Probabilidad

Tronco común FACS

Profesora: María de la Luz Bernal
1
 Probabilidad
Seguramente estarás familiarizado con términos como probabilidad, azar y posibilidades, los cuales con frecuencia se emplean
de manera indistinta. Cuantas veces hemos visto y/o escuchado en los diferentes medios de comunicación cosas como:

 El día de hoy por la tarde se pronostica un 70% de probabilidad de lluvia.

 Del total de las urnas se han recolectado el 45%.

 Con un 54% el nuevo presidente de México es….

 La violencia en México ha incrementado en mas de un 30%

En la vida cotidiana, nos encontraremos con situaciones en las que será necesario tomar decisiones cuando interviene la
incertidumbre, cuya mejor forma de tratarla es empleando los diferentes métodos de la probabilidad.

¿Qué es la probabilidad?
 En general es un valor numérico que describe la posibilidad de un suceso.

 Es el valor entre cero y uno, inclusive que describe la posibilidad relativa (oportunidad o casualidad) de un evento.

 Es común que una probabilidad se exprese en forma decimal como: 0.70, 0.28 0 0.50. Se puede suponer cualquier número
entre 0 y 1

 La probabilidad de 0 significa que es difícil que el evento ocurra.

 Si la probabilidad es 1, entonces es seguro que el evento ocurrirá.

2
 Probabilidad
En el estudio de la probabilidad se utilizan tres palabras claves: experimento, resultado y evento. Dichos términos se emplean en el
lenguaje de la vida, pero en estadística adquieren significados específicos.

EXPERIMENTO (Ɛ):

Proceso que induce a que ocurra una y sola una de varias posibles observaciones.

Proceso mediante el cual se obtienen mediciones de un fenómeno (observaciones) , que pueden ser de tipo numérico o no numérico; a
cada resultado del experimento se le llama punto muestra. Cuando se tienen todos los resultados posibles del experimento se habrá
formado el espacio muestral.

ESPACIO MUESTRAL(S):

Se define como el conjunto de todos los resultados posibles que pueden obtenerse de un determinado experimento; por ejemplo:

El experimento Ɛ1 consiste en seleccionar a un profesionista para ocupar el puesto de subdirector en la Secretaría de Turismo con base en
el grado de estudios. El espacio muestral está formado por tres puntos muestrales: doctorado, maestría y licenciatura,
S= 𝐷𝑜𝑐𝑡𝑜𝑟𝑎𝑑𝑜, 𝑀𝑎𝑒𝑠𝑡𝑟í𝑎, 𝐿𝑖𝑐𝑒𝑛𝑐𝑖𝑎𝑡𝑢𝑟𝑎

RESULTADO:

Ocurrencia particular de un experimento.

EVENTO:

Conjunto de uno o más resultados de un experimento.

3
 Enfoques para asignar
probabilidades
Existen tres formas de asignar una probabilidad a un evento: clásica, empírica y subjetiva. Los métodos
clásico y empírico son objetivos y se basan en datos e información. El método subjetivo se basa en la
creencia o estimación de una persona acerca de la probabilidad de un evento.

Probabilidad clásica

La probabilidad clásica parte del supuesto de que los resultados de un experimento son igualmente
posibles. De acuerdo con el punto de vista clásica, la probabilidad de un evento se calcula dividiendo el
número de resultados favorables entre el número de posibles resultados:

𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠

𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑢𝑛 𝑒𝑣𝑒𝑛𝑡𝑜 =
𝑁ú𝑚𝑒𝑟𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠

4
 Enfoques para asignar
probabilidades
Probabilidad clásica
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠
𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑢𝑛 𝑒𝑣𝑒𝑛𝑡𝑜 =
𝑁ú𝑚𝑒𝑟𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠

Ejemplo:

Considere el experimento de lanzar un dado. ¿Cuál es la probabilidad del evento “cae un número par de puntos?.
Los posibles resultados son:

Un punto Cuatro puntos

Dos puntos Cinco puntos

Tres puntos Seis puntos

Hay tres resultados posibles (dos, cuatro y seis) en el conjunto de seis resultados posibles, por consiguiente:

3
𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑢𝑛 𝑒𝑣𝑒𝑛𝑡𝑜 = 6=0.5

5
 Probabilidad Empírica
La probabilidad empírica o frecuencia relativa, el segundo tipo de probabilidad, se basa en el número
de veces que ocurre el evento como proporción del número de intentos conocidos.

