Curso Estadistica Resuelto 2013

FUNDACION CENTRO COLOMBIANO DE ESTUDIOS
PROFESIONALES.
AREA: ESTADISTICA INFERENCIAL
PERIODO ACADEMICO: I-2013
PROBABILIDAD
NOMBRE:
GRAD
O
COD:
FECH
A
1. ESTADISTICA.
Es una ciencia de la matemtica que permite a un
investigador o a un estadstico deducir, evaluar,
inferir y decidir conclusiones acerca de una
poblacin a partir de una informacin suministrada
por una muestra.
La estadstica trata de teoremas, herramientas,
mtodos y tcnicas que se pueden usar en:
a. Recoleccin, seleccin y clasificacin de datos.
b. Interpretacin y anlisis de datos.
c. Deduccin y evaluacin de conclusiones y de su
confiabilidad con base a datos mustrales.
POBLACION. (N).
Es El conjunto de todos los datos de una
comunidad, que son caractersticas medidas o
discretas de ciertos objetos o elementos.
Los datos de la poblacin pueden ser:
Cuantitativas: Medibles.
Cualitativas: No medibles.
Ej. No1. Ingreso familiar, diarios, semanal, mensual
o anual medio de una comunidad de 5.000 familias.
N=5.000 familias
Salarios ={2.000.000, 500.000, 1.550.000, 785.000,
}
Ej. No2. La nota promedio de la nota de Estadstica I
semestre, de los 458 estudiantes de ingeniera de la
universidad.
N= 458 Notas
Notas = {3.8, 4, 3.5, 2, 1.5, 1.0, 5, 4.2, 4.3, 3.9, 4,1,
..}
Ej. No3. La edad media de los 1.200 estudiantes del
CECEP, matriculados al da de hoy.
N= 1.200 Edad Estudiantes.
Edades = {19, 20, 28, 31, 19, 20, 25, 19, 18, 33,
}
MUESTRA. (n).
Son datos tomados de una poblacin para tomar
una decisin despus de un estudio o anlisis.
ANALISIS DE DATOS.
Es el estudio o anlisis para tomar la decisin.
Ej. No1. Se desea hacer el estudio de las notas de
los 40 estudiantes de Estadstica Inferencial, del
semestre pasado.
1.0
3.5
4.0
1.5
2.5
2.9
3.0
4.1
3.5
3.2
0.7
4.4
3.8
2.8
1.6
3.0
4.0
1.4
4.2
2.6
1.7
0.8
3.7
2.5
0.5
5.0
3.9
2.7
3.6
4.1
1.8
3.5
3.2
1.5
2.1
3.1
4.3
3.5
2.0
2.9
Poblacin N = 40
Mayor nota = 5.0
Menor nota = 0.5
Rango de datos = 5.0 0.5 = 4.5
Datos ordenados.
0.5
1.5
2.0
2.7
3.0
3.5
3.8
4.1
0.7
1.5
2.1
2.8
3.1
3.5
3.9
4.2
0.8
1.6
2.5
2.9
3.2
3.5
4.0
4.3
1.0
1.7
2.5
2.9
3.2
3.6
4.0
4.4
1.4
1.8
2.6
3.0
3.5
3.7
4.1
5.0
LA MODA.
(~
x)
Es el dato que ms se repite de la poblacin o la

muestra.
~
x=3.5
LA MEDIANA.
( ^x )
Es el trmino que ocupa la posicin de la mitad.
X 20+ X 21 3.0+3.0
=
=3.0
2
2
^x =
LA MEDIA ARITMETICA O PROMEDIO.
( x )
Es la suma de todos los datos, dividido por el

nmero de datos.
n
Xi
x = i=1 =
N
0.5+0.7+0.8+ + 4.4+5.0 114.1

=
=2.85
40
40
El promedio de la nota del grado fue 2.85, pero eso

no quiere decir que todos los estudiantes perdieron.
Perdieron.
P=
No Perdidos
19
x 100 = x 100 =47.5
Total
40
Ganaron.
G=
NoGanaron
21
x 100 = x 100 =52.5
Total
40
DATOS AGRUPADOS.
DISTRIBUCION DE FRECUENCIA.
No de Clases.
Existe la Reglas de Sturges.
No=1+3.3 LogN
No=1+3.3 log 40=6.28

Esto nos indica que se deben tomar 6 clases, pero
por facilidad
y comodidad de la escala de
valoracin, se toman 5 clases.
TABLA DE FRECUENCIAS.
CLAS MARC
F.A.
F.A.A.
F.R.
F.R.A.
E
A
[O;
0.5
3
3
0.075 0.075
1)
[1;
1.5
7
10
0.175 0.250
2)
[2;
2.5
9
19
0.225 0.475
3)
[3;
3.5
13
32
0.325 0.800
4)
[4;
4.5
8
40
0.200 1.000
5)
HISTOGRAMA.
Grafico que representa la Frecuencia Absoluta
contra el nmero de datos. F.A/N.
Tambin llamado diagrama de barras.
FRECUENCIA ABSOLUTA/DATOS.
14
12
10
8
6
NUMERO DE DATOS 4
2
0
ESC ALA DE VALORAC ION
LA MEDIA ARITMETICA.
x =
Y i FAi = 0.5 ( 3 ) +1.5 ( 7 ) +2.5 ( 9 ) +3.5 ( 13 ) +4.5 (8)=2.90

N
40
PARAMETROS DE POBLACION.
1. El total: (A) Suma de los datos.
2. Proporcin: (). Fraccin de la poblacin que
cumple una determinada propiedad.
Ej. No1. De la cantidad de 40 estudiantes, el
numero de ellos que aprobaron la materia.
Ganan 21
= =0.525
Total 40
Ej. No2. De una poblacin de 500 artculos, 40

son defectuosos.
=
3.
defectuosos 40
=
=0.08
Total
500
Las medidas de tendencia central.

Media, moda y mediana.
x =
4.
Y i FAi =2.90
N
Medidas de dispersin. Miden la disparidad de

los distintos datos de una poblacin.
Desviacin Media. (D.M.)
Es la medida de los valores absolutos de las
diferencias entre los datos y la media
aritmtica.
N
DM=
|X i X | =|0.52.85|+|0.72.85|+..+|5.02.85|
i=1
40
37.6
=0.94
40
La nota de cada uno de los estudiantes difiere
de la media aritmtica, en promedio 0.94.
Xi
Xi
0.94
0.94
Desviacin Estndar. (S)
Mide la desviacin promedio de cada uno de los
datos respecto a la media aritmtica.
( X i X )2
S=
=
N
i=0
(0.52.85)2 +( 0.72.85)2 +..+(52.85)2

51.18
=
=1.13
40
40
El promedio de cada nota de estadstica, difiere

del promedio del grupo en 1.1311.
Para datos agrupados.
S=
FA(Y i X )2
=
N
3 (0.52.9)2 +7(1.52.9)2+..+8 (4.52.9)2

=
40
17.28+13.72+1.44+ 4.68+20.48
57.6
=
=1.20
40
40
Pero con la ayuda del Excel este tipo de clculos

se hacen ms fciles.
Xi
X i X
N0
DATOS
DIFERE
N
1
2
3
4
5
6
7
8
9
1,00
3,50
4,00
0,50
3,20
3,50
3,20
1,40
5,00
-1,85
0,65
1,15
-2,35
0,35
0,65
0,35
-1,45
2,15
(X X )
i
CUADRAD
O
3,4225
0,4225
1,3225
5,5225
0,1225
0,4225
0,1225
2,1025
4,6225
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
1,50
4,00
0,70
4,20
3,90
2,10
1,50
4,40
2,60
2,70
3,10
2,50
3,80
1,70
3,60
4,30
2,90
2,80
0,80
4,10
3,50
3,00
1,60
3,70
1,80
2,00
4,10
3,00
2,50
3,50
2,90
-1,35
1,15
-2,15
1,35
1,05
-0,75
-1,35
1,55
-0,25
-0,15
0,25
-0,35
0,95
-1,15
0,75
1,45
0,05
-0,05
-2,05
1,25
0,65
0,15
-1,25
0,85
-1,05
-0,85
1,25
0,15
-0,35
0,65
0,05
1,8225
1,3225
4,6225
1,8225
1,1025
0,5625
1,8225
2,4025
0,0625
0,0225
0,0625
0,1225
0,9025
1,3225
0,5625
2,1025
0,0025
0,0025
4,2025
1,5625
0,4225
0,0225
1,5625
0,7225
1,1025
0,7225
1,5625
0,0225
0,1225
0,4225
0,0025
114,10
0,00
51,1800
1,2795
1,1311
X
2,85
EJERCICIO No1.
Hallar
todos
los
parmetros
para
los
datos
desagrupados y agrupados. Hacer las correspondientes
graficas.
1. Peso promedio de 30 estudiantes de una clase.
En Kg
100
60
75
90
84
70
86
58
65
76
56
64
69
63
95
80
66
82
85
75
103
76
83
70
76
80
70
69
72
87
2. Edad de 32 personas de una empresa dedicada
a las ventas.
3.
20
25
24
21
22
28
22
32
26
23
26
31
25
35
28
25
23
36
30
21
30
27
24
40
26
20
33
29
29
38
21
22
31
31
27
25
Determnese el porcentaje de datos para cada
ejercicio, que caen en cada uno de los
intervalos dado.
X S
a.
c.
b.
X 2 S
X 3 S
2. TECNICAS DE CONTAR.
FACTORIAL.
Para todo nmero natural n, se llama n factorial o
factorial de n al producto de todos los naturales
desde 1 hasta n:
n !=n ( n1 ) ( n2 )( n3 ) 3 x 2 x 1
Por definiciones de factorial se da:
1.
El factorial de 1:
1!=1
2.
El factorial de 0:
0 !=1
Es para facilitar las operaciones con factorial y de

proceso lgico.
Ejemplo 1:
2!=2 x 1=2
3 !=3 x 2 x 1=6
4 !=4 x 3 x 2 x 1=24
5 !=5 x 4 x 3 x 2 x 1=120
6 !=6 x 5 x 4 x 3 x 2 x 1=720
7 !=7 x 6 x 5 x 4 x 3 x 2 x 1=5040
( n1 ) !=( n1 )( n2 ) ( n3 ) 3 x 2 x 1=
k !=k ( k 1 )( k 2 ) ( k3 ) ..3 x 2 x 1=
Ejemplo 2: Simplificar y hallar los resultados.
5 ! 5 x 4 x 3 x 2 x 1 120
=
=
=20
3!
3 x2 x1
6
1.
2.
6!
6 x5 x 4 x3 x 2x1
720
1
=
=
=
8! 8 x 7 x 6 x 5 x 4 x 3 x 2 x 1 40320 56
3.
10 ! 10 x 9 x 8 x 7 x 6 x 5 x 4 x 3 x 2 x 1 10 x 9(8 x 7 x 6 x 5 x 4 x 3 x 2 x 1)
=
=
=
8!
8x 7 x6 x5 x 4 x 3x 2x 1
8 x7 x 6 x5 x 4 x3 x 2x1
10 x 9 x 8 ! 10 x 9
=
=90
8!
1
4.
10 ! x 6 !
10 ! x 6 !
6 x 5 x 4 x 3 x 2 x 1 60
=
=
=
12 !
12 x 11 x 10!
12 x 11
11
5.
15 ! x 20! 15 x 14 ! 20 ! 15 5
=
= =
14 ! x 21 ! 14 ! 21 x 20 ! 21 7
6.
135 ! x 120! 135 x 134 ! x 120 ! 135

=
=
134 ! x 121! 134 ! x 121 x 120 ! 121
7.
19 ! x 23!
19 ! x 23 x 22!
23
23
=
=
=
22! x 21! 22 ! x 21 x 20 x 19 ! 21 x 20 420
8.
(n+2)! n !
( n+2 ) ( n+1 ) ! n(n1)! ( n+2 ) n
=
=
1
( n1 ) !(n+ 1)!
( n1 ) !(n+1)
( n+2 ) n
EJERCICIOS No2.
1.
10 ! .15 !
9! 12 !
7 ! .15 !
9 ! 16 !
3.
2.
40 ! .25!
42! 23!
4.
10 ! .15 ! 5 !
11 ! 16 !
PERMUTACIONES.
La Rotacin de todos los elementos de un evento o
un conjunto.
P(n) =n !
Ej. No1. Cuantas palabras de 4 letras pueden

formarse con las letras A, B, C, D.
P(n) =n !=( 4 ) !=4 x 3 x 2 x 1=24

Ej. No2. Una junta de 3 personas, donde se debe
elegir, Presidente, Vicepresidente y Tesorero. De
cuantas formas diferentes se pueden organizar.
P(n) =n !=( 3 ) !=3 x 2 x 1=6

VARIACIONES.
Es el nmero de organizaciones diferentes que se
pueden obtener de n objetos tomados en grupos de
r elementos.
V (n , r) =
n!
(nr) !
En estos grupos organizados existe el orden. La

ubicacin de cada elemento interesa.
Ej. No3. Cuantos nmeros de 4 cifras se pueden
formar con las cifras 1, 2, 3, 4, 5, 6. Ninguna cifra se
puede repetir.
n= 6
r = 4. Son Variaciones de 6 en 4.
V (6,4)=
n!
6!
6 ! 6 x 54 x 3 x 2 x 1
=
= =
=360
2x 1
( nr )! (64) ! 2 !
Segundo mtodo.
Se organizan casillas de acuerdo al nmero de
elementos de grupo a formar.
4 casillas
360
Ej. No4. Cuntos de estos nmeros son pares.
180
Para que un numero sea par debe terminar en cifra
par, y en el conjunto hay 3 nmeros pares. Van en
la ltima casilla, los dems se ubican en las 3
casillas inciales.
Segundo mtodo.
V (5,3) x 3 pares=
5!
5!
5 x4 x3 x2!
x 3= x 3=
x 3=180
2!
2!
(53)!
Ej. No5. Cuantos son mayores que 400?
180
En la primera casilla solo pueden ir 4, 5,6, sea 3
nmeros.
En la segunda se pueden utilizar 5, pq el usado en
la primera casilla no se puede.
Y as sucesivamente en las dems.
Segundo mtodo.
3 x V (5,3)=3 x
5!
5!
=3 x =180
2!
(53)!
Ej. No6. Cuantos nmeros se pueden formar si se

puede repetir cifras.
Se organizan casillas de acuerdo al nmero de
elementos de grupo a formar.
4 casillas
6
1.296
Ej. No7. Cuantos de los nmeros anteriores son

pares?
648
Ej. No8. Cuantos de los nmeros son mayores que
400?
648
Ej. No8. Cuantos de los nmeros son mayores que
500?
432
COMBINACIONES.
El numero de combinaciones posibles de r
elementos tomados de n posibles. El orden de
ocupacin no interesa, ni la posicin que ocupan.
C(n ,r )=
n!
(nr )! r !
Ej. No1. Si un grupo de 3 personas: Carlos,

Fernando y Juan para entregar un trabajo, sera lo
mismo que: Carlos, Juan y Fernando y as
sucesivamente.
Ej. No2. Se tiene un grupo de 5 personas para
formar juntas directivas de 3 personas.
n = 5
r = 3. Combinaciones de 5 en 3, pq no
importa el orden.
C(5,3)=
n!
5!
5!
5 x 4 x 3!
=
=
=
=10
(nr )! r ! (53)! 3 ! 2! 3! 2 x 1 x 3 !
Ej. No3. De cuantas maneras posibles se pueden

formar equipos de baloncesto, de un total de 8
jugadores.
C(8,5)=
n!
8!
8!
8 x 7 x 6 x 5!
=
=
=
=560
3
!
5
!
3 x2 x1 x5!
(nr)! r ! (85)! 5 !
Ej. No 4. De cuantas maneras posibles se pueden

formar equipos de baloncesto, de un total de 9
jugadores.
C(9,5) =
n!
9!
9!
9 x8 x7 x 6 x5!
=
=
=
=126
(nr)! r ! (95)! 5 ! 4 ! 5 ! 4 x 3 x 2 x 1 x 5 !
Ej. No 5. Se necesita organizar grupos de trabajo

de 3 personas de un total de 8. Cuantos grupos
diferentes pueden salir?
C(8,3)=
n!
8!
8!
8 x7 x6 x 5!
=
=
=
=560
5
!
3
!
3 x2 x1 x5!
(nr) ! r ! (83)! 3 !
C(8,5)=C(8,5)
Ej. No 6. De cuantas maneras posibles se pueden
formar equipos de trabajo de 4 personas, de un
total de 9 jugadores.
C(9,4) =
n!
9!
9!
9 x8 x7 x 6 x5!
=
=
=
=126
5
!
4
!
5! x 4 x 3 x 2 x 1
(nr )! r ! ( 94)! 4 !
C(9,4) =C(9,5)
3. INTRODUCCION A LA PROBABILIDAD.
Es el estudio de experimentos o fenmenos aleatorios
o de libre determinacin o de libre ocurrencia.
Histricamente, la Teora de la probabilidad comenz
con el estudio de los juegos de azar, tales como dados,
cartas, ruletas y otros, para un determinacin de cmo
serian sus resultados para ganar o perder.
La probabilidad de un evento A se define:
P(A) =
A
S
EXPERIMENTO:
Es la experiencia o fenmeno realizado para su
estudio.
Lanzar una moneda. Cara, Sello.

Lanzar un dado. Posibles resultados: 1, 2, 3, 4, 5, 6.
Seleccionar un fusible. Defectuoso, Bueno.
Lanzar dos monedas. CS, CC, SS, SC.
ESPACIO MUESTRAL: (S)
Regularmente se representa con una letra
mayscula S, pero de igual manera usted puede
utilizar otra diferente.
Es el conjunto de todos los resultados posibles de
un experimento o un fenmeno.
S = {C, S}
S=2
S = {1, 2, 3, 4, 5, 6}
S=6
S = {B, M}
S=2
S = {CS, SC, CC, SS}
S=4
Se lanza simultneamente dos dados. S = 36
(1,1) (2,1) (3,1) (4,1) (5,1) (6,1)
(1,2) (2,2) (3,2) (4,2) (5,2) (6,2)
(1,3) (2,3) (3,3) (4,3) (5,3) (6,3)
(1,4) (2,4) (3,4) (4,4) (5,4) (6,4)
(1,5) (2,5) (3,5) (4,5) (5,5) (6,5)
(1,6) (2,6) (3,6) (4,6) (5,6) (6,6)
Se lanzan 3 monedas simultneamente. S = 8
C
C
S
C
C
S
S
C
C
S
S
S
C
S
S = {CCC, CCS, CSC, CSS, SCC, SCS, SSC, SSS}

Ej. Se lanza un dado y se analiza su resultado:
Observamos que el dado puede caer en 1, 2, 3, 4, 5,
o 6., por lo tanto el espacio muestral ser:
S = {1, 2, 3, 4, 5, 6}
EVENTO (E):
Un evento es un conjunto de resultados posibles del
fenmeno a analizar.
Es un subconjunto del espacio muestral.
Dado el evento de que el dado pueda caer en una
cifra par, entonces los posibles resultados en que
puede caer el dado sern: dos, cuatro y seis, por lo
tanto el evento ser:
A = { 2, 4, 6 }
La combinacin de los eventos se puede dar para
formar nuevos eventos:
1. A U B si y solo si A o B suceden o ambos.
2.
B si y solo si A Y B suceden
simultneamente.
3. Ac Complemento de A, si y solo si A no sucede.
Ej. No 1. Lanzar un dado y observar que salga un
nmero primo.
E1= {2, 3, 5 }=3

Ej. No 2. Lanzar 3 monedas simultneamente y que
salgan dos caras.
E2= {CCS , CSC , SCC }=3

Ej. No3. Lanzar dos dados simultneamente y que
su suma sea 7.
E3= { (1,6 ) , ( 2,5 ) , ( 3,4 ) , ( 4,3 ) , ( 5,2 ) ,(6,1) } =6

Ej. No 4. Lanzar dos dados simultneamente y que
la suma de los dos sea 11.
E3= { (5,6 ) , ( 6,5 ) }=2
La probabilidad de cada uno de los eventos

anteriores es:
P( E 1)=
E1 3 1
= = =0.5 50
S 6 2
P( E 2)=
E2 3
= =0.375 37.50
S 8
P( E 3)=
E3 6 1
= = =0.1666 16.66
S 36 6
P( E 4 )=
E4 2
1
= = =0.0555 5.55
S 36 18
EVENTOS MUTUAMENTE EXCLUSIVOS:

Se llaman mutuamente exclusivos, si son disyuntos,
sea que la interseccin de los conjuntos sea vaca.
(No
pueden
suceder
simultneamente).
Ejemplo No 1: Se S = {1, 2, 3, 4, 5, 6} un espacio
muestral, de las posibilidades de salir un numero al ser
lanzado un dado y los eventos A = {2, 4, 6} de salir un
numero par. B = {1, 3, 5} de salir un nmero impar. C =
{2, 3, 5}
A
B = , Observamos que no hay elementos
comunes, por lo tanto los eventos son mutuamente

exclusivos.
Determinando la probabilidad de cada uno de los
eventos.
P(A) =
A
S
3
6
= 0.5 o equivalente a un 50%
P(B) =
B
S
3
6
P(A) =
C
S
3
6
P(S) =
S
S
6
6
= 1 o equivalente a un 100%
P(C) =
C
S
3
6
Formando nuevos eventos con la combinacin de los

eventos anteriores A, B y C:
A U B = { 2, 4, 6, 1, 3, 5}
A U C = { 2, 4, 6, 3, 5 }
B
C = { 3, 5 }
CC = { 1, 4, 6 }
Las probabilidades de los nuevos eventos sern:
P(AUB) =
( AUB )
S
6
6
= 1 o equivalente a
( AUC )
S
5
6
= 0.83 o equivalente
un 100%
P(AUC) =
a un 83%
P(B
C)
C
S
2
6
= 0.33 o equivalente a
un 33%
Cc
S
P(Cc) =
3
6
= 0.5 o equivalente a un
50%
AXIOMAS DE PROBABILIDAD.
Si consideramos el espacio muestral S y los eventos A y
B, cuyas funciones de probabilidad son P (S) probabilidad
de S. P(A) probabilidad del evento A. P (Cc) probabilidad del
evento Cc. Se cumplen los siguientes axiomas:
P1
Para todo evento A, se cumple que
P(A)
P2 P(S) = 1
P3
Si A y B son eventos mutuamente exclusivos,
entonces se cumple que
P(AUB) = P(A) + P(B) .
Para el ejemplo No 1, observamos que:
1.
P(A)
1. Observamos que el valor de
cada una de las probabilidades es menor que 1 y

mayor que 0.
2. P(S) = 1. Se ve fcilmente que la probabilidad del
espacio muestral S es 1.
P (AUB) = P(A) + P (B). La probabilidad de cada evento
es P(A) = 0.5 P(B) = 0.5 y la probabilidad de P(AUB) = 1.0
TEOREMAS DE LA PROBABILIDAD.
Estos teoremas se deducen de los axiomas:
T1.
La probabilidad del conjunto vacio es 0. P(
0
T2.
Si Ac es el complemento del evento A, entonces
c
P(A ) = 1 - P(A)
T3. Si A c B, entonces P(A) P(B)
T4. Si a y b son dos eventos, entonces P(A-B) = P(A) -
P(A
T5.
B)
Si A y B son dos eventos, entonces P (AUB) = P(A) +
P (B) + P(A
B)
Ej. No2: Sea S = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9}, el espacio

muestral de los resultados del fenmeno dado y los
eventos A = {0, 1, 2, 4, 6, 8} y B = {1, 2, 3, 4, 5}.
La
grafica
del
conjunto
ser:
U
A
B
0
3
6
2
4
8
9
Calculado:
A U B = { 0, 1, 2, 4, 6, 8, 3, 5 }
A
B = { 1, 2, 4 }
Ac = { 3, 5, 7, 9 }
Bc = { 0, 6, 7, 8, 9 }
A B = { 0, 6, 8 }
B A = { 3, 5 }
Los cardinales de cada uno de los conjuntos:
#A = 6,
#B = 5,
#(AUB) = 8,
#(A ) = 4,
#(B ) = 5
#(A-B) = 3
#(B-A) = 2.
Calculando las probabilidades.
c
#(A
B) = 3,
P(A)
A
S
6
10
3
5
0.6
1
2
0.5
equivalente en porcentaje 60%
P(B)
B
S
5
10
P(AUB)
( AUB )
S
8
10
4
5
= 0.8
P(A
( A B)
S
B)
3
10
0.30
( AB)
S
P(A-B) =
3
10
2
10
= 0.20 equivalente
0.30 equivalente
en porcentaje 30%
(B A)
S
P(B-A) =
en porcentaje 20%
(A c )
S
P(AC) =
4
10
= 0.40 equivalente en
porcentaje 40%
c
P( B
(B c )
S
5
10
= 0.50 equivalente
en porcentaje 50%
Si aplicamos los teoremas obtenemos:
T2.
P(AC) = 1 - P(A) = 1 - 0.60 = 0.40
T2.
P(BC) = 1 - P(B) = 1 - 0.50 = 0.50
T4.
P(A-B) = P(A) - P(A
B)
= 0.60 - 0.30 =
A)
= 0.50 - 0.30 =
0.30
T5.
P(B-A) = P(B) - P(B
0.20
T6.
P (AUB) = P(A) + P (B) + P(A
B)
= 0.60 +
0.50 - 0.30 = 0.80

T6.
P (AUB) = P(A-B) + P (B-A) + P(A
= 0.30 +
B)
0.20 + 0.30 = 0.80

4. ESPACIOS FINITOS DE PROBABILIDAD.
Sea un espacio muestral finito tal que S = {a 1, a2, a3,
. an}la probabilidad del espacio muestral ser la
suma de las probabilidades parciales e igual a 1.
P(S) = P(a1) + P(a2) + P(a3) + + P(an) = 1

EJEMPLO No 1. Lanzamos cuatro monedas una a una y
observamos los nmeros de sellos que pueden salir en
cada lanzamiento.
El espacio muestral sera as:
1. Que no salga ningn sello. 0S
CCCC
2. Que salga un sello y tres caras. 1S
SCCC, CSCC, CCSC, CCCS.
3. Que salgan dos sellos y dos caras. 2S.
SSCC, CSSC, CCSS, SCSC, CSCS, SCCS.
4. Que salgan tres sellos y 1 cara. 3S
SSSC, CSSS, SCSS, SSCS.
5. Que salgan cuatro sellos y o caras. 4S
SSSS.
El conjunto S = {0, 1, 2, 3, 4} de los posibles resultados
de caer las monedas.

