Antología

Probabilidad y Estadstica
(Basado en la Reforma del Bachillerato Tecnolgico 2004)

Junio de 2006
Educacin humana y de
calidad
SAETA-
Reforma del Bachillerato Tecnolgico 2004
SUBSECRETARIA DE EDUCACIN MEDIA SUPERIOR
DIRECCIN GENERAL DE EDUCACIN TECNOLGICA
AGROPECUARIA
G u a d i d c t i ca
Compiladores:
Alejandro Acebo Gutirrez
Rubn Henrquez
Francisco Romo Romero
Tirso Cuevas Nolasco
Jess Alemn Lpez
Ral Arellano Ibarra
Ernesto Zamora Hernndez
DIRECTORIO
Lic. Reyes Tamez Guerra
Secretario de Educacin Pblica
Yoloxchitl Bustamante Dez
Subsecretario de Educacin Media Superior
Ing. Ernesto Guajardo Maldonado
Director General de Educacin Tecnolgica Agropecuaria
Prof. Sal Arellano Valadez
Director Tcnico
Ing. Agustn Velsquez Servn
Director de Apoyo a la Operacin Desconcentrada
M.C. Mara Elena Hernndez Meja
Coordinadora Nacional del Programa Sistema Abierto de Educacin Tecnolgica
Agropecuaria
ASIGNATURA: Probabilidad y Estadstica
REGISTRO No. IV
SEP / SEMS / DGETA
JOSE MARIA IBARRARAN No. 804
COL. SAN JOSE INSURGENTES SUR.
06720, MXICO, D.F.
TEL. 01 5 328 10 00 y 01 5 328 10 97
ISBN
2
Se autoriza la reproduccin del contenido con fines educativos que no
implique lucro directo indirecto, siempre y cuando se cite la fuente,
previa autorizacin por escrito de la DGETA.
COMIT EDITORIAL
Prof. Sal Arellano Valadez
M. C. Mara Elena Hernndez Meja
En el proceso de elaboracin de esta antologa, participaron los siguientes docentes del
estado de: Aguascalientes, Nayarit, Tabasco y Veracruz
NOMBRE PLANTEL ESTADO
Alejandro Acebo Gutirrez CBTa No. 107 Nayarit
Rubn Henrquez CBTa No. 107 Nayarit
Francisco Romo Romero CBTa No. 88 Zacatecas
Tirso Cuevas Nolasco CBTa No. 86 Veracruz
Jess Alemn Lpez
Ral Arellano Ibarra
CBTa No. 17
CBTa No. 61
Veracruz
Aguascalientes
Ernesto Zamora Hernndez CBTa No. 30 Aguascalientes
GUA DE CONTENIDOS
3
Pg.
VARIABLES Y REPRESENTACIONES _______________________________________9
Introduccin ______________________________________________9
Poblacin y muestras ______________________________________10
Variable discreta y continua _________________________________12
Redondeo de datos _______________________________________13
Notacin sistematizada _____________________________________14
Cifras significativas ________________________________________15
Clculos ________________________________________________15
DISTRIBUCIONES DE FRECUENCIAS _______________________________________18
Toma y ordenacin de datos ________________________________18
Distribuciones de frecuencias ________________________________19
Intervalos de clase ________________________________________19
Lmites de clase ___________________________________________________20
Lmites reales de clase _____________________________________20
Tamao del intervalo de clase ________________________________________20
Marca de clase ___________________________________________21
Histograma y polgono de frecuencia __________________________22
Distribucin de frecuencia relativa ____________________________25
Distribucin de frecuencia acumulada _________________________29
Distribucin de frecuencias relativas acumuladas ________________29
MEDIDAS DE TENDENCIA CENTRAL _______________________________32
Promedios _______________________________________________32
Media __________________________________________________32
Mediana ________________________________________________33
Moda ___________________________________________________34
4
Cuartiles, deciles, percentiles ________________________________48
Regresin lineal __________________________________________50
MEDIDAS DE DISPERSIN _______________________________________52
Dispersin _______________________________________________________52
Rango __________________________________________________53
Desviacin media __________________________________________________56
Varianza ________________________________________________57
Desviacin tpica __________________________________________58
Rango semi cuartlico ______________________________________59
Rango entre percentiles ____________________________________59
PROBABILIDAD ________________________________________________66
Introduccin _____________________________________________66
Conceptos bsicos ________________________________________66
Modelos matemticos ______________________________________67
Permutaciones y combinaciones ______________________________________68
Diagrama de rbol ________________________________________68
Proceso de contar _________________________________________________69
Combinaciones ___________________________________________80
Teorema del Binomio ______________________________________86
PROBABILIDAD AXIOMTICA _____________________________________88
Simbologa bsica ________________________________________88
Probabilidad para eventos __________________________________92
Probabilidad condicional ____________________________________93
Eventos independientes ____________________________________99
Eventos dependientes ____________________________________101
Teorema de Bayes _______________________________________105
GLOSARIO _____________________________________________________________106
5
BIBLIOGRAFA CONSULTADA ___________________________________110
BIBLIOGRAFA RECOMENDADA _________________________________111
INTRODUCCIN
El presente trabajo esta dirigido a los estudiantes del SAETA que cursan el Bachillerato
Tecnolgico bajo el enfoque de estrategias educativas centradas en el aprendizaje, con la firme intencin
de que sirva de gua. Las actividades que desarrollars te permitirn adquirir los conocimientos que
6
competen a los contenidos del programa de estudios de la asignatura de Probabilidad y Estadstica que se
imparte en el quinto semestre y que estas a punto de iniciar.
Con el desarrollo de los contenidos programticos dentro y fuera del aula; sumado a t
participacin entusiasta y responsable en tu propio aprendizaje, te permitir comprender los
conceptos analizados y la aplicacin significativa para resolver problemas de la vida cotidiana.
La meta se podr alcanzar con t valiosa participacin, porque eres el principal actor de tu propio
aprendizaje y con el apoyo de tu facilitador, determinars el xito en t desempeo escolar, familiar y
laboral.

MENSAJE
Ya sabes que no puedes gozar del juego de la vida a
menos que conozcas sus reglas, sea de convivencia de juego
de pelota, de uso de computadora o tan slo de saln.
Igualmente no puedes cuantificar o cualificar tu entorno,
sino hasta que comprendas las reglas de la probabilidad y
estadstica, que te harn comprender las formas de presentar
7
las ocurrencias de un fenmeno social, fsico o biolgico, que
te llevarn a ampliar tu horizonte de conocimientos en donde
vers la estructura matemtica en numerosas ecuaciones,
pero ms que recetas de clculo, vers ecuaciones y
ordenamientos como guas para pensar.
Yo disfruto de la probabilidad y la estadstica, y t
tambin lo hars, porque la comprenders. Si te tomas la idea
de enfocarte hacia esta disciplina.
Y resolver los problemas matemticos. Ahora trata de comprender los conceptos, si despus
vienen los clculos los hars comprendindolos.
Disfruta de la probabilidad de que ocurra tu felicidad.
Y sers parte de la estadstica de los estudiantes felices.
INTRODUCCIN
Estadstica: Es un mtodo cientfico que recopila, organiza, presenta, analiza e interpreta
los datos obtenidos para tener conocimiento de los hechos pasados, para prever situaciones
futuras y tomar decisiones en base a la experiencia.
VARIABLES Y REPRESENTACIONES
8
En el estudio de la estadstica, se diferencian dos tipos:
Estadstica descriptiva o deductiva y Estadstica inferencial o inductiva.
Estadstica Descriptiva: Es aquella cuyo objetivo es describir cuantitativamente una
serie de personas, animales o cosas, su estudio incluye las tcnicas de colectar,
presentar, analizar e interpretar datos.
Esta parte de la estadstica es la que estudiaremos en el presente curso de Probabilidad y
Estadstica 1; ser la que nos auxilie a resolver preguntas de investigaciones como las
siguientes: Cmo ordenar los datos y analizarlos adecuadamente? Qu tipo de
representacin grfica es ms conveniente utilizar para presentar los datos? Cul es la
media aritmtica o promedio de los datos obtenidos? Qu tan dispersos estn los datos con
respecto a otra muestra?
Estadstica Inferencial: Es aquella cuyo objetivo es obtener informacin sobre una
poblacin o grupo grande de personas o cosas, mediante un metdico procedimiento
de los datos de una muestra tomada de l.

