UNIVERSIDAD NACIONAL DEL SANTA

FACULTAD DE CIENCIAS

DEPARTAMENTO DE MATEMÁTICA Y ESTADÍSTICA

Escuela Profesional de Biotecnología

Módulo de Probabilidad

Autor:

JOSÉ ANTONIO BOZA ROSARIO

Nuevo Chimbote – Perú

2016
 ÍNDICE
Pg.

INTRODUCCIÓN 3
EXPERIMENTO, ESPACIO MUESTRAL Y EVENTOS
Experimento es determinístico 4
Experimento es no determinístico 4
Experimento aleatorio 4
Espacio muestral 4
SUCESO O EVENTO ALEATORIO 7
PROBABILIDADES
Reseña Histórica 10
Enfoques de Probabilidad 11
Axiomas de probabilidad 12
Axioma 1 12
Axioma 2 12
Axioma 3 12
Axioma 4 12
Axioma 5 12
Axioma 6 12
Axioma 7 12
Axioma 8 12
Axioma 9 12
Axioma 10 13
Axioma 11 14
Axioma 12 16
Teorema de Bayes 17
ÁRBOL DE PROBABILIDADES 19

2
 INTRODUCCION

Ya que los profesionales en ingeniería y ciencias aplicada a menudo se involucran en labores

de análisis y diseño de sistemas en donde las componentes características del sistema son no
determinísticas, la comprensión y el uso de la probabilidad son esenciales para describir,
diseñar y analizar estos sistemas.
Existen muchos ejemplos que reflejan el comportamiento probabilístico aunque el verdadero
comportamiento determinístico no es común. Las probabilidades es una de las tareas básicas
de un investigador científico para que posteriormente se busque un modelo probabilístico,
para describir los datos de que se dispone y aplicar a la realidad.
El termino probabilidad ha alcanzado un amplio uso de la vida diaria para cuantificar el grado
de confianza en un evento de interés.
La teoría de las probabilidades ha sido desarrollada y utilizada para resolver muchos
problemas importantes. Una comprensión de estos métodos ampliaría considerablemente la
capacidad profesional de quienes trabajan con datos en las múltiples áreas que abarcan la
tecnología y la ciencia.
El presente modulo tratará el estudio de Probabilidades, definición, axiomas. El módulo ha
sido diseñado a través de actividades de aprendizaje de modo que el estudiante cumpla con
todas ellas analizando contenidos, desarrollando ejercicios y autoevaluándose en forma
consciente y responsable, realimentándose en cada parte donde sea necesario, revisando el
marco teórico dado en el módulo o en la bibliografía recomendada.
La duración del módulo es de 18 horas efectivas.
Se recomienda asistir a las sesiones programadas y solicitar la asesoría del profesor en caso
de tener dificultad en la resolución de los problemas o en la comprensión de alguno de los
temas.
El autor es la única responsable de cualquier deficiencia en el presente material y se
agradecerá cualquier observación o sugerencia que tengan sobre el mismo, las cuales se
tomaran en consideración para ediciones futuras.

3
 EXPERIMENTO, ESPACIO MUESTRAL Y EVENTOS

Los experimentos u operaciones reales o hipotéticos puede dividirse en dos clases:

determinísticos y no determinísticos.
Un experimento es determinístico (no aleatorio), si los resultados del experimento están
completamente determinado y pueden describirse por una fórmula matemática llamado
también modelo determinístico. Así, los siguientes ejemplos:
a. El experimento consiste en soltar una piedra en el aire. la piedra caerá, y su movimiento
se describe por las ecuaciones de caída libre
b. Lanzar una pelota en un tanque de agua y ver si flota o se hunde. la pelota flotara.
c. A un cuerpo de masa “m” en reposo, se somete a una fuerza constante F. el cuerpo se
moverá con una aceleración constante
𝐹
a=𝑚

Un experimento es no determinístico (aleatorio) Si los resultados del experimento no puede

producirse con exactitud antes de realizar el experimento.
EXPERIMENTO ALEATORIO (Ɛ).- Es aquel fenómeno que bajo las mismas condiciones
experimentales se presenta de una misma manera; es decir, sus resultados pueden o no
ocurrir.
Ejemplo:

a. Considere un juego entre dos equipos de futbol A y B desde el punto de vista del
resultado (goles) el experimento es evidentemente aleatorio.

b. Los juegos de azar: dados, barajas, ruletas, loterías, carreras de caballos, etc.

c. En las carreras de caballos pueden existir leyes físicas que determinen el ganador, no
siempre ganan los “favoritos”.

d. Los seguros de vida, la compañía pierde si el asegurado muere pronto y gana en caso
contrario.
1. ESPACIO MUESTRAL (Ω).- Es el conjunto de todos los resultados posibles de un
experimento aleatorio. Cada resultado o elemento del conjunto se llaman “puntos
muestrales”.

4
 Ejemplos:
1.- Un dado tiene el número 1 en tres de sus caras, el número 2, en dos de ellas, y el número 3 en
la cara restante. Se hace un lanzamiento del dado ¿Cuál es el espacio muestral?
Solución:
Ω = {1, 2, 3}
2.- Se va a seleccionar un comité de tres miembros, a partir de un grupo de cinco personas A, B,
C, D y E. Defina un espacio muestral para este experimento.
Solución:
1) Usando la teoría combinatoria veamos ¿Cuántos eventos elementales tendrá el espacio
muestral?
Como existen 5 personas y el comité deberá estar integrado por 3 miembros, entonces:
5! 4x5
n(Ω) = C35 = 3! x 2! = 1 x 2 = 10

2) El número de elementos que tendrá el espacio muestral es 10 y el espacio muestral será:

Ω = {ABC, ABD, ABE, ACD, ACE, ADE, BCD, BCE, BDE, CDE}

3.- Dos objetos A y B se distribuyen al azar en tres celdas numeradas. Defina un espacio muestral
adecuado para este experimento.
Solución:
OBJETOS CELDAS

A 1

B 2

Combinando adecuadamente los objetos A y B con los números 1, 2 y 3 como subíndices,

obtenemos:

Ω = {A1B2, A1B3, B1A2, B1A3, A2B1, A2B3, B2A1, B2A3, A3B1, A3B2, B3A1, B3A2}

Como vemos, el espacio muestral tiene 12 eventos elementales.

Donde:
A1B2 significa: A esta en la celda 1 y B en la celda 2.
B3A2 significa: B está en la celda 3 y A en la celda 2, etc.

