PROBABILIDADES

Ing. Daniela Salazar

II Nivel
 Probabilidad

Las probabilidades constituyen una rama de las matemáticas que se ocupa de medir o determinar
cuantitativamente la posibilidad de que un suceso o experimento produzca un determinado resultado.

Por ejemplo, experimentos aleatorios cotidianos son el lanzamiento de una moneda, el lanzamiento
de un dado, extracción de una carta de un mazo de naipes, el estado del clima (lluvia) y la lotería.
CONCEPTO DE PROBABILIDAD
Resultado
Muestral
 Conceptos básicos de probabilidad

Evento aleatorio. Es un acontecimiento que ocurrirá o no, dependiendo del azar.

Espacio muestral. Es el conjunto formado por todos los posibles resultados de un experimento
aleatorio.

Técnicas de conteo. Para determinar el espacio muestral es necesario desarrollar algunas

técnicas de enumeración:
• Factorial de un número.
• Análisis combinatorio
 Propiedades básicas de las
probabilidades

1. Cualquiera que sea el evento aleatorio A, es positiva y menor o igual 1.

0
  ≤ 𝑃 ( 𝐴 )≤ 1

 2. Si son eventos excluyentes entonces,

+….+
 

3. La suma de las probabilidades de un evento y su contrario es igual a 1, por lo

cual la probabilidad del suceso es,

  () tal que   =1
ENFOQUES DE PROBABILIDAD
 P(A) = 4/ 6 =0,67=67%

P (A)= 5/ 6 =
0,83=83% *100 =17%
=40%
Probabilidad Subjetiva

Las probabilidades subjetivas están basadas en las creencias de las personas que efectúan la estimación de
probabilidad. La probabilidad subjetiva se puede definir como la probabilidad asignada a un evento por parte de
un individuo, basada en la evidencia que se tenga disponible.
 VAMOS A TRABAJAR CON
Definición Clásica

Esta definición clásica de probabilidad fue una de las primeras que se

dieron (1900) y se atribuye a Laplace; también se conoce con el nombre
de probabilidad a priori pues, para calcularla, es necesario conocer, antes
de realizar el experimento aleatorio, el espacio muestral y el número de
resultados o sucesos elementales que entran a formar parte del suceso.

  ( 𝐴 )= 𝑁 ú 𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠 𝑑𝑒 𝐴   ( 𝐴 )= 𝑛(𝐴 )

𝑃 𝑃
𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠 𝑁

La aplicación de la definición clásica de probabilidad puede presentar dificultades de aplicación

cuando el espacio muestral es infinito o cuando los posibles resultados de un experimento no
son equiprobables.
 EJEMPLO:

P (A) = casos favorables / casos totales

P (A ) = 3/ 20 = 0,15*100
15%

Cuak es la probabilidad de que una bola sea roja

P(A) = casos favorables/ casos totales
P(A) = 8 / 20 = 0,40 = 40%
Los eventos pueden ser:
En un banco de 52 naipes que están barajados cuál es la probabilidad de obtener lo siguiente

1 corazón rojo

P(A) = 13/52 = 0,25 = 25%

1 nueve rojo
P(A) = 2/52 = 0,0384 = 0,04 = 4%

Hay 50 bolas EN UN A CAJA , AZUL 20, ROJO 15, NARANJA 10, VERDE 5, UNA VEZ QUE LAS CANICAS
SE MEZCLAN, OBTENGA LA PROBABILIDAD DE QUE UNA BOLA SEA:
VERDE p(A) = 5/50 = 0,1 =10%
AZUL p(A) = 20/50 = 0,4 = 40%
AZUL O VERDE =20/50+5/50 = 25/50 = 0,50= 50%
DIFERENTE A ROJA = 50-15 = 35/50 = 0,70=70%
Diferente de naranja = 40/50 = 0,80 = 80%
Se debe cambiar una bujía de un motor de 6 por estar defectuosa, si dos de ellas se encuentran colocadas de tal
manera que resultan ser cambiadas

a) Cuál es la probabilidad de que la bujía defectuosa se encuntre en un sitio difícil de cambio?

