Академический Документы
Профессиональный Документы
Культура Документы
TECNOLOGICO
DE
TEPIC
Probabilidad y Estadistica
INTRODUCCION
Este manual pretende ser directo, claro y preciso, esta estructurado de manera tal, que cada
tema inicia con su parte te6rica, enseguida. resalta las f6rmulas propias del tema, describe
cada terrnino de las f6rmulas, y continua con la aplicaci6n de las mismas mediante la
soluci6n de problemas explicando su soluci6n. Asi
tam~ien
necesario, dentro de un rectangulo de lineas punteadas presenta Tip's que nos proporcionan
ideas muy importantes, puntos medulares para el entendimiento cabal del tema.
Las matematicas que se utilizan son muy basicas por 10 que este texto tambien es muy
accesible para estudiantes de preparatoria y de otras licenciaturas.
EI objetivo que persigue este trabajo, es pues, proporcionar una guia completa a los
estudiantes del curso de ''Probabilidad'' que se imparte en los Institutos Tecnol6gicos y que
sirva de texto de consulta a los alumnos de preparatoria y de otras licenciaturas buscando
facilitarles el proceso de iniciarse en esta disciplina.
INTRODUCCION
INDICE
PRESENTACION
Pagina iv
Pagina 1
1.1 Introduccion
1.40 Exponencial
1.6 Permutaciones
1.6.4 Circulares
1.7 Combinaciones
1.11 Resumen
2.2 Conjuntos
capitulo
2.16 Resumen
Pagina 35
INfRODUCCION
ii
Pagina 76
3. 1 Introducci6n
3.2 Manejo de datos
3.3.3 Mediana
3.3.4 Moda
3.4.2 Varianza
descriptiva
3.7 reswnen
UNlOAD CUATRO.
4.1
4.2
4.3
4.4
4.5
4.6
4.7
4.8
4.9
4.10
4. 11
4.12
4.13
Introducci6n.
Distnbuciones de probabilidad
probabilidad discreta.
EI proceso de Bernoulli
Distribuci6n Binomial.
Distribuci6n geometrica.
Distribuci6n hipergeometrica.
Distribuci6n Poisson
Resumen.
Pagina 120
INTRODUCCION
iii
Pagina 153
5.1
5.2
Introduccion.
Distribuciones de probabilidad continua y funcion de
densidad.
5.3 Distribucion unifonne continua
5.4 Valor esperado y varianza para una distribucion
uniforme continua
5.5 Distribucion normal
5.5. 1 Construcci6n de la curva normal estandar
5.5.2 C31culo de areas bajo la curva normal esuindar
5.6 Aproximacion de la normal a la binomial
5.7 Recomendaciones didacticas y bibliognificas del
capitulo
5.8 Resumen
APENDICE
Pagina 180
Tabla L Distribuciones Binomiales
Tabla 2. Distribucion Poisson
Tabla 3. Distribucion normal est<indar (Areas bajo la CUIVa)
BmLIOGRAFIA
Pagina 190
INTRODUCCION
iv
PRESENTACION.
El sistema Nacional de Institutos Tecnologicos del pais, no podia ser la excepcion. En lodas
las carreras que ofrece incluye la probabilidad y la estadistica que se imparte en 1, 2, 3 0 4
semestres, seg(In la carrera de que se trate.
UNIDADI Ti&:nicasdeconteo
-i
""
.'"
~
UNIDAD UNO I~
-
TECNICAS DE CONTEO.
1. 1
Introducci6n
1.2
1.3
Diagramas de arbol.
1.4
Exponencial.
1.5
Notaci6n Factorial.
1.6
Permutaciones:
1.6.1
1.6.2
1.6.3
Con repetici6n.
1.6.4
Circulares
1.7
Combinaciones.
1.8
Particiones ordenadas
1.9
1.1 INTRODUCCION
a. - Es tornado
...............................................................................................
.
: Para aprender a contar Fijate muy bien en los puntos clave teoricos para que .
.
:
: facilmente comprendas como formular las soluciones de los diversos problemas. Cada :
: tecnica tiene sus caracteristicas muy claras, que si las analizas bien, te llevan a entender .
:
: basicas.
.
. .....................................................................................
"01"
formas, y
enseguida, un segundo experimento que puede resolverse de "n2" formas. Entonces el total
de formas en que pueden resolverse ambos experimentos es:
........................................................
EJEMPW 1.1.
Si entre dos compafieros propuestos, (Ivan y Alin), escogeremos al jefe de grupo, y entre
(Benjamin, Luis y Carlos) escogeremos un tesorero. i,De cuantas formas puede quedar
Caja 1
caja2
D D
X
Jefe de grupo
Opci6n
No.
1.2.-
Tesorero
tesorero
Benjamin
Luis
4.-
Ivan y carlos
Alin y Benjamin
5.6.-
Alin y
AIin y
3.-
= 6opdones
Jefede
grupo
Ivan y
Ivan y
Luis
Carlos
_................................................. .................................
TIP
.........
.
.:
~
.............................................................................
EJEMPLO 1.2.
i,Cmintos niuneros de dos dfgitos puedo formar usando los numeros { 4, 5, 6, 7 Y 8 } si el
primero NO puede ser [4 0 5 ]
si
a. -
Solucion al inciso a:
* Es
-*
en la primera no puedo usar [4 ni 5 ] por 10 que solo puede estar alguno de los
numeros [ 6, 7 u 8], (3 opciones ). Y en la segunda puede estar cualquiera de los
numeros [ 4, 5, 6, 7 u 8], (5 opciones )
6 Y 4, 6 Y 5 6 Y 6 6 Y 7 6 Y 8
Primer
Segundo
digito
dhrito
3
opciones
5
opciones
15 Diferentes nUmerosu=>
8y4
Solucion al inciso b:
.*
Hacemos igual que en el inciso (a), excepto que al colocar el segundo digito no
podemos repetir el primero por 10 que disponemos de (5 - 1) = 4 opciones
6 Y 4 6 Y 5 6~ 6 y 7 6 Y 8
7y8
8 Y4 8 Y 5 8 Y6 8 y 7
~8
EJEMPLO 1.3.- Queremos marcar todos los muebles y los equipos del Instituto
Tecnol6gico [TEC] para el control del activo fijo. Queremos hacerlo con calcomanias que
tendn'm: primeramente dos de las 26 letras del alfabeto, y en seguida tres digitos. si las
letras no deben repetirse en la misma calcomania y los digitos si pueden repetirse pero el
primero no debe ser cero, l,CUilOtas calcomanias diferentes pueden hacerse?
Tengo que colocar dos letras y enseguida tres numeros, es decir, hare cinco cajas.
Para la primer letra (primer caja) dispongo de 26 opciones de colocar una letra
Para la segunda letra ( segunda caja) solo tengo 25 opciones ya que no debo repetir
la que haya colocado en la primer caja.
lal 9. Tengo 9
r. Letra
ler. Letra
ler. Digito
2. Digito
3er. Digito
~ ~ 585,000 etiQuetas
EJEMPLO 1.4 Una persona decide comprar un auto. de cuantas maneras puede escogerlo
si el distribuidor Ie ofrece:
DxDxDxD ~
No. Puertas
Color
Transmision
Accesorios
4000';00..
EJEMPLO 1.5.
Chelo (C) y Jesus (1) jugaran tres partidas de ajedrez. Elabore UDa lista de cOmo pudiera
-*
ler. Juego. Puede ganarlo (C 6 J) , por tanto hacemos dos ramas partiendo de ''0''.
2. Juego. Este juego, al igual que el anterior, puede ser ganado por "c 6 r.
Entonces abriremos dos ramas "c 6 r despues de carla posible resultado
deljuego 1
-* 3er. Juego 19ualmente puede ser ganado por "c 6 r, Abriremos dos ramas
despues de cada posible resultado del juego 2.
* Finalmente siguiendo las lineas desde "0" hasta cada final del juego 3 obtenemos
cada posible resultado.
-*
I
I
ler. Juego
1
1
I
I
2. Juego
3er. juego
:/C
C~J
c<r~c
~
I
I
I
I
J;
<
I
11
I
I
J
C
~J
--------~
C-C-C
--------~
C-C-J
--------~
C - J- C
--------~
C- J -J
--------~
J-C-C
--------~
J-C-J
- - - - - - - -~
J- J -C
-------
J- J - J
~C
1
I
-~
8 POSffiLES RESULTADOS
EJEMPLO 1.6.
Eduardo y Oscar son candidatos a presidente, Xavier y Susi son candidatos a secretario, y
Sonia, Adriana y Tatiana son candidatos a tesorero. Elabore una lista de todos los
-'" Presidente, puesto que pudiera ganar Eduardo u Oscar, partiendo de "0" abrimos dos
ramas
-* Secretario: Primero suponemos que gane Eduardo y entonces secretario pudiera ser
Xavier 0 Sus~ por tanto abrimos dos ramas.
Pero el que gano "presidente" pudo
haber sido Oscar y entonces, de Oscar abrimos dos ramas para Xavier 0 Susi.
-*
-*
Finalmente seguiremos cada camino desde "0" hasta el fin de cada rama y
obtendremos todos los posibles resultados de la elecci6n (presidente, secretario y
tesorero)
_ _A~
_
PreSf"d
Sno.
.
"Tesorero
PreSI"dente
Secretano
"
Tesorero
D D D
1
(
- - - - - - - . Eduardo
'er~~:========::::
EdwKdo
Sonia
Xavier Sonia
Xavier Adriana
Xavier Tatiana
<
1
4
1
I
I
1
1
Susi
Oscar
Oscar
Oscar
Xavier Sonia
Xavier Adriana
Xavier Tatiana
Oscar
Oscar
Oscar
Susi
Susi
Susi
Sonia - - - - - - -
Adriana
I Tatiana
Tatiana
Sonia
~ Xavier~~= =~~~:
Oscar
Sonia
Adriana
-------.
Sonia
Adriana
Tatiana
EJEMPLO 1.7.
AI final del tomeo de fut-beis, se disputaran el primero y segundo lugar entre Sistemas e
Informatica, y eI tercero y cuarto entre Arquitectura, Bioquimica y Electrica. Mediante un
diagrama de ilrbol elabore la lista de todos los posibles resultados.
*.- Primer lugar.- Puede ganarlo Sistemas (S) 6 Informatica (I). Por tanto del punto
"0" abrimos dos ramas que correspondenin a los dos posibles ganadores.
*.- Segundo lugar.- En seguida de cada posible primer lugar, colocaremos el segundo
lugar. Si primero fuera Sistemas, Segundo sera Informatica y viceversa.
*.- Tercer lugar.- Puede obtenerlo ya sea Arquitectura (A), Bioquimica (B) 6 Electrica
(E) Entonces partiendo de cada posible segundo lugar, abrimos tres ramas que seran
los posibles tercer lugar.
*.- Cuarto lugar.- Partiendo de cada posible tercer lugar abrimos dos ramas que seran
el posible cuarto lugar
*.-
Finalmente siguiendo desde "0" basta cada Ultima rama elaboramos la lista de
resultados posibles.
ler. Lugar
r.Lugar
A~B
I
I
B~A
: E
I
E~A
0
A~B
:
B~A
I
I
E~A
I
I
-------.
-------.-.
-------.
-------.
-------.
- - - -
- - - -
- -
-.
-------.
-------.
-------.
-------.
-------.
1.4.- EXPONENCIAL.
Se usa cuando necesitamos tomar una "n" sene de decisiones en secuencia pero con la
condicioo de que cada vez que vayamos a decidir tengamos exactamente el mismo
Romero de opciones "m"
Se obtiene
mediante
donde:
II
m=
n=
EJEMPLO 1.8.
i...
De cuantas formas puedo resolver un examen que consiste en cinco preguntas donde a
*.- Es
-entonces
2
5
*.- Puede ser tambien resuelto por llenado de cajas. Son cinco las veces que vamos a decidir, por tanto
hacemos cinco cajas y en cada una de ellas anotamos 2, que son las opciones de soluci6n, (verdadero 0
falso)
~ X ~ X ~ X ~ X ~
- 32 diferentes soluciones.
10
EJEMPLO 1.9.
" De cuantas diferentes formas puedo llenar una quiniela de pronosticos deportivos si anoto
para cada juego solamente en una de las casillas ( local, empate 0 visitante) ?
*. - Entonces para cada juego hay tres opciones de decision. Y tendremos que
decidir 14 veces.
*.- Es por tanto un caso de solucion exponencial.
m=3
n= 14-,
entonces:
m = 3
14
de cajas necesitamos 14 cajas, una por cada juego, y dentro de cada una
colocamos un 3 que SOD las opciones de soluci6n, local, empati: 0 visitante.
11
EJEMPLO 1.11.-
Calcular 61..
Simplemente: 8! = 8 X 7 X 6 X 5 X 4 X 3 X 2 X 1 = 40,320
65!
65X64X63X62X6lX~
991'186,560
60!
(8X7X6X5X4X3X2Xl) - (3X2Xl) =
= (40,320) - ( 6 ) = 40,314
*-
12
1.6 PERMUTACIONES.
Pennutar significa cambiar una cosa por otra,
resultados que se puedan obtener at seleccionar uno, varios e inclusive todos los elementos
de un conjunto, seg(m interese.
.. --------------- .....................................................
TIP
II
nPn - n!
"
13
EJEMPLO 1.15.
En el concurso anual de ciencias basicas que organiza e1 Tec. de Tepic, quedan como
finalistas los representantes de la Prepa 1, el colegio Colon, la Prepa 13 y Cetis 100. iDe
cuantas diferentes formas pudieran quedar ocupados los cuatro lugares?
~4=
4!
1.
Puede tambien resolverse por llenado de cajas.
Hacemos 4
ler. lugar
2 logar
3er lugae
2.
3.
PI C.C PI3
PI c.c C
P13
PI C
PI C C.C
c.c PI P13
4.
P13
c.c
P13
C
de arbol.
EJEMPLO 1.16.
iDe cmlntas maneras pudiera formarse la lista de los diez estudiantes que individualmente,
lOPIQ=
10! = 3'628,800
14
EJEMPLO 1.17.
i,En cuantas formas puede un juez acomodar a seis corredores en la linea de salida?
nPn =
6P6
= 6!
720
EJEMPLO 1.18.
EI director de la escuela ha citado para manana a las doce horas a diez catedraticos en la
sala de juntas de la direcci6n. Si todos Uegaran a la cita en distinto momento, i,de cuantas
formas pudiera ser el orden en que llegaran?
nPn
= IOPlO =
*.-
*.-
lO! -
3'628,800
POT
1OX9x8x7x6x5x4x3x2x1= 3 '628,800
15
EJEMPLO 1.19
Para el concierto del 20 Aniversario del grupo Nipeneucami, 6, profesores del Tee.
acomodarse si:
a.- No existen condiciones; aSI que cada elemento puede tomar cualquier asiento.
b.- Entre ellos hay una pareja que desea sentarse junta.
a.- Son seis elementos tornados tOOos a la vez. Entonces sera J>6 = 6!
720 formas
b.- Supuesto que la pareja debe ir junta, si cambiamos a uno, el otro no puede quedar
separado. Por tanto los podemos considerar a ambos como un solo elemento en
relaci6n a los demas. Y entonces sera ~5 = 5! = 120.
Pero tambien en cada arreglo si intercambiamos entre sl a la pareja, segwran
estando juntos y no altera las condiciones del problema. Esto puede lograrse de zPz
=2!=2
Entonces el total de arreglos sera: 5P5 zPz = (5!) (2!) = (120) (2) = 240 arreglos.
c.- Carla pareja debe estar junta, entonces carla pareja la consideramos como un solo
elemento y as~ por parejas, podemos realizar 3P3 = 3! = 6 cambios.
Pero tambien si intercambiamos los elementos de carla pareja entre st, 10 podemos
hacer de zPz = 2!=2 arreglos por cada pareja.
Entonces el total de arreglos que podemos lograr sera:
(JP3) (zpz) (zpz) (zpz) = 3! 2! 2! 2! = (6) (2) (2) (2) = 48 diferentes arreglos.
Por parejas pareja pareja pareja
1
2
3
1.6.2
16
II
Se obtienen
mediante
n!
nPr=
(n - r)
conjunto.
r= Cantidad de elementos que
esperamos en
cada subconjunto
II
EJEMPLO 1.20.
7!
7!
210
(7-3)!
4!
X 5
210
17
EJEMPLO 1.21.
Si se presentan siete
aspirantes que reunen los requisitos para ocupar cualquiera de los dos puestos y entre ellos
se hani la seleccion, "de cmintas formas pueden quedar ocupados los dos puestos?
jefe de vendedores.
*.-
Entre muchos posibles resultados, uno pudiera ser [gerente Paulina y jefe de
vendedores Angel]. Pero tambien pudiera ser [gerente Angel y jefe de vendedores
Paulina].
7!
42 Posibles resultados
(7-2)
Hacemos dos cajas. Una para seleccionar gerente la otra para seleccionar jefe de vendedores.
Para la primera tenemos 7 opciones, para la segunda 7 menos UNO que sera el gerente,
~
r7l
entonces tenemos 6 opciones.
LJx
~ = 420PCIONES
18
EJEMPLO 1.22.
El peri6dico ''1 Financiero" en cada edici6n, publica la lista de las diez empresas que mas
titulos accionarios negociaron en la Bolsa Mexicana de Valores. Si tienes dinero y deseas
realizar tres importantes inversiones en tres de esas empresas, i,cuilntos posibles arreglos,
al seleccionar las tres empresas que mas te interesen, puedes hacer para elegir tu inversi6n?
*.- Entre" n =
lOP 3.
10!
nPr
lOP3=
720 Opciones
(1O-3)!
= 720 Opciones
~x
EJEMPLO 1.23.
tesis, de igual numero de tesistas. J)e cmintas maneras pudiera hacer la designaci6n, de no
*.- Seleccionara tres eatedraticos para que cada uno atienda a un tesista.
*-
6!
= 120 formas
(6 - 3)!
19
mas
Se obtiene
mediaote
II
doode:
o = Total de elementos
O!
Cada subconjunto
de
elementos
II
EJEMPLO 1.24.
Rento un local comercial que en su exterior tiene un letrero de cuatro letras luminosas
individuales que forman la palabra
[]
[U
dinero en un nuevo anuncio, cambiare de orden las letras para obtener un nuevo nombre
para el negocio. l,Cmintos diferentes nombres puedo obtener?
Si decido intercambiar la segunda letra con la cuarta, es decir la primer A" por la
segunda "A", obtendre exactamente la misma palabra "C AS A". Estos cambios no
S1fVen.
0=
Nfun. de elem.
01=
Una vez
"c"
02=
03
Una vez
"S"
20
4!
n!
( l! )( 2! ) (I! )
EJEMPLO 1.25.
Un soldado desde una colina hace senales a la tropa que se encuentra en el valle, mediante
[dos banderas rojas, dos azules y una verde colocadas en linea horizontal], l,cmintas
diferentes senales puede enviar
*.- Un posible arreglo puede ser [~~A,A,V,], Si cambia la primer raja con la segunda
roja, la tropa no percibira el cambio. E igualmente sucedera si intercambia entre si
las azules.
*.-
Entonces,
percibir~
o! = Total de banderas
=5
5!
21
(nl!) (n 2) ( n3 )
30 senates
( 2!) (2!) ( I! )
EJEMPLO 1.26.
En una gran ferreteria de nueva creacion contratan 18 empleados para atender el mostrador.
Todos ellos muestran aptitudes para el puesto. Se eligen 8 para atender el primer tumo,
otros 8 atendenin el segundo turno y los 2 restantes senin relevos. "De cmintas formas
pudiera el gerente asignar los horarios a los 16 fijos y a los 2 relevos?
* - Entonces
*-
Uno de los arreglos pudiera ser que los trabajadores de relevo fueran Jorge y
Anam, 0 ~ Esta repetici6n no tiene sentido ya que los dos harian 10
mismo. Y de igual forma sucede entre los empleados de 1. y 2. turno entre si. Por
tanto aplicamos una permutaciOn con repeticion, para e1iminar todos los arreglos
repetidos.
Total de empleados =
0= 18
01=
Empleados 2. tuno
02=
03=
Ernpleados de relevo=
n!
nt! n2! n3!
18!
=
=
(8!) (8!) (2!)
1'969,110
1.6.4
22
PERMUTACIONES CIRCULARES.
Se utiliza cuando los elementos estan acomodados en fonna circular y deseamos saber de
cuantas formas pudieramos reacomodarlos.
II
Se obtiene
mediante
(n-l)!
EJEMPLO 1.27.
Tres personas juegan una partida de domino en tomo de una mesa redonda. l,De cuantas
*.-
E1 problema indica claramente que estim en fonna circular. Por tanto aplicaremos
(n-1)!.
c
A
l------lOpcion 1
En la opcion 1, a la izquierda
del jugador "A" esta el
jugador "B" y a la derecha
esta "C".
*-
En la opcion 2, a la izquierda
del jugador
"A" esta el
jugador "c" y a la derecha
*.- Cualquier otro arreglo que se pretenda tendra las caracteristicas de alguno de los
anteriores.
*.-
derechaC
[-~:b,:,-.._!_~J
ci
De A: izq~"C:ab-echa B
23
............................................................
*.- Si las mismas tres personas del problema anterior estuvieran sentadas en linea, por
n! = 3! = 6 diferentes arreglos
[A,B,C,], [A,C,B],
[B,A,C,],
[B,C,A],
[C,A,B],
[C,B,A,]
6 formas
~ TIP. Cuando tenemos "n" elementos en forma lineal, tornados todos a la vez ,
:
:
extremos que nos dan mas opciones de diferencia. Mientras que si estos
mismos "n" elementos estim colocados en forma circular, no hay extremos, :
solo habra un elemento como punto de referencia.
.:
.:
: ............................................ ............................................. ~
EJEMPLO 1.28.
b.- i,De cuantas si dos de elias son pareja y desean sentarse juntos.
global
4! = 24 formas.
..... ..0.
....
...
de F y D
( 4 - I)! (2)!
3! 2!
24
EJEMPLO 1.29.
*.- Primero
(5 -I)! (4)! (6)! (5)! (6)1 (5)! = (24) (24) (720) (120) (720) (120) =
Por mareas
VW
Fordo
4.29981696 X IOU
Diferentes arreJ!los
*-
(5 )!
mal'Call
Ford
25
1.7 COMBINACIONES.
Se utilizan cuando tenemos un conjunto de "n" elementos y deseamos seleccionar todos los
subconjuntos posibles tamafio "r" [ donde "r" es menor
II
Se obtiene
mediante
nl
r= Num.
nCr =
de elementos de cada
sobconjunto resultante
rl ( n r ) 1
........
..........
..........................
..
la actividad, ganancia 0
:
el seleccionar entre 10 personas a 2 para exponer la siguiente clase. Si fueran
seleccionados [Gabi y Anahi 6 l\naW , 8at1t]" no tendria sentido la repetici6n
del dato ya que son las mismas dos personas para realizar y/o ganar
exactamente 10 mismo. Asi entonces En las COMBINACIONES eI orden en
que aparecen los elementos en cada remltado carece de impomncia .
:
:
:
:
::
.
. .................................................................................................
EJEMPLO 1.30.
Deseo pintar mi recamara y para ella necesito tres litros de pintura. Tengo 1 litro azUl, otro
rojo y otro verde..,Pero quiero que todo quede del mismo color, asi que decido revolverlo.
i,De cuantas fonnas puedo hacerlo?
3!
3!
3! (3-3 )!
3 r (0)'
1 forma
[O!
1]
etc.]
26
EJEMPLO 1.31.
Llegan a la vez 16 alumnos al centro de computo a solicitar una PC para trabajar. En ese
momento hay 6 disponibles en la sala "A" , otras 4 en la sala ''B'' y en la siguiente hora se
desocupanin otras 6 para los restantes. l,De cuantas formas pudiera asignarse tumo a estos
alumnos?
*.- Si observamos,
*.- Nos
*.- Para que se complete el problema, deben ocurrir las tres cosas anteriores
multiplicaremos los resultados parciales para obtener el resultado final.
16!
6! ( 16-6 )!
1O!
4! ( 1O-4)!
POf
tanto
4!
4! ( 4-4 )!
1'681,680
formas
.....................................................................................
~ TIP. - En casos como el ejercicio anterior, que para completar un problema debe ~
.
: suceder algo Y enseguida otra cosa Y luego otro resultado, esa 00 intermedia podemos :
: interpretarla como indicaci6n de que hay que multiplicar los resultados oarciales.
:
.
: En
otros casos donde se presentan varios resultados posibles, puede suceder que el
problema quede resuelto si sucede el primer resultado (0) el segundo resultado (0) el
tercer resultado. En esos casos esa (0) intermedia podemos interpretarla como una
indicaci6n de que debemos s-umar los resultados parciales ya que son opciones de
solucion y con cualquiera de ellosquedara resuelto el problema
:
.
.
:
................................................................................................
27
EJEMPLO 1.32.
*.-
Lo que importa en este problema es de que escuela son los escogidos y quienes
seran, pero carece de importancia el orden en que sean seleccionados ya que la
actividad y la responsabilidad sera igual. Si por ejemplo escoge a (A,ByC 6 a
B,CyA6 a C,AyB etc.) es un mismo resultado puesto que son las mismas personas
solo que en diferente orden.
*-
*.-
Entonces seran dos combinaciones. La primera lOC3, que senin las opciones en la
escuela de Economia y, sC3 que seran las opciones en la escuela de Comercio.
Finalmente como el problema se completa si escoge de la escuela de Economia
10!
