Unidad II

PROBABILIDAD.
En ocasiones cuando se habla de probabilidad o posibilidad de que un evento ocurra,
se pierde la credibilidad acerca del evento en cuestin, pero es posible tener siempre
la certeza total en todo proyecto o actividad que se desea realizar?, es muy difcil
tenerla, debido a que el llevar a efecto un proyecto cualquiera por ms simple que este
sea, ste est sujeto a una gran diversidad de factores que afectan su ocurrencia,
entonces qu es lo ms aconsejable para predecir su ocurrencia?, la probabilidad es la
que nos ayuda en estos casos, ya que basndose en estadsticas, podemos cuantificar
la posibilidad de ocurrencia de los eventos y por consiguiente tomar una buena
decisin basados en esta informacin.

DEFINICIONES:

Probabilidad: Es un nmero real que mide la posibilidad de que ocurra un resultado

del espacio muestral, cuando un experimento se lleva a cabo.

Probabilidad subjetiva: Se basan en la creencia e ideas en que se realiza la

evaluacin de las probabilidades y se define como en aquella que un evento asigna el
individuo basndose en la evidencia disponible (el individuo asigna la probabilidad en
base

su

experiencia).

La probabilidad subjetiva puede tener forma de frecuencia relativa de ocurrencia

anterior

simplemente

puede

consistir

en

una

conjetura

inteligente

N.

Para clarificar lo antes dicho un ejemplo muy comn es el pronstico del tiempo,
muchos individuos como nosotros realizamos una prediccin personal de cmo sern
las condiciones climticas para el da, basadas ms en nuestra experiencia personal
pero que muchas veces sustentamos en experiencia de eventos pasados. La asignacin
de probabilidad subjetiva se dan generalmente cuando los eventos ocurren solo 1 vez y
a lo mximo unas cuantas veces ms.

Sin embargo en las organizaciones a pesar de que es comn tomar decisiones en base
a la probabilidad subjetiva la mayora de las veces esta se respalda con datos futuros
estadsticos.

PROPIEDADES BSICAS:
1. La probabilidad es positiva y menor o igual que 1.
0 p(A) 1
2. La probabilidad del suceso seguro es 1.
p(E) = 1
3. Si A y B son incompatibles, es decir A
p(A

B =

entonces:

B) = p(A) + p(B)

4. La suma de las probabilidades de un suceso y su contrario

vale 1, por tanto la probabilidad del suceso contrario es:

5. Probabilidad del suceso imposible es cero.

6. La probabilidad de la unin de dos sucesos es la suma de sus

probabilidades restndole la probabilidad de su interseccin.

7. Si un suceso est incluido en otro, su probabilidad es menor o

igual a la de ste.

REGLAS DE LA ADICIN.
La regla de la adicin o regla de la suma establece que la probabilidad de ocurrencia de
cualquier evento en particular es igual a la suma de las probabilidades individuales, si
es que los eventos son mutuamente excluyentes, es decir, que dos no pueden ocurrir
al mismo tiempo.
P(A o B) = P(A) U P (B) = P(A) + P (B) si A y B son mutuamente excluyente. P(A o B) =
P(A) + P (B) P(A y B) si A y B son no excluyentes. Siendo: P(A) = probabilidad de

ocurrencia del evento A. P (B) = probabilidad de ocurrencia del evento B. P(A y B) =

probabilidad de ocurrencia simultanea de los eventos A y B.

REGLA GENERAL.
Si A y B son dos eventos no mutuamente excluyentes (eventos intersecantes), es decir,
de modo que ocurra A o bien B o ambos a la vez (al mismo tiempo), entonces se aplica
la siguiente regla para calcular dicha probabilidad:

El espacio muestral (S) corresponde al conjunto universo en la teora de conjuntos

Ejemplo:

1) Sea A el suceso de sacar un As de una baraja estndar de 52 cartas y B sacar

una carta con corazn rojo. Calcular la probabilidad de sacar un As o un corazn rojo o
ambos en una sola extraccin.
Solucin:
A y B son sucesos no mutuamente excluyentes porque puede sacarse el as de corazn
rojo.
Las probabilidades son:

Reemplazando los anteriores valores en la regla general de la adicin de probabilidades

para eventos no mutuamente excluyentes se obtiene:

2) En una urna existe 10 bolas numeradas del 1 al 10. Qu probabilidad existe de

sacar en una sola extraccin una bola enumerada con un nmero par o con un nmero
primo?

