Vous êtes sur la page 1sur 193

ESTADISTCA Y

PROBABILIDADES
Editado Por
G. Aaron Estuardo Morales
C h i l e 2 0 1 2 admin2766@gmail.com
1
Indice
Contenido Pgina
Unidad N1: Estadstica Descriptiva
Introduccin 3
Estadstica: conceptos previos 4
Variables 6
Tabulacin de datos:
a) cualitativos 7
b) cuantitativos 8
Representacin grfica 17
Medidas de tendencia central:
a) Media aritmtica 39
b) Mediana 38
c) Moda 40
Medidas de dispersin:
a) Rango 45
b) Desviacin media 46
c) Varianza 47
d) Desviacin estndar 50
Criterio de homogeneidad 52
Autoevaluacin 56
Unidad N2: Probabilidades
Elementos de probabilidades 58
Concepto de probabilidad en espacio finito equiprobable 60
Axiomas de probabilidad 60
Probabilidad condicional 69
Teorema de Bayes 78
Eventos independientes 83
Variables aleatorias 86
Distribucin discreta de probabilidades 87
Distribucin continua de probabilidades 89
Esperanza 94
Varianza 94
Distribuciones discretas:
Bernuolli 102
Binomial 103
Hipergeomtrica 108
Distribucin Poisson 113
Distribucin continua:
Normal 117
Normal estndar 118
Problemas de aplicacin 122
2
Autoevaluacin 1 128
Autoevaluacin 2 131
Unidad N3: Intervalos de Confianza
Inferencia estadstica 134
Estimacin de parmetros 134
Estimacin por intervalo 134
Intervalo de confianza para la media de una poblacin normal:
a) conocida su varianza 135
b) desconocida su varianza 140
Intervalo de confianza para la varianza de una poblacin normal 144
Autoevaluacin 148
Unidad N4: Pruebas de Hiptesis
Pruebas de hiptesis 150
Pruebas de unilaterales y bilaterales 152
Pruebas de hiptesis para:
a) la media si se conoce su varianza 153
b) la media si se desconoce su varianza 158
c) la varianza 164
Autoevaluacin 169
Unidad N5: Regresin Lineal
Diagrama de dispersin 171
Mtodo de mnimos cuadrados 173
Recta de los mnimos cuadrados 174
Coeficiente de correlacin lineal 179
Anlisis de residuos 186
Autoevaluacin 191
3
Unidad N1: Estadstica Descriptiva
Introduccin
La Estadstica, nace de las necesidades reales del hombre. La variada y cuantiosa informacin
relacionada con ste y que es necesaria para la toma de decisiones, hace que la estadstica sea hoy, una
importante herramienta de trabajo.
Entre las tareas principales de la Estadstica, est el de reunir la informacin integrada por un
conjunto de datos, con el propsito de obtener conclusiones vlidas del comportamiento de stos, como
tambin hacer una inferencia sobre comportamientos futuros.
En cuanto al uso y la aplicacin, puede decirse que abarca todo el mbito humano encontrndose
en las relaciones comerciales, financieras, polticas, sociales, etc. siendo fundamental en el campo de la
investigacin y en la toma de decisiones.
Es as tambin como en el rea de las empresas de servicio y manufactura es posible realizar un
anlisis profundo del proceso estadstico al control de la productividad y de la calidad.
4
Estadstica
Es el conjunto de mtodos y procedimientos que implican recopilacin, presentacin, ordenacin
y anlisis de datos, con el fin que a partir de ellos puedan inferirse conclusiones.
Pueden distinguirse dos ramas diferentes en Estadstica:
, la cual es la que se utiliza en la descripcin y anlisis de conjuntos de Estadstica Descriptiva
datos o poblacin.
, la cual hace posible la estimacin de una caracterstica de una Inferencia Estadstica
poblacin, o la toma de una decisin con respecto a una poblacin, con base nicamente en resultados
muestrales.
Conceptos de elementos utilizados en el anlisis estadstico
: Conjunto completo de individuos, objetos, o medidas los cuales poseen 1) Poblacin o Universo
una caracterstica comn observable y que sern considerados en un estudio.
2) Muestra: Es un subconjunto o una porcin de la poblacin.
3) Variable: Caracterstica o fenmeno de una poblacin o muestra que ser estudiada, la cual
puede tomar diferentes valores.
: Nmeros o medidas que han sido recopiladas como resultado de la observacin. 4) Datos
: Es una medida, un valor que se calcula para describir una caracterstica a partir de 5) Estadstico
una sola muestra.
Es una caracterstica cuantificable de una poblacin. 6) Parmetro:
5
Recopilacin de Informacin
La tiene como funcin el manejo de los datos recopilados en cuanto se Estadstica Descriptiva
refiere a su ordenacin y presentacin, para poner en evidencia ciertas caractersticas en la forma que sea
ms objetiva y til.
Una objeto de una investigacin estadstica puede ser si sus poblacin o universo finita
elementos se pueden contar. Por ejemplo, nmero de alumnos de un curso.
Una es cuando no es finita. En Estadstica, el sentido del trmino poblacin o universo infinita
poblacin infinita se refiere a una poblacin con un nmero tan grande de elementos que no le es posible al
investigador someter a medida cada uno de ellos.
Cuando se miden cualitativamente las caractersticas de una poblacin, resultan categoras que
deben ser , es decir, que se pueda clasificar a toda la poblacin, y tambin deben ser exhaustivas
mutuamente , es decir, un mismo elemento no puede pertenecer simultneamente a dos o ms excluyentes
categoras. Por ejemplo, sexo de una persona: masculino o femenino.
Una debe cumplir ciertas condiciones, de aqu surge el concepto de muestra muestra aleatoria
que es aquella obtenida de modo que cada elemento de la poblacin tiene una oportunidad igual e
independiente de ser elegido.
La es toda operacin orientada a la recopilacin de informacin sobre investigacin estadstica
una poblacin.
La investigacin puede ser tan simple como la recopilacin de datos estadsticos obtenidos de
informaciones provenientes de fuentes oficiales a nivel institucional o de publicaciones de organismos
altamente especializados en estas materias, o tan complejas que requiera de la colaboracin de especialistas
en diferentes materias, como ocurre en los censos de poblacin de un pas.
Se denomina a fenmenos o caractersticas que son medidas en algn tipo de variable
investigacin estadstica.
6
Variables
Es muy probable que un especialista en Estadstica que realiza una encuesta desee desarrollar un
instrumento que le permita hacer varias preguntas y manejar diversos fenmenos o caractersticas. A estos
fenmenos o caractersticas se les denomina . variables aleatorias
Segn la forma en que se expresen las variables, se dividen en:
: son aquellas que pueden expresarse slo en forma de atributo. 1) Variables Cualitativas
Ejemplo:
1) Estado civil :
soltero
casado
viudo
separado
2) Satisfaccin con un producto:
muy insatisfecho
regularmente insatisfecho
neutral
satisfecho
muy satisfecho
3) Tamao de un tablero :
grande
mediano
pequeo
, son aquellas variables que pueden expresarse en forma numrica Se 2) Variables Cuantitativas .
dividen en discretas y continuas.
, son respuestas numricas que surgen de un proceso de 2.1) Variables Cuantitativas Discretas
conteo, siendo siempre un nmero entero.
Ejemplos :
1) Nmero de asignaturas inscritas en el primer semeste.
2) Nmero de integrantes del grupo familiar.
3) Nmero de salas de clases del IPVG.
, son respuestas numricas que surgen de un proceso de 2.2) Variables Cuantitativas Continuas
medicin, las cuales pueden tomar valores entre dos nmeros enteros.
Ejemplo :
1) Estatura
2) Temperatura
3) Peso
7
Tabulacin de los datos
En los experimentos estadsticos los datos recolectados pueden corresponder a una o poblacin
muestra. En ambos casos los procedimientos de resumen de datos son anlogos y designaremos por:
Tamao de la poblacin estudiada ` =
Tamao de la muestra (parte de la poblacin) : =
Con el objeto de realizar un mejor estudio de los datos es necesario organizar stos, mediante el
uso de distribuciones de frecuencia.
Una es una tabla resumen en la que se disponen los datos divididos en distribucin de frecuencia
grupos ordenados numricamente y que se denominan . clases o categoras
A) Tabulacin de datos cualitativos
La construccin de una distribucin de frecuencia de atributos o distribucin de frecuencia de
variable cualitativa es simple, basta enumerar los diversos atributos con su respectiva frecuencia de
ocurrencia.
indica el nmero de veces que se repite un atributo. Frecuencia absoluta : ( ) )
i
Ejemplo:
Considrese una muestra trabajadores de una cierta empresa de la regin los cuales han sido 400
encuestados sobre su actual estado civil. La informacin es tabulada de la siguiente manera:
Estado Civil
Soltero
Casado
Viudo
Separado
Total
)
7
200
0
7
400
i
(tamao de la muestra) : = 400
(nmero de clases) : = 4
8
B) Tabulacin de variable cuantitativa
Distinguiremos dos casos:
B.1) Tabulacin de variable discreta (que toma un conjunto pequeo de
datos distintos)
Las tablas de frecuencia de variable discreta llevan cinco columnas donde los elementos que
participan son los siguientes:
indica el nmero de veces que se repite una variable. a) : Frecuencia absoluta ( ) )
i
indica la cantidad de elementos que conforman la muestra, se b) : Tamao de la muestra ( :)
obtiene sumando todas las frecuencias absolutas.
nmero de clases distintas : = ) : =
i = 1
:
_
i

c) : Frecuencia relativa ( / ) es la proporcin de datos que se encuentra en una clase, se obtiene
i
dividiendo la frecuencia absoluta de la clase por el tamao de la muestra.
a) / = / = 1
)
:
i i
i
Obs: _
b) 0 _ / _ 1
i
indica la cantidad de datos que se encuentran hasta d) : Frecuencia absoluta acumulada ( 1 )
i
cierta clase.
1 = )
) = 1
i
i )
_
e) : Frecuencia relativa acumulada es la proporcin de datos acumulados que se ( H )
i
encuentran hasta cierta clase.
a) H = / H = 1
) = 1
i
i ) :
_ Obs:
b) 0 _ H _ 1
i
Ejercicio
Una empresa que tiene trabajadores se propone reestructurar las remuneraciones, se estudia los 0
aos de servicio de los trabajadores determinndose los siguientes resultados:
4 4 6 7 0 7 7 8
8 7 6 7 7 4 6 8 8 0
6 8 0 6 4 7 0 6
7 6 4 4 4 6 8 8 7
8 0 4 6 7 0 4
9
(tamao de la poblacin) ` = 0
Se pide:
Tabular la informacin. 1.
Qu cantidad de trabajadores tiene aos de servicio ?. 2. 8
Qu porcentaje de trabajadores tiene aos de servicio ?. 8. 6
Si aquellos trabajadores que tengan a lo menos siete aos de servicio reciben un aumento del 4.
8% . Qu porcentaje de los trabajadores recibi dicho aumento?.
Si todos los trabajadores que tengan a lo ms cinco aos de servicio reciben una bonificacin .
de $ . Qu cantidad de trabajadores recibi dicha bonificacin?. 20.000
Si la empresa decide otorgar una bonificacin especial de $ por cada ao de servicio. 6. 18.200
Cunto ser el dinero necesario para cumplir dicha bonificacin?.
Solucin
1.
Aos de servicio
Total
) / 1 H
4 0 0, 18 0 0, 18
8 0, 16 17 0, 84
6 0 0, 18 26 0, 2
7 10 0, 20 86 0, 72
8 8 0, 16 44 0, 88
0 6 0, 12 0 1, 00
0 1, 00
i i i i
Ocho trabajadores tienen aos de servicio 2. 8
El % de los trabajadores tiene aos de servicio. 8. 18 6
El % de los trabajadores recibi el aumento de sueldo. 4. 48
trabajadores recibieron la bonificacin. . 17
$ se necesitan para la bonificacin por ao de servicio. 6. 4.107.600
10
B.2) Tabulacin de variable continua o discreta
Para tabular una variable continua o discreta (que tome un gran nmero de datos distintos) se
necesitan los siguientes elementos:
Es la diferencia entre el valor mximo y valor mnimo que toma la a) : Rango o recorrido
variable.
1 = a a
mx mn
Es el nmero de grupos en que es posible dividir los b) ( ) : Nmero de intervalos o clases n
valores de la variable.
El nmero de clases no debe ser ni muy grande ni muy pequeo, un nmero pequeo de clases
puede ocultar la naturaleza general de los datos y un nmero muy grande puede ser demasiado detallado
como para revelar alguna informacin til. Como regla general se recomienda que el nmero de clases est
entre cinco y veinte. Hay una regla llamada que puede dar una aproximacin razonable Regla de Sturges
para el nmero de clases, ella es:
donde es el nmero de datos de la muestra. : = 1 8, 8 |oq(:) :
c) ( ) : Amplitud del intervalo o amplitud de la clase o
Recorrido
N de clases
a = =
1
:
Son los valores extremos de una clase. El menor valor es considerado d) : Lmites de un intervalo
como el y el valor que se obtiene sumando al lmite inferior la amplitud del intervalo es el lmite inferior
lmite inferior de la segunda clase.
e) : Lmites reales de un intervalo Se obtienen calculando el promedio entre el lmite superior de
una clase y el lmite inferior de la clase siguiente.
Es el punto medio de un intervalo. f) : Marca de clase ( a )
i
indica el nmero de observaciones que pertenece a un intervalo g) : Frecuencia absoluta ( ) )
i
dado.
tamao de la muestra Observacin: : = ) : =
i = 1
:
_
i
11
h) : Frecuencia relativa ( / ) es la proporcin de datos que se encuentra en un intervalo, se
i
determina dividiendo la frecuencia absoluta del intervalo por el tamao de la muestra.
/ =
)
:
i
i
indica el nmero de datos de la muestra menores o i) : Frecuencia absoluta acumulada ( 1 )
i
iguales al lmite real superior del intervalo . i
1 = ) 1 = :
) = 1
i
i ) :
_ Obs:
j) : Frecuencia relativa acumulada indica la proporcin de datos de la muestra menores o ( H )
i
iguales al lmite real superior del intervalo . i
H = /
) = 1
i
i )
_
Existe ms de un mtodo para construir una tabla de distribucin de frecuencias, a Observacin:
continuacin se presentan dos formas de construirla:
Ejemplo
Los siguientes datos corresponden a las notas obtenidas por alumnos en un curso de 100
Estadstica :
100 87 4 82 08 47 40 8 88 8
84 6 7 66 2 70 8 86 61 84
88 88 100 60 77 88 68 17 42
08 70 68 70 6 70 84 2 60 4
7 47 7 86 2 66 40 100 82 80
00 88 64 0 8 100 67 60 42 6
82 8 62 72 6 76 28 06 80 4
77 100 80 2 8 68 8 82
1 47 47 64 7 6 60 4 7
62 08 08 8 0 88 88 70 1 60
Construya la correspondiente distribucin de frecuencia. 1.
En qu clase se concentra el mayor nmero de notas? 2.
Cul es la frecuencia absoluta del cuarto intervalo?. Interprete el resultado . 8.
Qu porcentaje de los alumnos tienen una nota inferior a ? 4. 7
12
Cuntos alumnos tienen una nota superior a ? . 46
Interprete la frecuencia acumulada del sexto intervalo. 6.
Interprete la frecuencia relativa acumulada del quinto intervalo. 7.
Solucin:
1 = 100 17 = 88
: = 100
: = 1 8, 8 |oq(100) = 7, 6 8
a = = 10, 86 10
88
8
Notas Lmites reales 1. a ) / 1 H
17 26 16, 26, 21, 4 0, 04 4 0, 04
27 86 26, 86, 81, 7 0, 07 11 0, 11
87 46 86, 46, 41, 7 0, 07 18 0, 18
47 6 46,
i i i i i
6, 1, 16 0, 16 84 0, 84
7 66 6, 66, 61, 22 0, 22 6 0, 6
67 76 66, 76, 71, 18 0, 18 60 0, 60
77 86 76, 86, 81, 1 0, 1 84 0, 84
87 06 86, 06, 01, 0 0, 00 08 0, 08
07 106 06, 106, 101, 7 0, 07 100 1, 00
100 1, 00 Total
El mayor nmero de notas se concentra en el quinto intervalo, que coresponde al intervalo 2.
entre . 7 66
La frecuencia absoluta del cuarto intervalo es . Esto nos indica que son los alumnos que 8. 16 16
tienen una nota entre . 47 6
El % de los alumnos tiene una nota inferior a . 4. 84 7
El % de los alumnos tiene una nota superior a . . 82 46
Existen alumnos con nota inferior a . 6. 60 77
El % de los alumnos tiene una nota inferior a . 7. 6 67
13
Ejercicios
1) Los siguientes datos corresponden al sueldo (en miles de pesos) de trabajadores de una 40
empresa :
110 18 188 144 146 10 16 164
12 18 140 144 147 10 17 16
126 18 140 14 147 12 18 168
128 186 142 14 148 18 161 178
182 188 142 146 140 14 168 176
a) Construya la tabla de frecuencia con todos sus elementos.
b) En qu clase se encuentra el mayor nmero de trabajadores?.
c) Qu porcentaje de trabajadores gana entre $ 139.000 y $ 168.000 ?.
d) Cuntos trabajadores ganan a lo menos $ 159.000 ?.
e) Cuntos trabajadores ganan a lo ms $ 148.000 ?.
2) En una industria es necesario realizar un estudio respecto al peso de engranajes de gran tamao.
Los siguientes datos corresponden al peso, en kilgramos, de de estas piezas, que poseen las mismas 80
dimensiones, pero distinta aleacin.
8 2 0 2 40 0 88 2 0 4
86 4 42 42 2 0 4 42 88
42 88 40 46 4 4 42 4 40
a) Construir una tabla de frecuencias de amplitud comenzando desde 86.
b) Cuntos engranajes pesan entre y Kg.?. 46
c) Qu porcentaje representa a aquellos engranajes cuyo peso es inferior a 1 Kg.?.
d) Cul es la frecuencia relativa para aquel intervalo cuya marca de clase es ?. 48
e) Qu porcentaje representa a aquellas piezas que pesan ms de Kg. ? . 0
3) En una industria automotriz es necesario realizar un estudio debido a una partida defectuosa de
discos de embrague. Para ello se ha recopilado la siguiente informacin referente a la duracin en horas de
0 de ellos.
28 800 286 802 818 814 280 202 821 827
208 280 202 280 808 826 808 287 208 822
804 820 20 807 207 802 204 801 28 818
808 807 804 201 288 207 816 822 817 808
821 824 828 816 202 286 200 204 828 206
a) Construir una tabla de frecuencia de amplitud cinco comenzando desde 28.
b) Cuntos discos duraron entre y horas?. 200 200
c) Cuntos discos no alcanzaron a durar horas?. 800
d) Qu porcentaje representan los discos que duraron entre y horas?. 810 814
e) Qu porcentaje representan los discos que duraron menos de horas?. 80
f) Cuntos discos duraron ms de horas?. 800
g) Cuntos discos duraron menos de horas?. 80
h) Qu porcentaje representan los discos que duraron entre y horas?. 28 204
i) Cul es el intervalo de mayor frecuencia absoluta?.
14
4) En un conjunto habitacional se pretende hacer un estudio del nmero de personas que
consumen productos enlatados. Los datos que han sido obtenidos de 50 bloques del conjunto habitacional
son :
68 60 88 8 08 78 81 04 104 12
64 182 11 120 127 180 10 114 128 121
128 00 7 187 181 78 62 100 100 117
124 108 188 188 188 110 60 01 87 186
187 184 120 06 00 72 104 07 84 08
a) Construir una tabla de fecuencia de amplitud partiendo desde 10 60.
b) Cuntas personas consumen entre y productos enlatados ?. 100 120
c) Qu porcentaje representa a las personas que consumen menos de productos enlatados?. 00
d) Qu cantidad de personas consumen ms de productos enlatados?. 80
5) Las ganancias por accin de 40 compaas de la industria de la construccin son:
4, 6 0, 8 1, 1 , 7 0, 1 1, 8 2, 1, 6
1, 8 2, 1 2, 1 1, 4 7, 8 , 4 8, 1, 0
6, 0 0, 8 1, 0 2, 1 8, 2 0, 2 7, 1 2, 8
0, 6 8, 7 , 1 8, 6 4, 0 2, 8 1, 8 0, 4
4, 2 2, 1 0, 0 8, 2 8, 7 1, 1 0, 1, 0
a) Construya una distribucin de frecuencias que comience en y tenga una amplitud de 0, 1 2, 0
b) Cul es la frecuencia absoluta del tercer intervalo?. Interprete el resultado .
c) Qu porcentaje de las compaas tienen a lo ms una ganancia de ? 6, 0
d) Cuntas compaas tienen una ganancia a lo menos de ? 4, 1
e) Interprete la frecuencia acumulada del segundo intervalo.
f) Interprete la frecuencia relativa acumulada del cuarto intervalo.
15
Solucin
1) a) 1 = 176 110 = 7
` = 40
: = 1 8, 8|oq 40 = 6, 28 6 ( )
a = = 0, 10
7
6
Sueldo Lmites reales a ) / 1 H
110 128 118, 128, 128, 4 0, 100 0, 1 4
120 188 128, 188, 188, 7 0, 17 0, 27 11
180 148 188, 8 148, 148, 18 0, 8
i i i i i
2 0, 600 24
140 18 148, 18, 18, 0 0, 22 0, 82 88
10 168 18, 168, 168, 0, 12 0, 00 88
160 178 168, 178, 178, 2 0, 00 1 40
40 Total
b) En la tercera clase se encuentra el mayor nmero de trabajadores.
c) 67,5 % de los trabajadores gana entre $139.000 y $ 168.000
d) 7 trabajadores ganan a lo menos $ 159.000
e) 24 trabajadores ganan a lo ms $ 148.000
2) a) Peso Lmites reales a ) / 1 H
86 40 8, 40, 88 7 0, 28 7 0, 28
41 4 40, 4, 48 11 0, 87 18 0, 60
46 0 4, 0, 48 0, 17 28 0, 77
1 0,
i i i i i
, 8 6 0, 20 20 0, 07
6 60 , 60, 8 1 0, 80 80 1
80 Total
b) 11 engranajes pesan entre 46 y 55 kilos.
c) El 77 % de las piezas pesan menos de 51 kilos.
d) La frecuencia relativa es 0,17
e) El 23 % de las piezas pesa ms de 50 kilos.
16
3) a) Duracin Lmites reales a ) / 1 H
28 280 284, 280, 287 0 0, 18 0 0, 18
200 204 280, 204, 202 8 0, 16 17 0, 84
20 200 204, 200, 207 0, 10
i i i i i
22 0, 44
800 804 200, 804, 802 7 0, 14 20 0, 8
80 800 804, 800, 807 0, 10 84 0, 68
810 814 800, 814, 812 8 0, 06 87 0, 74
81 810 814, 810, 817 8 0, 06 40 0, 80
820 824 810, 824, 822 6 0, 12 46 0, 02
821 820 824, 820, 827 4 0, 08 0 1
0 Total
b) 13 discos duraron entre 290 y 299 horas.
c) 22 discos no alcanzaron a durar 300 horas.
d) El 6 % de los engranajes duraron entre 300 y 314 horas.
e) El 58 % de los engranajes duraron menos de 305 horas.
f) 16 engranajes duraron ms de 309 horas.
g) 29 engranajes duraron menos de 305 horas.
h) El 16 % de los engranajes duraron entre 285 y 294 horas.
i) El primer intervalo.
4) a) N de personas ) / 1 H
60 60 0, 10 0, 10
70 70 4 0, 08 0 0, 18
80 80 0, 10 14 0, 28
00 00 8 0, 16 22 0, 44
100 100 6 0, 12 28 0, 6
110 110 4 0, 08 82 0, 64
1
i i i i
20 120 8 0, 16 40 0, 80
180 180 10 0, 20 0 1
0 Total
b) 18 personas consumen entre 100 y 129 productos enlatados.
c) El 28 % de las personas consume menos de 90 productos enlatados.
d) 41 personas consume ms de 79 productos enlatados.
5) a) Ganancias Lmites Reales a ) / 1 H
0, 1 2, 0 0, 0 2, 0 1, 0 17 0, 42 17 0, 42
2, 1 4, 0 2, 0 4, 0 8, 0 18 0, 82 80 0, 7
4, 1 6, 0 4, 0 6, 0 , 0 7
i i i i i
0, 17 87 0, 02
6, 1 8, 0 6, 0 8, 0 7, 0 2 0, 0 80 0, 07
8, 1 10, 0 8, 0 10, 0 0, 0 1 0, 02 40 1, 000
40 1, 000 Total
b) La frecuencia absoluta del tercer intervalo es , es decir, existen compaas cuyas ganancias 7 7
estn entre y por accin. 4, 1 6, 0
c) El % de las compaas tienen a lo ms una ganancia de por accin. 02, 6, 0
d) compaas tienen a lo menos una ganancia de por accin. 10 4, 1
e) compaas tienen una ganancia igual o menor a por accin. 80 4, 0
f) El % de las compaas tienen una ganancia por accin de a lo ms . 07, 8, 0
17
Representacin Grfica
Su objetivo es captar la informacin obtenida en los datos en forma rpida por cualquier persona,
as cada representacin debe llevar un ttulo adecuado.
Las normas en la construccin de un grfico estadstico son similares a los de grficos de
funciones, las variables independientes, se ubican en las abscisas y las dependientes en las ordenadas.
Tipos de grficos
se usan para mostrar el comportamiento de las frecuencias relativas, a) : Grfico circular
absolutas o porcentuales de las variables. Dichas frecuencias son representadas por medio de sectores
circulares, proporcionales a las frecuencias.
Departamento %
A (1)
B (2)
C (3)
D (4)
E (5)
Total
)
4 1
101 28
110 88
4 1
82 0
860 100
i

Pe r so n al p o r De p ar t ame n t o
1
15%
2
28%
3
33%
4
15%
5
9%
1
2
3
4
5
18
es un grfico cuyo uso es similar al de sector circular, pero la frecuencia es b) : Pictograma
representada por medio de una figura o dibujo que identifique a la variable en estudio. Este grfico se
utiliza para mostrar producciones en una serie cronolgica.
Por ejemplo, Alumnos del Instituto Profesional Dr. Virginio Gmez:
alumnos = 400
1996:
1997:
1998:
1999:
2000:
2001:
19
se utiliza para mostrar las frecuencias absolutas o relativas de una variable c) : Grfico lineal
discreta, son representadas mediante lneas verticales proporcionales a dichas frecuencias.
Total
a )
104 10
10 12
106 6
107 4
108 6
100 2
40
i i
)
i
a
i
20
Se utiliza para representar tablas de frecuencia con atributos o con d) : Grfico de barra
variables discretas y pocos valores. Sobre un eje horizontal se construyen bases de rectngulo del mismo
ancho cada uno correspondiente a una modalidad del atributo, sobre estas bases se levantan rectngulos
cuya altura es proporcional a la frecuencia absoluta de la modalidad. El espacio entre ellas debe ser
uniforme.
Departamento
A
B
C
D
E
Total
)
4
101
110
4
82
860
i
Personal por Departamento
0
20
40
60
80
100
120
140
A B C D E
Departamento
F
r
e
c
u
e
n
c
i
a
21
es el grfico adecuado cuando los datos estn ordenados en tablas con intervalos, e) : Histograma
es decir, para datos de variables continuas. Tambin el histograma es una conformacin de rectngulos,
pero uno al lado de otro cuya rea es proporcional a la frecuencia de cada intervalo. Los extremos de la
base de cada rectngulo son los lmites reales del intervalo.
Lmites Reales
Total
)
4, 8, 8
8, 12, 10
12, 16, 6
16, 20, 2
20, 24, 4
24, 28, 8
88
i
HIST OGRAMA
0
2
4
6
8
10
12
8,5 12,5 16,5 20,5 24,5 28,5
4,5 8,5 12,5 16,5 20,5 24,5
L mi te s Re a l e s
F
r
e
c
u
e
n
c
i
a

A
b
s
o
l
u
t
a
22
este grfico sirve para mostrar la tendencia de la variable, se puede f) : Polgono de frecuencia
determinar a partir de un histograma uniendo los puntos medios superiores de cada rectngulo del
histograma. Tambin, se determina el polgono uniendo los puntos formado por la marca de clase con la
frecuencia absoluta del intervalo respectivo.
Lmites reales
Total
a )
4, 8, 6, 8
8, 12, 10, 10
12, 16, 14, 6
16, 20, 18, 2
20, 24, 22, 4
24, 28, 26, 8
88
i i
Polgono de Frecuencias
0
2
4
6
8
10
12
2,5 6,5 10,5 14,5 18,5 22,5 26,5 30,5
M ar cas de Clase s
F
r
e
c
u
e
n
c
i
a

