Академический Документы
Профессиональный Документы
Культура Документы
M. Daz Rodrguez
Barranquilla-Colombia
2015
Martn Daz Rodriguez
Estadstica I, (Borrador) Notas de clase.
Barranquilla:Ediciones Uninorte, 2015
112p
ISBN:
Ediciones
c Uninorte,2015
Martn
c Daz Rodrguez, 2015
Cordinacion editorial
Editor
Martn Daz Rodrguez.
Correccion de textos
Diseno de portada
v
vi Martn Daz Rodrguez
INDICE DE CUADROS
Indice general
1 Estadstica Descriptiva. 1
1.1 Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.1 Resena Historica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Estadstica Descriptiva . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.1 Componentes de una investigacion estadstica . . . . . . . . . . . . . . . . . . 3
1.2.2 Tipos de datos y escalas de medicion . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.3 Distribuciones de frecuencias . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.4 Tablas de frecuencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.5 Medidas de centralizacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.6 Medidas de dispersion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.3 Propiedades de la varianza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.4 Datos agrupados por intervalos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.5 Demostraciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
1.5.1 Demostracion 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
1.5.2 Demostracion 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2 Probabilidad. 47
2.1 Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
2.2 Repaso sobre conjuntos y algunas propiedades: . . . . . . . . . . . . . . . . . . . . . 48
2.2.1 Propiedades de conjuntos: . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.3 Espacio Muestral. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
2.4 Definicion Axiomatica de Probabilidad: . . . . . . . . . . . . . . . . . . . . . . . . . 51
2.4.1 Tecnicas de Conteo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
2.4.2 Probabilidad Condicional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
2.4.3 Probabilidad Total . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
2.4.4 Regla de Bayes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
2.5 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
vii
viii Martn Daz Rodrguez
4 Distribuciones conjuntas. 91
4.1 Variables Aleatorias Discretas Bidimensionales . . . . . . . . . . . . . . . . . . . . . 91
4.2 Variables Aleatorias Continuas Bidimensionales . . . . . . . . . . . . . . . . . . . . . 91
4.3 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
INDICE GENERAL
Captulo 1
Estadstica Descriptiva.
1.1. Introduccion
Haciendo un esfuerzo de reduccion y en formato de diccionario, es posible reconocer la estadstica
como la:
1
Ciencia que se ocupa del estudio de fenomenos de tipo generico, normalmente complejos y
enmarcados en un universo variable, mediante el empleo de modelos de reduccion de la
informacion y de analisis de validacion de los resultados en terminos de representatividad .
En otras palabras y aunque no es lo suficientemente exacto por no encerrar la inmensidad de
aplicaciones, puede afirmarse que la estadstica es la ciencia que se ocupa de reunir, organizar
y analizar datos con el objeto de obtener afirmaciones fiables (informacion valida, sin errores,
y representativa) que permitan resolver problemas como el diseno de experimentos y la toma
de decisiones a traves de las fases de recogida de informacion, (donde la informacion puede ser
numerica, alfabetica o simbolica) de analisis y de presentacion e interpretacion de los resultados y
elaboracion de metodos.
En estadstica existe siempre una relacion entre la informacion necesaria y la fiabilidad del
conocimiento que esta proporciona, puesto que la certeza completa es inalcanzable. El arte de la
estadstica practica reside en la investigacion de la probabilidad de un hecho y en el conocimiento
de la cantidad de informacion que se requiere para calcular su probabilidad.
La estadstica es la ciencia que trata de obtener afirmaciones fiables sobre hechos o fenomenos
variables. Esta desempenando un importante papel ascendente en casi todas las facetas del progreso
humano. Anteriormente solo era aplicada a los asuntos del estado, de donde viene su nombre;
pero ahora la influencia de la estadstica se extiende a la agricultura, biologa, negocios, qumica,
comunicaciones, economa, ensenanza, electronica, medicina, fsica, ciencias polticas, psicologa,
sociologa y otros muchos campos de la ciencia e ingeniera.
El proposito de este trabajo en su primera parte, es presentar una introduccion a los principios
generales de la estadstica descriptiva que sea de utilidad para todos, con independencia de sus
campos de especializacion; como la organizacion y analisis de datos, probabilidades de eventos, las
1 SANCHEZ-CRESPO, G; MANZANO, V.: Sobre la definicion de Estadstica.Boletn de la International
Association of Statistical Education para America Latina, Oct. (2002), (5 pp) (dpp)
1
2 Martn Daz Rodrguez
diferentes formas en que se pueden distribuir las probabilidades y variar los datos de cualquier
muestra o poblacion. Ademas espero que en su segunda parte tambien sirva de consulta para todos
aquellos que esten ligados de una u otra forma con aplicaciones estadsticas en sus propios problemas
de investigacion.
En este documento recopilaremos de forma organizada conceptos importantes que permitan obtener
una vision y claridad amplia de la definicion antes expuesta y de la gran influencia de la ciencia
estadstica dentro de casi todos lo fenomenos que nos rodean especialmente a aquellos interesados
en el desarrollo cientfico.
El Imperio romano fue el primer gobierno que recopilo una gran cantidad de datos sobre la
poblacion, superficie y renta de todos los territorios bajo su control. Durante la edad media
solo se realizaron algunos censos exhaustivos en Europa. Los reyes caloringios Pipino el Breve y
Carlomagno ordenaron hacer estudios minuciosos de las propiedades de la Iglesia en los anos 758 y
762 respectivamente. Despues de la conquista normanda de Inglaterra en 1066, el rey Guillermo I
de Inglaterra encargo la realizacion de un censo. La informacion obtenida con este censo, llevado a
cabo en 1086, se recoge en el Domesday Book. El registro de nacimientos y defunciones comenzo en
Inglaterra a principios del siglo XVI, y en 1662 aparecio el primer estudio estadstico notable de
poblacion, titulado Observations on the London Bills of Mortality (Comentarios sobre las partidas
de defuncion en Londres). Un estudio similar sobre la tasa de mortalidad en la ciudad de Breslau,
en Alemania, realizado en 1691, fue utilizado por el astronomo ingles Edmund Halley como base
para la primera tabla de mortalidad. En el siglo XIX, con la generalizacion del metodo cientfico
para estudiar todos los fenomenos de las ciencias naturales y sociales, los investigadores aceptaron
la necesidad de reducir la informacion a valores numericos para evitar la ambiguedad de las
descripciones verbales.
1. De tamano adecuado.
2. Tomada al azar.
3. Las conclusiones tomadas de la muestra puedan extenderse a la poblacion.
Definicion 1.2.4. Muestra Aleatoria : Es cualquier muestra escogida al azar.
Definicion 1.2.5. Parametro : Cualquier caracterizacion objeto de estudio en una poblacion.
Ejemplo: La media poblacional, la mediana poblacional.
Un parametro se considera como el valor verdadero de la caracterstica a estudiar.
Definicion 1.2.6. Estadsticos : Cualquier caracterizacion de la poblacion realizada sobre una
muestra.
Definicion 1.2.9. Escala nominal : Es aquella en la que los numeros solo se emplean para
diferenciar los objetos, distintas categoras o nombres.
Por ejemplo, los numeros en las camisetas de los jugadores de futbol, los numeros de la cedula de
ciudadana, etc.
Definicion 1.2.10. Escala ordinal : Es aquella en que los numeros se utilizan para diferenciar
en orden de supremaca de acuerdo con cierto criterio jerarquico; como son los numeros que se
utilizan para clasificar los distintos estratos socioeconomicos o para designar preferencias. Cuando
los objetos son medidos en esta escala, los que tengan la misma asignacion se consideran iguales, y
los que tengan asignaciones distintas se consideran diferentes.
La diferencia entre dos numeros ordinales no tiene significado cuantitativo, solo expresa que una
situacion es mejor que otra, pero no cuanto.
Definicion 1.2.11. Escala de intervalos : Es una escala mas especializada que las dos anteriores,
en el sentido de que es posible ordenar las mediciones y decir en cuanto difiere una situacion de la
otra.
Por ejemplo en las mediciones de la temperatura no solo podemos decir que hoy hace mas calor
que ayer, sino que podemos decir hoy la temperatura es dos grados mas alta que ayer. Esta
escala es una escala verdaderamente cuantitativa.
Definicion 1.2.12. Escala de razon : Es aquella que tiene una unidad de medida, un punto de
origen no arbitrario (un cero verdadero, sinonimo de ausencia del atributo).
Por ejemplo el peso de una persona, su estatura, etc, en esta escala la razon entre dos numeros es
significativa, por ejemplo, si Paulo saco 5.0 y Graciela saco 2.5 en un curso de Estadstica I, cuya
calificaciones oscila de 0.0 a 5.0, entonces Paulo saco el doble de nota que Graciela.
Una vez que se han precisado las distintas escalas a las que estaran referidos los datos, se pasa a
resenar los elementos basicos que forman parte de las distintas maneras como se pueden resumir
los datos con el proposito de tener una vision aproximada de las caractersticas mas sobresalientes
de estos.
Las tablas de frecuencias puede ser ampliada agregando nuevas columnas con las frecuencias
relativas y las frecuencias acumuladas, y aun mas.
Ejemplo 1.2.3. Distribucion de frecuencias.
Los datos siguientes representan las edades en anos de 31 estudiantes de un curso de estadstica I
en administracion:
17 19 20 19 18 19
18 18 18 18 18 18
20 18 18 20 20 18
20 20 19 18 19 18
21 19 19 19 18 18
19
Organice los datos, calcule sus frecuencias, frecuencias acumuladas y relativas, y representelas por
medio de una tabla de frecuencias.
Solucion:
De acuerdo con los datos, se observa que estos jovenes tienen edades comprendidas entre 17 y 21
anos. Si denotamos con x1 los que tienen 17 anos, con x2 los que tienen 18 anos, x3 los de 19
anos, x4 los de 20 anos y con x5 los de 21 anos; la tabla de frecuencias, se puede expresar de la
siguiente manera:
xi fi Fi fri Fri
x1 = 17 f1 = 1 F1 = 1 fr1 = 1/31 Fr1 = 1/31
x2 = 18 f2 = 14 F2 = 15 fr2 = 14/31 Fr2 = 15/31
x3 = 19 f3 = 9 F3 = 24 fr3 = 9/31 Fr3 = 24/31
x4 = 20 f4 = 6 F4 = 30 fr4 = 6/31 Fr4 = 30/31
x5 = 21 f5 = 1 F5 = 31 fr5 = 1/31 Fr5 = 31/31
En la misma se observa que la frecuencia de las edades 17, 18, 19, 20 y 21 anos definidas
en la segunda columna de la tabla son: 1, 14, 9, 6 y 1 respectivamente, es decir, f1 = 1, f1 = 14,
f1 = 9, f1 = 6 y f1 = 1.
