ESTADSTICA GENERAL / ESTADSTICA I

Definicin de estadstica.
Estadstica es la ciencia que recopila, organiza, analiza e interpreta y
presenta datos cuantitativos (numricos) para facilitar la toma de
decisiones en condiciones de incertidumbre.
Objetivo de la estadstica, es facilitar la toma de decisiones en
condiciones de incertidumbre.
Para su mejor estudio, la Estadstica se divide en:
1. Estadstica
Descriptiva,
comprende
la
recopilacin,
organizacin y presentacin de los datos en forma grfica y
numrica para una mejor comprensin de la informacin
obtenida.
2. Estadstica Inferencial, permite determinar las caractersticas
de la poblacin a partir de los datos obtenidos de una muestra
que se saca de la misma poblacin.
Estadstico o estadstica, es todo dato cuantitativo que se obtiene
de una muestra. Un estadstico es una estimacin, es una
aproximacin del parmetro de la poblacin.
Parmetro, es todo dato cuantitativo que se obtiene de una
poblacin. El parmetro es un dato real, verdadero.

Media aritmtica
Desviacin estndar
Varianza

Estadstico
(muestral)
x
s
S2

Parmetro
(Poblacional)
(mu o miu)
(sigma)
2

Poblacin, es el total de elementos que son sujetos de estudio.

Muestra, es una parte estadsticamente representativa de la
poblacin.
Censo. Se hace un censo cuando se estudian todos los elementos
de la poblacin.

Muestreo. Se hace un muestreo cuando se estudian los elementos

muestrales que se seleccionaron de la poblacin.
Caractersticas de una buena muestra
1. Es aleatoria.
Cuando los elementos muestrales son
seleccionados al azar, es decir, sin criterios preestablecidos, (con
la tecla Ran# de la calculadora).
2. Es representativa de la poblacin. El tamao de la muestra es
estadsticamente significativo, esto significa que el tamao de la
muestra es estadsticamente proporcional al tamao de la
poblacin.
3. Es homognea.
Los elementos muestrales deben tener
caractersticas iguales o semejantes.
4. Es equiprobable. Todos los elementos de la poblacin tienen la
misma probabilidad de ser seleccionados como elementos de la
muestra.
5. Es objetiva. Cuando el criterio del investigador no afecta los
resultados de la muestra.
6. Es confiable. Todas las muestras de la misma poblacin deben
dar resultados iguales o semejantes. Esta propiedad es la que
justifica tomar una sola muestra para hacer inferencia de la
poblacin.
Los datos muestrales son una estimacin (una
aproximacin) del dato real de la poblacin (del parmetro de
la poblacin).

MEDIDAS DE TENDENCIA CENTRAL

Las medidas de tendencia central son: la media aritmtica, la mediana,
la moda, la media ponderada y la media geomtrica.
La media aritmtica es el promedio de los datos analizados. Es la
medida que ms se identifica con las medidas de tendencia central.
Toma en cuenta todos los valores del conjunto de datos pero puede ser

afectada por valores extremos que no son representativos del resto de

datos.
La mediana es la verdadera medida de tendencia central porque es el
valor que se encuentra exactamente a la mitad de los datos estudiados.
El 50% de los datos se encuentran en la parte superior de la mediana y
el 50% de los datos se encuentran en la parte inferior.
Una ventaja de la mediana respecto a la media aritmtica es que no es
muy afectada por los valores extremos.
La moda es el dato que ms se repite.
Una serie de datos es:
Amodal, (no tiene moda) cuando los datos no se repiten.
Unimodal, cuando slo existe un dato que se repite ms que los
dems.
Bimodal, cuando existen dos datos diferentes que se repiten la misma
cantidad de veces.
Trimodal, cuando existen tres datos diferentes que se repiten la misma
cantidad de veces.
Polimodal, cuando existen cuatro o ms datos distintos que se repiten
la misma cantidad de veces.

LABORATORIO 1
.
Ordenando datos de menor a mayor: 250, 280, 280, 280, 300, 300,
320, 320, 330, 340, 340, 350, 350, 360, 360, 380, 400, 400, 410, 420,
440, 450, 460, 460, 480, 500, 500, 510, 520, 560.
a) Para datos no agrupados
Media = 388.33, s = 84.16
Mediana = 370,
Moda = 280, serie
unimodal, Moda = 280
b) Para datos agrupados:
Media aritmtica = 386.43
Mediana = 374.30
Moda = 318.83
LABORATORIO 2
En una empresa, se tom una muestra de pedidos diarios de su
producto durante varios das. Los datos se dan a continuacin:

120, 80, 100, 50, 150, 80, 60, 90, 70, 100, 50, 65, 40, 160,
80, 200, 140, 180, 120, 90, 100, 50, 70, 160, 120.
Calcular: a) Para datos sin agrupar: media, mediana y moda,
desviacin media, desviacin estndar, varianza, coeficiente de
variacin, coeficiente de asimetra, C2, D6, P40
b) Para datos agrupados: media, mediana y moda,
desviacin media, desviacin estndar, varianza, coeficiente de
variacin, coeficiente de asimetra de Pearson , C2, D6, P40
Laboratorio 3
Para datos agrupados, calcular media, mediana, moda, DM, desviacin
estndar, varianza, CV, CAP, C1 D3 , P60 de los siguientes datos:
85, 70, 72, 90, 64, 82, 90, 76, 70, 68, 25, 50, 36, 90, 75,
70, 66, 68, 54, 60, 100 , 92 65, 80, 30, 95, 40.
b)Para datos sin agrupar calcular media, mediana, moda, DM,
desviacin estndar, varianza, CV, CAP, C1 D3 , P60
Datos ordenados: 25, 36, 50, 54, 60, 64, 65, 66, 68, 68, 70, 70,
70, 72, 75, 76, 80, 82, 85, 90, 90, 90, 92, 100
TC= 13
PARA DATOS AGRUPADOS

Media aritmtica, X = 1719 / 24 = 71.63

Mediana = 63.5 + [(12 5) / 11](13) = 71.77
Moda = 63.5 + [9/(9 + 8)](13) = 70.38
DM = 312.04 / 24 = 13
S = (7879.62 / 23)1/2 = 18.51
Varianza = S2 = 342.62
CV = 18.51 / 71.63 = 0.26
CAP = 3 (71.63 71.77) / 18.51 = - 0.02

Posicin de C1 = 6
C1 = 64.68
P25 64.68
D5 = 71.77
Posicin de D3 = (n/10)(3) = 7.2 Este dato se busca en la
frecuencia acumulada
D3 = 66.1
Posicin de P70 = 16.8
P70 = 79.97

MEDIDAS DE DISPERSIN:
La desviacin media, la desviacin estndar, la varianza, el coeficiente
de asimetra de Fisher, coeficiente de asimetra de Pearson,
coeficiente de variacin, deciles, cuartiles y percentiles.