P ( c) =2/ 6 =0,33 = 33%

b) Cuál es la probabilidad de que la bujía defectuosa no este en dicho sitio difícil

P (d) = 4/6 = 0,67 = 67%

C) Cuál es la probabilidad de qué el automóvil cargue todo el conjunto de bujías
P (a) = 6/ 6 = 100%
Escoja la respuesta correcta:
REGLAS DE PROBABILIDADES
 Regla de la adición

La regla de la adición o regla de la suma establece que la probabilidad de ocurrencia de cualquier evento
en particular es igual a la suma de las probabilidades individuales, si es que los eventos son mutuamente
excluyentes, es decir, que dos no pueden ocurrir al mismo tiempo.

P(A o B) = P(A) + P(B) si A y B son mutuamente excluyente.

Un nueve o una j

4/52+4/52= 8 /52 = 15%

P(A o B) = P(A) + P(B) − P(A y B) si A y B son no Un as o un cprazon rojo

excluyentes. 4/52+13/52- 1/52
16/52 = 0,31= 31%
Una máquina llena bolsas de plástico con una mezcla de nueces, pasas y frutas deshidratadas. La
mayoría de bolsas contienen un peso correcto, pero debidoa variación en el tamaño de las frutas
deshidratadas un paquete puede tener un peso mayor o menor. Una verificación de 4000 áquetes
llenados el mes pasado indicó.
Peso Evento Nro de paquetes
Menor a 100
Satisfactorio b 3600
Con peso mayor c 300

¿ Cuál es la probabilidad de que un paquete tenga un peso menor o mayor)

100/ 4000+ 300/ 4000 = 400/ 4000 = 0,10= 10%

La probabilidad de que un paquete tenga peso mayor o menor es del 10%

¿Cuál es la probabilidad de que un paquete tenga un peso satisfactorio?

3600/ 4000 = 0,90 =90%

100% -10% = 90%

Ejemplo 1.
Consideré el experimento aleatorio del lanzamiento de una dado normal, ¿Cuál es la probabilidad de
obtener un 2 o 4?
  ( 2 𝑜 4 )= 1 + 1 = 2 =0.33
𝑃
6 6 6
Ejemplo 2.
Considerando la lotería nacional de la Junta de Protección Social para el próximo domingo ¿Cuál
es la probabilidad que número asociado al premio mayor de la lotería, sea un número mayor a 79
o número par?

  0 20/100+50/100-10/100
60/100 = 60%

Ejemplo 3.
Un bolsa contiene 10 bolas numeradas de 1 hasta 10. Las bolas de 1 a 5 son bolas blancas y las
numeradas de 6 hasta 10 son de color rojo. Se selecciona de la bolsa un bola aleatoriamente ¿cuál es
la probabilidad que sea de color blanca o impar?

  ( 5 5 3 7
𝑃 𝑏𝑙𝑎𝑛𝑐𝑎 𝑜𝑖𝑚𝑝𝑎𝑟 )= + − = =0.7
10 10 10 10
Un Chef observo que el 65% de todos sus clientes consume mayonesa,
el 70% consume kétchup, y el 80% consume mayonesa o keptchup,
cuál es la probabilidad de que un cliente seleccionado al azar consuma
las dos salsas a la vez?
P(A o B) = P(A) + P(B) − P(A y B)
Mayonesa P(A) = 65%
80% = 65%+70% - P (A y b)
Ketchup P(B) = 70%
80%-65%-70% = -P(A y B)
Mayonesa o Keptchup P(AoB) -55% = -P ay b
= 80% P(Ay B) = 55%

Mayonesa y Keptchup P (A y
B)
 Ley del producto

La regla de la multiplicación establece que la probabilidad de ocurrencia de dos o más eventos

estadísticamente independientes es igual al producto de sus probabilidades individuales

