Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Alejandra M. Martínez
Martinez, Alejandra Mercedes
Fundamentos de técnicas cuantitativas / Alejandra Mercedes Martinez. -
1a ed. - Ituzaingó : Alejandra Mercedes Martinez, 2019.
Libro digital, PDF
En primer lugar quiero agradecerle a todas las personas que, al escuchar que me encontraba
escribiendo un libro, me alentaron y felicitaron.
A mi mamá, porque siempre me acompaña y busca lo mejor de y para mí.
A Nicolás, que me tuvo una enorme paciencia, me alentó a que lo escribiera, y me ayudó
muchísimo con su lectura crítica.
A Vanina, que leyó las diferentes versiones desde el inicio de la escritura y colaboró con sus
comentarios y correcciones.
Y por último y no menos importante, a mi tía chiquita (Elena Martínez), que es mi fuente de
inspiración en esto y en todo lo relacionado con la matemática, que además es la mejor matemática,
la más dulce, buena y con un ojo crítico increíble que todo lo que toca lo mejora exponencialmente
(con exponente grande y porque ella es una mujer más grande que uno).
Prólogo
Siempre quise escribir un libro. Durante mis años como alumna, más de una vez pensé en que
sería un libro para secundario, entretenido pero serio, con un espíritu parecido al que había usado
yo los últimos años del colegio pero a su vez muy diferente a los que había visto de mis alumnos
cuando daba clases particulares. Hace sólo unos años atrás creí que sería mejor que escribiera un
libro de programación en mi tan amado lenguaje R, un libro que ayudara a los docentes a dar sus
clases... pero este libro tenía sentido sólo en su versión online, no impresa, y ya había cientos de
libros con exactamente el mismo espíritu (y la misma enorme cantidad de videos tutoriales).
En 2017 surgió la necesidad de acompañar la asignatura Fundamentos de Técnicas Cuantitativas
de la Licenciatura en Información Ambiental de la Universidad Nacional de Luján con alguna
bibliografía que abarcara muchos de sus diversos contenidos, para un nivel correspondiente a un
primer año de la Universidad, con alumnos que no tuvieran otra materia de matemática entre ésta
y sus materias de secundario. Los libros que formaban parte de la bibliografía de la asignatura
eran muchos, para contemplar la totalidad de los contenidos, y con niveles variados, dado que
ciertos temas de la asignatura se suelen abordar desde el supuesto de un conocimiento preexistente
usualmente provisto por materias previas de matemática.
En 2019 alcancé este objetivo. El presente libro contempla muchos de los principales contenidos
de la asignatura en cuestión. Espero que para el lector, el mismo resulte llevadero, educativo y
entretenido.
Contenidos
1 Cálculos combinados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.1 Conjuntos numéricos 9
1.1.1 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.2 Potenciación y radicación 10
1.2.1 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.2.2 Propiedades de la potenciación y la radicación . . . . . . . . . . . . . . . . . . . . . . . 12
1.2.3 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.3 Factorización 14
1.3.1 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.4 Sumatorias y productorias 16
1.4.1 Sumatorias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.4.2 Productorias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.4.3 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.5 Caso de factoreo: factor común 20
1.5.1 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.6 Ecuaciones 22
1.6.1 Valor absoluto o Módulo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.6.2 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.7 Intervalos 26
1.7.1 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
1.8 Inecuaciones 32
1.8.1 Inecuaciones con valor absoluto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
1.8.2 Otras inecuaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
1.8.3 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
1.9 Ejercicios surtidos 39
2 Funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
2.1 Representación de puntos en el plano 45
2.1.1 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
2.2 Funciones 46
2.2.1 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
2.3 Funciones lineales 53
2.3.1 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
2.4 Funciones cuadráticas 59
2.4.1 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
2.5 Funciones partidas 68
2.5.1 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
3 Técnicas de conteo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
3.1 Regla del producto 75
3.1.1 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
3.2 Permutaciones 78
3.2.1 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
3.3 Variaciones 81
3.3.1 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
3.4 Combinaciones 85
3.4.1 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
3.5 Ejercicios surtidos 92
4 Probabilidades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
4.1 Espacios muestrales equiprobables 94
4.1.1 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
4.2 Propiedades de probabilidades 97
4.2.1 Diagrama de Venn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
4.2.2 Más sobre probabilidades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
4.2.3 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
9 Anexo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 251
9.1 Arimética básica 251
9.1.1 Suma y resta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 251
9.1.2 Multiplicación y división . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 252
9.1.3 Los paréntesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 253
9.1.4 Signos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 254
9.1.5 Separación en términos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 254
9.1.6 Propiedad distributiva . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 255
9.2 Fracciones 257
9.2.1 Suma y resta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 258
9.2.2 Multiplicación y división . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 260
9.2.3 Simplificación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 262
9.2.4 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 262
9.3 Tabla Normal 265
Bibliografía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 267
Índice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 269
1. Cálculos combinados
En este primer capítulo nos enfocaremos, principalmente, en realizar un pequeño repaso sobre
números, notación y cálculos algebraicos.
entre otros.
Observación: en matemática solemos usar los puntos suspensivos para indicar que algo continúa
por muchas veces más o incluso infinitamente, ya sea de una manera conocida como desconocida.
Para expresar un número con decimal usaremos “,” o “.”. Su elección dependerá de cuán claro
quede indicado el número. Por ejemplo: en lugar de 3, 5, 7 y 8 para indicar tres números y uno solo
de ellos con decimal, diremos: 3.5, 7 y 8. De la misma manera, si se tuvieran que multiplicar los
números, por ejemplo, 3, 5 y 7 escribiremos: 3, 5.7 y no 3.5.7.
Una manera de indicar que un número pertenece o no pertenece a un conjunto dado es con el
símbolo ∈ y ∈,/ respectivamente. Por ejemplo, 2 ∈ N pero 0.5 ∈ / N o bien π ∈ R pero π ∈/ Q.
1.1.1 Ejercicios
1. Determinar si las siguientes expresiones son verdaderas (V) o falsas (F):
(a) 3 ∈ N (e) e ∈
/ N0
√
(b) 4.5 ∈ R (f) 3∈
/R
(c) e ∈ N (g) 0 ∈
/N
√
9∈Q
(d) 4.b (h) 7∈N
Para un repaso de aritmética básica con números reales y un repaso de fracciones, ver el Anexo
(Capítulo 9).
Para hacer ese cálculo, ¿qué deberíamos resolver primero? La respuesta es “el cubo”. O sea,
primero debemos hacer (−2)3 . Como esto es (−2).(−2).(−2) el resultado es −8. Es decir, por
ahora tenemos que
−(−2)3 = −(−8)
Luego, usando la regla de los signos, se tiene que
−(−2)3 = −(−8) = 8
√
Es importante notar que en los reales no siempre hay solución. Por ejemplo, −1 no tiene
solución real porque no existe x ∈ R tal que x2 = −1.
De todas formas, lo que nos interesa son las propiedades y, para ello, la siguiente relación es lo
más importante: dado b > 0 √n 1
b = bn .
Es decir, la radicación no es otra cosa que la potenciación con exponente fraccionario, tal como lo
habíamos anticipado.
Ejemplo 1.2 Algunas radicaciones escritas como potenciaciones son:
√ 1
• √5 = 5 2
5 1
• 7 = 75
Es decir, una potencia negativa se puede convertir en positiva “dando vuelta” la fracción.
Ejemplo 1.3 Algunas aplicaciones de esta propiedad son:
−2 2
3 5 25
• = =
5 3 9
3
1 1
• 2−3 = =
2 8
− 21
1 1 √
• = 92 = 9 = 3
9
1.2.1 Ejercicios
1. Calcular
(a) 23 √
(k) ( 5 32)3
(b) 32 23
(l) ( 23 )−3
(c) (−1)5
9 −2 1
(m) ( 16 )
(d) (−5)2 √
(n) ( 4)−1
(e) −23 2
(o) − − 15
(f) −(−3)4
3 3
√ (p) − 5
(g) 16
√ (q) 23 − 33 + (−1)4
(h) 4 16
√ (r) (−3)2 ((−1)2 − (−4)3 )
(i) 3 −1 (s) 22 (32 − 5) + (−1)3 (23 − 15 )
√ √ √
(j) ( 9)2 (t) 49(3 − 5) + (−2)2 1 − 3 −8
Si bien en la Sección anterior fue considerado únicamente el caso en que n era un número
natural, las propiedades son válidas para n ∈ R.
Ejemplo 1.4 Aplicar propiedades de potenciación y, en los casos en los que sea posible, dar el
resultado numérico:
3
2 7 3 2 a2 2b3
(a) 32 35
(b) x (c) 5 − 7x (d)
2a4 b
Solución:
(a) Aplicando la primera propiedad, se tiene que 32 35 = 32+5 = 37 = 2187.
7
(b) Aplicando la tercera propiedad, se tiene que x2 = x2.7 = x14 .
(c) Como la potenciación no es distributiva ni con la suma ni con la resta, debemos usar la
definición de potenciación. Luego, (5 − 7x3 )2 = (5 − 7x3 )(5 − 7x3 ). Aplicando la propiedad
distributiva de la multiplicación, la regla de los signos y haciendo las multiplicación de los
números cuando corresponde, se tiene que
Por último, aplicando la primera propiedad y agrupando los dos términos que se pueden
agrupar, se ve que
Solución:
√ 1
(a) Aplicando la propiedad que relaciona la radicación con la potenciación, 35 = 35 2 . Luego,
√ 1 5
aplicando la propiedad 3, resulta que 35 = 35 2 = 3 2 .
√ 2
(b) √
De √la misma manera se ve que 32 = 3 2 = 31 = 3.
1 1 1 1 5
(c) 2 2 = 2 2 2 3 = 2 2 + 3 = 2 6 .
3
√ √ √
(d) Por la propiedad 4 con exponente fraccionario, 25x 4 = 25 x4 . Luego, aplicando la
√ 4
relación entre radicación y potenciación resulta que s 25x
4 = 5x 2 = 5x2 .
1
6 3
3 2 x 26 x3 3
(e) Pensando en exponente fraccionario se ve que = . Luego, aplicando la
y9 y9
6 3 13 1 1
2 x (26 ) 3 (x3 ) 3
propiedad 4 (propiedad distributiva), = 1 . Por último, aplicando la
y9 (y9 ) 3
1 1 1 1
(26 ) 3 (x3 ) 3 26 3 x 3 3 22 x1 4x
propiedad 3, resulta que 1 = 1 = = 3.
(y9 ) 3 y9 3 y3 y
14 Capítulo 1. Cálculos combinados
1.2.3 Ejercicios
1. Simplificar las siguientes expresiones aplicando propiedades. En los casos en los que sea
posible, dar el resultado numérico.
(a) 23 22
√ √
(j) x3x
(b) a6 a3 6
√ (k) p5
(c) 9 √
√ (l) ( 2)4
(d) 3 8 4
(m) 3mn2
(e) (2x)3 h 2 i2
(n) y2 3y2 : (9y4 )
(f) (3yz)2 p
a3h−1 a2h−2
√3 (o)
(g) x3 27 a4h−3
2
√ (p) 27 p−1 q3−p
(h) 4x6
√ √
h 2 i3
(i) b b (q) (3x)2 5x3
2. Desarrollar:
3. Desarrollar:
1.3 Factorización
Si bien las definiciones presentadas a continuación se pueden extender a los números enteros no
nulos (es decir, sin el 0), lo que sigue se hará sólo con los números naturales (que es el caso más
habitual).
Comencemos recordando a qué se llama divisor de un número.
Definición 1.3 — Divisor. Un divisor de un número entero n es un número entero tal que, tras
dividir a n por dicho número se obtiene un número entero, es decir, el resto de hacer la división
es 0. Otra forma de decirlo es que si m es divisor de n entonces existe un número entero k tal
que m.k = n.
Definición 1.4 — Primos. Un número primo es un número natural que tiene únicamente dos
divisores naturales distintos.
Observación: A partir de la definición, ¿el número 1 es un número primo? La respuesta es no,
porque sólo tiene al 1 como único divisor natural.
Los primeros siete números primos son 2, 3, 5, 7, 11, 13, 17. Pero podríamos seguir porque hay
infinitos números primos.
Es claro entonces que si un número natural es primo significa que sus únicos divisores son él
mismo (siempre se puede dividir a un número distinto de cero por sigo mismo y el resultado es 1) y
el 1 (en cuyo caso el resultado de la división es el mismo número natural).
Ejemplo 1.6 Decidir si los siguientes números son primos o no.
Solución: Para responder si un número es primo hay que buscar sus divisores (aunque no
necesariamente todos en todos los casos).
(a) Los divisores del número 5 son únicamente el 1 y el 5, luego es un número primo.
(b) El número 6 tiene el 1, el 2, el 3 y el 6 como todos sus divisores positivos posibles, luego el 6
no es primo (porque estos divisores son 4 en total y no 2). Observemos que para ver si el
6 era primo bastaba con encontrar 3 (no hacía falta encontrarlos todos) ya que con 3 ya se
contradiría la definición de número primo.
(c) Algunos divisores de este número son el 1, el 5, el 3,... y se podría seguir (queda como tarea
para el lector hallar todos los divisores de 45), luego el 45 no es un número primo.
El teorema fundamental de la aritmética dice que cada entero positivo tiene una única descom-
posición en números primos. Esta factorización es única salvo el orden de los factores.
Observación: La factorización de un número primo es el mismo número y por lo tanto no tiene
mucho sentido factorizarlo.
Ejemplo 1.7 Factorizar los siguientes números:
Solución: Para factorizar los números hay que hallar todos los números primos que los dividen
e identificar además cuántas veces aparecen en la división del número.
(a) Por el ejemplo anterior sabemos que los número primos que dividen al 6 son el 2 y el 3.
Como la multiplicación de estos da como resultado el 6, entonces 6 = 2 · 3 es la factorización.
(b) El número 8 tiene sólo un primo, el 2, entre sus divisores. Sin embargo, el 2 aparece 3 veces
(porque 8/2=4, 4/2=2 y 2/2=1). Luego, 8 se factoriza como 8 = 2 · 2 · 2 = 23 .
(c) El número 45 se puede dividir por los primos 3 y 5, sin embargo, el 3 aparece dos veces
(45/5=9, 9/3=3 y 3/3=1). Luego, 45 = 3 · 3 · 5 = 32 5.
16 Capítulo 1. Cálculos combinados
1.3.1 Ejercicios
1. Factorizar los siguientes números:
1 + 2 + 3 + 4 = 10
1 1 1 47
+ + =
3 4 5 60
En matemática hay una forma de expresar la suma que queremos hacer pero, para ello, necesi-
tamos tener una expresión general de la sucesión.
Supongamos que la sucesión es a1 , a2 , a3 , a4 , ... donde el subíndice me dice en qué posición
estamos, o sea, el subíndice es la posición. Por ejemplo:
a) a1 = 1 a2 = 2 a3 = 3 a4 = 4 ...
¿Y a8 ? a8 = 8. ¿Y ak ? ak = k. O sea, con el ak podemos indicar a un elemento genérico de
la sucesión.
b) a1 = 2 a2 = 4 a3 = 6 ... ¿Y a5 ? a5 = 10 ¿Y a15 ? a15 = 30 ¿Y ak ? ak = 2k. El
elemento genérico es ak = 2k.
c) a1 = 1 a2 = 1/2 a3 = 1/3 ... ¿Y a7 ? a7 = 1/7 ¿Y a10 ? a10 = 1/10 ¿Y el ak ?
ak = 1/k. El elemento genérico de la sucesión es ak = 1/k.
Ahora que sabemos cómo se escribe un elemento cualquiera de la sucesión, podemos escribir de
manera matemática formal la suma pedida de la siguiente manera:
1.4 Sumatorias y productorias 17
a) nos pedían sumar los primeros 4 elementos de la sucesión, esto sería hacer:
4
a1 + a2 + a3 + a4 = ∑ ak
k=1
4
1+2+3+4 = ∑k
k=1
El símbolo Σ, que se ve como una M invertida, es la letra griega sigma mayúscula y nos sirve
para simbolizar la suma.
Observemos que debajo del símbolo Σ va desde donde se quiere sumar y arriba dice hasta
donde se quiere sumar.
b) Ahora se pide sumar desde el segundo hasta el sexto, o sea,
6
a2 + a3 + a4 + a5 + a6 = ∑ ak
k=2
6
4 + 6 + 8 + 10 + 12 = ∑ (2k)
k=2
c) se pedía sumar desde el tercer elemento hasta el quinto elemento, o sea
5
a3 + a4 + a5 = ∑ ak
k=3
5
1 1 1 1
+ + = ∑k
3 4 5 k=3
Ejemplo 1.8 Calcular la siguiente suma:
5
∑ k2
k=2
Solución:
• ¿Cuál es el ak ? ak = k2 .
• ¿Cómo es la sucesión? La sucesión es a1 , a2 , a3 , ... o sea
12 22 32 42 52 ...
• ¿Cuáles nos interesa sumar? Sólo desde el segundo hasta el quinto, entonces
22 + 32 + 42 + 52 = 54
¿Cuántos elementos estoy sumando? Es claro que se suma desde am hasta an . No es difícil ver que
esos son n − m + 1 elementos. Por ejemplo, sumar desde a1 hasta a4 es sumar 4 elementos y no
“n − m” que daría 3.
Observación: si al elemento genérico lo llamamos a j en lugar de ak , o sea si llamamos j al
subíndice, lo único que cambia es cómo escribimos la sumatoria pero el resultado no va a cambiar.
O sea, es lo mismo poner
n n n
∑ ak = ∑ aj = ∑ ai = . . .
k=m j=m i=m
18 Capítulo 1. Cálculos combinados
6
j
∑ ( j + 1)2
j=3
j
Solución: El término general de la sumatoria es a j = . Los términos de la sucesión son
( j + 1)2
1 2 3 4 5 6 7
...
4 9 16 25 36 49 64
Nos interesa sumar sólo 4 elementos de esta sucesión, desde la posición 3 hasta la posición 6.
Luego,
6
j 3 4 5 6
∑ ( j + 1)2 = 16 + 25 + 36 + 49 ≈ 0.609
j=3
k 1 2 3 4 5 6 7 8 9 10 11 12
yk -1,2 0 3,1 5 1 -2,1 3,3 -5 3 2,9 -2,3 0
Calcular:
4 8 12
(a) ∑ yk (b) ∑ (yk )3 (c) ∑ yk (yk − 2)
k=1 k=2 k=8
1.4.2 Productorias
Si nos interesa multiplicar los elementos de una sucesión en lugar de sumarlos usaremos el símbolo
Π (pi mayúscula). Lo que se hace con los números ahora es multiplicarlos en lugar de sumarlos.
Ejemplo 1.11 Calcular
4
k+1
∏ .
k=1 k
k+1
Solución: El término general de la sucesión es ak = k , es decir, que sus primeros elementos son
2 3 4 5
...
1 2 3 4
1.4 Sumatorias y productorias 19
Si lo que queremos ahora es multiplicar los primeros 4 elementos de la sucesión, tenemos que
4
k+1 2 3 4 5
∏ = · · · = 5.
k=1 k 1 2 3 4
1.4.3 Ejercicios
1. Calcular las siguientes sumatorias:
5 7
(a) ∑ k3 (f) ∑ (−1)i i2
k=1 i=2
8 4
(−1)k
(b) ∑ (3 j − 2) (g) ∑ 2k + 1
j=1 k=1
8 7 7
(c) ∑ (3k − 2) (h) ∑ ( j2 + j) − ∑ j2
k=4 j=1 j=1
5 10
k−1
(d) ∑2 (i) ∑ k+1
k=1 k=5
8 (−1)i i2 + 1
6
3
(e) ∑ (−1) (j) ∑ 4i
i=3 i=1
q 1 2 3 4 5 6 7 8 9 10
Pq 12 5 4,6 7,1 9 11 5,5 1 3,4 6
Calcular:
8 10
(a) ∑ Pq (c) ∑ (Pq )2
q=4 q=1
1 10 6
(b) ∑ Pq
10 q=1
(d) ∑ [Pq (5 − Pq )]
q=2
i 1 2 3 4 5 6
xi 6 -2 3 3 2 -1
∑6i=1 xi
x=
6
20 Capítulo 1. Cálculos combinados
ab + ac = a(b + c)
El objetivo más usual del factor común (y para el que lo usaremos nosotros) es identificar el “a” que
hace que en “b” y en “c” queden la menor cantidad de “cosas” posibles. Veremos su aplicación
mediante un ejemplo.
Ejemplo 1.12 Tenemos la siguiente expresión
2x + 4x2
2x + 4x2 = 2(b + c)
¿Cómo nos conseguimos b y c? Dividiendo cada término por el “factor común”, es decir,
2x 4x2
b= =x c= = 2x2
2 2
Luego,
2x + 4x2 = 2(x + 2x2 )
1.5 Caso de factoreo: factor común 21
Queda para el lector verificar que resolviendo el cálculo del miembro derecho de la igualdad
aplicando la propiedad distributiva se obtiene el miembro izquierdo. ¿Pero podríamos haber
incluído algo más en el factor común? Sí, tomando a = 2x. Luego,
2x + 4x2 = 2x(b + c)
¿Quiénes son b y c ahora?
2x 4x2
b= =1 c= = 2x
2x 2x
Luego,
2x + 4x2 = 2x(1 + 2x)
¿Podríamos tomar algo más en a de factor común? Ya no, porque en b y en c ya no hay más nada
en común (además del 1, por supuesto).
En general, para saber qué número sacar de factor común lo que debemos hacer es estudiar la
factorización de cada uno de los números involucrados y luego quedarnos con todos los primos que
aparezcan repetidos en todos los números y como exponente el más chico de los involucrados en la
factorización del número.
En el caso de las “letras”, el procedimiento es similar: el factor común tendrá solamente las letras
que se repitan en todos los términos con el menor exponente con el que aparezca.
Ejemplo 1.13 Factorizar sacando factor común la siguiente expresión matemática
24x2 y3 − 36xy2 z
Solución: Para hallar el factor común a que hace que en b y en c no quede nada en común debemos
estudiar los números por un lado y las letras por el otro.
• Números en común: factoricemos los dos números involucrados: 24 = 23 3 mientras que
36 = 22 32 . Luego, el número primo 2 y el número primo 3 aparecen en ambas factorizaciones.
Para saber con qué exponente quedarnos en cada caso, debemos elegir el más chico, es decir,
22 y 31 . Luego, el número que aparecerá en el factor común es 22 .3 = 4.3 = 12.
• Letras en común: comencemos primero por la x. Como la x aparece en ambos términos, la x
aparecerá en el factor común. ¿Con qué exponente? Con el más chico de los que aparece, es
decir, el exponente 1. Luego x1 o x aparecerá así en el factor común.
Como la letra y aparece en los dos términos, entonces aparecerá en el factor común. ¿Con
qué exponente? Con el más chico de los que aparece, en este caso el exponente será 2, es
decir, el factor común tendrá y2 .
Como la letra z no aparece en ambos términos, no aparecerá en el factor común.
De esta manera, el factor común que encontramos es a = 12xy2 . Nos falta hallar b y c. Para ello,
procedemos como antes
24x2 y3 36xy2 z
b= = 2xy c= = 3z
12xy2 12xy2
De esta manera,
24x2 y3 − 36xy2 z = 12xy2 (2xy − 3z)
Obsérvese que los signos se mantienen siempre en las mismas posiciones.
Es fácil ver que entre b y c ya no hay más nada en común (ni números ni letras) y que si
aplicamos la propiedad distributiva sobre el término de la derecha recuperamos el término de la
izquierda de la igualdad.
1.5.1 Ejercicios
1. Factorizar sacando “factor común” las siguientes expresiones algebraicas:
22 Capítulo 1. Cálculos combinados
1 3 1
(b) 3x2 + 6xy (g) 9x − 9x
1.6 Ecuaciones
Una ecuación es una igualdad entre dos expresiones matemáticas denominadas “miembros” en
las que aparecen elementos conocidos (o sea números para nosotros) y elementos desconocidos,
denominados “incógnitas”, que suelen ser letras (en general la letra usada es x cuando se trata de
una sola pero también se puede ser a, b, y, etc.).
Por ejemplo:
3x − 1}
| {z = + }x
9| {z
primer miembro o miembro izquierdo segundo miembro o miembro derecho
La igualdad planteada será cierta o falsa dependiendo de los valores numéricos que tomen las
incógnitas.
Por ejemplo: 3x − 1 = 9 − x es falsa para x = 1 ya que 2 = 10 es falso.
A los valores que la hacen cierta se los llama “soluciones”.
Objetivo: hallar, si es posible, la solución o las soluciones de la ecuación.
¿Cómo podemos hacer para hallar la solución o las soluciones de una ecuación?
Una de las cosas que solemos hacer para hallar las soluciones es intentar despejar la incógnita, es
decir, dejar la incógnita como único elemento de uno de los miembros y que el otro miembro tenga
sólo números.
Observación: tiene sentido intentar hacer esto cuando la ecuación involucra sólo una incógnita.
Por ejemplo:
3x − 1 = 9 + x pasamos restando x o, equivalentemente, restamos x de ambos lados
de la igualdad
3x − 1 − x = 9 pasamos al miembro derecho sumando el 1 que se encontraba
restando en el otro miembro
3x − x = 9 + 1 agrupamos
2x = 10 pasamos dividiendo el 2 que multiplica la x
x = 10
2
x = 5
Luego, x = 5 es la única solución de la ecuación. Otra manera más formal de decirlo es que las
soluciones son x ∈ {5}. Si hubiera más de una solución, esas otras irían a la bolsita de la llave, por
ejemplo, x ∈ {5; 2} o x ∈ {0; −1; 5} (el orden de los elementos es indistinto).
Observación: es indistinto si la incógnita queda sola en el miembro izquierdo o en el miembro
derecho. Por ejemplo, tener 5 = x es equivalente a tener x = 5.
Es equivalente “ir abajo” alineando los iguales que poner al lado ⇔. El ⇔ tiene la comodidad
de ocupar menos espacio en una hoja.
Ejemplo 1.14 Resolver las siguientes ecuaciones verificando el/los resultado/s obtenido/s:
1.6 Ecuaciones 23
4 1 2 3
(a) x−1 = − (b) − x + 1 = −1 (c) x − 5 = 2x
3 3 3 2
Solución:
(a) Lo resolveremos despejando x:
4 1
x−1 = − pasamos sumando el 1
3 3
4 1
x = − +1
3 3
4 2
x = pasamos dividiendo el 34
3 3
2
. .
x = 3
4
3
1
x =
2
1
Luego, las soluciones son x ∈ .
2
1
Para verificar que la solución obtenida es la correcta, debemos reemplazar x = en la
2
ecuación y obtener una expresión verdadera. Es decir,
41 1
−1 = −
32 3
2 1
−1 = −
3 3
1 1
− = −
3 3
1
con lo que queda verificado que x = es la solución.
2
(b) Lo resolveremos despejando x:
2
− x+1 = −1 pasamos restando el 1
3
2
− x = −1 − 1
3
2 2
− x = −2 pasamos dividiendo el −
3 3
. − 2.
x =
− 23
x = 3
Finalmente, x ∈ {−10}.
Queda como ejercicio verificar que x = −10 es solución.
En algunas ocasiones no se puede despejar x pero sí se pueden hallar las soluciones fácilmente.
Por ejemplo:
(x − 1)(x + 2) = 0
Lo que podemos hacer en este caso es darnos cuenta que la única manera en que un producto de
dos números puede darnos 0 es que alguno de los dos sea 0. Observemos que x − 1 es uno de
los factores y x + 2 es el otro de los factores que aparecen multiplicados e igualados a 0. Luego,
x − 1 = 0 o bien x + 2 = 0. Ahora, tenemos dos ecuaciones muy sencillas en las que sí podemos
despejar x. De esta manera
x−1 = 0 o bien x + 2 = −0
x=1 x = −2
Es importante recordar que algo que no se puede hacer en matemática (de ninguna manera) es
dividir por 0. Por esta razón, la única manera de tener que un cociente de números sea 0 es que el
numerador sea 0 pero el denominador sea distinto de 0.
Ejemplo 1.15 Resolver las siguientes ecuaciones verificando el/los resultado/s obtenidos/s:
x−1 (x − 1)(x + 2)
(a) =0 (b) =0
x+3 x−1
Solución:
(a) Para hallar las soluciones debemos plantear
x−1 = 0 ⇔ x = 1
Sin embargo, habría que verificar que la única solución hallada de esta ecuación pueda ser
solución del original, es decir, que no haga que se divida por 0. Como 1 + 3 = 4 6= 0 entonces
x = 1 es solución del problema original. Luego, las soluciones son x ∈ {1}.
Verifiquemos:
1−1
= 0
1+3
0
= 0
4
0 = 0
(b) Para hallar las soluciones debemos plantear
(x − 1)(x + 2) = 0
por 0 (algo que no puede ocurrir). Luego, la única solución posible es x = −2.
Verifiquemos que x = −2 es solución de la ecuación del item:
(−2 − 1)(−2 + 2)
= 0
−2 − 1
−3.0
= 0
−3
0 = 0
que es una verdad absoluta y por lo tanto queda verificada la ecuación.
|2x − 1| = 3
2x − 1 = 3 o 2x − 1 = −3
1.6.2 Ejercicios
1. Resolver las siguientes ecuaciones verificando el/los resultado/s obtenido/s:
(a) x − 1 = 3
(h) 1 − 31 x − 7 = −8
(b) 3x + 4 = 13
5
x + 15 + 4 = 1
(i) 4 3
1
(c) 2x+3 = −4
(j) 3x − 2x = 9
(d) −3x − 1 = 2 − x
(k) −5(x + 1) − 3(x − 4) + 10 = 7
(e) 5 − 32 x = −4
(l) − 32 (x + 43 ) − x = 1
(f) −2 − 12 x = 2 + 21 x
(m) 2 (x − 1) + 53 (x + 3) = 3 + 11
3x
(g) 2(x − 1) − 3 = −3
(b) |x − 3| = 4 (g) | − 3x + 4| = 2
(d) |2 − 23 x| = 4
3 (i) | − 3 + 5(x − 1) − 2x| = 2
1.7 Intervalos
Se llama intervalo al conjunto de números reales comprendidos entre dos valores: a y b que se
llaman extremos del intervalo. Los intervalos que se pueden tener son
• (a; b) (Intervalo abierto): es el conjunto de todos los números reales mayores que a y
menores que b.
Observemos que ni a ni b pertenecen al intervalo.
Su representación gráfica en la recta real es
• [a; b] (Intervalo cerrado): es el conjunto de todos los números reales mayores o iguales que
a y menores o iguales que b.
1.7 Intervalos 27
• (a; b]: es el conjunto de todos los números que son mayores que a pero menores o iguales
que b.
Observemos que a no pertenece al intervalo pero b sí se encuentra en él.
Su representación gráfica es
• [a; b): es el conjunto de todos los números que son mayores o iguales que a y menores que b.
En este caso, a se encuentra en el intervalo mientras que b no.
Su representación gráfica es
Observación: siempre a tiene que ser un número menor que b. Por ejemplo, los siguientes
intervalos son correctos: (−1; 2), (0; 4], [−3; −1]; mientras que los siguientes no lo son: (5; 3) y
[−2; −7].
Observación: si b = +∞ entonces va paréntesis. Por ejemplo, [−1; +∞) y su representación
gráfica es
En general, tanto en este caso de intervalos como en el caso de conjuntos más generales como
los que se ven en la Sección 4.2.1, las acciones que se pueden hacer con intervalos son: intersecarlos,
unirlos o complementarlos (y combinaciones de ellas, como veremos a continuación).
Si A y B son dos conjuntos (por ejemplo, intervalos) entonces
• A ∩ B: es el conjunto de todos los elementos que se encuentran tanto en A como en B. Se lee
“A intersección B”.
Ejemplo 1.17 Calcular A ∩ B para los siguientes intervalos.
28 Capítulo 1. Cálculos combinados
Luego A ∩ B es el “rayado doble” y por lo tanto A ∩ B = (0; 3]. Si además nos piden
graficar el conjunto solución en la recta real
Como se puede apreciar, no hay nada “rayado doble” y por lo tanto A ∩ B = 0./
d) A = (0; 4] y B = [4; +∞). Representemos los dos intervalos en la recta real
Luego A ∪ B es “todo lo rayado” y por lo tanto A ∪ B = [−1; 5). Si además nos piden
graficar el conjunto solución en la recta real
En este caso, “todo lo rayado” no es un intervalo sino que es la unión de dos intervalos.
Luego, la respuesta es simplemente usar la ∪ entre los intervalos, es decir, A ∪ B =
[−1; 4) ∪ (5; 7] dado que no se puede escribir de manera abreviada como un único
intervalo.
d) Es fácil ver que si A = (0; 4] y B = [4; +∞) se tiene que A ∪ B = (0; +∞).
e) A = (−∞; 5] y B = (−1; 3]. Su representación gráfica en la recta real estaba dada por
En este caso, como B está contenido en A, entonces “todo lo rayado” es lo mismo que
todo A. Luego, A ∪ B = A o bien A ∪ B = (−∞; 5].
Este caso Ac contendrá todos los números que son menores que −1 incluyendo el −1
ya que este no se encuentra en A. Luego, Ac = (−∞; −1].
? A = (−2; 5). Representemos A en la recta real.
En este caso observemos que Ac tendrá los números menores o iguales que −2 pero
también tendrá los números mayores o iguales que 5. Como no existe un único
intervalo para representar esto, la respuesta será una unión de intervalos. Luego,
Ac = (−∞; −2] ∪ [5; +∞).
? A = [0; 4]. Representemos gráficamente A.
Como nos piden A \ B, debemos buscar todo lo de A (el rayado azul) que no está en B
(que no es rayado rojo), es decir, desde el −1 al 0. ¿El −1 debería estar en A \ B? Sí,
porque el −1 se encuentra en A y no se encuentra en B. ¿Y el 0? También, porque el 0
1.7 Intervalos 31
Luego, A \ B es lo azul que no es rojo y por lo tanto A \ B = (−∞; −2]. ¿Por qué el −2
se incluye en la respuesta? Porque el −2 está en A pero no está en B.
c) A = [−1; 4) y B = (5; 7]. En este caso recordemos que su representación gráfica es
En este caso, la respuesta será una unión de intervalos ya que se encuentran elementos
de A por arriba y por abajo de B. De esta manera, A \ B = (−∞; −1] ∪ (3; 5].
Ejercicio 1.1 Calcular B \ A para cada uno de los cinco pares de intervalos del Ejercicio
1.17.
1.7.1 Ejercicios
1. Representar los siguientes conjuntos en la recta real.
(a) (−1; 2)
(f) [2; 7)
(b) [0; 5]
(g) [2, 5; +∞)
(c) (−∞; 1) 1
(h) − 3 ; 2, 7
(d) (−3; +∞)
(i) [−0, 9; +∞)
1
(e) 2;3
32 Capítulo 1. Cálculos combinados
(a) A ∩ B (d) Bc
(b) A ∪ B (e) A \ B
(c) Ac (f) B \ A
3. Rehacer el ejercicio anterior pero esta vez con los conjuntos A y B dados por:
1.8 Inecuaciones
Las inecuaciones son desigualdades algebraicas en las que sus dos miembros se relacionan por uno
de estos signos
< ; ≤ ; > ; ≥
↓ ↓ ↓ ↓
menor menor o igual mayor mayor o igual
En general,
? Si para despejar una incógnita debemos pasar sumando o restando un número, la desigualdad
se mantiene.
? Si necesitamos pasar multiplicando o dividiendo un número positivo, la desigualdad se
mantiene.
? Si necesitamos pasar multiplicando o dividiendo un número negativo, la desigualdad se da
vuelta.
Ejemplo 1.22 Escribir el conjunto solución de las siguientes inecuaciones y representarlo en la
recta real.
1. 2x + 3 ≤ 7 2. −3x − 5 < 2x
Solución:
1. Comencemos a despejar pasando restando el 3 que se encuentra sumando en el miembro
izquierdo (esto no invierte la desigualdad):
2x + 3 ≤ 7 ⇔ 2x ≤ 7 − 3 ⇔ 2x ≤ 4
Por último, pasamos dividiendo el 2 que está multiplicando x (esto tampoco invierte la
desigualdad porque el 2 es un número positivo):
4
2x ≤ 4 ⇔ x ≤ ⇔x≤2
2
Por lo tanto, la respuesta son los x ∈ (−∞; 2] y su representación gráfica es
34 Capítulo 1. Cálculos combinados
Solución:
1. ¿Qué valores de x hacen cierta la inecuación? Observemos que x = 0, x = 1, x = −2, 5,
x = 3, 9 son valores que satisfacen la inecuación mientras que x = −4, x = 9, x = −15, 5 no
la satisfacen.
Los valores de x que hacen que |x| < 4 son aquellos que son menores que 4 pero también (en
simultáneo) son mayores que −4. Luego, el problema |x| < 4 es equivalente al conjunto de
los puntos x que son solución de
(1) x < 4 y x > −4 (2)
Recordemos que, en matemática, “y ” significa “intersección”. De esta manera, lo que
debemos hacer es resolver las dos inecuaciones por separado y, finalmente, intersecar sus
soluciones.
1.8 Inecuaciones 35
(1) x < 4 tiene como solución el intervalo (−∞; 4). Llamemos A = (−∞; 4).
(2) x > −4 tiene como solución el intervalo (−4; +∞). Llamemos B = (−4; +∞).
Luego, la intersección de estos dos intervalos será la respuesta, es decir, A ∩ B = (−4; 4) es
la solución del ejercicio.
Observación: en definitiva lo que se está pidiendo es que x se encuentre entre −4 y 4. Por
esta razón, |x| < 4 también se puede escribir como −4 < x < 4 que muestra que el resultado
del ejercicio es (−4; 4).
Observación: no importa si adentro del | · | se encuentra x o se encuentra otra expresión
matemática, el procedimiento es igual. Lo veremos en el siguiente ejercicio.
2. De la misma manera que antes, el conjunto de x que es solución de |2x − 4| ≤ 2 cumple
(1) 2x − 4 ≤ 2 y 2x − 4 ≥ −2 (2)
Resolveremos la inecuación (1) y la (2) por separado e intersecaremos las soluciones
obtenidas en cada uno de estos subproblemas.
(1) 2x − 4 ≤ 2 ⇔ 2x ≤ 2 + 4 ⇔ 2x ≤ 6 ⇔ x ≤ 6/2 ⇔ x ≤ 3. Luego, la solución de esta
inecuación es A = (−∞; 3].
(2) 2x − 4 ≥ −2 ⇔ 2x ≥ −2 + 4 ⇔ 2x ≥ 2 ⇔ x ≥ 2/2 ⇔ x ≥ 1. Luego, la solución de esta
inecuación es B = [1; +∞).
Por último, la respuesta será A ∩ B = [1; 3].
3. Queremos resolver |x| ≥ 3. ¿Qué valores de x satisfacen esta inecuación? Algunos valores
que la satisfacen son x = 3, x = −3, x = 25, 87, x = −100, 1. Algunos valores que no la
satisfacen son x = 0, x = −2, 6 o x = 2, 999.
Los x que satisfacen la inecuación |x| ≥ 3 cumplen
(1) x ≥ 3 o x ≤ −3 (2)
donde recordemos que la “o” en matemática significa unión. En esta oportunidad hallaremos
las soluciones de (1) y de (2) pero las uniremos en lugar de intersecarlas.
(1) x ≥ 3 tiene como intervalo solución el A = [3; +∞).
(2) x ≤ −3 tiene como intervalo solución el B = (−∞; −3].
Luego, la respuesta del ejercicio será la unión de los dos intervalos, es decir, A ∪ B. Como no
hay manera de escribir la respuesta como un único intervalo, la respuesta es
A ∪ B = (−∞; −3] ∪ [3; +∞).
Observación: en caso de, erróneamente, intersecar en lugar de unir los intervalos A y B
observemos que esto daría como respuesta el conjunto vacío, lo cual no es cierto ya que
sabemos que hay valores de x que sí cumplen la inecuación (por ejemplo, x = 3, x = −3,
x = 25, 87 y x = −100, 1, entre otros).