Medidas de dispersin para datos sin agrupar

Ejemplo
Con los siguientes datos muestrales: 18, 14, 19, 10, 5, 17, 10, 15,
20, 16, 25, 21, 28, calcular: a) Para datos no agrupados: Media
aritmtica, mediana, desviacin media, desviacin estndar, Varianza,
coeficiente de variacin, coeficiente de asimetra de Pearson, cuartil 2,
decil 5, decil 8, percentil 50 y percentil 40.
Comprobar que: a) C1= P25
b) C2 = D5 = P50
b) Para datos agrupados: Media aritmtica, mediana, desviacin
media,
desviacin estndar, Varianza, coeficiente de variacin,
coeficiente de asimetra de Pearson, cuartil 2, decil 5, decil 8, percentil
50 y percentil 40.
Comprobar que: a) C1= P25
b) C2 = D5 = P50
Solucin
a) Para datos no agrupados

Ordenando datos de menor a mayor: 5, 10, 10, 14, 15, 16, 17, 18,
19, 20, 21, 25, 28
Media aritmtica = 16.77
Desviacin estndar, S = 6.26
Mediana = 17
Posicin de la mediana = n/2 + 0.5 = 13/2 + 0.5 = 7 significa que el
valor de la mediana est dado por el sptimo trmino de los datos
ordenados, que en este caso es 17.
Moda = 10
Desviacin Media DM = 4.71
CV = 0.37
CAP = - 0.11
El signo negativo del CAP indica que la distribucin de los datos es
asimtrica de cola izquierda.
C2 = 17
C3 = 20 = P75 = 20.
D8 = 20.6
P40 = 15.80
b) Para datos agrupados
Media aritmtica = 17.38
Mediana = 17
Moda = 16.5
Desviacin Media = 4.38
Desviacin estndar = 5.94
Varianza = 35.26
Coeficiente de Variacin, CV = 0.34
Coeficiente de Asimetra de Pearson = 0.19
C3= 21.38
C2 =
D5 =
D3= 14.3
P50=
P75= 21.38
Laboratorio
A continuacin se da el peso en libras de una muestra de estudiantes:
80, 120, 100, 95, 70, 150, 140, 125, 180, 120, 140, 125, 150,
160, 150, 96, 110, 120. Calcular:

a) Para datos sin agrupar: Media aritmtica, mediana, moda,

Desviacin Media,
Desviacin estndar, Varianza, Coeficiente de
Variacin, Coeficiente de Asimetra de Pearson, C3, D4 y P70.
b) Para datos agrupados calcular: Media aritmtica, mediana, moda,
Desviacin media, Desviacin estndar, Varianza, Coeficiente de
Variacin, Coeficiente de Asimetra de Pearson, C3, D4 y P70.
Laboratorio
Con los siguientes datos muestrales, calcular:
A) Para datos NO
agrupados: Media, mediana, moda, DM, S, varianza, CV, CAP, C 3, D8,
P65
B) Para datos agrupados calcular: Desviacin Media, desviacin
estndar, varianza, coeficiente de variacin, CAP, C3, D 3, D8, P45,
P70.
Datos: 85, 64, 70, 56, 80, 42, 91, 86, 72, 60, 75,
94, 65, 80, 100, 50, 75, 82, 70, 25, 48, 60, 95, 80,
100.
Datos ordenados 25, 42, 48, 50, 56, 60, 60, 64, 65, 70, 70,
72, 75, 75, 80, 80, 80, 82, 85, 86, 91, 94, 95, 100, 100.
Tamao de clase, TC = 13
Para datos agrupados:
Media aritmtica = 1802 / 25 = 72.08
Desviacin Media, DM = 370.24 / 25 = 14.81
Desviacin estndar, S = (8341.84 / 24)1/2 = 18.64
Varianza, S2 = 347.45
Coeficiente de Variacin, CV = s / media aritmtica =
18.64/72.08 = 0.26
Mediana = 73.71
La clase que contiene a la mediana est determinada por la frecuencia
acumulada ms pequea que contiene o es igual a n/2 = 12.50. En
este caso, la frecuencia acumulada que contiene a 12.50 es 14 que
corresponde al intervalo con fronteras de clase 63.5 76.5.
Mediana = Li + [(n/2 faa) / f ] t
= 63.5 + [ (12.5 7)/7 ] (13) = 73.71
Li = Lmite inferior del intervalo con fronteras de clase que contiene a la
mediana.

faa = Frecuencia acumulada anterior a la clase que contiene a la

mediana.
f = Frecuencia de la clase que contiene a la mediana.
t = Tamao de clase.
Moda = 73.9
La clase que contiene a la moda est determinada por la clase que
contiene la mayor frecuencia.
En este ejercicio, la mayor frecuencia es 7 que corresponde al intervalo
con fronteras de clase 63.5 76.5.
Moda = Li + [d1 / (d1 + d2)] t = 63.5 + [4 / (4 + 1)](13) = 73.90
Li = Lmite inferior del intervalo con fronteras de clase que contiene a
la moda.
d1 = Frecuencia de la clase que contiene a la moda menos la frecuencia
de la clase anterior.
d2 = Frecuencia de la clase que contiene a la moda menos la
frecuencia de la clase que le sigue.
t = Tamao de clase.

Ejemplo
Con los datos dados a continuacin, calcular:
Para datos NO agrupados media aritmtica, mediana, moda,
a)
desviacin media, desviacin estndar, varianza, CV, CAP, C 2, D3, P80
Para datos agrupados media aritmtica, mediana,
moda,
b)
desviacin media, desviacin estndar, varianza, CV, CAP, C 2, D3, P80
250, 280, 280, 280, 300, 300, 320, 320, 330, 340, 340, 350, 350, 360,
360, 380, 400, 400, 410, 420, 440, 450, 460, 460, 480, 500, 500, 510,
520, 560, 620, 650, 700

TEORA DE PROBABILIDADES

Espacio Muestral, S. Es el conjunto de todos los resultados

posibles de un experimento. La cantidad de elementos del
espacio muestral S, se denota n(S).
Evento, E. Un evento E, es cualquier subconjunto del espacio
muestral S. La cantidad de elementos de un evento E, se
denota n(E).
Para determinar un evento se debe indicar una propiedad que
deben cumplir los elementos del espacio muestral S para
pertenecer al evento E.
La probabilidad de ocurrencia de un evento E, se denota P(E)
y es un nmero entre 0 y 1 inclusives, es decir, 0 P(E) 1
P(E) = 1 cuando es seguro de que el evento E ocurre.
P(E) = 0 cuando es seguro de que el evento E no ocurre.
Para calcular la probabilidad de ocurrencia de un evento E se
aplica
P(E) = n(E) / n(S)
Ejemplo:
Sea el experimento lanzar un dado. Determine el espacio
muestral S, los siguientes eventos y la probabilidad de
ocurrencia de cada evento.
a) S = { 1, 2, 3, 4, 5, 6 }

n(S) = 6

b)Sea el evento E: El resultado es un nmero par

E = { 2, 4, 6 }
n(E) = 3
P(E) = n(E) / n(S) = 3 / 6 = 0.50
c)

El evento E1: El resultado es menor que 5.

