Objetivo General

Al termino del curso el maestrante ser

capaz de manejar la informacin cuantitativa

en sus diversas presentaciones y clculos,
adquirir conocimientos de estimaciones,
construccin de intervalos, pruebas de
hiptesis y pronsticos, que podr aplicar a
problemas de la vida cotidiana.

Contenido:
Estadstica Descriptiva
Distribuciones Mustrales
Estimaciones (construccin de intervalos)
Pruebas de Hiptesis
Pronsticos

Evaluacin
Exposicin por equipos----------- ( 30%).
Participacin Individual----------- (10%).
Portafolio ( Word, Power Point)--(20%).
Trabajos extraclase( Por Equipo)(30%)
Asistencia-------------------------------(10%)

Bibliografa Recomendada
1.-ESTADISTICA PARA ADMINISTRACION Y ECONOMIA (INCLUYE (CD- ROM)
AUTOR: RICHARD I LEVIN
EDITORIAL: PRENTICE- HALL
2.-ESTADISTICA PARA ADMINISTRACION (INCLUYE CD-ROM)
AUTOR: MARK L. BERENSON
EDITORIAL: PEARSON EDUCACION DE MEXICO
3.-ESTADISTICA PARA LA ADMINISTRACION Y ECONOMIA. OCTAVA EDICIN; 2013
AUTOR: PAUL NEWBOLD; WILIAM L. CARLSON; BETTY M. THORNE
EDITORIAL: PEARSON
4.-ESTADISTICA PARA ADMINISTRACION Y ECONOMIA: CONCEPTOS Y APLICACIONES
AUTOR: WILLIAM J STEVENSON
EDITORIAL: HARLA

Bibliografa Recomendada
5.- ESTADSTICA APLICADA A ADMINISTRACIN.
LEONARD . J. KAZMIER. CUARTA EDICIN.
MC-GRAW HILL
6.- ESTADSTICA PARA LOS NEGOCIOS Y ECONOMA.
ONCEAVA EDICIN; 2011
DAVID R. ANDERSON
DENNIS J. SWEENEY
THOMAS A. WILLIAMS
EDITORIAL: CENGAGE LEARNING
7.- ESTADSTICA PARA NEGOCIOS Y ECONOMA.
HEINZ KOHLER.
EDITORIAL: CA ED. CONTINENTAL S.A DE C.V. MEXICO.
8.- ESTADSTICA PARA ADMINISTRADORES, CUARTA EDICIN.
DAVID M. LEVINE. TIMOTHY C. KREHBIEL, MARK L. BERENSON
EDITORIAL: PRENTICE HALL; 2006.
9.- ESTADSTICA APLICADA A LOS NEGOCIOS Y LA ECONOMA., TRECEAVA EDICIN 2008
DOUGLAS A. LIND, WILLIAM G. MARCHAL, SAMUEL A. WATHEN
EDITORIAL MC- GRAW- HILL

Conceptos bsicos

Conceptos bsicos
Estadstica descriptiva: Es una herramienta para el
manejo de los datos estadsticos y proporciona
mtodos para resumirlos y organizarlos. Tiene como
objetivo caracterizar, describir y extraer conclusiones
sobre una muestra de datos.
Estadstica inferencial: Implica obtener
conclusiones sobre los caracteres de una
poblacin a partir de los datos mustrales y requiere
el clculo de probabilidades, que nos den el grado de
certeza de dichas conclusiones

Probabilidad: puente entre la

estadstica descriptiva e inferencial

Conceptos bsicos
Estadstica:

Rama de las matemticas que estudia la

informacin cuantitativa y los mtodos para
su
procesamiento.
(recopilacin,
organizacin, presentacin,
anlisis e
interpretacin.)

conceptos bsicos
Dato Estadstico.
Es cualquier informacin cuantitativa
apropiada para el anlisis estadstico, es
decir, es un conjunto de nmeros que
muestran relacin significativa, es decir
que pueden ser comparados, e
interpretados.

Conceptos bsicos
Poblacin: Es todo el contexto de inters
sobre el cual estamos investigando y esta
puede ser finita infinita, es decir, es finita si
conocemos el nmero de elementos que la
forman y viceversa en una investigacin.
Muestra: Es una parte de la poblacin que es
objeto de estudio y que nos sirve para inferir
estos resultados a la poblacin.

Mtodos Estadsticos
Son tcnicas apropiadas para el procesamiento de la
informacin cuantitativa (datos estadsticos), est involucra
5 elementos fundamentales para su procesamiento:
1. Recopilacin de datos Estadsticos
2. Organizacin de datos recopilados
3. Presentacin de datos recopilados
4. Anlisis
5. Interpretacin de resultados

Aplicaciones de la Estadstica: Diferentes

Disciplinas
Comercio
Agricultura
Deporte
Sociologa
Ingeniera
Psicologa
Industria
Etc.

Malos usos de la estadstica

1.
2.
3.
4.
5.

Datos estadsticos inadecuados

Sesgo del usuario
Indicaciones falsas de relacin
Comparaciones impropias
Errores en operaciones matemticas

Estadstica Descriptiva

Tabla de Frecuencia
Datos no agrupados y agrupados
Se constituye por 6 columnas las cuales son:
1.
2.
3.
4.
5.
6.

Primer columna: Dato o clase (Intervalo de clase)

Segunda columna: Marca (Marca de clase o punto medio)
Tercera columna: Frecuencia absoluta
Cuarta columna: Frecuencia relativa
Quinta columna: Frecuencia absoluta acumulada
Sexta columna: Frecuencia relativa acumulada

ELABORACIN DE UNA TABLA DE FRECUENCIA PARA DATOS

AGRUPADOS

Una tabla de frecuencia consta de:

1. INTERVALO DE CLASE. Es la diferencia que existe entre los limites superior e inferior
que lo forman. Tambin se le conoce como longitud.
2. MARCA DE CLASE O PUNTO MEDIO. Es el cociente que existe entre la suma de los
limites superior e inferior de cada intervalo dividido entre dos.
PM = (Li + Ls) / 2.
3. FRECUENCIA ABSOLUTA. Se refiere a la cantidad de datos que pertenecen a ese
intervalo, generalmente se representa por la letra (f).
4. FRECUENCIA RELATIVA. Porcentaje de datos que pertenecen a un intervalo y se
representan por f= f/n.
5.FRECUENCIA ABSOLUTA ACUMULADA.(F). Se refiere al porcentaje de datos
que pertenecen al intervalo y a sus inmediatos anteriores en la columna de frecuencia
absoluta, es decir, al ir efectuando la suma de todas las frecuencias absolutas
correspondientes a los valores anteriores acumulados con la frecuencia absoluta del
valor en turno.
6. FRECUENCIA RELATIVA ACUMULADA. (F). Corresponde al porcentaje de
datos que pertenecen al intervalo, es decir, al ir efectuando la suma de todas las
frecuencias relativas correspondientes a los valores anteriores acumulados con la
frecuencia relativa del valor en turno.

Tabla de frecuencia
7. Para calcular el valor de la amplitud de cada intervalo de clase debe tenerse en cuenta que
es el cociente entre el rango y el nmero de intervalos a emplear.
Ejemplo: Las ventas diarias registradas en una mueblera de esta ciudad en los primeros das
del mes de Julio fueron las siguientes ( expresadas en miles) :
1. $ 100
2. $ 90
3. $ 105
4. $ 108
5. $ 103
6. $ 97
7. $ 99
8. $ 102
9. $ 103
10.$ 104
11.$ 99
12.$ 103
13.$ 101
14.$ 98
15.$ 100

Nota. Slo se manejan 15 datos para efectos de ejemplificar.

TABLA DE DISTRIBUCIN DE FRECUENCIA PARA DATOS AGRUPADOS.