En la tercera columna de la tabla encontramos las frecuncias acumuladas de los estudiantes, en la
cuarta columna se encuentran las frecuencias relativas correspondientes a cada una de las edades
distintas. Se observa, por ejemplo, que la frecuencia relativa para los estudiantes que tienen 18
14
anos es fr2 = 31 = 45,16 %, es decir, que los jovenes de 18 anos, representan mas del 45 % de los
No de caras ni fi Ni Fi
0 38
1 144
2 342
3 287
4 164
5 25
1. Completar la tabla
2. Determinar para que clase Fi es mayor que el 60 % :F =
La mediana de una coleccion de datos ordenados en orden de magnitud, es el valor que divide al
conjunto de datos en dos partes iguales, es decir, el 50 % de los datos son menores o iguales a el
y el otro 50 %, son mayores o iguales a el. A esta medida tambien se le conoce con el nombre de
percentil 50. Si la poblacion se divide en vez de en dos partes, en cuatro partes, entonces cada una
de la partes se le conoce con el nombre de cuartil; si ordenamos los datos de manera ascendente,
el primer cuartil, sera el dato que deja por debajo de el, el 25 % de los datos, el segundo cuartil,
sera la mediana y el tercer cuartil, correspondera al dato que deja por debajo del el, el 75 % de
los datos. Denotaremos el primero, segundo y tercer cuartil por Q1 , Q2 y Q3 , respectivamente.
Definicion 1.2.21. Media poblacional: Sean {x1 , x2 , ..., xn }, el conjunto de todos los datos
distintos en una poblacion y sean f1 , f2 , . . . , fn las frecuencias respectivas, se define la media
poblacional, denotada , as:
Pn
fi xi
= Pi=1
n .
i=1 fi
Pn
i=1 xi
= .
n
Definicion 1.2.22. Media muestral
Sean x1 , x2 , ......, xn , una muestra de datos distintos extrada de una poblacion y sean f1 , f2 , ....,
fn , las frecuencias respectivas. Se define la media muestral, denotada X, as:
Pn
i=1 fi Xi
X= P n .
i=1 fi
Pn
f |x |
D.M. = Pni i
i=1
.
i=1 fi
Pn
i=1 |xi |
D.M. = .
n
Definicion 1.2.25. Varianza Poblacional
Sean x1 , x2 , ..., xN , el conjunto de todos los datos distintos de una poblacion y sean f1 , f2 , ..., fN ,
las frecuencias respectivas. Se define la varianza poblacional, denotada , 2 as:
PN
fi (xi )2
2 = i=1
PN .
i=1 fi
PN
2 i=1 (xi )2
= .
N
= 2 .
Osea que la desviacion estandar poblacional, es la raz cuadrada positiva de la varianza poblacional.
2. Si Y=aX, entonces 2 Y = a2 2 X
3. Si X=c, entonces 2 X = 0.
Demostracion:
1) Se demostrara para el caso poblacional.
Por definicion sabemos que
fi (Yi Y )2
P
Y2 = P , y por hipotesis que (1.1)
fi
Yi = aXi + b, para todo i = 1, 2, ..., N, entonces, (1.2)
X X X X
fi Yi = fi (aXi + b) = fi aXi + fi b, (1.3)
Pn Pn
i=1 fi (xi )3 / i=1 fi
C.S. = (1.7)
3
Si C.S. es mayor que cero decimos que la curva plana de distribucion de los datos versus las
frecuencias respectivas es sesgada a derecha, es decir, la grafica de distribucion de los datos debe
ser de la siguiente forma:
Si C.S. es igual a cero decimos que la curva plana de distribucion de los datos versus las frecuencias
respectivas es insesgada, es decir, la grafica de distribucion de los datos debe ser de la siguiente
forma:
Si C.S. es menor que cero decimos que la curva plana de distribucion de los datos versus las
frecuencias respectivas es sesgada a izquierda, es decir, la grafica de distribucion de los datos debe
ser de la siguiente forma:
Pn Pn
i=1 fi (xi )4 / i=1 fi
C.C. = (1.8)
4
Pn
i=1 (xi )4 /n
C.C. =
4
Si C.C. es mayor que tres decimos que la curva de distribucion de los datos versus las frecuencias re-
spectivas es empinada, es decir, la grafica de distribucion de los datos debe ser de la siguiente forma:
Si C.C. es igual a tres decimos que la curva de distribucion de los datos versus las frecuencias
respectivas es normal (forma de campana), es decir, la grafica de distribucion de los datos debe ser
de la siguiente forma:
Si C.C. es menor que tres decimos que la curva de distribucion de los datos versus las frecuencias
respectivas es achatada, es decir, la grafica de distribucion de los datos debe ser de la siguiente forma:
Ejemplo 1.3.1. Los datos en la tabla siguiente, representan las edades en anos de un grupo de
estudiantes universitarios
17 19 20 19 18 19
18 18 18 18 18 18
20 18 18 20 20 18
20 20 19 18 19 18
21 19 19 19 18 18
19
Tomando como base los datos de la tabla, haga lo siguiente:
1. Calcule la media
2. Calcule la varianza
3. Calcule el coeficiente de variacion
Pn
fi xi
= Pi=1
n .
i=1 fi
Pn
i=1Pfi (xi )2
2 = n .
i=1 fi
Pn Pn
i=1 fi (xi )4 / i=1 fi
C.C. = (1.9)
4
Pn Pn
i=1 fi (xi )3 / i=1 fi
C.S. = (1.10)
3
C.V. = . (1.11)
Solucion:
= 581/31 = 18.7
Pn Pn
2 = i=1 fi (xi )2 / i=1 fi , entonces:
2 = 25.99 / 31 =0.83
C.V.= , entonces:
C.V.= 0,83/ 18.7 = 0.04
Pn
fi (xi )3 /
Pn
fi
C.S.= i=1
3
i=1
, entonces:
15,87/31
C.S.=
( 0,83)3
= 0,67
Ademas los datos anteriores fueron clasificados segun la profesion en el campo economico: admin-
istrador, contador y economista.
A continuacion se presentan los datos anteriores ya clasificados por profesion:
Aplique los estadsticos estudiados para describir las caractersticas generales del grupo de pro-
fesionales en general y en particular en cada profesion. Presente los resumenes de interes que
permitan valorar las variables en estudio.
Describa los resultados encontrados en donde especifique comentarios sobre los asuntos siguientes:
1. Con base en estas variables que aspecto del trabajo satisface mas a los Profesionales de
esta ciencia?, cual parece ser el que menos lo satisface?, en cual de las tres variables cree
usted deben introducirse mejoras para estimular a mas personas a vincularse a la formacion
como profesionales en las distintas ramas de las ciencias economicas?
2. Segun las medidas descriptiva de dispersion, establezca cual de las tres variables parece
generar mayor diferencia de opinion entre estos profesionales? cual de las variables parece
tener mayor cohesion entre ellos?, justifique su respuesta.
4. Organice los datos de cada uno de los tres tipos de profesiones estudiados en una distribucion
de frecuencias, haga su analisis respectivo incluyendo el uso de las graficas que usted considere
necesarias para explicar su argumento.
Una ordenacion tabular de las clases versus las frecuencias correspondientes a cada una, se
le conoce como tabla de frecuencia por clases. Los datos ordenados y resumidos en una distribucion
de frecuencia, se suelen llamar datos agrupados. Aunque con el proceso de agrupacion generalmente
se pierde parte del detalle original de los datos, tiene la importante ventaja de presentarlos todos
en un sencillo cuadro que facilita el hallazgo de las relaciones que pueden haber entre ellos.
Las definiciones presentadas para los datos no agrupados por clase, son validas tambien para
datos agrupados por clases, solo que para los ultimos se habla de la frecuencia del intervalo de clase.
r
a= .
K
Nota: Si a no es un numero decimal finito, es necesario ampliar el rango en una cantidad c, tal que,
a= r+c
k , sea el menor numero decimal finito, con tantas cifras decimales como cifras decimales
tengan los datos, y de tal forma que cada intervalo tenga la misma amplitud.
Definicion 1.4.3. Marca de clase: sean Linf y Lsup el lmite inferior y el superior respectivamente
de un intervalo de clase. Se define la marca de clase para el intervalo [Li ,-Ls ), como la semisuma
de Li y Ls .
Nota: Denotaremos la marca de clase del j-esimo intervalo por Xj , con j = 1, ..., K.
Tabla de frecuencias:
Es un arreglo rectangular de los intervalos de clases versus las frecuencias respectivas.
1. Forma
3. Dispersion o variabilidad
Polgono de Frecuencia:
Es una representacion en el plano de la distribucion de frecuencia de los datos agrupados por
intervalos; que consiste en un grafico compuesto por segmentos de rectas (lneas) trazadas desde
los puntos de coordenadas, marcas de clase versus la frecuencia de la clase; hasta los puntos de
coordenadas marca de clase contigua versus frecuencia de la clase contigua, y as sucesivamente,
comenzando en la primera marca de clase y terminando en la ultima marca de clase.
Las representaciones graficas de distribuciones de frecuencia relativa pueden obtenerse del histogra-
ma o del polgono de frecuencias, sin mas que cambiar la escala de frecuencia a frecuencia relativa.
El graficos resultante recibe el nombre de histograma de frecuencias relativas o histogramas
porcentuales y polgonos de frecuencias relativas o polgonos porcentuales, respectivamente.
Ojivas:
Es el nombre que se le da, en especial a los polgonos de frecuencia acumulada.
Ojivas porcentuales:
Estos graficos pueden obtenerse con solo cambiar la escala de frecuencias acumuladas a frecuencias
relativas acumuladas en los polgonos de frecuencia.
Para datos agrupados por intervalos se tiene para las medidas de centralizacion estudiadas, las
siguientes ecuaciones:
1. La Moda
1
x = Linf intervalo modal +( )a
1 + 2
2. La Mediana
k
(N/2) (Fi1 ) X
X = Linf + [ ] a, siendo N = fi
fi i=1
3. La Media
Pk
i=1 fi di
=A+ a
N
siendo
Xi A
di = .
a
4. Varianza:
Pk Pk
2 fi (xi )2 ( fi xi )2
= i=1
i=1
= x2 (x )2
N N2
Demostracion 1): Le queda de ejercicio, recuerde que:
Demostracion 2):
en general se puede demostrar que el elemento que ocupa el puesto tal que por debajo de el se
encuentre el k % de los datos se puede calcular mediante la siguiente ecuacion:
fk = Linf + k %n Fi1 a,
X
fi
siendo Linf ,n, Fi1 , y fi el lmite inferior del intervalo de clase que contiene al dato xk , el tamano
de la muestra, la frecuencia acumulada anterior a la clase que contiene al dato y la frecuencia del
intervalo de clase que contiene al dato xk , respectivamente.
Demostracion de 3):
siendo
Xi A
di = .
a
Si se sabe que el menor de los trabajadores tiene una edad de 22 anos y el mayor tiene 46 anos.
1. Completar la tabla
3. Halle la media
Solucion:
1.
k 1 + 3,3 lg(n) = 5,8 k = 6.
r = xn x1 = 46 22 = 24
r 24
a= =4
k 6
f2 f2
f r2 = = = 0,267 f2 = 8,
n 30
recuerde que la frecuencia debe ser un numero natural.
Como por hipotesis f1 = 12, y, f1 d1 = 0, entonces d1 = 0.
Sabemos que la suma de todas las frecuencias debe ser igual a 30, o sea que
f6 + f4 + 28 = 30, f6 + f4 = 2, f6 = 2 f4 (1)
2.
