Académique Documents
Professionnel Documents
Culture Documents
DE SANTA MARIA
FACULTAD DE CIENCIAS E INGENIERIAS
AREQUIPA - PERU
2011
Pr
ologo
La finalidad de este trabajo es la de servir como texto gua para el curso de Estadstica
y Probabilidad, ofrecido a los alumnos del Area de Ingenieras de la Universidad Catolica
de Santa Mara.
Los temas aqu tratados son los que generalmente se dictan en un curso de Estadstica
y Probabilidad. As, los temas son presentados y ordenados tratando de mantener una
continuidad e integracion, que permitan abordar rapidamente los conceptos y herramientas
basicos en la Estadstica y Probabilidad; a esto u
ltimo tambien contribuyen los ejemplos
ilustrativos que se ofrecen.
Este trabajo resume las clases del curso impartidas por los autores a los alumnos de
Ingenieras, durante algunos semestres anteriores, comenzo con la elaboracion de peque
nas
separatas y listas de ejercicios que fueron entregadas a los alumnos durante el dictado del
curso. Aqu, se debe agradecer las facilidades brindadas por la Facultad Ingenieras por las
facilidades brindadas en la elaboracion de este texto y por promover este tipo de trabajos.
Finalmente, se debe advertir a los alumnos que este texto no debe sustituir a los principales textos del tema, ni a las clases, ni a sus propios apuntes, que esperamos ahora se
puedan hacer en mejores condiciones. La lectura de la bibliografa sobre el tema es necesaria y valiosa para un mejor aprendizaje.
Indice general
1. Estadstica Descriptiva
1.3.
Variables estadsticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
34
3. Probabilidad
70
3.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
3.2. Experimentos y eventos aleatorios . . . . . . . . . . . . . . . . . . . . . . . 71
3.2.1. Operaciones basicas con eventos aleatorios . . . . . . . . . . . . . . . 72
3.3. Conteo de puntos muestrales . . . . . . . . . . . . . . . . . . . . . . . . . . 74
3.3.1. Variaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
3.3.2. Permutaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
3.3.3. Combinaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
3.4. Probabilidad de eventos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
3.5. Probabilidad clasica y probabilidad geometrica . . . . . . . . . . . . . . . . 78
3.6. Probabilidad condicionada e independencia de eventos . . . . . . . . . . . . 80
3.6.1. Eventos independientes . . . . . . . . . . . . . . . . . . . . . . . . . 81
3.7. Ejercicios propuestos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
4. Variables aleatorias
104
130
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
141
142
142
145
161
Captulo 1
Estadstica Descriptiva
1.1.
Qu
e es la Estadstica?
Y COMO
1.2.
Elementos, poblaci
on, muestra, caracteres
1.3.
Variables estadsticas
Cuando hablemos de variable haremos referencia a un smbolo (X, Y, A, B, ...) que puede
tomar cualquier modalidad (valor) de un conjunto determinado, que llamaremos dominio
de la variable o rango.
Definici
on 1.1. Se denomina variable estadstica a una caracterstica definida en la
poblacion por la tarea de investigacion estadstica, que puede tomar dos o mas valores
(cualidades o n
umeros).
Ejemplo 1.2. En la poblacion constituida por los empleados de la universidad, algunas
variables estadsticas definidas en esta poblacion son:
X : Sexo. Valores: Masculino, Femenino
Y : Estado civil. Valores: Soltero, casado, viudo, divorciado
Z : N
umero de hijos. Valores: 0,1,2,etc.
W : Grado de instruccion. Valores: Analfabeto, primaria, secundaria, superior
1.3.1.
Clasificaci
on de las variables
1.4.
1=masculino.
b=masculino
para ciertos a y b n
umeros reales, fijados previamente y con la u
nica condicion de
que sean diferentes.
2. Ordinal. Aqu, los n
umeros, ademas de servir para distinguir, reflejan un orden
existente entre los valores de la variable, seg
un el menor o mayor grado en el que
se encuentre presente la caracterstica. Ejemplo. El grado de instruccion del elector,
se suele medir con medir con este nivel. Para simplificar, supongamos que solo distinguimos cuatro: analfabeto, primaria, secundaria y superior. Entonces, una escala
apropiada puede ser:
9
0= analfabeto;
1= primaria;
2= secundaria;
3=superior
1.5.
Organizaci
on de datos
1.5.1.
Distribuci
on de frecuencias
1. Variable cualitativa.
Consideremos una poblacion estadstica de n individuos, descrita seg
un un caracter
o variable C cuyas modalidades han sido agrupadas en un n
umero k de clases, que
denotamos mediante {C1 , C2 , ..., Ck }. Para cada una de las clases Ci , i = 1, 2, ..., k ,
introducimos las siguientes magnitudes:
Frecuencia absoluta (fi ) de la clase Ci es el n
umero ni , de observaciones que
presentan una modalidad perteneciente a esa clase.
Frecuencia relativa (hi ) de la clase Ci es el cociente fi , entre las frecuencias
absolutas de dicha clase y el n
umero total de observaciones, es decir:
hi =
fi
n
La suma de todas las frecuencias relativas es igual a uno. Observese tambien que
fi es el tanto por uno de observaciones que estan en la clase Ci . Multiplicado
por 100 % representa el porcentaje de la poblacion que comprende esa clase.
Frecuencia porcentaje (pi ) de la clase Ci se define como el producto de la
frecuencia relativa hi y el 100 %, es decir:
pi = hi 100 %.
El total de la suma de las frecuencias porcentuales es igual a cien.
Frecuencias absolutas fi
Frecuencias relativas hi
Frecuencias porcentuales pi
C1
f1
h1
p1
C2
f2
h2
p2
...
...
...
...
Ck
fk
hk
pk
Total
1,00
100 %
Gr
afica
Existe una gran variedad de graficas para la distribucion de frecuencias de variable
cualitativa, las mas comunes son la de barras y la de sectores circulares.
En una gr
afica de barras los datos de cada una de las modalidades Ci se representan
por una barra rectangular vertical (u horizontal), cuya altura (o largo) es proporcional a su frecuencia. Las barras se dibujan dejando un espacio entre ellas.
Si la escala es nominal las categorias pueden ser colocadas en cualquier orden. Pero,
11
si la escala es ordinal las categorias deben ir ordenadas. En una grafica circular, los
datos de cada categora Ci se representan por un sector circular cuyo angulo en el
centro es igual a hi 360o
Si la grafica por sectores circulares es tridimensional se denomina pastel.
Ejemplo 1.4. En una encuesta de opinion acerca de la preferencia de ciertas bebidas
gaseosas por sus colores: Negro(N ), Blanco (B), Rojo (R), 20 consumidores dieron
las siguientes respuestas:
B, N, N, B, R, N, N, B, B, N,
B, N, N, R, B, N, B, R, B, N.
Construir la distribucion de frecuencias. Graficar la distribucion.
SOLUCION.
La tabulacion de estos datos, donde la variable cualitativa es X : Color de la bebida
gaseosa, es la distribucion de frecuencias del siguiente cuadro
Cuadro 1.2Distribucion de personas por su color preferido de una marca de bebida
gaseosa
Valores de X
Frecuencias absolutas fi
Frecuencias relativas hi
Frecuencias porcentuales pi
Negro (N)
0.45
45
Blanco (B)
0.40
40
Rojo (R)
0.15
15
Total
20
1,00
100 %
12
Frecuencias absolutas fi
Frecuencias relativas hi
Frecuencias porcentuales pi
X1
f1
h1
p1
X2
f2
h2
p2
...
...
...
...
Xk
fk
hk
pk
Total
1,00
100 %
Soluci
on.
Al ordenar estos datos en forma ascendente, se obtienen cinco valores distintos 0,1,2,3, 4
que se repiten respectivamente 1,4,7,6,2 veces. La distribucion de frecuencias de X se da
en el siguiente cuadro (cuadro 1.4.)
Cuadro 1.3 Distribucion del n
umero de hijos por familia
N
umero de hijos
Xi
Frecuencias absolutas fi
Frecuencias relativas hi
Frecuencias porcentuales pi
0.05
0.20
20
0.35
35
0.30
30
0.10
10
Total
20
1,00
100 %
14
1.5.2.
Distribuci
on de frecuencias por intervalos
La distribucion de frecuencias por intervalos o clases se usa cuando la variable estadstica es continua o cuando el n
umero de valores distintos de una variable discreta es muy
grande.
Esta distribucion se obtiene diviendo el rango de variaci
on de los datos en k intervalos
y determinando el n
umero de datos que contiene cada intervalo (Cuadro 1.5)
Cuadro1.5. Distribucion de frecuencias por intervalos
Intervalos Ii
Conteos
Frecuencias absolutas fi
Frecuencias relativas hi
Frecuencias porcentuales pi
I1
///...
f1
h1
p1
I2
///...
f2
h2
p2
...
...
...
...
...
Ik
///...
fk
hk
pk
1,00
100 %
Total
Construccon de la distribuci
on de frecuencias
Dados n valores de alguna variable cuantitativa X continua (o discreta con mas de 20
valores distintos) uno de de los metodos para construir la distribucion de frecuencias es:
1. Determinar el rango (R) de variaci
on de los datos que se define por
R = Xmax Xmin
donde Xmax es el dato maximo y Xmin es el dato mnimo.
2. Determinar el n
umero de intervalos, k, mediante la regla de Sturges, donde
k = 1 + 3,3log(n),
n 10,
redondeando el n
umero al entero inmediato mayor.
3. Determinar la amplitud del intervalo, dividiendo el rango entre el n
umero de intervalos. Esto es,
R
A= .
k
Si la division no es exacta en el n
umero de decimales de los datos, el n
umero A se
aproxima por exceso de manera que se cubra todo el rango.
4. Determinar los extremos de los intervalos de la siguiente manera:
I1 = [Xmin , Xmin + A[
I2 = [Xmin , +A, Xmin , +2A[
I3 = [Xmin , +2A, Xmin , +3A[
...
...
R
k
es
Solucion:
1. De los datos, se encuentra Xmax = 89 y Xmin = 26. El rango de los datos es:
R = 89 26 = 63
2. El n
umero de intervalos se elige con la regla de Sturges:
k = 1 + 3,3log(45) = 6,45 7.
3. La amplitud del intervalo se elige a partir del valor
A=
63
R
=
=9
k
7
Conteos
Frecuencias absolutas fi
Frecuencias relativas hi
Frecuencias porcentuales pi
[26, 35[
0.022
2.2
[35, 44[
////
0.089
8.9
[44, 53[
////
0.089
8.9
[53, 62[
///////////////
15
0.333
33.3
[62, 71[
//////////////
14
0.311
31.1
[71, 80[
/////
0.111
11.1
[80, 89]
//
0.044
4.4
45
1,00
100 %
Total
Ii
17
Marca de clase
Definici
on: La marca de clase del intervalo Ii = [Li1 , Li [ es el n
umero mi , que se define
como el punto medio del intervalo, esto es,
mi =
Li1 + Li
2
La marca de clase es el n
umero que representa a todos los datos contenidos en le intervalo.
Observaci
on. Es evidente que al representar los datos tabulados en un intervalo por
sus correspondientes marcas de clase se dejan sin efecto los valores recopilados, por los
que se pierde alguna informacion.
Gr
afica de la distribuci
on por intervalos
Cuando las variables son continuas (o discreta con mas de 20 valores), utilizamos como
diagramas los histogramas y los polgonos de frecuencias.
Histograma
Se construye a partir de la tabla estadstica, representando sobre cada intervalo, un
rectangulo que tiene a este segmento como base. El criterio para calcular la altura de
cada rectangulo es el de mantener la proporcionalidad entre las frecuencias absolutas (o
relativas) de cada intervalo y el area de los mismos.
Polgono de frecuencias
Se construye facilmente si tenemos representado previamente el histograma, ya que consiste en unir mediante lineas rectas los puntos del histograma que corresponden a las
marcas de clase. Para representar el polgono de frecuencias en el primer y u
ltimo intervalo, suponemos que adyacentes a ellos existen otros intervalos de la misma amplitud y
frecuencia nula, y se unen por una lnea recta los puntos del histograma que corresponden
a sus marcas de clase. Observese que de este modo, el polgono de frecuencias tiene en
com
un con el histograma el que las areas de la graficas sobre un intervalo son identicas.
Ejemplo 1.7. Del ejemplo 1.6. graficar su histograma y su poligono de frecuencias
Soluci
on
18
1.5.3.
Distribuci
on de frecuencias acumuladas
i
X
fj
i = 1, 2, ..., k
j=1
X
Fi
f1 + f2 + ... + fi
Hi =
=
= h1 + h2 + ... + hi =
hj
n
n
i = 1, 2, ..., k
j=1
i
X
pj
i = 1, 2, ..., k
j=1
fi
hi
pi
Fi
Hi
Pi
0.05
0.05
0.20
20
0.25
25
0.35
35
12
0.60
60
0.30
30
18
0.90
90
0.10
10
20
1.00
100
Total
20
1,00
100 %
El valor 12 de F3 significa que existen 12 familias que tienen 2 hijos o menos, o que el
60 % de las familias tienen 2 hijos o menos
Gr
afica: Las siguientes figuras, figuras 1.5(a) y 1.5(b), representan la distribucion
de frecuencias acumuladas y relativas respectivamente, menor o igual quedel n
umero de
hijos por familia del cuadro 1.7.
19
Observaci
on. Las figuras 1.5 son en realidad son en realidad de una distribucion denominada funci
on de distribuci
on acumulada (FDA).
Por ejemplo, la figura 1.5(b) donde las frecuencias relativas, corresponden FDA que
sigue:
0
si
x<0
0,05 si 0 x < 1
0,25 si 1 x < 2
H(x) =
0,60 si 2 x < 3
0,90 si 3 x < 4
1
si
x4
En general, si las variable discreta X tiene valores distintos x1 , x2 , ..., xk con frecuencias
relativas respectivas h1 + h2 + ... + hk , entonces, su FDA menor o igual que x para x R,
se define por:
0
si
x < x1
X
i
j=1
1
si
x xk
Si la distribucion de frecuencias es de intervalos, la frecuencia acumulada de cada intervalo es la suma de las frecuencias (absolutas, relativas o porcentajes) hasta ese intervalo.
20
Gr
afica (caso continuo)
La mas usada es el poligono de frecuencias acumuladas, conocida tambien como ojiva. La
ojiva, se obtiene uniendo con segmentos de recta, los puntos cuya abscisa es proporcional
al lmite superior (Li ) de cada intervalo y cuya ordenada es proporcional a la frecuencia
acumulada respectiva (absoluta, relativa, porcentaje).
En el siguiente cuadro (cuadro 1.8.) se presentan las frecuencias acumuladas de los
ingresos quincenales de 45 personas que corresponde al cuadro 1.6.
Cuadro 1.8. Distribucion de frecuencias acumuladas de ingresos
Intervalos
[Li1 ; Li [
fi
hi
pi
Fi
Hi
Pi
[26, 35[
0.022
2.2
0.022
2.2
[35, 44[
0.089
8.9
0.111
11.1
[44, 53[
0.111
11.1
10
0.222
22.2
[53, 62[
14
0.311
31.1
24
0.533
53.3
[62, 71[
14
0.311
31.1
38
0.844
84.4
[71, 80[
0.111
11.1
43
0.956
95.6
[80, 89[
0.044
4.4
45
1.00
100
Total
45
1,00
100 %
La figura siguiente (figura 1.6) representa la ojiva de la distribucion de los ingresos quincenales de 45 personas
21
Curva de frecuencias
Una curva de frecuencias se obtiene del poligono de frecuencias suavizandosus puntos
angulosos. En el proceso de suavizacion se recomienda tener en cuenta que la porcionde
area que se descarta debera ser proporcional a la porcionde area que se incluye en el
interior de la grafica La siguiente figura (figura 1.7) es una curva de frecuencias.
Las curvas de frecuencias pueden tener una gran variedad de formas. Algunas de ellas
son las siguientes:
Distribuciones Sim
etricas
Las curvas simetricas son de 3 tipos:
Normal o mesoc
urtica
Platic
urtica
Leptoc
urtica
La siguiente figura (figura 1.8) muestra estos tres casos
22
Distribuciones Asim
etricas
Las curvas asimetricas pueden ser de dos tipos:
Asimetricas positivas ( o de cola a la derecha)
Asimeticas negativas (o de cola a la izquierda)
La siguiente figura (figura 1.9) muestra estos dos casos
1.6.
Ejercicios resueltos
1. Ejercico 1
Clasificadas 12 familias por su n
umero de hijos se obtuvo:
N
uemro de hijos X
Frecuencias fi
Frecuencias absolutas fi
Frecuencias relativas hi
Frecuencias porcentuales pi
xi
fi
hi
pi
0.083
0.250
0.416
0.250
12
Total
12
1,00
Con las columnas relativas a xi y fi realizamos el diagrama de barras para frecuencias absolutas, lo que se muestra en la siguiente figura. Como puede verse es
23
2. Ejercicio 2
La siguiente distribucion se refiere a la duracion en horas (completas) de un lote de
500 tubos:
Duracion en horas
N
umero de tubos
[300,500[
50
[500,700[
150
[700,1100[
275
mas de 1100
25
Total
500
Intervalos
[Li1 , Li [
Amplitud
Frecuencias
absolutas fi
Frecuencias
relativas hi
Frecuencias
relativa rectificada gi
Frecuencias
absolutas
acumuladas Fi
[300, 500[
200
50
0.10
0.10
0.10
[500, 700[
200
150
0.30
0.30
0.40
[700, 1100[
400
275
0.55
0.275
0.95
[1100, 1300]
200
25
0.05
0.05
1.00
500
1,00
Total
25
Por otro lado, mirando el histograma se ve que sumando frecuencias relativas, hasta
las 900 horas de duracion hay
0,10 + 0,30 + 0,275 = 0,675 = 67,5 %
de los tubos.
Esta cantidad se obtiene de modo mas directo viendo a que altura corresponde al
valor 900 en el diagrama de frecuencias acumuladas (ojiva).
Como en total son 500 tubos, el n
umero de tubos con una duracion igual o menor
que 900 horas es 0,675 500 = 337,5, redondeando, 338 tubos.
26
1.7.
Ejercicios propuestos
1. a N
umero de telefono celular.
b Puntaje en un examen de un curso el la escuela de Ingeniera de Sistemas e
Informatica.
c Puesto en el examen de ingreso.
d Tiempo de reaccion ante un estimulo visual.
e Intencion de voto para las proximas elecciones de alcalde.
f Perdida de peso, en kilogramos, de los corredores en la Maraton de Huancayo.
g N
umero de DNI.
h Ingreso mensual familiar.
i Direccion de una vivienda.
j N
umero de botes que da una pelota al ser lanzada de una cierta altura.
