Probabilidades

Lmite inferior Lmite superior
de tolerancia (LIT) de tolerancia (LST)

ESTADSTICA Y
PROBABILIDADES 1
TINS
p U N I V E R S I D A D
T E C N O L O G I C A D E L
P E R U
Lima - Per
UNIVERSIDAD TECNOLGICA DEL PER
Vicerrectorado de Investigacin
ESTADSTICA Y
PROBABILIDADES I
TINS Bsicos
INGENIERA INDUSTRIAL, INGENIERA DE SISTEMAS,
INGENIERA ELECTRNICA, INGENIERA MECATRNICA,
INGENIERA TEXTIL, INGENIERA DE TELECOMUNICACIONES
TEXTOS DE INSTRUCCIN BSICOS (TINS) / UTP
Queda prohibida cualquier forma de reproduccin, venta, comunicacin pblica y
transformacin de esta obra.
ESTADSTICA Y PROBABILIDADES I
Desarrollo y Edicin : Vicerrectorado de Investigacin
Elaboracin del TINS : Mg. Heiner Lpez Prncipe
Diseo y Diagramacin : Julia Saldaa Balandra
Soporte acadmico : Instituto de Investigacin
Produccin : Imprenta Grupo IDAT
3
Presentaci n
El indeterministico, en el presente siglo va ganando mrgenes importantes, en los
certmenes donde se exponen trabajos relacionados con la mecnica celestial
Universo y con la mecnica de las partculas. De modo que la teora de
probabilidades, en extensin, se va haciendo cada da ms til en el planteamiento y
en la solucin de problemas, en las diferentes reas de actividad del hombre: en la
economa, en el comportamiento social, en la esfera poltica, en general en toda
actividad del hombre.
Trabajos que tienen como antecedente las observaciones de Ricard de Fourmivel (1200-
1250), contenido en su poema De vetula, donde expresa si se lanza tres dados se
puede llegar a identificar 216 combinaciones. Doscientos aos despus Luca Paciola
(1445-1517) propone un problema, conocido luego como problema, del reparto de
apuestas, relacionado con la distribucin de ganancias entre jugadores cuando el juego
se interrumpe antes de finalizar.
Ms adelante Girolamo Cardano (1501-1576), en su obra el Libro de los Juegos de
Azar, escrito en 1565 y sin embargo publicado en 1663, se ocupa tambin del
problema de reparto de apuestas. Indica que la solucin de Pacioli era incorrecta
porque al considerar tan slo el nmero de juegos generados por cada equipo, no
contaba cuntos juegos deban ganar para hacerse con el premio. El problema que se
comenta tambin fue tratado por Niccolo Tartaglia (1499-1557), quien observaba que
la solucin elaborada por Paccioli tena restricciones y propuso una solucin ms
general.
No se puede cerrar estos aos de la teocracia sin dedicar algunas lneas al trabajo de
un coloso de la humanidad: Galileo Galilei (1564-1642), famoso por sus trabajos de
Fsica, Astronoma e Ingeniera; primer sistematizador de la metodologa experimental
en la investigacin cientfica, quien dedic una parte de su tiempo a resolver
problemas sobre dados, contenidos en su libro sobre la puntuacin en tiradas de
dados. No obstante su mayor contribucin fue la creacin de la teora de errores:
errores sistemticos y errores aleatorios.
Liberado de las ataduras de la escolstica que fren, para desgracia de la humanidad
trabajos de gran envergadura, no slo en el campo de la incerteza, por considerarlos
impos, recin en el siglo XVII, con los trabajos de Pascal (1623-1662) y Fermat (1601
1665) empieza a establecerse los principios y mtodos de clculo de la incerteza.
Ms tarde el espritu humano se ve engrandecido con la contribucin de Huyghens
(1629-1675), quien acopiando diversos trabajos elaborados hasta su poca, reuni
problemas diversos en un tratado, al que llam De Rotiocins in ludo aleae.
Posteriormente siguieron trabajando para la gloria de la humanidad, en Holanda Huddes
y Witt (1625-1672); Halley (1656-1742) en Inglaterra; aplicaron los clculos a las
probabilidades de la vida humana; Bernoulli (1654-1705) a su vez propuso a los
gemetras de su poca diversos problemas de probabilidades; entre ellos a Moivre.
Unos aos despus, entre 1700 y 1706 Montmort (1678-1719) y Moivre (1667-1754)
publican obras sobre el clculo de probabilidades.
La obra de Montmort con el ttulo Essai sur les Jeux de hasard y el trabajo de Moivre
4

ESTADSTICA Y PROBABILIDADES II
aparecieron en Transactions Philosophiques de 1711; obra que fue sometido por l a
sucesivas correcciones, mientras intensificaba su trabajo de las series recurrentes que
luego us Lagrange para la integracin de las ecuaciones lineales de diferencias con
coeficientes constantes; procedimiento que muy poco antes haba sido trabajo por
Taylor.
Ms adelante, Bayes (1702-1761) bebiendo en la cantera de trabajos realizados por
varios sabios que le antecedieron, estudi el problema de las causas y de los
acontecimientos futuros, inferida de los acontecimientos sucedidos. Trabajos
publicados despus de su muerte en Transactions Philosophiques de 1763. As
mismo, dos aos despus de su muerte, en 1763 se publica Essay Towards Solving a
Problem in the Doctrine of Chances, donde se enuncia el teorema que lleva su
nombre.
Contina el avance de esta teora con las contribuciones de Lagrange, con su obra
publicada en Mmoires de Turin sobre las probabilidades de los trminos medios,
basado en la ley de los errores de las observaciones. En esta avanzada continuaron
Legendre (1752-1833) y Gauss que concibieron la idea de sumar los cuadrados de los
primeros miembros de las ecuaciones de condicin y de convertir dicha suma en un
minimun.
Gauss (1777-1855), considerado el prncipe de las matemticas y el matemtico ms
grande desde la antigedad, en 1823 publica Theoria combinations observationum
erroribus minimis obnoxiae, dedicado a la distribucin normal, cuya curva caracterstica
(campana de Gauss) es muy usada en disciplinas donde los datos podran estar
afectados por errores sistemticos y casuales.
Por ese tiempo, Pierre Simon Laplace un matemtico francs que a los 24 aos se le
llam el Newton de Francia, por la calidad de sus trabajos en la Mecnica
Celestial, expuso en su gran obra Traite du Mecanique Celeste sus estudios acerca
del sistema solar; contribuyendo a extender el modelo de Newton y sin embargo
anotando que el sistema solar era estable y que Dios era hiptesis innecesaria.
Un sabio de tal brillantez, no slo trabaj en fsica astronmica, sino tambin como
pensador present su Hiptesis Nobular, antecedido por Inmanuel Kant quien en
1755 presenta su obra Allgemeine Naturgeschichte. Trabaj, as mismo, en la teora
de probabilidades, planteando diversos problemas al azar, siendo uno de ellos el
mtodo de los mnimos cuadrados, presentando en 1812, en su Theorie Analitique
des Probabilits donde supera las restricciones que Lagrange haba considerado en
sus Memories de Turin.
Otra gran contribucin, a la teora de errores fu la de Simeon Poisson (1781-1840)
quien plante la pregunta: es cierto que la media aritmtica es siempre mejor que una
nica observacin?. Altamente conocido por la distribucin que lleva su nombre,
comprobado posteriormente por A. Cauchy (1789-1857).
Se suman a estos brillantes cientficos, que trabajaron en la teora de errores P
Chebyshev con su Mtodo de los Momentos (1821-1894) y A. Markov (1856-1922),
conocido por su trabajo denominado: cadenas de Markov; discpulo de Chebyshev quien
mejor uno de los teoremas de su profesor, que ms tarde fuera motivo de
comprobacin de A. Liaponuv (1857-1918) y de extensin en su generalizacin por
Lindeberg (0000 0000), William Feller (0000 0000) y S. Bernshtein (0000 0000)
Por esa misma poca A. Khinchine (1894-1959) y Paul Levy (1886-1971) considerando
5

la sucesin de variables aleatorias, motivo de inters de estos cientficos, encontraron
las condiciones necesarias y suficientes para la convergencia de la distribucin de
variables.
Avanzando en el tiempo de ascenso del hombre, en el siglo pasado se destaca la
presencia de Frank P. Ramsey ( ) con su obra Los fundamentos de la Matemtica;
publicado en 1931 en el campo de la interpretacin subjetiva de la probabilidad,
considerada ms amplia que la probabilidad de las frecuencias, conocida como
frecuentista u objetiva. En el siglo pasado no se puede dejar de mencionar los trabajos
de mile Borel (1871-1956) en torno a la teora general de las medidas para la
sustentacin amplia de los fundamentos de la teora de las probabilidades. Sustento que
N. Kolmogorov (1903-1987) continu al proponer la axiomatizacin de la teora de las
probabilidades.
En el marco de esta breve consideracin de evolucin de la probabilstica y la
estadstica se pretende, dentro de las restricciones propias de la formacin
profesional, componer el Curso de Estadstica y Probabilidades I, para alumnos del IV
ciclo de la Carrera de Ingeniera de Sistemas, que con esfuerzo singular el profesor
Mg. Heiner Lpez, de gran ejecutoria acadmica-profesional, quien trabajando con
denuedo acadmico ha logrado elaborar un texto didctico para el aprendizaje de la
teora de probabilidades y la estadstica.
En este efecto la composicin mencionada del presente trabajo se desplaza segn la
siguiente secuencia:
Captulo I. ESTADSTICA DESCRIPTIVA. El aprendizaje se inicia con el clculo de los
diferentes estadsticos mas usuales; media, mediana, moda, varianza, coeficiente de
variacin, etc, determinado sus valores ser necesario interpretarlos segn sus
propiedades y definiciones. Se presenta tambin las graficas histogramas, polgonos de
frecuencia, ojivas, diagrama circular, de los diferentes tipos de datos cualitativos o
cuantitativos. Las propiedades de la media y varianza en soluciones de problemas son
usuales. Se termina con el estudio con los percentiles deciles, cuartiles, adems medidas
de asimetra y curtosis.
Captulo II. PROBABILIDAD. Es la base fundamental del curso ya que es el soporte
matemtico para la inferencia estadstica. Se basa fundamentalmente en
experimentos aleatorios en los cuales se calcula las probabilidades sobre eventos
aparecen teoremas importantes en probabilidad muy usuales en la solucin de
problemas. Desarrollamos la probabilidad condicional que tiene trascendencia en los
procesos estocsticos, as mismo tratamos la probabilidad de independencia y
dependencia de eventos que tienen gran aplicabilidad en ingeniera, para terminar
con el teorema de la probabilidad total y teorema de Bayes de gran significacin, ya
que origina la teora Bayesiana.
Captulo III. VARIABLE ALEATORIA. Es una funcin especial definida sobre un
espacio muestral el cual puede ser discreto o continuo segn sea el experimento
aleatorio a tratar, generando funciones que pueden ser discretas (funciones de
probabilidad) las cuales cumplen con propiedades establecida dentro del modelo
probabilstico. Se le puede calcular su media (), Varianza ((
2
) y la esperanza
matemtica E(X) de la variable aleatoria X, las cuales tienen propiedades que se usan
en la solucin de problemas diversos. Seguidamente desarrollamos las funciones de
6

densidad de probabilidad uniforme y exponencial ambas muy usuales en aplicaciones
tericas como prcticas.
Captulo IV. DISTRIBUCIONES DISCRETAS Y CONTINUAS. Las distribuciones
generadas por variables aleatorias, pueden ser discretas como: Bernoulli, Binomial,
Poisson, etc. continuas como la Normal, t de Student, etc. cada una de estas
distribuciones tienen su media () y varianza (6
2
), las cuales son de utilidad en
inferencia estadstica.
Las distribuciones mencionadas son modelos que con frecuencia se presentan en las
diferentes especialidades, teniendo aplicaciones muy diversas. Por ejemplo la
distribucin binomial, muy usual en control de calidad, en encuestas de opinin, etc.
la distribucin de Poisson, estudia por ejemplo los fenmenos de llegada la teora de
colas, etc. La distribucin normal la mas importante y usual en estadstica, por su
simetra en experimentos aun cuando las mediciones sean con errores de
aproximacin. Bajo condiciones determinadas podemos aproximar la binomial y
Poisson con la Normal.
Captulo V. DISTRIBUCIONES MUESTRALES. El captulo anterior se ocup de
distribuciones especficas, muy usuales en teora de confiabilidad control de calidad y
muestreo de aceptacin. Nos concentramos en el muestreo de distribuciones o
poblaciones y se estudian los valores de los estadsticos mas importantes como son la
media muestral y varianza muestral que resultan de la extraccin de una muestra
aleatoria de una poblacin pueda tener cualquier distribucin, pero sin embargo la
distribucin de la media muestral puede seguir una normal o aproximadamente una
normal tal afirmacin lo sostiene el teorema del Lmite Central (TLC) de gran
aplicabilidad en la estadstica inferencial.
Captulo VI. ESTIMACIN. Hemos sealado la importancia de las propiedades de la
media y varianza muestral, el propsito de nuestro estudio es crear un fundamento para
sacar conclusiones acerca de los parmetros poblacionales a partir de los datos
experimentales. Por ejemplo, el Teorema Central de Lmite (TLC) nos proporciona
informacin acerca de la distribucin de la media muestral X ; la distribucin
comprende la media poblacional . Entonces cualquier conclusin referente a , que
se obtenga de un promedio muestral observado, depende del conocimento de la
distribucin muestral. La estimacin de los parmetros poblacionales (, 6
2
, p)
pueden, ser puntuales o por intervalos. Los estimadores usuales son la media,
varianza y proporcin ( x , S
2
, p ) muestrales; siendo isesgados eficientes,
consistentes y
asintticos. Nos centramos en la estimacin para la media mediante intervalos usando
las distribuciones, normal y t de Student.
Al cerrar esta presentacin debemos reconocer el esfuerzo y trabajo del profesor Heiner
Lpez Prncipe a quien la Institucin agradece por su excelente contribucin.
uc a A~ Aumm 2[ ~
Vicerrectorado de Investigacin
7

El presente material de lectura contiene una compilacin de
artculos, de breves extractos de obras de Estadstica y
probabilidades I publicadas lcitamente, acompaadas de
resmenes de los temas a cargo del profesor; constituye un
material auxiliar de enseanza para ser empleado en el
desarrollo de las clases en nuestra institucin.
ste material es de uso exclusivo de los alumnos y docentes
de la Universidad Tecnolgica del Per, preparado para fines
didcticos en aplicacin del Artculo 41 inc. C y el Art. 43 inc.
A., del Decreto Legislativo 822, Ley sobre Derechos de Autor.
NDICE
8
CAPTULO I. Estadstica Descriptiva ...................................................... 13
Semana 1
Introduccin ............................................................................................ 13
Algunas definiciones y trminos importantes en estadstica .......................... 14
Definicin de estadgrafos ......................................................................... 17
Etapas que cubre la estadstica .................................................................. 18
Semana 2
Calculo de los estadgrafos ms importantes ............................................... 21
Ejercicios de aplicacin casos I, II y III ..............................................
Mtodos de clasificacin de datos por intervalos .......................................... 26
Semana 3
Estadsticos de tendencia central ............................................................... 31
Tipos de grficas ...................................................................................... 32
Propiedades de la media y varianza ............................................................ 36
Propiedades adicionales de la media .......................................................... 36
Ejercicios de aplicacin ............................................................................. 38
Semana 4
Percentiles, deciles y cuartiles .................................................................... 44
Medidas de asimetra y curtosis ................................................................. 49
Ejercicios propuestos de recapitulacin (tarea) ............................................ 52
CAPTULO II. Probabilidades .................................................................. 67
Semana 5
Introduccin ............................................................................................ 67
Algunas definiciones importantes en probabilidad ....................................... 68
lgebra de eventos ................................................................................... 69
Semana 6
Probabilidad de un evento ......................................................................... 77
Algunos teoremas importantes en probabilidad ........................................... 78
9

Semana 7
Probabilidad condicional ........................................................................ 89
Ejercicios de aplicacin ......................................................................... 90
Probabilidad de la multiplicacin de eventos ........................................... 95
Ejercicios de aplicacin ......................................................................... 96
Semana 8
Probabilidad de independencia de eventos ........................................... 101
Ejercicios de aplicacin ....................................................................... 105
Teorema de la probabilidad total y teorema de Bayes ........................... 103
Ejercicios propuestos de recapitulacin (tarea) ..................................... 108
Semana 9
Repaso y solucin de los ejercicios propuestos de recapitulacin
Semana 10. EXAMEN PARCIAL
CAPTULO III. Variable Aleatoria .......................................................... 125
Semana 11
Secuencia natural de problemas en variable aleatoria ........................... 125
Propiedades de la variable aleatoria discreta y continua ........................ 127
Variable aleatoria discreta ................................................................... 128
Esperanza matemtica en variable aleatoria discreta ............................. 128
Semana 12
Variable aleatoria contina .................................................................. 141
Funcin de densidad de probabilidad uniforme ..................................... 144
Funcin de densidad de probabilidad exponencial ................................. 146
Ejercicios de aplicacin
Ejercicios propuestos de recapitulacin (tarea) ..................................... 149
CAPTULO IV. Distribuciones de probabilidad discreta y continua ... 167
Semana 13
Distribuciones de probabilidad discreta ................................................ 167
Distribucin binomial .......................................................................... 167
Distribucin de Poisson ....................................................................... 174
10

Teorema de aproximacin de las distribuciones binomial y Poisson... 180
Semana 14
Distribucin Normal ................................................................................ 183
Lectura de tabla ..................................................................................... 186
Ejercicios de aplicacin ........................................................................... 186
Semana 15
Errores de aproximacin en mediciones usando distribucin normal .......... 193
Ejercicios de aplicaciones ........................................................................ 193
Aproximacin de la distribucin Normal a la binomial ............................... 197
Distribucin de Weibull ........................................................................... 202
Ejercicios propuestos de recapitulacin (tarea) ......................................... 205
CAPTULO V. Distribuciones mustrales ............................................ 223
Semana 16
Distribuciones mustrales ....................................................................... 223
Teorema del lmite central (TLC) ............................................................. 225
Estimacin ............................................................................................. 229
CAPTULO VI. Estimacin ..................................................................... 231
Semana 17
Mtodos clsicos de estimacin .............................................................. 231
Estimacin puntual ................................................................................. 231
Cualidades de un buen estimador ............................................................ 232
Estimacin por Intervalo ......................................................................... 234
Intervalo de confianza para la media con varianza conocida ....................... 236
Semana 18
Intervalo de confianza para la media con varianza no conocida .................. 243
Ejercicios propuestos de recapitulacin (tarea) ......................................... 249
Semana 19. EXAMEN FINAL
TABLAS ESTADSTICAS
TABLA 1.- Distribucin Normal Estndar ................................................... 257
TABLA 2.- Distribucin t de Student ......................................................... 259
Bibliografa ............................................................................................. 261
11
DISTRIBUCIN TEMTICA

Clase
N
Tema Horas
1
Conceptos y definiciones fundamentales de la
estadstica. Poblacin, muestra, variable, etc. Tipos de
muestra, (no probabilstica y probabilstica, extraccin de
una muestra aleatoria)
03
2
Estadsticos de posicin y dispersin para datos sin
clasificar. Clculo y propiedades.
03
3
Estadsticos de posicin y dispersin para datos
clasificados por intervalos de clase. Mtodo de
clasificacin tablas de distribucin, sus elementos.
Clculo de los estadsticos de posicin y dispersin.
03
4
Propiedades de los estadsticos de posicin y dispersin
media y varianza. Grficas: Histograma, Polgono de
frecuencia, Ojivas, etc. Diagrama circular.
03
5
Percentiles para datos clasificados y sin clasificar.
Asimetra y Curtosis.
03
6
Probabilidad: lgebra de eventos, axiomas y teoremas
importantes sobre probabilidades. Probabilidad
condicional. Aplicacin.
03
7
Probabilidad de un producto de evento y probabilidad de
independencia de eventos.
03
8 Probabilidad total y teorema de Bayes. Aplicaciones. 03
9 Revisin y nivelacin 03
10 EXAMEN PARCIAL 02
11
Variable aleatoria continua y discreta. Variable aleatoria
discreta. Funcin de cuanta. Propiedades, media
varianza. Aplicaciones.
03
12


Clase
N
Tema Horas
12
Variable aleatoria contina. Funcin de densidad,
propiedades, media y varianza. Aplicaciones.
03
13
Distribuciones discretas importantes: Bernoulli,
binomial y Poisson.
03
14
Distribuciones continuas importantes: Uniforme y
exponencial. Normal propiedades, uso de tablas.
Aplicaciones.
03
15
Distribucin Normal aproximacin a la binomial.
Distribucin de Weibull. Aplicaciones.
03
16
Distribuciones muestrales: distribucin muestral de
medias. Muestreo aleatorio: Muestreo aleatorio simple.
Teorema del Lmite central. Palicaciones.
03
17
Estimacin. Estimador insesgado y de mnima varianza.
Estimacin por intervalos para la media poblacional con
varianza conocida.
03
18
Intervalo de confianza para la media con varianza no
conocida.
Repaso - Revisin
03
19 EXAMEN FINAL 02
20 EXAMEN SUSTITUTORIO 02
13
Semana 1
ESTADSTICA DESCRIPTIVA
RESEA HISTRICA: La estadstica tiene etapas de desarrollo que podemos
clasificar en tres:
- ETAPA INICIAL: Podemos considerar desde la antigedad hasta el siglo
XVII. Se caracteriza por que la estadstica esta asociada por causas
poblacionales y a los registros del estado como muerte, nacimientos,
impuestos, etc.
Las grandes civilizaciones la utilizaron como las egipcias, romanas, aztecas
y el imperio incaico.
- ETAPA DE SISTEMATIZACIN: Aparecen tres escuelas:
o Escuela Alemana: Crea la primera ctedra estadstica y la asocia con la
administracin.
o Escuela Inglesa: Utiliza la estadstica para el estudio de fenmenos
sociales y poltica, es decir, la aritmatizan.
o Escuela Francesa: Introduce la teora de la probabilidad como
fundamento matemtico de la estadstica.
- ETAPA ACTUAL: Se considera a partir del siglo XIX hasta nuestros
das caracterizndose la estadstica como ciencia y metodologa de la
investigacin cientfica que se aplica en todas las ramas del saber
humano.
DEFINICIN DE ESTADSTICA: es una disciplina que nos proporciona un
conjunto de mtodos y procedimientos que permiten recolectar, clasificar,
presentar y describir datos en forma adecuada para tomar decisiones
cuando prevalecen condiciones de incertidumbre o predecir o afirmar algo
acerca de la poblacin y sus parmetros a partir de los datos extrados de la
misma.
ESTADSTICA DESCRIPTIVA: Es la que nos proporciona la metodologa para
la recoleccin, clasificacin, presentacin y simplificacin de los datos.

14
ESTADSTICA INFERENCIAL: Es la que nos proporciona la teora necesaria
para inferir o estimar las leyes de una poblacin, partiendo de los resultados o
conclusiones del anlisis de una muestra.

ALGUNAS DEFINICIONES Y TRMINOS IMPORTANTES EN
ESTADSTICA
1. POBLACIN (N): Totalidad de individuos o elementos en los cuales
puede presentarse una caracterstica susceptible de ser estudiada. La
poblacin esta constituida por unidades elementales a las cuales se les
llama unidad estadstica, unidad experimental u observacin.
Una poblacin puede ser:
- Finita pequea o grande
- Infinita (se puede considerar una poblacin finita muy grande)
2. MUESTRA (n): Conjunto de medidas o conteos que se obtiene de una
poblacin con propsito de obtener informacin acerca de ella
3. VARIABLE ESTADSTICA (x, y, z, ): Caracterstica de la poblacin
que interesa al investigador y que puede tomar diferentes valores

15

c VARIABLE CUALITATIVA: Son variables cuyos valores consisten en
categoras de clasificacin sea se refieren a la
cualidad que presenta la poblacin no lleva clasificacin numrica.
EJEMPLO:
Estado civil

Soltero (a)
Casado (a)
Viudo (a)
Divorciado (a)
C VARIABLE CUALITATIVA NOMINAL: Son aquellos que surgen
cuando se definen categoras y se cuenta el numero de
observaciones pertenecientes a cada categora.
EJEMPLO:
PARIDOS POLTICOS

APRA
UPP
UNIDAD NACIONAL
16

VARIABLE CUALITATIVA ORDINAL: Cuando en la
clasificacin se busca ordenar los casos en trminos del grado
que posee en una caracterstica determinada.
EJEMPLO:
ESTUDIO

PRIMARIA
SECUNDARIA
SUPERIOR
BACHILLER
G R A D O _ _
M A G I S T E R
DOCTORADO
c VARIABLE
CUANTITATIVA: Son aquellas que se obtienen como resultado de
mediciones o conteo.
VARIABLE CUANTITATIVA DISCRETA: Es aquella que toma
valores enteros. Ejemplos, nmero de hijos en una familia, nmero
de estudiantes, nmero de accidentes, etc.
VARIABLE CUANTITATIVA CONTINUA: Variables que toman
valores infinitos entre dos nmeros. Ejemplos, peso, talla,
unidades monetarias, tiempo, etc
Existen otros tipos de variables: -
variable independiente -
variable dependiente -
variable aleatoria
- vari able control
4. DATO ESTADSTICO: Son nmeros o medidas que han sido
recopiladas como resultado de observaciones que pueden ser
comparados, analizados e interpretados. Entendemos tambin que es
la valorizacin de una variable x por ejemplo si tenemos la variable
peso de n estudiantes, sus valores serian x1 , x2,..., xn que vendran a
ser los datos a ser tratados.
17

5. PARMETRO: Medida que describe alguna caracterstica de la
poblacin cuyo valor es determinado utilizando todos los valores de las
variables estadstica u observaciones que la constituyen, por lo tanto
las decisiones no tendrn error y sern de certidumbre total. Por
ejemplo los parmetros poblacionales:
- : medi a pobl aci n
- 2
( vari abl e pobl aci onal
- p: proporci n pobl aci onal ( 0 o p o 1 )
6. ESTADSTICO O ESTADGRAFOS: Es una medida usada para describir
alguna caracterstica de la muestra y la toma de decisiones contiene un
grado de incertidumbre o error. Por ejemplo
- x : medi a muestral -
Me: medi ana muestral
- Mo: moda muestral -
S
2
: vari anza muestral
- S = s desvi aci n estndar o t pi ca muestral
2
- Cv = s coefi ci ente de vari aci n
x
DEFINICIONES DE ESTADGRAFOS
1. MEDIA: ( x ) Suma de todos los datos divididos entre el total de datos
(n).
2. MEDIANA: (Me) Se encuentra justo al centro del conjunto de datos
ordenados previamente de menor a mayor (o de mayor a menor).
Divide al conjunto de datos 50% a un lado (izquierdo)y 50% al otro
lado (derecho)
3. MODA (Mo) Se determina considerando la mayor frecuencia con que
se repiten los datos. En un conjunto de datos pueden haber varias
modas por ejemplo la un modal (una), bimodal (dos) trimodal (tres),
etc.
4. VARIANZA (S
2
).- Es la suma de l as desvi aciones ( di = xi - x ) de
los
datos (xi) respecto de su media x elevadas al cuadrado y divididas
entre (n 1). Indica como los datos estn dispersos al
rededor de la
18

media. Una varianza grande indica una alta dispersin o variabilidad de los
datos.
El divisor entre (n 1) lo utilizamos en vez de n porque produce una
estimacin mas precisa de la correspondiente varianza poblacional ( .
Entendemos por estimacin al instrumento estadstico que intenta
2
asignar un solo valor lo mas cercano posible al valor verdadero del
parmetro poblacional. La varianza definida as, dividida entre (n 1) es
por que tiene propiedades matemticas deseables, para la inferencia
estadstica.
5. DESVI ACI N ESTNDAR: ( S = , S ) Representa el grado de
2
dispersin de lo valores de una variable, con respecto a su media. Cuando
mayor sea la dispersin de los valores de la variable mayor ser la
magnitud de las desviaciones respecto a la media por lo tanto la
desviaciones estndar crecer en magnitud. En un experimento,
normalmente la mayor parte de los datos estar a una distancia de una
desviacin estndar de la media. Muy pocos estarn ms all de dos o
tres veces la desviacin estndar.
6. COEFICIENTE DE VARIACIN: (CV = S/ x ) Indica en porcentaje de la
variabilidad de los datos respecto a la medida es decir;
Baj a si 0 o CV < 20%
Media si 20% <_ CV < 50%
Alta si 50% <_ CV < 100%
Como es una medicin relativa, el coeficiente de variacin es
particularmente til para comparar la variabilidad dos o mas series de
datos, que se expresan en distintas unidades de medicin.
ETAPAS QUE CUBRE LA ESTADSTICA DESCRIPTIVA
RECOLECCIN: Si la informacin es recolectada cuidadosamente las
conclusiones que de ella se derive podrn tener validez. Para recolectar una
buena informacin es necesario no cometer errores y saber como
controlarlo. Los mtodos de recoleccin de datos se realizan mediante
diseos y la elaboracin de los formularios, cuestionarios, encuestas de
opinin; se dirigirn obviamente a los individuos en estudio.
19
CRITICA DE LOS DATOS: Recolectada la informacin es necesaria
resolverla cuidadosamente, resumirla y presentarla convenientemente. Los
datos debern ser clasificados, esto equivale decir que aquellos datos sern
organizados en clases y/o categoras.
PRESENTACIN: Una vez organizados los datos de acuerdo a algunos
mtodos de clasificacin estos son descritos y analizados al fin de facilitar su
entendimiento y comprensin de los resultados para ello usamos tablas de
frecuencias y graficas.
DESCRIPCIN: Estudiados cuidadosamente los datos en la muestra nos
ocupamos de su descripcin mediante el calculo y estudio de los
estadgrafos. Estas medidas descriptivas fundamentalmente estudian las
medidas de:
- Posicin de tendencia central: x , Me, Mo
- Variabilidad o de dispersin: S
2
, S, CV
- Asimetra y kurtosis
En el presente cuadro se muestran las estadsticas de tendencia central, las
cuales por comparacin definen tipos de curva

Los siguientes cuadros presentan los grados de deformacin vertical, que
tienen las curvas generadas por los datos, estudiada por la Kurtosis. Que
hace uso de los percentil es.
20


La deformacin horizontal estudia la asimetra mediante los sesgos de
Pearson que sern estudiados mas adelante.
21
Semana 2
CLCULOS DE LOS ESTADGRAFOS MS
IMPORTANTES
Supongamos que obtenemos datos mediante experimentacin u otros
mtodos de tcnicas estadsticas siendo estas:
x1, x2, ............................. , xn
Para el clculo de las estadsticas consideraremos tres casos:
CASO I: Datos originales, es decir; sin agruparlos xi. i = 1, 2, .., n
CASO II: Datos agrupados por sus frecuencias ni. i = 1, 2,..,k CASO
III: Datos agrupados por intervalos de clase Ii. i = 1, 2,.., k
22

CASO I CASO II CASO III
Datos Originales Xi
Datos Agrupados segn
sus Frecuencias ni;
i=1,2,...,k
Datos agrupados por
intervalos de clase Ii, Xi
(Marcas de Clase)
Media:
n
x
i i
= 1

x =
n
k
n x
i = 1 i i k

;n = n

k
n i
i x
i = 1
i i
n = 1
x =
n
x =
Mediana
:Ordenar
amenor
+
Me =
+
+
los datos Xi de mayor
o viceversa.
+X ; impar
n+1 n
2
+ T
1
+ n
'' X
n
X
n
; par
+1
v 2 s 2 2 ]

+

+
|

+
Me =
n
+ X ; impar
n + 1
+2 +
+ 1T
+ + +
n
'' X
n
X
n
; par
+ +1 +
v 2 s 2 2 ]

|
+ + n
Me | |
L;L No
i +
i 1 i
2
n
_ N
i 1
2
Me L C
= +
i i
n
i

N1i Frecuencia
acumulada
Moda:
Mo =

Mo =

Mo
L L n
| ; 1 | mayor
io io+ + io

Mo L 1
C
= +
Frecuencia ms
Alta ni
Frecuencia
ms Alta ni
io io +
1 2
= n n
1 io io 1
= n n
2 io io+1
Varianza:

S
n( _2
i x i x )
S2
-
=

2
S =

2
S =
-
k T T x x
) 2
i
+nii k

k 2
E n i ( x i
x
S
2 _ i = 1
n 1
2 n i
( ) 2 i x
n1 n=i=1ni
( )2
2
n
i
x
i
n
x
n 1
2
2 ( )2 /
xi xi n
n x
i i
2 n
S
=
i i
n
n 1
n1
n 1
S
Desviacin
estndar:

I
S = S 2 ; S 0S
>
I
= S2 >
; S0
= S 2 >
; S 0
Coeficiente de Variacin:
S
CV = ; 0 < CV < 1
x
S
CV = ; 0 < CV < 1
x
S
CV = ; 0 < CV < 1
x

+ +
x
n
x n
1
2 2 = ( )
x
5
+ x6 = 3
2 2
Me =

23
EJEMPLO: Supongamos una escala de calificacin de 0 a 5 la cual es
utilizada en una evaluacin de un concurso de proyectos presentados por
estudiantes de ultimo ciclo de ingeniera. Supongamos que son 10 los
estudiantes obtenindose los siguientes resultados 0, 1, 5, 4, 3, 3, 2, 1, 3, 3.
Calcular los estadgrafos media ( X ), mediana (Me), moda (Mo), varianza
(S
2
), desviacin tpica o estndar (S), coeficiente de variacin (CV).
Solucin:
CASO I:
x = x i 0 + 1 + 5 + 4 + 3 + 3 + 2 + 1 + 3 + 3 _ = 2 . 5
n 10

Mo = 3 ; (mayor frecuencia n=4)
2
( )
x
x 2 i
S 2 = i n = 2 . 2 7 7 8
n 1
S = 2
S = 1. 51
S 1. 5 1
C. V. = = = 0.6040 = 60.40% ) Variacin alta
x 2. 5
CASO II:
Datos agrupados en una tabla segn sus frecuencias n:
xi
n
i
n
i
xi
n
x
2
i i
N
i

0 1 0 0 1
1 2 2 2 3
2 1 2 4 4
3 4 12 36 8
4 1 4 16 9
5 1 5 25 10

n
i
=1 0 n i x i = 2 5
n
i
x
i
= 83
2

24

n i x i = 2 5
x = = 2.5
n 10
+ +
x
n
xn
1
2 2 = ( )
x
5
+ x 6 = 3
M e =
2 2
Mo = 3 ; (mayor frecuencia n=4)
2
2( ________________________ n
i
x
i
) (2 5)
2

nixi 83
S2= n 10
=
n1 101

= 2.2778
S= 2
S = 2. 2778 = 1. 51
S 1. 5 1
C. V = = = 0.604 = 60.4% ) Vari aci n al ta
x 2. 5
- En ambos casos se obtienen los mismos resultados.
CASO III:
Datos agrupados en una tabla por intervalos de clase Ii:
TABLA DE DISTRIBUCIN DE FRECUENCIAS
Supongamos n datos: x1, x2, ............................................ , xn, extrados de una
poblacin o resultados por observacin o experimentacin.
Los clasificamos en k intervalos: Ii = |L
i
+L
i+ 1
; una vez clasificados
los
datos xi son representados por las marcas de clase, Xi como se observa en la
tabla siguiente;
I
i
X
i
n
i

Ni
f
i
F
i

%fi
%Fi
[L1, L2>
X
i
n
1

N1
f
1
F
1

[L2, L3>
X
i
n
2

N2
f
2
F
2

[Li , Li+1>
X i
n
i
Ni
f
i
F
i

[Lk ,Lk+1>
X
k
n
k

Nk = n
f
k
F
k

n
i
= n

f
i
= 1

25
- I
i
= |Li +Li + 1
Interval os de cl ase i=1, 2, 3, ..., k
- C
i
= Li + 1 L
i
Ampl itud o ancho de clase
- X
i
: marca de clase representa a los datos que caen en el mismo
intervalo
X = 2
L
i
+ L i + 1
i
k

n
i
: frecuencias con que se repiten los datos: 0 <_ n
i
<_ n, n n
i =
i = 1
i
- Ni : Frecuenci a acumulada: N1 = n1 ; Ni = nj
=1
n k
- f
i
= frecuencias relativas: 0 <_ i
i f <_ 1, = f
i
=1
n i 1
i
- Fi; frecuencia relativa acumulada: F1 = f1 ; Fi = fj
j = 1
EJEMPLO: Completar los datos que faltan en la siguiente tabla donde X
i
es
una marca de clase. Los valores numricos en negrita son los datos

X i
n
i
N i
f
i
| 0. 5; 1 . 5
1 4 4 0.08
| 1. 5; 2 . 5 2 4 8 0.08
| 2. 5; 3 . 5 3 8 16 0.16
| 3. 5; 4. 5 4 7 23 0.14
| 4. 5; 5 . 5 5 5 28 0.1
| 5. 5; 6 . 5
6 10 38 0.2
| 6. 5; 7 . 5 7 7 45 0.14
| 7. 5; 8 . 5 8 5 n = 50 0.1

n
i
= 50

f i = 1
26
k
1. Determinacin de los intervalos:

n n
i i
f
i
= = n = 4 =
n 50
n f 0. 08
i
4 5 10 5
f = =0. 08 ; f = =0. 1 ; f = =0.2 ; f = =0. 1
2 50 5 50 7 50 8
50
n
1
=N
1
; n
1
= N
1
=4
; N
1
+ n
2
=4+4=8 ; N
3
+ n
4
=16+7=23 ;
N + n = + = =
8 45 n
8
50 n
8
50 - 45 5
=
7
CASO III:
MTODOS DE CLASIFICACIN DE DATOS POR INTERVALOS
o Regla de Sturges
o La regla de la raz cuadrada
o Mtodo libre (el investigador elige el nmero de intervalos)
MTODOS DE CLASIFICACIN
1. R = [ menor dato, mayor dato]
l( R ) = |
mayor dato
- menor
dato |
2. Nu
mero
aproxima
do de
intervalos
o Regla
de
Sturges: k
= 1 +
3.33 Log
n
2. Numero aproximado de intervalos
o Regla de Sturges: k = 1 + 3.33 Log n
o Regla de la raz cuadrada: si n 25, k =5
si n > 25, k =

4. Amplitud del intervalo: c =l(R)
I1 = [L1, L2 >
I2= [L2, L3>
.
.
.
.
IK = [LK, LK+1>
27

EJEMPLO: Los siguientes datos proporcionan cobro en dlares por hora de
tcnicos calificados en una compaa.
73 47 67 82 67 70 60 67 61 80
65 70 57 85 59 70 57 73 77 58
69 58 76 67 52 68 69 66 72 86
76 79 77 88 94 67 77 54 93 56
73 64 70 46 68 63 72 84 63 74
Clasificar los datos en una tabla de distribucin de frecuencia y calcular los
estadgrafos: media ( X ), mediana (Me), moda (Mo), varianza (S
2
), desviacin
tpica o estndar (S), coeficiente de variacin (CV).
Solucin:
o Usando mtodo de Sturges:
1. R = [ 46, 94 ]
2. l ( R ) = | 94 46 | = 48
3. k = 1 + 3.33 Log 50 = 6.657 6, 7, 8, se considera una terna
l R
( ) = 4 8 =
4. c = 8, pocos intervalos para el nmero de datos
k 6
5.
l R
( ) = 4 8 =
c = 6 . 85 7 (no se considera por que no es exacta la
k 7
divisin)
l R
(
c ) = 4 8 =
= 6 (v)
k 8
5. 11 = | 46, 52~ ; 12 = | 52, 5 8~ ; 13 = | 5 8, 64~ ; 14 = | 64, 70~ ; 15
= | 70, 76~ ;
I6 = | 76, 82~ ; 17 = | 82, 8 8); I8 = | 8 8, 94
Me= L
i
+
C
i

n

N
i 1
i 1
2

2514 11
= +
64 6 = +
6 4 6 * = 6 9 . 5
12 12
i
n

28
II X
i
n
i
N
i
n
i
x
i
ni x2 i
|46,52 49 2 2 98 4802
|52 , 58 55 5 7 275 15125
|58 , 64 61 7 14 427 26047
|64 , 70 67 12 26 804 53868
|70 , 76 73 10 36 730 53290
|76 , 82 79 7 43 553 43687
|82, 88 85 4 47 340 28900
|88 , 94 91 3 n = 50 273 24843

n
i
= 5 0

n i x i = 3 5 0 0
2
n
i
x
i
= 250562
ni x i = 3500
x = =
70
n 50
Si Ni es mayor a 2 Me | Li , Li +1 - ; N4 = 26 > 2 = 25
M
e
| 64, 70-

26 = Mayor frecuenci a, n
i o
= 12 M
o
| 64,70-
Mo = L
i
+ C
i

1
= 6 4 + 6 5 = 6 4 + 6 * 5 = 6 8 . 2 8 5 E 6 8 . 29 ;
n i o =1 2

1 2 ( 5 + 2 7
1 = n i 0 n i 0 1 = 12 7= 5 2 = n i 0 n i 0 + 1 = 12 10= 2
29

2 ( n i x i
y
2 5 0 5 6 2 ( 3 5 0 0 +
S2 = nixi n = 50 250562-245000
=
5562=1 1 3.5102
n1 50 1
49 49
S= S
2
= 1 1 3. 5 1 1 0. 65
=
S 1 0. 65
CV = = = 0.1521 CV= 0.1521 * 100 =1 5.2
1
X 70
Coeficiente de variacin bajo (0%<CV < 20%)

31
Semana 3
ESTADSTICOS DE TENDENCIA CENTRALES (x, Me, Mo)
Son aquellos que como su nombre lo indica tienden a ubicarse al centro del
conjunto de datos, podemos observar y comparar el resultado; logrado del
ejemplo anterior

Las graficas a escala nos dan una idea mucho ms precisa del
comportamiento que los cuadros estadsticos.
Los cuadros estadsticos guardan correspondencia con las graficas.
1. Las tablas estadsticas tienen 3 partes: el titulo (muy claro y preciso), el
cuerpo de la tabla (presenta los elementos que se usa para el calculo de
los estadsticos) y la fuente de informacin (indica de donde o como se
obtuvieron los datos).
2. Las graficas consideran: el titulo, la grafica propiamente dicha y las
notas explicativas.
ESCALAS MAS USADAS EN LA ESTADSTICA
a. Escala 1:1 (esta es la mejor para representar)
b. Escala 1:3/4
32

toneladas
T
f i ni

o

I
aos

TIPOS DE GRAFICAS
Las ms usuales son:
1. Diagrama de
Barras Para datos Cualitativos
Diagrama Circular
2. Histograma
Para datos cuantitativos
Polgono de Frecuencias
3. Polgono de Frecuencias Acumuladas
1. DIAGRAMA DE BARRAS: Es un conjunto de rectngulos de igual base
sobre el eje horizontal separados y proporcionales a fi ni sobre el eje
vertical. Por ejemplo consideremos exportacin de harina de pescado: I
aos, T toneladas
1. Para construir un diagrama de barras se elige la escala por ejemplo 1 :
1 se toma una longitud l, cada rectngulo tiene una misma base l i y un
pequeo espaciamiento ei todo esto sobre el eje horizontal y sobre el
eje vertical ni fi, siendo las alturas hi proporcionales a las
frecuencias ni frecuencias relativas fi. Calculo de las hi
- n k
h
i
I n 0 ; n = n
i
, ? _ Z ( i + e
;
) ; k: nmer o de bar r as
hi - ni i 1
~
Los diagramas de barras pueden presentar datos cualitativos
o cuantitativos
33

2. DIAGRAMA CIRCULAR: Dado un conjunto de datos, pueden ser
ellos presentados proporcionalmente en una grafica. Por ejemplo
consideremos la siguiente grafica supuesta, en donde los sectores
circulares son A, B, C y D expresados mediante frecuencias relativas
expresadas porcentualmente

Para su construccin tomamos una circunferencia y lo repartimos
proporcionalmente a ni fi
n - 360
ni - B ; B i =
'
360 , i =1, 2, . , k
Donde cada ngulo Bi define un sector circular, como en el ejemplo define
cuatro sectores que sumados da el 100%
3. HISTOGRAMA: Es un conj unto de rectngul os uni dos por
sus l ados. Uti l i zamos l as si gui entes coordenadas I i
vs ni Ii vs fi
0

34

Para su construccin se toma una longitud 1 sobre el eje horizontal sus
alturas hi se reparte porcentualmente a ni fi
r ? - n = > h i = Xn ~ 0 ~ , i = 1 , 2 , . . . , k
hi - ni n 0
4. POLGONO DE FRECUENCIAS: Es un conjunto de segmentos de
rectas que se obtiene utilizando los puntos medios de la parte
superior de los rectngulos del histograma. Los polgonos de
frecuencia pueden ser:
- Abiertos
- Cerrados
El rea que encierra tanto el polgono de frecuencias como el
histograma es igual a 1. La construccin ser realizada a escala. Para
que el rea bajo el histograma o polgono cerrado sea 1, es necesario
considerar la densidad de clase es decir:
hi = fi , donde fi es l a frecuenci a rel ati va y ci es l a ampl i tud del
ci
intervalo.
L u e g o e l r e a = ~
= ~ ~ ~ = ~ =
ci hi ci fi/ci fi 1 .

