Estadisticas 2016

ESTADISTICAS
ADMINISTRACIN
DE EMPRESAS
MVR
MARIANO VILLAVICENCIO ROSSELL
TEXTO BASE DE ESTADISTICAS PARA ADMINISTRACION DE EMPRESAS
CARRERA ADMINSTRACION DE EMPRESAS
TEMA # 1
INTRODUCCION A LA ESTADISTICA O GENERALIDADES
1.1
DEFINICION
Es una ciencia que proporciona un conjunto de mtodos que se utilizan para recolectar,
resumir, clasificar, analizar e interpretar el comportamiento de los datos con respecto a una
investigacin.
1.2
ETIMOLOGIA
Segn distintos autores la palabra estadstica proviene de tres voces:
Del Latn STATUS que significa estado o situacin
Del Griego ESTATERA que significa balanza
Del Alemn STAAT que significa estado.
1.3. DIVISION DE LA ESTADISTICA
La estadstica se divide en dos grandes campos.
1.3.1 ESTADISTICA DESCRIPTIVA
Es el conjunto de mtodos que implican la recoleccin, presentacin y caracterizacin de
un conjunto de datos a fin de describir en forma apropiada las diversas caractersticas de
estas.
La estadstica descriptiva analiza, estudia y describe a la totalidad de individuos de una
poblacin. Su finalidad es obtener informacin, analizarla, elaborarla y simplificarla lo
necesario para que pueda ser interpretada cmoda y rpidamente y, por tanto, pueda
utilizarse eficazmente para el fin que se desee. El proceso que sigue la estadstica
descriptiva para el estudio de una cierta poblacin consta de los siguientes pasos:
Seleccin de caracteres dignos de ser estudiados.
Mediante encuesta o medicin, obtencin del valor de cada individuo en los
caracteres seleccionados.
Elaboracin de tablas de frecuencias, mediante la adecuada clasificacin de los
individuos dentro de cada carcter.
Representacin grfica de los resultados (elaboracin de grficas estadsticas).
Obtencin de parmetros estadsticos, nmeros que sintetizan los aspectos ms
relevantes de una distribucin estadstica.
1.3.2 ESTADISTICA INFERENCIAL
Llamada tambin inductiva, Es el conjunto de mtodos o tcnicas que posibilitan la
generalizacin o toma de las decisiones en base de una informacin parcial obtenidas
mediante tcnicas descriptivas.
La estadstica inferencial, sin embargo, trabaja con muestras, subconjuntos formados por
algunos individuos de la poblacin. A partir del estudio de la muestra se pretende inferir
aspectos relevantes de toda la poblacin. Cmo se selecciona la muestra, cmo se realiza la
inferencia, y qu grado de confianza se puede tener en ella son aspectos fundamentales de
la estadstica inferencial, para cuyo estudio se requiere un alto nivel de conocimientos de
estadstica, probabilidad y matemticas.
1
LIC. MARIANO VILLAVICENCIO ROSSELL
1.4 APLICACIN DE LA ESTADISTICA

La estadstica se puede aplicar a diferentes campos del saber humano citaremos dos de
ellos:
EN LA SALUD Y MEDICINA, cuando se aplica la estadstica en la medicina
recibe el nombre de BIOESTADISTICA.
EN LA ECONOMIA, recibe el nombre de ECONOMETRIA.
1.5 TIPOS DE DATOS
Toda informacin puede estar referida
a caractersticas CUALITATIVAS O
CUANTITATIVAS. Las primeras se refieren a las cualidades de los datos por ejemplo: el
color, el estado civil, la profesin, la calidad de un producto. Las segundas pueden referirse
a la estatura en cm, el salario en bolivianos, nmero de hijos de una familia.
Teniendo estas dos caractersticas referida a los datos de investigacin podemos clasificar
dos tipos de variables:
VARIABLES CUALITATIVAS
VARIABLES CUANTITATIVAS
1.5.1 VARIABLES CUALITATIVAS
Son aquellas cuyos valores son cualidades que presentan la poblacin. Por ejemplo la
variable profesin, puede adoptar las modalidades: Ingeniero, Medico; Administrador,
Economista; Bilogo, etc.
1.5.1.1 CLASIFICACION DE LAS VARIABLES CUALITATIVAS
Se clasifican en: Nominales y Ordinales.
1.5.1.1.1 VARIABLES CUALITATIVAS NOMINAL
Son aquellas que establecen la distincin de los elementos en las categoras sin implicar
distincin entre ellas. Por ejemplo clasificar un grupo de individuos por su sexo: masculino,
femenino; o por su estado civil: soltero, casado, viudo.
1.5.1.1.2 VARIABLE CUALITATIVA ORDINAL
Son aquellas que agrupan a los datos en categoras ordenadas para establecer relaciones
comparativas, es decir son susceptibles de ordenacin pero no de medicin cuantitativa. Por
ejemplo: clasificar a un grupo de individuos por su hbito de fumar. Se procede as:
No fumadores
Fumadores leves
Fumadores moderados
Fumadores severos
1.5.2 VARIABLE CUANTITATIVA
Son aquellas en las que se pueden establecer cuanto o en qu cantidad se posee una
determinada caracterstica. Son variables cuantitativas el ingreso por familia, nmero de
accidentes de trnsito, Etc.
2
1.5.2.1 CLASIFICACION DE LAS VARIABLE CUANTITATIVAS

Se pueden clasificar en: Discretas y continuas.
1.5.2.1.1 VARIABLES DISCRETAS
Son aquellas que surgen por el procedimiento de conteo, es decir suelen tomar valores
enteros, por ejemplo el nmero de estudiantes por colegio, el nmero de habitaciones por
viviendas, etc.
1.5.2.1.2 VARIABLES CONTINUAS
Estas variables pueden tomar al menos tericamente cualquier valor dentro de un intervalo.
Como por ejemplo el peso de un individuo, la estatura, etc.
1.6 UNIVERSO, POBLACION, MUESTRA
1.6.1 UNIVERSO
En estadstica el termino Universo se define como el todo de un enfoque de estudio, si
tomamos en cuenta como objeto de estudio a Bolivia, se incluyen todos los parmetros,
todava no se centra la atencin en un segmento especifico.
1.6.2 POBLACION
Son todos los elementos o datos que poseen una caracterstica comn, por ejemplo, los
universitarios, los servidores pblicos, los homosexuales, los obesos, etc.
1.6.3 MUESTRA
En estadstica, conjunto de individuos extrados de una poblacin con el fin de inferir,
mediante su estudio, caractersticas de toda la poblacin. Se dice que una muestra es
representativa cuando, por la forma en que ha sido seleccionada, aporta garantas
suficientes para realizar inferencias fiables a partir de ella.
Sus principales caractersticas son:
Representativa.- Se refiere a que todos y cada uno de los elementos de la poblacin tengan
la misma oportunidad de ser tomados en cuenta para formar dicha muestra.
Adecuada y vlida.- Se refiere a que la muestra debe ser obtenida de tal manera que
permita establecer un mnimo de error posible respecto de la poblacin.
Para que una muestra sea fiable, es necesario que su tamao sea obtenido
mediante procesos matemticos que eliminen la incidencia del error.
1.6.3.1 TIPOS DE MUESTRAS
Existen bsicamente dos tipos de muestras: muestras probabilsticas y muestras no
probabilsticas.
3
1.6.3.1.1 MUESTRAS NO PROBABILISTICAS

Llamada tambin muestras de conveniencia o de juicio se basan en el conocimiento y la
opinin personal para identificar los elementos de la poblacin que van incluirse de la
muestra.
1.6.3.1.2 MUESTRAS PROBABILISTICAS
Son aquellas en que todos los elementos de la poblacin tiene una posibilidad (una
probabilidad conocida) de ser incluida en la muestra.
1.7 MUESTREO
Proceso por el cual se seleccionan los individuos que formarn una muestra. Para que se
puedan obtener conclusiones fiables para la poblacin a partir de la muestra, es importante
tanto su tamao como el modo en que han sido seleccionados los individuos que la
componen.
El tamao de la muestra depende de la precisin que se quiera conseguir en la estimacin
que se realice a partir de ella. Para su determinacin se requieren tcnicas estadsticas
superiores, pero resulta sorprendente cmo, con muestras notablemente pequeas, se
pueden conseguir resultados suficientemente precisos. Por ejemplo, con muestras de unos
pocos miles de personas se pueden estimar con muchsima precisin los resultados de unas
votaciones en las que participarn decenas de millones de votantes.
Para seleccionar los individuos de la muestra es fundamental proceder aleatoriamente, es
decir, decidir al azar qu individuos de entre toda la poblacin forman parte de la muestra.
Si se procede como si de un sorteo se tratara, eligiendo directamente de la poblacin sin
ningn otro condicionante, el muestreo se llama aleatorio simple o irrestrictamente
aleatorio.
Cuando la poblacin se puede subdividir en clases (estratos) con caractersticas especiales,
se puede muestrear de modo que el nmero de individuos de cada estrato en la muestra
mantenga la proporcin que exista en la poblacin. Una vez fijado el nmero que
corresponde a cada estrato, los individuos se designan aleatoriamente. Este tipo de
muestreo se denomina aleatorio estratificado con asignacin proporcional.
Las inferencias realizadas mediante muestras seleccionadas aleatoriamente estn sujetas a
errores, llamados errores de muestreo, que estn controlados. Si la muestra est mal
elegida, no es significativa, se producen errores sistemticos no controlados.
1.7.1 METODOS PARA OBTENER MUESTRAS NO PROBABILISTICAS
1.7.1.1 MUESTREO POR CONVENIENCIA
El muestreo por conveniencia es probablemente la tcnica de muestreo ms comn. En el
muestreo por conveniencia, las muestras son seleccionadas porque son accesibles para el
investigador. Los sujetos son elegidos simplemente porque son fciles de reclutar. Esta
tcnica es considerada la ms fcil, la ms barata y la que menos tiempo lleva.
1.7.1.2 MUESTREO CONSECUTIVO
El muestreo consecutivo es muy similar al muestreo por conveniencia, excepto que intenta
incluir a TODOS los sujetos accesibles como parte de la muestra. Esta tcnica de muestreo
no probabilstico puede ser considerada la mejor muestra no probabilstica, ya que incluye a
4
todos los sujetos que estn disponibles, lo que hace que la muestra represente mejor a toda
la poblacin.
1.7.1.3 MUESTREO POR CUOTAS
El muestreo por cuotas es una tcnica de muestreo no probabilstico en donde el
investigador asegura una representacin equitativa y proporcionada de los sujetos, en
funcin de qu rasgo es considerado base de la cuota.
Por ejemplo, si la base de la cuota es de nivel de ao en la universidad y el investigador
necesita una representacin igual, con un tamao de muestra de 100, debe seleccionar 25
estudiantes de 1 ao, 25 de 2 ao, 25 de 3 ao y 25 de 4 ao. Las bases de la cuota
generalmente son la edad, el gnero, la educacin, la etnia, la religin y el nivel
socioeconmico.
1.7.1.4 MUESTREO DISCRECIONAL
El muestreo discrecional es ms comnmente conocido como muestreo intencional. En este
tipo de toma de muestras, los sujetos son elegidos para formar parte de la muestra con un
objetivo especfico. Con el muestreo discrecional, el investigador cree que algunos sujetos
son ms adecuados para la investigacin que otros. Por esta razn, aquellos son elegidos
deliberadamente como sujetos.
1.7.1.5 MUESTREO DE BOLA DE NIEVE
El muestreo de bola de nieve se lleva a cabo generalmente cuando hay una poblacin muy
pequea. En este tipo de muestreo, el investigador le pide al primer sujeto que identifique a
otro sujeto potencial que tambin cumpla con los criterios de la investigacin. La
desventaja de usar una muestra de bola de nieve es que difcilmente sea representativa de la
poblacin.
1.7.1.6 CUNDO UTILIZAR EL MUESTREO NO PROBABILSTICO
Este tipo de muestreo puede ser utilizado cuando se quiere mostrar que existe un
rasgo determinado en la poblacin.
Tambin se puede utilizar cuando el investigador tiene como objetivo hacer un
estudio cualitativo, piloto o exploratorio.
Se puede utilizar cuando es imposible la aleatorizacin, como cuando la poblacin
es casi ilimitada.
Se puede utilizar cuando la investigacin no tiene como objetivo generar resultados
que se utilicen para hacer generalizaciones respecto de toda la poblacin.
Tambin es til cuando el investigador tiene un presupuesto, tiempo y mano de obra
limitados.
Esta tcnica tambin se puede utilizar en un estudio inicial que ser llevado a cabo
nuevamente utilizando un muestreo probabilstico aleatorio.
5
1.7.2 METODOS PARA OBTENER MUESTRAS PROBABILISTICAS

1.7.2.1 MUESTREO ALEATORIO SIMPLE
Una forma sencilla aunque poco practica es la tcnica de la urna. Consiste en colocar en
una urna, fichas con los nombres o nmeros de cada elemento de la poblacin y luego de
mezclarlos adecuadamente, se extraen tantos elementos como haya de tener la muestra que
se ha decidido escoger. Todos los elementos tienen la misma probabilidad de ser
seleccionados.
1.7.2.2 MUESTREO SISTEMATICO
En este sistema se determina el tamao de la muestra que se quiere tener de determinada
poblacin, luego se divide la poblacin entre la muestra (N/n), para determinar el intervalo
de seleccin (K), una vez determinado el intervalo de seleccin se selecciona una unidad de
inicio.
Por ejemplo. Si se tiene una poblacin de 1000 elementos y se quiere una muestra de 50
elementos entonces K=1000/50 por lo tanto K=20, si de los mil seleccionamos como inicio
el nmero 15, entonces la muestra se ver as: 15, 35, 55, 75.
1.7.2.3 MUESTREO ESTRATIFICADO

Este procedimiento implica dividir la poblacin en estratos y luego se toma una submuestra
de cada estrato, por lo general se maneja un porcentaje representativo de la poblacin de
cada estrato.
Por ejemplo: se tienen 60 hombres y 40 mujeres y se desea como muestra el 40% de la
poblacin.
GENERO
POBLACION
MUESTRA
HOMBRES
60
24
MUJERES
40
16
N=100
n=40
Para determinar la muestra se multiplica la poblacin por el porcentaje deseado entonces
(n=100*40%) o (n = 100 * 0, 40) donde n=40.
Una vez determinada la muestra se procede a determinar los subestratos, el procedimiento
es sencillo: se divide cada estrato entre la poblacin y luego se multiplica por el tamao de
la muestra. Hombres = (60/100)*40= 24 y Mujeres=(40/100)*40=16.
1.7.2.4 MUESTREO POR CONGLOMERADO.- cuando la poblacin tiene una
extensin geogrfica considerable, y por los costos econmicos de realizar el muestreo se
selecciona la parte donde la poblacin est ms agrupada y se procede con cualquier otro
mtodo.
1.8 VARIABLES DE LAS QUE DEPENDE EL TAMAO DE LA MUESTRA
Suponiendo que la muestra es la adecuada, el tamao necesario de la muestra para poder
extrapolar los resultados a la poblacin depende bsicamente de tres variables. El por qu
estas variables inciden en el tamao de la muestra es fcil comprenderlo de manera
intuitiva, al margen de la traduccin de estas variables a valores estadsticos.
6
1 El nivel de confianza o riesgo que aceptamos de equivocarnos al presentar nuestros

resultados: lo que deseamos es que en otras muestras semejantes los resultados sean los
mismos o muy parecidos. Tambin podemos denominarlo grado o nivel de seguridad. El
nivel de confianza habitual es de 0.05 ( = 0.05).
El nivel de confianza va a entrar en la frmula para determinar el nmero de sujetos con un
valor de zeta, que en la distribucin normal est asociado a una determinada probabilidad
de ocurrencia.
2 La varianza (o diversidad de opiniones) estimada en la poblacin. Esta diversidad
en la poblacin es la diversidad estimada; si la conociramos (cuntos van a decir que s y
cuntos van a decir que no) en primer lugar no necesitaramos hacer la encuesta.
Si sabemos de antemano que todos piensan lo mismo (aunque no sabemos qu piensan y
por eso lo preguntamos), nos bastar preguntar a un solo sujeto, pero si las opiniones
pueden ser muy distintas nos harn falta ms sujetos. Por ejemplo, si aterrizamos en un pas
desconocido donde todos hablan el mismo idioma y no sabemos cul esbasta con
preguntrselo a una sola persona de ese pas. Si en una agrupacin de sujetos que viven
juntos, todos se levantan a la misma hora (un cuartel, un convento), y queremos saber a qu
hora se levantan por la maana, basta con preguntrselo a una sola persona. A mayor
diversidad esperada, o al menos posible, en las opiniones o posibles respuestas en la
poblacin har falta un mayor nmero de sujetos en la muestra.
3 El margen de error que estamos dispuestos a aceptar.
Si por ejemplo el 20% de la muestra est de acuerdo con una proposicin (o dice que va
votar a un determinado candidato o que prefiere un determinado producto) eso no significa
que el 20% exacto de la poblacin vaya a responder lo mismo, puede ser el 22% o el
18% necesitaremos muestras mayores si queremos que el margen de error o de oscilacin
de la muestra sea muy pequeo (el resultado exacto lo tendramos si respondiera el 100% y
la muestra coincidiera con la poblacin).
Esto puede ser ms o menos importante segn la situacin; el margen de error en sondeos
pre-electorales es, por ejemplo, muy importante y este margen de error suele ponerse en
torno a un 3%.
1.9 CALCULO DEL TAMAO DE LA MUESTRA
Antes de introducirnos en el tema vamos a distinguir entre poblaciones infinitas (de tamao
muy grande, indefinido, cuyo tamao exacto podemos desconocer) y poblaciones finitas
(tamao ms reducido y que conocemos).
1.9.1 PARA POBLACIONES MUY GRANDES (poblacin infinita)
Dnde:
z = Valor de z correspondiente al nivel de confianza;
Un nivel de confianza del 95% (tambin lo expresamos as: = 0.05) corresponde a z =
1.96 sigmas o errores tpicos; z = 2 (dos sigmas) corresponde a un 95.5%
(aproximadamente, = 0.045).
7
Con z = 2.57 el nivel de confianza sube al 99% (nos equivocaramos una vez de cada 100),
pero como aumenta el numerador aumenta el cociente que es N, y harn falta ms sujetos
(y ms trabajo y ms gastos).
pq = Varianza de la poblacin
Como la varianza de la poblacin la desconocemos, ponemos la varianza mayor posible
porque a mayor varianza har falta una muestra mayor.
Recordamos el significado de los smbolos:
p = proporcin de respuestas en una categora (ses, respuestas correctas, unos en la
codificacin usual, etc.)
q = proporcin de repuestas en la otra categora (noes, ceros en la codificacin usual).
La varianza en los tems dicotmicos (dos respuestas que se excluyen mutuamente) es
igual a pq y la varianza mayor (la mayor diversidad de respuestas) se da cuando p = q = .50
(la mitad de los sujetos responde s y la otra mitad responde no) por lo que en esta frmula,
pq es siempre igual a (.50)(.50) = .25 (es una constante).
e = Error muestral
Lo representamos con la letra e (no es el nico smbolo que se utiliza) que significa error o
desviacin posible cuando extrapolemos los resultados. Es el margen de error que
aceptamos.
Si el margen de error es 3.16%, en la frmula pondremos e = 0.0316. Si dice que s un
64.3% en la muestra, entendemos que dice que s en la poblacin entre un (64.3 - 3.16)% y
un (64.3 + 3.16)%. Cuanto ms bajo sea este error probable, que es el denominador,
aumenta la precisin pero tambin subir obviamente el cociente: harn falta ms sujetos (y
sube el precio, etc.).
Observando la frmula vemos que, efectivamente, el tamao de la muestra (cociente o
resultado de la frmula) ser mayor segn sea mayor el nivel de confianza y la varianza
esperada en la poblacin (numerador en la frmula) y segn sea menor el margen de error
que estamos dispuestos a admitir (denominador en la frmula).
Por ejemplo qu muestra necesitaremos con un nivel de confianza del 95% (o = .05), al
que corresponde z = 1.96, y admitiendo un margen de error del 5% o del 2%?
Ya
sabemos que pq = .25.
El nivel de confianza nunca suele ser menor de = .05 (nos equivocaramos en nuestra
prediccin o generalizacin 5 veces de cada 100), y como pq es igual a .25, el nmero de
sujetos va a depender de hecho del margen de error que estamos dispuestos a tolerar.
Con frecuencia se opera con un nivel de confianza del 95.5%; la razn prctica est en que
este nivel de confianza corresponde a z = 2 (dos sigmas); y el numerador de la frmula
queda muy simplificado:
8
El tamao de la muestra no vara mucho; en el ejemplo anterior (error tolerado del 5% del
2%) necesitaramos 400 y 2500 sujetos en vez de 384 y 2401.
Resumiendo lo dicho hasta ahora, el tamao de la muestra (valor de N) aumentar:
1. Si aumenta nuestro nivel de confianza (de seguridad) que requiere un valor mayor de z,
2. Si disminuye el error muestral (e).
Es decir, si queremos mucha seguridad y poco margen de error har falta un N mayor,
En la tabla 1 podemos ver el tamao de la muestra (N) para diversos valores de e
(mrgenes de error) y los dos niveles de confianza ms usuales (z = 1.96 o un 95% de nivel
de confianza y z = 2.57 o un 99% de nivel de confianza o probabilidades de no
equivocarnos):
En general:
1 Es suficiente un nivel de confianza de = 0.05 (que equivale a z = 1.96); es la prctica
habitual,
2 El margen de error no debe ser superior a 0.05 (5%) para que los resultados sean
realmente informativos y tiles.
1.9.2 PARA POBLACIONES NO MUY GRANDES (poblacin finita)
Para calcular el tamao de la muestra suele utilizarse la siguiente frmula:
Dnde:
n = el tamao de la muestra.
N = tamao de la poblacin.
= Desviacin estndar de la poblacin que, generalmente cuando no se tiene su valor,
suele utilizarse un valor constante de 0,5.
Z = Valor obtenido mediante niveles de confianza. Es un valor constante que, si no se tiene
su valor, se lo toma en relacin al 95% de confianza equivale a 1,96 (como ms usual) o en
relacin al 99% de confianza equivale 2,58, valor que queda a criterio del investigador.
e = Lmite aceptable de error muestral que, generalmente cuando no se tiene su valor, suele
utilizarse un valor que vara entre el 1% (0,01) y 9% (0,09), valor que queda a criterio del
encuestador.
EJEMPLO.- Calcular el tamao de la muestra de una poblacin de 500 elementos con un
nivel de confianza del 95%
Solucin:
Se tiene N=500, para el 95% de confianza Z = 1,96, y como no se tiene los
Dems valores se Tomar = 0,5 y e = 0,05.
9
Reemplazando valores de la frmula se tiene:
.
TABLA DE APOYO AL CALCULO DEL TAMAO DE UNA MUESTRA
POR NIVELES DE CONFIANZA
Certeza
95%
94%
93%
92%
91%
90%
80%
62.27%
50%
1.96
1.88
1.81
1.75
1.69
1.65
1.28
0.6745
3.84
3.53
3.28
3.06
2.86
2.72
1.64
1.00
0.45
0.05
0.06
0.07
0.08
0.09
0.10
0.20
0.37
0.50
0.0025
0.0036
0.0049
0.0064
0.0081
0.01
0.04
0.1369
0.25
10
EJERCICIOS PARA EL ESTUDIANTE

1. Calcule el tamao de la muestra para una poblacin de 500 con un error de muestreo del
5% y nivel de confianza del 95%. Realice los clculos de manera manual.
5% y nivel de confianza del 99%.
5. Calcule el tamao de la muestra para una poblacin de 6000000 con un error
de muestreo del 5% y nivel de confianza del 95%. Realice los clculos de manera manual.
6. Calcule el tamao de la muestra para una poblacin de 7000000 con un error de
muestreo del 5% y nivel de confianza del 99%.
9. Calcule el tamao de la muestra para una poblacin de 600 utilizando los 9 niveles de
confianzas de la tabla de apoyo.
10. Calcule el tamao de la muestra para una poblacin de 345267890, utilizando los 9
niveles de confianzas de la tabla de apoyo.
TABLA DE APOYO AL CALCULO DEL TAMAO DE UNA MUESTRA

