Apuntes Utf8modif

Indice general
1. MATRICES 4
1.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2. Matrices. Denicion y primeros ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3. Tipos de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.4. Aplicaciones de las matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.5. Operaciones con matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.5.1. Suma y diferencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.5.2. Producto por un n umero real . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.5.3. Trasposicion de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.5.4. Producto de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.6. La matriz inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.6.1. Metodo directo: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.6.2. Metodo de Gauss-Jordan: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.7. Rango de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.8. EJERCICIOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2. PROGRAMACI
ON LINEAL 23
2.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.2. Inecuaciones lineales con 2 variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.3. Sistemas de inecuaciones lineales con dos variables . . . . . . . . . . . . . . . . . . . . 24
2.4. Problemas de optimizacion de una funcion sujeta a restricciones . . . . . . . . . . . . . 26
2.4.1. Forma geometrica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.4.2. Forma algebraica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.5. Algunos ejemplos de casos extremos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.6. Aplicacion a problemas concretos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.7. El problema del transporte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.8. EJERCICIOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3. L
IMITES Y CONTINUIDAD DE FUNCIONES 41

3.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.2. Tipos de lmites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.3. Calculo de lmites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.3.1. Lmites en el innito . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.3.2. Lmites en puntos nitos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.3.3. Lmites potenciales. Indeterminacion 1
. . . . . . . . . . . . . . . . . . . . . . 48
3.4. Asntotas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.4.1. Asntotas verticales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.4.2. Asntotas horizontales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
1 www.academiahelice.com
Tlf. 955 22 42 50
INDICE GENERAL
3.4.3. Asntotas Oblicuas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.5. Continuidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
3.6. Tipos de discontinuidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
3.7. EJERCICIOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
4. DIFERENCIABILIDAD DE FUNCIONES. OPTIMIZACI
ON 62
4.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
4.2. Introduccion al concepto de derivada. Tasas de variacion media e instantanea. . . . . . 62
4.3. Denicion de derivada. Reglas de derivacion. Interpretacion geometrica . . . . . . . . . 64
4.3.1. Propiedades de las derivadas. Reglas de derivacion . . . . . . . . . . . . . . . . 65
4.3.2. Derivadas elementales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.3.3. Interpretacion geometrica de la derivada . . . . . . . . . . . . . . . . . . . . . . 67
4.4. Aplicaciones de las derivadas a la Fsica y la Economa . . . . . . . . . . . . . . . . . . 69
4.4.1. Aplicacion a la Fsica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
4.4.2. Aplicacion a la Economa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
4.5. Derivabilidad y continuidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
4.6. Aplicaciones de las derivadas al calculo del crecimiento y decrecimiento de una funcion.
Calculo de extremos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
4.7. Aplicaciones de las derivadas al calculo de la concavidad y la convexidad, puntos de
inexion. Criterio para determinar maximos y mnimos. . . . . . . . . . . . . . . . . . 76
4.8. Representacion graca de funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
4.9. Optimizacion de funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
4.10. EJERCICIOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
5. PROBABILIDAD 87
5.1. Experimentos aleatorios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
5.2. Deniciones basicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
5.3. Operaciones con sucesos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
5.4. Asignacion de probabilidades. Regla de Laplace . . . . . . . . . . . . . . . . . . . . . . 93
5.5. Probabilidad condicionada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
5.6. Sucesos independientes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
5.7. Experimentos compuestos. Teorema de la probabilidad total. . . . . . . . . . . . . . . 99
5.8. Tablas de contingencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
5.9. El teorema de Bayes. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
5.10. EJERCICIOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
6. DISTRIBUCI
ON BINOMIAL Y DISTRIBUCI
ON NORMAL 110
6.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
6.2. La distribucion binomial o de Bernoulli . . . . . . . . . . . . . . . . . . . . . . . . . . 110
6.2.1. El uso de las tablas de la distribucion binomial . . . . . . . . . . . . . . . . . . 112
6.2.2. Probabilidades acumuladas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
6.2.3. Media y desviacion tpica en una distribucion binomial . . . . . . . . . . . . . . 113
6.3. La distribucion Normal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
6.3.1. Uso de las tablas de la distribucion normal N(0;1) . . . . . . . . . . . . . . . . 116
6.3.2. Calculo de otras probabilidades . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
6.3.3. Calculo de probabilidades en normales N(x; ) . . . . . . . . . . . . . . . . . . 118
6.3.4. Otro uso de las tablas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
6.4. Relacion entre la distribucion binomial y la distribucion normal . . . . . . . . . . . . . 121
6.5. EJERCICIOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
Tlf. 955 22 42 50
INDICE GENERAL
7. INFERENCIA ESTAD
ISTICA 128
7.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
7.2. Muestreos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
7.3. Estimacion por puntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
7.4. Distribucion muestral de medias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
7.5. Distribucion muestral de proporciones . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
7.6. Intervalos de probabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
7.6.1. Intervalo de probabilidad para la media muestral x . . . . . . . . . . . . . . . . 135
7.6.2. Intervalo de probabilidad para la proporcion muestral p . . . . . . . . . . . . . 136
7.7. Estimacion por intervalos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
7.7.1. Estimacion de la media de una poblacion . . . . . . . . . . . . . . . . . . . . 137
7.7.2. Estimacion de una proporcion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
7.8. EJERCICIOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
8. TEST DE HIP
OTESIS 144
8.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
8.2. Hipotesis estadsticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
8.3. Errores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
8.4. Region crtica y region de aceptacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
8.5. Etapas de la prueba de hipotesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
8.6. EJERCICIOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
Tlf. 955 22 42 50
Captulo 1
MATRICES
1.1. Introducci on
Las matrices son herramientas del algebra que facilitan el ordenamiento de datos, as como su
manejo.
Los conceptos de matriz y todos los relacionados fueron desarrollados basicamente en el siglo XIX
por matematicos como los ingleses J.J. Sylvester y Arthur Cayley y el irlandes William Hamilton.
Las matrices se encuentran en aquellos ambitos en los que se trabaja con datos regularmente
ordenados y aparecen en situaciones propias de las Ciencias Sociales , Economicas y Biologicas.
1.2. Matrices. Denici on y primeros ejemplos
Una matriz es una tabla rectangular de n umeros reales dispuestos en las y columnas del modo:
A =
_
_
_
_
_
a
11
a
12
a
13
. . . a
1n
a
21
a
22
a
23
. . . a
2n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
m3
. . . a
mn
_
_
_
_
_
. .
Columnas de la matriz A
_
Filas de la matriz A
Abreviadamente se puede expresar A = (a
ij
). Cada elemento de la matriz lleva dos subndices. El
primero de ellos i, indica la la en la que se encuentra el elemento, y el segundo, j, la columna.
As el elemento a
23
esta en la la 2 y columna 3. Las matrices siempre se representaran con letras
may usculas.
Ejemplos: Son ejemplos de matrices los siguientes:
A =
_
2 1
3 4
_
B =
_
6 4 0
1 2 1
_
C =
_
_
_
_
3 1 0
2 4 0
1
1
5
2
1 0 0
_
_
_
_
A tiene 2 las y 2 columnas, diremos que su tama no es 2 x 2.Que elemento es a
21
?.
B tiene 2 las y 3 columnas, diremos que su tama no es 2 x 3.Que elemento es b
23
?.
C tiene 4 las y 3 columnas, diremos que su tama no es 4 x 3.Que elemento es c
42
?.
En general, si una matriz A tiene m las y n columnas, diremos que su tama no o dimension es m
x n (se lee m por n), siempre en primer lugar el n
o
de las y en segundo lugar el de columnas.
Tlf. 955 22 42 50
CAP
ITULO 1. MATRICES
1.3. Tipos de matrices
1. Se llama matriz nula a la que tiene todos los elementos cero.
Por ejemplo,
A =
_
0 0 0 0 0
0 0 0 0 0
_
es una matriz nula de tama no 2x5.
2. Se llama matriz la a la que solo tiene una la, es decir su dimension es 1x n.
Por ejemplo,
_
1 0 4 9
_
es una matriz la de tama no 1 x 4.
3. Se llama matriz columna a la que s olo consta de una columna, es decir su dimension sera m x
1, como por ejemplo:
C =
_
_
1
0
8
_
_
es una matriz columna de tama no 3 x 1.
4. Una matriz es cuadrada cuando tiene el mismo n umero de las que de columnas, es decir su
dimension es n x n. La matriz (
2 1
3 4
) del primer ejemplo anterior es cuadrada de tama no 2 x 2 o
simplemente de orden 2.
Otro ejemplo de matriz cuadrada es:
D =
_
_
1 2 3
6 5 4
3 4 0
_
_
de orden 3.
Dentro de las matrices cuadradas llamaremos diagonal principal a la formada por los elementos
a
11
, a
22
, a
33
, . . . , a
nn
, siendo la matriz:
A =
_
_
_
_
_
a
11
a
12
a
13
. . . a
1n
a
21
a
22
a
23
. . . a
2n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
n3
. . . a
nn
_
_
_
_
_
En la matriz D del ejemplo anterior, su diagonal principal estara formada por 1, 5, 0.
Se llama traza de la matriz a la suma de los elementos de la diagonal. Es decir, Traza (A)=a
11
+
a
22
+a
33
+. . . +a
nn
, y en el caso de D, Traza (D)= 1+5+0 = 6.
La diagonal secundaria es la formada por los elementos a
1n
, a
2,n1
, a
3,n2
, . . . , a
n1
.
En la matriz D estara formada por 3, 5, -3.
Una clase especial de matrices cuadradas son las matrices triangulares.
Una matriz es triangular superior si todos los elementos por debajo de la diagonal principal son
nulos y triangular inferior si son nulos todos los elementos situados por encima de dicha diagonal.
Tlf. 955 22 42 50
CAP
ITULO 1. MATRICES
Son ejemplos de estas matrices:
E =
_
_
_
_
1 0 0 0
0 4 0 0
3 4 5 0
1 3 16 78
_
_
_
_
Triangular inferior
F =
_
_
1 4
1
3
0 9 5
0 0
_
_
Triangular superior
Si una matriz es a la vez triangular superior e inferior, solo tiene elementos en la diagonal principal.
Una matriz de este tipo se denomina matriz diagonal.
Un ejemplo de matriz diagonal sera:
G =
_
_
_
_
1 0 0 0
0 45 0 0
0 0 3 0
0 0 0 0
_
_
_
_
Por ultimo, si una matriz diagonal tiene en su diagonal principal solo unos, se denomina matriz unidad
o identidad. Se suelen representar por I
n
, donde n es el orden o tama no de la matriz. Algunas matrices
identidad son:
I
2
=
_
1 0
0 1
_
I
3
=
_
_
1 0 0
0 1 0
0 0 1
_
_
I
4
=
_
_
_
_
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
_
_
_
_
1.4. Aplicaciones de las matrices
Las matrices se utilizan en el contexto de las ciencias como elementos que sirven para clasicar
valores numericos atendiendo a dos criterios o variables.
Ejemplo: Un importador de globos los importa de dos colores, naranja (N) y fresa (F). Todos
ellos se envasan en paquetes de 2, 5 y 10 unidades, que se venden al precio (en euros) indicado por la
tabla siguiente:
2 unid. 5 unid. 10 unid.
Color N 004 008 012
Color F 003 005 008
Sabiendo que en un a no se venden el siguiente n umero de paquetes:
Color N Color F
2 unid. 700000 50000
5 unid. 600000 40000
10 unid. 500000 500000
Resumir la informacion anterior en 2 matrices A y B, de tama no respectivo 2x3 y 3x2 que recojan las
ventas en un a no (A) y los precios (B).
Nos piden que organicemos la informacion anterior en dos matrices de tama no concreto. Si nos jamos
en las tablas, es sencillo obtener las matrices:
A =
2 ud 5 ud 10 ud
_
700000 600000 500000
50000 40000 500000
_
N
F
B =
N F
_
_
0
04 0
03
0
08 0
05
0
12 0
08
_
_
2 ud
5 ud
10 ud
Tlf. 955 22 42 50
CAP
ITULO 1. MATRICES
Estas matrices se denominan matrices de informacion, y simplemente recogen los datos numericos del
problema en cuestion.
Otras matrices son las llamadas matrices de relacion, que indican si ciertos elementos estan o no
relacionados entre s. En general, la existencia de relacion se expresa con un 1 en la matriz y la ausencia
de dicha relacion de expresa con un 0.
Estas matrices se utilizan cuando queremos trasladar la informacion dada por un grafo y expresarla
numericamente.
En Matematicas, un grafo es una coleccion cualquiera de puntos conectados por lineas.
Existen muchos tipos de grafos. Entre ellos, podemos destacar:
* Grafo simple: Es el grafo que no contiene ciclos, es decir, lineas que unan un punto consigo
mismo, ni lineas paralelas, es decir, lineas que conectan el mismo par de puntos.
* Grafo dirigido: Es el grafo que indica un sentido de recorrido de cada linea, mediante una echa.
Estos tipos de grafo pueden verse en la gura:
Figura 1.1: Grafo, Grafo simple y Grafo dirigido.
Relacionadas con los grafos se pueden denir algunas matrices. Entre todas ellas, nosotros nos
jaremos en la llamada matriz de adyacencia, que es aquella formada por ceros y unos exclusivamente,
de tal forma que:
* un 1 en el lugar (i,j) expresa la posibilidad de ir desde el punto de la la i hasta el punto de la
columna j mediante una linea que los una directamente.
* un 0 en el lugar (i,j) expresa la imposibilidad de ir del primer punto al segundo mediante una
linea que los una directamente.
La matriz de adyacencia del grafo dirigido de la gura anterior sera:
A
B
C
D
A B C D
_
_
_
_
0 1 0 1
0 0 1 0
1 0 0 0
0 0 0 0
_
_
_
_
Ejercicio
1) Escribe las correspondientes matrices de adyacencia de los grafos:
2) Dibuja los grafos dirigidos que correspondan a las matrices de adyacencia:
A
B
C
A B C
_
_
0 1 0
1 0 1
0 0 0
_
_
A
B
C
D
A B C D
_
_
_
_
0 1 1 1
0 0 0 1
1 0 0 0
0 1 1 0
_
_
_
_
Tlf. 955 22 42 50
CAP
ITULO 1. MATRICES
1.5. Operaciones con matrices
1.5.1. Suma y diferencia
Dadas dos matrices A y B podemos realizar su suma o diferencia de acuerdo a la siguiente regla.
Para sumar o restar dos matrices del mismo tama no, se suman o restan los elementos que se encuentren
en la misma posicion, resultando otra matriz de igual tama no.
Por ejemplo:
_
2 1 3
4 2 1
_
2x3
_
2 0 4
3 2 5
_
2x3
=
_
0 1 1
7 0 4
_
2x3
Si las matrices tienen diferente tama no, no se pueden sumar o restar entre s.
Propiedades de la suma (y diferencia) de matrices:
a) Conmutativa: A + B = B + A
b) Asociativa: A + (B + C) = (A + B) + C
c) Elemento neutro: La matriz nula del tama no correspondiente.
d) Elemento opuesto de A: La matriz -A, que resulta de cambiar de signo a los elementos de A.
Ejemplo:
Si
A =
_
_
0 1
4 2
3 9
_
_
3x2
=A =
_
_
0 1
4 2
3 9
_
_
3x2
porque:
_
_
0 1
4 2
3 9
_
_
3x2
+
_
_
0 1
4 2
3 9
_
_
3x2
=
_
_
0 0
0 0
0 0
_
_
3x2
Ejercicios:
1. Las exportaciones, en millones de euros, de 3 pases A, B, C a otros tres X, Y, Z, en los a nos
2000 y 2001 vienen dadas por las matrices:
A
2000
=
A
B
C
X Y Z
_
_
11 6
7 0
5
14
5 10 1
2
20
9 3
2 2
3
_
_
A
2001
=
A
B
C
X Y Z
_
_
13
3 7 1
15
7 11
1 3
2
21 0
2 4
3
_
_
Calcula y expresa en forma de matriz el total de exportaciones para el conjunto de los dos a nos.
Cuantos millones ha exportado el pas B al Z en total?
Calcula el incremento de las exportaciones del a no 2000 al 2001 con los datos del ejemplo anterior.
Tlf. 955 22 42 50
CAP
ITULO 1. MATRICES
2. Calcula x, y, z en la suma:
_
_
x y 1 2
1 y x
0 z 2
_
_
+
_
_
y 0 z
z 2 3
2 3 x
_
_
=
_
_
1 1 3
0 4 4
2 4 1
_
_
3. Calcula a, b, c para que se cumpla la igualdad:
_
3 a b 2
4 c + 1 6
_
+
_
2 a +b 4
1 c 2 0
_
=
_
1 a 2
2 0 6
_
1.5.2. Producto por un n umero real
Dada una matriz cualquiera A y un n umero real k, el producto kA se realiza multiplicando todos
los elementos de A por k, resultando otra matriz de igual tama no. (Evidentemente la misma regla
sirve para dividir una matriz por un n umero real).
Por ejemplo:
5
_
2 1 3
4 2 1
_
2x3
=
_
10 5 15
20 10 5
_
2x3
Propiedades:
a) Distributiva respecto de la suma de matrices: k(A + B) = kA + kB
b) Distributiva respecto de la suma de n umeros: (k + d)A= kA + dA
c) Asociativa: k(dA)=(kd)A
d) Elemento neutro, el n umero 1: 1A=A
Ejercicios:
1. Si A =
_
1 1
0 1
_
y B =
_
1 0
0 2
_
, halla una matriz X que verique la ecuacion:
2 X 4 A = B
2. Determina las matrices X y Y sabiendo que:
_
_
3X 5Y =
_
1 2
8 1
_
X + 3Y =
_
2 4
3 0
_
1.5.3. Trasposici on de matrices
Dada una matriz cualquiera A, se llama matriz traspuesta de A, y se representa por A
t
a la matriz
que resulta de intercambiar las las y las columnas de A.
Por ejemplo, si A =
_
2 1 0 7
3 4 2 1
_
, entonces la matriz traspuesta de A es:
A
t
=
_
_
_
_
2 3
1 4
0 2
7 1
_
_
_
_
Tlf. 955 22 42 50
CAP
ITULO 1. MATRICES
Evidentemente, si A es una matriz de tama no m x n, su traspuesta A
t
tendra tama no n x m, pues el
n umero de columnas pasa a ser el de las y viceversa.
Si la matriz A es cuadrada, su traspuesta tendra el mismo tama no.
Propiedades:
a) (A
t
)
t
= A, es decir, la traspuesta de la traspuesta es la matriz inicial.
b) (A+B)
t
= A
t
+B
t
c) (k A)
t
= k A
t
En base a esta nueva operacion, podemos denir otras dos clases de matrices, que son:
Matriz simetrica, que es aquella para la que se cumple que A
t
= A, por ejemplo la matriz:
A =
_
_
2 1 3
1 0 2
3 2
7
_
_
es simetrica (compruebalo).
En una matriz simetrica, los elementos son simetricos respecto a la diagonal principal.
Ejercicio: Puede ser simetrica una matriz que no sea cuadrada?Por que?.
Matriz antisimetrica, es aquella para la que se cumple que A
t
= A.
Por ejemplo:
B =
_
_
0 1 3
1 0 2
3 2 0
_
_
es antisimetrica (comprueba).
En una matriz antisimetrica, los elementos de la diagonal principal son siempre nulos (por que?),
y los restantes son opuestos respecto a dicha diagonal.
Ejercicios:
1. Dadas las matrices A =
_
_
1 3 3
1 4 3
1 3 4
_
_
y B =
_
_
1 1 2
2 0 1
6 1 0
_
_
calcula 3A
t
B
t
.
2. Obtener las matrices X e Y que veriquen los sistemas:
a)
_
_
2X 3Y =
_
1 5
4 2
_
X Y =
_
1 0
3 6
_
b)
_
_
X +Y =
_
2 1
3 0
_
X Y =
_
6 2
0 1
_
c)
_
_
2X +Y =
_
3 1
0 2
_
X + 2Y =
_
1 0
2 4
_
1.5.4. Producto de matrices
Hay que dejar claro ya desde el principio que no todas las matrices pueden multiplicarse. Dos
matrices se pueden multiplicar cuando se cumple la siguiente condicion:
Para multiplicar dos matrices A y B, en este orden, AB , es condicion indispensable que el n umero
de columnas de A sea igual al n umero de las de B
Tlf. 955 22 42 50
CAP
ITULO 1. MATRICES
Si no se cumple esta condicion, el producto AB no puede realizarse, de modo que esta es una
condicion que debemos comprobar previamente a la propia multiplicacion.
Una vez comprobado que el producto AB se puede realizar, si A es una matriz m x n y B es una
matriz n x p (observemos que el n
o
de columnas de A = n = n
o
de las de B), entonces el producto
AB da como resultado una matriz C de tama no n x p del siguiente modo:
El elemento que se encuentra en la la i y la columna j de la matriz C=AB, se obtiene multiplicando
los elementos de la la i de A por la columna j de B y sumando los resultados
Veamoslo mediante un ejemplo:
Para multiplicar las matrices:
A =
_
3 2 1 4
2 5 3 2
_
2x4
y B =
_
_
_
_
0 4 1
1 2 1
2 0 2
3 2 1
_
_
_
_
4x3
primero comprobamos que se puede realizar el producto AB, pues el n
o
de columnas de A es 4 y el
n
o
de las de B tambien es 4, y el resultado, seg un lo dicho sera una matriz de tama no 2 x 3, tiene 2
las y 3 columnas:
_
3 2 1 4
2 5 3 2
_
2x4
_
_
_
_
0 4 1
1 2 1
2 0 2
3 2 1
_
_
_
_
4x3
=
_

_
2x3
Solo nos falta completar los elementos de la matriz producto. Para ello, seguimos la regla anterior:
El elemento de la la 1 y columna 1 de AB proviene de multiplicar elemento a elemento la la 1
de A por la columna 1 de B y sumar, es decir:
(3) 0 + 2 1 + 1 2 + 4 3 = 0 + 2 + 2 + 12 = 16
El elemento de la la 1 y columna 2 de AB proviene de multiplicar elemento a elemento la la 1 de
A y la columna 2 de B y sumar:
(3) (4) + 2 (2) + 1 0 + 4 2 = 12 4 + 0 + 8 = 16
El elemento de la la 1 y columna 3 de AB proviene de multiplicar elemento a elemento la la 1 de
A y la columna 3 de B y sumar:
(3) 1 + 2 1 + 1 2 + 4 1 = 3 + 2 + 2 + 4 = 5
As sucesivamente se obtienen (comprueba):
_
16 16 5
5 22 11
_
2x3
Ejercicios:
1. Para las matrices A y B anteriores, calcula BA
2. Si A =
_
1 3
2 6
_
, B =
_
3 5
2 1
_
, calcula si es posible AB y BA. Coinciden?.
Tlf. 955 22 42 50
CAP
ITULO 1. MATRICES
3. Lo mismo si A =
_
_
1 1
0 2
4 1
_
_
, B =
_
3 0 2
1 1 5
_
.
4. Calcula todos los productos posibles entre las matrices:
A =
_
_
1 2 3
1 1 1
0 2 1
_
_
B =
_
_
1
2
1
_
_
C =
_
2 1 0
3 4 5
_
Ademas, calcula A
2
y A
3
.
5. Para las matrices
A =
_
1 1 2
4 0 3
_
B =
_
0 3 4
1 2 3
_
C =
_
_
2 3 0 1
5 1 4 2
1 0 0 3
_
_
D =
_
_
2
1
3
_
_
calcula:
A+B, 3A4B, A B, A D, B C, C D, A
t
C, D
t
A
t
, B
t
A, D
t
D, D D
t
Propiedades del producto de matrices
a) Asociativa: A(BC) = (AB)C
b) Distributiva respecto de la suma:
A (B +C) = A B +A C
(B +C) A = B A+C A
c) Elemento neutro, la matriz identidad correpondiente, si A es m x n:
A I
n
= A
I
m
A = A
d) En general el producto de matrices no es conmutativo
A B = B A
Pueden verse ejemplos en los ejercicios anteriores. Esta es una propiedad muy importante.
e) El producto de dos matrices no nulas A y B puede dar lugar a una matriz nula:
_
2 1 3
0 2 1
_
2x3
_
_
5
2
4
_
_
3x1
=
_
0
0
_
2x1
Se dice que el conjunto de las matrices con la operacion producto tiene divisores de cero, es decir, hay
matrices no nulas cuyo producto es nulo.
Ejercicios:
Tlf. 955 22 42 50
CAP
ITULO 1. MATRICES
1. Si A y B son dos matrices cuadradas del mismo orden, son ciertas las propiedades siguientes,
que son ciertas para las operaciones con n umeros reales?:
a) (A+B)
2
= A
2
+B
2
+ 2 A B
b) (AB)
2
= A
2
+B
2
2 A B
c) (A+B) (AB) = A
2
B
2
2. Determina los valores de a y b de la matriz A =
_
2 1
a b
_
para que A
2
= A.
3. Que matrices conmutan con la matriz
_
1 2
0 1
_
?.
1.6. La matriz inversa
Sabemos ya multiplicar matrices y hemos visto algunas de las propiedades de esta operacion.
Recordemos, en primer lugar, que no siempre es posible efect uar la multiplicacion de dos matrices,
y en segundo lugar, que aunque sea posible hacer esta multiplicacion, en general no es conmutativo,
es decir AB es distinto de BA.
En el caso particular de que tratemos con matrices cuadradas del mismo orden A y B, es claro que
podemos efectuar los productos AB y BA, que daran como resultado otra matriz del mismo orden,
aunque, como ya se ha dicho, las matrices resultantes seran, en general, distintas.
Sabemos tambien que el elemento neutro del producto de matrices es la matriz identidad I
n
.
Por analoga con el caso de los n umeros reales, podemos plantearnos la siguiente cuestion:
Si tenemos un n umero real, por ejemplo el 2, podemos interesarnos en buscar el inverso del 2 para
el producto, es decir un n umero real x tal que 2x = 1, el producto de 2 por x sea igual al elemento
neutro, el 1.
Evidentemente, en el caso de los n umeros reales es bien facil despejar x para obtener, en nuestro
caso, que x =
1
2
, es decir, el inverso de un n umero real es otro n umero que multiplicado por el da el
elemento neutro, el 1.
Todo n umero real, salvo el 0, tiene inverso.
Trasladando esto a las matrices, nos podemos plantear si dada una matriz cuadrada A de orden n,
cualquiera, existe su inversa X para el producto de matrices,tal que
A X = I
n
es decir, el producto de A por su inversa produce el elemento neutro matricial, la matriz identidad I
n
.
Sin embargo, hay algunas diferencias con respecto al caso de los n umeros reales:
1) No podemos despejar la matriz X del modo X =
I
n
A
, porque no hemos denido la division de
matrices.
2) No todas las matrices cuadradas no nulas tienen matriz inversa (sea lo que sea, por analoga
con los n umeros).
Denamos, en primer lugar, el termino de matriz inversa:
Dada una matriz cuadrada de orden n , A, se dice que A es invertible (o que posee inversa o que es
no singular o que es regular ), si existe otra matriz del mismo orden, denominada matriz inversa de A
y representada por A
1
y tal que:
A A
1
= I
n
Tlf. 955 22 42 50
CAP
ITULO 1. MATRICES
y
A
1
A = I
n
Si A no tiene inversa, se dice que es singular o no invertible.
Si una matriz tiene inversa, dicha matriz inversa es unica (solo hay una). Para calcular dicha matriz
inversa, podemos utilizar dos vas:
1.6.1. Metodo directo:
Consiste en determinar A
1
planteando un sistema de ecuaciones, es decir, si por ejemplo queremos
determinar la inversa de la matriz A =
_
1 2
1 1
_
, lo que estoy buscando es otra matriz de igual tama no
(orden 2) tal que A A
1
= I
2
y A
1
A = I
2
, es decir, si A
1
=
_
x y
z t
_
, se tiene que cumplir que :
A A
1
= I
2
=
_
1 2
1 1
_
_
x y
z t
_
=
_
1 0
0 1
_
=
_
x + 2z y + 2t
x +z y +t
_
=
_
1 0
0 1
_
_
_
x + 2z = 1
y + 2t = 0
x +z = 0
y +t = 1
Es decir, hemos de resolver un sistema de 4 ecuaciones con 4 incognitas, aunque en realidad son 2
sistemas de dos ingonitas cada uno (uno con x y z y otro con y y t).
Resolviendo el sistema se obtiene que
x =
1
3
, y =
2
3
, z =
1
3
, t =
1
3
por lo que la matriz inversa es:
A
1
=
_
1
3
2
3
1
3
1
3
_
=
1
3

_
1 2
1 1
_
Se puede comprobar que tambien se cumple que A
1
A = I
2
, luego A es invertible, tiene inversa. Si
el sistema no tiene solucion, la matriz no tiene inversa.
Por ejemplo, en el caso en que A =
_
1 1
2 2
_
, del mismo modo :
A A
1
= I
2
=
_
1 1
2 2
_
_
x y
z t
_
=
_
1 0
0 1
_
=
_
x +z y +t
2x + 2z 2y + 2t
_
=
_
1 0
0 1
_
_
_
x +z = 1
y +t = 0
2x + 2z = 0
2y + 2t = 1
Y por ejemplo de 2x+2z=0 se obtiene x = -z, si se sustituye en la primera ecuacion es -z+z=1, es
decir 0 = 1 (imposible). El sistema no tiene solucion.
Por tanto A no es invertible, es singular.
Este metodo directo solo se suele utilizar para matrices cuadradas de tama no 2, puesto que para
las de tama no 3 obtenemos un sistemas de 9 ecuaciones con 9 incognitas! que realmente es difcil de
resolver.
Tlf. 955 22 42 50
CAP
ITULO 1. MATRICES
1.6.2. Metodo de Gauss-Jordan:
Consiste en hacer transformaciones elementales en las las de la matriz para llegar a obtener la
matriz identidad. Realizando estas mismas transformaciones con la matriz identidad llegamos a la
matriz A
1
.
Se llama transformacion elemental en una matriz a:
T1) Multiplicar o dividir una la por un n umero real distinto de cero.
T2) Sumar o restar a una la otra multiplicada por un n umero real no nulo.
T3) Intercambiar el lugar de dos las entre s.
Veamos como se realiza el metodo de Gauss-Jordan, realizandolo a la vez con la matriz
_
1 2
1 1
_
.
i) Consideramos la matriz formada por A y la matriz identidad correspondiente . En nuestro caso:
(A|I
2
) =
_
1 2
1 1
1 0
0 1
_
ii) Se hace la matriz triangular superior (es decir, hacemos ceros por debajo de la diagonal principal)
usando transformaciones elementales en las.
La mejor forma de realizar esto es hacer cero los elementos por debajo de la diagonal en la primera
columna usando la la 1. Luego, hacer cero los elementos por debajo de la diagonal en la segunda
columna usando la la 2, y as sucesivamente.
En nuestro caso, basta sumar la la 2 con la la 1, y se obtiene:
(A|I
2
) =
_
1 2
1 1
1 0
0 1
_
F
2
+F
1
_
1 2
0 3
1 0
1 1
_
iii) Una vez hecha la matriz triangular superior, se hace la matriz triangular inferior, haciendo
ceros a los elementos por encima de la diagonal. El proceso es parecido al anterior:
Hacer cero los elementos por encima de la diagonal en la ultima columna usando la ultima la. Lue-
go, hacer cero los elementos por encima de la diagonal en la pen ultima columna usando la pen umtima
la, y as sucesivamente. En nuestro caso:
_
1 2
0 3
1 0
1 1
_
3F
1
2F
2
_
3 0
0 3
1 2
1 1
_
iv) Ya tenemos una matriz diagonal. Lo unico que falta es dividir a cada la entre el n umero
adecuado para obtener unos en la diagonal principal, es decir, para obtener la matriz identidad en la
parte izquierda:
_
3 0
0 3
1 2
1 1
_
F
1
3
,
F
2
3
_
1 0
0 1
1
3
2
3
1
3
1
3
_
v) Una vez se tiene la matriz identidad en la parte de la izquierda, la parte derecha es la matriz inversa,
es decir, llegamos a:
(I
2
, A
1
) =
_
1 0
0 1
1
3
2
3
1
3
1
3
_
=A
1
=
_
1
3
2
3
1
3
1
3
_
=
1
3

_
1 2
1 1
_
matriz que habamos obtenido antes por el metodo directo.
Si al realizar el metodo de Gauss-Jordan en alg un momento alguna la es de ceros, la matriz no
tiene inversa.
Cuanto mayor sea el orden de la matriz, mejor es este metodo frente al directo.
Veamos otro ejemplo:
Tlf. 955 22 42 50
CAP
ITULO 1. MATRICES
Calcular la inversa de la matriz B =
_
_
1 1 0
1 1 2
1 0 1
_
_
por el metodo de Gauss-Jordan.
Siguiendo los pasos anteriores:
(B|I
3
) =
_
_
1 1 0
1 1 2
1 0 1
1 0 0
0 1 0
0 0 1
_
_
F
2
+F
1
_
_
1 1 0
0 2 2
1 0 1
1 0 0
1 1 0
0 0 1
_
_
F
3
F
1
_
_
1 1 0
0 2 2
0 1 1
1 0 0
1 1 0
1 0 1
_
_
2F
3
+F
2
_
_
1 1 0
0 2 2
0 0 4
1 0 0
1 1 0
1 1 2
_
_
2F
2
F
3
_
_
1 1 0
0 4 0
0 0 4
1 0 0
3 1 2
1 1 2
_
_
4F
1
F
2
4F
1
F
2
_
_
4 0 0
0 4 0
0 0 4
1 1 2
3 1 2
1 1 2
_
_
F
1
4
,
F
2
4
,
F
3
4
_
_
1 0 0
0 1 0
0 0 1
1
4
1
4
2
4
3
4
1
4
2
4
1
4
1
4
2
4
_
_
= (I
3
|B
1
)
=B
1
=
_
_
1
4
1
4
1
2
3
4
1
4
1
2
1
4
1
4
1
2
_
_
Tambien se puede expresar, sacando factor com un:
B
1
=
1
4