1
X
b = Linf
modal + a
1 + 2
1 = 12 0 = 12,
2 = 12 8 = 4,
12 8
x
b = 22 + 4 = 22 + = 24,6
18 3
3. P
fi xi 848
x= P = = 28,28
fi 30
Ademas,se sabe que la estatura promedio fue de 146.32 cms y que el 87 por ciento de los estudiantes
miden 138.5 cms o mas.
Nota: Tome la amplitud con cero cifras decimales.
1. Completar la tabla
6. Con base en los resultados obtenidos en la tabla y en los estadsticos calculados que puede
decirse de las estatura de estos estudiantes. Justifique su respuesta.
Desarrollo:
Solucion parte 1.
Como F2 = 5, entonces los posibles resultados para f1 y f2 son:
f1 0 1 2 3 4 5
f2 5 4 3 2 1 0
F7 = F6 + 14 = 89 + 14 = 103.
1 + 4 + f3 + 24 + 29 + f6 + 14 + 5 = 108,
simplificando
f3 + f6 = 31, (1)
y de la tabla (ver sexta columna), tambien se sabe que:
2f3 + f6 = 4,
o en forma equivalente
f6 = 4 + 2f3 , (2).
Reemplazo (2) en (1), se tiene:
f3 + (4 + 2f3 ) = 31
f3 + 2f3 ) = 27, f3 = 9, y, f6 = 22.
a 3a
A = 138,5 + a + = 138,5 + .
2 2
Por otro lado se tiene que: Pn
fi d i 7 7
d = Pi=1
n = = ,
f
i=1 i n 108
x = A + ad , entonces
3a 7a 169a
x = 138,5 + + = 138,5 + = 146,32 ( esto ultimo por hipotesis ).
2 108 108
Tomando la amplitud con cero cifras decimales, se tiene a = 5.
a2 (f (di d)2 )
P
25 234,51
Pi
p
Sx 2 = = = 54,79, Sx = 54,79 = 7,402.
(fi 1) 107
Solucion parte 3.
S 54,79
c.v = = = 0,052.
x 141,32
Solucion parte 4. Esta le queda de tarea
Ejemplo 1.4.3. Los pagos semanales de 200 estudiantes que trabajan parte de su tiempo se
distribuyen como lo muestra la siguiente tabla:
a) Completar tabla.
b) Calcular la mediana.
c) Hallar varianza.
Solucion:
Solucion parte a.)
Por hipotesis
n = 200, = 105,025, x = 105,625
5n 97 n
f10 = = 10; F10 = = 194,
100 100
f4 = 22 y f4 d4 = 88, entonces d4 2 = 4, o sea que d4 = 2.
Si d4 = 2 entonces d3 = 1 y como por hipotesis
f3 d 3 = 39, entonces f3 = 39 absurdo, por lo tanto d4 = 2.
Como d4 = 2, entonces d1 = 5 y por hipotesis
f1 d 1 = f1 (5) = 125, entonces f1 = 5.
d3 = 3, por ser d4 = 2 y por hipotesis
f3 d 3 = f3 (3) = 39, entonces f3 = 13.
Se sabe que el 85 por ciento ganan 92.5 dolares o mas, entonces el 15 por ciento gana menos de
92.5 dolares, por tanto:
(15)(200)
= 30
100
y esto coincide con F3 lo que nos dice que el limite superior del tercer intervalo es 92.5.
Pn
fi di
= A + Pi=1 n a = 105,025,
i=1 fi
donde
(5)(a) (5)(a)
A = Linf,4 + = 92,5 + ,
2 2
luego
(5)(a) a
= 105,025 = 92,5 + + .
2 200
De lo anterior a = 5.
1
X
b = L6 + ( )a = 105,625, con 1 = 35 f5 = 10, y, 2 = 35 32 = 3,
1 + 2
35 f5
de donde se obtiene 105,625 = 102,5 + , simplificando se tiene,
35 f5 + 3
3,125 35 f5
=
5 38 f5
0,625(38 f5 ) = 35 f5
23,75 0,625f5 = 35 f5
0,375f5 = 11,25
f5 = 30
149 + f8 + f9 =184
f8 + f9 = 35 (1)
resolviendo el sistema de ecuaciones generados por las ecuaciones 1.) y 2.) tienen los val-
ores de f8 = 20 y f9 = 15.
Tabla completa
de 4.0, el 33.45 por ciento sacaron notas entre 4.2 y 4.4 y resto de la informacion reposa en la
siguiente tabla.
[Linf Lsup ) xi fi Fi f ri F ri di fi di
5 -25
0
5
0
[3.8-4.1) 0.3
30 0.45
2
2. el coeficiente de curtosis
3. el coeficiente de sesgo.
K = 1 + 3,3(lg(n))
k=6
r = xn x i
r=2
a = kr
a = 0,3
Como f1 = 5, y f1 d1 = 25
25
entonces d1 = f1
25
d1 = 5 = 5,
Para hallar los intervalos solo tenemos que restar 3.8-0.3 y sumar 4.1+0.3 y as sucesiva-
mente hasta llenar la tabla.
Para hallar todos los xi tenemos que sumar los dos intervalos de cada celda y luego dividir-
lo entre dos.
como sabemos que el 33.45 por ciento de los estudiantes sacaron una nota entre 4.2 y 4.4
podemos deducir que esos puntajes pertenecen a la fila 6, es decir que f6 = 15
como sabemos que cinco de los estudiantes tuvieron una nota menor de 4.0 entonces f3 y
f4 tienen un valor de 0
[Linf Lsup ) xi fi Fi f ri F ri di fi di
[2.6-2.9) 2.75 5 5 0.15 0.15 -5 -25
[2.9-3.2) 3.05 0 5 0 0.15 -4 0
[3.2-3.5) 3.35 0 5 0 0.15 -3 0
[3.5-3.8) 3.65 0 5 0 0.15 -2 0
[3.8-4.1) 3.95 10 15 0.3 0.45 -1 -10
[4.1-4.4) 4.25 15 30 0.45 0.91 0 0
[4.4-4.7) 4.55 2 32 0.06 0.97 1 2
[4.7-5.0] 4.85 1 33 0.03 1 2 2
P
(fi di ) 31
x=A+ n (a) x = 4,25 + 33 (0,3) x = 3,96
fi (xi x)2
P
S2 = P
(fi )1
10,129
S2 = 32
S 2 = 0,316
Coeficiente de Sesgo
fi (xi x)3
P
C.S = n
s3
6,409
C.S = 32
0,177
C.S = 1,131
Coeficiente de Curtosis
fi (xi x)3
P
C.C = n
s4
10,58
C.C = 32
0,099
C.C = 3,339
1. Completar la tabla
2. Halle la moda
Linf,i +Lsup,i
Por definicion la marca de clase del i-esimo intervalo viene dada por: xi = 2
L +Lsup,3
x3 = inf,3 2 , pero por hipotesis x3 = 51, que al reemplazarlo en la ecuacion anterior,
se tiene:
41+Lsup,3
51 = 2 , entonces
41
Lsup,3 = (51 2 )2
Como todos los intervalos son de igual amplitud y el tercer intervalo [41, 61] tiene una am-
plitud de 20, entonces a=20.
Como el 20 por ciento de las 50 personas tienen entre 61 y menos de 81 hectares entonces,
5020
100 = 10, que es el numero de personas con numero de hectareas entre 61 y menos de
81.
F4 = F5 f5
F4 = 50 8
F4 = 42
f1 + f2 + f3 + f4 + f5 = 50, entonces
f3 = 50 (f1 + f2 + f4 + f5 )
f3 = 50 (18 + 8 + 10 + 8)
f3 = 6,
[Linf Lsup ) xi fi Fi di fi d i
[1-21) 11 18 18 0 0
[21-41) 31 8 26 1 8
[41-61) 51 6 32 2 12
[61-81) 71 10 42 3 30
[81-101] 91 8 50 4 P 32
fi di = 82
A=11 / 4 . a=20
P
x=A+ Pfi di (a)
fi
82
x = 11 + 50 (20)
x = 43,8
fi (xi x)2
P
s2 = P
(fi 1)
46,208
s2 = 49
s2 = 0,943
s2 = 0,971
1.5. Demostraciones
1.5.1. Demostracion 1
Demostrar que:
( n2 Fi 1) a
x
e = li + .
fi
Sea x
e = li + d, debemos demostrar que
( n2 Fi 1) a
d= ,
fi
1.5.2. Demostracion 2
Demostrar que: P
fi di
x=A+ P a.
fi
1.5. DEMOSTRACIONES
36 Martn Daz Rodrguez
fj xj = afj dj + Afj ,
[Li Ls ] Xi fi Fi di fi di
9
8
7
P5
i=1 fi di = 38
e) Que posicion relativa ocupo un estudiante que saco una nota de 3.9?
1.5. DEMOSTRACIONES
38 Martn Daz Rodrguez
Despues de hacer una evaluacion previa, vemos que la marca de clase fija es x1 , ya que es en la
unica forma que la sumatoria de los fi di de 38.
De otro lado tenemos que f4 + f5 = 5 y que 3f4 + 4f5 = 16
Al igualar estas dos ecuaciones obtenemos que
f5 = 1 y f4 = 4
por otro lado tenemos que la amplitud debe ser mayor que 0.3 para que los datos 4.2, 4.3, 4.4 y
4.5, esten en el cuarto intervalo y menor que 0.5 para que en el ultimo intervalo solo este la nota
5.0, ya que si la amplitud fuera 0.5, la nota 4.5 estara en el quinto intervalo y esto es falso, ya que
este quinto intervalo solo tiene un elemento. Por lo tanto la amplitud debe ser a=0.4, ya que debe
tener tanta cifras decimales, como cifras decimales tengan los datos.
[li ls ) xi fi Fi di fi di
[3.0-3.4) 3.2 9 9 0 0
[3.4-3.8) 3.6 8 17 1 8
[3.8-4.2) 4.0 7 24 2 14
[4.2-4.6) 4.4 4 28 3 12
[4.6-5.0] 4.8 1 29 4 4
P
(fi di )
x=A+ P
(fi ) a
3,8
x = 3,2 + 29 (0,4)
x = 3,72
P 2
i x) )
2 = (fiN(x1
2 = 6,08
28 = 0,21
3 = 0,1
4 = 0,047
Coeficiente de curtosis
(fi (xi x)4 )
P
P
(fi )
c.c = 4
2,9
c.c = ,0047
29
c.c = 2,12
Coeficiente de sesgo
(xi x)3
P
P
(fi )
c.s = 3
1,38
c.s = 0,1
29
c.s = 0,4.
1.5. DEMOSTRACIONES
40 Martn Daz Rodrguez
Ejercicio 1 (Examen para los estudiantes AD). A continuacion se muestran los datos de 50
personas correspondientes al numero de hectareas que cada uno posee. Se sabe que el 20 por ciento
de las personas tienen entre 65 y 75 hectareas.
