AP Mtría Proba y Estad

Emelia Lorenzana Apuntes Complementarios de Geometra Analtica Plana y Espacial
APUNTES DE MAESTRA DE
PROBABILIDAD Y ESTADSTICA
1. Lo s Fen m eno s Aleato r io s (2)

1.1 Diferencias entre los Fenmenos Aleatorios y los deterministas.
1.2 Factores de Aleatoriedad.
2. La Descr ipci n Estadstica de Dato s (9)

2.1 Tipos de Variables.
2.2 Distribuciones de Frecuencias.
2.3 Representaciones Grficas.
2.4 Medidas de Posicin.
2.5 Medidas de Dispersin.
2.6 Ventajas y Desventajas de las Medidas en Diferentes Situaciones.
3. Teo r a de la Pr o babilidad (66)

3.1 Enfoque Objetivo y Subjetivo de la Probabilidad.
3.2 Regularidad Estadstica.
3.3 Axiomas de la Probabilidad
3.4 Probabilidad de Eventos Compuestos.
3.5 Esperanza Matemtica.
4. Distr ibucio nes de Pr o babilidad

4.1 Muestreo Aleatorio. (101)
4.2 Espacio Muestral y Distribucin de Probabilidades. (107)
4.3 La Distribucin Binomial y sus Aplicaciones. (115)
4.4 La Distribucin de Poisson.(119)
4.5 La Distribucin Chi Cuadrada.(124)
5. Estim aci n y Pr uebas de Hip tesis

5.1 Estimacin de Puntos y de Intervalos. (127)
5.2 Pruebas de Hiptesis. (132)
5.3 Problemas de Decisin. (137)
6. Estadstica Biv ar iada (154)

6.1 La Ecuacin de Regresin y su Interpretacin.
6.2 Clculo e Interpretacin del Coeficiente de Regresin.
6.3 Pruebas de Hiptesis para los Coeficientes de Correlacin.
Emelia Lorenzana Apuntes de Maestra de Probabilidad y Estadstica
TEMA 1. LOS FENMENOS

ALEATORIOS
1.1 FENMENOS ALEATORIOS Y FENMENOS

DETERMINISTAS
E n l a v i d a c o t i d i an a n o s e n c o n t r a m o s c o n s i t u a c i o n e s cu y a s
c o n s e c u e n c i a s c o n o c e m o s y d e an t e m a n o p o d e m o s p r e d e c i r . P o r
e je m p l o , n a d i e n e c e s i t a p o n e r l a m an o e n e l f u e g o p a r a s a b e r q u e s e
quemar o soltar un jarro en el aire para ver si cae o no al suelo,
e s t o s s u ce s o s r e c ib e n e l n o m b r e d e f e n m e n o s d e t e r m i n s t i c o s .
E x i s t e n o t r o s f e n me n o s c o n v a r i o s r e s u l t a d o s p o s i b l e s , d e l o s q u e
no se puede hacer afirmaciones certeras hasta que hayan ocurrido,
p o r e je mp l o l o s n m e ro s p r e m i a d o s e n e l M e l a t e , o e l t i p o y m o n t o
de la cosecha al momento de la siembra. Los fenmenos cuyos
resultados no pueden asegurarse hasta el momento de su ocurrencia,
r e c i b e n e l n o m b re d e f e n m e n o s a l e a t o r i o s . A l o s r e su l t a d o s
p o s i b le s d e u n f e n me n o a l e a t o r i o t a m b i n s e l o s l l a m a e v e n t o s o
s u c e s o s , e n t r e l o s f e n me n o s a le a t o r i o s s e e n c u e n t r a n l o s j u e g o s d e
azar y una gran cantidad de situaciones cotidianas que son todas
a q u e l l a s q u e t i e n e n m s d e u n r e s u l t a d o p o s i b le . E s p o r e l l o q u e n o
p o d e mo s s a b e r c u l d e e so s r e s u l t a d o s o cu r r i r l a p r x i m a v e z q u e s e
o b se r v e e s e f e n m e n o , au n q u e c o n o z c a m o s t o d o s l o s r e s u l t a d o s
p o s i b le s .
I n d iq u e p a r a c a d a u n a d e l a s s i g u i e n t e s s i t u a c i o n e s s i se t r a t a d e u n
f e n me n o a l e a t o r i o o u n f e n m e n o d e t e r m in s t i c o .
a) La prxima vez que viaje en camin me sentar junto a una
anciana.
b ) L a s d i a g o n a l e s d e u n cu a d r a d o s o n p e r p e n d i c u l a r e s e n t r e s .
c ) A l t e r m i n a r e l me s d e m a r z o c o m i e n z a e l m e s d e ab r i l .
d ) C i n c o m s c i n c o e s i g u a l a d ie z .
e ) L a p r x i m a ve z q u e a s i s t a a l c i n e m e t o c a r s e n t a r m e e n l a
fila H.
f ) C u a n d o p r e n d a e l te l e v i s o r v e r u n n i o e n l a p an t a l l a .
g ) L a m e r me l a d a d e f r e s a t i e n e s a b o r d u l c e .
h ) A l t i r a r u n d ad o q u e d a r 6 e n l a c a r a s u p e r i o r .
i ) L a p r x i m a c o s e c h a s e r m e j o r q u e l a d e e s te a o .
j ) E l p r x i m o a o M x i c o s e g u i r t e n i e n d o d e u d a e x t e r n a .
- 2 -
A u n q u e n o s e s a b e c o n c e r te z a e l r e s u l t a d o d e u n f e n m e n o
aleatorio, muchas veces hacemos conjeturas o tratamos de adivinar
e s e re s u l t a d o ; p o r e je m p l o c u an d o s e t i r a u n v o l ad o o c u a n d o s e
c o n s i d e r a q u e u n e q u i p o d e f u tb o l v a a g a n a r e l p r x i m o j u e g o , e t c .
Hay fenmenos aleatorios en los que es ms fcil predecir resultados
q u e e n o t r o s , p o r e j e mp l o , e s m u c h s i m o m s f c i l a ce r t a r e l
resultado de un volado que el resultado de un sorteo de Melate; por
e s t o m u c h a s p e r s o n a s g a n an c o n v o l a d o s y s o n m u y p o c a s l a q u e
g an a n e l M e l a t e . P o r q u c r e e u s t e d q u e o cu r r a e s t o ? Su p o n g a
q u e s e t i r a n j u n t o s u n d ad o r o j o y u n o a z u l y s e o b se r v a l a s u m a d e
l o s p u n t o s o b t e n id o s .
a ) C u l e s s o n l o s r e s u l t a d o s p o s i b le s ?
b ) D e c u n t a s f o r m a s p u e d e o b t e n e r s e c ad a u n o d e l o s
r e s u l t a d o s p o s i b le s ?
P a r a c o n te s t a r e s t a p r e g u n t a c o m p l e t e l a t a b l a q u e se p r e se n t a a
c o n t i n u a c i n , e n l a q u e s e h an r e g i s t r a d o l o s v a l o r e s q u e p u e d e n
o b te n e r s e c o n c a d a d ad o . A n o t e e n c a d a c u a d r o e l r e s u l t a d o d e l a
s u m a c o r re s p o n d i e n t e , c o m o s e m u e s t r a e n e l e j e m p l o .
c) Qu es ms fcil de obtener, 2 u 8?
d ) A l t i r a r l o s d ad o s p u e d e o b t e n e r se u n a s u m a ig u a l a 1 8 ? ,
Por qu?
e ) A l t i r a r l o s d ad o s p u e d e o b t e n e r se u n a s u m a m e n o r q u e 1 3 ?
Por qu?
E v e n t o s s e g u r o e i m po s i b l e
C u an d o u n e ve n t o n o p u e d e o c u r r i r , c o m o e l m e n c i o n ad o e n e l i n c i s o
d ) , d e c i m o s q u e e s u n e v e n t o i m p o s i b l e y c u a n d o e s t a m o s se g u r o s
q u e e l e v e n t o s o c u r r i r , c o m o e s e l c a s o p l a n te a d o e n e l in c i s o e ) ,
decimos que es un evento seguro. Entre los eventos que no son
s e g u r o s , n i i m p o s i b le s , h a y a l g u n o s m s f c i l d e o b te n e r q u e o t r o s ,
d e c i m o s e n t o n c e s q u e s t o s t i e n e n m a y o r p r o b ab i l i d a d d e o c u r r e n c i a .
E s t o s e p u e d e re p re s e n t a r g r f i c a m e n t e d e l a s i g u i e n t e m an e r a :
- 3 -
H a y q u e o rd e n a r l o s e v e n t o s d e sd e e l m e n o s p r o b a b l e h a s t a e l m s
p ro b a b le , y s i h u b i e r a e v e n t o s i m p o s i b l e s y e v e n t o s s e g u r o s h a y q u e
sealarlos.
a) El dueo de la tiendita vivir 105 aos.
b ) L a p r x i m a se m a n a n o t e n d r d a m a r t e s .
c ) E n e l m e s d e o c t u b re l l o v e r e n e l D . F .
d) El prximo 1 de enero comenzar otro ao.
e ) E l p r x i m o an i m a l m a m f e r o q u e v e a e n l a c a l l e s e r u n p e r r o .
f ) S i t i r o u n d ad o o b t e n d r u n 6 .
g ) O b te n d r c a l i f i c a c i n a p r o b a t o r i a e n e l e x a m e n d e m a t e m t i c a s .
h ) E l p r x i m o b e b q u e n a z c a e n s u f a m i l i a se r v a r n .
1.2 FACTORES DE ALEATORIEDAD
Puntos esparcidos aleatoriamente

sobre un plano bidimensional. Sus
puntos ms cercanos estn resaltados
en rojo.
La aleatoriedad se asocia a todo proceso cuyo resultado no es

p re v i s i b l e m s q u e e n r a z n d e l a i n t e r ve n c i n d e l a z a r . E l
r e s u l t a d o d e t o d o s u c e s o a l e a t o r i o n o p u e d e d e t e r m in a r s e e n
ningn caso antes de que este se produzca. El estudio de los
f e n me n o s a l e a t o r i o s q u e d a d e n t r o d e l m b i t o d e l a t e o r a d e l a
probabilidad y, en un marco ms amplio, en el de la Estadstica.
La palabra aleatorio se usa para expresar una aparente carencia

d e p r o p s i t o , c a u s a , u o rd e n . E l t r m i n o a l e a t o r i e d a d s e u s a a
menudo como sinnimo con un nmero de propiedades estadsticas
medibles, tales como la carencia de tendencias o correlacin.
- 4 -
L a a l e a t o r ie d ad o cu p a un lugar importante en la ciencia y la
filosofa.
Historia
A p e s a r d e l a p r e v a le n c i a d e l o s j u e g o s d e a z a r e n t o d a s l a s p o c a s
y c u l t u r a s , p o r mu c h o t i e m p o e l t e m a e s t u v o d e s a p r o b a d o p o r l a
I g l e s i a C a t l i c a . G e r o l a m o C a r d a n o y G a l i l eo e s c r i b i e r o n s o b r e
l o s ju e g o s d e a z a r , y B l a i s e P a s c a l , P i e r r e d e F e r m a t y C hr i s t i a n
Huygens fundaron la teora de probabilidad.
Los matemticos se centraron primero en aleatoriedad estadstica y

consideraron frecuencias de bloque (es decir, no solo las
f re c u e n c i a s d e o cu r r e n c i a s d e e l e m e n t o s i n d i v i d u a le s , s i n o t a m b i n
bloques de longitudes arbitrarias) como la m e d id a de la
aleatoriedad.
Aplicaciones y usos de la aleatoriedad
L o s n me r o s a le a t o r i o s f u e r o n i n ve s t i g a d o s p r i m e r o e n e l c o n t e x t o
d e l a s a p u e s t a s , y m u c h o s d i s p o s i t i v o s a le a t o r i z a d o s t a l e s c o m o l o s
d ad o s , l a s c a r t a s , y l a s ru l e t a s , f u e r o n p r i m e r o d e s a r r o l l a d o s p ar a
s e r u s a d o s e n a p u e s t a s . L a h a b i l i d ad d e p r o d u c i r j u s t a m e n t e
n m e r o s a le a t o r i o s e s v i t a l a l a a p u e s t a e le c t r n i c a , y c o m o t a l , l o s
m t o d o s u s ad o s p a r a c r e a r l a s s o n u s u a l m e n t e r e g u l a d o r p o r l a s
Juntas de Control de Juego gubernamentales.
L o s n m e r o s a le a t o r i o s s o n t a m b i n u s a d o s p a r a o t r o s p r o p s i t o s ,
d o n d e s u s u so e s m a te m t i c a m e n t e i m p o r t a n t e , t a l c o m o m u e s t r a s
d e u r n a s d e o p in i n , y e n s i t u a c i o n e s d o n d e l a " e q u i d a d " e s
a p r o x i m ad a p o r a l e a t o r i z a c i n , t a l c o m o s e l e c c i o n a r j u r ad o s .
S o l u c i o n e s c o m p u t a c i o n a l e s p a r a a lg u n o s t i p o s d e p r o b l e m a s u s a n
e x t e n s i v a m e n t e n m e ro s a l e a t o r i o s , t a l c o m o e n e l m t o d o d e
M o n t e c a r l o y e n a lg o r i t m o s g e n t i c o s .
Generando Aleatoriedad
E n s u l i b r o " U n a n u e v a f o r m a d e c i e n c i a " , S t e p h e n W o lf r a m
describe tres mecanismos responsables de ( ap a r e n t e m e n t e )
conducta aleatoria en los sistemas:
1. A l e a t o r i e d a d v i n ie n d o d e l e n t o r n o ( p o r e j e m p l o , m o v i m i e n t o
b ro w n i a n o , p e ro t a m b i n h a r d w a r e g e n e r ad o r d e n m e r o s
aleatorios).
2. A l e a t o r i e d a d v i n ie n d o d e l a s c o n d i c i o n e s in i c i a l e s . E s t e a s p e c t o
e s e s t u d i a d o p o r l a T eo r a d el C ao s , y e s o b s e r v ad o e n
s i s t e m a s cu y o c o m p o r t a m i e n t o e s m u y s e n s i t i v o a p e q u e a s
v a r i a c i o n e s e n d i c h a c o n d i c i o n e s in i c i a l e s .
L a s m u c h a s a p l i c a c i o n e s d e l a a l e a t o r ie d a d h a n l l e v a d o a m u c h o s
m t o d o s d if e re n t e s p a r a g e n e r a r d a t o s a l e a t o r i o s . E s t o s m t o d o s
- 5 -
p u e d e n v a r i a r d e p e n d e d e c u n i m p r e d e c i b le o e s t a d s t i c a m e n t e
aleatorios son, y cun rpido pueden generar nmeros aleatorios.
A n t e s d e l a v a n ce d e l o s g e n e r ad o r e s c o m p u t a c i o n a l e s d e n m e r o s
a l e a t o r i o s , g e n e r a r g r a n d e s c a n t i d ad e s d e n m e r o s s u f i c i e n t e m e n t e
aleatorios (importante en estadstica) requera mucho trabajo. Los
r e s u l t a d o s p o d a n s e r a l g u n a s v e c e s se r c o l e c t a d o s y d i s t r i b u i d o s
c o m o t a b l a s d e n me r o s a l e a t o r i o s .
1.3 DEFINICIONES DE PROBABILIDAD Y TIPOS DE

SUCESOS
Definicin de Probabilidad
La probabilidad de un suceso es un nmero, comprendido entre 0 y

1 , q u e i n d i c a l a s p o s i b i l i d a d e s q u e t i e n e d e ve r i f i c a r s e c u a n d o s e
realiza un experimento aleatorio.
E x p e r i m e n t o s d e t er m i n i s t a s
S o n l o s e xp e r i m e n t o s d e l o s q u e p o d e m o s p r e d e c i r e l r e s u l t a d o
antes de que se realicen.
Ejemplo
S i d e j a mo s c a e r u n a p i e d r a d e sd e u n a v e n t a n a s ab e m o s , s i n l u g a r a
d u d a s , q u e l a p ie d r a b a j a r . S i l a a r r o j a m o s h a c i a a r r ib a , s a b e m o s
q u e s u b i r d u r an t e u n d e t e r m in a d o i n te r v a l o d e t i e m p o ; p e r o
d e sp u s b a j a r .
Experimentos aleatorios
Son aquellos en los que no se puede predecir el resultado, ya que

ste depende del azar.
Ejemplos
S i l a n z a m o s u n a m o n e d a n o s a b e m o s d e a n t e m an o s i s a l d r c a r a o
cruz.
S i l a n z a m o s u n d ad o t a m p o c o p o d e m o s d e te r m i n a r e l r e su l t a d o q u e
vamos a obtener.
- 6 -
T e o r a d e pr o b a b i l i d a d e s
L a t eo r a d e p r o b a b i l i d a d e s s e o c u p a d e a s i g n a r u n c i e r t o
n m e r o a c a d a p o s i b l e r e s u l t a d o q u e p u e d a o cu r r i r e n u n
experimento aleatorio , con el fin de cuantificar dichos resultados
y s ab e r s i u n s u c e s o e s m s p r o b a b l e q u e o t r o . C o n e s te f i n ,
introduciremos algunas definiciones:
Suceso
E s c a d a u n o d e l o s re s u l t a d o s p o s i b l e s d e u n a e xp e r i e n c i a a l e a t o r i a .
A l l a n z a r u n a mo n e d a s a l g a c a r a .
A l l a n z a r u n a mo n e d a se o b te n g a 4 .
Espacio muestral
E s e l c o n ju n t o d e t o d o s l o s p o s i b le s r e s u l t a d o s d e u n a e xp e r ie n c i a
a l e a t o r i a , l o re p r e s e n t a r e m o s p o r E ( o b i e n p o r l a le t r a g r ie g a ) .
E s p a c i o mu e s t r a l d e u n a m o n e d a :
E = {C, X}.
E s p a c i o mu e s t r a l d e u n d a d o :
E = {1, 2, 3, 4, 5, 6}.
Suceso aleatorio
S u c e s o a l e a t o r i o e s c u a l q u i e r s u b c o n j u n t o d e l e sp a c i o m u e s t r a l .
P o r e j e mp l o a l t i r a r u n d a d o u n s u c e s o se r a q u e s a l i e r a p a r , o t r o ,
o b te n e r m l t i p l o d e 3 , y o t r o , s a c a r 5 .
Ejemplo
Una bolsa contiene bolas blancas y negras. Se e x t r ae n

sucesivamente tres bolas. Calcular:
1 . E l e s p a c i o mu e s t r a l .
E = { (b , b ,b ) ; ( b ,b , n ) ; (b , n , b ) ; ( n , b , b ) ; ( b , n , n ) ; ( n , b , n ) ; ( n , n , b ) ;
( n , n , n )}
2 . E l s u c e s o A = { e x t r ae r t r e s b o l a s d e l m i s m o c o l o r } .
A = { (b , b ,b ) ; (n , n , n ) }
3 . E l s u c e s o B = { e x t r a e r a l m e n o s u n a b o l a b l an c a } .
B = { ( b ,b , b ); ( b ,b , n ); ( b ,n , b ) ; ( n , b , b ) ; ( b , n , n ) ; ( n , b , n ) ; ( n , n , b ) }
4. El suceso C = {extraer una sola bola negra}.
- 7 -
C = { ( b ,b , n ) ; ( b ,n , b ) ; ( n ,b , b ) }
T IP O S D E S U C E S O S
Suceso Simple
Es cada uno de los e le m e n t o s que forman p ar t e del e sp a c i o

muestral.
P o r e j e mp l o a l t i r a r u n d a d o u n s u c e s o s i m p le e s s a c a r 5 .
Suceso compuesto
S u c e s o c o m p u e s t o e s c u a l q u i e r s u b c o n j u n t o d e l e sp a c i o m u e s t r a l .
P o r e je m p l o a l t i r a r u n d ad o u n su c e s o se r a q u e s a l i e r a p a r , o t r o ,
o b te n e r m l t i p l o d e 3 .
Suceso seguro
S u c e s o s e g u r o , E , e s t f o r m a d o p o r t o d o s l o s p o s i b le s r e s u l t a d o s
( e s d e c i r , p o r e l e sp a c i o m u e s t r a l ) .
P o r e j e mp l o a l t i r a r u n d a d o u n d ad o o b t e n e r u n a p u n t u a c i n q u e
s e a me n o r q u e 7.
S u c e s o i m po s i b l e
S u c e s o i m po s i b l e , , e s e l q u e n o t i e n e n in g n e l e m e n t o .
P o r e j e mp l o a l t i r a r u n d a d o o b te n e r u n a p u n tu a c i n i g u a l a 7 .
S u c e s o s c o m p a t i bl e s
Dos sucesos, A y B, son compatibles cuando tienen algn suceso

e le m e n t a l c o m n .
S i A e s s a c a r p u n t u a c i n p a r a l t i r a r u n d ad o y B e s o b te n e r
mltiplo de 3, A y B son compatibles porque el 6 es un suceso
Sucesos incompatibles o excluyentes.
Dos sucesos, A y B, son incompatibles cuando no tienen ningn

e le m e n t o e n c o m n .
mltiplo de 5, A y B son incompatibles.
Sucesos independientes
D o s s u c e s o s , A y B , s o n in d e p e n d i e n t e s c u a n d o l a p r o b a b i l i d ad d e
q u e su c e d a A n o s e ve a f e c t a d a p o r q u e h a y a s u c e d id o o n o B .
- 8 -
A l l a z a r d o s d ad o s l o s r e su l t a d o s s o n in d e p e n d i e n te s .
Sucesos dependientes
D o s s u c e s o s , A y B , s o n d e p e n d ie n t e s c u an d o l a p r o b ab i l i d a d d e
q u e su c e d a A s e ve a f e c t a d a p o r q u e h a y a s u c e d id o o n o B .
Extraer dos cartas de una baraja, sin reposicin, son sucesos

d e p e n d ie n te s .
S u c e s o C o n t r a r i o o C o mp l e m e n t o
E l s u ce s o c o n t r a r i o a A e s o t r o s u c e s o q u e s e r e a l i z a c u an d o n o s e
r e a l i z a A . Se d e n o t a p o r .
S o n s u c e s o s c o n t r a r i o s s a c a r p a r e i m p a r a l l a n z a r u n d ad o .
TEMA 2. LA DESCRIPCIN
ESTADSTICA DE DATOS
2.1 CONCEPTOS DE ESTADSTICA
Definicin de Estadstica
L a E s t a d s t i c a t r a t a d e l re c u e n t o , o r d e n a c i n y c l a s i f i c a c i n d e l o s
datos obtenidos por las o b se r v a c i o n e s , para poder hacer
comparaciones y sacar conclusiones.
U n e s t u d i o e s t a d s t i c o c o n s t a d e l a s s i g u ie n t e s f a s e s :
Recogida de datos.
O rg a n i z a c i n y r e p r e se n t a c i n d e d a t o s .
Anlisis de datos.
O b te n c i n d e c o n c l u s i o n e s .
C o nc e p t o s d e E s t a d s t i c a
Poblacin
U n a po b l a c i n e s e l c o n ju n t o d e t o d o s l o s e l e m e n t o s a l o s q u e s e
somete a un estudio estadstico.
- 9 -
Individuo
U n i n di v i d u o o u n i d a d e s t a d s t i c a e s c a d a u n o d e l o s e l e m e n t o s
q u e c o mp o n e n l a p o b l a c i n .
Muestra
Una muestra es un conjunto representativo de la poblacin de

r e f e re n c i a , e l n me r o d e i n d i v i d u o s d e u n a m u e s t r a e s m e n o r q u e
el de la poblacin.
Muestreo
El muestreo e s l a r e u n i n d e d a t o s q u e s e d e se a e s t u d i a r ,
o b te n i d o s d e una proporcin reducida y representativa de la
poblacin.
Valor
Un valor es cada uno de los distintos resultados que se pueden

o b te n e r e n u n e s t u d i o e s t a d s t i c o . S i l a n z a m o s u n a m o n e d a a l a i r e
5 ve c e s o b te n e m o s d o s v a l o r e s : c a r a y c r u z .
Dato
U n d a t o e s c a d a u n o d e l o s v a l o r e s q u e se h a o b te n i d o a l r e a l i z a r
u n e s t u d i o e s t a d s t i c o . S i l a n z a m o s u n a m o n e d a a l a i r e 5 ve c e s
o b te n e m o s 5 d a t o s : c a r a , c a r a , c r u z , c a r a , c r u z .
2.2 VARIABLE ESTADSTICA
Definicin de variable
Una variable estadstica es cada una de las caractersticas o

c u a l i d a d e s q u e p o s e e n lo s i n d i v i d uo s d e u n a p o b l a c i n .
T ipos de var iable e st adst ic as

Variable cualitativa
L a s v a r i a b l e s c u a l i t a t i v a s s e r e f ie r e n a c a r a c t e r s t i c a s o
cualidades que no pueden ser medidas con nmeros. Podemos
distinguir dos tipos:
Variable cualitativa nominal
Una variable cualitativa nominal presenta modalidades no

numricas que no admiten un criterio de orden. Por ejemplo:
E l e s t a d o c i v i l , c o n l a s s i g u i e n t e s m o d a l i d ad e s : s o l t e r o , c a s a d o ,
s e p a r ad o , d i v o r c i a d o y v i u d o .
- 10 -
Variable cualitativa ordinal o variable cuasicuantitativa
Una variable cualitativa ordinal presenta modalidades no

nmericas, en las que existe un orden. Por ejemplo:
L a n o t a e n u n e x a me n : s u sp e n s o , a p r o b a d o , n o t a b l e , s o b r e s a l i e n t e .
Puesto conseguido en una prueba deportiva: 1, 2, 3, ...
M e d a l l a s d e u n a p ru e b a d e p o r t i v a : o r o , p l a t a , b r o n c e .
Variable cuantitativa
U n a v a r i a b l e c u a n t i t a t i v a e s l a q u e se e xp r e s a m e d i a n te u n
nmero, por tanto se pueden realizar o peraciones aritmticas
con ella. Podemos distinguir dos tipos:
V a r i a b l e di s c r e t a
Una variable discreta es aquella que toma valores aislados, es

decir no admite valores intermedios entre dos valores
e s p e c f i c o s . P o r e je m p lo :
E l n me r o d e h e r m a n o s d e 5 a m i g o s : 2 , 1 , 0 , 1 , 3 .
Variable continua
U n a v a r i a b l e c o n ti n u a e s a q u e l l a q u e p u e d e tomar valores
c o m p r e n di d o s e n t r e do s n m e r o s . P o r e j e m p l o :
La altura de los 5 amigos: 1.73, 1.82, 1.77, 1.69, 1.75.
En la prctica medimos la altura con dos decimales, pero tambin

se podra dar con tres decimales.
2.3 TABLAS ESTADSTICAS
Distribucin de frecuencias
L a di s t r i b u c i n d e f r e c u e n c i a s o t a b l a d e f r e c u e n c i a s e s u n a
ordenacin en forma de tabla de los datos estadsticos,
asignando a cada dato su frecuencia correspondiente.
T i pos de f re c ue nc ias
F r ec u e n c i a a b s o l u t a
La frecuencia absoluta es el nmero de veces que aparece un

d e te r m i n ad o v a l o r e n u n e s t u d i o e s t a d s t i c o .
S e re p r e s e n t a p o r f i .
- 11 -
La suma de las frecuencias absolutas es igual al nmero total de
d a t o s , q u e s e re p re s e n t a p o r N .
P a r a i n d i c a r re s u m i d a me n t e e s t a s s u m a s s e u t i l i z a l a l e t r a g r ie g a
( s i g m a m a y s c u l a ) q u e s e le e s u m a o s u m a t o r i a .
F r ec u e n c i a r e l a t i v a
La frecuencia relativa es el cociente entre la frecuencia

a b s o l u t a d e u n d e t e r m in a d o v a l o r y e l n m e r o t o t a l d e d a t o s .
S e p u e d e e x p re s a r e n t a n t o s p o r c i e n t o y s e r e p r e s e n t a p o r n i .
La suma de las frecuencias relativas es igual a 1.
F r ec u e n c i a a c u m u l a d a
La frecuencia acumulada es la suma de las frecuencias

absolutas de todos los valores inferiores o iguales al valor
considerado.
S e re p r e s e n t a p o r F i .
F r ec u e n c i a r e l a t i v a a c u m u l a d a
La frecuencia relativa acumulada es el cociente entre la

f r e c u e n c i a a c u m u l a d a d e u n d e te r m i n a d o v a l o r y e l n m e r o
total de datos. Se puede expresar en tantos por ciento.
Ejemplo
D u r an t e e l m e s d e j u l i o , e n u n a ciudad se h an registrado las

s i g u i e n t e s t e mp e r a t u r a s m x i m a s :
32, 31, 28, 29, 33, 32, 31, 30, 31, 31, 27, 28, 29, 30, 32, 31, 31,
30, 30, 29, 29, 30, 30, 31, 30, 31, 34, 33, 33, 29, 29.
E n l a p r i me r a c o l u mn a d e l a t ab l a c o l o c a m o s l a v a r i a b l e o r d e n ad a
d e me n o r a m a y o r , e n l a s e g u n d a h a c e m o s e l r e c u e n t o y e n l a
t e r c e r a an o t a m o s l a f re c u e n c i a a b s o l u t a .
T a b l a d e D i s t r i b u c i n d e F r ecuencias
xi Recuento fi Fi ni Ni
- 12 -
27 I 1 1 0.032 0.032
28 II 2 3 0.065 0.097
29 6 9 0.194 0.290
30 7 16 0.226 0.516
31 8 24 0.258 0.774
32 III 3 27 0.097 0.871
33 III 3 30 0.097 0.968
34 I 1 31 0.032 1
31 1
Este tipo de tablas de frecuencias se utiliza con variables

discretas.
D i str i b uc i n de fr ec ue nc ias agr upadas

La distribucin de frecuencias agrupadas o tabla con datos
agrupados se emplea si las variables toman un nmero grande
de valores o la variable es continua.
S e a g r u p a n l o s v a l o r e s e n i n t e r v a l o s q u e t e n g an la misma
a m p l i t u d d e n o m i n ad o s c l a s e s . A c a d a c l a s e s e l e asigna su
frecuencia correspondiente.
Lmites de la clase
Cada clase est delimitada por el lmite inferior de la clase y el

l mi t e s u p e r i o r d e l a c l a s e .
Amplitud de la clase
L a a m p l i t u d d e l a c l a s e e s l a d i f e r e n c i a e n t r e e l l mi t e s u p e r i o r
e inferior de la clase.
Marca de clase
La marca de clase es el punto medio de cada intervalo y es el

v a l o r q u e r e p r e se n t a a t o d o e l i n t e r v a l o p ar a e l c l c u l o d e
algunos parmetros.
Construccin de una tabla de datos agrupados
3, 15, 24, 28, 33, 35, 38, 42, 43, 38, 36, 34, 29, 25, 17, 7, 34, 36,
39, 44, 31, 26, 20, 11, 13, 22, 27, 47, 39, 37, 34, 32, 35, 28, 38,
41, 48, 15, 32, 13.
- 13 -
1 S e l o c a l i z a n l o s v a l o re s m e n o r y m a y o r d e l a d i s t r i b u c i n . E n
este caso son 3 y 48.
2 S e re s t a n y s e b u s c a u n n m e r o e n t e r o u n p o c o m a y o r q u e l a
diferencia y que sea divisible por el nmero de intervalos
queramos establecer.
E s c o n v e n i e n t e q u e e l n m e r o d e in t e r v a l o s o s c i l e e n t r e 6 y
15.
En este caso, 48 - 3 = 45, incrementamos el nmero hasta

