PROBABILIDAD Y ESTADSTICA

OBJETIVO

El objetivo esencial de esta investigacin es dar a conocer el tema de estadstica y

probabilidad, aprender a resolver ejercicios y comprender su utilidad en la vida diaria
y un poco de su historia.

APLICACIN DEL TEMA (INNOVADOR)

Las tcnicas de Investigacin de Mercados permiten saber si un producto cualquiera
ser bien acogido en el mercado antes de su salida a este, o bien medir la audiencia
en Televisin y Radio.

El Control de Calidad permite medir las caractersticas de la calidad de un producto,

compararlas con ciertos requisitos y tomar decisiones correctivas si hay diferencias
entre el funcionamiento real y el esperado. Con estudios estadsticos aplicados a la
Agricultura y a la Pesca podemos estimar los rendimientos obtenidos en una
cosecha, o encontrar bancos de peces.

En Medicina e Investigacin farmacolgica es imprescindible la Estadstica,

probando nuevos tratamientos en grupos de pacientes o bien, obteniendo
conclusiones sobre ciertas enfermedades observando durante un tiempo un grupo
de pacientes (saber si para el tratamiento de cierto tipo de cncer es ms efectiva
la ciruga, la radioterapia o la quimioterapia, sin ms que observar un grupo de
pacientes tratados con estas tcnicas). (galeon.com, s.f.)
Otra aplicacin significativa de la teora de la probabilidad en el da a da es en
la fiabilidad. Muchos bienes de consumo, como los automviles y la electrnica de
consumo, utilizan la teora de la fiabilidad en el diseo del producto para reducir la
probabilidad de avera. La probabilidad de avera tambin est estrechamente
relacionada con la garanta del producto.
La mayora de las investigaciones biomdicas utilizan muestras de probabilidad,
es decir, aquellas que el investigador pueda especificar la probabilidad de
cualquier elemento en la poblacin que investiga. Las muestras de probabilidad
permiten usar estadsticas inferenciales, aquellas que permiten hacer inferencias a
partir de datos. Por otra parte, las muestras no probabilsticas solo permiten
usarse estadsticas descriptivas, aquellas que solo permiten describir, organizar y
resumir datos. Se utilizan cuatro tipos de muestras probabilsticas: muestras
aleatorias simples, muestras aleatorias estratificadas, muestra por conglomerados
y muestras sistemticas.
TEORA
Estadstica
La estadstica estudia los mtodos cientficos para recoger, organizar, resumir y
analizar datos, as como para sacar conclusiones vlidas y tomar decisiones
razonables basadas en tal anlisis. La estadstica es una ciencia con base
matemtica referente a la recoleccin,
anlisis e interpretacin de datos, que
busca explicar condiciones regulares
en fenmenos de tipo aleatorio. Es
transversal a una amplia variedad de
disciplinas, desde la fsica hasta las
ciencias sociales, desde las ciencias
de la salud hasta el control de calidad,
y es usada para la toma de decisiones
en reas de negocios e instituciones
gubernamentales. Durante el siglo
XX, la creacin de instrumentos
precisos para asuntos de salud pblica (epidemiologa, bioestadstica, etc.) y
propsitos econmicos y sociales (tasa de desempleo, econometra, etc.) necesit
de avances sustanciales en las practicas estadsticas. Hoy el uso de la estadstica
se ha extendido ms all de sus orgenes como un servicio al Estado o al gobierno.
Personas y organizaciones usan la estadstica para entender datos y tomar
decisiones en ciencias naturales y sociales, medicina, negocios y otras reas. La
estadstica es entendida generalmente no como un sub-rea de las matemticas
sino como una ciencia diferente aliada. Muchas universidades tienen
departamentos acadmicos de matemticas y estadstica separadamente. La
estadstica se ensea en departamentos tan diversos como psicologa, educacin y
salud pblica, (prepafacil.com, s.f.)