EJEMPLO DE LA MUEBLERIA

MILES
INT. DE CLASE

PM

90-92
92-94
94-96
96-98
98-100
100-102
102-104
104-106
106/108

91
93
95
97
99
101
103
105
107

1
0
0
2
4
2
4
1
1

1/15
0
0
2/15
4/15
2/15
4/15
1/15
1/15

1
1
1
3
7
9
13
14
15

F
1/15
1/15
1/15
3/15
7/15
9/15
13/15
14/15
15/15

Medidas de Tendencia Central

datos no agrupados
1. Media aritmtica o valor promedio
2. Mediana
3. Moda
4. Media geomtrica
5. Media armnica

Datos no agrupados (n < 30)

Media Aritmtica o valor promedio
Medida de tendencia central (X), Se utiliza
con mayor frecuencia para determinar el
promedio de una serie de datos, se
determina como la sumatoria de los valores
que asume la variable xi entre el tamao de
la muestra.
n
1 xi
_
x
n

Datos no agrupados (n < 30)

Ejemplo:
Un alumno presento 4 exmenes y obtuvo las
siguientes calificaciones:83,94,95 y 86.
Qu calificacin promedio obtuvo?
R = 89.5

Calculo de la mediana ( datos no

agrupados (n < 30)
Segunda medida de tendencia central y se localiza en la mitad de una serie de
valores ordenados de menor a mayor, generalmente se pueden presentar algunas
de estas dos situaciones:
a). Cuando el nmero de datos ordenados resulta ser impar.
La mediana se va a determinar como el valor que se encuentra exactamente en la
mitad de estos valores, es decir, debe existir un 50% de valores menores y otro
50% valores mayores a la mediana.
Ejemplo: Un alumno de la U de O obtuvo las siguientes calificaciones finales:
Matemticas: 9
Administracin: 10
Computacin: 9
Contabilidad: 8
Cultura empresarial: 10

R= Mediana = 9

Mediana Md:
b). Cuando el ordenamiento de estos valores resulta
ser par. La mediana se va a obtener como el
promedio de los dos valores centrales donde se
considera que debe estar la mediana.
Md = (X1 + Xn)/2
Ejemplo: Supongamos que tenemos los siguientes
valores: 2,3,3,4
Qu valor asumir la Mediana?
R = Mediana = 3

Moda (Mo)
Es el valor que ocurre con mayor frecuencia.

Ejemplo: Obtenga la moda de los siguientes

datos: 1,2,3,3,3,4,7
R.- Mo = 3

Media Geomtrica(G).
Es la raz ensima de los productos de los
valores que asume la variable
G=
Ejemplo: Obtenga (G) de los siguientes

datos:100,90,105,108,103,
97,99,102,103,104,99,103,101,98,100.
G = (Resultado) a la 1/n G = 100.71

Medida de dispersin
Una medida de dispersin es la variabilidad que
presenta cada uno de los datos xi con
respecto a un valor promedio del grupo de
datos. Entre las mas conocidas tenemos al
rango,
varianza,
desviacin
estndar,
coeficiente de variacin y desviacin absoluta
media.

Medidas de dispersin o variabilidad

datos no agrupados
1.- Rango
2.-Varianza
3.-Desviacin estndar
4.-Desviacin absoluta media
5.-Coeficiente de variacin

Medidas de dispersin n<30

Rango.- Es una medida de dispersin absoluta
que sirve para calcular el alejamiento entre el
dato mayor y el dato menor.

R = Xn - X i
Ejemplo: Con respecto a los datos
proporcionados en el clculo de la media
geomtrica obtenga el rango.
R = 108 - 90 = 18

Varianza(s2).Medida de dispersin absoluta considerada como el

promedio de las desviaciones de cada uno de los
datos con respecto a su media elevada al cuadrado.
S2 = (Xi - X)2 / (n-1)
Ejemplo: Tomando los datos proporcionados en el
clculo de la media geomtrica, obtenga su varianza
X= 100.80
S2= (100 - 100.8)2 + (90-100.8)2 +.....(100-100.8)2 =
17,314.28

Desviacin Estndar ( s)
E s el promedio de las desviaciones de cada
uno de los datos con respecto a su media
aritmtica, es decir es el resultado de sacar
raz cuadrada a la varianza.
S=

(Xi - X)2 / (n-1)

Ejemplo: respecto a los datos proporcionados

en el clculo de la media geomtrica, obtenga
su desviacin estndar. (S)
S = 131.58

C.V= S/X. 100%

Ejemplo: Determinar el coeficiente de variacin tomando en cuenta los datos
proporcionados en el calculo de la media geomtrica. CV = (131.58 / 100.8) *
100% = 1.3053 * 100 = 130.53

Medidas de Tendencia Central

Datos Agrupados
1. Media aritmtica o valor promedio
2. Mediana
3. Moda
4. Media geomtrica
5. Media armnica

MEDIDAS DE TENDENCIA CENTRAL PARA DATOS AGRUPADOS

Media Aritmtica.

Cuando los datos se encuentran agrupados

en intervalos, todos los que puedan incluirse en un intervalo se
consideran de igual valor a la de la marca de clase de ese intervalo, de
tal manera, que el clculo de la media aritmticas efecta con la
siguiente ecuacin:
n

fi.PMJ
i 1

Calculo de la media Aritmtica

Ejemplo: Con respecto a los datos de las
ventas diarias de la mueblera, la media
aritmtica
X = (1 x 91) +(2 x 97) + (4x99)+ (2x101) + (4 x 103) + (1 x
105) + (1 x 107)
15
_
X = 100.4

Calculo de la mediana
MEDIANA. Debe determinarse primero la clase que contiene el valor de la mediana para
despus determinar la posicin de la mediana dentro de la clase ,entendindose que la
clase que contiene a la mediana es la primera clase para la cual la frecuencia acumulada
es igual o excede a la mitad del nmero total de observaciones.
n/2c
i
fi

Md Li

donde:
Li = Limite inferior de la clase que contiene a la mediana.
n = Nmero total de observaciones de la muestra.
C = Frecuencia absoluta acumulada dela clase precedente (anterior) a la clase que contiene a la
mediana.
f = Frecuencia absoluta de la clase que contiene a la mediana.
i = Amplitud o tamao del intervalo de clase.
Con respecto a la mediana MD=

Calculo de la moda
MODA. Primero se identifica a la clase que contiene a la moda determinando cul
de ellas tiene el mayor nmero de observaciones, es decir, la moda ser el valor
o valores de Xi correspondientes al mximo o frecuencia mxima de un
intervalo y se denota por (Mo) y se calcula de la siguiente manera:

Mo = Li +

d1

d1 + d2
donde:
Li = Limite inferior verdadero de la clase modal.
d1 = diferencia entre la frecuencia de la clase modal y la frecuencia de la clase precedente
(anterior).
d2 = diferencia entre la frecuencia dela clase modal y la frecuencia dela clase siguiente.
i = amplitud o tamao del intervalo de clase.
Con referencia al problema de la mueblera Mo = 99

MEDIA GEOMETRICA (G).

Para calcular la media geomtrica para

datos agrupados usaremos logaritmos base 10, de tal manera
que la formula que nos servir para calcular esta medida es:
MEDIA GEOMETRICA (G).

