Curso Estadistica Resuelto N

FUNDACION CENTRO COLOMBIANO DE ESTUDIOS PROFESIONALES.
AREA: ESTADISTICA INFERENCIAL

PERIODO ACADEMICO: II-2012
PROBABILIDAD
NOMBRE:

GRADO COD: FECHA

1. ESTADISTICA.
Es una ciencia de la matemtica que permite a un investigador o
a un estadstico deducir, evaluar, inferir y decidir conclusiones
acerca de una poblacin a partir de una informacin
suministrada por una muestra.
La estadstica trata de teoremas, herramientas, mtodos y
tcnicas que se pueden usar en:
a. Recoleccin, seleccin y clasificacin de datos.
b. Interpretacin y anlisis de datos.
c. Deduccin y evaluacin de conclusiones y de su
confiabilidad con base a datos mustrales.
POBLACION. (N).
Es El conjunto de todos los datos de una comunidad, que son
caractersticas medidas o discretas de ciertos objetos o
elementos.
Los datos de la poblacin pueden ser:
Cuantitativas: Medibles.
Cualitativas: No medibles.
Ej. No1. Ingreso familiar, diarios, semanal, mensual o anual
medio de una comunidad de 5.000 familias.
N=5.000 familias
Salarios ={2.000.000, 500.000, 1.550.000, 785.000, }
Ej. No2. La nota promedio de la nota de Estadstica I semestre,
de los 458 estudiantes de ingeniera de la universidad.
N= 458 Notas
Notas = {3.8, 4, 3.5, 2, 1.5, 1.0, 5, 4.2, 4.3, 3.9, 4,1, ..}
Ej. No3. La edad media de los 1.200 estudiantes del CECEP,
matriculados al da de hoy.
N= 1.200 Edad Estudiantes.
Edades = {19, 20, 28, 31, 19, 20, 25, 19, 18, 33, }
MUESTRA. (n).
Son datos tomados de una poblacin para tomar una decisin
despus de un estudio o anlisis.
ANALISIS DE DATOS.
Es el estudio o anlisis para tomar la decisin.
Ej. No1. Se desea hacer el estudio de las notas de los 40
estudiantes de Estadstica Inferencial, del semestre pasado.
1.0 3.5 4.0 1.5 2.5 2.9 3.0 4.1
3.5 3.2 0.7 4.4 3.8 2.8 1.6 3.0
4.0 1.4 4.2 2.6 1.7 0.8 3.7 2.5
0.5 5.0 3.9 2.7 3.6 4.1 1.8 3.5
3.2 1.5 2.1 3.1 4.3 3.5 2.0 2.9
Poblacin N = 40
Mayor nota = 5.0
Menor nota = 0.5
Rango de datos = 5.0 0.5 = 4.5
Datos ordenados.
0.5 1.5 2.0 2.7 3.0 3.5 3.8 4.1
0.7 1.5 2.1 2.8 3.1 3.5 3.9 4.2
0.8 1.6 2.5 2.9 3.2 3.5 4.0 4.3
1.0 1.7 2.5 2.9 3.2 3.6 4.0 4.4
1.4 1.8 2.6 3.0 3.5 3.7 4.1 5.0
LA MODA. .
Es el dato que ms se repite de la poblacin o la muestra.

LA MEDIANA. .
Es el trmino que ocupa la posicin de la mitad.

LA MEDIA ARITMETICA O PROMEDIO. .
Es la suma de todos los datos, dividido por el nmero de datos.

El promedio de la nota del grado fue 2.85, pero eso no quiere
decir que todos los estudiantes perdieron.
Perdieron.

Ganaron.

DATOS AGRUPADOS.
DISTRIBUCION DE FRECUENCIA.
No de Clases.
Existe la Reglas de Sturges.

Esto nos indica que se deben tomar 6 clases, pero por facilidad y
comodidad de la escala de valoracin, se toman 5 clases.
TABLA DE FRECUENCIAS.
CLASE MARC
A
F.A. F.A.A. F.R. F.R.A.
[O; 1) 0.5 3 3 0.075 0.075
[1; 2) 1.5 7 10 0.175 0.250
[2; 3) 2.5 9 19 0.225 0.475
[3; 4) 3.5 13 32 0.325 0.800
[4; 5) 4.5 8 40 0.200 1.000
HISTOGRAMA.
Grafico que representa la Frecuencia Absoluta contra el nmero
de datos. F.A/N.
Tambin llamado diagrama de barras.

LA MEDIA ARITMETICA.

PARAMETROS DE POBLACION.
1. El total: (A) Suma de los datos.
2. Proporcin: (). Fraccin de la poblacin que cumple una
determinada propiedad.
Ej. No1. De la cantidad de 40 estudiantes, el numero de
ellos que aprobaron la materia.

Ej. No2. De una poblacin de 500 artculos, 40 son
defectuosos.

3. Las medidas de tendencia central.
Media, moda y mediana.
4. Medidas de dispersin. Miden la disparidad de los distintos
datos de una poblacin.
Desviacin Media. (D.M.)
Es la medida de los valores absolutos de las diferencias
entre los datos y la media aritmtica.

|
| | | | | |

La nota de cada uno de los estudiantes difiere de la media
aritmtica, en promedio 0.94.

0.94 0.94
Desviacin Estndar. (S)
Mide la desviacin promedio de cada uno de los datos
respecto a la media aritmtica.

El promedio de cada nota de estadstica, difiere del
promedio del grupo en 1.1311.
Para datos agrupados.
0
2
4
6
8
10
12
14
[O; 1) [1; 2) [2; 3) [3; 4) [4; 5)
N
U
M
E
R
O

D
E

D
A
T
O
S

ESCALA DE VALORACION
FRECUENCIA ABSOLUTA/DATOS.

Pero con la ayuda del Excel este tipo de clculos se hacen
ms fciles.

N0 DATOS DIFEREN CUADRADO
1 1,00 -1,85 3,4225
2 3,50 0,65 0,4225
3 4,00 1,15 1,3225
4 0,50 -2,35 5,5225
5 3,20 0,35 0,1225
6 3,50 0,65 0,4225
7 3,20 0,35 0,1225
8 1,40 -1,45 2,1025
9 5,00 2,15 4,6225
10 1,50 -1,35 1,8225
11 4,00 1,15 1,3225
12 0,70 -2,15 4,6225
13 4,20 1,35 1,8225
14 3,90 1,05 1,1025
15 2,10 -0,75 0,5625
16 1,50 -1,35 1,8225
17 4,40 1,55 2,4025
18 2,60 -0,25 0,0625
19 2,70 -0,15 0,0225
20 3,10 0,25 0,0625
21 2,50 -0,35 0,1225
22 3,80 0,95 0,9025
23 1,70 -1,15 1,3225
24 3,60 0,75 0,5625
25 4,30 1,45 2,1025
26 2,90 0,05 0,0025
27 2,80 -0,05 0,0025
28 0,80 -2,05 4,2025
29 4,10 1,25 1,5625
30 3,50 0,65 0,4225
31 3,00 0,15 0,0225
32 1,60 -1,25 1,5625
33 3,70 0,85 0,7225
34 1,80 -1,05 1,1025
35 2,00 -0,85 0,7225
36 4,10 1,25 1,5625
37 3,00 0,15 0,0225
38 2,50 -0,35 0,1225
39 3,50 0,65 0,4225
40 2,90 0,05 0,0025

114,10 0,00 51,1800
2,85

1,2795

S 1,1311

EJERCICIO No1.
Hallar todos los parmetros para los datos desagrupados y
agrupados. Hacer las correspondientes graficas.
1. Peso promedio de 30 estudiantes de una clase. En Kg
100 60 75 90 84 70
86 58 65 76 56 64
69 63 95 80 66 82
85 75 103 76 83 70
76 80 70 69 72 87
2. Edad de 32 personas de una empresa dedicada a las ventas.
20 25 24 21 22 28
22 32 26 23 26 31
25 35 28 25 23 36
30 21 30 27 24 40
26 20 33 29 29 38
21 22 31 31 27 25
3. Determnese el porcentaje de datos para cada ejercicio, que
caen en cada uno de los intervalos dado.
a.

b.

c.

2. TECNICAS DE CONTAR.
FACTORIAL.
Para todo nmero natural n, se llama n factorial o factorial de n
al producto de todos los naturales desde 1 hasta n:

Por definiciones de factorial se da:
1. El factorial de 1:
2. El factorial de 0:
Es para facilitar las operaciones con factorial y de proceso lgico.
Ejemplo 1:

Ejemplo 2: Simplificar y hallar los resultados.

1.

2.

3.

4.

5.

6.

7.

8.

EJERCICIOS No2.
1.
3.

2.
4.

PERMUTACIONES.
La Rotacin de todos los elementos de un evento o un conjunto.

Ej. No1. Cuantas palabras de 4 letras pueden formarse con las
letras A, B, C, D.

Ej. No2. Una junta de 3 personas, donde se debe elegir,
Presidente, Vicepresidente y Tesorero. De cuantas formas
diferentes se pueden organizar.

VARIACIONES.
Es el nmero de organizaciones diferentes que se pueden
obtener de n objetos tomados en grupos de r elementos.

En estos grupos organizados existe el orden. La ubicacin de
cada elemento interesa.
Ej. No3. Cuantos nmeros de 4 cifras se pueden formar con las
cifras 1, 2, 3, 4, 5, 6. Ninguna cifra se puede repetir.
n = 6 r = 4. Son Variaciones de 6 en 4.

Segundo mtodo.
Se organizan casillas de acuerdo al nmero de elementos de
grupo a formar.
4 casillas
6 5 4 3
360
Ej. No4. Cuntos de estos nmeros son pares.
5 4 3 3
180
Para que un numero sea par debe terminar en cifra par, y en el
conjunto hay 3 nmeros pares. Van en la ltima casilla, los
dems se ubican en las 3 casillas inciales.
Segundo mtodo.

Ej. No5. Cuantos son mayores que 400?
3 5 4 3
180
En la primera casilla solo pueden ir 4, 5,6, sea 3 nmeros.
En la segunda se pueden utilizar 5, pq el usado en la primera
casilla no se puede.
Y as sucesivamente en las dems.
Segundo mtodo.

Ej. No6. Cuantos nmeros se pueden formar si se puede repetir
cifras.
Se organizan casillas de acuerdo al nmero de elementos de
grupo a formar.
4 casillas
6 6 6 6
1.296
Ej. No7. Cuantos de los nmeros anteriores son pares?
6 6 6 3
648
Ej. No8. Cuantos de los nmeros son mayores que 400?
3 6 6 6
648
Ej. No8. Cuantos de los nmeros son mayores que 500?
2 6 6 6
432
COMBINACIONES.
El numero de combinaciones posibles de r elementos tomados
de n posibles. El orden de ocupacin no interesa, ni la posicin
que ocupan.

Ej. No1. Si un grupo de 3 personas: Carlos, Fernando y Juan para
entregar un trabajo, sera lo mismo que: Carlos, Juan y Fernando
y as sucesivamente.
Ej. No2. Se tiene un grupo de 5 personas para formar juntas
directivas de 3 personas.
n = 5 r = 3. Combinaciones de 5 en 3, pq no importa el orden.

Ej. No3. De cuantas maneras posibles se pueden formar equipos
de baloncesto, de un total de 8 jugadores.

Ej. No 4. De cuantas maneras posibles se pueden formar equipos
de baloncesto, de un total de 9 jugadores.

Ej. No 5. Se necesita organizar grupos de trabajo de 3 personas
de un total de 8. Cuantos grupos diferentes pueden salir?

Ej. No 6. De cuantas maneras posibles se pueden formar equipos
de trabajo de 4 personas, de un total de 9 jugadores.

3. INTRODUCCION A LA PROBABILIDAD.
Es el estudio de experimentos o fenmenos aleatorios o de libre
determinacin o de libre ocurrencia.
Histricamente, la Teora de la probabilidad comenz con el estudio
de los juegos de azar, tales como dados, cartas, ruletas y otros, para
un determinacin de cmo serian sus resultados para ganar o perder.
La probabilidad de un evento A se define:
P
(A)
=

EXPERIMENTO:
Es la experiencia o fenmeno realizado para su estudio.
Lanzar una moneda. Cara, Sello.
Lanzar un dado. Posibles resultados: 1, 2, 3, 4, 5, 6.
Seleccionar un fusible. Defectuoso, Bueno.
Lanzar dos monedas. CS, CC, SS, SC.
ESPACIO MUESTRAL: (S)
Regularmente se representa con una letra mayscula S, pero de
igual manera usted puede utilizar otra diferente.
Es el conjunto de todos los resultados posibles de un
experimento o un fenmeno.
S = {C, S} S = 2
S = {1, 2, 3, 4, 5, 6} S = 6
S = {B, M} S = 2
S = {CS, SC, CC, SS} S = 4
Se lanza simultneamente dos dados. S = 36
(1,1) (2,1) (3,1) (4,1) (5,1) (6,1)
(1,2) (2,2) (3,2) (4,2) (5,2) (6,2)
(1,3) (2,3) (3,3) (4,3) (5,3) (6,3)
(1,4) (2,4) (3,4) (4,4) (5,4) (6,4)
(1,5) (2,5) (3,5) (4,5) (5,5) (6,5)
(1,6) (2,6) (3,6) (4,6) (5,6) (6,6)
Se lanzan 3 monedas simultneamente. S = 8

S = {CCC, CCS, CSC, CSS, SCC, SCS, SSC, SSS}
Ej. Se lanza un dado y se analiza su resultado: Observamos que el
dado puede caer en 1, 2, 3, 4, 5, o 6., por lo tanto el espacio
muestral ser:
S = {1, 2, 3, 4, 5, 6}
EVENTO (E):
Un evento es un conjunto de resultados posibles del fenmeno a
analizar.
Es un subconjunto del espacio muestral.
Dado el evento de que el dado pueda caer en una cifra par,
entonces los posibles resultados en que puede caer el dado
sern: dos, cuatro y seis, por lo tanto el evento ser:
A = { 2, 4, 6 }
La combinacin de los eventos se puede dar para formar nuevos
eventos:
1. A U B si y solo si A o B suceden o ambos.
2. A B si y solo si A Y B suceden simultneamente.
3. A
c
Complemento de A, si y solo si A no sucede.
Ej. No 1. Lanzar un dado y observar que salga un nmero primo.
{ }
Ej. No 2. Lanzar 3 monedas simultneamente y que salgan dos
caras.
{ }
Ej. No3. Lanzar dos dados simultneamente y que su suma sea 7.
{ }
Ej. No 4. Lanzar dos dados simultneamente y que la suma de los
dos sea 11.
{ }
La probabilidad de cada uno de los eventos anteriores es:

EVENTOS MUTUAMENTE EXCLUSIVOS:
Se llaman mutuamente exclusivos, si son disyuntos, sea que la
interseccin de los conjuntos sea vaca. A B = ( No pueden
suceder simultneamente).
Ejemplo No 1: Se S = {1, 2, 3, 4, 5, 6} un espacio muestral, de las
posibilidades de salir un numero al ser lanzado un dado y los eventos
A = {2, 4, 6} de salir un numero par. B = {1, 3, 5} de salir un nmero
impar. C = {2, 3, 5}
A B = , Observamos que no hay elementos comunes, por lo tanto
los eventos son mutuamente exclusivos.
C
S
C
S
C
S
C
S
C
S
C
S
C
S
Determinando la probabilidad de cada uno de los eventos.
P
(A)
=
= 0.5 o equivalente a un 50%

