funcione o desarrolle una cierta función, bajo condiciones
fijadas y durante un período determinado. En síntesis, es la probabilidad de
que un dispositivo realice adecuadamente su función prevista a lo largo del
tiempo, cuando opera en el entorno para el que ha sido diseñado.
Un sistema es una colección de componentes/subsistemas dispuestos

de acuerdo a un diseño dado con el propósito de lograr el cumplimiento de
unas determinadas funciones con una adecuación y fiabilidad aceptables. El
tipo de componentes, su cantidad, su calidad y el modo en que están
dispuestas tiene un efecto directo en la confiabilidad del sistema.
Clase de Fallas
I. Causas de fallas
a. Desgaste: el fallo se produce por cansancio después de soportar
adecuadamente las fuerzas aplicadas.
b. Debilidad: el fallo se produce por debilidad del componente con
relación a las fuerzas aplicadas.
II. Modo de Presentarse
a. Gradual: el fallo puede ser previsto con anterioridad.
b. Repentino: el fallo no puede ser previsto con anterioridad.
III. Intensidad
a. Parcial: el componente puede continuar el servicio, aunque en forma
imperfecta.
b. Completo: el componente cesa en sus funciones totalmente.
201
IV. Modo de Presentarse la intensidad
a. Degradación: fallo, a la vez gradual y parcial.
b. Catastrófico: fallo, a la vez repentino y completo.
V. Período
a. Infantil: debilidad prematura.
b. Accidental: Repentino y aleatorio, en cualquier período de tiempo.
c. Senil: agotamiento general, vejez.
Cálculo de la Confiabilidad
La Confiabilidad como ya se definió es una probabilidad. Es un

concepto que deriva como una aplicación del Teorema de la Probabilidad
Producto para eventos independientes.
La Confiabilidad es entonces la probabilidad de que el sistema funcione,

y los sistemas, de la índole que sean, no son más que la disposición de un
conjunto de componentes. Cada uno de esos componentes, hasta donde sea
posible aislarlos, tienen su probabilidad de funcionamiento y de falla, que son
independientes de la probabilidad de funcionamiento o falla del resto de los
componentes que integran el sistema. Debe quedar claro que la probabilidad
de funcionamiento de un componente es complementaria a la probabilidad
de falla del mismo componente, es decir:
P (funcionamiento) + P (falla) = 1
La probabilidad de funcionamiento o de falla de cada componente, se

determina mediante procedimientos que se pueden revisar y estudiar con
detenimiento en tratados de Mantenimiento o en tratados de Confiabilidad.
202
No es el objetivo del presente material. Teniendo presente esto, se trabajará
bajo el supuesto de que las probabilidades de funcionamiento o falla de los
componentes son suministradas.
Para calcular la confiabilidad de un sistema, se debe revisar la

estructura del mismo. Esta estructura siempre parte de formas básicas, que
luego se integran y le dan forma definitiva al sistema. Es evidente, que hay
sistemas más complejos que otros, pero todos se componen de sus formas
básicas. Los tipos de sistemas son:
Sistemas con componentes en paralelo
Un sistema que está integrado por n componentes, que funcionan de

manera independiente, y que está dispuesto en forma en paralelo como se
indica en la figura. Con un sistema con este diseño, la única manera de que
el mismo no produzca salidas es que todos sus componentes estén en falla.
Sistemas con componentes en serie

manera independiente, y que está dispuesto en forma en serie como se
indica en la figura. Con un sistema con este diseño, la única manera de que
203
el mismo produzca salidas es que todos sus componentes estén en
funcionamiento.
Sistemas Mixtos

manera independiente, y que está dispuesto en forma en combinada, en
serie y en paralelo, como se indica en la figura. Con un sistema con este tipo
de diseño, debe ser analizado paso a paso, pues por su naturaleza
combinada, su entregas quedan condicionadas a su propio diseño.
Este último sistema es mixto, pues combina tres componentes

dispuestos en serie y en paralelo. Suponiendo, que las probabilidades de
funcionamiento de cada componente son P1, P2 y P3, respectivamente. ¿Cuál
es la confiabilidad del sistema?
Primer enfoque: definiendo los eventos
A1 = funciona la rama superior