A
b
s
o
l
u
t
a
23
El polgono de frecuencias se convierte en polgono de frecuencias relativas, Observacin:
cambiando la frecuencia absoluta por la frecuencia relativa, en este caso, el rea bajo el polgono de
frecuencias relativas es igual a . 1
Histograma y Polgono de Frecuencias
Histograma y Polgono de Frecuencias
0
2
4
6
8
10
12
Lmites Reales
F
r
e
c
u
e
n
c
i
a

A
b
s
o
l
u
t
a
24
e) : es un grfico que se usa para mostrar como se acumulan las frecuencias absolutas, Ojiva
relativas o porcentuales. Se obtiene al unir los puntos formados por los lmites superiores de cada intervalo
con la frecuencia absoluta o relativas acumuladas del intervalo respectivo. Si se consideran las frecuencias
porcentuales acumuladas se llama ojiva porcentual.
Lmites reales
Total
a ) 1
4 8 6 8 8
8 12 10 10 18
12 16 14 6 24
16 20 18 2 26
20 24 22 4 80
24 28 26 8 88
88
i i i
Ojiva
0
4
8
12
16
20
24
28
32
36
40
4 8 12 16 20 24 28
Lmite s Supe r ior e s
F
r
e
c
u
e
n
c
i
a

A
c
u
m
u
l
a
d
a
25
Ejercicios
1) Dada la informacin referente a la ubicacin de personas dentro de cuatro departamentos de
una empresa, se pide :
a) Tabular la informacin.
b) Realizar grfico circular.
c) Indique frecuencias relativas porcentuales en cada grupo.
M A P CC A CC M P P M
P CC M A M CC P P M P
A P A M M A M A P M
M A CC A A M P M M P
donde A abastecimiento ; CC control de calidad ; M mantencin ; P produccin. : = = = =
2) Se realiz un nmero determinado de compras de materia prima. El volumen de la materia
prima viene dado en m .Parte de la informacin se registra en la siguiente tabla
3
:
Volumen Lmites reales
Total
a ) / 1 H
6 10 1
11 1
16 20 6 0
21 2 18
26 80 27
27
i i i i i
a) Complete la tabla dada.
b) En un slo grfico, dibuje un histograma y un polgono de frecuencia.
c) Cuntas compras se realizaron entre y m ?. 11 80
3
d) Cuntas compras se realizaron entre y m ?. 16 2
3
e) Qu porcentaje de compras se realizaron entre y m ?. 16 20
3
f) Cuntas compras se realizaron en total?.
26
3) Los siguientes datos corresponden a la duracin, en horas, de vlvulas que fueron sometidas 0
a un cierto control.
Tiempo Lmites reales
Total
a ) / 1 H
40 400 4
00 40
0 00 12
600 640 10
60 600 1
700 740 8
70 700 1
0
i i i i i
a) Complete la tabla dada.
b) Grafique la ojiva
c) Qu porcentaje de las vlvulas duraron, en promedio horas?. 674,
d) Qu porcentaje de las vlvulas duraron entre y horas?. 60 740
e) Cuntas vlvulas duraron menos de horas?. 0
f) Qu porcentaje de las vlvulas duraron ms de horas? 640
4) Se realizaron dos experimentos referente al peso, en Kg., aplicado sobre una cierta cantidad de
tableros.
Peso (Kg.) A B
Total
1 10 7 8
20 24 8 6
2 20 2 8
80 84 11 8
8 80 10 12
40 44 7 8
40 40
a) Grafique el histograma del experimento A.
b) Grafique la ojiva porcentual del experimento B.
c) Realice, en un mismo grfico, los polgonos de frecuencia.
d) Realice, en un mismo grfico, las ojivas.
27
5) Dado el siguiente Polgono de Frecuencias:
Pesos de los Alumnos de C. Civil
0
1
2
3
4
5
6
7
8
9
10
35,5 45,5 55,5 65,5 75,5 85,5 95,5
Pe so (Kg.)
N


A
l
u
m
n
o
s
a)Cules son los lmites reales del cuarto intervalo?.
b) Interprete la frecuencia del cuarto intervalo.
c) Interprete el porcentaje de datos que hay en el quinto intervalo.
d) Qu porcentaje de pesos es igual o menor que Kg.?. 60,
e) Cuntos pesos son iguales o mayores que Kg.?. 0,
28
Solucin
1) a) Departamento
A
CC
M
P
Total
)
10

14
11
40
i
b) Grfico Circular
Personal por Departamento
A
25%
CC
13%
M
34%
P
28%
A
CC
M
P
c) Departamento %
A
CC
M
P
Total
) /
10 0.2 2
0.12 18
14 0.8 8
11 0.27 28
40 1 100
i i
29
2) a) Volumen Lmites reales a ) / 1 H
6 10 8 1 0.087 1 0.087 . 10.
11 1 18 2 0.074 8 0.111 10. 1.
16 20 18 6 0.222 0 0.888 1. 20.
21 2 28 0 0
i i i i i
.888 18 0.666 20. 2.
26 80 28 0 0.888 27 0.000 2. 80.
27 0.000 Total
b) Histograma y Polgono de Frecuencia
Compras de Materia Prima
0
1
2
3
4
5
6
7
8
9
10
3 8 13 18 23 28 33
Marcas de Clases
F
r
e
c
u
e
n
c
i
a

A
b
s
o
l
u
t
a
c) Entre 11 y 30 m se realizaron 26 compras
3
d) Entre 16 y 25 m se realizaron 15 compras
3
e) Entre 16 y 20 m se realizaron un porcentaje de 22,2 % de compras
3
f) En total se realizaron 27 compras
30
3) a) Tiempo Lmites reales a ) / 1 H
40 400 474, 4 0, 08 4 0, 08 440, 400,
00 40 24, 0, 10 0 0, 18 400, 40,
0 00 74, 12 0, 24 21 0, 42
i i i i i
40, 00,
600 640 624, 10 0, 20 81 0, 62 00, 640,
60 600 674, 1 0, 80 46 0, 02 640, 600,
700 740 724, 8 0, 06 40 0, 08 600, 740,
70 700 774, 1 0, 02 0 1, 00 740, 700,
0 1, 00 Total
b) Ojiva
Dura ci n V l vula s
0
10
20
30
40
50
60
449,5 499,5 549,5 599,5 649,5 699,5 749,5 799,5
Lm ite s Supe r ior e s
F
r
e
c
u
e
n
c
i
a

A
c
u
m
u
l
a
d
a
c) 30 % de las vlvulas duraron en promedio 674,5 horas
d) 36 % de las vlvulas duraron entre 650 y 749 horas
e) 9 vlvulas duraron menos de 550 horas
f) 38 % de las vlvulas duraron ms de 649 horas
31
4) a) Histograma
Experimento A
0
3
6
9
12
19,5 24,5 29,5 34,5 39,5 44,5
14,5 19,5 24,5 29,5 34,5 39,5
Lmites Reales
F
r
e
c
u
e
n
c
i
a

A
b
s
o
l
u
t
a
b) Ojiva Porcentual
Experimento B
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
14,5 19,5 24,5 29,5 34,5 39,5 44,5
Lmites Super ior es
F
r
e
c
.

A
c
u
m
.

P
o
r
c
.
32
c) Polgonos de Frecuencia
Experimento A y B
0
1
2
3
4
5
6
7
8
9
10
11
12
12 17 22 27 32 37 42 47
Marcas de Clases
F
r
e
c
u
e
n
c
i
a
Ser ie1 Ser ie2
Serie 1 Experimento A Serie 2 Experimento B = =
d) Ojivas
Experimento A y B
0
5
10
15
20
25
30
35
40
45
14,5 19,5 24,5 29,5 34,5 39,5 44,5
Lmites Superiores
F
r
e
c
u
e
n
c
i
a

A
c
u
m
u
l
a
d
a
Serie1 Serie2
Serie 1 Experimento A Serie 2 Experimento B = =
33
5) a) Los lmites reales del cuarto intervalo son 70, 80,
b) alumnos de C. Civil tienen pesos que van desde kilos hasta kilos 0 71 80
c) % de los alumnos pesan ms de kilos y menos de kilos 28 80, 00,
d) El % de los pesos de los alumnos es igual o menor que kilos 12 60,
e) alumnos pesan a lo menos Kg. 24 0,
34
Medidas de tendencia central y de dispersin
En todo anlisis y/o interpretacin se pueden utilizar diversas medidas descriptivas que
representan las propiedades de tendencia central, dispersin y forma para extraer y resumir las principales
caractersticas de los datos. Si se calculan a partir de una muestra de datos, se les denomina ; si estadsticos
se les calcula a partir de una poblacin se les denomina . parmetros
Medidas de tendencia central
La mayor parte de los conjuntos de datos muestran una tendencia a agruparse alrededor de un
punto "central" y por lo general es posible elegir algn valor que describa todo un conjunto de datos. Un
valor tpico descriptivo como ese es una medida de tendencia central o "posicin". Las medidas de
tendencia central a estudiar son: media aritmtica, mediana y moda.
Media aritmtica
La ( tambin denominada media ) es la medida de tendencia central que se media aritmtica
utiliza con mayor frecuencia. Se calcula sumando todas las observaciones de un conjunto de datos,
dividiendo despus ese total entre el nmero total de elementos involucrados.
La media aritmtica de un conjunto de valores se define como el cuociente entre la a , a , ..., a
: 1 2
suma de los valores y el nmero de ellos. Su smbolo es si la media aritmtica es de una muestra y si la a j
media aritmtica es de una poblacin.
a) Para datos no agrupados:
Media muestral: a = = : =
a a ... a a
:
: :
i = 1
:
1 2 i
_ ; tamao de la muestra
Media poblacional: ; tamao de la poblacin j = = ` =
a a ... a a
` `
i = 1
1 2 ` i
`
_
Ejemplo Calcular la media aritmtica de los siguientes datos relacionados con las notas de test en :
Estadstica obtenidas por un cierto alumno:
4, 80, 6, 8, 2, 00
a = = , 17 ~
4 80 6 8 2 00
6
El promedio de test es puntos.
35
b) Para datos agrupados:
Si los datos estn ordenados en tablas de frecuencia la media aritmtica se obtiene como sigue :
Muestra Poblacin
a = = =
a ) a ) ... a ) a ) a )
) ) ... ) : `
:
i = 1 i = 1
: :
1 1 2 2 : : i i i i
1 2
_ _ j
donde: es la marca de clase del intervalo i-simo a
i
es la frecuencia del intervalo i-simo )
i
es el nmero de datos de la muestra y es el nmero de datos de la poblacin : `
es el nmero de intervalos :
Ejemplo Calcular la media aritmtica para el peso de trabajadores, segn tabla adjunta: : 40
Peso (Kg.)
Total
a ) a )
62 8, 202,
68 70 66, 1 007,
71 78 74, 12 804
70 86 82, 412,
87 04 00, 8 271,
40 2868
i i i i
a = = = 71, 7 ~ 72
i = 1

a ) 2868
: 40
_
i i
El peso promedio de los trabajadores es de kilos 40 72
Propiedades de la media aritmtica
La media aritmtica de una constante es igual a la constante. Propiedad 1 :
a : a a a . . . a
: 1 2 8
valores : a a a . . . a
a = = = a
a a a ... a :a
: :
Por lo tanto, a = a
36
Propiedad 2 : La media aritmtica de una variable ms una constante es igual a la media
aritmtica de la variable ms la constante.
a : a a a . . . a
1 2 8 :
j : a c a c a c . . . a c
: 1 2 8
j =
i = 1
:
ji
:
_
j = =
i = 1
:
(a c)
: :
a c a c ... a c
:
_
( ) ( ) ( )
i
1 2
=
a a a ... a :c
:
1 2 8 :
=
i = 1
:
a :c
: :
_
i
= a c
La media aritmtica de una variable por una constante es igual al producto de la Propiedad 3 :
constante por la media de la variable.
a : a a . . . a
1 2 :
. : a c a c . . . a c
1 2 :
. =
a c a c ... a c
:
:
1 2
=
c(a a ... a )
:
:
1 2
= ca
Media Ponderada Propiedad 4 :
a =
a : a : . . . a :
: : . . . :
1 1 2 2
1 2
37
Ventajas y desventajas del uso de la media aritmtica:
Ventajas Desventajas
- Estable muestra a muestra - No aplicable a atributos
- Fcil clculo e interpretacin - Influyen en su valor los valores extremos
Ejemplos:
1) De un grupo de contribuyentes se determin que el promedio de impuestos es de $32.200.
Determinar en cada uno de los siguientes casos, la nueva media aritmtica:
a) Los impuestos aumentan en un 2 %
b) A los impuestos se les disminuye la cantidad de $2.300
c) A cada contribuyente, se le disminuye un 3 % y adems se le condona $2.550
Solucin:
1) a) La nueva media aritmtica es $ a = 82.200 1, 02 = 82.844 82.844
b) La nueva media aritmtica es $ a = 82.200 2.800 = 20.000 20.000
c) La nueva media aritmtica es $ a = 82.200 0, 07 2.0 = 28.684 28.684
2) En tres cursos de un mismo nivel los promedios de las calificaciones fueron y , 6 : 6, 1 4, 0 :
si los cursos tenan respectivamente y alumnos, determine la calificacin promedio de los tres 84 : 80 86
cursos.
Solucin:
a = = = , 408 ~ ,
, 6 84 6, 1 80 4, 0 86 40, 8
84 80 86 100
El promedio de las calificaciones de los tres cursos es ,
38
Mediana
La mediana es el valor que se encuentra en el centro de una secuencia ordenada de datos. La
mediana no se ve afectada por observaciones extremas en un conjunto de datos. Por ello, cuando se
presenta alguna informacin extrema, resulta apropiado utilizar la mediana, y no la media, para describir el
conjunto de datos.
Su smbolo es . `c
a) Mediana para datos no agrupados
Se deben ordenar los datos de forma creciente o decreciente. Para muestras con un nmero par de
observaciones, la mediana es el dato que queda en el centro de dicha ordenacin y para muestras con
nmero impar de observaciones la mediana es el promedio de los dos datos centrales.
Ejemplos :
1) Para muestra con nmero impar de datos: `c = A
: 1
2
datos : 4, 7, , 6, 8, 2, 7
datos ordenados : 2, 8, 4, , 6, 7, 7 = `c = A = A =
7 1
2
5
4
2) Para muestra con nmero par de datos: `c =
A A
2
: :
2 2
1
datos : 12, 1, 14, 16, 11, 10, 10, 18
datos ordenados : 16, 1, 14, , 11, 10, 10 l3, l2
`c = = = = 12,
A A
2 2 2
A A 18 12
8 8
2 2
1
4
b) Mediana para datos agrupados
`c = 1 a
:
1
)
i
2
i1
i
_ _
donde: es el primer intervalo cuya frecuencia acumulada supera a i
:
2
es el lmite real inferior del intervalo de la mediana. 1
i
es el nmero de datos. :
es la frecuencia acumulada anterior al intervalo de la mediana. 1
i1
es la frecuencia absoluta del intervalo de la mediana. )
i
es la amplitud del intervalo. a
39
Ejemplo Distribucin de frecuencias de la duracin, en horas, de uso continuo de : 212
dispositivos electrnicos iguales, sometidos a un cierto control.
Duracin
Total
) 1
80 800 4 4
400 440 6 10
40 400 0 10
00 40 20 80
0 00 81
10
60 600 42 102
700 740 10 202
70 700 8 210
800 840 2 212
2
i i
70
600 649 80
12
El intervalo donde se encuentra la Mediana es el primer intervalo en el cual:
:
2
_ 1
i
En este caso, intervalo
: 212
2 2
= = 106 _ 1 = 106 _ 10 = 6 : i = 6
i
to
a = 0 `c = 00, 0
106 70
80
_ _
horas 1 = 70 `c = 622

) = 80
6
1 = 00,
6
40
Moda
La moda es el valor de un conjunto de datos que aparece con mayor frecuencia. Se le obtiene
fcilmente a partir de un arreglo ordenado. A diferencia de la media aritmtica, la moda no se afecta ante la
ocurrencia de valores extremos. Sin embargo, slo se utiliza la moda para propsitos descriptivos porque
es ms variable, para distintas muestras, que las dems medidas de tendencia central. Un conjunto de datos
puede tener ms de una moda o ninguna.
Su smbolo es . `o
a) Moda para datos no agrupados
Ejemplos
1) datos : 2, 4, , 6, 7, 7, 8, 7, 6 = `o = 7
2) datos y : 1, 1, 8, 1, 1, 2, 2, 4, 2, 8, 2, , 6 = `o = 1 2
3) datos : 0, 0, 2, 8, 4, = `o = 0
4) datos no existe : 0, 1, 2, 8, 4, = `o =
b) Moda para datos agrupados
Existe ms de una forma de calcular la moda:
Caso a) `o = 1 a
d
d d
i
1
1 2
_ _
donde es el intervalo de mayor frecuencia absoluta. : i
es el lmite real inferior del intervalo que contiene a la moda. 1
i
es la diferencia entre la frecuencia absoluta del intervalo de la moda y d
1
el intervalo anterior : d = ) )
1 i i1
es la diferencia entre la frecuencia absoluta del intervalo de la moda y d
2
el intervalo posterior : d = ) )
2 i i1
es la amplitud del intervalo. a
Caso b) `o = 1 a
)
) )
i
i1
i1 i1
_ _
donde es el intervalo de mayor frecuencia absoluta. : i
41
Ejemplo Sea la tabla: :
Duracin
Total
) 1
80 800 4 4
400 440 6 10
40 400 0 10
0 00 81 180
600 640 20 10
60 600 42 102
700 740 10 202
70 700 8 210
800 840 2 212
i i
500 549 9 80 9
212
Caso a): En este caso, el intervalo de mayor frecuencia absoluta es el 4 = i = 4
to
) = 80 `o = 400, 0
71
71 40
4 _ _
horas d = 80 0 = 71 `o = 20, 08
1
d = 80 81 = 40
2
1 = 400,
4
a = 0
Caso b): i = 4
) = ) = 81
41
) = ) = 0
41 8
1 = 400,
4
a = 0
`o = 400, 0
81
0 81
_ _
horas `o = 88, 2
42
Ejercicios
1) En una industria dos operarios en siete das de trabajo, son capaces de producir, por da, y en
forma individual la siguiente cantidad de rboles para fresa de mm de longitud por mm de 20 800
dimetro.
Operario A
Operario B
10 106 104 102 108 100 101
108 102 107 101 10 102 108
Determine :
a) Produccin media de cada operario.
b) Moda del operario A.
c) Mediana del operario B.
2) Se hace una encuesta entre personas acerca del nmero de horas diarias que se dedican a 100
ver televisin, obtenindose la siguiente informacin :
N de horas
Total
)
0 1 80
2 8 20
4 1
6 7 82
8 0 1
10 11 2
100
i
Calcular la media, la mediana y la moda (caso a y b).
3) De un total de datos, 20 son 4, 40 son 5, 30 son 6 y el resto 7. Hallar la media y la moda. 100
4) Cuatro grupos de estudiantes, consistentes en y individuos, dieron pesos de 1, 20, 10 18
60, 72, 6 y kilos. Hallar el peso medio de los estudiantes.
5) Las notas de un estudiante en sus certmenes han sido y . Hallar la media, la 84, 01, 72, 68, 87 78
mediana y la moda.
43
6) La siguiente tabla corresponde a la estatura de estudiantes de una determinada carrera. 80
Estatura
Total
)
1, 6 1, 60 6
1, 70 1, 74 12
1, 7 1, 70 80
1, 80 1, 84 22
1, 8 1, 80 8
1, 00 1, 04 2
80
i
Hallar la media, mediana y moda (caso a y b) de la estatura.
7) La oficina de Censo, proporcion las edades de hombres y mujeres divorciados ( en miles de
personas de aos de edad o ms ). 1
Edad Hombre Mujer
Total
1 10 2 2
20 24 80 210
2 20 174 808
80 84 210 81
8 80 88 66
40 44 40 66
4 40 20 400
0 4 174 200
1770 271
Obtener las medidas de tendencia central.
44
Solucin
1)
a) a = 108 a = 108, 8
A B
No hay moda, todos los datos tienen frecuencia uno. /)
c) `c = 108
B
(Caso a) 2) a = 8, 7 `c = 8, `o = 6, 21
(Caso b) `o = , 62
8) a = , 8 `o =
El peso promedio de los estudiantes es kilos. 4) 64, 44
no existe ) a = 80 `c = 81 `o
6) a = 1, 78 `c = 1, 78 `o = 1, 78
Hombre Mujer
(caso a)
(caso b) y
7)
a 80, 14 87, 04
`c 80, 88 88, 66
`o 40, 08 80,
`o 41, 67 87, 88 41, 42
45
Medidas de dispersin
Una segunda propiedad que describe a un conjunto de datos es la dispersin. Dispersin es el
grado de variacin o diseminacin de los datos. Dos conjuntos de datos pueden diferir tanto en tendencia
central como en dispersin o dos conjuntos de datos pueden tener las mismas medidas de tendencia central,
pero diferir mucho en trminos de dispersin.
Ejemplo: 1) 2, 2, 2, 2, 2 a = 2
2) 1, 1, 2, 8, 8 a = 2
Los estadgrafos de dispersin nos indican si la distribucin o conjunto de datos forma grupos
homogneos o heterogneos. Las medidas de dispersin a estudiar son: rango, desviacin media, varianza
y desviacin estndar.
Rango
Indica el nmero de valores que toma la variable. El rango es la diferencia entre el valor mximo
y el valor mnimo de un conjunto de datos.
1 = a a
mx mn
Si los datos estn agrupados en una tabla de frecuencias, el recorrido es la diferencia entre el
lmite real superior del ltimo intervalo y el lmite real inferior del primer intervalo.
1 = 1 1
mx mn
Ejemplo:
1) Sea el siguiente conjunto de datos :
12 1 17 28 2 28
a = 28 a = 12 1 = 28 12 = 16
mx mn
2) Sea la siguiente tabla:
Peso ( )
Total
Kg. ) 1 = 4, 0 1 = 0, 4
, 0 68, 0
68, 1 71, 1 1
71, 2 70, 2 12
70, 8 87, 8
87, 4 0, 4 8
40
i
:i: :aa
1 = 0, 4 4, 0 1 = 40, Kg.
46
El rango mide "la dispersin total" del conjunto de datos. Aunque el rango es una medida de
dispersin simple y que se calcula con facilidad, su debilidad preponderante es que no toma en
consideracin la forma en que se distribuyen los datos entre los valores ms pequeos y los ms grandes.
Desviacin Media
Es la media aritmtica de los valores absolutos de las desviaciones de todos los datos respecto a la
media aritmtica. Su smbolo es . 1`
a) Desviacin media para datos no agrupados
1` =
i = 1
:
[ a a[
:
_
i
Obtener la desviacin media para los datos Ejemplo : , 7, 8, 10, 16
a = = 0, 2
7 8 10 16

1` =
[ 0, 2 [ [ 7 0, 2 [ [ 8 0, 2 [ [ 10 0, 2 [ [ 16 0, 2 [

1` =
1, 2

1` = 8, 04
b) Desviacin media para datos agrupados
donde es la marca de clase 1` = a
i = 1
:
[ a a[ )
:
_
i i
i
Ejemplo Determine la desviacin media de los siguientes datos agrupados : :
Pesos ( )
Total
Kg. )
60 62
68 6 18
66 68 42
60 71 27
72 74 8
100
i
47
Pesos ( ) Kg. a ) a ) a a [ a a[ )
60 62 61 80 6, 4 82, 2
68 6 64 18 112 8, 4 62, 10
66 68 67 42 2814 0, 4 18, 00
60 71 70 27 1800 2, 68, 8
72 74 78 8
i i i i i i i
84 , 44, 40
100 674 226, Total
a = = 67, 4
674
100
1` = = 2, 26
226,
100
Varianza y Desviacin Estndar
Dos medidas de dispersin que se utilizan con frecuencia y que s toman en consideracin la
forma en que se distribuyen los valores son la varianza y su raz cuadrada, la desviacin estndar. Estas
medidas establecen la forma en que los valores fluctan con respecto a la media.
Varianza
La varianza se define como el promedio aritmtico de las diferencias entre cada uno de los valores
del conjunto de datos y la media aritmtica del conjunto elevadas al cuadrado.
Su smbolo es si estamos trabajando con una muestra y si estamos trabajando con una o
2
o
2
poblacin.
a) Varianza para datos no agrupados
donde representa los datos de la muestra. o = a
i = 1
:
(a a)
: 1
2
i
2
i
_
donde representa los datos de la poblacin. o
j
2
i
2
i
= a
i = 1
`
(a )
` 1
_
48
Ejemplo Determine la varianza del siguiente conjunto de datos: :
2 12 28 28 17 1
a = = 20
2 12 28 28 17 1
6
o =
(2 20) (12 20) (28 20) (28 20) (17 20) (1 20)
6 1
2
2 2 2 2 2 2
( en unidades al cuadrado ) o = = o = 80, 2
106