P
(B)
=

P
(A)
=

P
(S)
=
= 1 o equivalente a un 100%

P
(C)
=

Formando nuevos eventos con la combinacin de los eventos
anteriores A, B y C:
A U B = { 2, 4, 6, 1, 3, 5}
A U C = { 2, 4, 6, 3, 5 }
B C = { 3, 5 }
C
C
= { 1, 4, 6 }
Las probabilidades de los nuevos eventos sern:
P
(AUB)
=
= 1 o equivalente a un 100%

P
(AUC)
=

P
(B
C)
=

P
(C
c
)
=

AXIOMAS DE PROBABILIDAD.
Si consideramos el espacio muestral S y los eventos A y B, cuyas
funciones de probabilidad son P
(S)
probabilidad de S. P
(A)
probabilidad
del evento A. P
(C
c
)
probabilidad del evento C
c
. Se cumplen los
siguientes axiomas:
P
1
Para todo evento A, se cumple que 0 P
(A)
1
P
2
P
(S)
= 1
P
3
Si A y B son eventos mutuamente exclusivos, entonces se cumple
que P
(AUB)
= P
(A)
+ P
(B)
.
Para el ejemplo No 1, observamos que:
1. 0 P
(A)
1. Observamos que el valor de cada una de las
probabilidades es menor que 1 y mayor que 0.
2. P
(S)
= 1. Se ve fcilmente que la probabilidad del espacio
muestral S es 1.
P
(AUB)
= P
(A)
+ P
(B)
. La probabilidad de cada evento es P
(A)
= 0.5
P
(B)
= 0.5 y la probabilidad de P
(AUB)
= 1.0
TEOREMAS DE LA PROBABILIDAD.
Estos teoremas se deducen de los axiomas:
T
1
. La probabilidad del conjunto vacio es 0. P
(
)
= 0
T
2
. Si A
c
es el complemento del evento A, entonces P
(A
c
)
= 1 - P
(A)

T
3
. Si A c B, entonces P
(A)
P
(B)

T
4
. Si a y b son dos eventos, entonces P
(A-B)
= P
(A)
- P
(A
B)

T
5.
Si A y B son dos eventos, entonces P
(AUB)
= P
(A)
+ P
(B)
+ P
(A
B)

Ej. No2: Sea S = { 0, 1, 2, 3, 4, 5, 6, 7, 8, 9 }, el espacio muestral de los
resultados del fenmeno dado y los eventos A = {0, 1, 2, 4, 6, 8} y B =
{1, 2, 3, 4, 5}.
La grafica del conjunto ser: U
A B
0
1 3
6 2
4 5
8
9 7
Calculado:
A U B = { 0, 1, 2, 4, 6, 8, 3, 5 }
A B = { 1, 2, 4 }
A
c
= { 3, 5, 7, 9 }
B
c
= { 0, 6, 7, 8, 9 }
A B = { 0, 6, 8 }
B A = { 3, 5 }
Los cardinales de cada uno de los conjuntos:
#A = 6, #B = 5, #(AUB) = 8, #(AB) = 3, #(A
c
) = 4, #(B
c
) = 5
#(A-B) = 3 #(B-A) = 2.
Calculando las probabilidades.
P
(A)
=
= 0.6 equivalente en porcentaje 60%

P
(B)
=

P
(AUB)
=

P
(A
B)
=

P
(A-B)
=

P
(B-A)
=

P
(A
C
)
=

P
(
)
=

Si aplicamos los teoremas obtenemos:
T
2
. P
(A
C
)
= 1 - P
(A)
= 1 - 0.60 = 0.40
T
2
. P
(B
C
)
= 1 - P
(B)
= 1 - 0.50 = 0.50
T
4
. P
(A-B)
= P
(A)
- P
(A
B)
= 0.60 - 0.30 = 0.30
T
5
. P
(B-A)
= P
(B)
- P
(B
A)
= 0.50 - 0.30 = 0.20
T
6
. P
(AUB)
= P
(A)
+ P
(B)
+ P
(A
B)
= 0.60 + 0.50 - 0.30 = 0.80
T
6
. P
(AUB)
= P
(A-B)
+ P
(B-A)
+ P
(A
B)
= 0.30 + 0.20 + 0.30 = 0.80
4. ESPACIOS FINITOS DE PROBABILIDAD.
Sea un espacio muestral finito tal que S = {a
1
, a
2
, a
3
, . a
n
}la
probabilidad del espacio muestral ser la suma de las probabilidades
parciales e igual a 1.
P
(S)
= P
(
a
1)
+ P
(
a
2)
+ P
(
a
3)
+ + P
(
a
n)
= 1
EJEMPLO No 1. Lanzamos cuatro monedas una a una y observamos
los nmeros de sellos que pueden salir en cada lanzamiento.
El espacio muestral sera as:
1. Que no salga ningn sello. 0S
CCCC
2. Que salga un sello y tres caras. 1S
SCCC, CSCC, CCSC, CCCS.
3. Que salgan dos sellos y dos caras. 2S.
SSCC, CSSC, CCSS, SCSC, CSCS, SCCS.
4. Que salgan tres sellos y 1 cara. 3S
SSSC, CSSS, SCSS, SSCS.
5. Que salgan cuatro sellos y o caras. 4S
SSSS.
El conjunto S = {0, 1, 2, 3, 4} de los posibles resultados de caer las
monedas.
Observamos que existen 16 posibilidades de salir los resultados.
Si calculamos las siguientes probabilidades.
1. La probabilidad de que salgan 4 caras o no salga un sello.
P
(0)
=
= 0.0625
2. La probabilidad de que salga un sello.
P
(1)
=
= 0.25
3. La probabilidad de que salgan dos sellos.
P
(2)
=
= 0.375
4. Probabilidad de que salgan 3 sellos.
P
(3)
=
= 0.25
5. Probabilidad de que salgan 4 sellos.
P
(4)
=
= 0.0625
P
(S)
= P
(0)
+ P
(0)
+ P
(0)
+ P
(0)
+ P
(0)

=
= 1
6. La probabilidad de que por lo menos salga un sello.
Los resultados son C = { 1S, 2S, 3S, 4S }
P
(C)
= P
(1S)
+ P
(2S)
+ P
(3S)
+ P
(4S)

=

7. Sea D el evento de que salgan todos sellos o todas caras.
Los resultados de D = { 4S, 4C }
P
(D)
= P
(4C)
+ P
(4S)
=

EJEMPLO No 2. Cuatro caballos A, P, S, Q, intervienen en una carrera.
Si A tiene el doble de probabilidades de ganar que P, y P el doble de
probabilidades de ganar que S, S el doble de probabilidades de ganar
que Q. Cules son las respectivas probabilidades de ganar cada uno
de los caballos.
Sea p la probabilidad de ganar el menos factible.
Q = p
S = 2Q = 2p
P = 2S = 2(2Q) = 4Q = 4p
A = 2P = 2(2S) = 2(2(2Q))) = 8Q = 8p
Como el valor total de una probabilidad de un espacio muestral debe
ser uno, entonces.
P
(A)
+ P
(P)
+ P
(S)
+ P
(Q)
= 1
8p + 4p + 2p + p = 1
15p = 1
P =

Los valores de la probabilidad de ganar cada caballo es de:
P
(A)
= 8p = 8 x

P
(P)
= 4p = 4 x

P
(S)
= 2p = 2 x

P
(Q)
= 1p = 1 x

Cul es la probabilidad de que A o P ganen la carrera.
El evento es F = { A, P }
P
(F)
= P
(A)
+ P
(P)
=
= 0.80
La probabilidad de que A o P ganen es de
o de 0.80, o tambin
equivale a decir que tienen el 80% de probabilidades de ganar, que es
equivalente a decir que tienen el 20% de probabilidades de perder.
ESPACIOS FINITOS EQUIPROBABLES.
Es un espacio muestral S finito de probabilidad, donde cada punto
muestral tiene la misma probabilidad.
P
(A)
=

EJ. No1. Se lanzan 2 dados al mismo instante, pero sin identificarlos y
se observan cada uno de los resultados.
El espacio muestral de los posibles resultados seria:
(1, 1) (1, 2) (1, 3) (1, 4) (1, 5) (1, 6)
(2, 2) (2, 3) (2, 4) (2, 5) (2, 6)
(3, 3) (3, 4) (3, 5) (3, 6)
(4, 4) (4, 5) (4, 6)
(5, 5) (5, 6)
(6, 6)
El total de posibilidades de caer los dados son S = 21
1. Cul es la probabilidad de que la suma sea 6.
A = {La suma sea 6 } = { (1, 5), (2, 4), (3, 3) }
P
(A)
=

2. La probabilidad de B = { La suma sea 5 } = { (1, 4), (2, 3) }
P
(B)
=

3. La probabilidad C = {Salgan pares} Los nmeros sea iguales.
C = { (1, 1), (2, 2), (3, 3), (4, 4), (5, 5), (6, 6) }
P
(C)
=

4. La probabilidad D = { La suma sea impar }
D ={(1, 2),(1, 4),(1, 6),(2, 3),(2, 3), (3, 4), (3, 6), (4, 5), (5, 6)}
P
(D)
=

5. La probabilidad de E = { La suma sea 7 } = { (1, 6), (2, 5), (3, 4) }
P
(E)
=

6. La probabilidad de F = { La suma sea par }
7. La probabilidad de G = { Los dos dados sean nmeros impares }
8. La probabilidad de H = {Uno de los dados sea un nmero impar }
REGLA DE LA ADICION.
Consideremos un juego en el cual debe elegirse una carta de una
baraja de pker de 52 cartas. Ganan si la carta elegida es negra o un
rey. Cul es la probabilidad de ganar?
1 2 3 4 5 6 7 8 9 1
0
1
1
1
2
1
3
P A 2 3 4 5 6 7 8 9 10 J Q K
T A 2 3 4 5 6 7 8 9 10 J Q K
C A 2 3 4 5 6 7 8 9 10 J Q K
D A 2 3 4 5 6 7 8 9 10 J Q K
S = Total De cartas = 52 Cartas.
E = Evento = Sea negra o rey. = 28.

Ej. No2. Se lanza un dado normal. Ud. gana 5 dlares, si el resultado
es par o divisible por 3. Cul es la probabilidad de ganar.
S = {1, 2, 3, 4, 5, 6}
P = {2, 4, 6} D = {3, 6} PD = {6}

E = P U D = {2, 4, 6, 3}

Ej. No 3. Un cliente entra a un supermercado. La probabilidad de que
compre pan es 0.60; que compre leche es 0.50 y la de que compre
pan y leche es 0.30. Cul es la probabilidad de que compre pan, leche
o ambos?

Ej. No 4. Determinar la probabilidad de extraer una carta de una
baraja que sea As o Rey.
Los eventos:
A = Sacar Rey.
= {RP, RT, RC, RD}
= 4
B = Sacar As.
= {AP, AT, AC, AD}
= 4
AUB = { RP, RT, RC, RD, AP, AT, AC, AD}
= 8
S = 52 Cartas

PROBABILIDAD CONDICIONAL.
Ej. No 1. Una caja contiene bolitas blancas y negras, adems, cada
una tiene grabada una letra que puede sea A o Z. Si la composicin de
la caja es:
NEGRA(N) BLANCA(B) TOTAL
A 5 3 8
Z 1 2 3
TOTAL 6 5 11
Si se selecciona al azar una bolita de la caja. Hallar la probabilidad de:
1.
Probabilidad de obtener una bolita negra.
S = 11

2.
Probabilidad de obtener una bolita negra suponiendo

que tenga grabada una letra A.
S = Bolita con letra A = 8
A = Bolitas negras con letra A = 5

3.
Probabilidad de obtener una bolita con la letra A.

Bolitas con letra A = 8
Total de bolitas = 11

4.
Probabilidad de obtener una bolita con la letra A y sea

negra.
Bolitas negras con letra A = 5
Total de bolitas = 11

5.
Probabilidad de B dado A.
Probabilidad de obtener una bolita blanca suponiendo que tenga
grabada la letra A.
A = Bolita con letra A = 8
B = Bolitas blancas con la con letra A = 3

Ej. No 2. Se lanza un dado cargado. Dado que el resultado es un
nmero par. Cul es la probabilidad de que sea mayor que 3?
S = {1, 2, 3, 4, 5, 6} = Total de resultados del dado. = 6
A = {2, 4, 6} = Resultados pares = 3
B = {4, 5, 6} = Resultados mayores que 3 = 3
AB = {4, 6} = Pares mayores que 3 = 2
Probabilidad de obtener un nmero mayor que 3, dado que

sea par.

Analizndolo de otro modo. S = {2, 4, 6}
S = 3 nmeros pares; E = {4, 6} =Mayores que 3 = 2

REGLA DE LA MULTIPLICACION.
Ej. No1. Se sacan dos cartas simultneamente de una baraja de 52
cartas. Cul es la probabilidad de que ambos sean ases?
A = Primera carta As.
B = Segunda carta As.

Otro mtodo.
Combinaciones de grupos de dos cartas diferentes.

Combinaciones de grupos de dos, de 4 ases posibles.

Ej. No2. Una urna contiene 6 bolitas Blancas y 4 bolitas Negras. Se
extraen dos bolitas sucesivamente y sin sustitucin. Hallar.
a. Probabilidad de que ambas bolitas sean blancas. Como son 10
bolitas en total, pero Blancas B = 6 y Negras N = 4
) (

Otro mtodo.
El espacio muestral. Combinaciones de 10 en 2.

El evento. Grupos de 2 bolitas blancas de las 6 posibles.

b. Probabilidad de que la primera sea blanca y la segunda negra.
)(

Otro mtodo.
El espacio muestral. Variaciones de 10 en 2.

El evento. Grupos de 1 bolitas de 6 blancas y 1 de 4 Negras.

c. Probabilidad de que la primera sea negra y la segunda blanca.
)(

Otro mtodo.
El espacio muestral. Variaciones de 10 en 2.

El evento. Grupos de 1 bolitas de 4 blancas y 1 de 6 negras.

d. Probabilidad de que ambas bolitas sean negras. Como son 10
bolitas en total, pero Blancas B = 6 y Negras N = 4
)(

Otro mtodo.
El espacio muestral. Combinaciones de 10 en 2.

El evento. Grupos de 2 bolitas blancas de las 6 posibles.

Ej. No 3. Se extraen 3 cartas de una baraja de pker en forma
sucesiva y sin restitucin. Hallar la:
a. Probabilidad de que no haya ningn as entre las 3 cartas?

Como son 52 cartas en total, de las cuales 4 son as. Quedan 48
cartas.

b. Las dos primeras sean As y la ltima Rey.

c. Probabilidad que solo las 2 primeras sean Ases..

d. Probabilidad de un As en la ltima salida.

Ej. No3. De 100 personas que solicitaron empleo de programacin de
computadores en una Universidad durante el ao pasado, 40 tenan
experiencia anterior (W). 30 tenan certificacin profesional . Sin
embargo 20 de los solicitantes tenan experiencia anterior y un
certificado y se los incluye en ambos conteo.
a. Diagrama de Venn. U
W C

20 20 10

50

b. Probabilidad de que un solicitante escogido aleatoriamente
tenga experiencia o certificacin.

c. Probabilidad de que un solicitante escogido aleatoriamente
tenga experiencia o certificacin pero no ambas..

d. Probabilidad condicional de que un solicitante escogido
aleatoriamente tenga un certificado, dado que tiene experiencia
anterior.

