Академический Документы
Профессиональный Документы
Культура Документы
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)
~
x=3.5
LA MEDIANA.
( ^x )
X 20+ X 21 3.0+3.0
=
=3.0
2
2
^x =
( x )
Xi
x = i=1 =
N
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
FRECUENCIA ABSOLUTA/DATOS.
14
12
10
8
6
NUMERO DE DATOS 4
2
0
LA MEDIA ARITMETICA.
x =
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
Ganan 21
= =0.525
Total 40
=
3.
defectuosos 40
=
=0.08
Total
500
x =
4.
Y i FAi =2.90
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
S=
FA(Y i X )2
=
N
40
17.28+13.72+1.44+ 4.68+20.48
57.6
=
=1.20
40
40
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
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.
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 !
V (n , r) =
n!
(nr) !
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)!
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)!
6
1.296
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 !
C(5,3)=
n!
5!
5!
5 x 4 x 3!
=
=
=
=10
(nr )! r ! (53)! 3 ! 2! 3! 2 x 1 x 3 !
C(8,5)=
n!
8!
8!
8 x 7 x 6 x 5!
=
=
=
=560
3
!
5
!
3 x2 x1 x5!
(nr)! r ! (85)! 5 !
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 !
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.
C
S
S
C
C
S
S
S
C
S
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.
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
(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
P(A) =
A
S
3
6
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
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
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)
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)
P (B) + P(A
B)
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
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.
B)
= 0.60 - 0.30 =
A)
= 0.50 - 0.30 =
0.30
T5.
0.20
T6.
B)
= 0.60 +
= 0.30 +
B)
1
16
P(0) =
2.
4
16
P(1) =
3.
6
16
3
8
= 0.375
4
16
P(3) =
5.
= 0.25
P(2) =
4.
= 0.0625
1
4
= 0.25
1
16
P(4) =
= 0.0625
1
16
6.
1
16
1
4
3
8
1
4
=1
1
4
3
8
1
4
1
16
15
16
7.
1
16
1
16
2
16
1
8
1
15
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
4
5
8
15
4
15
12
15
= 0.80
4
5
o de
a
s
P( A )=
2.
3 1
=
21 7
P(B )=
3.
P(C) =
4.
2
21
6 2
=
21 7
P( D) =
5.
9 3
=
21 7
P( E)=
3 1
=
21 7
6.
7.
0
1
0
1
0
1
0
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
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 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
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) =
negra.
E(N )=6
P( N) =
2.
S = 11
EN 6
=
S 11
P( N / A )=
5
P( N A) 11 5
P( N / A )=
= =
P(A )
8 8
11
5
P( N / A )=
8
3.
P( A )=
la letra A.
A=
S=
P( A )=
4.
EA 8
=
S 11
P( A N) =
A=
S=
P( A )=
EA 5
=
S 11
P(B / A) =
5.
Probabilidad de B dado A.
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
P(B / A) =
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)=
diferentes.
S=C (52,2) =
C(4,2) =
n!
52 !
52 x 51 x 50 !
=
=
=1.326
50 ! x 2 !
(nr)! r ! (522) ! 2!
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
( 106 )( 59 )= 3090 = 13
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 !
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.
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) !
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.
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) !
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.
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 !
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(
A)
P(
b.
A)
48 47 46 103.776 4.324
x
x =
=
52 51 50 132.600 5.525
P(2 A , 1 R) =
c.
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
P(2 A , 1C )=
48 47 4
9.024
376
x
x =
=
52 51 50 132.600 5.525
20
20
10
50
b.
P(W C) =
c.
20+ 20+10 50 1
=
= =0.5 50 5
100
100 2
P(W CW C) =
d.
20+ 10 30
3
=
= =0.3 30
100
100 10
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.
336 14
= =0.2545 25.45
( 128 )( 117 )( 106 )= 1320
55
P(3 CXC SE )=
3.
P(1 CXC SE )=
4.
4 1
= =0.3333 33.33
12 3
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
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%
f.
3.
La primera Urna
U1
U2
P(B / U 1)
B=8
1
2
Urnas
N=2
B=3
N=7
P(B / U 2)
1
2
Si elige la
U1
2.
Si elige la
U2
3.
E( x)=
i=1
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
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
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
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
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 )!