35

5. POLGONO DE FRECUENCIAS ACUMULADAS: Es un conjunto de
rectngulos unidos por sus lados cuya grafica se obtiene utilizando los
intervalos i las acumuladas Ni las frecuencias relativas
acumuladas Fi
Ii vs Ni; Ii vs Fi
La ojiva se obtiene uniendo los puntos medios de la parte superior de los
rectngulos de frecuencias relativas acumuladas. (Fi).
Cuando n tiende al infinito se obtiene una lnea continua en el lmite como
se presenta en la siguiente grafica que corresponde a una funcin de
distribucin simtrica

Similarmente ocurre con el histograma y polgono de frecuencias que
coinciden en una curva continua que tiende a ser casi siempre
simtrica.
1 .
2 .
3 .
4 .
PROPIEDADES DE LA MEDIA Y LA VARIANZA
Estos dos estadsticos son de los ms importantes por que a partir de ellos se
puede realizar inferencias sobre la poblacin.
Sean X1, X
2;
, ....................... ,X
n
; una muestra extrada de una poblacin; se desea
estudiar las caractersticas de dicha poblacin, utilizando la media y la
varianza para lo cual es necesario utilizar las propiedades de los respectivos
estadgrafos.
Media Varianza
X
x = M ( x ) =
i
n
i
s i : X = C
i
X = C s i Y
X b Y X b
:
= + = +
i i
s i Y a X Y a X
: = =
i i
s i :
Y
i
= a X
i
+ b Y = a X + b
s2 = V ( x ) =
( x i
x )
2

x
n1

i
2
s = V c
( ) 0
=
x
2 2
s = V( y) = s
y x
2
sy = V( y) = a
2
s X
2
s V y a 2 2
= ( ) = s
y x
PROPIEDADES ADICIONALES DE LA MEDIA
5. MEDIA PONDERADA:- Es aquella en donde los Xi son afectados por
coeficiente Pi:, pesos o coeficientes de cada xi ; se define como la suma
de los Pi xi divididos por pi

k
PX
i i
= K
i = 1
Xp
P i
( )
i =1

Por ejemplo los Xi pueden ser cursos y los Pi crditos en la
inscripcin que un estudiante realiza al momento de
matricularse. 36

k _
n
X i i
i
= 1
X =
K
ni
i =1
k
; n
i
= n
( 2 )

( X
i
X) n
i
= 0

37
6. MEDIA GLOBAL:- Es aquella en donde las medias xiy sus frecuencias
respectivos, se definen como la suma de los productos n
i
xi, divididos
p o r n i :
X1; X2; .................. ;XK

n n n
1 z k

Por ejemplo, la media global de los gastos mensuales de n familias de un
determinado estrato social.
7. La suma de las desviaciones (d
i
= x
i
- x) de los datos respecto de la
madia es cero.
n
( ) =
X
i
- X 0
i
8. La media X de un conjunto de datos es el centro de gravedad (C. G:)de
dicho conjunto, y es por ello que la suma es igual a cero.

9 . ( X i X )
2
) ( X
i
C )
2
C X
i

Esta desigualdad nos indica que ( )
2

xi - x es m ni ma respecto a
cualquier nmero C X
i
y si dividimos entre (n 1) la desigualdad
obtenemos la varianza sx2 la cual tiene un mnimo valor.
38
EJERCICIOS DE APLICACIN:
1. Una distribucin de frecuencias de sueldos en cientos de nuevos soles
consta de cinco intervalos de clase de igual amplitud y de ellas se
conocen l os siguientes datos: n=110 n
4
n
3
n
1
=0
n
4
n
5
= 10 n
1
= n
5
n
2
=n
4

El limite inferior de la primera clase es 12.5; y
5
n
4
= 975; donde y
5
es el
limite superior de la cuarta clase.
a) Completar la tabla
b) Calcular los estadgrafos.
c) Calcular la varianza .....
d) D e t e r m i n e e l p o r c e n t a j e d e d a t o s . . . .
S o l u c i n : S e a C e l a n c h o d e l a s i n t e r v a l o s :
| 1 2 , 5 , 1 2 . 5 c , 1 2 . 5 c , 1 2 . 5 2 c ,
+ + +
| 1 2. 5 2 , 1 2. 5 3 , 12.5 3c , 12.5 4c , 12.5 4c , 12.5 5c
+ c + c | + | + | + +
a)
Ii
Xi ni Ni fi nixi
nixi
2

[12,5;17,5> 15 20 20 0.18 300 4500
[17,5;22,5> 20 30 50 0.27 600 12000
[22,5;27,5> 25 10 70 0.09 250 6250
[27,5;32,5> 30 30 80 0.27 900 27000
[32,5;37,5> 35 20 110 0.18 700 24500
110 0.99 2750 74250
n n n n n 10 , n n 10 n n n n 10
+ + + + = = = + = + =
1 2 3 4 5 2 4 1 1 3 3
2n
5
+ 2(1 0 + n
5
) + 10
=110 4n
5
= 80
n = 2 0
5
n
4
n
5

= 1 0 n
=3 0
4
Y n
5 4 9 7 5
=
975
Y =
5 30
Limite superior de la cuarta clase 12.5 + 4c
Y =
5 3 2. 5 12.5 4c c 5
= + =
Calculado C = 5 podemos definir los intervalos
39
2
2750
74250

b) MEDIA
X = n
;
X ; = 2 7 5 0 = 2 5
n 110
MEDIANA
___ n 110
Me: = = o
5 5 N
3

2 2
ni Ni
50
Me [ 22, 5; 27, 5 > 10 . . . . 55 ; Me = 22. 5 + 5

5 5 5 0
= 25

1 0
MODA
nio
Mo [17,5;22,5 > ..30 ; Mo =1 7. 5 + 5

302
=1 9. 1 7

( 3 0 2 0 ) + ( 3 0 1 0 )
VARIANZA
110 ______________________ 74250 68750

S =
2 = = 5 0.4587
109 109
DESVIACIN ESTNDAR
S = 50. 4587 = 7, 1034
COEFICIENTE DE VARIACIN
71034
CV = , 25 = 0,2841 2 8,4 1 %, la dispersin de los datos es
media
20% C V 50%
o <
ffrecuencia relativa = t n
52
t
f = = = 0.4727
t
n 1 1 0

i
40
c) Calcular la varianza y la media de los ltimos sueldos si la
desviacin estndar de los sueldos originales xi es igual a 50,
segn el reajuste lineal, y = x + 0.2x
Y i Xi
= + 0 , 2 X i
Yi =1,2 y 1.2 x 1.2 (25) 30
Xi = = =
( ) (1,2 ) (1,2) ( ) (1,2) (1 0) 1 44 ; ( ( ))
2 2 2 2
V Y V X
= = V X = = V X S
= x
2
S = v (y) 12
=
y s =
y
d) Determine el porcentaje de datos que caen en el intervalo [18,30] (del
ejercicio anterior)
Solucin:
Usemos interpolacin lineal para determinar las frecuencias x, y sea la
frecuencia total nt = x + 10 + y

n
t
= X + 1 0 + Y
X = 2 2 , 5 1 8 X = 4 , 5 =
X 2 7
30 22 , 5 1 7 , 5 30
5
Y = 3 0 2 7 , 5 Y = 2 , 5 1 5
30 3 2, 527, 5 30 5 y
n
t
= 2 7 + 1 0 + 1 5 = 5 2
Respuesta: El porcentaje de datos que caen en [18,30] es 47,27%
2. En una empresa pblica el promedio de los sueldos de los obreros es 40
unidades monetarias (u. m.) y el de los empleados 50 u.m. Si la empresa
decide aumentar 20 u.m. a cada empleados y obrero; hallar
Solucin:
41

el promedio general de los sueldos actuales (considerando el aumento) si
el nmero de obreros es el 10% del numero de empleados.
Solucin
Sea n1 nmero de obreros y su media: x1 = 40
Sea n2 nmer o de empl eados y su medi a: x2
= 50 El aument o par a ambos: y = x + 20 y
= x + 20
Propiedad:
n
1
x n x
+
1 2
2
x =
n + n
1 2
Numero de obreros n1 = 0.10 n2
( )
0.10 n x n x
+
1 2 54
2 _ _ _ _ 2
x
= =
0.10n n
+ 1 . 1
2 2
54
Sueldos actuales: y = x + 20 = + =
20 69. 09
1.1
Respuesta: sueldos actuales y = 69.09 u.m.
3. En una empresa en donde los sueldos tienen una media de $ 500 y
una desviacin estndar $50, en una reunin de directorio se decide
hacer un aumento medi ante l a rel aci n li neal y
i
= 1.5x
i
; + 20
El gerente general acoge parcialmente la solucin disminuyendo en un
10% los sueldos as propuestos. Calcular la nueva media y desviacin
tpica
Sean los sueldos:
.... xn
x1,
x2,
La media de los sueldos
x 500
=
Segn las hiptesis: s 50
=
y 1 . 5 x 20 y 1.5 x 20 770
= + = + =
i

i
Sueldos y'
= y
- 0.10 y
= 0 . 9 y
= 0 . 9 y = 6 9 3
r e a j u s t a d o s
i
i
i
i

y'
2 2 2
s 0.9 s S 0.90 x 1.5 x 50 67.5
= = =
y' y y'
Respuesta:lossueldosreajustadosS
$693
y
i
~ 67 5
2
42

4. Los salarios de una empresa son, en promedio $ 500, con posteridad se
incorporan a la empresa un grupo de obreros igual al 25% de los que
estaban anteriormente. El nuevo grupo ingresa a la empresa con un salario
promedio igual al 60% del antiguo. dos meses ms tarde, la empresa
concede un aumento de salario de $ 30. Se pide:
a) El promedio de salario del total de obreros
b) Si el aumento hubiera sido del 20% de los salarios Cul habra sido la
media de los salarios as ajustados?
Solucin
. Salario promedio de n obreros antiguos: x
1
= $ 500
. Salario promedio de n = 0.25n obreros incorporados
x 2 = 0 . 6 0 x 1 = 30 0
Salario promedio total
n x n
1
x
+
1 2 n (500) 0.25n (300) +
x = = = 460
n n'
+ n 0 . 2 5n
+
a) Pr omedi o t ot al : y x 30 y x 30 460 30 490
= + = + = + =
b) Si el aumento hubiera sido del 20%:
y = x + 0 . 2 0 x = 1 . 2 x , y = 1 . 2 ( 4 6 0 )
= 5 5 2
Respuesta: a) $ 490 b) $ 552
43
Semana 4
5. n estudiantes se matricularon, cada cual, en un numero de crditos
cuya media y varianza son iguales a: $ 19,4 y $ 1,84 respectivamente.
Si cada estudiante pago el costo fijo de 20 dlares, mas 60 dlares
por cada crdito Cul es la madia y la varianza de los pagos que
realizaron los estudiante?
Solucin:
Sean x1, x2, ..... xn crditos de cada uno de los estudiantes
Estudiante 1 = X1 crditos
Estudiante 2 = X2 crditos
Estudiante n = Xn crditos
x =1
9. 4 S2
=1. 84
Por cada crdito paga un estudiante $60 ms un costo fijo de $20
y
;
= 60x
;
+ 20
Por propiedad de la media y varianza:
y = 60x+ 20 = 1184
V(y) = (60)
2
V = 60
2
1. 84 = 624
Respuesta: Media de los pagos = 1184 dlares
Varianza de los pagos = 624 dlares
6. Una serie de mediciones de la temperatura de un cuerpo realizadas
con el termmetro A; tienes media 12,01 y la desviacin estndar
0.027; mientras que con otro termmetro B; la media de las
mediaciones fue 11.97 y la desviacin estndar 0.014. Suponiendo
que la persona que opera los instrumentos sin sesgo alguno en la
mediciones; Cul es el termmetro relativamente mas
consistente?
44

Solucin:
Para el termmetro A
S 2.2481
C
A
= 0. 027 =
10
10

3
-3

0. 22%
0. 1 2 %
X 12.01
Para el termmetro B
C =S 0. 0 1 4
1.1695
=
B
X 1 1. 97

Respuesta: el termmetro B es ms consistente
OBSERVACIONES
1. La media (
x
) es influenciada por los valores extremos de un
conjunto
de datos.
2. La media no es calculable en intervalos de clases abiertos en el primer
intervalo y en el ltimo intervalo de datos clasificados.
3. La mediana es insensible a valores extremos.
4. La moda (Mo) puede ser unimodal, la bimodal (dos mximos), trimodal
(tres mximos).
5. La moda es significativa para un gran nmero de datos (no hay moda
cuando todo sea uniforme)
6. El valor de la moda es independiente de los valores extremos, es inestable
si se cambia o vara el intervalo de clase.
7. El coeficiente de variacin se utiliza a menudo para comparar la
variabilidad de dos o ms conjuntos de datos.
PERCENTILES
Cuando deseamos describir la posicin de un dato en un conjunto de datos
estos, los ordenamos para ver si el dato es o no significativo, dentro del
grupo.
Nos podemos preguntar si 12 es una calificacin significativa o no, dentro de un
grupo de 20 calificaciones. Para ello ser necesario ordenarlos dentro de una
escala de 0% a 100%. y desarrollar la teora de percentiles
45

DEFINICIN: Los percentiles son valores que dividen a la muestra ordenada
en forma ascendente o descendente en 100 partes iguales.

P1: 1
er
percentil, deja el 1% de las observaciones menores o iguales a l y el
99% de observaciones superiores a l.
P2: 2
do
P,. : i-simo percentil, deja el i% de las observaciones menores o iguales a
l y el
(100-i)% de observaciones superiores a l.
P99: 99
avo
Los percentiles se subdividen en:
Di: Deciles i = 1, 2,..., 9. Dividen las observaciones en 10 partes iguales.
Qi: Cuartiles i = 1, 2, 3. Dividen las observaciones en 4 partes iguales.

Rango intercuartil Q3 Q1
46

OBSERVACIONES
1Los percentiles en general se pueden determinar para los casos I y II de
datos no agrupados y agrupados por sus frecuencias ni
i
Por ejemplo P , 1,2, .. ,99 P
i
: ____
i i = n
100

i
D , i 10, 20, .. 90 D :
= n
i
i
1 0 0 i
Q i , i = 2 5 , 5 0 , 7 5 Q
i
:
n
100
El tamao de los datos n puede ser par o impar
CASO I.- Datos no agrupados, por ejemplo consideremos el sueldo de 10
personas, cuyos sueldos ya estn ordenados
Calcular Q1 , Q2 , Q3
Xi ($) ni Ni

= 2 5
Q =
10 2.5 Frec. acumulada
1
200 1 1 100
Q1 1
300 1 2 Q | 300 400 350
| =
1 = +
2
400 1 3
5 0
Q2 = 10 5 Frec. acumulada
500 1 4 =
100
Q2 600 1 5 1
Q2 = | 6 0 0 7 0 0 6 5 0
+ | =
2
700 1 6
7 5
=
750 1 7 Q3 =
10 7.5 Frec. Acumulada
100
Q3
800 1 8 1
Q 3 = | 7 5 0 8 0 0 | 7 7 5
+ =
850 1 9 2
900 1 10
Q1: Indica que el 25% de las personas ganan a lo mas $ 350

Xi ($) ni Ni
150
P10
250
Q1
P90
Q3

3 3
4 7
300 5 12
400 6 18
550 7 25
600 4 29
700 3 32
800 1 33
47
CASO II.- Consideremos sueldos ya ordenados pro sus frecuencias de 33
personas. Calcular P10, Q1, Q3 P90
1 0
P :
10 33 3.3
100 =
P 2 5 0
=
10
2 5 Q :
1 =
33 8. 25 100
Q 3 0 0
=
1
7 5
Q : =
33 24. 75
3
1 0 0 Q
5 5 0

=
3
9 0
P : 33 29. 7
90 100 =
P 7 0 0
=
90
3 3
Observamos que P10 = D1 , P25 = Q1 , P75 = Q3 , P90 = D9. Las respuestas
siempre se dan en forma razonada como en el ejemplo anterior
CASO III
EJEMPLO DE APLICACIN.- Se han medido las pulsaciones de un equipo de
atletas despus de una carrera los datos obtenidos son; clasificados por
intervalos Ii, con sus respectivas frecuencias.
Solucin:
Ii
Pulsaciones Xi ni Ni fi Fi
[70,75> 72.5 3 3 0.0698 0.0698
[75,80> 77.5 3 6 0.0698 0.1396
[80,85> 82.5 7 13 0.1628 0.3024
[85,90> 87.5 10 23 0.2326 0.5350
[90,95> 92.5 12 35 0.2791 0.8141
[95,100] 97.5 8 43 0.1860 1.0000
n=43 fi=1.0000
48

Calcular los percentiles: P10, P25, P50, P75, P90

i
- Dado i, Pi:
n

100
Pi TsLi , Li + 1
Pi = Li + C

100i i

n
i
- i = 10, P10:
l0
43 = 4.3 ) P10 Ts75,80
(100'

4.3 3
P10 = 75 + 5 = 77.17
3
- i = 25, Q1= P25:
25
043 = 10.75 ) P25 Ts80,85
(100 '

10.75 6
P25 = 80 + 5 = 83.39
7
- i = 50, Me = D5 = Q2 = P50:(100
5 0 04
3
3 = 2 1 . 5 ) Me s T8 5 , 9 0

21.5 13
P50 = Q2 = D5 = Me = 85 + 5 = 89.25
1 0
- i = 7 5 , Q 3 = P 7 5 : ( 1 0 0 7 5 = 3 2 . 2 5 ) P 7 5 9 0 , 9 5
3 2 . 2 5 2 3
P75 = Q3 = 90 + 5 = 93.85
1 2
- i = 9 0 , D9 = P 9 0 : ( 1 0 04 3 = 3 8 . 7 ) P 9 0
9 5 , 1 0 0
3 8 . 7 3 5
P90 =D9 = 95 + 5 = 97.31
8
1.

49
CLCULO DEL RANGO PERCENTIL
Sea el percentil Pi = 87. Determinar el rango percentil i. Pi
= 87 85 , 90

P8 7
Ts85, 90
87 = 85 + 5
( ' 0 ) 4 3 1 3
10

i = 39.53%
El rango percentil 39.53% de los atletas tienen pulsaciones menores o iguales a
87 pulsaciones
MEDIDAS DE ASIMETRAS
SESGO DE PEARSON
La simetra de los grficos unimodales indica la direccin de la dispersin de
los datos denominndose sesgo de Pearson. Este ndice muestra la
deformacin horizontal de los datos o el sesgo de la grafica de los mismos.

Cuanto mas se aparta la moda de la media mayor ser la asimetra.
2. Para asimetras moderadas la media es muy prxima a la mediana, se
usa la relacin emprica
50

x- Mo
H

________ x - Me 3(
M o x x M e
H )
3
Sustituyendo en la formula anterior obtenemos
SP H 3( X Me)
S
El sesgo de Pearson (SP) como se observa es una medi da posi ti va o
negativa, diramos es un valor que excede a la simetra
MEDIDA DE CURTOSIS
Es el grado de deformacin vertical de una distribucin de frecuencias. Con
relacin al grado de apuntamiento podemos tener curvas leptocurticas,
mesocurticas y platicurticas, se define como:
k
=
1 Q
3
Q
1

2
P P
90 10
- P90 P10 = Q3 Q1, K-> 1/2 leptocurtica

- Q3 Q1 tiende a ser pequeo respecto a P90 P10 K->0
platicurtica

- P90 P10 es aproximadamente el doble de Q3 Q1 P90
P10 = 2(Q3 Q1) K -> 1/4 mesocurtica

51

Ejemplo de Aplicacin.- Podemos suponer una seccin de estudiantes que
son evaluados en tres materias diferentes, con una misma media.
Ingles: las calificaciones obtenidas tienen poqusima variacin
(leptocurtiva)
Historia: Las calificaciones tienen poca variabilidad (mesocutica)
Matemtica: Las calificaciones tienen una alta variabilidad (platicurtica)

En experimento estadsticos ocurren los casos de asimetra y curtosis con
mucha frecuencia las cuales estn asociadas a distribuciones que la
inferencia estadstica usa para estimar o tomar decisiones respecto a los
parmetros de las distribuciones.
52

EJERCICIOS PROPUESTOS
I. UTILIZACIN DE DEFINICIONES Y TRMINOS MAS
IMPORTANTES EN ESTADSTICA
1. En cada uno de los siguientes experimentos, especifique (1) la
variable independiente, (2) la variable dependiente, (3) la
muestra, (4) la poblacin, (5) los datos y (6) es estadstico.
a) Un fisilogo quiere sabe si una regin particular del cerebro
(el hipotlamo) est implicada en la regulacin del consumo de
comida. Se realiza un experimento en el cual se elige 30 ratas
de un vivero universitario, las cuales se separan en dos
grupos. Uno de estos grupos recibe lesiones en el
hipotlamo, mientras que el otro grupo es lesionado en un
rea neutral. Despus de recuperarse de las operaciones,
todos lo animales tienen acceso libre de alimento durante dos
semanas y se lleva un registro del consumo diario de alimento
de cada animal. Al final del perodo de dos semanas, se
determina el promedio de consumo diario de alimento de cada
grupo. Por ltimo, se comparan estos promedios para ver si
las lesiones en el hipotlamo han afectado la cantidad de
alimento consumido.
b) Un profesor de mecanografa piensa que un orden diferente
de las teclas de una mquina promover una escritura ms
rpida. Se elige a veinte estudiantes de secretariado en una
escuela de comercio de gran tamao para participar en un
experimento diseado para probar esta creencia. Diez de
estas estudiantes aprenden a escribir con el teclado
convencional. Las otras diez reciben su entrenamiento con
el nuevo teclado. Al final del periodo de entrenamiento, se
mide la velocidad de escrituras de cada estudiante en
palabras por minuto. Luego se calcula el promedio de
velocidad de escritura para ambos grupos y se comparan
estos promedios para determinar si el nuevo orden ha
tenido algn efecto.
2. La compaa Central Elctrica incluye una tarjeta de garanta
para el comprador con cada aparato que produce. Adems de
validar la garanta y suministrar a la compaa el nombre y la
53

direccin del comprador, la tarjeta tambin sola tener otra
informacin que se utiliza en estudios de mercado.
Nombre ................................ Estado Civil .......... (3) ...............
Direccin ......... Dnde compr el aparato? (4) ..........
Ciudad .................................................................................
Indicativo de la zona ............. Por qu compr el aparato? (5)
Edad (1) ...................... Ingresos anuales .......... (2) ..............
Para cada uno de los espacios numerados de la tarjeta, determine
las caractersticas ms probables de las categoras que sern
usadas por la compaa para registrar la informacin. En
particular, ello sera:
a) Cualitativas o cuantitativas?
b) Continuas o discretas?
Brevemente de las razones que sustentan las personas.
3. Se ha indicado que el porcentaje de varones mayores de 20 aos que
no tienen empleo en una ciudad de 5 millones de habitantes
es 6%. Los resultados fueron obtenidos a partir de un
cuestionario aplicado a 200 personas de la ciudad elegidas de entre
las personas mayores de 20 aos.
a) Sobre que poblacin se ha realizado la encuesta? Cules son
las unidades estadsticas?
b) Cul ha sido la muestra utilizada?
4. El gerente de venta de una tienda de prendas de vestir desea
saber cul ser la demanda de pantalones en el prximo mes,
as como las tallas que mas demanda tendrn. Si el gerente
dispone de un registro del total de las ventas realizadas por la
tienda durante los 10 meses anteriores y usa esta informacin
como una muestra para predecir las ventas del prximo mes.
Cul es la poblacin?
5. En l os si gui entes casos, i ndi car l a pobl aci n, l as uni dades
estadsticas.
a) Asignar a los distritos de la capital su cdigo postal
b) Asignar a las personas de una ciudad, el nmero de telfono
que poseen.
54

6. El censo de alumnos de una universidad considera las siguientes
variables: Facultad, ao de ingreso, nacionalidad, tiempo de
residencia en el pas, nmero de semestres que lleva la
universidad, grado en la escala de pensiones, grado de
instruccin del padre, nmero de hermanos, ingreso mensual
familiar promedio.
Clasifique las variables e indique el tipo de escala en que estn
medidas.
7. Un profesor propone a sus alumnos del curso de Aritmtica, una
prueba de 10 ejercicios de clculo de sumas. Si alguno de los
ejercicios presenta, al resolverlo, algn error de clculo, el profesor
califica la prueba con 0, de otro modo la califica con 1, Qu tipo
de escala emple?
II. DISTRIBUCIN DE DATOS ORIGINALES, POR FRECUENCIAS Y
CLASIFICACIN DE DATOS POR INTERVALOS
1. Los siguientes datos representan el nmero de interrupciones por
da de trabajo debidas a fallas mecnicas en una planta procesadora
de alimentos:
3, 4, 1, 3, 6, 5, 6, 3, 2, 3
Calcule la media, la mediana y encuentre el nmero modal de
interrupciones diarias.
2. La media mnima para aprobar una asignatura es 11. Su un
estudiante obtiene las notas 13.5, 14, 9.5, 12, 8.5, 8, 11.5, 10 en
los trabajos mensuales de la asignatura en cuestin, el estudiante
fue aprobado?
3. Diga usted que medidas de tendencia central sera mas tiles en
cada uno de los siguientes casos:
a) El gerente de produccin de una fbrica de vasos de vidrio
quiere saber Cul es el tamao de vaso que debe fabricar de
vasos ordenados por los clientes? El tiene a la mano un buen
nmero de datos de los tamaos de los vasos ordenados por
los clientes.
b) El gerente de ventas de una compaa que produce muebles de
lujo desea seleccionar regiones para establecer salas de
exhibicin. en que medida de ingreso familiar por regin
estar mas interesado, en la media o la mediana?
55

c) Un analista de bolsa de valores est interesado en
describir
el cambio diario en el precio en el mercado de una accin de
Banco de Vivienda. Rara vez al precio cambia ms de un
punto, pero hay ocasiones en que el precio cambia hasta
cinco puntos. Qu medida debe usar el analista para
describir el cambio de precio de la accin en cuestin, la
media, la mediana o la moda de los cambios de precio en el
mercado?
4. A continuacin se dan las notas de 50 alumnos
60 85 33 52 63 77 84 65 74 57
71 35 81 50 35 64 74 47 54 68
80 61 41 91 55 73 59 53 77 45
41 55 78 48 69 85 67 39 60 76
94 98 66 66 73 42 65 94 88 89
Se pide:
a) Nmero de clase por la frmula de Sturges y la amplitud de las
clases
b) Cules son los intervalos de clase? (inicie en 30)
c) Trazar el histograma y el polgono de frecuencias
d) Determinar la media, mediana y la moda
e) Determinar el 3er cuatil, 7mo decil, 55vo percentil
f) Calcular el rango percentil de la calificacin 80
g) Calcular el sesgo de Pearson y curtosis e indicar el tipo en ambos
casos.
5. Los siguientes resultados representan las calificaciones finales en
un curso de estadstica elemental:
23 60 79 32 57 74 52 70 82 36
80 77 81 95 41 65 92 85 55 76
52 10 64 75 78 25 80 98 81 67
41 71 83 54 64 72 88 62 74 43
60 78 89 76 84 48 84 90 15 79
34 67 17 82 69 74 63 80 85 61
a) Determinar los intervalos de clase y la tabla de distribucin
de frecuencias de las calificaciones
b) Calcular la media, mediana, moda, varianza desviacin estndar
o tpica y el coeficiente de determinacin e interpretar su
resultado.
56

III. TABLA INCOMPLETA, CALCULO DE ESTADSTICOS DE
TENDENCIAS CENTRAL Y DISPERSIN
1. El consumo de agua, en metros cbicos, de 30 viviendas en el mes de
Julio fue como sigue:
4.3 7.8 6.1 15.7 12.8 17.2 3.5 16.1 12.4 6.9 18.0 11.5 13.4 6.5 14.3
8.7 13.0 9.2 12.8 3.0 4.2 11.2 16.2 7 4.5 7.8 15.9 16.5 8.4 5.9
a) Construir un tabla de distribucin de frecuentas usando 5
intervalos de clase y graficar el histograma de frecuencia
relativas, el polgono de frecuencia relativas y la ojiva.
b) Indicar de manera aproximada el porcentaje de viviendas que
consumieron entre 10 y 15 metros cbicos.
c) Graficar la ojiva y usando sta, indicar de manera
aproximada, el porcentaje de viviendas que consumieron
entre 12 y 15 metros cbicos.
2. El nmero de periodos que un canillita vendi durante los
ltimos 24 das fue como sigue:
13 21 16 30 42 5 33 26 28 45 17 28
39 32 8 34 27 33 27 26 24 28 16 21
Cul es el porcentaje de das en los que el canillita vendi ms
de 20 peridicos?. Usar el mtodo de los intervalos de clase
indicado para variables continuas, para obtener una tabla de
distribucin de frecuencias, con cuatro intervalos de clase y
responder la pregunta anterior. Comentar los resultados, con
respecto a los mtodos usados.
3. Los salarios que una empresa ofrece a los practicantes oscilan
entre $150 y $270 y se encuentran divididos en cuatro intervalos
de clase de igual longitud. Si se supone que los salarios se
distribuyen de manera uniforme, que el 40% de los practicantes
ganan no ms de $195, el 80% ganan $225 o menos y el 15%
gana ms de $232.5.
a) Cul es el porcentaje de practicantes en cada categora o
intervalo de clase?
b) Cunto debe aumentar la compaa a cada practicante para
que el 20% de ellos supere los $240 de salario?
4. Completar la siguiente tabla. Indicar los extremos de cada
intervalo de clase
57
210
150

Intervalos de
clase
Marcas de
clase
Frecuencia
relativa
Frecuencia acumulada,
relativa
A ... 0.10 ...
B 6 ... 0.25
C ... 0.55 ...
D 14 ... 0.9
E ... 0.10 ...
5. Los elementos datos son los haberes bsicos del mes de abril de
20 empleados de un Ministerio:

200 220 150 190 100 160 150 170 190
180 230 210 160 140 180 120 200 190
a) Calcular la media, mediana y moda de los datos anteriores.
b) Clasifique en 5 intervalos de clase de igual tamao y calcule
la media y la mediana de los datos as agrupados.
c) Para el mes de mayo se decreta un aumento del 10% sobre
los haberes bsicos del mes de abril y un descuento del 2%
de los haberes bsicos del mes de mayo pro fondos de
reconstruccin. Se pide calcular la media y la mediana de los
nuevos haberes.
6. Dada la tabla siguiente:

Intervalos de Clase Frecuencias Relativas
|0.20,0 .40
>
0. 10
|0.40,0 . 60
> f
2

|0. 60,0 . 80 >
f
3

| 0. 80,1
.
00 >
0. 10
Determinar:
a) Los datos que faltan sabiendo que la media aritmtica es
0.61
b) La mediana y moda
7. Se han medido mediante pruebas adecuadas los coeficientes
intelectuales de un grupo de 20 alumnos, viniendo los resultados
58
agrupados en 6 intervalos de amplitud variable. Estas amplitudes
son:
C1=12, C2=12, C3=4, C4=4, C5=12, C6=20. Si las frecuencias
relativas acumuladas correspondientes a cada uno de los
intervalos son: F1=0.15, F2=0.25, F3=0.55, F4=0.8, F5=0.95,
F6=1
Se pide:
a) Formar la tabla de distribucin de frecuencias, (frecuencias
relativas, frecuencias acumuladas) sabiendo que el extremo
inferior del primer intervalo es 70.
b) Dibujar el histograma y el polgono de frecuencias absolutas.
Calcular la moda.
c) Entre qu dos percentiles esta comprometido un
coeficiente intelectual de 98.4?. Encontrar el valor de
ambos percentiles.
Al mismo grupo de alumnos se le hace una prueba de
rendimiento, los resultados nos viene dados en el grfico
siguiente:
F
2 0
1 6
1 0
5
1
4 6 8 10 X
59

d) Formar la tabla de distribucin de frecuencias y calcular la
mediana.
e) Qu medidas estn mas dispersas, los coeficientes
intelectuales o las puntuaciones del rendimiento?
8. Se tiene la siguiente informacin, sobre una distribucin de
frecuencias de 50 elementos de un material sometido a prueba de
rotura (en Kg/cm
2
), la longitud de los intervalos de clase es
constante e igual a 20.
Intervalo Marca de clase
Xi
ni fi Ni niXi

10

300
400
23 350
17
110 1,100
a) Determinar la media y mediana
b) Determinar el N de datos que se estima que pertenezcan al
intervalo | X ~ X1
,
9. Una distribucin de frecuencias consta de 5 intervalos de clase
de igual longitud y de ella se conocen los siguientes datos:
n=110; n4-n5=10; n4-n3-n1=0
n1=n5; n2=n4 lmite inferior de la primera clase 12.5 y
L5n4=975, donde L5 es el lmite superior de la cuarta clase.
a) Dibujar histograma y polgono de frecuencias
b) Hallar el valor de media, mediana, moda, los percentiles 25
y 75
10. Se tiene la siguiente informacin sobre una distribucin de
frecuencias de 50 elementos de un material sometido a prueba de
rotura (en Kgr/cm
2
). Los intervalos tienen la misma amplitud igual
a 20.
60


Xi ni Ni niXi

10

300
18 400
23 350
17
[ ,120> 4 440

50

Total

Determinar la media, desviacin tpica y el coeficiente de
variacin y tipo de curva que definen el sesgo de Pearson y
Kurtosis que definen.
IV. PROBLEMAS USANDO LAS PROPIEDADES DE MEDIA Y VARIANZA
1. La fbrica A produce n artculos, la fbrica B produce el doble
nmero de artculos que la fbrica A y la fbrica C produce 20%
ms que la fbrica B. Si los costos unitarios son respectivamente
100, 120, 140 soles, calcular el precio promedio de venta, si los
productores desean ganar el 30% de los correspondientes precios
unitarios de costo.
2. En una seccin de Estadstica General, 24 estudiantes llevan el
curso por primera vez, 6 llevan por segunda vez y 2 por tercera
vez. Se sabe que 12 es el promedio de notas de los que llevan
por primera vez y que las notas de los que llevan por segunda
vez en promedio son superiores en un 10% de los que llevan
por primera vez.
Calcule el promedio de la notas de los que llevan el curso por
tercera vez si la suma total de las notas es de 390.
3. Los salarios de una empresa son, en promedio S/. 500, con
posterioridad se incorporan a la empresa un grupo de obreros igual
al 25% de los que estaban anteriormente. El nuevo grupo ingresa a
la empresa con un salario medio igual al 60% de los antiguos. Dos
meses mas tarde, la empresa concede un aumento de S/. 30. se
pide:
a) El promedio de salario del total de obreros
b) Si el aumento hubiera sido del 20% de los salarios Cul habra
sido la media de los salarios as ajustados?
61
4. En un examen final dado por tres secciones de una clase de
Estadstica de 91 alumnos, la nota promedio de todos los
estudiantes fue de 14.5. El promedio de la seccin A fue de 15.5
y el de la seccin B fue de 9.2 los datos sobre el nmero de
alumnos de cada seccin y el promedio de las notas de la
seccin C se perdieron, pero los profesores de la seccin Ay B
recuerdan que ellos tenan exactamente el mismo nmero de
estudiantes; mientras que el profesor de la seccin C recuerda
que tena 5 estudiantes menos que el de la seccin A. Cul es
el promedio de los alumnos de la seccin C?
5. En la siguiente tabla se presenta la distribucin de salarios de 50
trabajadores de la universidad del mes de Abril del presente ao.
Haberes (en miles de soles) N de trabajadores

|60,1 00 >
|1 00,1 5 0 >
|1 5 0,2 1 0 >
|2 1 0,25 0 >
| > 2
50, 260
5
1
0
2
0
8
7

Por incremento del costo de vida se plantean dos alternativas de
aumento para el mes de Mayo.
La primera propuesta consiste en un aumento general de 35,000
soles mensuales.
La segunda propuesta consiste en un aumento del 30% de los
salarios de Abril a los obreros que ganan de 210,000 soles y del 5%
a los obreros que ganan mas de 210,000 soles y un aumento
adicional de 20,000 soles para todos los trabajadores.
Cul de las propuestas convendra a los trabajadores?
a) Para los trabajadores que ganan menos de 210,000 soles Qu
propuesta convendra?
6. Se tiene una poblacin dividida en dos grupos de diferentes
tamaos el primer grupo tiene un ingreso medio de 8,000 soles y el
segundo grupo tiene un ingreso medio de 4,000 soles.
Si el ingreso medio total es de 5,200 soles. Qu porcentaje de la
poblacin est en cada grupo?
62

7. El servicio de salud pblica de Lima calcul que los costos de
servicio de salud han aumentado desde S/.43 a S/.46.50 a S/.49.80
a S/.53.65 por paciente durante los ltimos cuatro aos; sin
embargo, el presupuesto para el servicio se ha mantenido el mismo
durante cada uno de estos aos. Cul ha sido el costo promedio
por paciente sobre el periodo de 4 aos?
8. Una muestra de 130 alumnos se subdivide en dos subgrupos A y
B. el profesor del subgrupo A encontr una media de
calificaciones de 14 con una desviacin tpica de 3 y el profesor del
subgrupo B encontr una media de 12 pero se olvid calcular la
varianza correspondiente. El coordinador del curso afirma que en
grupo B hay 70 estudiantes y la varianza global es de 8. Se puede
determinar la varianza del subgrupo B con la informacin dada? y
de ser posible, cunto vale?
V. CALCULO DE PERCENTILES, SESGO Y CURTOSIS
1. Los datos siguientes corresponden al tiempo, en minutos, que
demora una oficina en darle trmite a 50 documentos que ha
recibido.
400 392 358 304 108 156 483 60 360 168 448 224 576 384 194 216 120
280 232 72 264 168 128 256 72 136 168 308 340 64 480 114 80 246
224 184 104 112 184 152 536 224 464 72 154 152 168 288 264 208 168

a) A partir de la tabla de frecuencias, construir el histograma
de frecuencias relativas. Graficar el polgono de frecuencias
relativas. Indicar las caractersticas de la distribucin.
b) Calcular la media, varianza, desviacin estndar y el coeficiente
de variacin de datos.
c) Calcular la mediana, utilizando directamente los datos y
utilizando la ojiva de la frecuencia acumulada relativa.
d) Calcular los percentiles P10,P20,P75 y P90. y calcular la curtosis
e interpretar su significado.
2. Una universidad tiene 100 empleados. Para los nombrados el
haber bsico mximo es de 4,500 soles mensuales y el mnimo
es de 600 soles mensuales. Hay un 5% de eventuales que
trabajan ad-honoren o perciben compensaciones inferiores a 600
soles; 15 trabajadores nombrados reciben haberes inferiores a
63

2,500 soles; el 85% de los trabajadores tienen haberes inferiores a
4,000 soles. Con esta informacin calcular.
a) Cuartil 3, percentil 20
b) Cuntos trabajadores ganan ms de 2,000 soles mensuales?
c) La media, mediana y moda de los haberes
3. Si tiene una distribucin de frecuencias simtricas, con 6
intervalos de amplitud constante, y los siguientes datos.
n=150, lmite superior del quinto intervalo de clase = 60
n3=30, Q1=43.5, n2=n1+5
Calcule el sexto decil
4. Si tiene una distribucin de frecuencias simtricas, con 9
intervalos de amplitud constante, y los siguientes datos:
f5=0.50, lmite superior de la quinta clase =110, f1+f6=0.13 f8-
f1=0.002, P77=112, f7=f1+0.04
Calcule el 22 percentil
5. En una prueba de Probabi l i dad y Estad sti ca apl i cada a 20
alumnos, se obtuvo la siguiente distribucin de puntos:
Puntos | 3 5,45
>
| 45,5 5 > | 5 5,65 > | 6 5,7 5 > | 7 5,85 > | 85,95 >
N de
alumnos
1 3 8 3 3 2

a) Calcular la desviacin media respecto al promedio
b) Determinar la desviacin estndar
c) Calcular el coeficiente de variacin
d) Determinar el primer coeficiente de asimetra de Pearson
e) Calcular el coeficiente de curtosis
6. En la siguiente distribucin de frecuencias se dan los pesos de
una muestra de 45 alumnos.
Peso
en Kgr. | 40,45 > | 45,50 > | 5 0,5 5 > | 5 5,60 > | 60,6 5 > | 65,70 >
N de 4

10

15

8

5

3

Alumnos

64

a) Determine la varianza por el mtodo abreviado
b) Cul es el valor del coeficiente de variacin?
c) La distribucin es simtrica?
d) La distribucin es mesocrtica?
7. Un encargado de compras ha obtenido muestras de focos de luz de los
proveedores. En su propio laboratorio, ha probado ambas, muestras
con respecto a la duracin de su vida til, con los siguientes
resultados.
Duracin de la vida til,
en horas
Muestras de
Empresa A Empresa B
|700,900 >

10 3
|900,1 . 1 00 >

16 42
|1. 1 00,1 . 3 00 >

26 12
| 1. 3 00,1 . 5 00 >

8 3
TOTAL 60 60

a) Los focos de qu empresa tienen el mayor promedio en la
duracin de vida til?
b) Los focos de cul de las empresas tienen mayor
uniformidad?
8. Una publicidad sobre camiones enumera la siguiente distribucin
de kilmetros recorridos por galn de gasolina segn reportes de los
propietarios de esos vehculos:
a) Calcule la desviacin estndar. Explique su significado
b) Si usted obtiene 14 kilmetros por galn uno de los
camiones, a cuntas unidades de desviacin estndar se
encuentra por debajo de la media de 18.82 kilmetros por
galn?
9. La edad media de los candidatos a un determinado curso de
segunda especializacin fue baja, del orden de 22 aos. Como
ese curso fue planificado para atender a personas de todas las
edades, se decidi hacer una campaa de divulgacin. Para
verificar si la campaa fue o no eficiente se hizo un
levantamiento de la edad de los candidatos a la ltima
promocin y los resultados se dan en la siguiente tabla.
65

Edad Frecuencia Porcentaje
|1 8,20 >
18 36
|20,22 >
12 24
|22,26 >
10 20
|26,3 0 >
8 16
3 0,3 6
| >
2 4
TOTAL 50 100
a) En base a estos resultados, Ud. Dira que la campaa ha
sido efectiva? (Esto es, aument la edad media?)
b) Otro investigador decidi usar la siguiente regla: Si la
diferencia X 22 es mayor que el valor
25
, entonces la
n
campaa ha sido efectiva. Cul es la conclusin de l en base
a los datos?