POR NIVELES DE CONFIANZA
Certeza
95%
94%
93%
92%
91%
90%
80%
62.27%
50%
1.96
1.88
1.81
1.75
1.69
1.65
1.28
0.6745
3.84
3.53
3.28
3.06
2.86
2.72
1.64
1.00
0.45
0.05
0.06
0.07
0.08
0.09
0.10
0.20
0.37
0.50
0.0025
0.0036
0.0049
0.0064
0.0081
0.01
0.04
0.1369
0.25
11
TEMA # 2
ORGANIZACIN Y CLASIFICACION DE DATOS
Frente a un conjunto de datos, el primer paso a dar debe ser expresarlos y clasificarlos de
acuerdo a criterios convenientes que permita ver todas las caractersticas posibles para
obtener conclusiones tiles ya sea directamente o por clculos posteriores. Se consideran
los siguientes pasos.
Revisin y correccin de los datos
Construccin de tabla de frecuencia
Representacin tabular o cuadros estadsticos y grficas.(Tema #3)

2.1 REVISION Y CORRECCION DE LOS DATOS
Ningn anlisis estadstico, por acabado y seguro que sea, es capaz de suministrar
respuestas adecuadas a un problema en estudio, si aquel se basa en una informacin
incorrecta. Por tanto antes de usar los datos muestrales conviene aplicar tcnicas simples
para probarlos, como dar respuestas a las siguientes preguntas:
Los datos apoyan o contradicen otra evidencia que tengamos?
Es lgica la conclusin? Hemos Obtenido conclusiones que no estn sustentados
por los datos?
Cuntas observaciones se tiene? Ellas representan a todos los grupos que se desea
estudiar?
2.2 TABLAS DE DISTRIBUCION DE FRECUENCIAS
Si los datos son numerosos, es indispensable clasificarlos en cuadro o tabla resumen de las
observaciones originales, a las que en adelante llamaremos tabla de distribucin de
frecuencias.
Una tabla de distribucin de frecuencias est formada por frecuencias, absolutas y
frecuencias relativas y se pueden tabular los datos para variables discretas y variables
continuas.
2.3 TERMINOLOGIA A UTILIZAR.
N
=
numero de datos
IC o P+
=
intervalo de clase
AC o C
=
amplitud de clase o constante
R
=
rango
Xi
=
lmites de clase
Xi-1
=
lmites de clase inferior
Xi+1
=
lmites de clase superior
Xi*
=
punto medio o marca de clase
fi
=
frecuencia absoluta simple
Fi
=
frecuencia absoluta Acumulada
hi
=
frecuencia relativa simple
Hi
=
frecuencia relativa Acumulada
12
2.4
DISTRIBUCION
DE
FRECUENCIAS
CUANDO
LOS
DATOS
CORRESPONDEN A UNA VARIABLE DISCRETA
En este caso la tabla de distribucin de frecuencias tiene la siguiente caracterstica:
Xi
fi
Fi
hi
Hi
Lmite
de Frecuencia
Frecuencia
Frecuencia
Frecuencia Relativa
clase
u Absoluta
Absoluta
Relativa
acumulada(sumatoria
observaciones simple
Acumulada
simple
de la hi)
iguales
(nmero
de (sumatoria
(resulta de
veces
que de
las la divisin
aparece
un frecuencia
de la fi y
valor en el absoluta
el nmero
conjunto
de simple)
de datos)
observaciones)
N= (nmero de
1,00
datos)
Ejemplo.- se realiza una encuesta a 10 familias sobre el nmero de hijos, los resultados de
dicha encuesta se muestran a continuacin.
fam1= 2
fam8 = 1
fam3 = 3
fam2 = 1
fam10= 1
Solucin:
Paso 1.fam1= 2
fam2 = 1
fam7 = 0
fam8= 1
fam9 = 2
fam3 = 3
fam9= 2
fam4 = 1
fam5 = 1
fam4 = 1
fam6 =1
fam7 = 0
fam5 = 1
fam6 =
fam10= 1
Paso 2.Numero de datos N= 10

Paso 3.Observaciones diferentes o Lmites de Clases
X1= 0
X2= 1
X3= 2
X4= 3
Xi
X1= 0
X2= 1
X3= 2
X4 = 3
total
fi
f1= 1
f2= 6
f3= 2
f4= 1
N= 10
Fi
F1= 1
F2= 7
F3= 9
F4= 10
hi
h1= 0,10
h2= 0,60
h3= 0,20
h4= 0,10
1,00
Hi
H1= 0,10
H2= 0,70
H3= 0,90
H4= 1,00
13
Interpretacin de la tabla
Por ejemplo:
f1 = 1, significa que en las familias encuestadas existe una familia que no tiene hijos
f2 = 6, Existen 6 familias que tienen a un hijo cada una.
F2 = 7, Existen hasta 7 familias que tienen un hijo o menos
F4 = 10, existen hasta 10 familias que tienen 3 hijos o menos
h2 = 0,60 nos indica la proporcin de familias que tienen 1 hijo
h3 = 0,20 nos indica la proporcin de familias que tienen 2 hijos
H2 = 0,70 nos indica la proporcin de familias que tienen 1 hijo o menos
H3 = 0,90 nos indica la proporcin de familias que tienen 2 hijos o menos
2.5 DISTRIBUCION DE FRECUENCIA CUANDO LOS DATOS CORRESPONDEN
A UNA VARIABLE CONTINUA
Si la informacin est dada por una variable continua, existe un valor mximo (Xi = X max)
y un valor mnimo (Xi = Xmin). Para construir la tabla se siguen los siguientes pasos:
Paso 1:
Se determina el rango o recorrido (R = Xmax Xmin)
Paso 2:
Se determina el intervalo de clase (P+ o IC), existen dos formas:
Mtodo de induccin
Regla de STURGER
Se establece segn el criterio del Se aplica la formula P+ = 1 + 3,33 * Log N
investigador ejemplo, 5, 6, 7n
Paso 3:
Se determina la amplitud de clase (AC = R/P+)
Luego la caracterstica de la tabla es la sgte:
Xi-1
Xi+1
Xi*
fi
Fi
hi
Hi
Lmite inferior
lmite Marca de clase o Resulta
Igual que Igual
Igual
superior
punto medio se del conteo en casos que en que en
X0=Xmin
X1
determina
de
los discretos casos
casos
X1
X2
sumando el (Xi- valores
discretos discretos
X2
X3
se
1) y el (Xi+1) de que
X4
cada clase y encuentran
Xn=Xmax
dividiendo entre entre
el
dos
(Xi-1) y el
(Xi+1) de
cada clase
Total
N=
Ejemplo.- Los datos representan los pesos en Kg. De 50 nios de 1 a 5 aos.
5,5
7,5
10,5 9,5
8,5
6,5
8,5
10,5 8,5
10,5 7,5
9,5
7,5
6,5
5,5
10,5 10,0 8,5
6,5
7,5
7,5
6,5
5,5
5,5
8,5
7,5
6,5
7,5
9,0
9,0
7,5
8,5
7,5
8,2
9,5
8,5
6,5
10,5 6,5
9,5
8,5
9,5
10,5 9,5
6,5
10,5 6,5
10,5
8,5
7,8
Construir una tabla de distribucin de frecuencias

Interpretar las frecuencias
14
Solucin:
Paso 1:
R = Xmax X min
R = 10,5 - 5, 5
R= 5
Paso 2:
El Intervalo de clases ser determinado por el mtodo de induccin por lo tanto es: P+ = 5
Paso 3:
AC = R / P+
AC = 5 / 5
AC = 1
Una vez determinado el R, P+, AC, se procede a tabular los datos, donde Xmin = X0
Xi-1
Xi+1
Xi*
fi
Fi
hi
Hi
X0=5,5 X1=6,5
X1*= 6
f1 = 13
F1= 13
h1= 0,26
H1= 0,26
X1=6,5 X2=7,5
X2*= 7
f2 =9
F2= 22
h2= 0,18
H2= 0,44
X2=7,5 X3=8,5
X3*= 8
f3 = 11
F3= 33
h3= 0,22
H3= 0,66
X3=8,5 X4=9,5
X4*= 9
f4 =8
F4= 41
h4= 0,16
H4= 0,82
X4=9,5 X5=10,5 X5*= 10
f5 =9
F5= 50
h5= 0,18
H5= 1,00
Total
N= 50
1,00
Interpretacin
f3 = 11, existen 11 nios que pesan entre 7,5 y 8,5 Kilogramos
F4 = 41, hay 41 nios que pesan entre 8,5 y 9,5 kilogramos o menos
h5 = 0,18 Hay una proporcin de 0,18 nios o el 18% de nios tienen un peso hasta 10,5
kilogramos
H4 = 0,82 el 82% de los nios pesan hasta 9,5 kilogramos o menos.
2.6 RECONSTRUCION DE TABLAS ESTADISTICAS
Ejemplo1:
Un dent ista observa el nmero de caries en cada uno de los 100 nios de cierto
colegio. La informacin obtenida aparece resumida en la siguiente tabla:
N de caries
fi
hi
25
0.25
20
0.2
15
0.15
0.05
Completar la tabla obteniendo los valores x, y, z.
Solucin.
La suma de las frecuencias relat ivas simples ha de ser igual a 1:
0.25 + 0.2 + z + 0.15 + 0.05 = 1
0.65 + z = 1 z = 0.35
15
La frecuencia relat iva de un dato es igual su frecuencia absoluta dividida

entre n (100), que es la suma de las frecuencias absolutas simples.
N de caries
fi
hi
25
0.25
20
0.2
35
0.35
15
0.15
0.05
100
1.00
Ejemplo 2:
Completar los datos que faltan en la siguiente tabla estadst ica:
xi
fi
3
7
hi
0.08
16
Fi
0.16
0.14
28
38
45
8
Primera fila:
F 1 = f1 F 1 = 4 =
Calcular n = f 1 /h 1 n =
Segunda fila:
F2 = 4 + 4 = 8
4 /0,08
n = 50
h 2 = f2 /n h 2 = 4/50 =0,08
Tercera fila:
f 3 = n 3 *n f3 = 0,16* 50 f3 = 8
Cuarta fila:
F 4 = F 3 + f4 F 4 = 16 + 7 = 23
16
Quinta fila:
h 5 = f5 /n h 5 = 5/50 =0,1
Sexta fila:
f 6 = F 6 F 5 f6 = 38 28 =10
h 6 = f 6 /n h 6 =10/50 = 0,2
Sptima fila:
h 7 = f 7 /n h 7 =7/50 = 0,17
Octava fila:
F 8 = n = 50
f 8 = F 8 -F7 f8 = 50-45 = 5
h 8 = f 8 /n h 8 =5/50= 0.10
xi
fi
Fi
hi
0.08
0.08
16
0.16
23
0.14
28
0.10
10
38
0.20
45
0.14
50
0.10
50
1.00
17

se realiz una encuesta a 20 familias sobre el nmero de habitaciones que tienen sus
viviendas y los resultados obtenidos son los sgtes:
fam1= 2
fam20 = 1
fam13= 3
fam14= 1
fam11= 1
fam5 =
1
fam7 = 5
fam17= 4
fam19= 2
fam10= 1
fam15= 2
fam2 = 1
fam16=3
fam18=1
fam8= 1
fam6 = 1
fam12= 4
fam4 = 1
fam9 = 2
fam3 = 5
Tabular los datos e interpretar

1.
2. Se tiene las edades de 60 individuos:

60 73 28 50 40 45 62 70 29 67 39
50 45 50 40 37 58 60 45 70 28 67
30 50 70 46 36 62 70 30 39 55 57
a) construir la tabla de distribucin de frecuencias
b) interpretar todas las frecuencias
45 60 70 30 40 28 58 40 38
39 65 70 65 39 56 55 60 78
50 34 45 45 60 55 35 40 35
con 5 intervalos de clase
3. Se realiz una encuesta a 20 mujeres sobre el nmero de veces que salen a divertirse con
sus amigas en un mes y los resultados fueron los siguientes.
0 5 10 5 4 4 5 0 1 2 0 1 7 10 3 4 2 1 1 5
a) construir una tabla de distribucin de frecuencias (casos discretos) , e interpretar.
b) Construir una tabla de distribucin de frecuencias casos continuos con 5 intervalos de
clases, e interpretar.
4. los pesos redondeados de 100 estudiantes son los sgtes:
60 70 80 50 40 45 65 70 79 67 79 45 60 70 80 90 98 78 56 65
70 45 57 58 60 65 70 98 87 79 65 75 65 79 56 55 60 79 80 90
80 56 76 65 70 80 90 55 57 90 80 75 65 80 55 60 75 60 65 55
90 87 67 55 65 78 70 67 67 68 55 55 50 53 54 93 56 70 80 80
70 86 85 65 48 45 75 40 56 50 55 64 58 50 58 59 70 49 52 51
a) construir una tabla de distribucin de frecuencias (casos discretos) , e interpretar.
b) Construir una tabla de distribucin de frecuencias casos continuos con intervalos de
clases definidos por la regla de sturger, e interpretar.
5. reconstruir la siguiente tabla.
Xi-1
Xi+1
20
Xi*
15
20
fi
2
45
55
3
4
Fi
3
5
9
hi
0,19
Hi
0,31
0,25
0,75
16
0,25
1,00
18
Tema # 3
REPRESENTACION TABULAR Y GRAFICA DE DATOS

3.1 REPRESENTACION TABULAR
Una vez que se ha ejecutado la recoleccin de datos y la clasificacin, resulta
imprescindible representarlos adecuadamente de tal forma que permita realizar un anlisis
til de la informacin.
3.2 CUADRO ESTADISTICO
Un cuadro estadstico es un arreglo de filas y columnas de datos o series estadsticas de
acuerdo a un criterio de clasificacin que interesa, que pueda ser interpretada rpidamente y
extraer conclusiones o hacer comparaciones.
Las tablas de distribucin de frecuencias son un caso especial de un cuadro estadstico.
3.2.1 PARTES DE UN CUADRO ESTADISTICO
Las partes principales son:
1.- Numero 2.- Titulo
3.- Matriz
4.- Cuerpo
Aclaratoria
5.- Fuente
6.-Nota
3.2.1.1 NUMERO
Es el cdigo de identificacin del cuadro, este nmero se escribe a continuacin de la
palabra cuadro
3.2.1.2 TITULO
El titulo se debe de escribir en la parte superior del cuadro y debe reunir las siguientes
condiciones: ser completo, ser conciso (claro, concreto), el titulo debe indicar claramente el
contenido del cuadro, debe responder a preguntas como ser:
Qu?- a que se refiere la tabla
Cmo?- como se estudia las caractersticas del universo (o sea las variables)
Cundo?- cuando se realiza el estudio
Dnde?- lugar del estudio
3.2.1.3 MATRIZ
La matriz de un cuadro estadstico est constituida por el primer rengln y la primera
columna, donde se anota los nombres de las categoras o los limites de los intervalos de
clase.
3.2.1.4 CUERPO.
Es el conjunto de celdas o casillas que son resultantes de la interseccin de las columnas y
renglones donde se anotan los datos numricos.
3.2.1.5 FUENTE
Nos indica la entidad responsable de donde se obtuvieron los datos y debe escribirse al pie
izquierdo del cuadro.
19
3.2.1.6 NOTA ACLARATORIA

Son aquellas informaciones aclaratorias que son necesarias para la interpretacin del cuadro
estadstico.
Nmero
CUADRO N 1
MATRIZ
Titulo
NUMERO DE ESTUDIANTE DE OPERADOR DE

COMPUTADORAS DEL CIEMS EN LA GESTION 2014
TURNO
MAANA
TARDE
NOCHE
TOTAL
FUENTE: Direccin CIEMS 2014
NOTA ACLRATORIA.- (Datos inducidos)
N ALUMNOS
20
10
40
70
FUENTE
NOTA ACLARATORIA
CUERPO
3.3 REPRESENTACIONES GRAFICAS

Un grfico es la representacin de un fenmeno estadstico por medio de figuras
geomtricas (lneas, rectngulos, etc), cuyas dimensiones son proporcionales a la magnitud
de los datos representados. Su objetivo principal es la representacin de los datos en forma
grfica, que permite visualizar en forma rpida las variaciones y caractersticas de los datos
representados.
Un grfico es un elemento auxiliar de un cuadro estadstico.
3.3.1 PARTES DE UN GRAFICO
Titulo
El grafico propiamente dicho
Fuente
Nota Exploratoria
3.3.2 GRFICOS LINEALES

Son muy utilizados para la representacin de series cronolgicas, entre los ms utilizados
tenemos, la ojiva y el polgono de frecuencias
3.3.2.1 OJIVA
Es la representacin grfica de una distribucin de frecuencias absoluta o relativa
acumulada.
1.- Se distribuye en el eje horizontal los lmites de los intervalos de clase y las frecuencias
correspondientes en el eje vertical.
2.- Se determina la interaccin entre del lmite superior de cada clase con su frecuencia.
20
3.- Determinadas las interacciones se unen los puntos dejando abierto en los extremos con
una lnea horizontal.
3.3.2.2 POLIGONOS DE FRECUENCIA
Los polgonos de frecuencias absolutas y relativas simples resultan de la unin de los
puntos medios de las bases superiores del histograma de frecuencias. Se trazan rectas hasta
alcanzar en ambos extremos el eje horizontal. El rea encerrada por el histograma coincide
con el rea encerrada por el polgono.
OJIVA
POLIGONOS DE
FRECUENCIA
3.3.3 GRAFICA RECTANGULARES

Se denomina tambin graficas de barras. Esto puede representarse horizontalmente o
vertical, sus caractersticas son:
Todas las barras deben tener el mismo grosor o espesor
El espacio entre las barras deben ser igual en todas y deben ser del mismo espesor
de la barra.
Las barras por esttica deben ordenarse de mayor a menor cuando se pueda.
L a escala de frecuencia debe empezar por cero.
3.3.3.1 DIAGRAMAS RECTANGUARES COMPUESTO: Son los que se representan
en un mismo grafico dos o ms fenmenos. Pueden ser representados horizontalmente o
verticalmente, cada rectngulo es subdividido mediante el uso de colores o rayados
diferentes.
3.3.3.2 HISTOGRAMA
Es una representacin grfica a travs de rectngulos continuos cuya base es igual a la
amplitud de clase con una altura igual a su frecuencia correspondiente.
DIAGRAMAS
RECTANGUARES
COMPUESTO
HISTOGRAMA
21
3.3.4 GRAFICOS CIRCULARES

Se aplican ventajosamente en la representacin de un conjunto de datos en sus diversos
componentes.
3.3.4.1 DIAGRAMA CIRCULAR O DE SECTORES

El diagrama circular llamada tambin ciclograma, diagrama de pastel, se representa los
datos en un crculo dividido en sectores, su uso es con fines principalmente comparativos.
Se traza una circunferencia
Se distribuye la superficie de la circunferencia entre el nmero de aspectos.
Para la determinacin de cada rea en grados se utiliza la siguiente formula.

wi = hi * 360
Donde:
wi = ngulo de rea correspondiente a su sector.
hi = Proporcin que representa a la frecuencia de cada valor particular de la variable con relacin a
la poblacin total.
360 = Grados que tiene una circunferencia.
22
Ejemplo # 1.- se representara grficamente el cuadro

pesos de 50 nios de 1 a 5 aos.
Xi-1 - Xi+1 Xi*
fi
Fi
hi
5,5 - 6,5
6
13
13
h1=0,26
6,5 - 7,5
7
9
22
0,18
7,5 - 8,5
8
11
33
0,22
8,5 - 9,5
9
8
41
0,16
9,5 - 10,5
10
9
50
0,18
Total
N=50
1,00
estadstico que corresponden a los

Hi
0,26
0,44
0,66
0,82
1,00
wi
w1=93,60o
64,80o
79,20o
57,60o
64,80o
360,00o
Wi
93,60o
158,40o
237,60o
295,20o
360,00o
Ejemplo
w1 =h1 *360
w1 =0,26*360
w1 = 93,60o
Para representar grficamente los datos en un histograma de frecuencias se debe

seguir los siguientes pasos en el eje de las X se deben colocar los valores de los
lmites de clases y en eje de las Y los valores de las frecuencias ya sean
absolutas o relativas simples ( o valores que encierren dichos valores) una vez
trazado los ejes e introducido los valores se dibujan rectngulos con la anchura
de los lmites de clases y la altura respectiva al valor de la frecuencia absolutas o
relativas simples correspondiente al lmite de clase.( Grfico N 1)
Grfico N 1
Pesos de 50 nios de 1 a 5 aos
de la Ciudad de Trinidad
HISTOGRAMA DE
FRECUENCIAS
Y
14
12
10
8
6
4
2
5,5
6,5
7,5
8,5
9,5
10,5
Fuente: Investigacin CIEMS

Nota Explicatoria.- Datos Inducidos
23
Para representar grficamente los datos en un

Polgono de frecuencias se debe seguir los siguientes
pasos en el eje de las X se deben colocar los
valores de los lmites de clases y en eje de las Y
los valores de las frecuencias ya sean absolutas o
relativas simples, una vez trazado los ejes e
introducido los valores se marcan puntos en las
intersecciones de las marcas de clases(puntos
medios) y la altura respectiva al valor de la
frecuencia
absolutas
o
relativas
simples
correspondiente al lmite de clase, luego se unen
trazando lneas de un punto a otro.(Grfico N 2)
Grfico N 2
POLIGONO DE
FRECUENCIAS

Otra forma de graficar el Polgono de Frecuencias es

tomar como base los rectngulos del Histograma de
frecuencias, como se ilustra en la Grfico N 3.
Grfico N 3
POLIGONO E HISTOGRAMA
DE FRECUENCIAS

24
Para representar grficamente los datos en una Ojiva

se debe seguir los siguientes pasos en el eje de las
X se deben colocar los valores de los lmites de
clases y en eje de las Y los valores de las
frecuencias ya sean absolutas o relativas
Acumuladas ( o valores que encierren dichos
valores) una vez trazado los ejes e introducido los
valores se marcan puntos en las intersecciones de
los limites superiores de clases y la altura respectiva
al valor de la frecuencia absolutas o relativas
Acumulada correspondiente al lmite de clase, luego
se unen trazando lneas de un punto a otro.(Grfico
N 4)
Para representar grficamente los datos en un Diagrama

de Sectores se debe seguir los siguientes pasos:
se debe calcular o convertir las frecuencias

relativas simples (hi), del cuadro
estadstico a grados, multiplicando por 360
que son los grados que tiene una
circunferencia.
Se traza una nueva columna en el cuadro

estadstico (wi), para colocar el valor en
grado de cada lmite de clase, tambin se
traza una nueva columna para colocar el
valor acumulativo de los valores en grados
(Wi).
Luego se traza una circunferencia y se

comienza a repartir por segmentos o
sectores en sentido contrario a las
manecillas del reloj, segn los valores que
nos proporciona la columna acumulativa
de los grados (Wi). Esto lo puede hacer
con la ayuda del transportador de un
estuche geomtrico.
Grfico N 4
OJIVA

Grfico N 5
DIAGRAMA DE SECTORES

25

1. Con las siguientes tablas graficar, polgono de frecuencia, histograma, Ojiva, Diagrama
de sectores,
Xi-1
10
20
30
40
50
Xi
15
25
35
45
55
Xi+1
20
30
40
50
60
fi
5
2
5
3
4
19
Fi
5
7
12
15
19
Xi*
15
25
35
45
55
fi
3
2
4
3
4
16
hi
0,26
0,11
0,26
0,16
0,21
1,00
Hi
0,26
0,37
0,63
0,79
1,00
Fi
3
5
9
12
16
hi
0,19
0,12
0,25
0,19
0,25
1,00
Hi
0,19
0,31
0,56
0,75
1,00
2. Con los ejercicios 4 y 5 la prctica del tema n2 (EJERCICIOS PARA EL

ESTUDIANTE), graficar, polgono de frecuencia, histograma, Ojiva, Diagrama de
sectores.
26
Tema # 4
ESTADIGRAFOS DE POSICION
Los estadgrafos de posicin se dividen en dos grandes campos:
De tendencia central
De localizacin
4.1 ESTADIGRAFOS DE TENDENCIA CENTRAL
Son aquellos que nos describen el valor central de un conjunto de datos o el lugar que
ocupan en la distribucin de frecuencias entre ellos tenemos de importancia La Media
Aritmtica y La Mediana.
4.2 ESTADIGRAFOS DE LOCALIZACION
Son aquellos que nos sealan la localizacin de los valores externos y el ms importe es la
Moda o Modo.
4.3 MEDIA ARITMETICA
Es el cociente de la sumatoria de todos los valores observados entre el nmero de
observaciones.
4.4 MEDIANA
En un conjunto de datos ordenados es el valor medio o la media aritmtica de los valores
centrales. La mediana es el valor que no es superada ni supera a ms de la mitad de los
datos.
4.5 MODA
La moda de una muestra observada es aquel valor de la variable que se presenta con mayor
frecuencia, es decir es el valor que ms veces se repite. Para su clculo es necesario ordenar
los datos y se tienen las siguientes posibilidades de la moda:
Amodal: cuando no existe modo (no se repite ningn valor)
Unimodal: cuando existe un solo modo (se repite un valor con ms

frecuencia)
Bimodal: cuando existe dos modo ( se repiten dos valores con mas
frecuencias)
Multimodal: cuando existen ms de dos modos.