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
6 4
65
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
66
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
1
f ( X )=
e
2
(x )
2
2
=3.1416
e=2.7183
=Media aritmetica
=Desviacionestandar
1
z x
z=
1( x )
,Unidades tipificadas o es tandarizadas
-3s
3s
750
1050
-2s
-1s
800
850
0
900
1s
2s
950
1000
X i=940 Hrs
Para
encontrar
el
rea
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
X i=820 Hrs
Para
encontrar
el
rea
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
X i=865 Hrs
Para
encontrar
el
rea
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
X i=990 Hrs
Para
encontrar
el
rea
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
X 1=870 Hrs
y para
X 2=985 Hrs
. Para
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
[ 870 ; 985 ]
hrs es de
0.68118.
El 68.11% de las bombillas tienen una vida til
promedio comprendida entre 870 y 985 hrs.
El numero de bombillas que cumplen la condicin de
tener vida til
[ 870 ; 985 ]
son:
NB = NP = (25.000)(0.68118) = 17.029.60 =17.030
En el pedido se podrn encontrar 17.030 bombillas con
una
vida
til
comprendida
en
el
intervalo
[ 870 ; 985 ]
hrs.
[ 870 ; 985 ]
hrs es de:
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
[ 45 ; 52.5 ]
2.
aos.
P ( X 47 )
Hallamos
las
X 1=47 aos
unidades
.
Para
estandarizadas,
para
encontrar
rea
el
Z 1=
X i X 4750 3
=
= =0.6
S
5
5
-3s
-2s
-1s
1s
35
40
45
50
2s
3s
55
60
65
3.
P ( 41 X 58 )
Hallamos
las
X 1=41 aos
unidades
y
para
estandarizadas,
X 2=58 aos
para
.
Para
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
A=0.900
00
80
-3s
-2s
-1s
1s
2s
3s
43.6
56.4
Z=
X =50, S=5
X 1 X
S
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
A=0.200
00
-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=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
Z=
X X
, despejando S
S
S=
X X 175170
=
=3.9062
Z
1.28
X =? S=4.25 gr X 1 =112gr
El 20% de los trabajadores est por encima de
cierta edad.
A=0.850
0
-3s
-2s
-1s
1s
2s
3s
170
X i= X +SZ despejamos X
X =X iSZ
X i= X +SZ
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
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:
El 20% de los trabajadores est por encima de
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.
x =23
1.
s=5
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
1P ( Z >0.4 )=10.3446=0.6554
21
21
P( X >27 )
z=
xi x 2723
=
=0.8
s
5
P(Z> 0.8)
P ( Z >0.8 )=0.7881
0.7881
0.788
-4
-3
-2
-1
0.8 1
13
18
23
38
28
33
43
21
21
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 equivalente de 44.35%
Como el mes tiene 30 das comercialmente, se da
que:
30x0.4435 = 13.30 das = 13 das aproximados.
CONCLUSION: Durante 13 das del mes de Junio
tendremos la posibilidad de tener una temperatura
promedio entre
21
28
21
28
z 1=
x i x 18.623
=
=0.88
s
5
Representa
z 2=
x i x 31.623
=
=1.72
s
5
Representa
0.189
0.957
-4
-3
-2
-1 -0.88
1.72 2
4
3
38
13
18
23
28
33
43
18.6
31.6
18.5
y 31.6
5.
La desviacin estndar.
X 1=100
-3s
-2s
-1s
1s
3s
90
Z=
X i X 10090
=
=1.42
S
7.03
2s
el congresista
el congresista
congresista no
de todos los
Distribucin
X 1=99.5
-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=C(n , X ) p X (1 p) nX
1
41
42
0.4
P (1 B )=4
P (1 B )=0.3456+ 0.3456+0.1536+0.0256=0.8704
c.
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.
E 4
P( A )= = =0.1111 11.11
S 36
4.
E 6
P( A )= = =0.1666 16.66
S 36
5.
E 6
P( A )= = =0.1666 16.66
S 36
6.
E 18
P( A )= = =0.5000 50
S 36
7.
E 10
P( E)= = =0.2777 27.77
S 36
8.
E 27
P( E)= = =0.7500 75
S 36
9.
B)
13
52
P(A) =
1
4
= 0.25 = 25%
12
52
P(B) =
A
3
13
= 0.2307 = 23.07%
B)
3
52
= 0.0576 = 5.76%
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
C(4,2) =
4!
4!
4 x3 x2! 4 x3
=
=
=
=6
( 42 ) ! 2 ! 2! 2! 2! x 2 x 1 2 x 1
3.
4.
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.
6.
