Estadistica

PRACTICA DIRIGIDA 3.
ANÁLISIS DE REGRESIÓN SIMPLE
Relación entre dos o más variables.
Correlación -> mide intensidad de relación
Regresión -> Predice el valor de la dependiente
Fórmulas de regresión
𝑌̂ = 𝑎 + 𝑏𝑥
∑𝑌 ∑𝑋
𝑎= − = 𝑌̅ − 𝑏𝑋̅
𝑛 𝑛
𝑛(∑ 𝑋𝑌) − (∑ 𝑋)(∑ 𝑌)

𝑏=
𝑛(∑ 𝑋 2 ) − (∑ 𝑋)2
Ejercicio. Para el ingreso al Departamento de ventas de una empresa el jefe de

personal ha sido designado para incorporar y seleccionar nuevo personal. Para tal
fin, ha diseñado una prueba como predicción de las ventas semanales y eligió al
azar a cinco vendedores experimentados aplicando la prueba a cada uno de ellos,
los resultados obtenidos se detallan en la siguiente tabla.
Vendedor Años experiencia Ingresos del mes

1 4 5000
2 7 12000
3 3 4000
4 6 8000
5 10 11000
Determinar e interpretar
1. Diagrama de dispersión.
2. Ecuación de regresión.
3. Pronosticar 𝑌̂ para cada valor de X.
4. Trazar la línea de regresión.

X Y XY 𝑋2 𝑌2
4 5000 20000 16 25000000
7 12000 84000 49 144000000
3 4000 12000 9 16000000
6 8000 48000 36 64000000
10 11000 110000 100 121000000
30 40000 274000 210 370000000
1. Diagrama de dispersión.
2. Ecuación de regresión.
5(274000) − 30(40000)
𝑏=
5(210) − 302
𝑏 = 1133.33
40000 30
𝑎= − 1133.33 ∗
5 5
𝑎 = 1202
𝑌̂ = 1202 + 1133 ∗ 𝑋
3. Pronosticar 𝑌̂ para cada valor de X.
𝑌̂1 = 5734
𝑌̂2 = 9133
𝑌̂3 = 4601
𝑌̂4 = 8000
𝑌̂5 = 12532
*si x=12 no se puede pronosticar su valor en Y

PRACTICA DIRIGIDA 3.2
ANÁLISIS COMBINATORIO
1.Factorial de un número (n!)
Es el producto de todos los enteros positivos desde 1 hasta n inclusive.
𝑛! = 𝑛 ∗ (𝑛 − 1) ∗ (𝑛 − 2) ∗ … ∗ 3 ∗ 2 ∗ 1 = 𝑛 ∗ (𝑛 − 1)!
Por definición: 0! = 1
2. Permutación
Cantidad de maneras en que se pueden disponer en términos de orden.
𝑛!
𝑛𝑃𝑟 =
(𝑛 − 𝑟)!
Ejercicio. La inmobiliaria corredores asociados acordó elegir dentro de su directorio

conformado por 10 miembros, los cargos de Presidente, Secretario y Tesorero.
n=10
r=3
10!
10𝑃3 =
(10 − 3)!
10𝑃3 = 720
3. Combinación
Número de grupos diferentes.
𝑛!
𝑛𝐶𝑟 =
𝑟! ∗ (𝑛 − 𝑟)!
10!
𝑛𝐶𝑟 =
3! ∗ (10 − 3)!
𝑛𝐶𝑟 = 120
PROBABILIDADES
1. Experimento: Acción sobre la cual realizaremos una medición u observación.
1.1 Exp. Deterministico. Cuando podemos precisar con exactitud el resultado del
experimento.
Ejemplo: Si se lanza un globo inflado a un estanque con agua, flota, si tiramos

una piedra se hunde.
1.2 Exp. NO Deterministico: Cuando no podemos precisar con exactitud el resultado

final del experimento.
Ejemplo: Se lanza un dado equilibrado, no se puede precisar la cara que va a

salir.
2. Resultado: Toda posible consecuencia de realizar el experimento.
3. Espacio muestral: Conjunto de todos los resultados posibles de un experimento.
Ejemplo: Una moneda
Una vez = {C,S}
Dos monedas y un dado
Una vez = {CC1,CC2,CC3,CC4,CC5,CC6
CS1,CS2,CS3,CS4,CS5,CS6
SS1,SS2,SS3,SS4,SS5,SS6
SC1,SC2,SC3,SC4,SC5,SC6}
4. Evento: Subconjunto del espacio muestral.
Ejemplo:”números primos al lanzar un dado”
A = {X / x es un numero primo }
A = { 2,3,5 }
Enfoque de frecuencia relativa
Utiliza como fuente de probabilidad las frecuencias relativas obtenidas de la repetición

