Matematica Libro 2018 04

PSU
Matemáticas
Contenidos Actualizados
Datos y azar
TOMO IV
TOMO IV
Datos y Azar
Contenidos y ejercicios de preparación PSU
Mauricio Andrés Chiong C.

Ingeniero Civil Industrial (e)
Pontificia Universidad Católica de Chile
CEO Grupo Educativo Sinapsis
Este material fue descargado para uso exclusivo de Claseduc Clases Particulares,
pagina@claseduc.cl. Se prohibe su reproducción. Si quieres acceder gratuitamente a este
contenido visita www.psuparatodos.com
• COORDINACIÓN DE CONTENIDOS
Bastián Galasso D.
Magíster en Ciencias Exactas con Mención en Matemática.
Doctor(c) en Estadística. Pontificia Universidad Católica
de Chile.
Felipe del Canto M.

Estudiante 3º año Lic. en Matemática.
Pontificia Universidad Católica de Chile.
Nicolás Pinto P.
Lic. en Ciencias. Mención Matemáticas.
Universidad de Chile.
Ariel Reyes F.
Lic. en Ciencias Exactas.
• EDICIÓN GENERAL
Nicolás Pinto P.
Lic. en Ciencias. Mención Matemáticas.
• DISEÑO Y DIAGRAMACIÓN
Nicole Castro B.
Lic. en Artes Visuales. Diseñadora (e)
Pontificia Universidad Católica de Chile.
Sabina Gamboa M.
Distribución gratuita, prohibida su venta. Artista Visual y Diseñadora.
© Todos los derechos reservados. DuocUC
4 contenido visita www.psuparatodos.com
TOMO IV DATOS Y AZAR
PREFACIO
Este libro fue confeccionado por Mauricio Chiong Ingeniero Civil Industrial(c) de la
Pontificia Universidad Católica de Chile, fundador de la empresa Sacateun7 y Direc-
tor del Preuniversitario Gauss.
En éste se plasma el conocimiento adquirido en arduos años de estudio, desde mi

formación escolar en el Instituto Nacional, donde tengo gratos recuerdos de grandes
profesores y maestros como Luis Arancibia y Belfor Aguayo, que hicieron que la mo-
tivación por la matemática se tradujera en el amor por enseñarla, hasta mi forma-
ción profesional, donde la Universidad traspasó su espíritu de excelencia académica
y de compromiso social.
Espero que este libro sirva de apoyo para lograr un alto puntaje, entrar a la carrera
que quieren, y cumplir sus sueños
Santiago, 2018
Mauricio Chiong
contenido visita www.psuparatodos.com 5
ÍNDICE GENERAL
Prefacio 5
1. Estadística Descriptiva 8
Definiciones básicas 9
Tablas de Frecuencia 10
Gráficos 12
Medidas de Posición o Tendencia Central 14
Medidas de Localización 14
Medidas de Dispersión 16
Ejercicios 16
2. Probabilidades 31
Definiciones básicas 32
Probabilidades Clásica y Experimental 32
Diagramas de Árbol 33
Combinatoria 34
Permutaciones 37
Permutaciones con elementos indistinguibles 40
Permutaciones Cíclicas 41
Cantidad de Muestras en una Población Finita 42
Ejercicios 45
3. Inferencia Estadística 56
Técnicas de Muestreo 57
Distribución Normal 58
Intervalos de Confianza 62
Ejercicios 66
4. Variables Aleatorias 77
Variables Aleatorias Discretas 78
Esperanza y Varianza 79
Ley de los Grandes Números 79
Distribuciones Importantes de Variables Aleatorias 80
Variables Aleatorias Contínuas 81
Ejercicios 82
Nomenclatura 93
Solucionario 95
Respuestas 101
CAPÍTULO 1
ESTADÍSTICA DESCRIPTIVA
DEFINICIONES BÁSICAS
La estadística puede dividirse en dos ramas principales: La primera es la estadística

descriptiva, cuya función es recopilar, organizar y analizar datos. Mientras que la
otra es la inferencia estadística, que se dedica a deducir y extrapolar caracterís-
ticas de un fenómeno general observando una porción de él. En esta unidad estu-
diaremos la estadística descriptiva. Comenzaremos introduciendo ciertos conceptos
básicos que serán útiles a lo largo de todo el eje.
• Población (universo)
Variable Estadística
Es el conjunto de todos los objetos o sujetos que estamos estudiando u observando,
Mide características de la población.
con el fin de identificar alguna característica del grupo.
Variable Cuantitativa
• Muestra
Mide Cantidades.
Generalmente, las poblaciones son demasiado grandes para realizar un estudio ex-
haustivo, de modo que solo se toman los datos de ciertos individuos que represen- Variable Cuantitativa
Discreta
tan al total de la población. Al conjunto de los individuos que son efectivamente
observados se le llama muestra. Por ejemplo, al hacer un examen de sangre a un pa- Distinguimos antecesor y sucesor.
ciente para medir su composición sanguínea, la población consiste de toda la sangre

Variable Cuantitativa
del individuo. Sin embargo, como no es posible extraer toda la sangre del paciente Continua
sin interrumpir procesos vitales, solo se extrae una pequeña parte(la muestra) que Números Reales.
cumplirá el rol de representante para entender la composición sanguínea del cuerpo
completo.
Variable Cualitativa
Mide Cualidades.
• Variables
Son características, observables y medibles asociadas a los objetos de la muestra. Variable Cualitativa
Se clasifican en dos tipos: cuantitativas y cualitativas.Las variables cuantitativas son Nominal
aquellas que se pueden expresar a través de un número(número de hijos, estatura, Mide Cualidades que no se
pueden ordenar.
peso), mientras que las variables cualitativas son aquellas que no(color de cabello,
Variable Cualitativa
marca preferida, nivel educacional). Ordinal
Mide Cualidades que se
Las variables cuantitativas se subdividen a su vez en discretas y continuas. Llama- pueden ordenar.
remos continuas a aquellas que pueden tomar(teóricamente) cualquier valor en un

intervalo dado, mientras que las variables discretas son aquellas cuyos valores po-
sibles presentan separación en la recta numérica y permiten distinguir antecesor y
sucesor. Por ejemplo, la estatura de las personas corresponde a una variable cuan-
titativa continua, mientras que la cantidad de hijos de una persona es discreta(es
imposible tener más de un hijo y menos de dos, mientras que se puede medir más de
un metro y menos de dos).
Las variables cualitativas se subdividen en nominales(cuando no hay un orden lógi-

co entre los valores posibles) y ordinales (cuando sí lo hay). Por ejemplo, el tipo de
CAPÍTULO 1 ESTADÍSTICA DESCRIPTIVA
sangre (A, B, AB, O) de una persona corresponde a una variable nominal. Mientras
que el nivel educacional (Enseñanza básica, enseñanza media, formación profesio-
nal) corresponde a una variable ordinal.
TABLAS DE FRECUENCIA
Las tablas de frecuencia son esquemas que se utilizan para organizar las caracterís-
ticas de grandes cantidades de datos y sus parámetros estadísticos, dentro de ellas
podemos distinguir los siguientes elementos:
• Clase
Es un nombre, valor o intervalo perteneciente al recorrido de la variable, que se
utiliza para clasificar un subconjunto de la población.
• Marca de clase
Sólo la utilizamos en al hablar de variables cuantitativas. Es un valor que representa
a la Clase. En el caso de que la clase sea un intervalo, la marca de clase es el promedio
de los límites del intervalo.
• Frecuencia absoluta ( fi)

Es la cantidad de elementos pertenecientes a una clase específica.
• Frecuencia relativa (hi)

Se representa usualmente por hi y es la frecuencia absoluta dividida por el tamaño
muestral n:
fi
hi =
n
• Frecuencia absoluta acumulada (Fi)
Es la suma de todas las frecuencias absolutas de las variables menores o iguales (re-
cordar que las frecuencias absolutas van ordenadas por una tabla) y se denota en
general por Fi.
• Frecuencia relativa acumulada

Es lo análogo a la frecuencia absoluta acumulada pero usando la frecuencia relativa
en vez de la absoluta.
Ejemplo /
Veremos la cantidad de e-mails que recibe una persona por día
durante un mes, arrojando los siguientes datos
1 2 2 3 5 1 Notamos que obtenemos que el recorrido

3 2 1 1 2 1 de la variable va entre 0 y 5, por lo tanto
1 1 0 0 2 3 podemos ponerlos en una tabla donde la
2 2 2 3 3 1 frecuencia será el conteo de los días que
3 2 3 3 5 5 recibió una cantidad fija de e-mails
Nº de Frecuencia Frecuencia Frecuencia Frecuencia

Emails absoluta relativa acumulada relativa
acumulada
0 2 2/30 2 2/30
1 8 8/30 10 10/30
2 9 9/30 19 19/30
3 8 8/30 27 27/30
4 0 0/30 27 27/30
5 3 3/30 30 1
Total: 30
Cuando el recorrido de la variable es muy grande, podemos

usar intervalos para agrupar de mejor manera las clases. Por
ejemplo, supongamos que 30 personas llegaron atrasadas a un
matrimonio y se registró la cantidad de minutos de atraso, lo
que se muestra a continuación.
12 23 21 37 52 11 Podemos notar que en este caso el

31 24 15 17 22 7 recorrido es muy amplio, por lo que
13 19 1 5 29 33 si los clasificamos usando intervalos
22 21 27 38 35 16 de 10 minutos, entonces se obtiene
30 20 35 38 55 59 la siguiente tabla de frecuencia
Tiempo de Frecuencia
atraso
[0,10[ 3
[10,20[ 7
[20,30[ 9
[30,40[ 8
[40,50[ 0
[50,60[ 3
GRÁFICOS
Como su nombre lo dice, es la forma gráfica de representar una tabla de datos y estu-
diaremos dos: Histogramas o gráfico de barras, polígono de frecuencias.
• Histogramas
Los gráficos de barras se montan en ejes coordenados: en el eje X se ubican los valo-
res de las variables (como puntos o intervalos) y en el eje Y va la frecuencia absoluta.
Ejemplo /
Si consideramos la tabla de frecuencias del ejemplo anterior, entonces su gráfico de barras o
histograma será:
Tiempo de Frecuencia
atraso 9
[0,9[ 3 8
[10,19[ 7 7
[20,29[ 9
[30,39[ 8 3
[40,49[ 0
[50,59[ 3 0
10 20 30 40 50 60
• Polígono de frecuencia
Al igual que antes va en ejes coordenados, pero esta vez en el eje de las X marcamos
los puntos medios de los intervalos considerados (representante del intervalo) y en
el eje de las Y las frecuencias. Luego marcamos los puntos de la forma (representante
del intervalo, frecuencia del intervalo) y los vamos uniendo por una línea.
Ejemplo /
Usaremos la misma tabla de frecuencias del ejemplo anterior,
y obtendremos el siguiente polígono de frecuencia,
9
8
7
0
10 20 30 40 50 60
MEDIDAS DE TENDENCIA CENTRAL
Las medidas de tendencia central son tres: La media aritmética, Mediana y Moda. La
primera de estas la media aritmética es el promedio que usualmente conocemos,
es decir, la suma de todos los datos divididos por la cantidad total de ellos, por ejem-
plo si los datos son 1, 2, 3 y 4, entonces el promedio es
1 + 2 + 3 + 4 10
= = 2,5
4 4
En el caso de tener datos agrupados en una tabla de frecuencia, podemos calcular el
promedio utilizando los parámetros de la tabla:
n = tamaño muestral
1
x=
n
∑ mci ⋅ fi mci =marca de clase del i - ésimo intervalo
fi : frecuencia absoluta de la i - ésima clase
El segundo de ellos la mediana es el valor que divide en dos partes iguales a la
muestra cuando esta se encuentra ordenada ya sea de forma creciente o decreciente.
Por ejemplo, si la muestra es 1, 2, 2, 2, 3, 4, 5, 6, 7, 8 y 9, entonces la mediana es 4,
ya que hacia la izquierda y hacia la derecha de 4 podemos encontrar 5 elementos de
la muestra.
El último de ellos la moda es el elemento de mayor frecuencia dentro de una mues-

tra, por ejemplo si la muestra es 1, 2, 2, 2, 3, 3, 4, 5, 6, 7 y 9, entonces la moda es
2, ya que es el único que tiene frecuencia 3. Debemos tener claro que la moda no es
necesariamente única, puede ser una muestra bimodal o multimodal. En caso de
que todos los elementos presenten la misma frecuencia diremos que la muestra es
amodal o que no posee moda.
MEDIDAS DE POSICIÓN O LOCALIZACIÓN
Las medidas de localización, como dice su nombre, nos ayudan a saber con alguna
precisión la ubicación de cierto elemento de la muestra. La precisión la dará el ele-
mento de localización que usemos. Estudiaremos tres: Cuartiles, Deciles y Percenti-
les.
• Cuartiles
Los cuartiles son tres valores que dividen a un conjunto de datos ordenados en cuatro
partes porcentualmente iguales y denotaremos a esos valores por Qi. Si tenemos una
serie de datos ordenados, entonces una forma de calcular los valores de los cuartiles es
• Q1: Es la mediana de la primera mitad de los elementos.

• Q2: Es la mediana del conjunto.
• Q3: Es la mediana de la segunda mitad de los elementos.
• Deciles
Son básicamente lo mismo que los cuartiles pero en vez de tres elementos que di-
viden los datos en 4 partes porcentualmente iguales, son 9 valores que dividen la
muestra en 10 partes porcentualmente iguales y los denotaremos por Di. Para su
calculo veremos primero los percentiles y con ellos veremos como a partir de ellos se
pueden calcular los cuartiles y deciles.
• Percentiles
Al igual que los anteriores y como dice su nombre, los percentiles son 99 valores
que dividen a los datos en 100 partes porcentualmente iguales, a los que denotamos
por Pi . Si un dato esta ubicado en el percentil Pi , significa que es mayor o igual ,
aproximadamente, que el i% de la muestra y menor que el 100 − i% de la muestra. La
relación entre los percentiles, deciles y cuartiles es la siguiente
P10 = D1
P20 = D2
P25 = Q1
P30 = D3
P40 = D4
P50 = D5 = Q2 = mediana
P60 = D6
Observación P70 = D7
Recordemos que [x] es la parte entera P75 = Q3
de x y {x} es la parte fraccionaria de x y P80 = D8
se calcula x-[x] P90 = D9
Por lo tanto si aprendemos a calcular los percentiles, sabremos calcular los deciles y
los cuartiles. Para el calculo del percentil Pi consideraremos el siguiente valor
n⋅i
x=
100
donde n es el tamaño de la muestra e i el percentil a calcular. Luego si llamamos
E= [x] y D = {x}, entonces la siguiente función nos da el percentil correspondiente
⎧ Elemento(E + 1 ) Si D ≠ 0
⎪
Pi = ⎨ Elemento(E) + Elemento(E + 1 )
Si D = 0
⎪⎩ 2
Profundiza tu conocimiento
Online
Ejemplo /
Suponga que se tiene una muestra ordenada de 200 elementos y
queremos ubicar el percentil número 70, esto es, el elemento que
divide la muestra en dos partes de modo que el 70% de los datos
se ubica por debajo de él (y el resto de la muestra corresponde al
30% mayor). Entonces aplicando la fórmula con n = 200 e i = 70,
obtendremos que 200 ⋅ 70
x= = 2 ⋅ 70 = 140
100
Luego como x resultó ser un número entero, entonces debemos
tomar la segunda rama de la función, es decir, tomaremos el ele-
mento 70 y 71 de la lista, y el promedio resultará ser el percentil
buscado.
MEDIDAS DE DISPERSIÓN
Las medidas de dispersión son aquellas que nos ayudan a medir qué tan separados
están los datos unos de otros. Los que estudiaremos son cuatro: Rango, desviación
media, varianza y desviación estándar.
•Rango
Es la diferencia entre el valor mayor y el valor menor de la muestra.
• Desviación media
Es el promedio de los valores absolutos de las desviaciones, donde las desviaciones
son la diferencia entre un dato (o el representante en caso que estemos viendo inter-
valos) y la media aritmética, es decir,
∑
N
x i −x donde xi es la variable (o el representante en caso de interva-
i=1
Dm = los), N el tamaño de la muestra y x la media aritmética.
N
• Varianza
La varianza se denota por σ2 y es la media aritmética de los cuadrados de las desvia-
ciones, es decir,
∑
N
( x i − x )2
σ 2
= i=1
N
• Desviación estándar
Este concepto se introduce debido a que la varianza esta medida en unidades cua- Online
dradas y estas pueden ser difíciles de interpretar. Por ello introducimos la desviación
estándar como la raíz cuadrada de la varianza, es decir, σ = σ 2 .
CAPÍTULO 1 ESTADÍSTICA
EJERCICIOS
1. La siguiente tabla muestra la distribución de los 3. El gráfico de la figura representa el número de

puntajes obtenidos por un curso en una prueba iPhones que tienen en su casa los alumnos de un
curso. De acuerdo con esta información, el número
Puntaje Nº de alumnos total de alumnos del curso es
0-5 4
6 - 11 2
Alumnos
12 - 17 7
18 - 23 11
24 - 29 6
10
¿Qué porcentaje de los alumnos del curso obtuvo 12 8

o más puntos en la prueba?
6
A) 80%
B) 20% 4
C) 30,5%
D) 35% 2
E) Ninguna de las anteriores
1 2 3 4 5
Número de IPhones
2. Según información del INE (Instituto Nacional

A) 29
de Estadísticas), actualmente en Chile, 25 de cada
B) 28
1.000 habitantes cursa estudios universitarios.
C) 27
Si en Chile hay 15 millones de habitantes, con la
D) 15
información proporcionada por el INE, es posible
E) 14
estimar que
A) Cursan estudios universitarios 40.000 habitantes.

