PROBABILIDA Y

ESTADISTICA
 Probabilidad y Estadística
1.Introducción

Estadística
La estadística es una herramienta útil y rigurosa en el campo
de la investigación de todas las ciencias e ingenierías.

Podríamos clasificar la estadística en suscriptica cuando el

resultado del análisis no pretende ir más allá del conjunto de
datos e inferenciar cuando el objeto de estudio es derivar las
conclusiones obtenidas a un conjunto de datos más amplio.
La estadística descriptiva: Describe, analiza y representa
un grupo de datos utilizando métodos numéricos y
gráficos, que resumen y presentan la información
contenida en ellos.
La estadística inferencial apoyándose en el campo de
probabilidades y a partir de datos muéstrales efectúa
estimaciones, decisiones, predicciones u otras generalizaciones
sobre un conjunto mayor de datos.
La disciplina de la estadística proporciona métodos para
organizar y resumir datos y para sacar conclusiones basadas en
la información que contienen los datos.
Población(N): Es la colección o conjunto de individuos, objetos
o eventos cuyas propiedades serán analizadas. Es la totalidad
de unidades experimentales que por lo menos tienen una
característica en común. Los tipos de población son:
Finita e infinita
a)Población finita; se encuentra delimitada es decir, por
cuantos elementos está constituida, ejemplo los libros de la
biblioteca universitaria.
b) Población infinita; Se encuentra ilimitada es decir la cual
es difícil conocer por cuantos elementos esta constituida,
ejemplo el número de consumidores de algún producto
Muestra (n): Es un subconjunto de la población o parte de ella. Las
ventajas del manejo de muestras son: rapidez en obtención de la
información ahorro de tiempo, ahorro de dinero, baja inversión de
recursos humanos. La desventaja de manejo de muestras es que la
información no es exacta.
Variable: Característica de interés sobre cada elemento individual
de una población o muestra. En los conjuntos de datos algunas
variables son cualitativas y otras cuantitativas. Así, sobre
automóviles presentan valores variables como tipo de vehículo
(deportivo, compacto, mediano, grande) rendimiento de
combustible (millas/ galón), tipo de tren de impulso (delantera,
trasera, cuatro ruedas), etc.
Variables cualitativas nominales: Cuando las modalidades posibles
son de este tipo tenemos por ejemplo, el estado civil de una
persona, la religión, nacionalidad, ocupación, etc.
Variable cualitativa ordinales: En estas es posible establecer
un orden entre ellas. Por ejemplo, el grado de recuperación
de una persona puede ser nada, poco, moderado, bueno,
muy bueno.
Variables cuantitativas: Son las que tienen modalidades cantidades
numéricas dentro de este tipo de variables podemos distinguir 2
grupos: Variables discretas: cuando no admiten una modalidad
intermedia entre dos cualesquiera de sus modalidades. Un ejemplo
es el número de hijos posibles: 0,1,2,3,4…
Variables continuas: Cuando admiten una modalidad
intermedia entre 2 cualesquiera de sus modalidades, un
ejemplo es las dimensiones de una pieza maquinada.
Dato: Es cualquier valor (Numero, palabra o símbolo) Es el
registro tomado en forma cualitativa o cualitativa

En resumen:
 Los datos que están organizados en una lista y que tienen
un cierto orden se les conoce como datos agrupados y los
datos que no están organizados se les conocen como
datos sueltos.

Probabilidad y Estadística
2.Presentación y medidas de información
Ejercicio
El estallido del explorador espacial Challenger con sus astronautas en
1986 condujo a efectuar varios estudios para investigar los motivos de
su fracaso al elevarse. La tensión se dirigió rápidamente al
comportamiento de las computadoras. Los datos de las observaciones
de x=tiempo de respuesta (milisegundos) para cada respuesta de prueba
o de despegue real del cohete son los siguientes:

86 61 83 45 70 80
68 67 73 57 70 52
53 75 70 76 75 58
49 40 67 66 69 58
60 72 70 63 78 67
67 61 81 79 76 31
K = Numero de clases o intervalos
K= subjetiva 5 ≤k ≤15 Grafica de Criterio de sturges
K= Criterio de sturges
K=1+3.3222log(n)
n= numero de datos
Ejemplo:
Si n=10 k≈4, n=500 k≈10 n=5000 k≈13

Sustituyendo valor de n del ejerció en

formula:
n=36
K=1+3.222log (36)=6.17 ≈7

La tabla tendrá 7 clases o intervalos

 𝑥𝑚𝑎𝑥 − 𝑥𝑚𝑖𝑛
𝑊=
𝑘

Dónde:
W= Amplitud
xmax= Dato mayor,
xmin= Dato menor

Sustituyendo valores
xmax= Dato mayor,
xmax= Dato menor

𝑥𝑚𝑎𝑥 − 𝑥𝑚𝑖𝑛 84 − 31
𝑊= = = 7.57
𝑘 7
 Clase o Conteo Frecuencia
intervalo absoluta (fi)

1 31-38 l 1
2 39-46 ll 2
3 47-54 lll 3
4 55-62 llll ll 6
5 63-70 llll llll ll 12
6 71-78 llll ll 7
7 79-85 llll 5

Ejemplo:
fi: Un ordenador tuvo un tiempo de respuesta de 31 a 38 ms
2 ordenadores tuvieron un tiempo de respuesta de 39 a 46 ms
 Clase o Conteo Frecuencia Frecuencia Frecuencia
intervalo absoluta (fi) relativa (fr) relativa %
(fr%)
1 31-38 l 1 1/36=0.027 2.7
2 39-46 ll 2 2/36=0.055 5.5
3 47-54 lll 3 3/36=0.083 8.3
4 55-62 llll ll 6 6/36=0.116 16.6
5 63-70 llll llll ll 12 12/36=0.333 33.3
6 71-78 llll ll 7 7/36=0.194 19.4
7 79-85 llll 5 5/36=0.138 13.8

Ejemplo:
fr y fr%: El 0.027 o 2.7% de los ordenadores tuvieron un tiempo de respuesta de 31 a
38 ms
 Clase o Frecuenci Frecuencia
intervalo a absoluta Acumulada
(fi) (fac)

1 31-38 1 1
2 39-46 2 3
3 47-54 3 5
4 55-62 6 12
5 63-70 12 24
6 71-78 7 31
7 79-85 5 36

Ejemplo:
fac: Un ordenador tuvo un tiempo de respuesta menor o igual a 38 ms
3 ordenadores tuvieron un tiempo de respuesta menor o igual a 46 ms
 Clase o Frecuenci Frecuencia Frecuencia Frecuencia
intervalo a absoluta Acumulada Acumulada Acumulada
(fi) (fac) relativa (facr) relativa %
(facr%)
1 31-38 1 1 1/36=0.270 2.7
2 39-46 2 3 3/36=0.083 8.3
3 47-54 3 5 6/36=0.166 16.6
4 55-62 6 12 12/36=0.333 33.3
5 63-70 12 24 24/36=0.666 66.6
6 71-78 7 31 31/34=0.861 86.1
7 79-85 5 36 34/34=1.000 100
Ejemplo:
facr y facr%: El 0.027 o el 27 % de los ordenadores tuvieron un tiempo de respuesta
menor o igual a 38 ms
 Clase o Frecuencia Frecuencia
intervalo absoluta (fi) Complementaria
(fc)

1 31-38 1 36
2 39-46 2 35
3 47-54 3 33
4 55-62 6 30
5 63-70 12 24
6 71-78 7 13
7 79-85 5 5

Ejemplo:
fc: 36 ordenador es tuvieron un tiempo de respuesta mayor o igual a 31 ms
35 ordenador es tuvieron un tiempo de respuesta mayor o igual a 39 ms
 Clase o Frecuencia Frecuencia Frecuencia Frecuencia
intervalo absoluta (fi) Complementaria Complementaria Complementaria
(fc) relativa (fc) relativa % (fcr%)

1 31-38 1 36 1 100%
2 39-46 2 35 0.972 97.2%
3 47-54 3 33 0.916 91.6%
4 55-62 6 30 0.833 83.3%
5 63-70 12 24 0.666 66.6%
6 71-78 7 12 0.333 33.3%
7 79-85 5 5 0.138 13.8%