[Linf Lsup ) xi fi Fi di fi di
[-) 18
[ 21-?? ) 8
[- ) 51 1
[-)
[-] 8
1. Completar la tabla
2. Halle la moda
Ejercicio 2 (Examen para los estudiantes PECO). A continuacion se muestran los datos de 50
personas correspondientes a el numero de hectareas que cada uno posee. Se sabe que el 25 por ciento
de las personas tienen entre 65 y 75 hectareas.
[Linf Lsup ) xi fi Fi di fi di
[-) 18
[ 21-?? ) 8
[- ) 1
[-)
[-] 91 8
1. Completar la tabla
2. Halle la moda
1.5. DEMOSTRACIONES
42 Martn Daz Rodrguez
Ejercicio 3 (Examen para los estudiantes AD). A continuacion se muestran los datos de 50
personas correspondientes a el numero de hectareas que cada uno posee. Se sabe que el 25 por
ciento de las personas tienen entre 65 y 75 hectareas.
[Linf Lsup ) xi fi Fi di fi di
[-) 11 18
[-) 8
[- ) 1
[-)
[-] 91 8
1. Completar la tabla
2. Halle la moda
Ejercicio 4 (Examen para los estudiantes PCPG). De un grupo de 30 trabajadores de una empresa
de servicios, se suministro la siguiente informacion con respecto a sus edades:
1. Completar la tabla
4. Con base en los resultados obtenidos en los items anteriores, describa las caractersticas del
grupo en relacion con sus edades.
Justifique cada una de sus respuestas
1.5. DEMOSTRACIONES
44 Martn Daz Rodrguez
Resto del grupo: Utilizando datos agrupados por intervalos y los estadsticos estudiados, describa
las caractersticas de los profesionales de ciencias polticas en relacion con el grado de satisfacion
con el trabajo. Justifique su respuesta estadsticamente.
Para los estudiantes de PCPG, haga lo mismo para datos no agrupados, tome solo la
primera columna.
Utilizando datos no agrupados y los estadsticos estudiados, describa las caractersticas de los
profesionales de ciencias polticas en relacion con el grado de satisfacion con el trabajo, (tome
solo los 10 primeros datos de la ultima columna). Justifique su respuesta estadsticamente.
1.5. DEMOSTRACIONES
46 Martn Daz Rodrguez
Utilizando datos agrupados por intervalos y los estadsticos estudiados, describa las caractersticas
de los profesionales de ciencias polticas en relacion con el grado de satisfacion con el salario.
Justifique su respuesta estadsticamente.
Probabilidad.
2.1. Introduccion
La historia del calculo de probabilidades es, entre todas las ramas de las matematicas, algo singular,
ya que nace como una teora para juegos de azar y muy pronto se utiliza para el estudio de fenomenos
colectivos tales como problemas actuariales, riesgos economicos y sociales, predicciones estadsticas
y otros muchos problemas filosoficos de diversos tipos. As durante casi tres siglos (XVII, XVIII
y XIX el llamado periodo clasico de la probabilidad), la motivacion y el motor para su desarrollo
proviene sobre todo, de temas externos a la matematica. El problema principal a que se enfrenta
esta teora, es el de como pasar del contenido intuitivo del concepto de azar a conceptos rigurosos
dentro de la matematica.
En los problemas de tipo discreto o finito esta dificultad no se presenta. En un juego de baraja
(poker) la pregunta cual es la probabilidad de sacar un poker de ases? tiene una respuesta bien
definida.
En otro tipo de problemas las cosas pueden complicarse; por ejemplo, consideremos el problema
de calcular la probabilidad de que un dardo al ser lanzado contra un disco caiga en cierta parte
prefijada del disco. Este problema puede ser complicado o sencillo y esto depende de cual sea el
subconjunto del disco que se fijo.
A principios de este siglo quedaba claro que la teora de la probabilidad requera de un marco
teorico mas adecuado para su desarrollo y este se encuentra gracias a los avances logrados en otras
areas de la matematica. Al construir este marco se logran varias cosas: no solo se libera a la teora
de su mero papel de instrumento, sino que se la convierte en una rama plenamente reconocida de
las matematicas, sin que por ello olvide su motivacion externa e intuitiva.
La rama toma su forma actual a partir de los anos 30s cuando Kolmogorov establece con sus
axiomas para el calculo de probabilidades las bases matematicas para asentar la teora, con lo cual,
ademas se aclaran las aparentes paradojas existentes. Todo esto aparece en su famosa monografa
Grundbegriffe der Wahrscheinlichkeitsrechnung, (1933). Los antecedentes del esquema Kolmogorov
son:
1. Los notables avances que en el area del analisis matematico se dan durante la primera decada
de este siglo con la creacion de la teora de la medida (E. Borel) y de la integral de Lebesgue. Esto
surge independientemente de la probabilidad, a pesar de lo cual, resulta ser la herramienta ideal
para su desarrollo y solido sustento matematico.
2. Por el lado de la probabilidad, se cuenta con la demostracion de E. Borel de la ley fuerte de los
grandes numeros en donde este ya maneja la nocion de probabilidad con las propiedades aditivas
47
48 Martn Daz Rodrguez
que tiene una medida. Por otra parte, los trabajos de Norbert Wiener y los de Paley y Zigmund,
contienen desarrollos importantes de la teora y en ellos ya manejan la idea de probabilidad como
medida. Tambien Lominicki y Steinhaus (1923) escriben sobre la relacion de la probabilidad con
la teora de la medida. No menos relevante es el trabajo relativo a las cadenas de Markov y sus
aplicaciones.
Por su parte N. Wiener, en sus trabajos de los anos veinte, logra resolver un importante problema
consistente en dar un modelo matematico preciso y riguroso de un fenomeno aleatorio por excelencia:
el movimiento browniano. Tiene este nombre porque fue observado por primera vez por el botanico
Robert Brown en 1828, al analizar con el microscopio partculas de polen suspendidas en agua.
Es plausible pensar que una partcula de polen no tiene una direccion fija, sino que, debido a los
constantes impactos que recibe de las moleculas de agua cambia constantemente de direccion. Por
ello su posicion al cabo de cierto tiempo resulta impredecible. La matematica clasica sirve para
estudiar fenomenos deterministas, como por ejemplo la cada libre o el tiro parabolico; no as para
fenomenos de tipo aleatorio como el del movimiento browniano. Por ello el modelo que N. Wiener
dado para el movimiento browniano, es un gran paso adelante y uno de los mas espectaculares
logros de la entonces novedosa teora de las probabilidades.
Se puede as considerar que el trabajo de estos grandes matematicos de nuestro siglo impulsa de
manera determinante la creacion de esta nueva rama de las matematicas y con ello abren un nuevo
cauce de investigacion que ha sido en las siguientes seis decadas excepcional por sus logros y su
extraordinario dinamismo.
A B = {x/x A x B}
A B = {x/x A x B}
A B = A B c = {x/x A x no pertenece a B}
CAPITULO 2. PROBABILIDAD.
Estadstica I. Notas de clase (Borrador) 49
4. El complemento de un conjunto
Ac = {x/x U x no pertenece a A}
1. A =
2. A U = A
3. A Ac =
4. A = A
5. A U = U
6. A Ac = U
7. A B = B A
8. A B = B A
9. A (B C) = (A B) (A C)
10. A (B C) = (A B) (A C)
11. (A B)c = Ac B c
12. (A B)c = Ac B c
13. A = (A B) (A B c )
AB =
S = {1,2,3,4,5,6}
A = {2, 4, 6} S = {1, 2, 3, 4, 5, 6}
Definicion 2.3.6. Evento Imposible:
Es aquel que no tienen puntos muestrales ( o tienen elementos que no pertenecen al espacio muestral)
Ejemplo 2.3.5. Al lanzar un dado normal una vez, A = {}, si el resultado que se desea es 7.
Definicion 2.3.7. Evento Seguro:
Es aquel que al realizar el experimento siempre ocurrira.
Por ejemplo al lanzar un dado normal el resultado siempre sera, 1, 2, 3, 4, 5 o 6, as que el evento
S={1,2,3,4,5,6}, es un evento seguro.
CAPITULO 2. PROBABILIDAD.
Estadstica I. Notas de clase (Borrador) 51
Definicion 2.3.8. Evento Simple: Se dice que un evento es simple si contiene un solo punto
muestral.
Definicion 2.3.9. Evento Compuestos: Se dice que un evento es compuesto, si contiene mas de
un punto muestral.
Definicion 2.3.10. Evento Disyuntos: dos eventos son disyuntos si su interseccion es vaca, es
decir si la ocurrencia de uno de ellos, anula la ocurrencia del otro y viceversa.
El concepto de Probabilidad se puede abordar desde dos puntos de vista, desde el punto de vista
emprico donde la probabilidad es tratada como una frecuencia relativa y desde el punto de vista
axiomatico. El principal problema de la primera es que supone que todos los puntos muestrales
tienen la misma probabilidad de ocurrencia, cosa en general no es cierta.
Definicion 2.3.11. Definicion Emprica: Sea S el espacio muestral en un experimento aleatorio y
sea A un evento de S. se define la probabilidad de A, denotada P (A), as:
Numero de casos favorables a la ocurrencia del evento A
P (A) =
numero total de casos posibles de S
P : z R
se dice que P es una funcion de probabilidad o tambien simplemente una probabilidad si y solo si
se cumplen las siguientes condiciones:
a. P (A) 0
b. P (S) = 1
P
P (Ui=1 Ai ) = i=1 P (Ai ) = P (A1 , A2 , ..., A )
a. P () = 0
b. P (S) = 1
c. P (Ac ) = 1 P (A)
d. P (A B) = P (A) + P (B) P (A B)
e. P (A) = P (A B) + P (A B c )
f. P (A B) = P (A) + P (B) ; Si A B =
Ejemplo 2.4.1. 1. Supongamos que P (A) = 0,5; P (B) = 0,3; P (A B) = 0,6
Calcular:
a. P (Ac ) =?
b. P (A B) =?
c. P (A B c ) =?
d. P (Ac B c ) =?
e. P (Ac B) =?
f. P (Ac B c ) =?
Solucion
b. P (A B) = P (A) + P (B) P (A B)
Entonces: P (A B) = 0,5 + 0,3 0,6 = 0,2
c. P (A B c ) = P (A) P (A B)
Entonces: P (A B c ) = 0,5 0,2 = 0,3
CAPITULO 2. PROBABILIDAD.
Estadstica I. Notas de clase (Borrador) 53
a. Region 5
b. Region 3
c. Region 1 y 2 juntas.
d. Region 4 y 7 juntas.
e. Region 3, 6, 7 y 8 juntas.
Solucion
b. Recibiran una infraccion por falta de transito y llegaran a un lugar para acampar que
esta lleno pero no sufriran problemas mecanicos.
c. Sufriran problemas mecanicos y llegaran a una zona para acampar que esta llena.
d. Recibiran una infraccion de transito y no llegaran a un sitio para acampar que no tenga
sitios vacos.
Para el evento A supongamos que existen 4 rutas distintas y para el evento B, 3 rutas diferentes,
luego numero de formas distintas en que se puede viajar de Barranquilla a Bogota es 3 + 4 = 7
Definicion 2.4.3. Principio de Multiplicacion Si un evento A puede realizarse de m maneras
diferentes y un evento B puede realizarse de n maneras distintas y los eventos pueden darse
conjuntamente, entonces el numero de formas distintas en que pueden darse los eventos A y B
conjuntamente es m * n
Ejemplo 2.4.4. Evento A : lanzar un dado una vez.