Observamos que existen 16 posibilidades de salir los
resultados.
Si calculamos las siguientes probabilidades.
1. La probabilidad de que salgan 4 caras o no salga un
sello.
1
16
P(0) =
2.
La probabilidad de que salga un sello.
4
16
P(1) =
3.
6
16
3
8
= 0.375
Probabilidad de que salgan 3 sellos.
4
16
P(3) =
5.
= 0.25
La probabilidad de que salgan dos sellos.
P(2) =
4.
= 0.0625
1
4
= 0.25
Probabilidad de que salgan 4 sellos.
1
16
P(4) =
= 0.0625
P(S) = P(0) + P(0) + P(0) + P(0) + P(0)
1
16
6.
1
16
1
4
3
8
1
4
=1
La probabilidad de que por lo menos salga un sello.

Los resultados son C = { 1S, 2S, 3S, 4S }
P(C) = P(1S) + P(2S) + P(3S) + P(4S)

=
1
4
3
8
1
4
1
16
15
16
7.
Sea D el evento de que salgan todos sellos o todas

caras.
Los resultados de D = { 4S, 4C }
P(D) = P(4C) + P(4S) =
1
16
1
16
2
16
1
8
EJEMPLO No 2. Cuatro caballos A, P, S, Q, intervienen

en una carrera. Si A tiene el doble de probabilidades de
ganar que P, y P el doble de probabilidades de ganar
que S, S el doble de probabilidades de ganar que Q.
Cules son las respectivas probabilidades de ganar cada
uno de los caballos.
Sea p la probabilidad de ganar el menos factible.
Q =p
S = 2Q = 2p
P = 2S = 2(2Q) = 4Q = 4p
A = 2P = 2(2S) = 2(2(2Q))) = 8Q = 8p
Como el valor total de una probabilidad de un espacio
muestral debe ser uno, entonces.
P(A) + P(P) + P(S) + P(Q) = 1
8p + 4p + 2p + p
= 1
15p = 1
1
15
Los valores de la probabilidad de ganar cada caballo es

de:
P(A) = 8p = 8 x
1
15
8
15
P(P) = 4p = 4 x
1
15
4
15
P(S) = 2p = 2 x
1
15
2
15
P(Q) = 1p = 1 x
1
15
1
15
Cul es la probabilidad de que A o P ganen la carrera.

El evento es F = { A, P }
P(F) = P(A) + P(P)
4
5
8
15
4
15
12
15
= 0.80
La probabilidad de que A o P ganen es de
4
5
o de
0.80, o tambin equivale a decir que tienen el 80% de

probabilidades de ganar, que es equivalente a decir que
tienen el 20% de probabilidades de perder.
ESPACIOS FINITOS EQUIPROBABLES.
Es un espacio muestral S finito de probabilidad, donde
cada punto muestral tiene la misma probabilidad.
P(A) =
a
s
EJ. No1. Se lanzan 2 dados al mismo instante, pero sin

identificarlos y se observan cada uno de los resultados.
El espacio muestral de los posibles resultados seria:
(1, 1) (1, 2) (1, 3) (1, 4) (1, 5) (1, 6)
(2, 2) (2, 3) (2, 4) (2, 5) (2, 6)
(3, 3) (3, 4) (3, 5) (3, 6)
(4, 4) (4, 5) (4, 6)
(5, 5) (5, 6)
(6, 6)
El total de posibilidades de caer los dados son S = 21
1. Cul es la probabilidad de que la suma sea 6.
A = {La suma sea 6 } = { (1, 5), (2, 4), (3, 3) }
P( A )=
2.
3 1
=
21 7
La probabilidad de B = { La suma sea 5 } = { (1,

4), (2, 3) }
P(B )=
3.
La probabilidad C = {Salgan pares} Los nmeros

sea iguales.
C = { (1, 1), (2, 2), (3, 3), (4, 4), (5, 5), (6, 6) }
P(C) =
4.
2
21
6 2
=
21 7
La probabilidad D = { La suma sea impar }

D ={(1, 2),(1, 4),(1, 6),(2, 3),(2, 3), (3, 4), (3, 6), (4,
5), (5, 6)}
P( D) =
5.
9 3
=
21 7
La probabilidad de E = { La suma sea 7 } = { (1,

6), (2, 5), (3, 4) }
P( E)=
3 1
=
21 7
6.
7.
La probabilidad de F = { La suma sea par }

La probabilidad de G = { Los dos dados sean
nmeros impares }
8. La probabilidad de H = {Uno de los dados sea un
nmero impar }
REGLA DE LA ADICION.
Consideremos un juego en el cual debe elegirse una
carta de una baraja de pker de 52 cartas. Ganan si la
carta elegida es negra o un rey. Cul es la probabilidad
de ganar?
1 2 3 4 5 6 7 8 9 1 1 1 1
0 1 2 3
J
Q K
P A 2 3 4 5 6 7 8 9 1
T
0
1
0
1
0
1
0
S = Total De cartas = 52 Cartas.

E = Evento = Sea negra o rey. = 28.
E 28
P( E)= = =0.5384
S 52
P( N) =
E N 26
=
S 52
P( R)=
ER 4
=
S 52
P( N R )=
EN R 2
=
S
52
P( N) + P(R )P(N R )=
26 4
2 28
+ = =0.5384
52 52 52 52
Ej. No2. Se lanza un dado normal. Ud. gana 5 dlares,

si el resultado es par o divisible por 3. Cul es la
probabilidad de ganar.
S = {1, 2, 3, 4, 5, 6}
P = {2, 4, 6}
D = {3, 6}
D=
{6}
P( P)=
EP 3 1
E
2 1
1
= = ; P(D )= D = = ; P(P D )=
S 6 2
S 6 3
6
E = P U D = {2, 4, 6, 3}
E 4 2
P( E)=P(PUD )= = = =0.6666
S 6 3
3 2 1
P( PUD)=P( P )+ P (D )P( P D) = +
6 6 6
Ej. No 3. Un cliente entra a un supermercado. La
probabilidad de que compre pan es 0.60; que compre
leche es 0.50 y la de que compre pan y leche es 0.30.
Cul es la probabilidad de que compre pan, leche o
ambos?
P( P)=0.60; P(L)=0.50 ; P(P L)=0.30
P( P L)=P(P) + P(L)P(P L)
P( P L)=0.60+ 0.500.30=0.80
Ej. No 4. Determinar la probabilidad de extraer una
carta de una baraja que sea As o Rey.
Los eventos:
A = Sacar Rey.
= {RP, RT, RC, RD}
=4
B = Sacar As.
= {AP, AT, AC, AD}
=4
AUB = { RP, RT, RC, RD, AP, AT, AC, AD}
=8
S = 52 Cartas
P( A )=
EA 4
E
E
4
8
= ; P(B) = B = ; P( AUB)= AUB =
S 52
S 52
S
52
P( AUB) =P( A )+ P(B )=
4 4
8
+ =
52 52 52
PROBABILIDAD CONDICIONAL.
Ej. No 1. Una caja contiene bolitas blancas y negras,
adems, cada una tiene grabada una letra que puede
ser A o Z. Si la composicin de la caja es:
NEGRA(N)
BLANCA(
TOTAL
B)
A
5
3
8
Z
1
2
3
TOTAL
6
5
11
Si se selecciona al azar una bolita de la caja. Hallar la
probabilidad de:
1.
P( N) =
Probabilidad de obtener una bolita
negra.
E(N )=6
P( N) =
2.
S = 11
EN 6
=
S 11
P( N / A )=
negra suponiendo que tenga grabada una letra A.

S = Bolita con letra A = 8
A = Bolitas negras con letra A = 5
5
P( N A) 11 5
P( N / A )=
= =
P(A )
8 8
11
5
P( N / A )=
8
3.
P( A )=
Probabilidad de obtener una bolita con
la letra A.
A=
S=
P( A )=
4.
Bolitas con letra A = 8

Total de bolitas = 11
EA 8
=
S 11
P( A N) =
con la letra A y sea negra.
A=
S=
Bolitas negras con letra A = 5

Total de bolitas = 11
P( A )=
EA 5
=
S 11
P(B / A) =
5.
Probabilidad de B dado A.

suponiendo que tenga grabada la letra A.
A = Bolita con letra A = 8
B = Bolitas blancas con la con letra A = 3
P(B / A) =
blanca
3
8
3
P
E
8
3
11 3
P( A )= A = ; P( A B )= , P(B / A )= ( A B) = =
S 11
11
P( A)
8 8
11
Ej. No 2. Se lanza un dado cargado. Dado que el
resultado es un nmero par. Cul es la probabilidad de
que sea mayor que 3?
S = {1, 2, 3, 4, 5, 6} = Total de resultados del dado. = 6
A = {2, 4, 6} = Resultados pares = 3
B = {4, 5, 6} = Resultados mayores que 3 = 3
A
B = {4, 6} = Pares mayores que 3 = 2
P(B / A) =
Probabilidad de obtener un nmero mayor
que 3, dado que sea par.
2
P
3
3
2
6 2
P( A )= ; P(B) = ; P(A B) = , P(B / A) = ( A B ) = =
6
6
6
P(A )
3 3
6
Analizndolo de otro modo. S = {2, 4, 6}
S = 3 nmeros pares;
E = {4, 6} =Mayores que 3
=2
E 2
P( A )= =
S 3
REGLA DE LA MULTIPLICACION.
Ej. No1. Se sacan dos cartas simultneamente de una
baraja de 52 cartas. Cul es la probabilidad de que
ambos sean ases?
A = Primera carta As.
B = Segunda carta As.
E 4
E 3
P( A )= = ; P(B )= =
S 52
S 51
P( A ; A) =P( A ) . P(B)=
4 3
12
1
. =
=
52 51 2.652 221
Otro mtodo.
C(52,2)=
Combinaciones de grupos de dos cartas
diferentes.
S=C (52,2) =
C(4,2) =
n!
52 !
52 x 51 x 50 !
=
=
=1.326
50 ! x 2 !
(nr)! r ! (522) ! 2!
Combinaciones de grupos de dos, de 4
ases posibles.
E=C (4,2)=
n!
4!
4 x3 x2!
=
=
=6
( nr )! r ! (42)! 2! 2 ! x 2 !
E
6
1
P( A ; A) = =
=
S 1.326 221
Ej. No2. Una urna contiene 6 bolitas Blancas y 4 bolitas

Negras. Se extraen dos bolitas sucesivamente y sin
sustitucin. Hallar.
a. Probabilidad de que ambas bolitas sean blancas.
Como son 10 bolitas en total, pero Blancas B = 6 y
Negras N = 4
( 106 )( 59 )= 3090 = 13
P(2 B )=P(B 1) P(B 2) =
Otro mtodo.
El espacio muestral. Combinaciones de 10 en 2.
S=C (10,2) =
n!
10 !
10 x 9 x 8 !
=
=
=45
8! x 2!
(nr) ! r ! (102)! 2 !
El evento. Grupos de 2 bolitas blancas de las 6

posibles.
E=C (6,2)=
n!
6!
6 x 5x 4!
=
=
=15
(nr )! r ! (62) ! 2! 4 ! x 2 x 1
E 15 1
P(BB )= = =
S 45 3
b.
Probabilidad de que la primera sea blanca y la

segunda negra.
( 106 )( 49 )= 2490 = 154
P(1 B , 2 N )=P(B 1) P(B 2) =
Otro mtodo.
El espacio muestral. Variaciones de 10 en 2.
S=V (10,2)=
n!
10!
10 x 9 x 8 !
=
=
=90
8!
(nr )! (102) !
El evento. Grupos de 1 bolitas de 6 blancas y 1 de 4

Negras.
P(1 B)=C (6,1 )=
n!
6!
6 x5!
=
=
=6
(nr )! r ! (61)! 1 ! 5 ! x 1
P(2 N )=C(4,1)=
n!
4!
4 x3!
=
=
=4
( nr )! r ! (41) ! 1! 3 ! x 1
E 24 4
P(BB )= = =
S 90 15
c.
Probabilidad de que la primera sea negra y la

segunda blanca.
P(1 N ,2 B )=P(1 N) P(B 2)=
( 104 )( 69 )= 2490 = 154
Otro mtodo.
El espacio muestral. Variaciones de 10 en 2.
S=V (10,2)=
n!
10!
10 x 9 x 8 !
=
=
=90
8!
(nr )! (102) !
El evento. Grupos de 1 bolitas de 4 blancas y 1 de 6

negras.
P(1 N )=C(4,1)=
P(2 B)=C (6,1 )=
n!
4!
4 x3!
=
=
=4
( nr )! r ! (41)! 1! 3! x 1
n!
6!
6 x5!
=
=
=6
(nr )! r ! (61)! 1! 5 ! x 1
E 24 4
P(BB )= = =
S 90 15
d.
Probabilidad de que ambas bolitas sean negras.

Como son 10 bolitas en total, pero Blancas B = 6 y
Negras N = 4
( 104 )( 39 )= 1290 = 152
P(2 N )=P(N 1) P(N 2 )=
Otro mtodo.
El espacio muestral. Combinaciones de 10 en 2.
S=C (10,2) =
n!
10 !
10 x 9 x 8 !
=
=
=45
8! x 2!
(nr) ! r ! (102)! 2 !
El evento. Grupos de 2 bolitas blancas de las 6

posibles.
E=C (4,2)=
n!
4!
4 x3 x2!
=
=
=6
( nr ) ! r ! (42)! 2! 2! x 2 x 1
E 6
2
P( NN )= = =
S 45 15
Ej. No 3. Se extraen 3 cartas de una baraja de pker en
forma sucesiva y sin restitucin. Hallar la:
a. Probabilidad de que no haya ningn as entre las 3
cartas?
P(
=No se encuentreas enlas tres cartas .
A)
Como son 52 cartas en total, de las cuales 4 son as.

Quedan 48 cartas.
P(
b.
A)
48 47 46 103.776 4.324
x
x =
=
52 51 50 132.600 5.525
Las dos primeras sean As y la ltima Rey.
P(2 A , 1 R) =
c.
Probabilidad que solo las 2 primeras sean Ases..
P(2 A , 1C )=
d.
4 3
4
48
2
x
x =
=
52 51 50 132.600 5.525
4 3 48
576
24
x x =
=
52 51 50 132.600 5.525
Probabilidad de un As en la ltima salida.
P(2 A , 1C )=
48 47 4
9.024
376
x
x =
=
52 51 50 132.600 5.525
Ej. No3. De 100 personas que solicitaron empleo de

programacin de computadores en una Universidad
durante el ao pasado, 40 tenan experiencia anterior
(W). 30 tenan certificacin profesional . Sin embargo
20 de los solicitantes tenan experiencia anterior y un
certificado y se los incluye en ambos conteo.
a. Diagrama de Venn.
U
W
C
20
20
10
50
b.
Probabilidad de que un solicitante escogido

aleatoriamente tenga experiencia o certificacin.
P(W C) =
c.
20+ 20+10 50 1
=
= =0.5 50 5
100
100 2
Probabilidad de que un solicitante escogido

aleatoriamente tenga experiencia o certificacin
pero no ambas..
P(W CW C) =
d.
20+ 10 30
3
=
= =0.3 30
100
100 10
Probabilidad condicional de que un solicitante

escogido aleatoriamente tenga un certificado, dado
que tiene experiencia anterior.
20
P(C W) 100 20 1
P(C /W )=
=
= = =0.5 50
P(W )
40 40 2
100
Ej. No 4. De 12 CxC de un archivo financiero de una
empresa de zapatos, se examino que 4 contienen un
error de procedimiento al contabilizar los saldos.
1. Si un auditor selecciona aleatoriamente dos de
estas CXC (Sin reemplazo). Cul es la probabilidad
que ninguna
CXC contenga un error de
procedimiento de digitacin?
N = 12
Con error E = 4
Sin error SE =
8
56 14
= =0.4242 42.42
( 128 )( 117 )= 132
33
P(2 CXC SE )=
2.
Si el auditor muestrea 3 CXC. Cul es la

probabilidad de que ninguna de las CXC tenga un
error de procedimiento?
336 14
= =0.2545 25.45
( 128 )( 117 )( 106 )= 1320
55
P(3 CXC SE )=
3.
Si el auditor muestrea una sola CXC. Cul es la

probabilidad de que esta tenga error?
P(1 CXC SE )=
4.
4 1
= =0.3333 33.33
12 3
Probabilidad de que por lo menos una tenga error

de 2CXC auditadas:
P(1 E )=P(2 E) + P(1 E , 2 N )+ P(1 N ,2 E )
5.
P(1 E )=
4 3 4 8 8 4
12 32 32
x + x + x =
+
+
12 11 12 11 12 11 132 132 132
P(1 E )=
76 19
= =0.5757 57.57
132 33
Auditadas 3CXC. Cul es la probabilidad de que por

lo menos una tenga error.
P(1 E )=P(3 E )+ 3 P(2 E , 1 N )+3 P(1 E , 2 N )
P(1 E )=
4 3 2
4 3 8
4 8 7
+3 (
)+3 (
)=
12 11 10
12 11 10
12 11 10
24
288 672
984 41
+
+
=
= =0.7454 74.54
1320 1320 1320 1320 55
EJERCICIOS:
1. De los estudiantes de una Institucin, el 40% son
varones y el 4% son varones que estudian arte. Si
se elige uno al azar y este resulta ser un varn. Cul
es la probabilidad de que estudie arte?
V
36% A
2.
4%
60%
Una urna contiene 4 bolitas blancas y 3 rojas.

a. Si se sacan dos bolitas sin restitucin. Cul es la
probabilidad de que las 2 bolas sean blancas?
b. Probabilidad de que las dos bolitas sean rojas?
c. La probabilidad de que la primera sea blanca y
la segunda roja?
d. Se sacan dos bolitas con restitucin. Cul es la
probabilidad de que las dos sean blancas?
e. Se sacan dos bolitas con restitucin. Cul es la
probabilidad de que las dos sean Rojas?
f.
3.
Se sacan dos bolitas con restitucin. Cul es la

primera sea blanca y la segunda roja?
Tenemos dos urnas.
La primera Urna
U1
contiene 8 bolitas blancas y 2 negras y la urna
U2
, contiene 3 bolitas blancas y 7 negras. Se
elige una urna al azar y se saca una bolita de la

urna elegida. Si obtenemos un premio de $100.000
cuando la bolita es blanca. Cul es la probabilidad
de ganar en este juego?
P(B / U 1)
B=8
1
2
Urnas
N=2
B=3
N=7
P(B / U 2)
1
2
Existen dos maneras de ganar el juego.

1.
Si elige la
U1
y saca la bolita Blanca.
2.
Si elige la
U2
y saca la bolita Blanca.
3.
La tabla nos indica la descripcin de 200 personas

que entraron a un almacn de equipos de sonido,
de acuerdo al sexo y edad:
Homb Mujer
Total
re
< 30
60
50
110
> 30
80
10
90
Total
140
60
200
Determnese la:
1. Probabilidad de que una persona escogida
aleatoriamente del grupo sea un hombre menor de
30 aos?
2. Probabilidad de que al escoger una persona
aleatoriamente sea un hombre?
aleatoriamente sea menor de 30 aos dado que es
un hombre?
aleatoriamente del grupo sea una mujer menor de
30 aos?
5. Probabilidad de escoger aleatoriamente una
persona y sea mujer?
6. Probabilidad de escoger aleatoriamente una
persona y sea menor de 30 aos, dado que es una
mujer?
7. Probabilidad de escoger una persona mayor de 30
aos?
ESPERANZA MATEMATICA.
La esperanza matemtica o valor esperado de una
variable aleatoria discreta, es la suma del producto de
la probabilidad de cada suceso por el valor de dicho
suceso.
X i Pi= X 1 P1+ X 2 P2 +....+ X n Pn

n
E( x)=
i=1
Ej. No1. Consideremos en una tabla el nmero de caras

posibles que pueden aparecer cuando se lanzan 3
monedas.
No
RESU
L
CCC
CCS
CSC
SCC
SSC
SCS
CSS
SSS
CARA
S
3
2
2
2
1
1
1
0
PROB
1
1/8
2
1/8
3
1/8
4
1/8
5
1/8
6
1/8
7
1/8
8
1/8
TOTAL
8/8
Organizando la tabla de frecuencias de repitencia del
numero de caras.
Frecu
Prob
No
X
XP(x
Cara encia abilid
)
ad
1
2
3
4
Total
0
1
2
3
1
3
3
1
8
1/8
3/8
3/8
1/8
8/8
0*1/8
1*3/8
2*3/8
3*1/8
0
3/8
6/8
3/8
12/8
E(x)= x P( x)=1.5
El nmero de caras que aparecen en cada ensayo es 0,
1, 2, 3, esperamos obtener un promedio de 1.5 caras
por lanzamiento de las 3 monedas. Este es el llamado
Esperanza Matemtica.
El
nombre
de esperanza
matemtica y valor
esperado tienen su origen en los juegos de azar y hacen
referencia a la ganancia promedio esperada por un
jugador cuando hace un gran nmero de apuestas.
Si la esperanza matemtica es cero, E(x) = 0,
el juego es equitativo, es decir, no existe ventaja ni para
el jugador ni para la banca.
Ej. No2. Una caja contiene 3 bolitas negras y 7 blancas.
Se saca una bolita de la caja al azar; si esta es negra
gana $500, pero si es blanca pierde $300. Cul es la
esperanza matemtica de este juego?
No
1
2
X
Cantidad
500
-300
P(x)
X.P(x)
3/10
7/10
1500/10
-2100/10
-600/10
E(x)= x P( x)=60
La esperanza matemtica de este juego para el jugador,
es una perdida promedio de $60.
Ej. No 3. Una caja contiene 4 bolitas rojas, 6 negras y 8
verdes. Si se saca una bolita al azar de dicha caja:
a. Si esta es Roja, gana $3.000.
b. Si es Negra, gana $2.000.
c. Cuanto debera pagar Ud., si saca una bolita
verde para asegurar que el juego es equilibrado.
N = 4+6+8=18.
N
Bolita
1
2
3
Total
Roja
Negra
Verde
X
Gana/Pierde
3.000
2.000
X
P(x)
XP(x)
4/18
6/18
8/18
18/18
12000/18
12000/18
8X/18
La esperanza matemtica para un juego equitativo es

cero:
E(x)= x P( x)=
24000 8 X
+
=0
18
18
12000 12000 8 X
+
+
=0
18
18
18
24000+8 X =0
8 X =24000
X=
24.000
=3.000
8
Quiere decir que si ud. paga $3.000 cuando la bolita

extrada es verde, la esperanza matemtica del juego
es cero, por lo tanto Ni pierde, ni gana.
Ej. No 4. Un fabricante de TV, utiliza un cierto tipo de
componentes electrnicas en el montaje de TV a color.
Cada TV requiere de 6 tipos distintos de componentes.
Un componente defectuoso no puede ser detectado
hasta que el TV haya sido totalmente montado. El costo
de deteccin, reparacin y reposicin de un
componente defectuoso es de $ 15. El fabricante ha
estado comprando estos componentes en lotes de 100
a dos diferentes proveedores. El costo de compra por
lote al proveedor A es de $ 100 en tanto que el costo de
compra por lote al proveedor B es de $ 120. Basados en
experiencias anteriores, las calidades comparadas de
los lotes comprados a los dos proveedores son las
siguientes:
PROVEEDOR A
No
P(X)
Paga
Xp(X)
Componen
Defectuo
tes
so
Defectuosa
s
1
0.30
115
34.5
2
0.25
130
32.5
3
0.20
145
29
4
0.15
160
24
5
0.10
175
17.5
137.5
PROVEEDOR B
No
P(X)
Paga
XP(x)
Componen
Defectuos
tes
o
Defectuosa
s
1
0.60
135
81
2
0.30
150
45
3
0.10
165
16.5
142.5
A que proveedor deben comprrsele los componentes
electrnicos para minimizar el costo de estos?
El costo en cada lote A nos da:
100 + 1(15) = 115
100 + 2(15) = 100 + 30 = 130
100 + 3(15) = 100 + 45 = 145
100 + 4(15) = 100 + 60 = 160
100 + 5(15) = 100 + 75 = 175
El costo en cada lote B nos da:
120 + 1(15) = 120 + 15 = 135
120 + 2(15) = 120 + 30 = 150
120 + 3(15) = 120 + 45 = 165
Ej. No 5. Un comerciante estima las ventas diarias de un
cierto tipo de pan especial en la siguiente forma:
Vent
a
P(x)
X=4
X=5
X=6
xP(x)
0.50
100
85
70
50
42.5
35
4
0.40
100
125
110
40
50
44
5
0.10
100
125
150
10
12.5
15
6
100
105
94
total 1.00
El costo por unidad de hogaza de pan es $25 y el precio
de venta $50. El pan debe ser ordenado con un da de
anticipacin y cada unidad no vendida se entrega a una
Institucin de Beneficencia al precio de $10 por unidad.
Cuantas unidades debe ordenar el comerciante para
maximizar su utilidad esperada diariamente?
Tabla de clculos para la venta de pan y compra de
insumos.
CALCULO
4x504x25
4x504x26
4x504x27
5
6
CALCULO
100
100
100
4x505x25+1x1
0
5x505x25
5x505x25
CALCULO
85
4x506x25+2x10
70
5x506x25+1x10
110
6x50-6x25
150
12
5
12
5
Se deben realizar 5 rdenes para que la utilidad sea

maximizada y corresponde a $105.
DISTRIBUCION DE PROBABILIDAD.
Cuando se asignan valores de probabilidad a todos los
valores posibles de una variable aleatoria, sea por
inclusin en una lista o por funcin matemtica.
Ej. No1. La tabla nos ensea el nmero de camionetas
que fueron solicitadas en una agencia de alquiler
durante un periodo de 50 das.
N
o
X
Deman
da
DIA
S
PROBABIL
IDAD p(X)
XP(X
)
X2
X2P(
x)
0.18
0.54
0.56
49
2.24
12
1.20
25
6.00
14
1.68
36
10
1.40
49
10.0
8
9.80
0.64
64
5.12
TOTAL
50
3/50 =
0.06
7/50 =
0.14
12/50 =
0.24
14/50 =
0.28
10/50 =
0.20
4/50 =
0.08
1.00
5.66
La media aritmtica se llama,