La expresin menor que 5, no incluye al 5.
E1 = { 1, 2, 3, 4 }

n(E1) = 4

P(E1) = n(E1) / n(S) = 4 / 6 = 0.6667

Nota:
Los valores de probabilidad se dan con 4
decimales.
d)

El evento E2 : El resultado es mltiplo de 3

E2 = { 3, 6 }
n(E2) = 2
P(E2) = 2 / 6 = 0.3333

Ejemplo:
Sea el experimento lanzar dos dados. Determine el
espacio muestral S, los siguientes eventos y la probabilidad de
ocurrencia de cada evento.
S = { (1,1) (1,2) (1,3) (1,4) (1,5) (1, 6) (2,1) (2,2) (2,3) (2,4)
(2,5) (2,6) (3,1) (3,2) (3,3) (3,4) (3,5) (3,6) (4,1) (4,2)
(4,3) (4,4) (4,5) (4,6) (5,1) (5,2) (5,3) (5,4) (5,5) (5,6)
(6,1) (6,2) (6,3) (6,4) (6,5) (6,6) }
n(S) = 36
b) El evento A : La suma de los resultados es 7
A = { (1,6) (2,5) (3,4) (4,3) (5,2) (6,1) }
n(A) = 6
P(A) = n(A) / n(S) = 6 / 36 = 0.1667
El evento B : El producto de los resultados es divisible
por 4
B = { (1,4) (2,2) (2,4) (2,6) (3,4) (4,1) (4,2) (4,3) (4,4)
(4,5) (4,6) (5,4) (6,2) (6,4) (6,6) }
n(B) = 15
P(B) = 15 / 36 = 0.4167
d) El evento C: El resultado de restar el segundo
elemento de la pareja al primero, es un nmero positivo
impar

C = { (2,1) (3,2) (4,1) (4,3) (5,2) (5,4) (6,1) (6,3) (6,5)}

n(C) = 9
P(C) = 9 / 36 = 0.25
e) Sea el evento D =
El resultado de restar el primer
elemento de la pareja al segundo, sea par.
DIAGRAMA
DE
PROBABILIDADES

RBOL

PARA

CALCULAR

Un diagrama de rbol se aplica generalmente cuando un

evento tiene dos o ms posibles resultados.
Ejemplo
Sea el experimento: Lanzar tres monedas.
Cada
moneda tiene cara ( C ) y escudo ( E )
a) Determine el espacio muestral S.
b) El evento R = Al menos dos caras, P(R) = 0.5
c) El evento Q = A lo ms un escudo , P(Q) = 0.5
d) El evento T = Un escudo, P(T) = 0.375
e) El evento D = Tres caras, P (D) = 0.125

Nota:

Las expresiones:
Al menos dos, significa dos o ms.
A lo ms dos, significa dos o menos.

La
probabilidad
de
eventos
conjuntos,
secuenciales
o
consecutivos,
se
obtiene
multiplicando la probabilidad de los eventos que
forman el evento conjunto.
Ejemplo

En una caja se tienen 12 celulares de los cuales cuatro

estn defectuosos. Si se sacan aleatoriamente, en
forma consecutiva y sin reemplazo tres celulares,
determinar:
a) Espacio muestral S
b) Probabilidad de que a lo ms dos celulares estn
defectuosos. Resp. 0.9817
c) Probabilidad de que al menos dos celulares estn
buenos. Resp. 0.7636
d) Probabilidad de que un celular est defectuoso.
Resp 0.5091
e) Probabilidad de que dos celulares estn buenos.
Resp. 0.5091
Laboratorio
Se tienen 18 celulares de los cuales 5 estn
defectuosos.
a) Elabore diagrama de rbol. b) Si se
sacan cuatro celulares en forma consecutiva y sin
reemplazo, calcular la probabilidad de que:
b-1) A lo ms dos sean buenos = P(2B) + P(1B) +
P(0B) = 0.0425x6 + 0.0106x4 + 0.0016 = 0.2990
b-2) Al menos dos sean defectuosos = P(2D) + P(3D) +
P(4D) = 0.0425x6 + 0.0106x4 + 0.0016 = 0.2990
b-3) Dos sean defectuosos = 0.0425x6 = 0.2549
b-4) A lo ms dos sean defectuosos = P(2D) + P(1D) +
P(0D) = 0.9559
LABORATORIO

Una moneda se lanza tres veces y se anota el

resultado.
a) Determine el espacio muestral S.
b) Determine y calcule la probabilidad de los eventos:
b1) Evento A = Una cara y dos escudos.
Resp. 0.375
b2) Evento B = Al menos dos caras
Resp. 0.50
b3) Evento C = Todas caras
Resp. 0.125
b4) Evento D = Cara en el primer lanzamiento
Resp. 0.50
Ejemplo.
En una caja se tienen 12 celulares de los cuales 4 estn defectuosos. Si se
sacan tres celulares aleatoriamente en forma consecutiva y sin reemplazo,
calcular la probabilidad de obtener:
a) A lo ms dos defectuosos. Resp. 0.9817
b) Al menos uno bueno.
Resp. 0.9817
c) Los tres buenos.
Resp. 0.2545
d) Uno bueno.
Resp. 0.0727X 3 = 0.2181
e) Dos defectuosos.
Resp. 0.0727X 3 = 0.2181

EVENTOS MUTUAMENTE EXCLUYENTES

Dos eventos A y B son mutuamente excluyentes

entre s, cuando al ocurrir uno de ellos se anula la
posibilidad de ocurrencia del otro. Los eventos
son excluyentes cuando no pueden ocurrir
simultneamente.
Ejemplos: Son eventos mutuamente excluyentes
entre s los siguientes: ganarperder, verdadero falso, aceptarrechazar, bueno malo, etc.

Si los eventos A y B son mutuamente excluyentes

entre s, la interseccin entre ellos es el conjunto
vaco. Es decir, que si los eventos A y B son
mutuamente excluyentes entre s, entonces
AB=
Regla de adicin para eventos mutuamente
excluyentes
Si los eventos A y B son mutuamente

excluyentes, entonces:

P(A o B) = P(AUB) = P(A) + P(B)

Regla de adicin para eventos no excluyentes

Si los eventos A y B no son excluyentes entre s, existe
interseccin entre ellos.
A

Entonces:
P(A o B) = P(AUB) =
P(A) + P(B) P(A B)

Probabilidad del complemento del evento A

Si A es un evento, el complemento de A se denota por A o Ac.
A o Ac , es el evento cuyos elementos pertenecen al espacio
muestral S pero no pertenecen al evento A.