_
_
1 1 2
3 1 2
1 1 2
_
_
es la inversa de B.
Si calculamos por este metodo la inversa de A =
_
1 1
2 2
_
resulta:
(A|I
2
) =
_
1 1
2 2
1 0
0 1
_
F
2
2F
1
_
1 1
0 0
1 0
2 1
_
Como aparece una la de ceros, la matriz A no tiene inversa.
Ejercicios:
1. Calcular por el metodo de Gauss-Jordan la inversa de las matrices:
A =
_
_
1 2 3
3 2 4
2 1 0
_
_
B =
_
_
2 1 4
0 1 2
1 0 1
_
_
2. Dada la matriz diagonal D =
_
_
3 0 0
0 2 0
0 0 5
_
_
calcula su inversa. Como calcularas de forma
rapida la inversa de una matriz diagonal cualquiera?.
1.7. Rango de una matriz
Un concepto muy importante relacionado con las matrices es el de rango. El concepto de ran-
go se encuentra ligado al de independencia lineal de las o columnas de una matriz, pero no se
introducira de esta manera porque se requieren conceptos que no conocemos.
Tlf. 955 22 42 50
CAP
ITULO 1. MATRICES
Baste saber que se dene el rango de una matriz como el n umero maximo de las o columnas
linealmente independientes.
Sin embargo, el calculo del rango de una matriz lo abordaremos desde otra perspectiva, utilizando
el metodo de Gauss.
Supongamos que tenemos una matriz cualquiera A a la que aplicamos el metodo de Gauss con el
n de simplicarla lo mas posible (es decir, consiguiendo que tenga el mayor n umero de ceros posible),
realizando operaciones elementales en las.
Llamaremos rango de la matriz A y lo representaremos por Rg(A) al n umero de las no nulas de
la matriz tras aplicarle el metodo de Gauss.
Ejemplo: Calcular el rango de las siguientes matrices:
A =
_
1 1
2 2
_
B =
_
0 3
1 1
_
C =
_
_
1 1 0
2 1 1
1 1 2
_
_
D =
_
2 4 6
1 2 3
_
a)
_
1 1
2 2
_
F
2
2F
1
_
1 1
0 0
_
, Rg(A)=1 ,solo una la distinta de cero.
b)
_
0 3
1 1
_
F
2
F
1
_
1 1
0 3
_
, Rg(B)=2 hay 2 las no nulas.
c)
_
_
1 1 0
2 1 1
1 1 2
_
_
F
2
2F
1
_
_
1 1 0
0 1 1
1 1 2
_
_
F
3
+F
1
_
_
1 1 0
0 1 1
0 2 2
_
_
F
3
+2F
2
_
_
1 1 0
0 1 1
0 0 0
_
_
Rg(C)=2 hay 2 las no nulas.
d)
_
2 4 6
1 2 3
_
2F
2
+F
1
_
2 4 6
0 0 0
_
, Rg(D)=1, solo una la no nula.
Los ejemplos anteriores ponen de maniesto que el rango de cualquier matriz siempre es menor o
igual que el n umero de las de la matriz.
De hecho se verica que el rango de cualquier matriz siempre es menor o igual que su n umero de
las y de columnas, pues el proceso para hacer el metodo de Gauss se puede hacer indistintamente
mediante operaciones elementales en las o en columnas.
Esto permite, antes de calcular el rango de una matriz, saber entre que valores va a estar ese rango.
Por ejemplo, en el caso c) del ejemplo, como la matriz es 3x3 , el rango solo puede ser 0, 1, 2 o 3,
no hay otras posibilidades.
En el caso del apartado d), como la matriz es 2 x 3, el rango solo puede ser 0,1 o 2. (De hecho,
podemos reducir esto algo mas , pues una matriz solo tiene rango cero si es la matriz nula).Resumiendo:
Propiedad: Si A es una matriz de tama no m x n no nula se cumple que:
1 Rg(A) min{m, n}
Ejemplo: Calcular en funcion de k el rango de la matriz:
A =
_
1 1 2
3 3 k
_
Aplicando Gauss,
A =
_
1 1 2
3 3 k
_
F
2
3F
1
_
1 1 2
0 0 k 6
_
Tlf. 955 22 42 50
CAP
ITULO 1. MATRICES
Ahora es evidente que si k-6=0, la ultima la es nula. Por tanto, si k=6, la ultima la es nula y el
rango de A es 1, Rg(A)=1, mientras que si k-6 es distinto de cero, es decir si k es distinto de 6, hay 2
las no nulas y el rango de A es 2, Rg(A)=2. Resumiendo:
_
Si k = 6, entonces Rg(A)=2
Si k=6, entonces Rg(A)=1
La siguiente propiedad permite relacionar el concepto de rango con el de matriz inversa visto
anteriormente:
Propiedad:
Una matriz cuadrada A tiene inversa Rg(A) es maximo.
Ejercicios:
1. Calcula el rango de A seg un los valores de k: A =
_
_
1 2 1
1 1 3
5 1 k
_
_
.Para que valores de k tiene A
inversa?.
2. Calcula el rango de las matrices:
A =
_
1 0 1
2 1 0
_
B =
_
_
0 2 1
1 0 1
0 4 2
_
_
C =
_
_
_
_
2 1 1 1
0 0 1 0
2 1 1 1
0 0 0 1
_
_
_
_
D =
_
_
2 1 5 1 8
1 2 3 4 5
1 3 10 11 13
_
_
1.8. EJERCICIOS
1. Los ingresos, en millones de euros, de cuatro heladeras durante los tres meses de verano vienen
expresados mediante las matrices:
M
1
=
_
1
25 2
2 0
96 1
4
_
M
2
= 1
8 M
1
M
3
= 0
5 M
2
En los mismos meses, los gastos de esos establecimientos se contabilizan por las matrices:
C
1
=
_
0
48 0
75 0
45 0
5
_
C
2
= 2 C
1
C
3
= 1
3 C
2
Calcula mediante una matriz 1 x 4 el benecio obtenido por cada heladera en el verano.
2. Las cantidades compradas, en litros, de tres clases de vino, se reejan en la matriz la:
B T R
L =
_
180 250 200
_
donde B=Blanco, T=Tinto y R=Rosado, y los precios pagados por cada litro en la matriz
columna:
P =
_
_
2
8
1
5
1
_
_
B
T
R
Halla los productos LP y PL dando una interpretacion de los resultados obtenidos.
Tlf. 955 22 42 50
CAP
ITULO 1. MATRICES
3. Dado el grafo de la gura:
Calcula su matriz de adyacencia, R. Calcula la matriz R
2
, que representan los elementos de
esta matriz respecto al grafo?.
4. En la siguiente cadena de igualdades indica cual no es siempre correcta:
(A+B) (AB) = A (AB) +B (AB) = A AA B +B AB B =
= A
2
A B +A B B
2
= A
2
B
2
5. Encuentra las dimensiones m x n que tiene la matriz A para que pueda hacerse el producto:
_
_
1
1
2
_
_
A
mxn
=
_
2 6 3
1 1 0
_
6. Halla por el metodo directo la inversa de la matriz A =
_
2 0
1 1
_
.
7. Lo mismo para A =
_
1 1
1 2
_
por Gauss-Jordan.
8. Resuelve la ecuacion
X
_
1 2
1 2
_
=
_
1 2
3 4
_
9. Sean las dos matrices A =
_
2 1
4 1
_
, B =
_
1 3
2 5
_
.
Resuelve las ecuaciones AX=B y XA=B, por que las soluciones son distintas?.
10. Calcula las inversas, si existen, utilizando el metodo de Gauss, de las siguientes matrices:
A =
_
0 1
2 0
_
B =
_
1 2
3 4
_
C =
_
1 2
4 8
_
D =
_
_
1 1 2
1 0 3
4 1 1
_
_
E =
_
_
2 1 0
3 1 2
4 0 1
_
_
F =
_
_
2 3 4
5 6 7
8 9 1
_
_
11. Determina, en cada caso, los valores de a para los cuales las matrices NO tienen inversa:
A =
_
_
1 2 3
0 1 2
a 0 1
_
_
B =
_
_
1 2 1
2 1 1
3 4 a
_
_
Tlf. 955 22 42 50
CAP
ITULO 1. MATRICES
12. Obten la matriz inversa de A+A
t
, siendo A =
_
_
1 2 1
0 1 0
2 0 3
_
_
.
13. Siendo A =
_
3 0
5 1
_
, B =
_
0 6
1 3
_
, encuentra una matriz X tal que 3X-2A=5B, y calcula la
inversa de A.
14. Una fabrica de alimentos produce dos tipos de turrones X e Y. Se elaboran de 3 calidades,
Normal(N), Extra(E) y Suprema(S), al precio, en euros que muestra la matriz A:
A =
N E S
_
2
5 3 5
2
75 3
25 6
_
X
Y
B =
X Y
_
_
1000 900
600 500
300 200
_
_
N
E
S
Si cada da se producen las unidades que se indica en la matriz B.
a) Calcula los productos AB y BA.
b) Que informacion proporciona la diagonal principal de AB y de BA?.
15. Un almacen de ruedas, de vehculos de distinto tipo, tiene un stock de componentes de las mismas
(en cientos de unidades) dado por la matriz A, donde C=Cubiertas, T=Tapacubos y L=Llantas:
A =
C T L
_
_
3
1 0
3 2
1
1
6 1
1 0
6
0
9 0 0
2
_
_
Utilitarios
Berlinas
TodoTerreno
B =
Acero Caucho
_
_
0
1 4
6
1 0
05
5 0
_
_
C
T
L
La cantidad de kilogramos de materia prima necesaria para cada componente (en media) viene
dada por la matriz B.
a) Calcula los kilogramos de material almacenados por cada tipo de rueda.
b) Calcula el total de metal acumulado en el almacen.
16. a) Calcula el rango de la matriz A =
_
2 3
0 a
_
en funcion del valor que tome a.
b) Halla el rango de la matriz:
_
_
_
_
1 1 1
0 1 0
1 0 1
2 1 2
_
_
_
_
.
17. Es posible que una matriz 3 x 4 tenga rango 4?. Razona tu respuesta.
18. El rango de la matriz A =
_
1 a
a 1
_
siempre es 2?. Razona tu respuesta.
19. Resuelve el sistema:
_
_
_
1 1
1 1
_
X =
_
1 2
3 4
_
X +Y =
_
0 0
0 1
_
Tlf. 955 22 42 50
CAP
ITULO 1. MATRICES
20. Dada la matriz A =
_
_
1 1 2
2 0 1
6 1 0
_
_
, calcula si existen, las siguientes matrices:
a) Una matriz X tal que XA= (1 0 -1).
b) Una matriz Y tal que AY=
_
1 0 1
0 1 0
_
.
21. Determina las matrices A y B que son soluciones del sistema matricial:
3A2B =
_
_
0 5 4
5 9 0
15 4 4
_
_
2A+B =
_
_
7 1 2
6 6 7
10 5 2
_
_
22. a) Resuelve la ecuacion matricial: 2A=AX+B, siendo:
A =
_
1 0
1 1
_
, B =
_
1 2
3 1
_
b) Resuelve la ecuacion AX=B, siendo
A =
_
1 2
2 1
_
, B =
_
0 3
3 0
_
23. Como tienen que ser dos matrices A y B para que su producto AB sea un escalar (es decir, un
n umero real)?. Como sera entonces BA?
24. Considera la ecuacion matricial:
X
_
2 2
2 m
2
+m
_
=
_
4 2
8 0
_
donde m es un n umero real desconocido. Se pide:
a) Para que valores de m existe una unica matriz X que verica la ecuacion anterior?. Justica
la respuesta.
b) Si es posible, resolver la ecuacion matricial para m = 0.
c) Si es posible, resolver la ecuacion matricial para m = 1.
25. Calcula el rango de la siguiente matriz, teniendo en cuenta los distintos valores del parametro:
A =
_
_
1 2 3
4 5 6
m 7 8
_
_
.
26. Calcula, utilizando el metodo de Gauss, la matriz inversa de: B =
_
_
0 0 1
1 3 1
1 2 1
_
_
.
27. Realiza las siguientes operaciones: a) CB b) C+2B , siendo B la matriz del ejercicio anterior y
C la siguiente matriz: C =
_
_
3 0 1
0 2 1
2 2 1
_
_
.
Tlf. 955 22 42 50
CAP
ITULO 1. MATRICES
28. Calcula el rango de la siguiente matriz:
_
_
_
_
1 9 4 15
1 3 4 5
2 0 8 0
1 3 4 5
_
_
_
_
29. En un colegio se imparten los cursos 1
o
, 2
o
y 3
o
de ciertas ense nanzas. Los profesores tienen
asignado un n
o
de horas de clase(C), tutoras(T) y guardias(G) a cubrir, de acuerdo con la
siguiente matriz:
M =
C G T
_
_
20 5 3
18 6 5
22 1 2
_
_
1
o
2
o
3
o
El colegio paga cada hora de clase a 12 euros, cada hora de guardia a 3 euros, y cada hora de
tutora a 6 euros, seg un la matriz:
C =
_
_
12
3
6
_
_
El colegio dispone de 5 profesores para el primer curso, 4 para el segundo y 6 para el tercero,
representados por:
P =
_
5 4 6
_
Calcular los siguientes productos de matrices e interpretar los resultados: PM , MC , PMC.
30. Determinar para que valores de x no existe la inversa de la matriz A =
_
_
x 1 0
1 x 2
1 0 1
_
_
y calcula
su inversa, si existe, para x = 1 por el metodo de Gauss-Jordan.
_
1 1
1 2
_
, obtener las matrices B tales que AB=BA.
Determinar que matriz B de las anteriores es B = A
1
32. Dada la matriz M =
_
_
1 2 1
2 4 m
m 2 1
_
_
, donde m es un parametro real, se pide:
a) Determinar el rango de A seg un los valores de m.
c) Dar un valor de m para el que la matriz M sea singular (no admita inversa).
d) Si m = 0, calcula, si es posible M
1
, por el metodo de Gauss-Jordan.
33. Resuelve la ecuacion:

1 1 2
x 1 0 x + 3
1 x 2 4
= 1 7x
34. a) Sean A una matriz de dimension 5 x 4, B de dimension m x n y C de dimension 3 x 7. Si
se sabe que se puede obtener la matriz producto ABC. Cual es la dimension de B?Y la del
producto?
b) Si A es una matriz es posible siempre hacer el producto A A
t
?. Razona la respuesta.
Tlf. 955 22 42 50
CAP
ITULO 1. MATRICES
_
_
2 2 1
1 3 1
1 2 2
_
_
se pide:
a) Calcular (AI)
2
(A5I), siendo I la correspondiente matriz identidad.
b) Razonar si existe la inversa de A y en caso armativo obtenerla, utilizando el metodo de
Gauss- Jordan.
36. a) Dada A =
_
3 1
1 2
_
, determinar una matriz B tal que A+B = AB
b) Dada una matriz A, existe una matriz B tal que el producto AB o bien BA sea una matriz
de una sola la?. Pon un ejemplo.
37. Estudia el rango de la matriz A seg un los valores de k:
A =
_
_
1 0 1
0 k 3
4 1 k
_
_
Para que valores de k tiene A inversa?.
Calcula, mediante Gauss-Jordan la inversa de A para un valor de k a tu eleccion.
38. Resolver la ecuacion matricial ABX - CX = 2C, siendo:
A =
_
_
1 2
2 1
0 1
_
_
B =
_
3 1 1
2 1 1
_
C =
_
_
1 1 0
1 2 1
1 1 1
_
_
39. Calcula el valor de k para que el rango de A sea 2:
A =
_
_
1 0 2 3 1
2 1 3 0 2
4 k 1 6 4
_
_
Tiene inversa la matriz A para alg un valor de k?. Razona la respuesta.
40. Una empresa fabrica 3 tipos de artculos R, S y T. Los precios de coste y los de venta por unidad
y el n umero de unidades vendidas de cada artculo quedan reejadas en esta tabla:
Precio de coste Precio de venta Unidades vendidas anualmente
R 6 18 2240
S 92 28 1625
T 143 40 842
Sabemos que las matrices de costes e ingresos, C e I, son diagonales y que la matriz de venta ,
V, es una matriz la.
a) Determina las matrices C, I y V.
b) Obten, a partir de los anteriores, la matriz de ingresos anuales, A, correspondiente a los tres
artculos, la matriz de gastos anuales, G, y la de benecios anuales, B.
41. Si B =
_
1 1
x x
_
, estudia si existe alg un valor de x tal que B
2
= B.
Tlf. 955 22 42 50
CAP
ITULO 1. MATRICES
42. Estudia el rango de la matriz A =
_
_
a 1 0
0 1 3
a 1 1
_
_
seg un los valores de a.
43. Dadas las matrices:
A =
_
1 2 3
2 1 1
_
B =
_
_
1 0
2 2
1 1
_
_
C =
_
1 1
1 0
_
Se pide obtener:
C +A B, C
1
+ (A B)
1
, (C +A B)
1
, |C|, |C
1
|
Tlf. 955 22 42 50
Captulo 2
PROGRAMACI
ON LINEAL
2.1. Introducci on
La programacion lineal es una tecnica matematica relativamente reciente (siglo XX), que consiste
en una serie de metodos y procedimientos que permiten resolver problemas de optimizacion en el
ambito, sobre todo, de las Ciencias Sociales.
Nos centraremos en este tema en aquellos problemas simples de programacion lineal, los que tienen
solamente 2 variables, problemas bidimensionales.
Para sistemas de mas variables, el procedimiento no es tan sencillo y se resuelven por el llamado
metodo Simplex (ideado por G.B.Danzig, matematico estadounidense en 1951).
Recientemente (1984) el matematico indio establecido en Estados Unidos, Narenda Karmarkar,
ha encontrado un algoritmo, llamado algoritmo de Karmarkar, que es mas rapido que el metodo
simplex en ciertos casos. Los problemas de este tipo, en el que intervienen gran n umero de variables,
se implementan en ordenadores.
2.2. Inecuaciones lineales con 2 variables
Una inecuacion lineal con 2 variables es una expresion de la forma:
ax +by c
(donde el smbolo puede ser tambien , < o bien >), donde a, b y c son n umeros reales y x e y las
incognitas.
Para resolver estas inecuaciones, se recordara de otros cursos, hay que representar gracamente en
el plano la recta dada por la correspondiente ecuacion lineal y marcar una de las dos regiones en que
dicha recta divide al plano.
Ejemplo: Si queremos resolver la inecuacion: 2x + 3y 3, representamos en primer lugar la recta
2x + 3y = 3:
La recta divide al plano en dos regiones, una de las cuales es la solucion de la inecuacion. Para
saber que parte es, hay dos procedimientos:
1. Se despeja la y de la inecuacion, poniendo cuidado en que si en una inecuacion multiplicamos o
dividimos por un n umero negativo, la desigualdad cambia de sentido.
En este caso tendamos que:
y
3 2x
3
Tlf. 955 22 42 50
CAP
ITULO 2. PROGRAMACI
ON LINEAL
Observando el dibujo vemos que la recta divide al eje de ordenadas (y) en dos partes.
La solucion de la inecuacion sera aquella parte en la que la y sea mayor que la recta, es decir, la
parte superior.
Figura 2.1: Solucion de la inecuacion lineal
2. Se toma un punto cualquiera que no pertenezca a la recta, por ejemplo el (1,2).
Para que dicho punto sea solucion, se tendra que cumplir la desigualdad, por lo que sustituimos
en la inecuacion inicial el (1,2):
2 1 + 3 2 3, es decir, 8 3.
Como esta ultima desigualdad es evidentemente cierta, concluimos que el (1,2) es solucion y
por tanto el semiplano que contiene al (1,2) es la solucion, es decir el semiplano superior, como
habamos obtenido antes.
Cualquiera de los procedimientos es valido si se realiza con correccion.
Tlf. 955 22 42 50
CAP
ITULO 2. PROGRAMACI
ON LINEAL
2.3. Sistemas de inecuaciones lineales con dos variables
Un sistema de inecuaciones lineales, por tanto, es un conjunto de inecuaciones del tipo anterior, y
resolverlo consistira en resolver gracamente cada inecuacion (como en el caso anterior), representar
la solucion en un mismo graco y la solucion total sera la parte com un a todas las soluciones.
Ejemplo: Resolver el sistema de inecuaciones siguiente:
_
_
_
2x + 3y 3
2x y 9 0
2x 5y 5 0
Si representamos las rectas:
_
_
_
2x + 3y = 3 (recta r)
2x y 9 = 0 (recta s)
2x 5y 5 = 0 (recta t)
Figura 2.2: Solucion del sistema de inecuaciones lineales
El triangulo rayado es la solucion del sistema.
Ademas, para los problemas de programacion lineal es necesario el calculo de los vertices de la
region solucion. Es sencillo su calculo, pues se reduce a resolver sistemas de ecuaciones lineales son
dos incognitas, que provienen de igualar las ecuaciones de las rectas correspondientes.
Por ejemplo, en este caso, si queremos el punto interseccion de las rectas r y t tendremos que
resolver el sistema formado por:
_
2x + 3y = 3
2x y 9 = 0
=
_
2x 3y = 3
2x y 9 = 0
Sumando 4y = 12 =y = 3.
Y sustituyendo que da 2x + 3(3) = 3, es decir 2x 9 = 3, y entonces x = 3.
Tlf. 955 22 42 50
CAP
ITULO 2. PROGRAMACI
ON LINEAL
Luego r y t se cortan en el punto (3,-3).
Ejercicios:
1. Calcular los otros dos vertices.
2. Resolver los sistemas de inecuaciones lineales siguientes encontrando los vertices de las regiones
que sean solucion:
a)
_
3x + 6y 420
4x + 2y 290
b)
_
3x + 5y 150
3x + 3y 120
c)
_
_
x + 2y 12
2x +y 4
x 2y 6
x y 0
Nota: Rectas horizontales y verticales.
En ocasiones, en estos sistemas, aparecen inecuaciones del tipo x k o bien y k, donde falta
alguna de las dos incognitas.
Estas inecuaciones en realidad corresponden a rectas horizontales y verticales, y su representacion
es bien sencilla.
Por ejemplo, la inecuacion x 2 no es mas que el conjunto de puntos a la izquierda de la recta
vertical que pasa por el punto x = 2, gr acamente:
Lo mismo ocurre con y 1, que sera en este caso la parte inferior a la recta horizontal y = 1, es
decir:
En el caso particular de que sea x 0 o y 0, las rectas coincidiran con los ejes de coordenadas.
Ejercicios: Resolver los sistemas de inecuaciones lineales siguientes, encontrando los vertices de las
regiones que sean solucion:
a)
_
_
5x + 15y 150
6x + 8y 120
x 0
y 0
b)
_
_
x + 3y 50
9x 8y 0
3x + 4y 60
x 0
y 0
c)
_
_
2x +y 10
x + 3y 12
0 x 8
0 y 2
Nota: Las dobles desigualdades como 0 x 8 se pueden desdobler en otras dos, x 0 y x 8.
Tlf. 955 22 42 50
CAP
ITULO 2. PROGRAMACI
ON LINEAL
2.4. Problemas de optimizaci on de una funcion sujeta a restricciones
En un problema de programacion lineal de dos variables x e y, se trata de optimizar (hacer maxima
o mnima, seg un los casos) una funcion (llamada funcion objetivo) de la forma:
F(x, y) = A x +B y
sujeta a una serie de restricciones dadas mediante un sistema de inecuaciones lineales del tipo:
_
_
a
1
x +b
1
y c
1
a
2
x +b
2
y c
2
.
.
.
a
m
x +b
m
y c
m
Los puntos del plano que cumplen el sistema de desigualdades forman un recinto convexo acotado
(poligonal) o no acotado, llamado region factible del problema.
Todos los puntos de dicha region cumplen el sistema de desigualdades. Se trata de buscar, entre
todos esos puntos, aquel o aquellos que hagan el valor de F(x,y) maximo o mnimo, seg un sea el
problema.
Los puntos de la region factible se denominan soluciones factibles.
De todas esas soluciones factibles, aquellas que hacen optima (maxima o mnima) la funcion obje-
tivo se llaman soluciones optimas.
En general,un problema de programacion lineal puede tener una, innitas o ninguna solucion.
Lo que si se verica es la siguiente propiedad:
Propiedad:
Si hay una unica solucion optima, esta se encuentra en un vertice de la region factible, y si hay
innitas soluciones optimas, se encontrar an en un lado de la region factible.
Es posible que no haya solucion optima, pues cuando el recinto es no acotado, la funcion objetivo
puede crecer o decrecer indenidamente.
Para resolver el problema, podemos abordarlo de dos formas, pero antes a aplicar cualquiera
de ellas siempre hay que dibujar la region factible, resolviendo el sistema de inecuaciones lineales
correspondiente, como se ha visto en los epgrafes anteriores (la region factible puede estar acotada o
no), y se calculan los vertices de dicha region.
Tlf. 955 22 42 50
CAP
ITULO 2. PROGRAMACI
ON LINEAL
2.4.1. Forma geometrica
En este caso se representa el vector director de la recta que viene dada por la ecuacion de la funcion
objetivo,F(x, y) = A x +B y , que hay que maximizar o minimizar.
El vector director de la recta A x+B y viene dado por v = (B, A). Ademas, como lo unico que
nos importa es la direccion del vector y no su modulo (longitud), podemos dividir a las coordenadas
del vector si los n umeros son muy grandes, puesto que vectores con coordenadas proporcionales tienen
la misma direccion.
Posteriormente, se trazan rectas paralelas a este vector que pasen por los vertices de la region
factible (si es acotada) , o por todo el borde de la region factible (cuando no es acotada) y se observa
en que vertice la funcion F se hace maxima (o mnima) sin mas que tener en cuenta cual de las rectas
tiene mayor (o menor) ordenada en el origen, es decir, que recta corta en un punto mayor o menor al
eje y.
Ejemplo: Maximizar la funcion F(x, y) = 2000x + 5000y sujeta a las restricciones:
_
_
_
2x + 3y 3
2x y 9 0
2x 5y 5 0
La region factible en este caso es:
Los vertices eran los puntos (0,-1), (5,1) y (3,-3).
Como la funcion es F(x, y) = 2000x + 5000y, el vector director es v = (5000, 2000), que tiene la
misma direccion que el v = (5, 2) y representandolo queda:
Tlf. 955 22 42 50
CAP
ITULO 2. PROGRAMACI
ON LINEAL
Figura 2.3: Region factible y vector de la funcion objetivo
Se trata ahora de trazar paralelas al vector que pasen por los vertices anteriores, es decir:
Se observa gracamente que de las tres paralelas trazadas, la que corta al eje y en un punto mayor
es la que pasa por el punto (5,1), que por tanto sera la solucion optima al problema de maximos
planteado.
Para saber cual es este valor ,maximo sustituimos en la funcion:
F(5, 1) = 2000 5 + 5000 1 = 10000 + 5000 = 15000
Luego la funcion tiene su solucion optima en (5,1) donde toma el valor 15000.
2.4.2. Forma algebraica
Consiste, simplemente, en susituir cada uno de los vertices de la region en la funcion objetivo. La
solucion optima vendra dada por aquel que tome el mayor (o menor) valor.
Ejemplo: Maximizar la funcion F(x, y) = 2000x + 5000y sujeta a las restricciones:
_
_
_
2x + 3y 3
2x y 9 0
2x 5y 5 0
Con la misma region factible que en el caso anterior.
Los vertices eran los puntos (0,-1), (5,1) y (3,-3).
De esta forma sustituyendo:
F(5, 1) = 2000 5 + 5000 1 = 10000 + 5000 = 15000
F(0, 1) = 2000 0 + 5000 (1) = 0 5000 = 5000
F(3, 3) = 2000 3 + 5000 (3) = 6000 15000 = 9000
Tlf. 955 22 42 50
CAP
ITULO 2. PROGRAMACI
ON LINEAL
Figura 2.4: Solucion graca. Paralelas al vector por los vertices.
Vemos que el valor maximo se alcanza para el vertice (5,1) y que dicho valor es 15. La misma solucion
que se obtena antes.
Ejercicio: Resolver los problemas de programacion lineal:
1. Maximizar F(x, y) = 4x + 5y sujeto a:
_
_
2x +y 10
x + 3y 12
0 x 8
0 y 2
.
2. Minimizar F(x, y) = 12x + 10y sujeto a:
_
_
3x + 2y 12
4x + 5y 29
x 0
y 0
.
3. Maximizar F(x, y) = 120x + 80y sujeto a:
_
_
4x + 2y 6
7x + 8y 28
x 0
y 0
.
4. Minimizar F(x, y) = 12x + 8y sujeto a:
_
_
_
4x + 5y 20
7x + 2y 14
x y
.
2.5. Algunos ejemplos de casos extremos
Puede ocurrir que la solucion optima no sea unica, e incluso que no exista, como en los ejemplos
siguientes:
Tlf. 955 22 42 50
CAP
ITULO 2. PROGRAMACI
ON LINEAL
Ejemplo 1:
Maximizar g(x, y) = 3x + 4y sujeta a las rectricciones:
_
_
x +y 14
2x + 3y 36
4x +y 16
x 3y 0
.
Si representamos la region factible:
Los vertices seran:
A =
_
2
3
,
40
3
_
, B = (6, 8), C = (12, 4)
Observemos que la region factible es NO acotada superiormente.
Si aplicamos el metodo geometrico, debera trazar paralelas al vector director por los vertices, pero
como la region en no acotada, dichas rectas son cada vez mayores al trazarlas sobre los puntos de la
recta t, que son soluciones factibles. Por tanto el problema no tiene solucion.
En general, un problema de maximos no tiene solucion si la region factible no esta acotada supe-
riormente, y un problema de mnimos no tiene solucion si la region no esta acotada inferiormente.
Tambien puede tener el problema innitas soluciones:
Ejemplo 2:
Minimizar g(x, y) = 3x + 3y sujeta a las restricciones
_
_
x +y 5
y x + 3
3y x 1
y + 2x 16
4y x 22
.
La region es, en este caso:
Los vertices respectivos son: A=(1,4), B=(2,5), C=(6,4), D=(7,2) y E=(4,1).
Si utilizamos el metodo graco, obtenemos:
Es decir, como buscamos el valor mnimo, todos los puntos comprendidos entre A y E sirven, es
decir, hay innitas soluciones.
Tlf. 955 22 42 50
CAP
ITULO 2. PROGRAMACI
ON LINEAL
Figura 2.5: Las paralelas cortan cada vez en un punto mayor.
Si utilizamos el metodo algebraico: g(x, y) = 3x + 3y, luego:
A : g(1, 4) = 3 + 12 = 15
B : g(2, 5) = 6 + 15 = 21
C : g(6, 4) = 18 + 12 = 30
D : g(7, 2) = 21 + 6 = 27
E : g(4, 1) = 12 + 3 = 15
Observamos que el valor mnimo se toma en A y en E, y por tanto en todos los puntos comprendidos
entre ellos, es decir, hay innitas soluciones.
2.6. Aplicacion a problemas concretos
El verdadero valor de las tecnicas de la programacion lineal consiste en poder aplicarlas a problemas
reales.
Para resolver estos problemas se deben seguir los siguientes pasos, a la vez que vemos como se
aplicara a un ejemplo concreto.
Ejemplo:
Una fabrica de muebles fabrica dos tipos de sillones, S1 y S2. La fabrica cuenta con dos secciones;
carpintera y tapicera.
Hacer un sillon de tipo S1 requiere 1 hora de carpintera y 2 de tapicera, mientras que uno de tipo
S2 requiere 3 horas de carpintera y 1 de tapicera.
El personal de tapicera trabaja un total de 80 horas, y el de carpintera 90.
Las ganancias por las ventas de S1 y S2 (unidad) son, respectivamente 60 y 30 euros. Calcular
cuantos sillones de cada tipo hay que hacer para maximizar las ganancias.
Tlf. 955 22 42 50
CAP
ITULO 2. PROGRAMACI
ON LINEAL
Este es un problema tpico en el que hay que usar las tecnicas de programacion lineal. Intentaremos
seguir el siguiente esquema:
1. Leer el enunciado , determinar la funcion objetivo y denir las variables.
En este caso, queremos hacer maximo el benecio, es decir, queremos maximizar una funcion.
Como queremos determinar las cantidades de sillones S1 y S2 respectivamente, llamemos x=n
o
de unidades de S1 e y=n
o
de unidades de S2.
La funcion benecio a maximizar sera: B(x, y) = 60 x + 30 y, que es la funcion objetivo.
2. Reordenar los datos del problema y escribir las inecuaciones correspondientes.
En este paso es conveniente el uso de tablas:
Tiempo(horas) Carpintera Tapicera
S1 1 2
S2 3 1
Disponible 90 80
Tiempo(horas) Cantidad Carpintera Tapicera
S1 x x 2x
S2 y 3y y
Necesario x + 3y 2x +y
Disponible 90 80
De aqu se deduce que:
x + 3y 90
2x +y 80
y ademas
x 0
y 0
pues el n
o
de unidades producidas no puede ser negativo.
Ya tenemos por tanto las restricciones.
Tlf. 955 22 42 50
CAP
ITULO 2. PROGRAMACI
ON LINEAL
3. Representar gracamente la region factible, calcular sus vertices y el vector si usamos el metodo
geometrico.
En este caso, representando la region factible:
Siendo los vertices A=(0,0), B=(0,30), C=(30,20), D=(40,0).
El vector sera

(30, 60), equivalente a

(10, 20).
Gracamente se observa que la solucion no es unica, sino que se encuentran innitas soluciones
en el lado correspondiente CD, sobre la recta 2x + y = 80, desde que x vale 30 hasta que vale
40, todas las soluciones son validas.
4. Sustituir las coordenadas en la funcion objetivo y dar la solucion correcta.
En este caso se obtiene:
B(0, 0) = 0
B(0, 30) = 900
Tlf. 955 22 42 50
CAP
ITULO 2. PROGRAMACI
ON LINEAL
B(30, 20) = 2400
B(40, 0) = 2400
con lo cual hay innitas soluciones y el benecio que se obtiene es 2400 euros.
5. Analizar la solucion obtenida en el contexto del problema: tiene sentido?.
Debemos interpretar que en el contexto del problema no todas las soluciones son validas, sino
que solo sirven soluciones enteras, es decir, no se pueden fabricar, por ejemplo 38 sillones del
tipo S1. Las soluciones con sentido vendran dadas por:
S1 30 31 32 33 34 35 36 37 38 39 40
S2 20 18 16 14 12 10 8 6 4 2 0
Encontramos por tanto solo 11 soluciones que son las de la tabla
En cualquiera de estas soluciones el benecio es de 2400 euros, que es el maximo bajo las
condiciones del problema.
2.7. El problema del transporte
Es uno de los problemas que dieron lugar a la programacion lineal.
Un ejemplo tpico sera el siguiente:
Ejemplo:
Una empresa tiene 2 plantas de produccion (P1 y P2) de cierto artculo que vende en 3 ciudades
(C1,C2 y C3). En P1 produce 5000 unidades, y en P2 7000 unidades. De estas 12000 unidades las
vende as: 3500 es C1, 4000 en C2 y 4500 en C3. Los costes de transporte, en euros por unidad de
producto, desde las plantas de produccion a las ciudades son:
Tlf. 955 22 42 50
CAP
ITULO 2. PROGRAMACI
ON LINEAL
Envos Hasta C1 Hasta C2 Hasta C3
Desde P1 3 25 35
Desde P2 225 375 4
Determina el n
o
de artculos que debe enviar la empresa desde cada planta a cada ciudad para que los
costes de transporte sean mnimos.
Para problemas de este tipo necesitamos una nueva variable.
Sea x=unidades de P1 a C1, y=unidades de P1 a C2 y z=unidades de P1 a C3.
Tiene que vericarse entonces que x +y +z = 5000.
Si desde P1 a C1 se envan x unidades, como en C1 necesitan 3500, desde P2 se mandaran a C1
3500 x. Razonando del mismo modo con y y z, se obtiene la tabla:
Desde P1 x y z = 5000 x y
Desde P2 3500 x 4000 y 4500 z = 4500 (5000 x y)
Hemos sustituido z por 5000 y x, porque x + y + z = 5000 y as transformamos las 3 incognitas
en solo 2.
Para obtener las restricciones imponemos que cada cantidad ha de ser mayor o igual que cero, es
decir:
x 0
3500 x 0
y 0
4000 y 0
5000 x y 0
500 +x +y 0
Por tanto el sistema de inecuaciones es:
_
_
x 0
x 3500
y 0
y 4000
x +y 5000
x +y 500
Como se trata de minimizar costes, la funcion objetivo es:
C(x, y) = 3 x +2
5 y +3
5 (5000 x y) +2
25 (3500 x) +3
75 (4000 y) +4 (500 +x +y)

C(x, y) = 1
25 x 0
75 y + 22625
Tlf. 955 22 42 50
CAP
ITULO 2. PROGRAMACI
ON LINEAL
Dibujando la region factible:
Resulta que A=(0,500), B=(0,4000), C=(1000,4000), D=(3500,1500), E= (3500,0) y F=(500,0).
Sustituyendo es:
C(0, 500) = 22250
C(0, 4000) = 19625
C(1000, 4000) = 20875
C(3500, 1500) = 25875
C(3500, 0) = 27000
C(500, 0) = 23250
El mnimo se da en B, cuando x = 0 e y = 4000.
Es decir, las unidades a distribuir son:
Desde P1 0 4000 1000
Desde P2 3500 0 3500
Ejercicio:
Dos fabricas de cemento, F1 y F2, producen respectivamente 3000 y 4000 sacos de cemento al da.
Hay que enviar ese cemento a tres centros de ventas C1, C2 y C3 en cantidades de 3000, 2500 y
1500 sacos respectivamente.
Los costes de transporte de cada fabrica a los puntos de venta vienen dados, en euros por cada
saco, por:
Desde F1 2 25 2
Desde F2 15 3 1
Determina como hay que distribuir la produccion para que el transporte resulte lo mas economico
posible.
Tlf. 955 22 42 50
CAP
ITULO 2. PROGRAMACI
ON LINEAL
2.8. EJERCICIOS
1. Maximizar F(x, y) = x + 2y sujeta a:
_
_
_
x +y 19
4x 3y 15
5x + 2y 33
.
2. Un club de jubilados quiere organizar un viaje para 200 socios. Contratan una agencia que dispo-
ne de 4 microbuses de 25 plazas y 5 autobuses de 50 plazas, pero solo dispone de 6 conductores.
El alquiler de los autobuses es de 160 euros por da y el de los microbuses, 70 euros da. Minimizar
el coste.
3. Un fabricante de coches lanza una oferta especial en dos de sus modelos, ofreciendo el modelo
A a un precio de 15000 euros y el modelo B en 20000 euros. La oferta esta limitada por las
existencias, que son 20 coches del modelo A y 10 del B. Por otra parte, para cubrir los gastos
de la campa na, los ingresos obtenidos deben ser de al menos 6000 euros.
a) Plantea el problema y representa gracamente el conjunto de soluciones.
b) Cuantos coches debera vender de cada modelo para maximizar sus ingresos? Cual es su
importe?.
4. Una casa empacadora de alimentos recibe diariamente 700 kg de cafe del tipo C y 800 kg de
cafe del tipo K. Hace con ellos dos mezclas. La del tipo A que consta de 2 partes de cafe del tipo
C y 1 de cafe del tipo K y la mezcla del tipo B que lleva una parte del tipo C y 2 del K. En la
mezcla A se ganan 022 euros por kilo y en la B 026 euros por kilo.
Halla la cantidad de mezcla que debe hacer de cada tipo para que la ganancia sea maxima.
5. Un pastelero fabrica dos tipos de tartas Suprema y Especial, para las que usa tres ingredientes
A, B y C. dispone de 150 kg de A, 90 kg de B y 150 kg de C. Para fabricar tartas Supremas
mezcla 1 kg de A, 1 kg de B y 2 kg de C, y para la Especial necesita 5 kg de A, 2 kg de B y 1
kg de C.
a) La tarta Suprema produce 6 euros de benecio y la Especial 15 euros. Calcula el n
o
de tartas
de cada clase que se deben fabricar para maximizar los ingresos.
b) Si la tarta Suprema produce 9 euros de benecios, que benecio debera producir la Especial
para que una solucion optima sea fabricar 60 tartas Supremas y 15 Especiales.
6. Una empresa de alimentacion fabrica dos tipos de pizzas: N y E. Cada pizza N se hace con 1 kg
de masa y 025 kg de recubrimiento y su venta rinde 15 euros. Cada pizza E necesita 1 kg de
masa y 05 kg de recubrimiento y rinde 25 euros en benecios.
La empresa dispone diariamente de 150 kg de masa y 50 kg de recubrimiento, y no puede vender
mas de 125 pizzas de cada clase.
Cuantas pizzas N y E debe fabricar y vender para maximizar los benecios?.
7. Un comerciante dispone de 500 jamones, 400 botellas de vino y 225 bolas de queso con las que
confeccionar dos lotes de regalo A y B. El lote A lleva 1 jamon y dos botellas de vino, y el B
lleva dos jamones, 1 botella de vino y una bola de queso.
El lote A produce 12 euros de benecio y el B 18. Cuantas unidades ha de fabricar de cada lote
para maximizar los benecios?.Que benecio obtiene?.
Tlf. 955 22 42 50
CAP
ITULO 2. PROGRAMACI
ON LINEAL
8. Un hotel tiene capacidad maxima para 108 personas y admite a adultos y a ni nos. Quiere que,
como mnimo, 48 personas sean adultos, y admite al menos un ni no por cada 2 adultos. Si a
los ni nos les hace un descuento de un tercio sobre el precio que cobra a los adultos , cuantos
adultos y cuantos ni nos admitira para obtener el maximo benecio?.
9. En una cadena de TV se ha detectado que un programa A con 20 minutos de informacion y 1
minuto de publicidad capta 30000 espectadores, mientras que otro programa B con 10 minutos
de informacion y 1 de publicidad capta 10000 espectadores.
En un determinado perodo se decide dedicar un maximo de 80 minutos a informacion y 6
minutos a publicidad. Si se desea que el n
o
de espectadores sea maximo, cuantas veces deberan
aparecer los programas A y B anteriores?.
10. La compa na aerea Let-Al S.A. tiene comprometido un viaje a Ibiza para 900 pasajeros. Esta
empresa tiene aviones peque nos con capacidad para 150 pasajeros y medianos, con capacidad
para 200 personas. Debido a compromisos anteriores, solo pueden disponer de 3 aviones medianos.
Desplazar a Ibiza un avion peque no cuesta 6000 euros y un avion mediano 8000 euros.
Un avion peque no necesita 6 tripulantes y uno mediano 8. Actualmente la empresa tiene 48
tripulantes activos. Minimizar el coste.
11. La tabla de costes, en euros, de un determinado producto es:
Desde P1 3 25 4
Desde P2 35 2 35
Si en P1 se producen 10000 unidades y en P2 7000 y las necesidades de C1, C2 y C3 son 6000,
7000 y 4000 unidades, como hay que distribuir la produccion para minimizar los costes de
transporte?.
12. Se necesita una dieta que proporcione a un animal 3000 caloras y 80 unidades de protenas al
da. en el mercado hay dos alimentos A y B. El A cuesta 02 euros por kg y cada kg contiene 600
caloras y 2 unidades de protena, y el B cuesta 01 euros por kg y cada kg contiene 50 caloras
y 8 unidades de protena.
Formula y resuelve el problema de determinar la combinacion necesaria de alimentos A y B para
que se satisfaga la dieta minimizando el coste.
13. Determine, mediante un sistema de inecuaciones lineales, la regiones factibles siguientes:
14. Una empresa fabrica dos tipos de almohadas. Producir una almohada cara cuesta 120 euros y se
vende a 300 euros, mientras que una almohada barata cuesta 50 euros y se vende a 180 euros.
La compa na no puede fabricar mas de 300 almohadas al mes y no puede gastar mas de 2500
euros al mes en su produccion.
Si la compa na ha de fabricar al menos 50 almohadas de cada tipo, cuantas ha de fabricar de
cada clase para maximizar sus benecios?.
15. Un frutero necesita 16 cajas de naranjas, 5 de platanos y 20 de manzanas. Dos mayoristas
pueden suministrarle para satisfacer sus necesidades, pero solo venden la fruta en contenedores
completos. El mayorista A enva en cada contenedor 8 cajas de naranjas, 1 de platanos y 2 de
manzanas. El mayorista B enva en cada contenedor 2 cajas de naranjas, una de platanos y 7
Tlf. 955 22 42 50
CAP
ITULO 2. PROGRAMACI
ON LINEAL
de manzanas. Sabiendo que el mayorista A se encuentra a 150 km de distancia y el mayorista
B a 300 km, calcular cuantos contenedores habra de comprar a cada mayorista, con objeto de
ahorrar tiempo y dinero, reduciendo al mnimo la distancia de lo solicitado.
16. Una compa na tiene dos minas: la mina A produce diariamente 1 tonelada de carbon de antracita
de alta calidad, 2 toneladas de carbon de calidad media y 4 toneladas de carbon de baja calidad;
la mina B produce 2 toneladas de cada una de las tres clases. La compa na necesita 70 toneladas
de carbon de alta calidad, 130 de calidad media y 150 de baja calidad. Los gastos diarios de la
mina A ascienden a 150 euros y los de la mina B a 200 euros.
Cuantos das deberan trabajar en cada mina para que la funcion de coste sea mnima?
17. Imaginemos que las necesidades semanales mnimas de una persona en protenas, hidratos de
carbono y grasas son, respectivamente, 8, 12 y 9 unidades. Supongamos que debemos obtener
un preparado con esa composicion mnima mezclando dos productos A y B, cuyos contenidos
por Kg son los que se indican en la siguiente tabla:
Proteinas Hidratos Grasas Coste/kg(euros)
A 2 6 1 6
B 1 1 3 4
a) Cuantos Kg de cada producto deberan comprarse semanalmente para que el costo de preparar
la dieta sea mnimo?
b) Cuantos Kg de cada producto deberamos comprar si el precio de A subiera a 10 euros/Kg ?
18. En la elaboracion de un producto A se necesita una sustancia B. La cantidad de A obtenida es
menor o igual que el doble de B utilizada, y la diferencia entre las cantidades del producto B y
A no supera los 2 gr. mientras que la suma no debe sobrepasar los 5gr.
Ademas se utiliza por lo menos 1 gr. de B y se requiere 1 gr. de A. La sustancia A se vende a
500 euros y la B cuesta 400 euros el gramo.
Calcular la cantidad de sustancia B necesaria para que el benecio sea maximo.
19. Una empresa fabrica dos tipos de tarjetas gracas, de 16Mb y 32Mb de memoria, respectivamen-
te. Se utilizan dos maquinas que emplean 2 min. en fabricar las de 16Mb y 3 min. en fabricar
las de 32Mb. La cadena de montaje solo puede funcionar, como maximo, 300 minutos diarios.
Ademas cada maquina tiene una capacidad maxima de fabricacion diaria de 125 unidades, entre
las cuales no puede haber mas de 90 tarjetas de 16Mb ni mas de 80 tarjetas de 32Mb, siendo el
benecio neto de las primeras de 45 euros y el de las segundas de 60 euros.
Tlf. 955 22 42 50
CAP
ITULO 2. PROGRAMACI
ON LINEAL
Cuantas tarjetas de 16Mb y 32Mb debe fabricar diariamente cada maquina para que el benecio
sea maximo?.
20. Una multinacional farmaceutica desea fabricar un compuesto nutritivo a base de dos productos
A y B. El producto A contiene 30 % de protenas, un 1 % de grasas y un 10 % de az ucares. El
producto B contiene un 5 % de protenas, un 7 % de grasas y un 10 % de az ucares. El compuesto
tiene que tener, al menos, 25 g. de protenas, 6 g. de grasas y 30 g. de az ucares.
El coste del producto A es de 006 euros/g. y el de B es de 002 euros/g. Cuantos gramos de
cada producto debe tener el compuesto para que el coste total sea mnimo?
21. Una compa na minera tiene abiertas dos minas M1 y M2, desde las cuales transporta carbon a
dos grupos G1 y G2 de una central termina. De la mina M1 salen diariamente para la central
800T de antracita y de la mina M2 300T. De las 1100T, 500 tienen que ir hasta el grupo G1 y
600T hasta el grupo G2.
El coste de cada tonelada transportada de M1 a G1 es de 60 euros, el de M1 a G2 de 80 euros,
el de M2 a G1 de 40 euros y el de M2 a G2 de 50 euros.
Cuantas toneladas hay que transportar desde cada mina hasta cada grupo para que el coste
total sea mnimo?.
22. Una asociacion agrcola tiene de dos parcelas: la parcela P1 tiene 400 hectareas de tierra utilizable
y dispone de 500 metros c ubicos de agua, mientras la parcela P2 tiene 900 hectareas de tierra
utilizable y dispone de 1200 metros c ubicos de agua.
Los cultivos aconsejados son: remolacha y algodon.
La remolacha consume 3 metros c ubicos de agua por hectareas y tiene un benecio de 700 euros
por hectareas y el algodon consume 2 metros c ubicos de agua por hectareas y tiene un benecio
de 500 euros por hectarea.
Se ha establecido una cuota maxima por hectareas para cada cultivo: 800 para la remolacha y
600 para el algodon, siendo el porcentaje total de terreno cultivado el mismo en cada parcela.
Plantear el problema de programacion lineal.
23. Una empresa constructora dispone de dos tipos de camiones C1 y C2 y quiere transportar 100T
de arena a una obra. Sabiendo que dispone de 6 camiones tipo C1 con capacidad para 15T y
con un coste de 40 euros por viaje y de 10 camiones tipo C2 con una capacidad de 5T y con un
coste de 30 euros por viaje.
a) Cual es el n umero posible de camiones que puede usar (gracamente)?.
b) Cual es el n umero posible de camiones que debe usar para que el coste sea mnimo?.
c) Cual es el valor de dicho coste?.
24. Un quiosco de prensa vende bolgrafos a 020 euros y cuadernos a 030 euros. Llevamos 240
euros y pretendemos comprar los mismos cuadernos que bolgrafos por lo menos. Cual sera el
n umero maximo de piezas que podemos comprar?.
25. Una compa na aerea dispone de dos tipos de aviones A1 y A2 para cubrir un determinado
trayecto. El avion A1 debe hacer mas veces el trayecto que el avion A2 pero no puede sobrepasar
120 viajes. Entre los dos aviones deben hacer mas de 60 vuelos, pero menos de 200. En cada
vuelo, A1 consume 900 litros de combustible y A2 700 litros. En cada viaje del avion A1 la
empresa gana 30000 euros y 20000 euros por cada viaje del avion A2.
Tlf. 955 22 42 50
CAP
ITULO 2. PROGRAMACI
ON LINEAL
a) Cuantos viajes debe hacer cada avion para obtener el maximo de ganancias?.
b) Cuantos vuelos debe hacer cada avion para que el consumo de combustible sea mnimo?.
26. Un joyero fabrica dos tipos de anillos: los anillos A1 precisan 1g. de oro y 5g. de plata vendiendolos
a 40 euros cada uno. Para los anillos tipo A2 emplea 1,5g. de oro y 1g. de plata y los vende a 50
euros. El joyero dispone en su taller de 750g. de cada metal.
Calcular cuantos anillos debe fabricar de cada clase para obtener el maximo benecio.
Tlf. 955 22 42 50
Captulo 3
L
IMITES Y CONTINUIDAD DE
FUNCIONES
3.1. Introducci on
El concepto de lmite en Matematicas tiene el sentido de lugar hacia el que se dirige una funcion
en un determinado punto o en el innito.
Veamos un ejemplo: Consideremos la funcion dada por la graca de la gura y jemonos en el
punto x = 2 situado en el eje de abscisas:
Que ocurre cuando nos acercamos al punto 2 moviendonos sobre el eje x? Tomemos algunos
valores como 21, 201, 2001.
Vemos en la gura que en este caso las imagenes de dichos puntos sobre la curva, f(21), f(201),
f(2001) se acercan a su vez a un valor situado en el eje y, el valor y = 3.
Si nos acercamos a 2 por la otra parte, es decir, con valores como 19, 199, 1999 en este caso las
imagenes f(19), f(199), f(1999) se acercan tambien al mismo valor, y = 3.
Concluimos que el lmite de la funcion f(x) cuando nos acercamos a x = 2 es 3, lo cual expresamos
Tlf. 955 22 42 50
CAP
ITULO 3. L
IMITES Y CONTINUIDAD DE FUNCIONES