-----3!(10-3)!
8!
(120) + (56) = 176 formas
+
3! ( 8-3 )!
EJEMPLO 1.33.
a.- Las que escoja, no importa en el orden que sea senin las mismas preguntas. Por
tanto es una combinaci6n.
12C 10 = 66 opciones
28
EJEMPLO 1.34.
Si de entre diez presidentes previamente seleccionados, Zedillo decide invitar a seis de ellos
para hablar de las relaciones comerciales de sus paises. l,De cuantas formas puede
seleccionarlos si?:
b.- Entre los diez figuran Castro Ruz y Clinton y no debe invitar a ambos a la vez
C.-
b.- Puesto que no puede invitar a la vez a Castro y a Clinton tiene 3 opciones.
e. Invita a Castro y no invita a Clinton. Tendril que reservar lugar a Castro, y Ie
quedanin solo cinco lugares. Ademas borrara a Clinton de la lista de invitados
posibles por 10 que solo tiene para escoger entre 8. sCs = 56
2a Invita a Clinton y no invita a Castro. Ahora reserva lugar a Clinton y elimina
a Castro de la lista de invitados posibles. Asi puede escoger sCs = 56.
3a No invita ni a Castro ni a Ointon. Ahora solo tiene 8 posibles invitados y Ie
quedan los seis lugares. Ahora puede escoger sC, = 28
Como no puede suceder las tres opciones a la vez, es decir sucede la 18 . 6 la 28
38 . La 6 intermedia me indica que debo sumar los resultados parciales.
la
c.- En este caso como decide invitar a Clinton y al primer ministro de Canada, les
asignara su lugar, y solo Ie quedaran 4 lugares mas y 8 posibles invitados de donde
seleccionara los cuatro restantes
sC4 = 70 opciones
29
"
subconjuntos, (dentro de los cuales el orden de los elementos carece de importancia), puedo
solucionarlo mediante varias combinaciones, pero mas facilmente mediante una partici6n
ordenada.
Se obtieoe
mediante
II
Doode:
O!
Ot! 2! 03!.Or!
oh
02,
II
EJEMPLO 1.35.
0).... 0
0 son cada
subconjunto de
elementos que
se va a repartir
De un grupo de 10 alumnos seleccionare 3 para exponer el terna uno; 2 para el tema dos; 2
para el tema tres; y los 3 restantes expondnin el terna cuatro. (,Cuantos diferentes grupos
puedo formar?
*.-
*-
*-
n!
2;
ll] =
2; I4 = 3".
10!
3628800
3! 2! 2! 3!
144
25,200 grupos
*.- Selecciono 3 de los 10; Luego 2 de los 7 restantes; enseguida 2 de los 5 que quedan; y finalmente los
tresquerestan.
30
EJEMPLO 1.36.
Se inscribe en un torneo de fitt beis 12 equipos. uno de ellos es representante de esta aula.
para una primera ronda, cada equipo jugani con los 11 equipos oponentes. de cuantas
formas puede terminar esta ronda con 6 ganados, 3 empates y 2 perdidos?
*. EI orden en que ganen 6, empaten 3 y pierdan 2, carece de importancia. (Si pierden
los primeros dos 6 el 7 y 9 6 el 1 y 3 etc. para el resultado cuenta 2 empatados sin
importar el orden en que haya sucedido. Yes 10 mismo en los perdidos y ganados).
*.- En cada posible arreglo contaremos todos los n = 11 juegos. Donde hay n1 = 6
ganados n2 = 3 ernpates, y n3 = 2 perdidos.
39'916,800
6! 3! 2!
8640
4620formas
*.- Seleccionamos todas las formas en que pudieron ganar 6 de 11 juegos; luego todas las formas en que
pudieron empatar 3 de 5 juegos restantes y finalmente los 2 perdidos.
[114] [sC3 ] [Z~] = 46i X 10 X
1 = 4620 formas.
EJEMPLO 1.37.
Ocho alumnos de informatica y ocho de sistemas Began al mismo tiempo al centro de
c6mputo y pide cada uno una computadora, hay seis disponibles en ese momento, en la
siguiente hora se desocuparan cinco y en el resto del dia no habra mas disponibles. Si 10
sortean, l,de CUl:intas formas pudieran quedar los grupos?
n = 16,
n1 = 6,
n2= 5,
n3= 5
16!
2'018,016 grupos
6! 5! 5!
31
REQUERIMIENTOS:
El programa requiere para su instalacion una PC ffiM 0 1000.10 compatible.
EI sistema operativo debe ser Windows 95
98.
El monitor: 64~ X480 a 256 colores. 0 bien 800 X 600 a 256 colores
Los demas requerimientos son los propios del sistema operativo.
INSTALACI6N:
En realidad no es necesario instalar el programa, ya que este puede ejecutarse desde
el disquete que acompafta a este libro, pero si decides instalarlo en tu disco duro
simplemente baz 10 siguiente:
Abre el explorador de Windows
Dirigete at menu archivo y selecciona nuevo
Haz clic 0 enter en la opcion carpeta
32
NAVEGACION:
Durante el programa encontraras paginas casi en blanco y algUnos botones en elias,
presionalos y averigiia que sucede, no te preocupes, explora y divien:ete mientras
aprendes, algunos personajes te ayudaran durante el recorrido....
EJECUCION:
Ds doble die en el archivo Probabilidad_1.exe en la unidad "A",
si' copiaste el
Una vez hecho esto veras una pantalla como esta, que te ofi'ece tres opciones:
OPcrON INTRODUCCION:
Bienvenido a;
de
las
OPOON
TE
Te
lleva
.-
33
esta
sa
edici6~
edici6~
FREUND John E.
sa
edici6~
Mexico
ediei6~
Mexico 1996.
1.11 RESUMEN.
Ante un problema de conteo pregimtate primero I, imports el orden en que aparecen los resultados?
LtENADO DE CAJAS, Se titiliza principalmente euatido el problema nos impone restricciones Por ejemplo: i,Cuantos
nUmeros de tres digitos puedo formar si debe aparecer el 7 en todos ellos?
DIAGRAMA DE ARBOt. Se utiliza cuando se desea obtener la Usta de todos los posibles arreglos. Por ejemplo: Elabore
la lista de todos los posibles resultados de un examen de 8 preguntas a las que debera contestar V 6 F.
EXPONENCIAL,- Se utiliza cuando necesitamos tomar decisiones en secuencia y en todas tenemos igual numero de
opciones. EJemplo: Calcule los posibles resultados de un examen de 8 preguntas a las que debera contestar V6 F.
SI.
Entonces sera
una Permutaci6n
;,Importa
PERMUTACIONES nPn.- Se utillza cuando queremos calcular el total de arreglos que resulta de intercambiar todos los
elementos de un conjunto "n" considerando siempre todos a la vez. Por ejemplo: Calcule el total del orden en que
diez alunmos pueden pasar a hacer examen oral.
PERMUTACIONES nP,.;- Se utiliza cuando de un conjunto "n",queremos calcular el total de arreglos que resulta de
seleccionar una parte "r" de Sus elementos a la vez. Por ejemplo: calcule el total de posibles listas en que de diez
alwnnos de la clase, podemos escoger un presidente y un secretario.
pERMUTACIONES CON REPETICION.- Se utiliza cuando tenemos un conjunto de "n" elementos donde hay
subconjuotos identicos entre si, y quiero calcular el total de arreglos diferentes, que verdaderamente Diis sentidos
persiban diferencia entre los difereotes atreglos. Por ejemplo: 8i cambio las letras de la palabra ORO cuantos
verdaderos cambios puedo obtener? Cambiar una "0" por otra "0", no se notana, sma repetici6n.
Elorden?
PERMUTACIONES CIRCULARES. Se utiliza cuando los elementos estan acomodados en forma circular 0 fortttando
una figura tal, que no existen extren10S como en la forma lineal. Por ejemplo. iJ)e cuantas diferentes formas
pudieran tomar lugar 8 personas alrededor de una mesa?
NO.Entonces sera
una combinaci6n
COMBINACIONES.- Se utiliza cuando de un conjunto de "n" elementos, seleccionamos de el una parte "r". Los
seleccionados obtendran 10 mismo, harao 10 mismo paganin 10 mismo, es decir el orden no in1portaPor ejemplo: La
direcci6n de la escuela otorgara tres becas completaS en el Tee. de Monterrey a los tres prin1eros mas altos
prontedios de los egresados de infornuitica este semestre. Da 10 mismo ser 10 , 20 6 30 , el premio es igual.
PARTICIONES ORDENADAS,-Se utiliza cuando un conjunto de "n" elementos se va a repartir todo. Por ejemplo: De
un grupo de 12 egresados de Ing. Quimica, 3 hanln sus practicas profesionales en una empresa local, 4 en una de
Guadalajara y 5 en una empresa de Monterrey. i,De cuaotas formas pueden quedar conformados los grupos?
Dnidad I T&:nicas de Conteo
34
UNIDAD II
UNIDAD DOS
2.1
Introducci6n.
2.2
Conjuntos.
2.3
2.4
relativa.
2.5
2.6
2.7
Postulados de la probabilidad.
2.8
Probabilidades y posibilidades.
2.9
Regia de la adici6n.
2. 10
2.11
2.12
Regia de la multiplicaci6n.
2.13
Teorema de Bayes.
2.14
2.15
2.16
Resumen.
35
UNIDAD II
36
2.1 INTRODUCCION.
decidir en
un
cHma
de
Este riesgo que debemos correr cada vez que tomamos una decision se
incrementa
mientras menos conozcamos del problema y por el contrario, se reduce mientras mayor
informacion tengamos de el 0 de la solucion de problemas similares.
El estudio de la probabilidad se inicia hacia el siglo XVI por la necesidad de los jugadores
de los juegos de azar, de un metoda que les permitiera apostar con menor riesgo ante las
diversas situaciones del juego. Y por ella recurren a los matematicos en
busca de
UNlDAD II
37
2.2 CONJUNTOS.
Revisaremos aqui algunos t6picos de la Teoria de Conjuntos por que este simbolismo y su
nomenclatura nos permitini explicar y entender la Probabilidad en forma mas sencilla, mas
precisa y menos propensa a ambigiiedades. Los temas que tocaremos, son los justamente
necesarios para nuestro prop6sito.
ELEMENTOS.
W,
etc.
etc.
Si deseamos definir, por ejemplo, el conjunto A con la enumeraci6n de sus elementos que
fueran los numeros enteros que se encuentran entre
elementos se escriben uno a uno entre llaves y separados con una coma. Esta notaci6n se
llama Forma Tabular de un conjunto. Pero tambien podemos hacerlo mediante la
definicion por comprensi6n
~6;
B, [y se lee:
de un conjunto es un subconjunto "c" de dicho conjunto; Asi un conjunto puede tener uno
o varios subconjuntos. Por ejemplo si A= {a,b,c,d,e}
UNIDAD II
en~re
38
elementos en comun.
Fig. 2.1.
Fig. 2.2
C
".
EJEMPLO: Si A = ~ 1,2,3 ~ Y Sl B
~ 4,5 ~ entonces:
deB.
1,2,3
4,5
UNIDAD II
39
EJEMPLO: Si A = ~ 1,2,3,4,5 ~
Y Sl B = ~ 3,4,5,6,7 ~ entonces:
6,7
Fig. 2.4.
( An B ) = ~ 3,4,5 ~
COMPLEMENTO DE A,
(AJ
encuentran en el conjunto A.
EJEMPLO: Si el universo 10 forman los numeros del ~ 1 aI 10 ~ Y Sl
~ 3,4,5 ~
(AJ
=~
1,2,6,7,8,9, 10 ~
~ 1,2,6,7,
8,9,10~
3,4,5
CONJUNTO UNIVERSO ( S). Contiene todos los posibles resultados de un evento; por
tanto:
comovemosenla Figwa2.5
UNIDAD II
2.3
40
Este concepto surge del estudio de los juegos de azar y es aplicable en los casos en que el
experimento puede tener solamente ciertos resultados bien definidos, donde "todos estos
posibles resultados, son igualmente probables". Entonces la determinacion de la
peA) ==
Donde:
.n
....................................................................
Observese que ests definicion tiene una restriccion muy importante Y8 que solo .
puede emplearse cuando todas las probabilidades son igualmente probables y que :
.................................................................................................
exists un nomero fin ito de posibles resultados como sucede en los juegos de azar.
EJEMPLO 2.1.-
*.- solo una de las caras tiene el nUmero 3 portanto solo hay
acierto.
*.- Cada lanzamiento que haga del dado, siempre existira la misma probabilidad para
cada una de las caras, 1/ 6.
=--
P(3) =
n
= 0.16667
UNJDAD II
41
EJEMPLO 2.2.
y selecciono
a.-
Entonces n
posibles resultados.
32
~P(A)=-n
= - - =0.03125
32
m = 1 opciones. Entonces:
f--\
Y
m
14
P(M) = - = - - = 0.43750
n
32
EJEMPLO 2.3.
De una baraja de 52 cartas saco una al azar. l, que probabilidad existe que sea un rey?
= 52
posibles resultados.
4
P(K) = - = - = 0.07692
n
52
UNlOAD II
42
EJEMPLO 2.4.
La maestra del curso de probabilidad han!. un examen oral a 32 alumnos. Pero el dia de hoy
a.- " Solo a 2 de los 8 que no estudiaron les toque examen este dia?
b.- " Que de los que no estudiaron a ninguno les toque hoy?
3.-
* El
14 de los 24
que si estudiaron, entonces la Y intermedia indica que debemos multiplicar
ambos resultados parciales para obtener todos los posibles resultados de
acierto.
54'915,168
601 '080,390
32C16
= 601 '080,390 = n
*.-
*.-
735,471
=
0.09136
601 '080,390
0.00122
UNlDAD II
43
P(A)=
Ninn. total de observaciones realizadas.
..........................................................................
..........................................................................................
Por ejemplo: Si cuidando todos los detalles necesarios, sembramos una semilla de naranja,
podremos esperar solo dos resultados, que gennine 0 que no germine; Pero 10 anterior !!!!
signifiea que la probabilidad de que germine sea 1 de 2 posibles resultados
1/2. Para
P (germine) =
Nu.m. total de semilias sembradas para la prueba.
.................................................................................................
: La LEY DE LOS GRANDES NUMEROS aJU'lIla que si un experimento se continua repitiendo sin :
~--
----------
- -
UNIDAD II
44
EJEMPLO 2.5.
Si un inspector de control de calidad en una empresa que produce tornilleria, observa que
una determinada maquina que ha venido trabajando correctamente, y que seg6n las
estadisticas, en los ultimos tres meses ha producido 326,000 unidades diarias, de las cuales
en promedio, 765 han estado defectuosas
(10 que
se considera aceptable).
l,Con esta
325,235
Producci6n diana
326,000
P ( piezas aceptables )
0.9976 de efectividad
EJEMPLO 2.6.
Un mayorista recibe en sus bodegas un cami6n que Ie surtira 8000 cajas de lapices, cada
para ello selecciona al azar 500 cajas de la carga, cuenta los lapices y resulta que 26 cajas
no tienen los 50 lapices. l,Que probabilidad hay que si toma cualquier otra caja del cami6n,
*-
26
26 resultados de acierto
P ( menor contenido )
UNlOAD II
........................................................................ _
.; *.- Lo anteri-or se llama muestrear. Y cuando la muestra es aleatoriamente bien
1
~
45
..
;.
1
~
.....................................................................................................................................................................
2.5
2.6
EI espacio muestral
experimento. Por ejemplo si de 10 peliculas que deseo ver, rento solo una, mi espacio
muestral sera igual al numero de peliculas {l,2,3,....,1O} =10 opciones. Pero si rento tres,
ahora el tamafio de mi espacio muestral sera IOC]
A cada posible resultado tambien se Ie llama punto muestral de tal manera que el primer
ejemplo tiene 10 puntos muestrales (diez posibles resultados), el segundo tiene 120 puntos
muestrales y el tercero tiene 252 puntos muestrales.
UNlDAD II
Un
46
"Regreso al futuro ", si seleeeiono una pelicula al azar, "que probabilidad tengo, de que
resulte seleccionada dieha einta?
=0.1
10
Otro evento seria, siguiendo el ejemplo anterior, el seleeeionar al azar de entre las 10, una
pelieula. "Que probabilidad existe que la seleeeionada no sea "Regreso al futuro"?
Ahora el evento sera, todas aqueUos puntos muestrales que no son la pelieula "regreso al
futuro" y la probabilidad de exito de no seleecionarla sera:
2.7
0.9
10
POSTULADOS DE LA PROBABILIDAD.
Por logiea debera pertenecer. EI evento sera eualquier punto muestral de las 10 eintas. Por
tanto:
Probabilidad de seleccionar
cualquiera de las 10 peliculas
47
UNIDAD II
10
= !
Suma de puntos del espaeio muestral
10
........................................ ..................................
.
~
Entonces: Cuando un evento definitivamente es seguro que sueeda., por que no haya :
Es decir, todo .
.~~. ~~~~.~.~:
..1
r..CSJ;:.l..l
POSTULADO I
Por 16giea debera perteneeer al grupo del eual fue extraido. Y entonees:
Sumadepumosmuestralesdeacierto
o
-=
!!
10
:_..........................................................................
...................................................................................................
La probabilidad de acierto de un evento se denota con una letra mayuscula:
P ( A ).
:........................................................................
La probabilidad de cualquier evento, jamas sera menor que cero y jamas sera
:
: mayor que uno.
.....................l.!:::::===O=<=P=(=A=)<=1==::::::!J....
"II
POSTULADO 2
II"
UNlOAD II
P ( AC )
48
Complemento de A
fo que es igua/
:_........................................................................
.
podemos concluir que:
P (A) + P (A) = P (8). Y como P ( 8) = 1 entonces: .
~
~ P(A
)=l-P(A)
.~
P(A)=l-P(A C ) .
............................................................................................
_..................................................................................
P (A U B) = P (A) + P(B)
11
~
POSTULADO 3
~ ..
I'
P(A)= - - - - - - -
Total de posibles resultados
Vs
escribira:
.,).. Se lee "es a": )
PosibiJidad (A)
contra.
UNIDAD II
49
EJEMPLO 2.7.
52
52
P (Prepa 1 )
100
bien
[52 a 48 J
ohtenemos:
EJEMPL02.8
i, Cuilles son las posibilidades de aprobar cierto examen si las probabilidades estimadas son
.85?
85
85
100
85 + 15
P( A ) = 0.85
entonees
EJEMPLO 2.9.
deberan
probabiliOOd
Opciones a favor
P(A)=----
A favor + en contra
85
85
=0.85
85 + 15
100
UNIDAD II
50
EJEMPLO 2.10.
Si un analista financiero en una entrevista dijera que para el final del siguiente trimestre las
posibilidades de que el dalar repunte contra el peso en mas de 50 centavos es [4: 2]. Que
las posibilidades que cuando mucho repunte hasta 50 centavos es
[1: 8 ], que la
~Podemos confiar
en sus declaraciones?
Las cuatro opciones que presenta, son todas las que pueden suceder: [a) repunte el
dalar mas de 50 centavos. b) repunte el dalar no mas de 50 centavos. c) se mantenga
sin cambios. d) repunte el peso.] Por 10 anterior, la suma de las probabilidades debera
ser igual a la probabilidad del espacio muestral, es decir igual a 1
POSffiILIDAD DE (A) = [4 : 2 ];
P(A) =
4
-- =
+ 2
0.66667
POSffiILIDAD DE (B) =
1 : 8 ];
P(B) =
1+8
0.11110
POSffiILIDAD DE (C) =
1 : 10];
P(C) = -
1+10
1
=
11
0.09090
UNIDAD II
51
POSIBILIDAD DE (D) =
1 + 23
24
P(D) =
1 : 23 ],
0.04160
La suma de las probabilidades de los incisos (a+b+c+d), supuesto que no hay mas opciones, deberia ser
iguaI a la probabilidad del espacio muestraI P(S) =1, Yno 10 es.
SOD
cone:ruentes.
observaci6n. P (A 6 B 6 C 6 ....)
El calculo se realiza seglin sean los eventos. Estos pueden ser mutuamente excluyentes,
no mutuamente excluyentes.
10 que es 10 rnismo
UNlDAD II
52
Cuando los eventos presentan elementos comunes entre si y pueden ocurrir al mlsmo
tiempo se dice que son NO MUTUAMENTE EXCLUYENTES.
.----------------,
o bien:
Fig. 2.7
(A 6
...................................................... .............................................
.
: En el caso excluyentes consideramos la probabilidad de que suceda (A) 0 que :
~
suceda (B), estos se excluyen, puesto que no tienen elementos en comllO no pueden :
suceder a la vez.
~
I ::e:e:::),D:u::::::S(B;i:::~:S::::::b:~;;; ::~::rm~~ I
*
~
:
resta una vez (AnB) para no duplicar el dato ya que al calcular (A), inc1uimos los .
elementos de su intersecci6n con (B). Y al calcular (B) volvemos a incluir los ~
elementos de la intersecci6n
:
: ...............................................................................................:
.............................................................................
.
~ TIP.
Podemos distinguir mcilmente que debemos aplicar la regla de la adici6n
~
: cuando hagamos una sola observaci6n ensayo y tengamos varias opciones de acierto. .
:
.
EJEMPLO 2.11.
Si selecciono al azar, una carta de un mazo de 52 cartas "Que probabilidad tengo de haber
Es un solo ensayo ( solo una carta extraere), y gano con mas de un posible resuhado,
(cualquier As 0 Rey). Lo anterior me indica que debo aplicar la regia de la
adicion
* Puesto que no pueden suceder a la vez un As y un Rey en una sola carta, es clara la
indicaci6n que debera ser para eventos excluyentes
UNIDAD II
52
52
Simplemente la [ 6 ] intermedia en
Tambien
= P(A6K) me indica adici6Jt
puede plantearse P (AuK) = P(A) + P(K)
13
Q., K.
10., J. , Q., K.
10... , J... , Q... , K...
A., 2. , 3. , 4. , 5. , 6. , 7. , 8. , 9.,
A ..., 2... ,
53
+
52
A., 2.,
Q., K.
Espacio muestral de una baraja de 52 cartas. [son: 4 de cada nfunero; 13 de cada figura; J,Q,K son monos
EJEMPLO 2.12.
Si selecciono al azar una carta de un mazo de 52 cartas l.que probabilidad tengo de haber
tornado un As
un coraz6n rojo?
Es un solo ensayo ( solo una carta extraere), y gano con mas de un posible resultado,
(cualquier As 0 .). Lo anterior me indica que debo aplicar la regia de la adicion
Puesto que sf pueden suceder a la vez un As y un en una sola carta [Ia carta
A.]
es clara la indicaci6n que debera ser para eveotos
pueden suceder a la vez, no se excluyen.
(fig. 2.8),
P(Ao . ) =P(A)+P(.)-P(A.)=
II
EI resultado 4/13
realmente debe
interpretarse
como:
P(A,o.,6
ambos)
13
52
52
-- +
52
0.0
excluyeotes, ya que
16
52
13
UNlDAD II
54
EJEMPLO 2.13.
Si selecciono al azar una carta de un mazo de 52 cartas que probabilidad tengo de haber
* Es solo un ensayo (tomar una carta) y espero cualquiera de dos posibles eventos
["" 6 un .]. Lo anterior indica que debo aplicar la regia de la adicion.
13
26
52
P("" 6 .) = P("" ) + P( ) = - - +
52
52
Recordemos que simplemente la 0 intermedia, P("" 0.). nos indica que debemos
sumar
EJEMPLO 2.14.
Selecciono al azar 125 alumnos a la entrada del Tee, encontrando que 53 de ellos lIevan
Matematicas, 68 lIevan Programaci6n y ninguno de los entrevistados lIevan ambas
materias. Si selecciono de entre esos 125 alumnos, uno
que lIeve:
a) l.Matematicas?, b) l.Programaci6n?, c) l.Matematicas 6 Programaci6n? d) l.ninguna de
elias?
53
Opciones a favor
---
a.- P(M)=
Total de posibles resultados
0.424
125
53
Opciones a favor
Ni Mate. ni Pro!mIIIUICi6n.
figura 2.8
b.-
68
0.544
PcP) =
Total de posibles resultados
125
UNIDAD 11
55
53
c. - P( M 6 P) = P(M) + P (P) =
68
121
---=0.968
125
125
125
Opciones a favor
125
0.032
EJEMPLO 2.15
Seleccionamos al azar 100 alumnos a la entrada del Tec. y encontramos que 53 de ellos
Bevan Matematicas , 68 lIevan Programaci6n y que 25 de los 100 lIevan ambas materias. Si
de entre esos 100 alumnos seleccionamos uno al azar
~cual
es la probabilidad de que al
43
25
96
+-- +-
Ni Mate. oi Programacioo.
100
100
100
100
Figura 2.9
UNlOAD II
56
68
25
96
100
100
= 0.96
-t
100
PROBLEMA 2.16
de
Comercio?
8 Hombres
6 Mujeres
18 Mujeres y
12 Hombres
=
= 30 estudiantes
de Turismo
14 Estudiantes
de Economia
P(E0q
P( E) + P(C) =
14
38
52
P(E6C)=- + ---82
Figura 2.10
82
82
=
0.6341
UNIDAD II
57
PROBLEMA 2.17
47
30
18
59
P(MoT)= - + - - - =
82
82
82
82
P(MoT)=0.7195
PROBLEMA 2.18
Seg(ln una casa de bolsa, con base en sus experiencias pasadas, la probabilidad de que un
cliente invierta en CETES es 0.4, de que invierta en acciones de Telefonos de Mexico es
de 0.12 y la probabilidad de que invierta en ambos instrumentos es 0.05.
l,Cual es la
no excluyentes:
P( CoT) = P(C) + P(T) - 2[ P( CnT)] = 0.4 + 0.12 - 2[ 0.05] = 0.42
Restamos dos
veces P( Cnl) que significa "ambos", por que este valor se incluyo tanto en P(C) como en P(l).