B) 375.000 habitantes cursan estudios
universitarios.
C) Quince mil habitantes cursan estudios
universitarios.
D) 600.000 habitantes cursan estudios
universitarios.
E) Menos de 300.000 habitantes han estudiado en la
universidad.
4. La siguiente tabla muestra la distribución de

III. Dom Lun
personas que asistieron al cine en una semana.
¿Cuál(es) de los siguientes gráficos representa(n) la
información de la tabla? Sáb Mar
Día Nº de personas
Vie Mié
Lunes 100
Martes 150 Jue
Miércoles 200
Jueves 100 A) Solo I
Viernes 225 B) Solo II
Sábado 200 C) Solo I y II
Domingo 100
D) Solo II y III
E) I, II y III
I.
250
200 5. ¿Cuál es el intervalo que contiene al percentil 11

150 de los datos de la siguiente tabla?
100
Estatura Nº de alumnos
50
[148,153[ 1
[153,158[ 5
Lun Mar Mié Jue Vie Sáb Dom [158,163[ 11
[163,168[ 14
II. [168,173[ 6
[173,180] 3
250
200
A) [153,158[
150
B) [158,163[
100 C) [163,168[
D) [168,173[
50
E) [173,180]
Lun Mar Mié Jue Vie Sáb Dom
6. Si el promedio de las notas finales de un curso 8. De acuerdo con la información entregada por
de 20 alumnos es de 4 y el de otro curso de 30 la tabla, que nos muestra los años de escolaridad
alumnos es de 6, entonces el promedio de notas de menores en situación de abandono, ¿Cuál es la
finales de los alumnos de ambos cursos es mediana de la muestra?
A) 4,2
B) 4,7
Años de Menores Frecuencia
C) 5,2 escolaridad de edad acumulada
D) 5
0 3 3
E) 5,4
1 0 3
2 1 4
3 2 6
4 3 9
5 6 15
Total 15
7. La tabla muestra los resultados de una prueba de A) 5

Matemática B) 4,5
C) 4
Puntaje Nº de alumnos D) 3,5
[16,28] 13 E) 3
[29,40] 48
[41,50] 61
[51,60] 21
[61,70] 6
[71,80] 1
La marca de clase del intervalo modal es
A) 41
B) 50
C) 61
61
D)
150
E) 45,5
9. Se realiza un estudio sobre el número de días que 10. Si la media aritmética entre a y b es 3 y la
los pacientes sufren mejorías de jaqueca crónica con desviación estándar es 3 , entonces el valor
un nuevo medicamento, presentado en la siguiente de ab es
tabla ¿Cuál(es) de las siguientes afirmaciones
es(son) verdadera(s)? A) 2
B) 4
C) 6
Días Frecuencia
D) 8
0 100 E) 10 Aprende a resolver
1 250 este ejercicio.
Búscalo en el
2 300 SOLUCIONARIO
3 500
4 450
5 2.000
I. La mediana es igual a la moda.

II. El porcentaje de pacientes que sintió mejoría a
los 5 días es el 55, 5̄ %.
III. El rango es 6.
A) Solo I
11. Dado los datos 2, 2, 3, 3, 5, 1, 5, 1, 2, 4, ¿cuál es la
B) Solo II
frecuencia de la moda?
C) Solo I y II
D) Solo I y III
A) 2
E) I, II y III
B) 3
C) 4
D) 5
E) La muestra no posee moda
12. En una balanza, se pesan al mismo tiempo 20 14. Respecto a la tabla de la pregunta anterior,
personas. Si la balanza registra 1.200 kilogramos, ¿Cuál es la moda?
¿Cuál es el peso promedio de estas personas?
A) 7
A) 60 B) 6
B) 40 C) 5
C) 50 D) 4
D) 30 E) 3
E) 20
13. En la siguiente tabla se muestran las notas de

un grupo de estudiantes que rindió una prueba:
Nota fi
15. Una serie de camisas de iguales características
3 1
valen $5.000, $8.000, $10.000, $10.000 y $15.000.
4 5
Dados estos datos, ¿Cuál(es) de las siguientes
5 2
características es(son) verdadera(s)?
6 1
7 1
I. La moda es $10.000
II. La mediana es $10.000
III. La media es $9.600
¿Cuántas personas rindieron la prueba?
A) Solo I
A) 5 B) Solo II
B) 6 C) Solo III
C) 8 D) Solo I y II
D) 10 E) I, II y III
E) 11
16. Dada la siguiente tabla 17. Dados los datos 1, 1, 2, 3, 5, 1, 5, 2. La

media aritmética, la moda y la mediana son
respectivamente
Nota Fi
N1 F1
A) 2, 1 y 5
N2 F2
B) 2, 1 y 2
N3 F3
C) 2.5, 1 y 2
N4 F4
D) 2.5, 1 y 4
E) 2.5, 5 y 4
La media es
N1 + N2 + N3 + N4
A)
4
NF + N F + N3F3 + N4F4
B) 1 1 2 2
4
NF + N F + N3F3 + N4F4
C) 1 1 2 2
F1 + F2 + F3 + F4
N1 + N2 + N3 + N4
D)
F1 + F2 + F3 + F4
E)Ningunade las anteriores 18. Con los siguientes datos:
{A,A,A,B,B,B,C,C,D,D,D,E,E} es posible afirmar que
A) No existe moda
B) Existen dos modas
C) Existen tres modas
D) Todos los datos son moda
E) El promedio es 1
19. Según el gráfico, ¿Cuál es el intervalo modal de 21. El promedio de edades entre 4 hermanos es de
los datos? 7 años. Si a las edades les agregamos la edad del
padre y la madre, entonces el promedio asciende a
15 años. Entonces el promedio de las edades de los
padres es
6
A) 28
4 B) 31
C) 23
3 D) 35
E) 42
1
2 3 4 5 6 7
A) [2,3[
B) [3,4[
C) [4,5[
D) [5,6[
E) [6,7[
22. Si se tienen los valores 3, 1, 2, 6, a, 5, 8, 2, 3,
entonces se puede saber el valor de a si
(1) La mediana es 3
20. Un estudio estadístico emplea datos (2) La moda es 2
consistentes en el peso corporal de un grupo de
personas. Respecto a estos datos, podemos decir A) (1) por sí sola
que corresponden a una variable B) (2) por sí sola
C) Ambas juntas, (1) y (2)
I. Cualitativa D) Cada una por sí sola, (1) ó (2)
II. Continua E) Se requiere información adicional
III. Discreta
A) Solo I
B) Solo II
C) Solo III
D) Solo I y II
E) I, II y III
23. Las edades de un grupo de jóvenes misioneros 25. Si la media entre los datos a y b es 3 y la
es 12, 13, 15, 12 y 14 años. Entonces ¿Cuál(es) de las desviación estándar es 3 , entonces a2 +b2 es
siguientes afirmaciones es(son) verdadera(s)?
igual a
I. La media es 11 años
II. La mediana es 13 años A) 36
III. La desviación estándar es 2 años B) 18
C) 72
A) Solo I D) 48
B) Solo II E) 24
C) Solo III
D) Solo I y II
E) I, II y III
26. La tabla adjunta, muestra el resultado obtenido

por dos cursos del preuniversitario Gauss en un
ensayo de lenguaje. ¿Cuál(es) de las siguientes
afirmaciones es(son) verdadera(s)?
Curso Promedio Desviación

Estandar
24. La desviación estándar para los datos Mañana 706 0,5
{1, 2, 3, 4, 4, 1, 2, 1, 1, 1} es Tarde 669 1
A) 14 I. El curso de la mañana es el más heterogéneo

B) 1,4 II. El curso de la mañana presenta menor
C) 0,14 dispersión en los puntajes
III. La media aritmética (promedio)
D) 2,4
considerando los puntajes de los alumnos de
E) 0,24
ambos cursos es 688
Aprende a resolver
este ejercicio.
Búscalo en el
SOLUCIONARIO A) Solo I
B) Solo II
C) Solo III
D) Solo II y III
E) Solo I y II
27. La tabla adjunta, muestra la distribución de los 28. El promedio (media aritmética) de las masas de
puntajes de matemática de un grupo de estudiantes 4 personas es 65 kilos. Si la suma de las primeras
del preuniversitario Gauss. De acuerdo con esta 3 personas es 200 kilos, ¿cuál es la masa de la
información, ¿cuál de las siguientes fórmulas última persona?
permite determinar el puntaje promedio de la
muestra? A) 69 kilos
B) 60 kilos
Puntaje Frecuencia C) 6 kilos
D) 62 kilos
Pt1 A1
Pt2 A2
E) No se puede determinar
Pt3 A3
Pt4 A4
Pt5 A5
Pt1 + Pt2 + Pt3 + Pt4 + Pt5

A)
5
A1 + A 2 + A 3 + A 4 + A 5
B)
5
Pt1 + Pt2 + Pt3 + Pt4 + Pt5
C)
A1 + A 2 + A 3 + A 4 + A 5
A1Pt1 + A 2Pt2 + A 3Pt3 + A 4Pt4 + A 5Pt5
D)
5
A1Pt1 + A 2Pt2 + A 3Pt3 + A 4Pt4 + A 5Pt5
E)
A1 + A 2 + A 3 + A 4 + A 5
29. El gráfico de la figura muestra el resultado de 30. La tabla adjunta, muestra los resultados
una encuesta realizada a un grupo de personas obtenidos al lanzar un dado de 8 caras.
sobre su preferencia con respecto a sabores de
helado. Frecuencia
Número
1 2
2 3
14
3 4
12
4 2
10
5 2
8
6 6
6 4
7
4 8 5
2
Vainilla Piña 3 Leches Frutilla
¿Cuál(es) de las siguientes afirmaciones es(son)

verdadera(s)?
¿Cuál(es) de las siguientes afirmaciones es(son)
falsa(s)? I. El total de lanzamientos del dado fue 28
II. La frecuencia de la moda es 6
I. La moda es 12 III. La mediana es 4,5
II. El 12,5% de las personas encuestadas prefiere
el helado de piña A) Solo I
III. La media es 16 B) Solo I y II
C) Solo II y III
A) Solo I D) I, II y III
B) Solo I y III E) Ninguna de las anteriores
C) Solo II y III
D) I, II y III
31. La tabla adjunta, muestra el resultado de 3 32. El gráfico de la figura, muestra las matrículas
cursos del preuniversitario Gauss en un mismo del preuniversitario en los meses de verano, las
ensayo, ¿Cuál es el promedio (media) entre el total cuales suman 200 alumnos.
de alumnos de los tres cursos? (los puntajes se
aproximan al entero mayor)
Diciembre
15%
Curso Nº de alumnos Promedio
Marzo
Mañana 4 755 35%
Enero
Tarde 6 804 17%
Noche 5 669
Febrero
33%
A) 740
B) 744
C) 700
D) 745
E) 746 ¿Cuál(es) de las siguientes afirmaciones es(son)
verdadera(s)?
I. Se matricularon 66 alumnos en Febrero

II. Se matricularon 50 alumnos entre
Diciembre y Enero
III. La mayoría se matriculó en Febrero
A) Solo I
B) Solo I y II
C) Solo II y III
D) I, II y III
33. Dados los puntajes obtenidos por 5 personas 35. La tabla adjunta, muestra la cantidad de
en un ensayo de ciencias: 810, 765, 655, 555 y 605, horas que dura un celular con sistema iOS si lo
¿Cuál(es) de las siguientes afirmaciones es(son) sometemos a un control de calidad. ¿Cuál(es) de las
verdadera(s)? siguientes afirmaciones es(son) verdadera(s)?
I. No existe moda
II. La media es 678
III. La mediana es 605
Intervalo de horas Frecuencia
A) Solo I [10 - 15[ 10
B) Solo II [15 - 20[ 12
C) Solo I y II [20 - 25[ 8
D) Solo I y III
E) I, II y III
I. La marca de clase en el intervalo

[20 - 25[ es 22,5
II. La media es 12
III. La mediana se encuentra en el intervalo
[15 - 20[
34. Si se suman los GB de internet utilizados en el A) Solo I

celular durante 21 días y se divide por 21, se obtiene B) Solo II
C) Solo I y II
A) La moda D) Solo I y III
B) La mediana E) I, II y III
C) La desviación estándar
D) La media aritmética
36. En una muestra de 450 elementos, el elemento 38. La desviación estándar entre los elementos 1, 1,
correspondiente al percentil 21 es el dato 1, 1, 1, 2, 2, 2, 3, 4 y 4 es
A) 90
12
B) 92 A)
C) 93 11
D) 94 14
Aprende a resolver
B)
E) 95 este ejercicio. 11
Búscalo en el
SOLUCIONARIO 14
C)
10
17
D)
10
E)Ningunade las anteriores
Aprende a resolver
este ejercicio.
Búscalo en el
SOLUCIONARIO
37. En la muestra 39. Si el promedio de los dos mejores alumnos

de un curso es 6,7 y el de los dos peores es 4,5,
{Pantalón,Pantalón,Pantalón, Zapato, entonces el promedio entre los cuatro será
Zapato,Polera,Polera,Polera,Polera}.
A) 5
Es correcto afirmar que B) 5,2
C) 5,6
A) La moda es Zapato D) 5,9
B) La media es Zapato E) 4,9
C) El promedio es Calcetines
D) La moda es Polera
E) El promedio es Polera
40. Sea x > 7. Si se considera el set de datos
{1, 1, 2, 3, 7, 7, 7, x},
entonces el valor de x para que la media y la

mediana coincidan debe ser
A) 12
B) 15
C) 16
D) 19
E) Nunca coincidirán
TOMO IV ESTADÍSTICA Y PROBALIDIDAD
MIS ANOTACIONES
Te damos espacio extra para que puedas
desarrollar mejor los ejercicios
CAPÍTULO 2
PROBABILIDADES
CAPÍTULO 2 PROBABILIDADES
DEFINICIONES BÁSICAS
Las probabilidades son la rama de la matemática que estudia el azar, es decir, even-
tos en los cuales uno conoce todos los posibles resultados pero no se conoce con
certeza el resultado de él.
Nuestra primera definición es la de experimento aleatorio, que es un experimento

con varios resultados posibles pero es imposible predecir con exactitud un resultado
particular. Por ejemplo, al lanzar de una moneda, sé que tiene sólo dos posibles re-
sultados pero no puedo asegurar la ocurrencia de ninguno de los dos.
El espacio muestral es el conjunto formado por todos los posibles resultados de un

experimento aleatorio dado. Por ejemplo, el espacio muestral de lanzar un dado es
{1, 2, 3, 4, 5, 6}.
Llamaremos eventos o sucesos a cada uno de los subconjuntos del espacio muestral.
Por ejemplo, al lanzar un dado el espacio muestral está compuesto por los números
1, 2, 3, 4, 5 y 6. Un evento puede ser obtener un número par (formado por los resul-
tados 2, 4 y 6).
Cuando dos eventos no pueden ocurrir de manera simultánea, los llamamos eventos
mutuamente excluyentes. Por ejemplo, al lanzar un dado consideremos los eventos A
= {1, 3, 5} (obtener un número impar) y B = {2, 4, 6} (obtener un número par). Como
ningún resultado posible es simultáneamente par e impar, decimos que A y B son
mutuamente excluyentes.
PROBABILIDADES CLÁSICA Y EXPERIMENTAL
• Probabilidad Clásica
Si en un experimento aleatorio, todos los resultados son equiprobables, es decir,
todos tienen la misma probabilidad de ocurrir, entonces diremos que la probabilidad
de que ocurra cierto evento A es
#A Número de casos de A
P( A )
#E Número de casos totales
donde E es el espacio muestral. Cabe resaltar que a partir de la definición anterior
se puede observar que la probabilidad de cualquier evento está entre los valores 0 y
1, por el hecho de que A E.
• Probabilidad Experimental
Si tomamos por Fr la frecuencia relativa de un evento A, entonces definimos
Cantidad de veces que ocurre A
Fr
Cantidad de veces que se realiza el experimento
La Ley de los Grandes Números nos dice que si repetimos dicho experimento una can-
tidad suficiente de veces, entonces el valor de Fr será cada vez más parecido a la
probabilidad de ocurrencia del evento A.
A continuación presentamos una pequeña lista con propiedades que se cumplen en

las probabilidades, donde E siempre será el espacio muestral, P (·) la probabilidad y,
A y B eventos.
• P(E) = 1
• P( ) = 0
• 0 ≤ P(A) ≤ 1
• Si A B = (son mutuamente excluyentes), P(A B) = P(A) + P(B)
• Si Ac = E\A, entonces P(Ac) = 1−P(A)
• Si A B ≠ , entonces P(A B) = P(A) + P(B) − P(A B)
• Si A y B son eventos independientes, entonces P(A B) = P(A)· P(B)
• Probabilidad Condicionada
Diremos que A y B son eventos dependientes si la ocurrencia de uno influye en la
ocurrencia del otro, y en dicho caso tendremos la siguiente regla de probabilidad
P( A ∩ B)
P( A ∩ B) = P( A ) ⋅ P( B| A ) P( B| A ) =
P( A )
donde P(B|A) denota la probabilidad de que ocurra B sabiendo que ocurrió A. Por
lo tanto, como consecuencia inmediata de lo anterior, si A y B son eventos indepen-
dientes, se tendrá que P (B|A) = P (B)
DIAGRAMAS DE ÁRBOL
A veces los problemas se presentan en varias etapas y para visualizarlos mejor, con-
viene pensar en las diferentes etapas como problemas separados. Veamos el siguien-
te ejemplo:
Ejemplo /
1 de cada 10 niños cree en las hadas. 9 de cada 10 niños que cree
en las hadas puede ver a Peter Pan. 1 de cada 10 niños que no
cree en las hadas puede ver a Peter pan. Si Peter Pan visita un
niño al azar, ¿Cuál es la probabilidad de que el niño vea a Peter
Este Pan?
material fue descargado para uso exclusivo de
Claseduc Clases Particulares,
No es fácil dar una respuesta tan sencilla, pues el resultado depende de si el niño
cree o no en las hadas. Pensaremos primero en el caso en que el niño cree: Si el niño
cree, entonces la probabilidad de que vea a Peter Pan es 0.9; mientras que si no cree,
la probabilidad es 0.1. Podemos resumirlo en el siguiente diagrama.
0.1 0.9
Cree No cree
0.9 0.1 0.1 0.9
Ve a No ve a Ve a No ve a
Peter Pan Peter Pan Peter Pan Peter Pan
Para calcular la probabilidad de que el niño vea a Peter Pan, debemos multiplicar las
probabilidades de las ramas que nos llevan a un resultado donde el niño ve a Peter
Pan. Por ejemplo, en este caso, Debemos multiplicar las probabilidades que nos lle-
van al primer caso, es decir 0,9 · 0,1 y las que nos llevan al tercer caso (0,1 · 0,9). Al
sumar ambas tenemos que la probabilidad de ver a Peter Pan es 2· 0,9 · 0,1. Este tipo
de diagramas es conocido como diagrama de árbol y resulta muy útil para resolver
este tipo de problemas.
COMBINATORIA
Ya hemos visto que en un experimento aleatorio donde todos los sucesos elemen-
tales son equiprobables, la probabilidad de un evento A cualquiera puede calcularse
según la regla de Laplace:
#A
P( A) =
#Ω
Profundiza tu conocimiento En otras palabras, la probabilidad de que ocurra un evento A se obtiene como la
Online razón del número de resultados favorables al evento A y el total de resultados en el
espacio muestral.
Ejemplo /
Una canasta contiene 5 manzanas rojas y 4 manzanas verdes. Si se extrae al
azar una de las manzanas del cesto ¿Cuál es la probabilidad de que la fruta
extraída sea de color rojo?
R: El espacio muestral tiene 9 elementos (uno por cada manzana del canasto),
luego #Ω = 9. Si se define A como el evento donde se extrae una manzana roja,
entonces #A = 5, pues 5 de las manzanas del cesto son rojas. Así, de acuerdo
5
a la regla de Laplace, P( A) = # AA 5 . De donde la probabilidad buscada es .
#Ω 9 9
A pesar de que el procedimiento detrás de este tipo de problemas es bastante sen-

cillo, hay veces en que encontrar el número de elementos presentes en el espacio
muestral o la cantidad de elementos del evento A puede ser muy complicado. Para
ayudarnos a resolver estas dificultades, estudiaremos algunos elementos básicos de
combinatoria, la rama de las matemáticas que se ocupa del estudio del número de
elementos que tienen los conjuntos finitos.
• Principio aditivo y principio multiplicativo

