Libro 4 PDF

Este material fue descargado para uso exclusivo de Geraldine Contreras,
geraldicontreras151@gmail.com. Se prohibe su reproduccin. Si quieres acceder

gratuitamente a este contenido visita www.psuparatodos.com
TOMO IV
Datos y Azar
Contenidos y ejercicios de preparacin PSU
Mauricio Andrs Chiong C.

Ingeniero Civil Industrial (e)
Pontificia Universidad Catlica de Chile
CEO Grupo Educativo Sinapsis

7 COORDINACIN DE CONTENIDOS
Y EDICIN GENERAL
Nicols Pinto P.
Lic. en Ciencias. Mencin Matemticas.
Universidad de Chile.
Ariel Reyes F.
Lic. en Ciencias Exactas.
Universidad de Chile.
7 DISEO Y DIAGRAMACIN
Nicole Castro B.
Distribucin gratuita, prohibida su venta. Lic. en Artes Visuales. Diseadora (e)
Todos los derechos reservados. Pontificia Universidad Catlica de Chile.

4 gratuitamente a este contenido visita www.psuparatodos.com
TOMO IV DATOS Y AZAR
PREFACIO
Este libro fue confeccionado por Mauricio Chiong Ingeniero Civil Industrial(c) de la
Pontificia Universidad Catlica de Chile, fundador de la empresa Sacateun7 y Direc-
tor del Preuniversitario Gauss.
En ste se plasma el conocimiento adquirido en arduos aos de estudio, desde mi

formacin escolar en el Instituto Nacional, donde tengo gratos recuerdos de grandes
profesores y maestros como Luis Arancibia y Belfor Aguayo, que hicieron que la mo-
tivacin por la matemtica se tradujera en el amor por ensearla, hasta mi forma-
cin profesional, donde la Universidad traspas su espritu de excelencia acadmica
y de compromiso social.
Espero que este libro sirva de apoyo para lograr un alto puntaje, entrar a la carrera
que quieren, y cumplir sus sueos
Santiago, 2016
Mauricio Chiong

gratuitamente a este contenido visita www.psuparatodos.com 5
NDICE GENERAL
Prefacio 4
Nomenclatura 8
1. Estadstica 10
Definiciones bsicas 11
Grficos 13
Medidas de posicin o tendencia central 15
Medidas de localizacin 16
Medidas de dispersin 18
Ejercicios 19
2. Probabilidades 34
Definiciones Bsicas 35
Combinatoria 35
Probabilidades Clsica y Experimental 36
Distribuciones de Probabilidad 37
Esperanza Matemtica 39
Ejercicios 40
Respuestas 51

CAPTULO 1
ESTADSTICA

DEFINICIONES BSICAS
La estadstica tiene dos ramas principales, una es la estadstica descriptiva que se

dedica a recopilar, organizar y analizar datos, los cuales pueden ser de un estudio de
una poblacin o una muestra de ella. Mientras que la otra es la estadstica inferen-
cial, la cual se dedica a tratar de deducir caractersticas o conductas de los objetos
estudiados a partir de una muestra. Nos referiremos a ambos tipos sin distincin
por el momento, para dar una serie de definiciones de conceptos bsicos que nece-
sitaremos manejar.
7 Poblacin (universo)
Es el conjunto de todos los objetos que estamos estudiando u observando, y quere-
mos hacerle un estudio estadstico.
7 Muestra
Como en general los universos son muy grandes (por ejemplo si estamos estudiando
la raza humana), entonces se toma una porcin significativa de ellos para hacer el
estudio ms simple. A esta porcin se le denomina muestra.
7 Variables
Son caractersticas que se le asocian a los objetos de la muestra y que pueden ser
observables o medibles. Las variables se dividen en dos tipos, la primera es la va-
riable cuantitativa que es la que puede ser expresada a travs de un nmero como
por ejemplo la edad o la cantidad de hijos que tiene un individuo, que a su vez se
dividen en discretas y continuas. Las discretas son las que son expresadas a travs de
nmeros enteros, mientras que las continuas son expresadas a travs de cualquier
nmero real. El segundo tipo son las variables cualitativas las cuales expresan una
cualidad de un objeto como por ejemplo su tipo de pelo o su sexo, las que se dividen
en ordinales y nominales. Las ordinales son las que pueden ser ordenadas de manera
lgica como por ejemplo el nivel de estudio, mientras que las nominales no pueden
ser ordenadas como las personas por su color de pelo.
7 Tablas de frecuencia
Las tablas de frecuencia sirven para ordenar los datos cuando la muestra es muy
grande y que por ello sera muy poco prctico enlistarlas. Estas pueden ser de dos
tipos, la primera es cuando el recorrido de la variable es pequeo, que lo ilustramos
con el siguiente ejemplo
Ejemplo /
Veremos la cantidad de e-mails que recibe una persona por da
durante un mes, arrojando los siguientes datos

CAPTULO 1 ESTADSTICA
1 2 2 3 5 1 Notamos que obtenemos que el recorrido

3 2 1 1 2 1 de la variable va entre 0 y 5, por lo tanto
1 1 0 0 2 3 podemos ponerlos en una tabla donde la
2 2 2 3 3 1 frecuencia ser el conteo de los das que
3 2 3 3 5 5 recibi una cantidad fija de e-mails
N de e-mails Frecuencia
0 2
1 8
2 9
3 8
4 0
5 3
Total 30
La otra es cuando el recorrido de la variable tambin es muy

grande y en este caso, usamos intervalos para poder disminuir
el recorrido de la variable y quedar en el caso anterior. Por
ejemplo si 30 personas llegaron atrasadas a un matrimonio y
se les pidi anotar cuantos minutos llegaron tarde, lo que se
muestra a continuacin
12 23 21 37 52 11 Podemos notar que en este caso el

31 24 15 17 22 7 recorrido es muy amplio, por lo que
13 19 1 5 29 33 si los clasificamos usando intervalos
22 21 27 38 35 16 de 10 minutos, entonces se obtiene
30 20 35 38 55 59 la siguiente tabla de frecuencia
Tiempo de atraso Frecuencia

0-9 3
10 - 19 7
20 - 29 9
30 - 39 8
40 - 49 0
50 - 59 3
Total 30
En lo mostrado anteriormente, se usa la frecuencia o frecuencia absoluta (que es re-

presentada en general por fi ), que no es ms que un conteo de las veces que aparece

la variable pedida, pero existen otros tipos de frecuencia tambin
7 Frecuencia relativa
Se representa usualmente por hi y es la frecuencia absoluta dividida por el tamao
de la muestra, por lo que representa la razn entre la cantidad de veces que se repite
un dato y el tamao muestral.
7 Frecuencia absoluta acumulada

No es ms que la suma de todas las frecuencias absolutas de las variables menores
o iguales (recordar que las frecuencias absolutas van ordenadas por una tabla) y se
denota en general por Fi.
7 Frecuencia relativa acumulada

Es lo anlogo a la frecuencia absoluta acumulada pero usando la frecuencia relativa
en vez de la absoluta.
GRFICOS
Como su nombre lo dice, es la forma grfica de representar una tabla de datos y exis-
ten principalmente tres: Histogramas o grfico de barras, polgono de frecuencias y
grfico circular.
7 Histogramas
Los grficos de barras se montan en ejes coordenados: en el eje X va el recorrido de
las variables (como puntos o intervalos) y en el eje Y va la frecuencia absoluta.
Ejemplo /
Si consideramos la tabla de frecuencias del ejemplo anterior
Tiempo de atraso Frecuencia
0-9 3
10 - 19 7
20 - 29 9
30 - 39 8
40 - 49 0
50 - 59 3
Total 30

Entonces su grfico de barras o histograma ser
9
8
7
0
10 20 30 40 50 60
7 Polgono de frecuencia
Al igual que antes va en ejes coordenados, pero esta vez en el eje de las X marcamos
los puntos medios de los intervalos considerados (representante del intervalo) y en
el eje de las Y las frecuencias. Luego marcamos los puntos de la forma (representante
del intervalo, frecuencia del intervalo) y los vamos uniendo por una lnea.
Ejemplo /
Usaremos la misma tabla de frecuencias del ejemplo anterior,
y obtendremos el siguiente polgono de frecuencia,
9
8
7
0
10 20 30 40 50 60
7 Grfico circular
A diferencia de los anteriores, este no utiliza la frecuencia absoluta si no que la fre-
cuencia relativa, asociando la porcin de un disco circular correspondiente a su fre-
cuencia relativa.

Ejemplo /
Tomemos la tabla de frecuencia anterior y agreguemos la
frecuencia relativa
Tiempo de atraso Frecuencia Frecuencia relativa
1
0-9 3
10
10 - 19 7 7
30
20 - 29 9 3
10

4
30 - 39 8
15

40 - 49 0 0

1
50 - 59 3
10

Total 30 1
Por lo tanto, el grfico circular

59
50 -
resultante se ve como
-9
0
20 - 29
10 - 19
30 - 39
MEDIDAS DE POSICIN O TENDENCIA CENTRAL
Las medidas de posicin o de tendencia central son tres: La media aritmtica, Me-
diana y Moda. La primera de estas -la media aritmtica- es el promedio que usual-
mente conocemos, es decir, la suma de todos los datos divididos por la cantidad total
de ellos, por ejemplo si lo datos son 1, 2, 3 y 4, entonces el promedio es
1 + 2 + 3 + 4 10
= = 2,5
4 4

El segundo de ellos -la mediana- es el valor que divide en dos partes iguales a la
muestra cuando esta se encuentra ordenada ya sea de forma creciente o decreciente.
Por ejemplo, si la muestra es 1, 2, 2, 2, 3, 4, 5, 6, 7, 8 y 9, entonces la mediana es 4,
ya que hacia la izquierda y hacia la derecha de 4 podemos encontrar 5 elementos de
la muestra.
El ltimo de ellos -la moda- es el elemento de mayor frecuencia dentro de una mues-
tra, por ejemplo si la muestra es 1, 2, 2, 2, 3, 3, 4, 5, 6, 7 y 9, entonces claramente
la moda es 2, ya que es el nico que tiene frecuencia 3. Debemos tener claro que la
moda no es necesariamente nica, puede ser una muestra bimodal o multimodal,
o en caso que todos los elementos presentan la misma frecuencia diremos que la
muestra es amodal o que no posee moda.
MEDIDAS DE LOCALIZACIN
Las medidas de localizacin, como dice su nombre, nos ayudan a saber con alguna
precisin la ubicacin de cierto elemento de la muestra. La precisin la dar el ele-
mento de localizacin que usemos que son bsicamente tres: Cuartiles, Deciles y Per-
centiles.
7 Cuartiles
Los cuartiles son tres valores que dividen a un conjunto de datos ordenados en cuatro
partes porcentualmente iguales y denotaremos a esos valores por Qi. Si tenemos una
serie de datos ordenados, entonces una forma de calcular los valores de los cuartiles es
3 Q1: Es la mediana de la primera mitad de los elementos

3 Q2: Es la mediana del conjunto
3 Q3: Es la mediana de la segunda mitad de los elementos
7 Deciles
Son bsicamente lo mismo que los cuartiles pero en vez de tres elementos dividen
los datos en 4 partes porcentualmente iguales, son 9 valores que dividen la mues-
tra en 10 partes porcentualmente iguales y los denotaremos por Di. Para su calculo
veremos primero los percentiles y con ellos veremos como a partir de ellos puedo
calcular los cuartiles y deciles.

7 Percentiles
Al igual que los anteriores y como dice su nombre, los percentiles son 99 valores
que dividen a los datos en 100 partes porcentualmente iguales, a los que denotamos
por Pi . Si un dato esta ubicado en el percentil Pi , significa que es mayor o igual ,
aproximadamente, que el i% de la muestra y menor que el 100 i% de la muestra. La
relacin entre los percentiles, deciles y cuartiles es la siguiente
P10 = D1
P20 = D2
P25 = Q1
P30 = D3
P40 = D4
P50 = D5 = Q2 = mediana
P60 = D6
P70 = D7
P75 = Q3
P80 = D8
P90 = D9
Por lo tanto si aprendemos a calcular los percentiles, sabremos calcular los deciles y
los cuartiles. Para el calculo del percentil Pi consideraremos el siguiente valor
ni
x=
100
donde n es el tamao de la muestra e i el percentil a calcular. Luego si llamamos Observacin
E= [x] y D = {x}, entonces la siguiente funcin nos da el percentil correspondiente Recordemos que [x] es la parte entera
de x y {x} es la parte fraccionaria de x y
Elemento( E + 1) Si D 0 se calcula x-[x]

Pi = Elemento( E ) + Elemento( E + 1)
Si D = 0
2
Ejemplo /
Suponga que se tiene una muestra ordenada de 200 elementos y
queremos ubicar el percentil nmero 70, esto es, el elemento que
divide la muestra en dos partes de modo que el 70% de los datos
se ubica por debajo de l (y el resto de la muestra corresponde al
30% mayor). Entonces aplicando la frmula con n = 200 e i = 70,
obtendremos que 200 70
x= = 2 70 = 140
100
Luego como x result ser un nmero entero, entonces debemos
tomar la segunda rama de la funcin, es decir, tomaremos el ele-
mento 70 y 71 de la lista, y el promedio resultar ser el percentil
buscado.

MEDIDAS DE DISPERSIN
Las medidas de dispersin son aquellas que nos ayudan a medir qu tan separados
estn los datos unos de otros. Los que estudiaremos son tres: Desviacin media,
varianza y desviacin estndar.
7 Desviacin media
Es el promedio de los valores absolutos de las desviaciones, donde las desviaciones
son la diferencia entre un dato (o el representante en caso que estemos viendo inter-
valos) y la media aritmtica, es decir,

N
xi x donde xi es la variable (o el representante en caso de interva-
i=1
Dm
= los), N el tamao de la muestra y x la media aritmtica.
N
7 Varianza
La varianza se denota por 2 y es la media aritmtica de los cuadrados de las desvia-
ciones, es decir,

N
( x i x )2
2
= i=1
N
7 Desviacin estndar
Este concepto se introduce debido a que la varianza esta medida en unidades cua-
dradas y estas pueden ser difciles de interpretar. Por ello introducimos la desviacin
estndar como la raz cuadrada de la varianza, es decir, = 2 .