2. Para cada uno de los siguientes problemas:
a Identificar: poblacion, muestra, unidad estadstica, variable y tipo de variable.
b Clasificar los datos en una tabla de distribucion de frecuencias, usar el criterio de
Sturges cuando sea necesario.
c Interpretar: f2 , h3 , h1 , F4 , H3 , p2 , P4 .
2.1 Una empresa que vende microcomputadoras ha llevado a cabo un estudio para
analizar el n
umero de microcomputadoras que existen en peque
nas empresas
del distrito A. Para el efecto toma una muestra aleatoria de 40 empresas encontrando los siguientes resultados:
5 7 9 7 8 5 4 4 3 7
8 4 9 6 8 7 6 9 8 4
6 4 7 4 3 5 8 5 9 6
7 9 4 7 5 8 7 9 6 8
2.2 Un experto en computadoras, tratando de optimizar la operacion de un sistema,
reunio datos sobre el tiempo, en microsegundos, entre las solicitudes de servicio
de un proceso especial.
2, 81 4, 20 3, 85 9, 11 2, 08 5, 91 1, 62 6, 72 21, 66
27
3, 07 2, 95 8, 77 4, 73 9, 21 14, 21 1, 58 9, 85 78, 81
6, 65 1, 80 7, 01 1, 89 4, 23 6, 58 4, 74 8, 53 10, 56
43, 00 16, 72 2, 61 26, 46 34, 87 4, 19 4, 03 2, 78 28, 84
2.3 La confiabilidad de un sistema de computo se mide en terminos de la vida de un
componente de hardware especfico (por ejemplo, la unidad de disco).Se prueba
un conjunto componentes de computadora hasta que fallen, y se registra su vida
(en meses).
12 18 5 2 8 24 17 5 9 15
27 35 18 14 3 9 15 20 24 27
30 22 21 17 20 36 28 23 12 11
22 32 37 40 28 36 35 39 12 19
28 20 15 6 4 12 16
2.4 El tiempo de respuesta de computadora se define como el tiempo que un usuario
debe esperar mientras la computadora accede a informacion en el disco. Se
observaron aleatoriamente un grupo de 48 computadoras del Laboratorio de
Ingeniera de Sistemas y se obtuvo los siguientes resultados (en milisegundos):
59 92 54 48 73 60 73 75 74 84
33 61 71 38 47 53 63 48 41 68
60 44 39 34 75 86 72 50 47 52
65 68 70 47 40 36 70 38 40 52
60 50 90 84 72 88 49 40
2.5 En fechas recientes se recabaron datos correspondientes a la velocidad MHz de
50 computadoras elegidas al azar en las oficinas de la UTP.
33 25 20 33 25 16 16 16 16 20
12 20 33 33 20 33 20 12 25 20
33 25 16 25 33 25 20 20 20 20
12 25 16 16 20 16 25 20 25 16
28
fi
[4,10[
[10,16[
[16,22[
[22,28[
12
[28,34[
11
[34,40[
[40,46]
fi
hi
[-19,-17[
[-17,-15[
[-15,-13[
[-13,-11[
[-11,-9[
[-9,-7]
0.125
4
0.2083
fi
Fi
hi
Hi
[30, 50[
0.15
[50,70[
[70,90[
0.25
[90,110[
10
0.7
[110,130]
30
Hallar:
a m+n
b rp+a
8. La compa
na ABC, muestreo sus registros de embarque durante cierto da, obteniendo los siguientes resultados con respecto al tiempo transcurrido desde la recepcion
de la orden hasta la entrega (en das).
20 12 5 8 19 14 10 11 15 6
24 7 7 13 29 13 6 4 11 11
a Que afirmacion puede hacer sobre la eficacia del procesamiento de pedidos a
partir de la distribucion de frecuencias?
b Si la compa
na quiere asegurarse de que la mitad de sus entregas se realicen en diez
o menos das, puede usted determinar mediante la distribucion de frecuencias
si la compa
na ha alcanzado su meta?
9. En una fabrica se sabe que el jornal mnimo es S/115, si se conoce ademas que:
20 obreros ganan por lo menos S/155, pero menos de S/165 68 obreros ganan por
lo menos S/145; 106 obreros ganan por lo menos S/135; 135 obreros ganan por lo
menos S/125 y el restante 10 % de los obreros ganan menos de S/125. Ademas se
sabe que el rango es 50. Completar la tabla de distribucion de frecuencias.
10. Una compa
na tiene 60 trabajadores. El sueldo mnimo de un trabajador es $100 y
el maximo $590 mensuales. El 80 % de los trabajadores ganan por lo menos $210;
30
fi
Fi
48
60
hi
[160,170[
[170,180[
[180,190[
0.125
[190,200[
0.075
[200,210]
Determinar el n
umero de familias que ganan menos de 200 nuevos soles.
12. Se revisaron 20 lotes de 48 artculos cada uno y se encontr
o el siguiente n
umero de
artculos defectuosos por lote:
3 2 5 0 1 3 2 1 0 1 3 4 2 4 4 4 3 3 2 3
Construir el cuadro de distribucion de frecuencias y que porcentaje de lotes tienen
2 o mas pero menos de 4 artculos defectuosos?
13. En una prueba de estadstica se evaluaron a n estudiantes y se obtuvo el siguiente
cuadro estadstico.
Marca de clase
45
55
65
75
85
Frcuencia relativa
2n
25
3n
100
n
50
3n
50
n
100
Que porcentaje de estudiantes obtuvieron una nota menor que 60 puntos o mayor
o igual a 80 puntos?
14. Dada la siguiente distribucion de frecuencias en base al ingreso familiar de 200 familias.
[Li1 , Li [
fi
[ , [
12
,270[
,300[
30
[ , [
[330,
31
90
126
[ , ]
Fi
50
[ 12 ,
[
,
,
Fi
hi
8
[
0.2
[ , 24 [
[
fi
17
33
Captulo 2
Medidas de Posici
on y Dispersi
on
Los fenomenos biologicos no suelen ser constantes, por lo que sera necesario que junto
a una medida que indique el valor alrededor del cual se agrupan los datos, se asocie una
medida que haga referencia a la variabilidad que refleje dicha fluctuacion. En este sentido
pueden examinarse varias caractersticas, siendo las mas comunes:
La tendencia central de los datos;
La dispersion o variacion con respecto a este centro;
Los datos que ocupan ciertas posiciones.
La simetra de los datos.
La forma en la que los datos se agrupan.
34
A lo largo de este captulo, y siguiendo este orden, iremos estudiando los estadsticos
que nos van a orientar sobre cada uno de estos niveles de informacion: valores alrededor de
los cuales se agrupa la muestra, la mayor o menor fluctuacion alrededor de esos valores, nos
interesaremos en ciertos valores que marcan posiciones caractersticas de una distribucion
de frecuencias as como su simetra y su forma.
2.1.
2.1.1.
La media aritmetica de una variable estadstica es la suma de todos sus posibles valores,
ponderada por las frecuencias de los mismos. Es decir, si la tabla de valores de una variable
X es
X
fi
hi
x1
f1
h1
...
...
...
xk
fk
hk
x1 + ... + xn
n
Observaci
on
Hemos supuesto implcitamente en la definicion de media que tratabamos con una variable
X discreta. Si la variable es continua tendremos que cambiar los valores de xi por las
marcas de clase correspondientes. En general, la media aritmetica obtenida a partir de
las marcas de clase mi , diferira de la media obtenida con los valores reales, xi . Es decir,
35
habra una perdida de precision que sera tanto mayor cuanto mayor sea la diferencia entre
los valores reales y las marcas de clase, o sea, cuanto mayores sean las longitudes ai , de
los intervalos.
Ejemplo 2.1. Calcular la media aritmetica de la distribucion de frecuencias de los 45
ingresos quincenales del ejemplo 1.6
Soluci
on
Del cuadro 1.6 tenemos:
k
X=
2702
1X
mi fi =
= $60,04
n
45
i=1
Proposici
on 2.1. Dados r grupos con n1 , n2 , ..., nr observaciones y siendo X 1 , X 2 ,...,X r
las respectivas medias de cada uno de ellos. Entonces la media de las n = n1 + n2 + ... + nr
observaciones es
n1 X 1 + ... + nr X r
X=
n1 + ... + nr
Observaci
on
A pesar de las buenas propiedades que ofrece la media, esta posee algunos inconvenientes:
a Uno de ellos es que es muy sensible a los valores extremos de la variable: ya que todas las
observaciones intervienen en el calculo de la media, la aparicion de una observaci
on
extrema, hara que la media se desplace en esa direccion. En consecuencia,
b No es recomendable usar la media como medida central en las distribuciones muy
asimetricas;
c Depende de la division en intervalos en el caso de variables continuas.
d Si consideramos una variable discreta, por ejemplo, el n
umero de hijos en las familias
de Arequipa el valor de la media puede no pertenecer al conjunto de valores de la
variable; Por ejemplo X = 2,5 hijos.
2.1.2.
La mediana Med
a 120 3 14 1 99 7 30 2000 16
b 30 77 3 300 36 11 10000 29
Soluci
on
a La serie ordenada de los nueve datos es:
1 3 7 14 16 30 99 120 2000
La mediana es el quinto dato ordenado que divide a la serie en 2 grupos de 4 datos
cada uno. Esto es Med = 16.
b La serie ordenada de los ocho datos es:
3 11 29 30 36 77 300 10000
La mediana en este caso, puede ser cualquier n
umero situado entre 30 y 36, ya que
este dividira a los datos en dos grupos de 4 datos cada uno. Pero, para evitar la
infinidad de valores, se elige como mediana la semisuma de los dos valores centrales.
Esto es, Med = 30+36
2 .
Mediana de datos tabulados
- Si los valores de una variable se tabulan en una distribucion de frecuencias por intervalos
el calculo de la mediana se determina aproximadamente por interpolacion a partir de la
distribucion de frecuencias acumuladas
Para calcular la mediana.
Primero se determina el intervalo Ii = [Li1 , Li [ que contiene a la mediana. Para esto,
se determina las frecuencias acumuladas Fi y Fi1 de manera que:
Fi1
n
< Fi
2
37
n
2
Fi1
A
fi
1
2
Hi1
A
hi
Observaci
on
Entre las propiedades de la mediana, vamos a destacar las siguientes:
Como medida descriptiva, tiene la ventaja de no estar afectada por las observaciones
extremas, ya que no depende de los valores que toma la variable, sino del orden de
las mismas. Por ello es adecuado su uso en distribuciones asimetricas.
Es de calculo rapido y de interpretaci
on sencilla.
A diferencia de la media, la mediana de una variable discreta es siempre un valor de
la variable que estudiamos (ej. La mediana de una variable n
umero de hijos toma
siempre valores enteros).
Es funcion de los intervalos escogidos.
Ejemplo 2.3. Obtener la media aritmetica y la mediana en la distribucion adjunta. Determinar graficamente cual de los dos promedios es mas significativo.
38
[Li1 , Li [
fi
[ 0 , 10 [
60
[ 10 , 20 [
80
[ 20 , 30 [
30
[ 30 , 100 [
20
[ 100 , 500 ]
10
Soluci
on
[Li1 , Li [
fi
mfi
Fi
[ 0 , 10 [
60
10
300
60
[ 10 , 20 [
80
10
15
1200
140
[ 20 , 30 [
30
10
25
750
170
[ 30 , 100 [
20
70
65
1300
190
[ 100 , 500 ]
10
400
300
3000
200
Total
200
6550
X=
1X
6550
mi fi =
= 32,75
n
200
i=1
n
2
Fi1
A = 10 +
fi
200
2
n
2
60
10 = 15
80
39
2.1.3.
La moda Mo
d1
Mo = Li1 +
A,
d1 + d2
donde:
Li1 : es el limite inferior del intervalo modal
d1 = fi fi1 , esto es, d1 es igual a la frecuencia absoluta modal menos la frecuencia
absoluta del intervalo inmediatamente anterior.
d2 = fi fi+1 , esto es, d2 es igual a la frecuencia absoluta modal menos la frecuencia
absoluta del intervalo inmediatamente posterior.
A: es la amplitud del intervalo modal.
Observaci
on
a Es muy facil de calcular.
b Puede no ser u
nica.
c Es funcion de los intervalos elegidos a traves de su amplitud, n
umero y lmites de los
mismos.
d Aunque el primero o el u
ltimo de los intervalos no posean extremos inferior o superior
respectivamente, la moda puede ser calculada.
Relaci
on entre media, mediana y moda
En el caso de distribuciones unimodales, la mediana esta con frecuencia comprendida entre
la media y la moda (incluso mas cerca de la media). En distribuciones que presentan cierta
40
mi
fi
[0,2[
[2,4[
[4,6[
[6,8[
[ 8 , 10 ]
Soluci
on
Para calcular la media podemos a
nadir una columna con las cantidades mi fi . La suma de
los terminos de esa columna dividida por n = 12 es la media:
[Li1 , Li [
mi
fi
Fi
mi fi
[0,2[
[2,4[
[4,6[
20
[6,8[
10
21
[ 8 , 10 ]
12
18
Total
12
64
1X
64
X=
mi fi =
= 5,33
n
12
i=1
La mediana es el valor de la variable que deja por debajo de s a la mitad de las n observaciones, es decir 6. Construimos la tabla de las frecuencias absolutas acumuladas, Fi , y
vemos que eso ocurre en la modalidad tercera, es decir,
i=3
[Li1 , Li [= [4, 6[ Intervalo donde se encuentra la mediana
Med = Li1 +
n
Fi1
2
fi
A=4+
12
3
2
2 = 5,5
d1
20
Mo = Li1 +
A=0+
2 = 1,33
d1 + d2
(2 0) + (2 1)
En el segundo intervalo modal, [L2 , L3 [= [4, 6[, la moda se calcula como
d1
41
Mo = Li1 +
A=4+
2 = 5,5
d1 + d2
(4 1) + (4 3)
En este caso, como se ve en la siguiente figura, la moda no toma un valor u
nico, sino el
conjunto Mo = {1,33, 5,5}
2.2.
Estadsticos de posici
on
42
Los cuartiles, Qi , son un caso particular de los percentiles. Hay 3, y se definen como:
Q1 = P25
Q2 = P50 = Med
Q3 = P75
De forma analoga se definen los deciles como los valores de la variable que dividen a las
observaciones en 10 grupos de igual tama
no. Mas precisamente, definimos D1 , D2 , ..., D9
como:
Di = P10 , i = 1, ..., 9
Los percentiles (que incluyen a la mediana, cuartiles y deciles) tambien son denominados
estadsticos de posicion.
Ejemplo 2.6. Dada la siguiente distribucion en el n
umero de hijos de cien familias, hallar
sus cuartiles.
xi
fi
Fi
14
14
10
24
15
39
26
65
20
85
15
100
Total
100
Soluci
on
1. Primer cuartil:
n
4
2. Segundo cuartil:
3. Tercer cuartil:
3n
4
n
4
= 39; luego Q1 = 2
2n
4
3n
4
= 65; luego Q2 = 3
= 85; luego Q3 = 4
Ejemplo 2.7. Calcular los cuartiles en la siguiente distribucion de una variable continua:
[Li1 , Li [
fi
Fi
[0,1[
10
10
[1,2[
12
22
[2,3[
12
34
[3,4[
10
44
[4,5]
51
Total
51
43
Soluci
on
1. Primer cuartil:
n
4 = 12,75; Primer Fi >
n
4
Q1 = P25 = Li1 +
2. Segundo cuartil:
2n
4 = 25,5; Primer Fi >
2n
4
n
4
Q2 = P50 = Li1 +
3. Tercer cuartil:
3n
4 = 38,25; Primer Fi >
Fi1
12,75 10
A=1+
1 = 1,23
fi
12
3n
4
Fi1
25,5 22
A=2+
1 = 2,29
fi
12
Q3 = P75 = Li1 +
3n
4
Fi1
38,25 34
A=3+
1 = 3,445
fi
10
Ejemplo 2.8. Han sido ordenados los pesos de 21 personas en la siguiente tabla:
[Li1 , Li [
fi
[ 38 , 45 [
[ 45 , 52 [
[ 52 , 59 [
[ 59 , 66 [
[ 66 , 73 ]
Total
21
Encontrar aquellos valores que dividen a los datos en 4 partes con el mismo n
umero de
observaciones.
Soluci
on
Las cantidades que buscamos son los tres cuartiles: Q1 , Q2 y Q3 . Para calcularlos, le
a
nadimos a la tabla las columnas con las frecuencias acumuladas, para localizar que intervalos son los que contienen a los cuartiles buscados:
[Li1 , Li [
fi
Fi
[ 38 , 45 [
[ 45 , 52 [
[ 52 , 59 [
12
[ 59 , 66 [
15
[ 66 , 73 ]
21
Total
21
44
Q1 , Q2
Q3
Q2 = P50 = Li1 +
Q3 = P75 = Li1 +
3n
4
n
4
Fi1
5,25 5
A = 52 +
7 = 52,25
fi
7
2n
4
Fi1
10,5 5
A = 52 +
7 = 57,5
fi
7
Fi1
15,75 15
A = 66 +
7 = 66,875
fi
6
Observese que Q2 = Med . Esto es logico, ya que la mediana divide a la distribucion en dos
partes con el mismo n
umero de observaciones, y Q2 , hace lo mismo, pues es deja a dos
cuartos de los datos por arriba y otros dos cuartos por abajo.
Ejemplo 2.9. La distribucion de una variable tiene por polgono acumulativo de frecuencias el de la siguiente figura. Si el n
umero total de observaciones es 50:
a Elaborar una tabla estadstica con los siguientes elementos: intervalos, marcas de clase,
frecuencia absoluta, frecuencia absoluta acumulada, frecuencias relativa y frecuencias
relativa acumulada
b Calcule la moda
c Determine los cuartiles
45
Soluci
on
a En la siguiente tabla se proporciona la informacion pedida y algunos calculos auxiliares
que nos permitiran responder a otras cuestiones
[Li1 , Li [
fi
Fi
hi
Hi
mi
[0,5[
10
10
0.2
0.3
2.5
[5,7[
25
35
0.5
0.7
[ 7 , 12 [
40
0.1
0.8
9.5
[ 12 , 15 ]
10
50
0.2
13.5
Total
50
b Calculemos la moda:
Mo = Li1 +
d1
d1 + d2
c
Q1 = P25 = Li1 +
Q2 = P50 = Li1 +
Q3 = P75 = Li1 +
2.3.
n
4
A=5+
1
2+1
2 = 5,66
Fi1
12,5 10
A=5+
2 = 5,2
fi
25
2n
4
3n
4
Fi1
25 10
A=5+
2 = 6,2
fi
25
Fi1
37,5 35
A=7+
5 = 9,5
fi
5
2.3.1.