Los principios básicos sobre los que estableceremos toda la teoría de combinatoria y
técnica de conteo reciben el nombre de principio aditivo y principio multiplicativo.
Estos resultados se presentan a continuación:
• Principio aditivo: Si un experimento tiene m resultados posibles y otro tiene n

resultados posibles, hay m + n maneras en que se puede llevar a cabo solo uno de los
experimentos.
Ejemplo /
Carlos debe escoger entre adoptar un gato o un perro. Si
le han ofrecido 4 gatos y 7 perros ¿Cuántas opciones tiene
Carlos para adoptar un animal?
R: Carlos debe escoger uno de los dos experimentos,

adoptar un gato o adoptar un perro. Como hay 4 opcio-
nes de gato y 7 de perro, de acuerdo al principio aditivo,
Carlos tiene 7 + 4 = 11 opciones para escoger su próxima
mascota.
• Principio multiplicativo: Si en un experimento hay m resultados posibles y en otro

hay n resultados posibles, entonces al realizar ambos experimentos se tienen mn
resultados posibles.
Ejemplo /
Carlos desea adoptar un gato y un perro. Si le han ofrecido
4 gatos y 7 perros ¿Cuántas opciones tiene para escoger
los animales que adoptará?
R: Esta vez Carlos debe escoger ambos, un perro y un gato.

Como hay 4 opciones para escoger un gato y 7 para esco-
ger un perro, en virtud del principio multiplicativo se tienen
7 · 4 = 28 formas de escoger un animal de cada especie.
El siguiente ejemplo tiene por finalidad ilustrar cómo se aplican estos conceptos a
problemas de probabilidad.
Ejemplo /
Carlos desea adoptar dos animales. Le han ofrecido 4 ga-
tos y 7 perros. Si escoge dos animales al azar entre sus
opciones y los adopta ¿Cuál es la probabilidad de que
adopte dos animales de diferente especie?
R: Aplicando la regla de Laplace, se tiene que la probabili-

dad de que adopte animales de distinta especie se calcula
mediante la fórmula:
#A
P( A) =
#Ω'
Donde #A es el número de elementos del evento donde

Carlos adopta animales de especie distinta y # represen-
ta el total de elementos en el espacio muestral.
Para encontrar # se aplica el principio multiplicativo: el

experimento consiste en escoger dos animales. Como hay
4 gatos y 7 perros, Carlos tiene 11 opciones para escoger
al primer animal (véase el Ejemplo 1). Sin embargo, Para
escoger el segundo animal ya no tiene 11 opciones, pues
al elegir su primera mascota ha eliminado una opción (No
puede adoptar dos veces al mismo animal). En términos
simples, una vez que escoge la primera mascota solo tiene
10 formas de escoger su segunda mascota, Así, el princi-
pio multiplicativo indica # =11 · 10 = 110.
Para hallar #A debemos contar la cantidad de formas en

que Carlos puede adoptar animales de especies diferen-
tes. Notemos que esto se puede hacer adoptando prime-
ro un gato y luego un perro, o bien adoptando primero un
perro y posteriormente un gato. La cantidad de maneras
de adoptar un perro en la primera oportunidad es 7, pues
hay 7 perros. Si luego se desea adoptar un gato, enton-
ces hay 4 opciones para la segunda elección. Con esto
se tiene que de acuerdo al principio aditivo, hay 7 · 4 = 28
maneras de adoptar primero un perro y luego un gato.
La otra manera de adoptar dos animales de especies dis-

tintas es adoptar un gato primero y después un perro.
Como hay 4 maneras de escoger el gato y 7 maneras de
escoger el perro, entonces el principio multiplicativo in-
dica que hay 4 · 7 = 28 formas de escoger primero un gato
y luego un perro. Con esta información, podemos utilizar
el principio aditivo para establecer la cantidad de mane-
ras en que se pueden adoptar dos animales de especies
distintas. Esto corresponde a sumar ambas cantidades,
es decir, #A=28 + 28, obteniendo como resultado #A = 56.
56 28
De acuerdo a la regla de Laplace, se tiene P (A)
110 55'
PERMUTACIONES
A menudo interesa calcular probabilidades que tienen relación con la cantidad de
maneras de ordenar un conjunto de objetos determinado. Las diferentes ordena-
ciones que puede tener un conjunto son llamadas permutaciones. Para motivar el
estudio de las permutaciones, consideremos el siguiente problema:
Ejemplo /
Fabián tiene una colección de 4 libros ordenados en su re-
pisa según su fecha de lanzamiento. En un descuido, los
libros se caen y Fabián los vuelve a poner en la repisa, pero
sin percatarse del orden. ¿Cuál es la probabilidad de que
el primer y el segundo libro queden en su lugar?
R: Nuevamente, si se define A como el evento donde el pri-

mer y el segundo libro quedan en los lugares que corres-
ponden, la probabilidad de A está dada por
#A
P( A) =
#Ω'
Para hallar #A notemos que si el primer y el segundo libro
quedan ubicados correctamente, entonces al ubicar un li-
bro en la tercera posición el orden queda determinado de
manera unívoca, pues solo queda una opción para poner
en último lugar. En otras palabras, al contar los casos fa-
vorables para el evento A basta obtener la cantidad de ma-
neras de ubicar el tercer libro cuando los primeros dos li-
bros están en las posiciones que corresponden. Como hay
dos maneras de hacer esto(colocar el tercer libro en su
posición o en la posición del cuarto libro), se tiene #A = 2.
Por otro lado, para hallar la cantidad # de elementos en

el espacio muestral, utilizamos el principio multiplicativo:
El libro que ocupa la primera posición puede escogerse
de 4 maneras, el libro que le sigue se puede escoger de
3 formas(pues uno de los libros ya está en la repisa). El
siguiente se escoge de dos maneras, pues hay dos libros
que ya están ubicados. Finalmente, el último libro solo se
puede escoger de una manera. Como se deben hacer to-
das estas cosas simultáneamente, se aplica el principio
multiplicativo. Así # = 4 · 3 · 2 · 1. Finalmente, de acuerdo
2 1
a la regla de Laplace: P (A)
4 · 3 · 2 · 1 12'
Si en el problema anterior hubiese más libros, por ejemplo, 83, el número de ele-
mentos en el espacio muestral se habría obtenido a partir de una multiplicación muy
tediosa. Esto genera la necesidad de definir nueva notación para contar la cantidad
de permutaciones en un conjunto. A continuación se muestra una función cuyo do-
minio son los números cardinales y nos ayuda a simplificar este tipo de problemas.
• Definición: Si n es un número cardinal, se define el factorial de n, anotado n! (se

lee “ene factorial”), mediante la recursión:
0! = 1
(n + 1)! = (n + 1)n!
Ejemplo /
Calcule los factoriales de todos los enteros comprendidos
entre 0 y 5.
R: Por definición 0! = 1.
De acuerdo a la segunda parte de la definición:
1! = (0+1)! = 1 · 0! = 1 · 1 = 1.
Análogamente: 2! = (1 + 1)! = (1 + 1) · 1! = 2 · 1 = 2.
Siguiendo de la misma forma:

3! = (2 + 1)! = (2 + 1)2! = 3 · 2! = 3 · 2 = 6.
4! = (3 + 1)! = (3 + 1) · 3! = 4 · 3! = 4 · 3 · 2 = 24.
5! = (4 + 1)! = (4 + 1) · 4! = 5 · 4! = 5 · 4 · 3 · 2 = 120.
Observación: para números n mayores que 0,

n! = n(n - 1)(n - 2) ··· 2 · 1
Ejemplo /
Escriba como multiplicación el factorial de 10
R: De acuerdo a la observación,
10! = 10 · 9 · 8 · 7 · 6 · 5 · 4 · 3 · 2 · 1
• Propiedad: El número de permutaciones existentes en un conjunto no vacío de

n elementos es n!
Ejemplo /
Bernardo pertenece a un curso de 40 alumnos. El profe-
sor hace una interrogación sorpresa y llama, uno a uno,
a los 40 estudiantes para hacerles preguntas. ¿Cuál es la
probabilidad de que Bernardo sea el último integrante del
curso en ser interrogado?
R: El espacio muestral se compone de todas las permu-

taciones existentes para el conjunto formado por los 40
alumnos del curso, es decir # = 40!. Para determinar en
cuántas de estas permutaciones Bernardo ocupa el último
lugar, notamos que en un ordenamiento donde Bernardo
está al final, hay 39! Formas de ordenar al resto del curso.
Luego la probabilidad de que Bernardo sea el último estu-
diante en ser interrogado es:
39! 39! 1
P (A)
40 ! 40 · 39! 40
PERMUTACIONES CON
ELEMENTOS INDISTINGUIBLES
Hay veces en que en un conjunto se tienen dos elementos que para propósitos prác-
ticos son indistinguibles. Considere el siguiente ejemplo:
Ejemplo /
¿Cuántas palabras, con o sin sentido, pronunciables o no
pronunciables, pueden formarse con las letras de la pala-
bra MANADA?
R: La palabra MANADA consta de 6 letras, de modo que

estas se pueden ordenar de 6! Formas diferentes. Sin em-
bargo, Las tres letras A cumplen el mismo rol dentro de
la palabra. Así, al intercambiar de lugar las tres letras A
se obtiene la misma palabra. Dicho de otra manera, esta-
mos contando más palabras de las que realmente existen
al considerar las letras A como diferentes. Una forma de
solucionar este problema es notar que cada palabra se

contó 3! veces, pues se puede formar de tantas maneras
como se puedan reordenar las letras A. Así, para obtener
la verdadera cantidad de palabras existentes, se debe di-
vidir por 3!. Luego, existen 6! 6 · 5 · 4 · 3! 6 · 5 · 4 120
palabras distintas. 3! 3!
• Propiedad: Si se tienen n elementos agrupados en k clases que se consideran

indistinguibles, y el número de elementos en cada clase se anota por n1, n2, …, nk,
entonces el número de permutaciones existentes en este conjunto está dado por
n!
n1 ! n2 ! ··· nk !
Ejemplo /
En una orquesta de 20 músicos se necesita un cantante
de primera voz, 3 cantantes de segunda voz, 5 flautistas, 4
tecladistas, 2 violinistas y 5 percusionistas. ¿Cuántas op-
ciones tienen para asignar sus roles?
R: Hay n = 20 músicos. Se consideran indistinguibles los

n1 = 3 cantantes de segunda voz, los n2 = 5 flautistas, los
n3 = 4 tecladistas, los n4 = 5 percusionistas, los n5 = 2 violi-
nistas y se forma una clase de un elemento (n6 = 1) donde
solo está el cantante de primera voz. Así, la cantidad de
opciones está dada por:
20 !
3!5!4!5!2!1!
PERMUTACIONES SIN PRIMER

ELEMENTO (CÍCLICAS)
En algunos problemas se desea calcular una permutación sin distinguir un elemento
que inicia el orden. En estos casos, se fija un elemento arbitrario y se ordenan los
demás a partir de su posición relativa al elemento fijo. En otras palabras, se fija uno
y se ordena el resto. De modo que si un conjunto tiene n elementos, entonces hay
(n - 1)! Permutaciones cíclicas.
Ejemplo /
Un collar circular está formado por una cadena que con-
tiene 5 piedras: Rubí, zafiro, jade, lapislázuli y amatista.
¿Cuántos diseños pueden existir para estos collares?
R: Hay cinco piedras, que pueden ordenarse de 5! mane-

ras diferentes. Sin embargo, al cerrar el collar, algunas
ordenaciones se ven iguales(por ejemplo si se ponen en
orden Rubí, zafiro, jade, lapislázuli y amatista se forma
el mismo collar que al colocar jade, lapislázuli, amatista,
rubí y zafiro). Para resolver el problema correctamente,
suponemos fija una de las cinco piedras (supongamos que
se escoge jade). La piedra que se ubica a la derecha del
jade se puede escoger de 4 formas, la que sigue de 3, la
siguiente de 2 maneras y la que se ubica a la izquierda so-
lamente de una. Así, hay 4! Maneras de diseñar un collar
con estas características.
CANTIDAD DE MUESTRAS
EN UNA POBLACIÓN FINITA
Observaciones Con las herramientas que manejamos en este momento ya podemos determinar la
⎛ n⎞
El símbolo ⎜ ⎟ se llama combinación cantidad de elementos de muchos espacios muestrales. En estadística, a menudo
⎝ k⎠
y se lee “n sobre k". Se define como interesa conocer la cantidad de muestras de un tamaño dado que se pueden extraer
n
=
n! desde una población finita. Para ello clasificamos los procesos de muestreo de acuer-
k k !(n − k )!
do a dos criterios. El primer criterio distingue si los elementos pueden extraerse
más de una vez (muestreo con reposición) o una vez escogidos no pueden volver
El símbolo Vkn es llamado variación o a formar parte de la muestra(muestreo sin reposición). El segundo criterio indica
arreglo y se lee “variación de n sobre si una muestra formada por los mismos elementos en diferente orden se conside-
k". Se define mediante la fórmula ra una muestra distinta (con orden) o si se considera como la misma muestra (sin
n! orden). La siguiente tabla resume de cuántas formas se puede escoger una muestra
Vk n =
(n − k )! de acuerdo a los dos criterios mencionados anteriormente. Si la población tiene n
elementos y se extrae una muestra de tamaño k, entonces la cantidad de muestras
La combinación a veces se anota Ckn y posibles está dado por
la variación a veces se anota Akn.
Con reposición Sin reposición
Con orden nk V kn
Sin orden
( n + kk - 1 ) ( nk )
Ejemplo /
El código genético se determina a partir de combinaciones
de cuatro bases nitrogenadas: Adenina, Citosina, Guanina
y Timina (o Uracilo en el ARN). La unidad de información
básica en el proceso de traducción del ARN mensajero es
llamada codón y está determinada por una secuencia de
tres bases nitrogenadas ¿Cuántos codones distintos pue-
den armarse con cuatro bases nitrogenadas?
R: Una base nitrogenada puede presentarse más de una

vez en un codón, por lo tanto, estamos en presencia de
un muestreo con reposición. Además, un codón con las
mismas bases nitrogenadas en diferente orden almacena
información diferente. En consecuencia, el orden es rele-
vante. Como se extrae una muestra de tres bases nitroge-
nadas a partir de una población de cuatro bases nitroge-
nadas, con reposición y con orden, el número de codones
es 43 = 64.
Ejemplo /
En el ejército romano, cuando una tropa se acobardaba
durante una batalla o mostraba señales de amotinamien-
to, se aplicaba un castigo conocido como diezmado (deci-
matio). Consistía en que la tropa se dividía en grupos de 10
personas y en cada grupo se escogía al azar un miembro
que debía ser lapidado por los nueve restantes. Si se apli-
ca esta medida en una tropa de 130 miembros, ¿De cuán-
tas formas se pueden escoger los 13 miembros lapidados?
R: Al lapidar a los mismos 13 miembros en distinto or-

den, se tienen exactamente las mismas bajas dentro de
la tropa. Esto indica que se realiza muestreo sin orden.
Un individuo que es lapidado en un grupo no puede ser
lapidado en otro grupo, por lo tanto se muestrea sin repo-
sición. Como se escogen k=13 individuos en una tropa de
( )
n=130, se tienen 130 maneras de realizar el diezmado.
13
Ejemplo /
Cinco amigos salen de vacaciones en un auto. Si deben es-
coger un piloto y un copiloto, ¿Cuántas opciones tienen?
R: Escoger a los mismos dos individuos intercambiando

posiciones es una elección diferente. Por lo tanto, el mues-
treo es ordenado. Además, no puede escogerse la misma
persona de piloto y copiloto, por lo tanto es un muestreo
sin reposición. En este caso n=5 y k=2, por lo tanto hay
5! 5!
V25 = = = 5 · 4 = 20
(5 − 2)! 3!
formas de escoger al piloto y al copiloto en este viaje.
Ejemplo /
¿De cuántas formas se pueden colocar 5 bolitas idénticas
en 4 urnas enumeradas del 1 al 4?
R: Una urna puede contener más de una bolita, por lo tan-

to es un muestreo con reposición. No importa qué bolita va
en qué urna, sino cuántas van en cada una. Por lo tanto no
importa el orden. Como se escogen k=5 urnas de un total
de n=4, se tienen
⎛ 5 + 4 −1⎞ ⎛ 8⎞
⎜ ⎟ =⎜ ⎟
⎝ 5 ⎠ ⎝ 5⎠
formas de llenar las urnas.
EJERCICIOS
1. Si se tiene el juego del Loto, donde para cada 3. ¿De cuántas formas puedo ordenar 3 libros en un
cartón de juego se eligen 7 números de 35, estante con 4 espacios?
¿cuál de las siguientes expresiones representa la
cantidad de cartones distintos que pueden existir? A) 6
B) 18
⎛ ⎞ C) 12
A) ⎜ 3 5 ⎟ D) 32
⎝ 7 ⎠
E) 24
⎛ 35 ⎞ Aprende a resolver
B) ⎜ ⎟7 !
este ejercicio.
Búscalo en el
⎝ 7 ⎠
SOLUCIONARIO
35!
C)
7!
35
D)
7
Aprende a resolver 4. Una persona tiene 3 clósets donde ordenar sus
este ejercicio.
Búscalo en el tres tipos de ropa: pantalones, blusas y abrigos.
SOLUCIONARIO Si cada tipo de ropa va en un único clóset, ¿de cuán-
tas maneras distintas se pueden ordenar?
A) 3!
B) 4!
C) 4! · 3
D) 3! · 3!
2. Si se tiene un estante con 7 espacios para libros E) 34
y se desea colocar 4 libros distintos en cualquier
orden. ¿De cuántas maneras se pueden colocar los
libros?
⎛ ⎞
A) ⎜ 7 ⎟
⎝4 ⎠
⎛7 ⎞
B) ⎜ ⎟4!
⎝4 ⎠
7!
C)
4!
7
D)
4
5. ¿De cuántas maneras pueden sentarse 4 personas 7. Hay que colocar a 5 mujeres y 4 hombres en una
en 10 sillas? fila, de modo que los hombres usen las posiciones
pares, ¿De cuántas maneras puedo hacer la fila?
A) 4!
B) 10! A) 4!
C) 104 B) 5!
⎛ ⎞ C) 9!
D) ⎜ 1 0 ⎟
⎝ 4 ⎠ D) 4!5!
⎛ ⎞
E) 5.040 E) ⎜ 9 ⎟
Aprende a resolver ⎝4 ⎠
este ejercicio.
Búscalo en el
SOLUCIONARIO
8. ¿Cuántos números de 4 dígitos se pueden formar