P (A y B) = P (A B) = P (A) * P (B) ½ * 1/2

si A y B son independientes. Decimos que dos sucesos A y B son independientes entre sí,
cuando la ocurrencia de uno de ellos no modifica la probabilidad del otro.
½ * ½ = ¼=25%
P (A y B) = P (A B) = P (A) P (B|A)
3/10 * 2/9

si A y B son dependientes. Decimos que dos sucesos A y B son dependientes entre sí,
cuando la ocurrencia de uno de ellos modifica la probabilidad del otro.3/10 *2/9 *1/8
16/25*15/24= 40%

P(A)* P(B/A)
 Ejemplo 1.
Considere la canasta con bolas que se presenta. El experimento aleatorio
consiste en seleccionar al azar 3 bolas, ¿Cuál es la probabilidad que
salgan en el orden: roja, azul, blanca?

  ( 𝑅𝐴𝐵 ) = 6 × 5 × 4 = 120 =0.044

𝑃
15 14 13 2730

15 bolas 6 rojas 5 azules 4 blancas

6/15* 5/14*4/13= 4%
Ejemplo 2. 4/15*3/14 = 6%
Una moneda se lanza dos veces, ¿cuál es la probabilidad que las dos veces
salga corona (o cara)?

Cual es al proabilidad de
  ( 𝐶𝐶 ) = 1 × 1 = 1 = 0.25
𝑃
que al lanzar dos dados 2 2 4
sean pares los números
3/6 * 3/6 = 9/36=
25%
 EVENTOS
DEPENDIENTES
E
INDEPENDIENT
ES
EGLA PROBABILIDAD CONDICIONAL
P ( as / roja) =
P (Ay ´b) / p(B)
Pay b (as y roja)
P(B) (roja

2/52 / 26/52 = 0,04 / 0,5

= 0,8 = 80%
 Teorema de Bayes
El teorema de Bayes es un método que se usa en probabilidad el
cual es útil para encontrar una probabilidad condicionada, esto
quiere decir que se calcula la probabilidad de un suceso cuando
ya ha ocurrido otro suceso que afecta la probabilidad del
primer suceso.
Cómo el teorema de Bayes se usa cuando hay múltiples sucesos
que están relacionados, una herramienta que se usa para poder
entender mejor las relaciones que hay entre sucesos son los
diagramas de árbol.
TÉCNICAS DE CONTEO
 OBJETIVO
• Comprender las técnicas combinatorias (permutación, variación
y combinación) y bajo qué circunstancias se aplica cada una.
• Resolver problemas en diversos contextos que justifiquen el
uso de las técnicas combinatorias y de muestreo.

CONTENIDOS
- PERMUTACIONES
- COMBINACIONES
QUE SON LAS TÉCNICAS DE
CONTEO
Las técnicas de conteo son estrategias matemáticas usadas en probabilidad y estadística
que permiten determinar el número total de resultados que pueden haber a partir de
hacer combinaciones dentro de un conjunto o conjuntos de objetos. Este tipo de técnicas
se utilizan cuando es prácticamente imposible o demasiado pesado hacer de forma
manual combinaciones de diferentes elementos y saber cuántas de ellas son posibles.
Este concepto se entenderá de forma más sencilla a través de un ejemplo. Si se
tienen cuatro sillas, una amarilla, una roja, una azul y una verde, ¿cuántas
combinaciones de tres de ellas se pueden hacer ordenadas una al lado de la otra?
Se podría resolver a este problema haciéndolo manualmente, pensando en
combinaciones como azul, rojo y amarillo; azul, amarillo y rojo; rojo, azul y amarillo,
rojo, amarillo y azul… Pero esto puede requerir mucha paciencia y tiempo, y para eso
haríamos uso de las técnicas de conteo, siendo para este caso necesaria una permutación.
PROBABILIDAD Técnicas de Conteo, Introducción

Las técnicas de conteo son aquellas que son usadas para enumerar eventos
difíciles de cuantificar.
Ejemplos en los que definitivamente haremos uso de las técnicas de conteo
serían:
-¿Cuántas comisiones por limpieza del instituto se pueden formar si hay 150
alumnos que desean ayudar en esta tarea y se desea formar comisiones de
ocho alumnos?
-¿Cuántas representaciones de alumnos pueden ser formadas a) si se desea que
estas consten solo de alumnos de Ingeniería Química?, b) se desea que el
presidente sea un químico?, c) se desea que el presidente y tesorero sean
químicos? Para todos los casos, se desea que las representaciones consten de
once alumnos.