como:
lm
x2
f(x) = 3
Intuitivamente, por tanto, podemos decir que el lmite de una funcion en un punto es el valor en el
eje Oy al que se acerca la funcion, f(x), cuando la x se acerca, en el eje Ox a dicho punto.
Sin embargo la expresion matematica rigurosa de lmite es algo mas compleja:
Denicion: Dada una funcion f(x) y un punto x = a, se dice que el lmite de f(x) cuando x se acerca
a a es L, y se expresa como:
lm
xa
f(x) = L
cuando:
Dado > 0, existe > 0 tal que siempre que |x a| < , entonces |f(x) L| <
Lo que viene a expresar esta formulacion matematica es que si x esta sucientemente cerca de
a, entonces su imagen f(x) tambien esta muy proxima a L.
En la practica en muchas ocasiones es necesario calcular los llamados lmites laterales, que como
recordaremos se denen de la siguiente forma:
Denicion:
Se dene el lmite lateral por la derecha de a de la funcion f(x), y se expresa como:
lm
xa
+
f(x)
al lmite al que se acerca f(x) cuando x se acerca a a y toma valores mayores que a.
De igual modo, el lmite lateral por la izquierda de a de la funcion f(x) se expresa como:
lm
xa
f(x)
Tlf. 955 22 42 50
CAP
ITULO 3. L

y se dene como el lmite al que se acerca f(x) cuando x se acerca a a y toma valores menores que a.
Propiedad: Para que una funcion f(x) tenga lmite en x = a es necesario y suciente que existan
ambos lmites laterales y coincidan, es decir:
lm
xa
f(x) = lm
xa
+
f(x) = lm
xa
f(x)
3.2. Tipos de lmites
Recordaremos algunos tipos de lmites que son conocidos:
1. Lmites innitos en un punto nito: En la situacion del dibujo, se dice que el lmite cuando x
se acerca por la derecha de a es +, pues a medida que la x se acerca a a, la funcion se hace
cada vez mayor:
lm
xa
+
f(x) = +
(de igual forma se puede denir cuando nos acercamos por la izquierda. Intenta hacer el dibujo).
De igual modo se dene el lmite cuando nos acercamos a a (por la derecha o por la
izquierda).(Dibuja el que falta)
Tlf. 955 22 42 50
CAP
ITULO 3. L

Puede ocurrir que uno de los lmites laterales sea nito y otro innito, o cualquier combinacion
entre ellos, por ejemplo:
En la gura anterior se cumple que:
lm
x2
+
f(x) = +
y
lm
x2
f(x) = 2
2. Lmites nitos en el innito: Se dice que una funcion tiene lmite b cuando x tiende a +
cuando la funcion se acerca a b cuando la x se hace cada vez mayor, es decir:
lm
x
f(x) = b
Tlf. 955 22 42 50
CAP
ITULO 3. L

Gracamente:
En este caso el lmite es 2 cuando x tiende a +.
De igual modo se dene el lmite nito cuando x tiende a .
3. Lmites innitos en el innito: Aparece este caso cuando si x tiende a + la funcion se hace
cada vez mayor o menor (lo mismo si x tiende a ).
Un ejemplo graco de este tipo de lmites sera:
En este caso:
lm
x
f(x) =
(Intenta dibujar otros casos diferentes).
3.3. Calculo de lmites
Recordaremos, dada su importancia, algunas de las reglas para el calculo de lmites cuando se
presentan diferentes indeterminaciones:
Tlf. 955 22 42 50
CAP
ITULO 3. L

3.3.1. Lmites en el innito
1. Lmites de polinomios: El lmite de cualquier polinomio cuando x tiende a siempre es + o
, dependiendo del coeciente del termino de mayor grado del polinomio:
lm
x
(2x
5
3x
2
+ 5) = +
lm
x
(3x
7
5x
2
+ 4x 8) =
pues en el primer caso el coeciente de x
5
es positivo, y en el segundo caso el coeciente de x
7
es negativo.
2. Indeterminacion

: Si tenemos un cociente de polinomios nos encontraremos con una indeter-

minacion de este tipo. Para resolverla basta recordar la siguiente regla:
Si tenemos:
lm
x
p(x)
q(x)
=
_
_
si grado(p(x)) > grado(q(x)),
donde el signo depende de los coecientes.
0 si grado(p(x)) < grado(q(x))
a
b
si grado(p(x)) = grado(q(x)), siendo a y b los
coecientes de los terminos de mayor grado de cada polinomio.
Ejemplos: a)
lm
x
x
3
5x
2
+ 6
x
2
+ 4
=
_
_
=
porque el grado del numerador es mayor, pero los respectivos coecientes de mayor grado tienen
signo diferente.
b)
lm
x
x
2
5
x
6
x
4
3x
2
+ 4
=
_
_
= 0
porque el grado del denominador es mayor.
c)
lm
x
7x
3
+ 2x 6
3x
3
+ 6
=
_
_
=
7
3
porque los grados son iguales.
Nota: La resolucion de lmites cuando x tiende a se reduce a estos casos, puesto que:
lm
x
f(x) = lm
x
f(x)
es decir:
lm
x
x
3
5x
2
+ 4
x
2
+ 5x
= lm
x
(x)
3
5(x)
2
+ 4
(x)
2
+ 5(x)
= lm
x
x
3
5x
2
+ 4
x
2
5x
=
_
_
=
La misma regla anterior sirve en el caso de que aparezcan races, siempre que tengan sentido los
lmites:
Tlf. 955 22 42 50
CAP
ITULO 3. L

d)
lm
x
3 +
x
3
5x
x
2
+ 4
=
_
_
= 0
puesto que el grado del denominador es 2 y en el numerador la mayor potencia de x es
3
2
, que
es menor que 2.
e)
lm
x
x + 1 +x
3
1 +x + 3x
3
=
puesto que aunque los grados de numerador y denominador son iguales, cuando x tiende a +
(es positivo y muy grande) resulta que x + 1 es negativo y como es bien conocido, la raz
cuadrada de un n umero negativo no existe en el cuerpo de los n umeros reales, por tanto el lmite
anterior no tiene sentido.
f)
lm
x
x + 1 +x
3
1 +x + 3x
3
= lm
x
_
(x) + 1 + (x)
3
1 + (x) + 3(x)
3
= lm
x
x + 1 x
3
1 x 3x
3
=
_
_
=
1
3
pues en este caso la raz si tiene sentido y los grados son iguales, quedando el lmite el cociente
de los coecientes de los monomios de mayor grado.
3. Indeterminacion : Cuando aparece esta indeterminacion, si tenemos una resta de frac-
ciones, simplemente se hace la resta para obtener un cociente de polinomios que ya sabemos
resolver:
lm
x
x
2
x + 1
x + 1

x + 3 +x
2
x 1
= () = lm
x
_
(x
2
x + 1)(x 1)
(x + 1)(x 1)

(x + 3 +x
2
)(x + 1)
(x 1)(x + 1)
_
=
= lm
x
_
x
3
2x
2
+ 2x 1
x
2
1

x
3
+ 2x
2
+ 4x + 3
x
2
1
_
= lm
x
4x
2
2x 4
x
2
1
=
_
_
= 4
En caso de que aparezca una raz, el proceso es multiplicar y dividir por el conjugado de la
expresion radical:
lm
x
_
(2x 1)
x + 1
_
= () = lm
x
_
(2x 1)
x + 1
_
_
(2x 1) +
x + 1
_
(2x 1) +
x + 1
=
= lm
x
(2x 1)
2
(
x + 1)
2
(2x 1) +
x + 1
= lm
x
4x
2
4x + 1 x 1
(2x 1) +
x + 1
=
= lm
x
4x
2
5x
(2x 1) +
x + 1
=
_
_
= +
3.3.2. Lmites en puntos nitos
Si queremos calcular el lmite de una funcion f(x) cuando x se acerca a cierto valor a, simplemente
hemos de sustituir el valor de a en f(x):
lm
x3
2x
2
3x + 1
x + 2
=
2 9 3 (3) + 1
3 + 2
= 28
El problema que nos podemos encontrar en este caso es que el denominador se haga 0 al sustituir x
por el valor que corresponda.
Nos podemos encontrar, por tanto, varios tipos de indeterminacion.
Tlf. 955 22 42 50
CAP
ITULO 3. L

1. Indeterminacion
k
0
, (k = 0): Se presenta cuando en el numerador aparece un n umero cualquiera
no nulo y el denominador es 0.
En este caso el lmite el siempre , pero para determinar su signo, se calculan los lmites
laterales:
a)
lm
x1
1 2x
1 x
2
=
1 2
1 1
=
1
0
=
_
_
lm
x1
+
1 2x
1 x
2
=
1 2 1
0001
1 (1
0001)
2
=
1
0
= +
lm
x1
1 2x
1 x
2
=
1 2 0
9999
1 (0
9999)
2
=
1
0
+
=
b)
lm
x0
7
x
=
7
0
=
_
_
lm
x0
+
7
x
=
7
0
0001
=
7
0
+
=
lm
x0
7
x
=
7
0
0001
=
7
0
= +
c)
lm
x1
2
(x + 1)
2
=
2
0
=
_
_
lm
x1
+
2
(x + 1)
2
=
2
(0
9999 + 1)
2
=
2
0
+
=
lm
x1
2
(x + 1)
2
=
2
(1
0001 + 1)
2
=
2
0
+
=
2. Indeterminacion
0
0
: En este caso tanto numerador como denominador se hacen 0.
Si tanto en el numerador como en el denominador tenemos polinomios, la forma de resolver la
indeterminacion es descomponer los polinomios en factores (mediante, por ejemplo, la regla de
Runi) y simplicar para posteriormente volver a sustituir.
lm
x2
x
2
5x + 6
x
2
4
=
4 10 + 6
4 4
=
_
0
0
_
= lm
x2
(x 2)(x 3)
(x 2)(x + 2)
= lm
x2
(x 3)
(x 2)
=
1
4
En caso de que tambien aparezcan races cuadradas, el proceso es multiplicar y dividir por la
expresion radical conjugada con el n de simplicar y luego sustituir:
lm
x3
x + 4 1
x
2
+ 2x 3
=
_
0
0
_
= lm
x3
(
x + 4 1) (
x + 4 + 1)
(x
2
+ 2x 3) (
x + 4 + 1)
=
= lm
x3
(
x + 4)
2
1
2
(x
2
+ 2x 3) (
x + 4 + 1)
= lm
x3
x + 3
(x
2
+ 2x 3) (
x + 4 + 1)
=
= lm
x3
(x + 3)
(x + 3) (x 1) (
x + 4 + 1)
= lm
x3
1
(x 1) (
x + 4 + 1)
=
1
(4) (1 + 1)
=
1
8
3.3.3. Lmites potenciales. Indeterminaci on 1
Cuando aparecen exponentes, hay que recordar algunas reglas basicas.

Si tenemos
lm
xa
(f(x))
g(x)
Tlf. 955 22 42 50
CAP
ITULO 3. L

o bien
lm
x
(f(x))
g(x)
se pueden presentar varios casos:
1. La base tiende a un n umero cualquiera no nulo y el exponente a otro n umero. En este caso el
lmite es el n umero que resulta de realizar la operacion correspondiente:
lm
x1
(x + 1)
2x3
= 2
1
=
1
2
2. La base tiende a un n umero positivo mayor que 1 y el exponente a +. En este caso el lmite
es tambien +.
lm
x
_
2x + 1
1 +x
_
2x3
= 2
= +
3. La base tiene a un n umero no nulo comprendido entre -1 y 1 y el exponente a +. En este caso
el lmite es 0.
lm
x
_
1 +x
2x + 1
_
2x3
=
_
1
2
_
= 0
4. La base tiende a un n umero negativo menor o igual que -1 y el exponente a +. En este caso
el lmite no existe, pues los productos son alternativamente de signo contrario:
lm
x
_
3x + 1
1 +x
_
2x3
= (3)
=
5. En el caso en que la base tiende a 1 y el exponente a + tenemos una indeterminacion que se
resuelve aplicando la formula:
lm
xa
(f(x))
g(x)
= (1
) = (e)
lm
xa
(g(x) (f(x) 1))
O bien realizando los pasos para resolver tales lmites que recordamos:
lm
x0
_
1 +x
2x + 1
_2x+3
x
= (1)
3
0
= (1
) =
se suma y se resta 1 a la base
lm
x0
_
1 +
1 +x
2x + 1
1
_2x+3
x
=
se hace la resta
= lm
x0
_
1 +
1 +x 2x 1
2x + 1
_2x+3
x
= lm
x0
_
1 +
x
2x + 1
_2x+3
x
=
se baja el numerador dividiendo al denominador
= lm
x0
_
1 +
1
2x+1
x
_2x+3
x
=
se pone el denominador como exponente
lm
x0
_
_
_
1 +
1
2x+1
x
_2x+1
x
_
_
x
2x+1
2x+3
x
=
=
se sustituye el corechete por e
(e)
lm
x0
_
x
2x+1

2x+3
x
_
= (e)
lm
x0
_
2x3
2x+1
_
= e
3
Ejercicio: Resolver el lmite anterior utilizando la formula.
Nota: El caso en que el exponente tiende a se reduce a este sin mas que recordar las propiedades
de las potencias:
_
a
b
_
n
=
_
b
a
_
n
Tlf. 955 22 42 50
CAP
ITULO 3. L

3.4. Asntotas
Una primera aplicacion del calculo de lmites consiste en el calculo de las asntotas de una funcion.
Hay tres tipos de asntotas:
Verticales, Horizontales y Oblicuas (aunque de hecho las asntotas horizontales son un caso parti-
cular de estas).
3.4.1. Asntotas verticales
Una asntota vertical de una funcion f(x) es una recta vertical x = k tal que se cumple:
lm
xk
+
f(x) =
o bien
lm
xk
f(x) =
Las posibles asntotas verticales de una funcion se encuentran entre los puntos que no estan en el
dominio de la funcion, aquellos que anulan el dominador en las funciones racionales, etc...
Para determinar si un punto constituye una asntota vertical de la funcion, se tiene que cumplir
que alguno de los lmites laterales de la funcion en el punto sea .
En tal caso, se dira que la funcion posee una asntota vertical en dicho punto por el lado en el cual
dicho lmite sea .
Ejemplo: Estudiar las asntotas verticales de las funciones:
f(x) =
2x + 3
x 1
g(x) =
1
x
a) Para la primera funcion, la posible asntota estara en el punto x = 1, que es el unico n umero real
que no pertenece a su domino por anular el denominador.
As pues estudiamos el:
lm
x1
2x + 3
x 1
=
5
0
=
_
_
lm
x1
+
2x + 3
x 1
=
2 1
0001 + 3
1
0001 1
=
5
0
+
= +
lm
x1
2x + 3
x 1
=
2 0
9999 + 3
0
9999 1
=
5
0
=
Como ambos lmites laterales son innitos, existe una asntota vertical de la funcion en x = 1, y es
mas, conociendo el valor de los lmites podemos asegurar que en las cercanas de la asntota la funcion
se comportara como en el dibujo:
b) En cuanto a esta funcion,g(x) =
1
x
, notemos que el denominador se anula cuando
x = 0 =
x = 0, es decir la posible asntota vertical estara en x = 0. Analizando obtenemos:
lm
x0
1
x
=
1
0
=
_
_
lm
x0
+
1
x
=
1
0001
=
1
0
+
= +
lm
x0
x
=
1
0001
=
puesto que no hay races cuadradas de n umeros negativos.
De modo que hay una asntota vertical en x = 0 pero solo por la derecha, es decir, la graca sera:
Tlf. 955 22 42 50
CAP
ITULO 3. L

3.4.2. Asntotas horizontales
Las asntotas horizontales, si existen, indican el valor al que se acerca la funcion cuando la variable
independiente x se hace muy grande o muy peque na.
Dicho en forma de lmites, una funcion tiene una asntota horizontal en y = k cuando para alguno
de los dos lmites:
lm
x
f(x) = k
o bien
lm
x
f(x) = k
Ejemplo: Calcular las asntotas horizontales de las funciones:
f(x) =
x
2
+ 1
x + 1
g(x) =
1
x
a) Para f(x) calculemos los lmites anteriores:
lm
x
x
2
+ 1
x + 1
= +
lm
x
x
2
+ 1
x + 1
= lm
x
(x)
2
+ 1
(x) + 1
= lm
x
x
2
+ 1
x + 1
=
de modo que la funcion f(x) no posee asntotas horizontales.
b) En cuanto a g(x), de igual modo:
lm
x
1
x
= 0
lm
x
1
x
=
De modo que g(x) posee una asntota horizontal en y = 0 cuando x tiende a . De forma graca:
Tlf. 955 22 42 50
CAP
ITULO 3. L

3.4.3. Asntotas Oblicuas
Una recta y = m x +n es una asntota oblicua de la funcion f(x) cuando existen y son nitos los
lmites:
m = lm
x
_
f(x)
x
_
y
n = lm
x
(f(x) m x)
Las asntotas horizontales son un caso particular de las oblicuas para el caso en que m = 0.
Ejemplo: Estudiar las asntotas oblicuas de f(x) =
x
2
x + 1
.
Tlf. 955 22 42 50
CAP
ITULO 3. L

Calculemos m y n:
m = lm
x
_
f(x)
x
_
= lm
x
x
2
x+1
x
= lm
x
x
2
x
2
+x
= 1
n = lm
x
(f(x) m x) = lm
x
_
x
2
x + 1
1 x
_
= lm
x
_
x
2
x + 1
x
_
=
lm
x
_
x
2
x
2
x
x + 1
_
= lm
x
_
x
x + 1
_
= 1
Por tanto f(x) tiene una asntota oblicua en y = x 1 cuando x tiende a +.
Se puede comprobar que cuando x tiende a , f(x) tiene esta misma asntota. (Intentalo).
Gracamente se obtiene:
Figura 3.1: La asntota oblicua es y = x 1
Ejercicios:
1. Calcula las asntotas de las funciones:
f(x) =
x
x
2
1
g(x) =
x
2
x + 2
h(x) =
x
2
4
x
2
+ 4
2. Estudia las asntotas de la funcion:f(x) = e
1
x2
.
3. Calcula los lmites:
a) lm
x
x
3
x
2
2
b) lm
x
x
3
x
2
2
c) lm
x
_
3x
2
5
3x
2
+x
_
x
2
1
d) lm
x1
_
x
2
+ 4
x + 4
_
x
x1
e) lm
x2
x
2
+ 5 3
x + 7 3
f) lm
x1
2x
2
2
x
2
2x + 1
Tlf. 955 22 42 50
CAP
ITULO 3. L

3.5. Continuidad
La idea intuitiva de funcion continua en un punto es bien sencilla.
Una funcion continua en un punto es aquella que no da saltos, aquella que se puede dibujar sin
levantar el lapiz del papel.
Matematicamente la denicion de funcion continua es un poco mas compleja. Dice as:
Denicion: Una funcion f(x) es continua en un punto x = a si:
Dado > 0, existe > 0 tal que siempre que |x a| < , entonces |f(x) f(a)| <
Dicho de otra forma, si nos acercamos al punto a, entonces las imagenes se acercan a la imagen de a,
f(a).
Si f(x) no es continua en x = a se dice que f(x) es discontinua en a o que tiene una discontinuidad
en x = a.
Propiedad: Para que una funcion sea continua en un punto a es necesario y suciente que:
a) Exista el valor de la funcion en el punto, f(a).
b) Existan los lmites laterales,
lm
xa
+
f(x)
y
lm
xa
f(x)
, y sean nitos e iguales entre s e iguales a f(a), es decir:
lm
xa
+
f(x) = lm
xa
f(x) = f(a)
Esta ultima propiedad proporciona una forma muy sencilla de saber si una funcion es continua o no
en un punto.
Ejemplo: Estudiar la continuidad de la funcion:
f(x) =
_
2x + 1 si x > 2
1
x
si x 2
En primer lugar, se nalemos que la mayora de las funciones que estudiamos son continuas en todos los
puntos salvo en algunos.
Cuales son los posibles puntos de discontinuidad de una funcion?.
Aquellos en los que no esta denida la funcion (anulan el denominador, etc...) y aquellos en los
que cambia la denicion de la funcion.
En todos los demas puntos las funciones son siempre continuas y no hace falta analizarlos.
En nuestro caso, si nos jamos en f(x) encontramos 2 posibles puntos de discontinuidad.
El primero es aquel en el que cambia la denicion de la funcion, x = 2. Ademas, como hay un
demominador, que se anula para x = 0, y ademas estamos en el tramo de funcion para valores menores
que 2, el punto x = 0 es otro posible punto de discontinuidad.
Analicemos si la funcion es continua o no en esos puntos.
Continuidad en x = 2:
f(2) =
1
2
Tlf. 955 22 42 50
CAP
ITULO 3. L

pues debemos sustituir en la parte inferior de f(x), que es donde esta el igual.
Lmites laterales:
lm
x2
f(x) = lm
x2
1
x
=
1
2
Por otra parte:
lm
x2
+
f(x) = lm
x2
2x + 1 = 5
Como los lmites laterales existen pero son diferentes, concluimos que f(x) es discontinua en x = 2.
Continuidad en x = 0:
f(0) =
quedara un cero en el denominador.
Con esto ya sabemos que la funcion no puede ser continua en x = 0. De todos modos calculamos
los lmites laterales.
Observemos que cuando nos acercamos a 0, da igual por la derecha que por la izquierda, estamos
siempre en la parte inferior de la funcion, luego:
lm
x0
f(x) = lm
x0
1
x
=
1
0
=
Por otra parte:
lm
x0
+
f(x) = lm
x0
+
1
x
=
1
0
+
= +
Y f(x) tambien es discontinua en x = 0.
Por tanto f(x) es continua en todos los n umeros reales salvo en x = 0 y x = 2.
3.6. Tipos de discontinuidad
Analicemos los posibles casos que se pueden dar a la hora de estudiar la continuidad de una funcion
en un punto.
1. Existe f(a) y los lmites laterales, que son iguales y nitos, pero distintos del valor de f(a). Una
discontinuidad de este tipo se denomina discontinuidad evitable. Gracamente:
Tlf. 955 22 42 50
CAP
ITULO 3. L

Observamos que los lmites por la derecha y por la izquierda valen 1, ambos, mientras que
f(0) = 0. Hay una discontinuidad evitable en x = 0.
2. Existe f(a) y los lmites laterales existen y son nitos, aunque distintos. Estamos ante una
discontinuidad de salto nito. Gracamente:
En este caso el lmite por la derecha es 1, el izquierdo es 0 y f(0) =
1
2
, hay una discontinuidad
evitable en x = 0.
3. Existe f(a) y alguno de los lmites laterales es innito. En este caso hay una discontinuidad de
salto innito. Gracamente:
Ahora f(0) = 1, el lmite por la izquierda vale 1 tambien y el lmite lateral por la derecha vale
+. Discontinuidad de salto innito en x = 0.
Tlf. 955 22 42 50
CAP
ITULO 3. L

4. No existe f(a) o alguno de los lmites laterales. Se trata de una discontinuidad esencial. De forma
graca:
Los lmites laterales, ambos, son +, pero f(0) no existe. Hay una discontinuidad esencial en
x = 0.
Tlf. 955 22 42 50
CAP
ITULO 3. L

3.7. EJERCICIOS
1. Representa gracamente funciones que satisfagan:
a) Dominio:R, Imagen:[3, +), lm
x3
f(x) = 2, lm
x3
+
f(x) = 2, f(3) = 2.
b) g estrictamente decreciente en (0, 6), asntota vertical en x = 6, lm
x3
g(x) = 2 , no existe
g(3).
c) h acotada inferiormente por 2, asntota horizontal en y = 2 cuando x tiende a , asntota
vertical en x = 2, lm
x
h(x) =
2. Estudia la continuidad e indica el tipo de discontinuidad de las funciones:
a) f(x) =
_
x
2
1 si x 2
x + 1 si x > 2
b) h(x) =
_
_
_
x
2
9
x 3
si x = 3
6 si x = 3
c) k(x) =
_
2x 1 si x > 1
3 si x < 1
3. Calcula las incognitas para que sean continuas en todo R las funciones:
a) f(x) =
_
kx 3 si x < 4
x
2
+ 10x 13 si x 4
b) g(x) =
_
_
_
x + 2
x 2
si x = 2
k si x = 2
c) h(x) =
_
_
8
x
si x < 8
2m3 si 8 x < 4
x
1
n
si 4 x < 2
px si 2 x < 4
q
2
si x 4
4. Dibuja la graca de una funcion que se ajuste a las condiciones:
a) Continua en R {3, 1, 5, 7}.
b) lm
x3
f(x) = +, lm
x1
f(x) = 2, f(1) = 0.
c) Discontinuidad de salto nito en x = 5 y de salto innito en x = 7.
d) f(2) = 0.
5. En la ocina de correos, estan expuestas las tarifas del servicio de cartas, que son:
* Cartas de hasta 20 gr. de peso, 025 euros.
* Por cada 10 gr. o fraccion de exceso de peso se a naden 2 centimos de euro mas.
a) Escribe la formula de la funcion f(x) que relaciona el peso de cada carta x, con el precio que
nos cuesta enviarla, f(x), hasta 50 gr.
b) Representa gracamente f(x) e indica sus puntos de discontinuidad.
Tlf. 955 22 42 50
CAP
ITULO 3. L

6. Representar gracamente la funcion:
h(x) =
_
_
x si 3 x 0
0 si 0 x 1
1 si 1 < x 2
2 si 2 < x 3
0 si x < 3 o x > 3
Estudia su continuidad. Representa la graca de la funcion |f(x)|.
7. Para cada una de las gracas, estudia sus principales caractersticas y calcula los lmites que se
indican:
a) lm
x2
+
f(x) b) lm
x2
f(x) c) lm
x2
f(x)
d) lm
x
f(x) e) lm
x2
+
f(x) f) lm
x
f(x)
g) lm
x2
f(x) h) lm
x2
f(x) i) lm
x0
f(x)
a) lm
x1
+
g(x) b) lm
x1
g(x) c) lm
x1
g(x)
d) lm
x
g(x) e) lm
x1
+
g(x) f) lm
x
g(x)
g) lm
x1
g(x) h) lm
x1
g(x) i) lm
x0
g(x)
a) lm
x1
+
h(x) b) lm
x1
h(x) c) lm
x1
h(x)
d) lm
x
h(x) e) lm
x1
+
h(x) f) lm
x
h(x)
g) lm
x1
h(x) h) lm
x1
h(x) i) lm
x0
h(x)
Tlf. 955 22 42 50
CAP
ITULO 3. L

8. Calcula los siguientes lmites:
a) lm
x
x
2
1
x
3
1
b) lm
x
(
_
x
2
+x x) c) lm
x
(
_
x
3
+ 3x x) d) lm
x
(
x + 1 x)
e) lm
x
x
3
3
2x
2
+ 4
f) lm
x
(x + 2)
2
4
x
g) lm
x5
x
2
25
x 5
h) lm
x1
(1 +x)
2
1
x
i) lm
x1
x 1 +
x + 1
x + 1
x 1
j) lm
x2
x 2
x
2
4x + 4
k) lm
x0
1 x 1
x
l) lm
x0
x
1
x + 1
m) lm
x2
2 x
2x
2
4x
n) lm
x4
x
2
3x 4
x
2
2x 8
9. Una empresa ha estimado que los ingresos y los gastos anuales (en euros) que genera la fabricacion
y venta de x unidades de un determinado producto, vienen dados por las siguientes funciones:
Ingresos: I(x) = 28x
2
+ 3600x.
Gastos: G(x) = 44x
2
+ 1200x + 7000
Determina de forma razonada:
a) La funcion que dene el benecio anual.
b) El n umero de unidades que hay que vender para que el benecio sea maximo y cual es ese
benecio.
10. El rendimiento fsico ante determinado esfuerzo muscular (evaluado en una escala de 0 a 100) de
cierto deportista de elite durante un tiempo de 60 minutos, viene dado a traves de la funcion:
R(t) =
_
_
t(t 20) si 0 t < 15
75 si 15 t < 30
100
5
6
t si 30 t < 60
Tlf. 955 22 42 50
CAP
ITULO 3. L

Representa la graca de la funcion e interpretala.
11. Sea la funcion:
f(x) =
_
_
1
x
2
+b si x 1
3x
2
+ 4 si 1 < x < 1
x
3
+ 8 si x 1
donde b es un n umero real.
a) Calcula el valor de b para que f(x) sea continua en todo su dominio.
b) Calcula los lmites: lm
x
f(x) y lm
x
f(x).
12. El consumo de combustible (en centenares de litros) de cierta aeronave durante un total de 5
horas de vuelo, viene dado por la funcion:
C(t) =
_
_
5t si 0 t < 1
t
2
+ 4t + 2 si 1 t < 2
5
5
75 si 2
5 t < 4
28
75 5
75t si 4 t < 5
Representa dicha funcion y comentala. Estudia su continuidad.
13. Supongase que durante los ultimos 4 a nos las ventas, en miles de unidades, de los productos A
y B, vienen dadas por:
A(t) = t
2
4t + 6
B(t) = t
2
+ 4t
a) En que perodos se vendio mas cantidad del producto A que del B?
b) Perodo de tiempo durante el que las ventas de B superaron las 3000 unidades.
Tlf. 955 22 42 50
CAP
ITULO 3. L

14. Dada la funcion:
f(x) =
_
_
_
2x +a si x 1
x
2
+ 2 si 1 < x 1
ln x si x > 1
a) Calcula a para que f(x) sea continua en x = 1.
b) Representa gracamente f(x) si a = 3.
c) Calcula los lmites: lm
x
f(x) y lm
x
f(x).
f(x) =
_
_
3
x
si x <
3
2
2x + 1 si
3
2
x < 0
x
2
+ 1 si x 0
a) Estudia su continuidad y representala.
b) Calcula los lmites: lm
x
f(x) y lm
x
f(x).
16. Calcula k para que g(x) sea continua:
g(x) =
_
x +k si x < 5
1
5
x
2
2x + 8 si x 5
17. Se considera la funcion:
f(x) =
_
_
x + 2
x 1
si x 2
3x
2
2x
x + 2
si x > 2
a) Estudia la continuidad en x=2.
b) Calcula sus asntotas oblicuas.
f(x) =
_
x + 1 si x 1
3 ax
2
si x > 1
contesta a las cuestiones:
a) Para que valores de a la funcion f(x) es continua en x = 1?
b) Si f(x) es continua en un punto k, es cierto que NO existe lm
xk
f(x).?
19. Calcular las asntotas de las curvas:
a) f(x) =
x
2
x
2
1
b) g(x) =
x
2
x 2
2x
2
8
c) h(x) =
x
2
7x 10
x 1
d) f(x) =
3x
2
6
2x
2
8
e) g(x) =
x
2
2x
2x
2
+ 8
f) h(x) =
x
2
x
x + 1
Tlf. 955 22 42 50
CAP
ITULO 3. L

20. Los ciudadanos de cierto estado pagan en concepto de impuestos una cantidad f(x) donde x es
el ingreso anual en miles de euros, siendo:
f(x) =
_
2
16x
2
si 0 < x 10
21
6x si x > 10
Dibujar la graca de f(x).
Que pocentaje de sus ingresos paga un ciudadano que gana 9000 euros anuales?
21. La poblacion en millones de habitantes viene dada por la funcion:
P(t) =
20(t 1)
4 + (t 1)
2
+ 40
donde t es el tiempo en a nos (t 0).
Calcula la poblacion actual (para t=0) y el lmite de la poblacion con el tiempo.
22. Un agricultor ha recogido 10 toneladas de fruta que, almacenadas, se deterioran a razon de 50
kg por da. Su precio actual en el mercado es de 12 euros por kilo, pero el precio aumenta a
razon de 002 euros por kilo cada da.
a) Que cantidad de fruta le queda pasados t das?
b) Cual es el precio de venta por kg en ese momento?
c) Cual es la funcion que expresa el benecio que obtiene al vender la fruta el da t?
d) Cuantos das tienen que pasar para que ese benecio sea maximo?
23. La cotizacion en bolsa de las acciones de cierta empresa siguio, durante el a no 2001, aproxima-
damente, la evolucion:
f(t) = 342 + 39t 3t
2
donde t es el tiempo en meses, (0 t 12).
a) Representar aproximadamente f(t).
b) En que mes se obtiene la maxima cotizacion?. Calcular el porcentaje de benecio obtenido
por un individuo que haya comprado acciones en el momento de mnima cotizacion y las haya
vendido en el de maxima.
24. La poblacion de un estado es:
P(t) =
20
4e
t
100
+ 1
en millones de habitantes, donde t es el tiempo en a nos.
Calcular la poblacion actual (instante 0) y el lmite de la poblacion con el tiempo.
25. En una localidad, el recibo trimestral de agua se desglosa de la siguiente forma:
Una cuota ja de 36 euros.
Los primeros 40 metros c ubicos consumidos se pagan a 03 euros por metro c ubico y a partir de
aqu, cada metro c ubico consumido se cobra a 05 euros.
a) Escribir, seg un los trozos, la formula que nos permite saber cuanto hemos de pagar en funcion
de los metros c ubicos consumidos y representar dicha graca.
b) Si este trimestre hemos de pagar 30 euros, cuantos metros c ubicos de agua hemos consumido?
Tlf. 955 22 42 50
CAP
ITULO 3. L

26. Las tarifas de un taxi de una ciudad indican que la bajada de bandera cuesta 2 euros, con la
cual podemos recorrer hasta 500 metros.
A partir de este instante, el taxmetro salta 015 euros y vuelve a saltar 015 euros por cada 20
metros recorridos. Supongamos que el taxi no para en todo el recorrido.
a) Dibujar la funcion f(x) que da el precio que hemos de pagar por cada viaje de x metros, para
x entre 0 y 600 metros.
b) Cuanto hemos de pagar por un viaje de 585 metros?
c) Que distancia podemos haber recorrido si hemos pagado 4 euros?
27. Calcula el valor de los siguientes lmites:
a) lm
x
(
_
x
2
+ 5 (x + 2)) b) lm
x
_
6x 4
6x 2
_x+1
2
c) lm
x2
2x
2
8
x
2
+x 2
e) lm
x
_
3x
2
2x + 3
2x + 1