6. El número de diagonales de un hexágono regular
con las cifras {1, 2, 3, 4, 5, 6, 7, 8, 9}, permitiendo
es:
repetición?
A) 7
A) 4!
B) 8
B) 49
C) 9
C) 94
D) 10
⎛ ⎞
E) 6 D) ⎜ 9 ⎟ 4 !
⎝4 ⎠

Aprende a resolver
este ejercicio.
Búscalo en el
SOLUCIONARIO
9. Si en la pregunta anterior no permitimos 11. ¿Cuál es la probabilidad de que al sacar una

repeticiones, entonces ¿cuál es la nueva cantidad carta al azar de un mazo inglés, esta sea un 9 rojo?
de números que puedo formar?
A) 4! 1
A)
B) 49 2
C) 94 1
B)
13
⎛ ⎞
D) ⎜ 9 ⎟ 4 ! 1
⎝4 ⎠ C)
52
⎛ 9⎞ 1
E) ⎜⎝ 4 ⎟⎠ D)
26
Aprende a resolver E)Ningunade las anteriores
este ejercicio.
Búscalo en el
SOLUCIONARIO
12. ¿Cuál es la probabilidad de que al tirar dos

dados no cargados, la suma de los valores
10. Si a la pregunta anterior, agregamos que los obtenidos sea mayor o igual que 10?
números formados deben terminar en 1 y no se
permite repetición, ¿cuál es la nueva cantidad de
números que puedo formar? 5
A)
26
1
⎛ ⎞ B)
A) ⎜ 8 ⎟ 3 ! 6
⎝3 ⎠ 5
C)
B) 8 3 6
C) 8 4 1
D)
⎛ ⎞ 9
D) ⎜ 9 ⎟3! 5
⎝3 ⎠ E)
36
⎛ ⎞
E) ⎜ 9 ⎟
⎝3 ⎠
13. Se extraen aleatoriamente, sin reposición, cuatro 15. Se lanzan dos dados, ¿Cuál es la probabilidad de
cartas de una baraja inglesa de 52 cartas. ¿Cuál es que uno de ellos sea 3 condicionada al evento donde
la probabilidad de que haya al menos una jota? la suma de ambos números obtenidos es 7?
1
⎛1⎞
4
A)
A) ⎜ ⎟ 5
⎝4 ⎠ B)
1
1 3
B) 1
2 C)
2
4 8 ⋅4 7 ⋅4 6 ⋅4 5
C)1 − 2
5 2 ⋅5 1 ⋅5 0 ⋅4 9 D)
5
D) No se puede calcular 1
E)
E) Ninguna de las anteriores 6
Aprende a resolver
14. Una caja contiene 8 bolas rojas, 3 blancas, y 9 este ejercicio.
Búscalo en el
azules. Si se extraen 3 bolas al azar, ¿Cuál es la SOLUCIONARIO
probabilidad de que las tres bolas sean azules?
9
A)
20
3 16. Si se ha lanzado una moneda 765 veces, y en

B)
20 todos los lanzamientos se obtuvo un sello.
¿Cuál es la probabilidad que el lanzamiento 766 sea
⎛9 ⎞ una cara?
⎜ ⎟
⎝3⎠
C) 1
⎛20 ⎞ A)
2
⎜ ⎟
⎝ 3 ⎠ 1
B)
765
⎛12 ⎞ 1
C)
⎜ ⎟ 766
⎝ 3 ⎠
D) 2
⎛20 ⎞ D)
⎜ ⎟ 766
⎝ 3 ⎠ 2
E)
3
⎛20 ⎞
⎜ ⎟
⎝ 3 ⎠ Aprende a resolver
E) este ejercicio.
Búscalo en el
⎛9 ⎞
SOLUCIONARIO
⎜ ⎟
⎝3⎠
17. ¿Cuál es la probabilidad que al lanzar 3 dados no 19. Si se extraen dos cartas al azar de un mazo
cargados, se obtengan exactamente tres veces 5? inglés ¿Cuál es la probabilidad aproximada de que
ambas sean de diamante?
1
A)
72 A) 0,05882
1
B) B) 0,0625
55 1
1 C)
C) 2
6 1
1 D)
D) 4
216
1 E) 0,0485
E)
18
18. En una sala de 60 alumnos, se sabe que la 20. En algún país, las patentes están compuestas
probabilidad de escoger uno al azar y que este por dos consonantes(distintas de ñ) seguidas
3 de cuatro dígitos entre 0 y 9. ¿Cuántas patentes
sea hombre es de 5
. De acuerdo a lo anterior,
distintas pueden formarse?
¿Cuántas mujeres hay en el curso?
A) 106
A) 24
B) 272 · 104
B) 20
2 C) 21 · 20 · 10 ·9 · 8 · 7
C)
5 D) 21 + 21 + 10 + 10 + 10 + 10
E) 212 · 104
D) 36
21. Cuando llueve, la probabilidad de que una 23. De un mazo inglés de cartas(52 cartas) se
1
jugadora de fútbol anote un gol es . Si la extraen, sin reposición, 2 cartas al azar, entonces
2 4
probabilidad de que no llueva es , ¿cuál es la ¿Cuál es la probabilidad de que de esas cartas una
3
probabilidad de que llueva y la jugadora haga un gol? sea de diamante y la otra de trébol?
1
A)
6 12
1 A)
B) 1.326
12 26
B)
10 1.326
C)
14 13
C)
1 102
D) 156
4 D)
1.326
E)Otro valor
56
Aprende a resolver
E)
este ejercicio. 1.326
Búscalo en el
SOLUCIONARIO
22. Se tienen 4 monedas, y se define el valor M1 como

la probabilidad de sacar sólo una cara y el valor M2
como la probabilidad de sacar tres caras. Entonces
el valor de M1 −M2 es
A) 1
1
B)
8
1
C)
16
1
D)
32
E) 0
24. Si tenemos 4 conjuntos de números A, B, C y D 26. En una sala de clases hay 3 hombres y 9
dados por mujeres. Se sabe que 2 de esos hombres y 5 de
A = {1, 2, 3, 4}, esas mujeres prefieren clases interactivas y el
B = {1, 2, 3, 4, 5, 6, 7, 8, 9}, resto prefiere clases tradicionales. Si se elige una
C = {5, 6, 7, 8, 9}, persona al azar, ¿Cuál es la probabilidad de que
D = {1, 2, 3, 4, 5, 6}. esa persona sea hombre y prefiera las clases
interactivas?
Si formamos al azar un número de cuatro dígitos de
la forma digAdigBdigCdigD, donde digA es un número 1
A)
del conjunto A y así sucesivamente, entonces 6
¿Cuál es la probabilidad de que este sea divisible 2
B)
por 2? 3
2
C)
103 5
A)
1.305 1
D)
26 12
B)
25.430 3
E)
130 5
C)
1.020
156
D)
25.430
12.715
E)
25.430
27. Se tiene una bolsa con pelotitas numeradas del

1 al 25, todas de igual peso y tamaño. Si se extrae
una bolita al azar, ¿Cuál es la probabilidad de sacar
un número par o un múltiplo de 4?
25. ¿Cuál de los siguientes eventos no tiene
probabilidad 1 de ocurrencia? 20
A)
25
A) Escoger un número natural mayor que 1 al azar y 3
B)
que este sea primo o compuesto 25
2
B) Nacer en un mes que tenga entre 27 y 32 días C)
C) Lanzar un dado y que este nos entregue un 5
22
número par o impar D)
D) Lanzar tres dados y que el producto sea menor 25
que 216
E) Lanzar una moneda y obtener una cara o un sello
28. Si se lanza un dado de 8 caras, ¿Cuál es la 30. Si se lanzan 4 monedas no cargadas, ¿Cuál es la
probabilidad de obtener un número impar o un probabilidad de obtener dos caras y dos sellos?
número mayor o igual que 5?
3
A)
1 5
A)
6 5
1 B)
B) 8
3 3
3 C)
C) 8
4
D)1
6
D)
E)0 11
29. Si se lanzan 3 monedas, ¿Cuál es la probabilidad 31. Si una gata tiene 4 gatitos, ¿Cuál es la
de obtener dos caras y un sello? probabilidad de que sean un macho y tres hembras?
4 4
A) A)
5 9
3 1
B) B)
8 4
4
3 C)
C) 5
5
1
6 D)
D) 2
15 1
E)Ningunade las anteriores E)
3
32. En una caja hay 30 aros de perla de igual peso 34. Un hotel para mascotas tiene 25 perros entre
y tamaño, de los cuales 8 son celestes, 10 son café y negros, y se sabe que 15 de ellos son café. Si
blancos y el resto son rosados. Si se extraen 3 aros se abre la puerta del lugar y se escapa un perro,
al azar, ¿Cuál es la probabilidad de extraer un aro ¿Cuál es la probabilidad de que sea negro?
celeste, uno blanco y uno rosado, en ese orden y sin
reposición? 10
A)
23
5
B)
8 10 12 16
A) ⋅ ⋅ 2
30 30 30 C)
8 10 12 5
B) ⋅ ⋅ 3
30 28 26 D)
7
8 10 12
C) + + 4
30 28 26 E)
11
8 10 12
D) ⋅ ⋅
30 29 28
8 10 12
E) + +
30 29 28
33. La mochila de un alumno del preuniversitario

Gauss tiene 4 guías de lenguaje, 5 guías de
matemática y 2 de historia, todas de igual peso y
tamaño. Si se extrae una guía al azar, ¿Cuál es la
probabilidad de que NO sea de matemática?
5
A)
11
4
B)
11
6
C)
11
2
D)
11
35. La tabla adjunta muestra el número de 36. La probabilidad de que al lanzar 2 dados, la
empresas que poseen un determinado número de suma de los números sea mayor o igual que 5 es
software para administrar sus negocios. Al
seleccionar una de estas empresas al azar. 1
A)
6
5
Nº de empresas Nº de software B)
6
4 0 3
C)
2 1 4
1 2 5
D)
4 3 9
6
5 4 E)
5 10
6
7 6
¿Cuál es la probabilidad de que ésta tenga menos de

cuatro software para sus negocios?
11
A)
29
11
B)
27
15 37. Si se tiene una moneda cargada, donde la
C) 1
27 probabilidad de obtener cara es y se sabe
3
11
D) que esta siempre sale cara o sello, entonces
30
13 la probabilidad de sacar tres sellos en tres
E)
27 lanzamientos es
8
A)
27
11
B)
27
15
C)
27
14
D)
27
13
E)
27
38. En la pregunta anterior, la probabilidad de sacar 40. Según el problema anterior, la probabilidad de
al menos dos caras en tres lanzamientos es lanzar dos veces el dado y obtener un 1 y un 6, en
ese orden es
8
A)
27 2
A)
5 49
B)
27 1
7 B)
C) 49
27 2
11 C)
D) 25
27
1
3 D)
E) 25
27
39. Si se sabe que un dado está cargado, donde los

números del 2 al 6 tienen la misma probabilidad
y el 1 tiene el doble de probabilidad que cualquiera
de ellos. Entonces la probabilidad de que al lanzar
el dado se obtenga 1 es
1
A)
7
2
B)
7
1
C)
5
2
D)
5
CAPÍTULO 3 INFERENCIA ESTADÍSTICA
CAPÍTULO 3
INFERENCIA ESTADÍSTICA
INTRODUCCIÓN
La rama de la estadística que veremos a continuación estudia cómo inferir o deducir
características de una población a partir de una pequeña parte de ella, debido a que
en muchos estudios es imposible tomar la totalidad de la población, esta forma de es-
tudiar colecciones de datos es llamada Inferencia Estadística, y responde a las pre-
guntas: ¿Cómo podemos sacar conclusiones acerca de las características de la pobla-
ción si no conocemos todos sus elementos? ¿Qué tan fiables son estas estimaciones?
Para realizar inferencias estadísticas estudiamos una parte pequeña, pero represen-
tativa de la población que llamamos una Muestra, y extrapolamos (inferimos) con-
clusiones sobre la población general a partir de ella.
TÉCNICAS DE MUESTREO
Llamamos muestreo a las técnicas que utilizamos para escoger una muestra a partir
de una población.
Los tipos de muestreo se clasifican en muestreos probabilísticos y no probabi-

lísticos. En un muestreo probabilístico, cada elemento de la población tiene una
determinada probabilidad de pertenecer a la muestra, y dicha probabilidad se puede
calcular sin ambigüedad. En los muestreos no probabilísticos en cambio, se descono-
ce la probabilidad de que un individuo determinado pertenezca a la muestra.
Siempre existe algún error pues la muestra no es completamente fiable, sólo una
buena aproximación, y a este error se le llama error de muestreo.
• Muestreo aleatorio
Si todas las muestras posibles de una población pueden ser tomadas con la misma
probabilidad, este muestreo es un Muestreo Aleatorio. Distinguimos dos tipos:
• Sin reposición: Una vez que un individuo es escogido para integrar la

muestra, no puede volver a ser escogido
• Con reposición (muestreo aleatorio simple): Los individuos pueden Observación

aparecer más de una vez en la muestra. Al extraer todas las muestras de un
tamaño dado en una población finita
El muestreo aleatorio es apropiado para poblaciones grandes y es más simple de y calcular el promedio de las me-
implementar que otras técnicas de muestreo, pero requiere de un listado completo dias muestrales se obtiene la media
de todos los individuos que conforman la población. poblacional.
El objetivo de extraer una muestra representativa es estudiar alguna característica

de la población representada en una variable estadística, la cual toma la forma de
una función que relaciona los miembros de la población con sus cantidades corres-
pondientes, e indica algún patrón a partir del cual sacaremos conclusiones que se
pueden aplicar a la población general. A estos patrones que encontraremos entre los
datos los llamaremos Distribuciones.
Observación
La inferencia estadística sólo nos dará Por ejemplo: si realizamos un estudio sobre lo que compran los clientes de un su-
aproximaciones, nunca dará resulta- permercado no podremos entrevistar a todos, por lo tanto entrevistaremos a una
dos para cada uno de los miembros de muestra, y si nuestro estudio está bien hecho podremos obtener un perfil que nos
la población. diría cuánto gasta cada tipo de persona del supermercado. Este perfil de los clientes
será una distribución de los gastos de los clientes en el supermercado.
DISTRIBUCIÓN NORMAL
La distribución más importante que se estudia es la llamada distribución normal
o distribución Gaussiana, y es posible aplicar esta distribución a cualquier grupo
de datos cuya distribución se asemeja al siguiente gráfico:
Es decir, un grupo de datos en el cual la mayoría de los datos se agrupa cerca de la

media aritmética, y la cantidad disminuye suavemente hacia los extremos, forman-
do una curva simétrica cuyo eje de simetría se encuentra en su media.
Rigurosamente, este gráfico representa la siguiente función:
( )
x− µ
2
1 −
f (x) = e 2σ
2
σ 2π
Donde µ corresponde a la media aritmética de la población y σ corresponde a su

desviación estándar. σ2 también es una medida común, y este representa la Va-
rianza de la distribución.
100
80
Frecuencia
60
40
20
0
6 8 10 12 14 16 18
Cuando una variable X sigue una distribución normal de media µ y varianza σ2, es-
cribimos X ∼ N (µ, σ2).
• Propiedades de la distribución normal
• La forma de la curva de la distribución depende de

sus dos parámetros, la media y la desviación estándar.
• La media indica la posición de la campana. Al incrementar

la media, la gráfica de la campana se desplaza hacia la derecha.
• A mayor desviación, la curva se volverá más plana,

pues los datos tendrán mayor variabilidad.
• Si X ∼ N(µ, σ2) y se extraen n observaciones de manera

independiente en esta población, el promedio obtenido
2
pertenece a una población normal de media µ y varianza .
n
• Si X∼N(µ, σ2) no depende de Y∼N(v, τ2), entonces X + Y∼ N (µ + v, σ2 + τ2).
• Intervalos de una distribución normal