2 2
b) Varianza para datos agrupados
Muestra Poblacin
o = =
i = 1 i = 1
: :
( a a) ) ( a ) )
: 1 ` 1
2
i i i i
2 2
2
_ _
o
j
donde es la marca de clase. a
i
Ejemplo Considere la tabla con los datos de los edades de personas : 26
Edades ( aos )
Total
)
1 20 2
21 26 7
27 82 8
88 88
80 44 4
26
i
Edades ( aos ) a ) a ) ( a a) ( a a) )
1 20 17, 2 8, 0 1, 216 810, 082
21 26 28, 7 164, 41, 7816 202, 1212
27 82 20, 8 286, 0 0, 2116 1, 6028
i i i i i i i
2 2
88 88 8, 177, 80, 6016 18, 48
80 44 41, 4 166, 0 188, 1716 82, 6864
26 770, 0 1200, 4616 Total
aos a = = 20, 06
770, 0
26
( en aos ) o = = 1, 618
1200, 4616
2
2 2
49
Las frmulas anteriores para calcular la Varianza muestral tienen una forma abreviada:
Para datos no agrupados Para datos agrupados
o = o =
i = 1 i = 1
: :
a :(a) () a ) :(a)
: 1 : 1
2 2
2 2 2 2
_ _
i i i
donde: representa los datos donde: representa la marca de clase a a
i i
Propiedades de la Varianza
1) \ av(a) = o _ 0
a
2
si constante 2) \ av(a) = 0 a =
8) \ av(aa) = a \ av(a)
2
4) \ av(a /) = \ av(a)
) \ av(aa /) = a \ av(a)
2
Las unidades de medida de la varianza son las unidades al cuadrado de los datos. 6)
Ejemplo: De un grupo de contribuyentes se determin que el promedio de impuestos es de
$32.200, con una varianza de $7.600. Determinar en cada uno de los siguientes casos, la nueva varianza:
a) Los impuestos aumentan en un 2 %
b) A los impuestos se les disminuye la cantidad de $2.300
c) A cada contribuyente, se le disminuye un 3 % y adems se le condona $2.550
Solucin:
a) La nueva varianza es $ \ av(a) = 7.600 (1, 02) = 7.007 7.007
2
b) La nueva varianza es $ \ av(a) = 7.600 7.600
c) La nueva varianza es $ \ av(a) = 7.600 (0, 07) = 7.10, 8 7.10, 8
2
50
Desviacin Tpica o Desviacin Estndar
Es la raz cuadrada positiva de la Varianza. Su smbolo es si se est trabajando con una muestra o
y es si se est trabajando con una poblacin. o
a) Desviacin estndar para datos no agrupados
donde representa los datos de la muestra. o = a
i = 1
:
( a a)
: 1
_
_
_
_
_
_
_
i
2
i
donde representa los datos de la poblacin. o
j
= a
i = 1
`
( a )
` 1
_
_
_
_
_
_
_
i
2
i
Ejemplo Para el conjunto de datos donde se obtuvo que su varianza era : 2, 12, 28, 28, 17, 1
o = 80, 2 :
2
; tendremos entonces que su desviacin estndar es
( unidades ) o = 80, 2 = 6, 26
_
b) Desviacin estndar para datos agrupados
Muestra Poblacin
o = =
i = 1 i = 1
: :
(a a) ) (a ) )
: 1 ` 1
_
_
_
_
_
_
_ _
_
_
_
_
_
_
i i i i
2 2
o
j
donde es la marca de clase. a
i
Ejemplo Para el ejemplo de los datos tabulados sobre las edades de personas se obtuvo como : 26
varianza ; luego su desviacin estndar ser o = 1, 618 :
2
( aos ) o = 1, 618 = 7, 18
_
51
Qu indican la Varianza y la Desviacin Estndar?
La varianza y la desviacin estndar miden la dispersin "promedio" en torno a la media
aritmtica, es decir, cmo fluctan las observaciones mayores por encima de la media aritmtica y cmo se
distribuyen las observaciones menores por debajo de ella.
La varianza tiene ciertas propiedades matemticas tiles. Sin embargo, al calcularla se obtienen
unidades al cuadrado cm , pulgadas , mm , (edades) , (horas) , etc. por ello, en la prctica, la principal :
2 2 2 2 2
medida de dispersin que se utiliza es la desviacin estndar, cuyo valor est dado en las unidades
originales cm, pulgadas, mm, edades, horas, etc. :
En los ejemplos anteriores:
a) Para la muestra de datos se obtuvo por desviacin estndar ( : 2, 12, 28, 28, 17, 1 : o = 6, 26
unidades ). Esto indica que la mayor parte de los datos de esta muestra se agrupan dentro de unidades 6, 26
por encima y por debajo de la media aritmtica, es decir, entre y 20 6, 26 = 18, 74 20 6, 26 = 26, 26
b) Para el caso de los datos tabulados correspondientes a las edades de personas, se obtuvo una 26
desviacin estndar de aos. Esto indica que la mayor parte de los datos estn agrupados entre o = 7, 18
20, 06 7, 18 = 22, 78 20, 06 7, 18 = 87, 14 aos y aos.
Edades ( aos )
Total
)
1 20 2
80 44 4
26
i
2l 26 7
27 32 8
33 38 5
52
Criterio de Homogeneidad
Una distribucin se considera homognea, si la desviacin estndar se encuentra entre la quinta y
la cuarta parte del rango. Si no es as, entonces se considera que la muestra es heterognea.
a) Para la muestra de datos : 2, 12, 28, 28, 17, 1
1 = 28 12 = 16 o = 6, 26
_ _
1 1
4
, = [ 8, 2 : 4, 0 [
o y [ 8, 2 : 4, 0 [
Por lo tanto, la muestra es heterognea.
b) Para el caso de los datos tabulados de las edades de personas 26
Edades ( aos )
Total
)
1 20 2
21 26 7
27 82 8
88 88
80 44 4
26
i
( aos ) ( aos ) 1 = 44, 14, = 80 o = 7, 18
_ _
1 1
4
, = [ 6 : 7, [
o [ 6 : 7, [
Por lo tanto, la muestra es homognea.
Observaciones :
1) Cuanto ms separados o dispersos estn los datos, es decir, para muestras heterogneas, tanto
mayores sern el rango, la varianza y la desviacin estndar.
2) Si los datos estn ms concentrados, es decir, para muestras homogneas, tanto menores sern
el rango, la varianza y la desviacin estndar.
3) Si todas las observaciones son iguales ( de manera que no haya variacin en los datos ), el
rango, la varianza y la desviacin estndar sern iguales a cero.
53
Ejercicios
1) En una industria dos operarios en siete das de trabajo, son capaces de producir, por da, y en
forma individual la siguiente cantidad de rboles para fresa de mm de longitud por mm de 20 800
dimetro.
Operario A
Operario B
10 106 104 102 108 100 101
108 102 107 101 10 102 108
Determine :
a) Rango del operario A y del operario B
b) Varianza del operario A.
c) Desviacin estndar de ambos operarios.
d) Son las muestras homogneas?.
2) Se hace una encuesta entre personas acerca del nmero de horas diarias que se dedican a 100
ver televisin, obtenindose la siguiente informacin :
N de horas
Total
)
0 1 80
2 8 20
4 1
6 7 82
8 0 1
10 11 2
100
i
Calcular la varianza y la desviacin estndar.
3) De un total de datos, 20 son 4, 40 son 5, 30 son 6 y el resto 7. Hallar la desviacin 100
estndar.
4) Cuatro grupos de estudiantes, consistentes en y individuos, dieron pesos de 1, 20, 10 18
60, 72, 6 y kilos. Hallar la varianza de los estudiantes.
5) Las notas de un estudiante en sus certmenes han sido y . Hallar la 84, 01, 72, 68, 87 78
desviacin estndar. Las notas , son homogneas?.
54
6) La siguiente tabla corresponde a la estatura de estudiantes de una determinada carrera: 80
Estatura
Total
)
1, 6 1, 60 6
1, 70 1, 74 12
1, 7 1, 70 80
1, 80 1, 84 22
1, 8 1, 80 8
1, 00 1, 04 2
80
i
Hallar rango, varianza y desviacin estndar de la estatura.
7) La oficina de Censo, proporcion las edades de hombres y mujeres divorciados ( en miles de
personas de aos de edad o ms ). 18
Edad Hombre Mujer
Total
1 10 0
20 24 80 210
2 20 174 808
80 84 210 81
8 80 88 66
40 44 40 66
4 40 20 400
0 4 174 200
1778 278
Obtener las medidas de dispersin ( rango, varianza y desviacin estndar ) tanto para los
hombres como para las mujeres. Determine, adems si las muestras son homogneas o no.
55
Solucin
1)
a) 1 = 6 1 = 6
A B
/) - = 4, 67
2
A
c) - = 2, 16 - = 2, 06
A B
Ambas muestras no son homogneas. d)
2) - = 7, 10 - = 2, 68
2
8) - = 0, 0
4) - = 87, 67
2
Las notas no son homogneas. ) - = 8, 02
6) 1 = 0, 8 - = 0, 0088 - = 0, 07
2
Hombres Mujeres 7)
1 40 40
- 64, 08 67, 68
- 8 8, 28
2
Ambas muestras son homogneas.
56
Autoevaluacin
1) En una encuesta realizada a personas en la ciudad de Chilln, sobre su equipo de ftbol 2
preferido, se obtuvieron los siguientes resultados:
U. de Chile, Colo Colo, U. Catlica, ublense, Colo Colo, U. de Chile, Colo Colo
Colo Colo, U. de Chile, Colo Colo, U. Catlica, ublense, Colo Colo, U. de Chile, U. de Chile, U. de
Chile, Colo Colo, U. Catlica, ublense, Colo Colo, U. de Chile, U. Catlica, Colo Colo, U. de Chile,
Concepcin
a) Construya una tabla para la informacin obtenida
b) Construya un grfico adecuado para la informacin dada
c) Cuntas personas son hinchas de Colo Colo?
d) Qu porcentaje de personas prefiere a U. de Chile?
e) Qu porcentaje de encuestados no es hincha de ublense?
2) Los salarios ofrecidos a 16 personas son ( en miles de pesos ):
165 149 166 167 154 165 144 135
155 170 150 151 142 148 149 100
Determine e interprete para la muestra:
a) Media aritmtica
b) Moda
c) Mediana
3) Los impuestos pagados por un grupo de contribuyentes han dado origen a la siguiente tabla de
frecuencia:
Monto de impuestos en miles N personas
1 - 20 4
21 - 40 15
41 - 60 21
61 - 80 18
81 - 100 2
Total 60
Determine:
a) Desviacin Estndar Muestral y explique su significado
b) Determine si la muestra es homognea o heterognea. Justifique su respuesta.
57
Solucin:
1) a) Categoras
U. de Chile
Colo Colo
U. Catlica
ublense
Concepcin
) 1 / H
8 8 0, 82 0, 82
0 17 0, 86 0, 68
4 21 0, 16 0, 84
8 24 0, 12 0, 06
1 2 0, 04 1, 00
i i i i
Total 2 1, 00
b)
Equipos de Ftbol Favoritos
0
1
2
3
4
5
6
7
8
9
10
U
.

D
e

C
h
i
l
e
C
o
l
o

C
o
l
o
Ca te gor a s
F
r
e
c
u
e
n
c
i
a
c) Las personas hinchas de Colo Colo son 0
d) El porcentaje de personas que prefiere a U. de Chile es % 82
e) El porcentaje de personas que no prefiere a ublense es % 88
2) a) El salario promedio es de $ a = 10, 62 10.62
b) El % de las personas tiene un salario superior a $ `c = 10, 0 10.00
c) y Los salarios ms comunes son $ y $ `o = 140 16 140.000 16.000
3) a) La desviacin estndar es un estadstico que nos indica que tan dispersos estn o = 10, 6
los datos, con respecto a la media aritmtica.
b) Los datos no son homogneos.
58
Unidad N2: Probabilidades
Elementos de Probabilidades
Los primeros estudios de probabilidad fueron motivados por la posibilidad de acierto o fracaso en
los juegos de azar. La probabilidad es un mecanismo por medio del cual pueden estudiarse sucesos
aleatorios, es decir, operaciones cuyo resultado no puede ser predicho de antemano con seguridad. Por
ejemplo, el lanzamiento de una moneda.
Enfoques de probabilidad
1) : cualquiera operacin cuyo resultado no puede ser Experimento aleatorio o experimento
predicho de anterioridad con seguridad.
Ejemplo:
a) lanzamiento de una moneda
b) lanzamiento de un dado
c) extraccin de una carta de una baraja de 52 cartas
2) : es el conjunto de todos los posibles resultados asociados a un experimento. Espacio muestral
Su smbolo es . Si el espacio muestral tiene un nmero finito de elementos o infinito numerable, !
entonces se dice que ste es y si el espacio muestral tiene como elementos todos los puntos de discreto
algn intervalo real, entonces se dice que ste es . continuo
Ejemplo:
a) experimento:lanzamiento de un dado
! = 1, 2, 8, 4, , 6
b) experimento: tiempo de duracin de un tubo fluorescente
{ } ! = t , t _ 0
3) : es cualquier subconjunto de un espacio muestral. Todo subconjunto es un Evento o suceso
evento, en particular mismo es un evento, llamado y el conjunto vaco, , tambin es un ! suceso seguro 0
evento, llamado . suceso imposible
Ejemplo:
A obtener un nmero impar al lanzar un dado =
A = 1, 8,
B obtener al menos una cara al lanzar una moneda dos veces =
B = c-, -c, cc
Como los eventos son subconjuntos de , entonces es posible aplicar la teora de conjuntos para !
obtener nuevos eventos.
Si A y B son eventos, entonces tambin lo son A B, A B, A '
c
A B ocurre si, y slo si slo ocurre A o slo ocurre B u ocurren A y B a la vez. '
A B ocurre si, y slo si ocurre A y ocurre B a la vez.
A ocurre si, y slo si no ocurre A.
c
59
En todo experimento aleatorio se considera el conjunto universal, por lo tanto, todos los !
complementos son tomados respecto a . !
Ejemplo
Considere el experimento lanzamiento de dos dados.
a) Determine el espacio muestral
b) Obtenga los siguientes eventos:
A la suma de los dos nmeros es un mltiplo de dos =
B ambos dados muestran la misma cara =
C los dos nmeros son primos =
D la resta de los dos nmeros es divisible por tres =
c) Encuentre, si es posible, A B, C D, B , B C '
c c c
a)
! =
1, 1 1, 2 1, 8 1, 4 1, 1, 6
2, 1 2, 2 2, 8 2, 4 2, 2, 6
8, 1 8, 2 8, 8 8, 4 8, 8, 6
4, 1 4, 2 4, 8 4
_
_ _
_
_
_
_
_
_
_ j
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) , 4 4, 4, 6
, 1 , 2 , 8 , 4 , , 6
6, 1 6, 2 6, 8 6, 4 6, 6, 6
( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )

/)
A =
1, 1 1, 8 1, 2, 2 2, 4 2, 6
8, 1 8, 8 8, 4, 2 4, 4 4, 6
, 1 , 8 , 6, 2 6, 4 6, 6
_ _
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
B = 1, 1 2, 2 8, 8 4, 4 , 6, 6 ( ) ( ) ( ) ( ) ( ) ( )
C =
2, 2 2, 8 2,
8, 2 8, 8 8,
, 2 , 8 ,
_
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
_
D = 1, 4 2, 8, 6 4, 1 , 2 6, 8 ( ) ( ) ( ) ( ) ( ) ( )
c)
A B A ' =
C D = 2, , 2 ( ) ( )
B
c
= a, j a = j ( )
B C
c c
=
1, 2 1, 8 1, 4 1, 1, 6 2, 1
2, 4 2, 6 8, 1 8, 4 8, 6 4, 1
4, 2 4, 8 4, 4, 6 , 1 , 4
, 6 6, 1 6, 2 6, 8 6
_ _
_
_
_ j
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) , 4 6, ( )
60
Concepto de probabilidad en espacio finito equiprobable
Si es un espacio muestral con elementos, entonces la probabilidad de un evento A es el ! :
cuociente , donde es el nmero de elementos de A
:
:
:
Esto se denota: P A ( ) =
:
:
Ejemplo :
lanzamiento de un dado ! ! = = = 1, 2, 8, 4, , 6
A aparece un mltiplo de tres A = = = 8, 6
P A ( ) = =
2 1
6 8
Definicin Diremos que dos eventos A y B son si no : mutuamente excluyentes o disjuntos
pueden ocurrir juntos, es decir A B = 0
Por ejemplo, lanzamiento de un dado ! ! = = = 1, 2, 8, 4, , 6
A aparece un mltiplo de tres = = = 8, 6
B aparece un mltiplo de cuatro = = 1 = 4
Luego, A y B son eventos disjuntos, porque A B = 0
Axiomas de probabilidad
Sea un espacio muestral y sean A y B dos eventos cualesquiera de este: !
P Axioma1 : = 1 ( ) !
P A A Axioma2 : _ 0 \ _ ( ) !
P A B P A P B si A B Axioma3 : ' = = 0 ( ) ( ) ( )
En general, P P P P P con
_ _
( ) ( ) ( ) ( ) ' = ...
i = 1

i 1 2 8 i
= 0 \ i = )
i )
De estos tres axiomas fundamentales es posible determinar algunas propiedades y consecuencias:
Teorema1 :
a) P( ) 0 = 0
Demostracin
! ! = ' 0
P P ( ) ( ) ! ! = ' 0
P P P pues ( ) ( ) ( ) ! ! ! = 0 0 = 0
1 = 1 0
P 0 = 0 ( )
61
b) P A 1 P A ( ) ( )
c
=
Demostracin
A A ! = '
c
P P A A ( ) ( ) ! = '
c
P P A P A pues A A ( ) ( ) ( ) ! = = 0
c c
P A P A 1 = ( ) ( )
c
1 P A P A = ( ) ( )
c
c) Si A B, entonces P A P B _ _ ( ) ( )
Demostracin
B A B A = ' ( )
P B P[A B A ] ( ) ( ) = '
P B P A P B A pues A B A ( ) ( ) ( ) ( ) = = 0
Luego P A P B , _ ( ) ( )
Corolario
P A 1 0 _ _ ( )
Demostracin
A 0 _ _ !
P P A P ( ) ( ) ( ) 0 _ _ !
0 P A 1 _ _ ( )
62
Teorema 2 :
a) P A B P A P B P A B ( ) ( ) ( ) ( ) ' =
Demostracin
A B A B A ' = ' ( )
P A B P[A B A ] ( ) ( ) ' = '
P A B P A P B A pues A B A ( ) ( ) ( ) ( ) ' = = 0
P A B P A P B A 1 ( ) ( ) ( ) ( ) ' =
Por otro lado
B A B B A = ' ( ) ( )
P B P A B P B A pues A B B A ( ) ( ) ( ) ( ) ( ) = = 0
P B P A B P B A 2 ( ) ( ) ( ) ( ) =
de 1 y 2 ( ) ( )
P A B P A P B P A B ( ) ( ) ( ) ( ) ' =
P A B P A P B P A B ( ) ( ) ( ) ( ) ' =
63
b) P A B P A P A B ( ) ( ) ( ) =
Demostracin
A B A B B ' = ' ( )
P A B P[ A B B] ( ) ( ) ' = '
P A P B P A B P A B P B pues A B B ( ) ( ) ( ) ( ) ( ) ( ) = = 0
P A P A B P A B ( ) ( ) ( ) =
Corolario
P A B C P A P B P C P A B P A C P B C P A B C ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ' ' =
Demostracin
A B C A B C ' ' = ' ' ( )
P A B C P[ A B C] ( ) ( ) ' ' = ' '
P A B P C P[ A B C] = ' ' ( ) ( ) ( )
P A P B P A B P C P[ A C B C ] = ' ( ) ( ) ( ) ( ) ( ) ( )
= [ [ P A P B P A B P C P A C P B C P A B C ( ) ( ) ( ) ( ) ( ) ( ) ( )
= P A P B P C P A B P A C P B C P A B C ( ) ( ) ( ) ( ) ( ) ( ) ( )
64
Teorema3 :
Sea un espacio muestral y A un evento de , A , entonces ! ! ! _
P A P A P A P A P A ( ) ( ) ( ) ( ) ( ) = ...
1 2 3 k
P A Donde A son eventos disjuntos cuya unin es A =
i = 1
/
_ ( )
i i
Demostracin
A A A A ... A = ' ' ' '
1 2 3 k
P A P A A A ... A ( ) ( ) = ' ' ' '
1 2 3 k
P A P A P A P A P A pues A A ( ) ( ) ( ) ( ) ( ) = ... = 0
1 2 3 k i j
P A P A ( ) ( ) _ =
i = 1
/
i
Ejemplos
1) Suponga que A y B son eventos para los cuales P A ; P B y P A B . ( ) ( ) ( ) = a = j = .
Determine:
a) P A B ( )
c c
'
b) P A B ( )
c
'
c) P A B ( )
c

d) P A B ( )
c c

Solucin
a) P A B P[ A B ] ( ) ( )
c c
c
' =
1 P A B = ( )
= 1 .
b)P A B P[ A B ] ( ) ( )
c
c
' =
1 P A B = ( )
P A P A B = 1 [ [ ( ) ( )
= 1 a .
c) P A B P B A ( ) ( )
c
=
P B P A B = ( ) ( )
= j .
65
d) P A B P[ A B ] ( ) ( )
c c
c
= '
P A B = 1 ' ( )
P A P B P A B = 1 ( ) ( ) ( )
= 1 a j .
2) De la produccin de tornillos de cierta magnitud resulta que el 5 % de ellos no tienen el largo
especificado, el 7 % no tienen el dimetro especificado y el 2 % tiene ambos defectos. Se elige un tornillo
al azar de la produccin de estas magnitudes. Cul es la probabilidad que:
a) tenga al menos uno de los dos defectos?.
b) tenga slo el defecto del largo?
c) tenga slo uno de los dos defectos?
d) no tenga defectos?
Solucin
A tornillos con defecto del largo =
B tornillos con defecto del dimetro =
a) P A B P A P B P A B ( ) ( ) ( ) ( ) ' =
= 0, 0 0, 07 0, 02
= 0, 10
La probabilidad de que tenga al menos uno de los dos defectos es de 0,10
b) P A B P A P A B ( ) ( ) ( ) =
= 0, 0 0, 02
= 0, 08
La probabilidad de que tenga slo el defecto del largo es de 0,03
c) P A B P B A P B P A B ( ) ( ) ( ) ( ) ( ) = 0, 08 [ [
= 0, 08 0, 07 0, 02
= 0, 08
La probabilidad de que tenga slo uno de los dos defectos es de 0,08
d) P A B P A B ( ) ( ) ' = 1 '
c
= 1 0, 10
= 0, 00
La probabilidad de que no tenga defectos es de 0,90
66
3) La alimentacin de cierta especie se considera completa si cada individuo consume tres tipos de
alimentos en cantidades adecuadas. En una poblacin se encontr que el 75 % consume alimento tipo A, el
70 % alimento tipoB, el 50 % alimento tipo C, el 50 % alimento tipo A y B, el 30 % alimento tipo A y C, el
30 % alimento tipo B y C y el 15 % consume de los tres tipos de alimentos. Se elige un individuo al azar en
la poblacin, calcular la probabilidad que:
a) consuma slo alimento tipo C.
b) consuma slo un tipo de alimento.
c) consuma al menos dos tipos de alimentos
Solucin
M individuo de la poblacin que consume alimento tipo A =
N individuo de la poblacin que consume alimento tipo B =
Q {individuo de la poblacin que consume alimento tipo C} =
a) La probabilidad de que un individuo slo consuma alimento tipo C es de 0,05
b) La probabilidad de que un individuo consuma slo un tipo de alimento es de 0,20 .
c) La probabilidad de que un individuoconsuma al menos dos tipos de alimentos es de 0,80.
67
Ejercicios
1) Si A,B y C son eventos mutuamente excluyentes, y P(A) P(B) P(C) = 0, 2 : = 0, 8 : = 0, 2
Encuentre :
a) P(A U B U C) b) P A ( B U C )
]
c

c) P( B U C )
2) Sean A y B eventos tales que P A P B P A B calcule ( ) ( ) ( ) = : = : = , :
1 1 1
2 8 4
a) P A b) P B ( ) ( )
c c
c) P A B d) P A B ( ) ( ) '
e) P A B f) P A B ( ) ( )
c c c c
'
3) De un total de 500 estudiantes, se encuentra que 210 fuman, que 258 toman bebidas
alcohlicas, que 216 toman alimentos entre comidas, que 122 fuman y toman bebidas alcohlicas, que 83
toman alimentos entre comidas y tambin bebidas alcohlicas, que 97 fuman y toman alimentos entre
comidas y que 52 practican estos tres dainos hbitos. Si se escoge aleatoriamente a un miembro de esta
generacin, encuentre la probabilidad de que el estudiante :
a) fumen, pero no tome bebidas alcohlicas.
b) tome alimentos entre comidas e ingiera bebidas alcohlicas, pero no fume.
c) no fume y no tome alimentos entre comidas.
4) La probabilidad de que una industria XX se ubique en la ciudad A es de 0,7; de que se localice
en la cuidad B es de 0,4 y de que se encuentre en A o en B, o en ambas es de 0,8. Cul es la probabilidad
de que la industria se localice :
a) en ambas cuidades?.
b) en ninguna de ellas?.
5) En una bolsa hay 36 fichas numeradas del 1 al 36, respectivamente. Si se extrae una ficha,
calcular la probabilidad de que la ficha extrada sea :
a) un nmero par b) un nmero primo
c) un mltiplo de 5 d) un nmero terminado en 2
e) un nmero divisible por 6 f) un nmero impar mayor que 20.
68
Solucin
1)
a) P(A U B U C) b) P A ( B U C ) = 0, 7 = 0,
]
c
c) P( B U C ) = 0,
2)
a) P A b) P B ( ) ( )
c c
= =
1 2
2 8
c) P A B d) P A B ( ) ( ) ' = =
7 1
12 4
e) P A B f) P A B ( ) ( )
c c c c
' = =
8
4 12
3)
a) La probabilidad de que fumen, pero no tome bebidas alcohlicas es
88
00
b) La probabilidad de que tome alimentos entre comidas e ingiera bebidas alcohlicas, pero no
fume es
81
00
c) La probabilidad de que no fume y no tome alimentos entre comidas es
171
00
4)
a) La probabilidad de que la industria se localice en ambas ciudades es 0, 8
b) La probabilidad de que la industria no se localice en ninguna de ellas es 0, 2
5)
a) La probabilidad de que la ficha extrada sea un nmero par es
1
2
b) La probabilidad de que la ficha extrada sea un nmero primo es
11
86
c) La probabilidad de que la ficha extrada sea un mltiplo de 5 es
7
86
d) La probabilidad de que la ficha extrada sea un nmero terminado en 2 es
1
0
e) La probabilidad de que la ficha extrada sea un nmero divisible por 6 es
1
6
f) La probabilidad de que la ficha extrada sea un nmero impar mayor que 20 es
2
0
69
Probabilidad Condicional
Cuando se est calculando la probabilidad de un evento A en particular, y se tiene informacin
sobre la ocurrencia de otro evento B, esta probabilidad se conoce como , la cual probabilidad condicional
se denota por P A/B , se lee "probabilidad de A dado B" y se define como: ( )
P A/B con P B
P A B
P B
( ) ( )
( )
( )
= = 0

Las probabilidades condicionales satisfacen los axionas de probabilidad


1) P /B ( ) ! = 1
P /B
P B
P B
( )
( )
( )
!
!
=

P B
P B
=
( )
( )
= 1
2) P[ A C /B] P A/B P C/B A C ( ) ( ) ( ) ' = = 0
P[ A C /B]
P[ A C B]
P B
( )
( )
( )
' =
'
P[ A B C B ]
P B
=
' ( ) ( )
( )
P A B P C B
P B P B
=
( ) ( )
( ) ( )
P A/B P C/B = ( ) ( )
Ejemplos
1) La probabilidad de que un vuelo de programacin regular despegue a tiempo es P D ; ( ) = 0, 88
la que llegue a tiempo es P A y la que despegue y llegue a tiempo es P D A . ( ) ( ) = 0, 82 = 0, 78
Encuentre la probabilidad de que el avin:
a) llegue a tiempo dado que despeg a tiempo.
b) despegue a tiempo dado que lleg a tiempo
Solucin
D despegar a tiempo =
A llegar a tiempo =
a) P A/D
P A D
P D
( )
( )
( )
=

= = 0, 04
0, 78
0, 88
La probabilidad de que el avin llegue a tiempo dado que despeg a tiempo es de 0, 94 .
70
b) P D/A
P D A
P A
( )
( )
( )
=


2
=
0, 78
0, 8
= 0, 0
La probabilidad de que el avin despegue a tiempo dado que lleg a tiempo es de 0,95 .
2) En una oficina hay 100 mquinas calculadoras, algunas de ellas son elctricas E mientras que ( )
otras son manuales M . De ellas unas son nuevas N y otras usadas U . El nmero de mquinas por ( ) ( ) ( )
categora est dada en la siguiente tabla:
E M Total
N 40 30 70
U 20 10 30
Una persona entra a la oficina y escoge una mquina al azar, descubre que es nueva. Cul es la
probabilidad que sea elctrica?
P E/N
P E N
P N
( )
( )
( )
=

=
40
100
70
100
=
4
7
La probabilidad es de 0,57 .
3) Un grupo de 500 ejecutivos es clasificado de acuerdo a las caractersticas del peso y a la
insidencia del peso en la hipertensin. Se da la siguiente tabla:
Sobre peso SP Peso normal PN Bajo peso BP Total
Hipertenso H 50 40 10 100
No hipertenso H 75 225 100 400
Total 125 265 110 500
( ) ( ) ( )
( )
( )
c
a) Cul es la probabilidad de que una persona elegida al azar sea hipertensa?
b) Una persona elegida al azar tiene sobrepeso. Cul es la probabilidad que tambin sea
hipertensa?
c) Una persona elegida al azar no es hipertensa. Cul es la probabilidad de que tenga peso
normal?
71
a) P H ( ) = =
100 1
00
La probabilidad de que una persona sea hipertensa es de 0,20 .
b) P H/SP
P H SP
P SP
( )
( )
( )
=

=
0
00
12
00
=
2

La probabilidad de que una persona con sobrepeso sea tambin hipertensa es de 0,40 .
c) P N/H
P N H
P H
( )
( )
( )
c
c
c
=

=
22
00
400
00
=
0
16
La probabilidad de que una persona no hipertensa tenga tambin peso normal es de 0, . 62
Uno de los usos ms frecuentes de la probabilidad condicional es dar un procedimiento fcil para
asignar probabilidades a intersecciones de eventos. Del concepto de probabilidad condicional es posible
encontrar una expresin til, llamada regla del producto, para la probabilidad de interseccin de eventos,
esta es:
P A/B
P A B
P B
( )
( )
( )
=

P AB P A B P B ! ! ! = /
As,
P A B C P A/B C P B C ( ) ( ) ( ) =
P A/B C P B/C P C = ( ) ( ) ( )
P A B C D P A/B C D P B C D ( ) ( ) ( ) =
P A/B C D P B/C D P C D = ( ) ( ) ( )
P A/B C D P B/C D P C/D P D = ( ) ( ) ( ) ( )
72
Ejemplos:
1) Se seleccionan 2 fichas al azar, sin reemplazo, de una urna que contiene 4 blancas y 8 negras.
Calcular la probabilidad de que:
a) ambas sean blancas.
b) la segunda sea blanca.
a) B {fichas blancas} =
N {fichas negras} =
P B P N ( ) ( ) = =
4 8
12 12
P B B P B P B /B ( ) ( ) ( )
1 2 1 2 1
=
=
4 8
12 11
=
1
11
La probabilidad de ambas fichas sean blancas es de 0,09 .
b) P B B P N B P N P B /N ( ) ( ) ( ) ( )
1 2 1 2 1 2 1
=
1
11
=
1 8 4
11 12 11
=
1
8
La probabilidad de que la segunda ficha sea blanca es de 0,33 .
2) Una caja de fusibles contiene 20 unidades, de las cuales 5 son defectuosas. Si tres de estos
fusibles son tomados al azar, en sucesin y sin reemplazo.
a) Cul es la probabilidad que los tres sean defectuosos?
b) Si en cada una de las dos primeras se extrajo un defectuoso.Cul es la probabilidad que el
tercero extraido sea bueno?
c) Si los dos primeros estaban buenos. Cul es la probabilidad que el tercero extrado sea
defectuoso?
d) Cul es la probabilidad que los dos primeros sean buenos y el tercero defectuoso?
D {fusible defectuoso} =
D {fusible no defectuoso}
c
=
P D P D ( ) ( ) = =
1
20 20
c
a) P D D D P D P D /D P D /D D ( ) ( ) ( ) ( )
1 2 3 1 2 1 3 1 2
=
= =
4 8 1
20 10 18 144
La probabilidad es de
1
144
73
b) P D /D D ( )
c
3
1 2
=
1
18
La probabilidad es de un . 0, 88
c) P D /D D ( )
3
c c
1 2
=