5
4.- Los artículos provenientes de la línea de producción se clasifican en defectuosos (D) o no
defectuosos (N). Se observan los artículos y se anota su condición. Este proceso se continua
hasta que se produzcan dos artículos defectuosos consecutivos o se hayan verificado cuatro
artículos, cualesquiera ocurra primero. Describir un espacio muestral para este experimento.
Solución:

Ω = {DD, NDD, DNDD, DNDN, DNND, DNNN, NDND, NDNN, NNDD, NNDN, NNND,
NNNN}

5.- Sea el experimento: “resultado del examen final en el curso de estadística por parte del
estudiante”.
Solución:
Ω = {aprobara o desaprobara}

6.- Sea el experimento aleatorio: “selección de un estudiante de acuerdo a su rendimiento

académico”
Solución:
Ω = {SOBRESALIENTE, BUENO, REGULAR, MALO}

7.- Sea el experimento: “selección de dos personas, en relación a su situación ocupacional”.

Solución:
Ω = {OO, OD, DO, DD}

NOTA:

1.- El espacio muestral puede ser finito o infinito, según si tiene un último elemento o no.
2.- Un espacio muestral puede ser discreto si contiene un numero finito o infinito numerable
de puntos muestrales, o puede ser continuo, si contiene una infinidad no numerable de
puntos muestrales.
3.- Pueden existir diferentes espacios muestrales asociados a un mismo experimento.

Ejercicios
En el espacio en blanco, escribe los espacios muestrales que corresponden a los siguientes.
Experimentos aleatorios:
1. Se selecciona una muestra de 50 semillas de un saco, para ver cuantas germinan. Los
resultados posibles son las cantidades que germinan de las 50 semillas:

Ω={ }

2. El experimento aleatorio consiste en preguntar a los espectadores de la televisión de

cierta ciudad si presencian regularmente, tres programas especificados.

Ω ={ }

6
 3. Dado el experimento de ordenar 3 solicitudes: S1, S2, S3 de acuerdo a sus habilidades
para realizar determinado trabajo.

Ω={ }
4. En una encuesta a estudiantes de Ingeniería se pregunta ¿Cree Ud., que el próximo
domingo esta nublado?

Ω={ }

2. SUCESO O EVENTO ALEATORIO.- Es un resultado del experimento aleatorio. Los sucesos

(eventos) aleatorios pueden ser simples o elementales cuando es un resultado del experimento
que no puede descomponerse y sucesos compuestos, cuando está constituida por varios
sucesos simples y corresponde a un resultado del experimento.

NOTA:
 Un suceso imposible A, si A = {} = Ø, significa que no tiene elemento de Ω.
Ejemplo: “Selección de un propietario de inmuebles con ingresos bajos de la
Urbanización Las Casuarinas – Lima”.
En este caso, el evento es imposible, ya que no se podrá seleccionar un propietario de
inmueble con bajos ingresos, en una zona residencial.
 Un suceso es seguro o cierto A, si A = Ω.
Ejemplo: “Selección de un propietario de inmuebles con ingresos medio - alto de la
Urbanización Las Casuarinas – Lima”.
Se puede apreciar que el Evento es seguro o universal, ya que al Seleccionar un
propietario de inmueble, este de todas maneras tendrá ingresos medio – alto, ya que se
trata de una zona residencial de Lima.
 Los sucesos A y B son mutuamente excluyentes o incompatibles si AB = Ø.
Ejemplo1:
Selección de un profesor de la universidad nacional del santa según categoría Docente”
Ω = {PRINCIPAL, ASOCIADO, AUXILIAR, JEFE DE PRACTICA}

Siendo los Eventos: A= Profesor Principal

B= Profesor Asociado
C= Profesor Auxiliar
D= Profesor de Jefe de Practica
Los cuatro eventos son mutuamente excluyentes, porque al seleccionar un Docente este
tendrá solo una categoría; anulándose el resto de los eventos. No es posible sostener por
ejemplo que al seleccionar un Docente, este tenga la categoría de Principal y Jefe de
Practica a la vez.

Ejemplo 2:
Dado el experimento de revisar 3 televisores elegidos al azar en un taller, donde hay 6
televisores de los cuales se sabe que dos están defectuosos.
Los resultados del experimento podrán ser:
Que salgan 2 televisores buenos y uno defectuoso.
Otro resultado: 1 televisor bueno y 2 defectuosos y 3 televisores buenos.

7
Si designamos por B: televisor bueno y por
D: televisor defectuoso.
Expresamos los resultados como:
2B y 1D: BBD, BDB, DBB.
Escriba a continuación, la forma en que tienen los demás resultados.

1B y 2D: ___________________________________

3B: ___________________________________

Ejemplo 3.- De los resultados del ejercicio 7 podemos definir los siguientes sucesos o
eventos:

Sea el evento A, tal que las dos personas seleccionadas estén ocupadas; entonces:
A= {OO}
Sea el evento B, tal que al menos una de las dos personas este ocupada; entonces:
B= {OO, OD, DO}
Sea el evento C, tal que la primera persona seleccionada este ocupada; entonces:
C= {OO, OD}
Ejemplo 4:
A: “el puntaje obtenido es un número impar”.
Entonces, A= {1, 3,5}

Ejemplo 5:
B: “se extrae una esfera blanca”.
Luego, B= {b}

8
Ejercicios.-
a. Una familia tiene 3 hijos, examinar su sexo, teniendo en cuenta la edad, del mayor
al menor.

1. Determinar su espacio muestral:

2. Determinar el evento A: Los 3 sean masculinos
3. Determinar el evento B: Por lo menos uno sea femenino.

b. Si un investigador de mercados entrevista a una ama de casa y a su esposo para

determinar la “aceptación” o “no aceptación” de un cierto producto.
Asigne el valor 1 si acepta el producto.
Asigne el valor 2 si rechaza el producto.

1. Construya el espacio muestral para este experimento.

2. Determine el evento A: ambos acepten el producto.
3. Determine el evento B: Por lo menos uno de ellos acepte el producto.

c. Un comerciante tiene en su bolsillo cheques de 10,20, 30 y 50 dólares. Si saca dos

cheques de su bolsillo, uno tras otro. Calcular lo siguiente:
Considere lo siguiente:
D = Cheque de diez dólares
V = Cheque de veinte dólares
T = Cheque de treinta dólares
C = Cheque de cincuenta dólares

1. El espacio muestral asociado a este experimento

2. El evento A: Que el primer cheque sea de 10 y el siguiente de 20.
3. El evento B: Que el primer cheque halla sido de 20 dólares

d. Tres personas A, B, C solicitan empleo a una empresa. Si el experimento consiste en

ordenar las solicitudes de acuerdo a sus habilidades para el trabajo. Construya:

1. El espacio muestral
2. El evento P: Que B ocupe el primer lugar.
3. El evento Q: Que A y B ocupen los primeros lugares.

e. En una urna se tiene 2 bolas rojas, 2 bolas azules y 2 verdes. Seleccionar en forma
aleatoria sin reemplazo 3 bolas de la urna.