A2 = funciona la rama inferior
204
Entonces, usando el teorema de la suma, se garantiza el
funcionamiento del sistema
A1 A2 = funciona el sistema
P (A1 A2) = P (A1) + P (A2) - P (A1 A2)
P (A1 A2) = P1 . P2 + P3 - P1 . P2 . P3
Confiabilidad del sistema = C = P 1 . P2 + P3 - P1 . P2 . P3
Segundo enfoque: por complementos
Confiabilidad = P (funcionamiento del sistema)

P (funcionamiento del sistema) = 1 - P (falla del sistema)
P (funcionamiento del sistema) = 1 - [P (falla rama superior) . P (falla
rama inferior)]
P (funcionamiento del sistema) = 1 - {[P1 . (1 - P2) + (1 - P1) . P2 + (1 -

P1) . (1 - P2)] . [1 - P3]}
P (funcionamiento del sistema) = P1 . P2 + P3 - P1 . P2 . P3
Confiabilidad del sistema = C = P1 . P2 + P3 - P1 . P2 . P3
Sistemas con estructuras complejas
Estructuras complejas que no son serie - paralelo, puede resolverse

mediante descomposición, utilizando probabilidades como se muestra a
continuación, en la estructura siguiente:
205
En primer lugar se descompone en dos estructuras, una con el
componente C3 en puente, equivalente al caso C3 que no falla nunca y otra
con el componente C3 abierto, equivalente a C3 en falla, como muestran en la
figura:
La Confiabilidad del sistema o la probabilidad de funcionamiento del

mismo, se logra trabajando los dos subsistemas, el A y el B, calculando cada
estructura por separado y luego se suman sus probabilidades, puesto que
ahora son estructuras mixtas, con simples estructuras serie - paralelo.
Las probabilidades de funcionamiento de cada componente son iguales a P.
Las probabilidades de falla de cada componente son iguales a F y F = 1 - P.
P (Funcionamiento) = P (funcionamiento Sub-sist. A) + P (funcionamiento
Sub-sist. B)
P (funcionamiento Sub-sist. A) = {1 - [(1 - P) . (1 - P)]} . {1 - [(1 - P) . (1 - P)]}
206
P (funcionamiento Sub-sist. A) = {1 - [(1 - P)2]} . {1 - [(1 - P)2]}
P (funcionamiento Sub-sist. A) = {1 - [(1 - P)2]}2
P (funcionamiento Sub-sist. B) = 1 - [(1 - P2) . (1 - P2)]
P (funcionamiento Sub-sist. B) = 1 - (1 - P2)2
Confiabilidad del sistema = C = {1 - [(1 - P)2]}2 + 1 - (1 - P2)2
Ejemplos:
1) Un motor está equipado por cuatro pistones que funcionan

independientemente. La probabilidad de falla de cada pistón es 5%. ¿Cuál es
la probabilidad de que el motor funcione si se sabe que necesita por lo
menos de un pistón para que funcione?
De lo que se desprende del enunciado, el sistema que se plantea es

en forma de paralelo, pues hay entrega si al menos uno de los componentes
funciona. Este sencillo sistema tiene esta estructura:
Para cada componente, se tiene:

P (falla) = 0,05
P (funcionamiento) = 1 - P (falla)
P (funcionamiento) = 1 - 0,05
P (funcionamiento) = 0,95
P (falla del motor) = P (falla cada pistón)4 = (0,05)4