4. De manera similar a lo hecho anteriormente, para resolver |2 − 3x| > 5 separaremos en casos
y luego uniremos las respuestas, es decir, resolveremos
(1) 2 − 3x > 5 o 2 − 3x < −5 (2)
(1) 2 − 3x > 5 ⇔ −3x > 5 − 2 ⇔ −3x > 3 ⇔ x < 3/(−3) ⇔ x < −1. Luego, la solución
de esta inecuación es el intervalo A = (−∞; −1).
7
(2) 2 − 3x < −5 ⇔ −3x < −5 − 2 ⇔ −3x < −7 ⇔ x > −7/(−3) ⇔ x > . Luego, la
3
solución de esta inecuación es 73 ; +∞ .
Por último, la solución será la unión de estos dos intervalos, es decir, A ∪ B. Nuevamente,
como no hay manera de escribir estaunión de intervalos como un único intervalo, entonces
7
la respuesta es A ∪ B = (−∞; −1) ∪ ; +∞ .
3
36 Capítulo 1. Cálculos combinados
Solución:
1. La pregunta que nos debemos responder ahora es la siguiente: ¿cómo hacemos para que un
producto de dos números sea positivo? La respuesta es: o bien los dos son positivos o bien
los dos números son negativos. Estos son los únicos casos cuyos productos dan origen a
números positivos.
Con esto en mente, para que (x + 1)(x + 4) > 0 entonces, o bien
Tal como lo mencionamos anteriormente, en matemática, cuando pedimos que dos condi-
ciones, dadas por conjuntos de valores que las satisfacen, se cumplan en simultáneo, es
decir, cuando queremos que se cumpla una “y” otra, estamos buscando la intersección de
los conjuntos. Por el contrario, cuando nos alcanza con uno “o” el otro, estamos buscando
la unión. Luego, resolveremos el subproblema (1.1) intersecando las soluciones de las dos
inecuaciones involucradas, resolveremos por otro lado el subproblema (1.2) intersecando las
soluciones de las dos inecuaciones involucradas y, por último, uniremos lo obtenido en (1.1)
y en (1.2) para obtener la solución del problema original.
(1.1) Queremos resolver
x+1 > 0 y x+4 > 0
Resolvamos cada pequeña inecuación por separado y luego intersequemos los resulta-
dos.
? x + 1 > 0 ⇔ x > −1. Luego, la solución de esta inecuación es el intervalo
(−1; +∞).
? x + 4 > 0 ⇔ x > −4. Luego, la solución de esta inecuación es el intervalo
(−4; +∞).
Como debemos intersecar estas soluciones, la intersección entre (−1; +∞) y (−4; +∞)
es fácil ver que es (−1; +∞). Llamemos A = (−1; +∞).
(1.2) Queremos resolver
x+1 < 0 y x+4 < 0
Nuevamente, resolvamos cada inecuación por separado y luego intersequemos sus
soluciones.
? x + 1 < 0 ⇔ x < −1. Luego, la solución de esta inecuación es el intervalo
(−∞; −1).
? x + 4 < 0 ⇔ x < −4. Luego, la solución de esta inecuación es el intervalo
(−∞; −4).
1.8 Inecuaciones 37
Como debemos intersecar estas soluciones, la intersección entre el intervalo (−∞; −1)
y (−∞; −4) es fácil ver que es (−∞; −4). Llamemos B = (−∞; −4).
¿Terminamos con el ejercicio? Aún no, porque sólo obtuvimos los intervalos solución de
los subproblemas (1.1) y (1.2) que son A = (−1; +∞) y B = (−∞; −4), respectivamente. Lo
último que queda por hacer es unirlos, es decir, hallar A ∪ B. Como no hay nada en común
entre estos dos intervalos (hacer una representación gráfica de los mismos para observar
esto), entonces la solución final del ejercicio es (−∞; −4) ∪ (−1; +∞).
2. Para resolver (2x − 3)(5 − x) ≤ 0 nos preguntamos ahora: ¿de qué manera un producto de
dos expresiones matemáticas da menor o igual que 0? Solamente si una es menor o igual que
0 pero la otra es mayor o igual que 0 o viceversa, que la primera sea mayor o igual que 0 y la
segunda sea menor o igual que 0. En otras palabras, queremos que
2x + 3 ≤ 0 y 5+x ≥ 0 (1.3)
o
2x − 3 ≥ 0 y 5+x ≤ 0 (1.4)
Nuevamente, resolveremos cada subproblema (1.3) y (1.4) por separado y, finalmente,
uniremos las soluciones obtenidas en cada uno para hallar la solución del ejercicio.
(1.3) Queremos resolver
2x + 3 ≤ 0 y 5+x ≥ 0
Nuevamente, resolvamos cada una de estas dos inecuaciones por separado.
3
? 2x + 3 ≤ 0 ⇔ 2x ≤ −3 ⇔ x ≤ − . Luego, la solución de esta inecuación es el
2
3
intervalo −∞; −
2
? 5 + x ≥ 0 ⇔ x ≥ −5. Luego, la solución de esta inecuación es el intervalo
[−5; +∞).
Para tener la solución
de (1.3)debemos intersecar estas dos soluciones. Es claro que la
3
intersección es A = −5; − , que es la solución del subproblema (1.3).
2
(1.4) Queremos resolver
2x + 3 ≥ 0 y 5+x ≤ 0
Resolvamos cada una de las inecuaciones por separado.
3
? 2x + 3 ≥ 0 ⇔ 2x ≥ −3 ⇔ x ≥ − . Luego, la solución de esta inecuación es el
2
3
intervalo − ; +∞ .
2
? 5 + x ≤ 0 ⇔ x ≤ −5. La solución de esta inecuación es el intervalo (−∞; −5].
Para tener la solución de (1.4) debemos intersecar estas dos ecuaciones pero es claro
que la intersección es vacía, es decir, B = 0/ es la solución del subproblema
(1.4).
3
Luego, la solución del ejercicio se obtendrá uniendo A y B, es decir, A ∪ B = −5; − ∪ 0/ =
2
3
−5; − (porque unir el conjunto vacío es no agregar nada).
2
3x − 1
3. En este caso, queremos resolver ≥ 0. Para queun cociente de expresiones matemáticas
2−x
sea mayor o igual que 0 no alcanza que las dos sean mayores o iguales que 0 porque podría
pasar que el denominar se anule (y recordemos que de ninguna manera podemos dividir por
0). Luego, debemos resolver
3x − 1 ≤ 0 y 2−x < 0 (1.5)
38 Capítulo 1. Cálculos combinados
Ahora proseguimos igual que antes, estudiando cada subproblema por separado.
(1.5) Queremos resolver
3x − 1 ≤ 0 y x−2 < 0
1 1
? 3x − 1 ≤ 0 ⇔ 3x ≤ 1 ⇔ x ≤ . Luego, la solución es −∞; .
3 3
? 2 − x < 0 ⇔ −x < −2 ⇔ x > −2/(−1) ⇔ x > 2. Luego, la solución (2; +∞).
La intersección de estos dos intervalos es vacía, luego A = 0./
(1.6) Queremos resolver
3x − 1 ≥ 0 y x−2 > 0
1 1
? 3x − 1 ≥ 0 ⇔ 3x ≥ 1 ⇔ x ≥ . Luego, la solución es ; +∞ .
3 3
? 2 − x > 0 ⇔ −x > −2 ⇔ x < −2/(−1) ⇔ x < 2. Luego, la solución es (−∞; 2).
1
La intersección de estos dos intervalos es B = ;2
3
1 1
Por último, la respuesta es A ∪ B = 0/ ∪ ; 2 = ;2 .
3 3
1.8.3 Ejercicios
1. Escribir el conjunto solución de las siguientes inecuaciones y representarlo en la recta real.
(a) x < −3
(f) −2 ≤ x < 4
(b) x > 5
(g) 3, 5 < x ≤ 7
(c) 3x ≤ 15
(h) 10 − 7x < 4 + 2x
(d) −2x ≤ 4
(i) 2x − 3 ≥ 4x − 1
(e) 2x + 1 ≥ 9
(a) |x| ≤ 3
(f) |3 − x| > 2
(b) |x| > 5
(g) | − 3(2 − x)| ≤ 6
1
(c) |x − 1| < 2
(h) |2x − 4(x − 1)| ≥ 8
(d) |x + 4| ≤ 3
(i) |4x − (3x − 1) − 2| + 2x − 5 ≤ 0
(e) |5x − 10| ≥ 15 Sugerencia: estudiar también 5−2x ≥ 0
(c) (2x − 4) 1
+ 32 x ≥ 0
x+1
2 (g) >0
x−4
(d) −2x2 − 8x ≥ 0 2x − 1
(h) ≤0
x+1
(e) x2 − 4x + 3 < 3 x−1
(i) 2 − >2
(x − 1)2
4. Escribir como inecuación las siguientes expresiones, resolverlas, expresarlas como intervalo
o unión de intervalos y graficarlas.
(a) El conjunto de todos los números reales que son mayores que 1 y menores o iguales
que 5.
(b) El conjunto de todos los números reales tales que sumándoles 3 se obtenga un número
menor o igual que 10.
(c) El conjunto de todos los números tales que el doble de ese número menos 1 sea un
número mayor a 7 y menor a 11.
(d) El conjunto de todos los números tales que su valor absoluto es menor a 8.
3
(e) El conjunto de todos los números tales que su valor absoluto es mayor o igual a .
2
(f) El conjunto de todos los números tales que el valor absoluto de dos veces ese número
menos 3 es menor o igual a 5.
(a) (−2)3
(c) 23 ((−1)2 − 2) + 3(23 − 15 )
(b) 5(32 − 5) − 2(22 − 52 )
30 25
(a) (c)
21 45
28 75
(b) (d)
14 45
4. Calcular:
1 5 19 1 1 5 11
(a) − (b) − + (c) − − +
2 3 25 5 3 2 6
40 Capítulo 1. Cálculos combinados
(a) (3 + 5x)2 2
(d) −5a5 + x2 + 2
(b) (a − 2x)2
(e) (ax + 1)3
(c) a3 + x 2 2
7. Simplificar las siguientes expresiones aplicando propiedades. En los casos en los que sea
posible, dar el resultado numérico.
(a) 34 3 2
(h) 23
(b) x2 x5
√
√ (i) ( y)2
(c) 25
√
√ (j) ( 3 x)4
(d) 3 125
√ 6
p (k) 2x2 y
(e) 3 y6 8 3
√ √ (l) 32−2p x p−4
(f) x3 x3 h 2 i5
(m) x5 2x3 15 : 2(2x)3
√ √
3
(g) m m4
j 1 2 3 4 5 6 7
Cj -1,4 0 1 3,2 0,5 -0,1 2,6
Calcular:
1.9 Ejercicios surtidos 41
7 5
(a) ∑ Cj (c) ∑ (2 −C j )3
j=5 j=1
7 7
2C2j + 3
(b) ∑ Cj (d) ∑
j=1 j=2
(a) 3x + 3
2 2 4 2
(f) 5 x y − 5 xy
(b) 5y − 5
(g) −3a5 b3 + 3a4 b4 + 6a3 b2
(c) x2 y3 + x2 y
(h) 2 (x + y) (2x + 3) + 4 (x + y) (1 − 2y)
(d) 2x2 + 4x3 y2 − 6x2 z
(i) 3(a + 2b − 1)(a + 2b) + (a + 2b)(3a + b)
2 3 2 2
(e) 5y − 5y
(a) x + 5 = 10 (e) 1 − 23 x + 7 = −8
2
2x + 12 − 23 = 1
(b) −2x + 3 = 17 (f) 3 3
2
(c) 5x−1 =1 (g) −3x + 2x − 8 = 9
(b) |x − 2| = 10 (f) | − 2x − 5| = 7
17. Rehacer el ejercicio anterior pero esta vez con los conjuntos A y B dados por:
18. Escribir el conjunto solución de las siguientes inecuaciones y representarlo en la recta real.
(a) x < 7
(e) 2x − 1 < 4 − 3x
(b) −1 < x ≤ 9
(f) −5x + 1 ≤ 7
(c) −3 ≤ x ≤ 5
(g) −7x + 2 ≤ −2x + 3
1
(d) 2 <x<3
19. Escribir el conjunto solución de las siguientes inecuaciones y representarlo en la recta real.
1.9 Ejercicios surtidos 43
1
(b) |x| < 1, 5 (f) |2x − 1| < 2
2
(d) |x| > 3 (h) |1 − 2x + 4(2 − x)| > 3
20. Escribir el conjunto solución de las siguientes inecuaciones y representarlo en la recta real.
Ahora lo que haremos será representar puntos en el plano, es decir, en R2 . Los puntos son pares
ordenados, es decir, están conformados por dos coordenadas de la forma (a; b), con a y b ∈ R.
Si el plano es el plano cartesiano, es decir, el sistema de coordenadas es el sistema cartesiano,
entonces el plano está conformado por ejes perpendiculares llamados x e y. El eje horizontal tiene
las coordenadas x del punto y el eje vertical tiene las coordenadas y del punto, entonces un punto
(a; b) tiene, en el plano cartesiano, una coordenada x = a y una coordenada y = b.
El punto (0; 0) se suele llamar origen y es el punto donde se cortan los dos ejes cartesianos x
e y. Desde el origen y hacia la derecha, en el eje horizontal (también llamado eje de abscisas)
se encuentran los valores positivos de x mientras que a la izquierda se encuentran los valores x
negativos. Para el eje vertical (también llamado eje de las ordenadas), los valores de y que se
encuentran por arriba del origen son los positivos mientras que los que se encuentran por debajo
son los negativos.
Al cortarse las dos líneas rectas que son los ejes, se divide al plano en cuatro regiones llamadas
cuadrantes:
• Primer cuadrante: es la región superior derecha.
• Segundo cuadrante: es la región superior izquierda.
• Tercer cuadrante: es la región inferior izquierda.
• Cuarto cuadrante: es la región inferior derecha.
Observación: según el contexto quedará claro si (a; b) representa un par ordenado o un intervalo
abierto. Obsérvese también que los intervalos siempre tienen a < b mientras que, para un par
46 Capítulo 2. Funciones
2. Observando cuál es el valor de x (la primera coordenada del punto) y el valor de y (la segunda
coordenada del punto) de cada par ordenado, se tiene que una representación gráfica de los
cuatro puntos es
2.1.1 Ejercicios
1. Graficar en el plano cartesiano los siguientes pares ordenados:
2.2 Funciones
Las funciones son “relaciones” que asignan elementos de un cierto conjunto de salida llamado
dominio (A) a elementos de un cierto conjunto de llegada llamado codominio (B), con la salvedad
de que cada elemento del dominio sea asignado a un único elemento del codominio. De esta
2.2 Funciones 47
manera, indicaremos con alguna letra, muchas veces la f , a la función que realiza ese mapeo entre
elementos del dominio A y elementos del codominio B y una manera de notar esta asignación es
f
A→B o bien, y más comúnmente, f :A→B
Observemos que el hecho de que f mande elementos de A en B no significa que la asignación deba
cubrir todo B (pero sí todo A debe ser asignado a un único elemento de B).
Ejemplo 2.2 Determinar cuál de las siguientes relaciones es una función:
(a) (b) .
(c) .
En esta oportunidad, nosotros trabajaremos con funciones cuyo dominio y codominio serán
todo R, es decir, la función va a asignar cualquier número real con otro número real, o sea:
f : R → R.
Es decir, dado un valor x ∈ R, le asigna un valor y ∈ R. Que se llamen x e y es una comodidad
para lo que sigue, pero podrían haberse llamado a y b, w y z, etc. El procedimiento de asignación
de un valor del dominio a un determinado valor del codominio se llama evaluación de la función.
Además, indicar que la evaluación de f en x da y será equivalente a escribir f (x) = y. En el ejemplo
que sigue se obtendrán varias evaluaciones de la función estudiada.
Para visualizar la función, es decir, ver la gráfica de la función, usaremos el plano cartesiano.
Indicaremos en el eje x el dominio (que es R) y en el eje y el codominio (que también es R). Luego,
en el plano cartersiano, la gráfica de la función se define como los pares ordenados (x; y) con
y = f (x), es decir, (x; f (x)).
48 Capítulo 2. Funciones
x y x y = f (x) x f (x)
o o bien
x f (x)
2 8
Como el objetivo es graficar la función, daremos más valores para la columna x del dominio.
x f (x)
2 8
1 1
0 0
-1 -1
-2 -8
Luego, graficaremos los resultados obtenidos en el plano cartesiano. Recordemos que cada par
ordenado estará formado por una coordenada x y una coordenada y. Luego, los pares ordenados
asociados a la tabla son (2; 8), (1; 1), (0; 0), (−1; −1), (−2; −8) y ubicándolos correctamente en el
plano nos da:
Por último, intentando unir lo más suavemente posible los puntos (esto tiene que ver con que
estamos graficando un tipo de función llamada polinomio, en realidad), se tiene el siguiente gráfico
2.2 Funciones 49
Observemos que es importante que la curva de la gráfica de la función no termine justo en uno
de los puntos de la tabla de valores, sino que dé la sensación de que sigue.
Por último y tal como lo hicimos antes con los conjuntos A y B, determinaremos con algunos
ejemplos qué gráficas corresponden a funciones con dominio y codominio en todos los reales.
Ejemplo 2.4 Determinar cuál o cuáles de las siguientes curvas son las gráficas de funciones con
dominio y codominio en los reales:
(a) (b)
(c)
Solución:
(a) No se corresponde con la gráfica de una función con dominio en los reales porque no está
definida en valores fuera del intervalo [−1; 1] y, por lo tanto, no puede ser evaluada en
cualquier otro número real que no pertenezca a ese intervalo.
50 Capítulo 2. Funciones
(b) Sí es la gráfica de una función porque a cada valor del eje x (que es el eje que representa el
dominio) le corresponde un único valor del eje y (que representa el codominio).
(c) No se corresponde con la gráfica de una función porque existen valores en el dominio que son
asignados a más de un valor del codominio. Por ejemplo, el 0 es asignado al 3 pero también
al −3 (porque los puntos (0; 3) y (0; −3) se encuentran en la curva). Lo mismo ocurre con
otros puntos (con infinitos, de hecho) como el −3 (que es asignado al 0 y al −6) o el −2.
En ciertos casos, para que algunos puntos “extremos” quede claro a qué curvas pertenecen,
es necesario enfatizarlos con círculos. Círculos con el interior vacío (que llamaremos círculos
abiertos) indican que ese extremo no está en esa curva, mientras que círculos con el interior relleno
o coloreado (que llamaremos círculos cerrados) indican que sí se encuentra ese punto en esa curva.
Por ejemplo, la siguiente es la gráfica de una función que, evaluada en el punto −1, da como
resultado el 2 y no el −1 (ni mucho menos tiene los dos resultados ya que sí es una función).
(a) (b)
Solución:
2.2 Funciones 51
(a) En este caso, existe una única intersección con el eje x. La misma ocurre en el punto
x = −1 y, por lo tanto, el conjunto de intersecciones con el eje x es {−1} y se puede
apreciar en el siguiente gráfico
(b) En esta oportunidad se puede apreciar que hay tres raíces, señalizadas en el siguiente
gráfico
2.2.1 Ejercicios
1. Determinar cuál o cuáles de las siguientes curvas son las gráficas de funciones con dominio y
codominio en los reales.
(a) (b)
2.3 Funciones lineales 53
(c) (d)
3x2 + 2
(b) g(x) = en x = −2, x = 0 y x = −1
x3 + 7
(c) h(x) = x − |x − 1| en x = −5, x = a y x = 2
3x
(d) f (x) = √ en x = −1, x = c y x = 4
8−x
(e) g(x) = a + bx + cx2 en x = 0, x = 1 y x = 2
3. Para las funciones del primer ejercicio, hallar las intersecciones con el eje x y con el eje y.
f (x) = mx + b
Observación: ¿Cuántos puntos bastan para graficar una línea recta? Es claro que sólo dos
puntos bastan.
Ejemplo 2.7 Graficar las siguientes funciones lineales. Indicar previamente, en cada caso, cuál
es la pendiente y cuál la ordenada al origen.
(a) f (x) = 2x + 1
(b) g(x) = −3x + 2
(c) h(x) = −2, 5
Solución:
(a) Comencemos identificando la pendiente y la ordenada al origen de la función lineal f . La
pendiente es m = 2 y la ordenada al origen es b = 1.
Para realizar la gráfica de esta función, haremos una tabla de valores.
54 Capítulo 2. Funciones
x f (x)
1 3
2 5
3 7
0 1
-1 -1
-2 -3
Por último, unimos estos puntos con una recta y, por lo tanto, la gráfica de la función es
Sin embargo, tal como se ha mencionado anteriormente, como con dos puntos alcanzaba
para graficar la recta, de ahora en adelante usaremos sólo dos puntos para realizar la gráfica
(o tres, si queremos verificar que la recta esté bien graficada ya que los tres puntos deberían
quedar alineados).
(b) En este caso, para la función g, la pendiente es −3 (es decir, m = −3) y la ordenada al origen
es 2 (es decir, b = 2).
Para graficar la función haremos una tabla de valores con tres valores.
x g(x)
0 2
1 -1
-1 5
Uniendo estos puntos con una recta, se obtiene la gráfica de la función g que resulta
(c) Por último, la función h tiene pendiente m = 0 (ya que no hay término con x) y ordenada al
origen b = −2, 5. Es importante observar que tanto m como b siempre se llevan los signos
que los acompañan. Por esta razón, en el ítem anterior m = −3 y en este ítem b = −2, 5.
Hacemos una tabla de valores con dos valores (queda para el lector verificar que cualquier
otro punto de la gráfica de la función va a estar sobre la recta):
x h(x)
0 -2,5
1 -2,5
Observación: en general, la cantidad de raíces de una función lineal puede ser: cero, como
vimos en el tercer caso del Ejemplo anterior; una, como se obtuvo en los otros casos; o
infinitas, que se obtiene únicamente cuando la función es f (x) = 0.
• con el eje y. Recordemos que, en el caso de intersección con el eje y, siempre existe un único
valor (al menos siempre que el dominio de la función sea todos los reales, como el caso que
2.3 Funciones lineales 57
Por último, con poca información sobre la función lineal es posible hallar su ordenada al origen
y su pendiente y así reconstruir la función. Luego, se podrá hallar tanto la intersección con el eje x
como con el eje y.
Ejemplo 2.10 Hallar la ecuación de la recta que satisface las siguientes condiciones y graficarla.
• Pasa por el punto (−1; −2) y tiene ordenada al origen 1.
Solución: Como la ordenada al origen es 1, entonces si f (x) = mx + b me está diciendo que b = 1.
Es decir, que hasta ahora tenemos que f (x) = mx + 1.
Como además sabemos que pasa por el punto (−1; −2) esto quiere decir que f (−1) = −2 o bien
que cuando x = −1 resulta y = −2. Luego, reemplazando esta información en la definición de la
función, se tiene que
−2 = m(−1) + 1
Despejando m resulta que m = 3. Luego, la función es f (x) = 3x + 1. Por último, para graficar la
función podemos hacer una tabla de valores como la siguiente
x f (x)
0 1
1 4
o bien recordar que con un punto (el (−1; −2), por ejemplo) y la ordenada al origen (que es el
punto (0; 1)) también se puede graficar y su gráfico es
58 Capítulo 2. Funciones
También se puede decir que la función lineal es y = mx + b, es decir, usar y en lugar de f (x). Sin
embargo, indicar la función lineal con una letra específica (como lo son la f , g o h) es conveniente
especialmente cuando se tienen varias funciones.
2.3.1 Ejercicios
1. Graficar las siguientes funciones lineales. Identificar previamente, en cada caso, cuál es la
pendiente y cuál la ordenada al origen.
(a) f (x) = 3x + 2
(f) h(x) = −1
(b) g(x) = x − 3
(g) f (x) = 5
(c) h(x) = −2x + 1
(h) g(x) = 0
(d) f (x) = 12 x − 3 Observación: a esta función se la llama
función nula.
(e) g(x) = x
Observación: a esta función se la llama (i) h(x) = 53 x + 31
función identidad.
2. Muchas veces la palabra función se utiliza para indicar una relación o dependencia de una
cantidad respecto de otra. Para las siguientes situaciones se pide expresar las mismas de
manera algebraica.
Por ejemplo:
• La función que a cada número le asocia su doble se puede expresar como: f (x) = 2x.
• La distancia que recorre un vehículo que circula a una velocidad de 90 kilómetros por
hora en función del tiempo de viaje se expresa como: f (x) = 90x siendo x el tiempo de
viaje en horas.
(a) La función que a cada número le suma 3 está dada por:
(b) La función que al triple de cada número le suma 5 está dada por:
(c) La función que a cada número le asocia su mitad está dada por:
3. Hallar, en cada caso, la ecuación de la recta que satisface las siguientes condiciones y grafi-
carla.
2.4 Funciones cuadráticas 59
1
(b) Tiene como pendiente 3 y ordenada al origen −1.
(g) Pasa por el punto (−1, −3) y tiene ordenada al origen −2.
(j) Pasa por el punto (−1, 3) y es paralela a la recta de ecuación f (x) = −x − 2. Obser-
vación: dos rectas se dicen paralelas si tienen la misma pendiente.
4. Hallar, en los casos en que sea posible, las raíces de las funciones lineales del Ejercicio 1.
f (x) = ax2 + bx + c
donde a, b y c son constantes reales y a 6= 0 (de lo contrario, f sería una función lineal).
Nuevamente, el término independiente, en este caso c es la ordenada al origen.
La gráfica de esta función es una parábola.
La gráfica de una función cuadrática puede ser de dos formas posibles y esta forma depende de
la constante a que indica el tipo de concavidad que tiene la función:
• Si a > 0, se dice que la parábola tiene concavidad positiva y su gráfica es de la forma
60 Capítulo 2. Funciones
Observación: ¿Cuántos puntos se necesitan para determinar una función cuadrática? Mientras
que, en el caso de la función lineal con dos puntos distintos hay una única recta que pasa por ellos,
en este caso dados tres puntos no alineados existe una única parábola (y por lo tanto una única
función cuadrática) que pasa por esos tres puntos.
Analicemos algunas características de la función cuadrática:
• su vértice: siempre existe un único vértice. Es un punto en el plano y, por lo tanto, tiene
dos coordenadas que llamaremos xv e yv , es decir, V = (xv ; yv ). Este punto será el mínimo
si la función tiene a > 0 o el máximo si la función tiene a < 0. ¿Cómo se halla? Primero
buscamos el xv mediante el siguiente cálculo:
b
xv = −
2a
Luego, como el yv tiene que ser un punto de la función, se consigue evaluando la función en
xv , es decir, yv = f (xv ).
Ejemplo 2.11 Para cada una de las funciones cuadráticas consideradas, hallar su vértice y
graficarlo en el plano.
1. f (x) = x2 − 6x
2. g(x) = −2x2 − 4x + 6
3. h(x) = x2 + 1
Solución:
1. Comencemos identificando quiénes son a, b y c para esta función:
a=1 b = −6 c=0
(−6)
xv = − =3
2·1
a = −2 b = −4 c=6
(−4)
xV = − = −1
2(−2)
3. En este caso
a=1 b=0 c=1
Luego, su xV es
b 0
xV = − =− =0
2a 2·1
y su
yV = h(xV ) = h(0) = 02 + 1 = 1 .
• su eje de simetría: este eje de simetría es una recta vertical apoyada siempre sobre el vértice,
es decir, el eje de simetría es
x = xv .
Este eje indica que, dados dos valores de x que se encuentran a la misma distancia horizontal
del eje de simetría, les corresponde el mismo valor de la función. En otras palabras, el eje de
simetría actúa como un espejo.
Ejemplo 2.12 Continuamos con el Ejemplo 2.11. Hallar el eje de simetría en cada caso y
graficarlo en el mismo plano cartesiano del ejercicio anterior.
Solución:
1. Es claro que como el vértice es V = (3; −9) entonces el eje de simetría es x = 3 y, por
lo tanto, se puede ver de la siguiente manera:
3. Por último, para esta función cuadrática, la intersección con el eje y está en 1 (que
es el valor de c) y, por lo tanto, coincide con su vértice. Luego, su representación
gráfica es el mismo gráfico anterior:
Observemos que las raíces son puntos en el plano cartesiano de la forma (x; 0).
2. Nuevamente, aplicaremos la fórmula resolvente para hallar, en caso de que existan,
las raíces de esta función cuadrática. Recordemos que, en este caso, a = −2,
b = −4 y c = 6, luego
√ p √
−b ± b2 − 4ac −(−4) ± (−4)2 − 4.(−2).6 4 ± 16 + 48
x1 , x2 = = =
2a 2.(−2) −4
√
4 ± 64 4 ± 8
= = .
−4 −4
Luego, tenemos dos soluciones:
4+8 12 4 − 8 −4
x1 = = = −3 x2 = = =1
−4 −4 −4 −4
De esta manera, el conjunto de intersecciones con el eje x es {1; −3} y su repre-
sentación en el plano cartesiano es
66 Capítulo 2. Funciones
3. Nuevamente, utilizaremos la fórmula resolvente para hallar las raíces (en caso de
que existan). Como a = 1, b = 0 y c = 1,
√ √ √
−b ± b2 − 4ac −0 ± 02 − 4.1.1 0 ± −4
x1 , x2 = = =
2a 2.1 2
Observemos que no es posible dar un resultado real para la raíz cuadrada de un
número negativo y, por lo tanto, no se puede continuar con este cálculo. De esta
manera, esta función cuadrática no tiene raíces reales y, por lo tanto, el conjunto
de intersecciones con el eje x es 0.
/
Lo último que quedaría es graficar una función cuadrática con toda la información hallada.
Ejemplo 2.15 Con la información obtenida hasta el momento, realizar una representación gráfica
de las tres funciones cuadráticas del Ejercicio 2.11.
1. Basta con unir con cuidado los puntos hallados y respetar la simetría de la gráfica de la
función. De esta manera, se tiene
2. Nuevamente, basta con respetar la simetría que existe. Observemos también que, como
presenta simetría alrededor de x = −1 y hay un punto en (0; 6) correspondiente a la gráfica
de la función entonces tiene que haber un punto en el (−2; 6). De esta manera, el gráfico
queda
2.4 Funciones cuadráticas 67
3. En este caso particular, la información hallada hasta el momento no nos permite realizar
un gráfico estimado de la función. Para poder graficarla, lo que haremos será hallar dos
puntos más. Por ejemplo, como h(1) = 12 + 1 = 2 esto signfica que el par ordenado (1; 2)
se encuentra en la gráfica de la función. Por simetría alrededor del eje x = 0 es claro que
el punto (−1; 2) también se encuentra en la gráfica de la función (es fácil chequear que
h(−1) = 2). De esta manera, incorporamos primero estos dos puntos en el plano cartesiano
de la siguiente manera
y luego unimos los puntos y, usando también la simetría de la función, resulta que su
representación gráfica quedaría
2.4.1 Ejercicios
1. Representar gráficamente las siguientes funciones cuadráticas determinando previamente la
ecuación del eje de simetría, el vértice y las intersecciones con los ejes.
68 Capítulo 2. Funciones
2. Calcular, en los casos en que sea posible, las raíces de las siguientes funciones cuadráticas:
3. Graficar las funciones cuadráticas del ítem anterior identificando previamente el eje de
simetría, el vértice y las intersecciones con los ejes.
Ejemplo 2.16 Determinar cuáles de las siguientes colecciones de conjuntos son una partición de
R y cuáles no. Justifique su respuesta.
1. (−∞; 5], (5; +∞)
2. (−∞; −3), [−3; −1), [1; +∞)
3. (−∞; 4], (4; 100]
4. (−∞; 0], [0; +∞)
5. (−∞; −2], [3; +∞)
6. (−∞; 9), (4; +∞)
7. (−∞; 8), {8}, (8; +∞)
Solución:
1. Estos dos conjuntos forman una partición de R porque lo cubren todo (desde el −∞ hasta
el +∞) y no tiene elementos repetidos (el 5 se encuentra en un único intervalo: el (−∞; 5]).
2.5 Funciones partidas 69
Para observar que todo R queda cubierto, una posibilidad es graficar los intervalos tal como
fue hecho en el Capítulo anterior.
2. Por la misma razón que antes, estos tres intervalos cubren todo R pero además no están
repetidos ni el −3 ni el 1.
3. Estos dos intervalos no forman una partición de R ya que no lo están cubriendo todo. Lo que
estaría faltando es cubrir el intervalo (100; +∞).
4. Estos dos conjuntos no conforman una partición de R ya que si bien lo cubren por completo,
el punto 0 se encuentra repetido. Más aún, (−∞; 0] ∩ [0; +∞) = {0} y no 0/ como debería
ocurrir para que se cumpla una de las dos condiciones necesarias para que sea una partición.
5. Nuevamente, estos dos intervalos no forman una partición de R ya que no lo cubren todo:
falta (−2; 3).
6. Si bien estos dos intervalos cubren todo R (basta con graficarlos en la misma recta real),
tienen elementos repetidos (su intersección no es vacía). Más aún, (−∞; 9) ∩ (4; +∞) = (4; 9).
Luego, no forman una partición de R.
7. Estos tres conjuntos sí conforman una partición de R. Los dos intervalos son disjuntos (tienen
intersección vacía) pero no cubren todo R, faltaría el punto 8, que es el único elemento del
tercer conjunto dado.
Definición 2.4 — Función partida. Diremos que una función con dominio y codominio en
todos los reales, es decir, f : R → R, es una función partida o función definida a trozos si no
está definida por una sola ecuación, sino por dos o más. Estas ecuaciones que la definen se
aplican únicamente dentro de uno de los conjuntos que particionan al dominio.
Ejemplo 2.17 — Ejemplos de funciones partidas. Graficar las siguientes funciones partidas
determinando,previamente, la partición sobre la que están definidas.
1
1. f (x) = 3x+1 si x < 3
3 − x si x ≥ 3
2
x − 1 si x < 2
2. g(x) = 5 si x = 2
4 − x si x > 2
−3 − x si x ≤ −1
3. h(x) = 2x + 1 si − 1 < x ≤ 3
x−2 si x > 3
Solución:
1. ¿Cuál es la partición? La partición es (−∞; 3) y [3; +∞).
Esto significa que la función en (−∞; 3) se comporta como 13 x + 1 mientras que en [3; +∞)
se comporta como 3 − x. En definitiva, la función f está formada por dos “partes” de rectas
(dos semirrectas en este caso). Recordemos que para graficar una recta, son suficientes dos
puntos. Cuando se tienen funciones partidas siempre es recomendable considerar el extremo
finito del intervalo como uno de los puntos usados para graficar (independientemente si ese
punto se encuentra o no en el conjunto de definición, tal como lo veremos a continuación).
El otro punto que usaremos sí tiene que encontrarse en el conjunto de definición (salvo que
el intervalo de definición tenga dos extremos finitos y no uno solo como ocurre en este caso).
Para el intervalo (−∞; 3):
x y = 13 x + 1
3 2
0 1
Para graficar ahora nos preguntamos: ¿el 3 forma parte del conjunto? Como la respuesta es
no, entonces cuando lleguemos a ese punto, deberemos poner un círculo abierto en lugar de
uno cerrado (que se usará para indicar que el punto sí pertenece al conjunto). De esta manera,
el gráfico que tenemos hasta ahora es el siguiente:
x y = 3−x
3 0
4 -1
y tenemos que las dos raíces son 1 y −1. Todos estos puntos mencionados se encuentran
dentro del intervalo (−∞; 2). Para lograr una mayor precisión, el punto que se corresponde
con el extremo del intervalo también debería evaluarse. Si evaluamos el 2 en la función
cuadrática esto nos da 22 − 1 = 3. El único cuidado que hay que tener es si este punto debe
ser graficado como un punto cerrado (o relleno) o un punto abierto. Como el 2 no forma
parte del intervalo sobre el que está definida esta función cuadrática, se graficará como un
punto abierto (y todos los demás como puntos cerrados. De esta manera, por ahora tenemos
el siguiente gráfico:
dando por finalizada la parte del gráfico correspondiente al intervalo (−∞; 2).
Para el {2}: si bien la función involucrada es la función constante y = 5, la realidad es que
podría haber sido cualquier otra función porque, de ella, sólo importa lo que ocurre en x = 2
(que es el elemento de la partición donde está definida). En este caso entonces sólo hay que
marcar el punto (2; 5) en el plano cartesiano. Luego, el gráfico actualizado con la nueva
información es el siguiente:
72 Capítulo 2. Funciones
Para el (2; +∞): realizamos una tabla con dos puntos porque la función involucrada es la
función lineal y = 4 − x. Nuevamente, uno de los puntos considerados será el extremo del
intervalo y el otro punto será uno que forme parte del intervalo (2; +∞), por ejemplo, el
punto x = 3. Luego, la tabla es
x y = 4−x
2 2
3 1
Observando además que el punto (2; 2) se grafica como un punto abierto ya que el 2 no se
encuentra en el intervalo (2; +∞), marcando también el punto (3; 1) y uniendo con una línea
recta, se tiene el gráfico obtenido para la función partida g es
3. En este caso, la partición está formada por: (−∞; −1], (−1; 3] y (3; +∞). Para cada uno de
estos intervalos tenemos que graficar tres partes de rectas. Para el (−∞; −1): consideramos
el extremo x = −1 y otro punto en el intervalo, por ejemplo, el x = −2. Luego, la tabla es
x y = −3 − x
-1 -2
-2 -1
Como además el −1 está incluido en el intervalo, el punto se grafica cerrado y entonces,
uniendo los puntos en el lugar correcto, se tiene que
Para el (−1; 3]: en este caso, este intervalo tiene dos extremos que son números y, por lo
tanto, ambos son considerados en la tabla para graficar la función lineal involucrada.
x y = 2x + 1
-1 -1
3 7
2.5 Funciones partidas 73
Luego, teniendo en cuenta qué punto va cerrado, cuál abierto, y uniendo con una recta, se
tiene el siguiente gráfico:
Por último, queda el intervalo (3; +∞). En este caso, los valores de x que consideramos, por
ejemplo, para graficar la función lineal involucrada son x = 3 y x = 4. De esta manera, la
tabla queda
x y = x−2
3 1
4 2
y, por lo tanto, el gráfico final obtenido para la función h es
2.5.1 Ejercicios
1. Determinar cuáles de las siguientes colecciones de conjuntos son partición de R y cuáles no.
Justifique su respuesta.
En algunas ocasiones nos resultará de importancia contar el número de elementos que componen
un conjunto A, sin necesidad de hacer un listado de sus elementos.
b1 , b2 ... bm
a1 (a1 ; b1 ) (a1 ; b2 ) ... (a1 ; bm )
.. .. .. .. ..
. . . . .
an (an ; b1 ) (an ; b2 ) ... (an ; bm )
76 Capítulo 3. Técnicas de conteo
Ejemplo 3.1 Una alumna desea escribir el título “Regla del producto” y para ello cuenta con
lapiceras azul y negra para escribirlo y lápices de colores: rojo, verde y celeste para subrayarlo.
¿De cuántas maneras puede hacerlo?
Solución: Lo resolveremos de dos maneras diferentes:
1. Primero haremos, en esta oportunidad, el listado de todas las formas posibles (la primera
coordenada corresponde a la lapicera con la que se escribiría el título y la segunda el color
del lápiz con el que se subrayaría):
Observemos que la segunda manera es la óptima si el listado con todas las posibilidades es muy
grande.
Ejemplo 3.2 Si para ir a la universidad dispongo de tres líneas de colectivos, ¿de cuántas maneras
puedo ir y volver?
Solución: En este caso tenemos tres líneas de colectivos diferentes para ir pero también tres líneas
de colectivos para volver. Por lo tanto, tenemos
3 3
.
ida vuelta
y por lo tanto tenemos 9 maneras diferentes de ir y volver a la Universidad.
y cuatro posibles postres, ¿cuántas variantes de tal menú es factible seleccionar? ¿Cómo se modifica
este valor si agregamos dos opciones de bebidas?