18
La probabilidad es de un . 0, 27
d) P D D D P D P D /D P D /D D ( ) ( ) ( ) ( )
c c c c c c c
1 2 1 2 1 1 2
3 3
=
=
1 14
20 10 18
=
8
228
La probabilidad es de un . 0, 18
74
Ejercicios
1) La probabilidad de que un automvil al que se le llena el tanque de gasolina necesite tambin
un cambio de aceite es de 0,25 ; la de que requiera un nuevo filtro de aceite es de 0,40 y de que le haga
falta tanto cambio de aceite como de filtro es de 0,14.
a) Si se debe cambiar el aceite, cul es la probabilidad de que necesite un filtro nuevo?.
b) Si se necesita un filtro nuevo, cul es la probabilidad de que requiera un cambio de aceite?.
2) Para parejas de casados que viven en una cierta ciudad de los suburbios., la probabilidad de que
el esposo vote en alguna eleccin es de 0,21, la de que su esposa lo haga, de 0,28 y la de que ambos voten,
de 0,15. Cul es la probabilidad de
a) al menos un miembro de la pareja de casados vote?.
b) vote la esposa, dado que su esposo lo hace?.
c) vote un esposo, dado que su esposa no lo hace?.
3) De una caja que contiene 6 pelotas negras y 4 verdes, se sacan tres en sucesin,
reemplazndose cada pelota en la caja antes de extraer la siguiente.
a) Cul es la probabilidad de que las tres sean del mismo color?.
b) Cul es la probabilidad de que primera pelota sea negra, la segunda verde y la tercera negra?.
c) Repita las mismas preguntas anteriores, pero asuma que no hay reemplazo.
4) Una urna contiene 7 bolas rojas y 3 bolas blancas. Se sacan 3 bolas de la urna . Hallar la
probabilidad de que las dos primeras sean rojas y la tercera blanca.
a) las bolas se devuelven a la urna.
b) las bolas no se devuelven a la urna.
5) En cierta facultad, 25 % de los estudiantes perdieron matemticas, 15 % perdieron qumica y 10
% perdieron las dos. Se selecciona un estudiante al azar.
a) Si perdi qumica, cul es probabilidad de que perdi matemticas?
b) Si perdi matemticas, cul es probabilidad de que perdi qumica?
c) Cul es probabilidad de que perdi matemticas o qumica?
6) Sean A y B eventos con P A , P B y P A B . Hallar ( ) ( ) ( ) = = = :
1 1 1
2 8 4
a) P A/B b) P B/A ( ) ( )
c) P A B d) P A /B ( ) ( ) '
c c
e) P B /A ( )
c c
7) A un jugador le reparten 5 cartas de una baraja corriente de 52 cartas. Cul es la probabilidad
de que todas sean corazones?.
8) Una clase tiene 15 nias y 19 nios. Si se escogen tres estudiantes al azar.Cul es probabilidad
de que :
a) todos sean nios.
b) todos sean nias.
c) al menos uno sea nio
d) dos sean mujeres.
e) al menos dos sean nios.
75
9) Se estima que la probabilidad de que aumenten las ventas de automviles en el siguiente mes es
de 0,40. Se estima que la probabilidad de que aumenten las ventas de refacciones es de 0,30. Se estima que
la probabilidad de que ambas industrias experimenten un aumento en ventas es de 0,10. Cul es la
probabilidad de que :
a) hayan aumentado las ventas de automviles durante el mes, dado que existe informacin de que
han aumentado las ventas de refacciones?
b) hayan aumentado las ventas de refacciones, dado que existe informacin de que aumentaron
las ventas de automviles durante el mes?
76
Solucin
1) A cambio de aceite B nuevo filtro = =
a) P B/A b) P A/B ( ) ( ) = 0, 6 = 0, 8
2) A esposo vota B esposa vota = =
a) P A B b) P B/A ( ) ( ) ' = 0, 84 = 0, 71
c)P A/B ( )
c
= 0, 08
3) N pelota negra V pelota verde = =
a) P N N N P V V V ( ) ( )
1 2 3 1 2 3
= = 0, 28
7
2
b) P N V N ( )
1 2 3
= = 0, 144
18
12
c) P N N N P V V V ( ) ( )
1 2 3 1 2 3
= = 0, 20
1

P N V N ( )
1 2 3
= = 0, 1666
1
6
4) R pelota roja B pelota blanca = =
a) P R R B ( )
1 2 3
=
147
1000
b) P R R B ( )
1 2 3
=
126
720
5) A perder matemticas B perder qumica = =
a)P A/B b) P B/A ( ) ( ) = =
2 2
8
c) P A B ( ) ' = 0, 8
6)
a) P A/B b) P B/A ( ) ( ) = =
8 1
4 2
c) P A B d) P A /B ( ) ( ) ' = =
7
12 8
c c
e) P B /A ( )
c c
=

6
77
7) P C C C C C ( )
1 2 3 4 5
= 0, 00
8) A nias B nios = =
a) P B B B ( )
1 2 3
= 0, 16
b) P A A A ( )
1 2 3
= 0, 08
c) P B A A P B B A P B B B 8 8 = 0, 02 ( ) ( ) ( )
1 2 3 1 2 3 1 2 3
d) P B A A 8 = 0, 88 ( )
1 2 3
e) P B B A P B B B 8 = 0, 0 ( ) ( )
1 2 3 1 2 3
9) A aumento venta de automviles =
B aumento ventas de refacciones =
a) P A/B b) P B/A ( ) ( ) = =
1 1
8 4
78
Teorema: Probabilidad total Suponga que los eventos A ,A ,...,A forman una particin de , ( )
1 2 k
!
es decir, A A ... A , A y A A . Entonces para cualquier evento E
1 2 k i j
' ' ' = = 0 = 0 \ i = ) ! !
i
se tiene:
P E P A P E/A ( ) ( ) ( ) _ =
i = 1
/
i i
Teorema de Bayes:
Si A ,A ,...,A es una particin de , es decir, A A ... A , A y A A
1 2 k 1 2 k i j
! ! ' ' ' = = 0 = 0
i
\ i = ) . Entonces para cualquier evento B se tiene: !
P A /B
P A B
P B
( )
( )
( )
i
i
=

P A /B
P B A
P B A P B A ... P B A
( )
( )
( ) ( ) ( )
i
i
1 2 k
=


P A /B
P B/A P A
P B/A P A P B/A P A ... P B/A P A
( )
( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
i
i i
1 1 2 2 k k
=


Ejemplos:
1) La probabilidad de que Alicia estudie para su examen final de Estadstica es 0,2 . Si estudia la
probabilidad de que apruebe el examen es 0,8, en tanto que si no estudia la probabilidad es 0,5.
a) Cul es la probabilidad que Alicia apruebe estadstica?.
b) Dado que Alicia aprob su examen. Cul es la probabilidad de que haya estudiado?.
E Alicia estudia =
E Alicia no estudia
c
=
A Alicia aprueba estadstica =
P E P E P A/E P A/E ( ) ( ) ( ) ( ) = 0, 2 = 0, 8 = 0, 8 = 0,
c c
a) P A P A E P A E ( ) ( ) ( ) =
c
P A P A/E P E P A/E P E ( ) ( ) ( ) ( ) ( ) =
c c
P A ( ) ( )( ) ( )( ) = 0, 8 0, 2 0, 0, 8
P A ( ) = 0, 6
La probabilidad de que Alicia apruebe estadstica es de 0,56 .
79
b) P E/A
P E A
P A
( )
( )
( )
=


P A E
P A
=
( )
( )

P A/E P E
P A
=
( ) ( )
( )
=
0, 8 0, 2
0, 6
( )( )
= 0, 20
La probabilidad de que Alicia haya estudiado dado que aprob estadstica es de 0,29 .
2) Componentes complejas son ensambladas en una planta que usa dos lneas de ensamblado A y
B. La lnea A usa equipos ms viejos que la lnea B de manera que es algo ms lenta y menos confiable.
Suponga que en un da dado, la lnea A ha ensamblado 8 componentes de los cuales 2 son defectuosos y 6
son no defectuosos, mientras que la lnea B ha producido 1 componente defectuoso y 9 componentes no
defectuosos. El encargado de ventas selecciona al azar una de estas 18 componentes para una demostracin
y encuentra que es defectuosa. Cul es la probabilidad que esta componente haya sido ensamblada por la
lnea A?.
A lnea A =
B lnea B =
D artculo defectuoso =
P A P B P D/A P D/B ( ) ( ) ( ) ( ) = = = =
1 2 1
2 8 10
P A/D
P A D
P D
( )
( )
( )
=

P D A
P D A P D B
=


( )
( ) ( )
P D/A P A
P D/A P A P D/B P B
=


( ) ( )
( ) ( ) ( ) ( )
=
2 1
8 2

2 1 1 1
8 2 10 2

=

7
La probabilidad de que la componente defectuosa la haya producido la lnea A es de 0,71 .
80
3) De un grupo gande de habitantes de una ciudad que tiene igual nmero de personas en
administracin, comercio, servicio de salud y servicio municipal se encontr que el 35 % de los
administrativos, el 25 % de los comerciantes, el 20 % del servicio de salud y el 15 % del servicio municipal
eran mujeres.
a) Cul es la probabilidad que una mujer escogida al azar del grupo sea administrativa?
b) Cul es la probabilidad que un individuo del grupo elegido al azar sea hombre?
A administrativo B comerciante = =
C servicio salud D servicio municipal = =
M mujer M hombre = =
c
P A P B P C P D ( ) ( ) ( ) ( ) = = = =
1
4
P M/A P M/B ( ) ( ) = 0, 8 = 0, 2
P M/C P M/D ( ) ( ) = 0, 20 = 0, 1
a) P A/M
P A M
P M
( )
( )
( )
=

P M A
P M A P M B P M C P M D
=


( )
( ) ( ) ( ) ( )
P M/A P A
P M/A P A P M/B P B P M/C P C P M/D P D
=


( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
=
0, 8 0, 2
0, 8 0, 2 0, 2 0, 2 0, 20 0, 2 0, 1 0, 2
( )( )
( )( ) ( )( ) ( )( ) ( )( )
= 0, 87
La probabilidad de que la mujer sea administrativa es de 0,37 .
b) P M P M ( ) ( )
c
= 1
= 1 0, 287
= 0, 762
La probabilidad de que el individuo sea un hombre es de 0,7625 .
81
Ejercicios
1) La polica planea reforzar el respeto a los lmites de velocidad mediante la utilizacin de
sistemas de radar en cuatro diferentes sitios dentro de la ciudad. Los sistemas de radar en cada sitio L , L ,
1 2
L y L se ponen a funcionar, respectivamente, el 40 %, 30 %, 20 % y 30 % del tiempo, y si una
3 4
persona que conduce a gran velocidad rumbo a su trabajo tiene, respectivamente, las probabilidades de 0,2
; 0,1 ; 0,5 y 0,2 de pasar por alguno de estos sitios y que le multen. Cul es la probabilidad de que le
levanten una multa?.
2) Suponga que se distribuyen pelotas de colores en tres cajas idnticas de la siguiente manera :
Caja 1 Caja 2 Caja 3
Roja
Blanca
Azul
2 4 8
8 1 4
8 8
Una caja se selecciona aleatoriamente, de ella se saca una pelota, tambin aleatoriamente, y se
observa que es roja. Cul es la probabilidad de que la caja 3 sea la que se escogi?.
3) Tres mquinas A, B y C producen respectivamente 60 %, 30 % y 10 % del nmero total de
artculos de una fbrica. Los porcentajes de desperfectos de produccin de estas mquinas son
respectivamente 2 %, 3 % y 4 %. Seleccionando un artculo al azar result defectuoso. Hallar la
probabilidad de que el artculo hubiera sido producido por la mquina C.
4) Una compaa necesita tomar la decisin de patrocinar en la TV uno de los siguientes
programas juegos de futbol F , una serie del oeste O o un programa musical M . Las probabilidades de : ( ) ( ) ( )
que decidan por F, O o M son 0,40 ;0,35 y 0,25 respectivamente. Las probabilidades de que las ganancias
aumenten sustancialmente si escogen F, O o M son 0,50 ;0,40 y 0,30 respectivamente. Si las ganancias
aumetan sustancialmente, encontrar la probabilidad de que la compaa haya escogido la serie del oeste.
5) Existen tres teoras econmicas principales I, que la inflacin va a desaparecer pronto; D, que :
ocurrir la depresin, y R, que ocurrir la recesin. Las probabilidades de que I, D o R ocurran son 0,40 ;
0,35 y 0,25 , respectivamente. Las probabilidades de que las acciones de la Compaa Goldmine tripliquen
su valor si ocurre I, D o R son 0,90 ;0,60 y 0,20 respectivamente. Si las acciones triplican su valor, cul es
la probabilidad de que la inflacin haya desaparecido?.
6) Tres mquinas A, B y C producen componentes mecnicos similares. A produce el 45 % del
total de componentes, B el 30 % y C el 25 %. Para el programa de produccin usual, el 8 % de los
componentes producidos por A no cumplen con las especificaciones establecidas, para B y C, las cifras
correspondientes son 6 % y 3 % , respectivamente; un componente es extrado al azar de la produccin
total y se encuentra defectuoso. Encontrar la probabilidad de que el componente seleccionado fuera
producido por la mquina A.
82
Solucin
1) M multa =
P M ( ) = 0, 27
2) R roja B blanca A azul = = =
C caja 1 C caja 2 C caja 3
1 2 3
= = =
P C /R ( )
3
=
8
10
3) A mquina A B mquina B = =
C mquina C D artculo defectuoso = =
P C/D ( ) = 0, 16
4) F juego de ftbol O serie del oeste = =
G programa musical G aumento de ganacias = =
P O/G ( ) = 0, 8
5) I inflacin va a desaparecer D ocurrir depresin = =
C ocurrir recesin A acciones triplicadas = =
P I/A ( ) = 0, 8
6) A mquina A B mquina B = =
C mquina C D artculo defectuoso = =
P A/D ( ) = 0, 8
83
Eventos Independientes
: Los eventos A y B se dicen independientes si, y slo si P A B P A P B Concepto ( ) ( ) ( ) =
: Suponga que P A y P B , entonces A y B independientes implica que ellos Teorema ( ) ( ) = 0 = 0
no son excluyentes y A , B mutuamente excluyentes implica que ellos no son independientes.
Ejemplos
1) Si dos dados son lanzados una vez y sean los siguientes eventos
A la suma es 7 =
B los dos dados muestran el mismo nmero =
C el primer dado es par =
Son A y B , A y C independientes?
A P A = 1, 6 : 2, : 8, 4 : 4, 8 : , 2 : 6, 1 =
1
6
( ) ( ) ( ) ( ) ( ) ( ) ( )
B P B = 1, 1 : 2, 2 : 8, 8 : 4, 4 : , : 6, 6 =
1
6
( ) ( ) ( ) ( ) ( ) ( ) ( )
C P C = =
2, 1 2, 2 2, 8 2, 4 2, 2, 6
4, 1 4, 2 4, 8 4, 4 4, 4, 6
6, 1 6, 2 6, 8 6, 4 6, 6, 6
1
2
_ _
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
( )
A B P A B = 0 = = 0 ( )
P A B P A P B A y B no son independientes ( ) ( ) ( ) =
A C P A C = 2, : 4, 8 : 6, 1 = =
1
12
( ) ( ) ( ) ( )
P A P C ( ) ( ) = =
1 1 1
6 2 12
P A C P A P C A y C son independientes ( ) ( ) ( ) =
2) Dada la siguiente tabla
con cncer C sin cncer C
fumador F
no fumador F
( ) ( )
( )
( )
c
c
0, 0, 2
0, 1 0, 2
Son F y C eventos independientes?
P F C P F P C ( ) ( ) ( ) = 0, = 0, 7 = 0, 6
84
P F P C ( ) ( ) ( ) ( ) = 0, 7 0, 6 = 0, 42
P F C P F P C F y C no son independientes ( ) ( ) ( ) =
3) Sabiendo que A y B son eventos independientes, demuestre que:
a) A y B son independientes
c
b) A y B son independientes
c
a) A y B independientes si, y slo si P A B P A P B ( ) ( ) ( ) =
A A B A B = ' ( ) ( )
P A P[ A B A B ] ( ) ( ) ( ) = '
P A P A B P A B ( ) ( ) ( ) =
P A P A P B P A B ( ) ( ) ( ) ( ) =
c
P A P A P B P A B ( ) ( ) ( ) ( ) =
c
P A [ P B ] P A B ( ) ( ) ( ) 1 =
c
P A P B P A B ( ) ( ) ( ) =
c c
Por lo tanto, si A y B son independientes, entonces A y B tambin lo son.
c
b)
B A B B A = ' ( ) ( )
P B P[ A B B A ] ( ) ( ) ( ) = '
P B P A B P B A ( ) ( ) ( ) =
P B P A P B P B A ( ) ( ) ( ) ( ) =
c
P B P A P B P B A ( ) ( ) ( ) ( ) =
c
P B [ P A ] P B A ( ) ( ) ( ) 1 =
c
P B P A P B A ( ) ( ) ( ) =
c c
Por lo tanto, si A y B son independientes, entonces B y A tambin lo son.
c
85
Ejercicios
1) Sea el caso de lanzar dos monedas corrientes al aire. Sean los eventos :
A {todas caras o todas sellos} =
B {aparece una cara} =
C {aparece a lo menos una cara} =
a) Son A y B, A y C, B y C independientes?
2) Se lanzan dos dados. Sean los eventos :
A {la suma de cinco} =
B {el primer nmero es impar} =
C {el segundo nmero es divisible por tres} =
D {la suma es mayor que siete} =
Cules eventos son indepentientes tomados en parejas?
3) Si A y B son eventos independientes, pruebe que A y B tambin lo son.
c c
Solucin
1) Ninguno es independiente.
2) Slo son independientes A y B ; A y C ; B y C
3) La demostracin es verdadera, es decir, si P A B P A P B , entonces ( ) ( ) ( ) =
P A B P A P B ( ) ( ) ( )
c c c c
=
86
Variables Aleatorias v.a !
: una variable aleatoria es una funcin que asocia un nmero real a cada elemento del Concepto
espacio muestral.
Se usarn letras maysculas para denotar a una v.a y letras minsculas para denotar los valores
que ella adquiere.
Ejemplos:
1) Se sacan dos pelotas en sucesin, sin reemplazo, de una urna que contiene 4 pelotas rojas y 3
negras. Los resultados posibles y los valores de la v.a X, donde es el nmero de pelotas rojas son: a A
Espacio muestral
RR
RN
NR
NN
a
2
1
1
0
2) El encargado de un almacn le devuelve tres cascos de seguridad, seleccionados
aleatoriamente, a tres obreros del taller, quienes ya se lo haban probado previamente. Suponiendo que el
orden de los obreros Prez, Gonzlez y Muoz es el correcto para recibir su casco original, seale los
posibles rdenes en que los tres obreros reciben un casco y encuentre los valors de la v.a que : `
representa el nmero de asociaciones correctas.
Espacio muestral
PGM
PMG
MPG
MGP
GPM
GMP
:
8
1
0
1
1
0
En los ejemplos anteriores, el espacio muestral tiene un nmero finito de elementos.
: Conceptos
1) Si en espacio muestral contiene un nmero finito de posibilidades o una secuencia interminable
con tantos elementos como nmeros naturales existen, entonces se llama . espacio muestral discreto
Los dos ejemplos anteriores corresponden a espacio muestral discreto.
2) Si en espacio muestral contiene un nmero infinito de posibilidades igual al nmero de puntos
de un segmento de lnea, entonces se llama . espacio muestral continuo
Por ejemplo: tiempo necesario para ejecutar una reaccin qumica.
Una v.a se llama si se puede contar su conjunto de resultados posibles.Una v.a se v.a discreta
llama si se puede tomar en una escala continua. v.a continua
87
En la mayora de los problemas prcticos, las v.a continuas representan , tales datos medidos
como alturas, pesos, temperatursa, distancias o perodos de vida; mientras que las v.a discretas representan
datos que se cuentan ,tales como el nmero de artculos defectuosos de una muestra de k artculos o el
nmero de accidentes por ao en una va rpida en una determinada ciudad.
Distribuciones discretas de probabilidad
Una v.a discreta asume cada uno de sus valores con una cierta probabilidad.
Con mucha frecuencia es conveniente representar con una frmula todas las probabilidades de una
v.a . Dicha frmula, necesariamente, debe ser funcin de los valores numricos , y que se representa A a
por , etc.Por lo tanto, P . Al conjunto de pares ordenados se le ) a , q a , / a ) a = A = a a, ) a ( ) ( ) ( ) ( ) ( ) ( ) ( )
llama de la v.a discreta . funcin de probabilidad o distribucin de probabilidad A
: El conjunto de pares ordenados es una Concepto funcin de probabilidad, funcin ( ) ( ) a, ) a
masa de probabilidad o distribucin de probabilidad de la v.a discreta si satisface las siguientes A
condiciones :
1) ) a _ 0 \ a ( ) R
2) ) a = 1
a
_ ( )
P 8) A = a = ) a ( ) ( )
Ejemplos
1) Una moneda se lanza dos veces, entonces Sea la v.a que ! = c, c : c, - : -, c : -, - . A ( ) ( ) ( ) ( )
consiste en observar el nmero de caras.
Espacio muestral a
c c 2
c - 1
- c 1
- - 0
1cc A = 0, 1, 2
La funcin de probabilidad es:
P P ) 0 = a = 0 = ) 1 = a = 1 =
1 2
4 4
( ) ( ) ( ) ( )
P ) 2 = a = 2 =
1
4
( ) ( )
P
a 0 1 2
A = a
1 1 1
4 2 4
( )
88
2) De un lote de 25 artculos de los cuales 5 son defectuosos se eligen 4 al azar. Sea la v.a que Y
representa el nmero de artculos defectuosos encontrados. Obtener la distribucin de probabilidades de la
v.a si los artculos se eligen sin sustitucin. Y
1ccY = 0, 1, 2, 8, 4
Sea artculo defectuoso, por lo tanto, arculo no defectuoso 1 = 1 =
c
P P ( ) ( ) 1 = 1 =
20
2 2
c
P P ) 0 = j = 0 = 1 1 1 1 = =
20 10 18 17 484
2 24 28 22 1260
( ) ( ) ( )
c c c
1 8
c
2 4
P P D ) 1 = j = 1 = 4 1 1 1 = 4 =
20 10 18 700
2 24 28 22 1260
( ) ( ) ( )
1
c
2
c c
8 4
P P D ) 2 = j = 2 = 6 1 1 1 = 6 =
4 20 10 1000
2 24 28 22 1260
( ) ( ) ( )
1 2
c c
8 4
P P D ) 8 = j = 8 = 4 1 1 1 = 4 =
4 8 20 200
2 24 28 22 1260
( ) ( ) ( )
1 2 8
c
4
P P D ) 4 = j = 4 = 1 1 1 = =
4 8 2
2 24 28 22 1260
( ) ( ) ( )
1 2 8 4
P
j 0 1 2 8 4
Y = j
484 700 1000 200
1260 1260 1260 1260 1260
( )
89
Distribuciones continuas de probabilidades
Una v.a continua tiene probabilidad cero de asumir cualquiera de sus valores. Luego, su
distribucin de probabilidad no puede darse en forma tabular.
Como una distribucin de probabilidad de una v.a continua no puede presentarse en forma tabular,
si puede tener una frmula. Esta frmula es una funcin, es decir, y para este tipo de variables se ) a ( )
llama funcin de densidad de probabilidad o funcin de densidad .
Algunas de las formas de la funcin de densidad son
Las reas bajo la curva representarn las probabilidades, por lo tanto, el grfico de la funcin de
densidad se ubica siempre sobre el eje X
Una funcin de densidad se construye de tal forma que el rea comprendida bajo la curva es
siempre igual a uno, cuando se calcula sobre todo el recorrido de la v.a . A
As P( ) ( )
_
a < a < / = ) a da
a
/
90
Concepto : La funcin es una para la v.a continua , ) a A ( ) funcin de densidad de probabilidad
definida en el conjunto de los nmeros reales, si:
1) ) a _ 0 \ a ( ) R
2) ) a da = 1
_
( )

P 8) a < a < / = ) a da
a
/
( ) ( )
_
Ejemplos
1) Suponga que el error en la temperatura de reaccin, en grados celcius, para un experimento
controlado de laboratorio es una v.a continua , que tiene funcin de densidad Y
en otro caso
) j =
j
8
1 < j < 2
0
( )
_
_
_
2
Muestre que cumple las dos primeras condiciones de una funcin de densidad y adems determine
P( ) 0 < j < 1
a) _ 0
j
8
2
91
/) ) j dj = ) j dj ) j dj ) j dj
_ _ _ _
( ) ( ) ( ) ( )
1 2
1 2
_ _ _ _
( )
1 2
1 2 2
) j dj = 0 dj dj 0 dj
j
8
_
( )

8
2
1
) j dj =
j
0
_
( )

) j dj =
8 1
0 0
_
( )

) j dj = 1
Por lo tanto cumple con las dos primeras condiciones de una funcin de densidad. ) j ( )
P( )
_
0 < j < 1 = dj = =
j j 1
8 0 0
0
1 2 8
1
0
2) Para la funcin Determine:
en otro caso
) t =
c 0 < t < 20
t
0
( )
_

a) P b) P c) P ( ) ( ) ( ) t _ 8 1 < t _ 4 t = 1
P a) t _ 8 = ) t dt ( ) ( )
_

8
= 0 dt c dt
t
_ _
0
0 8

= 0 c
t
8
0
|
= c 1
8
=
c 1
c
8
8
P /) 1 < t _ 4 = ) t dt ( ) ( )
_
1
4
= c dt
t
_
1
4

= c
t
4
1
|
92
= c c
4 1
=
c 1
c
8
4
P c) t = 1 = ) t dt = 0 ( ) ( )
_
1
1
Ejercicios
1) De una caja que contiene 4 monedas de $ 100 y 2 de $ 50 , se seleccionan tres de ellas al azar
sin reemplazo. Determine la distribucin de probabilidad para el total T de las tres monedas.
2) De una caja que contiene 4 pelotas negras y 2 verdes, se seleccionan 3 de ellas en sucesin con
reemplazo. Encuentre la distribucin de probabilidad para el nmero de pelotas verdes.
3) Una v.a. X continua tiene funcin de densidad :
e.o.c.
)(a) =
1
2
2 < a < 8
0
_
_
_
Encuentre :
a) P( , ) 2 < a < 2
b) P( , ) a _ 1 6
4) Una v.a. Y continua tiene funcin de densidad :
e.o.c.
)(j) =
2(1 j)
27
2 < j <
0
_
_
_
Encuentre :
a)P( ) j < 4
b) P( ) 8 < j < 4
93
Solucin
T total de las tres monedas A moneda de $ B moneda de $ 1) = = 100 = 0
Monedas
AAA
AAB
ABA
BAA
ABB
BAB
BBA
BBB
t t 10 200 20 800
800
20
20
20
200
200
200
10
) t
1 8 8 1
8 8 8 8
( )
X nmero de pelotas verdes V pelota verde N pelota negra 2) = = =
Monedas
VVV
VVN
VNV
NVV
VNN
NVN
NNV
NNN
t a 0 1 2 8
8
2
2
2
1
1
1
0
) a
1 8 8 1
8 8 8 8
( )
a) P( , ) 8) 2 < a < 2 = 0, 2
b) P( , ) a _ 1 6 = 0
a)P( ) 4) j < 4 =
16
27
b) P( ) 8 < j < 4 =
1
8
94
Esperanza o valor esperado
El valor esperado se usa como una medida de centro de una distribucin de probabilidad de una
v.a
Concepto
Sea una v.a con funcin de probabilidad o funcin de densidad . Sea una funcin de A ) a q A ( ) ( )
la v.a . El valor esperado de , simbolizado por es: A A 1 A ( )
si es una v.a discreta
si es una v.a continua
1[q A [ =
a
/ a ) a A
/ a ) a da A
( )
_