P (funcionamiento del motor) = 1 - P (falla del motor)
P (funcionamiento del motor) = 1 - (0,05)4
Confiabilidad = P (funcionamiento del motor) = 0,99999375
207
2) Se tiene establecido en los procedimientos de trabajo, que los
documentos en cierta entidad bancaria, pasan de una estación a otra, por
cinco instancias, de forma lineal, para la aprobación de créditos para la
compra de autos nuevos. Por estimaciones pasadas, se sabe, que las tres
primeras estaciones trabajan con una tasa de falla del 0,05 y que las dos
últimas tienen una tasa de falla del 0,03. ¿Cuál es la confiabilidad de este
sistema?
De lo que se desprende del enunciado, el sistema que se plantea es

en serie, pues hay una secuencia lineal, si alguna de las estaciones se
detiene, el flujo de los documentos se detiene, es decir, el sistema falla. Este
sencillo sistema tiene esta estructura:
Entonces, para que este sistema funcione es necesario que cada

componente esté funcionando, por lo tanto, se requiere la probabilidad de
funcionamiento de cada componente.
P (funcionamiento de las tres estaciones iniciales) = 1 - 0,05 = 0,95

P (funcionamiento de las dos estaciones finales) = 1 - 0,03 = 0,97
Confiabilidad del sistema = (0,95)3 . (0,97)2
Confiabilidad del sistema = 0,806704
3) Hallar la confiabilidad del sistema, sabiendo que cada componente

tiene una probabilidad de falla de 0,10.
208
P (funcione) = (1 - 0,13) . (1 - 0,12)
P (funcione) = (0,999) . (0,99)
Confiabilidad del sistema = 0,98901
4) Hallar la confiabilidad del sistema, suponiendo que cada componente

tiene una probabilidad de falla de 0,15.
Confiabilidad = 0,79629
209
ANEXO Nº 2: CAPACIDAD DE UN PROCESO
El hecho de que un proceso se encuentre bajo control estadístico no

significa que va a producir artículos de calidad, lo que significa es
simplemente que sobre su variabilidad están actuando solamente causas
comunes, y es perfectamente posible que a pesar de hallarse bajo control,
este margen de variabilidad sea tan amplio que le impida cumplir con las
especificaciones exigidas por el consumidor o usuario.
Para poder controlar la calidad deben existir unas especificaciones, que

son límites entre los cuales debe caer una determina característica
cuantitativa para que se considere que el producto satisface los requisitos de
calidad; así por ejemplo, cuando se exige que un eje debe tener un diámetro
de (100,00 ± 0,25) mm, esto significa que su diámetro debe caer en el
intervalo (99,75 ; 100,25) mm para que cumpla con este requisito de calidad.
Estos límites del intervalo definen lo que se denominan las especificaciones,
y sus extremos, reciben el nombre de límite inferior de especificación y
límite superior de especificación, en lo sucesivo se designaran por Li y Ls
respectivamente.
La diferencia entre esos límites se define como la tolerancia: T = L s – Li.
Resulta obvio que cuanto mayor sea la tolerancia de un producto, más

fácil resultará al proceso cumplir con las exigencias de calidad, puesto que el
producto permite una mayor variabilidad; pero por el contrario, cuanto más
pequeña sea la tolerancia, es más difícil cumplir puesto que el margen de
variabilidad es más estrecho y por tanto más exigente.
210
Se ha visto, que cuando un proceso está bajo control estadístico, los
productos que fabrica se comportan según un modelo normal, y que entre los
límites (µ - 3σ) y (µ + 3σ), debe caer entonces el 99,73% de la producción.
De allí entonces, que resulte conveniente que un proceso trate de ubicarse
entre estos límites, a fin de garantizar que la casi totalidad de la producción
va a cumplir con la especificación.
Por otra parte, hay que tener en cuenta que los parámetros µ y σ del
proceso constituyen una característica propia del mismo. Se media µ
generalmente puede ser fijada a voluntad, según ciertos ajustes y
calibraciones que se le hagan a las máquinas, equipos o sistemas, pero su
desviación típica σ es mucho más difícil de modificar, puesto que depende de
las causas comunes que lo afectan, tales como precisión de las máquinas o
equipos, destreza de los operarios, etc.
Cuando la media µ del proceso coincide con el punto medio de las

especificaciones, se dice que el proceso está centrado.
Centrar un proceso no es garantía de que la producción va a cumplir