1. Construir el espacio muestral.

2. Determinar el evento A: La primera sea roja
3. Determinar el evento B: Las 2 primeras sean azules.
4. Determinar el evento C: Obtener a los más 2 bolas verdes.

9
 f. En una urna se tiene 2 bolas rojas, 2 bolas azules y 2 verdes. Seleccionar en forma
aleatoria con reemplazo 3 bolas de la urna.

1. Construir el espacio muestral.

2. Determinar el evento A: La primera sea roja
3. Determinar el evento B: Las 2 primeras sean azules.
4. Determinar el evento C: Obtener a los más 2 bolas verdes.

g. Una urna contiene 5 bolas blancas y 6 negras, se extrae al azar sin reposición dos
bolas.

1. Cual es el espacio muestral (sin reposición)

2. Cual es el espacio muestral (con reposición)
3. Determinar el evento A: Que las bolas sean blancas para ambos casos.

h. Se tiene una baraja con 52 cartas. Se seleccionan al azar 2 cartas y se observa la

figura.

1. Cual es el espacio muestral asociado con este experimento

2. Si se observa el número. ¿Cual es el espacio muestral?

PROBABILIDADES
Reseña Histórica
Una disputa entre jugadores en 1654 llevó a dos famosos matemáticos franceses, Blaise
Pascal y Pierre de Fermat, a la creación del cálculo de Probabilidades. Antoine Gombaud,
caballero de Meré, noble francés interesado en cuestiones de juegos y apuestas, llamó la
atención a Pascal respecto a una aparente contradicción en un popular juego de dados. Este
y otros problemas planteados por de Meré motivaron un intercambio de cartas entre Pascal y
Fermat en las que por primera vez se formularon los principios fundamentales de las
probabilidades. Si bien unos pocos problemas sobre juegos de azar habían sido resueltos por
matemáticos italianos en los siglos XV y XVI, no existía una teoría general antes de esa
famosa correspondencia.

El científico holandés Christian Huygens, enterado de esa correspondencia publicó

rápidamente en 1657 el primer libro de probabilidades; fue un tratado de problemas
relacionado con los juegos. El cálculo de probabilidades llego a ser pronto popular por sus
alusiones a los juegos de azar, y se desarrolló rápidamente a lo largo del siglo XVIII. Quienes
más contribuyeron a su desarrollo fueron James Bernoulli y Abraham de Moivre.

En 1812, Pierre de Laplace introdujo gran cantidad de ideas nuevas y técnicas matemáticas
en su libro, Teoría Analítica de Probabilidades. Antes de Laplace, las probabilidades
prácticamente consistían en un análisis matemático de los juegos del azar. Laplace demostró
que esa teoría podía ser aplicada a multitud de problemas científicos y prácticos. Ejemplo de
tales aplicaciones son la teoría de errores, la matemática actuarial y la mecánica estadística
que se desarrollaron en el siglo XIX. Una de las dificultades que se presentaron al desarrollar

10
una teoría matemática ha sido alcanzar una definición de probabilidad lo bastante precisa
para su utilización matemática.

La búsqueda de una definición completamente aceptable duro cerca de 3 siglos y fue

caracterizada por un gran número de controversias. El asunto fue definitivamente resuelto en
el siglo XX al tratar la teoría de la probabilidad en forma axiomática establecida por el
matemático ruso Andrei Kolmogorov, quien consideró la relación entre la frecuencia relativa
de un suceso y su probabilidad cuando el número de veces que se realiza el experimento es
muy grande.

Enfoques de Probabilidad
Definición Clásica o “a priori”: Si el espacio muestral Ω tiene n (Ω) resultados mutuamente
excluyentes y con igual probabilidad (principio de equiprobabilidad) y si un evento A
(suceso) definido sobre dicho espacio muestral tiene n (A) elementos, entonces la
probabilidad de ese evento, que se denota P (A) es el cociente entre n (A) y n (Ω), es decir:

número de casos favorables n (A)

P (A) = =
número de casos posibles n (Ω)

Esta es la definición clásica de la probabilidad de un evento que se interpreta como la

frecuencia relativa técnica o idealizada con que se presentara el evento.
El enfoque clásico de la probabilidad se basa en la suposición de que cada resultado sea
igualmente probable.
Este enfoque es llamado enfoque a priori porque permite, (en caso de que pueda aplicarse)
calcular el valor de probabilidad antes de observar cualquier evento de muestra.
Ejemplo:
Si tenemos en una caja 15 piedras verdes y 9 piedras rojas. La probabilidad de sacar una
piedra roja en un intento es:
9
P ( A)  = 0,375 ó 37,5%
24
Definición Frecuencial o “a posteriori”: También llamado Enfoque Empírico, determina
la probabilidad sobre la base de la proporción de veces que ocurre un evento favorable en un
número de observaciones. En este enfoque no ese utiliza la suposición previa de aleatoriedad,
porque la determinación de los valores de probabilidad se basa en la observación y
recopilación de datos.

Ejemplo:
Se ha observado que 9 de cada 50 vehículos que pasan por una esquina no tienen cinturón de
seguridad. Si un vigilante de transito se para en esa misma esquina un día cualquiera ¿Cuál
será la probabilidad de que detenga un vehículo sin cinturón de seguridad?

11
Tanto el enfoque clásico como el enfoque empírico conducen a valores objetivos de
probabilidad, en el sentido de que los valores de probabilidad indican al largo plazo la tasa
relativa de ocurrencia del evento.

El enfoque subjetivo
Dice que la probabilidad de ocurrencia de un evento es el grado de creencia por parte de un
individuo de que un evento ocurra, basado en toda la evidencia a su disposición. Bajo esta
premisa se puede decir que este enfoque es adecuado cuando solo hay una oportunidad de
ocurrencia del evento. Es decir, que el evento ocurrirá o no ocurrirá esa sola vez. El valor de
probabilidad bajo este enfoque es un juicio personal.