Este ltimo tipo de estadstica no la utilizaremos en ste curso, pero hagamos un ejercicio
para analizar cul es la diferencia entre estos dos tipos de estadstica:
A un grupo de 50 alumnos del CBTA 107 extensin Xalisco le preguntamos Cul es la
materia que les gusta ms? Los datos arrojados por sta encuesta, en ste grupo en
particular, es incumbencia de la Estadstica Descriptiva, ya que ordenamos los datos, los
analizamos obteniendo sus parmetros como la media y la desviacin, los graficamos y hasta
los interpretamos. Pero
Si queremos hacer conclusiones a nivel estatal de todos los alumnos de los CBTAs del
estado de Nayarit, ste grupo de 50 encuestados sera una parte de las diferentes muestras
que nos serviran para saber la tendencia de toda la poblacin estudiantil respecto a la
materia que les gusta ms, y debemos tomar ms muestras de estudiantes de otros CBTAs,
por lo cual ya entraramos en el campo de la Estadstica Inferencial y sus datos debern de
analizarse de otra manera ms profunda, haciendo pruebas de hiptesis para obtener las
inferencias o conclusiones a futuro.
Con tus propias palabras escribe
CUAL ES LA DIFERENCIA ENTRE ESTADSTICA DESCRIPTIVA Y ESTADSTICA
INFERENCIAL?
_______________________________________________________________
______________________________________________________________________
9
______________________________________________________________________
Poblacin: Es el conjunto de todos los elementos, medidas, individuos y objetos que tienen
una caracterstica en comn, pero en muchas ocasiones debido a limitaciones de tiempo o
de recursos no se puede trabajar con la totalidad de la poblacin.
Muestra: Es la parte de una poblacin que podemos utilizar para obtener conclusiones de
toda una poblacin sin tener que analizar su totalidad.
La muestra elegida debe cumplir con ciertos requisitos indispensables:
a) Validez. Debe representar a la poblacin, esto es, ha de pertenecer a sta y ser elegida al
azar o en forma aleatoria, para que todos los elementos de la poblacin tengan la misma
probabilidad de ser considerados.
b) Confiable. Los resultados que se obtengan deben poder generalizarse a toda la poblacin
con cierto grado de precisin.
c) Prctica. Debe ser sencilla de llevar acabo.
d) Eficiente. Debe proporcionar la mayor informacin con el menor costo.
DATOS: Son las medidas, valores o caractersticas susceptibles de ser observadas y
contadas.
VARIABLES: Es una propiedad o caracterstica de algn evento, objeto o persona, que
puede tener diversos valores en diferentes instantes, segn las condiciones. La altura, el
peso, el tiempo de reaccin y la dosis de un medicamento, son ejemplos de variables.
Las variables son las herramientas fundamentales de la estadstica y se clasifican de la
siguiente manera:
En las VARIABLES CATEGRICAS los valores pueden ser EXPRESIONES y tambin estas
expresiones pueden ser sustituidas por SMBOLOS que nos permiten diferenciar la categora
a la que pertenece cada individuo, la cual est determinada por el valor de la variable.
Hagamos unos ejemplos:
Si queremos saber la forma en que se trasladan los estudiantes del CBTA-XALISCO para
recibir sus clases grupales; preguntaremos a cada estudiante del grupo, si usualmente se
10
trasladan de su casa a la escuela CAMINANDO o EN ALGN VEHICULO, por lo tanto los
valores de la variable sern (C) "caminando" o (V) " Vehculo" y se clasifican a los alumnos en
stas dos categoras.
Otro ejemplo:
Si quisiramos conocer la materia que prefieren los estudiantes de una lista de 4 materias en
donde se incluyen Ciencias Sociales, Matemticas, Ciencias Naturales y Espaol; en este
caso la materia de preferencia puede tomar cuatro valores: (CS) que es Ciencias Sociales;
(M) que es Matemticas, (CN) Ciencias Naturales y (E) ser Espaol. Es claro pues que la
variable, materia de preferencia clasifica a los estudiantes en cuatro categoras.
Observa que los valores que pueden tomar las variables en los ejemplos anteriores son
EXPRESIONES y que estas expresiones han sido sustituidas por SMBOLOS que nos
permiten diferenciar la categora a la que pertenece cada individuo, la cual est determinada
por el valor de la variable. Los ejemplos anteriores son VARIABLES CATEGRICAS
NOMINALES.
Veamos ahora otros ejemplos de VARIABLES CATEGRICAS:
Si deseamos saber si el contenido del mdulo: Tcnicas Pecuarias tiene relacin con las
prcticas de campo que se realizaron el semestre pasado y le pedimos la opinin a cada
estudiante, los valores que puede tomar la variable pueden ser: "Nunca" (A), "Raras veces"
(B), "Algunas veces" (C), Casi siempre" (D) y "Siempre" (E). Observa que esta variable
clasifica a cada uno de los estudiantes que contestaron la pregunta, segn la opinin que
haya elegido.
Otro ejemplo:
Si queremos saber cmo se alimentan los estudiantes del CBTA-XALISCO, para relacionarlo
con el aprovechamiento escolar, preguntaremos cada semana a todos los estudiante del
grupo, cules alimentos ingirieron durante la semana y clasificamos la variable calidad de la
alimentacin de la siguiente manera: MD al alumno que se aliment muy deficientemente,
D el de alimentacin deficiente, R el de alimentacin regular, B el de alimentacin buena
y MB el de alimentacin muy buena. Con esto todos los estudiantes del grupo, quedarn
distribuidos en cinco posibles categoras.
Observa que los valores de las variables tambin son EXPRESIONES, sin embargo, entre los
valores de estos dos ejemplos ltimos hay UN ORDEN. Los ejemplos anteriores SON
VARIABLES CATEGRICAS ORDINALES.
Si comprendiste, escribe con tus propias palabras:
Cundo es variable Categrica Nominal?
______________________________________________________________________
Cundo es una variable Categrica Ordinal?
______________________________________________________________________
11
Ahora veamos las VARIABLES NUMRICAS.
En las variables numricas, sus valores no son expresiones sino NMEROS y es en donde
adems tiene sentido efectuar operaciones aritmticas con ellos para poder compararlos.
Si los valores de la variable son NMEROS ENTEROS, se llamar NUMRICA DISCRETA,
pero si los valores de la variable pueden tomar CUALQUIER VALOR NUMRICO en algn
intervalo de nmeros reales (con decimales o fracciones), la variable ser NUMRICA
CONTINUA.
Hagamos unos ejemplos:
Si queremos saber el nmero de hermanos de los alumnos del CBTA-XALISCO. Sern desde
cero en adelante y como es lgico, no puede haber medio hermano o tres cuartos de
hermano, por lo tanto la variable nmero de hermanos es una variable numrica discreta.
Otro ejemplo ser el nmero de preguntas acertadas en un examen de conocimientos; los
aos cumplidos de los estudiantes, el nmero de materias que cursan en el quinto semestre,
etc.... ya que son variables numricas que pueden tomar slo valores enteros.
Veamos por ltimo los ejemplos de las variables numricas continuas:
Si queremos saber la estatura de los alumnos del quinto semestre con una aproximacin a
milmetros, tendramos que utilizar una regla de dos metros y dividida en centmetros y
milmetros. Los valores posibles de la variable sern todos los nmeros pertenecientes a
algn intervalo.
Otro ejemplo es el peso que tienen las personas que asisten a un evento; ser tambin una
variable numrica continua, pues podrn pesar kilos, con gramos y hasta miligramos,
dependiendo de la precisin que queramos los resultados.
Si observas estas variables numricas pueden tomar cualquier valor en algn intervalo.
AHORA TE TOCA PRACTICAR LOS SIGUIENTES EJERCICIOS:
ACTIVIDADES DE APRENDIZAJE:
Describe los valores que pueden tomar las siguientes variables y escribe si sta es, una
variable categrica nominal, categrica ordinal, numrica discreta o numrica continua:
a) El gnero (sexo) de cada alumno del grupo de quinto semestre.
Variable: __________________________________________
b) La cantidad de estudiantes en cada grupo de una escuela.
12
Variable: _________________________________________
c) El Peso de los nios mexicanos de 6 aos.
Variable: ________________________________________
d) El dao causado a los pulmones de los jvenes que fuman.
Variable: _______________________________________
e) Tipo de material con el que se construyen los techos de las viviendas de una localidad.
Variable: ________________________________
f) El nmero de naranjas producidas por cada rbol en una huerta.
Variable: _______________________________________
g) La cantidad de afecto o amor que siente un nio por su mam.
Variable: ______________________________________
h) El tiempo de reaccin de una sustancia qumica en el laboratorio.
Variable: ______________________________________
REDONDEO DE DATOS
Dado que estaremos dando nuestras respuestas finales con dos decimales y en ciertas
ocasiones hasta con cuatro cifras decimales, necesitamos decidir cmo determinar el valor de
los ltimos dgitos.
Si nuestro resultado final tiene ENTEROS, redondearemos a DOS DECIMALES
Primer ejemplo: cuando el residuo es menor que 0.5; 34.01350 = 34.01 es la respuesta
potencial y .350 el residuo; como .350 es menor que 0.5, el ltimo dgito de la respuesta
potencial permanece sin cambio y la respuesta final es 34.01
Segundo ejemplo: cuando el residuo es mayor que 0.5; 34.01761 = 34.01 es la respuesta
potencial y .761 el residuo; como .761 es mayor que 0.5, al ltimo dgito de la respuesta
potencial debemos aumentar 1, por lo que la respuesta correcta es 34.02
Tercer ejemplo: cuando el residuo es igual a 0.5 y el ltimo dgito de la respuesta potencial es
impar; 43.07500 = 43.07 es la respuesta potencial y .500 el residuo; como es impar el ltimo
dgito de la respuesta potencial se aumenta 1, por lo que la respuesta correcta es 43.08
13
Cuarto ejemplo: cuando el residuo es igual a 0.5 y el ltimo dgito de la respuesta potencial es
par; 17.06500 = 17.06 es la respuesta potencial y .500 el residuo; como es par el ltimo dgito
de la respuesta potencial no se aumenta 1, por lo que la respuesta correcta es 17.06
Si nuestro resultado final tiene puros DECIMALES redondeamos a CUATRO DECIMALES
Siguiendo los mismos principios anteriores, si tenemos una cifra de 0.7544762 su respuesta
correcta es 0.7545; en cambio si es 0.1136211 la respuesta correcta es 0.1136; si tenemos
que 0.3463500 lo correcto ser 0.3464; finalmente si tenemos 0.7728500 lo correcto ser
0.7728.
ACTIVIDADES DE APRENDIZAJE DE REDONDEO DE DATOS:
Redondea las siguientes cifras:
22.666666 = __________________ 0.7654598 = ___________________
57.87754 = ____________________ 0.0663597= ___________________
3876.2255 = ___________________ 0.3877865 = ___________________
99.7156 = _____________________ 0.005329 = _____________________
NOTACIN SISTEMATIZADA
En estadstica, por lo general, trabajamos con datos agrupados resultantes de medir una o
ms variables. Con gran frecuencia, los datos se obtienen de las muestras y en ocasiones de
las poblaciones. Para fines matemticos, generalmente se utiliza la letra mayscula X y a
veces la Y, para representar la(s) variable(s). As, si estuviramos midiendo la edad de los
sujetos, haramos que X represente la variable edad. Si existen muchos valores de la
variable agregamos un subndice al smbolo X; ilustramos este proceso en la siguiente tabla,
la cual contiene las edades de seis sujetos:
Nmero
de sujeto
Smbolo
del dato
Valor del dato,
edades
1 X1 8
2 X2 10
3 X3 7
4 X4 6
5 X5 10
6 X6 12
En este ejemplo representamos la variable edad mediante el smbolo X, adems, N
representa el nmero total de datos que hay en la distribucin. En este ejemplo, N = 6, cada
uno de los seis datos representa un valor especfico de X. Distinguimos los seis datos
diferentes, al agregar un subndice a X, correspondiente al nmero de sujeto que tiene el
valor dado. As, el smbolo X
1
corresponde al valor del dato 8, X
2
al valor del dato 10, hasta el
X
6
al 12. En general, podemos referirnos a un nico dato de la distribucin X como X
i
, donde i
puede asumir cualquier valor de 1 a N, segn el dato que queramos designar. En resumen:
14
X o Y representa la variable medida.
N representa el nmero total de sujetos o datos.
X
i
es el i-simo dato, donde i puede variar de 1 a N
CIFRAS SIGNIFICATIVAS:
En la estadstica analizamos datos; este anlisis implica muchos clculos matemticos. Con
mucha frecuencia tenemos un residuo decimal, por ejemplo, despus de realizar una divisin.
Cuando esto ocurre, necesitamos decidir la cantidad de cifras decimales que utilizaremos
para el residuo.
En las ciencias fsicas, por lo general, se utiliza el mismo nmero de cifras significativas que
tienen los datos en bruto, Por ejemplo, si medimos el peso de cinco sujetos hasta tres cifras
significativas (173, 156, 162, 165, y 175 libras) y queremos calcular el promedio de estos
pesos, nuestra respuesta debe contener slo tres cifras significativas. As
La respuesta de 166.2 se redondea a tres cifras significativas, dando un resultado final de 166
libras. Por varias razones y mas por continuar una tradicin, en el presente curso de
estadstica utilizaremos DOS cifras decimales redondeadas cuando el resultado tenga
ENTEROS y CUATRO cifras decimales cuando NO EXISTAN ENTEROS, sin importar las
cifras significativas de los datos en bruto. As cuando se pida que el resultado tenga dos cifras
decimales, debemos realizar los clculos intermedios con al menos CUATRO cifras decimales
y redondear la respuesta final a dos cifras.
CLCULOS
Una de las operaciones que se realizan con ms frecuencia en estadstica consiste en sumar
todos o una parte de los datos que pertenecen a una distribucin. Como no es prctico
escribir suma de todos los datos cada vez que se necesite emplear esta operacin,
particularmente en las ecuaciones, se utiliza una abreviatura simblica. La letra griega
mayscula sigma ( ) indica la operacin de sumatoria. La frase algebraica utilizada para la
sumatoria es:

Esta expresin se lee como la suma de la variable X de i = 1 a N. Las notaciones que
aparecen arriba y debajo del signo de la sumatoria indican los datos que deben incluirse en la
operacin. El trmino que aparece debajo del signo de la sumatoria nos indica el primer dato
en esta operacin, y el trmino que se encuentra arriba de dicho signo indica el ltimo dato.
As, esta frase seala que debemos sumar los datos X, comenzando con el primero y
concluyendo con el N-simo dato.
As.
Ecuacin de una sumatoria
Al aplicar la sumatoria a los datos de las edades de la tabla anterior, tenemos que:
=
N
i
i
X
1
+ + + +
N
i
N i
X X X X X
1
3 2 1
...
+ + + + +
N
i
i
X X X X X X X
1
6 5 4 3 2 1
166 2 166
5
831
5
175 165 162 156 173

+ + + +

.
N
X
X
15
8 + 10 + 7 + 6 + 10 + 12 = 53
Cuando la sumatoria se realiza con todos los datos (de 1 a N), es frecuente que la propia
frase de esta operacin se abrevie, omitiendo las notaciones arriba y abajo del signo de la
suma, al igual que el subndice i. As.

Se abrevia con frecuencia como
En el ejemplo anterior, = 53 Esta expresin indica que la suma de todos los datos X es
53.
Observa que no es necesario que la sumatoria se realice de 1 a N; por ejemplo, podramos
querer sumar slo el segundo, tercer, cuarto y quinto dato. Recuerda que la notacin
debajo del signo de la sumatoria nos dice dnde comenzar la suma, y el trmino arriba de
dicho signo nos dice dnde terminarla.
Utilizaramos el smbolo Para los datos anteriores, tenemos que:
Resolvamos algunos ejemplos:
Para los siguientes datos, determine X
1
= 10, X
2
= 12, X
3
= 13, X
4
= 18
Por lo tanto:
1
=20, X
2
=24, X
3
=25, X
4
=28, X
5
=30,
X
6
=31
Por lo tanto:
1
=20, X
2
=24, X
3
=25, X
4
=28, X
5
=30,
X
6
=31
Por lo tanto:
Existen otros dos tipos de sumatorias que veremos con frecuencia en estadstica y son: X
2
y
(X)
2
. Aunque se parecen, son distintos y, en general, proporcionan diferentes respuestas.
El smbolo X
2
(suma de los cuadrados de los datos X) indica que primero debemos elevar el
cuadrado de los datos X y luego sumarlos. As:
N
i
i
X
1

X
5
2 i
i
X
+ + + + + +
N
i
i
X X X X X
1
5 4 3 2
33 10 6 7 10
3
1 i
i
X
35 13 12 10
3
1
+ +
i
i
X
+
4
2
3
i
i
X :
+ + + +
4
2
80 3 ) 28 25 24 ( 3
i
i
X
+
4
2
) 3 (
i
i
X
+ + + + + +
4
2
86 ) 3 28 ( ) 3 25 ( ) 3 24 ( ) 3 (
i
i
X
+ + +
2 2
3
2
2
2
1
2
...
N
X X X X X
16
El smbolo (X)
2
, o (el cuadrado de la suma de los datos X), indica que primero debemos
sumar los datos X y luego elevar al cuadrado la suma resultante. As,
Esta confusin es muy comn cometerla, sobre todo cuando se calculan las desviaciones
estndar, eso lo analizaremos un poco mas adelante.
Primer ejercicio si X
1
=3; X
2
=6; X
3
=8; X
4
=2; X
5
=9; X
6
=1; X
7
=5

Segundo ejercicio si X
1
=10; X
2
=7; X
3
=3; X
4
=16; X
5
=2; X
6
=22;

La Tabla de Distribucin de Datos o Tabla de Distribucin de Frecuencias, adems de ser un
instrumento til para resumir un conjunto de datos obtenidos en una investigacin, es una
+ + +
2
3 2 1
2
) ... ( ) (
N
X X X X X
+
5
1
) 12 (
i
i
X
+
4
2
205
i
i
X
7
3 i
i
X