G = log -1 fi log PMj

n
Donde:
= Sumatoria de las frecuencias por los logaritmos
delas marcas de clase
fi = Frecuencia absoluta de cada intervalo de clase
PMj = Punto medio o marca de clase de cada
intervalo
n = Nmero de observaciones
Log -1 = Antilogaritmo del resultado de las
sumatorias entre

Ejemplo:
Haciendo
referencia al
ejemplo de la
mueblera G =
100.3

Medidas de dispersin o variabilidad

Datos Agrupados
Rango
Varianza
Desviacin estndar
Desviacin absoluta media
Coeficiente de variacin

Medidas de dispersin( datos

Agrupados)
Las medidas de variabilidad o dispersin se ocupan de describir la variabilidad entre
los valores individuales con respecto a un valor medio central. Entre los ms conocidos
estn: Rango, Varianza, Desviacin estndar, Coeficiente de variacin y Desviacin
absoluta media.
Para calcular el Rango se procede de igual manera como se hizo en el caso de datos no
agrupados, es decir, es la diferencia entre el dato mayor y el dato menor.
Para calcular la Varianza se procede de igual manera como se hizo en datos no agrupados,
el nico detalle que se tiene que tomar en cuenta es la diferencia de cada PMj con respecto
a su media al cuadrado multiplicada por su frecuencia en cada intervalo de tal manera que
la sumatoria de estos productos dividida entre el tamao de muestra menos 1 nos dar como
resultado la varianza.
El calculo de la Desviacin estndar es la raz cuadrada del resultado obtenido en la
varianza.
El Coeficiente de Variacin se calcula como el cociente de la desviacin estndar obtenida
desde el punto de vista de datos agrupados entre la media aritmtica para datos agrupados
multiplicadas por 100 %.

Tipos de Grficos
Grafico de lneas
Grafico de histograma
Grafico de polgono de frecuencia
Grafico de pastel o circular
Grafico de ojivas
Grafico de pictograma

Representacin Grfica de datos

Grfico de Lnea. Este tipo de grfico se construye a partir de segmentos de lneas verticales
y nos sirven para obtener informacin en corto tiempo, ocurre de la frecuencia absoluta contra
datos o intervalos de clase, este tipo de grficos son usados para mostrar datos clasificados
por
cantidad o tiempo.
Grfico Histograma. Este tipo de grfico consiste en un conjunto de barras verticales cuyas
reas rectngulos son proporcionales a las frecuencias representadas en donde la anchura de
cada barra es igual a las otras y en donde la suma total de todas ellas debe de ser igual a la
unidad, este tipo de grfico tiene sus bases sobre el eje x con centros en las marcas de clase
y una longitud igual al tamao del intervalo de clase. Este tipo de grfico se construye con la
frecuencia absoluta frecuencia relativa contra intervalo de clase. Por lo general, los puntos
terminales de un histograma se unen en el eje horizontal en el punto medio de un intervalo
imaginario de la misma amplitud que los adyacentes por la derecha o la izquierda.
Este tipo de grfico son usados para presentar datos clasificados por tiempo y cantidad,
mientras que las barras horizontales presentan datos clasificados por lugar y cualidad.

Tipos de Grficos
Polgono de Frecuencia. Este tipo de grfico consiste en trazar lneas rectas a los puntos
medios o marcas de clase de los rectngulos o barras verticales de un grfico de histograma, por
lo tanto, el rea bajo el polgono es igual a la unidad.
Grfico de Ojiva. Es una grfica que resulta de unir puntos superiores de los segmentos de
lneas de un grfico de lneas, en la que aparecen los datos (eje de las x), y la frecuencia
relativa acumulada (eje de las y), a esta grfica se le conoce como (Ojiva +), la (Ojiva -) se
puede obtener haciendo exactamente lo mismo pero iniciando en el eje de las x con el dato
ms grande y finalizando con el ms pequeo.
Ojiva Negativa. Va del punto final al punto inicial.
Ojiva Positiva. Va del punto inicial al punto final.
Diagrama Circular. Un circulo se divide en sectores(Rebanadas), que son proporcionales en
tamao a la frecuencia o porcentaje correspondiente, para construir un diagrama de pastel o
circular, primero se convierte la distribucin en porcentajes (frecuencia relativa) que se
multiplica por 360 (Corresponde al ciclo completo), de tal forma que se obtienen los ngulos
de los diferentes sectores, es decir, que corresponden a la proporcin de cada uno de los
intervalos.
Grfico de Pictograma. Este tipo de grfico consiste de un nmero de smbolos los cuales son
del mismo tamao y en donde cada uno de ellos representa la misma clase de informacin con
un valor fijo de tal manera que el nmero de smbolos dibujados muestra la magnitud de un
pictograma.

Problemtica:
datos no agrupados
Los siguientes datos representan el numero de artculos
organizados por millar en 25 empresas
25 24 23 22 21
20 25 20 23 23
22 21 23 23 23
21 20 23 24 24
23 24 24 23 23
Se pide:
Construye una tabla en frecuencias para estos datos
Construya los siguientes grficos: histograma, polgono de
frecuencia, ojiva positiva y grafico de pastel
Determine las medidas de tendencia central y de Dispersin:
media aritmtica, mediana, moda, media geomtrica. Varianza,
desviacin estndar, coeficiente de variacin y desviacin
absoluta media.

Tabla de Frecuencia
datos no agrupados

Clase

F%

F%

20

12

12

21

12

24

22

32

23

10

40

18

72

24

20

23

92

25

25

100

25

100

Grfico de Histograma
Polgono de Frecuencia

Polgono
De
frecuencia

Grfico de Ojiva (+)

GRAFICO DE PASTEL

20.- 3/25*360= 43.2

21.- 3/25*360= 43.2
22.- 2/25*360= 28.8
23.- 10/25*360= 144
24.- 5/25*360= 72
25.- 2/25*360= 28.8

MEDIDAS DE TENDENCIA
CENTRAL
Media aritmtica

____ = x
N

= 567 / 25= 22.68

Mediana:
Md= 23 + 23 / 2 = 34.5

Log 20= 1.30 x 3= 3.9

Log 21= 1.32 x 3= 3.96
Log 22= 1.34 x 2= 2.68
Log 23= 1.36 x 10= 13.6
Log 24= 1.38 x 5= 6.9
Log 25= 1.39 x 2= 2.78
____

Moda:
Mo= 23
Media Geomtrica:

G= Log
22.53

1= 1 Log x
_____
N

= Log

33.82
_____
25

s Log (1.3528 )

G=

= 33.82

MEDIDAS DE DISPERSIN
Varianza:

s=(x-)
_______________________

Desviacin Estndar: S = ( x - )
________

3 ( 20 22.68 ) = 21.54

S = 10.27
S = 3.205
Coeficiente de variacin: CV = S

3 ( 21 22.68 ) = 8.467

----

3 ( 22 22.68 ) = 0.924
3 ( 23 22.68 ) = 1.024
3 ( 24 22.68 ) = 8.712
3 ( 25 22.68 ) = 10.76

CV = 3.205
--------- = 0.14
22.68
Desviacin Media:
DM = x -

______

------N

= 51.38
= 20 22.68
-------------- = 0.107
25

= 21- 22.68
------------ = 0.067
25

= 23 22.68
--------------- = 0.012
25

= 24 22.68
--------------- = 0.052
25

= 22 22.68
--------------- = 0.027
25
= 25 22.68
--------------- = 0.092
25

= 0.357

Problema 2
Datos Agrupados

Tabla de frecuencia
Datos agrupados

Problema # 3( datos agrupados)

DATOS OBTENIDOS DE LAS GANANCIAS DIARIAS EN LOS MESES
DE ABRIL Y MAYO EN UN DEPOSITO DE CERVEZA DE LA
PACIFICO UBICADA EN EL AGUILA AZTECA
3000