_
_ ( ) ( )
_
( ) ( )

Observaciones
1) Si , entonces se est calculando la esperanza de la v.a q A = A A ( )
si es una v.a discreta
si es una v.a continua
1 A =
a
a ) a A
a ) a da A
( )
_

_
_ ( )
_
( )

1 A = ( ) j
2) Si , entonces se llama de la v.a y se simboliza como q a = A 1[q a [ A ( ) ( ) ( ) j o
2
varianza
2
si es una v.a discreta
si es una v.a continua
o
j
j
2
= 1[q A [ =
a
A ) a A
A ) a da A
( )
_

_
_( ) ( )
_
( ) ( )
2

2
se conoce como desviacin estndar. o = \ av A
_
( )
mide la dispersin de los valores de la v.a con respecto a su media o j A ( )
Propiedades de la esperanza
Sea una v.a, entonces A
1) 1 c = c ( )
2) 1 cA = c 1 A ( ) ( )
8) 1[/ A q A [ = 1[/ A [ 1[q A [ ( ) ( ) ( ) ( )
95
Usando las propiedades de la esperanza es posible determinar una forma ms simple para calcular
o
2
= \ av A ( )
o j
2
2
= 1 A ( )
= 1 A 2A ( )
2 2
j j
= 1 A 1 2A 1 ( ) ( ) ( )
2 2
j j
pero = 1 A 2 1 A 1 A = ( ) ( ) ( )
2 2
j j j
= 1 A 21 A 1 A [1 A [ ( ) ( ) ( ) ( )
2 2
= 1 A [1 A [ ( ) ( )
2 2
Luego, \ av A = = 1 A [1 A [ ( ) ( ) ( ) o
2 2 2
As,
si es una v.a discreta
si es una v.a continua
\ av A =
a
a ) a a ) a A
a ) a a ) a A
( )
_

_
_ _ ( ) ( )
_ _
_ _
( ) ( )
_ _
2
a
2


2
2
Propiedades de varianza
Sea una v.a, entonces A
1) \ av c = 0 ( )
2) \ av cA = c \ av A ( ) ( )
2
8) \ av A a = \ av A ( ) ( )
Ejemplos:
1) Se lanza una moneda tres veces, si las tres veces aparece cara o parece sello un jugador gana
$5, pero si no es as pierde $3.Cul es la esperanza de este juego?
Sea la v.a que denota ganancia o prdida A
! = c, c, c : c, -, c : c, c, - : -, c, c : -, -, c : -, c, - : c, -, - : -, -, - ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
a 8
) a
2 6
8 8
( )
1 A = 8 = 1
1 8
4 4
( )
_ _ _ _
El jugador pierde, en promedio $1 por lanzamiento de las tres monedas.
96
2) Sea la v.a que representa la vida en horas de un cierto dispositivo electrnico. La funcin de Y
densidad es
Encuentre la vida esperada de este dispositivo.
e.o.c.
) Y =
20000
Y
j 100
0
( )
_
_
_
8
1 Y = Y ) Y dY = Y dj
20000
Y
( ) ( )
_ _
100

8
= 20000Y dj lim
/
100
/
2
_
=
20000
Y
lim
/
/
100

=
20000 20000
/ 100
lim
/
= 200
La duracin promedio de este dispositivo es de 200 horas.
3) Las ventas por hora de una mquina automtica puede ser 20 , 21 o 22 cajetillas de cigarros con
probabilidad 0,3 ; 0,5 y 0,2 respectivamente . Cul es la venta esperada por hora para esta mquina? Cul
es la varianza de ventas por hora ?
ventas por hora de cigarrillos A =
a 20 21 22
) a 0, 8 0, 0, 2 ( )
1 A = 20 0, 8 21 0, 22 0, 2 ( ) ( )( ) ( )( ) ( )( )
1 A = 20, 0 ( )
La venta esperada por hora es de 20,9 cajetillas.
\ av A = 1 A [1 A [ ( ) ( ) ( )
2 2
1 A = 400 0, 8 441 0, 484 0, 2 ( ) ( )( ) ( )( ) ( )( )
2
1 A = 487, 8 ( )
2
\ av A = 487, 8 486, 81 ( )
\ av A = 0, 40 ( )
La varianza de ventas por hora es de 0,49 cajetillas .
2
97
4) Sea la velocidad del viento, em Km/hr.,y suponga que tiene funcin de densidad \ \
e.o.c.
) \ =
1
10
0 < < 10
0
( )
_
_
_
La presin en libras/pie , sobre la superficie del ala de un aeroplano est dada por la relacin: \
2
\ = 0, 008\
2
. Determine el valor esperado y la varianza de la presin.
1 \ = 1 0, 008\ ( ) ( )
2
= 0, 0081 \ ( )
2
= 0, 008 \ d\
1
10
_
0
10
2
= 0, 008
1 \
10 8
8
10
0

La presin promedio es de 0,1 libra/pie . =


1
10
2
\ av \ = 1 \ [1 \ [ ( ) ( ) ( )
2 2
1 \ = 1[ 0, 008 \ [ ( ) ( )
2 4
2
= 0, 008 \ d\
1
10
( )
_
2
0
10
4
= 0, 008
1 \
10
( )

10
0
= 0, 018
\ av \ = 0, 018 0, 01 ( )
\ av \ = 0, 008 ( )
La varianza es de 0,008 libra/pie ( )
2
2
5) Sea una v.a con y . Calcule el valor esperado de la v.a y la A = = 0 Y = A
1
8
j o
2
( )
varianza
1 A = \ av A = 0 ( ) ( )
1 A = 1 A 1
1 1
8 8 8
_ _
( ) ( )
_ _
=
1
8 8
= 0
98
\ av A = \ av A
1 1
8 8
_ _
( ) ( )
_ _
2
= 0
1
0
= 1
6) Suponga que el nmero de autos , que pasan a travs de una mquina lavadora, entre las 4:00 7
P.M. y las 5:00 P.M. de un viernes, tiene la siguiente distribucin de probabilidades
. 4 6 7 8 0
) .
1 1 1 1 1 1
12 12 4 4 6 6
( )
Sea que representa la cantidad de dinero, en dlares, que el gerente del negocio le q 7 = 27 1 ( )
paga al encargado. Encuentre las ganancias esperadas del encargado en este perodo en particular.
1 7 = 4 6 7 8 0
1 1 1 1 1 1
12 12 4 4 6 6
( ) ( ) ( ) ( ) ( ) ( ) ( )
_ _ _ _ _ _ _ _ _ _ _ _
1 7 =
41
6
( )
1 27 1 = 21 7 1 ( ) ( )
= 2 1
41
6
=
88
8
La ganancia esperada del encargado es 12,67 dlares estre las 4:00 P.M. y las 5:00 P.M.
7) Sea una v.a con funcin de densidad A
e.o.c.
) A =
A
8
1 < a < 2
0
( )
_
_
_
2
Encuentre el valor esperado de g( ) A = 4A 8
1 A = A dA
A
8
( )
_
1
2 2
1 A = A
1 1
8 4
( )

4
2
1
1 A =
1
12
( )
99
1 4A 8 = 41 A 8 ( ) ( )
= 4 8
1
12
= 8
8) Calcule la varianza de donde es una v.a con distribucin de probabilidad / A = 2A 8 A ( )
a 0 1 2 8
) a
1 1 1 1
4 8 2 8
( )
1 A = 0 1 2 8
1 1 1 1
4 8 2 8
( ) ( ) ( ) ( ) ( )
_ _ _ _ _ _ _ _
1 A =
8
2
( )
\ av A = 1 A [1 A [ ( ) ( ) ( )
2 2
1 A = 0 1 4 0
1 1 1 1
4 8 2 8
( ) ( ) ( ) ( ) ( )
_ _ _ _ _ _ _ _
2
1 A =
18
4
( )
2
\ av A =
18 0
4 4
( )
\ av A =

4
( )
\ av 2A 8 = 4 \ av A ( ) ( )
= 4

4
=
100
Ejercicios
1) Por invertir en unas acciones en particular, una persona puede obtener ganancias de $ 4.000
con una probabilidad de 0,3; o una prdida de $ 1.000 con una probabilidad de 0,7. Cul es la ganancia
que espera esta persona?.
2) Suponga que un distribuidor de joyas antiguas est interesado en comprar un collar de oro para
el cual las probabilidades son 0,22; 0,36; 0,28 y 0,14 respectivamente, de que la poseedora estara
dispuesta a venderla en $ 250.000, en $ 150.000, al costo $100.000 o con una prdida de $ 150.000. ( )
Cul es la utilidad que ella espera?.
3) Si la utilidad de un distribuidor , en unidades de $ 1.000, en un nuevo automvil puede
considerarse como una v.a. X con funcin de densidad :
e.o.c.
)(A) =
2(1 A) 0 < a < 1
0
_
Encuentre la utilidad promedio por automvil.
4) La funcin de densidad de la v.a. Y, el nmero total de horas, en unidades de 100 horas, de que
una familia utilice una aspiradora durante un ao es :
e.o.c.
)(Y ) =
Y 0 < j < 1
2 Y 1 _ j < 2
0
_
_
_
Encuentre el nmero promedio de horas por ao que la familia utiliza la aspiradora.
5) Si X representa el resultado cuando se lanza un dado balanceado. Encuentre la esperanza y la
varianza de la variable g(X) X = 8 4
2
6) Una v.a. continua Z tiene funcin de densidad :
e.o.c.
)(7) =
c . 0
0
_
7
Encuentre el valor esperado y la varianza de (Z) / = 27 8
101
Solucin
Esta persona espera una ganancia de $ . 1) 00
Espera una utilidad de $ . 2) 116000
La utilidad promedio del automvil es $ . 8) 667
La familia utiliza la aspiradora , en promedio, horas . 4) 100
) 1[ q a [ = \ av[ q a [ =
00 16107
2 2
( ) ( )
6) 1[ / 7 [ = 1 \ av[ / 7 [ = 4 ( ) ( )
102
Distribuciones discretas de probabilidad
El comportamiento de una v.a queda descrito por su distribucin de probabilidad.
1) Distribucin Bernoulli
El experimento ms sencillo es aquel que puede resultar en uno de dos resultados posibles.
Ejemplo
a) aprobar o reprobar una asignatura
b) obtener cara o sello al lanzar una moneda
c) sexo de un nio al nacer
El experimento con dos resultados posibles se denomina ensayo Bernoulli
Cualquier experimento puede usarse para definir un ensayo Bernoulli, simplemente denotando
algn evento A como xito y su complemento A como fracaso.
c
La distribucin de probabilidad para un ensayo Bernoulli depende slo de un parmetro ,
probabilidad de xito, y entonces es la probabilidad de fracaso , donde 1 1 = 0 < < 1 ( )
Concepto Sea el espacio muestral de un experimento, sea A cualquier evento con : ! ! _
P A , y sea la v.a definida por ( ) = 0 < < 1 A
A
A
A a =
1 a
0 a
( )
_ c
Entonces se llama v.a Bernoulli con parmetro A .
La distribucin de probabilidad de una v.a Bernoulli es de la siguiente forma
P P A ( ) ( ) a = 1 = =
P P A ( ) ( ) a = 0 = = 1 =
c
la cual se puede resumir de la siguiente forma a 1 0
) a ( )
y se denota Bernoulli ] r = q r = 0, l
r l r
! A ~ ( )
El smbolo denota distribucin ~
El proceso Bernoulli debe tener las siguientes propiedades:
a) El experimento consiste en intentos repetidos. :
b) Los resultados de cada uno de los intentos pueden clasificarse como un xito o un fracaso.
c) La probabilidad de xito, , permanece constante para todos los intentos.
103
d) Los intentos repetidos son independientes .
e) 1 A = , \ av A = ( ) ( )
2) Distribucin Binomial
Concepto: un experimento que consiste de ensayos Bernoulli independientes, cada uno con :
probabilidad de xito , se llama experimento binomial con ensayos y parmetro . :
Ensayos independientes indica que los ensayos son eventos independientes, esto es, lo que ocurre
en un ensayo no influye en el resultado de cualquier otro ensayo.
El espacio muestral para un experimento binomial es el producto cartesiano de los espacios
muestrales de los ensayos Bernoulli consigo mismo veces :
donde xito fracaso F ! ! ! ! ! ! = ... = 1 , \ i = 1, 2, ..., :
1 2 8 : i
( ) ( )
Cada elemento de es una upla, donde E o F ! : n = n , n , n , ..., n n = ( )
1 2 8 : i
Luego P E P F
i i
( ) ( ) = , = 1 = \ i = 1, 2, ..., :
Concepto: Sea el nmero total de xitos en un experimento binomial con ensayos y A :
parmetro .Entonces se llama v.a binomial con parmetro y .Luego y su distribucin A : A ~ / :, ( )
de probabilidades es:
] r = q r = 0, l, ..., n
n
r
r n r
!
8 9
] r = q r = 0, l, ..., n
n
n r r
r n r
!
!
!
! !
1 A = : , \ av A = : ( ) ( )
Ejemplos
1) Cinco dados son lanzados una vez
a) Cul es la probabilidad de obtener al menos un tres?
b) Cul es la probabilidad de obtener al menos dos tres?
: =
es la v.a que denota el nmero de tres al lanzar cinco dados A
A = 0, 1, 2, 8, 4,
P E P obtener un nmero tres ( ) ( ) = =
1
6
P F P no obtener un nmero tres ( ) ( ) = =

6
A ~ / ,
1
6
_ _
) a = a = 0, 1, 2, 8, 4,

a
1
6 6
a
( )
_ __ _ _ _
a
104
P P a) a _ 1 = 1 a = 0 ( ) ( )
P( )
_ __ _ _ _ _ _
a = 0 = =

0
1
6 6 6
0
0
P( )
_ _
a _ 1 = 1 = 0, 081

La probabilidad de obtener al menos un tres es de 0,5981 .


P P P P /) a _ 2 = 1 a < 2 = 1 a = 0 a = 1 ( ) ( ) ( ) ( )
P( )
_ __ _ _ _
a = 1 = = 0, 4018

1
1
6 6
1
1
P( ) a _ 2 = 0, 081 0, 4018 = 0, 10
La probabilidad de obtener al menos dos tres es de 0,19 .
2) La probabilidad de que una cierta clase de componente pase con xito una determinada prueba
de impacto es . Encuentre la probabilidad de que exactamente dos de los siguientes cuatro 84
componentes que se prueben pasen la prueba.
: = 4
pasar con xito la prueba de impacto A =
A = 0, 1, 2, 8, 4
= =
8 1
4 4
A ~ / 4,
8
4
_ _
) a = a = 0, 1, 2, 8, 4
4
a
8 1
4 4
a
( )
_ __ _ _ _
4a
P( )
_ __ _ _ _
a = 2 = = = 0, 2100
4
2
8 1 27
4 4 128
2
2
La probabilidad de que exactamente dos de las siguientes piezas cuatro componentes que se
prueben pasen la prueba es de 0,2109 .
105
3) La probabilidad de que un paciente se recupere de una cierta enfermedad a la sangre es 0,4 . Si
se sabe que 15 personas han contrado esta enfermedad.
a) Cul es la probabilidad de que al menos 10 sobrevivan?
b) Cul es la probabilidad de que sobrevivan entre 3 y 8 personas?
c) Cul es la probabilidad de que sobrevivan 5 personas?
persona que sobreviva a la enfermedad A =
A = 0, 1, 2, 8, .., 1
= 0, 4 = 0, 6
A ~ / 1: 0, 4 ( )
) a = 0, 4 0, 6
1
a
a 1 a
( ) ( ) ( )
_ _
P P P P P P P a) a _ 10 = a = 10 a = 11 a = 12 a = 18 a = 14 a = 1 ( ) ( ) ( ) ( ) ( ) ( ) ( )
= 0, 0888
La probabilidad de que al menos 10 sobrevivan es de 0,0338 .
P P P P P P P /) 8 _ a _ 8 = a = 8 a = 4 a = a = 6 a = 7 a = 8 ( ) ( ) ( ) ( ) ( ) ( ) ( )
= 0, 8770
La probabilidad de que sobrevivan tres y ocho personas es de 0,8779 .
P c) a = = 0, 4 0, 6 = 0, 180
1

10
( ) ( ) ( )
_ _
La probabilidad de que sobrevivan cinco personas es de 0,1859
4) Se sabe que el 30 % de las piezas defectuosas de un proceso de manufactura pueden quedar
bien mediante un trabajo de reprocesado.
a) Cul es la probabilidad de que en un lote de seis piezas defectuosas se puedan reprocesar por
lo menos tres de ellas?
b) Cul es la probabilidad de que ninguna de ellas se puedan reprocesar?
c) Cul es la probabilidad de que todas ellas se puedan reprocesar?
piezas reprocesadas A =
A = 0, 1, 2, 8, 4, , 6
= 0, 8 = 0, 7
A ~ / 6: 0, 8 ( )
) a = 0, 8 0, 7
6
a
a 6 a
( ) ( ) ( )
_ _
P P P P P a) a _ 8 = a = 8 a = 4 a = a = 6 = 0, 27 ( ) ( ) ( ) ( ) ( )
La probabilidad de que se puedan reprocesar al menos tres piezas es de 0,2557 .
106
P /) a = 0 = 0, 8 0, 7 = 0, 1176
6
0
0 6
( ) ( ) ( )
_ _
La probabilidad de que ninguna de las piezas se pueda reprocesar es de 0,1176 .
P 1 P c) a _ = 1 a = 0 = 1 0, 1176 = 0, 8828 ( ) ( )
La probabilidad de que todas las piezas se pueda reprocesar es de 0,8823 .
Ejercicios
1) Al probar una cierta clase de neumtico para camin en un terreno escabroso se encontr que
el 25 % de los camiones terminaban la prueba con los neumticos daados. De los siguientes 6 camiones
probados, encuentre la probabilidad de que :
a) de 3 a 6 tengan los neumticos daados.
b) Menos de 2 tengan los neumticos daados.
c) ms de cinco tengan los neumticos daados.
2) La probabilidad de que un paciente se recupere de una delicada operacin de corazn es 0,9 .
Cul es la probabilidad de que exactamente 5 de los prximos 7 pacientes que se sometan a esta
intervencin sobrevivan?.
3) Un ingeniero de control de trfico reporta que el 75 % de los vehculos que pasan por un punto
de verificacin tienen matrculas del estado. Cul es la probabilidad de que ms de 4 de los siguientes 9
vehculos no sean del estado?.
4) Una investigacin demostr que el 20 % de los habitantes de una ciudad prefieren un telfono
blanco que cualquier otro. Cul es la probabilidad de que ms de la mitad de los siguientes 8 telfonos que
se instalen en esta cuidad sean de color blanco?.
5) Se sabe que el 40 % de los ratones inyectados con un suero quedan protegidos contra una cierta
enfermedad. Si 5 ratones son inyectados, encuentre la probabilidad de que :
a) Ninguno contraiga la enfermedad
b) menos de 2 la contraigan.
c) ms de tres la contraigan.
107
Solucin
1)
P a) 8 _ a _ 6 = 0, 166 ( )
P /) a < 2 = 0, 4 ( )
P c) a = 0, 002 ( )
P 2) a = = 0, 12 ( )
P 8) a 4 = 0, 068 ( )
P 4) a _ 4 = 0, 06 ( )
)
P a) a = 0 = 0, 08 ( )
P /) a < 2 = 0, 84 ( )
P c) a 8 = 0, 00 ( )
108
3) Distribucin Hipergeomtrica
Tanto la distribucin binomial como la distribucin hipergeomtrica persiguen un mismo
objetivo: el nmero de xitos en una muestra que contiene observaciones. Lo que establece una :
diferencia entre estas dos distribuciones de probabilidad discreta es la forma en que se obtiene la
informacin. Para el caso de la distribucin binomial la informacin de la muestra se toma con reposicin
de una muestra finita, o sin reposicin de una poblacin infinita. Para el modelo hipergeomtrico la
informacin de la muestra se toma sin reposicin de una poblacin finita. Por lo tanto, la probabilidad de
xito, ,es constante a lo largo de todas las observaciones de un experimento binomial, en cambio, en una
distribucin hipergeomtrica el resultado de una observacin afecta el resultado de las obseravciones
previas.
En general, el inters que se tiene es en la probabilidad de seleccionar xitos de los posibles a /
resultados o artculos tambin considerados xitos y fracasos de los posibles resultados o : a ` /
artculos tambin considerados fracasos, cuando una muestra aleatoria de tamao se selecciona de : `
resultados o artculos totales. Esto se conoce como un experimento hipergeomtrico.
La funcin de probabilidad de una v.a con distribucin hipergeomtrica es A
] r = r = 0, l, 2, ..., n
h 1 h
r n r
1
n
!
8 98 9
8 9
A ~ H `, :, / ( )
1 A = : \ av A = :
/ / ` / ` :
` ` ` ` 1
( ) ( )
_ __ _
Ejemplos
1) Un comit compuesto por cinco personas se selecciona aleatoriamente de un grupo formado
por tres qumicos y cinco fsicos. Encuentre la distribucin de probabilidad para el nmero de qumicos en
el comit.
v.a que indica el nmero de qumicos A =
A = 0, 1, 2, 8
` = 8 : = / = 8 ` / =
A ~ H 8, , 8 ( )
109
) a = a = 0, 1, 2, 8
8
a a
8

( )
_ __ _
_ _
P P ( ) ( )
_ __ _ _ __ _
_ _ _ _
a = 0 = = a = 1 = =
8 8
0 1 4
8 8

1 1
6 6
P P ( ) ( )
_ __ _ _ __ _
_ _ _ _
a = 2 = = a = 8 = =
8 8
2 8 8 2
8 8

80 10
6 6
a 0 1 2 8
) a
1 1 80 10
6 6 6 6
( )
2) Entre 16 postulantes para un trabajo, 10 tenan un grado universitario. Si tres de los postulantes
son elegidos al azar para una entrevista. Cul es la probabilidad de que:
a) ninguno tenga grado universitario?.
b) exactamente uno tenga grado universitario?.
c) dos tengan grado universitario?.
d) los tres tengan grado universitario?.
v.a que indica postulante con grado universiatrio A =
A = 0, 1, 2, 8
` = 16 : = 8 / = 10 ` / = 6
A ~ H 8, 8, 10 ( )
) a = a = 0, 1, 2, 8
10 6
a 8 a
16
8
( )
_ __ _
_ _
P( )
_ __ _
_ _
a = 0 = =
10 6
0 8
16
8
1
28
La probabilidad de que ninguno tenga grado universitario es de 0,0357 .
110
P( )
_ __ _
_ _
a = 1 = =
10 6
1 2
16
8
1
6
La probabilidad de que uno tenga grado universitario es de 0,2679 .
P( )
_ __ _
_ _
a = 2 = =
10 6
2 1
16
8
27
6
La probabilidad de que dos tengan grado universitario es de 0,4821 .
P( )
_ __ _
_ _
a = 8 = =
10 6
8 0
16
8
8
14
La probabilidad de que los tres tengan grado universitario es de 0,2143 .
3) Lotes de 40 componentes cada uno se consideran acptables si no contienen ms de tres
defectuosos. El procedimiento de muestreo del lote consiste en seleccionar 5 componentes aleatoriamente y
rechazar el lote si se encuentra un componente defectuoso. Cul es la probabilidad de que exactamente un
defectuoso se encuentre en la muestra si hay tres defectuosos en todo el lote?.
artculos defectuosos A =
A = 0, 1, 2, 8
` = 40 : = / = 8 ` / = 87
A ~ H 40, , 8 ( )
) a =
8 87
a a
40

( )
_ __ _
_ _
P( )
_ __ _
_ _
a = 1 = = 0, 8011
8 87
1 4
40

La probabilidad es de 0,3011 .
111
Ejercicios
1) Para evitar que lo descubran en la aduana, un viajero ha colocado 6 tabletas de narctico en
una botella que contiene 9 pldoras de vitamina que son similares en apariencia. Si el oficial de la aduana
selecciona 3 tabletas aleatoriamente para analizarlas, cul es la probabilidad de que el viajero sea
arrestado por posesin ilegal de narcticos?.
2) El dueo de una casa planta 6 tallos que selecciona al azar de una caja que contiene 5 tallos de
tulipn y 4 de narciso. Cul es la probabilidad de que plante 2 tallos de narciso y 4 de tulipn?.
3) De un lote de 10 proyectiles, 4 se seleccionan al azar y se disparan. Si el lote contiene 3
proyectiles defectuosos que no explotarn, cul es la probabilidad de que :
a) los 4 exploten?.
b) al menos 2 no exploten?.
4) Cul es la probabilidad de que una mesera se rehse a servir bebidas alcohlicas nicamente a
2 menores de edad, si verifica aleatoriamente slo 5 identificaciones de entre 9 estudiantes, de los cuales 4
no tienen la edad suficiente?.
5) Una compaa manufacturera utiliza un esquema para aceptacin de los artculos producidos
antes de ser embarcados. El plan es de dos etapas. Se preparan cajas de 25 para embarque y se selecciona
una muestra de tres para verificar si tiene algn artculo defectuoso. Si se encuentra uno, la caja entera se
regresa para verificarla al 100 %. Si no se encuentra ningn artculo defectuoso la caja se embarca.
a) Cul es la probabilidad de que se embarque una caja que contiene 3 artculos defectuosos?.
b) Cul es la probabilidad de que una caja que contiene slo un artculo defectuoso regrese para
la verificacin?.
112
Solucin
P 1) a _ 8 =
88
84
( )
P 2) a = 2 =

14
( )
8)
P a) a = 0 =
1
6
( )
P /) a < 2 =
8
10
( )
P 4) a = 2 =
10
21
( )
)
P a) a = 8 =
1
2800
( )
P /) a = 1 =
608
2800
( )
113
4) Distribucin Poisson
Los experimentos que resultan en valores numricos de una v.a y que representan el nmero de A
resultados durante un intervalo de tiempo dado o en una regin especfica frecuentemente se llaman
experimentos Poisson . El intervalo de tiempo dado puede ser de cualquier duracin, por ejemplo, un
minuto, un da, una semana, un mes o inclusive un ao. Por tal motivo un experimento Poisson puede
generar observaciones para una cierta v.a que representen el nmero de llamadas telefnicas por hora A
que se recibe en una oficina, el nmero de das en que una determinada escuela se cierra en invierno debido
a la nieve, o al nmero de juegos pospuestos debido a la lluvia durante una temporada de ftbol.
El nmero de resultados que ocurren en un experimento Poisson se llama . El a v.a. de Poisson
nmero promedio de resultados se calcula de la forma , donde es el tiempo o regin j ` = 1 A = t t ( )
especficos de inters.
La funcin de distribucin es de la forma:

!
) A = a = 0, 1, 2, ...
c t
t a
a
( )
( )
`
`
!
) A =
c
a
a
( )
( )
j
j
A ~ 1( ) j
Ejemplos
1) El nmero promedio de partculas radioactivas que pasan a travs de un contador durante un
milisegundo en un experimento de laboratorio es 4. Cul es la probabilidad de que entren 6 partculas al
contador en un milisegundo determinado?.
N de partculas que entran en el contador. j = 4 A =
A ~ 1 4 ( )

!
) A = a = 0, 1, 2, ...
c 4
a
a
( )
( )
4
P
!
( )
( )
a = 6 = = 0, 1042
c 4
6
4
6
La probabilidad de que entren 6 partculas al contador en un milisegundo determinado es de
0,1042 .
114
2) Se sabe que 10 es el nmero promedio de camiones tanque de aceite que llegan por da a una
cierta ciudad portuaria. Las instalaciones del puerto pueden atender cuando mucho a 15 camiones tanque
en un da. Cul es la probabilidad de que en un da determinado tengan que regresar los camiones
tanque?.
N de camiones tanque por da. j = 10 A =
A ~ 1 10 ( )

!
) A = a = 0, 1, 2, ...
c 10
a
a
( )
( )
10
P P ( ) ( ) a 1 = 1 a _ 1
P P P P = 1 [ a = 0 a = 1 a = 2 ... a = 1 [ ( ) ( ) ( ) ( )
= 0, 00487
La probabilidad de que en un da determinado tengan que regresar los camiones tanque es de
0,00487 .
3) Suponga que los clientes llegan a una fila de espera a una tasa de 4 por minuto. Suponiendo que
el nmero de personas que llegan a la fila en cualquier intervalo de tiempo dado tiene distribucin
Poisson.Cul es la probabilidad de que al menos una persona llegue a la fila en un intervalo de minuto?.
1
2
clientes minuto 4 1
clientes minuto clientes j j
1
2
= = 2
N de clientes que llegan en minuto A =
1
2
A ~ 1 2 ( )