del experimento.
En muchos casos se basa en datos históricos, bajo la premisa de lo que ocurrió en el

pasado seguirá pasando en el futuro.
La validez de este enfoque depende tanto del número de repeticiones como que se
mantenga las mismas condiciones de la experimentación.
Ejercicio de Aplicación:
Se lanza 1000 veces una moneda y se supone que se encuentra bien balanceada y
simétrica. Los resultados obtenidos se registran en la tabla siguiente.
Clases fi hi F Ideal
Cara 52 0.52 0.50
Sello 48 0.48 0.50
TOTAL 100 1.00 1.00
Enfoque Subjetivo o Personalista
El especialista asigna subjetivamente las probabilidades. Basado en su experiencia y

conocimiento, emite un juicio personal acerca de las posibilidades que él cree tengan
los diferentes resultados de un experimento.
La adquisición de un terreno en una zona residencial. La experiencia ha demostrado

que se incrementa su valor en un 200% año a año con respecto a la tasa de interés
bancario.
Precio:
1000 $ 1m2
100000 $ 100 m2
Interés:
100% 5%
200% 10%
R: al pasar un año, tenemos un valor de 110000 $.
4. Probabilidad de eventos
4.1Probabilidad de un evento aislado.
No tiene ninguna vinculación con otro evento

Ejercicio de aplicación:
¿Cuál es la probabilidad de que de una baraja de naipes bien mezclada se extraiga el

as de espadas?
1
𝑃(𝐴) = = 0.0192
52
R: La probabilidad de extraer un as de espadas es de 0.0192.
4.2 Probabilidad de dos o más eventos
4.2.1 Eventos mutuamente excluyentes
Dos o más eventos son mutuamente excluyentes o disjuntos si no pueden ocurrir

simultáneamente. La probabilidad del evento A ó B es:
𝑃(𝐴 ∩ 𝐵) = 𝑃(𝜃) = 0
𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵)
¿Cuál es la probabilidad de extraer una dama o un rey de una baraja de naipes bien
mezclada?
𝑆 = {52 𝐶𝑎𝑟𝑡𝑎𝑠}
4
𝑟𝑒𝑦: 𝑃(𝐴) =
52
4
𝐷𝑎𝑚𝑎: 𝑃(𝐵) =
52
𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵)
4 4 8
𝑃(𝐴 ∪ 𝐵) = + = = 0.1538
52 52 52
R: La probabilidad de extraer una dama o un rey es 0.01538.
4.2.2 Eventos no excluyentes.
Dos o más eventos son no excluyentes o conjuntos cuando es posible que ocurran
ambos.
𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵)
4
𝐴𝑠: 𝑃(𝐴) =
52
13
𝐶𝑜𝑟𝑎𝑧ó𝑛: 𝑃(𝐵) =
52
1
𝐴𝑠 𝑦 𝑐𝑜𝑟𝑎𝑧ó𝑛: 𝑃(𝐴 ∩ 𝐵) =
52
4 13 1 16
𝑃(𝐴 ∪ 𝐵) = + − = = 0.3077
52 52 52 52
R: La probabilidad de sacar un As o un Corazón o ambas en una sola oportunidad es

0.3077.
4.2.3. Eventos independientes
Dos o más eventos son considerados independientes si los eventos en ningún modo
se afectan el uno al otro.
LA probabilidad del suceso conjunto es igual al producto de las probabilidades de los

respectivos sucesos.
𝑃(𝐴 𝑦 𝐵) = 𝑃(𝐴) ∗ 𝑃(𝐵)
Un ánfora contiene 4 bolas rojas y 4 azules. Se extrae una bola del ánfora y después
se la reemplaza. Otra bola es extraída después del reemplazamiento. ¿Cuás es la
probabilidad de que ambas extracciones sean bolas rojas?
1º 𝑒𝑥𝑡𝑟𝑎𝑐𝑐𝑖ó𝑛
4
𝑅𝑜𝑗𝑎: 𝑃(𝐴) =
7
2º 𝑒𝑥𝑡𝑟𝑎𝑐𝑐𝑖ó𝑛
4
𝑅𝑜𝑗𝑎: 𝑃(𝐵) =
7
4 4 16
𝑃(𝐴 𝑦 𝐵) = ∗ = = 0.3265
7 7 49
R: La probabilidad de que ambas bolas rojas regresando la primera bola extraída

antes de sacar la segunda bola es 0.3265
4.2.4. Eventos Dependientes:
Si A y B están relacionados de tal manera que la ocurrencia de B depende de la