Esperanza Matemtica.
valor
33.7
8
esperado
E(x)= X P( X )=5.66
La varianza de una variable aleatoria
calcula con respecto a
E(X )
V (X )
, se
como la media de la
distribucin de probabilidad:
V (X )= X 2 P(X ) (E ( X ))2
V (X )=33.78(5.66)2=33.7832.0356=1.7444
S= V (X ) = 1.7444=1.3207
La desviacin estndar de la muestra.
DISTRIBUCION BINOMIAL.
Se emplea para determinar la probabilidad de obtener
un nmero designado de xitos en un proceso.
Necesita conocer:
a. x = Numero de xitos
b. n = Numero de ensayos y observaciones.
c. P = Probabilidad de xitos en cada ensayo.
Se calcula por medio de la expresin:
P( x)=C(n , x) p x (1 p)nx
P( x)=
n!
px (1p)n x
x !(nx )!
Ej. No1. La probabilidad de que un presunto cliente

escogido aleatoriamente haga una compra es de 0.20.
Si un vendedor visita 6 presuntos clientes, la
probabilidad de que haga exactamente 4 ventas ser?
X=4
n=6
p = 0.20
P( x)=C(n , x) p x (1 p)nx
P( x=4)=C (6,4 ) (0.20)4 (10.20)64
P( x=4)=15 (0.20)4 (0.80)2
P( x=4)=15 ( 0.0016 )( 0.64 )=0.0153
La probabilidad de que el vendedor haga exactamente
4 ventas es de 0.0153. El porcentaje de hacer 4 ventas,
de 6 visitas es de 1.53%.
Ej. No 2. La probabilidad de que el vendedor haga
cuatro o ms ventas?
X=4
n=6
p = 0.20
P( X 4 )=P(X =4) + P(X =5) + P(X =6)

4
6 4
P( X 4 )=C(6,4)( 0.20) (10.20)
65
+ C(6,5) (0.20) (10.20)
C(6,4) ( 0.20) 4 (0.80)2+ C(6,5 ) (0.20)5 (0.80)1+ C(6,6 ) (0.20)6 (0.80)0

P( X 4 )=0.0153+0.001536+ 0.000064=0.01696
La probabilidad de que el vendedor haga 4 ventas o
ms es de 0.01696. El porcentaje de hacer mas de 4
ventas, de 6 visitas es de 1.69%.
Ej. No 3. Si la probabilidad de que un presunto cliente
escogido aleatoriamente haga una compra es 0.20, la
probabilidad de que un vendedor que visita a 15
presuntos clientes, haga menos de tres ventas es?
p = 0.20
n = 15
X=2
P( X <3) =P( X 2)=P(X =2) + P(X =1) + P(X =0)

x
nx
P( x)=C(n , x) p (1 p)
P( X <3) =C(15,2) 0.22 (10.2)152 +C(15,1) 0.21 (10.2)151 +C(15,0) 0.20 (10.2)150
P( X <3) =C(15,2) (0.20)2(0.80)13 +C(6,5) ( 0.20)1 (0.80)14 +C(6,6)( 0.20)0( 0.80)15
P( X <3) =0.23089+0.13194+ 0.03518=0.39801
El valor esperado o la media aritmtica es:
E(X )=n . p
La varianza:
V (X )=np(1 p)
La desviacin estndar.
S= V (X ) = np(1 p)
Ej. No 4. El numero de ventas esperadas (como un
promedio a largo plazo) y la varianza asociada con las
visitas a 15 presuntos clientes.
P = 0.20
n = 15
E(X )=n . p=15 ( 0.20 )=3 Ventas

V (X )=np ( 1p )=15 ( 0.20 ) ( 10.20 )=2.4
S= V (X ) = np(1 p)= 2.4=1.5491
66
+C(6,6) (0.20) (10.20)
DISTRIBUCION NORMAL.
Llamada distribucin Gaussiana o de Gauss.
Es una distribucin de probabilidad de variable continua
de un fenmeno real, que puede ser de:
Caractersticas de variables corporales o morfolgicas.
Estatura, peso.
Caractersticas
sociales.
Aceptacin,
ndice
de
confianza.
Caractersticas sociolgicas. Consumo. Etc.
Funcin de densidad
Se dice que una variable aleatoria continua X sigue una

distribucin normal de parmetros y y se denota
X~N(, ) si su funcin de densidad est dada por:
donde (mu) es la media y (sigma) es la desviacin

tpica (2 es la varianza)
Se llama distribucin normal "estndar" a aqulla en la
que:
1. sus parmetros toman los valores = 0 y = 1.
2. Variables asociadas a fenmenos naturales que
sigue un modelo normal de caractersticas:
i.
Morfolgicos. Talla, peso, dimetro, permetros.
ii.
Fisiolgicas. Cantidades suministradas de droga,
frmacos.
iii.
Sociolgicas. Evaluaciones, notas, consumos.
iv.
Psicolgicas. Grado de aceptacin, satisfaccin.
v.
Contables. Promedios, ventas, prstamos,
cantidades.
Es una probabilidad continua que es simtrica como
mesocurtica.
Grafica de la campana de Gauss

Importancia para la inferencia estadstica:
1. Las medidas producidas en muchos procesos
aleatorios siguen esta distribucin.
2. Las probabilidades normales pueden utilizarse
generalmente para aproximar otras distribuciones.
3. Las distribuciones de estadstica tales como la
media de la muestra y la proporcin de la muestra
siguen la distribucin normal, sin tener en cuenta la
distribucin de la poblacin.
1
f ( X )=
e
2
(x )
2
2
Donde los valores de las constantes y las variables:
=3.1416
e=2.7183
=Media aritmetica
=Desviacionestandar
1
z x
z=
1( x )
,Unidades tipificadas o es tandarizadas
Ej. No 1. Un industrial que recibe una remesa grande

de bombillos elctricos de 100 Watios. Suponiendo que
la vida til promedio de cada bombillo es de 900 horas,
con una desviacin estndar de 50 horas.
X =900 hrs , S=50 hrs
-3s
3s
750
1050
-2s
-1s
800
850
0
900
1s
2s
950
1000
Segn la distribucin de la grafica habr bombillas que

duraran 950 o 1.000 horas y otras que duraran 1.050 o
algunas otras menos, tales como 850, 800 horas, etc.
1. Qu porcentaje de bombillas tienen una duracin de
menos de 940 horas? Supngase que son 25.000
bombillas.
Hallamos las unidades estandarizadas, para
X i=940 Hrs
Para
encontrar
el
rea
correspondiente a este valor en la campana de

Gauss.
Z=
X i X 940900 40
=
= =0.80
S
50
50
A=0.78
81
-3s
3s
750
1050
-2s
-1s
800
850
0
900
1s
2s
950
1000
P ( X 940 )=P ( Z 0.80 ) =0.7881 78.81

CONCLUSION: El 78.81% de las bombillas tienen una
vida til promedio inferior a 940 hrs.
El numero de bombillas que cumplen la condicin de
tener menos de 940 hrs promedio de duracin son:
NB = NP = (25.000)(0.7881) = 19.702.5
En el pedido se podrn encontrar 19.703 bombillas con
una vida til inferior a 940 hrs.
2. Qu porcentaje de bombillas tiene duracin mayor o
igual a 820 hrs?
X i=820 Hrs
Para
encontrar
el
rea

Gauss.
Z=
X i X 820900 80
=
=
=1.60
S
50
50
A=0.94
52
-3s
3s
750
1050
-2s
-1s
800
850
0
900
1s
2s
950
1000
P ( X 820 ) =P ( Z 1.60 )=10.0548 0.9452=94.52

vida til promedio superior a 820 hrs.
tener ms de 820 hrs promedio de duracin son:
NB = NP = (25.000)(0.9452) = 23.630
una vida til superior o igual a 820 hrs.
3. Qu porcentaje de bombillas tienen una duracin de
menos de 865 horas?
X i=865 Hrs
Para
encontrar
el
rea

Gauss.
Z=
X i X 864.5900 35.5
=
=
=0.71
S
50
50
A=0.238
85
-3s
3s
750
1050
-2s
-1s
800
850
0
900
1s
2s
950
1000
P ( X <865 )=P ( Z<0.71 ) =0.23885 23.88

vida til promedio inferior a 865 hrs.
tener menos de 865 hrs promedio de duracin son:
NB = NP = (25.000)(0.23885) = 5.971.25 = 5.971
una vida til inferior a 865 hrs.
4. Qu porcentaje y el numero de bombillas tiene
duracin mayor a 990 hrs?
X i=990 Hrs
Para
encontrar
el
rea

Gauss.
Z=
X i X 990.5900 90.5
=
=
=1.81
S
50
50
A=0.035
15
-3s
3s
750
1050
-2s
-1s
800
850
0
900
1s
2s
950
1000
P ( X >990 ) =P ( Z> 1.81 )=10.96485 0.03515=3.51

vida til promedio superior a 990 hrs.
tener ms de 990 hrs promedio de duracin son:
NB = NP = (25.000)(0.03515) = 878.75 = 879
En el pedido se podrn encontrar 879 bombillas con una

vida til superior o igual a 990 hrs.
5. Qu probabilidad, porcentaje y numero de bombillas
tiene duracin mayor o igual a 870 hrs y menor
igual a 985 hrs?
X 1=870 Hrs
y para
X 2=985 Hrs
. Para
encontrar el rea correspondiente a este valor en la

campana de Gauss.
Z 1=
X 1 X 870900 30
=
=
=0.60
S
50
50
Z 2=
X 2 X 985900 85
=
= =1.70
S
50
50
A=0.955
43
A=0.274
25
-3s
3s
750
1050
-2s
-1s
800
850
0
900
1s
2s
950
1000
P ( 870 X 985 )=P (0.6 Z 1.7 ) =

A=0.955430.27425=0.68118=68.11
CONCLUSION:
La probabilidad de que una bombilla escogida
aleatoriamente tenga una duracin, comprendidas en el
[ 870 ; 985 ]
intervalo de vida til de
hrs es de
0.68118.
El 68.11% de las bombillas tienen una vida til
promedio comprendida entre 870 y 985 hrs.
tener vida til
[ 870 ; 985 ]
hrs promedio de duracin
son:
NB = NP = (25.000)(0.68118) = 17.029.60 =17.030
una
vida
til
comprendida
en
el
intervalo
[ 870 ; 985 ]
hrs.
El intervalo de bombillas con promedio de duracin

entre el intervalo
[ 870 ; 985 ]
hrs es de:
L1=N p 1=( 25.000 ) ( 0.27425 )=6.856 .25

L2=N p 2=( 25.000 ) ( 0.95543 )=23.635 .75
[ 6.856 .25; 23.635 .75 ]

Ej. No2. La distribucin normal de las edades de los
trabajadores de una industria, con media de 50 aos y
una desviacin estndar de la poblacin de 5 aos.
1. Cul es el porcentaje de trabajadores cuyas edades
estn entre 50 y 52.5 aos?
P ( 45 X 52.5 )
X =50 aos , S=5 aos
Hallamos
las
X 1=45 aos
unidades
y para
estandarizadas,
X 2=52.5 aos
para
. Para
campana de Gauss.
Z 1=
X 1 X 4550 5
=
= =1.0
S
5
5
Z 2=
X 2 X 52.550 2.5
=
=
=0.5
S
5
5
A=0.158
66
A=0.691
46
-3s
-2s
-1s
1s
35
40
45
50
2s
3s
55
60
65
P ( 45 X 52.5 )=P (1.0 Z 0.5 )=

A=0.691460.15866=0.5328=53.28
CONCLUSION.
El 53.28% de los trabajadores de la empresa estn en
una edad promedio comprendida en el intervalo:
[ 45 ; 52.5 ]
2.
aos.
Cul es la probabilidad de que un trabajador

cualquiera no sea mayor a 47 aos?
P ( X 47 )
Hallamos
las
X 1=47 aos
unidades
.
Para
estandarizadas,
para
encontrar
rea
el

Gauss.
Z 1=
X i X 4750 3
=
= =0.6
S
5
5
P ( X 47 )=P ( Z 0.6 )=0.27425=27.42

CONCLUSION:
El 27.42% de los trabajadores de la empresa tienen una
edad menor o igual a 47 aos.
Hay una probabilidad de 0.27425 de que un trabajador
cualquiera tenga una edad inferior o igual a 47 aos.
A=0.274
25
-3s
-2s
-1s
1s
35
40
45
50
2s
3s
55
60
65
3.
Cul es la probabilidad de que un trabajador tenga

edad comprendida entre 41 y 58 aos?
P ( 41 X 58 )
Hallamos
las
X 1=41 aos
unidades
y
para
estandarizadas,
X 2=58 aos
para
.
Para

campana de Gauss.
Z 1=
X 1 X 870900 30
=
=
=0.60
S
50
50
Z 2=
X 2 X 985900 85
=
= =1.70
S
50
50
A=0.274
25
A=0.955
43
-3s
-2s
-1s
35
40
45
50
1s
2s
3s
55
60
65
P ( 870 X 985 )=P (0.6 Z 1.7 ) =

A=0.955430.27425=0.68118=68.11
4.
Cul es el intervalo de edad para una poblacin

distribuida simtricamente con relacin a la media
aritmtica, del 80%.
A=0.100
00
A=0.900
00
80
-3s
-2s
-1s
1s
2s
3s
43.6
56.4
Este porcentaje equivale a una probabilidad de 0.8,

segn el rea en la campana de Gauss.
En los extremos quedan 2 reas iguales de 10%,
equivalente al 0.1 de probabilidad.
Segn la tabla para:
A1 = 0.1 Entonces el valor de Z1 = -1.28.
A2 = 0.9. Entonces el valor de Z2 = 1.28. Para estos
valores hallamos los lmites de los extremos Xi.
Como
Z=
X =50, S=5
X 1 X
S
Despejamos y obtenemos que:

Si Z1 = -1.28.
X i= X +SZ
X 1=50+ (5 ) (1.28)
X 1=506.4=43.6
Si Z2 = +1.28.
X 1=50+ (5 ) (+1.28)
X 1=50+ 6.4=56.4
El intervalo de las edades para el 80% de la
poblacin simtricamente distribuida es:
43.6 X i 56.4
O escrito de manera equivalente:
[ 43.6 ; 56.4 ] aos

5.
Si el 20% de los trabajadores estn bajo una cierta

edad. Cual es esta edad?
A=0.200
00
-3s
-2s
-1s
35
40
45
50
1s
2s
3s
55
60
65
El 20% de los empleados corresponden a una

probabilidad de 0.20 y en la campana de Gauss,
representa una rea de 0.20.
A = 0.20, segn la tabla el Z correspondiente es Z =
-0.85.
Hallamos el valor de la edad.
+SZ
X 1= X
X 1=50+ (5 ) (0.85)
X 1=504.25
X 1=45.75 aos
CONCLUSION:
Alrededor del 20% de los trabajadores tienen menos
de 45.75 aos.
Ej.: Si el 20% lo tomamos al final de la campana.
El rea de la grafica segn la tabla corresponde al 0.80
y el valor correspondiente Z = 0.85
El 20% de los trabajadores est por encima de cierta
edad.
A=0.274
25
-3s
-2s
-1s
35
40
45
50
1s
2s
3s
55
60
65
+SZ
X 1= X
X 1=50+ (5 ) (0.85)
X 1=50+ 4.25
X 1=54.25 aos
CONCLUSION:
Alrededor del 20% de los trabajadores tienen una
edad superior a 54.25 aos.
Ej. No3. En un regimiento de soldados la estatura
media es de 170 cm, si el 10% de estos soldados miden
ms de 175 cm. Suponiendo que las estaturas de los
soldados de este regimiento estn distribuidas
normalmente. Cul es la desviacin estndar?
X =170 cm
El 20% de los trabajadores est por encima de
cierta edad.
A=0.900
00
-3s
-2s
-1s
3s
170
P ( X 175 ) =0.10
1s
2s
Para la tabla tomamos una rea de la campana de A =

0.9000 y las unidades tipificadas correspondientes son
Z = 1.28.
Z=
X X
, despejando S
S
S=
X X 175170
=
=3.9062
Z
1.28
Ej. No4. En una empresa de empaques de sal de

cocina, se envasan en recipientes cuyo peso neto tiene
distribucin normal de 4.25 gr. Si el 15% de los frascos
tiene un peso mayor a 112 gr.
1. Cul es el peso medio de ellos?
X =? S=4.25 gr X 1 =112gr
cierta edad.
A=0.850
0
-3s
-2s
-1s
1s
2s
3s
170
Para la tabla tomamos una rea de la campana de A =

0.8500 y las unidades tipificadas correspondientes son
Z = 1.03.
X i= X +SZ despejamos X
X =X iSZ
X =112( 4.25 ) (1.03)

X =107.62 gr
2.
Los del 15% menos a que peso equivalen?
X i= X +SZ
X i=107.62( 1.03 ) (4.25)

X i=103.24 gr
Ej. No 5. Los pesos de 30 estudiantes de una
Universidad estn especificados en la siguiente tabla;
con edad promedio de 25 aos y una estatura de 172
cm. Se desea realizar un estudio antropomtrico de
cada uno de ellos y buenas condiciones de salud para
implementar
programas
de
atencin
a
los
Universitarios.
Hallar: Media aritmtica y desviacin estndar.
No
PESO
X i X
( X i X )2
1
2
3
4
5
6
7
8
9
10
52
60
75
100
93
98
59
72
65
64
-23,17
-15,17
-0,17
24,83
17,83
22,83
-16,17
-3,17
-10,17
-11,17
536,69
230,03
0,03
616,69
318,03
521,36
261,36
10,03
103,36
124,69
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
73
79
76
75
64
63
62
60
53
55
56
89
86
88
92
90
91
98
103
64
-2,17
3,83
0,83
-0,17
-11,17
-12,17
-13,17
-15,17
-22,17
-20,17
-19,17
13,83
10,83
12,83
16,83
14,83
15,83
22,83
27,83
-11,17
4,69
14,69
0,69
0,03
124,69
148,03
173,36
230,03
491,36
406,69
367,36
191,36
117,36
164,69
283,36
220,03
250,69
521,36
774,69
124,69
2.255
0,00
7.332,17
75,17
244,41
S
1.
2.
3.
15,63
La probabilidad y cantidad de estudiantes con peso

inferior a 60 Kgr., para establecer un programa por
intermedio de la EPS, en convenio con la Institucin
de P y P.
La probabilidad de que un estudiante tenga peso
superior a 87.
Si el peso ideal para los estudiantes, segn rangos
de la Sociedad Internacional de Salud (SIS) est en
el
58 x 90
intervalo
Kgr.:
Cual
es
la
probabilidad
de
escoger
aleatoriamente
un
estudiante en este peso, para su estudio?
4. Si los obesos o llamados con riesgos de salud es el
15% de los estudiantes. Cual sera este peso?
5. La poblacin distribuida simtricamente con
relacin a la media aritmtica, equivalente al 90% a
que intervalo corresponde?
EJERCICIOS:
1. El Gerente de produccin de una fabrica piensa que
la vida til de una maquina K est distribuida
normalmente, con una media de 3000 hrs. Si
adems, el gerente piensa que hay una probabilidad
0.50 de que la maquina dure menos de 2632 o ms
de 3.368 hrs? Cul ser su desviacin estndar?
El 50% tambin es de que la maquina K dure entre
[ 2632; 3368 ]
A
0.2500,
entonces
-0.67,
X =3000
Si X = 2632 evaluamos en:
cierta edad.
A=0.274
25
0
2632
+SZ
X 1= X
2632=3000+ (0.64 ) (S)
3368
2632=30000.64 S
0.64 S=30002632
0.64 S=368
368
=549.25
0.64
S=
2.
En la ciudad de Pereira se ha realizado un estudio

del comportamiento de la temperatura promedio
ambiente, y se estima que la temperatura mxima
en el mes de junio sigue una distribucin normal,
con media 23 y desviacin tpica 5. Calcular:
Recuerde que los datos del problema son:
x =23
1.
s=5
El nmero de das del mes en los que se espera

alcanzar temperaturas de ms de 21.
P( X >21 )
Hallamos las unidades estandarizadas.
z=
xi x 2123
=
=0.4
s
5
P( Z>0.4)
0.344
-4
-3
-2
-1 -0.4
13
18
23
28
38
33
43
El rea solicitada es la rayada con rojo, o sea
1P ( Z >0.4 )=10.3446=0.6554
Como el mes tiene 30 das comercialmente, se da

que:
30x0.6554 = 19.66 das = 20 das aproximados.
CONCLUSION: Durante 20 das del mes de Junio
tendremos la posibilidad de tener una temperatura
promedio superior a
21
Durante el 65.54% de das del mes de Junio tendremos
21
temperatura promedio superior a

2.
P( X >27 )
alcanzar menos de 27.
z=
xi x 2723
=
=0.8
s
5
P(Z> 0.8)
El rea solicitada es la rayada con rojo, o sea
P ( Z >0.8 )=0.7881

que:
30x
0.7881
0.788
= 23.64 das = 24 das aproximados.
-4
-3
-2
-1
0.8 1
13
18
23
38
28
33
43

promedio superior a
21
21
temperatura promedio superior a

3.
El nmero de das del mes de Junio en los que

se espera alcanzar mximas 21 y 27.
P(21 < X <27 )

z 1=
x i x 2123
=
=0.4
s
5
Representa una
rea 0.3446
z 2=
x i x 2723
=
=0.8
s
5
Representa una
rea 0.7881
0.344
0.788
-4
-3
-2
-1
-0.4
13
18
0.8 1
38
23
28
33
43
El rea solicitada es la rayada con rojo, o sea la

comprendida entre los dos valores de z
P (0.4 <Z <0.8 )=0.78810.3446=0.4435
El equivalente de 44.35%
que:
promedio entre
21
28

temperatura promedio entre
4.
21
28
El nmero de das del mes de Junio en los que

se espera alcanzar mximas entre 18.5 y
31.6.
P(18.5 < X <31.6 )
z 1=
x i x 18.623
=
=0.88
s
5
Representa
una rea 0.1894
z 2=
x i x 31.623
=
=1.72
s
5
Representa
una rea 0.9573
0.189
0.957
-4
-3
-2
-1 -0.88
1.72 2
4
3
38
13
18
23
28
33
43
El rea solicitada es la rayada con rojo, o sea la

comprendida entre los dos valores de z
P (0.88< Z <1.72 ) =0.95730.1894=0.7679

. El equivalente de 76.79%
que:
promedio entre
18.6
31.6

temperatura promedio entre
18.5
y 31.6
5.

alcanzar una temperatura de ms de 40.
6. El nmero de das del mes en los que se espera
alcanzar una temperatura de menos de 30.
7. El nmero de das del mes en los que se espera
alcanzar una temperatura mxima entre 10.2 y
28.7.
alcanzar una temperatura de menos de 30, pero mayor
que 15.3.
3. Un congresista de nuestro pas decide en su
proceder de apoyar o no un proyecto sobre
educacin pblica, con los resultados de una
encuesta hecha a unos ciudadanos de una
poblacin de 200 de los posibles votantes. El
congresista apoyara el proyecto solo si por lo menos
100 de los votantes estn a favor de l.
a. Cul es la probabilidad de que el congresista
apoye el proyecto si solo el 45% de todos los
votantes estn a favor de l?
n = 200
p = 0.45
Distribucin binomial.
Es una aproximacin de la distribucin normal
La media aritmtica es:
X ==np=200 ( 0.45 )=90Votantes
S= np (1 p)= 200 ( 0.45 ) (10.45)=7.03

CONCLUSION: El congresista apoyara el proyecto solo
cuando 100 o ms (100, 101, 102, 103, .., 2000)
votantes estn a favor de l.
Hallamos
las
unidades
estandarizadas
para
X 1=100
votantes, que es el mnimo de votantes
que debe haber votado por l.