Ejemplo:
fcr o fcr%: 1.0 ordenadores o el 100% de los ordenadores tuvieron un tiempo de
respuesta mayor o igual a 31 ms
 Clase o Xi Limites Reales
intervalo LRI-LMRS
1 31-38 34.5 30.5-38.5
2 39-46 42.5 38.5-45.5
3 47-54 50.5 46.5-53.5
4 55-62 58.5 54.5-61.5
5 63-70 66 .5 62.5-69.5
6 71-78 74.5 70.5-77.5
7 79-85 82.5 78.5-85.5
31+38 39+46 47+54 55+62
𝑋𝑖 = = 34.5 𝑋𝑖 = = 42.5 𝑋𝑖 = = 50.5 𝑋𝑖 = = 58.5
2 2 2 2
71+78 39+46 47+54
𝑋𝑖 = = 66.5 𝑋𝑖 = = 74.5 𝑋𝑖 = = 82.5
2 2 2
Factor de corrección de continuidad
79 − 78
𝐹. 𝐶. 𝐶 = = 0.5
2
Ejercicio:
a) ¿Cuántos y entre que intervalo de milisegundos aparecen más
ordenadores?
b) ¿Cuántos y entre que intervalo de milisegundos aparecen menos
ordenados?
c) ¿Cuántos y que porcentaje de ordenadores presenta un tiempo de
respuesta menor o igual a 62 ms?
d) ¿Cuántos y que porcentaje de ordenadores presenta un tiempo de
respuesta mayor o igual a 55 ms?
e) ¿Cuántos y que porcentaje de ordenadores presenta un tiempo de
respuesta entre 38.5 y 53.5 ms?
Solución:
a) Entre 62.5 ms y 69.5 ms, y aparecen 12 ordenadores
b) Entre 30.5 ms y 38.5 ms, y aparece un ordenadores
c) 12 o 33.3% de los ordenadores presentan un tiempo de respuesta
menor o igual a 62 ms
d) 30 o 83.3% de los ordenadores presentan un tiempo de respuesta
mayor o igual a 55 ms
e) 5 o 13.8% de los ordenadores tienen un tiempo de respuesta
entre 38.5 y 53.5 ms
Representación gráfica de los datos
Diagrama de barras Histograma

Polígono de frecuencias
Diagrama de sectores
Formas de graficas
 14
12
12

10
Frecuencias

8 7
6
6 5
4 3
2
2 1
0 0
0
26,5 34.5 42.5 50.5 58.5 66.5 74.5 82.5 90.5
Clase o intervalo
 35 33.3
30

Frecuencias relativa %
25
19.4
20 16.6
15 13.8

10 8.3
5.5
5 2.7
0 0
0
26,5

42.5
34.5

50.5
58.5
66.5

82.5
90.5
74.5
Clase o intervalo
Ejercicio ¿Cómo se presenta la distribución del tiempo de respuesta de los
ordenadores?
Solución: Distribución normal
 Diagrama de sectores

31-38
39-46
47-54
55-62
63-70
31-38
71-78
39-46
79-85
47-54
55-62
63-70
71-78
79-85
 Frecuencia acumulada
40

10
15

0
25
30

5
20
35

0
38.5
46.5
54.5
62.5
70.5
Clase o intervalo
78.5
86,5
 120

100
Frecuencia acumulada
80

60

40

20

0
0 38.5 46.5 54.5 62.5 70.5 78.5 86.5
Clase intevalo
 40
35

Frecuencia complementaria
30
25
20
15
10
5
0
38,5 46,5 54,5 62,5 70,5 78,5 86,5
Clase o intervalo
 120

Frecuencia complementaria
100
80
60
40
20
0
38,5 46,5 54,5 62,5 70,5 78,5 86,5
Clase o intervalo

¿Cuantos ordenadores tuvieron un tiempo de respuesta entre 46.5 y 70.5 ms?

33-12=21
66.6-8.3=58.3%
Medidas Descriptivas

A la posibilidad de condensar datos por medio de un solo número

se le conoce como medida descriptiva.
Las medidas descriptivas pueden calcularse a partir de los datos de
una muestra o de una población y estas se conoce como:

1) Medidas de tendencia central: Nos indican el punto medio y

típico de los datos que cabe esperar. Los medidos de tendencia
central conllevan información respecto al valor promedio de un
conjunto de valores.
Las 3 medidas de tendencia central de uso más frecuente son: La
media, la mediana y la moda.
Media (𝑥)ҧ

La media se le conoce como media aritmética y es el promedio

aritmético de los valores.
Formulas:
Para la muestra:
σ 𝑥𝑖
𝑥ҧ =
𝑛
Para la población:
σ 𝑥𝑖
𝜇=
𝑛
Dónde:
Σxi= Sumatoria de todos los datos
n=número de datos
Ejemplo

Determina la media de los siguientes datos:

42, 23, 28, 50, 28, 34, 61, 32, 31, 37

Solución

σ 𝑥𝑖 42 + 23 + 28 + 50 + 28 + 34 + 61 + 32 + 31 + 37
𝑥ҧ = =
𝑛 10

𝑥ҧ = 36.6
Mediana (𝑥)෤
La mediana de un conjunto finito de valores, es aquel que divide al
conjunto en dos partes iguales, de forma que el número de valores
mayores o iguales a la mediana es igual al número de valores menores o
iguales a esta. Para saber cuál será la mediana es necesario:
a) Ordenar los datos ya sea en orden ascendente o descendente.
b) Si el número de datos es impar, la mediana será el dato que se localiza
en el centro.
c) Si el número de datos es par se toman los dos datos centrales y se
divide entre dos.
Ejemplo 1
3,5,4,8,9,3,2,4,5,9,8,5,5,4,4,3,3,4
Solución
Ordenando números: 2,2,3,3,3,3,4,4,4,4,5,5,5,5,8,8,9,9
Identificando mediana: 2,2,3,3,3,3,4,4,4,4,5,5,5,5,8,8,9,9
∴ 𝑥෤ = 4
Ejemplo 2
3,5,4,8,9,3,2,4,5,9,8,5,5,4,4,3,3,4
Solución
Ordenando números: 2,2,3,3,3,3,4,4,4,4,5,5,5,5,8,8,8,8,9,9
Identificando mediana: 2,2,3,3,3,3,4,4,4,4,5,5,5,5,8,8,8,8,9,9
4+5
𝑥෤ = 𝑥෤ = 4.5
2
Moda (𝑥)
ො

Es una medida de tendencia central

que indica el dato que se repite más
veces o frecuentemente para los datos
no agrupados se tiene:

a) Amodal (No hay o no tiene moda)

b) Modal (Tiene 1 sola moda)
c) Bimodal (tiene 2 modas)
d) Polimodal (Tiene 2 o más modas)
Ejemplo
Determinar la moda para cada uno de los siguientes
conjuntos de datos
a) 10,10,10,8,6
b) 2,5,5,6,6,8
c) 1,2,3,4,5
d) 6.2,8.5,8.5,8.5,12.3,12.3,14

Solución
a) 𝑥ො = 10
b) 𝑥ො = 5,6 Bimodal
c) 𝑥=𝜙
ො
d) 𝑥=8.5
ො
Medidas de tendencia central para datos
agrupados

Media (𝑥)ҧ
σ 𝑓𝑖 𝑋𝑖
𝑥ҧ =
𝑛

Dónde:
fi=Frecuencia absoluta
Xi=Marca de clase
Mediana (𝑥)ҧ
𝑛
− 𝑓𝑎𝑐𝑘−1
𝑥෤ = 2 ∗ 𝑊 + 𝐿𝑚𝑜
𝑓𝑖𝑀𝑑

Dónde:
fak-1=Frecuencia acumulada hasta antes de la clase que
contiene a la mediana
fiMd=Frecuencia absoluta de la clase que contiene la
mediana
W=Amplitud
Lmo=Limite real inferior de la clase que contiene a la
mediana
Moda (𝑥)
ො
𝑑1
𝑥ො = 𝐿𝑚𝑜 + ∗𝑊
𝑑1 + 𝑑2
d1=Frecuencia absoluta de la clase que contiene a la
moda menos la frecuencia absoluta de la clase anterior.
d2=Frecuencia absoluta de la clase que contiene a la
moda menos la frecuencia absoluta de la siguiente clase.
Lmo=Límite inferior real de la clase que contiene a la
moda.
W=Amplitud
Ejercicio

Considere los siguientes datos sobre el

tiempo activo de reparación (horas) para
una muestra de 36 receptores de
comunicaciones en aeronaves. Calcule las
medidas de tendencia central

Intervalo fi Xi fi Xi fac LRI-LRS

1 80-129 2 104.5 209 2 79.5-129.5
2 130-179 7 154.5 1081.5 9 129.5-179.5
3 180-229 13 204.5 2658.5 22 179.5-229.5
4 230-279 9 254.5 2290.5 31 229.5-279.5
5 279-329 5 304.5 1522.5 36 279.5-329.5
Solución:

σ 𝑓𝑖 𝑋𝑖 7762 180−179
𝑥ҧ = = = 215.53 𝐹. 𝐶. 𝐶 = = 0.5
𝑛 36 2

𝑛 36
− 𝑓𝑎𝑐𝑘−1 −9
𝑥෤ = 2 ∗ 𝑊 + 𝐿𝑚𝑜 = 2 ∗ 49 + 179.5 = 213.42
𝑓𝑖𝑀𝑑 13

𝑑1 6
𝑥ො = 𝐿𝑚𝑜 + ∗ 𝑊 = 179.5 + ∗ 49 = 208.9
𝑑1 + 𝑑2 6+4
 Ejercicio

Intervalo fi Xi fi Xi fac LRI-LRS

1 31-39 1 34.5 34.5 1 30.5-38.5
2 39-46 2 42.5 85 3 38.5-46.5
3 47-54 3 50.5 151.5 6 46.2-54.5
4 55-62 6 58.5 351 12 54.5-62.5
5 63-70 12 66.5 798 24 62.5-70.5
6 81-78 7 74.5 521.5 31 70.5-78.8
7 79-86 5 82.5 421.2 36 78.5-86.5

Solución:
σ 𝑓𝑖 𝑋𝑖 2439 79−78
𝑥ҧ = = 36 = 215.53 𝐹. 𝐶. 𝐶 = 2 = 0.5
𝑛
𝑛 36
− 𝑓𝑎𝑐 − 12
𝑥෤ = 2 𝑘−1
∗ 𝑊 ∗ 𝐿𝑚𝑜 = 2 ∗ 7 ∗ 62.5 = 66
𝑓𝑖𝑀𝑑 12
𝑑1 6
𝑥ො = 𝐿𝑚𝑜 + ∗ 𝑊 = 62.5 + ∗ 7 = 66.38
𝑑1 + 𝑑2 6+5
2) Medidas de dispersión

Es la medida de una variación o dispersión de los datos con

respecto a una medida de tendencia central (regularmente a
la media aritmética).
Las medidas de dispersión más comunes son las siguientes:
1. Rango (R); Sirve para saber cuál dato es mayor y cual es
menor. Ya que representa el recorrido de un dato y otro se
calculó es R=xmax-xmin
2. Varianza o varianzas: Se define como el cuadrado de la
desviación típica y su cálculo es:

Para muestras (Datos sueltos)

σ 𝑥 − 𝑥ҧ 2
1
𝑠2 =
𝑛−1
σ 𝑥𝑖 𝑓𝑖 2
σ 𝑥𝑖2 𝑓𝑖 −
𝑠2 = 𝑛
𝑛−1

Para población (Datos (sueltos)

σ 𝑥1 − μ 2
2
𝜎 =
𝑁

Para muestras (Datos agrupados)

𝑘 2 𝑓𝑖
σ𝑖=1 𝑥1 − 𝑥ҧ
𝑠2 =
𝑛−1
3. Desviación típica o estándar
Es la diferencia entre la media y un valor individual su cálculo es:
Para datos no agrupados
σ 𝑥1 − 𝑥ҧ 2
𝑠=
𝑛−1
Para la población
σ 𝑥1 − μ 2
𝜎=
𝑁
Para datos agrupados
σ𝑘𝑖=1 𝑥1 − 𝑥ҧ 2 𝑓𝑖
𝑠=
𝑛−1
Coeficiente de variación
Es la variación o desvió que tiene un dato con respecto a la
media en términos relativos o porcentuales, su cálculo es:
𝑠
𝐶. 𝑉. = ∗ 100
𝑥
Ejercicio
Existen diferentes medidas posibles para evaluar el desempeño de las
maquinas entre ellas que cumplan con las medidas establecidas. Los
datos siguientes representan el porcentaje de la meta logrando por 3
máquinas en los últimos 5 días.
a) Calcule las medidas de tendencia central y dispersión para cada
máquina.
b) ¿Cuál es la maquina más constante?
c) ¿Cuál es la maquina más eficiente?
Maquina
A B C
88 76 104
68 88 88
89 90 108
93 86 88
103 79 123
Solución

Media:
440 419 521
𝑥𝐴 = 5 = 88 𝑥𝐵 = = 83.6 𝑥𝐶 = = 104.2
5 5

Mediana:
A: 68,88,89,92,103 B:76,79,86,88,90 C:88,88,104,118,123

Rango:
A: 130-68=35 B: 90-76=14 C: 123-88=35
Varianza (S):
2
(88 − 88)2 +(68 − 88)2 +(89 − 88)2 +(92 − 88)2 +(103 − 88)2
𝑆 𝐴= = 160.5
5−1
2
73 − 83.8 2 + 88 − 83.8 2 + 90 − 83.8 2 + 86 − 83.8 2 + 79 − 83.8 2
𝑆 𝐵=
4
= 36.5
𝑆2𝐶
104 − 104.2 2 + 88 − 104.2 2 + 118 − 104.2 2 + 88 − 104.2 2 + 79 − 104.2 2
=
4
= 267.2

Desviación estandar (S):

𝑆𝐴 = 160.5 = 12.668
𝑆𝐵 = 36.5 = 6.0415
𝑆𝐶 = 267.2 = 16.4
Coeficiente de variación
12.668 6.0415 16.4
𝐶. 𝑉.𝐴 = = 14.39% 𝐶. 𝑉.𝐵 = = 7.709% 𝐶. 𝑉.𝐶 = = 15.65%
88 83.8 104.2

b) Maquina B. Debido a que es la que tiene rango, varianza, y

coeficiente de variación más pequeño.

c) Maquina C. Por la media, pues al ser la máquina que tiene un

número mayor de magnitud en este dato se indica el numero
promedio de metas logradas, por lo que logro más metas que las
otras dos máquinas, por eso es más eficiente
Ejercicio
Calcular rango, varianza, desviación estándar y coeficiente de
variación del ejercicio del explorador Challenger
Solución

R=xmax-xmin=86-31
R=55

2354
𝑥ҧ = = 65.38
36
σ𝑘
𝑖=0(𝑿𝒊 − 𝒙)𝒇𝒊
𝑠2 =
𝑛−1

𝑠 2 =143.48 S=11.96 C.V.=18.3%

 Ejercicio
Calcular media, varianza y desviación estándar de la siguiente tabla:

Solución

𝑛 = 5 + 9 + 8 + 6 = 28
෍ 𝑥𝑖 = 1 + 1 + 1 + ⋯ + 2 + ⋯ + 3 + ⋯ + 4 = 5 1 + 9 2 + 8 3 + (6)(4)

2
σ 𝑥𝑖 𝑓𝑖 702
෍ 𝑥𝑖 = 71 σ 𝑥𝑖2 𝑓𝑖 − 1 2
5 + 2 2
9 + 3 2
8 + 4 2
6 −
𝑠2 = 𝑛 = 28
𝑛−1 28 − 1
𝑥ҧ = 2.5

s2=1.07 s=1.03
Ejercicio
Calcular media, mediana, moda, varianza y desviación estándar
de la siguiente tabla:
Solución

σ 𝑓𝑖 𝑋𝑖 3780
𝑥ҧ = = = 75.6
𝑛 50
𝑘 2 𝑓𝑖
σ 𝑖=1 𝑥 1 − 𝑥ҧ 10832.21
𝑠2 = =
𝑛−1 50

s2=221.66
s=14.86
Uso de la calculadora

presionar tecla mode

presionar presionar tecla 1:

tecla 2 Para trabajar con una
variable

Para poner frecuencia::

 Presionar shift+1:
Insertar dados Para acceder a
Presionar tecla AC: funciones estadísticas
Para guardar datos

Elegir la opción
que desee
 Probabilidad y Estadística
3.Probabilidad
Técnicas de conteo o análisis de combinatoria
Para responder las preguntas de cuantas o cual es el
numero podríamos proceder de 2 formas: 1 (enlistar
todas las posibilidades) y 2 (determinar su número sin
enlistarlas). La determinación del número sin enlistar
todas las posibilidades es de lo que se ocupa la teoría
combinatoria mediante reglas o formulas, sin embargo
podemos auxiliarnos con diagramas para tener una idea
del problema. Los diagramas más usuales son los
diagramas de venn euler, árbol y “rayitas”.
Ejercicio, supongamos que una habitación tiene 4 puertas,
llámemelos A, B, C y D que estamos interesados en saber de
cuantas formas podemos entrar por una puerta y salir por
otra ¿cuántas son?
Solución: 4X3=12
Ejercicio

De cuantas formas podemos clasificar una persona a la

cual se le hace una encuesta x en relación: sexo (femenino
y masculino), estado civil (soltera, casada, vuida,
divorciada, unión libre) y estatura (baja, mediana, alta)

Solución: 2x5x3= 30

Ejercicio
Un restaurante ofrece 3 sopa diferente, 4 carnes, 3 postres y 4 tipos de
bebidas ¿De cuantas formas podemos ordenar una comida completa
consistente de una sopa, una carne, un postre y una bebida?
Solución: 3X4x3x4=144
Ejercicio
¿Cuántos número de 5 cifras se puede formar con los dígitos del 0
al 9, que sean múltiplos de 5 y donde no se pueden repetir los
dígitos?
Solución: 6X7X8X9X2=6048
Ejercicio:
Los números hexadecimales se forman usando dieciséis dígitos 0, 1, 2, 3, 4, 5,
6, 7, 8, 9, A, B, C, D, E, F. Se denotan con el subíndice 16. Por ejemplo,
9A2D16 y BC5416 son números hexadecimales
¿Cuantos números hexadecimales comienzan con uno de los dígitos de 3 a B
y terminan con uno de los dígitos de 5 a F y tienen una longitud de 5
dígitos?
Solución: 9X16X16X16X11 = 405 504
Ejercicio
¿Cuantos enteros del 1 a 100 000 contienen exactamente el digito 6 una vez?
Solución: 5x9x9x9x9 = 32805
 PERMUTACIONES
El producto de los n primeros enteros positivo consecutivo es llamado n
factorial o el factorial de n y se denota por n! Si n=0 entonces 0!=1.
n!=n(n-1)(n-2)(n-3)…(3)(2)(1)
Ejemplos:

4!= (4)(3)(2)(1)=24

6! 6∗5∗4∗3!
= = 6 ∗ 5 ∗ 4 = 120
3! 3!