AXIOMA DE PROBABILIDAD

AXIOMA 1.- P (A) es un número real tal que P (A) ≥ 0

AXIOMA 2.- P (Ω) = 1
AXIOMA 3.- Si A1, A2,… es una sucesión de sucesos mutuamente excluyentes de Ω, es decir
Ai ∩ Aj = Ø para i ≠ j = 1,2…
P (A 1 ∪ A2 ∪…) = P (A1) + P (A2) + …
P (⋃∞ ∞
𝑛=1 An) = ∑n=1 P (An)

Luego: 0 ≤ P (A) ≤ 1
El axioma tercero se refiere a las UNIONES, y podemos expresarlo de la
siguiente manera: La probabilidad de un evento compuesto A es la suma de
probabilidades de los eventos simples de los cuales A es compuesto.
AXIOMA 4.- La probabilidad de un suceso imposible  es cero.
AXIOMA5.- P (Aꞌ) =) = 1 – P (A)
AXIOMA 6.- Si A y B son sucesos no necesariamente excluyentes entonces
P (A  B) = P (A) + P (B) - P (A  B)
n( A) n( B ) n( A  B )
P [A  B] = P [A] + P [B] – P [AB] = + 
n( S ) n( S ) n (S )

AXIOMA 7. - P (A  B  C) =P (A) + P (B) +P(C) - P (A  B) - P (A  C) - P (B  C) + P (A  B  C)

AXIOMA 8.- P (A-B) = P(A) – P(A  B)
AXIOMA 9.- Probabilidad Condicional
Sean A y B dos sucesos de un espacio muestral  . La expresión P (A / B) indica la
probabilidad de que ocurra el evento A dado que ya ha ocurrido el evento B. Puede
determinarse de la siguiente manera:
P (A / B) = P (A  B) / P (B)
n( A  B )
P( A / B)  En donde B es la condición
n( B )

P (A  B) se interpreta como la probabilidad de que los sucesos A y B ocurran

conjuntamente.

12
Ejemplo :
Se extrae una carta al azar. ¿Cuál es la probabilidad de que la carta seleccionada sea menor
de 7, si se conoce que es roja?
A = menor que 7
B = color rojo
P [A/B] = 12/26 = 6/13 = 46.15 % Hay 46.15% de probabilidades de que la carta
seleccionada sea menor que 7, sabiendo que es roja.

Ejercicio:
Para obtener licencia para conducir, es necesario aprobar tanto el examen teórico como el
práctico. Se sabe que la probabilidad que un alumno apruebe la parte teórica es 0,68, la de
que apruebe la parte práctica es 0,72 y la de que haya aprobado alguna de las dos partes es
0,82. Si se elige un alumno al azar, ¿cuál es la probabilidad de que apruebe el examen para
obtener licencia?

AXIOMA 10.- Eventos Independientes

Dos o más eventos son independientes cuando la ocurrencia o no-ocurrencia de un evento o

suceso no tiene efecto sobre la probabilidad de ocurrencia del otro evento (o eventos). Un
caso típico de eventos independiente es el muestreo con reposición, es decir, una vez tomada
la muestra se regresa de nuevo a la población donde se obtuvo.
Consideremos dos eventos A y B no vacíos en  . Las siguientes proposiciones son
equivalentes
A es independiente de B  P (A  B) = P (A) P (B)
 P (A/ B) = P (A)
 P (B/A) = P (B)

Ejemplo:
Una habitación tiene 3 portabombillas conectadas a un mismo interruptor. De una caja con
10 bombillas, de las que 6 son buenas, se sacan 3 bombillas que se colocan al azar en 3
portabombillas. Al dar contacto con el interruptor en la noche. ¿Cuál es la probabilidad de
que la habitación quede iluminada?
Solución.-
La habitación va aquedar iluminada si de las 3 que elige van a estar buenas 1 ó 2 ó 3
bombillas, esto es:
P (queda iluminada) = P (1 buena ó 2 buenas ó 3 buenas)
Nos interesa el suceso “de que al menos una de las bombillas este buena” simbólicamente:
P (queda iluminada) = P (A1 A2ꞌ A3ꞌ) + P (A1ꞌ A2 A3ꞌ) + P (A1ꞌ A2ꞌ A3) +

13
 P (A1 A2 A3) + P (A1ꞌ A2 A3) + P (A1ꞌ A2ꞌ A3) +
P (A1 A2 A3)
Donde:
P (A1 A2ꞌ A3ꞌ): Es la probabilidad que la primera bombilla esta buena y la segunda y
tercera defectuosa.
P (A1 A2 A3): Es la probabilidad que las tres bombillas están buenas.
Así definimos los sucesos:
A1: Suceso que la primera bombilla sea buena.
A2: Suceso que la segunda bombilla sea buena.
A3: Suceso que la tercera bombilla sea buena.
Por tanto la probabilidad de que la habitación quede iluminada es:
P (queda iluminada) = P (A1). P (A2ꞌ/A1ꞌ). P (A3ꞌ/A1 A2ꞌ) + P (A1ꞌ). P (A2ꞌ/A1).
P (A3ꞌ/ A1ꞌ A2) +… + P (A1). P (A1/A2) + P (A3/ A1 A2)
Estas probabilidades son condicionales, por cuanto los sucesos A1, A2 y A3 no son
independientes; pues la probabilidad de que la primera bombilla este buena o no, influye en
la probabilidad de la segunda bombilla que este buena o defectuosa; de igual manera los otros
sucesos.
Ahora reemplazando tenemos:
6 4 3 4 6 3 4 3 6 6 5 4 6 4 5
P (queda iluminada) = 10 𝑥 𝑥 + 10 𝑥 𝑥 + 𝑥 𝑥 + 𝑥 𝑥 + 10 𝑥 𝑥 +
9 8 9 8 10 9 8 10 9 8 9 8
4 6 5 6 5 4
𝑥 𝑥 + 𝑥 𝑥
10 9 8 10 9 8
6 4 3 6 5 4 6 5 4
= 3(10 𝑥 𝑥 8) + 3 (10 𝑥 𝑥 ) + 10 𝑥 𝑥
9 9 8 9 8
29
P (queda iluminada) = 30

Ejercicio:
Lanzar al aire dos veces una moneda son eventos independientes por que el resultado del
primer evento no afecta sobre las probabilidades efectivas de que ocurra cara o sello, en el
segundo lanzamiento.