6x 9
4
_
f) lm
x1
2x + 1
x + 1
g) lm
x0
x
1
x + 1
i) lm
x
_
x
2
+ 2x + 1
x + 1
(x + 1)
_
j) lm
x
3(2x 3)
x
4
2
k) lm
x3
(7 2x)
7
x3
m) lm
x1
2x
3
14x
2
+ 12x
x
3
10x
2
+ 27x 18
n) lm
x
2x
6
+ 4x
8x
8
7x
2
+ 13
o) lm
x0
2x
3
6x
2
+ 5x
1 + 2x 5x
3
q) lm
x
_
1 +x
5x 3
_
x
2
r) lm
x
1 x
1 +x
x
s) lm
x3
x 3
x
2
6x + 9
d) lm
x
_
1 +
8
x
_
x
h) lm
x1
x
5
1
x
2
1
l) lm
x
9x
2
+ 4 3x
2x + 1
p) lm
x4
(
_
x
2
+ 3x 4
_
x
2
+ 2x + 5) t) lm
x0
_
2x + 5
3 x
_
x
Tlf. 955 22 42 50
Captulo 4
DIFERENCIABILIDAD DE
FUNCIONES. OPTIMIZACI
ON
4.1. Introducci on
Sin duda uno de los pilares basicos de las matematicas lo constituye el calculo diferencial (o calculo
de derivadas). Las aplicaciones de las derivadas son m ultiples y se dan en muchos y muy diversos
campos.
El calculo diferencial tuvo su germen en los trabajos del ilustres matematicos como I.Newton y
G.W. Leibnitz, quienes, independientemente uno del otro, llegaron a resultados similares en el siglo
XVII.
En este tema se a nalizaran algunas de las principales aplicaciones de las derivadas de funciones,
que posibilitan el calculo de extremos relativos, concavidad y puntos de inexion, facilitan el trazado
de curvas y sirven de herramienta para la resolucion de los llamados problemas de optimizacion, en
los cuales se trata de encontrar la solucion optima (maxima o mnima) a cierto problema.
4.2. Introducci on al concepto de derivada. Tasas de variaci on media
e instantanea.
Sabemos que las funciones son crecientes en ocasiones, decrecientes en otras, e incluso constantes
en alguna de sus partes.
Ahora bien, no todas las funciones crecientes crecen de igual modo, e incluso una misma funcion
creciente puede crecer de distinta forma, dependiendo de que nos encontremos en una parte u otra.
Analicemos un ejemplo. La siguiente gura muestra la graca de la funcion f(x) =
x
x 2
:
Es evidente que la funcion es creciente a partir del punto de abscisa x = 2. Ahora bien, siempre
crece de igual modo?.
Evidentemente no.
Tomemos un intervalo, por ejemplo el intervalo [3, 4].
Cuanto ha crecido la funcion en ese intervalo?. Como:
f(3) =
3
1
= 3
y
f(4) =
4
2
= 2
Tlf. 955 22 42 50
CAP
ITULO 4. DIFERENCIABILIDAD DE FUNCIONES. OPTIMIZACI
ON
la funcion ha crecido en realidad:
f(4) f(3) = 1
1 unidad.
Si nos jamos en otro intervalo donde la funcion tambien sea creciente, el [4, 6], veamos como crece
la funcion.
Como f(4) = 2 y
f(6) =
6
4
=
3
2
el crecimiento total es de
f(6) f(4) =
3
2
(2) =
1
2
tan solo media unidad, aunque el intervalo es dos veces mayor que el primero.
Podemos inferir entonces que la funci on es mucho mas creciente, o que crece mas rapidamente en
el intervalo [3, 4] que en el [4, 6].
La formalizacion de estas ideas la da la Tasa de Variacion Media de una funcion.
Denicion: Se llama Tasa de Variacion Media en un intervalo [a, b] de una funcion f(x), y se expresa
por TV M[a, b], al cociente:
TV M[a, b] =
f(b) f(a)
b a
La TV M no es mas que la diferencia entre los valores de la funcion en los extremos del intervalo
dividida entre la longitud del intervalo.
Por tanto, de esta primera denicion podemos deducir algunas propiedades:
* Si la TV M en el intervalo es positiva, signica que la funcion crece, globalmente en el intervalo.
(Entiendase globalmente en el sentido de que no es necesariamente creciente en todo el intervalo, pero
en denitiva hay un crecimiento de la funcion en dicho intervalo).
* Si la TV M en el intervalo es negativa, la funcion decrecera.
* La magnitud del crecimiento o el decrecimiento dependera de la magnitud de la TV M.
As pues la TV M nos da una idea de como crece o decrece la funcion y con que rapidez lo hace.
Sin embargo, la TV M no resuelve todos los problemas, puesto que nos podemos plantear si la
funcion es creciente o no en un punto concreto, no en un intervalo.
La TV M y el concepto de lmite solucionan el problema:
Si queremos saber si la funcion tiene una tendencia creciente o decreciente en un punto a, utiliza-
remos el concepto de TV M como antes en un intervalo [a, a +h]:
TV M[a, a +h] =
f(a +h) f(a)
a +h a
=
f(a +h) f(a)
h
Tlf. 955 22 42 50
CAP
ON
A medida que nos acercamos al punto a, es decir, a medida que h se acerca a 0, la tasa de variacion
media en ese intervalo se acerca al dato buscado, la tasa de variacion en ese punto concreto. Mas
concretamente:
Denicion: Se llama Tasa de Variacion Instantanea en un punto a de una funcion f(x) al valor,
denotado por TV I(a):
TV I(a) = lm
h0
f(a +h) f(a)
h
Ejemplo: Calcular la tasa de variacion instantanea de la funcion f(x) =
x
x 1
en el punto 2.
Aplicando la denicion:
TV I(2) = lm
h0
f(2 +h) f(2)
h
= lm
h0
2+h
2+h1

2
21
h
= lm
h0
2+h
1+h
2
h
=
= lm
h0
2+h22h
1+h
h
= lm
h0
h
1+h
h
= lm
h0
h
h(h + 1)
= lm
h0
1
h + 1
= 1
Ejercicio: Calcula la Tasa de Variacion Instantanea para las siguientes funciones en los puntos indi-
cados:
a) f(x) =
2x 1
x + 1
en x = 0 y x = 1.
b) g(x) = x
3
x + 3 en x = 1 y x = 2.
c) h(x) =
x + 3 en x = 6 y x = 2.
4.3. Denici on de derivada. Reglas de derivacion. Interpretacion
geometrica
La tasa de variacion instantanea en un punto es precisamente la derivada de la funcion en un
punto. Formalicemos:
Denicion: Dada una funcion f(x) y un punto a, se llama derivada de la funcion f(x) en el punto
a, y se representa por f
(a) a:
f
(a) = lm
h0
f(a +h) f(a)
h
es decir la derivada en un punto es la tasa de variacion instantanea en ese punto.
El problema que nos podemos encontrar es el siguiente.
Tlf. 955 22 42 50
CAP
ON
Si tenemos una funcion, digamos f(x) = 2x
2
+ 1, y calculamos su derivada en un punto x = 3,
tendremos que hacer:
f
(3) = lm
h0
f(3 +h) f(3)
h
= lm
h0
2(3 +h)
2
+ 1 (2(3)
2
+ 1)
h
=
= lm
h0
2(9 +h
2
6h) + 1 19
h
= lm
h0
2h
2
12h
h
= lm
h0
h(2h 12)
h
= lm
h0
2h 12 = 12
Ahora bien, si queremos calcular la derivada en el punto 2 de la misma funcion, tenemos que volver a
calcular ese lmite, lo cual es un trabajo engorroso.
Conviene, por tanto calcular la funcion derivada de f(x), es decir f
(x).
Esta funcion derivada permite calcular la derivada en cualquier punto sin mas que sustituir en el
punto concreto. Por ello es conveniente dominar las llamadas reglas de derivacion para las funciones
mas habituales.
Por otra parte, es posible calcular las derivadas sucesivas de una funcion.
La derivada segunda sera la derivada de la funcion derivada, y se representara por f
(x), y as su-
cesivamente las funciones derivadas tercera (f
(x)), cuarta, etc.

4.3.1. Propiedades de las derivadas. Reglas de derivacion
1. La derivada de una constante es nula:
f(x) = k =f
(x) = 0
donde k R.
2. Derivada de la suma (o diferencia de funciones):
(f g)
(x) = f
(x) g
(x)
3. Derivada del producto de una funci on por una constante:
(k f)
(x) = k f
(x)
donde k R.
4. Derivada del producto de funciones:
(f g)
(x) = f
(x) g(x) +f(x) g
(x)
5. Derivada del cociente de funciones:
_
f
g
_
(x) =
f
(x) g(x) f(x) g
(x)
(g(x))
2
6. Derivada de la composicion de funciones (Regla de la cadena):
(f g)
(x) = f
(g(x)) g
(x)
Tlf. 955 22 42 50
CAP
ON
4.3.2. Derivadas elementales
Funcion elemental Derivada
1.- f(x) = x
k
, k R f
(x) = k x
k1
2.- f(x) = e
x
f
(x) = e
x
3.- f(x) = a
x
, a R
+
f
(x) = a
x
ln a
4.- f(x) = log
a
x, a R
+
f
(x) =
1
x

1
ln a
5.- f(x) = ln x f
(x) =
1
x
6.- f(x) = sen x f
(x) = cos x
7.- f(x) = cos x f
(x) = sen x
8.- f(x) = tan x f
(x) = 1 + tan
2
x = sec
2
x =
1
cos
2
x
9.- f(x) = csc x f
(x) = cot x csc x

10.- f(x) = sec x f
(x) = tan x sec x

11.- f(x) = cot x f
(x) =
1
sen
2
x
= csc
2
x
12.- f(x) = arc sen x f
(x) =
1
1 x
2
13.- f(x) = arc cos x f
(x) =
1
1 x
2
14.- f(x) = arctan x f
(x) =
1
1 +x
2
15.- f(x) =
x f
(x) =
1
2
x
16.- f(x) =
n
x f
(x) =
1
n
n
x
n1
Con todas estas propiedades es mucho mas facil derivar, por ejemplo, para la funcion y el punto
anterior, calculamos la funcion derivada:
f(x) = 2x
2
+ 1 =f
(x) = 4x
y ahora, conocida la funcion derivada podemos calcular la derivada en cualquier punto: En x = 2,
f
(2) = 4 2 = 8
En x = 3,
f
(3) = 4 (3) = 12
Es mucho mas comodo y no tenemos que recurrir a la denicion.
Tlf. 955 22 42 50
CAP
ON
4.3.3. Interpretaci on geometrica de la derivada
La derivada tiene una interpretacion geometrica muy sencilla.
Observemos la funcion f(x). Si calculamos las respectivas tasas de variacion media en los intervalos
que se acercan al punto a, como la tasa de variacion media es:
TV M[a, a +h] =
f(a +h) f(a)
h
este cociente corresponde a la pendiente (o inclinacion) de la recta que une los puntos (a, f(a)) y
(a +h, f(a +h)):
Figura 4.1: La pendiente de la recta secante es
f(a +h) f(a)
h
.
Por tanto cuando nos acercamos al punto a, es decir, cuando calculamos el valor de la tasa de
variacion instantanea o derivada en el punto a, dicho valor es precisamente la pendiente de la recta
tangente en el punto a, es decir, aquella recta que solo corta (en las cercanas del punto) a la funcion
f(x) en el punto a.
Recordemos que la pendiente de una recta es, en cierta forma, la inclinacion de la recta.
Si es al angulo que forma la recta con el eje x y m es la pendiente de la recta, se cumple que:
m = tan
As, si f(x) es la funcion y queremos calcular la tangente en el punto (a, f(a)), sabemos que la
pendiente de la recta tangente es m = f
(a), y utilizando la ecuacion de la recta en la forma punto-

pendiente, sabemos que la ecuacion de dicha recta tangente es:
y f(a) = f
(a) (x a)
Ejemplo: Calcula la ecuacion de la recta tangente a la curva f(x) = e
2x+2
en el punto 1.
Como a = 1, en primer lugar calculamos:
f(1) = e
2+2
= e
0
= 1
Tlf. 955 22 42 50
CAP
ON
Figura 4.2: La pendiente de la recta tangente es f
(a).
Figura 4.3: La pendiente de la recta tangente es m = tan
Para calcular f
(1), derivamos:
f
(x) = 2 e
2x+2
y por tanto la derivada en el punto a = 1 sera:
f
(1) = 2 e
2+2
= 2 e
0
= 2
Con estos datos, la ecuacion de la recta tangente es:
y f(1) = f
(1) (x (1)) =y 1 = 2(x + 1) =y = 2x + 3

Tlf. 955 22 42 50
CAP
ON
Gracamente la funcion y la recta tangente son:
Figura 4.4: Curva f(x) = e
2x+2
y tangente en x = 1, y = 2x + 3.
4.4. Aplicaciones de las derivadas a la Fsica y la Economa
4.4.1. Aplicaci on a la Fsica
La derivada tiene una importante aplicacion en el campo de la fsica.
Si una partcula lleva un movimiento cualquiera en el que el espacio recorrido viene dado por una
funcion e(t), es decir, el espacio dado en funcion del tiempo, entonces se cumple que:
a) La derivada del espacio, e
(t) representa la velocidad de la partcula en el instante t, es decir, la

derivada del espacio es la velocidad:
v(t) = e
(t)
b) Ademas, la derivada de la velocidad, v
(t) representa la aceleracion de la partcula en cualquier

instante t, es decir, la derivada de la velocidad (o la derivada segunda del espacio) es la aceleracion:
a(t) = v
(t) = e
(t)
Ejemplo: El espacio recorrido por un m ovil viene dado por la funcion e(t) = 3t
2
t + 1.
a) Calcular la tasa de variacion en el intervalo [2, 6].
b) Hallar la velocidad en el instante t = 0.
c) Hallar la velocidad y aceleracion en el instante t = 2.
a) Aplicando la formula:
e(6) = 108 6 + 1 = 103, e(2) = 12 2 + 1 = 11
Tlf. 955 22 42 50
CAP
ON
luego:
TV M[2, 6] =
e(6) e(2)
6 2
=
103 11
4
=
92
4
= 23 m/s
b) La velocidad sera:
v(t) = e
(t) = 6t 1 =v(0) = 1 m/s

c) En el instante 2:
v(2) = 11 m/s
Y la aceleracion en ese mismo instante;
a(t) = v
(t) = 6
Por tanto,
a(2) = 6 m/s
2
la aceleracion es constante, es un movimiento uniformemente acelerado.
4.4.2. Aplicaci on a la Economa
La aplicacion a la Economa se reere al concepto de marginalidad.
As, el coste marginal de fabricacion de un producto es el incremento de coste que se produce
cuando se aumenta la produccion en una unidad mas.
Del mismo modo se hablara del incremento de los ingresos por la ultima unidad vendida, ingreso
marginal.
En cualquier caso, siempre que se utilice el termino marginal , se trata de la derivada de la funcion
de que se este tratando, respecto de la variable de produccion, que se mide en unidades fabricadas.
Supongamos, por ejemplo, que la funcion de costes de cierto producto viene dada por la expresion
c(x) = 30 + 50x x
2
, donde c(x) se expresa en euros y x en unidades.
El coste marginal para producir la unidad x + 1 sera c
(x) = 50 2x.
En realidad, la derivada no proporciona exactamente el coste marginal, sino una aproximacion
que facilita el calculo. Dicho coste marignal, rigurosamente, viene dado por c(x + 1) c(x), pero esta
diferencia se puede aproximar bien por la derivada c
(x).
Si queremos calcular el coste marginal producido al producir la 3
a
unidad, jemonos en que es-
taramos calculando el coste marginal de la unidad n
o
2, c
(2) = 46, es decir, 46 euros.

Si no utilizasemos la derivada, el coste marginal sera:
c(3) = 30 + 150 9 = 171, c(2) = 30 + 100 4 = 126 =c(3) c(2) = 171 126 = 45
no es el valor que obtenamos con la derivada, pero es una buena aproximacion.
Las funciones de la Economa tienen un campo de validez que, por lo general, es restringido respecto
al dominio de denicion de la funcion.
En este caso, por ejemplo, la funcion es valida desde x = 0 hasta x = 25; a partir de ah, si obser-
vamos el coste marginal, disminuyen los costes de fabricacion, lo que es absurdo si se esta fabricando
mas.
Notemos, ademas que si queremos calcular el coste marginal si se quiere producir la unidad n umero
n, hemos de calcular la funcion de coste marginal evaluada en la unidad anterior, que es la ultima
unidad producida, es decir, en la unidad n 1.
Lo mismo se puede decir si la funcion es de ingresos o de benecios.
Ejercicios:
Tlf. 955 22 42 50
CAP
ON
1. El desplazamiento de un movil que se mueve a lo largo de una linea recta viene dado por la
funcion e(t) = e
t
2
1.
Halla la velocidad y la aceleracion del movimiento. En el instante inicial, cuales son estas?.
2. Las funciones de ingresos y gastos correspondientes a cierto producto de consumo son, respecti-
vamente:
I(x) = 80x 0
1x
2
, C(x) = 500 + 20x
. Halla la funcion benecio y el benecio marginal. Para que valores de x estan denidas estas
funciones?.
4.5. Derivabilidad y continuidad
Se estudio en el tema anterior el concepto de continuidad de una funcion en un punto.
Vimos, por ejemplo, que intuitivamente se puede decir que una funcion es continua cuando se
puede dibujar sin levantar el lapiz del papel, o de manera mas formal, cuando en el punto coinciden
los lmites laterales con el valor de la funcion en el punto, esto es:
lm
xa
+
f(x) = lm
xa
f(x) = f(a)
La condicion para que una funcion sea derivable es mas fuerte, mas restrictiva. Para ello es necesario
denir las derivadas laterales.
Denicion: Dado un punto a y una funcion f(x), se dene la derivada lateral por la derecha de la
funcion f(x) y se expresa por f
+
(a), como:
f
+
(a) = lm
h0
+
f(a +h) f(a)
h
Dado un punto a y una funcion f(x), se dene la derivada lateral por la izquierda de la funcion f(x)
y se expresa porpor f
(a), como:
f
(a) = lm
h0
f(a +h) f(a)

h
Denicion: Diremos que una funcion es derivable en un punto a cuando existen y son nitas las
derivadas laterales y son iguales, es decir:
f
+
(a) = f
(a)
Ejemplo: Estudiar la continuidad y derivabilidad de la funcion:
f(x) =
_
x si x 0
x si x > 0
Calculando los lmites laterales:
lm
x0
+
f(x) = lm
x0
x = 0
lm
x0
f(x) = lm
x0
x = 0
Ademas f(0) = 0, por tanto la funcion es continua en el punto x = 0 que es el unico punto conictivo.
Tlf. 955 22 42 50
CAP
ON
Analicemos la derivabilidad en x = 0:
f
(0) = lm
h0
f(0 +h) f(0)

h
= lm
h0
h 0
h
= lm
h0
h
h
= lm
h0
1 = 1
f
+
(0) = lm
h0
+
f(0 +h) f(0)
h
= lm
h0
h 0
h
= lm
h0
h
h
= lm
h0
1 = 1
Por tanto la funcion no es derivable en x = 0.
Tlf. 955 22 42 50
CAP
ON
Viendo la graca de la funcion, se observa lo que ocurre:
La funcion es continua pues se puede dibujar sin levantar el lapiz del papel, pero no es derivable
en el cero porque en dicho punto hay un punto anguloso, una esquina. En puntos como estos, la
funcion no es derivable.
Por tanto, se verica que aunque una funcion puede ser continua en un punto y sin embargo no
ser derivable en ese mismo punto.
Sin embargo, la posibilidad contraria no es posible. Resumiendo:
Propiedad:
Si una funcion es derivable en un punto, entonces es continua en dicho punto.
Sin embargo, el recproco no es cierto, si una funcion es continua en un punto, la funcion puede ser o
no derivable en dicho punto.
Ejercicios:
1. Estudiar la continuidad y derivabilidad de la funcion:
f(x) =
_
_
_
2x 1 si x 2
x
2
3 si 2 < x 2
2x 3 si x > 2
2. Calcula a y b para que sea derivable la funcion:
g(x) =
_
ax + 3 si x 1
2x
2
b si x > 1
Indicacion: Primero impon la condicion de que sea continua
Tlf. 955 22 42 50
CAP
ON
4.6. Aplicaciones de las derivadas al calculo del crecimiento y de-
crecimiento de una funci on. Calculo de extremos
Observemos la siguiente graca:
Figura 4.5: La pendiente de las tangentes (la derivada) es positiva si la funcion crece.
Si trazamos las correspondientes tangentes en diversos puntos, todos ellos donde la funcion es
creciente, obsevamos como la recta tangente esta cada vez menos inclinada, lo que quiere decir (ya
que la inclinacion de una recta se mide a traves de su pendientes y sabemos que esta coincide con la
derivada ) que la derivada es cada vez menor.
Mas a un, como las rectas tangentes tienen inclinacion positiva (son rectas crecientes), las pendientes
son cada vez menores y positivas, es decir, la derivada es positiva en aquellos intervalos en los que la
funcion es creciente.
Si seguimos trazando tangentes, llegamos al punto 3, donde la tangente es totalmente horizontal,
es decir:
Decamos que la pendiente era decreciente, hasta que llega al maximo de la funcion, donde se ha
alcanzado el valor extremo de la pendiente. La recta es horizontal, no esta inclinada y su pendiente es
cero.
Si seguimos trazando las tangentes, vemos ahora lo siguiente:
Y ahora observamos que la pendiente de la recta (la derivada) es negativa, y cada vez menor, por
tanto si la funcion de decreciente, armamos que la funcion derivada es negativa.
Todo lo observado anteriormente lo podemos resumir en la siguiente propiedad.
Propiedad: Dada una funcion f(x), se cumple que:
a) Si f
(x) > 0 (la derivada es positiva) entonces la funcion f(x) es creciente.

b) Si f
(x) < 0 (la derivada es negativa) entonces la funcion f(x) es decreciente.

c) Si f
(x) = 0 entonces la funcion puede presentar un extremo relativo (maximo o mnimo) en

dicho punto.
Tlf. 955 22 42 50
CAP
ON
Figura 4.6: La pendiente de las tangentes (la derivada) es nula si la funcion tiene un extremo (un valor
maximo o mnimo).
La manera practica de proceder, por tanto, para determinar los extremos de una funcion, as como
aquellos intervalos en los que la funcion crece o decrece es la siguiente:
* Calculamos la derivada de la funcion, f
(x), y la igualamos a cero, resolvemos la ecuacion resul-

tante, cuyas soluciones son los posibles extremos de la funcion.
* Realizamos una tabla en la que tenemos que poner los puntos obtenidos anteriormente y ademas
los puntos conictivos de la funcion (aquellos donde la funcion no esta denida, o donde no es deriva-
ble....). Todos estos puntos se denominan puntos crticos.
* En dicha tabla, estudiamos el signo de la derivada primera, f
(x).
Si dicha derivada es positiva, nos indicara el crecimiento de la funcion, y si es negativa, sera un signo
de su decrecimiento. El paso de un intervalo creciente a otro decreciente o viceversa nos indicara la
existencia de un maximo o un mnimo relativo de la funcion f(x).
Ejemplo: Estudiar los intervalos de crecimiento y los extremos de la funcion: f(x) = x
3
3x.
Comenzamos calculando la derivada: f
(x) = 3x
2
3.
Igualando a cero:
3x
2
3 = 0 =x
2
= 1 =x = 1
obtenemos dos puntos crticos, y no hay mas pues la funcion es polinomica y por tanto, su dominio
son todos los n umeros reales y no presenta problemas. Hacemos una tabla como la siguiente:
1 1 +
f
(x) + +
f(x)
Para obtener los signos de f
(x) basta tomar, por ejemplo, un punto en cada intervalo y sustituir en

la expresion de la derivada.
Entre y 1 tomamos el 2, con lo que:
f
(2) = 12 3 = 9 > 0
positiva. Entre 1 y 1, tomamos el 0, quedando:
f
(0) = 3 < 0
Tlf. 955 22 42 50
CAP
ON
Figura 4.7: La pendiente de las tangentes (la derivada) es negativa si la funcion decrece.
negativa. Entre 1 e se toma el 2, y se obtiene:
f
(2) = 12 3 = 9 > 0
positivo.
Concluimos que la funcion es creciente en el intervalo (, 1) (1, ).
La funcion es decreciente en (1, 1).
Ademas, se observa que presenta un maximo en el punto x = 1, y un mnimo en x = 1.
Como calcular la segunda coordenada del maximo y el mnimo?.
Basta sustituir en la funcion:
El maximo esta en el punto (1, f(1)) = (1, 2).
El mnimo esta en el punto (1, f(1)) = (1, 2).
As, la representacion aproximada de la funcion sera:
Ejemplo: Estudiar los intervalos de crecimiento y los extremos de la funcion:
f(x) =
2x
2
3x
e
x
Derivando:
f
(x) =
(4x 3)e
x
e
x
(2x
2
3x)
(e
x
)
2
=
e
x
(2x
2
+ 7x 3)
(e
x
)
2
=
2x
2
+ 7x 3
e
x
E igualando a cero:
2x
2
+ 7x 3
e
x
= 0 =2x
2
+ 7x 3 = 0 =x = 3, x =
1
2
No hay mas puntos conictivos, pues aunque hay denominador, nunca se hace cero, pues e
x
, la funcion
exponencial es siempre positiva, de modo que Dom f(x) = R.
Tlf. 955 22 42 50
CAP
ON
Figura 4.8: Graca de f(x) = x
3
3x. Intervalos de crecimiento y extremos.
As pues los unicos puntos crticos son x = 3, x =
1
2
.
Hacemos la tabla:
1
2
3 +
f
(x) +
f(x)
Con lo que f(x) es creciente en
_
1
2
, 3
_
, decreciente en
_
,
1
2
_
(3, ).
Por tanto f(x) presenta un maximo relativo en:
(3, f(3)) =
_
3,
9
e
3
_
(3, 0
45)
y un mnimo relativo en
_
1
2
, f
_
1
2
__
=
_
1
2
,
1
e
1
2
_
(0
5, 0
61)
Gracamente:
4.7. Aplicaciones de las derivadas al calculo de la concavidad y la
convexidad, puntos de inexion. Criterio para determinar maxi-
mos y mnimos.
Igual que se aplican las derivadas para el calculo de los maximos y los mnimos, y el crecimiento
o decrecimiento de la funcion, tambien se pueden aplicar para calcular la concavidad y la convexidad.
Fijemonos en la funcion siguiente, convexa (o, para evitar ambig uedades, concava hacia abajo):
Al trazar las tangentes, nos jamos en que cada vez son menores.
Tlf. 955 22 42 50
CAP
ON
Figura 4.9: Graca de f(x) =
2x
2
3x
e
x
. Intervalos de crecimiento y extremos.
Empiezan siendo positivas y muy grandes, van decreciendo hasta que valen cero, y luego comienzan
a ser negativas y cada vez menores. Es decir, que la funcion derivada es decreciente, f
(x) decreciente.
Si f
(x) es decreciente, es que su derivada es negativa, es decir, f
(x) < 0.
Por tanto se deduce que si la derivada segunda de la funcion es negativa, la funcion es concava
hacia abajo.
De igual modo si nos jamos en una funcion concava (o concava hacia arriba):
En este caso la derivada es creciente, y por tanto la derivada segunda sera positiva. Es decir, si la
derivada segunda es positiva, la funcion es concava hacia arriba.
Propiedad: Dada una funcion f(x), se cumple que:
a) Si f
(x) > 0, entonces la funcion f(x) es concava hacia arriba.

b) Si f
(x) < 0, entonces la funcion f(x) es concava hacia abajo.

c) Si f
(x) = 0, entonces el punto es un posible punto de inexion (un punto donde la funcion
pasa de concava hacia arrina a concava hacia abajo o viceversa) de la funcion.
El proceso para determinar la concavidad y puntos de inexion es, por tanto, muy similar al del
calculo del crecimiento, unicamente hay que hacer la derivada segunda e igualarla a cero. La tabla es
similar.
Ejemplo: Calcular la concavidad y convexidad de la funcion:
f(x) = x
3
3x
Calculando la derivada segunda:
f
(x) = 3x
2
3 =f
(x) = 6x
Igualando a cero, 6x = 0, de donde x = 0.
Es el unico punto conictivo, pues la funcion es polinomica.
Haciendo la tabla:
Tlf. 955 22 42 50
CAP
ON
Figura 4.10: La pendiente de las tangentes pasa de positiva a negativa (es decir, decrece) si la funcion
es concava hacia abajo
0 +
f
(x) +
f(x)
As pues la funcion es concava hacia arriba en (0, ) y concava hacia abajo en (, 0).
Hay un punto de inexion es (0, f(0)) = (0, 0).
Se observa gracamente:
Tlf. 955 22 42 50
CAP
ON
Figura 4.11: La pendiente de las tangentes pasa de negativa a positiva (es decir, crece) si la funcion
es concava hacia arriba
Ejercicios: Estudiar la concavidad y convexidad, el crecimiento y el decrecimiento, los extremos
y puntos de inexion de las siguientes funciones:
a) f(x) = 2x
3
9x
2
b) g(x) =
2
x
c) h(x) = x
4
12x
2
+ 8
d) t(x) = x e
2x
Ademas la derivada segunda permite discernir si un punto crtico es un maximo o un mnimo, en base
al siguiente resultado:
Propiedad: Si a es un punto tal que f
(a) = 0 (un posible extremo relativo), entonces:

* Si f
(a) > 0, entonces a es un mnimo de la funcion.

* Si f
(a) < 0, entonces a es un maximo de la funcion.

* Si f
(a) = 0 no podemos asegurar nada. (Aunque en realidad si se puede saber pero excede los
contenidos del curso).
Ejemplo: Estudiar los intervalos de crecimiento y los extremos de la funcion:
f(x) = x
3
3x
Comenzamos calculando la derivada: f
(x) = 3x
2
3.
Igualando a cero:
3x
2
3 = 0 =x
2
= 1 =x = 1
, obtenemos dos puntos crticos.
Calculando la derivada segunda:
f
(x) = 6x
Sustituyendo,
f
(1) = 6 > 0
Tlf. 955 22 42 50
CAP
ON
Figura 4.12: Graca de f(x) = x
3
3x. Intervalos de concavidad y puntos de inexion.
en x = 1 hay un mnimo.
f
(1) = 6 < 0
en x = 1 hay un maximo.
Como ya habamos obtenido anteriormente.
4.8. Representaci on graca de funciones
Con todas estas aplicaciones es sencillo representar gracamente cualquier funcion, basandose en
los siguientes puntos:
1. Dominio de denicion.
2. Puntos de corte con los ejes:
Con el eje x, y = 0.
Con el eje y, x = 0.
3. Simetras.
Par si f(x) = f(x).
Impar si f(x) = f(x).
No tiene simetra si no se da ninguna de esas condiciones.
4. Asntotas: Verticales, Horizontales y Oblicuas.
5. Crecimiento y decrecimiento. Extremos relativos.
6. Concavidad y convexidad. Puntos de inexion.
Tlf. 955 22 42 50
CAP
ON
Ejemplo: Representa gracamente la funcion f(x) =
3x 1
3x
2
+ 1
.
1. Dominio de denicion
Igualando a cero el denominador:
3x
2
+ 1 = 0 =x
2
=
1
3
=x =
_
1
3
=
de modo que Dom f(x) = R.
2. Puntos de corte con los ejes
Con el eje x, f(x) = 0:
3x 1
3x
2
+ 1
=3x 1 = 0 =x =
1
3
el punto es
_
1
3
, 0
_
.
Con el eje y, x = 0:
f(0) =
3 0 1
3 0
2
+ 1
=
1
1
= 1
el punto es (0, 1).
3. Simetras
f(x) =
3(x) 1
3(x)
2
+ 1
=
3x 1
3x
2
+ 1
=
3x 1
3x
2
+ 1
= f(x)
f no es par.
f(x) =
3(x) 1
3(x)
2
+ 1
=
3x 1
3x
2
+ 1
=
3x 1
3x
2
+ 1
= f(x)
f no es impar, luego f no tiene simetras.
4. Asntotas
Verticales: No tiene puesto que Dom f(x) = R.
Horizontales:
lm
x
3x 1
3x
2
+ 1
= 0
lm
x
3x 1
3x
2
+ 1
= lm
x
3(x) 1
3(x)
2
+ 1
= lm
x
3x 1
3x
2
+ 1
= 0
Hay una asntota horizontal en y = 0.
Oblicuas: No hay, pues hay horizontales.
5. Crecimiento
Derivando:
f
(x) =
3(3x
2
+ 1) 6x(3x 1)
(3x
2
+ 1)
2
=
9x
2
+ 6x + 3
(3x
2
+ 1)
2
= 0
Tlf. 955 22 42 50
CAP
ON
Igualando a cero:
9x
2
+ 6x + 3 = 0 =3x
2
+ 2x + 1 = 0 =x = 1 x =
1
3
No hay mas puntos crticos, pues Dom f(x) = R.
Haciendo la tabla:
1
3
1 +
f
(x) +
f(x)
Luego f(x) es creciente en
_
1
3
, 1
_
y decreciente en
_
,
1
3
_
(1, ).
Tiene un maximo relativo en (1, f(1)) =
_
1,
1
2
_
y un maximo relativo en
_
1
3
,
2
4
3
_
=
_
1
3
,
6
4
_
=
_
1
3
,
3
2
_
.
6. Concavidad
Calculando la derivada segunda, es:
f
(x) =
54x
3
54x
2
54x + 6
(3x
2
+ 1)
3
e igualando a cero no se obtienen races exactas, por lo que no se puede hacer este estudio.
Con los datos que tenemos, podemos hacer un esbozo de la graca de la funcion:
Figura 4.13: Graca de f(x) =
3x 1
3x
2
+ 1
.
4.9. Optimizaci on de funciones
La ultima aplicacion de las derivada es la optimizacion de funciones. Consiste en calcular los
maximos y los mnimos de cierta funcion que se obtiene de un problema surgido de una situacion
cotidiana.
Tlf. 955 22 42 50
CAP
ON
En estos problemas siempre se tiene:
* Una funcion de la que hay que calcular el maximo o el mnimo, y que habitualmente tiene dos
variables, x e y.
* Una relacion entre x e y, que permite despejar una de las dos para obtener una funcion con una
sola variable.
Veamos como se aplica:
Ejemplo: De entre todos los n umeros cuya suma es 36, calcula aquellos cuya suma de cuadrados es
mnimo.
Los n umeros buscados son x e y.
La funcion a minimizar es f(x, y) = x
2
+y
2
.
Tenemos dos variables, luego todava no podemos derivar.
La relacion que tenemos es que los n umeros suman 36, es decir, x +y = 36.
Despejando, y = 36 x.
Y por tanto, la funcion a minimizar es:
f(x) = x
2
+ (36 x)
2
que ya tiene solo una vatiable.
Para buscar sus mnimos, calculamos la derivada f
(x):
f
(x) = 2x + 2(36 x)(1) = 2x 72 + 2x = 4x 72