Se utiliza el principio de la multiplicación para las fórmulas que permitan

calcular el número de permutaciones con y sin repetición de n elementos
tomando todos a la vez o parte de ellos cada vez.

Las ordenaciones o permutaciones sin repetición de n

elementos tomados a la vez es n!
𝑃𝑛𝑛 = 𝑛!
Ejercicio
De cuantas formas diferentes se pueden ordenar las letras de la palabra impureza
𝑃𝑛𝑛 = 𝑛!
Sustituyendo valores:
𝑃88 = 8! = 40320
Ejercicio:
En un sombrero desean colarse siete flores de diferentes tipos ¿de cuantas
formas pueden colocarlas?
Solución
P=(n-1)!=(7-1)!=6!=720

Ejercicio
¿De cuantas maneras se pueden colocar dos libros distintos encuaderno en
rojo, cuatro distintos en verde y cinco distintos en azul sobre una estantería
de manera que todos los libros de un mismo color estén juntos?
Solución
𝑃3,3 = 3! = 6
Rojos: 𝑃3,3 = 2! = 2 Verdes: 𝑃3,3 = 4! = 24 Azules: 𝑃3,3 = 5! = 120
6(2*24*120)=34560
Ejercicio
Un grupo de seis personas asisten al cine junto.
a) Dentro del grupo de seis existe una pareja que insiste en sentarse
juntos. ¿De cuantas maneras pueden los seis sentarse juntos en una fila?
b. Dos de las personas no se caen bien y no desean sentarse juntas.
¿Ahora de cuantas maneras pueden sentarse los seis juntos en una fila?

Solución
a)

5!+5!= 120+120= 240

b)

6!-240=720-240= 480
PERMUTACIONES SIN REPETICIÓN

Permutaciones sin repetición de n elementos tomadas de r en r(r-n)

𝑛
𝑛!
𝑃𝑟 = 𝑛 𝑛 − 1 𝑛 − 2 … 𝑛 − 𝑟 + 1 =
𝑛−𝑟 !
De cuantas formas se pueden sentar 6 alumnos en un salón de clase con 25
pupitres
Solución
25!
𝑃625 = = 127512000
25−6 !
PERMUTACIONES CON REPETICIÓN

Permutaciones con repeticiones de n elementos tomados de r en r (r<n,

r>n)
′
𝑃𝑟𝑛 = 𝑛𝑟
De cuantas formas podemos contestar el examen de 10 preguntas de
selección múltiple si en cada pregunta tiene 5 alternativas de respuesta
Solución: 510= 9765625
Las permutaciones de n elementos de los cuales D1 son de un
tipo de D2 de otro tipo de otro tipo donde se denota por:
𝑛!
𝑛𝑝𝐷1𝐷2𝐷3…𝐷 =
𝑘 𝐷1 ! 𝐷2 ! 𝐷3 ! … 𝐷𝑘 !
Ejercicio
¿Cuantas señales diferentes se pueden hacer con 5 banderas
de las cuales 2 son amarillas y 3 son rojas?

Solución
5!
= 10
3! 2!
Ejercicio
a) ¿De cuantas maneras distinguibles se pueden ordenar las
letras de la palabra HULLABALOO cuando se arreglan en orden?
b) ¿Cuantos ordenamientos distinguibles de las letras de
HULLABALOO comienzan con U y terminan con L?
c) ¿Cuantos ordenamientos distinguibles de las letras de
HULLABALOO contienen las dos letras HU al lado del otro en
orden?

Solución
Hay 2 A, 1 B, 1H, 3L, 2O y 1U
10!
a) = 151200
2!1!1!3!2!1!
8!
b) = 5040
2!1!2!2!
9!
c) = 15120
1!2!1!3!2!
 COMBINACIONES
Cuando hablamos de combinaciones el orden no es un factor
que nos interese.
Las combinaciones de n elementos tomados de R en R(R>n),
se denota por
𝑛 𝑛 𝑛!
𝐶𝑟 = =
𝑟 𝑛 − 𝑟 ! 𝑟!
Ejercicio
¿Cuántos helados de 2 sabores diferentes nos puede servir si
tiene el siguiente surtido de sabores: chocolate, vainilla,
pistache, fresa, uva y coco?
Solución
𝑛 𝑛! 6 6!
𝐶𝑟𝑛 = = 𝐶26 = = =15
𝑟 𝑛−𝑟 !𝑟! 2 6−2 !2!
Ejercicio
Determina el número de juegos que pueden celebrarse entre los 18
equipos de futbol de la liga mx si sólo se enfrentan una vez los
equipos.

Solución
n=18 r=2
18 18!
𝐶38 = = = 153
2 18 − 2 ! 2!
Ejercicio
Un segmento de recta AB se divide internamente en siete puntos
¿Cuántos segmentos adicionales se crean?
Solución
n=9 r=2
9!
𝐶9,2 = = 36
9 − 2 ! ∗ 2!
Segmentos adicionales= 36-1 = 35
Ejercicio
Un club está considerando modificar sus estatutos. En una votación de
tanteo inicial sobre el tema, 24 de los 40 miembros del club favoreció el
cambio y 16 no. Se eligió un comité de seis de los miembros de los 40
miembros del club para dedicarse a seguir estudiando la posibilidad.
a) ¿Cuantos comités de seis pueden formarse a partir de los miembros
del club?
b) ¿Cuantos comités pueden formarse que contengan al menos tres
miembros del club que, en el estudio preliminar, favorecieron el cambio
en los estatutos?

Solución

24 16 24 16 24 16 24 16
+ + + = 3223220
3 3 4 2 5 1 6 0
Para las combinaciones con repetición utilizamos la siguiente
formula
𝑛′
𝑛+𝑟−1 !
𝐶𝑟 =
𝑛 − 1 ! 𝑟!

Ejercicio
De cuantas formas podemos seleccionar 3 colores con repetición
de los siguientes colores: rojo, azul, verde y morado:
Solución
Para 3
′ 4+3−1 !
𝐶34 = = 20
4 − 1 ! 3!

Para 2
′ 4+2−1 !
𝐶24 = = 10
4 − 1 ! 2!
 PROBABILIDAD
El origen de la probabilidad se encuentra en el trabajo motivado por los
juegos de azar; del juego de azar surge el principio de la probabilidad
de un evento (posibilidad de que ocurra un evento o resultado).
La teoría de la probabilidad tiene por objeto el análisis matemático de la
noción de azar, donde el tipo de operaciones que se emplean son
combinaciones, permutaciones y otros arreglos.
Esta teoría nos permite medir el riesgo de un error o parámetro
numérico. Sin embargo en la estadística matemática a pesar de definirse
los límites de la probabilidad, la precisión queda dudosa.
La probabilidad puede estudiarse desde 3 puntos de vista:
a) Probabilidad clásica a priori
Se llama así porque supone conocer de ante mano el número
de casos favorables y si un suceso puede ocurrir en a formas y
fallar en b formas, entonces el número de formas posibles en
que puede ocurrir o no ocurrir es a+b
La probabilidad P del que el suceso ocurra se define como el
𝑎
cociente 𝑃 =
𝑎+𝑏
𝑏
La probabilidad de que no ocurra es 𝑞 =
𝑎+𝑏
Certeza de que ocurra
𝑎 𝑏 𝑎+𝑏
𝑝+𝑞 = + = =1
𝑎+𝑏 𝑎+𝑏 𝑎+𝑏
Si q=0, p=1, Si q=1, p=0
b) La probabilidad objetiva o estadística está relacionada
con la clásica sin embargo considera que la probabilidad
de un evento se calcula a “Posteriori”, después de que se
ha realizado un numero grande de experimentos y se tiene
idea del comportamiento estadístico del fenómeno. De
esos resultados se hace un cálculo y se dice “Es probable
que suceda de esa manera”

Lanzamiento…
0.8
Frecuencia Acomulada

0.6
0.4
0.2
0
0 100 200 300 400 500
Número de Lanzamientos
c) La probabilidad subjetiva se indica como un estado
en la mente.
Operaciones con eventos

Unión. La unión de 2 elementos es el conjunto formado por todos

los eventos elementales x, tales que se encuentran en el conjunto
A, en el conjunto B o en ambos.