EJERCICIOS
1. La siguiente tabla muestra la distribucin de los 3. El grfico de la figura representa el nmero de

puntajes obtenidos por un curso en una prueba iPhones que tiene en su casa los alumnos de un
curso. De acuerdo con esta informacin, el nmero
Puntaje N de alumnos total de alumnos del curso es
0-5 4
6 - 11 2
Alumnos
12 - 17 7
18 - 23 11
24 - 29 6
10
Qu porcentaje de los alumnos del curso obtuvo 12 8

o ms puntos en la prueba?
6
A) 80%
B) 20% 4
C) 30,5%
D) 35% 2
E) Ninguna de las anteriores
1 2 3 4 5
Nmero de IPhones
2. Segn informacin del INE (Instituto Nacional

A) 29
de Estadsticas), actualmente en Chile, 25 de cada
B) 28
1.000 habitantes cursa estudios universitarios.
C) 27
Si en Chile hay 15 millones de habitantes, con la
D) 15
informacin proporcionada por el INE, es posible
E) 14
afirmar que
A) Cursan estudios universitarios 40.000 habitantes.

B) 375.000 habitantes cursan estudios
universitarios.
C) Quince mil habitantes cursan estudios
universitarios.
D) 600.000 habitantes cursan estudios
universitarios.
E) Menos de 300.000 habitantes han estudiado en la
universidad.

4. La siguiente tabla muestra la distribucin de

III. Dom Lun
personas que asistieron al cine en una semana.
Cul(es) de los siguientes grficos representa(n) la
informacin de la tabla? Sb Mar
Da N de personas
Vie Mi
Lunes 100
Martes 150 Jue
Mircoles 200
Jueves 100 A) Solo I
Viernes 225 B) Solo II
Sbado 200 C) Solo I y II
Domingo 100
D) Solo II y III
E) I, II y III
I.
250
200 5. Se quiere construir un grfico circular a partir de

150 los datos de la siguiente tabla
100
Estatura N de alumnos
50
148 - 152,9 1
153 - 157,9 5
Lun Mar Mi Jue Vie Sb Dom 158 - 162,9 11
163 - 167,9 14
II. 168 - 172,9 6

173 - 180 3
250
200 Cul debera ser la medida del ngulo

correspondiente al intervalo 153 - 157,9?
150
100 A) 45
B) 30
50
C) 20
D) 12,5
Lun Mar Mi Jue Vie Sb Dom E) 8

6. Si el promedio de las notas finales de un curso 8. De acuerdo con la informacin entregada por
de 20 alumnos es de 4 y el de otro curso de 30 la tabla, que nos muestra los aos de escolaridad
alumnos es de 6, entonces el promedio de notas de menores en situacin de abandono, Cul es la
finales de los alumnos de ambos cursos es mediana de la muestra?
A) 4,2
B) 4,7
Aos de Menores Frecuencia
C) 5,2 escolaridad de edad acumulada
D) 5
0 3 3
E) 5,4
1 0 3
2 1 4
3 2 6
4 3 9
5 6 15
Total 15
7. La tabla muestra los resultados de una prueba de A) 5

Matemtica B) 4,5
C) 4
Puntaje N de alumnos D) 3,5
16 - 28 13 E) 3
29 - 40 48
41 - 50 61
51 - 60 21
61 - 70 6
71 - 80 1
El representante del intervalo modal es
A) 41
B) 50
C) 61
61
D)
150
E) 45,5

9. Se realiza un estudio sobre el nmero de das que 10. Si la media aritmtica entre a y b es 3 y la
los pacientes sufren mejoras de jaqueca crnica con desviacin estndar es 3 , entonces el valor
un nuevo medicamento, presentado en la siguiente de ab es
tabla Cul(es) de las siguientes afirmaciones
es(son) verdadera(s)? A) 2
B) 4
C) 6
Das Frecuencia
D) 8
0 100 E) 10
1 250
2 300
3 500
4 450
5 2.000
I. La mediana es igual a la moda

II. El porcentaje de pacientes que sinti mejora a
los 5 das es el 55,5 %.
III. El recorrido de la variable es 2.000.
A) Solo I
11. Dado los datos 2, 2, 3, 3, 5, 1, 5, 1, 2, 4, cul es la
B) Solo II
frecuencia de la moda?
C) Solo I y II
D) Solo I y III
A) 2
E) I, II y III
B) 3
C) 4
D) 5
E) La muestra no posee moda

12. En una balanza, se pesan al mismo tiempo 20 14. Respecto a la tabla de la pregunta anterior,
personas. Si la balanza registra 1.200 kilogramos, Cul es la moda?
Cul es el peso promedio de estas personas?
A) 7
A) 60 B) 6
B) 40 C) 5
C) 50 D) 4
D) 30 E) 3
E) 20
13. En la siguiente tabla se muestran las notas de

un grupo de estudiantes que rindi una prueba:
Nota fi
15. Una serie de camisas de iguales caractersticas
3 1
valen $5.000, $8.000, $10.000, $10.000 y $15.000.
4 5
Dados estos datos, Cul(es) de las siguientes
5 2
caractersticas es(son) verdadera(s)?
6 1
7 1
I. La moda es $10.000
II. La mediana es $10.000
III. La media es $9.600
Cuntas personas rindieron la prueba?
A) Solo I
A) 5 B) Solo II
B) 6 C) Solo III
C) 8 D) Solo I y II
D) 10 E) I, II y III
E) 11

16. Dada la siguiente tabla 17. Dados los datos 1, 1, 2, 3, 5, 1, 5, 2. La

media aritmtica, la moda y la mediana son
respectivamente
Nota Fi
N1 F1
A) 2, 1 y 5
N2 F2
B) 2, 1 y 2
N3 F3
C) 2.5, 1 y 2
N4 F4
D) 2.5, 1 y 4
E) 2.5, 5 y 4
La media es
N1 + N2 + N3 + N4
A)
4
NF + N F + N3F3 + N4F4
B) 1 1 2 2
4
NF + N F + N3F3 + N4F4
C) 1 1 2 2
F1 + F2 + F3 + F4
N1 + N2 + N3 + N4
D)
F1 + F2 + F3 + F4
E)Ningunade las anteriores 18. Con los siguientes datos:
{A,A,A,B,B,B,C,C,D,D,D,E,E} es posible afirmar que
A) No existe moda
B) Existen dos modas
C) Existen tres modas
D) Todos los datos son moda
E) El promedio es 1

19. Segn el grfico, cul es la moda de los datos? 21. Si el promedio de edades entre 4 hermanos
es de 7 aos. Si a las edades les agregamos la
edad del padre y la madre, entonces el promedio
asciende a 15 aos. Entonces el promedio de las
edades de los padres es
6
A) 28
4 B) 31
C) 23
3 D) 35
E) 42
1
2 3 4 5 6 7
A) 3
B) 3,5
C) 4
D) 4,5
E) 5 22. Si se tienen los valores 3, 1, 2, 6, a, 5, 8, 2, 3,
entonces se puede saber el valor de a si
(1) La mediana es 3
(2) La moda es 2
20. Un estudio estadstico emplea datos
consistentes en el peso corporal de un grupo de A) (1) por s sola
personas. Respecto a estos datos, podemos decir B) (2) por s sola
que corresponden a una variable C) Ambas juntas, (1) y (2)
D) Cada una por s sola, (1) (2)
I. Cualitativa E) Se requiere informacin adicional
II. Continua
III. Discreta
A) Solo I
B) Solo II
C) Solo III
D) Solo I y II
E) I, II y III

23. Las edades de un grupo de jvenes misioneros 25. Si la media entre los datos a y b es 3 y la
es 12, 13, 15, 12 y 14 aos. Entonces Cul(es) de las desviacin estndar es 3 , entonces a2 +b2 es
siguientes afirmaciones es(son) verdadera(s)?
igual a
I. La media es 11 aos
II. La mediana es 13 aos A) 36
III. La desviacin estndar es 2 aos B) 18
C) 72
A) Solo I D) 48
B) Solo II E) 24
C) Solo III
D) Solo I y II
E) I, II y III
26. La tabla adjunta, muestra el resultado obtenido

por dos cursos del preuniversitario Gauss en un
ensayo de lenguaje. Cul(es) de las siguientes
afirmaciones es(son) verdadera(s)?
Curso Promedio Desviacin

Estandar
24. La desviacin estndar para los datos Maana 706 0,5
{1, 2, 3, 4, 4, 1, 2, 1, 1, 1} es Tarde 669 1
A) 14 I. El curso de la maana es el ms heterogneo

B) 1,4 II. El curso de la maana presenta menor
C) 0,14 dispersin en los puntajes
III. La media aritmtica (promedio)
D) 2,4
considerando los puntajes de los alumnos de
E) 0,24
ambos cursos es 688
A) Solo I
B) Solo II
C) Solo III
D) Solo II y III
E) Solo I y II

27. La tabla adjunta, muestra la distribucin de los 28. El promedio (media aritmtica) de las masas de
puntajes de matemtica de un grupo de estudiantes 4 personas es 65 kilos. Si la suma de las primeras
del preuniversitario Gauss. De acuerdo con esta 3 personas es 200 kilos, cul es la masa de la
informacin, cul de las siguientes frmulas ltima persona?
permite determinar el puntaje promedio de la
muestra? A) 69 kilos
B) 60 kilos
Puntaje Frecuencia C) 6 kilos
D) 62 kilos
Pt1 A1
Pt2 A2
E) No se puede determinar
Pt3 A3
Pt4 A4
Pt5 A5
Pt1 + Pt2 + Pt3 + Pt4 + Pt5

A)
5
A1 + A 2 + A 3 + A 4 + A 5
B)
5
Pt1 + Pt2 + Pt3 + Pt4 + Pt5
C)
A1 + A 2 + A 3 + A 4 + A 5
A1Pt1 + A 2Pt2 + A 3Pt3 + A 4Pt4 + A 5Pt5
D)
5
A1Pt1 + A 2Pt2 + A 3Pt3 + A 4Pt4 + A 5Pt5
E)
A1 + A 2 + A 3 + A 4 + A 5

29. El grfico de la figura muestra el resultado de 30. La tabla adjunta, muestra los resultados
una encuesta realizada a un grupo de personas obtenidos al lanzar un dado de 8 caras.
sobre su preferencia con respecto a sabores de
helado. Frecuencia
Nmero
1 2
2 3
14
3 4
12
4 2
10
5 2
8
6 6
6 4
7
4 8 5
2
Vainilla Pia 3 Leches Frutilla
Cul(es) de las siguientes afirmaciones es(son)

verdadera(s)?
falsa(s)? I. El total de lanzamientos del dado fue 28
II. La frecuencia de la moda es 6
I. La moda es 12 III. La mediana es 4,5
II. El 12,5% de las personas encuestadas prefiere
el helado de pia A) Solo I
III. La media es 16 B) Solo I y II
C) Solo II y III
A) Solo I D) I, II y III
B) Solo I y III E) Ninguna de las anteriores
C) Solo II y III
D) I, II y III

31. La tabla adjunta, muestra el resultado de 3 32. El grfico circular de la figura, muestra las
cursos del preuniversitario Gauss en un mismo matrculas del preuniversitario en los meses de
ensayo, Cul es el promedio (media) entre el total verano, las cuales suman 200 alumnos.
de alumnos de los tres cursos? (los puntajes se
aproximan al entero mayor)
Diciembre
15%
Curso N de alumnos Promedio
Marzo
Maana 4 755 35%
Enero
Tarde 6 804 17%
Noche 5 669
Febrero
33%
A) 740
B) 744
C) 700
D) 745
E) 746 Cul(es) de las siguientes afirmaciones es(son)
verdadera(s)?
I. Se matricularon 66 alumnos en Febrero

II. Se matricularon 50 alumnos entre
Diciembre y Enero
III. La mayora se matricul en Febrero
A) Solo I
B) Solo I y II
C) Solo II y III
D) I, II y III

33. Dados los puntajes obtenidos por 5 personas 35. La tabla adjunta, muestra la cantidad de
en un ensayo de ciencias: 810, 765, 655, 555 y 605, horas que dura un celular con sistema iOS si lo
Cul(es) de las siguientes afirmaciones es(son) sometemos a un control de calidad. Cul(es) de las
verdadera(s)? siguientes afirmaciones es(son) verdadera(s)?
I. No existe moda
II. La media es 678
III. La mediana es 605
Intervalo de horas Frecuencia
A) Solo I [10 - 15[ 10
B) Solo II [15 - 20[ 12
C) Solo I y II [20 - 25[ 8
D) Solo I y III
E) I, II y III
I. La marca de clase en el intervalo

[20 - 25[ es 22,5
II. La media es el 12
III. La mediana se encuentra en el intervalo
[15 - 20[
34. Si se suman los GB de internet utilizados en el A) Solo I

celular durante 21 das y se divide por 21, se obtiene B) Solo II
C) Solo I y II
A) La moda D) Solo I y III
B) La mediana E) I, II y III
C) La desviacin estndar
D) La media aritmtica

36. En una muestra de 450 elementos, el elemento 38. La desviacin estndar entre los elementos 1, 1,
correspondiente al percentil 21 es 1, 1, 1, 2, 2, 2, 3, 4 y 4 es
A) 90
B) 92
12
C) 93 A)
D) 94 11
E) 95 14
B)
11
14
C)
10
17
D)
10
E)Ningunade las anteriores
37. En la muestra
{Pantaln,Pantaln,Pantaln, Zapato, 39. Si el promedio de los dos mejores alumnos

Zapato,Polera,Polera,Polera,Polera}. de un curso es 6,7 y el de los dos peores es 4,5,
entonces el promedio entre los cuatro ser
Es correcto afirmar que
A) 5
A) La moda es Zapato B) 5,2
B) La media es Zapato C) 5,6
C) El promedio es Calcetines D) 5,9
D) La moda es Polera E) 4,9
E) El promedio es Polera

40. Sea x > 7. Si se considera el set de datos
{1, 1, 2, 3, 7, 7, 7, x},
entonces el valor de x para que la media y la

mediana coincidan debe ser
A) 12
B) 15
C) 16
D) 19
E) Nunca coincidirn

TOMO IV ESTADSTICA Y PROBALIDIDAD
MIS ANOTACIONES
Te damos espacio extra para que puedas
desarrollar mejor los ejercicios

CAPTULO 2 PROBABILIDADES
CAPTULO 2
PROBABILIDADES

DEFINICIONES BSICAS
Las probabilidades son la rama de la matemtica que estudia el azar, es decir, even-
tos en los cuales uno conoce todos los posibles resultados pero no se conoce con
certeza el resultado de l.
Nuestra primera definicin es la de experimento aleatorio, que es un objeto matem-

tico en el cual s los resultados posibles pero no puedo determinar con precisin un
resultado particular. Por ejemplo, el lanzamiento de una moneda, s que tiene slo
dos posibles resultados pero no puedo asegurar la ocurrencia de ninguno de los dos.
Luego podemos definir el espacio muestral, que es el conjunto formado por todos
los posibles resultados de un experimento aleatorio dado. Por ejemplo, el espacio
muestral de lanzar un dado es {1, 2, 3, 4, 5, 6}.
Llamaremos eventos o sucesos a cada uno de los subconjuntos del espacio muestral.
Por ejemplo, al lanzar un dado el espacio muestral est compuesto por los nmeros
1, 2, 3, 4, 5 y 6. Un evento puede ser obtener un nmero par (formado por los resul-
tados 2, 4 y 6).
Cuando dos eventos no pueden ocurrir de manera simultnea, los llamamos eventos
mutuamente excluyentes. Por ejemplo, al lanzar un dado consideremos los eventos A
= {1, 3, 5} (obtener un nmero impar) y B = {2, 4, 6} (obtener un nmero par). Como
ningn resultado posible es simultneamente par e impar, decimos que A y B son
mutuamente excluyentes.
PROBABILIDADES CLSICA Y EXPERIMENTAL
7 Probabilidad Clsica
Si en un experimento aleatorio, todos los resultados son equiprobables, es decir,
todos tienen la misma probabilidad de ocurrir, entonces diremos que la probabilidad
que ocurra cierto evento A es
donde E es el espacio muestral. Cabe resal-
#A Nmero de casos de A
P( A ) =
= tar que de la definicin anterior se puede
# E Nmero de casos totales
observar que la probabilidad de cualquier
evento esta entre los valores 0 y 1, por el
hecho que A E.