Solución: En este caso estaríamos trabajando con ternas. Si consideramos la “entrada” como
primera coordenada, el “plato principal” como la segunda coordenada y el “postre” como la tercera
coordenada, tenemos
3 2 4
. . = 24
entrada plato postre
posibilidades, es decir, se pueden seleccionar 24 combinaciones diferentes de menúes.
Si además se agrega 2 opciones de bebida, se tienen
3 2 4 2
. . . = 48
entrada plato postre bebida
3.1 Regla del producto 77
¿Cuántas patentes distintas se pueden formar? ¿Cuántas si no se desea repetir ni ninguna letra ni
ningún número? Hay 26 letras disponibles.
Solución: Si quisiéramos hacer un diagrama de árbol haríamos:
A −→ A −→ 0 −→ 0 −→ 0 −→ A −→ A
.. .
. & ..
Z
B −→ A
.. .
. & ..
Z
..
.
Esto claramente se haría inmanejable.
Usando la regla del producto es claro que:
26 26 10 10 10 26 26
. . . . . . = 26.26.10.10.10.26.26 = 264 103 = 456976000 .
letra letra número número número letra letra
Es decir, hay 456976000 patentes distintas.
Si no se pueden repetir números, en un diagrama de árbol se vería así:
A −→ B −→ 0 −→ 1 −→ 2 −→ C −→ D
.. .
. & ..
Z
B −→ A
.. .
. & ..
Z
..
.
78 Capítulo 3. Técnicas de conteo
sin embargo no lo vamos a contar de esta manera sino con la regla del producto. Como cada vez
que usamos una letra, esa misma letra no se puede repetir, para la segunda coordenada tenemos
siempre una opción menos. De esta manera, hay
26 . 25 . 10 . 9 . 8 . 24 . 23 = 258336000
3.1.1 Ejercicios
1. Para seleccionar las escuelas a las que un niño asistirá durante los diferentes ciclos de en-
señanza, sus padres cuentan con 4 posibles jardines de infantes, 3 posibles escuelas primarias
y 5 posibles escuelas secundarias diferentes. ¿Cuántas formas de elegir las instituciones para
los diferentes ciclos hay?
2. ¿Cuántas palabras de tres letras se pueden formar con cinco consonantes y tres vocales de
modo que cada palabra comience y termine en consonante?
Observación: las consonantes no se pueden repetir.
3. Una persona desea construir su casa, para lo cual considera que puede construir los cimientos
de su casa de cualquiera de dos maneras (concreto o block de cemento), mientras que las
paredes las puede hacer de adobe, adobón o ladrillo, el techo puede ser de concreto o lámina
galvanizada y por último los acabados los puede realizar de una sola manera. ¿Cuántas
maneras tiene esta persona de construir su casa?
4. ¿Cuántas patentes (de las viejas) con 3 letras y 3 números hay? ¿Cuántas si no se pueden
repetir las letras ni los números?
Observación: Hay 26 letras posibles.
5. Se arroja 4 veces una moneda y se anota de manera ordenada la sucesión de caras y cecas
obtenidas.
(a) ¿Cuántas 4-uplas diferentes hay?
(b) ¿Cuántas 4-uplas que terminan con cara hay?
(c) ¿Cuántas que terminan con “Cara - Ceca” (en ese orden) hay?
(d) ¿Cuántas que tienen en las dos últimas coordenadas exactamente una cara y una ceca?
(e) ¿Cuántas con al menos una cara hay?
6. Se arroja un dado 3 veces y se anota de manera ordenada los números que salieron.
(a) ¿Cuántas ternas diferentes hay?
(b) ¿Cuántas ternas que empiezan con 6 hay?
(c) ¿Cuántas ternas de todos 6 hay?
(d) ¿Cuántas ternas con ningún 6 hay?
(e) ¿Cuántas ternas con al menos un 6 hay?
3.2 Permutaciones
Comencemos primero con algunas definiciones.
Definición 3.1 — Factorial. Llamamos factorial del número natural n, y lo notamos con n!, al
siguiente producto:
n! = n.(n − 1) . . . 2.1
y definimos por convención 0! = 1.
Es claro que es n! ya que si ordenamos de izquierda a derecha los elementos, la primera posición
tiene n elementos posibles para ubicarse, pero una vez ubicado este elemento, la segunda posición
tiene n − 1 elementos posibles, y así siguiendo hasta que se llega a la última posición. Es decir, con
n elementos distintos hay
n . (n − 1) . . . 2 . 1 = n!
maneras de ordenarlos.
Ejemplo 3.5 A una profesora se le cayeron 6 hojas escritas de un cuaderno. ¿De cuántas maneras
diferentes las puede tener ordenadas cuando las levante?
Solución: Si pensamos que las ordena de izquierda a derecha (o de adelante hacia atrás, es lo
mismo) resulta que hay
6 . 5 . 4 .3 . 2 . 1 = 6! = 720
formas distintas de levantar las hojas.
Ejemplo 3.6 .
(a) ¿Cuántas palabras (aunque la mayoría sin sentido) pueden formarse con las letras de la
palabra ARBOL?
(b) ¿Cuántas de estas palabras terminan en R?
(c) ¿Cuántas contienen “LA”?
Solución:
(a) Si pensamos en ordenar las letras de izquierda a derecha, tenemos
5 . 4 .3 . 2 . 1 = 5! = 120
4 .3 . 2 . 1. R = 4! = 24
L .A . 3 . 2. 1 = 3! = 6
3 . L .A . 2. 1 = 3! = 6
3 . 2 . L . A. 1 = 3! = 6
3 . 2. 1 . L . A = 3! = 6
ya que, al usarse las letras L y A, entonces siempre tenemos 3 letras para repartir entre tres
coordenadas. Observemos que si “LA” está ubicada en las primeras dos coordenadas, no
está ubicada en las última dos, y lo mismo con las otras posiciones. En definitiva, todos estos
son casos distintos y, por lo tanto, al sumarlos no estamos contando ningún caso repetido. De
esta manera, el resultado es 6 + 6 + 6 + 6 = 24.
Esto también puede pensarse como: 4 opciones para poner “LA” y por cada una de estas
opciones hay 3! maneras de ubicar las restantes letras. En definitiva, la respuesta también es
4.3! = 24.
80 Capítulo 3. Técnicas de conteo
Ejemplo 3.7 .
(a) ¿Cuántas formas hay de ubicar 5 personas en 5 butacas consecutivas de un teatro?
(b) ¿Cuántas si estas 5 personas son una pareja de padres y tres hijos y los padres desean estar
juntos?
(c) Ídem si no desean estar juntos.
(d) Ídem si desean sentarse en las puntas.
Solución:
(a) Como tenemos que ubicar 5 personas en 5 butacas (y las butacas están ordenadas), tenemos
5! = 120 maneras.
(b) En este caso conviene pensar que los padres forman parte de una bolsita (que tiene 2
elementos) y que una vez que se ubique la bolsita, deberemos considerar las dos maneras
diferentes que tienen los padres de sentarse. En definitiva, al unir los padres en una misma
bolsita, tenemos un total de 4 bolsitas (3 de ellas con un único individuo, cada hijo, y una de
ellas con dos individuos: los padres). Ordenar las bolsitas es 4! = 24. Sin embargo, una vez
que ordené las bolsitas, queda por ordenar a los padres. Como estos son dos, entonces hay
2! = 2 maneras de ordenar a los padres. Observemos entonces que, por cada ordenamiento
de las bolsitas, hay dos distribuciones diferentes de personas en las butacas. De esta manera,
la respuesta es 4!2! = 24.2 = 48, es decir, hay 48 maneras de ubicar a las 5 personas de
manera que los padres se sienten juntos.
(c) En este caso queremos todo lo contrario. Contar los casos que no desean estar juntos es como
contar todos los casos posibles y sacarle los casos en los que sí se sientan juntos (que es el
caso del ítem (b)). Luego, hay
120 − 48 = 72
formas de ubicarse de manera que los padres no se sienten juntos.
Observación: este ejercicio se puede resolver también separando en casos tal como se hizo
en el ítem (c) del ejercicio anterior.
(d) En este caso, como los padres se quieren sentar en las puntas, la manera de hacer esto es
pensar en el 2! se ubicar a los padres (el de la punta izquierda y luego, el que queda, en la
punta derecha) y luego ubicar a los hijos en el medio (que como son 3 da 3!). En definitiva,
el resultado es 2!3! = 12, es decir, hay 12 manera de ubicar a las 5 personas de manera que
los padres queden en las puntas.
Otra manera de resolver esto es pensando coordenada a coordenada. Teniendo en cuenta que
en los extremos sólo pueden ir los madres y que en la butacas centrales tienen que estar los
tres hijos, se tiene que hay
2 . 3. 2 . 1 . 1 = 2.3.2.1.1 = 2!3! = 12
formas de ubicar a las personas de manera que los padres se sienten en las puntas.
Observación: en el Ejemplo 3.6 habíamos separado todos los casos en los que podía ir “LA” y
luego permutado las restantes letras. Observemos que si hubiésemos pensado el “LA” como una
bolsita con dos elementos, ese ejercicio se podría haber resuelto permutando todas las bolsitas y
eso daría 4! = 24 (hay 3 bolsitas con un único elemento y 1 bolsita con dos elementos), que es la
respuesta del ítem.
Ejemplo 3.8 .
(a) Quiero acomodar 10 libros (distintos) en un estante, ¿cuántas maneras tengo de hacerlo?
(b) ¿Cuántas si 3 de ellos pertenecen a una colección y deben ir juntos?
(c) ¿Cuántas si 4 son de una materia y 6 de otra y deseo que los libros de la misma materia
queden juntos?
3.3 Variaciones 81
Solución:
(a) Como los libros van ordenados en el estante, entonces la respuesta es 10! = 3628800 maneras
de ubicar los 10 libros en el estante.
(b) Como los de la colección deben ir juntos, lo pensaremos como una bolsita con 3 elementos
(como habíamos agrupado a los padres en el ejemplo de las butacas). ¿Cuántas bolsitas hay
en total en este caso? Como en total hay 10 libros y sólo 3 son de una misma colección,
entonces hay 8 bolsitas (7 con un único libro y 1 con tres libros). Luego y hasta ahora
tenemos 8! maneras de ordenar las bolsitas. Sin embargo, aún queda por ordenar a los
libros que forman parte de la misma colección. La manera de hacer este ordenamiento es 3!.
Luego, estos factoriales se multiplican porque por cada manera de ordenar las bolsitas hay 3!
maneras de ordenar los libros dentro de la misma colección. De esta manera, la respuesta
es 8!3! = 241920 maneras de ordenar los libros de manera que los de la mismo colección
queden juntos.
(c) Como son de dos materias distintas y éstos deben ir juntos por materia entonces, en principio,
hay dos posibilidades: los de una materia van a la izquierda y los de la otra materia a derecha,
o viceversa. Esto da, hasta ahora 2! maneras de ordenar por materia (la que va a la derecha y
la que va a la izquierda). Una vez que ya está establecido este orden, hay 4! maneras para
ordenar los de una materia entre ellos, y 6! maneras de ordenar entre ellos a los de la otra
materia. De esta manera hay 2!4!6! = 34560 maneras de ordenar los libros de manera que
los de una misma materia queden juntos.
3.2.1 Ejercicios
1. Calcular de cuántas maneras diferentes se pueden sentar tres niños en un banco de plaza con
tres lugares.
2. En un casamiento, 6 hombres y 4 mujeres se están por sacar una foto.
(a) ¿Cuántas fotos distintas pueden hacerse si se los ordena en fila?
(b) ¿Cuántas en que todos los hombres estén juntos a la derecha de todas las mujeres?
3. (a) ¿Cuántas permutaciones existen para las ocho letras a, b, c, d, e, f, g, h?
(b) ¿Cuántas de las permutaciones de (a) comienzan con la letra a?
(c) ¿Cuántas de las permutaciones de (a) comienzan con la letra a y terminan con la letra c?
4. Se desea ordenar 8 libros en un estante.
(a) ¿De cuántas maneras se puede hacer esto?
(b) Si de esos 8 libros hay 3 de Matemática, 3 de Química y 2 de Física. ¿De cuántas
maneras se pueden ubicar los libros en el estante si se desea que los libros de una misma
materia queden juntos?
(c) ¿De cuántas maneras se pueden ubicar los libros si se desea que queden ordenados
alfabéticamente (de menor a mayor o de mayor a menor)?
5. (a) ¿Cuántas palabras pueden formarse con las letras de la palabra TRIANGULO?
(b) ¿Cuántas comienzan con T?
(c) ¿Cuántas comienzan con T y terminan en O?
(d) ¿En cuántas la A ocupa lugar impar?
3.3 Variaciones
Definición 3.3 — Variación. Definimos como variación de n elementos tomados de un grupo
de tamaño m a una n−upla con elementos de ese grupo de m elementos. En general y dicho
coloquialmente, consideramos una variación como el “subconjunto ordenado” de n elementos
que pueden seleccionarse de un conjunto de m elementos, sin repetir elementos.
82 Capítulo 3. Técnicas de conteo
Ejemplo 3.9 Un club realizará una competencia interna para determinar qué chicos de los 6
socios representarán a la institución. Una vez terminada la competencia se publicarán sólo los
mejores tres resultados. Cada terna que se puede armar con los 6 socios es una variación. ¿Cuántas
ternas pueden armarse en total?
Solución: En este caso sólo hay que tener en cuenta que los socios no se repiten. De esta manera,
para la primera coordenada hay 6 posibilidades, para la segunda quedan 5 posibilidades y para la
tercera y la última hay 4 posibilidades. En definitiva,
6 . 5 . 4 = 6.5.4 = 120,
Ejemplo 3.10 Siguiendo con el ejemplo anterior, ¿cuántos rankings diferentes se hubiesen podido
armar si se rankeaban los primeros 4 mejores puestos?
Solución: De la misma manera que antes, la cantidad de 4−uplas que se pueden formar con los 6
socios es
6 . 5 . 4 . 3 = 6.5.4.3 = 360.
Otra manera de escribir esto usando factoriales es
6! 6.5.4.3.2.1
= = 6.5.4.3 = 360 .
2! 2.1
Ejemplo 3.11 En los ejemplos anteriores vimos que la cantidad de ternas que se pueden formar
con un conjunto de 6 elementos es
6! 6!
V6,3 = = = 120
(6 − 3)! 3!
mientras que la cantidad de 4−uplas que se pueden formar con un conjunto de 6 elementos es
6! 6!
V6,4 = = = 360 .
(6 − 4)! 2!
Ejemplo 3.12 A un concurso literario se han presentado 10 candidatos con sus novelas. El
cuadro de honor lo conforman el primer puesto, el segundo puesto y el tercer puesto. Los tres
puestos reciben algún premio.
(a) ¿Cuántos cuadros de honor se pueden formar?
(b) Juan es uno de los 10 candidatos. ¿De cuántas formas Juan recibe algún premio?
Solución:
3.3 Variaciones 83
(a) En este caso nos interesa contar la cantidad de ternas que pueden formarse con 10 elementos
distintos. De esta manera, el resultado es
10! 10!
V10,3 = = = 720.
(10 − 3)! 7!
10 . 9 . 8 = 720 .
(b) Supongamos que Juan está en uno de los tres puestos. Luego, tenemos 6 personas para
distribuir entre los otros dos puestos, lo que daría un total de V9,2 = 9!/7! = 72. Sin embargo,
como ubicar a Juan tiene 3 posibilidades diferentes (porque puede estar en el primero,
segundo o tercer puesto), entonces la cantidad total de rankings en los que Juan forma parte
es
3.V9,2 = 3.72 = 216 .
Otra manera de pensarlo podría haber sido separando los tres casos de Juan y luego sumarlos,
es decir,
Juan . 9 . 8 = 72
9 . Juan . 8 = 72
9 . 8 . Juan = 72
y haciendo la suma 72 + 72 + 72 tenemos que hay 216 maneras en las que Juan recibe algún
premio.
Ejemplo 3.13 Si deseo armar una bandera con 3 franjas horizontales de colores diferentes, y
dispongo para ello de 7 telas (franjas) de un color diferente cada una.
(a) ¿Cuántas banderas diferentes puedo armar?
(b) ¿Cuántas si quiero usar el blanco (uno de las 7 telas posibles) en la franja central?
(c) ¿Cuántas si quiero usar el blanco en alguna franja?
(d) ¿Cuántas si decido no usar celeste si uso blanco y recíprocamente?
Solución:
(a) Como disponemos de 7 franjas de colores diferentes y la bandera se arma con tres franjas, la
cantidad de banderas que se pueden armar es
7! 7!
V7,3 = = = 210.
(7 − 3)! 4!
(b) Como en este caso el blanco está fijo como franja central de la bandera, quedarían sólo dos
franjas para determinar: la de arriba y la de abajo. De esta manera, el resultado es
6! 6!
V6,2 = = = 30
(6 − 2)! 4!
o bien
6 . Blanco . 5 = 6.5 = 30
si pensamos que la primera coordenada representaría la franja de arriba, la segunda la central
y la tercera la de abajo.
(c) En este caso nos piden usar el blanco. Hay varias maneras de pensar en esto.
84 Capítulo 3. Técnicas de conteo
• Una manera es pensar que hay posibilidades para ubicar el blanco y que, una vez
ubicada esta franja, quedan dos lugares para ubicar dos colores y esto sería V6,2 = 30.
De esta manera, la cantidad total de banderas que utilizan el blanco en alguna franja es
3.V6,2 = 3.30 = 90.
• Otra manera es separando en casos: la franja blanca arriba, la franja blanca en el centro
y la franja blanca abajo. De esta manera, se cuenta cada caso por separado y luego se
suma, es decir,
Blanco . 6 . 5 = 6.5 = 30
6 . Blanco . 5 = 6.5 = 30
6 . 5 . Blanco = 6.5 = 30
Luego, la cantidad de banderas que se pueden formar con el blanco en alguna posición
es 30 + 30 + 30 = 90.
(d) Este ejercicio lo vamos a resolver de dos maneras diferentes:
• Por el complemento: es claro que todo lo contrario a que si el blanco está el celeste no
y viceversa es que estén los dos colores. Si pudiésemos contar este caso, la cantidad de
banderas que se pueden formar con esta condición de uno sí pero el otro no sería: todas
las banderas que se pueden formar menos las que tienen el blanco y el celeste.
Calculemos primero cuántas banderas se pueden formar usando el blanco y el celeste.
Supongamos que ya separé el blanco y el celeste. Luego, para formar la bandera
necesitaría un color más y éste es uno de los 5 colores restantes. Una vez que ya
tenemos los tres colores separados, ¿cuántas banderas podemos formar? La respuesta
es 3! ya que consiste en contar todos los reordenamientos posibles de una colección de
3 objetos. En definitiva, la cantidad total de banderas que tienen el celeste y el blanco
es 5.3! = 30. ¿Pero es esta la respuesta del ejercicio? No, esta es la respuesta de “todo
lo contrario”. La cantidad de banderas que se pueden formar tal que si se usa el blanco
no se usa el celeste y recíprocamente es
3.4 Combinaciones 85
3.3.1 Ejercicios
1. Entre 5 alumnos queremos elegir: abanderado, primera y segunda escolta. ¿De cuántas
maneras distintas podemos hacerlo?
2. Si se quiere elegir entre siete concursantes la reina, la primera princesa y la segunda princesa,
¿Cuántas formas de hacerlo hay?
3. El Homebanking de cierto Banco exige una contraseña numérica de 6 dígidos. ¿Cuántas
contraseñas se pueden hacer si
(a) ningún dígito se puede repetir?
(b) se pueden repetir los dígitos?
4. (a) Calcular cuántos números enteros diferentes de tres dígitos se pueden formar con los
dígitos 2, 3, 4, 5, 6, 7, 8 si los dígitos no pueden repetirse.
(b) Calcular cuántos números enteros diferentes de tres dígitos se pueden formar con los
dígitos 2, 3, 4, 5, 6, 7, 8 si los dígitos pueden repetirse.
5. En un curso hay 12 estudiantes: 7 mujeres y 5 hombres. Se quieren elegir 5 para resolver 5
ejercicios diferentes en el pizarrón (sin repetir a los alumnos).
(a) ¿De cuántas maneras se puede hacer esto?
(b) ¿De cuántas maneras se puede hacer esto si se desea que todos los ejercicios sean
resueltos por mujeres?
(c) ¿De cuántas maneras se puede hacer esto si se desea que los primeros tres ejercicios
sean resueltos por mujeres y los últimos dos por hombres?
(d) ¿De cuántas maneras con la condición de que el último ejercicio sea resuelto por un
hombre?
Observación: no hay restricción sobre los primeros cuatro ejercicios (puede ser resueltos
por hombres o por mujeres).
(e) ¿De cuántas maneras si se desea que al menos un ejercicio sea resuelto por una mujer?
6. La saga Harry Potter consta de 7 novelas (publicadas entre 1997 y 2007). Pedro tiene la
colección entera y desea ordenarla en un estante. Lamentablemente, sólo hay espacio en el
estante para cuatro de ellos y los demás deberán ir a una caja ya que no tiene más espacio en
la biblioteca.
(a) ¿De cuántas formas puede ubicar los libros en el estante?
(b) Pedro desea que el primer libro de la saga (Harry Potter y la piedra filosofal) y el último
libro de la saga (Harry Potter y las Reliquias de la Muerte) aparezcan en el estante y así
dar a entender que tiene la saga completa. ¿De cuántas maneras puede conseguir esto?
Observación: dentro del estante los libros pueden ubicarse en cualquier orden.
3.4 Combinaciones
Hay problemas en los que no interesa el orden de los elementos seleccionados. Por ejemplo:
• se seleccionan 3 personas para asistir a un congreso,
• se asignan 2 docentes para dictar una materia,
• se eligen 5 latas de pintura para pintar un mural,
• se convocan 23 jugadores de fútbol para formar parte del seleccionado argentino.
Definición 3.4 — Combinación. Dado un conjunto de n objetos distintos, cualquier sub-
conjunto “no ordenado” (valga la redundancia) de tamaño k se denomina combinación de n
elementos tomados de a k.
El objetivo ahora es aprender a contar la cantidad total de combinaciones que se pueden tener
de un conjunto de n elementos tomados de a k. Para ello, veamos primero cómo lo haríamos con un
ejemplo.
86 Capítulo 3. Técnicas de conteo
Ejemplo 3.14 Se desea seleccionar 3 personas de un total de 5 para asistir a un congreso (se
supone que todas irán al mismo lugar y bajo las mismas condiciones), ¿de cuántas maneras es
posible hacer esto?
Solución: Lo primero y más importante es observar que estas tres personas que sean seleccionadas
asistirán al evento bajo las mismas condiciones.
Observación: en este caso esto está expresamente dicho en el enunciado del ejercicio pero en otras
ocasiones deberemos pensarlo primero por nuestra cuenta.
Por esta razón, no importa el orden en el que se seleccionen a las personas sino cuáles sean las
personas seleccionadas.
Supongamos que indicamos a las personas con las letras: A, B, C, D y E. Podríamos fabricar todas
las ternas posibles y representarlas en una tabla de la siguiente forma:
Sabemos, gracias a que son ternas y por lo tanto tienen a los elementos de manera ordenada,
que el total de ternas posibles es la variación V5,3 = 5!/2! = 60. Este número es la cantidad de
ternas que se encuentran en la tabla anterior.
¿Cuántas filas tiene la tabla? Como en las filas tenemos todas las permutaciones que se pueden
hacer con tres letras (en la primera fila están las letras A, B y C; en la segunda fila se encuentran las
letras A, B y D; etc.), entonces la cantidad de filas es 3! = 6 (como se puede apreciar en la tabla).
¿Cuántas columnas hay? La cantidad de columnas es la cantidad de subconjuntos de tres letras que
se pueden tomar y ésta es justamente nuestra incógnita (el valor que queremos averiguar) y que
llamaremos x.
Como además ya vimos que la cantidad de elementos de la tabla es V5,3 = 5!/2! = 60 entonces,
recordando que “base por altura” es el área (o tamaño) de un rectángulo, observando que la “base”
es x, la altura es 3! = 6 y el área es V5,3 = 5!/2! se tiene que
x.6 = 60
o bien
5!
x.3! = .
2!
Por lo tanto despejando se tiene que la cantidad de columnas de la tabla es
60 5!
x= = = 10.
6 3!2!
De esta manera, la cantidad de subconjuntos de tamaño 3 que se pueden formar con 5 elementos
distintos es 10.
n n!
Cn,k = =
k k!(n − k)!
3.4 Combinaciones 87
n
Al número Cn,k o se lo llama “número combinatorio n k”.
k
Ejemplo 3.15 En el ejemplo anterior vimos que
5 5!
= = 10 .
3 3!2!
Ejemplo 3.17 Para jugar el truco se necesita un mazo de 40 cartas, 10 de cada palo (oro, copa,
espada, basto). A cada participante se le reparten 3 cartas (que jugará luego del modo que considere
más conveniente).
(a) ¿Cuántas manos diferentes puede tener una persona que juega al truco?
(b) ¿Cuántas manos diferentes donde todas las cartas sean de oro (flor de oro)?
(c) ¿Cuántas manos diferentes con cartas de oro o espada?
(d) ¿Cuántas manos tienen dos cartas de oro y una carta de espada?
Solución:
Observación: afortunadamente no hace falta saber jugar al truco para resolver este ejercicio, sólo
leer ciudadosamente lo que se pide en cada ítem.
(a) En este caso queremos contar las cantidad de manos que podría tener una persona. Ob-
servemos que una vez repartidas las cartas, el jugador las usará en el orden que desee
y, por lo tanto, no importa en qué orden le hayan llegado. Es decir, es lo mismo tener
{7 espada; 5 oro; 6 copa} que tener {6 copa ; 7 espada; 5 oro}. Luego, como sólo importa
contar todos los subconjuntos de 3 elementos que se puedan construir con 40 cartas difer-
entes, el resultado es
40 40!
= = 9880 ,
3 3!(40 − 3)!
es decir, hay 9880 manos diferentes.
(b) En este caso, sólo nos interesan las manos que tienen sólo cartas de oro, es decir, nos
preguntan cuántos subconjuntos de 3 cartas que utilizan sólo cartas de oro hay. Luego, nos
interesa contar todos los subconjuntos de 3 elementos que se pueden hacer con 10 elementos
(las 10 cartas de oro). Luego, hay
10 10!
= = 120
3 3!7!
manos con cartas que son sólo de oro.
(c) En este caso nos interesa contar todos los subconjuntos de 3 cartas que se pueden hacer con
cartas de oro o espada. Como las cartas de oro o espada son 20 en total, hay
20
= 1140
3
manos con cartas de oro o espada.
Observación: que una mano sea de oro o espada significa que puede tener cartas sólo de oro,
sólo de espada o mezcla de ambas (algunas cartas son de oro y otras de espada).
(d) En primer lugar, observemos que este no es el caso anterior. En esta oportunidad nos piden
que haya exactamente dos cartas de oro y una carta de espada, formando así una mano de
tres cartas. En definitiva, queremos que nuestro subconjunto de 3 cartas tenga exactamente 2
cartas de oro y 1 carta de espada. ¿Cuántas cartas de oro tenemos disponible? Tenemos 10
3.4 Combinaciones 89
Ejemplo 3.18 Queremos pintar 12 bolitas distintas de 3 colores, de manera de tener 3 blancas, 2
rojas y 7 azules. ¿De cuántas maneras es posible hacerlo?
Solución: En primer lugar, observemos que 3 + 2 + 7 = 12 y por lo tanto el enunciado tiene sentido
(se van a pintar, efectivamente, las 12 bolitas). Hagamos un cuadro ilustrativo de esta situación.
Blancas Rojas Azules
{1; 2; 3} {4; 5} {6; 7; 8; 9; 10; 11; 12}
{1; 2; 4} {3; 5} {6; 7; 8; 9; 10; 11; 12}
.. .. ..
. . .
Este cuadro representa todas las maneras diferentes en que se pueden pintar las bolitas. Todas las
maneras diferentes de hacer esto sería contar todas las filas que debería tener esta tabla. Se puede
ver a simple vista que hay realmente muchas maneras de pintar las bolitas.
Observemos que una vez determinadas las bolitas que se van a pintar de cierto color, no importa el
orden en que se pinten. Por esta razón de que no importa el orden es que usaremos los números
combinatorios para su conteo.
Comencemos determinando qué bolitas vamos a pintar de blanco. Como en total hay 12 bolitas y
12
tengo que seleccionar (sin orden) 3 bolitas para pintar de blanco, hay maneras de seleccionar
3
bolitas para pintarlas de blanco. Listo. Pensemos que ya se extrajeron y fueron pintadas. ¿Cuántas
bolitas nos quedan? Quedan 9 bolitas. De esas 9 bolitas tengo que elegir las que pintaremos de
9
rojo. ¿De cuántas maneras podemos hacer esto? Hay maneras de elegir las bolitas (de entre
2
las restantes) que se pintarán de rojo. ¿Cuántas bolitas nos quedaron? Quedaron 7 bolitas. Esas 7
bolitas hay que pintarlas de azul sí́ o sí y por lo tanto hay una única manera
de elegir de entre las
7
bolitas restantes las 7 que se pintarán de azul o, equivalentemente, hay = 1 manera de pintar
7
las bolitas restantes de azul (que es pintándolas todas). Luego, usando la regla del producto, se
tiene que hay
12 9 7 12! 9! 7! 12!
= = = 7920
3 2 7 3!9! 2!7! 7!0! 3!2!7!
maneras diferentes de pintar las bolitas de manera de tener exactamente 3 blancas, 2 rojas y 7
azules.
Ejemplo 3.19 .
(a) Con las letras de la palabra AGUA, ¿cuántas palabras distintas (aunque la mayoría sin sentido)
pueden formarse usando todas las letras?
(b) ¿Y con las letras de la palabra DINOSAURIO?
90 Capítulo 3. Técnicas de conteo
(c) ¿Y con las letras de la palabra DINOSAURIO de manera tal que “NOS” quede escrita toda
junta y en ese mismo orden?
Solución:.
(a) Observemos primero que el problema de este ejercicio a diferencia del Ejemplo 3.6 es que,
en este caso, hay una letra repetida: la letra A. En definitiva, permutar las 4 letras que tiene
la palabra AGUA haría que estemos contando repetido. ¿Cómo hacemos entonces para
permutar las letras de la palabra AGUA? La respuesta es “ubicando las letras de a una a la
vez”. Esta manera de razonarlo la podríamos usar aún si ninguna letra se encontrara repetida
y recuperaríamos en este caso el factorial que es la solución en el caso de palabras que no
tienen letras repetidas.
Como hay 4 letras en esta palabra, podemos pensar que hay 4 coordenadas (ordenadas de
izquierda a derecha) a las que hay que asignarles las letras:
. . . .
1234
Comencemos asignando las letras A. Como hay dos letras A, entonces debemos elegir 2
coordenadas de las 4 para hacer esta asignación. ¿Nos interesa el orden en que elijamos las
coordenadas?
No, nos interesa, todas esas coordenadas van a tener la misma letra. Luego,
4
hay = 6 maneras de elegir las coordenadas que llevarán la letra A. Supongamos que ya
2
elegimos las coordenadas y les pusimos las letras A, por ejemplo, si elegimos las coordenadas
2 y 3, tendríamos
. AA .
1 2 3 4
¿Cómo seguimos? Nos quedan 2 coordenadas y 2 letras (la G y la U) para asignar. En
definitiva, hay 2! = 2 maneras de determinar cómo ubicar las letras. Luego, como por cada
elección de las posiciones para las letras A hay 2! maneras de ubicar las restantes letras,
entonces hay
4
2! = 6.2 = 12
2
palabras que se pueden formar con todas las letras de la palabra AGUA.
(b) En este caso, de las 10 letras que tiene la palabra DINOSAURIO, está repetida la I dos
veces y la O dos veces. Hay 8 letras distintas en la palabra. Luego, para mezclararlas sin
contar casos repetidos es conveniente comenzar ubicando las letras que están repetidas. ¿De
cuántas maneras puedo ubicar la letra I? Nuevamente, eligiendo de los 10 casilleros que
10
utiliza la palabra los 2 que ocuparía la letra I, se tiene que hay maneras de seleccionar
2
las coordenadas para esta letra. ¿Cuántas letras quedan disponibles? Una vez ubicadas las
letras I, hay 8 casilleros libres para ubicar las restantes letras. Ubiquemos ahora las letras O.
Nuevamente,
de las 8 coordendas debemos elegir las 2 coordenadas que tendrán la letra O y
8
hay maneras diferentes de hacer esto. ¿Cuántos casilleros quedaron? Quedaron 6. ¿Y
2
cuántas letras? Quedaron 6 letras distintas. Luego, ordenar las 6 letras en esos 6 casilleros es
contar todas las permutaciones posibles y eso es 6!. En definitiva, se pueden formar
10 8
6! = 907200
2 2
hicimos en los casos anteriores. Como en total hay 10 casilleros, entonces hay 8 maneras de
ubicar NOS: comenzando en la primera coordenada (ocupando las primeras 3), comenzando
en la segunda coordenada (ocupando desde la segunda hasta la cuarta), y así siguiendo hasta
la última posibles que es comenzando en la octava y terminando en la décima. Supongamos
que esto ya fue hecho: elegimos una de estas 8 posibilidades y escribimos NOS, por ejemplo,
. . . . NOS . . .
1 2 3 4 5 6 7 8 9 10
Ahora, ¿qué nos queda para ubicar? Nos quedan para ubicar 7 letras de las cuales hay una
que está repetida: la letra I. Nuevamente, proseguimos como antes: de las 7 coordenadas
comenzamos eligiendo las 2 que llevarán I y una vez hecho esto, quedan 5 letras distintas
para ubicar en 5 casilleros. Luego, hay
7
8 5! = 20160
2
palabras en las que se puede leer exactamente NOS.
Importante: hay muchas maneras de contar y en estos últimos ejercicios sólo propusimos una
manera de resolver cada ítem, pero no es la única.
3.4.1 Ejercicios
1. En una clase de 25 alumnos se quiere elegir un comité formado por cuatro alumnos. ¿Cuántos
comités diferentes se pueden formar?
2. Un estudiante que realiza un examen debe responder 4 de las 7 preguntas. No importa el
orden. ¿De cuántas formas puede responder el examen?
3. De un grupo formado por 6 hombres y 4 mujeres, se eligen 6 que se ponen uno al lado del
otro para sacarse una foto.
(a) ¿Cuántas fotos distintas pueden sacarse?
(b) Y si no interesa el orden de la foto sino cuáles son los 6 elegidos para la foto, ¿cuántas
elecciones distintas hay?
4. Se tiene un curso con 30 alumnos y se desea dividir a este grupo en dos mitades. ¿De cuántas
maneras es posible hacer esto?
5. Se tiene un mazo de cartas españolas (48 cartas, 12 de cada palo).
(a) ¿De cuántas maneras es posible extraer 4 cartas?
(b) ¿De cuántas maneras es posible sacar 4 copas?
(c) ¿De cuántas maneras es posible extraer 4 ases (unos)?
(d) ¿Y 3 copas y 1 basto?
6. En un aula hay 20 alumnos, 12 mujeres y 8 hombres. El profesor desea llevar 5 de estos
alumnos a Rosario de excursión.
(a) ¿De cuántas maneras diferentes puede el profesor hacer esto?
(b) ¿Y si en realidad el profesor desea llevar sólo mujeres?
(c) ¿Y si en realidad desea llevar a 4 mujeres y 1 hombre?
(d) ¿Y si desea llevar exactamente 3 hombres?
(e) ¿Y si en realidad desea llevar al menos un hombre?
(f) Julia convenció al profesor de ir. ¿Cuántas maneras diferentes tiene el profesor de elegir
a los otros 4 alumnos?
(g) Julia tiene un hermano que está en la misma aula y con el que no se lleva muy bien,
por lo que los dos no pueden ir a la excursión ni los dos pueden quedarse (o sea, no
pueden estar juntos, ya sea en Buenos Aires o en Rosario). ¿De cuántas maneras puede
el profesor elegir a los alumnos?
92 Capítulo 3. Técnicas de conteo
7. (a) Con las letras de la palabra ESPECIAL, ¿cuántas palabras distintas (aunque la mayoría
sin sentido) pueden formarse utilizando todas las letras?
(b) ¿Cuántas palabras se pueden formar con la palabra ESPECIAL de manera tal que
“CESE” quede escrita toda junta y en ese orden?
8. (a) Con las letras de la palabra BELLEZA, ¿cuántas palabras distintas (aunque la mayoría
sin sentido) pueden formarse utilizando todas las letras?
(b) ¿Cuántas palabras se pueden formar con la palabra BELLEZA de manera tal que “LEA”
quede escrita toda junta y en ese orden?
(c) ¿Cuántas palabras se pueden formar con la palabra BELLEZA de manera tal que “BAL”
quede escrita toda junta y en ese orden?
9. El entrenador de la selección de fútbol cuenta con un plantel de 23 jugadores, de los cuales hay
3 arqueros, 8 defensores, 6 mediocampistas y 6 delanteros. Tiene que decidir cuáles son los
11 jugadores que saldrán a la cancha. Debe elegir 1 arquero, 4 defensores, 3 mediocampistas
y 3 delanteros. ¿Cuántas combinaciones diferentes tiene para elegir a los 11 titulares?
Rta: Muchísimas! Más de ochenta mil. Verifíquelo usted mismo.
Por ejemplo: arrojar una moneda, arrojar dos veces un dado, medir la altura de personas, medir la
profundidad de un río en diferentes puntos elegidos al azar, etc.
Asociado a un experimento se tiene:
Definición 4.2 — Espacio muestral asociado. Es el conjunto de todos los resultados posibles
del experimento. Lo denotaremos como S .
Definición 4.3 — Sucesos o Eventos. Son subconjuntos del espacio muestral a los que les
calcularemos las probabilidades. Para designar a estos subjuntos se suelen usar las primeras
letras del abecedario en mayúscula, por ejemplo, A, B, C,...
Ejemplo 4.2 Algunos ejemplos de eventos asociados a los experimentos y espacios muestrales 1.
a 4. definidos en el Ejemplo 4.1 son:
1. A =“sale cara”. Este evento, como subconjunto del espacio muestral es lo mismo que
A ={cara}.
2. B =“sale cara en la primera tirada de la moneda”. En términos del espacio muestral,
B ={(cara;cara) ; (cara;ceca)}
3. C =“el número obtenido es par” o, equivalentemente, C = {2, 4, 6, ...}.
4. D =“el número es mayor a 0.75” o, equivalentemente, D = (0.75; 1).
Y, por supuesto, además del experimento, del espacio muestral y de los eventos, tenemos la
función de probabilidad P.
Definición 4.4 — Función de probabilidad. Es una función que toma como dominio (entrada)
eventos y que da como resultado un número entre el 0 y el 1, es decir, su imagen es el intervalo
[0; 1].
La definición formal de probabilidad excede los contenidos de esta materia, sin embargo, sí nos
enfocaremos en sus propiedades.
Propiedades 4.0.1 Algunas propiedades que una probabilidad P debe cumplir son:
• P(S ) = 1
• P(0)
/ =0
• Si A es un evento, entonces 0 ≤ P(A) ≤ 1, es decir, una probabilidad no puede ser ni negativa
ni mayor que 1.
Más adelante veremos otras propiedades de la probabilidad.
En general, asignarle probabilidades a eventos no siempre es fácil. Sin embargo, sí lo es si el
espacio muestral S es equiprobable.
que caiga hacia algún lado), entonces cara y ceca pueden salir por igual. Luego, S sí es un espacio
equiprobable. Además, #S =“cantidad de elementos que componen a S ”= 2.