Igualando a cero,
4x 72 = 0 =x =
72
4
= 18
Ademas calculando la derivada segunda:
f
(x) = 4
con lo que sustituyendo:
f
(18) = 4 > 0
es positivo luego el punto x = 18 es un mnimo.
La solucion es, por tanto, un n umero x = 18 y el otro y = 36 18 = 18.
Los dos n umeros son iguales a 18.
Ejercicios:
1. Descompon el n umero 48 en dos sumandos tales que el quntuplo del cuadrado del primero mas
el sextuplo del cuadrado del segundo sea mnimo.
2. Halla un n umero positivo cuya suma con 4 veces su recproco sea mnima.
3. Halla las dimensiones del rectangulo de area maxima inscrito en una circunferencia de 20 cm de
radio.
4. La suma de tres n umeros es 60. El primero mas el doble del segundo mas el triple del tercero
suman 120. Halla los n umeros que verican estas condiciones y cuyo producto es maximo.
5. Determina el polinomio que pasa por el punto (1, 24), tiene un mnimo en el punto (1, 0) y
tiene 2 como raz.
Tlf. 955 22 42 50
CAP
ON
4.10. EJERCICIOS
1. Dada la curva de ecuacion y = x
3
+ 26x, calcula las rectas tangentes a la misma que sean
paralelas a la recta de ecuacion y = x.
2. Un matematico decide donar sus 3600 libros de matematicas a dos bibliotecas A y B. Sus
instrucciones son que los lotes se hagan de modo que el producto del n umero de libros destinados
a la biblioteca A por el cubo del n umero de libros destinados a la biblioteca B sea maximo.
Determina la cantidad de libros recibidos por cada biblioteca.
3. Se desea construir cajas de embalaje en forma de prisma cuadrangular recto de modo que la
suma de sus dimensiones sea 72. Cuales han de ser las dimensiones para que la capacidad de
las cajas sea maxima?
4. Estudia los principales aspectos de las siguientes funciones y representalas:
a) f(x) =
x
4
+ 4x + 4
x
2
+ 1
b) g(x) =
x
(x 1)
2
c) h(x) =
x
x
2
4
d) t(x) =
x 1
x
2
+ 8
e) b(x) = 2x
3
21x
2
+ 60x 32 f) g(x) =
(x 1)
2
x
2
g) p(x) =
5x
2
+ 8x 3
3x
2
+ 2
h) r(x) =
2x
2
1
x + 1
5. Un granjero dispone de 3000 euros para cercar una porcion rectangular de terreno adyancente a
un ro, usando a este como un lado del area cercada, es decir, construira solo 3 cercas. El coste
de la cerca paralela al ro es de 5 euros por metro instalado, y el de la cerca para cada uno de los
dos lados restantes es de 3 euros por metro instalado. Calcula las dimensiones del area maxima
que puede ser cercada.
6. De todas las parcelas de forma rectangular de area 1600 m
2
de supercie, cual sera la mas
barata de cercar con una valla?
7. Considera la funcion f(x) = ax +
1
x
. Determina los valores del parametro a para los cuales la
funcion es decreciente en el punto de abscisa x = 2.
8. a) Calcula las derivadas de las funciones:
f(x) =
4 + 2
x
+ ln
1
1 +x
g(x) = cos
2
(2x + 1)
3
b) Aplicando la denicion de derivada, calcula la derivada de la funcion f(x) = x
2
2x en los
puntos x = 2 y x = 1.
9. Dada la funcion f(x) = 2x
3
+ 3x
2
12x + 4, se pide:
a) Pendiente de la tangente a la graca de la funcion f en el punto de abscisa x = 2.
b) Determinar los intervalos de crecimiento y decrecimiento de f.
c) Determinar los maximos y los mnimos de la funcion f.
Tlf. 955 22 42 50
CAP
ON
10. a) Dada la funcion f(t) =
t
2
1 +t
2
, estudia sus cortes con los ejes, crecimiento y asntotas.
b) Si la funcion f(t), para t > 0, expresa la relacion entre los benecios (en millones de euros)
obtenidos por la venta de un producto y el tiempo t (en a nos) que lleva en el mercado, durante
cuanto tiempo no se supero el medio millon de euros de benecio?
11. Se quiere construir una caja rectangular, sin tapa en la parte superior y de base cuadrada, con
108 dm
2
de material. Cuales tienen que ser las dimensiones de la caja para obtenerla de volumen
maximo?
12. La produccion de cierta hortaliza en un invernadero (Q(x) en kilogramos) depende de la tempe-
ratura (x en
o
C) seg un la funcion:
Q(x) = (x + 1)
2
(32 x)
a) Calcula la temperatura optima a mantener en el invernadero.
b) Que produccion de hortaliza se obtendra a esa temperatura?
13. El consumo de gasolina de un coche (expresado en litros/km), viene dado en funcion de la
velocidad, x (expresada en km/hora), por la formula:
g(x) =
3 e
x
90
x
Determina el consumo mnimo y la velocidad a la que se consigue.
14. Considera la funcion polinomica de tercer grado:
f(x) = ax
3
+bx
2
+cx +d
siendo a, b, c y d n umeros reales.
a) Determina los valores del parametro para que f(x) tenga un maximo en el punto (0, 4) y un
mnimo en el punto (2, 0).
b) Para a = b = c = d = 1, razona si f(x) tiene puntos de inexion y, en caso armativo,
calc ulalos.
15. La temperatura en grados de un refresco, h horas despues de ser introducido en un frigorco
viene dada por:
T(h) =
30h
2
+ 15
8h
2
2h + 1
a) Calcula la temperatura cuando h = 0, h = 1 y h = 2.
b) Tasa de variacion de la temperatura entre h = 0 y h = 3.
c) Tasa de variacion en el instante h = 1 y h = 3. (NO utilices la denicion)
16. En determinadas condiciones, una poblacion de mosquitos crece ajustandose a la funcion:
f(x) = 2 + 0
5e
0
4x
donde f(x) es el n umero de mosquitos en miles y x es el tiempo en das desde el momento
presente.
a) Calcula la tasa de crecimiento el terminar el segundo, tercero y sexto das.
b) En que momento la poblacion esta creciendo a un ritmo de 2000 mosquitos por da?
Tlf. 955 22 42 50
CAP
ON
17. Calcula los parametros para que sean derivables:
a)
f(x) =
_
x
2
+b si x < 1
ax + 1 si x 1
b)
g(x) =
_
ax
2
+ 1 si x 1
4x +b si x > 1
c)
h(x) =
_
e
x
+a si x 0
bx
2
+ 1 si x > 0
18. C(x) es la funcion de coste total de fabricacion de x unidades de un producto y viene dada por:
C(x) = 5000 + 3x 0
05x
2
+ 0
001x
3
(en miles de euros).
a) Halla la funcion de coste medio.
b) La funcion de coste marginal.
c) El coste marginal de la unidad 99 y 105.
19. El benecio de una empresa por vender x unidades de su producto es:
B(x) = 20x + 0
003x
2
a) Calcula el benecio suplementario por la venta de la unidad n umero 26.
b) La funcion de benecio marginal.
c) El benecio marginal por la venta de la unidad n umero 26.
d) Puede aproximarse el resultado de a) por el de c)?
20. La graca de una funcion f(x) es:
Que signo tiene la derivada en los intervalos siguientes?
Tlf. 955 22 42 50
CAP
ON
a) x < 2
b) 2 < x < 5
c) x > 5
Y en los puntos x = 2 y x = 5
Tlf. 955 22 42 50
CAP
ON
21. Calcula la derivada de las funciones:
1. f(x) =
3
2
x
3
+
2
5
x
2
4
7
x 5 2. f(x) = x(x + 2)
3. f(x) = x
2
(7 2x) 4. f(x) = (2x 5)(4 3x)
5. f(x) = (x
2
1)(2 3x
2
) 6. f(x) = (1 + 5x
3
)(1 + 3x
2
)
7. f(x) = (x
2
3x + 2)(x + 4x
2
) 8. f(x) = (3x
2
5x + 4)
3
9. f(x) =
6
x
3
10. f(x) = (3x
4
3x
2
+ 5)
4
11. f(x) = (1 2x + 3x
2
4x
3
)
5
12. f(x) =
2x 3
3 x
13. f(x) =
x
4
3x
2
+ 7x
2x + 5
14. f(x) =
2x
3
3x + 2
x
2
x + 2
15. f(x) =
(x
2
3x + 4)
2
2x
2
2x + 5
16. f(x) =
(2x + 3)
3
(3x
2
2x + 6)
2
17. f(x) =
2x 5x
2
+x
3
(2x 8)(3x 4)
18. f(x) =
4
3x
19. f(x) =
5
7x
2
20. f(x) =
3
5 + 4x
2
21. f(x) =
5
5x
2
+ 2x 7 22. f(x) =
1 x
1 +x
23. f(x) =
2x +
3
x
1
x
24. f(x) = x
2
+
x
3
2
25. f(x) =
2
x 3
26. f(x) =
5
3
2x
4
27. f(x) =
_
1 x
1 +x
28. f(x) =
3
ln x
29. f(x) = cos
5
x 30. f(x) = 5
2x
2
4
31. f(x) = log
5
sen x 32. f(x) = 4
ln x
33. f(x) = tan (2x 3)
4
34. f(x) =
1 + (sen x)
2
cos
2
x
35. f(x) =
x + sen x
x + cos x
36. f(x) = log
4
_
x
2
2
x + 3
sen
2
(3x + 5)
_
37. f(x) = ln
e
3
cos
_
7
_ 38. f(x) = e
e
e
x
39. f(x) = (6x 3)
6x3
40. f(x) = (3x
2
2)
cos x
41. f(x) = (ln 2x)
ln 2x
42. f(x) = e
x
2
43. f(x) = (e
x
)
2
44. f(x) = log
10
_
tan
_
2x 1
3x + 1
__
45. f(x) = arc cos (1 ln x) 46. f(x) = arctan
_
2 +x
2 x
_
Tlf. 955 22 42 50
Captulo 5
PROBABILIDAD
La probabilidad y la estadstica son, sin duda, las ramas de las Matematicas que estan en mayor
auge en este siglo, y tienen una tremenda aplicabilidad en todos los aspectos y ciencias, especialmente
en las Ciencias Sociales, puesto que aquellas variables que inuyen en dichas ciencias, economicas,
demogracas, suelen tener caracter aleatorio,es decir, no son deterministas, y se fundamentan en
predicciones a partir de datos conocidos. Todo aquello que implique prediccion nos lleva al terreno de
la probabilidad.
5.1. Experimentos aleatorios
En todos los aspectos de la vida a veces nos encontramos con acontecimientos predeterminados, es
decir, tales que podemos decir el resultado de dichos acontecimientos antes de que nalice o incluso
de que comience. Tal es el caso de:
1. Tirar una piedra desde un edicio ( sabemos que se caera).
2. Calentar un cazo de agua ( sabemos que la temperatura sube).
3. Golpear una pelota ( sabemos que se va a mover, e incluso conociendo fuerzas que act uan etc,
podemos conocer precisamente donde caera ).
Tales acontecimientos o experimentos de los que podemos predecir el resultado antes de que se
realicen se denominan experimentos deterministas.
Sin embargo, analicemos otro tipo de experimentos, mucho mas interesantes desde el punto de
vista matematico:
Imaginemos que lanzamos un dado al aire (normal, de 6 caras y no trucado). Podemos predecir
el resultado que vamos a obtener?. Evidentemente no. Este es un experimento que no es determinista.
A este tipo de experimentos, en los cuales no se puede predecir el resultado antes de realizar el
experimento se les denomina experimentos aleatorios.
Otros ejemplos de experimentos aleatorios pueden ser:
Tirar una moneda al aire y observar que lado cae hacia arriba, rellenar una quiniela de f utbol,
jugar una partida de poker y, en general, cualquier juego en el que intervenga el azar.
5.2. Deniciones basicas
La teora de probabilidades se ocupa de asignar un cierto n umero a cada posible resultado que pueda
ocurrir en un experimento aleatorio, con el n de cuanticar dichos resultados y saber si un suceso es
mas probable que otro o relaciones parecidas. Con este n, introduciremos algunas deniciones.
Si realizamos un experimento aleatorio, llamaremos espacio muestral del experimento al conjunto
de todos los posibles resultados de dicho experimento.
Tlf. 955 22 42 50
CAP
ITULO 5. PROBABILIDAD
Al espacio muestral lo representaremos por E (o bien por la letra griega omega ).
A cada elemento que forma parte del espacio muestral se le denomina suceso elemental.
Tlf. 955 22 42 50
CAP
Ejemplo:
1. Cual es el espacio muestral asociado al experimento de lanzar un dado normal al aire y observar
la cara que queda hacia arriba?.
Evidentemente, en este caso hay 6 posibles resultados (6 sucesos elementales) y el espacio mues-
tral estara formado por: E={1,2,3,4,5,6}.
2. Y en el caso del lanzamiento de una moneda?
Entonces E={C,X}
Ejercicios:
1. Escribir el espacio muestral asociado al experimento de sacar una carta de entre las diez del palo
de copas de una baraja espa nola.
2. Escribir el espacio muestral asociado al experimento de lanzar dos dados de diferentes colores y
observar la pareja de n umeros que se obtiene.
3. Escribir el espacio muestral asociado al experimento de lanzar dos dados de diferentes colores y
sumar los n umeros que se obtienen.
Llamaremos suceso aleatorio a cualquier subconjunto del espacio muestral. El concepto de suceso
es fundamental en probabilidad. Dicho de forma simple, un suceso de un experimento aleatorio es
cualquier cosa que se nos ocurra armar sobre dicho experimento.
As, si tiramos una moneda dos veces, seran sucesos todos los siguientes:
1. Sale al menos una cara.
2. Salen mas caras que cruces.
3. La moneda cae de canto.
4. No sale ninguna cruz.
Llamaremos suceso imposible al que no tiene ning un elemento y lo representaremos por .
Llamaremos suceso seguro al formado por todos los posibles resultados (es decir, al espacio mues-
tral) .
Llamaremos espacio de sucesos y lo representaremos por S, al conjunto de todos los sucesos alea-
torios.
Ejemplo:
1. En el caso del lanzamiento de la moneda en el que el espacio muestral era E={C,X} , analicemos
quien es el espacio de sucesos:
- Sucesos con 0 elementos:
- Sucesos con 1 elemento: {C},{X}
- Sucesos con 2 elementos:{C,X}
De modo que el espacio de sucesos es: S={,{C},{X},{C,X}}.
Tlf. 955 22 42 50
CAP
2. En el caso del lanzamiento de dos monedas, si haces el diagrama de arbol obtienes el siguiente
espacio muestral:
E = {(C, C), (C, X), (X, C), (X, X)}
El espacio de sucesos tiene ahora 16 elementos, que puedes intentar escribir, siguiendo el esquema
anterior, desde los sucesos con 0 elementos hasta aquellos que tienen 4 elementos. Si describimos
los sucesos que ponamos antes como ejemplos, obtenemos:
a) Sale al menos una cara={(C,C),(C,X),(X,C)}
b) Salen mas caras que cruces={(C,C)}
c) La moneda cae de canto=
d) No sale ninguna cruz={(C,C)}
3. En el caso del lanzamiento del dado el espacio de sucesos es mucho mas amplio (64 elementos.
Sera interesante que intentases escribirlos todos o al menos te dieses cuenta de como son ,
aunque no los escribas todos)
En este mismo ejemplo, se puede considerar el suceso A= sacar un n umero par. De que sucesos
elementales consta el suceso A?. Evidentemente, A={{2},{4},{6}}.
Otros sucesos pueden ser: B = Sacar un n umero mayor que 5-{{6}}.
C = Sacar un n umero par y menor que 5-{{2},{4}}.
Ejercicio: Una urna contiene dentro 4 bolas de las cuales 2 son blancas, 1 roja y otra azul. Se saca
una bola de la urna.
a) Escribir el espacio muestral.
b) Escribir los sucesos no sacar bola azul y sacar bola roja o blanca.
c) Escribir el espacio de sucesos.
Los sucesos admiten una representacion graca que facilita su interpretacion; del modo:
Figura 5.1: Representacion en diagrama de Venn del suceso A
Por ejemplo, en el caso del dado:
A = salir par y menor que 5. Estos diagramas se denominan diagramas de Venn.
Propiedad:
Si el espacio muestral tiene n elementos, el espacio de sucesos tiene 2
n
elementos.
Ejemplo:
En el caso del dado, el espacio muestral tena 6 elementos y el espacio de sucesos tiene 2
6
= 64
elementos.
En el caso de la moneda, el espacio muestral tena dos elementos y el espacio de sucesos tiene
2
2
= 4 elementos.
Tlf. 955 22 42 50
CAP
Figura 5.2: Representacion en diagrama de Venn para un dado
5.3. Operaciones con sucesos
Si realizamos un experimento aleatorio y consideramos varios sucesos A, B, C, etc, asociados a
dicho experimento, podemos realizar varias operaciones entre ellos. Los mas importantes son:
1. Igualdad de sucesos: Dos sucesos A y B son iguales si estan compuestos por los mismos elementos.
Lo expresaremos por A = B.
2. Interseccion de sucesos: Llamaremos suceso interseccion de los sucesos A y B, y lo representare-
mos por A B, al suceso ocurren A y B a la vez.
Ejemplo: Si tiramos un dado, ya sabemos que el espacio muestral asociado es E={1,2,3,4,5,6}.
Sean los sucesos A=sacar un n
o
par={2,4,6}, y B=sacar un n umero entre 2 y 4 (inclusi-
ve)={2,3,4}.
El suceso A B es tal que ocurren A y B a la vez, es decir:
A B=sacar un n
o
par y que este entre 2 y 4 (inclusive)={2,4}.
El suceso A B son los elementos comunes a los conjuntos A y B (elementos que estan en los
dos conjuntos).
Representado en diagramas de Venn:
Figura 5.3: Interseccion de sucesos: A B
En ocasiones podremos encontrarnos con sucesos que NO tengan elementos en com un. En estos
casos se dice que los sucesos A y B son incompatibles, y su interseccion se representa con el
conjunto vaco:
A B =
Evidentemente, si los sucesos s tienen interseccion, diremos que son compatibles.
3. Union de sucesos: Llamaremos suceso union de los sucesos A y B y se representa por A B al
suceso ocurre A o bien ocurre B o bien ocurren ambos a la vez(tambien podemos decir que
ocurre alguno).
Tlf. 955 22 42 50
CAP
Es decir A B son los elementos que estan en ambos conjuntos (aunque no necesariamente en
los dos a la vez). Representado en diagrama de Venn:
Figura 5.4: Union de sucesos: A B
Tlf. 955 22 42 50
CAP
Ejemplo: En el caso anterior:
A B=sacar un n
o
par o un n
o
que este entre 2 y 4 (inclusive)={2,3,4,6}.
NOTA:
Observemos que la interseccion de dos conjuntos siempre es menorque la union, de hecho es
menor que el propio conjunto.
Escrito matematicamente:
A B A B A B A A B B A A B B A B
(El smbolo signica contenido, o que el primer conjunto es un subconjunto del segundo)
4. Suceso contrario de otro: Dado un suceso A, denominaremos suceso contrario de A y se repre-
sentara por

A (o bien A
o bien A
c
) al suceso que tiene por elementos a todos aquellos que no
pertenecen a A.
Ejemplo: Si tiramos un dado, ya sabemos que el espacio muestral asociado es E={1,2,3,4,5,6}.
Como antes, los sucesos A=sacar un n
o
par={2,4,6}, por tanto

A={1,3,5} y B= sacar un
n umero entre 2 y 4 (inclusive)={2,3,4}, de modo que

B={1,5,6}.
En un diagrama de Venn:
Figura 5.5: La parte punteada es

A.(Todo lo que no esta incluido en A)
5. Diferencia de sucesos: Si A y B son dos sucesos, llamaremos diferencia entre A y B al suceso
BA, que consta de los elementos que estan en B pero no estan en A.Por ejemplo, si A={2,4,6},
B={2,3,4}, tenemos que B A={3}. Se cumple que B A = B A B, y tambien que
B A =

A B. Representado en un diagrama de Venn:
Figura 5.6: La parte rayada es B A, todos los elementos de B que no esten en A
De todas formas, hemos de ser cuidadosos con esta operacion: No se debe confundir con una
simple resta como operacion numerica, sino que es una diferencia conjuntista, quitar los elementos
comunes a dos conjuntos.
Tlf. 955 22 42 50
CAP
Ejercicio: En una urna tenemos 9 bolas numeradas del 1 al 9. Sacamos una y anotamos su n umero.
Sean los sucesos: A=sacar un n
o
primoB=sacar un n
o
cuadrado (por ejemplo 4 es un n umero
cuadrado, porque 4=2
2
). Se pide:
a) Describir el espacio muestral.
b) Cuantos elementos tiene el espacio de sucesos?.
c) Calcula A B y A B.
d) Son A y B compatibles o incompatibles?.
e) Calcula

A y

B.
f) Si C=sale un n umero impar, calcula A C, B C,

C , A C,

A

C.
Propiedades de las operaciones con sucesos:
Las operaciones con sucesos tienen las siguientes propiedades, la mayora de ellas bien conocidas:
Interseccion Union
Conmutativa A B = B A A B = B A
Asociativa A (B C) = (A B) C A (B C) = (A B) C
Idempotente A A = A A A = A
Simplicacion A (A B) = A A (A B) = A
Distributiva A (B C) = (A B) (A C) A (B C) = (A B) (A C)
Elemento neutro A E = A A = A
Absorcion A = A A E = A
Ademas de estas sencillas propiedades (que se demuestran facilmente mediante un diagrama de
Venn), las operaciones con sucesos tienen otras dos propiedades muy importantes:
Leyes de De Morgan: Si A y B son dos sucesos, se verican:
(A B) =

A

B
(A B) =

A

B
Demostracion: Demostraremos la primera de las igualdades.
En primer lugar, representemos en un diagrama de Venn (A B). Para ello, primero representamos
A B, y luego su contrario (A B):
Figura 5.7: Imagen 1 corresponde a A B. Imagen 2 corresponde a A B
Ahora, representaremos en otro diagrama el otro miembro, es decir

A

B. En primer lugar,
representaremos

A, luego

B y luego su interseccion:
Observando los dos resultados, vemos que las partes rayadas son iguales, por lo que la igualdad es
cierta.
Tlf. 955 22 42 50
CAP
Figura 5.8: Imagen 1 corresponde a

A. Imagen 2 corresponde a

B. Imagen 3 corresponde a

A

B.
Ejercicio:
1. Mediante un procedimiento similar, demostrar la segunda ley de De Morgan.
2. Luisa y Mara interviene en un torneo de ajedrez. La primera que gane dos partidas seguidas o
tres alternas gana el torneo. Encuentra el espacio muestral con todos los resultados posibles (
suponemos que nunca hacen tablas).
(Indicacion: Utiliza un diagrama de arbol).
3. Consideramos el fenomeno aleatorio extraer una carta de una baraja de 40 y anotarla . Sean los
sucesos A= sacar oro, B= sacar rey, C= sacar el rey de bastos.
Determina los sucesos:
A

C, A B C,

A

B

C,

A

B
5.4. Asignaci on de probabilidades. Regla de Laplace
Hasta el momento hemos descrito lo que es un experimento aleatorio y hemos denido los con-
ceptos basicos asociados a este experimento. Nos falta responder a esta pregunta: Como asignar
probabilidades a cada uno de los sucesos de un experimento aleatorio?.
Hay muchas maneras de asignar probabilidades. La mas sencilla e intuitiva la dio el matematico
frances Pierre Simon Laplace (1749-1827), quien enuncio la regla que lleva su nombre:
Regla de Laplace:
Si realizamos un experimento aleatorio en el que hay n sucesos elementales, todos igualmente
probables, entonces si A es un suceso, la probabilidad de que ocurra el suceso A es:
p(A) =
n umero de casos favorables al suceso A
n umero de casos posibles
Ejemplo: Lanzamos un dado normal al aire. Consideramos el suceso A= sale par. Calcular p(A).
Casos posibles hay 6, pues E={1,2,3,4,5,6}.
Casos favorables al suceso A={2,4,6}.
Por tanto p(A) =
3
6
=
1
2
= 0
5.
(Notemos que la probabilidad siempre es un n umero positivo y menor, o a lo sumo igual a 1).
El inconveniente que plantea la denicion de Laplace es que necesariamente los sucesos elementales
tienen que tener la misma probabilidad de ocurrir.
Tlf. 955 22 42 50
CAP
Observemos un caso tan sencillo como el siguiente:
De una urna que contiene 8 bolas rojas, 5 amarillas y 7 verdes se extrae una bola al azar. Calcula
la probabilidad de que la bola extrada sea :
a) roja
b) verde
c) amarilla
El espacio muestral en este caso sera: E={R,V,A}, que consta solo de tres elementos, pero sera un
poco ingenuo asignar las probabilidades mediante la regla de Laplace,
p(R) =
1
3
p(V ) =
1
3
p(A) =
1
3
porque ya intuitivamente se ve que hay mas posibilidades, por ejemplo, de que salga una bola roja
que de que salga una bola amarilla, de modo que como asignar probabilidades?.
Tlf. 955 22 42 50
CAP
Fue el matematico ruso Kolmogorov quien preciso este termino:
Denicion axiomatica de probabilidad:
Una probabilidad p es una funcion que asocia a cada suceso A del espacio de sucesos S , un n umero
real p(A), es decir: p : S R , y que cumple las propiedades:
1. 0 p(A) 1, (es decir, cualquier suceso tiene probabilidad positiva y menor o igual que 1).
2. p(E) = 1 (la probabilidad del suceso seguro es 1).
3. Si A y B son incompatibles, es decir A B = , entonces p(A B) = p(A) + p(B). (es decir
la probabilidad de la union es la suma de las probabilidades si los sucesos tienen interseccion
vaca).
Ejemplo:
Sea un experimento aleatorio cualquiera y denamos en S (espacio de sucesos) la siguiente proba-
bilidad:
p(A) =
n umero de elementos del conjunto A
n umero total de elementos
Comprobemos que p es una probabilidad.
Para ello, comprobemos las tres propiedades:
a) Se ve que la probabilidad de cualquier suceso esta entre cero y uno, puesto que cualquier conjunto
que tenga elementos ya tendra probabilidad positiva, y el n umero de elementos de cualquier conjunto
no puede ser mayor que el n umero total de elementos existentes.
b) p(E) = 1, es evidente.
c) Tomemos dos sucesos A y B que no tengan elementos en com un. Entonces:
p(A B) =
elementos que forman parte de A o de B
=
=
n umero de elementos de A + n umero de elementos de B
= p(A) +p(B)
puesto que si A y B no tienen elementos comunes, el n umero de elementos de la union es la suma de
los elementos de cada conjunto por separado.
Por tanto se cumplen las 3 propiedades y p as denida es una probabilidad. Esta sera la denicion
de probabilidad que utilicemos a partir de ahora.
Ejemplo:
En el ejemplo de las urnas anterior, lo logico es denir la probabilidad as: Como en total hay 20
bolas y 8 son rojas, 7 verdes y 5 amarillas, p(R) =
8
20
p(V ) =
7
20
p(A) =
5
20
.
Se puede comprobar que as denida p es una probabilidad.
Sin embargo, comprobar las propiedades de la denicion de Kolmogorov es una labor larga y engorrosa,
puesto que hay que vericar que se cumple para todos aquellos sucesos del espacio de sucesos S, que es
ciertamente amplio en muchas ocasiones. El siguiente resultado simplica la tarea de decidir cuando
una funcion p sobre el espacio de sucesos es una probabilidad, basandose solo en los sucesos elementales,
es decir, aquellos que forman parte del espacio muestral. Lo enunciaremos sin demostracion:
Tlf. 955 22 42 50
CAP
Propiedad
Si w
1
, w
2
, . . . , w
n
son los n sucesos elementales de un suceso aleatorio cualquiera,p una funcion
p : S R de modo que cumple las propiedades:
1. 0 p(w
i
) 1 i {1, 2, . . . , n}
2. p(w
1
) +p(w
2
) +. . . +p(w
n
) = 1
Entonces p es una probabilidad.
Ejemplo: Comprobar si las siguientes funciones denidas para los sucesos elementales son probabilidad,
siendo E={a,b,c,d} el espacio muestral del experimento aleatorio:
a) p(a) =
1
2
, p(b) =
1
3
, p(c) =
1
4
, p(d) =
1
5
Es obvio que la primera propiedad se cumple, puesto que las 4 probabilidades son n umeros positivos
menores que 1.
Para ver si se cumple la segunda, basta realizar la suma:
1
2
+
1
3
+
1
4
+
1
5
=
30 + 20 + 15 + 12
60
=
77
60
que evidentemente NO es 1, luego p NO es probabilidad.
b) p(a) =
1
4
, p(b) =
1
2
, p(c) = 0, p(d) =
1
2
Es obvio que la primera propiedad se cumple, puesto que las 4 probabilidades son n umeros positivos
o cero menores que 1.
Para ver si se cumple la segunda, basta realizar la suma:
1
4
+
1
2
+
1
4
=
1 + 2 + 1
4
= 1
luego p S
I es probabilidad.
Consecuencias de la denicion de probabilidad:
1. p(

A) = 1 p(A)
En efecto, puesto que E = A

A y ademas A y

A son incompatibles, resulta por la propiedad
3) de la denicion que
p(E) = p(A

A) = p(A) +p(

A)
Y por la propiedad 2), p(E)=1, luego 1 = p(A) +p(

A) y por tanto p(

A) = 1 p(A).
2. p() = 0
Como

E = , resulta que:
p(

E) = p() = 1 p(E) = 1 1 = 0
3. Si A y B son dos sucesos cualesquiera,
p(A B) = p(A) +p(B) p(A B)
4. Si A, B y C son tres sucesos cualesquiera,
p(A B C) = p(A) +p(B) +p(C) p(A B) p(A C) p(B C) +p(A B C)
Tlf. 955 22 42 50
CAP
Ejemplo:
Se tira una moneda 3 veces. Calcular la probabilidad de obtener alguna cara.
Los problemas de este tipo, en los que se pide la probabilidad de obtener alguna cosa, se suelen
resolver muy bien por paso al complementario. En este caso concreto, A = obtener alguna cara.
A= no obtener ninguna cara= obtener 3 cruces.

Entonces, p(A) =
1
8
, pues hay 8 casos posibles (222, haz el diagrama de arbol!) y solo uno
favorable (XXX, 3 cruces), por tanto:
p(A) = 1 p(

A) = 1
1
8
=
7
8
Ejercicio:
Calcular la probabilidad de obtener al menos 1 seis si se lanza 4 veces un dado.
Ejemplo:
Se lanza un dado dos veces y se suman las dos caras. Sea A el suceso A= la suma de resultados
es mayor o igual que 10 y B= la suma de los resultados es m ultiplo de 6. Calcular p(A), p(B) y
p(A B).
Hay 36 posibles resultados al lanzar dos veces un dado. Cuantos de ellos suman 10 o mas?
Que sumen 10: (4,6), (5,5), (6,4)
Que sumen 11: (5,6), (6,5)
Que sumen 12: (6,6)
Por tanto, p(A) =
6
36
=
1
6
.
Cuantos hay que sumen m ultiplo de 6?
Que sumen 6: (1,5), (2,4),(3,3), (4,2), (5,1)
Que sumen 12: (6,6)
Por tanto, p(B) =
6
36
=
1
6
.
En cuanto a A B = (6, 6), luego p(A B) =
1
36
.
Ejercicios:
1. Se ha encargado la impresion de una encuesta a una imprenta, que imprime 12 folios defectuosos
de cada 1000. Hallar la probabilidad de que elegido un folio de la encuesta al azar:
a) Este mal impreso.
b) Este correctamente impreso.
2. Una bolsa contiene 8 bolas numeradas. Se extrae una bola y anota su n umero. Sean los sucesos
A= salir par, B= salir impar, C= salir m ultiplo de 4.
Calcular las probabilidades de A B, A C, B C, A B C.
3. Extraemos una carta de una baraja espa nola. Calcula:
a) La probabilidad de que sea un rey o un as.
b) La probabilidad de que sea un rey o una copa.
c) La probabilidad de que sea un rey y una copa.
4. En el banquete posterior a una boda se sientan en la presidencia 10 personas, entre los cuales se
encuentran los novios. Calcular la probabilidad de que los novios esten juntos en el centro de la
mesa.
Tlf. 955 22 42 50
CAP
5.5. Probabilidad condicionada
Hasta ahora nos hemos limitado a calcular probabilidades unicamente partiendo de un experimento
aleatorio, sin tener mas informacion. Pero, que ocurre si conocemos alguna informacion adicional?.
Supongamos que estamos realizando el experimento aleatorio de lanzar un dado y obtener el
n umero que sale. Consideremos el suceso A= sale un 4. Evidentemente, p(A) =
1
6
.
Ahora bien, variara esta probabilidad si al lanzar el dado alguien pasa por all y nos dice que ha
salido un n umero par?.
Disponemos entonces de una informacion adicional, B={2,4,6}.
Hemos reducido nuestro espacio muestral, que ahora solo consta de 3 elementos y tenemos que
cambiar las probabilidades asignadas.
Ahora el suceso A no tiene una posibilidad entre 6 de ocurrir, sino una entre tres, es decir, p(A) =
1
3
.
Esta es la idea de la probabilidad condicionada: La informacion obtenida B, modica la proba-
bilidad de A. Lo expresaremos as: p(A/B) =
1
3
y se lee probabilidad de A condicionada a B o
probabilidad de A conociendo B.
El caso anterior es muy sencillo, pues directamente podemos calcular p(A/B), pero si el espacio
muestral se ampla, el problema es mas complicado. La formula siguiente simplica el problema.
Denicion:
Sea A un suceso aleatorio asociado a un experimento aleatorio, y sea B otro suceso que sabemos
que se ha realizado.
Llamaremos probabilidad de A condicionada a B y lo expresaremos por p(A/B) a la expresion:
p(A/B) =
p(A B)
p(B)
(de identico modo se dene p(B/A), escribe la formula).
Ejemplo: Para el caso anterior,
A={4},B={2,4,6} p(B) =
3
6
=
1
2
.
A B = {4} p(A B) =
1
6
.
Luego:
p(A/B) =
p(A B)
p(B)
=
1
6
1
2
=
2
6
=
1
3
es lo mismo que obtenamos antes directamente.
Ejercicios:
1. Calcula la probabilidad de que la suma de las caras de dos dados sea mayor a igual que 10
sabiendo que en el primer dado ha salido un seis.
2. Se lanzan dos dados:cual es la probabilidad de obtener una suma de puntos igual a siete?.
Si la suma de puntos ha sido 7, cual es la probabilidad de que en alguno de los dados haya
salido un 3?
Tlf. 955 22 42 50
CAP
5.6. Sucesos independientes
Si bien el conocer cierta informacion adicional modica la probabilidad de algunos sucesos, puede
ocurrir que otros mantengan su probabilidad, pese a conocer dicha informacion.
Por ejemplo, en el lanzamiento de un dado, consideremos los sucesos: A= sacar un n umero par
y B= sacar un n umero menor o igual que 2 Es claro que A= {2,4,6} y B= {1,2}.
Calculemos la probabilidad de A conociendo que se ha realizado el suceso B, es decir, p(A/B).
Utilizando la formula:
p(A/B) =
p(A B)
p(B)
=
1
6
1
3
=
3
6
=
1
2
= 0
5
puesto que p(A B)=p(sacar par y menor o igual que 2)=
1
6
y p(B)=
1
3
.
Pero si no conociesemos la informacion B, cual sera la probabilidad de A?.
p(A)=p(sacar par)=
3
6
= 0
5, es decir que p(A/B)=p(A), y por tanto el conocer la informacion B

no modica la probabilidad de A.
Cuando esto ocurre es decir, cuando p(A/B) = p(A), diremos que los sucesos A y B son indepen-
dientes (el hecho de que ocurra B no modica la probabilidad de A).
Propiedad:
A y B son sucesos independientes p(A B) = p(A) (B).
Demostracion: =) Si A y B son independientes, p(A/B) = p(A), y por la formula de la probabilidad
condicionada,p(A/B) =
p(A B)
p(B)
, luego
p(A B)
p(B)
= p(A), y por tanto p(A B) = p(A) p(B).
=) Partiendo de p(A B) = p(A) p(B), entonces
p(A/B) =
p(A B)
p(B)
=
p(A) p(B)
p(B)
= p(A)
luego p(A/B) = p(A) y por tanto A y B son independientes.
Ejemplo:
En el caso anterior, p(A B) =
1
6
, y por otra parte p(A) =
1
2
y p(B) =
1
3
,luego se cumple que
p(A B) =
1
6
=
1
2

1
3
= p(A) p(B)
luego A y B son independientes.
Ejercicio:
De dos sucesos conocemos que p(A B) =
2
3
y p(A) =
1
5
, calcula p(A B) y p(B) para que A y
B sean independientes.
(Indicacion: Utilizar la formula de la union de dos sucesos y la de la independencia de sucesos).
(Solucion: p(B) =
7
12
, p(A B) =
7
60
).
Tlf. 955 22 42 50
CAP
NOTA IMPORTANTE:
No se deben confundir los conceptos de sucesos incompatibles y sucesos independientes. Dos sucesos
son incompatibles cuando no tienen elementos en com un, es decir, A B = , o con diagramas de
Venn:
Figura 5.9: A y B incompatibles, sin elementos en com un.
Dos sucesos son independientes si p(AB) = p(A) p(B). Son conceptos totalmente distintos. Uno
se reere a CONJUNTOS y otro se reere a PROBABILIDADES.
5.7. Experimentos compuestos. Teorema de la probabilidad total.
Un experimento compuesto es aquel que consta de dos o mas experimentos aleatorios simples.
Es decir, si tiramos un dado, o una moneda, son experimentos aleatorios simples, pero si realizamos
el experimento de tirar un dado y posteriormente una moneda, estamos realizando un experimento
compuesto.
Propiedad:
De la formula para calcular la probabilidad condicionada se deduce inmediatamente que:
p(A B) = p(B) p(A/B) y p(A B) = p(A) p(B/A)
Ejemplo: Se extraen 2 cartas, sucesivamente, de una baraja de 40. Calcular la probabilidad de extraer
2 sotas.
Sea A = sacar sota en la 1
a
y B = sacar sota en la 2
a
.
Nos piden p(A B).
Seg un la formula anterior, p(A B) = p(A) p(B/A).
Ahora bien , p(A) =
4
40
=
1
10
y p(B/A) =
3
39
=
1
13
, por lo que p(A) =
1
10

1
13
=
1
130
.
La forma mas sencilla de calcular probabilidades en experimentos compuestos es un digrama de
arbol, donde en cada rama situamos la probabilidad que le corresponde al suceso del nal de dicha
rama. Estas probabilidades que se van poniendo en el arbol son probabilidades condicionadas, porque
dependen de los resultados anteriores.
En el caso del ejercicio anterior, el diagrama sera:
Nota:
Este mismo resultado se podra haber obtenido sin usar la probabilidad condicionada, del modo:
Formas de elegir 2 cartas de entre 40=
_
40
2
_
.
Formas de elegir 2 sotas entre 4=
_
4
2
_
.
Por la regla de Laplace, p(obtener 2 sotas)=
casos favorables
casos posibles
=
_
4
2
_
_
40
2
_ =
6
780
=
1
130
.
Tlf. 955 22 42 50
CAP
Figura 5.10: Diagrama de arbol para la extraccion de sota(S) u otra carta (
S)
Ejercicios:
1. Una urna contiene 9 bolas rojas y 5 negras. Se extraen sucesivamente 2 bolas. Calcula la proba-
bilidad de que:
a) la primera bola sea roja y la segunda negra.
b) una sea roja y la otra negra.
2. En una bolsa hay 4 canicas rojas, 4 azules y 2 verdes. Se extraen 3 canicas que resultan ser 2
rojas y una azul. Sin devolverlas a la bolsa se saca otra canica, de que color es mas probable
que salga?.
Ejemplo:
Tenemos dos urnas, una con 7 bolas rojas y 2 azules, y otra con 3 bolas rojas y 8 azules. Tiramos
un dado. Si nos sale un 3 o un 5, sacamos una bola de la primera urna y en caso contrario, sacamos
una bola de la segunda urna. Cual es la probabilidad de que la bola extrada sea azul?.
Evidentemente estamos realizando un experimento compuesto. En primer lugar, se trata de elegir una
urna, para lo cual lanzamos un dado. Si U
1
= elegir la urna 1 y U
2
= elegir la urna 2, es claro que
p(U
1
)=
2
6
=
1
3
y p(U
2
)=
4
6
=
2
3
.
Por otra parte, luego realizamos otro experimento consistente en sacar una bola de la urna elegida.
Si A= sacar una bola azul, las probabilidades que conocemos son:
p(A/U
1
) =
2
9
y
p(A/U
2
) =
8
11
Lo que nos piden es p(A). Para calcular dicha probabilidad, si representamos el diagrama de arbol:
Como la probabilidad de A depende de la urna en la que estemos, basta multiplicar las probabili-
dades de cada rama que llegue a la bola azul y luego sumar los 2 resultados, es decir:
p(A) =
2
6

2
9
+
4
6

8
11
=
4
54
+
32
66
=
166
297
= 0
559
Tlf. 955 22 42 50
CAP
Figura 5.11: Diagrama de arbol para la extraccion de bolas
La justicacion teorica para proceder as la da el teorema de la probabilidad total.
Teorema de la probabilidad total: Si A
1
, A
2
, . . . , A
n
son sucesos incompatibles 2 a 2, y cuya union
es el espacio muestral (A
1
A
2
. . . A
n
= E), y B es otro suceso, resulta que:
p(B) = p(A
1
) p(B/A
1
) +p(A
2
) p(B/A
2
) +. . . +p(A
n
) p(B/A
n
)
Nota: El conjunto A
1
, A
2
, . . . , A
n
que verica la incompatibilidad 2 a 2 y que la union de todos ellos es
el espacio muestral se denomina sistema completo de sucesos y este sistema divide el espacio muestral
en partes que no se solapan. Mediante representacion graca:
Figura 5.12: Sistema completo de sucesos: A
1
, A
2
, . . . , A
n
Ejemplo: Para el caso anterior, A
1
= sacar la bola de la urna 1.
A
2
= sacar la bola de la urna 2.
B= sacar bola azul.
Y aplicando el teorema:
p(B) = p(A
1
) p(B/A
1
) +p(A
2
) p(B/A
2
) =
2
6

2
9
+
4
6

8
11
=
4
54
+
32
66
=
166
297
= 0
559
Ejemplo: En un colegio se imparten solo los idiomas ingles y frances. El 80 % de los alumnos
estudian ingles y el resto frances. El 30 % de los alumnos de ingles son socios del club musical del
colegio y de los que estudian frances son socios de dicho club el 40 %. Se elige un alumno al azar.
Calcular la probabilidad de que pertenezca al club musical.
En estos problemas es importante elegir el sistema completo de sucesos. En este caso: A
1
= estudiar
ingles
A
2
= estudiar frances
B= ser del club musical
Nos piden p(B). Por el teorema anterior:
p(B) = p(A
1
) p(B/A
1
) +p(A
2
) p(B/A
2
) =
80
100

30
100
+
20
100

40
100
=
8
25
= 0
32
Tlf. 955 22 42 50
CAP
Mediante el diagrama de arbol:
Figura 5.13: Diagrama de arbol para el problema de idiomas y club musical
Se obtiene el mismo resultado.
Tlf. 955 22 42 50
CAP
Ejercicio:
Se tienen dos urnas, la primera de las cuales tiene 6 bolas blancas, 4 negras y 2 rojas y la urna 2
tiene 3 bolas blancas y 7 negras.
Se lanza un dado al aire, y si sale m ultiplo de 3 se saca de la primera urna y en otro caso se saca
una bola de la segunda urna.
Calcular la probabilidad de que sea:
a) bola blanca b) bola negra c) bola roja.
Solucion:
11
30
,
26
45
,
1
18
.
5.8. Tablas de contingencia
Las tablas de contingencia estan referidas a 2 caractersticas que presentan cada una dos o mas
sucesos.
Ejemplo: En un taller se sabe que acuden, por la ma nana 3 automoviles con problemas de electricos,
8 con problemas mecanicos y 3 con problemas de chapa. Por la tarde hay 2 con problemas electricos,
3 con problemas mecanicos y 1 con problemas de chapa.
a) Calcular el porcentaje de los que acuden por la tarde.
b) Calcular el porcentaje de los que acuden con problemas mecanicos
c) Calcular la probabilidad de que un automovil con problemas electricos acuda por la ma nana.
Resumiendo los datos en una tabla de contingencia:
Pr. electricos Pr. Mecanicos Pr. de chapa Total
Ma nana 3 8 3 14
Tarde 2 3 1 6
Total 5 11 4 20
a) En total acuden 20 y por la tarde acuden 6, luego:
p(acudir por la tarde)=
6
20
= 0
3, es decir, el 30 %.
b) En total acuden 20 y con problemas mecanicos hay 11, luego:
p(problemas mecanicos)=
11
20
= 0
c) Aqu tenemos una informacion adicional (es un coche que tiene problemas electricos), luego se
trata de una probabilidad condicionada.Con problemas electricos hay 5 y de ellos 3 por la ma nana,
luego:
p(acudir por la ma nana/problemas electricos)=
3
5
= 0
En una tabla de contingencia puede que nos falten datos, pero se pueden hallar facilmente con los
datos que son conocidos.
Ejemplo Para tratar de curar una enfermedad se aplica un tratamiento nuevo a 81 pacientes de un
hospital, mientras que en el mismo hospital hay otros 79 pacientes que siguen un tratamiento antiguo
contra la misma enfermedad. En total, con ambos tratamientos los curados son 103, de los cuales 60
lo son gracias al tratamiento nuevo. Si tratamos de construir la tabla, con los datos del problema se
obtiene:
Tratamiento antiguo Tratamiento nuevo Total
Curarse 60 103
No curarse
Total 79 81
Tlf. 955 22 42 50
CAP
Completa la tabla y responde a las cuestiones:
Si se elige un individuo al azar, calcula la probabilidad de que:
1. Se haya curado.
2. No se haya curado.
3. Se haya curado con el nuevo tratamiento.
4. No se haya curado con el nuevo tratamiento.
5. Se haya curado con el tratamiento antiguo.
6. No se haya curado con el tratamiento antiguo
5.9. El teorema de Bayes.
Como consecuencia del teorema de la probabilidad total y de las propiedades de la probabilidad
condicionada, resulta este importante teorema que permite calcular probabilidades condicionadas.
Teorema de Bayes:
Si A
1
, A
2
, . . . , A
n
son sucesos incompatibles 2 a 2, y cuya union es el espacio muestral
(A
1
A
2
. . . A
n
= E), y B es otro suceso, resulta que:
p(A
i
/B) =
p(A
i
) p(B/A
i
)
p(A
1
) p(B/A
1
) +p(A
2
) p(B/A
2
) +. . . +p(A
n
) p(B/A
n
)
Demostracion:
Por denicion,p(A
i
/B) =
p(A
i
B)
p(B)
.
Ahora bien, recordando que p(A
i
B) = p(A
i
) p(B/A
i
), debido a que p(B/A
i
) =
A
i
B
p(A
i
)
.
Por tanto, combinando los dos hechos:
p(A
i
/B) =
p(A
i
B)
p(B)
=
p(A
i
) p(B/A
i
)
p(B)
Como por el teorema de la probabilidad total es:
p(B) = p(A
1
) p(B/A
1
) +p(A
2
) p(B/A
2
) +. . . +p(A
n
) p(B/A
n
)
resulta que sustituyendo:
p(A
i
/B) =
p(A
i
) p(B/A
i
)
p(B)
=
p(A
i
) p(B/A
i
)
p(A
1
) p(B/A
1
) +p(A
2
) p(B/A
2
) +. . . +p(A
n
) p(B/A
n
)
y el teorema queda demostrado.
Nota:
Las probabilidades p(A
i
) se denominan probabilidades a priori.
Las probabilidades p(A
i
/B) se denominan probabilidades a posteriori.
Las probabilidades p(B/A
i
) se denominan verosimilitudes.
Tlf. 955 22 42 50
CAP
Ejemplo:
Dos clases de 2
o
de Bachillerato, una de 28 alumnos y otra de 35 alumnos hacen conjuntamente
un examen de Matematicas. La probabilidad de aprobar de los alumnos de la primera clase es de 068
y los de la segunda del 073. Se toma un examen al azar y resulta que esta aprobado. Cual es la
probabilidad de que sea de un alumno de la 1
a
clase?.
Sea A
1
= el examen es de un alumno de la primera clase
A
2
= el examen es de un alumno de la segunda clase
B= el examen esta aprobado
Nos piden p(A
1
/B).
Hagamos antes que nada un diagrama de arbol:
Figura 5.14: Diagrama de arbol para el problema del examen
Por el teorema de Bayes:
p(A
1
/B) =
p(A
1
) p(B/A
1
)
p(A
1
) p(B/A
1
) +p(A
2
) p(B/A
2
)
Sustituyendo:
p(A
1
/B) =
28
63
0
68
28
63
0
68 +
35
63
0
73
=
0
302
0
708
= 0
427
p(A
1
) es la probabilidad a priori, es decir , antes de realizar el experimento y careciendo de
informacion.
En este caso p(A
1
) =
28
63
= 0
444.
p(A
1
/B) es la probabilidad a posteriori, despues de realizarlo y conocer mas informacion. En
este caso p(A
1
/B) = 0
427 (es algo menor).