El objetivo de la distribución normal es poder conocer qué porcentaje de los datos se
encuentran en distintos intervalos, y nos permite responder preguntas como:
• ¿Qué porcentaje de un grupo de atletas que sigue una

distribución normal tiene un buen rendimiento?
• ¿Cuánto puntaje debo tener para estar en el mejor 10%

de los estudiantes que rinden la PSU?
Estas preguntas tienen una solución que es a la vez simple y complicada. La simple
es: El porcentaje de datos que responde estas preguntas es el área bajo la curva de la
distribución normal que se encuentra entre los parámetros pedidos.
Pero calcular esta área es extremadamente difícil, por lo que utilizamos unos in-
tervalos notables con porcentajes ya conocidos para cualquier distribución normal.
Si una población normal tiene media µ y desviación estándar σ, se tiene que:
• Aproximadamente el 68,3% de las observaciones se en-

cuentra en el intervalo [µ - σ,µ + σ], es decir, el 68,3%
de los datos se encuentra a menos de una desviación
estándar de distancia de la media.
• Aproximadamente el 95,5% de los datos se encuentra

en el intervalo [µ - 2σ,µ + 2σ], es decir, el 95,5% de las
observaciones se encuentra a menos de dos desviacio-
nes estándar de distancia de la media.
• Aproximadamente el 99,7% de los individuos se en-

cuentra en el intervalo [µ - 3σ,µ + 3σ], es decir, el 99,7%
de las observaciones se encuentra a menos de tres des-
viaciones estándar de distancia de la media.
(valor estimado)
Probabilidad
34% 34%
14% 14%
2% 2%
- 2σ -σ +σ + 2σ Variable
• Variables estandarizadas (tipificadas)
Si se necesita calcular otros percentiles, hay malas noticias: hasta el día de hoy no
se ha descubierto un método para calcularla de manera exacta. Sin embargo, exis-
ten tablas con muy buenas aproximaciones. Ahora, no es posible escribir una tabla
para cada una de las combinaciones posibles de media y desviación estándar, enton-
ces convenimos en utilizar la distribución normal estándar o normal tipificada
como referencia, a la cual llevaremos cualquier otra distribución.
Definición: Si una variable Z sigue una distribución N(0,1), se dice que Z tiene una
distribución normal estándar o normal tipificada.
Para llevar una distribución cualquiera a esta distribución N(0,1), utilizamos una
técnica llamada estandarización o tipificación, que nos permite relacionar una
distribución normal de media y desviación estándar arbitrarias con una distribución
N(0,1).
X−µ
Propiedad: Si X ∼ N (µ, σ2), entonces Z = tiene una distribución normal es-
tándar.
σ
Una vez convertida la variable de distribución N(µ, σ2), en una de distribución

N(0,1), podemos utilizar una tabla como la siguiente para encontrar los valores ne-
cesarios para resolver los problemas.
z P(Z < z)
0,67 0,749
0,99 0,839
1,00 0,841
1,15 0,875
1,28 0,900
1,64 0,950
1,96 0,975 0 z Z
2,00 0,977
2,17 0,985
2,32 0,990
2,58 0,995
Ejemplo /
Las estaturas de un grupo de personas siguen una distribución
normal de media 1,40m y desviación estándar 20 cm.
(a) ¿Qué porcentaje ellos mide entre 1,2m y 1,6m?
(b) ¿Qué porcentaje de ellos mide menos de 1,8 metros

pero más de 1,6?
Solución (a)
Como el 68,3% de los individuos se ubica a menos de una des-
viación estándar de la media, podemos asegurar que el 68,3%
de los estudiantes tiene una estatura x tal que |x - µ| ≤ σ, es
decir, -σ ≤ x - µ ≤ σ. Al sumar µ en cada miembro de la desigual-
dad, resulta µ - σ ≤ x ≤ µ + σ. Considerando que µ = 1,4 y σ = 0,2
(al medir en metros) se obtiene 1,4 - 0,2 ≤ x ≤ 1,4 + 0,2. Así, se
sigue x [1.2,1.6]. Por lo tanto, el 68,3% de los integrantes mide
entre 1,2m y 1,6m.
Solución (b)
Considerando que el 95,5% de los individuos tiene una estatura
que se encuentra en el intervalo [µ - 2σ,µ + 2σ], se tiene que el
95,5% de las estaturas de los individuos se ubica en el intervalo
[1,0;1,8]. Si de ese intervalo restamos el 68,3% de las personas
cuyas estaturas estaban entre 1,2 y 1,6 (se calculó en (a)). En-
tonces tenemos que el 27,2% de los sujetos tiene estaturas que
se encuentran en el intervalo [1.0,1.2] o que se encuentran en el
intervalo [1.6,1.8]. Además, como la gráfica de la distribución es
simétrica en torno a su media, se sigue que la cantidad de es-
tudiantes en cada intervalo es la misma. Así, la mitad del 27.2%
de los integrantes mide entre 1.6 y 1.8, es decir, el 13.6% de ellos
mide menos de 1,8 metros y más de 1,6.
• Algunos ejemplos de fenómenos que

se modelan con distribuciones normales:
• Puntajes en pruebas nacionales (PSU, SIMCE) e

internacionales(TOEFL, exámenes de admisión a
distintas universidades). Los puntajes PSU de una
generación tienen una distribución normal de
media 500 y desviación estándar 110.
• Indicadores sicológicos como el coeficiente intelectual.

• Fenómenos meteorológicos como la temperatura.
• Estaturas y pesos de individuos de la misma edad

siguen una distribución normal.
• El error cometido al hacer mediciones en experimentos

sigue una distribución normal.
Ejemplo /
En cierta ciudad, la temperatura diaria sigue una distribución
normal de media 18° y desviación estándar 2°. ¿Qué porcentaje
de los días habrá una temperatura mayor a 20°?
Solución
Si llamamos T a la temperatura en un día, se tendrá que
T N(18,4). Al estandarizar, se obtiene que (T - 18) / 2 N(0,1).
El siguiente paso consiste en relacionar la desigualdad T >
20 con una desigualdad que involucre la variable estandari-
zada. Al restar 18 y dividir por 2 en esta desigualdad resulta
T − 18 20 − 18 T − 18 20
> , es decir, > 1. De acuerdo al valor tabulado,
2 2 2 T − 18
el 84,1% de los días satisfacen que > 1. Por lo tanto, el
2
15,9% restante satisface la condición buscada.
INTERVALOS DE CONFIANZA
Puede ocurrir que al tomar dos muestras representativas diferentes dentro de una
misma población, se obtengan estadísticos diferentes. Esto no necesariamente sig-
nifica que el estudio esté mal realizado, sino que simplemente es un reflejo de que
hay azar involucrado en el proceso de muestreo.
Para estimar el error que induce el azar, se establece un rango de valores que podrían
contener el valor del parámetro poblacional estimado, con cierta probabilidad. A
esta probabilidad se le conoce como nivel de confianza y su principal objetivo es
evaluar la validez del muestreo.
Un intervalo de confianza [a,b] para un parámetro poblacional es un intervalo

de números reales que con cierto nivel de confianza (95%,99%, etc.) contiene al pa-
rámetro estudiado.
Si se desea construir un intervalo de confianza para la media de una población nor-

mal con varianza conocida σ2, a partir de una muestra de tamaño n, media x, y nivel
de confianza (100 - a)% está dado por
⎡ σ σ ⎤
⎢ x − z⎛ a ⎞ , x + z⎛ a ⎞ ⎥
⎢⎣ ⎝⎜ 2 ⎠⎟ n ⎝⎜ 2 ⎠⎟ n ⎥⎦
Donde z⎛ a ⎞ corresponde al valor tal que el a % de los datos es mayor en una distri-
⎜⎝ ⎟⎠
2 2
bución normal estándar.
σ
La cantidad z⎛ a ⎞ es llamada error de muestreo o error y suele ser expresado
⎜⎝ ⎟⎠
2
n
como porcentaje.
Ejemplo /
En un laboratorio, se cuenta con una muestra de 121 fras-
cos con jarabe, se sabe que la cantidad de sacarosa pre-
sente en ellos sigue una distribución normal de desviación
estándar 10g. Si la media de la cantidad de sacarosa en
estos 121 frascos de jarabe es 640g, el intervalo del 95%
de confianza, en gramos, está dado aproximadamente por
[638,22; 641,78], con un error de 1.782 ya que al reemplazar
los valores correspondientes x = 640; σ = 10; n = 121 y z⎛ a ⎞ =
⎝⎜ 2 ⎠⎟
z0,025 = 1.96 se obtienen dichos valores.
MIS ANOTACIONES
EJERCICIOS
1. ¿Cuál de las siguientes afirmaciones es verdadera? 3. Son ventajas del muestreo aleatorio:
A) Al estudiar características de una muestra, se I. Al escoger la muestra al azar, se previene

obtiene una estimación de las características de una cualquier sesgo que pudiese tener origen
población en la elección del investigador
B) Una muestra contiene más datos que una II. Al conocer la probabilidad de cada
población individuo de pertenecer a la población,
C) Nunca es posible estudiar una población completa se tiene información del error cometido
D) El muestreo aleatorio simple solo es válido en en las conclusiones
distribuciones normales III. Se clasifica en muestreo sin reposición
E) Ninguna de las anteriores y con reposición
A) Sólo I
B) I y II
C) I y III
D) II y III
E) I, II y III
2. En un estudio estadístico
I. El muestreo garantiza ahorro económico 4. Si X N(1,4) ¿Cuál de estas variables tiene una
al realizar el estudio distribución N(0,1)?
II. El muestreo permite recolectar datos de
manera más rápida X -1
A)
III. El muestreo garantiza validez de las 2
conclusiones respecto de la población X -1
B)
4
A) Sólo I C) X -4
B) Sólo II D) X -2
C) I y II E) Ninguna de ellas
D) I y III
E) II y III
5. Si una población sigue una distribución normal 7. Si Z N(0,1) ¿Cuál de las siguientes expresiones
estándar ¿Cuál de estos valores corresponde al tiene un valor igual a P(Z < -2)?
percentil 95 de la población?
A) P(Z > -2)
A) 0,67 B) P(Z ≤ 2)
B) 1 C) P(Z > 2)
C) 1,28 D) P(-1 < Z < 1)
D) 1,64 E) Ninguna de las anteriores
E) 1,96
6. Una población sigue una distribución N(4,25) 8. Una población sigue una distribución N(3,5) ¿Qué
¿Cuál de las siguientes afirmaciones es falsa? distribución tendrá si cada dato se multiplica por 2?
A) La mediana de la población es 4 A) N(6,5)

B) La desviación estándar de la población es 25 B) N(6,10)
C) La media de la población es 4 C) N(3,20)
D) Aproximadamente el 68,3% de los datos se ubica D) N(3,10)
en el intervalo [-1,9] E) N(6,20)
9. ¿Cuál de las siguientes cantidades no sigue una 11. La cantidad de teléfonos celulares por familia en
distribución normal? una ciudad se modela por medio de una distribución
normal con media µ y varianza 0,25. Se toma una
A) Los puntajes de la PSU de historia obtenidos por muestra aleatoria de 100 familias de esta ciudad,
los postulantes que rindieron la prueba el año 2014 obteniéndose una media de 3,5 celulares. Para los
B) Las estaturas de niños de un curso resultados de esta muestra, ¿Cuál de los siguientes
C) El tiempo de vida útil de las ampolletas de una intervalos es el intervalo de con anza de nivel 0,90
marca dada para µ?
D) La temperatura media que se registra en un
A) ⎡⎢ 3,5 − 1,64 ⋅
mismo mes 1 1 ⎤
, 3,5 + 1,64 ⋅ ⎥
E) Todas las anteriores ⎣ 40 40 ⎦
B) ⎡⎢ 3,5 − 0,9 ⋅
1 1 ⎤
, 3,5 + 0,9 ⋅
⎣ 200 200 ⎥⎦
⎡ 1 1 ⎤
C) ⎢ −1,64 ⋅ , 1,64 ⋅ ⎥⎦
⎣ 400 400
D) ⎡⎢ −0,90 ⋅
1 1 ⎤
, 0,90 ⋅ ⎥
⎣ 20 20 ⎦
⎡ 1 1 ⎤
E) ⎢ 3,5 − 1,64 ⋅ , 3,5 + 1,64 ⋅ ⎥
⎣ 20 20 ⎦
10. Se dice que un individuo padece de retraso
mental si su coeficiente intelectual está entre 70 y 12. Al respecto de la gráfica de una campana de
85 puntos. El coeficiente intelectual de los individuos Gauss se afirma:
de un país sigue una distribución normal de media
100 y desviación estándar 15. ¿Qué porcentaje de la I. Al incrementar la media poblacional, la
población de este país padece de retraso mental? gráfica se desplaza hacia la izquierda
II. Es simétrica respecto de la media
A) 95,5% III. La curva se vuelve más plana al
B) 47,75% incrementar la varianza
C) 68,3%
D 34,15% Es(son) verdadera(s)
E) 13,6%
A) Sólo I
B) I y II
C) I y III
D) II y III
E) I, II y III
13. Se desea estimar el tiempo promedio que tarda 15. Si Z N(0,1), entonces P(1,15 < Z < 1,28) =
un atleta en completar una carrera de 100 metros
planos. Tras observar a 15 atletas se obtiene un A) 0,875
intervalo de confianza de nivel 0,95 dado por [13,20] B) 0,900
medido en segundos. ¿Cuál de estas afirmaciones C) 0,950
es verdadera? D) 0,025
E) 0,125
A) El 95% de los atletas tarda en promedio entre
13 y 20 segundos en completar una carrera de 100
metros planos
B) Hay una probabilidad de 0,975 de que el tiempo
que tardan los atletas en promedio de completar
una carrera de 100 metros planos se encuentre en
el intervalo [13,20]
C) Al observar más atletas, la probabilidad de que el
promedio se encuentre en el intervalo de confianza
incrementa
D) Si el tiempo que tardan los atletas sigue una 16. En un estudio se desea estimar el diámetro
distribución normal, entonces la media muestral medio de las piernas en una población de jirafas.
obtenida fue de 16,5 segundos. Considerando una distribución normal de varianza
E) Ninguna de las anteriores 25 cm2 para el diámetro de las piernas de las jirafas.
Si [⋅] representa la función parte entera, ¿cuál debe
ser el tamaño muestral para que la amplitud del
intervalo de confianza al nivel 0.99 construido a partir
de la muestra sea menor a 2 cm?
14. Una población sigue una distribución normal A) [(5 · 2 ,3 2 )2 ]+ 1

estándar. ¿Cuál es el máximo valor que puede B) [(5 · 0 ,8 3 9 )2 ]+ 1
presentarse en una observación que pertenece al C) [(2 5 · 2 ,5 8 )2 ]+ 1
1% más pequeño? 2
⎡⎛ 5 ⎞ ⎤
D) ⎢⎜ · 2 ,5 8 ⎟ ⎥ + 1
A) -2,58 ⎢⎣⎝ 2 ⎠ ⎥⎦
B) -2,32 E) [(5 · 2 ,5 8 )2 ]+ 1
C) -2,17
D) -2,00
E) -1,96
17. Un instructor de esgrima desea medir el tiempo 19. ¿Cuál de los siguientes histogramas representa
que tardan sus deportistas en reaccionar a la señal mejor a una distribución normal?
de partida dada por el árbitro al comenzar los
combates. Tras medir los tiempos de retardo en la
reacción de sus 16 alumnos obtiene las respuestas
5, 7, 3, 13, 4, 5, 3, 6, 8, 11, 10, 9, 9, 6, 5, 9, medidas
en centésimas de segundo. Si el instructor deseara
tomar una muestra de tamaño 5, ¿Cuál de estas no A) B)
corresponde a un muestreo sin reposición?
A) 5, 3, 4, 5, 11
B) 3, 4, 6, 8, 9
C) 9, 9, 9, 10, 11
C) D)
D) 5, 7, 5, 7, 3
E) A, C y D son correctas
E)
18. El diámetro de los troncos de los sauces sigue 20. Un señor del mal tiene 10 esclavos. Cada
una distribución normal de media 15m y desviación mañana escoge a 3 por muestreo aleatorio simple
estándar 5m. ¿Cuál es la probabilidad de que el con reposición y los castiga. ¿Cuál es la probabilidad
diámetro del tronco de un sauce mida menos de 26.6 de que el mismo esclavo sea castigado 3 veces
m? durante una mañana?
A) 0,977 1
A)
B) 0,985 10
C) 0,99
D) 0,995 1
B)
E) 0,01 100
3
C)
10
2
D)
10
1
E)
1000
21. Con los datos de la pregunta anterior ¿Cuál es 23. Un practicante de lucha Greco-romana postula a
la probabilidad de que algún esclavo sea castigado un cupo para un campeonato regional. Los organi-
exactamente dos veces durante la misma mañana? zadores declaran mediante un comunicado que solo
aceptarán a los postulantes que pertenezcan al 1.5%
27
A) con mejor desempeño en una prueba de fuerza. Si
100
nuestro luchador sabe que los puntajes de dicha
9 prueba siguen una distribución normal con media 4
B)
1000 y desviación estándar 3, ¿Cuál es el mínimo puntaje
que debe obtener en la prueba para clasificar?
9
C)
100 A) 9,88
27 B) 10,34
D) C) 10,51
1000
D) 10,96
E) Otro valor E) 11,74
24. ¿Cuál de los siguientes histogramas representa