WWW.UPTPROBEST.WORDPRESS.COM  PAGE 68
 Técnicas de Conteo, Introducción

¿Cuántas maneras tiene una persona de seleccionar

una lavadora, una batidora y dos licuadoras, si
encuentra en una tienda 8 modelos diferentes de
lavadoras, 5 modelos diferentes de batidoras y 7
modelos diferentes de licuadoras?

Se les denomina técnicas de conteo a: las

combinaciones, permutaciones las que a
continuación se explicarán y hay que destacar que
éstas nos proporcionan la información de todas las
maneras posibles en que ocurre un evento
DIFERENCIA
Para entender lo que son las permutaciones es necesario definir lo que es una
combinación y lo que es una permutación para establecer su diferencia y de esta
manera entender claramente cuando es posible utilizar una combinación y cuando
utilizar una permutación al momento de querer cuantificar los elementos de algún
evento.

COMBINACIÓ: PERMUTACIÓN:

Es todo arreglo de elementos en donde Es todo arreglo de elementos en donde

no nos interesa el lugar o posición que nos interesa el lugar o posición que
ocupa cada uno de los elementos que ocupa cada uno de los elementos que
constituyen dicho arreglo. constituyen dicho arreglo.

Para ver de una manera objetiva la diferencia entre una combinación y una permutación,
plantearemos cierta situación:

WWW.UPTPROBEST.WORDPRESS.COM  PAGE 70
 QUÉ ES EL FACTORIAL
La función factorial es una fórmula matemática representada por el signo de exclamación “!”. En la fórmula
Factorial se deben multiplicar todos los números enteros y positivos que hay entre el número que aparece en
la fórmula y el número 1.

Es muy fácil, aquí tienes un ejemplo:

7! = 1 * 2 * 3 * 4 * 5 * 6 * 7 = 5.040 5! = 1*2*3*4*5= 120 3!=1*2*3= 6
En esta fórmula el número 7 se llamaría 7 factorial o factorial de 7 y multiplicaremos todos los números que
aparecen en la fórmula hasta llegar al 1.

Si a estas alturas estás a punto de tirar la toalla te confesaré que en tu calculadora aparece un
botón que calculará la el factorial del número que quieras automáticamente. Debes buscar una
tecla parecida a “x!” o “n!”.
Realizar con la calculadora los siguientes ejemplos: 5!, 3!, 2!, 10!

El factorial de 0 siempre es uno

Nro
Nro
Tota
Total
l
De
De
arreglos
ele
mto
6P3 = 120

7P5=2520

6P4= 360 6P4-5P3= 300

 32C1 * 31C2 * 29C3 = 54371520

¿Cuántas placas diferentes de autos se pueden formar con 3 letras seguidas de 4 dígitos del 0 al 9?
6C4 = 15

¿Cuántas placas diferentes de autos se pueden formar con 3 letras seguidas de 4 dígitos del 0 al 9?