A=0.922
20
-3s
-2s
-1s
1s
3s
90
Z=
X i X 10090
=
=1.42
S
7.03
Z = 1.42, entonces el rea es A = 0.92220
P ( X i 100 ) =P ( Z 1.42 )=10.92220=0.0778
2s
CONCLUSION: La probabilidad de que

apoye el proyecto es 0.0778.
Existe el 7.78% de posibilidades que
apoye el proyecto.
b. Cul es la probabilidad de que el
apoye el proyecto, si el 52%
votantes estn a favor de l?
n = 200
p = 0.52
Binomial.
La media aritmtica.
el congresista
el congresista
congresista no
de todos los
Distribucin
X ==np=200 ( 0.52 )=104 Votantes

S= np (1 p)= 200 ( 0.52 ) (10.52)=7.06

CONCLUSION: El congresista no apoyara el proyecto
solo cuando el numero de congresistas que apoyan el
proyecto es menos de 100 o ms (99, 98, 97, 96, ..,
1) votantes.
Hallamos
las
unidades
estandarizadas
para
X 1=99.5
votantes, que es el mnimo de votantes
que debe haber votado por l.

A=0.264
35
-3s
-2s
-1s
1s
2s
3s
104
X X 99.590
Z= i
=
=0.63
S
7.06
Z = -0.63, entonces el rea es A = 0.26435
P ( X i <100 ) =P ( Z<0.63 )=0.26435

CONCLUSION: La probabilidad de que el congresista no
apoye el proyecto de educcin es 0.26435.
Existe el 26.43% de posibilidades que el congresista no
apoye el proyecto.
4. La probabilidad de que un riflero de en el blanco con
un tiro es 0.4.
a. Cul es la probabilidad de que falle en 4 tiros
consecutivos?
p = 0.4
n=4
q = 1 p = 1 0.4 =
0.6
P ( x=4 )=P ( 4 )+ P ( 3 ) + P ( 2 ) + P(1)
P ( 4 )=q n=( 0.6) 4=0.1296

Otra forma de resolverlo
P ( x=4 )=C(4,4) 0.6 4 (10.6)0

b.
Cul es la probabilidad de que el deportista de

en el blanco al menos una vez en 4 tiros
consecutivos.
P (1 B )=P(1 B)+ P(2 B)+ P (3 B)+ P(4 B)

n=4 X=1 p=0.4
P=C(n , X ) p X (1 p) nX
1
41
P (1 B )=C(4,1 ) 0.4 (10.4 )
42
+ C(4,2) 0.4 (10.4)
C(4,3) 0.4 3 (10.4) 43+ C(4,4) 0.4 4 (10.4)44

0.4
0.4
P (1 B )=4
P (1 B )=0.3456+ 0.3456+0.1536+0.0256=0.8704
c.
Cuantos tiros debe disparar para tener una

seguridad aproximada de 0.9517 de dar en el
blanco por lo menos 1 vez.
La probabilidad de que las falle todas es 1 0.95.
P ( X )=(1 p)n=0.05
(10.4 )n=0.05
(0.6)n=0.05
log 0.6n =log 0.05
n log 0.6=log 0.05
n=
log0.05 1.3010
=
=5.86
log0.6 0.2218
EJERCICIO No 1.
Qu pasara si los dados estn identificados
posiblemente con un color, en el cual uno es verde y el
otro es rojo.
1. Cul sera el espacio muestral.
S = {(1,1), (1,2), (1,3), (1,4), (1,5), (1,6),
(6,6)} = 36
2. Probabilidad de que la suma sea 6.
E={(1,5), (2,4), (3,3), (4,2), (5,1)} = 5
E 5
P( A )= = =0.1388 13.88
S 36
3.
Probabilidad de que la suma de los dados sea 5.

E = {(1,4), (2,3), (3,2), (4,1)} = 4
E 4
P( A )= = =0.1111 11.11
S 36
4.
Probabilidad de que ambos sean iguales (pares

o cenas).
E = {(1,1), (2,2), (3,3), (4,4), (5,5), (6,6)} = 6
E 6
P( A )= = =0.1666 16.66
S 36
5.
Probabilidad de que la suma sea 7.

E= {(1,6), (2,5),(3,4), (4,3), (5,2), (6,1)} = 6
E 6
P( A )= = =0.1666 16.66
S 36
6.
La probabilidad de que la suma de los dados

sea par.
E = {(1,1), (1,3), (1,5), (2,2), (2,4), (2,6), (3,1),
(3,3), (3,5), (4,2), (4,3), (4,5), (5,1), (5,3), (5,5),
(6,2), (6,4), (6,6)} = 18
E 18
P( A )= = =0.5000 50
S 36
7.
La probabilidad de que los dos dados sean

nmeros impares.
E = {(1,1), (1,3), (1,5), (2,6), (3,1), (3,3), (3,5),
(5,1), (5,3), (5,5)} = 10
E 10
P( E)= = =0.2777 27.77
S 36
8.
La probabilidad de que uno de los dados sea un

nmero impar.
E = {(1,1), (1,2), (1,3), (1,4), (1,5), (1,6), (2,1),
(2,3), (2,5), (3,1), (3,2), (3,3), (3,4), (3,5), (3,6),
(4,1), (4,3), (4,5), (5,1), (5,2), (5,3), (5,4), (5,5),
(5,6), (6,1), (6,3), (6,5)} = 27
E 27
P( E)= = =0.7500 75
S 36
9.
Compare los resultados y que concluye.

Diferentes resultados.
EJEMPLO No 6. Seleccinese una carta al azar de una
baraja Espaola corriente de 52 cartas. Determnese la
probabilidad de:
1. Que al sacar una carta sea una espada. Evento
A
2. Que sea una figura, J, Q, K. Evento B
3.
Hallar la P(A) - P(B) - P(AUB) - P(A
B)
El evento A = {As, 2, 3, 4, 5, 6, 7, 8, 9, 10, J, Q, K }.

Tenemos que son 13 cartas diferentes de espadas, de
un total de 52 cartas de la baraja.
13
52
P(A) =
1
4
= 0.25 = 25%
El evento B = {Que sea una figura}. Las figuras que se

encuentran en la baraja son:
ESPADAS: J Q K
COPAS: J Q K
OROS: J Q K
BASTOS: J Q K
El total de cartas son 12 posibles, de un total de 52
cartas.
12
52
P(B) =
A
3
13
= 0.2307 = 23.07%
B = {Que la carta sea una Espada y Figura}. Son
un total de 3 cartas de 52 posibles.

P(A
B)
3
52
= 0.0576 = 5.76%
AUB = {Sea Espada o Figura}.

ESPADA: As, 2, 3, 4, 5, 6, 7, 8, 9, 10, J, Q, K
OROS: J, Q, K
ESPADAS: J, Q, K
BASTOS: J, Q, K
Hay un total de 22 posibilidades de un total de 52
cartas.
P(AUB) =
22
52
11
26
= 0.4230 = 42.30%
EJERCICIOS:
1. Sean 2 Boliches escogidos al azar de un grupo de
12, de los cuales 4 de estos son o estn en mal
estado y sea:
A={Dos boliches en mal estado} = 2
B={Dos boliches en buen estado} = 2
1. El espacio muestral sern los posibles grupos de
2 boliches que se pueden formar de los 12
posibles.
C(12,2)=
2.
12!
12!
12 x 11 x 10 ! 12 x 11
=
=
=
=66
2 x1
( 122 ) ! 2! 10 ! 2 ! 10 ! x 2 x 1
De los 4 boliches en mal estado se pueden

formar grupos de 2 boliches.
C(4,2) =
4!
4!
4 x3 x2! 4 x3
=
=
=
=6
( 42 ) ! 2 ! 2! 2! 2! x 2 x 1 2 x 1
3.
La probabilidad de A ser: P(A) =
4.
De los 8 boliches en buen estado se pueden

formar grupos de 2 boliches.
E 6
1
P( A )= = = =0.0909 9.09
S 66 11
C(8,2)=
8!
8!
8 x7 x6! 8x 7
=
=
=
=28
6
!
2
!
6! x2 x1 2x 1
( 82 ) ! 2 !
5.
La probabilidad de B ser: P(B) =
6.
Probabilidad de que por lo menos un boliche

este en mal estado.
Halla uno malo o halla dos malos.
E 28 14
P( A )= = = =0.4242 42.42
S 66 33
C(4,1) C(12,1) +C(4,2)=4 x 12+ 6=48+6=54

C(4,1) =
4!
4!
4 x 3! 4
=
=
= =4
( 41 ) ! 1 ! 3 ! x 1! 3! x 1! 1
C(12,1)=
12!
12 !
12 x 11 ! 12
=
=
= =12
( 121 ) ! 1! 11 ! x 1 ! 11 ! x 1! 1
E 54 9
P( A )= = = =0.8181 81.81
S 66 11
EJERCICIOS:
1. Una moneda est cargada (aumentada de peso) de
modo que la posibilidad de salir cara (C), sea el
doble que la de salir el sello (S). Hallar la
probabilidad P(C) y P(S).
La probabilidad de salir cara es el doble de la de
salir sello.
P(C) =2 P(S )
Por el teorema fundamental de la probabilidad,

tenemos que:
P(C) + P(S) =1
2 P(S )+ P(S )=1

3 P(S )=1
Despejando la
P(S )=
P(S )
, tenemos que:
1
3
Como la probabilidad de
P(C) =2 P(S )=2

2.
( 13 )= 23
Sea un dado cargado tal que la probabilidad de salir

un numero cuando es lanzado el dado es
proporcional a dicho numero (Por ejemplo la
probabilidad de salir 3 es la mitad de salir 6). Sea
A={Un numero par}
B={Numero primo}
C={Nmero impar}
D={Numero par y primo}
E={Nmero impar y primo}.
La probabilidad de salir cada nmero es:
P(1) =p , P(2 )=2 p , P(3 )=3 p , P(4) =4 p , P(5) =5 p , P(6 )=6 p
Por teorema fundamental de probabilidad, tenemos

que:
P(1) + P(2)+ P(3) + P(4) + P(5 )+ P(6)=1
p+2 p+3 p+ 4 p+5 p +6 p=1
21 p=1
p=
1
21
a.) El evento A={2,4,6}
P( A )=P(2)+ P(4 )+ P(6) =2
( 211 )+ 4 ( 211 )+ 6( 211 )
2 4 6 2+ 4+6 12
+ + =
=
21 21 21
21
21
b.) El evento B={3,5}
P(B )=P(3) + P(5) =3
( 211 )+5( 211 )
3 5 3+5 8
+ =
=
21 21 21 21
c.) El evento numero C={1,3,5}
P(C) =P(1) + P(3 )+ P(5)=
( 211 )+3( 211 )+5( 211 )
1 3 5
9 3
+ + = =
21 21 21 21 7
d.) El evento D={2}
P( D) =P(2)=2
3.
( 211 )= 212
Determnese la probabilidad p de cada uno de los

siguientes eventos finitos equiprobables.
1. Que salga un nmero par al lanzar un dado
normal.
Hallamos el espacio muestral:
S= {1,2,3,4,5,6 }=6
El evento es {2,4,6} = 3
La probabilidad es:
E 3
P( par) = = =0.5 50
S 6
2.
Que resulte un Rey al sacar una carta de una

baraja Espaola.
El espacio muestral es la baraja espaola, que
tiene en cada pinta:
As, 2, 3, 4, 5, 6, 7, 8, 9, sota, caballo y rey.
Son cuatro pintas: Oros, copas, espadas y
bastos.
S = 48
El evento es: Hay 4 reyes, uno por cada pinta.
E=4
E 4
P( Rey)= = =0.0833=8.33
S 48
3.
Que aparezca por lo menos un sello al lanzar

tres monedas normales.
S = {CCC, CCS, SSC, SSS} = 4
E = {CCS, SSC, SSS} = 3
E 3
P(UNS )= = =0.75 75
S 4
4.
Sacar un 4 en una baraja de pker.

Espacio muestral.
4 pintas: Trbol, pica, corazones y diamantes.
As, 2, 3, 4, 5, 6, 7, 8, 9, 10, J, Q, K., Son 13
cartas por pinta.
S = 13x4 = 52
El evento:
Hay 4 cuatros en la baraja de pker.
E=4
E 4
P(4 )= = =0.0769 7.69
S 52
5.
Que resulte una figura al sacar una carta de una

baraja de Pker.
S = 52
E = 3x4 = 12
E 12
P( FIGURA)= = =0.2307 23.07
S 52
6.
Que aparezca una bola blanca al sacar una sola

bola de una urna que contiene 4 blancas, 3
rojas y 5 bolas azules.
S = Todas las bolas = 4+3+5 = 12
E = Las bolas blancas = 4
E 4
P(blanca )= = =0.3333 33.33
S 12
7.
Sacar un As de una baraja Espaola, en un solo

intento en una carta.
S = Todas las cartas = 4pintas x 12 cartas = 48
E = Las pintas x As = 4x1 = 4
E 4
P( AS) = = =0.0833 8.33
S 48
4.
Se sacan dos cartas al azar de una barja Espaola.

Hallar la probabilidad p de que:
1. Las dos cartas escogidas sean Espadas.
S = Grupos de a dos, formados de las 48 cartas.
C(48,2)=
48 !
48 !
48 x 47 x 46 !
=
=
28
46 ! x 2 !
( 482 ) ! 2! 46 ! 2!
48 x 47
=1.1
2 x1
E = Grupos formados de a dos cartas de las 12

espadas.
C(12,2)=
12!
12!
12 x 11 x 10 !
=
=
10 ! x 2 !
( 122 ) ! 2! 10 ! x 2 !
12 x 11
=66
2 x1
E
66
P(2 espadas) = =
=0.0585 5.85
S 1.128
2.
Las dos cartas escogidas al azar sean el mismo

nmero.
S = 1.128
E = Grupos de 4(As)+Grupos de 4(2)+
+Grupos de 4(Reyes)=
12C (4,2)=12
12
4!
4!
=12
=
2! x 2!
( 42 ) ! x 2!
4 x3 x2 x1
=12 x 6=72
2x 1x 2x1
E
72
P(2 iguales)= =
=0.0638 6.38
S 1.128
3.
Las dos cartas sean figuras.

E = 3 Figuras x 4 pintas = 3x4 = 12. Formar
grupos de 2 cartas.
C(12,2)=
12!
12!
12 x 11 x 10 ! 12 x 11
=
=
=
=66
10
!
x
2
!
10 ! x 2 !
2x 1
( 122 ) ! 2!
E
66
P(2 figuras)= =
=0.0585=5.85
S 1.128
4.
La una sea Espada y la otra Bastos.

E = De cada pinta se escoge de una.
C(12,1)=
12!
12 !
12 x 11 ! 12
=
=
= =12
( 121 ) ! 1! 11 ! x 1 ! 11 ! x 1! 1
= 12x12 = 144
E 144
P( Espadaybasto)= =
=0.1276=12.76
S 1.128
5.
Las dos sean Ases.

E = Grupos de a dos ases.
C(4,2) =
4!
4!
4 x 3 x 2! 4 x 3
=
=
=
=6
2 x1
( 42 ) ! 2 ! 2! x 2 ! 2! x 2!
E
6
P(2 ases)= =
=0.0053=0.53
S 1.128
6.
Las dos sean Oros o Figuras.

E= Los grupos de a dos Oros + Grupos de 2
figuras.
C(10,2)=
10!
10 !
10 x 9 x 8 ! 10 x 9
=
=
=
=45
8 ! x 2!
2 x1
( 102 ) ! 2! 8! x 2!
C(12,2)=
12!
12!
12 x 11 x 10 ! 132
=
=
=
=66
10! x 2 x 1
2
( 122 ) ! 2! 10 ! x 2 !
E = 45+66 = 111
E
111
P(2 O , 2 F )= =
=0.0984=9.84
S 1.128
5.
De una baraja de 48 cartas se extrae

simultneamente dos de ellas. Calcular la
probabilidad de que:
Hallamos el espacio muestral. Grupos de r=2 cartas
de n=48 posibles.
S=C (48,2 )=
1.
48 !
48!
48 x 47 x 46 ! 48 x 47
=
=
=
=1.128
46! x 2!
2 x1
( 482 ) ! 2 ! 46 ! 2 !
Las dos Sean copas.

El evento. Son grupos de r=2, de n=12 posibles.
C(12,2)=
12!
12!
12 x 11 x 10 ! 12 x 11
=
=
=
=66
10
!
x
2
!
10 ! x 2 !
2x 1
( 122 ) ! 2!
E
66
P(2 C)= =
=0.0585=5.85
S 1.128
2.
Al menos una sea copas.

E=Grupos de r=2 cartas en orden, de n=12
posibles.
E= Las dos sean copas + Una copa y otra
cualquiera.
C(12,2)=
12!
12!
12 x 11 x 10 ! 12 x 11
=
=
=
=66
10 ! x 2 !
2x 1
( 122 ) ! 2! 10 ! x 2 !
C(12,1)=
12!
12 !
12 x 11 ! 12
=
=
= =12
( 121 ) ! 1! 11 ! x 1 ! 11 ! x 1! 1
C(36,1)=
36 !
36 !
36 x 35! 36
=
=
= =36
( 361 ) ! 1 ! 35! x 1! 35 ! x 1 ! 1
E = 66+12x36 = 66+432 = 498
E 498
P( ALMENOS 1 C) = =
=0.4414=44.14
S 1.128
3.
Una sea copa y la otra espada.

E = (Copa, Espada).
Se cumple para cada una de las pintas.
C(12,1)=
12!
12 !
12 x 11 ! 12
=
=
= =12
( 121 ) ! 1! 11 ! x 1 ! 11 ! x 1! 1
E= 12x12 = 144 = 288
E 144
P(COPA , ESPADA )= =
=0.0124=1.24
S 1.128
6.
Una clase est formada por 10 chicos y 10 chicas; la

mitad de las chicas y la mitad de los chicos Han
elegido francs como asignatura optativa.
Organizamos un diagrama de Venn que nos muestre
la situacin de los estudiantes
El espacio muestral del problema.

E = Chicos + Chicas = 10 + 10 = 20
1. Cul es la probabilidad de que una persona
elegida al azar sea chico o estudio francs?
El evento es: Chico o Estudie francs.
E = 10 + 5 Chicas que estudian francs = 15
E 15
P( H o F )= = =0.75=75
S 20
2.
Y la probabilidad de que sea chica y no estudi

francs?
E = 5 chicas que no estudian francs.
P( M o
7.
E 5
= = =0.25=25
S 20
F)
En una ciudad, el 40% de la poblacin tiene cabellos

castaos, el 25% tiene ojos castaos y el 15% tiene
cabellos y ojos castaos. Se escoge una persona al
azar:
Se hace el llenado de la tabla para determinar el
espacio muestral y el evento.
C No
C.C
T
C
OC
15
10
25
O No
25
50
75
C
T
40
60
100
1. Si tiene los cabellos castaos, cul es la
probabilidad de que tenga tambin ojos
castaos?
E 15
P(OC /CC )= = =0.375=37.5
S 40
2.
Si tiene ojos castaos, cul es la probabilidad

de que no tenga cabellos castaos?
P(
3.
Cul es la probabilidad de que no tenga

cabellos ni ojos castaos?
P(
8.
E 10
= = =0.400=40
S 25
CC /OC )
E 50
= =
=0.500=50
S 100
CC , OC )
Hallar la probabilidad de que al lanzar al aire dos

monedas diferentes, salgan:
El espacio muestral de lanzar las dos monedas.
S = {CC, SS, CS, SC} = 4
1. Dos caras.
E = {CC} = 1
E 1
P(2 C)= = =0.250=25
S 4
2. Dos sellos.
E = {SS} = 1
E 1
P(2 S )= = =0.250=25
S 4
3.
Una cara y un sello.
E = {CS, SC} = 2
E 2
P(2 C)= = =0.50=50
S 4
9.
10.
11.
12.
13.
Hallar la probabilidad de que al levantar unas fichas

de domin se obtenga un nmero de puntos mayor
que 9 o que sea mltiplo de 4.
Un dado est trucado, de forma que las
probabilidades de obtener las distintas caras son
proporcionales a los nmeros de estas. Hallar:
1. La probabilidad de obtener el 6 en un
lanzamiento.
2. La probabilidad de conseguir un nmero impar
en un lanzamiento.
Se lanzan dos dados al aire y se anota la suma de
los puntos obtenidos. Se pide:
1. La probabilidad de que salga el 7.
2. La probabilidad de que el nmero obtenido sea
par.
3. La probabilidad de que el nmero sea mltiplo
de tres.
Se lanzan tres dados. Encontrar la probabilidad de
que:
1. Salga 6 en todos.
2. Los puntos obtenidos sumen 7.
Busca la probabilidad de que al echar un dado al
aire, salga:
El espacio muestral es:
S ={1, 2, 3, 4, 5, 6}
1. Un nmero par.
E = {2, 4, 6} entonces 3.
E 3
P( PAR)= = =0.5=50
S 6
2. Un mltiplo de tres.
E = {3, 6} entonces 2.
E 2
P( PAR)= = =0.6666=66.66
S 6
3. Mayor que cuatro.
E = {5, 6} entonces 2.
E 2
P( MAYOR A 4) = = =0.6666=66.66
S 6
4. Menor que 4.
E = {1, 2, 3} entonces 3.
E 3
P( MENOR) = = =0.5=50
S 6
5. Mltiplo de tres, en pares.
E = {6} entonces 1.
E 1
P( MULT 3 EN PARES )= = =0.1666=16.66
S 6
14. Se sacan dos bolas de una urna que se compone de
una bola blanca, otra roja, otra verde y otra negra.
Describir el espacio muestral cuando:
1. La primera bola se devuelve a la urna antes de
sacar la segunda.
El espacio muestral est formado por todas las
posibilidades que existen de combinar dos bolas.
S= {BB, BR, BV, BN, RB, RR, RV, RN, VB, VR, VV, VN,
NB, NR, NV, NN} = 16
a. Probabilidad que las sacadas sean iguales.
El evento.
E = {BB, RR, VV, NN} = 4
E 4
P(iguales) = = =0.250=25
S 16
b.
Probabilidad
diferentes.
El evento.
que
las
sacadas
sean
E = {BR, BV, BN, RB, RV, RN, VB, VR, VN, NB, NR,
NV} = 12
E 12
P(iguales) = = =0.750=75
S 16
2. La primera bola no se devuelve.
El espacio muestral est formado por todas las
posibilidades que existen de combinar dos bolas.
S= {BR, BV, BN, RB, RV, RN, VB, VR, VN, NB, NR,
NV} = 12
a. Probabilidad que las sacadas sean iguales.
El evento.
E={}=0
E 0
P(iguales) = = =0.000=0
S 16
b.
Probabilidad
que
las
sacadas
sean
diferentes.
El evento.
E = {BR, BV, BN, RB, RV, RN, VB, VR, VN, NB, NR,
NV} = 12
E 12
P(iguales) = = =1.00=100
S 12
15. Una urna tiene 8 bolas rojas, 5 amarilla y 7 verdes.
Se extrae una al azar, Cual es la probabilidad de
que:
Espacio muestral es la suma de todas las bolas.
S = 8+5+7 = 20
1. Sea roja.
E=8
E 8
P( ROJA) = = =0.40=40
S 20
2.
Sea verde.
E=7
E 7
P(VERDE)= = =0.350=35
S 20
3.
Sea amarilla.
E=5
E 5
P( ROJA) = = =0.25=25
S 20
4.
No sea roja.
E = Son amarillas o verdes = 5 + 7 = 12
P(
5.
E 12
= = =0.60=60
S 20
ROJA )
No sea amarilla.
E = Que sea verde o roja = 8 + 7 = 15
E 15
P( ROJA) = = =0.750=75
S 20
16. Una urna contiene 3 bolas rojas y 7 blancas. Se

extraen dos bolas al azar. Escribir el espacio
muestral y hallar la probabilidad de:
S = {RR, RB, BB, BR},
1. Extraer
las
dos
bolas
Rojas
con
reemplazamiento.
P( RR)=
2.
Extraer
las
dos
reemplazamiento.
P( RR)=
3.
( 103 )( 103 )= 1009 =0.09

bolas
Blancas
con
49
=0.49
( 107 )( 107 )= 100
Extraer una bola Roja y otra Blanca con

reemplazamiento.
P( RB)=
4.
21
=0.21
( 103 )( 107 )= 100
Extraer una bola Blanca y otra Roja con

reemplazamiento.
P( RR)=
5.
21
=0.21
( 107 )( 103 )= 100
Extraer
las
dos
reemplazamiento.
P( RR)=
6.
7.
8.
bolas
Blancas
sin
Roja
otra
Blanca
sin
( 103 )( 79 )= 9021 =0.233
Extraer una bola

reemplazamiento.
P( RR)=
sin
( 107 )( 69 )= 4290 =0.466
Extraer una bola

reemplazamiento.
P( RB)=
Rojas
( 103 )( 29 )= 906 =0.066
Extraer
las
dos
reemplazamiento.
P( RR)=
bolas
Blanca
otra
Roja
sin
( 107 )( 39 )= 2190 =0.233
17. Se extraen cinco cartas de una baraja de 52. Hallar

la probabilidad de extraer:
El espacio muestral sern todos los grupos de r=5
cartas de n=52 posibles.
S=C (52,5) =
52!
52!
=
47
!x5!
( 525 ) ! x 5 !
52 x 51 x 50 x 49 x 48 x 47 !
47 ! x 5 x 4 x 3 x 2 x 1
311.875 .200
=2.598.960
120
1.
4 ases.
E=
C(4,4) x C (48,1)=1 x 48=48