2800

4000

2500

5100

3000

3000

2950

3600

2850

2200

2230

4500

4000

5000

1990

5200

9200

8640

8970

3000

4000

4500

9000

2485

7500

6400

6500

1994

1990

3000

5640

5900

9840

4260

10000

7000

1000

1500

4550

6940

6940

5790

6000

1590

3010

3255

1985

6480

3600

1480

1490

6400

7800

9600

6400

1690

3500

4500

6910

9420

DATOS ORDENADOS
1000
2200
3000
4500
5900
7000
10000

1480
1994
2230
3000
3000
4260
4500
5790
6000
6940
7500
9840

1490

1500

1590

1690

1985

1990

1990

2245

2500

2800

2850

2950

3000

3000

3255

3500

3600

3600

4000

4000

4000

4500

4550

5000

5010

5100

5200

5640

6400

6400

6400

6480

6500

6910

6940

7800

8640

8970

9000

9200

9420

9600

tabla de frecuencia( datos agrupados)

RANGO
RANGO=VALOR MAXIMO-VALOR MINIMO
Rg=10000-1000
Rg=9000
No. DE INTERVALOS
K=1+3.322 Log 61
K=7.71=8
Salio de 8 el num. De intervalos pero tome 9 para
agruparlos bien.
AMPLITUD
A=Rg/k
A=9000/8
A=1125

TABLA DE LA DISTRIBUCION DE FRECUENCIAS DE LAS GANANCIAS

DIARIAS EN LOS MESES DE ABRIL Y MAYO EN UN DEPOSITO DE CERVEZA
DE LA PACIFICO UBICADA
EN EL AGUILA AZTECA

INTERVALO DE CLASE
RELATIVA

ABS. MED.

MARCA DE CLASE

FREC.
ABS. FREC.
FREC. ABS. INTERVALO DE CLASE
MARCA DE CLASE
ABS. FREC.
RELATIVA
FREC. ABS.
ACUMULADA FREC. REL.
ACUMULADA MEDIA
ARITMETICA MEDIA
GEOMET.
VARIANZA
DESV ESTANDAR
DESV

GEOMET.

ACUMULADA FREC. REL.

ACUMULADA MEDIA
ARITMETICA MEDIA
VARIANZA
DESV ESTANDAR

FREC.

DESV

ABS. MED.
1000-2124

1562

10

0.16

10

0.16

10*1562=15620 10*log1562=31.9

2125-3249

2687

12

0.19

22

0.36

12*2687=32244 12*log2687=41.1

3250-4374

3812

0.13

30

0.49

8*3812=30496

8*log3812=28.6

4375-5499

4937

0.13

38

0.62

8*4937=39496

8*log4937=29.5

5500-6624

6062

0.14

47

0.77

9*6062=54558

9*log6062=34.0

6625-7749

7187

0.08

52

0.85

5*7187=35935

5*log7187=19.3

7750-8874

8312

0.03

54

0.88

2*8312=16624

2*log8312=7.83

8875-9999

9437

0.09

60

0.98

6*9437=56622

6*log9437=23.8

10000-11124

10562

0.01

61

1.0

1*10562=10562 1*log10562=4.02

SUMA=292157

SUMA=220.05

104164980.5
53044056.62

7643424.4 7643424.4
174144.41 174144.41
14574222.46
28740990.26

24816576.1 24816576.1
129597768.3
33322218.05

104164980.5
53044056.62

7819.68
1180.32
14574222.46
28740990.26

7045.08
129597768.3
33322218.05

SUMA=396078381.1

32274.6
23069.52

11452.86
11987.7

27885.24
5772.54

SUMA=128487.54

SUMA=396078381.1

Medidas de tendencia Central( datos

agrupados).
MEDIA ARITMETICA
n

fi.PMJ

i 1

292157
4789.46
61

MEDIANA

n/2c
i
Md Li
fi

61 / 2 30
Md 4375
1125
8

61 / 2 30
61 / 2 30
Md
4375
1125
Md
4375

1125
8
8

30
.
5
30 .5 30 30 1125
Md
4375
Md
4375

1125
8

8
Md
4375
(
0.0625
*1125*
) 1125 )
Md
4375
(0.0625
Md
4375
70
Md
4375
.3125
70.3125
Md
44,445
.3125
Md
,445
.3125

Medidas de tendencia central( datos

agrupados)
MODA

d1
Mo Li
i
d1 d 2

12 10
1125
12 10 12 8

Mo 2125

MEDIA GEOMETRICA

fifi
.PMJ
.PMJ

G Log
Log11 i i11
nn

nn

G Log 1 3.607
G 4045.75

2
1125
24
Mo 2125 0.33 *1125
Mo 2125

Mo 2125 371.25
Mo 2496.25

Medidas de tendencia central( datos

agrupados)

MEDIA ARMONICA

i 1

fi
PMJ

61

H
n

10 12
8
8
9
5
2fi 6
1

PMJ 9437 10562

1562 2687 3812 4937 6062 7187 8312
n

i 1

61
0.006 0.004 0.002 0.001 0.001 0.0006 0.0002 0.0006 0.00009
61
0.01549
H 3,938.02
H

Teora Elemental de Probabilidad

Conceptos bsicos de Probabilidad.
Experimento. Es un proceso o actividad que conduce a un resultado u

observacin.
Experimento Aleatorio o Azar. Es el proceso que para que se pueda
presentar requiere de las siguientes caractersticas:
a). El proceso se efecta de acuerdo a un conjunto bien definido de reglas.
b). Es de naturaleza tal que se repite o puede ocurrir la repeticin del mismo.
c). El resultado de cada ejecucin dependen de la casualidad, es decir,
influencias que no se pueden controlar y que por lo tanto, no se puede
predecir un resultado nico.
Ejemplos:
Lanzar una moneda
Lanzar un dado
Lanzar un toma todo
Lanzar una ruleta, etc.

Conceptos bsicos de probabilidad

Espacio Muestral (S). Es el conjunto de todos los

posibles resultados de un experimento.

Punto Muestral . Es un elemento del espacio muestral.
Evento. Es el conjunto que es un subconjunto del

espacio muestral, es decir es una coleccin

especifica de los puntos muestrales que cumplen
ciertas caractersticas.

Conceptos bsicos de Probabilidad

Evento simple. Es aquel que esta formado por un solo
punto muestral.
Evento compuesto. Es aquel que esta formado por
dos o ms puntos mustrales.
Ejemplo: Experimento.- Lanzar una moneda:
Formula emprica: An donde A es la base en funcin
a resultados de un experimento y n es el nmero
de veces que se realiza dicho experimento.
Usando esta formula tenemos que el espacio
muestral es igual a: 2
( guila, sello). S = { a, s}. Nota: Aqu tenemos 2
puntos mustrales, uno que corresponde al valor a y
el otro a s

Conceptos Bsicos de Probabilidad

Ejemplo: Lanzar 3 veces una moneda, su espacio
muestral sera
equivalente a 8 puntos muestrales los cuales seran:
Usando esta formula An es decir 23 = 8 posibles
resultados, los cuales son:
S= (a,a,a),(a,a,s),(a,s,a),(s,a,a),(a,s,s),(s,a,s),(s,s,a),
(s,s,s)},estos son obtenidos a travs de una tcnica
denominada diagrama de rbol. Nota: en este caso
tendremos 8 puntos muestrales.

Probabilidad de LAPLACE

La probabilidad de un evento cualquiera esta

expresado por la cardinalidad del evento
entre la cardinalidad del espacio muestral.
n (E)
P(E) =
n(s)

Calculo de Probabilidades
Ejemplo: Si tenemos una clase con 50 alumnos
y queremos saber: Cual es la probabilidad
de que al escoger un alumno este sea rubio?.
Sabiendo que existen 20 en el saln de
clases. La solucin sera dividir
20 entre 50. (0.40).