Solucin:

O tambin, realizando un diagrama de Venn se obtiene:

REGLA ESPECIAL
Si A y B son dos eventos mutuamente excluyentes (eventos no intersecantes), es decir,
si la ocurrencia de cualquiera de ellos excluye la del otro, no pueden ocurrir a la vez, o
cuando no tienen ningn punto muestral en comn
la siguiente regla para calcular dicha probabilidad:

entonces se aplica

Ejemplos
1) Sea A el suceso de sacar un As de una baraja estndar de 52 cartas y B sacar un Rey
de corazn rojo. Calcular la probabilidad de sacar un As o un Rey de corazn rojo en
una sola extraccin.
Solucin:
A y B son sucesos mutuamente excluyentes porque no es posible obtener ambos a la
vez.
Las probabilidades son:

Reemplazando

los

anteriores valores en

la

regla

particular

probabilidades para eventos mutuamente excluyentes se obtiene:

de

la

adicin

de

2) En una urna existe 10 bolas numeradas del 1 al 10. Qu probabilidad existe de

sacar en una sola extraccin una bola enumerada con un nmero impar o con un
nmero mltiplo de 4?
Solucin:

REGLA DE LA MULTIPLICACIN.
Hay ocasiones en las cuales es necesario obtener probabilidades de eventos que se
interceptan y son dependientes entre s, es decir, el segundo evento puede ocurrir tan
solo si el primero ha ocurrido, el tercero ocurre con probabilidad que depende de la de
los dos primeros, y as sucesivamente.

REGLA GENERAL.
Si A y B son dos eventos dependientes, es decir, si la ocurrencia de A afecta
la probabilidad de ocurrencia de B, entonces, dicha probabilidad se calcula empleando
la siguiente regla:

Nota:
La probabilidad del evento B, calculada bajo la suposicin de que el evento A ha
ocurrido, se denomina probabilidad condicional de B, dado A, y se denota por P (B/A).

Ejemplo
1) De una baraja estndar de 52 cartas sea A el suceso de sacar un As en la primera
extraccin y B sacar un As en la segunda extraccin. Calcular la probabilidad de sacar
dos Ases en dos extracciones sin devolver la carta extrada.
Solucin:
A y B son sucesos dependientes porque la ocurrencia de A afecta la probabilidad de
ocurrencia de B.
La probabilidad de que la primera carta sea un As es:

Reemplazando los anteriores valores en la regla general de la multiplicacin de

probabilidades para eventos dependientes se obtiene:

2) Sea A el suceso de sacar un As de una baraja estndar de 52 cartas y B sacar un Rey

de corazn rojo. Calcular la probabilidad de sacar un As y un Rey de corazn rojo en
dos extracciones sin devolver la carta extrada.
Solucin:

A y B son sucesos dependientes porque la ocurrencia de A afecta la probabilidad de

ocurrencia de B.
La probabilidad de que la primera carta sea un As es:

Reemplazando los anteriores valores en la regla general de la multiplicacin de

probabilidades para eventos dependientes se obtiene:

REGLA ESPECIAL.
Si A y B son dos eventos independientes, es decir, si el conocimiento de la incidencia
de uno de ellos no tiene efecto en la probabilidad de ocurrencia del otro, entonces,
para calcular la probabilidad de dichos eventos se aplica la siguiente regla:

Nota: Dos eventos A y B son independientes si la ocurrencia de uno de ellos no afecta

la probabilidad de ocurrencia del otro, esto es, si

Ejemplo

1) De una baraja estndar de 52 cartas sea A el suceso de sacar un As en la primera

extraccin y B sacar un Rey en la segunda extraccin. Calcular la probabilidad de sacar
un As y un Rey en dos extracciones devolviendo la carta extrada.
Solucin:
A y B son sucesos independientes porque la ocurrencia de A afecta la probabilidad de
ocurrencia de B.
La probabilidad de que la primera carta sea un As es:

Reemplazando los anteriores valores en la regla particular de la multiplicacin se

obtiene:

TABLAS DE CONTINGENCIA.
A menudo los resultados de una encuesta son registrados en una tabla de dos
direcciones y utilizados para determinar diversas probabilidades. Las tablas de
contingencia son tablas para clasificar observaciones de una muestra, de acuerdo con
dos o ms caractersticas identificables, consiste en una tabulacin cruzada que
resume simultneamente dos variables de inters, as con la relacin entre estas, el
nivel de medicin puede ser nominal.
Ejemplo:
En un viaje organizado por Europa para 120 personas, 48 de los que van saben hablar
ingls, 36 saben hablar francs, y 12 de ellos hablan los dos idiomas.
Escogemos uno de los viajeros al azar.