7C3 * 3 C2 = 105
27P 3 * 10P4 = 8845200
No o y el 0 = 26P3 * 9P4 = 47174400
No palabra sex = (27P3)-1 * 10P4 = (17550-1)*5040=
17549*5040= 88446960
No sex no O no 0 = (26P3)-1 * 9P4
COMBINACIÓN= NO SE REPITE A B - BA
VERDE, AMARILLO VIOLETA =VIOLETA
AMARILLO VERDE
A un departamento de mercadeo le han solicitado que diseñe códigos de color para
42 líneas de discos que se vende, se deben utilizar tres colores en cada línea pro una
combinación de tres colores empleados en una de ella no puede reordenarse y ser
utilziada en otro disco, Esto significa que si se usa verde, amarillo y violeta, no se
puede usar para otros disco, violeta, verde y amarillo. ¿Serán adecuados siete colores
tomados de tres en tres para codficiar a 42 líneas?
7 C 3 = 35 cobinaciones

No avanzan los 7 colores

Distribuciones Probabilísticas
La distribución de probabilidad de una variable aleatoria es una función que asigna a cada suceso
definido sobre la variable aleatoria la probabilidad de que dicho suceso ocurra.
Distribución de probabilidad discreta

Una distribución discreta describe la probabilidad de ocurrencia de cada

valor de una variable aleatoria discreta. Una variable aleatoria discreta es
una variable aleatoria que tiene valores contables, tales como una lista de
enteros no negativos.

Con una distribución de probabilidad discreta, cada valor posible de la variable aleatoria discreta puede estar
asociado con una probabilidad distinta de cero. Por lo tanto, una distribución de probabilidad discreta suele
representarse en forma tabular.
Distribución de Probabilidad Binomial

Una variable discreta tiene distribución binomial cuando cumple con las siguientes condiciones:

 
1. El experimento consta de ensayos o pruebas idénticas.
2. Cada ensayo puede tener uno de dos resultados. Un resultado se llama “éxito”, y al otro,
“fracaso”.
3. La probabilidad de un éxito en un ensayo es igual a y permanece constante de uno a otro
ensayo. La probabilidad de un fracaso es .
4. Los ensayos son estadísticamente independientes.
5. Interesa conocer , el número de éxitos observados en pruebas.
Nro total de ensayos
  𝑛! 𝜎  =√ 𝑛𝑝𝑞
𝑓 ( 𝑥 )=
(
𝑥 !(𝑛 − 𝑥 ) ! )
𝑥 𝑛−𝑥
𝑝 𝑞 𝑥=0,1 , ⋯ ,𝑛

Probabilidad de  𝜇=𝑛𝑝
Números éxito Probabilidad de
de éxitos fracaso
Como se sabe la respuesta a una preguntas de verdadero o falso es correcta e incorrecta, si en un examen
Consiste en 4 preguntas de verdadero y falso y un estudiante no sabe nada acerca de la materia, la posibilidad de que el
alumno adivine la respuesta correcta a al primera pregunta es 0,50, asi mimso la probabilidad de acertar a las preguntas
siguientes es 0,50. ¿ Cuál es al probabilidad de
1) No obtener ninguna de las 4 en forma correcta
2) Obtener exactamente una de las 4

  4!
 
𝑓 ( 𝑥 )=
(𝑛!
𝑥 !(𝑛 − 𝑥 ) !
𝑝 𝑞
)
𝑥 𝑛−𝑥
¿
𝑓 ( 0 )=
(
0 ! ( 4 −0 ) ! ) 0
0,50 0,50
4−0
¿

  4!
𝑓 ( 0 )=
(
0 ! ( 4 −0 ) ! ) 0
0,50 0,50
4−0
¿

F(0) = 1*1*0,06
F(0) = 0,06 = 6%

𝑓  ( 1 ) =( 4 𝐶 1 ) 0,501 0,50 4 −1 ¿

𝑓  ( 1 ) =4 ∗ 0,50 ∗0,13=¿ 0,26=26 % 

  * 0,25 = 0,38 = 38%

  * 0,50= 0,25 = 25%

  * 1= 0,06= 6%

 
Número de respuestas Probabilidad
correctas U= 4* 0,50 = 2
0 6%
1 25%
𝜎  =√ 𝑛 ∗ 𝑝 ∗ 𝑞
2 38%  𝜎 = √ ( 4 ∗ 0,50∗ 0,50)=1
3 25%
4 6%
100%
 Ejemplo 1. Un agente de seguros vende pólizas a 15 personas de la misma edad y que disfrutan de
buena salud. Según las tablas actuales, la probabilidad de que una persona en estas condiciones viva 30
años o más es 0.90. ¿Calcular la probabilidad que transcurridos 30 años vivan 10 personas?
  =
3003*0,35*0,00001 = 0,01 = 1%
  𝑛!
(
𝑓 ( 𝑥 )=
𝑥 !(𝑛 − 𝑥 ) !) 𝑥 𝑛− 𝑥
𝑝 𝑞 ¿