5 0 : 5 = 10 i n t e r v a l o s .
S e f o r m a n l o s in t e r v a l o s t e n i e n d o p r e s e n t e q u e e l l m i t e
i n f e r i o r d e u n a c l a s e p e r t e n e c e a l in t e r v a l o , p e r o e l l m i t e
s u p e r i o r n o p e r te n e c e i n t e r v a l o , s e c u e n t a e n e l s i g u i e n t e
intervalo.
Tabla de frecuencias
Clases ci fi Fi ni Ni
[0, 5) 2.5 1 1 0.025 0.025
[5, 10) 7.5 1 2 0.025 0.050
[10, 15) 12.5 3 5 0.075 0.125
[15, 20) 17.5 3 8 0.075 0.200
[20, 25) 22.5 3 11 0.075 0.275
[25, 30) 27.5 6 17 0.150 0.425
[30, 35) 32.5 7 24 0.175 0.600
[35, 40) 37.5 10 34 0.250 0.850
[40, 45) 42.5 4 38 0.100 0.950
[45, 50) 47.5 2 40 0.050 1
40 1
2.4 DIAGRAMA DE BARRAS Y POLGONOS DE

FRECUENCIAS
- 14 -
Diagrama de barras
Un diagrama de barras se utiliza para de presentar datos

c u a l i t a t i v o s o d a t o s c u a n t i t a t i v o s d e t i p o d i s c r e to .
S e re p r e s e n t a n s o b re u n o s e j e s d e c o o r d e n a d a s , e n e l e j e d e
abscisas se colocan los valores de la variable , y sobre el eje de
o r d e n a d a s l a s f r e c u e n c i a s a b s o l u t a s o r el a t i v a s o a c u m u l a d a s .
L o s d a t o s s e re p re s e n t a n m e d i a n t e barras de una altura

proporcional a la frecuencia.
Ejemplo
U n e s t u d i o h e c h o a l c o n ju n t o d e l o s 2 0 a l u m n o s d e u n a c l a s e p a r a
d e te r m i n a r s u g ru p o s a n g u n e o h a d ad o e l s i g u i e n t e r e s u l t a d o :
Grupo sanguneo fi
A 6
B 4
AB 1
0 9
20
Grfica de Barras
Polgonos de frecuencia
U n p o l go n o d e f r e c u e n c i a s s e f o r m a u n ie n d o l o s ex t r e m o s d e
l a s b a r r a s me d i a n t e s e g m e n t o s .
- 15 -
T a m b i n s e p u e d e re a l i z a r t r a z an d o l o s p u n t o s q u e r e p r e se n t a n l a s
frecuencias y unindolos mediante segmentos.
Ejemplo
L a s t e mp e r a t u r a s e n u n d a d e o t o o d e u n a c i u d ad h a n s u f r i d o l a s
siguientes variaciones:
Registro de Temperaturas
Hora Temperatura
6 7
9 12
12 14
15 11
18 12
21 10
24 8
Polgono de Frecuencias
2.5 DIAGRAMA DE SECTORES
- 16 -
U n di a g r a m a d e s e c t o r e s s e p u e d e u t i l i z a r p a r a t o d o t i p o d e
v a r i a b l e s , p e r o s e u s a f r e cu e n te m e n t e p a r a l a s variables
cualitativas.
L o s d a t o s s e r e p r e s e n t a n e n u n c r c ul o , d e m o d o q u e e l n g u l o
de cada sector es proporcional a la frecuencia absoluta
c o r r e s p o n d i e n te .
E l d i a g r a m a c i r c u l a r s e c o n s t r u y e c o n l a a yu d a d e u n t r a n s p o r t a d o r
de ngulos.
Ejemplo
E n u n a c l a s e d e 3 0 a l u mn o s , 1 2 j u e g a n a b a lo n c e s t o , 3 p r a c t i c a n l a
n a t a c i n , 9 j u e g a n a l f tb o l y e l r e s t o n o p r a c t i c a n in g n d e p o r te .
R e g i s t r o d e D e po r t e s Grfica de Secotres o de Pie
Deporte Alumnos ngulo
Baloncesto 12 144
Natacin 3 36
Ftbol 9 108
Sin deporte 6 72
Total 30 360
- 17 -
2.6 HISTOGRAMAS
U n h i s t o g r a m a e s u n a r ep r e s e n t a c i n g r f i c a d e u n a v a r i a b l e
en forma de barras.
Se utilizan para variables continuas o para variables discretas ,

c o n u n g r a n n m e r o d e d a t o s , y q u e se h an a g r u p ad o e n c l a s e s .
E n e l e j e a b s c i s a s s e c o n s t r u ye n u n o s r ec t n g u l o s q u e t i e n e n p o r
base la amplitud del intervalo , y por altura, la frecuencia
absoluta de cada intervalo.
La superficie de cada barra es proporcional a la frecuencia de

l o s v a l o r e s re p re s e n t a d o s .
Polgono de frecuencia
P a r a c o n s t r u i r e l po l g o n o d e f r e c u e n c i a s e t o m a l a m a r c a d e
clase que coincide con el punto medio de cada rectngulo.
Ejemplo
E l p e s o d e 6 5 p e r s o n a s a d u l t a s v i e n e d a d o p o r l a s i g u i e n te t a b l a :
Registro de Pesos
Clases ci fi Fi
[50, 60) 55 8 8
[60, 70) 65 10 18
[70, 80) 75 16 34
[80, 90) 85 14 48
[90, 100) 95 10 58
[100, 110) 105 5 63
[110, 120) 115 2 65
65
- 18 -
H i s t o gr a m a y P o l g o n o d e F r ec u e n c i a s
H i s t o gr a m a y po l g o no d e f r e c u e n c i a s a c u m u l a d a s
S i s e re p re s e n t a n l a s f r e c u e n c i a s a c u m u l a d a s d e u n a t a b l a d e
datos agrupados se obtiene el histograma de frecuencias
a c u m u l a d a s o s u c o r re s p o n d i e n t e p o l g o n o .
- 19 -
H i s t o gr a m a s c o n i n t e r v a l o s d e a m p l i t u d d i f e r e n t e
Para construir un histogramas con intervalo de amplitud

diferente tenemos que calcular las alturas de los rectngulos
del histograma.
hi es la altura del intervalo.
f i e s l a f re c u e n c i a d e l in t e r v a l o .
ai es la amplitud del intervalo.
Ejemplo
E n l a s i g u ie n t e t a b l a s e m u e s t r a l a s c a l i f i c a c i o n e s ( s u sp e n s o ,
a p r o b a d o , n o t a b le y s o b r e s a l i e n t e ) o b t e n i d a s p o r u n g r u p o d e 5 0
alumnos.
R e g i s t r o d e C al i f i c a c i o n e s
Clases fi hi
[0, 5) 15 3
[5, 7) 20 10
[7, 9) 12 6
[9, 10) 3 3
50
H i s t o gr a m a d e F r e c u e n c i a s
- 20 -
2.7 PARMETROS ESTADSTICOS
Definicin de parmetro estadstico
Un parmetro estadstico es un nmero que se obtiene a partir

d e l o s d a t o s d e u n a di s t r i b u c i n e s t a d s t i c a .
Los parmetros estadsticos sirven para sintetizar la informacin

d ad a p o r u n a t a b l a o p o r u n a g r f i c a .
T i po s d e p a r m e t r o s e s t a d s t i c o s
Hay tres tipos parmetros estadsticos :
De centralizacin.
De posicin
De dispersin.
Medidas de centralizacin
N o s i n d i c a n e n t o r n o a q u v a l o r ( c e n t r o ) s e d i s t r i b u ye n lo s d a t o s .
La medidas de centralizacin son:
Media aritmtica
L a m e d i a e s e l v a l o r pr o m e d i o d e l a d i s t r i b u c i n .
Mediana
La mediana es la puntacin de la escala que separa la mitad

s u p e r i o r d e l a d i s t r i b u c i n y l a i n f e r i o r , e s d e c i r d i v id e l a se r i e d e
d a t o s e n do s p a r t e s i g u a l e s .
Moda
La moda es el valor que ms se repite en una distribucin.
M e d i d a s d e po s i c i n
L a s m e d i d a s d e po s i c i n d i v id e n u n c o n j u n t o d e d a t o s e n g r u p o s
c o n e l m i s m o n m e r o d e in d i v i d u o s .
Para calcular las medidas de posicin es necesario que los datos

e s t n o rd e n a d o s d e m e n o r a m a y o r .
L a m e d i d a s d e p o si c i n s o n :
- 21 -
Cuartiles
L o s c u a r t i l e s di v i d e n l a s e r i e d e d a t o s e n c u a t r o p a r t e s i g u a l e s .
Deciles
L o s d e c i l e s d i v i d e n l a se r i e d e d a t o s e n d i e z p a r t e s i g u a l e s .
Percentiles
L o s p e r c e n t i l e s d i v i d e n l a se r i e d e d a t o s e n c i e n p a r t e s i g u a l e s .
M e d i d a s d e di s p e r s i n
L a s m e d i d a s d e d i s p e r si n n o s i n f o r m a n s o b r e c u a n t o s e a l e j an
del centro los valores de la distribucin.
L a s m e d i d a s d e di s p e r s i n s o n :
Rango o recorrido
E l r a n g o e s l a di f e r e n c i a e n t r e e l m a y o r y e l m e n o r d e l o s d a t o s
de una distribucin estadstica.
Desviacin media
La desviacin media es la media aritmtica de los valores

absolutos de las desviaciones respecto a la media.
Varianza
La varianza es la media aritmtica del cuadrado de las

desviaciones respecto a la media.
Desviacin estndar o tpica
La desviacin tpica es la raz cuadrada de la varianza.
2.8 MEDIDAS DE TENDENCIA CENTRAL
MODA
Definicin de moda
La moda es el valor que tiene mayor frecuencia absoluta .
S e re p r e s e n t a p o r M o .
Se puede hallar la moda p ar a variables cualitativas y

cuantitativas.
Hallar la moda de la distribucin:
- 22 -
2, 3, 3, 4, 4, 4, 5, 5 Mo= 4
S i e n u n g ru p o h a y d o s o v a r i a s p u n t u a c i o n e s c o n l a m i s m a
frecuencia y esa frecuencia es la mxima, la distribucin es
bimodal o multimodal, es decir, tiene varias modas.
1, 1, 1, 4, 4, 5, 5, 5, 7, 8, 9, 9, 9 Mo= 1, 5, 9
C u an d o t o d a s l a s p u n t u a c i o n e s d e u n g r u p o t i e n e n l a m i s m a
frecuencia, no hay moda.
2, 2, 3, 3, 6, 6, 9, 9
Si dos puntuaciones adyacentes tienen la frecuencia mxima,

l a m o d a e s e l p r o m e d i o d e l a s d o s p u n tu a c i o n e s ad y a c e n t e s .
0, 1, 3, 3, 5, 5, 7, 8Mo = 4
C l c ul o de la moda par a dat os agr upados

1 T o do s l o s i n t e r v a l o s ti e n e n l a m i s m a a m p l i t u d .
Li es el lmite inferior de la clase modal.
f i e s l a f re c u e n c i a ab s o l u t a d e l a c l a s e m o d a l .
f i - - 1 e s l a f r e c u e n c i a a b s o l u t a in m e d i a t a m e n t e in f e r io r a l a
clase modal.
f i - + 1 e s l a f r e c u e n c i a ab s o l u t a in m e d i a t a m e n t e p o s t e r io r a l a
clase modal.
ai es la amplitud de la clase.
T a m b i n s e u t i l i z a o t r a f r m u l a d e l a m o d a q u e d a u n v a l o r
aproximado de sta:
Ejemplo
Calcular la moda de una distribucin estadstica que viene dada

p o r l a s i g u ie n t e t a b l a :
- 23 -
Registro de Temperaturas
Clases fi
[60, 63) 5
[63, 66) 18
[66, 69) 42
[69, 72) 27
[72, 75) 8
100
2 Lo s i n t e r v a l o s t i e n e n a m p l i t u d e s d i s t i n t a s .
E n p r i me r l u g a r t e n e mo s q u e h a l l a r l a s a l t u r a s .
La clase modal es la que tiene mayor altura.
La frmula de la moda aproximada cuando existen distintas

amplitudes es:
Ejemplo
E n l a s i g u ie n t e t a b l a s e m u e s t r a l a s c a l i f i c a c i o n e s ( s u sp e n s o ,
a p r o b a d o , n o t a b le y s o b r e s a l i e n t e ) o b t e n i d a s p o r u n g r u p o d e 5 0
alumnos. Calcular la moda.
- 24 -
Registro de Frecuencias
Clases fi hi
[0, 5) 15 3
[5, 7) 20 10
[7, 9) 12 6
[9, 10) 3 3
50
MEDIANA
Definicin de mediana
E s e l v a l o r q u e o cu p a e l l u g a r c e n t r a l d e t o d o s l o s d a t o s c u a n d o
stos estn ordenados de menor a mayor.
L a m e d i a n a s e re p re s e n t a p o r M e .
La mediana se puede hallar slo para variables cuantitativas.
Clculo de la mediana
1. Ordenamos los datos de menor a mayor.
2. Si la serie tiene un nmero impar de medidas la

mediana es la puntuacin central de la misma.
2, 3, 4, 4, 5, 5, 5, 6, 6Me= 5
3. S i l a s e r i e t i e n e u n n m e r o p a r d e p u n tu a c i o n e s l a
mediana es la media entre las dos puntuaciones
centrales.
7 , 8 , 9 , 1 0 , 11 , 1 2 M e = 9 . 5
Clculo de la mediana para datos agrupados
L a m e d i a n a s e e n cu e n t r a e n e l i n t e r v a l o d o n d e l a f r e c u e n c i a
acumulada llega hasta la mitad de la suma de las frecuencias
absolutas.
- 25 -
E s d e c i r t e n e m o s q u e b u s c a r e l in t e r v a l o e n e l q u e s e e n c u e n t r e
L i e s e l l m i t e i n f e r i o r d e l a c l a s e d o n d e s e e n cu e n t r a l a m e d i a n a .
e s l a s e m i s u m a d e l a s f r e c u e n c i a s a b s o lu t a s .
F i - 1 e s l a f r e c u e n c i a a c u m u l a d a a n te r i o r a l a c l a s e m e d i an a .
La mediana es independiente de las amplitudes de los

intervalos.
Ejemplo
Calcular la mediana de una distribucin estadstica que viene

d ad a p o r l a s i g u i e n t e t a b l a :
Clases fi Fi
[60, 63) 5 5
[63, 66) 18 23
[66, 69) 42 65
[69, 72) 27 92
[72, 75) 8 100
100
100/2 = 50
Clase de la mediana: [66, 69)
MEDIA ARITMTICA O MEDIA

Definicin de media aritmtica
- 26 -
La media aritmtica es el valor obtenido al sumar todos los
d a t o s y d i v i di r e l r e s u l t a d o e n tr e e l n m e r o t o t a l d e d a t o s .
es el smbolo de la media aritmtica.
Ejemplo
L o s p e s o s d e se i s a m i g o s s o n : 8 4 , 9 1 , 7 2 , 6 8 , 8 7 y 7 8 k g . H a l l a r e l
p e so m e d i o .
Media aritmtica para datos agrupados
Si los datos vienen agrupados en una tabla de frecuencias, la

e xp r e s i n d e l a m e d i a e s :
Ejercicio de media aritmtica
E n u n t e s t r e a l i z ad o a u n g r u p o d e 4 2 p e r s o n a s s e h a n o b t e n i d o l a s
p u n t u a c i o n e s q u e mu e s t r a l a t a b l a . C al c u l a l a p u n t u a c i n m e d i a .
Clases xi fi xi fi
[10, 20) 15 1 15
[20, 30) 25 8 200
[30,40) 35 10 350
[40, 50) 45 9 405
[50, 60 55 8 440
- 27 -
[60,70) 65 4 260
[70, 80) 75 2 150
42 1 820
Propiedades de la media aritmtica
1. La suma de las desviaciones de todas las puntuaciones de

u n a d i s t r i b u c i n r e sp e c t o a l a m e d i a d e l a m i s m a ig u a l a c er o .
L a s u m a d e l a s d e s v i a c i o n e s d e lo s n m e r o s 8 , 3 , 5 , 1 2 , 1 0 d e
s u me d i a a r i t m t i c a 7 . 6 e s i g u a l a 0 :
8 7. 6 + 3 7 . 6 + 5 7 . 6 + 1 2 7 . 6 + 1 0 7 . 6 =
= 0. 4 4.6 2.6 + 4. 4 + 2. 4 = 0
2. La suma de los cuadrados de las desviaciones de los valores

d e l a v a r i a b le c o n r e s p e c t o a u n n m e r o c u a l q u i e r a s e h a c e
mnima cuando dicho nmero coincide con la media
aritmtica.
3. S i a t o d o s l o s v a l o r e s d e l a v a r i a b l e se l e s s u m a u n m i s m o
nmero, la media aritmtica queda aumentada en dicho
nmero.
4. S i t o d o s l o s v a l o re s d e l a v a r i ab l e s e m u l t i p l i c a n p o r u n
mismo nmero la media aritmtica queda multiplicada por
dicho nmero.
Observaciones sobre la media aritmtica
1. La media se puede hallar slo para variables cuantitativas.
2. La media es independiente de las amplitudes de los

intervalos.
3. L a m e d i a e s m u y s e n s i b le a l a s p u n t u a c i o n e s e x t r e m a s . S i
t e n e m o s u n a d i s t r i b u c i n c o n l o s s i g u ie n t e s p e s o s :
6 5 kg , 6 9 kg , 6 5 k g , 72 k g , 6 6 kg , 7 5 kg , 7 0 k g , 1 1 0 k g .
La media es igual a 74 kg, que es una medida de

c e n t r a l i z a c i n p o c o re p r e s e n t a t i v a d e l a d i s t r i b u c i n .
- 28 -
4. La media no se puede calcular si hay un intervalo con una
amplitud indeterminada.
Clases xi fi
[60, 63) 61.5 5
[63, 66) 64.5 18
[66, 69) 67.5 42
[69, 72) 70.5 27
[72, ) 8
100
E n e s t e c a s o n o e s p o s ib l e h a l l a r l a m e d i a p o r q u e no
p o d e mo s c a l c u l a r l a m a r c a d e c l a s e d e l t i m o i n te r v a l o .
2.9 DISTRIBUCIN DE LOS DATOS
CUARTILES
L o s c u a r t i l e s s o n l o s t r e s v a l o r e s d e l a v a r i ab l e q u e d i v i d e n a u n
conjunto de datos ordenados en cuatro partes iguales .
Q 1 , Q 2 y Q 3 d e te r m i n a n l o s v a l o r e s c o r r e sp o n d i e n te s a l 2 5 % , a l
50% y al 75% de los datos.
Q2 coincide con la mediana.
Clculo de los cuartiles
2. Buscamos el lugar que ocupa cada cuartil mediante la
e xp r e s i n .
Nmero impar de datos
2, 5, 3, 6, 7, 4, 9
- 29 -
Nmero par de datos
2, 5, 3, 4, 6, 7, 1, 9
Clculo de los cuartiles para datos agrupados
En p r i me r lugar buscamos la clase donde se encuentra
, en la tabla de las frecuencias acumuladas .
Li es el lmite inferior de la clase donde est el cuartil.
N e s l a s u m a d e l a s f re c u e n c i a s ab s o l u t a s .
Fi-1 la frecuencia acumulada anterior a la clase del cuartil.
Ejercicio de cuartiles
Calcular los cuartiles de la distribucin de la tabla:
Clases fi Fi
[50, 60) 8 8
[60, 70) 10 18
[70, 80) 16 34
[80, 90) 14 48
[90, 100) 10 58
- 30 -
[100, 110) 5 63
[110, 120) 2 65
65
- 31 -
C l c u l o d el pr i m e r c u a r t i l
C l c u l o d el s e g u n d o c u a r t i l
C l c u l o d el t e r c e r c u a r t i l
DECILES
L o s d e c i l e s s o n l o s n u e v e v a l o r e s q u e d i v i d e n l a s e r ie d e d a t o s
en diez partes iguales.
L o s d e c i l e s d a n l o s v a l o r e s c o r r e s p o n d ie n t e s a l 1 0 % , a l 2 0 % . . . y
al 90% de los datos.
D5 coincide con la mediana.
Clculo de los deciles
En p r i me r lugar buscamos la clase donde se e n cu e n t r a
, e n l a t a b l a d e l a s f r e c u e n c i a s a c u m u l ad a s .
Donde:
L i e s e l l m i t e i n f e r i o r d e l a c l a s e d o n d e s e e n cu e n t r a e l d e c i l .
- 32 -
F i - 1 e s l a f r e c u e n c i a a c u m u l a d a a n te r i o r a l a c l a s e e l d e c i l .
Ejercicio de deciles
Calcular los deciles de la distribucin de la tabla:
Clases fi Fi
[50, 60) 8 8
[60, 70) 10 18
[70, 80) 16 34
[80, 90) 14 48
[90, 100) 10 58
[100, 110) 5 63
[110, 120) 2 65
65
C l c u l o d el pr i m e r d e c i l
C l c u l o d el s e g u n d o d e c i l
C l c u l o d el t e r c e r d e c i l
- 33 -
C l c u l o d el c u a r t o d e c i l
C l c u l o d el q u i n t o d e c i l
C l c u l o d el s e x to d e c i l
C l c u l o d el s p t i m o d e c i l
C l c u l o d el o c t a v o d e c i l
C l c u l o d el n o v e n o d ec i l
- 34 -
PERCENTILES
L o s p er c e n t i l e s s o n l o s 9 9 v a l o r e s q u e d i v i d e n l a s e r i e d e d a t o s
en 100 partes iguales.
L o s p e r c e n t i l e s d a n l o s v a l o r e s c o r r e s p o n d ie n t e s a l 1 % , a l 2 % . . . y
P50 coincide con la mediana.
Clculo de los percentiles
En p r i me r lugar buscamos la clase donde se e n cu e n t r a
, en la tabla de las frecuencias acumuladas.
Donde:
L i e s e l l m i t e i n f e r i o r d e l a c l a s e d o n d e d e l p e r ce n t i l .
Fi-1 frecuencia acumulada anterior a la clase del percentil.
Ejercicio de percentiles
C a l c u l a r e l p er c e n t i l 3 5 y 6 0 d e l a d i s t r i b u c i n d e l a t a b l a :
Clases fi Fi
[50, 60) 8 8
[60, 70) 10 18
[70, 80) 16 34
[80, 90) 14 48
[90, 100) 10 58
[100, 110) 5 63
[110, 120) 2 65
- 35 -
65
Percentil 35
Percentil 60
2.10 MEDIDAS DE DISPERSIN
DESVIACIN MEDIA
Desviacin respecto a la media
L a d e s v i a c i n r e s p e c to a l a m e d i a e s l a d i f e r e n c i a e n v a l o r
a b s o l u t o e n t r e c a d a v a l o r d e l a v a r i a b l e e s t ad s t i c a y l a m e d i a
aritmtica.
Di = |x - x|
Desviacin media

absolutos de las desviaciones respecto a la media .
La desviacin media se representa por
Ejemplo
Calcular la desviacin media de la distribucin:
- 36 -
9, 3, 8, 8, 9, 8, 9, 18
Desviacin media para datos agrupados
S i l o s d a t o s v i e n e n a g r u p ad o s e n u n a t a b l a d e f r e c u e n c i a s , l a
e xp r e s i n d e l a d e s v i a c i n m e d i a e s :
Ejemplo
Calcular la desviacin media de la distribucin:
R e gi s t r o d e F r e c u e n c i a s
Clases xi fi xi fi |x - x| |x - x| * fi
[10, 15) 12.5 3 37.5 9.286 27.858
[15, 20) 17.5 5 87.5 4.286 21.43
[20, 25) 22.5 7 157.5 0.714 4.998
[25, 30) 27.5 4 110 5.714 22.856
[30, 35) 32.5 2 65 10.714 21.428
21 457.5 98.57
VARIANZA
- 37 -
L a v a r i a n z a e s l a m e d i a a r i t m t i c a d el c u a d r a d o d e l a s
desviaciones respecto a la media de una distribucin estadstica.
L a v a r i a n z a s e r e p r e se n t a p o r .
Varianza para datos agrupados
Para simplificar el clculo de la varianza vamos o utilizar las

s i g u i e n t e s e xp re s i o n e s q u e s o n e q u i v a l e n te s a l a s a n t e r i o r e s .
Varianza para datos agrupados
Ejercicios de varianza
Calcular la varianza de la distribucin:
9, 3, 8, 8, 9, 8, 9, 18
Calcular la varianza de la distribucin de la tabla:
R e gi s t r o d e F r e c u e n c i a s
Clases xi fi xi fi xi2 fi
[10, 20) 15 1 15 225
[20, 30) 25 8 200 5000
- 38 -
[30,40) 35 10 350 12 250
[40, 50) 45 9 405 18 225
[50, 60 55 8 440 24 200
[60,70) 65 4 260 16 900
[70, 80) 75 2 150 11 250
42 1 820 88 050
Propiedades de la varianza
1. L a v a r i a n z a s e r s i e m p r e u n v a l o r p o si t i v o o c er o , e n e l c a s o
d e q u e l a s p u n t u a c i o n e s s e a n ig u a l e s .
2. S i a t o d o s l o s v a l o r e s d e l a v a r i ab l e s e l e s s u m a u n n m e r o
la varianza no vara.
3. Si todos los valores de la variable se multiplican por un

nmero la varianza queda multiplicada por el cuadrado de
dicho nmero.
4. Si tenemos varias distribuciones con la misma media y

c o n o c e mo s s u s r e sp e c t i v a s v a r i a n z a s s e p u e d e c a l c u l a r l a
varianza total.
Si todas las muestras tienen el mismo tamao:
S i l a s mu e s t r a s t i e n e n d i s t i n t o t a m a o :
Observaciones sobre la varianza
1. La varianza, al igual que la media, es un ndice muy sensible a

l a s p u n tu a c i o n e s e x t r e m a s .
2. En los casos que no se pueda hallar la media tampoco ser

p o s i b le h a l l a r l a v a r i a n z a .
- 39 -
3. L a v a r i a n z a n o v i e n e e xp r e s a d a e n l a s m i s m a s u n i d ad e s q u e
l o s d a t o s , y a q u e l a s d e s v i a c i o n e s e s t n e l e v a d a s a l cu a d r a d o .
- 40 -
DESVIACIN TPICA O DESVIACIN ESTNDAR

La desviacin tpica es la raz cuadrada de la varianza .
E s d e c i r , l a r a z cu a d r a d a d e l a m e d i a d e l o s c u a d r ad o s d e l a s
puntuaciones de desviacin.
La desviacin tpica se representa por .
D e s v i a c i n t pi c a p a r a d a t o s a g r u p a d o s
Para simplificar el clculo vamos o utilizar las siguientes

e xp r e s i o n e s q u e s o n e q u i v a l e n t e s a l a s an t e r i o r e s .
E j e r c i c i o s d e d e s v i a c i n t p i c a
Calcular la desviacin tpica de la distribucin:
9, 3, 8, 8, 9, 8, 9, 18
C a l c u l a r l a d e s v i a c i n t p i c a d e l a d i s t r i b u c i n d e l a t a b l a :
- 41 -
Clases xi fi xi fi xi2 fi
[10, 20) 15 1 15 225
[20, 30) 25 8 200 5000
[30,40) 35 10 350 12 250
[40, 50) 45 9 405 18 225
[50, 60) 55 8 440 24 200
[60,70) 65 4 260 16 900
[70, 80) 75 2 150 11 250
42 1 820 88 050
P r o p i e d a d e s d e l a d e s v i a c i n t p i c a
1. L a d e s v i a c i n t p i c a s e r s i e m p r e u n v a l o r p o si t i v o o c er o ,
e n e l c a s o d e q u e l a s p u n tu a c i o n e s s e an i g u a l e s .
2. S i a t o d o s l o s v a l o r e s d e l a v a r i ab l e s e l e s s u m a u n n m e r o
la desviacin tpica no vara .
3. Si todos los valores de la variable se multiplican por un

nmero la desviacin tpica queda multiplicada por dicho
nmero.
4. Si tenemos varias distribuciones con la misma media y

c o n o c e mo s s u s r e sp e c t i v a s d e s v i a c i o n e s t p i c a s se puede
calcular la desviacin tpica total .
Si todas las muestras tienen el mismo tamao:
S i l a s mu e s t r a s t i e n e n d i s t i n t o t a m a o :
- 42 -
Observaciones sobre la desviacin tpica
1. La desviacin tpica, al igual que la media y la varianza, es

u n n d i c e m u y s e n s i b le a l a s p u n t u a c i o n e s e x t r e m a s .
2. En los casos que no se pueda hallar la media tampoco ser

p o s i b le h a l l a r l a d e s v i a c i n t p i c a .
3. C u an t a m s p e q u e a s e a l a d e s v i a c i n t p i c a m a y o r s e r l a
concentracin de datos alrededor de la media.
COEFICIENTE DE VARIACIN Y PUNTACIONES TPICAS

