Documente Academic
Documente Profesional
Documente Cultură
DIAGRAMAS DE CARROLL
Diagrama de Venn-Euler
Diagrama que representa todas relaciones lógicas entre un grupo finito de conjuntos.
En estos diagramas se representan los distintos conjuntos del universo mediante un
circulo, al interior de cada circulo se encuentran los elementos de cada conjunto y las
intersecciones entre estos representan los valores que comparten.
A B
U = {1, 2, 3, 4, 5, 6, 7, 8, 9} 2
1 4
A = {1, 3, 5, 7} 5 3
6
7 8
B = {2, 3, 4, 6, 8}
Algebra de conjuntos: Unión de conjuntos
La unión de dos conjuntos A y B (denotada A ∪ B) es aquel conjunto
formado por los elementos que pertenecen a A o a B, o a ambos.
A ∪ B = { x | x ∈ A ∨ x ∈ B}
Algebra de conjuntos: intersección de conjuntos
La intersección de dos conjuntos A y B (A ∩ B) es aquel conjunto
formado por los elementos que pertenecen a A y a B simultáneamente.
A ∩ B = { x | x ∈ A ∧ x ∈ B}
Algebra de conjuntos: diferencia de conjuntos
La intersección de dos conjuntos A y B (A - B) es aquel conjunto
formado por los elementos que pertenecen a A y no pertenecen a B.
A - B = { x | x ∈ A ∧ x ∉ B}
Algebra de conjuntos: diferencia de conjuntos
La diferencia simétrica de conjuntos es el formado por todos aquellos
elementos que están en la unión pero no en la intersección.
A Δ B = {x | x ∈ (A ∪ B) ∧ x ∉ (A ∩ B)
CONTEO DE ELEMENTOS
La cardinalidad de un conjunto A es el número de elementos que contiene el
conjunto, y se denota como n(A).
A = {1,2,3,4,5}
1 2 2
3 1
4 1 1
n(A)=
5 3
5 3 2
CONTEO DE ELEMENTOS
La cardinalidad de un conjunto A es el número de elementos que contiene el
conjunto, y se denota como n(A).
A = {Ansiedad (a), Depresión (d), Bipolaridad (b), Esquizofrenia (e)}
e b
a d
a d b
n(A)=
a d
e
CONTEO DE ELEMENTOS
A = {Ansiedad (a), Depresión (d), Bipolaridad (b), Esquizofrenia (e)}
B= {Bipolaridad (b), Trastorno limite (t), Trastorno obsesivo compulsivo (o)}
e b t o
a d o t
a d b o t
n(A)=
a d n(B)=
e
CONTEO DE ELEMENTOS
A = {Ansiedad (a), Depresión (d), Bipolaridad (b), Esquizofrenia (e)}
B= {Bipolaridad (b), Trastorno limite (t), Trastorno obsesivo compulsivo (o)}
8
2 n(A)=
10 n(B)=
CONTEO DE ELEMENTOS (unión de conjuntos)
La cardinalidad de la unión de dos conjuntos A y B cae dentro de dos
posibilidades:
1. Si A ∩ B = ∅, entonces, n(A ∩ B) = n(A) + n(B)
Depresión Ansiedad
100 100
CONTEO DE ELEMENTOS
La cardinalidad de la unión de dos conjuntos A y B cae dentro de dos
posibilidades:
1. Si A ∩ B = ∅, entonces, n(A ∩ B) = n(A) + n(B)
Depresión Ansiedad
100 22
100
Ejercicio de comprensión
En una investigación destinada a identificar el tipo porcentaje de jóvenes entre 17 -25 años que continúan
estudiando tras concluir el nivel medio superior, se conto con la participación de 150 jóvenes del municipio
de Texcoco encontrando los siguientes resultados: 70 jóvenes estudian en el nivel superior, 90 jóvenes
trabajan y 10 jóvenes estudian y trabajan. Elabore el diagrama de ven Euler correspondiente y responda a
las siguientes preguntas.