8 ) (
6
2
2
i
i
X
+
5
1
2
510 ) (
i
i
X
DISTRIBUCIONES DE FRECUENCIAS
17
herramienta muy importante con que cuenta la estadstica para realizar las observaciones de
manera rpida y sencilla.
Para construir dicha Tabla realizaremos siete pasos y para tu mejor aprendizaje,
desarrollaremos un ejemplo con una variable numrica continua, ya que deseamos conocer el
tiempo en minutos que emplearon para estudiar 50 estudiantes del CBTA en la materia de
Estadstica.
PASO UNO: TOMA Y ORDENACIN DE DATOS:
La recopilacin de los datos consiste en asistir al grupo y entrevistar a los estudiantes, para
obtener los valores mediante una pregunta abierta sobre el tiempo en minutos que emplearon
para estudiar el tema de estadstica o si desconfiamos, podemos medir directamente el
tiempo durante las asesoras que emplearon cada uno de los alumnos al estudiar estadstica.
En resumen para recopilar los datos debemos "asistir" al lugar donde vamos a 'tomar" o
"levantar" los datos. Esto puede ser mediante entrevistas, cuestionarios, observaciones o
mediciones directas a los individuos o cosas a las que corresponda nuestra variable.
Supongamos que los 50 datos obtenidos en nuestra variable: tiempo de estudio de la materia
de estadstica en minutos fueron los siguientes y que corresponden a los 50 estudiantes:
75 60 80 67 81 71 74 63 72 70
76 62 82 63 81 66 78 68 80 74
67 74 84 70 63 77 68 82 74 72
76 64 75 80 69 85 71 79 60 74
83 75 67 72 78 64 77 81 76 70
La Ordenacin de los datos consiste en colocar los datos tomados en orden creciente (de
menor a mayor) o decreciente (de mayor a menor). Nosotros los vamos a ordenar en forma
creciente y sobre todo "contando" y "anotando" los que se repitan, que ser la frecuencia.
Ordenacin de datos:
DISTRIBUCIN DE FRECUENCIAS
Tiempo empleado en minutos Conteo Frecuencia
60 // 2
18
62 / 1
63 /// 3
64 // 2
66 / 1
67 /// 3
68 // 2
69 / 1
70 /// 3
71 // 2
72 /// 3
74 ///// 5
75 /// 3
76 /// 3
77 // 2
78 // 2
79 / 1
80 /// 3
81 /// 3
82 // 2
83 / 1
84 / 1
85 / 1
Total 50
Es importante que la suma total sea igual al nmero de datos que tomamos en la
investigacin.
PASO DOS: RANGO.
El rango o recorrido es la diferencia que hay entre el dato mayor y el menor. Una vez que se
ordenaron los datos en forma creciente obtenemos el rango
85 que es el dato mayor
60 que es el dato menor
25 ser el rango o recorrido
PASO TRES: INTERVALOS DE CLASE.
Cuando se tiene un gran nmero de datos, se recomienda distribuirlos en clases o categoras
llamadas intervalos de clase o celdas. Para decidir la cantidad de intervalos de clase que se
van a utilizar (o nmero de clases) y la amplitud de los intervalos (o ancho del intervalo) se
siguen las siguientes operaciones:
Primero el NMERO DE CLASES o INTERVALOS se obtienen con la frmula:
Q = 1 + 3.322 (log. n); donde n es el nmero de datos y log. Es el logaritmo de dicho nmero.
Siguiendo el ejemplo tenemos:
Q = 1+ 3.322 (log. 50); observa que obtendremos el logaritmo de 50. En una calculadora el
logaritmo de 50 es 1.69897... Redondeando su valor ser 1.70; este valor lo multiplicamos por
3.322 y nos da en la calculadora 5.64... Que redondeado ser 5.64 y finalmente le sumamos
1 a dicha cantidad arrojndonos = 6.64 Si el nmero que nos arroje la formula tiene su
19
primera decimal igual o mayor que .5 se aumenta el entero. As en nuestro ejemplo tenemos
que 6.6 seria igual a 7.
En resumen y de acuerdo a la formula el nmero de intervalos ser de 7
Considerando que el ancho del intervalo es de 4 (ver ms adelante porqu) y el nmero de
intervalos son 7; (4 ) (7) = 28 se cubrir todo el rango que es de 25.
Debemos hacer uso de los Lmites Reales Inferiores (L.R.I.), quitando 0.5 al dato ms chico
que en nuestro caso es de 60 minutos; por lo tanto ser de 59.5 el L.R.I. Luego a este se le
suma lo ancho del intervalo que es de 4, resultando 63.5 que es el Lmite Real Superior
(L.R.S.), por lo que ahora si podemos decir que los dos datos 64 debern anotarse en el 2do.
Intervalo que iniciara en 63.5 hasta 67.5 como Lmite Real Superior.
Ahora si podemos construir cada uno de los intervalos con sus Lmites Reales Inferiores y
Limites Reales Superiores.
ADELANTE! AYDANOS A COMPLETAR EL SIGUIENTE CUADRO:
Recuerda que el ancho de cada intervalo es de 4 y que en total son siete intervalos de
acuerdo a las operaciones realizadas anteriormente:
INTERVALOS DE CLASE
Lmite Real Inferior Lmite Real Superior
59.5 63.5
63.5
71.5
71.5
79.5
87.5
PASO CUATRO: TAMAO DEL INTERVALO DE CLASE.
Con los datos del ejemplo, el dato ms bajo es el 60 y como el ancho del intervalo es de 4, su
lmite superior ser de 64. El siguiente intervalo sera 64 ms 4 del ancho del intervalo nos da
68 como limite superior y as sucesivamente. ...
60 a 64
64 a 68
Intervalos 68 a 72
72 a etc
Observacin Importante: Si te fijas detenidamente en los intervalos y los datos ordenados
del cuadro anterior; los dos datos de 64 quedaran comprendidos en el 1er. y 2do. Intervalo,
es decir, pueden anotarse en el primero o en el segundo intervalo, tambin los 72 en el 3er o
4to intervalo; pero se sabe que una observacin dada (los 64 y 72) deben colocarse en uno y
solamente uno de los intervalos de clase.
20
Ahora para el ANCHO DEL INTERVALO, se divide el rango entre el nmero de intervalos
para obtener la anchura de cada intervalo o celda.
Rango = 25 = 3.57 redondeando ser igual a 4
Nmero de intervalos = 7
Por lo tanto el ancho del intervalo ser de 4
PASO CINCO: MARCA DE CLASE.
La marca de clase es el punto medio del intervalo de clase y se obtiene sumando los lmites
reales inferiores ms los lmites reales superiores, dividiendo el resultado entre dos.
Hagmoslo practicando...Llena los espacios que faltan. Se suma 59.5 + 63.5 = 123 = 61.5
2
Intervalos de Clase
MARCA DE CLASE
L.R. Inferior L.R. Superior
59.5 63.5 61.5
63.5 67.5
67.5 71.5
71.5 75.5
75.5 79.5
79.5 83.5
83.5 87.5 85.5
Como voy a hacerle
aceboman?
21
SI UNA GRFICA O DIBUJO DICE MAS QUE 100 PALABRAS
CMO PODEMOS PRESENTAR LOS DATOS DE UNA
VARIABLE NUMRICA EN UNA GRFICA?
HISTOGRAMA y POLGONO DE FRECUENCIAS.
Cuando las variables son cuantitativas o numricas sean discretas o continuas la
representacin grfica ms comn es el HISTOGRAMA DE FRECUENCIAS y el POLGONO
DE FRECUENCIAS.
HISTOGRAMA DE FRECUENCIAS:
Este tipo de grfica consiste en una serie de rectngulos trazados en un sistema de
coordenadas cartesianas o rectangulares. Para realizar el histograma es necesario agrupar
los datos en intervalos de clase, con sus lmites reales inferiores y superiores, adems de su
frecuencia absoluta.
Los rectngulos tienen sus bases sobre el eje horizontal con centros en las marcas de clase
y su longitud es igual a la anchura de los intervalos de clase. La altura de cada rectngulo
corresponde al valor de la frecuencia que tenga el intervalo que representa. En stos
histogramas los rectngulos se trazan unidos entre si.
VAMOS A PRACTICARLO PARA APRENDER MEJOR!!!
De acuerdo a los datos de la "Tabla de distribucin de frecuencias" del ejemplo (pag.19),
donde analizamos el tiempo que dedican a estudiar la materia de estadstica 50 estudiantes,
vamos a construir su Histograma de Frecuencias.
Histograma: Tiempo en minutos dedicados a estudiar
Estadstica por 50 estudiantes
F
R
E
C
U
E
N
C
I
A
S
22
14 -
12 -
10 -
8 -
6 -
4 -
2 -
0 -
59.5 63.5 67.5 71.5 75.5 79.5 83.5 87.5
61.5
INTERVALOS DE CLASE (con sus L.R.I. y L.R.S.)
Si observas en el eje vertical de las "Y", se ubican las frecuencias absolutas, mientras que en
el eje horizontal de las "X" se ubican los intervalos de clase en donde cada lmite real superior
corresponde al lmite real inferior del siguiente intervalo. Las marcas de clase (61.5) aunque
es permitido no escribirse en el histograma, se pueden ubicar ya que corresponde al punto
medio de cada intervalo.