Coeficiente de variacin
El coeficiente de variacin es la relacin entre la desviacin

t pi c a d e u n a mu e s t r a y s u m e d i a .
E l c o e f i c i e n t e d e v a r i a c i n s e s u e l e e xp r e s a r e n p o r c e n t a j e s :
El coeficiente de variacin permite comparar las dispersiones de

d o s d i s t r i b u c i o n e s d i s t i n t a s , s i e m p r e q u e s u s m e d i a s s e an
p o s i ti v a s .
Se calcula para cada una de las distribuciones y los valores que se

o b t i e n e n s e c o m p a r a n e n t re s .
L a m a y o r di s p e r s i n c o r r e s p o n d e r a l v a l o r d e l c o e f i c i e n t e d e
variacin mayor.
Ejercicio
Una distribucin tiene x = 140 y = 28.28 y otra x = 150 y =

2 4 . C u l d e l a s d o s p re s e n t a m a y o r d i s p e r s i n ?
L a p r i me r a d i s t r i b u c i n p re s e n t a m a y o r d i sp e r s i n .
- 43 -
P u n t u a c i o n e s t p i c a s
P u n t u a c i o n e s di f e r e n c i a l e s
Las puntuaciones diferenciales resultan de restarles a las

p u n t u a c i o n e s di r e c t a s l a m e d i a a r i t m t i c a .
xi = Xi X
Las puntuaciones tpicas son el resultado de dividir las

p u n t u a c i o n e s di f e r e n c i a l e s e n t r e l a d e s v i a c i n t p i c a . E s t e
p ro c e s o s e l l a m a ti p i f i c a c i n .
Las puntuaciones tpicas se representan por z.
Observaciones sobre puntuaciones tpicas
1. La media aritmtica de las puntuaciones tpicas es 0.
2. La desviacin tpica de las puntuaciones tpicas es 1.
3. Las puntuaciones tpicas son adimensionales, es decir, son

independientes de las unidades utilizadas.
4. Las puntuaciones tpicas se utilizan para comparar las

p u n t u a c i o n e s o b t e n id a s e n d i s t i n t a s d i s t r i b u c i o n e s .
Ejemplo
E n u n a c l a s e h a y 15 a l u mn o s y 2 0 a l u m n a s . E l p e so m e d i o d e l o s
a l u m n o s e s 5 8 . 2 kg y e l d e l a s a lu m n a s y 5 2 . 4 kg . L a s d e s v i a c i o n e s
t p i c a s d e lo s d o s g r u p o s s o n , r e s p e c t i v a m e n t e , 3 . 1 k g y 5 . 1 k g . E l
p e so d e Jo s e s d e 7 0 kg y e l d e An a e s 6 5 k g . C u l d e e l l o s
p u e d e , d e n t r o d e l g r u p o d e a l u m n o s d e s u se x o , c o n s i d e r a r s e m s
g ru e s o ?
J o s e s m s g ru e s o r e s p e c t o d e s u g r u p o q u e An a r e sp e c t o a l s u y o .
- 44 -
2.10 RESUMEN
Definicin de Estadstica
L a E s t a d s t i c a t r a t a d e l re c u e n t o , o r d e n a c i n y c l a s i f i c a c i n d e l o s
datos obtenidos por las o b se r v a c i o n e s , para poder hacer
comparaciones y sacar conclusiones.
C o nc e p t o s d e E s t a d s t i c a
Poblacin
U n a po b l a c i n e s e l c o n ju n t o d e t o d o s l o s e l e m e n t o s a l o s q u e s e
somete a un estudio estadstico.
Individuo
U n i n di v i d u o o u n i d a d e s t a d s t i c a e s c a d a u n o d e l o s e l e m e n t o s
q u e c o mp o n e n l a p o b l a c i n .
Muestra
Una muestra es un conjunto representativo de la poblacin de

r e f e re n c i a , e l n me r o d e i n d i v i d u o s d e u n a m u e s t r a e s m e n o r q u e
el de la poblacin.
Muestreo
El muestreo e s l a r e u n i n d e d a t o s q u e s e d e se a e s t u d i a r ,
o b te n i d o s d e una proporcin reducida y representativa de la
poblacin.
Valor
Un valor es cada uno de los distintos resultados que se pueden

o b te n e r e n u n e s t u d i o e s t a d s t i c o . S i l a n z a m o s u n a m o n e d a a l a i r e
5 ve c e s o b te n e m o s d o s v a l o r e s : c a r a y c r u z .
Dato
U n d a t o e s c a d a u n o d e l o s v a l o r e s q u e se h a o b te n i d o a l r e a l i z a r
u n e s t u d i o e s t a d s t i c o . S i l a n z a m o s u n a m o n e d a a l a i r e 5 ve c e s
o b te n e m o s 5 d a t o s : c a r a , c a r a , c r u z , c a r a , c r u z .
Variables Estadsticas
Variable cualitativa
- 45 -
L a s v a r i a b l e s c u a l i t a t i v a s s e r e f ie r e n a c a r a c t e r s t i c a s o
cualidades que no pueden ser medidas con nmeros. Podemos
distinguir dos tipos:
Variable cualitativa nominal
Una variable cualitativa nominal presenta modalidades no

numricas que no admiten un criterio de orden.
Variable cualitativa ordinal o variable cuasicuantitativa
Una variable cualitativa ordinal presenta modalidades no

nmericas, en las que existe un orden.
Variable cuantitativa
U n a v a r i a b l e c u a n t i t a t i v a e s l a q u e se e xp r e s a m e d i a n te u n
nmero, por tanto se pueden realizar o peraciones aritmticas
con ella. Podemos distinguir dos tipos:
V a r i a b l e di s c r e t a
Una variable discreta es aquella que toma valores aislados, es

decir no admite valores intermedios entre dos valores
especficos.
Variable continua
U n a v a r i a b l e c o n ti n u a e s a q u e l l a que puede tomar valores

c o m p r e n di d o s e n t r e do s n m e r o s .
Distribucin de frecuencias
L a di s t r i b u c i n d e f r e c u e n c i a s o t a b l a d e f r e c u e n c i a s e s u n a
ordenacin en forma de tabla de los datos estadsticos,
asignando a cada dato su frecuencia correspondiente.
Diagrama de barras
Un diagrama de barras se utiliza para de presentar datos

c u a l i t a t i v o s o d a t o s c u a n t i t a t i v o s d e t i p o d i s c r e to .
L o s d a t o s s e re p re s e n t a n m e d i a n t e barras de una altura

proporcional a la frecuencia.
Polgonos de frecuencias
U n p o l go n o d e f r e c u e n c i a s s e f o r m a u n ie n d o l o s ex t r e m o s d e
l a s b a r r a s me d i a n t e s e g m e n t o s .
T a m b i n s e p u e d e re a l i z a r t r a z an d o l o s p u n t o s q u e r e p r e se n t a n l a s
frecuencias y unindolos mediante segmentos.
Diagrama de sectores
- 46 -
Un diagrama de sectores se puede utilizar para todo tipo de
v a r i a b l e s , p e r o s e u s a f r e cu e n te m e n t e p a r a l a s variables
cualitativas.
Los datos se representan en un crculo, de modo que el ngulo de

cada s e c to r es pr o po r c i o n a l a la frecuencia absoluta
c o r r e s p o n d i e n te .
H i s t o gr a m a
U n h i s t o g r a m a e s u n a r ep r e s e n t a c i n g r f i c a d e u n a v a r i a b l e
en forma de barras.
Se utilizan para variables continuas o para variables discretas ,

c o n u n g r a n n m e r o d e d a t o s , y q u e se h an a g r u p ad o e n c l a s e s .
E n e l e j e a b s c i s a s s e c o n s t r u ye n u n o s r ec t n g u l o s q u e t i e n e n p o r
base la amplitud del intervalo , y por altura, la frecuencia
absoluta de cada intervalo.
Medidas de centralizacin
Moda
La moda es el valor que tiene mayor frecuencia absoluta .
S e re p r e s e n t a p o r M o .
Se puede hallar la moda para variables cualitativas y

cuantitativas.
Clculo de la moda para datos agrupados
1 To d o s l o s i n t e r v a l o s t i e n e n l a m i s m a a m p l i t u d .
2 Lo s i n t e r v a l o s t i e n e n a m p l i t u d e s d i s t i n t a s .
E n p r i me r l u g a r t e n e mo s q u e h a l l a r l a s a l t u r a s .
La clase modal es la que tiene mayor altura.
- 47 -
Mediana
Es el valor que ocupa el lugar central de todos los datos cuando

stos estn ordenados de menor a mayor.
L a m e d i a n a s e re p re s e n t a p o r M e .
La mediana se puede hallar slo para variables cuantitativas.
Clculo de la mediana
2. Si la serie tiene un nmero impar de medidas la mediana es

la puntuacin central de la misma.
3. Si la serie tiene un nmero par de puntuaciones la mediana

es la media entre las dos puntuaciones centrales .
Clculo de la mediana para datos agrupados
L a m e d i a n a s e e n cu e n t r a e n e l i n t e r v a l o d o n d e l a f r e c u e n c i a
acumulada llega hasta la mitad de la suma de las frecuencias
absolutas.
E s d e c i r t e n e m o s q u e b u s c a r e l in t e r v a l o e n e l q u e s e e n c u e n t r e .
Media aritmtica
L a m e d i a a r i t m t i c a e s e l v a l o r o b t e n id o a l s u m a r t o d o s l o s
d a t o s y d i v i di r e l r e s u l t a d o e n tr e e l n m e r o t o t a l d e d a t o s .
es el smbolo de la media aritmtica.
Media aritmtica para datos agrupados
Si los datos vienen agrupados en una tabla de frecuencias, la

e xp r e s i n d e l a m e d i a e s :
- 48 -
M e d i d a s d e po s i c i n
Cuartiles
L o s c u a r t i l e s s o n l o s t r e s v a l o r e s d e l a v a r i ab l e d i v i d e n a u n
conjunto de datos ordenados en cuatro partes iguales .
Q 1 , Q 2 y Q 3 d e t e r m in a n l o s v a l o r e s c o r r e s p o n d ie n t e s a l 2 5 % , a l
50% y al 75% de los datos.
Deciles
Los deciles son los nueve valores que dividen la serie de datos
en diez partes iguales.
L o s d e c i l e s d a n l o s v a l o r e s c o r r e s p o n d ie n t e s a l 1 0 % , a l 2 0 % . . . y a l
90% de los datos.
Percentiles
L o s p e r c e n t i l e s s o n l o s 9 9 v a l o r e s q u e d i v i d e n l a s e r ie d e d a t o s
en 100 partes iguales.
L o s p er c e n t i l e s d a n l o s v a l o r e s c o r r e sp o n d i e n te s a l 1 % , a l 2 % . . . y
M e d i d a s d e di s p e r s i n
Desviacin media

absolutos de las desviaciones respecto a la media .
La desviacin media se representa por
- 49 -
Desviacin media para datos agrupados
S i l o s d a t o s v i e n e n a g r u p ad o s e n u n a t a b l a d e f r e c u e n c i a s , l a
e xp r e s i n d e l a d e s v i a c i n m e d i a e s :
Varianza

D e s v i a c i n t pi c a
- 50 -

Coeficiente de variacin
El coeficiente de variacin es la relacin entre la desviacin

t pi c a d e u n a mu e s t r a y s u m e d i a .
Las puntuaciones tpicas son el resultado de dividir las

p u n t u a c i o n e s di f e r e n c i a l e s e n t r e l a d e s v i a c i n t p i c a . E s t e
p ro c e s o s e l l a m a ti p i f i c a c i n .
Ejercicios y Problemas Resueltos de Estadstica

Descriptiva
1. Indica qu variables son cualitativas y c u le s
cuantitativas:
- 51 -
1. Comida Favorita
Cualitativa.
2. Profesin que te gusta
Cualitativa.
3. N m e ro d e g o l e s m a r c ad o s p o r t u e q u i p o f a v o r i t o e n l a
ltima temporada
Cuantitativa.
4. N m e ro d e a lu m n o s d e t u I n s t i t u t o .
Cuantitativa.
5. El color de los ojos de tus compaeros de clase.
Cualitativa.
6. Coeficiente intelectual de tus compaeros de clase.
Cuantitativa
2. De las siguientes variables indica cules son discretas y

cules continuas.
1. N m e ro d e a c c i o n e s v e n d i d a s c a d a d a e n l a B o l s a .
Discreta
2. T e mp e r a t u r a s r e g i s t r a d a s c a d a h o r a e n u n o b se r v a t o r i o .
Continua
3. P e r o d o d e d u r a c i n d e u n au t o m v i l .
Continua
4. El dimetro de las ruedas de varios coches.
Continua
5. N m e ro d e h i j o s d e 5 0 f a m i l i a s .
Discreta
6. C e n s o a n u a l d e l o s e sp a o l e s .
Discreta
3. Clasificar las s i g u ie n t e s variables en cualitativas y

c u a n t i t a t i v a s di s c r e t a s o c o n t i n u a s .
1. L a n a c i o n a l i d ad d e u n a p e r s o n a .
- 52 -
Cualitativa
2. N m e ro d e l i t r o s d e ag u a c o n t e n id o s e n u n d e p s i t o .
C u a n t i t a t i v a c o n ti n u a .
3. N m e ro d e l ib r o e n u n e s t a n t e d e l i b r e r a .
Cuantitativa discreta.
4. S u m a d e p u n t o s t e n id o s e n e l l a n z a m i e n t o d e u n p a r d e
d ad o s .
Cuantitativa discreta.
5. L a p ro f e s i n d e u n a p e r s o n a .
Cualitativa.
6. E l re a d e l a s d i s t i n t a s b a l d o s a s d e u n e d i f i c i o .
C u a n t i t a t i v a c o n ti n u a .
4. L a s p u n tu a c i o n e s d e u n g r u p o e n u n a p r u e b a h a n s i d o :
15, 20, 15, 18, 22, 13, 13, 16, 15, 19, 18, 15, 16, 20, 16, 15,
18, 16, 14, 13.
C o n s t r u i r l a t a b l a d e d i s t r i b u c i n d e f r e c u e n c i a s y d ib u j a e l
p o l go n o d e f r e c u e n c i a s .
Tabla de Distribucin de frecuencias
xi Recuento fi Fi ni Ni
13 III 3 3 0.15 0.15
14 I 1 4 0.05 0.20
15 5 9 0.25 0.45
16 IIII 4 13 0.20 0.65
18 III 3 16 0.15 0.80
19 I 1 17 0.05 0.85
20 II 2 19 0.10 0.95
22 I 1 20 0.05 1
20
- 53 -
Polgono de frecuencias
5. E l n m e r o d e e s t re l l a s d e lo s h o t e l e s d e u n a c i u d a d v i e n e
d ad o p o r l a s i g u i e n t e s e r ie :
3, 3, 4, 3, 4, 3, 1, 3, 4, 3, 3, 3, 2, 1, 3, 3, 3, 2, 3, 2, 2, 3, 3,
3, 2, 2, 2, 2, 2, 3, 2, 1, 1, 1, 2, 2, 4, 1.
C o n s t r u i r l a t a b l a d e d i s t r i b u c i n d e f r e cu e n c i a s y d ib u j a e l
d i a g r a m a d e b ar r a s .
xi Recuento xi Fi ni Ni
1 6 6 0.158 0.158
2 12 18 0.316 0.474
3 16 34 0.421 0.895
4 IIII 4 38 0.105 1
38 1
Diagrama de barras
- 54 -
6. L a s c a l i f i c a c i o n e s d e 5 0 a l u m n o s e n M a t e m t i c a s h an s i d o l a s
siguientes:
5, 2, 4, 9, 7, 4, 5, 6, 5, 7, 7, 5, 5, 2, 10, 5, 6, 5, 4, 5, 8, 8,
4, 0, 8, 4, 8, 6, 6, 3, 6, 7, 6, 6, 7, 6, 7, 3, 5, 6, 9, 6, 1, 4, 6,
3, 5, 5, 6, 7.
C o n s t r u i r l a t a b l a d e d i s t r i b u c i n d e f r e c u e n c i a s y d ib u j a e l
diagrama de barras.
xi fi Fi ni Ni
0 1 1 0.02 0.02
1 1 2 0.02 0.04
2 2 4 0.04 0.08
3 3 7 0.06 0.14
4 6 13 0.12 0.26
5 11 24 0.22 0.48
6 12 36 0.24 0.72
7 7 43 0.14 0.86
8 4 47 0.08 0.94
9 2 49 0.04 0.98
10 1 50 0.02 1.00
50 1.00
- 55 -
- 56 -
Diagrama de barras
7. Los pesos de los 65 empleados de una fbrica vienen dados por la siguiente tabla:
[50, [60, [70, [90, [100, [110,

Peso [80,90)
60) 70) 80) 100) 110) 120)
f 8 10 16 14 10 5 2
1. Construir la tabla de frecuencias .
2. R e p re s e n t a r el histograma y el polgono de
frecuencias.
xi fi Fi ni Ni
[50, 60) 55 8 8 0.12 0.12
[60, 70) 65 10 18 0.15 0.27
[70, 80) 75 16 34 0.24 0.51
[80,90) 85 14 48 0.22 0.73
[90, 100) 95 10 58 0.15 0.88
[100, 110) 105 5 63 0.08 0.96
[110, 120) 115 2 65 0.03 0.99
65
- 57 -
Hi s t o g r a m a
8. L o s 4 0 a l u mn o s d e u n a c l a s e h a n o b te n id o l a s s i g u ie n t e s
p u n t u a c i o n e s , s o b re 5 0 , e n u n e x a m e n d e F s i c a .
3, 15, 24, 28, 33, 35, 38, 42, 23, 38, 36, 34, 29, 25, 17, 7,
34, 36, 39, 44, 31, 26, 20, 11, 13, 22, 27, 47, 39, 37, 34, 32,
35, 28, 38, 41, 48, 15, 32, 13.
1. Construir la tabla de frecuencias .
2. Dibujar el histograma y el polgono de frecuencias .
xi fi Fi ni Ni
[0, 5) 2.5 1 1 0.025 0.025
[5, 10) 7.5 1 2 0.025 0.050
[10, 15) 12.5 3 5 0.075 0.125
[15, 20) 17.5 3 8 0.075 0.200
[20, 25) 22.5 3 11 0.075 0.275
[25, 30) 27.5 6 17 0.150 0.425
- 58 -
[30, 35) 32.5 7 24 0.175 0.600
[35, 40) 37.5 10 34 0.250 0.850
[40, 45) 47.5 4 38 0.100 0.950
[45, 50) 47.5 2 40 0.050 1.000
40 1
Hi s t o g r a m a
9. Sea una distribucin estadstica que viene dada por la siguiente tabla:
xi 61 64 67 70 73
fi 5 18 42 27 8
Calcular:
1. La moda, mediana y media.
2. El rango, desviacin media, varianza y desviacin

t pi c a .
xi fi Fi xi*fi |x x | |x x | * fi xi2 * fi
61 5 5 305 6.45 32.25 18 605
- 59 -
64 18 23 1152 3.45 62.10 73 728
67 42 65 2814 0.45 18.90 188 538
71 27 92 1890 2.55 68.85 132 300
73 8 100 584 5.55 44.40 42 632
100 6745 226.50 455 803
Moda
Mo = 67
Mediana Rango
100/2 = 50 Me = 67 r = 73 61 = 12
Media Varianza
Desviacin media D e s v i a c i n t p i c a
10. C a l c u l a r l a m e d i a , l a m e d i a n a y l a m o d a d e l a s i g u i e n t e s e r ie
d e n m e ro s : 5 , 3 , 6 , 5 , 4 , 5 , 2 , 8 , 6 , 5 , 4 , 8 , 3 , 4 , 5 , 4 , 8 , 2 ,
5, 4.
xi fi Fi xi * fi
2 2 2 4
3 2 4 6
4 5 9 20
5 6 15 30
6 2 17 12
8 3 20 24
20 96
- 60 -
Moda
Mo = 5
Mediana
20/2 = 10 Me = 5
Media
11. Hallar la varianza y la desviacin tpica de la siguiente

serie de datos:
1 2 , 6 , 7 , 3 , 15 , 1 0 , 18 , 5 .
12. Hallar la media, mediana y moda de la siguiente serie de

nmeros:
3, 5, 2, 6, 5, 9, 5, 2, 8, 6.
2, 2, 3, 5, 5, 5, 6, 6, 8, 9.
Moda
Mo = 5
Mediana
10/2 = 5
Media
13. Hallar la desviacin media, la varianza y la desviacin

t pi c a d e l a s e r ie s d e n m e r o s s i g u i e n t e s :
2 , 3 , 6 , 8 , 11 .
- 61 -
1 2 , 6 , 7 , 3 , 15 , 1 0 , 18 , 5 .
2 , 3 , 6 , 8 , 11 .
Media
Desviacin media
Varianza
1 2 , 6 , 7 , 3 , 15 , 1 0 , 18 , 5 .
Media
Desviacin media
Varianza
14. Se ha aplicado un test a los empleados de una fbrica,

o b te n i n d o s e l a s i g u i e n t e t a b l a :
- 62 -
R e gi s t r o de frecuencias
Clases fi
[38, 44) 7
[44, 50) 8
[50, 56) 15
[56, 62) 25
[62, 68) 18
[68, 74) 9
[74, 80) 6
Dibujar el histograma y el polgono de frecuencias

acumuladas.
Tabla de de frecuencias
Clases fi Fi
[38, 44) 7 7
[44, 50) 8 15
[50, 56) 15 30
[56, 62) 25 55
[62, 68) 18 73
[68, 74) 9 82
[74, 80) 6 88
- 63 -
15. D a d a s l a s s e r ie s e s t a d s t i c a s :
3, 5, 2, 7, 6, 4, 9.
3, 5, 2, 7, 6, 4, 9, 1.
Calcular:
La moda, la mediana y la media.
La desviacin media, la varianza y la desviacin tpica.
Los cuartiles 1 y 3.
Los deciles 2 y 7.
Los percentiles 32 y 85.
3, 5, 2, 7, 6, 4, 9.
Moda
No existe moda porque todas las p u n tu a c i o n e s tienen la

misma frecuencia.
Mediana
2, 3, 4, 5, 6, 7, 9.
Me = 5
Media
- 64 -
Varianza
Desviacin media
Rango
r = 9 2 = 7
Cuartiles
Deciles
7 * (2/10) = 1.4 D2 = 3
7 * (7/10) = 4.9 D7 = 6
Percentiles
7 * (32/100) = 2,2 P32 = 4
7 * (85/100) = 5.9 P85 = 7
3, 5, 2, 7, 6, 4, 9, 1.
Moda
No existe moda porque todas las p u n tu a c i o n e s tienen la

misma frecuencia.
Mediana
Media
- 65 -
Varianza
Desviacin media
Rango
r = 9 - 1 = 8
Cuartiles
Deciles
8 * (2/10) = 1.6 D2 = 2
8 * (7/10) = 5.6 D7 = 6
Percentiles
8 * (32/100) = 2.56 P32 = 3
8 * (85/100) = 6.8 P85 = 7
16. Una distribucin estadstica viene dada por la siguiente tabla:
[10, 15) [15, 20) [20, 25) [25, 30) [30, 35)
fi 3 5 7 4 2
Hallar:
La moda, mediana y media.
El rango, desviacin media y varianza.
Los cuartiles 1 y 3.
Los deciles 3 y 6.
- 66 -
Los percentiles 30 y 70.
xi fi Fi xi * fi |x xm | * fi xi2 fi
[10, 15) 12.5 3 3 37.5 27.857 468.75
[15, 20) 17.5 5 8 87.5 21.429 1537.3
[20, 25) 22.5 7 15 157.5 5 3543.8
[25, 30) 27.5 4 19 110 22.857 3025
[30, 35) 32.5 2 21 65 21.429 2112.5
21 457.5 98.571 10681.25
Moda
Mediana
Media
Desviacin media
Varianza
Cuartiles
- 67 -
Deciles
Percentiles
17. Dada la distribucin estadstica:
[0, 5) [5, 10) [10, 15) [15, 20) [20, 25) [25, )
fi 3 5 7 8 2 6
Calcular:
La mediana y moda.
Cuartil 2 y 3.
Media.
Tabla de de frecuencias
xi fi Fi
[0, 5) 2.5 3 3
[5, 10) 7.5 5 8
[10, 15) 12.5 7 15
[15, 20) 17.5 8 23
[20, 25) 22.5 2 25
[25, ) 6 31
- 68 -
31
Moda
Mediana
Cuartiles
Media
No se puede calcular la media, porque no se puede hallar la

m a r c a d e c l a s e d e l l t i m o in t e r v a l o .
E j e r c i c i o s y pr o bl e m a s r e s u e l t o s d e E s t a d s t i c a I I
TEMA 3. TEORA DE LA
PROBABILIDAD
3.1 FENMENOS ALEATORIOS Y FENMENOS

DETERMINISTAS
Definicin de Probabilidad
- 69 -
La probabilidad de un suceso es un nmero, comprendido entre 0 y
1 , q u e i n d i c a l a s p o s i b i l i d a d e s q u e t i e n e d e ve r i f i c a r s e c u a n d o s e
realiza un experimento aleatorio.
E x p e r i m e n t o s d e t er m i n i s t a s
S o n l o s e xp e r i m e n t o s d e l o s q u e p o d e m o s p r e d e c i r e l r e s u l t a d o
antes de que se realicen.
Ejemplo
S i d e j a mo s c a e r u n a p i e d r a d e sd e u n a v e n t a n a s ab e m o s , s i n l u g a r a
d u d a s , q u e l a p ie d r a b a j a r . S i l a a r r o j a m o s h a c i a a r r ib a , s a b e m o s
q u e s u b i r d u r an t e u n d e t e r m in a d o i n te r v a l o d e t i e m p o ; p e r o
d e sp u s b a j a r .
Experimentos aleatorios
Son aquellos en los que no se puede predecir el resultado, ya que

ste depende del azar.
Ejemplos
S i l a n z a m o s u n a m o n e d a n o s a b e m o s d e a n t e m an o s i s a l d r c a r a o
cruz.
S i l a n z a m o s u n d ad o t a m p o c o p o d e m o s d e te r m i n a r e l r e su l t a d o q u e
vamos a obtener.
L a t eo r a d e p r o b a b i l i d a d e s s e o c u p a d e a s i g n a r u n c i e r t o
n m e r o a c a d a p o s i b l e r e s u l t a d o q u e p u e d a o cu r r i r e n u n
experimento aleatorio , con el fin de cuantificar dichos resultados
y s ab e r s i u n s u c e s o e s m s p r o b a b l e q u e o t r o . C o n e s te f i n ,
introduciremos algunas definiciones:
Suceso
E s c a d a u n o d e l o s re s u l t a d o s p o s i b l e s d e u n a e xp e r i e n c i a a l e a t o r i a .
A l l a n z a r u n a mo n e d a s a l g a c a r a .
A l l a n z a r u n a mo n e d a se o b te n g a 4 .
Espacio muestral
E s p a c i o mu e s t r a l d e u n a m o n e d a :
E = {C, X}.
E s p a c i o mu e s t r a l d e u n d a d o :
- 70 -
E = {1, 2, 3, 4, 5, 6}.
Suceso aleatorio
S u c e s o a l e a t o r i o e s c u a l q u i e r s u b c o n j u n t o d e l e sp a c i o m u e s t r a l .
P o r e j e mp l o a l t i r a r u n d a d o u n s u c e s o se r a q u e s a l i e r a p a r , o t r o ,
o b te n e r m l t i p l o d e 3 , y o t r o , s a c a r 5 .
Ejemplo
Una bolsa contiene bolas blancas y negras. Se e x t r ae n

sucesivamente tres bolas. Calcular:
1 . E l e s p a c i o mu e s t r a l .
E = { (b , b ,b ) ; ( b ,b , n ) ; (b , n , b ) ; ( n , b , b ) ; ( b , n , n ) ; ( n , b , n ) ; ( n , n , b ) ;
( n , n , n )}
2 . E l s u c e s o A = { e x t r ae r t r e s b o l a s d e l m i s m o c o l o r } .
A = { (b , b ,b ) ; (n , n , n ) }
3 . E l s u c e s o B = { e x t r a e r a l m e n o s u n a b o l a b l an c a } .
B = { ( b ,b , b ); ( b ,b , n ); ( b ,n , b ) ; ( n , b , b ) ; ( b , n , n ) ; ( n , b , n ) ; ( n , n , b ) }
4. El suceso C = {extraer una sola bola negra}.
C = { ( b ,b , n ) ; ( b ,n , b ) ; ( n ,b , b ) }
3.2 TIPOS DE SUCESOS
Suceso Simple
Es cada uno de los e le m e n t o s que forman p ar t e del e sp a c i o

muestral.
P o r e j e mp l o a l t i r a r u n d a d o u n s u c e s o s i m p le e s s a c a r 5 .
Suceso compuesto
S u c e s o c o m p u e s t o e s c u a l q u i e r s u b c o n j u n t o d e l e sp a c i o m u e s t r a l .
P o r e je m p l o a l t i r a r u n d ad o u n su c e s o se r a q u e s a l i e r a p a r , o t r o ,
o b te n e r m l t i p l o d e 3 .
Suceso seguro
S u c e s o s e g u r o , E , e s t f o r m a d o p o r t o d o s l o s p o s i b le s r e s u l t a d o s
( e s d e c i r , p o r e l e sp a c i o m u e s t r a l ) .
- 71 -
P o r e j e mp l o a l t i r a r u n d a d o u n d ad o o b t e n e r u n a p u n t u a c i n q u e
s e a me n o r q u e 7.
S u c e s o i m po s i b l e
S u c e s o i m po s i b l e , , e s e l q u e n o t i e n e n in g n e l e m e n t o .
P o r e j e mp l o a l t i r a r u n d a d o o b te n e r u n a p u n tu a c i n i g u a l a 7 .
S u c e s o s c o m p a t i bl e s
Dos sucesos, A y B, son compatibles cuando tienen algn suceso