Empleo de la estadstica en las Antiguas Civilizaciones

En la Edad Antigua la estadstica consista en elaborar censos (de poblacin y
tierras). Su objetivo era facilitar la gestin de las labores tributarias, obtener datos
sobre el nmero de personas que podran servir en el ejrcito o establecer repartos
de tierras u otros bienes. (wikipedia.com, s.f.)
En Egipto: La estadstica comienza con la Dinasta I, en el ao 3050 a.C.
Los faraones ordenaban la realizacin de censos con la finalidad de obtener los
datos sobre tierras y riquezas para poder planificar la construccin de las pirmides.
En China: Ao 2238 a.C. el emperador Yao elabora un censo general sobre la
actividad agrcola, industrial y comercial.
En la Antigua Grecia: Se realizaron censos para cuantificar la distribucin y
posesin de la tierra y otras riquezas, organizar el servicio militar y determinar el
derecho al voto.
En la Antigua Roma: Durante
el Imperio Romano se establecieron
registros de nacimientos y defunciones,
y se elaboraron estudios sobre los
ciudadanos, sus tierras y sus riquezas.
En Mxico: Ao 1116, durante la
segunda migracin de las
tribus chichimecas, el rey Xlotl orden
que fueran censados los sbditos.
En el Oriente Medio, bajo el
dominio sumerio, Babilonia tena casi
6000 habitantes. Se encontraron en ella tablillas de arcilla que registraban los
negocios y asuntos legales de la ciudad.
El censo en el pueblo judo sirvi, adems de propsitos militares, para calcular el
monto de los ingresos del templo.
Durante la Edad Media la estadstica no present grandes avances, pero destaca el
trabajo de Isidoro de Sevilla, quien recopil y clasific datos de diversa naturaleza
cuyos resultados fueron publicados en la obra Originum sive Etymologiarum.
En la Edad Moderna se contina con la obtencin de censos.
En Espaa: Destaca el censo de Pecheros (1528), el de los Obispos (1587), el
Censo de los Millones (1591) o el Censo del Conde de Aranda (1768).
En Inglaterra: la peste de la dcada de 1500 provoc un aumento en la
contabilizacin de los datos sobre defunciones y nacimientos.
Pobabilidad
La probabilidad es un mtodo por el cual se obtiene la frecuencia de un
acontecimiento determinado mediante la realizacin de experimentos aleatorios, de
los que se conocen todos los resultados posibles, bajo condiciones
suficientemente estables. La probabilidad es un evento o suceso que puede ser
improbable, probable o seguro.
La teora de la probabilidad se usa extensamente en reas como la estadstica,
la fsica, la matemtica, las ciencias y la filosofa para sacar conclusiones sobre la
probabilidad discreta de sucesos potenciales y la mecnica subyacente discreta de
sistemas complejos, por lo tanto es la rama de las matemticas que estudia, mide
o determina a los experimentos o fenmenos aleatorios.

La probabilidad constituye un importante parmetro en la determinacin de las diversas

casualidades obtenidas tras una serie de eventos esperados dentro de un rango
estadstico.
Existen diversas formas como mtodo abstracto, como la teora Dempster-Shafer y
la teora de la relatividad numrica, esta ltima con un alto grado de aceptacin si
se toma en cuenta que disminuye considerablemente las posibilidades hasta un
nivel mnimo ya que somete a todas las antiguas reglas a una simple ley de
relatividad.
La probabilidad de un evento se denota con la letra p y se expresa en trminos de
una fraccin y no en porcentajes por lo que el valor de p cae entre 0 y 1. Por otra
parte, la probabilidad de que un evento "no ocurra" equivale a 1 menos el valor
de p y se denota con la letra q
P(Q)=1-P(E)

Funcin de probabilidad
Se llama funcin de probabilidad de una variable aleatoria discreta X a la aplicacin que
asocia a cada valor de xi de la variable su probabilidad pi.
0 pi 1

p1 + p2 + p3 + + pn = pi = 1

Calcular la distribucin de probabilidad de las puntuaciones obtenidas al lanzar un dado.

 x pi

Representacin
La representacin de una distribucin discreta de probabilidad es un diagrama de barras.