La podemos definir como la probabilidad de un evento que representa una fracción de los sucesos
similares en el pasado.

La fórmula para determinar la probabilidad empírica es:

𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑣𝑒𝑐𝑒𝑠 𝑞𝑢𝑒 𝑒𝑙 𝑒𝑣𝑒𝑛𝑡𝑜 𝑜𝑐𝑢𝑟𝑟𝑒

𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑒𝑚𝑝í𝑟𝑖𝑐𝑎 =
𝑁ú𝑚𝑒𝑟𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑐𝑖𝑜𝑛𝑒𝑠

El enfoque empírico de la probabilidad se basa en la llamada ley de los grandes números. La clave para
determinar probabilidades de forma empírica consiste en que una mayor cantidad de observaciones
proporcionará un cálculo más preciso de la probabilidad.

6
 Probabilidad Empírica

LEY DE LOS GRANDES NÚMEROS

Es una gran cantidad de intentos, la probabilidad empírica de un evento se aproximará a su probabilidad

real.

Para explicar la ley de los grandes número suponga que lanza una moneda común. El resultado de cada
lanzamiento es cara o cruz, si lanzas la moneda gran cantidad de veces, la probabilidad del resultados de
caras se aproximará a 0.5., entre mayor sea el número de intentos, la probabilidad empírica de que
salga cara se aproxima a 0.5, el cual es su valor de acuerdo con el enfoque clásico de la probabilidad.

7
 Probabilidad Empírica
EJEMPLO:

El 1ro. De marzo de 2004 explotó el transbordador espacial Columbia. Este fue el segundo desastre en 113 misiones
espaciales de la NASA. Con base en esta información, ¿Cuál es la probabilidad de que una futura misión concluya con
éxito?

Para simplificar utilizaremos la letra “P” representa la probabilidad y, en este caso P(A) representa la probabilidad de
que una futura misión concluya con éxito.

𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑣𝑢𝑒𝑙𝑜𝑠 𝑒𝑥𝑖𝑡𝑜𝑠𝑜𝑠

𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑢𝑛 𝑣𝑢𝑒𝑙𝑜 𝑒𝑥𝑖𝑡𝑜𝑠𝑜 =
𝑁ú𝑚𝑒𝑟𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑣𝑢𝑒𝑙𝑜𝑠

111
𝑃(𝐴) = 113 = 0.98

Por lo que concluimos que por experiencia, la probabilidad de que una futura misión del transbordador espacial
concluya con éxito es de 0.98

8
 Probabilidad Subjetiva
Si se cuenta con poca o ninguna experiencia o información con cual sustentar la probabilidad, es posible
aproximarla en forma subjetiva, En esencia, esto significa que un individuo evalúa las opiniones e información
disponibles y luego calcula o asigna la probabilidad, esta se denomina probabilidad subjetiva.

 Lo podemos definir como la posibilidad (probabilidad) de un evento en particular que asigna un individuo a
partir de cualquier información disponible.

Algunos ejemplos de probabilidad subjetiva son:

1.- Calcular la posibilidad de que los Patriotas de Nueva Inglaterra jueguen en el súper tazón el próximo año.

2.- Estimar la probabilidad de que una persona tenga un accidente automovilístico en los próximos 12 meses.

3.- Calcular la probabilidad de que en los próximos 10 años el dólar baje de precio.

9
 Enfoques de probabilidad
En resumen:

Enfoques de
probabilidad

Objetivo Subjetivos

Probabilidad Parte de información

Probabilidad clásica
empírica disponible

Se basa en resultados
Se sustenta en las
igualmente
frecuencias relativas
probables

10
 Reglas de adición para calcular
probabilidades
Existen dos reglas de la adición: la regla especial y la regla general.