Ej. No 4. De 12 CxC de un archivo financiero de una empresa de
zapatos, se examino que 4 contienen un error de procedimiento al
contabilizar los saldos.
1. Si un auditor selecciona aleatoriamente dos de estas CXC (Sin
reemplazo). Cul es la probabilidad que ninguna CXC contenga
un error de procedimiento de digitacin?
N = 12 Con error E = 4 Sin error SE = 8
) (

2. Si el auditor muestrea 3 CXC. Cul es la probabilidad de que
ninguna de las CXC tenga un error de procedimiento?
) (

3. Si el auditor muestrea una sola CXC. Cul es la probabilidad de
que esta tenga error?

4. Probabilidad de que por lo menos una tenga error de 2CXC
auditadas:

5. Auditadas 3CXC. Cul es la probabilidad de que por lo menos una
tenga error.

EJERCICIOS:
1. De los estudiantes de una Institucin, el 40% son varones y el 4%
son varones que estudian arte. Si se elige uno al azar y este
resulta ser un varn. Cul es la probabilidad de que estudie arte?
V

36% A 4% 60%

2. Una urna contiene 4 bolitas blancas y 3 rojas.
a. Si se sacan dos bolitas sin restitucin. Cul es la
probabilidad de que las 2 bolas sean blancas?

Otro Mtodo.

b. Probabilidad de que las dos bolitas sean rojas?

c. La probabilidad de que la primera sea blanca y la segunda
roja?

d. Se sacan dos bolitas con restitucin. Cul es la probabilidad
de que las dos sean blancas?

e. Se sacan dos bolitas con restitucin. Cul es la probabilidad
de que las dos sean Rojas?

f. Se sacan dos bolitas con restitucin. Cul es la primera sea
blanca y la segunda roja?

3. Tenemos dos urnas. La primera Urna
, contiene 8 bolitas
blancas y 2 negras y la urna
, contiene 3 bolitas blancas y 7

negras. Se elige una urna al azar y se saca una bolita de la urna
elegida. Si obtenemos un premio de $100.000 cuando la bolita
es blanca. Cul es la probabilidad de ganar en este juego?

Existen dos maneras de ganar el juego.
1. Si elige la
y saca la bolita Blanca.

2. Si elige la
y saca la bolita Blanca.

El resultado de ganar con cualquiera de las urnas se suma.

3. La tabla nos indica la descripcin de 200 personas que
entraron a un almacn de equipos de sonido, de acuerdo al
sexo y edad:
Hombre Mujer Total
< 30 60 50 110
> 30 80 10 90
Total 140 60 200
Determnese la:
1. Probabilidad de que una persona escogida
aleatoriamente del grupo sea un hombre menor de 30
aos?

2. Probabilidad de que al escoger una persona
aleatoriamente sea un hombre?

aleatoriamente sea menor de 30 aos dado que es un
hombre?

aleatoriamente del grupo sea una mujer menor de 30
aos?

5. Probabilidad de escoger aleatoriamente una persona y
sea mujer?

6. Probabilidad de escoger aleatoriamente una persona y
sea menor de 30 aos, dado que es una mujer?

7. Probabilidad de escoger una persona mayor de 30
aos?

ESPERANZA MATEMATICA.
La esperanza matemtica o valor esperado de una variable aleatoria
discreta, es la suma del producto de la probabilidad de cada suceso
por el valor de dicho suceso.

Ej. No1. Consideremos en una tabla 3el nmero de caras posibles que
pueden aparecer cuando se lanzan 3 monedas.
No RESUL CARAS PROB
1 CCC 3 1/8
2 CCS 2 1/8
3 CSC 2 1/8
4 SCC 2 1/8
5 SSC 1 1/8
6 SCS 1 1/8
7 CSS 1 1/8
8 SSS 0 1/8
TOTAL 8/8
Organizando la tabla de frecuencias de repitencia del numero de
caras.
No X Cara Frecue
ncia
Probabi
lidad
XP(x)
1 0 1 1/8 0*1/8 0
2 1 3 3/8 1*3/8 3/8
3 2 3 3/8 2*3/8 6/8
4 3 1 1/8 3*1/8 3/8
Total 8 8/8 12/8

El nmero de caras que aparecen en cada ensayo es 0, 1, 2, 3,
esperamos obtener un promedio de 1.5 caras por lanzamiento de las
3 monedas. Este es el llamado Esperanza Matemtica.
El nombre de esperanza matemtica y valor esperado tienen su
origen en los juegos de azar y hacen referencia a la ganancia
promedio esperada por un jugador cuando hace un gran nmero de
apuestas.
Si la esperanza matemtica es cero, E(x) = 0, el juego es equitativo, es
decir, no existe ventaja ni para el jugador ni para la banca.
Ej. No2. Una caja contiene 3 bolitas negras y 7 blancas. Se saca una
bolita de la caja al azar; si esta es negra gana $500, pero si es blanca
pierde $300. Cul es la esperanza matemtica de este juego?
No X Cantidad P(x) X.P(x)
1 500 3/10 1500/10
2 -300 7/10 -2100/10
-600/10

La esperanza matemtica de este juego para el jugador, es una
perdida promedio de $60.
Ej. No 3. Una caja contiene 4 bolitas rojas, 6 negras y 8 verdes. Si se
B=8
N=2
B=3
N=7

Urnas
saca una bolita al azar de dicha caja:
a. Si esta es Roja, gana $3.000.
b. Si es Negra, gana $2.000.
c. Cuanto debera pagar Ud., si saca una bolita verde para
asegurar que el juego es equilibrado.
N = 4+6+8=18
N Bolita X Gana/Pierde P(x) XP(x)
1 Roja 3.000 4/18 12000/18
2 Negra 2.000 6/18 12000/18
3 Verde X 8/18 8X/18
Total 18/18
La esperanza matemtica para un juego equitativo es cero:

Quiere decir que si ud. paga $3.000 cuando la bolita extrada es
verde, la esperanza matemtica del juego es cero, por lo tanto Ni
pierde, ni gana.
Ej. No 4. Un fabricante de TV, utiliza un cierto tipo de componentes
electrnicas en el montaje de TV a color. Cada TV requiere de 6 tipos
distintos de componentes. Un componente defectuoso no puede ser
detectado hasta que el TV haya sido totalmente montado. El costo de
deteccin, reparacin y reposicin de un componente defectuoso es
de $ 15. El fabricante ha estado comprando estos componentes en
lotes de 100 a dos diferentes proveedores. El costo de compra por
lote al proveedor A es de $ 100 en tanto que el costo de compra por
lote al proveedor B es de $ 120. Basados en experiencias anteriores,
las calidades comparadas de los lotes comprados a los dos
proveedores son las siguientes:
PROVEEDOR A
No
Componentes
Defectuosas
P(X) Paga
Defectuoso
Xp(X)
1 0.30 115 34.5
2 0.25 130 32.5
3 0.20 145 29
4 0.15 160 24
5 0.10 175 17.5
137.5
PROVEEDOR B
No
Componentes
Defectuosas
P(X) Paga
Defectuoso
XP(x)
1 0.60 135 81
2 0.30 150 45
3 0.10 165 16.5
142.5
A que proveedor deben comprrsele los componentes electrnicos
para minimizar el costo de estos?
El costo en cada lote A nos da:
100 + 1(15) = 115
100 + 2(15) = 100 + 30 = 130
100 + 3(15) = 100 + 45 = 145
100 + 4(15) = 100 + 60 = 160
100 + 5(15) = 100 + 75 = 175
El costo en cada lote B nos da:
120 + 1(15) = 120 + 15 = 135
120 + 2(15) = 120 + 30 = 150
120 + 3(15) = 120 + 45 = 165
Ej. No 5. Un comerciante estima las ventas diarias de un cierto tipo de
pan especial en la siguiente forma:
Venta P(x) X=4 X=5 X=6 xP(x)
4 0.50 100 85 70 50 42.5 35
5 0.40 100 125 110 40 50 44
6 0.10 100 125 150 10 12.5 15
total 1.00 100 105 94
El costo por unidad de hogaza de pan es $25 y el precio de venta $50.
El pan debe ser ordenado con un da de anticipacin y cada unidad no
vendida se entrega a una Institucin de Beneficencia al precio de $10
por unidad. Cuantas unidades debe ordenar el comerciante para
maximizar su utilidad esperada diariamente?
Se deben realizar 5 rdenes para que la utilidad sea maximizada y
corresponde a $105.
DISTRIBUCION DE PROBABILIDAD.
Cuando se asignan valores de probabilidad a todos los valores
posibles de una variable aleatoria, sea por inclusin en una lista o por
funcin matemtica.
Ej. No1. La tabla nos ensea el nmero de camionetas que fueron
solicitadas en una agencia de alquiler durante un periodo de 50 das.
No X
Demand
DIAS PROBABILIDA
D p(X)
XP(X) X
2
X
2
P(x)
1 3 3 3/50 = 0.06 0.18 9 0.54
2 4 7 7/50 = 0.14 0.56 49 2.24
3 5 12 12/50 = 0.24 1.20 25 6.00
4 6 14 14/50 = 0.28 1.68 36 10.08
5 7 10 10/50 = 0.20 1.40 49 9.80
6 8 4 4/50 = 0.08 0.64 64 5.12
TOTAL 50 1.00 5.66 33.78
La media aritmtica se llama, valor esperado o Esperanza
Matemtica.

La varianza de una variable aleatoria
, se calcula con respecto a
como la media de la distribucin de probabilidad:

La desviacin estndar de la muestra.
DISTRIBUCION BINOMIAL.
Se emplea para determinar la probabilidad de obtener un nmero
designado de xitos en un proceso.
Necesita conocer:
a. x = Numero de xitos
b. n = Numero de ensayos y observaciones.
c. P = Probabilidad de xitos en cada ensayo.
Se calcula por medio de la expresin:

Ej. No1. La probabilidad de que un presunto cliente escogido
aleatoriamente haga una compra es de 0.20. Si un vendedor visita 6
presuntos clientes, la probabilidad de que haga exactamente 4 ventas
ser?
X = 4 n = 6 p = 0.20

La probabilidad de que el vendedor haga exactamente 4 ventas es de
0.0153. El porcentaje de hacer 4 ventas, de 6 visitas es de 1.53%.
Ej. No 2. La probabilidad de que el vendedor haga cuatro o ms
ventas?
X = 4 n = 6 p = 0.20

La probabilidad de que el vendedor haga 4 ventas o ms es de
0.01696. El porcentaje de hacer mas de 4 ventas, de 6 visitas es de
1.69%.
Ej. No 3. Si la probabilidad de que un presunto cliente escogido
aleatoriamente haga una compra es 0.20, la probabilidad de que un
vendedor que visita a 15 presuntos clientes, haga menos de tres
ventas es?
p = 0.20 n = 15 X = 2

El valor esperado o la media aritmtica es:

La varianza:

La desviacin estndar.

Ej. No 4. El numero de ventas esperadas (como un promedio a largo
plazo) y la varianza asociada con las visitas a 15 presuntos clientes.
P = 0.20 n = 15

DISTRIBUCION NORMAL.
Llamada distribucin Gaussiana o de Gauss.
Es una distribucin de probabilidad de variable continua de un
fenmeno real, que puede ser de:
Caractersticas de variables corporales o morfolgicas. Estatura, peso.
Caractersticas sociales. Aceptacin, ndice de confianza.
Caractersticas sociolgicas. Consumo. Etc.
Funcin de densidad

Se dice que una variable aleatoria continua X sigue una distribucin
normal de parmetros y y se denota X~N(, ) si su funcin de
densidad est dada por:

donde (mu) es la media y (sigma) es la desviacin tpica (
2
es la
varianza)
Se llama distribucin normal "estndar" a aqulla en la que:
1. sus parmetros toman los valores = 0 y = 1.
2. Variables asociadas a fenmenos naturales que sigue un modelo
normal de caractersticas:
i. Morfolgicos. Talla, peso, dimetro, permetros.
ii. Fisiolgicas. Cantidades suministradas de droga, frmacos.
iii. Sociolgicas. Evaluaciones, notas, consumos.
iv. Psicolgicas. Grado de aceptacin, satisfaccin.
v. Contables. Promedios, ventas, prstamos, cantidades.
Es una probabilidad continua que es simtrica como mesocurtica.

Grafica de la campana de Gauss
Importancia para la inferencia estadstica:
1. Las medidas producidas en muchos procesos aleatorios siguen
esta distribucin.
2. Las probabilidades normales pueden utilizarse generalmente
para aproximar otras distribuciones.
3. Las distribuciones de estadstica tales como la media de la
muestra y la proporcin de la muestra siguen la distribucin
normal, sin tener en cuenta la distribucin de la poblacin.
|

Donde los valores de las constantes y las variables:

Ej. No 1. Un industrial que recibe una remesa grande de bombillos
elctricos de 100 Watios. Suponiendo que la vida til promedio de
cada bombillo es de 900 horas, con una desviacin estndar de 50
horas.

-3s -2s -1s 0 1s 2s 3s
750 800 850 900 950 1000 1050
Segn la distribucin de la grafica habr bombillas que duraran 950 o
1.000 horas y otras que duraran 1.050 o algunas otras menos, tales
como 850, 800 horas, etc.
1. Qu porcentaje de bombillas tienen una duracin de menos de
940 horas? Supngase que son 25.000 bombillas.
Hallamos las unidades estandarizadas, para
. Para
encontrar el rea correspondiente a este valor en la campana de
Gauss.

-3s -2s -1s 0 1s 2s 3s
750 800 850 900 950 1000 1050

CONCLUSION: El 78.81% de las bombillas tienen una vida til
promedio inferior a 940 hrs.
El numero de bombillas que cumplen la condicin de tener menos de
940 hrs promedio de duracin son:
NB = NP = (25.000)(0.7881) = 19.702.5
En el pedido se podrn encontrar 19.703 bombillas con una vida til
inferior a 940 hrs.
2. Qu porcentaje de bombillas tiene duracin mayor o igual a 820
hrs?
. Para
Gauss.

-3s -2s -1s 0 1s 2s 3s
750 800 850 900 950 1000 1050

promedio superior a 820 hrs.
El numero de bombillas que cumplen la condicin de tener ms de
NB = NP = (25.000)(0.9452) = 23.630
superior o igual a 820 hrs.
3. Qu porcentaje de bombillas tienen una duracin de menos de
865 horas?
. Para
Gauss.

-3s -2s -1s 0 1s 2s 3s
750 800 850 900 950 1000 1050

promedio inferior a 865 hrs.
El numero de bombillas que cumplen la condicin de tener menos de
NB = NP = (25.000)(0.23885) = 5.971.25 = 5.971
inferior a 865 hrs.
4. Qu porcentaje y el numero de bombillas tiene duracin mayor
a 990 hrs?
A=0.7881
A=0.9452
A=0.23885
. Para
Gauss.