14 -
12 -
10 -
8 -
6 -
4 -
2 -
0
61.5 65.5 69.5 73.5 77.5 81.5 85.5
MARCAS DE CLASE (puntos medios)
Como habrs observado, el histograma nos ayuda a mostrar la frecuencia absoluta con que
se presentan algunos datos; otra forma de grfica son los
POLGONOS DE FRECUENCIA.
Los polgonos de frecuencia tambin se construyen a partir de datos con variables
cuantitativas o numricas y se puede realizar a partir de un histograma si se desea.
F
R
E
C
U
E
N
C
I
A
S
23
Una vez trazado el histograma, se localizan los puntos medios o marcas de clase en la
parte superior de cada uno de los rectngulos o intervalos de clase. Se trazan segmentos de
recta que unen cada punto medio de cada uno de los intervalos.
Este polgono se encierra uniendo con el eje horizontal en el punto que corresponde al punto
medio de un rectngulo imaginario y adyacente al histograma, esto se hace en los extremos
izquierdos y derechos del polgono.
VAMOS HACINDOLO CON EL MISMO EJEMPLO!!!
En el histograma se localizan los puntos medios en la parte superior de cada intervalo de
clase y en el eje horizontal, se indican las marcas de clase o puntos medios de cada intervalo.
Construyamos un polgono....
14 - Polgono de Frecuencia: Tiempo en minutos dedicados a estudiar
Estadstica por 50 estudiantes
12 -
10 -
8 -
6 -
4 -
2 -
0
61.5 65.5 69.5 73.5 77.5 81.5 85.5
MARCAS DE CLASE (Puntos medios)
Para trazar el polgono de frecuencia unimos con rectas los puntos medios o marcas de clase
con su frecuencia absoluta respectiva, en donde estaban la parte alta de los rectngulos del
histograma.
ACTIVIDADES DE APRENDIZAJE: Ahora tu traza en sta hoja el mismo HISTOGRAMA y
POLIGONO DE FRECUENCIAS del ejercicio anterior.
HISTOGRMA:
F
R
E
C
U
E
N
C
I
A
S
24
POLGONO DE FRECUENCIAS:
Escribe las conclusiones ms importantes que nos indican las grficas anteriores:
______________________________________________________________________
______________________________________________________________________
PASO SEIS: FRECUENCIA RELATIVA.
La Frecuencia Relativa, es la frecuencia que se representa con un Tanto por Ciento ( % ) y se
obtiene al dividir la frecuencia de un intervalo de clase entre el total de frecuencias de todas
las celdas por cien. La frecuencia Relativa se emplea para mostrar la proporcin o
porcentajes de los valores incluidos en los intervalos de clase, por lo que tambin se le llama
Distribucin Porcentual.
SIGAMOS PRACTICANDO Y APRENDIENDO.
Del 1er. y 2do Intervalos; Frecuencia Relativa de clase = 6 = 0.12 x 100 = 12 %
25
50
Del 6to intervalo; La Frecuencia Relativa = 9 = 0.18 x 100 = 18 %
50
Con todos los datos anteriores, finalmente construyamos nuestra
Tabla de distribucin de frecuencias de una variable numrica
Tiempo dedicado a estudiar la materia de estadstica
Intervalos de Clase
L.R.I. L.R.S.
Marca de
Clase
Frecuencia
Absoluta
Frecuencia
Relativa (%)
59.5 - 63.5 61.5 6 12
63.5 - 67.5 65.5 6 12
67.5 - 71.5 69.5 8 16
71.5 - 75.5 73.5 11 22
75.5 - 79.5 77.5 8 16
79.5 - 83.5 81.5 9 18
83.5 - 87.5 85.5 2 4
TOTAL = 50 100%
PASO SIETE: DISTRIBUCIN DE FRECUENCIAS ACUMULADAS
As se llama al nmero de observaciones que pertenecen aun determinado intervalo. Para
obtener las frecuencias de cada clase es necesario contabilizar las observaciones, valores o
casos pertenecientes a cada intervalo, utilizando el cuadro donde ordenamos los datos que
est en la pgina 13. .
Sigamos Practicando:
INTERVALOS DE CLASE
MARCA DE
CLASE
FRECUENCIA
ABSOLUTA
L.R. Inferior L.R. Superior
59.5 63.5 61.5 6 (2+1+3)
63.5 67.5 65.5
67.5 71.5 69.5
71.5 75.5 73.5 11 (3+5+3)
75.5 79.5 77.5
79.5 83.5 81.5
83.5 87.5 85.5 2 (1+1)
TOTAL = 50
Con los datos anteriores terminamos los componentes principales del cuadro que tambin
recibe el nombre de... "TABLA DE DISTRIBUCIN DE FRECUENCIAS" por lo que...
Ya podemos obtener algunas CONCLUSIONES de nuestra investigacin.
EJEMPLO DE ALGUNAS CONCLUSIONES
Te recordamos que los 50 datos son del tiempo en minutos dedicado a estudiar estadstica
por los estudiantes. Si analizamos detenidamente sus datos, podemos ver que el mayor
nmero de casos (frecuencia absoluta) es 11 y dedican de 71.5 a 75.5 minutos en estudiar
(su intervalo) pero adems representan el mayor porcentaje con un 22% del total.
Caso contrario, son lo que dedican de 83.5 a 87.5 minutos en estudiar pues nicamente son 2
y representan un 4 % del total.
26
Si observamos en global el cuadro, podemos decir que la mayora de los estudiantes (Los
intervalos 3,4 y 5) dedican de 67.5 a 79.5 minutos en estudiar y representan el 54 % del total.
Analizando otros datos podremos obtener ms conclusiones de nuestro trabajo e ir
descubriendo lo importante de nuestra investigacin. Mas adelante aprenders a realizar
GRFICAS con los datos obtenidos de la tabla de frecuencias. Quedamos pendientes. .. ,
AHORA REALIZA LA SIGUIENTE ACTIVIDAD DE APRENDIZAJE:
1) Siguiendo los siete pasos para una variable numrica, ordena los datos de la siguiente
variable y realiza las operaciones correspondientes hasta obtener completa la "tabla de
distribucin de frecuencias" de las Estaturas de 55 estudiantes con aproximacin de un
centmetro. Datos:
154 165 156 160 159 170 151 163 166 166 153
160 173 160 161 166 162 153 163 156 170 165
159 168 149 163 169 157 162 159 168 155 163
161 161 174 160 168 152 169 165 156 166 166
162 160 170 163 168 157 165 159 163 160 160
Aqu realiza los siete pasos y tus clculos correctamente hasta llenar tu Tabla de distribucin
de frecuencias:
Paso 1 Ordenacin de datos.
Paso 2 Rango... etc
Tabla de distribucin de frecuencias de una variable numrica
______________________________________________________
Intervalos de Clase
L.R.I. L.R.S.
Marca de Clase Frecuencia
Absoluta
Frecuencia
Relativa (%)
TOTAL =
PRINCIPALES CONCLUSIONES:
1.____________________________________________________________________
27
2.____________________________________________________________________
3_____________________________________________________________________
DISTRIBUCIN DE FRECUENCIA ACUMULADA Y RELATIVA
ACUMULADA
28
Ahora estudiemos como se construye la DISTRIBUCIN DE FRECUENCIA ACUMULADA y su
grfica LA OJIVA adems de la FRECUENCIA RELATIVA ACUMULADA.
La frecuencia total de todos los valores menores que el lmite real superior de un determinado intervalo
de clase, es conocida como frecuencia acumulada incluyendo hasta este intervalo. Lo anterior lo
comprenders mejor si nos ayudas a resolver el ejemplo que sigue:
Si tomamos los datos obtenidos al medir el tiempo en minutos que emplearon los estudiantes en ir de
su casa a la escuela. Se construye la siguiente tabla de distribucin de frecuencias y una columna que
corresponde a la distribucin de frecuencia acumulada y otra a la frecuencia relativa acumulada.
Concluyen los datos que faltan en la frecuencia acumulada de clase, de tal forma que sumen un total de
243. En la columna de frecuencia acumulada relativa, tambin calcula los espacios que faltan hasta que
obtengas el 100%
INTERVALO
DE CLASE
MARCA
DE
CLASE
FRECUENCIA
ABSOLUTA
FRECUENCIA
RELATIVA
%
FRECUENCIA
ACUMULADA
FRECUENCIA
RELATIVA
ACUMULADA
9.5 12.5 11 3 6.38% 3
3/47X 100= 6.38%
12.5 15.5 14 4 8.51% 7 (3+4 )
7/47X100=14.89%
15.5 18.5 17 6 12.77% 13 (7+6)
18.5 21.5 20 7 14.89% 20 ( )
21.5 24.5 23 9 19.15%
24.5 27.5 26 8 17.02%
27.5 30.5 29 5 10.64%
30.5 33.5 32 3 6.38%
33.5 36.5 35 2 4.26% 100%
T O T A L: 47 100% 243
LA OJIVA O POLGONO DE FRECUENCIA ACUMULADA.
Se le llama ojiva o polgono de frecuencia acumulada, a la grfica que muestra la distribucin de
frecuencia acumulada. Al construirla, los intervalos de clase se disponen en el eje horizontal, y las
frecuencias acumuladas se representan en el eje vertical. Luego se unen los puntos localizados
mediante segmentos.
Para entender la forma en que se traza una ojiva, considere el ejemplo de los datos obtenidos al registrar
el tiempo empleado por los estudiantes para ir de su casa a la escuela.
Primero se coloca un punto sobre el eje horizontal donde est el 9.5, puesto que no hay observaciones
de sta o de inferior magnitud. Luego se traza el siguiente punto en el 12.5 a la altura del 3, esto se
puede hacer porque hay 3 registros iguales o menores de 12.5 de esta manera se continan
representando el resto de los puntos.
Ejemplo: Tomando como base la distribucin de frecuencia acumulada del ejemplo anterior, y el tiempo
en minutos que emplean los integrantes de un grupo de estudiantes de ir de su casa a la escuela,
construyamos la ojiva correspondiente:
29
0
5
10
15
20
25
30
35
40
45
50
9.5 12.5 15.5 18.5 21.5 24.5 27.5 30.5 33.5
INTERVALO DE CLASE
F
R
E
C
U
E
N
C
I
A