67
Semana 5
PROBABILIDAD
INTRODUCCIN
- En la actualidad y cada vez mayor las aplicaciones de la teora de
probabilidad en una amplia variedad de campos Cientficos se da as por
ejemplo en:
o Los clculos de la densidad de trfico telefnico
o El nivel de calidad de los artculos manufacturados
o Transmisin de seales en presencia de ruido (Problema que
afrontan los ingenieros en el diseo de sistemas de
comunicaciones y control automtico)
o Los Estudios del ruido trmico en los circuitos elctricos y del
movimiento Browniano de las partculas sumergidas en un lquido o
gas (fsica).
- Qu es, entonces lo que estudia la teora de probabilidad que da lugar a
diversas aplicaciones?
Para contestar a esta pregunta simplemente se considera en los ejemplos
anteriores sus respectivos fenmenos aleatorios los cuales generan sus
respectivos espacios mustrales, dentro de los cuales se definen los
eventos aleatorios, para luego calcular su probabilidad la cual se
encuentra entre cero y uno.
- Otras preguntas que afrontaremos en probabilidad
o Qu queremos decir al afirmar que la probabilidad de un evento es
0.50, 0.25, 0.80 en un determinado experimento aleatorio?
o Cmo se determinan o miden en la prctica los nmeros que
llamamos probabilidad?
o Cules son las reglas matemticas que las rigen?
Secuencialmente responderemos a estas preguntas segn
vayamos desarrollando el curso.
- La teora de probabilidades proporciona los modelos para estudiar los
fenmenos que se caracterizan por la variabilidad de sus resultados. Estos
modelos se llaman modelos aleatorios.
En general un modelo describe las propiedades fundamentales de un
fenmeno sin describir todos sus detalles.
Existen diferentes modelos:
- modelos fsicos : (mquinas en general)
- modelos analgicos : (mediciones de voltaje, continuidad)
- modelos abstractos : (en general, ciencia)
Los modelos abstractos se clasifican en:
- determinsticos (es lo que siempre ocurre). Ej: si se suelta una
tiza, sta cae.
- aleatorios estocsticos (al azar). Ej.: un terremoto
- ALGUNAS DEFINICIONES IMPORTANTES EN PROBABILIDAD
MODELOS ALEATORIOS: Describen experimentos aleatorios, los resultados
ocurren con regularidad estadstica; es decir que stos resultados estn entre 0
y 1 que representa a la frecuencia relativa con que ocurre en una serie de
repeticiones independientes.
FENMENO ALEATORIO: Es un fenmeno emprico que se caracteriza
por la propiedad de que al observarlo bajo determinado conjunto de
condiciones no siempre se obtiene el mismo resultado. (Fortuito o al azar)
- SECUENCIA NATURAL PARA LA SOLUCIN DE PROBLEMAS EN
PROBABILIDAD
P
Exp. S E
0 1
0 < P( E)
< 1
Experimento Espacio Evento Probabilidad de
Aleatorio Muestral E_ S Ocurrencia
Experimento Espacio Muestral
.
Lanzar 2 monedas: {CS, CC, SC, SS}
Lanzar 1 dado: {1, 2, 3, 4, 5,6}
68
Evento E Probabilidad de
Ocurrencia de E E =
{CC}, P(E) = nE / Ns = 1/4 E = {#par},
P (E) = 3 / 6 = 1/2
EXPERIMENTO ESTADSTICO (EXP)
Es un proceso mediante el cual se obtiene resultados por observacin.
a) Aleatorio: cuando los resultados de la observacin no se pueden predecir
con exactitud.
b) Determinstico: cuando el resultado de la observacin es determinado en
forma precisa por las condiciones bajo las cuales se realiza dicho
experimento.
ESPACIO MUESTRAL (S)
Es el conjunto de puntos correspondientes a todos los posibles resultados de un
experimento aleatorio.
EVENTO O SUCESO (E)
Es cualquier subconjunto del espacio muestral que corresponde al experimento
aleatorio.
EVENTOS ESPECIALES
Es el llamado evento imposible
evento seguro

(D, P((D) =
0 S, P(S) = 1
ALGEBRA DE EVENTOS
Tiene Similitud con el lgebra de conjuntos. Las operaciones posibles en
eventos son:
* Uni n (= )
* Interseccin (v )
* Complementacin ()
Sean A y B eventos en S:
1. A = B: evento que ocurre si y solo si y solo si A ocurre B ocurre.
2. Av B: evento que ocurre si y solo si A ocurre y B ocurre.
3. A (A
c
): evento que ocurre si A no ocurre.
A-B = An B (diferencia de eventos)
Leyes de Morgan: (A = B)2 =
A2 v B2
( A v B ) 2 = A 2 = B 2
PRINCIPIO DE LA DUALIDAD
Es la relacin que tiene el evento imposible con el evento seguro.
S = (D (D=S
69
70

EJERCICIOS DE APLICACIN SOBRE EVENTOS
1. Sean A1, A2, A3, A4 eventos. Explicar presentar en smbolos los
siguientes enunciados:
a) Por lo menos ocurre un evento.
b) ocurren todos los eventos.
c) ningn evento ocurra
d) no ocurre exactamente un evento
Solucin:
a ) A 1 - A 2 - A 3 - A 4
b ) A 1 ) A 2 ) A 3 ) A 4
c ) A 1 ) A 2 ) A 3 ) A 4
d ) ( A 1 ) A 2 ) A 3 ) A 4 ) - ( A 1 ) A 2 ) A 3 ) A 4 )
- ( A 1 ) A 2 ) A 3 ) A 4 ) - ( A 1 ) A 2 ) A 3 ) A 4 )
2. Sean A, B, C tres eventos asociados a un cierto experimento. Exprese las
siguientes proposiciones verbales en notacin de conjuntos
a) Al menos uno de los eventos ocurre
b) Exactamente uno de los eventos ocurre
c) Exactamente dos de los eventos ocurren
d) No ocurren, mas de dos eventos simultneamente
Solucin:
o ) ( A ) B ' ) C ' ) - ( A ' ) B ) C ' ) - ( A ' ) B ' ) C ) - ( A ) B ) C ' ) - ( A ' ) B ) C ) -
( A ) B ' ) C ) - ( A ) B ) C )
| ) ( A B C ) ( A B C
) ( A B
C ) ) ) - ) ) - ) )
' ' ' ' ' '
_ ) ( A ) B ) C ' ) - ( A ) B ' ) C ) - ( A ' ) B ) C )
o ) ( A ' ) B ' ) C ' ) - ( A ) B ' ) C ' ) - ( A ' ) B ) C ' ) - ( A ' ) B ' ) C ) - ( A ) B ) C ' ) -
( A ) B ' ) C ) - ( A ' ) B ) C )
3. Sean A, B y C tres sucesos arbitrarios. Encontrar las expresiones para
los sucesos consistentes en que entre A, B y C.
a) Se ha producido solamente A
b) Se ha producido Ay B, en tanto que C no se ha producido
c) Se han producido los 3 sucesos
d) Se han producido al menos uno de los suceso
e) No se ha producido ninguno de los sucesos.
Solucin:
o ) ( A ) B ' ) C' )
| ) ( A ) B ) C' )
_ ) ( A ) B ) C )
o ) ( A B C ) ( A B C ) ( A B C ) ( A B C ) ( A B C ) ( A B
C ) ( A B C ) ) ) - ) ) - ) ) - ) ) - ) ) - ) ) - ) )
' '
' ' ' ' ' '
c ) ( A ' ) B ' ) C ' )
71
4. Se escoge dos jurados, entre 4 alternativas posibles, para atender un
juicio por asesinato. Utilice la notacin A
1
A
3
, por ejemplo, para
indicar el evento simple en que se seleccionan las alternativas 1 y 3,
enumere los 6 elementos del espacio muestral.
Solucin:
- Sean los jurados: A
1
, A2,A3,A4
- Se eligen dos jurados A
1
_ A
- Maneras de elegir
a dos jurados A
1
A
2
A
2
A
3
A
3
A
4

A
1
A
3
A
2
A
4

A
1
A
4

S = { A
1
A
2
, A
2
A
3
, A
3
A
4
, A
1
A
3
, A
2
A
4
, A
1
A
4 0

5. Se Seleccionan aleatoriamente cuatro estudiantes de una clase de
qumica y se clasifican en hombres y mujeres. Escriba los elementos
del espacio muestral S
1
utilizando la letra H para hombres y la letra
M para las mujeres. Defina un segundo espacio muestral, S
2
, donde
los elementos representan el nmero de mujeres seleccionadas.
Solucin:

- Cuando se elige un estudiante se tiene dos posibilidades : 21
Cuando se elige dos estudiantes se tiene cuatro posibilidades : 22
Cuando se elige tres estudiantes se tiene ocho posibilidades : 23
Cuando se elige cuatro estudiantes se tiene diecisis
posibilidades : 24
- El experimento es del tipo dicotmico. Usemos el diagrama del
rbol (arborecencia) el cual es muy usual en muchos experimentos.

72

S1 S2
H H H H 0
H H H M 1
H H M H 1
H H M M 2
H M H H 1
H M H M 2
H M M H 2
H M M M 3
M H H H 1
M H H M 2
M H M H 2
M H M M 3
M M H H 2
M M H M 3
M M M H 3
MMMM 4
S
2
= { 0, 1, 2, 3, 4}
6. Un experimento consiste en preguntar a 3 mujeres aleatoriamente si
lavan sus platos con detergente marca X.
a) Enumere los elementos de un espacio muestral S utilizando la
letra Y para las respuestas si y N para las No.
b) Escriba los elementos de S que correspondan al evento E en que al
menos 2 de las mujeres usan la marca X.
c) Defina un evento que tenga como elemento los puntos {YYY, NYY,
YYN, NYN}
Solucin
a) Tres mujeres participan y cada una tiene dos posibilidades de
contestar
73


3r a
S
Y Y Y
Y Y N
Y N Y
Y N N
N Y Y
N Y N
N N Y
N N N

b) E: al menos dos mujeres usan la marca X, observemos el e.m.S
E = {YYY, YYN, YNY,NYY}
c) Un evento posible observando el evento dado: La segunda mujer
entrevistada usa marca X.
7. Suponga que una familia sale de vacaciones de verano en su vehculo de
acampar y que M es el evento en que tendrn problemas mecnicos, T el
que reciban una infraccin por cometer una violacin de trnsito y V el
que lleguen a un campamento totalmente ocupado. Con ayuda del
diagrama de Venn de la figura explique con palabras los eventos
representado por las siguientes regiones
a) Regin 5
b) Regin 3
c) Regiones 1 y 2 juntas
d) Regiones 4 y 7 juntas
e) Regiones 3, 6, 7 y 8 juntas
74

Solucin
M: e. de que tendrn problemas mecnicos
T: e. de que recibirn una infraccin por cometer una violacin de
trnsito.
V: e. de que lleguen a un campamento totalmente ocupado
a) Regin 5: e. de que tendrn problemas mecnicos, pero no
recibirn una infraccin por cometer una violacin de transito y
tampoco llegar a un campamento totalmente ocupado.
b) Regin 3: e. la familia recibir una infraccin por cometer una
violacin de trnsito y llegar a un campamento totalmente
ocupado pero no tendr problemas mecnicos.
c) Regiones 1 y 2 juntas: e. la familia tendr problemas mecnicos y
llegar a un campamento totalmente ocupado
d) Regiones 4 y 7 juntas: e. la familia no llegar a un campamento
totalmente ocupado pero recibir una infraccin por cometer una
violacin de trnsito.
e) Regiones 3, 6, 7 y 8 juntas: e. la familia no experimentar
problemas mecnicos.
8. Con referencia al ejercicio anterior (7) y al diagrama de Venn de la
figura, haga una lista de los nmeros de las regiones que representan los
siguientes eventos.
a) La familia no tendr problemas mecnicos y no cometer violacin
alguna de trnsito pero encontrar un campamento totalmente
ocupado.
75

b) La familia tiene problemas mecnicos y dificultades para encontrar
un campamento que no est ocupado en su totalidad, pero no
cometern violacin alguna de trnsito.
c) La familia tendr problemas mecnicos o encontrar un
campamento totalmente ocupado, pero no cometer violaciones
de trnsito.
d) La familia no llegar a un campamento totalmente ocupado
Solucin
a) 6. b) 2. C) 2, 5, 6. d) 4, 5, 7, 8
9. Expresar simblicamente es decir en trminos del algebra de eventos las
preguntas a), b), c), d) y e) del ejercicio (7)
Solucin
a ) M v ( V = T ) ' ; b ) ( V v T ) v M' ; c ) M v V ; d ) V 2 v T ;
e ) M '
10. Expresar si mbl i cament e es deci r en t rmi nos del al gebra
de event os l as proposi ci ones a), b), c) y d) que aparecen en
el ej erci ci o 8 a) ( M
'
vT
'
) v V; b) ( MvV) vT
'
; c) (M=V)vT
'
; d)
( M=T) vV
'

11. Un fabricante tiene cinco terminales de computadoras aparentemente
idnticas listas para enviarlas a su destino. No sabe que dos de las cincos
son defectuosas. Recibe un pedido especial de dos terminales y lo surte
seleccionando al azar dos de las cinco disponibles.
Solucin
- Existen cinco terminales de los cuales dos son defectuosas y tres
buenas; esto indica que podemos hacer una combinatoria
C5 = 5! =10 exi sten 10 posi bi l i dades de envi ar el pedi do.
2
2! 3!

- El espacio muestral lo determinamos del modo siguiente.
D1 , D2: terminales defectuosos Maneras que pueden
ocurrir en el envo
B1,B2,B3: terminales buenos
76


D 1 D 2 B 1 B 2 B 3

_ D1 D2 , D1 B1 , D1 B2 , D1 B3 , D2
B1 , 1 S
I I D2 B2
,
D2 B3
,
B1 B2
,
B1 B3
,
B2 B3
1

D1D2,D1B1,D1B2,D1B3
D B B B
2 1 2 2 2 3
D D
B1B2 B1B3
BB
2 3
77
Semana 6
PROBABILIDAD DE UN EVENTO
Sea S un espacio muestral asociado a un experimento:
Sea A un subconjunto (evento) de S.
P: A [0,1]
Se lee: P de A (P(A)) llamada probabilidad del evento A que satisface los
tres axiomas siguientes:
1. la probabilidad 0<_P(A) <_1 A_S
2. P(S)=1
3. (aditividad finita) si A1, A2, ........ An eventos en S, disjuntos dos a dos (
mutuamente excluyentes) Ai v Aj =
i j
La probabi l i dad de l a uni n es. P(A
1
Y A
2
Y ... Y A
n
) =
n
i =1 P (A;)
n

P ( A
1
Y A
2
Y . . . Y A
n
) = P ( A
1
) + P ( A
2
) + . . .
+ P ( A
n
) = P ( A
i
)
i =1
OBSERVACIN:
La frecuencia relativa cumple con stos tres axiomas:

n
f = A A
n
S

nA: nmero de elementos del evento A en S nS::
nmero de elementos del espacio muestral S
1. 0 <_ fA<_ 1
2. f
S = n S = 1
n
S

3. f ( A
1
Y A
2
) = n A 1
+ n A 2 = f
A 1
+ f
A 2 n
S
n A 1 n A 2
+ fA1YA2 = f
A1
+ fA2
n n
S S

n =n A n _ 4 1
fA1A2 = A~ Z A~ + A2 = f
A1
+ fA2
n n n
s s s
78

Esteresultado nos muestra que la frecuencia relativa satisface los tres
axiomas de probabilidad, motivo por el cual se le denomina probabilidad
clsica.
ALGUNOS TEOREMAS IMPORTANTES EN PROBABILIDADES
1 . L a p r o b a b i l i d a d d e u n e v e n t o i m p o s i b l e e s
c e r o P ( ) = 0 , d e m o s t r a c i n :
D e m o s t r a c i n :
Propiedad (A U ) = A
P(A U ) = P(A)
Axioma 3 P(A) + P () = P(A)
P () =0
2 . S i
A es c ompl ement o de A P (
A ) = 1-P(A).
Demostracin:
Sea A un evento en S
Propiedad:
A U A =S
P (
A U A) = P(S)
Ax 3 y Ax2 P (
A ) +P(A) =1
P (
A )=1-P(A)
3 . Si Ay B son 2 eventos cualesquiera en S E P (AUB) = P(A) +P (B)
P(A B)
Demostracin:
Usando propiedades:
A - B = A - (A ) B) .
P (A - B) = P (A) + P
(A ) B) A B = (S - A) ) B
= B - A ) B
P (A- B) = P (A) + P (B - A) B)
P (A- B) = P (A) + P (B) - P (A) B) A2) B
79

Extensin a tres eventos
- P( A u B u C) =P( A) +P( B) +P( C) - P( A v B) - P( A v C) - P( B v C) +P( A
v B v C)
Podemos extender a n eventos; A
1
u A
2
u............................. u A
n
y calcular la
p r o b a b i l i d a d
P( A
1
u A
2
u . . . . u A
n
~ 4 . S i A _ B
= > P ( A ) < P ( B )
Si un evento A esta contenido en un evento B indica que la
probabilidad de A es menor o igual a la probabilidad de B
Demostracin: (ejercicio)
Como observamos de esta seccin definimos la funcin de
probabilidad con los tres axiomas fundamentales, adicionalmente
enunciamos teoremas los cuales se demuestran haciendo uso de los
axiomas y propiedades que se derivan de la teora de eventos
definidos en el espacio muestral S.
- EJERCICIOS DE APLICACIN SOBRE ESPACIO
MUESTRAL, EVENTOS Y USO DE TEOREMAS
1. Entre cinco generadores porttiles producidos en una lnea de montaje en un
da, hay dos defectuosos. Si se seleccionan dos generadores para su
venta, determinar la probabilidad de que ninguno de los dos tenga
defecto. Suponer que la seleccin de los dos generadores para la venta se
hizo de modo que todas las muestras posibles sean del mismo tamao
tengan la misma probabilidad de ser seleccionado.
Solucin
Segn el enunciado existen dos generadores defectuosos y tres buenos
por que en total son cinco: Di: defectuosos; Bi: buenos

D1 B3
Determinamos el espacio muestral del experimento
S = tD1 D2 , D1 B1 , D1 B2 , D1 B3 , D2 B1 , D2 B2 , D2 B3 , B1 B2 , B1 B3 , B2 B3 1
80

A: Evento de que ninguno tenga defecto: B1B2,B1B3,B2B3
P ( A ) =
n 3

A
=
n 1 0
s
2. La probabilidad de que un hombre siga vivo dentro de 25 aos es de 3/5 y la
de su esposa los est es de 2/3. Hallar la probabilidad de que en ese
momento.
a) Ambos estn vivos
b) Slo el hombre viva
c) Slo viva la esposa
d) Al menos uno est vivo.
Solucin:
Sean los eventos; ambos independientes
H: e. de que el esposo viva dentro de 25 aos; H el esposo no viva
E: e. de que la esposa viva dentro de 25 aos; E la esposa no viva
P H =
( ) 3 / 5, P(E) 2/ 3, P(H' ) 1 - P(H) 2/ 5, P( E' ) 1 - P(E) 1/ 3
= = = = =
3 2 2
o) ( )
P H ) E = P ( H ) P ( E ) = =
5 3 5
3 2 1
|) ( )
P H ) E = P H P H ) E = =
' ( ) ( ) 5 5 5
_) P ( E ) H ' ) = P ( E ) - P ( H ) E )
= 2 2
= 4 3 5 1 5
3 2 2 1 3
o) ( )
P H E P H P E P H E
- = ( ) ( ) (
+ ) = + =
)
5 3 5 1 5
* E s c i e r t o q u e
P | ( H ) E ' ) - ( H 2 ) E ) - ( H ) E ) = P ( H - E ) ? .
Justificar
3. La probabilidad de que una industria peruana se ubique en Venezuela es
0.7; de que se localice en Argentina, de 0.4 y de que se encuentre en
Venezuela o Argentina, de 0.8 Cul es la probabilidad de que la
industria se localice:
a) En ambos pases?
b) En ninguno de ellos?
Solucin:
Sean los eventos:
V: e de que la industria se ubique en Venezuela
A: e de que la industria se ubique en Argentina
P(V)=0.7
P(A)=0.4
P( V- A) =0. 8
Aplicando las propiedades vistas
o) { V = A} ; P( V = A) = P( V)
+ P( A) P( V v A) 0.
8 =0 . 7 +0 . 4 P( VvA)
P( Vv A) =0 . 7 +0 . 4 0 .
8 =0 . 3
| ) { V' vA' } ; P( V' vA' ) = P( V = A) ' =1 P( V = A) =1 0
. 8 = 0. 2
4. De un grupo de 100 estudiantes universitarios del ltimo ao, 60
estudiaron biologa, 20 geologa y 10 astronoma. 15 estudiaron
biologa y geologa siete biologa y astronoma y tres; geologa y
astronoma. Tres de los estudiantes cursaron las 3 materias. Si se
selecciona al azar un estudiante del ltimo ao; cul es la
probabilidad de que haya estudiado:
a) Por lo menos una de estas materias?
b) Biologa y geologa pero no astronoma?
c) Astronoma pero no biologa o geologa?
d) Ninguno de los tres?
Solucin:
Sean los eventos:
B: e. de que el estudiante haya estudiado biologa
G: e. de que el estudiante haya estudiado geologa
A: e. de que el estudiante haya estudiando astronoma
o ) { B = G = A }
P ( B = G = A ) = P ( B ) + P ( G) + P ( A ) P ( B v G)
P ( B v A )
P ( Gv A ) + P ( B v Gv A )
6 0 2 0 1 0 1 5 7 3 3 6 8
= + + =
1 0 0 + 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0
| ) {A' v( B v G) }
P( A' v ( B v G) ) = P( B v G) ^ A v B v G)
15 =
3 12
=
100 100 100
_ ) {A v (B = G)'}
^ A v ( B = G) ' ) = P( A) ^ A v ( B = G) )
= P( A) ^ A v B) P( A v G)
+ P( A v B v G)
10 + =
7 3 3 3
=
1 0 0 1 0 0 1 0 0 10 0 1 00
81
82
10

=
8
+
1
0

9

+
10

10

=
56
2
10
2
1 0

210 1024

5. Se somete a un estudiante a un examen del tipo verdadero falso, el
que contiene 10 preguntas; para aprobar debe responder
correctamente ocho o mas preguntas. Si el estudiante adivina cul es
la probabilidad de que apruebe el examen?
Solucin:
- El examen contiene 10 preguntas: X
i
,i =1,2, ...,10 1
- Cada pregunta ti ene xi to Ei ; l uego cada Ei ; ( ) 2 P E
i
=
- P r o b a b i l i d a d t o t a l d e x i t o s
i n d e p e n d i e n t e s .
1 P ( E
1
, E
2
, . . . , E
1 0
) = 2 1 0
- Como debe responder ocho o mas preguntas: X c 8
1010 10

8 9 10
P X
( )
10
( )
10
( ) 10
= =
8 , P X = =
9 ,P X = =
10
2 2 2
- Probabili
dad de que
apruebe el
examen:
10
= ( ) P X
i

i 8
6. Cierto tipo de motor elctrico falla por obstruccin de cojinetes, por
combustin del embobinado o por desgaste de las escobillas.
Suponga que la probabilidad de una obstruccin es doble que la de la
combustin, la cual es cuatro veces mas probable que la de la combustin,
la cual es cuatro veces mas probable que la inutilizacin de las escobillas.
Cul es la probabilidad de que la falla sea por cada uno de estos
mecanismos?
Solucin:
- De acuerdo a las hiptesis definamos los siguientes eventos.
O: e. obstruccin de los cojinetes
C: e. combustin del embobinado
D: e. desgaste de las escobillas
- Condiciones del enunciado:
P(O) = 2P(C)
P(C) = 4P(D)
83

- Propiedades, teoremas, etc.
O - C - D = S P ( O - C - D ) = P ( S )
P( O) P( C) P( D) 1
+ + =
- Por las condiciones establecidas:
2 ( )( ) 0 .2 5 ( ) 1
P C + P C + P C =
1 = 4
P( C) = 3. 25 13
4 8
P( O) 2
= 1 3 = 1 3
1 4 1
P( D) = 4 13 =13
7. Se ha cargado un dado para que la probabilidad de obtener 1, 2, 3, 4,
5 y 6 sea de 1/3, 1/4, 1/6, 1/12, 1/12 y 1/12, respectivamente.
Suponga que las propiedades usuales de la probabilidad son vlidas
todav a en esta situaci n donde los sucesos no ti enen l a misma
probabilidad. Busque la probabilidad de obtener:
a) Un nmero par
b) Un nmero menor que cinco
c) Un nmer o pa r o meno r que
c i nc o Sol uci n: Sea n l o s s i gui ent es
ev ent o s s egn el enunc i a do
a) A = {2, 4, 6}; P(A) = P(2) + P(4) + P(6) = 512
b) B : e . n me r o me n o r q u e 5 ,
B = { 1 , 2 , 3 , 4 } 1 0
P B = P + P + P
+ P =
( ) (1) (2) (3) (4)
12
c) A - B : e. de ser nmer o par a o menor
que ci nco P A B P A P B P A B
( ) ( 1 ( ) ( )
- = + )
( A ) B = { 2, 4, 6 } ) { 1, 2 , 3 , 4 } = | 2 , 4 |
5 10 1 1 11
P A B ( )
- = + +

12 12 4 12 = 12
84

8. Un dado se construye de tal forma que un 1 o un 2 ocurran dos veces ms
frecuentemente que un 5, mismo que se presenta tres veces ms seguido
que un 3, un 4 o un 6. Si el dado se lanza una vez, encuentre la
probabilidad de que :
a) El nmero sea par
b) El nmero sea un cuadrado perfecto
c) El nmero sea mayor que cuatro
Solucin:
- Segn el enunciado asignemos la probabilidad w cuando
aparecen un 3, un 4 y un 6, cuando aparece 5 ser 3w y cuando
aparece 1, 2 (3w), cuando aparece 2, 2(3w); tenemos luego las
asignaciones.
1 2 3 4 5 6
6 w 6 w w w 3 w w
- La suma de las probabilidades debe ser igual a UNO (P(S) =1)
6 w + 6 w + w + w + 3 w + w = 1 w = 1
18
a ) P ( P { 2 } = { 4 } = { 6 } ) = P ( 2 ) + P ( 4 ) + P ( 6 ) =
i
8
b ) P( {1} = {4}) = P( 1) + P( 4) = 1 g
c ) P( {5}= {6}) = P( 5) + P( 6) =1 g
9. Una red de comunicaciones tiene un sistema incorporado de seguridad
contra fallas. Si en este sistema falla la lnea I, se utiliza la lnea II
como emergencia, se utiliza la lnea III como una desviacin. La
Probabilidad de que falle cualquiera de las tres lneas es de 0.2, y
las fallas de estas tres lneas son independientes (excluyentes).
Cul es la probabilidad de que este sistema de tres lneas no falle
totalmente?
Solucin:
- Sean los eventos
F: e. falla en la lnea I: P(F)=0.2
E: e. emergencia la lnea II; P(E)=0.2
D: e. desviacin de la lnea III; P(D)=0.2
85

- Para que el sistema no falle es necesario considerar los eventos
de no falla: F, E, D. Luego se considera que al menos uno no
falle{F'-E'-D'}
- Luego l a probabi l i dad de no fal l a; P(F' -E' -D' ) y por l a
propi edad de compl ementaci n e i ndependenci a de
eventos: P(F' -E' -D' ) = P(F ) E ) D)'
= 1 P ( F ) E ) D )
=
1 P(F)P(E)P(E) 1
(0 .2)
3

=
P( F' - E' - D' ) = 0 . 992
10. La probabilidad de fallar cada una de las 4 piezas de un aparato
electrnico es de 0.001. Si el aparato funciona por lo menos con tres
piezas de las indicadas, hallar la probabilidad de que ste no funcione
si cada pieza se desarrolla en forma independiente.
Solucin:
- Sean los eventos de no falla: A1, A2, A3, A4, los cuales son
independientes.
- El aparato funciona al menos con 3 piezas, esta hiptesis induce a
pensar que con 4 piezas tambin funciona luego.
- Sea el evento el aparato funciona: F y F evento de que no
funciona.
AB C D
F = ( A 1 A 2 A 3 A 4 ) - A 1
A 2 A 3 ) A ' 4 ) - ( ( A 1 A 2 A 4 ) A ' 3 ) - ( ( A 1 A 3 A 4 ) A ' 2 )
- ( ( A2 A3 A4 ) A'
1
)
P(F) = P(A) + P(B) + P(C) + P(D) + P(E) = (0. 999)
4
+4(0 .
999)
3
0. 00 1
= 0 .999994008
P(F' ) =1 0.999994008 = 0.000001
11. Suponga que una promocin de 500 estudiantes, se encuentran
que210 fuman, que 258 toman bebidas alcohlicas que 216 toman
alimentos entre comidas, que 122 fuman y toman bebidas alcohlicas
que 83 toman alimentos entre comidas y tambin bebidas
alcohlicas, que 97 fuman y toman alimentos entre comidas y
que 52 practican

o )
86
estas tres dainos hbitos. Si se escoge aleatoriamente a un miembro
de esta promocin, encuentre la probabilidad de que el estudiante.
a) Tome alimentos entre comidas e ingiera bebidas alcohlicas pero no
fume.
b) No fume y no tome alimentos entre comidas.
c) Realice exactamente uno de estos tres dainos hbitos.
Solucin:
F: e. de que estudiantes fuman
B: e. de que estudiantes toman bebidas alcohlicas
A: e. de que estudiantes toman alimentos entre comidas
o ) { ( A ) B ) ) F ' }
P ( ( A ) B ) ) F ' ) = P ( A
) B ) P ( A ) B ) F )
8 3 5 2 3 1

500 500 500
{ F ' ) A ' }
P ( F ' ) A ' ) = P ( F - A ) ' = 1 P ( F
- A )
=
1 | P( F) + P( A) P( F ) A) |
171
=
500
c) Existen tres eventos posibles definidos del modo siguiente
M = (F ) (B - A)' ), N = (A ) (F - B)' ) , Q = (B ) (F- A)')
Son eventos excluyentes mutuamente, luego:
P ( M - N - Q ) = P ( M ) + P ( N ) + P ( Q )
P M P F P A B
( ) ( ) ( ( ))
= 1 -
= 0. 091560
P Q P B P F A
( ) ( ) ( ( ))
= 1 - = 0 . 1 7 6 4 7 2
P( M - N - Q) = 0. 401 08 80. 40 11
H
Como resumen podemos indicar que hemos presentado ejercicios de
aplicacin sobre algebra de eventos, probabilidad de ocurrencia de eventos
y uso de teoremas fundamentales en probabilidad.
A continuacin presento un esquema que nos toca desarrollar el cual
presenta el ncleo y la importancia de la probabilidad en sus diversas
aplicaciones prcticas; sin el conocimiento pleno de estos teoremas, poco
podramos hacer en inferencia estadstica en donde las ciencias

87

en general se apoyan para realizar inferencias, tomar decisiones y
predicciones de hechos experimentales o tratamiento de informacin
reales.

89

A ) B
Semana 7
PROBABILIDAD CONDICIONAL
La probabilidad de ocurrencia de un evento tiene sentido cuando hemos definido
un espacio muestral especfico.
Por ejemplo determinar la probabilidad de que un ingeniero gane al menos
S/.10,000 mensuales no tiene sentido si no hemos especificado el universo o
espacio muestral la que pertenece, tendr sentido si solamente definimos el
espacio muestral esto es: a todos los ingenieros del Per que forman parte de la
industria, a los que laboran en una universidad, etc.
- La pr obabi l i dad de ocur r enci a de un event o A r ef er i do o
acondicionado al espacio muestral S es: S
P ( A / S ) = P ( A ) S )
P( S )
P( A)
=
1
P( A / S) = P( A )
A

A ) S = A
- Consideremos el evento A referido o condicionado a otro evento B, ambos
inmersos en el espacio muestral S
P ( A / B ) =
P ( B )
B )
, P ( B ) > 0
Es lgico que ambas probabilidades
P(A)B)yP(B) estn referidas al espacio muestral S.
- Consideremos los siguientes ejemplos
a) Lancemos un dado y definamos el evento A de que salga 3 y calculemos
en probabilidad de ocurrencia P(A)
90

Solucin:
Espacio muestral S= {1,2,3,4,5,6
} Evento A= {3 }
P ( A / S ) = P ( A ) S )
=
P ( A ) = 1 / 6 = 1
P( S) 1 1 6
b) Consideremos ahora el evento anterior A referido o condicionado
al evento B el cual est definido por los nmeros impares.
Solucin:
S = { 1,2,3,4,5,6}
B = { 1,3 ,5}
A ) B = { 3 }
A = { 3 }
P ( A / B ) = P ( A ) B )
=
3 / 6
=
3
1/ 6 1
P( B)
DEFINICIN.- Sean A y B eventos en S. La probabilidad condicional de un
evento A dado que ocurri B, est dado por
( ) ( )
P A B
)
P A B
/ = ( ) , ( ) > 0
P B
P B
OBSERVACIN
1. La probabilidad condicional cumple con los tres axiomas de
probabilidad.
2. Cmo se muestra en el diagrama anterior utilizando la probabilidad
condicional definimos la probabilidad de un producto de eventos y la
independencia de eventos.
EJERCICIOS DE APLICACIN
1. Consideremos el lanzamiento de un par de dados y definamos los siguientes
eventos en el espacio muestral S.
A = { ( X, Y ) / X + Y c 6 }
B = { ( X, Y ) / Y = X}
C X Y
= { ( , ) / 2 o + o
X Y 8 }
a) Presentar en un grfico el conjunto de pares eventos dados.
b) C a l c u l a r l a s p r o b a b i l i d a d e s : P ( A B ) P ( A
C ) P ( A B ) P ( A C ) ) ,
- , / , /

2,2 ,...,
( )
(1,2),...
,
6. 6 ; n = 6
( )} B
(6,1), (6,2)}; n=
c
26
n A ) B = 4
n A ) C = 1 6

B
= { (
)
1,1 ,
C
= {(1,1)
,
P ( A ) B ) = n A ) B = 4
n 36
S
P ( A
B ) P ( A ) P ( B ) P ( A B )
) = + )
Solucin:
a) Espaci o muestral por extensi n;
S= {(1,1),(1,2),...,(6,5),(6,6)}
Espacio muestral por comprensin; {( )
S= X,Y /X=1,2, ... ,6yY=1,2, ... ,6}
como un entendimiento del ejemplo graficar {(Xi, Y1)}i =1,2, ... ,6 y
luego definir los eventos A, B y C por extensin.
b) Los eventos por extensin
A = {( ) ( ) ( ) ( ) ( )
5,1 , 4,2 , 3 ,3 , 2,4 ,..., 6,6 ; } n = 2 6
A

= n A + n B
n A ) B n n
n
S S S
2 6 6 4
= +
3 6 3 6 3 6
28
=
36
P ( A / B ) = P ( A ) B ) = 4 / 3 6
=
4
P( B) 6/ 3 6 6
P( A / C) = P( A ) C) = 1 6/ 3 6 = 16
P( C) 26/ 3 6 26
2. En un experimento para estudiar la relacin entre la hipertensin y el
hbito de fumar; se recurrieron a los siguientes datos con180
individuos:

92


Si se selecciona aleatoriamente a uno de estos individuos, encuentre la
probabilidad de que la persona:
a) Experimente hipertensin, dado que es un fumador
empedernido.
b) Sea un no fumador, dado que no ha presentado problemas de
hipertensin.
c) Sea un hipertenso dado que no es fumador empedernido.
Solucin:
Sean los eventos:
H: Evento de que el individuo sea hipertenso.
N: Evento de que el individuo sea no hipertenso.
E: Evento de que el individuo sea fumador empedernido.
F: Evento de que el individuo sea un no fumador.
M: Evento de que el individuo sea un fumador moderado.
a) H/E = 30
P (H/E) = P (HE) = 30/180

P (E) 49/180

49
b) F/N = 48 /N)
P (F= P (FN) = 48/180

1
P (N) 93/180 93
c)

P (H/E) = P (HE) = P (H) P (HE) = 87/180 30/180 = 57
P (E) 1 P (E) 1 - 49/180 131
3. La probabilidad de que un vuelo de programacin regular despegue a tiempo
es P (D) = 0.83; la de que llegue a tiempo es P(A) = 0.82 y la que
despegue y llegue a tiempo es P (DA) = 0.78. Encuentre la probabilidad
de que un avin:
a) Llegue a tiempo dado que despego a tiempo.
b) Despegue a tiempo dado que llego a tiempo.
c) No despegue a tiempo dado que no llego a tiempo.
Solucin:
A: Evento de que el avin llegue a tiempo, P(A)
D: Evento de que el avin despegue a tiempo, P(D)
P (A) = 0.82
P (D) = 0.83
P (DA) = 0.78
93

a) {A/D} P (A/D) = P (AnD) = 0.78 = 78

P (D) 0.83

83
b) {D/A} P (D/A) = P (DnA) = 0.78 = 78

P (A) 0.82

82
c) {D/A} P (D/A)= P (DnA) = P (DUA) = 1 (P (DUA)
P (A) P (A) 1 - P (A)
= 1 [P (D) + P (A) - (AnD)] = 1 [0.83 + 0.82 - 0.78]
1 P (A) 1 0.82
= 1 [0.87] = 0.13 = 13
0 . 1 8 0 . 1 8 1 8
4. La probabilidad de que a un automvil al que se le llena el tanque de
gasolina necesite tambin un cambio de aceite es de 0.25, la de que
requiera un Nuevo filtro de aceite es de 0.40 y de que haga falta tanto un
cambio de aceite como un Nuevo filtro es de 0.14
a) Si debe cambiar el aceite Cual es la probabilidad de que necesite
un nuevo filtro?
b) Si necesita un filtro nuevo Cul es la probabilidad de que requiera
un cambio de aceite?
Solucin:
Sean los eventos segn enunciado del problema
A: e. cambio de aceite ; P(A) = 0.25
B: e. filtro nuevo ; P(F) = 0.40
Av F : e. Cambio de aceite y filtro nueve ; P(A v B) = 0 . 1 4
Evento de que requiere filtro nuevo que cambia aceite: {F /A}
P( F / A) = P( A v F) = 0. 1 4 = 14
P( A) 0.25 25
a) Evento cambio de aceite dadoque requiere filtro nuevo: { A /F }
P ( A / F ) = P ( A v F )
=
0 . 1 4 = 7
P( F) 0.40 20
5. La probabilidad de que un vehculo que llega a Arequipa tenga placas
de Lima es de 0.14, de que sea para acampar, de 0.30 y la
probabilidad de que adems tenga placas de Lima, de 0.10 Cul es la
probabilidad de que :
a) Un vehculo para acampar en Arequipa tenga placas de Lima?
b) Un vehculo con placas de Lima que llega a Arequipa sea para
acampar?
94
; P(L) = 0 . 1
4 ; P(A) = 0 .
3 0
:

c) Un vehculo que llega a Arequipa no sea para acampar o no tenga
placas de Lima?
Solucin:
Sean los eventos segn enunciado del problema L: e.
tenga placa de Lima
A: e. de acampar en Arequipa
L v A: e. tenga placa de Lima y acampe en Arequipa
P(L v A) = 0 . 1 0
a) Tenga placa de Lima dado que va acampar:
{ L/ A }
P( L / A) = P( L v A) = 0. 1 0 = 1
P( A) 0. 3 0 30
b) Acampe en Arequipa dado que tiene placa de Lima: { A /L }
P( A / L) = P( L v A) = 0. 1 0 = 5
P( L) 0. 1 4 7
c) El veh cul o no acampa, no ti ene pl aca de
Li ma: A' uL' P(A' uV) = P(L v A)' =1 P(L v A)= 1
0 . 1 0 = 0. 90
6. En el ltimo ao de la escuela, en un grupo de 100 alumnos se
encontr que 42 cursaron matemtica, 68 psicologa, 54 historia, 22
matemtica e historia, 25 matemtica y psicologa, 7 historia pero no
matemtica ni psicologa, 10 las tres materias y 8 ni nguna de las
tres. Si se selecciona un estudiante aleatoriamente, encuentre la
probabilidad de que:
a) Una persona inscrita en psicologa haya estudiado las tres
materias.
b) Una persona que no se inscribi en psicologa haya tomado historia y
matemtica.
c) Una persona que no se i nscri bi en hi stori a haya tomado
matemtica y psicologa. 100
Solucin:
Sean los eventos segn el enunciado del
problema M: e. de que la persona estudie
matemtica P: e. de que la persona estudie
psicologa H: e. de que la persona estudie historia

95
P( P) 6 8/ 1 00 68
P H M P
( ) ) '
)
o)

) (
P
M
P H
) ) ) 1 0 / 1 0 0
o) { M P H P P M P H P 10
) ) / ;
} ( ) ) / = = =
|) { H ) M / P ' } ; P( H ) M / P ' ) = P P ' )
P ( H ) M ) P ( H ) M ) P ' )
=
1 P( P)
22 / 1 00 1 0 / 1 00

=
1 6 8/ 1 00

12
=
32
) ) ' )
{ } ( ) (
P M P H
M P
) P M P
) =
H ' H '
P ( H' )
=
^ M ) P ) 2 P ( M ) P ) H ) 1 5 =

1 ( )
P H 46
PROBABILIDAD DE MULTIPLICACIN DE EVENTOS
Como habamos presentado en el esquema luego de la probabilidad
condicional se prosigue con la multiplicacin de eventos como indicamos
seguidamente
( ) ( )
P A B
)
P A / B = P B
( )
P ( A ) B ) = P ( B ) P (
A / B ) . '
P ( B A ) P ( A ) P ( B
A )
)= /
P o r l a c o n mu t a t i v i d a d d e e v e n t o s : A B B A P( A B) P( B A)
) = ) ) =
)
DEFINICIN.- Si en un experimento pueden ocurrir los eventos A y B
entonces
P ( A ) B ) = P ( B ) P ( A / B )
Esta definicin podemos extenderla a k eventos: A1,A2,...,Ak
P A A
( 1 ) ) ) =
. . . A P A P A A P A A A P A A
) ( 1 ) ( 2 / 1 ) ( 3 / ) 2 ) ( 1
. . . / ) )
. . . A
1
)
2 K 1 K K
96

1. El supervisor de un grupo de 20 tcnicos pide la opinin de dos de
ellos (seleccionados al azar) sobre las nuevas disposiciones de
seguridad en la construccin. Si doce estn a favor de las nuevas
disposiciones y los ocho restantes estn en contra, cul es la
probabilidad de que ambos trabajadores elegidos por el supervisor
estn en contra de las nuevas disposiciones?
Solucin:
Sean los eventos de acuerdo al enunciado del problema
A: e. de que el primer tcnico est en contra de las nuevas
disposiciones.
B: e. de que el segundo tcnico est en contra de las nuevas
disposiciones.
Opiniones 20
A v B: e. los dos contra