El Rango R
Definici
on 2.1. El rango de variaci
on R, de una serie de datos, es la diferencia entre sus
valores maximo y mnimo. Esto es:
R = Xmax Xmin
Siendo Xmax el valor maximo y Xmin el valor mnimo.
El rango es una medidad de dispersion muy facilmente calculable, pero es muy inestable, ya que depende u
nicamente de los dos valores extremos. Su valor puede cambiar
grandemente si se a
nade o elimina un solo dato.
Ejemplo 2.10. Dadas las dos series de datos
a 15 20 20 25; R = 25 15 = 10
b 195 200 200 200 200 200 200 200 205; R = 205 195 = 10
Claramente puede apreciarse que en la segunda serie los datos estan menos dispersos, Pues
en ella hay mayor cantidad de datos parecidos a su promedio.
2.3.2.
Rango Intercuartil RI
Definici
on 2.2. El rango intercuartil RI, es la diferencia entre sus cuartiles tercero y
primero. Esto es
RI = Q3 Q1
El Rango intercuartil es una medida que excluye el 25 % mas alto y el 25 % mas bajo,
dando un rango dentro del cual se encuentra el 50 % central de los datos observados y a
diferencia del rango total no se encuentra afectada por los valores extremos.
47
2.3.3.
Varianza y desviaci
on est
andar
S2 =
n
X
S2 =
x2i
i=1
fi (xi X)2
i=1
S2 =
Se verifica que:
n
X
S2 =
fi x2i
2
i=1
X
n
Varinaza de datos tabulados por intervalos
La varianza de n valores de una variable estadstica X tabulados k intervalos con
marcas de clases m1 , m2 , ..., mk con frecuencias absolutas respectivas f1 , f2 , ..., fk y
cuya media es X se calcula con la siguiente formula:
n
X
S2 =
Se verifica que:
fi (mi X)2
i=1
n
n
X
S2 =
fi m2i
i=1
3. Desviaci
on est
andar S
La desviacion estandar se define como la raz cuadrada de la varianza, esto es:
S = S2
48
2.3.4.
Coeficiente de variaci
on CV
CV =
S
X
Observaci
on
Es importante destacar que los coefientes de variaci
on sirven para comparar las variabilidades de dos conjuntos de valores (muestras o poblaciones), mientras que si deseamos
comparar a dos individuos de cada uno de esos conjuntos, es necesario usar los valores
tipificados.
49
2.4.
Z=
Donde Z = 0 y SZ2 = 1 Esta nueva variable carece de unidades y permite hacer comparables dos medidas que en un principio no lo son, por aludir a conceptos diferentes. As por
ejemplo nos podemos preguntar si un elefante es mas grueso que una hormiga determinada, cada uno en relacion a su poblacion. Tambien es aplicable al caso en que se quieran
comparar individuos semejantes de poblaciones diferentes. Por ejemplo si deseamos comparar el nivel academico de dos estudiantes de diferentes Universidades para la concesion
de una beca de estudios, en principio sera injusto concederla directamente al que posea
una nota media mas elevada, ya que la dificultad para conseguir una buena calificacion
puede ser mucho mayor en un centro que en el otro, lo que limita las posibilidades de
uno de los estudiante y favorece al otro. En este caso, lo mas correcto es comparar las
calificaciones de ambos estudiantes, pero estandarizados cada una de ellas por las medias
y desviaciones estandar respectivas de las notas de los alumnos de cada Universidad.
N
umero de Empleados
[Li1 , Li [
fi
[0,4[
47
[ 4 , 10 [
32
[ 10 , 20 [
17
[ 20 , 40 ]
Total
100
Soluci
on
Para calcular la variable estandarizada:
Z=
X X
S
50
Partimos de los datos del enunciado. Sera necesario calcular en primer lugar la media y
desviacion tpica de la variable original (X).
[Li1 , Li [
mi
fi
mi fi
m2i hi
[0,4[
47
94
188
[ 4 , 10 [
32
224
1568
[ 10 , 20 [
15
17
255
3825
[ 20 , 40 ]
30
120
3600
100
693
9181
Total
693
= 6,93
100
9,181
=
6,932 = 43,78
100
p
=
43,78 = 6,6
X =
2
SX
SX
A partir de estos valores podremos calcular los valores tipificados para las marcas de clase
de cada intervalo y construir su distribucion de frecuencias:
2 6,93
= 0,745
6,6
7 6,93
= 0,011
6,6
15 6,93
= 1,22
6,6
30 6,93
= 3,486
6,6
z1 =
z2 =
z3 =
z4 =
zi
fi
zi fi
zi2 fi
-0.745
47
-35.015
26.086
0.011
32
0.352
0.004
1.220
17
20.720
25.303
3.486
13.944
48.609
Total
100
0.021
100.002
0,021
0
100
100,02
=
02 1
100
=
1=1
Z =
SZ2
SZ
SZ
1
= =
0
Z
51
2.5.
Asimetra y apuntamiento
Sabemos como calcular valores alrededor de los cuales se distribuyen las observaciones
de una variable sobre una muestra y sabemos como calcular la dispersion que ofrecen
los mismos con respecto al valor de central. Nos proponemos dar un paso mas alla en
el analisis de la variable. En primer lugar, nos vamos a plantear el saber si los datos se
distribuyen de forma simetrica con respecto a un valor central, o si bien la grafica que
representa la distribucion de frecuencias es de una forma diferente del lado derecho que
del lado izquierdo.
Si la simetra ha sido determinada, podemos preguntarnos si la curva es mas o menos
apuntada (larga y estrecha). Este apuntamiento habra que medirlo comparado a cierta
distribucion de frecuencias que consideramos normal (no por casualidad es este el nombre
que recibe la distribucion de referencia).
Estas ideas son las que vamos a desarrollar en lo que resta del captulo.
2.5.1.
Estadsticos de asimetra
Para saber si una distribucion de frecuencias es simetrica, hay que precisar con respecto a que. Un buen candidato es la mediana, ya que para variables continuas, divide al
histograma de frecuencias en dos partes de igual area. Podemos basarnos en ella para,
de forma natural, decir que una distribuci
on de frecuencias es sim
etrica si el lado
derecho de la grafica (a partir de la mediana) es la imagen por un espejo del lado izquierdo
(como la siguiente figura).
52
cuidadosamente la grafica, podemos no ver claro de que lado estan las frecuencias mas
altas. Conviene definir entonces unos estadsticos que ayuden a interpretar la asimetra, a
los que llamaremos ndices de asimetra, y que denotaremos mediante As . Vamos a definir
a continuacion algunos de los ndices de asimetra mas usuales como son el ndice basado
en los tres cuartiles, el momento de tercer orden y la distancia entre la moda y la media
o la media y la mediana.
2.5.2.
Si una distribucion es simetrica, es claro que deben haber tantas observaciones entre
la que deja por debajo de s las tres cuartas partes de la distribucion y la mediana, como
entre la mediana y la que deja por debajo de s un cuarto de todas las observaciones. De
forma abreviada esto es,
Q3 Q2 = Q2 Q1
Una pista para saber si una distribucion de frecuencias es asimetrica positiva tendremos :
Q3 Q2 > Q2 Q1
Por analoga, si es asimetrica negativa, se tendra
Q3 Q2 < Q2 Q1
Para quitar dimensionalidad al problema, utilizamos como ndice de asimetra la cantidad:
As =
(Q3 Q2 ) (Q2 Q1 )
Q3 Q1
El n
umero obtenido, As , es invariante ante cambios de origen de referencia y de escala.
X Mo
S
O bien,
As =
3(X Med )
S
Diremos que hay asimetra positiva si As > 0 y negativa si As < 0 (vease la siguiente
figura).
fi
[7,9[
[ 9 , 11 [
18
[ 11 , 12 [
14
[ 12 , 13 [
27
[ 13 , 14 [
42
[ 14 , 15 [
31
[ 15 , 17 [
20
[ 17 , 19 ]
[Li1 , Li [
fi
mi
Fi
mfi
m2i fi
[7,9[
32
256
[ 9 , 11 [
18
10
22
180
1800
[ 11 , 12 [
14
11.5
36
161
1851.5
[ 12 , 13 [
27
12.5
63
337.5
4218.75
[ 13 , 14 [
42
13.5
105
567
7654.5
[ 14 , 15 [
31
14.5
136
449.5
6517.75
[ 15 , 17 [
20
16
156
320
5120
[ 17 , 19 ]
18
157
18
324
Total
157
2065
27742.25
La media es X = 2065
nos. La varianza la calculamos a partir de la columna de
157 = 13,15 a
2
la xi fi como sigue:
S2 =
p
27742,25
13,152 = 3,78 a
nos2 S = 3,78 = 1,94 a
nos
157
1,94
= 0,15 = 15 % de variabilidad
13,15
(Q3 Q2 ) (Q2 Q1 )
(14,41 13,37) (13,37 12,12)
=
= 0,09
Q3 Q1
14,41 12,12
Este resultado nos indica que existe una ligera asimetra a la izquierda (negativa). Un
resultado similar se obtiene si observamos la siguiente figura (Figura ) veremos que la
distribucion de frecuencias es unimodal, siendo la moda
Mo = 13 +
42 27
1 = 13,57
(42 27) + (42 31)
13,15 13,57
X Mo
=
= 0,21
S
1,94
56
2.6.
Ejercicios Propuestos
1. Una empresa grande de equipos deportivos esta probando el efecto de dos planes
publicitarios sobre las ventas de los u
ltimos 4 meses. Dadas las ventas que se ven
aqu, cual programa de publicidad parece producir el crecimiento promedio mas
alto en ventas mensuales?
Mes
Plan 1
Plan 2
Enero
1657.0
4735.0
Febrero
1998.0
5012.0
Marzo
2267,0
5479.0
Abril
3432,0
5589,0
2. Los estadsticos del programa de Meals on Wheels (comida sobre ruedas), el cual
lleva comidas calientes a enfermos confinados en casa, desean evaluar sus servicios.
El n
umero de comidas diarias que suministran aparece en la siguiente tabla de frecuencia. Calcular la media, mediana y la moda e interprete.
N
umero de comidas por da
N
umero de das
[0 , 5 [
[ 5, 10 [
[ 10 , 15 [
[ 15 , 20 [
[ 20 , 25 [
[ 25 , 30 ]
3. Bill Karl compro 20 acciones a $15 cada una, 50 acciones a $20 cada una, 100 acciones
a $30 cada una y 75 acciones a $35 cada una. Cual es el precio promedio por accion?.
4. Las edades de 50 de los directores ejecutivos de las mejores corporaciones de la nacion
reportadas aparecen en la siguiente tabla de frecuencias. Calcule e interprete la media, la mediana y la moda. Ademas, calcule e interprete: Q1 , Q2 , D1 , D6 , P15 , P90 .
Edades
Frecuencia
[50 , 55 [
[ 55, 60 [
13
[ 60 , 65 [
15
[ 65 , 70 [
10
[ 70 , 75 [
[ 75 , 80 ]
57
5. Dado el siguiente cuadro estadstico con ancho de clase constante igual a 20. Determine la media de los datos.
[Li1 , Li [
mi
fi
Fi
mfi
[ , [
880
[ , [
1950
[ , [
35
[ , [
1800
13
[ , 200 [
[ , ]
70
fi
[ 16 , 32 [
[ 32 , 48 [
[ 48 , 64 [
[ 64 , 80 [
3n
[ 80 , 96]
7. En un examen de estadstica tomado el mismo da y hora a los tres grupos del tercer
ciclo de Ingeniera de Sistemas: A , B y C con un total de 150 alumnos se obtuvo
una nota promedio de 13,2 , las notas promedio de los grupos A y B fueron 12 y 14
respectivamente; los registros del grupo C se extraviaron pero se sabe que el grupo
A es el 36 % del total y que el n
umero de alumnos del grupo B es la tercera parte
de las matriculadas en el grupo C.
a Hallar la nota promedio del grupo C.
b Calcular la nota promedio de los grupos A y C juntos.
8. La siguiente tabla de distribucion de frecuencias muestra la edad de un grupo de
personas. Si ademas se sabe que la moda es 27,5.
[Li1 , Li [
[10,20[
[20,30[
[30,40[
[40,50]
fi
30
a + 10
20
a Hallar el valor de a.
b Bajo que edad se encuentra el 35 % mas joven?
c Cuantas personas tienen como mnimo 20 a
nos? Justifique.
58
9. De un grupo de peque
nas empresas se sabe que ninguna tiene mas de 5 trabajadores
ni menos de 2, la mayora tiene 3 trabajadores, el 20 % tiene 5 trabajadores, 2 de
cada 20 empresas tiene 4 trabajadores; la proporcion de empresas que tienen dos
trabajadores es 0,25. Calcular e interpretar la media aritmetica.
10. Dada la siguiente distribucion de frecuencias:
[Li1 , Li [
[20,30[
[30,40[
[40,50[
[50,60[
[60,70]
fi
N ro de trabajadores
[ 950 , 1000 [
[ 1000 , 1050 [
12
[ 1050 , 1100 [
[ 1100 , 1150 [
[1150 , 1200[
[1200 , 1250[
10
[1250 , 1300[
13. Una fabrica de aparatos electronicos ha comenzado un estudio para mejorar su eficiencia. Efectuo para esto un relevamiento en las seccion de armado de visores para
computadora durante 10 das consecutivos. La cantidad de visores armados diariamente fueron:
30 20 50 80 40 50 60 30 70 50
Calcule todas las medidas de tendencia central proporcionando un significado a su
valor de manera que sirva para los fines propuestos en el estudio.
14. La siguiente informacion es relativa a los sueldos de un grupo de trabajadores en una
compa
na donde, el 12 % de ellos ganan S/530, el 24 % ganan S/560, el 20 % ganan
S/600, el 15 % ganan S/650, el 13 % ganan S/680 y el resto ganan S/700. Cual es
el salario medio?
15. En un grupo hay 40 estudiantes varones con una edad promedio de 20 a
nos, las
mujeres son en promedio mas jovenes en un 10 %; cuantas mujeres hay si la edad
promedio de la clase es de 19 a
nos?
16. El salario promedio mensual pagado a los trabajadores de una compa
na es de $200.
Los salarios promedios mensuales pagados a hombres y mujeres de la compa
na son
210 y 150 respectivamente. Determinar el porcentaje de hombres y mujeres que
trabajan en la compa
na.
17. Una compa
na minera tiene 100 trabajadores. Para los nombrados el haber maximo
es $450 y el mnimo $60. Hay un 5 % de eventuales (en prueba) que trabajan adhonorem o perciben compensaciones inferiores a $60. Quince trabajadores nombrados
perciben haberes inferiores a $250 y el 85 % ganan haberes inferiores a $400. Con
esta informacion, calcule las medidas de tendencia central posibles.
18. Un grupo de 200 estudiantes con estatura inedia de 60.96 pulg. Se divide en dos
grupos, un grupo con una estatura media de 63.4 pulg. y el otro con 57.3 pulg.
Cuantos estudiantes hay en cada grupo?.
19. El sueldo promedio de 200 empleados de una empresa es S/400. Se proponen dos
alternativas de aumento: a) S/. 75 a cada uno, b) 15 % de su sueldo mas 10 soles a
cada uno. Si la empresa dispone a lo mas de S/. 94,000 para pagar sueldos, cual
alternativa es mas conveniente?.
20. De una central telefonica salieron 70 llamadas de menos de 3 minutos promediando
2.3 minutos, 40 llamadas de menos de 10 minutos pero no menos de 3 minutos,
promediando 6.4 minutos, y 10 llamadas de al menos 10 minutos promediando 15
minutos. Calcular la duracion promedio de todas las llamadas.
60
10
15
20
25
fi
24. Calcular todas las medidas de dispersion para los datos de la siguiente distribucion
[Li1 , Li [
[0,100[
[100,200[
[200,300[
[300,800]
fi
90
140
150
120
[4,6[
[6,10[
[10,16[
[16,20[
[20,30]
fi
1
4
+ 14 X
27. La produccion de papa en Tn. fue de 4000 Tn. con variancia de 3600 para el departamento de Cuzco, mientras que para el departamento de Puno fue de 10 000 Tn.
con 1440000 de variancia, en que departamento se puede decir que la produccion de
papa es mas homogenea
61
28. Un grupo de trescientos alumnos llevan el curso de Estadstica y Probabilidad distribuidos en cuatro secciones. Si se sabe que el n
umero de alumnos por seccion estan
en una progresion aritmetica cuya razon es 20 y ademas se conoce que las notas
promedio de las secciones A , C y D son 12, 14 y 11 mientras que las varianzas de
los grupos A y C son 16 y 4 y las desviaciones estandar de B y D son 3 y 1 respectivamente. Si la nota promedio en el curso es 12,37; hallar e interpretar la desviacion
estandar de las cuatro secciones juntas.
29. En una empresa donde los salarios tienen una media S/. 2500 y una desviacion
estandar de S/. 300 el Sindicato solicita que cada salario Xi se transforme en Yi ,
mediante la siguiente relacion:
Yi = 3,5Xi + 10
El directorio acoge parcialmente la peticion rebajando los salarios propuestos por el
Sindicato en un 20 %, lo que es aceptado. Se pide calcular la varianza de la nueva
distribucion de salarios.
30. Se tienen tres empresa con aproximadamente igual n
umero de trabajadores. El
n
umero de inasistencias registradas durante los u
ltimos seis meses en cada una de
las tres empresas se da a continuaci
on: Empresa:
A : 3 19 4 5 15 6
B : 7 8 11 9 14 16
C : 10 17 12 2 18 13
En cual de estas tres empresas existe mayor variabilidad con respecto al n
umero de
inasistencias?
31. Una empresa de fabricacion de productos ceramicos dispone de tres centros de producci
on. En el centro A, el mas grande y moderno, se hace un estudio de los m2 de
azulejo producidos al mes durante el a
no pasado, obteniendose una media de pro2
duccion mensual X A = 250000m , con una desviacion estandar SA = 15000m2 . Se
sabe que el centro B, por tener maquinaria mas anticuada que A, produce cada mes
un tercio de la produccion de A, y que el centro C, por tener un horno menos que
B, produce cada mes 25000 m2 menos que B Cual es la media y la varianza de la
produccion mensual de C?
32. Se utiliza dos maquinas diferentes para fabricar conductos de salida de papel destinados a copiadoras Kodak. Los conductos de una m uestra de la primera maquina
medan:
12,2, 11,9, 11,8, 12,1, 11,9, 12,4, 11,3 12,3
62
Carrera
1
Mendoza
11,1
11.0
11.0
15.8
11.1
Ramirez
11.3
11.4
11.4
11.5
11.4
Con base en estos datos, a cual de los dos velocistas debe seleccionar el entrenador?
por que?