EMPLEO DE TABLAS DE CONTINGENCIA EN LAS REGLAS DE LA ADICIN Y

MULTIPLICACIN.
En el siguiente ejemplo muestra la forma en la que las reglas de la adicin y
multiplicacin se emplean en las tablas de contingencia.
Se realiza un estudio de mercado con respecto a la apertura de un nuevo negocio (caf
internet) en un rea determinada y muy concurrida por diversas personas, por lo que
se realiz una encuesta cuya pregunta principal era la siguientes Con que frecuencia
visita un caf internet en un da? A partir de la informacin obtenida de 200 personas
que pasaron por el rea en el transcurso de 1 hora y participaron en la encuesta se
realiz una clasificacin cruzada, es decir, se vaci la informacin en una tabla de
contingencia segn la frecuencia y los rangos de edad de dichas personas.
Se hace una encuesta en un grupo de 120 personas, preguntando si les gusta leer y
ver la televisin. Los resultados son:
- A 32 personas les gusta leer y ver la tele.
- A 92 personas les gusta leer.
- A 47 personas les gusta ver la tele.
Si elegimos al azar una de esas personas:
a) Cul es la probabilidad de que no le guste ver la tele?

b) Cul es la probabilidad de que le guste leer, sabiendo que le gusta ver la tele?
c) Cul es la probabilidad de que le guste leer?
Solucin:
Vamos a organizar la informacin en una tabla de contingencia, completando los datos
que faltan:

Llamemos L = "Le gusta leer" y T = "Le gusta ver la tele".

a) P no I

73
0,61
120

b) P L / T

32
0, 68
47

c) P L

92
23

0, 77
120 30

DIAGRAMA DE RBOL.
Es una grfica til para organizar clculos que implican varias etapas. Cada segmento
del rbol constituye una etapa del problema. Las ramas del rbol se ponderan por
medio de probabilidades.
Esta herramienta est fundamentada en el clculo de probabilidades condicionadas,
esto quiere decir que ocurra un evento A, sabiendo que tambin sucede otro
evento B. Un evento dependiente se define de la siguiente forma. Se dice que un
evento A es dependiente de otro B si para que ocurra A es necesario que ocurra el
evento B.
Un instrumento til dentro de la probabilidad condicional son las representaciones que
nos permiten analizar la problemtica de los eventos cuando estos ocurren uno
despus del otro. Concretamente estamos hablando de los diagramas de rbol. Este
est constituido de varias ramas, cada rama parte de un nodo que representa un
evento aleatorio diferente.
Hay que tener en cuenta: que la suma de probabilidades de las ramas de
cada nudo ha de dar 1 y/o 100%
Ejemplo.
El 1% de la poblacin de un determinado lugar padece una enfermedad. Para detectar
esta enfermedad se realiza una prueba de diagnstico. Esta prueba da positiva en el
97% de los pacientes que padecen la enfermedad; en el 98% de los individuos que no

la padecen da negativa. Si elegimos al azar un individuo de esa poblacin:

a) Cul es la probabilidad de que el individuo d positivo y padezca la enfermedad?

b) Si sabemos que ha dado positiva, cul es la probabilidad de que padezca la
enfermedad?
Solucin:
Hacemos un diagrama en rbol:

Problema: una empresa de autotransporte urbano tiene 3 lneas distribuidas en 3

zonas de la ciudad. La lnea 1 tiene el 50% de las unidades, la lnea 2 tiene el
35% de las unidades y la lnea 3 tiene el 15% restante. La probabilidad de que
una unidad se avere es de 3% para la lnea dos 5% para la lnea dos y 7% para la
lnea 3.
Con estos datos elabore un diagrama de rbol que muestre las probabilidades de
averiarse y no averiarse. Calcule las probabilidades de que en un da una unidad
se avere o que ninguna se avere.
L1 = 50% = 0.50
L2 = 35% = 0.35
L3 = 15% = 0.15