𝐴⋃𝐵 = 𝑥 𝑥𝜖𝐴 𝑜 𝑥𝜖𝐵

Intersección. La intersección de 2
eventos es el conjunto formado con
todos los eventos elementales x tales
que se encuentran simultáneamente en
a y en b
A⋂B = x xϵA y xϵB

Diferencia. La diferencia entre dos

elementos es el conjunto de todos los
eventos elementales x que se
encuentran en el conjunto a y que no
se encuentran en el conjunto b
A − B = x xϵA y xϵB
Subconjunto y conjunto vacío

Si nombramos con “B” una parte dada de “A” es decir un

subconjunto de A tal que B⊆A Podemos preguntarnos
¿A es elemento de B?
¿B es elemento de B?
¿C es elemento de C?
Y contestaríamos a∈b
Eventos independientes
Son los que ocurren sin que su resultado se vea afectado por la
ocurrencia de otro ejemplo: En los datos; en el primer tiro sacamos
un 5m en el segundo tiro podemos sacar otro 5 y cada vez que se
tira el dado puede salir lo mismo sin que afecte lo que salió antes,
por lo tanto, son eventos independientes.

Eventos mutuamente excluyentes

Son aquellos en los que se puede afirmar que al ocurrir una ya no
puede suceder el otro. La condición que debe darse para que son
eventos A y B sean mutuamente excluyentes es que A⋂B= conjunto
vacío. Ejemplo En un salón de clases se va a elegir a alguno de los
alumnos; el evento a es que salga hombre y el evento B es que salga
mujer
Axiomas de la probabilidad
1. Positividad P(E)≥0, la probabilidad de un evento es positiva con
valores de 0 a1
2. Certidumbre P(S)=1, la probabilidad del espacio es la unidad.
3. Unión (Parar eventos complementarios) P (𝐸𝑖 ⋃𝐸𝑗 )=P (Ei)+P (Ej),
Siendo Ei, Ej mutuamente excluyentes
Probabilidad de eventos complementarios
Sabemos que “A” y “B” son complementarios Si A∩B=Ø y A⋃B=S Además el
axioma 2 de la probabilidad asegura que P(S)=1 de donde podemos resumir
que n(A)= n(S)-n(S)
Dividiendo ambos miembros entre n(S) resulta
𝑛 𝐴 𝑛 𝑠 𝑛 𝐵
= − ; 𝑜 𝑙𝑜 𝑞𝑢𝑒 𝑒𝑠 𝑙𝑜 𝑚𝑖𝑠𝑚𝑜
𝑛 𝑆 𝑛 𝑠 𝑛 𝑠
𝑃 𝐴 =𝑃 𝑆 −𝑃 𝐵
𝑃 𝑆 =𝑃 𝐴 +𝑃 𝐵
1=𝑃 𝐴 +𝑃 𝐵
Por lo tanto: P(A)=1-P (B)
La probabilidad de un evento es igual a la unidad menos la probabilidad de
complemento
Ejercicio
En un grupo de 50 alumnos 12 alumnos reprobaron
cálculo, 10 estadísticas (De los cuales 5 también
reprobaron cálculo y el resto no reprobó el resto de las 2
materias Cuál es la probabilidad de que al escoger un
alumno al azar este:
a) Haya reprobado cálculo
b) que no haya sido reprobado en cálculo
c) Haya reprobado cualquiera de las 2 materias
d) Haya reprobado ambas materias
Solución

12
a)P(CALCULO) = = 0.24 24%
50

12
b)P(CALCULO)’ =1 − = 0.76 𝑜 76%
50

c) P(𝐶𝑎𝑙𝑐𝑢𝑙𝑜 ∪ 𝐸𝑠𝑡𝑎𝑑𝑖𝑠𝑡𝑖𝑐𝑎)=17/50= 0.34 o 34%

d) P(𝐶𝑎𝑙𝑐𝑢𝑙𝑜 ∩ 𝐸𝑠𝑡𝑎𝑑𝑖𝑠𝑡𝑖𝑐𝑎)=5/50=0.1 o 10%

 Multiplicación de probabilidades

De una bolsa de 5 canicas rojas y 5 blancas se extra una

canica, se anotó el color se vuelve a la bolsa y se vuelve
a sacer otra, cual es la probabilidad de sacar 3 canicas
que 2 sean rojas y una sea blanca en este orden?

Solución
5 5 15
𝑃 𝑅𝑅𝐵 = × × = 0.0468 = 4.68 %
20 20 20
5 15
𝑃 𝑅 = 20 = 0.25 = 25% 𝑃 𝐵 = 20=0.75=75%
Ejercicio
Cual es la probabilidad de que en una baraja de 52 cartas
salga una determinada carta
a) trébol
b) Az
c) carta roja
d) carta negra o un az
Solución
13
a) = 0.25 = 25%
52
4
𝑏) = 0.076 = 7.6%
52
26
𝑐) = 0.5 = 50%
52
26 4 2
d)𝑃 𝑛𝑒𝑔𝑟𝑜 ∪ 𝐴𝑠 = 𝑃 𝑛𝑒𝑔𝑟𝑜 + 𝑃 𝐴𝑠 − 𝑃 𝑛𝑒𝑔𝑟𝑜 ∩ 𝐴𝑠 = + − =
52 52 52
28
= 0.53 = 53%
52
Ejercicio
Un cliente de una tienda está por elijar entre 9 bolsas de
papas. Las bolsas de papas son de la mima marca, sin
embargo existen dos sabores diferentes, cuatro bolsas son de
limón y cinco bolsas son de papas adobadas.
a) El cliente desea tomar dos bolas ¿Cuál es la probabilidad
de que se lleve dos bolsas de papas adobadas?
b) Si el cliente decide tomar cuatro bolsas ¿Qué probabilidad
existe de que se lleve todas las bolsas de limón?

Solución
5 4
𝑃= = 0.277
9 8
27.7%
4 3 2 1
𝑃= = 0.0079
9 8 7 6
0.79%
 PROBABILIDAD CONDICIONAL
Si un evento ocurrido anteriormente puede influir sobre un evento
actual, trataremos de considerar de qué manera lo afecta. Sea A y A
dos eventos del espacio de eventos S la probabilidad condicional del
evento B dado que ocurrió el evento A, se denota y calcula por
𝐵 𝑃 𝐴∩𝐵
𝑃 =
𝐴 𝑃 𝐴
Ejemplo
Si se tira un dado ¿Cuál es la probabilidad que en evento B salga un 6
dado que en el evento A, cayó un número par?

1
𝑃(3 ∩ 1) 6 6 1
= = = = 0.33 33%
𝑃(3) 3 6×3 3
6
1
𝐵 𝑃 𝐴∩𝐵 6 1
𝑃 = =𝑃 =6=
𝐴 𝑃 𝐴 𝑃𝐴𝑅 1 3
2
Ejercicio
Se toma un grupo de 20 alumnos. Se cuenta el número de
alumnos que fuman F=8, se cuento el número de alumnos que
usan lentes L=12 y el número de alumnos que fuman y usan lentes
F∩L=6 alumnos. Al elegir a un alumno cualquiera ¿Cuál es la
probabilidad de que?
a) Sea un fumador
b) use lentes
c) ambas
d) De que fue dado de que lleva lentes
Solución
8
a)𝑃 𝐹 = 20 = 40%
12
b)𝑃 𝐿 = 20 = 60%
6
c) 𝑃 F ∩ L = 20 = 30%
3
𝐹 10 1
d) 𝑃 = 3 = 2 = 50%
𝐿
5
DISTRIBUCIÓN DE PROBABILIDAD DISCRETA
Cuando las variables toman valores enteros se trata de variables
discretas se puede hacer una tabla con los puntos muéstrales la
variable aleatoria y se probabilidad. Por ejemplo se tiene un
espacio muestra de cada uno de los resultados posibles de
lanzamiento de un moneda en tres ocasiones

P(x)=f(x)
P(0)=1/8
P(1)=3/8
P(2)=3/8
P(3)=1/8
 DISTRIBUCIÓN BINOMIAL
Un experimento binomial es aquel que tiene dos posibles resultados que se
denominan éxito y fracaso.