Estos estadgrafos se pueden calcular tanto para datos no tabulados como para datos
tabulados (Casos Discretos y Casos Continuos).
4.6 MEDIA, MEDIANA Y MODA PARA DATOS NO TABULADOS
El primer paso antes de determinar los estadgrafos, se deben ordenar los datos de menor a
mayor y luego se aplican las frmulas que son las siguientes:
27
4.6.1 Formula de la Media Aritmtica

X = (X1+X2+.Xn)
N
X = Xi
N
4.6.2 Formula de la Mediana

Se presentan dos casos Cuando el nmero de observaciones son pares y cuando son
impares.
Md = Xi-1 + Xi+1
2
Md =
X N+1
2
Frmula para datos pares viene a ser la media aritmtica de los

dos valores centrales divididos entre dos
Frmula para datos impares corresponde a la sumatoria del nmero de
observaciones ms uno y dividido entre dos, cuyo resultado de la
operacin da la ubicacin del valor de la mediana
4.6.3 Formula de la Moda

Despus de ordenar los datos de menor a mayor, se observa si existen valores repetidos y
puede dar los siguientes resultados: Amodal, Unimodal, Bimodal, Multimodal.
Ejemplo # 1, los datos corresponden al nmero de habitaciones de 10 viviendas
encuestadas.
1- 3 1 2 3 - 2 1- 4 1- 6
Ordenando los datos tenemos: 1 1 1 1 2 2 3 3 4 6
Una vez ordenado los datos podemos aplicar:
La media aritmtica
X = (X1+X2+.Xn
N
X = (1+1+1+1+2+2+3+3+4+6)
10
X = 24 = 2,4
10
Esto significa que existe un promedio de 2,4 Habitaciones por vivienda encuestada
La mediana
En este caso el nmero de datos observados es par entonces:
Md = Xi-1 + Xi+1
2
2
Md = 2 + 2
2
Md = 4
2
= 2
Esto significa que hay una mediana de 2 habitaciones por vivienda encuestada.
La moda
La moda viene a ser el dato o la observacin que ms se repite, en este caso el dato
que ms se repite es el 1por lo tanto la moda es:
Mo= 1
y es Unimodal.
Lo cual significa que existen ms viviendas que tienen una sola habitacin.
28
4.7 MEDIA, MEDIANA, MODA PARA DATOS TABULADOS CASOS

DISCRETOS.
4.7.1 La media Aritmtica
Se aplica la Formula
X = fi * Xi
N
Ejemplo # 2. Una vez tabulados los datos se debe efectuar en una nueva columna el
producto entre (fi * Xi), para luego determinar la sumatoria de la columna y poder aplicar
la frmula:
Nmero de Hijos en 10 familias encuestadas
Xi
fi
Fi
hi
Hi
fi * Xi
0
1
1
0,10
0,10
0
1
6
7
0,60
0,70
6
2
2
9
0,20
0,90
4
3
1
10
0,10
1,00
3
Total
N= 10
1,00
= 13
Observando en la sexta columna vemos que (fi*Xi), es igual a 13, entonces ahora
podemos reemplazar en la formula:
X = fi * Xi
N
X = 13 = 1,3
10
Lo que significa, que en cada familia existe un promedio de 1,3 hijos

4.7.2 La Mediana
Una vez tabulado los datos, para este caso se siguen los siguientes pasos:
1.
Se determina N/2 (nmero total de datos entre dos)
2.
Se ubica N/2 entre las Fi
3. Se determinan Fi-1 y Fi+1 a N/2 y Tambin se ubica a las variables Xi-1 anterior y
Xi+1 posterior
Cuando N/2 es mayor a Fi-1 entonces la media es igual a Xi+1
4.
Si N/2 es igual a Fi-1 entonces la mediana es igual a Xi-1 mas Xi+1 dividido
5.
entre dos.
Ejemplo # 3. Hallar la mediana del siguiente cuadro estadstico.
Xi
fi
Fi
hi
Hi
Xi-1 0
1
1 Fi-1
0,10
0,10
Xi+1 1
6
7 Fi+1
0,60
0,70
2
2
9
0,20
0,90
3
1
10
0,10
1,00
Total
N= 10
1,00
1. Determinando N/2= 10/2 = 5
2. Ubicamos N/2 en Fi
N/2 = 5
3.
Al Ubicar N/2 se determina Fi-1 anterior y Fi+1 posterior y por lo tanto quedan
tambin determinado Xi-1 anterior y Xi+1 posterior, entonces:
Fi-1= 1
Fi+1= 7
Xi-1= 0
Xi+1= 1
29
4.
Por lo tanto N/2 es mayor a Fi-1 entonces la mediana es igual al valor Xi+1.
Md = 1, esto significa que la mediana de hijos en cada familia encuestada es 1 hijo.
4.7.3 La Moda
En este caso se determina con la siguiente formula
Mo = Xi fi max
Lo que significa que la moda es igual al valor Xi que se encuentra en la misma fila o
lmite de fi max.
Ejemplo # 4.
Xi
fi
Fi
hi
Hi
0
1
1
0,10
0,10
1
6 fi max
7
0,60
0,70
2
2
9
0,20
0,90
3
1
10
0,10
1,00
Total
N= 10
1,00
Ubicando la frecuencia absoluta simple mxima (fi max).
Vemos que fi max = 6 entonces el valor Xi es 1. Por lo tanto la Moda es:
Mo = 1, lo que significa que la mayor parte de las familias encuestadas tiene un
hijo.
4.8 MEDIA, MEDIANA, MODA PARA DATOS TABULADOS CASOS
CONTINUOS
4.8.1 LA MEDIA ARITMETICA
Para determinar la media aritmtica en este caso se utiliza la siguiente frmula:
X = fi * X*i
N
Al igual que en casos discretos se debe utilizar la tabla de distribucin de frecuencias para
determinar la sumatoria del producto de los puntos medios y las frecuencias absolutas
simples (fi * X*i).
Ejemplo # 5. Pesos de 50 nios de 1 a 5 aos.
Xi-1 - Xi+1 Xi*
fi
Fi
hi
Hi
fi * X*i
5,5 - 6,5
6
13
13
0,26
0,26
78
6,5 - 7,5
7
9
22
0,18
0,44
63
7,5 - 8,5
8
11
33
0,22
0,66
88
8,5 - 9,5
9
8
41
0,16
0,82
72
9,5 - 10,5
10
9
50
0,18
1,00
90
Total
N=50
1,00
391
*
Una vez determinado (fi * X i), el siguiente paso es remplazar en la formula:
X = fi * X*i
N
X = 391 = 7,82
50
30
Esto significa que el peso promedio de los 50 nios es de 7,82 kilogramos.

4.8.2 LA MEDIANA
Una vez tabulados los datos de debe determinar lo siguiente:
1. Se determina N/2 (nmero total de datos entre dos)
2. Se ubica N/2 entre las Fi.
Fi-1 N/2 < Fi+1
Si
N/2
=
F
3.
i-1 la mediana, Md= Xi-1
Si N/2 > Fi-1 entonces la mediana se determina con la siguiente frmula:
4.
Md = Xi-1 + AC (N/2 - Fi-1)
fi
Ejemplo # 6, Pesos de 50 nios de 1 a 5 aos

Xi-1 - Xi+1
Xi*
fi
Fi
hi
Hi
5,5 - 6,5
6
13
13
0,26
0,26
6,5 - 7,5
7
9
22 Fi-1
0,18
0,44
Xi-1 7,5 - 8,5
8
fi 11
33 Fi+1
0,22
0,66
Xi+1
8,5 - 9,5
9
8
41
0,16
0,82
9,5 - 10,5
10
9
50
0,18
1,00
Total
N=50
1,00
1. Determinando N/2 Tenemos; N/2 = 50/2 = 25
2. Ubicando N/2 tenemos
25
3. Cuando Ubicamos N/2 vemos que Fi-1 = 22, Fi+1 = 33
4. Al ubicar Fi+1, tomamos su lmite de clase o fila de la tabla para poder determinar fi,
Xi-1 y Xi+1
5. Entonces sabiendo que fi= 11, Xi-1= 7,5 Xi+1= 8,5
y la AC= 1, aplicamos
la formula
Md = Xi-1 + AC (N/2 - Fi-1) Md = 7,5 + 1 (25 22)
11
fi
= 7,5 + 1 (3) = 7,5 + 3 = 7,5 + 0,28 = 7,78

11
11
Lo que significa que existe una mediana de nios que pesan 7,78 kilogramos
4.8.3
LA MODA
Para calcular la moda en casos continuos se debe aplicar la siguiente frmula:
Mo = Xi-1 + AC (
1 )
1 + 2
1 = fi max fi-1
Delta 1
2 = fi max fi+1
Delta 2
Formula de la Moda
31
Ejemplo # 7, Pesos de 50 nios de 1 a 5 aos

Xi-1 - Xi+1
Xi*
fi
Fi
5,5 - 6,5
6
13
13
6,5 - 7,5
7
fi-1
9
22
Xi-1 7,5 - 8,5
8
33
fi max 11
Xi+1
8,5 - 9,5
9
fi+1 8
41
9,5 - 10,5
10
9
50
Total
N=50
hi
0,26
0,18
0,22
Hi
0,26
0,44
0,66
0,16
0,18
1,00
0,82
1,00
1.- Se identifica fi max en este caso es igual a 11 (fi max = 11)

2.- Identificado fi max, se identifica su frecuencia absoluta simple anterior (fi-1), y posterior (
fi+1 ).
3.- Luego se determina el lmite inferior de la clase modal ( Xi-1), que se encuentra en la
fila de fi max.
Entonces los datos son:
fi max = 11
fi-1 = 9
fi+1 = 8
AC = 1
Xi-1 = 7,5
1 = 2
2 = 3
Aplicando las Formulas Tenemos:

1 = fi max fi-1
1 = 11 - 9
= 2
2 = fi max fi+1
2 = 11 - 8
= 3
Mo = Xi-1 + AC (
1 ) Mo = 7,5 + 1 ( 2
) =
1 + 2
2+3
7,5 + 1 ( 2 ) = 7,5 + 0,4 = 7,9

5
Mo = 7, 9
Lo que significa que existen ms nios que tienen un peso promedio de 7,9 kilogramos.
32

1.- Se realiz una encuesta a 20 mujeres sobre el nmero de veces que salen a divertirse
con sus amigas en un mes y los resultados fueron los siguientes.
0 5 10 5 4 4 5 0 1 2 0 1 7 10 3 4 2 1 1 5
a) calcular la Media, Mediana, Moda (datos no tabulados)
b) Construir una tabla de distribucin de frecuencias casos Discretos y calcular la Media,
Mediana y Moda. Y graficar histograma, polgono de frecuencias, ojiva y diagrama de
sectores.
2.60
70
80
90
70
los pesos redondeados de 100 estudiantes son los sgtes:

70 80 50 40 45 65 70 79 67 79 45 60 70 80 90 98 78 56 65
45 57 58 60 65 70 98 87 79 65 75 65 79 56 55 60 79 80 90
56 76 65 70 80 90 55 57 90 80 75 65 80 55 60 75 60 65 55
87 67 55 65 78 70 67 67 68 55 55 50 53 54 93 56 70 80 80
86 85 65 48 45 75 40 56 50 55 64 58 50 58 59 70 49 52 51
a) Construir una tabla de distribucin de frecuencias casos continuos con 8 intervalos
de clases y Calcular la Media, Mediana y Moda.
b) Graficar histograma, polgono de frecuencias, ojiva y diagrama de sectores.
3. Calcular la media, la mediana y la moda de la siguiente serie de nmeros: 5, 3, 6, 5, 4, 5,

2, 8, 6, 5, 4, 8, 3, 4, 5, 4, 8, 2, 5, 4.
33
Tema # 5
OTRAS MEDIDAS DE POSICIN CENTRAL
En matemticas y estadstica una media o promedio es una medida de tendencia central que
resulta al efectuar una serie determinada de operaciones con un conjunto de nmeros y que,
en determinadas condiciones, puede representar por s solo a todo el conjunto. Existen
distintos tipos de medias, tales como la media geomtrica, la media ponderada y la media
armnica media cuadrtica aunque en el lenguaje comn, el trmino se refiere
generalmente a la media aritmtica.
5.1 MEDIA GEOMTRICA
En matemticas y estadstica, la media geomtrica de una cantidad arbitraria de nmeros
(por decir n nmeros) es la raz n-sima del producto de todos los nmeros, es recomendada
para datos de progresin geomtrica, para promediar razones, inters compuesto y nmeros
ndices.
Por ejemplo, la media geomtrica de 2 y 18 es

Otro ejemplo, la media de 1, 3 y 9 sera
o
5.1.1 PROPIEDADES
El logaritmo de la media geomtrica es igual a la media aritmtica de los logaritmos de
los valores de la variable.
La media geomtrica de un conjunto de nmeros positivos es siempre menor o igual
que la media aritmtica:
Ventajas
Considera todos los valores de la distribucin
Es menos sensible que la media aritmtica a los valores extremos.
Desventajas
Es de significado estadstico menos intuitivo que la media aritmtica,
Su clculo es ms difcil
En ocasiones no queda determinada; por ejemplo, si un valor
entonces la media
geomtrica se anula.
Solo es relevante la media geomtrica si todos los nmeros son positivos. Como hemos
visto, si uno de ellos es 0, entonces el resultado es 0. Si hubiera un nmero negativo (o una
cantidad impar de ellos) entonces la media geomtrica sera o bien negativa, o bien
inexistente en los nmeros reales.
En muchas ocasiones se utiliza su trasformacin en el manejo estadstico de variables con
distribucin no normal.
La media geomtrica es relevante cuando varias cantidades son multiplicadas para producir
un total.
34
Ejemplo.- Supongase que las utilidades obtenidas por una compaa constructora en cuatro
proyectos fueron de 3, 2, 4 y 6%, respectivamente. Cal es la media geomtrica de las
ganancias?.
En este ejemplo X y asi la media geomtrica es determinada por
y as la media geomtrica de las utilidades es el 3.46%.

La media aritmtica de los valores anteriores es 3.75%. Aunque el valor 6% no es muy
grande, hace que la media aritmtica se incline hacia valores elevados. La media
geomtrica no se ve tan afectada por valores extremos.
5.2 MEDIA GEOMTRICA PONDERADA
Al igual que en una media aritmtica pueden introducirse pesos como valores
multiplicativos para cada uno de los valores con el fin de ponderar o hacer pesar ms en el
resultado final ciertos valores, en la media geomtrica pueden introducirse pesos como
exponentes:
Donde las
son los pesos.
Ejemplo.- Una cadena de expendedores de gasolina el ao pasado aument sus ingresos

respecto al ao anterior en 21%; y han proyectado que este ao van a llegar a un aumento
de 28% con respecto al ao pasado. Cunto es el promedio anual del aumento porcentual?
Definitivamente no es (21% + 28%):2 = 24,5%.
El monto de la produccin, al final de dos aos, es 100(1,21)(1,28)= 154,88. Si en cada ao
se tuviera una tasa anual de aumento de i% resulta
100 100(1+i) 100(1 +i)2.
Entonces
100(1 +i)2 = 154,88
(1 +i)2 = 1,5488
1+i=
=1,244507
i = 0,244507 = 24,451% 1
5.3 MEDIA ARITMTICA PONDERADA
La media ponderada es una medida de tendencia central, que es apropiada cuando en un
conjunto de datos cada uno de ellos tiene una importancia relativa (o peso) respecto de los
dems datos. Se obtiene multiplicando cada uno de los datos por su ponderacin o peso y
luego sumarlos, para obtener una suma ponderada. A continuacin se divide la suma
ponderada entre la suma de los pesos, dando como resultado la media ponderada.
Para una serie de datos no vaca
a la que corresponden los
pesos
35
La media ponderada se calcula de la siguiente manera
Ejemplo.- Se puede usar una media ponderada para calcular la nota final de un curso, en
donde se asigna distinta importancia (peso) a los distintos exmenes que se realicen.
Por ejemplo, si las dos primeras pruebas tienen un peso de 30% y 20% respectivamente,
mientras que la ltima prueba tiene un peso de 50% y las calificaciones respectivas son de
6.4, 9.2, 8.1 entonces la nota final corresponde a la siguiente media ponderada:
Datos:
Pesos:
Media Ponderada:
5.4 MEDIA ARMNICA

La media armnica, denominada H, de una cantidad finita de nmeros es igual al recproco,
o inverso, de la media aritmtica de los recprocos de dichos valores y es recomendada para
promediar velocidades.
As, dados n nmeros x1, x2, ... , xn la media armnica ser igual a:
o
La media armnica resulta poco influida por la existencia de determinados valores mucho
ms grandes que el conjunto de los otros, siendo en cambio sensible a valores mucho ms
pequeos que el conjunto.
La media armnica no est definida en el caso de que exista algn valor nulo.
5.4.1 PROPIEDADES
1. La inversa de la media armnica es la media aritmtica de los inversos de los
valores de la variable.
2. Siempre se puede pasar de una media armnica a una media aritmtica
transformando adecuadamente los datos.
3. La media armnica siempre es menor o igual que la media aritmtica, ya que para
cualesquiera nmeros reales positivos
:
Ventaja
Considera todos los valores de la distribucin y en ciertos casos, es ms representativa
que la media aritmtica.
36
Desventajas
La influencia de los valores pequeos y el hecho que no se puede determinar en las
distribuciones con algunos valores iguales a cero; por eso no es aconsejable su empleo
en distribuciones donde existan valores muy pequeos.
Se suele utilizar para promediar velocidades, tiempos, rendimientos, etc.
Ejemplo
Supongase que una familia realiza un viaje en automvil a un ciudad y cubre los primeros
100 km a 60 km/h, los siguientes 100 km a 70 km/h y los ltimos 100 km a 80 km/h.
Calcular, en esas condiciones, la velocidad media realizada.
5.5 MEDIA HERONIANA

En matemticas, la media heroniana de dos nmeros reales no negativos A y B se expresa
como:
Recibe su nombre de Hern de Alejandra, y se usa para calcular el volumen de

un tronco de pirmide o de cono. El volumen es igual al producto de la altura del tronco
por la media heroniana de las reas de las dos caras paralelas que forman sus bases.
La media heroriana de dos nmeros A y B es una media ponderada de su media
aritmtica y su media geomtrica:
5.6 MEDIA CUADRTICA

En matemticas, la media cuadrtica, es una medida estadstica de la magnitud de una
cantidad variable. Puede calcularse para una serie de valores discretos o para
una funcin de variable continua. El nombre deriva del hecho de que es la raz cuadrada de
la media aritmtica de los cuadrados de los valores.
A veces la variable toma valores positivos y negativos, como ocurre, por ejemplo, en
los errores de medida. En tal caso se puede estar interesado en obtener un promedio que no
recoja los efectos del signo. Este problema se resuelve, mediante la denominada media
cuadrtica. Consiste en elevar al cuadrado todas las observaciones (as los signos negativos
desaparecen), en obtener despus su media aritmtica y en extraer, finalmente, la raz
cuadrada de dicha media para volver a la unidad de medida original. La desviacin estandar
es una media cuadrtica.
La media cuadrtica para una coleccin de N valores {x1, x2, ... , xN} de una variable
discreta x.
37
Para una funcin de variable continua f(t) definida sobre el intervalo T1 t T2 viene dada
por la expresin:
5.6.1 PROPIEDAD
Hay una relacin de orden de las medias obtenidas de una misma coleccin de valores
H G A C , donde H es la media armnica; G, la media geomtrica; A, la media
aritmtica ; C, la media cuadrtica.
38
1.

A continuacin se muestran las ponderaciones de las evaluaciones en los cursos de
probabilidad y estadstica y las notas de un estudiante durante el semestre.
Evaluacin
Nota Porcentaje
Parcial 1
4.5
20
Parcial 2
3.5
20
Parcial 3
4.0
20
Examen final
4.0
20
Tema especial
4.5
10
Otras evaluaciones 4.2

10
Determine la nota promedio del estudiante.
2.- Se ha calculado que, durante el primer ao de uso, cierta mquina sufre una
depreciacin del 16% respecto a su valor de costo, y que, durante el segundo ao, la
depreciacin es del 9% del valor que tena al comenzar dicho segundo ao. Encuntrese un
tanto por ciento promedio de depreciacin anual.
3.- Si la asignatura A tiene un valor de 2 crditos y la asignatura B tiene un valor de 3
crditos. Entonces, para un estudiante que haya obtenido una calificacin de 4 en la
asignatura A y de 5 en la asignatura B, la nota promedio ponderado est dada por
4.- Suponga que en el ao 2013 los empleados de una empresa industria tienen salario
promedio de $2.500.000 y para el ao 2014 se les hizo un aumento de 15 %. Adems se les
da una bonificacin mensual de $50.000 por aniversario de la empresa. Cul es el salario
promedio del ao 2014?.
39
Tema # 6
ESTADIGRAFOS DE POSICION NO CENTRAL

Las medidas de posicin no centrales permiten conocer otros puntos caractersticos de la
distribucin que no son los valores centrales. Entre otros indicadores, se suelen utilizar una
serie de valores que dividen la muestra en tramos iguales:
6.1 CUARTILES
Son 3 valores que distribuyen la serie de datos, ordenada de forma creciente o decreciente,
en cuatro tramos iguales, en los que cada uno de ellos concentra el 25% de los resultados.
Q1, Q2 y Q3 determinan los valores correspondientes al 25%, al 50% y al 75% de los datos.
Q2 coincide con la mediana.
6.1.1 Clculo de los cuartiles para datos no tabulados
Ordenamos los datos de menor a mayor.

Buscamos el lugar que ocupa cada cuartil mediante la expresin
.
Nmero impar de datos

2, 5, 3, 6, 7, 4, 9
Nmero par de datos

2, 5, 3, 4, 6, 7, 1, 9
6.1.2 Clculo de los cuartiles para datos tabulados

En primer lugar buscamos la clase donde se encuentra
las frecuencias acumuladas.
, en la tabla de
Li es el lmite inferior de la clase donde se encuentra la mediana.