C(4,4 )=
C(48,1)=
4!
4!
=
=1
( 44 ) ! x 4 ! 0 ! x 4 !
48!
48 !
48 x 47 !
=
=
=48
( 481 ) ! x 1! 47 ! x 1 ! 47 ! x 1 !
E
48
1
P(4 A )= =
=
=0.000018
S 2.598 .960 54.146
2.
4 ases y un rey.
E=
C(4,4) x C (4,1)=1 x 4=4

C(4,4 )=
C(4,1) =
4!
4!
=
=1
( 44 ) ! x 4 ! 0 ! x 4 !
4!
4!
4 x 3!
=
=
=4
3
!
x
1
!
3
! x1!
( 41 ) ! x 1!
E
4
1
P(4 A )= =
=
=0.0000015
S 2.598 .960 649.740
3.
3 cincos y 2 sotas.
E=
C(4,3) x C (4,2)=4 x 6=24

C(4,3) =
C(4,2) =
4!
4!
4 x 3!
=
=
=4
1!
x
3!
1
! x3!
( 43 ) ! x 3 !
4!
4!
4 x3 x2!
=
=
=6
( 42 ) ! x 2! 2 ! x 2 ! 2 ! x 2 !
E
24
1
P(4 A )= =
=
=0.0000092
S 2.598 .960 108.290
4.
Un 9, 10, sota, caballo y rey en cualquier orden.
E=C (4,1) x C(4,1) x C(4,1 ) x C(4,1) x C(4,1) =4 x 4 x 4 x 4 x 4=1024

C(4,1) =
4!
4!
4 x 3!
=
=
=4
( 41 ) ! x 1! 3 ! x 1 ! 3 ! x 1
E
1024
1
P(4 A )= =
=
=0.000394
S 2.598 .960 162.435
5. 3 de un palo cualquiera y 2 de otro.
Hay 4 formas de elegir el primer palo y 3 de elegir
el segundo palo.
E=4 C(13,3) x 3 xC(13,2)=4 x 286 x 3 x 78=267.696

C(13,3)=
13 !
13 !
13 x 12 x 11 x 10!
=
=
=286
10 ! x 3 x 2
( 133 ) ! x 3! 10 ! x 3 !
C(13,2)=
13 !
13 !
13 x 12 x 11 !
=
=
=78
11 ! x 2!
( 132 ) ! x 2 ! 11 ! x 2 !
E
267.696
429
P(4 A )= =
=
=0.103
S 2.598 .960 4.165
6. Al menos un as.
Sera igual a 1 los que no tienen ningn as.
E
2.598 .960C(48,5) =2.598 .9601.712 .304=886.656

C(48,5)=
48 !
48 !
48 x 47 x 46 x 45 x 44 x 43!
=
=
=
43 ! x 5 x 4 x 3 x 2
( 485 ) ! x 5 ! 43 ! x 5!
1.712.304
E
886.656
18.472
P(4 A )= =
=
=0.3411
S 2.598 .960 54.145
18. Se dispone de tres cajas con bombillas. La primera
contiene 12 bombillas, de las cuales hay cinco
fundidas; en la segunda hay ocho bombillas,
estando tres de ellas fundida, y la tercera caja hay
cinco bombillas fundidas de un total de quince.
Cul es la probabilidad de que al tomar una
bombilla al azar de una cualquiera de las cajas?
CAJA
1-12
URN
A
CAJA
2-8
CAJA
3-15
1.
5
1
0
1 5
5
=
3 12 36
( )
1 5
5
=
3 8 24
()
1 3
3 1
= =
3 8 24 8
()
1 5
1 3 1 5
5 3 5 3
+
+
= + + =
3 12 3 8 3 15 36 24 45 8
( ) () ( )

bombilla al azar de una cualquiera de las cajas,
est buena?
P (CB ) =
6.
F
B

est fundida?
P (CF )=
5.
3
5

bombilla al azar de la segunda caja, est
fundida?
P ( C 2 F )=
4.
F
B

bombilla al azar de la segunda caja, est
buena?
P (C 2 B ) =
3.
5
7

bombilla al azar de la primera caja, est
fundida?
P ( C 1 F )=
2.
F
B
1 7
1 5 1 10
7 5 10 5
+
+
= + + =
3 12 3 8 3 15 36 24 45 8
( ) () ( )

est buena o est fundida?
3 5 8
P (CFOCB )= + = =1
8 8 8
19. En una casa matriz de venta de carros se realiza un

sorteo de un vehculo entre sus clientes y se
selecciona por sorteo a uno de ellos y se le
introducen tres llaveros A, B y C, para poder abrir la
puerta del vehculo y as ser el ganador: El primero
llavero con cinco llaves y dos abren el auto, el
segundo con siete y tres abren el auto y el tercero
con ocho y 6 bloquean el auto. Se escoge al azar un
llavero. Cul es la probabilidad de que:
A. Sea el ganador con el primer llavero.
B. Abra el carro con cualquiera de los llaveros.
C. No abra con el tercer llavero.
D. Con cul de los llaveros tiene mayor
probabilidad de ganar.
20. En una urna hay 3 monedas, con las siguientes
caractersticas. La primera es una moneda normal,
la segunda es una moneda que tiene dos caras y la
tercera es una moneda cargada, en la cual la
probabilidad
de
salir
cara
es
1
3
de
la
probabilidad de salir sello.

Si se saca una moneda al azar, cul ser la
probabilidad de que al lanzarla salga:

A. Cara.
B. Sello.
21. En una competencia ciclstica, donde solo hay
cuatro corredores, que tienen la opcin de ganar. Si
Meteln tiene el cudruplo de probabilidad de ganar
que Sobarrn, y Sobarrn tiene el doble de
probabilidad de ganar que Pedalero y Pedalero el
doble de Cipriano.
A. Determinar la probabilidad de ganar cada uno.
Se plantean las probabilidades de cada uno de los
ciclistas en funcin de los dems y se halla la
probabilidad de cada uno de ellos.
P( M)=4 P(S)
P(S )=2 P(P)
P( P)=2 P(C )
P( M )=4 P(S)=4 ( 4 P(C ) )=16 P(C)
2P
2((C ))=4 P(C)
P(S )=
Aplicamos el teorema fundamental de las probabilidades

P( M ) + P(S) + P(P) + P(C )=1
16 P(C) + 4 P(C) +2 P(C )+ P(C)=1
23 P(C) =1
P(C) =
1
23
P( M)=16 P(C )=16 X
1 16
=
23 23
P(S )=4 P(C )=4 x
1
4
=
23 23
P( P)=2 P(C )=2 x
1 2
=
23 23
B.
Quien ganara la carrera, segn el estudio de la

probabilidad?
Gana La carrera el de mayor probabilidad, Meteln
con
16
23
22. En un centro escolar los alumnos pueden optar por

cursar como lengua extranjera ingls o francs. En
un determinado curso, el 90% de los alumnos
estudia ingls y el resto francs. El 30% de los que
estudian ingls son chicos y de los que estudian
francs son chicos el 40%. Al elegir un alumno al
azar, cul es la probabilidad de que sea chica?
23. Un taller sabe que por trmino medio acuden: por la
maana tres automviles con problemas elctricos,
ocho con problemas mecnicos y tres con
problemas de chapa, y por la tarde dos con
problemas elctricos, tres con problemas mecnicos
y uno con problemas de chapa.
Elctric
Mecni
Chapas
Total
o
co
Maana
3
8
3
14
Tarde
2
3
1
6
Total
5
11
4
20
A.
Cul es la probabilidad de que atiendan un carro

y sea de la jornada de la tarde:
E 6
P(TARDE )= = =0.30=30
S 20
B.
Cul es el porcentaje de los carros que acuden

por problemas mecnicos. Recuerde que hallar
el porcentaje y la probabilidad son operaciones
equivalentes.
E 11
P( MECANICOS)= = =0.55=55
S 20
C. Calcular la probabilidad de que atiendan un
automvil con problemas elctricos acuda por la
maana:
E 3
P( M/ E )= = =0.60=60
S 5
D. Calcular la probabilidad de que atiendan un

automvil con problemas mecnicos acuda por
la tarde:
E 3
P(T / M ) = = =0.2727=27.27
S 11
24. En un aula de clases hay 100 alumnos, de los
cuales: 40 son hombres, 30 usan gafas, y 15 son
varones y usan gafas. Si seleccionamos al azar un
alumno de dicho curso.
Gafas
Sin Gafas
Total
Hombres
15
25
40
Mujeres
15
45
60
Total
30
70
100
A. Cul es la probabilidad de que sea mujer y no
use gafas?
P( MY
B.
E 45
= =
=0.45=45
S 100
G)
Cul es la probabilidad de que sea mujer y use

gafas?
E 15
P( MYG) = =
=0.15=15
S 100
C. Hallar el porcentaje de los estudiantes que usan
gafas
E 30
P(G )= =
=0.30=30
S 100
D. La probabilidad de que un estudiante con gafas
sea mujer.
E 15
P( M/ G) = = =0.50=50
S 30
E.
Probabilidad de que un estudiante sin gafas sea

hombre.
E 25
P( M / G) = = =0.25=25
S 70
F.
Sabemos que el estudiante seleccionado no usa

gafas, Qu probabilidad hay de que sea
hombre?
P( H/
E 25 5
= = = =0.3571=35.71
S 70 14
G)
G. Sabemos que el estudiante seleccionado no usa

gafas, Qu probabilidad hay de que sea mujer?
P( H/
E 45 9
= = = =0.6428=64.28
S 70 14
G)
25. En una clase en la que todos practican algn
deporte, el 60% de los alumnos juega al ftbol o al

baloncesto y el 10% practica ambos deportes. Si
adems hay un 60% que no juega al ftbol, cul
ser la probabilidad de que escogido al azar un
alumno de la clase:
F
B
0.30
0.10
0.20
0.40
A.
B.
C.
D.
E.
F.
Juegue ni futbol, ni baloncesto.

Juegue slo al ftbol:
Juegue slo al baloncesto.
Practique uno solo de los deportes:
Que practique baloncesto:
Si en total en la escuela ha. y 80 estudiantes
practicando Deportes. Cul es el nmero de
estudiantes que practica Futbol?
G. De total de estudiantes de la escuela Deportes.
Cul es el nmero de estudiantes que practica
Baloncesto?
H. Si del total estudiantes practicando Deportes se
quiere hallar el nmero de estudiantes que
practica solo Futbol?
I. Cul es el nmero de estudiantes que practica
Futbol y Baloncesto?
J. Cul es el nmero de estudiantes que practica
Futbol o Baloncesto?
26. Los estudiantes de la Universidad de Miami hacen
un bazar con el propsito de recoger fondos para el
paseo final de la fundacin del estado.
Uno de los juegos de azar que se pueden encontrar
en el bazar es:
Un disco tiene tres regiones iguales y cada una de
ellas iluminadas por un color diferente, Rojo, Verde,
Azul. El jugador escoge un color. El disco da vueltas
y se detiene en el color que el jugador selecciono, y
gana. Marvin decide jugar dos veces y selecciona el
color Rojo en ambas ocasiones.
Pierde o gana con dos ensayos, ya que decidi jugar
dos veces.
Cul es la probabilidad de que Marvin:
1. Gane en ambas ocasiones.
Espacio muestral S = 9
Evento 1 = 1
P (G 2 )=
E1 1
=
S 9
2. Gane una sola vez.

Evento 2 = 4
P (G 1 )=
E2 4
=
S 9
3. No gane.
Evento 3 = 1
P (G 0 ) =
E3 4
=
S
9
N
1
2
3
4
5
6
7
8
9
J1
R
R
R
V
V
V
A
A
A
J2
R
V
A
V
R
A
A
R
V
RESULTA
Gana 2
Gana 1
Gana 1
Pierde
Gana 1
Pierde
Pierde
Gana 1
Pierde
R
RULETA
V
OTRO METODO.
Terminos de ganar y perder.
C(2,2)=1
2 Gana Gana.
1 Gana Pierde y Pierde Gana.

0 Pierde Pierde.
La
C(2,1)=2
C(2,0)=1
probabilidad
de
ganar:
1 Ganar
p=P ( Ganar ) = =
q=1 p=
La probabilidad de perder:
2
3
Probabilidad de ganar en ambas ocasiones:
1 1 1
P (G=2 )=1. pp=1 x x =
3 3 9
Probabilidad de ganar una sola vez:
1 2 4
P (G=1 )=2. pg=2 x x =
3 3 9
Probabilidad de no ganar en ambas ocasiones:
Perder
2 2 4
P (G=0 )=1.qq=1 x x =
3 3 9
Supongase que Marvin decide jugar
Encuentrese la probabilida de ganar:
1. 4
Veces.
veces.
GGGG.
C(4,4 )=1
2.
Veces.
GGGP,
GGPG,
GPGG,
PGGG.
C(4,3) =4
3.
2 Veces. GGPP, GPPG, PPGG, PGPG, GPGP, PGGP.
C(4,2) =6
4.
Vez.
GPPP,
PGPP,
PPGP,
PPPG.
C(4,1) =4
5.
Veces.
PPPP.
C(4,0) =1
p=Probabilidad de ganar =
1
3
q=Probabilidad de perder=
2
3
1 1 1 1 1
P (G=4 )=1. pppp=1 x x x x =
3 3 3 3 81
1 1 1 2 8
P (G=3 )=4. pppq=4 x x x x =
3 3 3 3 81
P (G=2 )=6. ppqq=6 x
1 1 2 2 24 8
x x x = =
3 3 3 3 81 27
2 2 2 2 16
P (G=0 )=1.qqqq=1 x x x x =
3 3 3 3 81
ESTADISTICA INFERENCIAL.
1. La inferencia estadstica o estadstica Inferencial es
una parte de la Estadstica que comprende y da los
mtodos
y
procedimientos
para
deducir
propiedades (hacer inferencias) de una poblacin, a
partir de una pequea parte de la misma (muestra).
2. Es un proceso de anlisis que consiste en inferir las
propiedades de una poblacin con base en la
caracterizacin de la muestra.
Se basa en las conclusiones a la que se llega por la
ciencia experimental basndose en informacin
incompleta.
Genera modelos probabilsticos a partir de un conjunto
de observaciones.
Del conjunto de observaciones que van a ser
analizadas, se eligen aleatoriamente slo unas cuantas,
que es la muestra, y a partir de dicha muestra se
estiman:
1. Los parmetros del modelo.
2. Se contrastan las hiptesis establecidas, con el
objeto de determinar si el modelo probabilstico es
el adecuado al problema real que se ha planteado.
La utilidad de la inferencia estadstica, consiste en que
si el modelo se considera adecuado, puede usarse para
la toma de decisiones o para la realizacin de las
previsiones convenientes.
La inferencia estadstica parte de un conjunto de
observaciones de una variable, y a partir de estos datos
infiere o genera un modelo probabilstico; por tanto es
la consecuencia de la investigacin emprica, cuando se
est llevando a cabo, y como consecuencia de la ciencia
terica, cuando se estn generando estimadores, o
mtodos, con tal o cual caracterstica para casos
particulares.
La inferencia estadstica es, en consecuencia, un
planteamiento inductivo.
TECNICAS DE MUESTREO.
Para realizar un anlisis estadstico, se puede efectuar:
1. Toda la poblacin.
2. Una parte de la poblacin.
Si estudiamos toda la poblacin, podemos conocer e
identificar exactamente la distribucin que presenta la
variable o las variables estudiadas en dicha poblacin.
Por ejemplo, en la mayora de los casos, los censos son
inviables o como mnimo innecesarios. Los censos son
lentos y caros (hay que examinar una gran cantidad de
individuos, lo cual requiere tiempo y dinero) y poco
flexibles (debido a su complejidad, es muy difcil
modificarlos cuando se han puesto en marcha).
Tratar una gran cantidad de individuos, para ser
estudiados requiere disponer de personal entrenado,
instalaciones (laboratorios, centros de tratamientos de
datos, recopilacin...), recursos, en estos casos, un
censo puede ser irrealizable, o bien puede realizarse sin
los recursos necesarios, de modo que, los datos
obtenidos pueden contener errores y por tanto, no
necesariamente van a proporcionar una buena
informacin.
Una alternativa a los censos ser la medicin de estas
variables en una parte de la poblacin, es decir, en una
muestra. Trabajar con una muestra de la poblacin tiene
la ventaja de que:
1. Es ms rpido.
2. Ms barato.
3. Los resultados obtenidos pueden ser ms
precisos,
De modo que, si la muestra se elige correctamente, la

informacin que obtenemos permite una estimacin
razonable de la situacin de la poblacin.
Cuando nos planteamos tomar una muestra, surgen dos
preguntas:
1. Qu individuos o datos debo incluir en la
muestra?
2. Cuntos individuos o datos debo tomar?
Para un ejemplo en particular,
1. Cuando el objetivo es conocer la cantidad de
enfermedad o cuando queremos realizar un estudio
epidemiolgico
cuyos
resultados
debemos
extrapolar a la poblacin general, un requisito
indispensable
es
que
la
muestra
sea
representativa de la poblacin general, por
tanto la muestra debe tomarse al azar.
2. Cuando el objetivo es conocer si una enfermedad
existe o no en una poblacin, tambin podemos
tomar una muestra aleatoria, pero en la mayora de
los casos, lo ms apropiado ser tomar una
muestra sesgada, de modo que analizaremos
aquellos individuos que tienen mayor posibilidad de
estar enfermos.
La mejor opcin para obtener una muestra
representativa es:
1. Elegir los individuos al azar mediante un muestreo
aleatorio, es decir, seleccionando los individuos de
manera que todos ellos tenga la misma probabilidad
de formar parte de la muestra.
2. Cuando estos no es posible la alternativa ser elegir
a los
individuos
segn
un muestreo
de
conveniencia.
El mtodo para elegir la muestra recibe el nombre de
muestreo.
MUESTREO.
Es una herramienta de la investigacin cientfica. Su
funcin bsica es que parte de una realidad en estudio
(poblacin o universo) debe examinarse con la finalidad
de hacer inferencia sobre dicha poblacin.
El error que se comete debido a hecho de que se
obtienen conclusiones sobre cierta realidad a partir de
la observacin de solo una parte de ella y se denomina
error de muestreo.
Obtener una muestra adecuada significa lograr una
versin simplificada de la poblacin, que reproduzca de
algn modo sus rasgos bsicos.
Nos da las herramientas, tcnicas y mtodos, para
realizar una investigacin cientfica, de procesos
estadsticos para la seleccin de una muestra.
1. FUNCIONES:
A. DETERMINACION DE LOS DATOS.
1. Cules.
2. Cuantos. Para el estudio y la inferencia.
B. AHORRO.
1. Tiempo.
2. Dinero.
3. Personal.
4. Espacio.
C. PROPIEDADES.
1. Cuantitativa: Representativa. Cantidad.
2. Cualitativa: Caractersticas de la poblacin.
Propiedades.
2. TIPOS DE MUESTREO.
A. PROBABILISTICO O ALEATORIO.
Propiedades de los elementos de la poblacin
cumple:
1. Misma probabilidad de escogencia.
2. Probabilidad de escogencia conocida.
3. Probabilidad con reemplazo o sin l.
4. El error se da en forma de probabilidad.
A.1. ALEATORIO SIMPLE.
Sus elementos:
1. Se ordenan en tablas:
Asignar nmeros a los elementos de la

poblacin.
2.
Se escogen con balotas o tablas especiales.

Escogencia al azar.
MUESTRA
VENTAJAS.
Sencillo.
Fcil comprensin.
Calculo fcil y rpido.

Varianza.
Media.
Desviacin estndar.
Basada en la teora estadstica.

Uso de software.
Anlisis de datos.
DESVENTAJAS.
Listados de la poblacin.
Poblaciones pequeas. Fcil.
Poblaciones grandes. Extenso y complicado.
Muestras pequeas no es representativo.

A.2. SISTEMATICO.
Sus elementos se escogen para muestras grandes:
1. Primer elemento al azar:
2. Los dems condicionados por el primer
elemento.
MUESTRA
PROCEDIMIENTO.
Listado de elementos de la poblacin.
Determinar tamao de la muestra.
Definir constante de elevacin o k de salto.
k=
N Poblacion
=
n
muestra
Elegir numero de arranque (1, K).
Seleccionar elementos.
VENTAJAS.
Fcil aplicacin.
No siempre es necesario listado de elementos.
Poblacin ordenada asegura cobertura.

DESVENTAJAS.
Estimaciones sesgadas.
A.3. ESTRATIFICADO.
Sus elementos o poblacin se divide en:
1. Clase.
2. Grupos de estudio, que sean:
3. Todos aportan a la muestra.
Homogneos.
Iguales condiciones.
De las mismas caractersticas de variables.

Ejemplos de Variables.
1. Sexo.
2. Peso.
3. Edad.
4. Ciudad, etc.
MUESTRA = n
PROCEDIMIENTO.
Proporcional.
Grupos.
Porcentaje.
Optima.
Escogen de grupos ms variables.
VENTAJAS.
La muestra representa la poblacin por la

variabilidad.
Estimaciones ms precisas.
DESVENTAJAS.
Distribucin de las variables en la poblacin.
Anlisis ms complicados por la diversidad de

grupos.
Ms cantidad de variables a analizar.

A.4. CONGLOMERADO.
Sus elementos de la poblacin se divide en:
1. N Grupos.
2. Todos los grupos deben ser:
Variados.
Completos.
Representativos.
3. La variacin en cada grupo es menor que la
variacin entre los grupos.
1. Sexo.
2. Peso.
3. Edad.
4. Ciudad, etc.
MUESTRA = n
PROCEDIMIENTO.
Proporcional.
Grupos.
Porcentaje.
Optima.
Escogen de grupos ms variables.
VENTAJAS.
Es ms eficientes para poblaciones:

Grandes.
Dispersas.
Reduce costos.
Listados cortos, no necesario el completo de la

poblacin.
DESVENTAJAS.
El error estndar es mayor, que en los otros

procesos.
Calculo de error estndar es ms complejo

B. NO PROBABILISTICO O NO ALEATORIO.
Propiedades de los elementos de la poblacin
cumple:
1. Diferente probabilidad de escogencia.
2. Probabilidad de escogencia desconocida.
3. No es representativa la muestra.
4. El error no se da en forma de probabilidad.
5.
6.
Muestra es costosa.
El investigador debe conocer el tema.
Especialista.
Consiste en la eleccin por mtodos no aleatorios
de una muestra cuyas caractersticas y condiciones
sean similares a las de la poblacin objetivo. En
este tipo de muestreos la representatividad la
determina el investigador de modo subjetivo, siendo
este el mayor inconveniente del mtodo ya que no
podemos cuantificar la representatividad de la
muestra.
Presenta casi siempre sesgos y por tanto debe
aplicarse nicamente cuando no existe alternativa.
B.1. POR CUOTA.
Llamado tambin accidental.
Sus elementos de la poblacin se divide en:
Estratos.
1. Se toma proporcin de cada uno de los
estratos. es decir, la parte proporcional de
poblacin que representan.
2. Se dividen por variables comunes. Sexo,
talla, edad, profesin, estado civil, etc.
Se diferencia del muestreo estratificado en que

una vez determinada la cuota, el investigador
es libre de elegir a los sujetos de la muestra
dentro de cada estrato.
Se necesita conocer muy bien la poblacin y

tenerla bien definida.
MUESTRA
Por ejemplo, la Consejera de Sanidad desea estudiar la

incidencia de las drogas en la adolescencia. Lo que
deberamos hacer sera:
A. Conocer por los informes de la Consejera de
Educacin cuales son los centros ms afectados
por el problema.
B. Fijar un nmero de sujetos a entrevistar
proporcional a cada uno de los estratos
(cuotas).
C. Dejar en manos de los responsables del trabajo
de campo a que sujetos concretos se deber
entrevistar.
B.2. OPINATICO INTENCIONAL.
Este tipo de muestreo se caracteriza por un
esfuerzo
deliberado
de
obtener
muestras
"representativas" mediante la inclusin en la
muestra de grupos supuestamente tpicos. Es muy
frecuente su utilizacin en sondeos preelectorales
de zonas que en anteriores votaciones han marcado
tendencias de voto.
Desventaja que se puede sesgar la muestra.
B.3. CASUAL O INCIDENTAL.
Se trata de un proceso en el que el investigador
selecciona directa e intencionadamente los
individuos de la poblacin.
El caso ms frecuente de este procedimiento el
utilizar como muestra:
A. Los individuos a los que se tiene fcil acceso
(los profesores de universidad emplean con
mucha frecuencia a sus propios alumnos).
B. Un caso particular es el de los voluntarios.
C. Personas conocidas o amigos.
B.4. BOLA DE NIEVE.