!
) A = a = 0, 1, 2, ...
c 2
a
a
( )
( )
2
P P ( ) ( ) a _ 1 = 1 a = 0
!
= 1
c 2
0
2
0
( )
= 0, 8647
La probabilidad de que al menos una persona llegue a la fila en un intervalo de minuto es de un
1
2
0,8647 .
115
Ejercicios
1) En promedio, en una cierta interseccin ocurren 3 accidentes viales por mes. Cul es la
probabilidad de que en un determinado mes en esta interseccin :
a) ocurran exactamente 5 accidentes?.
b) ocurran menos de 3 accidentes?.
2) Una cierta rea de la ciudad XX es afectada en promedio por 6 huracanes al ao. Encuentre la
probabilidad de que en un determinado ao esta rea sea afectada por :
a) menos de 4 huracanes.
b) cualquier cantidad entre 6 y 8 huracanes.
3) El nmero promedio de ratas de campo por acre en un campo de trigo de 5 acres se estima que
es de 12. Encuentre la probabilidad de que menos de ratas de campo se encuentren en este campo de 4
trigo.
4) Un restaurante prepara una ensalada que contiene en promedio 5 verduras diferentes. Encuentre
la probabilidad de que la ensalada contenga ms de 5 verduras en un determinado da.
5) En un estudio de un inventario se determin que, en promedio, la demanda por un artculo en
particular en una bodega era de 5 veces al da. Cul es la probabilidad de que en un determinado da este
artculo sea requerido :
a) ms de cinco veces?.
b) ni una sola vez?.
116
Solucin
1)
P a) a = = 0, 1 ( )
P /) a < 8 = 0, 42 ( )
2)
P a) a < 4 = 0, 1 ( )
P /) 6 _ a _ 8 = 0, 40 ( )
P 8) a < 4 = 0, 002 ( )
P 4) a = 0, 47 ( )
)
P a) a = 0, 47 ( )
P /) a = 0 = 0, 007 ( )
117
Distribuciones continuas de probabilidad
1) Distribucin Normal
Es la distribucin continua de probabilidad ms importante en el campo de la estadstica. Su
grfica recibe el nombre de curva normal, su forma es la de una campana
Esta curva permite describir muchos fenmenos que ocurren en la naturaleza, la industria y la
investigacin.
Una v.a continua que tiene distribucin en forma de campana se llama v.a. normal. A
Concepto: la funcin de densidad de la v.a normal , con media y varianza , es: A j o
2
) A = c < a <
1
2
1 A
2
( )
_
_ _
o
j
o

2
A ~ ` , ( ) j o
2
Propiedades de la curva normal
1) El mximo valor de la curva es en a = j
2) La curva es simtrica respecto a la recta a = j
3) La curva es cncava hacia arriba en ] y es cncava hacia abajo , [ ' [ , [ j o j o
en ] [ . j o j o ,
118
4) La curva es asinttica al eje . A
5) El rea bajo la curva y sobre el eje es uno. A
Areas bajo la curva normal
P ( ) ( )
_
a < A < / = ) A dA
a
/
Sin embargo, resolver esta integral con la funcin de densidad de la v.a normal no es tan simple.
Por tal motivo, se recurre a un proceso denominado basndose en una v.a normal que estandarizacin .
tiene y y que se denomina j o = 0 = 1
2
distribucin normal estndar
Concepto: Si es una v.a normal con y , tiene funcin de densidad: . = 0 = 1 j o
2
) 7 = c < a <
1
2
1
2
7
( )
_

2
7 ~ ` 0, 1 ( )
El proceso de estandarizacin se realiza de la siguiente forma:
Si , entonces A ~ ` , 7 =
A
( ) j o
j
o
2
Los valores de la v.a normal se encuentran tabulados .
119
Ejemplos:
P 1) . 1, 84 ( )
P P ( ) ( ) . 1, 84 = 1 . _ 1, 84
= 1 0, 0671
= 0, 0820
P 2) 1, 07 < . < 0, 86 ( )
P P P ( ) ( ) ( ) 1, 07 < . < 0, 86 = . < 0, 86 . < 1, 07
= 0, 801 0, 0244
= 0, 7807
P 8) . . = 0, 7486 ( )
0
120
P( ) . . = 0, 7486
0
P 1 . _ . = 0, 7486 ( )
0
P 1 0, 7486 = . _ . ( )
0
P 0, 214 = . _ . = . = 0, 67 ( )
0 0
Sea una v.a normal con y , determine 4) A = 40 = 6 j o
a) P( ) A _ a = 0, 4
P
_ _
. _ = 0, 4
a 40
6
a 40
6
= 0, 18 = a = 80, 22
b) P( ) A a = 0, 14
P 1 . _ = 0, 14
a 40
6
_ _
P
_ _
. _ = 0, 86
a 40
6
a 40
6
= 1, 08 = a = 46, 48
121
Ejercicios
I ) Usando la tabla determine :
a) P Resp.:0,7967 (. < 0, 88)
b) P Resp.:0,1020 (. < 1, 27)
c) P Resp.:0,2033 (. 0, 88)
d) P Resp.:0,898 (. 1, 27)
e) P Resp.:0,1791 (0, 47 < . < 1, 08)
f) P Resp.:0,5354 ([ . [ < 1, 80)
g) P Resp.: 1,55 (. . ) = 0, 06 . =
1 1
h) P Resp.: 1,28 ( 0, 08 < . < . ) = 0, 728 . =
1 1
II) Dada la v.a. X distribuida normalmente con media 18 y desviacin estndar 2,5. Encuentre :
a) P Resp.:0,1151 (a < 1)
b) P Resp.: 16,1 (a < a ) = 0, 2286 a =
1 1
c) P Resp.: 20,28 (a a ) = 0, 1814 a =
1 1
d) P Resp.:0,5403 (17 < a < 21)
122
Problemas de aplicacin
1) Cierto tipo de batera dura un promedio de tres aos, con una desviacin estndar de 0,5 aos.
Suponiendo que las duraciones de las bateras son normalmente distribuidas, encuentre la probabilidad de
que una determinada batera dure menos de 2,3 aos.
duracin de la batera A ~ ` 8 : 0, 2 A = ( )
P P ( )
_ _
a < 2, 8 = . <
2, 8 8
0,
P = . < 1, 4 ( )
= 0, 0808
La probabilidad de que una determinada batera dure menos de 2,3 aos es de un 808 . 0,
2) Una compaa fabrica focos cuya duracin es normalmente distribuida con una media de 800
horas y una desviacin estndar de 40 horas. Encuentre la probabilidad de que un foco dure entre las 778 y
834 horas de uso.
duracin de los focos A ~ ` 800 , 1600 A = ( )
P P ( )
_ _
778 < a < 884 = < . <
778 800 884 800
40 40
P = 0, < . < 0, 8 ( )
P P = . < 0, 8 . < 0, ( ) ( )
= 0, 8028 0, 2012
= 0, 111
La probabilidad de que un foco dure entre las 778 y 834 horas de uso es de un 5111 . 0,
3) Una cierta mquina produce resistencias elctricas que tienen un valor medio de 40 ohms y una
desviacin stndar de 2 ohms. Suponiendo que los valores de las resistencias siguen una distribucin
normal y que pueden medirse con cualquier grado de precisin. Qu porcentaje de las resistencias tendr
un valor que exceda a 43 ohms?
valor de las resistencias elctricas A ~ ` 40, 4 A = ( )
P P ( )
_ _
a 48 = 1 . _
48 40
2
P = 1 . _ 1, ( )
= 1 0, 0882
= 0, 0668
El 668 de las resistencias tendr un valor que exceda a 43 ohms. 0, 0
123
4) En una empresa las edades de los trabajadores se distribuye normalmente con media 50 aos y
desviacin estndar es de 5 aos.
a) Qu porcentaje de los trabajadores tiene entre 50 y 52,5 aos?
b) Cul es la probabilidad que un trabajador cualquiera no sea mayor de 45 aos?
c) Cul es la probabilidad que un trabajador tenga entre 41 y 58 aos?
d) El 20 % de los trabajadores estn bajo cierta edad Cul es esa edad?
edad de los trabajadores A ~ ` 0, 2 A = ( )
P P a) 0 < a < 2, = < . <
0 0 2, 0

( )
_ _
P = 0 < . < 0, ( )
P P = . < 0, . < 0 ( ) ( )
= 0, 601 0,
= 0, 101
El 19,15 % de los trabajadores tiene entre 50 y 52,5 aos.
P P /) a _ 4 = . _
4 0

( )
_ _
P = . _ 1 ( )
= 0, 187
La probabilidad que un trabajador cualquiera no sea mayor de 45 aos es de 1587 . 0,
P P c) 41 < a < 8 = < . <
41 0 8 0

( )
_ _
P = 1, 8 < . < 1, 6 ( )
P P = . < 1, 6 . < 1, 8 ( ) ( )
= 0, 042 0, 080
= 0, 0008
La probabilidad que un trabajador tenga entre 41 y 58 aos es de 9093 0,
124
P d) A _ a = 0, 20 ( )
P
_ _
. _ = 0, 20
a 0

a 0

= 0, 8 = a = 4, 7
El 20 % de los trabajadores tiene una edad menor o igual a 45,75 aos.
Ejercicios
Resuelva los siguientes problemas :
1) Las piezas de pan de centeno distribuidas a las tiendas locales por una cierta pastelera tienen
una longitud promedio de 30 cm. y una desviacin estndar de 2 cm. Suponiendo que las longitudes estn
normalmente distribuidas, qu porcentaje de las piezas son
a) de ms de 31,7 cm. de longitud?.
b) entre 29,3 y 33,5 cm. de longitud?.
c) de una longitud menor que 25,5 cm.?.
2) Una mquina despachadora de refrescos est ajustada para servir un promedio de 200 millitros
por vaso. Si la cantidad de refresco es normalmente distribuida con una desviacin estndar de 15
millitros.
a) Qu fraccin de los vasos contendr ms de 224 millitros?.
b) Cul es la probabilidad de un vaso contenga entre 191 y 209 millitros?.
3) El dimetro interno ya terminado de un anillo de pistn est normalmente distribuido con una
media de 10 cm. y una desviacin estndar de 0,03 cm.
a) Qu proporcin de los anillos tendr un dimetro interno que exceda de 10,075 cm.?.
b) Cul es la probabilidad de que un anillo de pistn tenga un dimetro interno entre 9,97 y 10,03
cm.?.
c) Para que valor el dimetro interno de un anillo de pistn ser menor que el 15 %?.
4) La resistencia a la tensin de cierto componente metlico est normalmente distribuida con una
media de 10.000 Kg./cm y una desviacin estndar de 100 Kg./cm .
2 2
a) Cul es la proporcin de estos componentes que exceden de 10.150 Kg./cm de resistensia a la
2
tensin?.
b) Si las especificaciones requieren que todos los componentes tengan una resistencia a la tensin
entre 9.800 y 10.200 Kg./cm inclusive, qu porcentaje de piezas se esperara que se desecharan?.
2
5) La vida promedio de cierto tipo de motor pequeo es de 10 aos con una desviacin estndar
de 2 aos. El fabricante repone sin cargo todos los motores que fallen dentro del perodo de garanta. Si
est dispuesto a reponer slo 3 % de los motores que fallan, qu tan larga deber ser la garanta que
otorgue?. Suponga que las vidas de los motores siguen una distribucin normal.
125
6) Suponga que un consultor est investigando cunto tiempo necesitaran los obreros de la
fbrica para montar cierta pieza en una planta de automviles Volvo, y determin que la informacin(
tiempo en segundos ) estaba distribuida normalmente con una media de 75 segundos y una desviacin
estndar de 6 segundos.
a) Cul es la probabilidad de que un obrero seleccionado aleatoriamente pueda montar la pieza
en menos de 75 segundos o en ms de 81 segundos?
b) Cul es la probabilidad de que un obrero seleccionado aleatoriamente pueda montar la pieza
de 69 a 81 segundos?.
c) Cul es la probabilidad de que un obrero seleccionado aleatoriamente pueda montar la pieza
en menos de 62 segundos?.
d) Cul es la probabilidad de que un obrero seleccionado aleatoriamente pueda montar la pieza
de 62 a 69 segundos?.
e) Cuntos segundos deben pasar antes de que el 50 % de los obreros monten la pieza?.
f) Cuntos segundos deben pasar antes de que el 10 % de los obreros monten la pieza?.
7) El espesor de un lote de 10.000 arandelas de bronce de un cierto tipo fabricadas por una gran
compaa tiene una distribucin normal con media 0,0191 pulgadas y desviacin estndar 0,000425
pulgadas. Compruebe que se puede esperar que el 99,04 % de estas arandelas tenga un espesor entre
0,0180 y 0,0202 pulgadas.
8) El tiempo de reaccin para un cierto experimento psicolgico est distribuido normalmente con
media 20 segundos y desviacin estndar 4 segundos.
a) Cul es la probabilidad de que una persona tenga un tiempo de reaccin entre 14 y 30
segundos?.
b) Cul es la probabilidad de que una persona tenga un tiempo de reaccin entre 25 y 30
segundos?.
c) Qu porcentaje de personas tienen un tiempo de reaccin de ms de 14 segundos?.
d) Cul es el tiempo de reaccin de modo que slo el 1 % de todas las personas reaccionen con
mayor rapidez?.
9) Un procesador de alimentos envasa caf en pequeos tarros, los pesos de los tarros estn
normalmente distribuidos con una desviacin estndar de 0,3 onzas. Si el 5 % de los tarros pesa ms de
12,492 onzas. Cul es el promedio de los tarros?.
126
Solucin
1)
a) El 19,77 % de las piezas tiene una longitud de ms de 31,7 cm.
b) El 59,67 % de las piezas tiene una longitud entre 29,3 y 33,5 cm.
c) El 1,22 % de las piezas tiene una longitud de menor a 25,5 cm.
2)
a) El 0,0548 de los vasos contendr ms de 224 milmetros.
b) El 0,4514 de los vasos tendr entre 191 y 209 milmetros.
3)
a) El 0,0062 de los anillos tendr un dimetro superior a 10,075 cm.
b) El 0,6826 de los anillos tendr un dimetro entre 9,97 y 10,03 cm.
c) El 15 % de los anillos tendr un dimetro de 9,9688 cm.
4)
a) El 0,0668 de los componentes exceden de 10150 Kg/cm de resistencia a la tensin.
2
b) El 4,56 % de las piezas se desecharn.
5) Debe tener una garanta de a lo ms 6,24 aos.
6)
a) Existe un 0,6587 de probabilidad que un obrero pueda montar una pieza en menos de 75 seg. o
en ms de 81 seg.
b) Existe un 0,6826 de probabilidad que un obrero pueda montar una pieza entre 69 y 81 seg.
c) Existe un 0,015 de probabilidad que un obrero pueda montar una pieza en menos de 62 seg.
d) Existe un 0,1437 de probabilidad que un obrero pueda montar una pieza entre 62 y 69 seg.
e) Deben pasar 75 segundos antes de que el 50 % de los obreros monten la pieza.
f) Deben pasar 67,26 segundos antes de que el 10 % de los obreros monten la pieza.
127
7) Se cumple que el 99,04 % de las arandelas tiene un espesor entre 0,0180 y 0,0202 pulgadas.
8)
a) El 0,927 de las personas tiene un tiempo de reaccin entre 14 y 30 segundos.
b) El 0,0994 de las personas tiene un tiempo de reaccin entre 25 y 30 segundos.
c) El 93,32 % de las personas tiene un tiempo de reaccin de ms de 14 segundos.
d) El tiempo de reaccin es de 29,28 segundos.
9) El promedio de los tarros es 12 onzas.
128
Autoevaluacin 1
1) En una ciudad se publican los peridicos A, B y C. Una encuesta reciente a 800 lectores indica
lo siguiente 208 lee A, 240 lee B, 192 lee C, 64 lee A y B; 40 lee A y C; 32 lee B y C; 24 lee A, B y C. :
Para un adulto escogido al azar, calcular la probabilidad de que:
a) no lea ninguno de los peridicos.
b) lea exactamente uno de los peridicos
c) lea B y C, pero no A
d) lea slo A o slo C
2) Si P A P B y P A B Determine ( ) ( ) ( ) = , = = :
8 2 1
7 8 6
a) P A B b) P B ( ) ( ) '
c
c) P B A d) P A /B ( ) ( )
c c
e) A y B independientes?. Justifique
3) Si se sacan al azar y sin reemplazo cuatro pelotas de una bolsa que contiene 6 pelotas rojas y 7
negras.
a) Cul es la probabilidad de que la primera pelota sea negra y tres restantes rojas?.
b) Si las tres primeras pelotas fueron rojas. Cul es la probabilidad de que la cuarta pelota sea
negra?
c) Si las dos primeras pelotas fueron rojas. Cul es la probabilidad que la tercera sea negra y la
cuarta roja?
d) Cul es la probabilidad de que las dos primeras pelotas sean rojas y las dos ltimas negras?
e) Cul es la probabilidad de que aparezca una de cada color?
4) Se recibieron dos cajas de camisas para hombre, provenientes de la fbrica. La caja uno
contena 15 camisas deportivas y 25 camisas de vestir. La caja dos contena 10 camisas deportivas y 30
camisas de vestir.
a) Cul es la probabilidad de elegir una camisa deportiva?
b) Cul es la probabilidad de elegir una camisa de vestir?
c) Se seleccion al azar una de las dos cajas y se eligi aleatoriamente una camisa de esa caja para
inspeccionarla. La camisa era de vestir. Dada esta informacin, cul es la probabilidad de que la caja de la
que proviene la camisa deportiva sea la uno?
129
Solucin
1)
a) La probabilidad de no lea ningn peridico es
272
800
b) La probabilidad de que lea exactamente uno de los peridicos es
440
800
c) La probabilidad de que lea B y C, pero no A es
8
800
d) La probabilidad de que lea slo A o slo C es
272
800
2)
P A B P B a) ' = /) =
80 1
42 8
( ) ( )
c
P B A P A /B c) = d) =
1 8
2 14
( ) ( )
c c
P A B P A P B c) = =
1 2
6 7
( ) ( ) ( )
Por lo tanto, A y B no son independientes.
3)
a) P N R R R ( )
1 2 8 4
= =
7 6 4 7
18 12 11 10 148
130
b) P N /R R R ( )
4 1 2 8
=
7
10
c) P N N /R R ( )
8 4 1 2
= =
7 4 14
11 10
d) P R R N N ( )
1 2 8 4
= =
6 7 6 21
18 12 11 10 286
e) P R N R N P N R N R ( ) ( )
1 2 8 4 1 2 8 4

= =
6 7 6 7 6 6 21
18 12 11 10 18 12 11 10 148
4)
Sea D camisa deportiva y V camisa de vestir = =
Sea C caja uno y C caja dos
1 2
= =
a) P D b) P V ( ) ( ) = =
2
80 80
c) P C /V ( )
1
=

11
131
Autoevaluacin 2
1) Dada la funcin de densidad de la v. a. X :
e.o.c.
)(a) =
/a(1 a) 0 < a < 1
0
_
a) Determine el valor de . /
b) Obtener :
b.1) P b.2) P (a = 1) < a <
1 8
2 2
_ _
b.3) P
_ _
a _
2
8
c) Calcule E (a 7)
2) De acuerdo con un estudio publicado por un grupo de socilogos de una cierta universidad,
aproximadamente el 60 % de los adictos al Valium en el estado XX, lo tomaron por primera vez debido a
problemas sicolgicos. Encuentre la probabilidad de que de los siguientes 8 adictos entrevistados :
a) exactamente 3 hayan comenzado a usarlo debido a problemas sicolgicos.
b) al menos 3 de ellos comenzaron a tomarlo por problemas que no fueron sicolgicos.
3) Un comit de 3 integrantes se forma aleatoriamente seleccionado de entre 5 doctores y 3
enfermeras. Encuentre la distribucin de probabilidades para el nmero de enfermeras y determine P( 2 _
a _ 8 ).
4) En un estudio de un inventario se determin que, en promedio, la demanda por un artculo en
particular en una bodega era de 5 veces al da. Cul es la probabilidad que en un determinado da este
artculo sea requerido :
a) ms de 4 veces?.
b) ni una sola vez?.
5) Se encontr que un grupo de calificaciones de exmenes finales en un curso de estadstica
elemental estaba normalmente distribuida con una media de 80 y una desviacin estndar de 8.
a) Cul es la probabilidad de obtener cuando mucho una calificacin de 81 en este examen ?.
b) Qu porcentaje de los estudiantes alcanzaron calificaciones entre 55 y 89 ?.
c) Cul es la probabilidad de obtener a lo menos un 47?
d) Cul es la probabilidad de obtener una nota superior a 51, pero inferior a 85?
c) Cul es la calificacin del examen final si slo el 5 % de los estudiantes que pasaron la prueba
tuvieron calificaciones ms altas?.
132
Solucin
1)
a) / = 6
P P /.1) a = 1 = 0 /.2) < a < =
1 8 1
2 2 2
( )
_ _
P /.8) a _ =
2 7
8 27
_ _
c) 1 a 7 =
10
2
( )
2)
a) ) a = 0, 60 0, 40
8
a
( ) ( ) ( )
_ _
a 8a
P( ) a = 8 = 0, 124
/) ) a = 0, 40 0, 60
8
a
( ) ( ) ( )
_ _
a 8a
P P P P ( ) ( ) ( ) ( ) a _ 8 = 1 a = 0 a = 1 a = 2 = 0, 68
8)
) a =
8
a 8 a
8
8
( )
_ __ _
_ _
a 0 1 2 8
) a
10 80 1 1
6 6 6 6
( )
P( ) 2 _ a _ 8 =
2
7
4)
!
) a =
c
a
( )
a
P a) a 4 = 0, 6 ( )
P /) a = 0 = 0, 007 ( )
133
)
j o = 80 = 8 A ~ ` 80, 64 ( )
a) La probabilidad de obtener cuando mucho una calificacin 81 es 0, 17
b) El % de los estudiantes obtuvieron calificaciones entre 55 y 89 87, 08
c) La probabilidad de obtener a lo menos un 47 es 1
d) La probabilidad de obtener una nota superior a 51, pero no inferior a 85 es 0, 787
e) La calificacin es de un 08, 12
134
Unidad N3:Intervalos de Confianza
Inferencia Estadstica
La teora de consiste en aquellos mtodos con los cuales se pueden realizar Inferencia Estadstica
inferencias o generalizaciones acerca de una poblacin.
La Inferencia Estadstica puede dividirse en 2 reas:
a) Estimacin de Parmetros
b) Pruebas de Hiptesis
Estimacin de parmetros
Los parmetros a estudiar son parmetros poblacionales como la y la media varianza.
Si es un parmetro desconocido, entonces ser su estimador. 0 0
.
As, es un estimador de y es un estimador de y ellos cumplen con la propiedad de a - j o
2 2
insesgamiento.
Estimacin por intervalo
Una estimacin por intervalo de un parmetro poblacional es un intervalo de la forma 0
0 0 0 0 0 0
. . . . .
1 2 1 2
< < , donde y dependen del valor de para una muestra particular y tambin de la
distribucin muestral de . 0
.
Basado en la distribucin muestral de se puede determinar si el intervalo con una 0 0 0
. . .
2 _ _ 1
,
probabilidad dada contiene realmente el parmetro que se supone que va a estimar.
Esto es P donde
_ _
0 0 0 c c
. .
1 2
< < = 1 0 < < 1
El intervalo calculado de una muestra particular se llama del
_ _
0 0
. .
2 1
, intervalo de confianza
( ) 1 100 1 c c % , la fraccin se denomina , o coeficiente de confianza grado de confianza nivel de
confianza lmites de confianza. y los puntos y se llaman 0 0
. .
1 2
135
Por ejemplo:
a) Si , entonces se tiene un intervalo de confianza del % c = 0, 0 0
b) Si , entonces el intervalo de confianza es del % c = 0, 01 00
A) Intervalo de confianza para la media de una poblacin normal !
A ) Se conoce su varianza
1
Obs.: Si , entonces A ~ ` , a ~ ` ,
:
j
_ _
j o j
o
2
2
Como , entonces a ~ ` , 7 =
:
a
:
_ _
_
j
o j
o
2
P( ) 7 < 7 < 7 = 1
1 2
c
P( ) 7 < 7 = 1 = 1
2 2
2
c c
c
P( ) 7 < 7 =
2
1
c
Luego: por construccin 7 = 7
1
2
2 c
pero 7 = 7 7 = 7
2
1 1 2 c
Luego: 7 = 7
1
2
1 c
136
As, P( ) 7 < 7 < 7 = 1
1 2
c
P
_ _
_
_
_ j _
7 < < 7 = 1
1 1
2 2
a
:
c c
j
o
c
P
_ _
_ j
_ _
7 < a < 7 = 1
1 1
2 2
: :
c c
o o
j c
P
_ _
_ j
_ _
a 7 < < a 7 = 1
1 1
2 2
: :
c c
o o
j c
P
_ _
_ j
_ _
a 7 < < a 7 = 1
1 1
2 2
: :
c c
o o
j c
Si es la media de una muestra aleatoria de tamao de una poblacin normal con varianza , a : o
2
el intervalo de confianza de % para es : ( ) 1 100 c j
r u
s v
l l
r 2 , r 2
l l
2 2
n n


Ejemplo: Si una muestra aleatoria de tamao de una poblacin normal con varianza tiene 20 22
una media muestral de . Construya un intervalo de confianza del % de confianza para 64, 8 0 j
% % ( ) 1 100 = 0 = = 0, 0 c c
: = 20
o o
2
= 22 = = 1
a = 64, 8
_ _
_ _
64, 8 7 , 64, 8 7
1 1
20 20
1 1
0,0 0,0
2 2
_ _
( ) ( )
_ _
64, 8 1, 06 : 64, 8 1, 06
1 1
20 20
( ) 7, 7: 70, 0
137
: Si se usa como una estimacin de , se puede tener una confianza del % Teorema a 1 100 j c ( )
de que el no exceder de: error 7
1
2
c
o
_:
En el ejemplo anterior: 7 = 7 = 1, 06
1
2
c 0,07
( )
_
1, 06 = 6, 7
1
20
Se puede tener una confianza del % de que difiere de por una cantidad menor que . 0 a 6, 7 j
: Si se utiliza como una estimacin de , entonces se puede tener una confianza del Teorema a j
( ) 1 100 c c % de que el no exceder una cantidad especfica cuando el tamao de la muestra es: error
: =
7
1
2
c
_ _
_
_
_
_
_
_
_ j
_ _
_ j
c o
2
Ejemplo: Qu tan grande se requiere que sea la muestra del ejemplo 1 si se desea una confianza ( )
del % de que la estimacin de difiera de sta por menos de ? 0 0, 0 j
c = 0, 0 7 = 7 = 1, 06 = 1
1
2
c o
0,07
c = 0, 0
: = = 84.744
1, 06 1
0, 0
_ _
( )
2
Luego, se puede tener una confianza del % de que la muestra aleatoria de tamao 0 84.744
proporcionar una estimacin de que difiere de por una cantidad menor que . a 0, 0 j
Observacin: Todo lo anterior tambin es aplicable a poblaciones no normales con varianza
conocida cuando : 80
138
Ejercicios
1) Las medidas de los dimetros de los rodamientos tiene una desviacin estndar de 0,042 cm. Se
selecciona una muestra aleatoria de 200 bolas de rodamientos producidas por una mquina en una semana,
los dimetros dieron una media de 0,824 cm. Hallar un intervalo de confianza del 95 % y 99 % para el
dimetro de todos los rodamientos.
2) Suponga que la duracin de un componente tiene distribucin normal con . Se ( , 0 ) j
prueban 20 componentes y se anotan sus tipos de fallas . Suponga adems que la media a , a , a , ... , a
1 2 8 20
de la muestra es 100,9 horas. Obtener un intervalo de confianza del 99 % para la duracin media de todos
los componentes.
3) Se administra un test estndar a una numerosa clase de estudiantes. La puntuacin media de
una muestra de 100 estudiantes es de 75 puntos. Supngase que la varianza admitida de las puntuaciones
para este test sea de 2.500 puntos. Hallar :
a) Intervalo de confianza del 98 % para . j
b) Lmite superior del intervalo de confianza del 95 % para . j
c) Lmite inferior del intervalo de confianza del 90 % para . j
4) Al medir el tiempo de reaccin de una persona, un psiclogo estima que la desviacin estndar
es de segundos. De qu tamao ha de tomarse una muestra de medidas para tener una confianza del 0, 0
0 00 0, 01 % y % de que el error de la estimacin no supera los segundos?
139
Solucin
1) % % 0 = 0, 8182: 0, 8208 00 = 0, 816: 0, 8816 ( ) ( )
2) ( ) 00, 17: 102, 68
3)
a) ( ) 68, 8: 86, 6
b) 84, 8
c) 66, 77
4) % % 0 = : = 06, 04 ~ 07 00 = : = 166, 4 ~ 167
140
A ) Varianza desconocida
2
Sea una muestra aleatoria de con desconocida. a , a , ....., a A ~ ` ,
1 2 :
2 2
( ) j o o
tiene distribucin con grados de libertad 1 = t -tndc:t : 1
a
-
:
j
_
( )
( ) - es la desviacin estndar de la muestra .
La funcin de densidad de la grficamente es similar a la funcin de densidad de la t -tndc:t
normal.
0
t
Su funcin de distribucin acumulada se encuentra tabulada.
El parmetro que caracteriza a la se conoce como t -tndc:t grados de libertad.
P( ) t < 1 < t = 1
1 2
c
P
_ _
_
_
_ j _
t < < t = 1
2 2
a
-
:
c c
j
c
P
_ _
_ _
a t < < a t = 1
- -
: :
c c
2 2
j c
141
Si es la media de la muestra aleatoria m.a. de tamao de una poblacin normal con varianza a : ( )
desconocida, el intervalo de confianza de % para es: ( ) 1 100 c j
: ;
l l
r I , r I n l
s s
n n

