La Probabilidad y Estadística Teoría-Ejercicios Resueltos

PROBABILIDAD Y ESTADSTICA
UNIDAD
VARIABLES Y
REPRESENTACIONES
SUBTEMA
Introduccin
Poblacin y muestras
Variable discreta y
continua
Redondeo de datos
Notacin sistematizada
Cifras significativas
Clculos
DISTRIBUCIONES DE
FRECUENCIAS
Tabla de Distribucin de
frecuencias
TEMA
PGINA
4
7
7
1er.
Eval.
9
10
11
11
ESTADSTICA
DESCRIPTIVA
MEDIDAS DE TENDENCIA
CENTRAL
MEDIDAS DE DISPERSIN
PROBABILIDA
INTRODUCCIN
14
Promedios
24
Media
28
Mediana
Moda
Cuartiles, deciles,
percentiles
Regresin lneal
Dispersin
Rango
Desviacin media
Varianza
Desviacin tpica
Rango semi cuartlico
Rango entre percentiles
Conceptos bsicos
Modelos matemticos
28
29
34
36
38
45
45
45
42
42
47
48
2do.
Eval.
D
ANALISIS DE FUNCIONES Y
RAPIDEZ DE CAMBIO
PROBABILIDAD AXIOMTICA
PROBABILIDAD PARA
EVENTOS
SUCESIVOS
Permutaciones y
combinaciones
Diagrama de rbol
Proceso de contar
Combinaciones
Teorema del Binomio
Simbologa bsica
Probabilidad para
eventos
Probabilidad condicional
Eventos independientes
Eventos dependientes
DesarrolloCronolgicodelaestadstica
poca
Contribuidor
Contribucin
Grecia antigua
Filsofos
Ideas sobre el anlisis no

cualitativo
Graunt, Petty
Estudio de la estadstica
vital
Siglo XVII
Estudio probabilstico
acerca del cambio del juego
Pascal, Berno
Siglo XVII
DMoire, Laplace,
Gauss
Curva normal, regresin

aplicada sobre estudios de
astronoma
Quetelet
Astrnomo que primero

aplic el anlisis estadstico
a biologa humana.
Siglo XIX
Galton
Estudia la variacin
gentica en humanos
(usando regresin y
correlacin lineal)
49
49
50
55
60
62
64
75
72
77
3er.
Eval.
Pearsons
Estudio de la seleccin
natural usando correlacin,
formando primero
departamentos acadmicos
de estadstica, Journal de
Biomtrica, ayudados del
anlisis de Chi Cuadrada
Siglo XX
Gossett (Student)
Estudio de procesos, alerta

la comunidad estadstica
acerca de problemas con
pequeas muestras,
presentando la prueba t
student
Fisher
Evolucin biolgica
presentada presentacin de
ANOVA, resalta la
importancia del diseo
experimental.
Wilcoxon
Siglo XX
Kruskal Wallis
Spearman
Kendall
Bioqumico estudi
pesticidas, equivalente no
paramtrico de dos
pruebas.
Economista que present el

equivalente no paramtrico
de ANOVA
Psiclogo que presenta el

del coeficiente de
correlacin
Estadista que presenta otro

del coeficiente de
correlacin.
Tukey
Estadista que presenta el

procedimiento de la
comparacin mltiple.
Dunnett
Bioqumico que estudia los

pesticidas, presenta un
procedimiento de
comparacin mltiple para
grupos control.
Keuls
Agrnomo que presenta

una procedimiento de
comparacin mltiple
Prueba muchas ventajas
sobre clculos a mano y en
calculadora, estimula el
fondo de la investigacin
mediante nuevas tcnicas.
UNIDAD I: ESTADSTICA
VARIABLES Y REPRESENTACIONES
INTRODUCCIN
Estadstica: Es un mtodo cientfico que recopila, organiza, analiza e interpreta los datos obtenidos para
tener conocimiento de los hechos pasados, para prever situaciones futuras y tomar decisiones en base a
la experiencia.
En el estudio de la estadstica, se diferencian dos tipos de estadsticas:
Estadstica descriptiva o deductiva y Estadstica inferencial o inductiva.
Estadstica Descriptiva: Es aquella cuyo objetivo es describir cuantitativamente una serie de
personas, animales o cosas, su estudio incluye las tcnicas de colectar, presentar, analizar e
interpretar datos.
Esta parte de la estadstica es la que estudiaremos en el presente curso de probabilidad y estadstica 1,
ser la que nos auxilie a resolver preguntas de investigaciones como las siguientes: Cmo ordenar los
datos y analizarlos adecuadamente? Qu tipo de representacin grfica es ms conveniente utilizar
para presentar los datos? Cul es la media aritmtica o promedio de los datos obtenidos? Qu tan
dispersos estn los datos con respecto a otra muestra?
Estadstica Inferencial: Es aquella cuyo objetivo es obtener informacin sobre una poblacin o
grupo grande de personas o cosas, mediante un metdico procedimiento de los datos de una
muestra tomada de l.
Este ltimo tipo de estadstica no la utilizaremos en ste curso, pero hagamos un ejercicio para analizar
cul es la diferencia entre estos dos tipos de estadstica:
A un grupo de 50 alumnos del CBTA 153 extensiones Jungapeo le preguntamos Cul es la materia que
les gusta ms? Los datos arrojados por sta encuesta, en ste grupo en particular, es incumbencia de la
Estadstica Descriptiva, ya que ordenamos los datos, los analizamos obteniendo sus parmetros como la
media, la desviacin, los graficamos y hasta los interpretamos Pero
Si queremos hacer conclusiones a nivel estatal de todos los alumnos de los CBTAs del estado de
Michoacn, ste grupo de 50 encuestados sera una parte de las diferentes muestras que nos serviran
para saber la tendencia de toda la poblacin estudiantil respecto a la materia que les gusta ms, y
debemos tomar ms muestras de estudiantes de otros CBTAs, por lo cual ya entraramos en el campo de
la Estadstica Inferencial y sus datos debern de analizarse de otra manera ms profunda, haciendo
pruebas de hiptesis para obtener las inferencias o conclusiones a futuro.
Con tus propias palabras escribe
POBLACIN Y MUESTRAS
Poblacin: Es el conjunto de todos los elementos, medidas, individuos y objetos que tienen una
caracterstica en comn, pero en muchas ocasiones debido a limitaciones de tiempo o de recursos no se
puede trabajar con la totalidad de la poblacin.
Muestra: Es la parte de una poblacin que podemos utilizar para obtener conclusiones de toda una
poblacin sin tener que analizar su totalidad.
La muestra elegida debe cumplir con ciertos requisitos indispensables:
a) Validez. Debe representar a la poblacin, esto es, ha de pertenecer a sta y ser elegida al azar o 67en
forma aleatoria, para que todos los elementos de la poblacin tengan la misma probabilidad de ser
considerados.
b) Confiable. Los resultados que se obtengan deben poder generalizarse a toda la poblacin con cierto
grado de precisin.
c) Prctica. Debe ser sencilla de llevar acabo.
d) Eficiente. Debe proporcionar la mayor informacin con el menor costo.

DATOS: Son las medidas, valores o caractersticas susceptibles de ser observadas y contadas.
VARIABLE DISCRETA Y CONTINUA
VARIABLES: Es una propiedad o caracterstica de algn evento, objeto o persona, que puede tener
diversos valores en diferentes instantes, segn las condiciones. La altura, el peso, el tiempo de reaccin y
la dosis de un medicamento, son ejemplos de variables.
Las variables son las herramientas fundamentales de la estadstica y se clasifican de la siguiente manera:
En las VARIABLES CATEGRICAS los valores pueden ser EXPRESIONES y tambin estas expresiones
pueden ser sustituidas por SMBOLOS que nos permiten diferenciar la categora a la que pertenece cada
individuo, la cual est determinada por el valor de la variable.
Hagamos unos ejemplos:
Si queremos saber la forma en que se trasladan los estudiantes del CBTA-JUAREZ para recibir sus
clases grupales; preguntaremos a cada estudiante del grupo, si usualmente se trasladan de su casa a la
escuela CAMINANDO o EN ALGN VEHCULO, por lo tanto los valores de la variable sern (C)
"caminando" o (V) " Vehculo" y se clasifican a los alumnos en stas dos categoras.
Otro ejemplo:
Si quisiramos conocer la materia que prefieren los estudiantes de una lista de 4 materias en donde se
incluyen Ciencias Sociales, Matemticas, Ciencias Naturales y Espaol; En este caso la materia de
preferencia puede tomar cuatro valores: (CS) que es Ciencias Sociales; (M) que es Matemticas, (CN)
Ciencias Naturales y (E) ser Espaol. Es claro pues que la variable, materia de preferencia clasifica a los
estudiantes en cuatro categoras.
Observa que los valores que pueden tomar las variables en los ejemplos anteriores son EXPRESIONES y
que estas expresiones han sido sustituidas por SMBOLOS que nos permiten diferenciar la categora a la
que pertenece cada individuo, la cual est determinada por el valor de la variable. Los ejemplos
anteriores son VARIABLES CATEGRICAS NOMINALES.
Veamos ahora otros ejemplos de VARIABLES CATEGRICAS:
Si deseamos saber si el contenido de la materia de Procesos de Produccin Pecuaria tiene relacin con
las prcticas de campo que se realizaron el semestre pasado y le pedimos la opinin a cada estudiante,
los valores que puede tomar la variable pueden ser: "Nunca" (A), "Raras veces" (B), "Algunas veces" (C),
Casi siempre" (D) y "Siempre" (E). Observe que esta variable clasifica a cada uno de los estudiantes que
contestaron la pregunta, segn la opinin que haya elegido.
Otro ejemplo:
Si queremos saber cmo se alimentan los estudiantes del CBTA-JUAREZ, para relacionarlo con el
aprovechamiento escolar, preguntaremos cada semana a todos los estudiante del grupo, cules
alimentos ingirieron durante la semana y clasificamos la variable calidad de la alimentacin de la siguiente
manera: MD al alumno que se aliment muy deficientemente, D el de alimentacin deficiente, R el de
alimentacin regular, B el de alimentacin buena y MB el de alimentacin muy buena. Con esto todos
los estudiantes del grupo, quedarn distribuidos en cinco posibles categoras.
Observa que los valores de las variables tambin son EXPRESIONES, sin embargo, entre los valores de
estos dos ejemplos ltimos hay UN ORDEN. Los ejemplos anteriores SON VARIABLES CATEGRICAS
ORDINALES.
Si comprendiste, escribe con tus propias palabras:
Cundo es variable Categrica nominal?
SON LAS VARIABLES CUALITATIVAS EN LAS QUE PARA CUANTIFICARLAS, SE LES ASIGNAN NMEROS A LAS CATEGORAS
EJEMPLO:
1 MUJER
SEXO
0 HOMBRE
1 AZUL
2 VERDE
COLOR DE OJOS
3 MARRN
4NEGRO
Cundo es una variable Categrica Ordinal?

CUANDO RECOGEN LA IDEA DE ORDEN. NO TIENE SENTIDO REALIZAR OPERACIONES ARITMTICAS CON ELLAS.
EJEMPLO: PREFERENCIAS SOBRE TRES OBJETOS: 3 AL PREFERIDO, 2 AL SIGUIENTE Y 1 AL MENOS DESEADO
Ahora con las VARIABLES NUMRICAS.

En las variables numricas, sus valores no son expresiones sino NMEROS y es en donde adems tiene
sentido efectuar operaciones aritmticas con ellos y compararlos.
Si los valores de la variable son NMEROS ENTEROS, se llamar NUMRICA DISCRETA, pero si los
valores de la variable pueden tomar CUALQUIER VALOR NUMRICO en algn intervalo de nmeros
reales (con decimales o fracciones), la variable ser NUMRICA CONTINUA.
Hagamos unos ejemplos:
Si queremos saber el nmero de hermanos de los alumnos del CBTA-JUAREZ. Sern desde cero en
adelante y como es lgico no puede haber medio hermano o tres cuartos de hermano, por lo tanto la
variable nmero de hermanos es una variable numrica discreta.
Otro ejemplo ser el nmero de preguntas acertadas en un examen de conocimientos; los aos
cumplidos de los estudiantes, el nmero de materias que cursan en el quinto semestre, etc... Ya que son
variables numricas que pueden tomar slo valores enteros.
Veamos por ltimo los ejemplos de las variables numricas continuas:
Si queremos saber la estatura de los alumnos del quinto semestre con una aproximacin a milmetros,
tendramos que utilizar una regla de dos metros y dividida en centmetros y milmetros. Los valores
posibles de la variable sern todos los nmeros pertenecientes a algn intervalo.
Otro ejemplo es El peso que tienen las personas que asisten a un evento ser tambin una variable
numrica continua, pues podrn pesar kilos, con gramos y hasta miligramos, dependiendo de la precisin
que queramos los resultados.
Si observas estas variables numricas pueden tomar cualquier valor en algn intervalo.
EJERCICIO
Describe los valores que pueden tomar las siguientes variables y escribe si sta es, una variable categrica nominal,
categrica ordinal, numrica discreta o numrica contina:
a) El Gnero (sexo) de cada alumno del grupo de quinto semestre.
Variable:
NOMINAL
b) La cantidad de estudiantes en cada grupo de una escuela:
Variable:
NUMRICA
c) El Peso de los nios mexicanos de 6 aos.
Variable:
ORDINAL
d) El dao causado a los pulmones de los jvenes que fuman.
Variable:
ACTIVIDADES DE APRENDIZAJE I
e) Tipo de material con el que se construyen los techos de las viviendas de una localidad.
Variable: ________________________________
f) El nmero de naranjas producidas por cada naranjo en una huerta.
Variable: _______________________________________
g) La cantidad de afecto o amor que siente un nio por su mam.
Variable: ______________________________________
h) El tiempo de reaccin de una sustancia qumica en el laboratorio.
Variable: ______________________________________
REDONDEO DE DATOS
Dado que estaremos dando nuestras respuestas finales con dos decimales y en ciertas ocasiones hasta
con cuatro cifras decimales, necesitamos decidir cmo determinar el valor de los ltimos dgitos.
Si nuestro resultado final tiene ENTEROS redondearemos a DOS DECIMALES
Primer ejemplo cuando el residuo es menor que 0.5: 34.01350 = 34.01 es la respuesta potencial y .350 el
residuo; como .350 es menor que 0.5, el ltimo dgito de la respuesta potencial permanece sin cambio y
la respuesta final es 34.01
Segundo ejemplo cuando el residuo es mayor que 0.5: 34.01761 34.01 es la respuesta potencial y .761
el residuo; como .761 es mayor que 0.5, al ltimo dgito de la respuesta potencial debemos sumar 1 al
ltimo dgito, por lo que la respuesta correcta es 34.02
Tercer ejemplo cuando el residuo es igual a 0.5 y el ltimo dgito de la respuesta potencial es impar:
43.07500;
43.07 es la respuesta potencial y .500 el residuo; como es impar el ltimo dgito de la
respuesta potencial se AUMENTA 1, por lo que la respuesta correcta es 43.08
Cuarto ejemplo cuando el residuo es igual a 0.5 y el ltimo dgito de la respuesta potencial es par:
17.06500; 17.06 es la respuesta potencial y .500 el residuo; como es par el ltimo dgito de la respuesta
potencial NO se aumenta 1, por lo que la respuesta correcta es 17.06
Si nuestro resultado final tiene puros DECIMALES redondeamos a CUATRO DECIMALES

Siguiendo los mismos principios anteriores, si tenemos una cifra de 0.7544762 su respuesta correcta es
0.7545; en cambio si es 0.1136211 la respuesta correcta es 0.1136; si tenemos que 0.3463500 lo correcto
ser 0.3464; finalmente si tenemos 0.7728500 lo correcto ser 0.7728.
EJERCICIO
Redondea las siguientes cifras:
35.666666 = __________________
0.2678198 = ___________________
72.87754 = ____________________
0.5489657= ___________________
5985.3578 = ___________________
0.4569866 = ___________________
99.7156 = _____________________
0.005329 = _____________________
ACTIVIDADES DE APRENDIZAJE DE II
22.666666 = __________________
0.7654598= ___________________
57.87754 = ____________________
0.0663597= ___________________
3876.2255 = ___________________
0.3877865 = __________________
99.7156 = _____________________
0.005329 = ____________________
NOTACIN SISTEMATIZADA
En estadstica, por lo general, trabajamos con datos agrupados resultantes de medir una o ms variables.
Con gran frecuencia, los datos se obtienen de las muestras y en ocasiones de las poblaciones. Para fines
matemticos, generalmente se utiliza la letra mayscula X y a veces la Y, para representar la(s)
variable(s). As, si estuviramos midiendo la edad de los sujetos, haramos que X represente la variable
edad. Si existen muchos valores de la variable agregamos un subndice al smbolo X. Ilustramos este
proceso en la siguiente tabla, la cual contiene las edades de seis sujetos:
Nmero
Smbolo
Valor del dato,
de sujeto
del dato
edades
1
X1
8
2
X2
10
3
X3
7
4
X4
6
5
X5
10
6
X6
12
En este ejemplo representamos la variable edad mediante el smbolo X, adems, N representa el
nmero total de datos que hay en la distribucin. En este ejemplo, N = 6, Cada uno de los seis datos
representa un valor especfico de X. Distinguimos los seis datos diferentes, al agregar un subndice a X,
correspondiente al nmero de sujeto que tiene el valor dado. As, el smbolo X 1 corresponde al valor del
dato 8, X2 al valor del dato 10 hasta el X 6 al 12. En general, podemos referirnos a un nico dato de la
distribucin X como Xi, donde i puede asumir cualquier valor de 1 a N, segn el dato que queramos
designar. En resumen:
X o Y representa la variable medida.
N representa el nmero total de sujetos o datos.
Xi es el i-simo dato, donde i puede variar de 1 a N
CIFRAS SIGNIFICATIVAS:
En la estadstica analizamos datos; este anlisis implica muchos clculos matemticos. Con mucha
frecuencia tenemos un residuo decimal, por ejemplo, despus de realizar una divisin. Cuando esto
ocurre, necesitamos decidir la cantidad de cifras decimales que utilizaremos para el residuo.
En las ciencias fsicas, por lo general, se utiliza el mismo nmero de cifras significativas que tienen los
datos en bruto, Por ejemplo, si medimos el peso de cinco sujetos hasta tres cifras significativas (173, 156,
162, 165, y 175 libras) y queremos calcular el promedio de estos pesos, nuestra respuesta debe contener
slo tres cifras significativas. As
X 173 156 162 165 175 831 166.2 166
La respuesta de 166.2 se redondea a tres cifras significativas, dando un resultado final de 166 libras. Por
varias razones y mas por continuar una tradicin, en el presente curso de estadstica utilizaremos DOS
cifras decimales redondeadas cuando el resultado tenga ENTEROS y CUATRO cifras decimales cuando
NO EXISTAN ENTEROS, sin importar las cifras significativas de los datos en bruto. As cuando se pida
que el resultado tenga dos cifras decimales, debemos realizar los clculos intermedios con al menos
CUATRO cifras decimales y redondear la respuesta final a dos cifras.
CLCULOS
Una de las operaciones que se realizan con ms frecuencia en estadstica consiste en sumar todos o una
parte de los datos que pertenecen a una distribucin. Como no es prctico escribir suma de todos los
datos cada vez que se necesite emplear esta operacin, particularmente en las ecuaciones, se utiliza
una abreviatura simblica. La letra griega mayscula sigma ( ) indica la operacin de sumatoria. La
frase algebraica utilizada para la sumatoria es:
N
X
i 1
Esta expresin se lee como la suma de la variable X de i = 1 a N. Las notaciones que aparecen arriba y
debajo del signo de la sumatoria indican los datos que deben incluirse en la operacin. El trmino que
aparece debajo del signo de la sumatoria nos indica el primer dato en esta operacin, y el trmino que se
encuentra arriba de dicho signo indica el ltimo dato. As, esta frase seala que debemos sumar los datos
X, comenzando con el primero y concluyendo con el N-simo dato.
N
X
i 1
X 1 X 2 X 3 ... X N
As.
Ecuacin de una sumatoria
Al aplicar la sumatoria a los datos de las edades de la tabla anterior, tenemos que:
N
X
i 1
X1 X 2 X 3 X 4 X 5 X 6
=8 + 10 + 7 + 6 + 10 + 12 = 53
10
Cuando la sumatoria se realiza con todos los datos (de 1 a N), es frecuente que la propia frase de esta
operacin se abrevie, omitiendo las notaciones arriba y abajo del signo de la suma, al igual que el
subndice i. As.
N
X
i 1
Se abrevia con frecuencia como
En el ejemplo anterior,
=53, esta expresin indica que la suma de todos los datos X es 53.
Observa que no es necesario que la sumatoria se realice de 1 a N, Por ejemplo, podramos querer sumar
slo el segundo, tercer, cuarto y quinto dato. Recuerda que la notacin debajo del signo de la
sumatoria nos dice dnde comenzar la suma, y el trmino arriba de dicho signo nos dice dnde
terminarla.
N
X
i2
Utilizaramos el smbolo
Para los datos anteriores, tenemos que:

N
X
i2
X 2 X 3 X 4 X 5 10 7 6 10 33
X
i 1
Resolvamos algunos ejemplos:

Para los siguientes datos, determine X1= 10, X2 = 12, X3 = 13, X4= 18
3
X
i 1
10 12 13 35
Por lo tanto:
4
Para los siguientes datos, determine
; X1=20, X2=24, X3=25, X4=28, X5=30, X6=31
3 (24 25 28) 3
Por lo tanto:
=77
4
Para los siguientes datos, determine

4
; X1=20, X2=24, X3=25, X4=28, X5=30, X6=31
24 3 25 3 28 3
Por lo tanto:
86
11
N
i 1
Existen otros dos tipos de sumatorias que veremos con frecuencia en estadstica y son:
( X ) 2
i 1
. Aunque se parecen, son distintos y, en general, proporcionan diferentes respuestas.