7 Probabilidad Experimental
Si tomamos por Fr la frecuencia relativa de un evento A, entonces definimos
Cantidad de veces que ocurre A
Fr =
Cantidad de veces que se realiza el experimento
La Ley de los Grandes Nmeros nos dice que si repetimos dicho experimento una can-
tidad suficiente de veces, entonces el valor de Fr ser cada vez ms parecido a la
probabilidad de ocurrencia del evento A.
A continuacin presentamos una pequea lista con propiedades que se cumplen en

las probabilidades, donde E siempre ser el espacio muestral, P () la probabilidad y,
A y B eventos.
3 P(E) = 1
3 P() = 0
3 0 P(A) 1
3 Si A B = (son mutuamente excluyentes), P(A B) = P(A) + P(B)
3 Si Ac = E\A, entonces P(Ac) = 1P(A)
3 Si A B , entonces P(A B) = P(A) + P(B) P(A B)
3 Si A y B son eventos independientes, entonces P(A B) = P(A) P(B)
7 Probabilidad Condicionada
Diremos que A y B son eventos dependientes si la ocurrencia de uno influye en la
ocurrencia del otro, y en dicho caso tendremos la siguiente regla de probabilidad
P( A B)
P( A B) = P( A ) P( B| A ) P( B| A ) =
P( A )
donde P(B|A) denota la probabilidad de que ocurra B sabiendo que ocurri A. Por
lo tanto, como consecuencia inmediata de lo anterior, si A y B son eventos indepen-
dientes, se tendr que P (B|A) = P (B)
DIAGRAMAS DE RBOL
A veces los problemas se presentan en varias etapas y para visualizarlos mejor, con-
viene pensar en las diferentes etapas como problemas separados. Veamos el siguien-
te ejemplo:
Ejemplo: 1 de cada 10 nios cree en las hadas. 9 de cada 10 nios que cree en las
hadas puede ver a Peter Pan. 1 de cada 10 nios que no cree en las hadas puede ver a
Peter pan. Si Peter Pan visita un nio al azar, Cul es la probabilidad de que el nio
vea a Peter Pan?

No es fcil dar una respuesta tan sencilla, pues el resultado depende de si el nio
cree o no en las hadas. Pensaremos primero en el caso en que el nio cree: Si el nio
cree, entonces la probabilidad de que vea a Peter Pan es 0.9; mientras que si no cree,
la probabilidad es 0.1. Podemos resumirlo en el siguiente diagrama.
0.1 0.9
Cree No cree
0.9 0.1 0.1 0.9
Ve a No ve a Ve a No ve a
Peter Pan Peter Pan Peter Pan Peter Pan
Para calcular la probabilidad de que el nio vea a Peter Pan, debemos multiplicar las
probabilidades de las ramas que nos llevan a un resultado donde el nio ve a Peter
Pan. Por ejemplo, en este caso, Debemos multiplicar las probabilidades que nos lle-
van al primer caso, es decir 0,9 0,1 y las que nos llevan al tercer caso (0,1 0,9). Al
sumar ambas tenemos que la probabilidad de ver a Peter Pan es 2 0,9 0,1. Este tipo
de diagramas es conocido como diagrama de rbol y resulta muy til para resolver
este tipo de problemas.
COMBINATORIA
Ya hemos visto que en un experimento aleatorio donde todos los sucesos elemen-
tales son equiprobables, la probabilidad de un evento A cualquiera puede calcularse
segn la regla de Laplace:

P( A ) = # A
#
En otras palabras, la probabilidad de que ocurra un evento A se obtiene como la

razn del nmero de resultados favorables al evento A y el total de resultados en el
espacio muestral.

Ejemplo: Una canasta contiene 5 manzanas rojas y 4 manzanas verdes. Si se extrae

al azar una de las manzanas del cesto Cul es la probabilidad de que la fruta extra-
da sea de color rojo?
Solucin: El espacio muestral tiene 9 elementos (uno por cada manzana del canas-
to), luego # = 9. Si se define A como el evento donde se extrae una manzana roja,
entonces #A = 5, pues 5 de las manzanas del cesto son rojas. As, de acuerdo a la regla
#A 5 #A 5
de Laplace, P( A ) = = . De donde la probabilidadPbuscada
( A ) = es= .
# 9 # 9
A pesar de que el procedimiento detrs de este tipo de problemas es bastante sen-
cillo, hay veces en que encontrar el nmero de elementos presentes en el espacio
muestral o la cantidad de elementos del evento A puede ser muy complicado. Para
ayudarnos a resolver estas dificultades, estudiaremos algunos elementos bsicos de
combinatoria, la rama de las matemticas que se ocupa del estudio del nmero de
elementos que tienen los conjuntos finitos.
7 Principio aditivo y principio multiplicativo

Los principios bsicos sobre los que estableceremos toda la teora de combinatoria y
tcnica de conteo reciben el nombre de principio aditivo y principio multiplicativo.
Estos resultados se presentan a continuacin:
3 Principio aditivo: Si un experimento tiene m resultados posibles y otro tiene n

resultados posibles, hay m + n maneras en que se puede llevar a cabo solo uno de los
experimentos.
Ejemplo /
Carlos debe escoger entre adoptar un gato o un perro. Si
le han ofrecido 4 gatos y 7 perros Cuntas opciones tiene
Carlos para adoptar un animal?
R: Carlos debe escoger uno de los dos experimentos,

adoptar un gato o adoptar un perro. Como hay 4 opcio-
nes de gato y 7 de perro, de acuerdo al principio aditivo,
Carlos tiene 7 + 4 = 11 opciones para escoger su prxima
mascota.
3 Principio multiplicativo: Si en un experimento hay m resultados posibles y en otro

hay n resultados posibles, entonces al realizar ambos experimentos se tienen mn
resultados posibles.

Ejemplo /
Carlos desea adoptar un gato y un perro. Si le han ofrecido
4 gatos y 7 perros Cuntas opciones tiene para escoger
los animales que adoptar?
R: Esta vez Carlos debe escoger ambos, un perro y un gato.

Como hay 4 opciones para escoger un gato y 7 para esco-
ger un perro, en virtud del principio multiplicativo se tienen
7 4 = 28 formas de escoger un animal de cada especie.
El siguiente ejemplo tiene por finalidad ilustrar cmo se aplican estos conceptos a
problemas de probabilidad.
Ejemplo /
Carlos desea adoptar dos animales. Le han ofrecido 4 ga-
tos y 7 perros. Si escoge dos animales al azar entre sus
opciones y los adopta Cul es la probabilidad de que
adopte dos animales de diferente especie?
R: Aplicando la regla de Laplace, se tiene que la probabili-

dad de que adopte animales de distinta especie se calcula
mediante la frmula:
#A
P( A ) =
#'
Donde #A es el nmero de elementos del evento donde

Carlos adopta animales de especie distinta y # represen-
ta el total de elementos en el espacio muestral.
Para encontrar # se aplica el principio multiplicativo: el

experimento consiste en escoger dos animales. Como hay
4 gatos y 7 perros, Carlos tiene 11 opciones para escoger
al primer animal (vase el Ejemplo 1). Sin embargo, Para
escoger el segundo animal ya no tiene 11 opciones, pues
al elegir su primera mascota ha eliminado una opcin (No
puede adoptar dos veces al mismo animal). En trminos
simples, una vez que escoge la primera mascota solo tiene
10 formas de escoger su segunda mascota, As, el princi-
pio multiplicativo indica # =11 10 = 110.

Para hallar #A debemos contar la cantidad de formas en

que Carlos puede adoptar animales de especies diferen-
tes. Notemos que esto se puede hacer adoptando prime-
ro un gato y luego un perro, o bien adoptando primero un
perro y posteriormente un gato. La cantidad de maneras
de adoptar un perro en la primera oportunidad es 7, pues
hay 7 perros. Si luego se desea adoptar un gato, enton-
ces hay 4 opciones para la segunda eleccin. Con esto
se tiene que de acuerdo al principio aditivo, hay 7 4 = 28
maneras de adoptar primero un perro y luego un gato.
La otra manera de adoptar dos animales de especies dis-

tintas es adoptar un gato primero y despus un perro.
Como hay 4 maneras de escoger el gato y 7 maneras de
escoger el perro, entonces el principio multiplicativo in-
dica que hay 4 7 = 28 formas de escoger primero un gato
y luego un perro. Con esta informacin, podemos utilizar
el principio aditivo para establecer la cantidad de mane-
ras en que se pueden adoptar dos animales de especies
distintas. Esto corresponde a sumar ambas cantidades,
es decir, #A=28 + 28, obteniendo como resultado #A = 56.
56 28
De acuerdo a la regla de Laplace, se tiene P (A) = =
110 55'
PERMUTACIONES
A menudo interesa calcular probabilidades que tienen relacin con la cantidad de
maneras de ordenar un conjunto de objetos determinado. Las diferentes ordena-
ciones que puede tener un conjunto son llamadas permutaciones. Para motivar el
estudio de las permutaciones, consideremos el siguiente problema:
Ejemplo /
Fabin tiene una coleccin de 4 libros ordenados en su re-
pisa segn su fecha de lanzamiento. En un descuido, los
libros se caen y Fabin los vuelve a poner en la repisa, pero
sin percatarse del orden. Cul es la probabilidad de que
el primer y el segundo libro queden en su lugar?

R: Nuevamente, si se define A como el evento donde el pri-

mer y el segundo libro quedan en los lugares que corres-
ponden, la probabilidad de A est dada por

#A
P( A ) =
#'
Para hallar #A notemos que si el primer y el segundo libro

quedan ubicados correctamente, entonces al ubicar un li-
bro en la tercera posicin el orden queda determinado de
manera unvoca, pues solo queda una opcin para poner
en ltimo lugar. En otras palabras, al contar los casos fa-
vorables para el evento A basta obtener la cantidad de ma-
neras de ubicar el tercer libro cuando los primeros dos li-
bros estn en las posiciones que corresponden. Como hay
dos maneras de hacer esto(colocar el tercer libro en su
posicin o en la posicin del cuarto libro), se tiene #A = 2.
Por otro lado, para hallar la cantidad # de elementos en

el espacio muestral, utilizamos el principio multiplicativo:
El libro que ocupa la primera posicin puede escogerse
de 4 maneras, el libro que le sigue se puede escoger de
3 formas(pues uno de los libros ya est en la repisa). El
siguiente se escoge de dos maneras, pues hay dos libros
que ya estn ubicados. Finalmente, el ltimo libro solo se
puede escoger de una manera. Como se deben hacer to-
das estas cosas simultneamente, se aplica el principio
multiplicativo. As # = 4 3 2 1. Finalmente, de acuerdo
2 1
a la regla de Laplace: P (A) = =
4 3 2 1 12'
Si en el problema anterior hubiese ms libros, por ejemplo, 83, el nmero de ele-

mentos en el espacio muestral se habra obtenido a partir de una multiplicacin
muy tediosa. Si el nmero de libros es suficientemente grande, ni siquiera cabra en
la hoja. Esto genera la necesidad de definir nueva notacin para contar la cantidad
de permutaciones en un conjunto. A continuacin se muestra una funcin cuyo do-
minio son los nmeros cardinales y nos ayuda a simplificar este tipo de problemas.
7 Definicin: Si n es un nmero cardinal, se define el factorial de n, anotado n! (se

lee ene factorial), mediante la recursin:

0! = 1
(n + 1)! = (n + 1)n!
Ejemplo /
Calcule los factoriales de todos los enteros comprendidos
entre 0 y 5.
R: Por definicin 0! = 1.
De acuerdo a la segunda parte de la definicin:
1! = (0+1)! = 1 0! = 1 1 = 1.
Anlogamente: 2! = (1 + 1)! = (1 + 1) 1! = 2 1 = 2.
Siguiendo de la misma forma:

3! = (2 + 1)! = (2 + 1)2! = 3 2! = 3 2 = 6.
4! = (3 + 1)! = (3 + 1) 3! = 4 3! = 4 3 2 = 24.
5! = (4 + 1)! = (4 + 1) 4! = 5 4! = 5 4 3 2 = 120.
Observacin: para nmeros n mayores que 0,

n! = n(n - 1)(n - 2) 2 1
Ejemplo /
Escriba como multiplicacin el factorial de 10
R: De acuerdo a la observacin,
10! = 10 9 8 7 6 5 4 3 2 1
7 Propiedad: El nmero de permutaciones existentes en un conjunto no vaco de

n elementos es n!
7 Demostracin: Encontrar la cantidad de permutaciones equivale a encontrar

la cantidad de maneras en que el conjunto puede ordenarse. El primer elemento se
puede escoger de n maneras, el siguiente de n - 1 maneras (el primer elemento no
puede ocupar el segundo lugar). El tercer elemento puede escogerse de n - 2 mane-
ras. Prosiguiendo de esta forma hasta que solo queda un elemento se tiene que el
nmero de permutaciones es n(n - 1)(n - 2)(n - 3) 2 1. De acuerdo a la observacin,
esto es n! (note que n 1 debido a que por hiptesis el conjunto es no vaco).