Evento B : lanzar una moneda una vez.
Para el evento A hay 6 posibilidades (numeros enteros entre 1 y 6) y para el evento B exis-
ten dos posibles resultados (cualquiera de los dos lados de la moneda). Luego, los puntos muestrales
para cuando A y B ocurren conjuntamente es 6 * 2= 12.
Definicion 2.4.4. Permutacion Una permutacion es una n-upla de elemento en donde el orden en
que se escriben estos, es importante.
Piense en una permutacion como si fuera un vector, ya que por ejemplo el vector (1,2,3) es diferente
del vector (2,1,3), a pesar de tener los mismos elementos, en forma analoga la permutacion 123 es
diferente de la permutacion 213.
Definicion 2.4.5. Combinacion Es una n-tupla de elementos en donde el orden en que se escriban
los elementos no es importante, es decir, si se escriben los mismos elementos en un orden distinto,
se estara hablando de la misma combinacion.
Piense en una combinacion como si fuera un conjunto, ya que por ejemplo el conjunto {1,2,3} y el
conjunto {2,1,3}, son iguales a pesar de que sus elementos estan escritos en un orden distinto; en
forma analoga 123 visto como una combinacion y 213 son representaciones de la misma combinacion.
Teorema 2.4.2. El numero de permutaciones de n elementos distintos, tomados de k en k , sin
repeticion, denotado nPk , viene dado as:
n!
nPk = (nk)!
CAPITULO 2. PROBABILIDAD.
Estadstica I. Notas de clase (Borrador) 55
n!
nPn = (nn)! = n!
n!
nP n1 , n2 , ..., nk = (n1 !n2 !...nk !)
Pk
donde n = i=1 ni
Teorema 2.4.5. El numero de combinaciones de n elementos distintos tomados de k en k,
denotado nCk , viene dado as:
n!
nCk = k!(nk)! =
n!
nCn = n!(o)! =1
Solucion
n1 =3 para I
n2 =2 para N
n3 =1 para F
n4 =1 para T
n5 =1 para O
8!
Luego nP3,2,1,1,1 = 3! 2! 1! 1! 1! = 3360
Ejemplo 2.4.6. De cuantas formas distintas pueden 6 personas ordenarse para subirse a un bus?
Solucion
n=6
6P6 = 6! = 720
Solucion
Se sabe que si se tienen 6 puestos disponibles para las 6 personas, las formas totales en que
estas se pueden sentar juntas en una lnea es 6!=720.
Se necesita calcular las nuevas posibles formas de instalarse sin que las personas en conflicto
queden juntas y para ello una forma posible de solucion es la siguiente, se calcula las formas en
las que las personas especficas pueden sentarse juntas y luego restar este valor del numero total
de posibilidades. Ahora, el numero total de formas en las que las dos personas especficas pueden
sentarse juntas es 2! 5! y segun lo descrito anteriormente, el numero de formas en las que las 6
personas pueden instalarse bajo la condicion establecida es:
Ejemplo 2.4.7. Una cadena de tiendas de aparatos electronicos ofrecen un precio especial por
un conjunto completo de equipos de sonido: amplificador, componente compactos, parlantes y
tocadisco. Un comprador puede elegir un componente de cualquiera de las siguientes marcas:
1. Amplificador: Kendwood, Onkyo, Pioneer, Sony y Sherwood
2. Componente Compacto: Onkyo, Pioneer, Sony y Technics
3. Parlantes: Boston, Infinity y Polk
4. Tocadisco: Onkyo, Sony, Teac y Technics
Un tablero en la tienda permite que un cliente conecte entre s cualquier seleccion de componentes,
uno de cada tipo.
CAPITULO 2. PROBABILIDAD.
Estadstica I. Notas de clase (Borrador) 57
Solucion
a. 5 * 4 * 3 * 4 = 240
b. 1 * 1 * 3 * 4 = 12
c. 4 * 3 * 3 * 3 = 108
d.
240 - 108 =132
e.
a. Formas de hacer la seleccion empleando cuando menos un componente Sony
132
P(Punto a - Punto c)= 240
b. Formas de hacer la seleccion utilizando exactamente un componente Sony k = 27 + 36 + 36 = 99
99 33
Por lo que la probabilidad es igual a 240 = 80
P (AB)
P (A|B) = P (B)
Si P (B) 6= 0
Ejemplo 2.4.8. La probabilidad de que un doctor diagnostique de manera correcta una enfermedad
particular es de 0.7. Dado que el doctor hace un diagnostico incorrecto, la probabilidad de que el
paciente presente una demanda es de 0.9
Cual es la probabilidad de el medico presente un diagnostico incorrecto y el paciente lo demande?
Solucion
A = Diagnostico correcto
B = Demanda
P(A) = 0.7
P (B|Ac ) = 0,9
P (Ac B) =?
Entonces:
P (Ac B) = P (Ac )P (B|Ac )
luego, P (Ac ) = 0,3
P (Ac B) = (0,3)(0,9) = 0,27
P (A B) = P (A)P (B)
Pn Pn
P (B) = i=1 P (Ai B) = i=1 P (Ai )P (B|Ai ).
Ejemplo 2.4.9. Una caja contiene 6 bolas rojas y 4 verdes y una segunda contiene 7 rojas y
3 verdes. Se escoge al azar una bola de la primera caja y se coloca en la segunda. Despues se
selecciona una bola de la segunda y se pone en la primera.
1. Cual es la probabilidad de que se seleccione una bola roja de la primera caja y una bola roja
de la segunda caja.
Solucion Ai = bola roja de la caja i; con i = 1,2
24
Entonces: P (A1 A2 ) = (6/10)(8/11) = 55
Ejemplo 2.4.10. Una empresa que fabrica camaras de video, un modelo basico y otro de lujo. El
ano pasado el 0.4 de las camaras vendidas fueron basicas. De los compradores del modelo basico,
el 0.3 compran con garanta ampliada mientras que el 0.5 de los compradores del modelo de lujo
CAPITULO 2. PROBABILIDAD.
Estadstica I. Notas de clase (Borrador) 59
tambien lo hacen as. Si se sabe que un comprador seleccionado al azar tiene garanta ampliada,
Que tan probable es que tenga un modelo basico?
Solucion
B
= camara comprada es modelo basico.
A
= camara comprada tiene garanta ampliada.
P (B|A) =?
P (B|A) = P P(AB)
(A)
Ejemplo 2.4.11. Un amigo que trabaja en una gran ciudad tiene 2 autos, uno pequeno y otro
grande. 3/4 del tiempo utiliza el automovil pequeno para ir a trabajar y el 1/4 restante utiliza el
auto grande.
Si utiliza el automovil pequeno por lo general no tiene problema para estacionarse y llega a su
trabajo a tiempo con una probabilidad de 0.9.
Si utiliza el automovil grande la probabilidad es de 0.6 de llegar a tiempo.
Si llego a tiempo una manana en particular, Cual es la probabilidad de que haya utilizado el auto
pequeno?
Solucion
B
= utilizar el auto pequeno.
A
= llegar a tiempo al trabajo.
P(B/A)=?
P (B) = 3/4 = 0,75
P (B c ) = 1/4 = 0,25
P (A|B) = 0,9 y P (Ac |B) = 0,1
P (A|B c ) = 0,6
2.5. Ejercicios
CAPITULO 2. PROBABILIDAD.
Estadstica I. Notas de clase (Borrador) 61
Problema de aplicacion 4. Se lanza una moneda con una probabilidad de 2/3 de que el resultado
sea cara, si sale cara se extrae una bola aleatoriamente de una urna que contiene 2 bolas rojas y
3 verdes. Si sale sello se extrae una bola de otra urna que contiene 2 rojas y 2 verdes. Cual es la
probabilidad de extraer una bola roja?
Problema de aplicacion 5. Dos fabricas A y B producen relojes de la misma clase. A con un
reloj defectuoso entre 100 y B con un reloj defectuoso entre 200. un comerciante compra una caja
de tales relojes, sin saber de cual fabrica viene. Saca un reloj y funciona, al sacar el segundo reloj,
Cual es la probabilidad de que el reloj funcione?
Justifique cada una de sus respuestas.
2.5. EJERCICIOS
62 Martn Daz Rodrguez
CAPITULO 2. PROBABILIDAD.
Estadstica I. Notas de clase (Borrador) 63
NOMBRE
2. En cuantas formas podra escoger las tres casas, si se considera que el orden de visita no es
importante?
3. Si cuatro de las casas son nuevas y seis han sido ocupadas previamente, y las tres casas por
visitar se escogen al azar, cual es la probabilidad de que sean nuevas?
Problema de aplicacion 9. Un profesor que el ultimo periodo dio dos secciones de estadstica
en ingeniera, el primero con 20 alumnos y el segundo con 30 decidio asignar un proyecto para los
cursos. Despues de recibidos todos los proyectos, los apilo en orden aleatorio antes de calificarlos.
Considere los 15 primeros proyectos que se califican.
Cual es la probabilidad de que al menos 10 de ellos provengan de la segunda seccion?
Problema de aplicacion 10. Tres parejas de casados han comprado boletas para el teatro y
se sientan en una fila formada por seis asientos. Si toman sus asientos de un modo totalmente
aleatorio, cual es la probabilidad de que Jim y Paula (marido y mujer) se sienten en los dos
asientos de la extrema izquierda? cual es la probabilidad de que Jim y Paula se sienten juntos?,
dado que Jhon y Mary Lou (marido y mujer) se sientan juntos en el medio, cual es la probabilidad
de que los otros dos esposos se sienten junto a sus esposas?
Problema de aplicacion 11. El individuo A tiene un crculo de amigos cercanos (B, C, D, E y
F). A ha odo un rumor fuera del crculo y ha invitado a los cinco amigos a una reunion para hacer
circular el rumor. Para comenzar, A selecciona a uno de los cinco al azar y le comenta el rumor,
entonces ese individuo selecciona al azar a uno de los cuatro individuos restantes y repite el rumor.
As, un nuevo individuo de los que no han odo el rumor es seleccionado por el individuo que acaba
de escucharlo, y as, hasta que todos lo han odo.
1. Cual es la probabilidad de que el rumor sea repetido en el orden B, C, D, E y F?
2. Cual es la probabilidad de que F sea la tercera persona de la reunion a quien se le cuente el
rumor?
Problema de aplicacion 12. Una empresa que fabrica camaras de video produce un modelo
basico y uno de lujo. El ano pasado, 40 % de las camaras vendidas han sido del modelo basico,
30 % compran una garanta ampliada, mientras que el 50 % de los compradores del modelo de lujo
tambien lo hacen as. Si sabemos que un comprador seleccionado al azar tiene garanta ampliada
que tan probable es que tenga un modelo basico?
2.5. EJERCICIOS
64 Martn Daz Rodrguez
NOMBRE
CAPITULO 2. PROBABILIDAD.