Funcin de distribucin
Sea X una variable aleatoria discreta cuyos valores suponemos ordenados de
menor a mayor. Llamaremos funcin de distribucin de la variable X, y escribiremos
F(x) a la funcin:
F(x) = p(X xi)=f(x1)+ f(x2)+ f(xi)
La funcin de distribucin asocia a cada valor de la variable aleatoria la probabilidad
acumulada hasta ese valor.
Ejemplo:
Calcular la funcin de distribucin de probabilidad de las puntuaciones obtenidas al
lanzar un dado.

x pi

x <1 0

1 x < 2

2 x < 3

3 x < 4

4 x < 5

5 x < 6

6 x 1

Representacin
La representacin de una funcin de distribucin de probabilidad es una grfica
escalonada.
 Valor Esperado
El valor esperado o esperanza de una variable aleatoria tiene su origen en los
juegos de azar, debido a que los jugadores deseaban saber cul era su esperanza
de ganar o perder con un juego determinado. Como a cada resultado particular del
juego le corresponde una probabilidad determinada, esto equivale a una funcin de
probabilidad de una variable aleatoria y el conjunto de todos los resultados posibles
del juego estar representado por la distribucin de probabilidad de la variable
aleatoria. El valor esperado o esperanza es muy importante, ya que es uno de los
parmetros que describen una variable aleatoria.

Sea X una variable aleatoria discreta con funcin de probabilidades f(x). Entonces,
el valor esperado de la variable aleatoria X, el cual se representa por E(X), est
definido por:
E(X) = xi f(xi)

Lo anterior significa, que para calcular E(X) se multiplica cada valor que puede
tomar la variable aleatoria por la probabilidad que le corresponde y despus se
suman esos productos.

El valor esperado representa el valor promedio que se espera suceda, al repetir el

experimento en forma independiente una gran cantidad de veces. El valor esperado
se interpreta fsicamente como el centro de masa o centro de gravedad de la
distribucin de probabilidad, por lo que es igual a la media o promedio aritmtico,
los cuales se representan con la letra m.
 De acuerdo a lo anterior podemos escribir que:

E(X) = = xi f(xi)

Variancia.

Existen dos aspectos que caracterizan de forma simple el comportamiento de la

distribucin de probabilidad, porque proporcionan una descripcin completa de la
forma en que se comporta: la medida de tendencia central y la de dispersin.

La primera est representada por la media o valor esperado, ya vista en el punto

anterior, y la segunda por la variancia o por la desviacin estndar, que evalan la
dispersin de la distribucin de probabilidad o grado en que se separan del
promedio los valores de la variable aleatoria X.

Por ejemplo, en un espacio muestra equiprobable vemos que los valores 5, 10 y 15

tienen una media de 10 y que los valores 9.9, 10 y 10.1 la media tambin es 10. Sin
embargo, advertimos que los dos conjuntos de valores difieren notablemente en la
dispersin de los valores respecto a su media y que tal dispersin es de gran
importancia. Por lo tanto, para tener un conocimiento claro y completo del
comportamiento de los valores que puede tomar la variable aleatoria, es
indispensable conocer tanto la media como la variancia o la desviacin estndar de
la distribucin de probabilidad.

Las desviaciones (X - m ) toman valores: (x1 - m), (x2 - m), (x3 - m), ,(xi -m), con
probabilidades respectivas: f(x1), f(x2), f(x3), . . . , f(xi). Sin embargo, al tomar el valor
esperado de estas desviaciones nos encontramos con que:
E(X - m ) = (xi - m ) f(xi) = xi f(xi) - m f(xi) = xi f(xi) - m = m - m = 0
Esto se debe a que las desviaciones positivas se compensan con las
desviaciones negativas. Para determinar una medida de dispersin, necesitamos
considerar nicamente la magnitud de las desviaciones sin sus signos.