N
i 1
El smbolo
(suma de los cuadrados de los datos X) indica que primero debemos elevar el
cuadrado de los datos X y luego sumarlos. As:,
X 12 X 22 X 32 ..... X N
N
( X ) 2
i 1
El smbolo
, o (el cuadrado de la suma de los datos X), indica que primero debemos sumar los
datos X y luego elevar al cuadrado la suma resultante. As,
( X ) 2 X 1 X 2 X 3 ..... X N
La confusin es muy comn cometerlo, sobre todo cuando se calculan las desviaciones estndar, eso lo
analizaremos un poco mas adelante.
EJERCICIO
Primer ejercicio si
7
X
i 3
(X
i 1
X
i 2
X1=5; X2=8; X3=6; X4=4; X5=3; X6=7; X7=5
12)
205
Segundo ejercicio si X1=12; X2=17; X3=13; X4=16; X5=15; X6=20;
6
( X i ) 8
2
i 2
( X i ) 2 510
i 1
ACTIVIDADES DE APRENDIZAJE III

Primer ejercicio si
7
X
i 3
(X
i 1
X
i 2
X1=3; X2=6; X3=8; X4=2; X5=9; X6=1; X7=5
12)
205
Segundo ejercicio si X1=10; X2=7; X3=3; X4=16; X5=2; X6=22;

6
( X i ) 8
2
i 2
( X i ) 2 510
i 1
12
13
DISTRIBUCIONES DE FRECUENCIAS
TABLA DE DISTRIBUCIN DE FRECUENCIAS
La Tabla de Distribucin de Datos o Tabla de Distribucin de Frecuencias, adems de ser un instrumento
til para resumir un conjunto de datos obtenidos en una investigacin, es una herramienta muy importante
con que cuenta la estadstica para realizar las observaciones de manera rpida y sencilla.
Para construir dicha Tabla realizaremos siete pasos y para tu mejor aprendizaje, desarrollaremos un
ejemplo con una variable numrica discreta, ya que deseamos conocer el tiempo en minutos que
emplearon para estudiar 50 estudiantes del CBTA 153 en la materia de Estadstica Descriptiva.
PASO UNO: TOMA Y ORDENACIN DE DATOS:
La recopilacin de los datos consiste en asistir al grupo de estudiantes y obtener los valores mediante
una pregunta abierta sobre el tiempo en minutos que emplearon para estudiar el tema de estadstica o si
desconfiamos, podemos medir directamente el tiempo durante las asesoras que emplearon cada uno de
los alumnos al estudiar estadstica. En resumen para recopilar los datos debemos "asistir" al lugar donde
vamos a 'tomar" o "levantar" los datos. Esto puede ser mediante entrevistas, cuestionarios, observaciones
o mediciones directas a los individuos o cosas que corresponda nuestra variable.
Supongamos que los 50 datos obtenidos en nuestra variable: tiempo de estudio de la materia de
estadstica en minutos fueron los siguientes:
75
60
80
67
81
71
74
63
72
70
76
62
82
63
81
66
78
68
80
74
67
74
84
70
63
77
68
82
74
72
76
64
75
80
69
85
71
79
60
74
83
75
67
72
78
64
77
81
76
70
La Ordenacin de los datos consiste en colocar los datos tomados en orden creciente (de menor a
mayor) o decreciente (de menor a mayor). Nosotros los vamos a ordenar en forma creciente y sobre todo
"contando" y "anotando" los que se repitan, que ser la frecuencia.
Ordenacin de datos:
Tiempo empleado en minutos
Conteo
Frecuencia
60
62
63
64
66
67
68
69
70
71
72
//
/
///
//
/
///
//
/
///
//
///
2
1
3
2
1
3
2
1
3
2
3
14
74
/////
5
75
///
3
76
///
3
77
//
2
78
//
2
79
/
1
80
///
3
81
///
3
82
//
2
83
/
1
84
/
1
85
/
1
Total
50
Es importante que la suma total sea igual al nmero de datos que tomamos en la investigacin.
PASO DOS: RANGO.
El rango o recorrido es la diferencia que hay entre el dato mayor y el menor. Una vez que se ordenaron
los datos en forma creciente obtenemos el rango
85 que es el dato mayor
60 que es el dato menor
25
ser el rango o recorrido
PASO TRES: INTERVALOS DE CLASE.
Cuando se tiene un gran nmero de datos, se recomienda distribuirlos en clases o categoras llamadas
intervalos de clase o celdas. Para decidir la cantidad de intervalos de clase que se van a utilizar (o
nmero de clases) y la amplitud de los intervalos (o ancho del intervalo) se siguen las siguientes
operaciones:
Primero el NMERO DE CLASES o INTERVALOS se obtienen con la frmula:
Q = 1 + 3.322 (log. n) donde n es el nmero de datos y log. Es el logaritmo de dicho nmero. Siguiendo
el ejemplo tenemos:
Q = 1+ 3.322 (log. 50) observa que obtendremos el logaritmo de 50. En una calculadora el logaritmo de
50 es 1.69897... Redondeando su valor ser 1.70 Este valor lo multiplicamos por 3.322 y nos da en la
calculadora 5.64... Que redondeado ser 5.64 y finalmente le sumamos 1 a dicha cantidad arrojndonos =
6.64 Si el nmero que nos arroje la formula tiene su primera decimal igual o mayor que .5 se aumenta el
entero. As en nuestro ejemplo tenemos que 6.6 sera igual a 7.
En resumen y de acuerdo a la frmula el nmero de intervalos ser de 7
PASO CUATRO: ANCHO DEL INTERVALO: Se divide el rango entre el nmero de intervalos para
obtener la anchura de cada intervalo o celda.
25
7
Rango / nmero de intervalos de clase =
= 3.57 redondeando ser igual a 4
Por lo tanto el ancho del intervalo ser de 4
Resulta claro que si lo ancho del intervalo es de 4 y el nmero de intervalos son 7; (4) (7) = 28 se cubrir
todo el rango que es de 25.
Debemos hacer uso de los Lmites reales Inferiores (L.R.I.), quitando 0.5 al dato ms chico que en
nuestro caso es de 60 minutos. Por lo tanto ser de 59.5 el L.R.I. Luego a este se le suma lo ancho del
intervalo que es de 4 resultando 63.5 que es el Lmite Real Superior (L.R.S.) por lo que ahora si
podemos decir que los dos datos 64 se debern anotarse en el 2do. Intervalo que iniciara en 63.5 hasta
67.5 como lmite real superior.
PASO CINCO: TAMAO DEL INTERVALO DE CLASE.
15
Ahora si podemos construir cada uno de los intervalos con sus lmites reales inferiores y limites reales
superiores.
Recuerda que el ancho de cada intervalo es de 4 y que en total son siete (7) intervalos de acuerdo a las
operaciones realizadas anteriormente:
INTERVALOS DE CLASE
L. R. I.
L. R. S.
59.5
63.5
63.5
71.5
71.5
79.5
87.5
Observacin Importante: Si te fijas detenidamente en los intervalos y los datos ordenados del cuadro
anterior; los dos datos de 63.5 quedaran comprendidos en el 1er. y 2do. Intervalo, es decir, pueden
anotarse en el primero o en el segundo intervalo, tambin los 71.5 en el 3er o 4to intervalo; pero se sabe
que una observacin dada (los 63.5 y 71.5) deben colocarse en uno y solamente uno de los intervalos de
clase.
PASO SEIS: MARCA DE CLASE.
La marca de clase es el punto medio del intervalo de clase y se obtiene sumando los lmites reales
inferiores ms los lmites reales superiores, dividiendo el resultado entre dos.
59.5 63.5
2
123
2
Hagmoslo practicando. Llena los espacios que faltan. Se suma

=
= 61.5
Intervalos de Clase
MARCA DE CLASE
L.R.I.
L.R.S.
(59.5, 63.5]
61.5
(63.5, 67.5]
(67.5, 71.5]
(71.5, 75.5]
(75.5, 79.5]
(79.5, 83.5]
(83.5, 87.5]
85.5
PASO SIETE: FRECUENCIA ABSOLUTA Y RELATIVA.
La Frecuencia absoluta de clase: es el total de observaciones o datos que pertenecen a cada clase.
La Frecuencia Relativa, es la frecuencia que se representa con un Tanto por Ciento (%) y se obtiene al
dividir la frecuencia absoluta de un intervalo de clase entre el total de frecuencias de todas las celdas por
cien. La frecuencia Relativa se emplea para mostrar la proporcin o porcentajes de los valores incluidos
en los intervalos de clase, por lo que tambin se le llama Distribucin Porcentual.
6
50
Del 1er. y 2do Intervalos; Frecuencia Relativa de clase =
= 0.12 x 100 = 12 %
9
50
Del 6to intervalo; La Frecuencia Relativa =
= 0.18 x 100 = 18 %
Con todos los datos anteriores, finalmente construyamos nuestra
Tabla de distribucin de frecuencias de una variable numrica
Tiempo dedicado a estudiar la materia de estadstica
16
Intervalos de Clase
L.R.I.
L.R.S.
(59.5 ,
63.5]
(63.5
, 67.5]
(67.5
, 71.5]
(71.5
, 75.5]
(75.5
, 79.5]
(79.5
, 83.5]
(83.5
, 87.5]
TOTAL =
Marca
Clase
61.5
65.5
69.5
73.5
77.5
81.5
85.5
de Frecuencia
Absoluta
6
6
8
11
8
9
2
50
Frecuencia
Relativa (%)
12
12
16
22
16
18
4
100%
PASO OCHO: DISTRIBUCIN DE FRECUENCIAS ACUMULADAS

As se llama al nmero de observaciones que pertenecen aun determinado intervalo. Para obtener las
frecuencias de cada clase es necesario contabilizar las observaciones, valores o casos pertenecientes a
cada intervalo, utilizando el cuadro donde ordenamos los datos que est en la pgina 13. .
Sigamos Practicando
Intervalos de clase
Marca
Frecuencia
Frecuencia
Frecuencia
Frecuencia
de
Absoluta
Relativa (%)
acumulada
acumulada
clase
absoluta
relativa
L.R.
L.R.
fi
pi
Inferior
Superior vi
(59.5
63.5]
61.5
6
12
6
6
x 100
%
50
(63.5
67.5]
65.5
12
6+6=12
12
x 100
%
50
(67.5
71.5]
69.5
16
12+8=20
20
x 100
%
50
(71.5
75.5]
73.5
11
22
(75.5
79.5]
77.5
8
16
(79.5
83.5]
81.5
9
18
(83.5
87.5]
85.5
2
4
TOTAL =
50
100%
50
100%
Con los datos anteriores terminamos los componentes principales del cuadro que tambin recibe el
nombre de... "TABLA DE DISTRIBUCIN DE FRECUENCIAS" por lo que...
Ya podemos obtener algunas CONCLUSIONES de nuestra investigacin.
Cuando las variables son cuantitativas o numricas sean discretas o continuas la representacin grfica
ms comn es el HISTOGRAMA DE FRECUENCIAS y el POLGONO DE FRECUENCIAS.
HISTOGRAMA DE FRECUENCIAS:
Este tipo de grfica consiste en una serie de rectngulos trazados en un sistema de coordenadas
cartesianas o rectangulares. Para realizar el histograma es necesario agrupar los datos en intervalos de
clase, con sus lmites reales inferiores y superiores, adems de su frecuencia absoluta.
Los rectngulos tienen sus bases sobre el eje horizontal con centros en las marcas de clase y su
longitud es igual a la anchura de los intervalos de clase. La altura de cada rectngulo corresponde al valor
de la frecuencia que tenga el intervalo que representa. En stos histogramas los rectngulos se trazan
adyacentes entre si.
De acuerdo a los datos de la "Tabla de distribucin de frecuencias" del ejemplo (pag.16), donde
analizamos el tiempo que dedican a estudiar la materia de estadstica 50 estudiantes, vamos a construir
su Histograma de Frecuencias.
17
Histograma: Tiempo en minutos dedicados a estudiar

Estadstica por 50 estudiantes
14 F
R
E
C
U
E
N
C
I
A
S
12 10 8 6 4 2 0 59.5 63.5 67.5 71.5 75.5 79.5 83.5 87.5

61.5 INTERVALOS DE CLASE (con sus L.R.I. y L.R.S.)
Si observas en el eje vertical de las "Y", se ubican las frecuencias absolutas, mientras que en el
eje horizontal de las "X" se ubican los intervalos de clase en donde cada lmite real superior
corresponde al lmite real inferior del siguiente intervalo. Las marcas de clase (61.5) aunque es
permitido no escribirse en el histograma, se pueden ubicar ya que corresponde al punto medio de cada
intervalo.
Como habrs observado, el histograma nos ayuda a mostrar la frecuencia absoluta con que se presentan
algunos datos; otra forma de grfica son los
14 12 F
R
10 E
C
8 U
E
6 N
4 C
2 I
0
A
61.5 65.5 69.5 73.5 77.5 81.5 85.5
S
MARCAS DE CLASE (puntos medios)
POLGONOS DE FRECUENCIA.
Los polgonos de frecuencia tambin se construyen a partir de datos con variables cuantitativas o
numricas y se puede realizar a partir de un histograma si se desea.
Una vez trazado el histograma, se localizan los puntos medios o marcas de clase en la parte superior
de cada uno de los rectngulos o intervalos de clase. Se trazan segmentos de recta que unen cada punto
medio de cada uno de los intervalos.
18
Este polgono se encierra uniendo con el eje horizontal en el punto que corresponde al punto medio de un
rectngulo imaginario y adyacente al histograma, esto se hace en los extremos izquierdos y derechos del
polgono.
En el histograma se localizan los puntos medios en la parte superior de cada intervalo de clase y en el eje
horizontal, se indican las marcas de clase o puntos medios de cada intervalo.
Construyamos un polgono....
14 F
R
E
C
U
E
N
C
I
A
S
Polgono de Frecuencia: Tiempo en minutos dedicados a estudiar

Estadstica por 50 estudiantes
12 10 8 6 4 2 0
61.5 65.5 69.5 73.5 77.5 81.5 85.5
MARCAS DE CLASE (Puntos medios)
Para trazar el polgono de frecuencia unimos con rectas los puntos medios o marcas de clase con su
frecuencia absoluta respectiva, en donde estaban la parte alta de los rectngulos del histograma.
CONCLUSIONES
Te recordamos que los 50 datos son del tiempo en minutos dedicado a estudiar estadstica por los
estudiantes. Si analizamos detenidamente sus datos, podemos ver que el mayor nmero de casos
(frecuencia absoluta) es 11 y dedican de 71.5 a 75.5 minutos en estudiar (su intervalo) pero adems
representan el mayor porcentaje con un 22% del total.
Caso contrario, son lo que dedican de 83.5 a 87.5 minutos en estudiar pues nicamente son 2 y
representan un 4 % del total.
Si observamos en global el cuadro, podemos decir que la mayora de los estudiantes (Los intervalos 3,4 y
5) dedican de 67.5 a 79.5 minutos en estudiar y representan el 54 % del total.
Analizando otros datos podremos obtener ms conclusiones de nuestro trabajo e ir descubriendo lo
importante de nuestra investigacin. Mas adelante aprenders a realizar GRFICAS con los datos
obtenidos de la tabla de frecuencias. Quedamos pendientes. .. ,
EJERCICIO
1) siguiendo los ocho pasos para una variable numrica, ordena los datos de la siguiente variable y
realiza las operaciones correspondientes hasta obtener completa la "tabla de distribucin de frecuencias"
de las Estaturas de 55 estudiantes con aproximacin de un centmetro. Datos:
144
145
176
167
159
172
161
143
165
156
153
150
163
180
164
156
164
173
153
154
150
175
149
164
146
166
179
158
152
169
167
165
173
151
171
164
165
148
154
149
175
153
176
146
162
170
160
169
158
159
175
159
160
180
180
19
Aqu realiza los siete pasos y tus clculos correctamente hasta llenar tu Tabla de distribucin de
frecuencias
Paso 1 Ordenacin de datos.
Paso 2 Rango... etc
Intervalos de Clase Marca de Frecuencia
Frecuencia
Frec. Acum. Frec. Acum.
L.R.I.
L.R.S. Clase vi
Absoluta fi
Relativa (%) pi absoluta
relativa
TOTAL =
Dibuja en sta hoja el HISTOGRAMA, el POLIGONO DE FRECUENCIAS y la OJIVA. HISTOGRMA:
Estatura de 55 estudiantes
POLGONO DE FRECUENCIAS. Estatura de 55 estudiantes
LA OJIVA: Estatura de 55 estudiantes
PRINCIPALES CONCLUSIONES:
1.____________________________________________________________________
2.____________________________________________________________________
3_____________________________________________________________________
ACTIVIDADES DE APRENDIZAJE IV
1) siguiendo los ocho pasos para una variable numrica, ordena los datos de la siguiente variable y realiza las
operaciones correspondientes hasta obtener completa la "tabla de distribucin de frecuencias" de las
Aciertos en un Examen de admisin a la Universidad de 55 estudiantes. Datos:
154
165
156
160
159
170
151
163
166
166
153
160
173
160
161
166
162
153
163
156
170
165
159
168
149
163
169
157
162
159
168
155
163
161
161
174
160
168
152
169
165
156
166
166
162
160
170
163
168
157
165
159
163
160
160
Aqu realiza los siete pasos y tus clculos correctamente hasta llenar tu Tabla de distribucin de frecuencias
Paso 2 Rango... etc
Intervalos de Clase
L.R.I.
L.R.S.
TOTAL =
Marca de Frecuencia Frecuencia

Clase vi
Absoluta fi Relativa (%) pi
Frec. Acum.
absoluta
Frec. Acum.
relativa
20
Dibuja el HISTOGRAMA, el POLIGONO DE FRECUENCIAS y la OJIVA.