12 a favor 8
en contra

P ( A v B ) = P ( A ) P ( B / A ) = 8 2 0 9
P(A )=
8
Probabi l i dad del pri mer tcni co en contra
20
7
P B/A = Probabilidad de que el segundo est en contra dado que
( ) 1 9
el primero lo estuvo.
2. La probabilidad de que una persona que visita a su dentista requiera
de una placa de rayos X es 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 que
una persona que se toma una placa de rayos X y que tiene un tapn,
tenga tambin un diente extrado, de 0.1 cul s la probabilidad de
que a una persona que visita a su dentista se le tome una placa
radiogrfica, presente un tapn y se le haya extrado un cliente?
Solucin
Sean los eventos de acuerdo al enunciado.
X: e. de que una persona tenga placa de rayos x
T: e. de que la persona tenga tapn
D: e. de que la persona tenga diente extrado
Probabilidades segn condiciones
P( X) = 0 . 6 , P( T / X) = 0 . 3 , P( D/ X v T ) = 0 . 1
97

1ero

Probabilidad conjunta de ocurrencia de los tres eventos
P ( X ) T ) D) = P ( X ) P ( T / X ) P ( D/ X ) T ) = 0 . 6 0 . 3 0 . 1 = 0 . 0
1 8
3. Suponga que un impulso elctrico debe pasar del punto I al II para
producir una seal. Para llegar al punto II debe pasar por dos
componentes electrnicos E1 y E2. La trayectoria del impulso se
interrumpe si falla cualquiera de los componentes. La probabilidad de
que el componente E1 no falle es de 0.7 y la probabilidad de que el
componente E2 no falle es de 0.8. Adems, la probabilidad de que al
menos uno no falle es de 0.94 cul es la probabilidad de que la seal
se produzca?
Solucin
Sean los eventos segn el enunciado
E1: e. de que no falle; P(E1)=0.7
E2: e. de que no falle; P(E2)=0.8
E 1 - E 2 : e . d e q u e a l u mn o s u n o n o f a l l e ;
P( E
1
- E
2
) = 0 . 9 4
P( E
1
- E
2
) = P( E
1
) + P( E
2
) P( E
1
) E
2

0 . 9 4 0 . 7 0 . 8
= P ( E
1
) E
2

P( E
1
) E
2
) =0. 7+0 . 80. 94=0. 56
4. Supngase que se tiene una caja de fusibles que contiene 20 piezas de
las cuales 5estan defectuosos. Si se seleccionan 2 al azar y se sacan
de la caja en sucesin sin reemplazo del primero. Cul es la
probabilidad de que ambas
fusibles resulten
defectuosos?
Solucin:
98

D1: evento de que el primer fusible sea defectuoso.
D2: evento de que el segundo fusible sea defectuoso.
Dependencia de Eventos:
^ D
1
v D
2
) = ^ D
1
) ^ D
2
/ D
1
)
5 4 1
= * __ =
2 0 1 9 1 9
5. Encuentre la probabilidad de que se seleccionen aleatoriamente, en
sucesin, 4 litros de leche en condiciones de tomarse de un
congelador que tiene 20 litros, de los cuales 5 se han echado a perder.
Solucin:
o Total de litros en el congelador: 20
o Litros de leche malograda: 5
o Litros de leche consumible: 20 5 = 15
+ Eventos de extraccin aleatoria de litros de leche en buenas
condiciones: A1: Evento de extraer el 1er litro
A2: Evento de extraer el 2do litro
A3: Evento de extraer el 3er litro
A4: Evento de extraer el 4to litro
a) Probabilidad de ocurrencia de extraccin de los 4 litros de leche
extrados uno a uno:
^A
1
v A
2
v A
3
v A
4
) = P(A
1
)P(A
2
/ A
1
)P(A
3
/ A
1
v A
2
)P(A
4

/ A
1
v A
2
v A
3
)
15

14

13
12

=
17
91
20 19 18 323
+ El t eorema de l a mul t i pl i caci n de event os podemos
extenderlo a n eventos i i
A|=................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................,
1, ,n
probabilidad de ocurrencia de estos eventos es:
P A v A v ............................................
(1 2 .. )0
v A n > el cual se def i ne por:
^A
1
v A
2
v .... v AJ = P(A
1
)P(A
2
/A
1
) ......................
. . . P( A
n
/ A
1
v A
2
v . . . . v An 1 )
l uego l a
99

b) Utilizando el anlisis combinatorio y la definicin clsica de
probabilidad:
- Posibilidades de eleccin de cuatro litros de leche en
condiciones de tomarse entre 20 litros en donde existen 5 en
20
20!
mal estado : C 4 =
4! 1 6!
- S i 5 es t n e n ma l e s t a do , b u e n o s ha b r n 2 0 - 5
= 1 5 po s i b i l i d a d es d e e l e g i r 4 e n c o n d i c i o n e s d e
15 1 5!
tomarse. C 14 =
4! 11!
- P (tomar los 4 litros de leche)
C15 91
4 =
C
20
323
4

101
a)
Semana 8
PROBABILIDAD DE INDEPENDENCIA DE EVENTOS
Como habamos ya presentado en el esquema; en general dos
eventos Ay B son independientes cuando uno no depende del otro por
ejemplo P A B P ( A ) o P ( B A) P(B )
( / ) = / = , en consecuencia podemos formular
P(A) B)= P(B)P(A/B)= P(B)P(A)
O'
P( B ) A) = P( A) P( B/ A) = P( A) P( B)
DEFINICIN. - dos eventos A y B son i ndependi entes si y solo si
P(A) B)= P(A)P(B) uti l izando la probabi li dad de multipl i cacin de K
eventos, podemos obtener la probabi li dad para k eventos
i ndependi entes. P A ) A ) ) A
K
= P A P A P A
K

( ... ) ( ) ( )... ( )
1 2 1 2
1. 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 la de que alguno lo est cuando se le necesite?
Solucin:
Sean los eventos segn enunciado del problema
A1: e. de que el carro 1 est disponible; P(A1)=0.96
A1: e. de que el carro 2 est disponible; P(A2)=0.96
A1 y A2 ev ent o s i ndependi ent es , l uego P( A 1 ) A2 ) =P( A1 )
P( A2 )
{ A'
1
) A'
2
} ; P( A'
1
) A'
2
) =P( A
1
- A
2
) ' =1 P( A
1
- A
2
)
=
1 | P( A
1
) + P( A
2
) P( A
1
) A
2
) |
= 1- 0.96 0.96 - 0.96 0.96
| + |
= 0.0016
102

b)
{ } ( ) ( ) ( ) ( )
A A P A A P A P A P A A
- ; - = +
1 2 1 2 1 2 1 ) 2
= 0.63 0. 96 - 0. 96 0.96
+
= 0.9984
2. La probabilidad de fallar cada una de las 4 piezas de un aparato
electrnico es de 0.001. Si el aparato funciona por lo menos con tres piezas
de las piezas indicadas, hallar la probabilidad de que este no funcione si
cada pieza se desarrolla en forma independiente.
Solucin:
Sean los eventos A1, A2, A3, A4, que representan las piezas electrnicas
elegidas al azar e independientes.
- Las piezas {A
;
}; =1 , ...4 : eventos de que falle P(A
;
) = 0 . 00 1
Evento de que no falle P(A'
;
)= 0. 999
- E : e . d e q u e e l a p a r a t o f u n c i o n e p o r l o me n o s
c o n 3 p i e z a s E ' : e . d e q u e e l a p a r a t o n o f u n c i o n e
E - E ' = S , P ( E ' ) = 1 P ( E )
E= A' A' A' A' A A' A' A' A' A A' A' A' A' A A' A' A' A'
A
- - - -
1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4
M N O P Q
P( E) = P( M) + P( N) + P( O) + P( P) + P( Q) = 0 . 9 9 9
4
0 . 9
9 9
3
0 . 0 0 1 4
+
P(E' ) 1 0.000005992003 0.000006
= =
3. Supngase que en los circuitos de la figura a) y b) la probabilidad de
que cada uno de los interruptores automticos estn cerrados es p y
que todos los interruptores automticos funcionan
independientemente. cul es la probabilidad de que pase corriente I a
O?
103

Solucin:
a) Segn el circuito podemos
definir 5 eventos Ai por donde
pasa corriente I a O
{( ) ( )
A A A A A }
4 ) - - )
5 3 1 2
P ( A
4
) A
5
) - A
3
- ( A
1
) A
2
}
= P + 2 P
2
2 P
3
P
4
+ P
5
b) Segn el circuito podemos
definir 6 eventos Ai por donde
pasa corriente de I a O
(( ) )(( ) )
A A A
) - - ) -
A A A
1 2 3 5 6 4
P A A A
( ( ) ) (
) - - ) -
( A A A
)
1 2 3 5 6 4
= P+ 3 P
2
4 P
3
P
4
+ 3 P
5

P6

4. Tres equipos de radar que trabajan de manera independiente estn
disponibles para detectar cualquier avin que vuele sobre cierta rea.
Cada equipo tiene una probabilidad de 0.02 de no detectar un avin que
vuele en el rea, si un avin entra por casualidad al rea
a) Cul es la probabilidad de que no sea detectado?
b) Cul es la probabilidad de que sea detectado por los tres equipos
de radar?
Solucin:
Sean los tres equipos de radar constituidos por los eventos
A1, A2, A3: e. que detectan a cualquier avin independientemente
P(A1)= P(A2)= P(A3)= 0.02, probabilidad de no detectar
a) Probabilidad conjunta: P(A1 A2 A3)=(0.02)
3
de no detectar.
b) Probabilidad de detectar: P(A 1 A2 A3)=(0.98)
3

TEOREMA DE LA PROBABILIDAD TOTAL
Sean A
1
, A
2
, .................... ,A
n
una particin del espacio muestral S tal que la
probabilidad de A
i
sea mayor que cero si l a P(A
i
)> 0 entonces
para
n
cual qui er event o B en S se t i ene que: P( B) = P( Ai ) P( B/ A
i
)
i =1
DEMOSTRACIN:
A1
P( Ai )
P(B/Ai )
A2 ............. Ai ..................... An

P( Ai )
P(B/Ai)
Sean los
even
104

B=(A
1
vB)-(A
2
vB)- ............................ (A
n
vB)
P(B) = P(A
1
v B)+ P(A
2
v B)+ ...... + (A
n
v B)
= P ( A ) P ( B A ) P ( A ) P ( B A ) ....................
/ 1 + / 2
+ + P ( A
n
) P ( B A
n
)
/
1 2
n
P ( B )
= P A
i
P B A i
( ) ( )
/
i = 1
EJEMPLO DE APLICACIN: Supongamos que una planta de
ensamblado recibe reguladores de voltaje de 3 diferentes
proveedores: 60% del proveedor A1, 30% del proveedor A2, 10% del
proveedor A3. Si el 95% de los reguladores de voltaje que provienen
de A1, 80% de los reguladores de voltaje que provienen de A2, 65%
de los reguladores de voltaje que provienen de A3 tienen un
rendimiento de acuerdo a las especificaciones nos agradara saber la
probabilidad de que cualquier regulador recibido por la planta d un
rendimiento segn las especificaciones:
Solucin: A1 A2 A3
0.60 0.30 0.10

B
0.95 0.80 0.65
A1: Evento de que el regulador provenga del proveedor 1
A2: Evento de que el regulador provenga del proveedor 2
A3: Evento de que el regulador provenga del proveedor 3 B:
Evento de que el regulador recibido cumpla con las
especificaciones
3
P( B) = P( Ai ) P( B / A
i
)
i =1
= P( A
1
) P( B / A
1
) + P( A
2
) P( B / A
2
) + P( A
3
) P( B / A
3
)
= 0. 60 0. 95 0. 30 0. 80 0. 10 0. 65
+ +
P( B) 0. 87 5
=
TEOREMA DE BAYES
Si A1, A2, ......................... An son eventos mutuamente excluyentes de los
cuales uno debe ocurrir entonces:
P(A
i
/ B) = P(A
i
v B) = P(A
i
)P(B / A.) ; i =1,2, ......... , n
P( B) P( A
i
) P( B / A)
Usando el ejemplo anterior podemos responder a la siguiente inquietud.
Si deseamos saber la probabilidad de que un regulador de voltaje especfico
cuyo rendimiento corresponde a las especificaciones este provenga del
proveedor A3, A2, A1
Solucin:
P ( A 3 P ( B / A 3 ) =
P( A
3

/ B) =

0. 1 0 0. 65
= 0.074
3
= 0.274
3
= 0. 651
4
P( B)
P(A
2
)P(B / A
2
) =
P(A
2
/
B)
=
0. 87 5

0. 3 0 0. 80
P( B)
P( A
1
) P( B / A1 ) =
P( A
1

/ B) =
0 . 8 7
5
0. 60 0. 9 5
P( B) 0. 87 5
Cul de ellos elegira como proveedor? Y cul no?
105

0.40 0.30 0.20 0.30

(
::i

D M
0.2 0.1 0.5 0.2

P(Li)

P(M/Li)
106
1. La polica planea reforzar el respeto a los limites de velocidad
mediante la utilizacin de sistema de radar en 4 diferentes sitios de la
cuidad. Los sistemas de radar en cada sitio L1, L2, L3, y L4 se ponen a
funcionar respectivamente el 40%, 30%, 20% y 30% del tiempo, y si una
persona que conduce a gran velocidad rumbo a su trabajo tiene,
respectivamente, las probabilidades de 0.2, 0.1, 0.5 y 0.2 de pasar por
alguno de estos sitios, Cul es la probabilidad de que le levanten una
multa?
- Si una persona que va a gran velocidad rumbo a su trabajo, Cul es la
probabilidad de que pasa por el radar en L2?
Solucin:
L1 L2 L3 L4

Li: Evento de que el vehculo pase por el radar Li.
M: Evento de que le apliquen una multa.
P (M) = P(Li) P(M/Li)
= P(L1) P(M/L1) + P(L2) P(M/L2) + P(L3) P (M/L3) + P(L4) P(M/L4)
= 0.40 * 0.20 + 0.30 * 0.10 + 0.20 * 0.50 + 0.3 * 0.2
= 0.27
2. Si en el ejercicio 1 la persona recibe una infraccin por conducir a
gran velocidad rumbo a su trabajo. Cul es la probabilidad de que haya
pasado el radar que se localiza en el sitio L2?
Solucin:

107
3. En una cierta regin del pas se sabe que por experiencia pasada que la
probabilidad de seleccionar a un adulto mayor de 40 aos de edad
con cncer es de 0.02. Si la probabilidad de que un medico le
diagnostique correctamente a una persona con cncer que tiene la
enfermedad es de 0.75 y la de que se equivoque de 0.06. Cul es la
probabilidad de que una persona se le diagnstica cncer?
Solucin:
C: Evento de que una persona tenga cncer. C:
Evento de que una persona no tenga cncer.
D: Evento del diagnostico.
P(C) = 0.02, P(C) = 0.98

P(D) = P(C) P(D/C) + P(C) P(D/C)
= 0.02 * 0.78 + 0.98 *0.06
= 0.0156 + 0.0588
= 0.0744
4. En referencia del ejercicio 3 Cul es la probabilidad de que a una
persona a la que se le diagnostica cncer, verdaderamente tenga la
enfermedad?
Solucin:
P(C) = P(C) P(D/C) = 0.02 * 0.78 = 0.2097
P(D) 0.0744
P(C/D) = P(C) P(D/C) = 0.98 * 0.06 = 0.7903
P(D) 0.0744
108

I. ESPACIOS MUSTRALES Y EVENTOS
1. Cul es el espacio muestral de los siguientes experimentos aleatorios?
a) Lanzar un par de dados distinguibles y observar, los nmeros
resultantes.
b) Lanzar un par de dados no distinguibles y observar, los nmeros
resultantes.
c) Se fabrica un tubo de rayos catdicos y se somete a una prueba de
duracin hasta que se presenta una falla. Enseguida se registra el
tiempo (en horas) de buen funcionamiento.
d) Dos soldaduras de amarre sobre una tablilla de circuito impreso se
inspeccionan electrnicamente y visualmente y cada una de ellas se
cataloga como buena (G) o defectuosa (D) si quiere soldarse o
desecharse.
e) Se prueban diodos de un lote, de uno en uno, y se marcan como
defectuosos y no defectuosos. Esto prosigue hasta encontrar dos
artculos defectuosos o haber probado cinco artculos.
f) Los pacientes que llegan a una clnica pueden seleccionar una de las
tres secciones donde se les atender. Supongamos que los mdicos
se asignan al azar a las secciones y que los pacientes no tienen
preferencia especial por ninguna de las secciones. Tres pacientes a
las clnica y se registra la seccin que elijan.
2. Supongamos que en un estudio efectuado con 900 profesionales, 25 aos
despus de su graduacin, se descubre lo siguiente: 300 de ellos tuvieron
xito profesional, 300 estudiaron teora de probabilidades en su carrera y
100 tuvieron xito y estudiaron teora de probabilidades en la carrera.
Encuentre para k=0, 1, 2 el nmero de personas del grupo que hayan
hecho estas dos cosas:
a) Exactamente k
b) Por lo menos k
c) No ms de k
3. En una ciudad se publican tres peridicos: A, B, C. Supongamos que 60%
de las familias de la cuidad estn suscritas al peridico A; 40% al
peridico B; 30% al peridico C. Supngase tambin que 20% de las
familias estn suscritas a los peridicos A y B; 10% al A y C; 20% al B y
C; y 5% a los tres peridicos A, B y C Qu porcentaje de las familias de
la ciudad estn suscritas a uno de estos tres peridicos?
109

4. Un agente visita tres clientes para tratar de venderles un artculo. Sean A, B
y C los siguientes eventos:
A:el primer cliente compro el articulo
B:el segundo cliente compro el articulo
C:el tercer cliente compro el articulo
Indicar el evento: Al menos dos clientes compraron
5. Considere el siguiente ensayo. Se realizan tres exmenes de admisin al
ITESM. Si A es el evento se aprob el primer examen realizado, B es el
evento el segundo examen revisado resulto aprobado, y C es el evento
el tercer examen revisado resulto aprobado, represente el evento Solo
un examen fue aprobado en trminos de los eventos A, B y C.
6. Sea A, B y C los eventos. Represente en trminos de A, B y C los siguientes
eventos:
a) Ocurre solo A
b) Ocurre solo A y B
c) Ocurren los tres eventos
d) Por lo menos ocurre un evento
7. Sean A, B y C tres sucesos arbitrarios. Encontrar las expresiones para los
sucesos consistentes en que entre A, B y C.
a) Se ha producido solamente A
b) Se ha producido A y B, en tanto C no se ha producido
c) Se han producido los tres sucesos.
d) Se han producido al menos uno de los sucesos.
e) No se ha producido ninguno de los sucesos.
8. Encontrar expresiones simples de:
o ) (
) (
)
A - B ) A - B
C
| ) ( A - B ) ) ( A
C
- B ) ) ( A - B
C
)
_ ) ( A - B ) ) ( B - C )
9. Demostrar que los eventos A y B son iguales si:
a ) A - C = B - C y A ) C = B ) C
b ) A - C = B - C y A - C = B - C
C C
110

1 0 . S e a n A , B , C y D l o s e v e n t o s y
s e a X = ( A ) B ) - ( A
C
) C ) ,
C

Y= A )B - A)D ( ) (
( ) ( )
C
Z = T A - B ) C - A ) B ) D ) .

s ]
Demostrar que para cualquier evento D.
a ) A ) X = A ) B
b ) A - Y = A - B
c ) ( A B ) Z ( A B ) ( B C )
) - = - ) -
II. PROBABILIDAD CLSICA
1. Se ha cargado un dado para que las probabilidades de obtener 1, 2, 3,
4, 5 y 6 sean de 1/3, 1/4, 1/6, 1/12, 1/12 y 1/12, respectivamente.
Suponga que las propiedades usuales de la probabilidad son validas
todava en esta situacin, donde los sucesos no tienen la misma
probabilidad. Busque la probabilidad de obtener:
a) Un nmero par.
b) Un nmero menor que cinco.
c) Un numero par o menor que cinco.
2. Se lanza una moneda cuatro veces. Encuntrese la probabilidad de que:
a) Jams obtener cara.
b) Obtener al menos una cruz.
c) Obtener tres caras.
3. Un monedero contiene tres monedas de 5 centavos, una de 10, una de 25 y
una de medio dlar. Si se sacan al azar 3 monedas del monedero. Cul es
la probabilidad de que su valor sea:
a) 15 centavos?
b) 40 centavos?
c) Un dlar?
d) Mas de 50 centavos?
4. Si se lanzan juntos 3 dados, Cul es la probabilidad de que el total sea:
a) 18?
b) 16?
c) Mayor que cuatro?
111

5. Se lanza una moneda y un dado. Supngase que una cara de la moneda
tiene un numero 1 y la otra un 2. Elaborar una lista de los resultados
posibles del experimento. Cul es la probabilidad de que caiga:
a) Un total de cuatro?
b) Un total par?
c) Un total impar?
6. Suponga lo siguiente: la probabilidad de que un habitante de la ciudad de
Mxico sea mayor de 40 aos o tenga calvicie es de 0.4. Si la probabilidad
de que sea mayor de 40 aos es de 0.5 y la probabilidad de que tenga
calvicie es 0.3 Cul es la probabilidad de que sea mayor de 40 aos y
calvo?
7. Las probabilidades de que una compaa de gras responda a 0, 1, 2, 3, 4, 5,
6, o menos de 7 llamadas de urgencia de conductores durante una
tormenta son: 0.03, 0.10, 0.17, 0.25, 0.19, 0.13, 0.09, y 0.04. Cules son
las probabilidades que durante una tormenta una compaa de gras
responda a:
a) Cuando mucho cinco llamadas?
b) Cuando menos tres llamadas?
c) De dos a cuatro llamadas?
8. Un paquete de seis focos tiene dos piezas defectuosas. Si se
seleccionan tres focos para su uso, calcular la probabilidad de que
ninguno tenga defectos.
9. Un ingeniero de una fbrica de microcircuitos inspeccionar un lote de
obleas de silicio para tratar de encontrarles defectos. Suponer que hay
4 circuitos integrados defectuosos en un recipiente que contiene 20
obleas: Para esa inspeccin se seleccionan 2 obleas al azar. Calcular la
a) Ninguna de ellas tenga defectos.
b) Por lo menos una de las dos no tenga defectos.
10.- La probabilidad de que un inspector de una fabrica de tejidos clasifique un
suter como imperfecto, de segunda calidad o tercera calidad es 0.04, 0.02
o 0.01, respectivamente. Cual es la probabilidad de que un suter reciba
una u otra de estas 3 clasificaciones?
112

11. Las probabilidades de que un estudiante obtenga una A, una B o una C
en un curso de contabilidad son de 0.08, 014 y 0.045 respectivamente
Cul es la probabilidad de que el estudiante reciba una clasificacin
mas baja que C ? (A>B>C)
12. Un criador de animales mete un novillo y un caballo a un concurso en la
feria del estado, El cree que las probabilidades de que gane una banda
con su novillo, con su caballo o con ambos son 0.25, 0.19 y 0.16
Cules son las probabilidades de que gane:
a) Con el novillo o con el caballo?
b) Ni con el novillo ni con el caballo?
c) Con el novillo pero no con el caballo?
13. La probabilidad de que un hombre siga vivo dentro de 25 aos es de 3/5
y la de que su esposa los est es de 2/3. Hallar la probabilidad de que
en ese momento:
a) Ambos estn vivos.
b) Solo el hombre viva.
c) Solo viva la esposa.
d) Al menos uno este vivo.
14.- Supngase que la probabilidad de que el sistema de control utilizado en
una nave espacial no funcione en un vuelo concreto e de 0.001:
Asimismo, supngase que la nave tambin tiene instalado un segundo
sistema de control idntico, pero completamente independiente del
primero, que toma el control cuando el primero falla. Determine la
probabilidad de que en un vuelo concreto la nave espacial este bajo
control, ya sea por el sistema original o por el sistema duplicado.
15. Cierto tipo de motor elctrico falla por obstruccin de cojinetes por
combustin del embobinado o por desgaste de las escobillas. Suponga
que la probabilidad de la obstruccin es doble que la de la combustin,
la cual es 4 veces ms probable que la inutilizacin de la escobilla cual
es la probabilidad de que la falla sea por cada uno de estos
mecanismos?
16. Suponga que se tienen 2 eventos A y B tal
que P( A) =2 5 , PB( ) = 2 5
yP(A-B)
=1 2 obtener P(A)B)
113

17. En el colegio Madrid, los cursos de ingles e historia son obligatorios. En
el primer intento 30 % de estudiantes reprueba ingles, 20 % reprueba
historia y el 8% reprueba ambas asignaturas. Encuentre:
a) La probabilidad de que un estudiante repruebe uno o el otro.
b) La probabilidad de que un estudiante repruebe ingles dado que ya ha
reprobado historia.
18. 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 libre de impuestos, en fondos mutualistas
con una probabilidad de 0.3 y en ambos instrumentos con una
probabilidad de 0.15. En ese momento, encuentra la probabilidad de
que el cliente invierta:
a) Ya sea en bonos libre de impuestos o en fondos mutualistas.
b) En ninguno de los dos instrumentos.
19. La probabilidad de que el seor Jimnez invierta en acciones comunes A es
de 0.20, en acciones comunes B es de 0.30, y en ambas de 0.10 cual es la
probabilidad de que no invierta ni en A ni en B?
20. Suponga que una bolsa contiene 10 esferas marcadas con los nmeros
1, 2, 3, ............ , 10. Sea E el evento de extraer una esfera marcada con un
numero par y F el evento de extraer una esfera marcada con un numero 5
o mayor, son E y F mutuamente excluyentes? Calcule P( EUF)
21. Tenemos como datos las probabilidades de los eventos A y AvB.
Calcular
P
A v B
C
)

22. Sean A y B dos ev ent os . Demues t r e que:
H A
C
v B
C
) =
1
H A ) H B ) +H A v B )
23. Demostrar que para los eventos A y B cualesquiera
P( A v B) P( A) P( B) = P( A
C
) P( B)
P( A
C
v B) = P( A) P( B
C
) P( A v B
C
)
24. Demos t r ar que
P( A v B ) X P( A ) X
P ( A u B )
X P( A ) + P( B )
114
= 1/3, P(B) =1/5 y
Determinar cuales

25. Demostrar que para cualquiera de los eventos A y B:
P( A v B ) c P( A ) + P( B ) 1
La probabilidad de que suceda exactamente uno de los eventos es:
PA ) + P
B
) 2 P
A v B )
III. PROBABILIDAD CONDICIONAL Y EVENTOS INDEPENDIENTES
1. Supngase que A y B son 2 eventos independientes asociados con un
experimento. Si la probabilidad de que A o B ocurra es igual a 0.6,
mientras que la probabilidad de que A ocurra es igual a 0.4, determine
la probabilidad de que B ocurra.
2. Supngase que A y B son 2 eventos tales que P(A)
P(A/B) + P(B/A) = 2/3. Calcular HAC-BC)
3. Se sabe que P(A) = 1/3, P(A/B) = 1/3, P(B/A) = 1/3. de
las siguientes afirmaciones son verdaderas:
a) A y B son independientes b)A_B
c) A y B son mutuamente excluyentes
d ) ( C C ) 2 3 P =
A B
4 . Da d o s PA ( ) = 0 . 4 , P( B A ) = 0 . 3 , ( C C ) 0 . 2
P =
B A
a ) ( )
P
AC
b )
( )
P
B AC
c) P(B)
d) P( Av B)
e) P( A B)
5. La probabilidad de que una compaa emplee una nueva estrategia de
mercado es de 0.54, la probabilidad de que al nueva estrategia de
mercado sea adoptada y que las ventas crezcan a los niveles
proyectados es de 0.39 Cul es la probabilidad de que si la nueva
compaa emplea la nueva estrategia de ventas y que las venta crezcan
a los niveles proyectados?
115

6. Ocho boletos con los nmeros 111, 121, 122, 122, 211, 212, 212, 221
estn dentro de un sombrero, revuelto. Si se va a seleccionar uno
al azar, mustrese que los eventos A: El primer digito del boleto
seleccionado ser 1; B: El segundo digito del boleto seleccionado
ser 12; C: El tercer digito del boleto seleccionado ser 1, no
son independientes por parejas aun cuando: P(A)B)C) = P(A)P(B)P(C)
7. Demustrese que si A y B son eventos independientes, entonces:
a) A y
C

B
b) C A
y B
c) C A y C
B
Son eventos independientes
8. Consideremos una muestra de tamao tres, extrada de la siguiente
manera. Se empieza con una urna que contiene cinco bolas de color
blanco y siete de color rojo. En cada ensayo se extrae una bola y se
anota su color. La bola extrada se devuelve a la urna junto con una
bola adicional del mismo color. Encuentre la probabilidad de que entre
los colores anotados, la muestra tenga:
a) Cero bolas de color blanco
b) Una bola de color blanco
c) Tres bolas de color blanco
9 . D a d o u n e x p e r i m e n t o , c u y o e s p a c i o m u e s t r a e s :
. = { W1, W2, W3, W4, W5} ; con P(W1)=1/8,
P(W2)=P(W3)=P(W4)=3/16 y P(W5)=5/16. Consideramos los
eventos A1={ W1, W2, W3}, A2 = { W1, W2, W4}y A3 = { W1,
W3, W4}. Demostrar que los eventos A1, A2 y A3 satisfacen la
igualdad P(A1)A2)A3) =P(A1)P(A2)P( A3), pero no son independientes.
10. Considere el diagrama de un sistema electrnico que muestra las
probabilidades de que los componentes del sistema operen de, modo
apropiado, Cul es la probabilidad de que el sistema opere si el
ensamble III, y al menos uno de los componentes en los ensambles I y
II deben operar para que funcione el ensamble? Suponga que los
componentes de cada ensamble operan independientemente que la
operacin de cada ensamble tambin es independiente.

I II III
11. Tres estudiantes A, B y C estn inscritos en la misma clase. Supngase
que A asiste a clase 30% de las veces, B 5% y C 80%. Si estos
estudiantes asisten a clase independientemente uno del otro, Cul es
la probabilidad de que:
a) Al menos uno de ellos este en clase un da concreto?
b) Exactamente uno de ellos este en clase un da concreto?
12. Considere el segmento de un circuito elctrico con tres relevadores. La
corriente pasa de (a) a (b) si por lo menos hay una trayectoria cerrada
cuando los relevadores se cierran. Sin embargo, los relevadores podran no
trabajar bien. Suponer que cierran en forma correcta solo con una
probabilidad de 0.9 cuando se acciona el interruptor, y que trabajan en
forma independiente uno del otro. Sea A el evento que denota que la
corriente pasa de (a) a (b) cuando los relevadores se cierran.
a) Calcular P(A)
b) C a l c u l a r l a p r o b a b i l i d a d d e q u e e l r e l e v a d o r 1
c i e r r e e n f o r ma c o r r e c t a , d a d o q u e s e s a b e q u e
l a c o r r i e n t e p a s a d e ( a ) a ( b ) .

b a

116

117

13. De las personas que llegan a un aeropuerto pequeo, 60% vuela en
aerolneas grandes, 30% en aeroplanos privados y 10% en aeroplanos
comerciales que no pertenecen a una aerolnea. De las personas que
llegan por las aerolneas principales, 50% viajan por negocios mientras
que esta cifra es de 60% para los que llegan en aeroplanos privados y
de 90% para, los que llegan en otros aviones comerciales. Para una
persona que se seleccione al azar de entre un grupo de llegadas,
calcular la probabilidad de que:
a) La persona este en viaje de negocios
b) La persona este en viaje de negocios y llegue en un aeroplano
privado
c) La persona este en viaje de negocios y se sabe que llego en un
aeroplano comercial
d) La persona ha llegado en un aeroplano privado, dado que viaja por
negocios
14. La probabilidad de que un hombre casado vea un cierto programa de
televisin es de 0.4 y la de que una mujer del mismo estado civil lo
haga es de 0.5.- La probabilidad de que un hombre ve el programa
dado que su esposa lo hace es de 0.7. Encuentre la probabilidad de
que:
a) Una pareja de casados vea el programa.
b) Una esposa vea el programa dado que su esposo lo hace.
c) Al menos una persona de un matrimonio vea el programa.
15. Para parejas de casados que viven en cierta ciudad de los suburbios, la
probabilidad de que el esposo vote en alguna eleccin es de 0.21; la de que
la esposa lo haga, de 0.28 y la de que ambos voten, de 0.15. Cul es la
a) Al menos un miembro de la pareja de casados vote?
b) Vote una esposa, dado que su esposo lo hace?
c) Vote un esposo, dado que su esposa no lo hace?
16. 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
una persona se toma una placa de rayos X y que tiene un tapn, tenga
tambin un diente extrado, de 0.1 Cul es la probabilidad de que a una
persona que visita a su dentista se le tome una placa de rayos X,
presente un tapn y se le haya extrado un diente?
R5
D
a

b
17. En cierta ciudad, 40% de los votantes son conservadores y 60%
liberales; 70% de los conservadores y 80% de los liberales estn a favor
de una emisin particular de bonos. Al seleccionar al azar un votante de
la ciudad Cul es la probabilidad de que est a favor de la emisin de
bonos?
18. Una persona posee dos automviles, un modelo compacto y uno
estndar. Usa el vehculo compacto para trasladarse a su trabajo las
tres cuartas partes del tiempo, el tiempo restante usa el carro mas
grande. Cuando emplea el auto compacto llega a su casa a las 17:30 el
75% de las veces; si utiliza el auto de tamao estndar llega a la misma
hora el 60% de las veces. Si llega a su casa despus de las 17:30 Cul
es la probabilidad de que haya usado el auto compacto?
19. Un examen contiene ocho preguntas del tipo verdadero falso, en el que se
requiere responder un mnimo de seis preguntas para aprobar.
a) En el supuesto de que se este adivinando para contestar cada una, Cul
es la probabilidad de aprobar el examen?
b) En el supuesto de que se conozca la respuesta a la primera pregunta y
que, en consecuencia, solo se debe adivinar de la segunda a la sptima,
y en el supuesto tambin de que la primera respuesta estuvo correcta,
Cul es la probabilidad de aprobar el examen?
c) Si se conoce las respuestas de las dos primeras preguntas, Cul es la
probabilidad de aprobar el examen?
20. Considere el ensamble serie paralelo que se muestra abajo. Los valores Ri
(i = 1, 2, 3, 4, 5) son las confiabilidades de los cinco componentes
indicados, esto es Ri = probabilidades de que la unidad i funciones de
manera adecuada. Los componentes operan (y fallan) de manera
mutuamente independiente y el ensamble falla solo, cuando se rompe la
trayectoria de A a B. Exprese la confiabilidad del ensamble como una
funcin R1, R2, R3, R4 y R5.
R2
R4 _____
_____ R3
118
119

21. Un elevador tiene dos sistemas de freno que se activan
automticamente en caso de una rotura de cable principal. La
probabilidad de que cada uno de ellos frene el elevador despus de
una rotura es de 0.99.
a) Cul es la probabilidad de que el elevador se frene?
b) Cul es la probabilidad de que el elevador se frene, si en caso de que
falle el primer sistema, siempre funciona el otro?
22.- En un circuito elctrico sucede una interrupcin si falla el elemento K
o los elementos K1 y K2 que trabajan de forma independiente. Si se
sabe que K, K1 y K2 tiene una probabilidad de fallar de 0.3, 0.2 y 0.2
respectivamente, calculen la probabilidad de que ocurra una
interrupcin en el circuito.
23. Se construye un sistema electrnico complejo con determinado nmero
de componentes de respaldo en sus subsistemas. Un subsistema tiene
cuatro componentes idnticos, cada uno de los cuales tiene una
probabilidad de 0.2 de fallar en menos de 1000 horas. El subsistema
trabaja si dos o ms de las cuatro componentes trabajan. Si se supone
que los componentes trabajan en forma independiente, calcular la
a) Dos de los cuatro componentes duren ms de 1000 horas.
b) El subsistema trabaje ms de mil horas
24. De los muchos automviles que se guardan en el estacionamiento de
empleados de un edificio de oficinas, 75% solo transporta a un
empleado y el resto transporta a dos o mas empleados, 60% de los
automviles son modelos anteriores a 1984 y el resto son de 1984 o de
dos aos mas recientes. De los automviles de modelos anteriores a
1984, dos tercios solo transportan a un empleado y el resto a dos o
ms empleados. Si se selecciona un automvil al azar de todos los que
estn en el estacionamiento, Cules son las probabilidad de que estos
automviles:
a) Sea un modelo anterior a 1984 que transporta a un solo empleado?
b) No transporta a dos o mas empleados ni sea un modelo anterior a
1984?
c) Transporta a dos o ms empleados o sea un modelo anterior a
1984?
120

d) Transporta a dos o ms empleados dado que no se trata de un modelo
anterior a 1984?

Transporta a un
empleado
Transporta a dos
o mas empleados
Total
Antes de 1984 0.4 0.25 0.60
Despus de 1984 0.35 0.05 0.40
Total 0.75 0.25
25. Si A, B, C y D dicen la verdad una de cada tres veces (de manera
independiente), y A afirma que B niega que C declara que D es un
mentiroso. Cul es la probabilidad que D haya dicho la verdad?
IV. PROBABILIDAD TOTAL Y TEOREMA DE BAYES
1. Considere dos urnas, uno con tres pelotas de color rojo y siete de color
blanco, la otra con seis pelotas de color rojo y seis de color blanco. Si se
elige una urna al azar y despus se saca una pelota Cual es la probabilidad
de que sea color rojo?
2. Fernando Lpez conoce una nueva chica en la mitad de las fiestas a
las que asiste. Tres cuartas partes de las veces que conoce a una
nueva joven, se divierte, pero la probabilidad de que se divierta
cuando no conoce una nueva chica es solamente de 0.10. Fernando
Lpez acaba de decir que se esta divirtiendo Cul es la probabilidad
de que haya conocido una nueva joven?
3. Se tiene 2 monedas, ambas cargadas, la primera tiene la probabilidad
0.3 de caer cara, la segunda 0.6. Un jugador elige al azar una de las
monedas y la lanza dos veces obteniendo dos caras. Cul es la
probabilidad de que obtenga una tercera cara?
4. A una rata se le permite seleccionar al azar uno de cinco laberintos
diferentes. Si las probabilidades de que pase por cada uno de los
diferentes laberintos en tres minutos son de 0.6, 0.3, 0,1 y 0.1,
respectivamente y la rata escapa en tres minutos.
a) Cul es la probabilidad de que haya escogido el primer laberinto?
b) Cul es la probabilidad de que haya escogido el segundo laberinto?
121

5. Un estudiante presenta un examen de seleccin mltiple en el cual cada
pregunta tiene cinco posibles respuestas, de las cuales una es correcta.
Suponga que el estudiante conoce la respuesta de 70% de las
preguntas.
a) Cul es la probabilidad de que el estudiante, sobre una pregunta dada,
conteste la respuesta correcta?
b) si el estudiante contesta correctamente la pregunta, Cul es la
probabilidad de que el estudiante conozca la respuesta?
6. Se supone que una cierta maquina detecta el cncer con probabilidad de
0.8, entre gente que padece de cncer, y no detecta el 20% restante.
Si una persona no padece cncer, la prueba indicara este hecho 90%
de las veces e indicara que tiene cncer 10% de ellas. Supondremos
que 5% de las personas de la poblacin de prueba padecen cncer y la
prueba de una persona determinada, seleccionada al azar, indica que
tiene cncer. Cul es la probabilidad de que efectivamente padezca
dicha enfermedad?
7. En una fabrica hay dos maquinas A y B, que realizan 60 y 40% de la
poblacin total, respectivamente. De su produccin, la maquina A
produce 3% de material defectuoso y la B 5%. Encontrar la
probabilidad de que dado un material defectuoso, provenga de la
maquina B.
8. Se supone que 0.95 es la probabilidad de que un jurado seleccionado
para juzgar un caso criminal emita el veredicto adecuado. Esto significa
que si se presenta a juicio un individuo culpable, la probabilidad de que
el jurado lo condene es de 0.95, adems, recprocamente, si el
individuo juzgado es inocente, la probabilidad de que el jurado lo
absuelva es de 0.95. Se supone tambin que el cuerpo de la polica
local realiza su labor a conciencia, de manera que 99% de las personas
que se presentan en la corte para ser juzgadas son verdaderamente
culpables. Se pide calcular la probabilidad de que el acusado sea
inocente, si el jurado lo encuentra inocente.
9. Suponer que la ciencia medica ha desarrollado una prueba para el
diagnostico del SIDA que tiene 95% de exactitud, tanto en los que
padecen SIDA como entre los que no padecen. Si 0.005 de la
poblacin realmente tiene SIDA, calcular la probabilidad de que
determinado individuo tenga SIDA si la prueba indica que lo tiene.
122

10. Cierto artculo es manufacturado por tres fbricas, designadas estas
como 1, 2 y 3. Se sabe que la primera produce el doble de artculos que
la segunda y que esta y la tercera producen el mismo numero de
artculos. Se sabe tambin que 2% de los artcul os producidos por las
dos primeras es defectuoso mientras que 4% de los manufacturados por
la tercera es defectuoso. Se colocan juntos los artculos producidos en
una fila y se elige uno al azar.
a) Cul es la probabilidad de que este articulo sea defectuoso?
b) Supongamos que el depsito se elige un artculo y que es
defectuoso. Cul es la probabilidad de que se produjo en la
primera fabrica?
11. Tres maquinas tragamonedas se arreglan de modo que, en general,
paguen al jugador una de cada 10 veces y que el jugador pierda nueve
de cada 10 veces. Sin embargo, una de las maquinas esta descompuesta
y paga al jugador tres de cada 10 veces, pero no se sabe cual es la
maquina descompuesta. Si usted elige una maquina, juega una vez y
gana Cul es la probabilidad de que haya seleccionado la maquina
descompuesta?
12. Un armador de ventiladores elctricos usa motores de dos vendedores.
La compaa A le surte 90% de los motores, y la compaa B, el 10%
restante, supongamos que se sabe que 5% de los motores que
suministra la compaa A son defectuosos y que el 3% de los que
suministra la compaa B tambin los son. Se encuentra que un
ventilador ya armado tiene un motor defectuoso Cual es la
probabilidad de que ese motor lo haya suministrado la compaa B?
13. Se dice que una prueba de diagnostico para determinar enfermedad
tiene 90% de exactitud y que, si una persona tiene la enfermedad, la
prueba la detecta con la probabilidad de 0.9. Tambin, si una persona
no tiene la enfermedad, el resultado del diagnostico ser que no la
tiene, con una probabilidad de 0.9. Solo 1% de la poblacin tiene la
enfermedad en cuestin. Si selecciona una persona al azar de entre la
poblacin, y la prueba de diagnostico asegura que tiene la enfermedad,
Cul es la probabilidad condicional de que la tenga en realidad? Le
sorprende la respuesta? Dira que esta prueba de diagnostico es
confiable?
123

14. Se dispone de dos mtodos, el A y el B, para ensear determinada
destreza en manufactura. El ndice de reprobados es de 20% para el
mtodo A y 10% para el B. Sin embargo, el mtodo B es mas caro y,
por lo tanto, solo se usa 30% del tiempo, y el A el 70% restante. A un
trabajador se le capacita con uno de los mtodos, pero no puede
aprender en forma correcta, Cul es la probabilidad de que se la haya
capacitado con el mtodo A?
15. A y B participan en un duelo A. Cuya probabilidad de acertar es de 0.2
si dispara primero; el segundo disparo (de haberlo) puede hacerlo
cualquiera de ellos con igual probabilidad, y por ultimo puede haber un
tercer disparo que har B si es que aun esta ileso. B tiene una
probabilidad de acertar de 0.3. Cul es la probabilidad de que:?
a) B mate a A.
b) Ambos salgan ilesos?
c) A salga ileso sabiendo que hubo tres disparos?
d) A haya disparado dos veces sabiendo que salio ileso?