Estadstica I. Notas de clase (Borrador) 65
Ejercicio 8. El evento A es que el siguiente libro que salga de una biblioteca publica sera de no
ficcion y B de ficcion. Supongamos que P(A)=0.35 y P(B)=0.5.
ECAES DE ESTADISTICA I
Ejercicio 9. Una urna contiene 7 bolas numeradas del 1 al 7, la probabilidad de que al sacar tres
de ellas, las tres sean pares, si el experimento se hace con reposicion es:
a) 17 b) 37 c) 47 d) ( 37 )3
Ejercicio 10. Una urna contiene 7 bolas numeradas del 1 al 7, la probabilidad de que al sacar tres
de ellas, las tres sean impares, si el experimento se hace con reposicion es:
a ) ( 74 )3
b) 37
c) 47
d) 17
Ejercicio 11. Una urna contiene 7 bolas numeradas del 1 al 7, la probabilidad de que al sacar tres
de ellas de una en una, las tres sean pares, si el experimento se hace sin reposicion es:
1
a) 35
3
b) 7
c) 47
d) ( 37 )3
Ejercicio 12. Una urna contiene 7 bolas numeradas del 1 al 7, la probabilidad de que al sacar tres
de ellas de una en una, las tres sean impares, si el experimento se hace sin reposicion es:
a ) ( 74 )3
b) 37
4
c) 35
1
d) 7
2.5. EJERCICIOS
66 Martn Daz Rodrguez
Ejercicio 13. Una urna contiene 7 bolas, tres rojas y cuatro negras, la probabilidad de que al
sacar tres de ellas, las tres sean negras, si el experimento se hace sin reposicion es:
1
a) 35
3
b) 7
1
c) 21
d) ( 37 )3
1
a) 35
9
b) 37
1
c) 21
1
d) 31
CAPITULO 2. PROBABILIDAD.
Captulo 3
Variables Aleatorias
Unidimensionales.
X : z R
f : X R
se dice que X es una variable aleatoria discreta y f su funcion de probabilidad si y solo si se cumplen
las siguientes condiciones:
1. f (x) 0; x R
2. P (X = x) = f (x)
P
3. xR f (x) = 1
Algo que caracteriza a una variable discreta, es que dado un par de valores numericos de la variable,
esta no puede tomar todos los valores que hay entre estos dos valores dados.
El grafico siguiente podra ser la curva de distribucion de una funcion de probabilidad para una
variable aleatoria discreta. Piense en los segmentos de rectas del graficos como puntos.
67
68 Martn Daz Rodrguez
X : z R
f : X R,
se dice que X es una variable aleatoria continua y f una funcion de densidad para X, si y solo si se
cumplen las siguientes condiciones:
1. f (x) 0; x R
Rb
2. P (a X b) = a
f (x)dx
R
3.
f (x)dx = 1
Algo que es caracterstico en una variable aleatoria continua, es lo siguiente: dado dos valores de
una variable aleatoria continua, ella puede tomar cualquier valor entre los dos valores dados. Como
ejemplos de variables aleatorias se tiene estatura de una persona, la temperatura de un lugar, el
peso de una una persona, etc.
El grafico siguiente muestra la curva de distribucion de la funcion de densidad para una variable
aleatoria continua.
P
F (x) = tx f (t) = P (X x)
Definicion 3.2.3. Funcion de densidad Sea X una variable aleatoria continua, f su funcion de
densidad, se define la funcion de densidad acumulada para X, denotada F, as:
R
F (x) = P (X x) =
f (t)dt
Ejemplo 3.2.1. Una organizacion de consumidores que evalua automoviles nuevos, reporta
regularmente el numero de defectos importantes en cada examen. Sea X el numero de defectos
importantes en un automovil seleccionado al azar. Si su funcion de probabilidad acumulada es como
sigue:
1. Calcule la probabilidad de que X sea igual a 2.
P P3
2. P (X > 3) = x=4 f (x) = 1 P (x 3) = 1 x=0 f (x) = 1 0,67 = 0,33
P5 P1
3. P (2 X 5) = x=0 f (x) x=0 f (x) = 0,97 0,19 = 0,78
P4 P2
4. P (2 < X < 5) = x=0 f (x) x=0 f (x) = 0,92 0,39 = 0,53.
Justifique cada uno de los pasos en la solucion del ejemplo anterior.
Ejemplo 3.2.2. De una caja que contiene 4 monedas de $1000 y 2 de $500. se seleccionan tres
de ellas al azar sin reemplazo. Determine la distribucion de probabilidad, para el total T, de las 3
monedas. Halle la distribucion de probabilidad.
1
n; si x {x1 , x2 , ..., xn }
f (x) =
0, en cualquier otro caso
Ademas:
Pn Pn 2
xi i=1 (Xi E(X))
E(X) = i=1
n y V (X) = n
P, si x=1
f (x) = 1 P, si x=0
0, en cualquier otro caso
Ademas:
E(X) = P y V (X) = P (1 P ).
Definicion 3.3.3. Distribucion Binomial Sea X una variable aleatoria discreta, se dice que
X,numero de exitos en n ensayos de Bernoulli, es una variable con distribucion binomial, si y solo
si la probabilidad de exito P en cada uno de los n ensayos de Bernoulli es la misma y su funcion
de probabilidad f puede expresarse as:
(n{x )P x (1 P )nx ; si x = 0, 1, 2, .., n
f (x) =
0; en cualquier otro caso
Ademas:
E(X) = nP y V (X) = nP (1 P ).
Definicion 3.3.4. Distribucion Hipergeometrica Sea X una variable aleatoria discreta, se dice
que la variable X,numero de exitos en n ensayos de Bernoulli, es una variable con distribucion
hipergeometrica, si y solo si la probabilidad de exito en cada uno de los n ensayos de Bernoulli es
variable y su funcion de probabilidad f puede expresarse as:
(
(k{x )(N k){(nx)
; si x = 0, 1, 2, .., n
f (x) = N {n
0; en cualquier otro caso
Ademas:
k k k N n
E(X) = n N y V (X) = n( N )(1 N )( N 1 ).
(r + x 1){x P r (1 P )x ; si x = 0, 1, 2, .., n
f (x) =
0; en cualquier otro caso
r(1P )
E(X) = P y V (X) = [ r(1P
P2 ]
)
Definicion 3.3.6. Distribucion de Poisson Sea X una variable aleatoria discreta, se dice X,
numero de exitos por unidad de longitud, de area, de volumen, de tiempo, etc, es una variable
aleatoria con distribucion de Poisson si y solo si su funcion de probabilidad viene dada as:
x e
f (x) = x! ; si x = 0, 1, 2, ..
0; en cualquier otro caso
Ademas:
E(X) = V (X) =
Ejemplo 3.3.1. Se sabe que el 0.4 de los ratones inoculados con un suero quedan protegidos de
cierta enfermedad. Si se inoculan 5 ratones, encuentre la probabilidad de que:
a. Ninguno contraiga la enfermedad.
b. Menos de 2 contraigan la enfermedad.
c. Mas de tres contraigan la enfermedad.
Solucion
Sea X
=numero de ratones que se inoculan y quedan protegidos de cierta enfermedad.
Ejemplo 3.3.2. Cual es la probabilidad de que una mesera se rehuse a servir bebidas alcoholicas
a solo 2 menores si verifica al azar las identificaciones de 5 estudiantes de entre 9 estudiantes de
los cuales 4 no tienen la edad legal?
Solucion
Sea X = numero de menores a los que la mesera se rehusa a servir bebidas alcoholicas
dentro del grupo de los 5 estudiantes elegidos al azar.
N=9
k=4
n=5
(4{2 )(5{3 )
Luego, P (X = 2) = (9{5 )
= 0,4761.
Ejemplo 3.3.3. En promedio en cierta interseccion ocurren 3 accidentes de transito por mes.
Cual es la probabilidad de que para cualquier mes dado ocurran:
a. Exactamente 5 accidentes?
Solucion
X
= numero de accidentes en un mes.
1
ba ; si x [a, b]
f (x) =
0; en cualquier otro caso
Ademas:
a+b (ab)2
E(X) = 2 y V (X) = 12
Definicion 3.4.2. Distribucion Normal Sea X una variable aleatoria continua, se dice que X tiene
una funcion de densidad con distribucion normal, si y solo si:
x 2
(
e1/2(
)
f (x) =
2 2
; si x R; > 0; , R
0; en cualquier otro caso
con parametros y .
Teorema 3.4.1. Sea X una variable con distribucion normal con paramtros y , entonces
E(X) = y V (X) = 2
( 2
e1/2x
; si x R;
f (x) = 2
0; en cualquier otro caso
Teorema 3.4.2. Sea X una variable con distribucion normal con media y varianza 2 , entonces
la variable
X
Z=
tiene distribucion normal estandar.
El teorema anterior dice que toda variable con distribucion normal, se puede transformar en una
variable con distribucion normal estandar, restandole su media y luego dividiendo esta diferencia
entre la raz cuadrada de la varianza, es decir, entre su desviacion estandar.
Graficas Explicativas
%begincenter
a. Que proporcion de los anillos tendra diametros interiores que excedan de 10.075cm?
c. Por debajo de que valor el diametro interior sera el 0.15 de los anillos del piston?
d. Cual es la probabilidad de que dos de los siguientes 6 pistones tengan un diametro inte-
rior entre 9.97 y 10.03?
e. Cual es la probabilidad de que se necesite 6 pistones para tener un diametro interior en-
tre 9.97 y 10.03?
Solucion
= 10
= 0,03
a. P (X > 10,075)
X 10,07510
Z= = 0,03
Observando la tabla encontramos que el area a la derecha es 0.9938, por tanto el area a la
derecha y nuestra respuesta buscada sera (1 - 0.9938) = 0.0062
c. P (X x0 ) = 0,15
X0
P ( x
) = 0,15
P (z Z0 ) = 0,15
Ahora, buscando en la tabla el valor de 0.15, se encuentra que Z = -1.04 por tanto:
X0
Z0 = luego X0 = 9,9688
d. P (Y = 2) = 6{2 P 2 (1 P )4
e. Z numero de fracasos
r=1
P (Z = 5) = (1 + 5 1){5 P 1 (1 P )5
Ejemplo 3.4.2. Las notas definitivas obtenidas por los estudiantes de Estadstica I del profesor A,
estan normalmente distribuidas con una media de 3.6 y una desviacion estandar de 1.1.
Las notas obtenidas por los estudiantes de Estadstica I del profesor B, estan tambien, normalmente
distribuidas con una media de 3.1 y una desviacion estandar de 0.93.
Luis estudiante del profesor A saco una nota definitiva de 4.5, Karen amiga de Luis y alumna del
profesor B, le dice a Luis que ella saco una nota equivalente a esa en su grupo (ocupo el mismo
puesto que Luis en su grupo).
1. Cuanto saco Karen (de el resultado de la nota con una sola cifra decimal)?
2. Que posicion ocupo en su grupo?
En cada caso, justifique estadsticamente su respuesta.
Profesor A Profesor B
Las notas estan normalmente distribuidas Las notas estan normalmente distribuidas
= 3,6 = 3,1
= 1,1 = 0,93
Nota del estudiante Luis 4.5 Sea x0 , la nota de la estudiante Karen.