REGLA ESPECIAL DE LA ADICIÓN

Cuando se aplica la regla especial de la adición, los eventos deben ser mutuamente excluyente ( esto
significa que cuando un evento ocurre, ninguno de los demás eventos puede ocurrir al mismo tiempo).
Un ejemplo de este tipo de eventos en el experimento del lanzamiento de un dado son los eventos “un
número cuatro o mayor” y ”un número dos o menor”. Si el resultado se encuentra en el primer grupo
(4,5 y 6), entonces no puede estar en el segundo grupo (1 y 2).

Si dos eventos A y B son mutuamente excluyentes, la regla especial de la adición establece que la
probabilidad de que ocurra uno u otro es igual a la suma de probabilidades. Esta regla se expresa
mediante la siguiente fórmula:

𝑃 𝐴𝑜𝐵 =P 𝐴 +𝑃 𝐵

En el caso de tres eventos mutuamente excluyentes designados A, B y C, la regla se expresa de la

siguiente manera:

𝑃 𝐴 𝑜 𝐵 𝑜 𝐶 = P 𝐴 + 𝑃 𝐵 +𝑃 𝐶
11
 Reglas de adición para calcular
probabilidades
EJEMPLO: Una máquina automática llena bolsas de plástico con una combinación de frijoles, brócoli y otras verduras.
La mayoría de estas contienen el peso correcto, aunque, como consecuencia de la variación del tamaño del frijol y de
algunas verduras, un paquete podría pesar menos o más . Una revisión de 4,000 paquetes que se llenaron el mes
previo arrojó los siguientes datos: Probabilidad de que
Peso Evento Núm. De paquetes
ocurra el evento
Menos peso A 0.025
100
Peso satisfactorio B 0.9
3,600
Más peso C 0.075
300

4,000 1

¿Cuál es la probabilidad de que un paquete en particular pese menos o más?

El resultado “pesa menos” es el evento A; el resultado “pesa mas” es el evento C. Al aplicar la regla especial de la
adición se tiene:
𝑃 𝐴𝑜𝐶 =P 𝐴 +𝑃 𝐶
𝑃 𝐴 𝑜 𝐶 = 0.025 + 0.075=0.10

Observe que los eventos son mutuamente excluyentes, lo cual significa que un paquete de verduras mixtas no puede
pesar menos, tener el peso satisfactorio y pesar más al mismo tiempo.

12
 Diagramas de Venn-Euler
El lógico inglés J.Venn (1834-1923) creó un diagrama para representar de manera gráfica el resultado de un
experimento. El concepto de eventos mutuamente excluyentes, así como de otras reglas para combinar
probabilidades, se ilustra mediante este recurso.

Para construir un diagrama de Venn, primero se encierra en un espacio de forma rectangular, el cual representa el
total de posibles resultados . Un evento se representa por medio de un área circular que se dibuja dentro del
rectángulo, la cual corresponde a la probabilidad del evento.

En el siguiente diagrama de Venn se ilustra el concepto de eventos “mutuamente excluyentes” (los eventos no se
superponen). En el diagrama suponga que los eventos A, B y C son equiprobables (es decir tienen la misma
probabilidad):

Evento Evento Evento

A B C

13
 Regla del Complemento
La probabilidad de que una bolsa de verduras mixtas seleccionadas pese menos, P(A), más la probabilidad de que no
sea una bolsa con menos peso P(-A), que se lee no A, debe ser, por lógica, igual a 1. Esto se escribe:

𝑃 𝐴 + P −𝐴 = 1

Esta expresión puede formularse: 𝑃 𝐴 = 1 − P −𝐴

La regla del complemento se emplea para determinar la probabilidad de que un evento ocurra restando de 1 la
probabilidad de un evento que no ha ocurrido. Esta regla es útil porque a veces es más fácil calcular la probabilidad de
que un evento suceda determinando la probabilidad de que no suceda y restando el resultado de 1 .