125

Experimento Espacio
aleatorio muestral
Rango ---> Probabilidad --->
|0,1|
0 1
0 P( X( W) X ) 1
< = <
(P 0 X ) (w) = P (X (w) = x ) = p (X = x) c
H
0

X
Semana 11
VARIABLES ALEATORIAS
SECUENCIA NATURAL DE PROBLEMAS EN VARIABLES ALEATORIA
La estadstica se ocupa de realizar inferencias a cerca de poblaciones y sus
caractersticas. Se realizan experimentos cuyos resultados se encuentran
sujetos al azar, como por ejemplo en control de calidad de artculos los
cuales pueden ser defectuosos o no defectuosos, stos constituyen un
espacio muestral S, de modo que a cada punto del espacio muestral se le
asignar mediante la funcin X un valor numrico los cuales se encuentran
en su rango Rx, luego se tiene la necesidad de representar todas las
probabilidades de una variable aleatoria X mediante una frmula.
La variable X genera una funcin de distribucin y puede ser discreta o
continua. Consideramos las distribuciones frecuentes y usuales en
experimentos aleatorios.

X
- V.A. Discreta: Binomial, Poisson.
Hipergeomtricas; etc
P (x)

X
0

- V.A. Continua: Normal, t student, F Fisher,
X2 Ji cuadrado, etc
i {xj
"F" Fisher
Ji -cuadrado
x x
0
Asimtrc.as
Aproximacin: Binomial Poisson Normal
~Y) _
n o c
0 x x
126
127
- Como observamos las grficas nos dan una idea de la forma y caracterstica
de las funciones de probabilidad a estudiar, ocurriendo tambin algo
interesante como es el de aproximar una variable discreta a una variable
continua.
Definicin.- La variable aleatoria X es una funcin de variable real, con
dominio igual a S y rango IRx asigna uno y solamente un elemento del
dominio a su rango.
- Como indicaremos las funciones de probabilidad de variables aleatorias
discretas o continuas deben cumplir con determinadas condiciones, se
caracterizan por tener una funcin de distribucin acumulada, el poder
calcular el valor esperado o lo que con mayor frecuencia ocurre y la
varianza o variabilidad de la variable aleatoria X en un experimento. Para
los diferentes clculos usamos la sumatoria en el caso discreto y en el caso
continuo integrales.
Variable Aleatoria Discreta
- P (x): Funcin de
Probabilidad de cuanta.
- Condicin:
Variable Aleatoria Continua
- f(x): Funcin de densidad de
probabilidad
- Condiciones:

1. P ( x ) c 0

2. P ( x
i
)
= 1
3. P (X = x) | 0,1|
- Funcin de Distribucin
Acumulada
F (x) P (X x) P (x )
= o = i
o
x x
i
1. f (x) c 0

2. + f(x) d (x) =1
3. P ( a < x < b ) =
b
= + f x d ( x ) 0 ; 1
( ) | |
a
- Funcin de Distribucin
x
F(x) P(X x) f(x) dx
= o = +
128
Esperanza Matemtica o Esperanza Matemtica o
Valor Esperado (es lo que con valor Esperado
mayor frecuencia se espera
E (X) xf (x)d(x)
= + =
que ocurra y es un nmero -
real)

E (X) x
i
p (x
i
)
= =
-
Varianza de una V. A. D.
x

E (X - )
2
=( )
= (
2
x
i

2
P( x )
i
- 8
Varianza de una
V.A.C. x

E ( X Y = + ( x
M M x = ( 2

c Propiedad para el Clculo de la Varianza
2

( : Para ambos
casos de variable aleatoria tiene la misma propiedad.
E ( X - )
2
= Ex
2
- 2 = (2
Demostracin:
E (X - ) E x - 2x
2 2 2
= (
+ )
EX - 2 EX E
2 2
= +
2
=
EX - 2
2
+

E(X - ) EX - Lqqd!
2 2
4 2
=
VARIABLE ALEATORIA DISCRETA
La funcin de Probabilidad o de cuanta la notamos por f(x) p(x). La variable
aleatoria toma valores enteros en los reales y la suma de los valores de la
funcin de probabilidad o de cuanta es igual a 1.
1. Sea X variable aleatoria que da el nmero de caras menos el nmero de
sellos en tres lanzamientos de una moneda. Determine los
elementos del espacio muestral, as mismo los valores de la variable
aleatoria.

Exp. Aleatoria X

2
3

CCC
CCS
CSC
CSS
S CC
S CS
S SC
S SS

129
Calcular su funcin de cuanta o de probabilidad, su distribucin acumulada
y calcular su media y varianza.
Solucin:
X: nc - ns ; nc: numero de caras , ns: numero de sellos
- Determinacin del espacio muestral:
Primera Segunda Tercera S
Moneda Moneda Moneda

X ( ccc) = 3 - 0 = 3
X (ccs) = X (csc) = X (scc) = 2 - 1 = 1
X (css) = X (scs) = X (ssc) = 1 - 2 = -1
X (sss) = 0 3 = -3
- Rango de la Variable Aleatoria X: Rx = {-3, -1 , 1 , 3}
130

- Distribucin de probabilidades de X:
X (w
i
) = x
i
x1
-3
x2
-1
x3
1
x4
3
P(x(xi) = xi P(x)) 1 3 3 1
8 8 8 8
P(x1) P(x2) P(x3) P(x4)
- Cumple con las condiciones de una funcin de cuanta?
1. P(x
i
) >_ 0
1
,
3
,
3
,
1
> 08
2. P( x
i
) =
1
+
3
+
1
+ 3 = 8 =1 / / Si no cumpl e con es t a
pr opi edad. 8 8 8 8 8
Quiere decir que no es de cuanta
3. ^ x = 3 ) =
1
; 3 ; 3
;
1
c | 0 : 1 | 8 8 8
8
- Grafica de la funcin de cuanta:

131
1
8
F (x)
~ ~
4
8
~
7
8
1

- Determinacin de la distribucin
acumulada 0 : x -3
~
: - 3 x 1
~ ~
: - 1 x 1
~ ~
: 1 x 3
~ ~
: x 3
~

- Calculo de la media y la varianza
Xi P(xi) xiP(xi) xi
2
P (xi)
-3 1/8 (-3)(1/8) = -3/8 (-3)
2
1/8
-1 3/8 (-1)(3/8 = -3/8 (-1)
2
3/8
1 378 (1) (3/8) = 3/8 (1)
2
3/8
3 1/8 (3) (1/8) = 3/8 (3)
2
1/8

x
;
P ( x
;
) = 0 x
;
2
P( x
;
) = 2 4 / 8
4 = (
2
3

1 2 3
132
4 1 3 3 1
= x P(x ) x P(x ) - 3
= = ( ) ( ) ( ) ( )
+ - 1 + 1 + 3
i i i i = 0
8
8 8 8
- I=1
( 2 = E X
2
- 2
= EX
2
P(x
i
) -
2

= (-3) (1/8) (-1) (3/8) (1) (3/8) (3) (1/8)
2 2 2 2
+ + +
9 3 3 9 2 4
= + + + =
8 8 8 8 8
Desvi aci n Est ndar o
T pi ca: ( = 4(2
( =
2. Determine el valor c de tal forma que
la siguiente funcin sirva como
una distribucin de probabilidad de la variable aleatoria discreta x.
f ( x) = c ( x
2
+ 4) : x = 0, 1, 2, 3
Solucin:
Usamos las condiciones de una funcin de cuanta
1 . P ( x ) = f ( x ) c 0 c ( x + 4 ) c 0 C c 0
2
P(x ) 1 c x ` 4 x 4 x 4 x 4 | 1
2
| ( ) ( ) ( ) ( )
2
2 2
= + + + + + + + =
1 i 2 3 4

0
=
4 4 + 5 + 8 + 1 3 1
= 1
c (30) 1
=
1
4 c =
30
4
3 .
1 4
( )
0 4
2
x 0 : f(0)
= = + =
30 30
1 5
x 1: f(1)
= = ( )
1 4 2
+ =

30 30
1 8
x f
=2: (2)=( )
2 4
2
+ =

x
30 30
1 13
x 3 : f(3)( ) 20
3 4
2
= = + =
30

- Determinacin de la distribucin de probabilidad {(x
i
, f
i
)}
xi 0 1 2 3
f(xi) 4 5 8 13
30 30 30 30

- Calcular la media y la varianza
xi f(xi) xif(xi) x1
2
f(xi)
0 4/30 0 0
1 5/30 5/30 5/30
2 8/30 16/30 32/30
3 13/30 39/30 117/30

f ( x
i
) = 1 xi f ( xi ) = 60/ 30
2 =
x f(x
i
) 154/30
i

4 = = = 2
60
xi f(xi)
30
( 2 = x
i
2
f ( x
i
) - 2 = 1 5 4 2 2 = 3 4
30 30
3. Encuentre la distribucin de probabilidad para el
nmero de discos de
jazz cuando 4 discos se seleccionan al azar de una coleccin que contiene
de 5 discos de jazz, 2 de msica clsica y 3 de polka
133
a)
10
5 jazz
2 clasic
y

3

p
o
l
k
a
s
A
r

10
Total de maneras de elegir
4

134

a) Exprese el resultado por medio de una formula
b) Determine su distribucin acumulada F(x) y graficarla
c) Calcular su media y varianza
Solucin:
- x: V.A. discos de jazz
- valores de la V. A: x = 0, 1, 2, 3, 4
- Determinacin de la funcin de cuanta
X : V.A. discos de jazz
Cmo elegir al zar?
. Maneras de elegir los disco de jazz
4 5
cuando lo son

x
. Maneras de elegir los discos de jazz
cuando no lo son 4 5
5 5

x
x

5 5 !
x

=

=
!x(5 - 4) ! = 0. 0238 = 1
10 10! 42

4 4 ! x ( 1 0 - 4 ) !

x
4
- x
f (
)= 10 : x = 0
, 1, 2, 3, 4
4
5
5 !
f ( 0 )
0 4
0
0! x (5 - 0)! 4
5
5! 5!
5
x
1 4 1
1 !x 5 - 1!
( ) 3!x(5- 3 ) ! 10
f(1) = = = 0.2381 = 10 10! 42

4 4 ! x ( 1 0 - 4 ) !

5
5

3
4 3

1
0

5
5

4
4 4

f(4) =
10

135

5 5

2 4 - 2
f(2)
= =

10

4
f(3)
=

4

+ 0
+
1

+ 4 2
+ b) F (x)
=+11+42
31
+ 4
2 +
+ 4 1
42

++ v1

5! 5!
x
10
! 42
= 0.4276
2 =

2!(5 2)! 2!(5 2)! 20

4!(10 4)!

5! 5!

3!(5 3)!1!(5 1)!10
= = 0.2381=

10! 42
10! 42

4!(10 4) !
5!
5
!

4!(5 4)0!(5 0)!1
= = 0.0238 =

44!(10 4) !
x 0
<
0 x 1
o <
1 x 2
o <
2 x 3
o <
3 x 4
o <
x 4
c
4
c) = E (X) xi f(xi) (0) 1
= = + (1)
10
+ (2)
20
+ (3)
10
+ (4) 1 = 2
42 42 42 42 42
i 0
=
= 2 se espera tener en el experimento 2 discos de jazz.
4 EX - f(x ) - (0) 1
2 2 2
(2 x 2
2
( 1 ) . 1 0
2
(2) 20

2
(3) 1 0

2
= = = + +
1
i
42 42 42
+
42
1 - 0
+(4)
2 1
/- (2)
2

/42
14
= - 4
3
2
(2 = indica que la dispercion de discos es pequea
3

Exp. Aleat. 8
Selecc. de trab.
5 H

Seleccin
4Trab. hombres

5

x

- Eleccin de 4 hombres
Eleccin de mujeres

3

4 x

2

35
( )
2 2 2
E X - x = X f ( x ) -
i
i

14
2
9 5 3 5
105
= - =
1 4
1 4
2
( x
=
196
136

4. Un ingeniero de la planta manufacturera tiene 5 hombres y 3 mujeres
trabajando con l. El ingeniero desea seleccionar 4 trabajadores para
un trabajo especial deseando no tener influencia en la seleccin de los
trabajadores. El decide al azar 4 trabajadores. Sea X el nmero de
hombres en el grupo: Hallar la tabla de distribucin de Probabilidad de
X, as mismo calcular la media o el valor esperado.
Solucin:
- X: V.A. hombres seleccionados
- Valores que toma la V.A.X.

3M

Eleccin total
8
4
5 3

x 4 - x
F u n c i n d e P r o b a b i l i d a d : f ( x ) =
= ; x 1, 2, 3, 4
8
4
- Distribucin de probabilidad:
xi 1 2 3 4
f (x
i
) 1/14 6/14 6/14 1/14
4
1 6 6 1 35

= =
EX x f(x ) 1*
= + 2 * + 3 * + 4 * =
x i i
= 14 14 14 14 14
i 1
x i
f
( x
i
)
-3 6 9

1/6 3/6 2/6

137
- En el ejemplo siguiente la esperanza matemtica o valor esperado se
puede aplicar no solamente a la V.A.X, si no tambin a una funcin
aleatoria g(x) definimos luego la media y la varianza
2
g(x) = E (g (x)) ;6
(x> = E (g (x)
2
) - g (x)
5. Sea X una variable aleatoria con la siguiente distribucin de
probabilidad:

+ g( x ) ( 2x 1)
2

2 i
++ = +
Determine ( )) , donde g(x) (2x 1)
= + =
2 i
y ( g x
g(x) +v g(xi) 4x 4x 1
= + +
2
i i
Solucin:
2
3
1 3 2
(x ) f(x ) (2 1) f(x ) 2 (-3) 1
( ) ( ) ( ) 209
+ + + + + =
2
+ = 2 (6) 1
2
2 (9) 1
2

g = x
i

g(x) = i i i
6 6 6
3 i 1
=
3
2
g ( x ) = = ( 4 x i 4 x 1 f ( x )
+ + ) = 209
i ii1
2
| ( ) | |
1
+
2 = + + | |
3
4(6) 4(6) 1 * 2
4 - 3 4 (-3) 1 * + 4(9) 4(9) 1 *
2
+ + + + +
g ( x ) | 6
6 6
25 3 2 25 507 722 1254
= + 169 * + 361 * = + + = = 209
g ( x )
6 6 6 6 6 6 6

(
2 2 2 2 g ( x ) E (g (x))

= -= ( )4
2xi 1
+ f(xi) - (209) =14144
g(x)
138
VALOR ESPERADO O ESPERANZA MATEMTICA
EX = _
E ( X _ )
2
= 6 2
E ( a + b ) = a E + b = a _ + b
V ( a b ) = a
2
V ( x ) = a
2
6
2

V ( a + b ) = E | ( a + b ) a b |
2
= a 2 V ( x ) = a 2 6 2
EJEMPLOS DE APLICACIN SOBRE ESPERANZA MATEMTICA
1. Una gran empresa industrial compra varias computadoras nuevas cada
ao, cuya cantidad depende de la frecuencia de reparaciones en el ao
anterior. Suponga que el nmero de computadoras X que se
compran cada ao tiene la siguiente distribucin de probabilidad.
xi 0 1 2 3
f (x
i
)
1 3 4 2
10 10 10 10
Si el costo del modelo que se desea adquirir permanece sin cambio en
$1200 durante un ao y se ofrece un descuento de 50X
2
de cualquier
compra Cunto dinero espera esta firma invertir en computadoras para el
fin de ao?
Solucin:
Inversin Esperada = Precio de Venta esperada Descuento esperado
Precio de venta esperada
3

=1200~i = 0 xi f ( x
i
) =1200( 0 x
1 1 0 + 1
x
3 1 0
+2x
4
1 0
+3 x
2
101 17 = 1200 2040
=
10
139

Descuento esperado:
3
2
= ( )
50x i f (x ) 50 0 x 1 1 x 3 2 x 4 3 x 2 2 2 2 2
= ( + + + )
i 10 10 10 10
i =0
= 185
Inversin esperada = 2030 185 = $ 1855
Rta: Inversin esperada = $ 1855
2. Supongamos que un distribuidor de joyas antiguas esta interesado en
comprar un collar de oro para el cual las probabilidades son 0.22,
0.36. 0.28 y 0.14 respectivamente, de que la poseedora estara
dispuesta a vender la en $ 250, en $ 150, al costo o con una perdida
de $ 150. Cul es la utilidad queda espera?
Solucin:
La utilidad esperada seria = P venta P costo - P perdida;
P = precio

xi 250 150 0 -150
E ( X) = x i f ( x
i
) .

f (x
i
)
0.22 0.36 0.28 0.14

Pventa Pcost Pprdida

E(X) (250) * 0.22 (150) * 0.36 (0) * 0.28 (-150) * 0.14 $ 88
= + + + =

141
Semana 12
VARIABLE ALEATORIA CONTINUA
f(x): funcin de funcin densidad de probabilidad (fddp)
EJERCICIO DE APLICACIN
1. Considere la funcin de densidad, el rea bajo la curva que describe
es igual a 1 y generalmente es asinttica al eje x.
f ( x ) : ++k x ; 0 < x < 1
+
+v0 ; en cualquier otro caso

a) Evalu k
b) Encuentre F(x) y utilice para evaluar P(0 . 3 < < 0.
6)
c) Calcular la media y varianza
Solucin:
a) Usamos l as propi edades
1 . f ( x ) c 0 f ( x ) = k j x c 0 k c 0
1 0 1
2 . + f ( x ) d x = + d x + + k x d x + + 0 d x = 1
0 0 1
1 3/ 2 1
+ kxdx=1k3/ 2 0

= 1

k 2 =
( 1 ) 1
3
k =
3
2
142

+ (3 / 2)
x
4 f ( x) =
+
v0
, 0 < x < 1; en otro caso

b
3. P(a < x < b)= +
f (x)dx [0, 1]
a
b) Determinacin de la funcin de distribucin F(x). Usemos la
definicin
x
F(x)= + f (x)dx

x
3
=
+ x d x
2
x
3
3 x 2

=
2 3 / 2

3/ 2
= x

+ +0 ; x o0
F( x ) = x 3 / 2 ; 0 <x <1
+v1
; x c1
Observemos que es creciente y se puede graficar fcilmente
x
i

3/2
F(x
i
) = x
i

0.2 F(0.2) = 0.0894
0.4 F(0.4) = 0.2530
0.8 F(0.8) = 0.7155
143

- Usemos la definicin
F(x)=P(x o x)
0.6
P(0.3 < x < 0.6)= + f (x )dx
0.3
0.6
x
3/ 2
0.6

3/ 2 3/ 2
+ 3 / 2xdx = 3 / 2 = (0 . 6) (0 . 3)

0 . 3 3 / 2
0 . 3 = F ( 0 . 6 ) - F ( 0 . 3 )
= 0 . 3 0 0 4
Utilizando la funcin de distribucin F(x) directamente el resultado es el
mismo.
P(0.3 <x < 0.6) = F(0.6) F(0.3)
= (0 . 6) - 3 / 2
3 / 2 (0 . 3)
= 0.4647 0.1643
= 0.3004
c) Calculo de la media y varianza
Calculo de la media

= EX = + xf ( x) dx
0 1
= + x ( 0 ) dx + + x * 3 / 2 x x dx
+ + 0
0 1
1
= +
3 / 2 xxdx
0
1
=
3/ 2+ x
3/ 2
dx
0
= 3/ 2 x
5/2 1

5/ 2 0
= E(X) = ( )1
3 x = ( )
5 / 2 3
1
5/ 2
0
5/ 2

0
5 5
=
= EX = 3/5
3(15/ 2
0
5/ 2 ) 5

f(x)=

1
_ _ _ ; a x b
o o
b a

0; en otro caso

x

x a
b a
b a

F(x) =
F(x) = b
a

x a

0 ; x <
a x a
o o ; a
x b
b a

F(x)=
144
Calculo de la Varianza (2
1
( 2 = E x
2

2
= + x 2 ( 3 / 2 x d x
3/ 2 (3 / 5)
2

0
1
1
3 3
x 7 / 2 2
3
x d x
5 / 2 (3/5)2
= + =

2 2 7/ 2 5
0 0
3
=

3
2
12
7
5
7
* 25
FUNCIN DE DENSIDAD DE PROBABILIDAD UNIFORME

a) Determinar su funcin de distribucin F(x).
b) Calcular su media y varianza.
Solucin:
x x
x
= + 1 1 _ + 1
a) F x
( ) dx= dx= x a b a
b a
b a

a a
145
a


- Calculo de la media:
1 b
EX xf ( x ) dx +
x 1

= = + = dx
b a

0 a
b
b
x
2

1 1 1 1 a+b
( )
2 2
xdx _____
= + = = * ____ b a
=
b a b a 2 2 b a 2
a a
- Calculo de la
varianza: (
2
= EX
2
2

b 3 2
1 1 x b +
a b
2
= + x =
2 =
a
dx *
b a
b a
3 2
1 b
3
a 3
2
(
2

( )
+ +
2
) 2
+
a b b a a a b b +
a b
= ___ =
b a
3 2 ( )
b a
3 2
=
4 ( a
2
+ a b + b
2
) 3 ( a
2
+ 2 a b + b
2
) = 4 a
2
+ 4 a b + 4 b
2
3 a
2
6 a b 3 b
2

12 12
a
2
2ab+b
2
=
(ba)
2

12 12
f(x)=

e
x
; x >0; >0
0; e not r oc as o

x

x x
x x

x
F x
( )
e d x
e
x
= + e dx

= + =
0
0 0
Solucin:
a
)
F ( x ) = e
x
( e
0
) = 1 e x
146

FUNCIN DE DENSIDAD DE PROBABILIDAD EXPONENCIAL
f(x)

a) Determinar su funcin de distribucin acumulada F(X).
b) Calcular su media y varianza.

F(x) e 0
= ( )x
x
0; 0
x o
F(x)= x
1 e ; 0
< <
x
1; x
teoricamente
b) El clculo de la
media y varianza se realiza por medio de la
integracin por partes.

E(X) = + = + = =
x x
x e dx xe dx
1
1
0 0
x 2 2 2
E(X- )
2
= ( )2

+
x e d x
= 1 (
= 1
0
147

2. El tiempo de espera en horas que tarda un radar en detectar dos
conductores sucesi vas a al ta vel oci dad es una vari abl e
al eatori a conti na con una di stri buci n acumul ada.
F(x)=
+0, xo0

+ x
v 1 ,
0
e
8
x>
a) Encuentre la probabilidad de esperar menos de 12 minutos entre
dos conductores sucesivos:
I. Utilizando la distribucin acumulada de x
II. Utilizando la funcin de densidad de probabilidad de x
b) Calcular su media y varianza
Solucin:
a ) X : V. A t i e mp o d e e s pe r a 0 <x <1 2 0 <x o 0 . 2
(1hr = 60mi n; 12 = 0. 2)
60
0.2
I . P x
(0 < < 0.2) = + f (x)dx = F(0 .2) (0)
F Teor e ma f undament al
0
del Clculo

| ( 1 e
TEOREMA FUNDAMENTAL
DEL CLCULO:
TEOREMA FUNDAMENTAL
DEL CLCULO:
8( 0.2) 1
e-8(0)
)|=11.
6
e =0.7981
b
+ =
f (x)dx G(b) G ( a )

a
x
F' ( x ) = f ( x ) F( x ) = + f ( x ) d x
I I . Por teorema fundamental del clculo
F' (x) = d (1 e
-8x
) = 8e
-8x
= f (x) dx
0 .2
0 . 2 x
e 8
8x 1. 6
P x
(0< < =
0.2) 8
+ e d x = 8 =
1 e

= 0 . 7 9 8 1
8
0 0
E(X) =

+
0

x e d x
( )
8 x
8 = + = =
x
8 x e d x
1 8 1 8 hrs
0

148
b)
b. Se utilizar el mtodo integracin por partes el calculo de y '2

E(X -
2
)= E(X
2
) -
2

= 2( 8 ) 2 2 8 2 2 2 2
+ = + = =
x e dx
8 x x
8 x e d x 1 8 ( 1 6 4 h r s
0 0
3. La demanda diaria de arroz en Metro, en centenas de kilos es una
variable aleatoria X con funcin densidad en la probabilidad.
+2
3
x ; 0 o x < 1

F ( x ) +
+
1 / 3 x + 1 ; 1 o o
x 3
+ 0; si ,x <0 x>3
+
v
a) Cul es la probabilidad de que en un da escogido al azar, se venden
ms de 150kgrs?
b) En 30 das el gerente de ventas de Metro cuanto espera vender?
c) Cul es la cantidad de arroz que debe ser dejado a disposicin del
pblico diariamente para que no falte arroz en 95% de das?
Solucin:
X: V.A de demanda diaria de arroz en centenas de kg.
a) {x > 150kg} {x > 1 . 5 }
3
P x > = + x + d x = x
2
+ x =
( 1. 5) ( 1 / 3 1) ( 1 / 6 ) 0. 3 7 5
3
1 . 5
1.5
3 1 3
E = + x f x = + x x d x + + x x + d x =
( ) ( )
dx
(2/3 ) ( 1/ 3 1) 1.33
0 0 1
El valor esperado en 30 das es: 30(1.33)=39.9 cientos de kg.
c) Sea Xo la cantidad de arroz dejado diariamente a disposicin del
pblico de modo que:
x
P( X o x
0
) = 0 . 9 5 + f ( x) dx = 0. 95

149

x0
1
2
x0
x
| f ( x ) d x = | 3 x d x + | ~ 3 + 1 0 = 0 .
9 5
0 0 0
= > + = = > 0 =
x
0
2
6 x
0
8 . 7 0 0 x 2 . 4 5 2 3
Respuesta: Debe dejarse a disposicin del pblico 245.23 kg. de
arroz el 95% de los das.
I. VARIABLES ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDAD
1. Clasifique las siguientes variables aleatorias como discretas o
continuas:
X : El numero de accidentes de automvil por ao en el estado
de Virginia.
Y : El tiempo que toma jugar 18 hoyos de golf.
M : La cantidad de leche producida anualmente por una vaca en
particular.
N : El numero de huevos que pone mensualmente una gallina.
P : El numero de permisos para la construccin de edificios
que otorga mensualmente una ciudad.
Q : La cantidad de grano producido por acre.
2. Un embarque de 5 automviles extranjeros incluye 2 que tienen unas
ligeras manchas de pintura. Si una agencia recibe 3 de estos
vehculos aleatoriamente, indique los elementos del espacio
muestral S utilizando las letras B y N para manchado y no
manchado, respectivamente; asigne entonces para cada punto
muestral un valor x de la variable aleatoria X que representa el
numero de automviles de pintura comprados por la agencia.
3. Sea W una variable aleatoria que da el nmero de caras menos el
de cruces en tres lanzamientos de una moneda. Indique los
elementos del espacio muestral S para los tres lanzamientos de la
moneda y asigne un valor de w de la variable W a cada punto
muestral.
4. Una moneda se lanza al aire hasta que ocurren 3 caras en
sucesin. Escriba solo aquellos elementos del espacio muestral
que requieren 6 o menos lanzamientos. Este es un espacio
muestral discreto? Explique.
5. Determine el valor c de tal forma que cada una de las siguientes
funciones sirva como una distribucin de probabilidad de la variable
aleatoria discreta x.
a) f(x)=c(x
2
+4) para x=0, 1, 2, 3
b) f ( x ) =c ( 2 0 (
3
0 p a r a
x =0 , 1 , 2 x 3 x 0
6. De una caja que contiene 4 monedas de 1000 pesos y 2 de 500 pesos,
se seleccionan 3 de ellas al azar sin reemplazo. Determine la
distribucin de probabilidad para el total T de las 3 monedas.
Exprese grficamente la distribucin de probabilidad como un
histograma.
7. De una caja que contiene 4 pelotas negras y 2 verdes, se
seleccionan 3 de ellas en sucesin con reemplazo. Encuentre la
distribucin de probabilidad para el nmero de pelotas verdes.
8. Encuentre la distribucin de probabilidad de la variable aleatoria
W en el ejercicio 3, suponiendo que la moneda esta cargada de tal
forma que una cara tiene dos veces ms la posibilidad de ocurrir con
respecto a la cruz.
9. Encuentre la distribucin de probabilidad para el nmero de discos
de Jazz cuando 4 discos se seleccionan al azar de una coleccin que
consiste de 5 discos de Jazz, 2 de msica clsica y 3 de polka. Exprese
el resultado por medio de una frmula.
10. Encuentre una frmula para la distribucin de probabilidad de la
variable aleatoria X que representa el resultado de un solo
lanzamiento de un dado.
11. Un embarque de 7 televisores contiene 2 aparatos defectuosos. Un hotel
realiza una compra aleatoria de 3 de ellos. Si X es el nmero
150
151

de unidades defectuosas que se compran, encuentre la distribucin de
probabilidad de X. Exprese los resultados grficamente como un
histograma de probabilidad.
12. De un paquete de cartas se sacan tres en sucesin sin reemplazo.
Encuentre la distribucin de probabilidad para el nmero de cartas
espadas.
13. Encuentre la distribucin acumulada de la variable aleatoria W en el
ejercicio 8. Utilizando F(w), encuentre:
a ) P( W > 0 )
b ) P ( 1 < W< 3 )
14. Dibuje una grfica de la distribucin acumulada del ejercicio 13.
15. Encuentre la distribucin acumulada de la variable aleatoria X que
representa el nmero de televisores defectuosos en el ejercicio 11.
utilizando F(x), encuentre:
a ) P( W = 1 )
b ) P ( 0 < W< 2 )
16. Dibuje una grfica de la distribucin acumulada del ejercicio 15.
17. La distribucin de probabilidad de X, el numero de defectos por
cada 10 metros de una tela sinttica en rollos continuos de
ancho uniforme es:
x 0 1 2 3 4
f(x) 0.41 0.37 0.16 0.05 0.01

Dibuje la distribucin acumulada de X.
18. Una firma de inversiones ofrece a sus clientes bonos municipales que
vencen despus de diferente nmero de aos. Dada la distribucin
acumulada T, el nmero de aos para el vencimiento de un bono
seleccionado aleatoriamente es:
;
;
;
;
;
152
+ 0
+ 1
+
+ 4
F ( x ) = +
1

2
+
+ 2
+ 3
+
+
1

t < 1
1 t 3
o <
3 t 5
o <
5 t 7
o
< t
7
c
Encuentre:
a ) P( T = 5)
b ) P( T > 3)
c ) P( 1. 4 < T < 6)
19. Una variable aleatoria continua X que puede tomar valores entre
1
x=1 y x=3 ti ene una funci n de densi dad ( )
f x = .
2
a) Demuestre que el rea bajo la curva es igual a 1.
b) Encuentre P(2 < X < 2. 5).
c) Encuentre P(X o1 . 6).
20. Una variable aleatoria continua X que puede tomar valores entre
x=2 y x=5 tiene una funcin de densidad f(x) ____
2(1 + x) =
.
27
Encuentre:
a ) P( X < 4 )
b ) P( 3 < X < 4 )
21. La proporcin de personas que constan una cierta encuesta enviada por
correo es una variable aleatoria continua X que tiene la funcin de
densidad:
+ 2 ( x
+ 2 )

; 0 < x < 1
+ 5
+
f ( x ) = +
+ 0
+

;

en cualquier otro caso
153

a) Demuest r e que P( 0 < X < 1) =1
b) Encuentre la probabilidad de que ms de
1
/4 pero menos de 1/2
de las personas en contacto respondern a este tipo de
encuesta.
22. El numero total de horas, que se miden en unidades de 100 horas,
que una familia utiliza una aspiradora durante un ao es una
variable aleatoria continua X, que tiene la funcin de densidad:
+ x ; 0 < x < 1
++
( ) =
f x 2-x ; 1<x<2
+v 0 ; en cualquier otro caso
Encuentre la probabilidad de que una familia utilice la aspiradora
durante un ao:
a) Menos de 120 horas.
b) Entre 50 y 100 horas.
23. Para la funcin de densidad del ejercicio 19, encuentre F(x) y utilcela
para evaluar P(2 < X < 2 . 5) .
24. Para l a funci n de densi dad del ej erci ci o 20, encuentre F( x)
y uti l cel a para eval uar P(3o X < 4).
25. Considere la funcin de densidad:
+ k x ;
0 < x < 1 + +
f( x) =+ .
v 0 en cualquier otro caso
a) Evale k
b) Encuentre F(x) y utilcela para evaluar P(0.3 < X < 0 . 6)
26. El tiempo de vida til, en das, de frascos de una cierta medicina es una
variable aleatoria que tiene la funcin de densidad:

; x > 0

3 1
x
3 3 x
f( x) =

x 4
4

;
x 0, 1, 2,
3 =

154
+ 2 0 . 0 0 0
+ 3
( )
x 100
+
+
f ( x ) = +
0 ; en cualquier otro caso
v
Encuentre la probabilidad de que un frasco de este medicamento tenga
una vida til de:
a) Al menos 200 das.
b) Cualquier duracin entre 80 y 120 das
27. El tiempo de espera, en horas, que tarda un radar en detectar dos
conductores sucesivos a alta velocidad es una variable aleatoria
continua con una distribucin acumulada.
F( x ) =+0 ; x o0
+
v 1 e
8 x
; x > 0

Encuentre la probabilidad de esperar menos de 12 minutos entre dos
conductores sucesivos:
a) utilizando la distribucin acumulada de X
b) utilizando la funcin de densidad de probabilidad de X.
II. ESPERANZA MATEMTICA
1. Un embarque de 7 televisores incluye dos defectuosos. Un hotel
realiza una compra de manera aleatoria de tres de estos aparatos. Si X
es el nmero de televisores defectuosos adquiridos por el hotel,
encuentre la media de X.
2. La distribucin de probabilidad de la variable aleatoria discreta X
es:

Encuentre la media de X
3. Encuentre la media de la variable aleatoria T que representa el total
de las tres monedas en el ejercicio 6 del conjunto de problemas del
tema variables aleatorias y distribuciones de probabilidad.
155
4. Una moneda se carga de tal manera que una cara es tres veces
mas probable de ocurrir que una cruz. Encuentre el nmero
esperado de cruces cuando esta moneda se lanza dos veces.
5. La distribucin de probabilidad de X, el nmero de faltas por cada 10
metros de una tela sinttica en rollos continuos de ancho uniforme,
que se dio en el ejercicio 17 del conjunto de problemas del tema
variables aleatorias y distribuciones de probabilidad.
x 0 1 2 3 4
f(x) 0.41 0.37 0.16 0.05 0.01
Encuentre el nmero promedio de fallas por cada 10 metros de esta
tela.
6. Al encargado de un servicio de lavado de automviles se le paga de
acuerdo al nmero de automviles que se atienden. Suponga
que l as probabi l i dades son 1
,
1
,
1 ,
1
,
1
y
1
4 4 6 6 r espect i vament e,
12 12
de que el encargado reciba $7, $9, $11, $13, $15, o $17 entre las
4:00pm y las 5:00pm de cualquier viernes. Encuentre las ganancias
que espera el encargado durante este periodo en particular.
7. Por intervenir en unas acciones en particular, una persona puede
obtener ganancias de $4000 con una probabilidad de 0.3, o una
prdida de $1000 con una probabilidad de 0.7. Cul es la ganancia
que espera la persona?
8. Suponga que un distribuidor de joyas antiguas esta interesado en
comprar un collar de oro para el cual las probabilidades son 0.22,
0.36, 0.28 y 0.14 respectivamente, de que la poseedora estara
dispuesta a venderla en $250, $150, al costo con una perdida de
$150. Cul es la utilidad que ella espera?
9. En un juego de azar una mujer ganar $3 si saca una sota o una
reina y $5 si saca un rey o un as de un paquete comn de 52
cartas. Si saca cualquiera otra carta, pierde. Cunto deber pagar
si el juego queda empatado?
;
;
0 < x < 1
156
10. Un tazn contiene 5 fichas que no pueden distinguirse una de la
otra. Tres de las fichas estn marcadas con $2 y las restantes 2 con
$4. un jugador saca del tazn 2 fichas al azar sin reemplazo, y se le
paga una cantidad igual a la suma de los valores indi cados en las
dos fichas. Si el costo por jugar es de $5.60. Es justo el juego?
11. Un piloto privado desea asegurar su avin por $50 000. la
compaa aseguradora estima que una prdida total puede ocurrir
con una probabilidad de 0.002, un 50% de prdida con una
probabilidad de 0.01 y un 25% de prdida con una probabilidad de
0.1. Ignorando todas las otras prdidas parciales, Qu prima
deber cobrar anualmente la compaa aseguradora para tener
una utilidad promedio de $500?
12. 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:
+2( 1x) 0<x<1
++
f( x) =+v .
0 en cualquier otro caso
Encuentre la utilidad promedio por automovil.
13. La funcin de densidad de las mediciones codificadas del dimetro del
hilo de un encaje es:
4
+ (1+x
)
2
++
f x
( ) =
+
0

+
+v
Encuentre el valor esperado de X
14. Qu proporcin de personas puede esperarse que respondan a un
cierto requerimiento por correo, si la proporcin X tiene la funcin de
densidad:

++ x ;
f ( x ) = + 2 - x
;
+ 0
0 <x <1
1 x 2
o <
en cualquier otro caso ;
157

0 <x <1
en cualquier otro caso?
+2(x+2
)
+ 5
+
f x
( ) = +
+ 0
+

;
;

15. 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 se dio en el ejercicio
22 del conjunto de problemas del tema variables aleatorias y
distribuciones de probabilidad, como:

Encuentre el numero promedio de horas por ao que la familia utiliza
la aspiradora.
16. Si X representa el resultado cuando se lanza un dado balanceado.
Encuentre
g
(X), donde g(X) = 3X
2
+ 4.
probabilidad:

x -3 6 9
f(x)
1 1 1
6 2 3

Encuentre
g
(X), donde g(X) = (2X + 1)
2
.
18. Encuentre el valor esperado de la variable aleatoria g(X) = X
2
, donde X
tiene la distribucin de probabilidad del ejercicio 2.
19. Una gran empresa industrial compra varias mquinas de escribir nuevas
cada ao, cuya cantidad depende de la frecuencia de reparaciones en el
ao anterior. Suponga que el nmero de
158
0 ; e n ot r o cas o
Encuentre el valor esperado de g(x)=e2x/3

0 ;
maquinas de escribir, X, que se compran cada ao tiene la siguiente
distribucin de probabilidad:
x 0 1 2 3

1 3 4 2
f(x)

10 10 10 10

Si el costo del modelo que se desea adquirir permanece sin cambio
en $1200 durante un ao y se ofrece un descuento de 50 X
2
en
cualquier compra, Cunto dinero espera esta firma invertir en
mquinas de escribir para fin de ao?
20. Una variable aleatoria continua X tiene una funcin de densidad:
x
e
+ ; x > 0
F x
( ) = +
v
21. Cul en la utilidad promedio por automvil para el distribuido si
la ganancia por cada vehculo es g(X) = X
2
, donde X es una
variable aleatoria que tiene la funcin de densidad del ejercicio
12?
22. El periodo de hospitalizacin, en das, para pacientes que sigue un
tratamiento para un cierto tipo de desorden renal es una variable
aleatoria Y = X + 4; donde X tiene la funcin de densidad:
+
3 2

; x > 0

+ ( x 4)
3

+
++
f ( x ) = +
v
Encuentre el nmero promedio de das que una persona esta
hospitalizada para seguir el tratamiento contra este desorden.
159

III. VARIANCIA
1. Calcular la varianza de la variablealeatoria X del ejercicio 1 de la
seccin anterior esperanza matemtica.
probabilidad:
x -2 3 5
f(x) 0.3 0.2 0.5

Encuentre la desviacin de X.
3. La variable aleatoria X, que representa el numero de pedacitos de
chocolate en un pastel, tiene la siguiente distribucin de
probabilidad:
x 2 3 4 5 6
f(x) 0.01 0.25 0.4 0.3 0.04

Utilizando el teorema 3.2, encuentre la variancia de X.
4. Suponga las probabilidades 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 variancia de
la variable aleatoria X que representa el numero de fallas de energa
elctrica que afectan esta subdivisin.
5. Las ganancias de un distribuidor, en unidades de $1000, en un
nuevo automvil es una variable aleatoria X que tiene la funcin de
densidad que se dio en el ejercicio 12 del conjunto de problemas del
tema esperanza matemtica. Encuentre la variancia de X.
6. La proporcin de personas que responden a un cierto requerimiento
enviado por correo es una variable aleatoria X que tiene la funcin de
densidad que se dio en el ejercicio 14 del conjunto de problemas del
tema esperanza matemtica. Encuentre la variancia de X.

x
1
e 4
; x > 0

0 ;
160
7. El nmero total de horas, en unidades de 100 horas, que una familia
utiliza una aspiradora durante un ao es una variable aleatoria X que
tiene la funcin de densidad que se dio en el ejercicio 15 del conjunto
de problemas del tema esperanza matemtica. Encuentre la variancia
de X.
8. Con los datos del ejercicio 16 del conjunto de problemas del tema
esperanza matemtica. Encuentre
2
g(X )para la funcin g(X) = 3X2+ 4.
9. Encuentre la desviacin estndar de la variable aleatoria g(X) = (2X
+ 1)
2
en el ejercicio 17 del conjunto de problemas del tema esperanza
matemtica.
10. Con los resultados del ejercicio 21 del conjunto de problemas del
tema esperanza matemtica, encuentre la variancia de g(X) = X
2
,
donde X en una variable aleatoria que tiene la funcin de densidad que
se dio en el ejercicio 12 del conjunto de problemas del tema esperanza
matemtica.
11. El periodo de tiempo, en minutos, que un aeroplano espera va libre
para aterrizar en un cierto aeropuerto es una variable aleatoria Y = 3X
2, donde X tiene la funcin de densidad:

+
2
+
f ( x )
= +
v
Encuentre la media y la variancia de la variable aleatoria Y.
Espacio Muestra x
NNN 0
NNB 1
NBN 1
BNN 1
NBB 2
BNB 2
BBN 2
BBB 3

Espacio Muestra x
HHH 3
HHT 1
HTH 1
THH 1
HTT -1
THT -1
TTH -1
TTT -3

161
RESPUESTAS
VARIABLES ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDAD
1. Discreta,Continua;Continua;Discreta;Discreta;Continua
2. 3.

4 . S = {HHH, THHH, HTHHH, TTHHH, TTTHHH, HTTHHH,
5 .
THTHHH, HHTHHH, ......... }
Discreta
b.- 110
a.- 130

6 .

t 20 25 30

1 3 1

P(T = t)

5 5 5

7 .

x 0 1 2 3
f(x)
8
27
4
9
2
9
1
27
P(W = w)
162
f(x)
10.
x
f(x)
8.
w -3 -1 1 3
1 2 4 8
27 9 9 27
9.
f(x) = ; 10 para x = 0, 1, 2, 3, 4.
5 5

x 4x

~
4

1
10. ( ) ; 1, 2, ...., 6.
f x = x =
6
11.
x 0 1 2
2 4 1
7 7 7
0 1 2 3
703 741 117 11
1700 1700 850 850

rp
UNIVERSIDAD
TECNOLOGICA
DEL PERU

O
1
27
7
27
19
para w < -3
para -3 w -1
para -1 14, <1
para 1. w < 3
a.- 2%7

27

[ 1 para w .._ 3

O para x < O

2
para O x 1

7

6
para 1 x<2
a. - %
7

1
para w >_ 2

13.
F(w)=
15.
F(x) =
17.
F( x) .
[
18. a.- y
4

19. b.- y
4

20. a.- 1%
7

163
c' _ y
2
O para x < O
0.41 para O x<1
0.78 para 1 5_ X < 2
0.94 para 2 x < 3
0.99 para 3 x < 4
1 para x. 4
b . %
c . 0. 3
b.- y
3

2 4.
ESPERANZA MATEMTICA
164
21.b.- 80
19
22.a.- 0.68 b.- 0.375
23. F(x)
= (x 1) 1 ;
24. F (x) = (x + 4)(x- 2 ) 1 ;
27 3.
25.a.- 32
26. a.- 1/9

b.- F( x) 2 ; 0. 3004
= x
b.- 0.1020
27. a.- 0.7981 b.- 0.7981

1 .
2 .
6
7
3
4
3 .
25 centavos
4 .
1
2
5 .
0.88
6 .
$12.67
7 .
$500
8 .
$88
9 .
$1.23

13. ( ) l
n 4

14. 1
5
15. 100 horas

16.
17.
18.
19.
1.
2.
3.
4.
165
10. Juego empatado
11. $2100
12. $333

16. 49.5
17. 209
18.