UNlDAD II
58
PROBLEMA 2. 19
La
soluci6n
con
ayuda
del
diagrama es sencilla:
Experien
cia doc.
Titulo
de
Ing. Sist
58
58
22
16
P(E6T)=-+-+ -
16
100
4 sin ex
periencia
ni titulo
100
100
P(E 6 T) = 0.96
Figura 2.12
38
22
P(EoT)= + - - - - =
100
100
100
96
100
a: Que la ocurrencia de cualquiera de ellos no afecte la ocurrencia del otro. En tal caso, se
dice que ambos son eventos independieotes.
UNIDAD II
59
b: 0 bien que la ocurrencia de uno de ellos afecte la ocurrencia del otro. En tal caso, se
*- Como puede sucede ( a 6 b), implica (adici6n). Asi P(A) = 0.0588 + 0.0784 = 0.137
Este es on ejemplo de eventos dependientes la ocurrencia de uno si afecta al otm.
I A),
UNlOAD II
60
P(B
P(Ay B)
P(AnB)
peA)
peA)
I A)=
...................................................................................................
~
En P(B I A), (B) es la condicionada y (A), es fa condicionante.
~
TIP
:
AI suceder la condicionante afecta a la condicionada :
...................................................................................
:
EJEMPLO 2.20
Supongamos que en un centro de c6mputo hay 35
lIP
Lanix
Con Excel
Sin Excel
23
12
35
20
5
25
43
17
60
Tabla 2.2
l.Culil sera la probabilidad que dicha maquina tenga instalado Excel dado que es una
maquina Lanix?
P( EnL) 20/60
P(EIL)=----=--= 0.8
P(L)
25/60
UNlOAD II
61
Si,
Si,
f--
P(A) :;t: P( A I B)
EJEMPLO 2.21
(43/60)
:;t:
EJEMPLO 2.22
Un reporte del Departamento de Tnmsito del Estado aeerea de los aecidentes del pasado
mes por causa de eonducei6n de vehieulos en estado de ebriedad se presenta en el siguiente
euadro:
I~
H
M
Aeeidente Null.
1.
2.6 mas
35
18
4
53
12
43
22
65
Tabla 2.3
P(lernM)
P( ler Accidente 1M)
8/65
=---
P(M)
12/65
0.66667
UNlOAD II
62
EJEMPLO 2.23
La Secretaria de Comunicaciones y Transportes del Estado indica que en este periodo, la
probabilidad de concluir satisfactoriamente el programa de rehabilitaci6n de carreteras es
de 0.75, Yque la probabilidad de concluir el programa de construcci6n de carreteras nuevas
es de 0.8, ademas indic6 que la probabilidad de concluir ambos programas es de 0.60.
P(RnC)
p(R1 C)=
0.60
P(C)
--- =
0.75
0.80
UNlOAD II
63
:.........................................................................
:
: Se
.
~ apUea
PtA y B) = PtA) P(B IA) Cuando son eventos dependjeotes
;
.
:
* P(B IA) se lee (probabilidad de ''B'' dado Que sucedi6 "A"). :
. .......................................................................................
.
:..............................................................
TIP
::
:
:
:
.
:
.
. .................................................................................................
:
EJEMPLO 2.20
Si una gran encuesta concluyera que para la siguiente elecci6n de Presidencia de Mexico el
52 % de los votantes simpatiza con Vicente Fox y decidieramos if a la calle y at azar
preguntar a algunos ciudadanos sobre sus preferencias electorates. Que probabilidad existe
de que:
a.- Los primeros dos digan que votaran por Fox? P( Fy F) = P(F)P(F)=0.52XO.52
0.2704
0.48
~.-
UNIDAD II
64
Que uno de los dos diga que votara por Fox (F) y el otro no (N).
Siguen siendo independientes y tambien aplicamos P(Q) = 1 - P(A). Pero en este inciso
debemos hacer unaconsideracion; Hay dos opciones ( EI primero vota por Fox y el
segundo no 0 el primero no vota por Fox y el segundo si). En cada una de las opciones
apJjcamos la regia de la multiplicacion. Pero como solo una de esas opciones puede
ocurrir a la vez aplicamos la regia de la adicion para eventos excluyentes.
d.- Que de cinco entrevistados, tres voten por Fox (F) y dos, no voten por Fox (N).
P(F YF YF YNy N)
= 0.032396
P(F YF YN YN Y F) = (0.52) (0.52) (0.48) (0.48) (0.52) = 0.032396
= 0.032396
= 0.032396
P(N YF YNy F Y F) = (0.48) (0.52) (0.48) (0.52) (0.52) = 0.032396
P(N YN YF YF Y F) = (0.48) (0.48) (0.52) (0.52) (0.52) = 0.032396
P(N YF YF YN YF) = (0.48) (0.52) (0.52) (0.48) (0.52)
~ =
0.32396
UNIDAD II
65
EJEMPLO 2.21
uno de los temas y una mujer para el otro? c).- Dos mujeres?
,-------------------1
,--
-------j
-l&...
P(MyM) =
40
39
0.19615
UNlDAD II
66
PROBLEMA 2.22
lIP
Lanix
Total
20
43
Con Excel
23
Sin Excel
12
35
5
25
17
60
Tabla 2.4
Llegan 5 alumnos y en el 'Orden que van llegando seleccionan al azar una PC. i,Que
probabilidad existe que a los primeros tres Ie toque una con Excel (E) y a los dos ultimos
sin Excel (E ') ?
La (y) nos indica multipLicar, y sera cinco veces que apliquemos la regia de la
multiplicacion. Cada vez que un alumno escoge una PC, se reduce el espacio muestral,
los que sigan serlin dependientes. Por 10 que Aplicaremos La regia multiplicativa para
eventos dependientes.
43
42
41
17
16
20,140,512
P(EyEyEyE'yE')=- X - X - X - X - =
=0.0307
60
59
58
57
56
655,381,440
secuencia~
dado que se
P(Ai ) P(Bi
IAJ
p(AI B)=
D
L P(Ai )
P(Bi IAi)
FORMULA DE BAYES.
AI numerador corresponde toda la rama de
acierto del ilrbol de probabilidad.
i=l
UNIDAD 11
67
PROBLEMA 2.23
Un profesor que aplico un examen considera que en su grupo el 83% de sus a1umnos
estudiaron adecuadamente. Pero tambien estima que en examenes similares reprueba el 4 %
de los alumnos que si estudian bien, mientras que de los alumnos que no estudian bien
reprueba el 92%. EI profesor revisa un examen y es de un alumno reprobado, l,Cual es la
probabilidad de que ese alumno que reprobo
0.96
~
0.08
= 0.796 Rama 1
= 0.033
Ramal
= 0.013
Rama 3
0.156 Rama4
E = Estudia bien.
N = No estudia bien.
A= Aprueba
R = Reprueba.
Opciones de acierto
P(E R) =
Todos los posibles resultados
RamJl 2
PeE) P(R E)
=---- =---------
rama 2 + rama 4
De a1umno reprobado
(0.83) (0.04)
0.0332
=
0.0332 + 0.1564
0.1751
UNlDAD II
68
PROBLEMA 2.23
Con los datos del problema anterior, a)lque indice de reprobaci6n espera el profesor? b)
Si su grupo es de 40 alumnos, segUn sus cillculos l Cmintos alumnos espera que van a
reprobar?
a.- Espera que van a reprobar una parte de los que no estudiaron bien, la rama 4 del
diagrama de arbol y tambien una parte de los que si estudiaron bien, rama 2. Entonces:
P(reprobados) = (rama 2 + rama 4) = 0.0332 + 0.1564 = 0.1896
bien:
18.96 %
40 x .1896 = 7.584
8 aJumnos reprobados.
PROBLEMA 2.24
En la escuela de Economia en este momento se esta aplicando examen en tres aulas. En el
aula "A" hay 18 mujeres y 20 hombres. En el aula 'cs" hay 12 mujeres y 14 hombres y en
el aula
"e"
examen con facilidad lque probabilidad existe que 10 haya hecho en el grupo "A"?
l~8
1/3
A~OH
~
2/26
1/1
14
= 0.1579 Rama 1
=0.1754 Rama2
2M
= 0.1538
RaIna 3
4H
= 0.1795
RaIna 4
= 6.1.250
Raffia 5
= 0.2083
Raffia 6
1/3
A=AulaA
B= AulaB
C = Aula C
M= Mujer
H= Hombre
Arhol de probabilidad
Figural.I5
69
Ramal
p(AI M)=
0.1579
= ----------
0.1579
- - - = 0.3616
0.4367
EJEMPLO 2.25
~Que
Que 2
8.-
56
o bien: Mediante : P(E lyEz yE3 )
= - = - = 0,0686
Amilisis combinatorio
Todos los posibles resultados 1gC3
816
De seleccionar 3 de todos
70
0.2058
---=
0.2058
816
c.- Economia, Tee, Leyes, en ese orden: P(EyTyL) = P(E) P(T IE) P(L IEyT) =
= (8/18) (6/17) (4//16) = 0.039
gC l 6C l 4C l
P(EyTyL) = - - - - - - - - - - = 0.059
ISC3
EJEMPLO 2.26
Un juego de Poker esta por iniciar. Deseo saber cucil es la probabilidad de que
at recibir mis
5 cartas: a) 3 sean reyes (K), y 2 sean ases (A). b) obtenga tercia de jotos (1) c) par de ases
(A) y par de reyes (K).
Todos los incisos de este problema sercin demasiado largos hacerlos si no utilizamos
ancilisis combinatorio, ya que tendriamos que obtener la Iista de todas la opciones como
en el problema 2.25 b. pero en este ejercicio son demasiadas la opciones en cada inciso.
Por tanto es mucho mas sencillo utilizar el ancilisis combinatorio como sigue:
:-
-.
:- ................................................ ..............
~
Siempre aplicaremos la formula
fi~~~~~;,:~~~~i~~:
~............. ~ general de probabilidades.
~ P(A) =
~
~
TIP :
............................................. t
:
:
...................................... :
UNlDAD II
71
a.
4C J
4C 2
P(3K y2A) =
(4) (6)
24
- - - = ---=9.2345X 10~
2,598,960 2,598,960
las formas
en que se pueden
obtener 5 de las 52
cartas.
52C5 = Todas
las formas en
que puede obtener 2
de las 49cartas que
quedan luego de sacar
losjotos.
b.
49C 2 = Todas
4CJ
4i~
P(3J y 2?) =
(4)(1176)
4,704
- 1.8100
2,598,960 2,598,960
-
52C5
10-3
las formas en
que se pueden obtener
5 de las 52 cartas.
52C5 = Todas
-,
C,
4C2
4G
P(2Ay2K)=
52C5
1,728
~I (6) (6) (44)
=
=
- 6.6488X 104
2,598,960
2,598,960
Muy similar al
anterior.
UNmAD II
72
LEVIN, Richard I.
68 edici6n,
Mexico, 1996.
JesUs ow ow
UNIDAD II
2.16 RESUMEN.
La
73
Prob. de no
acierto.
a), 0
peA)
UNIDAD II
74
Las posibilidades, no es mas que otra forma de escribir la probabilidades, solo que
enfrentan: todos los resultados a favor: todos los resultados en contra
si no pueden
Dos eventos son independientes cuando la ocurrencia de uno no afecta la ocurrencia del
otro. Y son dependientes, cuando la ocurrencia de uno modifica el espacio muestral para la
ocurrencia del otro.
P(B
P(AyB)
p(AnB)
P(A)
P(A)
I A)=
independientes.
UNIDAD II
75
FORMULA DE BAYES.
~I
UNIDAD TRES
-
--
;l
ESTADISTICA DESCRIPTIVA.
3.1
.,
IntroducclOn.
3.3
3.2.3.1
3.2.3.2
Gnifico de barras.
3.2.3.3
3.2.3.4
3.3.3 Mediana
3.3.4 Moda
3.4.2. Varianza.
descriptiva.
3.7 Resumen
UNIDAD ill
3.1
Estadistica Descriptiva 77
INTRODUCCION
Desde la antigiiedad, los gobiernos han tenido necesidad de contar a las personas, sus
propiedades, sus ejercitos, recursos militares y fiscales etc. Y desde entonces, para
cuantificar todos estos recursos, fue necesario levantar censos y organizar todos los datos
obtenidos de manera tal que facilitaran su analisis.
presentacion, anidisis e
interpretacion de dichos datos a dado lugar al desarrollo de metodos y tecnicas que han
venido a conformar la estadistica descriptiva, y posteriormente con base en ella y en la
probabilidad, surge la estadistica inferenciaL
eficientemente datos numericos, llamados datos estadisticos; para que en base a esos
anillisis podamos observar el comportarniento historico de la poblacion a que esos datos se
refieren y con ese soporte, deducir que pudiera suceder
tomadas como consecuencia de los hechos anteriores; Las tecnicas que empleamos para
ella pertenecen at campo de la estadistica inferencial.
El gran
herramienta muy potente y cada vez mas indispensable en todas las ramas del saber para
el control y para la toma de decisiones en las diferentes areas de trabajo.
3.2
MANEJO DE DATOS.
EI manejo de datos tiene que ver con el metodo estadistico, que dividiremos en cinco
pasos:
a.- Recopilacion de datos. Es la busqueda y recoleccion de los datos estadisticos que
La recopilacion se hani segiln sea necesario; puede ser todos los datos
existentes (poblaci6n), 0 bien solo una parte de ella (muestra); la cantidad de
los datos que se recopilaran dependeni de 10 extenso de la poblacion, del grado
de confiabilidad necesaria en la investigacion y de los recursoS economicos y
tecnicos de que se disponga.
b.- Organization de los datos recopilados. Una vez recopilada la informacion debe
"corregirse" de omisiones, inconsistencias, respuestas irrelevantes y otros
c.- Presentacion. Luego de ser ordenados, los datos deberfm presentarse en la forma
mas tacil de leer de tal manera que su comprensi6n sea 10 mas sencilla y clara
posible. Puede presentarse mediante tablas 0 graticos estadisticos.
d.- Antlisis de los datos presentados. Aqui se procesani la informacion (como veremos
mas
e.- Interpretacion. Los resultados del anaIisis de los datos deberan ser rigurosamente
interpretados por que sus conclusiones seran las que ayuden a la toma de
decisiones.
3.2.1 DISTRIBUCIONES
DE
FRECUENCIAS
TERMINOLOGIA.
Una vez recopilados y corregidos los datos. hay que ordenarlos y clasificarlos para facilitar
su a.ruilisis. Cuando es una gran cantidad de datos es muy complicado analizarlos si no se
clasifican adecuadamente, y la mejor forma de hacerlo es mediante una distn'buci6n de
frecuencia que consiste en agrupar dichos datos en varias clases, fonnando un cuad.ro
estadistico, como el siguiente ejemplo que representa la poblaci6n estudiantil, por carrera,
en el Instituto Tecnol6gico de Tepic para el cicIo Agosto Diciembre de 1999.
Especialidad
Num. de alumnos
(clase)
(frecuencia)
LIC. EN INFORMATICA
461
LIC. EN ADMINISTRACI6N
623
469
clases)
ING. ELECTRICA
178
ING. QUlMICA
72
ING. BIOQutMrCA
103
ING. CIVIL
375
ING. INDUSTRIAL
176
ARQUITECTURA
508
(frecuencia). Y asi
2965
TOTAL
Tabla 3.1
esta
indica cuantos
eateg6riea)
..............................................................................................
,Muy importante!
Toda tabla
numericas
siguiente
distribuciones
cuantitativas;
ejemplo
que
Como el
muestra
las
grupo
"c"
Calificacion
(Clase)
No de alumnos
(FrecueDcia)
Menos de 70
70-74
4
5
75 -79
80-84
de
la
materia
de
85-89
6
6
90-94
95 - 100
Total
38
Tabla 3.2
"c"
CLASES. Si observamos en la tabla (Tabla 3.2) la primera columna estA formada por siete
parejas de nfuneros, cada pareja sera una clase; A los nfuneros menores de cada
clase se les llama limite inferior de clase (Li), mientras que a los nfuneros
mayores de cada clase Ie l1amamos limite superior de clase (Ls).
FRECUENCIA (I). Como ya 10 vimos (Tabla 3.2), son los niuneros de la segunda columna
de la tabla. Cada frecuencia indica el nUmero de elementos que existen en la
clase que corresponde.
(LRC).
sucesivas; y existen limite real inferior (LRI) y limite real superior (LRS)
para cada clase.
:_Observese que el LRS de la clase dos, es el mismo punto que el LRI de la clase tres. Y .:.
:
: Para calcular el primer LRI, de la primer clase es necesario crear una clase anterior; y .
:
: para calcular el ultimo LRS, de la ultima clase deberemos generar una clase posterior, .
Se calcula restando el
RANGO. Comprende todo el espacio numerico que abarca la serie de datos recopilados;
Se obtiene restando el menor de los valores al valor mayor que contenga la serie
de datos.
....................................................................................................
: ser menor 0 igual que el mas pequeno de los datos recopilados~ y el limite de c1ase :
: superior de la Ultima c1ase debera ser mayor 0 igual que el mayor de dichos datos para :
: que la distribucion de frecuencias pueda contener a todos esos datos recopilados.
.
:
:
: ni para definir cuantas c1ases se deben formular. Ambas selecciones pueden hacerse
: como mejor convenga para su analisis, seg(ln sea el tipo de datos recopilados, y para .
:
:
.
~ ello debemos emplear el sentido comun~ pero es muy conveniente:
:
.
:
: a) .- AI meoos 4 y 00 mas de 15 clases. (Siempre que agrupamos datos, perdemos .
Tabla 3.2 en la clase (70-74) hay 4 a1umnos~ ellos en realidad obtuvieron (71, 72., 72 Y 74 de :
calificaci6n);
.
[al agruparlos solo sabemos que obtuvieron entre (70 y 74) Y as! eo cada clase, por 10
:
que perdemos mucha informaci6n; pero el arullisis global se facilitara mucho mas que si :
:
analizaramos alumno por alumno]. Para definir el numero de c1ases es entonces
importante considerar un numero adecuado mediando la perdida de informacion
(74.5) de calificaci6n, at querer ubicarlo en dicha tabla observariamos que no puede pertenecer a
la clase (70-74) ni a Ia siguiente (75-79), quedaria en medio de las dos entre. Entonces seria
necesario redondear mas y las clases quedarian (70-74.5), (75-79.5), (80-84.5), etc.]
10
EJEMPL03.1
Los siguientes datos corresponden a las calificaciones obtenidas en el examen de admisi6n
por 312 aspirantes a ingresar a una escuela preparatoria en el presente ano. Elabore una
distribuci6n de frecuencia.
40
53
41
53
30
88
68
70
72
63
83
59
87
46
44
66
90
56
91
73
66
75
68
56
55
78
58
55
69
83
64
67
62
65
64
79
65
63
85
62
57
79
46
66
72
82
49
61
63
75
45
62
65
64
78
55
70
61
47
38
59
60
83
84
85
25
62
57
54
85
68
52
84
61
59
57
73
46
14
68
55
62
77
40
60
49
53
58
53
58
59
42 54
97 80
64 66
63 60
61 67
48 58
70 72
65 74
59 58
58 49
50 61
54 52
71 40
57
30
68
65
86
59
77
78
35
22
76
56
88
52
44
74
65
90
65
65
69
81
49
86
62
45
56
94
72
90
46
76
62
79
89
46
89
80
57
64
18
45
82
57
71
57
46
59
52
35
22
72
66
54
47
38
62
85
38
54
42
64
66
45
88
75
61
64
43
65
38
48
62
60
69
56
56
84
20
73
74
51
76
42
51
64
61
70
70
57
76
39
67
60
56
87
53
50
50
63
58
71
71
51
56
35
76
66
25
18
64
78
77
58
57
74
85
63 61 43 77 70 69
56 57 58 67 59 50
67 75 81 47 58 66
65 65 63 61 71 84
45 63 73 69 58 59
75 59 91 80 39 55
67 73 76 82 55 62
51 51 66 60 71 60
51 53 60 63 80 86
54 47 54 72 80 77
52 49 86 81 50 63
85 82 42 87 56 67
48 54 79 81 69 49
I Tabla 3.3
Para poder analizar todos estos datos haremos una distribucion de frecuencia; y para
ello es necesario 10calizar el valor menor y el mayor; En la serie anterior seran (14 y
97), Ypor tanto, ellimite inferior de la primer crase debera ser 14 0 menor y, el limite
superior de la ultima clase debera ser 97 0 mayor. Con estos datos obtenemos el rango
97 -14 = 83
Como vamos a analizar califi.caciones, el sentido cornUn nos indica que es muy
conveniente formular las clases de 10 en 10, iniciando con un numero menor que 14
para 10 cua4 tambien el sentido comim nos indica iniciar la primer clase del numero 10
Yhasta el 19 [abarca 10 nfuneros, (10,11,12,13,14,15,16,17,18,19)], 1a segunda sera (20 a 29), la
tercera (30 a 39) y asi sucesivamente hasta cubrir (97) que es el dato mayor y ocurrirs
con la clase (90 a 99). El nUmero de clases sera el que resulte necesario. En este caso
seran 9 clases.
De esta manera el redondeo que se hace es suficiente para asegurar que todos los datos
peqenezcan solo a una clase y que ninguno caiga entre dos clases sucesivas.
Luego de formular las clases procedemos al conteo para determinar la cantidad de datos
que pertenecen a cada clase y ello detenninara la frecuencia correspondiente a cada
clase
CLASE
FREC.
TEO
10-19
ill
20-29
~
lmE I
30-39
11
40-49
~~~~~'mtI
36
50-59
77
60-69
~tl;QlH(.'H{I~~lmtIQ.~~tRt1mtI;QlH(.H{I~IIII
84
70-79
DIl~~~~~~~~I
51
80-89
~~IlR~~~~II1
38
90-99
'Hll,.II
7
TOTAL
312
TABLAJ.4
Cada uno de estos valores es el segundo digito al juntarse con el primer digito correspondiente a su
rengl6n de la columna "A". Asi los primeros son: 14, 18, 18. Los segundos: 25,20,25,22, 22. Etc.
4,8,8
5,0,5,2,2
9,0,5,8,0,8,9,8,8,5,5
0,6,2,3,4,4,1,5,7,7,6,3,6,5,0,8,2,7,8,9,9,6,2,9,9,6,7,9,5,5,2,6,0,5,8,9.
8,4,7,2,6,6,3,5,7,4,6,7,8,9,0,7, 5, 8,3,5,4,1,6,6,7,8,9,8,9,3,9,5,2,7,1,0,5,4,0,1,1,9,3,9,8,9,
1,3,9,8,8,4, 4,6,7,3,0,6,7,2,0,9,5,8,4,2,6,6,7,6,9,7,1,4,8,8,9.
5,7,0,3,9,8,4,2, 4,6,5,1,3,6,7,0,2,6,1,5,6,3,7,2,0,3,0,4,8,9,8,1,7,5,2,9,0,2,7,1,0,6,5,3,1,4,9,6,1,21,8.
0,1,3,2,4,7,6,5,8,5,0,2,2,4.6,0,9, 1,0,1,6,9,6,3,3,4,0,5,2,7,1,5,4,8,8,5,5,7
7,4,0,0,0,1,1
TablaJ.5
EJERCICIO 3.1
En base al ejemplo 1 practiquemos ahora los c8J.culos que aprendimos junto con la
3.6
Formaremos las columnas 1,2 y 3, tomando los datos de la tabla 3.4; luego calcularemos
las columnas 4, 5 Y6.
0
1
L
2
Clases
Ls
Li
10 19
20 29
30 39
40 49
50 59
60 69
70 79
80- 89
90 99
Total
3
Free
f
3
5
11
36
77
84
51
38
7
312
A
4
M.
6
(10+19)12
14.5
24.5
34.5
44.5
54.5
64.5
74.5
84.5
94.5
(10+9)/2 (10+20)/2
= 9.5
19.5
29.5
39.5
49.5
59.5
69.5
79.5
89.5
=19.5
29.5
39.5
49.5
59.5
69.5
79.5
89.5
99.5
Tabla 3.6
Presentaremos algunas de las graficas mas usuales otilizando los datos del ejemplo
numero 3.1 cuyos datos se encuentran representados en la Tabla 3.4.
90
F
,.,......
80
.. "
/.,
70
60
50
\'\
.I
e
c
\
\\
Polfgono de frecuencia~ /
\
.........
\I
\'"
3
n
a.
~:........,,&..:......,~....:...-~....:...-~....:...-r\;-;,..:-::;::h:.....:....n:h:.....:....="".'....::.
L..--......oll::.:;;
.":;:--":....,,_
.. .
9.5
4.5
"\. ......
39.5
14.5
49.5
44.5
1......;-;'"""":
59.5
69.5 7.5
89.5
99.5
Lfmites reales de c1ase
54.5
64.5
74.5
84.5 94.5 .104.5 Marcasdeclase(X )
Gnifica 3.1
Para dibujar el poligono de :frecuencia trasladamos las marcas de clase (Xi) a los techos de
los rect8ngulos y luego las unimos con una linea punteada iniciando y terminando en el eje
''X''.
hara sobre los Iimites de elase, (no en los lfmites reales de clase como el histograma ) .