A
C
U
M
U
L
A
D
A
En esta pgina transfiere los datos de la tabla de distribucin de frecuencias del ejercicio de la
pgina 19 y en las dos columnas ltimas obtn la FRECUENCIA ACUMULADA y la
FRECUENCIA RELATIVA ACUMULADA, adems construye su grfica llamada OJIVA.
TABLA DE DISTRIBUCIN DE FRECUENCIAS
INTERVALO MARCA FRECUENCIA FRECUENCIA FRECUENCIA
Esto es una ojiva Aceboman?
Yo crea que era la carga
explosiva de un misil de USA

30
DE CLASE DE
CLASE
ABSOLUTA ACUMULADA RELATIVA
ACUMULADA
100%
T O T A L:
DIBUJA LA OJIVA O POLIGONO DE FRECUENCIA ACUMULADA
M E D I D A S D E T E N D E N C I A C E N T R A L
31
PROMEDIOS
En estadstica al promedio se le conoce como medida de tendencia central, ya que est localizado
hacia el medio o centro de una distribucin, en la que la mayora de los valores tendern a concentrarse.
Entre los ms comunes se pueden mencionar: la media aritmtica, la mediana y la moda
Media Aritmtica
MEDIDAS DE TENDENCIA CENTRAL Mediana
Moda
LA MEDIA ( X ).
La media aritmtica o simplemente media, es el promedio aritmtico de un conjunto de observaciones y
se obtiene al sumar todos los datos y dividir dicha suma entre el total de datos.
MEDIA ARITMTICA PARA DATOS NO AGRUPADOS.
Algebraicamente se representa como:
X =
Donde:
X es la media aritmtica de la muestra
X
1 ,
X
2
, X
3
, ... X
n
son los datos de la muestra y
n es el total de los datos de la muestra.
Ejemplo: En la muestra siguiente la media aritmtica es:
X =
X =
20
696
= 34.8
Obsrvese que la media no necesariamente tiene que ser uno de los valores de la muestra.
Una manera ms sencilla de encontrar esta media aritmtica es multiplicando cada dato por su
frecuencia y continuar el proceso respectivo, como se ilustra a continuacin:
X =
X = X =
20
696
X = 34.8
n
Xn X X X + + + + ... 3 2 1
20
40 38 38 38 36 36 36 36 36 34 34 34 34 34 34 32 32 32 32 30 + + + + + + + + + + + + + + + + + + +
20
) 40 ( 1 ) 38 ( 3 ) 36 ( 5 ) 34 ( 6 ) 32 ( 4 ) 30 ( 1 + + + + +
20
40 114 180 204 128 30 + + + + +
32
Principales caractersticas de la media aritmtica:
1. El clculo de la media aritmtica est basado en todos los valores de un conjunto de datos. El
valor de cada elemento en los datos afecta el valor de la media.
2. Cuando algunos valores extremos son incluidos en los datos, la media puede llegar a ser menos
representativa del conjunto de valores.
3. La media tienen dos propiedades matemticas importantes que proporcionan un anlisis
matemtico adicional, hacindola ms popular que cualquier otro tipo de promedio.
a. La suma algebraica de las desviaciones de los valores individuales respecto a la media,
es cero.
b. La suma del cuadrado de las desviaciones con respecto a la media es mnima.
~
LA MEDIANA ( X ) (Me)
~
La mediana ( X ) de una muestra de n datos, se localiza en la mitad de la muestra o del conjunto
de elementos ordenados de mayor a menor o viceversa.
Su caracterstica principal es dividir el conjunto ordenado en 2 grupos iguales; la mitad de los nmeros
tendr valores que son menores que la mediana y la otra mitad alcanza valores mayores que sta.
MEDIANA PARA DATOS NO AGRUPADOS
Si el nmero de elementos es impar, se toma el dato central; si es par la mediana est dada por el
promedio de los datos centrales, pudindose obtener un valor no dado en la muestra.
Ejemplo: Cul es la mediana aritmtica de 3, 4, 4, 5, 6, 8, 8, 10?
Como los nmeros estn ya ordenados, la mediana es Me = 5+6 / 2 = 5.5,
Otro ejemplo: 5.1, 6.5, 8.1, 9.1, 10.1, 15.5,
Como los nmeros estn ordenados, la mediana es Me = 8.1+9.1 / 2 = 8.6
Principales caractersticas de la mediana
1. La mediana es un promedio de posicin y por su forma de clculo no es afectada por valores
extremos.
2. La mediana no est definida algebraicamente como lo est la media aritmtica.
3. La mediana en algunos casos, no puede ser calculada exactamente como s puede serlo la media.
4. Cuando el nmero de elementos incluidos en una serie de datos es par, la mediana es
aproximadamente el punto medio de los elementos centrales en una serie de datos.
LA MODA (
^
X
) (Mo)
33
La moda se define como el valor que tiene la mayor frecuencia (o que se repite mas) en un grupo de
datos,
Hay casos en que la moda no es nica, esto es, puede ser bimodal con dos modas, o trimodal con tres
modas. Tambin hay casos en que la moda no existe.
MODA PARA DATOS NO AGRUPADOS.
Ejemplo: Cul es la moda de la serie: 4, 5, 5, 6, 7, 7, 7, 8, 9, 1
La Moda es Mo = 7 porque es el nmero que ms se repite.
Otro ejemplo: 60, 74, 82, 85, 90, 95,
La moda no existe.
Otro ejemplo: 10,12, 14, 16, 17, 17, 18, 19, 20, 20, 21.
La moda es bimodal o sea, Mo = 17 y 20
Principales caractersticas de la Moda.
1. La moda representa ms elementos que cualquier otro valor dentro de un conjunto de datos.
2. La moda no se calcula incluyendo todos los valores y no est definida algebraicamente como si
lo est la media.
3. La moda no es afectada por valores extremos.
4. Para una distribucin de frecuencias, la moda no puede ser calculada exactamente, como si
puede serlo la media.
En resumen, hagamos una comparacin de estas tres medidas de tendencia central.

COMPARACIN DE LA MEDIA, MEDIANA Y MODA.
En comparacin con la media y la mediana, la moda es la menos til para la mayora de los problemas
estadsticos, ya que no se inclina por un anlisis matemtico, en el mismo sentido que lo hacen las otras
dos. Sin embargo, desde un punto de vista puramente descriptivo, la moda es indicativa del valor tpico
en trminos del valor que se presenta con mayor frecuencia. La moda es ms til cuando uno o dos
valores, o un grupo de stos, ocurren con mayores frecuencias que otros. Por el contrario, cuando la
mayora o todos los valores se presentan casi con la misma frecuencia, la moda no sirve para describir
datos.
Comparacin entre la media, mediana y moda para datos no agrupados.
Medida Definicin Ventajas Limitaciones
Es la suma de los valores de
1. Refleja cada valor.
2. Tiene propiedades matemticas 1. Puede ser
34
Media
Aritmtica
cierto nmero de cantidades,
dividido entre su nmero.
atractivas.
3. Todos los valores afectan su
resultado.
4 Si se quiere calcular los totales,
es mejor usar la media.
excesivamente influida
por los valores extremos.
Mediana
Es el valor que divide un
conjunto de datos previamente
ordenados.
1. La mitad de los valores son
mayores, la otra mitad son
menores.
2. Es menos sensible a valores
extremos que la media.
3. Si se quiere ubicar las
condiciones de una variable
categrica es mejor usar la
mediana.
1. Difcil de determinar
si hay gran cantidad de
datos.
2. Puede resultar falsa si
los datos son irregulares
y si hay lagunas en los
valores.
Moda
Es el valor que ocurre con
mayor frecuencia.
1. Es la de menor sensibilidad a
los valores extremos.
2. Tiene ms valores reunidos en
este punto que en cualquier otro.
1. No se presta para
anlisis matemtico.
2. Puede no haber un
valor modal para
algunos conjuntos de
datos.
3. Puede tener varias
modas.
Finalmente, la medida de tendencia central que se debe utilizar depende de la informacin disponible y
el objetivo que se desea alcanzar.
1) Calcula la media aritmtica, la mediana y la moda de las series de valores siguientes:
a) 2, 3, 7, 4, 5, 4, 8.
Media Aritmtica =___________________________________________= ________
Mediana = _________________________________________________ = ________
Moda = ___________________________________________________ = ________
b) 1, 9, 9, 4, 3, 5, 2, 7, 6.
Media Aritmtica =___________________________________________= ________
Mediana = _________________________________________________ = ________
Moda = ___________________________________________________ = ________
2) Obtn la mediana y la moda de la siguiente variable categrica.
Variable categrica Actividad Econmica de 16 alumnos del 5to. Semestre
Trabajo en hogar (TH); Trabajo albail (TA); Trabajo en campo (TC); Trabajo en Tiendas (TT)
35
TH, TH, TC, TA, TC, TA, TT, TT, TC, TH, TC, TA, TT, TC, TC, TA.