1) Que cantidad de alumnos estudian o
trabajan
• A ∪ TOC • Jc
• J ∪ TD
• J ∩ TP
• A ∩ TOC
• N – TAG
• A – TOC
• TAGc
Conceptos fundamentales
Experimento: proceso mediante el cual se obtiene una observación o medición.
• Eventos simples:
Conceptos fundamentales
Evento simple (Ei): Resultado que se observa en una sola repetición del
experimento.
• Experimento: Lanzar un dado y observar que cara queda arriba
• Eventos simples:
Eventos E1= E3 = E 5=
Experimento= sencillos=
E2= E4 = E 6=
A = {Numero impar}
Eventos=
B = {Numero menor que tres}
C = {Numero par}
Conceptos fundamentales
Evento: Conjunto de eventos sencillos. A menudo denotados por una letra
mayúscula.
Eventos E1= E3 = E 5=
Experimento= sencillos=
E2= E4 = E 6=
Eventos E1= E3 = E 5=
Experimento= sencillos=
E2= E4 = E 6=
Eventos mutuamente
A = {Numero impar} = {E1, E3, E5} excluyentes:
Eventos= Eventos que no pueden ocurrir
B = {Numero menor que tres} = {E1, E2, E3} de forma simultanea.
Eventos E1= E3 = E 5=
Experimento= sencillos=
E2= E4 = E 6=
S = {A, B, AB, O}
Diagramas de árbol: Eventos a dos etapas E1= Sangre tipo A (A)
AB
O
Diagramas de árbol: Eventos a dos etapas E1= Sangre tipo A (A)
AB
O
Diagramas de árbol: Eventos a dos etapas E1= Sangre tipo A (A)
• Suponga que toma una carta al azar de una baraja española, ¿cual es la probabilidad
de sacar un As?
Ejemplo de comprensión
Datos de los pacientes atendidos durante el ultimo año en un hospital psiquiatrico
Nivel de depresión
Sexo Leve (L) Moderado (M) Grave (G) Total
Masculino (h) 15 19 5 39
Femenino (m) 20 12 2 34
Total 35 31 7 73
¿Cual es la probabilidad de que el próximo paciente que ingrese a la hospital sea de sexo masculino?
¿Cual es la probabilidad de que el próximo paciente que ingrese a la hospital presente una depresión grave?
Relaciones de evento y reglas de probabilidad
Probabilidad de que dos eventos ocurran de forma simultanea: Calculo de la
probabilidad concurrente de dos eventos es igual a la cardinalidad de la
intersección entre dos conjuntos entre el total del tamaño muestral.
Este calculo refleja la probabilidad de que A y B ocurran al mismo tiempo
P(A ∩ B) = n (A ∩ B)
n(U)
Donde:
n (A ∩ B) = Numero de eventos simples en la intersección de A y B
n(U) = cardinalidad del espacio muestral
Ejemplo de comprensión
Datos de los pacientes atendidos durante el ultimo año en un hospital psiquiatrico
Nivel de depresión
Sexo Leve (L) Moderado (M) Grave (G) Total
Masculino (h) 15 19 5 39
Femenino (m) 20 12 2 34
Total 35 31 7 73
¿Cual es la probabilidad de que el próximo paciente que ingrese a la hospital tenga una depresión
moderada y sea de sexo femenino?
¿Cual es la probabilidad de que el próximo paciente que ingrese a la hospital presente una depresión grave
y sea de sexo femenino?
Relaciones de evento y reglas de probabilidad
Unión de dos eventos: Dados dos eventos A y B, la probabilidad de que el
evento A o el evento B, o ambos ocurran es igual a la probabilidad de que el
evento A ocurra, más la probabilidad de que el evento B ocurra, menos la
probabilidad de que ambos eventos ocurran simultáneamente.
Nivel de depresión
Sexo Leve (L) Moderado (M) Grave (G) Total
Masculino (h) 15 19 5 39
Femenino (m) 20 12 2 34
Total 35 31 7 73
¿Cual es la probabilidad de que el próximo paciente que ingrese a la hospital tenga una depresión leve o
grave?