Por otro lado, llamamos A =“sale cara”={ cara } y, por lo tanto, #A = 1. Luego
#A 1
P(A) = =
#S 2
Ejemplo 4.5 Martín y su hermana van a jugar un juego de naipes. Martín va a extraer 4 cartas de
un mazo de cartas españolas (48 cartas, 12 de cada palo) y las jugará en el orden que desee.
(a) Definir un espacio muestral S apropiado para este experimento. ¿Es S equiprobable?
Calcular el cardinal de S .
(b) Calcular la probabilidad de que Martín tenga una mano formada sólo por cartas de oro.
(c) Calcular la probabilidad de que Martín tenga al menos 3 cartas de oro.
(d) Calcular de probabilidad de que a Martín le haya tocado el as de oros.
(e) Calcular la probabilidad de que Martín tenga una escalera del mismo palo, es decir, 4 cartas
con los números consecutivos del mismo palo.
Solución:
(a) Consideraremos S =“el espacio muestral formado por los subconjuntos (no ordenados) de 4
cartas distintas”. Luego, como se reparten las cartas al azar, S es un espacio equiprobable y
además #S = 48 4 = 194580 .
96 Capítulo 4. Probabilidades
(b) Definamos primero el evento al que le calcularemos la probabilidad. Sea A =“A Martín le
toca una mano formada sólo por cartasde oro”. Como S es equiprobable, para calcular P(A)
falta hallar #A. Luego, como #A = 124 = 495, entonces
#A 495 11 ∼
P(A) = = = = 0.0025
#S 194580 4324
(c) Definamos el evento B =“sale una mano con al menos 3 cartas de oro”. Nuevamente,
necesitamos #B. Para calcularlo, definiremos dos eventos más:
8415 187 ∼
P(B) = = = 0.0432
194580 4324
(d) Definamos
47
el evento C =“la mano obtenida tiene el as de oros”. Observemos que
#C = 3 = 16215 ya que el as de oros tiene que estar sí o sí y por lo tanto sólo falta
elegir 3 cartas entre las 47 restantes. Luego, como S es un espacio equiprobable,
#C 16215 1
P(C) = = = = 0.083̂
#S 194580 12
(e) Sea D =“la mano obtenida es una escalera de un mismo palo”. ¿Cuánto es #D? Supongamos
que tenemos sólo un palo (por ejemplo, oro). Luego, hay sólo 9 tiras de 4 cartas consecutivas:
la que empieza en 1, la que empieza en 2,..., la que empieza en 9. Como además hay 4 palos
diferentes, entonces #D = 9 + 9 + 9 + 9 = 4.9 = 36, y por lo tanto, como S es un espacio
muestral equiprobable,
#D 36 1 ∼
P(D) = = = = 0.0002
#S 194580 5405
Realmente muy baja, ¿no?
4.1.1 Ejercicios
1. Sea el experimento que consiste en arrojar un dado equilibrado y observar el número que
sale en la cara superior.
(a) Indicar cuál es el conjunto de todas las posibles soluciones, es decir, el espacio muestral
S . ¿Es S equiprobable?
(b) Calcular la probabilidad de:
i. obtener un 4.
ii. obtener un número par.
iii. un múltiplo de 3.
2. Se arroja una moneda equilibrada 3 veces y se observa la secuencia de caras y cecas.
(a) Describa con sus propias palabras el espacio muestral S . ¿Es S equiprobable?
(b) Calcule las probabilidades de los siguientes sucesos:
i. A : “salió la secuencia (cara; ceca; cara)”
ii. B : “salió cara en la primera tirada”
4.2 Propiedades de probabilidades 97
Lo que queremos hacer ahora es calcular probabilidades de eventos que se obtienen relacionando
eventos entre sí mediante unión, intersección y complementos.
Figura 4.1: Diagrama de Venn con dos conjuntos A y B dentro del conjunto S.
Figura 4.2: Diagrama de Venn con tres conjuntos A, B y C dentro del conjunto S.
Ejemplo 4.6 — Diagrama de Venn. Realizar un Diagrama de Venn por ítem con dos conjuntos
A y B como el de la Figura 4.1. Sombrear en dicho diagrama según corresponda.
Solución:
(a) (b)
4.2 Propiedades de probabilidades 99
(c) (d)
(e) (f)
(g) (h)
(i) (j)
Observemos que el ítem (i) coincide con el ítem (g) y que el ítem (j) coincide con (h). Esto no
es una casualidad sino que se lo conoce como las Leyes de De Morgan.
Propiedades 4.2.1 — Leyes de De Morgan. Dados dos conjuntos A y B,
• (A ∪ B)c = Ac ∩ Bc
• (A ∩ B)c = Ac ∪ Bc
De esta manera, si sabemos que S es un espacio equiprobable, para calcular las probabilidades
de cualquier evento sólo necesitaríamos calcular cuántos elementos lo componen y dividir esto por
el #S .
Ejemplo 4.8 — Retomemos el ejemplo anterior. Si S es un espacio muestral equiprobable,
como #S = 10 entonces
4 2 5 1
P(A) = = = 0, 4 P(B) = = = 0, 5
10 5 10 2
pues basta con ver que #A = 4 y #B = 5.
El Diagrama de Venn nos permitirá interpretar dónde se encontrarían los elementos que
componen un evento dado y, de esta manera, poder calcular su probabilidad.
Ejemplo 4.9 Siguiendo con el ejemplo anterior, si S es un espacio muestral equiprobable,
#Ac 6 3
P(Ac ) = = = = 0, 6
#S 10 5
4.2 Propiedades de probabilidades 101
porque, mirando la parte sombreada del Diagrama de Venn queda claro que Ac ={1;6;7;8;9;10}. Si
quisiéramos calcular P(Ac ∪ B), basta con observar, gracias al Diagrama de Venn, que
Ac ∪ B ={1;2;3;6;7;8;9;10}
#(Ac ∪ B) 8 4
P(Ac ∪ B) = = = = 0, 8
#S 10 5
P(Ac ) = 1 − P(A) = 1 − 0, 85 = 0, 15
P(A \ B) = P(A ∩ Bc )
(e) Usando la Propiedad 2. con la unión que separa los eventos A y Bc , se tiene que
165 11 ∼
P(A ∩C) = = = 0, 0008
194580 12972
Luego, usando la Propiedad 2. y que ya sabemos que P(A) = 11/4324 y que P(C) = 1/12,
se tiene que
11 1 11 61 ∼
P(A ∪C) = P(A) + P(C) − P(A ∩C) = + − = = 0, 0019
4324 12 12972 32430
Observemos que calcular la probabilidad de la unión, es decir, P(A ∪ C), hubiese sido
realmente más difícil porque #(A ∪C) no se obtiene de manera inmediata.
(g) En este caso nos piden P(A \ C) o bien P(A ∩ Cc ). En ambos casos, por la Propiedad 3.
sabemos que
11 11 1103 ∼
P(A ∩Cc ) = P(A) − P(A ∩C) = − = = 0, 085
4324 12972 12972
Ejemplo 4.12 La producción de cierto producto se realiza en tres fábricas en diferentes ciudades
de la Provincia de Buenos Aires. La siguiente tabla muestra las probabilidades de que uno de estos
productos, al llegar a Luján, sea producido en una determinada ciudad y sea, además, calificado
como “Bueno” o “Defectuoso”.
Mar del Plata Bahía Blanca Tandil
Bueno 0,42 0,27 0,24
Defectuoso 0,02 0,04 0,01
4.2 Propiedades de probabilidades 103
pero también sobre los eventos por separado, sumando las filas o las columnas según corresponda,
por ejemplo
P(MP) = 0, 42 + 0, 02 = 0, 44 P(D) = 0, 02 + 0, 04 + 0, 01 = 0, 07
(a) Nos piden P(BB ∩ D). Por lo mencionado anteriormente, P(BB ∩ D) = 0, 04.
(b) Nos piden P(Dc ). Tenemos dos maneras de resolverlo: o bien sumamos la fila o bien usamos
la Propiedad 1. Si sumamos la fila diríamos que P(Dc ) = 0, 42 + 0, 27 + 24 = 0, 93. Si
usamos la Propiedad 1., P(Dc ) = 1 − P(D) = 1 − 0, 07 = 0, 93. De ambas maneras llegamos
al resultado correcto.
(c) Es fácil ver que P(T ) = 0, 24 + 0, 01 = 0, 25.
(d) Nos piden P(D ∪ MP). Por la propiedad 2.,
(e) Nos piden P(Dc \ MP) o bien P(Dc ∩ MPc ). Usando una de las leyes de De Morgan,
(f) Nos piden P(MPc ∪ Dc ). Usando nuevamente una de las leyes de De Morgan
4.2.3 Ejercicios
1. Realizar para cada ítem un Diagrama de Venn con dos conjuntos A y B como el de la Figura
4.1. Sombrear en dicho diagrama según corresponda.
104 Capítulo 4. Probabilidades
(a) B (d) (A ∪ Bc )c
(b) Bc (e) Ac ∩ B
(c) A ∪ Bc
3. Repetir el ejercicio anterior pero con el espacio muestral S = {1; 2; 3; 4; 5; 6; 7; 8; 9; 10; 11; 12}
y los eventos A =“números pares” y B =“números múltiplos de 3”.
4. Se tienen dos eventos A y B con P(A) = 0.6, P(B) = 0.4 y P(A ∩ B) = 0.15. Calcular:
5. Se analizan muestras de agua para detectar plomo y mercurio. El 38% de las muestras
presentan niveles tóxicos de plomo o mercurio, el 32% de plomo y el 10% de ambos metales.
Se selecciona una muestra al azar. Definiendo los eventos
A = “La muestra tiene nivel tóxico de plomo”
B = “La muestra tiene nivel tóxico de mercurio”
calcular la probabilidad de que
(a) la muestra tenga nivel tóxico de plomo.
(b) la muestra tenga nivel tóxico de mercurio.
(c) la muestra no tenga nivel tóxico de plomo.
(d) la muestra no tenga nivel tóxico ni de plomo ni de mercurio.
(e) la muestra tenga nivel tóxico de plomo pero no de mercurio.
6. Con el experimento del Ejercicio 2 de la Sección 4.1.1, calcular la probabilidad de que
(a) ocurran B y D simultáneamente.
(b) no ocurra B.
(c) ocurrió alguno de los dos eventos B o D.
7. Una caja contiene 3 bolitas rojas, 2 azules y 4 blancas. Se extraen 2 bolitas con reposición.
Calcular la probabilidad de obtener:
(a) las dos bolitas azules.
(b) las dos bolitas del mismo color.
(c) al menos una bolita roja.
(d) una bolita roja y una azul.
(e) una bolita roja o una azul.
8. Se realiza una experiencia que consiste en provocar una reacción y luego registrar el nivel
(bajo, medio, alto) de presión al finalizar la reacción. Además, se registra si la reacción se
completa antes de los 10 minutos o requiere por lo menos 10 minutos. Las probabilidades de
que dicha reacción se complete antes de los 10 minutos y con distintos niveles de presión son
conocidas y se muestran en la siguiente tabla.
4.2 Propiedades de probabilidades 105
Niveles de presión
Bajo Medio Alto
Tiempo < 10 minutos 0.05 0.15 0.40
de reacción ≥ 10 minutos 0.10 0.20
Ejemplo 5.2 A partir del instante en que se pone una lamparita, se registra el tiempo de vida
hasta que se quema. Una posible variable aleatoria podría ser:
Así como a los eventos suelen asociarle las primeras letras del abecedario es mayúsculas, a las
variables aleatorias se les asigna las últimas letras del abecedario en mayúsculas (es por ello que en
nuestros ejemplos las letras usadas son X, Y y Z).
Definición 5.1 — Rango de una variable aleatoria. Llamamos rango de la variable aleato-
ria X al conjunto de los valores posibles de la variable, y lo denotaremos con RX .
Ejemplo 5.3 Para las variables aleatorias del Ejemplo 5.1, sus rangos son:
Para la variable del Ejemplo 5.2, como no se puede determinar de antemano la durabilidad de la
lamparita, se tiene que
RX = (0; +∞)
Definición 5.2 — Variable aleatoria discreta. Diremos que X es una variable aleatoria
discreta si RX es un conjunto finito o numerable (esto significa que haya tantos como los
números naturales, es decir, es un conjunto infinito pero no tan grande como la cantidad de
elementos que tiene un intervalo).
Volviendo a los ejemplos anteriores, todas las variables X, Y y Z del Ejemplo 5.1 son variables
aleatorias discretas mientras que la v.a. del Ejemplo 5.2 no lo es.
Observación: en esta materia trabajaremos únicamente con v.a. discretas que tienen rango finito
y no con v.a. discretas que tengan rango numerable.
Lo que haremos ahora será calcular probabilidades relacionadas con estas variables aleatorias.
Ejemplo 5.4 Para la v.a. Z del Ejemplo 5.1, calcular P(Z = 7).
Solución: Recordemos primero que un espacio asociado a este experimento es
A = {Z = 7} = {(6; 1); (5; 2); (4; 3); (3; 4); (2; 5); (1; 6)}
#{Z = 7} #A 6 1
P(Z = 7) = = = =
#S #S 36 6
Ejercicio 5.1 Para la v.a. Z del Ejemplo 5.1, calcular P(Z = 5) y P(Z = 1).
Todas las variables aleatorias discretas, además de tener un rango, tiene asociada una función
que arroja como resultado las probabilidades de esa variable en cada número del rango. Esta
función se define como sigue.
5.1 Variables aleatorias discretas 109
Sin embargo, la función pX será 0 en la mayoría de las ocasiones y sólo será distinta de 0 para los
valores en el rango de la variable X.
Observación: la notación que se usa es la “p” minúscula, y luego se agrega abajo la letra (en
mayúsculas) de la variable aleatoria asociada.
Así como mencionamos que las última letras en mayúsculas son reservadas para las variables
aleatorias, las letras en minúsculas se suelen corresponden con los “valores” que toman esas
variables. Es por ello que en la definición aparecen X y x. La primera se refiere a la variable
aleatoria y la segunda al número que la misma toma (el 7 en el caso de la variable aleatoria Z del
ejemplo anterior).
Propiedades 5.1.1 Si pX es la función de probabilidad puntual de la v.a. discreta X con rango RX
entonces
1. pX (x) ≥ 0
2. ∑ pX (x) = 1
x∈RX
Estas propiedades son las necesarias y suficientes para tener una función de probabilidad
puntual de una variable aleatoria discreta.
Calculemos las funciones de probabilidad puntual de algunas variables aleatorias discretas.
Ejemplo 5.5 Hallar la función de probabilidad puntual de la v.a. X del Ejercicio 5.1.
Solución: recordemos primero que X es una v.a. discreta pues RX = {0; 1; 2} y, por lo tanto, tiene
función de probabilidad puntual.
La función de probabilidad puntual pX de esta v.a. es una función que vale 0 para todo x que no
se encuentre en RX . Calculemos cuánto vale para los valores de RX .
Comencemos con x = 0, es decir, hallando pX (0). Por definición,
pX (0) = P(X = 0)
Llamemos A = {X = 0} al evento “los dos dados fueron impares”. Observemos que el espacio
muestral S asociado a este experimento es el mismo que el usado para la v.a. Z y, por lo tanto, es
equiprobable y #S = 36. Como #A = 32 = 9 entonces
#{X = 0} #A 9 1
pX (0) = P(X = 0) = = = = .
#S #S 36 4
pX (1) = P(X = 1)
Definamos B = {X = 1} =“sale un número impar y el otro impar”. Luego, separando en los casos
en el que el primero es par y el segundo es impar y viceversa, se tiene que
#B = 3.3 + 3.3 = 18 .
#{X = 1} #B 18 1
pX (1) = P(X = 1) = = = = .
#S #S 36 2
110 Capítulo 5. Variables aleatorias
Por último, calculemos pX (2) = P(X = 2). Llamemos C = {X = 2} =“los dos dados son
pares”. Luego, #C = 32 = 9 y por lo tanto, como el espacio muestral es equiprobable,
#{X = 2} #C 9 1
pX (2) = P(X = 2) = = = = .
#S #S 36 4
En definitiva, la información que nos interesa sobre la función de probabilidad puntual pX y que no
es 0 es únicamente la que se obtiene en los valores del rango de la variable aleatoria. Por esta razón,
la información de la probabilidad puntual de una v.a. discreta con rango finito se da a través de una
tabla de la siguiente manera:
X 0 1 2
1 1 1
pX
4 2 4
Notemos que esta tabla tiene únicamente los valores del rango de la v.a. en cuestión porque la
función evaluada en cualquier otro número que no esté en el rango de la variable es 0. Por ejemplo,
para esta variable X que cuenta la cantidad de dados pares obtenidos, pX (1, 5) es la probabilidad
de que la variable X tome el valor 1.5 y esto significaría que salgan 1.5 dados pares, lo cual es
imposible y, por lo tanto, su probabilidad es 0.
Observación: es importante notar que al tener una tabla de este tipo sabemos si se corresponde
a una función de probabilidad puntual si satisface las dos propiedades: 1. todos los valores son
mayores o iguales que 0 y 2. los elementos de la tabla suman 1 (efectivamente, 14 + 21 + 14 =
1). Verificar estas dos condiciones es conveniente para chequear los cálculos realizados para la
obtención de una función de probabilidad puntual.
Para una función de probabilidad puntual se suele asociar un gráfico que, en cada valor del
rango, tiene una línea con la altura dada por la probabilidad. Para esta función de probabilidad
puntual, su gráfico sería el siguiente:
Ejemplo 5.6 Un experimento consiste en arrojar una moneda equilibrada 4 veces. Definamos la
v.a.
Y : “cantidad de caras obtenidas”
Hallar la función de probabilidad puntual de Y .
Solución: Comencemos hallando el rango de la v.a. Y . ¿Cuáles son los valores posibles que puede
tomar Y ? RY = {0; 1; 2; 3; 4}. Como la cantidad de elementos que componen RY son 5 entonces Y
es una v.a. discreta y, por lo tanto, tiene función de probabilidad puntual. Veamos cuánto vale esta
función para los diferentes valores posibles de Y , es decir, para los valores del rango de Y . Para ello,
debemos primero definir un conveniente espacio muestral. Sea S el conjunto formado por todas
las 4−uplas con caras y cecas. Luego, #S = 24 = 16 y, además, S es, intuitivamente, un espacio
muestral equiprobable.
5.1 Variables aleatorias discretas 111
Hallemos primero pY (0) = P(Y = 0). Por comodidad, llamemos A = {Y = 0} =“no sale
ninguna cara”=“en todas las monedas sale ceca”. Luego, #A = 1 y, por lo tanto,
#A 1
pY (0) = P(Y = 0) = P(A) = =
#S 16
Ahora calculemos pY (1) = P(Y = 1). Observemos que B = {Y = 1} =“sale exactamente una
cara”. Para contar la cantidad de elementos que tiene B es necesario pensar de cuántas maneras
se puede ubicar la única cara en una tira de 4 elementos: esto es poniendo cara en la primera
coordenada, o cara en la segunda coordenada, o en la tercera o en la cuarta. Luego, #B = 4 y, por lo
tanto,
#B 4 1
pY (1) = P(Y = 1) = P(B) = = =
#S 16 4
Otra manera de contar la cantidad de elementos que componen a B es tomando una coordenada de
las
4 diferentes posibles para ubicar la única cara y, a las restante, colocarles ceca, es decir, con
4
se cuentan todas las maneras de ubicar la única cara.
1
Para pY (2) = P(Y = 2) vamos a razonar de una manera similar. Como {Y = 2} =“hay
exactamente dos caras” entonces para contar la cantidad deelementos
que lo componen debemos
4
ubicar dos caras en las 4 coordenadas disponibles y esto es = 6. Luego,
2
#{Y = 2} 6 3
pY (2) = P(Y = 2) = = =
#S 16 8
De manera similar a lo anterior se puede ver fácilmente que
4 4
3 4 1 4 1
pY (3) = = = pY (4) = =
16 16 4 16 16
Por último, la función de probabilidad puntual de Y pedida es
Y 0 1 2 3 4
1 1 3 1 1
pY
16 4 8 4 16
Si queremos además graficar la función de probabilidad puntual:
Ejercicio 5.2 Probar que la función de probabilidad puntual de la v.a. Y del Ejemplo 5.1 es:
112 Capítulo 5. Variables aleatorias
Y 1 2 3 4 5 6
1 1 5 7 1 11
pY
36 12 36 36 4 36
Ejercicio 5.3 Hallar la función de probabilidad puntual de la v.a. Z del Ejemplo 5.1.
FX (x) = P(X ≤ x)
Observación: esta definición sirve tanto para v.a. discretas como cualquier otra (algunas de
ellas las veremos en la próxima sección). Para el caso particular en que la variable aleatoria sea
discreta, FX se conseguirá sumando, de a poco, las probabilidades puntuales adecuadas. La función
resultante será una función partida.
Ejemplo 5.7 Hallar la función de distribución acumulada de la v.a. X del Ejemplo 5.5.
Solución: Comencemos pensando algunos valores de la función de distribución acumulada FX . Por
ejemplo, por definición,
FX (1) = P(X ≤ 1)
¿Cómo calculamos esta probabilidad? Recordemos que RX = {0; 1; 2}. Luego, como X ≤ 1
entonces X = 0 y X = 1 lo cumplen. De esta manera, la probabilidad de X ≤ 1 se consigue
sumando las probabilidades de X = 0 y X = 1, es decir,
1 1 3
FX (1) = P(X ≤ 1) = P(X = 0) + P(X = 1) = pX (0) + pX (1) = + = .
4 2 4
Si quisiéramos averiguar cuánto es FX (1, 5) basta con observar que FX (1, 5) = P(X ≤ 1, 5) = P(X =
3
0) + P(X = 1) = pX (0) + pX (1) = ya que los únicos dos valores del rango de X que cumplen
4
X ≤ 1, 5 son X = 0 y X = 1.
¿Cuánto es FX (0.5)? Como FX (0, 5) = P(X ≤ 0, 5) entonces el único elemento en el rango de
X que cumple con la condición de ser menor o igual es X = 0. Luego,
¿Cuánto es FX (−1)? En este caso, como FX (−1) = P(X ≤ −1) entonces no hay ningún
elemento en el rango de X que sea menor o igual a −1, luego
¿Cuánto es FX (3)? En este caso, como FX (3) = P(X ≤ 3), entonces todos los elementos del
rango de X son menores o iguales que 3, luego
1 1 1
FX (3) = P(X ≤ 3) = pX (0) + pX (1) + pX (2) = + + = 1.
4 2 4
En definitiva, para la función de distribución acumulada depende de cuántos elementos del
rango estén incluidos y, si incluye un valor del rango, como la probabilidad involucrada dice “menor
o igual” también siempre incluirá a los menores que ese número, es decir, es acumulativa.
Como RX = {0; 1; 2}, es decir,
5.1 Variables aleatorias discretas 113
la función partida que es FX estará definida en los siguientes intervalos abierto a derecha y
cerrados a izquierda (siempre que no sea un infinito):
Observemos que si bien el rango de X contiene 3 valores, la partición en la que se define FX tiene 4
intervalos.
Ahora veamos qué ocurre en cada uno de estos intervalos:
• Para el intervalo (−∞; 0). Supongamos que tenemos x ∈ (−∞; 0) (por ejemplo, x = −1).
Luego,
FX (x) = P(X ≤ x) = 0
porque ningún punto del rango de X dentro del conjunto donde se está calculando la proba-
bilidad.
• Para el intervalo [0; 1). Supongamos que tenemos x ∈ [0; 1) (por ejemplo, x = 0, 5). Luego,
1
FX (x) = P(X ≤ x) = pX (0) =
4
ya que el único punto del rango que es menor o igual que esa x es el 0.
• Para el intervalo [1; 2) (por ejemplo, x = 1, 5). Supongamos que x ∈ [1; 2), luego
1 1 3
FX (x) = P(X ≤ x) = pX (0) + pX (1) = + =
4 2 4
• Para el intervalo [2; +∞) (por ejemplo, x = 3). Supongamos que x ∈ [2; +∞), luego
0 si x < 0
1
4 si 0 ≤ x < 1
FX (x) = 3
4 si 1 ≤ x < 2
1 si 2 ≤ x
A este tipo de función partidas se la llama “función escalonada”: función constante en cada
intervalo de la partición y cuyas constantes son cada vez “más grandes” (como si se subiese por
una escalera).
Ejemplo 5.8 Hallar la función de distribución acumulada de la v.a. Y del 5.6. Graficarla.
Solución: En este caso, recordemos que RY = {0; 1; 2; 3; 4}. Luego, la partición sobre la que se
encuentra definida la función partida es:
y su gráfica es
Ejemplo 5.9 Hallar las funciones de distribución acumulada de las variables Y y Z del Ejemplo
5.5.
Observación: Si una función es escalonada creciente (constantes que van en aumento), los
intervalos en los que está definida son abiertos a derecha y cerrados a izquierda, en el primer
intervalo (el de más a la izquierda) la función es 0 y en el último intervalo (el de más a la derecha)
la función es 1, entonces esta función es una función de distribución acumulada de una v.a. discreta.
Calculemos otras probabilidades asociadas a estas variables aleatorias.
Ejemplo 5.10 Para la v.a. X del Ejemplo 5.5, calcular
Solución: En cada caso, basta con ver qué elementos del rango de la variable RX cumplen con
la condición pedida.
1. En este caso, como hay un “≤” entonces la probabilidad pedida es exactamente la función
acumulada en el punto 1, es decir,
P(X ≤ 1) = FX (1) .
3 3
Como ya vimos que FX (1) = , entonces P(X ≤ 1) = .
4 4
Otra forma de hacer esto es, simplemente, sumando las probabilidades puntuales de los
valores del rango RX = {0; 1; 2} que cumplen con ser menores o iguales que 1, es decir,
1 1 3
P(X ≤ 1) = pX (0) + pX (1) = + = .
4 2 4
2. Este caso también lo podemos resolver sencillamente de dos maneras diferentes:
116 Capítulo 5. Variables aleatorias
3 1
P(X > 1) = 1 − P(X ≤ 1) = 1 − FX (1) = 1 − = .
4 4
• Sumando las probabilidades puntuales. En este caso sólo debemos pensar qué elementos
del rango de X cumplen con el hecho de ser mayores que 1. En este caso,
1
P(X > 1) = pX (2) = .
4
3. En este caso, P(X < 1) no es FX (1) ya que, en general, < y ≤ no son lo mismo (podría pasar
que “incluir” o “no incluir” un número en particular de origen a la misma probabilidad y
esto dependerá si el número se encuentra o no en el rango de la variable). Luego, lo haremos
mirando los puntos del rango (si es que hay más de uno) y sumándolos:
1
P(X < 1) = pX (0) =
4
4. Es claro que
1
P(0, 5 < X ≤ 1, 5) = pX (1) =
2
5. Observemos primero que P(X = 1, 8) = pX (1, 8), pero como 1, 8 ∈
/ RX entonces
P(X = 1, 8) = pX (1, 8) = 0 .
Ejemplo 5.11 Para la v.a. Y del Ejemplo 5.6, calcular las siguientes probabilidades:
1. P(Y ≥ 3) 3. P(2Y ≤ 4)
2. P (Y − 1)2 = 1
4. P(|Y − 1, 5| ≥ 1, 5)
Solución:
1. Primero observemos que esto no es, así como está escrita, la función de distribución acumu-
lada de Y en 3 ya que “≥” no es lo mismo que “≤”. Luego, lo resolveremos sumando las
probabilidades de los elementos del rango de Y (RY = {0; 1; 2; 3; 4}) que cumplen lo pedido.
Luego,
1 1 5
P(Y ≥ 3) = pY (3) + pY (4) = + = .
4 16 16
2. En este caso, no queda muy claro cuáles son los valores del rango que cumplen con lo pedido.
Por esta razón, realizaremos primero el siguiente cálculo auxiliar (para resolver la ecuación
que se encuentra dentro del cálculo de probabilidad):
(y − 1)2 = 1 ⇔ |y − 1| = 1
y−1 = 1 o y − 1 = −1
o, equivalentemente,
y=2 o y=0
5.1 Variables aleatorias discretas 117
que se escribe también como y ∈ {0; 2}. De esta manera, la probabilidad pedida es
P (Y − 1)2 = 1 = P (Y ∈ {0; 2})
y ahora queda claro qué valores del rango de Y hay que sumar: el 0 y el 2, es decir,
1 3 7
P (Y − 1)2 = 1 = P (Y ∈ {0; 2}) = pY (0) + pY (2) =
+ = .
16 8 16
3. Comencemos observando que
2y ≤ 4 ⇔ y ≤ 2 .
Luego, recordando la definición de función de distribución acumulada, se tiene que
11
P(2Y ≤ 4) = P(Y ≤ 2) = FY (2) = .
16
4. Nuevamente, resolveremos primero como cálculo auxiliar la inecuación que se encuentra
dentro de la probabilidad a fin de poder ver qué elementos del rango de Y cumplen con lo
pedido:
|y − 1, 5| ≥ 1, 5 ⇔
(1) y − 1, 5 ≥ 1, 5 o (2) y − 1, 5 ≤ −1, 5
Ahora resolvemos cada subproblema por separado:
(1) y − 1, 5 ≥ 1, 5 ⇔ y ≥ 3. Luego, y ∈ [3; +∞)
(2) y − 1, 5 ≤ −1, 5 ⇔ y ≤ 0. Luego, y ∈ (−∞; 0].
De esta manera, la solución del cálculo auxiliar es y ∈ (−∞; 0] ∪ [3; +∞).
Finalmente, mirando qué valores del rango de Y cumplen con estar en (−∞; 0] ∪ [3; +∞) se
tiene que
1 1 1 3
P(|Y −1, 5| ≥ 1, 5) = P (Y ∈ (−∞; 0] ∪ [3; +∞)) = pY (0)+ pY (3)+ pY (4) = + + =
16 4 16 8
Una propiedad muy importante que relacionada la función de distribución acumulada de una
variable aleatoria discreta con su función de probabilidad puntual es la siguiente:
Propiedades 5.1.2 Si X es una v.a. discreta con función de distribución acumulada FX y función
de probabilidad puntual pX entonces el salto de la función FX en un punto x es la función de
probabilidad puntual en ese punto.
Esta propiedad no sólo nos permite identificar cuánto vale la función de probabilidad puntual
sino identificar cuál es el rango de la variable, ya que el rango estará formado únicamente por los
puntos en los que ocurre algún salto (la probabilidad en esos puntos no sea 0).
Ejemplo 5.12 Dada la siguiente función de distribución acumulada de la variable aleatoria X
0 si x < −5
0.25 si − 5 ≤ x < −1
0.35 si − 1 ≤ x < 2
FX (x) =
0.6 si 2 ≤ x < 10
0.95 si 10 ≤ x < 25
si x ≥ 25
1
Hallar la función de probabilidad puntual de X.
Solución: es fácil ver que:
118 Capítulo 5. Variables aleatorias
(−∞; −5) [−5; −1) [−1; 2) [2; 10) [10; 25) [25; +∞)
X -5 -1 2 10 25
pX 0, 25 0, 1 0, 25 0, 35 0, 05
Observemos que esta es una función de probabilidad puntual de una v.a. porque todas las probabili-
dades son mayores o iguales que 0 y suman 1.
Ejemplo 5.13 Una población animal de cierta región, que se supone en vías de extinción, consta
de 25 ejemplares. Se capturan y marcan 5, luego de marcarlos se los deja en libertad. Al cabo de
cierto tiempo se toma una muestra de 10 animales y se cuenta el número de animales marcados en
dicha muestra.
M : “cantidad de animales marcados en la muestra”
1. Describir un espacio muestral acorde a este experimento. ¿Es equiprobable? Hallar su
cardinal.
2. Hallar la función de probabilidad puntual de la variable aleatoria M. ¿Cuál es el rango de
esta variable?
3. ¿Cuál es la probabilidad de que sean exactamente 3 los animales marcados en la muestra?
4. ¿Cuál es la probabilidad de que sean a lo sumo 2 los animales marcados en la muestra?
5. Hallar la función de distribución acumulada de la v.a. M.
Solución:
1. Un espacio muestral S acorde a este experimento es el que contiene a los conjuntos de
tamaño10 obtenidos de los 25 ejemplares posibles. Este espacio muestral es equiprobable y
25
#S = .
10
2. Primero debemos determinar cuál es el rango de la variable. Para ello observemos que en la
muestra podría no haber ningún animal marcado como podrían estar los 5 marcados posibles
(no hay 6 marcados por lo que M no podría nunca valer 6). Luego,
RM = {0; 1; 2; 3; 4; 5}
con sus respectivas probabilidades. Esta tabla deberá cumplir que tiene todos números
mayores o iguales que 0 y que suman 1.
Calculemos cada una de las probabilidades puntuales:
• Comencemos con pM (0). Por definición de función de probabilidad puntual,
pM (0) = P(M = 0). Llamemos
A = {M = 0} = “no hay ningún animal marcado en la muestra”.
Como no hay animales marcados en la muestra,
20
#A =
10
y, por lo tanto, usando que el espacio es equiprobable, tenemos el primer elemento de
la tabla:
20
#A 10 13
pM (0) = P(M = 0) = P(A) = = 25 = ≈ 0.0565
#S 10
230
• pM (1) = P(M = 1). Llamemos B = {M = 1} =“hay exactamente un animal marcado
en la muestra”, es decir, de los 5 posibles hay 1 mientras que los otros 9 tienen que ser
animales no marcados. Luego,
5 20
#B = .
1 9
Entonces, como el espacio es equiprobable,
5 20
#B 1 65
pM (1) = P(M = 1) = P(B) = = 25
9 = ≈ 0.2569 .
#S 10
253
• De manera análoga, observando que {M = 2} =“hay exactamente dos animales marca-
dos en la muestra” se ve que
5 20
#{M = 2} =
2 8
y, por lo tanto,
5 20
#{M = 2} 2 195
pM (2) = P(M = 2) = = 25
8 = ≈ 0.3854
#S 10
506
• Razonando de la misma forma, como
5 20
#{M = 3} = ,
3 7
resulta que
5 20
#{M = 3} 3 60
pM (3) = P(M = 3) = = 25
7 = ≈ 0.2372
#S 10
253
• En este caso, la probabilidad pedida es de que haya exactamente 4 animales marcados
en la muestra. Luego,
5 20
#{M = 4} =
4 6
y, por lo tanto,
5 20
#{M = 4} 15
pM (4) = P(M = 4) = = 256 =
4
≈ 0.0593
#S 10
253
120 Capítulo 5. Variables aleatorias
20
#{M = 5} 5 6
pM (5) = P(M = 5) = = 25
= ≈ 0.0047
#S
10
1265
M 0 1 2 3 4 5
13 65 195 60 15 6
pM
230 253 506 253 253 1265
Es fácil verificar que todas estas probabilidades son positivas y que suman 1.
3. Una vez hallada la función de probabilidad puntual de la v.a., cualquier probabilidad adicional
pedida se podrá obtener observando cuidadosamente qué hay que sumar.
En este caso, nos piden P(M = 3) y esto es, por definición de función de probabilidad puntual,
pM (3). Es decir, la probabilidad pedida es
60
P(M = 3) = pM (3) = ≈ 0.2372
253
4. En este caso nos piden que sean “a lo sumo 2” los animales marcados en la muestra, es decir,
nos piden P(M ≤ 2). Sin haber hallado previamente la función de distribución acumulada de
M, basta con sumar las probabilidades puntuales de los valores del rango de M que cumplen
con dicha condición. En definitiva,
13 65 192 884
P(M ≤ 2) = pM (0) + pM (1) + pM (2) = + + = ≈ 0.6988 .
230 253 506 1265
5. Por último, nos piden hallar la función de distribución acumulada de M. Recordando primero
que los intervalos en los que va a estar definida esta función partida son:
5.1 Variables aleatorias discretas 121
5.1.1 Ejercicios
1. Un experimento consiste en arrojar una moneda equilibrada 4 veces. Definamos
X 1 2 3 4
pX 0.3 0.4 0.2 0.1
Y −3 −1 0 2 5
pY 0.15 0.1 0.3 0.25 0.2
8. Dadas las siguientes tablas, decidir cuál de ellas se corresponde con la de una función de
probabilidad puntual.
X 5 10 15 20
(a)
pX 0.3 0.3 0.2 0.4
X 5 10 15 20
(b)
pX 0.1 0.3 0.2 0.4
X 5 10 15 20
(c)
pX 0.5 0.3 −0.2 0.4
Con la tabla elegida, calcular la probabilidad de que X sea
i. exactamente 15.
ii. a lo sumo 10.
iii. mayor a 5.
9. Un geólogo ha recolectado 10 especímenes de roca basáltica y 10 de granito. Un asistente de
laboratorio selecciona 15 de los especímenes para analizarlos. Se define la variable aleatoria
A veces, se usa una letra griega para indicar la esperanza y esta es la letra griega µ (que se lee
mu). También se puede usar µX si queremos enfatizar que es la esperanza de la v.a. X.
Más allá de esta definición, la idea geométrica de la esperanza de una v.a. es clara y es lo que
en Física se llama centro de masa: “es el punto en el que hay que apoyar el dedo que mantiene las
barritas de la función de probabilidad puntual equilibrada”. Veamos esto con un ejemplo.
Ejemplo 5.14 — Idea geométrica de la esperanza. Supongamos que tenemos una v.a. X
con la siguiente tabla de función de probabilidad puntual:
X 1 2 3
1 1 1
pX 6 3 2
Si suponemos que la barra horizontal dada por el eje x no tiene ningún peso y el único peso está
dado por las barritas donde la función de probabilidad puntual es positiva, es claro que si ubicamos
la barrita sobre el triángulo que simboliza el dedo, en este caso, ubicamos el dedo en el punto 3,
124 Capítulo 5. Variables aleatorias
entonces esta barra cae hacia la izquierda (porque todo el peso quedó del lado izquierdo del
triángulo).
Si por el contrario ubicamos el dedo en el punto 2
la barra cae hacia la derecha porque hay más peso del lado derecho que del lado izquierdo.
Es claro que el lugar donde habría que ubicar el dedo es un punto intermedio entre el 2 y el 3.
Efectivamente, el lugar correcto sería
Ahora hagamos la cuenta de la esperanza dada por la definición y veamos que obtenemos el
número que, intuitivamente, esperábamos tener:
Ejemplo 5.15 — Cálculo de la esperanza de una v.a. discreta. Para la v.a. X del Ejemplo
5.14, hallar su esperanza.
Solución: Según la fórmula,
E(X) = ∑ xpX (x)
x∈RX
es decir, para cada valor x en el rango de X (en este caso, RX = {1; 2; 3} debemos tomar ese valor y
multiplicarlo por la probabilidad de obtener ese valor, es decir,
1 1 1 7
E(X) = ∑ xpX (x) = 1pX (1) + 2pX (2) + 3pX (3) = 1. + 2. + 3. = = 2.3̂
x∈RX 6 3 2 3
Observación: es importante dar el valor exacto que da la esperanza (y lo mismo pasará con
varianza y desvío estándar cuando lo definamos) y no redondearlo hacia alguno de los valores del
rango de la variable ya que, como vimos en el ejemplo, podría no ser una valor de la variable el que
tenga sentido “mantener la barra equilibrada”.
5.1 Variables aleatorias discretas 125
1 1 1
E(X) = ∑ xpX (x) = 0pX (0) + 1pX (1) = 2pX (2) = 0. + 1. + 2. = 1 .
x∈RX 4 2 4
Observación: cada vez que la función de probabilidad sea simétrica, es decir, que haya un valor
en el que la gráfica de igual para un lado que para el otro (estén en espejo), la esperanza será ese
número en el que es simétrica. Es fácil observar esto geométricamente.
Ejemplo 5.17 Para el Ejemplo 5.13, ¿cuál es el número esperado de animales marcados en la
muestra?
Solución: En este caso nos piden hallar E(M). Usando la definición de esperanza, se tiene que
E(M) = ∑ xpX (x) = 0pM (0) + 1pM (1) + 2pM (2) + 3pM (3) + 4pM (4) + 5pM (5)
x∈RM
13 65 195 60 15 6
= 0. + 1. + 2. + 3. + 4. + 5. =2
230 253 506 253 253 1265
es decir, se espera encontrar 2 animales marcados en la muestra.
