TERCER EXAMEN DE ESTADÍSTICA (ES- 142)

PARTE I: ESTADISTICA DESCRIPTIVA (cuadro incompleto y cálculo de

estadígrafos)

I). Se tiene la siguiente información de la distribución de capital social de 50

pequeñas empresas de artesanía ayacuchana; tal que la longitud de los intervalos
de clase es constante e igual a 20 mil dólares.

SOLUCION:

 Completamos los intervalos:

Tenemos como dato Y’5=120 de donde, sabiendo que la longitud de los intervalos
es de 20.

Se obtiene:

Y' 5 = Y' 4 20  Y' 4  100 ; Y' 4 = Y' 3 20  Y' 3  80 ; Y' 2 = Y' 3 20  Y' 2  60 ;
Y'1 = Y' 2 20  Y'1  40 ; Y' 0 = Y'1 20  Y' 0  20 ; Y' 6 = Y' 5 20  Y' 6  140

 Hallando la marca de clase:

Y 'i 1 Y 'i
Yi 
2

Y1 = 30
Y2  50
Y3  70
Y4  90
Y5  110
Y6  130
 Hallando la frecuencia absoluta simple:

Y1n1  300  30(n1 )......................n1  10

Y2 n2  400  50(n2 )..................n2  8

Y3 n3  350  70(n3 )..................n3  5

Y4 n4  90(17)  1530

Y5 n5  440  110(n5 )................n5  4

 Hallando la frecuencia acumulada simple:

N1  10 N 4  N 3 n 4  40

N 2  N1 n 2  18 N 5  N 4 n 5  44

N 3  N 2 n 3  23 N 6  N 5 n 6  50 n 6  6

 tenemos

Y6 n6  6(130)  780

 completa el cuadro dado:

Marca de Frecuencia
i Y’i-1, Y’i clase absoluta simple: Nj Yi ni
Yi ni
1 20,40 30 10 10 300
2 40,60 50 8 18 400
3 60,80 70 5 23 350
4 80,100 90 17 40 1530
5 100,120 110 4 44 440
6 120,140 130 6 50 780
50
 I.1) DAR TITULO AL CUADRO ESTADISTICO ADJUNTO

“cuadro de distribución del capital social de 50 pequeñas empresas de artesanía

ayacuchana”.

I-2) A partir de los datos reconstruir un cuadro completo.

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
hi x Hj x Hj*x
i [ Y'i-1, Y'i> Yi Ci Tabulación ni hi 100 Nj Hj 100
Nj* Hj*
100 yini yihi yi^2 yi^2xni
1 [20, 40> 30 20 IIII IIII 10 0,20 20% 10 0,20 20% 50 1,00 100% 300 6,00 900 9000
2 [40, 60> 50 20 IIII III 8 0,16 16% 18 0,36 36% 40 0,80 80% 400 8,00 2500 20000
3 [60, 80> 70 20 IIII 5 0,10 10% 23 0,46 46% 32 0,64 64% 350 7,00 4900 24500
4 [80, 100> 90 20 IIII IIII IIII II 17 0,34 34% 40 0,80 80% 27 0,54 54% 1530 30,60 8100 137700
5 [100, 120> 110 20 IIII 4 0,08 8% 44 0,88 88% 10 0,20 20% 440 8,80 12100 48400
6 [120,140> 130 20 IIII I 6 0,12 12% 50 1,00 100% 6 0,12 12% 780 15,60 16900 101400
50 1 100% 3800 76 45400 341000

I-3) determinar la media maestral de datos agrupados e interpretarla

estadísticamente.

La media es : Y  76

7
Entonces : Y   Yi hi  76
i 1

 Interpretación estadística: el valor medio del número de

trabajadores es 76.
I-4) hallar la mediana maestral de datos agrupados e interpretarla
estadísticamente

 Utilizando la fórmula de la media maestral:

n / 2  N 'j 1
Me  Y '
j 1  cj( )
N 'j  N 'j 1
25  23
Me  80  20( )
40  23
Me  80  20(0.117647)
Me  82.35294

 Interpretación estadística: el valor mediano de capital social es

82.35294 supera a lo sumo al 50% de datos pero a su vez es superado
por no más del 50% de datos restantes.

I-5) hallar la moda maestral de datos agrupados e interpretarla

estadísticamente.

 Utilizando la fórmula de la media maestral

1
M d  Y j'1  c j ( )
1   2
 17  5 
M d  80  20  
 (17  5)  (17  4) 
12
M d  80  20( )
25
M d  80  20(0.48)
M d  89.6

 Interpretación estadística: el valor que más se repite de capital

social es 89.6
I.6 calcular la varianza o varianza muestral y la desviación estándar o
desviación típica e interpretarlo estadísticamente.

 Variancia Maestral (𝑺𝟐𝒚 ):

Sabemos que: 𝑦̅=76 y además 𝑛 = 50 entonces utilizando la

fórmula de la varianza muestral .

∑𝑚 2
𝑖=1 𝑦𝑖 𝑛𝑖
𝑆𝑦2 = − 𝑦̅ 2
𝑛
341000
𝑆𝑦2 = − (76)2
50

𝑆𝑦2 = 6820 − (5776)

𝑆𝑦2 = 1044

 Interpretación Estadística Variancia Muestral de 1044 es un

estadígrafo de posición cuyo valor es la media aritmética de la
sumatoria de marcas de clase elevadas al cuadrado y multiplicadas
por las frecuencias restándole al resultado el cuadrado de la media de
datos.

 Desviación Estándar 𝑺𝒚 : de datos agrupados

𝑆𝑦 = √𝑆𝑦2

𝑆𝑦 = √1044

𝑆𝑦 = 32.31098884

 Interpretación Estadística: La Desviación Estándar de

32.31098884 es un estadígrafo de desviación cuyo valor sale de la raíz
cuadrada positiva de la variancia.
I.7) calcular la desviación media/D.M/e interpretarlo estadísticamente.

 Desviación media de datos agrupados:

∑𝑚 |𝑦𝑖 −𝑦̅|𝑛𝑖
|𝐷. 𝑀|𝑦 = 𝑖=1
𝑛

∑𝑚 |𝑦𝑖 −𝑦̅|𝑛𝑖
|𝐷. 𝑀|𝑦 = 𝑖=1
𝑛

1396
|𝐷. 𝑀|𝑦 =
50

|𝐷. 𝑀|𝑦 = 27.92

 Interpretación Estadística: la desviación media de 27.92 es un

estadígrafo de dispersión cuyo valor absoluto de las desviaciones con
respecto a la media obtenido.

I-8) Calcular a desviación mediana /D.Me./ interpretar

estadísticamente.

 Desviación mediana de datos /D.Me./y



Sabemos que : 𝑦̅=76

: Me = 82.35294118𝑚𝑚

: n=50

Utilizando la formula de la desviación media:

∑𝑚 |𝑦𝑖 −𝑀𝑒|𝑛𝑖
|𝐷. 𝑀𝑒|𝑦 = 𝑖=1
𝑛

1367.494
|𝐷. 𝑀𝑒|𝑦 =
50

|𝐷. 𝑀𝑒|𝑦 =27.34988

  Interpretación Estadística: La desviación Mediana de 27.34988 es
un estadígrafo de dispersión cuyo valor es el promedio del valor
absoluto de las desviaciones con respecto a la mediana.

I-9) Calcular el coeficiente de desviación o de variabilidad e interpretar

estadísticamente.

 Coeficiente de desviación de datos agrupados:

Sabemos que: 𝑦̅=76

𝑆𝑦 = 32.31098884
𝑢𝑡𝑖𝑙𝑖𝑧𝑎𝑛𝑑𝑜 𝑙𝑎 𝑓𝑜𝑟𝑚𝑢𝑙𝑎 𝑑𝑒 𝑙𝑎 𝑑𝑒𝑠𝑣𝑖𝑎𝑐𝑖𝑜𝑛 𝑑𝑒 𝑑𝑎𝑡𝑜𝑠 𝑎𝑔𝑟𝑢𝑝𝑎𝑑𝑜𝑠:
𝑆𝑦
(𝐶. 𝑉)𝑦 = × 100
𝑦̅

32.31098884
(𝐶. 𝑉)𝑦 = × 100
76

(𝐶. 𝑉)𝑦 = 0.6462197768 × 100

(𝐶. 𝑉)𝒚 = 64.62197768%

 Interpretación Estadística: Coeficiente de desviación de

64.62197768 es el coeficiente de dispersión dado por el cociente entre
la desviación estándar y la media expresado en porcentaje.

I-10) calcular el tercer cuartil e interpretarlo estadísticamente

 Calculando el Tercer cuartil (Q3)

  in 
  N 'j 1 
Q3  Y j'1  c j  4' 
 N j  N j 1 
'

 

37.5  23
Q3  80  20( )
40  23

Q3  97.05882

 Interpretación estadística: el tercer cuartil es una medida de

posición cuya medida es 97.05882 que supera a lo sumo al 75% de
observaciones y que a su vez es superado por no más del 25% de
observaciones.

 Primer cuartil:
Primer paso:

𝑖𝑛 1∗50
= = 12.5
4 4

Segundo paso: criterio desigualdad:

𝑛
𝑁𝑗−1 ≤ ≤ 𝑁𝑗
2

10 ≤ 12.5 ≤18

Tercer paso: Intervalo: [40;60>

Cuarto paso: formula de Primer Cuartil (Q1) para datos agrupados.

𝑖𝑛
− 𝑁𝑗−1
′
𝑄1 = 𝑌𝑗−1 + 𝑐𝑗 [ 4 ]
𝑁𝑗 – 𝑁𝑗−1

12.5 – 10
𝑄1 = 40 + 20 [ ]
18 − 10

𝑄1 = 40 + 20(0.3125)
 𝑄1 = 46.25

 Interpretación estadística: El primer cuartil cuyo valor es 46.25

supera a lo sumo al 25% de observaciones y a su vez es superado por no
más del 75% de observaciones restantes.

I-11) calcular el primer decil e interpretarlo estadísticamente

 in 
  N 'j 1 
D1  Y j'1  c j  10' 
 N j  N j 1 
'

 
50
D1  20  20( )
10  0
D1  30

 Interpretación estadística: el primer decil es una medida de posición

cuya medida es 30 que supera a lo sumo al 10% de observaciones y que a
su vez es superado por no más del 90% de observaciones.

 Nonagésimo percentil e interpretarlo estadísticamente

 in 
  N 'j 1 
P90  Y j'1  c j  100' 
 N j  N j 1 
'

 
45  44
P90  120  20( )
50  44
P90  123.3333

 Interpretación estadística: el Nonagésimo percentil es una medida de

posición cuya medida es 123.333 que supera a lo sumo al 90% de
 observaciones y que a su vez es superado por no más del 10% de
observaciones.

I-12) calcular el primer coeficiente de PEARSON (deformación

horizontal) ¿qué distribución nos da este coeficiente As?

 hallando la desviación estándar S y :

Variancia Estándar:

1 n
S y2   ni ( y i  y ) 2
n i 1
1
S y2  (46 2 x10  26 2 x8  6 2 x5  14 2 x17  34 2 x 4
50
 54 x6  74 2 x0)
2

S y2  1044

 Interpretación estadística: el promedio de desviación al cuadrado es

0.0000232

 Desviación Estándar:

S y  S y2
S y  1044
S y  32.31098
 Y  Md
As 
Sy
76  89.6
As 
32.31098
As  0.42090

Según el primer coeficiente de asimetría de PEARSON genera una distribución

asimétrica negativa o sesgada a la izquierda.

 Interpretación estadística: según el primer coeficiente de asimetría de

pearson genera una distribución asimétrica negativa o sesgada a la
izquierda.
I-13) calcular el segundo coeficiente de asimetría de pearson. ¿Qué
distribución es As?

Tenemos que calcular en primer lugar el primer cuartil

 in 
  N 'j 1 
Q1  Y j'1  c j  4' 
 N j  N j 1 
'

 
12.5  10
Q1  40  20( )
18  10
Q1  46.25

Q3  Q1  2 Me
As 
Q3  Q1
97.05882  46.25  2(82.35294)
As 
97.05882  46.25
As  0.421128

Según el segundo coeficiente de asimetría de PEARSON genera una distribución

asimétrica negativa o sesgada a la izquierda.

 Interpretación estadística: según el primer coeficiente de asimetría de

pearson genera una distribución asimétrica negativa o sesgada a la
izquierda.
I.14) calcular el coeficiente de asimetría de Fisher As. ¿Qué distribución
es As?

(1 / n) x  (Yi  Y ) 3 ni
g1 
S3
715.2
g1 
32.31098
g1  22.13489

I-15) calcular el coeficiente de kurtosis K. ¿Qué distribución es K?

Tenemos que calcular el decimo percentil:

 in 
  N 'j 1 
P10  Y j'1  c j  100' 
 N j  N j 1 
'

 
50
P10  20  20( )
10  0
P10  30

Q3  Q1
K3 
2( P90  P10 )
97.05882  46.25
K3 
2(123.333  30)
K 3  0.27219

Según el coeficiente percentílico de Kurtosis genera una distribución leptokúrtica.

 Interpretación estadística: según el segundo coeficiente percentilico de

kurtosis genera una distribución leptokurtica 𝐾 > 0.263
PARTE II: TEORÍA Y CALCULO DE PROBABILIDADES

II.PROBABILIDAD CONDICIONAL

I. En la escuela de Ingeniería de minas – UNSCH, el 25% de los estudiantes se

han desmatriculado en Análisis matemático II, el 15% se ha desmatriculado
en construcciones mineras y el 10% se han desmatriculado en Análisis
matemático II y en construcciones mineras. Se elige un estudiante al azar y
se pide:

3.1. Si se ha desmatriculado en construcciones mineras, ¿Cuál es la

probabilidad de que se haya desmatriculado en Análisis Matemático II?

3.2. Si se ha desmatriculado en Análisis Matemático II, ¿Cuál es la

probabilidad de que se haya desmatriculado en construcciones mineras?

3.3. ¿Cuál es la probabilidad de que se haya desmatriculado en Análisis

Matemático II o construcciones mineras?

Solución:
Datos:

Sea el espacio muestral Ω = {𝑑𝑒𝑠𝑚𝑎𝑡𝑟𝑖𝑐𝑢𝑙𝑎𝑑𝑜𝑠 𝑑𝑒 𝑈𝑁𝑆𝐶𝐻} = 𝐹 ∪ 𝐴 ∪ (𝐹 ∩ 𝐴)

F = {𝑑𝑒𝑠𝑚𝑎𝑡. 𝑠 𝑑𝑒 𝐹í𝑠𝑖𝑐𝑎}
A = {𝑑𝑒𝑠𝑚𝑎𝑡. 𝑠 𝑑𝑒 𝐴𝑛á𝑙𝑖𝑠𝑖𝑠 𝑀. }
D = {𝑑𝑒𝑠𝑚𝑎𝑡. 𝑠 𝑒𝑛 𝐹í𝑠𝑖𝑐𝑎 𝑦 𝐴𝑛á𝑙𝑖𝑠𝑖𝑠 𝑀. }

Probabilidades:
𝑃(𝐴) = 0.25
𝑃(𝐹) = 0.15
 𝑃(𝐴 ∩ 𝐹) = 0.10

3.1.
𝑃(𝐴 ∩ 𝐹) 0.10 2
𝑃(𝐴/𝐹) = = =
𝑃(𝐹) 0.15 3

3.2.

𝑃(𝐹 ∩ 𝐴) 0.10 2
𝑃(𝐹/𝐴) = = =
𝑃(𝐴) 0.25 5

3.3.

𝑃(𝐴 ∪ 𝐹) = 𝑃(𝐴) + 𝑃(𝐹) − 𝑃(𝐴 ∩ 𝐹)

𝑃(𝐴 ∪ 𝐹) = 0.25 + 0.15 − 0.10 = 0.30

III) TEOREMA DE PROBABILIDAD TOTAL Y TEOREMA DE

BAYES

Dos maquinas A y B han producido respectivamente, 200 y 300 piezas.

Si se sabe que A produce un 6% de piezas defectuosas y B un 8%. Se toma
una pieza, y se pide:

III-1) Probabilidad de que sea defectuosa.

III-2) Sabiendo que es defectuosa, probabilidad de que proceda de la primera

máquina.

Solución:

El total de piezas es 600 por lo cual cada máquina producirá respectivamente:

𝟐𝟎𝟎 𝟐
𝐀= =
𝟓𝟎𝟎 𝟓
 𝟑𝟎𝟎 𝟑
𝐁= =
𝟓𝟎𝟎 𝟓

Sean los sucesos:

N= {proceda de la primera máquina} P(N)=2/5

Q= {proceda de la segunda maquina} P (Q)=3/5

Y M= {sea defectuosa}

P (N∩M)=6%

P (Q∩M)=8%

III-1) Probabilidad de que sea defectuosa.

Por el teorema de la probabilidad total tenemos:

P (M)= P(N) P (M|N) + P (Q) P (M|Q)

P(M∩N) P(M∩Q)
P (M)= P(N) + P(Q)
P(N) P(Q)

P (M) = P(M ∩ N) + P(M ∩ Q)

P (M) = (6%) + (8%) = 14%

 I.E) La probabilidad de ocurrencia de que la pieza sea

defectuosa es 14%.

III-2) Sabiendo que es defectuosa, probabilidad de que proceda de la primera

máquina.
Por el teorema de Bayes tenemos:

P(N)P(M|N)
P (N|M) =
P(N)P(M|N)+P(Q)P(M|Q)

Utilizando el teorema de la multiplicación tenemos:

P(M∩N) 6%
P (N|M) = = = 6/14
P(M∩N)+P(M∩Q) 14%
  I.E) La probabilidad de ocurrencia de que la pieza proceda de
la primera máquina, sabiendo que es defectuosa es 5/14.

IV) Una cía. Perforadora de petróleo debe decidir si taladra o no un lugar

determinado que la compañía tiene bajo contrata. Por investigaciones
geológicas practicadas se sabe que existe una probabilidad de 0.45 que una
formación de TIPO I se extienda debajo del lugar prefijado para taladrar,
0.30 de probabilidad que exista una formación de TIPO II y de 0.25 de
TIPO III. Estudios anteriores indican que el petróleo se encuentra en un
30% de las veces en la formación de TIPO I, en un 40% en la formación de
TIPO II, en un 20% en la de TIPO III. Determinar la probabilidad que si
no se encontró petróleo, la perforación fue hecha en la formación de TIPO
I.

Solución:

Definamos los eventos:

𝐴 = {𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑇𝐼𝑃𝑂 𝐼}
𝐵 = {𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑇𝐼𝑃𝑂 𝐼𝐼}
𝐶 = {𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑇𝐼𝑃𝑂 𝐼𝐼𝐼}

Probabilidad que una formación se extienda debajo del lugar prefijado para
taladrar:

𝑃(𝐴) = 0.45
𝑃(𝐵) = 0.30
𝑃(𝐶) = 0.25
𝑃(𝑁) =?

 El petróleo se encuentra:

𝑃(𝐸/𝐴) = 0.30
𝑃(𝐸/𝐵) = 0.40
𝑃(𝐸/𝐶) = 0.20

 El petróleo no se encontró:

𝑃(𝑁/𝐴) = 0.70
𝑃(𝑁/𝐵) = 0.60
𝑃(𝑁/𝐶) = 0.80
 𝑃(𝐴)𝑥𝑃(𝑁⁄𝐴)
𝑃(𝐴/𝑁) =
𝑃(𝐴 ∩ 𝑁) + 𝑃(𝐵 ∩ 𝑁) + 𝑃(𝐶 ∩ 𝑁)

0.45𝑥0.70 0.315 315 63

𝑃(𝐴/𝑁) = = = = = 0.453
0.45𝑥0.70 + 0.30𝑥0.60 + 0.25𝑥0.80 0.695 695 139

V) PROBABILIDAD DE EVENTOS INDEPENDIENTES

En la figura se supone que la probabilidad de que cada relé este cerrado es “p”
y que cada relé o se abre o se cierra independientemente de cualquier orto.
Encontrar la probabilidad de que la corriente pase de S a T. Sugerencia.-
Probabilidad de eventos Independientes.

1
2
3
S T

5 6

𝐴1 𝐴2 ; 𝐴3 𝐴2 ; 𝐴4 ; 𝐴5 𝐴6

𝛼 ; 𝛽 ; ∅ ; 𝜃
 P(α ∪ β ∪ ∅ ∪ θ) = P(α) + P(β) + P(∅) + P(θ) − P(α ∩ β) − P(α ∩ ∅) − P(α ∩ θ)
−P(β ∩ ∅) − P(β ∩ θ) − P(∅ ∩ θ) + P(α ∩ β ∩ ∅) + P(α ∩ β ∩ θ) + P(β ∩ ∅ ∩ θ) − P(α
∩ β ∩ ∅ ∩ θ)

P(α ∪ β ∪ ∅ ∪ θ) = P(𝐴1 𝐴2 ) + 𝑃(𝐴3 𝐴2 ) + 𝑃(𝐴4 ) + 𝑃(𝐴5 𝐴6 ) − 𝑃(𝐴1 𝐴2 𝐴3 𝐴2 ) −

−𝑃(𝐴1 𝐴2 𝐴4 ) − 𝑃(𝐴1 𝐴2 𝐴5 𝐴6 ) − 𝑃(𝐴3 𝐴2 𝐴4 ) − 𝑃(𝐴3 𝐴2 𝐴5 𝐴6 ) − 𝑃(𝐴4 𝐴5 𝐴6 )
+ 𝑃(𝐴1 𝐴2 𝐴3 𝐴2 𝐴4 ) + 𝑃(𝐴1 𝐴2 𝐴3 𝐴2 𝐴5 𝐴6 ) + 𝑃(𝐴3 𝐴2 𝐴4 𝐴5 𝐴6 )
− 𝑃(𝐴1 𝐴2 𝐴3 𝐴2 𝐴4 𝐴5 𝐴6 )

P(α ∪ β ∪ ∅ ∪ θ) = P(𝐴1 𝐴2 ) + 𝑃(𝐴3 𝐴2 ) + 𝑃(𝐴4 ) + 𝑃(𝐴5 𝐴6 ) − 𝑃(𝐴1 𝐴2 𝐴3 ) −

−𝑃(𝐴1 𝐴2 𝐴4 ) − 𝑃(𝐴1 𝐴2 𝐴5 𝐴6 ) − 𝑃(𝐴3 𝐴2 𝐴4 ) − 𝑃(𝐴3 𝐴2 𝐴5 𝐴6 ) − 𝑃(𝐴4 𝐴5 𝐴6 )
+ 𝑃(𝐴1 𝐴2 𝐴3 𝐴4 ) + 𝑃(𝐴1 𝐴2 𝐴3 𝐴5 𝐴6 ) + 𝑃(𝐴3 𝐴2 𝐴4 𝐴5 𝐴6 )
− 𝑃(𝐴1 𝐴2 𝐴3 𝐴4 𝐴5 𝐴6 )

Reemplazamos con “p” a cada probabilidad:

𝑷(𝜶 ∪ 𝜷 ∪ ∅ ∪ 𝜽) = 𝑝. 𝑝 + 𝑝. 𝑝 + 𝑝 + 𝑝. 𝑝 − 𝑝. 𝑝. 𝑝. −𝑝. 𝑝. 𝑝 − 𝑝. 𝑝. 𝑝. 𝑝
−𝑝. 𝑝. 𝑝 − 𝑝. 𝑝. 𝑝. 𝑝 − 𝑝. 𝑝. 𝑝 + 𝑝. 𝑝. 𝑝. 𝑝 + 𝑝. 𝑝. 𝑝. 𝑝. 𝑝 + 𝑝. 𝑝. 𝑝. 𝑝. 𝑝 − 𝑝. 𝑝. 𝑝. 𝑝. 𝑝. 𝑝

𝑷(𝜶 ∪ 𝜷 ∪ ∅ ∪ 𝜽) = 𝑝2 + 𝑝2 + 𝑝 + 𝑝2 − 𝑝3 − 𝑝3 − 𝑝4 − 𝑝3 − 𝑝4 − 𝑝3 +
+𝑝4 + 𝑝5 + 𝑝5 − 𝑝6

𝑷(𝜶 ∪ 𝜷 ∪ ∅ ∪ 𝜽) = 𝑝 + 3𝑝2 − 4𝑝3 − 𝑝4 + 2𝑝5 − 𝑝6