-3s -2s -1s 0 1s 2s 3s
750 800 850 900 950 1000 1050

promedio superior a 990 hrs.
El numero de bombillas que cumplen la condicin de tener ms de
NB = NP = (25.000)(0.03515) = 878.75 = 879
En el pedido se podrn encontrar 879 bombillas con una vida til
superior o igual a 990 hrs.
5. Qu probabilidad, porcentaje y numero de bombillas tiene
duracin mayor o igual a 870 hrs y menor igual a 985 hrs?
y
para
. Para encontrar el rea correspondiente a

este valor en la campana de Gauss.

-3s -2s -1s 0 1s 2s 3s
750 800 850 900 950 1000 1050

CONCLUSION:
La probabilidad de que una bombilla escogida aleatoriamente tenga
una duracin, comprendidas en el intervalo de vida til de [ ]
hrs es de 0.68118.
El 68.11% de las bombillas tienen una vida til promedio
comprendida entre 870 y 985 hrs.
El numero de bombillas que cumplen la condicin de tener vida til
[ ] hrs promedio de duracin son:
NB = NP = (25.000)(0.68118) = 17.029.60 =17.030
comprendida en el intervalo [ ] hrs.
El intervalo de bombillas con promedio de duracin entre el intervalo
[ ] hrs es de:

[ ]
Ej. No2. La distribucin normal de las edades de los trabajadores de
una industria, con media de 50 aos y una desviacin estndar de la
poblacin de 5 aos.
1. Cul es el porcentaje de trabajadores cuyas edades estn entre
50 y 52.5 aos?

y para
. Para encontrar el rea correspondiente a este

valor en la campana de Gauss.

-3s -2s -1s 0 1s 2s 3s
35 40 45 50 55 60 65

CONCLUSION.
El 53.28% de los trabajadores de la empresa estn en una edad
promedio comprendida en el intervalo: [ ] aos.
2. Cul es la probabilidad de que un trabajador cualquiera no sea
mayor a 47 aos?

. Para
Gauss.

CONCLUSION:
El 27.42% de los trabajadores de la empresa tienen una edad menor o
igual a 47 aos.
Hay una probabilidad de 0.27425 de que un trabajador cualquiera
tenga una edad inferior o igual a 47 aos.

-3s -2s -1s 0 1s 2s 3s
35 40 45 50 55 60 65
3. Cul es la probabilidad de que un trabajador tenga edad
comprendida entre 41 y 58 aos?

y para
. Para encontrar el rea correspondiente a este

valor en la campana de Gauss.

-3s -2s -1s 0 1s 2s 3s
35 40 45 50 55 60 65

4. Cul es el intervalo de edad para una poblacin distribuida
simtricamente con relacin a la media aritmtica, del 80%.

-3s -2s -1s 0 1s 2s 3s
43.6 56.4
Este porcentaje equivale a una probabilidad de 0.8, segn el rea
en la campana de Gauss.
En los extremos quedan 2 reas iguales de 10%, equivalente al
0.1 de probabilidad.
Segn la tabla para:
A
1
= 0.1 Entonces el valor de Z
1
= -1.28.
A
2
= 0.9. Entonces el valor de Z
2
= 1.28. Para estos valores
hallamos los lmites de los extremos X
i
.
Como
y Z

Despejamos y obtenemos que:

Si Z
1
= -1.28.

Si Z
2
= +1.28.

El intervalo de las edades para el 80% de la poblacin
simtricamente distribuida es:

A=0.03515
A=0.27425
A=0.95543
A=0.15866 A=0.69146
A=0.27425
A=0.27425
A=0.95543
A=0.10000
A=0.90000
80%
O escrito de manera equivalente:
[ ]
5. Si el 20% de los trabajadores estn bajo una cierta edad. Cual es
esta edad?

-3s -2s -1s 0 1s 2s 3s
35 40 45 50 55 60 65
El 20% de los empleados corresponden a una probabilidad de
0.20 y en la campana de Gauss, representa una rea de 0.20.
A = 0.20, segn la tabla el Z correspondiente es Z = -0.85.
Hallamos el valor de la edad.

CONCLUSION:
Alrededor del 20% de los trabajadores tienen menos de 45.75
aos.
Ej.: Si el 20% lo tomamos al final de la campana?
El rea de la grafica segn la tabla corresponde al 0.80 y el valor
correspondiente Z = 0.85
El 20% de los trabajadores est por encima de cierta edad.

-3s -2s -1s 0 1s 2s 3s
35 40 45 50 55 60 65

CONCLUSION:
Alrededor del 20% de los trabajadores tienen una edad superior
a 54.25 aos.
Ej. No3. En un regimiento de soldados la estatura media es de 170
cm, si el 10% de estos soldados miden ms de 175 cm. Suponiendo
que las estaturas de los soldados de este regimiento estn
distribuidas normalmente. Cul es la desviacin estndar?


-3s -2s -1s 0 1s 2s 3s
170

Para la tabla tomamos una rea de la campana de A = 0.9000 y las
unidades tipificadas correspondientes son Z = 1.28.

Ej. No4. En una empresa de empaques de sal de cocina, se envasan en
recipientes cuyo peso neto tiene distribucin normal de 4.25 gr. Si el
15% de los frascos tiene un peso mayor a 112 gr.
1. Cul es el peso medio de ellos?


-3s -2s -1s 0 1s 2s 3s
170
Para la tabla tomamos una rea de la campana de A = 0.8500 y las
unidades tipificadas correspondientes son Z = 1.03.

2. Los del 15% menos a que peso equivalen?

Ej. No 5. Los pesos de 30 estudiantes de una Universidad estn
especificados en la siguiente tabla; con edad promedio de 25 aos y
una estatura de 172 cm. Se desea realizar un estudio antropomtrico
de cada uno de ellos y buenas condiciones de salud para implementar
programas de atencin a los Universitarios.
Hallar: Media aritmtica y desviacin estndar.
No PESO

1 52 -23,17 536,69
2 60 -15,17 230,03
3 75 -0,17 0,03
4 100 24,83 616,69
5 93 17,83 318,03
6 98 22,83 521,36
7 59 -16,17 261,36
8 72 -3,17 10,03
9 65 -10,17 103,36
10 64 -11,17 124,69
11 73 -2,17 4,69
12 79 3,83 14,69
13 76 0,83 0,69
14 75 -0,17 0,03
15 64 -11,17 124,69
16 63 -12,17 148,03
17 62 -13,17 173,36
18 60 -15,17 230,03
19 53 -22,17 491,36
20 55 -20,17 406,69
21 56 -19,17 367,36
22 89 13,83 191,36
23 86 10,83 117,36
24 88 12,83 164,69
25 92 16,83 283,36
26 90 14,83 220,03
27 91 15,83 250,69
28 98 22,83 521,36
29 103 27,83 774,69
30 64 -11,17 124,69

2.255 0,00 7.332,17
75,17 244,41
S 15,63

1. La probabilidad y cantidad de estudiantes con peso inferior a 60
Kgr., para establecer un programa por intermedio de la EPS, en
convenio con la Institucin de P y P.
2. La probabilidad de que un estudiante tenga peso superior a 87.
3. Si el peso ideal para los estudiantes, segn rangos de la Sociedad
Internacional de Salud (SIS) est en el intervalo
Kgr.: Cual es la probabilidad de escoger aleatoriamente un
estudiante en este peso, para su estudio?
4. Si los obesos o llamados con riesgos de salud es el 15% de los
estudiantes. Cual sera este peso?
5. La poblacin distribuida simtricamente con relacin a la media
aritmtica, equivalente al 90% a que intervalo corresponde?
EJERCICIOS:
1. El Gerente de produccin de una fabrica piensa que la vida til
de una maquina K est distribuida normalmente, con una media
de 3000 hrs. Si adems, el gerente piensa que hay una
probabilidad 0.50 de que la maquina dure menos de 2632 o ms
de 3.368 hrs? Cul ser su desviacin estndar?
El 50% tambin es de que la maquina K dure entre [ ]
A = 0.2500, entonces Z = -0.67,

Si X = 2632 evaluamos en:
A=0.20000
A=0.27425
A=0.90000
A=0.8500

0
2632 3368

2. En la ciudad de Pereira se ha realizado un estudio del
comportamiento de la temperatura promedio ambiente, y se
estima que la temperatura mxima en el mes de junio sigue una
distribucin normal, con media 23 y desviacin tpica 5.
Calcular:
Recuerde que los datos del problema son:

1. El nmero de das del mes en los que se espera alcanzar
temperaturas de ms de 21.
Hallamos las unidades estandarizadas.

.

-4 -3 -2 -1 -0.4 0 1 2 3 4
3 8 13 18 23 28 33 38 43
El rea solicitada es la rayada con rojo, o sea
.
Como el mes tiene 30 das comercialmente, se da que:
30x0.6554 = 19.66 das = 20 das aproximados.
CONCLUSION: Durante 20 das del mes de Junio tendremos la
posibilidad de tener una temperatura promedio superior a .
Durante el 65.54% de das del mes de Junio tendremos temperatura
promedio superior a
menos de 27.

.
El rea solicitada es la rayada con rojo, o sea
.
30x = 23.64 das = 24 das aproximados.

-4 -3 -2 -1 0 0.8 1 2 3 4
3 8 13 18 23 28 33 38 43
posibilidad de tener una temperatura promedio superior a .
promedio superior a .
3. El nmero de das del mes de Junio en los que se espera
alcanzar mximas 21 y 27.
. Representa una rea 0.3446
Representa una rea 0.7881

-4 -3 -2 -1 -0.4 0 0.8 1 2 3 4
3 8 13 18 23 28 33 38 43
El rea solicitada es la rayada con rojo, o sea la comprendida
entre los dos valores de z
. El equivalente de 44.35%
posibilidad de tener una temperatura promedio entre y .
promedio entre y .
4. El nmero de das del mes de Junio en los que se espera
alcanzar mximas entre 18.5 y 31.6.

. Representa una rea 0.1894
Representa una rea 0.9573

-4 -3 -2 -1-0.88 0 1 1.72 2 3 4
3 8 13 18 23 28 33 38 43
El rea solicitada es la rayada con rojo, o sea la comprendida
entre los dos valores de z
. El equivalente de 76.79%
posibilidad de tener una temperatura promedio entre y .
promedio entre y 31.6.
una temperatura de ms de 40.
una temperatura de menos de 30.
una temperatura mxima entre 10.2 y 28.7.
El nmero de das del mes en los que se espera alcanzar una
temperatura de menos de 30, pero mayor que 15.3.
3. Un congresista de nuestro pas decide en su proceder de apoyar
o no un proyecto sobre educacin pblica, con los resultados de
una encuesta hecha a unos ciudadanos de una poblacin de 200
de los posibles votantes. El congresista apoyara el proyecto solo
si por lo menos 100 de los votantes estn a favor de l.
a. Cul es la probabilidad de que el congresista apoye el
proyecto si solo el 45% de todos los votantes estn a favor
de l?
n = 200 p = 0.45 Distribucin binomial.
Es una aproximacin de la distribucin normal
La media aritmtica es:


CONCLUSION: El congresista apoyara el proyecto solo cuando
100 o ms (100, 101, 102, 103, .., 2000) votantes estn a
favor de l.
Hallamos las unidades estandarizadas para
votantes,
que es el mnimo de votantes que debe haber votado por l.

-3s -2s -1s 0 1s 2s 3s
90

Z = 1.42, entonces el rea es A = 0.92220

CONCLUSION: La probabilidad de que el congresista apoye el
proyecto es 0.0778.
Existe el 7.78% de posibilidades que el congresista apoye el proyecto.
b. Cul es la probabilidad de que el congresista no apoye el
proyecto, si el 52% de todos los votantes estn a favor de
l?
A=0.92220
A=0.27425
0.3446
0.7881
0.3446
0.7881
0.1894
0.9573
n = 200 p = 0.52 Distribucin Binomial.
La media aritmtica.


CONCLUSION: El congresista no apoyara el proyecto solo cuando
el numero de congresistas que apoyan el proyecto es menos de
100 o ms (99, 98, 97, 96, .., 1) votantes.
Hallamos las unidades estandarizadas para
votantes,
que es el mnimo de votantes que debe haber votado por l.

-3s -2s -1s 0 1s 2s 3s
104

Z = -0.63, entonces el rea es A = 0.26435

CONCLUSION: La probabilidad de que el congresista no apoye el
proyecto de educcin es 0.26435.
Existe el 26.43% de posibilidades que el congresista no apoye el
proyecto.
4. La probabilidad de que un riflero de en el blanco con un tiro es
0.4.
a. Cul es la probabilidad de que falle en 4 tiros consecutivos?
p = 0.4 n = 4 q = 1 p = 1 0.4 = 0.6

Otra forma de resolverlo

b. Cul es la probabilidad de que el deportista de en el blanco
al menos una vez en 4 tiros consecutivos.

c. Cuantos tiros debe disparar para tener una seguridad
aproximada de 0.9517 de dar en el blanco por lo menos 1
vez.
La probabilidad de que las falle todas es 1 0.95.

EJERCICIO No 1.
Qu pasara si los dados estn identificados posiblemente con un
color, en el cual uno es verde y el otro es rojo.
1. Cul sera el espacio muestral.
S = {(1,1), (1,2), (1,3), (1,4), (1,5), (1,6), (6,6)} = 36
2. Probabilidad de que la suma sea 6.
E={(1,5), (2,4), (3,3), (4,2), (5,1)} = 5

3. Probabilidad de que la suma de los dados sea 5.
E = {(1,4), (2,3), (3,2), (4,1)} = 4

4. Probabilidad de que ambos sean iguales (pares o cenas).
E = {(1,1), (2,2), (3,3), (4,4), (5,5), (6,6)} = 6

5. Probabilidad de que la suma sea 7.
E= {(1,6), (2,5),(3,4), (4,3), (5,2), (6,1)} = 6

6. La probabilidad de que la suma de los dados sea par.
E = {(1,1), (1,3), (1,5), (2,2), (2,4), (2,6), (3,1), (3,3), (3,5),
(4,2), (4,3), (4,5), (5,1), (5,3), (5,5), (6,2), (6,4), (6,6)} = 18

7. La probabilidad de que los dos dados sean nmeros
impares.
E = {(1,1), (1,3), (1,5), (2,6), (3,1), (3,3), (3,5), (5,1), (5,3),
(5,5)} = 10

8. La probabilidad de que uno de los dados sea un nmero
impar.
E = {(1,1), (1,2), (1,3), (1,4), (1,5), (1,6), (2,1), (2,3), (2,5),
(3,1), (3,2), (3,3), (3,4), (3,5), (3,6), (4,1), (4,3), (4,5), (5,1),
(5,2), (5,3), (5,4), (5,5), (5,6), (6,1), (6,3), (6,5)} = 27

9. Compare los resultados y que concluye.
Diferentes resultados.
EJEMPLO No 6. Seleccinese una carta al azar de una baraja Espaola
corriente de 52 cartas. Determnese la probabilidad de:
1. Que al sacar una carta sea una espada. Evento A
2. Que sea una figura, J, Q, K. Evento B
3. Hallar la P
(A)
- P
(B)
- P
(AUB)
- P
(A
B)

El evento A = {As, 2, 3, 4, 5, 6, 7, 8, 9, 10, J, Q, K }. Tenemos que son
13 cartas diferentes de espadas, de un total de 52 cartas de la baraja.
P
(A)
=
= 0.25 = 25%
El evento B = {Que sea una figura}. Las figuras que se encuentran en
la baraja son:
ESPADAS: J Q K
COPAS: J Q K
OROS: J Q K
BASTOS: J Q K
El total de cartas son 12 posibles, de un total de 52 cartas.
P
(B)
=
= 0.2307 = 23.07%
AB = {Que la carta sea una Espada y Figura}. Son un total de 3 cartas
de 52 posibles.
P
(A
B)
=
= 0.0576 = 5.76%
AUB = {Sea Espada o Figura}.
ESPADA: As, 2, 3, 4, 5, 6, 7, 8, 9, 10, J, Q, K
OROS: J, Q, K
ESPADAS: J, Q, K
BASTOS: J, Q, K
Hay un total de 22 posibilidades de un total de 52 cartas.
P
(AUB)
=
= 0.4230 = 42.30%
EJERCICIOS:
1. Sean 2 Boliches escogidos al azar de un grupo de 12, de los
cuales 4 de estos son o estn en mal estado y sea:
A={Dos boliches en mal estado} = 2
B={Dos boliches en buen estado} = 2
1. El espacio muestral sern los posibles grupos de 2 boliches
que se pueden formar de los 12 posibles.