P(A) + P(AC) = 1
P(Ac) = 1 P(A)

S
Ac

Ejemplo

En una empresa, 65 personas han solicitado trabajo, de las cuales

40 tienen experiencia, 30 tienen ttulo universitario y 10 tienen
experiencia y ttulo. Si se selecciona aleatoriamente una solicitud,
calcular la probabilidad de que la persona:
a) Tenga experiencia o ttulo.
Resp. 0.9231
b) Tenga experiencia o ttulo pero no ambos.
Resp. 0.7692
c) No tenga experiencia ni ttulo.
Resp. 0.0769
d) Tenga slo experiencia.
Resp. 0.4615
e) Tenga slo ttulo.
Resp. 0.3077
El anlisis de estos problemas se inicia con la interseccin de los
eventos y luego se hacen los ajustes necesarios en los otros eventos.
Ejemplo
Las computadoras actuales fabricadas por una corporacin, tienen
como falla en la unidad de disco 1/3 de las fallas del teclado. La
probabilidad de que se presente una falla conjunta en la unidad de
disco y en el teclado es 0.05. a) Si la computadora es 80% resistente a
fallas en la unidad de disco y/o en el teclado, qu tan baja debe ser la
probabilidad de que se presente una falla en la unidad de disco?
Cunto es la probabilidad de falla en el teclado?
Resp 0.0625, 0.1875
a)
Si el teclado se mejor de tal modo que slo falla el doble de
veces que la unidad de disco y la probabilidad de falla conjunta sigue
siendo de 0.05, la probabilidad de falla de la unidad de disco del inciso
a) producir una resistencia a fallas en la unidad de disco duro, en el
teclado o en ambos, mayor o menor que 90%? Resp. Inferior , de
86.25%
Falla en disco = D
Falla en teclado = T
Soluc. P( Falla en disco) = X
P( Falla en teclado) = 3X
P(falla en teclado y en disco) = 0.05
P(falla en teclado o en disco) = 0.20
P(D o T) = P(D U T) = P(D) + P(T) P (D T)
0.20 = X + 3X 0.05
4X = 0.25
X = 0.0625 = Probabilidad de falla en disco.
3X = 3(0.0625) = 0.1875 Probabilidad de falla en teclado.

Otra forma:
Sea la P(falla en teclado) = X
P(falla en disco) = X/3
P(D o T) = P(DUT) = X/3 + X 0.05 = 0.20
X/3 + X = 0.25
4X/3 = 0.25
X= 0.1875 = Probab. de falla del teclado
Probabilidad de falla del disco = X/3 = 0.1875/3 = 0.0625
B) P (D U T) = 0.0625 + 2(0.0625) 0.05 = 0.1375
Resp. P(Resistencia a falla) = 1 0.1375 = 0.8625 menor que 0.90
Laboratorio.
De 50 estudiantes de una universidad, 25 estudian Matemtica, 32
estudian Estadstica, 27 estudian Fsica, 15 estudian Matemtica y
Estadstica, 16 estudian Matemtica y Fsica, 18 estudian Estadstica y
Fsica y 10 estudian los tres cursos. Calcule la probabilidad de que un
estudiante aleatoriamente seleccionado, estudie:
a) Matemtica o Estadstica o Fsica.
b) Matemtica o Fsica
c) Matemtica o Estadstica
d) Estadstica o Fsica
e) Slo Matemtica o slo Estadstica o slo Fsica
f) Matemtica o Estadstica pero no Fsica
g) Estudie otros cursos
h) Matemtica y Estadstica o Fsica

EVENTOS INDEPENDIENTES
Dos eventos A y B son independientes si la probabilidad
de ocurrencia o no ocurrencia de uno de ellos no afecta la
probabilidad de ocurrencia del otro.

Regla de multiplicacin
independientes

para

eventos

Si los eventos A y B son independientes, entonces

P(A y B) = P(A B) = P(A)P(B)

Regla de multiplicacin
dependientes.

para

eventos

Si los eventos A y B son dependientes, se aplica el

concepto de probabilidad condicional que se denota P(A|
B) que se lee: probabilidad de que ocurra A dado que ya
ocurri B.
La lnea vertical se lee dado que.
Si A y B son eventos dependientes, entonces:
P(A|B) = P(A B) / P(B)
P(B|A) = P(B A) / P(A)

Si los eventos A y B son

independientes
P(A|B) = P(A)
P(B|A) = P(B)

Ejemplo
Se tienen dos eventos A y B.
Si P(A) = 0.39, P(B) = 0.21 y P(A o B) = 0.47,
calcule la probabilidad de que:
a) Ocurra B dado que A ya ocurri.
b) Ocurra A dado que B ya ocurri.
c) No ocurra ni A ni B.
Solucin: Existe interseccin porque P(A o B) = P(A) + P(B) = 0.39 + 0.21 =
0.60 que no es el valor de 0.47 que se da en el problema. Por lo que:
P(A o B) = P(A U B) = P(A) + P(B) P(A B)
0.47 = 0.39 + 0.21 P(A B)
De donde P(A B) = 0.60 0.47 = 0.13
a) P(B|A) = P(B A) / P(A) = 0.13 / 0.39 = 0.3333
b) P(A|B) = P(A B) / P(B) = 0.13 / 0.21 = 0.6190
c) P(Ni A, ni B) = 1 P(A o B) = 1 0.47 = 0.53

Ejemplo
Dado que P(A) = 3/4, P(B) =1/6, P(C) = 1/3, P(A y C) = 1/7,
y
P(B|C) = 5 /21
calcular: a) P(A|C), b) P(C|A), c) P(B y C), d) P(C|B)
a) P(A|C) = P(A C) / P(C) = (1/7) / (1/3) = 3/7 = 0.4286
b) P(C|A) = P(CA) / P(A) = (1/7) / (3/4) = 4/21 = 0.1905

c) P(B y C) = P(B C) = P(B|C)P(C) = (5/21)(1/3) = 5/63 =

0.0794
d) P(C|B) = P(C B ) / P(B) = 0.0794 / 0.1667 = 0.4762

Laboratorio.
Se lanzan dos dados de manera
consecutiva. Calcule la probabilidad de obtener: a) Un
total de 7 puntos en el primer lanzamiento, seguido de
11 en el segundo.
b) Un total de 21 puntos en
los primeros dos lanzamientos combinados.
a) El evento: 7 en el primer lanzamiento =
{ (5,2) (2,5) (4,3) (3,4) (6,1) (1,6) }
P(7 en el primero) = 6 / 36 = 0.1667
El evento: 11 en el segundo = { (5,6) (6,5) }
P(11 en el segundo) = 2 / 36 = 0.0556
Resp. P(7 en el primero seguido de 11 en el segundo} =
0.1667 x 0.0556 = 0.0093
b) P( Resultado en el primero + resultado en el segundo
= 21 )
= P(9 en el primero y 12 en el segundo 12 en el
primero y 9 en el segundo u 11 en el primero y 10 en el
segundo 10 en el primero y 11 en el segundo)
9 en el primero = { (3,6) (6,3) (4,5) (5,4) }
P(9 en el primero) = 4 / 36
12 en el segundo = { (6,6) }
P(12 en el segundo} = 1 / 36
P(9 en el pro y 12 en el sdo.) = (4/36)(1/36) = 0.0031
P(12 en el primero y 9 en el segundo) = (1/36)(4/36) =
0.0031
P(10 en el primero y 11 en el segundo) = (3/36) (2/36) =
0.0046

P(11 en el primero y 10 en el segundo) = 0.0046

Resp. (0.0031x2) + (0.0046 x 2) = 0.0154
Ejemplo.
Una empresa tiene dos divisiones: Productos marinos (M) y
Equipos de oficina (E). La probabilidad de que la divisin de
productos marinos tenga un margen de utilidad de 10% este ao
es 0.30, la probabilidad de que la divisin de equipos de oficina
tenga un margen de utilidad de 10% es de 0.20 y la probabilidad de
que ambas divisiones tengan un margen de utilidad de 10% es
0.06.
a) Pruebe si los eventos margen de utilidad de productos marinos
y margen de utilidad de equipos de oficina, son independientes.
b) Calcule la probabilidad de que Equipos de oficina tenga un
margen de utilidad de 10% dado que la Divisin de Productos
marinos alcanz este nivel de utilidad.