Una manera de eliminar el signo de las desviaciones, es considerar el cuadrado de

las mismas, es decir, (xi - m)2.
Si obtenemos el valor esperado de las desviaciones elevadas al cuadrado,
obtenemos una medida de la dispersin de la distribucin de probabilidad, la cual
es conocida como Variancia y se simboliza por s2 Var (X) V(X).

La variancia de una variable aleatoria X se define como

s2 = V(X) = Var (X) = E (X - m )2 = (xi - m)2 f(xi)

A partir de sta ecuacin y mediante un pequeo desarrollo matemtico, se

obtiene la siguiente expresin:

s2 = V(X) = xi2 f(xi) - m2

Si representamos a xi2 f(xi) por E( X2), podemos escribir:

s2 = V(X) = Var (X) = E( X2) - [E(X)]2 = E( X2) - m2

Al usar la variancia como medida de dispersin o variabilidad se presenta
una dificultad. Las unidades con que se miden los valores que toma la variable
aleatoria X son lineales, por ejemplo kilogramos, metros, litros, etc., por lo
que m = E(X) tambin ser lineal, pero la variancia s2 est en unidades
cuadrticas, como kilogramos elevados al cuadrado, metros elevados al cuadrado,
litros elevados al cuadrado, etc.

En vista de lo anterior, si queremos expresar la medida de dispersin en las mismas

unidades en que se miden los valores de la variable aleatoriaX, debemos tomar la
raz cuadrada positiva de la variancia. A esta cantidad se le conoce con el nombre
de desviacin estndar y se representa con s.
La desviacin estndar de una variable aleatoria X se define y simboliza como:

=
Distribucin binomial o de Bernoulli (vitutor.com, s.f.)
Un experimento sigue el modelo de la distribucin binomial o de Bernoulli si:
1. En cada prueba del experimento slo son posibles dos resultados: el suceso A
(xito) y su contrario .
2. La probabilidad del suceso A es constante, es decir, que no vara de una prueba
a otra. Se representa por p.
3. El resultado obtenido en cada prueba es independiente de los resultados
obtenidos anteriormente.
La distribucin binomial se suele representar por B(n, p).
n es el nmero de pruebas de que consta el experimento.
p es la probabilidad de xito.

La probabilidad de es 1 p, y la representamos por q.

Variable aleatoria binomial
La variable aleatoria binomial, X, expresa el nmero de xitos obtenidos en cada
prueba del experimento.
La variable binomial es una variable aleatoria discreta, slo puede tomar los valores
0, 1, 2, 3, 4, ..., n suponiendo que se han realizado n pruebas.
Ejemplo:
k = 6, al lanzar una moneda 10 veces y obtener 6 caras.
La funcin de probabilidad de la distribucin binomial, tambin denominada funcin
de la distribucin de Bernoulli, es:

n es el nmero de pruebas.
k es el nmero de xitos.
p es la probabilidad de xito.
q es la probabilidad de fracaso.

El nmero combinatorio
Distribucin normal

Variable aleatoria de la distribucin normal

Una variable aleatoria continua, X, sigue una distribucin normal de media y
desviacin tpica , y se designa por N(, ), si se cumplen las siguientes
condiciones:
1. La variable puede tomar cualquier valor: (-, +)
2. La funcin de densidad, es la expresin en trminos de ecuacin matemtica de
la curva de Gauss:

El campo de existencia es cualquier valor real, es decir, (-, +).