AXIOMA 11.- Eventos dependientes

Dos o más eventos serán dependientes cuando la ocurrencia o no-ocurrencia de uno de ellos
afecta la probabilidad de ocurrencia del otro (o otros). Cuando tenemos este caso, empleamos
entonces, el concepto de probabilidad condicional para denominar la probabilidad del evento
relacionado. La expresión P (A|B) indica la probabilidad de ocurrencia del evento A sí el
evento B ya ocurrió.
Se debe tener claro que A|B no es una fracción.
P (A / B) = P(A  B) / P (B) o P (B /A) = P(A  B) / P(A)
P (A  B) = P (B) P (A/ B) ó P (A  B) = P (A) P (B / A)

14
Ejemplo:
En un taller trabaja 7 hombres y 3 mujeres. Por el número de ficha se escogen al azar 3
personas. Hallar la probabilidad de que todas las personas seleccionadas sean hombres.
Solución.-
Designamos los sucesos por:
A: el primer escogido es hombre.
B: el segundo escogido es hombre.
C: el tercero escogido es hombre.
7
- La probabilidad de que el primero sea hombre, es igual a: P (A) = 10.
- La probabilidad de que el segundo escogido sea hombre a condición de que el primero
ya fue escogido un hombre, es decir, la probabilidad condicional del suceso B es igual
6 2
a P (B/A) = 9 = 3 .
- La probabilidad de que el tercero sea escogido un hombre, con la condición de que ya
se escogieron dos hombre, es decir la probabilidad condicional del suceso C es igual a
5
P (C/AB) = 8 .
La probabilidad buscada de que las tres personas escogidas sean hombres, es igual a:
P (A ∩ B ∩ C) = P (A). P (B/A). P (C/AB)
7 2 5 7
= 10 𝑥 𝑥 = 24
3 8

AXIOMA 11.1.- Regla de la multiplicación de probabilidades

Partición del espacio muestral 

Decimos que los sucesos B1 , B2 ,..., Bk , representan una partición de  si:

k
a) Bi  B j =  para i  j, b) Bi   c) 0  P  Bi   1, Bi
i 1

15
Esto significa que  es cubierto por todas las partes Bi que son mutuamente excluyentes, es
decir que el experimento aleatorio asociado a  ocurre cuando sucede alguno de los Bi .

AXIOMA 12.- Probabilidad total

Sea A un suceso y B1 , B2 ,..., Bk una partición de  . Entonces:

k
P  A    P  Bi  P  A / Bi 
i 1

Ejemplo:
Dos listas de candidatos compiten por los puestos en el directorio de una compañía. Las
probabilidades de que la primera y la segunda ganen son de 0.6 y 0.4 respectivamente.
Además, si la primera lista gana, la probabilidad de introducir un nuevo producto es de 0.8 y
la correspondiente probabilidad si la segunda lista gana es de 0.3. ¿Cuál es la probabilidad
de que el nuevo producto sea introducido?
Solución
Definimos los sucesos: B1: primera lista gana.
B2: segunda lista gana.
Además, P (B1) = 0.6 y P (B2) = 0.4
y las probabilidades condicionales son:
P (A/ B1) = 0.8 y P (A/ B2) = 0.3
Esto es la probabilidad de introducir un nuevo producto, “si la primera lista gana (P (A/ B1))
y la probabilidad de introducir un nuevo producto “si” la segunda lista gana (P (A/ B2))”.
Sea P (A): suceso introducir un nuevo producto.
Entonces:

P (A) = P (B1 ∩ A) + P (B2 ∩ A)

= P (B1). P (A/ B1) + P (B2). P (A/ B2)
Reemplazando:
P (A) = 0.6 x 0.8 + 0.4 x 0.3
= 0.48 + 0.12
P (A) = 0.60

16
Donde:

P (B1A) = P (B1 ∩ A): Probabilidad de introducir un nuevo producto y gana la

lista 1.

P (B2A) = P (B2 ∩ A): Probabilidad de introducir un nuevo producto y gana la

lista 2.
AXIOMA 13.- Teorema de Bayes
Debida a Thomas Bayes, 1702 a 1761, matemático inglés que estableció el primer método
de inferencia estadística.

Regla de Bayes
Para medir la probabilidad de que un Bi sea la causa de un evento observado en A.
P  Bi  A  P  Bi  P  A / Bi 
“fácil” P  Bi / A   k para i = 1, 2,3,..., k
P  A
 P  Bi  P  A / Bi 
i 1
Es una de las leyes más importantes de la probabilidad, ayuda a tomar decisiones sobre algún
problema concreto.

Ejemplo:
Una firma manufacturera produce tubos de acero en tres plantas con un volumen de
producción diaria de 500, 1000 y 2000 unidades, respectivamente. Por la experiencia, se sabe
que la fracción de producción defectuosa de las tres plantas es de 0.005, 0.008 y 0.010,
respectivamente. S se selecciona un tubo en forma aleatoria del total de producción de un día
y se descubre que es defectuoso ¿de qué planta proviene ese tubo?
Solución
Tenemos los siguientes eventos a partir del problema:
B1: Volumen de producción de la primera planta: 500 u. por día.
B2: Volumen de producción de la segunda planta: 1000 u. por día.
B3: Volumen de producción de la tercera planta: 2000 u. por día.
Total = 3500 unidades por día.
E: un ítem defectuoso.
Luego: P (Bi/E) esta probabilidad de que el ítem sea producido por la i-ésima planta, “dado
que” el ítem es defectuoso.

P (Bi ∩ E) es la probabilidad de que los ítems sean producidos por la i-ésima planta
y sean defectuosos.
Entonces:

17
 500
P (B1) = 3500 = 1/7 P (E/ B1) = 0.005
1000
P (B2) = 3500 = 2/7 P (E/ B2) = 0.008
2000
P (B3) = 3500 = 4/7 P (E/ B3) = 0.010

Observe que:
3

∑ P (Bi) = 1
𝑖=1

Calculamos la probabilidad de que el tubo defectuoso provenga de la planta 1:

P (Bi ∩ E) P (B1). P (E/B1)
P (B1/E) = ∑ P (Bi) . P (E/B1)
= P (B1). P (E/B1)+P (B2). P (E/B2)+ P (B3). P (E/B3)

P (B1). P (E/B1)
P (B1/E) = P (E)

Reemplazando:
(1/7) (0.005) 0.005/7 5
P (B1/E) = (1/7) (0.005)+ (2/7) (0.008)+(4/7) (0.010)
= 0.061/7 = 61

Similarmente, calculamos las probabilidades para la planta 2 y planta 3.

P (H2 ∩ E) P (H2) . P (E/H2) (2/7) (0.008) 16
P (B2/E) = = = =
P (E) P (E) 0.061/7 61

P (H3 ∩ E) P (H3) . P (E/H3) (4/7) (0.010) 40

P (B3/E) = = = =
P (E) P (E) 0.061/7 61

Puesto que P (B3/E), es evidentemente, la probabilidad mayor, entonces lo más probable es

que el ítem defectuoso haya sido sacado de las producciones de la tercera planta.