Total: 1.0

P/Av L1 = 3% = 0.03%
P/Av L2 = 5% = 0.05%
P/Av L3 = 7% = 0.07%
P/Nav 1 = 97% = 0.97
P/Nav 2 = 95% = 0.95
P/Nav 3 = 93% = 0.93

PERMUTACIONES.
Una permutacin es cualquier distribucin de r objetos seleccionados de un solo
grupo de

n posibles objetos. En las permutaciones el orden es importante, nos

interesa el lugar o posicin que ocupa cada uno de los elementos que constituyen
dicho arreglo.
SIN REPETICIN.
Permutaciones sin repeticin o permutaciones ordinarias de n elementos (de orden n)
son los distintos grupos de n elementos distintos que se pueden hacer, de forma que
dos grupos se diferencian nicamente en el orden de colocacin. Se representa por Pn.
Observe que las distribuciones a, b, c y a, b, c son permutaciones diferentes. La
frmula para contar el nmero de diferentes permutaciones es:
nPr= n! /(n-r)!
Dnde:
n= representa el total de objetos.
r = representa el total de objetos seleccionados.
! = Factorial.

En las permutaciones y las combinaciones se emplea la notacin n factorial (n!) y

significa el producto de n (n-1)(n-2)(n-3)(1). Por ejemplo: 5! = 5.4.3.2.1 = 120.
La notacin factorial se puede eliminar cuando los mismos nmeros aparecen tanto en
el numerador como en el denominador.
Ejemplo: 6! 3! / 4! = 6.5.4.3.2.1(3.2.1)/ 4.3.2.1 = 180 dnde expresa que los nmeros
marcados con color rojo se eliminan y los dems se multiplican entre s.
Por definicin 0! = 1

Ejemplo.
1) En una carrera hay 20 atletas. De cuantas maneras se pueden organizar en oro,
plata y bronce)
*Este es un ejemplo de permutacin, donde el orden en el cual los sucesos ocurren
importan, aplicamos lo que sabemos de permutaciones:
P(n,r)= n!/(n-r)! = 20x19x18x17!/17! = 20*19*18= 6840 maneras posibles de
organizarlos

CON REPETICIN.

Permutaciones con repeticin de n elementos en las que el primer elemento se repite

n1 veces, el segundo se repite n2 veces... y el ltimo se repite n veces son los
distintos grupos de n elementos que se pueden hacer de forma que en cada grupo,
cada elemento aparezca el nmero de veces indicado y que dos grupos se diferencian
nicamente en el orden de colocacin. Se representa por Pnn1,n2 ,...,nr.

Para conocer el nmero de permutaciones de un multiconjunto, es decir, un conjunto

de objetos alguno de los cuales son parecidos. Tiene como frmula:
P(n;n1,n2,n3.nr)=n!/( n1,n2,n3.nr)
Ejemplo.
Obtenga todas las seales posibles que se pueden disear con seis banderines,
dos de los cuales son rojos, tres son verdes y uno morado.
Solucin:
n = 6 banderines
x1 = 2 banderines rojos
x2 = 3 banderines verdes
x3 = 1 bandern morado
6

P2,3,1 = 6! / 2!3!1! = 60 seales diferentes

COMBINACIONES.
Una combinacin es un arreglo donde el orden NO es importante, cualquier seleccin
se denomina combinacin. La notacin para las combinaciones es nCr que es la
cantidad de combinaciones de n elementos seleccionados, r a la vez.
SIN REPETICIN.
Combinaciones sin repeticin o combinaciones ordinarias de n elementos tomados de r
en n r (de orden r) son los distintos grupos de r elementos distintos que se pueden
hacer con los m elementos que tenemos, de forma que dos grupos se diferencian en
algn elemento y no en el orden de colocacin. Se representa:
Frmula:
nCr= n!/ [r!(n-r)!]
Dnde:
n= representa el total de objetos.
r = representa el total de objetos seleccionados.
! = Factorial.

Ejemplo.
Los organizadores de un partido de fut bol colegial, estn escogiendo a los rbitros de
los partidos, entre 12 rbitros elegibles se seleccionaron 5.
Cuntos equipos de 5 rbitros se pueden formar?
n=12

r=5

nCr = n!/ [r!(n-r)!]

12C5=12!/ [5!(12-5)!]

12C5=12!/ (5!7!)