Observación: si este número no daba entero, se deja el número que es realmente la esperanza, no
se lo redondea.
Así como la esperanza representa una medida de posición que indica alrededor de qué número
se encuentran los datos, otra medida de interés podría representar cuán dispersos están los datos.
Por ejemplo, los siguientes dos gráficos corresponden a funciones de probabilidad puntual de
variables aleatorias.
(A) (B)
Observemos que en ambos casos la esperanza es 3, pero en el gráfico (A) las barras se encuentran
“más pegadas” mientras que en el gráfico (B) las barras se encuentran más separadas. Esto significa
que la v.a. del gráfico (A) tiene menos variabilidad que la v.a. del gráfico (B).
Definición 5.6 — Varianza de una variable aleatoria discreta. Sea X una v.a. discreta con
función de probabilidad puntual pX y esperanza µX . Se define la varianza de la v.a. X como
V (X) = ∑ (x − µX )2 pX (x)
x∈RX
126 Capítulo 5. Variables aleatorias
A veces se usa la letra griega sigma elevada al cuadrado para la varianza de X: σX2 o simplemente
σ 2.
Una propiedad muy importante de varianza de una v.a. es la siguiente:
Propiedades 5.1.3 Si X es una v.a.,
V (X) ≥ 0
Es decir, nunca puede ser negativa una varianza.
Tal como se puede apreciar en la definición, el hecho de esta elevado al cuadrado significa que
las unidades en las que se encuentra la varianza ya no son las mismas unidades originales de los
datos. Por esta razón, en términos de interpretabilidad, en lugar de usar varianza se usa el desvío
estándar que se define como sigue:
Definición 5.7 — Desvío estándar. Si X es una variable aleatoria, se define el desvío estándar
de X como p
sd(X) = V (X)
y se puede denotar también como σX o simplemente σ .
Observemos que el hecho de calcularse como la raíz cuadrada de la varianza hace que se recuperen
las unidades originales, y que la raíz cuadrada siempre puede calcularse porque, por la propiedad
anterior, la varianza de una v.a. nunca puede ser negativa.
Ejemplo 5.18 — Varianza por definición. Calcular la varianza y el desvío estándar de la v.a.
X del Ejemplo 5.14.
7
Solución: Recordemos primero que RX = {1; 2; 3} y que µX = E(X) = . Luego, usando la
3
definición de esperanza, se tiene que:
7 2 7 2 7 2
2
V (X) = ∑ (x − µX ) pX (x) = 1 − pX (1) + 2 − pX (2) + 3 − pX (3)
x∈RX 3 3 3
7 21 7 21 7 21 5
= 1− + 2− + 3− =
3 6 3 3 3 2 9
5
Como V (X) = , luego,
9
r √
p 5 5
sd(X) = V (X) = = ≈ 0.745
9 3
con
E X2 = x2 pX (x)
∑
x∈RX
Ejemplo 5.20 Hallar la varianza y el desvío estándar de la v.a. X del Ejemplo 5.5.
Solución: Recordemos que RX = {0; 1; 2} y que µX = E(X) = 1. Luego, calculemos E(X 2 )
necesaria para usar la propiedad y así poder hallar V (X):
1 1 1 3
E(X 2 ) = ∑ x2 pX (x) = 02 pX (0) + 12 pX (1) + 22 pX (2) = 0. + 1. + 4. =
x∈RX 4 2 4 2
3 1
V (X) = E X 2 − (E(X))2 = − 12 =
2 2
y su desvío estándar es r √
p 1 2
sd(X) = V (X) = = ≈ 0.7071
2 2
Ejemplo 5.21 Calcular la varianza y el desvío estándar de la v.a. M del Ejemplo 5.13.
Solución: Recordemos que RM = {0; 1; 2; 3; 4; 5} y que µX = E(X) = 2. Luego,
5.1.3 Ejercicios
1. Calcular la esperanza y la varianza de la variable aleatoria X del Ejercicio 1 de la Sección
5.1.1.
2. Calcular la esperanza y el desvío estándar de la variable aleatoria Y del Ejercicio 2 de la
Sección 5.1.1.
3. Calcular la esperanza, la varianza y el desvío estándar de las variables aleatorias de los
Ejercicio 5, 6 y 7 de la Sección 5.1.1.
4. La información que se presenta corresponde a la cantidad de llamadas diarias recibidas en un
servicio de emergencias de una reserva ecológica durante los últimos 50 días:
128 Capítulo 5. Variables aleatorias
Veamos ahora qué variables aleatorias con distribución Binomial, podríamos tener en los
ejemplos anteriores:
1. Si definimos la v.a.
X : “cantidad de unos que salen”
entonces el “éxito”sería que en una tirada de un dado se obtenga un 1 y esto tiene probabilidad
p = 16 si el dado es equilibrado. Luego, X tiene distribución binomial n = 5, p = 16 , es decir,
1
X ∼ Bi(5 ; )
6
Otra variable que podríamos haber definido es
Y : “cantidad de dados con resultado múltiplo de 3”.
Esta variable también tiene distribución binomial pero ahora la probabilidad de éxito (que en
un dado salga múltiplo de 3) es p = 26 = 31 . Luego,
1
Y ∼ Bi 5 ;
3
2. Si la moneda es equilibrada, como “éxito” es que salga “cara”, entonces p = 0, 5. Luego,
como n = 3 porque se arroja 3 veces la moneda, entonces, si definimos
X : “cantidad de caras obtenidas”
entonces
X ∼ Bi (3 ; 0, 5)
130 Capítulo 5. Variables aleatorias
entonces
F ∼ Bi (20 ; 0, 25)
Estudiemos un poco más a una variable aleatoria binomial en general. En primer lugar nos
preguntamos, ¿por qué una variable aleatoria binomial o, equivalentemente, con distribución
binomial es una variable aleatoria discreta? La respuesta tiene que ver con que cuenta la cantidad
de éxitos que se pueden obtener.
Propiedades 5.1.5 Si X ∼ Bi(n, p) entonces
RX = {0; 1; 2; . . . ; n}
Por esta razón, como la cantidad de elementos que componen al rango de X es n + 1, se tiene
que X es una variable aleatoria discreta.
Una de las ventajas de tener una variable aleatoria binomial es que la función de probabilidad
puntual no hay que hallarla sino que tiene una fórmula y la daremos en la siguiente propiedad.
Propiedades 5.1.6 Si X ∼ Bi(n; p) entonces
n x
pX (x) = p (1 − p)n−x con x ∈ {0; 1; 2; . . . ; n}
x
Ejemplo 5.22 Para el Ejemplo 5.5, ¿tiene X una distribución binomial? ¿Con qué parámetros?
Verificar con la función de probabilidad puntual dada en la propiedad anterior que se reconstruye la
tabla de su función de probabilidad puntual.
Solución: Este experimento consistía en arrojar 2 una moneda equilibrada de manera independiente.
Luego, X, que cuenta cantidad de caras obtenidas, tiene distribución binomial de parámetros n = 2
y p = 0, 5. Toda esta información de los parámetros puede resumirse en la notación:
X ∼ Bi(2 ; 0, 5)
Recordemos ahora cuál era la tabla de la función de probabilidad puntual de esta variable era:
X 0 1 2
1 1 1
pX 4 2 4
Veamos ahora que estas probabilidades son las mismas que dadas por la fórmula. Primero observe-
mos que como n = 2, entonces RX = {0; 1; 2}. Luego, reemplazando n por 2 y p por 0, 5, tenemos
que
• para el primer caso, es decir, x = 0, se tiene que
2 1
pX (0) = (0, 5)0 (1 − 0, 5)(2−0) = (0, 5)2 = 0, 25 =
0 4
• ahora hacemos el caso x = 1:
2 1
pX (1) = (0, 5)1 (1 − 0, 5)2−1 = 0, 5 =
1 2
5.1 Variables aleatorias discretas 131
Cuando uno identifica que cierta variable aleatoria tiene una distribución conocida, binomial
en este caso, entonces si nos piden hallar la función de probabilidad puntual basta con decir que
la variable aleatoria es binomial (y dar los valores de sus parámetros) y con eso alcanza ya que la
función de probabilidad puntual se obtiene, simplemente, de buscar la fórmula. Este es el único caso
en que no hace falta dar como respuesta una tabla para indicar cuál es la función de probabilidad
puntual de la variable.
Otra ventaja de una variable aleatoria con distribución binomial es que su esperanza y varianza
vienen dadas por fórmulas dadas por la siguiente propiedad:
Propiedades 5.1.7 Si X ∼ Bi(n; p) entonces
Ejemplo 5.23 Para la v.a. X del Ejercicio 5.5, utilizar las fórmulas de esperanza y varianza de la
propiedad anterior para verificar la esperanza y varianza halladas en el Sección anterior.
Solución: Recordemos que habíamos visto que E(X) = 1 y que V (X) = 12 . Como vimos que
X ∼ Bi 2; 2 entonces, por la propiedad con n = 2 y p = 21 ,
1
1 1 1 1
E(X) = 2. = 1 y V (X) = 2. 1− =
2 2 2 2
quedando asíverificadas estas medidas de posición y variabilidad.
3. En este caso nos piden P(X ≤ 2). Luego, recordando que RX = {0; 1; 2; 3; 4; 5} y usando la
fórmula para el cálculo de las probabilidades puntuales de una v.a. binomial, se tiene
P(X ≤ 2) = pX (0) + pX (1) + pX (2)
5 0 5−0 5 1 5−1 5
= (0, 2) (1 − 0, 2) + (0, 2) (1 − 0, 2) + (0, 2)2 (1 − 0, 2)5−2
0 1 2
= (0, 8)5 + 5(0, 2)(0, 8)4 + 10.(0, 2)2 (0, 8)3 = 0, 94208
4. Nos piden calcular P(X ≥ 4), nuevamente
P(X ≥ 4) = pX (4) + pX (5)
5 4 5−4 5
= (0, 2) (1 − 0, 2) + (0, 2)5 (1 − 0, 2)5−5 = 0, 00672
4 5
5. Para hallar la función de distribución acumulada es conveniente tener a mano la tabla de la
función de probabilidad puntual de la variable o, en este caso, recordar que tenemos una
fórmula que nos permite hallar la probabilidad puntual en cada punto del rango.
Como RX = {0; 1; 2; 3; 4; 5} entonces los intervalos en los que se encuentra definida la función
partida que es la función de distribución acumulada son:
E(X) = 5.0, 2 = 1
1. ¿Es la v.a. Y del Ejemplo 5.6 una v.a. con distribución binomial? En caso afirmativo, indique
cuáles son sus parámetros. En caso negativo, explicar porqué no lo es.
2. ¿Es la v.a. M del Ejemplo 5.13 una v.a. con distribución binomial? En caso afirmativo,
indique cuáles son sus parámetros. En caso negativo, explicar porqué no lo es.
Solución:
1. Esta v.a. es binomial porque se supone que se tira la moneda de manera independiente (si en
una tirada de la moneda salió cara, la siguiente tirada de la moneda no tiene ni más ni menos
probabilidad de salir cara que la que tenía originalmente). Más aún, X ∼ Bi(4 ; 0, 5) porque
la moneda es equilibrada y, por lo tanto, tiene la misma probabilidad de salir cara que de salir
ceca.
2. Esta v.a. no es binomial ya que los ensayos Bernoulli no son independientes: si miro un
animal y está marcado, el segundo animal que se revisa no tiene la misma probabilidad que
el primero de estar marcado (porque ahora hay un animal marcado menos).
5.1.5 Ejercicios
1. Se tira 8 veces de manera independiente una moneda con probabilidad de cara 0.6.
(a) Hallar la distribución de la variable aleatoria
X : “cantidad de caras obtenidas”
(b) Calcular la probabilidad de que salgan exactamente 4 caras.
(c) Calcular la probabilidad de que salgan al menos 6 caras.
(d) Calcular la probabilidad de que salgan entre 3 y 5 caras.
(e) Hallar la esperanza, la varianza y el desvío estándar del número de caras obtenidas.
2. Se sabe que una de cada cuatro personas prefiere comprar una licencia de antivirus para su
computadora. Se consideraron 6 personas de forma independiente. Sea
X : “cantidad de personas entre las 6 elegidas que prefiere comprar una licencia de antivirus”
(a) ¿Qué distribución tiene la variable aleatoria X?
(b) Calcular la probabilidad de que sean exactamente 4 las personas que prefieren comprar
una licencia de antivirus.
(c) Calcular la probabilidad de que sean por lo menos 2 las personas que prefieren comprar
la licencia de antivirus.
(d) Hallar la esperanza, la varianza y el desvío estándar de la cantidad de personas que
prefiere comprar una licencia para un antivirus.
3. Se sabe que la probabilidad de que en 1 cm3 de agua de un estanque no haya ninguna larva
(de cierto tipo) es de 0.05. Se toman 5 muestras independientes de 1 cm3 de agua de ese
estanque.
(a) Hallar la distribución de la variable aleatoria
X : “cantidad de muestras de 1 cm3 que no contienen ninguna larva (de ese tipo)”
(b) Calcular la probabilidad de exactamente 3 muestras no contengan ninguna larva.
(c) Hallar el número esperado de muestras con ninguna larva.
4. Un alumno especula con aprobar un examen sin saber absolutamente nada. El examen es del
tipo “elección múltiple”: consta de 10 preguntas, cada una con 4 opciones de respuesta y 1
sola respuesta correcta en cada pregunta. Si el alumno elige en forma absolutamente aleatoria
sus respuestas y el examen se considera aprobado con 7 o más preguntas bien contestadas,
(a) ¿cuál es la probabilidad de que conteste todas las preguntas bien?
(b) ¿cuál es la probabilidad de que el alumno apruebe el examen?
(c) calcular el número esperado de respuestas correctas que acertará en el examen.
5. La probabilidad de éxito de una vacuna contra la gripe es de 0, 74. Se administra la vacuna a
20 personas.
134 Capítulo 5. Variables aleatorias
(a) Defina una variable aleatoria adecuada para este experimento. ¿Qué distribución tiene?
Determinar claramente cuáles son sus parámetros.
(b) Calcular la probabilidad de que una vez administrada:
i. ninguna persona tenga gripe.
ii. todas contraigan gripe.
iii. exactamente 5 de ellas contraigan gripe.
(c) ¿Cuál es el número de persona que se espera que contrigan gripe?
(d) Calcular la varianza y el desvío del número de personas que contraen gripe.
Ejemplo 5.27 Se elige un número al azar en el intervalo [0; 1]. Una variable aleatoria asociada a
Observemos que, para estos casos, el rango de las variables son intervalos, por ejemplo:
• RX = (0; +∞)
• RY = [0; 1]
• RZ = (0; +∞) o [M; +∞) si considerásemos la altura mínima que podría tener una persona.
En estos casos, las probabilidades puntuales son todas cero. Por ejemplo:
? P(X = 4, 013597) = 0
? P(Y = 0, 111111112) = 0
? P(Z = 1, 5754319) = 0
Por esta razón, estas variables no tienen “función de probabilidad puntual” como sí tienen las
variables aleatorias discretas. Sin embargo, vamos a poder calcular probabilidades que involucran
desigualdades y, por esta razón, sí vamos a tener la función de distribución acumulada que se
definía para todo x ∈ R como
FX (x) = P(X ≤ x) .
Definición 5.9 — Variable aleatoria continua. Diremos que X es una variable aleatoria
continua si su función de distribución acumulada FX es una función continua (lo que significa,
esencialmente, que esta función se puede graficar sin levantar el lápiz).
Como esta definición implica poder calcular FX que no siempre es fácil, en la práctica diremos
que las variables cuyos rangos no son finitos ni numerables, serán consideradas “continuas”.
5.2 Variables aleatorias continuas 135
Si bien podría haber variables aleatorias que tengan como rango intervalos pero que no sean
continuas, estas variables son muy “patológicas” y no se encuentran naturalmente en la vida
real.
Como los rangos de las variables X, Y y Z son intervalos (que no son conjuntos ni finitos ni
numerables), entonces diremos que X, Y y Z son variables aleatorias continuas (aunque, lo que es
seguro, es que no son discretas).
Ya dijimos que estas variables aleatorias continuas no cuentan con función de probabilidad
puntual. Sin embargo, las variables aleatorias más interesantes cuentan con una función que tiene
un rol “similar” al de función de probabilidad puntual y que se llama función de densidad.
Definición 5.10 — Función de densidad. Una variable aleatoria X tiene función de densidad,
notada como fX , si sus probabilidades pueden calcularse como áreas bajo la curva dada por la
gráfica de la función fX .
a) b)
c) d)
136 Capítulo 5. Variables aleatorias
Solución: En todos los casos veremos que se cumplen las condiciones necesarias para que la
función graficada sea una función de densidad.
a) En primer lugar observemos que la función está por arriba del eje x (o sobre el eje x).
Efectivamente, la función es constantemente 0 fuera del intervalo (1; 2) y en el intervalo
[1; 2] vale constantemente igual a 1.
Además, el área del rectángulo (que es un cuadrado en este caso) es “base por altura” y, en
nuestro caso, es 1.1 = 1 porque la base es 1 y la altura es 1. Es decir, el área encerrada por la
gráfica de la función y el eje x es 1 (si la función está apoyada sobre el eje x no tiene área
“por debajo”).
Con estas dos condiciones verificadas, resulta que la función f es una función de densidad.
b) En este caso, es fácil ver que ya no cumple la condición de estar la función “por arriba” del
eje x (ya que en el intervalo (−2; −1) vale -1 y, por lo tanto, es negativa. Luego, esta función
no puede ser una función de densidad.
c) En primer lugar, observemos que la función está por arriba del eje x (o está sobre el eje x
cuando vale constantemente igual a 0), por lo que la primera de las condiciones la cumple.
Para la segunda condición habría que calcular el área de la región encerrada entre la curva
de la función y el eje x, es decir, el área del trapecio. Una posibilidad podría ser separar
el trapecio en dos triángulos y un rectángulo y sumar las tres áreas. Observemos que el
triángulo izquierdo tiene como base 1 y una altura de 0, 5. Luego, recordando que el área
de un triángulo sigue la fórmula: base por altura dividido 2, se tiene que el área de este
triángulo es 1.0, 5/2 = 0, 25. Además, es claro que el área del triángulo que se encuentra
a la derecha también es 0, 25 ya que tiene la misma base y la misma altura. Por último, el
área del rectángulo es 0, 5 porque la base es 1 y la altura es 0, 5. Luego, sumamos las tres
áreas: 0, 25 + 0, 5 + 0, 25 = 1, obteniendo así el área pedida. Como este resultado es 1, se
verifica también la segunda de las dos condiciones y, por lo tanto, f resulta ser una función
de densidad.
d) Nuevamente, debemos verificar que se cumplan las dos condiciones de la Propiedad. Clara-
mente se cumple la primera de las propiedades porque la gráfica de la función se encuentra
por arriba del eje x.
Para verificar la segunda propiedad debemos hallar el área de la región encerrada por la
función y el eje x, es decir, debemos sumar las áreas de los triángulos. Observando que
1.1
la base es 1 y la altura es 1 se tiene que el área del triángulo es = 0, 5 y, como ambos
2
triángulos tienen la misma área, el área de la región pedida es 0, 5 + 0, 5 = 1. Por lo tanto,
queda verificada la segunda condición y, de esta manera, queda probado que f es una función
de densidad.
entonces las probabilidades son las áreas de las regiones que esa probabilidad represente. Por
ejemplo, la probabilidad
P(a ≤ X ≤ b)
5.2 Variables aleatorias continuas 137
Solución:
1. Tal como se mencionó anteriormente, la probabilidad será el área de la región delimitada
por la condición. En este caso, la región que se corresponde con la condición X > −1 es el
triángulo de la derecha. Luego, la probabilidad pedida será el área de dicho triángulo. Como
ya vimos que el área del triángulo es 0, 25, entonces
P(−2 ≤ X ≤ −1) = 0, 5 .
3. En este caso, nos están pidiendo una probabilidad puntual. Como la variable es continua, la
probabilidad pedida es 0. Otra forma de ver esto es observando que el área de la línea que se
obtendría sobre el punto X = −2 desde el eje x hasta la curva es 0. Luego,
P(X = −2) = 0 .
4. En este caso, la región a la que hay que calcularle el área está formada por el triángulo
izquierdo y un rectángulo que, en este caso, tiene base 0, 75 (y la altura es la misma que
antes que es 0, 5). Luego, la probabilidad pedida se puede conseguir sumando las áreas del
triángulo (que es 0, 25) y el área del rectángulo (que es 0, 75 . 0, 5 = 0, 375). Es decir,
5. Como en este caso la función vale 0 entre el 0 y el 1, no hay región a la cuál calcularle el
área y, por lo tanto,
P(0 ≤ X < 1) = 0 .
138 Capítulo 5. Variables aleatorias
Ejemplo 5.31 Si X es una variable aleatoria continua con la función de densidad del ítem a) del
Ejemplo 5.29, calcular:
1. P(X < 1, 5)
2. P(1, 3 ≤ X ≤ 1, 6)
Solución:
1. Como la región a la que hay que calcularle el área es, en este caso, el rectángulo cuya base va
desde el 1 al 1, 5 (es decir, es 1, 5 − 1 = 0, 5) y tiene altura 1, entonces el área del rectángulo,
y por lo tanto la probabilidad pedida es
2. En este caso, el rectángulo tiene una base que va desde 1, 3 a 1, 6 y, por lo tanto, es 1, 6−1, 3 =
0, 3. Como además su altura es 1, se tiene que
Observemos que la función de densidad de la variable aleatoria continua del último ejemplo
tiene la particularidad de ser constante en un intervalo. Este es un ejemplo de un tipo de variable
aleatoria conocida como variable aleatoria uniforme y que veremos con más detalle en la siguiente
Subsección.
Observación: es importante notar que cuando se trabaja con variables aleatorias continuas,
incluir o no incluir los iguales en las probabilidades es exactamente lo mismo. Esto viene del
hecho de que todas las probabilidades puntuales son 0. En definitiva, si X es una variable aleatoria
continua vale que
Ejercicio 5.8 Si X es una variable aleatoria continua con la función de densidad del item d) del
Ejemplo 5.29, calcular:
Ejercicio 5.9 Decidir si, en el caso de que X sea una v.a. continua, vale que
En caso afirmativo, ¿esto valdrá siempre para cualquier tipo de variable aleatoria? En caso
negativo, exhibir un ejemplo mostrando que no es lo mismo FX (x) y P(X < x) (esto es lo que,
en matemática, se llama “buscar un contraejemplo”).
5.2.1 Ejercicios
1. Decidir cuál o cuáles de las siguientes funciones f son funciones de densidad.
5.2 Variables aleatorias continuas 139
a) b)
Ejercicio 5.10 Para cada variable aleatoria con función de densidad elegida en el Ejercicio 1 de
la Sección 5.2.1, calcular su esperanza.
Las varianzas y los desvíos estándar son, tanto para variables aleatorias continuas como para
variables aleatorias discretas, más difíciles de observar en un gráfico por lo que, en el caso de
variables aleatorias continuas, sólo las calcularemos en algunos casos particulares.
Si X ∼ U(a; b), recordando que las probabilidades son áreas, se tiene que, para c y d dos
números en el intervalo (a; b) con c < d, se tiene que
d −c
P(c ≤ X ≤ d) =
b−a
longitud del intervalo pedido
=
longitud total del intervalo
tal como se puede observar en el siguiente gráfico:
Ejemplo 5.34 Continuando con el Ejemplo 5.33, es decir, con X ∼ U(2; 4), calcular:
Solución:
5.2 Variables aleatorias continuas 141
(a) Es claro que, para la fórmula de cálculo de probabilidades mencionada anteriormente se tiene
que c = 2, 3 y d = 2, 7, como además a = 2 y b = 4, se tiene que
2, 7 − 2, 3
P(2, 3 ≤ X ≤ 2, 7) = = 0, 2 .
4−2
(b) En este caso, d = 2, 5 pero ¿cuánto vale c? Como P(X < 2, 5) = P(2 ≤ X < 2, 5) entonces
c = 2 (el límite inferior del intervalo). Luego,
2, 5 − 2
P(X < 2, 5) = = 0, 25 .
4−2
(c) Nuevamente, podemos ver que P(X > 3) = P(3 < X ≤ 4) y por lo tanto
4−3
P(X > 3) = = 0, 5 .
4−2
(d) Como es una probabilidad puntual y X es una variable aleatoria continua, es claro que
P(X = 2, 1) = 0. Sin embargo, también podemos ver esto usando la fórmula anterior ya que
2, 1 − 2, 1
P(X = 2, 1) = P(2, 1 ≤ X ≤ 2, 1) = = 0.
4−2
En este caso, hay una fórmula para calcular la función de distribución acumulada y está dada
en la siguiente propiedad.
Propiedades 5.2.2 Si X ∼ U(a; b) entonces
0 si x ≤ a
x−a
FX (x) = b−a si a < x < b
1 si x ≥ b
Ejemplo 5.35 Para la v.a. X ∼ U(2; 4) del Ejemplo 5.33, hallar su función de distribución
acumulada y graficarla.
Solución: observando nuevamente que a = 2 y que b = 4 se tiene que
0 si x ≤ 2 0 si x ≤ 2 0 si x ≤ 2
x−2 x−2 1
FX (x) = si 2 < x < 4 = si 2 < x < 4 = x − 1 si 2 < x < 4
4−2 2 2
1 si x ≥ 4 1 si x ≥ 4 1 si x ≥ 4
y su gráfico es
142 Capítulo 5. Variables aleatorias
a+b (b − a)2
E(X) = y V (X) =
2 12
Recordemos que, como siempre, el desvío estándar se obtendrá como la raíz cuadrada de la
varianza.
Ejemplo 5.36 Continuando con el Ejemplo 5.33, calcular la esperanza, varianza y desvío estándar
X ∼ U(0, 6 ; 1, 4) .
5.2 Variables aleatorias continuas 143
Luego, calcular probabilidades con la uniforme es fácil: basta con usar la fórmula. De esta
manera,
0, 9 − 0, 6
P(X < 0, 9) = = 0, 375
1, 4 − 0, 6
que es la probabilidad pedida.
(b) En este caso, la probabilidad pedida es P(0, 7 ≤ X ≤ 1, 2) y, nuevamente apelando a la
fórmula para el cálculo de probabilidades de la uniforme (que, recordemos, se desprende de
“base por altura” para el cálculo de área de rectángulos), resulta
1, 2 − 0, 7
P(0, 7 ≤ X ≤ 1, 2) = = 0, 625 .
1, 4 − 0, 6
(c) Nos piden calcular E(X). Luego,
0, 6 + 1, 4
E(X) = =1
2
(d) Para hallar el desvío estándar, primero hay que calcular la varianza de X. Usando la fórmula
para varianza,
(1, 4 − 0, 6)2 4
V (X) = =
12 75
y, por esta razón, el desvío estándar de X es
r
p 4
sd(X) = V (X) = ≈ 0, 231 .
75
(e) En este caso, es interesante notar que la probabilidad pedida no es sobre el porcentaje de
humedad del suelo, sino sobre la cantidad de muestras entre las 10 disponibles, que cumplen
con tener menos de 0, 9 % de humedad. Por lo tanto, debemos definir una nueva variable,
que llamaremos Y , que cuente la cantidad de muestras que cumplen con esto. Definimos
Es claro que Y es una variable aleatoria discreta. Más aún, sabiendo que las muestras son
independientes, resulta que Y sigue una distribución binomial... ¿de qué parámetros? Es
claro que n = 10 pero ¿qué probabilidad es p? Como el éxito es que una muestra tenga
menos de 0, 9 % de humedad, p = P(X < 0, 9) = 0, 375 ya que fue calculada en el ítem (a).
Luego, resulta que
Y ∼ Bi(10 ; 0, 375) .
Como la probabilidad pedida es que exactamente 3 de esas muestras tengan menos de 0, 9 %
de humedad, nos piden P(Y = 3). Recordando la fórmula de probabilidad puntual de una v.a.
binomial, resulta que la probabilidad pedida es
10
P(Y = 3) = (0, 375)3 (1 − 0, 375)10−3 ≈ 0, 236 .
3
5.2.4 Ejercicios
1. Sea X ∼ U(0; 3).
(a) Determinar cuál es su función de densidad. Graficarla.
(b) Determinar cuál es su función de distribución acumulada. Graficarla.
(c) Calcular
144 Capítulo 5. Variables aleatorias
√
con σ = σ 2 .
Mientras que µ indica la posición del eje de simetría de la función, el parámetro σ 2 indica cuán
“achatada” o “puntiaguda”es la gráfica. En el siguiente gráfico se muestra, a izquierda, una función
de densidad de una distribución normal con σ 2 más pequeño que el de la función de densidad de la
derecha.
Recordemos que estas funciones de densidad cumplen, como lo cumplen todas, que son no
negativas y que el área de la región que queda delimitada por la curva y el eje x es 1.
Observación: calcular probabilidades o, equivalentemente, áreas debajo de la curva “a mano”
con esta función es muy complicado. Por esta razón, debemos utilizar una tabla.
Afortunadamente, calcular la esperanza y varianza de una variable aleatoria con distribución
normal es muy fácil utilizando la siguiente propiedad:
Propiedades 5.2.4 Si X ∼ N(µ, σ 2 ) entonces
E(X) = µ y V (X) = σ 2 ,
es decir, los dos parámetros que definen la distribución normal indican la esperanza y varianza de
la variable, respectivamente.
√
Recordemos que σ = σ 2 es el desvío estándar.
Observación: es claro que E(X) = µ porque la distribución es simétrica alrededor de x = µ.
No existe una fórmula en la que podamos reemplazar un valor y nos devuelva una probabilidad
para una v.a. X ∼ N(µ; σ 2 ) cualquiera. ¿Cómo calculamos las probabilidades entonces?
Existe una tabla que provee valores de la función de distribución acumulada de una variable
aleatoria normal particular, que es la que definiremos a continuación. Usando esta variable podremos
calcular las probabilidades de cualquier distribución normal (con cualquier par de parámetros µ y
σ 2 ).
Notación: La función de distribución acumulada de una v.a. normal estándar tiene su propia
notación que es φ (la letra griega “fi”), es decir, si Z ∼ N(0; 1) entonces
FZ (x) = φ (x) .
En la tabla de la Sección 9.3 del Anexo, se encuentran las probabilidades que se obtienen al
acumular hasta diferentes puntos de x.
Ejemplo 5.38 Sea Z ∼ N(0; 1). Calcular:
Solución:
1. En primer lugar, observemos que la tabla mencionada tiene un gráfico que se corresponde con
la función de densidad de una v.a. normal estándar y, sombreada en verde, la probabilidad p
que se obtiene al acumular hasta z p , es decir, el interior de la tabla tiene las probabilidades y
los bordes o márgenes de la tabla representan los valores hasta donde se acumula: el margen
izquierdo tiene el entero y el primer decimal, mientras que en el margen superior se indica el
segundo decimal.
Nos piden P(Z ≤ 1, 92) = FZ (1, 92) que, como vimos, se denota φ (1, 92) porque Z ∼ N(0; 1).
¿Dónde se encuentra 1, 92? Se encuentra mirando la fila correspondiente al 1, 9 y la tercera
columna que indica 0, 02. De esta manera, formamos el punto 1, 92. Luego, el interior de la
tabla nos indica la probabilidad que acumula hasta ese punto, es decir:
2. Nuevamente, como Z ∼ N(0; 1), P(Z ≤ 3, 38) = φ (3, 38) y, por lo tanto, usaremos la tabla
para hallar la probabilidad pedida. Mirando correctamente en la tabla se tiene que
3. Primero observemos que P(Z < 0, 21) = P(Z ≤ 0, 21) porque Z es una v.a. continua. Como
además Z ∼ N(0; 1), resulta que nos piden hallar φ (0, 21). Luego, buscando en la tabla, se
tiene que
P(Z < 0, 21) = φ (0, 21) = 0, 5832 .
Si nos pidieran una gráfico que represente la probabilidad, éste sería:
5.2 Variables aleatorias continuas 147
5. Observemos que la tabla no da información más allá del 3, 49. Esto es porque las proba-
bilidades podrían aproximarse por 1 directamente. Por esta razón, si bien nunca acumula
exactamente 1, diremos que
P(X ≤ 4, 5) ≈ 1 .
Intuitivamente, dado que estamos acumulando hasta valores positivos (a la derecha del eje
y), es claro que todas estas probabilidades tienen que ser mayores o iguales que 0.5, tal como
efectivamente ocurre.
Observación: es interesante notar que si bien ponemos todas igualdades tras buscar en la tabla,
estas no son tales sino que son aproximaciones con 4 decimales. Como la aproximación es bastante
precisa y es la arrojada por la tabla, podemos pensar que es el “verdadero valor” aunque no lo sea
exactamente. Más aún, las verdaderas probabilidades son números irracionales (salvo φ (0) = 0.5)
y, por lo tanto, tienen infinitos decimales.
Calculemos ahora otras probabilidades.
Ejemplo 5.39 Sea Z ∼ N(0; 1). Calcular:
Solución:
1. Veamos primero con el siguiente gráfico cuál es la probabilidad pedida:
¿Qué relación hay entre esta probabilidad y las probabilidad dada por la función de dis-
tribución acumulada? Usando la propiedad del complemento, se puede ver fácilmente
que
P(Z > 0, 33) = 1 − P(Z ≤ 0, 33)
pero esta segunda probabilidad sí es una de las probabilidades dadas en la tabla (dado que la
tabla tiene las probabilidades acumuladas a izquierda y no a derecha). Luego, la probabilidad
148 Capítulo 5. Variables aleatorias
pedida es
3. Aplicando el complemento para resolver el ejercicio y recordando además que como la v.a.
es continua P(Z < 2, 41) = P(Z ≤ 2, 41) resulta que
A diferencia del caso anterior, es claro que todas estas probabilidades tienen que ser menores o
iguales que 0.5, tal como efectivamente ocurre.
Lo que haremos ahora es calcular probabilidades que usarán, fuertemente, la simetría que tiene
la distribución normal estándar alrededor del 0.
Ejemplo 5.40 Sea Z ∼ N(0; 1). Calcular:
Solución:
1. Veamos primero que el siguiente gráfico representa la probabilidad P(Z ≥ −0, 57):
Se puede ver, por la simetría que tiene la distribución respecto al eje y, que el área representada
por la probabilidad P(Z ≥ −0, 57) coincide con el área representada por la probabilidad
P(Z ≤ 0, 57), tal como se muestra en el siguiente gráfico:
2. De la misma manera, se puede ver que el área correspondiente a la probabilidad P(Z ≥ −1, 09)
es la misma que la correspondiente con la probabilidad P(Z ≤ 1, 09). Luego,
P(Z > −1, 09) = P(Z < 1, 09) = φ (1, 09) = 0, 8621 .
Queda para el lector observar que esto vale tanto para x ≥ 0 como para x < 0.
Ejemplo 5.41 Sea Z ∼ N(0; 1). Calcular:
Solución:
1. En primer lugar, observemos que P(Z ≤ −0, 83) = φ (−0, 83). Sin embargo, la tabla que
figura en el Anexo no incluye valores negativos en los márgenes y, por esta razón, para hallar
esa probabilidad hay que apelar a la simetría de la distribución. Comencemos visualizando la
probabilidad pedida con un gráfico:
Es claro, por simetría, que esta probabilidad es la misma que la dada en el siguiente gráfico
que es P(Z ≥ 0, 83). Sin embargo y tal como lo mencionamos en el Ejemplo 5.39 se puede
ver que esta probabilidad es el complemento de P(Z < 0, 83) que se corresponde con el
siguiente gráfico
150 Capítulo 5. Variables aleatorias
Ejercicio 5.11 Queda para el lector repetir los tres gráficos hechos para el ítem anterior
pero con esta probabilidad.
3. De manera análoga, y recordando primero que P(Z < −2, 03) = φ (−2, 03), se tiene que esta
probabilidad es
φ (−2, 03) = P(Z > 2, 03) = 1 − φ (2, 03) = 1 − 0, 9788 = 0, 0212 .
4. Por último, la probabilidad pedida es
P(Z < −0, 01) = φ (−0, 01) = 1 − φ (0, 01) = 1 − 0, 5040 = 0, 4960 .
φ (−x) = 1 − φ (x)
Si bien esta propiedad estuvo siendo utilizada para x > 0 (para que, de esta manera, −x < 0),
queda para el lector chequear gráficamente que también vale para x ≤ 0.
Ejemplo 5.42 Sea Z una variable aleatoria con distribución N(0, 1). Usar la tabla y las propiedades
de simetría para calcular las siguientes probabilidades:
Solución:
1. Comencemos primero visualizando la probabilidad pedida:
5.2 Variables aleatorias continuas 151
Se puede observar que esta área se puede conseguir restando las siguientes dos áreas:
es claro que esta región sombreada (que representa la probabilidad) se consigue restando las
siguientes dos regiones:
P(−0, 22 < Z < 1, 56) = P(Z < 1, 56) − P(Z ≤ −0, 22) = φ (1, 56) − φ (−0, 22) .
152 Capítulo 5. Variables aleatorias
Buscando en la tabla, se ve que φ (1, 56) = 0, 9406, ¿pero qué ocurre con φ (−0, 22)? Como
la función de distribución acumulada está evaluada en un valor negativo, deberemos apelar a
la fórmula dada en la Propiedad 5.2.6 que dice que
φ (−x) = 1 − φ (x)
y luego recordando, por la Propiedad 5.2.6 que φ (−0, 1) = 1 − φ (0, 1), se tiene que la
probabilidad pedida es
P(−0, 1 < Z < 0) = P(Z < 0) − P(Z ≤ −0, 1)
= φ (0) − φ (−0, 1)
= φ (0) − (1 − φ (0, 1))
= 0, 5 − (1 − 0, 5398)
= 0, 5 − 0, 4602
= 0, 0398
5. Observemos, una vez más, que más allá de que los dos números sean negativos, la proba-
bilidad pedida se obtiene como resta de dos probabilidades. Comencemos interpretando
gráficamente la probabilidad pedida:
Luego, esta probabilidad se puede obtener restando las probabilidades P(Z ≤ −1, 08) y
P(Z < −1, 7), representadas en los siguientes gráficos:
5.2 Variables aleatorias continuas 153
De esta manera, recordando también la Propiedad 5.2.6, resulta que la probabilidad pedida es
P(−1, 70 ≤ Z ≤ −1, 08) = P(Z ≤ −1, 08) − P(Z < −1, 7)
= φ (−1, 08) − φ (−1, 7)
= (1 − φ (1, 08)) − (1 − φ (1, 7))
= (1 − 0, 8599) − (1 − 0, 9554)
= 0, 1401 − 0, 0446
= 0, 0955
es decir, la probabilidad de que a < X ≤ b se consigue restando la probabilidad del extremo derecho
menos la probabilidad del extremo izquierdo.
Esta propiedad vale en general, sea X una variable aleatoria continua o discreta. Sin embargo,
mientras que con v.a. discretas hay que tener cierto cuidado porque “incluir” o “no incluir” un
valor en una desigualdad podría cambiar el valor de la probabilidad, con v.a. continuas no hay
que tener este cuidado (porque las probabilidades puntuales son 0). En definitiva, si X es una v.a.
continua, vale que
P(a < X ≤ b) = P(a ≤ X < b) = P(a < X < b) = P(a ≤ X ≤ b) = FX (b) − FX (a) .
Propiedades 5.2.8 Si Z es una v.a. normal estándar, para a, b ∈ R con a < b, se tiene que
Ahora lo que haremos será el procedimiento inverso: buscar un número que de origen a cierta
probabilidad pedida.
Ejemplo 5.43 Sea Z una variable aleatoria con distribución N(0, 1). Usando la tabla de la normal
y las propiedades de simetría, hallar el valor de a en cada caso.