HISTOGRMA: Estatura de 55 estudiantes
OJIVA: Estatura de 55 estudiantes
PRINCIPALES CONCLUSIONES:
1.______________________________________________________________
2.______________________________________________________________
3______________________________________________________________
DISTRIBUCIN DE FRECUENCIA RELATIVA ACUMULADA

Ahora estudiemos como se construye la DISTRIBUCIN DE FRECUENCIA ACUMULADA y su grfica LA
OJIVA adems de la FRECUENCIA RELATIVA ACUMULADA.
La frecuencia total de todos los valores menores que el lmite real superior de un determinado intervalo de clase, es
conocida como frecuencia acumulada incluyendo hasta este intervalo. Lo anterior lo comprenders mejor si nos
ayudas a resolver el ejemplo que sigue:
Si tomamos los datos obtenidos al medir el tiempo en minutos que emplearon los estudiantes en ir de su casa a la
escuela. Se construye la siguiente tabla de distribucin de frecuencias y una columna que corresponde a la
distribucin de frecuencia acumulada y otra a la frecuencia relativa acumulada.
Concluyen los datos que faltan en la frecuencia acumulada de clase, de tal forma que sumen un total de 243. En la
columna de frecuencia acumulada relativa, tambin calcula los espacios que faltan hasta que obtengas el 100%
INTERVALO
DE CLASE
9.5 12.5
12.5 15.5
15.5 18.5
18.5 21.5
21.5 24.5
24.5 27.5
27.5 30.5
30.5 33.5
33.5 36.5
T O T A L:
MARCA
DE
CLASE
11
14
17
20
23
26
29
32
35
Frecuencia
Absoluta
fi
3
4
6
7
9
8
5
3
2
47
Frecuencia
relativa
% pi
6.38%
8.51%
12.77%
14.89%
19.15%
17.02%
10.64%
6.38%
4.26%
100%
Frecuencia
acumulada
Frecuencia
relativa acumulada
3
7
13
20
3/47X 100= 6.38%

7/47X100=14.89%
(3+4 )
(7+6)
(
)
100%
243
LA OJIVA O POLGONO DE FRECUENCIA ACUMULADA.

Se le llama ojiva o polgono de frecuencia acumulada, a la grfica que muestra la distribucin de frecuencia
acumulada. Al construirla, los intervalos de clase se disponen en el eje horizontal, y las frecuencias acumuladas se
representan en el eje vertical. Luego se unen los puntos localizados mediante segmentos.
Para entender la forma en que se traza una ojiva, considere el ejemplo de los datos obtenidos al registrar el tiempo
empleado por los estudiantes para ir de su casa a la escuela.
21
Primero se coloca un punto sobre el eje horizontal donde est el 9.5, puesto que no hay observaciones de sta o de
inferior magnitud. Luego se traza el siguiente punto en el 12.5 a la altura del 3, esto se puede hacer porque hay 3
registros iguales o menores de 12.5 de esta manera se continan representando el resto de los puntos.
Ejemplo: Tomando como base la distribucin de frecuencia acumulada del ejemplo anterior, y el tiempo en minutos
que emplean los integrantes de un grupo de estudiantes de ir de su casa a la escuela, construyamos la ojiva
correspondiente:
50
40
30
FRECUENCIA ACUM ULADA
20
10
0
INTERVALO DE CLASE
En esta pgina transfiere los datos de la tabla de distribucin de frecuencias del ejercicio de la pgina 16
y en las dos columnas ltimas obtn la FRECUENCIA ACUMULADA y la FRECUENCIA RELATIVA
ACUMULADA, adems construye su grfica llamada OJIVA.
1 SIMULACRO DE EXAMEN
Describe los valores que pueden tomar las siguientes variables y escribe si sta es, una variable categrica nominal, categrica
ordinal, numrica discreta o numrica continua:
a) El Gnero (sexo) de cada alumno del grupo de quinto semestre.
Variable: __________________________________________
b) La cantidad de estudiantes en cada grupo de una escuela:
Variable: _________________________________________
c) El Peso de los nios mexicanos de 6 aos.
Variable: ________________________________________
d) El dao causado a los pulmones de los jvenes que fuman.
Variable: _______________________________________
e) Tipo de material con el que se construyen los techos de las viviendas de una localidad.
Variable: ________________________________
f) El nmero de naranjas producidas por cada naranjo en una huerta.
Variable: _______________________________________
g) La cantidad de afecto o amor que siente un nio por su mam.
Variable: ______________________________________
h) El tiempo de reaccin de una sustancia qumica en el laboratorio.
Variable: ______________________________________
22.666666 = __________________
0.7654598= ___________________
57.87754 = ____________________
7
x
i 3
0.0663597= __________________
Primer ejercicio si
X1=3; X2=6; X3=8; X4=2; X5=9; X6=1; X7=5
5
(x
i 1
22
12)
______________________________________________
1) siguiendo los ocho pasos para una variable numrica, ordena los datos de la siguiente variable y realiza las operaciones
correspondientes hasta obtener completa la "tabla de distribucin de frecuencias" de las Estaturas de 55 estudiantes con
aproximacin de un centmetro. Datos:
154
165
156
160
159
170
151
163
166
166
153
160
173
160
161
166
162
153
163
156
170
165
159
168
149
163
169
157
162
159
168
155
163
161
161
174
160
168
152
169
165
156
166
166
162
160
170
163
168
157
165
159
163
160
160
Aqu realiza los siete pasos y tus clculos correctamente hasta llenar tu Tabla de distribucin de frecuencias
Paso 2 Rango... etc
Intervalos de Clase L.R.I. Marca de Clase
Frecuencia
Frecuencia
L.R.S.
Absoluta
Relativa (%)
TOTAL =
Dibuja el HISTOGRAMA, el POLIGONO DE FRECUENCIAS y la OJIVA.
HISTOGRMA: Estatura de 55 estudiantes
OJIVA: Estatura de 55 estudiantes
M E D I D AS D E T E N D E N C I A C E N T R AL
PROMEDIOS O MEDIAS
En estadstica al promedio se le conoce como medida de tendencia central, ya que est localizado
hacia el medio o centro de una distribucin, en la que la mayora de los valores tendern a concentrarse.
Entre los ms comunes se pueden mencionar: la media aritmtica, la mediana y la moda
Media Aritmtica
MEDIDAS DE TENDENCIA CENTRAL
Mediana
Moda
LA MEDIA, MEDIANA Y MODA CON DATOS AGRUPADOS o tambin se llaman de distribucin de

frecuencias agrupadas.
MEDIA ARITMTICA PARA DATOS AGRUPADOS
23
Si los datos o valores han sido agrupados en intervalos de clase, entonces se considera que todos los
valores incluidos dentro de un determinado intervalo son iguales o estn representados por el punto
medio del intervalo o la marca de clase. En este caso se procede a multiplicar cada punto medio por su
respectiva frecuencia. Luego se suman estos productos, para finalmente dividir este resultado entre el
total de datos.
Es importante sealar que el valor de la media de la frecuencia agrupada es suficientemente aproximado
para trabajos de estadstica y que el valor de la media no ser suficientemente aproximado si la
distribucin de frecuencias agrupadas es muy irregular o demasiado asimtrica.
La frmula para la media aritmtica en datos agrupados es la siguiente:
X =
( f ) (x)
n
X =
( f ) (v i)
n
Donde
f = Frecuencias absolutas de los intervalos.
x = Marca de clase o Valor medio de clase.
n = La suma de las frecuencias.

MEDIANA PARA DATOS AGRUPADOS
Cuando Los datos simples son agrupados en una distribucin de frecuencias, cada uno de los valores
pierde su identidad en la tabla, significando que la mediana de los datos simples puede no ser igual a la
mediana obtenida de una distribucin de frecuencias del mismo conjunto de datos. Es importante
mencionar, que la mediana de los datos agrupados es una aproximacin de la verdadera mediana. La
aproximacin puede ser obtenida mediante el uso de la siguiente frmula:
2 c
Me Li
(i )
fme
Donde:
Me = Mediana
Li = Lmite real inferior de la clase que contiene la mediana.
n = El nmero de datos o frecuencia total.
c = La frecuencia acumulada precisamente hasta la clase anterior a la clase mediana o la suma de
las frecuencias de los intervalos por debajo de la mediana.
fme = La frecuencia de la clase mediana.
i = Tamao del intervalo o amplitud de la clase mediana.
24
MODA PARA DATOS AGRUPADOS.

Cuando la moda se calcula a travs de la frmula para datos agrupados, los valores y frecuencia en la
clase modal y las frecuencias en las clases inmediatamente antes y despus de la clase modal, son
tambin empleadas. Por lo tanto se aplica la siguiente frmula.
d1
(i )
d
d
1
2
Mo Li
Donde:
Mo = Moda
L1 = Lmite real inferior de la clase que contiene la moda
d1 = Diferencia de la frecuencia de la clase modal y la frecuencia de la clase contigua inferior.
d2 = diferencia de la frecuencia de la clase modal y la frecuencia de la clase contigua superior.
i = Tamao del intervalo o amplitud del intervalo de la clase modal.
A continuacin resolveremos un ejercicio para utilizar las frmulas de la media, la mediana y la moda de
datos agrupados.
Ejemplo: En la siguiente tabla se resumen los datos de los pesos en kilogramos de 50 estudiantes.
Con base a la siguiente tabla de distribucin de frecuencias, calculemos los valores de la media, la
mediana y la moda, recordando cmo se conforman las columnas de Intervalos de clase ( I ), Marca de
clase o punto medio ( X ), Frecuencia absoluta( f ), Frecuencia relativa % ( f ) y la Frecuencia acumulada
( F ).
Marca
de Frecuencia
Frecuencia
Absoluta
relativa
Intervalos de clase clase
(vi)
( fi )
( pi )
(I)
30.5 33.5
32
1
.02
33.5 36.5
35
2
.04
36.5 39.5
38
6
.12
39.5 42.5
41
11
.22
42.5 45.5
44
16
.32
45.5 48.5
47
9
.18
48.5 51.5
50
4
.08
51.5 54.5
53
1
.02
TOTAL =
50
1.0 o 100%
CALCULO DE LA MEDIA ARITMTICA para datos agrupados
Su frmula es x =
( f i ) (v i)
n
Frecuencia
acumulada
(F)
1
3
9
20
36
45
49
50
25
Esta expresin no se puede aplicar directamente, ya que nicamente se cuenta con el dato del
denominador, esto es n = 50, pero no se tiene el dato del numerador. Para ello se agrega una columna a
la tabla, donde se proporcionan los datos agrupados en intervalos. Esta columna se construye
multiplicando el punto medio de cada intervalo por su respectiva frecuencia y cuando se tengan todos los
productos, se procede a obtener la suma de ellos. La tabla original ya con la columna Fx y la suma de
sta queda de la siguiente manera.
I
X(Marca de f
f
F
fx
clase)
30.5 33.5
32
1
.02
1
32
33.5 36.5
35
2
.04
3
70
36.5 39.5
38
6
.12
9
228
39.5 42.5
41
11
.22
20
451
42.5 45.5
44
16
.32
36
704
45.5 48.5
47
9
.18
45
423
48.5 51.5
50
4
.08
49
200
51.5 54.5
53
1
.02
50
53
TOTAL =
50
1 o 100
2161
Entonces:
x =
( f i ) (v i) = 2161 =43.22
n
50
ser el resultado de la media aritmtica
CALCULO DE LA MEDIANA para datos agrupados.

I
(30.5 , 33.5]
(33.5 , 36.5]
(36.5 , 39.5]
(39.5 , 42.5]
(42.5 , 45.5]
(45.5 , 48.5]
(48.5 , 51.5]
(51.5 , 54.5]
TOTAL =
vi
32
35
38
41
44
47
50
53
fi
1
2
6
11
16
9
4
1
50
pi
.02
.04
.12
.22
.32
.18
.08
.02
1
F
1
3
9
20
36
45
49
50
Si partimos de la definicin, la mediana es el dato central, como hay OCHO INTERVALOS estar entre el
cuarto y quinto intervalo; entonces, debe estar comprendida en el intervalo 42.5 45.5, ya que
observando la columna F, a este intervalo le corresponde una frecuencia acumulada de 36. Note
Usted que si se toma el intervalo inmediato inferior, 39.5 42.5 se observa en la columna F, que hasta
esta celda hay 20 VEINTE casos y como se tiene un total de 50 datos, el caso central es el nmero 25.
As pues el intervalo donde est la mediana es:
26
42.5 45.5 44
16
32
36
Algunos autores efectan el siguiente razonamiento, sin utilizar la frmula, pero si interpolando una
relacin proporcional: ANALIZA DETENIDAMENTE
n = 50 por lo tanto la media est en 50/2 = 25
El L.R.I.(Limite real inferior) de la mediana = 42.5
Como 20 casos (1+2+6+11) caen por debajo del L.R.I. de la mediana, necesitamos 5 datos ms, para
llegar a 25. Dado que existen 16 casos (frecuencia) en el intervalo y ste tiene 3 de amplitud o ancho,
hacemos una regla de tres.
16 es a 3 como 5 es a x
16 : 3 :: 5 : x
x= (3)(5) =
15 = 0.9375
16
16
Al L.R.I. le sumamos el resultado Me = 42.5 + 0.9735 = 43.4375
Finalmente mediana = 43.44 Kg.
Ahora utilicemos la frmula para determinar la mediana en datos agrupados:
Me Li 2
(i )
Fme
Li = Lmite real inferior de la clase que contiene la mediana.

n = El nmero de datos o frecuencia total.
c = La frecuencia acumulada precisamente hasta la clase anterior a la clase mediana o la suma de
las frecuencias de los intervalos por debajo de la mediana.
fme = La frecuencia de la clase mediana.
i = Tamao del intervalo o amplitud de la clase mediana.
39.5 -- 42.5
41
11
.22
20
.40
451
42.5 45.5
44
16
.32
36
.72
704
Analizando estos dos intervalos se pueden obtener los siguientes valores:
L1 = 42.5 lmite real inferior que contiene la mediana
2
n = 50 es el nmero total de frecuencias
de donde:
25
c = 20 es la frecuencia acumulada hasta la clase anterior a la clase mediana
fme = 16 es la frecuencia de la clase mediana
i = 3 es el tamao del intervalo o amplitud de la clase mediana.
27
Sustituyendo estos datos en la frmula se tiene:
Me = 42.5+
25 20
16
( 3 ) = 42.5 +
5
16

( 3 ) = 42.5 +
15
16
= 42.5 +
15
16
Me = 42.5 + 0.9375+ = 43.4375

Finalmente mediana = 43.44 Kg
CALCULO DE LA MODA para datos agrupados.
Para determinar el valor de la moda, habr que observar las columnas f y seleccionar el intervalo que
presenta la mayor frecuencia. En este caso, el intervalo que donde est incluida la moda es:
42.5 45.5 44
16
.32
36
.72
704
La frmula que se utiliza para encontrar el valor de la moda es:
d1
(i )
d
d
2
1
Mo Li
L1 = Lmite real inferior de la clase que contiene la moda

d1 = Diferencia de la frecuencia de la clase modal y la frecuencia de la clase contigua inferior.
d2 = diferencia de la frecuencia de la clase modal y la frecuencia de la clase contigua superior.
i = Tamao del intervalo o amplitud del intervalo de la clase modal.
Para determinar los valores de cada trmino en esta expresin, se requiere adems del intervalo donde
est localizada la moda, de las celdas inmediata inferior y superior que queda como sigue:
39.5 - 42.5
41
11
.22
20
.40
451
42.5 - 45.5
44
16
.32
36
.72
704
45.5 - 48.5
47
9
.18
45
.90
423
A partir de estos intervalos se adquieren los valores requeridos y que son:
Li = 42.5
d1 = 16 - 11 = 5
d2 = 16 9 = 7
i =3
Sustituyendo estos datos en la formula se obtiene:
Mo = 42.5 +
Mo = 42.5 +
5
5 7
15
12
(3)
Mo = 42.5 +
= 42.5 + 1.25 = 43.75
12
( 3 )
28
Finalmente la Moda = 43.75

EJERCICIO
Calcula la media aritmtica, Media y Moda de los tres ejercicios siguientes.
EJERCICIO
Calcula la Media Aritmtica, Mediana y Moda de ejercicio que se te presenta.
Intervalo de clase
L.R.I.
L.R.S.
Marca
De clase (vi)
Frecuencia
de clase (fi)
(9.5 , 12.5]
(12.5 ,15.5]
(15.5 , 18.5]
(18.5 , 21.5]
(21.5 , 24.5]
(24.5 , 27.5]
(27.5 , 30.5]
(30.5 , 33.5]
(33.5 , 36.5]
T O T A L:
11
14
17
20
23
26
29
32
35
3
4
6
7
9
8
5
3
2
47
ACTIVIDADES DE APRENDIZAJE VI
Calcula la Media aritmtica, Mediana y Moda del ejercicio siguiente.
Intervalos de Clase
Marca de
Frecuencia
(f)( vi)
L.R.I.
L.R.S.
Absoluta (fi )
Clase (vi )
(59.5
,
(63.5
,
(67.5
,
(71.5
,
(75.5
,
(79.5
,
(83.5
,
TOTAL =
63.5]
67.5]
71.5]
75.5]
79.5]
83.5]
87.5]
61.5
65.5
69.5
73.5
77.5
81.5
85.5
6
6
8
11
8
9
2
50
De las edades de 40 maestros de los C.B.T.a s, calcula las MEDIDAS DE TENDENCIA CENTRAL (MEDIA,
MEDIANA Y MODA) Tanto de los siguientes datos.
Edades:
36, 53, 35, 28, 30, 36, 45, 29, 43, 28,
30, 46, 39, 54, 47, 44, 34, 40, 50, 38,
47, 56, 48, 42, 39, 47, 53, 51, 38, 29,
48, 52, 47, 46, 41, 40, 45, 39, 47, 38.
MEDIDAS DE DISPERSIN
29
A menudo escuchamos que en los pases latinoamericanos existe mucha DIFERENCIA entre los ingresos
que perciben por ejemplo los polticos y los trabajadores de otra clase social de la poblacin. Esas
diferencias tienen sus races en distintos fenmenos sociales, polticos y econmicos; sin embargo, un
economista dira el ingreso per cpita en los pases latinoamericanos est ms DISPERSO que el
ingreso per cpita de los pases desarrollados.
El concepto de DISPERSIN resulta importante en casi todos los estudios, ya que puede darse el caso
de poblaciones con igual valor central (Media aritmtica, Mediana o Moda), pero una puede estar ms
DISPERSA que la otra, es decir, los promedios nos sirven para describir los datos representados por la
tendencia central del conjunto. Por lo tanto, el promedio no logra por si mismo describir completamente a
una coleccin de datos; se necesitan otros valores que nos indiquen el grado en que las observaciones
estudiadas se apartan o VARAN con respecto al valor central, es decir, el GRADO DE VARIACIN O
DISPERSIN.
EJEMPLO
Con los siguientes datos de dos poblaciones, analicemos primeramente sus medias aritmticas:
Poblacin A) : 1 (7) , 2 (11), 3 (13), 4 (9), 5 (5), 6( 3), 7( 2), 8(1) =
169
51
= 3.31
n = 51
Frecuencia
15 -13 -11 -9 -7 -5 -3 -1 --
Histograma de los datos de la poblacin A