PROBABILIDADES CONJUNTAS Y MARGINALES

Probabilidades marginales son las probabilidades de
ocurrencia de un solo evento.
Probabilidades conjuntas son las probabilidades de dos o
ms eventos que pueden ocurrir simultneamente.
Ejemplo. Los diputados de tres partidos A, B y C han
votado a favor, en contra o indiferente con relacin a un
proyecto de desarrollo social como se indica a
continuacin.
Tabla de datos observados o tabla de contingencia
Partido A favor En contra Indiferente Total
A
18
10
7
35
B
15
8
3
26
C
12
5
4
21
Total
45
23
14
82
Elabore tabla de probabilidades
La tabla de probabilidades se obtiene dividiendo el dato
de cada celda entre el total (en este caso 82).

Tabla de probabilidades
Partido A favor
En contra
A
18/82 =
10/82 =
0.2195
0.1220
B
15/82 =
8/82 =
0.1829
0.0976
C
0.1463
0.0610
Total

45/82 =
0.5488

23/82 =
0.2805

Indiferente Total
7/82 =
35/82 =
0.0854
0.4268
3/82 =
26/82 =
0.0366
0.3171
4/82 =
21/82 =
0.0488
0.2561
14/82 =
0.1707
82/82 = 1

Calcule la probabilidad de que un diputado aleatoriamente

seleccionado:
a) Est a favor dado que es del partido A.
Resp. 0.5143
b) Sea del partido B dado que est en contra.
Resp. 0.3480
c) Est en contra dado que es del partido C.
Resp. 0.2381
d) Sea del partido A dado que est a favor.
Resp. 0.40
e) Sea indiferente dado que es del partido B.
Resp. 0.1153
Laboratorio
Se ha recolectado datos de 500 economistas en las universidades,
en la empresa privada y en el gobierno, respecto a sus opiniones
sobre si la economa podra ser estable, expandirse o contraerse
en el futuro prximo. Sin embargo, parte de la informacin se
perdi, resultando la siguiente tabla de contingencia parcial.

Estable
Universidades 125
Empresas
Gobierno
25
Total
200

Expansin Contraccin Total

100
35
110
30
65

Determine la tabla de probabilidades y calcule las siguientes

probabilidades:
TABLA DE PROBABILIDADES
Estable
Universidades 0.25
Empresas
0.10
Gobierno
0.05
Total
0.40

Expansin
0.20
0.07
0.06
0.33

Contraccin
0.20
0.05
0.02
0.27

Total
0.65
0.22
0.13
1.00

a) Que el economista sea de las universidades. Resp. 0.65

b) Sea del gobierno.
Resp. 0.13
c) Est en expansin.
Resp. 0.33
d) Sea de las empresas dado que la economa est en expansin.
Resp. 0.2121
e) La economa est en contraccin dado que el economista es de
la universidad. Resp. 0.3077
f) La economa sea estable.
Resp. 0.40

TEOREMA DE BAYES
Se aplica cuando conociendo la probabilidad de lo ltimo que
ocurri, se quiere conocer la probabilidad de un evento que
ocurri al inicio.
Ejemplo.
Un fabricante de cmaras de video utiliza un microchip en el ensamble
de cada cmara que produce. Los microchips son comprados a los
proveedores A, B y C y son tomados al azar para ser ensamblados en
cada cmara. El 20% de los microchips provienen del proveedor A, el
35% proviene de B y el resto proviene de C. Con base en la
experiencia, el fabricante cree que la probabilidad de que un microchip
defectuoso provenga de A es de 0.03, la probabilidad de que provenga
de B es
0.02 y de que provenga de C es 0.01. De la produccin de
un da, una cmara es seleccionada al azar y su microchip est
defectuoso. Calcule la probabilidad de que el microchip defectuoso
haya sido suministrado por:
a) El proveedor A.
Resp. 0.3429
b) Por el proveedor B. Resp. 0.40
c) Por el proveedor C. Resp. 0.2571
d) De qu proveedor es ms probable que provenga el microchip
defectuoso? Resp. De B porque tiene la probabilidad ms alta.

Ejemplo
Una empresa tiene tres mquinas: M1, M2 y M3 para elaborar su
producto. La mquina M1 produce el 90% de unidades buenas, la
mquina M2 produce el 5% de unidades defectuosas y la M3 produce
el 92% de unidades buenas. Si de la produccin de un da se toma
una unidad y resulta que: a) Es buena, calcule la probabilidad de que
provenga de la mquina M3. Resp. 0.3321
b) Es defectuosa, calcule la probabilidad de que haya sido producida
por la mquina M2. Resp. 0.2174
Solucin.
Como no se da qu porcentaje de la produccin total
corresponde a cada mquina, se asume 1/3 para cada una.
Conviene elaborar un diagrama de rbol para la solucin del problema.

TAREA
1. En una tienda, los clientes pueden pagar en efectivo o con
tarjeta de crdito. En las ventas de un da, de 25 hombres 15
pagaron con tarjeta de crdito; de 19 mujeres, 8 pagaron en
efectivo. Si aleatoriamente se selecciona un cliente, calcular
la probabilidad de que : a) Sea hombre dado que pag en
efectivo.
b) Haya pagado en efectivo dado que es mujer.
c) Haya pagado con tarjeta de crdito dado que es hombre.
d) Sea mujer dado que pag con tarjeta.
2. De 70 estudiantes de una universidad, 43 estudian
matemtica, 38 estudian estadstica y 18 estudian las dos
clases.
Calcular la probabilidad de que un estudiante
aleatoriamente seleccionado: a) Estudie matemtica o
estadstica. b) Estudie slo matemtica o slo estadstica.
3. En una empresa, la produccin se lleva a cabo con las
mquinas 1, 2 y 3. La mquina 1 produce el 35% del total, la
mquina 2 produce el 40% y la mquina 3 produce el resto del
total. La mquina 1 produce 5% de unidades defectuosa, la
mquina 2 produce 90% de unidades buenas y la mquina 3
produce 8% de unidades defectuosas. De la produccin de un
da, se examina una unidad y se encuentra que: a) Est
defectuosa.
Calcule la probabilidad de que haya sido

producida por la mquina 2.

b) Est buena. Calcule la
probabilidad de que provenga de la mquina 1.
4. En una caja se tienen 9 celulares de los cuales 4 estn
defectuosos. Si se sacan tres celulares consecutivamente y
sin reeemplazo, calcular la probabilidad de que: a) A lo ms
dos sean buenos.
b) Al menos dos sean defectuosos.
5. En una empresa se tiene 6 ingenieros y 4 tcnicos. Si se
quieren formar grupos distintos de 5 miembros, calcular la
probabilidad de que los grupos estn formados por: a) Tres
ingenieros y dos tcnicos.
b) Dos ingenieros y tres
tcnicos.
6) En un examen se tienen 5 preguntas de falso y verdadero
y 3 preguntas de opcin mltiple con 4 alternativas cada una.
De cuntas maneras se puede contestar el examen?