Ejemplo /
Bernardo pertenece a un curso de 40 alumnos. El profe-
sor hace una interrogacin sorpresa y llama, uno a uno,
a los 40 estudiantes para hacerles preguntas. Cul es la
probabilidad de que Bernardo sea el ltimo integrante del
curso en ser interrogado?
R: El espacio muestral se compone de todas las permu-

taciones existentes para el conjunto formado por los 40
alumnos del curso, es decir # = 40!. Para determinar en
cuntas de estas permutaciones Bernardo ocupa el ltimo
lugar, notamos que en un ordenamiento donde Bernardo
est al final, hay 39! Formas de ordenar al resto del curso.
Luego la probabilidad de que Bernardo sea el ltimo estu-
diante en ser interrogado es:
39! 39! 1
P (A) = = =
40! 40 39! 40
PERMUTACIONES CON
ELEMENTOS INDISTINGUIBLES
Hay veces en que en un conjunto se tienen dos elementos que para propsitos prc-
ticos son indistinguibles. Considere el siguiente ejemplo:
Ejemplo /
Cuntas palabras, con o sin sentido, pronunciables o no
pronunciables, pueden formarse con las letras de la pala-
bra MANADA?
R: La palabra MANADA consta de 6 letras, de modo que

estas se pueden ordenar de 6! Formas diferentes. Sin em-
bargo, Las tres letras A cumplen el mismo rol dentro de
la palabra. As, al intercambiar de lugar las tres letras A
se obtiene la misma palabra. Dicho de otra manera, esta-
mos contando ms palabras de las que realmente existen
al considerar las letras A como diferentes. Una forma de

solucionar este problema es notar que cada palabra se

cont 3! veces, pues se puede formar de tantas maneras
como se puedan reordenar las letras A. As, para obtener
la verdadera cantidad de palabras existentes, se debe di-
vidir por 3!. Luego, existen 6! = 6 5 4 3! = 6 5 4 = 1
palabras distintas. 3! 3! 40
7 Propiedad: Si se tienen n elementos agrupados en k clases que se consideran

indistinguibles, y el nmero de elementos en cada clase se anota por n1, n2, , nk,
entonces el nmero de permutaciones existentes en este conjunto est dado por
n!
n1 ! n2 ! nk !
Ejemplo /
En una orquesta de 20 msicos se necesita un cantante
de primera voz, 3 cantantes de segunda voz, 5 flautistas, 4
tecladistas, 2 violinistas y 5 percusionistas. Cuntas op-
ciones tienen para asignar sus roles?
R: Hay n = 20 msicos. Se consideran indistinguibles los

n1 = 3 cantantes de segunda voz, los n2 = 5 flautistas, los
n3 = 4 tecladistas, los n4 = 5 percusionistas, los n5 = 2 violi-
nistas y se forma una clase de un elemento (n6 = 1) donde
solo est el cantante de primera voz. As, la cantidad de
opciones est dada por:
20!
3!5!4!5!2!1!
PERMUTACIONES SIN PRIMER

ELEMENTO (CCLICAS)
En algunos problemas se desea calcular una permutacin sin distinguir un elemento
que inicia el orden. En estos casos, se fija un elemento arbitrario y se ordenan los
dems a partir de su posicin relativa al elemento fijo. En otras palabras, se fija uno
y se ordena el resto. De modo que si un conjunto tiene n elementos, entonces hay
(n - 1)! Permutaciones cclicas.

Ejemplo /
Un collar circular est formado por una cadena que con-
tiene 5 piedras: Rub, zafiro, jade, lapislzuli y amatista.
Cuntos diseos pueden existir para estos collares?
R: Hay cinco piedras, que pueden ordenarse de 5! mane-

ras diferentes. Sin embargo, al cerrar el collar, algunas
ordenaciones se ven iguales(por ejemplo si se ponen en
orden Rub, zafiro, jade, lapislzuli y amatista se forma
el mismo collar que al colocar jade, lapislzuli, amatista,
rub y zafiro). Para resolver el problema correctamente,
suponemos fija una de las cinco piedras (supongamos que
se escoge jade). La piedra que se ubica a la derecha del
jade se puede escoger de 4 formas, la que sigue de 3, la
siguiente de 2 maneras y la que se ubica a la izquierda so-
lamente de una. As, hay 4! Maneras de disear un collar
con estas caractersticas.
CANTIDAD DE MUESTRAS
EN UNA POBLACIN FINITA
Con las herramientas que manejamos en este momento ya podemos determinar la Observaciones
n
cantidad de elementos de muchos espacios muestrales. En estadstica discreta, a El smbolo se llama combinacin
k
menudo interesa conocer la cantidad de muestras de un tamao dado que se pueden y se lee n sobre k". Se define como
extraer desde una poblacin finita. Para ello clasificamos los procesos de muestreo n n!
=
k k !(n k )!
de acuerdo a dos criterios. El primer criterio distingue si los elementos pueden ex-
traerse ms de una vez (muestreo con reposicin) o una vez escogidos no pueden
volver a formar parte de la muestra(muestreo sin reposicin). El segundo criterio in- El smbolo Vkn es llamado variacin o
dica si una muestra formada por los mismos elementos en diferente orden se consi- arreglo y se lee variacin de n sobre
dera una muestra distinta (con orden) o si se considera como la misma muestra (sin k". Se define mediante la frmula
orden). La siguiente tabla resume de cuntas formas se puede escoger una muestra n!
Vk n =
de acuerdo a los dos criterios mencionados anteriormente. Si la poblacin tiene n (n k )!
elementos y se extrae una muestra de tamao k, entonces la cantidad de muestras
posibles est dado por La combinacin a veces se anota Ckn y
la variacin a veces se anota Akn.
Con reposicin Sin reposicin
Con orden nk
V kn
Sin orden

( n + k )
k - 1
( nk )
Este material fue
descargado para uso exclusivo de Geraldine Contreras,
Ejemplo /
El cdigo gentico se determina a partir de combinaciones
de cuatro bases nitrogenadas: Adenina, Citosina, Guanina
y Timina (o Uracilo en el ARN). La unidad de informacin
bsica en el proceso de traduccin del ARN mensajero es
llamada codn y est determinada por una secuencia de
tres bases nitrogenadas Cuntos codones distintos pue-
den armarse con cuatro bases nitrogenadas?
R: Una base nitrogenada puede presentarse ms de una

vez en un codn, por lo tanto, estamos en presencia de
un muestreo con reposicin. Adems, un codn con las
mismas bases nitrogenadas en diferente orden almacena
informacin diferente. En consecuencia, el orden es rele-
vante. Como se extrae una muestra de tres bases nitroge-
nadas a partir de una poblacin de cuatro bases nitroge-
nadas, con reposicin y con orden, el nmero de codones
es 43 = 64.
Ejemplo /
En el ejrcito romano, cuando una tropa se acobardaba
durante una batalla o mostraba seales de amotinamien-
to, se aplicaba un castigo conocido como diezmado (deci-
matio). Consista en que la tropa se divida en grupos de 10
personas y en cada grupo se escoga al azar un miembro
que deba ser lapidado por los nueve restantes. Si se apli-
ca esta medida en una tropa de 130 miembros, De cun-
tas formas se pueden escoger los 13 miembros lapidados?
R: Al lapidar a los mismos 13 miembros en distinto or-

den, se tienen exactamente las mismas bajas dentro de
la tropa. Esto indica que se realiza muestreo sin orden.
Un individuo que es lapidado en un grupo no puede ser
lapidado en otro grupo, por lo tanto se muestrea sin repo-
sicin. Como se escogen k=13 individuos en una tropa de
( )
n=130, se tienen 130 maneras de realizar el diezmado.
13

Ejemplo /
Cinco amigos salen de vacaciones en un auto. Si deben es-
coger un piloto y un copiloto, Cuntas opciones tienen?
R: Escoger a los mismos dos individuos intercambiando

posiciones es una eleccin diferente. Por lo tanto, el mues-
treo es ordenado. Adems, no puede escogerse la misma
persona de piloto y copiloto, por lo tanto es un muestreo
sin reposicin. En este caso n=5 y k=2, por lo tanto hay
5 5! 5!
V2 = = = 5 4 = 20
(5 2)! 3!
formas de escoger al piloto y al copiloto en este viaje.
Ejemplo /
De cuntas formas se pueden colocar 5 bolitas idnticas
en 4 urnas enumeradas del 1 al 4?
R: Una urna puede contener ms de una bolita, por lo tan-

to es un muestreo con reposicin. No importa qu bolita va
en qu urna, sino cuntas van en cada una. Por lo tanto no
importa el orden. Como se escogen k=5 urnas de un total
de n=4, se tienen
5 + 4 1 8
=
5 5
formas de llenar las urnas.

EJERCICIOS
1. Si se tiene el juego del Loto, donde para cada 3. De cuntas formas puedo ordenar 3 libros en un
cartn de juego se eligen 7 nmeros de 35, estante con 4 espacios?
cul de las siguientes expresiones representa la
cantidad de cartones de juego posibles? A) 6
B) 18
C) 12
A) 35 D) 32
7
E) 24
35
B) 7!
7
35!
C)
7!
35
D)
7
4. Una mujer tiene 3 clsets donde ordenar sus tres
tipos de ropa: pantalones, blusas y abrigos.
Si cada tipo de ropa va en un nico closet, de cun-
tas maneras distintas se pueden ordenar?
A) 3!
B) 4!
C) 4! 3
D) 3! 3!
2. Si se tiene un estante con 7 espacios para libros E) 34
y se desea colocar 4 libros distintos en cualquier
orden. De cuntas maneras se pueden colocar los
libros?

A) 7
4
7
B) 4!
4
7!
C)
4!
7
D)
4

5. De cuntas maneras pueden sentarse 4 personas 7. Hay que colocar a 5 mujeres y 4 hombres en una
en 10 sillas? fila, de modo que los hombres usen las posiciones
pares, De cuntas maneras puedo hacer la fila?
A) 4!
B) 10! A) 4!
C) 104 B) 5!
C) 9!
D) 10 D) 4!5!
4

E) 5.040 E) 9
4
8. Cuntos nmeros de 4 dgitos se pueden formar

6. Usando combinatoria, diga cual es el nmero de
con las cifras {1, 2, 3, 4, 5, 6, 7, 8, 9}, permitiendo
diagonales de un hexgono regular
repeticin?
A) 7
A) 4!
B) 8
B) 49
C) 9
C) 94
D) 10

E) 6 D) 9 4!
4

9. Si en la pregunta anterior no permitimos 11. Cul es la probabilidad de que al sacar una

repeticiones, entonces cul es la nueva cantidad carta al azar de un mazo ingls, esta sea un 9 rojo?
de nmeros que puedo formar?
A) 4! 1
A)
B) 49 2
C) 94 1
B)
13
D) 9 4! 1
4 C)
52
9 1
E) D)
26
4
12. Cul es la probabilidad de que al tirar dos

dados no cargados, la suma de los valores
10. Si a la pregunta anterior, agregamos que los obtenidos sea mayor o igual que 10?
nmeros formados deben terminar en 1 y no se
permite repeticin, cul es la nueva cantidad de
nmeros que puedo formar? 5
A)
26
1
B)
A) 8 3! 6
3
5
B) 83 C)
4
6
C) 8 1
D)
D) 9 3! 9
3 5
E)
9 36
E)
3

13. Se extraen aleatoriamente, sin reposicin, cuatro 15. Cul es la probabilidad de que al lanzar dos
cartas de una baraja inglesa de 52 cartas. Cul es dados uno de ellos sea 3 si la suma de los dos es 7?
la probabilidad de que haya al menos una jota?
1
A)
4
5
1 1
A) B)
4 3
1
1 C)
B) 2
2 2
48 47 46 45 D)
C)1 5
52 51 50 49 1
E)
D) No se puede calcular 6
14. Una caja contiene 8 bolas rojas, 3 blancas, y 9

azules. Si se extraen 3 bolas al azar, Cul es la
probabilidad de que las tres bolas sean azules?
9
A)
20
3
B)
20
9 16. Si se ha lanzado una moneda honesta 765 veces,
y en todos los lanzamientos se obtuvo un sello.
3
C) Cul es la probabilidad que el lanzamiento 766 sea
20
una cara?
3
12 1
A)
2
3
D) 1
20 B)
765
3 1
20 C)
766

3 2
E) D)
9 766
2
3 E)
3

17. Cul es la probabilidad que al lanzar 3 dados no 19. Si se extraen dos cartas al azar de un mazo
cargados, se obtengan exactamente tres veces 5? ingls Cul es la probabilidad aproximada de que
ambas sean de diamante?
1
A)
72 A) 0,05882
1
B) B) 0,0625
55 1
1 C)
C) 2
6 1
1 D)
D) 4
216
1 E) 0,0485
E)
18
18. En una sala de 60 alumnos, se sabe que la 20. En Chile, una patente est formada por dos
probabilidad de escoger uno al azar y que este consonantes (distintas de ) seguidas de cuatro
3 dgitos entre 0 y 9. Cuntas patentes distintas
sea hombre es de 5
. De acuerdo a lo anterior,
pueden formarse?
Cuntas mujeres hay en el curso?
A) 106
A) 24
B) 272 104
B) 20
2 C) 21 20 10 9 8 7
C)
5 D) 21 + 21 + 10 + 10 + 10 + 10
E) 212 104
D) 36

21. Cuando llueve, la probabilidad de que una 23. De un mazo ingls de cartas (52 cartas), se
1
jugadora de ftbol anote un gol es . Si la sacan 2 cartas al azar, entonces Cul es la
2 4
probabilidad de que no llueva es , cul es la probabilidad de que de esas cartas una sea de
3
probabilidad de que llueva y la jugadora haga un gol? diamante y la otra de trbol?
12
1 A)
A) 1.326
6 26
B)
1 1.326
B)
12 C)
13
10 204
C) 156
14 D)
1 1.326
D) 56
4 E)
1.326
E)Otro valor
22. Se tienen 4 monedas, y se define el valor M1 como

la probabilidad de sacar slo una cara y el valor M2
como la probabilidad de sacar tres caras. Entonces
el valor de M1 M2 es
A) 1
1
B)
8
1
C)
16
1
D)
32
E) 0

24. Si tenemos 4 conjuntos de nmeros A, B, C y D 26. En una sala de clases hay 3 hombres y 9
dados por mujeres. Se sabe que 2 de esos hombres y 5 de
A = {1, 2, 3, 4}, esas mujeres prefieren clases interactivas y el
B = {1, 2, 3, 4, 5, 6, 7, 8, 9}, resto prefiere clases tradicionales. Si se elige una
C = {5, 6, 7, 8, 9}, persona al azar, Cul es la probabilidad de que
D = {1, 2, 3, 4, 5, 6}. esa persona sea hombre y prefiera las clases
interactivas?
Si formamos al azar un nmero de cuatro dgitos de
la forma digAdigBdigCdigD, donde digA es un nmero 1
A)
del conjunto A y as sucesivamente, entonces 6
Cul es la probabilidad de que este sea divisible 2
B)
por 2? 3
2
C)
103 5
A)
1.305 1
D)
26 12
B)
25.430 3
E)
130 5
C)
1.020
156
D)
25.430
12.715
E)
25.430
27. Se tiene una bolsa con pelotitas numeradas del