Estandarizando la nota de Luis en su grupo y luego la nota de Karen en su grupo y tenien-
do en cuenta que esta nota estandarizada, debe ser igual a la nota estandarizada de Luis, la cual
es conocida, de ah, se despeja el valor de x0 que corresponde a la nota de Karen, como se muestra
a continuacion:
Ahora como por hipotesis, se sabe que la nota de Karen es igual a la de Luis, eso implica que la
nota estandarizada de Karen, debe ser tambien 0.8181, es decir,que
x0 x0 3,1
= = 0,82,
0,93
despejando a x0 en esta ecuacion, se tiene que x0 = (0,82)(0,93) + 3,1 = 3,86, o sea, que x0 = 3,9.
Respuesta: La nota obtenida por Karen en su grupo es 3.9.
X
P (X 3,9) = P ( ) = P (Z 0,82),
que al buscar en la tabla de la distribucion normal estandar, corresponde a 0.79 o en forma
porcentual al 79 %, entonces P X 3,9) = P (Z 0,82) = 0,79 = 79 %.
De acuerdo con este resultado, una respuesta a la parte b) es:
Si ordenamos las notas de mayor a menor Karen ocupa un puesto por encima del 79 % de los
estudiantes de su grupo.
Definicion 3.4.3. Distribucion Gamma Sea X una variable aleatoria continua, se dice que X
tiene una distribucion Gamma, si y solo si su funcion de densidad, viene dada as:
(
x(1) ex
; si x, , > 0; , R
f (x) = ()
0; en cualquier otro caso
Ademas:
E(X) = y V (X) = 2
()ex ;
si x>0
f (x) =
0; en cualquier otro caso
Ademas:
1 1
E(X) = y V (X) = 2
n 1
b. Si = 2 y= 2 se dice que X tiene distribucion Chi-Cuadrado
( n n x
(1/2) 2 x( 2 1) e 2
f (x) = (n/2) ; si x>0
0; en cualquier otro caso
Ademas:
E(X) = n y V (X) = 2n
3.5. Ejercicios
3.5. EJERCICIOS
78 Martn Daz Rodrguez
NOMBRE
Norma: Los celulares deben estar apagados y guardados ya sea en su bolso o su bolsillo
El incumplimiento de la norma sera causal de anulacion de su examen Tiempo maximo:
55 minutos.
1. En la Ciudad de Mexico hay en promedio 3.5 perros callejeros por cuadras en las zonas
proletarias de la ciudad. Si se supone que los perros estan igualmente distribudos en dichas
zonas, determine la probabilidad de que en una zona proletaria de la ciudad se encuentre
usted cuatro o mas perros callejeros por cuadras:
a) en una cuadra cualquiera.
b) en al menos tres de las siguientes cinco cuadras que recorra,
c) por primera vez en la tercera cuadra que recorra,
d ) por segunda vez en la cuarta cuadra que recorra.
e) Si en una cuadra en particular hay nueve perros, de los cuales tres son negros, cual es
la probabilidad de que al escoger cuatro de ellos, exactamente uno sea negro?
2. Un senor tiene una hija universitaria a quien le da una cantidad variable de dinero para llevar
cada da a la esccuela. El papa desea que dicha cantidad la decida la suerte. Para eso mete
en una caja ocho pequenos papeles doblados, de las cuales cinco dicen 20 pesos y tres dicen
10 pesos. Cada manana y en presencia de su padre la nina saca tres papeletas al azar. Lo que
sumen las tres papeletas sera lo que su papa le dara ese da para sus gastos en la universidad.
a) Encuentre la funcion de probabilidad para la suma de dinero recibida por la nina
diariamente.
b) Cual es la probabilidad de que un da la nina reciba 60 pesos?
c) calcule la media y la desviacion estandar.
Valoracion: Primer punto 3.0
Segundo punto 2.0
Definicion 3.5.1. Distribucion Binomial y binomial negativa
f (x) = (n{x )P x (1 P )nx ; si x = 0, 1, 2, .., n
f (x) = (r + x 1{x )P r (1 P )x ; si x = 0, 1, 2, ..,
E(X) = nP y V (X) = nP (1 P ).
Definicion 3.5.2. Distribucion Hipergeometrica
k k k N n
E(X) = n N y V (X) = n( N )(1 N )( N 1 ).
f (x) = x e
x! ; si x = 0, 1, 2, ..
E(X) = V (X) =
3.5. EJERCICIOS
80 Martn Daz Rodrguez
NOMBRE
Norma: Los celulares deben estar apagados y guardados ya sea en su bolso o su bolsillo
El incumplimiento de la norma sera causal de anulacion de su examen Tiempo
maximo: 55 minutos.
3. De acuerdo con un estudio publicado por un grupo de sociologos de la universidad de
Massachussets, aproximadamente 30 % de los adictos al Valium en el estado de Massachussets,
lo tomaron por primera vez debido a problemas sicologicos. Encuentre la probabilidad de que
de los siguientes 7 adictos entrevistados:
a) exactamente 4 hayan comenzado a usarlo debido a problemas sicologicos.
5. El gerente de una empresa desea contratar una nueva secretaria para llenar el cargo vacante
que dejara su actual secretaria que cumplio la edad para pensionarse, para ello recibe la hoja
de vida de varias aspirantes y las entrevista, una a la vez. Si la probabilidad de escoger una
secretaria de las que llevaron su hoja de vida es de 1/5, Cual es la probabilidad de que
se requiera entrevistar una sexta aspirante para encontrar la primera que cumple con los
requisitos?
6. Un cientfico inocula varios ratones, uno a la vez, con un germen de una enfermedad hasta que
obtiene 4 que la han contrado. Si la probabilidad de contraer la enfermedad es 1/5, Cual es
la probabilidad de que se requieran 6 ratones?
3.5. EJERCICIOS
82 Martn Daz Rodrguez
7. El numero promedio de ratas de campo por acre en un campo de trigo de 8 acres se estima
es de 10, encuentre la probabilidad de que menos de 5 ratas de campo se encuentren:
a) en dos acre de terreno determinado
b) Si la escala aceptable es (70-c,70+c), para que valores de c tendra una dureza aceptable
el 95 % de todos los paquetes?
Cual es la probabilidad de que a lo sumo 8 de 10 especmenes seleccionados
independientemente tenga una dureza menor de 73.84?
9. La distribucion del peso de paquetes enviados de cierto modo, es normal con valor medio
de 10 libras. El servicio de paquetera desea establecer un valor de peso c, mas alla del cual
habra cargo extra. Cual valor de c es tal que 99 % de todos los paquetes pesen por lo menos
una libra abajo del peso con cargo extra?
10. Se sabe que el dinero que gastan al ano los estudiantes de determinanda universidad en libros
de textos sigue una distribucion normal con media $ 38.000 pesos y una desviacion estandar
de $ 5000 pesos. Halle los valores extremos en pesos del rango mnimo, que contenga el 95 %
de los gastos en compra de textos de los estudiantes de esa universidad.
11. Suponga que el 8 % todos los ejes de acero producidos por cierto proceso estan fuera de las
especificaciones, pero pueden volver a trabajar. Considere una muestra aleatoria de 20 ejes
y exprese con X el numero de los que esten fuera de las especificaciones y puedan volver a
trabajar. Cual es la probabilidad de que X sea:
a) a lo sumo 13?
b) menos de 13?
c) entre 15 y 25 inclusive?
NOMBRE
PECO El tiempo de llegada a clase de los estudiantes de estadstica uno del curso 2439
esta normalmente distribuido con un a media de 4 minutos y una desviacion estandar de
2 minutos.
a) Si el profesor cree que el 3.5 % de los estudiantes llegaran tarde a su clase, cual es el
tiempo mnimo de retraso en la llegada a clase de estos estudiantes?
b) Cual es la probabilidad de que de 5 estudiantes que lleguen al curso, exactamente 2,
lleguen en el tiempo de retraso?
c) Cual es la probabilidad de que se requiera de la llega a clase de un quinto estudiante
para encontrar un tercero que llegue en el tiempo de retraso?
d ) Si se sabe que de 10 estudiantes que hay en el curso, seis llegaron en menos del tiempo
mnimo de retraso y el profesor quiere darles bonificacion en la nota del tercer parcial a
esos seis estudiantes, pero el no sabe cuales de los 10 estudiantes llegaron en menos del
tiempo mnimo de retraso, Cual es la probabilidad de que el profesor se equivoque?
e) Si en promedio llegan 5 estudiantes por minutos, Cual es la probabilidad de que en dos
minutos lleguen exactamente 4 estudiantes al curso?
3.5. EJERCICIOS
84 Martn Daz Rodrguez
NOMBRE
NOMBRE
E(X) = nP y V (X) = nP (1 P ).
Definicion 3.5.5. Distribucion Hipergeometrica
k k k N n
E(X) = n N y V (X) = n( N )(1 N )( N 1 ).
f (x) = x e
x! ; si x = 0, 1, 2, ..
E(X) = V (X) =
3.5. EJERCICIOS
86 Martn Daz Rodrguez
12. Se enva un aviso a todos los propietarios de cierto tipo de automoviles, solicitandoles
llevarlos al distribuidor para comprobar la presencia de un defecto particular de fabricacion.
Supongamos que solo el 5 % tiene el defecto. Considere una muestra aleatoria de 10
automoviles.
13. El numero de solicitudes de asistencia recibido por un servicio de remolque de vehculos con
fallas es en promedio de 4 en una hora.
3.5. EJERCICIOS
90 Martn Daz Rodrguez
Distribuciones conjuntas.