$1855

3

$167

8

VARIANCIA
20/49

3.041

0.74

= 1 ;
2
=1

5.

1342.25
8. 118.9
9. 7

180
166
6.

7.

2
11. =10 ; =144
y y
Xi
0 1
167
Semana 13
DISTRIBUCIONES DE PROBABILIDAD DISCRETA
INTRODUCCIN
Con frecuencia las observaciones que se generan en diferentes
experimentos estadsticos tienen el mismo tipo de comportamiento en
trminos generales. En consecuencia la V.A. Discretas que se asocian, con
estos experimentos puede describirse esencialmente por la misma
distribucin de probabilidad y por lo tanto se representa de una sola
forma, De hecho se necesita las distribuciones de probabilidad ms
importantes para describir diferentes V.A. Discretas que se encuentran en
la prctica. As tenemos la distribucin: Binomial, Poisson,
Hipergeomtrica, Pascal Multinomial.
DISTRIBUCIN BINOMIAL:
- Consideremos un experimento de Bernoulli: xito: p
Fracasa : 1 P = q

p + q = 1

- Podemos calcular su media y varianza segn el siguiente esquema:

P(Xi) = p(xi) q p
= E X = 1 x
i
p ( x
i
) = 0 * q + 1 *
p = p = P
2
(2 2
=x p(xi) - 0 * q 1 * p -p
2 2 2
= +
i 2
p - p p(1 - p) pq

2 2
( = = = =
( p q
o n Ber noul l i Bi nomi al
- L u e g o , l a m e d i a y v a r i a n z a
d e l a B i n o m i a l e s :
= n p ( 2 = n p q
p(x
168

o La distribucin binomial se basa en la repeticin de n veces el
experimento de Bernoulli.
o Condiciones que deben cumplir un experimento binmico.
1. La V. A. tiene 2 posibilidades: xito o fracaso en cada ensayo.
2. Los n ensayos son independientes.
3. La probabilidad de xito se mantienen constante.
4. Existen n ensayos donde n es constante.
DEDUCCIN DE LA DISTRIBUCIN BINOMIAL
Consideremos n V.A.I. X1 , X2, X3, ............. Xn
Cada una de ellas en un experimento de Bernoulli.
p; x xito
)
.
i
1p = q; f racaso
P {X1, X2, X3, .... ,Xn} p(X (w)) p(X (w)).....p(X (w))
= 1 2 n
o Una posibilidad de ocurrencia de un xito
p p q

q

P
x

o Existen x posibilidades de xito
n p
x
(x -
p)
n-x

x
(1-p)
n-x

P (X x)
=
n
p (1 -p) , x
= x n - x

x 0,1, ................ ,k ; k n
= o

La distribucin binomial tiene media = np y varianza = npq
(
2

parmetros en esta distribucin, su deduccin se realiza haciendo uso
de la definicin.
169

1. Determinar la probabilidad de obtener sellos cuando se lanza una
moneda 3 veces.
Solucin
- X: V.A. de obtener como xito sello
- Valores que toma la V.A. 0, 1, 2, 3
- P = 1/2; n = 3
x
3 1 3- x
P(X x)
= = x
(1 - 1/2)
2
3
( )
1 /2 (1 1 / 2)
=
x 0:P(x0)
= = 3 0=
0

3
x 1 : P(x 1)
= (1/2) (1 - 1/2) 3/8
1
= 3 - 1

=
1
3
x 2 : P ( x 2 )
= (1/2) (1 - 1/2) 3/8
2
= = 3 - 2
=
2
3 ( 1/2) ( 1 1 / 2 ) 1 / 8

=
x 3 : P( x 3)
= = 3 3 3 =

3
2. Supongamos se trata de elegir aleatoriamente componentes
electrnicos de unas lneas de produccin de los cuales, estamos
interesados en los defectuosos D y no defectuosos N se pide:
a) Determinar el espacio muestral S
b) Utilizando la distribucin binomial, calcular la probabilidad de extraer
componentes defectuosos
c) Calcular su media y varianza
Solucin:
170

a) Determinar el espacio muestral S:

S
DDD
DDN
DND
DNN
NDD
NDN
NND
NNN
b) Usando Binomial:
X: V.A. que el el emento sea
defectuoso X (w) = X: 0, 1, 2, 3
P = 1/2 n = 3
3 0

= =
3 1
1
1
0
P(x 0) ( ) ( )
= 1

0 2 2 8
1 3 1
P ( x 1 )
= =
3 1
1
1
( ) ( )
= 3

1 2 2 8

3 13 2

2
P( X 2)
= ( )
1 - 1 3
=

2 2 2 8
3 3 3

3 1 1 - 1
P(X 3)
= = () ( ) =

3 2 2
X(wi) = Xi
1
8

171
c) Calculo de la media:
0 1 2 3

P(Xi) = p(xi)
3
= = = =
12
EX x
i
p(x
i
)
8 2
Calculo de la varianza
2
2 4 3 3
2 2
2
= x i p ( x
i
) - = 8 - 2 = 4
Se verifica usando las formulas:
= = E x n p 2
= E ( x - ) E x -
n
p q
2 2
=
2

( =
En el problema resuelto:
= 3 ( 1 / 2 ) 3 / 2
=
(2 = 3( 1/ 2) ( 1/ 2) 3/ 4
=
3. Supongamos que 10 aparatos de radar estn operando
independientemente uno del otro y que la probabilidad de que solo uno
de los aparatos detecte un cohete enemigo es de 0.80. Cul es la
probabilidad de que nueve aparatos de radar detecten el cohete?
Solucin:
X: V.A. de que el radar detecte un cohete
p= 0.80
n = 10

10
9 1 9 1
{ }
x 9 p (x 9) 0.8 x 0.2 10 0.8 0.2 0.2684
= = = = =

9
4. Un complejo sistema electrnico esta construido con cierto nmero
de componentes de apoyo en sus subsistemas. Un subsistema
contiene cuatro componentes idnticos cada uno con una
probabilidad de 0.2 de fallar en menos de mil horas. El sistema
funciona si dos o mas componentes cuales quiera de los cuatro que
172

trabajan en forma adecuada. Adems se supone que los componentes
operan en forma independiente.
c) Encuentre la probabilidad de que exactamente dos de cuatro
componentes resistan ms de mil horas.
d) Encuentre la probabilidad de que el sistema funcione por ms de mil
horas.
Solucin:
X: V.A. componentes que resistan mas de mil horas
Probabilidad de fallas en menos de 1000, horas P(Ei) = 0.2; i= 1, 2,
3, 4.
Probabilidad de no fallar en menos de 1000, horas P (Ei) = 0.8
n = 4
p = 0.8
4 2 2
a ) x 2 P ( x 2 )
{ }
= = = ( ) ( )
0 . 8 0 . 2 0. 1 5 3 6
=
2
b ) x 2 P(x 2) 1 - P (x 2 ) 1 - P (0) P(1)
{ }
c c = < = | + |
T 4 4
1 -0 . 8 . 0.2
0
4
0.8 x 0.2
1 3
= ' +
s 0 1
]
= 1 - 0.0272
P( x 2) 0. 9728
c =
5. Un estudiante de ingeniera de sistemas tiene la certeza de aprobar
una signatura cualquiera con probabilidad 0.8. Si lleva 6 asignaturas:
a) Cul es la probabilidad de que salga mal en todas las asignaturas?
b) Cul es la probabilidad de que aprueben menos dos o mas de cuatro
cursos?
c) Cul es la probabilidad de que apruebe exactamente dos curso
sabiendo que al menos aprueba un curso?
Solucin:
- X: V.A. cursos que el estudiante apruebe
- Valores de x: 0, 1, 2, 3, 4, 5, 6
- p = 0.8 , n = 6
6
P (X x)
= = 0.8 (1 - 0.8) ; x 0 , 1, ..., 6
x
a) 6 - x
=
x
6
P (x 0) 0.8 (1 - 0.8) 0 .0000 64
0 6
= = =
0
173

b)
{ x
< - > < - > = < + > =
2 x 4 P ( x 2) x 4 P( x 2) P( x 4) 0. 65696
} ( ( ))
P(0) P(1) p(5) p(6) 0. 65696
+ + + =
P(x > 4) = 0 .65536
P x < = P x = + P x = =
( 2) ( 0) ( 1) 0 .0016
6 6!
P( x 0)
= = (0.8) ( 1- 0 - 8) 0 6- 0 (1)( 0 .2) 0.000064 6
= =
0 0!*6!
6 6!
P(x 1) = = (0.8) ( 1- 0 - 8) 1 6- 1 (0. 8) (0.2) 0.001536
1
5
= =
1 1!*5!
6 6!
P( x 2) = = (0.8) ( 1- 0 - 8)
2 6- 2 (0. 8 ) (0 .2) 0.01536
2
4
= =
2 2!*4!
6 6!
P( x 3) = = (0.8) ( 1- 0 - 8) 3 6- 3 (0. 08) (0. 2) 0.08192
3
3
= =
3 3!*3!
6 6!
P( x 4) = = (0.8) ( 1- 0 - 8)
4 6- 4 (0. 8) (0 .2 ) 0.24576
4
2
= =
4
4!*2!

6 6!
P(x 5) (0.8) (1-0-8)
5 6-5 5 1
= = = ( ) ( )
0. 8 0. 2 0. 293216
=

5 5!*1!

6 6!
P(x 6) (0.8) (1-0-8)
6 6-6 6 0
= = = ( ) ( )
0 . 8 0. 2 0. 36 21 44
=

6 6!*0!
Se puede usar la propiedad complementaria
P(x > 4) = 1- P(x o 4) = 1- 0.34464 = 0.65536
p ({ x 2} { x 1}) P (x 2)
= ) c =
c) P (x 2 / x 1)
= c = = = 0.0153609831
P (x 1) c 1 - P (x 1)
<
t 1
hor a
=
t 1 c m
3

=
t 1 hectrea
=
174
DISTRIBUCIN DE POISSON
X P ( X, t ) = p (x, t )
Los experimentos que resultan en valores numricos de una variable
aleatoria X la misma, que representa el numero de resultado que ocurre en
un intervalo de tiempo dado o en una regin especifica por t, frecuentemente
se llaman experimentos de Poisson y se define por:

e
- at
(' u)
x

p(x,At)=P(X=x)=i x!
; x 0, 1, 2...k, k n
= o

Donde es el numero promedio de resultado por unidad de tiempo o regin y e
= 2 .7182

:
( )
de llamadas
telefonicas 1
hora
bactarias
: ( )
1cm
3

roedores
: ( )
1 hectrea
Regin: segmento de lnea, rea, volumen, tiempo: segundo, minutos,
horas, etc.
Un experimento de Poisson que surge de un proceso de Poisson y tiene las
siguientes propiedades.
1. El numero de resultados que ocurre en un intervalo de tiempo, regin,
volumen especficos es independiente del numero que ocurre en cualquier
otro intervalo disjunto de tiempo o regin del espacio disjunto. De esta
manera se dice que el proceso de Poisson no tiene memoria o que son
estocsticamente independientes ya que las ocurrencias en intervalos no
se superponen.
2. La probabilidad de que un resultado sencillo ocurra en un intervalo de
tiempo muy corto o en una regin pequea es proporcional a la
longitud del intervalo de tiempo o el tamao de la regin y no
depende del nmero de resultados que ocurre fuera del intervalo o
regin.
175
4 part * 1 miliseg. 4 part ;
=
milise
g

e (4)
-4 6
{ }
x 6 p (x 6) __________
= = = = 0.1042
6!

3. La probabilidad de que ms de un resultado ocurra en ese intervalo
tan corto o en esa regin tan pequea es despreciable.
: Promedio de ocurrencia por la unidad de tiempo o regin t :
tiempo en segundo, minutos, horas.
La media y varianza de la distribucin de Poisson p(x, t) tienen ambas el
valor t
EJERCICIOS DE APLICACIN:
1. El tiempo promedio de partculas radioactivas que pasan a travs de un
contador durante un milisegundo en un experimento de laboratorio es 4.
Cul es la probabilidad de que entren 6 particular al contador en un
milisegundo determinado?
Solucin:
X: variable aleatoria particular que llegan al contador
: 4 partculas / milisegundo t : 1
milisegundo =
t
2. Se ha observado en forma emprica que las muertes ocasionadas por
accidentes de trfico ocurren a razn de ocho por hora en los largos fines
de semana feriados. En el supuesto que estas muertes ocurren en forma
independiente, calcular la probabilidad de que:
a) Transcurra una hora sin que haya muertes
b) Transcurra un periodo de 15 minutos sin muertes
c) Transcurra cuatro periodos consecutivos, que no se traslapen, sin que
haya muertos
Solucin:
X : V.A. accidentes que causan la muerte

acc
= 8 ___
h o r a \ t = 8 a c c i d e n t e s
t = 1 hora

a)

b )
(
2
= = (
=
t 6
= 2. 4495
accident.
176
8
0
e (8)
a ) { }
x 0 ( 0) ______
P x e 0.003355 0.0034
- 8
= = = = = H
0!
15 1 1
t= = hora , t 8x
= = 2 accidentes
60 4 4
e 2
- 2 0
{ }
x 0 P (x 0) _________ e 0,1353
- 2
= = = = =
0!
c) 4 periodos
4
2
{ X , X , X , X ,} ( ) ( ) 0.0034
8
P X X X X e = = =
e

1 2 3 3 1 2 3 4
V.A. Independientes, donde:
P( X ) P( X ) P( X ) P( X ) e - 2
= = = =
1 2 3 4
3. En una determinada planta manufacturera han ocurrido accidentes a
razn de uno cada dos meses. En el supuesto de que ocurren en forma
independiente.
a) Cual es el nmero esperado de accidentes al ao?
b) Cual es la desviacin estndar del nmero de accidentes al ao?
c) Cual es la probabilidad de que no haya accidentes en un mes
determinado?
Solucin:
X : V.A. accidentes
= 1 accd / 2 meses)
1
t = a c c i d e n t
.
t = 1 mes 2
1
o ) = = a c c i d e n t
Ex t
(12 meses) 6 accident.
=
2 m e s

1
c) = accidentes 1
2 t
= a c c i d e n t .
2 t 1 me s =
- 0. 5
{ }
x 0 P(x 0) e (0.5) 0! e 0.6065
= = = - 0. 5 0 = =
4. En promedio en una cierta interseccin ocurre en 3 accidentes viales
por mes, Cul es la probabilidad de que un determinado mes en este
interseccin?
177
mes
b)
a)

a) Ocurran exactamente 5 accidentes?
b) Ocurran menos de 3 accidentes?
c) C a l c u l a r s u me d i a y v a r i a n z a
S o l u c i n : X : V a r i a b l e a l e a t o r i a
a c c i d e n t e s q u e o c u r r a n e n u n me s
: 3 accidentes/mes 3 accidentes
t ________ mes 3 acci dent es
=
t : 1 mes
e

(3)
-3 5 a) X (w) x 5 accidentes; p (x 5)
= = = = = 0.1008
5!
2
{ } ( )
x 3 P x 3 P(x , 3) P(0,3) P (1,3) P(2,3)
< < = = + +
x 0
=
1 2
= T + +
3 3
e 1
-3
0.4230

' s 1! 2! ] =
c ) me d i a
= t = 3 a c c i d e n t e s ; 2 = t = 3
(
5. El nmero promedio de ratas de campo por acre en un campo de trigo de
cinco acres se estima que es de 12. Encuentre la probabilidad de que
menos de 7 ratas de campo se encuentre:
a) En un acre de terreno determinado
b) E n d o s d e l o s s i g ui e n t e s t r e s
a c r e s Sol uci n: X: v a r i a b l e
a l e a t o r i a d e r a t a s e n e l
c a mp o
: 12 ratas / acres t = 12 ratas 1 acre =12 ratas
t : 1 acre acre
6
{ } ( )
x 7 7
< < = = x
P x p x
( , t) p(0) p(1) p(2) p(3) p(4) p(5) p(6)
= + + + + +
0
1 2 4
T 1 12 12 12
6

1 2 1 2 1 2 3 5
e -1 2
= + + + + + +
's 0! 1! 2! 3! 4! 5! 6! ]
e 7457.8 0.04582230 6
-12
= | | =
P (x 7) 0.0458
< =
3
|) (0.0458) (1 0 .0458)0.0060

P (x 2) 2 3 2
= = =
2
178

6. En un sistema de cmputo de tiempo compartido, el nmero de
peticiones de tele puerto es de 0.2 por milisegundo, en promedio y sigue
una distribucin de Poisson.
a) Calcular la probabilidad de que no lleguen peticiones durante el
siguiente milisegundo.
b) Calcular la probabilidad de que no lleguen peticiones durante los tres
siguientes milisegundos.
Solucin
X: V.A. de que no lleguen peticiones
peticiones
: 0.2 __________
mi l i s e gu nd o , t
= 0 . 2 p e t i c i o n e s
t: 1 milisegundo
-0.2 0
a ) P ( x 0
)
- 0 . 2 e
0 . 2
= = = =
e 0 . 8 1 8 7
0!
b ) Los eventos son independientes por cada milisegundo
P (X , X , X ) e x e x e e 0.5488
-0.2 -0.2 -0.2 -0.6
= = =
1 2 3
7. En un conmutador telefnico se reciben llamadas de acuerdo con un
proceso de Poisson con parmetros = 5 llamadas por hora. Si hay una
persona en el conmutador. Cul es la probabilidad de que:
a) transcurran al menos 15 minutos ante de la siguiente llamada?
b) no pasen ms de 10 minutos antes de la siguiente llamada
c) De que trascurran exactamente ci nco mi nutos antes de l a
siguiente llamada?
Solucin:
X : V.A. llamadas
: 5 llamadas/ hora
t : 1 hora
15 1 1 5
a) t hr t 5 x
= = = =
60 4 4 4
{x c 1}P(xc1) = 1 - e -54 = 0.7135
179

10 1 1 5
b) t hr t 5
= = = =
60 6 6 6
1
e 5 6)
- 5 6 ( )
- 5 6
{ }
x 1 P ( x 1 ) P ( 0 ) P ( 1 ) e o o = + = + = 0.7968
1!
5 1 1 5
c) = = hr t 5 *
= =
60 2 12 12
e -
5 12 ( 5 12)1
{ }
x 1 P ( x 1 )
= = = = 0. 2747
1!
8. Se certifica la calidad de los discos para computadoras pasndolos por
un certificador que cuenta el nmero de pulsos faltantes. Una
determinada marca de discos para computadoras tiene en promedio 0.1
pulsos faltantes por disco.
a) Calcular la probabilidad de que el siguiente disco que se
inspeccione no le falten pulsos.
b) Calcular la probabilidad de que al siguiente disco que se
inspeccione le falte un pulso.
c) Calcular la probabilidad de que a ninguno de los dos discos
inspeccionados le falten pulsos
Solucin:
X: V.A. Pulsos faltantes en el disco
: 0.1 Pulsos/disco
t: 1 disco
e x 0. 1
-0.1 0
o ) { }
x 0P(x 0) _________
= = = =
e
-0. 1 = 0.9048
0!
| ) { }
x 1p( x 1) 1 - P( x 1) 1 - P( x 0) 1 - 0. 9048 0. 0952
c c = < = = = =
_ ) { X
1
Y X
2
} P(X
1
X
2
) = P (X
1
) P(X
2
) = e
-0, 1
x e
-0. 1
=0.8187
180

- V.A. independientes: X1, X2
n P (1 - P) ; x 0,1,2,...
x n -x
= =
Binomial : P (X x) =
x
np; npq
2
= ( =
e t
- t
x
( )

Poisson : P(x x) __________ = = ; x 0,1,2,3...
=
x!
= t ; (
2
= A t (
2
=
TEOREMA APROXIMACIN ENTRE LA DISTRIBUCIN
BINOMIAL Y POISSON
Sea X una vari able al eatori a Binomial con distribucin de probabilidad
( x,n, p )
Cuando n , p 0, = np per manece const ant e

e

x

+
++ ____________________________________ , x 0,1, ..,
=
( ) ( ) x , n , p , p x P o i s s o n x ( )
, t
= x!
+v0 en otro caso
1. En un proceso de manufactura en el cual se producen piezas de
vidrio, ocurren defectos o burbujas, ocasionando que la pieza se no
deseable para la venta.
Se sabe que en promedio uno de casa mil piezas tiene una o ms
burbujas Cul es la probabilidad de que en una muestra aleatoria de
8000 piezas, menos de 7 de ellas tengan burbujas?
Solucin:
X : variable aleatoria numero de
burbujas n= 8000 grande
P= 1/1000 = 0.001 pequea
181

6
8000 x n x
{ } x 7 P ( x 7 )
< < =
( ) ( )
0.001 1 - 0.001 , no sera
x
x 0
=
conveniente usar la distribucin binomial.
C o mo o b s e r v a mo s n y 0 , u s a mo s e l
t e o r e ma d e a p r o x i ma c i n d e l a b i n o mi a l a l a
P o i s s o n . L u e g o :
= np = 8000 x 0.001 = 8 = 8.

Apliquemos Poisson
6 - x
( ) ( )
e
{ }
x 7P(x 7) P (x , ) P x ,
< < = = x !
x 0
=
6
P(x 7) P(x ; 8)(0) (1) (2) (3) (4)
< = = P + +
P P + P + P
x 0
=
+ P(5) (6) (x, 8000, 0.001)
+ P H
4 6
- 8 T 8 8 2
3
8
5

8 8 8
= e 1 + + + + + +
' s
1! 2! 3! 4! 5! 6! ]
8
= e | 1 8 32 85. 3 3 1 60. 66 273. 06 3 64. 08
+ + + + + + |
e| 934. 13| 0. 3134
-8
= =
L u e g o < =
P(x 7) b(x; 8000,0.001) 0.3134
H
2. La probabilidad de que un estudiante presente problema de escoliosis
(desviacin lateral sufrida por la columna vertebral) en una escuela de la
localidad es de 0.004. De los siguientes 1875 estudiantes revisados,
encuentre la probabilidad de que:
a) Menos de 5 presenten este problema
b) 8, 9 10 presenten este problema
Solucin:
X = Variable aleatoria de que un estudiante presente problemas
de escoliosis
n= 1875 grande
P= 0.004 pequeas
Usando luego (x; 1875, 0.004) H P (x, 7.5)
182
e
7. 5

=
' s
|1
+
7.5
7.52
+
1!
7 . 5 +
2!
2 8. 1 25

= np = 1875 x 0. 004 = 7. 5
4 4
o ) { }
x 5 P(x, 7,5) P(x 5) P(x; 7.5)
< = < =
x 0
= x 0
=
+
7 . 5 3
+ 7 . 5 4
]
3! 4!
70. 3 1 3 1 3 1.8359| 0.1321 0.13206
+ + H =
10 10
| ) { 8 x 10 P (8 x 10) ;1875,0 . 004
o o o o =
} ( x ) H P(x,7 . 5)
x 8
=
x=8
10
H P( x, 7 . 5)
x 8
=
e
- 7 . 5 7. 58 +
7 . 5 9
+ 7. 51 0

' s ]
8! 9! 1 0!
e x 610. 3941
-7 .5
H | |
H0. 3376

1Xf(x)=
1
e
2 6
2 6
0 0 < x
< 0 0
183
Semana 14
DISTRIBUCIN NORMAL
La distribucin contina de probabilidad mas importantes en todo el campo
de la estadstica es la distribucin normal. Su grfica recibe el nombre
de curva normal, teniendo forma de campana (como en la figura), la cual
describe aproximadamente muchos fenmenos que ocurren en la
naturaleza, la industria y la investigacin. Fue estudiada por primera vez en
el siglo XVIII cuando cientficos observaron con sorpresa el grado de
regularidad en los errores de medicin descubrieron que los patrones
(distribuciones) eran aproximados a una distribucin continua que
denominaran curva normal de errores y le atribuyeron reglas de
probabilidad. En 1733 Abraham De Moivre desarrollo la ecuacin
matemtica de la curva normal, tambin se llama distribucin Gaussiana en
honor a Karl Friedrich Gauss (1777-1855) quien tambin derivo su ecuacin
en un estudio de errores en mediciones repetidas de la misma cantidad. La
ecuacin matemtica depende de los parmetros y 6 y notandosela
2
p o r ( ; ; 2 ) N x 6 .

184
Particularidades:
1. La media, mediana y moda (x,Me,Mo) coinciden, definiendo la simetra de
f(x) .
2. Es simtrico respecto a su media
3. La curva ti ene punto de i nfl exi n ( (desvi aci n
estndar)
4. Es asinttica con el eje x

5. La grfica de la curva y el eje x encierra un rea 1f ( x ) dx 1
+ =

Media: +
E X = x f ( x ) d x = V a r i a n z a : ( )
2
= + ( )
2
( )
= ( 2
E X x f x d x
6. Comportamientos ms frecuentes en experimentos.

185

reas bajo la curva normal:
Ex per i me nt o : X N x (
( , ,
2 )

En cualquier experimento que hagamos estaremos interesados en calcular la
probabilidad de ocurrencia en el intervalo dado <a,b>:
2
b b 1
X
1
2 (
P a X b f X dX _______
( < < =
) + ( ) = + e dX, para cada a y b tendramos
2(
a a

que integrar para evitar, se utiliza la transformacin Z = x _________ y se logra
(
est andar i zar N( x, , (
2 ) a X b
P a X b P
( < < =
) < < =P(Z
1
<Z<Z
2
)
( ( (
Definimos finalmente:
P ( a x b ) P ( Z Z
2
) P ( Z Z
1
)
< < = < <
La normal estndar N(z;0,1)es la que mediante los mtodos numricos en
integracin se determinan los diferentes valores de Z y sus respectivas
probabilidades que se presentan en una tabla. A continuacin mostramos que
su media es cero y varianza 1.

X 1 1 1
E Z E
( ) = = E X
( ) ( ) ( ) 0
=
EX =

=
( ( ( (
2 X 1 (
2

X 2
V Z V ________
( )= = = ( )
= = 1
2 2
E E X
( ( ( (
186

LECTURA DE LA TABLA
Casos que se presentan en solucin de problemas relacionados con la
distribucin normal.
Caso 1. Cuando la probabilidad se encuentra en la tabla
Caso 2. Cuando la probabilidad no se encuentra en la tabla es necesario
realizar una interpolacin lineal.
Caso 3. Cuando se nos pide determinar un nmero k dada una
probabilidad la cual se puede o no encontrar en la tabla. Usando
la normal estndar con media 0 y varianza 1: N(z,0,1), se
determina la probabilidad deseada. La lectura de la tabla se realiza
de izquierda a derecha.
Determinar las siguientes probabilidades:
1. Utilizando la definicin calcular las siguientes probabilidades:
a) P(Z < 1 . 48)

0 1.48
b) P(Z < 0 . 5 3 )

187

c) P(2.45 < Z < 3.2 ) ~I~III
0 1 4 5 1 2 2
d) P( 2. 0 1 < Z < 1
. 05)
-2.01 -1.05 0
e) P(1. 96 < Z < 1. 25 )
-1.96 0 1.25
Solucin:
a ) 0.9306
b ) 0.2981

c )
= =
P(Z < 3.2) P(Z < 2.45) 0.9993 0.9929 0.0064
d ) P( 2. 0 1< Z< 1. 05) = P( Z
< 1. 05) P( Z2. 0 1)
=0.14690.02220.1247
=
e ) P( 1. 96 < Z< 1. 25) = P(Z < 1. 25) P(Z < 1. 96)
= 0. 89440. 0250 = 0. 8694
2. Dada la variable x distribuida normalmente con media 8 y desviacin
estndar 2.5 encuentre:
a) P(X < 1 5)
b) El valor de k tal que P(X < k) = 0 .2236
c) El valor de k tal que P(X > k) = 0.1814
d) P(1 7< x<2 1)

188
Solucin:
a)
X N( X; 1 8; 2.
5
2
) X18 15 18

P X
( 15)
< = P < 2 . 5
2 . 5
= P ( Z < 1 . 2 ) = 0 . 1 1 5 1

b) Cal cul ar k tal que P( X < k) = 0. 2236

X 1 8 k
18 0. 2236
P < =
2. 5 2. 5

k 18 0.2236 P
Z _______
< =
2. 5
z=0.75
k 18 0. 2236
=
2.5
k 18+2.5(-0.75) 16.12
= =
c) Cal cul ar k t al que P( X > k) = 0
. 1814 P( X > k) = 1
P( Xo k) = 0. 1814
P ( X o k ) =
1 0. 1814
P z <
k 1 8
= 0 . 8 1 8 6
2. 5
k- 1 8 = 0.
9 1 2.5
k 18 2. 5( 0. 91) 20. 28
= + =
d) P ( 1 7 < X < 2 1 ) = P

1 7 1 8
< z < 2 1 1 8

2. 5 2. 5
= < <
P ( 0 . 4 z 1 . 2 )
= P ( z < 1 . 2 ) P ( z < 0 . 4 )
= 0. 8849 0. 3446

= 0. 5403
189

- Supongamos que una poblacin estudiantil de tamao
N=3000 tiene una media de 18 aos de edad, y una
desviacin estndar de 2.5 aos. Cuntos estudiantes
tienen edades entre 18 y 21 aos?
Tenemos l a probabi l i dad P(17 < X < 21)= 0. 5403
Nmero de estudiantes = 3000(0.5403)
= 1620.9
Rpta: nmero de estudiantes = 1621
3. Una maquina despachadora de refrescos esta ajustada para servir un
promedi o de 200 ml . Por vaso. Si l a canti dad de refrescos es
normalmente distribuida con una desviacin estndar igual a 15 ml.
a) Qu fraccin de los vasos contendr ms de 224ml.?
b) Cul es la probabilidad de que una vaso contenga entre 191 y 209
ml.?
c) Cuantos vasos probablemente se derramarn si se utilizan vasos
de 230 ml. En los siguientes 1000 refrescos?
d) Por debajo de que valor se obtiene el 25% mas pequeo de los
refrescos?
Solucin:
X: V.A capacidad del vaso
: 200
ml /vaso ( :
15 ml .
a) { 224} ( 224) 1 ( 224)
X > P X > = P X o
= 1 P z <
224 200
15
= 1 P( z < 1 .
6 ) = 1 0 . 9 4 5 2 P( X
2 2 4 ) 0 . 0 5 4 8
> =
191 200
209 200
| ) { 1 9 1 < <
X 2 0 9 } (
P 1 9 1 < <
X 209)= P < <
z
15 15
= < <
P( 0 . 6 z 0. 6 )
= P( z < 0 . 6 ) P( z < 0 .
6 )
= 0. 7257 0. 2743

= 0. 4514
c )

x

190

-0.67 0.2514
Z 0.25
-0.68 0.2483

{ X > 2 3 0 } P ( X > 2 3 0 ) = 1 P ( X o 2 3 0
= 1 P z < 2 3 0 2 0 0
15
= 1 P ( z < 2 )
= 0. 0228
Nmero de vasos = 1000 0.0228 = 22. 8 H 23
d) Caso en que la probabilidad no se encuentra en la tabla, para ello
es necesario realizar una interpolacin lineal.

{ x < k } P ( x < k ) = 0 . 2 5 P z < k
1 5
0 0
= 0 . 2 5
0.25 probabilidad que no se encuentra en la tabla.

0. 6 8 z 0.2483 0.2 5

0. 6 8( 0. 67) 0. 2483 0. 2514

0. 6 8 z 0. 0017
0. 0 1 0.0031
17
=
0. 6 8 z 0. 0 1 31
z = 0. 6745

Pz < k
200 = 0. 2
5

15
=-0.6745
191

k 200
0.6745
=
15
k =
15 0. 6745 200
+
k = 189. 88 190 .
H m l
4. El dimetro interno ya terminado de un anillo de pistn est
normalmente distribuido con una media de 10 centmetros y una
desviacin estndar de 0.03 centmetros.
a) Qu proporcin de anillos tendr un dimetro interno que excede de
10.075 centmetros.
b) Cul es la probabilidad de que un anillo de pistn tenga en dimetro
interno entre 9.97 y 10.03 centmetros?
c) Por debajo de que valor de dimetro interno caer el 18.5% de
los anillos de pistn?
Solucin:
X: V.A. dimetro interno del pistn
=10c m.
( =0. 03 cm.
o) { X > 1 0. 075 ( 1 0.07 5) 1 ( 1 0.07 5)
} P X > = P X o
= 1 P ( Z < 2 . 5 )
=
1 0.9938
= 0. 0062
|) { 9 . 9 7 < <
X 1 0. 03} (9. 97
P < <
X 1 0. 0 3 ) = P( 1 < z < 1)
= 0 . 8413 0 . 1587

= 0. 6826
_) La probabilidad dada 0.185 no se encuentra en la tabla hagamos
una interpolacin lineal para encontrar el valor k
buscado.
k 1 0
P X k
( )
< =0. 1 85
<
P z
=0. 1 8 5
0. 03

-0.88 0.1894
Z 0.0185
-0.89 0.1867

192

z
0. 89
0.1867 0 . 1 8 5

=
0. 89( 0. 8 8) 0. 1867 0. 1894

z = 0. 89 0. 01 17 = 0. 8963
27

k 10 k10
P z _______
< = 0. 185 = 0. 8963 =
k 9.973111 9.9731
E
0. 03 _ 0. 03

Rpt a. P( X < 9. 9731) E 0. 185
193
Semana 15
ERRORES DE APROXIMACIN EN MEDICIONES
USANDO LA DISTRIBUCIN NORMAL
En la solucin de problemas tambin se puede presentar error de
aproximacin en las mediciones.
As por ejemplo: si aproximamos a las error
Centenas 50
Decenas 5
Unidades 0.5
Dcimas 0.05
Centsimas 0.005
Milsimas 0.0005
5. Una compaa paga a sus empleados un salario promedio de $9.25 por hora
con una desviacin estndar de 60 centavos. Si los salarios estn
distribuidos aproximadamente en forma normal y los montos se cierran a
centavos.
a) Qu porcentaje de los trabajadores reciben salarios entre $8.75 y
$9.69 por hora inclusive?
b) el 5% por ciento ms alto de los salarios por hora de empleado es
mayor a que cantidad?
Solucin:
X : V.A. salarios por hora que perciben los empleados
=$ 9 . 2 5
( =$0. 60
e = 0.005

z
1. 64+1. 65 =1.
645 2
194
8.7 5 0.005 9.25
9.69 0.005 9.25
+
o ) { 8 . 7 5 o o
X 9.69} (
P 8.7 5o o E
X 9.69) P < <
z
0.60 0.60
E P < z <
( 0. 84 0.74 0.7704 0.2005
)

=

E
0
.
5
6
9
9
5
6
.
9
9
%

| ) P( X > k ) = 0. 05
P( X > k ) = 1 P( X o k ) = 0 . 0 5
P( X o k ) = 0 . 9 5
P z < k + 0. 005
9 . 2 5
0. 9 5 k + 0. 005 9. 25 = 1. 645
0 . 6 0 0 . 6 0
=
k = $ 1 0 .23
2
4 P(x >1 0.23 2)=0.05, es el salario mas al to por hora es k=10.232
6. Si un conjunto de observaciones estn normalmente distribuidas, Qu
porcentaje de estas difiere de la media en
a) Mas de 1.3 ( ?
b) Menos de 0.52 ( ?
Solucin:
X: V.A. tiene una distribucin ( , ,
2
)
N x (
a) La diferencia en valor absoluto
X (
; P X > 1 . 3 ;
( ) (
P X < 0 . 5 2 ( )
P X > 1 . 3 = 1 P X < 1 . 3
( ( ) ( ( )

= <
z
1 P 1. 3 <1. 3
(
= < <
1 P( 1 . 3 z 1 . 3 )
=
1 0. 9032 0. 0968
( )
= 0.1936
4 P ( x > 1 . 3 () = 1 9 . 3 6 %
195

b ) ( < 0 . 5 2 ) = ( 0 . 5 2 < < 0 . 5 2 )
P X ( P z
= 0.6985 0 . 3015

= 0. 3970
P( X < 0 . 5 2 () = 3 9 . 7 0 %
7. La resistencia a la tensin de cierto componente metlico est
normalmente distribuida con una media de 10000 kilogramo por
centmetro cuadrado y una desviacin estndar de 100 kilogramos por
centmetro cuadrado. Las mediciones se registran y se redondean a 50
kilogramos.
a) Cul es la proporcin de estos componentes que exceden de
10150 kilogramos por centmetro cuadrado de resistencia a la
fusin?
Si las especificaciones requieren que todos los componentes
tengan una resi st enci a a l a tensi n entre 9800 y 10200
kilogramos por centmetro cuadrado inclusive, qu proporcin
de piezas se esperara que se desecharan?
Solucin:
X: V.A. resistencia a la tensin
= 10000 Kg/cm
2

( =100 kg/cm
2

Como l as medi ci ones se redondean a l os 50 kg/cm
2
el error
e =
5 0
=
25
2
a ) { 1 0 5 0 } ( 1 0 5 0 ) 1 ( 1 0 5 0 )
X > P X > = P X o
1 0 5 0 2 5 1 0 0 0 0
+
E <
1 P z

100
E1 P( z < 1. 7 5 )
E1 0. 9599
P( X > 1050) E 0. 0401
196

9800 25 1000
10200 25 10000
+
b ) { 9 8 0 0 o o
X 10200 } (
P 9 8 0 0 o o
X 10200 ) E P < <
z

100 100
E P
( 2 . 2 5 < z < 2 . 2 5 )
E 0. 9878 0. 0122

E 0. 9756
Se espera que desechen: 1 0 .9756 = 0.0244 2.44%
PROPIEDADES IMPORTANTES:
Por ser continua la distribucin normal: ( )
N X, , ( s e c umpl e que:
2
P ( a X b ) P ( a X b ) P ( a X b ) P ( a X b )
< < = o o = < o = o o
Se justifica por que la probabilidad en punto es cero, NO
OCURRIENDO as en el caso discreto.
P( X < () = 0 . 6826 i ndi ca que l os datos se al ej an de l a medi a una
desviacin estndar.
P( X < 2() = 0. 9544 i ndi ca que l os dat os se al ej an de l a medi a
dos
desv. est.
P( X < 3() = 0. 9974 i ndi ca que l os dat os se al ej an de l a medi a
tres
dev. est.
1. Es poco comn observar un valor de una poblacin normal que se
encuentre mas lejos de 2 desviaciones estndar de . Estos resultados
sern importantes en el desarrollo de procedimientos de prueba de
hiptesis.
2. Los resultados que observamos en 2 con frecuencia se reporta en
forma de porcentaje y se conocen como la regla emprica (la evidencia
emprica ha mostrado que varios histogramas de datos reales pueden
ser aproximados por curvas normales)
Si la distribucin en la poblacin de una variable es
(aproximadamente) normal, entonces.
a) Alrededor de 68% de los valores estn dentro de 1 desv. est. De la
media.
b) Alrededor de 95% de los valores estn dentro de 2 desv. est. De la
media.
c) Alrededor de 99.7% de los valores estn dentro de 3 desv. est. De la
media.
197

APROXIMACIN DE LA DISTRIBUCIN NORMAL A LA
BINOMIAL
Las probabilidades que se asocian con experimentos binomiales pueden
obtenerse fcilmente cuando n es pequea de la frmula b(x, n, p). Si n es
grande, es conveniente calcular las probabilidades binomiales por
procedimientos de aproximacin.
La distribucin binomial se aproxima bastante bien con la normal en
problemas prcticos cuando la distribucin discreta tiene forma de
campana. Planteamos luego un teorema que permite utilizar reas bajo la
curva normal para aproximar propiedades binomiales cuando n es
suficientemente grande.
TEOREMA.- si X es una variabl e al eatoria binomial con media = np,
varianza (
2
= nqp entonces la forma l mite de la distribucin
de: ,
z = x~ cuando n es l a normal estndar
N(z, 0, 1) npq
- La aproximacin a la normal es buena para resolver
probabilidades binomiales siempre que p no este cercano a 0 o 1. La
aproximacin es excelente cuando n es grande y bastante buena para
valores pequeos de n, si p esta razonablemente cercana a 1/2. Una
gua para aplicar cuando puede utilizarse la aproximacin normal es
tener en cuenta que np o nq sean mayores o iguales a 5.
- Para realizar la aproximacin es necesario usar el factor correccin
0 . 5.
198

Los puntos medios son las marcas de clase del histograma, pasando la curva
aproximadamente por los puntos medios de la parte superior de los
rectngulos.
1. Supongamos que tenemos (x,1 5,0 .4) es decir es un experimento en donde
n=15 y p=0.4 y consideremos que el nmero de xitos varia entre 7 y 9
inclusive, se pide calcular la probabilidad.
a) En forma exacta
b) En forma aproximada
Solucin:
X: V.A. sique una distribucin binomial.
=np=15(0.4)=6
(= 1 5 0 . 4 0 . 6 = 1 . 8 9 7
9
a ) V a l o r e x a c t o P ( 7 o x o 9 ) = ( x , 1 5 , 0
. 4 ) = P ( 7 ) + P ( 8 ) + P ( 9 )
x =7
15
= ( ) 0 . 4
0 . 6
0 . 1 7 7 1
7 7
8 =
7
P

P ( 8 ) =
1 5

0.4
8
0. 6
7
=0.1181
8

199

P 6
( ) 15 9
= =
9 0. 4 0. 6 0. 0612

9
P ( 7 o x o 9 ) = 0 . 3 5 6 4
b) Val or apr oxi mado, us amos el f act or de cor r ecc i n por
continuidad 0.5
7 0 . 5 6
9 0. 5 6
+
{ 7 o o o o =
X 9 } (
P X
7 9 ) P < <
z
1. 897 1. 897
6. 5 6
9. 5 6

E P < <
z
1. 897 1. 897

E P( 0.26 < <
z 1. 85)
P X
( 7 o o E
9) 0 . 3652
Como observamos, la aproximacin de la curva normal proporciona un valor
muy cercano al valor exacto de 0.3564. El grado de precisin, el cual
depende tambin de que la curva concuerde con el histograma, se
incrementar conforme n aumenta.