¿Cual es la probabilidad de que el próximo paciente que ingrese a la hospital presente una depresión grave
o sea de sexo femenino?
Relaciones de evento y reglas de probabilidad
P( A - B )= P(A) - P(A ∩ B)
Ejemplo de comprensión
Datos de los pacientes atendidos durante el ultimo año en un hospital psiquiatrico
Nivel de depresión
Sexo Leve (L) Moderado (M) Grave (G) Total
Masculino (h) 15 19 5 39
Femenino (m) 20 12 2 34
Total 35 31 7 73
¿Cual es la probabilidad de que el próximo paciente que ingrese a la hospital tenga una depresión leve o
grave?
¿Cual es la probabilidad de que el próximo paciente que ingrese a la hospital presente una depresión grave
o sea de sexo femenino?
Relaciones de evento y reglas de probabilidad
Probabilidad condicional: Calculo de la probabilidad de un subconjunto de la
población, que contiene de condiciones no aplicables a la población total.
La probabilidad de A dado que B ocurrió
P(A|B) = P(A ∩ B)
P(B)
Donde
Nivel de depresión
Sexo Leve (L) Moderado (M) Grave (G) Total
Masculino (h) 15 19 5 39
Femenino (m) 20 12 2 34
Total 35 31 7 73
¿Cual es la probabilidad de que el próximo paciente que ingrese a la hospital tenga una depresión leve
dado que es hombre?
¿Cual es la probabilidad de que el próximo paciente que ingrese a la hospital sea de sexo femenino dado
que este tiene depresión leve?
Nivel de funcionalidad
Diagnostico
Muy bajo Bajo Moderado Alto Muy alto
Encefalopatía (E)
Síndrome de Down (S)
Defecto cerebral congénito (C)
Autismo (Au)
Otros (O)
la variable.
aleatoria x
Ejemplo probabilidad de un evento
Una institución educativa de nivel medio superior evaluó el rendimiento académico de
su alumnado considerando el numero de materias reprobadas que cada alumno
reprobó durante el ultimo ciclo escolar:
x f P(x)
0 15
1 40
2 20
∑ 75
Ejemplo probabilidad de un evento
Histograma de probabilidad
P(X)
.75
x f P(x)
0 15 15/75=.2
.50
1 40 40/75=.5333
2 20 20/75=.2666
∑ 75 1 .25
X
I R E
Ejemplo probabilidad de un evento
Histograma de probabilidad
P(X)
.75
x f P(x)
0 15 15/75=.2
.50
1 40 40/75=.5333
2 20 20/75=.2666
∑ 75 1 .25
P(E ∪ I) = I R E
X
Ejemplo probabilidad de un evento a dos fases
Considere el lanzamiento de dos monedas, con la siguiente variable aleatoria
x = {numero de veces que se obtiene sol}
Primer lanzamiento
S
Ejemplo probabilidad de un evento a dos fases
Considere el lanzamiento de dos monedas, con la siguiente variable aleatoria
x = {numero de veces que se obtiene sol}
A
S
A
S
S
Ejemplo probabilidad de un evento a dos fases
Considere el lanzamiento de dos monedas, con la siguiente variable aleatoria
x = {numero de veces que se obtiene sol}
A 0 soles
A
S 1 sol
A 1 sol
S
S 2 soles
Ejemplo probabilidad de un evento a dos fases
Considere el lanzamiento de dos monedas, con la siguiente variable aleatoria
x = {numero de veces que se obtiene sol}
A 0 soles ¼=.25
A
S 1 sol ¼=.25
A 1 sol ¼=.25
S
S 2 soles ¼=.25
Ejemplo probabilidad de un evento a dos fases
Considere el lanzamiento de dos monedas, con la siguiente variable aleatoria
x = {numero de veces que se obtiene sol}
A 0 soles ¼=.25
x F P(x)
A
S 1 sol ¼=.25 0 1 .25
1 2 .50
2 1 .25
A 1 sol ¼=.25
S
S 2 soles ¼=.25
Histograma de probabilidad
P(X)
.75
x F P(x)
.50
0 1 .25
1 2 .50
.25
2 1 .25
X
0 1 .25
Ejercicio: Elabore la distribución de probabilidad e histograma
Un investigador interesado en conocer el tamaño y composición de las familias del
estado de México entrevisto a 50 familias para conocer sus características composición
y dinámica. A continuación se muestran algunos de los resultados obtenidos
x = {numero de hijos que tiene una familia}
x f P(x)
0 6
1 17
2 12
3 7
4 6
5 4
6 3
Parámetros de una distribución de
probabilidad
Parámetros de una distribución de probabilidad
µ= Σ [x . P(x)]
• Varianza de la distribución de probabilidad
σ= Σ[(x-μ)2 . P(x)]
Valor esperado “E “
El valor esperado de una variable aleatoria discreta x se expresa con E, y es el valor
medio de la probabilidad de cada evento simple, por lo que E = μ y E se calcula
Σ[x∙P(x)]. Este valor implica el valor promedio que esperaríamos obtener si los
ensayos pudieran continuar indefinidamente.