N es la suma de las frecuencias absolutas.
Fi-1 es la frecuencia acumulada anterior a la clase mediana.
ai es la amplitud de la clase.
40
Ejercicio de cuartiles
Calcular los cuartiles de la distribucin de la tabla:
fi
Fi
[50, 60)
[60, 70)
10
18
[70, 80)
16
34
[80, 90)
14
48
[90, 100)
10
58
[100, 110)
63
[110, 120)
65
65
Clculo del primer cuartil
Clculo del segundo cuartil
Clculo del tercer cuartil
6.2 DECILES
Son 9 valores que distribuyen la serie de datos, ordenada de forma creciente o decreciente,
en diez tramos iguales, en los que cada uno de ellos concentra el 10% de los resultados.
Los deciles dan los valores correspondientes al 10%, al 20%... y al 90% de los datos.
D5 coincide con la mediana.
6.2.1 CLCULO DE LOS DECILES
de las frecuencias acumuladas.
, en la tabla
41

Ejercicio de deciles
Calcular los deciles de la distribucin de la tabla:
fi
Fi
[50, 60)
[60, 70)
10
18
[70, 80)
16
34
[80, 90)
14
48
[90, 100)
10
58
[100, 110)
63
[110, 120)
65
65
Clculo del primer decil
Clculo del segundo decil
Clculo del tercer decil
42
Clculo del cuarto decil
Clculo del quinto decil
Clculo del sexto decil
Clculo del sptimo decil
Clculo del octavo decil
Clculo del noveno decil
6.3 PERCENTILES
Los percentiles son los 99 valores que dividen la serie de datos en 100 partes iguales.
Los percentiles dan los valores correspondientes al 1%, al 2%... y al 99% de los datos.
P50 coincide con la mediana.
6.3.1 Clculo de los percentiles

de las frecuencias acumuladas.
, en la tabla
43

Ejercicio de percentiles
Calcular el percentil 35 y 60 de la distribucin de la tabla:
fi
Fi
[50, 60)
[60, 70)
10
18
[70, 80)
16
34
[80, 90)
14
48
[90, 100)
10
58
[100, 110)
63
[110, 120)
65
65
Percentil 35
Percentil 60
44
EJERCICIO PARA EL ESTUDIANTE

1.- Las puntuaciones obtenidas por un grupo en una prueba han sido:
15, 20, 15, 18, 22, 13, 13, 16, 15, 19, 18, 15, 16, 20, 16, 15, 18, 16, 14, 13.
a) Calcular los cuartiles, deciles y percentiles datos no tabulados.
b) Calcular los cuartiles, deciles y percentiles datos tabulados.(Ic regla de sturger).
2.- El nmero de estrellas de los hoteles de una ciudad viene dado por la siguiente serie:
3, 3, 4, 3, 4, 3, 1, 3, 4, 3, 3, 3, 2, 1, 3, 3, 3, 2, 3, 2, 2, 3, 3, 3, 2, 2, 2, 2, 2, 3, 2, 1, 1, 1,
2, 2, 4, 1.
b). Calcular los cuartiles, deciles y percentiles datos tabulados.(Ic regla de sturger).
3.- Las calificaciones de 50 alumnos en Matemticas han sido las siguientes:
5, 2, 4, 9, 7, 4, 5, 6, 5, 7, 7, 5, 5, 2, 10, 5, 6, 5, 4, 5, 8, 8, 4, 0, 8, 4, 8, 6, 6, 3, 6, 7, 6,
6, 7, 6, 7, 3, 5, 6, 9, 6, 1, 4, 6, 3, 5, 5, 6, 7.
4.- Los pesos de los 65 empleados de una fbrica vienen dados por la siguiente tabla:
Peso
[50, 60)
[60, 70)
[70, 80)
[80,90)
[90, 100)
[100, 110)
[110, 120)
fi
10
16
14
10
a) Calcular los cuartiles, deciles y percentiles

5.- Los 40 alumnos de una clase han obtenido las siguientes puntuaciones, sobre 50, en un
examen de Fsica.
3, 15, 24, 28, 33, 35, 38, 42, 23, 38, 36, 34, 29, 25, 17, 7, 34, 36, 39, 44, 31, 26, 20, 11,
13, 22, 27, 47, 39, 37, 34, 32, 35, 28, 38, 41, 48, 15, 32, 13.
6.- Sea una distribucin estadstica que viene dada por la siguiente tabla:
xi
61
64
67
70
73
fi
18
42
27
a) Calcular los cuartiles, deciles y percentiles
45
TEMA # 7
ESTADIGRAFOS DE DISPERSION
Estudia la distribucin de los valores de la serie, analizando si estos se encuentran ms o
menos concentrados, o ms o menos dispersos.
Existen diversas medidas de dispersin, entre las ms utilizadas podemos destacar las
siguientes:
7.1 RANGO
Mide la amplitud de los valores de la muestra y se calcula por diferencia entre el valor ms
elevado y el valor ms bajo.
R = XMIN-XMAX
7.2 DESVIACIN MEDIA

La desviacin media es la media aritmtica de los valores absolutos de las desviaciones
respecto a la media.
La desviacin media se representa por
Calcular la desviacin media de la distribucin:

9, 3, 8, 8, 9, 8, 9, 18
7.2.1 DESVIACIN MEDIA PARA DATOS AGRUPADOS

Si los datos vienen agrupados en una tabla de frecuencias, la expresin de la desviacin
media es:
46
Calcular la desviacin media de la distribucin:

xi
fi
xi fi
|x -x|
|x - x| fi
[10, 15)
12.5
37.5
9.286
27.858
[15, 20)
17.5
87.5
4.286
21.43
[20, 25)
22.5
157.5
0.714
4.998
[25, 30)
27.5
110
5.714
22.856
[30, 35)
32.5
65
10.714
21.428
21
457.5
98.57
7.3 VARIANZA
Mide la distancia existente entre los valores de la serie y la media. Se calcula como
sumatorio de las diferencias al cuadrado entre cada valor y la media, multiplicadas por el
nmero de veces que se ha repetido cada valor. El sumatorio obtenido se divide por el
tamao de la muestra.
Para datos no tabulados
Para datos agrupados
La varianza siempre ser mayor que cero. Mientras ms se aproxima a cero, ms

concentrados estn los valores de la serie alrededor de la media. Por el contrario, mientras
mayor sea la varianza, ms dispersos estn.
47
7.4 DESVIACIN TPICA

Se calcula como raz cuadrada de la varianza.
7.5 COEFICIENTE DE VARIZACIN DE PEARSON

Se calcula como cociente entre la desviacin tpica y la media.
48

1.- vamos a utilizar la serie de datos de la estatura de los alumnos de una clase y vamos a
calcular sus medidas de dispersin.
Variable
Frecuencias absolutas
Frecuencias relativas
(Valor)
Simple
Acumulada
Simple
Acumulada
x
fi
Fi
hi
Hi
1,20
3,3%
3,3%
1,21
1,22
1,23
1,24
1,25
1,26
1,27
1,28
1,29
1,30
4
4
2
1
2
3
3
4
3
3
5
9
11
12
14
17
20
24
27
30
13,3%
13,3%
6,6%
3,3%
6,6%
10,0%
10,0%
13,3%
10,0%
10,0%
16,6%
30,0%
36,6%
40,0%
46,6%
56,6%
66,6%
80,0%
90,0%
100,0%
2.- los pesos redondeados de 100 estudiantes son los sgtes:

60 70 80 50 40 45 65 70 79 67 79 45 60 70 80 90 98 78 56 65
70 45 57 58 60 65 70 98 87 79 65 75 65 79 56 55 60 79 80 90
80 56 76 65 70 80 90 55 57 90 80 75 65 80 55 60 75 60 65 55
90 87 67 55 65 78 70 67 67 68 55 55 50 53 54 93 56 70 80 80
70 86 85 65 48 45 75 40 56 50 55 64 58 50 58 59 70 49 52 51
a) Construir una tabla de distribucin de frecuencias casos continuos con 8 intervalos
de clases y Calcular el rango, Desviacin media, Varianza, Desviacin Tpica y
coeficiente de variacin.
49
Tema # 8
REGRESION
Muchos trabajos de investigacin, se centran en la determinacin de la relacin existente
entre dos variables X e Y (variable independiente y dependiente).
a. El inters de un investigador es conocer si las variables que se consideran se
relacionan o son independiente entre s: ejemplo; la presin sangunea (Y)
depende de la edad (X)?.
b. En otras la intencin es predecir (Y) a travs de (X); Qu peso (Y) debe tener un
individuo cuyo estatura es (X)?.
c. Otro objetivo puede ser conocer el tipo de relacin que liga a 2 variable, la estatura
de nio varia linealmente con la edad?.
Para establecer la relacin funcional entre dos variables se recurre al anlisis de regresin,
que nos permite predecir el valor de la variable dependiente (Y) sobre la base de otra u
otras; considerando a la primera como variable dependiente, y aquellas que sirven de base
para la prediccin variables independiente, denominadas tambin regreso res o variables
explicativas.
8.1 REGRESION
La mejor forma de comprobar si dos variables X e Y estn relacionadas consiste en tomar
una muestra anotar las parejas de las variables (X , Y) obtenidas en ellas son
=1,2,3,4,..n y representarlos en un sistema de ejes cartesianos , con (X) en el eje
horizontal e (Y) en el eje vertical. Al conjunto de puntos a si obtenidos se le llama nube de
puntos o diagrama de dispersin que nos permite tener una idea acerca si hay relacin entre
las variables, y en caso afirmativo sobre la forma de esta. Una nube de puntos como la fig.
a, nos indica que existe una relacin y que es de tipo lineal, pues fue la variable Y aumenta
linealmente ante un incremento en X. (la nube se ajustara ms o menos a una lnea recta ).
Una nube de puntos como al fig. b, nos indica que existe una relacin y que esta es una
recta, en este caso particular la relacin es parablica pues es la lnea de ajuste es una
parbola. Una nube de punto como la fig. c, nos indica que no existe una relacin pues no
se ve que lnea es la mejor se ajusta a ella, las lneas no tiene una tendencia clara.
Y
Fig. a
Fig. b
Fig. C
50
De modo general se dice que una muestra de n valores (X Y)existe regresin de los
valores de una variable con respecto a los de la otra haiga una lnea, llamada de regresin
que se ajusta a una nube de puntos. De existir regresin a la ecuacin Y=f (X) dnde por
ejemplo Y=2+3x que en este caso una relacin se llama ecuacin de regresin, a la variable
X se le llama variable independiente y a la variable Y se le llama variable dependiente.
8.2 TIPOS DE REGRESION.

A efectos metodolgicos distinguiremos tres tipos de regresin.
8.2.1 REGRESION LINEAL SIMPLE
Es un modelo matemtico para estimar el efecto de una variable sobre otra. Est asociada
con el coeficiente correlacin rde pearson. Cuando solo hay dos variables x e y que se
relacionan segn una lnea recta.
8.2.2 REGRESION CURVILINEA
Son aquellas en las cuales la tendencia varia, primero puede ser ascendente y luego
descendente o viceversa. Cuando hay dos variables x e y que relacionan segn una lnea
curva.
8.2.3 REGRESION MULTIPLE.
Cuando hay ms de una variable independiente (X1, X2,.XK) y solo una dependencia
(Y), sirviendo el conjunto de las primeras para predecir la segunda.
Los mtodos de anlisis son similares en todos los casos en la realidad la regresin lineal
es caso particular de la curvilnea, y esta ltima lo es de la mltiple pero los clculos
implicados son cada vez ms largos. Sin embargo la restriccin no es tan importante como
parece. Un porcentaje apreciable de los trabajos de investigacin enfocables por regresin,
pueden abordarse por el mtodo lineal directamente.
8.3 METODOS DE LOS MINIMOS CUADRADOS
Comencemos nuestro anlisis buscando encontrar una recta de ajuste que relaciones dos
variables, mtodo al que denominaremos regresin lineal simple bivariante. Para ello
partiremos de la coleccin de valores que sumen las mismas, denotando X a la variable
independiente: donde X1, X 2,..X0 son valores que asume la variable X e Y1, Y2,.Y0
son valores de la variable Y. estos valores de las variables pueden ser responsables pueden
ser representados grficamente en un sistema de coordenadas rectangulares de la siguiente
manera.
A lo que se denomina nube de puntos o diagramas de dispersin. Para ajustar una recta
relacione a las dos variables en base a sus respectivos valores, existen varias alternativas,
siendo que el mtodo de los mnimos cuadrados es aquel de mayor utilidad y uso ms
frecuente.
El mtodo de los mnimos cuadrados (M.M.C), es aquel que minimiza el cuadrado de los
valores de la variables dependiente respecto a sus valores estimados de la misma sobre la
recta de ajustes, y se los denomina ordinarios por que las desviaciones se las considera en
forma vertical. La gran utilidad de este mtodo est dada fundamentalmente porque nos da
51
mejor recta de ajuste. Dado que una ecuacin general para una recta donde X es la variable
independiente se denota por:
Y=a +bX
Donde:
X= valores de la variable independiente (valores conocidos)
Y= valores estimados de la variable y sobre la recta de ajuste para los respectivos valores
de la variable X.
a =estimador que nos representa la altura de nuestra recta ajustada sobre el eje de las
ordenadas. (Coeficiente de regresin).
b= estimador que nos muestra la pendiente la altura de la recta; es un estimador de la ay/ax,
proporcin de los cambios en Y como resultado de cambios en X (coeficiente de
regresin).
Los coeficientes de regresin ( a y b), estn dados segn la siguiente formulas:
b = n yixi - yixi
nxi2 - (xi)2
a=Y - bX
a y b son los estimados buscados o coeficientes de regresin

X=Valores que asume la variable X
Y=Valores que asume la variable Y
X=Media aritmtica de los valores de la variable independiente.
Y=Media aritmtica de los valores de la variable dependiente.
N=Nmero total de observaciones.
Ejemplo: considerando los datos de la siguiente tabla para la variable independiente X y la
variable dependiente Y, ajuste a una lnea recta.
X
1
2
3
4
5
6
7
8
9
10
X = 55
Y
2
6
4
4
8
7
8
6
10
9
Y = 64
XY
2
12
12
16
40
42
56
48
90
90
XY = 408
X2
1
4
9
16
25
36
49
64
81
100
2
X =385
52
N = 10
Xi = 5,5
b = n yixi - yixi
nxi2 - (xi)2
Yi = 6,4
b = (10)(408) (55)(64) = 0,68
(10)(385) (55)2
Entonces la ecuacin de mnimos cuadrados o la ecuacin de ajuste seria:

a=Y - bX
a = 6,4 - 0,68 (5,5) = 2,66
Y=a +bX
Y = 2,66 + 0,68 X
Para graficar la recta de ajuste se da valores a la variable independiente (X), en la formula.

Por Ejemplo Si X = 4 Y= 2,66 + 0,68 (4) = 5,38
Si X = 6 Y = 2,66 + 0,68 (6) = 6,74
Y = 2,66 + 0,68 X
53

1.- Use el mtodo de mnimos cuadrados para determinar la ecuacin de la recta que mejor
se ajusta para los datos. Luego grafique la recta.
2.- En la Siguiente Tabla Se tiene datos de 5 aos de la tasa de crecimiento de la poblacin

de Trinidad, ( sin decimales), determinar la Ecuacin de Ajuste y proyectar la tasa de
crecimiento del sptimo ao.
Aos (X)
Tasa de
XY
X2
Crecimiento (Y)
1
3
2
5
3
4
4
6
5
4
15
22
3.- Se toma una muestra aleatoria de 8 ciudades de una regin geogrfica de 13
departamentos y se determina por los datos del censo el porcentaje de graduados en
educacin superior y la mediana del ingreso de cada ciudad, los resultados son los
siguientes: (determinar la ecuacin de ajuste).
CIUDAD : 1 2 3 4 5 6 7 8
% de (X)
Graduados : 7.2 - 6.7 - 17.0 - 12.5 - 6.3 - 23.9- 6.0 - 10.2
Ingreso (Y)
Mediana : 4.2- 4.9 -7.0- 6.2- 3.8- 7.6- 4.4- 5.4
4.- Proyectar la Oferta de un cierto producto tomando en cuenta los datos obtenidos en el estudio
de mercado, ver cul de los mtodos o curvas de proyeccin se ajusta mejor a la nube de puntos y
determinar la Oferta para los prximos diez aos.
54
TEMA # 9
TCNICAS DE CONTEO
Suponga que se encuentra al final de una lnea de ensamble final de un producto y que un
supervisor le ordena contar los elementos de un lote que se ha manufacturado hace unas
horas y del que se desconoce el nmero de productos que lo constituyen, de inmediato
usted empezar a contar un producto tras otro y al final informar al supervisor que son, 48,
54 u otro nmero cualquiera. Ahora suponga que ese mismo supervisor le plantea la
siguiente pregunta cuntas muestras o grupos ser posible formar con los productos del
lote, si las muestras o grupos a formar son de ocho elementos cada una de ellas?.
En el primer caso el cuantificar los elementos del lote no presenta dificultad alguna para la
persona encargada de hacerlo, pero cuando se le hace el segundo planteamiento, al tratar de
formar las muestras o grupos de ocho elementos la persona encargada empezar a tener
dificultad para hacerlo, en casos como este es necesario hacer uso de las tcnicas de conteo
para cuantificar los elementos del evento en cuestin (el nmero de muestras posibles a
formar de ocho elementos), luego, qu son las tcnicas de conteo?
Las tcnicas de conteo son aquellas que son usadas para enumerar eventos difciles de
cuantificar.
Ejemplos en los que definitivamente haremos uso de las tcnicas de conteo seran:
-Cuntas comisiones pro limpieza del instituto se pueden formar si hay 150 alumnos que
desean ayudar en esta tarea y se desea formar comisiones de ocho alumnos?
-Cuntas representaciones de alumnos pueden ser formadas a) si se desea que estas
consten solo de alumnos de Ingeniera Qumica?, b) se desea que el presidente sea un
qumico?, c) se desea que el presidente y tesorero sean qumicos? Para todos los casos, se
desea que las representaciones consten de once alumnos.
-Cuntas maneras tiene una persona de seleccionar una lavadora, una batidora y dos
licuadoras, si encuentra en una tienda 8 modelos diferentes de lavadoras, 5 modelos
diferentes de batidoras y 7 modelos diferentes de licuadoras?
Se les denomina tcnicas de conteo a: las combinaciones, permutaciones variaciones y
diagrama de rbol, las que a continuacin se explicarn y hay que destacar que stas nos
proporcionan la informacin de todas las maneras posibles en que ocurre un evento
determinado.
Las bases para entender el uso de las tcnicas de conteo son el principio multiplicativo y el
aditivo, los que a continuacin se definen y se hace uso de ellos.
9.1 PRINCIPIO MULTIPLICATIVO.
Si se desea realizar una actividad que consta de r pasos, en donde el primer paso de la
actividad a realizar puede ser llevado a cabo de N1 maneras o formas, el segundo paso de
N2 maneras o formas y el r-simo paso de Nr maneras o formas, entonces esta actividad
puede ser llevada a efecto de;
N1 x N2 x ..........x Nr maneras o formas

55
El principio multiplicativo implica que cada uno de los pasos de la actividad deben ser
llevados a efecto, uno tras otro.
Ejemplos:
1)
Una persona desea construir su casa, para lo cul considera que puede construir
los cimientos de su casa de cualquiera de dos maneras (concreto o block de
cemento), mientras que las paredes las puede hacer de adobe, adobn o ladrillo, el
techo puede ser de concreto o lmina galvanizada y por ltimo los acabados los
puede realizar de una sola manera cuntas maneras tiene esta persona de construir
su casa?
Solucin:
Considerando que r = 4 pasos
N1= maneras de hacer cimientos = 2
N2= maneras de construir paredes = 3
N3= maneras de hacer techos = 2
N4= maneras de hacer acabados = 1
N1 x N2 x N3 x N4 = 2 x 3 x 2 x 1 = 12 maneras de construir la casa
El principio multiplicativo, el aditivo y las tcnicas de conteo que posteriormente se
tratarn nos proporcionan todas las maneras o formas posibles de como se puede llevar a
cabo una actividad cualquiera.
2)
Cuntas placas para automvil pueden ser diseadas si deben constar de tres
letras seguidas de cuatro nmeros, si las letras deben ser tomadas del abecedario y
los nmeros de entre los dgitos del 0 al 9?, a. Si es posible repetir letras y nmeros,
b. No es posible repetir letras y nmeros, c. Cuntas de las placas diseadas en el
inciso b empiezan por la letra D y empiezan por el cero, d. Cuantas de las placas
diseadas en el inciso b empiezan por la letra D seguida de la G.
Solucin:
a.
Considerando 26 letras del abecedario y los dgitos del 0 al 9
26 x 26 x 26 x 10 x 10 x 10 x 10 = 75,760,000 placas para automvil que es

posible disear
b.
26 x 25 x 24 x 10 x 9 x 8 x 7 = 78,624,000 placas para automvil
c.
1 x 25 x 24 x 1 x 9 x 8 x 7 = 302,400 placas para automvil
d.
1 x 1 x 24 x 10 x 9 x 8 x 7 = 120,960 placas para automvil

56
3)
Cuntos nmeros telefnicos es posible disear, los que deben constar de seis
dgitos tomados del 0 al 9?, a. Considere que el cero no puede ir al inicio de los
nmeros y es posible repetir dgitos, b. El cero no debe ir en la primera posicin y
no es posible repetir dgitos, c. Cuntos de los nmeros telefnicos del inciso b
empiezan por el nmero siete?, d. Cuntos de los nmeros telefnicos del inciso b
forman un nmero impar?.
Solucin:
a.
b.
c.
d.
9 x 10 x 10 x 10 x 10 x 10 = 900,000 nmeros telefnicos

9.2 PRINCIPIO ADITIVO.

Si se desea llevar a efecto una actividad, la cul tiene formas alternativas para ser
realizada, donde la primera de esas alternativas puede ser realizada de M maneras o formas,
la segunda alternativa puede realizarse de N maneras o formas ..... y la ltima de las
alternativas puede ser realizada de W maneras o formas, entonces esa actividad puede ser
llevada a cabo de,
M + N + .........+ W maneras o formas
Ejemplos:
1)
Una persona desea comprar una lavadora de ropa, para lo cul ha pensado que
puede seleccionar de entre las marcas Whirpool, Easy y General Electric, cuando
acude a hacer la compra se encuentra que la lavadora de la marca W se presenta en
dos tipos de carga ( 8 u 11 kilogramos), en cuatro colores diferentes y puede ser
automtica o semiautomtica, mientras que la lavadora de la marca E, se presenta en
tres tipos de carga (8, 11 o 15 kilogramos), en dos colores diferentes y puede ser
automtica o semiautomtica y la lavadora de la marca GE, se presenta en solo un
tipo de carga, que es de 11 kilogramos, dos colores diferentes y solo hay
semiautomtica. Cuntas maneras tiene esta persona de comprar una lavadora?
Solucin:
M = Nmero de maneras de seleccionar una lavadora Whirpool
N = Nmero de maneras de seleccionar una lavadora de la marca Easy
W = Nmero de maneras de seleccionar una lavadora de la marca General Electric
M = 2 x 4 x 2 = 16 maneras
N = 3 x 2 x 2 = 12 maneras
W = 1 x 2 x 1 = 2 maneras
M + N + W = 16 + 12 + 2 = 30 maneras de seleccionar una lavadora
57
2 ) Rafael Luna desea ir a las Vegas o a Disneylandia en las prximas vacaciones de

verano, para ir a las Vegas l tiene tres medios de transporte para ir de Chihuahua al
Paso Texas y dos medios de transporte para ir del Paso a las Vegas, mientras que para ir
del paso a Disneylandia l tiene cuatro diferentes medios de transporte, a) Cuntas
maneras diferentes tiene Rafael de ir a las Vegas o a Disneylandia?, b) Cuntas
maneras tiene Rafael de ir a las Vegas o a Disneylandia en un viaje redondo, si no se
regresa en el mismo medio de transporte en que se fue?.
Solucin:
a) V = maneras de ir a las Vegas
D = maneras de ir a Disneylandia
V = 3 x 2 = 6 maneras
D = 3 x 4 = 12 maneras
V + D = 6 + 12 = 18 maneras de ir a las Vegas o a Disneylandia
b) V = maneras de ir y regresar a las Vegas
D = maneras de ir y regresar a Disneylandia
V = 3 x 2 x 1 x 2 = 12 maneras
D = 3 x 4 x 3 x 2 = 72 maneras
V + D = 12 + 72 = 84 maneras de ir a las Vegas o a Disneylandia en un viaje redondo
Cmo podemos distinguir cuando hacer uso del principio multiplicativo y cuando
del aditivo?
Es muy simple, cuando se trata de una sola actividad, la cual requiere para ser llevada a
efecto de una serie de pasos, entonces haremos uso del principio multiplicativo y si la
actividad a desarrollar o a ser efectuada tiene alternativas para ser llevada a cabo, haremos
uso del principio aditivo.
9.3 COMBINACIONES:
Determina el nmero de subgrupos de 1, 2, 3, etc. elementos que se pueden formar con los
"n" elementos de una nuestra. Cada subgrupo se diferencia del resto en los elementos que lo
componen, sin que influya el orden.
Por ejemplo, calcular las posibles combinaciones de 2 elementos que se pueden formar con
los nmeros 1, 2 y 3.
Se pueden establecer 3 parejas diferentes: (1,2), (1,3) y (2,3). En el clculo de
combinaciones las parejas (1,2) y (2,1) se consideran idnticas, por lo que slo se cuentan
una vez.
58
9.3.1 CLCULO DE COMBINACIONES

Para calcular el nmero de combinaciones se aplica la siguiente frmula:
El trmino " n ! " se denomina "factorial de n" y es la multiplicacin de todos los nmeros
que van desde "n" hasta 1.
Por ejemplo: 4 ! = 4 * 3 * 2 * 1 = 24
La expresin "Cm,n" representa las combinaciones de "m" elementos, formando subgrupos
de "n" elementos.
Ejemplo: C10,4 son las combinaciones de 10 elementos agrupndolos en subgrupos de 4
elementos:
Es decir, podramos formar 210 subgrupos diferentes de 4 elementos, a partir de los 10

elementos.
9.3.2 COMBINACIONES CON REPETICIN
Para calcular el nmero de combinaciones con repeticin se aplica la siguiente frmula:
Ejemplo: C'10,4 son las combinaciones de 10 elementos con repeticin, agrupndolos en

subgrupos de 4, en los que 2, 3 o los 4 elementos podran estar repetidos:
Es decir, podramos formar 715 subgrupos diferentes de 4 elementos.