mltiplo de 3, A y B son compatibles porque el 6 es un suceso
Sucesos incompatibles o excluyentes.
Dos sucesos, A y B, son incompatibles cuando no tienen ningn

e le m e n t o e n c o m n .
mltiplo de 5, A y B son incompatibles.
D o s s u c e s o s , A y B , s o n in d e p e n d i e n t e s c u a n d o l a p r o b a b i l i d ad d e
q u e su c e d a A n o s e ve a f e c t a d a p o r q u e h a y a s u c e d id o o n o B .
A l l a z a r d o s d ad o s l o s r e su l t a d o s s o n in d e p e n d i e n te s .
D o s s u c e s o s , A y B , s o n d e p e n d ie n t e s c u an d o l a p r o b ab i l i d a d d e
q u e su c e d a A s e ve a f e c t a d a p o r q u e h a y a s u c e d id o o n o B .
Extraer dos cartas de una baraja, sin reposicin, son sucesos

d e p e n d ie n te s .
S u c e s o C o n t r a r i o o C o mp l e m e n t o
E l s u ce s o c o n t r a r i o a A e s o t r o s u c e s o q u e s e r e a l i z a c u an d o n o s e
r e a l i z a A . Se d e n o t a p o r .
S o n s u c e s o s c o n t r a r i o s s a c a r p a r e i m p a r a l l a n z a r u n d ad o .
3.3 ESPACIO MUESTRAL Y ESPACIO DE SUCESOS
- 72 -
El espacio muestral es el conjunto de todos los posibles resultados de un
experimento o suceso.
Espacio de sucesos, S, es el conjunto de todos lo s sucesos

aleatorios.
S i t i r a m o s u n a m o n e d a e l e sp a c i o s e s u ce s o s e s t f o r m ad o p o r :
S= { , {C}, {X}, {C, X}}.
O b se r v a m o s q u e e l p r i m e r e le m e n t o e s e l s u c e s o i mp o s i b l e y e l
ltimo el suceso seguro.
S i E t i e n e u n n m e ro f i n i t o d e n e l e m e n t o s , e n to n c e s e l n m e r o
de sucesos de E es 2n.
Una moneda E= {C, X}.
N m e ro d e s u ce s o s = 2 2 = 4
Dos monedas E= {(C,C); (C,X); (X,C); (X,X)}.
N m e ro d e s u ce s o s = 2 4 = 1 6
U n d ad o E = { 1 , 2 , 3 , 4 , 5 , 6 } .
N m e ro d e s u ce s o s = 2 6 = 6 4
3.4 UNIN DE EVENTOS O SUCESOS
La unin de sucesos, A B , e s e l s u c e s o f o r m ad o p o r t o d o s l o s
e le m e n t o s d e A y d e B .
Es decir, el suceso A B s e ve r i f i c a c u a n d o o c u r r e u n o d e l o s d o s , A
o B, o ambos.
A B se lee como "A o B".
Ejemplo
C o n s i d e r a m o s e l e xp e r i me n t o q u e c o n s i s t e e n l an z a r u n d a d o , s i A
= "sacar par" y B = "sacar mltiplo de 3". Calcular A B.
A = {2, 4, 6}
B = {3, 6}
A B = { 2 , 3 , 4 , 6}
- 73 -
Propiedades de la unin de sucesos
Conmutativa
Asociativa
Idempotente
Simplificacin
Distributiva
Elemento neutro
Absorcin
3.5 INTERSECCIN DE EVENTOS O SUCESOS
La interseccin de sucesos, A B, es el suceso formado por todos

l o s e le m e n t o s q u e s o n , a l a ve z , d e A y B .
Es decir, el suceso A B se verifica cuando ocurren

simultneamente A y B.
A B se lee como "A y B".
Ejemplo
- 74 -
A = {2, 4, 6}
B = {3, 6}
A B = {6}
Propiedades de la interseccin de sucesos
Conmutativa
Asociativa
Idempotente
Simplificacin
Distributiva
Elemento neutro
Absorcin
3.6 DIFERENCIA DE EVENTOS O SUCESOS
- 75 -
La diferencia de sucesos, A B , es el suceso formado por todos
l o s e le m e n t o s d e A q u e n o s o n d e B .
E s d e c i r , l a d i f e r e n c i a d e l o s s u c e s o s A y B se ve r i f i c a c u an d o l o
hace A y no B.
A B se lee como "A menos B".
Ejemplo
A = {2, 4, 6}
B = {3, 6}
A B = {2, 4}
Propiedad
3.7 EVENTOS O SUCESOS CONTRARIOS O

COMPLEMENTARIOS
E l s u ce s o = E - A s e l l a m a s u c e s o c o n tr a r i o o c o m p l e m e n t a r i o
de A.
E s d e c i r , s e v e r i f i c a s i e m p r e y c u a n d o n o s e v e r i f iq u e A .
Ejemplo
= "sacar par". Calcular .
A = {2, 4, 6}
= {1, 3, 5}
- 76 -
Propiedades
L e y e s d e Mo r g a n
3.8 PROPIEDADES DE LA PROBABILIDAD
Axiomas de la probabilidad
1 . L a p ro b a b i l i d ad e s p o s i t i v a y m e n o r o i g u a l q u e 1 .
0 p(A) 1
2 . L a p r o b ab i l i d a d d e l s u c e s o s e g u r o e s 1 .
p(E) = 1
3 . S i A y B s o n i n c o m p a t i b le s , e s d e c i r A B = e n to n c e s :
p(A B ) = p ( A ) + p( B )
Propiedades de la probabilidad
- 77 -
1 L a s u m a d e l a s p r o b a b i l i d ad e s d e u n s u ce s o y s u c o n t r a r i o v a l e
1 , p o r t a n t o l a p r o b a b i l i d ad d e l s u ce s o c o n t r a r i o e s:
2 P r o b ab i l i d a d d e l s u c e s o i m p o s i b l e e s c e r o .
3 L a p ro b a b i l i d ad d e l a u n i n d e d o s s u ce s o s e s l a s u m a d e s u s
p ro b a b i l i d ad e s re s t n d o le l a p r o b ab i l i d a d d e s u in t e r s e c c i n .
4 S i u n s u c e s o e s t in c l u i d o e n o t r o , s u p r o b ab i l i d a d e s m e n o r o
i g u a l a l a d e s te .
5 S i A 1 , A 2 , . . . , A k s o n i n c o m p a t i b le s d o s a d o s e n t o n c e s :
6 Si el espacio muestral E es finito y un suceso es S = {x 1, x2, ...,

x n } e n t o n ce s :
P o r e j e mp l o l a p r o b a b i l i d a d d e s a c a r p a r , a l t i r a r u n d ad o , e s :
P(par) = P(2) + P(4) + P(6)
3.9 REGLA DE LAPLACE
S i r e a l i z a m o s u n e x p e r i m e n t o a l e a t o r i o e n e l q u e h a y n su c e s o s
e le m e n t a l e s , todos i g u a l m e n te p r o b a b le s , equiprobables,
e n to n c e s s i A e s u n s u ce s o , l a p r o b a b i l i d a d d e q u e o c u r r a e l
suceso A es:
Ejemplos
H a l l a r l a p r o b ab i l i d a d d e q u e a l l a n z a r d o s m o n e d a s a l a i r e s a l g an
dos caras.
C a s o s p o s i b le s : { c c , c x , x c , x x } .
C a s o s f a v o r ab l e s : 1 .
- 78 -
E n u n a b a r aj a d e 4 0 c a r t a s , h a l l a r l a P ( a s ) y P ( c o p a s ) .
C a s o s p o s i b le s : 4 0 .
C a s o s f a v o r ab l e s d e a s e s : 4 .
C a s o s f a v o r ab l e s d e c o p a s : 1 0 .
C a l c u l a r l a p ro b ab i l i d a d d e q u e a l e c h a r u n d ad o a l a i r e , s a l g a :
1 U n n m e ro p a r .
C a s o s p o s i b le s : { 1 , 2, 3 , 4 , 5 , 6 } .
C a s o s f a v o r ab l e s : { 2 , 4 , 6 } .
2 Un mltiplo de tres.
C a s o s f a v o r ab l e s : { 3 , 6 } .
3 Mayor que 4.
C a s o s f a v o r ab l e s : { 5 , 6 } .
3.10 COMBINATORIA Y PROBABILIDAD
L a c o m bi n a t o r i a n o s p u e d e s e r m u y t i l p a r a c a l c u l a r l o s s u c e s o s
posibles y favorables , al aplicar la regla de Laplace .
Especialmente si hay un gran nmero de sucesos.
Ejemplos
- 79 -
1 U n g ru p o d e 10 p e r s o n a s s e s i e n t a e n u n b a n c o . C u l e s l a
p ro b a b i l i d ad d e q u e d o s p e r s o n a s f i j ad a s d e a n t e m an o s e s i e n t e n
juntas?
C a s o s p o s i b le s :
C a s o s f a v o r ab l e s :
S i c o n s i d e r a m o s l a s d o s p e r s o n a s q u e se s i e n t a n j u n t a s c o m o u n a
sola persona habr 9!; pero pueden estar de dos formas posibles a
l a i z q u i e rd a u n o d e o t r o o a l a d e r e c h a , p o r t a n t o se t i e n e 2 9 ! .
2Se extraen cinco cartas de una baraja de 52. Hallar la

p ro b a b i l i d ad d e e x t r a e r :
4 ases.
4 ases y un rey.
3 cincos y 2 sotas.
U n 9 , 10 , s o t a , c a b a l l o y re y e n c u a lq u i e r o r d e n .
3 d e u n p a l o cu a l q u ie r a y 2 d e o t r o .
H a y c u a t r o f o r m a s d e e l e g i r e l p r i m e r p a lo y t r e s f o r m a s d e e l e g i r
al segundo palo.
Al menos un as.
- 80 -
3.11 PROBABILIDAD DE LA UNIN DE SUCESOS
Probabilidad de la unin de sucesos incompatibles
A B =
p( A B) = p(A) + p(B)
C a l c u l a r l a p ro b ab i l i d a d d e o b te n e r u n 2 u n 5 a l l a n z a r u n d ad o .
Probabilidad de la unin de sucesos compatibles
A B
p(A B) = p(A) + p(B) p(A B)
p(A B C ) = p ( A ) + p( B ) + p ( C ) p ( A B) p(A C) p(B

C) + p(A B C)
C a l c u l a r l a p ro b ab i l i d a d d e o b te n e r u n m l t i p l o d e 2 u n 6 a l
lanzar un dado.
3.12 PROBABILIDAD CONDICIONADA
Sean A y B dos sucesos de un mismo espacio muestral E.
S e l l a m a pr o b a b i l i d a d d e l s u c e s o B c o n d i c i o n a d o a A y s e
r e p r e se n t a p o r P ( B / A ) a l a p r o b a b i l i d a d d el s u c e s o B u n a v e z
ha ocurrido el A.
- 81 -
Ejemplo
C a l c u l a r l a p ro b ab i l i d a d d e o b te n e r u n 6 a l t i r a r u n d ad o s a b ie n d o
que ha salido par.
Dos sucesos A y B son independientes si

p(A/B) = p(A)
Dos sucesos A y B son dependientes si

p(A/B) p(A)
3.13 PROBABILIDAD COMPUESTA O DE LA

INTERSECCIN DE SUCESOS
Probabilidad de la interseccin de sucesos independientes
p(A B) = p(A) * p(B)
E je m p l o
S e t i e n e u n a b a r a j a d e 4 0 c a r t a s , s e s a c a u n a y s e vu e l ve a m e t e r .
C u l e s l a p ro b ab i l i d a d d e e x t r a e r d o s a s e s ?
Probabilidad de la interseccin de sucesos dependientes
p( A B) = p(A) p(B/A)
E je m p l o
S e t i e n e u n a b a r a j a d e 40 c a r t a s , s e e x t r a e n d o s c a r t a s . C u l e s
l a p ro b ab i l i d a d d e e x t r a e r d o s a s e s ?
- 82 -
Probabilidad de la diferencia de sucesos
3.14 TABLAS DE CONTINGENCIA
U n m t o d o t i l p a r a c l a s i f i c a r l o s d a t o s o b te n i d o s e n u n r e c u e n t o
e s me d i a n te l a s t a b l a s d e c o n t i n g e n c i a .
S e t r a t a d e t a b l a s e n c u y a s c e ld a s f i g u r a n p r o b a b i l i d ad e s , y e n l a
c u a l p o d e m o s d e t e r m i n a r u n a s p r o b a b i l i d ad e s c o n o c i e n d o o t r a s d e
la tabla.
E je m p l o
S e s o r te a u n v i a j e a R o m a e n tr e l o s 1 2 0 m e j o r e s c l i e n t e s d e u n a
a g e n c i a d e a u t o m v i l e s . D e e l l o s , 6 5 s o n m u j e r e s , 8 0 e s t n
c a s a d o s y 4 5 s o n m u j e re s c a s a d a s . Se p id e :
1. C u l se r l a p ro b ab i l i d a d d e q u e l e t o q u e e l v i a j e a u n
h o mb r e s o l t e r o ?
2. S i d e l a f o r tu n a d o se s ab e q u e e s casado, cul ser la

p ro b a b i l i d ad d e q u e s e a u n a m u j e r ?
- 83 -
3.15 DIAGRAMAS DE RBOL
P a r a l a c o n s t r u c c i n d e u n d i ag r a m a e n r b o l s e p a r t i r p o n i e n d o
u n a r a m a p ar a c a d a u n a d e l a s p o s ib i l i d a d e s , a c o m p a a d a d e s u
p ro b a b i l i d ad .
En el final de cada rama parcial se constituye a su vez, un nudo

d e l c u a l p ar t e n n u e v a s r a m a s , s e g n l a s p o s i b i l i d ad e s d e l s i g u i e n t e
p a s o , s a l v o s i e l n u d o r e p r e se n t a u n p o s i b l e f i n a l d e l e x p e r i m e n t o
(nudo final).
Hay que tener en cuenta: que la suma de probabilidades de las

ramas de cada nudo ha de dar 1.
E je m p l o s
U n a c l a s e c o n s t a d e s e i s n i a s y 1 0 n i o s . S i s e e s c o g e u n c o m i t
de tres al azar, hallar la probabilidad de:
1. Seleccionar tres nios.
- 84 -
2Seleccionar exactamente dos nios y una nia.
3Seleccionar exactamente dos nias y un nio.
1 S e le c c i o n a r t r e s n i a s .
2. C a l c u l a r l a p ro b ab i l i d a d de que al arrojar al aire tres

m o n e d a s , s a l g an :
T re s c a r a s .
Experimentos compuestos
U n e xp e r i me n t o c o mp u e s t o e s aq u e l q u e c o n s t a d e d o s o m s
e xp e r i me n t o s a l e a t o r i o s s i m p l e s .
- 85 -
E s d e c i r , s i t i r a m o s u n d ad o , o u n a m o n e d a , s o n e x p e r i m e n t o s
a l e a t o r i o s s i m p l e s , p e ro s i r e a l i z a m o s e l e xp e r i m e n t o d e t i r a r u n
d ad o y p o s t e r i o r me n t e u n a m o n e d a , e s t a m o s r e a l i z a n d o u n
e xp e r i me n t o c o mp u e s t o .
E n l o s e xp e r i me n t o s c o mp u e s t o s e s c o n v e n i e n te u s a r e l l l a m a d o
diagrama en rbol para hacerse una idea global de todos ellos.
3.16 TEOREMA DE LA PROBABILIDAD TOTAL
Si A 1, A 2 ,... , A n son:
S u c e s o s i n c o mp a t i b l e s 2 a 2 .
Y c u y a u n i n e s e l e s p a c i o m u e s t r a l ( A 1 A 2 ... A n = E).
Y B e s o t r o s u ce s o .
Resulta que:
p(B) = p(A1) * p(B/A1) + p(A2) * p(B/A2 ) + ... + p(An) *

p(B/An )
E je m p l o
Se dispone de tres cajas con bombillas. La primera contiene 10

b o mb i l l a s , d e l a s cu a l e s h a y c u a t r o f u n d id a s ; e n l a s e g u n d a h a y
s e i s b o m b i l l a s , e s t a n d o u n a d e e l l a s f u n d i d a , y l a t e r ce r a c a j a h a y
t r e s b o m b i l l a s f u n d id a s d e u n t o t a l d e o c h o . C u l e s l a
p ro b a b i l i d ad d e q u e a l t o m a r u n a b o m b i l l a a l a z a r d e u n a
c u a l q u ie r a d e l a s c a j a s , e s t f u n d id a ?
- 86 -
3.17 TEOREMA DE BAYES
Si A 1, A 2 ,... , An son:
S u c e s o s i n c o mp a t i b l e s 2 a 2 .
Y c u y a u n i n e s e l e s p a c i o m u e s t r a l ( A 1 A 2 ... A n = E).
Y B e s o t r o s u ce s o .
Resulta que:
L a s p r o b a b i l i d ad e s p ( A 1 ) s e d e n o m i n an p r o b ab i l i d a d e s a p r io r i .
Las p r o b a b i l i d ad e s p(Ai/B) se denominan p r o b a b i l i d ad e s a

posteriori.
L a s p r o b a b i l i d ad e s p ( B / A i ) se d e n o m i n a n ve r o s i m i l i t u d e s .
E je m p l o s
- 87 -
E l 2 0 % d e l o s e mp l e ad o s d e u n a e m p r e s a s o n i n g e n i e r o s y o t r o
2 0 % s o n e c o n o m i s t a s . E l 7 5 % d e l o s i n g e n ie r o s o c u p a n u n p u e s t o
d i re c t i v o y e l 5 0 % d e l o s e c o n o m i s t a s t a m b i n , m i e n t r a s q u e l o s
n o i n g e n i e ro s y l o s n o e c o n o m i s t a s s o l a m e n t e e l 2 0 % o c u p a u n
p u e s t o d i r e c t i v o . C u l e s l a p r o b a b i l i d ad d e q u e u n e m p l e ad o
d i re c t i v o e l e g i d o a l a z a r s e a in g e n i e r o ?
L a p ro b a b i l i d ad d e q u e h a y a u n a c c i d e n te e n u n a f b r i c a q u e
d i s p o n e d e a l a r m a e s 0 . 1 . L a p r o b ab i l i d a d d e q u e s u e n e e s t a s se
h a p r o d u c i d o a l g n i n c i d e n t e e s d e 0 . 9 7 y l a p r o b a b i l i d ad d e q u e
suene si no ha sucedido ningn incidente es 0.02.
En el supuesto de que haya funcionado la alarma, cul es la

p ro b a b i l i d ad d e q u e n o h a y a h ab i d o n i n g n i n c i d e n t e ?
Sean los sucesos:
I = Producirse incidente.
A = Sonar la alarma.
- 88 -
3.18 RESUMEN
L a t e o r a d e p r o b ab i l i d a d e s s e o cu p a d e a s i g n a r u n c i e r t o n m e r o a
c a d a p o s i b le re s u l t a d o q u e p u e d a o c u r r i r e n u n e xp e r i m e n t o
a l e a t o r i o , c o n e l f in d e c u an t i f i c a r d i c h o s r e s u l t a d o s y s a b e r s i u n
s u c e s o e s m s p r o b a b le q u e o t r o .
Suceso
Es cada uno de los re s u l t a d o s posibles de una e xp e r i e n c i a

aleatoria.
Espacio muestral
T i po s d e s u c e s o s
S u c e s o E l e m e n t a l : e s c a d a u n o d e l o s e l e m e n t o s q u e f o r m an
p a r t e d e l e sp a c i o m u e s t r a l .
Suceso Aleatorio Compuesto: es cualquier subconjunto del

e s p a c i o mu e s t r a l .
S u c e s o S e g u r o : e s t f o r m ad o p o r t o d o s los posibles
r e s u l t a d o s ( e s d e c i r , p o r e l e sp a c i o m u e s t r a l ) .
Suceso Imposible : e s e l q u e n o t i e n e n in g n e le m e n t o .
P o r e j e mp l o a l t i r a r u n d a d o o b te n e r u n a p u n tu a c i n i g u a l a 7
Sucesos Compatibles: dos sucesos, A y B, son compatibles

c u a n d o t i e n e n a l g n s u ce s o e le m e n t a l c o m n .
Sucesos Incompatibles: dos sucesos, A y B, son

i n c o m p a t i b le s c u a n d o n o t i e n e n n i n g n e le m e n t o e n c o m n .
Sucesos Independientes: dos sucesos, A y B, son

i n d e p e n d i e n t e s c u a n d o l a p r o b a b i l i d ad d e q u e s u c e d a A n o s e
v e af e c t a d a p o rq u e h a y a s u ce d i d o o n o B .
Sucesos Dependientes: dos sucesos, A y B, son

d e p e n d ie n te s c u a n d o l a p r o b a b i l i d ad d e q u e s u c e d a A s e v e
a f e c t a d a p o rq u e h a y a s u c e d id o o n o B . .
Suceso Contrario: el suceso contrario a A es otro suceso

q u e se r e a l i z a c u a n d o n o s e r e a l i z a A . , Se d e n o t a p o r .
- 89 -
Unin de sucesos
L a u n i n d e s u c e s o s , A B, es el suceso formado por todos los

e le m e n t o s d e A y d e B .
Interseccin de sucesos
L a i n te r s e c c i n d e s u ce s o s , A B , e s e l s u ce s o f o r m a d o p o r t o d o s
l o s e le m e n t o s q u e s o n , a l a ve z , d e A y B .
Diferencia de sucesos
L a d i f e re n c i a d e su c e s o s , A B , e s e l s u c e s o f o r m a d o p o r t o d o s
l o s e le m e n t o s d e A q u e n o s o n d e B .
Sucesos contrarios
E l s u ce s o = E - A s e l l a m a s u c e s o c o n t r a r i o o c o m p le m e n t a r i o d e
A.
Axiomas de la probabilidad
1. 0 p(A) 1
2. p (E ) = 1
3. p(A B) = p(A) + p(B)
Propiedades de la probabilidad
1.
2.
3.
4.
5. S i A 1 , A 2 , . . . , A k s o n in c o m p a t i b l e s d o s a d o s e n t o n c e s :
6. S i e l e s p a c i o m u e s t r a l E e s f i n i t o y u n s u ce s o e s S =
{ x 1 , x 2 , . . . , x n } e n to n c e s :
Ley de Laplace
- 90 -
Probabilidad de la unin de sucesos incompatibles
A B =
p(A B) = p(A) + p(B)
Probabilidad de la unin de sucesos compatibles
A B
p(A B) = p(A) + p(B) p(A B)
P r o b a b i l i d a d c o n di c i o n a d a
Probabilidad de la interseccin de sucesos independientes
p(A B) = p(A) * p(B)
Probabilidad de la interseccin de sucesos dependientes
p(A B) = p(A) *. * p(B/A)
Teorema de la probabilidad total
S i A 1 , A 2 , . . . , A n s o n s u c e s o s in c o m p a t i b l e s 2 a 2 , c u y a u n i n e s e l
e s p a c i o mu e s t r a l ( A 1 A2 ... A n = E ) y B e s o t r o su c e s o ,
resulta que:
P(B) = P(A1) * P(B/A1) + P(A2) * P(B/A2 ) + ... + P(An) * P(B/An)
Teorema de Bayes
S i A 1 , A 2 , . . . , A n s o n s u c e s o s in c o m p a t i b l e s 2 a 2 , c u y a u n i n e s e l
e s p a c i o mu e s t r a l ( A 1 A2 ... A n = E ) y B e s o t r o su c e s o ,
resulta que:
Ejercicios resueltos de Probabilidad condicionada
Ejercicios resueltos de probabilidad
- 91 -
Eje r c ic ios y Pr oble mas Re sue lt os de Pr obabilidad

C ondic ionada
1. Sean A y B dos sucesos aleatorios con p(A) = 1/2, p(B) =
1/3, P(A B)= 1/4. Determinar:
1.
2.
3.
4.
5.
2. Sean A y B dos sucesos aleatorios con p(A) = 1/3, p(B) =

1 / 4 , p( A B) = 1/5. Determinar:
1.
- 92 -
2.
3.
4.
5.
6.
3. En un centro escolar los alumnos pueden optar por

c u r s a r c o mo l e n g u a e x t r a n j e r a i n g l s o f r a n c s . E n u n
d e t e r m i n a d o c u r so , el 9 0 % d e l o s a l u m n o s e s t u d i a i n g l s
y el resto francs. El 30% de los que estudian ingls son
c h i c o s y d e l o s q u e e s t u d i a n f r a n c s s o n c hi c o s e l 4 0 % .
E l e l e gi d o u n a l u m n o a l a z a r , c u l e s l a p r o b a b i l i d a d d e
q u e s e a c hi c a ?
- 93 -
p ( c h i c a ) = 0 . 9 0 .7 + 0 . 1 0 . 6 = 0.69
4. D e u n a b a r a j a d e 4 8 c ar t a s s e ex t r a e s i m u l t n e a m e n t e
dos de ellas. Calcular la probabilidad de que:
1. L a s d o s s e an c o p a s .
2. Al menos una sea copas.
3. U n a s e a c o p a y l a o t r a e s p ad a .
5. Ante un examen, un alumno slo ha estudiado 15 de los

2 5 t e m a s c o r r e s po n d i e n t e s a l a m a t e r i a d el m i s m o . s t e
se realiza extrayendo al azar dos temas y dejando que el
a l u m n o e s c o j a u n o d e l o s d o s p a r a s e r ex a m i n a d o d e l
m i s m o . H a l l a r l a p r o b a b i l i d a d d e q u e el a l u m n o p u e d a
e l e g i r e n el e x a m e n u n o d e l o s t e m a s e s t u d i a d o s .
6. Una clase est formada por 10 chicos y 10 chicas; la

m i t a d d e l a s c h i c a s y l a m i t a d d e l o s c h i c o s h a n el e g i d o
francs como asignatura optativa.
1. C u l e s l a p ro b ab i l i d a d d e q u e u n a p e r s o n a e l e g i d a a l
a z a r s e a c h i c o o e s tu d i e f r a n c s ?
- 94 -
2. Y l a p r o b a b i l i d ad d e q u e s e a ch i c a y n o e s t u d ie f r an c s ?
7. Un taller sabe que por trmino medio acuden: por la

m a a n a t r e s a u t o m v i l e s c o n p r o b l e m a s el c t r i c o s , o c ho
con problemas mecnicos y tres con problemas de chapa,
y po r l a t a r d e do s c o n p r o b l e m a s e l c t r i c o s , t r e s c o n
problemas mecnicos y uno con problemas de chapa.
1. H a c e r u n a t a b l a o r d e n a n d o l o s d a t o s an t e r i o r e s .
2. C a l c u l a r e l p o r ce n t a j e d e l o s q u e a c u d e n p o r l a t a r d e .
3. C a l c u l a r e l p o r ce n t a j e d e l o s q u e a c u d e n p o r p r o b l e m a s
mecnicos.
4. C a l c u l a r l a p ro b ab i l i d a d d e q u e u n a u t o m v i l con
p ro b l e m a s e l c t r i c o s a c u d a p o r l a m a a n a .
8. Una clase consta de seis nias y 10 nios. Si se escoge

un comit de tres al azar, hallar la probabilidad de:
- 95 -
1. Seleccionar tres nios.
2. Seleccionar exactamente dos nios y una nia.
3. Seleccionar por lo menos un nio.
4. Seleccionar exactamente dos nias y un nio.
9. U n a c a j a c o n t i e n e tr e s m o n e d a s . U n a m o n e d a e s
c o r r i e n t e , o t r a ti e n e d o s c a r a s y l a o t r a e s t c a r g a d a d e
m o d o q u e l a pr o b a b i l i d a d d e o b t e n e r c a r a e s d e 1 / 3 . S e
selecciona una moneda lanzar y se lanza al aire. Hallar
la probabilidad de que salga cara.
- 96 -
10. Una urna contiene 5 bolas rojas y 8 verdes. Se extrae

una bola y se reemplaza por dos del otro color. A
continuacin, se extrae una segunda bola. Se pide:
1. P r o b ab i l i d a d d e q u e l a s e g u n d a b o l a s e a v e r d e .
- 97 -
2. P r o b ab i l i d a d d e q u e l a s d o s b o l a e x t r a d a s s e an d e l m i s m o
color.
11. E n u n a c l a s e e n l a q u e t o d o s p r a c t i c a n a l g n d e p o r t e , el
6 0 % d e l o s a l u m n o s j u e g a a l f t b o l o a l b a l o n c e s t o y el
1 0 % pr a c t i c a a m b o s d e p o r t e s . S i a d e m s h a y u n 6 0 %
que no juega al ftbol, cul ser la probabilidad de que
e s c o gi d o a l a z a r u n a l u m n o d e l a c l a s e :
1. J u e g u e s l o a l f tb o l .
2. Juegue slo al baloncesto.
3. Practique uno solo de los deportes.
4. N o ju e g u e n i a l f t b o l n i a l b a l o n ce s t o .
12. En una ciudad, el 40% de la poblacin tiene cabellos

c a s t a o s , el 2 5 % t i e n e o j o s c a s t a o s y el 1 5 % ti e n e
c a b e l l o s y o j o s c a s t a o s . S e e s c o g e u n a p er s o n a a l a z a r :
- 98 -
1. S i t i e n e l o s c a b e l l o s c a s t a o s , c u l e s l a p r o b ab i l i d a d d e
q u e te n g a t a m b i n o j o s c a s t a o s ?
2. S i t i e n e o jo s c a s t a o s , c u l e s l a p r o b a b i l i d ad d e q u e n o
tenga cabellos castaos?
3. C u l e s l a p r o b a b i l i d ad d e q u e n o t e n g a c a b e l l o s n i o j o s
castaos?
13. En un aula hay 100 alumnos, de los cuales: 40 son

hombres, 30 usan gafas, y 15 son varones y usan gafas.
S i s e l ec c i o n a m o s a l a z a r u n a l u m n o d e d i c h o c u r s o :
1. C u l e s l a p ro b ab i l i d a d d e q u e s e a m u j e r y n o u s e g a f a s ?
- 99 -
2. S i s a b e mo s q u e e l a l u m n o s e le c c i o n a d o n o u s a g af a s ,
q u p r o b a b i l i d ad h a y d e q u e s e a h o m b r e ?
14. D i s p o n e m o s d e do s u r n a s : l a u r n a A c o n t i e n e 6 b o l a s
r o j a s y 4 bo l a s b l a n c a s , l a u r n a B c o n t i e n e 4 b o l a s r o j a s
y 8 b o l a s bl a n c a s . S e l a n z a u n d a d o , s i a p a r e c e u n
n m e r o m e n o r q u e 3 ; n o s v a m o s a l a u r n a A ; si e l
r e s u l t a d o e s 3 m s , no s v a m o s a l a u r n a B . A
continuacin extraemos una bola. Se pide:
1. P r o b ab i l i d a d d e q u e l a b o l a se a r o j a y d e l a u r n a B .
2. P r o b ab i l i d a d d e q u e l a b o l a se a b l a n c a .
15. U n e s t u d i a n t e c u e n t a , p a r a u n ex a m e n c o n l a a y u d a d e
u n d e s p er t a d o r , e l c u a l c o n s i g u e d e s p e r t a r l o e n u n 8 0 %
de los casos. Si oye el despertador, la probabilidad de
que realiza el examen es 0.9 y, en caso contrario, de
0.5.
1. Si va a realizar el examen, cul es la probabilidad de

q u e h a y a o d o e l d e sp e r t a d o r ?
- 100 -
2. Si no realiza el examen, cul es la probabilidad de que

n o h a y a o d o e l d e s p e r t a d o r ?
16. En una estantera hay 60 novelas y 20 libros de poesa.