Observe que los eventos A y –A son mutuamente excluyentes y colectivamente exhaustivos, por consiguiente, las
probabilidades de A y –A suman 1 . En el diagrama de Venn la regla del complemento se ilustra de la siguiente manera:

-A
Evento
A

14
 Regla de la adición
En el siguiente diagrama de Venn se muestran dos eventos que no son mutuamente excluyentes:

A
Evento y Evento
A B B

A esto lo llamaremos “Probabilidad Conjunta” la cual mide la posibilidad de que dos o más eventos
sucedan simultáneamente.

Así la regla general de adición para, utilizada para calcular la probabilidad de dos eventos que no son
mutuamente excluyentes es:
𝑃 𝐴𝑜𝐵 = 𝑃 𝐴 + P 𝐵 −P 𝐴𝑦 𝐵

En el caso de la expresión 𝑃 𝐴𝑜𝐵 , la letra o sugiere que puede ocurrir A o puede ocurrir B, esto
también incluye la posibilidad de que A y B ocurren, tal uso o veces se denominan inclusivo.

15
 Regla especial de la multiplicación
Esta regla requiere que dos eventos, A y B sean independientes, y lo son si el hecho de que uno ocurra no altera la
probabilidad de que el otro suceda.

Independencia; Si un evento ocurre, no tiene ningún efecto sobre la probabilidad de que otro evento acontezca.

Una forma de entender la independencia consiste en suponer que dos eventos A y B ocurren e diferentes tiempos, por
ejemplo cuando el evento B ocurre después de evento A, ¿Influye A en la probabilidad de que el evento B ocurra? Si la
respuesta es no, entonces A y B son eventos independientes. Supón que lanzas dos dados, el resultado de lanzamiento
de un dado (1,2,3,4,5 o 6) no altera el resultado de cualquier dado lanzado previamente.

En el caso de dos eventos independientes A y B la probabilidad de que A y B ocurran se determinan multiplicando las
dos probabilidades, tal es la regla especial de la multiplicación, cuya expresión simbólica es la siguiente:

𝑃 𝐴𝑦𝐵 = 𝑃 𝐴 P 𝐵

En el caso de tres eventos independientes A , B y C la regla especial de la multiplicación que se utiliza para
determinar la probabilidad de que los tres eventos ocurran es:

𝑃 𝐴𝑦𝐵𝑦𝐶 = 𝑃 𝐴 P 𝐵 P 𝐶
16
 Regla general de la multiplicación
Supón que hay 10 latas de refresco en un refrigerador, 7 son normales y 3 dietéticos, se saca una lata del refrigerador:

3
 La probabilidad de que sea una lata de refresco dietético es de: 10

7
 La probabilidad de que sea una lata de refresco normal es de: 10

Después elegimos una segunda lata del refrigerador sin devolver la primera,, la probabilidad de que a segunda sea de
refresco dietético depende de que la primera haya sido o no , por lo que la probabilidad de que la segunda lata sea de
refresco dietético es:

2
 Si la primera bebida es dietética solo quedan dos latas en el refrigerador, por lo que la probabilidad es de: 9

 Si la primera lata elegida es normal los tres refrescos dietéticos aún están en el refrigerador, por lo que la
3
probabilidad es de: 9

2 3
Estas fracciones : 9 y 9
se llaman probabilidad condicional porque su valor se encuentra condicionado o depende del
hecho de que un refresco regular o dietético haya sido primero en ser seleccionado del refrigerador.

La PROBABILIDAD CONDICIONAL : Es la probabilidad que un evento en particular ocurra, dado que otro evento haya
acontecido y se representa como: P(A|B).

17
 Regla general de la multiplicación
En la regla general de la multiplicación se requiere la probabilidad condicional para calcular la probabilidad conjunta de
dos eventos que no son independientes.

Para dos eventos A y B que son independientes, la probabilidad condicional se representa como: 𝑃 𝐴|𝐵 y se expresa
como la probabilidad de B dada A. Simbólicamente, la regla general de la multiplicación para dos eventos que no son
independientes es:
𝑃 𝐴𝑦𝐵 = 𝑃 𝐴 P 𝐵|𝐴
EJEMPLO:

Un golfista tiene 12 camisas en su clóset, suponga que 9 son blancas y las demás azules. Como se viste de noche,
simplemente toma una camisa y se la pone. Juega golf dos veces seguidas y no lava las camisas usadas ni las regresa al
clóset. ¿Cuál es la probabilidad de que las dos camisas elegidas sean blancas?