9.4 VARIACIONES:
Calcula el nmero de subgrupos de 1, 2, 3, etc. elementos que se pueden establecer con los
"n" elementos de una muestra. Cada subgrupo se diferencia del resto en los elementos que
lo componen o en el orden de dichos elementos (es lo que le diferencia de las
combinaciones).
Por ejemplo, calcular las posibles variaciones de 2 elementos que se pueden establecer con
los nmero 1, 2 y 3.
Ahora tendramos 6 posibles parejas: (1,2), (1,3), (2,1), (2,3), (3,1) y (3,3). En este caso los
subgrupos (1,2) y (2,1) se consideran distintos.
9.4.1 CLCULO DE VARIACIONES
Para calcular el nmero de variaciones se aplica la siguiente frmula:
La expresin "Vm,n" representa las variaciones de "m" elementos, formando subgrupos de

"n" elementos. En este caso, como vimos en la leccin anterior, un subgrupo se diferenciar
del resto, bien por los elementos que lo forman, o bien por el orden de dichos elementos.
59
Ejemplo: V10,4 son las variaciones de 10 elementos agrupndolos en subgrupos de 4

elementos:
Es decir, podramos formar 5.040 subgrupos diferentes de 4 elementos, a partir de los 10

elementos.
9.4.2 VARIACIONES CON REPETICIN
Para calcular el nmero de variaciones con repeticin se aplica la siguiente frmula:
Ejemplo: V'10,4 son las variaciones de 10 elementos con repeticin, agrupndolos en

subgrupos de 4 elementos:
Es decir, podramos formar 10.000 subgrupos diferentes de 4 elementos.
9.5 PERMUTACIONES:
Calcula las posibles agrupaciones que se pueden establecer con todos los elementos de un
grupo, por lo tanto, lo que diferencia a cada subgrupo del resto es el orden de los elementos.
Por ejemplo, calcular las posibles formas en que se pueden ordenar los nmero 1, 2 y 3.
Hay 6 posibles agrupaciones: (1, 2, 3), (1, 3, 2), (2, 1, 3), (2, 3, 1), (3, 1, 2) y (3, 2, 1)
9.5.1 CLCULO DE PERMUTACIONES
Para calcular el nmero de permutaciones se aplica la siguiente frmula:
La expresin "Pm" representa las permutaciones de "m" elementos, tomando todos los
elementos. Los subgrupos se diferenciaran nicamente por el orden de los elementos.
Ejemplo: P10 son las permutaciones de 10 elementos:
Es decir, tendramos 3.628.800 formas diferentes de agrupar 10 elementos.

Vamos a analizar ahora que ocurrira con el clculo de las combinaciones, de las
variaciones o de las permutaciones en el supuesto de que al formar los subgrupos los
elementos pudieran repetirse.
Por ejemplo: tenemos bolas de 6 colores diferentes y queremos formar subgrupos en los
que pudiera darse el caso de que 2, 3, 4 o todas las bolas del subgrupo tuvieran el mismo
color. En este caso no podramos utilizar las frmulas que vimos en la leccin anterior.
60
9.5.2 PERMUTACIONES CON REPETICIN

Para calcular el nmero de permutaciones con repeticin se aplica la siguiente frmula:
Son permutaciones de "m" elementos, en los que uno de ellos se repite " x1 " veces, otro "
x2 " veces y as ... hasta uno que se repite " xk " veces.
Ejemplo: Calcular las permutaciones de 10 elementos, en los que uno de ellos se repite en 2 ocasiones y
otro se repite en 3 ocasiones:
Es decir, tendramos 302,400 formas diferentes de agrupar estos 10 elementos.

9.6 DIAGRAMA DE ARBOL.
Un diagrama de rbol es una representacin grfica de un experimento que consta
de r pasos, donde cada uno de los pasos tiene un nmero finito de maneras de ser llevado a
cabo.
Ejemplos:
1.Un mdico general clasifica a sus pacientes de acuerdo a: su sexo (masculino o
femenino), tipo de sangre (A, B, AB u O) y en cuanto a la presin sangunea (Normal, Alta
o Baja). Mediante un diagrama de rbol diga en cuantas clasificaciones pueden estar los
pacientes de este mdico?
Si contamos todas las ramas terminales, nos damos cuenta que el nmero de clasificaciones
son 2 x 4 x 3 = 24 mismas que podemos enumerar;
MAN, MAA, MAB, MBN, MBA, MBB, etc, etc.
61
1)
Dos equipos denominados A y B se disputan la final de un partido de baloncesto,

aquel equipo que gane dos juegos seguidos o complete un total de tres juegos
ganados ser el que gane el torneo. Mediante un diagrama de rbol diga de cuantas
maneras puede ser ganado este torneo,
Solucin:
A = gana el equipo A
B = gana el equipo B
En este diagrama se muestran que hay solo diez maneras de que se gane el torneo, que se
obtienen contando las ramas terminales de este diagrama de rbol, las que es posible
enumerar;
AA, ABB, ABAA, ABABA, ABABB, etc, etc.
2)
Un hombre tiene tiempo de jugar ruleta cinco veces como mximo, l empieza a jugar
con un dlar, apuesta cada vez un dlar y puede ganar o perder en cada juego un dlar, l se
va a retirar de jugar si pierde todo su dinero, si gana tres dlares (esto es si completa un
total de cuatro dlares) o si completa los cinco juegos, mediante un diagrama de rbol, diga
cuntas maneras hay de que se efectu el juego de este hombre.
62
Si contamos las ramas terminales nos daremos cuenta que hay 11 maneras de que este
hombre lleve a cabo sus apuestas, en este diagrama se han representado los cinco
juegos o apuestas que este hombre tiene tiempo de jugar.
63

1. Si una prueba se compone de 12 preguntas de verdadero-falso, a. de cuantas maneras
diferentes un estudiante puede dar una respuesta para cada pregunta?, b. S de antemano el
maestro le dice que la primera pregunta es verdadera, cuntas maneras tiene de contestar
esta prueba?.
a. R= 4,096 maneras b. R= 2,048 maneras
2. Un fabricante tiene dificultades para obtener registros consistentes de resistencias a la
tensin entre tres mquinas localizadas en la planta de produccin, el laboratorio de
investigacin y el laboratorio de control de calidad , respectivamente, al mismo tiempo hay
cuatro posibles tcnicos Toms, Enrique, Rafael y Javier- quienes operan al menos una de
las mquinas a prueba regularmente, a. cuntos pares operador-mquina deben incluirse en
un experimento planeado en el que cada operador maneje todas las mquinas?, b. Si se
requiere que cada par operador-mquina pruebe ocho especimenes, cuntos especimenes
de prueba se necesitan para el procedimiento ntegro? Nota: un espcimen se destruye
cuando se mide su resistencia a la tensin.
a.
R= 12 pares b. R= 96 especimenes
3. Un inspector de construcciones tiene que revisar el cableado de un nuevo de
departamentos, ya sea el lunes, el martes, mircoles o jueves, a las 8 A. M., a las 10 A. M. o
a las 2 P. M. , a. cuntas maneras tiene este inspector de hacer las revisiones del
cableado?, b. Obtenga las maneras en que el inspector puede realizar las revisiones del
cableado, haciendo uso ahora de un diagrama de rbol.
a y b. R= 12 maneras
4. Si los cinco finalistas de un torneo internacional de golf son Espaa, Estados Unidos,
Portugal, Uruguay y Japn, a. Diga de cuantas maneras es posible que se otorgue un
primero, segundo lugar y tercer lugar, b. Considerando que el primer lugar lo gana Portugal
y el segundo lo gana Estados Unidos, cuantas maneras hay de que se otorguen los lugares
antes mencionados?.
a. R= 60 maneras, b. R= 3 maneras
5. Una computadora de propsito especial contiene tres conmutadores, cada uno de los
cules puede instalarse de tres maneras diferentes. De cuantas maneras diferentes puede
instalarse elbanco de conmutadores de la computadora?
R= 27 maneras
6. De cuantas maneras ordenadas puede programar un director de televisin seis
comerciales en los seis intermedios para comerciales durante la transmisin televisiva del
primer tiempo de un partido de hockey?, si, a. los comerciales son todos diferentes, b. dos
de los comerciales son iguales, c. Si hay cuatro comerciales diferentes, uno de los cuales
debe aparecer tres veces, mientras que cada uno de los otros debe aparecer una sola
vez.
a. R= 720 maneras b. R= 360 maneras c. R= 120 maneras
7. Determine el nmero de maneras en las que un fabricante puede seleccionar dos de las
quince ubicaciones para un almacn.
R= 105 maneras
64
8. Una caja de 12 bateras recargables, contiene una defectuosa, de cuantas maneras

un inspector puede seleccionar tres de las bateras y, a. obtener la defectuosa, b. no obtener
la defectuosa.
a. R= 55 maneras, b. R= 165 maneras
9. El departamento de suministros tiene ocho diferentes motores elctricos y cinco
diferentes interruptores de arranque. De cuantas maneras pueden seleccionarse dos
motores y dos conmutadores para un experimento de una antena de rastreo?,
R= 280 maneras
10. A los participantes de una convencin se les ofrecen 6 recorridos por da para visitar
lugares de inters durante los tres das de duracin del evento. En cuantas formas puede
una persona acomodarse para hacer alguno de ellos?
R= 18 formas
11. Un determinado zapato se fabrica en 5 estilos diferentes y en 4 colores distintos para
cada uno. Si la zapatera desea mostrar a su clientela pares de zapatos en todos los estilos y
colores, cuntos pares distintos debern colocar en el aparador?
R= 20
12. Un estudiante de primer ao debe tomar un de ciencia, uno de humanidades y otro de
matemticas. Si puede escoger entre cualquiera de 6 cursos de ciencias, 4 de humanidades y
4
de
matemticas,
cuntas
maneras
tiene
de
seleccionar
las
materias?
R= 96 maneras
13. Un urbanista de una nueva subdivisin ofrece a los clientes prospectos para la compra
de una casa, la posibilidad de seleccionar cualquiera de 4 diseos diferentes, tres sistemas
de calefaccin, cochera con puertas o sin ellas, y patio o prtico, cuntos planes distintos
estn disponibles para el comprador?
R= 48 planes
14. Si una prueba de seleccin mltiple consta de 5 preguntas, cada una con 4 posibles
respuestas, de las cuales solo una es correcta, a. en cuantas formas diferentes puede un
estudiante escoger una respuesta para cada pregunta?, b. en cuantas formas puede un
estudiante escoger una alternativa para cada pregunta y tener todas las respuestas
incorrectas?
a. R= 1024 b. r=243
15. Un testigo de un accidente de trnsito en el que el causante huy, le indica al polica
que el nmero de matrcula del automvil tena las letras DUH seguidas por tres dgitos, el
primero de los cuales era un cinco. S el testigo no puede recordar los otros dos dgitos,
pero est seguro de que los tres eran diferentes, encuentre el nmero mximo de registros
de automvil que debe verificar la polica.
R=72 registros
65
16. a) De cuantas maneras pueden formarse 6 personas para subir a un autobs?, b.si tres
de ellas insisten en seguirse una a la otra, en cuantas formas es esto posible?,c.Si dos
personas se rehsan a seguirse una a la otra?
a. R=720 b. R=144 c. R=480 maneras
17. a) cuntos nmeros de tres dgitos pueden formarse con los dgitos 0, 1, 2, 3, 4, 5, y 6,
si cada uno solo puede usarse solo una vez?, b) cuntos de estos nmeros son nones?, c)
cuntos son mayores que 330?
a. R=180 b. R=75 c. R=105 nmeros
18. En cuantas formas pueden sentarse en una lnea 4 nios y 5 nias, si deben colocarse
alternadamente?
R=2880 formas
19. Cuatro matrimonios compraron 8 lugares para un concierto. En cuantas formas
diferentes pueden sentarse a. sin restricciones?, b. si se sientan por parejas?, c. si todos los
hombres se sientan juntos a la izquierda de todas las mujeres?
a. R=40,320 b. R=384 c. R=576
20. Cuntos mens que consisten de sopa, emparedado, postre y un refresco se puede
ofrecer si se puede seleccionar entre 4 sopas diferentes, 3 clases de emparedados, 5 postres
y 4 refrescos?
R=240 mens
21. En cuantas formas pueden llenarse las 5 posiciones iniciales de un equipo de
baloncesto con 8 jugadores que pueden ocupar cualquiera de ellas?
R=6720 formas
22. Se sacan tres boletos de la lotera, de un grupo de 40, para el primero, segundo y tercer
premios. Encuentre el nmero de puntos muestrales en d para otorgarlos si cada
concursante conserva solo un boleto.
R=59,280 puntos
23. En cuantas formas pueden plantarse, a lo largo de la lnea divisoria de una propiedad,
3 robles, 4 pinos y 2 arces, si no se distingue entre los rboles de la misma
clase?
R=1,260 formas
24. Nueve personas salen de viaje para esquiar en tres vehculos cuyas capacidades son de
2, 4 y 5 pasajeros, respectivamente. En cuntas formas es posible transportar a las 9
personas hasta el albergue con todos los vehculos?
R=4,410 formas
25. Cuntas formas hay de seleccionar a 3 candidatos de un total de 8 recin graduados y
con
las
mismas
capacidades
para
ocupar
vacantes
en
una
firma
contable?
R=56,,21,,10 formas
66
26. En un estudio que realizaron en california, el decano Lester Breslow y el doctor James
Enstrom de la School of Public Health de la University of California en los Angeles, se
concluy que al seguir 7 sencillas reglas de salud, la vida de un hombre puede alargarse, en
promedio 11 aos, y la de las mujeres siete. Estas 7 reglas son: no fumar, hacer ejercicio
regularmente, tomar alcohol solo en forma moderada, dormir siete u ocho horas, conservar
un peso apropiado, desayunar y no comer entre alimentos. En cuantas formas puede una
persona adoptar cinco de estas reglas, a. si actualmente las viola todas?, b. si nunca toma
bebidas alcohlicas y siempre desayuna?
a. R=21 formas
b.R=10 formas
27. Un dispositivo Biomecnico para emergencias mdicas puede operar 0, 1 o 2 veces por
noche. Trace un diagrama de rbol para demostrar que existen 10 maneras diferentes en las
que puede operar para un total de 6 veces en cuatro noches.
67
Tema # 10
PROBABILIDADES
En ocasiones cuando se habla de probabilidad o posibilidad de que un evento ocurra, se
pierde la credibilidad acerca del evento en cuestin, pero es posible tener siempre la
certeza total en todo proyecto o actividad que se desea realizar?, es muy difcil tenerla,
debido a que el llevar a efecto un proyecto cualquiera por ms simple que este sea, ste est
sujeto a una gran diversidad de factores que afectan su ocurrencia, entonces que es lo ms
aconsejable para predecir su ocurrencia?, la probabilidad es la que nos ayuda en estos
casos, ya que basndose en estadsticas, podemos cuantificar la posibilidad de ocurrencia de
los eventos y por consiguiente tomar una buena decisin basados en esta informacin.
10.1 CONCEPTO.
La probabilidad se encarga de evaluar todas aquellas actividades en donde se tiene
incertidumbre acerca de los resultados que se pueden esperar, esto quiere decir que la
probabilidad est presente en casi en todas las actividades que se pretenda realizar,
ejemplos:
-Cualquier proyecto de Ingeniera o de otras reas
-Competencias deportivas
-Juegos de azar, etc., etc.
Cmo podemos calcular probabilidades?
1. Haciendo uso de las estadsticas.
En este caso, se hace uso de la informacin que se ha acumulado acerca del evento que nos
interesa, y despus de esto se procede a calcular las probabilidades requeridas.
Ejemplo. Determine la probabilidad de que en cierta lnea de produccin se manufacture un
producto defectuoso, si se toma como referencia que la produccin de la ltima semana en
esta lnea fue de 1,500 productos, entre los que se encontraron 8 productos defectuosos.
p(producto defectuoso) = No de productos defectuoso /Total de productos producidos en la
semana
= 18 / 1500 = 0.012
Lo anterior nos indica que es muy probable que 1.2 productos de cada 100 que se
manufacturen en esa lnea sern defectuosos.
Porqu se utiliz para calcular las probabilidades la informacin de la semana inmediata
anterior?. Debido a que esta refleja la situacin que guarda actualmente la produccin de la
lnea mencionada.
2. Basndose en la experimentacin. Hay casos en los que despus de repetir un nmero
muy grande de veces un experimento, es posible determinar las probabilidades de
ocurrencia de algunos eventos, tales como: La probabilidad de que aparezca guila al lanzar
una moneda equilibrada, la probabilidad de que aparezca el nmero 3 en un dado, etc., etc.
Ejemplos:
68
p(guila) =1/2 = 0.5

p(aparezca el nmero 3)= 1 / 6 = 0.1666
3. Asignando probabilidades. En este caso se hace uso de las probabilidades obtenidas
mediante estadsticas y la experimentacin y se asignan a los eventos previamente descritos
y a partir de ellas se determinan probabilidades de otros eventos.
A continuacin se definen algunas cuestiones implcitas en el clculo de probabilidades.
a) Espacio muestral ().- Es el conjunto de todos los resultados posibles de un experimento.
Es nuestro Universo.
Ejemplos:
1. Se lanza al aire un dado normal (perfectamente equilibrado), enumere los posibles
resultados de este experimento.
2. Se lanza al aire dos veces una moneda normal, defina su espacio muestral.
= AA, AS, SA, SS
b) Evento A.- El evento A es un subconjunto del espacio muestral.
Ejemplos:
1. Sea A el evento de que aparezca un nmero par en el lanzamiento de un dado, entonces;
A = 2,4,6
2. Sea B el evento de que aparezcan dos guilas en tres lanzamientos de una moneda
normal, entonces;
Como = AAA, AAS, SAA, ASA, ASS, SAS, SSA, SSS
Luego B = AAS, SAA, ASA
a)
Sea un evento que carece de elementos.
Como se observa los experimentos y eventos probabilsticos se pueden expresar con la

notacin de conjuntos y a continuacin se enumeran algunas operaciones que es posible
realizar con los eventos.
69
4)
Se dice que A y B son eventos mutuamente excluyentes o exclusivos si AB =
Ejemplo:
En un saln de clase hay 15 alumnos, 7 de los cules son de tercer semestre, 5 son de
cuarto semestre y 3 son de quinto semestre de la carrera de Ingeniera Qumica, de los
cuales 4, 2 y 1 respectivamente dominan el Ingls, si se selecciona un alumno al azar de
este grupo, a. cul es la probabilidad de que el alumno seleccionado sea de quinto
semestre?, b. cul es la probabilidad de que sea de tercero o cuarto semestre?, c. cul
es la probabilidad de que el alumno seleccionado sea de tercer semestre y domine el
ingls?, d. cul es la probabilidad de que el alumno seleccionado no domine el ingls?,
e. Diga si los eventos T y Q son mutuamente excluyentes, diga si los eventos Q e I son
mutuamente excluyentes?
70
Solucin:
Empezaremos por definir algunos eventos;
T = evento de que un alumno sea de tercer semestre
Cu = evento de que un alumno sea de cuarto semestre
Q = evento de que un alumno sea de quinto semestre
I = evento de que un alumno domine el ingls
a.
b.
p(alumno seleccionado sea de quinto semestre) = p(Q) = 3/15 = 0.2

p(alumno seleccionado sea de tercero o cuarto semestre)= p(T Cu) =
= p( T) + p(Cu) = 7/15 + 5/15 = 12/15 = 0.8
c.
p(alumno sea de tercer semestre y domine el ingls) = p(T I) = 4/15 = 0.26667
d.
p(alumno seleccionado no domine el ingls) = p(I c ) = 8/15 = 0.53333
e.
Los eventos T y Q son mutuamente excluyentes dado que TQ =
Los eventos Q e I no son eventos mutuamente excluyentes, ya que QI= 1
Ya que hay un alumno que cumple con ambos eventos, es de quinto semestre y domina el
ingls.
10.2 AXIOMAS Y TEOREMAS.
Para el clculo de probabilidades hay que tomar en cuenta los Axiomas y Teoremas que a
continuacin se enumeran.
1) La probabilidad de que ocurra un evento A cualquiera se encuentra entre cero y uno.
0 p(A) 1
2) La probabilidad de que ocurra el espacio muestral debe de ser 1.
p() = 1
3) Si A y B son eventos mutuamente excluyentes, entonces la p(AB) = p(A) + p(B)
Generalizando:
Si se tienen n eventos mutuamente excluyentes o exclusivos A1, A2, A3,.....An, entonces;
p(A1A2.........An) = p(A1) + p(A2) + .......+ p(An)
TEOREMA 1. Si es un evento nulo o vaco, entonces la probabilidad de que
ocurra debe ser cero.
DEMOSTRACIN:
Si sumamos a un evento A cualquiera, como y A son dos eventos mutuamente
excluyentes, entonces p(A)=p(A) +p()=p(A). LQQD
71
TEOREMA 2. La probabilidad del complemento de A, Ac debe ser, p(Ac)= 1 p(A)
DEMOSTRACIN:
Si el espacio muestral , se divide en dos eventos mutuamente exclusivos, A y
Ac luego =AAc, por tanto p()=p(A) + p(Ac) y como en el axioma dos se afirma que
p()=1, por tanto, p(Ac)= 1 - p(A) .LQQD
TEOREMA 3. Si un evento A B, entonces la p(A) p(B).
DEMOSTRACIN:
Si separamos el evento B en dos eventos mutuamente excluyentes, A y B \ A (B menos A),
por tanto, B=A(B \ A) y p(B)=p(A) +p(B \ A), luego entonces si p(B \ A)0 entonces se
cumple que p(A)p(B). LQQD
TEOREMA 4. La p( A \ B )= p(A) p(AB)
DEMOSTRACIN: Si A y B son dos eventos cualquiera, entonces el evento A se puede

separar en dos eventos mutuamente excluyentes, (A\B) y AB, por tanto,
A=(A\B)(AB), luego p(A)=p(A\B) + p(AB), entonces, p(A\B)=p(A) (AB). LQQD
72
TEOREMA 5. Para dos eventos A y B, p(AB)=p(A) + p(B) p(AB).
DEMOSTRACIN:
Si AB = (A \ B) B, donde (A \ B) y B son eventos mutuamente excluyentes, por lo que
p(A B) = p(A\B) + p(B) y del teorema anterior tomamos que p(A \ B) = p(A) p(AB),
por tanto, p(AB) = p(A) + p(B) p(AB). LQQD
COROLARIO:
Para tres eventos A, B y C,

p(ABC) = p(A) + p(B) + p(C) p(AB) p(AC) (BC) + p(ABC).
10.3 ESPACIOS FINITOS DE PROBABILIDAD.
Sea el espacio muestral, que contiene n elementos a1, a2, a3,.....,an, si a cada uno de los
elementos de le asignamos una probabilidad pi 0, entonces estamos transformando este
espacio muestral en un espacio finito de probabilidad; el que debe cumplir con las
siguientes caractersticas:
1) Las probabilidades asociadas a cada uno de los elementos de deben ser mayores o
iguales a cero, pi0.
2) La sumatoria de las probabilidades asociadas a cada uno de los elementos de debe de
ser igual a 1.
pi = 1
En caso de que no se cumpla con las caractersticas antes mencionadas, entonces no se
trata de un espacio finito de probabilidad.
73
Ejemplos:
1. Se lanza al aire un dado normal, si la probabilidad de que aparezca una de sus caras es
proporcional al nmero que ostenta, a) cul es la probabilidad de que aparezca un nmero
par?, b) cul es la probabilidad de que aparezca un nmero primo?
Solucin:
= 1, 2, 3, 4, 5, 6
En este caso asignaremos las probabilidades como sigue;
p(aparezca el nmero 1) = p, p(aparezca el nmero 2) = 2p, .....,
p(aparezca el nmero 5) = 5p, p(aparezca el nmero 6) = 6p
Y por ser un espacio finito de probabilidad, entonces,
p() = p + 2p + 3p + 4p + 5p + 6p =1
Por tanto, 21p = 1, luego, p = 1/21
a.
Luego;
A = evento de que aparezca un nmero par = 2, 4, 6
p(A)=p(2)+p(4) + p(6) = 2p + 4p + 6p = 12p = 12(1/21) = 12/21= 0.5714
b.
B = es el evento de que aparezca un nmero primo = 1, 2, 3, 5
p(B)=p(1) + p(2) + p(3) + p(5) = p + 2p + 3p + 5p = 11p = 11(1/21) = 11/21 = 0.5238
2. En una competencia de nado sincronizado, participan los equipos de Ecuador, Mxico y