Es simtrica respecto a la media .
Tiene un mximo en la media .
Crece hasta la media y decrece a partir de ella.
En los puntos y + presenta puntos de inflexin.
El eje de abscisas es una asntota de la curva.
El rea del recinto determinado por la funcin y el eje de abscisas es igual a la
unidad.
Al ser simtrica respecto al eje que pasa por x = , deja un rea igual a 0.5 a la
izquierda y otra igual a 0.5 a la derecha.
La probabilidad equivale al rea encerrada bajo la curva.
p( - < X + ) = 0.6826 = 68.26 %
p( - 2 < X + 2) = 0.954 = 95.4 %
p( - 3 < X + 3) = 0.997 = 99.7 %
Distribucin normal estndar
N(0, 1)
La distribucin normal estndar, o tipificada o reducida, es aquella que tiene
pormedia el valor cero, = 0, y por desviacin tpica la unidad, =1.
Su funcin de densidad es:

Su grfica es una campana de gauss:

La probabilidad de la variable X depender del rea del recinto sombreado en la

figura. Y para calcularla utilizaremos una tabla.
Tipificacin de la variable
Para poder utilizar la tabla tenemos que transformar la variable X que sigue una
distribucin N(, ) en otra variable Z que siga una distribucin N(0, 1).

Distribucin normal y binomial

Aproximacin de la binomial por la normal
Teorema de Moivre
Si:
n p 5 y n q 5.
La distribucin binomial B(n, p) se puede aproximar mediante una distribucin
normal:
Ejemplo:
En una ciudad una de cada tres familias posee telfono. Si se eligen al azar 90
familias, calcular la probabilidad de que entre ellas haya por lo menos 30 tengan
telfono.

Correlacin

La correlacin trata de establecer la relacin o dependencia que existe entre las dos
variables que intervienen en una distribucin bidimensional.

Es decir, determinar si los cambios en una de las variables influyen en los cambios de
la otra. En caso de que suceda, diremos que las variables estn correlacionadas o que
hay correlacin entre ellas.

Tipos de correlacin

1 Correlacin directa

La correlacin directa se da cuando al aumentar una de las variables la otra aumenta.

La recta correspondiente a la nube de puntos de la distribucin es una recta creciente.

2 Correlacin inversa

La correlacin inversa se da cuando al aumentar una de las variables la otra

disminuye.

La recta correspondiente a la nube de puntos de la distribucin es una recta

decreciente.

3 Correlacin nula

La correlacin nula se da cuando no hay dependencia de ningn tipo entre las

variables.
 En este caso se dice que las variables son incorreladas y la nube de puntos tiene una
forma redondeada.

Grado de correlacin

El grado de correlacin indica la proximidad que hay entre los puntos de la nube de
puntos. Se pueden dar tres tipos:

1. Correlacin fuerte

La correlacin ser fuerte cuanto ms cerca estn los puntos de la recta.

2. Correlacin dbil
 La correlacin ser dbil cuanto ms separados estn los puntos de la recta.

Recta de regresin
La recta de regresin es la que mejor se ajusta a la nube de puntos.

La recta de regresin pasa por el punto llamado centro de gravedad.

Recta de regresin de Y sobre X
La recta de regresin de Y sobre X se utiliza para estimar los valores de la Y a partir
de los de la X.
La pendiente de la recta es el cociente entre la covarianza y la varianza de la
variable X.

Recta de regresin de X sobre Y

La recta de regresin de X sobre Y se utiliza para estimar los valores de la X a partir
de los de la Y.
La pendiente de la recta es el cociente entre la covarianza y la varianza de la
variable Y.