90
26.923%
80
24.679%
70
e
60
c
16.346%
50
u
40
11.538%
12.179%
30
D
20
c
1.602%
0.966%
o
8
2244%
3.526%
0
10
19 20
I
29 30
, ,
39 40
49 50
59 60
60 70
Limites de clase superior e inferior
Gr8fica 3.2
7980
89 90
I
99
10-19
20-29
30-39
40-49
50-59
60-69
70-79
80-89
90-90
Free
3
5
11
36
n
84
51
38
7
312
Xi
% porclase
14.5
0.966
24.5
1.602
34.5
3.526
44.5
11.538
54.5
24.679
64.5
26.923
74.5
16.346
84.5
12.179
94.5
2.244
100%
Tabla 3.7
un
cfrculo y se dibujaran en
el a manera de rebanadas de
paste~
tantas como
crase
acum.
3.4615385
5.7692308
12.692308
41.538462
88.846154
96.923077
58.846154
43.846154
8.0769231
360
3.461538
9.230769
21.92308
63.46154
152.3077
249.2308
308.0769
351.9231
360
clase 1 sera:
clase.
Tabla 3.8
(50-59) = 77 = 24.679%
(4Q.49) = 36 = 11.538%
(30-39) = 11 = 3.526%
(20-29) = 5 = 1.602%
(10-19) = 3 = 0.96%
(90-99) = 7 = 2.244%
(60-69) = 84 =
=26.923
(80-89)=38= 12.179
(70-79)=51 = 16.346
Grafica 3.3
ojiva menor que; pero para poder graficarla antes necesitamos realizar ciertos caIculos.
De la Tabla 3.6, usaremos las columnas correspondientes a [freeuencia, limite real
10
20
30
40
19
29
39
49
59
50
60 69
70 79
80 89
90 99
TOT AL
3
5
11
36
77
84
51
38
7
312
9.5
19.5
29.5
39.5
49.5
59.5
69.5
79.5
89.5
19.5
29.5
39.5
49.5
59.5
69.5
79.5
89.5
99.5
312
309
304
293
257
3
8
19
55
132
216
267
305
312
seTm
180
96
45
7
TABLA 3.9
R.
E
350
3nl=
300
267~
E
N
C
I
250
150
100
21~/
200
./
'/
5/
50
0
312
3
19.5
8
29.5
~
39.5
49.5
LIMITES
GRAFICA 3.4
REALES
59.5
69.5
S UPERIORES
79.5
89.5
99.5
qu~,
acumulada mayor que, que para este prop6sito calculamos en Ia Tabla 3.9
Para calcular la colunma freeueneia acumulada mayor que, nos colocamos en el primer limite inferior
de la distribuci6n (9.5) y nos preguntamos l,Cuantos datos mayores que bay? L6gicamente serin(312).
Todos los datos serlin mayores, ya que los mas pequeiios de Ia distribuci6n estan basta Ia clase (10-19)
Enseguida vamos a1 segundo limite real inferia (19.5) y DOS preguntamos l.cuantos datos son mayores
que 19.5?, serin todos excepto los de la clase (10-19); serin 312-3=309.
Luego vamos al tercer limite reat inferior (29.5) y nos preguntamos l,CtW1tos datos son mayores que
19.5?; Ser3n todos excepto los de las c1ases (10-19)y (20-29); 312-3-5= 304.
As( seguimos basta el Ultimo limite real inferior, y con los datos resWtantes queda formada la columna
frecueaeia aeumuJada mayor que y COD esos datm se graficara Ia ojm. mayor que.
F
R
E
C
U
E
N
C
1
A
A
C
U
M
U
L
A
350
312
30,9
304
'1n'2
300-F=====:::::F=----.::;::.:..=::::::::293-------------
250
-~57
I---+---+----+-~~..-------
200 ..L----t-----+-----+-----+----"~Cl"I'I"J'IUr---------
150
..L----+-----+------+----+----f-~____'I<_-----
~96
100
50
~45
-+---+-------+-----+---+--~-+--_+_----""o".___~
A
O-'------l------'------'-------L.-------L..-----L-..
9.5
19.5
39.5
29.5
I, I MIT E S
GRAFICAl.5
R F. A 1. F. S
49.5
59.5
J N F F. R lOR F. S
69.5
L - -_ _
79.5
89.5
Cada uno de los diferentes promedios (como veremos en cada subtema) se utiliza para
datos con caracteristicas especificas. Calcular un promedio en datos no propios
para ii, nos neva a resultados no muy precisos, erroneos y en ocasiones incluso
il02iCOS.
ce~tral
sumatoria.
~i X
12 ~ X ~ 10; X
EZ
igual a 2 y menor 0
= (2+3+4+5+6+7+8+9+ 10) =
54
n
(Xi .YI)
( Sumar desde el primero basta el Ultimo todos los resnltados del producto de cada
;=\
ex. .V
ji)
Se obtieoe
mediante
LXI
;=)
-
X=
EJEMPL03.2
Cwil sera el promedio general (media aritmetica) de un alumno que el semestre pasado
obtuvo sus calificaciones como sigue:
"F-------------------------..,
Matematicas 11 = 85
Fisica 1
87
Prob. Y Estad.
80
Metodologia
95
Quimica 1
76
85 + 87 + 80 + 95 + 76
=
423
84.6
n = 5 datos (materias)
Se obtieoe
mediante
II
L
-
fiXi
;=)
X=
EJEMPL03.3
Utilizando los datos del problema 1 representados en la Tabla 3.4. calcule el promedio
general obtenido por los 312 aspirantes a ingresar a la escuela preparatoria.
Las
C I a se s
Li
Ls
10
20
30
40
50
60
70
80
90
19
29
39
49
59
69
79
89
99
Free
Fi
Marca de cJase
3
5
11
36
77
84
51
38
7
fiXi
XI
14.5
24.5
34.5
44.5
54.5
64.5
74.5
84.5
94.5
312
43.5
122.5
379.5
1602
4196.5
5418
3799.5
3211
661.5
19434
datos
Total
Tabla 3.10
19434
X
=-------- = 62.288
312
3.3.3. MEDIANA
Es otra medida de tendencia central (promedio) que utilizamos en algunos casos cuando
y que si calcularamos el promedio mediante la media aritmetica nos mentiria, ya que estos
valores extremos, jalaran el valor promedio fuera del valor 16gico de la mayoria de los
datos.
EJEMPL03.4
Calcule el promedio de edad de las personas que viajan en un microbus escolar donde
viajan un guia y 6 ninos cuyas edades son las que siguen:
Nino 1
6aiios
Nino 2
6 aiios
Nino 3
7 aiios
Nino 4
7 anos
X=
Guia
45 aiios
Nm05
8 aiios
Nino 6
10 aiios
=__=12.71
7
7.
Este metodo en casos similares es
mucho mas eficiente porque ignora
los valores extremos 0 aberrantes y
sitUa el valor promedio en el valor
del dato central resultando mas
confiable.
= 7.5
Se obtiene
mediante
Me
(n/2)-"Lf1
Me = Li + ------------------- (C)
fmed.
Mediana
Li
(C)
EJEMPLO 3.5
Utilizando los datos del ejemplo 3.1 representados en la tabla 3.4. calcule la mediana de la
distribucion de las calificaciones obtenidas por los 312 aspirantes a ingresar a la escuela
preparatoria.
Clases Free
f
Li Ls
Free
Acum
10
20
30
40
3
8
19
55
132
216
267
305
312
50
60
70
80
90
19
29
39
49
59
69
79
89
99
3
5
11
36
77
84
51
38
7
Total 312
Li
10
( n / 2) - L f}
Me = Li + --------------- (C)
fmed.
( 312 / 2 ) - 132
(59.5) + ----------------- ( 10) = 62.3571
84
3.3.4 MODA
AI igual que en el vestir, en el calzar, en la musica y en muchas cosas mas, donde 10 que
mas se repite se dice que esta de moda, tambien sucede en los datos. EI dato que mas se
repite es el dato que esta de moda. Y en una serie de datos:
a.- Puede no haber moda. Esto sucede cuando ninguno de ellos se repite.
b.- Puede ser que solo exista una moda. Sucede cuando la frecuencia de un dato es mayor
que la frecuencia de los demas.
c.- Puede ser que existan dos modas. Sucede cuando hay dos datos cuya frecuencia es igual
entre ambos, y es mayor que la frecuencia de los demas datos.
d.- Y asi puede haber tres 0 mas modas.
EJEMPL03.6
a.- (2,4,5,8, 12, 15) = Ninguno se repite, por tanto es amodal, no hay moda.
b.- (2, 2,4,4,4, 5, 8, 12, 15) = Es unimodal por hay solo un numero que se repite mas que
los demas y es el 4 tres veces, mientras que el dos solo dos
veces.
c.- (2, 2, 2, 4, 4, 4, 12, 12,) = Es bimodal por que tanto el 2 como el 4 se repiten igual
numero de veces, tres veces, mientras que el 12 solo dos
veces.
dl
Mo=Li + -------- (C)
d l +d2
d]
dz
(frn -f])
(frn-fz )
f rn = Frecuencia modal
f] = Frecuencia de la clase inmediata anterior a la
modal
fz = Frecuencia de la clase inmediata posterior a la
modal
L;
EJEMPLOJ.7
Utilizando los datos del ejemplo 1 representados en la Tabla 3.4. calcule la moda de la
distribuci6n de las calificaciones obtenidas por los 312 aspirantes a ingresar a la escuela
preparatoria.
Clases Free
f
Li
Ls
10
20
30
40
50
60
70
80
90
19
29
39
49
59
69
79
89
99
3
5
11
36
La clase que mayor frecuencia tiene es la ( 60-69) por tanto semla clase modal,
y de ella obtendremos los datos para sustituir en la f6rmula.
NOTA: en este ejercicio coincidieron en la clase (60-69) tanto la mediana
como la moda, pero para otros ejemplo puede no coincidir asi.
Li = Limite real inferior =[ ( Li + Ls. clase anterior) / 2 = [ ( 60 + 59) / 2] = 59.5
C = (LRS - LRl) = 69.5 - 59.5 = 10
77
84
51
38
7
Total 312
Tornado de la tabla 3.4
d1 = Urn-f]) = (84-77) = 7
dz = (frn- f2)= (84 -51)= 33
7
Mo = 59.5 +--------- ( 10) = 61.25
7 + 33
Se obtiene II
mediante
G=
-(1)
C1
C1
II
1 crecimiento geometrico sucede cuando una cantidad genera otra cantidad extra cada
periodo de tal manera que el siguiente periodo, iniciara con una cantidad mayor que el
primer periodo y asi sucesivamente, como sucede con las tasas de interes.
Por ejemplo: Si prestamos $200.00 al 25% anual para cobrar el total en dos aiios. Al
final del primer ano, ya nos deberan [$200 + 25% de interes = $ 250 ]; iniciamos el 2
aDo con los $250 y cobraremos al final del 2 ano [$250 + 25% = 312.5]. EI interes
genero mas interes. Y asi sucede con el crecimiento poblacional y todos aquellos casos
donde hay crecimiento geometrico.
EJEMPL03.8
~
Que tasa de interes promedio anual nos pretenden cobrar si al prestarnos $10,000 el dia
Cr
C.
{28:000'
V 10,000
~:-~-: -1
0.293568
29.3568 %
anoal
Cant. fInal
10,000
10,000.00 + 29.3568 %
12935.68 12,935.68 + 29.3568 %
16,733.18 16,733.18 + 29.3568 %
21,645.50 21,645.50 + 29.3568 %
= 12,935.68
= 16,733.18
= 21,645.50
= 28,000.00
EJEMPL03.9
Unos bi610gos sueltan 200 conejos en una isla para realizar algunos estudios. Un ano
10,900 coneJos.
COMPROBACION
Cant. final
-1
= 0.395403
=
39.5403%
Cr
1
2
3
4
5
6
7
8
9
10
11
U
200.00
279.08
389.42
543.41
758.27
1,058.10
1,476.48
2,060.28
2,874.92
4,01l.68
5,597.91
7,811.35
200.00 + 39.5403 %
279.08 + 39.5403 %
389.42 + 39.5403 %
543.41 + 39.5403 %
758.27 + 39.5403 %
1,058.10 + 39.5403 %
1,476.48 + 39.5403 %
2,060.28 + 39.5403 %
2,874.92 + 39.5403 %
4,01l.68 + 39.5403 %
5,597.91 + 39.5403 %
7,811.35 + 39.5403 %
279.08
389.42
543.41
758.27
1,058.10
1,476.48
= 2,060.28
= 2,874.92
= 4,011.68
= 5,597.91
= 7,811.35
=10,899.99
=
=
=
=
=
=
Muchas veces necesitamos comparar cantidades que son diferentes, ya sea que algunas de
elIas tengan diferente grado de dificultad, que sean mas importantes que otras 0 bien que
tengan mas relevancia 0 peso que las demas; en estos casos la media ponderada nos
permite hacerlo ya que es un promedio 'justo"
Si por ejemplo queremos saber quien es mejor vendedor, Juan que realiza dos ventas por
mes, 0 Raul que realiza 16 ventas en el mismo periodo.
asegurariamos que Raul es mejor. Pero si luego sabemos que Juan vende bienes raices y
que RaUl vende articulos electrodomesticos , ahora ya no es facil decidir quien es mejor,
necesitamos un factor que nos permite pesar la dificultad del trabajo de RaUl y el de Juan; a
este factor Ie lIamamos ponderaci6n
II
II
La media
ponderada se
obtiene
L(Xi Wi)
= Media ponderada
Xi = Cadadato
;=1
w = --------------
W=
L(Wi)
;=1
..............................................................
~ La media ponderada nos permite comparar entre si, datos que presentan diferente ~
: grado de dificultad mediante sus promedios ponderados. Es un promedio "justo" .:
.....................................................................................................
EJEMPW3.10
Sabemos que hace afios, en los Tecnol6gicos se calificaba a los alumnos mediante
promedio ponderado y que el departamento escolar tenia una ponderaci6n para cada
materia, que representaba el grado de dificultad de la misma.
EI siguiente cuadro muestra las calificaciones obtenidas por dos alumnos. l.Cmil de los dos
alumnos se esforzaria mas para haber Iogrado esas caJificaciones?
CALIFICACION
Alumno 1 Alumno 2
Ponderaci6n
Promedio ponderado
Alumno 1 Alumno 2
MATERIA
X1
X2
X1W
X2W
Metodologia de la invest.
Economia
Infonnacion tecnologica
100
90
100
80
80
75
80
605
75
90
70
90
88
98
79
590
1
1.3
1
1.8
1.8
2
1.8
100
117
100
144
144
150
144
75
117
70
162
158.4
196
142.2
10.7
899
920.6
Matematicas '"
Fisica II
Mecanismos
Probabilidad y Estad.
TOTALES
Tabla 3.11
899
X
Wi = -------
10.7
920.6
= 84.018; X
alumno I
WI
= ------
10.7
= 86.037
a1numo 2
EJEMPLO 3.11
EI siguiente cuadro muestra las maquinas que para el proceso de troquelado de cofres
automotrices, tiene una ensambladora de autos. Ademas muestra la produetividad de
dichas maquinas.
Maquina tipo
Cantdemaq Productividad
(piezas /hora) = X
18
c
d
22
25
30
Tabla 3.12
11
EJEMPLO 3.12
En una fabrica de zapatos el patron decide premiar con un bono en efectivo al mejor obrero
de la semana. Puede distinguir facilmente al mejor en cada area de trabajo pues sera el que
mas produccion bien hecha entregue, pero no es asi de facil entre obreros de distintas areas
por que las actividades son diferentes y tambien diferente es la dificultad y el tiempo de
trabajo requerido
EI siguiente cuadro muestra las aetividades de la producci6n donde hubo obreros
destacados, y presenta tambien los tiempos del promedio industrial para cada actividad.
Ademas la produccion promedio diaria del mejor obrero de cada area.
otorgarle el bono?
Tiempopro
Actlvldad medlo Ind.
Cortar Piel
4min
promedlo dia
rio del mejor
Grado de
dlficultad
XW
138 pares
138
Promedio
media ponde
rada
Xw
pespuntar
amin
66 pares
132
13216.5= 18.17
horma!
10min
56 pares
2.5
140
14G'6.5= 21.54
4 min
134 pares
134
13416.5= 20.61
ensuelar
Tabla 3.13
6.5
AI calcular el promedio
ponderado medimos el
grado de dificultad del
trabajo y asi podemos
hacer una comparaci6n
"justa", numericamente.
13816.5= 21.23
Y rebajar
adomo
alto.
b.- Para calcular la columna correspondieme a "grado de dificultad w" observamos en la columna 2 ewU
es la actividad que menos tiempo requiere. sera ( cottar piel y rebajar con 4 minutos y tambi6I
adomar con 4 minutos), entonces a esas dos actividades les asignamos la ponderaci6n de 1.
c. - Luego checamos las demas actividades calculando sus ponderaciones mediante una regia de 3 simple.
Por ejemplo [4 min := 1 de ponderaci6n :: 8 min := X de ponderaci6n ] := [(1 X 8)/4] =
que
e. Finalmente dividimos cada dato de la columna 5, cada XW, entre 6.5 que es la suma de las
ponderaciones y obtenemos la columna 6 que son los promedios ponderados. Ahora si podemos
comparar el trabajo individual desarrollado de igual a igual por su valor numerico y resulta
muy objetivo.
Son tambien medidas de posici6n. Las empleamos cuando deseamos calcular el maximo
valor que haya obtenido digamos el primer 10% de los datos,
datos 0 pudiera ser del primer 34% de dichos datos. En general con iste metodo podemos
obtener el maximo valor alcanzado basta cualquier punto de los datos ya sean
agrupados
no.
Cuartiles ( Q). Se refiere a cuartas partes de la serle de datos, por 10 tanto cada serie de
datos tendra cuatro Cuartiles . Con el QI obtenemos el valor maximo
alcanzado por el primer 25% de los datos; con el Q2, 10 alcanzado hasta
el 50% de dichos datos; con el QJ, basta el 75% y con el Q4, sent hasta
el 1000,10
Deciles (D).
Senin decimas partes de Is: serie de datos y por tanto cada serie tendra 10
deciles. Con el D I podemos caJcular el valor maximo alcanzado por el
primer 10% de los datos, con el D 2 hasta el maximo alcanzado por el
20% de los datos y asi sucesivamente hasta el 010 que sera el maximo
~
Percentiles ( P). Podemos calcular con ellos cada centesima parte de la serie de datos.
Con el PI caJculamos el maximo valor alcanzado par el primer 1% de
los datos; con el P2, sera del 2% y asi sucesivamente basta el P100 que
sera del total de datos.
.................................................... ...............................
OJ 6
Q4.
S;
100 }.
.....................................................................................................
,
Cuando los datos no estan agrupados y deseamos obtener el valor maximo alcanzado
por una parte de eUos podemos obtenerlo simplemente ordenando todos los datos
en forma ascendente, en seguida calculamos su posicion mediante el porcentaje
planteado y podemos obtener directamente de cil su valor.
Se obtiene
mediante
(Q, D 6 P) = Lrt+ -
(C)
f(q.d 6 p)
ocuni6
\'
j.
Si deseamos elsegundo cuartil. localizamos la posici6n del dato mediante [(214) n], es decir el 50% de
"n", buscamos en Ia frecuencia acumuJada y aplicamos la f6rmula EI tercer ~ sera COD [( JI.) D).
EI decil uno sera con [ (1/10) nJ es decir el 10% de los datos; igualmcnte se busea en Ia frecueDcia
acumulada y se aplica la f6rmula. EI segundo dedI con [(2110) n]. EI tercer decil con [(3110)n) as(
sucesivamente.
Y de igual manera, la posici60 del primer perceDtillo Iocalizamos mediante 1(1/100)D] y su valor, 10
obteDemos al aplicar la f6rmula. El segundO percentil mediante [(21100) oj y si queramos saber el valor
niaximo obtenido por el 95% de los datos calcuJaremos la posici6n del dato mediante P 9s = [(95/100) 0 ]
, luego aplicaremos la f6rmuJa a Ia clase donde pertenezca y obtendremos el valor buscado.
EJEMPW3.13
Utilizando los datos del problema 1 representados en la tabla 3.3. y aprovechando Ia
columna de frecuencia acumulada ya calculada en la tabla 3.8, calcule de los J 12
aspirantes i,cual fue la maxima caJificaci6n
obtenida poe
Clases
Li
8.-
1.9
10 19
20 29
30 39
40 49
50 59
60 69
70 79
80 89
90 99
Total
Free
f
3
5
11
36
77
84
51
38
7
Free
01
P15
Acum
3
8
19
55
132
216
267
305
312
Q1
O2
312
Tabla 3.14
De
P95
8.-
23
Ql = Lri
77
= nlimero de
(78-55) = 23
hasta 52.48.
b.-
Localizarnos la posicion del dato donde se completa el primer 50% de los datos
mediante [(1/2) 312]
encontramos en la clase (60-69) que contiene desde el dato 133 hasta el 216. Luego
aplicamos la formula:
r
132 = 24
.I
24
C.-
= 156 -
84
10% equivale al primer dedI. Siguiendo el inismo metodo ahora calculamos [(1/10)
312] = 31.2. Lo 10caJizamos en la clase (40-49) de la que tomara (31.2 - 19) = 12.2
12.2
36
=31.2 -
19 = 12.2
J ~$ Diaz Diaz
deciL
33.6
51
[(8110) 312J
= 249.6 10
e.- EI 15% tendni que ser resuelto por percentiles y sera el percentillS por 10 tanto:
[(151100) 312J
27.8
r
P15 =
47.~2
36
f.- El 95% tendra que ser calculado tambien mediante percentiles. Sera con el percenti)
95. Entonces .[(95/1 00) 312] = 296.4, valor que encontramos en la c1ase '(80-89)
29.4
. P95
L ri + ----- (C)
~
,.
La dispersion
se refiere a "q\Je tanto se desvian (Xi - X)". con relaci6n de la linea de la media.
Si por ejemplo, para realizar un trabajo importante una empresa recibe dos candidatos, y
son dos alumnos que obtuvieron exa\;tamente el mismo promedio como muestra el cuadro
siguiente:
En este ejemplo observamos que el
Calificaci6n
Desviaci6n .
Semestre Alumna 1 Alumna 2 Alumna 1 Alumna 2
3
100
75 ..f24.376 - 0.625
4
60
80 -15.625 +-4.375
5
60
75 -15.625 - 0.625
6
100
75 +24.375 - 0.625
7
70
75 ~ 5.625 - 0.626
8
70
75 . 5.625 - 0.625
9
75
75 - 0.625 -0.~5
10
70
75 .... 5.625 - 0.625
0
1;=605
1;=605
0
promedio.
las
analizamos
51
calificaciones
el
alumno
inconsistenfe
X =75.62 X =75.62
Pero
ya
es
que
muy
algunos
Alta dispersi6n
c
A
va a los extremos.
100
baja dispersi6n
A1UJDDO 2
80
A1ulDJlO 1
60
I
0
S E ME
S T R E
Gnifica 3.6
10
Para poder medir numericamente y por tanto, mas eficientemente estas dispersiones
disponemos de varios metodos como son, la desviacion media, la varianza y la desviacion
estandar. Todos estos metodos 10 que hacen es eliminar el problema de los signos al
calcular las dispersiones y final mente obtener el promedio de dispersion de los datos.
../
.,,"',
I).
Enseguida se procede segim sean los datos agrupados 0 no agrupados aplicando la f6nnula.
Se obtiene
mediante
/I
IXi-
XI
1:1
L"
;=1
~d == -----------------
EJEMPLO 3.14
Md =
Seriaigualacel'O.Paraevitarestoaplicamosvalorabsoluto.
Se obtiene
mediante
II
[C( I Xi - XI ) ]
1=1
Md = -------------------------
1=1
frecuencia de la clase.
EJEMPLO 3.15
Utilizando los datos del ejemplo 3.1 representado en la tabla 3.4 a cerea de las
ealificaeiones de los 312 aspirantes a ingresar a una eseuela preparatoria, ealeule emil es el
promedio de dispersion de los datos usando el metodo de la desviaei6n media.
Li
Fi
Ls
19
10
20
29
30
39
49
40
59
50
69
60
79
70
89
80
90
99
Total
Crases Free
3
5
11
36
77
84
51
38
7
312
(Xj
14.5
24.5
34.5
44.5
54.5
64.5
74.5
84.5
94.5
Xl
I~- Xli
fj
r I~ - Xlil
47.79
37.79
27.79
17.79
7.79
2.21
12.21
22.21
32.21
-47.79
-37.79
-27.79
-17.79
-7.79
2.21
12.21
22.21
32.21
143.37
188.95
305.69
640.44
599.83
185.64
622.71
843.98
225.47
3756.08
Tabla 3.16
calcularemos
desviaciones
las
(Xi - X )
[C( I Xi - X I )]
3756.08
J=1
Md =
--------------------------- = --------------
12.039
312
Tambien calcula el promedio de dispersion que sufren los datos con relacion a la linea
media, solo que el valor de este promedio 10 expresa al cuadrado.
El metodo de la varianza para evitar que al restar (Xt - X), las cantidades negativas
eliminen a las positivas es elevar al cuadrado cada uno de los resultados de (Xi - X), asi
todo signo, quedara positivo. Y en seguida se procede segUn sean los datos, agrupados
no agrupados, aplicando la formula correspondiente.