Calculo de Probabilidades
Ejemplo: Si un experimento consiste en lanzar un dado dos veces

nuestro espacio muestral sera equivalente a 36 puntos mustrales, los

cuales seran
S ={ (1,1),(1,2),(1,3),(1,4),(1,5),(1,6)
(2,1),(2,2),(2,3),(2,4),(2,5),(2,6)
(3,1),(3,2),(3,3),(3,4),(3,5),(3,6)
(4,1),(4,2),(4,3),(4,4),(4,5),(4,6)
(5,1),(5,2),(5,3),(5,4),(5,5),(5,6)
( 6,1),(6,2),(6,3),(6,4),(6,5),(6,6)}

AXIOMAS DE PROBABILIDAD
Axioma 1. Si E es un evento cualquiera en un espacio
muestral S, este puede asumir probabilidades que
vayan en el rango mayores que 0 pero menores que
1.
0 <= P(E) <= 1
Axioma 2. La probabilidad del espacio muestral
siempre equivaldr a 1, ya que es la suma de las
probabilidades individuales de cada uno de los
puntos mustrales de ese experimento. P(S) = 1

Axiomas de Probabilidad
Axioma 3. La probabilidad de un evento vaco
siempre ser igual a 0 lo que indica que el
evento es imposible que suceda. P( ) = 0.
Axioma 4. La probabilidad de un evento
cualquiera ms la probabilidad de su
complemento siempre ser igual a la unidad.
P(E) + P(E) = 1

Teoremas de probabilidad
Teorema 1. Sean A y B dos eventos mutuamente
excluyentes o exclusivos entonces su probabilidad va
a ser igual a la probabilidad de A ms la probabilidad
de B. P(A U B) = P(A) + P(B).
Teorema 2. Sean A y B dos eventos mutuamente no
excluyentes donde la probabilidad de la unin de
ambos es igual a la suma de probabilidades de los
dos eventos menos la probabilidad de su
interseccin.
P(A U B) = P(A) + P(B) - P(A B).

Teoremas de probabilidad
Teorema 3. Sean A y B dos eventos independientes, es decir, que la
ocurrencia del evento A no afecta para nada la ocurrencia del evento B,
entonces, la probabilidad de que ambos eventos ocurran es igual al
producto de sus probabilidades respectivas,
P(A y B) = P(A B) = P(A) . P(B)

Teorema 4. Si A y B son dos eventos dependientes, es decir, si A y

B estn relacionados de tal modo que la ocurrencia del evento
B depende de la ocurrencia del evento A, entonces, la
probabilidad de que ambos sucedan es igual a la probabilidad
de A por la probabilidad de B dado que ya ocurri A, es decir:
P(A y B) = P(A B) = P(A) . P(B / A) donde:
P(A B) 0.

Tcnicas de Conteo
Son tcnicas para determinar sin enumeracin
directa el nmero de resultados posibles de
un experimento.
Ests son:
1.-Teorema fundamental del conteo ( principio
multiplicativo)
2.-Permutaciones
3.-Combinaciones
4.-Diagramas de rbol.

Teorema fundamental del Conteo

S un evento puede realizarse de X1 maneras
diferentes, y si continuando el procedimiento
un segundo evento de X2 maneras
diferentes, y si despus de efectuados un
tercer evento puede realizarse de X3
maneras diferentes y as sucesivamente,
entonces el nmero de maneras en que los
eventos pueden realizarse es el producto de
ellos.
X1 . X2 . X3 . ... Xn (Factores maneras
distintas).

Teorema fundamental del Conteo

ejemplo. De cuntas maneras distintas pueden
colocarse 3 personas en 3 sillas?. Entonces:
X1 tiene 3 opciones, X2 tiene 2 Opciones y
X3 tiene solo una opcin, por lo tanto, existen
6 maneras diferentes de hacerlo.
(3 x 2 x 1 = 6 maneras distintas).

Teorema fundamental del Conteo

Ejemplo. Si no se permiten repeticiones, a).
Cuntos nmeros de 3 dgitos se pueden
formar con los siguientes 6 dgitos:
2,3,5,6,7,9?
R = 6 . 5 . 4 = 120 nmeros diferentes.
b). Cuntos de estos son menores que 400?
R = 2 . 5. 4 = 40 nmeros

Factorial de un Nmero
Para entrar a ver permutaciones es necesario comprender el
concepto de factorial de un nmero.
Notacin Factorial. El factorial de un nmero se denota como n! y
se determina como el producto de los enteros positivos desde
1 hasta n inclusive.
n! = (n)(n-1)(n-2)(n-3)...(1).
Por otro lado el cero factorial (0!) es igual a 1, esto por definicin.
Ejemplo: 5! = (5)(4)(3)(2)(1) = 120
Ejemplo: (4!).(5!) = (4. 3 .2 .1) . (5. 4 . 3. 2 . 1) = (24) . (120) = 2880
Ejemplo: (8!) / (6!) = (8. 7. 6. 5. 4. 3 . 2 . 1) / (6 . 5. 4. 3. 2 . 1) =
40320 / 720 = 56

Permutaciones
Una permutacin es un arreglo de n objetos en cierto
orden definido, es decir, que aqu si importa el orden.
El nmero total de permutaciones de un conjunto dado
depender del nmero de objetos tomados a la vez
para cada permutacin y pueden ser:
a). El nmero de permutaciones de n objetos diferentes
tomados los n a la vez, es igual a n!.
Ejemplo: Calcular las maneras posibles de colocar las
letras a,b,c. Permutacin es igual a 3! = 6, los
arreglos son: abc,bac,cab,acb,bca,cba.

permutaciones
Ejemplo: Una persona desea colocar 6 cuadros en
lnea recta en una pared de una biblioteca, de
cuntas maneras diferentes se pueden hacer si se
toman todos a la vez?
Permutacin = 6! = 720
b). Nmero de permutaciones de n objetos diferentes
tomados en partes, la cual se denota
nPr = n! / (n-r)!.
Donde:
n = nmero total de objetos de un conjunto dado
r = nmero de objetos tomados a la vez para cada
permutacin

PERMUTACIONES.
Ejemplo: Una persona desea colocar 6
cuadros en lnea recta en una pared de una
biblioteca, de cuntas maneras diferentes
se pueden hacer si se toman de dos en dos a
la vez?
nPr = 6(P)(2) = 6!/(6-2)! = 6!/4! = 30 (Se
pueden hacer 30 arreglos)

PERMUTACIONES.
Ejemplo: Un conferencista dispone de 8 temas
sobre los cuales puede disertar durante 30
minutos, se le pide que presente una serie de
5 de 30 minutos a un grupo de personas.
Encuentre cuantas secuencias de
conferencias puede escoger.
R = 8(P)(5) = 8! / 3! = 6720

PERMUTACIONES.
c). Nmero de permutaciones de n objetos de los cuales n1 son
iguales (tipo a), n2 son iguales (tipo b)... nk son iguales del tipo
k, por lo tanto:
nPn1,n2,n3...nk = n! / n1! . n2! . n3! ... nk!
Ejemplo. Cuntas permutaciones distintas pueden formarse con
la
palabra estadsticas.
n = 12 elementos (letras)
n1 = s = 3
n(P)n1,n2,n3,n4 = 12! / 3! . 2! . 2! . 2! =
9979,200
n2 = a = 2
n3 = t = 2
n4 = i = 2

PERMUTACIONES.
d). Permutaciones Circulares. El nmero de
permutaciones de n objetos distribuidos en
forma circular se determina por n-1!.
Ejemplo. De cuntas maneras se pueden
acomodar o sentar 7 personas alrededor de
una mesa redonda?
nPc = 7-1! = 6! = 720

COMBINACIONES
Una combinacin es un arreglo de ciertos
nmeros de objetos tomados de un conjunto
de n objetos en tal forma que el orden en que
se disponen no importa.
a). El nmero total de combinaciones posibles
de un conjunto de objetos tomados todos a la
vez es igual a la unidad.