12C5=(12.11.10.9.8)/(5.4.3.2.1)

12C5=95,040/120

12C5=792 Se pueden formar 792 combinaciones de 5 rbitros.

CON REPETICIN.
Combinaciones con repeticin de n elementos tomados de r en n r son los distintos
grupos de r elementos iguales o distintos que se pueden hacer con los n elementos
que tenemos, de forma que los grupos se diferencian en algn elemento y no en el
orden de colocacin. Las combinaciones con repeticin es igual que construir las
combinaciones sin repeticin con un elemento ms, considerando la misma frmula,
pero con el siguiente cambio:
nCRr= n!/ [r!(n-r)!]
Dnde:
n= representa el total de objetos que se repiten + r - 1
r = representa el total de objetos seleccionados.

! = Factorial.
Ejemplo.
Tenemos en una bolsa 4 bolas blancas y 4 bolas verdes. Sacamos tres bolas a la vez.
Cuntas formas habran de sacarlas?
Al sacar las bolas a la vez y no anotar el orden en el que salen, no influye el orden.
Puede haber repeticiones porque hay dos colores y tenemos que sacar tres bolas.
n=2
r=3
nCRr = n!/ [r!(n-r)!]
(2+3-1)C3=(2+3-1)!/ [3!((2+3-1)-3)!]
4C3=4!/ (3!(4-3)!)
4C3=4!/ (3!1!)
4C3=(4.3.2.1)/((3.2.1)(1))
4C3=4/1
4C3=4 Posibilidades, por ser nmeros tan pequeos podemos determinar que las
posibilidades son tres blancas, dos blancas y una verde, dos verdes y una blanca, tres
verdes.

DISTRIBUCIN DE PROBABILIDAD
Listado de todos los resultados de un experimento y la probabilidad asociada con cada
resultado.
Cmo generar una distribucin de probabilidad?

Ejemplo:

Suponga que le interesa el nmero de caras que aparecen en tres lanzamientos de una
moneda. Tal es el experimento. Los posibles resultados son: cero caras, una cara, dos
caras y tres caras. Cul es la distribucin de probabilidad del nmero de caras?
Solucin:

Hay ocho posibles resultados. En el primer lanzamiento puede aparecer una cara, una
cruz en el segundo lanzamiento y otra cruz en el tercer lanzamiento de la moneda. O
puede obtener cruz, cruz y cara, en ese orden. Para obtener los resultados del conteo
(5.8), aplique la frmula de la multiplicacin: (2)(2)(2), es decir, 8 posibles resultados.
Estos resultados se listan enseguida.

Observe que el resultado cero caras ocurre slo una vez; una cara ocurre tres
veces; dos caras, tres veces, y el resultado tres caras ocurre una sola vez. Es
decir, cero caras se present una de ocho veces. Por consiguiente, la probabilidad de
cero caras es de un octavo; la probabilidad de una cara es de tres octavos, etc. Como
uno de estos resultados debe suceder, el total de probabilidades de todos los eventos
posibles es 1.000. Esto siempre se cumple.

Presentacin grfica del nmero de caras que resultan de tres lanzamientos de una
moneda y la probabilidad correspondiente

Distribucin de probabilidad de los eventos relativos a cero, una, dos y tres caras en
tres lanzamientos de una moneda

CARACTERSTICAS DE UNA DISTRIBUCIN DE PROBABILIDAD

1.
La probabilidad de un resultado en particular se encuentra entre 0 y 1,
inclusive.
2.
Los resultados son eventos mutuamente excluyentes.
3.
La lista es exhaustiva. As, la suma de las probabilidades de los diversos
eventos es igual a 1.
Variables aleatorias
En cualquier experimento aleatorio, los resultados se presentan al azar; as, a ste se
le denomina variable aleatoria. Por ejemplo, lanzar un dado constituye un
experimento: puede ocurrir cualquiera de los seis posibles resultados. Algunos
experimentos dan origen a resultados de ndole cuantitativa (como dlares, peso o
nmero de nios); otros dan origen a resultados de naturaleza cualitativa (como el
color o la afiliacin religiosa). Cada valor de la variable aleatoria se relaciona con una
probabilidad que indica la posibilidad de un resultado determinado.

Si cuenta el nmero de empleados ausentes en el turno matutino del lunes, el

nmero puede ser 0, 1, 2, 3, El nmero de ausencias es una variable
aleatoria.