E 28 14
P( A )= = = =0.4242 42.42
S 66 33
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 )
P(C) + P(S) =1
P(S )=
P(S )
, tenemos que:
1
3
Como la probabilidad de
( 13 )= 23
21 p=1
p=
1
21
2 4 6 2+ 4+6 12
+ + =
=
21 21 21
21
21
b.) El evento B={3,5}
3 5 3+5 8
+ =
=
21 21 21 21
c.) El evento numero C={1,3,5}
1 3 5
9 3
+ + = =
21 21 21 21 7
d.) El evento D={2}
P( D) =P(2)=2
3.
( 211 )= 212
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.
E 4
P( Rey)= = =0.0833=8.33
S 48
3.
E 3
P(UNS )= = =0.75 75
S 4
4.
E 4
P(4 )= = =0.0769 7.69
S 52
5.
E 12
P( FIGURA)= = =0.2307 23.07
S 52
6.
E 4
P(blanca )= = =0.3333 33.33
S 12
7.
E 4
P( AS) = = =0.0833 8.33
S 48
4.
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
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.
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.
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.
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.
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.
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.
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 !
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.
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 498
P( ALMENOS 1 C) = =
=0.4414=44.14
S 1.128
3.
C(12,1)=
12!
12 !
12 x 11 ! 12
=
=
= =12
( 121 ) ! 1! 11 ! x 1 ! 11 ! x 1! 1
E 144
P(COPA , ESPADA )= =
=0.0124=1.24
S 1.128
6.
E 15
P( H o F )= = =0.75=75
S 20
2.
P( M o
7.
E 5
= = =0.25=25
S 20
F)
E 15
P(OC /CC )= = =0.375=37.5
S 40
2.
P(
3.
P(
8.
E 10
= = =0.400=40
S 25
CC /OC )
E 50
= =
=0.500=50
S 100
CC , OC )
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.
E = {CS, SC} = 2
E 2
P(2 C)= = =0.50=50
S 4
9.
10.
11.
12.
13.
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 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
P( RR)=
2.
Extraer
las
dos
reemplazamiento.
P( RR)=
3.
Blancas
con
49
=0.49
( 107 )( 107 )= 100
P( RB)=
4.
21
=0.21
( 103 )( 107 )= 100
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
P( RR)=
sin
P( RB)=
Rojas
Extraer
las
dos
reemplazamiento.
P( RR)=
bolas
Blanca
otra
Roja
sin
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(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(4,1) =
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(4,2) =
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.
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.
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
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
( ) () ( )
P (CB ) =
6.
F
B
P (CF )=
5.
3
5
P ( C 2 F )=
4.
F
B
P (C 2 B ) =
3.
5
7
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
( ) () ( )
3 5 8
P (CFOCB )= + = =1
8 8 8
de
salir
cara
es
1
3
de
la
P( M)=4 P(S)
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 )=
1
23
1 16
=
23 23
1
4
=
23 23
1 2
=
23 23
B.
16
23
A.
E 6
P(TARDE )= = =0.30=30
S 20
B.
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
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)
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.
E 25
P( M / G) = = =0.25=25
S 70
F.
P( H/
E 25 5
= = = =0.3571=35.71
S 70 14
G)
P( H/
E 45 9
= = = =0.6428=64.28
S 70 14
G)
B
0.30
0.10
0.20
0.40
A.
B.
C.
D.
E.
F.
P (G 2 )=
E1 1
=
S 9
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.
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
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.
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
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,
2.
MUESTRA
VENTAJAS.
Sencillo.
Fcil comprensin.
Listados de la poblacin.
Poblaciones pequeas. Fcil.
Poblaciones grandes. Extenso y complicado.
MUESTRA
PROCEDIMIENTO.
k=
N Poblacion
=
n
muestra
Seleccionar elementos.
VENTAJAS.
Fcil aplicacin.
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.
MUESTRA = n
PROCEDIMIENTO.
Proporcional.
Grupos.
Porcentaje.
Optima.
Escogen de grupos ms variables.
VENTAJAS.
Estimaciones ms precisas.
DESVENTAJAS.
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.
Reduce costos.
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.
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
k=
3.
2.
3.
N Poblacion 3.600
=
=
=12
n
muestra
300
N ( ,
)
n
n>30
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
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
1.
S
9
4
1
0
4
1
0
1
1
0
1
4
0
1
4
9
2,5
X i
= i=1 =
16
1+2+3+ .+5+6 +7 64
= =4
16
16
X =
2.
x =
16
| X i|
i=1
16
9+ 4+1++1+ 4+ 9
40
=
=
16
16
5 5
=
2 2
x =
3.