x = {numero de materias reprobadas}
x f P(x)
0 15 .2
Σ[x∙P(x)]=
1 40 .5333 Interpretación:
2 20 .2666 Si el evento se repitiera un gran numero de
∑ 75 1 veces, al seleccionar un elemento al azar el
valor esperado será de _______
Valor esperado “E “
El valor esperado de una variable aleatoria discreta x se expresa con E, y es el valor
medio de la probabilidad de cada evento simple, por lo que E = μ y E se calcula
Σ[x∙P(x)]. Este valor implica el valor promedio que esperaríamos obtener si los
ensayos pudieran continuar indefinidamente.
x = {numero de materias reprobadas}
x f P(x) Σ[x∙P(x)]
0 15 .2 0
Σ[x∙P(x)]= 1.0003
1 40 .5333 .5333 Interpretación:
2 20 .2666 .5332 Si el evento se repitiera un gran numero de
∑ 75 1 1.0003 veces, al seleccionar un elemento al azar el
valor esperado será de _______
Valor esperado “E “
El valor esperado de una variable aleatoria discreta x se expresa con E, y es el valor
medio de la probabilidad de cada evento simple, por lo que E = μ y E se calcula
Σ[x∙P(x)]. Este valor implica el valor promedio que esperaríamos obtener si los
ensayos pudieran continuar indefinidamente.
x = {numero de materias reprobadas}
x f P(x) Σ[x∙P(x)] Σ[x∙P(x)]= 1.0003
0 15 .2 0
1 40 .5333 .5333
Interpretación:
Si el evento se repitiera un gran numero de
2 20 .2666 .5332
veces, al seleccionar un elemento al azar el
∑ 75 1 1.0003 valor esperado será de ____________
Sentido de los resultados: valores significativos
La desviación estándar de una distribución de probabilidad permite identificar si
un valor es significativamente alto o si es significativamente alto
Valor significativamente altos = P(x) > (μ + 2σ)
μ + 2σ μ - 2σ
Sentido de los resultados: valores significativos
Formulas: a) E = µ = Σ [x . P(x)] b) σ2= Σ[(x-μ)2 . P(x)] c) σ2 = √σ
x f P(x) Σ[x∙P(x)]
0 15 .2 0
1 40 .5333 .5333
2 20 .2666 .5332
∑ 75 1 1.0003
Sentido de los resultados: valores significativos
Formulas: a) E = µ = Σ [x . P(x)] b) σ2= Σ[(x-μ)2 . P(x)] c) σ2 = √σ
x f P(x) Σ[x∙P(x)] (X-μ)2 (X-μ)2.P(x)
0 15 .2 0 1.0006
E=
1 40 .5333 .5333 .00000009
2 20 .2666 .5332 .9994
σ2 =
∑ 75 1 1.0003
σ=
Sentido de los resultados: valores significativos
Formulas: a) E = µ = Σ [x . P(x)] b) σ2= Σ[(x-μ)2 . P(x)] c) σ2 = √σ
x f P(x) Σ[x∙P(x)] (X-μ)2 (X-μ)2.P(x)
0 15 .2 0 1.0006 0
E= 1.0003
1 40 .5333 .5333 .00000009 .00000009
2 20 .2666 .5332 .9994 1.9988
σ2 =1.9988
∑ 75 1 1.0003 1.9988
σ = 1.413
Ejemplo
La siguiente tabla describe el número de adultos en grupos de cinco
que reportaron sonambulismo x P(x)
0 .172
x= {numero de adultos que mostraron sonambulismo} 1 .363
• Encuentre la media y la desviación estándar para el número de 2 .306
3 .129
sonámbulos en grupos de 5
4 .027
• ¿Como se consideraría el encontrar 3 sonámbulos en un grupo de 5? 5 .002
ꝏ ꝏ
3 4 5
Componentes de la Distribución de variables continuas