con las especificaciones, pues si los límites de especificación resultan más
estrechos que los límites de variación ±3σ, entonces un cierto porcentaje de
la producción va a resultar defectuosa, tal como se indica en la grafica
siguiente:
211
Cuando un proceso está centrado, el porcentaje de piezas defectuosas
se reparte por igual a ambos lados de la curva.
Cuando la media de un proceso no coincide con la media de la

especificación, se dice que está descentrado o que la media está corrida, y
en ese caso el porcentaje de piezas por encima del límite superior
(defectuosas por exceso) es diferente de las que resultan por debajo del
límite inferior (defectuosas por defecto).
Por lo general, en el Control Estadístico de Calidad, se trata de

mantener al proceso centrado, porque bajo esta situación, el porcentaje de
piezas fuera de especificación es lo mínimo posible.
212
Hay situaciones especiales en que deliberadamente se provoca un
corrimiento de la media y el proceso se descentra, debido a que por un
extremo es posible corregir las piezas defectuosas, y por el otro extremo las
piezas resultan inservibles. Cuando se presentan situaciones de esta
naturaleza, la determinación del punto en que hay que colocar la media del
proceso, depende del costo de la corrección, del costo de perder la pieza
inservible y de la utilidad que se obtenga por una pieza dentro de la
especificación.
Se dice que un proceso es capaz, cuando los límites de la

especificación resultan más amplios que sus límites ±3σ, pues en este caso,
de estar centrado el proceso, se podrá garantizar que prácticamente el 100%
de las piezas producidas cumple con la especificación exigida.
La capacidad del proceso es entonces la disposición que tiene para

adaptarse a las especificaciones, y es por consiguiente una cualidad que
debe exigírsele a todo proceso, si se quiere garantizar la producción o
fabricación de piezas o artículos que cumplan los requisitos de calidad
establecidos en las normas.
213
Para medir la capacidad del proceso es necesario comparar la
amplitud de su intervalo natural de variación, que como se conoce es desde
µ - 3σ hasta µ + 3σ, lo que da una amplitud de 6σ, con la amplitud del
intervalo de especificación Ls – Li que es la tolerancia de la especificación T,
y de allí que la medida utilizada para expresar la capacidad es el
denominado Coeficiente de Capacidad, Cp definido por:
Cuando Cp ≥ 1, el proceso es capaz siempre que esté centrado,

mientras que cuando Cp < 1, el proceso es incapaz aunque esté centrado,
pues los límites de la especificación resultan demasiado estrechos en
comparación con los límites de variabilidad natural del proceso, por efecto de
las causas comunes.
TABLA DE VALORACIÓN
COEFICIENTE DE CAPACIDAD CAPACIDAD DEL PROCESO
Cp ≥ 1,33 MUY SATISFACTORIA
1,00 ≤ CP < 1,33 ADECUADA
CP < 1,00 INADECUADA
El hecho de que un proceso sea capaz no significa sin embargo, que

no deba ser controlado, pues si aparecen circunstancias externas que
provoquen un corrimiento de la media y lo descentran, van a aparecer
entonces un cierto porcentaje de defectuosas, en caso de que la distancia de
214
la nueva media a uno de los límites de especificación sea inferior a 3σ, tal
como se muestra en la figura siguiente:
Para detectar a tiempo estos corrimientos de la media, es por lo que los

Gráficos de Control Estadístico, constituyen una herramienta muy útil en el
control de procesos.
En conclusión, los estudios de capacidad denominados también de

habilidad, tienen como objetivo el de determinar si el proceso puede
someterse a las especificaciones que le son impuestas, o si por el contrario,
dichas especificaciones resultan demasiado estrictas para el proceso, y por
consiguiente, deben ser ampliadas o debe recurrirse a otro proceso que sea
más preciso.
Anexo N° 2: Capacidad de un Proceso, tomado del libro "La Capacidad de los Procesos
Industriales: Métodos Estadísticos exigidos por las normas ISO - 9000" de Ángel Francisco Arvelo
(1998). Universidad Católica Andrés Bello. Caracas.
215