Si la correlacin es nula, r = 0, las rectas de regresin son perpendiculares entre s,

y sus ecuaciones son:

y= x=
Ejemplos:

Ejemplo 1: Un jugador lanza un dado corriente. Si sale 1 o nmero

primo, gana tantos cientos de euros como marca el dado, pero si no
sale nmero primo, pierde tantos cientos de euros como marca el
dado. Determinar la funcin de probabilidad y la esperanza
matemtica del juego

x p i x p i

+100 100/6

+ 200 200/6

+ 300 300/6

-
- 400
400/6

+ 500 500/6

-
-600
600/6

100/6
Ejemplo 2: Calcular la funcin de distribucin de probabilidad de las puntuaciones
obtenidas al lanzar un dado.

x pi

x <1 0

1 x < 2

2 x < 3

3 x < 4

4 x < 5

5 x < 6

6 x 1

Ejemplo 3: Un jugador lanza un dado corriente. Si sale 1 o nmero

primo, gana tantos cientos de euros como marca el dado, pero si
no sale nmero primo, pierde tantos cientos de euros como marca
el dado. Determinar la funcin de probabilidad y la esperanza
matemtica del juego

x p i x p i

+100 100/6

+ 200 200/6
 + 300 300/6

- 400 -400/6

+ 500 500/6

-600 - 600/6

100/6

=16.667

Ejemplo 4: Calcular la esperanza matemtica, la varianza, y la

desviacin tpica , de la distribucin de probabilidad de las
puntuaciones obtenidas al lanzar un dado.

x p x p x 2 pi
i i

2
 3

6 1 6

Ejemplo 5: Un agente de seguros vende plizas a cinco personas

de la misma edad y que disfrutan de buena salud. Segn las tablas
actuales, la probabilidad de que una persona en estas condiciones
viva 30 aos o ms es 2/3. Hllese la probabilidad de que,
transcurridos 30 aos, vivan:

Soluciones:
1 Las cinco personas
 B(5, 2/3) p = 2/3 q = 1/3

2 Al menos tres personas

3 Exactamente dos personas

Ejemplo 6: Tras un test de cultura general se observa que las

puntuaciones obtenidas siguen una distribucin una distribucin
N(65, 18). Se desea clasificar a los examinados en tres grupos (de
baja cultura general, de cultura general aceptable, de excelente
cultura general) de modo que hay en el primero un 20% la
poblacin, un 65% el segundo y un 15% en el tercero. Cules han
de ser las puntuaciones que marcan el paso de un grupo al otro?
Baja cultura hasta 49 puntos.

Cultura aceptable entre 50 y 83.

Excelente cultura a partir de 84 puntos.

Ejemplo 7: La media de los pesos de 5000 estudiantes de un colegio es

70 kg y la desviacin tpica 3 kg. Suponiendo que los pesos se distribuyen
normalmente, hallar cuntos estudiantes pesan menos de 60 kg.

Y cmo buscamos en la tabla un nmero negativo? El valor negativo slo

nos est diciendo que estamos por debajo de la media. Pero en la tabla
todos los valores de Z son positivos. Entonces? La probabilidad de que Z
sea menor que -a, en el dibujo de la izquierda, es igual que la probabilidad
de que Z sea mayor que a , en el dibujo de la derecha. Pero nuestra tabla
slo nos proporciona la probabilidad de que Z < algo. Entonces, mirando el
dibujo de la derecha, buscamos la probabilidad de que Z3,33) = 1 - 0,9996
= 0,0004. = P (Z < - 3,33) Esto es, el 0,04 % de los 5000 estudiantes pesan
menos de 60 Kg. Son 2 estudiantes (x.edu.uy, 2014)
Ejercicios resueltos

1. Supngase que la produccin de un da de 850 piezas manufacturadas

contiene 50 piezas que no cumplen con los requerimientos del cliente. Se
seleccionan del lote dos piezas al azar y sin reemplazo. Sea la variable aleatoria
X igual al nmero de piezas de la muestra que no cumplen. Cul es la funcin
de distribucin acumulada de X?

SOLUCIN: La pregunta puede contestarse encontrando primero la funcin de

masa de probabilidad de X. P(x=0)= (800/850)(799/849)=0,886
P(x=1)=2(800/850)(50/849)=0,111 P(x=2)=(50/850)(49/849)=0,003

Por lo tanto, F(0)=P(x 0 )=0.886 F(1)=P(x 1)=0.886+0,111=0,997 F(2)=P(x

2)=1

2. Un jugador lanza dos monedas. Gana 1 2 si aparecen una o

dos caras. Por otra parte pierde 5 si no aparece cara. Determinar
la esperanza matemtica del juego y si ste es favorable.
(vitutor.com, s.f.)