=
n n
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
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.
X 2 Pi E(X )2 =
i=1
V ( X )=
i=1
V ( X )=1
62
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
X =
2.
x =
12
| X i|
i=1
12
20
5 5
= =
12
3 3
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
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.
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.
X 2 Pi E(X )2 =
i=1
V ( X )=
i=1
22
4 18 64 50 72
208
20
+ + + + 16=
16=
12 12 12 12 12
12
12
Si la Desviacin estndar es la raz cuadrada de la
varianza:
X = V ( x )=
20
5 5
= =
12
3 3
X p =6.8
Media de la Muestra
=6.8
Desviacin Tpica Poblacional
p =2.25
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
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.
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
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
Z 0.025= 1.96
Multiplicador Za/2
2.576
1.960
1.645
1.439
1.282
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
=10
poblacional
media
y la media
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
X Z
n
X Z
X +Z
n
Donde Z = valor correspondiente a una rea acumulada
1-
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.
Colas=
100 90 10
= =5
2
2
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.
Z i=
Como
X i
x
entonces
X i= Z i x
2.
Como
Z1
Z1
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
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.
[ 6,185; 7,145 ]
e=Z x =Z
( n )
Los elementos de la
despejando n y tenemos
n=
Z
e
muestras
se
encuentran
Z
e
( )
n=
0.75
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=
INTERVALO DE
= 0.025
Z1
Z2
-1.96
1.96
11.004
10.994
11.006
10.996
10.998
11
11.002
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
Z 2=+1.96
= 10.998 + 0.00392
= 11.00192
El intervalo 10.99408
11.00192
100 90
2
Halamos el valor de
=
Zi
Zs
X is = X Z is
n
Si reemplazamos cada una de las variables, hallamos
los lmites del intervalo:
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
Halamos el valor de
=
Zi
Zs
X is = X Z is
n
Si reemplazamos cada una de las variables, hallamos
los lmites del intervalo:
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
INTERVALO DE
= 0.025
Z1
Z2
11
Halamos el valor de
Z1
Z2
X is = X Z is
n
Si reemplazamos cada una de las variables, hallamos
los lmites del intervalo:
Para
Z 1=
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
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
Si reemplazamos cada una de las variables, hallamos
los lmites del intervalo:
Para
Z 1=
X i= XZ
1
n
Para
Z 2=
X s= X + Z 2
n
El intervalo: Escribirlo:
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
A=
INTERVALO DE
= 0.005
Z1
Z2
11
Halamos el valor de
Z1
Z2
X is = X Z is
n
Si reemplazamos cada una de las variables, hallamos
los lmites del intervalo:
Para
Z 1=
X i= XZ
1
n
Para
Z 2=
X s= X + Z 2
n
El intervalo: Escribirlo:
Conclusin:.
P==
X
N .
p==
x
n .
P={
} = {K, T, C, P}.
x
n
Hllela.
P=
x 1
= =
N 4
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
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
E ( X )=
i=1
6 2
8 1
+ = = =p
32 32 32 4
Comprelo con la proporcin de la poblacin de sacar
un triangulo.
Determine la varianza por medio de:
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
X = V ( x )=
3
=0.3061
32
x =
p(1p)
(1 )
=
=
n
n
1
1
1 3
3
1
4
4
4 4
16
3
=
=
=
=0.3061
2
2
2
32
( )
()
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
X Pi=
n
E ( X ) =
i=1
6
1
E ( X ) =( 0 )
+
12
2
( ) ( )( 126 )= 246 = 14 = p=
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
( ) ( )( ) ( )
X = V ( x )=
1 1
=
16 4
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
1
2
p = P(cara) = P(c)=
1
2
Cul es la proporcin.
`p =
b.
x
n
1
2
x =
p(1p)
(1 )
=
=
n
n
1 1
1
( )
2 2
4
1
1
=
=
= =0.05
100
100
400 20
c.
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
-3
2
-2
-1
0.40
0.45
0.5
0.55
3
0.35
0.60
0.65
= p== p ( c )=
P ( S )=
1
2
1
2
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
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
p =0.05
n = 100
=0.5
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
= 0.5.
= 1 0.5 =
0.5
Hallar el porcentaje de caras de 120 lanzamientos.