Probabilidad del experimento binomial

1. Consiste en n ensayos repetidos.
2. Cada ensayo proporciona un resultado que puede clasificarse como éxito o
fracaso
3. La posibilidad de éxito designado por P, permanece constante de un ensayo
a otro
4. Los ensayos son independientes

Probabilidad y Estadística
4.Distribucines de probabilidad
Si un ensayo binomial puede resultar en un éxito con probabilidad de
Q=1-P, entonces la distribución de probabilidad de la distribución de
probabilidad de la variable aleatoria binomial x, se calcula con
𝑛
b(x, n, p) = 𝑝 𝑝 𝑥 𝑞𝑛−𝑥

La media y la varianza de la distribución binomial son

𝜇 = 𝑛𝑝 𝛾 2 = 𝑛𝑝𝑞
Ejercicio
La probabilidad de que cierta clase de circuito
resista a una prueba de calor dada, es de ¾.
Determine la probabilidad de que resista
exactamente 2 de los siguientes 4 circuito que van
a probar

Solución
𝑛 𝑥 𝑛−𝑥
b(x; n, p) = 𝑝 𝑞 n=4 x=2 p=3/4 q=1/4
𝑥
4 3 2 1 4−2 4! 9 1 27
b(2;4, ¾) = = = = 0.2111
2 4 4 (4−2)!2! 16 16 128

21.11%
Ejercicio
Se conoce que 95% de las piezas
De las piezas producidas por una maquina son
perfectas. Se toma una muestra de 12 piezas al
azar y se desea saber la probabilidad de que
exactamente 9 sean perfectas

Solución
p=0.95
q=0.05
n=12
x=9
12!
b(9, 12, 0.95) = 0.95 9
0.05 12−9
= 220.00007
12−9 !9!
𝜇 = 11.4 𝜎 2 = 0.57 𝜎 = 0.0173 ≈ 1.7%
Ejercicio
Se conoce que el 10% de cierta población es daltónica. Si
se selecciona una muestra de 15 personas al azar de esta
población. Calcule las probabilidades siguientes
a) 4 o menos sean daltónicos
b)5 o más sean daltónicos
c) Entre 3 y 6 inclusive sean daltónicos
Solución
Datos: p= 0.1=1/10 q=0.9=9/10 n=15 x0=0 x1=1 x2=2 x3=3 x4=4

0 15−0 0 15
15 1 9 15! 1 9
𝑏 0,15,0.1 = = = 0.2058
4 10 10 15!0! 10 10
1 15−1 1 14
15 1 9 15! 1 9
𝑏 0,15,0.1 = = = 0.3431
1 10 10 15!0! 10 10
1 15−2 2 13
15 1 9 15! 1 9
𝑏 0,15,0.1 = = = 0.3668
1 10 10 15!0! 10 10
15 1 1 9 15−3 15! 1 3 9 12
𝑏 0,15,0.1 = = = 0.1255
1 10 10 15!0! 10 10
15 1 1 9 15−4 15! 1 4 9 11
𝑏 0,15,0.1 = = = 0.0428
1 10 10 15!0! 10 10
b(0, 15, 0.1) = 0.2058 b(3, 15, 0.1) = 0.1285
b(1, 15, 0.1) = 0.3431 b(4, 15, 0.1) = 0.0428
b(2, 15, 0.1) = 0.2668 b(5, 15, 0.1) = 0.0104
b(3, 15, 0.1) = 0.1285 b(6, 15, 0.1) = 0.0019
b(4, 15, 0.1) = 0.0428 0.1836
0.9870
a) 98.7%
b) 100-98.7= 1.3%
c) 18.36%
Distribución hiperbólica

Se le llama un experimento hiperbólico cuando posee las siguientes

propiedades
1. Una muestra aleatoria de tamaño n se selecciona de N resultado
2. k de los N resultados se puede clasificar como éxitos y N-k como
fracasos
La distribución de probabilidad de la variable hipergeométrica x se denota
y calcula como:
𝑘 𝑁−𝑥
H(x: N, n, k) = 𝑥 𝑛−𝑥
𝑁
𝑛
La media y la variable son:

𝑛𝑘 2 𝑁 − 𝑛 𝑘 𝑘
𝜇= 𝜎 = ∗𝑛 1−
𝑁 𝑁−1 𝑁 𝑁
Ejercicio
Lotes de 40 componentes cada uno se
consideran aceptables si contienen no más de
3 defectuosos, el proceso para muestrear elote
consiste en seleccionar 5 componentes al azar
y rechazar el conjunto si se halla uno
defectuoso ¿Cuál es la probabilidad de que se
encuentre uno exactamente defectuoso en la
muestra si existen 3 defectos en todo el elote.

Solución
Datos: N= 40 n= 5 k= 3 x= 1
3 40−3 3 37 3! 37!

ℎ 𝑥; 𝑁, 𝑛, 𝑘 = 1 40
5−3
= 1 402 3−1 !1! 37−2 !
40! = 30%
5 5 40−5 !5!
𝑛𝑘 5∗3 3 𝑁−𝑛 𝐾 𝐾
𝜇 = = = = 0.325 𝜎 2 = ∗𝑛 1− 𝜎 2 = 0.31 𝜎 = 0.556
𝑁 40 8 𝑁−1 𝑁 𝑁
Ejercicio
En una caja de 10 fusible 2 de ellos esta
defectuosos. Si se examina una muestra
aleatoria de 4 fusibles ¿Cuál es la
probabilidad de encontrar los puntos?
a) Ninguno defectuoso
b) Uno defectuoso
c) uno o menos defectuoso

Solución
(2𝐶0)(8𝐶4)
= 0.33 33.3%
(10𝐶4)
(2𝐶1)(8𝐶3)
= 0.533 53.3%
(10𝐶4)
33.3+53.3= 86.6%
Un experimento de Poisson es el experimento en el cual posee las
siguientes propiedades:

1. EL número de resultado que ocurren en un cierto intervalo de

tiempo o en una región especificada, es independiente de número
que se tiene en cualquier otro intervalo.

2. La posibilidad de que un solo resultado ocurra durante un lapso

muy corto o en una pequeña región es proporcional a la magnitud del
intervalo de tiempo o al tamaño de la región
3.La probabilidad de que ocurra más de un resulta en de lapso o
de que caiga en una pequeña región es despreciable.
La distribución de probabilidad de la variable aleatoria de poisson x,
es:
𝑒 −𝜆 𝑀 𝑥
𝑃 𝑥 ;𝜆 =
𝑥!

λ Es el número promedio de resultados que ocurren en el intervalo

de tiempo dado o región especificada
M La media y la varianza de la distribución de poisson son igual a λ
Ejercicio
El numero promedio de partículas radiactivas que
detecta un contador durante un milisegundo, en un
experimento de laboratorio es de 4 ¿Cuál es la
probabilidad de que se detecten 6 partículas en un
milisegundo dado?

Solución:

𝑒 −𝜆 𝑀 𝑥
𝑃 𝑥 ;𝜆 =
𝑥!
−4 6
𝑒 𝑀 𝑒 ∗ 46
−4
𝑃 6;4 = = = 0.104
6! 6
Ejercicio
Sea x la cantidad de ostras de cierto tipo que cae en una trampa
durante determinante periodo, suponiendo que en promedio las
trampas tendrán 4.5 ostras. Calcule:
a) La probabilidad de que una trampa contenga exactamente 5 ostras.
b) La probabilidad de que la trampa tenga a lo sumo 5 ostras.
c) ¿Cuál sería la probabilidad de que fueran más de 5 ostras?
Solución
4.55
a) P(x;5)= 𝑒 −4.5 ∗ = 0.1708= 17.08%
5!
4.50
b) P(x;0)= 𝑒 −4.5 ∗ = 0.0111 ;
5!
4.5
P(x;1)= 𝑒 −4.5 ∗ =0.0499
5!
4.52
P(x;2)= 𝑒 −4.5 ∗ = 0.1124
5!
4.53
P(x;3)= 𝑒 −4.5 ∗ =0.1687
5!
4.54
P(x;4)= 𝑒 −4.5 ∗ =0.1898
5!
R=0.1708+0.0111+0.0499+0.1124+0.1687+0.1898=0.7026=70.26%
c) 1-0.7026= 0.2974= 29.74%
Ejercicio
Una serie se conecta de tal forma que si una de
ellas falla si el sistema no funcionara. Si dos
lámparas fallan
a) Probabilidad de que la primera que
inspecciona
b) ¿Cuál es la probabilidad de encontrar a dos
que fallan si el sistema no funcionaria. Si se
inspeccionan 4 de ellas?
c) ¿Cuántas lámparas se deben inspeccionar para tener un 75% de probabilidades de
encontrar las 2 lámparas que fallaron
Solución
a) N=8 r=2 n=1 k=1
2 6
2 2 15
h(2; 8, 4, 2) = 8 = = 0.25
70
1
b) N=8 r=2 n=4 k=2
2 6
2 2 15
H(2; 8, 4, 2) = 8 = = 0.2143
70
4
X=2 N-k= 6
N=8 n-x= n-2
n=2 N-n=8-n
k=2
2 6
2 𝑛−2
ℎ 𝑥, 𝑁, 𝑛, 𝑘 = 8 = 0.75
𝑛
2! 6!
0 2! 6− 𝑛−2 ! 𝑛−2 !
ℎ 𝑥, 𝑁, 𝑛, 𝑘 = 8!
8−𝑛 ! 𝑛!
6!
8−𝑛 ! 𝑛−2 ! 6! 8−𝑛 ! 𝑛! 𝑛!
ℎ 𝑥, 𝑁, 𝑛, 𝑘 = 8! = =
8! 8−𝑛 ! 𝑛−2 ! 56 𝑛−2 !
8−𝑛 ! 𝑛!
6! 8−𝑛 ! 𝑛!
ℎ 𝑥, 𝑁, 𝑛, 𝑘 = = 0.75
8! 8−𝑛 ! 𝑛−2 !
𝑛!
ℎ 𝑥, 𝑁, 𝑛, 𝑘 = 56 𝑛−2 ! = 0.75
𝑛!
ℎ 𝑥, 𝑁, 𝑛, 𝑘 = 𝑛−2 ! = 42
𝑛 𝑛−1 𝑛−2
ℎ 𝑥, 𝑁, 𝑛, 𝑘 = = 42
𝑛−2 !
ℎ 𝑥, 𝑁, 𝑛, 𝑘 = 𝑛 𝑛 − 1 = 42 ⇒ 𝑛2 − 𝑛 = 42 ⇒ 𝑛2 − 𝑛 − 42 = 0 ⇒ 𝑛 − 7 𝑛 + 6 = 0
⇒
𝑛=7
Distribución normal estándar