Se localiza a algunos individuos, los cuales
conducen a otros, y estos a otros, y as hasta
conseguir una muestra suficiente. Este tipo se
emplea muy frecuentemente cuando se hacen
estudios
con
poblaciones
"marginales",
delincuentes, sectas, determinados tipos de
enfermos, etc.
LA MUESTRA.
Las dos preguntas importantes de cada una de las
muestras.
1. Que individuos de la poblacin debo escoger para la
conformacin de la muestra?
Observar las caractersticas de la poblacin,

para la muestra.
Propiedades de cada uno de los elementos de la

muestra.
Determinar las condiciones de los elementos.
Que es lo que se va a estudiar?

2. Cuantos elementos de la poblacin debo tomar para
formar la muestra?
Tamao.
Representatividad.
Ahorro.
a. Tiempo.
b. Dinero.
c. Personal.
Efectividad.
3. Determinar las conclusiones, la inferencia y
minimizar los errores.
TAMAO DE LA MUESTRA.
Regularmente
cada
estudio
dentro
de
sus
especificidades tiene:
Es una parte de la poblacin.
1. Que individuos se deben escoger.
A. Caractersticas de cada uno de los elementos.
B. Propiedades que deben tener.
C. Condiciones que se deben cumplir.
D. Que se va estudiar.
2. Cuantos se deben escoger.
A. Tamao de la muestra. Numero.
B. Representativa.
C. Ahorro:
a. Tiempo.
b. Dinero.
c. Personal.
Esto se realiza para poder en estadstica Inferencial de:
Concluir y decidir sobre toda una poblacin, pero
pensando en la efectividad de la aplicacin.
1. Tamao de la muestra apropiado y debe cumplir
con unas propiedades.
a. Aceptable.
b. Idnea.
c. Conseguida con el mnimo esfuerzo.
Como se puede obtener el tamao de la
muestra.
a. Programas de computacin.
b. Formulas especficas de la estadstica.
c. Criterios especficos del investigador.
2. Elementos de conformacin para la muestra.
Error estndar: Mide el intervalo de confianza.
Se calcula o se tiene como dato de ayuda:
1. Media aritmtica.
2. Probabilidad o porcentaje.
3. Diferencia de medias.
3. La muestra debe ser:
A. Representativa.
B. Completa. Todas las caractersticas y
variables.
C. Precisin estadstica: Disminuye el error
estndar.
TALLER EN CLASE.
Usted debe extractar cada uno de los conceptos y
definiciones de las tcnicas del muestreo y resolver los
siguientes ejercicios.
1. La secretaria de salud pblica desea determinar por
medio de un estudio el ndice de satisfaccin de los
hospitales oficiales en el rea de hospitalizacin y

ciruga, para eso decide encuestar 300 pacientes de
un total de 3.600, distribuidos entre todos.
1. Cul sera el mtodo ms aconsejable para la
escogencia de la muestra. Y porque.
Sistemtico
2. El nmero de Instituciones elegidas para a toma
de dicha muestra.
k=
3.
2.
3.
N Poblacion 3.600
=
=
=12
n
muestra
300
Cuantos pacientes de cada una de las

instituciones escogeran para la encuesta.
300/12 25.
4. Que decidira Ud. en caso de que en una de las
Instituciones se encontrara un nmero de
paciente inferior al nmero de pacientes
escogidos.
Como los gustos cambian con la edad y se sabe que
en el barrio Vila Ftima, viven 2.400 nios, 3.200
jvenes, 6.000 adultos y 1.500 ancianos, y se
desean unificar los criterios de gustos de ocio. Si se
decide elegir la muestra de la anterior poblacin.
1. Cul sera el mtodo ms adecuado que Ud.
utilizara. Porque.
2. Determinar el tamao muestral correspondiente
a cada estrato.
3. Si Ud. decide escoger una cuota fija por
porcentaje para cada uno de los grupos del
barrio, Cual sera el ms adecuado y cuanto
aportara cada grupo a la muestra.
4. Que recomendaciones haran ustedes para la
escogencia de la muestra.
NOTA: Deben aparecer todas las operaciones
para que el ejercicio tenga validez.
Los investigadores de problemas de convivencia y
drogadiccin en Cali desean determinar las edades
de la poblacin con mayor ndice de consumo. Han
determinado tomar una muestra representativa
para que dicho estudio sea bien fundamentado.
1. Como clasificara la poblacin.
2. Como los conseguira.
3. Que mtodo de recoleccin de informacin y
datos Ud. tomara.
4. Que mtodo de muestreo utilizara.
DISTRIBUCION MUESTRAL DE MEDIA.

CARACTERISTICAS DE LA MEDIA.
Cada muestra de tamao n que se pueda extraer,
proporciona una muestra.
Cada media se puede considerar como una variable
aleatoria, para estudiar su distribucin.
La distribucin de la media sigue la distribucin normal.
N ( ,
)
n
Si la distribucin no sigue una distribucin normal, pero
n>30
, aplicamos el Teorema del Limite Central.
EJEMPLO DEDUCCION.
Para una poblacin de 4 estudiantes en los cuales se les
evalu un examen de estadstica, con calificacin del
[ 1; 10 ]
N= {1,3,5,7 }
y resultados
, se desea
determinar:
1. Media aritmtica de la Poblacin.
Xi
X = i=1
4
2.
3.
1+3+5+7 16
= =4
4
4
Desviacin estndar de la poblacin.
S=
( X i X )
i=1
( 14 )2 + ( 34 )2 + ( 54 )2 + ( 74 )2
=
=
4
9+ 1+1+ 9
20
=
= 5=2.2360
4
4
CON SUSTITUCION.
Hay sustitucin del elemento que se saca.
No
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
MUESTRA MEDIA D.M

1
1
1
-3
1
3
2
-2
1
5
3
-1
1
7
4
0
3
1
2
-2
3
3
3
-1
3
5
4
0
3
7
5
1
5
1
3
-1
5
3
4
0
5
5
5
1
5
7
6
2
7
1
4
0
7
3
5
1
7
5
6
2
7
7
7
3
4
1.
S
9
4
1
0
4
1
0
1
1
0
1
4
0
1
4
9
2,5
La media aritmtica de cada una de las muestras

es:
16
X i
= i=1 =
16
1+2+3+ .+5+6 +7 64
= =4
16
16
Se observa que la media aritmtica de la poblacin

y la muestra son iguales.
X =
2.
La Desviacin estndar de la muestra es:
x =
16
| X i|
i=1
16
9+ 4+1++1+ 4+ 9
40
=
=
16
16
5 5
=
2 2
Podemos observar que la Desviacin Estndar de la

muestra es igual a la Desviacin Estndar de la
poblacin dividida por la raz de los elementos de la
muestra.
x =
3.
=
n n
Si realizamos una tabla de frecuencias de las

medias aritmticas de las muestras:
No
Media
frecuenci
a
Probabilid
ad
1
16
1
2
16
2
3
16
3
4
16
4
3
16
5
2
16
6
1
16
7
16
16
16
HISTOGRAMA
5
4
3
FRECUECNIAS 2
1
0
4.
1 2 3 4 5 6 7
Si calculamos la esperanza matemtica, equivaldra

a la media aritmtica de la media muestral:
X i Pi=
n
)=
=E ( X
i=1
(1)
1
2
3
4
3
2
1
+( 2 ) +( 3 ) +( 4 ) +( 5 ) +( 6 ) +( 7 )
16
16
16
16
16
16
16
1 4 9 16 15 12 7 64
+ + + + + + = =4
16 16 16 16 16 16 16 16
5.
Determine la varianza por medio de:

n
X 2 Pi E(X )2 =
i=1
V ( X )=
i=1
V ( X )=1
62
( 161 )+ 2 ( 162 )+ 3 ( 163 )+4 ( 164 )+5 ( 163 )+

2
2
2
1
2
+7
( 4 )
16
16
( ) ( )
V ( X )=
1 8 27 64 75 72 49
+ + + + + + 16=
16 16 16 16 16 16 16
262
40
V ( X )=
16=
16
16
Si la Desviacin estndar es la raz cuadrada de la
varianza:
X = V ( x )=
40
5 5
= =
16
2 2
SIN SUSTITUCION:
No se pueden sustituir los elementos de la muestra
No
1
2
3
4
5
6
7
8
9
10
11
12
1.
MED
IA
2
3
4
2
4
5
3
4
6
4
5
6
48
MUESTRA
1
1
1
3
3
3
5
5
5
7
7
7
3
5
7
1
5
7
1
3
7
1
3
5
D.M
DE.
-2
-1
0
-2
0
1
-1
0
2
0
1
2
4
1
0
4
0
1
1
0
4
0
1
4
20
1,66
MEDIA MUESTRAL
4
7
Desviacin
1,29
ESTANDAR
1
La media aritmtica de cada una de las muestras
es:
12
X i
= i=1 =
12
2+3+ 4++ 4+ 5+6 48

= =4
12
12
Que se observa entre la media aritmtica de la

poblacin y la media muestral?
X =
2.
La Desviacin estndar de la muestra es:
x =
12
| X i|
i=1
12
20
5 5
= =
12
3 3
Que se puede concluir?
4 +1+0++ 0+1+4
12
x =
3.
N n
N 1
16
|X i |
i=1
16
42 5
2 5
10
=
=
41 2
3 2
6
Si realizamos una tabla de frecuencias de las

medias aritmticas de las muestras:
No
Medi frecuen
a
cia
4
12
2
12
2
12
Probabilid
ad
2
12
2
12
12
12
12
HISTOGRAMA
5
4
3
FRECUENCIA 2
1
0
4.
Si calculamos la esperanza matemtica, equivaldra

a la media aritmtica de la media muestral:
X i Pi=
n
)=
=E ( X
i=1
2
2
4
2
2
+ (3 ) + ( 4 ) + ( 5 ) + ( 6 )
12
12
12
12
12
(2)
4 6 16 10 12 48
+ + + + = =4
12 12 12 12 12 12
5.

n
X 2 Pi E(X )2 =
i=1
V ( X )=
i=1
22
( 122 )+ 3 ( 122 )+ 4 ( 164 )+5 ( 162 )+6 ( 162 )( 4 )

2
4 18 64 50 72
208
20
+ + + + 16=
16=
12 12 12 12 12
12
12
varianza:
X = V ( x )=
20
5 5
= =
12
3 3
EJERCICIO: En una Universidad del estado se ha

realizado una investigacin diagnostica sobre el rea de
Matemtica Fundamental 1, del total de 400
estudiantes, para ello se tomo una muestra de 36
estudiantes de Ingeniera Mecnica, la cual arrojo los
siguientes resultados:
El promedio de la calificacin de todos los estudiantes
de la Universidad fue de 6.8 y una desviacin tpica
poblacional de 2.25.
Los datos del problema:
Media Poblacin =
X p =6.8
Media de la Muestra
=6.8
Desviacin Tpica Poblacional
p =2.25
Poblacin N = 400 Muestra n = 36

E. Hallar los estudiantes con nota inferior a 6.0
P ( X i <6.0 ) =P ( Z <2.13 )=0.0166 1.66

1.
Hallamos la desviacin tpica de la muestra
x =
2.
p 2.25 2.25
=
=
=0.375
n 36 6
Hallamos
X i=6.0
Z=
3.
4.
las
unidades
estandarizadas
para
i 6.06.8 0.8
X
=
=
=2.13
x
0.375
0.375
Hallamos el valor correspondiente de Z=-2.13 en la

tabla, que es una A=0.0166, equivalente a un
1.66%.
La grafica de la campana de Gauss
A=0.016
6
3
7.925
-4
-3
4 Unidades Z
5.3
5.675
8.3 Promedios
-2
6.05
-1
6.425
6.8
7.175
2
7.55
5.
Determinamos
el nmero de estudiantes que
cumplen la condicin de estar con nota inferior a
6.0
N = NxP = (400)(0.0166) = 6.64 aproximamos a 7
6. CONCLUSIN.
1. La probabilidad de escoger una estudiante con
nota inferior a 6.8 es de 0.0166 o el equivalente
al 1.66%.
Los estudiantes que tienen nota inferior a 6 solamente
son 7 del total de la poblacin de la Universidad en la
carrera de Ingeniera Mecnica.
b. Hallar el nmero de estudiantes de Ingeniera
mecnica, que tienen nota superior a 8.5, en el rea de
Matemtica.
P ( X i >8.0 ) =P ( Z <3.2 )=10.99931 0.00069

1.
Hallamos
X i=8.0
las
.
unidades
estandarizadas
para
Z=
2.
3.
i 8.06.8
X
1.2
=
=
=3.2
x
0.375
0.375
Hallamos el valor correspondiente de Z=3.2 en la

tabla, que es una A=0.99931.
La grafica de la campana de Gauss
A=0.999
31
3
7.925
A=0.000
69
-4
-3
4 Unidades Z
5.3
5.675
8.3 Promedios
-2
6.05
-1
6.425
4.
6.8
7.175
2
7.55
Los valores por los cuales nos est preguntando el

problema son los del rea derecha sombreada con
fucsia y la tabla nos entrega los del lado izquierdo.
Por lo tanto al total le debemos restar el rea
encontrada. 1-0.99931=0.00069
5. N = NxP = (400)(0.00069) = 0.276 aproximamos a
0
6. CONCLUSIN.
1. La probabilidad de escoger una estudiante con
nota superior a 8.0 es de 0.00069 o el
equivalente al 0.069%.
2. Los estudiantes que tienen nota superior a 8.0
en el rea de matemtica son 0.
INTERVALO DE CONFIANZA PARA LA MEDIA.
En estadstica, se llama intervalo de confianza a un par
de nmeros entre los cuales se estima que estar cierto
valor desconocido con una determinada probabilidad de
acierto.
Es el intervalo comprendido entre dos valores, en el
cual podemos decir que se encuentran nuestros datos o
nuestras medias.
ESTIMACION PUNTUAL:
Las medias o desviaciones estndar calculadas de una
muestra se denominan ESTADSTICOS, podran ser
consideradas como un punto estimado de la media y
desviacin estndar real de poblacin o de los
PARAMETROS.
ESTIMADOR POR INTERVALO DE CONFIANZA:
Denota un rango dentro del cual se puede encontrar el
parmetro y el nivel de confianza que el intervalo
contiene al parmetro.
LIMITES DECONFIANZA:
Son los lmites del intervalo de confianza inferior, (Lado
izquierdo de la media poblacional) y superior (Lado
derecho de la media poblacional).
INTERPRETACINDEL INTERVALO DE CONFIANZA:
Tener un 95% de confianza en que la media poblacional
real y desconocida se encuentra entre los valores Lmite
inferior de confianza y Limite superior de confianza.
Recuerde que para hallar el intervalo de confianza se
deben encontrar los lmites de este.
NIVELDE SIGNIFICANCIA = 1- INTERVALO DE
CONFIANZA = ERROR TIPO 1 = ALFA
Cmo obtenemos un intervalo de confianza?
Estimacin puntual + error de estimacin
De dnde viene el error de estimacin o margen de
error?
Z estandarizado x Desviacin estndar
Ejemplo 1
Si la media de la muestra es 100 y la desviacin
estndar es 10, el intervalo de confianza al 95% donde
se encuentra la media para una distribucin normal es:
100
1.96(10) => (80.4, 119.6)
Z 0.025= 1.96
El 95% de Nivel de Confianza significa que slo tenemos

un 5% de oportunidad de obtener un punto fuera de ese
intervalo.
Esto es el 5% total, o 2.5% mayor o menor. Si vamos a
la tabla Z veremos que para un rea de 0.025,
corresponde a una Z de1.960.
C. I.
99
95
90
85
80
Multiplicador Za/2
2.576
1.960
1.645
1.439
1.282
Para tamaos de muestra > 30, o
conocida usar
la distribucin Normal.
Se desea siempre tener un nivel de confianza alto y un
error de estimacin pequeo. El nivel de confianza nos
proporciona seguridad en que nuestro mtodo arroja
respuestas correctas. Un error de estimacin pequeo
nos dice que el valor del parmetro estimado se parece
mucho al obtenido.
=error aleatorio
1 =nivel de confianza
Si el intervalo de confianza lo tomamos por 90%,
entonces tenemos que:
1 =90
, lo que indica que
=10
Utiliza un nmero nico o valor para localizar una

estimacin del parmetro.
INTERVALOS DE CONFIANZA PARA LA MEDIA.
El clculo de Z (Unidades estandarizadas) para la
distribucin muestral de la media.
El valor de z estandarizada, es igual a la diferencia que
existe entre la media muestral
poblacional
media
y la media
, dividida por el error estndar de la
Z=
X
X
=
x
Despejando el valor de
, obtenemos:
X = + z
n
Pero como para el intervalo se debe encontrar un
intervalo que contenga la media poblacional, entonces
reemplazamos a
por
y cada uno de los
limites estar dado por:
X Z
n
X Z
X +Z
n
Donde Z = valor correspondiente a una rea acumulada
1-
de la distribucin normal estandarizada, esto
es, una probabilidad de la cola superior d
EJERCICIO No1.
Para los estudiantes de la Universidad, en ingeniera
mecnica, se desea hallar un intervalo de confianza del
90%.
=10
1.
Los datos:
2.
Hallamos las colas del enunciado.
Colas=
100 90 10
= =5
2
2
Esto equivale a una rea de A = 0.05, en cada

extremo.
Realizamos la campana de Gauss.
3.
A=0.999
31
A=0.0
A=0.0
5%
90%
5%
INTERVALO DE CONFIANZA
Unidades
Z1
Z2
X 1
Promedios
X 2
4.
Determinamos los valores de Z para cada extremo,

as:
1.
Z i=
Como
X i
x
entonces
X i= Z i x
2.
Como
Z1
esta para el lado izquierdo y el
rea es 5% = 0.05, lo hallamos en la tabla, el
Z1
valor que le corresponde a
Z 1=1.64
.
Entonces
X 1= Z 1 x
= 6.8 + (1.64)(0.375)
= 6.8
0.615 = 6,185
3.
Como
Z2
esta para el lado derecho y el rea
es 95% = 0.95, lo hallamos en la tabla, el valor

que le corresponde a
Z 2=+1.64
Z2
.
Entonces
X 2= Z 2 x
= 6.8 +
(+1.64)(0.375)
= 6.8 + 0.615
= 7,145
El intervalo de confianza que estamos hallando
es:
4.
6,185< <7,415
5.
CONCLUSIN: Con un 90% de confianza podemos

asegurar que nuestro promedio de notas de 6.8 se
encuentra en dicho intervalo.
El intervalo de confianza del 90% de confianza podemos
decir que nuestros promedios de notas, del rea de
matemtica fundamental, se encuentran entre los
[ 6,185; 7,145 ]
valores de 6,185 y 7,145.
ELEMENTOS DE UNA MUESTRA.

Si consideramos que el error estndar con el cual
vamos a trabajar es
e=Z x =Z
( n )
Los elementos de la
despejando n y tenemos
n=
Z
e
muestras
se
encuentran
Z
e
( )
n=
de aqu se deduce que
EJERCICIO No1. Si trabajramos con un error de
0.75
de las notas en el rea de matemtica para
los estudiantes de Ingeniera Mecnica, sabiendo que la

desviacin estndar de todas las notas fue de 2.25 y
con un intervalo de confianza del 90%, Cual debe ser el
tamao de la muestra a escoger?
1. Hallamos las colas, para poder determinar los
valores de Z.
Colas=
100 90 10
= =5
2
2
Z =1.64
A = 0.05 y en la tabla
2.
0.75
Como el error es de
=2.25
, el
valor de n ser:
Z 2 1.64 x 2.25 2
=
=29.88 30
e
0.75
( ) (
n=
EJERCICIO No2.
Un fabricante de papel para computadora tiene un
proceso de produccin que opera continuamente a lo
largo del turno completo. Se espera que el papel tenga
una media de longitud de 11 pulgadas y una desviacin
estndar de 0.02 pul. A intervalos peridicos, se
selecciona una muestra para determinar si la media de
longitud de papel es igual a 11 pul o para ver si algo ha
salido mal durante el proceso que haya cambiado la
longitud del papel que se fabrica. Se selecciona una
muestra aleatoria de 100 hojas de papel y la media
muestral es de 10.998 pul. Construya una estimacin
del intervalo de confianza del 95% para la media
poblacional de la longitud del papel.
Datos del problema:
0.02
= 10.998 pul
n = 100
El error estndar es
= 11 pul
0.02
=
=0.002
n 100
Las colas:
100 95
2
= 0.025 =
A=
= 2.5%. Equivalente al rea A
INTERVALO DE
= 0.025
Z1
Z2
-1.96
1.96
11.004
10.994
11.006
10.996
10.998
11
11.002
Halamos el valor de Z = -1.96 Z = 1.96 por simetra.
X Z
n
Si reemplazamos cada una de las variables, hallamos
los lmites del intervalo:
10.998 ( 1.96 )
Para
0.02
=10.998 ( 1.96 ) (0.002)
100
X 1=10.998( 1.96 ) (0.002)
Z 1=1.96
= 10.998 0.00392
= 10.99408
Para
X 1=10.998+ (1.96 ) (0.002)
Z 2=+1.96
= 10.998 + 0.00392
= 11.00192
El intervalo 10.99408
11.00192
Conclusin: Con el 95% de confianza la media

poblacional est incluida en el intervalo, por lo tanto el
proceso funciona correctamente.
EJERCICIO No3.
Que sucede si el intervalo de confianza se cambia al
90%?
Las colas o nivel de significancia:
100 90
2
El rea equivalente es: A =

Realice el grafico.
Halamos el valor de
=
Zi
Zs
X is = X Z is
n
Para
Zi
tenemos que
X i= XZ
i
n
Para
Zs
tenemos que
X s= X Z s
n
El intervalo es:
Conclusin:
EJERCICIO No4.
Que sucede si el intervalo de confianza se cambia al
99%?
Las colas o nivel de significancia:
100 99
2
El rea equivalente es: A =

Realice el grafico.
Halamos el valor de
=
Zi
Zs
X is = X Z is
n
Para
Zi
tenemos que
X i= XZ
i
n
Para
Zs
X s= X Z s
n
El intervalo es:
Conclusin:
tenemos que
EJERCICIO No5.
Realice el ejercicio si se toma una muestra de 200 hojas
y con consideraciones de desviacin estndar y media
poblacional idnticas? Considrese un intervalo de
confianza del 95%.
El error estndar es
Las colas:
100 95
2
= 0.025 =
A=
=
n
= 2.5%. Equivalente al rea A
INTERVALO DE
= 0.025
Z1
Z2
11
Halamos el valor de
Z1
Z2
X is = X Z is
n
Para
Z 1=
Hallemos el lmite inferior
X i= XZ
1
n
Para
Z 2=
X s= X + Z 2
n
El intervalo: Escribirlo:
Conclusin:.
EJERCICIO No6.
1. Realice el ejercicio si se toma una muestra de 200
hojas y con consideraciones de desviacin estndar

y media poblacional idnticas? Considrese un
intervalo de confianza del 95%.
El error estndar es
Las colas:
100 95
2
A=
=
n
. Equivalente al
rea A = 0.025 =
INTERVALO DE
Z1
Z2
11
Halamos el valor de
Z1
Z2
X is = X Z is
n
Para
Z 1=
X i= XZ
1
n
Para
Z 2=
X s= X + Z 2
n
Conclusin:.
EJERCICIO No7.
2. Realice el ejercicio si se toma una muestra de 200
hojas y con consideraciones de desviacin estndar
y media poblacional idnticas? Considrese un
intervalo de confianza del 99%.
El error estndar es
=
n
Las colas:
100 99
2
Equivalente al rea A = 0.025 =
A=
INTERVALO DE
= 0.005
Z1
Z2
11
Halamos el valor de
Z1
Z2
X is = X Z is
n
Para
Z 1=
X i= XZ
1
n
Para
Z 2=
X s= X + Z 2
n
Conclusin:.
DISTRIBUCION MUESTRAL DE UNA PROPORCION

Para una poblacin de N elementos, en las cuales se
puede determinar que X son los posibles resultados
positivos o aciertos del fenmeno.
La proporcin poblacional ser:
P==
X
N .
Para una muestra de n elementos, en las cuales se

puede determinar que x son los posibles resultados
positivos o aciertos del fenmeno.
La proporcin muestral ser:
p==
x
n .
Se da la siguiente poblacin de cuatro figuras

geomtricas, de tal forma que los representamos as:
Cuadrado = K, Triangulo = T, Circulo = C, Pentgono =
P.
P={
} = {K, T, C, P}.
P=La proporcin es sacar un triangulo.