60% de 120 =
40
( 120 )=48 caras
100
60
( 120 )=72
100
= np = 120(0.5) = 60 caras
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
p=
p(1 p)
(1)
0.5(10.5)
=
=
=0.0456
n
n
120
p1=
X 1 48
=
=0.4
n 120
Z 1=
P1 0.40.5 0.1
=
=
=2.19
p
0.0456 0.0456
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
=5
6.
Los datos:
7.
Colas=
8.
9.
100 95 5
= =2.5
2
2
5.
Z i=
Como
i
P
p
entonces
i= Z i p
P
6.
Z1
Como
Z1
Z 1=1.96
Entonces
1= Z 1 p
P
= 60 + (1.96)(5.47)
= 60 - 10.72
= 49.28
7.
Como
Z2
Z2
Z 2=+1.96
Entonces
2= Z 1 p
P
= 60 + (1.96)(5.47)
= 60 + 10.72
=
8.
70.72
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
[ 49.28 ; 70.72 ]
EJERCICIO No6.
Si trabajramos con un error de
0.0615
de los
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.
p=
3.
p 0.400.74 0.34
=
=
=0.68
0.5
0.5
p
Z=
5.
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
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
Z=
7.
p 0.900.74 0.16
=
=
=0.32
0.5
0.5
p
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).
t=
x
s
con s =
( X X i)2
i=1
n1
t:
x
s
n
Grados de libertad: n -1
La Varianza se calcula para una muestra
i x
x
s2 :
i:1
La desviacin estndar.
i x
x
i:1
:
Donde se debe conocer
: Media.
xi:
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,
Xi
i =1
= 20. Evaluando
n
tenemos que
n
Xi
i =1
20
Xi
i=1
X1
X2
X3
X4
X5
21 + 16 + 23 + 19 +
79 +
X5
X5
X5
= 100
= 100
= 100
= 100 79
X5
= 21
4.
desconocida.
Los grados de libertad n-1 estn relacionados con el
tamao de la muestra.
5.
Para n
120 s estima a
S
X t n1
n , se puede calcular por:
Como
S
X t n1
n
Para
t1
S
X +t n1
n
X i
X s
S
X t n1
n
Para
t2
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
X =
S 28.95
=
=2.895
n 100
Colas=
100 90 10
= =5
2
2
A=0.0500
0.050
90%
t 1 =1.6604
t 2 =+1.6604
110.27
Para
s
X i= X +t n1
n
t 1 s
X 1= X
n
t 1 =1.6604
t 1 s
X 2= X
n
t 2 =+1.6604
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
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
Para
t 1 s
X 1= X
n
t 1 =2.262
t 2 =+2.262
t 1 s
X 2= X
n
X 2=4.000+143.04
X 2=4.143 .04
El intervalo de confianza es:
[ 3.856.96 ; 4.143.04 ]
1.
=500
n=25
Intervalo=90
Hallamos la media aritmtica de la muestra.
s=
n
2
( XX
i)
i=1
n1
3.493 .76
= 145.57=12.07
24
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
x =
s 12.07
=
=2.41
n 25
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
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.
S 9.24
=
=2.31
n 16
4.
t=
5.
x 163.6875165.285 1.5975
=
=
=0.6915
s
2.31
2.31
n
A=0.250
, 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.
H0
= 172 cm.
H0
= 254 gr.
HIPOTESIS ALTERNATIVA:
Es opuesta a la hiptesis nula.
H1
= smbolo.
H1
Ej1:
H1
172 cm
Ej2.
254 cm
1.
2.
Hiptesis Nula:
b.
hiptesis alternativa:
H1
3.
H0
a.
Es
un
estndar
estadstico
que
se
= Media muestral
n = Elementos de la muestra.
4.
5.
REGION DE
ACEPTACIO
NN
REGION
DE
RECHAZO
Z 1 < Z< Z 2
de aceptacin:
X 1 < Z< X 2
PRUEBA DE SIGNIFICANCIA DE UNA COLA.
H0
H1
el de los hombres.
Distribucin de muestreo para el valor estadstico z,
prueba de una cola, nivel de significancia de .05
H0
ingreso
H1
medio
de
los
hombres.
es una estimacin
3.
, sea diferente
estadstico de la muestra
parmetro poblacional
4.
Si el estadstico de muestra
parmetro poblacional
, sea cercano al
, es cercano al
, no se cuenta con
=Parametro)
La media de la muestra (
= estadstico) es:
H0
H1
= 5.5
:
5.5.
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.
: 240.000
n =
= $43.000.
x =
43.000
=
=7166.67
n 36
X 1=245.953 .33
X 1=274.046 .67
4.