La distribución normal es la distribución de probabilidad continua más

importante en el campo de la estadística
Propiedades
1)El área total bajo la curva es igual a 1
2) La distribución tiene forma de matrícula y es simétrica, se extiende
indefinidamente en ambas direcciones tendiendo al eje horizontal pero sin
tocarlo
3)La distribución tiene una media de cero y una desviación estándar de uno
4) La media divide al área a la mitad, 5 a cada lado
5) Casi toda el área esta entre z=-3 y z=3
 Función de la distribución normal

1 ҧ
1 𝑥−𝜇
−2 𝜎
𝑦=𝑓 𝑥 = 𝑒
𝜎 2𝜋

La fórmula proporciona la probabilidad asociada con el intervalo de

x=a a x=b

𝑏
𝑃 𝑎 ≤ 𝑥 ≤ 𝑏 = න 𝑓 𝑥 𝑑𝑥 = 1
𝑎
 𝑥ҧ − 𝜇
𝑧=
𝜎𝑥ҧ
𝜎𝑥ҧ → 𝐸𝑟𝑟𝑜𝑟 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟
𝜎
𝜎𝑥ҧ = → 𝑃𝑎𝑟𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑖𝑛𝑓𝑖𝑛𝑖𝑡𝑎𝑠
𝑛
𝜎 𝑁−𝑛
𝜎𝑥ҧ = ; 𝑃𝑎𝑟𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑒𝑠𝑓𝑖𝑛𝑖𝑡𝑎𝑠
2 𝑁−1
𝑥 − 𝑥ҧ
𝑧=
𝑆𝑥ҧ
𝑆
𝑆𝑥ҧ =
𝑛
𝑠 𝑁−𝑛
𝑆𝑥ҧ = ∗
𝑛 𝑁−1
Ejercicio: Determine las siguientes probabilidades.

a) P(z>1)
b) P(z<1.26)
c) P(-2<z<2)
d) P(z<-1.16)
e) P(0<2<1.96)
f) P(-2.19<z<0)
g) P(-2.4≤z≤1.25)
h) P(z<-2.5)+P(z>2.5)
Ejercicio a resolver.

Una industria produce chips para una memoria USB con una media de 20 mm
de longitud y una desviación estándar de 0.15 mm. Se considera que dichas
longitudes tienen un comportamiento normal

a) ¿Qué porcentajes de estos chips tendrán longitudes entre 20 y 20.27 mm?

b) ¿entre 20.3 o más?

c) ¿Entre 18 y 19.85mm?

d) Menor a 19.9 mm
Ejercicio a resolver.

Un fabricante de automóvil afirma que el tiempo que necesitan 20 trabajadores

para armar un modelo se distribuye aproximadamente en forma normal con
una media de 32h y una desviación estándar de s=120 minutos.

a)¿Qué porcentaje de los automóviles necesitan entre 32 y 34 para ser

armados.

b) Entre 28.7 o menos horas

c)Entre 29 y 34 horas

d)Entre 28 y 30 horas

e)¿Cuál será el intervalo de tiempo que se tardan el 95 % de las veces?

f) ¿Cuál será el intervalo de tiempo que se tardan el 99% de las veces?

Teorema del Límite central

La distribución muestral de medias muestrales se vuelve normal a medida que

aumenta el tamaño de la muestra.

Descripción de la distribución muestral de medios muestrales:

1. La ubicación del centro (Media) La media de la distribución muestral es
igual a la media de la población.
µx = µi

2. La medida de dispersión que indica cual espaciados están los datos.

(Desviación estándar).

El error estándar de la media (Ɣx) es igual a la

desviación estándar de la población (Ɣ) dividida
entre la raíz cuadrada del tamaño de la muestra y el
teorema del límite central establece que:
3. Una indicación de cómo está distribuida: La distribución de medias
muestrales es normal cuando la población originaria esta distribuida
normalmente, o la distribución de medias muestrales se vuelve
aproximadamente normal (sin importar la forma de la población original)
cuando el tamaño de la muestra sea suficientemente grande.

Ejemplo: Describir la distribución muéstrale de medias muestrales.

Considerando todas las muestras posibles de tamaño 2 que pueden extraerse
de una población que contiene a los números 2, 4 y 6.
Ejercicio:
Ejercicio:
 Probabilidad y Estadística
5.Muestreo

MÉTODOS DE MUESTREO

Muestreo probabilístico

1. Muestreo aleatorio simple: Las características que definen esta

muestra son:
a) Cada miembro de la población tiene la misma probabilidad de ser
seleccionado.
b) En la selección de los miembros de la muestra cada uno de los
elementos de la población, es independiente de los otros.
Ejemplo: Por ejemplo, suponga que se quiere seleccionar una muestra de 20
alumnos del último año de una escuela de nivel medio superior en la cual hay
inscrito 300 alumnos ¿A qué alumnos se elegirían?
Se etiqueta del 001 al 300 y con la tabla de números aleatorios se enumera. Las
tablas de números aleatorios son diferentes.

--> Ir a tabla de números aleatorios

2. Muestreo por conglomerado: El muestreo por conglomerado es de gran
ayuda cuando los estudios son a gran escala. En este caso, los conglomerados
pueden ser ciudades, municipios, manzanas o estados. Otros ejemplos de
conglomerados son: Escuelas, fabricas, clínicas, distritos electorales, etc. Las
unidades pueden tener diferentes números de subunidades y elementos
viviendas, áreas geográficas o personas. Esta muestra es aleatoria porque en
ningún caso el entrevistador decida a quien incluir en la muestra.
3. Muestreo estratificado: En este muestreo las organizaciones encuestadoras
dividen a la población en grupos separados de modo que cada miembro de la
población este en uno y solamente un estrato. Escoge los estratos de manera
que se internamente homogéneas entre los elementos del estrato y
heterogéneas entre cada estrato. Luego toman una muestra aleatoria en cada
uno de los estratos y hacen comparaciones entre ellas (El tamaño de la muestra
en cada estrato es proporcional a la parte que representa de la población).