f (x)
∑f(x - )2
S=
2
n
∑f.x
= n
Calcule la puntuación
Posición típica: Zi = 10-7.63 típica de:
1.46 z8 = .25 y 10
= 7.63S2
x f f.x X- (X- )2 f(X - )2
10 6 S =1.46
9 4 S2 =2.16
8 5
Interpretación:
7 8 Z10= el valor 10 se encuentra a
6 10 1.65 desviaciones típicas por
n 33 arriba de la media
Calcule la puntuación
S Xi = z5 y z8
=
x f f.x X- (X- )2 (X - )2
9 5
S2 =
8 18 S =
7 42 Interpretación:
6 27
5 8
n
Calculo en SPSS
fx
X
• Es la representación grafica de la distribución muestral de variables continuas.
• La mayoría de los fenómenos naturales se distribuyen de acuerdo a este
modelo.
• Permite resolver diversos problemas cuando las variables presentan un
comportamiento de acuerdo al modelo.
Distribución normal Peso
fx (Kg)
X
• Es la representación grafica de la distribución muestral de variables continuas.
86
X
• Es la representación grafica de la distribución muestral de variables continuas.
86
56
X
• Es la representación grafica de la distribución muestral de variables continuas.
86
56
41 101
X
• Es la representación grafica de la distribución muestral de variables continuas.
86
56
51
41 101
X
• Es la representación grafica de la distribución muestral de variables continuas.
86
56
51
46
41 101
X
• Es la representación grafica de la distribución muestral de variables continuas.
86
56
91
51
46 96
41 101
36 106
X
• Es la representación grafica de la distribución muestral de variables continuas.
86
56
91
51
46 96
41 101
36 106
X
• Es la representación grafica de la distribución muestral de variables continuas.
fx
71
X
• El punto medio de la distribución es la media de
la distribución ()
Distribución normal
fx
71
X
• El punto medio de la distribución es la media de
la distribución ()
fx
71
50 % 50 %
X
• El punto medio de la distribución es la media de • La distribución es simétrica (mo)
la distribución ()
fx
71
X
• El punto medio de la distribución es la media de • La distribución resultante es mesocúrtica
la distribución ()
fx
71
X
• El punto medio de la distribución es la media de • La distribución resultante es mesocúrtica
91
34.61%
X
• El punto medio de la distribución es la media de • La distribución resultante es mesocúrtica
X
Distribución normal
estandarizada
fx
0
=0 S=1
X
Distribución normal
estandarizada
fx
0
=0 S=1
-2
47.7%
X
Distribución normal
estandarizada
fx
0
=0 S=1
3
49.8%
X
Área bajo la curva de los valores: Z0.35=
Área bajo la curva de los valores: Z2.49=
Área bajo la curva de los valores: Z2.49=
Distribución normal
estandarizada
fx
0
=0 S=1
-1 1
2
-2
-3 3
X
Área bajo la curva de los valores:
Z-1.3= Z1.96= Z-2.0=
Z2.5= Z-1.18= Z1.0=
Uso de la distribución normal en la probabilidad
fx
=0 S=1
0 f%x = P(X)
-1 1
2
-2
-3 3
X
• El porcentaje de casos por debajo de un valor es equivalente a la
probabilidad de obtener un valor menor o igual a dicho valor