2 2
con grados de libertad
Ejemplo: Un fabricante de pintura quiere determinar el tiempo de secado promedio para una
nueva pintura para pared interior. Si para una prueba de reas de igual tamao obtiene un tiempo medio 12
de secado de minutos y una desviacin estndar de minutos. Construya un intervalo del % de 66, 8 8, 4 0
confianza para si el tiempo de secado tiene distribucin normal. j
Solucin: : = 12 : 1 = 11
a = 66, 8 t = t = t = 2, 201
2 2
c c 0,02
- = 8, 4 = 0, 0 c
_ _
( ) ( )
_ _
66, 8 2, 201 : 66, 8 2, 201
8, 4 8, 4
12 12
( ) 61: 71, 6
Teorema: Si se usa como una estimacin de , se puede tener una confianza del % a 1 100 j c ( )
de que el no exceder de: error
c = t
2
-
:
c
_
Para el ejemplo anterior: t = 2, 201 - = 8, 4 : = 12
2
c
_
_
c = (2, 201)
8, 4
12
_
c = , 84
Como: c = t
2
-
:
c
_
_
: =
t -
c
c
2
(Tamao de la muestra) : =
t -
c
_ _
c
2
2
142
En el ejemplo del fabricante de pintura, determine el tamao de la muestra si el error no debe
exceder de : 0, 2
: =
2, 201(8, 4)
0, 2
_ _
2
: = 460
Ejercicios
1) Se van a realizar durante un mes pruebas de mercado de un nuevo instrumento, en
determinadas tiendas de una ciudad. Los resultados para una muestra de 16 tiendas sealaron ventas
promedio de $ 12.000 con una desviacin estndar de $ 180. Estime un intervalo de confianza del 99 % de
las ventas promedio reales de este nuevo instrumento. Suponga distribucin normal.
2) Suponga que se hacen 20 mediciones sobre la resistencia de cierto tipo de alambre. La media de
la muestra es 10,48 ohms y la desviacin estndar 1,36 ohms. Obtener un intervalo de confianza de un 99
% para la resistencia promedio real si ellas se distribuyen normalmente.
3) Una muestra aleatoria de 100 propietarios de automviles indica que, en el estado XX, un
automvil recorre un promedio de 23.500 Km. por ao con una desviacin estndar de 3.900 Km.
Determine un intervalo de confianza de 98 % para la cantidad promedio de Km. que un automvil recorre
anualmente en el estado XX. Suponga distribucin normal.
4) Una muestra aleatoria de 8 cigarros de una marca determinada tiene un contenido promedio de
nicotina de 2,6 milgramos y una desviacin estndar de 0,9 milgramos. Determine un intervalo de
confianza de 95 % para el contenido promedio real de nicotina en esta marca de cigarros en particular, si se
sabe que la distribucin de los contenidos de nicotina son normales.
143
Solucin
1) ( ) 11867, 88: 12182, 61
2) ( ) 0, 61: 11, 8
3) ( ) 2278, 04: 24421, 06
4) ( ) 1, 847: 8, 88
144
B) Intervalo de confianza para la varianza de una poblacin normal !
2
Sea una muestra aleatoria de con desconocida. a , a , ....., a A ~ ` ,
1 2 :
2 2
( ) j o o
tiene distribucin con grados de libertad A = )i cnadvado : 1
: 1 -
2
2
2
( )
( )
o
( ) -
2
es la varianza de la muestra .
La grfica de la funcin de densidad de esta distribucin es:
a
0 X
2
a
145
P( A < A < A = 1
1
2 2 2
c c
2 2
c
P
_ _
( )
A < < A = 1
: 1 -
1
2 2
2
2
c c
2 2
o
c
P
_ _
( )
1 1
A A
< < = 1
: 1 - c c
2 2
2 2
2
2
1
o
c
P
_ _
( ) ( ) : 1 - : 1 -
A A
< < = 1
2 2
2 2
2
1
c c
2 2
o c
Si es la varianza de una muestra aleatoria de tamao de una poblacin normal, su intervalo - :
2
de confianza es del % para es: ( ) 1 100 c o
2
: ;
! ! n l s n l s
J J
,
2 2
2 2
l

2 2
donde y son valores con grados de libertad, con reas de y , respectivamente, A A A : 1 1
2 2
c c
2 2
2 2 2
1
c c
a la derecha.
Ejemplo:
1) Determine un intervalo de confianza del % para la varianza de una muestra de paquetes 0 10
de semilla, si la varianza de la muestra es 0, 286
c
c c
= 0, 0 1 = 0, 07 = 0, 02
2 2
: = 10 : 1 = 0 - = 0, 286
2
A = 2, 700 A = 10, 028
1
2 2
c c
2 2
_ _
( ) ( ) 0 0, 286 0 0, 286
10, 028 2, 700
,
( ) 0, 18: 0, 08
146
2) Se obtiene una m. a. de estudiantes con una media de y una varianza de en 20 a = 72 - = 16
2
un examen de Estadstica. Suponga que las calificaciones tienen distribucin normal. Determine un
intervalo de confianza del % para la varianza poblacional 08
c
c
= 0, 02 1 = 0, 00
2
: = 20 : 1 = 10
- = 16
2
A = A = 7, 688
1
2 2
0,00 10
c
2
( )( )
A = A = 86, 101 c
2
2 2
0,01 10 ( )( )
_ _
( ) ( ) 10 16 10 16
86, 101 7, 688
,
( ) 8, 80: 80, 82
Ejercicios
1) Un fabricante de baterias para automvil asegura que sus baterias duran en promedio, 3 aos
con una desviacin estndar de un ao. Si 5 de estas baterias tienen una desviacin estndar de 0,9028
aos. determine un intervalo de confianza de 95 % para la varianza real e indique si es vlida la afirmacin
del fabricante. Suponga que la poblacin de las duraciones de las baterias se distribuye aproximadamente
en forma normal.
2) Suponga que se hacen 20 mediciones sobre la resistencia de cierto tipo de alambre. La media de
la muestra es 10,48 ohms y la desviacin estndar 1,36 ohms. Obtener un intervalo de confianza de un 95
% para la varianza real si las resistencias se distribuyen normalmente.
3) Una muestra aleatoria de 25 cigarros de una cierta marca tiene un contenido promedio de
nicotina de 1,3 milgramos y una desviacin estndar de 0,17 milgramos. Encuentre un intervalo de
confianza del 90 % y 98 % para la varianza real de esta determinada marca de cigarros si se supone que las
mediciones se distribuyen normalmente.
4) Una muestra aleatoria de 100 propietarios de automviles indica que, en el estado XX, un
automvil recorre un promedio de 23.500 Km. por ao con una desviacin estndar de 3.900 Km.
Determine un intervalo de confianza de 99 % para la varianza real de la cantidad de Km. por ao que
recorren los automviles del estado XX.
147
Solucin
1) La afirmacin del fabricante es vlida, porque la varianza poblacional ( ) 0, 20: 6, 70
est dentro del intervalo que se determin con una confianza del %. 0
2) ( ) 1, 060: 8, 040
3) % 00 = 0, 010: 0, 0 ( )
% 08 = 0, 016: 0, 064 ( )
4) ( ) 1074106, 60: 22874204, 2
148
Autoevaluacin
1) Suponga que una tienda de pinturas quisiera estimar la cantidad correcta de pintura que hay en
latas de un galn, compradas a un conocido fabricante. Por las especificaciones del productor se sabe que
la desviacin estndar de la cantidad de pintura es igual a 0,02 galones. Se selecciona una muestra aleatoria
de 50 galones y la cantidad promedio de pintura es 0,975 galones. Establezca un intervalo de confianza del
95 % y 99 % de la cantidad promedio real de la poblacin de pintura incluida en una lata de un galn.
2) La vida til promedio de una muestra aleatoria de 10 focos es de 4000 horas con una
desviacin estndar de 200 horas. Se supone que la vida til de los focos tiene una distribucin
normal.Estime un intervalo de confianza del 90 y 95 % para la vida til promedio
3) El departamento de servicios a clientes de una empresa local de servicios pblicos de gas
querra estimar la variacin en el tiempo entre la llegada de la solicitud de servicio y la conexin del
mismo. De los registros disponibles del ao anterior se seleccion una muestra aleatoria de 15 casas que
dieron una desviacin estndar de 20,03. Estime un intervalo de confianza del 92 y 96 % para la varianza
poblacional.
149
Solucin
1) Usar Tabla Normal
Para 95% : ( ) 0, 060 : 0, 081
Para 99% : ( ) 0, 068 : 0, 082
Usar Tabla t-student 2)
Para 90% : ( ) 8884, 26 : 411, 74
Para 95% : ( ) 887, 07 : 4142, 08
3) Usar Tabla ji cuadrado
Para 95% : ( ) 21, 0 : 007, 88
Para 99% : ( ) 168, 66 : 1878, 86
150
Unidad N4: Pruebas de Hiptesis
Son procedimientos de decisin basado en datos que puedan producir una conclusin acerca de
algn sistema cientfico.
Una es una afirmacin o conjetura acerca de una o ms poblaciones. hiptesis estadstica
No es posible saber con absoluta certeza la verdad o falsedad de una hiptesis estadstica, pues
para ello habra que trabajar con toda la poblacin. En la prctica se toma una muestra aleatoria de la
poblacin de inters y se utilizan los datos que contiene tal muestra para proporcionar evidencias que
confirmen o no la hiptesis. Si la evidencia de la muestra es inconsistente con la hiptesis planteada,
entonces sta se rechaza y si la evidencia apoya a la hiptesis planteada, entonces se acepta sta.
La aceptacin de una hiptesis implica tan slo que los datos no proporcionan evidencia suficiente
para refutarla. Por otro lado, el rechazo implica que la evidencia de la muestra la refuta.
La estructura de una prueba de hiptesis consiste en la formulacin de una , es hiptesis nula
decir, cualquier hiptesis que se desee probar, se denota por . El rechazo de , genera la aceptacin de J
0
H
0
una , que se denota por . hiptesis alternativa J
l
Una hiptesis nula referente a un parmetro poblacional siempre debe establecerse de manera que
especifique un valor exacto del parmetro, mientras que la hiptesis alternativa admite la posibilidad de
varios valores.
Por ejemplo:
1) H : = 20 2) H : = 20 8) H : = 20
0 0 0
j j j
H : 20 H : < 20 H : = 20
1 1 1
j j j
En la hiptesis alternativa se plantea usualmente lo que se cree verdadero y en la hiptesis nula lo
que se desea rechazar.
Para tomar una decisin acerca de un parmetro es necesario una para prueba estadstica
cuantificar esta decisin. Esto se logra al establecer primero la distribucin muestral que sigue la muestra
estadstica es decir, la media y despus calcular la prueba estadstica apropiada. Esta prueba estadstica ( )
mide qu tan cerca de la hiptesis nula se encuentra el valor de la muestra. La prueba estadstica suele
seguir una distribucin estadstica conocida normal, t-student, ji cuadrado ( )
La distribucin apropiada de la prueba estadstica se divide en dos regiones
a) regin de rechazo regin crtica ( )
b) regin de no rechazo
Si la prueba estadstica cae en la regin de no rechazo no se puede rechazar la hiptesis nula y si
cae en la regin de rechazo, se rechaza la hiptesis nula.
Para decidir con relacin a la hiptesis nula, primero se tiene que determinar el para valor crtico
la distribucin estadstica de inters. El valor crtico separa la regin de no rechazo de la de rechazo.
151
Errores al realizar una prueba de hiptesis
Al utilizar una muestra para obtener conclusiones sobre una poblacin existe el riesgo de llegar a
una conclusin incorrecta. Pueden ocurrir dos errores diferentes:
1) consiste en rechazar cuando sta es verdadera. Error tipo I H
0
2) consiste en aceptar cuando sta es falsa. Error tipo II H
0
Al probar cualquier hiptesis estadstica, existen cuatro posibles situaciones que determinan si la
decisin es correcta o equivocada.
es verdadera es falsa
se acepta decisin correcta error tipo II
se rechaza error tipo I decisin correcta
H H
H
H
0 0
0
0
La probabilidad de cometer error tipo I, es decir, rechazar cuando es verdadera, se denomina H
0
nivel de significacin y se denota por .P error tipo I c c ( ) =
La probabilidad de no cometer error tipo I, es decir, aceptar cuando es verdadera, se denota H
0
por .P error tipo I 1 = 1 c c ( )
c
La probabilidad de cometer error tipo II, es decir, aceptar cuando es falsa, se representa por H
0
u
.P error tipo II ( ) = u
La probabilidad de no cometer error tipo II, es decir, rechazar cuando es falsa, se denomina H
0
potencia de la prueba y se denota por .P error tipo I 1 = 1 u u ( )
c
El ideal al rechazar una prueba de hiptesis es determinar los procedimientos o reglas que
conduzcan a maximizar la potencia de una prueba, para un fijo. se suele especificar antes de tomar una c c
muestra, es frecuente que o c c = 0, 0 = 0, 01
Esquema para realizar una prueba de hiptesis acerca de un parmetro
1) Plantear la hiptesis nula y la hiptesis alternativa.
a) H : _ /) H : _ c) H : =
0 1 0 1 0 1
0 0 0 0 0 0
H : H : < H : =
1 1 1 1 1 1
0 0 0 0 0 0
152
2) Seleccionar el test estadstico o estadstico de prueba.
3) Fijar c ( ) 0, 0 : 0, 01 : 0, 10
4) Construir la regla de decisin o con el valor elegido de . regin crtica c
5) Extraer una muestra aleatoria de tamao y calcular el valor del test estadstico. :
6) Si el valor calculado del test estadstico cae en la regin crtica rechazar , en caso contrario H
0
no rechazar y concluir que la muestra aleatoria no proporciona evidencia para rechazarla. H
0
Pruebas unilaterales y bilaterales
Una prueba de hiptesis ser unilateral de una cola en los siguientes casos ( )
a) H : =
0 1
0 0
H :
1 1
0 0
/) H : =
0 1
0 0
H : <
1 1
0 0
c) H : _
0 1
0 0
H :
1 1
0 0
d) H : _
0 1
0 0
H : <
1 1
0 0
Una prueba de hiptesis ser bilateral de dos colas si ( )
H : =
0 1
0 0
H : = < .
1 1 1 1
0 0 0 0 0 0 ( )
153
Pruebas de hiptesis
a) Para la media si la varianza es conocida ! !
2
Recuerde que si entonces . Luego la prueba estadsta adecuada A ~ ` , , A ~ ` ,
:
( )
_ _
j o j
o
2
2
debe ser
. =
a
:
j
o
_
1) Para pruebas de hiptesis unilaterales
o a) H : = H : _
0 1 0 1
0 0 0 0
H : H :
1 1 1 1
0 0 0 0
o /) H : = H : _
0 1 0 1
0 0 0 0
H : < H : <
1 1 1 1
0 0 0 0
154
2) Para pruebas bilaterales
H : =
0 1
0 0
H : =
1 1
0 0
Ejemplos
1) Considere la hiptesis nula de que el peso promedio de estudiantes hombres de un cierto
instituto es 68 kilos contra la hiptesis alternativa de que es diferente de 68 kilos. Suponga que los pesos se
distribuyen normalmente con una desviacin estndar de 3,6 kilos. Se elige una muestra aleatoria de 36
estudiantes y se obtiene un peso promedio de 67,5 kilos. Utilice un nivel de significacin del 5 %.
H : = 68
0
j
H : = 68
1
j
c = 0, 0
Regin crtica = 1C
1C : . < . < . = 1C : . < . < .
1 2 1 2 0,07 0,07 c c
= 1C : 1, 06 < . < 1, 06
a = 67, : = 86 = 8, 6 o
. = = 0, 88
67, 68
8, 6
6
Se acepta , es decir, no es posible decidir si el peso promedio de los estudiantes de un cierto H
0
instituto es distinto de 68 kilos.
155
2) Una muestra aleatoria de 100 muertos registrados en Chile durante el ao pasado mostr una
vida promedio de 71,8 aos. Suponiendo una desviacin estndar poblacional de 8,9 aos. Parecera esto
indicar que la vida promedio hoy da es mayor que 70 aos? Utilice un nivel de significacin de 0,05
H : _ 70
0
j
H : 70
1
j
c = 0, 0
1C : . = 1C : . = 1C : . = 1, 64
1 0,0 c
a = 71, 8 : = 100 = 8, 0 o
. = = 2, 022
71, 8 70
8, 0
10
Se rechaza , es decir, es verdad que la vida promedio hoy en da supera los 70 aos. H
0
156
3) Un fabricante de equipo deportivo ha desarrollado un nuevo sedal sinttico para pesca que se
considera tiene una resistencia a la ruptura de 8 kilgramos con una desviacin stndar de 0,5 kilgramos.
Prubese la hiptesis de que Kg. en contraposicin a la alternativa de que Kg. si se prueba una j j = 8 = 8
muestra aleatoria de 50 sedales y se encuentra que tiene una resistencia promedio a la ruptura de 7,8 Kg.
Utilice un nivel de significacin de 0,01
H : = 8
0
j
H : = 8
1
j
c = 0, 01
1C : . < . < . = 1C : . < . < .
1 2 1 2 0,00 0,00 c c
= 1C : 2, 7 < . < 2, 7
a = 7, 8 : = 0 = 0, o
. = = 2, 88
7, 8 8
0,
0
_
Se rechaza , por tanto la resistencia a la ruptura es distinta de 8 Kg H
0
157
Ejercicios
1) Una empresa elctrica fabrica focos que tienen una duracin que est distribuida
aproximadamente en forma normal con una media de 800 horas y una desviacin estndar de 40 horas.
Pruebe la hiptesis de que horas en contraposicin de la alternativa de que horas si j j = 800 = 800
una muestra aleatoria de 30 focos tiene una duracin promedio de 788 horas. Utilice un nivel de
significacin de 0,04.
2) Un fabricante de cigarros afirma que el contenido promedio de nicotina no excede de 3,5
milgramos , con una desviacin stndar de 1,4 milmetros. Para una muestra de 8 cigarros se tiene un
contenido promedio de nicotina de 4,2 milgramos .Est esto de acuerdo con la afirmacin del fabricante
?. Use nivel de significacin de 0,05.
3) Las tensiones de ruptura de los cables fabricados por una empresa tienen media de 1800 lb y
una desviacin estndar de 100 lb. Se desea comprobar si un nuevo proceso de fabricacin aumenta dicha
tensin media. Para ello se toma una muestra de 50 cables y se encuentra que su tensin media de ruptura
es 1850 lb. Se puede afirmar la mejora del nuevo proceso al nivel de significacin del 1%?
4) Se requiere que la tensin de ruptura promedio de un hilo utilizado en la fabricacin de material
de tapicera sea al menos de 100 psi. La experiencia ha indicado que la desviacin estndar de la tensin de
ruptura es 2 psi. Se prueba una muestra aleatoria de nueve especmenes, y la tensin de ruptura promedio
observada en ella es de 98 psi.
Debe aceptarse la fibra como aceptable con 0,05? c =
Solucin
1) Se acepta es decir, los focos tienen una duracin promedio de 800 horas . H ,
0
2) Se acepta es decir, es correcta la afirmacin del fabricante . H ,
0
3) Se rechaza es decir, el nuevo proceso de fabricacin aumenta la tensin de ruptura. H ,
0
4) Se rechaza es decir, la tensin de ruptura promedio es menor que 100 psi. H ,
0
158
b) Para la media si la varianza es desconocida ! !
2
Recuerde que cuando es desconocida se usa y por lo tanto la prueba estadstica adecuada es o
2 2
-
t
t =
a
-
:
j
_
1) Para pruebas de hiptesis unilaterales
o a) H : = H : _
0 1 0 1
0 0 0 0
H : H :
1 1 1 1
0 0 0 0
o /) H : = H : _
0 1 0 1
0 0 0 0
H : < H : <
1 1 1 1
0 0 0 0
159
2) Para pruebas bilaterales
H : =
0 1
0 0
H : =
1 1
0 0
Ejemplos
1) Una compaa de electricidad ha publicado cifras acerca de la cantidad anual de kilowtts-hora
consumida por varios aparatos para el hogar. Se afirma que la aspiradora consume un promedio de 46
kilowtts-hora al ao. Si una muestra aleatoria de 12 hogares incluidos en un estudio planeado indica que las
aspiradoras consumen un promedio de 42 kilowtts-hora al ao con una desviacin stndar de 11,9 kilowtts-
hora. Sugiere esto, con un nivel de significacin de 0,05 , que las aspiradoras consumen, en promedio,
menos de 46 kilowtts-hora al ao?. Suponga que la poblacin de kilowtts-hora es normal.
H : = 46
0
j
H : < 46
1
j
c = 0, 0 a = 42 : = 12 - = 11, 0
1C : t = 1, 706
0,0(11)
t = = 1, 16
42 46
11, 0
12
_
160
Se acepta , es decir, la muestra elegida no da pruebas que el consumo de kilowtts-hora al ao H
0
de la aspiradora sea menor que 46.
2) El gerente de produccin de una empresa cuyo proceso consiste en llenar cajas de cereal desea
saber si efectivamente en cada caja se est depositando, en promedio, los 368 gramos que se supone es lo
que la empresa asegura a sus vendedores. Para ello, se selecciona una muestra aleatoria de 25 de estas
cajas obtenindose una media de 364,1 gramos y una desviacin stndar de 17,3 gramos. Considere que la
distribucin de los pesos de las cajas de cereales es normal y trabaje con un nivel de significacin de 0,05.
Qu decide el gerente de produccin?.
H : = 868
0
j
H : = 868
1
j
c = 0, 0
a = 864, 1 : = 2 - = 17, 8
1C : t < t < t = 1C : 2, 064 < t < 2, 064
0,02(24) 0,02(24)
t = = 1, 18
864, 1 868
17, 8

Se acepta , es decir, el gerente de produccin puede estar seguro que, en promedio, cada caja H
0
contiene 368 gramos de cereal.
161
3) Suponga que en el mismo ejemplo anterior, del proceso de llenado de cajas de cereal, que la
empresa es visitada por un representante de la oficina de proteccin al consumidor y que le interesa
averiguar si las cajas, en promedio, estn faltas de peso, es decir, si el peso promedio es inferior a 368
gramos. Considere un nivel de significacin de 0,01.
H : _ 868
0
j
H : < 868
1
j
c = 0, 01
a = 864, 1 : = 2 - = 17, 8
1C : t = 2, 402
0,01(24)
t = = 1, 18
864, 1 868
17, 8

Se acepta , es decir, el representante de la oficina de proteccin al consumidor puede estar H


0
seguro que, en promedio, el peso de cada caja de cereal no es inferior a 368 gr.
162
Ejercicios
1) Una muestra aleatoria de 36 refrescos de una mquina despachadora automtica tiene un
contenido promedio de 21,9 declitros con una desviacin estndar de 1,42 declitros. Pruebe la hiptesis
de que , declitros en contraposicin a la hiptesis alternativa, declitros, en el nivel de j j = 22 2 < 22, 2
significacin 0,05.
2) Se afirma que un automvil recorre un promedio anual de ms de 20.000 kilmetros. Para
probar esta afirmacin, se le solicita a una muestra aleatoria de 100 propietarios de automvil que lleve un
registro de los kilmetros que recorren. Estara usted de acuerdo con esta afirmacin si en la muestra
aleatoria resulta un promedio de 23.500 kilmetros y una desviacin estndar de 3.900 kilmetros?. Use un
nivel de significacin de 0,01.
3) En un informe de una investigacin de J.M.N. se afirma que los ratones con una vida promedio
de 32 meses llegarn hasta casi 40 cuando 40 % de las caloras en su alimentacin se reemplacen con
vitaminas y protenas. Hay alguna razn para creer que la vida promedio ser inferior a 40 meses si 64
ratones que se han sujetado a esta dieta tienen una vida promedio de 38 meses con una desviacin estndar
de 5,8 meses?. Utilice un nivel de significacin de 0,025.
4) Una empresa elctrica afirma que un compactador de basura se usa un promedio de 125 horas
al ao. Si una muestra aleatoria de 49 hogares equipados con compactadores de basura indica un uso
promedio de anual de 126,9 horas con una desviacin estndar de 8,4 horas, sugiere esto con un nivel de
significacin de 0,05 , que estos aparatos se usan en promedio ms de 125 horas?.
5) En el pasado una mquina ha producido arandelas con un grosor promedio de 0,050 pulgadas.
Para determinar si la mquina sigue en buenas condiciones de produccin, se toma una muestra de 10
arandelas, que resulta tener un grosor medio de 0,053 pulgadas y una desviacin estndar de 0,003
pulgadas. Ensayar la hiptesis de que la mquina est en buenas condiciones de produccin al nivel de
significacin del
a) 0,05
b) 0,01
6) La duracin media de una muestra de 100 tubos fluorescentes producidos por una compaa
resulta ser 1570 horas, con una desviacin estndar de 120 horas. Si es la duracin media de todos los j
tubos producidos por la compaa, comprobar la hiptesis horas contra la hiptesis alternativa j = 1600
j = 1600 horas con un nivel de significacin de
a) 0,05
b) 0,01
163
Solucin
1) Se acepta , es decir, declitros. H = 22, 2
0
j
2) Se rechaza , es decir, un automvil recorre un promedio anual superior a 20000 Km. H
0
3) Se rechaza , es decir, la vida promedio es inferior a 40 meses. H
0
4) Se acepta , es decir, un compactador de basura se usa en promedio menos de 125 horas al H
0
ao.
5) a) Se rechaza , es decir, la mquina no est en buenas condiciones de produccin. H
0
b) Se acepta , es decir, la mquina est en buenas condiciones de produccin. H
0
6) a) Se rechaza , es decir, H
0
j = 1600 horas .
b) horas . Se acepta , es decir, H
0
j = 1600
164
c) Pruebas de hiptesis relacionadas con varianzas
Se utilizan para probar uniformidad de una poblacin. Para ello se usa como prueba estadstica la
distribucin ji cuadrada

o
2
2
2
=
: 1 - ( )
1) Para pruebas de hiptesis unilaterales
o a) H : = H : _
0 1 0 1
0 0 0 0
H : H :
1 1 1 1
0 0 0 0
o /) H : = H : _
0 1 0 1
0 0 0 0
H : < H : <
1 1 1 1
0 0 0 0
165
2) Para pruebas bilaterales
H : =
0 1
0 0
H : =
1 1
0 0
Ejemplos
1) Un fabricante de bateras para automvil asegura que la duracin de sus bateras tiene
distribucin aproximadamente normal con una desviacin stndar de 0,9 aos. Si una muestra aleatoria de
10 baterias tiene una desviacin stndar de 1,2 aos Piensa usted que 0,9 aos? Utilice un nivel de o
significacin de 0,05
H : = 0, 81
0
2
o
H : 0, 81
1
2
o
c = 0, 0
- = 1, 44 : = 10
2
1C : = 16, 010
2
0,0(0)
= = 16
0 1, 44
0, 81
No es posible rechazar H
0
166
2) Se sabe que el contenido de nicotina de una marca de cigarros tiene distribucin
aproximadamente normal con una varianza de 1,3 milmetros. Pruebe la hiptesis de que en o
2
= 1, 8
contraposicin a la alternativa de que si una muestra aleatoria de 8 de estos cigarros tiene una o
2
= 1, 8
desviacin stndar de 1,8 milmetros. Use un nivel de significacin de 0,05.
H : = 1, 8
0
2
o
H : = 1, 8
1
2
o
c = 0, 0
- = 8, 24 : = 8
2
1C : = 1, 600
2
0,07(7)