Manual de Estadistica I

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Manual de Estadistica I

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD DE ORIENTE

GUSTAVO JOSÉ RUEDA GUTIÉRREZ

MATURÍN, JULIO 2014

FIGURA N° 1: UNIVERSO Y POBLACIÓN..................................................... 5

Autor: Ing. Gustavo José Rueda Gutiérrez

El objetivo fundamental de este trabajo es brindar una herramienta

El objetivo último de este trabajo es presentar al estudiante de

No se ha querido desarrollar a profundidad la Teoría Estadística

De igual manera, en situaciones en la que se considera un especial

El trabajo está dividido en ocho capítulos, cada uno de ellos abarca un

El tipo de situaciones que se presentan está fundamentalmente

sumo cuidado en todas y cada una de las respuestas a los ejercicios

Finalmente, se espera que este trabajo contribuya a elevar el nivel de

UNIDAD I: DEFINICIONES BÁSICAS USADAS EN

Estadística es mucho más que sólo números apilados y gráficas muy

La ausencia de ésta conllevaría a un caos generalizado, dejando a los

La Estadística que hoy se conoce debe en gran parte sus alcances y

Es una ciencia, pues usa el método científico, que se apoya en las

La Estadística para su mejor estudio se ha dividido en dos grandes

1.2 Estadística Descriptiva

Es el conjunto de métodos cuantitativos que permiten organizar y

1.3 Estadística Inferencial

Es el conjunto de métodos cuantitativos que permiten organizar y

Es el conjunto total de individuos, cosas, hechos, objetos, etc., que se

Es el conjunto que se obtiene de las mediciones realizadas sobre los

FIGURA N° 1: UNIVERSO Y POBLACIÓN

Las poblaciones objetos de estudio, según sea el número de elementos

Es una parte o subconjunto de la población. Es necesario que para

Es el método que se emplea para seleccionar una muestra. Existen

Es una característica de una población. Es un valor poblacional, por

Es una característica especifica de una muestra. Es un valor muestral,

FIGURA N° 2 DEFINICIONES BÁSICAS

Es el elemento básico de la Estadística, es su materia prima.

1.11 Variable Aleatoria y Tipos

Es un símbolo que representa un elemento no especificado de un

 Variable Cualitativa: es aquella en las que las observaciones sobre un

Consiste en la asignación de números a elementos u objetos para

1.13 Nivel de Mediciones

Dicha clasificación obedece a las escalas de medición propuestas por el

1. Escala Nominal: cuando se utilizan nombres para establecer categorías.

1.14 Unidad Estadística

Es el sujeto en particular sobre el cual se está observando la variable.

1.15 Problemas Unidad I

I.1 Se realiza un estudio en la parroquia San Simón del Municipio Maturín,

I.3 De un lote de 1.000 piezas defectuosas se toman al azar 150 de ellas,

I.5 La Universidad de Oriente ha encuestado a 780 de sus estudiantes de su

UNIDAD II: ESTADÍSTICA DESCRIPTIVA. MÉTODOS

Los datos constituyen la materia prima de la Estadística. Los datos se

1. Puntual o no agrupados: registrando el valor exacto de cada dato.

2.1 Distribución de Frecuencia

Es una tabla que resumen datos enumerando las clases en la columna

2.2 Intervalo Total (Rango de los Datos o Recorrido de los Datos)

Es la diferencia (distancia) entre el valor mayor observado (XM) y el

2.3 Intervalo de Clase

Es el fraccionamiento que se hace del Intervalo Total en recorridos

2.4 Marca de Clase

Es el punto medio del intervalo de clase. Hay tantas marcas de clase

2.5 Fórmula Empírica

Es la forma de establecer la amplitud del intervalo de clase dado el

Es la forma de establecer la amplitud del intervalo de clase cuando el

Luego, hecha la aproximación correspondiente, se utiliza la conocida

2.7 Tipos de Frecuencia

 Frecuencia simple o absoluta (fi): Es el número de veces que se repite