Uso de la distribución normal en la probabilidad
x f f%x = P(X)
10 6
9 4
8 5
7 8
6 10
n 33
X
.8413
• Debido a que las puntuaciones z permiten conocer el porcentaje de casos que son
igual o menores a una puntuación determinada, pueden ser utilizadas para conocer la
probabilidad de obtener un valor menor o igual a determinado
Distribución normal
estandarizada
fx
0
=0 S=1
-1 1
2
-2
-3 3
X
Área bajo la curva de los valores:
P>Z1.38= P>Z2.57= P>Z0.15=
P>Z-0.58= P>Z-1.45= P>Z-1.80=
Distribución normal
estandarizada
fx
0
=0 S=1
-1 1
2
-2
-3 3
X
Área bajo la curva de los valores:
P(z1<Z<z2) = P(≤z1) – P(≤z2)
Distribución normal
estandarizada
fx
0
=0 S=1
-1 1
2
-2
-3 3
X
Área bajo la curva de los valores:
Z1<P<Z2= Z.5<P<Z.7= Z1<P<Z2=
Z-1<P<Z1= Z-.5<P<Z.5= Z-3<P<Z+3=
Aplicación de la puntuación Z
De acuerdo con una investigación realizada en la UVM Texcoco, el tiempo promedio que los estudiantes
demoran en llegar a clase es de 30 minutos con una desviación estándar de 5 minutos ¿Qué porcentaje
existe de que un alumno llegue antes de los 16 minutos de demora?
µ=30 16
σ= 5
Aplicación de la puntuación Z
De acuerdo con una investigación realizada en la UVM Texcoco, el tiempo
promedio que los estudiantes demoran en llegar a clase es de 30 minutos con
una desviación estándar de 5 minutos ¿Qué porcentaje existe de que un
alumno llegue antes de los 16 minutos de demora?
P(X ≤ 16)
µ=30
σ= 5
Aplicación de la puntuación Z
De acuerdo con una investigación realizada en la UVM Texcoco, el tiempo promedio que los estudiantes
demoran en llegar a clase es de 30 minutos con una desviación estándar de 5 minutos ¿Qué porcentaje
existe de que un alumno llegue antes de los 16 minutos de demora?
P(X ≤ 16)
µ=30 Se calcula encontrando la
σ= 5 puntuación Z de 16
Aplicación de la puntuación Z
De acuerdo con una investigación realizada en la UVM Texcoco, el tiempo promedio que los estudiantes
demoran en llegar a clase es de 30 minutos con una desviación estándar de 5 minutos ¿Qué porcentaje
existe de que un alumno llegue antes de los 16 minutos de demora?
P(X ≤ 16)
µ=30 Se calcula encontrando la
σ= 5 puntuación Z de 16
Z = 16 – 30
16
5
Aplicación de la puntuación Z
De acuerdo con una investigación realizada en la UVM Texcoco, el tiempo promedio que los estudiantes
demoran en llegar a clase es de 30 minutos con una desviación estándar de 5 minutos ¿Qué porcentaje
existe de que un alumno llegue antes de los 16 minutos de demora?
P(X ≤ 16)
µ=30 Se calcula encontrando la
σ= 5 puntuación Z de 16
Z16= 16 – 30 = -14
5 5
Aplicación de la puntuación Z
De acuerdo con una investigación realizada en la UVM Texcoco, el tiempo promedio que los estudiantes
demoran en llegar a clase es de 30 minutos con una desviación estándar de 5 minutos ¿Qué porcentaje
existe de que un alumno llegue antes de los 16 minutos de demora?