1 al 25, todas de igual peso y tamao. Si se extrae
una bolita al azar, Cul es la probabilidad de sacar
un nmero par o mltiplo de 4?
25. Cul de los siguientes eventos no tiene
probabilidad 1 de ocurrencia? 20
A)
25
A) Escoger un nmero natural al azar mayor que 1 y 3
B)
que este sea primo o compuesto 25
2
B) Nacer en un mes que tenga entre 27 y 32 das C)
C) Lanzar un dado y que este nos entregue un 5
22
nmero par o impar D)
D) Lanzar tres dados y que el producto sea menor 25
que 216
E) Lanzar una moneda y obtener una cara o un sello

28. Si se lanza un dado de 8 caras, Cul es la 30. Si se lanzan 4 monedas no cargadas, Cul es la
probabilidad de obtener un nmero impar o un probabilidad de obtener dos caras y dos sellos?
nmero mayor o igual que 5?
3
A)
1 5
A)
6 5
1 B)
B) 8
3 3
3 C)
C) 8
4
D)1
6
D)
E)0 11
29. Si se lanzan 3 monedas, Cul es la probabilidad 31. Si una gata tiene 4 gatitos, Cul es la
de obtener dos caras y un sello? probabilidad de que sean un macho y tres hembras?
4 4
A) A)
5 9
3 1
B) B)
8 4
4
3 C)
C) 5
5
1
6 D)
D) 2
15 1
E)Ningunade las anteriores E)
3

32. En una caja hay 30 aros de perla de igual peso 34. Un hotel para mascotas tiene 25 perros entre
y tamao, de las cuales 8 son celestes, 10 son caf y negros, y se sabe que 15 de ellos son caf. Si
blancos y el resto son rosados. Si se extraen 6 aros se abre la puerta del lugar y se escapa un perro,
al azar, Cul es la probabilidad de extraer un aro Cul es la probabilidad de que sea negro?
celeste, uno blanco y uno rosado, en ese orden y sin
reposicin? 10
A)
23
5
B)
8 10 12 16
A) 2
30 30 30 C)
8 10 12 5
B) 3
30 28 26 D)
7
8 10 12
C) + + 4
30 28 26 E)
11
8 10 12
D)
30 29 28
8 10 12
E) + +
30 29 28
33. Una mochila de un alumno del preuniversitario

Gauss tiene 4 guas de lenguaje, 5 guas de
matemtica y 2 de historia, todos de igual peso y
tamao. Si se extrae una gua al azar, Cul es la
probabilidad de que NO sea de matemtica?
5
A)
11
4
B)
11
6
C)
11
2
D)
11

35. La tabla adjunta muestra el nmero de 36. La probabilidad de que al lanzar 2 dados, la
empresas que poseen un determinado nmero de suma de los nmeros sea mayor o igual que 5 es
software para administrar sus negocios. Al
seleccionar una de estas empresas al azar. 1
A)
6
5
N de empresas N de software B)
6
4 0 3
C)
2 1 4
1 2 5
D)
4 3 9
6
5 4 E)
5 10
6
7 6
Cul es la probabilidad de que sta tenga menos de

cuatro software para sus negocios?
11
A)
29
11
B)
27
15 37. Si se tiene una moneda cargada, donde la
C) 1
27 probabilidad de obtener cara es y se sabe
3
11
D) que esta siempre sale cara o sello, entonces
30
13 la probabilidad de sacar tres sellos en tres
E)
27 lanzamientos es
8
A)
27
11
B)
27
15
C)
27
14
D)
27
13
E)
27

38. En la pregunta anterior, la probabilidad de sacar 40. Segn el problema anterior, la probabilidad de
al menos dos caras en tres lanzamientos es lanzar dos veces el dado y obtenerun 1 y un 6, en
ese orden es
8
A)
27 2
A)
5 49
B)
27 1
7 B)
C) 49
27 2
11 C)
D) 25
27
1
3 D)
E) 25
27
39. Si se sabe que un dado est cargado, donde los

nmeros del 2 al 6 tienen la misma probabilidad
y el 1 tiene el doble de probabilidad que ellos.
Entonces la probabilidad de que al lanzar el dado se
obtenga 1 es
1
A)
7
2
B)
7
1
C)
5
2
D)
5

CAPTULO 3
INFERENCIA ESTADSTICA

CAPTULO 3 INFERENCIA ESTADSTICA
INTRODUCCIN
La rama de la estadstica que veremos a continuacin estudia cmo inferir o deducir
caractersticas de una poblacin a partir de una pequea parte de ella, debido a que
en muchos estudios es imposible tomar la totalidad de la poblacin, esta forma de es-
tudiar colecciones de datos es llamada Inferencia Estadstica, y responde a las pre-
guntas: Cmo podemos sacar conclusiones acerca de las caractersticas de la pobla-
cin si no conocemos todos sus elementos? Qu tan fiables son estas estimaciones?
Para realizar inferencias estadsticas estudiamos una parte pequea, pero represen-
tativa de la poblacin que llamamos una Muestra, y extrapolamos (inferimos) con-
clusiones sobre la poblacin general a partir de ella.
TCNICAS DE MUESTREO
Llamamos muestreo a las tcnicas que utilizamos para escoger una muestra a partir
de una poblacin.

Los tipos de muestreo se clasifican en muestreos probabilsticos y no probabi-
lsticos. En un muestreo probabilstico, cada elemento de la poblacin tiene una
determinada probabilidad de pertenecer a la muestra, y dicha probabilidad se puede
calcular sin ambigedad. En los muestreos no probabilsticos en cambio, se descono-
ce la probabilidad de que un individuo determinado pertenezca a la muestra.
Siempre existe algn error pues la muestra no es completamente fiable, slo una
buena aproximacin, y a este error se le llama error de muestreo.
7 Muestreo aleatorio
Si todas las muestras posibles de una poblacin pueden ser tomadas con la misma
probabilidad, este muestreo es un Muestreo Aleatorio. Distinguimos dos tipos:
3 Sin reposicin: Una vez que un individuo es escogido para integrar la

muestra, no puede volver a ser escogido
Observacin 3 Con reposicin (muestreo aleatorio simple): Los individuos pueden

Al extraer todas las muestras de un aparecer ms de una vez en la muestra.
tamao dado en una poblacin finita
y calcular el promedio de las me- El muestreo aleatorio es apropiado para poblaciones grandes y es ms simple de
dias muestrales se obtiene la media implementar que otras tcnicas de muestreo, pero requiere de un listado completo
poblacional. de todos los individuos que conforman la poblacin.

El objetivo de extraer una muestra representativa es estudiar alguna caracterstica

de la poblacin representada en una variable estadstica, la cual toma la forma
de una funcin que relaciona los miembros de la poblacin con sus cantidades co-
rrespondientes, y dando algn patrn a partir del cual sacaremos conclusiones que
aplicar a la poblacin general. A estos patrones que encontraremos entre los datos
los llamaremos Distribuciones.
Observacin
Por ejemplo: si realizamos un estudio sobre lo que compran los clientes de un su- La inferencia estadstica slo nos dar
permercado no podremos entrevistar a todos, por lo tanto entrevistaremos a una aproximaciones, nunca dar resulta-
muestra, y si nuestro estudio est bien hecho podremos obtener un perfil que nos dos para cada uno de los miembros de
dira cunto gasta cada tipo de persona del supermercado. Este perfil de los clientes la poblacin.
ser una distribucin de los gastos de los clientes en el supermercado.
DISTRIBUCIN NORMAL
La distribucin ms importante que se estudia es la llamada distribucin normal
o distribucin Gaussiana, y es posible aplicar esta distribucin a cualquier grupo
de datos cuya distribucin se asemeja al siguiente grfico:
Es decir, un grupo de datos en el cual la mayora de los datos se agrupa cerca de la

media aritmtica, y la cantidad disminuye suavemente hacia los extremos, forman-
do una curva simtrica cuyo eje de simetra se encuentra en su media.
Rigurosamente, este grfico representa la siguiente funcin:
( x )2
1
f (x) = e 2 2

Donde corresponde a la media aritmtica de la poblacin y corresponde a su

desviacin estndar. 2 tambin es una medida comn, y este representa la Va-
rianza de la distribucin.
100
80
Frecuencia
60
40
20
0
6 8 10 12 14 16 18
Cuando una variable X sigue una distribucin normal de media y varianza 2, es-
cribimos X N (, 2).
7 Propiedades de la distribucin normal
3 La forma de la curva de la distribucin depende de

sus dos parmetros, la media y la desviacin estndar
3 La media indica la posicin de la campana. Al incrementar

la media, la grfica de la campana se desplaza hacia la derecha
3 A mayor desviacin, la curva se volver ms plana,

pues los datos tendrn mayor variabilidad
3 Si X N(, 2) y se extraen n observaciones de manera

independiente en esta poblacin, el promedio obtenido
pertenece a una poblacin normal de media y varianza
2

n
3 Si XN(, 2) no depende de YN(v, 2), entonces X + Y N ( + v, 2 + 2)

7 Intervalos de una distribucin normal

El objetivo de la distribucin normal es poder conocer qu porcentaje de los datos se
encuentran en distintos intervalos, y nos permite responder preguntas como:
3 Qu porcentaje de un grupo de atletas que sigue una

distribucin normal tiene un buen rendimiento?
3 Cunto puntaje debo tener para estar en el mejor 10%

de los estudiantes que dan la PSU?
Estas preguntas tienen una solucin que es a la vez simple y complicada. La simple
es: El porcentaje de datos que responde estas preguntas es el rea bajo la curva de la
distribucin normal que se encuentra entre los parmetros pedidos.
Pero calcular esta rea es extremadamente difcil, por lo que utilizamos unos in-
tervalos notables con porcentajes ya conocidos para cualquier distribucin normal.
Si una poblacin normal tiene media y desviacin estndar , se tiene que:
3 El 68,3% de las observaciones se encuentra en

el intervalo [ - , + ], es decir, el 68,3% de los
datos se encuentra a menos de una desviacin
estndar de distancia de la media.
3 El 95,5% de los datos se encuentra en el intervalo

[ - 2, + 2], es decir, el 95,5% de las observaciones
se encuentra a menos de dos desviaciones estndar
de distancia de la media.

3 El 99,7% de los individuos se encuentra en el
intervalo [ - 3, + 3], es decir, el 99,7% de las
observaciones se encuentra a menos de tres
desviaciones estndar de distancia de la media.
(valor estimado)
Probabilidad
34% 34%
14%
2% 2%
- 2 - + + 2 Variable

7 Variables estandarizadas (tipificadas)
Si se necesita calcular otros percentiles, hay malas noticias: hasta el da de hoy no

se ha descubierto un mtodo para calcularla de manera exacta. Sin embargo, exis-
ten tablas con muy buenas aproximaciones. Ahora, no es posible escribir una tabla
para cada una de las combinaciones posibles de media y desviacin estndar, enton-
ces convenimos en utilizar la distribucin normal estndar o normal tipificada
como referencia, a la cual llevaremos cualquier otra distribucin.
Definicin: Si una variable Z sigue una distribucin N(0,1), se dice que Z tiene una
distribucin normal estndar o normal tipificada.
Para llevar una distribucin cualquiera a esta distribucin N(0,1), utilizamos una
tcnica llamada estandarizacin o tipificacin, que nos permite relacionar una
distribucin normal de media y desviacin estndar arbitrarias con una distribucin
N(0,1).
X
Propiedad: Si X N (, 2), entonces Z = tiene una distribucin normal es-
tndar.

Una vez convertida la variable de distribucin N(, 2), en una de distribucin

N(0,1), podemos utilizar una tabla como la siguiente para encontrar los valores ne-
cesarios para resolver los problemas.
z P(Z < z)
0,67 0,749
0,99 0,839
1,00 0,841
1,15 0,875
1,28 0,900
1,64 0,950
1,96 0,975 0 z Z
2,00 0,977
2,17 0,985
2,32 0,990
2,58 0,995

7 Algunos ejemplos de fenmenos que

se modelan con distribuciones normales:

3 Puntajes en pruebas nacionales (PSU, SIMCE) e
internacionales(TOEFL, exmenes de admisin a
distintas universidades). Los puntajes PSU de una
generacin tienen una distribucin normal de
media 500 y desviacin estndar 110.

3 Indicadores sicolgicos como el coeficiente intelectual.
3 Fenmenos meteorolgicos como la temperatura.

3 Estaturas y pesos de individuos de la misma edad
siguen una distribucin normal.
3 El error cometido al hacer mediciones en experimentos

sigue una distribucin normal.
INTERVALOS DE CONFIANZA
Puede ocurrir que al tomar dos muestras representativas diferentes dentro de una
misma poblacin, se obtengan estadsticos diferentes. Esto no necesariamente sig-
nifica que el estudio est mal realizado, sino que simplemente es un reflejo de que
hay azar involucrado en el proceso de muestreo.
Para estimar el error que induce el azar, se establece un rango de valores que po-
dran contener el valor del parmetro poblacional estimado, con cierta probabilidad.
A esta probabilidad se le conoce como nivel de confianza y su principal objetivo es
evaluar la validez del muestreo.
Un intervalo de confianza [a,b] para un parmetro poblacional es un intervalo de

nmeros reales que con cierto nivel de confianza (95%,99%, etc.) contiene al par-
metro estudiado.
Si se desea construir un intervalo de confianza para la media de una poblacin nor-

mal con varianza conocida 2, a partir de una muestra de tamao n, media x, y nivel
de confianza (100 - a)% est dado por

x z a , x + z a

2 n
2 n

Donde z a corresponde al valor tal que el a % de los datos es mayor en una distribu-
(2) 2
cin normal estndar.