Solución: Para resolver todos estos ítems es siempre conveniente pensar si el valor de a que
realiza la probabilidad pedida es un valor positivo o negativo (o, eventualmente, 0). Esto es
importante para saber cómo graficar correctamente la probabilidad pedida y, de alguna manera
también, chequear que el valor de a sea el correcto.
1. En primer lugar, observemos que la probabilidad pedida se puede escribir en términos de φ
de la siguiente manera:
Es claro que para que acumule la probabilidad 0.9099, el valor de a tiene que ser mayor que
0 y, por esta razón, es ubicado a la derecha del eje y. Luego, como la tabla de la normal arroja
justamente este tipo de probabilidades, lo que hay que hacer ahora es buscar la probabilidad
pedida en el interior de la tabla y ver a qué valor de z p se corresponde, es decir, debemos
mirar sus márgenes para hallar el valor de a.
Leyendo correctamente en la tabla, resulta que
φ (a) = 0, 9099 ⇔ a = 1, 34
φ (a) = 06255 .
Haciendo un gráfico que represente esta situación, como la probabilidad involucrada es mayor
a 0.5, entonces a > 0 y, por lo tanto, podremos encontrarla en la tabla. Luego, buscando
correctamente en la tabla, se ve que
φ (a) = 0, 6255 ⇔ a = 0, 32 .
3. En este caso, observemos que la situación P(Z > a) = 0, 0162 podría representarse gráfica-
mente de la siguiente manera:
¿Es a positivo? Sí, porque si bien la probabilidad en este caso acumula menos de 0.5,
está acumulando a derecha, no a izquierda como lo hacen las funciones de distribuciones
acumuladas (φ en este caso). Conviene entonces acumular a izquierda y reescribir el problema
en términos de φ . Para ello, usaremos la propiedad del complemento de probabilidades:
P(Z > a) = 0, 3632
1 − P(Z ≤ a) = 0, 3632
1 − φ (a) = 0, 3632
1 − 0, 3632 = φ (a)
0, 6368 = φ (a)
Observemos entonces que este problema es exactamente igual a los problemas de los dos
ítems anteriores y, por lo tanto, se resuelven fácilmente buscando en la tabla. De esta manera,
se ve que
φ (a) = 0, 6368 ⇔ a = 0, 35
5.2 Variables aleatorias continuas 155
Una probabilidad mayor o igual a 0.5 sí se puede hallar en la tabla y el valor al que se
corresponde es 0,62. Pero, ¿es a = 0, 62? No, lo que vimos es que −a = 0, 62 y, por lo tanto,
a = −0, 62 que es un valor negativo, tal como lo habíamos observado en un principio. Luego,
a = −0, 62 es la respuesta.
156 Capítulo 5. Variables aleatorias
¿Por qué a es negativo? Porque acumula mucho a derecha, más de 0, 5. Usando la simetría
de diferentes maneras resulta haber varias formas de hallar el valor de a. Una de ellas es
pensar que esa área es exactamente igual al área que se acumularía a izquierda de −a, es
decir, tal como se puede observar en el siguiente gráfico:
De esta manera
Ejercicio 5.12 Queda para el lector resolver este mismo ítem comenzando con el com-
plemento de la probabilidad pedida, es decir, usando que
Ejemplo 5.44 Sea Z una variable aleatoria con distribución N(0; 1). Calcular:
Solución: En este ejercicio, todas las probabilidades involucran inecuaciones que deberán
resolverse, ya sea adentro de la probabilidad o como cálculo auxiliar.
1. Despejando Z adentro de la probabilidad, tenemos que
P(Z + 2 ≤ 3, 75) = P(Z ≤ 3, 75 − 2) = P(Z ≤ 1, 75) .
Luego, observando que la probabilidad pedida es una probabilidad acumulada a izquierda, es
decir, φ (1, 75), buscando correctamente en la tabla se tiene que:
P(Z + 2 ≤ 3, 75) = P(Z ≤ 1, 75) = φ (1, 75) = 0, 9599 .
Observación: la inecuación se podría haber resuelto en un cálculo auxiliar (C.A.) de la
siguiente manera:
Z + 2 ≤ 3, 75
Z ≤ 3, 75 − 2
Z ≤ 1, 75
y luego volviendo a plantear la probabilidad pedida diciendo que
P(Z + 2 ≤ 3, 75) = P(Z ≤ 1, 75) .
2. Nuevamente, podemos resolver la inecuación adentro de la probabilidad o como cálculo
auxiliar. Resolviéndola adentro de la probabilidad se tiene que:
P(−2Z + 5 < 4, 5) = P(−2Z < 4, 5 − 5) = P(−2Z < −0, 5) .
Teniendo en cuenta que −2 es un número negativo que está multiplicando a Z y que, por lo
tanto, dará vuelva la desigualdad cuando se lo pase dividiendo, se tiene que:
−0, 5
P(−2Z < −0, 5) = P Z > = P(Z > 0, 25) .
−2
Luego, aplicando la propiedad del complemento, se tiene que la probabilidad pedida es
P(−2Z +5 < 4, 5) = P(Z > 0, 25) = 1−P(Z ≤ 0, 25) = 1−φ (0, 25) = 1−0, 5987 = 0, 4013 .
3. Nuevamente, despejando adentro de la probabilidad, se tiene que
3
P(3Z −7 < −10) = P(3Z < −10+7) = P(3Z < −3) = P Z < − = P(Z < −1) = φ (−1) .
3
Por último, usando la simetría de la distribución alrededor del 0, se tiene que
P(3Z − 7 < −10) = φ (−1) = 1 − φ (1) = 1 − 0, 8413 = 0, 1587 .
158 Capítulo 5. Variables aleatorias
4. A diferencia de los otros ítems, en este caso la variable Z se encuentra entre dos números.
Resolver esto es sencillo si recordamos que el despeje se puede hacer en simultáneo. Es
decir, la inecuación −2, 3 ≤ Z − 1 < 0 se puede resolver pensándose como dos inecuaciones
−2, 3 ≤ Z − 1 por un lado y Z − 1 < 0 por el otro. Es claro que, en ambas inecuaciones, sólo
resta pasar el −1 al otro miembro para despejar Z. En definitiva, tenemos que
−2, 3 ≤ Z − 1 < 0
−2, 3 + 1 ≤ Z < 0+1
−1, 3 ≤ Z <1
De esta manera, usando las propiedades vistas anteriormente, se tiene que la probabilidad
pedida es
5. Nuevamente, resolveremos la inecuación como cálculo auxiliar para que se pueda apreciar el
despeje.
C.A.:
Z+1
−1, 1 < 2 ≤ 0, 73
−1, 1 . 2 < Z + 1 ≤ 0, 73 . 2
−2, 2 < Z + 1 ≤ 1, 46
−2, 2 − 1 < Z ≤ 1, 46 − 1
−3, 2 < Z ≤ 0, 46
Z +1
P −1, 1 < ≤ 0, 73 = P(−3, 2 < Z ≤ 0, 46)
2
= φ (0, 46) − φ (−3, 2)
= φ (0, 46) − (1 − φ (3, 2))
= 0, 6772 − (1 − 0, 9993)
= 0, 6772 − 0, 0007
= 0, 6765 .
5.2 Variables aleatorias continuas 159
6. Por último,
resolveremos la inecuación
adentro de la probabilidad:
Z −2
P −1, 45 < ≤ −1, 2 = P(−1, 45 . 3 < Z − 2 ≤ −1, 2 . 3)
3
= P(−4, 35 < Z − 2 ≤ −3, 6)
= P(−4, 35 + 2 < Z ≤ −3, 6 + 2)
= P(−2, 35 < Z ≤ −1, 6)
= φ (−1, 6) − φ (−2, 35)
= (1 − φ (1, 6)) − (1 − φ (2, 35))
= (1 − 0, 9452) − (1 − 0, 9906)
= 0, 0548 − 0, 0094
= 0, 0454 .
5.2.7 Ejercicios
1. Sea Z una variable aleatoria con distribución N(0, 1). ¿Cuál es la esperanza de Z? ¿Y la
varianza?
Usar la tabla y las propiedades de simetría para calcular las siguientes probabilidades:
2. Sea Z una variable aleatoria con distribución N(0, 1). Usar la tabla y las propiedades de
simetría para calcular las siguientes probabilidades:
3. Sea Z una variable aleatoria con distribución N(0, 1). Usando la tabla de la normal y las
propiedades de simetría, hallar el valor de a en cada caso.
4. Sea Z una variable aleatoria con distribución N(0, 1). Usar la tabla y las propiedades de
simetría para calcular las siguientes probabilidades:
(a) P(Z + 1 < 1.2) Z −2
(n) P < 0.2
(b) P(2Z ≤ 3) 2
(c) P(3Z − 1 < 2) Z +1
(o) P ≤ 0.1
(d) P(5Z + 2 ≤ 4) 3
(e) P(2Z + 1 > 2) Z + 10
(p) P ≥ 2.2
(f) P(4Z − 10 > −15) 5
(g) P(−2Z − 3 ≥ 3) Z −6
(q) P > −1
1 4
(h) P − Z + 1 < −0.3
Z −1
2 (r) P −0.3 < ≤ 0.2
(i) P(2 < −Z) 2
(j) P(−3 < −2Z − 5) Z −5
(s) P −3 < ≤ −1
(k) P(−1 < Z + 1 ≤ 2) 2
(l) P(−2 < 2Z ≤ 3) Z −7
(t) P −3.4 < ≤ −3.1
(m) P(1 < 2Z + 1 < 4) 3
es la probabilidad pedida.
2. Nuevamente, el objetivo será llevar la probabilidad original que involucra una desigualdad
con X a una probabilidad equivalente que involucre una v.a. Z con distribución normal
estándar. Para ello, debemos “estandarizar” tal como lo hicimos en el ítem anterior: restando
27 y dividiendo por 5. Tenemos entonces que
X − 27 24 − 27 X − 27
P(X < 24) = P(X − 27 < 24 − 27) = P < =P < −0, 6 .
5 5 5
X − 27
Por último, recordando que Z = ∼ N(0; 1) y usando propiedades de simetría alrededor
5
del 0 de la distribución normal
estándar, se
tiene que
X − 27
P(X < 24) = P < −0, 6 = P(Z < −0, 6)
5
= φ (−0, 6) = 1 − φ (0, 6) = 1 − 0, 7257 = 0, 2743 .
3. Nuevamente, estandarizando y recordando que
X − 27
Z= ∼ N(0; 1) ,
5
se tiene que
X − 27 32, 5 − 27
P(X ≥ 32, 5) = P (X − 27 ≥ 32, 5 − 27) = P ≥ = P(Z ≥ 1, 1)
5 5
= 1 − φ (1, 1) = 1 − 0, 8643 = 0, 1357 .
162 Capítulo 5. Variables aleatorias
Observemos que este valor z será negativo ya que la probabilidad que acumula es menor que
0, 5. Por lo tanto no está en la tabla. Sin embargo, en la tabla podemos encontrar el valor en
−z que acumulará una probabilidad de 1 − 0, 209 = 0, 791, es decir, z cumple que
φ (−z) = 0, 791 .
Por último, reemplazando z por lo que sabemos que es, podemos hallar el valor de a:
a − 27
z = −0, 81 ⇔ = −0, 81 ⇔ a − 27 = −0, 81.5 ⇔ a = −4, 05 + 27 ⇔ a = 22, 95 .
5
9. Nuevamente, comenzamos estandarizando adentro de la probabilidad:
X − 27 a − 27 a − 27 a − 27
P(X > a) = P > =P Z> = 1−φ = 0, 4681 .
5 5 5 5
a − 27
Por comodidad, una vez más llamamos z = y, por lo tanto, el problema anterior se
5
resuelve de la siguiente manera
a − 27
z = −0, 74 ⇔ = −0, 74 ⇔ a = 23, 3
5
Ejemplo 5.46 La temperatura (en ◦ C) de cierto sector de un reactor sigue una distribución normal
con media 240◦ C y desvío estándar 4◦ C. Definamos
X − 240
(a) ¿Qué distribución tiene X? ¿Y qué distribución tiene la variable aleatoria ?
4
(b) Calcular la probabilidad de que la temperatura en ese sector del reactor sea mayor a 242◦ C.
(c) Calcular la probabilidad de que la temperatura en ese sector del reactor se encuentre entre
233◦ C y 239◦ C.
Solución:
(a) Observemos primero que
X ∼ N(240 ; 42 ) ,
es decir,
X ∼ N(240 ; 16) ,
Por lo tanto, la probabilidad de que la temperatura en ese sector del reactor sea mayor a
242◦ C es de 0,3085.
(c) En este caso nos piden calcular
P(233 ≤ X ≤ 239) .
5.2 Variables aleatorias continuas 165
Estandarizando adentro de la probabilidad y usando que Z, definida como antes, sigue una
distribución normal estándar, se tiene que
P(233 ≤ X ≤ 239) = P(233 − 240 ≤ X − 240 ≤ 239 − 240)
233 − 240 X − 240 239 − 240
= P ≤ ≤
4 4 4
= P(−1, 75 ≤ Z ≤ −0, 25)
= φ (−0, 25) − φ (−1, 75)
= (1 − φ (0, 25)) − (1 − φ (1, 75))
= φ (1, 75) − φ (0, 25)
= 0, 9599 − 0, 5987 = 0, 3612 .
Luego, la probabilidad de que la temperatura en ese sector del reactor se encuentre entre
233◦ C y 239◦ C es de 0,3612.
5.2.9 Ejercicios
1. Sea X una variable aleatoria con distribución N(5, 4). ¿Cuál es la esperanza y la varianza de
X? ¿Y el desvío estándar?
Calcular las siguientes probabilidades:
2. Sea X una variable aleatoria con distribución N(7, 16). ¿Cuál es la esperanza y la varianza
de X? ¿Y el desvío estándar?
Hallar en cada caso el valor de a tal que,
3. Sea X una variable aleatoria con distribución N(2, 9). ¿Cuál es la esperanza y la varianza de
X? ¿Y el desvío estándar?
Calcular las siguientes probabilidades:
4. El peso de los hombres de cierta población sigue una distribución normal con una media de
70 kg y un desviación estándar de 6 kg. Se elige a un hombre al azar de esa población. ¿Cuál
es la probabilidad de que pese entre 64 y 76 kg?
5. En una ciudad se estima que la temperatura máxima en el mes de junio sigue una distribución
normal con una media de 23 grados y un desvío estándar de 5 grados. Calcular la probabilidad
de que en el mes de junio del próximo año la temperatura máxima se encuentre entre los 21 y
27 grados.
6. Se supone que en cierta población humana, el índice cefálico I (anchura del cráneo expresada
como porcentaje de la longitud) es una variable aleatoria con distribución normal N(µ, 9). Si
hay un 84.13% de los individuos con un I ≤ 77, hallar el valor de µ y calcular P(75 ≤ I ≤ 79).
166 Capítulo 5. Variables aleatorias
7. Una fábrica dispone de una máquina para llenar cajas de jabón en polvo. El peso en gramos
de una caja que llena esta máquina (X) sigue una distribución normal con media 800 gramos
y desvío estándar 4 gramos.
X − 800
(a) ¿Qué distribución tiene X? ¿Y qué distribución tiene la variable aleatoria ?
4
(b) Calcular la probabilidad de que una caja de jabón en polvo pese más de 810 gramos.
(c) Calcular la probabilidad de que una caja de jabón en polvo pese más de 795 gramos y
menos de 798 gramos.
8. El consumo medio bimestral de energía eléctrica en una ciudad es de 59 kWh., con un desvío
estándar de 6 kWh. Se supone que el consumo se distribuye normalmente.
(a) ¿Cuántos kWh. tendría que consumir una persona bimestralmente para pertenecer al
5% de la población que más consume?
(b) Si usted vive en esa ciudad y consume 45 kWh., ¿qué porcentaje de la población
consume menos que usted?
6. Estadística descriptiva
Ejemplo A. Se consideraron las notas de 7 alumnos en la materia Física del ingreso a una carrera
obteniéndose los siguientes resultados:
7 4 2 8 8 9 6
Ejemplo B. Se midieron las alturas de 8 hombres de 20 años (en centímetros) y se obtuvieron los
siguientes resultados
La “estadística descriptiva” nos permite examinar los datos con el fin de organizar la informa-
ción, sintetizarla, ver sus características más relevantes, presentar la información, etc.
Veamos algunas definiciones que van a ser de utilidad:
Definición 6.1 — Población. Es el conjunto total de sujetos o unidades de análisis de interés
en el estudio.
Definición 6.5 — Variables cuantitativas y variables cualitativas. Cuando los valores posi-
bles de una variable de estudio son numéricos, diremos que la variable es numérica o cuantitativa.
De lo contrario, diremos que es una variable categórica o cualitativa.
Una forma de describir los datos es resumiéndolos en uno, dos o más números que caractericen
al conjunto de datos con la mayor fidelidad posible. Otra manera es realizando gráficos de sencilla
elaboración e interpretación.
En este capítulo veremos cómo resumir los datos de manera numérica y/o gráfica, tanto para
variables cuantitativas discretas como continuas en la Sección 6.1. En la Sección 6.2 veremos cómo
graficar y estudiar datos cualitativos.
Es un modo de resumir un conjunto de datos numérico mediante un número que los represente a
todos.
1. Media muestral o Promedio. Supongamos que tenemos una muestra x1 , x2 , . . . , xn de n
datos. Luego, la media muestral o promedio se define como
1 n
x= ∑ xi
n i=1
2. Mediana muestral. Es el valor que deja la mitad de los datos para un lado y la otra mitad de
datos para el otro, es decir, es el valor central del conjunto una vez que éste ha sido ordenado
de menor a mayor. Si hay un número par de datos, la mediana es el promedio de los dos
números centrales.
Notación: a diferencia de la media muestral, en lugar de un ¯, se usa e.
Ejemplo 6.3 — Mediana muestral. Veremos cómo calcularla con los Ejemplos A. y B.
Ejemplo A. Para realizar el cálculo de esta medida de posición central debemos primero ordenar
los datos. Recordemos que nuestros datos son:
x1 x2 x3 x4 x5 x6 x7
7 4 2 8 8 9 6
Observación: para indicar que los datos se encuentran ordenados, se les agrega un
paréntesis a los subíndices.
¿Cuál es el valor del medio? Ese valor será la mediana muestral:
xe = 7 o sea xe = x(4)
y1 y2 y3 y4 y5 y6 y7 y8
177 168 170 169 164 183 180 181
Observemos que el valor del “medio” está entre dos valores. En ese caso, la mediana
se define como el promedio de los dos valores centrales, es decir,
170 + 177 y(4) + y(5)
ye = = 173, 5 o sea ye =
2 2
xe =
x n + x( n +1)
(2)
2
si n es par
2
Sin embargo, para recordar el cálculo que debemos hacer se usa lo siguiente:
si cuando hacemos (n + 1)/2 (o su cálculo equivalente que es 0, 5(n + 1)) el resultado es un
número entero, listo, la mediana es xe = x((n+1)/2) . De lo contrario, como el número (n + 1)/2
da un número “coma 5”, entonces hay que promediar los dos números entre los que se
encuentra. Veamos cómo se vería esto en los ejemplos:
Ejemplo A. Como (n + 1)/2 = (7 + 1)/2 = 4 y este resultado es entero, entonces xe = x(4) = 7.
170 Capítulo 6. Estadística descriptiva
Ejemplo B. Como (n + 1)/2 = (8 + 1)/2 = 4, 5 y este número no es entero pero está entre el 4 y el
5, entonces ye = (y(4) + y(5) )/2 = (170 + 177)/2 = 173, 5.
Veremos otra forma de recordarlo cuando definamos los percentiles.
3. Media α−podada. Para obtenerla, se poda el α.100% de los números más grandes y el
α.100% de los números más chicos y se calcula el promedio de lo que queda. La notación
que se usa es similar a la de la media muestral pero con un subíndice indicando el α, es decir,
¯α .
Para saber cuántos números debemos sacar (o podar) de cada lado, debemos hacer α.n.
Como este número podría no ser entero, nos quedaremos con la parte entera del número
obtenido, es decir, el primer número entero menor o igual que dicho número.
Ejemplo 6.4 — Media α−podada. Calcularemos esta medida de centralidad para los
Ejemplos A. y B..
Ejemplo A. Calculemos la media 0, 20−podada. Para ello comencemos calculando α.n = 0, 20 . 7 =
1, 4. Ahora tomamos la parte entera de este número, es decir, [1, 4] = 1 ([·] es la notación
que se usa para parte entera). Luego, debemos sacar 1 observación de cada lado: la
más grande y la más chica (o sea, sacamos 2 observaciones en total) y promediamos las
observaciones restantes (es decir, las 5 observaciones que nos quedan):
Observación: Si bien se llama α−podada, la realidad es que se poda un total del 2α.100%
de los datos y no α.100% de los datos como el nombre daría a entender.
Mientras que la media muestral (o promedio) tiene en cuenta cada dato involucrado, la mediana
muestral mira únicamente sólo el valor o los dos valores del medio. Justamente la media tiene
muchas más y mejores propiedades matemáticas que la mediana. Sin embargo, tiene la desventaja
de ser sensible a datos atípicos, es decir, si se modifica un dato y se lo aleja de los valores de los
restantes datos, el promedio (que tiene en cuenta cada una de las observaciones) “perseguirá” esta
observación y terminará dando un valor que no estaría representando el “centro” alrededor del
cual se encuentran los datos. La mediana, sin embargo, no se verá afectada si uno o más datos son
modificados (se dice que tiene una tolerancia del 50% mientras que el promedio tiene tolerancia
6.1 Variables cuantitativas 171
del 0%). Por esta razón, si el conjunto de datos tiene algún dato atípico (muy alejado al resto, ya
sea porque es muy chico o muy grande en comparación con los restantes datos del conjunto), se
preferirá la mediana antes que la media.
Justamente porque la media α−podada poda un porcentaje de observaciones (las más grandes
y las más chicas), si esta poda logra podar las observaciones atípicas, se preferirá antes que la
media (porque hay observaciones atípicas) pero, probablemente, también se la preferirá antes que la
mediana (sólo en el caso en que logre podar todas las observaciones atípicas). Es decir, no hay una
regla establecida para elegir entre la media α−podada (con un α razonable) y la mediana (porque
podríamos no poder determinar con exactitud cuáles y cuántas son las observaciones atípicas), pero
sí para decidir no elegir a la media muestral como una buena medida de posición central de los
datos.
Las medidas de posición no centrales que veremos son conocidas como percentiles.
Buscamos ahora la posición que, en el conjunto de datos ordenados, deja un porcentaje de
observaciones a su izquierda. Por ejemplo, si nos piden “hallar el percentil 25” significa que lo
que debemos hacer es buscar un número (que será el percentil) que deje el 25% de los datos a
izquierda y, por lo tanto, un 75% a derecha. Por el contrario, si nos piden el percentil 75, entonces
buscamos la posición que nos deja un 75% de los datos a izquierda y 25% de los datos a la derecha.
El número que acompaña la palabra “percentil” siempre se corresponde con el porcentaje de datos
que deja a izquierda.
Para hallar un percentil k dado, la estrategia consiste en intentar hallar el valor
“x(p(n+1)) ”
con p la proporción (es decir, el porcentaje/100 = k/100). Recordemos que, para hallar este valor,
necesitamos que los datos se encuentren ordenados.
Notación: si nos piden hallar el percentil k, entonces nos piden hallar Pk .
El problema consiste en que, en algunas situaciones, no existe la observación x(p(n+1)) porque
p(n + 1) no es entero (y, por lo tanto, no podemos hallar directamente la observación x(p(n+1)) ). En
caso de que no podamos hallar la observación que buscamos, deberemos “interpolar”. Aprendere-
mos cómo interpolar con algunos ejemplos.
Ejemplo 6.5 — Percentiles. Continuemos con los Ejemplos A. y B..
Ejemplo A. Hallar el percentil 30 y el percentil 70.
Ejemplo B. Hallar el percentil 25 y el percentil 75.
Solución:
Ejemplo A. Primero nos piden hallar P30 (o sea, k = 30 en este caso). ¿Cuál es el p asociado? En este
caso p = 30/100 = 0, 3. Luego, como p(n + 1) = 0, 3.(7 + 1) = 2, 4, entonces el percentil
P30 se conseguiría en la observación “x(2,4) ”. Sin embargo, la posición 2, 4 no existe (y por
eso las comillas)! Luego, lo que haremos será darles peso a las observaciones x(2) y x(3) que
son las observaciones entre las que se “encontraría” la observación “x(2,4) ”. ¿Pero qué pesos
usamos? Los que se obtienen con la parte decimal del número, es decir, los pesos son 0, 4 y
0, 6 (ya que del número 2, 4 obtenemos el 0, 4 pero haciendo 1 − 0, 4 obtenemos el otro peso
que es 0, 6). Estos dos pesos irán acompañando a las observaciones x(2) y x(3) dependiendo
de cuán cerca esté el verdadero valor que estamos buscando de cada una de ellas. Como la
posición 2, 4 está más cerca del número 2 que del número 3, entonces el peso más grande
(que es 0, 6) va a acompañar al 2 y el peso más chico (que es 0, 4) va a acompañar al 3 de la
siguiente manera:
P30 = “x(2,4) ” = 0, 6x(2) + 0, 4x(3)
172 Capítulo 6. Estadística descriptiva
P30 = 0, 6 . 4 + 0, 4 . 6 = 4, 8
es decir, P70 = 8.
Ejemplo B. En este caso primero nos piden hallar P25 . Luego, el p asociado es p = 0, 25. Como
p(n + 1) = 0, 25.(8 + 1) = 2, 25 entonces el percentil se encontrará entre las observaciones
y(2) e y(3) . Los pesos asociados son 0, 25 y 0, 75. Como el 2, 25 se encuentra más cerca del 2
que del 3 entonces el mayor peso (el 0, 75) se lo lleva el y(2) y el menor peso (el 0, 25) se lo
lleva el y(3) . De esta manera,
Por último, nos piden hallar el percentil 75, es decir, P75 . En este caso, p = 0, 25 y, por
lo tanto, debemos hallar la posición p(n + 1) = 0, 75.(8 + 1) = 6, 75. Es decir, el percentil
pedido se encontrá entre las observaciones y(6) e y(7) y los pesos involucrados son 0, 75 y
0, 25. Como el 6, 75 está más cerca del 7 que del 6, entonces
Pk = x(p(n+1))
6.1 Variables cuantitativas 173
Pk = 0, 85.x(7) + 0, 15.x(8)
Ejemplo 6.6 — Cuartiles. Para el Ejemplo B. hallamos los dos cuartiles obteniendo
Q1 = 168, 25 y Q3 = 180, 75.
Ejercicio 6.1 Hallar el primer cuartil y el tercer cuartil del Ejemplo A..
Observación: ¿Cuál es el percentil 50? El percentil 50 no es otra cosa que la mediana. Justo en
este caso y por esta razón, este percentil (el 50) no es una medida de posición no central sino que es
una medida de posición central.
6.1.2 Ejercicios
1. Se consultó a 5 personas cuántas cuadras camina por día y se obtuvieron los siguientes
resultados:
4 13 8 31 19
Para el conjunto de datos, calcular
(a) la media.
(b) la mediana.
(c) el percentil 35.
(d) el percentil 70.
(e) la media 0.20−podada.
1 1 2 2 3 4 4 5 5 6 7 7 8 8 9 9 10 10 11
(a) Calcule las medidas de posición central: media, mediana, media α-podada con α =
0.05, 0.1 y 0.20.
(b) Calcule los percentiles 10, 25 (es decir, el primer cuartil), 75 (es decir, el tercer cuartil)
y 90.
174 Capítulo 6. Estadística descriptiva
(c) Reemplace el 11 por un 110 y realice los cálculos nuevamente. ¿Qué medidas de
posición no se ven afectadas con la modificación? Interprete.
3. Los siguientes datos corresponden a tiempos de CPU (en segundos) de 12 trabajos enviados
a una computadora:
1, 17 1, 23 0, 15 0, 19 0, 92 1, 61
3, 76 2, 41 0, 82 0, 75 1, 16 1, 94
(a) Calcular las medidas de posición central: media, mediana, media α−podada con
α = 0, 10 y α = 0, 30.
(b) Calcular el percentil 30 y el percentil 70.
(c) Calcular el primer cuartil y el tercer cuartil.
4. Los datos siguientes (dados de manera ordenada) corresponden al peso (en kg) de 49 alumnas
de 3 divisiones de 4to. año.
37 38 42 43 43 44 45 46 46 47 48 48 48 48 48 50 50 50 50
50 50 51 51 51 51 52 52 52 52 52 52 52 52 54 54 54 54 54
54 55 55 56 56 57 58 60 62 68 70
(a) Calcular las medidas de posición central: media, mediana, media α-podada con α =
0.05, 0.1 y 0.2.
(b) Calcular el primer cuartil y el tercer cuartil.
(c) Calcular, además, los percentiles 10, 40, 80 y 90.
Rango muestral = 9 − 2 = 7
6.1 Variables cuantitativas 175
2. Varianza muestral y desvío estándar muestral. Supongamos que tenemos una muestra
x1 , x2 , . . . , xn de n datos. Se define la varianza muestral como
1 n
s2 = ∑ (xi − x)2
n − 1 i=1
Esta medida de variabilidad es la versión muestral de la varianza teórica (o poblacional)
definida en el Capítulo 5 (se deja la comparación visual a cargo del lector).
De manera similar a lo realizado en el Capítulo anterior, se define el desvío estándar muestral
como la raíz cuadrada de la varianza muestral, es decir,
√
s = s2
Nuevamente, el desvío estándar muestral, al igual que el desvío estándar de variables aleato-
rias, tiene la propiedad de que se encuentra en las mismas unidades que el problema original
y, por lo tanto, se puede interpretar en términos de los datos. Recordemos que, si por ejemplo,
estamos midiendo la altura de personas en centímetros, la varianza muestral se encontrará en
centímetros cuadrados (y por lo tanto no se puede interpretar en términos del conjunto de
datos), mientras que el desvío estándar muestral, que le agrega una raíz cuadrada a la varianza
muestral, sí se encontrará en centímetros y, por lo tanto, representará la real variabilidad de
los datos con respecto a la media muestral. Sin embargo, recordemos que si el objetivo es
comparar variabilidades de distintos conjuntos de datos, un conjunto tendrá más variabilidad
que el otro ya sea si vemos que tiene más varianza muestral que el otro o si vemos que tiene
más desvío estándar muestral que el otro. Esto se debe a que la raíz cuadrada es lo que se
llama una función monótona creciente y, por lo tanto, mantiene las desigualdades cuando es
aplicada a ambos lados, es decir, si s21 es la varianza muestral de un conjunto de datos y s22 es
la varianza muestral de otro conjunto de datos, resulta que
s21 > s22 ⇔ s1 > s2
y esto ocurre porque las varianzas y los desvíos estándar muestrales son números mayores o
iguales que cero.
Ejemplo 6.8 — Varianza muestral y desvío estándar muestral. Continuamos con los
Ejemplos A. y B.
Ejemplo A. Ya habíamos visto que x = 447 . Como n = 7 se tiene que la varianza muestral es
n
1
s2 = ∑ (xi − x)2
n − 1 i=1
44 2 44 2 44 2 44 2 44 2
1
= 7− + 4− + 2− + 8− + 8−
6 7 7 7 7 7
2 2 !
44 44
+ 9− + 6−
7 7
1 262 131 ∼
= = = 6, 238
6 7 21
Luego, el desvío estándar muestral es
√
r
131 ∼
s = s2 = = 2, 498
21
176 Capítulo 6. Estadística descriptiva
√
r
352 ∼
s = s2 = = 7, 091
7
dI = Q3 − Q1
es decir, dI = 12, 5.
El rango no se suele elegir como una medida de dispersión de los datos. Hay muchos ejemplos
en los que los rangos de dos conjuntos de datos coinciden (más aún, coinciden los máximos y los
mínimos) y, sin embargo, claramente un conjunto tiene más variabilidad que el otro.
Sin embargo, elegir entre la varianza muestral o el desvío estándar muestral y la distancia
intercuartil no es difícil, justamente porque se elegirá de la misma manera que se elige entre la media
y la mediana muestrales. Observemos que tanto la varianza como el desvío estándar muestral están
basados en el promedio (lo usan en el cálculo). Si el promedio ya fue rechazado como representativo
de medida de posición central por haber datos atípicos en el conjunto, es lógico rechazar como
medida de dispersión cualquier medida que lo use (como lo hacen la varianza muestral y el desvío
estándar muestral). Por otro lado, como la distancia intercuartil se basa en percentiles (recordemos
que la mediana es un percentil) entonces si hay datos atípicos, la distancia intercuartil no se verá
influida por estos datos (se dice que la distancia intercuartil tiene una tolerancia del 25%). Por esta
razón, sólo en el caso en que haya datos atípicos elegiremos la distancia intercuartil antes que una
varianza o un desvío estándar muestral.
6.1 Variables cuantitativas 177
6.1.4 Ejercicios
1. Se seleccionó una muestra de turistas canadienses que vuelan de Toronto a Hong Kong. Su
edades fueron las siguientes:
32 21 21 41 47 34 17 82 27 33 41
2. Para cada uno de los conjuntos de datos de los Ejercicios 1, 2, 3 y 4 de la subsección anterior,
calcular:
(a) el rango muestral.
(b) la varianza muestral.
(c) el desvío estándar muestral.
(d) la distancia intercuartil.
3. Con la finalidad de incrementar las lluvias en zonas desérticas, se desarrolló un método que
consiste en el bombardeo de las nubes con átomos. Para evaluar la efectividad del método se
realizó el siguiente experimento:
• Para cada nube que se podía bombardear se decidió al azar si se la trataba (bombardeaba)
o no.
• Las nubes no tratadas fueron denominadas nubes controles.
Las tablas presentan la cantidad de agua caída de 26 nubes tratadas y 26 nubes controles, de
manera ordenada.
NUBES TRATADAS
4,1 7,7 17,5 31,4 32,7 40,6 92,4 115,3 118,3
119,0 129,6 198,6 200,7 242,5 255,0 274,7 274,7 302,8
334,1 430,0 489,1 703,4 978,0 1656,0 1697,8 2745,6
NUBES CONTROLES
0,01 4,90 4,90 11,50 17,30 21,70 24,40 26,10 26,30
28,60 29,90 36,60 41,10 47,30 68,50 81,50 87,00 95,00
147,80 163,00 244,30 321,20 345,50 372,40 830,10 1202,60
(a) Para cada conjunto de datos, calcule las medidas de posición central: media, mediana
y media 0,10-podada. Compare los resultados obtenidos para las nubes tratadas y las
nubes controles.
(b) Para cada conjunto de datos, calcule las medidas de dispersión: desvío estándar muestral
y distancia intercuartil. Compare los resultados obtenidos para las nubes tratadas y las
nubes controles.
(c) En base a la información obtenida, ¿considera que el método de bombardeo de las
nubes con átomos incrementa las lluvias?
4. Los siguientes datos corresponden a tiempos de CPU (en segundos) de 25 trabajos enviados
a un servidor y seleccionados al azar.
1, 17 1, 23 0, 15 0, 19 0, 92 1, 61 3, 76 2, 41 0, 82 0, 75 1, 16 1, 94 0, 71
178 Capítulo 6. Estadística descriptiva
0, 47 2, 59 1, 38 0, 96 0, 02 2, 16 3, 07 3, 53 4, 75 1, 59 2, 01 1, 40
15 8 6 9 9 4 18 10 10 12 12 4 7 8 12
10 10 11 9 13 5 6 11 14 5 6 6 5 13 5
6.1.5 Histogramas
En esta Sección veremos uno de los (tantos) posibles gráficos que se pueden realizar con variables
cuantitativas.
El gráfico histograma representa, en el eje horizontal (o eje x), los valores de una variable
numérica divididos en intervalos, llamados “intervalos de clase”. Tiene una barra sobre cada
intervalo cuya altura indica la cantidad (frecuencia), proporción (frecuencia relativa) o bien la
escala densidad (que se definirá a continuación) de los datos que “caen” en ese intervalo. No
se deja espacio entre las barras o rectángulos. Este gráfico se puede usar tanto para variables de
naturaleza discreta como continua.
Cuando las barras tienen el mismo ancho, la altura de cada barra podrá ser la frecuencia o la
frecuencia relativa. Sin embargo, si los anchos de las barras varían, es importante usar el siguiente
cálculo:
frecuencia relativa
escala densidad =
ancho de la barra o longitud del intervalo
que tiene en cuenta el ancho de la barra en la que se encuentra; en caso contrario, se estaría
engañando “visualmente” al lector. Este cálculo, que se puede usar siempre, aún si las barras tienen
o no iguales bases, da origen a un gráfico cuya área total, sumando las áreas de todas las barras,
6.1 Variables cuantitativas 179
es 1. De esta manera, cuando la variable es continua, el histograma es uno de los gráficos más
cercanos a una densidad que podemos tener.
Autónoma de Buenos Aires para saber cuántos hijos tiene cada una. La información se encuentra
resumida en la siguiente tabla de frecuencias:
Cantidad Frecuencia
de hijos
0 250
1 200
2 300
3 160
4 50
5 20
6 10
7 7
8 2
9 1
Total 1000
1. Determinar la variable en estudio. ¿Esta variable es discreta o continua? ¿Cuáles son los
valores posibles de esa variable en la población y cuáles los valores que toma en esta muestra?
¿Cuál es el tamaño de la muestra?
2. Realizar un histograma de frecuencia de los datos.
Solución: Observemos que la tabla contiene la información de la cantidad de hijos y cuántas
personas tienen esa cantidad de hijos. Por ejemplo, hay 250 personas (entre las muestreadas) que
tienen 0 hijos y hay 2 personas (entre las entrevistadas) que tienen 8 hijos.
1. La variable en estudio es, justamente, aquella que mide lo que se está estudiando, es decir, en
este caso, la variable de estudio es
Claramente, esta variable es discreta. Más aún, los valores posibles que puede tomar esta
variable son {0; 1; 2; ...} = N0 . Como este conjunto de posibilidades es, en realidad, el rango
de la variable y este conjunto es infinito numerable, entonces la variable es discreta. Sin
embargo, los valores posibles que toma en esta muestra son {0; 1; 2; 3; 4; 5; 6; 7; 8; 9} (una
cantidad finita de posibilidades).
El tamaño de la muestra es n = 1000.
2. Para realizar el histograma lo primero que debemos hacer es definir de dónde a dónde van a
ir los límites de las barras. Como es importante que los números 0, 1, 2, etc., queden en el
medio de la barra y dado que no debe haber espacio entre las barras entonces, los límites de
las barras serán −0, 5 , 0, 5 , 1, 5 , ..., 8, 5 y 9, 5. De esta manera, todas las barras tendrán el
mismo ancho (que es 1). La base del rectángulo se encontrará al nivel de y = 0 (o sea, sobre
el eje x), los puntos de corte −0, 5 , 0, 5 , ..., 9, 5 serán los bordes laterales de la barra y el
borde superior de la barra se encontrará en el valor indicado por la frecuencia. La Figura 6.2
muestra cómo se haría el histograma en una hoja.
180 Capítulo 6. Estadística descriptiva
Observemos que como una de las barras va desde el −0, 5 al 0, 5, el eje y queda atravesando
la barra. Esto no es conveniente en general porque esa barra queda visualmente tapada. Por
esta razón, los softwares estadísticos que realizan el gráfico de histograma puede que corran
el eje y por fuera de las barras, tal como se muestra en la Figura 6.3.
Figura 6.3: Histograma de frecuencias de la cantidad de hijos por familia en CABA con eje y
alejado.
Incluso algunos softwares como el R suelen alejar levemente el eje x como para resaltar aún
más las columnas, tal como se observa en la Figura 6.4.
6.1 Variables cuantitativas 181
Figura 6.4: Histograma de frecuencias de la cantidad de hijos por familia en CABA con ejes x e y
alejados.
Si bien se espera que, en un hoja y a mano, el lector pueda realizar un histograma similar
al de la Figura 6.2, es importante observar que las Figuras 6.3 y 6.4 representan el mismo
histograma.