Ejemplo 2. Un examen consta de 6 preguntas con 4 posibles respuestas cada una, de las que sólo una de
ellas es correcta. Un estudiante que no había estudiado la materia decide responder al azar marcando las
respuestas aleatoriamente. ¿Cuál es probabilidad que acierte 3 preguntas?

  =
20 *0,02*0,42 = 0,17 = 17%
 2 4−2
  𝑓 ( 2 )=( 4 𝐶 2 ) 0,80 0,20 ¿
6 ∗ 0,64 ∗0,04=0,15=15 %

P (X < 2) = P(0)+p(1)+P(2)
0,002+0,03+0,15 = 0,18=18%
 
1*1*0,002 =0,002= 0,2%

4*0,80*0,008=
0,03
La probabilidad de que máximo 2 personas lean la
Revista es del 18%
   3 5−3
𝑓 ( 3 )=( 5𝐶 3 ) 2/3 1/3 =10∗0,3∗0,11=0,33=33
(𝑓 4 ) =( 5𝐶4 ) 2/34 1/35− 4=4∗0,20∗0,33=0,26
 
¿ %
¿
P(3)+p(4)+P(5) = 0,33+0,26+0,13 =0,72=72%

La probabilidad de que al menos tres personas vivan treinta años

Es 72%

5 5 −5
  𝑓 ( 5 ) =( 5𝐶 5 ) 2/ 3 1 /3 ¿ 2 5 −2
¿ 1∗ 0,13 ∗1=0,13=13 %   𝑓 ( 2 )=( 5 𝐶 2 ) 2 /3 1/ 3
¿ 10 ∗0,44 ∗ 0,04=0,18=18 %
3.21 La probabilidad de que un experimento de laboratorio tenga un resultado exitoso es
0,30. ¿Cuál es la probabilidad que en 4 ensayos del experimento al menos tres resultados
sean positivos?

Problema 3.17. El 80% de los químicos determinan en forma correcta el porcentaje de calcio en
cierto compuesto químico. Se pide a 12 químicos seleccionados aleatoriamente que determinen
el porcentaje de calcio del compuesto. ¿Cuál es la probabilidad de que entre 6 y 10 de los
químicos calculen el verdadero contenido de calcio?
La probabilidad de éxito es
menor que 0,05
Distribución de Poisson

Es una distribución de probabilidad discreta que expresa, a partir de una frecuencia de ocurrencia
media, la probabilidad de que ocurra un determinado número de eventos durante cierto período de
tiempo (espacio o volumen).

  𝑈 𝑥 𝑒− 𝑈 :  el número promedio de eventos aleatorios que

𝑓 ( 𝑥 )=
𝑥! ocurren en período de tiempo.

Ejemplo 1. Los camiones llegan a una empresa de transporte con un tiempo medio entre llegadas de
6 minutos. ¿Cuál es la probabilidad de que no llegue ningún camión durante un intervalo de treinta
minutos?

U   =0.002479
 
Ejemplo 1. Si un banco recibe en promedio 6 cheques sin fondo
por día, ¿cuáles son las probabilidades de que reciba, a) cuatro  
cheques sin fondo en un día dado, b) 10 cheques sin fondos en
cualquiera de dos días consecutivos? 
= 0,13 =13%

0,10 = 10%
En un libro de 500 páginas los errores se distribuyen aleatoriamente con un promedio de 300 erroers de imprenta.
Hallar la probabilidad de que un página exitan menos de dos errores, el promedio se obtiene al dividir los erroes aleatoriso
De 300 para el número de páginas de 500 es decir el promedio por hoja de errores es 0,60.