34. Las secciones A , B y C del curso de Estadstica y Probabilidad rinden el mismo
examen parcial. Los resultados obtenidos se registran en las siguientes tablas:
A
Xi
Fi
[Li1 , Li [
mi fi
Hi
hi Xi2
2.5
[2,6[
16
0.1
2.5
7.5
[6,10[
144
0.2
10
12.5
22
[10,14[
240
0.8
86.4
17.5
30
[14,18[
240
45
105
110
115
120
125
130
37
90
95
85
60
fi
135
140
37. Los alumnos de un grupo obtuvieron en matematica II una nota media de 68.7
puntos con una desviacion estandar de 15.4 y los de otro grupo obtuvieron en la
misma asignatura un promedio de 50.9 puntos con una desviacion estandar de 19.6.
Cual de los dos grupos tiene un rendimiento mas heterogeneo?
38. Si la nota media de unos estudiantes varones es 3 y la desviacion estandar de sus
notas es 0.25 en tanto que las correspondientes cifras para las estudiantes mujeres
son 3.2 y 0.25 muestran menor variabilidad las notas de los estudiantes varones?
por que?
39. En el siguiente conjunto de n
umeros, se proporcionan los pesos (redondeados a la
libra mas proxima) de los bebes nacidos durante un cierto intervalo de tiempo en un
hospital:
4, 8, 4, 6, 8, 6, 7, 7, 7, 8, 10, 9, 7, 6, 10, 8, 5, 9, 6, 3, 7, 6, 4, 7, 6, 9, 7, 4, 7, 6, 8, 8,
9, 11, 8, 7, 10, 8, 5, 7, 7, 6, 5, 10, 8, 9, 7, 5, 6, 5.
Sujetos con CI 95
[Li1 , Li [
fi
fi
[ 4 , 10 [
75
19
[ 10 , 16 [
35
26
[ 16 , 22 [
20
25
[ 22 , 28 [
30
30
[ 28 , 34 [
25
54
[ 34, 40 ]
15
96
64
Dislexicos nD
Normales nN
25 o menos
56
26
24
27
16
21
28
12
29
29
10
28
30 o mas
32
Calcule
a Las medias aritmeticas de ambos grupos.
b Las medianas de ambos grupos.
c El porcentaje de sujetos dislexicos que superaron la mediana de los normales.
d Compare la variabilidad relativa de ambos grupos.
42. En un estudio comparativo del porcentaje de rendimiento de ciertos bonos se elaboro una distribucion de frecuencias de 5 intervalos de amplitudes iguales, siendo las
marcas de clase primera y quinta 15 y 55 respectivamente. Si el 65 % de los bonos
rinden menos del 40 %, el 25 % menos del 30 %, el 90 % menos del 50 % y el 95 % al
menos 20 %,
a) Calcule los promedios de rendimiento.
b) Si el 50 % de los bonos de mayor rendimiento deben pagar un impuesto, a partir
de que rendimiento corresponde pagar impuesto?
c) Es la mediana, el punto medio entre los cuartiles 1 y 3? Justifique.
43. Las ganancias diarias de los establecimientos de un centro comercial se presentan en
una tabla de frecuencias con 6 intervalos de clase constante y se sabe que: la mnima
ganancia es de $6, el rango es 36, el 50 % de los establecimientos ganan mas de 25.58
dolares diarios, H2 = 0,15, F2 = 120, h3 = 0,25, H5 = 0,93, f4 = 304, f2 = 2f 1.
a) Reconstruir la distribucion de todas las frecuencias.
65
Departamentos
[50, 60[
[60, 70[
[70, 80[
[80, 90]
1
2
4
3
; 16 [
mi
fi
hi
Fi
Hi
0.5475
6
0.15625
Total
a) Si se sabe que solo el 3.875 % de los alumnos corrieron al menos 12 kilometros
sin detenerse, complete la tabla usando 5 decimales y determine la resistencia
promedio de los alumnos
b) Los 60 alumnos con mayor resistencia fueron seleccionados. Estime la resistencia
media de ese grupo.
50. Se toman las medidas de 80 personas las que tienen estatura media de 1.70m y
desviacion estandar de 3.4cm. Posteriormente se verific
o que la media usada tenia 4
cm de menos. Rectifique los estadsticos mencionados.
51. Multiplicando cada n
umero 3, 6, 2, 1, 7 y 5 por 2 y sumando entonces 5, obtenemos
el conjunto 11, 17, 9 7, 19 15. Cual es la relacion entre la desviacion estandar de
ambos conjuntos? Y entre las medias?
52. La distribucion de edades del Censo de Residentes a 1 de enero de 2007 para las
comunidades autonomas de Aragon y Canarias, en miles de personas, es la siguiente:
67
Edades
Aragon
Canarias
[0, 20[
[20, 40[
[40, 60[
[60, 80[
[80, 100]
3.54
21.56
31.63
28.14
15.12
4.35
29.99
35.21
21.97
8.48
No de Obreros
[390, 420[
[420, 450[
[450, 580[
[580, 610[
[610, 740[
[740, 770[
[770, 850]
12
35
26
8
20
10
6
69
Captulo 3
Probabilidad
3.1.
Introducci
on
Si el u
nico proposito del investigador es describir los resultados de un experimento concreto, los metodos analizados en los captulos anteriores pueden considerarse suficientes. No
obstante, si lo que se pretende es utilizar la informacion obtenida para extraer conclusiones
generales sobre todos aquellos objetos del tipo de los que han sido estudiados, entonces
estos metodos constituyen solo el principio del analisis, y debe recurrirse a metodos de
inferencia estadstica, los cuales implican el uso inteligente de la teora de la probabilidad.
Comenzamos este bloque interpretando la nocion de probabilidad y la terminologa
subyacente a esta area de las matematicas, ya que la probabilidad constituye por s misma
un concepto basico que refleja su relacion con la faceta del mundo exterior que pretende
estudiar: los fenomenos aleatorios, los cuales obedecen unas ciertas reglas de comportamiento. De alguna manera, el concepto de probabilidad, se relaciona o nos recuerda las
propiedades de la frecuencia relativa.
A partir de ella, y junto con las definiciones de probabilidad condicionada y la de eventos
independientes, se deducen los teoremas fundamentales del Calculo de Probabilidades.
Nos centraremos posteriormente en el eslabon que une la teora de la probabilidad y
la estadstica aplicada: la nocion de variable aleatoria, mostrando de esta manera, como
puede emplearse la teora de la probabilidad para sacar conclusiones precisas acerca de una
poblacion en base a una muestra extrada de ella, y que muchos de los estudios estadsticos
son de hecho, estudio de las propiedades de una o mas variables aleatorias.
Tal como hemos citado anteriormente, en las aplicaciones practicas es importante poder
describir los rasgos principales de una distribucion, es decir, caracterizar los resultados del
experimento aleatorio mediante unos parametros. Llegamos as al estudio de las caractersticas asociadas a una variable aleatoria introduciendo los conceptos de esperanza y
varianza matematica, relacionandolos con los conceptos de media y varianza de una vari70
able estadstica.
3.2.
Es el evento seguro
2. Evento imposible:
Es aquel que nunca se verifica como resultado del experimento aleatorio. Como debe
ser un subconjunto de , la u
nica posibilidad es que el evento imposible sea el
conjunto vaco
{} Es el evento imposible
3. Evento unitario:
Es aquel que esta formado por un u
nico elemto
{i } {i } Es el evento unitario
71
4. Evento complementario:
Se denomina complemento del evento A, que se denota por Ac , aquel evento que
consiste de todos los puntos muestrales que no estan en el evento A.
Clasificaci
on de los espacios muestrales
Por el n
umero de elementos o puntos muestrales, los espacios muestrales se clasifican en:
Discretos finitos, consisten de un n
umero finito de elementos
Discretos infinitos, consisten de un n
umero infinito numerable de elementos
Continuos, consisten de un n
umero infinito no numerable de elementos.
Ejemplo 3.1. A continuacion se dan algunos ejemplos de experimentos aleatorios y sus
correspondientes espacios muestrales:
1. El experimento aleatorio de lanzar un dado y observar el resultado obtenido tiene
por espacio muestral:
= {1, 2, 3, 4, 5, 6}
2. El experimento aleatorio de lanzar una moneda tantas veces como sea necesario
hasta que aparezca la primera cara tiene por espacio muestral:
= {C, SC, SSC, SSSC, ...etc.}
3. El experimento aleatorio que consiste en medir la vida u
til (en horas) de una marca
de artefacto electrico tiene por espacio muestral:
= {t R/t 0}
3.2.1.
Operaciones b
asicas con eventos aleatorios
Al ser los eventos aleatorios nada mas que subconjuntos de un conjunto , espacio
muestral, podemos aplicarles las conocidas operaciones con conjuntos, como son la union,
interseccion y diferencia:
1. Dados dos eventos aleatorios, se denomina union de A y B al conjunto formado
por todos los eventos elementales que pertenecen a A o bien que pertenecen a B
(incluyendo los que estan en ambos simult
aneamente), es decir
A B = { / A o B}
2. Dados dos eventos aleatorios, se denomina intersecci
on de A y B al conjunto formado
por todos los eventos elementales que pertenecen a A y B a la vez, es decir,
A B = { / A y B}
72
AA=A
2. A B = B A,
3. A Ac = ,
AB =BA
A Ac =
4. A = A,
A=
5. A = ,
A=A
6. c = c = ,
(Ac )c = A
7. A (B C) = (A B) (A C)
A (B C) = (A B) (A C)
8. (A B)c = Ac B c ,
(A B)c = Ac B c
Nota
Sean A1 , A2 , ..., An cualquier coleccion finita de n eventos,
1. El evento de que ocurra por lo menos uno de ellos se describe por el conjunto:
A1 A2 ... An =
n
[
Ai
i=1
n
\
Ai
i=1
3. La regla de De Morgan:
"n
[
i=1
#c
Ai
n
\
"
c
(Ai ) ,
i=1
n
\
i=1
73
#c
Ai
n
[
(Ai )c
i=1
3.3.
Cuando es grande el n
umero de resultados posibles de un experimento aleatorio, no
suele ser facil el recuento de tales resultados, por eso, es necesario dar ciertas reglas que
nos faciliten el conteo de puntos muestrales.
N
umero de puntos muestrales
El n
umero de elemtos de un evento arbitrario A se denota por n(A).
Es evidente que:
n() = 0 y n(A) 0, para todo evento A
Regla de multiplicaci
on
Si una operacion puede realizarse de n1 formas y una segunda operacion puede realizarse
de n2 formas, entonces, las dos operaciones pueden realizarse de n1 n2 formas.
Esto es si A y B son dos conjuntos finitos, entonces, el n
umero de elementos del producto
cartesiano A B esta dado por:
n(A) n(B)
En general: si A1 , A2 , ..., Ak son k conjuntos finitos, entonces, el n
umero de elementos del
producto cartesiano A1 A2 ... Ak esta dado por:
n(A1 ) n(A2 ) ... n(Ak ).
Regla de la adici
on
1. Si A y B son eventos mutuamente disjuntos, entonces,
n(A B) = n(A) + n(B)
2. En general, Si A1 , A2 , ..., An son eventos dos a dos mutuamente disjuntos, entonces,
n(A1 A2 ... An ) =
n
X
(Ai ).
i=1
3.3.1.
Variaciones
A) Variaciones simples
Se denomina variaciones simples de k objetos tomados de n objetos distintos, a cada
uno de los arreglos que se hagan con los k objetos, de manera que estos arreglos
difieran en alg
un elemento o en el orden de colocacion.
El n
umero de variaciones diferentes de k objetos tomados de n objetos distintos,
denotado por Vkn , esta dado por:
Vkn =
n!
(n k)!
Por ejemplo las variaciones de 2 elementos del conjunto A = {a, b, c, d} son los
siguientes arreglos:
ab, ac, ad, ba, bc, bd, ca, cb, cd, da, db, dc.
Con la formula se tendra lo siguiente:
V24 =
4!
= 12
(4 2)!
3.3.2.
Permutaciones
3.3.3.
Combinaciones
5!
= 10
3!(5 3)!
Ejemplo 3.2. una caja contiene 20 tornillos similares, de los cuales 10 son buenos, 8
tienen defectos del tipo A, 5 defectos del tipo B, y 3 los dos tipos de defectos. Cuantos
elementos tiene el espacio muestral que resulta de escoger al azar 11 tornillos de manera
que 2 tengan defectos A y B, 3 defectos solo A, 2 con defectos solo B y 4 sin defectos?
Soluci
on
De los 20 tornillos, 10 son buenos, 5 con defectos solo A, 2 con defectos solo B y 3 con
defectos A y B.
El n
umero de formas diferentes de extraer 11 tornillos con las condiciones dadas es:
C410 C35 C23 C22 = 6300
Ejemplo 3.3. Hallar el n
umero de maneras diferentes en que se pueden formar n
umeros
enteros positivos con los dgitos 3,4,5,6,7 de manera que los dgitos no se repitan.
Soluci
on
Los n
umeros pueden tener de una a cinco cifras, luego el total de n
umeros es:
V15 + V25 + V35 + V45 + V55 = 5 + 20 + 60 + 120 + 120 = 325
Ejemplo 3.4. Cuantos elementos tiene el espacio muestral asociado al experimento aleatorio de extraer al azar 3 bolas rojas de una urna que contiene 6 bolas rojas:
a A la vez
b Una a una sin reposicion
c Una a una con reposicion
76
Soluci
on
a C36
b 654
c 666
3.4.
Probabilidad de eventos
Definici
on 3.1. Sea el espacio muestral asociado a un experimento aleatorio. LA
PROBABILIDAD de cualquier evento A , es el n
umero real P(A) que satisface los
siguientes axiomas:
1. P(A) 0.
2. P() = 1
3. Si A y B son dos eventos mutuamente disjuntos, entonces,
P(A B) = P(A) + P(B).
Teorema 3.1. Si es el evento imposible, entonces P() = 0.
Teorema 3.2. Si Ac es el evento complementario del evento A, entonces,
P(A) = 1 P(Ac ),
P(Ac ) = 1 P(A).
3
4
3
2 3
= + P(A B)
4
5 8
entonces,
P(A B) =
1
40
2
5
3
8
1
40
=
1
40 =
15
40
14
40
29
15 14
+
=
40 40
40
3.5.
3
1
=
4
4
Probabilidad cl
asica y probabilidad geom
etrica
Definici
on 3.2. (Probabilidad clasica) Sea un espacio muestral finito equiprobable de
n elementos. Si A es cualquier evento del espacio muestral que consiste de k elementos
(0 k n), entonces la probabilidad de A es:
P=
n(A)
Casos favorables a A
=
n()
Casos posibles
Ejemplo 3.6. Una urna contiene 5 fichas similares de las cuales 3 son de color rojo y 2
de color azul. Si de esa urna se extraen al azar 3 fichas a la vez, calcular la probabilidad
de que solo una de ellas sea de color rojo.
78
Soluci
on
Definamos primero el evento A como:
A: Solo una de las 3 fichas es de color rojo,
Entonces, en este caso el n
umero de elementos del espacio muestral es igual al n
umero
de formas diferentes de extraer 3 fichas a la vez de la urna que contiene 5 fichas, es decir:
n() = C35 =
5!
= 10.
3!2!
n(A)
3
= .
n()
10
Definici
on 3.3. (Probabilidad geometrica) Sea un espacio muestral continuo o infinito.
Si A es cualquier evento del espacio muestral tal que la medida (longitud o area) de A
exista, entonces la probabilidad de A es:
P(A) =
m(A)
m()
79
3.6.
33 11
=4
2
2
area(A)
4
=
= 0,25
area()
44
P(A B)
.
P(B)
P(A B)
1
=
P(B)
3
80
Observaci
on. Observese que seg
un la definicion de probabilidad condicionada, se puede
escribir la probabilidad de la intersecci
on de dos eventos de probabilidad no nula como:
a P(A B) = P(A)P(B|A)
b P(A B) = P(B)P(A|B)
O sea, la probabilidad de la intersecci
on de dos eventos, es la probabilidad de uno cualquiera
de ellos, multiplicada por la probabilidad del segundo sabiendo que ha ocurrido el primero.
3.6.1.
Eventos independientes
Definici
on 3.4. Si entre dos eventos no existe ninguna relacion cabe esperar que la
expresion sabiendo que no aporte ninguna informacion. De este modo introducimos el
concepto de independencia de dos eventos A y B como:
A es independiente de B P(A B) = P(A)P(B)
Esta relacion puede ser escrita de modo equivalente, cuando dos eventos son de probabilidad no nula como:
A es independiente de B, con P(A) 6= 0 P(B) = P(B|A)
o
A es independiente de B, con P(B) 6= 0 P(A) = P(A|B)
Teorema 3.5. Si los eventos A y B son independientes, entonces:
1. A y B c son independientes.
2. Ac y B son independientes.
3. Ac y B c son independientes.
Teorema 3.6. Sean A y B dos eventos cualesquiera, tales que P(A|B) exista, entonces
se cumple que:
P(Ac |B) = 1 P(A|B)
Ejemplo 3.9. En una estacion de esqu, para navidades, la experiencia indica que hay un
tiempo soleado solo el 15 % de los das. Por otro lado, se ha calculado que cuando un da
es soleado, hay una probabilidad del 20 % de que el da posterior tambien lo sea. Calcular
la probabilidad de que, en navidades, un fin de semana completo sea soleado.
81
Soluci
on
Llamemos S al evento sabado soleado y D al evento domingo soleado.
La u
nica manera en que un fin de semana completo sea soleado es que lo sea en primer
lugar el sabado, y que el domingo posterior tambien. Es decir:
P(S D) = P(S)P(D|S) = 0,15 0,2 = 0,03
Luego solo el 3 % de los fines de semana son soleados.
Ejemplo 3.10. Suponga que en un proceso de produccion se utilizan las maquinas, 1 y 2,
que trabajan en forma independiente para producir cierto bien. Si la probabilidad de que
ambas maquinas fallen es 1/5 y de que falle solo la 2 es 2/15. Calcular la probabilidad de
que.
1. Falle solo la maquina 1.
2. La produccion continue.
Soluci
on
Sean los eventos
A: Falla la maquina 1,
B: Falla la maquina 2,
entonces,
1
2
P(A B) = , P(Ac B) = ,
5
15
5
entonces P(B) = 15
.
Ademas de P(A B) = P(A)P(B), resulta P(A) =
1. P(A B c ) = P(A)P(B c ) =
9
15
10
15
9
15
6
15
2.
P((Ac B) (A B c ) (Ac B c )) = P(Ac B) + P(A B c ) + P(Ac B c )
= P(Ac )P(B) + P(A)P(B c ) + P(Ac )P(B c )
5
9
10
6
10
12
6
=
=
15 15 15 15 15 15
15
Teorema 3.7. (Regla de la multiplicaci
on)
1.
2.