Frecuencia relativa será similar a la de Frecuencia pero cada valor es dividido por 1000. Luego,
obtenemos la siguiente tabla:
Observemos que, en este caso, la fila Total se completa con un 1 (que se corresponde a sumar toda
la columna de Frecuencia relativa).
Ahora queremos agregarle la columna de Porcentaje. Es claro que la única diferencia entre
proporción y porcentaje es que para pasar de proporción a porcentaje debemos multiplicar por
100 o, equivalentemente, para pasar de porcentaje a proporción debemos dividir por 100. De esta
manera, ya teniendo la columna de Frecuencia relativa, nos resta por multiplicar cada elemento de
dicha columna por 100 y así obtendremos la columna Porcentaje. Luego, la tabla que se obtiene es:
Luego, agregaremos la columna de Porcentaje acumulado. De la misma manera que antes, cada
vez que avanzamos de fila en fila, a lo acumulado en el paso previo le agregaremos el valor de la
fila correspondiente de la columna “Porcentaje”. De esta manera, la tabla queda:
6.1 Variables cuantitativas 183
Por último, agregamos la columna correspondiente a la “Escala densidad”. Para ello debemos
calcular, para cada fila, la “Frecuencia relativa” (nuestra cuarta columna) dividida por la longitud
del intervalo. ¿Pero cuál es la longitud en este caso? Como la variable discreta se mueve entre
enteros consecutivos, todas las barras tienen ancho 1 (tal como se mencionó anteriormente). Luego,
en este caso, deberíamos dividir cada elemento de la columna “Frecuencia relativa” por un 1 y, por
lo tanto, obtenemos la misma columna. De esta manera, la tabla final pedida es:
Ejercicio 6.3 Queda para el lector agregarle a la tabla anterior la columna “Frecuencia relativa
acumulada”.
Observación: en general, no tiene sentido la columna “Escala densidad acumulada” salvo que,
tal como pasó en el ejemplo anterior, coincida con la columna “Frecuencia relativa”.
Ejemplo 6.12 — Histograma de escala densidad. Continuamos con el ejemplo anterior.
4. Realizar un histograma de la escala densidad de los datos. ¿Qué diferencia observa con el
histograma obtenido en el ítem b)?
Solución: el histograma debería ser, salvo por las posiciones de los ejes, similar al de la Figura 6.5.
184 Capítulo 6. Estadística descriptiva
Figura 6.5: Histograma de escala densidad de la cantidad de hijos por familia en CABA.
Este gráfico es “igual” al anterior salvo por las alturas de las barras. Es decir, mientras los
anchos de las barras sean iguales, no importa si en el eje y se usa la frecuencia, la frecuencia relativa
o la escala densidad ya que, visualmente, la manera en la que se distribuyen los datos es la misma.
Sin embargo, si lo que nos dan es un histograma de escala densidad (o, eventualmente, de
frecuencia relativa), no podemos recuperar la información de la tabla a menos que nos informen el
n (porque el ancho de las barras se puede extraer del gráfico, al igual que la altura). En ese caso, si
lo que tenemos es un histograma de escala densidad, la altura de cada barra la multiplicaríamos por
n y también por el ancho de la barra y podríamos recuperar la columna Frecuencia y, así, construir
todas las columnas de la tabla que deseemos.
Ejercicio 6.4 Queda para el lector pensar qué columnas de la tabla podríamos reconstruir
únicamente conociendo la columna de Frecuencia relativa, es decir, sin tener la cantidad total de
datos (que llamamos n).
Ahora, con la información brindada por la tabla podemos responder a muchas preguntas que
podrían ser de interés.
Ejemplo 6.13 — Algunas preguntas que nos podríamos hacer. Continuamos con el ejemplo
anterior.
5. Suponiendo que la muestra es representativa de la población, responder las siguientes
preguntas:
(a) ¿Qué proporción de familias tiene exactamente 4 hijos?
(b) ¿Qué porcentaje de familias tiene a lo sumo 2 hijos?
(c) ¿Qué porcentaje de familias tiene más de 5 hijos?
(d) ¿Qué cantidad de hijos tiene el 25% de las familias que tienen menos hijos?
(e) ¿Qué cantidad de hijos tiene el 25% de las familias que tienen más hijos?
Solución:
(a) Mirando la columna de Frecuencia relativa tenemos que la proporción de familias que tienen
exactamente 4 hijos es 0, 05.
(b) Como nos piden el porcentaje de familias que tiene 2 hijos o menos, nos están pidiendo el
porcentaje acumulado. De esta manera, mirando la columna Porcentaje acumulado tenemos
que el porcentaje de familias que tiene a lo sumo 2 hijos es 75%.
6.1 Variables cuantitativas 185
(c) En este caso nos piden el porcentaje de familias que tienen más de 5 hijos. Como esto no
es la acumulada que tenemos en la tabla (que acumulada hacia abajo), entonces debemos
calcularlo a mano: sumar los porcentajes de 6 hijos, 7 hijos, 8 hijos y 9 hijos (observemos
que “más de” no incluye al número). El resultado es que el porcentaje de familias que tiene
más de 5 hijos es 2%.
(d) Lo que nos están pidiendo acá es cuántos hijos debería tener una familia para que el 25%
de la población tenga menos o igual número de hijos que ella (y, por lo tanto, el 75% de la
población tenga más hijos). Esto es exactamente lo mismo que hallar el percentil 25%, es
decir, el primer cuartil. Pero ya vimos en la Sección anterior cómo hallar percentiles, así que
acá funcionará igual.
Como nos piden Q1 , entonces p = 0, 25. Como n = 1000 entonces p(n + 1) = 0, 25(1000 +
1) = 250, 25. Es decir, el percentil pedido se encontrará entre las observaciones x(250) y x(251)
con pesos dados por 0, 25 y 0, 75. Como 250, 25 se encuentra más cerca de 250 que de 251
entonces
Q1 = 0, 75x(250) + 0, 25x(251)
Pero ahora pensemos, ¿cuáles son las observaciones x(250) y x(251) ? La tabla nos dice que
si “desglosáramos” su información deberíamos poner primero 250 ceros, después 200 unos,
después 300 tres, y así siguiendo, hasta que ponemos 2 ochos y 1 nueve. De esta manera
tendríamos los 1000 datos. Luego, la posición 250 en los datos ordenados en el último cero
que escribimos, mientras que la posición 251 de los datos ordenados es el primer uno que
escribimos. De esta manera, x(250) = 0 y x(251) = 1 y, por lo tanto,
Q1 = 0, 75.0 + 0, 25.1 = 0, 25
Q3 = 0, 25x(750) + 0, 75x(751)
¿Pero cuánto valen x(750) y x(751) ? Observemos que lo que nos da el límite de cuándo paso
de un número a otro nos lo está dando la Frecuencia acumulada. Antes buscábamos x(250) y
x(251) . La frecuencia acumulada nos dice que desde el 1 hasta el 250 son ceros, mientras que
desde el 251 hasta el 450 son unos, que desde el 451 hasta el 750 son dos y así siguiendo.
Como buscamos las posiciones 750 y 751 de los datos ordenados y desde la posición 451
hasta la posición 750 tenemos los números dos, entonces x(750) = 2. Además, como desde la
posición 751 hasta la posición 910 son tres, entonces x(751) = 3. Luego,
Q3 = 0, 25.2 + 0, 75.3 = 2, 75
Observación: en general, la columna “Escala densidad” sólo se utiliza para realizar el gráfico
histograma.
186 Capítulo 6. Estadística descriptiva
Ejercicio 6.5 Hallar x(121) , x(811) , x(983) y x(999) del conjunto de datos anterior. Además, calcular
los percentiles 80 y 99.
Ahora haremos un ejemplo del histograma de una variable aleatoria continua. A diferencia de
lo hecho anteriormente, en este caso no tiene sentido escribir los “números diferentes”que toma la
variable como primera columna en la tabla ya que, al ser continua, son muchos los valores distintos
(de hecho son infinitos). Lo que se hace en este caso es agrupar los números en intervalos llamados
“intervalos de clase”. Estos intervalos serán una partición de un intervalo que contiene a todos los
datos. En general, se toman estos intervalos de la misma longitud, pero en caso de que tengan
diferentes longitudes, como estos intervalos serán los límites de las barras del histograma, se pondrá
cómo altura la (frecuencia relativa)/(longitud del intervalo) y no la frecuencia o la frecuencia
relativa. Si tienen todos la misma longitud, es indistinto si se grafican las alturas como frecuencias,
frecuencias relativas o (frecuencias relativas)/(longitud del intervalo).
Ejemplo 6.14 Los siguientes 61 datos (dados de manera ordenada) corresponden a las mediciones
diarias de viento (en mph) de los meses mayo y junio de 1973 en una región del estado de Nueva
York.
1, 7 4, 6 5, 7 6, 3 6, 3 6, 9 6, 9 7, 4 7, 4 8, 0 8, 0 8, 0 8, 0 8, 0 8, 0 8, 6
8, 6 8, 6 8, 6 9, 2 9, 2 9, 2 9, 2 9, 7 9, 7 9, 7 9, 7 9, 7 9, 7 10, 3 10, 3
10, 9 10, 9 11, 5 11, 5 11, 5 11, 5 11, 5 11, 5 11, 5 12, 0 12, 0 12, 0 12, 6
13, 2 13, 8 13, 8 13, 8 14, 3 14, 3 14, 9 14, 9 14, 9 14, 9 14, 9 16, 1 16, 6
16, 6 18, 4 20, 1 20, 7
1. Definir la variable de estudio. ¿Es continua o discreta?
2. Con la información suministrada, armar una tabla de frecuencias utilizando como intervalos
de clase [0; 3), [3; 6), [6; 9), [9; 12), [12; 15), [15; 18), [18; 21).
3. Utilizando la tabla anterior, realizar un histograma para este conjunto de datos.
Solución:
1. La variable es
Intervalo Frecuencia
de clase
[0; 3) 1
[3; 6) 2
[6; 9) 16
[9; 12) 21
[12; 15) 15
[15; 18) 3
[18; 21) 3
Total 61
3. Observemos primero que todos los intervalos tienen la misma longitud (que es 3 en este caso).
Por esta razón, sí tiene sentido hacer un histograma que tenga como alturas las frecuencias.
En ese caso, como la variable no es discreta, no se indica el valor del medio de la base de las
barras sino, simplemente, sus límites. Poniendo como alturas las frecuencias obtenidas en
cada intervalo, el histograma que se obtiene es el dado en la Figura 6.6.
6.1 Variables cuantitativas 187
Figura 6.6: Histograma de frecuencias del viento en cierta región de Nueva York en los meses
mayo y junio de 1973.
También podríamos hacernos preguntas relacionadas con este conjunto de datos de manera
similar a lo hecho con el ejemplo anterior en el que la variable aleatoria era discreta.
Ejemplo 6.16 Continuando con el ejemplo anterior.
1. Calcular el primer cuartil.
2. ¿Considera que la distribución de los datos es simétrica? En caso afirmativo, ¿de qué
distribución (de las aprendidas hasta ahora) considera que podrían provenir estos datos?
Solución:
1. Tal como lo hemos hecho en la Sección de percentiles, nos están pidiendo Q1 = P25 y, para
ello, como p = 0, 25, necesitamos encontrar la observación que se encontraría en la posición
p(n + 1) = 0, 25(61 + 1) = 15, 5. Como este valor se encuentra entre las observaciones
(ordenadas) x(15) = 8 y x(16) = 8, 6 y los pesos son 0, 5 y 0, 5, entonces
(como hubiese ocurrido si los datos hubiesen provenido de una distribución uniforme) sino
que las barras van creciendo hasta que llegan a la mitad y después comienzan a decrecer,
podríamos sospechar que los datos provienen de una distribución normal (cuya distribución
es acampanada).
Ejercicio 6.6 Para el conjunto de datos del ejemplo anterior, calcular la mediana y el tercer
cuartil. Interprete qué indican estos valores.
Ejercicio 6.7 A la tabla del conjunto de datos anterior, agregarle las columnas “Frecuencia
relativa” , “Porcentaje” , Porcentaje acumulado” y “Escala densidad”. Luego, realizar un gráfico
histograma de escala densidad de los datos.
6.1.6 Ejercicios
1. Continuando con el Ejercicio 2 de la subsección de Medidas de posición,
(a) ¿La variable es continua o discreta?
(b) Armar una tabla de frecuencias.
(c) Realizar un histograma de frecuencias con la tabla del ítem anterior.
(d) Agregarle a la tabla de frecuencias las columnas: “Frecuencia relativa” , “Porcentaje” y
“Porcentaje acumulado”.
3. Los siguientes datos (dados de manera ordenada) corresponden al peso (en kg) de 52 alumnos
varones de 3 divisiones de 4to. año.
6.1 Variables cuantitativas 189
51 53 55 57 57 58 58 59 59 61 61 62 63 63 63 63 64 64
64 65 65 65 66 66 66 66 66 67 67 67 67 67 67 67 68 68
69 69 69 69 69 70 71 71 72 72 73 74 79 79 81 84
Intentos Frecuencia
1 32
2 54
3 22
4 8
5 4
6. Dado el siguiente histograma de frecuencias de la variable discreta con rango {1; 2; 3; 4; 5; 6},
responder las consignas.
7. Dado el siguiente histograma de escala densidad de la variable discreta con rango {2; 4; 6; 8},
responder las consignas.
0, 030 0, 054 0, 079 0, 092 0, 096 0, 119 0, 131 0, 216 0, 218 0, 307
0, 321 0, 366 0, 388 0, 443 0, 510 0, 517 0, 525 0, 575 0, 643 0, 696
0, 710 0, 753 0, 769 0, 819 0, 823 0, 844 0, 897 0, 939 0, 966 0, 992
Definición 6.8 — Categorías. Los resultados posibles de estas variables categóricas se llaman
“categorías”.
Ejercicio 6.8 Indicar cuáles serían las categorías de las variables 3 a 6 del Ejemplo Variables
categóricas o variables cualitativas.
A diferencia de las variables numéricas, las variables cualitativas no tienen orden y, por lo tanto, en
una recta (representada, por ejemplo, con el eje x), nada indica que uno de los resultados deba ir a
la izquierda del otro. Por ejemplo, no parece natural decir que el “rojo” debe estar siempre a la
izquierda del “azul”, o viceversa.
Por esta razón, el gráfico histograma ya no tiene sentido. Sin embargo, una versión similar
pero para variables cualitativas es el gráfico de barras. A diferencia del histograma, las barras de
este gráfico van en el orden que la persona que lo va a graficar elija. De esta manera, dadas las
categorías y las alturas que tendrán las barras, no existe un único gráfico de barras, ya que el orden
en el que se colocan las barras podría variar (mientras que el histograma sí queda determinado
conociendo las bases de las barras y sus alturas).
Algunos gráficos que veremos en esta sección serán:
• Gráfico de barras. Se utiliza para representar los valores de la variable categórica. En el
eje horizontal se encuentran las categorías y en el eje vertical la cantidad de datos, o su
proporción, o su porcentaje. En general, en los gráficos de barras, las barras se encuentran
separadas (a diferencia del histograma en los que las barras van pegadas).
• Gráfico circular o gráfico de torta o gráfico de sectores. El círculo representa al total de
los datos. Cada sector (o porción de torta) adentro del círculo representa una categoría, con
el ángulo proporcional a su tamaño (cantidad, proporción o porcentaje de dicha categoría).
5. Como hay un total de 8 edificios, el gráfico de torta puede hacerse “a mano” fácilmente
porque basta con dividir la torta en 8 porciones iguales (como se dividiría una pizza). Esto
mismo se puede hacer también con 16 (dividiendo cada porción en dos), con 32 (dividiendo
cada porción del gáfico anterior en dos), y así siguiendo (multiplicando por 2).
Una vez que la torta queda dividida en 8 porciones, se colorean tantas porciones según sea la
cantidad de edificios que tenga cada una de las categorías.
Importante: si bien no es un requisito, se suelen colorear las porciones del gráfico de manera
consecutiva, es decir, no hay porciones de torta con el mismo color que no se estén tocando
por un lado.
El gráfico queda de la siguiente manera:
Por supuesto que, según desde qué porción de torta se comience a colorear o bien en qué
orden de categorías, el gráfico quedará de esta forma o de otra. Todos representan los mismos
datos por lo que todos son correctos.
Observemos que el mismo gráfico se puede obtener graficando los porcentajes o las pro-
porciones. En ese caso, para saber el ángulo que debería tener la porción de torta de una
categoría, una posibilidad sería multiplicar la proporción de dicha categoría por 360◦ .
6. Ya habíamos calculado uno de los porcentajes. Los demás porcentajes se calculan de manera
similar: calculando primero la proporción y luego multiplicándolo por 100. De esta manera,
el gráfico que se obtiene es el siguiente:
194 Capítulo 6. Estadística descriptiva
6.2.2 Ejercicios
1. Valeria tiene muchos lápices de colores en la cartuchera, 16 para ser más exactos. Tiene 6
tonos de rojo, 4 de azul, 2 de verde, 3 de amarillo, 1 negro.
(a) Definir la variable en estudio. ¿Cuántas categorías presenta?
(b) Armar una tabla con las frecuencias correspondientes a la variable a estudiar.
(c) Realizar un gráfico de barras con las frecuencias.
(d) Realizar un gráfico circular.
(e) ¿Qué porcentajes de lápices rojos tiene Valeria en su cartuchera? ¿Y de verdes?
2. La siguiente tabla muestra los porcentajes del nivel de educación de las personas de 15 años
y más de la República Argentina en el año 2001.
(a) Armar una tabla con la información suministrada por el gráfico de barras de las frecuen-
cias.
(b) Agregarle a la tabla anterior la columna “Porcentajes”.
(c) Construir un gráfico de barras con los porcentajes. ¿Qué diferencia observa con el
gráfico de barras de las frecuencias?
(d) Construir, con el Excel u otro software, un gráfico de torta para describir los datos.
(e) ¿Qué proporción de personas pertenecen a la categoría B? ¿Qué proporción pertenece a
las categorías C o D?
4. La composición del suelo está determinada por cuatro componentes que se presentan en los
siguientes porcentajes:
Composición Porcentajes
Aire 25
Agua 25
Material mineral 45
Material orgánico 5
(a) Determinar el continente que tiene más población y el porcentaje que representa de la
población mundial.
(b) ¿Qué lugar ordenado de menor a mayor ocupa la población de Europa?
(c) Se tiene como información adicional que la población mundial en ese año era de
6.523.620.000 habitantes. ¿Qué población tenía aproximadamente Asia en ese año?
(d) Construir un gráfico de barras con la información suministrada por el gráfico circular.
6. Se ha realizado una encuesta a jóvenes estudiantes en referencia a las actividades que prefieren
realizar durante las vacaciones y se obtuvo la siguiente información:
196 Capítulo 6. Estadística descriptiva
7.1 Introducción
El análisis de regresión involucra el estudio de la relación entre dos variables cuantitativas. En
general, interesa:
• investigar si existe una asociación entre las dos variables,
• estudiar la fuerza de asociación, a través de una medida denominada coeficiente de correla-
ción, y
• estudiar la forma de la relación. Usando los datos propondremos un modelo para la relación
y a través de él será posible predecir el valor de una variable a partir de la otra.
Para describir la relación entre dos variables cuantitativas, la forma gráfica más habitual es
utilizar un diagrama de dispersión. Cada punto corresponde a un par de valores (uno para cada
variable), medidos sobre el mismo individuo.
En general, si una de las variables puede pensarse como explicativa de la otra (variable
explicativa o covariable), siempre se la grafica en el eje horizontal (eje x) y la otra (variable
respuesta) en el eje vertical (eje y).
Veamos esto con un ejemplo:
Ejemplo 7.1 Consideremos el siguiente experimento para estudiar el efecto de una nueva droga
sobre la frecuencia cardiaca de ratas sanas.
Cinco ratas fueron asignadas aleatoriamente a una de cinco dosis (en mg) y se registró la máxima
disminución observada en la frecuencia cardiaca en una hora (DFC). Los datos obtenidos son:
DOSIS DFC
0,5 5
1,0 8
1,5 12
2,0 13
2,5 16
Realizar un diagrama de dispersión considerando como variable explicativa la DOSIS y como
variable respuesta la DFC.
198 Capítulo 7. Regresión lineal
Solución: En primer lugar observemos que como, la dosis es la variable explicativa, la misma
irá sobre el eje x, mientras que la DFC, que es la variable respuesta, irá sobre el eje y. Luego, el
diagrama de dispersión consta de 5 pares ordenados y es el siguiente:
Observemos que los puntos graficados son: (0, 5 ; 5), (1 ; 8), (1, 5 ; 12), (2 ; 13) y (2, 5 ; 16). En
definitiva, un punto cualquiera es de la forma (xi ; yi ) con 1 ≤ i ≤ 5.
DFC = a + b × DOSIS
o bien, en términos de X y de Y ,
Y = a + bX + error .
A este modelo se lo llama modelo de regresión lineal simple o, simplemente, modelo de regresión
lineal.
Una posibilidad podría ser intentar ajustar una recta “a ojo”. Dos propuestas posibles para el
Ejemplo 7.1 podrían ser:
• R1 : y = 5, 5 + 3, 5x
• R2 : y = 0, 5 + 7x
La pregunta es: ¿qué recta es “mejor”? ¿Cómo decidir? Veamos los gráficos:
7.2 Recta de regresión lineal simple 199
R1 R2
Para decidir cuál de las dos rectas ajusta mejor estos datos, consideraremos una medida que
evalúe cuán lejos está cada dato de la recta propuesta. Para ello calcularemos los residuos.
Para cada valor de x (de la DOSIS, en este caso), la recta arroja un valor de y que puede o no
coincidir exactamente con el valor de y de la tabla (el de la DFC, en el ejemplo). Estos valores de y
dados por la recta los llamaremos y ajustados y los denotaremos por yb o ya jus , mientras que a los
valores de y dados en la tabla los llamaremos y observados y los denotaremos como y o yobs . Los
residuos se calcularán como
Finalmente, la suma del cuadrado de los residuos (SCR) nos dará una idea de cuán alejados se
encuentran los ajustes obtenidos por la recta a las observaciones y, por esta razón, cuanto más
cercano a 0 se encuentre este número, mejor será el ajuste. Esta medida nos ayuda a elegir qué
recta ajusta mejor (respecto a la suma de los residuos al cuadrado): aquella que tenga SCR más
pequeña, es decir, menor
n
∑ res2i
i=1
o, equivalentemente, menor
n
∑ (yi − ybi )2 .
i=1
Ejemplo 7.2 Utilizando las rectas R1 y R2 , construir dos tablas con los y b, los residuos y los
residuos al cuadrado. Utilizar esta información para elegir una de las dos rectas para describir los
datos.
Solución. Comencemos con la recta R1 . A la tabla anterior le agregaremos primero la columna:
ybi . Esta columna contendrá las observaciones ajustadas por la recta R1 para cada valor xi . Por
ejemplo, para el caso x1 = 0, 5, como la recta es y = 5, 5 + 3, 5x entonces yb1 = 5, 5 + 3, 5.0, 5 = 7, 25.
Siguiendo con este razonamiento, la tabla extendida con esta columna es:
200 Capítulo 7. Regresión lineal
xi yi ybi
0,5 5 7,25
1,0 8 9
1,5 12 10,75
2,0 13 12,5
2,5 16 14,25
Obsvervemos que los nombres DOSIS y DFC fueron cambiados, por comodidad, a xi e yi , respecti-
vamente.
Ahora, le agregaremos la columna de los residuos, es decir, la columna resi . Recordemos que
resi = yi − ybi . De esta manera, la tabla queda:
xi yi ybi yi − ybi
0,5 5 7,25 -2,25
1,0 8 9 -1
1,5 12 10,75 1,25
2,0 13 12,5 0,5
2,5 16 14,25 1,75
Por último, elevemos la última columna al cuadrado para conseguir la columna res2i . De esta
manera, la tabla final es:
xi yi ybi yi − ybi (yi − ybi )2
0,5 5 7,25 -2,25 5,0625
1,0 8 9 -1 1
1,5 12 10,75 1,25 1,5625
2,0 13 12,5 0,5 0,25
2,5 16 14,25 1,75 3,0625
Al finalizar esta tabla, agregamos debajo de la última columna la suma de los res2i para obtener
así una medida del ajuste de la recta R1 .
xi yi ybi yi − ybi (yi − ybi )2
0,5 5 7,25 -2,25 5,0625
1,0 8 9 -1 1
1,5 12 10,75 1,25 1,5625
2,0 13 12,5 0,5 0,25
2,5 16 14,25 1,75 3,0625
10,9375
Es decir, para la recta R1 se obtuvo que
5
SCR1 = ∑ (yi − ybi )2 = 10, 9375 (7.1)
i=1
Repetimos el razonamiento pero esta vez para la recta R2 dada por: y = 0, 5 + 7x.
xi yi ybi yi − ybi (yi − ybi )2
0,5 5 4 1 1
1,0 8 7,5 0,5 0,25
1,5 12 11 1 1
2,0 13 14,5 -1,5 2,25
2,5 16 18 -2 4
8,5
7.2 Recta de regresión lineal simple 201
5
SCR2 = ∑ (yi − ybi )2 = 8, 5 (7.2)
i=1
Finalmente, comparamos (7.1) con (7.2) y como la SCR de la recta R2 es menor a la de la recta R1 ,
resulta que la mejor de las dos rectas es la recta R2 .
Ya vimos qué recta, de las dos comparadas, ajusta mejor. ¿Será que hay alguna recta que ajusta
mejor que cualquier otra (en términos de la suma de los cuadrados de los residuos)? La respuesta
es sí, existe una recta que logra conseguir que la suma de los cuadrados de los residuos sea mínima.
Esta recta se llama recta de mínimos cuadrados y se consigue como
yb = ab + b
bx
con
∑n (xi − x)(yi − y)
b = i=1 n
b
∑i=1 (xi − x)2
ab = y − b
bx
Ejemplo 7.3 Para el Ejemplo 7.1, hallar y graficar la recta de mínimos cuadrados. Calcular su
suma de cuadrados de los residuos.
Solución: Para hallar la pendiente (b
b) y la ordenada al origen (b
a) de la recta de mínimos cuadrados,
primero debemos observar que x = 1, 5 e y = 10, 8, que se obtienen al promediar.
Recordando la fórmula para la estimación de la pendiente, que es la primera que debemos calcular,
y mirando la tabla con los datos se tiene que:
ab = y − b
bx = 10, 8 − 5, 4.1, 5 = 2, 7
yb = 2, 7 + 5, 4x
Por último, nos piden hallar la suma del cuadrado de los residuos para este estimador. Comple-
tando correctamente la tabla y recordando, se tiene que:
xi yi ybi yi − ybi (yi − ybi )2
0,5 5 5,4 -0,4 0,16
1,0 8 8,1 -0,1 0,01
1,5 12 10,8 1,2 1,44
2,0 13 13,5 -0,5 0,25
2,5 16 16,2 -0,2 0,04
1,9
Es decir, para la recta de mínimos cuadrados, la SCR = 1, 9.
Observemos que no sólo la SCR para esta recta es más pequeña que para las rectas R1 y R2 sino
también que, por la definición del estimador de mínimos cuadrados, es la SCR más baja que se
puede obtener.
7.2.1 Ejercicios
1. Para los puntos
(0; 0) , (1; 1) , (2; 3) , (3; 3) , (4; 3)
(a) Determinar cuál de las dos rectas:
• R1 : y = 0, 5 + x
• R2 : y = 0, 3 + 0, 7x
aproxima mejor a los puntos en términos de la SCR.
(b) Hallar la recta de mínimos cuadrados. ¿Cuál es su SCR? ¿Qué relación hay entre esta
SCR con la de las dos rectas anteriores? ¿Qué se puede decir del SCR de la recta de
mínimos cuadrados con respecto al SCR de cualquier otra recta?
2. Para los puntos
(1; 0) , (3; 2) , (5; 4) , (6; 5) , (7; 7)
7.3 Coeficiente de correlación y coeficiente de determinación 203
(a) Determinar cuál de las siguientes rectas mejor aproxima a estos puntos:
i. R1 : y = −1 + x
ii. R2 : y = −1, 5 + 1, 5x
(b) Hallar la recta que mejor aproxima en el sentido de cuadrados mínimos a estos puntos.
3. Para los siguientes datos:
x 8 2 11 6 5 4 12 9 6 1
y 3 10 3 6 8 12 1 4 9 14
Hallar la recta de mínimos cuadrados que mejor ajusta el peso en términos de la altura.
5. Para el siguiente conjunto de puntos
x y
1.0 3.1
1.2 3.6
1.3 4.2
1.5 6.1
1.7 6.2
1.9 7.9
2.2 10.8
se tienen las dos siguientes funciones cuadráticas para aproximar los puntos:
5
C1 : y = x + x2
2
C2 : y = 1 + 2x2
(a) Graficar los puntos (x; y) en un plano cartesiano.
(b) Con colores diferentes, superponer al gráfico anterior las dos funciones cuadráticas C1
y C2 .
(c) Extender la tabla anterior con una columna con los y ajustados obtenidos para la curva
C1 y repetir, en otra tabla, para la curva C2 .
(d) Extender ambas tablas con los residuos y los residuos al cuadrado. Usar esta informa-
ción para calcular la SCR de cada una de las funciones.
(e) En base a toda la información recolectada, ¿cuál de las dos funciones cuadráticas
elegiría para ajustar estos puntos?
6. Para el ejercicio anterior, realice el ajuste mediante una recta de mínimos cuadrados. Para
ajustar los datos, ¿elegiría esta recta o alguna de las dos funciones cuadráticas anteriores para
aproximar estos datos?
podría sugerirnos mucha o muy poca asociación entre ellas cuando en realidad ocurre lo contrario).
Para poder determinar cuánta asociación lineal hay entre dos variables se definen el coeficiente
de correlación lineal o coeficiente de correlación de Pearson o, simplemente, coeficiente de
correlación (r) y el coeficiente de determinación (R2 ).
Definición 7.1 — Coeficiente de correlación. Para (x1 ; y1 ), (x2 ; y2 ),..., (xn ; yn ) un conjunto
de n pares de datos, se define el coeficiente de correlación de Pearson (r) como:
∑n (xi − x)(yi − y)
r = p n i=1
∑i=1 (xi − x)2 ∑ni=1 (yi − y)2
−0.25
1.0 0.0
0.75
−0.50
−0.5
0.5
0.50
−0.75
−1.0
0.0
0.25
−1.00
0.25 0.50 0.75 1.00 0.25 0.50 0.75 1.00 0.00 0.25 0.50 0.75 1.00 0.00 0.25 0.50 0.75 1.00
Observemos que si r está cerca de 1 o de −1 que es lo que interesa, es porque r2 está cerca de 1
(ya que 0 ≤ r2 ≤ 1).
Definición 7.2 — Coeficiente de determinación. Se define como coeficiente de determi-
nación al coeficiente de correlación al cuadrado, es decir, al r2 , también y más usualmente
notado como R2 .
Su cálculo, además de poder obtenerse elevando al cuadrado el coeficiente de correlación r, se
puede utilizar la siguiente expresión:
o bien, si llamamos SCT = ∑ni=1 (yi − y)2 a la “suma de cuadrados totales” y recordando que
SCR= ∑ni=1 (yi − ybi )2 , se tiene que
SCT − SCR
R2 =
SCT
7.3 Coeficiente de correlación y coeficiente de determinación 205
Ejemplo 7.1.
Solución: Ya vimos que R2 = 0, 975 y que b b = 5, 4 y, por lo tanto, signo(b b) es positivo (o 1),
entonces √ p
b) R2 = 1. 0, 975 ≈ 0, 987 .
r = signo(b
206 Capítulo 7. Regresión lineal
Observación: si el signo de b b) =
b hubiese sido negativo (la pendiente era negativa) entonces signo(b
−1.
Sin embargo, ni el R2 ni el r miden el nivel de asociación general de las variables. Veamos para
ello los siguientes ejemplos.
1.0
1.2
0.75
0.5
1.0
0.50 0.0
0.8
−0.5
0.25
0.6
−1.0
0.00
0.4
0.00 0.25 0.50 0.75 1.00 −1.0 −0.5 0.0 0.5 1.0 −1.0 −0.5 0.0 0.5 1.0 1.5
En el gráfico (a) se puede observar que no hay asociación entre la variable explicativa y la
variable respuesta, y esto coincide con lo informado por el R2 . Con respecto al gráfico (b), ante una
relación más bien cuadrática que lineal los coeficientes de correlación y de determinación indican
que no hay relación lineal entre las variables aunque sí puede observarse que existe una asociación
no lineal muy fuerte. En (c) el coeficiente de correlación indicaría una asociación positiva cuando
en realidad se trata de dos grupos de datos.
7.3.1 Ejercicios
1. Para los Ejercicios 1 - 4 de la Sección 7.2, calcular el coeficiente de determinación y el
coeficiente de correlación lineal. ¿Qué porcentaje de la variabilidad total de Y es explicada
por una función lineal de X?
2. En un cultivo se mide la cantidad de bacterias por unidad de volumen cada una hora,
obteniéndose la siguiente tabla de datos:
Horas 0 1 2 3 4 5 6
Bacterias 1 2 4 11 27 75 200
7.4 Predicción
7.4.1 Predicción directa
Una vez hallados los coeficientes (ordenada al origen y pendiente) de la recta que mejor aproxima
a los datos (la recta de mínimos cuadrados), algo que se puede hacer es, dado un nuevo valor de la
variable explicativa x = x0 , predecir el valor de la respuesta y, es decir, yb.
Importante: las predicciones sólo tienen sentido para valores de x contenidos en el rango
muestral de la variable, es decir, entre sus valores mínimo y máximo.
Ejemplo 7.6 Para el Ejemplo 7.1, predecir la máxima disminución en la frecuencia cardíaca en
una hora (DFC) para una dosis de la droga de 1, 8 mg. Estimar también el valor de DFC para 0, 7
mg. ¿Puede predecirse el valor de DFC para x = 0?
7.4 Predicción 207
10, 26 = 2, 7 + 5, 4b
x.
7.4.3 Ejercicios
1. Para el Ejercicio 1 de la Sección 7.2,
(a) predecir qué valor de y se obtendría con un x = 1, 4.
(b) ¿es posible predecir el valor de y para x = 4, 5? Justifique.
(c) predecir el valor de x para un valor de y = 1, 5.
(d) ¿es posible predecir el valor de x para un valor de y = 3, 5? Justifique.
2. Continuando con el Ejercicio 4 de la Sección 7.2,
(a) predecir el peso de un hombre de 27 años y 1.75 m de altura.
(b) predecir la altura de una persona de 28 años y 68 kg de peso.
(c) ¿es posible predecir el peso de una persona de 35 años y 1.82 m? ¿Y de una persona de
26 años que mide 1.90 m?
3. Continuando con el Ejercicio 5 de la Sección 7.2 y en base a la conclusión tomada,
(a) predecir, de la mejor manera posible, el valor de y para x = 1.8.
(b) predecir, de la mejor manera posible, el valor de x para y = 5.
4. Para el siguiente conjunto de puntos:
x y
0 5,1
1 2,7
2 1,6
3 0,3
4 -2,3
5 -4,2
208 Capítulo 7. Regresión lineal
Cantidad de clientes 52 44 47 56 59
Ventas (en miles de pesos) 26.00 23.74 24.21 26.58 27.77
(a) Considerando como variable explicativa X a la cantidad de clientes por semana y como
variable respuesta Y las ventas (en miles de pesos) realizadas, realizar un diagrama de
dispersión, es decir, graficar los pares ordenados en el plano cartesiano.
(b) Hallar la recta de mínimos cuadrados. Graficarla en el gráfico del item anterior.
(c) Predecir las ventas semanales que tendrá un local en una semana en la que realizan
compras 50 clientes.
(d) ¿Es posible predecir la cantidad de clientes que comprarán en un local en una semana
si su cantidad de ventas es de $25000? En caso afirmativo, indicar la razón y dar la
predicción. En caso negativo, justificar correctamente.
(e) Calcular el coeficiente de correlación.
(f) Calcular el R2 e interpretar.
8. Elementos de planificación
El objetivo de este capítulo es dar las herramientas fundamentales para poder realizar una planifi-
cación adecuada de actividades de un proyecto. Además, podremos determinar la duración mínima
de dicho proyecto y las tareas que, de atrasarse alguna, demoraría la totalidad del mismo. Para
poder hacer esto, comenzaremos introduciendo algunos conceptos de la teoría de grafos.
8.1 Grafos
Los grafos son usados en las ciencias matemáticas y también en las ciencias de la computación
para describir una estructura de relación entre pares de objetos. Veamos a continuación algunas
definiciones asociadas a grafos, comenzando por su definición formal.
Definición 8.1 — Grafos. Un grafo es un conjunto de objetos llamados vértices o nodos unidos
por enlaces llamados aristas (que podrán ser ramas o flechas). En definitiva, un grafo es un par
G = (V; E) con
V = {vértices o nodos}
y
E = {aristas (ramas o flechas)}.
En general, los grafos pueden clasificarse en dos tipos: grafos dirigidos y grafos no dirigidos.
Definición 8.2 — Grafos dirigidos y no dirigidos. Sean v y w ∈ V dos nodos cualesquiera
del grafo G, entonces
• si (v; w) representa una flecha de v a w, diremos que el grafo es dirigido.
• si (v; w) es sólo una rama, diremos que el grafo es no dirigido. En este caso, tener (v; w)
o tener (w; v) es lo mismo.
es tal que sus nodos son A, B, C y D, es decir, V= {A; B; C; D} y las relaciones entre los nodos
son (A; B), (A; C) y (B; D), es decir, E= {(A; B); (A; C); (B; D)}. Las relaciones entre los nodos
son ramas sin dirección (no son flechas), entonces el grafo es un grafo no dirigido.
Observemos que en este caso, tener (A; B) es lo mismo que tener (B; A) porque la rama no es una
flecha y, por lo tanto, no importa el orden en que se escriban los nodos.
es tal que sus nodos son A, B, C, D y E, es decir, V= {A;B;C;D;E} y las relaciones entre los
nodos son las flechas (A; B), (A; C), (B; D), (D; E) y (E; D), es decir, E= {(A; B); (A; C); (B; D);
(D; E); (E; D)}. Como las ramas que enlazan los nodos son flechas, el grafo es un grafo dirigido.
Definición 8.3 — Camino. Dado un grafo G = (V; E) y dos vértices v y w de V, diremos que
de v a w hay un camino si se puede ir de v a w por ramas de E. Si el grafo es un grafo dirigido,
el camino también es un camino dirigido.
Ejemplo 8.3 — Camino en un grafo no dirigido. Continuando con el Ejemplo 8.1, un camino
de A a D es
(A; B) − (B; D)
8.1 Grafos 211
o, simplemente,
A−B−D
Ejemplo 8.4 — Camino en un grafo dirigido. Continuando con el Ejemplo 8.2, un camino de
A a E es
(A; B) − (B; D) − (D; E)
o, simplemente,
A−B−D−E
Definición 8.5 — Ciclo. Si el principio y final de un camino es el mismo vértice y ningún otro
vértice se repite, diremos que el camino es un ciclo.
A−C−A−B−D
Ejemplo 8.6 Para el grafo dirigido del Ejemplo 8.2, el nodo A es el nodo inicial y el nodo C es
el nodo final. En este ejemplo en particular, existe un único nodo inicial y un único nodo final, sin
embargo podría haber habido más de uno o ningún nodo inicial y/o final.
Observemos que un nodo es nodo inicial si no tiene predecesores, mientras que un nodo es nodo
final si no existe nodo alguno que lo tenga a él como predecesor.
Ejemplo 8.7 En el grafo del Ejemplo 8.2, el nodo A no tiene predecesores (porque ninguna flecha
llega a este nodo), el nodo B tiene como predecesor al nodo A, el nodo C tiene como predecesor al
nodo A, el nodo D tiene como predecesores a los nodos B y E, y el nodo E tiene como predecesor
al nodo D. Esta información puede escribirse en la siguiente tabla:
Nodo Predecesor
A –
B A
C A
D B,E
E D
212 Capítulo 8. Elementos de planificación
Supongamos ahora que cada nodo es una tarea y que estas tareas tienen un tiempo de duración
dado.