NOTA: 1.- P (Bi/E) son las probabilidades posteriores.

2.- P (Bi) son las llamadas probabilidades previas.
3.- P (B1 E) se les llama probabilidades conjuntas.
4.- P (E/Bi) son las verosimilitudes.
5.- Como control de los cálculos anteriores, la suma de todas las
probabilidades posteriores debe ser la unidad.
Los problemas de probabilidades también se pueden resolver con ayuda del método del
árbol o con tablas estadísticas.

18
ÁRBOL DE PROBABILIDADES
El diagrama del árbol es más sugerente para determinar el espacio muestral de un
experimento aleatorio compuesto.

Ejercicio:
Se tiene 6 esferas de colores en una ánfora, de las cuales 3 son rojas, 2 son blancas y 1 es
negra. Se extraen aleatoriamente ó a la suerte de 1 en 1 sin reposición
a. Construya un árbol de probabilidades hasta la tercera extracción
b. Cuál es la probabilidad de obtener 2 rojas hasta la tercera extracción
c. Cuál es la probabilidad de obtener una esfera blanca y una esfera negra hasta la segunda
extracción.

SOLUCIÓN:
a. Figura

19
 R
1/
R
2/ B
2/5
1/ N
R
R 2/
2/5 B
1/ B

1/ N
1/5 2/ R
R
N
3/6 2/ B 2/
R
1/ B
3/5
1/ N
R
B
2/6 1/5 B 3/

1/ N
3/ R
1/5
N
R
1/ B
2/
1/6 R
3/5
2/ B
N R
3/
2/5
B
1/ B

b. Probabilidad de obtener dos rojas hasta la tercera extracción:

P [A]= 3/6 * 2/5 * 2/4+3/6 * 2/5 * 1/4+3/6 * 2/5 * 2/4+3/6 * 1/5 * 2/4+2/6 * 3/5 *
2/4+1/6 * 3/5 * 2/4
P [A]= 9/20 = 0.45 ó 45%

c. Probabilidad de obtener una esfera blanca y una esfera negra hasta la segunda extracción:
P [x] = 2/6 * 1/5 + 1/6 * 2/5
= 2/15 = 0.1333 ó 13.33%

20
Ejemplos de Aplicación de los Axiomas de probabilidades
Ejemplo1:
Sea: Ɛ 1= Lanzamiento de un dado y su puntaje obtenido.
Su espacio muestral está dado por: Ω 1= {1, 2, 3, 4, 5,6}
Calcule la probabilidad de la ocurrencia de los sucesos A, B, C definidos a continuación:
a) A: El puntaje obtenido es un número par: A = {2, 4, 6}

n( A) 3
P [A]= = = 0.5 ó 50%
n( S ) 6

Interpretación: La Probabilidad de la ocurrencia del suceso A es de 50%

b) B: Puntaje es menor ó igual que 5. B = {1, 2, 3, 4,5}

n( B ) 5
P [B]= = = 0.8333 ó 83.33%
n( S ) 6

Interpretación: La Probabilidad de la ocurrencia del suceso B es de 83.33%

c) C: Puntaje es mayor que 9. C=

n (C ) 0
P [C]= = = 0 ó 0%
n( S ) 6

Interpretación: La Probabilidad de la ocurrencia del suceso C es de 0%

Ejemplo2:

Sea el Ɛ 2: Extracción de una carta de un juego de 52 naipes:

a) Cuál es la probabilidad de que sea espada

n( A) 13
P [A]= = = 0.25 = ó 25%
n( S ) 52

b) Cual es la probabilidad de que sea menor de 9:

8 cartas son menores que 9, por lo tanto el total de cartas es igual a 32 (8x4)

21
 n( B ) 32
P [B] = = = 0.6153 ó 61.53%
n( S ) 52

c) Cual es probabilidad de que sea 13:

Hay 4 cartas 13 es decir que n (C) = 4

(las cartas son: el 13 , el 13 , el 13  y el 13 )

n (C ) 4
P [C]= = = 0.0769 ó 7.69%
n( S ) 52

Ejemplo 3:

Si se extrae una carta de un juego de 52 naipes.¿Cuál es la probabilidad de que la carta

seleccionada :

a. Sea roja ó mayor de 9

b. Sea roja y mayor de 9
c. Sea espada ó igual que 5
d. Sea menor de 5 ó mayor de 10

SOLUCIÓN:

a. Sea roja ó mayor de 9. Luego se define los siguientes eventos:

A= carta roja
B= mayor de 9
n( A) n( B ) n( A  B )
Entonces, P [A  B]= P [A] + P [B] - P [AB] = + 
n( S ) n( S ) n (S )

26 16 8 34
   = = 0.6538 ó 65.38%
52 52 52 52

b. Sea roja y mayor de 9:

A= roja

B= mayor a 9

n( A  B ) 8
Luego, P [AB] = = = 0.1538 ó 15.38%
n (S ) 52

c. Sea espada ó igual que 5:

A= espada
22
 B= 5

13 4 1
Luego, P [AB] = P [A] + P [B] – P [AB] =  
52 52 52

d. Sea menor de 5 ó mayor de 10

A<5

B >10

Luego, P [A  B]= P [A] + P [B] – P [AB] = 16/52 + 12/52 – 0/52 = 7/13=

0.5384 ó 53.84%

Ejemplo 4:
Un lote consta de 10 artículos buenos, 4 con pequeños defectos y 2 con defectos graves. Se
elige un artículo al azar. Encontrar la probabilidad de que:

(a) No tenga defectos.

(b) No tenga un defecto grave.
(c) Que sea bueno o que tenga un defecto grave.

Solución:
PASO1: Sean los eventos:
A = {artículos buenos}, donde n(A) = 10
B = {artículos con pequeños defectos}, donde n (B) = 4
C = {artículos con defectos graves} donde n(C) = 2

PASO 2: El total de artículos es 10 + 4 + 2 = 16

PASO 3: Las probabilidades pedidas son:

10 5
(a) P(A) = 16 = 8
2 14 7
(b) P (C’) = 1 – P(C) = 1 - 16 = 16 = 8
(c) P(A o C) = P(A) + P(C)
10 2 12 3
= 16 = 16 = 16 = 4

Ejemplo 5:
En un puesto de inspección el 1% de los carros investigados tuvieron malos freos, malos
faros y causaron demasiada contaminación; 19% produjeron demasiada contaminación;
14% tuvieron malos freos; 5% tuvieron mal los frenos y los faros delanteros; 3% tuvieron
faros malos y causaron contaminación; 16% tuvieron faros malos y 3% frenos malos y
causaron contaminación.

a) ¿Qué porcentaje tienen mal los frenos, los faros (o ambos)?

b) ¿Qué probabilidad tuvieron mal los frenos o los faros pero no ambos?