Media aritmtica (promedio) = 3.31
159
48
Poblacin B) : 1 ( 3 ), 2 ( 9 ), 3 ( 15 ), 4 ( 12 ), 5 ( 9 ) =
= 3.31 igual que la poblacin A
n = 48
15-13-Histograma de los datos de la poblacin B
11-Frecuencia
9-7-Media aritmtica (promedio) = 3.31
5-3-1-1
30
1 2 3 4 5
No obstante que en las dos poblaciones se obtuvo una media aritmtica igual de 3.31; al observar los dos
histogramas nos damos cuenta que no son iguales PERO...
EN CUL HISTOGRAMA ESTN MS DISPERSOS LOS DATOS?
En la poblacin A____________ o en la poblacin B_____________
Explica porque? ________________________________________________________
Por tal motivo las medidas de tendencia central, no dicen nada por s mismas, por lo que se deben
calcular las MEDIDAS DE DISPERSIN o LAS VARIACIONES de los datos. Por su clculo las
MEDIDAS DE DISPERSIN se dividen en absolutas y relativas, an que existen mas, estudiaremos las
siguientes:
DISPERSIN ABSOLUTA:
Rango o recorrido
Rango intercuartilico o desviacin cuartil
Desviacin Media
Varianza
Desviacin Estndar
DISPERSIN RELATIVA:
Coeficiente de variacin
RANGO O RECORRIDO
Como se ha indicado con anterioridad, el rango o recorrido es la diferencia entre el valor mayor y
el valor menor de un grupo de datos o sea:
RANGO = Dato mayor Dato menor
El rango es una medida de dispersin que no se utiliza mucho, aunque su clculo es muy rpido. Si
analizamos el rango de los histogramas anteriores tenemos que;
En la primera poblacin A su rango es:
R=81=7
(su rango o recorrido es 7)
En la segunda poblacin B se rango es:
R=51=4
(su rango o recorrido es 4)
Por lo tanto y como 7 > 4, podemos sealar con seguridad que los datos de la primera poblacin A), est
ms dispersa o desviados que los datos de la segunda poblacin B).
MEDIDAS DE DISPERSIN PARA DATOS NO AGRUPADOS
DESVIACIN MEDIA, VARIANZA, DESVIACIN ESTANDAR O TPICA Y COEFICIENTE DE
VARIACIN, que son medidas de dispersin que tienen relacin con la media aritmtica, y por sus
propiedades algebraicas son las de ms frecuente aplicacin y de mayor importancia.
QUE ES EL DESVO O DESVIACIN?
El desvo de cada observacin (o dato) es la DIFERENCIA ENTRE LA OBSERVACIN (o el dato) Y LA
MEDIA ARITMTICA. El desvo es un concepto fundamental que nos permitir comprender
posteriormente otras medidas de dispersin. Por lo tanto.
xi
31
Desvo ( d ) =
Pero hagamos un ejemplo
Si el conjunto de datos son: 4, 2, 5, 8, 2, 1, 7, 8, 5, y 7 su media aritmtica es = 4.9
Cul es la dispersin de cada dato? Cul es el dato que est mas disperso? Cul es el dato menos
disperso?
Ordenamos los datos de menor a mayor 1, 2, 2, 4, 5, 5, 7, 7, 8, 8 y grafiquemos
x
1
2
4
7
8 9
=4.9
Segn la frmula anterior, desvo es igual al dato menos la media aritmtica por lo tanto tenemos:
La desviacin de cada dato ser:
Calculo del desvo
Datos d = xi - x
desvo =
1
2
2
4
5
5
7
7
8
9
49/10
=
4.9
1 4.9 =
2 4.9 =
2 4.9 =
4 4.9 =
5 4.9 =
5 4.9 =
7 4.9 =
7 4.9 =
8 4.9 =
8 4.9 =
- 3.9
-2.9
-2.9
-0.9
0.1
0.1
2.1
2.1
3.1
3.1
-10.6
+10.6= 0.0
Suman
10.6
Suman
+ 10.6
De
acuerdo a los resultados de la tabla Cul
es el dato que est ms disperso?
Es el nmero 1, porque independientemente de su signo, su valor absoluto es el mas alto y es de 3.9 de
desvo.
Ahora Cul es el dato menos disperso?. Es el nmero 5 porque est ms cerca de la media aritmtica y
tiene un desvo de 0.1.
Si observas la tabla anterior en muy importante obtener primero el valor de la media aritmtica que en
nuestro caso fue de
49
=4.9
10
para despus restarle al valor de cada dato, dicha media.
Por otro lado, al sumar los resultados NEGATIVOS de los desvos nos arroja un valor de 10.6 y al
sumar los resultados POSITIVOS de los desvos tambin nos da un valor de + 10.6 por lo tanto, se
comprueba que la diferencia de los desvos negativos y los positivos, nos da cero o en su defecto tiende
a ser cero.
Ahora resolvamos un problema para utilizar las medidas de dispersin
32
DESVIACIN MEDIA, VARIANZA, DESVIACIN ESTANDAR O TPICA Y COEFICIENTE DE

VARIACIN
CON D A T O S N O A G R U P A D O S
Nmero
muestra
1
2
3
4
5
6
de DATOS
de
la
resistencia
del
concreto kg/cm2
358
369
363
358
336
341
Un constructor, para asegurarse de la calidad de su obra, tom seis

muestras de concreto y obtuvo los resultados del cuadro.
Al preguntarle uno de sus colaboradores Cul de todas las
muestras del grupo era la ms dispersa?
El constructor elabor la siguiente tabla:

Nmero
Finalmente el constructor en base a la tabla y a los de
muestra
clculos realizados le indic a su colaborador:
1
LA MUESTRA NMERO 5 ES LA MS DISPERSA, 2
DEBIDO A QUE OBTUVO EL MAYOR VALOR 3
4
ABSOLUTO DE DESVO CON -18.17.
5
En este caso particular, el mayor valor tuvo el signo 6
negativo lo que significa que la observacin es
menor que el valor de la media.
Calculemos ahora la
DESVIACIN MEDIA:
Resistencia desvos
Kg/cm2
d = x1
358
369
363
358
336
341
Suma
=2125
2125/6=
Media
=354.17
358 354.17 = 3.83

369 354.17 = 14.83
363 354.17 = 8.83
358 354.17 = 3.83
336 354.17 = -18.17
341 354.17 = - 13.17
Diferencia = 0.02
La desviacin media es la media aritmtica de los valores absolutos (ignorando el signo) de las
desviaciones de cada elemento del conjunto de datos, es decir, hay que restar a la media aritmtica cada
valor del conjunto de datos, ignorando el signo, y sumamos todas las diferencias para dividirlo entre el
nmero total de datos.
N
Dm
| x
i 1
x|
Su formula es
Sumatoria de los valores absolutos

Nmero de datos
Sigamos el mismo ejemplo y AUMENTEMOS UNA COLUMNA para los valores absolutos al cuadro
anterior:
Nmero
de
muestra
1
2
Datos
resistencia
358
369
de Desvo
x3.83
14.83
Valor absoluto
|x3.83
14.83
x |
3
4
5
6
363
358
336
341
2125
6
8.83
3.83
-18.17
-13.17
0.02
33
8.83
3.83
18.17
13.17
Suma = 62.66
= 354.17
Desviacin media es igual a... La suma de los valores absolutos entre el nmero de muestras
62.66
6
Desviacin Media ( dm ) =
= 10.44
Como se ve en el ejemplo anterior,
La Desviacin Media MIDE LA DISPERSIN ALREDEDOR DEL PROMEDIO, mas que la dispersin de
ciertos valores, ya que el concepto de desviacin media se origina cuando los desvos se toman en valor
absolutos, eliminando as el efecto de que la suma de los desvos (x 1 x = 0 ) que es igual a cero (o
tiende a cero).
Otra forma de hacerlo, es elevar al cuadrado los desvos, por lo que surge la...
VARIANZA (S2) : Que es la media aritmtica (promedio) de los cuadrados de los desvos y su frmula es
la siguiente:
Suma de desvos al cuadrado
N
S2
( x x)
1 i
Nmero de datos
Sigamos el mismo ejemplo para calcular la varianza ( S2 ):
AUMENTAMOS OTRA COLUMNA a la tabla, ahora para los desvos al cuadrado
Nmero
Datos
de Desvo
Valor
Desvos al
de
resistencia
absoluto
cuadrado
x
xmuestra
x |
x ) 2
|x(x 1
2
3
4
5
6
358
369
363
358
336
341
2125/6
x = 354.17
3.83
14.83
8.83
3.83
-18.17
-13.17
Se tiende a
0.02
3.83
14.83
8.83
3.83
18.17
13.17
Suma= 62.66
144.67
219.93
77.97
14.67
330.15
173.45
Suma = 830.83
Calculamos la varianza segn la frmula anterior y tenemos:

Varianza (S2) = Suma de desvos al cuadrado = 830.83
Nmero de datos
DESVIACIN ESTNDAR o TPICA ( S ): Es la raz cuadrada de la varianza (S2 )
= 138.47
34
Tambin se puede definir como la raz cuadrada de la media aritmtica de los cuadrados de los desvos.
( x i x )2
S=
2
En el mismo ejemplo tendramos lo siguiente:

Desviacin Estndar
Varianza (S2) fue igual a = 138.47 por lo tanto
S= s2
138.47
S=
= 11.77
Finalmente analicemos la medida de dispersin relativa llamada
COEFICIENTE DE VARIACIN ( C.V ): Es el resultado de la divisin de la desviacin estndar entre la media
aritmtica.
Este tipo de coeficiente es muy til para medir la DISPERSIN RELATIVA en base a la desviacin estndar y la
media y sirve bsicamente para comparar muestras distintas en trminos numricos adimensionales, es decir,
que mientras las dems medidas de dispersin tienen unidades, el coeficiente de variacin carece de ellas.
Su formula es... C. V. =
S ( Desviacin Estndar) .
X ( Media Aritmtica)
En el mismo ejemplo que estamos analizando, el coeficiente de variacin ser:
C. V = 11.77 . = 0.033
354.17
Tambin se puede expresar en porcentaje al multiplicar por 100 esto es, (0.033) (100) = 3.30%
C.V. = 3.30 %
UN RESUMEN DE LAS MEDIDAS DE DISPERSIN
RANGO ( R )= Es la diferencia del valor mayor menos el valor menor en un conjunto de datos y se emplea
de manera muy limitada, ya que es slo una apreciacin de la amplitud de los datos, y presenta poca
estabilidad; se usa, casi siempre que se requiera rapidez.
RANGO INTERCUARTIL ( Q ): es el resultado de la diferencia entre el tercer cuartil Q 3 y el primero Q1.
Su utilidad es baja y su valoracin respecto a la cantidad de datos que incluye en su aplicacin en una
distribucin normal es del 50 %
DESVIACIN MEDIA ( dm )= Es el promedio de los valores absolutos (ignorando signos) de las
desviaciones de cada dato; En sta prueba se pueden calcular los desvos tanto con la media aritmtica como
la mediana, segn convenga. Actualmente sta prueba casi no se usa. En una distribucin normal, la cantidad
de datos que incluye en su aplicacin es de aproximadamente el 58%.
VARIANZA ( S2 ) = Es el promedio de los cuadrados de los desvos y se utiliza en anlisis estadstico
avanzado, pero tiene el inconveniente de que sus unidades son las mismas de la variable al cuadrado.
DESVIACIN ESTNDAR ( S ) = Es la raz cuadrada de la varianza o del promedio de los cuadrados de
los desvos. Es la ms importante de todas las medidas de dispersin ya que incluye ms o menos el 68% de
los trminos de una distribucin normal, adems por sus propiedades algebraicas se utiliza con facilidad en el
anlisis estadstico
COEFICIENTE DE VARIACIN ( CV ) = Es el cociente entre la desviacin estndar y la media
aritmtica. Generalmente se utiliza para comparar muestras distintas y saber cul tiene mayor o menor
dispersin en sus datos.
35
EJERCICIO
Los siguientes datos son las edades de dos grupos de estudiantes del SAETA-JUAREZ, de la generacin
Agosto -2005. A cada uno de los grupos le obtendrs las medidas de dispersin siguientes:
DESVIOS de cada edad, DESVIACIN MEDIA, VARIANZA,
DESVIACIN ESTNDAR Y COEFICIENTE DE VARIACIN
GRUPO D
20 ESTUDIANTES
GRUPO F
25 ESTUDIANTES
15
17
18
19
21
16 16 18 19 19
19 19 20 21 21
22 22 22 22 23
27 29 29 30 32
Edad
16
16
18
19
19
19
19
20
21
21
22
22
22
22
23
27
29
29
30
32
Desvos
Valor
absoluto
Desvos al
cuadrado
Edad
15
15
15
16
16
17
17
17
18
18
18
18
19
19
19
19
20
20
21
21
21
22
22
29
30
Desvos
15
17
18
20
22
15
17
19
20
22
Valor
absoluto
16 16
18 18
19 19
21 21
29 30
Desvos al
cuadrado
36
REALIZA TUS CLCULOS DE ACUERDO A LAS FRMULAS CORRESPONDIENTES, HASTA

OBTENER SUS RESULTADOS PARA CADA GRUPO.
AHORA CONTESTA CUL DE LOS DOS GRUPOS TIENE SUS DATOS MS DISPERSOS?
Respuesta:_______________
Porque?___________________________________________________
LAS MEDIADAS DE DISPERSIN P A R A
DAT OS
AGRUPAD OS
OBTENER LA DESVIACIN MEDIA (dm), VARIANZA (S2),

DESVIACIN ESTANDAR (S) Y COEFICIENTE DE VARIACIN (C.V.)
Completa las siguientes filas de las columnas para que calcules la Desviacin media (dm), la Varianza
(S2) la Desviacin estndar o tpica ( S ).
Intervalo clase
(estaturas )
Marca
de
clase (
Frecuencia
(alumnos)
fi
vi )
Frecuenci
a
por
marca de
clase
vi f i
Marca
de clase
al cuad
por frec
abs
Marca
de
clase
por
frec al cuad
2
Frec.
media
por
f i x
(v i f i)
vi f i
121.5 126.5
126.513.1.5
131.5136.5
136.5141.5
141.5146.5
146.5151.5
151.5156.5
156.5161.5
161.5166.5
Totales
124
134
144
149
159
2
3
8
23
27
20
16
3
2
n = 104
Media aritmtica = 15041/ 104 = 144.625 = 144.62

Aqu o aun lado de la pgina, realiza tus clculos con orden y limpieza; y utilizando las formulas
correspondientes hasta que obtengas la Desviacin media, Varianza y Desviacin estndar.
Media aritmtica
x =
vi f i
n
Formula para obtener la desviacin media
Dm=
2
( v i f i )
v f
n
Formula para obtener la varianza

1
S2=
n1
2
i i
Formula para obtener la desviacin estndar
S= s2
1
|v f f x|
n i i i
Formula para obtener el coeficiente de variacin en porcentaje
C . v .=
37
S
x
RESULTADOS
Desviacin media =_______________
Varianza = ____________________
Desviacin estndar = ______________
Coeficiente de variacin = _____________
Calcula las medidas de dispersin (desviacin media, varianza, desviacin estndar y coeficiente de
variacin) de los siguientes dos ejercicios.
Intervalos de Marca de Frecuencia
Clase
Clase (x) Absoluta (f)
148.5
152.5 150.5
3
152.5
156.5 154.5
7
156.5
160.5 158.5
13
160.5
164.5 162.5
12
164.5
168.5 166.5
13
168.5
172.5 170.5
5
172.5
176.5 174.5
2
TOTAL =
55
RESULTADOS
RESULTADOS
Varianza = ____________________
Varianza = ____________________
Desviacin estndar =____________
Desviacin estndar =____________
Coeficiente de variacin = ___________
Coeficiente de variacin = ___________
ACTIVIDADES DE APRENDIZAJE X
Calcula las medidas de dispersin (desviacin media, varianza, desviacin estndar y coeficiente de
variacin) de los siguientes dos ejercicios.
Intervalos de Marca de Frecuencia
Clase
Clase (x) Absoluta (f)
148.5
152.5 150.5
3
152.5
156.5 154.5
7
156.5
160.5
160.5
164.5
164.5
168.5
168.5
172.5
172.5
176.5
TOTAL =
158.5
162.5
166.5
170.5
174.5
38
13
12
13
5
2
55
UNIDAD II:P R O B A B I L I D A D
I N T R O D U C C I N: PRIMERA PARTE
TEORA DE CONJUNTOS
Conjunto es una coleccin de conceptos o de objetos perfectamente especificados, en tal forma que se
puede afirmar con certeza si cualquier objeto dado pertenece o no a la coleccin
Ejemplos:
Los ros del Estado de Sinaloa.
Las 6 primeras letras del alfabeto.
Los nmeros 1, 2, 3, y 4.
Para identificar un conjunto se usaran letras maysculas del alfabeto por ejemplo a los conjuntos antes
mencionados les llamaremos conjuntos A, B, y C respectivamente.
Hay dos maneras de describir un conjunto:
Por el mtodo de la lista, si los conjuntos tienen pocos elementos, los cuales se listan dentro de unas llaves.
Por el mtodo de la regla, si los conjuntos tienen muchos elementos se escribe dentro de unas llaves una
regla que describa los elementos del conjunto.
Ejemplificando los tres primeros ejemplos tendremos, para los ros de Sinaloa por el mtodo de la lista ser:
A={Choix, Fuerte, Sinaloa, Mocorito, Culiacn, San Lorenzo, Elota, Piaxtla, Presidio, Baluarte, Caas}
Por el mtodo de la regla ser:
A={x/x es uno de los ros de Sinaloa}, y se lee el conjunto de las x s, tal que xs es un rio de Sinaloa.
Para el conjunto de las 6 primeras letras del alfabeto a travs del mtodo de la lista ser:
B={a,b,c,d,e,f}
B={x/x son las primeras 6 letras del alfabeto}, y se lee el conjunto de las x s, tal que xs son las primeras 6 letras del
alfabeto.
Finalmente para el conjunto de los nmeros 1,2,3,y 4, por el mtodo de la lista ser:
C={1,2,3 y 4}
C={x/x son los primeros 4 nmeros positivos}, y se lee el conjunto de las x s, tal que xs son los primeros 4 nmeros
positivos.
Cuando los conjuntos tienen pocos elementos es fcil listarlos, pero cuando los conjuntos tienen muchsimos
elementos es imposible, por eso es muy recomendable el mtodo de la regla.
Por ejemplo el conjunto de los nmeros en el intervalo [0,1], es un conjunto infinito, entonces por el mtodo de la
regla tenemos:
A={x/
0 x 1 }
SIMBOLOGA.
significa es un elemento de
significa no es un elemento de
Por ejemplo 2 es elemento del conjunto A, y 3 no lo es:
39
2 Ay3 A
Ejemplos.
Sean
A={x/
0< x <1 }, B={x/ 0 x <1 }
C={x/ 0< x 1 }
D={x/ 0 x 1 }
Por lo tanto:
0
B, 0 A, 0 D y 0 C
1 D, 1 B, 1 C y 1 A, ETC.
EJERCICIO completar el ejemplo anterior.
Igualdad de conjuntos: Dos conjuntos son iguales cuando tienen los mismos elementos A=B, y el caso
contrario ser A B, A es diferente de B, y donde el orden de los elementos no es relevante.
: si en dos conjuntos A y B todo elemento de A es elemento de B, entonces A es
Subconjunto
subconjunto de B y simblicamente ser A B, y el caso contrario cuando A no es subconjunto de B, se

simboliza as: A
Subconjunto propio: si A B, pero A B, diremos que A es subconjunto propio de B
Conjunto Vacio: es un conjunto que no tiene elementos y se denota con el smbolo
Conjunto universal: es el conjunto al cual pertenecen todos los demas conjuntos a los cuales se les llama
subconjuntos, y se representa con la letra mayscula U
Diagrama de Venn: es un esquema donde se representan el conjunto universal y los subconjuntos del
conjunto universal, as el conjunto universal se representa con un rectngulo y los subconjuntos con curvas
cerradas dentro del rectngulo. Estos Diagramas tambin son conocidos como diagramas de Venn Euler.
A
C
Ejemplo: sea U={1,2,3,4,5,6,7,8,9,0}

y A={1,2,3,4}
B={4,5,6}
C={7,8,9,0}
D={9,0}
La representacin de estos conjuntos ser
U
A
1
3
C
7 D
8
8
9 0 0
2
4
5
6
B
(fi minscula)
40
EJERCICIO con el mismo conjunto universal y con los subconjuntos:

A={1, 3,5}
B={4,5,6}
C={6,8,9,0}
D={8,9}
Construir un diagrama de Venn
ACTIVIDADES DE APRENDIZAJE XI
A={x/ 1< x <1 }, B={x/ 1 x<1 }
C={x/ 1< x 1 }
D={x/ 1 x 1 }
Determinar cuando el -1 pertenece o no a los conjuntos A,B,C,D y de igual manera con el 1