= 0,55 / 1 = 0,55
55% P < 2 = P(0)+ P(1)
= 0,55 +0,33
= 0,88
= 88%
 
La probabilidad de que exista menos de dos errores de imprenta por hoja
Es del 88%
= 0,33 / 1 = 0,33
33%
El número de llamadas teléfonicas que llega a una central telfónica es mdoelado frecuentemenet como una variable
De poisson asumiendo que en promedio hay 10 llamadas por hora ¿Cuál es la probabilidad de quehaya exactamente
5 llamadas en una hora

F(5) = 4,54/ 120

= 0,04 =4%

¿Cuál es la probabilidad de que haya exactamente

5 llamadas en una media hora

  55 𝑒− 5
𝑓 ( 5 )=
5!

0,02
𝑓  ( 5 )=
120
¿ 0,0016=0,16 % 
 Distribución Normal Estándar

 
Puesto que existen muchas combinaciones de y , se tienen un número infinito de distribuciones de
probabilidad normales. Un método de solucionar el problema es la estandarización los datos con el fin de
obtener la distribución normal estándar.
PROBABILIDADES Y ÁREAS
BAJO LA CURVA NORMAL
Ver video 1 que es distribución normal
https://www.youtube.com/watch?v=phY8Z9-TXCY
Ver instrucciones de cálculo:
Para calcular áreas bajo la curva normal es necesario estandarizar y usar la tabla z:
 ESTANDARIZACIÓN

Se debe considerar que el área bajo la curva siempre es igual a 100% de la probabilidad, con ello se
estandarizacualquier curva, es decir, cualquier conjunto de valores se puede definir con este
criterio.Bajo esta consideración se puede utilizar la media como punto de referencia y la desviación
estándar como una medida de la desviación de dicho punto de referencia, y con este criterio se puede
reordenar cualquier distribución normal para ser expresada en una forma estandarizada.
Cuando se toma este criterio de estandarización, cualquier valor real puede ser transformado en su
equivalente medido en términos de su desviación estándar y con esto se genera una escala que se conoce
como escala z, que se calcula aplicando la siguiente fórmula:
EJEMPLO
Considerando una media de 100 (u) y una desviación estándar (s) de 10,
estandarice los valores observados:

Z= 110-100/10
Z=1
Z= 70-100/10
Z= -3
Z= 85-100/10
Z= -1,5
EJERCICIOS:
Con una media de 70 y una desviación estándar de 5, estandarice los siguientes
valores:
80
90
60
50
 TABLA Z
Para saber el porcentaje que corresponde a la curva se deberá usar la tabla z el valor obtenido se
buscará en la tabla, y el valor resultado de la intersección en los horizontal y vertical es el valor
que se busca en la curva.
Ejemplo si z=1,50
Buscar en la parte vertical los números enteros es decir 1,5 y en la parte horizontal el último
número en este caso 0, con cuyo valor trabajaremos para la curva, que es de 0,4332
Si z=1,25, el valor en la tabla seria 0,3944, resultante de buscar 1,2 en lo vertical y 0,05 en lo
horizontal.

Ver el video y reescribir los ejercicios en una hoja:

https://www.youtube.com/watch?v=1yJ19xJcjAQ
 No te olvides de ver el video, de los diferentes casos y sobre todo graficar, para
ubicar más fácil él área.

Se realiza un estudio sobre sueldos de Gerentes, la media es de $1000, y la

desviación estándar de 100, hallar la probabilidad de que:

A) Un gerente gane entre 790 y 1000

B) Que gane entre 840 y 1200
C) Que gane más de 1245
D) Que gane entre 1150 y 1250
E) Que sea menor de 790
OTRAS DISTRIBUCIONES
CONTÍNUAS: T STUDENT