Ejercicio:
Se tienen dos urnas. En la primera hay 10 bolas blancas, 7 negras y 5 rojas. En la segunda 24
blancas, 4 negras y 9 rojas. Se elige una urna al azar y se saca una bola. Calcular:
a) Probabilidad de sacar bola blanca.
b) Sabiendo que la bola extrada es blanca, probabilidad de que provenga de la segunda urna.
Solucion:
449
814
,
264
449
.
Tlf. 955 22 42 50
CAP
5.10. EJERCICIOS
1. En el experimento de lanzar 3 monedas, halla la probabilidad de los sucesos: A= sacar mas
caras que cruces, B= sacar al menos una cruz, C= sacar como maximo dos cruces.
2. Sabiendo que la probabilidad de los sucesos siguientes es p(A)=06, p(B)=09 y p(A B) = 0
46.
Son A y B independientes?. Son A y B independientes?.
3. Se reparten al azar cinco premios entre 4 mujeres y seis hombres. Calcula la probabilidad de
que:
a) Las 4 mujeres resulten premiadas.
b) Se premie a alguna mujer.
4. Un barco sortea un viaje entre 100 clientes que han abierto una cuenta bancaria en el ultimo
mes. De ellos, 56 son mujeres, 82 estan casados y 43 son mujeres casadas.
a) Calcula la probabilidad de que le toque el viaje a un hombre soltero.
b) Si el afortunado es casado,cual es la probabilidad de que sea mujer?.
5. Calcula la probabilidad de que al lanzar dos dados la suma de sus puntos sea mayor o igual que
4.
6. A una reunion llegan Carmen, Lola, Mercedes, Juan, Fernando y Luis. Se eligen dos personas al
azar sin importar el orden:
a) Obten el espacio muestral de este experimento.
b) Calcula la probabilidad de que las dos personas sean del mismo sexo.
7. La probabilidad de que tenga lugar el contrario de un suceso A es
1
3
, la probabilidad de un suceso
B es
3
4
y la probabilidad de que ocurran a la vez los sucesos A y B es
5
8
. Determina:
a) Probabilidad de que se verique el suceso A o el suceso B.
b) Probabilidad de que no se verique A y no se verique B.
c) Probabilidad de que ocurra A sabiendo que se ha vericado B.
d) Independencia de los sucesos A y B.
8. En una urna hay 2 bolas blancas y 1 negra. Se considera el experimento se sacar una bola y
devolverla a la urna. Calcula la probabilidad de que en 2 extracciones se obtengan:
a) Dos bolas blancas
b) 1 bola blanca y una negra
c) Dos bolas negras.
9. Se lanza un dado de seis caras dos veces consecutivas:
a) Calcula la probabilidad de que la suma de resultados sea 4
b) Calcula la probabilidad de que en el primer lanzamiento haya salido un 1 sabiendo que la
suma es 4.
10. De una baraja espa nola de 40 cartas se extrae una al azar.Cual es la probabilidad de que sea
bastos o menor que cinco?.
Tlf. 955 22 42 50
CAP
11. Se dispone de un mazo de 450 chas de estudiantes de una escuela de idiomas. Cada estudiante
cursa un solo idioma de los tres que se imparten. El n umero de mujeres es
3
2
del de hombres y
los estudiantes de ingles representan el 80 % del alumnado. El n umero de estudiantes de frances
duplica al de estudiantes de aleman. Sea M el suceso sacar una cha de mujer al extraer
una cha, al azar, del citado mazo (analogamente sean H,I,F y A sacar hombre, ingles, frances
y aleman respectivamente). Sabiendo que todos los estudiantes de aleman son mujeres y que
estudian frances el mismo n umero de hombres que de mujeres, determine:
a) Probabilidad de F. Probabilidad de M I.
b) Probabilidad de F/M.
12. Tenemos tres cajas, una verde, una roja y una amarilla, y en cada caja hay una moneda. La de
la caja verde esta trucada y la probabilidad de que salga cara es el doble de la probabilidad de
que salga cruz; la moneda de la caja roja tiene dos caras y la de la caja amarilla es normal. Se
toma una caja al azar y se lanza la moneda que hay. Calcular razonadamente:
a) La probabilidad de que salga cara
b) La probabilidad de que, sabiendo que ha salido cara, se haya lanzado la moneda de la caja
roja.
13. Se extraen sucesivamente dos cartas de una baraja de 40 cartas. Cual es la probabilidad de
obtener dos reyes?.
14. En cierta oristera recibieron cantidades iguales de rosas y gladiolos, cuyo color es blanco o
amarillo. El 60 % de los gladiolos son de color amarillo y el 70 % de las rosas son de color blanco.
a) Si elegimos una rosa, calcular la probabilidad de que su color sea amarillo.
b) Si cogemos dos gladiolos, calcular la probabilidad de que sean de distinto color.
c) Que proporcion de ores son de color blanco?
15. Se tiene tres recipientes, A, B y C. El recipiente A contiene 3 galletas de vainilla y 2 de chocolate;
el B 3 de chocolate y 2 de vainilla y el C contiene 2 de chocolate y una de vainilla. Se elige un
recipiente al azar y se coge una galleta de el al azar. Calcular la probabilidad de que sea de
chocolate.
16. Se dispone de dos urnas, en la primera de las cuales hay 3 bolas blancas y 4 negras y en la segunda
5 blancas y dos negras. Se lanza un dado y si se obtiene un 1 se elige la primera, mientras que en
caso contrario se elige la segunda. Elegida la urna, se sacan 2 bolas sucesivamente sin devolver
las bolas a la urna. Calcular la probabilidad de:
a) Ambas bolas sean negras.
b) Alguna de las bolas sea blanca.
c) Ambas bolas sean del mismo color.
17. La cuarta parte de las participantes en un congreso son espa nolas. La probabilidad de que una
congresista desayune te si es espa nola es un octavo y la probabilidad de que tome te si es
extranjera es un tercio. Si se elige una congresista al azar, calcular la probabilidad de que:
a) Desayune te.
b) No sea espa nola, si desayuna te.
c) Sea espa nola, si no desayuna te.
Tlf. 955 22 42 50
CAP
18. Si p(A)=035 p(B)= 024 y p(A B)=013, dibujar en diagramas de Venn y calcular las proba-
bilidades:
p(A B), p(A

B), p(

A B), p(A

B), p(

A B), p(

A

B)
19. Los hombres y mujeres de cierta poblacion estan en la relacion 3/4 (Por cada 3 hombres hay 4
mujeres). De los hombres, padecen una enfermedad el 25 % y de las mujeres un 20 %. Si se elige
al azar una persona y esta enferma, calcular la probabilidad de que sea hombre.
20. De una baraja espa nola de 40 cartas extraemos 3. Halla la probabilidad de sacar :
a) Tres ases.
b) Al menos un as.
21. En una ciudad hay 3 periodicos A, B y C. Estos periodicos son ledos seg un los siguientes
porcentajes: A por un 40 %, B por el 37 %, C por el 31 %. Ademas, un 16 % lee A y B, un 11 %
lee A y C, un 8 % lee B y C y un 3 % lee los 3. Si elegimos al azar a un individuo de esa ciudad:
a) Cual es la probabilidad de que no lea ning un periodico?
b) Cual es la probabilidad de que lea solo un periodico?
c) Cual es la probabilidad de que lea solo A?
Indicacion: Utiliza diagramas de Venn.
22. En una agencia bancaria hay dos sistemas de alarma, A y B. El sistema A funciona en 7 de cada
10 atracos, B funciona en 8 de cada 10 y los dos a la vez funcionan en 6 de cada 10 atracos.
Cual es la probabilidad de que en caso de atraco no funcione ninguna de las dos alarmas?
23. Conociendo las probabilidades p(A)=05, p(B)=04 y p(A B) = 0
2 calcula:
a) p(A B)
b) p(

A

B)
24. Los 300 alumnos de un centro de bachillerato se distribuyen de acuerdo con la tabla:
Alumnos Alumnas Total
Ciencias 95 85 180
Humanidades 50 70 120
Total 145 155 300
Calcula las probabilidades:
a) De ser de Ciencias, p(C)
b) De ser de Humanidades, p(H)
c) De ser alumno, p(A)
d) De ser alumna, p(B)
e) p(A/C)
f) p(B/C)
g) p(H/A)
h) p(C/A)
Tlf. 955 22 42 50
CAP
25. De una baraja de 40 cartas se extraen dos naipes sucesivamente sin reemplazamiento. Halla la
probabilidad de extraer:
a) Dos copas
b) 1
o
un as y luego un rey, en ese orden
c) Un as y un rey, en cualquier orden
d) Dos sotas
26. Responde a las mismas preguntas del ejercicio anterior si permitimos el reemplazamiento.
27. Si A y B son dos sucesos independientes, se puede vericar en alg un caso que p(A)=
1
3
y
p(A B) =
1
2
?
28. Se tiene un dado trucado con los resultados que se recogen en la tabla siguiente:
Resultado 1 2 3 4 5 6
Probabilidad 015 025 03
a) Completa la tabla, si se sabe que los n umeros impares tienen la misma probabilidad de salir.
b) Se lanza una vez el dado. Calcular la probabilidad de que no salga un n umero par.
c) Se lanza dos veces el dado. Cual es la probabilidad de que salga el 3 y el 4?
29. Describe el espacio muestral de cada uno de los sucesos aleatorios siguientes:
a) Se lanzan al aire 4 monedas y se cuentan el n
o
total de caras.
b) Se lanzan 3 dados al aire y se anotan las puntuaciones de las caras superiores.
c) Se lanzan al aire 2 dados y se anota la suma de las caras superiores.
d) Se extrae una bola de una urna que contiene 2 bolas blancas, 6 negras y 7 verdes.
e) Lo mismo que en d) pero sacando 3 bolas sin reemplazamiento.
30. Realizamos el experimento de extraer una cha de domino. Decimos que ha sucedido el su-
ceso B
n
si la suma de puntos de la cha es m ultiplo de n.(Por ejemplo, B
3
indica que la
suma de los puntos es m ultiplo de 3, es decir, las chas que han podido salir son: (0,3),(1,2)
,(0,6),(1,5),(2,4),(3,3),(3,6),(4,5),(6,6), que son los elementos que forman dicho suceso).
Encontrar los elementos (chas de domino) que componen los sucesos:
B
2
, B
4
, B
5
, B
6
, B
4
B
6
, B
2
(B
6
B
4
),

B
4

B
5
31. En un distrito universitario los estudiantes se distribuyen del modo: 25 % de letras, 35 % de
ciencias e ingeniera y 40 % de ciencias sociales o de la salud. El porcentaje de alumnos que
nalizan sus estudios es del 70 %, 40 % y 60 % respectivamente. Si seleccionamos un alumno al
azar, cual sera la probabilidad de que termine sus estudios?
32. Una moneda esta fabricada del modo que la probabilidad de obtener cara el el triple que la
probabilidad de obtener cruz. Calcula el valor de dichas probabilidades.
33. De una clase que tiene 10 sillas, 4 de ellas cojean. Cual es la probabilidad de que si cogemos 5
sillas al azar 3 de ellas cojeen?
Tlf. 955 22 42 50
CAP
34. Una fabrica tiene 3 secciones que producen respectivamente 2000, 1200 y 800 unidades. El
porcentaje de unidades defectuosas es del 2 %, 09 % y 12 % respectivamente. Si se toma una
unidad al azar, cual es la probabilidad de que sea defectuosa?Y de que no lo sea?. Si hemos
tomado una unidad y no es defectuosa, cual es la probabilidad de que provenga de la maquina
C?Y de la A?.
35. A 1000 personas elegidas al azar se les pregunto en una encuesta condencial: 1. Es usted
drogadicto? 2. Es usted seropositivo?
Los resultados fueron: drogadictos 40; seropositivos 12; drogadictos y seropositivos 9.
Con estos datos, son independientes los sucesos ser drogadicto y ser seropositivo?
36. Dos urnas [1] y [2] tienen, respectivamente 8 bolas blancas y 5 negras y 6 bolas blancas y 4
negras. Se elige una urna al azar y se extraen de ella dos bolas sin reemplazamiento. Halla la
probabilidad de que:
a) Las dos bolas sean blancas.
b) Las dos bolas sean del mismo color.
37. En un armario hay 12 ries, 5 con visor telescopico y 7 sin el. La probabilidad de hacer blanco
con un rie con visor es 09; mientras que para un rie sin visor es de 06.
Halla la probabilidad de hacer blanco cogiendo un rie al azar.
Si el tirador hace blanco, que es mas probable, que haya disparado con un rie con visor
telescopico o sin el?.
38. Para una baraja, sea F el suceso ser gura (sota, caballo o rey) y C el suceso ser copas. Asocia
los sucesos que se indican:
(a) F C (1) ser gura de copas
(b) F C (2) ser gura no de copas
(c) F C (3) no ser gura ni copas
(d) C F (4) ser de copas pero no gura
(e) F C (5) ser gura o ser de copas
(f)

F

C (6) no ser gura de copas
39. Calcula la probabilidad de los sucesos anteriores.
40. Se han lanzado unos dados y se han obtenido 4 puntos. Calcula la probabilidad de que se hayan
tirado exactamente 2 dados. (Indicacion: Considera que solo se pueden haber tirado: 1 dado, 2
dados, 3 dados o 4 dados, y haz un diagrama de arbol)
41. Una urna contiene 5 bolas rojas y 3 blancas. Se selecciona una bola al azar, se descarta y
se colocan dos bolas del otro color en la urna.Luego se saca una segunda bola. Determina la
probabilidad de que:
a) La segunda bola sea roja
b) Ambas bolas sean del mismo color
c) La primera sea roja, si la segunda lo es.
Tlf. 955 22 42 50
CAP
42. En el lanzamiento de 4 monedas, calcula la probabilidad de que:
a) Salga al menos una cruz
b) Dos sean caras y dos cruces
c) Salga alguna cara
43. El departamento de hacienda de un ayuntamiento supervisa el pago de impuestos de tres edicios
A, B y C, con un total de 125 pisos. Un a no, la relacion de pisos con la contribucion pagada fue de
20, 30 y 35 pisos respectivamente en A, B y C, y no pagada de 10, 18 y 12 pisos respectivamente.
Si se elige al azar un piso, calcula:
a) Que sea del edicio A.
b) Que haya pagado la contribucion.
c) Que haya pagado la contibucion, si es del edico B .
d) Que haya pagado la contribucion y sea del edicio C.
Tlf. 955 22 42 50
Captulo 6
DISTRIBUCI
ON BINOMIAL Y
DISTRIBUCI
ON NORMAL
6.1. Introducci on
Estudiaremos en este tema dos de las distribuciones de probabilidad mas importantes y que son
imprescindibles a la hora de adentrarnos en el estudio de la inferencia estadstica. La distribucion
binomial es uno de los primeros ejemplos de las llamadas distribuciones discretas (que solo pueden
tomar un n umero nito, o innito numerable, de valores). Fue estudiada por Jakob Bernoulli (Suiza,
1654-1705), quien escribio el primer tratado importante sobre probabilidad, Ars conjectandi (El
arte de pronosticar). Los Bernoulli formaron una de las sagas de matematicos mas importantes de la
historia. La distribucion normal es un ejemplo de las distribuciones continuas, y aparece en multitud
de fenomenos sociales. Fue estudiada, entre otros, por J.K.F. Gauss (Alemania, 1777-1855), uno de los
mas famosos matematicos de la historia. La graca de la distribucion normal en forma de campana se
denomina Campana de Gauss.
6.2. La distribuci on binomial o de Bernoulli
La distribucion binomial esta asociada a experimentos del siguiente tipo:
- Realizamos n veces cierto experimento en el que consideramos solo la posibilidad de exito o
fracaso.
- La obtencion de exito o fracaso en cada ocasion es independiente de la obtencion de exito o
fracaso en las demas ocasiones.
- La probabilidad de obtener exito o fracaso siempre es la misma en cada ocasion.
Veamoslo con un ejemplo
Tiramos un dado 7 veces y contamos el n umero de cincos que obtenemos. Cual es la probabilidad
de obtener tres cincos?.
Este es un tpico ejemplo de distribucion binomial, pues estamos repitiendo 7 veces el experimento
de lanzar un dado. Cual es nuestro exito?.
Evidentemente, sacar un 5, que es en lo que nos jamos.
El fracaso, por tanto, sera no sacar 5, sino sacar cualquier otro n umero.
Por tanto,

Exito = E = sacar un 5 = p(E) =
1
6
Fracaso = F = no sacar un 5 = p(F) =
5
6
Tlf. 955 22 42 50
CAP
ITULO 6. DISTRIBUCI
ON NORMAL
Para calcular la probabilidad que nos piden, jemonos en que nos dicen que sacamos 3 cincos y
por lo tanto tenemos 3 exitos y 4 fracasos, de cuantas maneras pueden darse estas posibilidades?.
Podramos sacar 3 cincos en las 3 primeras tiradas y luego 4 tiradas sin sacar cinco, es decir: EEEFFFF
Pero tambien podramos sacar EFEFFFE, es decir que en realidad estamos calculando de cuantas
maneras se pueden ordenar 4 fracasos y 3 exitos. Recordando las tecnicas combinatorias, este problema
se reduce a calcular las permutaciones con elementos repetidos:
P
3,4
7
=
7!
3! 4!
=
7 6 5
3 2 1
= 35formas
Y por tanto, como p(E) =
1
6
y tengo 3 exitos y p(F) =
5
6
y tengo 4 fracasos:
p(tener 3 exitos y 4 fracasos) = 35
1
6

1
6

1
6

5
6

5
6

5
6

5
6
= 0
0781
Formalizando lo obtenido, en una variable binomial con 7 repeticiones y con probabilidad de exito
1
6
,
la probabilidad de obtener 3 exitos es 00781, y lo expresaramos:
Bin
_
7;
1
6
_
, entonces p(X = 3) = 0
0781
Como repetir este proceso sera bastante penoso en la mayora de los casos, lo mejor es recurrir a la
siguiente formula que expresa la probabilidad de obtener cierto n umero de exitos en una distribucion
binomial:
Denicion de distribucion binomial:
Si realizamos n veces un experimento en el que podemos obtener exito, E, con probabilidad p y
fracaso, F, con probabilidad q (q = 1 p), diremos que estamos ante una distribucion binomial de
parametros n y p, y lo representaremos por Bin(n;p). En este caso la probabilidad de obtener k exitos
viene dada por:
p(X = k) =
_
n
k
_
p
k
q
(nk)
Nota:
Observar que las probabilidades de exito y fracaso son complementarias, es decir, q = 1-p y p =
1-q, por lo que basta saber una de ellas para calcular la otra.
Ejemplo:
Antes tenamos Bin
_
7;
1
6
_
, y queramos calcular p(X=3) (obtener 3 exitos). Aplicando la formula:
p(X = 3) =
_
7
3
_
_
1
6
_
3
_
5
6
_
4
= 0
0781
Ejemplo:
Supongamos que la probabilidad de que una pareja tenga un hijo o una hija es igual. Calcular la
probabilidad de que una familia con 6 descendientes tenga 2 hijos.
En este caso

Exito = E = tener hijo y p(E) = 05.
Fracaso = F = tener hija y p(F) = 05.
Estamos por tanto ante una binomial Bin(6;05) y nos piden p(X=2).
Tlf. 955 22 42 50
CAP
ITULO 6. DISTRIBUCI
ON NORMAL
Si aplicamos la formula es:
p(X = 2) =
_
6
2
_
(0
5)
2
(0
5)
4
= 0
2344
Nota:
La eleccion de exito o fracaso es subjetiva y queda a eleccion de la persona que resuelve el problema,
pero teniendo cuidado de plantear correctamente lo que se pide. En el caso concreto del ejemplo
anterior, si:
Exito = tener hija, como nos piden la probabilidad de que una familia con 6 hijos tenga 2 hijos,
si el exito es tener hija hemos de plantearnos cual es la probabilidad de tener 4 exitos (4 hijas), es
decir:
p(X = 4) =
_
6
4
_
(0
5)
4
(0
5)
2
= 0
2344
Evidentemente sale lo mismo, pero hay que ser consecuente a la hora de elegir el exito y el fracaso y
la pregunta que nos hagan.
6.2.1. El uso de las tablas de la distribucion binomial
La distribucion binomial se encuentra tabulada por lo que es facil calcular probabilidades sin
necesidad de hacer demasiadas cuentas. Para usar las tablas de la distribucion binomial es necesario
conocer:
- El n umero de veces que se realiza el experimento (n).
- La probabilidad de exito (p).
- El n umero de exitos (k).
La probabilidad p se busca en la primera la (valores desde 001 hasta 05).
El n umero de veces que se realiza el experimento, en la primera columna (valores desde 2 a 10) y
el n umero de exitos a su lado.
Por ejemplo en el caso anterior, Bin (6;05) , p(X=2), la columna p=05 es la ultima, y cuando
n=6 y k=2 encontramos 02344, el valor que habamos calculado.
Nota importante: El caso en que p > 0
5, no se encuentra tabulado.
La razon es bien sencilla. Si p > 0
5, entonces q < 0
5 y basta intercambiar los papeles de exito y

fracaso para que podamos utilizar la tabla.
Ejemplo:
La probabilidad de que un alumno de 2
o
de Bachillerato apruebe las Matematicas es de 07. Si
consideramos un grupo de 8 alumnos, cual es la probabilidad de que cinco de ellos aprueben las
Matematicas?.
Si exito = aprobar y fracaso = suspender, entonces p = 07 y q = 03.
Tenemos, por tanto, una Bin(8;07).
Nos piden calcular p(X=5), que no se puede calcular mediante las tablas porque p = 07 y solo
tenemos hasta p = 05. Por tanto si intercambiamos exito = suspender y fracaso =aprobar entonces
p = 03, q = 07, es decir la nueva binomial es Bin(8;03) y nos piden que aprueben 5 de 8, es decir
que suspendan 3 de 8 o lo que es lo mismo, que tengamos 3 exitos, p(X=3), y buscando en la tabla es
p(X=3) = 02541.
Tambien, desde luego podramos haber utilizado la formula desde el principio, utilizar la Bin(8;07)
y olvidarnos de tablas para hacer:
p(X = 5) =
_
8
5
_
(0
7)
5
(0
3)
3
= 0
254
Tlf. 955 22 42 50
CAP
ITULO 6. DISTRIBUCI
ON NORMAL
6.2.2. Probabilidades acumuladas
Es posible que nos pidan no solo la probabilidad de que ocurran un cierto n umero de exitos en
concreto, sino que ocurran como mucho k exitos o preguntas similares. En el ejemplo anterior, por
ejemplo, podran pedirnos:
a) Cual es la probabilidad de que aprueben como mucho 2 alumnos?.
Si exito = aprobar y fracaso = suspender, p= 07 y q = 03, entonces nos piden p(X 2). En
este caso, basta pensar en que para que aprueben 2 alumnos como mucho, puede que aprueben 2, 1 o
ninguno, es decir:
p(X 2) = p(X = 0) +p(X = 1) +p(X = 2) = 0
0001 + 0
0012 + 0
01 = 0
1013
(haz las cuentas)
b) Cual es la probabilidad de que aprueben entre 3 y 6 alumnos (inclusive)?.
Del mismo modo:
p(3 X 6) = p(X = 3) +p(X = 4) +p(X = 5) +p(X = 6) =
= 0
0467 + 0
1361 + 0
2541 + 0
2965 = 0
7334
Hemos de tener en cuenta que para la distribucion binomial, en las tablas solo se admiten valores
hasta n=10 (10 repeticiones del experimento). Para valores de n > 10, inevitablemente hemos de
utilizar la formula.
Ejemplo:
Los alumnos de cierta clase se encuentran en una proporcion del 67 % que estudian ingles y el resto
frances.
Tomamos una muestra de 15 alumnos de la clase, calcular:
a) Probabilidad de que al menos encontremos tres alumnos de ingles.
b) Probabilidad de que los 15 alumnos estudien ingles.
c) Probabilidad de que estudien ingles entre 7 y 10 alumnos.
Si exito = estudiar ingles, p = 067 y fracaso = estudiar frances, q = 1-067 = 033. Manejamos
por tanto una Bin(15;067)
a) p(X 3) = p(X = 3) +p(X = 4) +p(X = 5) +p(X = 6) +. . . +p(X = 15).
Una opcion es calcular estas 13 probabilidades y sumarlas. Como hay que aplicar la formula para
calcular cada una, la tarea se puede hacer bastante larga. Otra opcion, mas sencilla, es pasar al
complementario. El complementario de encontrar al menos 3 alumnos de ingles es encontrar como
mucho 2 alumnos de ingles, p(X 2).
Es decir,
p(X 3) = 1 p(X < 3) = 1 p(X 2) = 1 (p(X = 0) +p(X = 1) +p(X = 2))
y solo tenemos que calcular 3 probabilidades: p(X = 0) 0 , p(X=1) = 0000001, p(X=2) = 0000026
(compruebalo!).
Por lo cual,
p(X 3) = 1 (0 + 0
000001 + 0
000026) = 1 0
000027 = 0
999973
b) p(X=15) = 00025 (aplica la formula).
c)
p(7 X 10) = p(X = 7) +p(X = 8) +p(X = 9) +p(X = 10) =
= 0
0549 + 0
1114 + 0
1759 + 0
2142 = 0
5564.
Tlf. 955 22 42 50
CAP
ITULO 6. DISTRIBUCI
ON NORMAL
6.2.3. Media y desviacion tpica en una distribucion binomial
Aunque no se demostara, en una distribucion binomial Bin(n;p), el n umero esperado de exitos o
media, viene dado por x = n p. (Recordemos que la media es una medidad de centralizacion).
La desviacion tpica, , que es una medida de dispersion y mide lo alejados que estan los datos
de la media, viene dada por =
n p q.
Tlf. 955 22 42 50
CAP
ITULO 6. DISTRIBUCI
ON NORMAL
6.3. La distribuci on Normal
Al estudiar aspectos tan cotidianos como:
- Caracteres morfologicos de individuos ( personas, animales, plantas) de una misma raza. como
tallas, pesos, envergaduras, etc.
- Caracteres siologicos, como el efecto de una misma dosis de un farmaco, o de una misma cantidad
de abono.
- Caracteres sociologicos, como el consumo de ciertos productos por individuos de un mismo grupo
humano.
- Caracteres psicologicos, como el cociente intelectual, grado de adaptacion a un medio.
- Caracteres fsicos, como la resistencia a la rotura de ciertas piezas. . .
todos ellos tienen en com un que se distribuyen normalmente. Que quiere decir esta expresion?.
Pues, por ejemplo, si hacemos una estadstica para conocer la altura de 1400 mujeres y representamos
los resultados en un diagrama de barras, obtenemos:
Figura 6.1: Distribucion de estaturas de 1400 mujeres
Las gracas de este tipo son muy corrientes: Hay pocos individuos en los extremos y un aumento
paulatino hasta llegar a la parte central del recorrido, donde esta la mayora de ellos.
Denicion: Diremos que una distribucion de probabilidad sigue una distribucion normal de media x
y desviacion tpica , y lo representaremos por N(x; ) cuando la representacion graca de su funcion
de densidad es una curva positiva continua, simetrica respecto a la media, de maximo en la media, y
que tiene 2 puntos de inexion , situados a ambos lados de la media (x y x + respectivamente)
y a distancia de ella, es decir de la forma:
Tlf. 955 22 42 50
CAP
ITULO 6. DISTRIBUCI
ON NORMAL
Figura 6.2: Distribucion normal N(x; ). El maximo esta en (x,
1
2
2
)
Dependiendo de los valores que tomen x y , la graca de esta funcion puede ser mas o menos
alargada, achatada, etc..., pero en cualquier caso siempre tiene las mismas condiciones de simetra,
continuidad, etc rese nadas anteriormente.
El concepto de funcion de densidad introducido anteriormente no se estudiara con profundidad.
Baste decir que la funcion de densidad determina la forma de cada distribucion de probabilidad. En
el caso de la distribucion normal de parametros x y , dicha funcion viene dada por:
f(x) =
1
2
2
e
(xx)
2
2
2
Propiedad:
El area encerrada bajo la curva normal N(x; ) siempre es 1.
La demostracion de este resultado no es nada sencilla e implica el uso de resultados matematicos que
exceden el nivel de este curso.
De entre todas las curvas normales N(x; ), la mas sencilla, usada y conocida es aquella que tiene
por media 0 y por desviacion tpica 1, N(0, 1).
Esta normal estandar se suele representar por Z.
La graca de esta curva se denomina campana de Gauss y se puede observar en la gura:
Figura 6.3: Distribucion normal N(0; 1). El maximo esta en (0,
1
2
)
Su funcion de densidad sera:
f(x) =
1
2
e
x
2
2
Puesto que el area bajo esta curva normal es 1, podemos denir una probabilidad de la siguiente
manera:
Para un valor cualquiera k, denimos la probabilidad de que la distribucion Z, N(0;1) , sea menor o
igual que k como:
Tlf. 955 22 42 50
CAP
ITULO 6. DISTRIBUCI
ON NORMAL
p(Z k)=
Area encerrada bajo la curva normal N(0,1) desde hasta k

(es decir la parte rayada de la gura siguiente).
Figura 6.4:

Area encerrada por la curva normal desde hasta k
Ahora bien, como calcular dicha area?. Facil: Dichas areas o probabilidades se encuentran tabu-
ladas.
6.3.1. Uso de las tablas de la distribucion normal N(0;1)
La normal N(0;1) se encuentra tabulada, para valores a partir de 0 y hasta 399. Si por ejemplo
queremos calcular p(Z 2
78), hemos de realizar los pasos:

1. Buscar la parte entera y las decimas en la primera columna (en este caso 27).
2. Buscar las centesimas en la primera la (en este caso 8).
3. En el punto com un a la la y la columna que hemos encontrado, tenemos la probabilidad buscada,
en este caso 09973.
Por tanto p(Z 2
78) = 0
9973.
Si queremos calcular una probabilidad de un valor mayor que 399, basta jarse en que las proba-
bilidades correpondientes a valores tales como 362 y mayores ya valen 09999 (practicamente 1). Por
eso, para estos valores mayores que 399, diremos que la probabilidad es aproximadamente 1. As:
p(Z 5
62) 1
aunque no aparezca en la tabla.
Por otra parte, jemonos en que en este tipo de distribuciones no tiene sentido plantearse probabili-
dades del tipo p(Z=k), ya que siempre valen 0, al no encerrar ning un area. Por tanto, si nos pidiesen
p(Z=32), basta decir que p(Z=32)=0.
Este tipo de distribuciones en las cuales la probabilidad de tomar un valor concreto es 0 se de-
moniman distribuciones continuas, para diferenciarlas de otras en las que esto no ocurre, como por
ejemplo la binomial, que es una distribucion discreta.
As, al pasar al complementario, si tenemos Z k, su complementario sera Z < k, pero como incluir
k no inuye en la probabilidad,al calcular probabilidades podemos escribir:
p(Z k) = 1 p(Z < k) = 1 p(Z k)
Solo se puede hacer esto en distribuciones continuas, en el caso de la binomial esto no se puede hacer
y hay que ser cuidadosos con el paso al complementario.
Tlf. 955 22 42 50
CAP
ITULO 6. DISTRIBUCI
ON NORMAL
Ejercicio: Buscar en la tabla de la normal estandar N(0;1) las probabilidades:
a) p(Z 1
15) b) p(Z 0
5) c) p(Z 0
82) d) p(Z 1
05) e) p(Z 4
27)
f) p(Z 18
09)
6.3.2. Calculo de otras probabilidades
1. Si k es positivo y queremos calcular p(Z k), es decir el area rayada:
Figura 6.5: p(Z k). Basta pasar al complementario
basta pasar al complementario, es decir: p(Z k) = 1 p(Z k) y esta ultima probabilidad ya
se encuentra tabulada.
Ejercicio: Calcular p(Z 0
3) y p(Z 2
07).
2. Si k es positivo y queremos calcular p(Z k), es decir el area: por simetra, p(Z k) =
Figura 6.6: p(Z k).Las probabilidades de valores negativos no estan tabuladas
p(Z k) y esta se calcula como en el caso anterior. Se puede observar la igualdad de areas en
la gura:
Figura 6.7: p(Z k) = p(Z k). La simetra permite reducir este caso al anterior
78) y p(Z 3
2).
Tlf. 955 22 42 50
CAP
ITULO 6. DISTRIBUCI
ON NORMAL
Figura 6.8: p(Z k)
Figura 6.9: p(Z k) = p(Z k).La simetra permite reducir este caso al que ya esta tabulado
3. Si k es positivo y queremos calcular p(Z k), es decir el area rayada:
entonces, por simetra p(Z k) = p(Z k):
96) y p(Z 1
01).
Tlf. 955 22 42 50
CAP
ITULO 6. DISTRIBUCI
ON NORMAL
4. Probabilidades comprendidas entre dos valores,p(k
1
Z k
2
) ,es decir el area rayada:
Figura 6.10: p(k
1
Z k
2
). Probabilidad comprendida entre dos valores
se calcula restando las areas:
Figura 6.11: p(Z k
2
) en la primera imagen.p(Z k
1
) en la segunda. Al restar obtenemos el area
pedida.
Se quita la parte correspondiente a Z k
1
,p(Z k
2
) p(Z k
1
).
Ejercicio: Calcular p(0
96 Z 1
49) y p(1
32 Z 0
57).
Ejercicio: Calcular p(Z=2), p(Z 2), p(Z 2), p(Z 2), p(Z 2), p(2 Z 2),
p(0
81 Z 1
33).
6.3.3. Calculo de probabilidades en normales N(x; )
Si no tenemos una distribucion N(0;1), sino una N(x; ) cualquiera, como calcular probabilidades,
si no tenemos tabla salvo para N(0;1)?. El siguiente resultado nos da la respuesta.
Propiedad:
Si X sigue una distribucion N(x; ) , entonces la variable Z =
X x
sigue una distribucion N(0,1).

(El paso de la variable X N(x; ) a la Z N(0;1) se denomina tipicacion de la variable X).
Ejemplo:
Las estaturas de 600 soldados se distribuyen de acuerdo a una distribucion normal de media 168
y desviacion tpica 8 cm. Cuantos soldados miden entre 166 y 170 cm?.
Sea X la distribucion de los soldados , X es una N(168,8). Nos piden p(166 X 170).
Utilizando el resultado anterior, primero restamos x=168 en la desigualdad:
p(166 X 170) = p(166 168 X 168 170 168) = p(2 X 168 2)
Tlf. 955 22 42 50
CAP
ITULO 6. DISTRIBUCI
ON NORMAL
Y ahora dividimos entre = 8, con lo que acabamos de tipicar:
p(166 X 170) = p(2 X 168 2) = p
_
2
8

X 168
8

2
8
_
Llamando a
X 168
8
= Z, esta ya es normal N(0,1) y se encuentra en las tablas:
p(166 X 170) = p(0
25 Z 0
25) = p(Z 0
25) p(Z 0
25) =
= (tablas) = 0
5987 0
4013 = 0
1974.
(pues p(Z 0
25) = p(Z 0
25) = 1 p(Z 0
25) = 1 0
5987 = 0
4013).
Ejercicios: 1) En una distribucion N(22,5), calcula: p(X 27),p(X 27),p(X 125), p(15
X 20), p(17 X 30).
2) Los pesos de 60 soldados siguen una distribucion N(67,5). Calcula la probabilidad de que el
peso sea:
a) mayor de 80 kg.
b) 50 kg. o menos
c) menos de 60 kg.
d) 70 kg.
e) Entre 60 y 70 kg inclusive.
6.3.4. Otro uso de las tablas
Hasta ahora nos han dado la distribucion normal N(0;1) y nos pedan p(Z k) siendo k un cierto
n umero, y nos pedan calcular dicha probabilidad.
Ahora bien, otra pregunta puede ser: Dado que en una normal N(0;1) sabemos que p(Z k) =
0
9573, quien es k?.

La resolucion es bien sencilla. Basta buscar 09573 dentro de la tabla de la distribucion normal, y
lo encontramos en el cruce de la la 17 con la columna 2, y por lo tanto k debe ser 172.
Ejercicio: Calcular k si:
a) p(Z k) = 0
8078.
b) p(Z k) = 0
0028.
En caso de que el valor a buscar no aparezca directamente dentro de la tabla de la distribucion normal,
pueden ocurrir dos posibilidades:
a) Si el valor se encuentra entre dos valores de la tabla y a la misma distancia (aproximadamente)
de cada uno de ellos, por ejemplo: p(Z k) = 0
7982. En este caso el valor buscado sera la media

entre los valores extremos.
Si buscamos en la tabla este valor no aparece directamente, sino que se encuentra entre los valores
07967 (que corresponde a 083) y 07996 (que corresponde a 084). Por tanto el valor de k sera:
k =
0
83 + 0
84
2
= 0
835
b) Si el valor esta entre dos valores, pero muy cercano a uno de ellos, directamente tomamos este valor,
por ejemplo: p(Z k) = 0
7970. El valor mas cercano es 09767 (que corresponde a 083) y como el

valor buscado esta muy cerca de el, entonces directamente k=083.
Si la distribucion no es normal N(0;1), sino N(x; ), tendremos que tipicar previamente.
Tlf. 955 22 42 50
CAP
ITULO 6. DISTRIBUCI
ON NORMAL
Por ejemplo, si X sigue una normal N(6;3) y p(X k) = 0
9082, calcula k.
Tipicando:
p
_
X 6
3

k 6
3
_
= 0
9082 p
_
Z
k 6
3
_
= 0
9082
Y buscando en la tabla,
k 6
3
= 1
33 k 6 = 3
99 k = 9
99
Tlf. 955 22 42 50
CAP
ITULO 6. DISTRIBUCI
ON NORMAL
Ejercicios:
1. Calcular k si p(X k) = 0
6141 y X sigue una N(15,4).

2. De una variable normal N(x; ) se sabe que p(X 7) = 0
9772 y p(X 6
5) = 0
8413. Calcular:
a) x y .
b) p(5
65 X 6
25)
c) El n umero k tal que p(X > k) = 0
3
Tlf. 955 22 42 50
CAP
ITULO 6. DISTRIBUCI
ON NORMAL
6.4. Relaci on entre la distribuci on binomial y la distribucion normal
Es un hecho comprobado que cuando tenemos una distribucion Bin(n;p), a medida que n crece, es
difcil hacer uso de las formulas y/o tablas.
Por ejemplo, tiramos un dado 100 veces, calcular la probabilidad de obtener entre 20 y 33 cin-
cos(inclusive).
Si exito = obtener cinco entonces p =
1
6
y fracaso = no obtener cinco y q =
5
6
.
Tenemos una Bin
_
100;
1
6
_
, y nos piden p(20 X 33).
Es inviable aplicar las tablas (pues repetimos el experimento 100 veces) y tampoco la formula pues
es inviable calcular, por ejemplo,
p(X = 32) =
_
100
32
_
_
1
6
_
32
_
5
6
_
68
Como resolver el problema?. Del siguiente modo:
Teorema Central del Lmite:
La distribucion binomial Bin(n;p) se aproxima a una curva normal de media x = n p y desviacion
tpica =
n p q, cuando n tiende a , es decir, cuando n se hace muy grande.