22. Con los datos de la pregunta 20, ¿Cuál es una distribución de mayor varianza?
la probabilidad de que castigue a tres esclavos
diferentes durante la mañana?
28
A)
100
72
B)
1000
A) B)
72
C)
100
D) 1
E) Otro valor
C) D)
25. La amplitud de un intervalo de confianza para 27. Considere una población de distribución normal
la media poblacional de una distribución normal de varianza 4. Si se desea construir un intervalo del
incrementa si 95% de confianza a partir de una muestra de tamaño
100, ¿cuál es el error de esta estimación?
I. La varianza poblacional incrementa
II. La media muestral incrementa 1.96
A)
III. El tamaño muestral incrementa 5
IV. El nivel de confianza del intervalo 3.92
B)
incrementa 5
1.96
C)
Son verdaderas: 50
1.64
D)
A) Sólo I 5
B) Sólo IV E)Ningunadelas anteriores
C) I y IV
D) II y III
E) I, III y IV
28. Una empresa produce narices de payaso y desea

26. Si X ~ N( µ, σ ) entonces P(X < µ ) = estimar la cantidad de pintura roja necesaria para
2
producir cada unidad. Suponga que la cantidad de

pintura utilizada en la producción de una unidad se
1 rige por una distribución normal. Si se desea obtener
A)
2 un error menor que 5% al construir un intervalo
1
B) de confianza de nivel 90% y la desviación estándar
3
corresponde a 0.05 ml ¿Cuántas narices de payaso,
1
C) como mínimo, se deben incluir en la muestra?
4
1
D) A) 1
5
E) Otro valor B) 2
C) 3
D) 4
E) 5
29. La efectividad de una vacuna en un paciente 31. Sean X e Y dos variables aleatorias independientes
enfermo se rige por una distribución normal. Si tales que X N(0,1) e Y N(2,3). ¿Cuál es el valor de
se estudia la efectividad en una muestra de 121 P(X + Y > 6)?
pacientes, obteniendo un error del 10% al construir
un intervalo de 99% de confianza ¿Cuál es la A) 0,045
desviación estándar de la efectividad de las vacunas? B) 0,159
C) 0,977
1,21
A) D) 0,023
6,6564
E) Otro valor
0,1
B)
28 ,38
11
C)
25,8
1,1
D)
2,32
11
E)
2,58
32. Un capitán del equipo de atletismo debe escoger

2 competidores para una carrera de relevos. Tras
poner a prueba a sus cinco candidatos en una carrera
30. ¿Cuál de las siguientes cantidades no influye corta y promediar los tiempos (en segundos) de cada
en el error de muestreo al construir intervalos de posible pareja obtiene los siguientes resultados:
confianza para poblaciones normales?
9, 9, 10, 11, 10, 11, 12, 11, 12, 13
A) La varianza de la población
B) La desviación estándar de la población ¿Cuál es el tiempo promedio de los cinco corredores?
C) La media de la población
D) El tamaño muestral A) 10
E) El nivel de confianza B) 10,8
C) 11
D) 11,8
E) Otro valor
33. Si X N(a + b,a + 2b) e Y N(a + 2b,a − b) son 35. Si X N ( , 1) ¿Qué valor debe tener para que
variables aleatorias independientes ¿Qué valor debe P(X ≤ 8) = 0,841
tomar a para que la variable aleatoria X + Y siga una
distribución normal estándar? A) 7
1 B) 6
A)
2 C) 8
D) 0
1 E) Ninguno de los valores anteriores
B)
4
1
C) -
2
3
D)
4
E) No existe tal valor de a
34. Suponga que X N (5,92) e Y N (−3,34). Al 36. Si X e Y son variables aleatorias independientes
respecto se afirma de distribución normal estándar ¿Cuál es la
probabilidad aproximada de que el interior del
I. La población X es más homogénea que la cuadrado de centro en el origen, lados paralelos a
población Y los ejes y lado 2 contenga al punto (X,Y)?
II. Al extraer muestras aleatorias de 10
individuos de cada población, La media A) 0,68
muestral de X tiene una varianza menor a B) 0,95
la media muestral de Y C) 0,46
III. La campana de Gauss asociada a la D) 0,90
variable X tiene a la recta x = 5 como eje de E) Otro valor
simetría
Es(son) falsa(s):
A) Sólo I
B) Sólo II
C) I y II
D) II y III
E) I, II y III
37. Se puede conocer la media poblacional a partir 39. Se puede determinar P(X > µ + 2) si
de una muestra si
(1) X N(µ + 2,1)
(1) Se conoce la media muestral (2) µ + 2 es la mediana de la población
(2) Se conoce la varianza poblacional
A) (1) por sí sola
A) (1) por sí sola B) (2) por sí sola
B) (2) por sí sola C) Ambas juntas, (1) y (2)
C) Ambas juntas, (1) y (2) D) Cada una por sí sola
D) Cada una por sí sola E) Se requiere información adicional
E) Se requiere información adicional
38. Se puede conocer la probabilidad de que un 40. Se puede conocer la mediana de una población
individuo de una población pertenezca a una normal si:
muestra si
(1) Se conoce la media
(1) Se conoce el tamaño muestral (2) Se conoce la varianza
(2) La técnica de muestreo es muestreo
aleatorio simple A) (1) por sí sola
B) (2) por sí sola
A) (1) por sí sola C) Ambas juntas, (1) y (2)
B) (2) por sí sola D) Cada una por sí sola
C) Ambas juntas, (1) y (2) E) Se requiere información adicional
D) Cada una por sí sola
MIS ANOTACIONES
CAPÍTULO 4
VARIABLES ALEATORIAS
CAPÍTULO 4 VARIABLES ALEATORIAS
VARIABLES ALEATORIAS
Una Variable aleatoria es una medida que utilizamos para cuantificar los resul-
tados posibles de un experimento aleatorio, está definida como una función X que
relacióna cada elemento del espacio muestral con un número real. Es decir:
X:Ω R
El recorrido de esta función entonces, es un subconjunto de los números reales

que contiene todos los resultados posibles de esta variable, como imágenes de algún
elemento del espacio muestral.
Estas variables pueden ser discretas o continuas, dependiendo de la naturaleza

de su recorrido.
VARIABLES ALEATORIAS DISCRETAS

En el caso de una variable discreta, podemos hablar de una función de probabili-
dad f(x), esta es la función que relaciona cada elemento del recorrido con la proba-
bilidad de que la variable tome dicho valor, es decir f(x0 ) = P(X = x0). Ya que estamos
hablando de una probabilidad, sabemos que debe cumplir las siguientes condiciones:
• f(x0) ≥ 0 para todo x0 Rec(X)
• ∑ f (i) = 1
i ∈ Rec(X)
También podemos definir la función de distribución F(X), que nos indica la pro-
babilidad de que la variable tome un valor igual o menor, es decir:
F(x0) = P(X ≤ x0)
ESPERANZA Y VARIANZA
DE UNA VARIABLE ALEATORIA
La Esperanza o Valor Esperado de una variable aleatoria es simplemente el valor
promedio que uno obtendría al realizar infinitos experimentos, por lo tanto mien-
tras más experimentos se realicen, más tiende a acercarse el promedio hacia la Espe-
ranza. Esta se define como:
E( X ) = ∑
xi ∈ Rec(X)
f ( xi ) · xi
LEY DE LOS GRANDES NÚMEROS

Si entendemos esta esperanza, obtenemos como conclusión la ley de los grandes
números que dice: Mientras más experimentos realice, más se acerca la frecuencia
relativa de cada evento a su respectiva probabilidad, pero esta forma de enunciar la
ley es equivalente a otra que relaciona esta ley con la esperanza:
"Mientras más grande sea la muestra, más cercana será

su media a la Esperanza de la Variable".
La Varianza es ligeramente distinta del concepto que usamos al trabajar con datos, Profundiza tu conocimiento
como estos están fijos su varianza sólo mide la dispersión de los datos, en el caso de Online
una variable aleatoria la varianza mide su variación ideal, y se calcula muy fácilmen-
te usando la esperanza:
Var(X) = E(X2 ) - [E(X)]2
Luego, la desviación estándar de un variable se encuentra de la misma forma que

utilizando datos.
StDev( X ) Var( X )
Online
DISTRIBUCIONES IMPORTANTES
DE VARIABLES ALEATORIAS
• Distribución de Bernoulli
La distribución de Bernoulli es la forma en la que se distribuyen los resultados de
una variable que sólo tiene dos resultados posibles, a estos dos resultados los lla-
mamos un éxito o un fracaso, por ejemplo lanzar una moneda sigue una distribución
de Bernoulli.
La ventaja es que esta moneda no debe ser justa, es decir las probabilidades de éxito
o fracaso no necesitan ser mitad y mitad, formalmente:
Si X es una variable aleatoria donde p es la probabilidad de éxito y q es la proba-

bilidad de fracaso, se cumple que P(X = 1) = p y P(X = 0) = q = 1 - p.
Además, E(X) = p y Var(X) = pq = p(1 - p).
• Distribución binomial
La distribución binomial es un caso similar al de la distribución de Bernoulli en el
que también buscamos éxitos y fracasos, pero en lugar de medir esta probabilidad
medimos la probabilidad de obtener cierta cantidad de éxitos en alguna cantidad de
experimentos:
Una Variable aleatoria X sigue una distribución binomial si la probabilidad de

obtener k éxitos en n experimentos, donde la probabilidad de éxito en cada uno es
p. (la frase anterior se resume en X ~ Bin(n,p)):
⎛ n⎞
P( X = k) = ⎜ ⎟ p k (1 − p)n−k
⎝ k⎠
Con esta distribución, podemos tambien obtener la esperanza y varianza fácilmen-

te, entonces:
Si X ~ Bin(n,p) → E(X) = np y Var(X) = np(1 - p)
A pesar de que disponemos de un método para calcular de manera exacta las fun-
ciones de probabilidad de variables aleatorias de distribución binomial. Los coefi-
⎛ n⎞
cientes binomiales ⎜⎝ k⎟⎠ pueden ser tan grandes que hacen colapsar incluso a las cal-
culadoras más potentes. Una forma de solucionar este problema cuando es grande,
es aproximar la distribución a una distribución normal de media µ = np y varianza
Profundiza tu conocimiento σ 2 = np (1− p ) . Es decir:
Online
Para valores de suficientemente grandes, podemos aproximar las variables aleatorias
X ~ Bin(n,p) mediante una distribución normal con igual esperanza µ = np y varianza
σ 2 = np (1− p ) .
VARIABLES ALEATORIAS CONTINUAS

En todos los casos anteriores hablamos de variables discretas, entonces tiene senti-
do pensar en cosas como “sumar todos los resultados del recorrido” porque estas can-
tidades son finitas, pero estos métodos no funcionan cuando hablamos de variables
aleatorias no discretas, por ejemplo no sabemos cuanto es la suma de todos los nú-
meros racionales entre 0 y 1.
Luego, ajustaremos nuestras definiciones para reutilizar los conceptos que vimos en
variables aleatorias discretas en continuas.
En lugar de hablar de una función de probabilidad, hablaremos de una Función de

densidad, y esta mide cual es la probabilidad que una variable aleatoria tome un
valor dentro de un intervalo. Ya que existen infinitos resultados posibles para una
variable continua, no tiene sentido preguntar por la probabilidad de que caiga en va-
lor particular, por lo que preguntamos cuan posible es que caiga dentro de un rango.
Esta función cumple que:
• La probabilidad de que la variable tome un valor, dentro

de un intervalo de su recorrido, no puede ser negativa.
• La probabilidad de que la variable tome un valor dentro
del intervalo del total de su recorrido es 1
Es importante notar que el ejemplo más utilizado y estudiado de una variable de

este tipo es la Distribución normal en la cual los intervalos que nos dan la proba-
bilidad son aquellas áreas bajo la curva de la distribución. Así, si vemos la normal
como una Variable aleatoria continua, tenemos que el área total bajo la curva es 1, y
por lo tanto es exactamente lo mismo preguntar qué porcentaje de esta área se en-
cuentra en un intervalo, a preguntar cual es la probabilidad de caer en ese intervalo
si se elige un valor al azar
Online
EJERCICIOS
1. ¿Cuál de las siguientes es una variable aleatoria? 3. Se lanzan dos monedas y se define X = 1 si las
monedas tienen el mismo resultado y X = 0 si no
A) El número de caras de un dado lo tienen. ¿Cuál es el dominio de esta variable
B) El punto de ebullición del agua, medido en grados aleatoria?
Kelvin
C) El resultado obtenido al lanzar un dado común A) {(cara, cara), (cara, sello),
D) El número de habitantes que había en Texas el día (sello, cara), (sello, sello)}
1 de Enero de 1999 B) {cara, sello}
E) Ninguna de las anteriores C) {0, 1}
D) {0,1,cara, sello}
2. ¿Cuál de las siguientes no se clasifica como una 4. Se define la variable aleatoria X como la suma
variable aleatoria discreta? de los resultados obtenidos al lanzar dos dados
comunes. ¿Cuál es el recorrido de X?
A) Se encuesta a 100 personas al azar y se define
la variable aleatoria X como el número de mujeres A) {2,3,4,5,6,7,8,9,10,11,12}
encuestadas.
B) Se lanzan 4 dados comunes y se define X como la B) {(1,1),(1,2),(1,3),(1,4)(1,5),(1,6),(2,1),(2,2),(2,3),(2,4),
suma de las puntuaciones obtenidas. (2,5),(2,6),(3,1),(3,2),(3,3),(3,4),(3,5),(3,6),(4,1),(4,2),
C) Se recorren 20 calles de Santiago en Auto y se (4,3),(4,4),(4,5),(4,6),(5,1),(5,2),(5,3),(5,4),(5,5),(5,6),
define X como el número de semáforos que se (6,1),(6,2),(6,3),(6,4),(6,5),(6,6)}
encuentran en luz roja al pasar por ellos.
D) Se observa la carrera de un nadador y se define X C) {1,2,3,4,5,6}
como el tiempo que tarda en completar el recorrido.
E) Ninguna de las anteriores. D) {1,2,3,4,5,6,7,8,9,10,11,12}
5. Una urna contiene 10 bolitas blancas y 4 bolitas 7. Se pagan $400, se lanza un dado común y se
negras. Se extraen al azar, sin reposición, 5 bolitas reciben $100 multiplicado por el valor que muestra
de la urna y se define la variable aleatoria X como el dado. ¿Cuál es el balance esperado?
el número de bolitas blancas extraídas. ¿Cuál(es) de
las siguientes afirmaciones es(son) falsa(s)? A) -200
B) -50
I. P(X = 0) = 0 C) 0
D) 350
10
II. P (X 1) E) 50
14
Aprende a resolver
este ejercicio.
⎛1 0 ⎞ ⎛ 4 ⎞ Búscalo en el
⎜ ⎟⎜ ⎟ SOLUCIONARIO
⎝3 ⎠ ⎝2 ⎠
III. P (X = 3 ) =
⎛1 4 ⎞
⎜ ⎟
⎝5 ⎠
A) Sólo I
B) Sólo III
C) I y III
D) II y III
E) I, II y III
8. Se entrevista a 100 personas de manera

independiente y se registra el número de personas
bautizadas. Si se sabe que el 48% de la población se
ha bautizado, ¿Qué distribución sigue esta variable
1
6. Si X es una variable aleatoria tal que P(X = 1) = y aleatoria?
P(X = 2) = 1 , entonces 5
4 A) Bernoulli
B) Binomial
11
A) P(X = 3) = C) Normal
20
D) Hipergeométrica
11
B) P(X = 3) < E) Ninguna de las anteriores
20
11
C) P(X = 3) ≤
20
Aprende a resolver
11 este ejercicio.
D) P(X = 3) > Búscalo en el
20 SOLUCIONARIO
11
E) P(X = 3) ≥
20
9. El tiempo de espera de las personas, en minutos, 11. Se lanza un dado 20 veces y se definen las variables
en cierto paradero de Transantiago, tiene una aleatorias X e Y, donde X es el número de veces que
función de distribución dada por F(x) = 1 - e-2x ¿Cuál se obtiene un número par e Y es el número de veces
es la probabilidad de esperar 2 minutos o menos? que se obtiene un número impar. ¿Cuál(es) de las
siguientes afirmaciones es(son) verdadera(s)?
A) e-4
B) e-2 I. P(X = 4) = P(Y = 16)
C) 1 - e-2 II. P(X = 5) = P(Y = 5)
D) 1 - e-4 III. P(X = 9) = P(X = 11)
E) Otro valor
A) Sólo I
B) I y II
C) I y III
D) II y III
E) I, II y III
Aprende a resolver
este ejercicio.
Búscalo en el
SOLUCIONARIO
10. En el bosque de caperucita roja se ha instalado
un hogar de ancianos. Se sabe que una de cada 10
ancianas que vive en ese hogar es un lobo disfrazado.
Si el 60% de la gente que se queda en el hogar
son ancianas y se escogen 15 personas mediante
muestreo aleatorio simple, al definir la variable
aleatoria X como el número de lobos escogidos, 12. Se lanzan monedas y se define la variable
resulta P(X = 2) = aleatoria X como el número de caras obtenidas.
¿Cuántas monedas deben lanzarse para que se
⎛1 5 ⎞
A) ⎜ ⎟ 0 ,6 2 0 ,4 1 3 cumpla Var(X) = 1?
⎝2 ⎠ A) 1
B) 2
⎛1 0 ⎞ C) 3
B) ⎜ ⎟ 0 ,1 2 0 ,9 1 3
⎝2 ⎠ D) 4
E) No se puede obtener varianza 1
⎛1 5 ⎞
C) ⎜ ⎟ 0 ,0 6 2 0 ,9 4 1 3
⎝1 3 ⎠ Aprende a resolver
este ejercicio.
Búscalo en el
SOLUCIONARIO
⎛1 0 ⎞
D) ⎜ ⎟ 0 ,0 6 2 0 ,9 4 1 3
⎝2 ⎠
E) Otro valor
13. ¿Cuál es el recorrido de una variable aleatoria 15. Defina la variable aleatoria X como el número
normal de media 3 y varianza 16? obtenido al lanzar un dado común. Suponga que se
lanza medio millón de dados comunes y se registran
A) - {3} los resultados en una tabla de frecuencias. De
B) Q acuerdo a la ley de los grandes números, ¿Cuál
C) [-1,7] de estos valores es una mejor estimación para la
D) ]-1,7[ frecuencia relativa acumulada del número de dados
E) que muestran el número 3 en su cara superior?
A) La función de densidad de probabilidad de X

evaluada en 3
B) La función de distribución de X evaluada en 3
C) La función de probabilidad de X evaluada en 3
D) El valor esperado de X
E) La varianza de X
14. La siguiente tabla muestra la función de

probabilidad de una variable aleatoria X.
k 1 2 3 4
P(X = k) p 2p 3p 4p
16. Considere una variable aleatoria discreta X
¿Cuál es el valor de la función de distribución de X cuya desviación estándar es 8 y su recorrido es un
evaluada en 3? subconjunto del intervalo ]-∞,0]. Considere además
que E[X2] = 100. ¿Cuál es el valor esperado de X?
A) 0,1
B) 0,3 A) 6
C) 0,4 B) 36
D) 0,6 C) 64
E) No se puede determinar D) -6
Aprende a resolver
este ejercicio.
Búscalo en el
SOLUCIONARIO
17. Se lanzan dos dados comunes de manera 19. El número de patos que hay en una laguna al
simultánea y se define la variable aleatoria X como mediodía se rige por una función de probabilidad
el mayor valor obtenido. ¿Cuál es la función de dada por
⎧⎛ ⎞ x
probabilidad de la variable aleatoria X? ⎪⎪ 1 , si x ∈N
f (x ) = ⎨⎜⎝ 2 ⎟⎠
x ⎪
A) f(x)= ⎪⎩0 , en otros casos
6
1 Si se observa la laguna al medio día durante 10000
B) f(x)=
6 días, de acuerdo a la ley de los grandes números,
2x 1 ¿Cuántas veces se encontrarán exactamente 2
C) f(x)=
36 patos?
x
D) f(x)=
36 A) Aproximadamente 1/4
E) Ninguna de las anteriores B) Aproximadamente 2500 días
C) Exactamente 2500 días
D) Aproximadamente 5000 días
E) Exactamente 1000 días
20. En la tabla adjunta se muestra la función de