2. De los 4 boliches en mal estado se pueden formar grupos
de 2 boliches.

3. La probabilidad de A ser: P
(A)
=

4. De los 8 boliches en buen estado se pueden formar grupos
de 2 boliches.

5. La probabilidad de B ser: P
(B)
=

6. Probabilidad de que por lo menos un boliche este en mal
estado.
Halla uno malo o halla dos malos.

A=0.26435
EJERCICIOS:
1. Una moneda est cargada (aumentada de peso) de modo que la
posibilidad de salir cara (C), sea el doble que la de salir el sello
(S). Hallar la probabilidad P
(C)
y P
(S)
.
La probabilidad de salir cara es el doble de la de salir sello.

Por el teorema fundamental de la probabilidad, tenemos que:

Despejando la
, tenemos que:

Como la probabilidad de

2. Sea un dado cargado tal que la probabilidad de salir un numero
cuando es lanzado el dado es proporcional a dicho numero (Por
ejemplo la probabilidad de salir 3 es la mitad de salir 6). Sea
A={Un numero par} B={Numero primo} C={Nmero impar}
D={Numero par y primo} E={Nmero impar y primo}.
La probabilidad de salir cada nmero es:

Por teorema fundamental de probabilidad, tenemos que:

a.) El evento A={2,4,6}
) (

b.) El evento B={3,5}
) (

c.) El evento numero C={1,3,5}
) (

d.) El evento D={2}

3. Determnese la probabilidad p de cada uno de los siguientes
eventos finitos equiprobables.
1. Que salga un nmero par al lanzar un dado normal.
Hallamos el espacio muestral:
{}
El evento es {2,4,6} = 3
La probabilidad es:

2. Que resulte un Rey al sacar una carta de una baraja
Espaola.
El espacio muestral es la baraja espaola, que tiene en cada
pinta:
As, 2, 3, 4, 5, 6, 7, 8, 9, sota, caballo y rey.
Son cuatro pintas: Oros, copas, espadas y bastos.
S = 48
El evento es: Hay 4 reyes, uno por cada pinta.
E = 4

3. Que aparezca por lo menos un sello al lanzar tres monedas
normales.
S = {CCC, CCS, SSC, SSS} = 4
E = {CCS, SSC, SSS} = 3

4. Sacar un 4 en una baraja de pker.
Espacio muestral.
4 pintas: Trbol, pica, corazones y diamantes.
As, 2, 3, 4, 5, 6, 7, 8, 9, 10, J, Q, K., Son 13 cartas por pinta.
S = 13x4 = 52
El evento:
Hay 4 cuatros en la baraja de pker.
E = 4

5. Que resulte una figura al sacar una carta de una baraja de
Pker.
S = 52
E = 3x4 = 12

6. Que aparezca una bola blanca al sacar una sola bola de una
urna que contiene 4 blancas, 3 rojas y 5 bolas azules.
S = Todas las bolas = 4+3+5 = 12
E = Las bolas blancas = 4

7. Sacar un As de una baraja Espaola, en un solo intento en
una carta.
S = Todas las cartas = 4pintas x 12 cartas = 48
E = Las pintas x As = 4x1 = 4

4. Se sacan dos cartas al azar de una barja Espaola. Hallar la
probabilidad p de que:
1. Las dos cartas escogidas sean Espadas.
S = Grupos de a dos, formados de las 48 cartas.

E = Grupos formados de a dos cartas de las 12 espadas.

Otro mtodo.
) (

2. Las dos cartas escogidas al azar sean el mismo nmero.
S = 1.128
E = Grupos de 4(As)+Grupos de 4(2)+ +Grupos de
4(Reyes)=

Otro mtodo.
)(

3. Las dos cartas sean figuras.
E = 3 Figuras x 4 pintas = 3x4 = 12. Formar grupos de 2
cartas.

Otro mtodo.
) (

4. La una sea Espada y la otra Bastos.
E = De cada pinta se escoge de una.

= 12x12 = 144

Otro mtodo.
) (

5. Las dos sean Ases.
E = Grupos de a dos ases.

Otro mtodo.
) (

6. Las dos sean Oros o Figuras.
E= Los grupos de a dos Oros + Grupos de 2 figuras.

E = 45+66 = 111

Otro mtodo.
) (
) (
) (

5. De una baraja de 48 cartas se extrae simultneamente dos de
ellas. Calcular la probabilidad de que:
Hallamos el espacio muestral. Grupos de r=2 cartas de n=48
posibles.

1. Las dos Sean copas.
El evento. Son grupos de r=2, de n=12 posibles.

Otro mtodo.
) (

2. Al menos una sea copas.
E=Grupos de r=2 cartas en orden, de n=12 posibles.
E= Las dos sean copas + Una copa y otra cualquiera.

E = 66+12x36 = 66+432 = 498

Otro mtodo.
) (
) (
) (

Otro mtodo.
) (

3. Una sea copa y la otra espada.
E = (Copa, Espada).
Se cumple para cada una de las pintas.

E= 12x12 = 144 = 288

6. Una clase est formada por 10 chicos y 10 chicas; la mitad de las
chicas y la mitad de los chicos Han elegido francs como
asignatura optativa.
Organizamos un diagrama de Venn que nos muestre la situacin
de los estudiantes

El espacio muestral del problema.
E = Chicos + Chicas = 10 + 10 = 20
1. Cul es la probabilidad de que una persona elegida al azar
sea chico o estudio francs?
El evento es: Chico o Estudie francs.
E = 10 + 5 Chicas que estudian francs = 15

2. Y la probabilidad de que sea chica y no estudi francs?
E = 5 chicas que no estudian francs.

7. En una ciudad, el 40% de la poblacin tiene cabellos castaos, el
25% tiene ojos castaos y el 15% tiene cabellos y ojos castaos.
Se escoge una persona al azar:
Se hace el llenado de la tabla para determinar el espacio
muestral y el evento.
C.C
C No
C
T
O C 15 10 25
O No
C
25 50 75
T 40 60 100
1. Si tiene los cabellos castaos, cul es la probabilidad de
que tenga tambin ojos castaos?

2. Si tiene ojos castaos, cul es la probabilidad de que no
tenga cabellos castaos?

3. Cul es la probabilidad de que no tenga cabellos ni ojos
castaos?

8. Hallar la probabilidad de que al lanzar al aire dos monedas
diferentes, salgan:
El espacio muestral de lanzar las dos monedas.
S = {CC, SS, CS, SC} = 4
1. Dos caras.
E = {CC} = 1

2. Dos sellos.
E = {SS} = 1

3. Una cara y un sello.
E = {CS, SC} = 2

9. Hallar la probabilidad de que al levantar unas fichas de domin
se obtenga un nmero de puntos mayor que 9 o que sea
mltiplo de 4.
10. Un dado est trucado, de forma que las probabilidades de
obtener las distintas caras son proporcionales a los nmeros de
estas. Hallar:
1. La probabilidad de obtener el 6 en un lanzamiento.
2. La probabilidad de conseguir un nmero impar en un
lanzamiento.
11. Se lanzan dos dados al aire y se anota la suma de los puntos
obtenidos. Se pide:
1. La probabilidad de que salga el 7.
2. La probabilidad de que el nmero obtenido sea par.
3. La probabilidad de que el nmero sea mltiplo de tres.
12. Se lanzan tres dados. Encontrar la probabilidad de que:
1. Salga 6 en todos.
2. Los puntos obtenidos sumen 7.
13. Busca la probabilidad de que al echar un dado al aire, salga:
El espacio muestral es:
S ={1, 2, 3, 4, 5, 6}
1. Un nmero par.
E = {2, 4, 6} entonces 3.

2. Un mltiplo de tres.
E = {3, 6} entonces 2.

3. Mayor que cuatro.
E = {5, 6} entonces 2.

4. Menor que 4.
E = {1, 2, 3} entonces 3.

5. Mltiplo de tres, en pares.
E = {6} entonces 1.

14. Se sacan dos bolas de una urna que se compone de una bola
blanca, otra roja, otra verde y otra negra. Describir el espacio
muestral cuando:
1. La primera bola se devuelve a la urna antes de sacar la
segunda.
El espacio muestral est formado por todas las posibilidades que
existen de combinar dos bolas.
S= {BB, BR, BV, BN, RB, RR, RV, RN, VB, VR, VV, VN, NB, NR, NV,
NN} = 16
a. Probabilidad que las sacadas sean iguales.
El evento.
E = {BB, RR, VV, NN} = 4

b. Probabilidad que las sacadas sean diferentes.
El evento.
E = {BR, BV, BN, RB, RV, RN, VB, VR, VN, NB, NR, NV} = 12

2. La primera bola no se devuelve.
El espacio muestral est formado por todas las posibilidades que
existen de combinar dos bolas.
S= {BR, BV, BN, RB, RV, RN, VB, VR, VN, NB, NR, NV} = 12
a. Probabilidad que las sacadas sean iguales.
El evento.
E = { } = 0

b. Probabilidad que las sacadas sean diferentes.
El evento.
E = {BR, BV, BN, RB, RV, RN, VB, VR, VN, NB, NR, NV} = 12

15. Una urna tiene 8 bolas rojas, 5 amarilla y 7 verdes. Se extrae una
al azar, Cual es la probabilidad de que:
Espacio muestral es la suma de todas las bolas.
S = 8+5+7 = 20
1. Sea roja.
E = 8

2. Sea verde.
E = 7

3. Sea amarilla.
E = 5

4. No sea roja.
E = Son amarillas o verdes = 5 + 7 = 12

5. No sea amarilla.
E = Que sea verde o roja = 8 + 7 = 15

16. Una urna contiene 3 bolas rojas y 7 blancas. Se extraen dos bolas
al azar. Escribir el espacio muestral y hallar la probabilidad de:
S = {RR, RB, BB, BR},
1. Extraer las dos bolas Rojas con reemplazamiento.
) (

2. Extraer las dos bolas Blancas con reemplazamiento.
) (

3. Extraer una bola Roja y otra Blanca con reemplazamiento.
) (

4. Extraer una bola Blanca y otra Roja con reemplazamiento.
) (

5. Extraer las dos bolas Rojas sin reemplazamiento.
) (

6. Extraer las dos bolas Blancas sin reemplazamiento.
) (

7. Extraer una bola Roja y otra Blanca sin reemplazamiento.
) (

8. Extraer una bola Blanca y otra Roja sin reemplazamiento.
) (

17. Se extraen cinco cartas de una baraja de 52. Hallar la
probabilidad de extraer:
El espacio muestral sern todos los grupos de r=5 cartas de n=52
posibles.

1. 4 ases.
E =

2. 4 ases y un rey.
E =

3. 3 cincos y 2 sotas.
E =

4. Un 9, 10, sota, caballo y rey en cualquier orden.

5. 3 de un palo cualquiera y 2 de otro.
Hay 4 formas de elegir el primer palo y 3 de elegir el segundo
palo.

6. Al menos un as.
Sera igual a 1 los que no tienen ningn as.
E =

18. Se dispone de tres cajas con bombillas. La primera contiene 12
bombillas, de las cuales hay cinco fundidas; en la segunda hay
ocho bombillas, estando tres de ellas fundida, y la tercera caja
hay cinco bombillas fundidas de un total de quince. Cul es la
probabilidad de que al tomar una bombilla al azar de una
cualquiera de las cajas?

1. Cul es la probabilidad de que al tomar una bombilla al
azar de la primera caja, est fundida?

azar de la segunda caja, est buena?

azar de la segunda caja, est fundida?

azar de una cualquiera de las cajas, est fundida?

azar de una cualquiera de las cajas, est buena?

azar de una cualquiera de las cajas, est buena o est
fundida?

19. En una casa matriz de venta de carros se realiza un sorteo de un
vehculo entre sus clientes y se selecciona por sorteo a uno de
ellos y se le introducen tres llaveros A, B y C, para poder abrir la
puerta del vehculo y as ser el ganador: El primero llavero con
cinco llaves y dos abren el auto, el segundo con siete y tres
abren el auto y el tercero con ocho y 6 bloquean el auto. Se
escoge al azar un llavero. Cul es la probabilidad de que:
A. Sea el ganador con el primer llavero.
B. Abra el carro con cualquiera de los llaveros.
C. No abra con el tercer llavero.
D. Con cul de los llaveros tiene mayor probabilidad de ganar.
20. En una urna hay 3 monedas, con las siguientes caractersticas. La
primera es una moneda normal, la segunda es una moneda que
tiene dos caras y la tercera es una moneda cargada, en la cual la
probabilidad de salir cara es
de la probabilidad de salir sello.

Si se saca una moneda al azar, cul ser la probabilidad de que al
lanzarla salga:
A. Cara.
B. Sello.
21. En una competencia ciclstica, donde solo hay cuatro corredores,
que tienen la opcin de ganar. Si Meteln tiene el cudruplo de
probabilidad de ganar que Sobarrn, y Sobarrn tiene el doble
de probabilidad de ganar que Pedalero y Pedalero el doble de
Cipriano.
A. Determinar la probabilidad de ganar cada uno.
Se plantean las probabilidades de cada uno de los ciclistas en
funcin de los dems y se halla la probabilidad de cada uno de
ellos.

B. Quien ganara la carrera, segn el estudio de la
probabilidad?
Gana La carrera el de mayor probabilidad que es Meteln con
.
22. En un centro escolar los alumnos pueden optar por cursar como
lengua extranjera ingls o francs. En un determinado curso, el
90% de los alumnos estudia ingls y el resto francs. El 30% de
los que estudian ingls son chicos y de los que estudian francs
son chicos el 40%. Al elegir un alumno al azar, cul es la
probabilidad de que sea chica?
23. Un taller sabe que por trmino medio acuden: por la maana
tres automviles con problemas elctricos, ocho con problemas
mecnicos y tres con problemas de chapa, y por la tarde dos con
problemas elctricos, tres con problemas mecnicos y uno con
problemas de chapa.

Elctrico Mecnico Chapas Total
Maana 3 8 3 14
Tarde 2 3 1 6
Total 5 11 4 20
A. Cul es la probabilidad de que atiendan un carro y sea de la
jornada de la tarde:

B. Cul es el porcentaje de los carros que acuden por
problemas mecnicos. Recuerde que hallar el porcentaje y
la probabilidad son operaciones equivalentes.