E = {(c,c);(c,x);(x,c);(x,x)}

p(+1) = 2/4

p(+2) = 1/4

p(5) = 1/4

= 1 2/4 + 2 1/4 - 5 1/4 = 1/4. Es desfavorable

3. Dada la funcin:
Sabiendo que p(X 2) = 0.7 y p(X 2) = 0.75. Hallar:

1 La esperanza matemtica
2 La varianza
3 La desviacin tpica

x pi xpi x 2 pi

0 0.1 0 0

1 0.15 0.15 0.15

2 0.45 0.9 1.8

3 0.1 0.3 0.9

 4 0.2 0.8 3.2

2.15 6.05

1 La esperanza matemtica

=2.15

2 La varianza

= 6.05 - 2.15 = 1.4275

3 La desviacin tpica

= 1.19

4. Sea la funcin de distribucin acumulada: (Polilibros , 2014)

F(X)=

Calcular:
a) La media
b) La variancia
La desviacin estndar

Solucin.

El primer paso para resolver el problema es obtener la distribucin de

probabilidad, ya que es indispensable para la solucin.

Xi 1 3 5 7
f(xi) 0.25 0.25 0.25 0.25

a) Para obtener la media o valor esperado vimos que se debe utilizamos la

expresin:

m = E(X) = xi f(xi) = 1(0.25) + 3(0.25) + 5(0.25) + 7(0.25) = 4

b) El modelo matemtico para calcular la variancia seala que:

s2 = V(X) = E( X2) - m2

donde E( X2) = xi2 f(xi) = 12(0.25) + 32(0.25) + 52(0.25) + 72(0.25) = 21, y

sustituyendo obtenemos:

s2 = V(X) = E( X2) - m2 = 21 42 = 5

c) Por definicin, la desviacin estndar es la raz cuadrada de la variancia, por

lo que:

= = 2.3361

5. Consideremos nuevamente la distribucin de probabilidad de las ventas

semanales de unidades de alta fidelidad de la marca A, en la ya vimos que:

X = xi 0 1 2 3 4 5

f(x) 0.1 0.1 0.2 0.3 0.2 0.1

Encontrar la variancia y la desviacin estndar.

Solucin.

Basndonos en la distribucin de probabilidad podemos construir la tabla

siguiente, en la cual obtenemos todos los valores que se necesitan para el clculo.

X = xi 0 1 2 3 4 5 Total
f(x) 0.1 0.1 0.2 0.3 0.2 0.1 1
x f(x) 0 01 0.4 0.9 0.8 0.5 2.7
x2 f(x) 0 0.1 0.8 2.7 3.2 2.5 9.3

Podemos observar que:

E(X) = xi f(xi) = 2.7 y que E(X2) = x2 f(x) = 9.3

por lo tanto, la variancia es:

y la desviacin estndar:

6. La probabilidad de que un hombre acierte en el blanco es 1/4. Si dispara 10 veces

cul es la probabilidad de que acierte exactamente en tres ocasiones? Cul es la
probabilidad de que acierte por lo menos en una ocasin?
B(10, 1/4) p = 1/4q = 3/4

7. En una urna hay 30 bolas, 10 rojas y el resto blancas. Se elige

una bola al azar y se anota si es roja; el proceso se repite,
devolviendo la bola, 10 veces. Calcular la media y la desviacin
tpica

B(10, 1/3) p = 1/3q = 2/3

8. Se lanza una moneda cuatro veces. Calcular la probabilidad de

que salgan ms caras que cruces
 B(4, 0.5) p = 0.5q = 0.5

9. Ejercicio 1) En una ciudad se estima que la temperatura mxima en el

mes de junio sigue una distribucin normal, con media 23 y desviacin
tpica 5. Calcular el nmero de das del mes en los que se espera alcanzar

mximas entre 21 y 27.