Venezuela, Mxico tiene el doble de posibilidades de ganar que Ecuador, mientras que
Venezuela tiene un tercio menos de posibilidades de ganar que ecuador, a. Determine la
probabilidad de que gane Venezuela, b. Determine la probabilidad de que gane Ecuador o
Venezuela, c. Determine la probabilidad de que no gane Mxico.
Solucin:
= Ecuador, Mxico Venezuela
Por ser un espacio finito de probabilidad, p() = 1, luego,
P() = p(gane Ecuador) + p(gane Mxico) + p(gane Venezuela) = p + 3p + 2/3p=1
Como 14/3p = 1,
luego p = 3/14
a. p(gane Venezuela) = 2/3 p = 2/3*3/14 = 2/14 = 1/7 = 0.14285
b. p(gane Venezuela o Ecuador)=p(gane Venezuela)+p(gane Ecuador)=
p(gane Venezuela o Ecuador)= 2/3p + p = 5/3 p = 5/3*3/14 =5/14 = 0.35714
c. p(no gane Mxico) = p(gane Venezuela o Ecuador) = 1 p(gane Mxico) = 1 3p =
= 1 3(3/14) = 1 9/14 = 5/14 = 0.35714
74
3. En una competencia de ciclismo participan A, B y C, A tiene el doble de posibilidades

de ganar que B y B el doble que C, a. Determine la probabilidad de que gane B, b.
Determine la probabilidad de que gane A o B.
Solucin:
= A, B, C, y por ser un espacio finito de probabilidad,
p() = p(gane A) + p(gane B) + p(gane C) = 4p + 2p + p = 1
Como 7p = 1, luego, p = 1/7
a.
p(gane B) = 2p = 2(1/7) = 2/7 = 0.28571
b.
p(gane A o B) = 4p + 2p = 6p = 6(1/7) = 6/7 = 0.85714
10.4 ESPACIOS FINITOS EQUIPROBABLES.
Sea un espacio muestral que contiene n elementos, = a1, a2, a3,....,an , si a cada uno de
los elementos de le asignamos una probabilidad igual de ocurrencia, pi = 1/n por
tener n elementos , entonces estamos transformando este espacio muestral en un espacio
finito equiprobable, el que debe cumplir con las siguientes condiciones:
1. Las probabilidades asociadas a cada uno de los elementos del espacio muestral deben
ser mayores o iguales a cero, pi 0.
2. La sumatoria de las probabilidades asociadas a cada elemento del espacio muestral
debe de ser igual a 1.
pi = 1
En caso de que no se cumpla con las condiciones anteriores, entonces no se trata de
un espacio finito equiprobable.
Solo en el caso de espacios finitos equiprobables, si deseamos determinar la probabilidad
de que ocurra un evento A cualquiera, entonces;
p(A) = r*1/n = r/n
p(A) = maneras de ocurrir el evento A/ Nmero de elementos del espacio muestral
r = maneras de que ocurra el evento A
1/n = probabilidad asociada a cada uno de los elementos del espacio muestral
n = nmero de elementos del espacio muestral
Ejemplos:
1. Se lanza al aire una moneda normal (una moneda perfectamente equilibrada) tres
veces, determine la probabilidad de que: a. Aparezcan puros sellos, b. Aparezcan
dos guilas, c. Aparezcan por lo menos dos guilas.
Solucin:
Para calcular las probabilidades de este problema, hay que definir el espacio muestral en
cuestin; si representamos los tres lanzamientos de la moneda mediante un diagrama de
rbol, encontraremos que el espacio muestral o el conjunto de todos los resultados posibles
es:
= AAA, ASS, SAS, SSA, AAS, SAA, ASA, SSS
a. A = evento de que aparezcan puros sellos = SSS
75
p(A) = p(aparezcan puros sellos) = p(SSS) = 1/8 = 0.125

Porqu un octavo?, s el espacio muestral consta de 8 elementos como se ha observado,
entonces la probabilidad asociada a cada uno de los elementos del espacio muestral es de
1/8, por ser un espacio finito equiprobable ya que cada uno de los elementos mostrados
tiene la misma probabilidad de ocurrencia.
B = evento de que aparezcan dos guilas = AAS, SAA, ASA
p(B) = p(aparezcan dos guilas) = p(AAS, SAA, ASA) = 1/8 + 1/8 + 1/8 = 3/8 = 0.375
c. C = evento de que aparezcan por lo menos dos guilas = AAS, SAA, ASA, AAA
p(C) = p(AAS, SAA, ASA, AAA)=p(aparezcan dos guilas) + p(aparezcan tres guilas)
p(C) = 4/8 = 1/2 = 0.5
2.
En un lote de produccin que consta de 20 computadoras personales de cierta marca, se

ha detectado que 4 tienen defectos de tipo operacional. 1. Si se selecciona al azar una
computadora, a. Determine la probabilidad de que la computadora seleccionada tenga
defectos de tipo operacional, b. cul es la probabilidad de que no tenga defectos de
tipo operacional?. 2. Si se seleccionan al azar 4 computadoras de este lote, determine la
probabilidad de que: a. Solo tres tengan defectos de tipo operacional, b. Por lo menos
dos tengan defectos de tipo operacional, c. Como mximo una tenga defectos de tipo
operacional.
Solucin:
Para el punto 2.1, cuando se selecciona de un lote un solo elemento, entonces el espacio
muestral est compuesto de entes unitarios, que son cada una de las computadoras,
= 20 computadoras
a. A = evento de que una computadora tenga defectos de tipo operacional
p(A) = 5/20 = 0.25
b. B = evento de que una computadora no tenga defectos de tipo operacional
p(B) = 1 - p(A) = 1 0.25 = 0.75
2.2 Al seleccionar del lote ms de una computadora, el espacio muestral ya no estar
compuesto por entes unitarios, estar formado por todos los grupos que se puedan formar
de 4 computadoras seleccionadas de entre 20 que se tienen.
10.5 PROBABILIDAD CONDICIONAL
Sea un espacio muestral en donde se ha definido un evento E, donde p(E)0, si deseamos
determinar la probabilidad de que ocurra un evento A (el que tambin es definido en el
mismo espacio muestral), dado que E ya ocurri, entonces deseamos determinar una
probabilidad de tipo condicional, la que se determina como se muestra;
76
Donde:
p(AE) = probabilidad de que ocurra A dado que E ya ocurri
p(AE) = probabilidad de que ocurra A y E a un mismo tiempo
p(E) = probabilidad de que ocurra E
Luego;
Donde:
AE= nmero de elementos comunes a los eventos A y E
E= nmero de elementos del evento E
Luego entonces podemos usar cualquiera de las dos frmulas para calcular la
probabilidad condicional de A dado que E ya ocurri.
Ejemplos:
1. Se lanza al aire dos dados normales, si la suma de los nmeros que aparecen es de
por lo menos siete, a. determine la probabilidad de que en el segundo dado aparezca el
nmero cuatro, b. Determine la probabilidad de que ambos nmeros sean pares, c.
Determine la probabilidad de que en el primer dado aparezca el nmero dos.
Solucin:
El espacio muestral es el mismo que cuando se lanza un dado dos veces y se muestra a
continuacin;
77
(1,1) (2,1) (3,1) (4,1) (5,1) (6,1)

(1,2) (2,2) (3,2) (4,2) (5,2) (6,2)
= (1,3) (2,3) (3,3) (4,3) (5,3) (6,3)
(1,4) (2,4) (3,4) (4,4) (5,4) (6,4)
(1,5) (2,5) (3,5) (4,5) (5,5) (6,5)
(1,6) (2,6) (3,6) (4,6) (5,6) (6,6)
a.
Para calcular una probabilidad condicional es necesario definir los eventos A y E,

siendo estos,
A = evento de que en el segundo dado aparezca el nmero cuatro,

E = evento de que la suma de los nmeros que aparecen sea de por lo menos siete, (que
es que es el evento que est condicionando)
E = 21 elementos, los que suman siete o ms
(6,1)
(5,2) (6,2)
E = (4,3) (5,3) (6,3)
(3,4) (4,4) (5,4) (6,4)
(2,5) (3,5) (4,5) (5,5) (6,5)
(1,6) (2,6) (3,6) (4,6) (5,6) (6,6)
A = 6 elementos, los que en el segundo dado aparece el cuatro
A = (1,4) (2,4) (3,4) (4,4) (5,4) (6,4)
Luego,
AE = (3,4) (4,4) (5,4) (6,4), AE= 4 elementos
Por tanto;
p(AE) = AE/ E= 4/21 = 0.19048
b.
E = evento de que la suma de los nmeros que aparecen sea de por lo menos siete
(6,1)
(5,2) (6,2)
E = (4,3) (5,3) (6,3)
(3,4) (4,4) (5,4) (6,4)
(2,5) (3,5) (4,5) (5,5) (6,5)
(1,6) (2,6) (3,6) (4,6) (5,6) (6,6)
78
A = evento de que ambos nmeros sean pares

(2,2) (4,2) (6,2)
A = (2,4) (4,4) (6,4)
(2,6) (4,6) (6,6)
(6,2)
AE = (4,4) (6,4)
(2,6) (4,6) (6,6)
AE= 6 elementos
p(AE) = AE/ E
= 6/ 21
= 0.28571
c.
E = evento de que la suma de los nmeros que aparecen sea de por lo menos siete
(6,1)
(5,2) (6,2)
E = (4,3) (5,3) (6,3)
(3,4) (4,4) (5,4) (6,4)
(2,5) (3,5) (4,5) (5,5) (6,5)
(1,6) (2,6) (3,6) (4,6) (5,6) (6,6)
A = evento de que en el primer dado aparezca el nmero dos
(2,1)
(2,2)
A = (2,3)
(2,4)
(2,5)
(2,6)
AE = (2,5),
AE= 1 elemento
P(AE) = AE/E
= 1/21
= 0.04762
79
2.Se seleccionan al azar dos nmeros de entre los nmeros del 1 al 9, si la suma de los
nmeros que aparecen es par, a. Determine la probabilidad de que ambos nmeros sean
pares, b. Determine la probabilidad de que ambos nmeros sean impares.
Solucin:
= 9C2 = 36 maneras de seleccionar dos nmeros de entre nueve que se tienen
(1,2)
(1,3) (2,3)
(1,4) (2,4) (3,4)
= (1,5) (2,5) (3,5) (4,5)
(1,6) (2,6) (3,6) (4,6) (5,6)
(1,7) (2,7) (3,7) (4,7) (5,7) (6,7)
(1,8) (2,8) (3,8) (4,8) (5,8) (6,8) (7,8)
(1,9) (2,9) (3,9) (4,9) (5,9) (6,9) (7,9) (8,9)
a.
E = evento de que la suma de los nmeros que se seleccionan sea par

(1,3)
(2,4)
E = (1,5) (3,5)
(2,6) (4,6)
(1,3) (3,7) (5,7)
(2,8) (4,8) (6,8)
(1,9) (3,9) (5,9) (7,9)
E = 16 elementos
(2,4)
A = (2,6) (4,6)
(2,8) (4,8) (6,8)
A = 6 elementos
(2,4)
AE = (2,6) (4,6)
(2,8) (4,8) (6,8)
AE = 6 elementos ,
p(AE) = AE/ E= 6/16 = 0.375
80
b.
E = evento de que la suma de los nmeros seleccionados es par

(1,3)
(2,4)
E = (1,5) (3,5)
(2,6) (4,6)
(1,3) (3,7) (5,7)
(2,8) (4,8) (6,8)
(1,9) (3,9) (5,9) (7,9)
A = evento de que ambos nmeros sean impares
(1,3)
A = (1,5) (3,5)
(1,7) (3,7) (5,7)
(1,9) (3,9) (5,9) (7,9)
A = 10 elementos,
(1,3)
AE = (1,5) (3,5)
(1,7) (3,7) (5,7)
(1,9) (3,9) (5,9) (7,9)
AE= 10 elementos;
p(AE)= AE/ E= 10/16 = 0.625
Este ejercicio tambin puede ser resuelto haciendo uso de las combinaciones; el espacio
muestral puede ser definido;
= 9C2 = 36 maneras de seleccionar los dos nmeros
a.
E = evento de que la suma de los nmeros seleccionados sea par
Para que la suma de dos nmeros sea par, forzosamente ambos deben ser pares o
impares, por tanto,
E = seleccin de dos nmeros pares o de dos impares = 4C2 + 5C2
A = 4C2
AE = 4C2 = 6 maneras de seleccionar dos nmeros pares
AE= 6 elementos
81
p(AE) = AE/E= 6/16 = 0.375

b.
E = evento de que la suma de los nmeros seleccionados sea par

E = 4C2 + 5C2 = 16 maneras de seleccionar dos nmeros de entre nueve
A = evento de que ambos nmeros sean impares
A = 5C2 = 10 maneras de seleccionar dos nmeros impares
AE= 5C2 = 10
p(AE= AE/E= 10/16 = 0.625
3. Dada la siguiente tabla referente a la produccin de flechas para camin de carga pesada;
se inspeccionan 200 flechas del tipo A y B, 300 del tipo C y 400 del tipo D, a continuacin
se presentan los resultados obtenidos en la inspeccin;
DEFECTO
I
II
S - DEF
TOTAL
A
54
28
118
200
TIPO
B
23
12
165
200
FLECHA
C
D
40
15
14
5
246
380
300
400
TOTAL
132
59
909
1100
a.
Si se selecciona una flecha al azar y resulta que es una flecha del tipo B, cul es la
probabilidad de que no tenga defectos, b. Si la flecha seleccionada es del tipo C, cul es la
probabilidad de que tenga defectos del tipo II?, c. Si la flecha seleccionada tiene defectos
del tipo I, cul es la probabilidad de que sea del tipo A, d. cul es la probabilidad de que
una flecha no tenga defectos?, e. cul es la probabilidad de que una flecha tenga defectos?
Solucin:
a. Definiremos los eventos;
E = evento de que la flecha seleccionada sea del tipo B = 200 elementos o flechas
A = evento de que la flecha seleccionada no tenga defectos = 909 flechas o elementos
AE = 165 elementos del tipo B y que no tienen defectos
p(AE) = AE/E= 165/200 = 0.825
82
b.
E = evento de que la flecha sea del tipo C =300 flechas

A = evento de que la flecha tenga defectos del tipo II =59 flechas
AE = 14 flechas del tipo C y que tienen defectos del II
p(AE) =AE/E= 14/300 = 0.04667
c.
E = evento de que la flecha tenga defectos del tipo I = 132 flechas

A = evento de que la flecha sea del tipo A = 200 flechas
AE = 54 flechas con defectos del tipo I y del tipo A
p(AE) = AE/E= 54 / 132 = 0.40901
d. En este caso se trata de una probabilidad simple, ya que no hay un evento que est
condicionando al evento del cual se desea determinar su probabilidad
D = evento de que una flecha no tenga defectos = 909 flechas
= 1100 flechas
p(D) = 909/1100 = 0.82636
f.
F = evento de que una flecha tenga defectos = 132 + 59 = 191 flechas

= 1100 flechas
p(F) = 191 / 1100 = 0.17364
4. Una pareja de recin casa dos ha decidido formar una familia de solo tres hijos, a.
determine la probabilidad de que tenga puros hijos varones, b. cul es la probabilidad de
que tenga como mximo un hijo varn, c. cul es la probabilidad de que su segundo hijo
sea varn, d. Si esta familia tiene por lo menos una hija, cul es la probabilidad de que el
segundo hijo sea varn?, e. Si esta familia tiene como mximo un hijo varn, cul es la
probabilidad de que tenga puras hijas?
Solucin:
Lo primero que hay que obtener para resolver este problema es el espacio muestral, para lo
cual nos podemos ayudar con un diagrama de rbol en donde representemos uno tras otro el
nacimiento de cada uno de sus hijos, en donde solo consideraremos partos de un solo beb,
no mltiples y se considera que existe la misma probabilidad de que nazca un varn o una
nia.
Y el espacio muestral obtenido es:
H = nio
M = nia
= HHH, HHM, HMH, MHH, HMM, MHM, MMH, MMM
83
a.
A = evento de que la familia tenga puros hijos varones

A = HHH
p(A) = 1/8 = 0.125
b.
B = evento de que la familia tenga como mximo un hijo varn

B = ningn hijo varn o un hijo varn= MMM, HMM, MHM, MMH
p(B) = 4/8 = 1/2 =0.5
c.
C = evento de que el segundo hijo de la familia sea varn

C = HHH, HHM, MHH, MHM
P(C) = 4/8 =1/2 = 0.5
d.
Como en este caso se trata de calcular una probabilidad de tipo condicional, se
requiere definir dos eventos, el evento E que es el que condiciona y el evento A;
E = evento de que la familia tenga por lo menos una hija
E = tenga una o ms hijas
E = HHM, HMH, MHH, HMM, MHM, MMH, MMM= 7 elementos
A = evento de que el segundo hijo sea varn
A = HHH, HHM, MHH, MHM
AE = HHM, MHH, MHM = 3 elementos
Luego;
p(AE) = AE/E= 3/7 = 0.42857
e.
E = evento de que la familia tenga como mximo un hijo varn

A = evento de que la familia tenga puras hijas
E = MMM, MHM, MMH, HMM= 4 elementos
A = MMM
AE = MMM = 1 elemento
P(AE) = AE/E= 1/4 = 0.25
84
5. Segn las estadsticas, la probabilidad de que un auto que llega a cierta gasolinera cargue
gasolina es de 0.79, mientras que la probabilidad de que ponga aceite al motor es de 0.11 y
la probabilidad de que ponga gasolina y aceite al motor es de 0.06, a. S un auto carga
gasolina, cul es la probabilidad de que ponga aceite?, b. S un auto pone aceite al motor,
cul es la probabilidad de que ponga gasolina?
Solucin:
a.
b.
E = evento de que un auto cargue gasolina

p(E) = 0.79
A = evento de que un auto ponga aceite al motor

P(A) = 0.11
AE = evento de que un auto ponga gasolina y aceite
p(AE) = 0.07
p(AE) = p(AE)/p(E) = 0.07/ 0.79 = 0.0881
c.
E = evento de que un auto ponga aceite al motor
P(E) = 0.11
A = evento de que un auto ponga gasolina
P(A) = 0.79
AE = evento de que un auto ponga aceite al motor y ponga gasolina
P(AE) = 0.07
P(AE) = p(AE)/ p(E) = 0.07/0.11 = 0.63636
6.- La probabilidad de que un auto de carreras cargue gasolina en cierto circuito en la
primera media hora de recorrido es de 0.58, la probabilidad de que cambie de neumticos
en esa primera media hora de recorrido es de 0.16, la probabilidad de que cargue gasolina y
cambie de neumticos en la primera media hora de recorrido es de 0.05, a. Cul es la
probabilidad de que cargue gasolina o cambie de neumticos en la primera media hora de
recorrido?, b. cul es la probabilidad de que no cargue combustible y de neumticos en la
primera media hora de recorrido, c. Si el auto cambia de neumticos en la primera media
hora de recorrido, cul es la probabilidad de que cargue combustible tambin?, d. Si el
auto carga combustible en la primera media hora de recorrido, cul es la probabilidad de
que cambie de neumticos tambin?
Solucin:
a.
A = evento de que cargue gasolina en la primera media hora de recorrido
P(A) = 0.58
B = evento de que cambie de neumticos en la primera hora de recorrido
P(B) = 0.16
AB = evento de que cargue combustible y cambie de neumticos en la primera hora de
recorrido
P(AB) = 0.05
85
P(cargue gasolina o cambie de neumticos) = p(AB) = p(A) + p(B) p(AB) = 0.58 +

0.16 0.05 = 0.69
b. p( no cargue combustible y no cambie de neumticos) = 1 p(AB) = 1 0.69 = 0.31
c. E = evento de que el auto cambie de neumticos en la primera media hora de recorrido
A = evento de que el auto cargue combustible en la primera media hora de recorrido
p(AE) = p(AE)/ p(E) = 0.05/0.16 = 0.3125
d.
E = evento de que el auto cargue combustible en la primera media hora de recorrido
A = es el evento de que el auto cambie de neumticos en la primera media hora de recorrido
p(AE) = p(AE)/p(E) = 0.05/0.58 = 0.08621
10.6 TEOREMA DE LA MULTIPLICACIN PARA

CONDICIONAL.
Tomando como referencia la frmula de probabilidad condicional,
PROBABILIDAD
Despejando,
p(AE) = p(E)p(AE) Teorema de la multiplicacin para probabilidad
condicional
Donde:
p(AE) = probabilidad de que ocurran A y E
p(E) = probabilidad de que ocurra E
p(AE) = probabilidad de que ocurra el evento A dado que el evento E ya ocurri
Ejemplos:
1. En un lote de produccin hay 25 productos, 5 de los cuales tienen defectos menores y 9
tienen defectos mayores, si se toman de este lote tres productos uno tras otro, determine la
probabilidad de que: a. El primer producto no tenga defectos y que el segundo y tercero
tengan defectos mayores, b. El primer producto tenga defectos menores, el segundo tenga
defectos mayores y que el tercero no tenga defectos, c. El primer producto y el tercero no
tengan defectos.
Solucin:
a.
Definiremos algunos eventos;
B1 = evento de que el primer producto seleccionado no tenga defectos
DM2 = evento de que el segundo producto seleccionado tenga defectos mayores
DM3 = evento de que el tercer producto seleccionado tenga defectos mayores
p(B1DM2DM3) = p(B1)p(DM2B1)p(DM3B1DM2)
=(11/25)*(9/24)*(8/23)
= 0.44*0.375*0.347826
= 0.05739
86
b.
Dm1= evento de que el primer producto seleccionado tenga defectos menores

B3 = evento de que el tercer producto seleccionado no tenga defectos
P(Dm1DM2B3) = p(Dm1)p(DM2Dm1)p(B3Dm1DM2)
= (5/25)*(9/24)*(11/23)=
= 0.2*0.375*0.4782608= 0.03587
c. B1 = evento de que el primer producto seleccionado no tenga defectos
B2 = evento de que el segundo producto seleccionado no tenga defectos
Dm2 = evento de que el segundo producto seleccionado tenga defectos menores
B3 = evento de que el tercer producto seleccionado no tenga defectos
En este caso como no se especifica de que tipo debe ser el segundo producto, se
considera que este puede ser no defectuoso, con defectos menores o con defectos
mayores; por lo tanto;
p(B1B2B3) + p(B1Dm2B3) + p(B1DM2B3)
= p(B1)p(B2B1)p(B3B1B2) + P(B1)p(Dm2B1)p(B3B1Dm2) +
p(B1)p(DM2B1)p(B3B1DM2)
=(11/25)*(10/24)*(9/23) + (11/25)*(5/24)*(10/23) + (11/25)*(9/24)*(10/23)
=(0.44)(0.41666)(0.39130) + (0.44)(0.20833)(0.43478) + (0.44)(0.375)(0.43478)
= 0.07173 + 0.03985 + 0.07174
= 0.18332
2. Doce personas (6 mujeres, 4 hombres y dos nios) realizan un paseo en un pequeo
autobs, al llegar a cierto lugar, bajan del autobs cuatro personas una tras otra, determine
la probabilidad de que; a. La primera y segunda persona que bajen sean mujeres, el tercero
sea un nio y por ltimo baje un hombre, b. Que baje un nio, luego un hombre, luego otro
nio y por ltimo que baje una mujer, c. Que baje una mujer, luego un hombre, despus
otra mujer y por ltimo otro hombre.
Solucin:
a.
M1 = evento de que baje del autobs primero una mujer
M2 = evento de que baje en segundo lugar una mujer
N3 = evento de que baje en tercer lugar un nio
H4 = evento de que baje en cuarto lugar un hombre
P(M1M2N3H4) = p(M1)p(M2M1)p(N3M1M2)p(H4M1M2N3) =
= (6/12)*(5/11)*(2/10)*(4/9)
= 240/11,880 = 0.0202
b.
N1 = evento de que baje en primer lugar un nio

H2 = evento de que baje en segundo lugar un hombre
N3 = evento de que baje en tercer lugar un nio
M4 = evento de que baje en cuarto lugar una mujer
p(N1H2N3M4) = p(N1)p(H2N1)p(N3N1H2)p(M4N1H2N3) =
= (2/12)*(4/11)*(1/10)*(6/9)
= 48/11,880
= 0.00404
87
c.
M1 = evento de que baje en primer lugar una mujer

H2 = evento de que baje en segundo lugar un hombre
M3 = evento de que en tercer lugar baje una mujer
H4 = evento de que en cuarto lugar baje un hombre
p(M1H2M3H4) = p(M1)p(H2M1)p(M3M1H2)p(H4M1H2M3)
= (6/12)*(4/11)*(5/10)*(3/9)
= 360/11,880
= 0.0303
10.7 PROCESOS ESTOCASTICOS.