Teorema 3.8. (Probabilidad total) Sean A1 , ..., An eventos dos a dos disjuntos, los u
nicos
posibles (es decir constituyen una partici
on de ) y con probabilidades positivas. Sea B un
evento arbitrario con P(B) > 0. Entonces
P(B) =
n
X
P(Ai )P(B|Ai ).
i=1
Teorema 3.9. (Regla de Bayes) Sean A1 , ..., An eventos dos a dos disjuntos, los u
nicos
posibles (es decir constituyen una partici
on de ) y con probabilidades positivas. Sea B un
evento arbitrario con P(B) > 0. Entonces
P(Ai |B) =
donde P(B) =
n
X
P(Ai )P(B|Ai )
, para cada i = 1, 2, ..., k
P(B)
P(Ai )P(B|Ai ).
i=1
Ejemplo 3.11. Un lote contiene 15 objetos de los cuales 7 son calificados como E (exito)
y el resto como F (fracasos). Del lote se escogen 5 objetos al azar una tras otra, calcular
la probabilidad de que los cinco sean exitos, si las extracciones se hacen:
a Con reposicion
b Sin reposicion
Soluci
on
Sean los eventos:
Ei : Sale objeto exitoso en la extraccion i, i = 1, 2, 3, 4, 5.
Fi : Sale objeto fracasado en la extraccion i, i = 1, 2, 3, 4, 5.
Si A es el evento los 5 objetos sustrados sucesivamente son exitos, entonces,
A = E1 E2 E3 E4 E5
a Si las extracciones son con reposicion los eventos son independientes, entonces
P(A) = P(E1 )P(E2 )P(E3 )P(E4 )P(E5 )
7
7
7
7
7
75
=
= 5
15 15 15 15 15
15
83
b Si las extracciones son sin reposicion los eventos son dependientes, entonces
P(A) = P(E1 )P(E2 |E1 )P(E3 |E1 E2 )P(E4 |E1 E2 E3 )P(E5 |E1 E2 E3 E4 )
7
6
5
4
3
V7
=
= 515
15 14 13 12 11
V5
Ejemplo 3.12. Se ha determinado que las probabilidades de que un televidente vea los
programas A, B y C son 0,5, 0,4 y 0,7 respectivamente. Cual es el porcentaje de televidentes que ven por lo menos dos de los programas?. Se asume que cada persona ve los
programas independientemente uno del otro.
Soluci
on
P (A) = 0,5 , P (B) = 0,4 , P (C) = 0,7
P [(A B C c ) (A B c C) (Ac B C) (A B C)]
eventos disjuntos
= P (A B C c ) + P (A B c C) + P (Ac B C) + P (A B C)
= P (A) P (B) P (C c ) + P (A) P (B c ) P (C) + P (Ac ) P (B) P (C) + P (A) P (B) P (C)
= 0,5 0,4 0,3 + 0,5 0,6 0,7 + 0,5 0,4 0,7 + 0,5 0,4 0,7
= 0,06 + 0,21 + 0,14 + 0,14
= 0,55
El porcentaje de que los televidentes vean por lo menos dos de los programas es de un
55 %.
Ejemplo 3.13. Un ensamblador de computadoras usa partes que provienen de tres proveedores P1 , P2 y P3 . De 2000 partes recibidas 1000 provienen de P1 , 600 de P2 y el resto de
P3 . De experiencias pasadas, el ensamblador sabe que las partes defectuosas que provienen
de P1 , P2 y P3 son respectivamente 3 %, 4 % y 5 %. Si se elige una computadora al azar,
a Cual es la probabilidad de que contenga una parte defectuosa?
b Si contiene una parte defectuosa, cual es la probabilidad de que haya sido provedo de
P2 ?
Soluci
on
Sean los eventos:
Ai : Parte proviene del proveedor Pi , i = 1, 2, 3 y
84
B: Parte defectuosa.
Tenemos las siguientes probabilidades:
P(A1 ) =
1000
600
400
= 0,5, P(A2 ) =
= 0,3, P(A3 ) =
= 0,2
2000
2000
2000
P(A2 )P(B|A2 )
0,3 0,04
=
= 0,3243
P(B)
0,037
Ejemplo 3.14. Las probabilidades de que los socios S1 y S2 sean elegidos presidente de
su club son respectivamente 0.4 y 0.6. Las probabilidades de que se aumenten las cuotas
mensuales a los socios son de 0.9 si sale elegido S1 y de 0.2 si sale elegido S2 ,
a Cual es la probabilidad de que haya un aumento en las cuotas mensuales de los socios?
b Si se aumenta las cuotas mensuales cual socio es mas probable de salir elegido?
Soluci
on
Sean los eventos:
Ai : Sale elegido el candidato Si , i = 1, 2 y
B: Se incrementan las cuotas mensuales a los socios.
Tenemos las siguientes probabilidades:
P(A1 ) = 0,4, P(A2 ) = 0,6, P(B|A1 ) = 0,9, P(B|A2 ) = 0,2
Por tanto:
a
P(B) = P(A1 )P(B|A1 ) + P(A2 )P(B|A2 )
= 0,4 0,9 + 0,6 0,2
= 0,48
85
b
P(A1 |B) =
P(A1 )P(B|A1 )
0,4 0,9
=
= 0,75
P(B)
0,48
P(A2 |B) =
P(A2 )P(B|A2 )
0,6 0,2
=
= 0,25
P(B)
0,48
La probabilidad de A1 se modifica de 0.4 a 0.75 y la de A2 de 0.6 a 0.25. En consecuencia, se puede concluir que, si se aumentan las cuotas mensuales, probablemente
el socio S2 no sea elegido presidente de su club.
Ejemplo 3.15. Un experimentado estadistico consiste en lanzar dos dados una o dos
veces. Un jugador gana si consigue la suma 7 en el primer lanzamiento; pierde si saca 2
o 12, si consigue otras sumas no pierde ni gana, en este u
ltimo caso tiene opcion para
un segundo lanzamiento y si en este segundo lanzamiento consigue la suma 7 pierde, en
caso contrario gana y termina el juego Cual es la probabilidad que el jugador pierda?
Soluci
on
A: Gana
7....1ro
B: Pierde
2 o 12
C: Otros juega otra vez
A : Gana 7...1ro
B : Pierde 2 o 12
Gana
%
C : otros juega otra vez
&
Pierde
Gana =
%
P
&
6
36
Pierde =
2
36
28
No pierde ni gana
36
2
28
6
P (Pierde) =
+
36
36
36
2
168
P (Pierde) =
+
36 1296
P (Pierde) = 0, 184
Gana
%
30
36
&
Pierde
6
36
T : LLega tarde
T c : No llega tarde
T 0,30
T c 0,70
T 0,20
0,7 M c
T 0,80
0,3
P (T ) = P (A) P (T | A) + P (M ) P (T | M )
= 0,3 0,30 + 0,7 0,20
= 0,23
P (A) P (T | A)
P (T )
0,3 0,30
=
0,23
= 0,39
P (A | T ) =
b)
P (M ) P (T c | M )
P (T c )
0,7 0,80
=
0,77
= 0,73
P (M | T c ) =
b Si la compa
nia B no tuviera exito, en cuanto se estima la probabilidad de que A
intervenga en el mercado?
Soluci
on
Sea los eventos: B: La compa
nia B tiene exito
A: La compa
nia A interviene en el mercado
tenemos las siguientes probabilidades:
P(A) = 0,7, P(Ac ) = 0,3, P(B|A) = 0,15, P(B|Ac ) = 0,15
P(B c |A) = 0,85, P(B c |Ac ) = 0,05
a
P(B) = P(A)P(B|A) + P(Ac )P(B|Ac )
= 0,7 0,15 + 0,3 0,95
= 0,39
b
P(B c ) = P(A)P(B c |A) + P(Ac )Pc (B|Ac )
= 0,7 0,85 + 0,3 0,05
= 0,61
Si B no tuviera exito, la probabilidad de que A intervenga en el mercado es:
P(A|B c ) =
0,7 0,85
P(A)P(B c |A)
=
= 0,975
c
P(B )
0,61
88
3.7.
Ejercicios propuestos
19. Cual es el n
umero de colocaciones diferentes de 7 libros en una estantera de modo
que tres libros determinados esten siempre separados entre s?
20. Cuantos n
umeros de cinco cifras se pueden escribir con cuatro dos y cuatro cincos?
21. Cual es el tama
no mnimo de una poblacion para que exista al menos un da al a
no
(de 365 das) donde coincidan la fecha del aniversario de nacimiento de al menos
nueve personas?
22. En una carrera de maraton intervienen 4 espa
noles, 4 italianos, 4 ingleses y 4 franceses. Supuesto que terminan la carrera todos los corredores, cuantos podios distintos
pueden darse al acabar la carrera en los cuales no hay espa
noles.
23. Cuantas permutaciones del conjunto de n
umeros 1, 2, 3, 4, 5 y 6, satisfacen la
condicion: el 1 esta en primera posicion y el 4 en la tercera?
24. De cuantas formas 5 hombres y 3 mujeres se pueden sentar alrededor de una mesa
redonda de modo que dos mujeres no se encuentren juntas. (Dos formas son iguales
si se llega de una a otra por rotacion. No importa u
nicamente el sexo sino tambien
que persona es)
25. Con las cifras 0,1,2,3,4,5,6,7,8 se forman n
umeros de cinco cifras, Cuantos n
umeros
diferentes pueden formarse sin repetir cifras?
26. En una cafetera hay 4 tipos de bocadillos para comer. De cuantas maneras distintas
se pueden elegir seis bocadillos de entre los 4 tipos?
27. Sea E un alfabeto con 5 vocales y 21 consonantes. Cuantas palabras de 5 letras
pueden formarse con las letras de E, tales que la primera y la u
ltima letras sean
vocales distintas y las otras tres sean consonantes distintas?
28. Con los dgitos 1,2,3,4,5 se forman n
umeros de tres cifras. Cuantos n
umeros diferentes pueden formarse sin repetir cifras que sean m
ultiplos de 3?
29. Cuantas permutaciones del conjunto de n
umeros {1,2,3,4,6,9} satisfacen la condicion de que en la primera posicion y en la u
ltima haya un m
ultiplo de 3?
30. En una carrera de maraton intervienen 4 corredores por cada uno de los 4 equipos.
Supuesto que terminan la carrera todos los corredores, cuantos resultados distintos
pueden darse al acabar la carrera en los cuales no hay ning
un corredor del equipo A
entre los tres primeros?
31. Cuantas permutaciones del conjunto de n
umeros 1,2,3,4,5 y 6, satisfacen la condicion: el 1 esta en primera posicion y el 4 en la tercera?
91
32. Se tienen cadenasformadas por dos letras seguidas de cuatro dgitos y otras tres
letras mas. No estan permitidas las repeticiones de letras y dgitos dentro de cada
grupo, pero el u
ltimo grupo de tres letras puede contener una o dos de las utilizadas
al principio de la cadena. Cuantas cadenas distintas se pueden formar si el n
umero
de letras disponibles es 26?
33. Un comerciante tiene 12 unidades de cierto artculo de los cuales 4 tienen alg
un
tipo de defecto. Un cliente muy exigente quiere comprar 3 de tales artculos pero
le explica al comerciante que si alguno contienen defectos devolver
a la compra y
pedira la devolucion de su dinero. Si el comerciante escoge al azar y a la vez 4 de
tales artculos, cual es la probabilidad de que con esos 4 artculos pueda atender
satisfactoriamente al cliente?
34. Se va a seleccionar a 3 alumnos de 10 alumnos candidatos compuesto de 7 hombres y
3 mujeres para una determinada tarea. El seleccionador no sabe que los 10 alumnos
estan calificados de 1 a 10, seg
un su eficiencia en esa tarea. Calcular la probabilidad
de que la terna contenga
a Uno de los 2 mejores y dos de los 3 peores candidatos.
b Por lo menos una mujer.
35. En una muestra de 120 loretanos se encontr
o que el 60 % sufre alguna enfermedad,
el 30 % tienen al menos 30 a
nos, y el 20 % son menores de 30 a
nos y sanos. Si uno
de tales loretanos es escogido al azar, cual es la probabilidad
a De que sufra alguna enfermedad y tenga al menos 30 a
nos?
b De que sufra alguna enfermedad si tiene al menos 30 a
nos?
36. Un sistema esta formado por dos componentes A y B. Si la probabilidad de que A
falle es 0,7 y la de que B fracase es 0,8 que probabilidad hay de que:
a el sistema siga funcionando bien.
b ambos componentes fallen.
c falle cualquiera de ellos.
37. Un producto esta formado de tres partes A, B y C. El proceso de fabricacion es tal
que la probabilidad de defecto es en A 0,03, en B 0,04 y en C 0,08. Probabilidad de
que el producto no sea defectuoso.
38. Se ha comprobado que en una ciudad estan enfermos con diarrea el 60 % de los ni
nos,
con sarampion el 50 % y el 20 % con ambas enfermedades.
92
m m1
C
n n1
51. Se escogen al azar tres computadoras entre 15 , de los cuales cinco son defectuosas.
Hallar la probabilidad de que:
a) ninguna sea defectuosa.
b) una exactamente sea defectuosa.
c) una por lo menos sea defectuosa
52. En una fabrica de calzado se manufactura independientemente costura (toda la parte
superior del calzado relacionada con el cuero), suela y tacon, siendo estas partes
armadas aleatoriamente en cada zapato. Se sabe que en este proceso, el 5 % de las
costuras, el 4 % de las suelas y el 1 % de los tacones tienen fallas; que porcentaje
de pares de zapatos resulta:
a Con fallas en sus tres componentes.
b Sin fallas en sus tres componentes.
53. Cuatro amigos que se dirigen a un lugar, toman 4 rutas diferentes de acuerdo al
riesgo que se corre de tener alg
un accidente. Si se le asignan las probabilidades de
riesgo para cada ruta: 0,2 ; 0,15 ; 0,25 ; 0,10. Hallar la probabilidad;
a Que ninguno tenga dificultades.
b Que los cuatro sufran accidentes.
c Que los dos primeros sufran accidentes y los restantes no.
54. Entre los 200 empleados de un departamento. Hay 150 graduados, 60 del total consagran parte de su tiempo por lo menos a trabajos de estadstica y 40 de los 150
graduados dedican parte de su tiempo por lo menos a trabajos de estadstica. Si se
toma al azar uno de estos empleados, cual es la probabilidad de que no sea graduado
y no trabaje en estadstica?
55. En una encuesta de opinion se encontr
o que el 25 % de los electores votaran por
el candidato E. De los que no votaran por E el 20 % son mujeres y el resto son
hombres. Ademas la probabilidad de que un elector elegido al azar sea hombre es de
0.7. Si se elige un elector al azar y resulta ser mujer, cual es la probabilidad de que
no vote por E?
56. Un lote contiene n objetos. La probabilidad de que al menos uno sea defectuoso es
0.06, mientras que la probabilidad de que al menos dos sean defectuosos es 0.04.
Calcular la probabilidad de que:
a todos los objetos sean no defectuosos
95
Defectuosos
Artculos procesados
0.002
18 %
0.005
42 %
0.001
40 %
62. Un sistema de comunicacion binario transmite 0 o 1. Por causas del ruido del sistema a veces un 0 transmitido se recibe como un 1 y viceversa. Suponiendo que la
probabilidad de que un 0 se transmita incorrectamente es 0,06, que la probabilidad
de que un 1 se transmita correctamente es 0,90, y que la probabilidad de transmitir
un 0 es de 0,45. Calcular la probabilidad de que en una transmision no haya error.
63. La probabilidad de que Cecilia estudie para su examen final de estadstica es 0,20. Si
estudia, la probabilidad de que apruebe el examen es 0,80 en tanto que si no estudia
la probabilidad es de solo 0,50.
a cual es la probabilidad de que Cecilia apruebe su examen final de estadstica?
b dado que Cecilia aprobo su examen, cual es la probabilidad de que ella haya
estudiado?
64. Al examinar los registros anteriores de los balances de una compa
na, un auditor
descubre que el 15 % contienen errores. Ademas, 60 % de estos balances incorrectos
fueron considerados valores inusuales basandose en los datos anteriores. El 20 %
de todos los balances se consideraron tambien valores inusuales. Si los datos de
un determinado balance parecen ser inusuales, cual es la probabilidad de que sea
incorrecto?
65. El se
nor Vasquez tiene tres secretarias con diferentes niveles de competencia. La
secretaria A ha escrito el 20 % de un trabajo, la secretaria B el 40 % y la secretaria
C el 40 %. Hay un error ortografico que irrita en especial al se
nor Vasquez, y este ha
calculado que A lo comete el 90 % de las veces que tiene que escribir la palabra en
cuestion, que B lo comete el 40 % de las veces y C nunca.
a cual es la probabilidad de que no encuentre error?
b Si el se
nor Vasquez encuentra ese error en una pagina del trabajo, cual es la
probabilidad de que esa pagina lo haya escrito la secretaria A?
c Si no encuentra error, cual es la probabilidad de que dicha pagina haya sido
escrita por la secretaria B?
66. Cierta enfermedad en drogadictos se caracteriza por la ocurrencia de al menos uno de
dos trastornos. La probabilidad de que ocurra el primer trastorno en un drogadicto
es 0.10; y la probabilidad de que ocurra solo el segundo trastorno es 0.29. Determinar
la probabilidad de que ocurra dicha enfermedad en un drogadicto.
67. Un cuadro clnico se manifiesta por la ocurrencia de tres sntomas (1, 2 y 3). Un
grupo de pacientes que posiblemente presenten este cuadro ingresan en un hospital
especializado, la probabilidad de que uno de estos pacientes posea el sntoma 1 es
97
0.95. Uno de cada cuatro pacientes que presentan el sntoma 1 tambien presentan el
sntoma 2. Ademas se sabe que el 75 % de estos pacientes que presentan los sntomas
1 y 2 tambien presentan el sntoma 3. Cual es la probabilidad de que un paciente
posea el cuadro clnico?
68. Se debe realizar dos inversiones. La probabilidad de que se realice la inversi
on I es
0.3. Si se realiza la inversion I, la probabilidad de ganar 5000 soles es 0.4. Si se realiza
la inversion II, La probabilidad de ganar 5000 soles es 0.1.
a Cual es la probabilidad de que se realice la inversi
on I y se gane 5000 soles?
b Cual es la probabilidad de que se realice la inversi
on II y se gane 5000 soles?
c Cual es la probabilidad de que se gane 5000 soles?
d Si se gano 5000 soles, cual inversi
on es la mas probable de haber sido realizada?