2
0,02(7)
= 16, 018
= = 17, 4
7 8, 24
0, 18
Se rechaza , es decir, H = 1, 8
0
2
o
167
3) Experiencias pasadas indican que el tiempo para que alumnos del ltimo ao realicen un
examen estandarizado es una v.a normal con una desviacin stndar de 6 minutos. Pruebe la hiptesis de
que en contraposicin a la alternativa de que si una muestra aleatoria de 20 studiantes tiene o o = 6 < 6
una desviacin stndar de 4,51 minutos al realizar este examen. Utilice un nivel de significacin de 0,01
H : = 86
0
2
o
H : < 86
1
2
o
c = 0, 01
- = 20, 8401 : = 20
2
1C : = 7, 688
2
0,00(10)
= = 10, 74
10 20, 8401
86
Con la informacin de la muestra, no es posible rechazar H
0
168
Ejercicios
1) Se sabe que la capacidad de los recipientes de un determinado lubricante tiene distribucin
normal con una varianza de 0,03 litros . Pruebe la hiptesis de que en contraposicin a la
2
o
2
= 0, 08
alternativa de que 0,03 para la muestra aleatoria de 10 recipientes que tiene una desviacin estndar o
2
=
de 0,25. Use nivel de significacin de 0,01.
2) Se sabe que el contenido de nicotina de una marca de cigarros tiene una distribucin
aproximadamente normal con una varianza de 1,3 milgramos. Pruebe la hiptesis de que en o
2
= 1, 8
contraposicin a la alternativa de que si una muestra aleatoria de 8 de estos cigarros tiene una o
2
= 1, 8
desviacin estndar de 1,8. Use nivel de significacin de 0,05.
3) En el pasado la desviacin estndar de los pesos de ciertos paquetes de 40 onzas, llenados por
una mquina era de 0,25 onzas. Una muestra aleatoria de 20 paquetes dio una desviacin estndar de 0,32
onzas. Es el aparente incremento de variabilidad significativa al nivel de significacin del
a) 0,05
b) 0,01
4) Se formula la hiptesis de que la desviacin estndar del ingreso domstico anual de cierta
comunidad es de 3.000 dlares. En una muestra de 15 hogares aleatoriamente seleccionados, la desviacin
estndar es 2.000 dlares. Se supone que las cifras de ingreso domstico de la poblacin siguen una
distribucin normal. Con base en este resultado muestral, puede rechazarse la hiptesis nula con un nivel
de significacin del
a) 0,05 ?
b) 0,01 ?
Solucin
1) Se acepta , es decir, H = 0, 08
0
2
o
2) Se rechaza , es decir, H = 1, 8
0
2
o
3) a) Se rechaza , es decir, existe un aumento de variabilidad H
0
b) Se acepta , es decir, no existe un aumento de variabilidad H
0
4) a) Se acepta , es decir, dlares H = 8.000
0
o
b) Se acepta , es decir, dlares H = 8.000
0
o
169
Autoevaluacin
1) Los sistemas de escape de emergencia para tripulaciones de aeronaves son impulsados por un
combustible slido. Una de las caractersticas importantes de este producto es la rapidez de combustin.
Las especificaciones requieren que la rapidez promedio de combustin sea 50 cm/seg. Se sabe que la
desviacin estndar de esta rapidez es 2 cm/seg. El experimentador decide especificar un nivel de
significacin de 0,05. Selecciona una muestra aleatoria de 25 y obtiene una rapidez promedio de
combustin de 51,3 cm/seg. A qu conclusiones debe llegar?
2) Se inserta un remache en un agujero. Si la desviacin estndar del dimetro del agujero es
mayor que 0,01 mm, entonces existe una probabilidad inaceptablemente grande de que el remache no entre
en el agujero. Se toma una muestra aleatoria de 15 piezas, y se mide el dimetro del agujero, la desviacin
estndar es de 0.008 mm. Existe evidencia fuerte que indique que la desviacin estndar del dimetro del
agujero es mayor que 0,01 mm? Utilice un nivel de significacin de 0,01
3) La brillantez de un cinescopio de televisin puede evaluarse midiendo la corriente necesaria
para alcanzar un nivel de brillantez particular. Un ingeniero ha diseado un cinescopio para el que cree que
requiere , en promedio, 300 microamperes de corriente para producir el nivel deseado de brillantez. Se
toma una muestra de 10 cinescopios y se obtiene una media de 317,2 microamperes con una desviacin
estndar de 15,7 microamperes. Utilice un nivel de significacin de 0,05
4) El contenido de azcar del almibar de los duraznos enlatados tiene una distribucin normal,
donde se cree que la varianza es 18 mg . Pruebe la hiptesis contra la alternativa si al
2 2 2
o o = 18 = 18
tomar una muestra de 10 latas la desviacin estndar es 4,8 mg. Use un nivel de significacin de 0,01
5) Un ingeniero civil hace pruebas con la resistencia a la compresin del concreto. Para ello
examina 12 especmenes obteniendo una media de 2260 psi y una desviacin estndar de 36 psi.Pruebe la
hiptesis psi contra la alternativa psi . Use un nivel de significacin de 0,05 j j = 2270 2270
170
Solucin
1) H : _ 0
0
j
H : 0
1
j
Rechazar , es decir, la rapidez promedio es superior a 50 cm/seg. H
0
2) H : _ 0, 01
0
2
2
o ( )
H : < 0, 01
1
2
2
o ( )
Aceptar , es decir, no existe evidencia fuerte que indique que la desviacin estndar del H
0
dimetro del agujero es menor que 0,01 mm
3) H : = 800
0
j
H : = 800
1
j
Rechazar , es decir, el cinescopio requiere sobre 300 microamperes de corriente para producir H
0
el nivel deseado de brillantez.
4) H : = 18
0
2
o
H : = 18
1
2
o
Aceptar , es decir, la varianza es de 18 mg H
0
2
5) H : = 220
0
j
H : 220
1
j
Aceptar , es decir, la resistencia promedio a la compresin del concreto es de 2250 psi. H
0
171
Unidad N5 : Regresin Lineal
El anlisis de se utiliza para fines de prediccin. Regresin
A menudo existen relaciones entre 2 ms variables, por ejemplo, entre el peso y la estatura de
una persona, las horas de estudio y la calificacin obtenida, etc. Suele ser deseable expresar tales relaciones
en forma matemtica determinando una ecuacin que conecte a las variables.
Para hallar una ecuacin que relacione las variables, el primer paso es recoger datos que muestran
valores correspondientes de las variables bajo consideracin.
As por ejemplo, la siguiente tabla muestra las alturas y peso de una muestra de 10 personas:
Altura
Peso
(a) 1.66 1.0 1.62 1.60 1.61 1.40 1.70 1.68 1. 1.60
(j) 60 62 6 6 61 0 68 60 8 64
El prximo paso es marcar los puntos en un sistema de coordenadas rectangulares, el (a, j)
conjunto de puntos resultantes se denomina Diagrama de dispersin
Diagrama de Dispersin
45
50
55
60
65
70
1,45 1,5 1,55 1,6 1,65 1,7 1,75
Altura
P
e
s
o
A partir del Diagrama de Dispersin es posible (a veces), visualizar una curva que aproxima los
datos. Tal curva se denomina Curva Apoximante.
172
Los siguientes diagramas de dispersin:
Relacin Lineal
X
Y
Re l a c i n No Li n e a l
X
muestran una relacin lineal en el primer caso y una relacin no lineal en el segundo.
El problema general de hallar ecuaciones de curvas aproximantes que se ajusten a un conjunto de
datos se denomina Ajuste de curvas
Uno de los propsitos principales de la curva de ajuste es estimar una de las variables (la variable
dependiente) conocida otra (la variable independiente). El proceso de estimacin se conoce como
Regresin.
173
Los tipos ms comunes de curvas aproximantes y sus ecuaciones se representan en la siguiente
lista:
Lnea Recta = j = a a a
0 1
Parbola = j = a a a a a
0 1 2
2
Curva Cbica = j = a a a a a a a
0 1 2 8
2 8
Todas las letras excepto e representan constantes. La variable es la variable independiente a j a
y la variable es la variable dependiente. Aunque esto se puede cambiar, es decir, en algunos casos la j
variable ser la dependiente y la variable la independiente. a j
Para decidir que curva usar es til observar el diagrama de dispersin. Con el diagrama de
dispersin se puede tener una idea aproximada de la relacin entre las variables. La relacin ms sencilla es
la lineal.
A menudo se recurre a la intuicin personal para dibujar una curva que se ajuste a un conjunto de
datos. Este mtodo tiene la desventaja de que diferentes observadores obtendrn distintas curvas y
ecuaciones.
Para evitar juicios subjetivos al construir rectas, parbolas u otras curvas aproximantes de ajuste
de datos se utiliza el Mtodo de Mnimos Cuadrados.
Dado el siguiente Diagrama de Dispersin:
Una medida de la bondad del ajuste de la curva a los datos dados est proporcionada por la
cantidad:
174
1 1 1 ........ 1
1 2 8 :
2 2 2 2
Si esta cantidad es pequea, el ajuste es bueno. Si la cantidad es grande, el ajuste es malo.
Definicin: De todas las curvas que aproximan un conjunto de datos, la que tiene la
propiedad de que es mnimo se llama una 1 1 1 ........ 1
1 2 8 :
2 2 2 2
Curva de Ajuste Optimo.
Estas diferencias con pueden ser positivas, negativas o iguales a cero. 1 i = 1, 2, 8, ....., :
i
Una curva que cumpla con la condicin de que sea mnimo se 1 1 1 ........ 1
1 2 8 :
2 2 2 2
denomina Esta curva puede ser: una recta, una parbola, una parbola Curva de Mnimos Cuadrados.
cbica, etc.
La Recta de los Mnimos Cuadrados
El anlisis de regresin lineal simple tiene por objeto encontrar la lnea recta que mejor se ajuste a
los datos, esto significa que se desea encontrar la lnea recta para la cual las diferencias entre los valores
reales de y los valores estimados sean lo ms pequeas posible. j j
.
La recta de mnimos cuadrados que aproxima el conjunto de puntos: (a , j ), (a , j ),
1 1 2 2
(a , j ), ......., (a , j ) a a
8 8 : : 0 1
tiene por ecuacin la recta , donde las constantes se g = o o r
0 l
y
determinan al resolver el siguiente sistema de ecuaciones:
_ _ j = a : a a
0 1
_ _ _ aj = a a a a
0 1
2
que se denominan las para la recta de mnimos cuadrados. Ecuaciones Normales
Otra forma de determinar estas constantes y , es a travs de las siguientes frmulas que se a a
0 1
deducen de las Ecuaciones Normales:
a = a = j a a
: aj a j
: a a
1 0 1
_ _ _
_ _
_ _
2
2
donde: e corresponden al promedio de los datos dados para e , respectivamente. a j a j
Lo anterior se utiliza cuando es la variable independiente e es la variable dependiente. a j
175
Si se toma como la variable dependiente, la recta toma la forma , y las ecuaciones a a = / / j
0 1
normales seran:
_ _ a = / : / j
0 1
_ _ _ aj = / j / j
0 1
2
/ = / = a / j
: aj a j
: j j
1
2
2
_ _ _
_ _
_ _
0 1
La recta de mnimos cuadrados resultante no es, generalmente, la misma que la obtenida antes.
Ejemplo:
1) Determine la recta de mnimos cuadrados considerando:
a) como la variable independiente a
b) como la variable dependiente a
para la siguiente tabla:
a 1 8 4 6 8 0 11 14
j 1 2 4 4 7 8 0
Diagr ama d e Dispe r sin
0
1
2
3
4
5
6
7
8
9
10
0 2 4 6 8 10 12 14 16
X
Y
176
a) como la variable independiente a = j = a a a
0 1
Para determinar las constantes usamos las ecuaciones normales:
_ _ j = a : a a
0 1
_ _ _ aj = a a a a
0 1
2
De la tabla se tiene que: : = 8 a = 6 j = 40 _ _
_ _ a = 24 aj = 864
2
Luego, las ecuaciones normales que se deben resolver son:
40 = 8a 6a ( 7)
0
1
864 = 6a 24a
0 1
280 = 6a 802a
0
1
864 = 6a 24a
0
1
84 = 182a
1
a = = a = =
84 21
182 88
1 1
o =
7
ll
l
Reemplazando en: se tiene: a = 40 = 8a 6a
7
11
1 1
0
40 = 8a 6 8
7
11
0
_ _

= a = a = =
40 40
11 11
0 0
o =
6
ll
0
Luego, la recta de mnimos cuadrados es: g = r
6 7
ll ll
La ecuacin determinada se puede graficar sobre el diagrama de dispersin de los datos.
177
b) como la variable dependiente a = a = / / j
0 1
Para determinar las constantes usamos las ecuaciones normales:
_ _ a = / : / j
0 1
_ _ _ aj = / j / j
0 1
2
De la tabla se tiene que: : = 8 a = 6 j = 40 _ _
_ _ j = 26 aj = 864
2
Las ecuaciones normales son:
6 = 8/ 40/ ( )
0
1
864 = 40/ 26/
0 1
280 = 40/ 200/
0
1
864 = 40/ 26/
0
1
84 = 6/
1
/ = =
84
6
1
b =
3
2
l
Reemplazando en: se tiene: / = 6 = 8/ 40/
8
2
1 1
0
6 = 8/ 40 8
8
2
0
_ _

7 = / = / = 7 =
1 1
2 2
0 0
b =
l
2
0
Luego, la recta de mnimos cuadrados es: r = g
l 3
2 2
La ecuacin determinada se puede graficar sobre el diagrama de dispersin de los datos.
Las rectas de mnimos cuadrados que hemos determinado nos sirven para estimar, basados en
datos de una muestra, el valor de una variable correspondiente a un valor dado de la variable . La curva j a
resultante se denomina , ya que se estima a partir de . Curva de Regresin de sobre g r j a
En el ejemplo anterior, la ecuacin de la curva de regresin de sobre es: j a
g = r
6 7
ll ll
178
Podemos estimar el valor para de la siguiente forma: j a =
j = = j = = j = ~ 8.78
6 7 6 8 41
11 11 11 11 11
( )
.
Para a = 4 = j = 4 = j = = j = ~ 8.00
6 7 6 28 84
11 11 11 11 11
( )
.
La ecuacin permite estimar el valor de a partir de un valor de . Esta a = j a j
1 8
2 2
ecuacin se denomina Ecuacin de Regresin de sobre r g.
Los valores estimados a travs de las ecuaciones encontradas no necesariamente corresponden a
los valores dados en la tabla.
Las ecuaciones de las rectas de regresin y se intersectan en un j = a a a a = / / j
0 1 0 1
punto llamado que se denota por , donde: Centroide (r, g)
a = j =
a j
: :
_ _
Para el ejemplo anterior, se tiene que el centroide es:
Centroide a = = 7 j = = = (a, j) = (7, )
6 40
8 8
El mtodo de regresin responde a tres tipos de objetivos:
1) Estudiar si ambas variables estn relacionadas
2) Determinar que tipo de relacin, si existe, las une
3) Predecir los valores de una variable a partir de valores conocidos de la otra.
Conocer el grado de relacin existente entre ambas variables, permitir saber si la prediccin
realizada con el modelo matemtico establecido, es buena o mala.
179
Para medir el grado de relacin existente entre la variable independiente y la variable dependiente,
lo que ms se utiliza es el ( de Pearson ), cuyo mtodo abreviado de Coeficiente de Correlacin Lineal v
clculo est dado por la siguiente frmula:
r =
n rg r g
n r r n g g

6 76 7
o
> 6 7 ?> 6 7 ?
2 2
2 2
El valor de se encuentra en el intervalo v 1, 1 [ [
Si , entonces no existe correlacin entre las variables v = 0
Si , entonces la correlacin es perfecta y negativa v = 1
Si , entonces la correlacin es perfecta y positiva v = 1
Si entonces la correlacin es mala v 0., 0.
]
Si entonces la correlacin es buena v y 0., 0.
]
Ejemplo: La siguiente tabla representa las notas en Algebra y Fsica de estudiantes elegidos al 10
azar:
Algebra
Fsica
(a) 7 80 08 6 87 71 08 68 84 77
(j) 82 78 86 72 01 80 0 72 80 74
a) Diagrama de Dispersin
Di a gra ma de Di spe rsi n
0
10
20
30
40
50
60
70
80
90
100
0 10 20 30 40 50 60 70 80 90 100
Alge br a
F

s
i
c
a
180
De los datos dados se tiene que:
_ _
a = 708 j = 810
: = 10 aj = 6604 a = 64722 j = 6767
_ _ _
2 2
b) Determine la recta de regresin de sobre j a = j = a a a
0 1
Para determinar las constantes y , tenemos: a a
0 1
_ _ j = a : a a
0 1
_ _ _ aj = a a a a
0 1
2
Luego, el sistema de ecuaciones que debemos resolver es el siguiente:
810 = 10a 708a (800)
0 1

6604 = 708a 64722a ( )


0 1

826781 = 8000a 818402a


0 1
88022 = 8000a 828610a
0 1
8444 = 208a = a = 0.66
1 1
Luego, reemplazando en: se tiene que: a 810 = 10a 708a
1 0 1
a = = a = 20.28
810 708(0.66)
10
0 0
Por lo tanto, la ecuacin de la recta de regresin de sobre es: j a
j = 20.28 0.66a
c) Determine el centroide (a, j)
a = = 70.8 j = = 81.0
708 810
10 10
Luego, el centroide es (a, j) = (70.8, 81.0)
181
d) Halle el coeficiente de correlacin lineal
v =
10(6604) 708(810)
10(64722) (708) 10(6767) (810)
_
[ [[ [
2 2
Por lo tanto, la correlacin entre las variables es buena. v = ~ 0.87
6888
62881424
_
e) Estimar el valor de para y j a = 70 a = 6
a = 70
j = 20.28 0.66(70) = 7.48
El valor estimado para es a = 70 j = 7
.
a = 6
j = 20.28 0.66(6) = 72.18
El valor estimado para es a = 6 j = 72
.
f) Si un estudiante tiene puntos en Algebra. Cul es su nota esperada en Fsica? 7
La nota esperada en Fsica es: j = 20.28 0.66(7)
.
j = 78.78
.
puntos j ~ 70
.
182
Ejercicios
1) Determine para los datos del ejemplo anterior la ecuacin de regresin de sobre a j
2) Dados los siguientes datos en forma de pares : , , , , , , (a, j) (2, 2) (4, 8) (, 8) (6, 4) (7, 6) (8, )
(0, 7) (10, 6) ,
a) Dibujar el diagrama de dispersin
b) Hallar la ecuacin de la recta de regresin de sobre j a
c) Estimar los valores de para j a = , a = 8, a = 14
3) En la siguiente tabla se presentan datos que relacionan el nmero de semanas de experiencia
( ) de un trabajador y el nmero de artculos defectuosos ( ) elaborado por cada uno de ellos: a j
a 7 0 0 14 8 12 10 4 2 11 8 4 6
j 26 20 28 16 28 18 24 26 88 22 82 2 8 80
a) Trace el diagrama de dispersin
b) Determine la ecuacin de la recta de regresin de sobre j a
c) Grafique la recta de regresin de sobre j a
d) Estime el nmero de artculos defectuosos para empleados que tienen:
- Tres semanas de experiencia laboral
- Doce semanas de experiencia laboral
e) Calcule el coeficiente de correlacin lineal e interprete
f) Determine el centroide de los datos dados
4) El gerente de personal de una empresa intuye que quizs exista relacin entre el ausentismo
laboral y la edad de los trabajadores. Desea tomar la edad de los trabajadores para desarrollar un modelo de
prediccin de das de ausencia durante un ao laboral. Se seleccion una muestra aleatoria de 10
trabajadores y se obtuvo los siguientes datos:
Trabajador Edad Das Ausentes (a) (j)
1 27 1
2 61 6
8 87 10
4 28 18
46 0
6 8 7
7 20 14
8 86 11
0 64
10 40 8
a) Diagrama de Dispersin
b) Determine la recta de regresin de sobre j a
c) Calcule el coeficiente de correlacin lineal e interprete
d) Estime los das de ausentismo laboral para trabajadores que tienen aos, aos y aos 2 84 0
de edad
183
Solucin
1) a = 14, 80 1, 1j
2) a)
Diagrama de Dispersin
0
1
2
3
4
5
6
7
8
9
10
0 1 2 3 4 5 6 7 8 9 10 11
X
Y
b) j = 0, 68 0, 61a
c) (Respectivamente) j = 8, 7 j = , j = 0, 2
. . .
3) a)
Diagrama de Dispersin
0
5
10
15
20
25
30
35
40
0 2 4 6 8 10 12 14 16
X
184
b) j = 87, 748 1, 18a
c) Grfico de la recta de regresin: j = 87, 748 1, 18a
Experiencia & Art. Defectuosos
0
5
10
15
20
25
30
35
40
1 3 5 7 9 11 13 15 17 19
X
Y
d) a = 8 = j = 88, 104 ~ 88
.
a = 12 = j = 10, 82 ~ 20
.
e) v = 0, 818
El coeficiente de correlacin lineal nos indica que la correlacin lineal entre las v = 0, 818
variables es buena y negativa, es decir, a mayor experiencia laboral menos artculos defectuosos elabora un
trabajador.
f) Centroide (a, j) = (7, 786: 2, 020)
185
4) a)
Di a gra ma de Di spe rsi n
0
2
4
6
8
10
12
14
16
18
20
0 10 20 30 40 50 60 70
Edad
A
u
s
e
n
t
i
s
m
o
b) j = 21, 88 0, 268 a
c) La correlacin entre la edad y el ausentismo laboral es muy buena y v = 0, 08
negativa, es decir, a mayor edad menos das de ausencia laboral.
d) aos das a = 2 = j = 14, 888 ~ 1
.
aos das a = 84 = j = 12, 471 ~ 12
.
aos das a = 0 = j = 8, 188 ~ 8
.
186
Anlisis de Residuos
El anlisis de residuos sirve para verificar si el modelo lineal es el que mejor se ajusta a los datos
dados.
Se define un ( como la diferencia entre el valor observado y el valor estimado , es residuo c ) j j
i
.
decir,
donde valor observado c = g g
i i i
r
j =
i
valor estimado j =
/
i
El anlisis de residuos nos permite llegar a conclusiones tales como:
a) La funcin de regresin es lineal
b) La funcin de regresin no es lineal
c) El modelo de regresin lineal se ajusta a todas excepto una o varias observaciones atpicas.
Estas observaciones atpicas pueden no considerarse si el nmero de datos es grande (mayor que ). 80
La forma ms comn de enfrentar el problema del anlisis de residuos, es mediante un estudio
grfico de ellos. Para graficar los residuos se considera el siguiente grfico:
Gr fi co de Re siduos
-1,0
-0,8
-0,6
-0,4
-0,2
0,0
0,2
0,4
0,6
0,8
1,0
X
R
e
s
i
d
u
o
s

187
Las siguientes figuras, muestran diferentes situaciones que se presentan con cierta frecuencia:
a)
Gr fi co de Re si duos
-1,0
-0,8
-0,6
-0,4
-0,2
0,0
0,2
0,4
0,6
0,8
1,0
X
R
e
s
i
d
u
o
s
La figura anterior muestra un caso tpico de residuos cuando el modelo lineal es adecuado. Todos
los residuos tienden a caer en una banda horizontal centrada alrededor del cero.
b)
Gr fi co de Re si duos
-30
-25
-20
-15
-10
-5
0
5
X
R
e
s
i
d
u
o
s
La figura anterior indica una desviacin clara de la linealidad, sugiriendo la necesidad de ajustar
una funcin de regresin no lineal.
188
c)
Grfico de Residuos
-2,0
-1,5
-1,0
-0,5
0,0
0,5
1,0
1,5
2,0
X
R
e
s
i
d
u
o
s

La figura anterior presenta una observacin atpica, es decir, se escapa del modelo lineal que
tienen los otros datos. La influencia de estos puntos atpicos, ser mayor si el nmero de datos es pequeo
(menor o igual a ). 80
Ejemplo: Dada la siguiente tabla y la recta de regresin de sobre : j a
a 6 68 67 64 68 62 70 66 68 67 60 71
j 68 66 68 6 60 66 68 6 71 67 68 70
j = 8, 82 0, 476a
Determine:
a) Los valores estimados de j
b) Los residuos para cada caso c
i
c) Represente grficamente los residuos
d) Qu puede concluir de este grfico?
Solucin:
a) Los valores estimados de , que aparecen en la tabla, se determinan reemplazando en la j a
recta dada:
j = 8, 82 0, 476a
Por ejemplo, para se tiene que a = 6 j = 8, 82 0, 476(6) = j = 66, 8
/
El mismo procedimiento se debe realizar para los dems valores de a
189
b) Los residuos , que aparecen en la tabla, se determinan de la siguiente forma: c
i
Para se tiene: j = 68 c = j j
i
/
c = 68 66, 8
i
c = 1, 2
i
El mismo procedimiento se debe realizar para los dems valores de j
a 6 68 67 64 68 62 70 66 68 67 60 71
j 68 66 68 6 60 66 68 6 71 67 68 70
j 66, 8 6, 8 67, 7 66, 8 68, 2 6, 8 60, 1 67, 2 68, 2 67, 7 68, 7 60, 6
c 1, 2 0, 2 0, 8 1, 8 0, 8 0, 7 1, 1 2,
/
i
2 2, 8 0, 7 0, 7 0, 4
c)
Anlisis de Resi duos
-3,0
-2,0
-1,0
0,0
1,0
2,0
3,0
60 62 64 66 68 70 72
x
R
e
s
i
d
u
o
s
d) Los residuos nos indican que la recta de regresin dada en algunos casos no es la mejor
estimadora para . Existen 5 puntos que se escapan del intervalo j 1, 1 [ [
190
Ejercicio
1) Dada la siguiente informacin, qu puede concluir a travs del anlisis de residuos?
a 1 8 4 6 8 0 11 14
j 1 2 4 4 7 8 0
j 1, 2, 6 8, 2 4, 8 , 8 , 0 7, 0 8, 6
/
Solucin:
1)
a 1 8 4 6 8 0 11 14
j 1 2 4 4 7 8 0
j 1, 2, 6 8, 2 4, 8 , 8 , 0 7, 0 8, 6
c 0, 0, 6 0, 8 0, 8 0, 8 1, 1 1, 0 0, 4
/
i
Anlisis de Resi duos
-1
-0,8
-0,6
-0,4
-0,2
0
0,2
0,4
0,6
0,8
1
1,2
0 2 4 6 8 10 12 14
X
R
e
s
i
d
u
o
s
Los residuos son muy grandes para los datos dados. Por lo tanto, no existe una relacin lineal
entre los datos dados.
191
Autoevaluacin
1) Dada la siguiente tabla:
a 8 6 8 0 11
j 2 8 4 6 8
Determine:
a) Diagrama de Dispersin
b) La ecuacin de la recta de regresin de sobre . Grafquela j a
c) El coeficiente de correlacin lineal. Interprete.
d) Estime los valores de , para y j a = 4 a = 6
2) Dada la siguiente tabla:
Hrs. Estudio
Nota Examen
(a) 20 16 84 28 27 82 18 22 20
(j) 64 61 84 70 88 02 72 77 66
a) Elabore el Diagrama de Dispersin
b) Determine el Coeficiente de Correlacin Lineal. Concluya.
c) Determine la recta de regresin de sobre . Grafique. j a
d) Estime la nota de Examen para un alumno que estudi horas 2
192
Solucin
1) a)
Diagrama de Dispersin
0
1
2
3
4
5
6
7
8
9
0 1 2 3 4 5 6 7 8 9 10 11 12
x
y
b) j = a
1
8 7
c) La correlacin entre las variables es buena. v = 0, 08
d) a = 4 = j = 2, 2 a = 6 = j = 8, 0
2) a)
Diagrama de Dispersin
50
60
70
80
90
100
10 15 20 25 30 35 40
Horas de Estudio
N
o
t
a

E
x
a
m
e
n
b) La correlacin entre las variables es buena. v = 0, 867
c) j = 88, 61 1, 4 a
d) a = 2 j = 77