U n a p e r so n a A e l i g e u n l i b r o a l a z a r d e l a e s t a n t e r a y s e
l o l l e v a . A c o n t i n u a c i n o t r a p e r so n a B e l i g e o tr o l i b r o a l
azar.
1. C u l e s l a p ro b ab i l i d a d d e q u e e l l i b r o s e le c c i o n a d o p o r
B sea una novela?
2. S i s e s a b e q u e B e l i g i u n a n o ve l a , c u l e s l a
p ro b a b i l i d ad d e q u e e l l i b r o s e le c c i o n a d o p o r A se a d e
poesa?
- 101 -
17. Se supone que 25 de cada 100 hombres y 600 de cada

1 0 0 0 m u j e r e s u s a n g a f a s . S i el n m e r o d e m u j e r e s e s
cuatro veces superior al de hombres, se pide la
probabilidad de encontrarnos:
1. C o n u n a p e r s o n a s i n g af a s .
2. Con una mujer con gafas.
18. E n u n a c a s a h a y tr e s l l a v e r o s A , B y C ; e l p r i m e r o c o n
c i n c o l l a v e s , el s e g u n d o c o n s i e t e y el t e r c er o c o n o c h o ,
d e l a s q u e s l o u n a d e c a d a l l a v e r o a b r e l a p u e r t a d e l
t r a s t e r o . S e e s c o g e a l a z a r u n l l a v e r o y , d e l u n a l l a v e
p a r a a b r i r e l tr a s t e r o . S e p i d e :
1. C u l se r l a p ro b ab i l i d a d d e q u e s e a c i e r t e c o n l a l l a v e ?
- 102 -
2. C u l se r l a p ro b ab i l i d a d d e q u e e l l l a v e r o e s c o g id o se a
e l te r c e r o y l a l l a v e n o ab r a ?
3. Y s i l a l l a v e e s c o g id a e s l a c o r r e c t a , c u l s e r la
p ro b a b i l i d ad d e q u e p e r te n e z c a a l p r i m e r l l a v e r o A ?
TEMA 4. DISTRIBUCIONES DE
PROBABILIDAD
4.1 MUESTREO ALEATORIO
Muestreo probabilstico
- 103 -
C o n s i s t e e n e l e g i r u n a mu e s t r a d e u n a p o b l a c i n a l a z a r . P o d e m o s
d i s t i n g u i r v a r i o s t i po s d e m u e s t r e o :
M u e s t r e o a l e a t o r i o s i m pl e
P a r a o b te n e r u n a m u e s t r a , s e n u m e r an l o s e l e m e n t o s d e l a
p o b l a c i n y se se l e c c i o n a n a l a z a r lo s n e l e m e n t o s q u e c o n t i e n e l a
muestra.
Muestreo aleatorio sistemtico
Se elige un individuo al azar y a partir de l, a intervalos

constantes, se eligen los dems hasta completar la muestra.
P o r e je m p l o s i te n e m o s u n a p o b l a c i n f o r m a d a p o r 1 0 0 e l e m e n t o s y
q u e re m o s e x t r ae r u n a m u e s t r a d e 2 5 e l e m e n t o s , e n p r i m e r l u g a r
d e b e m o s e s t a b l e c e r e l in t e r v a l o d e se l e c c i n q u e s e r i g u a l a
100/25 = 4. A continuacin elegimos el elemento de arranque,
t o m a n d o a l e a t o r i a m e n te u n n m e r o e n t r e e l 1 y e l 4 , y a p a r t i r d e
l o b t e n e m o s lo s r e s t a n t e s e le m e n t o s d e l a m u e s t r a .
2, 6, 10, 14,..., 98
Muestreo aleatorio estratificado
Se divide la poblacin en clases o estratos y se escoge,

aleatoriamente, un n me r o de individuos de cada estrato
p ro p o r c i o n a l a l n m e r o d e c o m p o n e n t e s d e c a d a e s t r a t o .
E n u n a f b r i c a q u e c o n s t a d e 6 0 0 t r a b a j ad o r e s q u e r e m o s t o m a r u n a
m u e s t r a d e 2 0 . S a b e mo s q u e h a y 2 0 0 t r a b a j a d o r e s e n l a s e c c i n A ,
150 en la B, 150 en la C y 100 en la D.
U n mu e s t r e o p u e d e h a c e r s e c o n o s i n r e p o s i c i n , y l a p o b l a c i n d e
p a r t i d a p u e d e s e r i n f in i t a o f in i t a .
E n t o do n u e s t r o e s t u d i o v a m o s a l i m i t a r n o s a u n a p o b l a c i n
de partida infinita o a muestreo con reposicin .
- 104 -
S i c o n s i d e r e m o s t o d a s l a s p o s i b le s m u e s t r a s d e t a m a o n e n u n a
p o b l a c i n , p a r a c a d a mu e s t r a p o d e m o s c a l c u l a r u n e s t a d s t i c o
(media, desviacin tpica, proporcin, ...) que variar de una a
otra.
As obtenemos una distribucin del estadstico que se llama

distribucin muestral .
El muestreo es una tcnica para la seleccin de una muestra a

p a r t i r d e u n a p o bl a c i n ( s u b c o n j u n t o d e l a p o b l a c i n ) .
A l e le g i r u n a mu e s t r a s e e s p e r a c o n s e g u i r q u e s u s p r o p i e d a d e s
s e a n e x t r ap o l a b l e s a l a p o b l a c i n . E s te p r o c e s o p e r m i t e a h o r r a r
recursos, y a la vez obtener resultados parecidos a los que se
a l c a n z a r a n s i s e re a l i z a s e u n e s t u d i o d e t o d a l a p o b l a c i n .
P a r a q u e e l m u e s t r e o se a v l i d o y s e p u e d a r e a l i z a r u n e s t u d i o
a d e c u a d o , d e b e c u mp l i r c i e r t o s r e q u i s i t o s d e a l e a t o r i e d a d . N u n c a
p o d re m o s e s t a r e n t e r a me n t e se g u r o s d e q u e e l r e s u l t a d o s e a u n a
m u e s t r a r e p r e s e n t a t i v a , p e r o s p o d e m o s a c t u a r d e m an e r a q u e
e s t a c o n d i c i n s e a l c a n c e c o n u n a p r o b a b i l i d ad a l t a .
En el muestreo, si el tamao de la muestra es ms pequeo que el

tamao de la poblacin, se puede extraer dos o ms muestras de la
m i s m a p o b l a c i n . A l c o n ju n t o d e m u e s t r a s q u e s e p u e d e n o b t e n e r
d e l a p o b l a c i n s e d e n o m i n a e sp a c i o mu e s t r a l . L a v a r i a b l e q u e
a s o c i a a c a d a m u e s t r a su p r o b ab i l i d a d d e e x t r a c c i n , s i g u e l a
llamada distribucin muestral.
Tcnicas de muestreo estadstico
E x i s t e n d o s m t o d o s p a r a s e le c c i o n a r m u e s t r a s d e p o b l a c i o n e s : e l
muestreo no aleatorio o de juicio y el muestreo aleatorio (que
i n c o r p o r a e l a z a r c o m o r e c u r s o e n e l p r o ce s o d e s e le c c i n ) . C u an d o
e s t e l t i m o c u m p le c o n l a c o n d i c i n d e q u e t o d o s l o s e le m e n t o s d e
l a p o b l a c i n t i e n e n a lg u n a o p o r t u n i d ad d e s e r e s c o g i d o s e n l a
m u e s t r a , s i l a p ro b a b i l i d ad c o r r e s p o n d i e n te a c a d a s u j e t o d e l a
p o b l a c i n e s c o n o c i d a d e a n t e m an o , r e c i b e e l n o m b r e d e m u e s t r e o
p ro b a b i l s t i c o . U n a m u e s t r a s e l e c c i o n ad a p o r m u e s t r e o d e j u i c i o
p u e d e b a s a r s e e n l a e x p e r i e n c i a d e a l g u ie n c o n l a p o b l a c i n .
A l g u n a s ve c e s u n a m u e s t r a d e j u i c i o s e u s a c o m o g u a o m u e s t r a
tentativa para decidir cmo tomar una muestra aleatoria ms
adelante.
S e in c o r p o r an aq u e l l o s m t o d o s p a r a l o s q u e s e p u e d e c a l c u l a r l a
p ro b a b i l i d ad d e e x t r a c c i n d e c u a l q u i e r a d e l a s m u e s t r a s p o s ib l e s .
E s t e c o n ju n t o d e t c n i c a s d e m u e s t r e o e s e l m s a c o n se j a b le ,
a u n q u e e n o c a s i o n e s n o e s p o s ib l e o p t a r p o r l . E n e s t e c a s o s e
h ab l a d e m u e s t r a s p ro b a b i l s t i c a s , p u e s n o e s e n r ig o r c o r r e c t o
- 105 -
h ab l a r d e m u e s t r a s r e p re s e n t a t i v a s d ad o q u e , a l n o c o n o c e r l a s
c a r a c t e r s t i c a s d e l a p o b l a c i n , n o e s p o s i b l e t e n e r c e r te z a d e q u e
t a l c a r a c t e r s t i c a s e h a y a c o n s e g u id o .
S i n r e po s i c i n d e l o s e l e m e n t o s : C ad a e le m e n t o e x t r a d o s e
d e s c a r t a p a r a l a s u b s i g u ie n t e e x t r a c c i n . P o r e j e m p l o , s i s e
extrae una muestra de una "poblacin" de bombillas para
e s t i m a r l a v i d a m e d i a d e l a s b o m b i l l a s q u e l a in t e g r an , n o s e r
p o s i b le me d i r m s q u e u n a ve z l a b o m b i l l a s e le c c i o n a d a .
C o n r ep o s i c i n d e l o s el e m e n t o s : L a s o b s e r v a c i o n e s s e
r e a l i z a n c o n re m p l a z a m ie n t o d e l o s i n d i v id u o s , d e f o r m a q u e l a
poblacin es idntica en todas las extracciones. En poblaciones
m u y g r a n d e s , l a p r o b a b i l i d ad d e r e p e t i r u n a e x t r a c c i n e s t a n
p e q u e a q u e e l mu e s t r e o p u e d e c o n s i d e r a r s e c o n r e p o s i c i n
a u n q u e , re a l m e n te , n o l o se a .
C o n r ep o s i c i n m l t i p l e : E n p o b l a c i o n e s m u y g r a n d e s , l a
p ro b a b i l i d ad d e r e p e t i r u n a e x t r a c c i n e s t a n p e q u e a q u e e l
muestreo puede considerarse con reposicin.
P a r a r e a l i z a r e s te t i p o d e m u e s t r e o , y e n d e te r m i n ad a s s i t u a c i o n e s ,
e s mu y t i l l a e x t r a c c i n d e n m e r o s a le a t o r i o s m e d i a n t e
o rd e n ad o re s , c a l c u l a d o r a s o t a b l a s c o n s t r u id a s a l e f e c t o . Pe r o n o e s
exacto
Muestreo sistemtico
S e u t i l i z a c u an d o e l u n i ve r s o o p o b l a c i n e s d e g r a n t a m a o , o h a
d e e x te n d e r s e e n e l t i e m p o . P r i m e r o h a y q u e i d e n t i f i c a r l a s
u n id a d e s y re l a c i o n a r l a s c o n e l c a l e n d a r io ( c u a n d o p r o c e d a ) . L u e g o
hay que calcular una constante, que se denomina coeficiente de
e le v a c i n K = N / n ; d o n d e N e s e l t a m a o d e l u n i v e r s o y n e l t a m a o
d e l a mu e s t r a . D e te r m i n a r e n q u f e c h a se p r o d u c i r l a p r i m e r a
extraccin, para ello hay que elegir al azar un nmero entre 1 y K;
de ah en adelante tomar uno de cada K a intervalos regulares.
O c a s i o n a l m e n t e , e s c o n v e n i e n te te n e r e n c u e n t a l a p e r i o d i c i d a d d e l
f e n me n o .
E s t o q u ie r e d e c i r q u e s i t e n e m o s u n d e te r m i n ad o n m e r o d e
personas que es la poblacin (N) y queremos escoger de esa
p o b l a c i n u n n me r o m s p e q u e o e l c u a l e s l a m u e s t r a ( n ) ,
d i v i d i m o s e l n m e ro d e l a p o b l a c i n p o r e l n m e r o d e l a m u e s t r a
q u e q u e re m o s t o m a r y e l r e s u l t a d o d e e s t a o p e r a c i n s e r e l
i n t e r v a l o , e n t o n c e s e s c o g e m o s u n n m e r o a l az a r d e sd e u n o h a s t a
e l n me r o d e l i n t e r v a l o , y a p a r t i r d e e s t e n m e r o e s c o g e m o s l o s
dems siguiendo el orden.
Muestreo estratificado
Consiste en la divisin previa de la poblacin de estudio en grupos

o c l a s e s q u e s e s u p o n e n h o m o g n e o s c o n r e sp e c t o a a lg u n a
- 106 -
caracterstica de las que se van a estudiar. A cada uno de estos
e s t r a t o s s e l e a s i g n a r a u n a c u o t a q u e d e te r m i n a r a e l n m e r o d e
m i e mb r o s d e l m i s m o q u e c o m p o n d r n l a m u e s t r a . D e n t r o d e c a d a
estrato se suele usar la tcnica de muestreo sistemtico, una de las
t c n i c a s d e s e l e c c i n m s u s ad a s e n l a p r c t i c a .
S e g n l a c a n t i d a d d e e le m e n t o s d e l a m u e s t r a q u e s e h an d e e l e g i r
de cada uno de los estratos, existen dos tcnicas de muestreo
estratificado:
A s i g n a c i n pr o po r c i o n a l : e l t a m a o d e l a m u e s t r a d e n t r o d e
c a d a e s t r a t o e s p r o p o r c i o n a l a l t a m a o d e l e s t r a t o d e n tr o d e l a
poblacin.
A s i g n a c i n p ti m a : l a m u e s t r a r e c o g e r m s in d i v i d u o s d e
aquellos estratos que tengan ms variabilidad. Para ello es
n e ce s a r i o u n c o n o c i m i e n t o p r e v i o d e l a p o b l a c i n .
P o r e j e mp l o , p a r a u n e s t u d i o d e o p in i n , p u e d e r e s u l t a r i n t e r e s a n t e
e s t u d i a r p o r s e p a r ad o l a s o p i n i o n e s d e h o m b r e s y m u j e r e s p u e s s e
e s t i m a q u e , d e n tr o d e c ad a u n o d e e s t o s g r u p o s , p u e d e h ab e r
c i e r t a h o m o g e n e i d ad . A s , s i l a p o b l a c i n e s t c o m p u e s t a d e u n
5 5 % d e mu j e re s y u n 4 5 % d e h o m b r e s , se t o m a r a u n a m u e s t r a q u e
c o n t e n g a t a m b i n e s o s m i s m o s p o r c e n t a j e s d e h o m b r e s y m u j e r e s .
Para una descripcin general del muestreo estratificado y los

mtodos de i n f e re n c i a asociados con este procedimiento,
s u p o n e mo s q u e l a p o b l a c i n e s t d i v i d id a e n h s u b p o b l a c i o n e s o
e s t r a t o s d e t a m a o s c o n o c i d o s N 1 , N 2 , . . . , N h t a l q u e l a s u n id a d e s e n
c a d a e s t r a t o s e an h o m o g n e a s r e s p e c t o a l a c a r a c t e r s t i c a e n
c u e s t i n . L a me d i a y l a v a r i a n z a d e s c o n o c i d a s p ar a e l i - s i m o
estrato son denotadas por mi y si2, respectivamente.
Muestreo por estadios mltiples
E s t a t c n i c a e s l a n i c a o p c i n c u an d o n o s e d i s p o n e d e l i s t a
completa de la poblacin de referencia o bien cuando por medio de
l a t cn i c a d e m u e s t r e o s i m p l e o e s t r a t i f i c a d o se o b t i e n e u n a
m u e s t r a c o n u n i d ad e s d i s t r i b u i d a s d e t a l f o r m a q u e r e s u l t a n d e
difcil acceso. En el muestreo a estadios mltiples se subdivide la
poblacin en varios n i ve l e s o r d e n ad o s que se extraen
sucesivamente por medio de un procedimiento de embudo. El
m u e s t r e o s e d e s a r ro l l a e n v a r i a s f a s e s o e x t r a c c i o n e s s u c e s i v a s
p a r a c ad a n i v e l .
P o r e je m p l o , s i te n e m o s q u e c o n s t r u i r u n a m u e s t r a d e p r o f e s o r e s
d e p r i m a r i a e n u n p a s d e t e r m in a d o , s t o s p u e d e n s u b d i v i d i r s e e n
u n id a d e s p r i m a r i a s r e p re s e n t a d a s p o r c i r c u n s c r i p c i o n e s d id c t i c a s y
u n id a d e s s e c u n d a r i a s q u e se r a n l o s p r o p i o s p r o f e s o r e s . E n p r i m e r
l u g a r e x t r a e m o s u n a mu e s t r a d e l a s u n id a d e s p r i m a r i a s ( p a r a l o
c u a l d e b e mo s t e n e r l a l i s t a c o m p l e t a d e e s t a s u n id a d e s ) y e n
s e g u n d o l u g a r e x t r a e m o s a l e a t o r i a m e n t e u n a m u e s t r a d e u n i d ad e s
- 107 -
secundarias de cada una de las primarias s e le c c i o n a d a s en la
p r i me r a e x t r a c c i n .
Muestreo por conglomerados
S e u t i l i z a c u an d o l a p o b l a c i n s e e n c u e n t r a d i v i d i d a , d e m a n e r a
n a t u r a l , e n g ru p o s q u e s e s u p o n e q u e c o n t i e n e n t o d a l a v a r i a b i l i d ad
d e l a p o b l a c i n , e s d e c i r , l a r e p r e s e n t a n f ie l m e n t e r e s p e c t o a l a
c a r a c t e r s t i c a a e l e g i r , p u e d e n s e le c c i o n a r s e s l o a lg u n o s d e e s t o s
g ru p o s o c o n g l o m e r a d o s p a r a l a r e a l i z a c i n d e l e s tu d i o .
D e n t r o d e l o s g r u p o s se l e c c i o n a d o s s e u b i c a r n l a s u n id a d e s
e le m e n t a l e s , p o r e je m p l o , l a s p e r s o n a s a e n c u e s t a r , y p o d r a
a p l i c r s e l e e l i n s t r u me n t o d e m e d i c i n a t o d a s l a s u n i d ad e s , e s
d e c i r , l o s m i e mb r o s d e l g r u p o , o s l o s e l e p o d r a a p l i c a r a a l g u n o s
d e e l l o s , se l e c c i o n a d o s a l a z a r . E s t e m t o d o t i e n e l a ve n t a j a d e
simplificar la recogida de informacin muestral.
C u an d o , d e n t r o d e c a d a c o n g l o m e r a d o s e l e c c i o n a d o , s e e x t r a e n
a l g u n o s i n d i v i d u o s p a r a in t e g r a r l a m u e s t r a , e l d i s e o se l l a m a
muestreo bietpico.
L a s i d e a s d e e s t r a t o s y c o n g l o m e r ad o s s o n , e n c i e r t o se n t i d o ,
opuestas. El primer mtodo funciona mejor cuanto ms homognea
e s l a p o b l a c i n re s p e c t o d e l e s t r a t o , au n q u e m s d i f e r e n t e s s o n
stos e n t re s. En el segundo, ocurre lo contrario. Los
c o n g l o m e r ad o s d e b e n p re s e n t a r t o d a l a v a r i a b i l i d ad , a u n q u e d e b e n
s e r mu y p a re c i d o s e n t r e s .
Homogeneidad de las poblaciones o sus subgrupos
H o m o g n e o s i g n if i c a , e n e l c o n t e x t o d e l a e s t r a t i f i c a c i n , q u e n o
h a y m u c h a v a r i a b i l i d ad . L o s e s t r a t o s f u n c i o n a n m e j o r c u a n t o m s
h o mo g n e o s s o n c ad a u n o d e e l l o s r e sp e c t o a l a c a r a c t e r s t i c a a
m e d i r . P o r e j e mp l o , s i s e e s t u d i a l a e s t a t u r a d e u n a p o b l a c i n , e s
bueno distinguir entre los estratos mujeres y hombres porque se
espera que, dentro de ellos, haya menos variabilidad, es decir,
s e a n m e n o s h e te r o g n e o s . D i c h o d e o t r o m o d o , n o h a y t a n t a s
diferencias entre unas estaturas y otras dentro del estrato que en
la poblacin total.
Por el contrario, la heterogeneidad hace intil la divisin en

e s t r a t o s . S i se d an l a s m i s m a s d i f e r e n c i a s d e n t r o d e l e s t r a t o q u e e n
toda la poblacin, no hay por qu usar este mtodo de muestreo.
E n l o s c a s o s e n l o s q u e e x i s t a n g r u p o s q u e c o n t e n g an t o d a l a
variabilidad de la poblacin, lo que se construyen son
c o n g l o m e r ad o s , q u e a h o r r an a l g o d e l t r a b a j o q u e s u p o n d r a a n a l i z a r
t o d a l a p o b l a c i n . E n re s u m e n , l o s e s t r a t o s y l o s c o n g l o m e r a d o s
f u n c i o n a n b a jo p r in c i p i o s o p u e s t o s : l o s p r i m e r o s s o n m e j o r e s
c u a n t o m s h o m o g n e o e s e l g r u p o r e sp e c t o a l a c a r a c t e r s t i c a a
e s t u d i a r y l o s c o n g l o m e r ad o s , s i r e p r e s e n t a n f i e l m e n t e a l a
- 108 -
poblacin, esto es, contienen toda su v a r i a b i l i d ad , o sea, son
h e te r o g n e o s .
M u e s t r e o n o pr o b a b i l s t i c o
E s aq u l p a r a e l q u e n o p u e d e c a l c u l a r s e l a p r o b a b i l i d ad d e
e x t r a c c i n d e u n a d e t e r m i n ad a m u e s t r a . S e b u s c a s e l e c c i o n a r a
i n d i v id u o s q u e t i e n e n u n c o n o c i m i e n t o p r o f u n d o d e l t e m a b a j o
e s t u d io , p o r l o t a n t o , s e c o n s i d e r a q u e l a i n f o r m a c i n a p o r t a d a p o r
esas personas es vital para la toma de decisiones (tomar a los
l d e re s ) .
M u e s t r e o p o r c uo t a s
E s l a t c n i c a m s d if u n d i d a s o b r e t o d o e n e s tu d i o s d e m e r c a d o y
s o n d e o s d e o p in i n . E n p r i m e r l u g a r e s n e ce s a r i o d i v i d i r l a
p o b l a c i n d e r e f e re n c i a e n v a r i o s e s t r a t o s d e f i n id o s p o r a l g u n a s
v a r i a b l e s d e d i s t r i b u c i n c o n o c i d a ( c o m o e l g n e r o o l a e d ad ) .
Posteriormente se calcula el peso proporcional de cada estrato, es
d e c i r , l a p a r t e p ro p o r c i o n a l d e p o b l a c i n q u e r e p r e s e n t a n .
F i n a l m e n te se mu l t i p l i c a c a d a p e s o p o r e l t a m a o d e n d e l a
m u e s t r a p a r a d e t e r m in a r l a c u o t a p r e c i s a e n c ad a e s t r a t o . S e
d i f e r e n c i a d e l m u e s t r e o e s t r a t i f i c a d o e n q u e u n a ve z d e te r m i n a d a l a
c u o t a , e l i n v e s t i g a d o r e s l i b r e d e e le g i r a l o s s u j e t o s d e l a m u e s t r a
dentro de cada estrato.
M u e s t r e o d e bo l a d e n i e v e
Indicado para estudios de poblaciones clandestinas, minoritarias o

m u y d i s p e r s a s p e r o e n c o n t a c t o e n t r e s . C o n s i s t e e n id e n t i f i c a r
s u j e t o s q u e s e i n c l u i r n e n l a m u e s t r a a p a r t i r d e l o s p r o p i o s
e n t re v i s t a d o s . P a r t i e n d o d e u n a p e q u e a c a n t i d a d d e i n d i v i d u o s q u e
c u m p le n l o s re q u i s i t o s n e ce s a r i o s , s e r v i r n c o m o l o c a l i z a d o r e s d e
otros con caractersticas anlogas.
M u e s t r e o s u b j e t i v o p o r d e c i s i n r az o n a d a
E n e s t e c a s o l a s u n i d ad e s d e l a m u e s t r a s e e l i g e n e n f u n c i n d e
algunas de sus caractersticas de manera racional y no casual. Una
variante de esta tcnica es el muestreo compensado o equilibrado ,
e n e l q u e s e s e l e c c i o n an l a s u n id a d e s d e t a l f o r m a q u e l a m e d i a d e
l a mu e s t r a p a r a d e te r m i n ad a s v a r i a b l e s s e a c e r q u e a l a m e d i a d e l a
poblacin. La cual funciona en base a referencias o por
r e c o me n d a c i n .
4.2 ESPACIO MUESTRAL Y DISTRIBUCIN DE