Se obtiene
mediante
II
( Xi X i
;=1
(Xt-Xi
;=1
--
-------------------
n = numero de datos.
EJEMPLO 3.16
Con los datos del ejemplo 3.2 calcule la varianza de las calificaciones.
(Xt X
211.08
1=1
cr
unidades
cuadradas
Se obtiene
mediante
II
Podemos
n
observar
que
todas
las
il
a 2 = ----------------------
[fi(Xj- X
1=1
EJEMPLO 3.17
Utilizando los datos del ejemplo 1 representado en la Tabla 3.4. calcule emil es el
promedio de dispersion de las calificaciones de los 312 aspirantes, usando el metodo de la
vananza.
Clases
Li
10
20
30
40
50
60
70
80
90
Ls
19
29
39
49
59
69
79
89
99
Total
Xi
14.5
24.5
34.5
44.5
54.5
64.5
74.5
84.5
94.5
3
5
11
36
77
84
51
38
7
312
I( Xi -)0
(Xi -
-47.79
-37.79
-27.79
-17.79
-7.79
2.21
12.21
22.21
32.21
Ai
2283.88
1428.08
772.284
316.484
60.6841
4.8841
149.084
493.284
1037.48
t(X;- Ai
6851.65
7140.42
8495.13
11393.43
4672.68
410.26
7603.29
18744.79
7262.39
72574.04
ya
que
Aprovechamos
Desv.
Free
fi
CInCO
(~
- A)
2
I
al
luego las
1=1
cr = ------------------------ = -------------- =
312
La desviacion
II
estandar la obtenemos
EJEMPLO 3.18
Calcule la desviaci6n estimdard (0') para los datos del ejemplo 3.2 [Son datos no agropados]
a=~
F=60497
EJEMPLO 3.19
Calcule la desviaci6n estimdar (0') de los datos del ejemplo 3.1 representados en la tabla
3.4 [son datos agrupados ]
232.61
desviaci6n estandar, en vez de N calcuJaremos con (n-l) por que el valor resultante
representa WI estimador mejor de la poblacion de la que file extraida la muestra.
Tambien puede obtenerse WI buen estimador para muestras menores de 30 observaciones si utilizamos la
primer definicion, es decir dividir entre N y el resultado mnltiplicarlos por
acostumbre ntilizar siempre la formula primera cuyo denominador es N.
~ N-1
N
De aqui que se
3.5
usa
DE LA COMPUTADORA EN LA SOLUCION DE
PROBLEMAS DE ESTAD(STICA DESCRIPTIVA.
descriptiva,
EJEMPLO 3.20
Utilizando el paquete Excel calcule la desviacion estandar y dibuje algunos graficos para
los datos del problema numero 1 representado en
[tj ( Xj
Xi]
j=\
cr
n
Pasos para:
1.- Entrar al Excel
~ Presiona menu INICIO
~ Programas
~ Microsoft Excel <ENTER>
Al
2
3
4
5
A2
B2
A3
A4
A4
7
8
B3
B4
B4
10
II
12
I3
14
15
16
17
18
19
C2
C3
CI2
D2
E2
E3
E3
E12
20
21
22
23
24
EI4
EI5
F2
F3
F3
25
G2
G3
D3
D3
26
27
28
29
30
31
32
33
34
35
H3
H3
H12
Gl4
H14
G16
Hl6
C3
2
3
G3
H2
ACTIVIDAD
Seleccione las ceIdas Al Y BI y eon el ratOn seleccione e ieono (combinar centrar). Escriba
"CLASES"
EsCriba Ii
Escriba Ls
Escriba el primer limite inferior ( 10)
En el ejemplo el tamaf10 de clase es 10. par tanto Lx", incrementara de 10 en 10. Escriba: = A3+IO
enter
Posicionado eon eI rat6n en eI 8ngulo inferior izquierdo de Ia ceIda "arrastre" basta All. A,parece~
los Li
Escriba eI primer limite superior (19)
Como el tamafl.o de clase es 10, este limite tambien incrementani de 10 en 10. Escriba:
=B3+lC
enter
Posieionado con el ratbn en el8ngulo inferior izquierdo de Ia ceIda "1IJT8SIre" basta Bll. Aparecer8I:
los Ls.
Escriba fi
A partir de ~ celda y bacia abajo, escribitlas frecuencias: 3,5,11,36;
84. 51, 38.7
Con el ratOn seleccione el leono sumatoria a:> enter. aparece la suma de frecuencias.
EscribaXi
Posieionado con el rat6n en el lIngulo inferior izquierdo de Ia ceIda "arrastre" basta Dll enter
Escriba: fiXj
Posicionado con el rat6n en el Angulo inferior izquierdo de la celda "arrastre" basta Ell enter
Con el rat6n seleccione el icono sumatora eL) y baga clie, luego enter aparece Ia suma de IB
columna.
Escriba: Xmedia=
Posieionado con el rat6n en el8ngulo inferior izquierdo de la ceIda "8IllIStre" basta Fll enter
Escriba: (X"t-Xmedi
Posieionado eon eI ratOO en el 8ngulo inferior izquierdo de Ia ceIda "arrastre " basta GIl enter
Escribe: ft(Xi-Xmed)l
Escriba:
CJ*G3 enter
Posicionado con el rat6n en el8ngulo inferior izquierdo de la ceIda "arrasIre .. basta HII
Escriba: VarillllZa =
GRAFICOS
Marque eon el ratOn desde (3 basta ell y a Ia vez desde D3 HASTA DU.
n.
En el monitor aparecenln todas las instrucciones necesarias para seleccionar y terminar los gnificos
deseados
Monitor de una computadora fuego de baber efectuado los clIcuJos para la obtencion de la
desviacion estlindar mediante el uso de "excel" con el procedimiento de Ia pligina anterior
................................................................................................
: TIP
..
Si deseamos sumar todos los datos de una columna, solo tenemos que marear con el
3.6
Los datos para estos problemas pueden ser tomados de los censos, revista,
peri6dicos
hemerognmca de que se
disponga.
Mexico 1994
WEIMER Richard C. "Estadistica" Ed.
espafiol, Mexico 1996
CECS~
1a edici6n en
3.7
RESUMEN
Una vez que los datos hayan side recopilados, hay que organizarlos. Y una de las mejores
formas es mediante una distribucion de frecuencia que consiste en agrupar los datos en
varias c1ases de elementos con caracteristicas similares. Para haeer estas distribuciones de
frecuencia no hay reglas, pero se recomienda: a) no menos de 4 ni mas de 15 clases. b) que
cada elemento pueda caer solo en una clase. c) Si es posible hacer clases de igual tamafio.
Los promedios son datos que la estadistica descriptiva puede proporcionarnos: La media
aritmetica es el promedio que ofrece mejores caracteristicas matematicas, es el valor que
mejor representa a un gropo de datos, pero tiene un inconveniente que se desvia y miente
cuando en los datos existen valores extremos
la mediana que se obtiene simplemente partiendo en dos la serie de datos, asi en numero
que ocupe el lugar central, el valor que este tenga, sera el valor de la mediana. Existe
tambien la moda que se usa para calcular cual es el valor que mas se repite en la serie de
datos.
Tambien muy importante es la media geometrica que se usa para calcular promedios en
datos que presentan un crecimiento geometrico como en tasas de interes, crecimientos
poblacionales y muchos otros.
La media ponderada con frecuencia es usada ya que permite comparar datos aim cuando
sean diferentes, aim cuando algunos de ellos tengan mayor importancia, grado de dificultad
o peso especifico, es un promedio "justo".
Y los cuartiles, deciles y percentiles, que son tambien medidas de posicion y nos penniten
saber el valor maximo alcanzado hasta cualquier punto de los datos. Se utilizan segUn se
requiera, si son cuartas, decimas 0 centesimas partes de la serie de datos.
Los promedios nos proporcionan informacion importante de los datos, pero aunado a las
medidas de dispersion , tenemos un mejor panorama de como estan distribuidos dichos
datos. Las medidas de dispersion calculan el promedio de como se dispersa cada dato con
relacion al promedio, es decir que tan lejos esUin,
consistentes pueden ser,
10
10
que para
Las medidas de dispersion que aqui tratamos son la desviacion media, la varianza y la
desviacion estandar.
UNIDAD IV
-UNIDAD CUATRO
probabilidad discreta.
binomiales y de Poisson
4.13 Resumen.
UNlOAD IV
4.1 INTRODUCCION
EJENJPLO 4.1
RRRR
arno1:
Para poder realizar un analisis estadistico eficiente, es necesano que estos datos
cualitativos sean convertidos en valores numericos. Entonces 10 que deberemos hacer es
asociar con el numero de zapatos rechazados, un unico numero real a cada resultado, que
sera justamente el numero de zapatos que pudiera resultar rechazado al analizar la muestra
de los cuatro, y por tanto hay cinco valores posibles que puede tomar esta variable
aleatoria: X =
0, 1, 2, 3 Y4 }.
Entonces una variable aleatoria es una regIa 0 funci6n que asigna un unico numero real a
cada resultado en el espacio muestral de un experimento aleatorio.
UNlOAD IV
Las variables aleatorias se denotan mediante una letra mayUscula, por ejemplo X, mientras
que los valores que esta pueda tomar se escribinin con letras minusculas 0 numeros.
Cuando los valores que puede tomar una variable aleatoria podemos enlistarlos uno a uno
y, graficarlos punto por punto, decimos que es una variable aleatoria discreta. Y si no
pueden ser enlistados todos, a la variable se Ie denomina variable aleatoria continua. EI
hecho que no se puedan enlistar punto por punto, es por que este tipo de variables pueden
tomar cualquier valor dentro de cualquier rango aUn por pequeno que este sea.
EI numero de personas que asistinin a la final del futbol mexicano, el numero de l<imparas
que se fundin'm hoy en la universidad, el numero de computadoras que se usarim esta
semana en el centro de c6mputo del Tee, etc, son variables discretas, podemos enlistar
elemento por elemento. Mientras que cualquier variable aleatoria que mida temperatura,
distancias
pesos sera una variable continua. Por ejemplo si queremos enlistar punto a
punto los valores que puede tomar la variable aleatoria del peso entre 1 y 2 gramos, no
podemos hacerlo porque puede tomar un infinito numero de valores, ( 1.1, 1.01, 1.001,
1.000000001,
,2 )
EJEMPL04.2
Con los datos del ejemplo 4.1 construya una tabla de probabilidades
probabilidad.
distribuci6n de
UNIDAD IV
conteo
P(x)
1/16
1111
4/16
lllll 1
6/16
llll
4/16
1/16
Total
16
16/16
Tabla 4.1
:.........................................................
.
Notemos que existe una gran diferencia entre 10 :
..
: que es una distribuci6n de frecuencias (vista en la :
..
: unidad 3) y 10 que es una distribuci6n de :
..:
: probabilidad.
..
: La distribuci6n de frecuencias se genera de las :
: frecuencias realmente observadas cuando se llev6 a ..:
...
: cabo un experimento, mientras que una distribuci6n :
..
: de probabilidad es un listado de las probabilidades :
..
: de todos los posibles resultados que pudieran :.
..
: obtenerse si el experimento se llevara a cabo.
........... .. ...... . .. ..
..:
EJEMPL04.3
Una empresa de mudanzas durante un periodo de 41 dias laborables a llevado una
estadistica de los servicios que Ie requirieron seg(m la distribuci6n de frecuencias
siguiente:
Cantidad
demandada
Dumero de dias
0
1
2
3
4
1
4
8
10
9
6
2
1
41
5
6
7
TOTAL
Tabla 4.2
5
6
7
TOTAL
1/41
4/41
8/41
10/41
9/41
6/41
2/41
1/41
Tabla 4.3
0.024
0.098
0.196
0.244
0.22
0.146
0.049
0.024
1.000
EJEMPLO 4.4
Represente 1a distribuci6n de probabilidad anterior mediante un histograma y mediante un
gnifico de ptmto.
p
r 0.2
....--
"-'
P
r
a 0.1
'!'
0.2
f--
.--
(x)
r-
3
4
5 6
Demanda posible
0.1
GrAfka 4.1
Ti p.
i
I
i
En un histograma representamos un
(x)
0 1 2 3 4 5 6
Demanda posible
Grifica 4.2
EJEMPLO 4.5
Una fabrica de zapatos produce calzado para cab,allero, y 10 vende de mayoreo por lotes,
(Cada tQte tiene 36 pares). SegUn sus normas de calidad carla 10te p1,lede llevar Q1l maximo de
5 defectos 1eves (no filcilmeote perceptibles), y seglin sus estadisticas en cada 100 10tes e1
nfunero de defectos por Iote se presenta en las dos primeras columnas del cuadro siguiente.
Posibles
defectos
DOr lote
0
1
2
3
4
5
Total
Probabilid.d
P(x)
Probabitidad
P(x)
1/100
4/100
12/100
20/100
.01
.04
.20
281100
351100
.28
35
.35
100
100/100
NDmero
de Iotes
to
1
4
12
20
28
Tabla 4.4
.12
EJEMPL04.6
En una ernpresa que vende agua purificada segiIn sus estadisticas el nurnero de carniones
repartidores que llegan a surtirse por hora esUi representado en las dos prirneras columnas
del siguiente cuadro :
Posibles
camiones
POr hora
Cantldad de
hol'll8 en
quesucede
Probabllidad
p(x)
ProbabDidad
p(x)
0
1
2
3
4
5
8
1
2
4
3
3
2
1
16 horns
1/16
2/16
4/16
3/16
3/16
2/16
1/16
16/16
0.063
0.125
0.250
0.187
0.187
0.125
0.063
1.000
Total
Tabla 4.5
4.3
VALOR
ESPERADO
DE
UNA
VARIABLE
Se obtiene r;:==!1I!:::::===========jJ
mediante
n
1!:::::=====I1 E(X) = LA][P(A])]
J=\
LUEGO CALCULAMOS
ESPERADO:
EL
VALOR
UNIDAD IV
EJEMPL04.7
En un gran hotel, segim sus estadisticas mensuales, el numero de servicios de alimentos a
la habitaci6n que piden los clientes (cerrando a la decena mas cercana) estim representados en las
primeras dos columnas del cuadro siguiente:
Calcule el numero de servicios que
Nmnerode
servicios
00
P(X)
Niunero F
de dias E.
10
20
30
40
50
Total
1
7
15
6
1
30
XP(X)
1/30
7/30
= 15/30
6/30
1/30
0.033
0.233
0.500
0.200
0.033
1.000
.333
4.660
15.0000
8.000
1.650
Tabla 4.6
servicios
de
alimentos
la
E(X)= 2: XiP(Xi),
antes
;=1
habitacion.
Calcule que cantidad de servicios puede esperar en cualquier dia seleccionado al azar, la
compania de mudanzas del ejemplo 4.3.
En este problema 10 que se esta pidiendo calcular es
el valor esperado de servicios.
En el ejemplo 4.3 ya calculamos la distribuci6n de
probabilidad y ahora nos apoyaremos en ella
tomando de la tabla 4.31as columnas 1 y4
Enseguida calcu1aremos:
n
E(X)
Demanda
Dosible (x)
0
1
2
3
4
5
6
7
TafAL
Probabilidad
Pix)
0.024
0.098
0.196
0.244
0.22
0.146
0.049
0.024
1.000
XPOO
0
0.098
0.392
0.732
0.880
0.730
0.294
0.168
EOO=3.294
Tabla 4.7
UNmAD IV
EJEMPL04.9
Una empresa que cuenta con 2 Bobcat (trascabos para demoler y cargar escombro), los
renta por dia con todo y operador. Sus costos diarios netos para cada Bobcat cuando no
trabaja los estima en $420.00, mientras que sus utilidades netas cuando si trabaja son de
$1,200.00 por dia.
Segim sus estadisticas mensualmente (24 dias laborales) Ie solicitan equipos en renta como
sigue:
Este empresano esta considerando comprar
Deman
da(X)
0
1
2
3
4
No. de
dias
1
3
7
7
6
24
P(X)
P(X)
1/24
3/24
7/24
7/24
6/24
0.0417
0.125
0.291
0.291
0.250
Tabla 4.8
en el periodo.
Si
su
una
eqUlpo
no trabaja
perdida
diaria
de
Posibles
solicitudes
0
1
2
3
4
TABLA DE PERDIDAS
si tiene
si tiene
Si tiene
2 maQUinas 3
as 4 nuiQuinas
840
1260
1680
420
840
1260
0
420
840
1200
0
420
2400
1200
0
Tabla 4.9
UNIDAD IV
$1,260.00 y
Enseguida
calcularemos
el
valor
128
Donde registre menor perdida, sera el nivel donde mejor Ie convenga estar pues es donde
mayor utilidad espera tener.
EI cuadro donde refleja menor perdida es en el que tiene tres maquinas $579.76. Entonces
solo debera comprar otra maguina vas. completar 3 Bobcats.
Recordemos que estamos considerando tambien como perdida 10 que deja de ganar cuando
Ie piden mas de 10 que puede ofrecer, por tanto la perdida esperada que reflejan los cuadros
al buscar el nivel de minimizar la perdida en realidad estan encontrando el nivel donde
optimiza su ganancia
JesUs ow Diaz
UNIDAD IV
diarios por equipo e igualmente hubieramos obtenido el resuitado que Ie conviene, tener 3
Bobcats.
./
4.4
LA VARIANZA
Se obtiene
mediante
II
0
(X)
= E(X2) -
[E(X)]2
Donde:
E(X2)
- Primero formaremos la
distribuci6n de
probabilidades
- Enseguida calculamos el
valor esperado y el
valor ponderado al
cuadrado.
Finalmente calculamos la
varianza aplicando la
formula
LA
DESVIACION
ESTANDAR
Se obtiene
mediante
Solo necesitamos
extraer raiz cuadrada a
la varianza para obtener
la desviaci6n estandar.
UNmAD IV
EJEMPLO 4.10
Calcule la varianza y la desviaci6n esUindar para el numero de servicios de alimentos en la
habitaci6n del ejemplo 4.7.
NUmerode
senicios
P(X)
XP(X)
(X)
10
20
30
40
50
Total
(X)'"
X"'P(X)
0.033
0.233
0.500
0.200
0.033
1.000
3.33
.333
100
4.660
400
93.20
450.00
15.0000
900
8.000
1600
320.00
1.650
82.50
= 2500
E(X)= 29.643 ~
E(Xi=949.03
Tabla 4.13
La varianza sera:
0'2 (X) = E(X2) - [E(X)J2 sustituyendo valores 0'2 (X) = 949.03 - (29.643i = 70.322
Este resultado significa que en el hotel
esperan
en
promedio
29.643
= 8.386 servicios.
EJEMPLO 4.11
Con base en los datos del Ejemplo 4.5 calcuJe su varianza y la desviaci6n estandar.
Posfbles
defedos
Probabllidad
P(x)
XP(X)
x2
x2p(X)
o.
0
1
0
0.04
0.48
1.80
4.48
8.75
porlote
0
I
2
3
4
5
Total
.01
.04
.12
.20
.28
.35
1
0.04
0.24
0.60
1.12
1.75
EOO=3.75
Tabla 4.14
9
16
25
Aprovecharemos la distribucion de
probabilidad (tabla 4.4). que calculamos
en el ejemplo 4.5 y en base a ello:
E(X2}=1~55
UNmAD IV
La varianza sera:
0'2 (X) = E(X2) - [E(X)2 sustituyendo valores 0'2 (X) = 15.55 - (3. 75i = 1.4875
con
Wl3
variaci6n promedio de
a 1=1.48 servicios
at cuadrado,
4.5
EL PROCESO DE BERNOULLI
Para poder aplicar correctamente las distribuciones de probabilidad discreta que veremos
mas adelante, nos ayuda mucho el conocer que es el proceso de Bernoulli.
1.- En cada prueba solo puede existir dos posibles resultados [por conveniencia
les lIamamos (exito 0 fracaso).
2.- Cada uno de los ensayos u observaciones que se lIeve a cabo deberan ser
independientes entre si, es decir, no afectar la ocurrencia de los otros.
UNlDAO rv
Por ejemplo si quiero saber cuantas ilguilas puedo obtener al lanzar una moneda cinco
veces. Podemos observar que sigue perfectamente el proceso Bernoulli por\ que solo
existen dos posibles resultados (exito cuando resulta aguila,
fracaso si fuese
sel~o); Cada
i
vez que lanzo la moneda puede caer en cualquiera de sus dos caras independientemente del
resultado obtenido antes y por ello tambien, cada vez que se lance, su probabilidad de exito
sera Yz.
Otro ejemplo puede ser el experimento que consiste en seleccionar al azar 100 de entre
10,000 personas que asisten a un concierto de rock y checar cuantas de ellas son fum adores
si estudios previos demostraron que el 40% de las personas fuman.
Este es otto caso que sigue el proceso Bernoulli. De cada persona que se Ie pregunte
obtendremos solo dos posibles resultados (si, sera exito,
DO,
cada entrevistado no influenciara a los demas, por que son independientes, y a cada
persona podemos asociarle una probabilidad de acierto de 4()oJO por los estudios previos, y
se mantendra constante en todo aquel que se investigue.
Ahora si extraigo tres cartas sucesivas sin remplazo de una baraja de 52 cartas, esperando
obtener tres ases, estamos ante un problema que no sigue el proceso Bernoulli. Cada vez
que extraigo una carta obtengo un exito
una carta modifico el espacio muestral y por tanto las condiciones para la ocurrencia de la
siguiente, por 10 que seran eventos dependientes y P YpC no se mantendran constantes.
UNIDAD IV
4.6
DISTRIBUCION BINOMIAL
cad~
de'~btener un determinado
II
Se obtiene
mediante
LA DISTRIBUCION BINOMIAL
DONDE:
P(X)
= ProbabiJidad de obtener un
determinado niunero de exitos
cuando realizamos un determinado
niunero de ensayos
n=
x=
DC. =
P=
[Solo
hay dos posibles resultados, brito 0 fracaso; P Y pC se
mantienen constantes en cada ensayo; y debecln ser pruebas
independimtes.
de ensayos u observaciones.
3.-Deseamos calcular la probabilidad de obtener un
determinado niunero de exitos en "n" ensayos.
II
EJEMPLO 4.12
En una gran ciudad se estima que de cada 100 autos robados se recuperan 60. Estime la
probabilidad que de 10 autos robados se recuperen exactamente 3.
Es una binomial por que comple con todos los requisitos
= JOe3 (0.6i
(1_0.6)10-3
= 120 (0.216)(0.0016) =
0.042
UNIDAD IV
EJEMPLO 4.13
azar a 15 alumnos y 8 de ellos estudien 120 mas poras extra clase por semana?
=15C 8
(0.28)8
(1
0.28i 5-8 =
=6435
(0.000038)
(0.100) =
EJEMPLO 4.14
En una sucursal de Bancomer se tiene estimado que el 69% de los clientes que recurren a
los cajeros automciticos van a retirar dinero, el restante 31% hacen otras operaciones como
depositos, consulta de saldos etc. ( para este ejercicio omitimos a aquellos que hagan mas de una
operaci6n ala vez). siendo asi, l.que probabilidad existe de que de los siguientes 20 clientes de
P(X)
= nex Px (l_p)n-x =
1140 (0.0018)(0.029) =
= 0.0618
Comple con todos los requisitos por tanto es una binomial por que:
UNmAD TV
EJEMPLO 4.15
SegiIo sus estadisticas una empresa constructora estima que de cada diez concursos de obra
eo que participa gana tres de ellos.
~Que
gC 5 (0.3)5 (0.7)8-5
= 56 (0.0024)(0.343) =
=
Cumple COD todos los'requisitos por tanto es una binomial por que:
0.046
4.7
DISTRIBUCION GEOMETRICA
Se obtiene
mediante
DONDE:
P=
I
Probabilidad de exito
UNlOAD IV
EJEMPLO 4.16
Con los datos del ejemplo 4.12, calcule la probabilidad de que el primer auto recuperado
sea el tercero robado.
= 0.096
EJEMPLO 4.17
Con los datos del ejemplo 4.13 calcule la probabilidad que sea hasta el decimo estudiante
entrevistado, el primero que si estudie 12 0 mas horas extra clase por semana.
P(X)
(P) (l_p)X-l
EJEMPLO 4.18
Con los datos del ejemplo 14, calcule la probabilidad de que sea hasta el 5 cliente el
primero en retirar dinero de los cajeros automaticos.
UNIDAD IV
EJEMPLO 4.19
Con los datos del Ejemplo 4.15, calcule la probabilidad que sea hasta el 3er concurso el
primero que pierda la constructora.
0.7 ( 1_0.7)3-1
0.063
4.8
LA DISTRIBUCION HIPERGEOMETRICA.
Llamamos "elementos de exito" a aquellos que tiene algunas caracteristicas que nos
interesan, mientras que los de "no exito" no las tienen.
Una caracteristica importante para poder aplicar esta distribuci6n es que el muestreo se
realiza sin remplazo, por tanto cada elemento que se extrae, modifica las probabilidades
para la siguiente extracci6n, ''P'' no se mantiene constante en cada ensayo y los eventos
serlin dependientes. Por tanto, no sigue el proceso de Bernoulli, y para estos casos la
distribuci6n Hipergeom&rica es la apropiada..
UNIDAD IV
LA DISTRIBUCION HIPERGEOMETRICA
Se obtiene
mediante
II
[(N-X1)C
(n-x)]
[xTCx]
2-
N
n
= Tamaiio de la poblaci6n
=
Tamafio de la muestra
XT
= Cantidad de elementos
que tienen caracteristicas
de exitos dentro de los
elementos de la poblaci6n.