Z 1=1.96
X CR = Z X
Z 1=1.96
X CR = Z X
< 274.046.67
Para rechazar la hiptesis nula, la media muestral
H0
6.
Z=
7.
X
x
X =240.000
Si la media muestral es
se debe
Z=
X
240.000260.000
=
=2.7906
x
7166.67
H1
$260.000.
X =240.000
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
La hiptesis alternativa.
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
4.
Z1
Z2
= -1.96 y
= +1.96.
Z 1=1.96
X CR = Z X
Z 2=+1.96
X CR = Z X
362.12 373.88
5.
X =372.5
Si la media muestral es
se debe
Z=
6.
X
372.5368
=
=+1.5
x
3
H 0 : =368 gr
Z 1=1.64
Z 2=1.64
X 1=362.12
368
X 2=373.88
1.
La hiptesis nula.
H0
La hiptesis alternativa.
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
Z1
Z2
= -1.64 y
= +1.64.
Z 1=1.64
Para
X CR = Z X
Para
X CR = Z X
363.08 372.92
5.
X =372.5
Si la media muestral es
se debe
Z=
6.
X
372.5368
=
=+1.5
x
3
H 0 : =368 gr
H0
La hiptesis alternativa.
2.
Calcule la
muestral.
x =
3.
desviacin
H1
= 13 min.
:
estndar
> 13 min.
de
la
10
=
=0.5 min .
n 400
media
Z 2=1.64
13
X 2=
Nivel de significancia: 10% = 0.10.
Para A = 0.05. El valor de unidades estandarizadas
segn tabla es
Z1
= -1.64 y
Z2
= +1.64.
Z=
X
1413
=
=+2
x
0.5
X 14
La probabilidad P(
5.
X =14
) = P( Z
2) =
0.05.
Concluya.
Como Z = 2 y no pertenece al intervalo [-1.64;
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 6.
Pruebe el mismo ejercicio anterior con un nivel de
significancia del 0.10.
1. Plante la prueba de hiptesis.
H0
La hiptesis nula.
La hiptesis alternativa.
2.
Calcule la
muestral.
x =
3.
desviacin
H1
= 13 min.
:
estndar
> 13 min.
de
la
media
10
=
=0.5 min .
n 400
Z 2=1.28
13
X 2=
Nivel de significancia: 10% = 0.10.
Para A = 0.90. El valor de unidades estandarizadas
segn tabla es
Z2
= +1.28.
Z=
X =14
X
1413
=
=+2
x
0.5
La probabilidad P(
X 14
) = P( Z
2) = 1-
0.9772=0.0228.
Concluya.
5.
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
Z 1=1.96
Z 2=1.96
x =
1.2
=
=0.24
n 25
X =5.1
Hallamos Z.
Z=
X
5.14.5
=
=2.5
x
0.24
EJEMPLO No 8.
Qu pasara si el nivel de significancia se cambiara al
0.01.
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
=0.01
=1.2
. y el estadstico de prueba
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
x =
1.2
=
=0.24
n 25
X =5.1
Hallamos Z.
Z=
X
5.14.5
=
=2.5
x
0.24
H 0 : =4.5
La hiptesis alternativa es contraria a la hiptesis nula:
H 1 : 4.5
P2: Se selecciona una muestra n = 25
=0.10
Nivel de significancia
P3: Se conoce la
=1.2
. y el estadstico de prueba
Z.
P4: Como
=0.10
Z 1=1.64
Z 2=1.64
0.9
0
-
x =
1.2
=
=0.24
n 25
X =5.1
Hallamos Z.
Z=
X
5.14.5
=
=2.5
x
0.24
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
EJEMPLO No 10:
Para el ejemplo No 3 de llenado de cajas de cereales
con:
= 368gr
= 0.05
= 15
n = 25.
Para
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.
Z1
Z2
P=P1 + P2
2.
3.
H0
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
x =0.24
=1.2
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.
P=P1 + P2
. Se rechaza la
Z 1=1.96
X CR = Z X
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
5.5704.
H 0 : =4.5 min
H 0 : =4.5 min
medio
de
H 0 : >0.545 C
H 1 : <0.545 C
=0.05
=0.008 C
La desviacin estndar de la muestra.
X =
0.008
=
=0.0016 C
n 25
H 0 : <0.545 C
solo
<0.545
Z 1=1.64
H 0 : <0.545 C
1.
Se rechaza
2.
, 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
H 0 : <0.545 C
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