Del conjunto U={1,2,3,4,5,6,7,8,9,0}, y los subconjuntos:
A={,5,7,8,0}
B={8,4,3,0}
C={2,3,4,6,8,9}
D={4,6}
Construir un diagrama de Venn
LGEBRA DE CONJUNTOS
En el lgebra de conjuntos se cuenta con tres operaciones:
La unin
La interseccin
Y el Complemento de un conjunto con respecto al conjunto universal.
El resultado de cada una de estas operaciones es tambin un conjunto, el cual es Subconjunto del
conjunto universal.
UNION DE CONJUNTOS ( )
Sean A y B dos conjuntos y U su conjunto universal. As la unin de A y B (A B) es el conjunto cuyos

elementos pertenecen por lo menos a uno de los conjuntos A o B. Simblicamente escribimos
A B= {x/x es elemento de A o x es elemento de B o x es elemento de ambos}
En el diagrama de Venn se representa por el rea sombreada, ejemplo:
U
U
A
A B
41
Ejemplos :
a) Si A = { 2, 7, 8 }, B = { 3, 5, 9}, entonces :
= { 2, 3, 5, 7, 8, 9} Son los elementos que esten en A o que esten en B.
En Diagramas de Venn :
AUB
b) Si A = { Mara, Jorge, Luga, Tere }, B = { Tere, Kelvin, Guillermo}, entonces :
= { Guillermo, Jorge, Kelvin, Luga, Mara, Tere }
AUB
c) si U={1,2,3,4,5,6,7,8,9,0}
y A={1,2,3,4}
B={4,5,6}
La representacin de estos conjuntos ser
U
A
1
3
2
4
5
6
B
A B
INTERSECCIN DE CONJUNTOS
Sean A y B dos conjuntos y U su conjunto universal, entonces la interseccin de los dos conjuntos es el
conjunto integrado por los elementos que pertenecen a los dos conjuntos al A al B, la notacin es A
B es decir A B = {x/x es elemento del conjunto A y x es elemento del conjunto B}, al construir el
diagrama nicamente se sombrea el lugar donde estn los elementos que pertenecen a ambos conjuntos.
EJEMPLO
42
enDiagramas de Venn :
Ejemplos :
a) Si A = { 2, 7, 8 }, B = { 3, 5, 9}, entonces :
=
A este tipo de interseccin de conjuntos donde la interseccin es el conjunto vacio se llama conjuntos
ajenos o disjuntos
b) Si A = { Mara, Jorge, Luga, Tere }, B = { Tere, Kelvin, Guillermo}, entonces :
= { Tere }
COMPLEMENTO
El complemento de A con relacin al conjunto Universal (U), que se representa como A', es el
conjunto de los elementos de U que no son de A.
Notacin : La forma simblica de representar A' es :
A' = { X U | X A }
A' en Diagramas de Venn :
Ejemplos :
a) Si U = { 2, 3, 5 , 7, 8, 9}, y A = { 2, 7, 8 } entonces :
A' = { 3,. 5, 9 }
a) Si U = { Guillermo, Jorge, Kelvin, Luga, Mara, Tere } y A = { Mara, Jorge, Luga, Tere }, entonces :
A' = { Guillermo, Kelvin }
43
Ejemplo :
Si A = { c, f, i }; B = { c, d, e, f, g }, y C = { d, e, g}, entonces :
a)
= { c, d, e, f, g, i } y en Diagrama de Venn :
b)
= { c, f } y en Diagrama de Venn :
c)
porque A y C son ajenos y en Diagrama de Venn :
d) C' con relacin a B es C' = { c, f } y en Diagrama de Venn :
e)
f) C
g) A
h) (
= { d, e, g } y en Diagramas de Venn : Puede notarse en la figura anterior que

B y en Diagramas de Venn : Puede notarse en la figura anterior que (C B) =
B
) B y en Diagramas de Venn :
De todo lo visto podemos obtener:

(Ac)c = A
Uc =
A A =U
=U
c
=C
=C
44
A A c =
EJERCICIO
Del siguiente conjunto universal:
U = {0,1,2,3,4,5,6,7,8,9} y de los conjuntos:
A = {1,3,6,7,9} ; B = {0,1,2,3,4} ; C = {4,5,7,8,9} ; D = {2,4,6,8}, realice y represente en Diagramas de
Venn
c
AUB; BC; y D
ACTIVIDADES DE APRENDIZAJE XII
A = {0,3,7,9} ; B = {0,1,2,3} ; C = {4,5,7,8} ; D = {4,6,8}, realice y represente en Diagramas de Venn
c
AUC; BD; y D
1) Calcula la media aritmtica, la mediana y la moda de las series de valores siguientes:
a) 2, 3, 7, 4, 5, 4, 8.
Media Aritmtica =___________________________________________= ________
Mediana = _________________________________________________ = ________
Moda = ___________________________________________________ = ________
De las edades de 40 maestros de los C.B.T.a 153, calcula las MEDIDAS DE TENDENCIA CENTRAL (MEDIA,
MEDIANA Y MODA) Y LAS MEDIDAS DE DISPERSIN (DESVIACIN MEDIA, VARIANZA, DESVIACIN
ESTNDAR Y COEFICIENTE DE VARIACIN) Tanto de los datos sin agrupar como agrupados.
Edades:
36, 53, 35, 28, 30, 36, 45, 29, 43, 28,
30, 46, 39, 54, 47, 44, 34, 40, 50, 38,
47, 56, 48, 42, 39, 47, 53, 51, 38, 29,
48, 52, 47, 46, 41, 40, 45, 39, 47, 38.
Calcula las medidas de dispersin (desviacin media, varianza, desviacin estndar y coeficiente de variacin)
de los siguiente ejercicio.
Intervalos
de Marca de Frecuencia
Clase
Clase
Absoluta
(x)
(f )
(59.5 , 63.5]
61.5
6
(63.5 , 67.5]
65.5
6
(67.5 , 71.5]
69.5
8
(71.5 , 75.5]
73.5
11
(75.5 , 79.5]
77.5
8
(79.5 , 83.5]
(83.5 , 87.5]
TOTAL =
81.5
85.5
45
9
2
50

A = {1,3,6,7,0} ; B = {0,1,2,4,5} ; C = {4,5,7,8,9} ; D = {2,4,6,8}, realice y represente en Diagramas de
Venn
c
AUB; BC; y D
I N T R O D U C C I N: SEGUNDA PARTE
El problema central de la estadstica es el manejo del azar y la incertidumbre. Los eventos aleatorios siempre se han
considerado como misteriosos. El libro de Job ponder hace mucho tiempo la funcin del intento divino en los
acontecimientos al azar y fue, varios siglos ms tarde, que se us el poder de las matemticas para explicar la
aleatoriedad. Los orgenes de las matemticas de la probabilidad se remontan al siglo XV, las primeras aplicaciones
se relacionan bsicamente a los juegos de azar. Los jugadores ganadores utilizaron el conocimiento probabilstico
para desarrollar estrategias de apuestas en loteras, casinos, carreras de caballos etc. Los avances cientficos de los
siglos que siguieron al Renacimiento, enfatizando la observacin y la experimentacin cuidadosa, dieron lugar a la
teora de la probabilidad para estudiar las leyes de la naturaleza y los problemas de la vida cotidiana.
CONCEPTOS BSICOS
Con el objeto de familiarizarse con el concepto de la probabilidad comenzaremos por dar una definicin de
probabilidad que slo es vlida cuando todos los resultados son igualmente probables.
Si hay n posibilidades igualmente probables y una de ellas debe ocurrir, entonces la probabilidad de que ocurra
algn evento o suceso de k de estas n posibilidades (espacio muestral) es k / n. Las palabras SUCESO O EVENTO
aqu los utilizaremos como sinnimos. Si un experimento se repite muchas veces, digamos n y si el suceso o evento
E1 se observa k veces, entonces la probabilidad S del suceso E1 es el cociente de la razn k / n.
Probabilidad A= P(A) = nm. de veces que el suceso E1 ocurri
Total de sucesos realizados
n
= k
La experiencia justifica esta igualdad, pues a medida que n se hace mayor, la frecuencia relativa se aproxima ms a
la probabilidad matemtica. Este concepto se utiliza para definir la razn citada como probabilidad emprica,
algunos autores la citan como FORMULA BSICA de la probabilidad.
Otro concepto importante es que la probabilidad de que suceda un evento es un nmero real entre cero y uno.
Entre ms pequeo sea este nmero, el evento es menos probable, y entre ms cercano a uno sea este nmero, el
46
evento es ms probable. Cuando la probabilidad es igual a el evento tiene la misma probabilidad de ocurrir que de
no ocurrir.
Coloquialmente tambin hablamos de probabilidades empleando porcentajes.
As la posibilidad de que al tirar el dado el resultado sea 2 o 5 es
1 1 2 1
+ = =
6 6 6 3 , que sera igual al 33.33 % ya
que se dividi 1/3 por 100.

Cul es la probabilidad de obtener un nmero impar al lanzar un dado?.
S = ( 1, 2, 3, 4, 5, 6 )
E = ( 1, 3, 5, )
p(E)= 3 = 1
6
2
La probabilidad es de o 0.5 en porcentaje ser el 50%
Cul es la probabilidad de extraer una ficha de domin con 7 puntos de una caja, sin ver?.
S = (6,6), (6,5), (6,4), (6,3), (6,2), (6,1), (6,0), (5,5), (5,4), (5,3), (5,2), (5,1), (5,0), (4,4),
(4,3), (4,2), (4,1), (4,0), (3,3), (3,2), (3,1), (3,0), (2,2), (2,1), (2,0), (1,1), (1,0), (0,0)
E = { (6,1), (5,2), (4,3) }
p(E) =
1 1 1
3
+ + = =0. en porcentaje ser el 10.71%
28 28 28 28
MODELOS MATEMTICOS
En la teora de probabilidad matemtica se define la probabilidad con los tres axiomas de Kolmogorov.
Axiomas de Kolmogorov
Primer axiomaLa probabilidad de un suceso A es un nmero real entre 0 y 1.
0 P( A) 1
Segundo axioma
Ocurre un suceso de la muestra de todos los sucesos del espacio muestral con probabilidad 1.
P ( A )=1
la probabilidad del espacio muestral es igual a 1:
Tercer axioma
Si A1, A2 ... son sucesos mutuamente excluyentes (incompatibles dos a dos, disjuntos o de interseccin vaca dos a
dos), entonces:
ANALSIS DE FUNCIONES
PERMUTACIONES Y COMBINACIONES
Para pronosticar el triunfador de una eleccin municipal necesitamos al menos conocer quines son los
candidatos de los distintos partidos polticos, as como para pronosticar si la seleccin mexicana de ftbol
ganar un partido, es necesario saber si en caso de empate el partido se decidir en tiempos extras o por
47
medio de penales. En general, NO ES POSIBLE HACER PREDICCIONES RAZONABLES A MENOS

DE QUE CONOZCAMOS LO QUE ES POSIBLE, es decir, es necesario conocer LO QUE ES POSIBLE
antes de juzgar LO QUE ES PROBABLE. Por lo tanto estudiaremos someramente cmo determinar en
algunos casos lo que es posible.
En el estudio de lo que es posible hay esencialmente dos tipos de problemas. Existe el problema de
hacer una lista de todo lo que puede suceder en una situacin determinada y se tiene el problema de
determinar cuntas cosas diferentes pueden suceder. El segundo tipo de problema es de especial
importancia porque hay muchas situaciones en que no necesitamos una lista completa y por tanto,
podemos ahorrarnos una gran cantidad de trabajo.
DIAGRAMA DE RBOL
Tipo sanguneo
Presin sangunea
BAJA
NORMAL
Aunque el primer tipo de problema puede
parecer directo y sencillo, existen problemas
que
ALTA
A
ilustran que esto no siempre es el caso;
BAJA
hagamos unos ejercicios para reflexionar.
En un estudio mdico se clasifica a los
B
NORMAL
pacientes de acuerdo con el tipo de sangre
que
tengan, ya sea, tipo A; B, AB u O y tambin
de
AB
ALTA
BAJA
acuerdo con su tipo de presin sangunea,
ya
sea baja, normal o alta.
De cuntas maneras distintas se puede
O
NORMAL
clasificar a un paciente?
ALTA
Este tipo de problemas se puede manejar
BAJA
sistemticamente trazando un DIAGRAMA
DE
RBOL como el siguiente, donde se puede
apreciar que la respuesta es 12.
NORMAL
Comenzando por la parte superior, el primer
ALTA
camino a lo largo de las ramas corresponde
a un
paciente con tipo de sangre A y presin sangunea baja, el segundo camino a un paciente con tipo de
sangre A y presin sangunea normal y el duodcimo camino corresponde a un paciente que tiene
sangre tipo O y una presin sangunea alta.
La respuesta que obtuvimos es de 4 por 3 = 12, especficamente es el producto del nmero de tipos de
sangre por el nmero de niveles de presin sangunea.
Otro ejemplo: Cuntas palabras de tres letras se pueden formar si se dispone de un alfabeto con dos
letras; a y b.? (Nota: Son permisibles palabras como bba)
Solucin: Si tenemos 2 letras (a, b) y formamos la palabra con tres letras tendremos 2 3 = 2 x 2 x 2 = 8
esto quiere decir que formaremos ocho palabras con tres letras.
Para comprender mejor hagamos otro DIAGRAMA DE RBOL
Letra
Inical
Letra
central final
letra
palabra
formada
a ..
aaa
a
b a a b
a
a a b a
48
b
b ..
abb
a ..
baa
b .
bab
a .
bba
b .
bbb
a
b
b
PROCESO DE CONTAR
Si un primer suceso o evento puede efectuarse de p1 maneras diferentes, y si despus de que este
suceso ha sido efectuado, un segundo suceso puede efectuarse de p2 maneras diferentes, entonces los
dos sucesos pueden verificarse siguiendo el orden indicado de p1. p2 maneras diferentes.
Analiza con cuidado: De cuantas maneras diferentes se pueden seleccionar parejas de diferentes sexo de
un grupo de 4 hombres y 6 mujeres?
Solucin: Como cada hombre puede ser seleccionado de cuatro maneras diferentes
y cada mujer puede ser seleccionada de 6 maneras diferentes; entonces, cada
pareja puede ser escogida de: 4 ( 6 ) = 24 maneras diferentes.
Si el suceso o evento incluye ms de dos sucesos diferentes podemos ampliar el principio multiplicativo,
de manera que si despus de haber ocurrido los dos primeros sucesos, puede ocurrir un tercero de p3
maneras diferentes, un cuarto de p4 maneras diferentes, y por ltimo un n-simo de pn maneras
diferentes, entonces los sucesos pueden ocurrir en el orden siguiente: p1 p2 p3 p4 , pn maneras
diferente.
Reflexiona y piensa: Una cafetera ofrece una comida especial que consiste en un emparedado (usando
una de ocho carnes distintas y uno de cuatro tipos diferentes de pan), una de cuatro clases distintas de
sopa y una de tres bebidas diferentes.
De cuntas maneras distintas una persona puede seleccionar una de estas comidas especiales?
Solucin: Dado que p1 = 8, p2 = 4, p3 = 4, p4 = 3, hay (8)(4)(4)(3) = 384 maneras
diferentes en que se puede seleccionar una comida especial.
Sigue pensando y analizando: Un examen de estadstica, consta de quince preguntas de opcin mltiple,
de las cuales cada una tiene cuatro posibles respuestas.
De cuntas maneras distintas un estudiante puede marcar una respuesta para cada pregunta?
Solucin: puesto que p1=p2=p3== p15 = 4, en total hay 4.4.4.4.4.4.4.4.4.4.4.4.4.4.4 =
1,073,741,824 diferentes maneras en que un estudiante puede marcar una
respuesta para cada pregunta. Ntese que slo en una de las 1,073,741,824
posibilidades todas las respuestas son correctas. Y si queremos saber todas las
respuestas incorrectas? ser: 3.3.3.3.3.3.3.3.3.3.3.3.3.3 = 14,348,907 todas las
respuestas incorrectas.
En una calculadora cientfica este tipo de problema se resuelve de la siguiente forma: p 15 (o quince
preguntas) tiene 4 posibles respuestas = cuatro respuestas por las 15 preguntas tenemos = 415
ponemos 4 y tecleamos X y , ponemos 15 y la tecla = y nos arroja el resultado 1,073,741,824
El principio multiplicativo nos permite en muchos casos calcular el nmero de posibilidades sin necesidad
de listar todas ellas o de desarrollar un diagrama de rbol excesivamente grande.
49
ES IMPORTANTE TENER EN CUENTA QUE PARA APLICAR ESTA REGLA, NO DEBE HABER
RESTRICCIONES EN LAS COMBINACIONES POSIBLES.
FACTORIAL QUE ES EL FACTORIAL DE UN NMERO?
Uno de los principales conocimientos que nos servirn como base para el clculo de las tcnicas de
conteo (permutaciones y combinaciones), es el factorial de un nmero. Su definicin y algunos ejemplos
se comentan enseguida.
El producto de cualquier nmero entero positivo n por todos los enteros menores que n se llama
FACTORIAL de n y se expresa con el smbolo n!, por lo tanto:
0! = 1 por definicin
1! = 1 (1) = 1
2! = 2 (1) = 2
3! = 3 (2) (1) = 6
4! = 4 (3)(2)(1) = 24
5! = 5 (4)(3)(2)(1) = 120
.
.
.
n! = (n) (n-1) (n-2) ,(1)
El factorial de los primeros nmeros enteros positivos se pueden obtener directamente utilizando una
calculadora, para nmeros mayores se obtienen con la formula aproximada de Stirling o consultando
tablas elaboradas con resultados.
En tu calculadora cientfica pon 6 y oprime la tecla n! y te arrojar 720, que es el factorial de 6.
Cuanto es el factorial de 7! = _____________________
8! = _____________________
9! =______________________
10! = ______________________
P E R M U T A C I O N (P).
Frecuentemente nos interesamos en un espacio muestral que contenga como elementos a todos los
rdenes o arreglos posibles, de un grupo de objetos. Por ejemplo deseamos conocer cuantos arreglos
son posibles para sentar a 6 personas alrededor de una mesa, o podemos preguntar cuantas rdenes
diferentes posibles para sacar dos billetes de lotera de un total de 20. a estos diferentes arreglos se
llaman permutaciones.
Permutacin: es un arreglo de todo un conjunto de objetos o parte del mismo.
Ahora consideremos tre letras: a, b, y c, las posibles permutaciones son: abc,, acb, bac, bca, cab, cba, asi
vemos que hay 6 posibles arreglos.
Utilizando el teorema podemos contar los arreglos, sin tener que listar las diferentes rdenes u o arreglos.
n1
As hay tres posiciones para la primera letra a entonces
n2
Para la letra b hay dos posiciones
=2
n3
Para la letra c hay una posicin
=1
n1 n2 n3
Entonces el resultado ser:
= 3x2x1=6 formas
=3
50
En general n objetos pueden arreglarse en n(n-1)(n-2)(n-3)(n-4)(n-k). este producto se representa por

n!, que se lee n Factorial, por lo tanto 3 objetos se pueden arreglar:
n
Pn n!
3!= 3x2x1=6 formas

Entonces el numero de permutaciones de n objetos distintos es n! o
Ejemplo 1: el nmero de permutaciones de 4 letras a, b, c, d es 4!= 4x3x2x1=24 arreglos
Ejemplo 2: Permutar los elementos de un conjunto de TRES tomando todos a la vez, es igual a 3! = 6 los
arreglos resultantes son los siguientes 123,- 132, - 213, - 231, - 312, - 321.
n
Pn n!
La frmula que se utiliza para estos casos es

o n!
Ejemplo 3: De cuantas maneras distintas se pueden asignar a diez profesores las diez secciones de un
curso de economa? n = 10, obtenemos:
10
P10 10! 3,628,800
Aqu si aplicamos la ley de la multiplicacin sera: 10 (9)(8)(7)(6)(5)(4)(3)(2)(1) = 3,628,800 Fjate que

aqu si se multiplican toda la serie de los nmeros.
5
P5 5! 120
Ejemplo 4: Obtener cuntos nmeros pueden formarse con los dgitos 1,2,3,4,5 sin
repetir ningn dgito, n = 5
Si aplicamos la ley factorial sera 5(4)(3)(2)(1) = 120.
n
Pr
PERMUTACIONES DE n OBJETOS DISTINTOS TOMADOS DE R A LA VEZ (