Un proceso estocstico es aquel en el que se representan todos y cada uno de los pasos
necesarios para realizar una actividad, adems de las formas o maneras en que cada uno de
los pasos puede ser llevado a efecto y sus respectivas probabilidades, dicho de otra manera,
cualquier proceso en el que se involucren probabilidades es un proceso estocstico.
Ejemplos:
1.
En un lote de autos usados, el 25% son de la marca Ford, el 45% son Chevrolet y el
30% son Chrysler, de los cuales, 2 de cada 8 autos Ford son estndar, 1 de cada 10 autos
Chevrolet son estndar y 2 de cada 10 autos Chrysler son tambin estndar, un cliente
compra un auto de este lote, a. cul es la probabilidad de que el auto seleccionado por el
cliente sea estndar?, b. cul es la probabilidad de que haya seleccionado un auto
Chevrolet estndar?, c. cul es la probabilidad de que el auto seleccionado sea Ford o
Chrysler automtico?
Solucin:
a.
Haciendo uso de un diagrama de rbol como se muestra, se facilita hacer
el clculo de probabilidades
P(seleccionar un auto estndar) = p(seleccionar un Chevrolet o Chrysler o Ford estndar) =

p(ChS) + p(ChrS) + p(FS)
= p(Ch)p(SCh) + p(Chr)p(SChr) + p(F)p(SF)
= 0.45*1/10 + 0.30*2/10 + 0.25*2/8
= 0.045 + 0.06 + 0.0625
= 0.1675
88
b.
p(seleccionar un Chevrolet estndar) = 0.45*1/10 = 0.045
c.
p(seleccionar un Ford o Chrysler automtico) = p(FA) + p(ChrA)

= p(F)p(AF) + p(Chr)p(AChr)
= 0.25*6/8 + 0.30*8/10
= 0.1875 + 0.24 = =0.4275
2.
En un lote de produccin se tienen 150 artculos, de los cuales 30 son del tipo A, 60
del tipo B y 60 del tipo C, de los que el 15% de los productos del tipo A, 20% de los
productos del tipo B y 5% de los productos del tipo C, no cumplen con las especificaciones,
si se selecciona un producto de este lote al azar, a. Determine la probabilidad de que el
producto seleccionado no cumpla con las especificaciones, b. Si el producto seleccionado
no cumple con las especificaciones, cul es la probabilidad de que sea un producto del tipo
B?, c. cul es la probabilidad de que un producto cumpla con las especificaciones y sea del
tipo B?
Solucin:
Haciendo uso de un diagrama de rbol como en el caso anterior, procederemos a dar
solucin al problema en cuestin;
a. p(producto seleccionado no cumpla con las especificaciones) = 40/150*0.15 +

60/150*0.20 + 60/150*0.05 = 0.04 + 0.08 + 0.02 = 0.14
b.
E = evento de que el producto seleccionado no cumpla con las especificaciones
B = evento de que el producto seleccionado sea del tipo B
p(BE) = p(BE)/p(E) = (60/150*0.20)/0.14 = 0.08/0.14= 0.57143
c. p(cumpla con las especificaciones y sea del tipo B) = 60/150*0.8 = 0.32
89
3.
En una urna se tienen 10 esferas blancas, 5 verdes y 2 azules, se extraen de la urna
dos esferas una tras otra, sin reemplazo, a. Determine la probabilidad de que la segunda
esfera extrada sea verde, b. cul es la probabilidad de que ambas esferas sean blancas, c.
Si la segunda esfera es verde, cul es la probabilidad de que la primera sea blanca?
Solucin:
a.
b.
c.
p(segunda esfera sea verde) = p(B)p(VB) + p(V)p(VV) + p(A)p(VA) =

= 10/17*5/16 + 5/17*4/16 + 2/17*5/16 =
= 50/272 + 20/272 + 10/272
= 80/272
=0.29412
p(ambas esferas sean blancas) = 10/17*9/16 = 90/272 = 0.33088
E = evento de que la segunda esfera seleccionada sea verde
B = evento de que la primera esfera sea blanca
P(BE) = p(BE)/p(E)
= (10/17*5/16)/80/272
=(50/272)/(80/272)
= 0.40
90
10.8 TEOREMA DE BAYES

Sea d un espacio muestral que est formado por los eventos A1, A2, A3,.....,An mutuamente
excluyentes, luego,
d = A1A2A3.....An
Luego si ocurre un evento B definido en d, observamos que;

B = dB = (A1A2A3.....An)B = (A1B)(A2B)(A3B).....(AnB)
Donde cada uno de los eventos AiB son eventos mutuamente excluyentes, por lo que
p(B) = p(A1B) + p(A2B) + p(A3B) +......+ p(AnB)
y como la p(AiB) = p(Ai)p(BAi) , o sea que la probabilidad de que ocurra el evento Ai y
el evento B es igual al teorema de la multiplicacin para probabilidad condicional, luego;
p(B) = p(A1)p(BA1) + p(A2)p(BA2) + p(A3)p(BA3) + p(An)p(BAn)
Si deseamos calcular la probabilidad de que ocurra un evento Ai dado que B ya ocurri,
entonces;
La expresin anterior es el teorema de Bayes, que como se observa es una simple

probabilidad condicional.
Ejemplos:
1.
Tres mquinas denominadas A, B y C, producen un 43%, 26% y 31% de la
produccin total de una empresa respectivamente, se ha detectado que un 8%, 2% y 1.6%
del producto manufacturado por estas mquinas es defectuoso, a. Se selecciona un producto
al azar y se encuentra que es defectuoso, cul es la probabilidad de que el producto haya
sido fabricado en la mquina B?, b. Si el producto seleccionado resulta que no es
defectuoso, cul es la probabilidad de que haya sido fabricado en la mquina C?
Solucin:
Para resolver este problema nos ayudaremos con un diagrama de rbol;
91
a.
Definiremos los eventos;

D = evento de que el producto seleccionado sea defectuoso (evento que condiciona)
A = evento de que el producto sea fabricado en la mquina A
B = evento de que el producto sea fabricado por la mquina B
C = evento de que el producto sea fabricado por la mquina C
P(BD) = p(BD)/p(D) = p(B)p(DB)/p(A)p(DA) + p(B)p(DB) + p(C)p(DC)
P(BD) = (0.26*0.02)/(0.43*0.08 + 0.26*0.02 + 0.31*0.016)
= 0.0052/0.04456
=0.116697
b.
ND = evento de que el producto seleccionado no sea defectuoso (evento que
condiciona)
A = evento de que el producto sea fabricado en la mquina A
B = evento de que el producto sea fabricado por la mquina B
C = evento de que el producto sea fabricado por la mquina C
P(CND)=p(CND)/p(ND)=p(C)p(NDC)/p(A)p(NDA)+p(B)p(NDB) + p(C)p(NDC)
= 0.31*0.984/(0.43*0.92 + 0.26*0.98 + 0.31*0.984)
= 0.30504/0.95544
=0.31927
92
2.
Una empresa recibe visitantes en sus instalaciones y los hospeda en cualquiera de tres
hoteles de la ciudad; Palacio del Sol, Sicomoros o Fiesta Inn, en una proporcin de 18.5%,
32% y 49.5% respectivamente, de los cuales se ha tenido informacin de que se les ha dado
un mal servicio en un 2.8%, 1% y 4% respectivamente, a. Si se selecciona a un visitante al
azar cul es la probabilidad de que no se le haya dado un mal servicio?,b. Si se selecciona
a un visitante al azar y se encuentra que el no se quej del servicio prestado, cul es la
probabilidad de que se haya hospedado en el Palacio del Sol?, c. Si el visitante
seleccionado se quej del servicio prestado, cul es la probabilidad de que se haya
hospedado en e hotel Fiesta Inn?
Solucin: Haciendo uso de un diagrama de rbol;
a.
NQ = evento de que un visitante no se queje del servicio

PS = evento de que un visitante haya sido hospedado en el hotel Palacio del Sol
S = evento de que un visitante haya sido hospedado en el hotel Sicmoro
FI = evento de que un visitante haya sido hospedado en el hotel Fiesta Inn
P(NQ) = p(PS)p(NQPS) + p(S)p(NQS) + p(FI)p(NQFI) =
= 0.185*0.972 + 0.32*0.99 + 0.495*0.96
= 0.17982 + 0.3168 + 0.4752
= 0.97182
b. NQ = evento de que un visitante no se queje del servicio
PS = evento de que un visitante haya sido hospedado en el hotel Palacio del Sol
S = evento de que un visitante haya sido hospedado en el hotel Sicomoro
P(PSNQ)=p(PSNQ)/p(NQ)
=(0.185*0.972)/(0.185*0.972+0.32*0.99+0.495*0.96)=
= 0.17982/(0.17982 + 0.3168 + 0.4752)
= 0.17982/0.97182
= 0.1850342
93
c.
Q = evento de que un visitante se queje del servicio

P(FIQ) = p(FIQ)/p(Q)
= 0.495*0.04/(0.185*0.028 + 0.32*0.01 + 0.495*0.04)
=0.0198/( 0.00518 + 0.0032 + 0.0198)
= 0.0198/0.02818
= 0.7026
10.9 INDEPENDENCIA
Se dice que un evento B es independiente de un evento A, si p(BA) = p(B), esto quiere
decir que la probabilidad de que ocurra B no es afectada por la ocurrencia del evento A, la
expresin anterior se puede sustituir en el teorema de la multiplicacin para probabilidad
condicional,
p(AB) = p(A)p(BA) = p(A)p(B)
Luego,
p(AB) = p(A)p(B)
Concepto de independencia
Si la expresin anterior se cumple, podemos decir que los eventos A y B son

independientes.
Ejemplos:
Pruebas repetidas e independientes.
Sea el espacio muestral del lanzamiento de una moneda tres veces,
= {AAA, AAS, ASA, ASS, SAS, SAA, SSA, SSS}
Donde cada uno de los elementos de este espacio muestral est formado por tres pruebas
repetidas e independientes que son los tres lanzamientos de la moneda, si deseamos
determinar la probabilidad de cada uno de los elementos, nos encontraremos con lo
siguiente;
p(AAA)=p(A1A2A3)=p(A1)p(A2A1)p(A3A1 A2)=p(A)p(A)p(A)
=1/2*1/2*1/2=1/8
p(AAS) = p(A)p(A)p(S) =1/2*1/2*1/2 =1/8
p(ASA) = p(A)p(S)p(A) = 1/2*1/2*1/2 = 1/8
etc, etc.
Con lo anterior se comprueba que efectivamente la probabilidad de cada uno de los
elementos del espacio muestral descrito anteriormente es de 1/8 como se consideraba
cuando se calculaban probabilidades para un espacio finito equiprobable.
Ejemplos:
1.
Un equipo de ftbol soccer tiene una probabilidad de ganar de 0.6, una probabilidad
de empatar de 0.3 y una probabilidad de perder de 0.1, si este equipo participa en dos
juegos la semana prxima, determine la probabilidad de que; a. Gane el segundo juego, b.
Gane ambos juegos, c. Gane uno de los juegos, d. Gane el primer juego y empate el
segundo.
94
El espacio muestral sera:

= {GG, GE, GP, EG, EE, EP, PG, PE, PP}
Por lo que:
a. p(gane el segundo juego) = p(GG, EG, PG) = (0.6)(0.6) + (0.3)(0.6) + (0.1)(0.6) =
= 0.36 + 0.18 + 0.06 = 0.6
b. p(gane ambos juegos) = p(GG) = (0.6)(0.6) = 0.36
c. p(gane uno de los juegos) = p(GE, GP, EG, PG) = (0.6)(0.3) + (0.6)(0.1) + (0.3)(0.6) +
(0.1)(0.6)
= 0.18 + 0.06 + 0.18 + 0.06 = 0.48
d.
p(gane el primero y empate el segundo) = p(GE) = (0.6)(0.3) = 0.18
95
2. Un boxeador gana 8 de cada 10 peleas en las que compite, si este boxeador participar en
tres peleas en los prximos seis meses, determine la probabilidad de que; a. Gane dos de las
peleas, b. Si gana dos de las peleas, cul es la probabilidad de que sean la primera y
tercera peleas?, c. Gane la segunda pelea.
Del diagrama anterior obtenemos el siguiente espacio muestral;

={GGG. GGP, GPG, GPP, PGG, PGP, PPG, PPP}
a. p(gane dos de las peleas) = p(GGP, GPG, PGG) = (0.8)(0.8)(0.2) + (0.8)(0.2)(0.8) +
(0.2)(0.8)(0.8) = 0.128 + 0.128 + 0.128 = 0.384
b. E = evento de que gane dos peleas
E ={ GGP, GPG, PGG }, p(E) = 0.348
A = evento de que gane la primera y la tercer pelea
A={GGG, GPG}
AB = {GPG}, p(AB) = (0.8)(0.2)(0.8) =0.128
P(AE) = p(AE) / p(E) = 0.348/0.128= 0.3333
c. p(gane la segunda pelea) = p(GGG, GGP, PGG, PGP) = (0.8)(0.8)(0.8) + (0.8)(0.8)(0.2) +
(0.2)(0.8)(0.8) + (0.2)(0.8)(0.2) = 0.512 + 0.128 + 0.128 + 0.032= 0.8
96
3. Tres hombres tiran a un blanco, A tiene 1/3 de posibilidades de acertar al blanco, B tiene
1/2 de posibilidades de acertar y C tiene 1/4 de posibilidades de pegar al blanco, si cada uno
de ellos hace un solo disparo, determine la probabilidad de que; a. Solo uno de ellos acierte
al blanco, b. Si solo uno de ellos acierta al blanco, cul es la probabilidad de que acierte
A?, c. Determine la probabilidad de que ninguno acierte al blanco.
Solucin:
Haciendo uso de un diagrama de rbol se obtiene el siguiente espacio muestral;
={ABC, ABC`, AB`C, AB`C`, A`BC, A`BC`, A`B`C, A`B`C`}
donde: A = acierta A, A`= no acierta A, B = acierta B, B`= no acierta B, etc., etc.
p(solo uno de ellos acierte al blanco) = p(AB`C`, A`BC`, A`B`C) = 1/3*1/2*3/4 +
2/3*1/2*3/4 + 2/3*1/2*1/4 = 3/24 + 6/24 + 2/24 = 11/24 = 0.45833
a.
E = evento de que solo uno de ellos acierte al blanco
E = {AB`C`, A`BC`, A`B`C};
p(E) =11/24
A = evento de que A acierte al blanco = { ABC, ABC`, AB`C, AB`C`}

AE = { AB`C`} = 1/3*1/2*3/4 = 3/24
p(AE)= p(AE)/p(E) = (3/24)/(11/24) = 3/11 = 0.27273
b.
p(ninguno acierte al blanco) = p(ABC) = 2/3*1/2*3/4 = 6/24 = 0.25
97

1. Si las probabilidades de que, en condiciones de garanta, un automvil nuevo requiera
reparaciones del motor, la transmisin o ambos, son 0.87, 0.36 y 0.29,cul es la
probabilidad de que un auto requiera uno o el otro o ambos tipos de reparacin durante el
perodo de garanta?
R=0.94
2. Al lanzar un par de dados balanceados, que probabilidades hay de obtener a. 7, b. 11, c. 7
u 11, d. 3, e. 2 o 12, f. 2, 3 o 12?
R= a. 1/6 b. 1/18 c. 2/9 d. 1/18 e. 1/18 f. 1/9
3. Una agencia de renta de automviles cuenta con 18 autos compactos y 12 autos de
tamao mediano. Si se seleccionan aleatoriamente cuatro de los automviles para una
inspeccin de seguridad, que probabilidad hay de obtener dos de cada
tipo?
R=0.368
4. En un grupo de 160 estudiantes graduados de ingeniera, 92 se inscriben en
un
curso avanzado de estadstica, 63 en un curso de investigacin de operaciones;
y 40 en ambos. Cuntos de estos estudiantes no se inscriben en ningn curso?
R=45
5. Si A y B son eventos mutuamente excluyentes, p(A)= 0.29 y p(B)=0.43, determine, a.
p(A), b. p(AB), c. p(AB), d. P(AB).
R= a.0.71 b.0.72 c.0.29 d.0.28
6. Un departamento de polica necesita nuevos neumticos para sus patrullas, y existen
0.17, 0.22, 0.03, 0.29, 0.21 y 0.08 de probabilidades de que adquiera neumticos de las
siguientes marcas: Uniroyal, Goodyear, Michelin, General, Goodrich o Armstrong.
Determine las probabilidades de que compre, a. neumticos Goodrich o Goodyear, b.
neumticos Uniroyal, General o Goodrich, c. neumticos Michelin o Armstrong, d.
neumticos Goodyear, General o Armstrong.
R=a. 0.43 b. 0.67 c. 0.11 d. 0.59
7. La probabilidad de que el chip de un circuito integrado tenga un grabado defectuoso es
de 0.12, la probabilidad de que tenga un defecto de cuarteadura es de 0.29 y la probabilidad
de que tenga ambos defectos es de 0.07. a. Qu probabilidad hay de que un chip de
fabricacin reciente tenga ya sea un defecto de grabado o de cuarteadura?, b. Qu
probabilidad hay de que un chip de fabricacin reciente no tenga ninguno de tales
defectos?
R=a.0.34
b.0.66
8. Las probabilidades de que una estacin de Televisin reciba 0, 1, 2, 3, 4, ...........,8 o al
menos 9 quejas tras la emisin de un controvertido programa son, respectivamente, 0.01,
0.03, 0.07, 0.15, 0.19, 0.18, 0.14, 0.12, 0.09 y 0.02. Qu probabilidades hay de que despus
de trasmitir ese programa la estacin reciba a. como mximo 4 quejas, b. al manos 6 quejas,
c. de 5 a 8 quejas. R=a. 0.45 b. 0.37 c. 0.55
98
9. La probabilidad de que un nuevo aeropuerto obtenga un premio por su diseo es de 0.16,

la probabilidad de que obtenga un premio por su eficiente uso de materiales es de 0.24 y la
probabilidad de que obtenga ambos premios es de 0.11. a. Cul es la probabilidad de que
obtenga al menos uno de los dos premios?, b. Cul es la probabilidad de que obtenga solo
uno de los dos premios?.
R=a.0.29 b.0.18
10. Si la probabilidad de que un sistema de comunicacin tenga alta fidelidad es de 0.81 y
la probabilidad de que tenga alta fidelidad y alta selectividad es de 0.18. Cul es la
probabilidad
de
que
un
sistema
con
alta
fidelidad,
tenga
alta
selectividad?
R=2/9
11. Si la probabilidad de que un proyecto de investigacin sea correctamente planeado es
de 0.80 y la probabilidad de que sea planeado y correctamente ejecutado es de 0.72, qu
probabilidad hay de que un proyecto de investigacin correctamente planeado, sea
correctamente ejecutado? R=0.90
12. Entre 60 partes de refaccin automotriz cargadas en un camin en San Francisco, 45
tienen a Seattle por destino y 15 a Vancouver. Si dos de las partes se descargan por error en
Prtland y la seleccin es aleatoria, qu probabilidades hay de que a. ambas partes
debieran de haber llegado a Seattle, b. ambas partes debieran de haber llegado a Vancouver,
c. una debiera haber llegado a Seattle y la otra a Vancouver.
R=a.33/59 b. 7/118 c.45/118
13. En una planta electrnica, se sabe por experiencia que la probabilidad de que un obrero
de nuevo ingreso que haya asistido al programa de capacitacin de la compaa, cumpla la
cuota de produccin es de 0.86 y que la probabilidad correspondiente de un obrero de
nuevo ingreso que no ha asistido a dicho curso de capacitacin es de 0.35. Si 80% de la
totalidad de los obreros de nuevo ingreso asisten al curso de capacitacin, qu
probabilidad existe de que un trabajador de nuevo ingreso cumpla la cuota de
produccin?
R=0.758
14. Una empresa consultora renta automviles de tres agencias, 20% de la agencia D, 20%
de la agencia E y 60% de la agencia F. Si 10% de los autos de D, 12% de los autos de E y
4% de los autos de F tienen neumticos en mal estado, cul es la probabilidad de que la
empresa
reciba
un
auto
con
neumticos
en
mal
estado?
R=0.068
15. Si cada artculo codificado en un catlogo empieza con tres letras distintas y continua
con 4 dgitos distintos de cero, encuentre la probabilidad de seleccionar aleatoriamente uno
de los que empieza con la letra a y tiene un par como ltimo
dgito.
R= 10/117
99
16. La probabilidad de que una industria estadounidense se ubique en Munich es de 0.7, de

que se localice en Bruselas de 0.4, y de que se ubique ya sea en Bruselas o en Munich, o en
ambas es de 0.8.Cul es la probabilidad de que la industria se localice a. en ambas
ciudades?, b. en ninguna de ellas
R=a. 0.3 b. 0.2
17. Con base en experiencias pasadas, un corredor de bolsa considera que bajo las
condiciones econmicas actuales un cliente invertir con una probabilidad de 0.6 en bonos
libres de impuesto, en fondos mutualistas con una probabilidad de 0.3 y en ambos
instrumentos con una probabilidad de 0.15. En este momento, encuentre la probabilidad de
que el cliente invierta a. ya sea en bonos libres de impuesto o en fondos mutualistas, b. en
ninguno de los dos instrumentos. R=a. 0.75 b.0.25
18. Para parejas de casados que viven en una cierta ciudad de los suburbios, la probabilidad
de que el esposo vote en alguna eleccin es de 0.21, la de que su esposa lo haga , es de
0.28 y la de que ambos voten, de 0.15. Cul es la probabilidad de que a. al menos un
miembro de la pareja vote?, b. vote una esposa dado que su esposo lo hace?, c. vote un
esposo,
dado
que
su
esposa
no
lo
hace?
R=a.0.34 b.5/7 c.1/12
19. La probabilidad de que un mdico diagnostique correctamente una enfermedad en
particular es de 0.7. Dado que realice un diagnstico incorrecto , la probabilidad de que el
paciente levante una demanda es de 0.9. Cul es la probabilidad de que el mdico realice
un
diagnstico
incorrecto
y
de
que
el
paciente
lo
demande?
R=0.27
20. Un pueblo tiene dos carros de bomberos que operan independientemente. La
probabilidad de que un vehculo especfico est disponible cuando se necesite es de 0.96. a.
Cul es la probabilidad de que ninguno est disponible en caso necesario?, b. Cul es la
probabilidad
de
que
alguno
lo
est
cuando
se
le
necesite?
R=a.0.0016 b.0.9984
21. La probabilidad de que Tom sobreviva 20 aos ms es de 0.7 y la de que Nancy lo
haga de 0.9. S se supone independencia para ambos, cual es la probabilidad de que
ninguno sobreviva 20 aos?
r= 0.03
22. Una valija contiene 2 frascos de aspirinas y tres de tabletas para la tiroides. Una
segunda valija contiene 3 de aspirinas, 2 de tabletas para la tiroides y 1 de tabletas laxantes.
S se toma un frasco aleatoriamente de cada valija de equipaje, encuentre la probabilidad de
que; a. ambos frascos contengan tabletas para la tiroides, b. ningn frasco contenga tabletas
para
la
tiroides;
c.
los
dos
frascos
contengan
diferentes
tabletas.
R= a.1/5 b.4/15 c. 3/5
23. La probabilidad de que una persona que visita a su dentista requiera de una placa de
rayos X es de 0.6, la de que una persona a la que se le toma una placa de rayos X tambin
tenga un tapn de 0.3; y la de que a una persona que se le toma una placa de rayos X y que
tiene un tapn, tenga tambin un diente extrado, de 0.01. Cul es la probabilidad de que a
una persona que visita a un dentista se le tome una placa radiogrfica, presente un tapn y
se le haya extrado un diente? R= 0.018
100
Tema # 11
DISTRIBUCIONES DE PROBABILIDAD.
Toda distribucin de probabilidad es generada por una variable aleatoria x, la que puede ser
de dos tipos:
1.
Variable aleatoria discreta (x). Se le denomina variable porque puede tomar diferentes
valores, aleatoria, porque el valor tomado es totalmente al azar y discreta porque solo puede
tomar valores enteros y un nmero finito de ellos.
Ejemplos:
x Variable que nos define el nmero de burbujas por envase de vidrio que son generadas
en un proceso dado.
x0, 1, 2, 3, 4, 5, etc, etc. burbujas por envase
xVariable que nos define el nmero de productos defectuosos en un lote de 25 productos.
x0, 1, 2, 3,....,25 productos defectuosos en el lote
xVariable que nos define el nmero de alumnos aprobados en la materia de probabilidad
en un grupo de 40 alumnos.
x0, 1, 2, 3, 4, 5,....,40 alumnos aprobados en probabilidad
Con los ejemplos anteriores nos damos cuenta claramente que los valores de la variable x
siempre sern enteros, nunca fraccionarios.
2.
Variable aleatoria continua (x). Se le denomina variable porque puede tomar
diferentes valores, aleatoria, porque los valores que toma son totalmente al azar y continua
porque puede tomar tanto valores enteros como fraccionarios y un nmero infinito de ellos.
Ejemplos:
xVariable que nos define el dimetro de un engrane en pulgadas
x5.0, 4.99, 4.98, 5.0, 5.01, 5.0, 4.96
xVariable que nos define la longitud de un cable o circuito utilizado en un arns de auto
x20.5 cm, 20.1, 20.0, 19.8, 20,6, 20.0, 20.0
xVariable que nos define la concentracin en gramos de plata de algunas muestras de
mineral
x14.8gramos, 12.0, 10.0, 42.3, 15.0, 18.4, 19.0, 21.0, 20.8
Como se observa en los ejemplos anteriores, una variable continua puede tomar cualquier
valor, entero o fraccionario, una forma de distinguir cuando se trata de una variable
continua es que esta variable nos permite medirla o evaluarla, mientras que una variable
discreta no es medible, es una variable de tipo atributo, cuando se inspecciona un producto
este puede ser defectuoso o no, blanco o negro, cumple con las especificaciones o no
cumple, etc, etc.
101
Las variables descritas anteriormente nos generan una distribucin de probabilidad, las que
pueden ser.
1)
2)
Distribucin de probabilidad discreta.