PROBABILIDADES
- 109 -
El espacio muestral es el conjunto de todos los posibles resultados de un
experimento o suceso aleatorio.
Espacio de sucesos, S, es el conjunto de todos lo s sucesos

aleatorios.
S i t i r a m o s u n a m o n e d a e l e sp a c i o s e s u ce s o s e s t f o r m ad o p o r :
S= { , {C}, {X}, {C, X}}.
O b se r v a m o s q u e e l p r i m e r e le m e n t o e s e l s u c e s o i mp o s i b l e y e l
ltimo el suceso seguro.
S i E t i e n e u n n m e ro f i n i t o d e n e l e m e n t o s , e n to n c e s e l n m e r o
de sucesos de E es 2n.
Una moneda E= {C, X}.
N m e ro d e s u ce s o s = 2 2 = 4
Dos monedas E= {(C,C); (C,X); (X,C); (X,X)}.
N m e ro d e s u ce s o s = 2 4 = 1 6
U n d ad o E = { 1 , 2 , 3 , 4 , 5 , 6 } .
N m e ro d e s u ce s o s = 2 6 = 6 4
Variable Aleatoria
Se llama variable aleatoria a toda funcin que asocia a cada

e l e m e n t o d el e s p a c i o m u e s t r a l E u n n m e r o r e a l . E l r e s u l t a d o
de esta funcin debe ser numrico
S e u t i l i z a n l e t r a s m a y s c u l a s X , Y , . . . p a r a d e s i g n a r v a r i a b le s
a l e a t o r i a s , y l a s re s p e c t i v a s m i n s c u l a s ( x , y , . . . ) p ar a d e s i g n a r
valores concretos de las mismas.
Variable aleatoria discreta
Una variable aleatoria discreta es aquella que slo puede

tomar valores enteros.
Ejemplos
E l n me r o d e h i j o s d e u n a f a m i l i a , l a p u n t u a c i n o b te n i d a a l l a n z a r
u n d ad o .
Variable aleatoria continua
- 110 -
Una variable aleatoria continua es aquella que puede tomar
t o do s l o s v a l o r e s p o si b l e s d e n t r o d e u n c i e r t o i n t er v a l o d e l a
recta real.
Ejemplos
L a a l t u r a d e l o s a l u mn o s d e u n a c l a s e , l a s h o r a s d e d u r a c i n d e
una pila.
Funcin de Probabilidades
Se llama funcin de probabilidad de una variable aleatoria

discreta X a la aplicacin que asocia a cada valor de x i de la
variable su probabilidad p i.
0 pi 1
p1 + p2 + p3 + + pn = pi = 1
Ejemplo
Calcular la distribucin de probabilidad de las p u n tu a c i o n e s

o b te n i d a s a l l an z a r u n d a d o .
Tabla de las Probabilidades al lanzar un dado
x p i
1
Representacin
L a r e p r e se n t a c i n d e u n a d i s t r i b u c i n d i s c r e t a d e p r o b a b i l i d a d
es un diagrama de barras.
- 111 -
G r f i c a d e l a D i s t r i b u c i n d e P r o b a b i l i d a d e s d el l a n z a m i e n t o d e
un dado
Funcin de Distribucin de Probabilidades
S e a X u n a v a r i ab l e a l e a t o r i a d i s c r e t a c u y o s v a l o r e s s u p o n e m o s
o rd e n ad o s de me n o r a mayor. Llamaremos funcin de
distribucin de la variable X , y escribiremos F(x) a la funcin:
F ( x ) = p( X x )
La funcin de distribucin asocia a cada valor de la variable

a l e a t o r i a l a pr o b a b i l i d a d a c u m u l a d a h a s t a e s e v a l o r .
Ejemplo
Calcular la funcin de distribucin de probabilidad de las

p u n t u a c i o n e s o b te n i d a s a l l an z a r u n d a d o .
Tabla de la Distribucin de Probabilidades al lanzar un dado
x p i
x <1 0
1 x < 2
2 x < 3
3 x < 4
4 x < 5
5 x < 6
- 112 -
6 x 1
Representacin
La re p re s e n t a c i n de una funcin de distribucin de

probabilidad es una grfica escalonada.
G r f i c a d e l a F u n c i n d e D i s t r i b u c i n d e P r o b a b i l i d a d e s d el
lanzamiento de un dado
Media y Desviacin Estndar de una Variable Aleatoria Discreta
Esperanza matemtica o media
Varianza
Ejemplo
Calcular la esperanza matemtica, la varianza, y la desviacin

t pi c a , d e l a d i s t r i b u c i n d e p r o b ab i l i d a d d e l a s p u n t u a c i o n e s
o b te n i d a s a l l an z a r u n d a d o .
T a b l a d e P r o b a b i l i d a d e s d el l a n z a m i e n t o d e u n d a d o
- 113 -
2
x p i x * p i x * pi
6 1 6
- 114 -
Eje r c ic ios de dist r ibuc ione s disc re t as
1. Se lanza un par de dados. Se define la variable aleatoria X como la

suma de las puntuaciones obtenidas. Hallar la funcin de
probabilidad, la esperanza matemtica y la varianza.
x p i x * p i x 2* pi
2 1/36 2/36 4/36
3 2/36 6/36 18/36
4 3/36 12/36 48/36
5 4 /36 20/3 6 100/36
6 5/36 30/36 180/36
7 6/36 42/36 294/36
8 5/36 40/36 320/36
9 4 /36 36/36 324/36
10 3/36 30/36 300/36
11 2/36 22/36 242/36
12 1/36 12/36 144/36
7 54.83
2. Un jugador lanza un dado corriente. Si sale nmero primo, gana

tantos cientos de euros como marca el dado, pero si no sale nmero
primo, pierde tantos cientos de euros como marca el dado.
Determinar la funcin de probabilidad y la esperanza matemtica
del juego.
x p i x p i
+100 100/6
+ 200 200/6
- 115 -
+ 300 300/6
- 400 -400/6
+ 500 500/6
-600 - 600/6
100/6
=16.667
3. S i u n a p e r s o n a c o m p r a u n a p ap e le t a e n u n a r if a , e n l a q u e
p u e d e g an a r d e 5. 0 0 0 u n s e g u n d o p r e m io d e 2 0 0 0 c o n
p ro b a b i l i d ad e s d e : 0 . 0 0 1 y 0 . 0 0 3 . C u l s e r a e l p r e c i o j u s t o a
p ag a r p o r l a p a p e l e t a ?
= 5000 * 0.001 + 2000 * 0.003 = 11
4. Sea X una variable aleatoria discreta cuya funcin de probabilidad

es:
x p i
0 0,1
1 0,2
2 0,1
3 0,4
4 0,1
5 0,1
1. Calcular, re p r e s e n t a r grficamente la funcin de

distribucin.
- 116 -
2. C a l c u l a r l a s s i g u i e n t e s p r o b ab i l i d a d e s :
2.1 p (X < 4.5);
p (X < 4.5) = F (4.5) = 0.9
2.2 p (X 3)
p (X 3) = 1 - p(X < 3) = 1 - 0.4 = 0.6
2.3 p (3 X < 4.5)
p (3 X < 4.5) = p (X < 4.5) - p(X < 3) = 0.9 - 0.4 = 0.5
4.3 DISTRIBUCIN BINOMIAL O DE BERNOULLI Y

SUS APLICACIONES
U n e x p e r i m e n t o s i g u e e l mo d e l o d e l a d i s t r i b u c i n b i n o m i a l o d e
Bernoulli si:
1. En cada prueba del e xp e r i m e n t o slo son posibles dos

r e s u l t a d o s : e l s u c e s o A ( x i to ) y s u c o n t r a r i o .
2. La probabilidad del suceso A es constante , es decir, que no

vara de una prueba a otra. Se representa por p.
3. El resultado obtenido en cada prueba es independiente de

l o s r e s u l t a d o s o b te n i d o s a n t e r i o r m e n t e .
Variable aleatoria binomial
L a v a r i a b l e a l e a t o r i a bi n o m i a l , X , e x p r e s a e l n m e r o d e x i t o s
o b t e n i do s e n c a d a p ru e b a d e l e xp e r i m e n t o .
La variable binomial es una variable aleatoria discreta , slo

p u e d e t o m a r l o s v a l o r e s 0 , 1 , 2 , 3 , 4 , . . . , n su p o n i e n d o q u e s e h an
r e a l i z a d o n p ru e b a s .
Ejemplo
- 117 -
k = 6 , a l l a n z a r u n a m o n e d a 1 0 v e ce s y o b te n e r 6 c a r a s .
Distribucin Binomial
La distribucin binomial se suele representar por B(n, p).
n e s e l n m e r o d e pr u e b a s d e q u e c o n s t a e l e x p e r i m e n t o .
p es la probabilidad de xito .
La probabilidad de es 1 p, y la representamos por q.
Funcin de Probabilidad de la Distribucin Binomial

L a f u n c i n d e pr o b a b i l i d a d d e l a d i s t r i b u c i n b i n o m i a l , t a m b i n
d e n o m in a d a f u n c i n d e l a d i s t r i b u c i n d e B e r n o u l l i , e s :
Donde:
n es el nmero de pruebas.
k e s e l n me r o d e x i t o s .
p e s l a p r o b a b i l i d ad d e x i t o .
q e s l a p r o b a b i l i d ad d e f r a c a s o .
Y e l n m e ro c o m b in a t o r i o
Ejemplo
L a l t i m a n o ve l a d e u n a u t o r h a t e n i d o u n g r an x i t o , h a s t a e l
p u n t o d e q u e e l 8 0 % d e lo s l e c t o r e s y a l a h a n le i d o . U n g r u p o d e 4
a m i g o s s o n a f i c i o n ad o s a l a l e c t u r a :
1. C u l e s l a p r o b a b i l i d ad d e q u e e l g r u p o h a y a n l e i d o l a n o v e l a
2 personas?
n = 4
p = 0.8
q = 0.2
B(4, 0.8)
- 118 -
2. Y c mo m x i m o 2 ?
Media y Varianza de la Distribucin Binomial

Media
Varianza
Ejemplo
L a p ro b a b i l i d ad d e q u e u n a r t c u l o p r o d u c i d o p o r u n a f ab r i c a s e a
d e f e c t u o s o e s 0 . 02 . Se e n v i u n c a r g a m e n t o d e 1 0 . 0 0 0 a r t c u l o s a
unos almacenes. Hallar el nmero esperado de artculos
defectuosos, la varianza y la desviacin tpica.
Ejercicios de Distribucin Binomial

1. S e l an z a u n a m o n e d a c u a t r o ve c e s . C a l c u l a r l a p r o b ab i l i d a d d e
q u e s a l g an m s c a r a s q u e c r u ce s .
B(4, 0.5) p = 0.5q = 0.5
2. U n a g e n t e d e s e g u ro s v e n d e p l i z a s a c i n c o p e r s o n a s d e l a
m i s m a e d a d y q u e d i s f r u t a n d e b u e n a s a l u d . Se g n l a s t a b l a s
- 119 -
a c t u a l e s , l a p ro b a b i l i d ad d e q u e u n a p e r s o n a e n e s t a s
c o n d i c i o n e s v i v a 3 0 a o s o m s e s 2 / 3 . H l l e s e l a p r o b a b i l i d ad
d e q u e , t r a n s c u r r i d o s 30 a o s , v i v a n :
2.1 Las cinco personas.
B(5, 2/3) p = 2/3 q = 1/3
- 120 -
2.2 Al menos tres personas.
2.3 Exactamente dos personas.
3. Si de seis a siete de la tarde se admite que un nmero de

telfono de cada cinco est comunicando, cul es la
p ro b a b i l i d ad d e q u e , c u a n d o s e m a r q u e n 1 0 n m e r o s d e
t e l f o n o e le g i d o s a l a z a r , s l o c o m u n iq u e n d o s ?
B ( 1 0 , 1/ 5 ) p = 1/5 q = 4/5
4. L a p ro b a b i l i d ad d e q u e u n h o m b r e a c i e r t e e n e l b l an c o e s 1 / 4 .
S i d i s p a r a 10 ve c e s c u l e s l a p r o b ab i l i d a d d e q u e a c i e r t e
e x a c t a m e n t e e n t r e s o c a s i o n e s ? C u l e s l a p r o b a b i l i d ad d e
q u e a c i e r te p o r l o m e n o s e n u n a o c a s i n ?
B(10, 1/4) p = q = 3/4
5. E n u n a u rn a h a y 3 0 b o l a s , 1 0 r o j a s y e l r e s t o b l a n c a s . Se e l i g e
u n a b o l a a l a z a r y s e a n o t a s i e s r o j a ; e l p r o c e s o se r e p i te ,
devolviendo la bola, 10 veces. Calcular la media y la
desviacin tpica.
B(10, 1/3) p = 1/ 3 q = 2/3
- 121 -
4.4 LA DISTRIBUCIN DE POISSON
El eje horizontal es el ndice k. La funcin solamente est definida en valores

enteros de k. Las lneas que conectan los puntos son solo guas para el ojo y
no indican continuidad.
Funcin de probabilidad
El eje horizontal es el ndice k.
Funcin de distribucin de probabilidad
Parmetros
Dominio
- 122 -
Funcin de
probabilidad (fp)
Funcin de
distribucin (cdf) (dnde es la
Funcin gamma incompleta)
Media
Mediana
Moda
Varianza
Coeficiente de
simetra
En teora de probabilidad y estadstica, la distribucin de Poisson es una

distribucin de probabilidad discreta que expresa, a partir de una frecuencia de
ocurrencia media, la probabilidad que ocurra un determinado nmero de eventos
durante cierto periodo de tiempo.
Fue descubierta por Simon-Denis Poisson, que la dio a conocer en 1838 en su

trabajo Recherches sur la probabilit des jugements en matires criminelles et
matire civile (Investigacin sobre la probabilidad de los juicios en materias
criminales y civiles).
Propiedades
La funcin de masa de la distribucin de Poisson es
Donde:
k es el nmero de ocurrencias del evento o fenmeno (la funcin nos da la

probabilidad de que el evento suceda precisamente k veces).
es un parmetro positivo que representa el nmero de veces que se

espera que ocurra el fenmeno durante un intervalo dado. Por ejemplo, si
el suceso estudiado tiene lugar en promedio 4 veces por minuto y estamos
- 123 -
interesados en la probabilidad de que ocurra k veces dentro de un intervalo
de 10 minutos, usaremos un modelo de distribucin de Poisson con =
104 = 40.
e es la base de los logaritmos naturales (e = 2,71828...)
Tanto el valor esperado como la varianza de una variable aleatoria con

distribucin de Poisson son iguales a . Los momentos de orden superior son
polinomios de Touchard en cuyos coeficientes tienen una interpretacin
combinatoria. De hecho, cuando el valor esperado de la distribucin de Poisson es
1, entonces segn la frmula de Dobinski, el n-simo momento iguala al nmero
de particiones de tamao n.
La moda de una variable aleatoria de distribucin de Poisson con un no entero

es igual a , el mayor de los enteros menores que (los smbolos representan
la funcin parte entera). Cuando es un entero positivo, las modas son y 1.
La funcin generadora de momentos de la distribucin de Poisson con valor

esperado es
Las variables aleatorias de Poisson tienen la propiedad de ser infinitamente

divisibles.
Sumas de variables aleatorias de Poisson
La suma de variables aleatorias de Poisson independientes es otra variable

aleatoria de Poisson cuyo parmetro es la suma de los parmetros de las
originales. Dicho de otra manera, si
son N variables aleatorias de Poisson independientes, entonces
Distribucin binomial
La distribucin de Poisson es el caso lmite de la distribucin binomial. De hecho,

si los parmetros n y de una distribucin binomial tienden a infinito y a cero de
manera que se mantenga constante, la distribucin lmite obtenida es de
Poisson.
Aproximacin normal
Como consecuencia del teorema central del lmite, para valores grandes de , una
variable aleatoria de Poisson X puede aproximarse por otra normal dado que el
cociente
- 124 -
converge a una distribucin normal de media nula y varianza 1.
Distribucin exponencial
Supngase que para cada valor t > 0, que representa el tiempo, el nmero de
sucesos de cierto fenmeno aleatorio sigue una distribucin de Poisson de
parmetro t. Entonces, los tiempos discurridos entre dos sucesos sucesivos sigue
la distribucin exponencial.
Ejemplos
Si el 2% de los libros encuadernados en cierto taller tiene encuadernacin

defectuosa, para obtener la probabilidad de que 5 de 400 libros encuadernados en
este taller tengan encuadernaciones defectuosas usamos la distribucin de
Poisson. En este caso concreto, k es 5 y, , el valor esperado de libros
defectuosos es el 2% de 400, es decir, 8. Por lo tanto, la probabilidad buscada es
Este problema tambin podra resolverse recurriendo a una distribucin binomial

de parmetros k = 5, n = 400 y =0,02.
Procesos de Poisson
La distribucin de Poisson se aplica a varios fenmenos discretos de la naturaleza

(esto es, aquellos fenmenos que ocurren 0, 1, 2, 3,... veces durante un periodo
definido de tiempo o en un rea determinada) cuando la probabilidad de
ocurrencia del fenmeno es constante en el tiempo o el espacio. Ejemplos de
estos eventos que pueden ser modelados por la distribucin de Poisson incluyen:
El nmero de autos que pasan a travs de un cierto punto en una ruta

(suficientemente distantes de los semforos) durante un periodo definido de
tiempo.
El nmero de errores de ortografa que uno comete al escribir una nica

pgina.
El nmero de llamadas telefnicas en una central telefnica por minuto.
El nmero de servidores web accedidos por minuto.
El nmero de animales muertos encontrados por unidad de longitud de ruta.
El nmero de mutaciones de determinada cadena de ADN despus de cierta

cantidad de radiacin.
El nmero de ncleos atmicos inestables que decayeron en un determinado

perodo
El nmero de estrellas en un determinado volumen de espacio.
- 125 -
La distribucin de receptores visuales en la retina del ojo humano.
La inventiva de un inventor a lo largo de su carrera.
Ejemplos:
1. Si un banco recibe en promedio 6 cheques sin fondo por da, cules son
las probabilidades de que reciba, a) cuatro cheques sin fondo en un da
dado, b) 10 cheques sin fondos en cualquiera de dos das consecutivos?
a) x = variable que nos define el nmero de cheques sin fondo que
llegan al banco en un da cualquiera = 0, 1, 2, 3, ....., etc,
l = 6 cheques sin fondo por da
e = 2.718
( 6 )4 ( 2.718 )6 ( 1296 )( 0.00248 )
p( x 4,l 6 ) 0.13392
4! 24
b) x= variable que nos define el nmero de cheques sin fondo que
llegan al banco en dos das consecutivos = 0, 1, 2, 3, ......, etc., etc.
l = 6 x 2 = 12 cheques sin fondo en promedio que llegan al banco
en dos das consecutivos
Nota: l siempre debe de estar en funcin de x siempre o dicho de

otra forma, debe hablar de lo mismo que x.
( 12 )10 ( 2.718 )12 ( 6.191736410 )( 0.000006151 )
p( x 10,l 12 ) 0.104953
10! 3628800
2. En la inspeccin de hojalata producida por un proceso electroltico

continuo, se identifican 0.2 imperfecciones en promedio por minuto.
Determine las probabilidades de identificar a) una imperfeccin en 3
minutos, b) al menos dos imperfecciones en 5 minutos, c) cuando ms una
imperfeccin en 15 minutos.
a) x = variable que nos define el nmero de imperfecciones en la
hojalata por cada 3 minutos = 0, 1, 2, 3, ...., etc..
l = 0.2 x 3 =0.6 imperfecciones en promedio por cada 3 minutos en
la hojalata
( 0.6 )1( 2.718 )0.6 ( 0.6 )( 0.548845 )
p( x 1,l 0.6 ) 0.329307
1! 1
b) x = variable que nos define el nmero de imperfecciones en la hojalata
por cada 5 minutos = 0, 1, 2, 3, ...., etc., etc.
l = 0.2 x 5 =1 imperfeccin en promedio por cada 5 minutos en la
hojalata
( 1 )0 ( 2.718 )1 ( 1 )( 2.718 )1
p( x 2,3,4 ,etc ....l 1 ) 1 p( x 0 ,1,l 1 ) 1
0! 1!
=1-(0.367918+0.367918) = 0.26416
- 126 -
c) x = variable que nos define el nmero de imperfecciones en la
hojalata por cada 15 minutos = 0, 1, 2, 3, ....., etc.
l = 0.2 x 15 = 3 imperfecciones en promedio por cada 15 minutos
en la hojalata
( 3 )0 ( 2.718 )3 ( 3 )1( 2.718 )3
p( x 0,1,l 3 ) p( x 0,l 3 ) p( x 1,l 3 )
0! 1!
0.0498026 + 0.149408 = 0.1992106
4.5 LA DISTRIBUCIN CHI CUADRADA ( )
En Estadstica, la distribucin (de Pearson), llamada Ji

c u a d r ad a , e s u n a d i s t r i b u c i n d e p r o b ab i l i d a d c o n t i n u a c o n u n
p a r me t r o q u e r e p r e se n t a lo s g r a d o s d e l i b e r t a d d e l a v a r i a b l e
aleatoria
donde s o n v a r i a b l e s a l e a t o r i a s n o r m a l e s i n d e p e n d ie n t e s d e m e d i a
cero y varianza uno. El que la variable aleatoria tenga esta
d i s t r i b u c i n s e re p re s e n t a h a b i t u a l m e n t e a s : .
E s c o n ve n ie n t e t e n e r e n c u e n t a q u e l a l e t r a g r i e g a se t r a n s c r i b e a
o t r o s id i o m a s ( c o mo e l l a t n , e l i n g l s o e l a l e m n ) c o m o c h i . E n
c u a l q u ie r c a s o , l a p r o n u n c i a c i n e n c a s t e l l a n o e s j i . T a l d if e r e n c i a
e s d e b i d a a l a a u s e n c i a u n a le t r a p a r a e l s o n id o j e sp a o l e n
t a l e s i d i o m a s , y e l s o n id o s e i m i t a c o n e l d i g r af o c h .
Funcin de densidad de probabilidad
- 127 -
Funcin de distribucin de probabilidad
Parmetros grados de libertad
Dominio
Funcin de densidad
(pdf)
Funcin de
distribucin (cdf)
Media
Mediana aproximadamente
Moda if
Varianza
Coeficiente de
simetra
- 128 -
Propiedades
Funcin de densidad:
donde es la funcin gamma.
Funcin de distribucin acumulada:
donde es la funcin gamma incompleta.
El valor esperado y la varianza de una variable aleatoria X con distribucin

son, respectivamente, k y 2k.
Relacin con otras distribuciones

La distribucin es un caso especial de la distribucin gamma. De hecho,
Como consecuencia, cuando , la distribucin es una distribucin

exponencial de media .
Cuando k es suficientemente grande, como consecuencia del teorema

central del lmite, puede aproximarse por una distribucin normal:
Aplicaciones
La distribucin tiene muchas aplicaciones en inferencia estadstica. La
ms conocida es la de la denominada prueba utilizada como prueba de
independencia y como prueba de bondad de ajuste y en la estimacin de
varianzas. Pero tambin est involucrada en el problema de estimar la
media de una poblacin normalmente distribuida y en el problema de
estimar la pendiente de una recta de regresin lineal, a travs de su papel
en la distribucin t de Student.
- 129 -
Aparece tambin en todos los problemas de anlisis de varianza por su

relacin con la distribucin F de Snedecor, que es la distribucin del
cociente de dos variables aleatorias independientes con distribucin .
Ejemplo
U n f a b r i c a n t e X c o n c l u y e q u e s u p r o d u c t o te n d r u n a v i d a t i l d e 1 0
a o s . Se e l ig e u n a m u e s t r a e n t r e l o s c u a l e s t e n e m o s : 1 1 . 8 - 9 . 7 - 1 0 . 5 -
1 2 . 1 - 1 3 . 3 - 13 . 4 - 1 0 . 3 - 8 . 5 - 1 5 . 0 - 1 0 . 5 - 7 . 6 - 6 . 3 . T e n ie n d o e n cu e n t a u n a
d e s v i a c i n p o b l a c i o n a l d e 1 . 2 a o s . D e a c u e r d o a l o a n te r i o r s e
p u e d e c o rr o b o r a r q u e l a d e s v i a c i n p o b l a c i o n a l e s d e 1 . 2 a o s ?
D e a c u e r d o a l o a n te r i o r s e p u e d e o b se r v a r q u e l a d e s v i a c i n
p o b l a c i o n a l e s m a yo r q u e 1 . 2 a o s ( d e b id o a q u e e l v a l o r d e C h i
C u ad r a d o e s mu y a l t o y p o r l o t a n t o n o c a e d e n t r o d e l in t e r v a l o d e
c o n f i an z a p a r a u n a m u e s t r a d e 1 2 ) .
TEMA 5. ESTIMACIN Y PRUEBAS DE

HIPTESIS
.3 Problemas de Decisin.
5.1 ESTIMACIN DE PUNTOS Y DE INTERVALOS
Inferencia estadstica
- 130 -
E s t u d i a c o mo s a c a r c o n c l u s i o n e s g e n e r a l e s p a r a to d a l a
p o bl a c i n a p a r ti r d el e s t u d i o d e u n a m u e s t r a , y e l g r a d o d e
f i a b i l i d a d o si g n i f i c a c i n d e l o s r e s u l t a d o s o b t e n i d o s .
INTERVALOS CARACTERSTICOS
P[ - K < X < + K] = P
Hallar el intervalo caracterstico de una distribucin normal N(0, 1)

c o r r e s p o n d i e n te a l a p r o b a b i l i d a d p = 0 . 9 .
El nivel de confianza (p) se designa mediante 1 - .
E l n i v e l d e s i g n i f i c a c i n s e d e s ig n a m e d i a n te .
El valor crtico (k) como z /2 .
P(Z>z /2 ) = /2 P[-z /2 < z < z /2 ] = 1-
Valores crticos
1 - /2 z /2
0.90 0.05 1.645
0.95 0.025 1.96
0.99 0.005 2.575

En una distribucin N(, ) el intervalo caracterstico
c o r r e s p o n d i e n te a u n a p r o b a b i l i d a d p = 1 - e s :
- 131 -
( - z /2 , + z /2 )
1 - /2 z /2 Intervalos caractersticos
0.90 0.05 1.645 ( - 1.645 , + 1.645 )
0.95 0.025 1.96 ( - 1.96 , + 1.96 )
0.99 0.005 2.575 ( - 2.575 , + 2.575 )
Si una poblacin tiene media y desviacin tpica , y tomamos

muestras de tamao n (n>30, cualquier tamao si la poblacin es
" n o r m a l " ) , l a s me d i a s d e e s t a s m u e s t r a s s i g u e n a p r o x i m ad a m e n te
la distribucin:
Consecuencias:
1. P e r m i t e a v e r ig u a r l a p r o b a b i l i d ad d e q u e l a m e d i a d e una
m u e s t r a c o n c r e t a e s t e n u n c i e r t o i n te r v a l o .
2. P e r m i t e c a l c u l a r l a p r o b ab i l i d a d d e q u e l a suma de los
e le m e n t o s d e u n a m u e s t r a e s t , a p r i o r i , en un cierto
intervalo.
3. I n f e r i r l a me d i a d e l a p o b l a c i n a p a r t i r d e u n a m u e s t r a .
L a s b o l s a s d e s a l e n v a s a d a s p o r u n a m q u in a t i e n e n = 5 0 0 g y
= 3 5 g . L a s b o l s a s s e e mp a q u e t a r o n e n c a j a s d e 1 0 0 u n id a d e s .
1. C a l c u l a r l a p ro b ab i l i d a d d e q u e l a m e d i a d e l o s p e so s d e l a s
bolsas de un paquete sea menor que 495 g.
2. C a l c u l a r l a p ro b ab i l i d a d d e q u e u n a c a j a 1 0 0 d e b o l s a s p e se
m s d e 5 1 kg .
- 132 -
Est imac in de par me tr os

E s e l p ro c e d i m i e n t o u t i l i z a d o p a r a c o n o c e r l a s c a r a c t e r s t i c a s d e u n
p a r me t r o p o b l a c i o n a l , a p a r t i r d e l c o n o c i m i e n t o d e l a m u e s t r a .
Con una muestra aleatoria, de tamao n, podemos efectuar una

estimacin de un valor de un parmetro de la poblacin; pero
t a m b i n n e ce s i t a m o s p r e c i s a r u n :
Intervalo de confianza
S e l l a m a a s a u n in t e r v a l o e n e l q u e s a b e m o s que est un
p a r me t r o , c o n u n n i v e l d e c o n f i a n z a e sp e c f i c o .
Nivel de confianza
P r o b ab i l i d a d d e q u e e l p a r m e t r o a e s t i m a r s e e n c u e n t r e e n e l
i n t e r v a l o d e c o n f i an z a .
E r ro r d e e s t i m a c i n ad m i s i b l e
Q u e e s t a r re l a c i o n a d o c o n e l r ad i o d e l in t e r v a l o d e c o n f i a n z a .
Est imac in de la me dia de un a poblac in
Intervalo de confianza para la media

E l i n t er v a l o d e c o n f i a n z a , p ar a l a m e d i a d e u n a p o b l a c i n , c o n
un nivel de confianza de 1- , siendo x la media de una muestra
de tamao n y la desviacin tpica de la poblacin, es:
E l er r o r m x i m o d e e s t i m a c i n e s :
C u an t o m a y o r s e a e l t a m a o d e l a m u e s t r a , n , m e n o r e s e l
error.
C u an t o mayor sea el nivel de confianza , 1-, mayor es el

error.
- 133 -
Tamao de la muestra
S i a u m e n t a m o s e l ni v e l d e c o n f i a n z a , a u m e n t a el t a m a o d e
la muestra.
S i di s m i n u i m o s e l e r r o r , t e n e m o s q u e a u m e n t a r e l t a m a o d e
la muestra.
E l t i e m p o q u e t a r d a n l a s c a j e r a s d e u n su p e r m e r c a d o e n c o b r a r a
los clientes sigue una ley normal con media desconocida y
desviacin tpica 0,5 minutos. Para una muestra aleatoria de 25
c l i e n t e s s e o b t u vo u n t i e mp o m e d i o d e 5 , 2 m in u t o s .
1. C a l c u l a e l in t e r v a l o d e c o n f i a n z a a l n i ve l d e l 9 5 % p a r a e l
tiempo medio que se tarda en cobrar a los clientes.
2. I n d i c a e l t a m a o mu e s t r a l n e ce s a r i o p a r a e s t i m a r d i c h o t i e m p o
m e d i o c o n u n e l e r ro r d e 0 , 5 m i n u t o s y u n n i ve l d e c o n f i a n z a
del 95%.
n 4
Est imac i n de un a pr opor c in

S i e n u n a p o bl a c i n , u n a d e te r m i n ad a c a r a c t e r s t i c a s e p r e s e n t a
en una proporcin p, la proporcin p' , de individuos con dicha
caracterstica en las muestras de tamao n, se distribuirn segn:
- 134 -
Intervalo de confianza para una proporcin
E n u n a f b r i c a d e c o m p o n e n t e s e l e c t r n i c o s , l a p r o p o r c i n d e
c o m p o n e n t e s f i n a le s d e f e c t u o s o s e r a d e l 2 0 % . T r a s u n a s e r i e d e
o p e r a c i o n e s e in v e r s i o n e s d e s t i n a d a s a m e j o r a r e l r e n d i m i e n t o se
a n a l i z u n a mu e s t r a a l e a t o r i a d e 5 0 0 c o m p o n e n t e s , e n co n t r n d o s e
q u e 9 0 d e e l l o s e r an d e f e c t u o s o s . Q u n i ve l d e c o n f i a n z a d e b e
a d o p t a r s e p a r a a c e p t a r q u e e l r e n d i m i e n t o n o h a s u f r id o
variaciones?
p = 0.2 q = 1 - p =0.8 p'= 90/ 500 = 0.18
E = 0.2 - 0.18 = 0.02
P ( z / 2 > 1 .1 2 ) = 1 P ( z / 2 1 . 1 2 ) = 1 0 . 8 6 8 6 = 0 . 1 3 1 4
0.8686 - 0.1314 = 0.737
Nivel de confianza: 73.72%
5.2 PRUEBAS DE HIPTESIS
H i p t e s i s e s t a d s t i c a s
Un test estadstico es un procedimiento para, a partir de una

m u e s t r a a le a t o r i a y s i g n i f i c a t i v a , ex t r a e r c o nc l u s i o n e s q u e
p e r m i t a n a c e p t a r o r ec h a z a r u n a h i p t e s i s p r e v i a m e n t e e m i t i d a
s o b re e l v a l o r d e u n p a r m e t r o d e s c o n o c i d o d e u n a p o b l a c i n .
- 135 -
L a h i p t e s i s e m i t i d a s e d e s i g n a p o r H 0 y se l l a m a H I P T E S I S N U L A .
L a h ip t e s i s c o n t r a r i a s e d e s i g n a p o r H1 y se llama HIPTESIS
ALTERNATIVA.
C o n tr a s t e s d e h i p t e s i s
1. Enunciar la hiptesis nula H0 y la alternativa H1.
Bilateral H0=k H1 k
H0 k H1 < k
Unilateral
H0 k H1> k
2. A partir de un nivel de confianza 1 - o el de
significacin . Determinar:
El valor z/2 (bilaterales), o bien z (unilaterales)
La zona de aceptacin del parmetro muestral (x o p' ).
3. C a l c u l a r : x o p' , a p a r ti r d e l a m u e s t r a .
4. S i e l v a l o r d el p a r m e t r o m u e s t r a l e s t d e n t r o d e l a z o n a
de la aceptacin, se acepta la hiptesis con un nivel de
s i g n i f i c a c i n . S i no , s e r e c h a z a .
C o n tr a s t e B i l a t e r a l
S e p r e se n t a c u a n d o l a h i p t e s i s n u l a e s d e l t i p o H 0 : = k ( o b ie n
H 0 : p = k ) y l a h i p te s i s a l t e r n a t i v a , p o r t a n t o , e s d e l t i p o H 1 :
k ( o b ie n H 1 : p k ) .
E l n i v e l d e s i g n i f i c a c i n s e c o nc e n t r a e n d o s p a r t e s ( o
c o l a s ) s i m t r i c a s r e s p e c to d e l a m e d i a .
La regin de aceptacin en este caso no es ms que el

c o r r e s p o n d i e n te i n t e r v a l o d e p r o b ab i l i d a d p a r a x o p ' , e s d e c i r :
- 136 -
o bien:
Se sabe que la desviacin tpica de las notas de cierto examen de