10. Un estudio ha mostrado que, en un cierto barrio, el 60% de los

hogares tienen al menos dos televisores Se elige al azar una
muestra de 50 hogares en el citado barrio. Se pide:

Cul es la probabilidad de que al menos 20 de los citados

hogares tengan cuando menos dos televisores?
 Cul es la probabilidad de que entre 35 y 40 hogares tengan
cuando menos dos televisores?

Ejercicios propuestos y soluciones

Una muestra aleatoria con reposicin de tamao n=2 se selecciona del conjunto
{1,2,3} produciendo el espacio equiprobable de 9 elementos.
S={(1,1),(1,2),(1.3),(2,1),(2,2),(2,3),(3,1),(3,2),(3,3)} Sea X la suma de los dos
nmeros. (a) Encuentre la distribucin de X. (b) Encuentre el valor esperado
E(X).
R=E(X)=4
(x) 1/9 2/9 3/9 2/9 1/9

Se lanza un dado equilibrado produciendo el espacio equiprobable S= {1,2,3,4,5,6}

Sea X el doble del nmero que aparece. Encuentre la distribucin , la media x,
la varianza x 2 y la desviacin estndar x de X
R=1/6 1/6 1/6 1/6 1/6 1/6
R=7
R=60.7
R=3.4

Encuentre la media = E(X), la varianza 2 =var(X) y la desviacin estndar =

x de la distribucin.
Xi 1 3 5 7

Pi 0.3 0.1 0.4 0.2

R=4
5
R=2.24

Se lanza una moneda cuatro veces. Calcular la probabilidad de que salgan ms

caras que cruces
R=0.3125

Un examen consta de 6 preguntas con 4 posibles respuestas cada una, de las que
slo una de ellas es correcta. Un estudiante que no se haba preparado la materia
responde completamente al azar marcando una respuesta aleatoriamente. Calcula
la probabilidad de que acierte 4 o ms preguntas.
R= 0,03759

PREGUNTAS DE COMPROBACIN

La .. es un mtodo por el cual se obtiene la frecuencia de un

. determinado mediante la realizacin de experimentos aleatorios,
de los que se conocen todos los . posibles, bajo condiciones
suficientemente estables. La probabilidad es un . que puede ser
improbable, probable o seguro.

La funcin de . asocia a cada valor de la variable aleatoria la

probabilidad .. hasta ese valor.

. El valor o esperanza es muy importante, ya que es uno de los

parmetros que describen una .. aleatoria.

Complete
La grafica de una distribucin normal es:
La recta de . es la que mejor se ajusta a la .. de puntos.

Como se utilizaba la estadstica en la antigua grecia

..:

La distribucin binomial se suele representar por .

Bibliografa
galeon.com. (s.f.). Obtenido de http://dorasierra.galeon.com/aficiones280542.html

Polilibros . (2014). Obtenido de

http://148.204.211.134/polilibros/portal/polilibros/P_Terminados/Probabilidad/doc/Unid
ad%202/2.5.HTM

prepafacil.com. (s.f.). Obtenido de

http://prepafacil.com/cobach/Main/DefinicionDeEstadisticaYUtilidad#sthash.NYiM15gZ.d
puf

vitutor.com. (s.f.). Obtenido de http://www.vitutor.com/pro/3/b_2.html

vitutor.com. (s.f.). Obtenido de http://www.vitutor.com/pro/3/b_a.html

wikipedia.com. (s.f.). Obtenido de https://es.wikipedia.org/wiki/Probabilidad#Aplicaciones

x.edu.uy. (2014). Obtenido de http://www.x.edu.uy/inet/Distribucion_Normal_ejemplos.pdf