La aproximacion se puede aplicar (es una buena aproximacion) solo si n es grande, en concreto n 30
y ademas n p 5 y n q 5. Si no se cumplen estas condiciones NO podemos aproximar la binomial
que tengamos por una distribucion normal.
En caso de que podamos aproximar, debemos tener en cuenta que estamos pasando de una variable
discreta (binomial) a una continua (normal), y por tanto son distribuciones diferentes. El precio que
hay que pagar por pasar de una a otra se denomina correccion por continuidad y consiste en hacer
determinados ajustes para que la aproximacion realizada sea lo mas precisa posible.
As, si nos piden p(X=k) en una distribucion binomial X, y aproximamos X por una distribucion normal
Y, no podemos calcular directamente p(Y=k) porque, como ya se ha comentado anteriormente, en
una distribucion continua todas estas probabilidades valen 0. La correccion por continuidad consiste
en tomar un peque no intervalo de longitud 1 alrededor del punto k.
De otro modo, si nos piden p(X=k) con X binomial, con la aproximacion normal Y deberemos
calcular p(k 0
5 Y k + 0
5).
Del mismo modo se razona en el caso de probabilidades acumuladas en la binomial. Algunos
ejemplos:
Si nos piden p(X < k) con X binomial, aproximando por Y normal calcularemos p(Y k0
5). La
explicacion de que haya que restar 05 y no sumarlo es que queremos que X sea menor estrictamente
que k, con lo cual, si sumase 05 , el propio k aparecera en la probabilidad a calcular y NO debe
aparecer.
Por contra, si debiesemos calcular p(X k), con X binomial, jemonos que ahora k S
I esta incluido
en la probabilidad y por tanto al aproximar por la normal Y deberamos calcular p(Y k + 0
5).
Comprender estos dos hechos es fundamental para realizar bien la correcion por continuidad al
aproximar una distribucion binomial por una normal.
En el caso anterior,x = n p =
100
6
= 16
67 y =

n p q =
_
500
36
= 3
73. De modo que, como

Tlf. 955 22 42 50
CAP
ITULO 6. DISTRIBUCI
ON NORMAL
n 30, n p = 16
67 5 y n q = 83
33 5, se pude aproximar la binomial por la normal, es decir:

X Bin
_
100;
1
6
_
Y N(16
67; 3
73)
Entonces:
p(20 X 33)
..
()
p(20 0
5 Y 33 + 0
5) = p
_
19
5 16
67
3
73

Y 16
67
3
73

33
5 16
67
3
73
_
=
= p(0
89 Z 4
51) = p(Z 4
51) p(Z 0
89) 1 0
8133 = 0
1867
Notemos que en el paso se nalado por (*) hemos cambiado X(binomial) por Y(normal) y se ha realizado
la correccion por continuidad.
Tlf. 955 22 42 50
CAP
ITULO 6. DISTRIBUCI
ON NORMAL
6.5. EJERCICIOS
1. En una distribucion Bin(10;02), calcula p(X=3), p(X 2), p(X > 2), x, .
2. En un proceso de fabricacion de tornillos se sabe que el 2 % son defectuosos.Los empaquetamos
en cajas de 50 tornillos. Calcula la probabilidad de que en una caja haya:
a) Ning un tornillo defectuoso.
b) Exactamente un tornillo defectuoso.
c) Mas de dos tornillos defectuosos.
3. En una mano de poker se dan, a cada jugador 5 cartas y nos preguntamos por la probabilidad
de que un jugador tenga k guras (k=0,1,2,3,4,5). Por que no se trata de una distribucion
binomial?.
4. Una urna contiene 40 bolas blancas y 60 bolas negras. Sacamos 8 veces una bola, devolviendola,
cada vez, a la urna. Cual es la probabilidad de que 5 sean blancas?.
Si repetimos 10 veces la experiencia, Cuanto vale la media y la desviacion tpica?.
5. En un test de 100 preguntas hay 4 opciones de respuesta , de las que hay que seleccionar una.
Si se responde totalmente al azar, cual es el n umero esperado de respuestas correctas?. Cual
es la desviacion tpica?.
Si para aprobar hace falta tener bien 60 preguntas, que probabilidad tenemos de aprobar?.
6. Un examen tipo test consta de 10 preguntas,cada una con 4 respuestas, solo una de las cuales
es correcta. Un alumno contesta al azar.
Cual es la probabilidad de que conteste correctamente mas de 3 preguntas?.
Cual es la de que conteste mal a todas?.
7. Una urna contiene 3 bolas rojas y 7 verdes. Se saca una al azar, se anota el color y se vuelve a
meter; y se realiza 5 veces esta experiencia. Calcula la probabilidad de obtener:
a) tres rojas
b) menos de tres rojas
c) mas de tres rojas
d) alguna roja.
8. En un proceso de fabricacion de motores para coches, y antes de la revision previa a la venta,
la probabilidad de que un motor tenga alg un defecto es de 005. Entre 4 motores sin revisar,
calcula la probabilidad de que:
a) no haya ninguna defectuoso.
b) haya alguno defectuoso.
c) haya mas de uno defectuoso.
9. El 11 % de los billetes de la lotera reciben alg un tipo de premio. En una familia se juegan 46
n umeros. Cual es la probabilidad de que se obtenga premio en al menos 3 de ellos?.
10. De los alumnos que cierto centro de ense nanza presenta al examen de acceso a la universidad
cada a no, suele aprobar el 95 %. Si este curso van a presentarse 240 alumnos, cuantos aprobaran
por termino medio aproximadamente?. Cual es la desviacion tpica?.
Tlf. 955 22 42 50
CAP
ITULO 6. DISTRIBUCI
ON NORMAL
11. Si la probabilidad de que un cierto modelo de secador de pelo sea defectuoso es del 5 %, Cuantos
habra defectuosos, por termino medio, en un lote de 1000 secadores?. Cual es la desviacion
tpica?.
12. Cual es la probabilidad de obtener 5 caras lanzando 11 veces una moneda?.Cuantas caras se
obtienen por termino medio?. Cual es la probabilidad de obtener mas de 2 caras pero menos
de 6?. Cual es la desviacion tpica?.
13. La probabilidad de que cierto golsta haga hoyo a una distancia de 17 metros es de 02. Si
lo intenta 5 veces, cual es la probabilidad de que no acierte ninguna vez?.Y de que acierte
alguna?. Calcula la media y la desviacion tpica.
14. En una distribucion N(0;1), calcula: p(Z 1
83), p(1
5 Z 3
71), p(Z 11),p(Z 4
27),
p(1
5 Z 2
5) ,p(Z=16),p(2
71 Z 1
83), p(1
3 Z 2
2).
15. En una distribucion N(43;10), calcula p(X 43), p(40 X 55),p(30 X 40).
16. Supongamos que la variable que expresa el tiempo (en meses) que tarda en salir el primer diente
de los ni nos es N(75;15). Calcula la probabilidad de que a un ni no le salgan los dientes:
a) Habiendo cumplido ya un a no.
b) Antes de los 5 meses.
c) Con 7 meses.
d) Antes de cumplir el primer mes.
e) Despues de haber cumplido 6 meses.
17. En el proceso de fabricacion de unas piezas intervienen dos maquinas: la maquina A produce un
taladro cilndrico y la maquina B secciona las piezas con un grosor determinado. Ambos procesos
son independientes. El diametro del taladro producido por A , en mm. es una N(23,05). El grosor
producido por B en mm. es una N(115,04).
a) Calcula que porcentaje de piezas tienen una taladro comprendido entre 205 y 24 mm.
b) Encuentra el porcentaje de piezas que tienen un grosor entre 105 y 127 mm.
c) Suponiendo que solo son validas las piezas cuyas medidas son las dadas en los apartados
anteriores, calcula que porcentaje de piezas aceptables se consiguen.
18. La calicacion media en un cierto examen fue 65 y la desviacion tpica 16. Si el profesor va a
calicar con sobresaliente al 10 % de la clase, a partir de que nota se consigue?.
19. Un test de sensibilidad musical da resultados que se distribuyen N(65,18). Se quiere hacer un
baremo por el cual, acada persona, junto con la puntuacion obtenida, se le asigna uno de los
siguientes comentarios:
* Duro de oido
* Poco sensible a la m usica
* Normal
* Sensible a la m usica
* Extraordinariamente sensible a la m usica
de modo que haya , respectivamente, en cada uno de los grupos un 10 %,35 %,30 %,20 %, y un 5 %
del total de individuos observados. En que puntuaciones pondras los lmites entre los distintos
grupos?.
Tlf. 955 22 42 50
CAP
ITULO 6. DISTRIBUCI
ON NORMAL
20. El 25 % de los tornillos fabricados por una maquina presentan defectos. Si tenemos un lote de
200 tornillos, cual es la probabilidad de que haya mas de 50 defectuosos?.
21. Para cada una de las siguientes distribuciones binomiales, indica si se pueden aproximar a una
normal o no.En caso negativo, explica por que y en caso armativo, determina a que distribucion
normal se aproximan, calculando su media y desviacion tpica.
a) Bin(2;03)
b) Bin(40,005)
c) Bin(50;04)
d) Bin(10,02)
e) Bin(35,05)
22. Si lanzamos un dado 1000 veces, cual es la probabilidad de que el n umero de treses obtenidos
sea menor que 100?.
23. La probabilidad de que una copa de cristal se rompa cuando la transportamos es del 1 %. Si se
transportan 1000 copas, cual es el n
o
esperado de roturas?y la desviacion tpica?.Cual es la
probabilidad de que se rompan 20 copas o mas?.
24. En una bolsa hay 2000 bolas, 1000 blancas y 1000 negras. Si sacamos 30 bolas, cual es la
probabilidad de que las 10 sean blancas?.Y la de que al menos 7 sean blancas?.
25. Una plantacion esta infectada por unos escarabajos, y se estima que hay 1000000 de estos
animalillos. Se roca la plantacion con un insecticida que se espera que acabe con el 80 % de
los bichos.Cual es la probabilidad de que sobrevivan 500000 escarabajos o mas?. Y la de
que sobrevivan mas de 300000 escarabajos?.Y la de que sobrevivan entre 100000 y 200000
escarabajos?.
26. Si el 15 % de los espa noles son hinchas de alg un equipo de f utbol y se pregunta a 7 espa noles
elegidos al azar si lo son, calcula la probabilidad de que contesten s:
a) Tres
b) Un maximo de dos
c) Al menos tres.
27. Supongamos que en Castilla-Leon el 25 % de los acionados al f utbol son hinchas del Valladolid.
Elegidos 7 acionados al azar, calcula la probabilidad de que sean del Valladolid:
a) Dos
b) Entre 3 y 5 (inclusive).
28. Supongamos que el porcentaje de alumnos universitarios que terminan su licenciatura en los
a nos previstos es del 35 %. Si se toman 8 licenciados al azar, cual es la probabilidad de que al
menos dos de ellos hayan terminado sus estudios en los a nos previstos?.
29. La probabilidad de que un jugador de baloncesto meta una canasta de 3 puntos es 025.
a) Si efect ua nueve lanzamientos de tres puntos, cual es la probabilidad de que meta al menos
dos? Y de que falle 6?
b) Cuantos lanzamientos tiene que realizar para que la probabilidad de meter al menos una
canasta sea mayor que 08?.
Tlf. 955 22 42 50
CAP
ITULO 6. DISTRIBUCI
ON NORMAL
30. Un examen consta de 8 preguntas, con tres respuestas posibles cada una, de las que solo una es
correcta. Si se responde al azar, cual es la probabilidad de:
a) Acertar 4 preguntas
b) No acertar ninguna
c) Acertar al menos 2.
31. Para una moneda trucada, la probabilidad de sacar cara es de
6
11
. Si se lanza 7 veces, calcular
la probabilidad de:
a) Sacar 5 caras
b) Sacar al menos una cruz.
32. La probabilidad de que un tirador haga blanco de un disparo es 06. Si efect ua 6 disparos, halla
la probabilidad de que haga:
a) Seis blancos
b) Un mnimo de 4 blancos
c) Si efect ua 60 disparos, calcula la media y la desviacion tpica del n umero de blancos conse-
guidos.
33. La probabilidad de acertar un n umero en el juego de la ruleta es de
1
37
.
a) Si apostamos seis veces a un mismo n umero, cual es la probabilidad de acertar al menos una
vez?
b) Cuantas veces habra que apostar al mismo n umero para que la probabilidad de ganar al
menos una vez sea mayor que 05?
34. En una partida de disquetes para ordenador se detecta que el 20 % estan defectuosos. Para
vender esos disquetes se ofertan 8 al precio de 5. Hasta que punto es interesante comprar esos
disquetes?.
Si una empresa compra 1000 disquetes, cuanto debe pagar y cuantos cabe esperar que sean
defectuosos?.
35. Que es mas facil, tirar 7 monedas y sacar 6 caras o tirar dos dados y sacar dos seises?.
36. Para una variable N(0;1) calcula las probabilidades:
a) p(1 Z 1)
b) p(2 Z 2)
c) p(Z 1
65)
37. Si las estaturas de las chicas europeas de 18 a nos tiene una distribucion N(165;7) y elegimos una
al azar, calcula la probabilidad de que su estatura sea:
a) Menor que 172 cm
b) Entre 165 y 172 cm
c) Superior a 193 cm
Tlf. 955 22 42 50
CAP
ITULO 6. DISTRIBUCI
ON NORMAL
38. Supongamos que la probabilidad de que un hombre sea calvo es p=02. Si en una reunion hay
50 hombres, calcula la probabilidad de que:
a) Menos de 16 de ellos sean calvos
b) 16 sean calvos
c) Mas de 20 sean calvos
d) 4 sean calvos
39. Supongamos que el diametro de las aceitunas rellenas de anchoa vara entre 15 y 17 mm. Debido
a al sequa del ultimo a no, la produccion de aceituna verde se ha distribuido seg un una normal de
media 155 mm. y desviacion tpica 12 mm. Que porcentaje de aceitunas podra ser aprovechado
para rellenar de anchoa?
40. En una variable normal, X, de media 20 y desviacion tpica 4, calcula el valor de t para que
p(X t) = 0
3
41. El cociente intelectual (C.I.) de los alumnos de una universidad se distribuye normalmente con
media 115 y desviacion tpica 12. Se consideran brillantes y superdotados a aquellos alumnos
cuyo C.I. es igual o superior a 139 y 145 respectivamente. Calcula:
a) La probabilidad de que un alumno sea brillante.
b) Sea superdotado.
c) Si en la universidad estudian 10.000 alumnos, cuantos brillantes y cuantos superdotados hay
entre ellos?
42. El examen de unas oposiciones consta de 200 preguntas tipo test, con 4 respuestas posibles cada
una, de las cuales solo una es correcta. Si un opositor responde al azar, calcula la probabilidad
que tiene de:
a) Aprobar el examen si para ello debe acertar un mnimo de 120 preguntas.
b) Contestar correctamente entre 40 y 70 preguntas.
43. Supongamos que el 40 % de los menores de 25 a nos esta en paro. Si tomamos una muestra de
200 de ellos, calcula la probabilidad de que el n umero de parados
a) coincida con la media
b) sea inferior a la media.
44. El permetro craneal de los hombres en una ciudad es una N(60;2) medido en cm.
a) Que permetro craneal debe tener un hombre para que el 166 %de sus paisanos tengan mas
cabeza que el?.
b) Y cuanto para que el 352 % tenga menos?.
45. Para aprobar unas oposiciones se necesita obtener 100 puntos o mas en el examen. Por expe-
riencias anteriores, se sabe que la distribucion de los puntos obtenidos por los opositores es una
normal de media 110 puntos y desviacion tpica 15 puntos. Halla:
a) Que probabilidad hay de que un opositor apruebe?
b) Si hay 1000 opositores y solo 300 plazas. cuantos puntos se debera exigir para ajustar el
n umero de plazas al n umero de opositores aprobados?.
Tlf. 955 22 42 50
CAP
ITULO 6. DISTRIBUCI
ON NORMAL
46. Un examen tiene 100 preguntas de tipo verdadero-falso. El examen se aprueba con 60 preguntas
correctas al menos. Si un alumno contesta al azar, calcula la probabilidad de que:
a) Apruebe el examen
b) Conteste bien entre 55 y 65 preguntas (inclusive).
Tlf. 955 22 42 50
Captulo 7
INFERENCIA ESTAD
ISTICA
7.1. Introducci on
Inferir: Sacar una consecuencia de una cosa. Sacar consecuencia o deducir una cosa de otra.
La estadstica, ciencia o rama de las Matematicas que se ocupa de recoger datos, analizarlos y
organizarlos, y de realizar las predicciones que sobre esos datos puedan deducirse, tiene dos vertientes
basicas:
a) Estadstica descriptiva: Basicamente se ocupa de la 1
a
parte, es decir, a partir de ciertos datos,
analizarlos y organizarlos. Es aqu donde tiene sentido calcular la media, mediana, moda, desviacion
media, desviacion tpica, etc.
b) Estadstica inferencial: Se ocupa de predecir, sacar conclusiones, para una poblacion tomando
como base una muestra (es decir , una parte) de dicha poblacion. Como todas las predicciones, siempre
han de hacerse bajo un cierto grado de abilidad o conanza.
Sera esta ultima vertiente de la estadstica la que estudiemos en este tema.
7.2. Muestreos
Ya sabemos que una poblacion es el conjunto de individuos sobre los que hacemos cierto estudio, y
que una muestra es un subconjunto de la poblacion. Es evidente que los resultados de una determinada
encuesta tendran un mayor grado de abilidad si dicha encuesta se realiza sobre la poblacion completa.
Sin embargo, en la mayora de las ocasiones esto no es posible, debido a m ultiples razones:
* Imposibilidad material (Hacer una encuesta a los casi 41 millones de espa noles es imposible,hacer
un estudio sobre la fecha de caducidad de un producto. Si lo hacemos con todos los productos que ven-
demos luego?)
* Imposibilidad temporal (Hacer un estudio sobre la duracion de una bombilla. Cuanto debemos
esperar para saberlo?).
Por tanto, es habitual que tengamos que manejarnos con muestras, de modo que es importante
saber elegir bien una muestra de la poblacion, una muestra que represente bien a dicha pbolacion.
Hay muchas maneras de elegir una muestra de una poblacion.
Antes de pasar a analizar dichas formas de extraccion de muestras, lo que si hemos de dejar claro
es que todas las muestras han de cumplir varias condiciones indispensables.
Es evidente que para que el estudio a realizar sea able, hay que cuidar mucho la eleccion de
la muestra, para que represente en la medida de lo posible a la poblacion de la que se extrae. Si la
muestra esta mal elegida, diremos que no es representativa.
Tlf. 955 22 42 50
CAP
ITULO 7. INFERENCIA ESTAD
ISTICA
En este caso, se pueden producir errores imprevistos e incontrolados. Dichos errores se denominan
sesgos y diremos que la muestra esta sesgada.
Una de las condiciones para que una muestra sea representativa es que el muestreo (o sistema
para elegir una muestra de una poblacion) que se haga sea aleatorio, es decir, todas las personas de
la poblacion tengan las mismas posibilidades de ser elegidas, mientras que si la eleccion de la muestra
es subjetiva, es probable que resulte sesgada.
Las distintas maneras de elegir una muestra de una poblacion se denominan muestreos. Basicamente
hay dos tipos de muestreos:
1. Muestreo no probabilstico: El investigador no elige la muestra al azar, sino mediante determi-
nados criterios subjetivos.
2. Muestreo probabilstico: Cuando la muestra se elige al azar. En este caso podemos distinguir
varios tipos:
a) Muestreo aleatorio simple: Aquel en el que cada individuo de la poblacion tiene las mismas
posibilidades de salir en la muestra.
b) Muestreo sistematico: En el que se elige un individuo al azar y a partir de el, a intervalos
constantes, se eligen los demas hasta completar la muestra.
c) Muestreo estraticado: En este muestreo se divide la poblacion en clases o estratos y se
escoge, aleatoriamente, un n umero de individuos de cada estrato proporcional al n umero
de componentes de cada estrato.
d) Muestreo por conglomerados:Si no disponemos de la relacion de los elementos de la pobla-
cion, o de los posibles estratos, no podemos aplicar los muestreos anteriores.
Aqu entra el llamado muestreo por conglomerados, donde en lugar de elegir individuos
directamente, se eligen unidades mas amplias donde se clasican los elementos de la pobla-
cion, llamados conglomerados. En cada etapa del muestreo en lugar de seleccionar elementos
al azar seleccionamos conglomerados.
Los conglomerados deben ser tan heterogeneos como la poblacion a estudiar, para que la
represente bien. Luego se elegiran algunos de los conglomerados al azar, y dentro de estos,
analizar todos sus elementos o tomar una muestra aleatoria simple.
No debemos confundir estrato y conglomerado. Un estrato es homogeneo (sus elementos
tienen las mismas caractersticas), mientras que un conglomeardo es heterogeneo (debe
representar bien a la poblacion).
Veamos la diferencia de estos muestreos mediante un ejemplo:
Imaginemos que hemos de recoger una muestra de 20 alumnos de entre los de un instituto de 600.
-Muestreo aleatorio simple: Elegiramos un alumno al azar (probabilidad de elegirlo
1
600
. Lo de-
volvemos a la poblacion y se elige otro (probabilidad de elegirlo
1
600
), y as hasta 20. Notemos que
si no devolviesemos al alumno, entonces, la probabilidad de escoger al 2
o
alumno sera
1
599
, y ya no
todos tendran la misma probabilidad de ser elegidos. El problema es que entonces permitimos que se
puedan repetir individuos.
-Muestreo sistematico: Como hemos de elegir 20 alumnos de 600, es decir, 1 de cada 30, se procede
as: Se ordenan los alumnos y se numeran, se elige uno al azar, por ejemplo el alumno 27, y luego los
demas se eligen a partir de este a intervalos de 30 alumnos. Escogeramos por tanto a los alumnos:
27,57,87,117,147,177,207,237,267,297,327,357,387,417,447,477,507,537,567,597
Tlf. 955 22 42 50
CAP
ISTICA
y el alumno 627 ya es otra vez el 27.
-Muestreo estraticado: Si queremos que la muestra sea representativa, lo mejor sera conocer
cuantos alumnos de cada curso hay, es decir, si hay 200 alumnos de 3
o
ESO, 150 de 4
o
ESO, 150 de
1
o
Bachillerato y 100 de 2
o
Bachillerato, procederamos:
Como de 600 en total hemos de elegir a 20, de 200 de 3
o
de ESO hemos de elegir x:
20
600
=
x
200
x =
4000
600
= 6
6 7 alumnos de 3
o
(Utilizando la regla de tres)
De igual manera podemos calcular los alumnos correspondientes a los demas cursos:
20
600
=
y
150
y =
3000
600
= 5 alumnos de 4
o
20
600
=
z
150
z =
3000
600
= 5 alumnos de 1
o
20
600
=
t
100
t =
2000
600
= 3
3 alumnos de 2
o
De modo que en nuestra muestra de 20, 7 alumnos son de 3
o
, 5 de 4
o
, 5 de 1
o
y 3 de 2
o
. Para la
eleccion de cada alumno dentro de cada curso, utilizamos el muestreo aleatorio simple.
-Muestreo por conglomerados: Para ver este muestreo, hemos de cambiar el ejemplo.
Supongamos que queremos extraer una muestra aleatoria de los estudiantes universitarios del pas.
Necesitariamos una lista con todos ellos para poder realizar alg un muestreo del tipo de los 3 anteriores,
lo cual es muy difcil de conseguir. Sin embargo, los estudiantes estan clasicados por Universidades,
Facultades y Clases.
Podemos seleccionar en una primera etapa algunas Universidades, despues algunas facultades al
azar, dentro de las facultades algunas clases y dentro de las clases, algunos estudiantes por muestreo
aleatorio simple. Los conglomerados en cada etapa seran las diferentes Universidades, las diferentes
facultades y los diferentes clases.
Como vemos los conglomerados son unidades amplias y heterogeneas.
Ejercicio:
En una poblacion de 1500 jovenes,7500 adultos y 1000 ancianos, se hace una encuesta a 200 personas
para conocer sus actividades de ocio preferidas. Si se utiliza un muestreo estraticado, que tama no
muestral corresponde a cada estrato?.
7.3. Estimaci on por puntos
Como el objetivo principal de la estadstica inferencial es el estudio de la poblacion y realizar
predicciones a cerca de ella pero a partir de una muestra de ella , no de la poblacion entera, en
principio, tendremos que estimar los ndices de la poblacion a partir de los ndices correspondientes
para la muestra.
En una primera aproximacion, parece logico pensar que si queremos determinar la media de una
cierta poblacion, si hemos cogido una muestra representativa de dicha poblacion, la media de la muestra
(que es facilmente calculable porque tenemos los datos) sera muy parecida a la de la poblacion y por
tanto sirva para estimarla.
Distinguiremos, por tanto, entre:
Tlf. 955 22 42 50
CAP
ISTICA
1. Parametros poblacionales: Que son los ndices centrales y de dispersion que denen a una po-
blacion.
Representaremos la media poblacional y la desviacion tpica poblacional .
En el caso de proporciones, la proporcion de poblacion que tiene una determinada caracterstica
la denotaremos por p y la proporcion que no la cumple por q = 1 p. (Como en la Distribucion
binomial)
2. Estadsticos poblacionales: Son los ndices centrales y de dis persion que denen a una muestra.
Representaremos la media muestral por x y la desviacion tpica muestral por s.
En el caso de proporciones, la proporcion de muestra que tiene una determinada caracterstica
la denotaremos por p y la proporcion que no la cumple por q = 1 p.
Cual es el problema de la estimacion entonces?. Como vamos a disponer de una muestra, lo que
podemos calcular es x y s (o bien p y q), y a partir de estos intentar estimar quienes tienen que ser
y (o bien p y q), los reales para la poblacion.
En la estimacion por puntos, el conocimiento de un estadstico muestral nos permitira decidir cual
es el correspondiente parametro de la pobla cion. Para ello hemos de conocer cual es la relacion entre
un estadstico y el corresp ondiente parametro.
7.4. Distribuci on muestral de medias
Si tenemos una poblacion de parametros desconocidos y , y tomamos una muestra, podemos
calcular la media muestral,x
1
, que tendra cierta relacion con .
Podramos tomar otra muestra, de igual tama no, y calcular de nuevo su media muestral x
2
, que
tambien estara relacionada con .
As sucesivamente, considerando varias muestras y haciendo las medias muestrales respectivas,
tenemos una serie de medias, relacionadas de alguna manera con como?. De la siguiente forma:
Propiedad: Si la poblacion sigue una distribucion normal N(, ), donde y son desconocidos, si
elegimos todas las muestras de cierto tama no (n) , de forma que sean representativas, entonces:
a) La media de las medias muestrales de todas las muestras posibles, es igual a la media poblacional,
es decir:
x =
x
1
+x
2
+. . . +x
k
k
=
b) La desviacion tpica de las medias muestrales posibles es:
s
x
=

n
donde es la desviacion tpica poblacional y n es el tama no de las muestras.
Conclusion: Las medias de las muestras de tama no n extradas de una poblacion de parametros y
, siguen una distribucion:
X N
_
,

n
_
siempre que dichas muestras tengan un tama no n 30.
Notas importantes:
Tlf. 955 22 42 50
CAP
ISTICA
a) Este resultado es consecuencia del Teorema Central del lmite.
b) Si la poblacion es normal, el resultado se cumple para muestras de CUALQUIER tama no
(incluso menor que 30).
c) Si es desconocida, el mismo resultado sigue siendo cierto sustituyendo en la formula por s.
Ejemplo: La altura de los estudiantes de una poblacion se distribuye seg un una normal de media 167
y desviacion tpica 32.
a) Calcula la probabilidad de que un estudiante mida menos de 165 cm.
b) Se toma una muestra de 10 estudiantes. Calcula la probabilidad de que la media muestral sea
menor que 165 cm.
En el apartado a) , manejamos la variable
X N(165; 3
2)
siendo X= altura de un estudiante.
La probabilidad pedida sera:
p(X < 165) = p
_
X 167
3
2
<
165 167
3
2
_
= p(Z < 0
63) = 0
2676
En el apartado b), la variable que manejamos ya no es X, sino que tenemos una muestra de 10
estudiantes. Como la poblacion inicial es normal, podemos aplicar el resultado anterior aunque la
muestra sea de tama no menor que 30. As, la variable a estudiar es
X=media de las alturas de 10 estudiantes, que seg un lo dicho, sigue una distribucion
X N
_
165;
3
10
_
= N(165; 1
012)
Nos piden:
p(X < 165) = p
_
X 167
1
012
<
165 167
1
012
_
= p(Z < 1
97) = 0
0244
Ejemplo: Los pesos de los tornillos que fabrica cierta maquina se distribuyen seg un una N(142
32; 8
5)
(medidas en gr.). Se toman muestras de 25 tornillos. Calcular:
a) Distribucion que siguen las medias de esas muestras.
b) Probabilidad de que una muestra elegida al azar de 25 tornillos tenga un peso medio superior
a 1446 gr.
c) La misma pregunta si la muestra es de 100 tornillos.
a) Como las muestras son de tama no n=25 y la poblacion es normal N(142
32; 8
5), las medias mues-

trales siguen una distribucion:
X N
_
142
32;
8
25
_
= N(142
32; 1
7)
b) Nos piden:
p(X 144
6) = p
_
Z
144
6 144
32
1
7
_
= p(Z 1
34) = 1 p(Z 1
34) = 0
0901
Tlf. 955 22 42 50
CAP
ISTICA
c) Si las muestras son de tama no n=100, las medias muestrales siguen una distribucion:
X N
_
142
32;
8
100
_
= N(142
32; 0
85)
y por tanto:
p(X 144
6) = p
_
Z
144
6 144
32
0
85
_
= p(Z 2
68) = 1 p(Z 2
68) = 0
0037
Ejercicio: Una maquina ha fabricado piezas de precision con un peso medio de 150 gr. y una desviacion
tpica de 20 gr. Calcular la probabilidad de que una muestra de 80 piezas tenga un peso medio de mas
de 155 gr. (Solucion: 00129)
7.5. Distribuci on muestral de proporciones
Nos planteamos ahora determinar que proporcion de una poblacion posee un cierto atributo, por
ejemplo si es fumador o no fumador, si tiene ordenador o no, si tiene alergia o no,etc... El estudio de este
tipo de proporciones es equiparable al de una distribucion binomial (donde solo hay dos posibilidades).
Si la proporcion exito es p y la de fracaso q, y se toma una muestra de la poblacion de tama no n, al
igual que en el caso anterior, para cada muestra tendremos una proporcion muestral que denotaremos
por p y una desviacion tpica muestral que denotaremos por s
p
.
Entonces,utilizando razonamientos similares a los del apartado anterior, se verica que p = p, y
s
p
=
_
p q
n
por tanto:
Conclusion: Las proporciones muestrales de tama no n 30, extradas de una poblacion en la que la
probabilidad de exito es p, se ajustan a una normal
N
_
p;
_
p q
n
_
Ejemplo: Una fabrica de pasteles fabrica, en su produccion habitual, un 3 % de pasteles defectuosos.
Un cliente recibe un pedido de 500 pasteles de la fabrica.
a) Probabilidad de que encuentre mas del 4 % de pasteles defectuosos.
b) Probabilidad de que encuentre menos de un 1 % de pasteles defectuosos.
a) En este caso exito= pastel defectuoso, y la proporcion poblacional de exito es de p =
3
100
tanto,
q =
97
100
. La muestra que recibe el cliente es de tama no n=500.
Por tanto, las proporciones muestrales siguen una distribucion:
p N
_
_
3
100
;
3
100

97
100
500
_
_
= N(0
03; 0
076)
puesto que las muestras tienen tama no mayor que 30.
La probabilidad pedida es que la proporcion de pasteles defectuosos en la muestra sea mayor del
4 %, es decir:
p( p 0
04) = p
_
Z
0
04 0
03
0
0076
_
= p(Z 1
32) = 0
0934
Tlf. 955 22 42 50
CAP
ISTICA
b) En este caso es
p( p 0
01) = p
_
Z
0
01 0
03
0
0076
_
= p(Z 2
63) = 0
0043
Ejercicios:
1. De una poblacion de 120 alumnos , hay 48 que tienen 2 o mas hermanos. Si de dicha poblacion
se toman muestras de tama no 40.
a) Que distribucion siguen las proporciones muestrales?.
b) Cual es la probabilidad de que se encuentre en dicha muestra una proporcion de mas del
55 % de alumnos con 2 o mas hermanos?.
2. Las notas de cierto examen se distribuyen seg un una normal de media =53 y desviacion tpica
=24. Hallar la probabilidad de que un estudiante tomado al azar tenga una nota:
a) Superior a 65
b) Inferior a 52
c) Comprendida entre 5 y 65
Halla las mismas probabilidades para de la media de las notas de 16 estudiantes elegidos al azar.
3. En un saco mezclamos judas blancas y pintas en la relacion de 14 blancas por cada pinta.
Extraemos un pu nado de 100 judas. Calcula la probabilidad de que la proporcion de judas
pintas este comprendida entre 005 y 01.
4. El cociente intelectual, CI, de unos universitarios se distribuye normalmente con media 100 y
desviacion tpica 11.
a) Se elige al azar una persona. Hallar la probabilidad de que su CI este entre 100 y 103.
b) Se elige al azar una muestra de 25 personas. Encontrar la probabilidad de que la media de
sus cocientes intelectuales este entre 100 y 103.
7.6. Intervalos de probabilidad
En una variable normal cualquiera N(, ), se verica que:
1. En el intervalo ( , +) esta el 6826 % de la poblacion.
2. En el intervalo ( 2 , + 2 ) esta el 9544 % de la poblacion.
3. En el intervalo ( 3 , + 3 ) esta el 9974 % de la poblacion.
Figura 7.1: Porcentajes de poblacion en los diferentes intervalos simetricos de una normal N(, ).
Es evidente que a medida que el intervalo se ampla, hay mayor porcentaje de la poblacion en el.
Tlf. 955 22 42 50
CAP
ISTICA
En general, dado un porcentaje del N%, siempre es posible encontrar un intervalo simetrico res-
pecto de la media de forma que dicho intervalo contenga a dicho porcentaje de poblacion.
Mas explicitamente, se denomina intervalo de probabilidad a aquel intervalo para el cual se sabe que
hay una seguridad del N% de que los parametros muestrales (x o p) se encuentren en dicho intervalo.
La seguridad N viene jada previamente.
Si queremos que el N% de la poblacion este en el intervalo, denominaremos nivel de conanza al
n umero:
1 =
N
100
y unido a este, se encuentra el llamado nivel de signicacion, que viene dado por . Este nivel en
general vendra explicitado en las condiciones del problema, si bien los valores mas comunes suelen ser
del 90 %,95 % y 99 %.
Ejemplo: Si queremos que el 88 % de la poblacion este en el intervalo, el nivel de conanza sera 1 =
88
100
= 0
88, mientras que el nivel de signicacion sera = 1 0
88 = 0
12.
Tlf. 955 22 42 50
CAP
ISTICA
7.6.1. Intervalo de probabilidad para la media muestral x
Si la poblacion sigue una distribucion de parametros y , y las muestras son de tama no n 30
(o bien la poblacion ya es normal y las muestras son de cualquier tama no), sabemos que la media
muestral x sigue una distribucion:
X N
_
;

n
_
Se trata de encontrar el valor de k como en la gura:
Figura 7.2: Buscamos el valor de k que deje en el intervalo ( k, + k) al (1 ) 100 % de la
poblacion.
Razonemos ahora sobre la normal Z N(0;1) que es la que se encuentra tabulada Si queremos
que el intervalo buscado contenga a la media muestral con una conanza de 1 , entonces fuera del
intervalo el area tiene que ser de , y como la curva es simetrica, en cada una de las ramas fuera de
la region rayada, tenemos un area de

2
. Llamaremos z
2
al punto situado en el eje x que separa la
region rayada de la otra.
Figura 7.3: Buscamos el valor de z
2
que deje en el intervalo (z
2
, z
2
) al (1 ) de la poblacion en
la N(0;1)
Es evidente que se cumple:
p
_
Z z
2
_
=

2
o dicho de otro modo:
p
_
Z z
2
_
= 1

2
probabilidad que se busca dentro de la tabla como hemos visto anteriormente en el tema de la normal.
Ahora bien, este valor solo sirve para la normal estandar N(0;1). Nosotros manejamos la normal
N
_
;

n
_
y para pasar a la normal estandar deberemos tipicar:
k
n
= z
2
Tlf. 955 22 42 50
CAP
ISTICA
de donde despejando, encontramos k, el valor buscado:
k = +

n
z
2
As, dado el nivel de signicacion o el de conanza 1 , podemos determinar el intervalo de
probabilidad para la media muestral, que sera:
_
z
n
, +z
n
_
Ejemplo Determinar, en la distribucion N(0;1), el valor que concentra el 75 % de la poblacion en un
intervalo simetrico respecto a la media
Ahora 1 = 0
75, es decir = 0
25 y por tanto

2
= 0
125, es decir, buscamos el valor z

0
125
, de
modo que, como en la gura, dejemos el 75 % de la poblacion en el centro.
Figura 7.4: Buscamos el valor de z
0
125
que deje en el intervalo (z
0
125
, z
0
125
) al 075 de la poblacion
en la N(0;1)
Se cumple que p(Z z
0
125
) = 0
125, es decir p(Z z

0
125
) = 0
875,y si buscamos en la tabla,

resulta que el valor es:
z
0
125
= 1
15
Ejercicio: Encuentra el valor correspondiente que concentre el 88 % de la poblacion.
Ejemplo:Calcular el intervalo de probabilidad con un nivel de conanza del 95 % para la media de
una muestra de 100 recien nacidos, sabiendo que la poblacion de recien nacidos sigue una normal de
media =3100 gr. y desviacion tipica =150 gr.
Como el nivel de conanza es 095, entonces 1 = 0
95 y por tanto = 0
05 y en cada rama
fuera de la region queda

2
= 0
025.
Buscamos entonces z
0
025
, que es el valor que deja a su derecha un area de 0025, es decir:
p(Z z
0
025
) = 0
025 =p(Z z
0
025
) = 0
975
Buscando este valor dentro de la tabla se obtiene que el valor de z
0
025
= 1
96, y por tanto el intervalo

para la media muestral es:
_
3100 1
96
150
100
, 3100 + 1
96
150
100
_
= (3100 1
96 15, 3100 + 1
96 15) = (3070
6, 3129
4)
Esto signica que el 95 % de las muestras de tama no 100 tendra su media comprendida entre estos 2
valores: (30706,31294)
Ejercicio: Calcular el mismo intervalo con una conanza del 99 %.
Tlf. 955 22 42 50
CAP
ISTICA
Ejercicio: Las notas de una poblacion de 150 alumnos siguen una distribucion de media 55 y
varianza 41616. Extaremos muestras de tama no 36. Calcula el intervalo de probabilidad para un nivel
de conanza del: a)75 % b) 8664 %, e interpreta los resultados.
(NOTA: Recordemos que la varianza y la desviacion tpica de una distribucion estan relacionadas
porque la varianza es el cuadrado de la desviacion tpica y se representa por
2
).
7.6.2. Intervalo de probabilidad para la proporcion muestral p
Razonando de igual manera se puede llegar a que para el nivel de signicacion el intervalo para
la proporcion muestral p es
_
p z
_
p q
n
, p +z
_
p q
n
_
donde p y q son las proporciones poblacionales y n 30.
Ejercicio: Sabiendo que la proporcion de alumnos con vdeo de una poblacion de 120 alumnos es de
p=07, halla el intervalo de probabilidad para la proporcion de:
a) las muestras de tama no 30 con una conanza del 75 %.
b) las muestras de tama no 49 con una conanza del 90 %.
c) las muestras de tama no 49 con una conanza del 99 %.
7.7. Estimaci on por intervalos
La estimacion anterior, la puntual, se utiliza poco, pues no tenemos datos sucientes que nos
indiquen el grado de abilidad del dato muestral que hemos tomado. Lo que tiene mas sentido plan-
tearse es cual es la probabilidad de que la media o proporcion poblacional pertenezcan a un intervalo
determinado.
7.7.1. Estimacion de la media de una poblaci on
La media de una poblacion es desconocida y deseamos conocerla. Para ello, basandonos en los
intervalos de probabilidad, sabemos que si la poblacion tiene parametros y , la media muestral x
sigue una distribucion:
X N
_
;

n
_
, siendo n el tama no de la muestra, y sabemos que el intervalo de probabilidad a nivel de conanza
1 para x es:
_
z
n
, +z
n
_
es decir, que:
z
n
x +z
n
De la primera desigualdad se sigue que:
z
n
x = x +z
n
Y de la segunda:
x +z
n
= x z
n
Tlf. 955 22 42 50
CAP
ISTICA
Luego se deduce que:
x z
n
x +z
n
Es decir, que el intervalo de conanza con nivel de conanza 1 para la media poblacional
desconocida es:
_
x z
n
, x +z
n
_
NOTA:
a) Hay que a nadir que para aplicar este resultado, o bien las muestras tienen tama no n 30, o
bien la poblacion sigue una distribucion normal.
b) Si la desviacion tpica de la poblacion , es desconocida, se utilizara, la desviacion tpica muestral
s en su lugar,y el intervalo sera:
_
x z
n
, x +z
n
_
Al valor

n
se le denomina error tpico o estandar.
Ejemplo: Para estimar la media de los resultados que obtendran al resolver un cierto test los alumnos
de 4
o
de E.S.O. de la Comunidad de Castilla-Leon, se les pasa el test a 400 alumnos escogidos al azar,
con los resultados de la tabla:
Puntuacion N umero de alumnos
1 24
2 80
3 132
4 101
5 63
A partir de ellos, estima con un nivel de conanza del 95 % el valor de la media poblacional.
Aprovechando repasaremos el calculo de algunos parametros estadsticos.
Como solo disponemos de la muestra, no conocemos la media ni la desviacion tpica poblacional,
hemos de calcular la media y la desviacion tpica muestral.
Para ello, calculamos la tabla siguiente:
X Frec.absoluta f
i
X f
i
X
2
X
2
f
i
1 24 24 1 24
2 80 160 4 320
3 132 396 9 1188
4 101 404 16 1616
5 63 315 25 1575
Total 400 1299 4723
Resulta:
x =
1299
400
= 3
25
Varianza=s
2
=
4723
400
(3
25)
2
= 11
81 10
56 = 1
25
s =
s
2
=
25 = 1
12
Tlf. 955 22 42 50
CAP
ISTICA
Ya tenemos los parametros muestrales. Hemos de determinar el intervalo de conanza para . Como
1 = 095, resulta que = 0
05 y queda