ocurrencia de A, entonces A y B son llamadas eventos dependientes y la probabilidad
del evento B es llamado probabilidad condicional.
𝐵
𝑃 ( ) = 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑜𝑐𝑢𝑟𝑟𝑒𝑛𝑐𝑖𝑎 𝑑𝑒𝑙 𝑠𝑢𝑐𝑒𝑠𝑜 𝐵, 𝑑𝑎𝑑𝑜 𝑞𝑢𝑒 𝑜𝑐𝑢𝑟𝑟𝑒 𝐴.
𝐴
𝐵 𝑃(𝐵 ∩ 𝐴)
𝑃( ) =
𝐴 𝑃(𝐴)
Un ánfora contiene 4 bolas rojas y 3 bolas azules. Se extrae una bolade la caja y no es
regresada a la caja antes de sacar la segunda bola. ¿Cuál es la probabilidad de que
ambas bolas sean rojas?
4
1º 𝐸𝑥𝑡𝑟𝑎𝑐𝑐𝑖ó𝑛 𝑅𝑜𝑗𝑎: 𝑃(𝐴) =
7
𝐵 3
2º 𝐸𝑥𝑡𝑟𝑎𝑐𝑐𝑖ó𝑛 𝑅𝑜𝑗𝑎 ∷ 𝑃 ( ) =
𝐴 6
𝐵
𝑃(𝐴 𝑦 𝐵) = 𝑃(𝐴) ∗ 𝑃 ( )
𝐴
4 3 12
𝑃(𝐴 𝑦 𝐵) = ∗ = = 0.2857
7 6 42
R: La probabilidad de que ambas bolas sean rojas sin regresar a la primera bola
extraída antes de sacar la segunda bola es 0.2857.
DISTRIBUCIÓN BINOMINAL
Es una distribución de probabilidad discreta propuesta por J. Bernoulli en el año 1700.
Se refiere a situaciones donde la variable aleatoria considera únicamente dos valores,

a uno de ellos se le llama arbitrariamente éxito y al otro fracaso.
La distribución binominal tiene su procedimiento:
a) El número de pruebas o ensayos es fijo y no muy grande

b) En cada prueba o ensayo solo son posibles dos resultados posibles
mutuamente excluyentes, a los cuales se les denomina éxito o fracaso.
c) Los resultados de la serie de pruebas o ensayos constituyen eventos
independientes.
d) La probabilidad de éxito de cada prueba o ensayo permanece constante, se
decir, el proceso es estacionario.
Fórmula:
𝑛!
𝑃(𝑥) = 𝑝 𝑥 ∗ 𝑞 𝑛−𝑥
(𝑛
𝑥! − 𝑥)!
Donde:
n: número e pruebas o ensayos.
x: numero de éxitos.
p: Probabilidad de éxito.
q: Probabilidad de fracaso.
Propiedades:
MEDIA
𝜇 =𝑛∗𝑝
VARIANZA
𝑆2 = 𝑛 ∗ 𝑝 ∗ 𝑞
DESVIACIÓN ESTÁNDAR
𝜎 = √𝑛 ∗ 𝑝 ∗ 𝑞 = √𝑠 2 = 𝑆
Se lanza una moneda bien balanceada 5 veces. Hallar la probabilidad de obtener 4
caras.
X=4
N=5
P=0.5
Q=0.5
𝑛!
𝑃(𝑋) = 𝑝 𝑥 𝑞 𝑛−𝑥
𝑥! (𝑛 − 𝑥)!
5!
𝑃(𝑥 = 4) = 0.54 0.55−4
4! (5 − 4)!
5
𝑃(𝑥 = 4) =
32
𝑃(𝑥 = 4) = 0.15625
DISTRIBUCIÓN DE POISSON
Se puede utilizar pata determinar la probabilidad de un número designado de éxitos

cuando los eventos ocurren en un espectro continuo de tiempo y espacio.
El proceso de Poisson es similar al de Bernoulli, excepto que el número de ensayos u

observaciones es fijas es muy grande y la probabilidad de éxito es muy pequeña.
Esta distribución es conocida como “Distribución de eventos raros”.
FORMULA:
λx ∗ e−λ
𝑃(𝑥) =
𝑥!
Donde:
P(x): Probabilidad de exactamente X ocurrencias
λx : Numero medio de ocurrencias por intervalo de timepo
e−λ: Base del sistema de logaritmos neperianos elevado a la potencia negativa
X!: X factorial.
En una planta de embalaje de dabe que el 5% de emablajes son defectuosos.