69. El estilo de ventas de un vendedor temperamental es fuertemente afectado por el
exito o fracaso de su intento precedente de ventas. Si el acaba de hacer una venta su
confianza y efectividad aumentan y la probabilidad de vender a su siguiente prospecto
es 3/4. Cuando fracasa, su manera es tmida y la probabilidad de que el venda a su
siguiente prospecto es solamente 1/3. Suponga que la probabilidad de que el venda
a su primer contacto en un da dado es 1/2. Hallar la probabilidad de que el haga
cuando menos dos ventas a sus primeros tres contactos en un da dado.
70. El profesor Lopez dicta un curso de Estadstica y quiere tomar una prueba en cada
clase. Sabedor de que a veces se olvida de ir a hacer su clase, ha dado instrucciones a
su jefe de practicas que se haga cargo de la clase cuando el esta ausente. Si el profesor
Lopez hace la clase, la probabilidad es 0,70 de que tome la prueba en tanto que si el
jefe de practicas hace la clase, esta probabilidad es de solo 0,10. Si el profesor Lopez
falta el 80 % de las clases:
a cual es la probabilidad de que haya una prueba en una clase dada?
b Suponiendo que hubo prueba en una clase determinada, cual es la probabilidad
de que el profesor Lopez haya estado ausente?
71. En un supermercado cada cliente decide, independientemente de los demas, si compra
o no compra un artculo en promocion. Se sabe que le 75 % de los clientes compran
un artculo en promocion. Suponga que 4 clientes (1, 2, 3 y 4) ingresan en el supermercado. Sean los eventos: Ai el cliente i decida comprar un artculo en promocion,
. Use estos eventos para calcular las siguientes probabilidades:
a Ninguno de los cuatro clientes decida comprar un artculo en promocion.
98
77. Hay una epidemia de colera. Un sntoma muy importante es la diarrea, pero ese
sntoma tambien se presenta en personas con intoxicaci
on, y, a
un, en personas que
no tienen nada serio. La probabilidad de tener diarrea teniendo colera, intoxicaci
on
y no teniendo nada serio es de 0,99; 0,5 y 0,004 respectivamente. Por otra parte, se
sabe que el 2 % de la poblacion tiene colera, el 0,5 % intoxicaci
on y el resto (97,5 %),
nada serio. Se desea saber:
a) Elegido un individuo de la poblacion Que probabilidad hay de que tenga diarrea?
b) Se sabe que determinado individuo tiene diarrea Cual es la probabilidad de
tenga colera?
78. En una poblacion de ratas el 70 % son de los Andes y el 30 % del Himalaya. Entre las
andinas el 30 % tienen las orejas rosadas y entre las del Himalaya el 50 %. Se elige al
azar una rata y tiene las orejas rosadas, calcular la probabilidad de que sea andina.
79. Una enfermedad puede ser producida por tres virus A, B y C. En un laboratorio se
tienen tres tubos con virus A, dos con virus B y cinco con virus C. La probabilidad de
que el virus A produzca la enfermedad es 1/3, la de B 2/3 y la de C 1/7. Se inocula
al azar un virus a un animal y contrae la enfermedad. Cual es la probabilidad de
que el virus que se le inoculo fuera de tipo C?
80. Un psicologo de una empresa de seguros ha estudiado el comportamiento de los
conductores y ha constatado que la probabilidad de que un conductor sobrio tenga
un accidente es de 0,001 y uno ebrio 0,5. La probabilidad de conducir borracho es
de 0,01. Hallar la probabilidad de que se produzca un accidente y al hacer la prueba
de alcoholemia de positivo.
81. De una cesta de 20 higos, 4 estan podridos. Se saca uno y se mete en otra cesta con
6 podridos y 18 buenos. Extraemos un higo de la segunda cesta y no esta podrido,
Calcular la probabilidad de que el primero estuviera bueno.
82. Un gran n
umero de personas que viven en una seccion determinada de una comunidad han estado expuestas durante los u
ltimos diez a
nos a la radiactividad procedente de un vertedero en el que se almacenan deshechos atomicos. Se realiza una
investigacion para descubrir si hay alguna asociacion aparente entre la exposicion y
el desarrollo de una cierta enfermedad de la sangre. Para llevar a cabo el experimento
se eligen muestras aleatorias de 300 personas en la comunidad que han estado expuestas al peligro y 320 no expuestas. En ambos grupos, se determino el n
umero de
personas que tenan la citada enfermedad. Los resultados se muestran en la siguiente
tabla:
100
Tiene la enfermedad
No tiene la enfermedad
52
48
100
248
272
520
Expuesto a la radioactividad
No expuesto a la radioactividad
a) Cual es la probabilidad de que, tomado un individuo al azar, haya estado expuesto a la radiactividad? Y de que tenga la enfermedad?
b) Cual es la probabilidad de que tomado un individuo al azar tenga la enfermedad
o haya estado expuesto a la radiactividad? Cual es la probabilidad de que haya
estado expuesta a la radiactividad y no tenga la enfermedad?
c) Puede considerarse que tener la enfermedad es independiente de haber estado
expuesto a la radiactividad?
d) Sabiendo que un individuo, tomado al azar, tiene la enfermedad, cual es la
probabilidad de que haya estado expuesto a la radiactividad?
83. Unos estudios muestran que los ejemplares de una cierta raza de liebres de alta monta
na (liebre esquiadora) mueren antes de lo normal, a
un en ausencia de depredadores
o de enfermedad conocida alguna. Dos de las causas de muerte identificadas son: baja
cantidad de az
ucar en sangre, y convulsiones. Se estima que el 7 % de los animales
presenta ambos sntomas, el 40 % bajo nivel de az
ucar en sangre, y el 25 % sufre de
convulsiones.
a) Cual es el porcentaje de muertes producidas por causas que no sean las mencionadas?
b) Cual es la probabilidad de que una liebre recientemente muerta, tomada al
azar, registre bajo nivel de az
ucar en sangre y haya, ademas, muerto con convulsiones?
c) Pueden considerarse independientes ambos fenomenos (descenso de az
ucar, y
convulsiones)?
d) Cual es la probabilidad de que una liebre presente bajo nivel de az
ucar, pero
no convulsiones? Y de que no presente ninguno de los dos sntomas?
e) Cual es la probabilidad que presente un u
nico sntoma?
f ) Sabiendo que el animal ha presentado convulsiones, cual es la probabilidad de
que presente tambien az
ucar en sangre?
g) Sabiendo que el animal no presentaba bajo nivel de az
ucar, cual es la probabilidad de que tampoco tuviera convulsiones?
101
300
320
620
84. El mecanismo de un sistema de alarma consta de dos partes A y B, que funcionan independientemente. Para que el sistema salte ante una emergencia, alguno de
los mecanismos (puede que ambos) debe detectar la emergencia. La probabilidad
de que A funcione correctamente, es del 90 %. La probabilidad de que B funcione
correctamente, es del 95 %.
a) Cual es la probabilidad de que, ante una emergencia, el mecanismo no funcione
correctamente? Cual la de que funcione correctamente?
b) Sabiendo que el mecanismo ha funcionado, cual es la probabilidad de que A sin
embargo no haya saltado?
85. Con base en varios estudios una compa
na ha clasificado, de acuerdo con la posibilidad de descubrir petroleo, las formaciones geologicas presentes en una cierta zona
en tres tipos, I, II, III. Aproximadamente el 35 % de las formaciones de la zona corresponden al tipo I, el 40 % al tipo II y el resto al tipo III. Ademas, de acuerdo con
la experiencia se sabe que el petroleo aparece en un 40 % de formaciones de tipo I,
en un 20 % de formaciones de tipo II y en un 30 % de formaciones de tipo III. La
compa
na perfora en un determinado sitio de esa zona.
a) Calcula la probabilidad de descubrir petroleo.
b) Si la perforacion ha encontrado petroleo, calcula la probabilidad de que se haya
debido a una formacion del tipo II.
86. Una planta armadora industrial recibe microcircuitos procedentes de tres fabricantes
A, B, C. El 50 % del total se compra a A, mientras que a B y C se les compra un
25 % a cada uno. El porcentaje de circuitos defectuosos para A, B, C es 5, 10 y 12 %
respectivamente. Si los circuitos se almacenan en la planta sin importar quien fue el
proveedor:
a) Determinar la probabilidad de que una unidad armada en la planta contenga un
circuito defectuoso.
b) Si un circuito esta defectuoso, cual es la probabilidad de que haya sido vendido
por el proveedor B?
87. Tras un vertido contaminante en un ro, se sabe que el ro puede recuperarse total o
parcialmente, siendo la probabilidad de que el se recupere totalmente igual al 80 %.
Caso de recuperarse, la probabilidad de que una cierta especie de pez que vive en
sus aguas alcance de nuevo una poblacion similar a la que tena antes del vertido,
es del 90 %. En cambio, si la recuperacion es parcial dicha probabilidad se reduce al
30 %.
102
103
Captulo 4
Variables aleatorias
4.1.
Introducci
on
X(CCC) = 3
X(CCS, CSC, SCC) = 2
X(CSS, SCS, SSC) = 1
X(SSS) = 0
Observaci
on
La variable X no recibe el calificativo de aleatoria por el hecho de que atribuya de modo
imprevisible un valor cualquiera a un elemento ya que este valor esta definido de forma
precisa (determinstica). Lo que es aleatorio en realidad, es que al hacer el experimento,
no sabemos que elemento de puede ocurrir.
La composicion de una funcion real con una variable aleatoria es tambien variable
aleatoria, pues esta definida sobre y a cada elemento suyo le asocia un valor real, es
decir:
X : R, G : R R
enonces:
G(X) = G X : R
7 G(X())
En funcion de los valores que tome la variable, esta puede ser clasificada en discreta o
continua del siguiente modo:
Variable aleatoria discreta es aquella que solo puede tomar un n
umero finito o
infinito numerable de valores. Ejemplo:
X:N
Variable aleatoria continua es aquella que puede tomar un n
umero infinito no numerable de valores.
X:R
4.2.
4.2.1.
Funci
on de probabilidad
: N [0, 1]
xi 7 f (xi ) = P (X = xi )
1 1 1
1
=
2 2 2
8
3
1 1 1 1 1 1 1 1 1
+ + =
2 2 2 2 2 2 2 2 2
8
1 1 1 1 1 1 1 1 1
3
f (1) = P(X = 1) = P[{CSS, SCS, SSC}] = + + =
2 2 2 2 2 2 2 2 2
8
1 1 1
1
f (0) = P(X = 0) = P[{SSS}] = =
2 2 2
8
Observaci
on Observese que X est
a definido sobre el espacio muestral de sucesos ,
mientras que f lo esta sobre el espacio de n
umeros reales R.
Toda funcion de probabilidad f (x) debe satisfacer las siguientes condiciones
i) f (x) 0, x R
X
ii)
f (xi ) = 1
xi RX
La condicion ii)
Es :
n
X
i=1
Es :
i=1
106
Nota
1. Si A R, entonces, la probabilidad de A, es el n
umero:
X
X
P(A) =
P(X = xi ) =
f (xi ).
xi A
xi A
4.2.2.
Valores xi de X
x1
x2
x3
...
xn
Probabilidad pi = P(X = xi )
p1
p2
p3
...
pn
Funci
on de distribuci
on acumulada de la v.a. discreta
kx
Esta funcion se representa graficamente del mismo modo que la distribucion de frecuencias
relativas acumuladas.
Ejemplo 4.2. En el ejemplo de las 3 monedas, calcular la funcion de probabilidades,
funcion de distribucion acumulada, y graficarlas.
Soluci
on
1 1 1
1
=
2 2 2
8
3
1 1 1 1 1 1 1 1 1
f (2) = P(X = 2) = P[{CCS, CSC, SCC}] = + + =
2 2 2 2 2 2 2 2 2
8
1 1 1 1 1 1 1 1 1
3
f (1) = P(X = 1) = P[{CSS, SCS, SSC}] = + + =
2 2 2 2 2 2 2 2 2
8
1 1 1
1
f (0) = P(X = 0) = P[{SSS}] = =
2 2 2
8
f (3) = P(X = 3) = P[{CCC}] =
Valores xi de X
1/8
3/8
3/8
1/8
Luego la f.d.a. es
F (0) = P(X 0) = f (0) =
1
8
1 3
4
+ =
8 8
8
1 3 3
7
F (2) = P(X 2) = f (0) + f (1) + f (2) = + + =
8 8 8
8
1 3 3 1
8
F (3) = P(X 3) = f (0) + f (1) + f (2) + f (3) = + + + = = 1
8 8 8 8
8
F (1) = P(X 1) = f (0) + f (1) =
107
Es decir,
1/8
F (x) =
4/8
7/8
si
x<0
si 0 x < 1
si 1 x < 2
si 2 x < 3
si
x3
Proposici
on 4.1. La funci
on de distribuci
on F , es una funci
on no decreciente, es decir,
Si x1 < x2 F (x1 ) F (x2 )
Ademas, es continua a la derecha
lm F (x) = F (a)
xa+
y
F () = lm F (x) = 0
x
F (+) = lm F (x) = 1
x+
4.3.
f (xi ) =
k
X
P(X = xi ) = 1
i=1
que
X
i=1
f (xi ) =
P(X = xi ) = 1
i=1
Cuando la variable es continua, no tiene sentido hacer una suma de las probabilidades de
cada uno de los terminos en el sentido anterior, ya que el conjunto de valores que puede
tomar la variable es no numerable. En este
Z caso, lo que generaliza de modo natural el
X
concepto de suma (
) es el de integral ( ). Por otro lado, para variables continuas no
tiene interes hablar de la probabilidad de que X = x R, ya que esta siempre vale 0.
De este modo es necesario introducir un nueva definicion para v.a. continuas,
Definici
on 4.1. Se dice que la funcion f (x), f : R R, es funci
on de densidad de
la v.a. continua X si satisface las siguientes condiciones:
i) f (x) 0
Z +
ii)
f (x)dx = 1
f (x)dx
a
109
Observaci
on
Por ser f una funcion integrable, la probabilidad de un punto es nula:
Z a
P(X = a) = P(a X a) =
f (x)dx = 0
a
y por ello al calcular la probabilidad de un intervalo no afectara nada el que este sea
abierto o cerrado por cualquiera de sus extremos, pues estos son puntos y por tanto de
probabilidad nula:
P(a X b) = P(a X < b) = P(a < X b) = P(a < X < b)
Ejemplo 4.3. Sea f (x) una funcion definida en todos los n
umeros reales por
(
cx2
si
0x2
f (x) =
0 otro caso
a Hallar el valor de la constante c para que f (x) sea una funcion de densidad para alguna
variable aleatoria X.
b Calcular P(0 < X 1).
Soluci
on
a Sabemos que el area bajo la curva es igual a uno, entonces:
Z
1=
f (x)dx =
x3
cx dx = c
3
=c
0
8
3
resultando c = 38 . Luego
(
f (x) =
3x2
8
si
0x2
otro caso
P(0 < X 1) =
0
4.3.1.
3 1
1
3x2
x
=
dx =
8
8 0 8
Funci
on de distribuci
on acumulada de la v.a. continua
Definici
on 4.2. La funcion de distribucion acumulada (f.d.a.), F (x), de una variable
aleatoria continua X con funcion de densidad f (x), se define por:
Z x
F (x) = P(X x) =
f (t)dt, para < x < +.
110
1=
f (x)dx =
1 2
1
cex dx = c 0 +
=c
0
resultando c = . Luego
(
f (x) =
ex si x 0
0
si x < 0
Z
et dt = 1 ex
4.3.2.
Propiedades de la funci
on de distribuci
on acumulada
En efecto, si F (x) =
la derivada F 0 (x).
d
d
F (x), x tal que
F (x) exista.
dx
dx
f (t)dt, entonces, f (x) = F 0 (x) para todo x donde exista
y+4
3
dFX (u) du
1
y+4
dFY (y)
=
= f (u) donde u =
.
dy
du
dy
3
3
Por tanto,
(
g(y) =
4.4.
y+4
y+4
= FX
X
3
3
1
12
si
2 y 14
otro caso
112
Definici
on 4.4. Sea X una v.a. continua. Se denomina esperanza matematica de X o
valor esperado, y se denota bien E(X) o bien X , a la cantidad que se expresa como:
Z
E(X) =
xf (x)dx
RX
Observaci
on
Resulta, entonces, que en el caso discreto:
X
X
E(X) =
xi f (xi ) =
xi P (X = xi )
xi RX
xi RX
E(G(X)) =
G(x)f (x)
xRX
Si X es continua, entonces:
Z
E(G(X)) =
G(x)f (x)dx
RX
Observaci
on
Resulta, entonces, que en el caso discreto:
X
X
E(G(X)) =
G(x)f (x) =
G(x)P (X = x)
xRX
4.4.1.
xRX
1/16
4/16
6/16
4/16
1/16
El valor esperado de X es el n
umero
E(X) =
4
X
x=0
xf (x) = 0
1
16
+1
4
16
+2
6
16
+3
4
16
+4
1
16
=2
Esto significa que si una persona lanza 4 monedas, muchas veces, en promedio obtendra 2
caras por lanzamiento
Ejemplo 4.8. La vida u
til de un objeto en miles de horas, es una variable aleatoria
continua X cuya funcion de densidad es:
(
1 x2
si
0x2
f (x) =
0
otro caso
Calcular la esperanza de vida del objeto.
114
Soluci
on
Z
E(X) =
Z
xf (x)dx =
0
RX
2
2
x
x
x3
2
x 1
dx =
=
2
2
6 0 3
2
3
1000 =
Ejemplo 4.9. Suponga que un juego al azar consiste en lanzar un dado y que el jugador
puede ganar $ 7, si obtiene al menos 5 puntos, o perder $2 en caso contrario.
a Cuanto espera ganar en el juego el jugador?
b Cuanto debera ganar para el juego sea justo?
Soluci
on
Sea:
X: Puntaje obtenido al lanzar el dado,
Entonces X toma los valores 1,2,3,4,5,6
La distribucion de probabilidades de X est
a dado en la siguiente tabla:
Valores xi de X
1/16
1/6
1/6
1/6
1/6
1/6
1/6
6
X
i=1
1
1
1
1
1
1
2
2
2
+7
+7
=1
U (x)f (x) = 2
6
6
6
6
6
6
b Para que el juego sea justo entonces E(U (X)) = 0, primero definamos la utilidad:
(
k si
x = 5, 6
U (x) =
2 si x = 1, 2, 3, 4
E(U (X)) =
6
X
i=1
entonces:
1
1
1
1
1
1
U (x)f (x) = 2
2
2
2
+k
+k
=0
6
6
6
6
6
6
1
1
8
+ 2k
=0
6
6
2k = 8
k=4
4.5.