)
Si estamos eligiendo de un conjunto de objetos, algunos de ellos en un orden o jerarqua determinada
estamos haciendo una permutacin, esto es, si al seleccionar o acomodar (r) objetos de un conjunto de
(n) objetos distintos, cualquier arreglo (u orden) de estos objetos se conoce como, una permutacin.
En cada arreglo pueden participar parte o la totalidad de los elementos del conjunto.
Permutaciones tomando slo parte de los elementos del conjunto a la vez
En esta tcnica de conteo en la que EL ORDEN SI IMPORTA en que aparecen cada elemento del
conjunto y en donde en cada arreglo participan una parte de los elementos del conjunto. Tambin le
llamaremos permutaciones de n elementos diferentes en grupos de r elementos. Es decir, en cada arreglo
n
Pr
n!
(n r )!
aparecer parte de los elementos del conjunto y se utilizar la siguiente frmula:

=
Ejemplo: Cuantas diferentes permutaciones o acomodos se pueden realizar con los nmeros 1,2,3
tomando DOS a la vez?
3
p2
3!
3! 6
6
(3 2)! 1! 1
n=3
n = 1
r=2
Seran: 12; 13; 21; 23; 31; 32.
Lo que hace que un arreglo sea diferente a otro es el orden en que aparecen los elementos del conjunto
en cada arreglo. Para una PERMUTACIN, el arreglo {1,2} es diferente al arreglo {2,1}. Entonces, esta
tcnica de conteo es idnea para problemas en los que es importante la jerarqua que tienen algunos
51
elementos sobre otros. Algunos ejemplos de ello, es cuando se requiere conocer el orden de llegada de
personas, formas posibles de arranque y llegada en una justa atltica, colocacin de objetos, la jerarqua
en algunos puestos administrativos, la jerarqua en equipos mdicos, el orden en que deben tomarse o
medirse algunos objetos en experimentos, etctera.
Ejemplo: Cuantas diferentes permutaciones o acomodos se pueden realizar con los nmeros 1,2,3,4
p2
4!
4! 24

12
(4 2)! 2! 2
n=4
n =
4
r=2
Seran: 12; 13; 14; 21; 23; 24;
31; 32; 34; 41; 42; 43;
De nuevo te recordamos que es muy importante que te fijes que aqu si interesa el orden en que se
seleccionaron los dos nmeros (la pareja) de entre los cuatro nmeros (1,2,3,4) y resulta que hay 12
permutaciones.
Ejemplo: Cuntas diferentes quintas ( r ) de baloncesto pueden formarse con 7 jugadores disponibles (n)
para jugar cualquier posicin?
7
p5
7!
5040
2520
(7 5)!
2
Se pueden formar 2520 quintas diferentes con 7 jugadores disponibles.

Observa como utilizando la ley de la multiplicacin utilizando un ORDEN nos arroja el mismo resultado:
7(6)(5)(4)(3)= o sea 7 opciones seran para la primer quinta, 6 la segunda quinta, 5 la tercer quinta, 4 la
cuarta quinta y por ltimo 3 la quinta, quinta. Si lo multiplicas nos dar igual = 2520.
Ejemplo: el entrenador de la seleccin mexicana de ftbol debe decidir cmo se deben tirar los cinco
primeros penales obligatorios en caso de un empate. Cuntas elecciones posibles puede considerar?
Partimos de que ya sabes que un equipo de ftbol tiene 11 jugadores.
11
p5
11!
39916800 39916800
55440
(11 5)!
6!
720
Otra vez, utilizando la ley de la multiplicacin sera: 11(10)(9)(8)(7)== 55440

elecciones posibles para determinar cmo tirarn los cinco penales obligatorios.
EJERCICIO
UTILIZA LA HOJA DE AUN LADO O DE ATRAZ, PARA RESOLVER LOS SIGUIENTES PROBLEMAS DE
CONTEO (Diagrama de rbol y principio multiplicativo,)
1) De cuntas maneras diferentes se puede arreglar uno de los viajes especiales de fin de semana a 10
ciudades distintas, por avin, tren o autobs, que ofrece una agencia de viajes?:
52
2) En un restaurante ofrecen 5 tipos de comidas (a,b,c,d,f); 4 tipos de sopas (1,2,3,4); y 3 tipos de

postres( x,y,z), Cules son el nmero total de posibles formas de arreglos? ELABORA UN DIAGRAMA
DE RBOL PARA ESTE EJERCICIO EN LA PGINA DE AN LADO.
3) Un examen de 12 preguntas consiste en 5 preguntas de eleccin mltiple, cada una con 4 posibles
respuestas, y la otra parte del examen con 7 preguntas de falso y verdadero.
a) De cuntas maneras (diferentes) se puede contestar el examen?
b) En cuantas maneras es posible responder el examen y obtener todas las respuestas mal?
4) Una persona piensa comprar cierto automvil. El fabricante ofrece cualquier combinacin de las
siguientes alternativas: SEIS colores diferentes; DOS tipos de motor; TRES tipos de rines; Transmisin
manual o automtica; sin radio, con radio AM-FM, con radio AM-FM-Tocacintas o con radio AM-FM-CD; y
sin aire acondicionado o con aire acondicionado. Cada comprador debe hacer UNA eleccin con respecto
al color, motor, rines, transmisin, radio y aire acondicionado.
ACTIVIDADES DE APRENDIZAJE XIII
1) De una ciudad A a otra B hay 4 caminos; a su vez de, la ciudad B a la C hay 6 caminos, si todos los
caminos son diferentes, de cuantas formas es posible:
a) Viajar de A hasta C pasando por B
b) Hacer el viaje redondo saliendo de A hasta C pasando por B y de C hasta A pasando por B
c) Hacer el viaje redondo desde A hasta C pasando por B pero sin utilizar el mismo camino ms de una
vez.
Ciudad C
Ciudad B
Ciudad oAsea un conjunto con tres elementos genricos, calcular las posibles formas en que
2) Sea S = { a,b,c,},
se pueden permutar tomando todos los objetos a la vez
3) Sea W = { A,B,C,D} un conjunto con cuatro elementos, calcular las posibles formas en que se pueden
permutar tomando tres a la vez.
4) Sea X = { a,b,c,d,e,f} un conjunto con seis elementos, calcular las posibles formas en que se pueden
permutar tomando dos a la vez.
COMBINACIONES
Una combinacin es un subconjunto o un arreglo de todos o parte de los objetos de un conjunto sin
considerar el orden de los objetos, donde el nmero total de combinaciones posibles de un conjunto de
objetos tomados todos a la vez es 1.
Por ejemplo, los arreglos posibles del conjunto de letras {a,b} son ab y ba. Puesto que el orden del arreglo
NO es considerado, el arreglo ab es el mismo que ba. Por tanto, hay solamente una combinacin posible
para el conjunto.
Combinaciones tomando parte del conjunto de elementos
Esta tcnica de conteo consiste en obtener en cualquier orden grupos de r elementos de un total
disponible de n elementos diferentes y en cada arreglo participan una parte de los elementos del
conjunto. Se utilizar la siguiente frmula:
53
Cr
n!
r!(n r )!
HAGAMOS LOS MISMOS EJEMPLOS QUE HICIMOS EN PERMUTACIONES NICAMENTE QUE

AHORA CON COMBINACIONES PARA QUE ANALICES SUS DIFERENCIAS.
Para iniciar: Cuantas diferentes combinaciones o grupos se pueden realizar con los nmeros 1,2,3
C2
3!
3! 6
3
2!(3 2)! 2!1! 2
n=3
r=2
n = 1
Seran: 12; 13; 23

21; 31; 32; Estos se eliminan, porque no nos interesa el orden en que se seleccionan los dos
nmeros ( r ) de entre los tres nmeros ( n ). Aqu es mas chico el resultado que en la permutacin,
porque el orden no tiene importancia.
Ejemplo: Cuantas diferentes combinaciones o agrupaciones se pueden realizar con los nmeros 1,2,3,4
C2
4!
4!
24
6
2!(4 2)! 2!2! 4
n=4
n = 1
3 4
r=2
Seran: 12; 13; 14; 23; 24; 34;
21; 31; 32; 41; 42; 43; Estos se eliminan por la misma razn anterior.
Es muy importante que te fijes que aqu NO interesa el orden en que seleccionan los dos nmeros (la
pareja) de entre los cuatro nmeros (1,2,3,4) y resulta que hay 6 combinaciones.
Ejemplo: Con una parte de su primer salario, un alumno de quinto semestre decide comprar TRES de los
SIETE discos compactos que ha sacado a la venta el grupo MANA. Cuntas posibilidades tiene? Ya que
hay que elegir 3 discos (sin importar el orden) de un conjunto de siete.
7
C3
n=7
7!
7!
5040
5040
35
3!(7 3)! 3!4! (6)( 24) 144
54
r=3
Tiene 35 combinaciones al comprar tres discos de los siete.
Ejemplo; De cuantas maneras una persona puede seleccionar TRES libros de una lista de OCHO bestsellers? Aqu tampoco es importante el orden en que se seleccionen los tres libros.
8
C3
8!
8!
40320
40320
56
3!(8 3)! 3!5! (6)(120)
720
n=8
r=3
Tiene 56 maneras para seleccionar los tres libros.
Ejemplo: Un alumno del CBTa No. 153 Ext. Jungapeo, tiene 7 libros de fsica y 5 de matemticas.
Calcular de cuntas maneras se pueden ordenar 3 libros de fsica y 2 de matemticas en un librero.
Primeramente hacemos las combinaciones posibles de libros de fsica.
7
C3
7!
7!
5040
5040
35
3!(7 3)! 3!4! (6)( 24) 144
n=7
r=3
combinaciones de libros de fsica
Ahora hacemos las combinaciones posibles de libros de matemticas

5
C2
5!
5!
120
120
10
2!(5 2)! 2!3! (2)(6) 12
n=5
combinaciones de libros de matemticas
r=2
Multiplicamos 35 por 10 nos resulta 350 combinaciones posibles.
AHORA Cmo se elaboran espacios muestrales para combinaciones tomando slo parte del
conjunto de elementos?
De una manera general, la propuesta para elaborar espacios muestrales para este tipo de tcnica de
conteo est basada en un sistema numrico a la n, el cual denominamos Mtodo de la cifra. (Tomado
de: Tcnicas de muestreo y espacios maestrales sin maestro. Hctor Francisco Reynoso Titrado)
Sea S = { 1,2,3,4,5 }, un conjunto con cinco elementos genricos. Calcule
a) El nmero de posibles arreglos tomando cuatro de ellos a la vez,
b) Elabore el espacio muestral de esos arreglos o combinaciones.
5
C4
5!
5!
120
120
5...combinacio nes
4!(5 4)! 4!1! (24)(1)
24
La respuesta a la primera pregunta es 5 posibles combinaciones.

En el caso de la segunda pregunta, empezaremos por preparar el espacio para arreglar esas cinco
combinaciones
Primer paso Colocamos los primeros cuatro elementos del conjunto en el primer arreglo.
N.A.
1
2
3
4
5
Combinaciones
a
b
c
1
2
3
55
d
4
En el segundo paso, colocaremos el segundo arreglo que representara el tope de los arreglos que
inician con los elementos 1,2 y 3. Tambin cubrimos el tercer arreglo con la columna k-1 con el elemento
n-1, o sea el elemento 4
N.A.
1
2
3
4
5
Combinaciones
a
b
c
1
2
3
1
2
3
1
2
4
d
4
5
5
Observa cmo nuestra atencin est siendo demandada en las ltimas columnas, arreglando, de los
elementos menores a los mayores, similar a un sistema numrico. Finalmente
Tercer paso, ser cambiar el elemento 2 de la columna k-2, por el siguiente elemento, el 3 (arreglo
nmero cuatro). Lo dems ya es sabido, no habr elementos mayores a la izquierda.
N.A.
1
2
3
4
5
Combinaciones
a
b
c
1
2
3
1
2
3
1
2
4
1
3
4
2
3
4
d
4
5
5
5
5
Este mtodo permite ir agotando los elementos a usar de derecha

a izquierda. Observa que en el cuarto arreglo ya estn agotadas
la k-sima columna con el n-simo elemento, la columna k-1 con
el elemento n-1 y la columna k-2 con el elemento n-2. As, lo nico
que nos resta es colocar el elemento 2 en la primera columna y
combinarlo con el resto de los elementos del conjunto que estn a
la derecha (arreglo nmero cinco).
Algunas caractersticas de las combinaciones
a) Las combinaciones son arreglos de elementos en los que no nos interesa el orden de los mismos.
b) El primer arreglo tiene combinados los primeros elementos del conjunto.
c) El ltimo arreglo tiene combinados los ltimos elementos del conjunto.
d) Los elementos del conjunto aparecen arreglados del menor al mayor de los elementos, al menos
en las escalas nominales y de razn. Justamente, en esta caracterstica est basado el mtodo de
la cifra que usamos para elaborar espacios maestrales para combinaciones.
e) El nmero que aparece cada elemento del conjunto es el espacio muestral est dado por la
siguiente frmula:
Repeticiones de cada elemento en el espacio muestral (RCE) =
donde: c = Nmero de combinaciones o arreglos posibles
r = Elementos tomados a la vez en cada arreglo
(c) (r) .
n
56
n = Nmero total de elementos en el conjunto.

Para comprobar sta formula con el ejemplo anterior tenemos: RCE = ( 5 ) ( 4 ) = 20 = 4
5
5
N.A.
1
2
3
4
5
Combinaciones
a
b
c
1
2
3
1
2
3
1
2
4
1
3
4
2
3
4
d
4
5
5
5
5
Observamos que cada elemento (1,2,3,4,5) en el espacio

muestral se repite cuatro veces; esto es, hay cuatro 1, cuatro 2,
cuatro 3, cuatro 4 y cuatro 5.
En resumen:
Es muy importante que recuerdes que en una permutacin SI importa el orden y se relaciona a
sucesiones ordenadas; parejas ordenadas, tradas ordenadas, etc. En las combinaciones NO
importa el orden y se relacionan con la seleccin de un subconjunto de un conjunto dado.
ACTIVIDADES DE APRENDIZAJE XIV
CALCULA LAS POSIBLES FORMAS DE COMBINACIN POSIBLES Y ELABORA LOS ESPACIOS
MUESTRALES
1) Sea X = { a,b,c,d,e f}, un conjunto con cinco elementos genricos. Calcule a) el nmero de posibles
arreglos tomando dos de ellos a la vez, b) elabore el espacio muestral de esos arreglos
2) Sea W = { 1,2,3,4,5,6}, un conjunto con cuatro elementos genricos. Calcule a) el nmero de posibles
arreglos tomando cuatro de ellos a la vez, b) elabore el espacio muestral de esos arreglos
3) Sea Z = { a,b,c,d,e,f }, un conjunto con cinco elementos genricos. Calcule a) el nmero de posibles
arreglos tomando cuatro de ellos a la vez, b) elabore el espacio muestral de esos arreglos
ACTIVIDADES DE APRENDIZAJE XV
En cada uno de los siguientes problemas, decide si se trata de una permutacin o de una combinacin y
obtn su resultado correcto.
1) Calcular el nmero de palabras de 4 letras, que se pueden formar con 12 letras diferentes, aunque no
necesariamente tengan algn significado.
Permutacin _____ o combinacin________
Resolver:
2) Calcular el nmero de palabras, que pueden formarse seleccionando 5 consonantes y 3 vocales entre
10 consonantes y 4 vocales, no necesariamente con significado.
Resolver:
3) Calcular de cuntas maneras diferentes pueden colocarse 6 libros en un librero
Resolver:
57
4) Un parque de diversiones tiene 24 recorridos distintos. De cuntas maneras diferentes una persona
puede tomar cuatro de estos recorridos, suponiendo que el orden es importante y que no quiera tomar un
recorrido ms de una vez?
Resolver:
5) Una bolsa contiene 5 bolas rojas numeradas del 1 al 5 y 7 bolas azules numeradas del 1 al 7. De
cuntos modos se pueden seleccionar 6 bolas de manera que 2 sean rojas y 4 azules?
Resolver:
6) La carta de una fonda indica que hay 5 sopas, 6 carnes, 7 ensaladas y 3 postres. De cuntos modos
se puede ordenar una comida consistente en una sopa, una carne, 3 ensaladas y un postre?
Resolver:
TEOREMA DEL BINOMIO Y TRINGULO DE PASCAL
En aritmtica y lgebra ya se defini que a0 = 1 Toda cantidad elevada a la cero potencia es igual a
uno
OBSERVA DETENIDAMENTE EL TEOREMA DEL BINOMIO
( x + y )1 = x + y
( x + y )2 = x2 + 2xy + y2
( x + y )3 = x3 + 3x2y + 3xy2 + y3
( x + y )4 = x4 + 4x3y + 6x2y2 + 4xy3 + y4
Resuelve los dos binomios que faltan
( x + y )5 = __________________________________
( x + y )6 = _______________________________________________
Entonces analiza las siguientes conclusiones:
A la mejor se te ocurre algo
1. El nmero de trminos es igual al grado del binomio ms uno.
2. El grado del primer trmino es igual al grado del binomio y disminuye sucesivamente en uno, en
cada uno de los siguientes trminos y es factor en todos los trminos, menos en el ltimo.
3. El segundo trmino, y en los ejemplos, aparece en el segundo trmino del desarrollo con
exponente uno, y aumenta sucesivamente en uno en cada uno de los trminos siguientes hasta
llegar al exponente del binomio, el cual es el ltimo del resultado.
4. El coeficiente del primer trmino del resultado es uno y el del segundo es el exponte del binomio;
el ltimo trmino tambin es uno.
5. El coeficiente de un trmino cualquiera es igual al coeficiente del trmino inmediato anterior, por el
exponente de x en ste trmino y dividido entre el nmero de trminos desarrollados.
6. El grado de cada trmino es igual al grado del binomio.
7. Los trminos que equidistan de los extremos tienen coeficientes iguales
8. Cada trmino del binomio se considera con coeficiente y signo.
AHORA SI PUEDES?
58
ANIMO RESUELVELO
Matemticamente el binomio de Newton es el siguiente:
( x y ) x nx
n
n 1
n(n 1) x n 2 y 2 n(n 1)( n 2) x n 3 y 3