2. Una moneda se lanza 400 veces. Utilice la aproximacin de la curva
normal para encontrar la probabilidad de obtener:
a) Entre 185 y 210 caras inclusive;
b) Exactamente 205 caras;
c) Menos de 176 o ms de 227 caras.
200

Solucin:
X: V.A. de que salga cara
p=1/ 2 400
n =
n p
= = 4 0 0 ( 1 / 2 ) 2 0 0
=
(= 4 0 0 1 / 2 1 / 2 1 0
=
o ) { 1 8 5 o X o 2 1 0 } p
1 8 5
1
0
0
0 0 .
5 < Z < 2 1 0 1 0 0 0 + 0 .
5
P ( < <
1. 5 5 z 1. 05) = P( z < 1. 05) P( z < 1. 5
5) = 0. 85310. 0606 P( 1. 5 5
< <
z 1. 05) 0. 7925
=
| ) { X = 2 0 5 } P ( X = 2 0 5 ) =
P
2 0 5 0 .
0
5
2 0 0 < z < 2 0 5 + 0 .
0
5 2 0 0 P ( 0 . 4 5
< < z 0 . 5 5 ) = P ( z < 0 . 5 5 ) P ( z
< 0 . 4 5 ) 0 . 7 0 8 8 0 . 6 7 3 6
=
P ( 0 . 4 5 < <
z 0. 5 5) 0. 0352
=
_ ) { } { } { ( ) ( )
X < 1 7 6 X > 2 2 7 P X < 1 7 6 - X > 2 2 7
} P ( X < 1 7 6 ) + P ( X > 2 2 7 )
P( X < 1 7 6 ) = Pz < 1 7 62 0 0 0. 5 1 0 = P( z
< 2 . 4 5 )
P ( X )
< 176 0. 0071
=
P( X > 2 2 7) =1 Pz < 2 27 2 00 + 0. 5 10=1 P( z
< 2 . 7 5) =1 0 . 9 97 0
P(X )
> 227 0. 0030
=
P(X 176) ( 227) 0.0071 0.0030 0.0101
< + P X > = + =
3. Un sexto de los estudiantes que entran a una gran escuela del estado
proviene de otros estados. Si los estudiantes se asignan aleatoriamente
a los dormitorios, 180 en un edificio, cul es la probabilidad de que en
un dormitorio determinado al menos una quinta parte de los estudiantes
sea de otros estados?
Solucin:
- X: V.A que los estudiantes sean de otro estado
1
- P = estudiantes de otros estados
6
- n =180 dormi tori os
201

1
- = n p = 1 8 0
=
3
0
6

1 5
1 8 0 =
5
6 6
- ( = n p q
=
1
Al menos la quinta parte son de otros estados: 180 3 6,
= l u e g o
5
{ X c 3 6 } P ( X c 3 6 ) = 1 P ( X < 3 6 )

36 0. 5 30
E1- P z
<

5
E 1 P ( z < 1 . 1 )
E
1 0.08643
P( X 3 6 ) 0 . 1 3 5 7
c =
4. Un fabricante de medicamentos sostiene que cierta medicina cura una
enfermedad de la sangre en el 80% de los casos. Para verificarlo los
inspectores del gobierno utilizan el medicamento en una muestra de
100 individuos y deciden aceptar dicha afirmacin si se curan 75 o
ms.
a) Cul es la probabilidad de lo que se dice sea rechazado cuando la
probabilidad de curacin sea en efecto 0.80?
b) Cul es la probabilidad de que la afirmacin, sea aceptada por el
gobierno cuando la probabilidad de curacin sea menor cuando
la probabilidad es 0.7?
Solucin:
X: V.A curacin de la medicina a una enfermedad
p=0.8
n=100
a ) = np =1 00( 0. 8) = 8 0
( = 1 0 0 0 . 8 0 . 2 = 4
Por uso del enunciado evento que sea rechazada
{ X < 7 5 } P( X < 7 5 ) = P z < 7 5 0 . 5 8 0

4
E P ( z < 1 . 3 8 )
E 0. 0838
202

b) P=0.7
n=100
np
= =1 00(0 . 70) 70
=
(= 100 0. 70 0. 3 0 4. 5 8
=
Segn enunci ado sea acept ada l a medi ci na con
p=0. 7 {X < 75}= {z > 75} P((X 7 5)
< = ( X > 7 5 ) ) P( s )
P ( X < 7 5 ) + P ( X > 7 5 ) = 1
P ( X > 7 5 ) = 1 P ( X < 7 5 )
E1-
P
z<75- 0 . 5 - 70
4. 5 8
E 1- P ( z <0. 98)
E
1 0 .8365
P( X 7 5 ) 0 . 1 6 3 5
> E
DISTRIBUCIN WEIBULL
INTRODUCCIN
Como acabamos de estudiar la distribucin normal puede utilizarse para
resolver muchos problemas de ingeniera y ciencia, pero existen numerosas
situaciones que requieren diferentes tipos de funciones de densidad entre
ellas las distribuciones gamma y exponencial. La distribucin exponencial es
un caso especial de distribucin gamma. Ambas tienen un sin nmero de
aplicaciones por ejemplo ambas juegan un papel importante en la teora de
colas, problemas de confiabilidad. El tiempo entre las llegadas en las
instalaciones de servicio, el tiempo de falla de los componentes y sistemas
elctricos frecuentemente involucra la distribucin exponencial. Como
vemos la relacin entre ellas es muy importante.
En la actualidad con el avance tecnolgico se permite disear muchos
sistemas complicadas cuya operacin, o tal vez seguridad depende de la
confiabilidad de los diversos componentes que conforman el sistema. Por
ejemplo un fusible puede daarse, una columna de acero puede doblarse o
un dispositivo sensor de calor puede fallar. Idnticos componentes sujetos a
idnticas condiciones ambientales fallan en diferentes e impredecibles
tiempos.
Se ha comentado la importancia de las distribuciones gamma y exponencial
que tienen en la estadstica como herramientas a solucionar, tipos ms
especficos de problemas en ingeniera.
203

Otra distribucin que se ha utilizado extensamente en aos recientes para tratar
tales problemas es la DISTRIBUCIN WEIBULL introducida por el fsico sueco
Waloddi Weibull en 1939.
Distribucin Weibull.- La variable aleatoria continua X tiene una
distribucin Weibull con parmetros ( y , si su funcin de densidad es:

+ + (
x e 1 x

(
, x > 0
f x
( ) = ++v
0 cualquier otro caso
Donde ( > 0 y >0
Si consideramos (=1 y = 1, 2, 3 logramos diferentes grficos ( puede
tomar otros valores) con = 1, f(x) es una exponecial.

= 2 y = 3 las figuras requieren una forma acampanada mostrando cierta
asimetra.
Como a toda funcin de densidad de probabilidad la caracteriza su media
varianza. Determinemos su media por ejemplo:
00 1 x
= E X
( ) = + x x e
(
(
0
204

Hagamos un cambio de variable U = (x
, obtenemos:
1
1/ 1/ U 1/
+ U e d U

(
= = ( +
1
0
1
+ = + 1 /
1 U
e
U
du es la funcin gamma.

0

Luego, =(
- 1 /
( 1 +
1/ )
Empleando un mtodo similar podemos la varianza que est por:
2
+
2
( (

2 = +
2/ ++ 1
T +
1 +
' 1

+v s ]+|
- Supngase que la vida til de cierta clase de batera (en horas) es una
variable aleatoria que tiene distribucin de Weibull con ( = 0.1 y = 0.5.
Calclese.
a) La vida til promedio de esta batera.
b) L a p r o b a b i l i d a d d e q u e l a b a t e r a d u r e
m s d e 3 0 0 h o r a s . S o l u c i n : X : V . A .
t i e mp o d e v i d a
a) Sustituyendo en la frmula de la media, obtenemos:
= (0,1)
-2
(3) = 200 horas
0. 5 0. 5
b) P(X > 300) = + ( )
0 . 0 5 x e
x
d x e
0.5 0.1
0. 1 ( 3 00 )
= = 0.177
300
- Se demuestra que la funcin de la tasa de fallas est dada por
Z(t) = (t - 1 , t > 0
Si y solo si la distribucin del tiempo para la falla es la distribucin
de Weibull.
(
- 1
f(t) = t
( t
e , t >
0
Si consideramos = 1
Z(t) constante
si > 1
Z creciente

si 0 < < 1
Z decreciente

Si = 2 Z(t) es una lineal
Si = 3 Z(t) es una cuadrtica
OBSERVACIN.- La distribucin de Weibull representa un modelo
apropiado para una ley de falla siempre que el sistema est compuesto por
cierto nmero de componentes y la falla se deba principalmente al defecto
mas grave en un gran nmero de defectos del sistema. Tambin utilizando
la distribucin de Weibull, podemos obtener una tasa de falla creciente y
decreciente al hacer simplemente una eleccin apropiada del parmetro .
I. VARIABLES ALEATORIAS DISCRETAS
1. En un problema de una prueba aplicada a nios pequeos, se les pide
que hagan corresponder cada uno de los tres dibujos de animales con la
palabra que identifica al animal respectivo. Si un nio asigna
aleatoriamente las tres palabras a los tres dibujos, encuentre la
distribucin de probabilidad para X el nmero de correspondencias
correctas.
2. Suponga que se ha cargado un dado de modo que la probabilidad de que
salga un nmero determinado es proporcional al mismo. Calcular las
probabilidades de los eventos de un solo elemento y usarlas para calcular
la probabilidad de ocurrencia de
a) Un nmero par
b) Un nmero mayor que cuatro
3. Los registros de una compaa de seguros de automviles dan la
siguiente informacin sobre accidentes; la probabilidad de que un
205
206
1
, X = 0
b)
Para las demas X

conductor asegurado tenga un accidente automovilstico es de 0.15.
Si ocurre un accidente, el dao al vehculo es 20% de su valor en el
mercado con probabilidad 0.80; 60% de su valor con probabilidad
0.12 y una perdida total con probabilidad 0.08. Qu pri ma debe
cobrar la compaa por un automovil de cuatro mil nuevos soles para
que la ganancia esperada de la compaa sea cero?
4. Cules de las funciones siguientes son distribuciones de probabilidad
discretas?
+
3
++ 2
a) p (X ) ,
= + X = 1
3
+
+0 , para l as demas X
v
X 5 X
+ 5 2
1
++ =
X
0
,
1
,
2
,
3
,
4
,5
p X
( ) = X 3 3
+
v0

5. Si llueve, un vendedor de paraguas gana $30 al da, sino no llueve,
pierde $6 al da. Cul es su esperanza matemtica si la probabilidad de
lluvia es de 0.3?
6. Supngase que se realiza una sucesin de lanzamiento
independientes con una moneda para la cual la probabilidad de
obtener una cara en cualquiera de los lanzamientos es de 1/30
a) Cul es el nmero esperado de lanzamiento que se necesitaran para
obtener 5 caras?
b) Cul es la varianza del nmero de lanzamientos que se necesitaran
para obtener 5 caras?
7. El gerente de un almacn de ropa para caballeros est interesado en el
inventario de trajes, que en ese momento es de 30. El nmero de trajes
vendidos a partir de este momento hasta el final de la temporada se
distribuye como:
p X
( )
=
+
e

20
20
X

x = 0, 1,2,...,30
Para todas las dems
+
+
+
v
x !
0
207

Encuentre la probabilidad de que le queden trajes sin vender al final de la
temporada.
8. De una urna contiene 9 canicas de color azul y 3 de color negro, se
extraen 8 sin reemplazo. Encontrar la probabilidad de obtener x canicas
de color azul.
9. Supngase que una urna contiene 7 bolas de color rojo y 3 de color
azul. Si se selecciona 5 bolas aleatoriamente y sin reemplazo
determine la funcin de la densidad del nmero de bolas de color
rojo, que se obtienen.
10. Una variable aleatoria X puede tomar 4 valores con probabilidades
+ 1 2x

1 3x 1 x
+ 1 4x

; ;; Para qu valores de X es esta una
4 4 4 4
distribucin de probabilidades?
DISTRIBUCIN BINOMIAL
11. Un ingeniero de control de trfico informa que 75% de los vehculos que
pasan por un punto de verificacin tienen matrculas del estado. Cul es
la probabilidad de que ms de cuatro de los siguientes nueve vehculos no
sean del estado?
12. Supngase que la probabilidad de que una partcula emitida por un
material radioactivo penetre en cierto campo es de 0.01. Si se emiten
10 partculas, Cul es la probabilidad de que slo una de ellas
penetre en el campo?
13. Entre personas que donan sangre a una clnica, 80% tiene Rh+; es decir
tienen el factor Rhesus en la sangre. Cinco personas donan sangre en la
clnica un da determinado.
a) Calcular la probabilidad de que al menos una de las cinco no tenga el
factor Rh.
b) Calcular la probabilidad de que cuando mucho cuatro de las cinco
tengan sangre Rh+.
14. Un complejo sistema electrnico est construido con cierto nmero
de componentes de apoyo en sus subsistencias. Un subsistema
contiene cuatro componentes idnticos, cada uno con una
probabilidad de 0.2 de fallar en menos de mil horas. El
subsistema
208

funciona si dos o ms componentes cualesquiera de los cuatro trabajan en
forma adecuada. Adems, se supone que los componentes operan de
forma independiente.
a) Encuentre la probabilidad de que exactamente dos de cuatro
componentes resistan ms de mil hora.
b) Encuentre la probabilidad de que el sistema funcione por ms de mil
horas.
15. Un ingeniero de control de calidad inspecciona una muestra aleatoria de
tres acumuladores de cada lote de 24 que estn listos para ser
embarcados. Si un lote contiene seis acumul adores con pequeos
defectos. Cules son las probabilidades de que la muestra del
inspector:
a) No contenga ninguna batera con defectos?
b) Contenga slo una batera defectuosa?
c) Contenga al menos dos de las bateras con defectos leves?
16. Considrese que 50% de los empleados de una gran compaa estn
casados. Sea X el # de empleados casados. En una muestra aleatoria
de 100 empleados, obtngase la media y la desviacin tpica de X.
17. Un empresa vende 4 artculos seleccionados al azar entre un lote
grande del que se sabe que contiene 10% de piezas defectuosas. Sea
X el # de piezas defectuosas de entre las 4 que se vendieron. El
comprador del articulo regresa las piezas defectuosas para su
reparacin y el costo de la reparacin es C=3X
2
+X+2 Calcular el
costo de reparacin esperado.
18. En un gran lote de bombas usadas, 20% no sirven y necesitan ser
reparadas. Se manda a un mecnico con tres juegos, de refacciones,
quien selecciona bombas al azar y las prueba una tras otra. Si funciona
una bomba, prosigue con la siguiente; si no funci ona, le instala uno de
sus juegos de refacciones. Supngase que tarda 10 minutos en probar
si una bomba funciona o no, y 30 en probar una que no funciona.
Calcular el valor esperado y la varianza del tiempo total que le llevara
terminar con sus tres juegos.
19. Un vendedor de radios y televisores otorga crditos a sus clientes.
Suponer que con anterioridad 10% de todos los deudores no pagaron
y que el vendedor tuvo que absorber la perdida de cada venta; el 90%
restante paga todos sus crditos y el vendedor tuvo una utilidad en
209

esas ventas. Suponer que ese vendedor tiene 10 televisores idnticos
que va a vender individuadme e independientemente a crdito a 10
personas. Si el comprador no paga, la perdida es de $200; si el
comprador paga, entonces su utilidad es de $100.
a) Cul es la distribucin del monto de la ganancia obtenida en esas 10
ventas?
b) Cual es su ganancia esperada en esas 10 ventas?
20. Suponga que el gerente de una compaa manufacturera considera que
tres de cada 10 personas que lean su folleto de los nuevos
automviles compraran uno en una de las distribuidoras. Si se
selecciona aleatoriamente cinco personas que hayan ledo el folleto,
cual es la probabilidad de que:
a) Ninguna compre un auto?
b) Las 5 compren un auto?
c) Cuando mucho 3 compren uno?
d) Al menos 3 compren uno?
DISTRIBUCIONES DE POISSON
21. Un distribuidor vende semillas de cierta clase de tulipn rojo en
paquetes de mil y sabe, por experiencia, que casi 1% de un gran
nmero de semillas no sern de la clase deseada. Cul es la
probabilidad de que un paquete dado contenga ms de 1% de
semillas de otra clase?
22. Un estacionamiento tiene dos entradas. Los automviles llegan a la
entrada I de acuerdo con una distribucin de Poisson de tres por hora,
y a la entrada II de acuerdo con una distribucin de Poisson con una
media de cuatro por hora. Cul es la probabilidad de que tres
automviles lleguen al estacionamiento durante una hora dada? (Se
supone que el nmero de autos que llegan a las dos entradas son
independientes)
23. Suponga que en promedio una de cada mil personas comete un error
numrico al preparar su declaracin de impuestos. Si se seleccionan al
azar 10000 formas, encuentre la probabilidad de que seis, siete u ocho
tengan error.
210

24. El nmero de rayos gamma que emite por segundo cierta sustancia
radiactiva es una variable aleatoria que tiene distribucin de Poisson con
= 5 . 8. Si un detector deja de operar cuando hay mas de 12 rayos por
segundo, cul es la probabilidad de que este instrumento deje de
funcionar durante un segundo cualquiera?
25. El arribo de camiones de carga a un muelle es un proceso de Poisson,
con una tasa promedio de llegadas de dos por hora. Los camiones se
descargan con un tasa promedio de tres por hora y el servicio de
descarga continua ininterrumpidamente hasta que todos los camiones
han sido descargados.
a) Cul es el nmero promedio de camiones a los que se est
descargando o que esperan ser descargados?
b) Cul es el nmero promedio de camiones en la fila?
c) Cul es el tiempo promedio que un camin debe esperar en la fila?
d) Cul es la probabilidad de que no haya camiones en espera de ser
descargados?
26. El nmero de llamadas telefnicas que entra a una central de edificio de
oficinas es de cuatro por minuto en promedio.
a) Calcular la probabilidad de que no lleguen llamadas en un
determinado periodo de un minuto.
b) Calcular la probabilidad de que por lo menos lleguen cuatro llamadas
en un periodo de un minuto.
c) Calcular la probabilidad de que por lo menos lleguen dos
llamadas en un periodo determinado de dos minutos.
27. Se certifica la calidad de los discos para computadora pasndose por un
certificador que cuenta el nmero de pulsos faltantes. Una
determinada marca de discos para computadora tiene en promedio
0,1 pulsos faltantes por disco.
a) Calcular la probabilidad de que al siguiente disco que se inspeccione
no le falten pulsos.
b) Calcular la probabilidad de que al siguiente disco que se
inspeccione le falte ms de un pulso.
c) Calcular la probabilidad de que a ninguno de los discos
inspeccionados le falten pulsos.
28. En un sistema de cmputo de tiempo compartido, el nmero de peticiones
de telepuerto es de 0.2 por milisegundo, en promedio, y sigue una
distribucin de Poisson.
211

a) Calcular la probabilidad de que no lleguen peticiones durante el
siguiente milisegundo.
b) Calcular la probabilidad de que no lleguen peticiones durante los tres
siguientes milisegundos.
29. Se ha observado en forma emprica que las muertes ocasionadas por
accidentes de trfico ocurren a razn de ocho por hora en los largos fines
de semana feriados. En el supuesto de que estas muertes ocurren en
forma independiente, calcular la probabilidad de que:
a) Transcurra una hora sin que haya muertes.
b) Transcurra un perodo de 15 minutos sin muertes.
c) Transcurran cuatro perodos consecutivos, que no se traslapen, sin
que hayan muertes.
30. Una panadera hace galletas con pedacitos de chocolate; un lote tiene mil
galletas. Se agregan tres mil pedacitos de chocolate a la masa para un
lote y se mezcla bien toda la masa. Si se elige al azar una galleta de un
lote,
a) Cul es la probabilidad de que no contenga ningn pedacito de
chocolate?
b) Cul es la probabilidad de que contenga tres pedacitos?
c) Cuntas galletas con un solo pedacito de chocolate podra haber en
un lote?
31. En un restaurante preparan una ensalada que contiene en promedio cinco
verduras diferentes. Encuentre la probabilidad de que la ensalada
contenga ms de cinco verduras.
a) En un da determinado.
b) En tres de los siguientes cuatro das.
c) Por primera vez el cinco de abril.
32. Suponga que en promedio una de cada mil personas comete un error
numrico al preparar su declaracin de impuestos. Si se seleccionan
al azar 10 mil formas y se examinan, encuentre la media y la
varianza de la variable aleatoria x que representa el nmero de
personas de entre 10 mil que comenten un error al preparar su
declaracin de impuestos.
33. La probabilidad de que un estudiante presente problemas de escoliosis
(desviacin lateral sufrida por la columna vertebral) en una escuela de
212

la localidad es de 0.004. De los siguientes 1875 estudiantes revisados,
encuentre la probabilidad de que
a) menos de 5 presenten este problema
b) 8 , 9 o 10 presenten este problema
34. Suponga que 3% de los pernos hechos por una maquina son
defectuosos y que aparece al azar durante la produccin. Si se
empaquetan 50 pernos por caja cual es la aproximacin de Poisson
para la probabilidad de que cierta caja contenga k pernos defectuosos?
35. Se estima que el de automviles que pasa por un cruce particular
por hora es de 25. Obtenga la probabilidad de que menos de 10
vehculos crucen durante cualquier intervalo de una hora suponga
que el nmero de vehculos sigue una distribucin de Poisson.
II. VARIABLE ALEATORIA CONTINUA
1. Qu valor debe tomar la constante k para que?
f ( X) =kX 0<X<2
+t0 para las demas X
sea una funcin de densidad
2. Supngase que la funcin de densidad de una variable aleatoria X es
la siguiente:
+ f ( X ) = ~ v 0 1 X 0 < X < 4
para las demas X
a) Cal cul ar el val or t tal que p(X < t) = 0 .25
b) Cal cul ar el val or t tal que p(X c t) = 0 .25
3. Sea f(X) la funcin de densidad de una variable aleatoria X dada por:
+f (X)=~v0 1 (9X
2
) 3<X<3
para las demas X
a ) P ( X < 0 )
b ) P ( 1 < X < 1 )
c ) P( X > 2 )
213

4. El tiempo de vida til, en das, de los frascos de cierto medicamento es
una variable aleatoria que tiene la densidad:
+20000 X>0
f ( X) = ( x + 1 0 0 ) 3
+0 para las demas X
Encuentre la probabilidad de que un frasco de este medicamento tenga
una vida til de:
a) Al menos 200 das.
b) Cualquier duracin entre 80 y 120 das.
5. La humedad relativa X, medida en cierto lugar, tiene una funcin de
densidad de probabilidad dada por:
f(X)=+cX3(1- X)
2
0oXo1
+
0 para las demas X
Encontrar el valor c que hace de f(X) una funcin de densidad.
6. Suponga que la variable aleatoria X tiene una funcin de densidad de
probabilidad dada por:
+ cxe x/2 , x>0
f ( X) +
0 para las demas X
Encuentre el valor de c que hace de f(x) una funcin de densidad.
7. Supngase que el error de fase de un dispositivo de rastreo tenga la
siguiente densidad de probabilidad.
f ( X ) = I c o s X 0 < X < 2
+0 para las demas X
Calclese la probabilidad de que el error de esta fase est:
a) Entre 0 y 4

b) Mayor que 3

214

8. En cierta ciudad el consumo diario de energa elctrica (millones de
kilowatts-hora) es una variable aleatoria con densidad de probabilidad
x
-
+ +1 3e20 0
X X>
f X
( ) 9
= +
+v0 para las demas X
Si planta de energa de ciudad tiene una capacidad de 12 millones de
kilowatts-hora, cul es la probabilidad de que el abastecimiento de
energa sea inadecuado en un da cualquiera?
9. Por experiencia, el seor Arenas sabe que el precio ms bajo de una obra
de construccin puede considerarse como una variable aleatoria que tiene
densidad uniforme:
+3 2 c
+ + < <
X c 2
f X
( )= 4c 3
+v0 para las demas X
Donde c es su propia estimacin del costo de la obra. Qu
porcentaje debe agregar el seor Arenas a su costo cuando presente
ofertas a fin de maximizar su utilidad esperada?
1
10. La distribucin de densidad f (x) =
2)
se llama distribucin de
(1+ x
Cauchy, la que fue introducida por Cauchy en 1853. Probar que esta
distribucin no tiene media.
11. Se X una variable con la siguiente funcin de distribucin acumulativa
+0 0
X o
+ X + 0 < X < 2
+ 8
F X
( ) = +
X 2
2
+ < o
X 4
+ 16
+ v1 4
X >
a) obtener la funcin de densidad para x
b) calcular p(1x3)
c) calcular p(x1.5)
215
+0 1
X o
+

1
Para las demas X

12. Calcular a de modo que la funcin
F X
( ) 2 1 1 X
= + < o a
+
X
+ v 1 X >a
Es una funcin de densidad acumulativa. Calcular p(1 o Xo 1. 5)
13. El tiempo de espera en horas, que tarda un radar en detectar 2
conductores sucesivos a alta velocidad es una variable aleatoria
continua con una distribucin acumulativa
+ 0 0
X <
F (X )1 0
8 X
= + v e X c
Encuentre la probabilidad de esperar menos de 12 minutos entre dos
conductores sucesivos.
14. Un autmata produce balines con dimetro X (en centmetros9. El dimetro
X es una variable aleatoria con funcin de densidad
++
5 0.4o o
X
0. 6
f X
( ) =
v 0
Calcular el valor esperado del volumen de los balines.
15. El contenido de magnesio de una aleacin es una variable aleatoria, dado
por la siguiente funcin de densidad de probabilidad
+1 ++ 0o o
X 6
f X
( ) = 1 8
+v0
Para las demas X
La utilidad que se obtiene de esta aleacin es p =10 + 2X
a) Determine la distribucin de probabilidades de p.
b) Cul es la utilidad esperada?
DISTRIBUCIN UNIFORME
16. El preci o por i nauguraci n de determi nado ti po de mercanc as se
T 3 1
distribuye de manera uniforme en el intervalo 35 ,44
's ] .
4 4
216
0 Para las demas X

a) Cul es la probabilidad de que algn da este precio sea menor que
40?
b) Cul es la probabilidad de que algn da este precio sea entre 40 y
42?
17. La variable aleatoria X se distribuye uniformemente en (0,2). Obtenga la
distribucin de la variable aleatoria Y = 5 + 2X
18. La variable aleatoria X esta distribuida uniformement e en (0,2) y la
variable aleatoria Y tiene distribucin exponencial con parmetro .
Encontrar tal que P(X<1) = P(Y<1).
19. La cantidad diaria en litros de caf despachada por una maquina
ubicada en la sala de espera de un aeropuerto es una variable
aleatoria X, la que tiene una distribucin uniforme continua con a = 7
y b = 10. Encuentre la probabilidad de que en un determinado da la
cantidad de caf despachada por esta maquina sea:
a) Cuando mucho 8.8 litros
b) Mas de 7.4 litros, pero menos de 9.5
c) Al menos 8.5 litros
20. Una corriente elctrica I fluctuante puede considerarse como una
variable aleatoria distribuida uniformemente en el intervalo (9,11). Si
esta corriente pasa por una resistencia de 2 ohm, encontrar la funcin
de densidad de la potencia: P = 2I
2
.
DISTRIBUCIN EXPONENCIAL
21. Se estima que el tiempo transcurrido hasta la falla del cinescopio de
un televisor se distribuye exponencialmente con media de tres aos.
Una compaa ofrece garanta por el primer ao en uso. Qu
porcentaje de las plizas tendr que pagar una reclamacin?
22. En una investigacin sismolgica se observo que hay una relacin Y=ce
x

entre la intensidad de las vibraciones en un lugar de la tierra y la
intensidad de los terremotos x en un epicentro, donde c depende de la
distancia entre dicho lugar y el epicentro. Supongamos que x es una
variable aleatoria con distribucin exponencial por
. f ( X) =
e
X
X > 0.
v
X > 0
f ( X ) = 1 2 0
v0
Calcular la funcin de distribucin acumulativa de variable Y.
23. La duracin ( en horas) x de cierto componente electrnico es una variable
aleatoria con la uncin de densidad
X
+ 1 -
e 100
f ( X) = 100 ~ v0
X > 0
Para las demas X
Tres de estos componentes trabajan independientes en una pieza de un
equipo. El equipo falla si al menos 2 de los componentes fallan. Encuentre
la probabilidad de que el equipo funcione al menos durante 200 horas sin
fallar.
24. Un fabricante de un monitor de televisin comercial garantiza el
cinescopio o tubo de imagen por un ao (8760 horas).los monitores
empleados en terminales de aeropuerto para programas de vuelo,
estn encendidos continuamente. La vida media de los tubos es de
20000 horas y siguen una densidad de tiempo exponencial. El costo
de fabricacin, venta y entrega para el fabricante es de $300 y el
monitor se vende en el mercado en $400. Reemplazar un tubo que
falla cuesta $150, incluyendo materiales y mano de obra.
El fabricante no tiene obligacin de sustituir el tubo si ya hubo una
primera sustitucin.
Cul es la utilidad esperada del fabricante?
25. El kilometraje (en miles de kilmetros) que alcanzan los
automovilistas con cierto tipo de neumtico es una variable aleatoria con
densidad de probabilidad.
X
+ 1 -
e
20

Para las demas X
Calcule las probabilidades de que uno de los
neumticos dure:
a) A lo sumo 10 mil kilmetros
b) Entre 16 mil y 24 mil kilmetros
c) Al menos 30 mil kilmetros
DISTRIBUCIN NORMAL
26. Una mquina despachadora de refrescos est ajustada para servir un
promedio de 200 mililitros por vaso. Si la cantidad de refresco es
217
218

normalmente distribuida con una desviacin estndar igual a 15
mililitros:
a) Qu fraccin de los vasos contendr ms de 224 mililitros?
b) Cul es la probabilidad de que un vaso contenga entre 191 y 209
mililitros?
c) Cuntos vasos probablemente se derramarn si se utilizan vasos de
230 mililitros en los siguientes mil refrescos?
d) Debajo de que valor se obtiene el refresco 25% mas pequeo?
27. Supngase que X ti ene una di stri buci n ( ,
2
) .
N 6 De t e r mi n e c ( c o mo
una f unc i n de , 6) , t al que p( X o c ) = 2p ( X > c ) .
28. Una universidad espera recibir para el siguiente ciclo escolar 16 mil
solicitudes de ingreso al primer semestre de licenciatura. Se supone
que las calificaciones obtenidas para los aspirantes en la prueba
pueden calcularse de manera adecuada por una di stribucin normal
con la media 950 y varianza 10 mil si la universidad decide admitir
25% de todos los aspirantes que obtengan las calificaciones mas altas
en la prueba. Seleccione la opcin que da la calificacin mnima que es
necesario obtener en la prueba para ser admitido en la universidad.
29. La cantidad semanal que una compaa gasta en mantenimiento y
reparaciones tiene una distribucin normal N(400;20) . Si el
presupuesto para cubrir los gastos de reparacin para la semana
siguiente es de $450;
a) Cul es la probabilidad de que los costos reales sean mayores que la
cantidad supuesta?
b) De cunto debe ser el presupuesto semanal para mantenimiento
y reparaciones para que tan solo se rebase con una probabilidad
de 0.1?
30. Los conductores que se fabrican para realizarse en determinado
sistema de cmputo necesitan resistencias que var en entre 0.12
y 0.14 ohm. Las resi stencias real es medidas de los conductores
que produce l a compaa A ti enen una distribucin normal N(0 .
1 3;0. 005) ohm.
a) Cul es la probabilidad de que un conductor seleccionado al azar
de la produccin de la compaa A cumpla con las
especificaciones?
219

b) Si se usan cuatro de estos conductores en el sistema y son de la
compaa A, Cul es la probabilidad de que los cuatro cumpla con las
especificaciones?
31. Las ausencias por enfermedad de los empleados de una empresa en un mes
tienen una distribucin norma N (200,20) horas.
a) Calcular la probabilidad de que el mes prximo el ausentismo total
por enfermedad sea menor que 150 horas.
b) Para planear el programa del mes prximo, Cunto tiempo debe
suponer darse el ausentismo por enfermedad, si aquella cantidad slo
se debe superar con una probabilidad de tan slo 0.10?
32. La produccin por hora de los trabajadores en una fbrica se
considera distribuida normalmente con media de 240 unidades y
desviacin tpica de 20 unidades. Considrese que en esta fbrica
trabajan en la produccin 10 mil trabajadores.
a) Cuntos trabajadores tienen una produccin de ms de 250
unidades por hora?
b) Si cualquier trabajador que produzca menos de 200 unidades por
hora debe recibir entrenamiento posterior, Cuntos recibirn
entrenamiento?
33. Una compaa paga a sus empleados un salario promedio de $9.25 por
hora con una desviacin estndar de 60 centavos. Si los salarios
estn distribuidos casi en forma normal y los montos se cierran a
centavos:
a) Qu porcentaje de los trabajadores recibe salarios entre $8.75 y
$9.69 por hora inclusive?
b) El 5% ms alto de los salarios por hora de empleado es mayor a qu
cantidad?
34. El dimetro interior de un anillo de pistn se distribuye normalmente con
media de 12cm. Y desviacin estndar de 0.02cm.
a) Qu fraccin de los anillos de pistn tendr dimetros que exceder
de 12.05cm?
b) Qu valor de dimetro interior c tiene una probabilidad de ser
excedido de 0.90cm?
c) Cul es la probabilidad de que el dimetro interior se encuentre
entre 11.95 y 12.05cm?
220

35. Si la temperatura en grados Fahrenheit de cierta localidad se distribuye
normalmente con una media de 68 grados y una desviacin tpica de 4
grados? Cual es la distribucin de la temperatura en grados en grados
centgrados en la misma localidad?
APROXIMACIN DE LA DISTRIBUCIN NORMAL A LA BINOMIAL
1. Un proceso para fabricar un componente electrnico tiene 1% de
defectuosos. Un plan de control de calidad es seleccionar 100
artculos del proceso, y si ninguno est defectuoso el proceso
contina. Use la aproximacin normal a la binomial para encontrar.
a) La probabilidad de que el proceso contine con el plan de muestreo
que se describe;
b) La probabilidad de que el proceso contine aun si ste est mal (es
decir, si la frecuencia de componentes defectuosos cambia a 5.0% de
defectuosos).
2. Un proceso produce 10% de artculos defectuosos. Si se seleccionan
al azar 100 artculos del proceso, cul es la probabilidad de que el
nmero de defectuosos
a) excede de 13?
b) sea menor que 8?
3. La probabilidad de que un paciente se recupere de una delicada
operacin de corazn es 0.9. de los siguientes 100 pacientes que tienen
esta operacin, cul es la probabilidad de que
a) sobrevivan entre 84 y 95 inclusive?
b) sobrevivan menos de 86?
4. Investigadores de la Universidad George Washinton y del Instituto
Nacional de Salud reportan que aproximadamente 75% de las
personas creen que los tranquilizantes funcionan muy bien para
hacer que una persona est ms tranquila y relajada. De las
siguientes 80 personas entrevistadas, cul es la probabilidad de que
a) al menos 50 sean de esta opinin?
b) a lo ms 56 tengan esta opinin?
5. Si 20% de los residentes de una ciudad de Estados Unidos prefiere un
telfono blanco sobre cualquier otro color disponible, cul es la
probabilidad de que entre los siguientes 1000 telfonos que se instalen en
esta ciudad
221

a) entre 170 y 185 inclusive sean blancos?
b) al menos 210 pero no ms de 225 sean blancos?
6. Un fabricante de medicamentos sostiene que cierto medicamento cura
una enfermedad de la sangre en promedio en 80% de los casos. Para
verificar la aseveracin, inspectores gubernamentales utilizan el
medicamento en una muestra de 100 individuos y deciden aceptar la
afirmacin si 75 o ms se curan.
a) Cul es la probabilidad de que la afirmacin se rehace cuando la
probabilidad de curacin es, de hecho, 0.8?
b) Cul es la probabilidad de que el gobierno acepte la afirmacin
cuando la probabilidad de curacin sea tan baja como 0.7?
7. Un sexto de los estudiantes hombres de primer ingreso que entran a
una escuela estatal grande son de otros estados. Si los estudiantes se
asignan al azar a los dormitorios, 180 en un edificio, cul es la
probabilidad de que en un dormitorio dado al menos un quinto de los
estudiantes sea de otro estado?
8. Una compaa farmacutica sabe que aproximadamente 5% de sus
pldoras anticonceptivas tienen un ingrediente que est por debajo de
la dosis mnima, lo que vuelve ineficaz a la pldora. Cul es la
probabilidad de que menos de 10 en una muestra de 200 pldoras
sean ineficaces?
9. Estadsticas publicadas por la Administracin Nacional de seguridad
de Trnsito en Carreteras y el Consejo de Seguridad Nacional muestran
que en una noche promedio de fin de semana, uno de cada 10
conductores est ebrio. Si se verifican 400 conductores al azar la siguiente
noche de sbado, cul es la probabilidad de que el nmero de
conductores ebrios sea
a) menor que 32?
b) ms de 49?
c) al menos 35 pero menos de 47?
10. Se lanza 180 veces un par de dados. Cul es la probabilidad de que ocurra
en total de siete
a) al menos 25 veces?
b) entre 33 y 41 veces inclusive?
c) exactamente 30 veces?
222

11. Una compaa produce componentes para un motor. Las
especificaciones de las partes sugieren que 95% de los artculos
cumplen con las especificaciones. Las partes se embarcan en lotes de
100 a los clientes.
a) Cul es la probabilidad de que ms de 10 artculos estn defectuosos
en un lote dado?
b) Cul es la probabilidad de que ms de 10 artculos estn defectuosos
en un lote?
DISTRIBUCIN DE WEIBULL
1. Supngase que el tiempo de falla (en minutos) en ciertos componentes
el ectrni cos, suj etos a vi braci ones que ti ene l as di stri buci n
de Wei bul l con o = 1/5 y P = 1/3.
a) Cunto puede esperarse que dure un componente?
b) Cul es la probabilidad de que ese componente falle en menos de 5
horas?
2. Supngase que la vida til (en horas) de un semiconductor es un
variable aleatoria que tiene distribucin de Weibull con o = 0.025 y
P = 0.500. Cul es la probabilidad de que el semiconductor an
funcionando despus de 4 000 horas?
Rta: 0.2057
3. Suponga que la vida til, en aos, de una batera para audfonos es
una variable aleatoria que tiene una distribucin Weibull con o =
1/2 y P = 2.
a) Cunto tiempo se espera que dure esa batera?
b) Cul es la probabilidad de que dicha batera siga funcionando
despus de 2 aos?
Rta: a) I2 =1. 2533 , b) e
- 2
= 0. 1353
4. La duracin de un cierto sello para automvil tiene la distribucin
Weibull con una taza de falla Z(t) = 1 . Encuentre la probabilidad
t
de que tal sello siga en uso despus de 4 aos.
Rta: e
-4
= 0.0183
223
Semana 16
DISTRIBUCIONES MUESTRALES
Nos hemos ocupado de estudiar distribuciones especficas tanto discretas
como continuas, se trata de distribuciones que se utilizan mucho en
diversas aplicaciones que incluyen confiabilidad, control de calidad y
muestreo. El tema es amplio nos concentraremos en muestras
poblacionales y se estudian cantidades tan importantes como son la media
muestral y la varianza muestral que son de vital importancia en inferencia
estadstica. A continuacin damos algunas definiciones o significados muy
comunes en esta parte del curso.
Poblacin.- Consiste en la totalidad de observaciones en las cuales se est
interesado.
Muestra.- Es un subconjunto de una poblacin.
Muestreo Aleatorio simple (MAS).- Denominado tambin muestreo
irrestricto aleatorio, porque todos los elementos de la poblacin tienen la
misma posibilidad de ser elegidos. Muy usado por los investigadores, es
importante destacar que forma la base de la mayor parte de los diseos de
muestreo, as como de encuestas cientficas que se llevan a cabo en la
prctica.
Muestreo probabilstico.- Los muestreo probabilsticos no indican como se
extrae una muestra de cada caso. En el marco terico del muestreo existen
estimadores de punto y los de intervalo.
A continuacin se representa un esquema muy intuitivo de cmo se realiza un
muestreo, para que sirve y los elementos, mas saltantes en la estimacin de
parmetros poblacionales e inferencia,
Poblacin (N) Tcnica de muestreo Muestra (n)

Mtodos de Muestreo

224
Parmetros Estimacin Estadsticos

6
2

p
= X
2
6 = Z
S
p p
=
e = l x
<

X f
( x , , 6
2
)
s
2

p
Se determina conocida la
distribucin normal t.