M a t e m t i c a s e s 2 , 4 . P a r a u n a m u e s t r a d e 3 6 e s t u d i a n te s s e o b t u v o
u n a n o t a me d i a d e 5 , 6 . S i r v e n e s t o s d a t o s p a r a c o n f i r m a r l a
h i p t e s i s d e q u e l a n o t a me d i a d e l e x a m e n f u e d e 6 , c o n u n n i ve l
d e c o n f i a n z a d e l 95 % ?
1. E n u n c i a m o s l a s h ip t e s i s n u l a y a l t e r n a t i v a :
H0 : = 6 La nota media no ha variado.
H1 : 6 La nota media ha variado.
2. Zona de aceptacin
Para = 0.05, le corresponde un valor crtico: z/2 = 1.96.
D e te r m i n a m o s e l i n t e r v a l o d e c o n f i a n z a p a r a l a m e d i a :
(6-1,96 0,4 ; 6+1,96 0,4) = (5,22 ; 6,78)
3. Verificacin.
V a l o r o b te n id o d e l a m e d i a d e l a m u e s t r a : 5 , 6 .
4. Decisin
Aceptamos la hiptesis nula H 0, con un nivel de

significacin del 5%.
C o n tr a s t e u n i l a t e r a l
Caso 1
L a h i p t e s i s n u l a e s d e l t i p o H 0 : k ( o b ie n H 0 : p k ) .
L a h i p t e s i s a l t e r n a t i v a , p o r t a n t o , e s d e l t i p o H 1 : < k ( o b ie n
H1: p < k).
Valores crticos
1 - z
- 137 -
0.90 0.10 1.28
0.95 0.05 1.645
0.99 0.01 2.33
E l n i v e l d e s i g n i f i c a c i n s e c o n ce n t r a e n u n a p a r t e o c o l a .
L a r e g i n d e a c e p t a c i n e n e s t e c a s o se r :
o bien:
U n s o c i l o g o h a p ro n o s t i c a d o , q u e e n u n a d e te r m i n a d a c i u d ad , e l
nivel de abstencin en las prximas elecciones ser del 40% como
m n i m o . Se e l ig e a l a z a r u n a m u e s t r a a l e a t o r i a d e 2 0 0 i n d i v i d u o s ,
c o n d e re c h o a v o t o , 7 5 d e l o s c u a le s e s t a r a n d i s p u e s t o s a v o t a r .
D e te r m i n a r c o n u n n i ve l d e s i g n i f i c a c i n d e l 1 % , s i s e p u e d e
admitir el pronstico.
H0 : p 0.40 L a ab s t e n c i n se r c o m o m n i m o d e l 4 0 % .
H1 : p < 0.40 L a ab s t e n c i n se r c o m o m x i m o d e l 4 0 % ;
Para = 0.01, le corresponde un valor crtico: z = 2.33.
D e te r m i n a m o s e l i n t e r v a l o d e c o n f i a n z a p a r a l a m e d i a :
- 138 -
3. Verificacin.
4. Decisin
Aceptamos la hiptesis nula H0. Podemos afirmar, con un

n i v e l d e s i g n i f i c a c i n d e l 1 % , q u e l a L a ab s t e n c i n s e r c o m o
mnimo del 40%.
Caso 2
La hiptesis nula es del tipo H0: k (o bien H0: p k).
L a h i p t e s i s a l t e rn a t i v a , p o r t a n t o , e s d e l t i p o H 1 : > k ( o b i e n
H1: p > k).
El nivel de significacin se concentra en la otra parte o cola.
o bien:
U n in f o r me i n d i c a q u e e l p r e c i o m e d i o d e l b i l l e t e d e a v i n e n tr e
C a n a r i a s y M ad r i d e s , c o m o m x i m o , d e 1 2 0 c o n u n a d e s v i a c i n
tpica de 40 . Se toma una muestra de 100 viajeros y se obtiene
que la media de los precios de sus billetes es de 128 .
S e p u e d e a c e p t a r , c o n u n n i v e l d e s i g n i f i c a c i n ig u a l a 0 , 1 , l a
afirmacin de partida?
- 139 -
H0 : 120
H1 : > 120
P a r a = 0 . 1 , l e c o r re s p o n d e u n v a l o r c r t i c o : z = 1 . 2 8 .
D e te r m i n a m o s e l i n t e r v a l o d e c o n f i a n z a :
3. Verificacin.
V a l o r o b te n id o d e l a m e d i a d e l a m u e s t r a : 1 2 8 .
4. Decisin
No aceptamos la hiptesis nula H 0. Con un n i ve l de

s i g n i f i c a c i n d e l 10 % .
5.3 PROBLEMAS DE DECISIN
E r r o r e s d e t i p o I y t i po I I
E r r o r d e t i po I . S e c o m e t e c u an d o l a h i p t e s i s n u l a es
verdadera y, como consecuencia del contraste, se rechaza.
E r r o r d e t i po I I . Se c o me t e c u a n d o l a h i p t e s i s n u l a e s f a l s a y ,
como consecuencia del contraste se acepta.
H0 Verdadera Falsa
Decisn correcta Decisin incorrecta:

Aceptar
Probabilidad = 1 - ERROR DE TIPO II
ERROR DE TIPO I
Rechazar Decisin correcta
Probabilidad =
La probabilidad de cometer Error de tipo I es el nivel de

significacin .
La probabilidad de c o m e te r E r r o r d e t i p o I I d e p e n d e d e l
v e rd a d e r o v a l o r del parmetro. Se hace tanto menor cuanto
mayor sea n.
- 140 -
5.4 RESUMEN
Inferencia estadstica
E s t u d i a c m o s a c a r c o n c l u s i o n e s g e n e r a le s p a r a t o d a l a p o b l a c i n a
p a r t i r d e l e s tu d i o d e u n a m u e s t r a , y e l g r a d o d e f i ab i l i d a d o
significacin de los resultados obtenidos.
C o n s i s t e e n e l e g i r u n a mu e s t r a d e u n a p o b l a c i n a l a z a r . P o d e m o s
distinguir varios tipos:
M u e s t r e o a l e a t o r i o s i m pl e :
P a r a o b t e n e r u n a mu e s t r a , s e n u m e r a n l o s e le m e n t o s d e l a
p o b l a c i n y se s e l e c c i o n an a l a z a r lo s n e l e m e n t o s q u e c o n t i e n e l a
muestra.
Muestreo aleatorio sistemtico:
S e e l ig e u n i n d i v i d u o a l az a r y a p a r t i r d e l , a i n t e r v a l o s
constantes, se eligen los dems hasta completar la muestra.
Muestreo aleatorio estratificado:
Se divide la poblacin en clases o estratos y se escoge,

aleatoriamente, un n me r o de individuos de cada estrato
p ro p o r c i o n a l a l n m e r o d e c o m p o n e n t e s d e c a d a e s t r a t o .
Intervalos caractersticos
El nivel de confianza (p) se designa mediante 1 - .
E l n i v e l d e s i g n i f i c a c i n s e d e s ig n a m e d i a n te .
El valor crtico (k) como z /2 .
P(Z>z /2 ) = /2 P[-z /2 < z < z /2 ] = 1-
En una distribucin N(, ) el i n te r v a l o caracterstico

c o r r e s p o n d i e n te a u n a p r o b a b i l i d a d p = 1 - e s :
( - z /2 , + z /2 )
1 - /2 z /2 Intervalos caractersticos
0.90 0.05 1.645 ( - 1.645 , + 1.645 )
0.95 0.025 1.96 ( - 1.96 , + 1.96 )
- 141 -
0.99 0.005 2.575 ( - 2.575 , + 2.575 )
Distribucin de las medias muestrales
T e o r e m a c e n t r a l d el l m i t e
Si una poblacin tiene media y desviacin tpica , y tomamos

muestras de tamao n (n>30, cualquier tamao si la poblacin es
" n o r m a l " ) , l a s me d i a s d e e s t a s m u e s t r a s s i g u e n a p r o x i m ad a m e n te
la distribucin:
Consecuencias:
1. P e r m i t e a v e r ig u a r l a p r o b a b i l i d ad d e q u e l a m e d i a d e u n a
m u e s t r a c o n c r e t a e s t e n u n c i e r t o i n te r v a l o .
2. P e r m i t e c a l c u l a r l a p r o b ab i l i d a d d e q u e l a s u m a d e los
e le m e n t o s d e u n a m u e s t r a e s t , a p r i o r i , e n u n c i e r t o i n t e r v a l o .
3. I n f e r i r l a me d i a d e l a p o b l a c i n a p a r t i r d e u n a m u e s t r a .
Estimacin
Intervalo de confianza
S e l l a m a a s a u n in t e r v a l o e n e l q u e s a b e m o s q u e e s t u n
p a r me t r o , c o n u n n i v e l d e c o n f i a n z a e sp e c f i c o .
Nivel de confianza
P r o b ab i l i d a d d e q u e e l p a r m e t r o a e s t i m a r s e e n c u e n t r e e n e l
i n t e r v a l o d e c o n f i an z a .
Error de estimacin admisible
Q u e e s t a r re l a c i o n a d o c o n e l r ad i o d e l in t e r v a l o d e c o n f i a n z a .
Estimacin de la media de una poblacin
Intervalo de confianza para la media
E l i n t er v a l o d e c o n f i a n z a , p a r a l a m e d i a d e u n a p o b l a c i n , c o n u n
nivel de confianza de 1- , siendo x la media de una muestra de
tamao n y la desviacin tpica de la poblacin, es:
- 142 -
Tamao de la muestra
Estimacin de una proporcin
S i e n u n a p o bl a c i n , u n a d e te r m i n ad a c a r a c t e r s t i c a s e p r e s e n t a
e n u n a p r o p o r c i n p , l a p r o p o r c i n p ' , d e in d i v i d u o s c o n d i c h a
caracterstica en las muestras de tamao n, se distribuirn segn:
Intervalo de confianza para una proporcin
H i p t e s i s e s t a d s t i c a s
U n T E S T E S T A D S T I C O e s u n p r o c e d i m i e n t o p ar a , a p ar t i r d e u n a
m u e s t r a a l e a t o r i a y s i g n i f i c a t i v a , ex t r a e r c o n c l u s i o n e s q u e
permitan aceptar o rechazar una hiptesis previamente emitida
s o b re e l v a l o r d e u n p a r m e t r o d e s c o n o c i d o d e u n a p o b l a c i n .
L a h i p t e s i s e m i t i d a s e d e s i g n a p o r H 0 y se l l a m a H I P T E S I S N U L A .
La hiptesis contraria se designa por H1 y se llama HIPTESIS

ALTERNATIVA.
- 143 -
C o n tr a s t e s d e h i p t e s i s
1. Enunciar la hiptesis nula H0 y la alternativa H1.
Bilateral H0=k H1 k
H0 k H1 < k
Unilateral
H0 k H1> k
2. A partir de un nivel de confianza 1 - o el de
significacin . Determinar:
El valor z/2 (bilaterales), o bien z (unilaterales)
La zona de aceptacin del parmetro muestral (x o p' ).
3. C a l c u l a r : x o p' , a p a r ti r d e l a m u e s t r a .
4. S i el v a l o r d e l p a r m e t r o m u e s t r a l e s t d e n t r o d e l a z o n a
de la aceptacin, se acepta la hiptesis con un nivel de
s i g n i f i c a c i n . S i no , s e r e c h a z a .
C o n tr a s t e B i l a t e r a l
S e p r e se n t a c u a n d o l a h i p t e s i s n u l a e s d e l t i p o H 0 : = k ( o b i e n
H 0 : p = k ) y l a h ip t e s i s a l t e r n a t i v a , p o r t a n t o , e s d e l t i p o H 1 :
k ( o b ie n H 1 : p k ) .
El nivel de significacin se concentra en dos partes (o colas)

s i m t r i c a s r e sp e c t o d e l a me d i a .
La regin de aceptacin en este caso no es ms que el

c o r r e s p o n d i e n te i n t e r v a l o d e p r o b ab i l i d a d p a r a x o p ' , e s d e c i r :
o bien:
C o n tr a s t e u n i l a t e r a l
Caso 1
L a h i p t e s i s a l t e rn a t i v a , p o r t a n t o , e s d e l t i p o H 1 : < k ( o b i e n
H1: p < k).
Valores crticos
- 144 -
1 - z
0.90 0.10 1.28
0.95 0.05 1.645
0.99 0.01 2.33

o bien:
Caso 2
L a h i p t e s i s a l t e rn a t i v a , p o r t a n t o , e s d e l t i p o H 1 : > k ( o b i e n
H1: p > k).
o bien:
Errores
E r r o r d e t i po I . S e c o m e t e c u an d o l a h i p t e s i s n u l a es
verdadera y, como consecuencia del contraste, se rechaza.
E r r o r d e t i po I I . Se c o me t e c u a n d o l a h i p t e s i s n u l a e s f a l s a y ,
como consecuencia del contraste se acepta.
H0 Verdadera Falsa
Decisn correcta Decisin incorrecta:

Aceptar
Probabilidad = 1 - ERROR DE TIPO II
Rechazar ERROR DE TIPO I Decisin correcta
- 145 -
Probabilidad =
L a pr o b a b i l i d a d de c o me t e r Error de tipo I es el nivel de

significacin .
L a p r o b a b i l i d a d d e c o m e te r E r r o r d e t i p o I I d e p e n d e d e l ve r d ad e r o
v a l o r d e l p a r m e t r o . Se h a ce t a n t o m e n o r c u a n t o m a y o r s e a n .
Ejercicios y Problemas de Inferencia Estadstica

1. E n c i e r t o b a r r i o s e q u ie r e h a c e r u n e s t u d i o p a r a c o n o c e r m e j o r e l
tipo de actividades de ocio que gustan ms a sus habitantes.
P a r a e l l o v an a s e r e n cu e s t a d o s 1 0 0 i n d i v i d u o s e l e g i d o s a l a z a r .
1 . 1 E xp l i c a r q u p ro c e d i m ie n t o d e s e l e c c i n s e r a m s a d e cu a d o
utilizar: muestreo con o sin reposicin. Por qu?
Todas las frmulas que hemos estudiado de teora del
muestreo y de inferencia estadstica presuponen que las
p o b l a c i o n e s s o n i n f i n i t a s o q u e , s i n o lo s o n , e l m u e s t r e o
aleatorio se realiza con reposicin.
1 . 2 C o m o l o s g u s t o s c a m b i an c o n l a e d a d y s e s a b e q u e e n e l
b a r r i o v i v e n 2 . 5 0 0 n i o s , 7 . 0 0 0 a d u l t o s y 5 0 0 an c i a n o s ,
p o s t e r i o r m e n te se decide e le g i r la muestra anterior
u t i l i z a n d o u n m u e s t r e o e s t r a t i f i c a d o . D e te r m i n a r e l t a m a o
m u e s t r a l c o r re s p o n d i e n t e a c a d a e s t r a t o .
P a r a e f e c t u a r u n m u e s t r e o a l e a t o r i o e s t r a t i f i c a d o , se r
n e ce s a r i o q u e l a m u e s t r a r e f le j e f ie l m e n te lo s e s t r a t o s
e x i s t e n t e s e n l a p o b l a c i n ; d e b e n c o n s i d e r a r s e lo s e s t r a t o s
f o r m ad o s p o r : n i o s , ad u l t o s y a n c i a n o s .
El tamao muestral de cada estrato deber ser

p ro p o r c i o n a l a l a p r e se n c i a d e l m i s m o e n la poblacin
o r i g in a l :
Poblacin total: 2500 + 7000 + 500 = 10 000.
2. Sea la poblacin de elementos: {22,24, 26}.
2 . 1 E s c r i b a t o d a s l a s m u e s t r a s p o s i b le s d e t a m a o dos,
e s c o g id a s m e d i a n t e m u e s t r e o a l e a t o r i o s i m p le .
- 146 -
M1 = {22, 24}, M1 = {22, 26}, M1 = {24, 26}
2 . 2 C a l c u l e l a v a r i an z a d e l a p o b l a c i n .
2 . 3 C a l c u l e l a v a r i an z a d e l a s m e d i a s m u e s t r a l e s .
3. L a v a r i a b le a l t u r a d e l a s a l u m n a s q u e e s t u d i a n e n u n a e s c u e l a d e
idiomas sigue una distribucin normal de media 1,62 m y la
d e s v i a c i n t p i c a 0 , 12 m . C u l e s l a p r o b a b i l i d ad d e q u e l a
m e d i a d e u n a mu e s t r a a l e a t o r i a d e 1 0 0 a l u m n a s se a m a y o r q u e
1.60 m?
4. Se ha tomado una muestra de los precios de un mismo producto

a l i m e n t i c i o e n 1 6 c o m e r c i o s , e le g i d o s a l a z a r e n u n b a r r i o d e u n a
c i u d ad , y s e h a n e n co n t r a d o l o s s i g u ie n t e s p r e c i o s :
9 5 , 1 0 8 , 9 7 , 1 12 , 9 9 , 1 0 6 , 1 0 5 , 1 0 0 , 9 9 , 9 8 , 1 0 4 , 1 1 0 , 1 0 7 , 1 1 1 ,
1 0 3 , 1 10 .
S u p o n i e n d o q u e l o s p r e c i o s d e e s t e p r o d u c t o s e d i s t r i b u ye n
segn una ley normal de varianza 25 y media desconocida:
4.1 Cul es la distribucin de la media muestral?
4 . 2 D e te r m i n e e l in t e r v a l o d e c o n f i a n z a , a l 9 5 % , p a r a l a m e d i a
poblacional.
- 147 -
95% z/2 =1.96
( 1 04 - 1 . 96 1 . 2 5 , 1 0 4 + 1 . 9 1 . 2 5 ) = ( 1 0 1 . 5 5 ; 1 0 6 . 4 5 )
5. L a me d i a d e l a s e s t a t u r a s d e u n a m u e s t r a a l e a t o r i a d e 4 0 0
personas de una ciudad es 1,75 m. Se sabe que la estatura de las
personas de esa ciudad es una variable aleatoria que sigue una
distribucin normal con varianza 2 = 0,16 m2.
5 . 1 C o n s t r u y e u n in t e r v a l o , d e u n 9 5 % d e c o n f i a n z a , p a r a l a
media de las estaturas de la poblacin.
n=400 x =1.75 =0.4
1- =0.95 z /2=1.96
( 1. 7 5 1 . 9 6 0. 4 / 2 0 ) (1.7108,1.7892)
5 . 2 C u l se r a e l m n i m o t a m a o m u e s t r a l n e c e s a r i o p a r a q u e
pueda decirse que la verdadera media de las estaturas est a
menos de 2 cm de la media muestral, con un nivel de
c o n f i an z a d e l 9 0 % ?
La muestra debe tener al menos 1083 personas.
6. L a s ve n t a s m e n s u a l e s d e u n a t i e n d a d e e le c t r o d o m s t i c o s s e
d i s t r i b u ye n s e g n u n a l e y n o r m a l , c o n d e s v i a c i n t p i c a 9 0 0 . E n
u n e s t u d i o e s t a d s t i c o d e l a s ve n t a s r e a l i z a d a s e n l o s l t i m o s
n u e v e m e s e s , se h a e n c o n t r a d o u n i n t e r v a l o d e c o n f i a n z a p a r a l a
m e d i a m e n s u a l d e l a s v e n t a s , c u yo s e x t r e m o s s o n 4 6 6 3 y 5
839 .
6.1 Cul ha sido la media de las ventas en estos nueve meses?

n = 9 x = (4663 + 5839) / 2; x =5251
6 . 2 C u l e s e l n i v e l d e c o n f i an z a p a r a e s t e in t e r v a l o ?
E= ( 5839 - 4663) / 2 = 588
588 = z /2 900 / 3 z /2 = 1.96
1- = 0.95 95%
7. S e d e s e a e s t i m a r l a p r o p o r c i n , p , d e i n d i v id u o s d a l t n i c o s d e
u n a p o b l a c i n a t r a v s d e l p o r c e n t a j e o b se r v a d o e n u n a m u e s t r a
a l e a t o r i a d e in d i v i d u o s , d e t a m a o n .
7 . 1 S i e l p o r c e n t a j e d e i n d i v id u o s d a l t n i c o s e n l a m u e s t r a e s
igual al 30%, calcula el valor de n para que, con un nivel de
c o n f i an z a d e 0 , 95 , e l e r r o r c o m e t i d o e n l a e s t i m a c i n s e a
i n f e r i o r a l 3, 1 % .
- 148 -
1- =0.95 z /2=1.96
A l m e n o s 8 4 0 i nd i v i d u o s .
7 . 2 S i e l t a m a o d e l a m u e s t r a e s d e 6 4 i n d i v id u o s , y e l
porcentaje de individuos daltnicos en la muestra es del
3 5 % , d e t e r m i n a , u s a n d o u n n i ve l d e s i g n i f i c a c i n d e l 1 % , e l
c o r r e s p o n d i e n te i n t e r v a l o d e c o n f i a n z a p a r a l a p r o p o r c i n d e
daltnicos de la poblacin.
=0.01 1- =0.99 z /2=2.575
8. E n u n a p o b l a c i n u n a v a r i a b l e a le a t o r i a s i g u e u n a l e y n o r m a l d e
media desconocida y desviacin tpica 2.
8 . 1 O b se r v a d a u n a m u e s t r a d e t a m a o 4 0 0 , t o m a d a a l a z a r , s e
h a o b t e n i d o u n a m e d i a m u e s t r a a l ig u a l a 5 0 . C a l c u l e u n
intervalo, con el 97 % de confianza, para la media de la
poblacin.
8 . 2 C o n e l m i s m o n i ve l d e c o n f i a n z a , q u t a m a o m n i m o d e b e
t e n e r l a mu e s t r a p a r a q u l a a m p l i t u d d e l i n t e r v a l o q u e s e
o b te n g a s e a , c o m o m x i m o , 1 ?
n 76
9. Una marca de nueces afirma que, como mximo, el 6% de las

n u e c e s e s t n v a c a s . Se e l i g ie r o n 3 0 0 n u e ce s a l a z a r y s e
d e te c t a r o n 2 1 v a c a s .
9 . 1 C o n u n n i ve l d e s i g n i f i c a c i n d e l 1 % , s e p u e d e a c e p t a r l a
afirmacin de la marca?
- 149 -
H0 : p 0.06
H1 : p >0.06
= 0.01 z = 2.33.
3. Verificacin.
4. Decisin
Aceptamos la hiptesis nula H 0. Con un nivel de
9 . 2 S i s e m an t i e n e e l p o r c e n t a j e m u e s t r a l d e n u e c e s q u e e s t n
v a c a s y 1 - = 0 . 9 5 , q u t a m a o m u e s t r a l s e n e c e s i t a r a
para estimar la proporcin de nueces con un error menor del
1% por ciento?
1 - = 0, 9 5 z /2 = 1, 96
1 0 . L a d u r a c i n d e l a b o mb i l l a s d e 1 0 0 W q u e f a b r i c a u n a e m p r e s a
sigue una distribucin normal con una desviacin tpica de 120
h o r a s d e d u r a c i n . S u v i d a m e d i a e s t g a r an t i z a d a d u r a n t e u n
mnimo de 800 horas. Se escoge al azar una muestra de 50
b o mb i l l a s d e u n l o t e y , d e sp u s d e c o m p r o b a r l a s , s e o b t i e n e u n a
vida media de 750 horas. Con un nivel de significacin de 0,01,
h ab r a q u e re c h a z a r e l l o t e p o r n o c u m p l i r l a g a r an t a ?
H0 : 800
H1 : <800
= 0.01; z = 2.33
3. Verificacin.
x = 750
4. Decisin
- 150 -
Rechazamos la hiptesis nula H0. Con un nivel de
5.5 DISTRIBUCIN NORMAL
V a r i a b l e a l e a t o r i a d e l a di s t r i b u c i n no r m a l
Una variable aleatoria continua , X, sigue una distribucin

n o r m a l d e m e d i a y d e s v i a c i n t p i c a , y s e d e s ig n a p o r N ( ,
) , s i se c u m p le n l a s s i g u i e n te s c o n d i c i o n e s :
1. L a v a r i a b l e p u e d e t o m a r c u a l q u ie r v a l o r : ( - , + )
2. L a f u n c i n d e d e n s i d a d , e s l a e xp r e s i n e n t r m i n o s d e
ecuacin matemtica de la curva de Gauss :
Curva de la distribucin normal
El campo de existencia es cualquier valor real, es decir, (-,