Determinar la probabilidad de que 2 de 100 embajales terminados es cada planta
tenga un embalaje defectuoso.
Datos:
N=100
X=2
P=0.05
Q=0.95
λ=n*p=100*0.05
λ=5
52 ∗ 𝑒 −5
𝑃(𝑥 = 2) =
2!
25 ∗ 0.006738
𝑃(𝑥 = 2) =
2∗1
𝑃(𝑥 = 2) = 0.084
DISTRIBUCIÓN NORMAL
Una de las más importantes entre las distribuciones de probabilidad continua, y

muchas variables en estudios de economía, administración, industria, medicina, o de
la vida diaria pueden describirse por esta distribución.
Las distribuciones son aproximadas a una distribución continua denominada “Curva

normal de errores.”
La densidad de probabilidad normal coincide simplemente como la distribución normal

de probabilidad ocupa un lugar prominente en la inferencia estadística por tres
razones:
a) Si se selecciona una muestra aleatoria de una población que tiene una distribución
normal, entonces la distribución de muchas funciones importantes de los valores
observados de la muestra aleatoria son también normales.
b) Las probabilidades normales suelen servir para aproximar otras distribuciones de

probabilidad como las distribuciones Binoinal o de Poisson.
c) Las distribuciones estadísticas como la media muestral y la proporción muestral

tiene distribución normal cuando el tamaño de la muestra es grande, independiente de
la distribución de la población de origen.
El área debajo de la curva normal es igual a 1 o 100%, y el 50% del área corresponde
a observaciones con valores inferiores a la media, y el otro 50% corresponde a
observaciones con valores mayores que la media.
Fórmulas
𝑥−𝜇
𝑍=
𝜎
Donde:
Z= nº de desviaciones Estándar de X con respecto a la media
X= Valor de la variable aleatoria
𝜇= Media poblacional de la distribución de la variable aleatoria
𝜎= Distribución Estándar poblacional

TAREA PRÁCTICA DIRIGIDA 3.1
Regresión
Pag. 141 EJ. 1
Número de horas que ha utilizado un corredor durante cada una de ocho semanas y
los tiempos correspondientes en los cuales recorrió un km al final de la semana.
Semana # horas que corre Tiempo realizado en

minutos
1 23 1.9
2 20 2.2
3 16 3.4
4 25 1.9
5 17 2.9
6 21 2.1
7 14 3.6
8 18 2.4
X Y XY 𝑋2
23 1,9 43,7 529
20 2,2 44 400
16 3,4 54,4 256
25 1,9 47,5 625
17 2,9 49,3 289
21 2,1 44,1 441
14 3,6 50,4 196
18 2,4 43,2 324
154 20,4 376,6 3060
Determinar e interpretar:
1. Diagrama de dispersión
2. La ecuación de regresión
8(376.6) − (154)(20.4)
𝑏=
8(3060) − 1542
𝑏 = −0.1686
20.4 154
𝑎= + 0.1686 ∗
8 8
𝑎 = 5.7956
𝑌̂ = 5.7956 − 0.1686 ∗ 𝑋
3. Pronosticar el valor de 𝑌̂ para cada valor de X
𝑌̂1 = 1.9178
𝑌̂2 = 2.4236
𝑌̂3 = 3.0980
𝑌̂4 = 1.5806
𝑌̂5 = 2.9294
𝑌̂6 = 2.2550
𝑌̂7 = 3.4352
𝑌̂8 = 2.7608

Pag. 142 EJ. 2
Número de años de estudio en un idioma extranjero y la calificación en una prueba de

conocimientos en el sistema centesimal de una muestra de guías de turismo.
Guía de turismo Número de años Calificación en la

prueba
1 3 57
2 4 78
3 4 72
4 2 58
5 5 89
6 3 62
7 4 71
8 5 84
9 3 75
10 2 48
X Y XY 𝑋2
3 57 171 9
4 78 312 16
4 72 288 16
2 58 116 4
5 89 445 25
3 62 186 9
4 71 284 16
5 84 420 25
3 75 225 9
2 48 96 4
35 694 2543 133
10(2543) − (35)(694)
𝑏=
10(133) − 352
𝑏 = 10.86
694 35
𝑎= − 10.86 ∗
10 10
𝑎 = 31.39
𝑌̂ = 31.39 + 10.86 ∗ 𝑋
𝑌̂1 = 63.97
𝑌̂2 = 74.83
𝑌̂3 = 74.83
𝑌̂4 = 53.11
𝑌̂5 = 85.69
𝑌̂6 = 63.97
𝑌̂7 = 74.83
𝑌̂8 = 85.69
𝑌̂9 = 63.97
𝑌̂10 = 53.11
4. Trazar la línea de regresión

Pag. 143 EJ. 3
Edades de los padres de un grupo de estudiantes de la universidad.
Numero Padres Madres