1. En una empresa, la produccin se lleva a cabo con las

mquinas 1, 2 y 3. La mquina 1 produce el 40% del total, la
mquina 2 produce el 35% y la mquina 3 produce el resto del
total. La mquina 1 produce 8% de unidades defectuosa, la
mquina 2 produce 88% de unidades buenas y la mquina 3
produce 5% de unidades defectuosas. De la produccin de un
da, se examina una unidad y se encuentra que: a) Est
defectuosa.
Calcule la probabilidad de que haya sido
producida por la mquina 1. Resp. 0.3699
b) Est buena. Calcule la probabilidad de que provenga de la
mquina 2. Resp. 0.3372
2. En una empresa se tiene 5 ingenieros y 4 tcnicos. Si se
quieren formar grupos distintos de 4 miembros, calcular la
probabilidad de que los grupos estn formados por:
a) Dos ingenieros y dos tcnicos. Resp. 0.4762
b) Tres tcnicos y un ingeniero. Resp. 0.1587

3. En una tienda, los clientes pueden pagar en efectivo o con

tarjeta de crdito. En las ventas de un da, de 30 hombres 18
pagaron con tarjeta de crdito; de 22 mujeres, 8 pagaron en
efectivo. Si aleatoriamente se selecciona un cliente, calcular
la probabilidad de que: a) Sea hombre dado que pag con
tarjeta. Resp. 0.5625
b) Haya pagado en efectivo dado que es mujer. Resp. 0.3636
c) Sea mujer dado que pag con tarjeta.
d) Sea hombre dado que pag en efectivo.
e) Pag con tarjeta dado que es hombre.
4. En una caja se tienen 8 celulares de los cuales 3 estn
defectuosos. Si se sacan tres celulares consecutivamente y
sin reeemplazo, calcular la probabilidad de que: a) A lo ms
dos sean defectuosos. Resp. 0.9816
b) Al menos dos
sean buenos. Resp. 0.7142
5) En un examen se tienen 4 preguntas de falso y verdadero
y 5 preguntas de opcin mltiple con 4 alternativas cada una.
De cuntas maneras se puede contestar el examen?
6. De 65 estudiantes de una universidad, 40 estudian
matemtica, 35 estudian estadstica y 16 estudian las dos
clases.
Calcular la probabilidad de que un estudiante
aleatoriamente seleccionado: a) Estudie matemtica o
estadstica. b) Estudie slo matemtica o slo estadstica.

1. Se tienen tres cajas, C1, C2 y C3. La caja 1, tiene 5 bolas

rojas y 3 blancas, la caja 2 tiene 6 bolas blancas y 4 rojas y la
caja 3 tiene 7 bolas rojas y 2 blancas. Se saca aleatoriamente
una bola de una de las cajas y :

a) Es roja. Calcular la probabilidad de que provenga de la

caja 1.
Resp. 0.3467
b) Es blanca. Calcular la probabilidad de que provenga de la
caja 2.
Resp. 0.5012
2. En una empresa se tiene 4 ingenieros y 5 tcnicos. Si se
quieren formar grupos distintos de 6 miembros, calcular la
probabilidad de que los grupos estn formados por: a) Dos
ingenieros y dos tcnicos.
b) Tres tcnicos y dos
ingenieros.
3. En una tienda, los clientes pueden pagar en efectivo o con
tarjeta de crdito. En las ventas de un da, de 30 hombres 18
pagaron con tarjeta de crdito; de 22 mujeres, 8 pagaron en
efectivo. Si aleatoriamente se selecciona un cliente, calcular
la probabilidad de que: a) Sea hombre dado que pag con
tarjeta.
b) Haya pagado en efectivo dado que es mujer.
4. En una caja se tienen 8 celulares de los cuales 3 estn
defectuosos. Si se sacan tres celulares consecutivamente y
sin reeemplazo, calcular la probabilidad de que: a) A lo ms
dos sean defectuosos.
b) Al menos dos sean buenos.
5) Un pintor tiene 15 de sus obras de las cuales 3 se van a
exhibir en la galera A, 5 se exhibirn en la galera B y 4 se
exhibirn en la galera C, el resto permanecer en su estudio.
De cuntas maneras puede hacerse esta distribucin?
6. De 65 estudiantes de una universidad, 40 estudian
matemtica, 35 estudian estadstica y 16 estudian las dos
clases.
Calcular la probabilidad de que un estudiante
aleatoriamente seleccionado: a) Estudie matemtica o
estadstica. b) Estudie slo matemtica o slo estadstica.

DISTRIBUCIONES DE PROBABILIDAD
Las distribuciones de probabilidad pueden ser discretas
o continuas.
Las distribuciones discretas slo permiten valores
enteros para la variable X. Son la distribucin binomial y
la distribucin de Poisson.
Distribuciones continuas permiten valores enteros y
fraccionarios para la variable X. Son la distribucin
Normal, la distribucin t de student, la distribucin F
de Fisher, la exponencial, etc.

DISTRIBUCIN NORMAL
Caractersticas:
1. Su grfica tiene forma de campana.
2. La media, la moda y la mediana son iguales.
3. Es simtrica con relacin a la media.
4. Sus extremos son asntotas con el eje X.
5. La probabilidad bajo la curva de la distribucin normal es igual a 1.
6. Sus parmetros son la media (mu o miu ) y la desviacin estndar
(sigma).
7. Es mesocrtica.
8. Se tienen ms - menos cuatro Z respecto a la media.
9. Es continua.
En una distribucin Normal para transformar datos reales en valores Z, se
aplica la frmula de estandarizacin
Z = (X - )/
Donde X es la variable en estudio.
Si X (el valor real) es mayor que la media , el valor de Z es positivo.
Si X (el valor real) es menor que la media , el valor de Z es negativo.
Ejemplo
En una clase de estadstica, la media de las calificaciones es de 72 con una
desviacin estndar de 12. Si se selecciona aleatoriamente un estudiante,
calcular la probabilidad de que la calificacin sea:
a) Mayor o igual que 90.
Lo que se pide en notacin estadstica es P(X90)
Estandarizando X = 90

Z = (90 72)/12 = 1.50 Significa que el valor real de 90 se encuentra a 1.5

valores de Z a la derecha de la media = 72
La pregunta del problema es cul es la probabilidad de que la calificacin
sea mayor o igual que 90.
Resp. P(X90)= 0.0668
En las grficas se sombrea la solucin deseada.
A cada valor de Z le corresponde un valor de probabilidad en un intervalo
y a cada probabilidad le corresponde un valor de Z.
En tabla de probabilidades normales, el valor de Z se da con dos
decimales, por lo que se debe redondear correctamente el segundo
decimal.
Nota. La tabla de probabilidades normales da, siempre, la probabilidad
entre el valor de X y la media .
La computadora da siempre
izquierdo) hasta el valor de X.

la probabilidad desde cero (extremo

b) Probabilidad de que la calificacin sea menor que 85.