C. Calcular la probabilidad de que atiendan un automvil con
problemas elctricos acuda por la maana:

D. Calcular la probabilidad de que atiendan un automvil con
problemas mecnicos acuda por la tarde:

24. En un aula de clases hay 100 alumnos, de los cuales: 40 son
hombres, 30 usan gafas, y 15 son varones y usan gafas. Si
seleccionamos al azar un alumno de dicho curso.
Gafas Sin Gafas Total
Hombres 15 25 40
Mujeres 15 45 60
Total 30 70 100
A. Cul es la probabilidad de que sea mujer y no use gafas?

B. Cul es la probabilidad de que sea mujer y use gafas?

C. Hallar el porcentaje de los estudiantes que usan gafas

D. La probabilidad de que un estudiante con gafas sea mujer.

E. Probabilidad de que un estudiante sin gafas sea hombre.

F. Sabemos que el estudiante seleccionado no usa gafas, Qu
probabilidad hay de que sea hombre?

G. Sabemos que el estudiante seleccionado no usa gafas, Qu
probabilidad hay de que sea mujer?

25. En una clase en la que todos practican algn deporte, el 60% de
los alumnos juega al ftbol o al baloncesto y el 10% practica
ambos deportes. Si adems hay un 60% que no juega al ftbol,
cul ser la probabilidad de que escogido al azar un alumno de
la clase:

F B

0.30 0.10
0.20

0.40

A. Juegue ni futbol, ni baloncesto.
B. Juegue slo al ftbol:
C. Juegue slo al baloncesto.
D. Practique uno solo de los deportes:
E. Que practique baloncesto:
F. Si en total en la escuela ha. y 80 estudiantes practicando
Deportes. Cul es el nmero de estudiantes que practica
Futbol?
G. De total de estudiantes de la escuela Deportes. Cul es el
nmero de estudiantes que practica Baloncesto?
H. Si del total estudiantes practicando Deportes se quiere
hallar el nmero de estudiantes que practica solo Futbol?
I. Cul es el nmero de estudiantes que practica Futbol y
Baloncesto?
J. Cul es el nmero de estudiantes que practica Futbol o
Baloncesto?
26. Los estudiantes de la Universidad de Miami hacen un bazar con
el propsito de recoger fondos para el paseo final de la
fundacin del estado.
Uno de los juegos de azar que se pueden encontrar en el bazar
es:
Un disco tiene tres regiones iguales y cada una de ellas
iluminadas por un color diferente, Rojo, Verde, Azul. El jugador
escoge un color. El disco da vueltas y se detiene en el color que
el jugador selecciono, y gana. Marvin decide jugar dos veces y
selecciona el color Rojo en ambas ocasiones.
Pierde o gana con dos ensayos, ya que decidi jugar dos veces.
Cul es la probabilidad de que Marvin:
1. Gane en ambas ocasiones.
Espacio muestral S = 9
Evento 1 = 1

2. Gane una sola vez.
Evento 2 = 4

3. No gane.
Evento 3 = 1

N J1 J2 RESULTA
1 R R Gana 2
2 R V Gana 1
3 R A Gana 1
4 V V Pierde
5 V R Gana 1
6 V A Pierde
7 A A Pierde
8 A R Gana 1
9 A V Pierde

R
RUETA
V A

OTRO METODO.
Terminos de ganar y perder.
2 Gana Gana.

1 Gana Pierde y Pierde Gana.

0 Pierde Pierde.

La probabilidad de ganar:

La probabilidad de perder:

Probabilidad de ganar en ambas ocasiones:

Probabilidad de ganar una sola vez:

Probabilidad de no ganar en ambas ocasiones: Perder

Supongase que Marvin decide jugar 4 veces. Encuentrese la
probabilida de ganar:
1. 4 Veces. GGGG.

2. 3 Veces. GGGP, GGPG, GPGG, PGGG.

3. 2 Veces. GGPP, GPPG, PPGG, PGPG, GPGP, PGGP.

4. 1 Vez. GPPP, PGPP, PPGP, PPPG.

5. O Veces. PPPP.

ESTADISTICA INFERENCIAL.
1. La inferencia estadstica o estadstica Inferencial es una parte de
la Estadstica que comprende y da los mtodos y procedimientos
para deducir propiedades (hacer inferencias) de una poblacin, a
partir de una pequea parte de la misma (muestra).
2. Es un proceso de anlisis que consiste en inferir las propiedades
de una poblacin con base en la caracterizacin de la muestra.
Se basa en las conclusiones a la que se llega por la ciencia
experimental basndose en informacin incompleta.
Genera modelos probabilsticos a partir de un conjunto de
observaciones.
Del conjunto de observaciones que van a ser analizadas, se eligen
aleatoriamente slo unas cuantas, que es la muestra, y a partir de
dicha muestra se estiman:
1. Los parmetros del modelo.
2. Se contrastan las hiptesis establecidas, con el objeto de
determinar si el modelo probabilstico es el adecuado al
problema real que se ha planteado.
La utilidad de la inferencia estadstica, consiste en que si el modelo se
considera adecuado, puede usarse para la toma de decisiones o para
la realizacin de las previsiones convenientes.
La inferencia estadstica parte de un conjunto de observaciones de
una variable, y a partir de estos datos infiere o genera un modelo
probabilstico; por tanto es la consecuencia de la investigacin
emprica, cuando se est llevando a cabo, y como consecuencia de la
ciencia terica, cuando se estn generando estimadores, o mtodos,
con tal o cual caracterstica para casos particulares.
La inferencia estadstica es, en consecuencia, un planteamiento
inductivo.
TECNICAS DE MUESTREO.
Para realizar un anlisis estadstico, se puede efectuar:
1. Toda la poblacin.
2. Una parte de la poblacin.
Si estudiamos toda la poblacin, podemos conocer e identificar
exactamente la distribucin que presenta la variable o las variables
estudiadas en dicha poblacin. Por ejemplo, en la mayora de los
casos, los censos son inviables o como mnimo innecesarios. Los
censos son lentos y caros (hay que examinar una gran cantidad de
individuos, lo cual requiere tiempo y dinero) y poco flexibles (debido
a su complejidad, es muy difcil modificarlos cuando se han puesto en
marcha).
Tratar una gran cantidad de individuos, para ser estudiados requiere
disponer de personal entrenado, instalaciones (laboratorios, centros
de tratamientos de datos, recopilacin...), recursos, en estos casos,
un censo puede ser irrealizable, o bien puede realizarse sin los
recursos necesarios, de modo que, los datos obtenidos pueden
contener errores y por tanto, no necesariamente van a proporcionar
una buena informacin.
Una alternativa a los censos ser la medicin de estas variables en
una parte de la poblacin, es decir, en una muestra. Trabajar con una
muestra de la poblacin tiene la ventaja de que:
1. Es ms rpido.
2. Ms barato.
3. Los resultados obtenidos pueden ser ms precisos,
De modo que, si la muestra se elige correctamente, la informacin
que obtenemos permite una estimacin razonable de la situacin de
la poblacin.
Cuando nos planteamos tomar una muestra, surgen dos preguntas:
1. Qu individuos o datos debo incluir en la muestra?
2. Cuntos individuos o datos debo tomar?
Para un ejemplo en particular,
1. Cuando el objetivo es conocer la cantidad de enfermedad o
cuando queremos realizar un estudio epidemiolgico cuyos
resultados debemos extrapolar a la poblacin general, un
requisito indispensable es que la muestra sea representativa de
la poblacin general, por tanto la muestra debe tomarse al azar.
2. Cuando el objetivo es conocer si una enfermedad existe o no en
una poblacin, tambin podemos tomar una muestra aleatoria,
pero en la mayora de los casos, lo ms apropiado ser tomar
una muestra sesgada, de modo que analizaremos aquellos
individuos que tienen mayor posibilidad de estar enfermos.
La mejor opcin para obtener una muestra representativa es:
1. Elegir los individuos al azar mediante un muestreo aleatorio, es
decir, seleccionando los individuos de manera que todos ellos
tenga la misma probabilidad de formar parte de la muestra.
2. Cuando estos no es posible la alternativa ser elegir a los
individuos segn un muestreo de conveniencia.
El mtodo para elegir la muestra recibe el nombre de muestreo.
MUESTREO.
Es una herramienta de la investigacin cientfica. Su funcin bsica es
que parte de una realidad en estudio (poblacin o universo) debe
examinarse con la finalidad de hacer inferencia sobre dicha
poblacin.
El error que se comete debido a hecho de que se obtienen
conclusiones sobre cierta realidad a partir de la observacin de solo
una parte de ella y se denomina error de muestreo.
Obtener una muestra adecuada significa lograr una versin
simplificada de la poblacin, que reproduzca de algn modo sus
rasgos bsicos.
Nos da las herramientas, tcnicas y mtodos, para realizar una
investigacin cientfica, de procesos estadsticos para la seleccin de
una muestra.
1. FUNCIONES:
A. DETERMINACION DE LOS DATOS.
1. Cules.
2. Cuantos. Para el estudio y la inferencia.
B. AHORRO.
1. Tiempo.
2. Dinero.
3. Personal.
4. Espacio.
C. PROPIEDADES.
1. Cuantitativa: Representativa. Cantidad.
2. Cualitativa: Caractersticas de la poblacin.
Propiedades.
2. TIPOS DE MUESTREO.
A. PROBABILISTICO O ALEATORIO.
Propiedades de los elementos de la poblacin cumple:
1. Misma probabilidad de escogencia.
2. Probabilidad de escogencia conocida.
3. Probabilidad con reemplazo o sin l.
4. El error se da en forma de probabilidad.
A.1. ALEATORIO SIMPLE.
Sus elementos:
1. Se ordenan en tablas:
Asignar nmeros a los elementos de la poblacin.
Se escogen con balotas o tablas especiales.
2. Escogencia al azar.

VENTAJAS.
Sencillo.
Fcil comprensin.
Calculo fcil y rpido.
Varianza.
Media.
Desviacin estndar.
Basada en la teora estadstica.
Uso de software.
Anlisis de datos.
DESVENTAJAS.
Listados de la poblacin.
Poblaciones pequeas. Fcil.
Poblaciones grandes. Extenso y complicado.
Muestras pequeas no es representativo.
A.2. SISTEMATICO.
Sus elementos se escogen para muestras grandes:
1. Primer elemento al azar:
2. Los dems condicionados por el primer elemento.

PROCEDIMIENTO.
Listado de elementos de la poblacin.
Determinar tamao de la muestra.
Definir constante de elevacin o k de salto.

Elegir numero de arranque (1, K).
Seleccionar elementos.
VENTAJAS.
Fcil aplicacin.
No siempre es necesario listado de elementos.
Poblacin ordenada asegura cobertura.
DESVENTAJAS.
Estimaciones sesgadas.
A.3. ESTRATIFICADO.
Sus elementos o poblacin se divide en:
1. Clase.
2. Grupos de estudio, que sean:
3. Todos aportan a la muestra.
Homogneos.
Iguales condiciones.
De las mismas caractersticas de variables. Ejemplos de
Variables.
1. Sexo.
2. Peso.
3. Edad.
4. Ciudad, etc.

PROCEDIMIENTO.
Proporcional.
Grupos.
Porcentaje.
Optima.
Escogen de grupos ms variables.
VENTAJAS.
La muestra representa la poblacin por la variabilidad.
Estimaciones ms precisas.
DESVENTAJAS.
Distribucin de las variables en la poblacin.
Anlisis ms complicados por la diversidad de grupos.
Ms cantidad de variables a analizar.
A.4. CONGLOMERADO.
Sus elementos de la poblacin se divide en:
1. N Grupos.
2. Todos los grupos deben ser:
Variados.
Completos.
Representativos.
3. La variacin en cada grupo es menor que la variacin entre
los grupos.
1. Sexo.
2. Peso.
3. Edad.
4. Ciudad, etc.

PROCEDIMIENTO.
Proporcional.
Grupos.
Porcentaje.
Optima.
Escogen de grupos ms variables.
VENTAJAS.
Es ms eficientes para poblaciones:
Grandes.
Dispersas.
Reduce costos.
Listados cortos, no necesario el completo de la poblacin.
DESVENTAJAS.
El error estndar es mayor, que en los otros procesos.
Calculo de error estndar es ms complejo
B. NO PROBABILISTICO O NO ALEATORIO.
Propiedades de los elementos de la poblacin cumple:
1. Diferente probabilidad de escogencia.
2. Probabilidad de escogencia desconocida.
3. No es representativa la muestra.
4. El error no se da en forma de probabilidad.
5. Muestra es costosa.
6. El investigador debe conocer el tema. Especialista.
Consiste en la eleccin por mtodos no aleatorios de una
muestra cuyas caractersticas y condiciones sean similares a las
de la poblacin objetivo. En este tipo de muestreos la
representatividad la determina el investigador de modo
subjetivo, siendo este el mayor inconveniente del mtodo ya
que no podemos cuantificar la representatividad de la muestra.
Presenta casi siempre sesgos y por tanto debe aplicarse
nicamente cuando no existe alternativa.
B.1. POR CUOTA.
Llamado tambin accidental.
Sus elementos de la poblacin se divide en:
Estratos.
1. Se toma proporcin de cada uno de los estratos. es
decir, la parte proporcional de poblacin que
representan.
2. Se dividen por variables comunes. Sexo, talla, edad,
profesin, estado civil, etc.
Se diferencia del muestreo estratificado en que una vez
determinada la cuota, el investigador es libre de elegir a los
sujetos de la muestra dentro de cada estrato.
Se necesita conocer muy bien la poblacin y tenerla bien
definida.