1 56 50
2 53 47
3 36 33
4 43 43
5 48 38
6 50 48
7 44 45
8 56 54
9 50 43
10 43 40
11 45 45
12 49 45
13 53 50
X Y XY 𝑋2
56 50 2800 3136
53 47 2491 2809
36 33 1188 1296
43 43 1849 1849
48 38 1824 2304
50 48 2400 2500
44 45 1980 1936
56 54 3024 3136
50 43 2150 2500
43 40 1720 1849
45 45 2025 2025
49 45 2205 2401
53 50 2650 2809
626 581 28306 30550
13(28306) − (626)(581)
𝑏=
13(30550) − 6262
𝑏 = 0.81
581 626
𝑎= − 0.81 ∗
13 13
𝑎 = 5.69
𝑌̂ = 5.69 + 0.81 ∗ 𝑋
𝑌̂1 = 51.05
𝑌̂2 = 48.62
𝑌̂3 = 34.85
𝑌̂4 = 40.52
𝑌̂5 = 44.57
𝑌̂6 = 46.19
𝑌̂7 = 41.33
𝑌̂8 = 51.05
𝑌̂9 = 46.19
𝑌̂10 = 40.52
𝑌̂11 = 42.14
𝑌̂12 = 45.38
𝑌̂13 = 48.62
Pag. 144 EJ. 4
Temperatura T y pulso P de una muestra de pacientes en un hospital.
Paciente Temperatura Pulsaciones

1 37.8 80
2 36.7 60
3 38.9 100
4 38.3 90
5 37.2 70
X Y XY 𝑋2
37,8 80 3024 1428,84
36,7 60 2202 1346,89
38,9 100 3890 1513,21
38,3 90 3447 1466,89
37,2 70 2604 1383,84
188,9 400 15167 7139,67
5(15167) − (188.9)(400)
𝑏=
5(7139.67) − 188.92
𝑏 = 18.163
400 188.9
𝑎= − 18.16 ∗
5 5
𝑎 = −606.085
𝑌̂ = −606.085 + 18.163 ∗ 𝑋
𝑌̂1 = 80.48
𝑌̂2 = 60.50
𝑌̂3 = 100.46
𝑌̂4 = 89.56
𝑌̂5 = 69.58

Probabilidades
P.150 Ej. 1 Determinar el Valor
1.1
7!
7𝐶1 =
1! ∗ (7 − 1)!
7 ∗ 6!
7𝐶1 =
1 ∗ 6!
7𝐶1 =7
1.2
13!
13𝐶4 =
4! ∗ (13 − 4)!
13 ∗ 12 ∗ 11 ∗ 10 ∗ 9!
13𝐶4 =
4! ∗ 9!
13𝐶4 = 715
P.150 Ej. 2 En un concurso para nombrar 3 docentes en Marketing, se presentaron 7

candidatos. ¿De cuántas maneras diferentes se pueden ocupar los 3 cargos, a 3 de
los 7 candidatos?
7!
7𝑃3 = = 210
(7 − 3)!
P.150 Ej. 3 ¿De cuántas maneras pueden ser colocadas en una fila, 7 bolas de
diferentes colores?
7!
7𝑃7 = = 5040
(7 − 7)!
P.150 Ej. 4 En un festival de rock, un grupo musical debe interpretar 3 piezas

musicales escogidas de un total de 6. ¿De cuántas maneras diferentes pueden
ejecutar las 3 piezas musicales?
6!
6𝑃3 = = 120
(6 − 3)!
P.150 Ej. 5 El gerente regional de un banco debe visitar 2 agencias bancarias en la
mañana y 4 en la tarde, es conveniente que lo haga de sorpresa. ¿De cuántas
maneras diferentes puede visitar las agencias bancarias?
6!
6𝐶2 = = 15
2! (6 − 2)!
6!
6𝐶4 = = 15
4! (6 − 4)!
Entonces: 15 ∗ 15 = 225 𝑓𝑜𝑟𝑚𝑎𝑠 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑡𝑒𝑠
P.150 Ej. 6 ¿De cuántas diferentes maneras pueden elegirse 2 de 10 estudiantes para
el consejo de Facultad?
10!
10𝐶2 = = 45
2! (10 − 2)!
P.151 Ej. 7 En una universidad hay 12 docentes con maestría en estadística y se

recibe una invitación para 8 docentes que deben ser seleccionados al azar para asistir
a un curso de investigación en ciencias e ingeniería. ¿Cuántos grupos diferentes
pueden formar?
12!
12𝐶8 = = 495
8! (12 − 8)!
P.151 Ej. 8 Un estudiante de estadística tiene que contestar a 5 de 8 preguntas de un

examen de probabilidades. ¿Cuántas maneras de escoger tiene?
8!
8𝐶5 = = 56
5! (8 − 5)!
Ejercicios propuestos:
1. En una clase de 35 alumnos se quiere elegir un comité formado por tres

alumnos. ¿Cuántos comités diferentes se pueden formar?
2. ¿De cuántas formas distintas pueden sentarse ocho personas en una fila de
butacas?
3. ¿De cuántas formas distintas pueden sentarse ocho personas alrededor de una
mesa redonda?
4. Una mesa presidencial está formada por ocho personas, ¿de cuántas formas
distintas se pueden sentar, si el presidente y el secretario siempre van juntos?
5. Con las letras de la palabra libro, ¿cuántas ordenaciones distintas se pueden

hacer que empiecen por vocal?
6. ¿Cuántos números de cinco cifras distintas se pueden formar con las cifras
impares? ¿Cuántos de ellos son mayores de 70.000?
7. En el palo de señales de un barco se pueden izar tres banderas rojas, dos

azules y cuatro verdes. ¿Cuántas señales distintas pueden indicarse con la
colocación de las nueve banderas?
8. ¿De cuántas formas pueden colocarse los 11 jugadores de un equipo de fútbol

teniendo en cuenta que el portero no puede ocupar otra posición distinta que la
portería?
Binomial
Usando la siguiente fórmula para la probabilidad:
𝑛! ∗ 𝑝 𝑥 𝑞 𝑛−𝑥
𝑃(𝑋) =
𝑥! (𝑛 − 𝑥)!
1. La probabilidad de que un ciudadano registrado vote en una elección para Presidente

de la Republica es de 0.70. Determine la probabilidad de que de 6 ciudadanos
registrados elegidos al azar:
1.1. Vote 2 electores.
x=2, n=6, p=0.7, q=0.3
P(x=2)=0.0595
1.2. Al menos la mitad de electores.

x=3,4,5,6, n=6, p=0.7, q=0.3
P=P(x=3) + P(x=4) + P(x=5) + P(x=6)= 0.9595
2. La probabilidad de recuperar un vehículo robado es de 0.1. Determinar la probabilidad

de que de 10 vehículos robados:
2.1. Se recupere 2.
x=2, n=10, p=0.1, q=0.9
P(x=2)=0.19371
2.2. Se recupere al menos 2.

x=2,3,4,5,6, n=10, p=0.1, q=0.9
P=PT - P(x=0) - P(x=1) = 0.2639
3. Un estudio revela que el 80% de los clientes de un banco deben esperar por lo menos
20 minutos para ser atendidos, y se considera 10 clientes que deben esperar como
mínimo 20 minutos. Determine la probabilidad:
3.1. Tres clientes esperen como mínimo 20 minutos.
x=3, n=10, p=0.8, q=0.2
P(x=3)=0.000786
3.2. Al menos 2 clientes esperan mínimo 20 minutos.
x=2,3,4,5,6,7,8,9,10, n=10, p=0.8, q=0.2
P=PT - P(x=0) - P(x=1) = 0.99999
Ejercicios propuestos:
1. La última novela de un autor ha tenido un gran éxito, hasta el punto de que el

80% de los lectores ya la han leido. Un grupo de 4 amigos son aficionados a la
lectura:
-¿Cuál es la probabilidad de que en el grupo haya leído la novela 2 personas?
-¿Y cómo máximo 2?
B(4 , 0. 2) p = 0. 8 q = 0 .2
2. Un agente de seguros vende pólizas a cinco personas de la misma edad y que

disfrutan de buena salud. Según las tablas actuales, la probabilidad de que una
persona en estas condiciones viva 30 años o más es 2/3. Hállese la
probabilidad de que, transcurridos 30 años, vivan:
-Las cinco personas
-Al menos tres personas
B(5 , 2/3) p = 2/ 3 q = 1 /3
3. Se lanza una moneda cuatro veces. Calcular la probabilidad de que salgan
más caras que cruces
B(4 , 0. 5) p = 0. 5q = 0 .5
4. Si de seis a siete de la tarde se admite que un número de teléfono de cada

cinco está comunicando, ¿cuál es la probabilidad de que, cuando se
marquen 10 números de teléfono elegidos al azar, sólo comuniquen dos?
B(10 , 1/5 ) p =1/ 5 q=4/ 5

Poisson
4. Suponga que la probabilidad de que cualquier persona crea un rumor sobre la vida
privada de cierto político es de 0.15, y se considera 8 personas. Determinar la
probabilidad:
4.1. Al menos dos creen el rumor.
𝑝 = 0.15
𝑞 = 0.85
𝑛=8
𝑃(2 ≤ 𝑥 ≤ 8) = 1 − [𝑃(𝑥 = 0) + 𝑃(𝑥 = 1)]
8! 8!
𝑃(2 ≤ 𝑥 ≤ 8) = 1 − ( 0.150 ∗ 0.858−0 + 0.151 ∗ 0.858−1 )
(8
0! ∗ − 0)! (8
1! ∗ − 1)!
𝑃(2 ≤ 𝑥 ≤ 8) = 0.1052
4.2. Solamente 5 creen el rumor.

8!
𝑃(𝑥 = 5) = 0.155 ∗ 0.858−5
5! ∗ (8 − 5)!
𝑃(𝑥 = 5) = 0.0026
5. La probabilidad de que un motor falle en una rutina de vuelo entre dos ciudades es de
0.005. Determinar la probabilidad de:
5.1. Dos fallas en 1000 vuelos
𝑝 = 0.005
𝑛 = 1000
λ=n∗p
λ = 1000 ∗ 0.005 = 5
𝜆𝑥 ∗ 𝑒 −𝜆
𝑃(𝑥) =
𝑥!
52 ∗ 𝑒 −5
𝑃(𝑥 = 2) =
2!
𝑃(𝑥 = 2) = 0.08425
5.2. Por lo menos dos fallas en 1000 vuelos
𝑃(2 ≤ 𝑥 ≤ 1000) = 1 − [𝑃(𝑥 = 0) + 𝑃(𝑥 = 1)]
50 ∗ 𝑒 −5 51 ∗ 𝑒 −5
𝑃(2 ≤ 𝑥 ≤ 1000) = 1 − [ + ]
0! 1!
𝑃(2 ≤ 𝑥 ≤ 1000) = 0.95956
6. En una fábrica envasadora de alimentos se observa que el 2% presentan defectos.

Determinar la probabilidad de:
6.1. Dos defectos en 400 envases
𝑝 = 0.02
𝑛 = 400
λ=n∗p
λ = 400 ∗ 0.02 = 8
𝜆𝑥 ∗ 𝑒 −𝜆
𝑃(𝑥) =
𝑥!
82 ∗ 𝑒 −8
𝑃(𝑥 = 2) =
2!
𝑃(𝑥 = 2) = 0.01073
6.2. Al menos dos defectos en 400

𝑃(2 ≤ 𝑥 ≤ 400) = 1 − [𝑃(𝑥 = 0) + 𝑃(𝑥 = 1)]
80 ∗ 𝑒 −8 81 ∗ 𝑒 −8
𝑃(2 ≤ 𝑥 ≤ 400) = 1 − [ + ]
0! 1!
𝑃(2 ≤ 𝑥 ≤ 400) = 0.9969

Distribución Normal
10. Si una variable aleatoria tiene la distribución normal con 𝜇 = 10 y 𝜎 = 5.

Determinar la probabilidad.
10.1. Sea mayor a 12.
𝑥−𝜇
𝑍=
𝜎
12 − 10
𝑍=
5
𝑍 = 0.4
0.
4
𝑃(0.4 ≤ 𝑥) = 0.3446
10.2. Se encuentre de 12 a 15.

𝑥−𝜇 𝑥−𝜇
𝑍= 𝑍=
𝜎 𝜎
12 − 10 15 − 10
𝑍= 𝑍=
5 5
𝑍 = 0.4 𝑍=1
0. 1
4
𝑃(0.4 ≤ 𝑥 ≤ 1) = 𝑃(0.4 ≤ 𝑥) − 𝑃(1 ≤ 𝑥)
𝑃(0.4 ≤ 𝑥 ≤ 1) = 0.3446 − 0.1587
𝑃(0.4 ≤ 𝑥 ≤ 1) = 0.1859
11. Si una variable aleatoria tiene la distribución normal con un 𝜇 = 80.0 y 𝜎 = 4.8.
Determinar la probabilidad:
11.1. Sea mayor de 76.4
𝑥−𝜇
𝑍=
𝜎
76.4 − 80
𝑍=
4.8
𝑍 = −0.75
-
0.75
𝑃(−0.75 ≤ 𝑥) = 0.7734
11.2. Se encuentre entre 71.6 y 88.4

𝑍= 𝑍=
𝜎 𝜎
71.6 − 80 88.4 − 80
𝑍= 𝑍=
4.8 4.8
𝑍 = −1.75 𝑍 = 1.75
- 1.7
1.75 5
𝑃(−1.75 ≤ 𝑥 ≤ 1.75) = 2 ∗ 𝑃(0 ≤ 𝑥 ≤ 1.75)
𝑃(−1.75 ≤ 𝑥 ≤ 1.75) = 2 ∗ 0.45994
𝑃(−1.75 ≤ 𝑥 ≤ 1.75) = 0.91988

12. El tiempo de revelado de ciertas impresiones fotográficas se considera
como una variable aleatoria que tiene la distribución normal con 𝜇 = 16.20
segundos y 𝜎 = 0.52 segundos. Determinar el tiempo de revelado para una
impresión sea:
12.1. De 17 segundos como mínimo.
17 − 16.2
𝑍=
0.52
𝑍 = 1.54
1.54
𝑃(1.54 ≤ 𝑥) = 0.06178
12.2. Entre 16 y 17 segundos.