Se pide P(X<85)
Estandarizando X = 85
Z = (85 72) / 12 = 1.08
P(X<85) = 0.8607
|
c) Sea mayor que 60
Estandarizando X = 60
Z = (60 72)/12 = - 1
Resp. P(X> 60) = 1 0.1587 = 0.8413
d) Menor que 55
Z = - 1.42
Resp. P(X<55) = 0.0783
e) Sea mayor que 50 y menor o igual que 95
Resp = 0.9724 0.0334 = 0.9390
f) Est entre 80 y 95
La expresin entre NO INCLUYE los extremos.
Resp = 0.9724 0.7475 = 0.2249
g) Sea mayor o igual que 45 y menor que 60.
Resp. 0.1587 0.0122 = 0.1465
Observacin.
1. Las probabilidades son siempre positivas.
2. El valor de Z se da siempre con dos decimales por lo que se debe
redondear correctamente este valor.

3.
4.

Las probabilidades se dan siempre con 4 decimales.

Los valores de probabilidad que da la tabla corresponden a intervalos
entre la media y el valor real X.

LABORATORIO
En una empresa, el salario semanal promedio de los
trabajadores es de Q780 con una desviacin estndar de
Q85. Si se selecciona aleatoriamente un trabajador,
calcular la probabilidad de que su salario sea:
a) Menor o igual que Q650
Resp.
b) Menor o igual que Q600 y mayor o igual que Q500
Resp.
c) Mayor que Q850
Resp.
d) Est entre Q850 y Q720 Resp.
e) Mayor que Q500 y menor o igual que Q720 Resp.

DISTRIBUCIN BINOMIAL
Es una distribucin discreta que se aplica
cuando un evento tiene slo dos posibles
resultados.
Ejemplos:
bueno-malo,
verdadero-falso, xito-fracaso, cara-escudo,
ganar-perder, etc.
Los parmetros de una distribucin binomial
son la probabilidad de xito p y n el
tamao de la muestra.
Para calcular probabilidades binomiales, se
aplica la frmula :
P(X I n, p) = nCx px qn - x
X = Nmero deseado de xitos

n = Nmero de datos o tamao de la muestra

p = Probabilidad de xito
q = probabilidad de no xito
p+q=1

de donde q = 1 p

Ejemplo:
Un vendedor debe visitar 50 clientes en una
semana. La probabilidad de que un cliente
compre es de 0.40. Calcule la probabilidad de
que:
a) A lo ms veintisiete clientes compren.
Resp = 0.9840
b) Por lo menos 20 clientes
Resp.= 1 0.4465 = 0.5535

compren.

c) Entre 25 y 40 clientes compren

Resp = 0.9999 0.9427 = 0.0572
d) Ms de 30 clientes compren.
Resp = 1 0.9986 = 0.0014
e) Probabilidad de que 26 clientes compren.
Resp. = 0.0259
f) Menos de 22 clientes compren.
Resp. = 0.6701

g) Ms de 36 clientes compren.
Resp. = 0.0001
h) Probabilidad de que 30 clientes compren
Resp. = 0.0020
|
Ejemplo:
Un vendedor debe visitar 10
clientes en un da. La probabilidad de que un
cliente compre es de 0.40.
Calcule
la
probabilidad de que:
a) A lo ms siete clientes compren.
P(X7 I n=10, p=0.4) = P(X=7) + P(X=6) +
P(X=5) + + P(X=0)
P(X=7 I n=10, p=0.4) = 10C7
P(X=6 I n=10, p=0.4) = 10C6
P(X=5 I n=10, p=0.4) = 10C5
P(X=4 I n=10, p=0.4) = 10C4
P(X=3 I n=10, p=0.4) = 10C3
P(X=2 I n=10, p=0.4) = 10C2
P(X=1 I n=10, p=0.4) = 10C1
P(X=0 I n=10, p=0.4) = 10C0

(0.4)7 (0.6)3 = 0.0425

(0.4)6 (0.6)4 = 0.1115
(0.4)5 (0.6)5 = 0.2007
(0.4)4 (0.6)6 = 0.2508
(0.4)3 (0.6)7 = 0.2150
(0.4)2 (0.6)8 = 0.1209
(0.4) (0.6)9 = 0.0403
(0.4)0 ( 0.6)10 = 0.006
_____________

__
SUMA = 0.9877
Resp: P(X7 I n=10, p=0.4) = 0.9877

Otra forma de solucin es la siguiente:

P(X7) = 1 P(X8) = 1 [P(X=8) + P(X=9) + P(X=10)]

(0.4)8 (0.6)2 = 0.0106

9
P(X=9 I n=10, p=0.4) = 10C9 (0.4) (0.6) = 0.0016
10
P(X=10 I n=10, p=0.4) = 10C10 (0.4)
(0.6)0 = 0.0001
P(X=8 I n=10, p=0.4) = 10C8

P(X8) = 0.0106 + 0.0016 + 0.0001 = 0.0123

Resp. P(X7) = 1 0.0123 = 0.9877
b) Al menos siete clientes compren. Resp. = 0.0548
c) Entre tres y ocho clientes compren. Resp. 0.6055
La expresin entre NO incluye los extremos.
d) Si debe visitar 45 clientes en una semana, cul es la
probabilidad de que a lo ms 22 compren.
Resp. 0.9135
e) Ms de 25 clientes compren y a lo ms 35 clientes compren
Resp. 0.0119
f) Al menos 13 clientes compren. Resp. 0.9554
g) A lo ms 10 clientes compren.
Resp. 0.0094 con n=45
h) Entre 12 y 24 clientes compren.
Resp. 0.9070

Laboratorio
Una empresa tiene 35 computadoras y la
probabilidad de que una computadora falle es de
0.28. Calcular la probabilidad de que:
a) Al menos 25 computadoras fallen. Haga
grfica.
b) Ms de 5 pero menos de 10 fallen. Haga
grfica.
c) Probabilidad de que 15 computadoras fallen.
Haga grfica.
d) Probabilidad de que menos de 20 estn
buenas.
e) Al menos 12 estn buenas.

DISTRIBUCIN DE POISSON.
Es una distribucin discreta que se aplica en problemas de colas.
parmetro es (lambda)

= Promedio de ocurrencias por unidad de tiempo

Frmula para calcular probabilidades Poisson ,

P(X I ) = x e- / x!

Su

Ejemplo. A un banco llegan en promedio 15 clientes por hora.

Calcule la probabilidad de que en promedio:
a) Lleguen 12 clientes en una hora.
Solucin: P(X = 12 I = 15) = 12 e-15 / 12! = (15)12 e-15 /

12! = 0.0829
= 15 clientes por hora
b) Lleguen 8 clientes en media hora.
En este caso = 15/2 = 7.5
8
-7.5
Solucin: P(X = 8 I = 7.5) = e
/ 8! = (7.5)8 e- 7.5 / 8!