23
Solución:
PASO 1:
Sean los eventos:
A: carros que tienen malos frenos
B: carros que tienen malos faros
C: carros que causan demasiada contaminación
Donde:
P (ABC) = 0.01, P(C) = 0.19, P(A) = 0.14, P(AB) = 0.05, P(BC) = 0.03, P(B) 0.16,
P(AC) = 0.03

PASO 2: Ubicando estos datos en el esquema de Venn, sería:

PASO 3: La solución es:

a) P (AUB) = 7 + 4 + 1 +2 +9 + 2 = 25%
También se puede calcular del modo siguiente:
P (AUB) = P (A) + P (B) – P (AB)
= 0.14 + 0.16 – 0.05 = 0.25
b) P ((AUB) ∩ (A∩B)’) = (7 + 2) + (9 + 2) = 20%

Ejemplo 6:
En una habitación se encuentra el siguiente grupo de personas: 5 hombres mayores de 21, 4
hombres menores de 21, 6 mujeres mayores de 21 y 3 mujeres menores de 21. Se elige a una
persona al azar, se definen los sucesos siguientes: A = {la persona es mayor de 21}; B = {la
persona es menor de 21}; C = {la persona es hombre}; D = {la persona es mujer}. Evaluar
las siguientes:
(a) P (BUD) (b) P (AUC)

Solución: 4 21 5
Tenemos: 5 hombres mayores de 21 H
4 hombres menores de 21
6 hombres mayores de 21 M
3 hombres menores de 21 3 6
Al elegir una persona, esta puede ser un hombre o una mujer:
9 1
Si resulta hombre, la probabilidad es P (H) = 18 = 2
9 1
Si resulta mujer, la probabilidad es P (M) = 18 = 2

Además:
5+6 11 5+4 9
P(A) = 5+4+6+3 = 18 , P(C) = 5+4+6+3 = 18
4+3 7 6+3 9
P (B) = 5+4+6+3 = 18 , P(C) = 5+4+6+3 = 18

Luego:
(a) P (BUD) = P (B) + P (D) – P (B∩D)

24
 7 9 3 13
= 18 + 18 - = 18
5+4+6+3

(b) P (AUC) = P(A) + P(C) – P (A∩C)

8 9 5 12 2
= 18 + 18 - 5+4+6+3 = 18 = 3

Instrucción: Utilizando las definiciones anteriores acerca de probabilidades resolver los

siguientes ejercicios:

EJERCICIO Nº 01:

Se lanza 4 veces una moneda. ¿De cuántas formas posibles pueden caer las monedas? Utilice
un diagrama de árbol para mostrar todos los resultados y luego determina su espacio muestral.

EJERCICIO Nº 02:

Un administrador de un centro de impresiones acepta un embarque de 15 receptores, si en

una muestra de 4 receptores no sale ningún defectuoso. ¿Cuál es la probabilidad de que acepte
el embarque si este contiene 3 receptores defectuosos?
Construya un árbol de probabilidades que ilustre el experimento aleatorio e indique las
probabilidades correspondientes para cada suceso

EJERCICIO Nº 03:

En cierta ciudad el 40% de los docentes tiene el cabello castaño, el 20% tiene los ojos negros
y el 5% tiene los ojos negros y el cabello castaño. Se escoge un docente al azar.
Halle la probabilidad de que:
a. Tenga el cabello castaño o los ojos negros
b. Tenga solo el cabello castaño, pero no los ojos negros
c. No tenga el cabello castaño ni los ojos negros

EJERCICIO Nº 04:

En una caja hay 6 esferas. 2 son rojas, 1 blanca y las 3 restantes son negras. Si se sacan al
azar de una en una (sin reemplazo) hasta la tercera esfera.
a. Construya un árbol de probabilidades que ilustre el experimento aleatorio
b. Indique la probabilidad de obtener una esfera roja hasta la segunda selección
c. Indique la probabilidad de obtener dos esferas negras hasta la tercera selección.

EJERCICIO Nº 05:

Un estudio de 200 centros educativos iniciales reveló que sus ingresos mensuales (en dólares,
después del pago de impuestos:
25
 Ingreso en dólares Centros educativos

[0 - 150 > 40

[150 - 500 > 70

[500 - 1000 ] 90

a. ¿Cuál es la probabilidad de que un centro educativo tenga un ingreso menor de 150 dolares
en ingresos después de los impuestos?

b. ¿Cuál es la probabilidad de que una tienda seleccionada aleatoriamente o al azar tenga un

ingreso entre 150 a 500 dólares?

EJERCICIO Nº 06:

Se selecciona al azar una carta de un juego de 52 naipes. ¿Cuál es la probabilidad de que la

carta seleccionada:

a. Sea de color rojo y tenga un valor mayor a 10.

b. Tenga un valor mayor a 5 o menor a 11.
c. Sea corazón o tenga un valor menor de 4.

EJERCICIO Nº 07:

Se tienen 5 esferas de colores de las cuales 2 son rojas, 2 son blancas y una negra. Si se
seleccionan al azar en forma aleatoria de una en una sin reposición hasta la tercera
extracción:

a. Construya un árbol de probabilidades que ilustre el experimento aleatorio.

b. ¿Cuál es la probabilidad de obtener hasta la segunda extracción una esfera roja?

c. ¿Cuál es la probabilidad de obtener hasta la tercera extracción una esfera roja y una negra?

EJERCICIO Nº 08:

Se lanzan dos dados a la vez, si se conoce que por lo menos en uno de ellos sale 2, ¿Cuál es
la probabilidad de que el puntaje total obtenido sea 5?

26
EJERCICIO Nº 09:

Se compran 300 accesorios de auto a tres proveedores distintos A, B y C. 60 provienen del

proveedor A, 100 provienen de B y los restantes de C. Si se conoce que el 2%, 4% y 6% de
los accesorios que ofertan A, B y C son defectuosos, calcule cuál es la probabilidad de que
al escogerse un accesorio aleatoriamente de los 400 comprados este:
a. Provenga del proveedor A
b. Siendo defectuoso, provenga del proveedor B
c. Siendo bueno, provenga del proveedor C

EJERCICIO Nº 10:

En una Institución educativa hay 30 trabajadores, de los cuales la tercera parte son mujeres.
Si la cuarta parte de los hombres y la mitad de las mujeres son de la capital, ¿Cuál es la
probabilidad de que al seleccionarse un trabajador aleatoriamente este:
a. Sea hombre
b. Sea mujer y provinciana
c. Sea mujer sabiendo que es de la capital
d. Sea hombre sabiendo que es provinciano

EJERCICIO Nº 11:

Un laboratorio trabaja correctamente el 92% del tiempo, produciendo solamente 0.5% de

medicamentos defectuosos; cuando no trabaja bien produce un 4% de defectuosos. Si
escogemos un medicamento al azar. Calcular la probabilidad de que sea defectuoso.