COMBINACIONES
b). El nmero de combinaciones de n objetos tomados en partes, es decir,
en r en r se determina por:
nCr = n! / r! . (n-r)!
donde:
n = nmero total de objetos de un conjunto dado
r = nmero de objetos tomados a la vez para cada combinacin
Ejemplo. Cuntos comits de 3 personas se pueden formar de un grupo
de 8 personas?
8C3 = 8! / 3! . 5! = 56
Ejemplo. De un total de 5 matemticos y 7 fsicos se quiere formar un
comit integrado por 2 matemticos y 3 fsicos, De cuntas formas pude
formarse si: a). Puede pertenecer a el cualquier matemtico o fsico.
b). Un fsico determinado debe permanecer al comit.
c). Dos matemticos determinados no pueden estar en el comit.
Solucin. a) 5C2 . 7C3 = 10 . 35 = 350
b). 5C2 . 6C2 = 10 . 15 = 150
c). 3C2 .7C3 = 105

DIAGRAMAS DE RBOL.
Es una representacin que nos muestra una serie de ramificaciones que
corresponden a los posibles arreglos diferentes bien definidos que se
pueden realizar en un conjunto dado.
Ejemplo: Un experimento consiste en lanzar 3 veces una moneda al aire,
determine todos los posibles arreglos que se pueden formar mediante
diagramas de rbol.
a
a
EXP #1

EXP #2

a
s
EXP a
#3

(a a a)
(a a s)
(a s a)

(a s s)

(s a a)

(s a s)

(s s a)

(s s s)

DISTRIBUCIONES DE
PROBABILIDAD
VARIABLE ALEATORIA O ESTOCASTICA
Es aquella que toma valores numricos reales que no
se pueden predecir con anticipacin, sino que
dependen de un proceso accidental que no esta bajo
control del observador
ejemplos: lanzamiento de un dado, una moneda,
nacimiento de
un nio, etc.

VARIABLE ALEATORIA DISCRETA

Es aquella variable que solo puede asumir
un conjunto numerable de valores, es decir,
que se puede enumerar.
ejemplo:
nmero de personas que esperan consulta en una
clnica
nmero de vehculos que transitan por una calle en
un tiempo especifico, nmero de personas que
prefieren tomar un camin, etc.

VARIABLE ALEATORIA
CONTINUA.
Es aquella que puede asumir cualquier valor
dentro de un intervalo especifico.
ejemplo:
Estatura de una persona
Cantidad de azcar de una naranja
Tiempo de vida de una persona
en otras palabras, cualquier cosa que tenga que ver con pesos y
medidas.

DISTRIBUCIN DE
PROBABILIDAD
Es aquella que se presenta cuando la variable aleatoria x asume
cualquier posible valor en un experimento especifico, y en donde
a cada valor se le hace corresponder su probabilidad respectiva,
a esto se le conoce como distribucin de probabilidad .

X (Variable)
X1 P(X1)
X2 P(X2)
.
.
Xn P(Xn)

P(Xn) (Probabilidad)
P(Xi) >=0
.
.

P(Xn) = 1

ESPERANZA MATEMATICA O VALOR ESPERADO.

Se designa como E(X) = , es el promedio ponderado de todos los
productos de los valores que asume la variable discreta por su
correspondiente probabilidad y se calcula de la siguiente manera:
E(X) = (Xn) . P(Xn) = X1 . P(X1) + X2 . P(x2) + ... Xn . P(Xn)
Ejemplo: Supongase que en una tienda de aparatos electrodomsticos ha
reunido los siguientes datos sobre la venta de congeladores.
Congeladores Vendidos (X)
Frecuencia (P(Xn)
0
0.20
1
0.30
2
0.30
3
0.15
4
0.05
Determine el nmero determinado de congeladores que se pueden vender en un da.
Solucin:E(X) = 0 .(0.20) + 1 .(0.30) + 2 .(0.30) + 3.(0.15) +4 .(0.05)
E(x) = 1.55
Nota: Es Obvio que la tienda no puede vender 1.5 congeladores, si pasa
ms del 50% de la unidad se procede al nmero inmediato posterior, en este caso 2.

VARIANZA
Se define como el valor esperado de los cuadrados de las desviaciones de
X con respecto al valor esperado E(X).
Var(X) = (Xn)2 . P(Xn) - 2
Ejemplo: La siguiente tabla se da el nmero de camionetas que fueron
solicitadas en una agencia de alquiler de automviles durante un periodo
de 50 das.
Demanda Posible(X) Nm. de das P(Xn) (Xn).P(Xn) (Xn)2 P(Xn)
4
7
7/50 28/50
112/50
5
12
12/50 60/50
300/50
6
14
14/50 84/50
504/50
7
10
10/50 70/50
490/50
8
4
4/50 32/50
256/50
N = 50
1 286/50
1689/50 = 33.78
Determine:
5.66
a). La distribucin de probabilidad para este perodo de 50 das
b). Determine la esperanza matemtica para la distribucin de probabilidad
c). Determine la varianza para la distribucin de probabilidad de la demanda
respecto al alquiler de camionetas.

Continuacin
Solucin:
a) .La distribucin de probabilidad se especifica en la
tabla anterior en la columna de demanda posible y su
correspondiente probabilidad.
b). El valor esperado nos sale 5.66, pero es obvio que
no se pueden alquilar 5.66 camionetas, por lo que se
procede a seleccionar 6 al da.
c). Para el calculo de la varianza mediante el uso de la
formula se obtendra 33.78 - (5.66)2 = 1.74, lo que
significa que habra una desviacin de 2 camionetas
en 50 das.

DISTRIBUCIONES DISCRETAS
a). distribucin binomial
b). distribucin hipergeometrica
c). distribucin poisson

DISTRIBUCION BINOMIAL.
Es una distribucin de probabilidad discreta que se aplica a cualquier
proceso de muestreo que conforma un proceso de Bernoulli, el cual
presenta la siguientes caractersticas:
a). En cualquier experimento aleatorio se producen dos posibles
resultados mutuamente excluyentes en cada ensayo y observacin, los
cuales se denominan xitos o fracasos.
b). La serie de ensayos u observaciones constituyen eventos
independientes.
c). La probabilidad de xito designada por P permanece constante de
ensayo en ensayo por lo que el proceso es estacionario.
Para calcular probabilidades binomiales solo se requieren tres valores :
El nmero designado de xitos (X)
El nmero de ensayos u observaciones (n)
La probabilidad de xito de cada ensayo (p

Formula: dist. binomial

n!
P(X) =
. Px . (1-P)n-x
X!(n-X)!
OTRAS CARACTERSTICAS
1. La esperanza matemtica o valor esperado de una distribucin
binomial es igual a E(x)= n . p
2. La varianza de una distribucin binomial var(x) = n . p . q
3. La desviacin estndar de una distribucin binomial es igual a
S = n.p.q

Calculo de probabilidades binomiales

Ejemplo: En un rea geogrfica el 40% de la poblacin adulta
pertenece al partido demcrata, s se saca una muestra
aleatoria de 10 adultos, Qu probabilidad hay de que 3 de
ellos pertenezcan al partido demcrata?
a). Determnese mediante formula y mediante el uso de tablas
binomiales.
Solucin:
Por frmula : P(x=3) = [10! / (3! . 7!)] . (0.40)3 . (0.60)7 = 0.2150
Por tablas: P(x=3/n = 10, P= 0.40) = 0.2150
Cmo se obtuvo? En las tablas binomiales se busca
primeramente n = 10, posteriormente se procede a localizar la
probabilidad de 0.40 y el nmero designado de xitos = 3 de tal
manera que se busca la interseccin entre la fila y la columna
de estos datos dando como resultado 0.2150 .