y
... y n
1(2)
1(2)(3)
El tringulo de TARTAGLIA junto con el tringulo de PASCAL, facilitan el clculo de los coeficientes de la
potencia de un binomio (o coeficientes binomiales) observa:
TRIANGULO DE PASCAL
( x + y )0 = primera fila
( x + y )1 =
( x + y )2 =
( x + y )3 =
( x + y )4 =
1
1
1
1
( x + y )5=
(x + y )6 =
Observa que si sumas dos coeficientes adyacentes, su suma es el coeficiente entre ellos una fila abajo;
por ejemplo, para obtener el 2 de la tercer fila sumamos los dos UNOS(1+1=2) de la segunda fila; para
obtener el 4 de la quinta fila sumamos el UNO y TRES (1 +3 = 4)
Preparados ahora si con todo este conocimiento, podemos escribir fcilmente TODO EL DESARROLLO
de los binomios (x+y)5 ; (x+y)6 y (x + y )7
(x + y )5 = _______________________________________________
Por supuesto que si deseamos desarrollar la sexta potencia del binomio, podemos hacerlo utilizando los
coeficientes de la quinta potencia y as sucesivamente. Fcil o no?
( x + y )6 = ____________________________________________________________
(x + y)7 = _________________________________________________________________
PROBABILIDAD AXIOMTICA
59
Los problemas de probabilidad en situaciones prcticas, son sucesos o eventos compuestos que
requeriran para su solucin la enumeracin de muchos puntos muestrales, procedimiento lento y
cansado; de ah, que haya un segundo procedimiento que se llama composicin de sucesos o
probabilidad axiomtica. Esta composicin se forma con dos o ms sucesos y se realiza con la UNIN o
con la INTERSECCIN DE CONJUNTOS o con la combinacin de ambos; se basa en: la clasificacin de
los sucesos, las relaciones entre ellos y tres leyes: LA ADITIVA (o regla de la suma), LA MULTIPLICATIVA
(o regla del producto) Y LA DE SUSTRACCIN ( o regla de la diferencia).
Como estamos refirindonos a la probabilidad axiomtica, es conveniente recordar que un axioma es una
proposicin matemtica evidente por s misma que no requiere demostracin.
PROBABILIDAD DE UNIONES Y EVENTOS COMPLEMENTARIOS
Una vez que ya nos hemos familiarizado con los eventos y sus relaciones vamos a describir algunas
reglas sencillas que nos permitan determinar la probabilidad de que ocurra algn evento. Para expresar
simblicamente estas reglas denotaremos por P ( A ) a la probabilidad de que ocurra el evento A. Ya
hemos comentado que la probabilidad de que suceda un evento es un nmero real entre cero y uno y que
entre ms pequeo sea este nmero, el evento es menos probable y entre ms cercano a uno el nmero
el evento es ms probable.
REGLAS BSICAS DE PROBABILIDAD
1. Las probabilidades son nmeros reales entre 0 y 1
2. P ( U ) = 1 y P ( ) = 0 como el espacio muestral ( u ) universo otros libros utilizan P(S)
contiene a todos los posibles resultados que pueden ocurrir, se tienen que el evento u ocurre con
certeza, de modo que P (u ) = 1 y cuando con certeza un evento no puede ocurrir, su probabilidad
es cero P ( ) = 0
3. Regla de la suma ( ley aditiva de la probabilidad)
Esta ley se utiliza cuando se quiere obtener la probabilidad de que ocurra el suceso A o el suceso B, para
lo cual es necesario revisar si los sucesos SON O NO MUTUAMENTE EXCLUYENTES.
a) Cuando dos sucesos son mutuamente excluyentes se tiene que A B = ; (es el conjunto
vaco) se utiliza entonces P ( A U B ) = P ( A ) + P ( B ) es decir, que la probabilidad de que A o B ocurran
indistintamente, es igual a la suma de sus probabilidades individuales.
Hagamos un diagrama
U
P (A )
P (B)
Eventos mutuamente excluyentes

b) Regla para eventos complementarios ( ). En consecuencia de las reglas anteriores, surge P
( A ) = 1 P (A) ya que los eventos A y A son mutuamente excluyentes por no tener elementos en
comn y su unin es todo el universo (u).
Hagamos un diagrama
P (A) =
1
U
P (A )
Eventos mutuamente excluyentes
60
c) Cuando dos sucesos NO son mutuamente excluyentes, se tiene que A B (no es el conjunto
vaco) ; se utiliza entonces P ( A U B ) = P ( A ) + P ( B ) P ( A B ) es decir, que la probabilidad de que
A o B ocurran indistintamente, es igual a la suma de sus probabilidades individuales y restar sus
intersecciones para rectificar el doble conteo que se lleva a cabo cuando se suman las dos
probabilidades.
Hagamos un diagrama
U
P (A)
P (B)
No son mutuamente excluyentes

P (A U B)
P (A)
P (B)
P (A B)
AHORA SI PONGAMONOS A PRACTICAR DICHAS REGLAS DE LA PROBABILIDAD.

PRIMERO UTILIZANDO LA LEY ADITIVA Y CUANDO UN EVENTO ES MUTUAMENTE EXCLUYENTE.
P(AUB)=P(A)+P(B)
Ejemplo:
Cul es la probabilidad de elegir al azar un 10 o un 4 al extraer una carta de una baraja ordinaria de 52
cartas? (la o se interpreta como unin)
Como queremos un 10 o un 4 y como estos eventos son mutuamente excluyentes, aplicamos la regla de
la suma P ( A o B ) = P ( A ) + P ( B ). As, P (10 U 4) ; donde A representa sacar un 10 y B obtener un 4.
y como existen cuatro 10, cuatro 4 y 52 cartas en la baraja, P (10 ) = 4/ 52 y P ( 4 ) = 4/52 tenemos
P ( 10 o 4 ) = 4/52 + 4/52 = 8/52 = 0.1538
Ejemplo:
Supongamos que va a elegirse de manera aleatoria UN individuo entre una poblacin de 130 personas.
En esta poblacin hay 40 NIOS menores de 12 aos, 60 ADOLECENTES y 30 ADULTOS Cul es la
probabilidad de que el individuo elegido sea un adolescente o un adulto?
Los eventos son mutuamente excluyentes porque queremos obtener un adolescente o un adulto y no los
dos al mismo tiempo, por lo tanto utilizamos la ley aditiva P ( A o B ) = P ( A ) + P ( B ). Donde P (A) ser
obtener un adolescente y P (B) ser obtener un adulto. Como hay 60 adolescentes, 30 adultos y 130
personas en la poblacin tenemos,
EJERCICIO
P ( A o B ) = P ( 60/130) + P ( 30/130 ). = 60/130 + 30/130 = 90/130 = 0.6923
Ahora con otro problema para que utilices mas reglas ECHALE GANAS
Supongamos que A es el evento: el martes a las 16:00 hrs, estar lloviendo
61
B es el evento: el martes a las 16:00 hrs, estar despejado

Y que de acuerdo al Observatorio Nacional la P (A) = 0.45 y P (B) = 0.3,
Cules son las probabilidades de P ( A ), P ( A U B ) y P ( A B )?
Para que tu aprendizaje sea significativo contesta por favor las siguientes preguntas
Son eventos mutuamente excluyentes SI____ NO___ Porque?
____________________________________________________________________
P ( A ) como se interpreta o que significa en ste problema?: __________________
____________________________________________________________________
Que nos pide el problema con P ( A U B ):
___________________________________________________________________________
Como se interpreta P ( A B ) en el contexto del problema?
___________________________________________________________________________
Si P (A) es la probabilidad de que el martes est lloviendo; P (A) ser la probabilidad de que NO LLUEVA
el martes a las 16:00 hrs. Por lo tanto utilizamos P ( A ) = 1 P (A) y sustituyendo los valores P (A) = 1
0.45 = 0.55
Para poder calcular las probabilidades de P (A U B) y P ( A B) debemos primero observar que los
eventos A y B son mutuamente excluyentes, ya que el tiempo no puede estar lloviendo y despejado
simultneamente, por lo que
P (A B) = P ( ) = 0 la interseccin de A y B es un evento nulo
Ya que no puede suceder al mismo tiempo.
Finalmente P (A U B) = P (A) + P(B) = P ( 0.45) + P (0.3) = 0.75
En resumen...
P (A) = La probabilidad de que NO LLUEVA el martes a las 16:00 hrs = 0.55
P (A B) = La probabilidad de estar lloviendo y despejado simultneamente = P ( ) = 0
P (A U B) = La probabilidad de que est lloviendo o est despejado = 0.75
Antes de realizar algunas actividades de aprendizaje finalmente
Analicemos otro problema donde Si k eventos son mutuamente excluyentes, la probabilidad de que
ocurra alguno de ellos es igual a la suma de sus respectivas probabilidades
Si las probabilidades de que una agencia de automviles venda 0, 1, 2, 3, 4, y 5 automviles durante
cierta semana son respectivamente 0.05, 0.1, 0.15, 0.18, 0.12 y 0.05
Cules son las probabilidades de que vendan de 2 a 5 automviles y de que vendan 5 o ms
automviles.
Como estos eventos son mutuamente excluyentes, usando la regla P (A1 U Ak ) = P (A1 ) + P(A2)... + P
(A k ) para saber si la agencia vender de 2 a 5 automviles, por lo tanto ser: 0.15 + 0.18 + 0.12 + 0.05 =
0.5
62
Ahora para calcular la probabilidad de que vendan 5 o ms automviles, o sea P (vender 5 o ms

automviles), COMO ES UN EVENTO COMPLEMENTARIO DE (A) debemos primero calcular la
probabilidad de vender a lo ms cuatro automviles(AK )
P ( Ak vender a lo ms 4 automviles) = 0.05 + 0.1 + 0.15 + 0.18 + 0.12 = 0.6
Ahora P (A vender cinco o ms automviles) = 1 P (Ak ) = 1 0.6 = 0.4
EJERCICIO
1) Al lanzar un dado una vez, Cul es la probabilidad de obtener un 1 o un nmero par?
2) Para participar en la rifa de un reloj, los alumnos del primer ao compraron 18 boletos; los de segundo
ao 12 boletos. Si son 50 boletos. Cul es la probabilidad de que un alumno de primero o segundo gane
la rifa?
ACTIVIDADES DE APRENDIZAJE XVI
1) En un experimento tiramos un par de dados y contamos los puntos obtenidos.
a) Describe el espacio muestral : ______________________________________
b) Si A = { 2, 3, 4, 5, y 6} y B = { 3, 5, 7, 9, 11} describe los eventos:
P ( A ) = _____________________ P ( B ) =_________________________
P ( A U B ) : ____________________ P ( A B ) = ______________________
P ( A B ) = ____________________________________
2) Las probabilidades de que un hospital reciba a,1, 2, 3, 4, 5, 6, 7 y hasta 8 enfermos durante un da son,
respectivamente, 0.02, 0.04, 0.08, 0.13, 0.15, 0.17, 0.16 y 0.08. Determina las probabilidades de que el
hospital reciba
a) Cuatro o ms pacientes;
b) A lo ms cinco pacientes;
c) De 3 a 6 pacientes.
Ahora analicemos dos problemas para aplicar la ley aditiva cuando dos sucesos NO son mutuamente
excluyentes, donde ya se indic que P ( A B ) y se utiliza entonces
P ( A U B ) = P ( A ) + P ( B ) P ( A B ) o sea la probabilidad de que A o B ocurran indistintamente.
Ejemplo: Un estudio de mercado estima que las probabilidades de que una familia en cierta zona vea el
noticiero de TV Azteca es de 0.3, que vea el noticiero de Televisa es de 0.2 y de que vea a ambos es de
0.02.
Cul es la probabilidad de que una familia vea al menos uno de los dos noticieros?
Sea A el evento la familia ve el noticiero de TV Azteca
Sea B el evento la familia ve el noticiero de Televisa
Entonces P ( A ) = 0.3
Entonces P ( B ) = 0.2
y P ( A B ) = 0.02
63
Observemos primero que como la probabilidad de que vean ambos noticieros es positiva, los eventos A y
B NO son mutuamente excluyentes, por lo tanto se deben transmitir a diferente horario.
P ( A U B ) = P ( A ) + P ( B ) P ( A B ) = P ( 0.3 ) + P ( 0.2 ) P ( 0.02 ) = 0.48
Ejemplo:
Queremos determinar al utilizar una baraja de pker Cul es la probabilidad de sacar UN AS o UN
TREBOL de dicha baraja?
Sea A el evento sacar UN AS y como en la baraja hay 4 ases en 52 cartas P ( A ) = 4/52
Sea B el evento sacar UN TREBOL y en la baraja hay 13 trboles en 52 cartas P (B) = 13/52
La probabilidad de obtener UN AS y UN TREBOL al mismo tiempo es de 1/ 52 Por lo tanto
P ( A U B ) = P ( A ) + P ( B ) P ( A B ) = P (4/52) + P ( 13/52) P ( 1/52) = 16/52 =
0.3077
Pero Por qu debemos restar la probabilidad de obtener un as y un trbol a la vez?
Porque hemos contado el as de trbol dos veces. Sin restarlo, pensaramos de manera errnea que
existen 17 eventos favorables en vez de 16.
ACTIVIDADES DE APRENDIZAJE XVII
1) Una alumna del CBTa.- 153 estima que durante una fiesta la probabilidad de que se le declare JOSE es de 0.7, la
probabilidad de que se le declare ENRIQUE es de 0.4 y la probabilidad de que se le declaren ambos es de 0.2.
Cul es la probabilidad de que se le declare alguno de los dos durante la fiesta?
2) Si extraes de una baraja de pker ordinaria, una sola carta Cul es la probabilidad de de que sea:
Una reina o un corazn?
Un 3 o una carta negra?
PROBABILIDAD PARA EVENTOS SUCESIVOS

Regla del producto ( ley multiplicativa de la probabilidad)
La probabilidad de que ocurran SIMULTNEAMENTE DOS SUCESOS A y B, se obtiene con el producto
de sus probabilidades. Esto es, mientras que la regla de la suma proporciona la probabilidad de que
ocurra CUALQUIERA DE varios sucesos, la regla del producto analiza la ocurrencia CONJUNTA O
SUCESIVA de varios eventos.
Observa que la regla del producto analiza con frecuencia lo que ocurre en ms de un lanzamiento o
extraccin, mientras que la regla de la suma estudia slo un lanzamiento o extraccin.
Al analizar la regla del producto, es til distinguir tres condiciones:
A) CUANDO LOS EVENTOS SON MUTUAMENTE EXCLUYENTES
B) CUANDO LOS EVENTOS SON INDEPENDIENTES
C) CUANDO LOS EVENTOS SON DEPENDIENTES.
64
REGLA DEL PRODUCTO: EVENTOS MUTUAMENTE EXCLUYENTES

Ya se ha indicado anteriormente (cuando estudiamos la regla de la suma) que cuando dos sucesos son
mutuamente excluyentes la probabilidad de A y B es el conjunto vaco, P ( A B ) = otros autores la
sealan como P ( A y B ) = , esto es, la ocurrencia de un evento impide la ocurrencia del otro y la
probabilidad de su ocurrencia CONJUNTA es nula o cero.
REGLA DEL PRODUCTO: EVENTOS INDEPENDIENTES
Dos eventos son independientes si la ocurrencia de un evento NO TIENE EFECTO sobre la
probabilidad de ocurrencia del otro.
El muestreo con reemplazo ilustra bien esta situacin. Por ejemplo, suponga que vamos a extraer dos
cartas, una a la vez, con reemplazo, de una baraja ordinaria. Denotamos por A a la carta extrada primero
y B a la carta obtenida en segundo lugar. Cuando A se reemplaza antes de extraer a B, la aparicin de A
en la primera extraccin no tiene efecto alguno sobre la probabilidad de ocurrencia de B. Por lo tanto son
eventos A y B son independientes. Bajo esta condicin, la regla del producto se convierte en
P ( A B ) = P ( A ) P ( B ) . . . regla del producto para eventos independientes.
P(A y B)=P(A)P(B)
Vamos a analizar dos problemas para emplear esta ecuacin. Suponga que vamos a obtener al azar dos
cartas, una a la vez, con reemplazo, de una baraja ordinaria. Cul es la probabilidad de que ambas
cartas seas Ases?
Como el problema nos pide DOS cartas; la primera que sea As y en la segunda extraccin sea tambin
otro As y adems con reemplazo, podemos utilizar la regla del producto P (A B) = P ( A ) P ( B )
P ( A ) = (un as en la primera extraccin) P ( B ) = (un as en la segunda extraccin)
4 ases o eventos favorables de 52 barajas tambin 4 ases o eventos favorables de 52 barajas
P (A y B) = P ( 4/52 ) P ( 4/52 )
P (A y B) = ( 16/ 2704 ) = 0.0059
Otro para reflexionar y pensar. Se lanza un dado y se saca una canica de una bolsa; en la bolsa hay 3
canicas, una roja, una azul y una verde. Cul es la probabilidad de que salga un nmero primo y una
canica azul?
Lee detenidamente el problema y contesta los eventos (lanzar un dado y sacar una canica) son
independientes? _____ porque? __________________________________________________
Si el lanzar el dado es el evento A, Cuales son los eventos muestrales para A ?
A = { _____________}
P ( A ) = ( 4/ 6 )
el evento B ser B = { sale una canica azul }
P (A y B) = P ( 4/6 ) P ( 1/3 )
P ( B ) = ( 1/3 )
P (A y B) = ( 4/ 18 ) = 0.2222
Esto lo podemos comprobar contando de los resultados posibles, los que son favorables al suceso A y B,
as:
(A, 1) (A, 2) ( A, 3) (A, 4) (A, 5) ( A, 6)
(R, 1) (R, 2) ( R, 3) (R, 4) (R, 5) ( R, 6)
(V, 1) (V, 2) ( V, 3) (V, 4) (V, 5) ( V, 6)
P (A y B ) = 4 resultados favorables =
18 resultados posibles
4 = 0. 2222
18
65
La anterior regla del producto para eventos independientes, tambin se aplica en situaciones con ms
de dos eventos. En tales casos, la probabilidad de la ocurrencia conjunta de los eventos es igual al
producto de las probabilidades individuales de cada evento. En forma de ecuacin es
P ( A y B y C Z ) = P ( A ) P ( B ) P ( C ) P ( Z )
Queremos obtener al azar 4 individuos de una poblacin de 110 habitantes, los cuales 50 son varones y
60 mujeres. El muestreo es un individuo a la vez, con reemplazo. Cules la probabilidad de obtener 3
mujeres y 1 hombre, en ese mismo orden?
Como el problema pide una mujer en la primera, segunda y tercera extraccin y un hombre en la cuarta y
como el muestreo es con reemplazo, aplicamos la ley del producto para ms de dos eventos
independientes.
A = representa una mujer en la 1ra extraccin
C = una mujer en la tercera extraccin
B = una mujer en la 2da. Extraccin

D = un hombre en la cuarta extraccin
P ( A y B y C y D ) = P (60/ 110) P (60/110) P (60/110) P (50/110) = 1080/ 14,641 = 0.0738