P(X ≤ 16)
µ=30 Se calcula encontrando la
σ= 5 puntuación Z de 16
Z16= -2,8
Se ubica en la tabla de
distribución z
Aplicación de la puntuación Z
De acuerdo con una investigación realizada en la UVM Texcoco, el tiempo promedio que los estudiantes
demoran en llegar a clase es de 30 minutos con una desviación estándar de 5 minutos ¿Qué porcentaje
existe de que un alumno llegue antes de los 16 minutos de demora?
Z16= -2,8
Se ubica en la tabla de
distribución z
Aplicación de la puntuación Z
De acuerdo con una investigación realizada en la UVM Texcoco, el tiempo promedio que los estudiantes
demoran en llegar a clase es de 30 minutos con una desviación estándar de 5 minutos ¿Qué porcentaje
existe de que un alumno llegua antes de los 16 minutos de demora?
De acuerdo con una investigación realizada en la UVM Texcoco, el tiempo promedio que los estudiantes
demoran en llegar a clase es de 30 minutos con una desviación estándar de 5 minutos ¿Qué porcentaje
existe de que un alumno llegue antes de los 16 minutos de demora?
De acuerdo con una investigación realizada en la UVM Texcoco, el tiempo promedio que los estudiantes
demoran en llegar a clase es de 30 minutos con una desviación estándar de 5 minutos ¿Qué porcentaje
existe de que un alumno llegue antes de los 16 minutos de demora?
De acuerdo con una investigación realizada en la UVM Texcoco, el tiempo promedio que los estudiantes
demoran en llegar a clase es de 30 minutos con una desviación estándar de 5 minutos ¿Qué porcentaje
existe de que un alumno llegue antes de los 16 minutos de demora?
P(30 ≥ X ≤ 43)
µ=30
σ= 5
Aplicación de la puntuación Z
De acuerdo con una investigación realizada en la UVM Texcoco, el tiempo promedio que los estudiantes
demoran en llegar a clase es de 30 minutos con una desviación estándar de 5 minutos ¿Qué porcentaje
existe de que un alumno llegue antes de los 16 minutos de demora?
P(30 ≥ X ≤ 43)
µ=30 P(30 ≥ X ≤ 43) = Z43 – Z30
σ= 5
Aplicación de la puntuación Z
De acuerdo con una investigación realizada en la UVM Texcoco, el tiempo promedio que los estudiantes
demoran en llegar a clase es de 30 minutos con una desviación estándar de 5 minutos ¿Qué porcentaje
existe de que un alumno llegue antes de los 16 minutos de demora?
P(30 ≥ X ≤ 43)
µ=30 P(30 ≥ X ≤ 43) = Z43 – Z30
σ= 5
Z43= (43-30)/5 = 2,6
Z30= (30-30)/5 = 0
Aplicación de la puntuación Z
De acuerdo con una investigación realizada en la UVM Texcoco, el tiempo
promedio que los estudiantes demoran en llegar a clase es de 30 minutos con
una desviación estándar de 5 minutos. ¿Qué porcentaje de un alumnos llegan
entre 30 y 43 minutos? P(30 ≥ X ≤ 43)
µ=30 P(30 ≥ X ≤ 43) = P43 – P30
σ= 5 P(30 ≥ X ≤ 43) = ,995 – ,50
P(30 ≥ X ≤ 43) = ,495
Z43= (43-30)/5 = 2,6
P43=,995
Z30= (30-30)/5 = 0
P30= .50
Aplicación de la puntuación Z
De acuerdo con una investigación realizada en la UVM Texcoco, el tiempo promedio que los estudiantes
demoran en llegar a clase es de 30 minutos con una desviación estándar de 5 minutos. ¿Qué porcentaje
de un alumnos llegan entre 30 y 43 minutos?
De acuerdo con una investigación realizada en la UVM Texcoco, el tiempo promedio que los estudiantes
demoran en llegar a clase es de 30 minutos con una desviación estándar de 5 minutos. ¿Qué porcentaje
de un alumnos llegan después de 45 minutos?
µ=30
σ= 5
Aplicación de la puntuación Z (ejercicio de repaso)
Encontrar el porcentaje de individuos que obtuvieron valores: