INSTITUTO TECNOLGICO SUPERIOR DEL ORIENTE DEL ESTADO DE HIDALGO

Conjunto: es una coleccin de elementos que deben tener caractersticas en comn. Y se representa de la siguiente manera. A= {,} o con el diagrama de Venn.

Interseccin: son los elementos que tienen en comn los conjuntos Unin: como una suma de dos conjuntos. Unin: es toda la unin de los conjuntos Complemento: se define como los elementos que pertenecen al conjunto Ejemplo: Cuantas personas participan en la encuesta? 12 Cuantas personas toman te? 6 Cuantas personas toman caf? 9 Cuantas personas no toman ninguna de las 2 bebidas? 1 Cuantas personas no toman caf? 3

Eventos mutuamente excluyentes, Diagrama de Venn. ={1,2,3,4,5,6,7,8,9,10} A= {2, 4, 6, 8,10} B= {1, 2, 3, 4,5} C= {6, 7, 8, 9,10} A b= {1, 2, 3, 4, 5, 6, 7, 8, 9,10} Anc= {6, 8,10} Anb= {2,4} C {1, 2, 3, 4,5} = u a u b

A
Conjunto en diagrama de Venn a u b a)

b)

La interseccin y unin de dos conjuntos en un diagrama de Veen. a) La interseccin sombreada b) La unin sombreada

Que son los mtodos combinatorios? Espacio muestra y eventos Se le llama espacio muestral al conjunto de todos los posibles resultados individuales de un experimento aleatorio y se representa con Su propsito es modelar matemticamente el fenmeno del azar y la aleatoriedad. El conjunto s de todos los posibles resultados posibles de un elemento se denomina espacio muestral S espacio muestral. S evento: Conjunto que consta de todos los posibles puntos mustrales y normal mente se denota con s. 1. A u b: es el evento que ocurre si a ocurre o b ocurre o si ambos ocurren. 2. A n b: es el evento que ocurre si a ocurre y b ocurre. 3. Ac es el complemento de a. Es el evento que ocurre se a no ocurre. Ejemplo Se lanza un dado observe el numero que aparece en la cara superior, verifique el espacio maestral, ag el experimento bajo las siguientes restricciones A. El evento en que ocurren nmeros pares B. El evento que ocurren nmeros impares C. El evento en que ocurren nmeros mayores de tres S: {1,2,3,4,5,6} A: {2, 4,6} C: {4, 5,6} aub= {1,2,3,4,5,6} bna= 0 bc= {2, 4,6}

Mtodos combinatorios. Existen 2 tipos de conteo, a partir de los cuales se deducen varias formulas, dichos principios son los siguientes.

Multiplicativo: si una tarea consta de n eventos y de m pasos distintos y si ambos no son incluyentes Si no que es posible relazarlos juntos o en sucesin entonces el total de pasos distintos en que puede concretarse es de n*m Principio aditivo: bajo las mismas premisas que el conjunto anterior, si las dos tareas en cuestin no son viables de realizar juntos o en sucesin, por ser mutuamente excluyentes entonces el total de formas ser n+m Diagrama de rbol: ciertos problemas y situaciones en la teora de la probabilidad pueden resolverse mediante un diagrama de rbol, el cual es una sucesin de vrtices y aristas conectados entre si, las ramas seguirn extendindose segn las necesidades y se visualizaran todos los resultados posibles en un experimento finito.

Ejemplo: Consiste en lanzar una moneda y despus lanzarlo una segunda vez si sale guila, si sale sol en el primer lanzamiento se lanza un dado una vez Determine el nmero de elementos posibles que se pueden obtener? 1 a 2 s 3 4 5

7 8 Ejercicio

Un hombre tiene tiempo de jugar ruleta 5 veces en cada juego gana o pierde 1 peso el hombre empieza con un peso y deja de jugar si antes de la quinta vez pierde todo o si gana 3 veces consecutivamente? R= 11 Formula de combinaciones Ncr= n!/(n-r)!r! Formula de permutaciones Npr= n!/(n-r)! Nota: siempre n debe de ser mayor que r para combinaciones y permutaciones Ejemplo N=8 r=3 nota: las permutaciones siempre deben ser mayor que las combinaciones ( 8!)/ (3!)(5!)= 56

Encuentra el nmero de permutaciones de 6 objetos por ejemplo a, b, c, d, e, f tomando de a cada vez. En otras palabras encuentre el nmero de palabras que se pueden formar con 3 letras N=6 R=3 6p3= 120 Encuentra el nmero n de comits que pueden formarse con 8 personas, cada comit es esencialmente una combinacin de 8 personas tomando 3 a la vez. N=8 8c3= 56

R=3 Un agricultor compre 3 vacas ,2 cerdos, 5 gallinas a una persona que tiene 6 vacas, 5 cerdos y 9 gallinas. Cuantas opciones tiene para escoger el agricultor? N=6 9c5= 126 R=6 C20*10*126= 25,200 r=3 vnc3=20 r=2 cn=5 nc2=10 n=9 r=5

Probabilidad condicional. Espacio maestral y eventos Espacio maestral: conjunto s que consta de todos los resultados posibles de un experimento aleatorio se llama espacio maestral y cada resultado se denomina punto maestral. Con frecuencia habr ms de 1 espacio maestral que puede descubrir los resultados de un experimento, pero generalmente habr uno que provee mayor informacin Es el conjunto de los resultados posibles de un experimento Evento: es cualquier coleccin subconjunto de resultados contenida en el espacio maestral s. Se dice ue un evento es simple si consiste en exactamente un resultado y compuesto si consta de mas de uno. Ejemplo: Cuantas apuestas de lotera primitiva de una columna han de llenarse para asegurarse el acierto de los seis resultados de 49? N=49. R=6. C=49!/(49-6)!6!= 13983816 p =49!/(49-6)!= 1.00683475 x10'

A una reunin asistirn 10 personas y se intercambian saludos entre todos. Cuantos saludos sern intercambiados? N=10. R=2. C=10!/(10-2)!2!= 45

p =10!/(10-2)!= 90 De cuantas formas distintas pueden sentarse ocho personas en una fila de butacas? N=8. R=8. C=8!/(8-8)!8!= 1n donde se ha definido p =8!/(8-8)!= 40,320 Cuantos nmeros de 5 cifras se pueden formar con estos dgitos 1, 2, 3, 4,5. ? N=5. R=5. p =5!/(5-5)!= 120 Probabilidad condicional Sea s un espacio maestral en donde se ha definido e, donde p (e) >0, si determinamos la probabilidad de que con esta ocurra un evento a que tambin es definida en el mismo espacio maestral. Dada que e ya ocurri entonces determinar una probabilidad de tipo condicional, la que se determina. Desviacin estndar. Para un conjunto de n nmeros x1, x2 ,,,, se denota con la letra s Donde x representa la desviacin de xi respecto de n numero total La desviacin tpica o estndar para datos agrupados que ocurre con frecuencias

Frecuencia relativa s/n

s= espacio maestral s= evento 0= nulo o inexistente

LA PROBABILIDAD: Es moldear matemticamente el fenmeno del azar y la aleatoriedad Axioma: es una verdad demasiado evidente, fcil de comprobar

Teorema de bayes P=(a/b). P(a).p(b/a)/p(a): p(a/a)+(pa2).p(a/a2)+ p(an).p(a/an) Tres maquinas producen el 45,30 y 25% respectivamente del total de la produccin los porcentajes de piezas defectuosas son de 3, 4,5% respectivamente. Si sacamos una pieza al azar cual es la probabilidad de que dicha pieza se defectuosa? Si tomamos una pieza al azar y resulta defectuosa cual es la probabilidad de que sea de la maquina b? Qu maquina tiene la mayor probabilidad de sacar piezas defectuosas Maquinas a b c buena produccin 45% 30% 25% defectuosa .03% .04% .05%

Pd=p(a).p(d/a)+p(b)*p(d/b)_p(c).p(d/c) Pd=(.45).(.03)+(.30)(.04) +(.25)(.05) = 0.038 P(d/b)= p(b).p(d/b)/.038= P(d/a)=(.45)(.03)/.038= 35.5% P(d/c)=(.25)(.05)/.038 = 32.8%

UNIDAD II Estadstica: Es la rama de las matemticas que se ocupa de reunir , organizar y analizar los datos que nos ayudan a resolver problemas como el diseo de experimentos y toma de decisiones , la estadstica se divide en 2 estadstica descriptiva e inferencial.

Estadstica descriptiva Estadstica Rama de las matemticas que se ocupa de reunir organizar y analizar los datos que nos ayudan a resolver problemas como el diseo de experimentos y toma de decisiones . La estadstica se divide en descriptiva e inferencial

Descriptiva = parte del estudio que incluye la optencion como organizacin, presentacin y descripcin de toda la informacin. Inferencial: tcnicas mediante las cuales se obtienen generalizaciones o se toman decisiones en base a informacin parcial o incompleta Campo de aplicacin de la estadstica actualmente Se aplica en las ciencias sociales, ciencias naturales, en la industria, en la administracin, economa, finanzas, agricultura, medicina etc... Muestreo subconjunto extrado de la poblacin, cuyo estudio sirve para inferir caractersticas de toda la poblacin Poblacin: conjunto de todos los elementos que pertenecen al objeto de estudio del anlisis estadstico Datos estadsticos: son agrupaciones de cualquier nmero de observaciones relacionadas y deben de tener relacin con el objeto de estudio. Obtencin de datos: la manera ms formal de obtener o proceder a la bsqueda de informacin es seguir los lineamientos del mtodo cientfico

La estadstica resulta de gran utilidad en el manejo de informacin y el proceso consiste en la recopilacin, anlisis y presentacin. Estadstica descriptiva: Es recopilar, ordenar y presentar informacin para saber que decisin tomar, para recopilar datos: para que la informacin sea comprobable y confiable Ordenar datos: Por medio de graficas (h histogramas o polgonos de frecuencias, ojiva) Definicin estadstica descriptiva Parte del estudio que incluye la obtencin organizacin , presentacin y descripcin de toda la informacin inferencial : tcnica mediante la cual se obtienen generalizaciones o se toman decisiones en base a la informacin parcial o completa. Campo de la aplicacin de la actual estadstica: Se aplica en las ciencias sociales, ciencias sociales en la industria, administracin en la industria en la economa en las finanzas, agricultura, comercios medicina etc... Poblacin: conjunto de todos los elementos que son objeto del estudio estadstico Muestreo: es un subconjunto extrado de la poblacin, cuyo estudio sirve para inferir caractersticas de toda la poblacin Dato estadstico: son agrupaciones de cualquier nmero de observaciones relacionadas y deben tener dos caractersticas que sean comprobables y que tengan alguna relacin con el estudio Obtencin de datos: la manera ms formal de obtener o proceder a la bsqueda de la informacin es seguir los lineamientos del mtodo cientfico. La estadstica resulta de gran utilidad en el manejo de la informacin y el proceso consiste en recoger la informacin, presentar y analizar la informacin

Mtodos de recoleccin: encuestas registros y censos Tcnicas de recoleccin: entrevistas, aplicacin de cuestionarios y observaciones Mtodo para el recuento: listas, tarjetas simples, mecanizados Medidas de tendencia central Media (promedio). Mediana (m). Moda es el nmero que mas se repite.

Dado un experimento aleatorio, los posibles resultados que puedan ocurrir son sucesos que dependen del azar y que dan lugar a una variable cuyos valores tendrn una cierta probabilidad de repetirse. Estas nuevas variables se llaman variables aleatorias. Por contra, si tomamos muestras en un experimento realizado, esos resultados reales conforman lo que se denomina variable estadstica. Los conceptos variable aleatoria y probabilidad son conceptos tericos que resultan de una abstraccin hecha sobre los conceptos de variable estadstica y frecuencia, conceptos estos ltimos que se consideran despus de la ejecucin del experimento, mientras que los primeros se consideran antes de la ejecucin. Una variable aleatoria es discreta cuando slo puede tomar un nmero finito de valores. Medidas de centralizacin Una medida de centralizacin es un valor, que es representativo de un conjunto de datos y que tiende a situarse en el centro del conjunto de datos, ordenados segn su magnitud. Mediana Es el valor de la variable estadstica que divide en dos partes iguales a los individuos de una poblacin, supuestos ordenados en orden creciente. En general, es el valor donde la funcin de distribucin f(x) toma el valor 1/2, pero as definida puede no ser nica en cuyo caso se toma la media aritmtica de los valores de mediana, o no existir en cuyo caso se toma como mediana el valor de la poblacin ms cercano a esa mediana 'ideal'.

Moda Es el valor ms frecuente de la variable estadstica; valor que se corresponde al mximo del histograma. Si la variable es discreta, puede darse el caso de que haya ms de una mediana. Media aritmtica Es la suma de los productos de los posibles valores que tome la variable xi, entre el nmero de valores que esa variable contenga.

Medidas de dispersin Son medidas que representan el grado en el que los valores numricos tienden a extenderse alrededor de un valor medio. Recorrido Es la diferencia entre el mayor y menor valor de una variable estadstica.

Varianza. Una forma natural de medir la dispersin en torno a la media es calcular la media de las diferencias:

Pero como habr valores por encima y por debajo de la media que se compensarn, calcularemos mejor el cuadrado de las diferencias. Se define as varianza de una variable estadstica, como la media de los cuadrados de las desviaciones de sus valores respecto a su media. Se representa por s2:

Se distingue aqu entre los casos de variable estadstica y variable aleatoria. En el primer caso, tendremos una serie de valores concretos, de los que vamos a calcular su varianza, la varianza muestral.

La frmula es la que se acaba de expresar. En el caso de variable aleatoria, estaremos calculando una varianza estimada, ya que no estamos tomando muestras de un conjunto de datos inmenso y por lo tanto la media y varianza son estimadas, no conocidas. La expresin que la define cambia en un pequeo detalle: en vez de dividir el resultado de la suma entre (n-1), se divide entre (n), as:

Desviacin tpica (o estndar). Es la raz cuadrada de la varianza.

Al igual que con la varianza, se distinguen los casos de variables aleatorias y estadsticas. En esta frmula se expresa tambin la desviacin tpica muestral, que es la que usaremos.

Formula de la varianza y desviacin estndar Varianza: es la medida aritmtica del cuadrado de las desviaciones respecto a la medida de una distribucin estadstica A= (x,- + (x- + (-x/n x) x) ) A= (x1-x n )/ Varianza para datos agrupados: A= (xi - x f, +(x- f2 +(xn - x fn/n ) x) ) A= (x1-x fi / n ) a=(xi - x )/n

Para simplificar el clculo de la varianza, vamos a utilizar las siguientes expresiones que son equivalentes a las anteriores A= xi + x2 ++ x2 - x/n a= x/n -x

Desviacin. S= (xi -x / n-1 ) Varianza. S =(xi- x )/n-1

Lista a= (7,9,9,10,10,11,14) x 10 = S= (7-10)+(9-10) + (9+10)+(10 -10)+ (10 -10) +(11-10) +(14-10) S= (-3) +(-1) + (-1)+ (0) + (1) + (4) / 6 S= 9+1+1+1+16/ 6 = 28/6 s= 4.6 s= 2.14

Moda = al numero que mas se repite R = rango = media = moda S= desviacin estndar S= varianza

Ejemplo

En una compaa que se dedica los prstamos de dinero tiene 45 registros que son los siguientes 400 450 450 475 475 500 500 550 550 575 575 625 675 675 700 700 700 700 725 725 725 750 750 750 775 825 850 850 850 850 900 925 925 925 925 1050 1050 1125 1125 1150 1300 1450 1650 1650 1750

Agrupar dichos datos con un intervalo de w= 200, empezando desde 400, encontrar media, mediana moda, marca de clase, frecuencia relativa, frecuencia r acumulada. Media = 37600/45 = 839.55 = n+1/2 = Mediana = 750 moda = 700, 850, 925 W= 200 n=45 45 +1 /2 =46/2 = 23

400-600 500 11 11

600-800 700 14 25

800-1000 900 10 35

10001200 1100 4 39

12001400 1300 2 41

14001600 1500 4 42

16001800 1700 3 45

En la siguiente tabla se muestran los pesos de 40 estudiantes de universidad varones con precisin de una libra, calcule su mdc y fr. 119 125 126 128 132 135 135 135 136 138 138 140 140 142 142 144 144 145 145 146 146 147 147 148 149 150 150 152 153 154 156 157 158 161 163 165 165 168 173 176

R= 176 -119= 57 Media = 146.8 Mediana =146 Moda = 135 S= 13.05 S= 170.31

UNIDAD III Ensayo de Bernoulli Teora de probabilidad un ensayo de Bernoulli es un experimento en el cual su resultado es aleatorio y debe de encuadrarse en uno de do posibles resultados que denominamos xitos o fracasos.

La practica se refiere a un simple evento que puede tener dos resultados expresados en si o no. La distribucin binomial, en la estadstica la distribucin binomial es una probabilidad discreta que mide el nmero de xitos en una secuencia de n ensayos, independientes de una posibilidad fija de ocurrencia de xitos entre los ensayos Un ensayo de Bernoulli se caracteriza por ser dicotmico en la distribucin binomial, el experimento se repite n veces de forma independiente y se trata de determinar la posibilidad de un determinado nmero de xitos Para que un problema pueda ser de tipo hipergeometrico debe cubrir las siguientes condiciones Los ensayos no son independientes

El experimento se debe hacer un numero finito de veces La Posibilidad de ensayo en ensayo cambia

Distribucin geomtrica Esta distribucin es un caso especial de la binomial ya que se desea que ocurra un xito por primera y nica vez P(x) = qx-1x p . Binomial N total de eventos X xitos deseados P xito Q fracaso hipergeometica n tamao del lote n tamao de muestra k numero de defectuosos x xitos deseados

A menudo es til aproximar una distribucin con otra en particular cuando la aproximacin se puede manejar con ms facilidad. P=k/n

Las aproximaciones que consideramos son: Aproximacin de la binomial a la hipergeometrica Aproximacin de poisson a la binomial Distribucin de Poisson En este tipo de experimentos los xitos buscados son expresados por unidad de rea tiempo o piezas etc... Como por ejemplo el nmero de defectos de una tela por metro cuadrado. Para determinar la probabilidad de que ocurra n xitos por unidad de tiempo, rea o producto se utiliza la siguiente formula P= x . E-/ x! medida promedio de xitos deseados E= 2.7182 X= numero de xitos

Un experimento aislado no nos sirve, pero si en cambio lo repetiremos varias veces, ya tendramos un espacio muestral, para si poder determinar un resultado

Ensayo de Bernoulli

En la teora de la probabilidad y la estadstica un ensayo de Bernoulli, es un experimento en el cual su resultado es aleatorio y debe encuadrarse en uno de dos posibles resultados denominados xitos o fracasos, la practica se refiere aun simple evento que pueden tener dos resultados expresados en si o no.

Distribucin binomial

En la estadstica la distribucin binomial es una distribucin de probabilidad discreta que mide el nmero de xitos de una secuencia de n ensayos independientes.

En la distribucin binomial el experimento se repite n veces de forma independiente y se trata de calcular la probabilidad de un determinado nmero de xitos Donde: P= xito N= tamao de la muestra q= fracaso k= numero de xitos

1- Un examen consta de 10 preguntas a los que hay que contestar suponiendo que a la personas que ha las personas que se le plica dicho examen, no saben contestar ninguna de las preguntas y en consecuencia las responden al azar. Calcula la probabilidad de que obtengan 5 aciertos. B= (10/5). .5. .5^5 = .2460 x 100 = 24.60%

Calcule la posibilidad de que no obtenga ningn acierto b= (10/0). .5. .5'= 0.0009765 x 100 = .097 % Calcula la posibilidad de que obtenga al menos 5 aciertos. P= .5 q=.5 n= 10 k=5

B= (10/6). .5^6 x .5^4 = 0.2050 x 100 = 20.50 % B= (10/7). .5^7 x .5^3 = .1171 x 100 = 11.71 % B= (10/8). .5^8 x .5^2 = .0439 x 100 = 4.39 % B= (10/9). .5^9 x .5^1 = .0097 x 100 = .97 % B= (10/0). .5^10 x .5^0 = .00097 x 100 = .097 % = 62.267%

Distribucin hipereometrica H= (k/x) ((n-k) (n-x)/(n/n)

N = tamao de lote N = tamao de muestra K = numero de defectuosos X= numero de xitos Para que un problema sea de tipo hipergeometrico debe cumplir las siguientes condiciones Los ensayos no son indispensables El experimento se debe hacer un numero finito de veces La probabilidad de ensayo en ensayo cambia

Cual es la probabilidad de obtener tres artculos defectuosos en una muestra de tamao 8, tomada de un lote de tamao 10, donde hay 5 defectuosos. N=10 n=8 k=5 x= 3

H =(5/3) ((10-5)(8-3)) / (10)(8) = (10)(1)/45 = 10/45

= .2222 %

Cual es la probabilidad de obtener 2 unidades defectuosas en una muestra de tamao 10 , de un lote de 20 unidades que contiene 5 defectuosas. N=20 n=10 k=5 x= 2 = 64.35

H =(5/2) ((20-5)(10-2)) / (20)(10) = 10(6.435)/184.75

Aproximaciones

A menudo es til aproximar una distribucin con otra, en particular cuando la aproximacin se puede manejar con ms facilidad, las dos aproximaciones que consideramos son

Aproximacin de la binomial a la hipergeometrica La aproximacin de Poisson a la distribucin binomial

Distribucin de Poisson En este tipo de experimentos, los experimentos son expresados por unidades de rea, tiempo, piezas, etc. Por ejemplo Numero de defectuosos de una tela por m Numer de aviones que aterrizan en un aeropuerto por hora, da o minuto. = promedio de xitos deseados E= 2.7182 X= numero de xitos Poisson p=^x . E^- / x!

Hay que hacer notar que en esta distribucin el nmero de xitos que ocurren por unidad de tiempo, rea o producto es totalmente al azar, y que cada intervalo de tiempo es independiente del otro intervalo dado. Si un banco recibe 6 cheques sin fondos en un da, cual es la probabilidad de que reciba. 4 cheques si fondos en un da 10 cheques si fondos en cualquiera de 2 das consecutivos

= 6. X 2 = 12 X= 4. 10 E= 2.7182 p= 6^4. E^-6/4! = 0.1338 % p= 12^10. E^-12 /10! = 0.1338 %

Calcule la probabilidad de que un remate particular en la superficie del ala de un avin este defectuoso es de .001% hay 4000 remaches. Cual es la probabilidad de que se instalen 6 remaches defectuosos. N=4000 Binomial B= (4000/6) . .001^6 . .999^3994 = .1042 Poisson 4^6 . E^-4 / 6! = 0.1042 Una fabrica de tarea gubernamental sospecha que alunas fabricas violan los reglamentos contra la contaminacin ambiental, 20 empresas estn bajo sospecha pero no todos se pueden inspeccionar, supongamos que tres de las empresas violan los reglamentos Cual es la probabilidad que de la inspeccin de 5 empresas 2 violen el reglamento? N= 20 Hipergeometrica h = ( 3/2) ( 20-3)(5-2) / (20/5) = 3 (15.504 -3) = 15.504 2.040/ 15.504 = 0.1315 Binomial N=5 x=2 p=.15 q= 1- .15= .85 b= (5/2)(.15) . .85^3 = .1381 x 100 = 13.81 % 3(12.504) / n= 5 k=3 x=2 x= 6 p=.001 q= 1- .001 = .999

Poisson =.75 E= 2.7182 X= 2 .75 . E^-75/ 2!= .1328 = 13.28%

UNIDAD IV Distribucin normal La distribucin normal es en muchos aspectos la piedra angular de la estadstica. Se afirma que una variable x tiene una distribucin normal con media u(- <u -) y varianza >o Se dice que la variable es continua si sigue una distribucin normal de mediana m y desviacin tpica. Puede tomar valores de infinito hasta menos infinito, la forma de la campana depende de sus parmetros (mu y gama) La funcin presenta un mximo en x= mu y dos puntos de inflexin ( + ,-) teniendo al eje de las x como asntota La curva f(x) es simtrica con respecto a su medida y por lo tanto u medida y su moda son coincidentes Existen 7 casos y son los siguientes.

1-

.68 = .7517 - .5 = .2517

2- 1.2 = .8849 - .5 = .3899

3- .46 = 6772 -.5 = .1772 2.21= .9864 - .5 = 49.84

= .6636

4- .94 = .9738 .81 = .7910 = .9738 .7910 = .1828

5- 1-.7257 = .2742

6- .8997 = .8997

7- 1.44 = .9250 - .5 = .4250

2.05 =. 9798 - .5 = .4798 = .9048

La forma de la campana depende de sus parmetros m y , la funcin de densidad presenta un mximo de x= m y dos puntos de inflexin en x = m y x= m + Teniendo el eje de las x como asntota La f(x) es simtrica Su media y su moda son coincidentes.

Cierto tipo de bateras duran un promedio de 3 aos con desviacin estndar de . 5, suponiendo que la distribucin normal. Encuentra la posibilidad de que una batera tomada al azar dure menos de 2.3 aos

Z= 2.3 3 / .5 = - 1.4

2.3

3.5

1-9192= 8.08 %

8 7 6 5 4 3 2 1 115 120 120 125 125 130 130 135 135 140 140 145 145 150 150 155 160 165 170 155 160 165 170 175 175 180