DISTRIBUCIONES BINOMIALES
ACUMULADAS
Con frecuencia se necesita saber cules son las probabilidades de que X
asuma valores mayores, menores o dentro de un intervalo de valores.
Generalmente se presentan 3 situaciones:
a). Para determinar la probabilidad de que X sea mayor que un valor dado
se encuentra sumando las probabilidades individuales.
n
P(X > 1/n, P) = n C x . Px . q n-x
X = X+1
b). Para determinar la probabilidad de que x asuma valores menores que
un valor dado, se encuentra sumando las probabilidades de los valores
individuales de X entre 0 y X-1.
x-1
P(X < 1/n, P) = n C x . Px . q n-x
X =0
C). S x asume valores entre dos valores dados X1,X2 inclusive, se
encuentra sumando las probabilidades de los valores individuales que
existan entre ambos.
X2
P(1 <= X <= 2/ n, P) = n C x . Px . q n-x
X = X+1

Calculo de prob. Binomiales

acumuladas
Ejemplo: Una empresa que fabrica mesas de villar sospecha que el 2% de
su produccin esta defectuosa en alguna forma. Si esta sospecha es
correcta encuentre la probabilidad de que en una muestra de 9 mesas
haya por lo menos una defectuosa.
Solucin:
P(X>=1/n=9, P = 0.02) = P(X=1) + P(X=2) + P(X=3)+ ... P(X=9) = .1663
Ejemplo: El 12% de los que hacen reservaciones para un vuelo en una
avioneta a menudo no llegan a tiempo para abordarla. Dicha avioneta
tiene una capacidad para 15 pasajeros.
a). Obtenga la probabilidad de que las 15 personas que hicieron reservaciones
aborden la avioneta.
b). S se anotaron 16 reservaciones, encuentre la probabilidad de que:
1. Se quede una persona
2. No se quede ninguna
a). P(x=15/n=15, p=0.88)=(15C15)(0.88)15(0.12)0 =0.1469
b1). P(x=1/n=16, p=0.12)=(16C1)(0.12)1(0.88)15 =0.2822
b2). P(x=16/n=16, p=0.88)=(16C16)(0.88)16(0.12)0 =0.1293

DISTRIBUCIN
HIPERGEOMETRICA
Es una distribucin de probabilidad discreta la cual se utiliza cuando se efecta un
muestreo sin reemplazo de cada uno de los objetos tomados de una poblacin
finita, de tal forma que proporciona un cambio sistemtico en las probabilidades
de xito a medida que se retiran los elementos de la poblacin, es decir, la
frmula para determinar probabilidades hipergeometricas es una aplicacin
directa de las reglas de anlisis combinatorio.
P(X/N,Xt,n) = (N-Xt C n-x) . (Xt Cx) / NCn
Donde:
X = Nmero designado de xitos
N = Nmero total de elementos de la poblacin
n = Nmero total de elementos de la muestra
Xt = Nmero total de xitos incluidos en la poblacin
Ejemplo: De 6 empleados 3 han estado en la compaa 5 ms aos,
se escoge aleatoriamente 4 del grupo de 6, determine la probabilidad
de que exactamente, 2 tenga 5 ms aos de antigedad.
Solucin:

DISTRIBUCIN POISSON
Esta se utiliza para determinar el nmero determinado de xitos cuando
los eventos ocurren en un espectro continuo en tiempo y espacio. Slo se
requiere de un valor que es el nmero promedio de xitos denominado
(lambda), para las dimensiones especificas de tiempo y espacio.
asume valores desde 0.1 hasta 10 .
La formula para determinar la probabilidad de un nmero designado de
xitos mediante la distribucin Poisson es:

P(X/ ) =

x . e -
x!

Donde:
e = Es una constante equivalente a 2.7183 que es la base de ln.
= Nmero promedio de xitos para dimensiones especificas de tiempo
y espacio.
X = Nmero designado de xitos.
Otras caractersticas de las distribucin Poisson son:
1. La esperanza matemtica o valor esperado es igual a la media de la
distribucin.
2. La varianza de una distribucin Poisson es igual a .
3. Su desviacin estndar es igual a la raz cuadrada

Distribucin Poisson
Otras caractersticas de las distribucin
Poisson son:
1. La esperanza matemtica o valor esperado
es igual a la media de la
distribucin.
2. La varianza de una distribucin Poisson es
igual a .
3. Su desviacin estndar es igual a la raz
cuadrada

Distribucin Poisson
Ejemplo: En un proceso de manufactura el 10% de las unidades
producidas son defectuosas, encontrar la probabilidad de que en
una muestra de 10 unidades seleccionadas tengan exactamente 3
defectos. Resuelvase por:
a). Distribucin binomial y
b). Distribucin Poisson
Solucin:
a). P(x=3) = (10! / 3!. 7!) . (0.103 . 0.97 )= 0.0574
Por tablas binomiales: P(x=3/n=10,P=0.10) = 0.0574
b). =Np = 10 . 0.1 = 1
P(x=3/ = 1) = 0.0613 (Mediante uso de tablas Poisson)

Distribucin Poisson Acumulativa

Ejemplo de Distribucin Poisson Acumulada:
En promedio 12 personas por hora consultan a un especialista
en ginecologa. Cul es la probabilidad de que 3 ms personas se
visiten el consultorio del especialista durante un perodo de 3 minutos?
Solucin: Se requiere obtener el valor de , esto se obtendr mediante
una regla de 3 ya que s en una hora que son 60 minutos 12 personas
visitan el consultorio en 10 minutos cuntos lo harn? as obtendremos
el valor de que en este caso es igual a 2.
P(X>=3/ =2)= P(X=3) + P(X=4) + P(X=5) +...+ P(X=12) = 0.3232
Ejemplo: El nmero promedio de radios que vende una compaa por da
se aproxima mediante el mtodo de poisson, con una media de 1.5. Calcule
la probabilidad de que la compaa venda por lo menos 4 radios durante un:
a). Perodo de 2 das.
b). Perodo de 3 das.
Solucin: El valor esperado E(x) = 2 das x 1.5 radios por da = 3 radios
a). P(x>=4/ =3) = P(X=4)+ P(X=5) +P(X=6)+P(X=7) = 0.3529
b). = 4.5 P(x>=4/ =4.5) = P(X=4)+ P(X=5) +P(X=6)+P(X=7) =0.6577

DISTRIBUCIN NORMAL
La distribucin normal es una distribucin de probabilidad continua la cual
es simtrica y presenta una forma de campana en donde el punto medio
representa a la media de la distribucin.
Caractersticas:
1. Que el rea comprendida bajo la curva y por encima del eje horizontal
es igual a la unidad y esta se extiende desde - hasta +.
2. La distribucin es simtrica con respecto a su media, es decir, debe
existir un 50% de rea a la izquierda y otro 50% de rea a la derecha.
3. La media, la mediana y la moda en esta distribucin son iguales.
4. La distancia horizontal que existe entre el punto de inflexin de la
curva hasta una perpendicular levantada sobre la media es igual a una
desviacin estndar.

DISTRIBUCIN NORMAL
5. La distribucin normal es realmente una familia de
distribuciones puesto que existe una distribucin
diferente para cada valor de la media y desviacin
estndar, s se muestran 3 distribuciones normales
con la misma desviacin estndar pero con diferente
media encontraremos que estas distribuciones se
sitan en diferentes posiciones sobre el eje
horizontal.
6. S se muestran 3 desviaciones normales con la
misma media pero con diferente desviacin estndar,
podremos observar que mientras ms grande sea la
desviacin estndar, nos resultar una curva ms
plana y ms extendida en la grfica de la
distribucin.