1. f (x, y) 0
2. P (X = x, Y = y) = f (x, y)
P P
3. xR yR f (x, y) = 1
1. f (x, y) 0
RbRd
2. P(a X b, c Y d ) = a c
f (x, y)dydx
R R
3. f (x, y)dydx = 1
Definicion Sea (X,Y) una variable aleatoria bidimensional discreta y f su funcion de probabilidad
conjunta, se define la funcion de probabilidad conjunta acumulada, denotada F, as:
P P
F (x, y) = P (X x, Y y) = t1 x t2 y f (t1 , t2 )
91
92 Martn Daz Rodrguez
Definicion Sea (X,Y) una variable aleatoria bidimensional discreta y f su funcion de prob-
abilidad conjunta, se definen:
P
f1 (x) = yR f (x, y)
P
f2 (y) = xR f (x, y)
c. Las funciones de probabilidad condicional para x dado y, denotada f(x,y) y para y dado
x, denotada f(y/x), as:
f (x,y) f (x,y)
f (x/y) = f2 y y f (y/x) = f1 x
Definicion Sea (X,Y) una variable aleatoria bidimensional continua y f su funcion de den-
sidad conjunta, se define la funcion de densidad conjunta acumulada, denotada F, as:
R R
F (x, y) = P (X x, Y y) =
f (t1 , t2 )dt2 dt1
Definicion Sea (X,Y) una variable aleatoria bidimensional continua y f su funcion de den-
sidad, se definen:
R
f1 (x) =
f (x, y)dy
R
f2 (y) =
f (x, y)dx
c. Las funciones de densidad condicional para x dado y, denotada f(x,y) y para y dado x,
denotada f(y/x), as:
f (x,y) f (x,y)
f (x/y) = f2 y y f (y/x) = f1 x
P
tx f1 (t); si (x, y) es un vector aleatorio discreto
F1 (x) = P (X x, Y R) =
Rx
f1 (t)dt; si (X, Y ) es un vector aleatorio continuo
P
ty f2 (t); si (X, Y ) es un vector aleatorio discreto
F2 (y) = P (X R, Y y) =
Ry
f2 (t)dt; si (X, Y ) es un vector aleatorio continuo
Esperanza y Varianzas
P
xR xf1 (x); si (X, Y ) es un vector aleatorio discreto
E(X) =
R
xf1 (x)dx; si (X, Y ) es un vector aleatorio continuo
P
yR yf2 (y); si (X, Y ) es un vector aleatorio discreto
E(Y ) =
R
yf2 (y)dx; si (X, Y ) es un vector aleatorio continuo
2
P
xR [X E(X)] f1 (x); si (X, Y ) es un vector aleatorio discreto
V (X) =
R
[X E(X)]2 f1 (x)dx; si (X, Y ) es un vector aleatorio continuo
2
P
yR [Y E(Y )] f2 (y); si (X, Y ) es un vector aleatorio discreto
V (Y ) =
R
[Y E(Y )]2 f2 (y)dx; si (X, Y ) es un vector aleatorio continuo
P
xR xf (x/y); si (X, Y ) es un vector aleatorio discreto
E(X/y) =
R
xf (x/y)dx; si (X, Y ) es un vector aleatorio continuo
P
yR yf (y/x); si (X, Y ) es un vector aleatorio discreto
E(Y /x) =
R
yf (y/x)dy; si (X, Y ) es un vector aleatorio continuo
2
P
xR [X E(X/y)] f (x/y); si (X, Y ) es un vector aleatorio discreto
V (X/y) =
R
[X E(X)]2 f (x/y)dx; si (X, Y ) es un vector aleatorio continuo
2
P
yR [Y E(Y /x)] f (y/x); si (X, Y ) es un vector aleatorio discreto
V (Y /x) =
R
[Y E(Y )]2 f (y/x)dy; si (X, Y ) es un vector aleatorio continuo
Covarianza
Correlacion
Ejemplo 4.2.1. La Universidad del Norte desea seleccionar estudiantes de alto rendimiento para el
servicio de monitoras en los cursos de estadstica I. Inicialmente la Universidad preselecciono los
dos mejores estudiantes de estadstica I de los profesores A, B y C, respectivamente. Solo tres
de los preseleccionados seran escogidos como monitores de estadstica I. Si X denota el numero
de estudiantes seleccionados pertenecientes al grupo del profesor A y Y el numero de estudiantes
seleccionados pertenecientes al grupo del profesor B.
1. Cual es la probabilidad de que de los tres estudiantes seleccionados, al menos uno sea del
grupo del profesor A?
El numero total de estudiantes seleccionados del profesor A es de dos (igual para los profe-
sores B y C), as que si x es el numero de estudiantes escogidos como monitores del profesor A, el
numero de formas de escoger x estudiantes cuando se tienen dos es: 2Cx .
Al evaluar la funcion de probabilidad conjunta en cada par de valores posibles (x,y), se tiene como
resultado, lo que se observa en la siguiente tabla:
f(x,y) 0 1 2
2 2
0 f(0,0) =0 f(0,1) = 20 f(0,2) = 20
2 8 2
1 f(1,0) = 20 f(1,1) = 20 f(1,2) = 20
2 2
2 f(2,0) = 20 f(2,1) = 20 f(2,2) =0
Para dar respuesta al item 1) basta calcular la P (X 1), pero
P (X 1) = P (X = 1) + P (X = 2)
= f (1, 0) + f (1, 1) + f (1, 2) + f (2, 0) + f (2, 1) + f (2, 2) (4.2)
Solucion para el item 2): Recuerde que dos variables son independientes si
Para hallar una solucion al item 3), recuerde que la esperanza marginal de X (que es lo que
se pide en este item), viene dada as:
2 12 4
E(X) = x=0,1,2 xf1 (x) = 0f1 (0) + 1f1 (1) + 2f1 (2) = 0(
) + 1( ) + 2( ) = 1
20 20 20
Respuesta para el item 3): El numero de estudiantes seleccionados que se esperan pertenezcan al
grupo del profesor A es igual a 1.
4.3. Ejercicios
4.3. EJERCICIOS
98 Martn Daz Rodrguez
NOMBRE
1. La Universidad del Norte desea seleccionar estudiantes de alto rendimiento para el servicio
de monitoras en los cursos de estadstica I. Inicialmente la Universidad preselecciono los dos
mejores estudiantes de estadstica I de los profesores A, B y C, respectivamente. Solo tres de
los preseleccionados seran escogidos como monitores de estadstica I. Si X denota el numero de
estudiantes seleccionados pertenecientes al grupo del profesor B y Y el numero de estudiantes
seleccionados pertenecientes al grupo del profesor C.
a) Cual es la probabilidad de que de los tres estudiantes seleccionados, al menos uno sea
del grupo del profesor A?
2. Las notas del tercer parcial de 124 estudiantes de estadstica I, estan normalmente dis-
tribuidas con una media de 3.6 y una varianza de 0.9. Si la nota mnima aprobatoria es 2.95,
determine cuantos de los 124 estudiantes ganaron el parcial? Justifique estadsticamente su
respuesta.
3. De los 124 estudiantes de estadstica I que realizaron los tres primeros parciales, exactamente
nueve estudiantes distintos sacaron 4.7. Tres lo sacaron en el primer parcial, dos en el segundo
y cuatro en el tercero. Si se escogen tres de estos nueve estudiantes para un comite:
a) Cual es la probabilidad de escoger dos de los que sacaron 4.7 en el primer parcial y uno
de los que sacaron 4.7 en el segundo parcial ? Justifique estadsticamente su respuesta.
b) Halle el coeficiente de correlacion entre el numero de estudiantes que sacaron 4.7 en
primer parcial y 4.7 en el segundo parcial. Justifique estadsticamente su respuesta.
NOMBRE
a. Cual es el valor de K?
b. Cual es la probabilidad de que ambos neumaticos tengan menor presion que la requerida?
3. Dos componentes de una microcomputadora tienen la siguiente pdf conjunta para sus
duraciones X y Y:
xex(1+y) ,
si x > 0, y > 0,
f (x, y) = (4.4)
0 en cualquier otro caso
Cual es la probabilidad que la duracion X del primer componente sea mayor que 3?
2
+ y)ex ,
f (x, y) = 3 (x si x > 0, 0 < y < 1,
(4.5)
0, en cualquier otro caso
a) Calcular P (X > Y /Y = 1)
4.3. EJERCICIOS
100 Martn Daz Rodrguez
NOMBRE
1. Dado el vector aleatorio discreto (X,Y), X=-1, 0, 1 y Y=1, 2, 4, con funcion de probabilidad
conjunta dada por:
f (x, y) 1 2 4
1 1/16 1/16 1/8
0 1/8 1/4 1/8
1 1/8 1/16 1/16
Calcular
2. Un profesor de estadstica I, esta interesado en saber cual es la nota definita mnima que
debe sacar un estudiante en su grupo de trabajo para aprobar la asignatura. El profesor
cree que a lo mas el 97.5 % de su estudiantes aprobara la materia en su grupo de trabajo,
y cree tambien que las notas estaran normalmente distribudas con una media de 4.2, y
una varianza de 0.6.
a. Determine esa nota mnima aprobatoria. Justifique estadsticamente su respuesta.
1) P(X + Y 2)
2) E(X/Y = 1)
2) La funcion de densidad conjunta para la demanda mensual de dos productos viene dada por :
y25 y25 2
1 { 23 [( x5 2 x5
10 ) ( 10 )( 10 )+( 10 ) ]} ,
f (x, y) = 100 2 3
e si x, y R.
4.3. EJERCICIOS
102 Martn Daz Rodrguez
Ademas los datos anteriores fueron clasificados segun la profesion en: administrador, contador y
economista.
A continuacion se presentan los datos anteriores ya clasificados por profesion:
Se quiere identificar las caractersticas generales del grupo de profesionales en general y en partic-
ular en cada profesion, y presentar los resumenes de interes que permitan valorar las variables en
estudio, como lo son: grado de satisfaccion con el trabajo (Trabajo), grado de satisfaccion con el
sueldo (Sueldo) y grado de satisfaccion con el ascenso (Ascenso).
Si lo que se quiere hacer es un analisis desde el punto de vista estadstico, se debera tener
en cuenta los siguientes interrogantes:
1. Con base en estas variables que aspecto del trabajo satisface mas a los Profesionales de
esta ciencia?, cual parece ser el que menos lo satisface?, en cual de las tres variables se
deben introducir mejoras para estimular a mas personas a vincularse a la formacion como
profesionales en las distintas ramas de las ciencias economicas?
2. Cual de las tres variables parece generar mayor diferencia de opinion entre estos profesion-
ales? Cual de las variables parece tener mayor cohesion entre ellos?
4. Considere los valores diferentes del grado de satisfaccion del ascenso como diferentes cate-
goras, es decir, considere la variable Ascenso como una variable categorica (cualitativa), haga
4.3. EJERCICIOS
104 Martn Daz Rodrguez
lo mismo con los valores diferentes del grado de satisfaccion del salario, o sea con la variable
Salario, es el grado de satisfaccion del ascenso independiente del grado de satisfaccion en
salario?
5. Considere los valores diferentes del grado de satisfaccion del trabajo como diferentes cate-
goras, es decir, considere la variable Trabajo como una variable categorica (cualitativa), haga
lo mismo con los valores diferentes del grado de satisfaccion del salario, es el grado de sat-
isfaccion del trabajo independiente del grado de satisfaccion del salario?
6. Considere los valores diferentes del grado de satisfaccion del ascenso como diferentes cate-
goras, es decir, considere la variable Ascenso como una variable categorica (cualitativa), haga
lo mismo con los valores diferentes del grado de satisfaccion del trabajo, o sea con la variable
Trabajo, es el grado de satisfaccion del ascenso independiente del grado de satisfaccion en
trabajo?
7. Considere el grado de satisfaccion en salario como una variable cuantitativa, se ajustan los
valores de la variable grado de satisfaccion en el salario a los valores de una variable con
distribucion normal?
11. Considere el grado de satisfaccion en salario y grado de satisfaccion en el trabajo como vari-
ables cuantitativas. En cada una de las profesiones analizadas, Determine si el grado de
satisfaccion en el salario es funcion del grado de satisfaccion en el trabajo.
12. Considere el grado de satisfaccion en salario y grado de satisfaccion en ascenso como vari-
ables cuantitativa, determine si el grado de satisfaccion en sueldo es funcion del grado de
satisfaccion en ascenso en las ciencias economicas.
13. Con base en los resultados anteriores, cree usted, hay razones para que la asociacion colom-
biana de ciencias economica este preocupada?
8. http://www.matem.unam.mx/rollos/probabilidad.html
9.
10.
11.
12.
13.
105