EJERCICIO Nº 12:

La UNS está formada por 56% de hombres y 44% de mujeres, se sabe que el 44% de los
hombres y el 20% de las mujeres fuman. Si elige un estudiante al azar y si resulta que fuma.
Calcular la probabilidad de que sea hombre.
EJERCICIO Nº 13:

Los profesores de la Universidad “X” se clasifican de la siguiente manera:

15% tienen doctorado.

60% tienen licenciatura.

25% tienen bachillerato.

El 60% de los doctores, 80% de los licenciados y el 25% de los bachilleres son varones. Se
elige al azar un profesor y resulta ser mujer, ¿Cuál es la probabilidad de que sea doctor?

27
EJERCICIO Nº 14:

De las personas examinadas en el departamento de salud de un condado, el 45% proviene

de un sector A del condado, el 30% de un segundo sector B y el 25% de un tercer sector
C. El 30% de los pacientes del sector A el 20% del sector B y el 10% del sector C están
en la nómina de bienestar social del condado. Se escoge al azar un paciente entre los
archivos del departamento y se halla que está inscrito en la nómina de bienestar social.
¿Qué probabilidad hay de que ese paciente sea del sector ¿A?¿B?¿C?

EJERCICIO Nº 15:

Un ingeniero ha descubierto, en una gran empresa industrial, que el 20% de los casos de
emergencia que examina, provienen del departamento A, el 10% del departamento B, el 45%
del departamento C y el 25% del departamento D. también ha descubierto que el 10% de los
casos de emergencia del departamento A, el 5% del departamento B, el 15% del
departamento C y el 12% del departamento D son accidentes debidos a aparente descuido.
Se presenta en la clínica un caso de accidente ocasionado por descuido. ¿Qué probabilidad
hay de que ese paciente pertenezca al departamento ¿A?¿B?¿C?¿D?

EJERCICIO Nº 16:

Tabla:

Proporción de la Proporción de hombres

Edad población total casados respecto de los
grupos de edad
14 – 25 0.20 0.05
26 – 44 0.40 0.80
45 o más o.40 0.95

La tabla muestra algunas características de cierta población de hombres expresadas en

proporciones. Se escoge al azar un hombre y se encuentra que es casado. Calcular la
probabilidad de que su edad este entre los 14 y los 25, entre los 26 y los 44 y que sea de
45 años o más.

EJERCICIO Nº 17:

Un científico ha descubierto en un hospital para enfermedades crónicas que el 15% de los

pacientes permanecen en el hospital menos de 30 días, mientras que el 85% permanece 30

28
 días o más. El científico también ha descubierto que el 20% de los pacientes que se quedan
poco tiempo y el 60% de los que permanecen largo tiempo presentan cierto grupo de
características .Se admite en el hospital un paciente que presenta dichas características ¿Cuál
es la probabilidad de que ese individuo vaya a permanecer en el hospital menos de 30 días?
¿30 días o más?

EJERCICIO Nº 18:

Tabla

Edad(en años) Total

Diagnostico <15 15 – 24 25 – 34 35 – 44 45 – 54 55 – 64 65omás
(A1) (A2) (A3) (A4) (A5) (A6) (A7)
Reacción psicótica involuntaria 0 0 0 7 27 20 14 68
( B1)
Reacción maniaco – depresiva 3 1 4 5 9 10 5 378
(B2)
Esquizofrenia (B3) 5 95 140 160 103 44 7 554
Reacciones psiconeuróticas (B4) 8 26 48 48 30 13 3 178

Alcoholismo (B5) 2 10 85 85 68 26 5 236

Drogadicción (B6) 5 12 24 24 5 2 1 74
Total 23 144 329 329 242 115 35 1147

La tabla muestra el número de pacientes admitidos en una clínica psiquiátrica durante un

determinado periodo de tiempo. Los pacientes se hallan clasificados por diagnóstico y por
edad. Con estos datos, encontrar.
Siguiente:
(a) P(A3 B4) (b) P(A4 B3) (c) P(A’1)
(d) P(B1 A7) (e) P(B6) (f) P(B6 A1)
(g) La probabilidad de que un paciente escogido al azar sea esquizofrénico.
(h) La probabilidad de que un paciente escogido al azar sea esquizofrénico. Dado
que tiene de 25 a 34 años de edad.
(i) La probabilidad de que un paciente escogido al azar sea esquizofrénico y tenga
entre 25 y 34 años de edad.

29
BIBLIOGRAFIA

1. AVILA, R. (2010). ESTADSITICA ELEEMENTAL. Perú. Editorial San Marcos.

2. Córdova, M. (2006) ESTADISTICA APLICADA.EDITORIAL. Perú. MOSHERA
S.R.L.
3. Fernández, J., & José, F. (2007). ESTADISTICA APLICADA II. Perú. Editorial San
Marcos.
4. Ilasaca. E. (2012). .ESTADISTICA Y PROBABILIDES CON SPSS. Perú. Grupo
Editorial Megabyte.
5. Kennedy (2012). ESTADÍSTICA PARA CIENCIA Y INGENIERÍA. México. Ed.
Harea.
6. Mendenhall, W., Robert J., & Bárbara, M. (2005).PROBABILIDAD Y
ESTADISTICA. México. Cengage Learning Editores S.A.
7. Moya, R. (2005). ESTADISTICA DESCRIPTIVA CONCEPTOS Y
APLICACIONES. Perú. Editorial San Marcos.
8. Pérez L. (2013). ESTADSITCA BASICA. . Perú. Editorial San Marcos.
9. Quezada, N. (2010). ESTADÍSTICA PARA INGENIEROS. Perú. Empresa Editora
Macro E-I.R.L.
10. Quezada, N. (2010). ESTADISTICA CON PASW 18 SPSS. Perú. Empresa Editora
Macro E-I.R.L.
11. Tasaico, J. (2008). ESTADISTICA. Perú. Editorial Cuzcan.
12. Weiers, R. (2008). ESTADSITICA PARA NEGOCIOS. México. Cengage Learning
Editores S.A.

30