Por ejemplo, la Consejera de Sanidad desea estudiar la incidencia de
las drogas en la adolescencia. Lo que deberamos hacer sera:
A. Conocer por los informes de la Consejera de Educacin
cuales son los centros ms afectados por el problema.
B. Fijar un nmero de sujetos a entrevistar proporcional a
cada uno de los estratos (cuotas).
C. Dejar en manos de los responsables del trabajo de campo a
que sujetos concretos se deber entrevistar.
B.2. OPINATICO INTENCIONAL.
Este tipo de muestreo se caracteriza por un esfuerzo deliberado
de obtener muestras "representativas" mediante la inclusin en
la muestra de grupos supuestamente tpicos. Es muy frecuente
su utilizacin en sondeos preelectorales de zonas que en
anteriores votaciones han marcado tendencias de voto.
Desventaja que se puede sesgar la muestra.
B.3. CASUAL O INCIDENTAL.
Se trata de un proceso en el que el investigador selecciona
directa e intencionadamente los individuos de la poblacin.
El caso ms frecuente de este procedimiento el utilizar como
muestra:
A. Los individuos a los que se tiene fcil acceso (los profesores
de universidad emplean con mucha frecuencia a sus propios
alumnos).
B. Un caso particular es el de los voluntarios.
C. Personas conocidas o amigos.
B.4. BOLA DE NIEVE.
Se localiza a algunos individuos, los cuales conducen a otros, y
estos a otros, y as hasta conseguir una muestra suficiente. Este
tipo se emplea muy frecuentemente cuando se hacen estudios
con poblaciones "marginales", delincuentes, sectas,
determinados tipos de enfermos, etc.
LA MUESTRA.
Las dos preguntas importantes de cada una de las muestras.
1. Que individuos de la poblacin debo escoger para la
conformacin de la muestra?
Observar las caractersticas de la poblacin, para la
muestra.
Propiedades de cada uno de los elementos de la muestra.
Determinar las condiciones de los elementos.
Que es lo que se va a estudiar?
2. Cuantos elementos de la poblacin debo tomar para formar la
muestra?
Tamao.
Representatividad.
Ahorro.
a. Tiempo.
b. Dinero.
c. Personal.
Efectividad.
3. Determinar las conclusiones, la inferencia y minimizar los
errores.
TAMAO DE LA MUESTRA.
Regularmente cada estudio dentro de sus especificidades tiene:
Es una parte de la poblacin.
1. Que individuos se deben escoger.
A. Caractersticas de cada uno de los elementos.
B. Propiedades que deben tener.
C. Condiciones que se deben cumplir.
D. Que se va estudiar.
2. Cuantos se deben escoger.
A. Tamao de la muestra. Numero.
B. Representativa.
C. Ahorro:
a. Tiempo.
b. Dinero.
c. Personal.
Esto se realiza para poder en estadstica Inferencial de:
Concluir y decidir sobre toda una poblacin, pero pensando en la
efectividad de la aplicacin.
1. Tamao de la muestra apropiado y debe cumplir con unas
propiedades.
a. Aceptable.
b. Idnea.
c. Conseguida con el mnimo esfuerzo.
Como se puede obtener el tamao de la muestra.
a. Programas de computacin.
b. Formulas especficas de la estadstica.
c. Criterios especficos del investigador.
2. Elementos de conformacin para la muestra.
Error estndar: Mide el intervalo de confianza.
Se calcula o se tiene como dato de ayuda:
1. Media aritmtica.
2. Probabilidad o porcentaje.
3. Diferencia de medias.
3. La muestra debe ser:
A. Representativa.
B. Completa. Todas las caractersticas y variables.
C. Precisin estadstica: Disminuye el error estndar.
TALLER EN CLASE.
Usted debe extractar cada uno de los conceptos y definiciones de las
tcnicas del muestreo y resolver los siguientes ejercicios.
1. La secretaria de salud pblica desea determinar por medio de un
estudio el ndice de satisfaccin de los hospitales oficiales en el
rea de hospitalizacin y ciruga, para eso decide encuestar 300
pacientes de un total de 3.600, distribuidos entre todos.
1. Cul sera el mtodo ms aconsejable para la escogencia de
la muestra. Y porque.
Sistemtico
2. El nmero de Instituciones elegidas para a toma de dicha
muestra.

3. Cuantos pacientes de cada una de las instituciones
escogeran para la encuesta.
300/12 25.
4. Que decidira Ud. en caso de que en una de las Instituciones
se encontrara un nmero de paciente inferior al nmero de
pacientes escogidos.
2. Como los gustos cambian con la edad y se sabe que en el barrio
Vila Ftima, viven 2.400 nios, 3.200 jvenes, 6.000 adultos y
1.500 ancianos, y se desean unificar los criterios de gustos de
ocio. Si se decide elegir la muestra de la anterior poblacin.
1. Cul sera el mtodo ms adecuado que Ud. utilizara.
Porque.
2. Determinar el tamao muestral correspondiente a cada
estrato.
3. Si Ud. decide escoger una cuota fija por porcentaje para
cada uno de los grupos del barrio, Cual seria el ms
adecuado y cuanto aportara cada grupo a la muestra.
4. Que recomendaciones haran ustedes para la escogencia de
la muestra.
NOTA: Deben aparecer todas las operaciones para que el
ejercicio tenga validez.
3. Los investigadores de problemas de convivencia y drogadiccin
en Cali desean determinar las edades de la poblacin con mayor
ndice de consumo. Han determinado tomar una muestra
representativa para que dicho estudio sea bien fundamentado.
1. Como clasificara la poblacin.
2. Como los conseguira.
3. Que mtodo de recoleccin de informacin y datos Ud.
tomara.
Que mtodo de muestreo utilizara.
DISTRIBUCION MUESTRAL DE MEDIA.
CARACTERISTICAS DE LA MEDIA.
Cada muestra de tamao n que se pueda extraer, proporciona una
muestra.
Cada media se puede considerar como una variable aleatoria, para
estudiar su distribucin.
La distribucin de la media sigue la distribucin normal.

Si la distribucin no sigue una distribucin normal, pero ,
aplicamos el Teorema del Limite Central.
EJEMPLO DEDUCCION.
Para una poblacin de 4 estudiantes en los cuales se les evalu un
examen de estadstica, con calificacin del [ ] y resultados
{}, se desea determinar:
1. Media aritmtica de la Poblacin.

2. Desviacin estndar de la poblacin.

CON SUSTITUCION.
Hay sustitucin del elemento que se saca.
No MUESTRA MEDIA D.M S
1 1 1 1 -3 9
2 1 3 2 -2 4
3 1 5 3 -1 1
4 1 7 4 0 0
5 3 1 2 -2 4
6 3 3 3 -1 1
7 3 5 4 0 0
8 3 7 5 1 1
9 5 1 3 -1 1
10 5 3 4 0 0
11 5 5 5 1 1
12 5 7 6 2 4
13 7 1 4 0 0
14 7 3 5 1 1
15 7 5 6 2 4
16 7 7 7 3 9

4 2,5
1. La media aritmtica de cada una de las muestras es:

Se observa que la media aritmtica de la poblacin y la muestra
son iguales.

2. La Desviacin estndar de la muestra es:

Podemos observar que la Desviacin Estndar de la muestra es
igual a la Desviacin Estndar de la poblacin dividida por la raz
de los elementos de la muestra.

3. Si realizamos una tabla de frecuencias de las medias aritmticas
de las muestras:
No
Medi
a
frecu
e Prob
1 1 1

2 2 2

3 3 3

4 4 4

5 5 3

6 6 2

7 7 1

16

4. Si calculamos la esperanza matemtica, equivaldra a la media
aritmtica de la media muestral:

5. Determine la varianza por medio de:

Si la Desviacin estndar es la raz cuadrada de la varianza:

SIN SUSTITUCION:
No se pueden sustituir los elementos de la muestra
No MUESTRA
MEDI
A
D.M DE.
1 1 3 2 -2 4
2 1 5 3 -1 1
3 1 7 4 0 0
4 3 1 2 -2 4
5 3 5 4 0 0
6 3 7 5 1 1
7 5 1 3 -1 1
8 5 3 4 0 0
9 5 7 6 2 4
10 7 1 4 0 0
11 7 3 5 1 1
12 7 5 6 2 4
48 20
MEDIA MUESTRAL 4 1,667
Desviacin ESTANDAR 1,291
1. La media aritmtica de cada una de las muestras es:

Que se observa entre la media aritmtica de la poblacin y la
media muestral?

2. La Desviacin estndar de la muestra es:

Que se puede concluir?

3. Si realizamos una tabla de frecuencias de las medias aritmticas
de las muestras:

No Media
frecu
e Prob
1 2 2

2 3 2

3 4 4

4 5 2

5 6 2

12

4. Si calculamos la esperanza matemtica, equivaldra a la media
aritmtica de la media muestral:

5. Determine la varianza por medio de:


EJERCICIO: En una Universidad del estado se ha realizado una
investigacin diagnostica sobre el rea de Matemtica Fundamental
1, del total de 400 estudiantes, para ello se tomo una muestra de 36
estudiantes de Ingeniera Mecnica, la cual arrojo los siguientes
resultados:
El promedio de la calificacin de todos los estudiantes de la
Universidad fue de 6.8 y una desviacin tpica poblacional de 2.25.
Los datos del problema:
Media Poblacin =
Media de la Muestra
Desviacin Tpica Poblacional

Poblacin N = 400 Muestra n = 36
E. Hallar los estudiantes con nota inferior a 6.0

1. Hallamos la desviacin tpica de la muestra

2. Hallamos las unidades estandarizadas para

3. Hallamos el valor correspondiente de Z=-2.13 en la tabla, que es
una A=0.0166, equivalente a un 1.66%.
4. La grafica de la campana de Gauss

-4 -3 -2 -1 0 1 2 3 4 Unidades Z
5.3 5.675 6.05 6.425 6.8 7.175 7.55 7.925 8.3 Promedios

5. Determinamos el nmero de estudiantes que cumplen la
condicin de estar con nota inferior a 6.0
1 2 3 4 5 6 7
frecue 1 2 3 4 3 2 1
0
1
2
3
4
5
F
R
E
C
U
E
C
N
I
A
S

HISTOGRAMA
1 2 3 4 5
Media 2 2 4 2 2
0
1
2
3
4
5
F
R
E
C
U
E
N
C
I
A

HISTOGRAMA
A=0.0166
N = NxP = (400)(0.0166) = 6.64 aproximamos a 7
6. CONCLUSIN.
1. La probabilidad de escoger una estudiante con nota inferior
a 6.8 es de 0.0166 o el equivalente al 1.66%.
Los estudiantes que tienen nota inferior a 6 solamente son 7 del total
de la poblacin de la Universidad en la carrera de Ingeniera
Mecnica.
b. Hallar el nmero de estudiantes de Ingeniera mecnica, que
tienen nota superior a 8.5, en el rea de Matemtica.

1. Hallamos las unidades estandarizadas para

2. Hallamos el valor correspondiente de Z=3.2 en la tabla, que es
una A=0.99931.
3. La grafica de la campana de Gauss

-4 -3 -2 -1 0 1 2 3 4 Unidades Z
5.3 5.675 6.05 6.425 6.8 7.175 7.55 7.925 8.3 Promedios

4. Los valores por los cuales nos est preguntando el problema son
los del rea derecha sombreada con fucsia y la tabla nos entrega
los del lado izquierdo. Por lo tanto al total le debemos restar el
rea encontrada. 1-0.99931=0.00069
5. N = NxP = (400)(0.00069) = 0.276 aproximamos a 0
6. CONCLUSIN.
1. La probabilidad de escoger una estudiante con nota
superior a 8.0 es de 0.00069 o el equivalente al 0.069%.
2. Los estudiantes que tienen nota superior a 8.0 en el rea de
matemtica son 0.
INTERVALO DE CONFIANZA PARA LA MEDIA.
En estadstica, se llama intervalo de confianza a un par de nmeros
entre los cuales se estima que estar cierto valor desconocido con
una determinada probabilidad de acierto.
Es el intervalo comprendido entre dos valores, en el cual podemos
decir que se encuentran nuestros datos o nuestras medias.
ESTIMACION PUNTUAL:
Las medias o desviaciones estndar calculadas de una muestra se
denominan ESTADSTICOS, podran ser consideradas como un punto
estimado de la media y desviacin estndar real de poblacin o de los
PARAMETROS.
ESTIMADOR POR INTERVALO DE CONFIANZA:
Denota un rango dentro del cual se puede encontrar el parmetro y
el nivel de confianza que el intervalo contiene al parmetro.
LIMITES DECONFIANZA:
Son los lmites del intervalo de confianza inferior, (Lado izquierdo de
la media poblacional) y superior (Lado derecho de la media
poblacional).
INTERPRETACINDEL INTERVALO DE CONFIANZA:
Tener un 95% de confianza en que la media poblacional real y
desconocida se encuentra entre los valores Lmite inferior de
confianza y Limite superior de confianza.
Recuerde que para hallar el intervalo de confianza se deben
encontrar los lmites de este.
NIVELDE SIGNIFICANCIA = 1- INTERVALO DE CONFIANZA = ERROR
TIPO 1 = ALFA
Cmo obtenemos un intervalo de confianza?
Estimacin puntual + error de estimacin
De dnde viene el error de estimacin o margen de error?
Z estandarizado x Desviacin estndar
Ejemplo 1
Si la media de la muestra es 100 y la desviacin estndar es 10, el
intervalo de confianza al 95% donde se encuentra la media para una
distribucin normal es: 100 1.96(10) => (80.4, 119.6)

El 95% de Nivel de Confianza significa que slo tenemos un 5% de
oportunidad de obtener un punto fuera de ese intervalo.
Esto es el 5% total, o 2.5% mayor o menor. Si vamos a la tabla Z
veremos que para un rea de 0.025, corresponde a una Z de1.960.
C. I. Multiplicador Za/2
99 2.576
95 1.960
90 1.645
85 1.439
80 1.282
Para tamaos de muestra > 30, o conocida usar la distribucin
Normal.
Se desea siempre tener un nivel de confianza alto y un error de
estimacin pequeo. El nivel de confianza nos proporciona seguridad
en que nuestro mtodo arroja respuestas correctas. Un error de
estimacin pequeo nos dice que el valor del parmetro estimado se
parece mucho al obtenido.

Si el intervalo de confianza lo tomamos por 90%, entonces tenemos
que:
, lo que indica que .
Utiliza un nmero nico o valor para localizar una estimacin del
parmetro.
INTERVALOS DE CONFIANZA PARA LA MEDIA.
El clculo de Z (Unidades estandarizadas) para la distribucin
muestral de la media.
El valor de z estandarizada, es igual a la diferencia que existe entre la
media muestral
y la media poblacional , dividida por el error

estndar de la media

Despejando el valor de
, obtenemos:

Pero como para el intervalo se debe encontrar un intervalo que
contenga la media poblacional, entonces reemplazamos a por
y
cada uno de los limites estar dado por:

Donde Z = valor correspondiente a una rea acumulada 1 -
de la
distribucin normal estandarizada, esto es, una probabilidad de la
cola superior d
e

EJERCICIO No1.
Para los estudiantes de la Universidad, en ingeniera mecnica, se
desea hallar un intervalo de confianza del 90%.
1. Los datos:
2. Hallamos las colas del enunciado.

Esto equivale a una rea de A = 0.05, en cada extremo.
3. Realizamos la campana de Gauss.

5% 90% 5%
INTERVALO DE CONFIANZA

Unidades Z

Promedios

4. Determinamos los valores de Z para cada extremo, as:
1. Como
, entonces

2. Como
esta para el lado izquierdo y el rea es 5% = 0.05,

lo hallamos en la tabla, el valor que le corresponde a
Entonces

= 6.8 + (-1.64)(0.375)
= 6.8 0.615 = 6,185
3. Como
esta para el lado derecho y el rea es 95% = 0.95,

Entonces

= 6.8 + (+1.64)(0.375)
= 6.8 + 0.615 = 7,145
4. El intervalo de confianza que estamos hallando es:

5. CONCLUSIN: Con un 90% de confianza podemos asegurar que
nuestro promedio de notas de 6.8 se encuentra en dicho
A=0.99931
A=0.00069
A=0.99931
A=0.05
A=0.05
intervalo.
El intervalo de confianza del 90% de confianza podemos decir que
nuestros promedios de notas, del rea de matemtica fundamental,
se encuentran entre los valores de 6,185 y 7,145. [ ]
ELEMENTOS DE UNA MUESTRA.
Si consideramos que el error estndar con el cual vamos a trabajar es

)
Los elementos de la muestras se encuentran despejando n y tenemos

de aqu se deduce que (
.
EJERCICIO. Si trabajramos con un error de de las notas en el
rea de matemtica para los estudiantes de Ingeniera Mecnica,
sabiendo que la desviacin estndar de todas las notas fue de 2.25 y
con un intervalo de confianza del 90%, Cual debe ser el tamao de la
muestra a escoger?
1. Hallamos las colas, para poder determinar los valores de Z.