La cantidad z a es llamada error de muestreo o error y suele ser expresado
2 n
como porcentaje.
Ejemplo: En un laboratorio, se cuenta con una muestra de 121 frascos con jarabe,
se sabe que la cantidad de sacarosa presente en ellos sigue una distribucin nor-
mal de desviacin estndar 10g. Si la media de la cantidad de sacarosa en estos 121
frascos de jarabe es 640g, el intervalo del 95% de confianza, en gramos, est dado
aproximadamente por [638,22; 641,78], con un error de 1.782 ya que al reemplazar
los valores correspondientes x = 640; = 10; n = 121 y z(a)= z0,025 = 1.96 se obtienen
2
dichos valores.
Ejemplo /
Las estaturas de un grupo de personas siguen una distribucin
normal de media 1,40m y desviacin estndar 20 cm.
(a) Qu porcentaje ellos mide entre 1,2m y 1,6m?
(b) Qu porcentaje de elos mide menos de 1,8 metros

pero ms de 1,6?
Solucin (a)
Como el 68,3% de los individuos se ubica a menos de una des-
viacin estndar de la media, podemos asegurar que el 68,3%
de los estudiantes tiene una estatura x tal que |x - | , es
decir, - x - . Al sumar en cada miembro de la desigual-
dad, resulta - x + . Considerando que = 1,4 y = 0,2
(al medir en metros) se obtiene 1,4 - 0,2 x 1,4 + 0,2. As, se
sigue x [1.2,1.6]. Por lo tanto, el 68,3% de los integrantes mide
entre 1,2m y 1,6m.
Solucin (b)
Considerando que el 95,5% de los individuos tiene una estatura
que se encuentra en el intervalo [ - 2, + 2], se tiene que el
95,5% de las estaturas de los individuos se ubica en el intervalo
[1,0;1,8]. Si de ese intervalo restamos el 68,3% de las personas
cuyas estaturas estaban entre 1,2 y 1,6 (se calcul en (a)). En-

tonces tenemos que el 27,2% de los sujetos tiene estaturas que

se encuentran en el intervalo [1.0,1.2] o que se encuentran en el
intervalo [1.6,1.8]. Adems, como la grfica de la distribucin es
simtrica en torno a su media, se sigue que la cantidad de es-
tudiantes en cada intervalo es la misma. As, la mitad del 27.2%
de los integrantes mide entre 1.6 y 1.8, es decir, el 13.6% de ellos
mide menos de 1,8 metros y ms de 1,6.
Ejemplo /
En cierta ciudad, la temperatura diaria sigue una distribucin
normal de media 18 y desviacin estndar 2. Qu porcentaje
de los das habr una temperatura mayor a 20?
Solucin
Si llamamos T a la temperatura en un da, se tendr que
T N(18,4). Al estandarizar, se obtiene que (T - 18) / 2 N(0,1).
El siguiente paso consiste en relacionar la desigualdad T >
20 con una desigualdad que involucre la variable estandari-
zada. Al restar 18 y dividir por 2 en esta desigualdad resulta
T 18 20 18 T 18 20 18
> , es decir, > 1. De acuerdo al valor tabulado,
2 2 2 2 T 18 20 18
el 84,1% de los das satisfacen que > 1. Por lo tanto, el

2 2
15,9% restante satisface la condicin buscada.

MIS ANOTACIONES

EJERCICIOS
1. Cul de las siguientes afirmaciones es 3. Son ventajas del muestreo aleatorio:

verdadera?
I. Al escoger la muestra al azar, se previene
A) Al estudiar caractersticas de una muestra, se cualquier sesgo que pudiese tener origen
obtiene una estimacin de las caractersticas de en la eleccin del investigador
una poblacin II. Al conocer la probabilidad de cada
B) Una muestra contiene ms datos que una individuo de pertenecer a la poblacin,
poblacin se tiene informacin del error cometido
C) Nunca es posible estudiar una poblacin en las conclusiones
completa III. Se clasifica en muestreo sin reposicin
D) El muestreo aleatorio simple solo es vlido en y con reposicin
distribuciones normales
E) Ninguna de las anteriores A) Slo I
B) I y II
C) I y III
D) II y III
E) I, II y III
2. En un estudio estadstico 4. Si X N(1,4) Cul de estas variables tiene una

distribucin N(0,1)?
I. El muestreo garantiza ahorro econmico
al realizar el estudio x-1
A)
II. El muestreo permite recolectar datos de 2
manera ms rpida x-1
B)
III. El muestreo garantiza validez de las 4
conclusiones respecto de la poblacin C) x-4
D) x-2
A) Slo I E) Ninguna de ellas
B) Slo II
C) I y II
D) I y III
E) II y III

5. Si una poblacin sigue una distribucin normal 7. Si Z N(0,1) Cul de las siguientes expresiones
estndar Cul de estos valores corresponde al tiene un valor igual a P(Z < -2)?
percentil 95 de la poblacin?
A) P(Z > -2)
A) 0,67 B) P(Z 2)
B) 1 C) P(Z > 2)
C) 1,28 D) P(-1 < Z < 1)
D) 1,64 E) Ninguna de las anteriores
E) 1,96
6. Una poblacin sigue una distribucin N(4,25) 8. Una poblacin sigue una distribucin N(3,5) Qu
Cul de las siguientes afirmaciones es falsa? distribucin tendr si cada dato se multiplica por 2?
A) La mediana de la poblacin es 4 A) N(6,5)

B) La desviacin estndar de la poblacin es 25 B) N(6,10)
C) La media de la poblacin es 4 C) N(3,20)
D) Aproximadamente el 68,3% de los datos se ubica D) N(3,10)
en el intervalo [-1,9] E) N(6,20)

9. Cul de las siguientes cantidades no sigue una 11. La cantidad de telfonos celulares por familia
distribucin normal? en una ciudad se modela por medio de una
distribucin normal con media y varianza 0,25. Se
A) Los puntajes de la PSU de historia obtenidos por toma una muestra aleatoria de 100 familias de esta
los postulantes que rindieron la prueba el ao 2014 ciudad, obtenindose una media de 3,5 celulares.
B) Las estaturas de nios de un curso Para los resultados de esta muestra, Cul de los
C) El tiempo de vida til de las ampolletas de una siguientes intervalos es el intervalo de confianza de
marca dada nivel 0,90 para ?
D) La temperatura media que se registra en un
mismo mes 1 1
A) [3,5-1,64 ;3,5+1,64 ]
E) Ninguna de las anteriores 40 40
1 1
B) [3,5-0,9 ;3,5+0,9 ]
200 200
1 1
C) [-1,64 ;1,64 ]
400 400
1 1
D) [-0,90 ;0,90 ]
20 20
1 1
E) [3,5 1,64 ;3,5 + 1,64 ]
10. Se dice que un individuo padece de retraso 20 20
mental si su coeficiente intelectual est entre
70 y 85 puntos. El coeficiente intelectual de los
individuos de un pas sigue una distribucin normal
de media 100 y desviacin estndar 15. Qu 12. Al respecto de la grfica de una campana de
porcentaje de la poblacin de este pas padece de gauss se afirma:
retraso mental?
I. Al incrementar la media poblacional, la
A) 95,5% grfica se desplaza hacia la izquierda
B) 47,75% II. Es simtrica respecto de la media
C) 68,3% III. La curva se vuelve ms plana al
D 34,15% incrementar la varianza
E) 13,6%
Es(son) verdadera(s)
A) Slo I
B) I y II
C) I y III
D) II y III
E) I, II y III

13. Se desea estimar el tiempo promedio que tarda 15. Si Z N(0,1), entonces P(1,15 < Z < 1,28) =
un atleta en completar una carrera de 100 metros
planos. Tras observar a 15 atletas se obtiene un A) 0,875
intervalo de confianza de nivel 0,95 dado por [13,20] B) 0,900
medido en segundos. Cul de estas afirmaciones C) 0,950
es verdadera? D) 0,025
E) 0,125
A) El 95% de los atletas tarda en promedio entre
13 y 20 segundos en completar una carrera de 100
metros planos
B) Hay una probabilidad de 0,975 de que el tiempo
que tardan los atletas en promedio de completar
una carrera de 100 metros planos se encuentre en
el intervalo [13,20]
C) Al observar ms atletas, la probabilidad de
que el promedio se encuentre en el intervalo de
confianza incrementa
D) Si el tiempo que tardan los atletas sigue una 16. En un estudio se desea estimar el dimetro
distribucin normal, entonces la media muestral medio de las piernas en una poblacin de jirafas.
obtenida fue de 16,5 segundos. Considerando una distribucin normal de varianza
E) Ninguna de las anteriores 25 cm2 para el dimetro de las piernas de las
jirafas. Si [] representa la funcin parte entera,
cul debe ser el tamao muestral para que la
amplitud del intervalo de confianza al nivel 0.99
construido a partir de la muestra sea menor a 2 cm?
A) [(5 2,32)2 ]+1

14. Una poblacin sigue una distribucin normal
estndar. Cul es el mximo valor que puede B) [(5 0,839)2 ]+1
presentarse en una observacin que pertenece al
C) [(25 2,58)2 ]+1
1% ms pequeo?
2
5
A) -2,58 D) 2,58 +1
B) -2,32 2
C) -2,17
E) [(5 2,58)2 ]+1
D) -2,00
E) -1,96

17. Un instructor de esgrima desea medir el tiempo 19. Cul de los siguientes histogramas representa
que tardan sus deportistas en reaccionar a la mejor a una distribucn normal?
seal de partida dada por el rbitro al comenzar
los combates. Tras medir los tiempos de retardo
en la reaccin de sus 16 alumnos obtiene las
respuestas 5, 7, 3, 13, 4, 5, 3, 6, 8, 11, 10, 9, 9, 6, 5,
9, medidas en centsimas de segundo. Si deseara
tomar una muestra de tamao 5, Cul de estas no A) B)
corresponde a un muestreo sin reposicin?
A) 5, 3, 4, 5, 11
B) 3, 4, 6, 8, 9
C) 9, 9, 9, 10, 11
C) D)
D) 5, 7, 5, 7, 3
E) A, C y D son correctas
E)
18. El dimetro de los troncos de los sauces sigue 20. Un seor del mal tiene 10 esclavos. Cada
una distribucin normal de media 15m y desviacin maana escoge a 3 por muestreo aleatorio
estndar 5m. Cul es la probabilidad de que el simple con reposicin y los castiga. Cul es la
dimetro del tronco de un sauce mida menos de probabilidad de que el mismo esclavo sea castigado
26.6 m? 3 veces durante una maana?

A) 0,977 1
A)
B) 0,985 10
C) 0,99
D) 0,995 1
B)
E) 0,01 100
3
C)
10
2
D)
10
1
E)
1000

21. Con los datos de la pregunta anterior Cul es 23. Un practicante de lucha Greco-romana postula
la probabilidad de que algn esclavo sea castigado a un cupo para un campeonato regional. Los orga-
exactamente dos veces durante la misma maana? nizadores declaran mediante un comunicado que
solo aceptarn a los postulantes que pertenezcan
27
A) al 1.5% con mejor desempeo en una prueba de
100
fuerza. Si nuestro luchador sabe que los puntajes
9 de dicha prueba siguen una distribucin normal
B)
1000 con media 4 y desviacin estndar 3, Cul es el
mnimo puntaje que debe obtener en la prueba para
9 clasificar?
C)
100
27 A) 9,88
D) B) 10,34
1000
C) 10,51
E) Otro valor D) 10,96
E) 11,74
22. Con los datos de la pregunta 20, Cul es 24. Cul de los siguientes histogramas representa
la probabilidad de que castigue a tres esclavos una distribucin de mayor varianza?
diferentes durante la maana?
28
A)
100
72
B)
1000
A) B)
72
C)
100
D) 1
E) Otro valor
C) D)

25. La amplitud de un intervalo de confianza para 27. Considere una poblacin de distribucin normal
la media poblacional de una distribucin normal de varianza 4. Si se desea construir un intervalo
incrementa si del 95% de confianza a partir de una muestra de
tamao 100, cul es el error de esta estimacin?
I. La varianza poblacional incrementa
II. La media muestral incrementa 1.96
A)
III. El tamao muestral incrementa 5
IV. El nivel de confianza del intervalo
3.92
incrementa B)
5
Son verdaderas: 1.96
C)
50
A) Slo I
B) Slo IV 1.64
D)
C) I y IV 5
D) II y III
E) I, III y IV
28. Una empresa produce narices de payaso y

desea estimar la cantidad de pintura roja necesaria
26. Si X N (, 2 ) entonces P (X < )= para producir cada unidad. Suponga que la cantidad
de pintura utilizada en la produccin de una unidad
1 se rige por una distribucin normal. Si se desea
A)
2 obtener un error menor que 5% al construir un
intervalo de confianza de nivel 90% y la desviacin
1
B) estndar corresponde a 0.05 ml Cuntas narices
3
de payaso, como mnimo, se deben incluir en la
1 muestra?
C)
4
A) 1
1 B) 2
D)
5 C) 3
D) 4
E) Otro valor
E) 5

29. La efectividad de una vacuna en un paciente 31. Sean X e Y dos variables aleatorias
enfermo se rige por una distribucin normal. independientes tales que X N(0,1) e Y N(2,3).
Si se estudia la efectividad en una muestra de Cul es el valor de P(X + Y > 6)?
121 pacientes, obteniendo un error del 10% al
construir un intervalo de 99% de confianza Cul A) 0,045
es la desviacin estndar de la efectividad de las B) 0,159
vacunas? C) 0,977
D) 0,023
1,21
A) E) Otro valor
6,6564
0,1
B)
28,38
11
C)
25,8
1,1
D)
2,32
11
E)
2,58
32. Un capitn del equipo de atletismo debe

escoger 2 competidores para una carrera de
relevos. Tras poner a prueba a sus cinco candidatos
en una carrera corta y promediar los tiempos
30. Cul de las siguientes cantidades no influye (en segundos) de cada posible pareja obtiene los
en el error de muestreo al construir intervalos de siguientes resultados:
confianza para poblaciones normales?
9, 9, 10, 11, 10, 11, 12, 11, 12, 13
A) La varianza de la poblacin
B) La desviacin estndar de la poblacin Cul es el tiempo promedio de los cinco
C) La media de la poblacin corredores?
D) El tamao muestral
E) El nivel de confianza A) 10
B) 10,8
C) 11
D) 11,8
E) Otro valor

33. Si X N(a + b,a + 2b) e Y N(a + 2b,a b) son 35. Si X N (, 1) Qu valor debe tener para que
variables aleatorias independientes Qu valor P(X 8) = 0,841
debe tomar a para que la variable aleatoria X + Y
siga una distribucin normal estndar? A) 7
1 B) 6
A)
2 C) 8
D) 0
1 E) Ninguno de los valores anteriores
B)
4
1
C) -
2
3
D)
4
E) No existe tal valor de a
34. Suponga que X N (5,92) e Y N (3,34). Al 36. Si X e Y son variables aleatorias independientes
respecto se afirma de distribucin normal estndar Cul es la
probabilidad aproximada de que el interior del
I. La poblacin X es ms homognea que la cuadrado de centro en el origen, lados paralelos a
poblacin Y los ejes y lado 2 contenga al punto (X,Y)?
II. Al extraer muestras aleatorias de 10
individuos de cada poblacin, La media A) 0,68
muestral de X tiene una varianza menor a B) 0,95
la media muestral de Y C) 0,46
III. La campana de Gauss asociada a la D) 0,90
variable X tiene a la recta x = 5 como eje de E) Otro valor
simetra
Es(son) falsa(s):
A) Slo I
B) Slo II
C) I y II
D) II y III
E) I, II y III