SOLUCIÓN:

El hecho de que la primera camisa sea blanca lo definiremos como: 𝐴𝐼 . La probabilidad estaría dada por:

9
𝑃 𝐴1 = Continua
12
Porque 9 de cada 12 camisas son blancas.

18
 Regla general de la multiplicación
El evento de que la segunda camisas también sea blanca la identificaremos como:𝐴2 . La probabilidad condicional
relacionada con el hecho de que la segunda camisa seleccionada sea blanca, dado que la primera camisa seleccionada
es blanca también, es :

8
𝑃 𝐴2 |𝐴1 =
11
¿A qué se debe esto? A que después de seleccionar la primera camisa , quedan 11 camisas en el clóset y 8 de estas son
blancas. Para determinar la probabilidad de que se elijan dos camisas blancas se aplica la fórmula de la probabilidad
condicional:
𝑃 𝐴1 𝑦 𝐴2 = 𝑃 𝐴1 P 𝐴2 |𝐴1

9 8
𝑃 𝐴1 𝑦 𝐴2 = = 0.55
12 11

Por lo que la probabilidad de seleccionar dos camisas blancas es de 0.55.

Continuando con el ejemplo, la probabilidad de elegir tres camisas blancas sin remplazo es:

𝑃 𝐴1 𝑦 𝐴2 𝑦 𝐴3 = 𝑃 𝐴1 P 𝐴2 |𝐴1 P 𝐴3 |𝐴1 𝑦𝐴2

9 8 7
𝑃 𝐴1 𝑦 𝐴2 𝑦 𝐴3 = 12 11 10
= 0.38
19
 Tablas de Contingencia
A menudo, los resultados de una encuesta se registran en una tabla de dos direcciones y se utilizan para determinar
diversas probabilidades, una tabla de dos direcciones es una tabla de contingencia.

La tabla de contingencia se utiliza para clasificar observaciones con dos o más características identificables.

Una tabla de contingencias consiste en una tabulación cruzada que resume simultáneamente dos variables de interés,
así como la relación entres estas. El nivel de medición puede ser nominal.

Ejemplo:

Una empresa dedicada a la venta de café proporciona la siguiente información sobre la edad y la cantidad de café que
se consumió en un mes:
Consumo de café
Edad(años) Bajo Moderado Alto TOTAL
Menos de 30 36 32 24 92
30 hasta 40 18 30 27 75
40 hasta 50 10 24 20 54
50 ó más 26 24 29 79
Total 90 110 100 300

De acuerdo con la tabla, cada uno de los 300 entrevistados se clasifica según dos criterios:

• Edad

• Cantidad de café que consume

20
 Diagramas de árbol
El diagrama de árbol es una gráfica útil para organizar y calcular probabilidades para problemas de probabilidad condicional, ya
que este tipo de problemas implica varias etapas y cada una se ilustra con la rama del árbol. Las ramas del árbol se etiquetan
con las probabilidades.

Ejemplo:

El mes anterior, la Asociación Nacional de Administradores de Salas Cinematográficas realizo una encuesta entre 500 adultos
seleccionados al azar. La encuesta preguntaba a las personas su edad y el número de veces que habían visto una película en el
cine, los resultados fueron los siguientes: EDAD
Menos de
30 hasta 60 60 o más TOTAL
Películas por mes 30
𝐵1 𝐵2 𝐵3 𝐵

0 𝐴1 15 50 10 75

1o2 𝐴2 25 100 75 200

3,4 o 5 𝐴3 55 60 60 175

6 o más 𝐴 5 15 30 50

Total 100 225 175 500

La asociación está interesada en entender las probabilidades de que un adulto vaya a ver un a película al cine, especialmente en
el caso de adultos mayores de 60 años. Está información es útil para tomar decisiones con respecto a los descuentos en boletos
y concesiones para los mayores.
21
 Diagramas de árbol
Para construir el diagrama de árbol sigamos los siguientes pasos:

1.- Comienza dibujando un punto grueso a la izquierda para representar la raíz del árbol.