DISTRIBUCIN NORMAL
7. S se levantan perpendiculares a una
distancia de una desviacin estndar de la
media en cada uno de los dos lados, el rea
es aproximadamente el 68.27% del rea
total, s se levantan perpendiculares a dos
desviaciones estndares de la media
corresponder el 95.45% del rea total y en
el caso de 3 desviaciones ser del 99.73%
del rea total.
8. La configuracin de la distribucin normal se
define mediante la siguiente formula:

DISTRIBUCIN NORMAL
1
f ( x)
e
2

( x )2

2 2

8. Para calcular la probabilidad de que X asuma valores especficos Xa y

Xb se encuentra integrando la ecuacin de la distribucin normal desde
Xa hasta Xb , mediante
xb
P(x) dx
xa

Z=

x-

TABLA DE DISTRIBUCIN NORMAL

ESTANDARIZADA Z
z

.00

.01

.02

.03

.04

.05

.06

.07

.08

.09

.00

0.00000

0.00399

0.00798

0.01197

0.01595

0.01994

0.02392

0.02790

0.03188

0.03586

0.1

0.03983

0.04380

0.04776

0.05172

0.05567

0.05962

0.06356

0.06749

0.07142

0.07535

0.2

0.07926

0.08317

0.08706

0.09095

0.09483

0.09871

0.10257

0.10642

0.11026

0.11409

0.3

0.11791

0.12172

0.12552

0.12930

0.13307

0.13683

0.14058

0.14431

0.14803

0.15173

0.4

0.15542

0.15910

0.16276

0.16640

0.17003

0.17364

0.17724

0.18082

0.18439

0.18793

0.5

0.19146

0.19497

0.19847

0.20194

0.20540

0.20884

0.21226

0.21566

0.21904

0.22240

0.6

0.22575

0.22907

0.23237

0.23565

0.23891

0.24215

0.24537

0.24857

0.25175

0.25490

0.7

0.25804

0.26115

0.26424

0.26730

0.27035

0.27337

0.27637

0.27935

0.28230

0.28524

0.8

0.28814

0.29103

0.29389

0.29673

0.29955

0.30234

0.30511

0.30785

0.31057

0.31327

0.9

0.31594

0.31859

0.32121

0.32381

0.32639

0.32894

0.33147

0.33398

0.33646

0.33891

1.0

0.34134

0.34375

0.34614

0.34849

0.35083

0.35314

0.35543

0.35769

0.35993

0.36214

1.1

0.36433

0.36650

0.36864

0.37076

0.37286

0.37493

0.37698

0.37900

0.38100

0.38298

1.2

0.38493

0.38686

0.38877

0.39065

0.39251

0.39435

0.39617

0.39796

0.39973

0.40147

1.3

0.40320

0.40490

0.40658

0.40824

0.40988

0.41149

0.41308

0.41466

0.41621

0.41774

1.4

0.41924

0.42073

0.42220

0.42364

0.42507

0.42647

0.42785

0.42922

0.43056

0.43189

1.5

0.43319

0.43448

0.43574

0.43699

0.43822

0.43943

0.44062

0.44179

0.44295

0.44408

1.6

0.44520

0.44630

0.44738

0.44845

0.44950

0.45053

0.45154

0.45254

0.45352

0.45449

1.7

0.45543

0.45637

0.45728

0.45818

0.45907

0.45994

0.46080

0.46164

0.46246

0.46327

1.8

0.46407

0.46485

0.46562

0.46638

0.46712

0.46784

0.46856

0.46926

0.46995

0.47062

1.9

0.47128

0.47193

0.47257

0.47320

0.47381

0.47441

0.47500

0.47558

0.47615

0.47670

CONTINUACIN DE LA TABLA Z

2.0

0.47725

0.47778

0.47831

0.47882

0.47932

0.47982

0.48030

0.48077

0.48124

0.48169

2.1

0.48214

0.48257

0.48300

0.48341

0.48382

0.48422

0.48461

0.48500

0.48537

0.48574

2.2

0.48610

0.48645

0.48679

0.48713

0.48745

0.48778

0.48809

0.48840

0.48870

0.48899

2.3

0.48928

0.48956

0.48983

0.49010

0.49036

0.49061

0.49086

0.49111

0.49134

0.49158

2.4

0.49180

0.49202

0.49224

0.49245

0.49266

0.49286

0.49305

0.49324

0.49343

0.49361

2.5

0.49379

0.49396

0.49413

0.49430

0.49446

0.49461

0.49477

0.49492

0.49506

0.49520

2.6

0.49534

0.49547

0.49560

0.49573

0.49585

0.49598

0.49609

0.49621

0.49632

0.49643

2.7

0.49653

0.49664

0.49674

0.49683

0.49693

0.49702

0.49711

0.49720

0.49728

0.49736

2.8

0.49744

0.49752

0.49760

0.49767

0.49774

0.49781

0.49788

0.49795

0.49801

0.49807

2.9

0.49813

0.49819

0.49825

0.49831

0.49836

0.49841

0.49846

0.49851

0.49856

0.49861

3.0

0.49865

0.49869

0.49874

0.49878

0.49882

0.49886

0.49889

0.49893

0.49896

0.49900

3.1

0.49903

0.49906

0.49910

0.49913

0.49916

0.49918

0.49921

0.49924

0.49926

0.49929

3.2

0.49931

0.49934

0.49936

0.49938

0.49940

0.49942

0.49944

0.49946

0.49948

0.49950

3.3

0.49952

0.49953

0.49955

0.49957

0.49958

0.49960

0.49961

0.49962

0.49964

0.49965

3.4

0.49966

0.49968

0.49969

0.49970

0.49971

0.49972

0.49973

0.49974

0.49975

0.49976

3.5

0.49977

0.49978

0.49978

0.49979

0.49980

0.49981

0.49981

0.49982

0.49983

0.49983

3.6

0.49984

0.49985

0.49985

0.49986

0.49986

0.49987

0.49987

0.49988

0.49988

0.49989

3.7

0.49989

0.49990

0.49990

0.49990

0.49991

0.49991

0.49992

0.49992

0.49992

0.49992

3.8

0.49993

0.49993

0.49993

0.49994

0.49994

0.49994

0.49994

0.49995

0.49995

0.49995

3.9

0.49995

0.49995

0.49996

0.49996

0.49996

0.49996

0.49996

0.49996

0.49997

0.49997

4.0

0.49997

0.49997

0.49997

0.49997

0.49997

0.49997

0.49998

0.49998

0.49998

0.49998

Aplicacin de la dist. normal

Ejemplo: La duracin media de una
lmpara incandescente tiene una
distribucin normal con media de
1200 hrs. desviacin estndar de
150 horas, calcule la probabilidad
de que la duracin de una lmpara:
a) sea mayor de 1400 horas
b) sea menor de 1300 horas.
Solucin:
a) sea mayor de 1400 es el rea buscada el de la cola derecha de la
1 200
0

curva, como es simtrica cada mitad es 0.5, entonces:

1400

1 .3 3

P( z 133
. ) 05. ( z 133
. ) 05. 0.4082 0.9082 92.82%

Aplicacin de la dist. normal

) menor de 1300 es p(x<=1300)= p(z=0.67),

el rea buscada es: Se observa que el rea

es igual al rea de 0 a 0.67 ms la mitad de
la curva que es 0.5
P( X 0.67) 05. ( z 0.67) 05. 0.2486 0.7486 74.86%

1200
0

1300
0 .6 7

Aplicacin de la dist. normal

CASOS A RESOLVER
1.- La resistencia de un material a la ruptura
presenta una distribucin normal con media
de 2500 y desviacin estndar de 180,
calcule la probabilidad de que una muestra
de material:
a) tenga una resistencia menor de 2300
b) sea mayor de 2400
c) este entre 2600 y 2800