P=
x
n
donde x = Evento = Sacar triangulo = 1

n = Nmero total de elementos = 4.
Hllela.
P=
x 1
= =
N 4
Escoja todas las muestras de tamao dos posibles que

existan:
CON SUSTITUCION.
No
MUESTRA
DOS
ELEMENTOS
SACAR
TRIANGULO
PROBABILI
DD
DE CADA
MUESTRA
K, K
K,T
K,C
K,P
T,K
T,T
T,C
T,P
C,K
C,T
C,C
C,P
P,K
P,T
P,C
P,P
0
1
0
0
1
2
1
1
0
1
0
0
0
1
0
0
0/2
0/2
0/2
2/2
0/2
0/2
0/2
0/2
0/2
0/2
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
x I
MUESTRA DOS ELEMENTOS:

La combinacin de los dos elementos, teniendo en
cuenta que el que sale puede volver a tomarse.
SACAR TRIANGULO: Contar las posibilidades de sacar
triangulo, que puede ser, 0, 1, 2.
PROBABILIDAD MUESTRA:
Recuerde que es la probabilidad en cada muestra, del
total de dos elementos.
Construya la tabla de frecuencias y probabilidades.
x I
No
1
2
Fi
FRECUENC
MUESTR
IA
A
0
1/2
9
6
Pi
TOTAL
9/16
6/16
3
2/2
1
Calcule la esperanza matemtica:
1/16
9
1
X Pi= ( 0 )
+
16
2
( ) ( )( 166 )+( 22 )( 161 )=

n
E ( X )=
i=1
6 2
8 1
+ = = =p
32 32 32 4
Comprelo con la proporcin de la poblacin de sacar
un triangulo.
2
X 2 PiE ( X ) =
n
V ( X )=
i=1
2 9
1
V ( X )= ( 0 )
+
16
2
6
2
+
16
2
1
1 2
( )
16
4
( ) ( )( ) ( )( )
V ( X )=0+
6 1
1
6
3
+ = =
64 16 16 64 32

varianza:
X = V ( x )=
3
=0.3061
32
Compruebe que la desviacin estndar es la misma

expresin que:
x =
p(1p)
(1 )
=
=
n
n
1
1
1 3
3
1
4
4
4 4
16
3
=
=
=
=0.3061
2
2
2
32
( )
()
Observamos que la desviacin estndar calculada por

ambos mtodos es igual.
SIN SUSTITUCION:
No
MUESTRA
DOS
ELEMENTOS
SACAR
TRIANGULO
PROBABILI
DD
DE CADA
MUESTRA
x I
1
2
3
4
5
6
7
8
9
10
11
12
K,T
1
K,C
0
0/2
K,P
0
0/2
T,K
1
T,C
1
T,P
1
C,K
0
0/2
C,T
1
C,P
0
0/2
P,K
0
0/2
P,T
1
P,C
0
0/2
Construya la tabla de frecuencias y probabilidades.
x I
No
1
2
Fi
FRECUENC
MUESTR
IA
A
0
1/2
6
6
Pi
TOTAL
6/12
6/12
12
12/12
Calcule la esperanza matemtica:
X Pi=
n
E ( X ) =
i=1
6
1
E ( X ) =( 0 )
+
12
2
( ) ( )( 126 )= 246 = 14 = p=
Comprelo con la proporcin de la poblacin de sacar

un triangulo.
n
V ( X )= X Pi E ( X ) =
2
i=1
2 6
1
V ( X )= ( 0 )
+
12
2
6
1 2 6
1
1
= =
12
4
48 16 16
( ) ( )( ) ( )

varianza:
X = V ( x )=
1 1
=
16 4
Compruebe que la desviacin estndar es la misma

expresin que:
x =

N n
N 1
p (1 p)
N n (1)
=
n
N 1
n
x =
42 3
2 3
6 1
=
=
=
41 32
3 32
64 4
Nuevamente vemos que la desviacin estndar se

puede obtener de los valores anteriores para muestras
sin sustitucin.
EJERCICIO No 1:
Si lanzamos una moneda normal 100 veces.
1
2
p = P(cara) = P(c)=
1
2
q = P(no cara) = P(sello) = P(s) =

a.
Cul es la proporcin.
`p =
b.
x
n
1
2
La desviacin estndar, n = 100 para la muestra
x =
p(1p)
(1 )
=
=
n
n
1 1
1
( )
2 2
4
1
1
=
=
= =0.05
100
100
400 20
c.
Probabilidad de obtener 55 caras o ms? sea que

x = 55
x 55
pi = =
=0.55
n 100
P(
Pi
0.55 ) =
0.8413 = 0.1587
P(
zi
1) =
Z=
p 0.550.5
=
=1.0
p
0.05
Segn la tabla la z estandarizada, el rea que

corresponde, es 0.8413.
Pero como se trata de hallar los mayores a 0.55 o al
equivalente 1, esa rea es hacia la derecha (Subrayada)
0.841
3
-3
2
-2
-1
0.40
0.45
0.5
0.55
3
0.35
0.60
0.65
Conclusin: La probabilidad de obtener 55 caras o mas

es 15.87%.
EJERCICIO No2.
Probabilidad de obtener 60 sellos o menos?
Obtener 60 sellos equivale a obtener en cara:
= p== p ( c )=
P ( S )=
1
2
1
2
Proporcin de 40 caras debe ser mayor y es:
x 40
4 2
p= =
= = =0.4
n 100 10 5
p =0.05
P
P ( i 0.4)=P ( z i 2 ) =10.0228=0.9772
Calcule las unidades estandarizadas.
Z=
p 0.40.5 0.1
=
=
=2
p
0.05
0.05
0.022
8
-3
2
-2
-1
0.40
0.45
0.5
0.55
3
0.35
0.60
0.65
Conclusin: la probabilidad de sacar 60 sellos o menos

es la probabilidad de obtener ms de 40 caras es de
0.9772 o equivalente al 97.72%.
EJERCICIO No3.
Hallar la probabilidad de que en los 100 lanzamientos
de la moneda el nmero de caras este entre 40% y
70%.
p =0.05
n = 100
=0.5
Halle el z estandarizado para cada proporcin:
P ( 40< Pi <70 ) =Pi (2< Z< 4 )=

= 0.9999 - 0.0228 = 0.9771
p1
Proporcin 1:
Z=
p 0.40.5 0.1
=
=
=2
p
0.05
0.05
p2
Proporcin 2:
Z=
= 40% = 0.4.
= 70% = 0.7.
p 0.70.5 0.2
=
=
=4
p
0.05
0.05
0.022
8
REA
SOLUCION
-3
-2
-1
4
0.35
0.65
0.7
0.40
0.45
0.9999
0.5
0.55
0.60
CONCLUSION: La probabilidad de obtener caras en los

100 lanzamientos entre el 40% y 70% es de 0.9771,
equivaliendo a un porcentaje de 97.71%.
EJERCICIO No4.
Hallar la probabilidad de que en 120 lanzamientos de
una moneda, el nmero real de caras este comprendido
entre 40% y 60%.
Probabilidad de caras = p(c) = p =
Probabilidad de sellos = p(s) = q = 1
= 0.5.
= 1 0.5 =
0.5
Hallar el porcentaje de caras de 120 lanzamientos.
P ( 40 < P(c )<60 )=0.98570.0143=0.9714=97.14

40% de 120 =
60% de 120 =
40
( 120 )=48 caras
100
60
( 120 )=72
100
La proporcin muestral de proporciones se comporta

como una distribucin binomial, tal que:
Halle la media
= np = 120(0.5) = 60 caras
La desviacin estndar, donde p es la probabilidad de

xitos y q la de no aciertos, es:
= npq= 120 ( 0.5 ) (0.5)=30=5.47

Unidades estandarizadas para:
X 1=48
Z 1=
X 1 4860 12
=
=
=2.19
p
30 30
X 2=72
Z 2=
X 2 7260 +12
=
=
=+2.19
p
30 30
0.014
3
0.9857
-3
2
-2
-1
43.59
49.06
76.41
81.88
70.94
Como
son
los
54.53
valores
60
comprendidos
65.47
entre
2.19< z<+2.19
CONCLUSION: La probabilidad de que los resultados de
los 120 lanzamientos de la moneda, los resultados de
cara estn entre el 40% y el 60% son de 0.9714 o el
equivalente del 97.14%.
Si se calcula por la distribucin de proporciones
=p
1
2
q=
1
2
La desviacin estndar es:
p=
p(1 p)
(1)
0.5(10.5)
=
=
=0.0456
n
n
120
Si hallamos cada una de las proporciones.

Proporcin de 40% de caras.
p1=
X 1 48
=
=0.4
n 120
Z 1=
P1 0.40.5 0.1
=
=
=2.19
p
0.0456 0.0456
Proporcin de 60% de caras.
p2=
X 2 72
=
=0.6
n 120
Z 2=
P2 0.60.5
1
=
=
=2.19
p
0.0456 0.0456
0.014
3
2
0.60
0.9857
-3
-2
-1
4
0.35
0.65
0.7
0.40
0.45
0.5
0.55
Las graficas son exactamente iguales, solamente la

diferencia est en los valores de las escalas y por lo
tanto la conclusin seria igual.
CONCLUSION: La probabilidad de que los resultados de
los 120 lanzamientos de la moneda, los resultados de
cara.
EJERCICIO No5.
Determnese un intervalo de confianza del 95%, para
los 120 lanzamientos del ejercicio anterior.
=5
6.
Los datos:
7.
Hallamos las colas del enunciado.
Colas=
8.
9.
100 95 5
= =2.5
2
2
Esto equivale a una rea de A = 0.025, en cada

extremo.
Realizamos la campana de Gauss.
Determinamos los valores de Z para cada extremo,
as:
5.
Z i=
Como
i
P
p
entonces
i= Z i p
P
6.
Z1
Como
esta para el lado izquierdo y el
rea es 2.5% = 0.025, lo hallamos en la tabla,

el valor que le corresponde a
Z1
Z 1=1.96
Entonces
1= Z 1 p
P
= 60 + (1.96)(5.47)
= 60 - 10.72
= 49.28
7.
Como
Z2
esta para el lado derecho y el rea
es 95% = 0.95, lo hallamos en la tabla, el valor

que le corresponde a
Z2
Z 2=+1.96
Entonces
2= Z 1 p
P
= 60 + (1.96)(5.47)
= 60 + 10.72
=
8.
70.72
El intervalo de confianza que estamos hallando

es:
49.28< <70.72
0.014
3
0.9857
-3
2
70.94
-2
-1
43.59
49.06
76.41
81.88
54.53
60
65.47
CONCLUSIN: Con un 95% de confianza podemos

asegurar que nuestro promedio de lanzamientos de
caras de 60 de ellas se encuentra en dicho intervalo.
El intervalo de confianza del 95% de confianza podemos
decir que nuestros resultados caras al lanzar la moneda
estn entre los valores de 49.28 y 70.72.
[ 49.28 ; 70.72 ]
EJERCICIO No6.
Si trabajramos con un error de
0.0615
de los
lanzamientos de resultados cara, en los lanzamientos

de una moneda, sabiendo que la desviacin estndar de
todos las resultados es de 0.0314 y con un intervalo de
confianza del 90%, Cual debe ser el numero de
lanzamientos a realizar?
1. Hallamos las colas, para poder determinar los
valores de Z.
Colas=
100 90 10
= =5
2
2
A = 0.0500 y en la tabla
2.
Como el error es de
Z =1.96
0.0615
=0.375
, el
valor de n ser:
0.0615
1.96
p(1p) 0.5(10.5)
n=
=
2
e
( )
z
EJERCICIOS.
1. En una Clnica Infantil de la ciudad de Cali se sabe
que del total de nios nacidos hasta la fecha, se
toma una muestra de los ltimos 200 nios nacidos,
de tal forma que 148 son nias. Si la proporcin de
nias nacidas es de 0.75.
1. Determnese la proporcin muestral p de nias
nacidas.
x 148
p= =
=0.74
n 200
2.
Determnese el error estndar para la proporcin de

nias nacidas.
p=
3.
p 0.400.74 0.34
=
=
=0.68
0.5
0.5
p
Cul es la probabilidad de que menos del 60% de

los nacidos sean nias?
Z=
5.
Cul es la probabilidad de que menos del 40% de

los nacidos sean nias?
Z=
4.
(1 )
0.75( 0.25)
=
= 0.25=0.5
n
0.75
p 0.600.74 0.14
=
=
=0.28
0.5
0.5
p
Cul es la probabilidad de que las nias nacidas en

una muestra sean entre 35% y el 80%?
6.
Z 1=
p 0.350.74 0.39
=
=
=0.78
0.5
0.5
p
Z 2=
p 0.800.74 0.06
=
=
=0.12
0.5
0.5
p
Cul es la probabilidad de que ms del 90% de los

nacidos sean nias?
Z=
7.
p 0.900.74 0.16
=
=
=0.32
0.5
0.5
p
Cules son los valores o cantidades de nias

comprendidas en el 90% de la muestra, distribuido
simtricamente?
100% - 90% = 10%.
10
2
= 5%
Z 1=
p 0.050.74 0.69
=
=
=1.38
0.5
0.5
p
Z 2=
0.950.74 0.21
=
=0.42
0.5
0.5
DISTRIBUCION T STUDENT
Se usa para la estimacin de intervalo de confianza
para la media (
desconocida).
En la generalidad de los casos, no disponemos de la

desviacin estndar de la poblacin, sino de una
estimacin calculada a partir de una muestra extrada
de la misma y por lo tanto no podemos calcular Z.
En estos casos calculamos el estadstico t.
t=
x
s
con s =
( X X i)2
i=1
n1
Donde S es la desviacin estndar muestral, calculada

con n-1 grados de libertad.
William S Gosset es el que desarrolla este mtodo, pero
utiliza el seudnimo de Student por proteccin con la
empresa.
Si la variable aleatoria X se distribuye normalmente.
El estadstico tiene una distribucin t con n-1 grados de
libertad.
t:
x
s
n
Grados de libertad: n -1
La Varianza se calcula para una muestra
i x
x
s2 :
i:1
i x
x
i:1
:
Donde se debe conocer
: Media.
xi:
n-1 son valores libres de variar : grados de
libertad.
EJEMPLO No1:
Si una muestra de 5 valores tiene una media de 20. Los
trminos son:
X4
= 19,
X1
= 21,
X2
X5
= Desconocido,
= 16,
X3
= 23,
Tenemos que n = 5, entonces necesitamos conocer n-1

elementos de la muestra.
n-1 = 5 1 = 4. Debe conocer 4 datos.
n
Nos indica que
Xi
i =1
= 20. Evaluando
n
tenemos que
n
Xi
i =1
20
Xi
i=1
= 20n = 20(5) = 100.
Como se conocen 4 elementos y el 5 no puede variar,
porque la sumatoria debe dar 100,
X1
X2
X3
X4
X5
21 + 16 + 23 + 19 +
79 +
X5
X5
X5
= 100
= 100
= 100
= 100 79
X5
= 21
PROPIEDADES DE LA DISTRIBUCION t STUDENT.

1. Es muy similar a la distribucin normal
estandarizada.
2. Tambin tiene forma de campana.
3. Es de mayor rea en los extremos y menor en el
centro, porque
(La desviacin estndar) es
4.
desconocida.
Los grados de libertad n-1 estn relacionados con el
tamao de la muestra.
5.
Para n
120 s estima a
para que entre t y
z haya poca diferencia

INTERVALO DE CONFIANZA.
S
X t n1
n , se puede calcular por:
Como
S
X t n1
n
Para
t1
S
X +t n1
n
podemos hallar el lmite inferior
X i
X s
S
X t n1
n
Para
t2
podemos hallar el lmite superior
S
X +t n1
n
EJEMPLO No2:
Una empresa de remodelaciones selecciona una
muestra de 100 facturas de la poblacin de las ventas
durante un mes; la media de la muestra de las 100
facturas de ventas es US 110.27, con una desviacin
estndar de de US 28.95. Para un nivel de confianza del
90%, determinar el intervalo de confianza.
Grados de libertad. n 1 = 100 1 = 99.
La desviacin estndar de la muestra. S = 28.95.
La media muestral.
= 110.27
X =110.27 us
n=100
S=28.97 us
Grados de libertad
n1=1001=99
Desviacin Estndar de la muestra.
X =
S 28.95
=
=2.895
n 100
Colas del Intervalo.
Colas=
100 90 10
= =5
2
2
Cada cola representa una rea de
A=0.0500
0.050
90%
t 1 =1.6604
t 2 =+1.6604
110.27
Los limites del intervalo son:
Para
s
X i= X +t n1
n
t 1 s
X 1= X
n
t 1 =1.6604
X 1=110.27 (1.6604 ) (2.895)

X 1=110.274.80
X 1=105.47
Para
t 1 s
X 2= X
n
t 2 =+1.6604
X 2=110.27+ ( 1.6604 )(2.895)
X 2=110.27 + 4.80
X 2=115.07
El intervalo de confianza es:
105.47 115.07
CONCLUSION: Con un 95% de confianza podemos
asegurar que la media de la vida til de los bombillos de
la poblacin, est entre:
[ 105.47; 115.07 ]
EJEMPLO No3.
La vida til promedio de una muestra aleatoria de 10
bombillas metal Higt ligth (Para escenarios deportivos)
es 4000 horas, con una desviacin estndar muestral
de 200 horas. Se supone que la vida til de los
bombillos tiene una distribucin aproximadamente
normal. Si se estima la vida til promedio de la
poblacin de la cual se tomo la muestra y utilizando un
intervalo de confianza del 95%. Cul es el intervalo de
confianza?
X =4.000 hrs
n=10
Grados de libertad
n1=101=9
Desviacin Estndar de la muestra.
X =
S 200
=
=63.24
n 10
Colas=
100 95 5
= =2.5
2
2
S=200
A=0.0250
0.025
95%
t 1 =2.262
t 2 =+2.262
4.000
s
X i= X +t n1
n
Los limites del intervalo son:
Para
t 1 s
X 1= X
n
t 1 =2.262
X 1=4.000 (2.262 ) (63.24)

X 1=4.000143.04
X 1=3.856 .96
Para
t 2 =+2.262
t 1 s
X 2= X
n
X 2=4.000+ ( 2.262 ) (63.24)
X 2=4.000+143.04
X 2=4.143 .04
El intervalo de confianza es:
3.856 .96 4.143 .04

CONCLUSION:
Con un 95% de confianza podemos asegurar que la
media de la vida til de los bombillos de la poblacin,
est entre:
[ 3.856.96 ; 4.143.04 ]
1.
Un fabricante de focos afirma que su producto

durar un promedio de 500 horas de trabajo. Para
conservar este promedio esta persona verifica 25
focos cada mes. Si el valor y calculado cae entre t
0.05 y t 0.05, l se encuentra satisfecho con esta
afirmacin. Qu conclusin deber l sacar de una
muestra de 25 focos cuya duracin fue?:
520
521
511
513
510
513
522
500
521
495
496
488
500
502
512
510
510
475
505
521
506
503
487
493
500
=500
n=25
Intervalo=90
Hallamos la media aritmtica de la muestra.
520+513+ 496+ + 512+512+512 12.364

X =
=
=505.36
25
25
Calculamos la desviacin estndar de la muestra.
s=
n
2
( XX
i)
i=1
n1
3.493 .76
= 145.57=12.07
24
Los valores de la media aritmtica y la desviacin

estndar se pueden hallar por la siguiente tabla.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
DATO
S
( X )2
520
513
496
510
506
521
522
488
510
503
511
500
500
475
487
513
521
502
505
493
510
495
512
521
500
12634
505,3
6
14,64
7,64
-9,36
4,64
0,64
15,64
16,64
-17,36
4,64
-2,36
5,64
-5,36
-5,36
-30,36
-18,36
7,64
15,64
-3,36
-0,36
-12,36
4,64
-10,36
6,64
15,64
-5,36
214,3296
58,3696
87,6096
21,5296
0,4096
244,6096
276,8896
301,3696
21,5296
5,5696
31,8096
28,7296
28,7296
921,7296
337,0896
58,3696
244,6096
11,2896
0,1296
152,7696
21,5296
107,3296
44,0896
244,6096
28,7296
3.493,76
145,57
12,07
Determinemos la desviacin estndar de t.
x =
s 12.07
=
=2.41
n 25
Hallamos las unidades t para
t:
x 505.36500 5.36
=
=
=2.2240
s
2.41
2.41
n
Grados de libertad:
n1=251=24
Colas=
100 90 10
= =5
2
2
A=0.0500
0.050
90%
t 1 =1.7109
t 2 =+1.7109
500
CONCLUSION: Se puede concluir que la media

poblacional no es 500, porque la muestra poblacional
est por encima de esta, y por lo tanto debera estar
por encima de 500.
2. El gerente de una fbrica de cierto tipo de alimentos
asegura que el peso promedio del producto que
elabora es de 165,285 g. Un inspector toma una
muestra de 16 paquetes del producto y los pesa.
Los resultados fueron los siguientes: 165 158, 153,
162, 171, 175, 173, 169, 166, 170, 164, 177, 148,
167, 152, 149.
Encuentre la probabilidad de x < 163.6875.
P ( X <163.6875 )=P ( t<O .6915 )=0.250

1.
2.
Establecer datos.
n =16
= 165.285 gr.
Hallar los valores de la media aritmtica y la
desviacin estndar de la muestra.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
datos
( X )2
165
158
153
162
171
175
173
169
166
170
164
177
148
167
152
149
1,31
-5,69
-10,69
-1,69
7,31
11,31
9,31
5,31
2,31
6,31
0,31
13,31
-15,69
3,31
-11,69
-14,69
1,7227
32,3477
114,2227
2,8477
53,4727
127,9727
86,7227
28,2227
5,3477
39,8477
0,0977
177,2227
246,0977
10,9727
136,5977
215,7227
2619
163,6
875
X =163.6875
3.
1279,4375
S
85,2958
9,24
S = 9.24.
Hallamos la desviacin estndar para la muestra de

Student.
S 9.24
=
=2.31
n 16
4.
Aplicar la frmula para estandarizar los valores de x

y hallamos t.
t=
5.
x 163.6875165.285 1.5975
=
=
=0.6915
s
2.31
2.31
n
Elaborar grfica del problema.
A=0.250
Representa una rea de
, segn tabla
de Student.
0.
t 1 =0.6915
165,285
6.
Conclusin:
La probabilidad de que el promedio del peso del
producto sea inferior a 163.6875 es de 0.25.
El 25% de los artculos tendrn un peso inferior a
163.6875.
HIPOTESIS.
Enunciado acerca de una poblacin elaborada con el
propsito de ponerse a prueba.
PRUEBA DE HIPOTESIS:
Es una afirmacin o una aseveracin sobre un
parmetro especifico de una poblacin.
Prueba de hiptesis es procedimiento basado en la
evidencia muestral y en la teora de probabilidad que se
emplea para determinar si la hiptesis es un enunciado
razonable y no debe rechazarse o si no es razonable y
debe ser rechazado.
Si se cumple la hiptesis el proceso est funcionando
bien y no es necesario aplicar correctivos al proceso.
Este estadstico se usa para inferir sobre toda la
poblacin.
HIPOTESIS NULA:
Si la hiptesis de que el parmetro poblacional es igual
al especificado por la empresa o el investigador.
H0
= smbolo.
Ej1: si el promedio de las alturas de los estudiantes de

la universidad es de 172 cm.
H0
= 172 cm.
Ej2: Si se llenan cajas de cereales y en una muestra

tomada se obtiene que el promedio de llenado sea 254
gr.
H0
= 254 gr.
HIPOTESIS ALTERNATIVA:
Es opuesta a la hiptesis nula.
H1
= smbolo.
Si la hiptesis nula es falsa la hiptesis alternativa es

cierta.
Si en el anlisis se da una hiptesis nula, se debe dar
una hiptesis alternativa.
H1
Ej1:
H1
172 cm
Ej2.
254 cm
Cuando se analiza la muestra y existen evidencias de

que la informacin dada es falsa se rechaza la hiptesis
nula.
PROCEDIMIENTO DE LA PRUEBA DE HIPOTESIS.
1.
Plantear la hiptesis nula y alternativa.
2.
Hiptesis Nula:
b.
hiptesis alternativa:
H1
Seleccionar un nivel de significancia.

El nivel de significancia que se va a utilizar.
3.
H0
a.
Es
un
estndar
estadstico
que
se
especifica para rechazar o aceptar la hiptesis

nula.
Identificar el valor estadstico de prueba.
a.
b.
c.
= Media muestral
n = Elementos de la muestra.
= Desviacin estndar poblacional.
4.
5.
Formular una regla de decisin.