A = 0.05 y en la tabla .
2. Como el error es de , , el valor de n ser:
(

EJERCICIO No2.
Un fabricante de papel para computadora tiene un proceso de
produccin que opera continuamente a lo largo del turno completo.
Se espera que el papel tenga una media de longitud de 11 pulgadas y
una desviacin estndar de 0.02 pul. A intervalos peridicos, se
selecciona una muestra para determinar si la media de longitud de
papel es igual a 11 pul o para ver si algo ha salido mal durante el
proceso que haya cambiado la longitud del papel que se fabrica. Se
selecciona una muestra aleatoria de 100 hojas de papel y la media
muestral es de 10.998 pul. Construya una estimacin del intervalo de
confianza del 95% para la media poblacional de la longitud del papel.
Datos del problema:
= 10.998 pul = 11 pul = 0.02 n = 100

El error estndar es

Las colas:
= 2.5%. Equivalente al rea A = 0.025 =

A=
= 0.025

-1.96 1.96
10.994 10.996 10.998 11 11.002 11.004 11.006
Halamos el valor de Z = -1.96 Z = 1.96 por simetra.

Si reemplazamos cada una de las variables, hallamos los lmites del
intervalo:

Para

= 10.998 0.00392
= 10.99408
Para

= 10.998 + 0.00392
= 11.00192
El intervalo 10.99408 11.00192
Conclusin: Con el 95% de confianza la media poblacional est
incluida en el intervalo, por lo tanto el proceso funciona
correctamente.
EJERCICIO No3.
Que sucede si el intervalo de confianza se cambia al 90%?
Las colas o nivel de significancia:
=
El rea equivalente es: A =
Realice el grafico.

Halamos el valor de
= .

intervalo:
Para
= tenemos que

Para
= tenemos que

El intervalo es:
Conclusin:

EJERCICIO No4.
Que sucede si el intervalo de confianza se cambia al 99%?
Las colas o nivel de significancia:
=
El rea equivalente es: A =
Realice el grafico.

Halamos el valor de
= .

intervalo:
Para
= tenemos que

Para
= tenemos que

El intervalo es:
Conclusin:

EJERCICIO No5.
Realice el ejercicio si se toma una muestra de 200 hojas y con
consideraciones de desviacin estndar y media poblacional
idnticas? Considrese un intervalo de confianza del 95%.
El error estndar es
=

Las colas:
= 2.5%. Equivalente al rea A = 0.025 =

A=
= 0.025

11

Halamos el valor de

intervalo:
Para
Hallemos el lmite inferior

Para

El intervalo: Escribirlo:

Conclusin:.

EJERCICIO No6.
1. Realice el ejercicio si se toma una muestra de 200 hojas y con
El error estndar es
=

Las colas:
= . Equivalente al rea A = 0.025 =

A=

11

Halamos el valor de

intervalo:

Para

Para


Conclusin:.

EJERCICIO No7.
2. Realice el ejercicio si se toma una muestra de 200 hojas y con
El error estndar es
=

Las colas:
= . Equivalente al rea A = 0.025

=

A=
= 0.005

11

Halamos el valor de

intervalo:

Para

Para


Conclusin:.

DISTRIBUCION MUESTRAL DE UNA PROPORCION
Para una poblacin de N elementos, en las cuales se puede
determinar que X son los posibles resultados positivos o aciertos del
fenmeno.
La proporcin poblacional ser:

.
Para una muestra de n elementos, en las cuales se puede determinar
que x son los posibles resultados positivos o aciertos del fenmeno.
La proporcin muestral ser:

.
Se da la siguiente poblacin de cuatro figuras geomtricas, de tal
forma que los representamos as: Cuadrado = K, Triangulo = T, Circulo
= C, Pentgono = P.
P={ , , , } = {K, T, C, P}.
P=La proporcin es sacar un triangulo.
P =
, donde x = Evento = Sacar triangulo = 1

n = Nmero total de elementos = 4. Hllela.
P =
=
Escoja todas las muestras de tamao dos posibles que existan:
CON SUSTITUCION.
No
MUESTRA
DOS ELEMENTOS
SACAR
TRIANGULO
PROBABILIDD
DE CADA
MUESTRA

1 K, K 0 0/2
2 K,T 1
3 K,C 0 0/2
4 K,P 0 0/2
5 T,K 1
6 T,T 2 2/2
7 T,C 1
8 T,P 1
9 C,K 0 0/2
10 C,T 1
11 C,C 0 0/2
12 C,P 0 0/2
13 P,K 0 0/2
14 P,T 1
15 P,C 0 0/2
16 P,P 0 0/2

MUESTRA DOS ELEMENTOS:
La combinacin de los dos elementos, teniendo en cuenta que el que
sale puede volver a tomarse.
SACAR TRIANGULO: Contar las posibilidades de sacar triangulo, que
puede ser, 0, 1, 2.
PROBABILIDAD MUESTRA:
Recuerde que es la probabilidad en cada muestra, del total de dos
elementos.
Construya la tabla de frecuencias y probabilidades.
No

MUESTRA
Fi
FRECUENCIA
Pi
TOTAL
1 0 9 9/16
2 1/2 6 6/16
3 2/2 1 1/16

Calcule la esperanza matemtica:
) (
) (
) (
) (

Comprelo con la proporcin de la poblacin de sacar un triangulo.
Determine la varianza por medio de:
) (
) (


Compruebe que la desviacin estndar es la misma expresin que:

Observamos que la desviacin estndar calculada por ambos
mtodos es igual.
SIN SUSTITUCION:
No
MUESTRA
DOS ELEMENTOS
SACAR
TRIANGULO
PROBABILIDD
DE CADA
MUESTRA

1 K,T 1
2 K,C 0 0/2
3 K,P 0 0/2
4 T,K 1
5 T,C 1
6 T,P 1
7 C,K 0 0/2
8 C,T 1
9 C,P 0 0/2
10 P,K 0 0/2
11 P,T 1
12 P,C 0 0/2

Construya la tabla de frecuencias y probabilidades.
No

MUESTRA
Fi
FRECUENCIA
Pi
TOTAL
1 0 6 6/12
2 1/2 6 6/12

12 12/12

Calcule la esperanza matemtica:
) (
) (

Comprelo con la proporcin de la poblacin de sacar un triangulo.
Determine la varianza por medio de:
) (
) (


Compruebe que la desviacin estndar es la misma expresin que:

Nuevamente vemos que la desviacin estndar se puede obtener de
los valores anteriores para muestras sin sustitucin.
EJERCICIO No 3:
Si lanzamos una moneda normal 100 veces.
p = P(cara) = P(c)=

q = P(no cara) = P(sello) = P(s) =

a. Cul es la proporcin.
`p = =

b. La desviacin estndar, n = 100 para la muestra

c. Probabilidad de obtener 55 caras o ms? sea que x = 55

P(
0.55 ) = P(
1) = 1 0.8413 = 0.1587

Segn la tabla la z estandarizada, el rea que corresponde, es 0.8413.
Pero como se trata de hallar los mayores a 0.55 o al equivalente 1,
esa rea es hacia la derecha (Subrayada)

-3 -2 -1 0 1 2 3
0.35 0.40 0.45 0.5 0.55 0.60 0.65
Conclusin: La probabilidad de obtener 55 caras o mas es 15.87%.
EJERCICIO No2.
Probabilidad de obtener 60 sellos o menos?
Obtener 60 sellos equivale a obtener en cara:

Proporcin de 40 caras debe ser mayor y es:

= P(
= 0.9772
Calcule las unidades estandarizadas.

-3 -2 -1 0 1 2 3
0.35 0.40 0.45 0.5 0.55 0.60 0.65
Conclusin: la probabilidad de sacar 60 sellos o menos es la
probabilidad de obtener ms de 40 caras es de 0.9772 o equivalente
al 97.72%.
0.8413
0.0228
EJERCICIO No3.
Hallar la probabilidad de que en los 100 lanzamientos de la moneda el
nmero de caras este entre 40% y 70%.
n = 100
.
Halle el z estandarizado para cada proporcin:

= 0.9999 - 0.0228 = 0.9771
Proporcin 1:
= 40% = 0.4.

Proporcin 2:
= 70% = 0.7.

-3 -2 -1 0 1 2 3 4
0.35 0.40 0.45 0.5 0.55 0.60 0.65 0.7
CONCLUSION: La probabilidad de obtener caras en los 100
lanzamientos entre el 40% y 70% es de 0.9771, equivaliendo a un
porcentaje de 97.71%.
EJERCICIO No4.
Hallar la probabilidad de que en 120 lanzamientos de una moneda, el
nmero real de caras este comprendido entre 40% y 60%.
Probabilidad de caras = p(c) = p = = 0.5.
Probabilidad de sellos = p(s) = q = 1 = 1 0.5 = 0.5
Hallar el porcentaje de caras de 120 lanzamientos.
(
)

40% de 120 =
caras
60% de 120 =

La proporcin muestral de proporciones se comporta como una
distribucin binomial, tal que:
Halle la media = np = 120(0.5) = 60 caras

La desviacin estndar, donde p es la probabilidad de xitos y q la de
no aciertos, es:

Unidades estandarizadas para:

-3 -2 -1 0 1 2 3 4
43.59 49.06 54.53 60 65.47 70.94 76.41 81.88
Como son los valores comprendidos entre
CONCLUSION: La probabilidad de que los resultados de los 120
lanzamientos de la moneda, los resultados de cara estn entre el 40%
y el 60% son de 0.9714 o el equivalente del 97.14%.
Si se calcula por la distribucin de proporciones
=
q =

La desviacin estndar es:

Si hallamos cada una de las proporciones.
Proporcin de 40% de caras.

Proporcin de 60% de caras.

-3 -2 -1 0 1 2 3 4
0.35 0.40 0.45 0.5 0.55 0.60 0.65 0.7
Las graficas son exactamente iguales, solamente la diferencia est en
los valores de las escalas y por lo tanto la conclusin seria igual.
CONCLUSION: La probabilidad de que los resultados de los 120
lanzamientos de la moneda, los resultados de cara.
EJERCICIO No5.
Determnese un intervalo de confianza del 95%, para los 120
lanzamientos del ejercicio anterior.
6. Los datos:
7. Hallamos las colas del enunciado.

Esto equivale a una rea de A = 0.025, en cada extremo.
8. Realizamos la campana de Gauss.
9. Determinamos los valores de Z para cada extremo, as:
5. Como
, entonces

6. Como
esta para el lado izquierdo y el rea es 2.5% =

0.025, lo hallamos en la tabla, el valor que le corresponde a
Entonces

= 60 + (-1.96)(5.47)
= 60 - 10.72
= 49.28
7. Como
esta para el lado derecho y el rea es 95% = 0.95,

Entonces

= 60 + (-1.96)(5.47)
= 60 + 10.72
= 70.72
8. El intervalo de confianza que estamos hallando es:

-3 -2 -1 0 1 2 3 4
43.59 49.06 54.53 60 65.47 70.94 76.41 81.88

10. CONCLUSIN: Con un 95% de confianza podemos asegurar que
nuestro promedio de lanzamientos de caras de 60 de ellas se
encuentra en dicho intervalo.
El intervalo de confianza del 95% de confianza podemos decir que
nuestros resultados caras al lanzar la moneda estn entre los valores
de 49.28 y 70.72. [ ].
EJERCICIO No6.
Si trabajramos con un error de de los lanzamientos de
resultados cara, en los lanzamientos de una moneda, sabiendo que la
desviacin estndar de todos las resultados es de 0.0314 y con un
intervalo de confianza del 90%, Cual debe ser el numero de
lanzamientos a realizar?
3. Hallamos las colas, para poder determinar los valores de Z.

A = 0.0500 y en la tabla
4. Como el error es de , , el valor de n ser:

EJERCICIOS.
1. En una Clnica Infantil de la ciudad de Cali se sabe que del total
de nios nacidos hasta la fecha, se toma una muestra de los
0.0228
0.9999
REA
SOLUCION
0.0143
0.9857
0.0143
0.9857
0.0143
0.9857
ltimos 200 nios nacidos, de tal forma que 148 son nias. Si la
proporcin de nias nacidas es de 0.75.
1. Determnese la proporcin muestral p de nias nacidas.

2. Determnese el error estndar para la proporcin de nias
nacidas.

3. Cul es la probabilidad de que menos del 40% de los nacidos
sean nias?

4. Cul es la probabilidad de que menos del 60% de los nacidos
sean nias?

5. Cul es la probabilidad de que las nias nacidas en una muestra
sean entre 35% y el 80%?

6. Cul es la probabilidad de que ms del 90% de los nacidos sean
nias?

7. Cules son los valores o cantidades de nias comprendidas en el
90% de la muestra, distribuido simtricamente?
100% - 90% = 10%.
= 5%

Simen Cedano Rojas
Profesor de la materia
PROBABILIDAD INTRODUCCION.CECEP

Curso Estadistica Resuelto N

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Curso Estadistica Resuelto N

Transféré par

Droits d'auteur :

Formats disponibles

FUNDACION CENTRO COLOMBIANO DE ESTUDIOS PROFESIONALES.

AREA: ESTADISTICA INFERENCIAL

= 0.5 o equivalente a un 50%

= 0.5 o equivalente a un 50%

= 0.5 o equivalente a un 50%

= 0.5 o equivalente a un 50%

= 0.83 o equivalente a un 83%

= 0.33 o equivalente a un 33%

= 0.5 o equivalente a un 50%

= 0.6 equivalente en porcentaje 60%

= 0.5 equivalente en porcentaje 50%

= 0.8 equivalente en porcentaje 80%

= 0.30 equivalente en porcentaje 30%

= 0.30 equivalente en porcentaje 30%

= 0.20 equivalente en porcentaje 20%

= 0.40 equivalente en porcentaje 40%

= 0.50 equivalente en porcentaje 50%

Probabilidad de obtener una bolita negra.

Probabilidad de obtener una bolita negra suponiendo

Probabilidad de obtener una bolita con la letra A.

Probabilidad de obtener una bolita con la letra A y sea

Probabilidad de obtener un nmero mayor que 3, dado que

Combinaciones de grupos de dos cartas diferentes.

Combinaciones de grupos de dos, de 4 ases posibles.

, contiene 3 bolitas blancas y 7

y saca la bolita Blanca.

y saca la bolita Blanca.

, se calcula con respecto a

como la media de la distribucin de probabilidad:

. Para encontrar el rea correspondiente a

. Para encontrar el rea correspondiente a este

. Para encontrar el rea correspondiente a este

. Representa una rea 0.3446

Representa una rea 0.7881

. Representa una rea 0.1894

Representa una rea 0.9573

de la probabilidad de salir sello.

y la media poblacional , dividida por el error

esta para el lado izquierdo y el rea es 5% = 0.05,

esta para el lado derecho y el rea es 95% = 0.95,

de aqu se deduce que (

= 10.998 pul = 11 pul = 0.02 n = 100

= 2.5%. Equivalente al rea A = 0.025 =

= 2.5%. Equivalente al rea A = 0.025 =

Hallemos el lmite inferior

Hallemos el lmite inferior

= . Equivalente al rea A = 0.025 =

Hallemos el lmite inferior

Hallemos el lmite inferior

= . Equivalente al rea A = 0.025

Hallemos el lmite inferior

Hallemos el lmite inferior

, donde x = Evento = Sacar triangulo = 1

esta para el lado izquierdo y el rea es 2.5% =

esta para el lado derecho y el rea es 95% = 0.95,

Vous aimerez peut-être aussi