18. En un programa de talentos la probabilidad de probabilidad de una variable aleatoria X.
que un postulante sea aceptado es 1/10. Si en una
sesión hay 8 postulantes ¿Cuál es la probabilidad de X 0 1 2 3
que exactamente 3 postulantes sean aceptados? P(X = x) a 2a 3a 4a
3 5 Se afirma:
⎛5 ⎞ ⎛ 1 ⎞ ⎛ 9 ⎞
A) ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ I. La función de distribución de X,
⎝3 ⎠ ⎝1 0 ⎠ ⎝1 0 ⎠
evaluada en 2, corresponde a 0,3
3 5
⎛8 ⎞ ⎛ 1 ⎞ ⎛ 9 ⎞ II. La función de probabilidad de X
B) ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎝3 ⎠ ⎝1 0 ⎠ ⎝1 0 ⎠ evaluada en 1 corresponde a 0,2
3 III. El valor esperado de la variable
⎛8 ⎞ ⎛ 1 ⎞
C) ⎜ ⎟ ⎜ ⎟ aleatoria es 1,5
⎝3 ⎠ ⎝1 0 ⎠ No es(son) verdadera(s):
8
⎛8 ⎞ ⎛ 1 ⎞
D) ⎜ ⎟ ⎜ ⎟
⎝3 ⎠ ⎝1 0 ⎠ A) Sólo I
8 B) Sólo II
⎛ 1 ⎞
E) ⎜ ⎟ Aprende a resolver
C) Sólo III
⎝1 0 ⎠ este ejercicio.
D) I y III
Búscalo en el
SOLUCIONARIO E) II y III
21. En un control de calidad, se dejan caer 1000 23. En un curso de 38 estudiantes, de los cuales
botellas de vidrio y se define la variable aleatoria 19 son mujeres y 19 son varones, se escoge un
X como el número de botellas que se quiebran. Si integrante al azar. Se define la variable aleatoria X
la probabilidad de que una botella se quiebre es Bernoulli (p), que toma el valor 1 cuando se escoge
9/10, entonces al aproximar esta variable aleatoria una mujer y 0 cuando se escoge un varón. ¿Cuál es
mediante una distribución normal X (µ,σ2), el valor el parámetro p para esta variable aleatoria?
de σ es:
A)19
A) 30 B) 1
B) 1000 C) 0,4
C) 3 10 D) 0,5
D) 900 E) Otro valor
E) 90
24. Una variable aleatoria tiene una distribución

22. Una variable aleatoria X tiene por recorrido al binomial de parámetros n y p, ¿Cuál de los siguientes
conjunto {1, 2, 3}. Si F(x) es su función de distribución no puede ser el valor de (n,p)?
y F(2) = 0,9, entonces P(X = 3) =
⎛ 1⎞
A) 0,1 A) ⎜ 9 , ⎟
⎝ 2⎠
B) 0,9
⎛ 4⎞
C) 1 B) ⎜ 3 , ⎟
D) 0 ⎝ 9⎠
E) Otro valor ⎛ 1⎞
C) ⎜ 2 , ⎟
⎝ 5⎠
⎛ 9⎞
D) ⎜ 9 , ⎟
⎝ 7⎠
25. En un estudio social se entrevistará a 10.000 27. Se ordenan al azar las letras de la palabra
personas y se preguntará si comen queso en el “PREUGAUSS” y se define la variable aleatoria X
desayuno. Se estima que el 60% de las personas como el número de letras que quedan en el lugar
come queso al desayunar. Si se modela el número correcto. Interpretando el concepto de variable
de personas encuestadas que responde que come aleatoria como función ¿Cuál es el valor de
queso durante el desayuno como una variable X (AUEUPRGSS)?
aleatoria de distribución binomial y se aproxima
mediante una distribución normal, la probabilidad A) 1
de que al menos 4.000 personas respondan que no B) 2
comen queso es: C) 3
D) 4
A) 0,5 E) 5
B) 0,749
C) 0,67
D) 0,977
E) Otro valor
26. Un experimento tiene probabilidad de éxito

0.4. Se repite 5 veces de manera independiente
y se define la variable como el número de éxitos 28. Al lanzar un dado común y definir la variable
obtenidos. Posteriormente, se repite de manera aleatoria X como el resultado obtenido, la función de
independiente el mismo experimento tres veces más distribución es:
y se define la variable aleatoria como el número de
1
éxitos obtenidos en estas tres últimas repeticiones. A) F(x) =
Entonces 6
x
B) F(x) =
⎛ 2 ⎞ 6
A) X + Y Bin⎜ 8 , ⎟
⎝ 5 ⎠ C) F(x) = x
⎛ 2 ⎞ D) F(x) = 3,5
B) X + Y Bin⎜ 4 , ⎟ E) Otro valor
⎝ 5 ⎠
⎛ 4⎞
C) X + Y Bin⎜ 8 , ⎟
⎝ 5⎠
⎛ 4⎞
D) X + Y Bin⎜ 4 , ⎟
⎝ 5⎠
29. Con respecto a una variable aleatoria continua es 31. Se puede conocer el valor esperado de una
siempre cierto que: variable aleatoria discreta X si se sabe:
A) Puede tener un recorrido finito (1) La función de probabilidad toma el

B) Todos los elementos del recorrido tienen distinta mismo valor en todos los elementos del
probabilidad recorrido
C) Su recorrido es el conjunto de los números reales (2) El recorrido de la variable aleatoria es
D) Su dominio es infinito {1,2,3,4,5,9,11}
A) (1) por sí sola
B) (2) por sí sola
D) Cada una por sí sola, (1) ó (2)
30. Se lanzan 10 monedas y se define la variable

aleatoria X como la razón entre la cantidad de caras 32. Un ropero tiene n pares de zapatos. Se extraen
y el sucesor de la cantidad de sellos. ¿Cuál de los al azar, sin reposición 2r zapatos y se define la
siguientes números no pertenece al recorrido de X? variable aleatoria X como el número de zapatos que
fueron extraídos sin extraer a su pareja. Se puede
determinar el recorrido de X si
1
A)
2 (1) r = 3
4 (2) n = 9
B)
7
8 A) (1) por sí sola
C)
3 B) (2) por sí sola
D) 10 C) Ambas juntas, (1) y (2)
E) Todas las alternativas anteriores pertenecen al
E) Todas las alternativas anteriores pertenecen al recorrido de X D) Cada una por sí sola, (1) ó (2)
recorrido de X E) Se requiere información adicional
33. Se tiene una cierta cantidad de fichas rojas y 35. Se tiene una urna con 20 bolitas iguales en cuyo
blancas repartidas en dos urnas. Se extrae una exterior se escribieron números naturales. Si defi-
ficha de cada urna y se define la variable aleatoria nimos la variable aleatoria X como “la cantidad de
X como “la cantidad de fichas rojas extraídas”. Si en números pares que se obtienen al sacar 5 bolitas sin
cada urna hay fichas de un único color, entonces el reposición”. Si P(X ≤ 2)=1 podemos asegurar que en
recorrido de la variable aleatoria es: la urna:
A) {1} I . Hay 18 números impares y 2 números

B) {0,1} pares
C) {10} II. Hay como máximo 2 números pares
D) {0,1, 2, 3, 4, 5, 6, 7, 8, 9,10} III. La probabilidad de obtener solo
E) [0,10] números impares al realizar el
experimento es 0
A) Solo I
B) Solo II
C) Solo III
D) I y II
E) I, II y III
34. Se tiene un saco con fichas de diferentes colores.

Se extraen 3 fichas al azar y se define la variable
aleatoria X como “la cantidad de fichas azules
extraídas”. Si P(X >1) = 0 entonces P(X = 1) =
36. Para el experimento de extraer una bolita de
A) 1 una urna que contiene 18 bolitas iguales coloreadas
B) 0 unas de blanco y otras de azul se define la variable
1 aleatoria X como “la cantidad de bolitas blancas
C)
2 extraídas”. Si sabemos que P(X = 0 )= 4 , entonces
1 P(X ≤ 1) = 9
D)
3
E) No se puede determinar 5
A)
9
B) 1
1
C)
2
8
D)
18
E)No se puede determinar
37. Se lanza una moneda n veces y se define la 39. De una urna con bolitas rojas, azules y blancas se
variable aleatoria S como "la cantidad de sellos que extraen dos bolitas y se define la variable aleatoria
aparecen”. Si P(S = 0) = 1 entonces n = X como “la cantidad de bolitas blancas extraídas”.
8 Se pueden determinar los posibles valores de X si
A) 3 sabemos que:
B) 8
C) 24 (1) La probabilidad de que las dos bolitas
D) 2 extraídas sean azules es de un 20%.
E) 1 (2) La probabilidad de no obtener ninguna
Aprende a resolver bolita azul es de un 50%.
este ejercicio.
Búscalo en el
SOLUCIONARIO A) (1) por sí sola
B) (2) por sí sola
38. Dado un experimento aleatorio, se define una

variable aleatoria X tal que los valores posibles son
{0, 1, 2, ..., 19, 20}. Al respecto, es siempre verdade- 40. Un saco contiene 10 fichas con letras del abece-
ro que dario. Se procede a sacar una ficha de la bolsa, se
registra la letra y se devuelve a la bolsa, luego se
I. P(X = 0) = P(X = 1) = P(X = 2) =...= P(X = 20)
extrae una segunda ficha y se registra la letra. Se
1
II. P(X ≤ 10) = define la variable aleatoria V como “la cantidad de
2 vocales extraídas”. Podemos saber el recorrido de
III. P(X ≤ 20) = 1
la variable aleatoria V si sabemos que
A) Solo I
(1) La probabilidad de obtener al menos una
B) Solo III
consonante es 9
C) I y II 25
D) I y III
(2) La probabilidad de obtener dos
E) I, II y III
consonantes es de 2
50
A) (1) por sí sola
B) (2) por sí sola
MIS ANOTACIONES
NOMENCLATURA
Para todo
Existe
{a, b, c . . .} Conjunto formado por los elementos a, b, c . . .
Pertenece
No pertenece
Subconjunto
Unión
Intersección
Ac Complemento de A
Conjunto vacío
2
Plano cartesiano
3
Espacio Euclidiano
(a, b) Par ordenado
(a, b, c) Trío ordenado
A×B Producto cartesiano entre A y B
N Números naturales
N0 Números cardinales
Z Números enteros
Q Números racionales
I Números irracionales
Números reales
C Números complejos
Igualdad
Equivalencia
Semejantes
Congruentes
Mayor que
Menor que
Mayor o igual que
Menor o igual que
z Conjugado de z
f(x) Función con variable independiente x
f−1(x) Función inversa de f(x)
Suma o resta
Resta o suma
ln Logaritmo natural o logaritmo en base e
Sumatoria
[a, b] Intervalo cerrado desde a hasta b
(a, b) o ]a, b[ Intervalo abierto desde a hasta b
(a, b] o ]a, b] Intervalo semi-abierto desde a hasta b
C(n, k) Combinación de n sobre k
V (n, k) Variación de n sobre k
fi Frecuencia
x Media aritmética o promedio
Me Mediana
Mo Moda
σ Desviación estándar
σ2 Varianza
PQ Segmento desde el punto P hasta Q
// Paralelos
Perpendicular
AB Arco desde A hasta B
sin( ) Seno de
cos( ) Coseno de
tan( ) Tangente de
m Pendiente de la recta y = mx + n
n Coeficiente de posición de la recta y = mx + n
Dividimos por 2 y obtenemos

SOLUCIONARIO
ab = 6
Problema 1.10: Si la media aritmética entre a y b es 3 y la Alternativa C.

desviación estándar es 3 , entonces el valor
de ab es
Solución:
a+b
Como la media entre a y b es 3, tenemos = 3 , de
2
donde a + b = 6 . Problema 1.24: La desviación estándar para los datos
Como la desviación estándar es 3 , la media es 3 y el {1, 2, 3, 4, 4, 1, 2, 1, 1, 1} es
tamaño muestral es 2, tenemos
( a − 3)2 + (b − 3)2 Solución:
= 3
2 Primero calculamos la media aritmética tomando en
Elevando al cuadrado resulta cuenta que tenemos 10 datos ( n = 10 ) :
( a − 3)2 + (b − 3)2 =3 1+ 2 + 3 + 4 + 4 + 1+ 2 + 1+ 1+ 1 20
2 x= = =2
10 10
Al multiplicar por 2:
Ahora, para ordenar la información, construimos la
( a − 3)2 + (b − 3)2 = 6
siguiente tabla
Desarrollando los cuadrados de binomio, obtenemos
Desviación Frecuencia
a 2 − 6a + 9 + b 2 − 6b + 9 = 6 Dato ( xi ) ( xi − x ) ( xi − x )2 ( fi )
Equivalentemente: 1 -2 4 5
2 -1 1 2
a 2 + b 2 − 6 ( a + b ) + 18 = 6
3 0 0 1
Como tenemos que a + b = 6 : 4 1 1 2
a 2 + b 2 − 6 ⋅ 6 + 18 = 6
Recordando que la desviación estándar está dada por
Así
∑ f (x − x )
2
a + b = 24
2 2
σ= i i
n
Volviendo a ( a + b ) = 6 y elevando al cuadrado tenemos Tenemos
(a + b) 2
= 36 4 ⋅ 5 + 1⋅ 2 + 0 ⋅1+ 1⋅ 2 24
σ= = = 2, 4
10 10
Desarrollando el cuadrado de binomio
Alternativa D.
a 2 + 2ab + b 2 = 36
Como a 2 + b 2 = 24 :
24 + 2ab = 36
Al restar 12:
2ab = 12
Problema 1.36: En una muestra de 450 elementos, el Problema 2.1: Si se tiene el juego del Loto, donde para
elemento correspondiente al percentil 21 es. cada cartón de juego se eligen 7 números de 35, ¿cuál
de las siguientes expresiones representa la cantidad de
Solución: cartones distintos que pueden existir?
Calculamos el 21% de 450 : 450 ⋅ 0,21 = 94,5 . Tomamos
la parte entera 94 y la parte decimal 0,5. Como la parte Solución:
decimal es distinta de 0, el percentil 21 corresponde al Para efectos de los sorteos, no importa en qué orden se
elemento asociado al sucesor de la parte entera, en este escojan los números del cartón. De modo que el muestreo
caso el elemento 95, Alternativa E. es sin orden. Además, no es posible escoger dos veces el
mismo número (pues en el cartón cada número aparece
una sola vez y deben pintarse para escogerse, si se pinta
encima de uno ya pintado entonces no está cambiando
el cartón). Como escogemos 7 números de un total de
Problema 1.38: La desviación estándar entre los 35, sin reposición y sin importar orden, la cantidad de
⎛ 35 ⎞
elementos 1, 1, 1, 1, 1, 2, 2, 2, 3, 4 y 4 es cartones que pueden existir es ⎜ ⎟ . Alternativa A
⎝ 7⎠
Solución:
Al calcular la media tenemos
5 ⋅1+ 3⋅ 2 + 1⋅ 3 + 2 ⋅ 4 22
x= = =2 Problema 2.3: ¿De cuántas formas puedo ordenar 3
11 11
libros en un estante con 4 espacios?
Construimos la siguiente tabla
Solución:
Frecuencia Desviación Cada espacio admite un solo libro, de modo que es un
Dato ( xi ) ( fi ) ( xi − x ) ( xi − x ) 2
fi ⋅ ( xi − x )
2
muestreo sin reposición. Además, intercambiar el orden

1 5 -1 1 5 de los libros dentro de los mismos espacios es una forma
2 3 0 0 0 diferente de ordenarlos, por lo tanto sí influye el orden.
3 1 1 1 1 Como se deben escoger 3 espacios de los cuatro, sin
4 2 2 4 8 reposición y con orden, la cantidad de formas de hacer
la elección es
Calculamos varianza 4! 4!
= = 4! = 4 ⋅ 3⋅ 2 ⋅1 = 24
∑ f (x − x ) (4 − 3) 1!
2
5 + 0 + 1+ 8 14
σ2 = i i
= =
∑f i 5 + 3 + 1+ 2 11
Alternativa E
Como buscamos desviación estándar, sacamos raíz
14 14
σ2 = =
11 11 Problema 2.5: ¿De cuántas maneras pueden sentarse 4
Alternativa B personas en 10 sillas?
Solución:
Nuevamente se trata de un muestreo sin reposición, pues
las personas no se sientan en sillas donde ya hay alguien
sentado. Además, si las personas intercambian asientos, Problema 2.15: Se lanzan dos dados, ¿Cuál es la
es una forma distinta de ubicar al grupo, de modo que probabilidad de que uno de ellos sea 3 condicionada al
influye el orden. Como se escogen 4 elementos de un evento donde la suma de ambos números obtenidos es 7?
total de 10, sin reposición y con orden, la cantidad de
formas en que pueden sentarse es Solución:
Definamos los eventos
10 10! 10 ⋅ 9 ⋅ 8 ⋅ 7 ⋅ 6!
= = = 10 ⋅ 9 ⋅ 8 ⋅ 7 = 5040 A = Uno de los dados es 3
(10 − 4 ) 6! 6!
Alternativa E B = La suma de los numeros es 7