Tomar una muestra y llegar a una decisin.
1. No rechazar la hiptesis nula.
2. Rechazar la hiptesis nula y aceptar la
alternativa.
Los ms usados son: 10%, 5%, 1%.
REGION DE
ACEPTACIO
NN
REGION
DE
RECHAZO
Los valores crticos Z de aceptacin:

Los valores crticos
Z 1 < Z< Z 2
de aceptacin:
X 1 < Z< X 2
PRUEBA DE SIGNIFICANCIA DE UNA COLA.
El procedimiento es equivalente a pruebas de una cola

para medias, y proporciones y se considera todo el nivel
de significancia en una sola cola; dependiendo de la
redaccin de la prueba de hiptesis nula del problema.
Por ejemplo: si la hiptesis nula indica que la media o la
proporcin de la poblacin es MAYOR O IGUAL (Ho >=),
la regin de aceptacin es a partir de una z hacia el
infinito positivo tal como se muestra en la figura:
Como puede notarse todo el nivel de significancia se

queda en una sola cola, la cual est en los valores
negativos de z (una cola en la izquierda) y no se
divide entre dos.
De manera similar cuando la hiptesis nula se indica
como MENOR O
IGUAL (Ho <=) a una media o a una proporcin; todo el
nivel de significancia se queda en una cola que est en
los valores positivos de z (una cola a la derecha).
Una prueba es de una cola cuando la hiptesis alterna,
H1, establece una direccin, como:
H0
: el ingreso medio de las mujeres es menor o
igual al ingreso medio de los hombres.
H1
: el ingreso medio de las mujeres es mayor que
el de los hombres.
Distribucin de muestreo para el valor estadstico z,
prueba de una cola, nivel de significancia de .05
PRUEBA DE SIGNIFICANCIA DE DOS COLAS.
Una prueba es de dos colas cuando no se establece una

direccin especfica de la hiptesis alterna H1, como:
H0
: El ingreso medio de las mujeres es igual al
ingreso
H1
medio
de
los
hombres.
: El ingreso medio de las mujeres no es igual al
ingreso medio de los hombres.

Distribucin de muestreo para el valor estadstico z,
prueba de dos colas, nivel de significancia de 0.05
VALOR CRTICO DEL ESTADISTICO DE PRUEBA.

La metodologa de prueba radica es en determinar que
tan probable es que la Hiptesis Nula sea cierta,
considerando la informacin de la muestra.
Como se hace:
1. Se toma una muestra y se calcula la media
muestral. Este estadstico
es una estimacin
del parmetro media poblacional

2.
3.
Si la Hiptesis nula es cierta, es posible que el

estadstico de media muestral
, sea diferente
al parmetro media poblacional
Si la Hiptesis nula es cierta, se espera que el
estadstico de la muestra
parmetro poblacional
4.
Si el estadstico de muestra
parmetro poblacional
, sea cercano al
, es cercano al
, no se cuenta con
evidencias suficientes para rechazar la hiptesis

nula.
Ej. Si Ud. toma una muestra de clientes y registra que
en la atencin a cada uno de ellos, en hacer o realizar
una compra es: 5.5, 5.8, 5.9, 5.0, 5.6, 5.4, 5.2, 4.9.
Sabiendo que la media poblacional es 5.5 (
=Parametro)
La media de la muestra (
= estadstico) es:
5.5+5.8+5.9+5.0+ 5.6+5.6+5.4+ 5.2+ 4.9 48.9

X =
=
=5.43
9
9
Si la Hiptesis Nula es:
H0
La hiptesis alternativa es:
H1
= 5.5
:
5.5.
La media poblacional no cambio porque el valor

obtenido es muy cercano al de la hiptesis nula.
VALOR p EN LA PRUEBA DE HIPOTESIS
Valor p: es la probabilidad de observar un valor
muestral tan extremo o ms que el valor observado,
dado
que
la
hiptesis
nula
es
verdadera.
Si el valor p es menor que el nivel de significancia, H0

se
rechaza.
Si el valor p es mayor que el nivel de significancia, H0
no se rechaza.
EJEMPLO2: DOS COLAS.
Un auditor desea probar el supuesto de que el valor
promedio de todas las cuentas por cobrar en una
empresa determinada es de $260.000, tomando una
muestra de 36 cuentas y calculando la media muestral.
Desea rechazar el valor supuesto de $260.000 solo si la
media muestral lo contradice en forma clara, por lo que
se debe dar el beneficio de la duda. Determinar los
valores crticos de la media muestral para probar la
hiptesis, con un nivel de significancia del 5%, si la
desviacin estndar es
1.
= $43.000.
H0
La hiptesis nula.
= $260.000
H1
La hiptesis alternativa.
2.
$260.000.
Nivel de significancia: 5% = 0.05. Colas: 2.5 =
0.025
3.
Estadsticos de prueba para

36
: 240.000
n =
= $43.000.
La desviacin estndar de la media muestral es:
x =
43.000
=
=7166.67
n 36
Para A = 0.025. El valor de unidades estandarizadas

segn tabla es Z = -1.96 y Z = 1.96.
X 1=245.953 .33
X 1=274.046 .67
4.
Los valores crticos para Z:

-1.96 < Z < 1.96.
Calculamos los valores limites del intervalo.
Para
Z 1=1.96
X CR = Z X
x 1CR =260.000( 1.96 ) (7166.67)

x 1CR =260.00014.046 .67
x 1CR =245.953 .33
Para
Z 1=1.96
X CR = Z X
x 2CR =260.000+ ( 1.96 ) (7166.67)

x 2CR =260.000+14.046 .67
x 2CR =274.046 .67
Los valores crticos de la media: 245.953.33 <
5.
< 274.046.67
Para rechazar la hiptesis nula, la media muestral
debe tener un valor inferior a $245.953.33 o mayor

a $274.046.67.
H0
6.
= $260.000, se rechaza si la media
no pertenece al intervalo determinado por

[245.953.33; 274.046.67].
Cuando se determina el valor de la media muestral,
se transforma en unidades estandarizadas Z, para
comparar con los valores crticos Z.
Z=
7.
X
x
X =240.000
Si la media muestral es
se debe
determinar si se acepta o se rechaza la hiptesis

nula.
Z=
X
240.000260.000
=
=2.7906
x
7166.67
Como este valor se encuentra en la regin de

rechazo;
Z = -2.7906 No pertenece a -1.96 < Z < 1.96
Se rechaza la hiptesis nula y se acepta la
alternativa:
H1
$260.000.
X =240.000
Recuerde que el valor de
encuentra en el intervalos 245.953.33 <
no se
<
274.046.67.
EJEMPLO No 3: DOS COLAS.
La media de llenado de las cajas de un cereal
determinado en una empresa de empacados es de 368
gr. El proceso es tan rpido que en algunas cajas hay
excesos y en otras hay faltante. Supngase que en una
muestra de 25 cajas la desviacin estndar de la
poblacin es de 15 gr. Y la media muestral es de 372.5
gr. Se rechaza o se acepta la prueba de hiptesis nula,
teniendo en cuenta un nivel de significancia del 5%.. Es
equivalente al Intervalo de confianza del 95%.
Z 1=1.96
Z 2=1.96
X 1=362.12
368
X 2=373.88
1.
La hiptesis nula.
H0
2.
H1
Nivel de significancia:
5
=2.5
2
3.
5% =
368 gr.
0.05. Colas:
= 0.025.
= 368 gr.
: 372.5gr
n = 25
= 15.
x =
15
=
=3 gr .
n 25

segn tabla es
4.
Z1
Z2
= -1.96 y
= +1.96.
Intervalo de los valores crticos para Z: -1.96 < Z <

+1.96.
Para
Z 1=1.96
X CR = Z X
x 1CR =368( 1.96 ) (3)

x 1CR =3685.88
x 1CR =362.12
Para
Z 2=+1.96
X CR = Z X
x 2CR =368+ (1.96 ) (3)

x 2CR =368+5.88
x 2CR =373.88
Intervalo de valores crticos de la media:
362.12 373.88
5.
X =372.5
se debe

nula.
Z=
6.
X
372.5368
=
=+1.5
x
3
Como Z = +1.5 < 1.96. Entonces no se rechaza la

Hiptesis nula
H 0 : =368 gr
No se necesita hacer ajustes al proceso de la mquina

para el llenado de las cajas de cereales, se sigue
creyendo que el promedio de llenado esta en los lmites
del intervalo de los valores crticos.
EJEMPLO 4. Cambie para el ejercicio No 2, el nivel de
significancia a 0.10.
Z 1=1.64
Z 2=1.64
X 1=362.12
368
X 2=373.88
1.
La hiptesis nula.
H0
2.
H1
Nivel de significancia:
10
=5
2
3.
= 368 gr.
:
10% =
368 gr.
0.10. Colas:
= 0.05.
: 372.5gr
n = 25
= 15.
x =
15
=
=3 gr .
n 25

segn tabla es
Z1
Z2
= -1.64 y
= +1.64.
Intervalo de los valores crticos para Z: -1.64 < Z <

+1.64.
4.
Z 1=1.64
Para
X CR = Z X
x 1CR =368( 1.64 ) (3)

x 1CR =3684.92
x 1CR =363.08
Z 2=+1.96
Para
X CR = Z X
x 2CR =368+ (1.64 ) (3)

x 2CR =368+ 4.92
x 2CR =372.92
Intervalo de valores crticos de la media:
363.08 372.92
5.
X =372.5
se debe

nula.
Z=
6.
X
372.5368
=
=+1.5
x
3
Como Z = +1.5 < 1.64. Entonces no se rechaza la

Hiptesis nula
H 0 : =368 gr
No se necesita hacer ajustes al proceso de la mquina

para el llenado de las cajas de cereales, se sigue
creyendo que el promedio de llenado esta en los lmites
del intervalo de los valores crticos.
EJEMPLO No 5. UNA COLA.
Para justificar su peticin de aumento de salario, los
empleados del Depto. de despachos de una firma de
ventas por correo, sostienen que en promedio el Depto.
completa una orden en 13 min. Si Ud. es el gerente
general de la firma, Que conclusin obtiene si en una
muestra de 400 ordenes, da un tiempo medio de
terminacin del pedido de 14 min, con una desviacin
estndar de 10 min y un nivel de significancia del 0.05.
1. Plante la prueba de hiptesis.
La hiptesis nula.
H0
2.
Calcule la
muestral.
x =
3.
desviacin
H1
= 13 min.
:
estndar
> 13 min.
de
la
10
=
=0.5 min .
n 400
Haga una grafica representando la situacin.
media
Z 2=1.64
13
X 2=
Nivel de significancia: 10% = 0.10.
segn tabla es
Z1
= -1.64 y
Z2
= +1.64.
Intervalo de los valores crticos para Z: Z < +1.64.

4.
Z=
X
1413
=
=+2
x
0.5
X 14
La probabilidad P(
5.
X =14
Halle los valores estandarizados Z para
) = P( Z
2) =
0.05.
Concluya.
Como Z = 2 y no pertenece al intervalo [-1.64;
H0
1.64], rechazamos la Hiptesis nula
= 13 min.
La gerencia rechaza el aumento de salario y aduce
que no se justifica por los resultados de la media
poblacional es mayor que 13 min.
EJEMPLO No 6.
Pruebe el mismo ejercicio anterior con un nivel de
significancia del 0.10.
1. Plante la prueba de hiptesis.
H0
La hiptesis nula.
2.
Calcule la
muestral.
x =
3.
desviacin
H1
= 13 min.
:
estndar
> 13 min.
de
la
media
10
=
=0.5 min .
n 400
Haga una grafica representando la situacin.
Z 2=1.28
13
X 2=
Nivel de significancia: 10% = 0.10.
segn tabla es
Z2
= +1.28.
Intervalo de los valores crticos para Z: Z < +1.28.

4.
Halle los valores estandarizados Z para
Z=
X =14
X
1413
=
=+2
x
0.5
La probabilidad P(
X 14
) = P( Z
2) = 1-
0.9772=0.0228.
Concluya.
5.
Como Z = 2 y no pertenece al intervalo [1.28], rechazamos la Hiptesis nula
H0
= 13 min.
La gerencia rechaza el aumento de salario y aduce que
no se justifica por los resultados de la media poblacional
es mayor que 13 min.
EJEMPLO No 7. DOS COLAS.
El gerente de un restaurante de comidas rpidas quiere
determinar el tiempo de espera, al pedir una orden y
ser atendido, que se ha modificado durante el ltimo
mes con respecto a su valor de la media poblacional
previo de 4.5 min. A partir de la experiencia anterior,
supone que la desviacin estndar de la poblacin es de
1.2 min. Se selecciona una muestra de 25 rdenes
durante un periodo de una hora. Si la media muestral es
de 5.1 min. Utilice el mtodo y analic para determinar
si existe evidencia de que, con un nivel de significancia
de 0.05, el tiempo de espera medio para despachar una
orden se ha modificado durante el ltimo mes con
respecto a su valor de la media poblacional de 4.5 min.
P1: La hiptesis nula dice que la media poblacional de
atencin a los clientes en un pedido no ha cambiado
con relacin a su valor previo.
H 0 : =4.5
La hiptesis alternativa es contraria a la hiptesis nula:
H 1 : 4.5
P2: Se selecciona una muestra n = 25
Nivel de significancia
P3: Se conoce la
=1.2
=0.05
. y el estadstico de prueba
Z.
P4: Como
=0.05
. Los valores crticos son:
A = 0.025 y segn tabla
Z 1=1.96
Z 2=1.96
Regin de aceptacin es:

-1.96 < Z < 1.96
x =
1.2
=
=0.24
n 25
P5: Para el valor de la media muestral
X =5.1
Hallamos Z.
Z=
X
5.14.5
=
=2.5
x
0.24
P6: Como Z = 2.5 y se encuentra fuera del intervalo de

los valores crticos, existe una evidencia de que el
tiempo de espera al pedir una orden se ha modificado
con respecto a su valor de la media poblacional de 4.5
min. El tiempo de espera es mayor.
CONCLUSIN: Se deben realizar ajustes dentro de la
empresa para poder mantener o bajar el promedio de
atencin en sus clientes en las rdenes de pedido.
EJEMPLO No 8.
Qu pasara si el nivel de significancia se cambiara al
0.01.
H 0 : =4.5
H 1 : 4.5
P3: Se conoce la
=0.01
=1.2
Z.
1
=0.5
2
Colas:
P4: Como
= 0.005.
=0.01
Z 1=2.58
Z 2=2.584
0.9
0
-
2.58

-2.58 < Z < +2.58
x =
1.2
=
=0.24
n 25
X =5.1
Hallamos Z.
Z=
X
5.14.5
=
=2.5
x
0.24

Replantear los procesos de atencin a los clientes.
EJEMPLO No 5.
Qu pasara si el nivel de significancia se cambiara al
0.10,.
H 0 : =4.5
H 1 : 4.5
=0.10
P3: Se conoce la
=1.2
Z.
P4: Como
=0.10
Z 1=1.64
Z 2=1.64
0.9
0
-

-1.64 < Z < 1.64
x =
1.2
=
=0.24
n 25
X =5.1
Hallamos Z.
Z=
X
5.14.5
=
=2.5
x
0.24

Replantear los procesos de atencin a los clientes.
METODO DEL VALOR p PARA LA PRUEBA DE
HIPTESIS.
Valor-p:
1. Es la probabilidad de obtener un estadstico de
prueba igual o ms extremo que el resultado de la
muestra, dado que la hiptesis nula
H0
es
cierta.
Se denomina nivel de significancia observado, es el
nivel ms pequeo en el que se puede rechazar la
2.
H0
hiptesis nula
i.
Vr p
Si
Hiptesis nula
ii.
Si
Vr p
nula
H0
.
, entonces No rechace la
H0
, entonces Rechace la Hiptesis
EJEMPLO No 10:
Para el ejemplo No 3 de llenado de cajas de cereales
con:
= 368gr
= 0.05
= 15
n = 25.
Para
= 372.5gr, el estadstico de prueba fue Z =
1.50.
El mtodo del Vr-p en la prueba de 2 colas.
0.933
2
0.066
8
Z 1=1.50
Z 2=1.50
X 1=363.5
368
X 2=372.5
1.
Hallamos la probabilidad de:
Z1
= -1.50, entonces A = 0.0668. rea izquierda
rayada con rojo.
Z2
= +1.50, entonces A = 0.9332. Pero el
resultado es el rea del lado derecho rayada con

lneas rojas, entonces es 1 0.9332 = 0.0668.
P=P1 + P2
2.
= 0.0668 + 0.0668 = 0.1336.
Aplicamos las dos condiciones inciales:

Vr-p = 0.1336 >
Vr-p = 0.1336 > 0.05. No se rechaza la
3.
H0
La media muestral observada es de 372.5gr, esta

4.5 gr por encima del valor establecido en la
hiptesis nula.
CONCLUSIN: Si la media poblacional es de 368gr,
hay un 13.36% de posibilidades de que la media
muestral se encuentre a ms de 4.5gr por encima o
por debajo del valor de la media muestral de 368
363.5 372.5
gr, o sea:
EJEPLO No 11.
RECHAZO PRUEBA HIPTESIS POR vr-p. DEL
EJEMPLO 7.
P1: La hiptesis nula dice que la media poblacional no
ha cambiado con respecto a su valor previo de 4.5 min.
H 0 : =4.5 min
La hiptesis alternativa es opuesta a la hiptesis nula:
H 0 : 4.5 min
P2: Se selecciona un tamao de muestra y un nivel de
significancia, para el ejemplo n = 25 y
=0.05
P3: Se selecciona el estadstico de prueba apropiado.
x =0.24
=1.2
P4: Se calcula el Z, para la media muestral de
X =5.1min
Z=
X
5.14.5
=
=2.5
x
0.24
0.006
2
0.993
8
Z 1=2.50
Z 2=2.50
X 1=4.5
X 2=5.1
Calculamos
La probabilidad de
Z 1=2.5
, entonces A = 0.0062.
La probabilidad de
Z 2=+2.5
, entonces A = 0.9938.
Como se est hallando el rea rayada. 1-0.9938 =

0.0062.
El vr-p para la prueba de 2 colas es:
P=P1 + P2
= 0.0062 + 0.0062 = 0.0124.
P5: Como Vr-p = 0.0124 < 0.05 =
. Se rechaza la
prueba de hiptesis, por lo tanto hay que hacer ajuste

al proceso de atencin de las rdenes de pedido de
comidas.
CONCLUSIN: Hay evidencias de que el tiempo de
espera al pedir una orden y ser atendida por el personal
del restaurante de comidas rpidas, se ha modificado
con respecto a su valor de la media poblacional previo
de 4.5 min que se tena.
El tiempo que deben esperar los clientes por un pedido
es mayor ahora que el que se traa.
P6: Tambin podemos calcular los lmites del intervalo
de tiempo de atencin para los Z de la inicial. Ejemplo
5.
Para
Z 1=1.96
X CR = Z X
x 1CR =5.1( 1.96 ) (0.24)

x 1CR =5.10.4704
x 1CR =4.6296
Para
Z 1=1.96
X CR = Z X
x 2CR =5.1+ ( 1.96 )( 0.24)
x 2CR =5.1+0.24
x 2CR =5.5704
Los valores crticos de la media: 4. 6296
5.5704.
Como el intervalo de tiempo de las medias mustrales

de los tiempos de atencin de los clientes no incluye el
valor de la media previa de 4.5 min, entonces se
rechaza la
H 0 : =4.5 min
H 0 : =4.5 min
EJEMPLO No 12: PRUEBA DE UNA COLA

Se quiere determinar que el punto
medio
de
congelacin de la leche es menor que -0.545C.

Una empresa que fabrica quesos procesados est
interesada en determinar si algunos de sus proveedores
de leche le esta aadiendo agua para aumentar la
cantidad suministrada a la operacin de procesamiento.
Usted sabe que el exceso de agua reduce el punto de
congelacin de la leche.
El punto de congelacin de la leche natural tiene una
distribucin normal, con una media de -0.545C. La
desviacin estndar de la temperatura de congelacin
de la leche natural es de 0.008C. Puesto que la
empresa productora de queso solo est interesada en
determinar si el punto de congelacin de la leche es
menor que el que cabria esperar de la leche natural.
Toda la regin de rechazo se localiza en la cola inferior
de la distribucin.
P1:
H 0 : >0.545 C
H 1 : <0.545 C
P2: Tamao de la muestra n = 25

Nivel de significancia.
=0.05
P3: Se conoce la desviacin estndar de la poblacin
=0.008 C
La desviacin estndar de la muestra.
X =
0.008
=
=0.0016 C
n 25
H 0 : <0.545 C
P4: Se quiere rechazar

cuando la
solo
<0.545
Prueba direccional de una cola. Solo la regin de

rechazo est en la cola inferior.
Para A = 0.05 entonces
Z 1=1.64
La regla de decisin es:
H 0 : <0.545 C
1.
Se rechaza
2.
De otra manera no se rechaza.
, si Z < -1.64.
0.05
Z 1=1.64
-0.545
Z 2=+1.64
P5: Para n = 25 y una media muestral del punto medio
de congelacin de la leche de
Z=
X m =0.550 C
0.550(0.545)
X
=
=3.125
x
0.0016
P6: Como Z = -3.125 < -1.64, entonces rechazamos la

hiptesis nula:
H 0 : <0.545 C
CONCLUSIN: El punto medio de congelacin de la

leche suministrada por los proveedores, est por debajo
de -0.545C.
La empresa debe emprender una investigacin del
proveedor de la leche, porque el punto medio de
congelacin se encuentra muy por debajo de lo que
cabria esperar como posibilidad.

EJEMPLO No 13: Resuelva el anterior ejercicio usando el
mtodo del valor p.
0.05
Z 1=1.64
-0.545
Z 2=+1.64
EJEMPLO No 14: Resuelva el anterior ejercicio si la desviacin
estndar de la muestra es de 0.08C.
0.05
Z 1=1.64
Z 2=+1.64
Simen Cedano Rojas
Profesor de la materia
PROBABILIDAD INTRODUCCION.CECEP
-0.545

Curso Estadistica Resuelto 2013

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Curso Estadistica Resuelto 2013

Загружено:

Авторское право:

Доступные форматы

FUNDACION CENTRO COLOMBIANO DE ESTUDIOS

Es el dato que ms se repite de la poblacin o la

Es el trmino que ocupa la posicin de la mitad.

LA MEDIA ARITMETICA O PROMEDIO.

Es la suma de todos los datos, dividido por el

0.5+0.7+0.8+ + 4.4+5.0 114.1

El promedio de la nota del grado fue 2.85, pero eso

No=1+3.3 log 40=6.28

ESC ALA DE VALORAC ION

Y i FAi = 0.5 ( 3 ) +1.5 ( 7 ) +2.5 ( 9 ) +3.5 ( 13 ) +4.5 (8)=2.90

numero de ellos que aprobaron la materia.

Ej. No2. De una poblacin de 500 artculos, 40

Las medidas de tendencia central.

Medidas de dispersin. Miden la disparidad de

(0.52.85)2 +( 0.72.85)2 +..+(52.85)2

El promedio de cada nota de estadstica, difiere

3 (0.52.9)2 +7(1.52.9)2+..+8 (4.52.9)2

Pero con la ayuda del Excel este tipo de clculos

Es para facilitar las operaciones con factorial y de

135 ! x 120! 135 x 134 ! x 120 ! 135

Ej. No1. Cuantas palabras de 4 letras pueden

P(n) =n !=( 4 ) !=4 x 3 x 2 x 1=24

P(n) =n !=( 3 ) !=3 x 2 x 1=6

En estos grupos organizados existe el orden. La

Ej. No5. Cuantos son mayores que 400?

Ej. No6. Cuantos nmeros se pueden formar si se

Ej. No7. Cuantos de los nmeros anteriores son

Ej. No1. Si un grupo de 3 personas: Carlos,

Ej. No3. De cuantas maneras posibles se pueden

Ej. No 4. De cuantas maneras posibles se pueden

Ej. No 5. Se necesita organizar grupos de trabajo

Lanzar una moneda. Cara, Sello.

S = {CCC, CCS, CSC, CSS, SCC, SCS, SSC, SSS}

E1= {2, 3, 5 }=3

E2= {CCS , CSC , SCC }=3

E3= { (1,6 ) , ( 2,5 ) , ( 3,4 ) , ( 4,3 ) , ( 5,2 ) ,(6,1) } =6

E3= { (5,6 ) , ( 6,5 ) }=2

La probabilidad de cada uno de los eventos

EVENTOS MUTUAMENTE EXCLUSIVOS:

B = , Observamos que no hay elementos

comunes, por lo tanto los eventos son mutuamente

= 0.5 o equivalente a un 50%

= 0.5 o equivalente a un 50%

= 0.5 o equivalente a un 50%

= 0.5 o equivalente a un 50%

Formando nuevos eventos con la combinacin de los

Para todo evento A, se cumple que

1. Observamos que el valor de

cada una de las probabilidades es menor que 1 y

La probabilidad del conjunto vacio es 0. P(

Si A y B son dos eventos, entonces P (AUB) = P(A) +

Ej. No2: Sea S = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9}, el espacio

equivalente en porcentaje 60%

equivalente en porcentaje 50%

equivalente en porcentaje 80%

equivalente en porcentaje 30%

P(A-B) = P(A) - P(A

P(B-A) = P(B) - P(B

P (AUB) = P(A) + P (B) + P(A

0.50 - 0.30 = 0.80

P (AUB) = P(A-B) + P (B-A) + P(A

0.20 + 0.30 = 0.80

P(S) = P(a1) + P(a2) + P(a3) + + P(an) = 1

de caer las monedas.