Ordenacin de los datos;
Media aritmtica = No se puede utilizar
Mediana = _________________ Moda = ___________________
Ahora analicemos la media, mediana y moda pero con DATOS
AGRUPADOS, o tambin llamada distribucin de frecuencias agrupadas.
Empecemos con la
MEDIA ARITMTICA PARA DATOS AGRUPADOS
Si los datos o valores han sido agrupados en intervalos de clase, entonces se considera que todos los
valores incluidos dentro de un determinado intervalo son iguales o estn representados por el punto
medio del intervalo o la marca de clase. En este caso se procede a multiplicar cada punto medio por su
respectiva frecuencia. Luego se suman estos productos, para finalmente dividir este resultado entre el
total de datos.
Es importante sealar que el valor de la media de la frecuencia agrupada es suficientemente aproximado
para trabajos de estadstica y que el valor de la media no ser suficientemente aproximado si la
distribucin de frecuencias agrupadas es muy irregular o demasiado asimtrica.
La frmula para la media aritmtica en datos agrupados es la siguiente:
Donde
f = Frecuencias absolutas de los intervalos.
X = Marca de clase o punto medio.
n = La suma de las frecuencias.
MEDIANA PARA DATOS AGRUPADOS
Cuando Los datos simples son agrupados en una distribucin de frecuencias, cada uno de los valores
pierde su identidad en la tabla, significando que la mediana de los datos simples puede no ser igual a la
mediana obtenida de una distribucin de frecuencias del mismo conjunto de datos. Es importante
mencionar, que la mediana de los datos agrupados es una aproximacin de la verdadera mediana. La
aproximacin puede ser obtenida mediante el uso de la siguiente frmula:
n
X f
X

) )( (
) (
2
i
fme
c
n
Li Me
1
1
1
]
1
+
36
Donde:
Me = Mediana
Li = Lmite real inferior de la clase que contiene la mediana.
n = El nmero de datos o frecuencia total.
c = La frecuencia acumulada precisamente hasta la clase anterior a la clase mediana o la suma de
las frecuencias de los intervalos por debajo de la mediana.
fme = La frecuencia de la clase mediana.
i = Tamao del intervalo o amplitud de la clase mediana.
MODA PARA DATOS AGRUPADOS.
Cuando la moda se calcula a travs de la frmula para datos agrupados, los valores y frecuencia en la
clase modal y las frecuencias en las clases inmediatamente antes y despus de la clase modal, son
tambin empleadas. Por lo tanto se aplica la siguiente frmula.
Donde:
Mo = Moda
L
1
= Lmite real inferior de la clase que contiene la moda
d
1
= Diferencia de la frecuencia de la clase modal y la frecuencia de la clase contigua inferior.
d
2
= diferencia de la frecuencia de la clase modal y la frecuencia de la clase contigua
superior.
i = Tamao del intervalo o amplitud del intervalo de la clase modal.
A continuacin resolveremos un ejercicio para utilizar las frmulas de la media, la mediana y la moda
de datos agrupados.
Ejemplo: En la siguiente tabla se resumen los datos de los pesos en kilogramos de 50 estudiantes.
Con base a la siguiente tabla de distribucin de frecuencias, calculemos los valores de la media, la
mediana y la moda, recordando cmo se conforman las columnas de Intervalos de clase ( I ), Marca de
clase o punto medio ( X ), Frecuencia absoluta( f ), Frecuencia relativa % ( f ) y la Frecuencia
acumulada ( F ).
Marca de Frecuencia Frecuencia relativa Frecuencia
) (
2 1
1
i
d d
d
Li Mo
1
]
1
+
+
37
Intervalos de clase (
I )
clase
(X)
Absoluta
( f )
( f ) acumulada
( F )
30.5 33.5 32 1 .02 1
33.5 36.5 35 2 .04 3
36.5 39.5 38 6 .12 9
39.5 42.5 41 11 .22 20
42.5 45.5 44 16 .32 36
45.5 48.5 47 9 .18 45
48.5 51.5 50 4 .08 49
51.5 54.5 53 1 .02 50
TOTAL = 50 1.0 o 100%
CALCULO DE LA MEDIA ARITMTICA para datos agrupados
Su frmula es
Esta expresin no se puede aplicar directamente, ya que nicamente se cuenta con el dato del
denominador, esto es n = 50, pero no se tiene el dato del numerador. Para ello se agrega una columna a
la tabla, donde se proporcionan los datos agrupados en intervalos. Esta columna se construye
multiplicando el punto medio de cada intervalo por su respectiva frecuencia y cuando se tengan todos
los productos, se procede a obtener la suma de ellos. La tabla original ya con la columna Fx y la suma
de sta queda de la siguiente manera.
I x f f F fx
30.5 33.5 32 1 .02 1 32
33.5 36.5 35 2 .04 3 70
36.5 39.5 38 6 .12 9 228
39.5 42.5 41 11 .22 20 451
42.5 45.5 44 16 .32 36 704
45.5 48.5 47 9 .18 45 423
48.5 51.5 50 4 .08 49 200
51.5 54.5 53 1 .02 50 53
TOTAL = 50 1 o 100 2161
Entonces:
_
X = = 43.22 ser el resultado de la media aritmtica
MS ACTIVIDADES DE APRENDIZAJE:
Calcula la media aritmtica de los tres ejercicios siguientes.
De la pgina 21
Intervalos de Clase
L.R.I. L.R.S.
Marca de
Clase (x )
Frecuencia
Absoluta (f )
(f)(x)
59.5 - 63.5 61.5 6
63.5 - 67.5 65.5 6
67.5 - 71.5 69.5 8
71.5 - 75.5 73.5 11
n
X f
X

) )( (
50
2161
38
75.5 - 79.5 77.5 8
79.5 - 83.5 81.5 9
83.5 - 87.5 85.5 2
TOTAL = 50
De la pagina 27
Intervalos de Clase
L.R.I. L.R.S.
Marca de
Clase (x)
Frecuencia
Absoluta (f)
(f)(x)
148.5 - 152.5 150.5 3
TOTAL = 55
De la pgina 29
Intervalo de clase
L.R.I. L.R.S
Marca
de clase (x)
Frecuencia
de clase (f)
(f)(x)
9.5 12.5 11 3
12.5 15.5 14 4
T O T A L: 47
CALCULO DE LA MEDIANA para datos agrupados.
I x f f F
30.5 33.5 32 1 .02 1
33.5 36.5 35 2 .04 3
36.5 39.5 38 6 .12 9
39.5 42.5 41 11 .22 20
42.5 45.5 44 16 .32 36
45.5 48.5 47 9 .18 45
48.5 51.5 50 4 .08 49
51.5 54.5 53 1 .02 50
TOTAL = 50 1
Si partimos de la definicin, la mediana es el dato central, como hay OCHO INTERVALOS estar entre
el cuarto y quinto intervalo; entonces, debe estar comprendida en el intervalo 42.5 45.5, ya que
observando la columna F, a este intervalo le corresponde una frecuencia acumulada de 36. Note
Usted que si se toma el intervalo inmediato inferior, 39.5 42.5 se observa en la columna F, que hasta
39
esta celda hay 20 VEINTE casos y como se tiene un total de 50 datos, el caso central es el nmero 25.
As pues el intervalo donde est la mediana es:
42.5 45.5 44 16 32 36
Algunos autores efectan el siguiente razonamiento, sin utilizar la frmula, pero si interpolando una
relacin proporcional: ANALIZA DETENIDAMENTE
n = 50 por lo tanto la media est en 50/2 = 25 El L.R.I. de la mediana = 42.5
Como 20 casos (1+2+6+11) caen por debajo del L.R.I. de la mediana, necesitamos 5 datos ms, para
llegar a 25. Dado que existen 16 casos (frecuencia) en el intervalo y ste tiene 3 de amplitud o ancho,
hacemos una regla de tres.
16 es a 3 como 5 es a x
16 : 3 :: 5 : x x = ( 3 ) ( 5 ) = 15 = 0.9375
16 16
Al L.R.I. le sumamos el resultado Me = 42.5 + 0.9735 = 43.4375
Finalmente mediana = 43.44 Kg.
Ahora utilicemos la frmula para determinar la mediana en datos agrupados:
Li = Lmite real inferior de la clase que contiene la mediana.
n = El nmero de datos o frecuencia total.
c = La frecuencia acumulada precisamente hasta la clase anterior a la clase mediana o la suma de
las frecuencias de los intervalos por debajo de la mediana.
fme = La frecuencia de la clase mediana.
i = Tamao del intervalo o amplitud de la clase mediana.
39.5 -- 42.5 41 11 .22 20 .40 451
42.5 45.5 44 16 .32 36 .72 704
Analizando estos dos intervalos se pueden obtener los siguientes valores:
L
1
= 42.5 lmite real inferior que contiene la mediana
n = 50 es el nmero total de frecuencias de donde:
2
n
25
c = 20 es la frecuencia acumulada hasta la clase anterior a la clase mediana
fme = 16 es la frecuencia de la clase mediana
) (
2
i
Fme
c
n
Li Me
1
1
1
]
1
+
40
i = 3 es el tamao del intervalo o amplitud de la clase mediana.
Sustituyendo estos datos en la frmula se tiene:
Me = 42.5+
1
]
1