37. Se puede conocer la media poblacional a partir 39. Se puede determinar P(X > + 2) si
de una muestra si
(1) X N( + 2,1)
(1) Se conoce la media muestral (2) + 2 es la mediana de la poblacin
(2) Se conoce la varianza poblacional
A) (1) por s sola
A) (1) por s sola B) (2) por s sola
B) (2) por s sola C) Ambas juntas, (1) y (2)
C) Ambas juntas, (1) y (2) D) Cada una por s sola
D) Cada una por s sola E) Se requiere informacin adicional
E) Se requiere informacin adicional
38. Se puede conocer la probabilidad de que un 40. Se puede conocer la mediana de una poblacin
individuo de una poblacin pertenezca a una normal si:
muestra si
(1) Se conoce la media
(1) Se conoce el tamao muestral (2) Se conoce la varianza
(2) La tcnica de muestreo es muestreo
aleatorio simple A) (1) por s sola
B) (2) por s sola
A) (1) por s sola C) Ambas juntas, (1) y (2)
B) (2) por s sola D) Cada una por s sola
C) Ambas juntas, (1) y (2) E) Se requiere informacin adicional
D) Cada una por s sola

MIS ANOTACIONES

CAPTULO 4
VARIABLES ALEATORIAS

VARIABLES ALEATORIAS
Una Variable aleatoria es una medida que utilizamos para cuantificar los resul-
tados posibles de un experimento aleatorio, est definida como una funcin X que
relacina cada elemento del espacio muestral con un nmero real. Es decir:
X : R
El recorrido de esta funcin entonces, es un subconjunto de los nmeros reales

que contiene todos los resultados posibles de esta variable, como imgenes de algn
elemento del espacio muestral.
Estas variables pueden ser discretas o continuas, dependiendo de la naturaleza

de su recorrido.
VARIABLES ALEATORIAS DISCRETAS

En el caso de una variable discreta, podemos hablar de una funcin de probabili-
dad f(x), esta es la funcin que relaciona cada elemento del recorrido con la proba-
bilidad de que la variable tome dicho valor, es decir f(x0 ) = P(X = x0). Ya que estamos
hablando de una probabilidad, sabemos que debe cumplir las siguientes condiciones:
3 f(x0) 0 para todo x0 Rec(X)
3 f ( i ) = 1
i Rec(X)

Tambin podemos definir la funcin de distribucin F(X), que nos indica la pro-
babilidad de que la variable tome un valor igual o menor, es decir:
F(x0) = P(X x0)

CAPTULO 4 VARIABLES ALEATORIAS
ESPERANZA Y VARIANZA
DE UNA VARIABLE ALEATORIA
La Esperanza o Valor Esperado de una variable aleatoria es simplemente el valor
promedio que uno obtendra al realizar infinitos experimentos, por lo tanto mien-
tras ms experimentos se realicen, ms tiende a acercarse el promedio hacia la Espe-
ranza. Esta se define como:
E( X ) =
xi Rec(X)
f ( xi ) xi
LEY DE LOS GRANDES NMEROS

Si entendemos esta esperanza, obtenemos como conclusin la ley de los grandes
nmeros que dice: Mientras ms experimentos realice, ms se acerca la frecuencia
relativa de cada evento a su respectiva probabilidad, pero esta forma de enunciar la
ley es equivalente a otra que relaciona esta ley con la esperanza:
"Mientras ms grande sea la muestra, ms cercana ser

su media a la Esperanza de la Variable".
La Varianza es ligeramente distinta del concepto que usamos al trabajar con datos,
como estos estn fijos su varianza slo mide la dispersin de los datos, en el caso de
una variable aleatoria la varianza mide su variacin ideal, y se calcula muy fcilmen-
te usando la esperanza:
Var(X) = E(X2 ) - [E(X)]2
Luego, la desviacin estndar de un variable se encuentra de la misma forma que

utilizando datos.
StDev( X ) = Var( x )

DISTRIBUCIONES IMPORTANTES
DE VARIABLES ALEATORIAS
7 Distribucin de Bernoulli
La distribucin de Bernoulli es la forma en la que se distribuyen los resultados de
una variable que slo tiene dos resultados posibles, a estos dos resultados los lla-
mamos un xito o un fracaso, por ejemplo lanzar una moneda sigue una distribucin
de bernoulli.
La ventaja es que esta moneda no debe ser justa, es decir las probabilidades de xito
o fracaso no necesitan ser mitad y mitad, formalmente:
Si X es una variable aleatoria donde p es la probabilidad de xito y q es la proba-

bilidad de fracaso, se cumple que P(X = 1) = p y P(X = 0) = q = 1 - p.
Adems, E(X) = p y Var(X) = pq = p(1 - p).
7 Distribucin Binomial
La distribucin binomial es un caso similar al de la distribucin de Bernoulli en el
que tambin buscamos xitos y fracasos, pero en lugar de medir esta probabilidad
medimos la probabilidad de obtener cierta cantidad de xitos en alguna cantidad de
experimentos:
Una Variable aleatoria X sigue una distribucin Binomial si la probabilidad de

obtener k xitos en n experimentos, donde la probabilidad de xito en cada uno es
p. (la frase anterior se resume en X ~ Bin(n,p)):
n
P( X = k ) = p k (1 p)n k
k

Con esta distribucin, podemos tambien obtener la esperanza y varianza fcilmen-

te, entonces:
Si X ~ Bin(n,p) E(X) = np y Var(X) = np(1 - p)
Como aprendimos en combinatoria, calcular estos coeficientes binomiales puede re-

sultar complicado, pero una distribucin binomial X ~ Bin(n,p) se puede aproximar
a una distribucin normal X ~ N(np,np(1 - p)) ya que esta tiene la misma Esperanza y
Varianza. Mientras ms grande sea n, mejor ser esta aproximacin.

VARIABLES ALEATORIAS CONTINUAS

En todos los casos anteriores hablamos de variables discretas, entonces tiene senti-
do pensar en cosas como sumar todos los resultados del recorrido porque estas can-
tidades son finitas, pero estos mtodos no funcionan cuando hablamos de variables
aleatorias no discretas, por ejemplo no sabemos cuanto es la suma de todos los n-
meros racionales entre 0 y 1.
Luego, ajustaremos nuestras definiciones para reutilizar los conceptos que vimos en
variables aleatorias discretas en continuas.
En lugar de hablar de una funcin de probabilidad, hablaremos de una Funcin de

densidad, y esta mide cual es la probabilidad que una variable aleatoria tome un
valor dentro de un intervalo. Ya que existen infinitos resultados posibles para una
variable continua, no tiene sentido preguntar por la probabilidad de que caiga en va-
lor particular, por lo que preguntamos cuan posible es que caiga dentro de un rango.
Esta funcin cumple que:
3 La probabilidad de que la variable tome un valor, dentro

de un intervalo de su recorrido no puede ser negativa.
3 La probabilidad de que la variable tome un valor dentro
del intervalo del total de su recorrido es 1
Es importante notar que el ejemplo ms claro y estudiado de una variable de este

tipo es la Distribucin normal en la cual los intervalos que nos dan la probabilidad
son aquellas reas bajo la curva de la distribucin. As, si vemos la normal como una
Variable aleatoria continua, tenemos que el rea total bajo la curva es 1, y por lo
tanto es exactamente lo mismo preguntar qu porcentaje de esta rea se encuentra
en un intervalo, a preguntar cual es la probabilidad de caer en ese intervalo si elijo
un valor al azar

EJERCICIOS
1. Cul de las siguientes es una variable aleatoria? 3. Se lanzan dos monedas y se define X = 1 si las
monedas tienen el mismo resultado y X = 0 si no
A) El nmero de caras de un dado lo tienen. Cul es el dominio de esta variable
B) El punto de ebullicin del agua, medido en aleatoria?
grados Kelvin
C) El resultado obtenido al lanzar un dado comn A) {(cara, cara), (cara, sello),
D) El nmero de habitantes que haba en Texas el (sello, cara), (sello, sello)}
da 1 de Enero de 1999 B) {cara, sello}
E) Ninguna de las anteriores C) {0, 1}
D) {0,1,cara, sello}
2. Cul de las siguientes no se clasifica como una 4. Se define la variable aleatoria X como la suma
variable aleatoria discreta? de los resultados obtenidos al lanzar dos dados
comunes. Cul es el recorrido de X?
A) Se encuesta a 100 personas al azar y se define
la variable aleatoria X como el nmero de mujeres A) {2,3,4,5,6,7,8,9,10,11,12}
encuestadas. B) {(1,1),(1,2),(1,3),(1,4)(1,5),(1,6),(2,1),(2,2),(2,3),(2,4),
B) Se lanzan 4 dados comunes y se define X como (2,5),(2,6),(3,1),(3,2),(3,3),(3,4),(3,5),(3,6),(4,1),(4,2),
la suma de las puntuaciones obtenidas. (4,3),(4,4),(4,5),(4,6),(5,1),(5,2),(5,3),(5,4),(5,5),(5,6),
C) Se recorren 20 calles de Santiago en Auto y se (6,1),(6,2),(6,3),(6,4),(6,5),(6,6)}
define X como el nmero de semforos que se C) {1,2,3,4,5,6}
encuentran en luz roja al pasar por ellos. D) {1,2,3,4,5,6,7,8,9,10,11,12}
D) Se observa la carrera de un nadador y se E) Ninguna de las anteriores
define X como el tiempo que tarda en completar el
recorrido.
E) Ninguna de las anteriores.

5. Una urna contiene 10 bolitas blancas y 4 bolitas 7. Se pagan $400, se lanza un dado comn y se
negras. Se extraen al azar, sin reposicin, 5 bolitas reciben $100 multiplicado por el valor que muestra
de la urna y se define la variable aleatoria X como el el dado. Cul es el balance esperado?
nmero de bolitas blancas extradas. Cul(es) de
las siguientes afirmaciones es(son) verdadera(s)? A) -200
B) -50
I. P(X = 0) = 0 C) 0
D) 350
10
II. P (X = 1) = E) 50
14
10 4

3 2
III. P (X = 3) =
14

5
A) Slo I
B) Slo III
C) I y III
D) II y III
E) I, II y III
8. Se entrevista a 100 personas de manera

independiente y se registra el nmero de personas
bautizadas. Si se sabe que el 48% de la poblacin se
ha bautizado, Qu distribucin sigue esta variable
1
6. Si X es una variable aleatoria tal que P(X = 1) = aleatoria?
y P(X = 2) = 1 , entonces 5
4 A) Bernoulli
B) Binomial
11
A) P(X = 3) = C) Normal
20
D) Hipergeomtrica
11
B) P(X = 3) < E) Ninguna de las anteriores
20
11
C) P(X = 3)
20
11
D) P(X = 3) >
20
11
E) P(X = 3)
20

9. El tiempo de espera de las personas, en minutos, 11. Se lanza un dado 20 veces y se definen las
en cierto paradero de Transantiago, tiene una variables aleatorias X e Y, donde X es el nmero
funcin de distribucin dada por F(x) = 1 - e-2x Cul de veces que se obtiene un nmero par e Y es el
es la probabilidad de esperar 2 minutos o menos? nmero de veces que se obtiene un nmero impar.
A) e-4 verdadera(s)?
B) e-2
C) 1 - e-2 I. P(X = 4) = P(Y = 16)
D) 1 - e-4 II. P(X = 5) = P(Y = 5)
E) Otro valor III. P(X = 9) = P(X = 11)
A) Slo I
B) I y II
C) I y III
D) II y III
E) I, II y III
10. En el bosque de caperucita roja se ha instalado 12. Cuntas monedas se deben lanzar para que la
un hogar de ancianos. Se sabe que una de cada varianza del nmero de caras sea 1?
10 ancianas que vive en ese hogar es un lobo
disfrazado. Si el 60% de la gente que se queda en A) 1
el hogar son ancianas y se escogen 15 personas B) 2
mediante muestreo aleatorio simple, al definir C) 3
la variable aleatoria X como el nmero de lobos D) 4
escogidos, resulta P(X = 2) = E) No se puede obtener varianza 1
15
A) 0,62 0,413
2
10 2 13
B) 0,1 0,9
2
15
C) 0,062 0,9413
13
10
D) 0,062 0,9413
2
E) Otro valor

13. Cul es el recorrido de una variable aleatoria 15. Defina la variable aleatoria X como el nmero
normal de media 3 y varianza 16? obtenido al lanzar un dado comn. Suponga
que se lanza medio milln de dados comunes
A) - {3} y se registran los resultados en una tabla de
B) Q frecuencias. De acuerdo a la ley de los grandes
C) [-1,7] nmeros, Cul de estos valores es una mejor
D) ]-1,7[ estimacin para la frecuencia relativa acumulada
E) del nmero de dados que muestran el nmero 3 en
su cara superior?
A) La funcin de densidad de probabilidad de X

evaluada en 3
B) La funcin de distribucin de X evaluada en 3
C) La funcin de probabilidad de X evaluada en 3
D) El valor esperado de X
E) La varianza de X
14. La siguiente tabla muestra la funcin de

probabilidad de una variable aleatoria X.
k 1 2 3 4
P(X = k) p 2p 3p 4p
Cul es el valor de la funcin de distribucin de X 16. Considere una variable aleatoria discreta X
evaluada en 3? cuya desviacin estndar es 8 y su recorrido es un
subconjunto del intervalo ]-,0]. Considere adems
A) 0,1 que E[X2] = 100. Cul es el valor esperado de X?
B) 0,3
C) 0,4 A) 6
D) 0,6 B) 36
E) No se puede determinar C) 64
D) -6

17. Se lanzan dos dados comunes de manera 19. El nmero de patos que hay en una laguna al
simultnea y se define la variable aleatoria X como medioda se rige por una funcin de probabilidad
el mayor valor obtenido. Cul es la funcin de dada por
x
probabilidad de la variable aleatoria X? 1 , si x N
f (x ) = 2
x
A) f(x)= 0, en otros casos
6
1 Si se observa la laguna al medio da durante 10000
B) f(x)=
6 das, de acuerdo a la ley de los grandes nmeros,
2x 1 Cuntas veces se encontrarn exactamente 2
C) f(x)=
36 patos?
x
D) f(x)=
36 A) Aproximadamente 1/4
E) Ninguna de las anteriores B) Aproximadamente 2500 das
C) Exactamente 2500 das
D) Aproximadamente 5000 das
E) Exactamente 1000 das
20. En la tabla adjunta se muestra la funcin de

18. En un programa de talentos la probabilidad de probabilidad de una variable aleatoria X.
que un postulante sea aceptado es 1/10. Si en una
sesin hay 8 postulantes Cul es la probabilidad X 0 1 2 3
de que exactamente 3 postulantes sean aceptados? P(X = x) a 2a 3a 4a
3 5 Se afirma:
5 1 9
A) I. La funcin de distribucin de X,
3 10 10
evaluada en 2, corresponde a 0,3
3 5
8 1 9 II. La funcin de probabilidad de X
B)
3 10 10 evaluada en 1 corresponde a 0,2
3 III. El valor esperado de la variable
8 1
C) aleatoria es 1,5
3 10 No son verdaderas:
8
8 1
D)
3 10 A) Slo I
8 B) Slo II
1
E) C) Slo III
10 D) I y III
E) II y III