Varianza
2 , cuya media
La varianza de una variable aleatoria X, denotado por Var(X), o por X
o esperanza es E(X), se define como:
h
i
Var(X) = E (X E(X))2
donde:
h
i P
a Si X es discreta se tiene: Var(X) = E (X E(X))2 = xRX (x E(X))2 P(X = x)
i Z
h
b Si X es continua se tiene: Var(X) = E (X E(X))2 =
(x E(X))2 f (x)dx
RX
Observaci
on
La desviacion estandar mide la variabilidad promedio en relacion a la media. Por medio
de la propiedad basica del valor esperado, puede verificarse que:
Var(X) = E(X 2 ) [E(X)]2
Esta ultima es la mas usada en el calculo de probabilidades.
4.5.1.
Propiedades de la varianza
1. Var(X) 0
2. Si a y b son constante reales, entonces.
Var(aX + b) = a2 Var(X)
Como consecuencia de la propiedad 2 se tiene:
Var(b) = 0 donde b es constante
Var(X + b) = Var(X)
Var(aX) = a2 Var(X)
3. Si X e Y son variables aleatorias independientes y a y b son constante reales, entonces,
Var(aX + bY ) = a2 Var(X) + b2 Var(Y )
En particular se tiene:
Var(X + Y ) = Var(X) + Var(Y )
Var(X Y ) = Var(X) + Var(Y )
116
Ejemplo 4.10. Calcular la varianza y la desviacion estandar de la distribucion de probabilidad de la variable aleatoria X que se define como el n
umero de caras al lanzar cuatro
monedas.
Soluci
on
Sea la variable aleatoria X definida como:
X: N
umero de caras al lanzar cuatro monedas.
La distribucion de probabilidad de X es:
Valores xi de X
1/16
4/16
6/16
4/16
1/16
4
X
(x2 )f (x) = 02
x=0
1
16
+ 12
4
16
+ 22
6
16
+ 32
4
16
+ 42
1
16
=5
Por lo tanto:
Var(X) = E(X 2 ) [E(X)]2 = 5 (2)2 = 1.
La desviacion estandar de X es:
X =
p
Var(X) = 1.
Z
2
E(X ) =
(x )f (x)dx =
RX
Por lo tanto:
3
2
2
x
x
x4
=
x 1
dx =
2
3
8 0 3
2
2
2
2
2
Var(X) = E(X ) [E(X)] =
=
3
3
9
2
p
= Var(X) =
117
2
.
9
Ejemplo 4.12. El n
umero de defectos de un producto es una variable aleatoria X cuya
funcion de probabilidad se da en la siguiente tabla.
Valores xi de X
1/10
2/10
3/10
2/10
1/10
1/10
x<0
0 si
4
F (x) =
x si 0 x < 1
1 si
x1
Z
118
E(x) =
xf (x)dx =
0
4x5
x(4x )dx =
5
=
0
4
5
d
P(0,2 X 0,7) = F (0,7) F (0,2) = 0,74 0,24 = 0,24
Ejemplo 4.14. La variable aleatoria continua X tiene como funcion de densidad:
x<0
0 si
f (x) =
1 si 0 x 1
0 si
x>1
Calcular:
a Media
b Varianza
c P(0,2 X 0,8)
Soluci
on
a Sabemos que::
Z
X = E(X) =
xf (x)dx =
0
x2
x(1)dx =
2
1
=
0
1
2
E(X ) =
Z
x f (x)dx =
entonces:
x3
x (1)dx =
3
=
0
1
3
2
1
1
1
Var(X) = E(X ) [E(X)] =
=
3
2
12
2
0,8
P(0,2 X 0,8) =
0,8
f (x)dx =
0,2
0,2
1dx = [x]0,8
0,2 = 0,8 0,2 = 0,6
Demanda D
10
20
30
40
50
vende
compra
pierde
U = 0 8(30) 30
U = 240 30
U = 270
D = 10
U = 10(10) 8(30) 20
U = 100 240 20
U = 160
D = 20
U = 20(10) 8(30) 30
U = 200 240 30
U = 50
D = 30
U = 30(10) 8(30) 0
U = 300 240
U = 60
D = 40
U = 30(10) 8(30) 0
U = 300 240
U = 60
D = 50
U = 30(10) 8(30) 0
U = 300 240
U = 60
270
160
50
U=
60
60
60
1/10
1/10
2/10
3/10
2/10
1/10
D
D
D
D
D
D
=0
= 10
= 20
= 30
= 40
= 50
Entonces
1
2
2
1
1
160
50
+ 60
+ 60
U (x) = 270
10
10
10
10
10
U (x) = 27 16 10 + 18 + 12 + 6
U (x) = 17
Ejemplo 4.16. La fraccion de tiempo X, que una computadora esta en uso udrante un
da de trabajo de 8 horas, es una variable aleatria con funcion de densidad:
120
(
f (x) =
2x
0
si
otro caso
0x1
a Calcular la esperanza de X
b Hallar la varianza de X
c Hallar el valor esperado del costo por el uso de la computadora si `este es:
C(x) = 5 + 3x + 0, 1x2
Soluci
on
a Calcular la varianza
R
R1
R1
E(x) = Rx xf (x)dx = o x(2x) = 0 2x2
2 1
2x
3 0
E(x) =
2
3
b Hallar la varianza
E(x2 )
E(x2 ) =
(x2 )f (x)dx
R1
0
x2 (2x)
R1
0
2x3
x4
=
2
1
=
0
1
2
1
2
121
4.6.
Ejercicios propuestos
1. El n
umero de hijos por familia de una determinada region es una variable aleatoria
X cuya funcion de probabilidad es:
Valores xi de X
1/16
4/16
4/16
1/16
0 si
0,2 si
F (x) =
0,7 si
0,9 si
1 si
123
1
, x RX .
10
Cada tonelada producida le cuesta 10 mil soles y la vende en 25 mil soles. Toda
cantidad que no se logra vender se pierde sin generar un costo adicional al de su
fabricacion. Suponga que en cierta semana el productor decide fabricar 5 toneladas.
a Cual es la probabilidad de satisfacer la demanda?
b Cual es la probabilidad de satisfacer la demanda y al mismo tiempo el productor
gane mas de 30 mil soles?
c Cual es la probabilidad de que la demanda no sea satisfecha?
d Cual es la probabilidad de que el productor gane mas de 30 mil soles?
124
e ()x
,
x|
x = 0, 1, ..., = constante
k
X
z
Sug. ez =
k|
k=0
16. Suponga que un juego consiste en lanzar un dado y que si se obtiene al menos 5
puntos se gana $2, en caso contrario se pierde el n
umero obtenido en dolares.
a Defina la funcion utilidad en el juego.
b Calcular la utilidad esperada en el juego
17. Suponga que la vida u
til en a
nos de cierto tipo de computadoras es una variable
aleatoria X con funcion de densidad,
(
2 2x
si
0x 1
f (x) =
0
otro caso
125
3
(8x2 x3 12x)
128
Duracion X (das)
10
11
12
13
14
Probabilidad
0.1
0.3
0.3
0.2
0.1
42x(1 x)5
si
0x 1
0
otro caso
si
0x 1
x
f (x) =
kx
si
1x 2
0
otro caso
a Hallar el valor de k.
b Hallar la funcion de distribucion acumulada.
c Calcular el valor esperado
d Calcular la varianza
25. La fraccion de tiempo X, que una computadora esta en uso durante un da de trabajo
de 8 horas, es una variable aleatoria con funcion de densidad:
(
2x
si
0x 1
f (x) =
0 otro caso
a Calcular la esperanza de X.
b Hallar la varianza de X.
c Hallar el valor esperado del costo por el uso de la computadora si este es:
C(X) = 5 + 3x + 0,1x2
127
1
,
10
si 0 x 10.
Si por cada metro de tela vendida gana $4, pero por cada metro de tela no vendida
en la temporada se pierde $1.
a Cuanto se espera que sea la demanda de la tela en la temporada?
b Si se decide producir 5000 metros de tela, cual es la utilidad esperada de la
compa
na?
30. La vida u
til de un objeto es una variable aleatoria X con funcion de densidad:
(
ex si
x0
f (x) =
0
si
x<0
calcular la varianza y la desviacion estandar de X .
31. La vida u
til de una batera en a
nos es una variable aleatoria X con funcion de
densidad:
(
0,2e0,2x si
x0
f (x) =
0
si
x<0
Si el costo del producto esta dado por la expresion.
C = 80 + 2X + 0,04X 2 .
Determinar el costo esperado y la varianza del tiempo de vida u
til de la batera.
128
0,6
si
x=0
0,3
si
x=1
f (x) =
0,1
si
x=2
0 otro caso
Si la perdida debida a posiciones vacas esta dada por:
Y = 20x2 .
Calcular el valor esperado y la varianza de Y .
129
Captulo 5
Distribuciones o modelos
probabilsticos
5.1.
Introducci
on
Como complemento al captulo anterior en el que definimos todos los conceptos relativos a variables aleatorias, describimos en este las principales leyes de probabilidad que
encontramos en las aplicaciones del calculo de probabilidades. Describiremos las principales
leyes de probabilidad de cada una de ellas, las cuales constituiran el soporte subyacente
de la inferencia estadstica y a las que sera necesario hacer referencia en el estudio de
dicho bloque. En este captulo estudiaremos dos procesos muy importantes, tanto para
v.a. discrteas como para continuas.
5.2.
Proceso de Bernoulli
5.2.1.
Modelo o distribuci
on Binomial
n
f (k) = P(X = k) =
pk q nk , k = 0, 1, ..., n, q = 1 p.
k
Donde p es la probabilidad de exito de X.
Esta definicion puede interpretarse en el siguiente sentido: Supongamos que realizamos
n pruebas de Bernouilli, Xi , donde en todas ellas, la probabilidad de exito es la misma ,p,
y queremos calcular el n
umero de exitos, k, obtenidos del total de las n pruebas.
La f.d.a F (x) de la variable aleatoria binomial X es:
F (x) = P(X x) =
x
X
k=0
n
k
!
pk q nk ,
x = 0, 1, ..., n.
a E(X) = np.
b Var(X) = npq.
Ejemplo 5.1. La probabilidad de que cierto tipo de objeto pase con exito una determinada
prueba es 5/6. Se prueban 10 de tales objetos. Si X es la variable aleatoria que se define
como el n
umero de objetos que pasan la prueba:
a Determinar la funcion de probabilidad de X.
b Calcular la probabilidad de que 5 objetos pasen la prueba.
c Calcule la media y la desviacion estandar de X.
d Determinar la f.d.a. F (x) de X.
e Usando F (x), calcular P(7 < X 9).
Soluci
on
a Cada uno de los objetos puede pasar la prueba con exito (E), o puede no pasar la prueba
(F ). La probabilidad de que el objeto pase la prueba es 5/6 y de que no pase la prueba
es 1/6 y como X es la variable aleatoria que se define como el n
umero de objetos
que pasan la prueba de los 10 objetos, estamos bajo una distribucion binomial de
!
10
5 k 1 10k
f (k) = P(X = k) =
, k = 0, 1, ..., 10,
6
6
k
131
f (5) = P(X = 5) =
10
5
!
5 5 1 5
6
6
5
50
= .
6
6
x
X
k=0
9
X
k=8
10
k
!
5 k 1 10k
,
6
6
10
k
!
5 k 1 10k
.
6
6
x = 0, 1, ..., 10,
Ejemplo 5.2. En una tienda de alquiler de autos, cada vez que un cliente alquile un
automovil debe pagar como mnimo $4. Si alquila un auto tipo A debe pagar $15 mas, y
si alquila un auto tipo no A debe pagar $5 mas. Se sabe que la probabilidad de que un
cliente alquile un auto tipo A es de 0.7. De cinco clientes que alquilan autos en esta tienda:
a Determine la distribucion de probabilidades de los clientes que alquilan automoviles
tipo A.
b Determine la utilidad y la utilidad esperada que producen a la tienda los 5 clientes que
alquilan automoviles.
Soluci
on
a Sea X el n
umero de clientes que alquilan automoviles tipo A. Entonces, los valores
posibles para X son: 0,1,2,3,4,5.
La probabilidad del evento E: Un cliente alquila un autom
ovil tipo A es p = 0,7 y
q = 1 p = 0,3. La distribucion de probabilidad de X es:
!
5
f (k) = P(X = k) =
(0,7)k (0,3)5k , k = 0, 1, 2, 3, 4, 5.
k
b La utilidad U que producen los cinco clientes es:
U = 20 + 15X + (5 X)5,
X = 0, 1, 2, 3, 4, 5.
5.2.2.
Modelo o distribuci
on Geom
etrica
q
.
p2
1
p
1
0,02
Ejemplo 5.4. Un matrimonio quiere tener una hija, y por ello deciden tener hijos hasta
el nacimiento de una hija. Calcular el n
umero esperado de hijos (entre varones y hembras)
que tendra el matrimonio. Calcular la probabilidad de que la pareja acabe teniendo tres
hijos o mas.
Soluci
on
Este es un ejemplo de variable geometrica. Vamos a suponer que la probabilidad de tener
un hijo var
on es la misma que la de tener una hija mujer. Sea X la v.a. definida como:
X: N
umero de hijos hasta que nasca a ni
na.
Es claro que X v G(0,5), y su funcion de probabilidad es:
f (k) = P(X = k) = (0,5)(0,5)k1 , k = 1, 2, ...
Sabemos que el n
umero esperado de hijos es E(X) =
esperado en total entre hijos varones y la ni
na es 2.
1
p
1
0,5
= 2, por tanto el n
umero
La probabilidad de que la pareja acabe teniendo tres o mas hijos, es la de que tenga 2
o mas hijos varones (la ni
na esta del tercer lugar en adelante), es decir,
P(X 3) = 1 P(X < 3) = 1 F (2) = 1 (1 0,52 1) = 0,25.
5.2.3.
Modelo o distribuci
on de Pascal o Binomial Negativa
k1
f (k) = P(X = k) =
pr q kr , k = r, r + 1, r + 2, ...
r1
Donde p es la probabilidad de exito de X.
La f.d.a de la variable aleatoria Pascal X es:
F (x) = P(X x) =
x
X
k=r
k1
r1
a E(X) = pr .
134
pr q kr ,
x = r, r + 1, r + 2, ...
b Var(X) =
rq
.
p2
Ejemplo 5.5. Una maquina produce artculos de uno en uno y de manera independiente,
Se considera que el 10 % de ellos son defectuosos. Si la maquina se detiene apenas produce
el cuarto artculo defectuoso. Si X es el n
umero de artculos producidos hasta tener 4
defectuosos:
a Determinar la funcion de probabilidad de X
b Cual es el n
umero esperado de artculos producidos hasta que se detiene la maquina?
c Cual es la probabilidad de que la maquina se detenga en el decimo artculo producido?
d Cual es la probabilidad de que produzca al menos 10 artculos para que la maquina se
detenga?
Soluci
on
a Como X es el n
umero de artculos producidos hasta tener 4 defectuosos. El modelo de
probabilidad de X es Pascal con parametros r = 4 y p = 0,1, es decir X v P a(4, 0,1).
Entonces su funcion de probabilidad de X es:
!
k1
f (k) = P(X = k) =
(0,1)4 (0,9)k4 , k = 4, 5, 6, ...
41
b E(X) =
r
p
4
0,1
= 40.
10 1
41
!
(0,1)4 (0,9)104
d Queremos:
P(X 10) = 1 P(4 X 9) =
9
X
k=4
k1
41
!
(0,1)4 (0,9)k4 .
Ejemplo 5.6. Para tratar a un paciente de una afeccion de pulmon han de ser operados
en operaciones independientes sus 5 lobulos pulmonares. La tecnica a utilizar es tal que
si todo va bien, lo que ocurre con probabilidad de 7/11, el lobulo queda definitivamente
sano, pero si no es as se debera esperar el tiempo suficiente para intentarlo posteriormente
de nuevo. Se practicara la ciruga hasta que 4 de sus 5 lobulos funcionen correctamente.
Cual es el valor esperado de intervenciones que se espera que deba padecer el paciente?
Cual es la probabilidad de que se necesiten 10 intervenciones?
135
Soluci
on
Este es un ejemplo claro de experimento aleatorio regido por un modelo Pascal, ya que se
realizan intervenciones hasta que se obtengan 4 lobulos sanos, y este es el criterio que se
utiliza para detener el proceso. Identificando los parametros se tiene:
7
X: N
umero de operaciones hasta obtener 4 lobulos sanos. X v P a 4, 11
. Luego:
E(X) =
r
4
44
=
=
p
7/11
7
Luego el n
umero esperado de intervenciones que debera sufrir el paciente es de aproximadamente 6.
La probabilidad de que el n
umero de intervenciones sea 10, es:
!
10 1
7 4 4 104
f (10) = P(X = 10) =
.
11
11
41
5.2.4.
Modelo o distribuci
on hipergeom
etrica
!
f (k) = P(X = k) =
, k = 0, 1, 2, ..., n
N
r
Si X es una variable aleatoria con distribucion hipergeometrica H(N, n, r), y sean
p = Nr , q = 1 p entonces,
a E(X) = np
n
b V (X) = npq N
N 1
c H(N, n, r)
= B(n, p). Esto para un valor de N suficientemente grande
5.3.
Proceso de Poisson
5.3.1.
Modelo o distribuci
on de Poisson
e k
,
k!
k = 0, 1, 2, ... = t
x
X
e k
k!
k=0
x = 0, 1, 2, ...
a E(X) =
b Var(X) =
Ejemplo 5.7. Suponga que llegan en forma aleatoria una serie de llamadas a una central
telefonica con un promedio de tres llamadas por minuto.
a Determinar la funcion de probabilidad de X.
b Calcular la probabilidad de que en el periodo de 5 minutos:
No ocurra llamada alguna
Ocurran al menos 16 llamadas
c Si cada llamada cuesta S/.0.50, Cuanto es el costo esperado?
Soluci
on
Sea X el n
umero de llamadas que ocurren en el periodo de 5 minutos, entonces, X v P (),
donde = 3 5 = 15 es el promedio del n
umero de llamadas en 5 minutos, es decir,
X v P ( = 15),
a La funcion de probabilidad de X es :
f (k) = P (X = k) =
b
e15 15k
,
k!
k = 0, 1, 2, ...
e15 150
= e15 .
0!
15 15 k
X
e 15
k=0
k!
5.3.2.
Modelo o distribuci
on exponencial
Siendo = .
La f.d.a de la variable aleatoria exponencial X es:
F (x) = P(X x) = 1 ex , x 0.
Tambien:
P(X x) = ex , x 0.
a E(X) = 1 .
b Var(X) =
1
.
2
c Si X v exp() entonces P(X > s + t|X > s) = P(X > t), t, s > 0.
Ejemplo 5.8. El tiempo durante el cual cierta marca de batera trabaja en forma efectiva
hasta que falle (tiempo de falla) se distribuye exponencialmente con tiempo promedio de
fallas igual a 360 das.
a Que probabilidad hay que el tiempo de falla sea mayor que 400 das?
b Si una de estas bateras ha trabajado ya 400 das, que probabilidad hay que trabaje
mas de 200 das mas?
c Si se estan usando 5 de tales bateras calcular la probabilidad de que mas de dos de
ellas contin
uen trabajando despues de 360 das?