Si pesa cuatro lingotes de acero, los pesos pueden ser de 2 492 libras, 2 497
libras, 2 506 libras, etc. El peso es una variable aleatoria.

VARIABLE ALEATORIA
Cantidad que resulta de un experimento que, por azar, puede adoptar diferentes
valores.
Variable aleatoria discreta
Una variable aleatoria discreta adopta slo cierto nmero de valores separados. Si hay
100 empleados, el recuento de la cantidad de ausentes el lunes slo puede ser 0, 1, 2,
3, , 100. Una variable discreta suele ser resultado de contar algo. Por definicin:
VARIABLE ALEATORIA DISCRETA
Variable aleatoria que adopta slo valores claramente separados. A veces, una variable
aleatoria discreta asume valores fraccionarios o decimales. Estos valores deben estar
separados: debe haber cierta distancia entre ellos. Por ejemplo, las calificaciones de
los jueces por destreza tcnica y formas artsticas en una competencia de patinaje
artstico son valores decimales, como 7.2, 8.9 y 9.7. Dichos valores son discretos, pues
hay una distancia entre calificaciones de 8.3 y 8.4. Una calificacin no puede tener un
valor de 8.34 o de 8.347, por ejemplo.
Variable aleatoria continua
Por otra parte, si la variable aleatoria es continua, es una distribucin de probabilidad
continua. Si mide algo, como la anchura de una recmara, la estatura de una persona
o la presin de la llanta de un automvil, se trata de una variable aleatoria
continua. Se puede suponer una infinidad de valores, con ciertas limitaciones. Por
ejemplo:
Los tiempos de los vuelos comerciales entre Atlanta y Los ngeles son de 4.67
horas, 5.13 horas, etc. La variable aleatoria es la cantidad de horas.

Por lgica, si organiza un conjunto de posibles valores de una variable aleatoria en una
distribucin de probabilidad, el resultado es una distribucin de probabilidad. As,
cul es la diferencia entre una distribucin de probabilidad y una variable aleatoria?
Una variable aleatoria representa el resultado particular de un experimento. Una
distribucin de probabilidad representa todos los posibles resultados, as como la
correspondiente probabilidad.
Cul dira que es la diferencia entre los dos tipos de distribuciones? Por lo general,
una distribucin discreta es el resultado de contar algo, como:
El nmero de caras que se presentan en tres lanzamientos de una moneda.
El nmero de estudiantes que obtienen A en clase.
Las distribuciones continuas son el resultado de algn tipo de medicin, como:
La duracin de cada cancin en el ltimo lbum de Tim McGraw.
El peso de cada estudiante de esta clase.
Media, varianza y desviacin estndar de una distribucin de probabilidad
MEDIA DE UNA DISTRIBUCIN DE PROBABILIDAD

VARIANZA DE UNA DISTRIBUCIN DE PROBABILIDAD

Ejemplo
John Ragsdale vende automviles nuevos en Pelican Ford. Por lo general, John vende la
mayor cantidad de automviles el sbado. Ide la siguiente distribucin de
probabilidades de la cantidad de automviles que espera vender un sbado
determinado.

De qu tipo de distribucin se trata?

2. Cuntos automviles espera vender John un sbado normal?
3. Cul es la varianza de la distribucin?
Se trata de una distribucin de probabilidad discreta para la variable aleatoria
denominada nmero de automviles vendidos. Observe que John slo espera vender
cierto margen de automviles; no espera vender 5 automviles ni 50. Adems, no
puede vender medio automvil. Slo puede vender 0, 1, 2, 3 o 4 automviles.
Asimismo, los resultados son mutuamente excluyentes: no puede vender un total de 3
y 4 automviles el mismo sbado.

Cmo interpretar una media de 2.1? Este valor indica que, a lo largo de una gran
cantidad de sbados, John Ragsdale espera vender un promedio de 2.1 automviles
por da.

Recuerde que la desviacin estndar, , es la raz cuadrada positiva de la varianza.

En este ejemplo es:

Cmo interpretar una desviacin estndar de 1.136 automviles? Si la vendedora Rita
Kirsch tambin vendi un promedio de 2.1 automviles los sbados y la desviacin
estndar en sus ventas fue de 1.91 automviles, concluira que hay ms variabilidad
en las ventas sabatinas de Kirsch que en las de Ragsdale (pues 1.91 > 1.136).