21. En un control de calidad, se dejan caer 1000 23. En un curso de 38 estudiantes, de los cuales
botellas de vidrio y se define la variable aleatoria 19 son mujeres y 19 son varones, se escoge un
X como el nmero de botellas que se quiebran. Si integrante al azar. Se define la variable aleatoria
la probabilidad de que una botella se quiebre es X Bernoulli (p), que toma el valor 1 cuando
9/10, entonces al aproximar esta variable aleatoria se escoge una mujer y 0 cuando se escoge un
mediante una distribucin normal X (,2), el valor varn. Cul es el parmetro p para esta variable
de es: aleatoria?
A) 30 A)19
B) 1000 B) 1
C) 3 10 C) 0,4
D) 900 D) 0,5
E) 90 E) Otro valor
22. Una variable aleatoria X tiene por recorrido 24. Una variable aleatoria tiene una distribucin
al conjunto {1, 2, 3}. Si F(x) es su funcin de binomial de parmetros n y p, Cul de los
distribucin y F(2) = 0,9, entonces P(X = 3) = siguientes no puede ser el valor de (n,p)?
A) 0,1 1
A) (9, )
B) 0,9 2
C) 1 4
B) (3, )
D) 0 9
E) Otro valor 1
C) (2, )
5
9
D) (9, )
7

25. En un estudio social se entrevistar a 10.000 27. Se ordenan al azar las letras de la palabra
personas y se preguntar si comen queso en el PREUGAUSS y se define la variable aleatoria X
desayuno. Se estima que el 60% de las personas como el nmero de letras que quedan en el lugar
come queso al desayunar. Si se modela el nmero correcto. Interpretando el concepto de variable
de personas encuestadas que responde que come aleatoria como funcin Cul es el valor de
queso durante el desayuno como una variable X (AUEUPRGSS)?
aleatoria de distribucin binomial y se aproxima
mediante una distribucin normal, la probabilidad A) 1
de que al menos 4.000 personas respondan que no B) 2
comen queso es: C) 3
D) 4
A) 0,5 E) 5
B) 0,749
C) 0,67
D) 0,977
E) Otro valor
26. Si X es una variable aleatoria de distribucin 28. Al lanzar un dado comn y definir la variable
binomial con parmetros 5 y 0,4 e Y es una variable aleatoria X como el resultado obtenido, la funcin
aleatoria de distribucin binomial independiente de de distribucin es:
X con parmetros 3 y 0,4, entonces
1
A) F(x) =
2 6
A) X + Y Bin(8, ) x
5 B) F(x) =
2 6
B) X + Y Bin(4, ) C) F(x) = x
5
4 D) F(x) = 3,5
C) X + Y Bin(8, )
5 E) Otro valor
4
D) X + Y Bin(4, )
5

29. Con respecto a una variable aleatoria continua 31. Se puede conocer el valor esperado de una
es siempre cierto que: variable aleatoria discreta X si se sabe:
A) Puede tener un recorrido finito (1) La funcin de probabilidad toma el

B) Todos los elementos del recorrido tienen distinta mismo valor en todos los elementos del
probabilidad recorrido
C) Su recorrido es el conjunto de los nmeros reales (2) El recorrido de la variable aleatoria es
D) Su dominio es infinito {1,2,3,4,5,9,11}
A) (1) por s sola
B) (2) por s sola
C) Ambas juntas, (1) y (2)
30. Se lanzan 10 monedas y se define la variable

aleatoria X como la razn entre la cantidad de caras 32. Un ropero tiene n pares de zapatos. Se extraen
y el sucesor de la cantidad de sellos. Cul de los al azar, sin reposicin 2r zapatos y se define la
siguientes nmeros no pertenece al recorrido de X? variable aleatoria X como el nmero de zapatos que
fueron extrados sin extraer a su pareja. Se puede
determinar el recorrido de X si
1
A)
2 (1) r = 3
4 (2) n = 9
B)
7
8 A) (1) por s sola
C)
3 B) (2) por s sola
D) 10 C) Ambas juntas, (1) y (2)
E) Todas las alternativas anteriores pertenecen al
E) Todas las alternativas anteriores pertenecen al recorrido de X D) Cada una por s sola, (1) (2)
recorrido de X E) Se requiere informacin adicional

33. Se tiene una cierta cantidad de fichas rojas y 35. Se tiene una urna con 20 bolitas iguales en cuyo
blancas repartidas en dos urnas. Se extrae una exterior se escribieron nmeros naturales. Si defi-
ficha de cada urna y se define la variable aleatoria X nimos la variable aleatoria X como la cantidad de
como la cantidad de fichas rojas extradas. Si en nmeros pares que se obtienen al sacar 5 bolitas
cada urna hay fichas de un nico color, entonces el sin reposicin. Si P(X 2)=1 podemos asegurar que
recorrido de la variable aleatoria es: en la urna:
A) {1} I . Hay 18 nmeros impares y 2 nmeros

B) {0,1} pares
C) {10} II. Hay como mximo 2 nmeros pares
D) {0,1, 2, 3, 4, 5, 6, 7, 8, 9,10} III. La probabilidad de obtener solo
E) [0,10] nmeros impares al realizar el
experimento es 0
A) Solo I
B) Solo II
C) Solo III
D) I y II
E) I, II y III
34. Se tiene un saco con fichas de diferentes

colores. Se extraen 3 fichas al azar y se define la
variable aleatoria X como la cantidad de fichas
azules extradas. Si P(X >1) = 0 entonces P(X = 1) =
36. Para el experimento de extraer una bolita de
A) 1 una urna que contiene 18 bolitas iguales coloreadas
B) 0 unas de blanco y otras de azul se define la variable
1 aleatoria X como la cantidad de bolitas blancas
C)
2 extradas. Si sabemos que P(X = 0 )= 4 , entonces
1 P(X 1) = 9
D)
3
E) No se puede determinar 5
A)
9
B) 1
1
C)
2
8
D)
18
E)No se puede determinar

37. Se lanza una moneda n veces y se define la 39. De una urna con bolitas rojas, azules y blancas
variable aleatoria S como "la cantidad de sellos que se extraen dos bolitas y se define la variable
aparecen. Si P(S = 0) = 1 entonces n = aleatoria X como la cantidad de bolitas blancas
8 extradas. Se pueden determinar los posibles
A) 3 valores de X si sabemos que:
B) 8
C) 24 (1) La probabilidad de que las dos bolitas
D) 2 extradas sean azules es de un 20%.
E) 1 (2) La probabilidad de no obtener ninguna
bolita azul es de un 50%.
A) (1) por s sola

B) (2) por s sola
38. Dado un experimento aleatorio, se define una

variable aleatoria X tal que los valores posibles son
{0, 1, 2, ..., 19, 20}. Al respecto, es siempre verdade- 40. Un saco contiene 10 fichas con letras del abece-
ro que dario. Se procede a sacar una ficha de la bolsa, se
registra la letra y se devuelve a la bolsa, luego se
I. P(X = 0) = P(X = 1) = P(X = 2) =...= P(X = 20)
extrae una segunda ficha y se registra la letra. Se
1
II. P(X 10) = define la variable aleatoria V como la cantidad de
2 vocales extradas. Podemos saber el recorrido de
III. P(X 20) = 1
la variable aleatoria V si sabemos que
A) Solo I
(1) La probabilidad de obtener al menos una
B) Solo III
consonante es 9
C) I y II 25
D) I y III
(2) La probabilidad de obtener dos
E) I, II y III
consonantes es de 2
50
A) (1) por s sola
B) (2) por s sola

MIS ANOTACIONES

NOMENCLATURA
Para todo
Existe
{a, b, c . . .} Conjunto formado por los elementos a, b, c . . .
Pertenece
No pertenece
Subconjunto
Unin
Interseccin
A c Complemento de A
Conjunto vaco
R2 Plano cartesiano
R3 Espacio Euclidiano
(a, b) Par ordenado
(a, b, c) Tro ordenado
A B Producto cartesiano entre A y B
N Nmeros naturales
N0 Nmeros cardinales
Z Nmeros enteros
Q Nmeros racionales
I Nmeros irracionales
R Nmeros reales
C Nmeros complejos
= Igualdad
Equivalencia
Semejantes
Congruentes
> Mayor que
< Menor que

Mayor o igual que

Menor o igual que
z Conjugado de z
f(x) Funcin con variable independiente x
f1(x) Funcin inversa de f(x)
Suma o resta
Resta o suma
ln Logaritmo natural o logaritmo en base e
Sumatoria
[a, b] Intervalo cerrado desde a hasta b
(a, b) o ]a, b[ Intervalo abierto desde a hasta b
(a, b] o ]a, b] Intervalo semi-abierto desde a hasta b
C(n, k) Combinacin de n sobre k
V (n, k) Variacin de n sobre k
fi Frecuencia
x Media aritmtica o promedio
Me Mediana
Mo Moda
Desviacin estndar
2 Varianza
PQ Segmento desde el punto P hasta Q
/ / Paralelos
Perpendicular
AB Arco desde A hasta B
sin() Seno de
cos() Coseno de
tan() Tangente de
m Pendiente de la recta y = mx + n
n Coeficiente de posicin de la recta y = mx + n

HOJA DE RESPUESTAS
Captulo 1 Captulo 2 Captulo 3 Captulo 4
Pgina 17 Pgina 46 Pgina 67 Pgina 83
1A 21 B 1A 21 B 1A 21 A 1C 21 C
2B 22 B 2B 22 E 2C 22 C 2D 22 A
3B 23 B 3E 23 C 3B 23 C 3A 23 D
4C 24 B 4A 24 E 4A 24 E 4A 24 D
5A 25 E 5E 25 D 5D 25 C 5C 25 A
6C 26 B 6C 26 A 6B 26 A 6C 26 A
7E 27 E 7D 27 E 7C 27 A 7B 27 C
8C 28 B 8C 28 C 8E 28 C 8B 28 B
9C 29 B 9D 29 B 9C 29 C 9D 29 D
10 C 30 B 10 A 30 C 10 E 30 C 10 C 30 A
11 B 31 E 11 D 31 B 11 E 31 D 11 E 31 C
12 A 32 A 12 B 32 D 12 D 32 B 12 D 32 C
13 D 33 C 13 C 33 C 13 D 33 D 13 E 33 A
14 D 34 D 14 C 34 C 14 B 34 C 14 D 34 E
15 E 35 D 15 B 35 A 15 D 35 A 15 B 35 B
16 C 36 E 16 A 36 B 16 E 36 C 16 D 36 B
17 C 37 D 17 D 37 A 17 D 37 E 17 C 37 A
18 C 38 B 18 A 38 C 18 C 38 E 18 B 38 B
19 B 39 C 19 A 39 B 19 A 39 D 19 B 39 E
20 B 40 A 20 E 40 A 20 B 40 A 20 D 40 D


Libro 4 PDF

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Libro 4 PDF

Загружено:

Авторское право:

Доступные форматы

Este material fue descargado para uso exclusivo de Geraldine Contreras,

geraldicontreras151@gmail.com. Se prohibe su reproduccin. Si quieres acceder

Mauricio Andrs Chiong C.

Este material fue descargado para uso exclusivo de Geraldine Contreras,

Este material fue descargado para uso exclusivo de Geraldine Contreras,

En ste se plasma el conocimiento adquirido en arduos aos de estudio, desde mi

Este material fue descargado para uso exclusivo de Geraldine Contreras,

Este material fue descargado para uso exclusivo de Geraldine Contreras,

Este material fue descargado para uso exclusivo de Geraldine Contreras,

La estadstica tiene dos ramas principales, una es la estadstica descriptiva que se

Este material fue descargado para uso exclusivo de Geraldine Contreras,

1 2 2 3 5 1 Notamos que obtenemos que el recorrido

La otra es cuando el recorrido de la variable tambin es muy

12 23 21 37 52 11 Podemos notar que en este caso el

Tiempo de atraso Frecuencia

En lo mostrado anteriormente, se usa la frecuencia o frecuencia absoluta (que es re-

Este material fue descargado para uso exclusivo de Geraldine Contreras,

la variable pedida, pero existen otros tipos de frecuencia tambin

7 Frecuencia absoluta acumulada

7 Frecuencia relativa acumulada

Este material fue descargado para uso exclusivo de Geraldine Contreras,

Entonces su grfico de barras o histograma ser

Este material fue descargado para uso exclusivo de Geraldine Contreras,

Tiempo de atraso Frecuencia Frecuencia relativa

Por lo tanto, el grfico circular

MEDIDAS DE POSICIN O TENDENCIA CENTRAL

Este material fue descargado para uso exclusivo de Geraldine Contreras,

3 Q1: Es la mediana de la primera mitad de los elementos

Este material fue descargado para uso exclusivo de Geraldine Contreras,

Este material fue descargado para uso exclusivo de Geraldine Contreras,

Este material fue descargado para uso exclusivo de Geraldine Contreras,

1. La siguiente tabla muestra la distribucin de los 3. El grfico de la figura representa el nmero de

Qu porcentaje de los alumnos del curso obtuvo 12 8

2. Segn informacin del INE (Instituto Nacional

A) Cursan estudios universitarios 40.000 habitantes.

Este material fue descargado para uso exclusivo de Geraldine Contreras,

4. La siguiente tabla muestra la distribucin de

200 5. Se quiere construir un grfico circular a partir de

II. 168 - 172,9 6

200 Cul debera ser la medida del ngulo

Este material fue descargado para uso exclusivo de Geraldine Contreras,

7. La tabla muestra los resultados de una prueba de A) 5

El representante del intervalo modal es

Este material fue descargado para uso exclusivo de Geraldine Contreras,

I. La mediana es igual a la moda

Este material fue descargado para uso exclusivo de Geraldine Contreras,

13. En la siguiente tabla se muestran las notas de

Este material fue descargado para uso exclusivo de Geraldine Contreras,

16. Dada la siguiente tabla 17. Dados los datos 1, 1, 2, 3, 5, 1, 5, 2. La

Este material fue descargado para uso exclusivo de Geraldine Contreras,

Este material fue descargado para uso exclusivo de Geraldine Contreras,

26. La tabla adjunta, muestra el resultado obtenido

Curso Promedio Desviacin

A) 14 I. El curso de la maana es el ms heterogneo

Este material fue descargado para uso exclusivo de Geraldine Contreras,

Pt1 + Pt2 + Pt3 + Pt4 + Pt5

Este material fue descargado para uso exclusivo de Geraldine Contreras,

Vainilla Pia 3 Leches Frutilla

Cul(es) de las siguientes afirmaciones es(son)

Este material fue descargado para uso exclusivo de Geraldine Contreras,

I. Se matricularon 66 alumnos en Febrero

Este material fue descargado para uso exclusivo de Geraldine Contreras,

A) Solo I [10 - 15[ 10