= Ninnero de elementos
de exito que deseamos
dentro de la muestra.
[(N-X1)C (u-X)]
Una
combinaci6n de (N
menos X T) en (n menos x).
exito.
3- Extraeremos una muestra de dieha poblaci6n.
4-
EJEMPLO 4.20
50ClO
UNIDAD rv
boCs) (20C S)
(142,506) (15,504)
= ---------------------------- = ------------------------------ = 0.215
soC 10
1.027227817 X 1010 -
EJEMPLO 4.21
Un fabricante de Malasia contrata con un cliente en Mexico la venta de 100 monitores de
un mismo modelo. Por sus estadisticas el fabricante sabe que el 4 % de sus productos
presentan'm fallas, y el cliente exige no mas del 2% de articulos con falla. Si el vendedor se
arriesga con estas condiciones y al "I1egar .--el pedido el comprador decide revisar una
muestra seleccionada al azar de 50 monitores,
~Que
realice?
Si
fabricante
estima
en
4%
Ia
PARAX=O
P(X N,xT,n)
el
[(N-XT))C
(n-x)]
[XT CX]
=--------------------=
monitores,
NCo
- ------------------------ =
[5.925514769 X 10 ][1]
= ------------------------------- =
0.059
probabilidad de:
1.008913445 X 1029
[(X=O) + (X=l)]
PARAX=I
--------------- -- -------------------
-- 0.250
1.008913445 X 29
PARA X = (0 Ii I)
(0
P(O 6 1)
UNIDAD IV
EJEMPLO 4.22
mediante
hipergeometrica porque
distnbuci6n
Ia
Ia
deseamos
(56) (816)
= ------------------------ = ----------- = 0.029
una
1'562,275
4.9
DISTRIBUCION POISSON
Esta distribuci6n sirve como modele para experimentos donde no se reatiza un numero
predetenninado de experimentos u observaciones, sino donde los eventos estfm ocurriendo
en un espeetro continuo del tiempo y espacio. Mediante esta distribuci6n podemos calcular
la probabilidad de la ocurrencia de un numero designado de exitos en un determinado
tiempo y espacio.
EI proceso Poisson es semejante at proceso Bernoulli [solo considera dos poslbles resultado
(exito 0 fracaso), Py
pC
>
solo difiere
UNIDAD IV
Se obtiene
mediante
LA DISTRIBUCION POISSON
'1
r..
e-I..
P(x) = -------
x!
para la dimension
especifica del
tiempo y espacio de
interes.
Niunero designado de
exitos
EJEMPLO 4.23
Una casa de cambio recibe en promedio 4 billetes falsos cada mes. l.Que probabilidad
existe de que un mes cualquiera reciba 8 billetes falsos?
AX.
e-I..
(4)8 (2.7183)-4
= 0.0298
UNIDAD IV
EJEMPLO 4.24
'AX. e-'J..
(6i
(2~-6
0.0446
Tip
EJEMPLO 4.25
Un sitio de radio taxis recibe en promedio 8 llamadas por hora solicitando servicio para ir
fuera de la ciudad. Calcule la probabilidad de que en dos horas solo una vez se solicite el
servlclo.
UNmAD IV
[(16)]1 [2.7183r I6
(Ay (erA.
x!
1!
habra que
aplicamos la fOrmula
EJEMPLO 4.26
En una eiudad estiman que 12 es el promedio de naeimientos por hora que ahi sueeden.
i,Cual sera la probabilidad de que en un periodo de diez minutos seleccionados al azar se
registren tres nacimientos?
Tenemos un promedio 1.=12 por hora
deseamos calcular la probabilidad de que en
10 minotos sucedan x=3 nacimientos.
(J.y (erA.
P(X) --
(2)3 (2.7183)"2
---------- -- ---------------- -
x!
3!
=
0.1804
EJEMPLO 4.27
Una empresa productora de vidrio para ventanas estima que la ealidad de su vidrio esta
,------------------------,
(At (erA.
P(X)
(0.2) (2.7183)-02
= --------- = ------------- =
x!
para
ser
una
O!
=
0.8187
UNIDAD IV
EJEMPLO 4.28
Obras publicas del estado acondicion6 un carril especial para que los vemculos que van a
entrar al tecnol6gico esperen hasta que el semiUoro 10 indique. Dicho carril tiene capacidad
para cuatro vehiculos y un estudio estadistico encontr6 que en las horas pico en promedio
se juntan 7 vehiculos esperando la vuelta. l,Cucil sera la probabilidad de que en una hora
pico seleccionada al azar se congestione el trMico por excederse la capacidad del carril?
Q..Y (e)-'P(O)=
'f (2.7183r 7
= 0.00091
O!
xl
T (2.7183r7
P(I)=------------ = 0.00638;
l!
para
igualmente para
P(2) =0.022
entones:
P(O,I,2~ 0
4)
0.00091+ 0.00638
0.052+0.091 =
+ 0.022 +
0.1723
4.10
Se obtiene
mediante
illHDAD IV
rrll!::============n
(opt enp
P(X) = ---------------
X!
= Probabilidad de exito
ensayo.
(np) = E(X) = A. =Numero de
aeiertos.
0
bien
el
promedio.
EJEMPLO 4.29
Si la probabilidad de que falle un determinado componente e1ectr6nieo at apliearle el
voltaje nominal es de 0.001, "emil es la probabilidad de que de un lote de 2000 de diehDs
eomponentes fallen tres?
UNmAD IV
~
Primero checamos si puede aplicarse:
n si es grande, es mayor que 20; p si es muy
uno.
/..,3
P(3) =
e-'A
(23 )(2.7183y2
---------- = ----------------- =
x!
los requisitos
3!
P(3) = 0.1804
EJEMPLO 4.30
El aeropuerto de una gran ciudad asegura que todo avion para poder salir de alli, es
checado perfectamente para constatar que haya cumplido su programa de mantenimiento y
que los pilotos se encuentren en perfectas condiciones fisicas y mentales. En base a ello
estiman que la probabilidad de que un avion sufra un accidente grave es de 0.004% . Si de
ese aeropuerto anualmente salen 40,000 vuelos y las estimaciones son correctas, i,Ctuil es
la probabilidad de en un ano dos aviones sufran un accidente grave?
=0.2584
Si no disponemos de una calculadora grande resulta muy complicado e1 cAlculo
UNmAD IV
aplicamos la formula.
AX e-"A
(1.6 )2 (2.7183)"1.6
P(2) = ---------- = ------------ =
21
x!
P(3) = 0.2584
EJEMPLO 4.31
Una empresa que fabrica diskettes asegura que de las plezas que salen al mercado
solamente el 0.02% pudieran presentar alguna falla.
Si su estimacion es correcta y un
mayorista compra 50,000 piezas, i,que probabilidad tiene de que Ie salgan 20 diskettes con
falla?
Si resolvemos mediante Ia distribucion binomial sera:
P(20) = (50.000~O> (0.0002)20 (1-0.0002)50,000-20 = (3.905035049 X 1075 ) (1.048 X 10'74) (4.554 X 10'5) =
= 0.00186
Si no disponemos de una calculadora grande resulta muy complicado el cilculo
Primero checamos
aplicarse:
si
puede
npq
puede
aplicarse
que
si
requisitos
AX e-"A
la
P(2) =
(10)2(2.7183)"10
--------- = -------------- =
x!
20!
P(3) = 0.00186
UNIDAD IV
El uso de tablas facilita la soluci6n de estos problemas ya que nos evita hacer engorrosos
calcuJos matematicos principalmente cuando se desea deterrninar la probabilidad de que el
resultado ocurra dentro de un rango de valores.
0,
pl.
Buscamos en la
EJEMPLO 4.32
Cooocemos:
0=8, X= 5, p=O.3
que es 0.0467
UNIDAD IV
manual. Para usarla solo necesitamos conocer A y x Buscamos el bloque de numeros cuyo
primer rengl6n abarque el valor de A. Luego en ese mismo bloque buscamos en la primer
EJEMPLO 4.33
Conocemos A= 4, x= 8.
Buscamos en la tabla de probabilidades de Poisson del apendice el
bloque que alcance a cubrir el valor de A= 4; Encontramos que es el
cuarto bloque ya que cubre los valores de lambda desde 3.1 hasta 4.
Enseguida buscamos en ese bloque, en la primer columna el valor de
x=8. En el cruce del rengl6n y columna encontraremos el valor de P(X)
que es 0.0298
EJEMPLO 4.34
mHDAD IV
4.12
RECOMENDACIONES
DIDACTICAS
esta
UNIDAD IV
4.13 RESUMEN
El concepto de variable\Ieatoria es 10 que nos permite pasar de resultados
experimentales a una fimcid numerica de los resultados. Una variable aleatoria es una
regia
que mayor oportunidad tiene de ocurrir. Resulta de LXP(X). Mientras que la desviaci6n
estandar sera el promedio de dispersion con relacion al valor esperado.
Para poder aplicar correctamente las distribuciones de probabilidad que aqui vemos, nos
ayuda mucho conocer el proceso de Bernoulli, que es un modelo que permite englobar
todos los experimentos que se realizan mediante pruebas repetidas y que contiene
esencialmente tres caracteristicas: a) En cada prueba solo pueden existir dos posibles
resultados (por conveniencia les Hamamos, exito 0 fracaso). b) Todos de los ensayos u
observaciones que se Heven a cabo deberan ser independientes entre si, es decir, no afectar
la ocurrencia de otros. c) La probabilidad de exito que Hamamos (P) y la de no exito (pc),
permanecenin constantes en cada ensayo que se realice.
lSIGUE EL
DISTRIBUCION
lcuANDO SE USA?
PROCESO
FORMULA
BERNOULLI?
BINOMIAL
GEOMETRICA
HIPERGEOMETRICA
POISSON
P(X)
P = probabilidad de exito
p C= Probabilidad de no exito
n "" N6mero de ensayos
r = NUmero de exitos esperadOs: -- /'
= (P) (PjX-l
P = Probabilidad de exito
pc = Probabilidad de no exito
dila<l~
152
153
UNlOAD CINCO
DE PROBABILIDAD CONTINUA.
5. 1 Introducci6n.
5.2 Distribuciones de probabilidad continua y funci6n de densidad.
continua
5.5. 1
5.5.2
5.8 Resumen
5.1
l~
INTRODUCCION
Ya en la secci6n 4.1 estabiecimos 10 que es una variable aleatoria continua. Se coment6 que
una variable aleatoria continua se presenta en situaciones donde la variable aleatoria puede
tomar valores que resulta imposible enlistar
intervalo, aun por pequeno que este sea puede existir un numero infinito de posibles
resultados.
En esta secci6n, analizaremos mas a detalle como los valores continuos, que si bien no se
pueden tabular, si generan funciones de probabilidad continua llamadas funciones de
densidad y su representaci6n grafica que son las curvas de densidad. Veremos tambien como
estas curvas de densidad forman un area entre ellas y el eje x, que representa el total de las
probabilidades de ocurrencia de un intervalo de valores.
Luego analizaremos la curva normal, que es quiza, la mas importante de todas las
distribuciones de probabilidad.
155
diametro preciso que haya tenido la broca al fabricarse, entre otros. Quiza el barreno mida
12.0001, 12.00000001, 12.00000000001, 12 u 11.9999mm, etc. Entonces l,cUllntos valores
pudiera tomar la variable aleatoria entre 12.0001 y 11.9999? Aun por pequeno que es el
intervaJo, la variable puede tomar una cantidad infinita de valores.
Imaginemos que el barreno de 12 mill, no puede tener variaci6n mas alia de 2 decimas de
milimetro y medimos aproximando las lecturas a la decima de milimetro mas cercana.
Ahora ya podemos considerar la variable aleatoria como "discreta" puesto que, al redondear,
los valores que puede tomar, ahora seran puntuales, los puedo enJistar y graficar, seran: [
11.8,11.9,
12, 12.1 Y 12.2], podemos formar un histograma (Gnifica 5.1) mismo que
contiene todos los posibles valores, y que por tanto su probabilidad de ocurrencia sera igual
a1.
Ahora consideremos que redondeamos a la centesima de milimetro mas cercano; cada barra
del histograma (Gnifica 5. 1) se transformara en 10 barras, el histograma tendria 50 barras. Si
redondeamos a la milesima mas cercana, el ancho de cada barra del histograma tendriamos
que dividirla en 100 partes. Y asi, cada aproximaci6n mas precisa reducira cada vez mas
cada intervalo y generara una cantidad de barras cada vez mucho mayor que tendera a
infinito y por tanto imposible de graficar salvo como una curva de densidad (Grafica 5.2),
donde la probabilidad de cualquier punta sera: P(x)=lI00=O; y como anteriormente dijimos,
en estos casos solo podemos calcular la probabilidad de un intervalo de valores.
11.8
11.9
12
12.1
156
12.2
Gratica 5.1
Histograma de p-robabiJidad
Grlifica 5.2
Curva de densidad
Las curvas de densidad pueden tomar diversas fonnas, ella dependera de la funci6n de la
que provengan, pero siempre el area que forma con el eje x representara el 100% de la
probabilidades y sabiendo que las probabilidades siempre seran valores numericos positivos,
la curva de densidad siempre estara completamente por encima del eje x.
Dentro del rectangulo, sobre la escala del eje x, colocaremos los limites
intervalo del
[Xl
X2]
del
Trazaremos
perpendiculares desde cada uno de estos puntos hacia la curva de densidad fonnando otro
rectlingulo, y el area de este representara la probabilidad de ocurrencia del intervalo en
cuesti6n.
FUNCION DE DENSIDAD
DE
PROBABJLD>AD
VNIFORME 0 bien (ALTURA
IS7
n
PROBABnJDAD DEL INTERVALO,
pIxl y X2]
DE LA CURVA DE DENSlDAD)
Se obtiene
mediante
f(x)
=-----
b-a
para:
(~:C;
DONDE:
LONGITUD =: [Xl Xl)
b)
() cero en tulquier
otro taSO
1
ALTIJRA
:II:
f{x)"
b-a
.
EJEMPLO 5.1
Consideremos que al perforar una pieza meUilica con una broca cuyo diAmetro se estima en
12 mm, el control de calidad aceptarA la pieza solo que dicho diametro no sea menor que
11.8 mm, ni mayor que 12.2 mm. Cualquier medida entre esos dos valores puede ocurrir, es
decir, puede ocurrir un numero infinito de valores. i.Que probabilidad existe de que una
pieza aceptada seleccionada al azar tenga un barreno que mida entre 12.1 y 12.15 mm?
Primero calcularemos Ia altura de fa curva de densidad
2.5
II
continua;
,,
I
I
II
.....
o
11.8
12.1 12.15
GrAfi~V't.
Xl
X2.
Y dibujaremos el
12.15. que
I
I
I
I
12.2
b-a
12.2-11.8
4==.
158
(lito) ]
Ancbo"(l2.lS-12.1)-o.os
= (O.05){2.S) = 0.125
P(12.1SX$I2.15)
es la
EJEMPLO 5.2
Suponiendoque en la ciudad de Mexico en los dias en que no hay lluvia
]a
visibilidad al
dibujamos la curva de
XI
X2.
fonnamos es red&1gul9 y
~!
I
I
II
b -8
II
25-1
25
b
a
GrAf!Q 5.4
1O~
JOy 12 Km.
159
EJEMPL05.3
En una zona de Ia chJdad el SlAPA raciona el agua potable a 2 horas diarias de servicio. En
ese tiempo
]a
600 y 3000 litros, dependiendo de Ia presiOn que haya en las tuberfas carla dfa.
En un dia seleccionado al azar que probabilidad existe de que se alcance a juntar entre 1800
Y2000 litros
1
3000-600
~~--'l_-'b-+"",+-_ _3->,:OOO-:-~--::t'!_
5.4
VALOR ESPERADO
VARIANZA
PARA
UNA
Se obtiene
mediante
I
U
YALOR ESPEllAJ)O
QESVIACION tsTANPAB
(a+b)
J11 = E (X) =- -...
2
b_a)2
O"~-
12
a - ~lor miDlmo que paede tomar Ia variable a"tori.
b - valor _DIDO qlle puede toInar Ia variable alealGria
160
EJEl\'lPLO 5.4
r V~riarv.~-----------
Valor cspcrndo:
( a + b)
Jlx = E (X)
11.8 + 12.2
(b-
=--------- = 12
=2
al
(12.2 - 11.8i
x =---- =
0.0133
12
12
EJEMPLO 5.5.
i
Calcule el valor esperado y la varianza para los datos expuestos en el ejemplo 5.2
!
i
-----'-- - - -
--V~rl~~-a------------
Valor esperado
1 + 25
~LI = E (X) =- - - =---
'.' - - -'---'1
\
I
!
I
(a+ b)
.-- -
(b_a)2
=13
(25_1)2
]2
--'-_._---
12
_...
EJElVlPLO 5.6
Calcule el valor esperado y la varianza para los datos expuestos en el ejemplo 5.3
-----------
- V_----.------------------ - __-----------1
ananza
I
VaJor esper-ado
( a + b) 3000 + 600
~x
- - - - -----_.-.- -- - ... --
__ . __ .. -
cr 2x
l . _.
~ ~-~-~~~ =~~~~-~~~~!~
12
12
480 ,'000
!I
_J
161
se concentraran en tomo a la media (Jl), yam por tanto, las frecuencias (eje y) alcanzaran los
niveles mas altos, e iran bajando, seran menos, mientras mas se retiren hacia la izquierda
=(
esta
1 )~~2Jr(J
dada
(x-~? 12,,2)
pOf: ~
de tal manera
162
Para dibujar la curva, en el eje x se anotani una escala de valores desde el minimo hasta el
maximo que se estime pueda tomar la variable aleatoria, y utilizando el par de valores (Il y
cr) podemos calcular las ordenadas (y) para varios valores de x y asi dibujar la curva.
Cada poblaci6n tiene su propia curva, por que cada par de valores (Il Y cr) generaran una
diferente curva especificando completamente su posici6n en cuanto a 10 ancho y alto,
conservando la forma de campana simetrica, cuya area siempre sera igual a 1 y representara
el 100% de las probabilidades. Las colas de esta gnifica siempre se extienden hacia (-00) y
hacia (+00) acercandose cada vez mas al eje x sin llegar a tocarlo. Tendra solamente una
parte mas alta, siempre en el centro, y es justamente en ese punto donde se localiza el valor
de la media Il y donde ademas coincidiran la mediana y la moda.
Como ya dijimos el area de la curva sera igual aI, y representa el 100% de la probabilidad
de ocurrencia por 10 que ahora podemos calcular el area bajo la curva para cualquier
intervalo de valores mediante la utilizaci6n del calculo integral.
La utilizaci6n de estos metodos matematicos representa un proceso fiUy complejo dada la
dificultad de la utilizaci6n del caIculo para cada curva resultante y para cada area deseada.
Y seria una tarea sin fin intentar tabular todos los posibles valores, que puede tomar cada
cuya area siempre sera igual a 1, y que por tanto puede aplicarse a cualquier curva normal
con cualquier par de panimetros (Il Y cr) si tipificamos sus valores transformandolos a
unidades z (unidades estandar) mediante la ecuaci6n:
=x-
5.5.1
CONSTRUCCION
DE
LA
CURVA
163
NORMAL
ESTANDAR.
1.- En el eJe x de un pnmer
cuadrante
localizaremos
-40
-20
-<:J
+cr
+20
+30
+40
Gnifica 5.7
-30
-0',
2.- Sustituiremos los valores en el eje x por los valores reales de las observaciones
realizadas en el problema en cuesti6n iniciando con el valor ca1culado de J.l, luego hacia
la derecha 10 que resulte de (J.l +cr), luego (J.l +20") Y asi hasta (J.l +4cr). Luego hacia la
izquierda sera (J.l-O') y hasta (J.l-4o'),
3.- Enseguida dibujamos la curva en forma de campana simetrica cuidando que el punto
mas alto quede en la linea de J.l.y que sus colas se extiendan de -4cr a 4cr acercandose sin
tocar el ej e x
EJEMPL05.7
Luego de tomar una gran cantidad de mediciones del diametro de un barreno en igual
numero de piezas un inspector observa que los valores obtenidos se distribuyen
164
normalmente con una media II = 12.05 mm y un desviaci6n esUindar a = 0 .11 mm. Con
dichos datos construya una curva normal estimdar.
1.- Localizamos 7 puntos en el eje x.
colocaremos
-0",
-4cr
-3cr
-2cr
11.61
11.72
11.83
-a
I-l
+a
+2a
+3cr
+4cr
12.38
12.49
-4a.
GrMica 5.8
si se cree necesario puede dividirse a a/2 0
menor.
2.- Sustituimos los valores reales en el eje x iniciando por el valor de 11 = 12.05, hacia la
derecha sera (l1+a) = 12.16. El siguiente a la derecha (11+2a) = 12.27. El siguiente
(11+3a) = 12.38. Luego (ll+4a) = 12.49. Hacemos 10 mismo hacia la izquierda (l1-a) =
11.94; para (11-2a) = 11.83; para (11-3a) = 11.72 Yfinalmente para (ll-4a) = 11.61.
3.- Finalmente dibujamos la curva (Figura 5.8) en forma de campana simetrica cuidando
que el punta mas alto quede en la linea de 11 y que las colas se extiendan de -4a a +4a.
J~Diaz
Diaz
X,
165
=x-
, con 10 que
Jl
CJ'
cambiamos sus valores reales a terminos de desviaci6n estandar. Estos valores obtenidos
podemos consultarlos en la Tabla 3 del apendice, para determinar el area
la probabilidad
dentro del
intervalo de la linea de Il y hasta el punto (1l+40-) es decir, ellado derecho de la curva; pero
aprovechando la simetria de la curva podemos tambien calcular ellado Izquierdo.
CASO 2.- Calcular el area de todos los valores menores que 1.1.
CASO 4.- Calcular el area entre la linea de 1.1 y un punto en x hacia su izquierda.
CASO 5.- Calcular el area entre dos puntos en x que se encuentran a la derecha de 1.1.
CASO 6.- Calcular el area entre dos puntos en x que se encuentran a la izquierda de Il.
EJEMPL05.8
Seg{In un anaIisis estadistico la cantidad de agua que recibe diariamente un aJjibe es una
variable aleatoria que se distribuye normalmente con una media
J.l. = 1800
desviaci6n estandar (J = 692.82 Its. [Este enunciado se aplicara a cada uno de los siguientes siete casos]
166
1800
Igualmente
directo.
10
obtenemos
por
razonarniento
Grmca5.10
167
EJEMPLO 5.8.c.-
area
=X
= 3000 )
en
- J.l, buscamos el
=X-
692.82
168
-,
X - f.l
1000 - 1800
692.82
= ---- = - - - - = -1.15
(J
-3<r
J.l -m:\\
_20'//1-<J
calcularemos su
simetrico,
+20' +3<r
1.15 a
-1.150'
1000
es decirl----------------'
Grlifica 5.12
Aunque en realidad calculamos el area desde J.l hasta el punta 1.15 unidades estandar, el area
buscada de J.l a -1.15 unidades estandar, es simetrica, por tanto identica y por tanto vale 10
mlsmo.
A(z) = -1.15
= .037493;
bien 37.493% de que ese dia reciba entre 1000 y 1800 litros de agua.
169
---.
XI,
y luego de Il
3 X2.
Enseguida restaremos el
Gnifica 5.13
Calculemos el area 1, de Il a
J:'.'
Ia z
lormu
X -Jl. =
=(J
Xl.
XI
mediante la
31
= .40320.
=X (J
692.82
Finalmente restamos el area menor a la mayor y asi por diferencia obtenemos el area
buscada:
32 - 31
un dia seleccionado al azar el aljibe reciba entre 2700 y 3186 litros de agua.
170
a unidades
z~
Xl
-20' -0'
414 900
GrMica 5.14
=X
= X - J.l =
(j
900 - 1800
692.82
-1.3
Para el punto
Xl
Para el punto X2 donde (z=-1.3) su simetrico es (z=1.3) Ysu area sera A(z) = 0.40324
= 7.401 %
EI valor encontrado indica la probabilidad de que en un dia tornado al azar el aljibe recibe
414 Y900 litros de agua.
UNIDAD V
171
Xl
Xt
a J.l, y del
puntos en cuesti6n.
Primero convertiremos
Xt
Xl
XI
....:12
500
1800 2700
a unidades z Y
Gdfica5.15
Para Xt
x-P
z = -
a
= 500 -
1800
692.82
= -1.88
.
,
Calculamos A(zt) aprovechando la slmettia:
Para
Para Xl
=X a
Ambas areas se sumaran para obtener el area total y con la probabilidad buscada.
Area total
A(zt) + A(Zl)
0.46995+0.40320
0.87315
bien 87.315% es la
UNlDAD V
172
Como vimos en el punta 6 del capitulo 4, muchas veces cuando realizamos experimentos
con.. datos discretos debemos recurrir a la distribuci6n binomial para calcular sus
probabilidades. Pero muchas otras veces, dado algunos experimentos, la gran cantidad de
obtener mas facilmente e] resultado con una aproximaci6n muy aceptable a Ja que
Si por ejemplo consideramos cierta ciudad donde se estima que en los cajeros automaticos
de una sucursal de Bancomer, el 69% de las operaciones que realizan los clientes son para
402 + X
403 +......+ X
P(400) = 500C 4OO .69400- (l_.69i5OO-400) = (necesitariamos una computadora para estos
caIculos).