Soluci
on
Sea:
X : El tiempo que trabaja la batera hasta que falle.
El tiempo promedio de falla es de 360 das. Entonces =
densidad es:
(
1
x
1 360
e
si
x0
360
f (x) =
0
si
x<0
1
E(X)
1
360
y su funcion de
400
a P(X > 400) = 1 P(X 400) = 1 F (400) = 1 (1 e 360 400 ) = e 360 = 0,329
b Si la batera ya trabajo 400 das, quiere decir que su tiempo de falla es mayor que 400
das. Luego,
1
200
P(X > 400 + 200|X > 400) = P(X > 200) = e 360 200 = e 360 = 0,574.
c La probabilidad de que una batera trabaje mas de 360 das es:
1
360
5.3.3.
Modelo o distribuci
on uniforme
S e dice que una v.a. continua X tiene distribucion uniforme en el intervalo de extremos
finitos a y b es decir [a, b] , y se escribe X v U [a, b], si su funcion de densidad es constante
y es dada por:
1
f (x) =
, a x b.
ba
La f.d.a de la variable aleatoria uniforme X es:
F (x) = P(X x) =
a E(X) =
xa
ba
a x b.
a+b
2 .
b Var(X) =
(ba)2
12
Observaci
on
Esta distribucion es adecuada para describir a una variable que asuma sus valores uniforme
o indistintamente en un intervalo de extremos finito
Ejemplo 5.9. Dos gerentes A y B deben encontrarse en cierto lugar entre las 7 p.m. y 8
p.m. para firmar un contrato. Cada uno espera al otro a lo mas 10 minutos, cual es la
probabilidad de que no se encuentren sabiendo que A llega a las 7:30 p.m.?
Soluci
on
Sea la variable aleatoria X el tiempo de llegada de B, que puede hacerlo en cualquier
instante aleatorio entre las 7 p.m. y las 8 p.m. o entre 0 y 60 minutos. Entonces X v U [0, 60]
y su funcion de densidad es:
f (x) =
1
, 0 x 60.
60
Puesto que A llega a las 7:30 p.m. o a los 30 minutos despues de las 7 p.m. y espera a lo
mas 10 minutos, B no se encontrara con A si B llega de 7 p.m. o menos de 7:20 p.m. o si
llega despues de las 7:40 p.m. Entonces, la probabilidad de que A y B no se encuentren es:
Z 20
Z 60
1
1
20 20
2
P(0 X < 20 o 40 < X 60) =
dx +
dx =
+
= .
60
60 60
3
0
40 60
Ejemplo 5.10. Un vendedor cobra honorarios fijos de S/.200 mas una comision de 5 %
del total de las ventas que realiza. Si el total de las ventas que realiza es una variable
aleatoria X con distribucion uniforme entre 0 y 2000.
a Cuanto es la utilidad promedio del vendedor?
b Que probabilidad hay de que obtenga honorarios superiores a S/.275?Cuanto debe
vender como mnimo?
140
c Si vende como mnimo S/.500, que probabilidad hay de que gane mas de S/.260?
d Cual es la probabilidad de que obtenga una ganancia igual a S/.250?
Soluci
on
Sabemos que X es la variable aleatoria definida como el total de ventas y X v U [0, 2000].
La utilidad o ganancia del vendedor es :
U = 200 + 0,05X.
a E(U ) = E(200 + 0,05X) = 200 + 0,05E(X) = 200 + 0,05 1000 = 250.
Z 2000
1
500
b P(U > 275) = P(200 + 0,05X > 275) = P(X > 1500) =
dx =
= 0,25.
2000
1500 2000
c P(U > 260|X > 500) = P(200 + 0,05X > 260|X > 500) = P(X > 1200|X > 500) =
800
= P(X>1200)
P(X>500) = 1500 .
d P(U = 250) = P(X = 1000) = 0.
5.3.4.
Modelo o Distribuci
on normal
La distribucion normal, recibe este nombre ya que una gran mayora de las v.a continuas
de la naturaleza siguen esta distribucion. Se dice que una v.a. X sigue una distribucion
normal de parametros y 2 , lo que denotamos por X v N (, 2 ), si su funcion de
densidad es:
"
#
1
1 x 2
f (x) = exp
, < x < .
2
2
Observaci
on
1. Estos dos parametros y 2 coinciden ademas con la media (esperanza) y la varianza
respectivamente de la distribucion, es decir:
a E(X) = .
b Var(X) = 2 .
La forma de la funcion de densidad es la llamada campana de Gauss.
141
5.3.5.
Propiedades de estandarizaci
on
X X
.
X
XX
X
Z v N (0, 1).
k X
k X
= FZ
.
FX (k) = P(X k) = P Z
X
X
Esta transformacion se conoce como la formula de estandarizacion.
2. P(a Z b) = P(Z b) P(Z a) = FZ (b) FZ (a).
3. FZ (a) = P(Z a) = 1 P(Z a) = 1 FZ (a), esto es, es simetrica respecto a
la vertical Z = 0.
4. P(a Z a) = 2P(Z a) 1 = 2FZ (a) 1.
5.3.6.
Ejercicio
Utilizando la tabla de probabilidades normal estandar hallar
a P(Z 1,2)
b P(Z 1,28)
c P(0,81 Z 1,91)
142
d P(1,24 Z 2,25)
e P(2 Z 2)
f P(Z 2,23)
Ejercicio
Utilizando la tabla de probabilidades normal estandar hallar el valor de z tal que
a P(Z z) = 0,861
b P(Z z) = 0,2236
c P(z Z z) = 0,95
Ejemplo 5.11. Los ingresos en cierto sector pueden ser modelados por una v.a. X con
distribucion normal de media 20 unidades monetarias (u.m.) y desviacion estandar de
5u.m. Calcular la probabilidad de que el ingreso de un trabajador de este sector sea
superior a 22u.m?
Soluci
on
Sea X la v.a. definida como el ingreso en cierto sector circular, entonces X v N (20, 52 )
Queremos:
P(X > 22) = 1 P(X 22) = 1 FX (22).
Usando la estandarizacion Z =
X20
5
FX (22) = FZ (
tenemos:
22 20
) = FZ (0,4) = 0,6554.
5
Entonces:
P(X > 22) = 1 0,6554 = 0,3446.
Ejemplo 5.12. Suponga que el ingreso familiar mensual en una comunidad tiene distribucion normal con media $600 y desviacion estandar $100.
a Calcular la probabilidad de que el ingreso de una familia escogida al azar sea menor que
$400.
b Si el 5 % de las familias con mayores ingresos deben pagar un impuesto, a partir de
que ingreso familiar se debe pagar impuesto?
Soluci
on
Sea X la v.a. que representa los ingresos familiares mensuales. Entonces X v N (600, 1002 ).
400600
100
b Se debe hallar k tal que P(X k) = 0,05 o P(X < k) = 0,95, entonces:
k 600
0,95 = P(X < k) = P Z <
100
de donde resulta
k600
100
Ejemplo 5.13. Supongamos que cierto fenomeno pueda ser representado mediante una
v.a. X v N (45, 81). Calcular la probabilidad de que X tome un valor entre 39 y 48.
Soluci
on
Queremos:
P(39 X 48).
Comenzamos haciendo el cambio de variable:
Z=
X 45
.
9
de modo que
P(39 X 48) = P(X 48) P(X 39)
48 45
39 45
= P Z<
P Z <
9
9
= P(Z < 0,33) P(Z < 0,67)
= 0,6293 0,2514
= 0,3679
144
5.4.
Ejercicios propuestos
b Cual es la probabilidad de que el diametro del punto este entre 0,0014 y 0,0026
pulgadas?
c Que valor debe tener la desviacion estandar del diametro para que la probabilidad
del inciso b) sea 0,995?
7. En promedio, el 10 % de las varillas de madera usadas en cierto producto se encuentran demasiado nudosas para ser usadas. Cual es la probabilidad de que en un
paquete de 15 varillas no mas de cuatro esten demasiado nudosas?
8. Un profesor de computo afirma que en la primera leccion de Introduccion a la
computacion como procesadores de texto, para secretarias sin conocimientos previos en la materia, se da un 80 % de asimilacion (teorico - practica). Calcule las
probabilidades de que si este curso se da a 7 secretarias:
a tres o mas asimilen el curso.
b dos o menos no asimilen el curso.
c todos asimilen el curso.
d entre 2 y 6 (inclusive) asimilen el curso.
10.
9. Al realizar un experimento, la probabilidad de lograr el objetivo es 0.4. Si se realiza el experimento 20 veces bajo las mismas condiciones y asumiendo resultados
independientes
a Calcular la probabilidad de lograr el objetivo por lo menos en tres de las 20 veces.
b El costo del experimento es de S/. 1500, si se logra el objetivo; y de S/.3000 si no
se logra. Calcular el costo esperado para realizar el experimento.
11. El tiempo de duracion X, en meses, de un tipo de resistencia electrica tiene funcion
de densidad:
(
0,5e0,5x si
x0
f (x) =
0
si
x<0
a Cual es la probabilidad de que una de tales resistencias electricas dure mas de 4
meses?
b Si se prueban 10 resistencias electricas, cual es la probabilidad de que ninguna
dure mas de 4 meses?
c Cuantas resistencias se probaran para que con probabilidad igual a 0.9 se tenga
al menos una que dure mas de 4 meses?
146
23. El n
umero medio de automoviles que llegan a una estacion de suministro de gasolina
es de 240 por hora. Si dicha estacion puede atender a un maximo de ocho automoviles
por minuto, determine la probabilidad de que, en un minuto dado, lleguen a la
estacion mas automoviles de los que puede atender.
24. Con la finalidad de dise
nar un sistema de control de trafico, un ingeniero de transito
estudia el n
umero de automoviles que llegan a una intersecci
on de calles. Entre otros
resultados, el concluye que el n
umero de automoviles que llegan a esa intersecci
on
tiene media de 3 por minuto.
a Describa el modelo de probabilidad adecuado para n
umero de automoviles que
llegan a esa interseccion en un periodo de un minuto.
b Hallar la probabilidad de que no llegue automovil alguno a esa intersecci
on en 30
segundos.
c Si el pago por hora al ingeniero esta dado por T = 2 + 0,1X + 0,0001X 2 dolares,
donde X es el n
umero de automoviles que llegan a esa intersecci
on en una hora.
Calcule el pago esperado por hora.
25. Cierto tipo de loceta puede tener un n
umero X de puntos defectuoso que sigue una
distribucion de Poisson con una media de 3 puntos defectuosos por loceta. El precio
de la loceta es $1 si X = 0, de $0.70 si X = 1 o 2, y de $0.1 si X > 2. Calcular el
precio esperado por loceta.
26. El n
umero de usuarios que acuden a cierta base de datos confidencial sigue una
distribucion de Poisson con una media de dos usuarios por hora.
a Calcular la probabilidad de que entre las 8am. y el medioda acudan mas de dos
usuarios.
b Si un operador de la base de datos trabaja todos los das de 8am. hasta el medioda,
cual es la probabilidad de que este operador tenga que esperar mas de 7 das
hasta observar el primer da en el cual acceden mas de dos usuraos?
27. La demanda D de un producto de temporada navide
na es una variable aleatoria con
distribucion normal. Seg
un su experiencia, un comerciante estima que con 0.0062 de
probabilidad le demandaran mas de 565 unidades y con 0.1587 de probabilidad la
demanda sera menor a 110 unidades.
a Halle los parametros de la distribucion.
b Hallar la probabilidad de que la demanda este entre 230 unidades y 250 unidades.
149
28. Suponga que un sistema contiene cierto tipo de componente cuyo tiempo de falla en
a
nos esta dado por la variable aleatoria T , distribuida exponencialmente con tiempo
promedio de falla = 5. S 5 de estos componentes se instalan en diferentes sistemas,
cual es la probabilidad de que al menos 2 contin
uen funcionando despues de 8 a
nos?
29. El tiempo que transcurre antes de que una persona sea atendida en una cafetera
es una variable aleatoria que tiene una distribucion exponencial con una media de
4 minutos. Cual es la probabilidad de que una persona sea atendida antes de que
transcurran 3 minutos en al menos 4 de los 6 das siguientes?
30. Cierto tipo de batera dura un promedio de 3 a
nos, con una desviacion tpica de 0,5
a
nos. Suponiendo que la duracion de las bateras es una variable normal:
a Que porcentaje de bateras se espera que duren entre 2 y 4 a
nos?
b Si una batera lleva funcionando 3 a
nos. cual es la probabilidad de que dure
menos de 4,5 a
nos?
31. Suponga que la demanda mensual de un bien de consumo se distribuye normalmente
con una media de 650kg. y una desviacion estandar de 100kg.
a Que probabilidad hay de que la demanda no supere los 500kg.
b Que cantidad del bien debe haber mensualmente a fin de satisfacer la demanda
en el 89.8 % de los meses?
32. La utilidad por las ventas mensuales (en miles de dolares) de una tienda de muebles,
es una variable aleatoria con distribucion normal. En el 5 % de las ventas mensuales
la utilidad ha sido menos que 3.42, mientras que en el 1 % de las ventas mensuales
la utilidad ha sido mayor que 19.32.
a Halle la media y la varianza de la utilidad por las ventas mensuales.
b Cual es la probabilidad de que la utilidad por las ventas en un mes sea superior
a los $16580?
c Cual es la probabilidad de que la utilidad por las ventas en un mes sea menos de
$8580?
33. El tiempo entre dos llamadas consecutivas a una central telefonica de la universidad
tiene distribucion exponencial con media de 10 segundos. Encontrar la probabilidad
de que el tiempo entre dos llamadas a la central telefonica sea de mas de 20segundos.
34. Las notas de un curso de Fsica, tienen distribucion normal con una media de 13 y
una desviacion estandar de 3. Las notas de un curso de Qumica, tienen distribucion
150
normal con una media de 14 y una desviacion estandar de 4. Si las notas son independientes, encontrar la probabilidad de que para un alumno que ha llevado los dos
cursos.
a La suma de las notas sea mayor que 30.
b El promedio de las notas este entre 12 y 16.
c La nota de Fsica sea mayor que la nota de Qumica.
35. La estatura de las mujeres de un colegio sigue una distribucion normal. La moda
de la estatura es de 165cm y la desviacion estandar de 10cm. La condicion para
ser jugadora del equipo de voleibol es medir mas de170cm. Se toma una muestra
aleatoria de 40 mujeres, hallar la probabilidad que por lo menos se pueda escoger 3
jugadoras para el equipo de voleibol.
36. Suponga que el tiempo X, en minutos, que demora una tarea tiene distribucion
uniforme en [1,5]. Si el costo C para terminar la tarea es funcion del tiempo y es
dada por la expresion
C = 10 + x + 3X 2 ,
calcular el valor esperado del costo.
37. La llegada de cada uno de los empleados a su centro de trabajo se produce independientemente, de acuerdo a la distribucion uniforme en el intervalo comprendido
entre las 8:00 y 8:25a.m. Si 10 empleados llegaron al centro de trabajo despues de
las 8:10a.m., cual es la probabilidad de que 4 de ellos hayan llegado entre las 8:15
y 8.20a.m.
38. Un vendedor tiene un sueldo fijo de S/.400 mas una comision del 5 % sobre el importe
de las ventas que realiza. Si el importe de las ventas tiene una distribucion uniforme
entre 0 y 3400 nuevos soles,
a Hallar el ingreso medio del vendedor, con que probabilidad obtendra al menos
ese monto?
b Se le ofrece como ingreso u
nico el 25 % de sus ventas, si como mnimo quiere ganar
S/.480, le conviene la propuesta?
39. Los beneficios anuales de una empresa A siguen una distribucion normal con media
$80 y desviacion estandar $10 y los beneficios de otra empresa B siguen una distribucion normal con media $70 y desviacion estandar $5, cual es la probabilidad
que en un a
no la empresa A tenga mas beneficios que la empresa B?
40. Un sistema de comunicaciones recibe mensajes digitales de acuerdo con un protocolo.
151
153
Pr
actica N o 1
Apellidos y nombres: ...............................................................................................
Firma:...............................................
Fecha:...............................................
Nota:................................................
1. Los sueldos mensuales (en dolares) de 60 empleados de la empresa Piramide S.A. en
el a
no 2002 son los siguientes:
440 560 335 587 613 400 424 466 565 393
453 650 407 376 470 560 321 500 528 526
570 430 618 537 409 600 550 432 591 428
440 340 558 460 560 607 382 667 512 492
450 530 501 471 660 470 364 634 580 450
574 500 462 380 518 480 625 507 645 382
a Construya la tabla de frecuencias.
b Identifique la poblacion, muestra y la variable con su tipo de escala.
c Calcule las medidas de tendencia central.
d Calcule las medidas de dispersion.
154
155
Xi
Fi
[Li1 , Li [
Xi fi
Hi
hi Xi2
2.5
[2,6[
16
0.1
2.5
7.5
[6,10[
144
0.2
10
12.5
22
[10,14[
240
0.8
86.4
17.5
30
[14,18[
240
45
156
157
Pr
actica N o 2
Apellidos y nombres: ...............................................................................................
Firma:...............................................
Fecha:...............................................
Nota:................................................
1. En un saquito hay papeletas de tres colores, con las siguientes probabilidades de
ser elegidas: a) Amarilla: probabilidad de 0.50, b) Verde: probabilidad de 0.30 c)
Roja: probabilidad de 0.20. Seg
un el color de la papeleta elegida, podras participar
en diferentes sorteos. As, si la papeleta elegida es: a) Amarilla: participas en un
sorteo con una probabilidad de ganar de 0.40. b) Verde: participas en otro sorteo
con una probabilidad de ganar de 0.60 c) Roja: participas en un tercer sorteo con
una probabilidad de ganar de 0.80. Con esta informacion, que probabilidad tienes
de ganar el sorteo en el que participes?
158
si
0x 1
x
f (x) =
kx
si
1x 2
0
otro caso
a Hallar el valor de k.
b Hallar la funcion de distribucion acumulada.
c Calcular el valor esperado
d Calcular la varianza
159
160
Bibliografa
[1] Cordova, Z. Manuel. Estadstica Descriptiva e Inferencial. Editorial MOSHERA.
[2] Larson. Introduccion a la Teora de la Probabilidad e Inferencia Estadstica.
Limusa.
[3] Meyer P.L. Probabilidad y Aplicaciones Estadsticas. Fondo Educativo Interamericano.
[4] Walpole y Myer. Probabilidad y Estadstica McGraw-Hill.
[5] Cordova, Z. Manuel. Estadstica Aplicada. Editorial MOSHERA.
161