REGLA DEL PRODUCTO: EVENTOS DEPENDIENTES
Dos eventos son dependientes si la ocurrencia de un evento, AFECTA la probabilidad de ocurrencia del
otro.
Cuando A y B son dependientes, la probabilidad de que ocurra B se ve afectada por la ocurrencia de A.
En este caso se utiliza la regla
P ( A B ) = P ( A ) P ( B | A ) . . . Regla del producto para eventos dependientes
P(A y B)=P(A)P(B|A)
En esta nueva regla nos dice que la probabilidad de ocurrencia de A y B es igual a la probabilidad de
ocurrencia de A por la probabilidad de que B ocurra, dado que A ha ocurrido.
El muestreo sin reemplazo ilustra bien esta situacin de los eventos dependientes.
Primer Ejemplo:
Suponemos que vamos a extraer DOS cartas, una a la vez, sin reemplazo (sin volver a meter la primera),
de una baraja ordinaria Cul es la probabilidad de que ambas cartas sean ases?
Como va a ser sin reemplazo la ocurrencia de A realmente afecta la probabilidad de B por lo tanto son
eventos dependientes y usaremos la regla
P(Ay B) = P(A) P(B|A)
P (A) = (un as en la primera extraccin) = P ( 4/ 52)
P (B | A) = ( un as en la segunda extraccin) = P ( 3/51 ) observa que aqu se trata de
obtener un as en la 2da. extraccin dado un as en la 1ra extraccin.
P ( A y B ) = P ( 4/52 ) P ( 3/51 ) = 12/ 2652 = 0.0045
66
Segundo ejemplo: Queremos obtener DOS frutas, una a la vez, de una bolsa de frutas que contienen 4
manzanas, 6 naranjas y 5 duraznos, sin reemplazo Cul es la probabilidad de obtener una naranja y una
manzana, en ese mismo orden?
P ( A ) = Obtener una naranja en la 1ra extraccin
Eventos favorables a A = 6 naranjas de 15 posibles (frutas)
P ( B | A ) = Obtener una manzana en la 2da extraccin
Si es sin reemplazo: Eventos favorables a B = 4 manzanas de 14 posibles (ya que afect la 1ra)
Por lo tanto
P ( A y B ) = P ( A ) P ( B | A ) = P ( 6/15) P ( 4/14 ) = 24/ 210 = 0.1143
Tercer ejemplo: y despus realices tus actividades de aprendizaje:
De un grupo del CBTa Xalisco turno vespertino, se van a elegir por sorteo a 3 alumnos que se hagan
cargo de una ceremonia escolar del da del maestro; en el grupo hay 24 hombres y 12 mujeres. Cul
es la probabilidad de que el grupo de representantes est conformado de las maneras siguientes; sean
Tres hombres y sean dos hombres y una mujer
P ( A ) = Sean Tres hombres
P ( B ) = Sean dos hombres y una mujer
PARA QUE SEAN TRES HOMBRES
Para calcular P (A) es necesario que se den los sucesos siguientes:
A1, el primer alumno seleccionado sea hombre - - - - - A2 ; el segundo seleccionado sea hombre -
- P ( A1 ) = 24/ 36
-
P ( A2 ) = 23/ 35
Observa que la ocurrencia de A, AFECTA la probabilidad de que ocurra A2 puesto que tanto el nmero de
hombres como el nmero de alumnos cambia ( han disminuido) para el evento A2.
A3 ; el tercer alumno seleccionado sea hombre - - - - - P ( A3 ) = 22/34
Entonces P ( A ) = P ( A1 ) P ( A2 ) P ( A3 ) = (24/ 36) (23/ 35) (22/34 ) = 12144/ 42840 = 0.2834 = 28.34 %
PARA QUE SEAN DOS HOMBRES Y UNA MUJER
Para calcular P ( B ) se deben cumplir los sucesos siguientes:
B1 = Sale el primer hombre -B2 = Sale el segundo hombreB3 = Sale la tercera mujer- -
- - - - - - - - -
P ( B1 ) = 24/36
P ( B2 ) = 23/35
P ( B3 ) = 12/34
Entonces P ( B ) = P (B1 ) P (B2 ) P (B3 ) = (24/ 36) (23/ 35) (12/34 ) = 6624/ 42840 = 0.1546
= 15.46 %
Observa que el orden en que salgan los dos hombres y la mujer no cambia el valor de la probabilidad.
EJERCICIO
67
1) Determina si los siguientes eventos son Independientes o dependientes. Explica tus respuestas
a) Se toma una carta de una baraja de pker bien revuelta y sin regresar esta carta se toma una segunda carta:
____________________________________________________________________________
b) Si A es el evento que el automovilista maneja en estado de ebriedad y B es el evento el automovilista tuvo un
accidente.
____________________________________________________________________________
c) Si A es el evento que una moneda caiga guila en un primer volado y B es el evento que la moneda caiga guila
en el segundo volado.
___________________________________________________________________________
d) Se toma una carta de una baraja bien revuelta. Se regresa la carta y despus de revolver la baraja se toma una
segunda carta.
___________________________________________________________________________
e) El evento A es una luna llena y el evento B es comer una hamburguesa.
___________________________________________________________________________
2) Si se realiza un muestreo aleatorio, tomando un elemento a la vez, con reemplazo, de una bolsa que contiene
OCHO canicas azules, SIETE canicas rojas y CINCO canicas verdes. Cul es la probabilidad de obtener:
a) Una canica azul en una extraccin de la bolsa?
b) Tres canicas azules en tres extracciones de la bolsa?
c) Una canica roja, una verde y una azul, en ese orden en tres extracciones de la bolsa.
3) En cierto grupo de la universidad, hay 15 estudiantes de msica, 24 de historia y 46 de psicologa. Y se escoge a
los alumnos al azar una persona a la vez, sin reemplazo Cual es la probabilidad de
a) Dos estudiantes sean de historia?
b) Cuatro estudiantes sean de historia?
4) Si se lanzan dos monedas una sola vez. Cul es la probabilidad de que ambas caigan con cara hacia arriba?

5) Dada una poblacin de 30 bats, 5 guantes de bisbol y 60 pelotas, si el muestreo es aleatorio, uno a la vez, sin
reemplazo. Cul es la probabilidad de obtener:
a) Un guante si se extrae un objeto de la poblacin
b) Un bat y una pelota si se extraen dos objetos de la poblacin
c) Un bat, un guante y un bat, en ese orden, si se extraen tres objetos de la poblacin?
6) Usted quiere llamar a una amiga por telfono. Slo recuerda los tres primeros dgitos de su nmero telefnico y
ha olvidado los ltimos cuatro. Cul es la probabilidad de que marque al azar el nmero correcto?
7) Durante una comida de fin de ao se rifan dos televisores entre un grupo de empleados. Los participantes en la
rifa son cuatro hombres y ocho mujeres. Encuentra la probabilidad de que los televisores los ganen
a) Dos hombres
b) Dos mujeres
c) Un hombre y una mujer.
8) Determina la probabilidad de obtener de una baraja de pker bien revuelta dos trboles si..
a) Despus de sacar la primer carta se regresa y se vuelve a revolver.
b) Se saca la segunda carta sin regresar la primera.
PROBABILIDAD CONDICIONAL
68
Es la probabilidad de que ocurra un evento B, cuando se conoce que ha ocurrido el evento A y se indica
por P(A/B) y se lee La probabilidad de B a condicin de que ocurra A o simplemente La probabilidad de
B a condicin de A.
As la probabilidad condicional se define:
P( A B)
P( A)
P(B/A)=
si P(A)>0
Ejemplo: Considrese el evento B de obtener un nmero que sea cuadrado perfecto cuando se tira un
dado.
Solucin. El dado esta construido de manera que un nmero par tiene el doble de ocurrencia que el
nmero impar, el espacio muestral es M={1,2,3,4,5,6} con pesos asignados de la siguiente manera:
1
9
2
9
2
9
3 1
9 3
1
9
2
9
1
9
Para el 1= , 2= , 3= , 4= , 5= , 6=
As la probabilidad de que ocurra B ser:
1
9
2
9
P(B)=
+ = =
Supongamos que se tir el dado y cayo un nmero mayor que tres ahora el espacio muestral seta
reducido a A={4,5,6}. Ahora la probabilidad de que ocurra B cuando ha salido A, para ello ser necesario
darle el peso a los nuevos nmeros y ser:
5
9
P(A)=
y si vemos el espacio de A, encontramos que B solo contiene un solo elemento que es el 4, de
aqu encontramos que P(A B)=

Entonces utilizando la frmula:
P( A B)
P( A)
2
9
5
9
18
45
2
9
2
5
P(B/A)=
=
=
=
Ejemplo: en el siguiente espacio muestra S que representa los adultos de un pequeo pueblo que ha
terminado sus estudios superiores, los cuales se clasifican de acuerdo a su sexo y condicin de empleo.
Empleados
Desempleados Total
Hombres
460
40
50
0
400
Mujeres
140
260
Total
600
300
Si se escoge al azar uno de ellos para que realice una gira por el pas, exponiendo las ventajas de
establecer nuevas industrias en el pueblo, y trabajando con los siguientes eventos:
M: se escoge a un hombre
E: el escogido tiene empleo
Usando el espacio muestral al reducido E
460
600
69
23
30
P(M/E)=
=
Usando la frmula:
P(E)=
P(E
600 2
900 3
M)=
460 23
900 45
23
P ( E M ) 45 69 23
2
P( E )
90 30
3
P(M/E)=
TEOREMA DE BAYES
El teorema de Bayes, descubierto por Thomas Bayes, en la teora de la probabilidad, es el resultado que
da la distribucin de probabilidad condicional de una variable aleatoria A dada B en trminos de la
distribucin de probabilidad condicional de la variable B dada A y la distribucin de probabilidad marginal
de slo A.
Sea A1, A2, ...,An un conjunto de sucesos incompatibles cuya unin es el total y tales que la probabilidad
de cada uno de ellos es distinta de cero. Sea B un suceso cualquiera del que se conocen las
probabilidades condicionales P(B/Ai). entonces la probabilidad P(Ai/B) viene dada por la expresin:
donde:
P(Ai) son las probabilidades a priori.
P(B | Ai) es la probabilidad de B en la hiptesis Ai.
P(Ai | B) son las probabilidades a posteriori.
Esto se cumple
El teorema de Bayes es vlido en todas las aplicaciones de la teora de la probabilidad. Sin embargo, hay
una controversia sobre el tipo de probabilidades que emplea. En esencia, los seguidores de la estadstica
tradicional slo admiten probabilidadades basadas en experimentos repetibles y que tengan una
confirmacin emprica mientras que los llamados estadsticos bayesianos permiten probabilidades
70
subjetivas. El teorema puede servir entonces para indicar como debemos modificar nuestras
probabilidades subjetivas cuando recibimos informacin adicional de un experimento. La estadstica
bayesiana est demostrando su utilidad en ciertas estimaciones basadas en el conocimiento subjetivo a
priori y permitir revisar esas estimaciones en funcin de la evidencia es lo que est abriendo nuevas
formas de hacer conocimiento.
N
P( A / B) 1
i 1
Como observacin, se tiene
y su demostracin resulta evidente.
En trminos generales la regla o teorema de Bayes es una generalizacin de la probabilidad condicional.
Ejemplo: en una poblacin total de 32 ratones donde 24 son negros,8 son cafs, existe:
2 ratones negros, que estn enfermos
22 ratones negros que son sanos
5 ratones cafs que estn enfermos
3 ratones cafs que son sanos
Solucin. Con estos datos se construimos una tabla de doble entrada:
2
32
22
32
5
32
3
32
7
32
25
32
Encontrar la probabilidad de:
24
32
8
32
32
32
71
2
P ( N E ) 32
1
24 12
P( N )
32
P(E/{N})=
5
P (C E ) 32 5
8
P (C )
8
32
P(E/{C})=
2
P ( E N ) 32 2
7
P( E )
7
32
P({N}/E)=
22
P ( S N ) 32 22
25 25
P( S )
32
P({N}/S)=
P({C}/E)=
P( E C ) 5
P( E )
7
P(S C ) 3
P(S )
25
P({C}/S)=
I. A travs de la Probabilidad Condicional o Teorema de Bayes resuelve los siguientes ejercicios.
1. En una Ciudad existen 58 nios de los cuales 23 son nios y 35 nias; de los nios 15 tienen
beca y 8 no, y de las nias 25 tiene beca y 10 no; si se escoge uno entre todos Cul es la probabilidad
de que sea nio y sin beca?
2. En un total de 63 conejos, 47 son blancos y 16 son grises, donde
25 conejos blancos son de ojos verdes
22 conejos blancos son de ojos cafs
9 conejos grises son de ojos verdes
7 conejos grises son de ojos cafs
Encontrar las Probabilidades de:
P( B V )
P( B)
P(V/{B})=
P(V/{G})=
P(G V )
P(G )
72
P( B C )
P( B)
P(C/{B})=
P(C/{G})=
P(G C )
P(G )
P( B V )
P( B)
P(V/{B})=
En cada uno de los siguientes problemas, decide si se trata de una permutacin o de una combinacin y obtn su
resultado correcto.
UTILIZA LA HOJA DE AUN LADO Y/O LA DE ATRAZ PARA TUS OPERACIONES.
1) Calcular el nmero de palabras de 5 letras, que se pueden formar con 12 letras diferentes, aunque no
necesariamente tengan algn significado.
Resolver:
2) Calcular el nmero de palabras, que pueden formarse seleccionando 6 consonantes y 2 vocales entre 10
consonantes y 4 vocales, no necesariamente con significado.
Resolver:
3) Calcular de cuntas maneras diferentes pueden colocarse 7 libros en un librero
Resolver:
4) Un parque de diversiones tiene 28 recorridos distintos. De cuntas maneras diferentes una persona puede tomar
cuatro de estos recorridos, suponiendo que el orden es importante y que no quiera tomar un recorrido ms de una
vez?
Resolver:
5) Una bolsa contiene 6 bolas rojas numeradas del 1 al 6 y 8 bolas azules numeradas del 1 al
8. De cuntos modos se pueden seleccionar 6 bolas de manera que 2 sean rojas y 4
azules?
Resolver:
6) La carta de una fonda indica que hay 4 sopas, 7 carnes, 8 ensaladas y 5 postres. De cuntos modos se puede
ordenar una comida consistente en una sopa, una carne, 3 ensaladas y un postre?
Resolver:
7) Una alumna del CBTa.- 153 estima que durante una fiesta la probabilidad de que se le declare JOSE es de 0.7, la
probabilidad de que se le declare ENRIQUE es de 0.4 y la probabilidad de que se le declaren ambos es de 0.2.
Cul es la probabilidad de que se le declare alguno de los dos durante la fiesta?
8) Si extraes de una baraja de pker ordinaria, una sola carta Cul es la probabilidad de de que sea:
Una reina o un corazn?
Un 3 o una carta negra?
9) Las probabilidades de que un hospital reciba a,1, 2, 3, 4, 5, 6, 7 y hasta 8 enfermos durante un da son,
respectivamente, 0.02, 0.04, 0.08, 0.13, 0.15, 0.17, 0.16 y 0.08. Determina las probabilidades de que el hospital
reciba
a) Cuatro o ms pacientes;
73
b) A lo ms cinco pacientes;
c) De 3 a 6 pacientes.
I. A travs de la Probabilidad Condicional o Teorema de Bayes resuelve los siguientes ejercicios.
1. En una Ciudad existen 58 nios de los cuales 23 son nios y 35 nias; de los nios 15 tienen beca y 8 no,
y de las nias 25 tiene beca y 10 no; si se escoge uno entre todos Cul es la probabilidad de que sea nio y sin
beca?
2. En un total de 63 conejos, 47 son blancos y 16 son grises, donde
25 conejos blancos son de ojos verdes
22 conejos blancos son de ojos cafs
9 conejos grises son de ojos verdes
7 conejos grises son de ojos cafs
Encontrar las Probabilidades de:
P( B V )
P( B)
P(V/{B})=
P (G V )
P(G )
P(V/{G})=
P( B C )
P( B)
P(C/{B})=
P (G C )
P(G )
P(C/{G})=
P( B V )
P( B )
P(V/{B})=
BIBLIOGRAFA
1. FREUND John E. y Gary A. Simn. Estadstica Elemental. Octava edicin. Mxico. D.F.
Editorial Prentice Hall. Traduccin Jos Julin Daz Daz. 1994. pp. 566
2. FUENLABRADA De la Vega Trucos Samuel. Probabilidad y Estadstica. Mxico. D.F.
Editorial MvGraw-Hill Interamericana. 2002. pp.255.
3. PAGANO, Roberto R. Estadstica para las ciencias del comportamiento. Quinta edicin.
Edit. Internacional Thomson Editores. Mxico. 1999. pp. 548
4. PASTOR Guillermo. Estadstica Bsica. Mxico D.F. Editorial Trillas. SEP-CONALEP.
1998. (reimp. 2003). Pp.198.
5.
PREZ SEGU Mara Luisa. Combinatoria. Instituto de Matemticas, UNAM. Cuadernos

de olimpiadas. 2000.
6. REYNOSO Tirado Hctor Francisco. Lecturas seleccionadas de Estadstica Bsica.

Universidad Autnoma de Nayarit. Mxico. Facultad de Economa. Septiembre de 2001.
pp129.
7. REYNOSO Tirado Hctor Francisco. Glosario de estadstica. Universidad Autnoma de
Nayarit. Mxico. Facultad de Economa. Abril del 2002. pp.75.
74
8. REYNOSO Tirado Hctor Francisco. Tcnicas de conteo y espacios maestrales sin

maestro. Universidad Autnoma de Nayarit. Mxico. Facultad de Economa. Verano de
2003. pp.89.
9. SEP-SEIT-DGETA. Antologa para el mdulo 4 Formacin Matemtica Bsica
Bachillerato Tecnolgico Agropecuario. Mxico. D.F. Sistema Abierto de Educacin
Tecnolgica Agropecuaria. SAETA. 1997. pp. 426.
10. SEP, CINVESTAB del IPN, Seccin de matemtica educativa probabilidad ( Programa
Nacional de Formacin y Actualizacin de Profesores), Mxico 1990
11. VILENKIN. N. De cuantas formas? Combinatoria. Libro de la editorial MIR, Mosc, 1972.
Impreso en el taller de publicaciones de Matemticas de la Facultad de Ciencias UNAM.
Vnculos matemticos No. 219. 1996.

La Probabilidad y Estadística Teoría-Ejercicios Resueltos

Transféré par

Informations du document

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

La Probabilidad y Estadística Teoría-Ejercicios Resueltos

Transféré par

Droits d'auteur :

Formats disponibles

PROBABILIDAD Y ESTADSTICA

Ideas sobre el anlisis no

Curva normal, regresin

Astrnomo que primero

Estudio de procesos, alerta

Economista que present el

Psiclogo que presenta el

Estadista que presenta otro

Estadista que presenta el

Bioqumico que estudia los

Agrnomo que presenta

d) Eficiente. Debe proporcionar la mayor informacin con el menor costo.

Cundo es una variable Categrica Ordinal?

Ahora con las VARIABLES NUMRICAS.

Si nuestro resultado final tiene puros DECIMALES redondeamos a CUATRO DECIMALES

X 173 156 162 165 175 831 166.2 166

Se abrevia con frecuencia como

Para los datos anteriores, tenemos que:

Resolvamos algunos ejemplos:

Para los siguientes datos, determine

; X1=20, X2=24, X3=25, X4=28, X5=30, X6=31

Para los siguientes datos, determine

; X1=20, X2=24, X3=25, X4=28, X5=30, X6=31

. Aunque se parecen, son distintos y, en general, proporcionan diferentes respuestas.

X1=5; X2=8; X3=6; X4=4; X5=3; X6=7; X7=5

Segundo ejercicio si X1=12; X2=17; X3=13; X4=16; X5=15; X6=20;

ACTIVIDADES DE APRENDIZAJE III

X1=3; X2=6; X3=8; X4=2; X5=9; X6=1; X7=5

Segundo ejercicio si X1=10; X2=7; X3=3; X4=16; X5=2; X6=22;

Hagmoslo practicando. Llena los espacios que faltan. Se suma

PASO OCHO: DISTRIBUCIN DE FRECUENCIAS ACUMULADAS

Histograma: Tiempo en minutos dedicados a estudiar

12 10 8 6 4 2 0 59.5 63.5 67.5 71.5 75.5 79.5 83.5 87.5

Polgono de Frecuencia: Tiempo en minutos dedicados a estudiar

Marca de Frecuencia Frecuencia

Dibuja el HISTOGRAMA, el POLIGONO DE FRECUENCIAS y la OJIVA.

DISTRIBUCIN DE FRECUENCIA RELATIVA ACUMULADA

3/47X 100= 6.38%

LA OJIVA O POLGONO DE FRECUENCIA ACUMULADA.

X1=3; X2=6; X3=8; X4=2; X5=9; X6=1; X7=5

LA MEDIA, MEDIANA Y MODA CON DATOS AGRUPADOS o tambin se llaman de distribucin de

x = Marca de clase o Valor medio de clase.

n = La suma de las frecuencias.

MODA PARA DATOS AGRUPADOS.

ser el resultado de la media aritmtica

CALCULO DE LA MEDIANA para datos agrupados.

Li = Lmite real inferior de la clase que contiene la mediana.

Sustituyendo estos datos en la frmula se tiene:

Me = 42.5 + 0.9375+ = 43.4375

L1 = Lmite real inferior de la clase que contiene la moda

= 42.5 + 1.25 = 43.75

Finalmente la Moda = 43.75

Poblacin A) : 1 (7) , 2 (11), 3 (13), 4 (9), 5 (5), 6( 3), 7( 2), 8(1) =

Histograma de los datos de la poblacin A

para despus restarle al valor de cada dato, dicha media.

DESVIACIN MEDIA, VARIANZA, DESVIACIN ESTANDAR O TPICA Y COEFICIENTE DE

Un constructor, para asegurarse de la calidad de su obra, tom seis

El constructor elabor la siguiente tabla:

358 354.17 = 3.83

Sumatoria de los valores absolutos

Calculamos la varianza segn la frmula anterior y tenemos:

DESVIACIN ESTNDAR o TPICA ( S ): Es la raz cuadrada de la varianza (S2 )

En el mismo ejemplo tendramos lo siguiente:

Varianza (S2) fue igual a = 138.47 por lo tanto