]TJ
pueda
ser
aproximada
r;=====:!b===============:::::n
a. - EI numero de observaciones debe ser relativamente
siguientes:
grande, ( n ~ 30 observaciones).
b.- [(n)(p)]
Si cumpli610 anterior, se
obtiene mediante los
siguientes pasos
5, Y [(n)(1-p)]
"
=x -
f.l , (antes de
CT
=X -
CT
manera:
.l~
I-
f--
..
~
343
344
345
346
347
348
341.5 343.5 344.5 345.5 346.5
347.5
348.5
De esa manera corregimos los valores de X con los que calcularemos el area bajo 1a curva
normal estandar de acuerdo a los pasos anteriormente visto en el punto 5.5.
UNlDAD V
174
EJEMPL05.9
Se estima que en los cajeros autonuiticos de una sucursal de Bancomer el 69% de las
operaciones que realizan sus clientes son para retirar dinero. "Cmil sera la probabilidad si
seleccionamos al azar 500 clientes, que al menos 370 de enos vayan a retirar dinero?
para
Por tanto mejor optamos pol aproximar el resultado mediante la distribuci6n normal.
Analicemos si cumple los requisitos para aproximar mediante la normal
[(n)(p)~]:.
=.89%
(J(X)=~np(1-p)
369.5
Gnifica 5.17
500~
X=370 ya que inicia realmente desde 369.5; por tanto el area a calcular sera
de [369.5 a 500].
175
A(z) = X - f.l- = 369.5 - 345 = 2.37 checamos en la Tabla 3 del apendice y corresponde a
(J
10.34
0.4911 por 10 que el area y probabilidad del intervalo [369.5 a 500J = 0.5 - 0.4911=0.0089
=
P(blnomJal)
P(nonnal)
0.89%
EJEMPLO 5.10
Seg(m sus estadlsticas una empresa constructora estima que de cada 10 concursos de obra
en que participa gana en tres de ellos. Este ano espera participar en 40 concursos. Si
acierta en sus pron6sticos "Que probabilidad existe de que gane al menos en 18 de ellos?
I
If- - - - - - - - - '
12 ( si cumple); y que:
8.-
A(z) = 0.47728
=47.728%
A(z) = QOZZ7=
2.27"10
2.898
J.l=12
Gratica 5.18
17-5
176
pero antes corregiremos el valor X = 18 ya que realmente inicia en 17.5 . Por tanto el area
a calcular sera de [17.5
X-p.
= -~
40]
17.5-12
2.898
P(binomlal)
P(normal)
2.87%
EJEMPLO 5.11
En una gran ciudad para el presente afio estiman las autoridades que 1520 autos seran
robados, y segtin las estadisticas solo recuperaran el 60% de ellos. 8i la estimaci6n resulta
correcta i,que probabilidad existe que sean recuperados al menos de 950 de esos autos?
Resolver mediante la binomial es una empresa muy complicada. Resulta mas facil
aproximar mediante la nonna!.
A(z) = .47500
=9. 5%
50%
8.-
A(z) = .025
=2.5%
912
l[l
= 949.5
<r(X) = ~np(l- p) =
Grifica 5.19
177
c.- La Gnlfica 5.19 muestra el area que nos interesa conocer (949.5 hasta +(0). Sabemos
que media curva representa el 50% del area total por tanto calcularemos el area desde
~
A(z)
dllUl 949.5
_ X - J.l
(Y
9495-912
19.1
1.96:. A(z)
= 0.47500=
47.5%
P(binomiaI)
P(nonual)
178
DE
BABER
ANALIZADO
ESTA
UNIDAD
ES
FREUND Thon E.
KAZMIER Leonard
WEIMER Richard
WALPOLE myers
179
5.8 RESUMEN.
En esta seccion analizamos como los datos continuos generan funciones de probabilidad
continua llamadas mnciones de densidad y sus representaciones grafica que son las curvas
de densidad . Estas curvas forman entre ellas y el eje x, un
las probabilidades de ocurrencia del intervalo total por 10 que tambien la probabilidad de
su area seni P(X) = 1.
La distribuci6n uniforme continua es la mas simple de las distribuciones continuas. Se
representa en un primer cuadrante mediante un segmento de recta en cuyos extremos se
traza sus perpendiculares hasta el eje x, formando un rectangulo que representara el 100%
de las probabilidades y dentro de et podremos calcular probabilidades de cualquier
intervalo en x; ademas calculamos el valor esperado (11) y la desviaci6n estilDdar (cr) para
estas distribuciones.
La distribucion normal es una herramienta escencial para el anaHsis estadistico y toma de
decisiones. Esta distribuci6n genera una grMlca en forma de campana Ilamada tambien
"Campana de Gauss". Cada par de valores (11 Ycr) generan una gratlca diferente pero en
todas ellas siempre el area bajo la curva representara el 100% de las probabilidades de
ocurrencia por 10 que P(A) = 1. En estas curvas podemos catcular la probabilidad de
cualquier intervalo mediante la utilizacion del calculo integral pero en vez de usar este
procedimiento podemos recurrir a estandarizar cualquier curva mediante la f6rmula
z=
uruca curva normal estandarrzada con 11=0 y cr=l; asi podemos construir la curva normal
estandar que es una curva simetrica en forma de campana sobre un eje x. El area de esta
curva tambien representara el 100% de la probabilidad y dentro de ella podremos calcular
la probabilidad de ocurrencia de cualquier intervalo. La curva nonnal estlmdar, entre
muchas otras aplicaciones, nos sirve para soIucionar casos donde la apHcaci6n de la
distribucion binomial seria una larga tarea. En esos casos la aplicacion de la distribuci6n
normal es un metodo excelente que logra una aproximaci6n dei resultado muy aceptable.
180
APENDlCE
APENDICE
TABLA 2.
Distribuci6n Poisson
TABLA 3.
APENDlCE
181
DISTRIBUCIONES BINOMIALES
.95 .99
.5
.6
.7
.8
.9
.4
.600 .500 .400 .300 .200 .100 .050 .010
.400 .500 .600 .700 .800 .900 .950 .990
0
1
.01 .05
.1
.2
.3
.999 .950 .900 .800 .700
.010 .050 .100 .500 .600
0
1
2
.098 .903 .810 .640 .490 .360 .250 .160 .090 .040 .010 .003 .000
.020 .095 .180 .320 .420 .480 .500 .480 .420 .320 .180 .095 .020
.000 .003 .010 .040 .090 .160 .250 .360 .490 .640 .810 .903 .980
0
1
2
0
1
2
3
.970
.029
.000
.000
.857
.135
.007
.000
.729
.243
.027
.001
.512
.384
.096
.008
.343
.441
.189
.027
.216
.432
.288
.064
.000
.007
.135
.857
.000
.000
.029
.970
0
1
2
3
0
1
2
3
4
.961
.039
.00 1
.000
.000
.815
.171
.014
..000
.000
.656
.292
.049
.004
.000
.410
.410
.154
.026
.002
.240
.412
.265
.076
.008
.130
.346
.346
.154
.026
.063
.250
.375
.250
.063
.026
.154
.346
.346
.130
.008
.076
.264
.412
.240
.002
.026
.154
0410
.410
.000
.004
.049
.292
.656
.000
.000
.014
.171
.815
.000
.000
.001
.039
.961
0
1
2
3
4
0
1
2
3
4
5
.951
.048
.001
.000
.000
.000
.774
.204
.021
.001
.000
.000
.590
.328
.073
.008
.000
.000
.328
.410
.205
.051
.006
.000
.168
.360
.309
.132
.028
.002
.078
.259
.346
.230
.077
.010
.031
.156
.313
.313
.156
.031
.010
.077
.230
.346
.259
.078
.002
.028
.132
.309
.360
.168
.000
.006
.051
.205
.410
.328
.000
.000
.008
.073
.328
.590
.000
.000
.00 1
.021
.204
.774
.000
.000
.000
.001
.048
.951
0
1
2
3
4
5
0
1
2
3
4
5
6
.941
.057
.001
.000
.000
.000
.000
.735
.232
.031
.002
.000
.000
.000
.531
.354
.098
.015
.001
.000
.000
.262
.393
.246
.082
.015
.002
.000
.118
.303
.324
.185
.060
.010
.001
.047
.187
.311
.276
.138
.037
.004
.016
.094
.234
.313
.234
.094
.016
.004
.037
.138
.276
.311
.187
.047
.001
.010
.060
.185
.324
.303
.118
.000
.002
.015
.082
.246
.393
.262
.000
.000
.001
.015
.098
.354
.531
.000
.000
.000
.002
.031
.232
.735
.000
.000
.000
.000
.001
.057
.941
0
1
2
3
4
5
6
0
1
2
3
4
5
6
7
.932
.066
.002
.000
.000
.000
.000
.000
.698
.257
.041
.004
.000
.000
.000
.000
.478
.372
.124
.023
.003
.000
.000
.000
.210
.367
.275
.115
.029
.004
.000
.000
.082
.247
.318
.227
.097
.025
.004
.000
.028
.131
.261
.290
.194
.077
.017
.002
.008
.055
.164
.273
.273
.164
.055
.008
.002
.017
.077
.194
.290
.261
.131
.028
.000
.004
.025
.097
.227
.318
.247
.082
.000
.000
.004
.029
.115
.275
.367
.210
.000
.000
.000
.003
.023
.124
.372
.478
.000
.000
.000
;000
.004
.041
.257
.698
.000
.000
.000
.000
.000
.002
.066
.932
a
1
2
3
4
5
6
7
8
.923
.075
.003
.000
.000
.000
.000
.000
.000
.663
.279
.051
.005
.000
.000
.000
.000
.000
.430
..383
.149
.033
.005
.000
.000
.000
.000
.168
.336
.294
.147
.046
.009
.001
.000
.000
.058
.198
.296
254
.136
.047
.010
.001
.000
.017
.090
.209
.279
.232
.124
.041
.008
.001
.004
.031
.109
.219
.273
.219
.109
.031
.004
.001
.008
.041
.124
.232
.279
.209
.090
.017
.000
.001
.010
.047
.136
.254
.296
.198
.058
.000
.000
.001
.009
.046
.147
.294
.336
.168
.000
.000
.000
.000
.005
.033
.149
.383
.430
.000
.000
.000
.000
.000
.005
.051
.279
.663
.000
.000
.000
.000
.000
.000
.003
.075
.923
1
2
3
4
5
6
7
8
0
1
2
3
.914
.083
.003
.000
.000
.000
.004
.021
.000
.000
.000
.003
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
0
1
2
3
n
1
JC
a
1
1
2
3
4
5
6
7
APENDICE
182
4
5
6
7
8
9
.000
.000
.000
.000
.000
.000
.001
.000
.000
.000
.000
.000
.007
.001
.000
.000
.000
.000
.066
.017
.003
.000
.000
.000
.172
.074
.021
.004
.000
.000
.251
.167
.074
.021
.004
.000
.246
.246
.164
.070
.018
.002
.167
.251
.251
.161
.060
.010
.074
.172
.267
.267
.156
.040
.017
.066
.176
.302
.302
.134
.001 .000
.007 .001
.045 .008
.172 .063
.387 .299
.387 .630
.000
.000
.000
.003
.083
.914
4
5
6
7
8
9
10
0
1
2
3
4
5
6
7
8
9
lD
.904
.091
.004
.000
.000
.000
.000
.000
.000
.000
.000
.599
.315
.075
.010
.001
.000
.000
.000
.000
.000
.000
.349
.387
.194
.057
.011
.001
.000
.000
.000
.000
.000
.107
.268
.302
.201
.088
.026
.006
.00 1
.000
.000
.000
.028
.121
.233
.267
.200
.103
.037
.009
.001
.000
.000
.006
.040
.121
.215
.251
.201
.111
.042
.011
.002
.000
.001 .000
.010 .002
.044 .011
.117 .042
.205 .111
.246 .201
.205 .251
.117 .215
.044 .121
.0lD .040
.001 .006
.000
.000
.001
.009
.037
.103
.200
.267
.233
.121
.028
.000
.000
.000
.001
.DOt"
.026
.088
.201
.302
.268
.107
.000
.000
.000
.000
.000
.001
.011
.057
.194
.387
.349
.000
.000
.000
.000
.000
.000
.001
.010
.075
.315
.599
.000
.000
.000
.000
.000
.000
.000
.000
.004
.091
.904
0
1
2
3
4
5
6
7
8
9
10
11
0
1
2
3
4
-5
6
7
8
9
lD
11
.895
.099
.005
.000
.000
.000
.000
.000
.000
.000
.000
.000
..569
.329
.087
.014
.001
.000
.000
.000
.000
.000
.000
.000
.314
.384
.213
.071
.016
.002
.000
.000
.000
.000
.000
.000
.086
.236
.295
.221
.111
.039
.0lD
.002
.000
.000
.000
.000
.000
.001
.005
.023
.070
.147
.221
.236
.177
.089
.027
.004
.000
.000
.001
.004
.017
.057
.132
.220
.257
.200
.093
.020
.000
.000
.000
.000
.002
.0lD
.039
.115
.221
.295
.236
.086
.000
.000
.000
.000
.000
.000
.002
.016
.074
.213
.384
.314
.000
.000
.000
.000
.000
.000
.000
.001
.014
.087
.329
.569
.000
.000
.000
.000
.000
.000
.000
.000
.000
.005
.099
.895
0
1
2
3
4
5
6
7
8
9
lD
11
12
0
1
2
3
4
5
6
7
8
9
lD
11
12
.886
.107
.006
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.540
.341
.099
.017
.002
.000
.000
.000
.000
.000
.000
.000
.000
.282
.377
.230
.085
.021
.004
.000
.000
.000
.000
.000
.000
.000
.069
.206
.283
.236
.133
.053
.016
.003
.00 1
.000
.000
.000
.000
.014
.071
.168
.240
.231
.158
.079
.029
.008
.001
.000
.000
.000
.002 .000
.017 .003
.064 .016
.142 .054
.213 .121
.227 .193
.177 .226
.101 .193
.042 .121
.012 .054
.002 .016
.000 .003
.000 .000
.000
.000
.002
.012
.042
.101
.177
.227
.213
.142
.064
.017
.002
.000
.000
.000
.001
.008
.029
.079
.158
.231
.240
.168
.071
.014
.000
.000
.000
.000
.001
.003
.016
.053
.133
.236
.286
..206
.069
.000
.000
.000
.000
.000
.000
.000
.004
.021
.085
.230
.377
.282
.000
.000
.000
.000
.000
.000
.000
.000
.002
.017
.099
.341
.540
.000 0
.000 1
.000 2
.000 3
.000 4
.000 5
.000 6
.000 7
.000 8
.000 9
.006 10
.107 11
.886 12
13
0
1
2
3
4
5
6
7
8
9
10
11
.878
.115
.007
.000
.000
.000
.000
.000
.000
.000
.000
.000
.513
.351
.111
.021
.003
.000
.000
.000
.000
.000
.000
.000
.254
.367
.245
.100
.028
.006
.001
.000
.000
.000
.000
.000
.055
.179
.268
.246
.154
.069
.023
.006
.001
.000
.000
.000
.0lD
.054
.139
.218
.234
.180
.103
.044
.014
.003
.001
.000
.001
.011
.045
.111
.184
.221
.197
.131
.066
.024
.006
.001
.000
.000
.001
.006
.024
.066
.131
.197
.221
.184
.111
.045
.000
.000
.000
.001
.003
.014
.044
.103
.180
.234
.218
.139
.000
.000
.000
.000
.000
.001
.006
.023
.069
.154
.246
.268
.000
.000
.000
.000
.000
.000
.000
.001
.006
.028
;100
.245
.000
.000
.000
.000
.000
.000
.000
.000
.000
.003
.021
.111
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.007
.000
.002
.010
.035
.087
.157
.209
.209
.157
.087
.035
.0lD
0
1
2
3
4
5
6
7
8
9
lD
11
APENDICE
14
12
13
.869
.123
.008
.000
.000
.000
.000
.000
.000
.000
.000
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
a
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
20
a
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
12
13
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.488
.359
.123
.026
..004
.000
.000
.000
.000
.000
.000
.boo .000
.000 .000
.000 .000
.000 .000
.229
.356
.257
.ll
.035
.008
.001
.000
.000
.000
.000
.000
.000
.000
.000
.044
.154
.250
.250
.172
.086
.032
.009
.002.
.000
.000
.000
.000
.000
.000
.007
.041
.1l3
.194
.229
.196
.126
.062
.023
.007
.001
.000
.000
.000
.000
.001
.007
.032
.085
.155
.207
.207
.157
.092
.041
.014
.003
.001
.000
.000
.000
.001
.006
.022
.061
.122
.183
.209
.183
.122
.061
.022
.006
.001
.000
.000
.000
.001
.003
.014
.041
.092
.157
.207
.207
.155
.085
.032
.007
.001
.000
.000
.000
.000
.001
.007
.023
.062
.126
.196
.229
.194
.1l3
.041
.007
.000
.000
.000
.000
.000
.000
.002
.009
.032
.086
.1TZ
.250
.250
.154
.044
.000
.000
.000
.000
.000
.000
.000
.000
.001
.008
.035
.114
.257
.356
.229
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.004
.026
.123
.860
.130
.009
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.463
.366
.135
.031
.005
.001
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.203
.343
.267
.129
.043
.010
.002
.000
.000
.000
.000
.000
.000
.000
.000
.000
.035
.132
.231
.250
.188
.103
.043
.014
.003
.001
.000
.000
.000
.000
.000
.000
.005
.031
.092
.170
.219
.206
.147
.081
.035
.012
.003
.001
.000
.000
.000
.000
.000
.005
.022
.063
.127
.186
.207
.177
.118
.061
.024
.007
.002
.000
.000
.000
.000
.000
.003
.014
.042
.092
.153
.196
.196
.153
.092
.042
.014
.003
.000
.000
.000
.000
.000
.002
.007
.024
.061
.118
.177
.207
.186
.127
.063
.022
.005
.000
.000
.000
.000
.000
.001
.003
.012
.035
.081
.147
.206
.219
.170
.092
.031
.005
.000
.000
.000
.000
.000
.000
.001
.003
.014
.043
.103
.188
.250
.231
.132
.035
.000
.000
.000
.000
.000
.000
.000
.000
.000
.002
.010
.043
.129
.267
.343
.206
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.001
.005
.031
.135
.366
.463
.818
.165
.016
.001
.358
.377
.189
.060
.013
.002
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.122
.270
.285
.190
.090
.032
.009
.002
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.012
.058
.137
.205
.218
.175
.109
.055
.022
.007
.002
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.001
.007
.028
.072
.130
.179
.192
.164
.114
.065
.031
.012
.004
.001
.000
.000
.000
.000
.000
.000
.000
.000
.000
.003
.012
.035
.075
.124
.166
.180
.160
.117
.071
.035
.015
.005
.001
.000
.000
.000
.000
.000
.000
.000
.000
.001
.005
.015
.037
.074
.120
.160
.176
.160
.120
.074
.037
.015
.005
.001
.000
.000
.000
.000
.000
.000
.000
.000
.001
.005
.015
.035
.071
.117
.160
.180
.166
.124
.075
.035
.012
.003
.000
.000
.000
.000
.000
.000
.000
.000
.000
.001
.004
.012
.031
.065
.114
.164
.192
.179
.130
.072
.028
.007
.001
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.002
.007
.022
.055
.109
.175
.218
.205
.137
.058
.012
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.002
.009
.032
.090
.190
.285
.270
.122
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.002
.013
.060
.189
.377
.358
.obo
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
183
.OOB
.35~
.123
.448 .869
.000
..000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.009,
.130
.860
1
2
3
4
5
6
7
8
9
10
II
12
13
14
a
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
.000 0
.000 1
.000 2
.000 3
.000 4
.000 5
.000 6
.000 7
.000 8
.000 9
.000 10
.000 11
.000 12
.000 13
.000 14
.000 15
.000 16
.001 17
.016 18
.165 19
.818 20
APENDICE
25
.004
.024
.071
.136
.187
.196
.163
.111
.062
.029
.012
.004
.001
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.001
.007
.024
.057
.103
.147
.171
.165
.134
.092
.054
.027
.011
.004
.001
.000
..000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.002
.007
.020
.044
.080
.120
.151
.161
.147
.114
.076
.043
.021
.009
.003
.001
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.002
.005
.014
.032
.061
.097
.133
.155
.155
.133
.097
.061
.032
.014
.005
.002
.000
.000
.000
.000
.000
.000
.000
.000
.000
..000
.000
.000
.001
.003
.009
.021
.043
.076
.114
.147
.161
.151
.120
.080
.044
.020
.007
.002
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.001
.004
.011
.027
.054
.092
.134
.165
.171
.147
.103
.057
.024
.007
.001
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.001
.004
.012
.029
.062
.111
.163
.196
.187
.136
.071
.024
.004
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.002
.007
.024
.065
.138
.226
.266
.199
.072
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.001
.006
.027
.093
.231
.365
.277
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.000
.002
.024
.196
.778
184
a
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
APENDlCE
TABLA 2
185
DISTRIBUCION POISSON
A
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
0
1
2
3
4
0,9048
0,0905
0,0045
0.0002
0.0000
0,8187
0.1637
0.0164
0.0011
0.0001
0,7408
0.2222
0.0333
0.0033
0.0002
0,6709
0.2681
0.0536
0.0072
0.007
0,6065
0.3033
0.0758
0.0128
0.0016
0,5488
0.3293
0.0988
0.0198
0.0030
0,4966
0.3476
0.1217
0.0284
0.0050
0,4493
0.3595
0.1438
0.0383
0.0077
0,4066
0.3659
0.1647
0.0494
0.0111
0,3679
0.3679
0.1839
0.0613
0.0153
5
6
7
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0001
0.0000
0.0000
0.0002
0.0000
0.0000
A
0.0004
0.0000
0.0000
0.0007
0.0001
0.0000
0.0012
0.0002
0.0000
0.0020
0.0003
0.0000
0.0031
0.0005
0.0001
X
0
1
2
3
4
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
2.0
0.3329
0.3662
0.2014
0.0738
0.0203
0.3012
0.3614
0.2169
0.0867
0.0260
0.2725
0.3543
0.2303
0.0998
0.0324
0.2466
0.3452
0.2417
0.1128
0.0395
0.0031
0.3347
0.2510
0.1255
0.0471
0.2019
0.3230
0.2584
0.1378
0.0581
0.1827
0.3106
0.2640
0.1496
0.0636
0.1653
0.2975
0.2678
0.1607
0.0723
0.1496
0.2842
0.2700
0.1710
0.0812
0.1353
0.2707
0.2707
0.1804
0.0902
5
6
7
8
9
0.0045
0.0045
0.0001
0.0000
0.0000
0.0062
0.0012
0.0002
0.0000
0.0000
0.0084
0.0018
0.0003
0.0001
0.0000
0.0111
0.0026
0.0005
0.0001
0.0000
0.0141
0.0035
0.0008
0.0001
0.0000
A
0.0176
0.0047
0.0011
0.0002
0.0000
0.0216
0.0061
0.0015
0.0003
0.0001
0.0260
0.0078
0.0020
0.0005
0.0001
0.0309
0.0098
0.0027
0.0006
0.0001
0.0361
0.0120
0.0034
0.0009
0.0002
X
0
1
2
3
4
2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9
3.0
0.1225
0.2572
0.2700
0.1890
0.0992
0.1108
0.2438
0.2681
0.1966
0.1082
0.1003
0.2306
0.2652
0.2033
0.1169
0.0907
0.2177
0.2613
0.2090
0.1254
0.0821
0.2052
0.2565
0.2138
0.1336
0.0743
0.1931
0.2510
0.2176
0.1414
0.0672
0.1815
0.2450
0.2205
0.1488
0.0608
0.1703
0.2384
0.2225
0.1557
0.0550
0.1396
0.2314
0.2237
0.1622
0.0498
0.1494
0.2240
0.2240
0.1680
5
6
7
8
9
0.0417
0.0146
0.0044
0.0011
0.0003
0.0476
0.174
0.0055
0.0015
0.0004
0.0538
0.0206
0.0068
0.0019
0.005
0.0602
0.0241
0.0083
0.0025
0.0007
0.0668
0.0278
0.0099
0.0031
0.009
0.0735
0.0319
0.0118
0.0038
0.0011
0.0804
0.0362
0.0139
0.0047
0.0014
0.0872
0.0407
0.0163
0.0057
0.0018
0.0940
0.0455
0.0188
0.0068
0.0022
0.1008
0.0504
0.0216
0.0081
0.0027
10
11
12
0.0001
0.0000
0.0000
0.0001
0.0000
0.0000
0.0001
0.0000
0.0000
0.0002
0.0000
0.0000
0.0002
0.0000
0.0000
A
0.0003
0.0001
0.0000
0.0004
0.0001
0.0000
0.0005
0.0001
0.0000
0.0006
0.0002
0.0000
0.0008
0.0002
0.0001
X
0
1
2
3
4
3.1
3.2
3.3
3.4
3.5
3.6
3.7
3.8
3.9
4.0
0.0450
0.1397
0.2165
0.2237
0.1734
0.0408
0.1304
0.2087
0.2226
0.1781
0.0369
0.1217
0.2008
0.2209
0.1823
0.0334
0.1135
0.1929
0.2186
0.1858
0.0302
0.1057
0.1850
0.2158
0.1888
0.0273
0.0984
0.1771
0.2125
0.1912
0.0247
0.0915
0.1692
0.2087
0.1931
0.0224
0.0850
0.1615
0.2046
0.1944
0.0202
0.0789
0.1539
0.2001
0.1951
0.0183
0.0733
0.1465
0.1954
0.1954
5
6
7
8
9
0.1075
0.0555
0.0246
0.0095
0.0033
0.1140
0.0608
0.0278
0.0111
0.0040
0.1203
0.0662
0.0312
0.0129
0.0047
0.1264
0.0716
0.0348
0.0148
0.0056
0.1322
0.0771
0.0385
0.0169
0.0066
0.1377
0.0826
0.0425
0.0191
0.0076
0.1429
0.0881
0.0466
0.0215
0.0089
0.1477
0.0936
0.0508
0.0241
0.0102
0.1522
0.0989
0.0551
0.0269
0.0116
0.1563
0.1042
0.0595
0.0298
0.0132
10
11
12
13
0.0010
0.0003
0.0001
0.0000
0.0013
0.0004
0.0001
0.0000
0.0016
0.0005
0.0001
0.0000
0.0019
0.0006
0.0002
0.0000
0.0023
0.0007
0.0002
0.0001
0.0028
0.0009
0.0003
0.0001
0.0033
0.0011
0.0003
0.0001
0.0039
0.0013
0.0004
0.0001
0.0045
0.0016
0.0005
0.0002
0.0053
0.0019
0.0006
0.0002
APENDICE
0.0000
0.0000
0.0000
0.0000
186
0.0001
14
0.0000
0.0000
0.0000
0.0000
0.0000
X
0
1
2
3
4
4.1
4.2
4.3
4.4
4.5
4.6
4.7
4.8
4.9
5.0
0.0166
0.0679
0.1393
0.1904
0.1951
0.0150
0.0630
0.1323
0.1852
0.1944
0.0136
0.0583
0.1254
0.1798
0.1933
0.0123
0.0540
0.1188
0.1743
0.1917
0.0111
0.0500
0.1125
0.1687
0.1898
0.0101
0.0462
0.1063
0.1631
0.1875
0.0091
0.0427
0.1005
0.1574
0.1849
0.0082
0.0395
0.0948
0.1517
0.1820
0.0074
0.0365
0.0894
0.1460
0.1789
0.0067
0.0337
0.0842
0.1404
0.1755
5
6
7
8
9
0.1600
0.1093
0.0640
0.0328
0.0150
0.1633
0.1143
0.0686
0.0360
0.0168
0.1662
0.1191
0.0732
0.0393
0.0188
0.1687
0.1237
0.0778
0.0428
0.0209
0.1708
0.1281
0.0824
0.0463
0.0232
0.1725
0.1323
0.0869
0.0500
0.0255
0.1738
0.1362
0.0914
0.0537
0.0280
0.1747
0.1398
0.0959
0.0575
0.0307
0.1753
0.1432
0.1002
0.0614
0.0334
0.1755
0.1462
0.1044
0.0653
0.0363
10
11
12
13
14
0.0061
0.0023
0.0008
0.0002
0.0001
0.0071
0.0027
0.0009
0.0003
0.0001
0.0081
0.0032
0.0011
0.0004
0.0001
0.0092
0.0037
0.0014
0.0005
0.0001
0.0104
0.0043
0.0016
0.0006
0.0002
0.0118
0.0049
0.0019
0.0007
0.0002
0.0132
0.0056
0.0022
0.0008
0.0003
0.0147
0.0064
0.0026
0.0009
0.0003
0.0164
0.0073
0.0030
0.0011
0.0004
0.0181
0.0082
0.0034
0.0013
0.0005
15
0.0000
0.0000
0.0000
0.0000
0.0001
A.