Definición 8.8 — Duración de un camino. Si cada nodo tiene una duración dada, se define
la duración de un camino como la suma de las duraciones de los nodos involucrados.
Ejemplo 8.8 Supongamos que tenemos el siguiente grafo
Para ir desde A hasta E hay sólo dos caminos posibles: A−B−E y A−C−D−E.
Como la duración de A es 4, la duración de B es 9 y la duración de E es 1, la duración del camino
A−B−E es 4 + 9 + 1 = 14. Como, además, la duración de C es 5 y la duración de D es 2, la
duración del camino A−C−D−E es 4 + 5 + 2 + 1 = 12.
Definición 8.9 — Camino Crítico o Ruta crítica. Se llama camino crítico o ruta crítica al
camino de duración máxima.
Ejemplo 8.9 Para el Ejemplo 8.8, el camino crítico o ruta crítica es el camino A−B−E y la
duración de esta ruta crítica es 14.
Observemos que la ruta crítica no es necesariamente única, ya que podría haber más de un
camino con la misma duración.
En administración y gestión de proyectos, una ruta crítica es la secuencia de elementos o
actividades con mayor duración. Como todas las actividades deben realizarse para poder concretarse
el proyecto, la duración de la ruta crítica determina la duración mínima del proyecto. Cualquier
retraso en un elemento de una ruta crítica afecta a la fecha de término del proyecto. Por el
contrario, las actividades que no forman parte de ninguna ruta crítica tienen un tiempo en que
pueden demorarse para su realización (holgura) sin que esto atrase la totalidad del proyecto.
Existe un método para obtener la ruta crítica de un proyecto, llamado Método de la Ruta Crítica
o CPM por sus siglas en inglés (Critical Path Method), que permite no sólo hallar la ruta crítica,
sino también calcula la duración total mínima del proyecto y la holgura de cada actividad, es decir,
el tiempo máximo de retraso que puede tener una actividad sin que esto modifique la duración total
del proyecto. Los nodos involucrados en una ruta crítica siempre tendrán holgura igual a cero.
Para poder utilizar el Método de la Ruta Crítica se necesita seguir los siguientes pasos:
1. Definir el proyecto con todas las actividades o partes principales.
2. Establecer relaciones entre las actividades. Decidir cuál debe comenzar antes y cuál seguir
después.
8.1 Grafos 213
3. Dibujar un grafo (también llamado diagrama de redes) conectando las diferentes actividades
en base a sus relaciones de precedencia.
4. Definir el tiempo de duración de cada actividad.
5. Utilizando el Método de la Ruta Crítica, identificar la trayectoria más larga del proyecto (ruta
crítica), siendo ésta la que determinará la duración del proyecto.
Una vez realizado el CPM se podrá utilizar el diagrama como ayuda para planear, supervisar y
controlar el proyecto.
En la siguiente Sección explicaremos cómo aplicar e interpretar el Método de la Ruta Crítica.
8.1.1 Ejercicios
1. Considere el siguiente grafo:
con
t Tiempo estimado o duración estimada de la actividad.
IC Inicio más cercano, es decir, lo más temprano que puede comenzar la actividad suponiendo
que todas las actividades precedentes han sido completadas. Cuando se trata de actividades
8.2 Método de la Ruta Crítica 215
TC = IC + t
TL Término más lejano, es decir, lo más tarde que puede terminar la actividad sin retrasar la
finalización del proyecto. Se obtiene igualando el tiempo de inicio más lejano de la actividad
que sigue inmediatamente. Si la actividad tiene más de una tarea que la siga de forma
inmediata, el TL será el menor de los tiempos de inicio más lejanos de esa actividad.
IL Inicio más lejano, es decir, lo más tarde que puede comenzar la actividad sin retrasar la
finalización del proyecto. Se obtiene como el tiempo de terminación más lejano menos la
duración esperada de la actividad, es decir,
IL = TC − t
H Holgura, es decir, el tiempo máximo que una actividad puede retrasarse sin que esto retrase
la finalización del proyecto. Las actividades contenidas en la ruta crítica tienen holgura cero.
La holgura de una actividad se calcula como
H = IL − IC
o bien
H = TL − TC
Dada una serie de actividades con sus predecedores y sus tiempos de duración, se construirá
un diagrama de redes, es decir, un grafo dirigido. Para que el diagrama de redes tenga el aspecto
necesario para aplicársele el Método de la Ruta Crítica, es necesario que el diagrama sea tal que
exista siempre un único Nodo Inicial y un único Nodo Final (o Nodo Terminal) satisfaciendo las
siguientes condiciones: que desde el Nodo Inicial existan caminos hacia cualquier otro nodo del
grafo y, análogamente, que desde cualquier nodo del grafo exista un camino hasta el Nodo Final.
En caso de que alguno (o ambos) de estos nodos no exista en el grafo original, se agregará una
actividad o nodo “ficticio” con duración 0 (es decir, t = 0) y se verificarán la condiciones. Si el
nodo que debe agregarse es el Nodo Inicial (porque hay más de un nodo inicial), de éste partirán
flechas a todas las actividades sin predecesores. Si se debe agregar un Nodo Final (porque hay más
de un nodo final), a éste le llegarán flechas que partirán de los nodos finales del grafo original.
Una vez aplicado el CPM, la ruta crítica se obtendrá mirando las actividades con holgura cero.
Todos los caminos que van desde el Nodo Inicial al Nodo Final con holguras cero son rutas críticas.
El CPM nos permite hallar todas las rutas críticas posibles y siempre hay al menos una.
Para entender esto mejor, veamos algunos ejemplos.
Ejemplo 8.10 Las siguientes actividades son parte de un proyecto.
Observemos que existe un nodo desde el que se puede llegar a cualquier nodo, es decir, la
actividad A es el Nodo Inicial, y que existe un nodo al que se puede llegar desde cualquier
actividad, es decir, la actividad G es el Nodo Final. Chequeando esto ya podemos decir que
este es el diagrama de redes pedido.
2. Ahora nos piden aplicar el Método de la Ruta Crítica, es decir, completar los 6 casilleros de
cada uno de los nodos. Comencemos agregando los tiempos de duración de cada actividad
(casillero central superior).
Luego, debemos comenzar a completar los casilleros superiores de cada uno de los nodos,
8.2 Método de la Ruta Crítica 217
de izquierda a derecha del grafo. Como la actividad A (Nodo Inicial) no tiene predecesores,
su tiempo de IC (Inicio más Cercano) es 0, es decir, podemos completar el diagrama de la
siguiente manera:
Seguimos por las actividades B y C. Ambas actividades pueden comenzar tan rápido como la
actividad A finalice, es decir, sus IC= 6 para ambas actividades:
Los tiempos de TC de cada una de las actividades B y C se calcularán como 6+t, donde t es
218 Capítulo 8. Elementos de planificación
Observemos ahora que la actividad E tiene dos actividades predecesoras, por lo que para
completar los casilleros de esta actividad es necesario conocer los tiempos de TC tanto de
B como de D. Por esta razón, completamos primero D siguiendo los pasos anteriores: su
IC es el TC de C (de esta manera IC = 13) y su TC se calcula como TC = IC + t (entonces
TC = 13 + 2 = 15).
Seguimos por la actividad E que ahora podemos completar ya que hemos conseguido toda la
información de sus predecesores. El tiempo de IC de la actividad E será el máximo entre los
TC de sus predecesores, es decir, el máximo entre 15 y 9. De esta manera, IC = 15 para la
actividad E.
8.2 Método de la Ruta Crítica 219
Tal como ocurrió antes, no podemos completar la actividad G hasta que no tengamos toda la
información de las actividades predecesoras, en este caso las actividades E y F. Seguimos
entonces por la actividad F: como tiene una única actividad predecesora, su IC es igual al TC
de su predecedora (es decir, IC = 15) y su TC se consigue sumándole a su IC el tiempo de
duración.
Tal como se hizo con el nodo E, la actividad G se completa observando las actividades E y F
y calculando el máximo de sus TC. De esta manera, el IC de G será el máximo entre 18 y 19.
220 Capítulo 8. Elementos de planificación
Observemos que, llegado a este punto, ya sabemos la duración del proyecto, es decir, la
duración de la ruta crítica, y que se corresponde con el TC del Nodo Final. Es decir, la
duración del proyecto es de 26 semanas. Sin embargo, lo que todavía no tenemos es qué
actividades forman parte de la ruta crítica ni cuál es la holgura de cada actividad.
Ahora nos queda por completar los casilleros inferiores. Este procedimiento se realiza desde
el Nodo Final hacia el Nodo Inicial (es decir, en sentido contrario al anterior). Además, en
lugar de “sumar” se “restará” y en lugar de calcular “máximos”, calcularemos “mínimos”.
Comencemos observando que el tiempo de TL (Término más Lejano) de la actividad G son
las 26 semanas, es decir, su TC. Esto siempre ocurre con el Nodo Final. Completando esta
información en el diagrama se tiene que:
Restando al TC (que en este caso es igual a TL) el tiempo de duración de la actividad, tenemos
el tiempo de IL (Inicio más Lejano), en este caso, IL = TC − 7 = 19. Lo completamos en el
diagrama:
8.2 Método de la Ruta Crítica 221
Observemos que hay dos actividades predecesoras de esta actividad. Ambas tendrán como
TL el IL de la actividad G, es decir, TL = 19 tanto para E como para F.
Luego, los IL de cada una de estas actividades se obtendrán como sus TL menos la duración
de dicha actividad. Para la actividad E, IL = TL − t = 19 − 4 = 15, mientras que para la
actividad F, IL = TL − t = 19 − 3 = 16.
Ahora seguiremos por la actividad D. En este caso, como tanto la actividad E como la
actividad F tienen a D como predecesora, el tiempo TL de D se calcula como el mínimo entre
222 Capítulo 8. Elementos de planificación
los IL de las actividades E y F, es decir, el mínimo entre 15 y 16. De esta manera, para la
actividad D, TL = 15.
Los nodos B y C eran ambos los IL de las actividades que los tienen como predecesores.
Además, restándoles a cada uno la duración de la actividad, se tienen también sus IL.
Tal como pasaba con la actividad D, la actividad A también tiene dos actividades que la
8.2 Método de la Ruta Crítica 223
Los casilleros que aún no se completaron tienen las holguras de cada actividad. Su cálculo es
muy sencillo y se obtiene como TL-TC, es decir, restando las duraciones de los dos casilleros
de la derecha. Por ejemplo: H = 6 − 6 = 0 es la holgura de la actividad A.
224 Capítulo 8. Elementos de planificación
A−C−D−E−G
4. Nos piden la longitud de la ruta crítica o camino crítico. De esta manera, el proyecto tardará
26 semanas (como mínimo) en completarse.
5. Observemos primero que la actividad B no forma parte de ningún camino crítico (en este
caso, del único camino crítico existente). Nos piden la holgura de B. Luego, el tiempo
máximo que podría demorarse la actividad B sin que esto atrase la duración total del proyecto
es de 6 semanas.
8.2 Método de la Ruta Crítica 225
Podemos ver que si bien hay un nodo al que se puede llegar desde cualquier otro nodo, es
decir, existe un único Nodo Final que se corresponde con la actividad I, hay dos nodos que
no tienen predecesores. Para aplicar el Método de la Ruta Crítica es necesario que exista un
único Nodo Inicial. Por esta razón, agregaremos al grafo anterior un Nodo Inicial ficticio
con t = 0 (es decir, con duración de la actividad 0) de manera que los nodos A y B tengan a
este Nodo Inicial como predecesor. De esta manera, el diagrama de redes apropiado para
aplicarle el Método de la Ruta Crítica es el siguiente:
226 Capítulo 8. Elementos de planificación
2. Comencemos con el Método de la Ruta Crítica colocando los tiempos de duración de cada
una de las actividades.
Recordemos que el procedimiento comienza en el Nodo Inicial (en este caso el nodo ficticio
“Ini”) y va al Nodo Final (en este caso la actividad I), completando los casilleros de la parte
superior. El IC del Nodo Inicial es 0. Luego, sumándole el tiempo de duración se tiene el
TC = 0 + 0 = 0.
8.2 Método de la Ruta Crítica 227
Luego, las actividades A y B tendrá como IC el TC del Nodo Inicial, es decir, tienen IC = 0.
Seguimos con las actividades C, D y E que comenzarán tan pronto como la A termine, es
228 Capítulo 8. Elementos de planificación
Luego, completamos los casilleros TC de estas actividades sumándoles a sus IC sus tiempos
de duración.
Observemos ahora que G tiene como predecesores las actividades D y F por lo que es
necesario completar F para poder completar G. La actividad F comenzará tan pronto como la
actividad E termine, por lo tanto tiene IC = 4. Además, sumándole el tiempo de duración de
la actividad F, se tiene TC = 8.
8.2 Método de la Ruta Crítica 229
Como I tiene como actividades predecesoras a H, C y G, los TL de cada una de ellas serán
iguales al IL de la actividad I.
Luego, para cada actividad H, C y G podemos obtener sus IL restándoles a su TL (en este
caso 22) sus tiempos de duración.
232 Capítulo 8. Elementos de planificación
Como G tiene a D y F como actividades predecesoras, los TL de cada una de ellas serán
iguales al tiempo de IL de G.
Y por lo tanto, restando los tiempos de duración de estas actividades, tenemos los IL.
Por último llegamos al Nodo Inicial tomando como TL el mínimo entre los IL de las
actividades A y B, es decir, el mínimo entre 6 y 0. Luego, restándole además su duración
(que es 0), se obtiene el IL que faltaba.
Para terminar de aplicar el Método de la Ruta Crítica basta con calcular las holguras de cada
una de las actividades. Recordemos que las mismas se obtienen como TL − TC. Por ejemplo,
para el Nodo Inicial, H = 0 − 0 = 0; para la actividad A, H = 3 − 3 = 0; y para la actividad
B, H = 10 − 4 = 6.
8.2 Método de la Ruta Crítica 235
3. La ruta crítica será un camino que vaya desde el Nodo Inicial al Nodo Final mediante
actividades que tengan holgura igual a 0. De esta manera, existe un único camino dado por
Ini − A − E − F − G − I .
Cuando se agregan nodos ficticios, como en este caso, se suele dar como resultado final de
ruta crítica sólo a la que tiene las actividades reales. De esta manera, la ruta crítica pedida es
única y es
A−E−F−G−I.
4. La duración total del proyecto es de 24 semanas (ya que siempre es el TC del Nodo Final).
Solución
Para poder aplicar el CPM es necesario que exista un único Nodo Inicial y un único Nodo
Final. Observemos entonces que las actividades A y B no tienen predecesores, por lo que
agregaremos un Nodo Inicial ficticio del que puedan salir flechas a estas actividades. Además,
como ni el nodo correspondiente a la actividad G ni el nodo correspondiente a la actividad
H pueden jugar el rol de Nodo Final porque no se pueden alcanzar desde cualquier otro
nodo, agregaremos un Nodo Final ficticio al que le lleguen flechas desde G y desde H. De
esta manera, el diagrama de redes apropiado para aplicar el Método de la Ruta Crítica es el
siguiente:
8.2 Método de la Ruta Crítica 237
2. Para poder determinar todas las rutas críticas posibles es necesario aplicar el CPM. Por esta
razón, empezaremos agregando los tiempos de cada una de las actividades, recordando que
los nodos ficticios tienen duración t = 0.
Sigamos ahora por los nodos C, D y E. Todos ellos tiene tiempo de IC igual a 5, que es el TC
de la actividad A.
8.2 Método de la Ruta Crítica 239
Para obtener el IC de la actividad G, como ésta tiene tres predecesores, se debe calcular
el máximo entre los TC de las actividades C, D y E. De esta manera, la actividad G tiene
IC = 8.
240 Capítulo 8. Elementos de planificación
Observemos que no podemos continuar con el Nodo Final hasta que no tengamos la infor-
mación de la actividad H. Por esta razón, seguimos con la actividad F. Esta actividad tiene
IC = 2 y, como su duración es t = 1, tiene TC = 3.
8.2 Método de la Ruta Crítica 241
Observemos que el IC del Nodo Final se calcula como el máximo entre los TC de los nodos
G y H. De esta manera, el Nodo Final tiene IC = 9. Luego, sumándole su duración que es 0,
resulta que TC = 9.
242 Capítulo 8. Elementos de planificación
Ahora seguimos con el algoritmo para completar los casilleros inferiores. Como la duración
máxima del proyecto es de 9 horas, el tiempo de TL del Nodo Final es 9.
Restando ahora el tiempo de duración de esta actividad ficticia, se tiene que su IL es igual a
9.
8.2 Método de la Ruta Crítica 243
Restándoles los tiempos de duración de cada actividad, tenemos los Inicios más Lejanos.
Debido a que aún no contamos con la información necesaria para completar el Nodo Inicial,
seguimos con la actividad F. Esta actividad tiene TL = 5. Además, restándole su duración, se
tiene que su IL = 4.
246 Capítulo 8. Elementos de planificación
En algunas ocasiones no se sabe el “tiempo exacto” que se tarda en realizar una tarea o actividad.
En estos casos se suele tener, en su lugar, un “tiempo optimista”, un “tiempo más probable” y un
“tiempo pesimista”. A partir de esta información, se puede calcular lo que se conoce como “tiempo
esperado” de una actividad como
“tiempo optimista” + 4.“tiempo más probable” + “tiempo pesimista”
“tiempo esperado” = .
6
Luego, el Método de la Ruta Crítica se calcula como siempre pero con los tiempos de las actividades
dados por los “tiempos esperados”.
8.2.1 Ejercicios
1. El departamento de investigación y desarrollo de una empresa planea competir por un gran
proyecto para un nuevo sistema de comunicación. Para la realización de este proyecto, planea
las actividades, sus tiempos de duración (en semanas) y las actividades predecesoras dadas
por la siguiente tabla:
248 Capítulo 8. Elementos de planificación
3. Las siguientes actividades son parte de un proyecto, con los tiempos de duración medidos en
horas.
Actividad Predecesor Duración (Horas)
A – 4
B A 2
C A 3
D A 1
E B,C 5
(a) Elaborar un diagrama de redes que permita aplicar el CPM.
(b) Aplicar el CPM.
(c) ¿Cuál es la duración total (mínima) del proyecto?
(d) Obtener todas las rutas críticas.
(e) ¿Cuántas semanas de holgura tiene la actividad D?
8.2 Método de la Ruta Crítica 249
5. El proyecto de Ana consta de las actividades dadas en la siguiente tabla, junto con sus
predecesores y la duración de cada actividad medido en días.
6. Una firma de contadores públicos requiere las siguientes actividades para realizar una
auditoría:
Actividad Predecesor Tiempo (Días)
A – 3
B A 2
C – 5
D B,C 2
E A 4
F B,C 6
G E,D 5
7. Preparación de una torta. María invitó a sus amigas a tomar el té y juntas decidieron hacer
una torta de manzanas. Una vez comprados los ingredientes, para preparar la torta se deben
llevar a acabo las siguientes actividades detalladas en la receta (indicando entre paréntesis la
duración estimada de cada actividad en minutos):
A. Precalentar el horno. (15 mins)
B. Enmantecar y enharinar la asadera. (5 mins)
C. Pelar y cortar las manzanas. (10 mins)
D. Disponer las manzanas en la asadera. (5 mins)
E. En un bowl, tamizar azúcar y harina. (5 mins)
F. Agregar manteca a la preparación que se encuentra en el bowl. (5 mins)
G. Agregar a la preparación huevos y mezclar. (10 mins)
H. Disponer la preparación sobre las manzanas. (5 mins)
I. Hornear. (20 mins)
En base a la información anterior,
(a) realizar una planificación de tareas. Para ello, crear una tabla con columnas “Actividad”,
“Predecesor” y “Duración (Minutos)”.
(b) construir un diagrama de redes apropiado.
(c) ¿cuánto se tarda en preparar la torta?
(d) ¿qué actividades no deben retrasarse si se quiere que la torta esté lista cuanto antes?
9. Anexo
Las primeras dos operaciones que uno puede hacer con números reales es sumarlos o restarlos.
• 3+4 = 7
• 3 − 4 = −1
• −2 − 3 = −5
El único cuidado que hay que tener es cuando la suma o resta está seguida de un número con su
signo dado que las combinaciones ++, +−, −+ o −− no existen. Por ejemplo, 3 + +2, 4 − −2,
−5 + −2 o −6 − +9 no existen. Si el cálculo que se quiere hacer es “al número 3 sumarle 3”,
entonces la cuenta es 3 + 3. Si al número 4 se le quiere restar el número negativo −2, lo correcto es
usar paréntesis para separar los signos de la siguiente manera: 4 − (−2), y su resultado es 6. Si
al número −6 se le quiere restar el número positivo 9, entonces lo correcto es hacer −6 − 9, y su
resultado es −15. Si lo que se quiere es enfatizar el signo + que le correspondería al número 9, lo
correcto es usar paréntesis y hacer −6 − (+9), que obviamente es −15.
Una relación importante que hay entre la suma y la resta y que podría servirnos en algunos
cálculos es que restar un número positivo es exactamente igual que sumar un número negativo.
Por ejemplo, si quiero “al 3 restarle 2”esto sería hacer 3 − 2, que es lo mismo que “al 3 sumarle el
número negativo −2”, o sea, 3 − 2 = 3 + (−2). Otro ejemplo sería −1 − 8 = −1 + (−8).
252 Capítulo 9. Anexo
(a + b) + c = a + (b + c)
(−3 + 2) + 4 = −3 + (2 + 4)
¿Quiénes son a, b y c en este caso? a = −3, b = 2 y c = 4. Haciendo las cuentas tenemos que
(−3 + 2) + 4 = (−1) + 4 = −1 + 4 = 3
−3 + (2 + 4) = −3 + 6 = 3
Una relación importante que hay entre la multiplicación y la división que podría ayudarnos
mucho en algunos cálculos es que la división por un número es equivalente a la multiplicación por
1 1
su inverso. Por ejemplo, hacer 3 : 4 es igual que multiplicar 3 por , o sea, 3. . Otro ejemplo sería
4 4
1
−5/8 = −5. .
8
9.1 Arimética básica 253
Ejercicio 9.2 Eliminar todos los paréntesis, corchetes o llaves que están “de más”, es decir, que
su eliminación no modifica el ejercicio original. Hacemos el primero a modo de ejemplo.
9.1.4 Signos
En matemática, cualquier número real que sea distinto de 0 puede ser: positivo (o sea, mayor a 0) o
negativo (menor a 0). Por ejemplo: 1.2, π y 20100 son números positivos, mientras que −0.3, −π
y −2012 son números negativos.
Los números reales se pueden representar en la recta numérica como puntos. Por ejemplo, los
números 0.3, −1.5 y 3.4 se verían de la siguiente manera:
Cuando se multiplican o dividen dos números (donde ninguno es 0) el signo del número
resultante puede ser positivo o negativo según la famosa regla de los signos:
• “Más por más es más”, es decir, si los dos números son positivos, el resultado es un número
positivo. Por ejemplo: 3 × 5 = 15, 63/9 = 7.
• “Menos por menos es más”, es decir, si los dos números son negativos, el resultado es un
número positivo. Por ejemplo: −1.(−1) = 1, (−3, 5).(−2, 8) = 9, 8 y (−9) : (−3) = 3.
• “Menos por más es menos” y “Más por menos es menos”, es decir, si uno de los números es
positivo y el otro es negativo, el resultado es un número negativo. Por ejemplo −3 × 9 = −27,
2, 5 . (−1, 4) = −3, 5 y 8 : (−2) = −4.
(3 − 2) − (5 − 8) + 4
9.1 Arimética básica 255
(3 − 2) − (5 − 8) + |{z}
4
| {z } | {z }
Luego, habría que realizar dos cálculos antes de proseguir. Deberíamos resolver: 3 − 2 y 5 − 8.
Como 3 − 2 = 1 y 5 − 8 = −3 reemplazamos en cada término según corresponda de la siguiente
manera
(1) − (−3) + 4
¿Qué hacemos ahora con los paréntesis? Los eliminamos teniendo cuidado con los signos, de la
siguiente manera:
1+3+4
¿Hace falta volver a separar en términos? No, porque ya no hay más paréntesis ni multiplicaciones.
El resultado es 8.
Otro ejemplo con multiplicaciones sería:
Observación: cuando separamos en términos, si los signos de + y − quedan afuera del cálculo,
el resultado que se obtiene al resolver el término debe ponerse entre paréntesis, tal como se hizo en
el ejemplo anterior.
1. 2 − 3(5 − 1) + 7 2. − 1 − 2(4 − 7) − 3
3. 2(3 − 1) − 4(5 − 4) 4. − 7(1 − 2) + 3 − 2(4 − 6)
con a, b y c números reales. Sin embargo, como seguramente esto no es del todo claro, veámoslo
con algunos ejemplos. Supongamos que queremos aplicar la propiedad sobre el siguiente cálculo
2(3 − 4)
256 Capítulo 9. Anexo
En primer lugar observemos que, en este caso, conocemos la respuesta. Como el término que está
entre paréntesis es 3 − 4 y esto es igual a −1, el resultado se consigue multiplicando el número
2 por el número −1 y, por lo tanto, la respuesta es −2. Sin embargo, nos obligaremos a usar la
propiedad distributiva para llegar al resultado (y mostrar cómo se usa la propiedad).
Cuando aplicamos la propiedad distributiva, el número que está multiplicando al término entre
paréntesis se distribuye sobre cada término que se encuentra dentro del paréntesis y que esté
sumando o restando. Es decir, en el ejemplo esto sería
Por último, como esto es lo mismo que 6 − 8 = −2, obtenemos el resultado final del cálculo.
Observemos algo importante. El número que estaba multiplicando era un número positivo (era
el número 2), sin embargo ¿qué hubiese ocurrido si el número era negativo? En ese caso, el signo
negativo del número que se encuentra afuera del paréntesis hubiese modificado los signos de todos
los términos que se obtenían tras distribuir. Veamos un nuevo ejemplo. Supongamos que queremos
aplicar la propiedad en la siguente cuenta
−3(−4 + 8)
En este caso, el número que se encuentra afuera multiplicando el paréntesis es el número −3.
Cuando aplicamos la propiedad, el −3 va a multiplicar al número −4 por un lado y va a multiplicar
al +8 por el otro. De esta manera, usando la regla de que “menos por menos es más” y que “menos
por más es menos”, tenemos que
Para ver bien esto es conveniente ir mirando el signo del término que vamos a obtener antes de
escribir la multiplicación. Luego, terminamos de realizar el cálculo resolviendo la cuenta que
obtuvimos. De esta manera,
Si bien los dos ejemplos anteriores tenían adentro del paréntesis solamente dos números, la
misma propiedad vale con más números. Por ejemplo, si queremos aplicar la propiedad distributiva
en
3(2 − 1 + 4 − 8)
tenemos que
y con un ejemplo
−(3 − 5 + 7)
9.2 Fracciones 257
En este caso, nos interesa sacar el paréntesis y, para ello, hay que tener cuidado con el signo − que
se encuentra adelante. El signo − seguido de un paréntesis funciona igual que tener el número −1
multiplicando. Es decir,
−(3 − 5 + 7) = −1(3 − 5 + 7)
Entonces, si aplicamos la propiedad distributiva
−(3 − 5 + 7) = −1(3 − 5 + 7) = −1.3 + 1.5 − 1.7 = −3 + 5 − 7
Observemos que lo que nos quedó es la cuenta original pero todos los números que se encontraban
adentro del paréntesis tienen los signos cambiados:
−(3 − 5 + 7) = −3 + 5 − 7
Luego, hacemos el cálculo y obtenemos que
−(3 − 5 + 7) = −3 + 5 − 7 = −5
Observación: Si se tienen 2 manzanas y 3 peras, ¿cuántas manperas hay? ¿Cuántas pezanas?
Efectivamente, no se pueden mezclar. Si las manzanas son x y las peras son y entonces 2x + 3y =...
¡a lo mismo porque no se juntan! Sí lo hacen si son la misma “fruta”, por ejemplo 2x + 3x = 5x o
bien 4x − 5x = −x o bien x + 3x − 2y + 7 − 8 = 4x − 2y − 1.
9.2 Fracciones
Una fracción es la expresión de una cantidad dividida otra cantidad. A la cantidad que se encuentra
debajo de la línea horizontal se la llama denominador, mientras que a la que se encuentra sobre la
línea horizontal se la llama numerador.
Las fracciones serán números positivos si las dos cantidades que se dividen tienen el mismo
2
signo. Por ejemplo, si dividimos por 3 el número 2, se tiene . Si dividimos el número −15 por el
3
−15
número −7, se tiene . Sin embargo, por la regla de los signos, esto es lo mismo que la fracción
−7
15
.
7
De manera similar, la fracción será un número negativo si las dos cantidades que se dividen
−5
tienen signos opuestos. Por ejemplo, si dividimos el número −5 por el número 4, se tiene . Si
4
5
dividimos el número 5 por el número −4, se tiene . En ambos casos, las dos fracciones son
−4
5
iguales a la fracción − .
4
Por cierto... ¿Se puede dividir por 0? La respuesta es no. Nunca. Lo que sí se puede hacer es
dividir al 0 por un número que, justamente, no sea 0. En todos los casos, el número resultante va a
0 0
ser 0. Por ejemplo, 0/4 = = 0 o bien 0/(−1.3) = = 0. Sin embargo, las expresiones 3/0
4 −1.3
o 0/0 son incorrectas.
258 Capítulo 9. Anexo
1 5 5 −............
− + − =
3 3 2 6
Ahora, hacemos el cálculo de dividir el denominador común por el denominador de la primera
fracción, es decir, 6/3 = 2 y a ese número lo multiplicamos por el numerador de esa fracción, es
decir, 2.1 = 2. A este resultado lo ponemos en el numerador de la fracción resultante de la siguiente
manera
1 5 5 −2..........
− + − =
3 3 2 6
5
Ahora agregamos el signo del siguiente cálculo que queremos realizar, que es sumar la fracción
3
1 5 5 −2 + ........
− + − =
3 3 2 6
Repetimos el procedimiento: dividimos 6 por 3 que da 2 y lo multiplicamos por 5 (el numerador),
dando un total de 10. Luego, lo agregamos en el cálculo de la siguiente manera
1 5 5 −2 + 10......
− + − =
3 3 2 6
Por último, agregamos el signo para el último cálculo
1 5 5 −2 + 10 − ....
− + − =
3 3 2 6
y realizamos el mismo procedimiento: dividimos el denominador comṕor 2. Al resultado (que es 3)
lo multiplicamos por el numerador de la fracción que es 5, dando como resultado el número 15. Lo
agregamos en la fracción
1 5 5 −2 + 10 − 15
− + − =
3 3 2 6
y calculamos la cuenta que falta que es: −2 + 10 − 15 = −7. Luego, esto dice que
1 5 5 7
− + − =−
3 3 2 6
con lo cual damos por finalizado el cálculo.
¿Y cómo hacemos para sumar una fracción con un número entero? Bueno, hacemos lo mismo,
pero escribimos el número entero como la fracción que tiene a ese número en el numerador y al 1
en el denominador. Por ejemplo, si queremos hacer
2
2+
3
260 Capítulo 9. Anexo
2
debemos escribir al 2 como y entonces
1
2 2 2
2+ = +
3 1 3
y procedemos de la misma manera que antes. Tomamos al 3 × 1, es decir, al 3, como denominador
común, entonces ya sabemos que
2 2 .....
+ =
1 3 3
Luego, agregamos el signo de la primera fracción (que es el signo +) y dividimos el denominador
común (3) por el denominador de la primera fracción, es decir, hacemos 3/1 = 3 y luego lo
mutiplicamos por el numerador que es 2, obteniendo 6 de resultado. Luego, colocamos ese
resultado junto con su signo en el numerador de la fracción resultante de la siguiente manera
2 2 +6...
+ =
1 3 3
Luego, repetimos el procedimiento con la siguiente fracción: agregamos el signo de la fracción
(que también es +), dividimos 3 por el denominador de la fracción (3) y al resultado (que es un 1)
lo multiplicamos por el numerador que es 2 obteniendo un 2. Luego, completamos el numerador de
la fracción resultante con esta información de la siguiente manera
2 2 +6 + 2
+ =
1 3 3
y hacemos un último cálculo (la cuenta del numerador) para hallar la fracción resultante
2 2 +6 + 2 8
+ = =
1 3 3 3
9.2.3 Simplificación
La simplificación de fracciones se hace cuando el numerador y el denominador poseen factores en
común, es decir, son ambos divisibles por un mismo número. Veamos un ejemplo: supongamos
que queremos simplificar la siguiente fracción
42
30
Nos preguntamos: ¿Hay algún número por el que podamos dividir 42 y 30 y que su resultado sea
entero? La respuesta es sí. Un número por el que ambos se pueden dividir por ser pares es el
número 2. Si dividimos 42 y 30 por el número 2 obtenemos 21 y 15 respectivamente. Luego, la
42 21
fracción y la fracción son fracciones equivalentes, es decir, representan el mismo número.
30 15
Luego, obtuvimos la siguiente simplificación
42 21
=
30 15
Pregunta: ¿Listo o podemos seguir dividiendo el numerador y el denominador? La respuesta es que
podemos seguir dividiendo, en esta oportunidad por el número 3. Si a 21 y a 15 los dividimos por
el número 3 obtenemos 7 y 5 respectivamente. Luego, tenemos que
42 21 7
= =
30 15 5
42 7
En otras palabras, simplificamos la fracción en . Es decir, la fracción quedó simplificada en
30 5
7
5
9.2.4 Ejercicios
1. Simplificar las siguientes fracciones:
14 30 21 126
(a) (b) (c) (d)
10 45 42 315
42 45 225 154
(e) (f) (g) (h)
70 105 375 28
2. Calcular:
1 1 2 2 3 5
(a) + (b) − (c) − +
3 2 5 3 4 2
9 7 3 4 5 7 1 3
(d) − − (e) − − (f) − − +
5 10 2 3 6 3 4 2
3. Realizar los siguientes cálculos de dos maneras diferentes:
• separando en términos y resolviendo primero los paréntesis
• separando en términos y usando la propiedad distributiva cuando haga falta.
1 6
(a) .
3 5
15 14
(b)
21 10
9.2 Fracciones 263
3 1 1
(c) − −2
2 2 3
1 2 3 1 3 1
(d) − − + − − +1
3 9 2
2 2 2
1 5 1
(e) 2− +
2 3 3
1
(f) 2 −x +x+3
2
2 5 2 1 3 1
(g) + x − x−1 − x
3 2 3 3 2 18
264 Capítulo 9. Anexo
9.3 Tabla Normal 265
Zp .00 .01 .02 .03 .04 .05 .06 .07 .08 .09
.0 0.5000 0.5040 0.5080 0.5120 0.5160 0.5199 0.5239 0.5279 0.5319 0.5359
.1 0.5398 0.5438 0.5478 0.5517 0.5557 0.5596 0.5636 0.5675 0.5714 0.5753
.2 0.5793 0.5832 0.5871 0.5910 0.5948 0.5987 0.6026 0.6064 0.6103 0.6141
.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406 0.6443 0.6480 0.6517
.4 0.6554 0.6591 0.6628 0.6664 0.6700 0.6736 0.6772 0.6808 0.6844 0.6879
.5 0.6915 0.6950 0.6985 0.7019 0.7054 0.7088 0.7123 0.7157 0.7190 0.7224
.6 0.7257 0.7291 0.7324 0.7357 0.7389 0.7422 0.7454 0.7486 0.7517 0.7549
.7 0.7580 0.7611 0.7642 0.7673 0.7704 0.7734 0.7764 0.7794 0.7823 0.7852
.8 0.7881 0.7910 0.7939 0.7967 0.7995 0.8023 0.8051 0.8078 0.8106 0.8133
.9 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289 0.8315 0.8340 0.8365 0.8389
1.0 0.8413 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554 0.8577 0.8599 0.8621
1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.8770 0.8790 0.8810 0.8830
1.2 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 0.8962 0.8980 0.8997 0.9015
1.3 0.9032 0.9049 0.9066 0.9082 0.9099 0.9115 0.9131 0.9147 0.9162 0.9177
1.4 0.9192 0.9207 0.9222 0.9236 0.9251 0.9265 0.9279 0.9292 0.9306 0.9319
1.5 0.9332 0.9345 0.9357 0.9370 0.9382 0.9394 0.9406 0.9418 0.9429 0.9441
1.6 0.9452 0.9463 0.9474 0.9484 0.9495 0.9505 0.9515 0.9525 0.9535 0.9545
1.7 0.9554 0.9564 0.9573 0.9582 0.9591 0.9599 0.9608 0.9616 0.9625 0.9633
1.8 0.9641 0.9649 0.9656 0.9664 0.9671 0.9678 0.9686 0.9693 0.9699 0.9706
1.9 0.9713 0.9719 0.9726 0.9732 0.9738 0.9744 0.9750 0.9756 0.9761 0.9767
2.0 0.9772 0.9778 0.9783 0.9788 0.9793 0.9798 0.9803 0.9808 0.9812 0.9817
2.1 0.9821 0.9826 0.9830 0.9834 0.9838 0.9842 0.9846 0.9850 0.9854 0.9857
2.2 0.9861 0.9864 0.9868 0.9871 0.9875 0.9878 0.9881 0.9884 0.9887 0.9890
2.3 0.9893 0.9896 0.9898 0.9901 0.9904 0.9906 0.9909 0.9911 0.9913 0.9916
2.4 0.9918 0.9920 0.9922 0.9925 0.9927 0.9929 0.9931 0.9932 0.9934 0.9936
2.5 0.9938 0.9940 0.9941 0.9943 0.9945 0.9946 0.9948 0.9949 0.9951 0.9952
2.6 0.9953 0.9955 0.9956 0.9957 0.9959 0.9960 0.9961 0.9962 0.9963 0.9964
2.7 0.9965 0.9966 0.9967 0.9968 0.9969 0.9970 0.9971 0.9972 0.9973 0.9974
2.8 0.9974 0.9975 0.9976 0.9977 0.9977 0.9978 0.9979 0.9979 0.9980 0.9981
2.9 0.9981 0.9982 0.9982 0.9983 0.9984 0.9984 0.9985 0.9985 0.9986 0.9986
3.0 0.9987 0.9987 0.9987 0.9988 0.9988 0.9989 0.9989 0.9989 0.9990 0.9990
3.1 0.9990 0.9991 0.9991 0.9991 0.9992 0.9992 0.9992 0.9992 0.9993 0.9993
3.2 0.9993 0.9993 0.9994 0.9994 0.9994 0.9994 0.9994 0.9995 0.9995 0.9995
3.3 0.9995 0.9995 0.9995 0.9996 0.9996 0.9996 0.9996 0.9996 0.9996 0.9997
3.4 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9998
Bibliografía
Kelley, J. (2009). Critical Path Planning and Scheduling: Mathematical Basis. Operations
Research, 9, 3, 296-320.
Kelmansky, D. (2009). Estadística para todos. Ministerio de Educación, Instituto Nacional
de Educación Tecnológica, República Argentina.
Observación, 168
Ordenada al origen, 53
Partición, 68
Pendiente, 53
Percentiles, 171
Permutación, 78
Población, 167
Potenciación, 10
Predicción, 206
Predicción directa, 206
Predicción inversa, 207
Primer cuartil, 173
Primos, 15
Probabilidades, 93
Productorias, 18
Promedio, 168
Puntos en el plano, 45
Radicación, 11
Rango de una variable aleatoria, 107
Rango muestral, 174
Recta de mínimos cuadrados, 201
Regla del producto, 75
Residuos, 199
Ruta crítica, 212
Sucesos, 94
Sumatorias, 16
Vértice, 59
Valor absoluto, 25
Variable, 168
Variable aleatoria, 107