2
= 0
025.
Se obtiene que el valor es z
0
025
= 1
96, por tanto el intervalo de conanza para , al 95 % es:

_
3
25 1
96
1
12
400
, 3
25 + 1
96
1
12
400
_
= (3
25 0
11, 3
25 + 0
11) = (3
14, 3
36)
Por tanto tenemos una conanza del 95 % de que la nota media de la poblacion este comprendida
entre 314 y 336.
Ejercicio: De una variable estadstica conocemos la desviacion tpica, 8, pero desconocemos la media.
Para estimarla, extraemos una muestra de tama no 60 cuya media es 37. Estimar la media poblacional
con una conanza del 99 %.
Error maximo admisible:
Hemos visto que el intervalo de conanza para la media poblacional es:
_
x z
n
, x +z
n
_
Se cumple entonces que la diferencia, en valor absoluto, entre las medias poblacional y muestral es:
| x| < z
n
Al valor
E = z
n
se le llama error maximo admisible. Dicho error tiene las siguientes propiedades:
a) El error es manor cuanto mayor sea el tama no de la muestra (n), porque dividimos por un
n umero cada vez mayor.
b) El error es mayor al aumentar el nivel de conanza, puesto que el valor z
2
aumenta, como se
observa en la tabla:
Conanza=1 z
2
09 1645
095 196
099 2575
Para reducir el error, por tanto, no hay que aumentarla conanza, sino el tama no de la muestra elegida.
Si conocemos el error y el nivel de conanza, podemos calcular el tama no de la muestra , usando
la formula del error.
Ejercicio: Al medir un tiempo de reaccion, un psicologo sabe que la desviacion tpica del mismo es
05 segundos. Cual es el n umero de medidas que debera realizar para que con una conanza del 99 %,
el error de estimacion no exceda de 01 segundos?.
7.7.2. Estimacion de una proporci on
Si para cierta poblacion se desconoce la proporcion p de individuos que poseen cierta caracterstica,
y deseamos dar un intervalo de conanza para el valor de p, como el intervalo de probabilidad para la
proporcion muestral, p ,para el nivel de conanza 1 en una muestra de tama no n es:
_
p z
_
p q
n
, p +z
_
p q
n
_
Tlf. 955 22 42 50
CAP
ISTICA
Razonando igual que en el caso anterior, concluimos que:
El intervalo de conanza para p a un nivel de conanza de 1 es:
_
p z
_
p q
n
, p +z
_
p q
n
_
Aunque como habitualmente no se conoce p en realidad se usa:
_
p z
_
p q
n
, p +z
_
p q
n
_
NOTA: a) Es necesario que n 30 para poder aplicar esta formula.
b) Habitualmente en las encuestas, se suele utilizar, en lugar de la ultima formula, el valor de
p=q=05, que es la situacion mas desfavorable.
Ejercicio: Determina el intervalo de conanza, con una signicacion del 005 para la proporcion
poblacional de fumadores entre los jovenes menores de 21 a nos, a partir de una muestra de tama no
900, cuando no se conocen valores de p anteriores. Considera los dos casos anteriores (usando p y
p=q=05). La proporcion de fumadores en la encuesta ha sido de p = 0
3.
El error maximo admisible en este caso es:
E = z
_
p q
n
o en caso de no conocer p:
E = z
_
p q
n
Ejercicio: Para 96 familias espa nolas elegidas al azar se ha determinado que la TV permanece en-
cendida en la casa una media de 217 minutos diarios, la desviacion tpica de la muestra fue de 40
minutos.
a) Para una abilidad del 95 % que error se asume cuando se da por bueno ese dato para el total
de las familias espa nolas?.
b) Que tama no muestral sera necesario para reducir ese error a la mitad?.
NOTA: Diferencia entre intervalos de probabilidad y de conanza
En un intervalo de probabilidad lo que conocemos es la media y desviacion tpica poblacionales,
y damos el intervalo donde se encontrara (para un cierto nivel de conanza) la media muestral o la
proporcion muestral.
Sin embargo, en un intervalo de conanza entramos ya en el terreno de la estimacion, es decir
NO conocemos la media poblacional (y en ocasiones tampoco la desviacion tpica poblacional) ni la
proporcion poblacional , sino que solo conocemos, o podemos calcular, la media muestral o la proporcion
muestral, y de lo que se trata es de dar un intervalo en el que se encuentre la media poblacional (o la
proporcion poblacional).
Tlf. 955 22 42 50
CAP
ISTICA
7.8. EJERCICIOS
1. Explica si en los casos siguientes manejamos una poblacion o una muestra:
a) Un campesino tiene 87 gallinas. Para determinar si un nuevo pienso es ecaz, las pesa a todas
antes y despues de los 55 das durante los cuales las alimenta con el.
b) Un granjero prueba con 100 de sus gallinas si un nuevo tipo de alimentacion mejora el
rendimiento.
2. Un fabricante de cuerdas quiere estudiar su resistencia a la rotura. Para ello, las tensa hasta que
se rompen y anota el grado de estiramiento que alcanzan sin romperse.
Puede realizar dicho estiramiento sobre la poblacion o es imprescindible tomar una muestra?.
Razona tu respuesta.
3. De un colectivo de 500 personas, elige una muestra de 20 mediante:
a) Un muestreo aleatorio sistematico.
b) Un muestreo aleatorio simple.
Utiliza la tecla RAN# de la calculadora.
4. Se ha tomado una muestra de los precios de un mismo producto alimenticio en 16 comercios,
elegidos al azar en un barrio de una ciudad, y se han encontrado los siguientes precios (en euros):
095,108,097,112,099,106,105,1,099,098,104,110,107,111,103,11
Suponiendo que los precios de este producto se distribuyen seg un una ley normal de varianza 25
y media desconocida:
a)Cual es la distribucion de la media muestral?
b)Determine el intervalo de conanza,al 95 % para la media poblacional.
5. La variable altura de las alumnas que estudian en una escuela de idiomas sigue una distribucion
normal de media 162 m y desviaci on tpica 012 m. Cual es la probabilidad de que la altura
media de una muestra aleatoria de 100 alumnas sea mayor que 160 m?.
6. Se sabe que 25 de cada 1000 objetos elaborados por una empresa son defectuosos. De que tama no
conviene tomar una muestra para que la proporcion estimada de defectuosos no diera de la
verdadera en mas de un 5 % con un nivel de conanza de un: a)95 % b)99 % c)999 %.
7. Una biblioteca p ublica esta organizada en 5 secciones:
Seccion 1 Seccion 2 Seccion 3 Seccion 4 Seccion 5
500 860 1200 700 740
Con objeto de estimar el porcentaje de libros de edicion espa nola se quiere seleccionar una
muestra de un 5 % del n umero total de libros, a traves de un muestreo aleatorio estraticado,
considerando como estratos las secciones.
Determine el n umero de libros que habra que seleccionar en cada estrato si:
a) Cogemos el mismo n umero de libros de cada estrato
b) Cogemos un n umero de libros proporcional a cada estrato.
Tlf. 955 22 42 50
CAP
ISTICA
8. En una determinada poblacion se toma una muestra al azar de 256 personas. De esta muestra, el
20 % de las personas lleva gafas graduadas y el 80 % restante no. Calcula el intervalo de conanza
aproximado para la proporcion poblacional de las personas que llevan gafas graduadas para un
nivel de conanza del 95 %.
9. Se supone que la estatura de los chicos de 18 a nos de cierta poblacion sigue una distribucion
normal de media 162 cm y desviacion tpica 12 cm. Se toma una muestra al azar de 100 de
estos chicos encuestados y se calcula la altura media. Cual es la probabilidad de que esta altura
media este entre 159 y 165 cm?.
10. Una encuesta realizada sobre 40 aviones comerciales desvela que la antig uedad media de estos
es de 1341 a nos con una desviacion tpica muestral de 828 a nos. Se pide:
a)Entre que valores , con un 90 % de conanza, se encuentra la antig uedad media de la ota
comercial?.
b)Si se quisiera obtener un nivel de conanza del 95 % cometiendo el mismo error de estimacion
que en el apartado anterior, y suponiendo tambien s=828 a nos, cuantos elementos deberan
componer la muestra?.
11. Se desea hacer un estudio de mercado para conocer el precio medio de los libros cientcos. Para
ello, se elige una muestra aleatoria formada por 34 libros y se determina que la media muestral
es de 349 euros con una desviacion tpica de 45 euros. Halla el intervalo de conanza para el
precio medio de los libros cientcos al nivel del 99 %.
12. La desviacion tpica de la altura de los habitantes de un pas es de 10 cm. Calcular el tama no
mnimo que ha de tener una muestra de habitantes de dicho pas para que el error cometido al
estimar la altura media sea inferior a 1 cm con un nivel de conanza del 99 %.
Y si el nivel de conanza es del 95 %?.
13. Se sabe que el cociente intelectual de los alumnos de una universidad se distribuye seg un una
ley normal de media 100 y varianza 729.
a) Halla la probabilidad de que una muestra de 81 alumnos tenga un cociente intelectual medio
inferior a 109.
b) Halla la probabilidad de que una muestra de 36 alumnos tenga un cociente intelectual medio
superior a 109.
14. Una muestra aleatoria de 100 alumnos que se presentan a las pruebas de Selectividad revela que
la media de edad es de 181 a nos. Halla un intervalo de conanza para la edad media de todos
los estudiantes que se presentan a las pruebas con un nivel de conanza del 90 %, si la desviacion
tpica de la poblacion es de 04.
15. Una gran empresa debe reponer las batas de sus 1000 operarios. Se sabe que la talla media es
de 170 cm, con una desviacion tpica de 3 cm. Las batas se confeccionan en 3 tallas validas para
estaturas entre 155 y 165 cm,165 y 175 cm y 175 y 185 cm. Cuantas batas de cada talla se han
de adquirir?.
16. Un fabricante de bombillas sabe que la desviacion tpica de la duracion de las bombillas es 100.
Calcula el tama no de la muestra que se ha de someter a prueba para tener una conanza del
95 % de que el error de la duracion media que se calcule sea menor que 10 h.
Tlf. 955 22 42 50
CAP
ISTICA
17. De que tama no conviene tomar una muestra de una linea de produccion para tener una conanza
del 95 % de que la proporcion estimada no diere de la verdadera en mas de un 5 %?.Se sabe
por estudios previos que la proporci on de objetos defectuosos es del orden de 005.
18. La duracion media de unas bombillas sigue una distribucion normal de media desconocida y
desviacion tpica de 50 horas. Para estimar la duracion media se extrae una muestra de tama no
n. Calcular el valor de n para que , con un nivel de conanza del 95 % se haya conseguido un
error en la estimacion inferior a 5 horas.
19. Si la estatura de las alumnas de 2
o
de Bachillerato se ajusta a la normal N(165;8) en cm, para
las muestras de tama no 64, calcula:
a) El porcentaje de ellas que dara una media entre 163 y 167
b) El intervalo de probabilidad con nivel de conanza del 80 %.
20. Se selecciona al azar a doscientos votantes, de los que 112 se mostraron favorables al candidato
A. Calcula el intervalo de conanza para la proporcion de voto de dicho candidato al 99 % de
conanza.
21. Se mide la longitud de 300 tornillos fabricados por una maquina de precision, resultando una
media de 125 cm. con desviacion tpica 015 cm. Calcula los intervalos de conanza al 95 % y
97 % para la media poblacional.
22. Una empresa de neumaticos estudia la duracion de los mismos realizando pruebas sobre 144 de
ellos. Se encontro una duracion media de 25000 km. con desviacion tpica 3000 km.
a) Calcula el intervalo de conanza para la media poblacional al 95 %.
b) Calcula el mismo intervalo si la prueba se realiza sobre 700 neumaticos y obtenemos los
mismos resultados.
Tlf. 955 22 42 50
Captulo 8
TEST DE HIP
OTESIS
8.1. Introducci on
En este tema trataremos el importante aspecto de la toma de decisiones, referida a decidir si un
valor obtenido a partir de la muestra es probable que pertenezca a la poblacion.
En general, la media (o proporcion) en una muestra suele ser distinta a la media de la poblacion,
de la cual se extrae la muestra. Lo normal suele ser que tal diferencia entre la media muestral y
poblacional sea peque na y debida al azar, pero podra suceder que dicha diferencia no este justicada
por el azar y se deba a un cambio en la poblacion, y debamos modicar los datos que conocemos
previamente.
Ejemplos:
a) Hace algunos a nos, la media de estatura de los espa noles adultos varones era de 170 cm y su
desviacion tpica 9 cm. Pasado el tiempo, un muestreo realizado a 36 adultos da una medida de 172
cm. Puede armarse que esa diferencia de 2 cm es debida al azar o realmente la estatura media ha
aumentado?.
b) Supongamos que, respecto a una determinada ley, el 52 % de los ciudadanos esta en contra.
Pasado el tiempo, una encuesta realizada a 400 personas indica que los ciudadanos en contra han
descendido hasta el 49 %.Ha cambiado realmente la opinion p ublica o tal resultado es debido al
azar?.
c) El porcentaje de aprobados en las PAU en un determinado distritouniversitario ha sido del 82 %.
En una ciudad de ese distrito, el porcentaje de aprobados fue del 86 %. Puede armarse con un nivel
de conanza del 90 % que los resultados en esa ciudad son superiores a la media?.
Los metodos de decision estadstica estan ligados a los de estimacion de parametros mediante los
intervalos de conanza, aunque tambien apareceran otros nuevos conceptos.
8.2. Hipotesis estadsticas
Trataremos de utilizar los datos obtenidos en una muestra para tomar decisiones sobre la poblacion.
Para ello, debemos realizar ciertos supuestos o conjeturas sobre las poblaciones. Estos supuestos, que
pueden ser o no ciertos,se llaman hipotesis estadsticas.
Podemos, entonces, denir el test de hipotesis o contraste de hipotesis como el procedimiento
estadstico mediante el cual se investiga la verdad o falsedad de una hipotesis acerca de una poblacion
o poblaciones.
Dichas hipotesis se formularan sobre la media poblacional o la proporcion poblacional p.
Llamaremos hipotesis nula, y se representa por H
0
, a la hipotesis que se formula y por tanto se quiere
Tlf. 955 22 42 50
CAP
ITULO 8. TEST DE HIP
OTESIS
contrastar o rechazar, e hipotesis alternativa, y se representa por H
1
, a cualquier otra hipotesis que
sea diferente de la formulada, y que sea contraria a H
0
, de forma que la aceptacion de la hipotesis nula
H
0
implica el rechazo de la alternativa H
1
y viceversa, el rechazo de H
0
implica la aceptacion de H
1
.
En un problema de contraste de hipotesis, pues, siempre tiene que formularse una hipotesis nula H
0
,
y ha de ir acompa nada de una alternativa, H
0
que es la que aspira a desplazar a la nula.
Ejemplo: Un investigador arma que la temperatura del cuerpo humano en un adulto sano se distri-
buye seg un una normal de media = 37
o
C y desviacion tpica = 0
9
o
C. Formular la hipotesis
nula y la hipotesis alternativa
A la vista de los datos, el investigador arma que la temperatura media del cuerpo humano es 37
o
,
es decir la hipotesis o conjetura que formula es:
H
0
= 37 (hipotesis nula)
Como hipotesis alternativa, hemos de tomar aquella contraria a esta, que la media sea distinta de 37
o
C, es decir:
H
1
= 37 (hipotesis alternativa)
Si la hipotesis nula fuese del tipo k la hipotesis alternativas sera: < k.
8.3. Errores
Hay ocasiones en que la hipotesis nula, H
0
, es cierta, pero a la vista de la muestra tengamos que
rechazarla. En tal caso, estamos cometiendo un error.
El error que consiste en rechazar la hipotesis nula cuando esta es verdadera, se denomina error de
tipo I.
Otro tipo de error puede ocurrir cuando, siendo H
0
falsa, las evidencias de la muestra, sin embargo,
nos lleven a aceptarla.
Este error, cometido al aceptar cuando esta es falsa, se denomina error de tipo II. Resumiendo:
Situacion
H
0
verdadera H
1
verdadera (H
0
falsa)
Mantener H
0
Decision correcta Decision incorrecta:
Probabilidad=1 ERROR DE TIPO II
Decision Probabilidad=
Rechazar H
0
Decision incorrecta: Decision correcta
ERROR DE TIPO I Probabilidad=1
Probabilidad=
donde es el nivel de signicacion y 1 es el nivel de conanza.
Con esta notacion y utilizando probabilidades condicionadas:
= p (Rechazar H
0
/H
0
es cierta) = p(Error de tipo I)
y
= p (Aceptar H
0
/H
0
es cierta)
Por otra parte:
= p (Aceptar H
0
/H
0
es falsa) = p(Error de tipo II)
Tlf. 955 22 42 50
CAP
OTESIS
y
1 = p (Rechazar H
0
/H
0
es falsa)
A la probabilidad 1 se le denomina potencia del contraste.
8.4. Region crtica y region de aceptaci on
Sabemos ya formular la hipotesis nula y la hipotesis alternativa. Lo que necesitamos ahora es
un criterio para saber si debemos aceptar una u otra, es decir, con cual de las dos hipotesis nos
quedamos?.
Al tener ya formulada la hipotesis nula, es necesario que las evidencias sean muy fuertes para
rechazarla; es decir, puede que haya cambios debidos al azar, en cuyo caso el cambio no es signicativo,
y no cambiamos , pero puede que los cambios sean debidos a otras causas. En este ultimo caso es cuando
el cambio es signicativo y rechazaremos.
Por lo tanto, lo primero que debemos hacer es jar un cierto intervalo dentro del cual es normal
que haya cambios, es decir, una region tal que si el parametro se mantiene en dicho intervalo, nos
seguimos quedando con H
0
, pues esas peque nas variaciones son debidas al azar. Ese intervalo o region
se denomina region de aceptacion, y ser a mayor o menor dependiendo del nivel de conanza que
precisemos, 1 .
La region que quede fuera de la region de aceptacion indica que en este caso los cambios no se
pueden atribuir al azar, y por tanto hemos de rechazar H
0
y aceptar H
1
. Tal region se llama region
crtica o de rechazo.
Llegados a este punto, hemos de distinguir entre dos tipos de contraste o test, que determinan la
region de aceptacion y la region de rechazo.
1. Contraste bilateral (o de dos colas): En este caso la region de rechazo o region crtica
esta formada por dos conjuntos de puntos disjuntos. Dicho caso se presenta cuando la hipotesis
nula es del tipo H
0
: = k (o bien H
0
: p = k) y la hipotesis alternativa, por tanto, es del tipo
H
1
: = k (o bien H
1
: p = k).
La region crtica para un cierto nivel sera, en la N(0;1):
Figura 8.1: El intervalo (z
2
, z
2
) es la Region de Aceptacion. La region no sombreada es la Region
crtica, formada por dos partes o colas.
Fijemonos en que el nivel de signicacion se concentra en dos partes (o colas) simetricas
respecto de la media.
La region de aceptacion en este caso no es mas que el correspondiente intervalo de probabilidad
para x o p, es decir:
_
z
n
, +z
n
_
Tlf. 955 22 42 50
CAP
OTESIS
o bien:
_
p z
_
p q
n
, p +z
_
p q
n
_
Las correspondientes regiones crticas seran:
_
, z
n
_
_
+z
n
,
_
o bien
_
, p z
_
p q
n
_
_
p +z
_
p q
n
,
_
2. Contraste unilateral (o de una cola): En este caso la region crtica esta formada por un
solo conjunto de puntos.
Como se observa en las guras, el nivel de signicacion se concentra solo en una parte o cola.
Este caso se presenta cuando la hipotesis nula es del tipo H
0
: k (o bien H
0
: p k) y la
hipotesis alternativa, por tanto, es del tipo H
1
: < k (o bien H
1
: p < k).(Tambien si aparece
)
A nivel de conanza 1 , las regiones seran, en la N(0;1):
a) Unilateral por la derecha:
Figura 8.2: El intervalo (, z
) es la Region de Aceptacion. La region no sombreada es la Region

crtica, formada por una partes o cola. El nivel se concentra ah.
La region de aceptacion en este caso sera:
_
, +z
n
_
o bien:
_
, p +z
_
p q
n
_
_
+z
n
,
_
o bien
_
p +z
_
p q
n
,
_
Tlf. 955 22 42 50
CAP
OTESIS
Figura 8.3: El intervalo (z
, ) es la Region de Aceptacion. La region no sombreada es la Region

crtica, formada por una partes o cola. El nivel se concentra ah.
b) Unilateral por la izquierda:
La region de aceptacion en este caso sera:
_
z
n
,
_
o bien
_
p z
_
p q
n
,
_
_
, z
n
_
o bien:
_
, p z
_
p q
n
_
En todos los casos, conociendo el nivel de conanza 1 , tendremos que determinar el valor z
2
(para contrastes bilaterales) o bien z
(para contrastes unilaterales), que separa las regiones de rechazo

y aceptacion.
Algunos de estos valores mas comunes se dan en la tabla adjunta, que en los bilaterales son los
mismos que para intervalos de conanza o probabilidad, ya vistos con anterioridad:
8.5. Etapas de la prueba de hip otesis
Los procedimientos seguidos en las pruebas de hipotesis correspondientes a las situaciones de
decision estadstica se encuentran totalmente prejados y se llevan a cabo en una serie de etapas que
facilitan su comprension, y que son:
1. Enunciar la hipotesis nula H
0
y la alternativa H
1
.
Deben ser excluyentes entre s. Analizar, una vez enunciadas, si el contraste es bilateral o unila-
teral (Es bilateral si la hipotesis alternativa es del tipo = y unilateral si es del tipo > o <).
2. Determinar el valor z
2
(para contrastes bilaterales) o bien z
(para contrastes unilaterales),

que separa las regiones de rechazo y aceptacion, a partir del nivel de conanza 1 o el de
signicacion .
3. Determinar la distribucion que sigue el parametro muestral (x o p) y en base a ella y al valor
obtenido en la etapa anterior, escribir las correspondientes regiones de aceptacion y rechazo.
Tlf. 955 22 42 50
CAP
OTESIS
Figura 8.4: Valores mas comunes para contrastes bilaterales y unilaterales derechos. Los correspon-
dientes para los unilaterales izquierdos son negativos.
4. Calcular el estadstico usado en la prueba (en nuestro caso, calcular media muestral x o propor-
cion muestral p, a partir de la muestra).
5. Aplicar el test,es decir, dependiendo de si el estadstico cae en la region de aceptacion o de
rechazo, tomar la decision de aceptar una de las dos hipotesis.
A continuacion se ofrecen algunos ejemplos de problemas de test de hipotesis:
1. La vida media de una muestra de 100 tubos uorescentes producidos por una empresa es de
1570 horas, una desviacion tpica de 120 horas. Si es la vida media media de los tubos de dicha
empresa, se puede armar a nivel de signicacion 005 que la duracion media de los tubos es
de 1600 horas?.
Determinar los errores de tipo I y II
Etapa 1: Queremos saber si la duracion media de los tubos es de 1600 horas, es decir, que nuestra
hipotesis nula es H
0
: = 1600.
Por lo tanto, la hipotesis alternativa sera que la duracion no sea de 1600 horas, es decir, la
hipotesis alternativa es H
1
: = 1600.
Por tanto estamos ante un contraste bilateral.
Etapa 2: A nivel de signicacion = 0
05 = 1 = 0
95, y realizando el dibujo habitual

(hacer como ejercicio), obtenemos que z
2
= z
0
025
= 1
96.
Etapa 3: Determinemos la distribucion de la media muestral, x, teniendo en cuente que como la
desviacion tpica de la poblacion no la conocemos, tomamos la muestral, que es s = 120, y por
tanto sabemos que la media muestral sigue una normal:
N
_
1600;
120
100
_
= N(1600; 12)
Tlf. 955 22 42 50
CAP
OTESIS
Por tanto la region de aceptacion sera el intervalo de probabilidad:
_
1600
120
100
, 1600 +
120
100
_
= (1600 1
96 12, 1600 + 1
96 12) = (1576
48, 1623
52)
De modo que, Region de Aceptacion:(157648,162352)
Region de Rechazo: (, 1576
48) (1623
52, )
Etapa 4: En la muestra se ha obtenido que x = 1570.
Etapa 5: Para aplicar el test, simplemente hemos de comprobar si el valor de esta dentro de la
region de aceptacion o de la de rehazo.
Como en este caso se observa que
1570 / (1576
48, 1623
52)
es decir, 1570 no esta en la region de aceptacion, sino en la de rechazo.
Por tanto, hemos de rechazar que la media es 1600 (hipotesis nula) y aceptar la alternativa.
A este nivel de conanza no se puede armar que la duracion media de los tubos sea de 1600
horas.
En cuanto a los errores:
Error de tipo I es armar que la duracion media no es de 1600 horas cuando en realidad s lo es.
Error de tipo II es armar que la duracion media es de 1600 horas cuando en realidad no lo es.
2. Una encuesta, realizada a 64 empleados de una fabrica, concluyo que el tiempo medio de duracion
de un empleo en la misma era de 65 a nos con una desviacion tpica de 4. Sirve esta armacion
para aceptar, con un nivel de signicacion del 5 %, que el tiempo medio de empleo en esa fabrica
es menor o igual que 6? Justicar adecuadamente la respuesta.
El enunciado no puede ser mas claro a la hora de determinar las hipotesis nula y alternativa.
Queremos comprobar si el tiempo medio de empleo en esa fabrica es menor o igual que 6, luego
la hipotesis alternativa sera que dicho tiempo medio de empleo sea MAYOR que 6, es decir:
H
0
: 6
o simplemente H
0
: = 6 (lo que queremos comprobar) frente a:
H
1
: > 6
Es claramente un contraste unilateral. La region de aceptacion sera
_
, +z
n
_
puesto que aceptamos todos los valores menores que un cierto tope. Notemos que concemos el
valor de s (en la muestra) y no el de , pero eso no inluye en la formula. La region de rechazo,
por tanto, es:
_
+z
n
,
_
Tlf. 955 22 42 50
CAP
OTESIS
Para calcular el nivel z
= z
0
05
, y por tanto z
0
05
= 1
645. As pues, la region de aceptacion es,

puesto que = 6 , s = 4 y n = 64, resulta ser, aproximadamente:
(, 6
8225)
Y la region crtica:
(6
8225, )
Como en la muestra resulta que x = 6
5, que pertenece a la region de aceptacion, es decir,

aceptamos la hipotesis nula, la media es de 6 a nos, al 95 % de conanza.
3. Un investigador, utilizando informacion de anteriores comicios, sostiene que, en una determinada
zona, el nivel de abstencion en las proximas elecciones es del 40 % como mnimo. Se elige una
muestra aleatoria de 200 individuos para los que se concluye que 75 estaran dispuestos a votar.
Determinar, con un nivel de signicacion del 1 %, si se puede admitir como cierta la armacion
del investigador.
Se trata ahora de un contraste de proporciones. La hipotesis a contrastar esta muy clara: El
investigador dice que el nivel de abstencion es de un 40 % por lo menos, es decir, solo rechazaremos
su hipotesis cuando la proporcion sea menor que este valor, es decir:
H
0
: p 0
4
o simplemente H
0
: p = 0
4 (lo que dice el investigador) frente a:

H
1
: p < 0
4
(la proporcion de abstencion es menor)
As pues la region de aceptacion es:
_
p z
_
pq
n
,
_
Y la de rechazo:
_
, p z
_
pq
n
_
Para calcular el nivel z
= z
0
01
, y por tanto z
0
01
= 2
33. As pues, la region de aceptacion es,

puesto que p = 0
4 , q = 0
6 y n = 200, resulta ser, aproximadamente:

(0
3192, )
Y la region crtica:
(, 0
3192)
Como en la muestra resulta que
p =
125
200
= 0
625
, los 125 que no votan de los 200 a los que se pregunta. Al 99 % de conanza entonces, resulta
que dicho valor en la muestra pertenece a la region de aceptacion, es decir,aceptamos la hipotesis
nula y el investigador tiene razon, la abstencion sera, al menos del 40 %.
Tlf. 955 22 42 50
CAP
OTESIS
8.6. EJERCICIOS
1. Cierto periodico arma que, basandose en elecciones anteriores, tan solo acudira a votar el
48 % de la poblacion electora en las proximas elecciones. Sin embargo, en un sondeo realizado
recientemente, sobre una muestra de 1500 personas, 800 maniestan su intencion de votar.
Plantea la prueba de hipotesis para un nivel de signicacion del 005 para determinar si el
porcentaje de votantes ha aumentado.
2. Se quiere contrastar si el nivel de colesterol en sangre de una grupo de enfermos es mayor que el
que tiene una poblacion, que se ha tomado como referencia, y que es de 160 unidades, y se sabe
que la desviacion tpica de la cantidad de colesterol en sangre es de 20 unidades.
a) Establecer el contraste dando la hipotesis nula y la alternativa.
b) Si el tama no de la muestra es de 50 y la media muestral es de 165 unidades. Se rechazara la
hipotesis con un nivel de signicacion de 0025?.
3. Un electricista arma que el 40 % de las bombillas que ha comprado a un fabricante en una
promocion son defectuosas. El fabricante eligio una muestra de 100 bombillas y observo que
30 tenan alg un defecto. A un nivel de conanza del 95 %, se puede aceptar la hipotesis del
electricista?.
4. En un examen realizado por un gran n umero de estudiantes de muchos centros la puntuacion
media fue de 745 y la desviacion tpica de 8. En un centro de los que hicieron la prueba, con
200 alumnos, se obtuvo puntuacion media de 759. Contrasta la hipotesis de que efectivamente
la media de la poblacion es de 745 a la vista de la muestra con nivel de signicacion de 005.
5. Una empresa hace una encuesta a 500 personas sobre su posicion frente a la eliminacion del
Servicio Militar, resultando un 63 % a favor y un 37 % en contra. Que podemos decir de los
resultados a nivel de conanza del 99 %, si se sabe que la proporcion de espa noles favorales a la
supresion de tal Servicio era hace unos a nos del 60 %?.
6. El porcentaje de Sobresalientes en Matematicas en 2
o
de Bachillerato en el instituto es del 10 %.
El a no pasado, sobre 150 estudiantes, hubo 20 sobresalientes. Plantea el test y decide la verdad
o falsedad de las armaciones al 99 % y al 95 %.
7. Una moneda se lanza 6 veces y se obtienen 6 caras. Puede deducirse a nivel de signicacion del
005 que la moneda esta trucada?.
8. Se cree que el tiempo medio de ocio al da que dedican los estudiantes de Bachillerato sigue
una distribucion normal de media 240 minutos y desviacion tpica poblacional de 60 minutos.
Para contrastar la hipotesis, se toma una muestra aleatoria de 100 alumnos encontrandose de el
tiempo medio diario de ocio es de 210 minutos. Que se puede decir de la armacion inicial al
10 % de signicacion?.
9. El gremio de restaurantes de Madrid arma que el precio medio del men u del da es 5 euros.
Para saber si es cierto, se toma una muestra de 40 restaurantes, resultando que el precio medio
es de 585 euros con desviacion tpica 048 euros. Que podemos decir al 95 % de conanza?
10. Los fabricantes de ordenadores arman que el 25 % de la poblacion tiene un ordenador. Para
comprobarlo, se toma una muestra de 40 familias y se ha visto que solo 8 tienen ordenador. Se
puede creer la armacion de los fabricantes a nivel del 1 %?.
Tlf. 955 22 42 50
CAP
OTESIS
11. Un dentista arma que el 40 % de los ni nos de 10 a nos presentan indicios de caries dental. Tomada
una muestra de 100 ni nos, se observa que 30 de ellos presentan inidicios de caries. Comprueba,
a nivel de signicacion del 5 %, si el resultado proporciona evidencia que permita rechazar la
armacion del dentista.
12. El salario medio correspondiente a una muestra de 1600 personas de cierta poblacion es de 1185
euros. Se sabe que la desviacion tpica de los salarios de la poblacion es de 200 euros. Se puede
armar, a un nivel de signicacion de 001, que el salario medio en dicha poblacion es de 1200
euros?.
13. Se ha comprobado que el tiempo de espera, en minutos, hasta ser atendido en urgencias sigue un
modelo normal de probabilidad. A partir de una muestra de 100 personas que fueron atendidas en
dicho servicio, se ha calculado un tiempo medio de 1425 minutos y una desviacion tpica de 25
minutos. Podramos armar, al 5 %, que el tiempo medio de espera es de 15 minutos?.Que se
puede concluir a nivel del 1 %?.
14. El propietario de una pizzeria sospecha que su repartidor esta utilizando la moto del reparto
para uso propio. Sabe, por experiencias anteriores, que el recorrido diario de la moto sigue una
distribucion normal de media 14 km. y desviacion tpica 2 km.
Decide comprobar sus sospechas, y para ello contabiliza los kilometros recorridos por la moto
durante 10 das y obtiene:
145, 17, 16, 15, 125, 19, 13, 165, 155, 17 (km.)
Con una conanza del 99 %, debe despedir al repartidor?.
15. El Ayuntamiento de una ciudad arma que el 65 % de los accidentes juveniles del nde semana
son causados por el alcohol.
Para contrastar la hipotesis, se toma una muestra de 35 accidentes y se observa que 24 de ellos
se deben al alcohol. Es cierta la armacion del Ayuntamiento al 99 %?
16. Seg un la normativa sobre contaminacion atmosferica los motores de los automoviles no deben
emitir mas de 5 ppm (partes por millon) de CO
2
, Dentro de sus procesos de control de calidad
un fabricante ha medido la emision de CO
2
, en una muestra de 36 motores, obteniendo una
media de 55 ppm y una desviacion tpica de 06 ppm.
a) Contrasta, con un nivel de signicacion igual a 005, la hipotesis de que los motores de este
fabricante cumplen en media la normativa sobre contaminacion.
b) Calcula el intervalo de conanza al nivel del 95 % para la emision media de los motores de
este fabricante.
17. El 42 % de los escolares de cierto pas suelen perder al menos un da de clase a causa de gripes y
catarros. Sin embargo, un estudio sobre 1000 escolares revela que en el ultimo curso hubo 450 en
tales circunstancias. Las autoridades sanitarias deenden que el porcentaje del 42 % sobre toda
la poblacion de escolares se ha mantenido.
a) Contrastar con un nivel de signicacion del 5 % la hipotesis defendida por las autoridades
sanitarias, frente a que el porcentaje ha aumentado como parecen indicar los datos, explicando
claramente a que conclusion se llega.
b) Como se llama la probabilidad de concluir erroneamente que el tanto por ciento se ha
mantenido?
Tlf. 955 22 42 50
CAP
OTESIS
18. La empresa empaquetadora de mariscos El Centollo arma que el peso medio de sus productos
supera los 400 gr. Un restaurante consumidor habitual desea contrastar esta informacion.
a) Enunciar la hipotesis nula y alternativa.
b) Describir los errores tipo I y II en este caso.
c) Sobre una muestra de 10 envases se ha observado un peso medio de 300 gr. Es posible
con esta informacion rechazar el supuesto de la empresa El Centollo?; sera necesaria alguna
informacion adicional para resolver el contraste?
Tlf. 955 22 42 50

Apuntes Utf8modif

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Apuntes Utf8modif

Încărcat de

Drepturi de autor:

Formate disponibile

Indice general

IMITES Y CONTINUIDAD DE FUNCIONES 41

75 (4000 y) +4 (500 +x +y)

IMITES Y CONTINUIDAD DE FUNCIONES

IMITES Y CONTINUIDAD DE FUNCIONES

IMITES Y CONTINUIDAD DE FUNCIONES

IMITES Y CONTINUIDAD DE FUNCIONES

IMITES Y CONTINUIDAD DE FUNCIONES

: Si tenemos un cociente de polinomios nos encontraremos con una indeter-

IMITES Y CONTINUIDAD DE FUNCIONES

IMITES Y CONTINUIDAD DE FUNCIONES

Cuando aparecen exponentes, hay que recordar algunas reglas basicas.

IMITES Y CONTINUIDAD DE FUNCIONES

IMITES Y CONTINUIDAD DE FUNCIONES

IMITES Y CONTINUIDAD DE FUNCIONES

IMITES Y CONTINUIDAD DE FUNCIONES

IMITES Y CONTINUIDAD DE FUNCIONES

IMITES Y CONTINUIDAD DE FUNCIONES

IMITES Y CONTINUIDAD DE FUNCIONES

IMITES Y CONTINUIDAD DE FUNCIONES

IMITES Y CONTINUIDAD DE FUNCIONES

IMITES Y CONTINUIDAD DE FUNCIONES

IMITES Y CONTINUIDAD DE FUNCIONES

IMITES Y CONTINUIDAD DE FUNCIONES

IMITES Y CONTINUIDAD DE FUNCIONES

IMITES Y CONTINUIDAD DE FUNCIONES

IMITES Y CONTINUIDAD DE FUNCIONES

IMITES Y CONTINUIDAD DE FUNCIONES

ITULO 4. DIFERENCIABILIDAD DE FUNCIONES. OPTIMIZACI

ITULO 4. DIFERENCIABILIDAD DE FUNCIONES. OPTIMIZACI

ITULO 4. DIFERENCIABILIDAD DE FUNCIONES. OPTIMIZACI

(x)), cuarta, etc.

(x) g(x) +f(x) g

(x) g(x) f(x) g

ITULO 4. DIFERENCIABILIDAD DE FUNCIONES. OPTIMIZACI

(x) = cot x csc x

(x) = tan x sec x

ITULO 4. DIFERENCIABILIDAD DE FUNCIONES. OPTIMIZACI

(a), y utilizando la ecuacion de la recta en la forma punto-

ITULO 4. DIFERENCIABILIDAD DE FUNCIONES. OPTIMIZACI

(1) (x (1)) =y 1 = 2(x + 1) =y = 2x + 3

ITULO 4. DIFERENCIABILIDAD DE FUNCIONES. OPTIMIZACI

(t) representa la velocidad de la partcula en el instante t, es decir, la

(t) representa la aceleracion de la partcula en cualquier

ITULO 4. DIFERENCIABILIDAD DE FUNCIONES. OPTIMIZACI

(t) = 6t 1 =v(0) = 1 m/s

(2) = 46, es decir, 46 euros.

ITULO 4. DIFERENCIABILIDAD DE FUNCIONES. OPTIMIZACI

f(a +h) f(a)

ITULO 4. DIFERENCIABILIDAD DE FUNCIONES. OPTIMIZACI

f(0 +h) f(0)

ITULO 4. DIFERENCIABILIDAD DE FUNCIONES. OPTIMIZACI

ITULO 4. DIFERENCIABILIDAD DE FUNCIONES. OPTIMIZACI

(x) > 0 (la derivada es positiva) entonces la funcion f(x) es creciente.

(x) < 0 (la derivada es negativa) entonces la funcion f(x) es decreciente.

(x) = 0 entonces la funcion puede presentar un extremo relativo (maximo o mnimo) en

ITULO 4. DIFERENCIABILIDAD DE FUNCIONES. OPTIMIZACI

(x), y la igualamos a cero, resolvemos la ecuacion resul-

(x) basta tomar, por ejemplo, un punto en cada intervalo y sustituir en

ITULO 4. DIFERENCIABILIDAD DE FUNCIONES. OPTIMIZACI

ITULO 4. DIFERENCIABILIDAD DE FUNCIONES. OPTIMIZACI

ITULO 4. DIFERENCIABILIDAD DE FUNCIONES. OPTIMIZACI

(x) es decreciente, es que su derivada es negativa, es decir, f