0.0001
0.0001
0.0001
0.0001
0.0002
X
0
1
2
3
4
5.1
5.2
5.3
5.4
5.5
5.6
5.7
5.8
5.9
6.0
0.0061
0.0311
0.0793
0.1348
0.1719
0.0055
0.0287
0.0746
0.1293
0.1681
0.0050
0.0265
0.0701
0.1239
0.1641
0.0045
0.0244
0.0659
0.1185
0.1600
0.0041
0.0225
0.0618
0.1133
0.1558
0.0037
0.0207
0.0580
0.1082
0.1515
0.0033
0.0191
0.0544
0.1033
0.1472
0.0030
0.0176
0.0509
0.0985
0.1428
0.0027
0.0162
0.0477
0.0938
0.1383
0.0025
0.0149
0.0446
0.0892
0.1339
5
6
7
8
9
0.1753
0.1490
0.1086
0.0692
0.0392
0.1748
0.1515
0.1125
0.0731
0.0423
0.1740
0.1537
0.1163
0.0771
0.0454
0.1728
0.1555
0.1200
0.0810
0.0486
0.1714
0.1571
0.1234
0.0849
0.0519
0.1697
0.1584
0.1267
0.0887
0.0552
0.1678
0.1594
0.1298
0.0925
0.0586
0.1656
0.1601
0.1326
0.0962
0.0620
0.1632
0.1605
0.1353
0.0998
0.0654
0.1606
0.1606
0.1377
0.1033
0.0688
10
11
12
13
14
0.0200
0.0093
0.0039
0.0015
0.0006
0.0220
0.0104
0.0045
0.0018
0.0007
0.0241
0.0116
0.0051
0.0021
0.0008
0.0262
0.0129
0.0058
0.0024
0.0009
0.0285
0.0143
0.0065
0.0028
0.0011
0.0309
0.0157
0.0073
0.0032
0.0013
0.0334
0.0173
0.0082
0.0036
0.0015
0.0359
0.0190
0.0092
0.0041
0.0017
0.0386
0.0207
0.0102
0.0046
0.0019
0.0413
0.0225
0.0113
0.0052
0.0022
15
16
17
0.0002
0.0001
0.0000
0.0002
0.0001
0.0000
0.0003
0.0001
0.0000
0.0003
0.0001
0.0000
0.0004
0.0001
0.0000
A.
0.0005
0.0002
0.0001
0.0006
0.0002
0.0001
0.0007
0.0002
0.0001
0.0008
0.0003
0.0001
0.0009
0.0003
0.0001
X
0
1
2
3
4
6.1
6.2
6.3
6.4
6.5
6.6
6.7
6.8
6.9
7.0
0.0022
0.0137
0.0417
0.0848
0.1294
0.0020
0.0126
0.0390
0.0806
0.1249
0.0018
0.0116
0.0364
0.765
0.1205
0.0017
0.0106
0.0340
0.0726
0.1162
0.0015
0.0098
0.0318
0.0688
0.1118
0.0014
0.0090
0.0296
0.0652
0.1076
0.0012
0.0082
0.0276
0.0617
0.1034
0.0011
0.0076
0.0258
0.0584
0.0992
0.0010
0.0070
0.0240
0.0552
0.0952
0.0009
0.0064
0.0223
0.0521
0.0912
5
6
7
8
9
0.1579
0.1605
0.1399
0.1066
0.0723
0.1549
0.1601
0.1418
0.1099
0.0757
.0.1519
0.1595
0.1435
0.1130
0.0791
0.1487
0.1586
0.1450
0.1160
0.0825
0.1454
0.1575
0.1462
0.1188
0.0858
0.1420
0.1562
0.1472
0.1215
0.0891
0.1385
0.1546
0.1480
0.1240
0.0923
0.1349
0.1529
0.1486
0.1263
0.0954
0.1314
0.1511
0.1489
0.1284
0.0985
0.1277
0.1490
0.1490
0.1304
0.1014
10
0.0441
0.0469
0.0498
0.0528
0.0558
0.0558
0.0618
0.0649
0.0679
0.0710
A.
APENDICE
Diaz Diaz
187
11
12
13
14
0.0245
0.0124
0.0058
0.0025
0.0265
0.0137
0.0065
0.0029
0.0285
0.0150
0.0073
0.0033
0.0307
0.0164
0.0081
0.0037
0.0330
0.0179
0.0089
0.0041
0.0353
0.0194
0.0098
0.0046
0.0377
0.0210
0.0108
0.0052
0.0401
0.0227
0.0119
0.0058
0.0426
0.0245
0.0130
0.0064
0.0452
0.0264
0.0142
0.0071
15
16
17
18
19
0.0010
0.0004
0.0001
0.0000
0.0000
0.0012
0.0005
0.0002
0.0001
0.0000
0.0014
0.0005
0.0002
0.0001
0.0000
0.0016
0.0006
0.0002
0.0001
0.0000
0.0018
0.0007
0.0003
0.0001
0.0000
A
0.0020
0.0008
0.0003
0.0001
0.0000
0.0023
0.0010
0.0004
0.0001
0.0000
0.0026
0.0011
0.0004
0.0002
0.0001
0.0029
0.0013
0.0005
0.0002
0.0001
0.0033
0.0014
0.0006
0.0002
0.0001
X
0
1
2
3
4
7.2
7.3
7.4
7.S
7.6
7.7
7.8
7.9
8.0
0.0008
0.0059
0.0208
0.0492
0.0874
0.0007 0.0007
0.0054 0.0049
0.0194 0.0180
0.0464 0.0438
0.0836 0.0799
0.0006
0.0045
0.0167
0.0413
0.0764
0.0006
0.0041
0.0156
0.0389
0.0729
0.0005
0.0038
0.0145
0.0366
0.0696
0.0005
0.0035
0.0134
0.0345
0.0663
0.0004
0.0032
0.0125
0.0324
0.0632
0.0004
0.0029
0.0116
0.0305
0.0602
0.0003
0.0027
0.0107
0.0286
0.0573
5
6
7
8
9
0.1241
0.1468
0.1489
0.1321
0.1042
0.1204
0.1445
0.1486
0.1337
0.1070
0.1167
0.1420
0.1481
0.1351
0.1096
0.1130
0.1394
0.1474
0.1363
0.1121
0.1094
0.1367
0.1465
0.1373
0.1144
0.1057
0.1339
0.1454
0.1382
0.1167
0.1021
0.1311
0.1442
0.1388
0.1187
0.0986
0.1282
0.1428
0.1392
0.1207
0.0951
0.1252
0.1413
0.1395
0.1224
0.0916
0.1221
0.1396
0.1396
0.1241
10
11
12
13
14
0.0740
0.0478
0.0283
0.0154
0.0078
0.0770
0.0504
0.0303
0.0168
0.0086
0.0800
0.0531
0.0323
0.0181
0.0095
0.0829
0.0558
0.0344
0.0196
0.0104
0.0858
0.0585
0.0366
0.0211
0.0113
0.0887
0.0613
0.0388
0.0227
0.0123
0.0914
0.0640
0.0411
0.0243
0.0134
0.0941
0.0667
0.0434
0.0260
0.0145
0.0967
0.0695
0.0457
0.0278
0.0157
0.0993
0.0722
0.0471
0.0296
0.0169
15
16
17
18
19
0.0037
0.0016
0.0007
0.0003
0.0001
0.0041
0.0019
0.0008
0.0003
0.0001
0.0046
0.0021
0.0009
0.0004
0.0001
0.0051
0.0024
0.0010
0.0004
0.0002
0.0057
0.0026
0.0012
0.0005
0.0002
0.0062
0.0030
0.0013
0.0006
0.0002
0.0069
0.0033
0.0015
0.0006
0.0003
0.0075
0.0037
0.0017
0.0007
0.0003
0.0083
0:0041
0.0019
0.0008
0.0003
0.0090
0.0045
0.0021
0.0009
0.0004
20
21
0.0000
0.0000
0.0000
0.0000
0.0001
0.0000
0.0001
0.0000
0.0001
0.0000
A
0.0001
0.0000
0.0001
0.0000
0.0001
0.0000
0.0001
0.0001
0.0002
0.0001
X
0
1
2
3
4
8.1
8.2
8.3
8.4
8.S
8.6
8.7
8.8
8.9
9.0
0.0003
0.0025
0.0100
0.0269
0.0544
0.0003
0.0023
0.0092
0.0252
0.0517
0.0002
0.0021
0.0086
0.0237
0.0491
0.0002
0.0019
0.0079
0.0222
0.0466
0.0002
0.0017
0.0074
0.0208
0.0443
0.0002
0.0016
0.0068
0.0195
0.0420
0.0002
0.0014
0.0063
0.0183
0.0398
0.0002
0.0013
0.0058
0.0171
0.0377
0.0001
0.0012
0.0054
0.0160
0.0357
0.0001
0.0011
0.0050
0.0150
0.0337
5
6
7
8
9
0.0882
0.1191
0.1378
0.1395
0.1256
0.0849
0.1160
0.1358
0.1392
0.1269
0.0816
0.1128
0.1338
0.1388
0.1280
0.0784
0.1097
0.1317
0.1382
0.1290
0.0752
0.1066
0.1294
0.1375
0.1299
0.0722
0.1034
0.1271
0.1366
0.1306
0.0692
0.1003
0.1247
0.1356
0.1311
0.0663
0.0972
0.1222
0.1344
0.1315
0.0635
0.0941
0.1197
0.1332
0.1317
0.0607
0.0911
0.1171
0.1318
0.1318
10
11
12
13
14
0.1017
0.0749
0.0505
0.0315
0.0182
0.1040
0.0776
0.0530
0.0334
0.0196
0.1063
0.0802
0.0555
0.0354
0.0210
0.1084
0.0828
0.0579
0.0374
0.0225
0.1104
0.0853
0.0604
0.0395
0.0240
0.1123
0.0878
0.0629
0.0416
0.0256
0.1140
0.0902
0.0654
0.0438
0.0272
0.1157
0.0925
0.0679
0.0459
0.0289
0.1172
0.0948
0.0703
0.0481
0.0306
0.1186
0.0970
0.0728
0.0504
0.0324
15
16
17
0.0098
0.0050
0.0024
0.0107
0.0055
0.0026
0.0116
0.0060
0.0029
0.0126
0.0066
0.0033
0.0136
0.0072
0.0036
0.0147
0.0079
0.0040
0.0158
0.0086
0.0044
0.0169
0.0093
0.0048
0.0182
0.0101
0.0053
0.0194
0.0109
0.0058
7.1
APENDlCE
0.0012
0.0005
0.0002
0.0001
0.0000
0.0014
0.0006
0.0002
0.0001
0.0000
0.0017
0.0008
0.0003
0.0001
0.0001
A
0.0026
0.0012
0.0005
0.0002
0.0001
0.0029
0.0014
0.0006
0.0003
0.0001
9.8
9.9
0.0001
0.0005
0.0027
0.0087
0.0213
0.0001
0.0005
0.0025
0.0081
0.0201
10.0
0.0000
0.0005
0.0023
0.0076
0.0189
0.0418
0.0682
0.0955
0.1170
0.1274
0.0398
0.0656
0.0928
0.1148
0.1263
0.0378
0.0631
0.0901
0.1126
0.1251
0.1245
0.1098
0.0888
0.0662
0.0459
0.1249
0.1112
0.0908
0.0685
0.0479
0.1250
0.1125
0.0928
0.0707
0.0500
0.1251
0.1137
0.0948
0.0729
0.0521
0.0281
0.0168
0.0095
0.0051
0.0026
0.0297
0.0180
0.0103
0.0055
0.0028
0.0313
0.0192
0.0111
0.0060
0.0031
0.0330
0.0204
0.0119
0.0065
0.0034
0.0347
0.0217
0.0128
0.0071
0.0037
0.0012
0.0006
0.0002
0.0001
0.0000
0.0014
0.0006
0.0003
0.0001
0.0000
0.0015
0.0007
0.0003
0.0001
0.0001
0.0017
0.0008
0.0004
0.0002
0.0001
0;0019
0.0009
0.0004
0.0002
0.0001
0.0019
0.0009
0.0004
0;0002
0.0001
0.0021
0.0010
0.0004
0.0002
0.0001
18
19
20
21
22
0.0011
0.0005
0.0002
0.0001
0.0000
X
0
1
2
3
4
9.1
9.2
9.3
9.4
9.S
9.6
9.7
0.0001
0.0010
0.0046
0.0140
0.0319
0.0001
0.0009
0.0043
0.0131
0.0302
0.0001
0.0009
0.0040
0.0123
0.0285
0.0001
0.0008
0.0037
0.0115
0.0269
0.0001
0.0007
0.0034
0.0107
0.0254
0.0001
0.0007
0.0031
0.0100
0.0240
0.0001
0.0006
0.0029
0.0093
0.0226
5
6
7
8
9
0.0581
0.0881
0.1145
0.1302
0.1317
0.0555
0.0851
0.1118
0.1286
0.1315
0.0530
0.0822
0.1091
0.1269
0.1311
0.0506
0.0793
0.1064
0.1251
0.1306
0.0483
0.0764
0.1037
0.1232
0.1300
0.0460
0.0736
0.1010
0.1212
0.1293
0.0439
0.0709
0.0982
0.1191
0.1284
10
11
12
13
14
0.1198
0.0991
0.0752
0.0526
0.0342
0.1210
0.1012
0.0776
0.0549
0.0361
0.1219
0.1031
0.0779
0.0572
0.0380
0.1228
0.1049
0.0822
0.0594
0.0399
0.1235
0.1067
0.0844
0.0617
0.0419
0.1241
0.1083
0.0866
0.0640
0.0439
15
16
17
18
19
0.0208
0.0118
0.0063
0.0032
0.0015
0.0221
0.0127
0.0069
0.0035
0.0017
0.0235
0.0137
0.0075
0.0039
0.0019
0.0250
0.0147
0.0081
0.0042
0.0021
0.0265
0.0157
0.0088
0.0046
0.0023
20
21
21
23
24
0.0007
0.0003
0.0001
0.0000
0.0000
0.0008
0.0003
0.0001
0.0001
0.0000
0.0009
0.0004
0.0002
0.0001
0.0000
0.0010
0.0004
0.0002
0.0001
0.000
0.0011
0.0005
0.0002
0.0001
0.0000
Fuente:
0.0015
0.0007
0.0003
0.0001
0.0000
188
0.0024
0.0011
0.0005
0.0002
0.0001
APENDICE
TABLA 3
z
189
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
O.CXXXXl
0.1
0.2
0.3
0.4
0.03983
0.07926
0.11791
0.15542
0.00399
0.04380
0.08317
0.12172
0.15910
0.00700
0.04776
0.08706
0.12552
0.16276
0.01197
0.05172
O.ooog;
0.1664)
0.01595
0.05567
0.09483
0.1:ffJ7
0.17003
0.01994
0.05962
0.06871
0.13683
0.17364
0.02392
0.06356
0.10257
0.14058
0.17724
0.02700
0.06749
0.10642
0.14431
0.18082
0.03188
0.07142
0.11026
0.14803
0.18439
0.03586
0.07535
0.11400
0.15173
0.18793
0.5
0.6
0.7
0.8
0.9
0.19146
0.22575
0.25804
0.28814
0.31594
0.19497
0.22907
0.26115
0.29103
0.31859
0.10047
0.23237
0.26424
0.29389
0.32121
0.20194
0.23565
0.26730
0.29673
0.32381
0.2CE40
0.23891
0.27035
0.20055
0.32639
0.20884
0.24215
0.27337
0.30234
0.32894
0.21226
0.24537
0.27637
0.3CE11
0.33147
0.21566
0.24857
0.27935
0.30785
0.33396
0.21904
0.25175
0.28230
0.31057
0.33646
0.22240
0.34375
0.36650
0.38686
0.40400
0.42073
0.34614
0.36864
0.38877
0.40658
0.42220
0.34850
0.37076
0.30065
0.40024
0.42364
0.30083
0.37286
0.39251
0.40088
0.42507
0.35314
0.37493
0.39435
0.41149
0.42647
0.35543
0.37696
0.39617
0.41300
0.42786
0.357~
1.1
1.2
1.3
1.4
0.34134
0.36433
0.38493
0.40320
0.41924
0.37900
0.39796
0.41466
0.42922
0.35993
0.38100
0.30073
0.41621
0.43056
0.36214
0.38200
0.40147
0.41774
0.43189
1.5
1.6
1.7
1.8
1.9
0.43319
0.44520
0.45543
0.46407
0.47128
0.43448
0.44630
0.45637
0.46485
0.47193
0.43574
0.44738
0.45728
0.46562
0.47257
0.43699
0.44845
0.45818
0.46638
0.47320
0.43822
0.44950
0.45907
0.46712
0.47381
0.43943
0.45CS3
0.45994
0.46784
0.47441
0.44062
0.45154
0.4&8)
0.46856
0.47500
0.44179
0.45254
0.46164
0.46926
0.47558
0.44296
0.45352
0.46246
0.46995
0.47615
0.44408
0.45449
0.46327
0.47062
0.47670
2
2.1
2.2
2.3
2.4
0.47725
0.48214
0.48610
0.48928
0.49180
0.47778
0.48257
0.48645
0.48956
0.49202
0.47831
0.48300
0.48679
0.48983
0.49224
0.47882
0.48341
0.48713
0.40010
0.49245
0.47932
0.48382
0.48745
0.40036
0.49266
0.47982
0.48422
0.48778
0.40061
0.49286
0.48031
0.48461
0.488m
0.40086
0.493a5
0.48077
0.48500
0.48840
0.49111
0.49324
0.48124
0.48537
0.48870
0.49134
0.49343
0.48574
O.4889d
0.49158
0.49361
2.5
2.6
2.7
2.8
2.9
0.49379
0.4S534
0.49653
0.49744
0.49613
0.49396
0.4S547
0.49664
0.49752
0.49619
0.49413
0.49500
0.49674
0.49700
0.49625
0.49430
0.4S573
0.49683
0.49767
0.49631
0.49446
0.4g:j85
0.49693
0.49774
0.49386
0.49461
0.49702
0.49781
0.49641
0.49477
0.49600
0.49711
0.49788
0.49646
0.49492
0.49621
0.49720
0.49795
0.49851
0.49506
0.49632
0.49728
0.49601
0.40056
0.4S52O
0.49643
0.49736
0.49607
0.49661
3
3.1
3.2
3.3
3.4
0.49665
0.49903
0.49931
0.49952
0.49966
0.496~
0.49906
0.49934
0.49953
0.49968
0.49674
0.49910
0.49936
0.49955
O.~
0.49678
0.49913
0.49938
0.45957
0.49970
0.49682
0.49916
0.49940
0.49958
0.49971
0.49686
0.49918
0.49942
0.49900
0.49972
0.49689
0.49321
0.49944
0.49961
0.40063
0.49693
0.49324
0.49946
0.49962
0.49974
0.49697
0.49925
0.49948
0.49964
0.49975
0.49900
0.49929
0.49950
0.49965
0.49976
3.5
3.6
3.7
3.8
3.9
0.49977
0.49984
0.49980
0.49993
0.40095
0.49997
0.49978
0.49985
0.49900
0.49993
0.49996
0.49979
0.49986
0.49900
0.49994
0.49996
0.49980
0.49986
0.49991
0.49994
0.49996
0.49981
0.49987
0.49991
0.49994
0.49996
0.49981
0.49987
0.49992
0.49994
0.49996
0.49982
0.49988
0.49992
0.40095
0.49996
0.49983
0.49988
0.49992
0.40095
0.49997
0.49983
0.49989
0.49992
0.40095
0.49997
0.49978
0.49985
0.49900
0.49993
0.49995
0.1~
o.~
..
0.25400
0.28524
0.31327
0.33891
0.481~
APENDICE
190
BffiLIOGRAFIA
E~
Mc Graw Hill
Pagina 1 de 4
DATOS DE LA ASIGNATURA
'
Temas
Es.tadfstica
descriptiva
Subtemas
1.1 Conceptos basicos de estadistica.
1.1.1 Definici6n de estadistica.
1.1.2 Inferencia estadistica.
1.1.3 Teoria de decisi6n.
1.1.4 Poblaci6n.
1.1.5 Muestra aleatoria.
1.1.6 P~nametros aleatorios.
1.1.7 Enfoque c1.asico.
1.1.8 Enfoque Bayesiano.
1.2 Descripci6n de datos.
1.2.1 Datos agrupados y no agrupados.
1.2.2 Frecuencia de c1ase.
1.2.3 Frecuencia relativa.
1.2.4 Punto medio.
1.2.5 Umites.
1.2.6 Histograma.
1.2.7 Histograma de frecuencia relativa.
1.3 Medidas de tendencia central.
1.3.1 Media aritmetica, geometrica y ponderada.
1.3.2 Mediana.
1.3.3 Moda.
1.4 Medidas de dispersi6n.
1.4.1 Varianza.
1.4.2 Desviaci6n estandar.
1.4.3 Desviaci6n media.
1.4.4 Desviaci6n mediana.
1.4.5 Rango.
1.5 Parametros para datos agrupados.
1.5.1 La media.
1.5.2 La desviaci6n tipica.
1.6 Distribuci6n de frecuencias .
1.6.1 Distribuciones numericas.
1.6.2 Distribuciones categ6ricas.
1.6.3 Distribuciones acumuladas.
1.6.4 Distribuciones porcentuales.
1.6.5 Distribuciones porcentuales acumuladas.
'.
Pcigina 2 de 4
~-
Probabilidad.
- -.
Pagina 3 de 4
Funciones y
distribuciones
muestrales.
Estadfstica aplicada.
;
"
.
!.".\
1-.
o.
Pagina 4 de 4
Regresion y
correlacion.
5.1
5.2
5.3
5.4
5.5
5.6
5.7
FUENTES DE INFORMACION
1. R. E. Walpole, R.H.
Myers.
Probabilidad y EstadIstica
para Ingenieros.
Ed. Interamericana.
5. Paul l. Meyer.
Probabilidad y
Aplicaciones Estad isticas.
Ed. Fondo Educativo
Interamericana.