𝑍= 𝑍=
𝜎 𝜎
16 − 16.2 17 − 16.2
𝑍= 𝑍=
0.52 0.52
𝑍 = −0.38 𝑍 = 1.54
- 1.5
0.38 4
𝑃(−0.38 ≤ 𝑥 ≤ 1.54) = 𝑃(−0.38 ≤ 𝑥) − 𝑃(1.54 ≤ 𝑥)
𝑃(−0.38 ≤ 𝑥 ≤ 1.54) = 0.64803 − 0.06178
𝑃(−0.38 ≤ 𝑥 ≤ 1.54) = 0.58625

Estadistica

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

Estadistica

Transféré par

Droits d'auteur :

Formats disponibles

PRACTICA DIRIGIDA 3.

ANÁLISIS DE REGRESIÓN SIMPLE

Relación entre dos o más variables.

Correlación -> mide intensidad de relación

Regresión -> Predice el valor de la dependiente

𝑛(∑ 𝑋𝑌) − (∑ 𝑋)(∑ 𝑌)

Ejercicio. Para el ingreso al Departamento de ventas de una empresa el jefe de

Vendedor Años experiencia Ingresos del mes

3. Pronosticar 𝑌̂ para cada valor de X.

4. Trazar la línea de regresión.

3. Pronosticar 𝑌̂ para cada valor de X.

*si x=12 no se puede pronosticar su valor en Y

4. Trazar la línea de regresión.

1.Factorial de un número (n!)

Es el producto de todos los enteros positivos desde 1 hasta n inclusive.

Cantidad de maneras en que se pueden disponer en términos de orden.

Ejercicio. La inmobiliaria corredores asociados acordó elegir dentro de su directorio

Número de grupos diferentes.

1. Experimento: Acción sobre la cual realizaremos una medición u observación.

Ejemplo: Si se lanza un globo inflado a un estanque con agua, flota, si tiramos

1.2 Exp. NO Deterministico: Cuando no podemos precisar con exactitud el resultado

Ejemplo: Se lanza un dado equilibrado, no se puede precisar la cara que va a

2. Resultado: Toda posible consecuencia de realizar el experimento.

3. Espacio muestral: Conjunto de todos los resultados posibles de un experimento.

Ejemplo: Una moneda

Una vez = {C,S}

Dos monedas y un dado

Una vez = {CC1,CC2,CC3,CC4,CC5,CC6

4. Evento: Subconjunto del espacio muestral.

Ejemplo:”números primos al lanzar un dado”

Utiliza como fuente de probabilidad las frecuencias relativas obtenidas de la repetición

En muchos casos se basa en datos históricos, bajo la premisa de lo que ocurrió en el

Enfoque Subjetivo o Personalista

El especialista asigna subjetivamente las probabilidades. Basado en su experiencia y

La adquisición de un terreno en una zona residencial. La experiencia ha demostrado

R: al pasar un año, tenemos un valor de 110000 $.

4.1Probabilidad de un evento aislado.

No tiene ninguna vinculación con otro evento

¿Cuál es la probabilidad de que de una baraja de naipes bien mezclada se extraiga el

R: La probabilidad de extraer un as de espadas es de 0.0192.

4.2 Probabilidad de dos o más eventos

4.2.1 Eventos mutuamente excluyentes

Dos o más eventos son mutuamente excluyentes o disjuntos si no pueden ocurrir

𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵)

𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵)

R: La probabilidad de extraer una dama o un rey es 0.01538.

4.2.2 Eventos no excluyentes.

𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵)

R: La probabilidad de sacar un As o un Corazón o ambas en una sola oportunidad es

4.2.3. Eventos independientes

LA probabilidad del suceso conjunto es igual al producto de las probabilidades de los

𝑃(𝐴 𝑦 𝐵) = 𝑃(𝐴) ∗ 𝑃(𝐵)

R: La probabilidad de que ambas bolas rojas regresando la primera bola extraída

4.2.4. Eventos Dependientes:

Si A y B están relacionados de tal manera que la ocurrencia de B depende de la

Es una distribución de probabilidad discreta propuesta por J. Bernoulli en el año 1700.

Se refiere a situaciones donde la variable aleatoria considera únicamente dos valores,

La distribución binominal tiene su procedimiento:

a) El número de pruebas o ensayos es fijo y no muy grande

n: número e pruebas o ensayos.

Se puede utilizar pata determinar la probabilidad de un número designado de éxitos

El proceso de Poisson es similar al de Bernoulli, excepto que el número de ensayos u

Esta distribución es conocida como “Distribución de eventos raros”.

P(x): Probabilidad de exactamente X ocurrencias