P ( A ∩ B)
Buscamos P ( A B ) =
P ( B)
Al lanzar 2 dados hay 36 resultados posibles. Solo en dos

Problema 2.8: ¿Cuántos números de 4 dígitos se pueden de ellos los eventos A y B se cumplen simultáneamente
formar con las cifras {1, 2, 3, 4, 5, 6, 7, 8, 9}, permitiendo (cuando sale 3 y 4 o cuando sale 4 y 3) Con esto en mente
2
repetición? y en virtud de la regla de Laplace, tenemos P ( A ∩ B ) =
36
Solución: La suma de los números es 7 en seis casos (1 y 6, 2 y 5, 3

6
Escoger 4 números en distinto orden puede resultar en y 4, 4 y 3, 5 y 2, 6 y 1). Luego P ( B ) = .
36
números diferentes(por ejemplo 1122 y 1212 son números
diferentes), de modo que influye el orden. Además, el Así,
problema establece explícitamente que los números 2
P ( A B) =
2 36 2 1
se pueden repetir. Así, escogemos 4 dígitos entre los 9 36 = ⋅ = =
6 36 6 6 3
disponibles, con repetición, importando el orden. Así, la 36
4
cantidad de elecciones posibles es 9 .
La alternativa correcta es B.
Alternativa C
Problema 2.16: Si se ha lanzado una moneda 765 veces, y

Problema 2.9: Si en la pregunta anterior no permitimos en todos los lanzamientos se obtuvo un sello.
repeticiones, entonces ¿cuál es la nueva cantidad de ¿Cuál es la probabilidad que el lanzamiento 766 sea una
números que puedo formar? cara?
Solución: Como esta vez no se puede repetir, escogemos Solución:

4 números de un total de 9, con orden y sin reposición. La Los resultados de los lanzamientos en ocasiones
cantidad de maneras en que se puede hacer esta elección diferentes constituyen resultados independientes, de
es modo que la probabilidad no se altera al condicionar a
9! 9! 9! 4! 9 ⎛ 9⎞ eventos correspondientes a resultados anteriores. Así, si
= = ⋅ = ⋅ 4! = ⎜ ⎟ ⋅ 4! A es el evento donde el lanzamiento 766 es cara y B es
( 9 − 4 ) 5! 5! 4! 5!⋅ 4! ⎝ 4⎠
el evento donde los primeros 765 lanzamientos son sello,
Alternativa D tenemos que A y B son independientes, de modo que
P ( A ∩ B ) = P ( A ) ⋅ P ( B ) . Así Problema 4.7: Se pagan $400, se lanza un dado común y
se reciben $100 multiplicado por el valor que muestra el
P ( A ∩ B) P ( A) ⋅ P ( B) dado. ¿Cuál es el balance esperado?
P ( A B) =
1
= = P ( A) =
P ( B) P ( B) 2
Solución: El balance corresponde a la diferencia entre
Alternativa A.
lo ganado y lo perdido. En este caso se gana 100 X y se
pierden 400, donde X corresponde al número del dado.
Así, el recorrido de la variable B que representa el
balance es {100 - 400,200 - 400,300 - 400,400 - 400,500
- 400,600 - 400}, es decir {-300,-200,0,100,200}. Como
Probema 2.21: Cuando llueve, la probabilidad de que una
1 cada resultado del dado es equiprobable, la función de
jugadora de fútbol anote un gol es . Si la probabilidad de 1
2 4 probabilidad para B es f ( x ) = . La esperanza será
que no llueva es , ¿cuál es la probabilidad de que llueva 6
3
y la jugadora haga un gol? 1 1 1 1 1 1
E ( B) = ⋅ −300 + ⋅ −200 + ⋅ −100 + ⋅ 0 + ⋅100 + ⋅ 200 = −50
6 6 6 6 6 6
Solución:
Alternativa B
Solución:Definamos los eventos
A = Llueve
B = La jugadora anota un gol
Tenemos P ( A B ) =
1 Problema 4.8: Se entrevista a 100 personas de manera
, es decir,
4 independiente y se registra el número de personas
P ( A ∩ B) 1 bautizadas. Si se sabe que el 48% de la población se ha
=
P ( A) 4 bautizado, ¿Qué distribución sigue esta variable aleatoria?
2
Como la probabilidad de que no llueva es 3 tenemos
Solución:
P ( AC ) = ⇒ 1− P ( A ) = ⇒ P ( A ) =
2 2 1 Como se repite una cantidad fija de veces (100) un
3 3 3 experimento de manera independiente, que puede
tener dos resultados (el encuestado se bautizó o bien
Así
no se bautizó) y se conoce la probabilidad de que ocurra
P ( A ∩ B) 1 1 1 1
= ⇒ P ( A ∩ B) = ⋅ = uno de ellos (48%), el número de personas bautizadas
1 4 4 3 12 corresponde a una variable aleatoria de distribución
3
binomial de parámetros 100 y 0,48.
Como A ∩ B es el evento donde la jugadora anota y al

Alternativa B
mismo tiempo llueve, la alternativa correcta es B.
Problema 4.11: Se lanza un dado 20 veces y se definen

las variables aleatorias X e Y, donde X es el número de
veces que se obtiene un número par e Y es el número de
veces que se obtiene un número impar. ¿Cuál(es) de las
siguientes afirmaciones es(son) verdadera(s)? Problema 4.12: Se lanzan monedas y se define la variable
aleatoria X como el número de caras obtenidas. ¿Cuántas
I. P(X = 4) = P(Y = 16) monedas deben lanzarse para que se cumpla Var(X) = 1?
II. P(X = 5) = P(Y = 5)
III. P(X = 9) = P(X = 11) Solución:
Al lanzar n monedas y considerar X como la variable
que indica el número de caras, tenemos X Bin ⎛⎝⎜ n, 2 ⎞⎠⎟ .
1
Solución:
La probabilidad de sacar un número par en un lanzamiento Como X es una variable de distribución binomial, su
es 1 . Como se cumplen las condiciones para tener una varianza es
2 ⎛ 1⎞ 1 ⎛ 1⎞ n
distribución binomial, tenemos X Bin ⎝⎜ 20, 2 ⎠⎟ y además, Var ( X ) = n ⋅ ⋅ ⎜ 1− ⎟ =
2 ⎝ 2⎠ 4
como sacar un número impar es el evento complementario
⎛ 1⎞
a sacar un número par, tenemos Y Bin ⎝⎜ 20,1− 2 ⎠⎟ , es decir Si imponemos la condición buscada (Var ( X ) = 1) , tenemos
n
⎛ 1⎞
Y Bin ⎜⎝ 20, ⎟⎠ . = 1 , de donde n = 4 . Como n representa la cantidad de
2 4
monedas lanzadas, la alternativa correcta es D
La afirmación I es cierta, pues los eventos X = 4 e
Y = 16 están formados por los mismos resultados, ya
que obtener 4 números pares al lanzar 20 dados es
equivalente a obtener 20-4=16 números impares.
Problema 4.16: Considere una variable aleatoria discreta
La afirmación II es cierta también, pues X e Y son X cuya desviación estándar es 8 y su recorrido es un
variables aleatorias idénticamente distribuidas, por subconjunto del intervalo ]-∞,0]. Considere además que
lo tanto su función de probabilidad debe ser la misma, E[X2] = 100. ¿Cuál es el valor esperado de X?
así P ( X = a ) = P (Y = a ) para cualquier valor de a , en
particular para a = 5 . Solución:
Sabemos que la desviación estándar de X está dada por
La afirmación III se puede verificar recordando que para Stdev ( X ) = Var ( X )
cualquier valor de k entero entre 0 y n tenemos
Así
⎛ n⎞ n! n! n! n! ⎛ n ⎞
⎜⎝ k ⎟⎠ = k!( n − k )! = ( n − k )!k! = ( n − k )!( n − n + k )! = ( n − k )! n − ( n − k ) ! = ⎜⎝ n − k ⎟⎠ Var ( X ) = Stdev ( X ) = 8 2 = 64
( )
2
Por otro lado, como Var ( X ) = E ( X ) − ⎡⎣ E ( X ) ⎤⎦ , tenemos

2 2
Así, como X sigue una distribución binomial, tenemos
⎛ 20 ⎞ ⎛ 1 ⎞ ⎛ 1 ⎞ ⎛ 20 ⎞ ⎛ 1 ⎞ ⎛ 20 ⎞ ⎛ 1 ⎞ ⎛ 20 ⎞ ⎛ 1 ⎞
9 20−9 20 20 20
E ( X ) − ⎡⎣ E ( X ) ⎤⎦ = 64
2 2
P ( X = 9) = ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ =⎜ ⎟⎜ ⎟ =⎜ ⎟ ⎜⎝ ⎟⎠ = ⎜ ⎟ ⎜⎝ ⎟⎠
⎝ 9 ⎠ ⎝ 2⎠ ⎝ 2⎠ ⎝ 9 ⎠ ⎝ 2⎠ ⎝ 20 − 9 ⎠ 2 ⎝ 11 ⎠ 2
⎛ 20 ⎞ ⎛ 1 ⎞ ⎛ 1 ⎞
20 20−11 Así
=⎜ ⎟⎜ ⎟ ⎜ ⎟ = P ( X = 11)
⎝ 11 ⎠ ⎝ 2 ⎠ ⎝ 2 ⎠ 100 − ⎡⎣ E ( X ) ⎤⎦ = 64
2
Así, son verdaderas I, II y III. Alternativa E Luego

⎡⎣ E ( X ) ⎤⎦ = 36
2
De aquí, tenemos E ( X ) = 6 ó E ( X ) = −6 . Como el recorrido

de X no toma valores positivos, tenemos E ( X ) = −6 .
Alternativa D
Problema 4.18: En un programa de talentos la probabilidad
de que un postulante sea aceptado es 1/10. Si en una
sesión hay 8 postulantes ¿Cuál es la probabilidad de que
exactamente 3 postulantes sean aceptados?
Solución:
Definamos X como la variable aleatoria que indica el
número de postulantes aceptados.
1
Tenemos X Bin ( n, p ) , donde n = 8 y p = . Así, la
10
probabilidad buscada corresponde a
⎛ 8⎞ ⎛ 1 ⎞ ⎛ ⎛ 8⎞ ⎛ 1 ⎞ ⎛ 9 ⎞
3 8−3 3 5
1⎞
P ( X = 3) = ⎜ ⎟ ⎜ ⎟ ⎜ 1− ⎟ =⎜ ⎟⎜ ⎟ ⎜ ⎟
⎝ 3⎠ ⎝ 10 ⎠ ⎝ 10 ⎠ ⎝ 3⎠ ⎝ 10 ⎠ ⎝ 10 ⎠
Alternativa B.
Problema 4.37: Se lanza una moneda n veces y se define

la variable aleatoria S como "la cantidad de sellos que
aparecen”. Si P(S = 0) = 1 entonces n =
8
Solución:
La variable S distribuye de forma binomial de parámetros
n y 1 (pues 1 es la probabilidad de
2 2
obtener sello en un lanzamiento). Así,
⎛ n⎞ ⎛ 1 ⎞ ⎛ 1 ⎞
0 n−0
P ( S = 0 ) = ⎜ ⎟ ⎜ ⎟ ⎜ 1− ⎟
⎝ 0⎠ ⎝ 2 ⎠ ⎝ 2 ⎠
⎛ n⎞
Teniendo en cuenta que ⎜⎝ 0⎟⎠ = 1 para cualquier valor de n
, la igualdad es equivalente a
n
⎛ 1⎞
P (S = 0) = ⎜ ⎟
⎝ 2⎠
1
Como P ( S = 0 ) = , resulta
8
n
⎛ 1⎞ ⎛ 1⎞
⎜⎝ ⎟⎠ = ⎜⎝ ⎟⎠
8 2
Así
3 n
⎛ 1⎞ ⎛ 1⎞
=
⎝⎜ 2 ⎠⎟ ⎜⎝ 2 ⎠⎟
Y por lo tanto n = 3 . Alternativa A.
HOJA DE RESPUESTAS
Capítulo 1 Capítulo 2 Capítulo 3 Capítulo 4
Página 17 Página 46 Página 67 Página 83
1A 21 B 1A 21 B 1A 21 A 1C 21 C
2B 22 A 2B 22 E 2C 22 C 2D 22 A
3B 23 B 3E 23 C 3B 23 C 3A 23 D
4C 24 B 4A 24 E 4A 24 E 4A 24 D
5A 25 E 5E 25 D 5D 25 C 5C 25 A
6C 26 B 6C 26 A 6B 26 A 6C 26 A
7E 27 E 7D 27 E 7C 27 A 7B 27 D
8C 28 B 8C 28 C 8E 28 C 8B 28 B
9C 29 B 9D 29 B 9C 29 C 9D 29 D
10 C 30 B 10 A 30 C 10 E 30 C 10 C 30 A
11 B 31 E 11 D 31 B 11 E 31 D 11 E 31 C
12 A 32 A 12 B 32 D 12 D 32 B 12 D 32 C
13 D 33 C 13 C 33 C 13 D 33 D 13 E 33 A
14 D 34 D 14 C 34 C 14 B 34 C 14 D 34 E
15 E 35 D 15 B 35 A 15 D 35 A 15 B 35 B
16 C 36 E 16 A 36 B 16 E 36 C 16 D 36 B
17 C 37 D 17 D 37 A 17 D 37 E 17 C 37 A
18 C 38 B 18 A 38 C 18 C 38 E 18 B 38 B
19 B 39 C 19 A 39 B 19 A 39 D 19 B 39 E
20 B 40 A 20 E 40 A 20 B 40 A 20 D 40 D

Matematica Libro 2018 04

Cargado por

Copyright:

Formatos disponibles

Matematica Libro 2018 04

Cargado por

Información del documento

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

Matematica Libro 2018 04

Cargado por

Copyright:

Formatos disponibles

PSU

Mauricio Andrés Chiong C.

Felipe del Canto M.

En éste se plasma el conocimiento adquirido en arduos años de estudio, desde mi

La estadística puede dividirse en dos ramas principales: La primera es la estadística

ciente para medir su composición sanguínea, la población consiste de toda la sangre

remos continuas a aquellas que pueden tomar(teóricamente) cualquier valor en un

Las variables cualitativas se subdividen en nominales(cuando no hay un orden lógi-

• Frecuencia absoluta ( fi)

• Frecuencia relativa (hi)

• Frecuencia relativa acumulada

1 2 2 3 5 1 Notamos que obtenemos que el recorrido

Nº de Frecuencia Frecuencia Frecuencia Frecuencia

Cuando el recorrido de la variable es muy grande, podemos

12 23 21 37 52 11 Podemos notar que en este caso el

MEDIDAS DE TENDENCIA CENTRAL

El último de ellos la moda es el elemento de mayor frecuencia dentro de una mues-

MEDIDAS DE POSICIÓN O LOCALIZACIÓN

• Q1: Es la mediana de la primera mitad de los elementos.

1. La siguiente tabla muestra la distribución de los 3. El gráfico de la figura representa el número de

¿Qué porcentaje de los alumnos del curso obtuvo 12 8

2. Según información del INE (Instituto Nacional

A) Cursan estudios universitarios 40.000 habitantes.

4. La siguiente tabla muestra la distribución de

200 5. ¿Cuál es el intervalo que contiene al percentil 11

Lun Mar Mié Jue Vie Sáb Dom

7. La tabla muestra los resultados de una prueba de A) 5

La marca de clase del intervalo modal es

I. La mediana es igual a la moda.

13. En la siguiente tabla se muestran las notas de

16. Dada la siguiente tabla 17. Dados los datos 1, 1, 2, 3, 5, 1, 5, 2. La

26. La tabla adjunta, muestra el resultado obtenido

Curso Promedio Desviación

A) 14 I. El curso de la mañana es el más heterogéneo

Pt1 + Pt2 + Pt3 + Pt4 + Pt5

Vainilla Piña 3 Leches Frutilla

¿Cuál(es) de las siguientes afirmaciones es(son)

I. Se matricularon 66 alumnos en Febrero

A) Solo I [10 - 15[ 10

B) Solo II [15 - 20[ 12

C) Solo I y II [20 - 25[ 8

I. La marca de clase en el intervalo

34. Si se suman los GB de internet utilizados en el A) Solo I

37. En la muestra 39. Si el promedio de los dos mejores alumnos

40. Sea x > 7. Si se considera el set de datos

entonces el valor de x para que la media y la

Nuestra primera definición es la de experimento aleatorio, que es un experimento

El espacio muestral es el conjunto formado por todos los posibles resultados de un

PROBABILIDADES CLÁSICA Y EXPERIMENTAL

A continuación presentamos una pequeña lista con propiedades que se cumplen en

A pesar de que el procedimiento detrás de este tipo de problemas es bastante sen-

• Principio aditivo y principio multiplicativo

• Principio aditivo: Si un experimento tiene m resultados posibles y otro tiene n

R: Carlos debe escoger uno de los dos experimentos,

• Principio multiplicativo: Si en un experimento hay m resultados posibles y en otro

R: Esta vez Carlos debe escoger ambos, un perro y un gato.

R: Aplicando la regla de Laplace, se tiene que la probabili-

Donde #A es el número de elementos del evento donde

Para encontrar # se aplica el principio multiplicativo: el

Para hallar #A debemos contar la cantidad de formas en