Distribucin de probabilidad contina.
Las caractersticas de cada una de las distribuciones anteriores se mencionarn a

continuacin:
11.1 DISTRIBUCIN DE PROBABILIDAD DISCRETA.

Caractersticas:
1. Es generada por una variable discreta (x).
xVariable que solo toma valores enteros
x0, 1, 2, 3, 4, 5, 6, 7, 8, ... etc,etc.
2. p(xi)0 Las probabilidades asociadas a cada uno de los valores que toma x deben
ser mayores o iguales a cero.
3.p(xi) = 1 La sumatoria de las probabilidades asociadas a cada uno de los valores que
toma x debe ser igual a 1.
11.2 DISTRIBUCIN DE PROBABILIDAD CONTINUA.

Caractersticas:
1. Es generada por una variable continua (x).
x Es una variable que puede tomar tanto valores enteros como fraccionarios.
x 1.0, 3.7, 4.0, 4.6, 7.9, 8.0, 8.3, 11.5, .....,
2. f(x)0 Las probabilidades asociadas a cada uno de los valores que toma x deben
ser mayores o iguales a cero. Dicho de otra forma, la funcin de densidad de
probabilidad deber tomar solo valores mayores o iguales a cero. La funcin de
densidad de probabilidad slo puede estar definida en los cuadrantes I y II.
3.
La sumatoria de las probabilidades asociadas a cada uno de los
valores que toma x debe ser igual a 1. El rea definida bajo la funcin de densidad de
probabilidad deber ser de 1.
102
10.3 CALCULO DE MEDIA Y DESVIACIN ESTANDAR PARA UNA

DISTRIBUCIN DISCRETA
1.
Media o valor esperado de x.- Para determinar la media de la distribucin discreta se
utiliza la siguiente frmula:
Donde:
= media de la distribucin
E(x) = valor esperado de x
xi = valores que toma la variable
p(xi) = probabilidad asociada a cada uno de los valores de la variable x
2. Desviacin estndar. Para determinar la desviacin estndar de la distribucin discreta
se utiliza la siguiente frmula:
Donde:
= desviacin estndar
= media o valor esperado de x
xi = valores que toma la variable x
p(xi) = probabilidad asociada a cada uno de los valores que toma x
Ejemplos:
1. Segn estadsticas la probabilidad de que el motor de un auto nuevo, de cierto modelo,
y marca sufra de algn desperfecto en los primeros 12 meses de uso es de 0.02, si se
prueban tres automviles de esta marca y modelo, encuentre el nmero esperado de autos
que no sufren de algn desperfecto en los primeros doce meses de uso y su desviacin
estndar.
Solucin:
Haciendo uso de un diagrama de rbol, usando las literales siguientes, se obtiene el espacio
muestral como se muestra a continuacin;
N = no sufre de algn desperfecto en el motor los primeros 12 meses de uso
S = sufre de algn desperfecto en el motor los primeros 12 meses de uso
103
= NNN, NNS, NSN, NSS, SNN, SNS, SSN, SSS

x = variable que nos define el nmero de autos que no sufre de algn desperfecto en el
motor durante los primeros 12 meses de uso
x = 0, 1, 2 o 3 autos que no sufren algn desperfecto en el motor en los primeros 12
meses de uso
p(x=0)=p(SSS)=(0.02)(0.02)(0.02)=0.000008
p(x=1)=p(NSS, SNS, SSN)=(0.98)(0.02)(0.02)+(0.02)(0.98)(0.02)+(0.02)(0.02)(0.98)=
=0.001176
p(x=2)=p(NNS,NSN,SNN)=(0.98)(0.98)(0.02)+(0.98)(0.02)(0.98)+(0.02)(0.98)(0.98)=
=0.057624
p(NNN) = (0.98)(0.98)(0.98) =0.941192
104
Por tanto la media o valor esperado se determina de la siguiente manera:

=E(x) =
(0)(0.000008)+(1)(0.001176)+(2)(0.057624)+(3)(0.941192)=
=0.0+0.001176+0.115248+2.823576=2.94 3 autos que no sufren algn desperfecto en el
motor en los primeros 12 meses de uso
La interpretacin de la media o valor esperado es; se espera que los 3 autos probados no
sufran de algn desperfecto en el motor en los primeros 12 meses de uso.
=
=
=
0.24970.0 autos que no
sufren algn desperfecto en su motor en los primeros 12 meses de uso.
Interpretacin:
En este experimento se espera que los 3 autos probados no sufran de algn desperfecto en
su motor en los primeros 12 meses de uso y la variabilidad de este experimento es de cero.
Nota:
La media y la desviacin estndar se redondean a un valor entero ya que son la media y
desviacin de una distribucin de probabilidad discreta.
2. Se ha detectado en una lnea de produccin que 1 de cada 10 artculos fabricados es

defectuoso; se toman de esa lnea tres artculos uno tras otro, a) obtenga la distribucin
de probabilidad del experimento, b) encuentre el nmero esperado de artculos
defectuosos en esa muestra y su desviacin estndar.
Solucin:
Tambin haciendo uso de in diagrama de rbol, se obtiene el espacio muestral
a)
D = objeto defectuoso
N = objeto no defectuoso
=DDD, DDN, DND, DNN, NDD, NDN, NND, NNN
Este espacio muestral ha sido obtenido haciendo uso de un diagrama de rbol,
x = Variable que nos define el nmero de objetos defectuosos encontrados
x = 0, 1, 2 o 3 objetos defectuosos
105
p(x=0)=p(NNN)=(0.9)(0.9(0.9)=0.729
p(x=1)=p(DNN, NDN, NND)=(0.1)(0.9)(0.9)+(0.9)(0.1)(0.9)+(0.9)(0.9)(0.1)=0.243
p(x=2)=p(DDN, DND, NDD)=(0.1)(0.1)(0.9)+(0.1)(0.9)(0.1)+(0.9)(0.1)(0.1)=0.027
p(x=3)=p(DDD)=(0.1)(0.1)(0.1)=0.001
Distribucin de probabilidad
x
P(x)
0.729
0.243
0.027
0.001
b)
(0)(0.729)+(1)(0.243)+(2)(0.027)+(3)(0.001)=
= 0.0 + 0.243 + 0.054 + 0.003 = 0.3 0 productos defectuosos
Interpretacin:
Se espera que ninguno de los productos inspeccionados sea defectuoso.
= 0.6 = 1 producto defectuoso

Interpretacin:
En este experimento se espera que ninguno de los productos inspeccionados sea
defectuoso, pero los resultados de este experimento pueden variar en 1 producto
defectuoso, por lo que al inspeccionar los 3 productos el numero de productos
defectuosos puede variar desde 1 producto defectuoso, hasta 1 producto defectuoso,
pero, es posible obtener 1 producto defectuoso?, claro que esto no puede ocurrir,
luego el nmero de productos defectuosos en el experimento variar de 0 a 1 producto
defectuoso solamente.
3.
Segn estadsticas, la probabilidad de que un pozo petrolero que se perfore en cierta
regin pueda ser beneficiado es de 0.30. Se perforan tres pozos en esa regin, encuentre el
nmero esperado de pozos que pueden ser beneficiados y su desviacin estndar.
Solucin:
Se obtiene el espacio muestral , de la misma forma que se ha hecho en los ejemplos
anteriores;
B = se puede el pozo que se perfora
N = no se puede beneficiar el pozo que se perfora
106
= BBB, BBN, BNB, BNN, NBB, NBN, NNB, NNN

x = variable que nos define el nmero de pozos que se pueden beneficiar
x = 0, 1, 2 o 3 pozos que se pueden beneficiar
p(x = 0) = p(NNN) = (0.7)(0.7)(0.7)= 0.343
p(x = 1) = p(BNN, NBN, NNB) = (0.3)(0.7)(0.7)(3)=0.441
p(x = 2) = p(BBN, BNB, NBB) = (0.3)(0.3)(0.7)(3)=0.189
p(x = 3) = p(BBB) =(0.3)(0.3)(0.3)= 0.027
1 pozo beneficiado
Interpretacin:
Se espera que solo 1 de los tres pozos perforados sea el que pueda ser beneficiado.
Interpretacin:
La cantidad esperada de pozos que se pueden beneficiar puede variar en 1 1 pozo, esto es
la cantidad de pozos que se pueden beneficiar puede variar de 0 a 2 pozos.
4. La distribucin de probabilidad de x , el nmero de defectos por cada 10 metros de una
tela sinttica en rollos continuos de ancho uniforme , es
x
0
p(x) 0.41
1
0.37
2
0.16
3
0.05
4
0.01
a)
b)
Determine la distribucin de probabilidad acumulada de x; P(x).

Determine el nmero esperado de defectos por cada 10 metros de tela sinttica en
rollos continuos de ancho uniforme y la desviacin estndar del nmero de defectos
por cada 10 metros de tela .....
c)
Determine la probabilidad de que en 10 metros de tela sinttica se encuentren
como mximo 2 defectos.
d)
Determine la probabilidad de que en 10 metros de tela sinttica se encuentren por
lo menos 2 defectos.
107
Solucin:
a)
X
p(x)
P(x)
0
0.41
0.41
1
0.37
0.78
2
0.16
0.94
3
0.05
0.99
4
0.01
1.0
b)
1 defecto
Interpretacin:0.16, 0.05 ,0.01
Se espera que por cada 10 metros de tela se encuentre un defecto.
Interpretacin:
El nmero de defectos esperado puede variar en 1 defecto, es decir que el nmero de
defectos esperado por cada 10 metros de tela puede variar de 0 a 2.
c)
p(x 2)= p(x=0) + p(x=1) + p(x=2) = 0.41+0.37+0.16 = 0.94
d)
p(x 2) = p(x=2) + p(x=3) + p(x=4) = 0.16 + 0.05 + 0.01= 0.22
11.4 CALCULO DE MEDIA Y DESVIACIN ESTNDAR PARA UNA

DISTRIBUCIN CONTINUA
1. Media o valor esperado de x.- Para calcular la media de una distribucin de probabilidad
continua se utiliza la siguiente frmula:
Donde:
= E(x) = media o valor esperado de la distribucin
x = variable aleatoria continua
f(x) = funcin de densidad de la distribucin de probabilidad
108
2. Desviacin estndar.- La frmula para determinar la desviacin estndar de una

distribucin continua es;
Luego:
Ejemplos:
1. Para la siguiente funcin,
cuando 0 x 3 ,
f(x) = 0 para cualquier otro valor
a)
b)
Diga si esta funcin nos define una distribucin de probabilidad.

Si la funcin define una distribucin de probabilidad, entonces, determine
su media y desviacin estndar.
c)
Determine la probabilidad de que 1 x 2.
Solucin:
a)
Para verificar que la funcin nos define una distribucin de probabilidad, es necesario
que cumpla con las caractersticas que se haban mencionado.
1.
x s es una variable continua porque puede tomar cualquier valor entre 0 y 3
2.
f(x) 0, lo que se comprueba si damos diferentes valores a x para ver que valores
toma f(x), dndonos cuenta de que efectivamente f(x) solo toma valores mayores o iguales
a cero.
x f(x)
0 0.0
0.5 0.02778
1.0 0.11111
1.4 0.21778
2.1 0.49
2.7 0.81
3.0 1.0
3.
Para comprobar que la sumatoria de las probabilidades que toma cada
es de 1, se integra la funcin de 0 a 3 como se muestra a continuacin:
valor de x
A= rea bajo la funcin

Con las operaciones anteriores comprobamos que la funcin
define una distribucin de probabilidad continua.
s nos
109
b)
Clculo de media y desviacin estndar.
Las barras
nos indican la evaluacin de la integral entre 0 y 3.
c)
La barra nos indica la evaluacin de la integral de 1 a 2.

Con las operaciones anteriores nos damos cuenta que para evaluar probabilidades para
variables de tipo continuo, es necesario evaluar la funcin de densidad de probabilidad en
el rango de valores que se desea; que vendra siendo el rea que se encuentra entre f(x) y el
eje de las x y entre el rango de valores definidos por la variable x.
110
2. Suponga que el error en la temperatura de reaccin, en oC, para un experimento

controlado de laboratorio es una variable aleatoria continua x, que tiene la funcin de
densidad de probabilidad:
, para -1 x 2
f(x) = 0 en cualquier otro caso
a)
Verifique la tercera condicin de la definicin de una distribucin de

probabilidad continua.
b)
Determine la media o valor esperado de la distribucin de probabilidad.
c)
Encuentre la probabilidad de que 0 x 1.
Solucin:
a)
Como la tercera condicin es que la sumatoria de las probabilidades

asociadas a cada uno de los valores que toma x debe de ser 1, esto se
comprueba de la siguiente manera:
b)
c)
111

1. Un edificio comercial tiene dos entradas, numeradas con I y II. Entran tres personas al
edificio a la 9:00 a.m. Sea x el nmero de personas que escogen la entrada I, si se
supone que la gente escoge las entradas en forma independiente, determinar a)la
distribucin de probabilidades de x, b) el nmero esperado de personas que que
escogen la entrada I.
Respuesta:
a)
x
0
1 2 3
p(x) 1/8 3/8 3/8 1/8
b) 1.5 2 personas
2. Se observ que el 40% de los vehculos que cruzan determinado puente de cuota, son
camiones comerciales. Cuatro vehculos van a cruzar el puente en el siguiente minuto.
Determinar la distribucin de probabilidad de x, el nmero de camiones comerciales
entre los cuatro, s los tipos de vehculos son independientes entre s.
Respuesta:
x
0
1
p(x)
0.1296 0.3456
2
3
0.3456 0.1536
4
0.0256
3. Entre 10 solicitantes para un puesto 6 son mujeres y 4 son hombres. Supngase que se
seleccionan al azar 3 candidatos de entre todos ellos para concederles las entrevistas
finales. Determinar; a)la funcin de probabilidad para x, el nmero de candidatas
mujeres entre los 3 finalistas, b)el nmero esperado de candidatas mujeres entre los
finalistas.
Respuesta:
a)
x
0
1
2
3
p(x) 1/30 9/30 15/30 5/30
b) 1.8 2 mujeres
4. Los registros de ventas diarias de una empresa fabricante de computadoras sealan que
se vendern 0, 1 o 2 sistemas centrales de cmputo con las siguientes probabilidades:
Nmero de computadoras vendidas 0 1
2
Probabilidad
0.7 0.2 0.1
Calcular el valor esperado, la variancia y la desviacin estndar de las ventas diarias.
r. a)0 computadoras b)0 computadoras c)1una computadora
112
5. Sea x la variable aleatoria que representa la vida en horas de un cierto dispositivo

electrnico. La funcin de densidad de probabilidad es:
, para x 100 y 0 en cualquier otro caso
Encuentre la vida esperada de este dispositivo.
R. 200 horas
6. Si la utilidad de un distribuidor en unidades de $1000, en un nuevo automvil puede
considerarse como una variable aleatoria x con una funcin de densidad
f(x) = 2(1- x) para 0 x 1 y 0 para cualquier otro caso
Encuentre la utilidad promedio por automvil.
R. $333
7. Qu proporcin de personas puede esperarse que respondan a un cierto
requerimiento por correo, si la proporcin x tiene la funcin de densidad
0 x 1
y 0 en cualquier otro caso?

R. 8/15
8. La funcin de densidad de la variable aleatoria continua x, el nmero total de horas
en unidades de 100 horas, de que una familia utilice una aspiradora durante un ao
es de;
f(x) = x, para 0 x 1, f(x) = (2 - x) para 1 x 2, 0 en cualquier otro caso.
Encuentre el nmero promedio de horas por ao que la familia utiliza la aspiradora.
R. 100 horas
9. Suponga las probabilidades de 0.4, 0.3, 0.2 y 0.1, respectivamente, de que 0, 1, 2 o 3
fallas de energa elctrica afecten una cierta subdivisin en un ao cualquiera.
Encuentre la media y la desviacin estndar de la variable aleatoria x que representa
el nmero de fallas de energa elctrica que afectan esta subdivisin.
R. = 1 , = 1
10. La variable aleatoria x, que representa el nmero de pedacitos de chocolate en una
rebanada de pastel, tiene la siguiente distribucin de probabilidad:
x
2
p(x) 0.01
3
4
5
0.25 0.4 0.3
6
0.04
Determine el nmero esperado de pedacitos de chocolate en una rebanada de pastel.

R. 4 pedacitos de chocolate
113

Estadisticas 2016

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

Estadisticas 2016

Încărcat de

Drepturi de autor:

Formate disponibile

ESTADISTICAS

TEXTO BASE DE ESTADISTICAS PARA ADMINISTRACION DE EMPRESAS

CARRERA ADMINSTRACION DE EMPRESAS

TEXTO BASE DE ESTADISTICAS PARA ADMINISTRACION DE EMPRESAS

CARRERA ADMINSTRACION DE EMPRESAS

1.4 APLICACIN DE LA ESTADISTICA

TEXTO BASE DE ESTADISTICAS PARA ADMINISTRACION DE EMPRESAS

CARRERA ADMINSTRACION DE EMPRESAS

1.5.2.1 CLASIFICACION DE LAS VARIABLE CUANTITATIVAS

TEXTO BASE DE ESTADISTICAS PARA ADMINISTRACION DE EMPRESAS

CARRERA ADMINSTRACION DE EMPRESAS

1.6.3.1.1 MUESTRAS NO PROBABILISTICAS

TEXTO BASE DE ESTADISTICAS PARA ADMINISTRACION DE EMPRESAS

CARRERA ADMINSTRACION DE EMPRESAS

TEXTO BASE DE ESTADISTICAS PARA ADMINISTRACION DE EMPRESAS

CARRERA ADMINSTRACION DE EMPRESAS

1.7.2 METODOS PARA OBTENER MUESTRAS PROBABILISTICAS

1.7.2.3 MUESTREO ESTRATIFICADO

TEXTO BASE DE ESTADISTICAS PARA ADMINISTRACION DE EMPRESAS

CARRERA ADMINSTRACION DE EMPRESAS

1 El nivel de confianza o riesgo que aceptamos de equivocarnos al presentar nuestros

TEXTO BASE DE ESTADISTICAS PARA ADMINISTRACION DE EMPRESAS

CARRERA ADMINSTRACION DE EMPRESAS

TEXTO BASE DE ESTADISTICAS PARA ADMINISTRACION DE EMPRESAS

CARRERA ADMINSTRACION DE EMPRESAS

TEXTO BASE DE ESTADISTICAS PARA ADMINISTRACION DE EMPRESAS

CARRERA ADMINSTRACION DE EMPRESAS

Reemplazando valores de la frmula se tiene:

TEXTO BASE DE ESTADISTICAS PARA ADMINISTRACION DE EMPRESAS

CARRERA ADMINSTRACION DE EMPRESAS

EJERCICIOS PARA EL ESTUDIANTE

TABLA DE APOYO AL CALCULO DEL TAMAO DE UNA MUESTRA

TEXTO BASE DE ESTADISTICAS PARA ADMINISTRACION DE EMPRESAS

CARRERA ADMINSTRACION DE EMPRESAS

Revisin y correccin de los datos

Construccin de tabla de frecuencia

Representacin tabular o cuadros estadsticos y grficas.(Tema #3)

TEXTO BASE DE ESTADISTICAS PARA ADMINISTRACION DE EMPRESAS

CARRERA ADMINSTRACION DE EMPRESAS

Paso 2.Numero de datos N= 10

TEXTO BASE DE ESTADISTICAS PARA ADMINISTRACION DE EMPRESAS

CARRERA ADMINSTRACION DE EMPRESAS

Construir una tabla de distribucin de frecuencias

LIC. MARIANO VILLAVICENCIO ROSSELL

TEXTO BASE DE ESTADISTICAS PARA ADMINISTRACION DE EMPRESAS

CARRERA ADMINSTRACION DE EMPRESAS

Completar la tabla obteniendo los valores x, y, z.

TEXTO BASE DE ESTADISTICAS PARA ADMINISTRACION DE EMPRESAS

CARRERA ADMINSTRACION DE EMPRESAS

La frecuencia relat iva de un dato es igual su frecuencia absoluta dividida

TEXTO BASE DE ESTADISTICAS PARA ADMINISTRACION DE EMPRESAS

CARRERA ADMINSTRACION DE EMPRESAS

TEXTO BASE DE ESTADISTICAS PARA ADMINISTRACION DE EMPRESAS

CARRERA ADMINSTRACION DE EMPRESAS

EJERCICIOS PARA EL ESTUDIANTE

Tabular los datos e interpretar

2. Se tiene las edades de 60 individuos:

TEXTO BASE DE ESTADISTICAS PARA ADMINISTRACION DE EMPRESAS

CARRERA ADMINSTRACION DE EMPRESAS

REPRESENTACION TABULAR Y GRAFICA DE DATOS

TEXTO BASE DE ESTADISTICAS PARA ADMINISTRACION DE EMPRESAS

CARRERA ADMINSTRACION DE EMPRESAS

3.2.1.6 NOTA ACLARATORIA