= 0.1373
c) Lleguen 2 clientes en 15 minutos. En este caso = 15/4 = 3.75
Solucin: P(X = 2 I = 3.75) = 2 e- 3.75 / 2! = (3.75)2 e-3.75 /
2! = 0.1654
d) Lleguen a lo ms 10 clientes en una hora.
P(X 10 I = 15) = P(X=10) + P(X=9) + P(X=8) + P(X=7) + P(X=6) + + P(X=0)
Resp. P(X 10 I

= 15) = 0.1185

e) Probabilidad de que ms de 12 clientes lleguen en una

hora. Resp. 0.7324
f) Probabilidad de que lleguen entre 11 y 19 cliente en una
hora
Resp. 0.6347
g) Lleguen ms de 4 y a lo ms 10 en media hora. Resp.
0.7302
Laboratorio
1. En una empresa el salario
trabajadores tiene distribucin
y desviacin estndar de
aleatoriamente un trabajador,
que su salario sea:
a) Mayor o igual que Q500.

semanal promedio de los

Normal con media de Q560
Q52.
Si se selecciona
calcular la probabilidad de

b) Est entre Q615 y Q680.

c) Menor que Q470.
d) Sea mayor que Q480 y menor o igual que Q545
e) Mayor que Q700
f) Haga grfica en cada caso
2. Un agente vendedor debe visitar 12 clientes en un da.
La probabilidad de que un cliente compre es de 0.35.
Calcular la probabilidad de que:
a) Al menos 4 clientes compren.
Resp. 0.6533
b) A lo ms 6 clientes compren.
Resp. 0.9154
c) Si el vendedor debe visitar 40 clientes en una semana,
calcule la
probabilidad de que menos de 20 clientes
compren. Resp. 0.9637
d) Calcular la probabilidad de que entre 10 y 20 clientes
compren.
Resp. 0.8422.
f) Probabilidad de que 25 clientes compren.
Resp. 0.0003
.
3. A un celular entran en promedio 12 llamadas en una hora.
Calcule la probabilidad de que al celular entren:
a) Por lo menos10 llamadas en una hora. Resp. 0.7576
b) A lo ms 4 llamadas en media hora. Resp. 0.2851
c) Al menos 3 llamadas en 15 minutos. Respp. 0.5768
d) Entre 8 y 15 llamadas entren en una hora.0Resp.
0.6170
a) P(X10 I = 12 ) = 1 -- P(X 9 I = 12) =
1 - P(X=9) + P(X=8) + P(X=7) + +P(X= 0) =
1- (0.0873+0.0655+0.0437+0.0254+0.0127+0.0053+0.0018
+0.0004+0.0001+0.00000 = 1 0.2417 = 0.7583

4) En una empresa el salario semanal promedio de los

trabajadores tiene distribucin Normal con media de
Q560 y desviacin estndar de Q52.
Si se
selecciona aleatoriamente un trabajador, calcular la
probabilidad de que su salario sea:

a) Menor o igual que Q620.

b) Est entre Q500 y Q670.
c) Mayor o igual que Q650.
5)

Haga grfica
Haga grfica
Haga grfica

Un agente vendedor debe visitar 10 clientes en un da. La probabilidad de que

un cliente compre es de 0.40. Calcular la probabilidad de que:
a) A lo ms 4 clientes compren.
b) Al menos 6 clientes compren.
c) Si el vendedor debe visitar 35 clientes en una semana, calcule la
probabilidad de que ms de 9 clientes compren.

6) A un celular entran en promedio 16 llamadas en una hora. Calcule la

probabilidad de que al celular entren:
a) A lo ms 15 llamadas en una hora.
b) Por lo menos 7 llamadas en media hora.
c) Al menos 3 llamadas en 15 minutos.
d) Entre 5 y 10 llamadas en una hora
e) Al menos 5 llamadas y menos que 10 llamadas en media hora.
f) Entre 12 y 20 llamadas en una hora.
g) Al menos 5 y a lo ms 11 en media hora.

INTRODUCCIN A LA TEORA DE
MUESTREO
Una muestra es una parte estadsticamente representativa
de la poblacin. Se hace un muestreo para determinar las
caractersticas de la poblacin N.
Las razones por las que se hace un muestreo son:
1. Minimizacin de costos.
2. Minimizacin de tiempo.
3. Escasez de personal especializado.
Caractersticas de una buena muestra:
1. Aleatoria. Una muestra es aleatoria cuando los
elementos de la muestra son seleccionados al azar.
2. Representativa de la poblacin. Significa que debe
ser estadsticamente proporcional al tamao de la
poblacin.

3. Homognea. Cuando las caractersticas de todos los

elementos muestrales son iguales o semejantes.
4. Equiprobable.
Cuando todos los elementos de
poblacin tienen la misma probabilidad de ser
seleccionados como elementos muestrales.
5. Objetiva. Cuando los resultados de la muestra no son
afectados por el criterio del investigador.
6. Confiable. Cuando los resultados de una muestra
son iguales o semejantes a los resultados de
cualquier otra muestra que se obtenga de la misma
poblacin.
N = Tamao de la poblacin
e = porcentaje de error que se comete en el proceso de muestreo.
Generalmente es un valor entre 1% y 10%
Z = es un valor que depende del nivel de confianza y si el problema es
de una o dos colas.
= Desviacin estndar
Frmula de tamao de muestra con proporciones
n = Npq Z2 / [ e2 (N 1) + pq Z2 ]
p = probabilidad de que la muestra tenga las caractersticas de la
poblacin
q = 1 p = Probabilidad de que la muestra no tenga las caractersticas
de la poblacin.
Al 95% de Nivel de Confianza y dos colas, Z = 1.96
Al 95% de nivel de confianza y una cola, Z =
Al 90% de Nivel de Confianza y dos colas, Z = 1.645
Ejemplo.
Calcular el tamao de muestra que se debe obtener de una poblacin
de 1480 unidades a un nivel de confianza de 95%. Utilice un error de
muestreo de = 4%.
Resp. n = 427
Al 95% de NC y dos colas le corresponde Z = 1.96

Cuando no se tienen datos porcentuales para p y q se asume 0.50 para

cada uno.

Ejemplo
Calcular el tamao de muestra de la produccin de un da de 500
unidades si la proporcin de unidades buenas es de 0.70. Use nivel de
confianza de 90% y un error de 5%. Resp. n = 156

Muestreo estratificado
Ejemplo:
En una universidad se tienen cuatro secciones de matemtica A, B,
C, y D con 45, 36, 50 y 28 estudiantes respectivamente.
Histricamente el 80% de los estudiantes gana el curso. Calcule:
a) El tamao de muestra total a un nivel de confianza de 95% y un
error de muestreo de 5%.
b) Cuntas unidades muestrales se
deben obtener de cada una de las secciones.

Resp. n = 97 estudiantes
N = 45 + 36 + 50 +28 = 159
n = 96.80 = 97 estudiantes
Unidades muestrales que se deben obtener de cada una de las
secciones.
nA = (45X97) / 159 = 27
nB = (36X97) / 159 = 22
nC = (50X97) / 159 = 31
nd = (28X97) / 159 = 17
97
Ejemplo. Se quiere hacer un muestreo del nivel educativo en cinco
comunidades del interior.
Las poblaciones respectivas de las
comunidades A, B, C, D y E son respectivamente 3560, 8720, 6150,
7471, 5384.
A un nivel de confianza de 90% y un error de muestreo

de 6%, calcule el tamao de muestra que se debe obtener de cada

comunidad.