Por ejemplo: Para obtener una muestra de 40 estudiantes, podría dividirse en 2

estratos: hombres y mujeres, y tomar una muestra aleatoria de 20 de cada uno
(suponiendo que hay igual numero de Hombre y de Mujeres)
4. Muestreo Sistemático: El muestreo sistemático es a menudo más fácil de
llevar a cabo que el muestreo aleatorio y garantiza que la muestra se toma de
toda la población por tanto, la muestra puede ser más representativa. La
desventaja de este muestreo es que se requiere la lista de la población y que
algunas veces puede resultar muy costosa tomar una muestra a lo largo de toda
la población. El cálculo del intervalo de muestreo sistemático es:

Procedimiento :
-Etiquetamos 0001-6540
-Elegimos un numero < 109
-En este caso elegimos 108
-X1 = 108
-X2=108+109=207
X3=207+109=326
Y así sucesivamente hasta 60 …..
5. Muestreo de aceptación: El muestreo de aceptación se define en la norma
ISO 3534-2 como “Muestreo en el cual se toman decisiones para aceptar o no
un lote u otro grupo de productos materiales o servicios con base en resultados
de la muestra.
El muestreo de aceptación por si mismo hace poco por la calidad. El muestreo
de aceptación se da en cualquier relación cliente proveedor, ya que entre
diferentes empresas o en el interior de ellas se requieren este tipo de medidas.
En particular si las características de calidad son variables cualitativas, entonces
un plan simple de muestreo de aceptación está definido por un tamaño de lote
(N). un tamaño de muestra (n) y el numero de aceptación.
Por ejemplo, el plan N=4000, n=100 c=2, significa que de un lote de 4000
unidades, se seleccionan 100 y si entre estas se encuentran 2 o menos piezas
defectuosas, se acepta el lote completo. Pero si se encuentran 3 o mas piezas
defectuosas el lote es rechazado.
MUESTREO NO PROBABILISTICO

1. Muestreo Autoselectivo: Cuando la gente participa y responde

voluntariamente una forma impresa en un periódico, en una
revista o hace una llamada telefónica a un medio de comunicación
como el radio, la televisión o el internet, conforma lo que se llama
una muestra autoselectiva. La gente que toma el cuidado de
responder puede no ser representativa de la población. Por
ejemplo, en las averiguaciones para responder por correo de los
lectores de ciertas revistas se ha encontrado que quienes
participan son quienes se preocupan o se interesan por el tema.
2. Muestreo de juicio: Cuando se tiene una población pequeña
pero heterogenia, investigador inspecciona la totalidad de esta y
selecciona una muestra que considera representativa, es decir,
unidades que a su parecer se acercan al promedio de la población.
Por ejemplo un comprador de uvas que se emplearan para
fabricar vinos puede seleccionar y probar alguna de ellas para
determinar la calidad de todas las uvas. Un muestreo de este tipo
puede dar la mejor estimación que la mayoría de los muestreos
probabilísticos, sobre todo si el experto es realmente bueno para
seleccionar la muestra. Sin embargo no hay manera de cuantificar
esta afirmación
 ESTIMACIÓN POR INTERVALO

Al utilizar intervalos grandes

-La posibilidad de error es menor
-El tiempo y el dinero es mayor al utilizar intervalos pequeños

Al utilizar intervalos pequeños

-Mayor control del parámetro poblacional estimado
-Menor tiempo y dinero

Probabilidad y Estadística
6.Estimación
CÁLCULO DEL INTERVALO DE CONFIANZA
Ejercicio a resolver: Una muestra aleatoria de 625 lámparas incandescentes
tienen un promedio de vida de 950 horas, se sabe que la desviación estándar es
de 125 horas
a) Calcular el intervalo de confianza al 95% para el promedio de población de la
duración
b) Lo mismo del anterior al 99%
Ejercicio a resolver: Un centro escolar tiene una matricula de 600 estudiantes
se toma una muestra aleatoria de 36 estudiantes y se encuentra que en
promedio llegan 17 minutos a clase, una investigación previa había demostrado
que la desviación estándar era de 15 minutos. Determine:

a)Intervalo de confianza del 92% para estimar el promedio poblacional del

tiempo en llagadas tarde

b) Con que intervalo de confianza puede afirmarse que el tiempo promedio de

llagadas tarde esta entre 12 y 22 minutos
INTERVALO PARA DOS MEDIAS

Las cualidades de desgaste de 2 tipos de neumático para automóvil se

compararon mediante muestras probadas en carretera de n1=n2=100
neumáticos de cada tipo. El número de millas hasta el desgaste final se definió
como una cantidad especificada de uso de neumático.
Los resultados de la prueba aparecen en la siguiente tabla.

Estime (µ1 - µ2), la diferencia en millas promedio hasta el desgaste final con un
intervalo de confianza de 99% ¿Hay una diferencia en la calidad de desgaste
promedio para los dos tipos de neumático?
 Probabilidad y Estadística
7.Prueba de hipótesis

PRUEBA DE HIPÓTESIS
La prueba de hipótesis involucra una pareja de hipótesis estadísticas,
tales que la aceptación de una significa el rechazo de la otra. La hipótesis
que al investigador le gustaría establecer se llama hipótesis experimental
o hipótesis alternativa y se denota por H1, mientras que la otra se le llama
hipótesis nula y se denota por H0. Nula significa ninguna (que no tiene
diferencia).
Parejas y tipos de hipótesis

Unidireccional a la izquierda
H0: μ≥25
H1: μ<25
Unidireccional a la derecha
H0: ϓ≤3.2
H1: ϓ>3.2

Bidireccional
H0: P=0.5
H1: P≠0.5
(P-probabilidad ó
proporción poblacional)
TIPOS DE ERRORES EN LA PRUEBA DE HIPÓTESIS
TIPOS DE ERRORES EN LA PRUEBA DE HIPÓTESIS
PRUEBA DE HIPÓTESIS
La prueba de hipótesis involucra una pareja de hipótesis estadísticas, tales que
la aceptación de una significa el rechazo de la otra. La hipótesis que al
investigador le gustaría establecer se llama hipótesis experimental o hipótesis
alternativa y se denota por H1, mientras que la otra se le llama hipótesis nula y
se denota por H0. Nula significa ninguna (que no tiene diferencia).
Parejas y tipos de hipótesis

Unidireccional a la izquierda
H0: μ≥25
H1: μ<25
Ejercicio. Suponga que cierta máquina operada por monedas fue diseñada para
servir en promedio 80 oz de bebida por vaso. Después de un largo periodo de
uso sospechando que está expidiendo menos de 8 oz por vaso. Obteniendo una
muestra aleatoria de 30 vasos y se calcula que en promedio contienen 7.6 oz y
una desviación estándar de .75 oz con un α=0.05, probar hipótesis estadísticas.
Datos:
μ=80 oz
n=30
S=.75 oz
α=0.05
x=7.6 oz

Ho: μ≥8
H1:μ<8
Estadística de prueba
* Cae en rechazar Ho

Con un nivel de insignificancia del 95% se puede declarar que la máquina está
expidiendo 8 Oz (Se acepta H0)
PRUEBA DE HIPÓTESIS PARA DOS MEDIAS
Utilidad. Verificar diferencias entre 2 marcas o 2 diferentes métodos de estudio.
PAREJAS Y TIPOS DE HIPÓTESIS

Bidireccional
H0:μ1=μ2
H1: μ1≠μ2
PRUEBA DE HIPÓTESIS PARA DOS MEDIAS
Unilateral a la derecha
H0: μ=μ2
H1: μ1>μ2
PRUEBA DE HIPÓTESIS PARA DOS MEDIAS
Unilateral por la izquierda
H0: μ1=μ2
H1: μ1<μ2
Cuando n1+n2-2>30, se utiliza “Zt”

Cuando n1+n2-2≤30, utilizamos “t de student”

Cuando se desea obtener información de una pareja de datos que proviene de
1 sola unidad experimental utilizamos
PROBABILIDADES DE LA NORMAL ESTÁNDAR
TABLAS DE t DE STUDENT
 REGRESIÓN LINEAL SIMPLE
1. Suposiciones para la regresión lineal. Los valores de la variable
independiente x son fijos, a x se le llama variable no aleatoria.
2. para cada valor de x hay una subpoblación de valores de y cada
subpoblación de valores de y deben estar normalmente distribuidos.
3. Las varianzas de las subpoblaciones de y deben ser iguales.

4. Las medias de las subpoblaciones de y todas están sobre una recta

(Suposición de linealidad).

ŷ=a+bx…..Ecuación de ajuste o
predicción
a=Ordenada al origen
b=Coeficiente de regresión
Syx=Error estándar
r=Coeficiente de correlación
r2=Coeficiente de determinación

Probabilidad y Estadística
8. Regresión y correlación lineal
x y X2 xy Y2
x1 y1 x 21 x 1y 1 Y2 1
… … … … … σ 𝑦 2 − 𝑏(σ 𝑥𝑦)
… … … … … 𝑆𝑥𝑦 =
xn yn x 2n xn y n y 2n
𝑛−2

෍𝒙 ෍𝑦 ෍ 𝑥2 ෍ 𝑥𝑦 ෍ 𝑦2 σ 𝑥𝑦
𝑟=
σ 𝑥2 + σ 𝑦2
Ejercicio.
Se realizó un estudio para determinar el efecto que tienen las
revoluciones por minuto sobre la cantidad de bits que un lector laser
detecta.

bytes
200
y = 14.643x + 6.3182
150 R² = 0.9926

100

50

0
0 2 4 6 8 10 12 14

bytes Linear (bytes)

෍ XY=10011 − 12 6.5 101.5 = 2094

෍ X2 =650−12∗6.52 = 143

෍ Y2 =154518−12∗101.52 = 30891
σ xy
b = σ =14.64
xy
a=y−bx=6.34
ŷ=6.34+14.64x…Ecuación de Ajuste o
Predicción.
r=0.99
r2=98.01%