Ext raemos una muest ra para esti mar l o parmet ros
pobl aci onal es 6
,
2
y p mediante los estimadores ,
2
y p
X S respectivamente. Al
estimar los parmetros poblacionales cometemos errores los cuales se
determina
n
, conocida la distribucin de la muestra.
- Las poblaciones pueden ser grandes o pequeas.
DEFINICIN.- La distribucin de probabilidad de un estadstico recibe el
nombre de distribucin muestral. La distribucin de probabilidad de X se
llama distribucin muestral de la media.
La distribucin muestral de un estadstico depende: del tamao de la poblacin
del tamao de las muestras y del mtodo de seleccin.
Supongamos que extraemos una muestra de una poblacin normal; la
distribucin muestral de la media seguir la misma distribucin normal.
Poblacin (N) Muestra (n)

X N X
6
( , . ,
2
)
X X
225
=
CENTRAL (TLC).- Si Xes la media de una muestra
que se toma de una poblacin con media y
ent onces l a f or ma de l a di st r i buci n de:
N( z ; 0; 1)
( ,
2
+ n
+ +

X N ( x , , (
2
) : E X =
( )
(
2 2
E X =
+ + ..................
X X + X
1 2 n
= E X E ( ) =
X n
EX
1
+ EX
2
+ .............. + EX
n

n
.................
+ + +
=
n
X
=
(
X
=V(X)=VX1+X2+ +X
n

n
V(X
1
)+ V(X
2
)+ ............ + V(X
n
)
n
2

= (2 +(
2
+ ............................. +(2 = n(2 = (2
n
2 n2 n

2
2 (
(
X
= n
- En caso que la muestra aleatoria proceda de una poblacin con
distribucin desconocida ya sea de una poblacin infinita o finita. La
distribucin muestral de X sigue aproximadamente una distribucin
normal.
X E N ( X , X , (
X
)
2

Este sorprendente resultado es una consecuencia inmediata del siguiente
teorema que recibe
el nombre de
teorema del lmite
central.
TEOREM
A DEL
LMITE aleatoria de tamao n
varianza finita
X
Z=
( / 1/ n
conforme n, es la distribucin normal estandar N(Z;0;1)
226

OBSERVACIN:
1) si n c 3 0 (muestra grande) la aproximacin normal para X ,
generalmente ser buena sin importar la forma de la poblacin:
2) si n < 3 0 (muestra pequea) la aproximacin es buena solo si la poblacin
difiere mucho de una distribucin normal.
3) Si se sabe que la poblacin es normal la distribucin muestral de X
seguir exactamente una distribucin normal sin importar que tan
pequea sea la muestra.
1. Las alturas de 1000 estudiantes estn distribuidas en forma normal con
una media de 174.5cm. Y una varianza de 6.9cm. Si se sacan de esta
poblacin 200 muestras aleatorias de tamao 25 y se registran las medias
redondendolas a dcimas, determine:
a) La media y el error estndar de la distribucin muestral de X .
b) El nmero de medias muestral que caen entre 172.5 y 175.8cm.
inclusive.
c) El nmero de media muestral que cae debajo de 172.0cm.
Solucin:
- X: V.A. altura de estudiantes
- Poblacin: : 1 74.
5cm. 6: 6 .
9cm
- Muestra : n = 25
X
=
= 1
7 4 . 5
6
6 =
X
- Error: e=
0. 1 = 0.05
2

a )
X
= =1 74 . 5 c m.
6
X
= 6 = 625 =1. 3 8cm. Err or est ndar
227

|) {172. 5 X 175. 8} P( 172. 5 X 1 75 . 8)
o o o o
P172. 5174. 50. 05 < z < 175. 8174. 5+0. 05
1.38 1.38
_) # < 1 7 2 .
0 ) = P ( Z <
1 72. 0 1 74. 5 0 . 05

1. 3 8

= P( Z < 1. 8 5) = 0. 0322
Nmero de medias = 200 x 0.0322=6.44H 6
2. Dada una poblacin uniforme discreta.
+1
f(x)=+3 X=2, 4,6
+v0 en otro caso
Encuentre la probabilidad de que una muestra aleatoria de tamao 54
seleccionada con reemplazo, de una media muestral mayor que 4.1
pero menor que 4.4 Asuma de que las medias se redondean hasta la
dcimas.
Solucin:
- X: V.A uniforme discreta
3
- P o b l a c i n : u = E ( X ) = x j ( x =
1
( 2 + 4 + 6 ) = 4
=1 3
(2 =EX
2
2
=x2f(x
i
)
2
= 3(2
2
+4
2
+6
2
)4
2
= 36 16= 3 3

- Mues t r a: X
= ? ?
n= 5 4
- Er r o r : ; e = 0 .
2
1
= 0. 0 5
8/ 3
(X = = 0.222
54

5 . 6
a) n= 64 aumenta a n=196: (
X
= = (
X
=
0. 7;
64
5. 6 = 0. 4

228

4. 1 0. 05 4
+ 4.4 0. 05 4

{4. 1< <
X 4 . 4 } (
P 4. 1< < =
X 4.4) P < <
z
0.222 0.222
= P ( 0 . 2 2 5 < <
z 1. 5 8)
= P( 0 . 6 8 < <
z 1. 5 8)
= 0. 9429 0. 7517

= 0. 1912
3. Un cierto tipo de tornillo se fabrica con una resistencia de tensin
promedio de 78.3 kilogramos y una desviacin estndar de 5.6
kilogramos. como cambia la varianza de la media muestral cuando el
tamao de la muestra
a) Aumenta de 64 a 196?
b) Disminuye de 784 a 49?
Solucin:
- X: V.A. tornillo con una determinada resistencia
=78.3kg
- Pobl aci n: ( =5. 6kg
- M u e s t r a :
X
= =
7 8 . 3
( 5 . 6
( = =
X

disminuye
5. 6 5 . 6
b) n= 7.84 disminuye an=49: ( X = = (
X
=
0.2; = 0. 8
784
49

aumenta
En conclusin el tamao de la desviacin estndar es inversamente
proporcional a la muestra.
4. La variable aleatoria X que representa el nmero de cerezas en una
empanada, tiene la siguiente distribucin de probabilidad
X 4 5 6 7
P(x=x) 0.2 0.4 0.3 0.1
229

a) Encuent r e l a medi a y l a var i anz a
2
( de x.
b) Encuentre la media
X
y la varianza (X de la media X para muestras
aleatorias de 36 empanadas de cereza
c) Encuent r e l a pr obabi l i dad de que el nmer o pr omedi o de
cer ezas en 36 empanadas se menor que 5. 5 Sol uci n:
- X: V.A. nmero de cereza en una empanada
- Poblacin:
= EX = x
;
p(x
;
) = 4(0 . 2) 5(0 . 4) 6(0 . 3) 7 (0 . 1) 5 . 3
+ + + =
(2 =EX
2

2
=4
2
( 0 . 2) +5
2
( 0. 4) +6
2
( 0. 3) +7
2
( 0 . 1) 5 . 32
= 2 8. 9 2 8.09

- Muestra: n = 3 6
= 0. 8 1
X
= = 5 . 3
(
2
0. 8 1
( 2 = =
=0. 0225
X
n 36
a) {X<5. 5}P(X<5. 5)=Pz<5. 55 . 3

0. 1 5
= P(z<1. 3 3)
P(X < 5. 5)= 0. 9082
ESTIMACIN
- En el desarrollo anterior hemos resaltado las propiedades de la media
muestral y varianza muestral, utilizando los datos extrados de la
poblacin.
- La estimacin estadstica consiste en utilizar los datos muestrales para
determinar la media muestral, varianza muestral y proporcin
muestral, los cuales estiman respectivamente, la media, varianza y
proporcin poblacional permitiendo sacar conclusiones acerca de los
parmetros de la poblacin a partir de los estados experimentales, a
esto se le denomina inferencia.
Poblacin (N)

(
2

p

230

Tcnicas de muestreo

Inferencia Estimacin
E X
(
2
s
2

E
p p
E
e x
E
Muestra (n)

X f x
, , (
2
)
s
2

p
INFERENCIA ESTADSTICA.- Son mtodos en los cuales se pueden realizar
inferencias o generalizaciones acerca de una poblacin. Consideraremos el
mtodo clsico para estimar un parmetro poblacional. Existe otro mtodo que
no consideramos en esta seccin es el mtodo Bayesiano.
Inferencia
Estadstica
Estimacin
Prueba de
Hiptesis
Puntual
Por Intervalos

Prediccin
231
Semana 17
MTODOS CLSICOS DE ESTIMACIN
Hemos estudiado la importancia de la media muestral y varianza muestral el
propsito es crear un fundamento que permita sacar conclusiones acerca de
los parmetros poblacionales utilizando los datos experimentales. Por
ejemplo el teorema del lmite central proporciona informacin acerca de la
distribucin de la media muestra X .
LA ESTIMACIN PUNTUAL.- Se refiere a la eleccin de un estadstico
es decir un nmero calculado a partir de datos muestrales (y quizs de
mas informacin) respecto del cual tenemos alguna esperanza o
seguridad de que est razonablemente cerca del parmetro que ha de
estimar esto no es fcil pues no se conoce el parmetro y el valor del
estadstico no es conocido hasta despus de que la muestra se ha
obtenido. Por ello solo podemos preguntar si en muestras repetidas, La
distribucin de los estadsticos tiene ciertas propiedades deseables
parecidas a la de la cercana. Por ejemplo sabemos que =
X luego podemos esperar que
las medias de repetidas muestras aleatorias de una poblacin determinada
tengan como centro la media () de esta poblacin y no estn alrededor de
otro valor.
Una estimacin puntual de algn parmetro poblacional B es un valor nico B

del estadstico.
PARMETROS
POBLACIONALES (B )
V.A. ESTADSTICA
(ESTIMADORES)
VALORES DE LA V.A.
B

X x
2
6
2
S
2
s
P P
p
- El estadstico que se usa para obtener la estimacin puntual, recibe el
nombre de estimador o funcin de decisin.
- Cuando usamos estimadores estamos sujetos a cometer errores. As
por ej empl o e = X , cuanto mas pequeo es el error mej or
esti maci n de medi ante X .
232

- Debemos recordar que los parmetros poblacionales se consideran
exentos de error.
CUALIDADES QUE DEBE TENER UN BUEN ESTIMADOR PUNTUAL
1. Insesgado
2. Eficiente
3. Consistente
4. Asinttico

1. I NSESGADO. - Se di ce que un esti mador estad sti co H es un
esti mador i nsesgado del parmetro \ , si E( H
) =\
De esta manera llamamos insesgado a un estadstico si en promedio sus
valores son iguales a los del parmetro que supuestamente estima.
Ejemplo: Los estimadores X,S
2
,P
son insesgados respecto a los

parmetros poblacionales.

1 . E ( X ) =
2 . E ( S
2
) = ( 2
3 . E ( P
) = P
Demost r ar que
E( S
2
) = (2
n
1 2
S 2 = = ( )
X
i
X

n 1 i 1
n
1
S2 = = | ( ) (
X i X
n 1 i 1
2

) |

n
1 2
| ( ) ( )( ) ( )
2

= X
2
2 X X
n 1 i =1
n 1 T ( ) ( ) ( ) ( )]

2 +
' s X 2 X X
i
n X
1 i
n 1 i = 1
1
= |( ) ( )( ) ( )

X
2
2 + |
2

n X X n X
i
n 1
1 | ( ) ( ) |
2
= X n X
2
i
n 1
n _
1 T 2
( ) ( ) ( ) ]
E S 2 = = 2
E X
i
n E X
n1 ' s i 1
1 2 ( 2
_ n ( n

n 1 ' s n
] 1
= | |
2

n 1 (
n 1
4 E ( S
2
) = ( 2
Hemos mostrado que el estimador S
2
as definido es un estimador
insesgado de 2
( . Como ej erci ci o demostrar l as otras dos
proporciones.
ESTIMADOR EFICIENTE: Si se consideran a todos los
estimadores insesgados posibles de algn parmetro \ (parmetro
poblacional) aquel con la varianza mas pequea recibe el nombre
de estimador mas eficiente de \ .
Ejemplo:

E ( X ) =

2 ( 2
( =
X
n

E ( X
~
) =
,
( 2
( = 2 ~
X
2 n
,
2
( X
(
X
< (
X

2 2
~
x
0
233
f(x)
Consideremos dos estimadores insesgados
(Media): X X ~
, : (mediana)
234

(La varianza de la media es menor que la varianza de la mediana)
Al ser la varianza de X menor que la varianza de X
~
(mediana)
tomamos como estimador eficiente a la media (X).
ESTIMADOR SUFICIENTE: Se dice que un estimador es suficiente con
relacin a un parmetro si utiliza toda la informacin relevante de la
muestra para calcularlo.
ESTIMADOR CONSISTENTE: Cuando la probabilidad de que un
estimador difiera del valor del parmetro, permanezca constante o sea
muy pequea a medida que el tamao de la muestra se incremente, se
dice que el estimador es consistente.
ESTIMACIN POR INTERVALO
Es probable que incluso el estimador insesgado ms eficiente no
estime el parmetro poblacional con exactitud. Es cierto que la
poblacin se incrementa con muestras grandes, pero no hay razn
por la cual esperar que la estimacin puntual de una muestra dada
deba ser exactamente igual que el parmetro poblacional que se
supone estima.
Existen muchas situaciones por las cuales es preferible determinar un
intervalo dentro del cual se esperara encontrar el parmetro
poblacional. Tal intervalo se conoce como una estimacin por
intervalo.
- Consideremos una muestra de tamao n c 3 0 extrada de una
poblacin con varianza conocida 2
( y des eamos es t i mar l a
medi a pobl aci onal con una pr obabi l i dad 1- ( de que sea
Z (
estimada por X esto es X que ser a lo sumo es
( 2 n
decir:
X oZ ( Z <
X
<Z
(
(
( (
2n 2 2

La confianza 1 ( : 90%,95%,99%
La desconfianza (: 1 0%,5%,1 %

Poblacin
m1

235

P Z
< Z < Z = 1 o
o/ o/2
- La confianza o nivel de confianza 1- o es la probabilidad
asumida de que la media este contenida en el intervalo de
confianza buscado en el experimento.
- La desconfianza o lmite de confianza es lo raro que puede
ocurrir en su experimento es decir hechos fortuitos o extraos.

Supongamos que extraemos una
Muestra de tamao n de una
Poblacin, con una confianza Del
95%.
Estimaciones por intervalos de para
diferentes muestras de tamao n.
- De 100 intervalos 95 intervalos contienen a la media poblacional y 5
no la contienen.
- Las mi son las muestras de tamao n y definen intervalos diferentes
para .
0
N(Z,0,1)

(

X Z (
(
2
X + Z o
/
2
X
2
Z
(
(
2
e

n c
2 ) e Z
(
o (
2

, tamao de muestra
236
INTERVALO DE CONFIANZA PARA LA MEDIA CON VARIANZA
CONOCIDA
ESTIMACIN MEDIA:
Para estimar la media poblacional utilizaremos la distribucin normal y la t de
student
I. normal
II. t de student
I. Esti maci n de l a medi a pobl aci onal util i zando l a di stri bucin
normal.
X
Z _ _ _ _ _ + + +
n
= N Z ( ) ,0,1
(
P Z Z Z
< <
( 1 ( 2
= (
2
Z < Z
1
< Z
( /2 (
2
Z < X < Z
( (
2 ( 2

I C : X Z
(
< < X + Z (
(
(
/
2~n 2n

1 ) e =
Z (
X o ( , error
2 n

4 L = 2 Z( / 2
( n
, longitud del intervalo

n
237

3 ) L = X + Z (
X
Z (
(
2 n 2 n
4 ) Error est ndar de
X; e( X) = (

EJEMPLO DE APLICACIN
1. Un fabricante produce focos que tienen un promedio de vida de
distribucin aproximadamente normal y una desviacin estndar de 40
horas. Si una muestra de 30 focos tiene una vida promedio de 780
horas.
a) Encuentre el intervalo de confianza del 95%, 96%, 98% para la
media poblacin de todos los focos que produce la empresa.
b) Que tan grande se requiere que sea una muestra. Si se desea
tener una confianza del 94% de la media poblacional, est
dentro de las 10 horas del promedio real.
Solucin:
- X: variable aleatoria tiempo de vida de focos fabricados
- X N(X, 2 ,( )
- Poblacin: =?
( =40 hor as
- Muestra: n=30
X =780 horas
- Conf i anz a: 1 ( = 0. 9 5 ( = 0. 05
( 2
=0.
025 Z0. 02 5 =1. 96
( I C : X Z o /
n
< < X + Z o / (
2 .~ 2
7 8 0 1 . 9 6
4 0
< < 7 8 0 + 1 . 9 6 4 0
30 30
4 765, 69
< < 794. 3 1

Datos: ( 0. 03 0. 03
2 = Z
=
Adicionalmente podemos calcular el error y el tamao de muestra que
aproximadamente ser la misma.
Z( 1.
Error: e=26 96 40 e =1 4.3138
n 30
Tamao muestra
Z
(
(
2
e= c
n
2
Z
(
(
2
e

=

( 5 4 8 )
2
3 0
=

Adicionalmente determinar el IC (intervalo de confianza) para la media
con el 96%, 98% 94% y error respectivo.
b) Consi deremos l a conf i anza
del 94% 1( =0. 94( =0. 06

1.89 X 0.0294 0.03

1. 89 X 0. 0006
=
=

1. 89 ( 1. 88) 0. 0294 0. 0301
0.01 0.0007

6
= =
1.89 X 0.01 X 1.88143

7
e =10 = Z0 . 0 3 ( , Z0 . 0 3
= 1. 88143 n
2
1.88143 40 56.6364 57

238
n = = H
10
=
n
5 7
4

239

2. Un supervisor intenta utilizar la media de una muestra aleatoria de
tamao n=150 para estimar la aptitud mecnica promedio (la cual se
mide cierta prueba) de los obreros de la lnea de ensamblado en una
gran industria. Si por su experiencia puede suponer que 6 = 6 .2 para
tales datos, Qu podemos asegurar con una probabilidad de 0.99
sobre la medida mxima de este error?
Solucin:
- X: V.A. aptitud en la prueba
- n=150
- 6 = 6 . 2
- c o n f i a n z a 1 = = ( 0 . 9 9
( 0 . 0 1 , o 7 = 0 . 0 0 5 , Z 0 . 0 0 5
= 2 . 5 7 5 s i m e t r i a Z 0 9 9 5
= 2 . 5 7 5
e Z 6 6.2
o e = 2575 =1. 3 0
(2
n 150

En consecuencia el supervisor puede asegurar con una probabilidad de
0.99 de que su error ser a lo sumo 1.30
3. Para estimar el tiempo promedio que lleve ensamblar cierto
componente de una computadora, el supervisor de una empresa
electrnica tom el tiempo que 40 tcnicos tardan en ejecutar esta
tarea, obteniendo su media de 12.73 minutos y una desviacin
estndar de 2.06 minutos.
a) Qu podemos decir con una confianza del 99%, acerca del error
mximo si X = 1 2 . 73 se utiliza como estimacin puntual del tiempo
medio que se requiere para realizar la tarea?
b) Utilice los datos para construir un intervalo de confianza del 98%
para el tiempo medio que lleva ensamblar el componente de la
computadora?
c) con que confianza podemos asegurar que la media muestral no
difiere de la media real por mas de 30 segundos?
d) Calcular el error estndar
Solucin:
- X: V.A. tiempo en ensamblar
- n= 4 0
- X = 1 2 . 73 minutos
- 6 = 2. 06 mi nut os

240
a ) 1 =
( 0. 99 0.0 1,
= ( 0. 005, 2. 57 5
2 = Z0.005 =
2. 06
e X
= o 2. 5 75 =
e 0.8387 min
de uto = 5 0.
3segundos
40
El error seria de
aproximadamente de 50.3
segundos.
( (
b ) I C : X Z
0 .0 1 < < + 0 .0 1
X
Z
n
n
1 ( =
( =
098 0. 02,( = 0. 0 1, 0 .0 1
Z
no se encuentra en l a
2
tabla, tenemos que interpolar.
2. 3 2 0.0102

X 0 . 0 1

2. 3 3 0.0099
2. 3 3 X 0. 0001 1
= X=2. 3 3+0. 0 1
0. 0 1 0.0006 6
= -2.3283
Z = 2 . 3 2 8 3 S i me t r a Z = 2 . 3 2 8 3
0.01 0.99
1 2. 73 2.3283 2. 06 < < 1 2.7 3 + 2.3283 2.06
40 40
1 1. 972 < < 1 3.4 8 8
Tenemos la confianza del 98% que la media real se encuentra en el
intervalo 12.73 minutos que lleva ensamblar el
componente de la computadora.
c) Se nos pide 1 ( , usemos e =
Z
(
(
minutos
2
0.5
=
n
( 3 0
X
l = Z ( 2 n , 6 0 =
0.5
0 . 5 40

Z ( = =1.53508 1. 54; ( 1. 54) 0.9382
= P Z < =
2 2 .06
1 =
( 0 . 9 3 8 2 =
( 0 . 0 6 1 8 , 0 . 1 2 3 6
( =
2 2

(
d) ( = = 2.06
X

0. 1 5 0. 1 5

2. 2 5 1. 9 6 < <
2.25 1.9 6 _____
+ 2 . 2 0 < <
2. 3 0
36
241
La confianza es 1 ( = 8 7. 64%

0.0618 0.0618
0.8764
i

= 0.3257 de minuto =19.54
seg.
4. Una maquina despachadora de refrescos esta ajustada de tal manera
que la cantidad de lquido despachada se distribuye
aproximadamente en forma normal con una desviacin estndar
igual que 0.15 decilitros.
a) Encuentre un intervalo de confianza del 95% para la media de
todos los refrescos que sirve esta mquina si una muestra
aleatoria de 36 refrescos tiene un contenido promedio de 2.25
decilitro.
b) Qu tan grande se requiere que sea una muestra si se desea
tener una confianza del 95% de que la media muestral estar
dentro de 0.09 decilitros del promedio real?
Solucin:
- X.V.A. refrescos despachados
- Pobl aci n: =??
( =0. 15 dcl
- Muestra: n =36
X =2.25
- Co n f i a n z a : 1 =
( 0. 05 Z0. 02 5 = 1. 96 si met
r i aZ0 . 975
=1.
96
( (
a ) X Z
0.975
V
< < + 0.0975
X Z
n

Z
(
( 2 1 . 96 0 . 1 5
2

2
b ) e Z
= =
n = = 1 0. 67
11
E
( e 0 .09

243

V/ n 1

n
J i - c u a d r a d o c o n v = n 1 g r a d o s d e
l i b e r t a d ;
V = ( n 1 ) S 2
Semana 18
INTERVALO DE CONFIANZA PARA LA MEDIA CON
VARIANZA NO CONOCIDA
INTRODUCCIN:
Cuando la varianza poblacional no es conocida utilizamos la distribucin de t de
student (W.S. Gosset, 1908), para tamaos de muestra n<30. El
estad sti co T defi ni do por (X )/ S/ n genera una funci n de
densi dad
de pr obabi l i dad h(t ). Como 2
( no se conoce se est i ma medi ant e S
2
,
entonces:
X | ( v + 1) / 2 | +t 2 ( v + 1 ) /
2

T = =
h t 1 ____________________________________ < <
t
S ( )
v / 2 v v
La distribucin h(t) se desvia en forma
apreciable cuando los grados de libertad v =n-1 son pequeos.
El estadstico t definido resulta de una muestra aleatoria
seleccionada
de una pobl aci n normal , con vari anza 2
( no c o no c i da, s i endo
estimada por S
2
.
Z

X
- T = Normal estndar: Z =
(
2
(
- Al muestrear poblaciones normales, puede mostrarse que X y S
2
son
independientes y en consecuencia lo son Z y V.
- Esperanza matemtica o valor esperado E(T)=0
- Var i anz a Var ( T) = 2 2 ,
> 2

- lim ( ) lim
Var T = =1

2
- Distribucin t E N(Z; 0,1)
244

n
=
1 (


Curvas de desviacin para v=3, v =5, v =9, v = (Normal)
Determinacin del intervalo de confianza

t t
2
P t
2
t t
2

< <
<
( ( (

p t
< < (
= (

(
t t 1
2 2

X
P t
< < t( ) (
( =
( )
( 1
S
2 2

x t
S
< < X + t ( S
(/2 n 2

245

X
I C t
: < <
t
( )
( ( )
(
2 sn 2
Error:
t
o

/ S .
e = I X l o 2 ,
Tamao de muestra:
2
t S t S
( (
2 2
e o c
n
e
n
Longitud de intervalo Error estndar estimado
S S
L t
2

= 2 ( s e X =
. .( ) n
n
OBSERVACIN: Si no se nos fija la confianza el investigador tendra que
asumirla.
1. Una compaa manufacturera asegura que las bateras utilizadas en sus
juegos electrnicos duran un promedio de 30 horas, Para conservar este
promedio se prueban 16 bateras mensualmente. Si el valor calculado de t
cae entre t0.025 y t0.025, la compaa esta satisfecha con su afirmacin.
Qu conclusin sacara la empresa de una muestra que tiene una media
X = 27 . 5 horas y una desviacin estndar S=5 horas? Suponga que la
distribucin de las duraciones de las bateras es aproximadamente normal.
Solucin:
- X: V.A. duracin de batera
- Pobl aci n: = 3
0
(2
= ?
?
- Muest ra: n = 1 6
X = 27.
5 S=5
- C o n f i a n z a 1 =
( 0 . 9 5 =
( 0. 025 0. 025 = +
t 2. 1 3 1, por simetra
2t0. 975 = 2. 1 3 1 v =161=15
t t0. 02 5 , t0. 025 ) = 2. 1 3
1,2 . 1 3 1 X 27 . 5 30
2 . 5
t = = = = 2, estadstico de prueba.
S S 5

4

246

-2.131
t = 2
0.025
t
2.131

2. 1 3 1,2 . 1 3 1
Conclusin.- La empresa esta satisfecha con su afirmacin, por
que el estadstico de prueba se encuentra dentro del intervalo.
2. Un instituto de investigacin nutricional indica que el consumo
regular de cereales pre endulzado contribuye a la cada de los dientes,
enfermedades del corazn y otros procesos degenerativos. En una
muestra aleatoria de 20 porciones sencillas de un cereal el contenido
promedio de azcar fue de 11.3 gramos con desviaci n estndar de
2.45 gramos. Suponiendo que los contenidos de azcar estn
distribuidos normalmente, determine el intervalo de confianza del
95% para el contenido promedio de azcar de porciones sencillas de
dicho cereal.
Solucin:
- X: V.A. consumo de cereal pre endulzado
- P o b l a c i n :
=
?
(=
?
- Muest r a: n = 20
X =1 1.
3 S
= 2. 45
- Co n f i a n z a : 1 ( = 0 . 9 5 t 0 . 0 2 5
=2 . 0 9 3 v
=2 0 1 = 1 9
I n t e r v a l o :
S S 2.45 2.45
X t
< < +
X t
1 1. 3 2 . 09 3 < < +
1 1 . 3 2 .09 3
0. 025 0. 025
n 20
1 0. 1 5 < < 1 2.45
247

S 0 . 0 2 4 6
- El error estndar estimado de ( )
X e s X
= . = = = 0.0082
9

3. Una maquina produce piezas metlicas de forma cilndrica, Se toma
una muestra de piezas cuyos dimetro son: 1.01, 0.97, 1.03, 1.04,
0.99, 0.98, 0.99, 1.01 y 1.03 centmetros. Encuentre un intervalo de
confianza del 99% para el dimetro promedio de piezas de esta
mquina, si se supone una distribucin aproximadamente normal.
Solucin:
- X: V.A. dimetro de piezas en centmetros
- Po bl a c i n:
=
?
(=
?
- Muest r a: n = 9
X = ? ?
S = ? ?
C o n f i a n z a : 1 =
( 0. 99 ( 2 = 0. 005 t 0 . 0 0 5 = 3. 3 5 5
v = 9 1 = 8
Utilizando datos calculamos la media muestral y varianza muestral.
X 9. 05
i
X= = =1.0056
n 9
2

X2 2
( )
X / 9 9 . 1 0 5 1 9 . 0 5 / 9
( )
i i
S2 = = = 0.0006028
9 1
8
S = 0. 0246
S S
I C X t : < < +
X t
0.005 0.005
n
1. 00563. 3 5 5
0. 0246
< <1. 0056+3. 3 5 5 0. 0246 9

0. 97 8 < <
1. 03 3
Tenemos el 99% de confianza que el intervalo <0.978, 1.033> contiene el
dimetro promedio real.
t S
- Podemos calcular el error0.005 =

e X
= o e 0.0275
n
248

o = P r e c h a z a r H H e s
v e r d a d e r a
| 0 0
H = P| acept ar H
0
H
0
es f alsa |
|

PRUEBA DE HIPTESIS PARA LA MEDIA
Se trata de pruebas para decidir a partir de la informacin que proporciona una
muestra aleatoria, si lo que se afirma respecto de la distribucin de una variable
es verdadera o falsa.
Elementos que intervienen en la hiptesis:
H0: Hiptesis nula, lo cual generalmente se asume como verdadera y se
relacional con la poblacin.
H1: Hiptesis alternativa, surge como una contraposicin a la Hiptesis nula para
ello se extrae una muestra de la poblacin.
o : Nivel de significancia, pequeo que se relaciona con lo raro que podra
ocurrir en un experimento estadstico.
ERRORES DE TIPO I Y II.- Como las pruebas de hiptesis se basan en la
informacin obtenida en una muestra aleatoria, es posible que se cometan
errores. Estos errores pueden ser de los tipos.
El error de tipo I.- Que se comete al rechazar la hiptesis nula siendo esta
verdadera.
El error de tipo II.- Que se comete al aceptar la hiptesis nula siendo esta
falsa.
Estado real de la prueba
Decisin H0 verdadera H1 falsa
Rechazar H0 Error de tipo I

Aceptar H0

Error de tipo II

Como no se sabe a ciencia cierta el estado real, es imposible medir
exactamente los errores que se puedan cometer, sin embargo la
probabilidad proporciona cierta informacin acerca de estos posibles
errores. A la probabilidad de cometer el tipo I se denotan con o mientras
que la probabilidad de cometer el error de tipo II se denota con H .
249
- NIVEL DE SIGNIFICACIN DE LA PRUEBA.- A la probabilidad ( ,
de cometer el error de tipo I, se le llama nivel de dignificacin de
la prueba. Vemos que es posiblemente controlar el nivel de
significacin ( , lo que significar de alguna manera una medida de la
confiabilidad de la decisin de rechazar la hiptesis nula y aceptar la
alternativa (ello justificar la eleccin de hiptesis como aquella que se
desea probar). Por ello cuando no sea posible rechazar la hiptesis nula
ser preferible indicar que no existe suficiente informacin como para
rechazar la hiptesis nula. De igual manera es una medida de
confiabilidad de la decisin de aceptar la hiptesis nula; sin embargo,
no es posible en general controlar este valor.
- ESTADSTICO DE PRUEBA.- Indica de alguna manera el grado de
discrepancia entre la hiptesis nula y los datos observados. Cuando el
grado de discrepancia sea grande se rechazar la hiptesis nula de otra
manera no se rechazar.
Z = X , _ ,nc30 t = X ___ ,,n<30
S

EJERCICIOS DE PROPUESTOS
TEOREMA DE LMITE CENTRAL:
1. Se tiene 99 instrumentos electrnicos idnticos I1, ..., I99, que se usan
en una maquina de la manera siguiente: tan pronto como 11 falla
comienza a funcionar I2, y as sucesivamente. Si Tk es la duracin, en
horas, de Ik, k = 1,..., 99 y se considera que la esperanza y la desviacin
estndar son: 100 y 2, respectivamente, hallar la probabilidad de que el
tiempo total de duracin T de la maquina sea mayor que 10,000 horas
cuando se han sustituido los 99 instrumentos electrnicos.
2. Una maquina automtica envasa arroz en bolsas en una cantidad cuyo
peso tiene una esperanza igual a 1 Kg. y una desviacin estndar de
0.01 kg. Una segunda maquina empaca las bolsas en paquetes de 50
cada uno. Con el fin de verificar si el numero de bolsas en cada paquete
es exacto, se decide que si el peso de cada uno de estos esta entre 49.8
y 50.2 Kg., se acepta que el paquete tiene 50 bolsas, de otro modo se
rechaza.
250

3. Se desea fabricar cuerdas de fibras de nylon de tal manera que puedan
soportar sin romperse 1000 Kg. Como mnimo cada fibra tiene una
resistencia media de 10 kg. Y una desviacin estndar de 0.1 kg.Con
cuntas fibras se debe formar cada cuerda de tal manera que se cumplan
las exigencias con una probabilidad igual a 0.99?
4. Cien clientes harn uso de los terminales de una gran computadora.
Se ha determinado que en promedio cada cliente usara la
computadora 30 minutos por cada hora. Hallar el nmero k de
terminales que debern colocarse de tal modo que en cualquier
instante t el nmero de terminales sea insuficiente con probabilidad
0.05.
5. La oficina de trabajo indica que en promedio los obreros estatales
ganan 500 nuevos soles con una desviacin estndar de 20 nuevos
soles. Al tomar 81 obreros al azar, qu probabilidad hay de que la
media de los 81 salarios sea menor que 450 nuevos soles?
Rpta. 0.
6. Se desea estimar el salario promedio de los padres de familia de un
cierto colegio. Si se supone que la desviacin estndar de los salarios
es 10 nuevos soles y se seleccionan al azar 64 padres de familia,
a) hallar la probabilidad de que la diferencia en valor absoluto entre la
media del grupo tomado al azar y la verdadera media no exceda a 3
nuevos soles.
b) Cuntos padres de familia debern seleccionarse para que con
probabilidad 0.95 la media en el grupo escogido difiera en valor
absoluto de la verdadera media en a lo ms 3.3 nuevos soles?
Rpta. a) 0.9836. b) 36, aproximadamente.
7. En una fbrica se hacen resistencia las cuales se usan dos a la vez en
la construccin de ciertos aparatos. Cada resistencia es defectuosa con
probabilidad 0.1 y no defectuosa con probabilidad 0.9. Cada aparto
proporciona una ganancia de $1 si ambas resistencias son buenas, $0 si
solo una resistencia es defectuosa y - $10 si ambas resistencias son
defectuosas. Hallar aproximadamente la probabilidad de que 1,000
aparatos vendidos produzcan por lo menos $800 de ganancia.
Sug. Hallar la media y la varianza de la ganancia y luego aplicar el
TLC.
251
x + 1 s i 0 < x < 1

8. Una compaa de seguros se dispone asegurar 36 personas contra un
determinado riesgo. Si llamamos con Xi a la suma que la compaa tendr
que pagar al cliente i, ( Xi puede ser 0) y si el promedio que se paga al
producirse una contingencia es E(Xi) = 1000 y la varianza es V(X) = 2500
para todo i; hallar el valor C que debe cobrarse como prima a cada
cliente si se desea ganar por lo menos $10,000 con probabilidad igual a
0.95.
Rpta. C > 1291.49
9. En cada operacin que realiza una computadora, aproxima el
resultado al entero mas prximo cometiendo un error que es una variable
aleatoria con distribucin uniforme de media 0 y de rango 4. Si se
ejecutan 50 operaciones, Cul es la probabilidad de que la suma de los
errores est entre -4 y 4?
Rpta. Si Xi indica cada error, calcular, usando el teorema del lmite
50
c ent r a l P( 4 < y < 4 ,
) en donde Y es I X
i=1
10. El tiempo que demora una persona en hablar por telfono es una
variable aleatoria con media 3 minutos y desviacin estndar 0.50
minutos. Hallar la probabilidad de que
- El tiempo total que demoran 49 personas sea mayor que 150
minutos
- El promedio del tiempo que demoran 64 personas sea mayor que 3.5
minutos.
- Si por cada minuto se paga $0.50 y el costo fijo por llamada es igual a
$0.80, calcular la probabilidad de que el costo al realizar 36 llamadas
sea mayor que $45.
11. Si X1,..., X100 son variables aleatoria independientes e
idnticamente distribuidas, con funcin de densidad:
f(x) = e
-x
, x > 0 T100
Hal l ar apr oxi madament e P ' IX > 1151
i=1
Rpta. 0.0668
12. L a f u n c i n d e d e n s i d a d d e u n a
v a r i a b l e a l e a t o r i a X e s
+
+x + 1
s i 1 < x < 0
x ( ) = v
f

a) Hal l ar P(3o To 5), en donde T corresponde a l a suma de
l as
variables aleatorias independientemente: X1, ....................... X36, todas
ellas con la misma distribucin que X.
b) Hallar P(0. 1<T<0. 1), en donde T es el promedio de las variables
aleatorias, X1 , X2 ,..., X36
INTERVALOS DE CONFIANZA PARA LA MEDIA USANDO LAS
DISTRIBUCIONES NORMAL Y t DE STUDENT
1. Se ha determinado que la cantidad de nicotina que tiene los cigarrillos
de cierta marca tiene distribucin normal con desviacin estndar igual a
1 miligramo. Para estimar a la media de la cantidad de nicotina por
cigarrillo de toda la produccin, se tom una muestra de tamao 25 y se
construyo el intervalo de confianza [9.6080, 10.3920]. Con que nivel de
confianza se ha construido el intervalo?
Rpta.95%
2. Algunos vecinos de un distrito se quejan de que el paquete de un
kilo de caf que se vende en los mercados del lugar no concuerda con
el peso indicado. Los vendedores de este producto dicen que es posible
que esto suceda pero que la media de todos los paquetes de 1 kg. La
municipalidad del distrito para dilucidar este problema, tom una
muestra de 100 paquetes registrndose una media de 990 gr. y una
desviacin estndar de 40 gr. Usando un intervalo de confianza al nivel
del 95%, Qu puede concluir la municipalidad?
3. Una muestra de 200 cuentas de ahorro en cierto distrito mostr que
haba un incremento medio del 7.2% en los montos de las cuentas del
ahorro en los ltimos doce meses con una desviacin estndar de 5.6%.
Usando un intervalo de confianza al 95%, estimar la media del
incremento porcentual en el monto de las cuentas de ahorro en los
ltimos doce meses para todos los ahorristas en el distrito. Establecer un
lmite para el error de estimacin al 95%.
Rpta. Intervalo para el incremento: [6.4239, 7.9761], limite para el error
= 0.7761.
4. Con la finalidad de estimar el promedio de los sueldos de un sector de
trabajadores se tomo una muestra de tamao 100 y se obtuvo una
media muestral igual a 400. Hallar el intervalo de confianza al nivel 95%
para la media de todos los sueldos si se supone que la
252
253

distribucin de estos es normal con desviacin estndar 30. Cul es el
mximo error que se comete al nivel de confianza del 99% si la media de
los sueldos se estima con la media muestral?
5. Un grupo de control de calidad de una industria muestra diariamente
la lnea de produccin de un determinado artculo y calcula un
intervalo al nivel de confianza del 95% para la longitud media de las
piezas producidas en el da. Se han calculado 15 de tales intervalos.
a) Sea X el nmero (desconocido) de los intervalos que en efecto
cubren la longitud media desconocida de las piezas producidas en el
da. Cul es la distribucin para X?
b) Cal cul ar l a pr obabi l i dad apr oxi mada de que 12 de l os
qui nce i nt er val os cubr an l a medi a v er dader a. Rpt a. b)
0. 03073.
6. Cinco determinaciones del PH de una solucin dieron los siguientes
resultados: 7.29, 7.95, 7.95, 7.50 y 7.94.
Hallar un intervalo de confianza al 99% de la media de todas las
determinaciones del PH de la misma solucin, si se supone que la variable
de las determinaciones del PH es normal.
Sug. Usar el intervalo de confianza para la media de una poblacin
normal con varianza desconocida.
7. Una fabrica trabaja con dos maquinas de tipo A y con una maquina de
tipo B. el tiempo que se utiliza para reparar la maquina A por semana
tiene distribucin normal con media , desconocida y varianza 6
2

conocida, mientras que para la maquina B la distribucin es normal
con media 2, desconocida, y varianza 2 61
2
. Luego, el tiempo total
semanal esperado de reparacin es 21 + 2. Si se consideran una
muestra aleatoria de m tiempos de reparacin para cada maquina de
tipo A y una muestra aleatoria de n tiempos de reparacin para la
maquina B, construir un intervalo al nivel de confianza del 95 % para
el tiempo total esperado de reparacin.
8. Para estimar la resistencia media de las barras de hierro que se utilizan
en cierta construccin, una compaa desea conocer el nmero n de
barras que debe escoger de tal modo que se garantice que existir un
riesgo de 0.01 de sobrepasar el error de 5 kg. Al estimar la media de
todas las barras mediante la media muestral. Si la desviacin estndar
es 20 kg., hallar n.
Rpta. 107
254

9. Hallar el tamao de muestra que se debe tener tomar para estimar la
media de una poblacional normal de modo que la media poblacional no
difiera de la media en ms del 20% de la desviacin estndar, con
probabilidad 0.95.
Rpta. 96.
10. Se planea una encuesta para conocer el tiempo que los nios ven
televisin. Un estudio previo mostr que el tiempo promedio por
semana es cerca de 15 horas con una desviacin estndar de 5
horas. Se desea estimar el tiempo promedio por semana con una
precisin de 0.5 horas, al nivel de confianza del 99%. Si el costo de
administracin de la encuesta es de $ 500, ms $3 por entrevista,
Cul es el costo total que se debe presupuestar para la encuesta?
Rpta. 2498
11. Una muestra aleatoria de 81 personas tomadas del total de 225
egresados de la carrera de administracin recibe un sueldo promedio
inicial de $900 mensuales con una desviacin estndar de $ 100.
Calcule un intervalo al 95% de nivel de confianza para el sueldo
promedio inicial de los 225 graduados.
12. Hallar un intervalo de confianza al nivel del 95% para el ingreso
total mensual de una comunidad que tiene 500 familias si en una
muestra de 100 familias se obtuvo un ingreso mensual promedio de
30000 nuevos soles. Suponer que los ingresos tienen
aproximadamente distribucin normal con desviacin estndar igual
a 5000 nuevos soles.
Rpta. [14510000, 15490000]
255
TABLAS ESTADSTICAS
TABLA 1.- Distribucin Normal Estandar
TABLA 2.- Distribucin t de Student

257

TABLA 1.- Distribucin Normal Estandar

alP
UNIVERSIDAD
TECNOLOGICA
DEL PERU
258
Tabla (Continuacin) reas bajo l a curva normal

z .00 .01 .02 .03 .04 .05 .06 .07 .08 .09
0.0 .5000 .5040 .5080 .5120 .5160 .5199 .5239 .5279 .5319 .5359
0.1 .5398 .5438 .5478 .5517 .5557 .5596 .5636 .5675 .5714 .5753
0.2 .5793 .5832 .5871 .5910 .5948 .5987 .6026 .6064 .6103 .6141
0.3 .6179 .6217 .6255 .6293 .6331 .6368 .6406 .6443 .6480 .6517
0.4 .6554 .6591 .6628 .6664 .6700 .6736 .6772 .6808 .6844 .6879
0.5 .6915 .6950 .6985 .7019 .7054 .7088 .7123 .7157 .7190 .7224
0.6 .7257 .7291 .7324 .7357 .7389 .7422 .7454 .7486 .7517 .7549
0.7 .7580 .7611 .7642 .7673 .7704 .7734 .7764 .7794 .7823 .7852
0.8 .7881 .7910 .7939 .7967 .7995 .8023 .8051 .8078 .8106 .8133
0.9 .8159 .8186 .8212 .8238 .8264 .8289 .8315 .8340 .8365 .8389
1.0 .8413 .8438 .8461 .8485 .8508 .8531 .8554 .8577 .8599 .8621
1.1 .8643 .8665 .8686 .8708 .8729 .8749 .8770 .8790 .8810 .8830
1.2 .8849 .8869 .8888 .8907 .8925 .8944 .8962 .8980 .8997 .9015
1.3 .9032 .9049 .9066 .9082 .9099 .9 I I 5 .9131 .9147 .9162 .9177
1.4 .9192 .9207 .9222 .9236 .925 I .9265 .9278 .9292 .9306 .9319
1.5 .9332 .9345 .9357 .9370 .9382 .9394 .9406 .94 I 8 .9429 .9441
1.6 .9452 .9463 :9474 .9484 .9495 .9505 .9515 .9525 .9535 .9545
1.7 .9554 .9564 .9573 .9582 .9591 .9599 .9608 .9616 .9625 .9633
1.8 .9641 .9649 .9656 .9664 .9671 .9678 .9686 .9693 .9699 .9706
1.9, .9713 .9719 .9726 .9732 .9738 .9744 .9750 .9756 .9761 .9767
2.0 .9772 .9778 .9783 .9788 .9793 .9798 .9803 .9808 .9812 .9817
2.1 .9821 .9826 .9830 .9834 .9838 .9842 .9846 .9850 .9854 .9857
2.2 .9861 .9864 .9868 .9871 .9875 .9878 .9881 .9884 .9887 .9890
2.3 .9893 .9896 .9898 .9901 .9904 .9906 .9909 .9911 .9913 .9916
2.4 .9918 .9920 .9922 .9925 .9927 .9929 .9931 .9932 .9934 .9936
2.5 .9938 .9940 .9941 .9943 .9945 .9946 .9948 .9949 .9951 .9952
2.6 .9953 .9955 .9956 .9957 .9959 .9960 .9961 .9962 .9963 .9964
2.7 .9965 .9966 .9967 .9968 .9969 .9970 .9971 .9972 .9973 .9974
2.8 .9974 .9975 .9976 .9977 .9977 .9978 .9979 .9979 .9980 .9981
2.9 .9981 .9982 .9982 .9983 .9984 .9984 .9985 .9985 .9986 .9986
3.0 .9987 .9987 .9987 .9988 .9988 .9989 .9989 .9989 .9990 .9990
3.1 .9990 .9991 .9991 .9991 .9992 .9992 .9992 .9992 .9993 .9993
3.2 .9993 .9993 .9994 .9994 .9994 .9994 .9994 .9995 .9995 .9995
3.3 .9995 .9995 .9995 .9996 .9996 .9996 .9996 .9996 .9996 .9997
3.4 .9997 .9997 .9997 .9997 .9997 .9997 .9997 , .9997 .9997 .9998
259

TABLA 2.- Distribucin t de Student

260

261
BIBLIOGRAFA
1. CANEVOS, GEORGE, (1992) Probabilidad y Estadstica Aplicaciones y
Economa Edit. Mc-Graw Hill. Mxico.
2. GARCA OR, CELESTINO, (1997) Distribuciones y Estadstica Inferencial
Concytec.
3. MASON Y LIND, (1998). Estadstica para Administracin y Economa. Edit.
Alfaomega Mxico.
4. MENDEN HAALL, WILLIAM SYNCINACH, TERRY. Estadstica Aplicada a
la Ciencia e Ingeniera. Mc Graw-Hill.
5. MITAC MEZA, MXIMO. (1990). Tpicos de Estadstica Descriptiva y
Probabilidad. Editorial San Marcos.
6. MOYA, RUFINO GREGORIO SASOVIA, (1998) Probabilidad e Inferencia
Estadstica. Edit. San Marcos Per.
7. VLIZ CAPUAY, CARLOS. (1998). Estadstica Aplicaciones. Impreso en
Lima-Per.
8. WALPOLE, RONAL E. Y RAYMUNDO H. MYRES, (1992) Probabilidad y
Estadstica. Edit. Mc-Graw Hill Interamericana de Mxico.

Probabilidades

Cargado por

Copyright:

Formatos disponibles

Probabilidades

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Probabilidades

Cargado por

Copyright:

Formatos disponibles

Lmite inferior Lmite superior

de tolerancia (LIT) de tolerancia (LST)

Me [ 22, 5; 27, 5 > 10 . . . . 55 ; Me = 22. 5 + 5

Mo [17,5;22,5 > ..30 ; Mo =1 7. 5 + 5

{ X < 7 5 } P( X < 7 5 ) = P z < 7 5 0 . 5 8 0

son insesgados respecto a los

También podría gustarte