2.- Hay tres ramas principales que salen de la raíz. En la rama superior se presenta el evento de u adulto que tienen menos
de 30 años. La rama se etiqueta con la probabilidad 𝑃 𝐵1 = (100/500). En la siguiente rama se presenta el resultado de los
adultos que tienen de 30 hasta 60 años, y se etiqueta con la probabilidad 𝑃 𝐵2 = (225/500). La rama restante se etiqueta
𝑃 𝐵3 = (175/500).

3.- De cada una de las ramas principales salen cuatro ramas, las cuales representan las cuatro categorías de películas vistas
por mes . Las ramas superiores del árbol representan la probabilidad condicional, de un adulto que no vio ninguna película
dado que tienen menos de 30 años. Estas se escriben:𝑃 𝐴1 |𝐵1 , 𝑃 𝐴2 |𝐵1 , 𝑃 𝐴3 |𝐵1 𝑦 𝑃 𝐴 |𝐵1 , donde 𝐴1 se refiere a
no ver películas; 𝐴2 a ver de 1 o 2 películas por mes; 𝐴3 a ver 3,4 o 5 películas por mes y 𝐴 a ver 6 películas o más por
mes.

4.- Por últimos; se determinar las diversas probabilidades conjuntas, Para las ramas superiores, los eventos son: un adulto
no veía películas al mes y tienen 30 años y un adulto ve 3,4 o 5 películas al mes y tiene 30 años o menos; y un adulto ve 6
películas o más y tienen 30 años o menos. Para explicar la probabilidad conjunta de que un adulto seccionado al azar tenga
menos de 30 años y no vea películas durante el mes es:

100 15
𝑃 𝐵1 𝑦 𝐴1 = 𝑃 𝐵1 𝑃 𝐴1|𝐵1 = = 0.03
500 100 22
 Diagramas de árbol
15 100 15
100
= 0.15 0 películas x =0.03
500 100

25 1o2 100 25
= 0.25 películas x =0.05
100 500 100
Observamos que el
30 años 55 100 55
= 0.55 3,4 o 5 x =0.11 grupo de “60 o más”
o menos 100 películas 500 100

100 5 100 5
tienen el porcentaje más
= 0.20 = 0.05 6 o más x =0.01
500 100 películas 500 100 alto (17%) de quienes
ven seis o mas películas
50 225 50
225
= 0.22 0 películas x
500 225
=0.10 al mes. El grupo “30 a
100 1o2 225 100
60” tienen el porcentaje
= 0.44 x =0.20
225
225 películas 500 225 más alto (22%) de no
= 0.45
Edad 500 30 hasta 60
= 0.27
3,4 o 5 225 60
x =0.12
ver películas al mes.
60 años 225 películas 500 225

15 225 15
225
= 0.07 6 o más
películas
x
500 225
=0.03 Por tanto, se pueden
hacer muchas
10 175 10
observaciones mediante
175 = 0.06 0 películas x =0.02
500
= 0.35 175 500 175 la información
75
= 0.43
1o2 175 75
x =0.15
presentada en un
175 películas 500 175
60 años diagrama de árbol.
o más
60 175 60
175
= 0.34 3,4 o 5 x =0.12
películas 500 175

30 6 o más 175 30
= 0.17 x =0.06
175 películas 500 175

23
 Bibliografía
 Lind, Douglas; Marshal, William; et. al.(2012). Estadística aplicada a los negocios y a la
economía. McGraw-Hill.

 Anderson, David R.; Sweeney, Dennis J., et. al.(2012). Estadística para negocios y
economía . Cangare Liaoning.

 Levine, David M., Timothy C. Krehbiel, Mark L. Berenson (2014). Estadística para
administración. Pearson.

 Llinás, Humberto; Rojas, Carlos; et. al.(2017). Estadística descriptiva y distribuciones

de probabilidad. Universidad del Norte

24