+).
Es simtrica respecto a la media .
Tiene un mximo en la media .
C r e ce h a s t a l a m e d i a y d e c r e c e a p ar t i r d e e l l a .
E n l o s p u n t o s y + p r e s e n t a p u n t o s d e i n f le x i n .
E l e j e d e ab s c i s a s e s u n a a s n t o t a d e l a c u r v a .
E l r e a d e l re c i n t o d e t e r m i n ad o p o r l a f u n c i n y e l e j e d e ab s c i s a s
es igual a la unidad.
- 151 -
A l s e r s i m t r i c a re s p e c t o a l e j e q u e p a s a p o r x = , d e j a u n r e a
i g u a l a 0 . 5 a l a i z q u i e r d a y o t r a i g u a l a 0 . 5 a l a d er e c h a .
L a p r o b a b i l i d a d e q ui v a l e a l r e a e n c e r r a d a b a j o l a c u r v a .
- 152 -
T E O R E M A D E TC H E V I S H E F
p( - < X + ) = 0.6826 = 68.26 %
p( - 2 < X + 2) = 0.954 = 95.4 %
p( - 3 < X + 3) = 0.997 = 99.7 %
D i s t r i b u c i n No r m a l E s t n d a r
N(0, 1)
L a di s t r i b u c i n n o r m a l e s t n d a r , o t i p i f i c a d a o r ed u c i d a , e s
aquella que tiene por media el valor cero, = 0, y por
desviacin tpica la unidad, =1 .
S u f u n c i n d e d e n s id a d e s :
Su grfica es:
L a p r o b a b i l i d a d d e l a v a r i a b l e X d e p e n d e r d e l r e a d el
recinto sombreado en la figura . Y para calcularla utilizaremos
una tabla.
Tipificacin de la variable
P a r a p o d e r u t i l i z a r l a t a b l a t e n e m o s q u e t r a n s f o r m a r l a v a r i a b le X
q u e s i g u e u n a d i s t r i b u c i n N ( , ) e n o t r a v a r i a b le Z q u e s i g a u n a
distribucin N(0, 1).
- 153 -
E m p l e o d e l a t a b l a d e l a D i s t r i b u c i n No r m a l
T a b l a d e l a D i s t r i b u c i n N ormal
z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.5000 0.5040 0.5080 0.5120 0.5160 0.5199 0.5239 0.5279 0.5319 0.5359
0.1 0.5398 0.5438 0.5478 0.5517 0.5557 0.5596 0.5636 0.5675 0.5714 0.5753
0.2 0.5793 0.5832 0.5871 0.5910 0.5948 0.5987 0.6026 0.6064 0.6103 0.6141
0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406 0.6443 0.6480 0.6517
0.4 0.6554 0.6591 0.6628 0.6664 0.6700 0.6736 0.6772 0.6808 0.6844 0.6879
0.5 0.6915 0.6950 0.6985 0.7019 0.7054 0.7088 0.7123 0.7157 0.7190 0.7224
0.6 0.7257 0.7291 0.7324 0.7357 0.7389 0.7422 0.7454 0.7486 0.7517 0.7549
0.7 0.7580 0.7611 0.7642 0.7673 0.7704 0.7734 0.7764 0.7794 0.7823 0.7852
0.8 0.7881 0.7910 0.7939 0.7967 0.7995 0.8023 0.8051 0.8078 0.8106 0.8133
0.9 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289 0.8315 0.8340 0.8365 0.8389
0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
1.0 0.8413 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554 0.8577 0.8599 0.8621
1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.8770 0.8790 0.8810 0.8830
1.2 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 0.8962 0.8980 0.8997 0.9015
1.3 0.9032 0.9049 0.9066 0.9082 0.9099 0.9115 0.9131 0.9147 0.9162 0.9177
1.4 0.9192 0.9207 0.9222 0.9236 0.9251 0.9265 0.9279 0.9292 0.9306 0.9319
1.5 0.9332 0.9345 0.9357 0.9370 0.9382 0.9394 0.9406 0.9418 0.9429 0.9441
1.6 0.9452 0.9463 0.9474 0.9484 0.9495 0.9505 0.9515 0.9525 0.9535 0.9545
1.7 0.9554 0.9564 0.9573 0.9582 0.9591 0.9599 0.9608 0.9616 0.9625 0.9633
1.8 0.9641 0.9649 0.9656 0.9664 0.9671 0.9678 0.9686 0.9693 0.9699 0.9706
1.9 0.9713 0.9719 0.9726 0.9732 0.9738 0.9744 0.9750 0.9756 0.9761 0.9767
0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
2.0 0.9772 0.9778 0.9783 0.9788 0.9793 0.9798 0.9803 0.9808 0.9812 0.9817
2.1 0.9821 0.9826 0.9830 0.9834 0.9838 0.9842 0.9846 0.9850 0.9854 0.9857
2.2 0.9861 0.9864 0.9868 0.9871 0.9875 0.9878 0.9881 0.9884 0.9887 0.9890
2.3 0.9893 0.9896 0.9898 0.9901 0.9904 0.9906 0.9909 0.9911 0.9913 0.9916
2.4 0.9918 0.9920 0.9922 0.9925 0.9927 0.9929 0.9931 0.9932 0.9934 0.9936
2.5 0.9938 0.9940 0.9941 0.9943 0.9945 0.9946 0.9948 0.9949 0.9951 0.9952
- 154 -
2.6 0.9953 0.9955 0.9956 0.9957 0.9959 0.9960 0.9961 0.9962 0.9963 0.9964
2.7 0.9965 0.9966 0.9967 0.9968 0.9969 0.9970 0.9971 0.9972 0.9973 0.9974
2.8 0.9974 0.9975 0.9976 0.9977 0.9977 0.9978 0.9979 0.9979 0.9980 0.9981
2.9 0.9981 0.9982 0.9982 0.9983 0.9984 0.9984 0.9985 0.9985 0.9986 0.9986
0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
3 0.9987 0.9987 0.9987 0.9988 0.9988 0.9989 0.9989 0.9989 0.9990 0.9990
3.1 0.9990 0.9991 0.9991 0.9991 0.9992 0.9992 0.9992 0.9992 0.9993 0.9993
3.2 0.9993 0.9993 0.9994 0.9994 0.9994 0.9994 0.9994 0.9995 0.9995 0.9995
3.3 0.9995 0.9995 0.9995 0.9996 0.9996 0.9996 0.9996 0.9996 0.9996 0.9997
3.4 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9998
3.5 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998
3.6 0.9998 0.9998 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
3.7 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
3.8 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
3.9 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
T a b l a d e l a c ur v a n o r m a l ( 0 , 1 )
La tabla nos da las probabilidades de P(z k) , siendo z la

variable tipificada.
E s t a s p r o b a b i l i d ad e s n o s d an l a f u n c i n d e d i s t r i b u c i n ( k ) .
(k) = P(z k)
Bsqueda en la tabla de valor de k
U n i d a d e s y d c i m a s e n l a c o lu m n a d e l a i z q u i e r d a .
Cntesimas en la fila de arriba.
P(Z a)
P(Z 1.47) = 0.9292
- 155 -
P(Z > a) = 1 - P(Z a)
P ( Z > 1 . 47 ) = 1 P ( Z 1 . 4 7 ) = 1 0 . 9 2 9 2 = 0 . 0 7 0 8
P(Z a) = 1 P(Z a)
P ( Z 1 . 47 ) = 1 P ( Z 1 . 4 7 ) = 1 0 . 9 2 9 2 = 0 . 0 7 0 8
P(Z > a) = P(Z a)
p(Z > 1.47) = p(Z 1.47) = 0.9292
P(a < Z b ) = P(Z b) P(Z a)
P( 0.45 <Z 1.47) = P(Z 1.47) P(Z 0.45) =
= 0.9292 0.6736 = 0.2556
P(b < Z a ) = P(a < Z b )
- 156 -
P(1.47 <Z 0.45) = P( 0.45 <Z 1.47) =
= P(Z 1.47) P(Z 0.45) = 0.9292 0.6736 = 0.2556
P(a < Z b ) = P(Z b) [ 1 P(Z a)]
P ( - 1 . 4 7 < Z 0 . 45 ) = P ( Z 0 . 4 5 ) [ 1 P ( Z 1 . 4 7 ) ] =
= 0.6736 (1 0.9292) = 0.6028
p = K
N o s e n c o n t r a m o s c o n e l c a s o i n v e r s o a l o s an t e r i o r e s , c o n o c e m o s
e l v a l o r d e l a p r o b ab i l i d a d y s e t r a t a d e h a l l a r e l v a l o r d e l a
abscisa. Ahora tenemos que buscar en la tabla el valor que ms
se aproxime a K.
p = 0 . 7 5 Z 0. 6 8
Para calcular la v a r i ab l e X nos vamos a la frmula de la

t i pi f i c a c i n .
( X - ) / = 0 .6 8 X = + 0 . 6 8
Distribucin Normal y Binomial
A p r o x i m a c i n d e l a bi n o m i a l p o r l a n o r m a l
T e o r e m a d e Mo i v r e
Si:
np 0 y nq 0.
L a di s t r i b u c i n b i n o m i a l B ( n , p ) s e p u e d e ap r o x i m a r m e d i a n t e
una distribucin normal:
- 157 -
Ejemplo
E n u n a c i u d ad u n a d e c a d a t r e s f a m i l i a s p o se e t e l f o n o . S i s e
e l i g e n a l a z a r 9 0 f a m i l i a s , c a l c u l a r l a p r o b ab i l i d a d d e q u e e n t r e
e l l a s h a y a p o r lo m e n o s 3 0 t e n g a n t e l f o n o .
TEMA 6. ESTADSTICA BIVARIADA

6.1 La Ecuacin de Regresin y su Interpretacin.
6.2 Clculo e Interpretacin del Coeficiente de Regresin.
6.3 Pruebas de Hiptesis para los Coeficientes de Correlacin.
6.1 DISTRIBUCIONES BIDIMENSIONALES
Relacin Funcional
Dos variables x e y estn relacionadas funcionalmente cuando

c o n o c i d a l a p r i me r a se p u e d e s a b e r c o n e x a c t i t u d e l v a l o r d e l a
segunda.
- 158 -
Ejemplo
Si se deja caer una piedra, existe una frmula que nos permite
calcular exactamente, la altura a la que se encuentra en funcin
del tiempo transcurrido.
h = g t.
Relacin Estadstica
Dos variables x e y estn relacionadas estadsticamente cuando

c o n o c i d a l a p r i me r a s e p u e d e e s t i m a r ap r o x i m a d a m e n t e e l v a l o r d e
la segunda.
Ejemplos
I n g re s o s y g a s t o s d e u n a f a m i l i a .
P r o d u c c i n y v e n t a s d e u n a f b r i c a .
G a s t o s e n p u b l i c i d ad y b e n e f i c i o s d e u n a e m p r e s a .
Variable Estadstica Bidimensional
U n a v a r i a b l e b i di m e n s i o n a l e s u n a v a r i a b le e n l a que cada
i n d i v id u o e s t d e f i n id o p o r u n p a r d e c a r a c t e r e s , ( X , Y ) .
Estos dos caracteres son a su vez variables estadsticas en las

q u e s e x i s t e r e l a c i n e n t re e l l a s , u n a d e l a s d o s v a r i a b le s e s l a
v a r i a b l e i n d e p e n d i e n te y l a o t r a v a r i a b l e d e p e n d ie n t e .
D i s t r i b u c i o n e s b i di m e n s i o n a l e s
S o n a q u e l l a s e n l a s q u e a c ad a in d i v i d u o l e c o r r e sp o n d e n lo s
v a l o r e s d e d o s v a r i a b le s , l a s r e p r e s e n t a m o s p o r e l p a r ( x i , y i ) .
S i re p re s e n t a m o s c a d a p a r d e v a l o r e s c o m o l a s c o o r d e n a d a s d e u n
p u n t o , e l c o n ju n t o d e t o d o s e l l o s s e l l a m a n u b e d e p u n t o s o
diagrama de dispersin .
S o b re l a n u b e d e p u n t o s p u e d e t r a z a r s e u n a r e c t a q u e s e a j u s t e a
e l l o s l o m e j o r p o s ib l e , l l a m a d a r e c t a d e r e g r e s i n .
Ejemplo
Las notas de 12 alumnos de una clase en Matemticas y Fsica son las

siguientes:
Matemticas 2 3 4 4 5 6 6 7 7 8 10 10
F si c a 1 3 2 4 4 4 6 4 6 7 9 10
- 159 -
6.2 COVARIANZA
La covarianza de una variable bidimensional es la media aritmtica

de los productos de las desviaciones de cada una de las variables
r e s p e c t o a s u s me d i a s r e sp e c t i v a s .
L a c o v a r i a n z a s e re p re s e n t a p o r s x y o x y .
La covarianza indica el sentido de la correlacin entre las

variables
S i x y > 0 l a c o r re l a c i n e s d i r e c t a .
S i x y < 0 l a c o r re l a c i n e s in v e r s a .
L a c o v a r i a n z a p re s e n t a c o m o i n c o n ve n i e n t e , e l h e c h o d e q u e s u
v a l o r d e p e n d e d e l a e s c a l a e le g id a p a r a l o s e j e s .
Es decir, la covarianza variar si expresamos la altura en metros o

e n ce n t m e t r o s . T a m b i n v a r i a r s i e l d in e r o l o e x p r e s a m o s e n
e u r o s o e n d l a re s .
Ejemplos
Las notas de 12 alumnos de una clase en Matemticas y Fsica son las siguientes:
Matemticas 2 3 4 4 5 6 6 7 7 8 10 10
Fsica 1 3 2 4 4 4 6 4 6 7 9 10
- 160 -
H a l l a r l a c o v a r i a n z a de la distribucin.
xi yi xi * yi
2 1 2
3 3 9
4 2 8
4 4 16
5 4 20
6 4 24
6 6 36
7 4 28
7 6 42
8 7 56
10 9 90
10 10 100
72 60 431
D e sp u s d e t a b u l a r l o s d a t o s h a l l a m o s l a s m e d i a s a r i t m t i c a s :
L o s v a l o r e s d e d o s v a r i a b l e s X e Y s e d i s t r i b u ye n s e g n l a
t a b l a s i g u ie n t e :
Y/X 0 2 4
1 2 1 3
2 1 4 2
3 2 5 0
Hallar la covarianza de la distribucin.
- 161 -
E n p r i m e r l u g a r c o n ve r t i m o s l a t ab l a d e d o b le e n tr a d a e n
tabla simple y calculamos las medias aritmticas.
xi yi fi xi * fi yi * fi xi * yi * fi
0 1 2 0 2 0
0 2 1 0 2 0
0 3 2 0 6 0
2 1 1 2 1 2
2 2 4 8 8 16
2 3 5 10 15 30
4 1 3 12 3 12
4 2 2 8 4 16
20 40 41 76
6.3 CORRELACIN
L a c o r r e l a c i n t r a t a d e e s t a b le c e r l a r e l a c i n o d e p e n d e n c i a q u e
e x i s t e e n t r e l a s d o s v a r i a b le s q u e in t e r v i e n e n e n u n a d i s t r i b u c i n
b i di m e n s i o n a l .
E s d e c i r , d e t e r m in a r s i l o s c a m b i o s e n u n a d e l a s v a r i ab l e s in f l u ye n
e n lo s c a m b i o s d e l a o t r a . E n c a s o d e q u e s u c e d a , d i r e m o s q u e l a s
v a r i a b l e s e s t n c o r r e l a c i o n ad a s o q u e h a y c o r r e l a c i n e n t r e e l l a s .
T i p os de c or re lac in
1 Correlacin directa
La correlacin directa se da c u an d o al aumentar una de las

variables la otra aumenta.
L a re c t a c o r r e sp o n d i e n t e a l a n u b e d e p u n to s d e l a d i s t r i b u c i n e s
una recta creciente.
- 162 -
2 Correlacin inversa
La correlacin inversa se da cu a n d o al aumentar una de las

v a r i a b l e s l a o t r a d i s m i n u ye .
L a re c t a c o r r e sp o n d i e n t e a l a n u b e d e p u n to s d e l a d i s t r i b u c i n e s
una recta decreciente.
3 Correlacin nula
L a c o r r e l a c i n n u l a se d a c u a n d o n o h a y d e p e n d e n c i a d e n i n g n
tipo entre las variables.
E n e s t e c a s o se d i c e q u e l a s v a r i a b le s s o n in c o r r e l a d a s y l a n u b e
d e p u n t o s t i e n e u n a f o r m a r e d o n d e ad a .
C o r re l a c i n D i re c t a C o r r e l a c i n I n ve r s a Correlacin Nula
Grado de correlacin
E l gr a d o d e c o r r e l a c i n i n d i c a l a p r o x i m i d a d q u e h a y e n t r e l o s
puntos de la nube de puntos. Se pueden dar tres tipos:
1. Correlacin fuerte
L a c o r re l a c i n s e r f u e r t e c u a n t o m s ce r c a e s t n l o s p u n to s d e l a
recta.
2. Correlacin dbil
L a c o r re l a c i n s e r d b i l c u a n t o m s s e p a r a d o s e s t n l o s p u n t o s d e
la recta.
3. Correlacin nula
- 163 -
L a c o r r e l a c i n n u l a se d a c u a n d o n o h a y d e p e n d e n c i a d e n i n g n
tipo entre las variables.
En este caso se dice que las variables son incorreladas y la nube de

puntos tiene una forma redondeada.
C o r re l a c i n F u e r t e Correlacin Dbil Correlacin Nula
6.4 COEFICIENTE DE CORRELACIN LINEAL
El coeficiente de correlacin lineal es el cociente entre la

c o v a r i a n z a y e l p r o d u c t o d e l a s d e s v i a c i o n e s t p i c a s d e a m b a s
variables.
El coeficiente de correlacin lineal se expresa mediante la letra r.
P r o p i e d a d e s d el c o e f i c i e n t e d e c o r r e l a c i n
1. E l c o e f i c i e n t e d e c o r r e l a c i n n o v a r a a l h a ce r l o l a e s c a l a d e
medicin.
E s d e c i r , s i e xp r e s a m o s l a a l t u r a e n m e t r o s o e n c e n t m e t r o s e l
coeficiente de correlacin no vara.
2. El signo del coeficiente de correlacin es el mismo que el de
la covarianza.
Si la covarianza es positiva, la correlacin es directa.
S i l a c o v a r i a n z a e s n e g a t i v a , l a c o r r e l a c i n e s i n ve r s a .
Si la covarianza es nula, no existe correlacin.
3. El coeficiente de correlacin lineal es un nmero real
c o m p re n d i d o e n t re 1 y 1 .
1 r 1
4. Si el coeficiente de correlacin lineal toma valores cercanos
a 1 l a c o r re l a c i n e s f u e r t e e i n v e r s a , y s e r t a n t o m s
fuerte cuanto ms se aproxime r a 1.
- 164 -
a 1 l a c o rr e l a c i n e s f u e r t e y d i r e c t a , y s e r t a n t o m s f u e r t e
c u a n t o m s s e a p ro x i m e r a 1 .
a 0 , l a c o rr e l a c i n e s d b i l .
7. S i r = 1 1 , l o s p u n to s d e l a n u b e e s t n s o b r e l a r e c t a
c r e c i e n te o d e c re c i e n t e . Entre ambas variables hay
dependencia funcional .
Ejemplos
Matemticas 2 3 4 4 5 6 6 7 7 8 10 10
Fsica 1 3 2 4 4 4 6 4 6 7 9 10
H a l l a r e l c o e f i c i e n t e d e c o r r e l a c i n de la distribucin e interpretarlo.
xi yi xi *yi xi2 yi2
2 1 2 4 1
3 3 9 9 9
4 2 8 16 4
4 4 16 16 16
5 4 20 25 16
6 4 24 36 16
6 6 36 36 36
7 4 28 49 16
7 6 42 49 36
8 7 56 64 49
10 9 90 100 81
10 10 100 100 100
72 60 431 504 380
1 Hallamos las medias aritmticas.
2 Calculamos la covarianza.
- 165 -
3 Calculamos las desviaciones tpicas .
4 A p l i c a m o s l a f r mu l a d e l c o e f i c i e n t e d e c o r r e l a c i n l i n e a l .
Al ser el coeficiente de correlacin positivo, la correlacin

es directa. C o mo c o e f i c i e n t e d e c o r r e l a c i n e s t m u y
p r x i m o a 1 l a c o r r e l a c i n e s m u y f u e r t e .
Los valores de dos variables X e Y se distribuyen segn la tabla siguiente:

Y/X 0 2 4
1 2 1 3
2 1 4 2
3 2 5 0
D e te r m i n a r e l c o e f i c i e n t e d e c o r r e l a c i n .
Convertimos la tabla de doble entrada en tabla simple.
xi yi fi xi * fi xi2 * fi yi * fi yi2 * fi xi * yi * fi
0 1 2 0 0 2 2 0
0 2 1 0 0 2 4 0
0 3 2 0 0 6 18 0
2 1 1 2 4 1 1 2
2 2 4 8 16 8 16 16
2 3 5 10 20 15 45 30
4 1 3 12 48 3 3 12
4 2 2 8 32 4 8 16
20 40 120 41 97 76
- 166 -
Al ser el coeficiente de correlacin negativo, la correlacin es

inversa. Como coeficiente de correlacin est muy prximo a 0 la
correlacin es muy dbil.
6.5 RECTA DE REGRESIN
L a r ec t a d e r e gr e s i n e s l a q u e m e j o r s e a j u s t a a l a n u b e d e
puntos.
La recta de regresin pasa por el punto llamado centro de

gravedad.
R e c t a d e r e gr e s i n d e Y s o b r e X
L a re c t a d e r e g r e s i n d e Y s o b r e X s e u t i l i z a p a r a e s t i m a r l o s
valores de la Y a partir de los de la X.
La pendiente de la recta es el cociente entre la covarianza y la

varianza de la variable X.
R e c t a d e r e gr e s i n d e X s o b r e Y
L a r e c t a d e r e g r e s i n d e X s o b r e Y se u t i l i z a p a r a e s t i m a r l o s
valores de la X a partir de los de la Y.
La pendiente de la recta es el cociente entre la covarianza y la

varianza de la variable Y.
Si la correlacin es nula, r = 0, las rectas de regresin son

perpendiculares entre s, y sus ecuaciones son:
y =
x =
- 167 -
Ejemplo
Matemticas 2 3 4 4 5 6 6 7 7 8 10 10
F si c a 1 3 2 4 4 4 6 4 6 7 9 10
H a l l a r l a s r e c t a s d e r eg r e s i n y representarlas.
xi
xi yi xi2 yi2
yi
2 1 2 4 1
3 3 9 9 9
4 2 8 16 4
4 4 16 16 16
5 4 20 25 16
6 4 24 36 16
6 6 36 36 36
7 4 28 49 16
7 6 42 49 36
8 7 56 64 49
10 9 90 100 81
10 10 100 100 100
72 60 431 504 380
1 Hallamos las medias arimticas .
2 Calculamos la covarianza.
3 Calculamos las varianzas.
- 168 -
4 Recta de regresin de Y sobre X.
4 Recta de regresin de X sobre Y.
Ejercicios de Regresin y Correlacin
1. C i n c o n i o s d e 2 , 3 , 5 , 7 y 8 a o s de e d ad p e s an ,
r e s p e c t i v a m e n t e , 14 , 2 0 , 3 2 , 4 2 y 4 4 k i l o s .
1 . 1 H a l l a r l a e cu a c i n d e l a r e c t a d e r e g r e s i n de la edad sobre
el peso.
xi yi xi yi xi2 yi2
2 14 4 196 28
3 20 9 400 60
5 32 25 1 024 160
7 42 49 1 764 294
8 44 64 1 936 352
25 152 151 5 320 894
- 169 -
1 . 2 C u l se r a e l p e s o a p r o x i m ad o d e u n n i o d e s e i s a o s ?
2. Un centro comercial sabe en funcin de la distancia, en kilmetros, a la

que se site de un ncleo de poblacin, acuden los clientes, en cientos,
que figuran en la tabla:
N de clientes (X) 8 7 6 4 2 1
Distancia (Y) 15 19 25 23 34 40
2.1 Calcular el coeficiente de correlacin lineal .
2 . 2 S i e l ce n t r o c o me r c i a l se s i t a a 2 k m , c u n t o s c l i e n t e s
puede esperar?
2.3 Si desea recibir a 500 clientes, a qu distancia del ncleo de

poblacin debe situarse?
8 15 120 64 225
7 19 133 49 361
6 25 150 36 625
4 23 92 16 529
2 34 68 4 1 156
1 40 40 1 1 600
28 156 603 170 4 496
- 170 -
C o r r el a c i n n e g a t i v a m u y f u e r t e .
3. Las notas obtenidas por cinco alumnos en Matemticas y Qumica son:

Matemticas 6 4 8 5 3. 5
Qumica 6. 5 4. 5 7 5 4
y calcular la nota esperada en

D e te r m i n a r l a s r e c t a s d e r eg r e s i n
Qumica para un alumno que tiene 7.5 en Matemticas.
6 6. 5 36 42.25 39
4 4. 5 16 20.25 18
8 7 64 49 56
5 5 25 25 25
3. 5 4 12.25 16 14
26.5 27 153.25 152.5 152
- 171 -
4. Un conjunto de datos bidimensionales (X, Y) tiene coeficiente de
correlacin r = 0.9, siendo las medias de las distribuciones
m a r g i n a le s = 1, = 2 . Se s a b e q u e u n a d e l a s c u a t r o
e c u a c i o n e s s i g u ie n t e s c o r r e s p o n d e a l a r ec t a d e r e g r e s i n d e Y
s o b re X :
y = -x + 2 3x - y = 1 2x + y = 4 y = x + 1
Se l e c c i o n a r r a z o n a d a me n t e e s t a r e c t a .
Como el coeficiente de correlacin lineal es negativo , la

pendiente de la recta tambin ser negativa, por tanto
d e s c a r t a m o s l a 2 y 4 .
U n p u n to d e l a re c t a h a d e s e r ( , ), es decir, (1, 2).

2 - 1 + 2
2 * 1 + 2 = 4
L a r ec t a p e di d a e s : 2 x + y = 4 .
5. Las estaturas y pesos de 10 jugadores de baloncesto de un equipo son:

Estatura (X) 186 189 190 192 193 193 198 201 203 205
Pesos (Y) 85 85 86 90 87 91 93 103 100 101
Calcular:
5.1 La recta de regresin de Y sobre X.
5.2 El coeficiente de correlacin.
5.3 El peso estimado de un jugador que mide 208 cm.

xi yi xi2 yi2 xi yi
186 85 34 596 7 225 15 810
189 85 35 721 7 225 16 065
190 86 36 100 7 396 16 340
192 90 36 864 8 100 17 280
193 87 37 249 7 569 16 791
193 91 37 249 8 281 17563
198 93 39 204 8 649 18 414
201 103 40 401 10 609 20 703
203 100 41 209 10 000 20 300
- 172 -
205 101 42 025 10 201 20 705
1 950 921 380 618 85 255 179 971
C o r r el a c i n po s i t i v a m u y f u e r t e .
6 . A p a r t i r d e l o s s i g u i e n t e s d a t o s r e f e r e n t e s a h o r a s t r ab a j a d a s e n
u n t a l l e r ( X ) , y a u n id a d e s p r o d u c i d a s ( Y ) , d e t e r m i n a r l a r ec t a
de regresin de Y sobre X, el coeficiente de correlacin
l i n e a l e interpretarlo.
Horas (X) 80 79 83 84 78 60 82 85 79 84 80 62
Produccin
300 302 315 330 300 250 300 340 315 330 310 240
(Y)
xi yi xi yi xi2 yi2
80 300 6 400 90 000 24 000
79 302 6 241 91 204 23 858
83 315 6 889 99 225 26 145
84 330 7 056 108 900 27 720
78 300 6 084 90 000 23 400
60 250 3 600 62 500 15 000
82 300 6 724 90 000 24 600
85 340 7 225 115 600 28 900
79 315 6 241 99 225 24 885
84 330 7 056 108 900 27 720
80 310 6 400 96 100 24 800
- 173 -
62 240 3 844 57 600 14 880
936 3 632 73 760 1 109 254 285 908
7. Se ha solicitado a un grupo de 50 individuos informacin sobre el

nmero de horas que dedican diariamente a dormir y ver la televisin.
La clasificacin de las respuestas ha permitido elaborar la siente tabla:
N de horas dormidas (X) 6 7 8 9 10
N de horas de televisin (Y) 4 3 3 2 1
Frecuencias absolutas (f i) 3 16 20 10 1
Se p id e :
7.1 Calcular el coeficiente de correlacin .
7 . 2 D e te r m i n a r l a e c u a c i n d e l a r ec t a d e r e g r e s i n d e Y s o b r e
X.
7.3 Si una persona duerme ocho horas y media, cunto cabe esperar
que vea la televisin?
xi yi xi yi xi2 yi2
80 300 6 400 90 000 24 000
79 302 6 241 91 204 23 858
83 315 6 889 99 225 26 145
84 330 7 056 108 900 27 720
78 300 6 084 90 000 23 400
60 250 3 600 62 500 15 000
82 300 6 724 90 000 24 600
85 340 7 225 115 600 28 900
- 174 -
79 315 6 241 99 225 24 885
84 330 7 056 108 900 27 720
80 310 6 400 96 100 24 800
62 240 3 844 57 600 14 880
936 3 632 73 760 1 109 254 285 908
8. La tabla siguiente nos da las notas del test de aptitud (X) dadas a seis
dependientes a prueba y ventas del primer mes de prueba (Y) en
cientos de euros.
X 25 42 33 54 29 36
Y 42 72 50 90 45 48
8.1 Hallar el coeficiente de correlacin e in t e r p r e t a r el

r e s u l t a d o o b te n id o .
8.2 Calcular la recta de regresin de Y sobre X. Predecir las

ventas de un vendedor que obtenga 47 en el test.
xi yi xi yi xi2 yi2
25 42 625 1 764 1 050
42 72 1 764 5 184 3 024
33 50 1 089 2 500 1 650
54 90 2 916 8 100 4 860
29 45 841 2 025 1 305
36 48 1 296 2 304 1 728
209 347 8 531 21 877 13 617
- 175 -
- 176 -

AP Mtría Proba y Estad

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

AP Mtría Proba y Estad

Transféré par

Droits d'auteur :

Formats disponibles

Emelia Lorenzana Apuntes Complementarios de Geometra Analtica Plana y Espacial

1. Lo s Fen m eno s Aleato r io s (2)

2. La Descr ipci n Estadstica de Dato s (9)

3. Teo r a de la Pr o babilidad (66)

4. Distr ibucio nes de Pr o babilidad

5. Estim aci n y Pr uebas de Hip tesis

6. Estadstica Biv ar iada (154)

TEMA 1. LOS FENMENOS

1.1 FENMENOS ALEATORIOS Y FENMENOS

1.2 FACTORES DE ALEATORIEDAD

Puntos esparcidos aleatoriamente

La aleatoriedad se asocia a todo proceso cuyo resultado no es

La palabra aleatorio se usa para expresar una aparente carencia

Los matemticos se centraron primero en aleatoriedad estadstica y

Aplicaciones y usos de la aleatoriedad

1.3 DEFINICIONES DE PROBABILIDAD Y TIPOS DE

La probabilidad de un suceso es un nmero, comprendido entre 0 y

Son aquellos en los que no se puede predecir el resultado, ya que

Una bolsa contiene bolas blancas y negras. Se e x t r ae n

4. El suceso C = {extraer una sola bola negra}.

Es cada uno de los e le m e n t o s que forman p ar t e del e sp a c i o

Dos sucesos, A y B, son compatibles cuando tienen algn suceso

Sucesos incompatibles o excluyentes.

Dos sucesos, A y B, son incompatibles cuando no tienen ningn

Extraer dos cartas de una baraja, sin reposicin, son sucesos

2.1 CONCEPTOS DE ESTADSTICA

Una muestra es un conjunto representativo de la poblacin de

Un valor es cada uno de los distintos resultados que se pueden

2.2 VARIABLE ESTADSTICA

Una variable estadstica es cada una de las caractersticas o

T ipos de var iable e st adst ic as

Variable cualitativa nominal

Una variable cualitativa nominal presenta modalidades no

Una variable cualitativa ordinal presenta modalidades no

Puesto conseguido en una prueba deportiva: 1, 2, 3, ...

Una variable discreta es aquella que toma valores aislados, es

La altura de los 5 amigos: 1.73, 1.82, 1.77, 1.69, 1.75.

En la prctica medimos la altura con dos decimales, pero tambin

2.3 TABLAS ESTADSTICAS

La frecuencia absoluta es el nmero de veces que aparece un

La frecuencia relativa es el cociente entre la frecuencia

La suma de las frecuencias relativas es igual a 1.

La frecuencia acumulada es la suma de las frecuencias

La frecuencia relativa acumulada es el cociente entre la

D u r an t e e l m e s d e j u l i o , e n u n a ciudad se h an registrado las

32 III 3 27 0.097 0.871

33 III 3 30 0.097 0.968

Este tipo de tablas de frecuencias se utiliza con variables

D i str i b uc i n de fr ec ue nc ias agr upadas

Cada clase est delimitada por el lmite inferior de la clase y el

La marca de clase es el punto medio de cada intervalo y es el

Construccin de una tabla de datos agrupados

En este caso, 48 - 3 = 45, incrementamos el nmero hasta

[0, 5) 2.5 1 1 0.025 0.025

[5, 10) 7.5 1 2 0.025 0.050

[10, 15) 12.5 3 5 0.075 0.125

[15, 20) 17.5 3 8 0.075 0.200

[20, 25) 22.5 3 11 0.075 0.275

[25, 30) 27.5 6 17 0.150 0.425

[30, 35) 32.5 7 24 0.175 0.600

[35, 40) 37.5 10 34 0.250 0.850

[40, 45) 42.5 4 38 0.100 0.950

[45, 50) 47.5 2 40 0.050 1

2.4 DIAGRAMA DE BARRAS Y POLGONOS DE