16
20 25
( 3 ) = 42.5 +
1
]
1
16
5
( 3 ) = 42.5 +
,
_
16
15
= 42.5 +
,
_
16
15
Me = 42.5 + 0.9375+ = 43.4375
Finalmente mediana = 43.44 Kg
Calcula la MEDIANA de los tres ejercicios que se han presentado.
De la pgina 21
Intervalos de Clase
L.R.I. L.R.S.
Marca de
Clase (x )
Frecuencia
Absoluta (f )
59.5 - 63.5 61.5 6
63.5 - 67.5 65.5 6
67.5 - 71.5 69.5 8
71.5 - 75.5 73.5 11
75.5 - 79.5 77.5 8
79.5 - 83.5 81.5 9
83.5 - 87.5 85.5 2
TOTAL = 50
De la pagina 27
Intervalos de Clase
L.R.I. L.R.S.
Marca de
Clase (x)
Frecuencia
Absoluta (f)
148.5 152.5 150.5 3
152.5 156.5 154.5 7
156.5 160.5 158.5 13
160.5 164.5 162.5 12
164.5 168.5 166.5 13
168.5 172.5 170.5 5
172.5 176.5 174.5 2
TOTAL = 55
41
De la pgina 29
Intervalo de clase
L.R.I. L.R.S.
Marca
De clase (x)
Frecuencia
de clase (f)
9.5 12.5 11 3
12.5 15.5 14 4
15.5 18.5 17 6
18.5 21.5 20 7
21.5 24.5 23 9
24.5 27.5 26 8
27.5 30.5 29 5
30.5 33.5 32 3
33.5 36.5 35 2
T O T A L: 47
CALCULO DE LA MODA para datos agrupados.
Para determinar el valor de la moda, habr que observar las columnas f y seleccionar el intervalo
que presenta la mayor frecuencia. En este caso, el intervalo que donde est incluida la moda es:
42.5 45.5 44 16 .32 36 .72 704
La frmula que se utiliza para encontrar el valor de la moda es:
L
1
= Lmite real inferior de la clase que contiene la moda
d
1
= Diferencia de la frecuencia de la clase modal y la frecuencia de la clase contigua inferior.
d
2
= diferencia de la frecuencia de la clase modal y la frecuencia de la clase contigua
superior.
i = Tamao del intervalo o amplitud del intervalo de la clase modal.
Para determinar los valores de cada trmino en esta expresin, se requiere adems del intervalo donde
est localizada la moda, de las celdas inmediata inferior y superior que queda como sigue:
39.5 - 42.5 41 11 .22 20 .40 451
42.5 - 45.5 44 16 .32 36 .72 704
45.5 - 48.5 47 9 .18 45 .90 423
A partir de estos intervalos se adquieren los valores requeridos y que son:
Li = 42.5
d
1
= 16 - 11 = 5
d
2
= 16 9 = 7
) (
2 1
1
i
d d
d
Li Mo
1
]
1
+
+
42
i = 3
Sustituyendo estos datos en la formula se obtiene:
Mo = 42.5 +
1
]
1
+7 5
5
( 3 ) Mo = 42.5 +
,
_
12
5
( 3 )
Mo = 42.5 +
12
15
= 42.5 + 1.25 = 43.75
Finalmente la Moda = 43.75
Calcula la MODA de los tres ejercicios que se han presentado.
Intervalos de Clase
L.R.I. L.R.S.
Marca de
Clase (x )
Frecuencia
Absoluta (f )
59.5 - 63.5 61.5 6
63.5 - 67.5 65.5 6
67.5 - 71.5 69.5 8
71.5 - 75.5 73.5 11
75.5 - 79.5 77.5 8
79.5 - 83.5 81.5 9
83.5 - 87.5 85.5 2
TOTAL = 50
Intervalos de Clase
L.R.I. L.R.S.
Marca de
Clase (x)
Frecuencia
Absoluta (f)
148.5 - 152.5 150.5 3
152.5 - 156.5 154.5 7
156.5 - 160.5 158.5 13
160.5 - 164.5 162.5 12
164.5 - 168.5 166.5 13
168.5 - 172.5 170.5 5
172.5 - 176.5 174.5 2
TOTAL =
55
Intervalo de clase
L.R.I. L.R.S.
Marca
de clase (x)
Frecuencia
de clase (f)
9.5 12.5 11 3
12.5 15.5 14 4
15.5 18.5 17 6
43
18.5 21.5 20 7
21.5 24.5 23 9
24.5 27.5 26 8
27.5 30.5 29 5
30.5 33.5 32 3
33.5 36.5 35 2
T O T A L: 47
REALIZA LA SIGUIENTE ACTIVIDAD DE APRENDIZAJE:
De las edades de 40 maestros de los C.B.T.a s, calcula las MEDIDAS DE TENDENCIA
CENTRAL (MEDIA, MEDIANA Y MODA) Tanto de los datos sin agrupar como agrupados.
Edades:
36, 53, 35, 28, 30, 36, 45, 29, 43, 28,
30, 46, 39, 54, 47, 44, 34, 40, 50, 38,
47, 56, 48, 42, 39, 47, 53, 51, 38, 29,
48, 52, 47, 46, 41, 40, 45, 39, 47, 38.
CALCULA PRIMERO LA MEDIA ARITMETICA, MEDIANA Y MODA DE LOS
DATOS SIN AGRUPAR.
Media Aritmtica = _____________________________________________________
Ordena los datos:
______________________________________________________________________
______________________________________________________________________
Cual es la Mediana =____________________
Cual es la Moda = ___________________
AHORA PARA DATOS AGRUPADOS. Realiza la Tabla de distribucin de frecuencias con
los 7 pasos:
44
PASO 1. Ordenacin de datos:
EDAD DE
LOS
MAESTROS
CONTEO FRECUENCIA
PASO DOS: Rango o recorrido:
PASO TRES: Intervalos de Clase:
Nmero de intervalos o clases: Ancho del Intervalo o clase:
PASO CUATRO: Lmites reales inferiores y lmites reales superiores:
PASO CINCO: Marca de Clase
PASO SEIS: Frecuencia Absoluta
PASO SIETE: Frecuencia Relativa (%)
Realiza tus operaciones en orden y limpieza hasta llenar la tabla de frecuencias
TABLA DE DISTRIBUCIN DE FRECUENCIAS
45
Edades de los maestros del C.B.T.a.
Intervalos de
Clase
L.R.I.
L.R.S
Marca
de
Clase
(X)
Frecuencia
Absoluta (f)
Frecuenc
ia
Relativa
(f)
Frecuencia
Acumulada
(F)
(f )(x)
AHORA UTILIZA LAS FORMULAS PARA DATOS AGRUPADOS Y CALCULA..
MEDIA ARITMETICA:
Resultado Media =__________
MEDIANA:
Resultado Mediana =_______
MODA:
Resultado Moda =__________
FINALMENTE REALIZA UNA COMPARACIN DE LOS TRES EJERCICIOS
ANTERIORES, COMPARANDO SU MEDIA MEDIANA Y MODA DE CADA UNO
46
Media = ____________
Mediana=:___________
Moda=_____________
Media = ____________
Mediana=:___________
Moda=_____________
Intervalos de Clase
L.R.I. L.R.S.
Marca de
Clase (x )
Frecuencia
Absoluta (f )
59.5 - 63.5 61.5 6
63.5 - 67.5 65.5 6
67.5 - 71.5 69.5 8
71.5 - 75.5 73.5 11
75.5 - 79.5 77.5 8
79.5 - 83.5 81.5 9
83.5 - 87.5 85.5 2
TOTAL = 50
Intervalos de Clase
L.R.I. L.R.S.
Marca de
Clase (x)
Frecuencia
Absoluta (f)
148.5 152.5 150.5 3
152.5 156.5 154.5 7
156.5 160.5 158.5 13
160.5 164.5 162.5 12
164.5 168.5 166.5 13
168.5 172.5 170.5 5
172.5 176.5 174.5 2
TOTAL =
55
47
Media = ____________
Mediana=:___________
Moda=_____________
CUARTILES, DECILES Y PERCENTILES:
La mediana no es ms que uno de muchos fractiles; stos dividen los datos en dos o ms
partes, tan iguales como sea posible. Entre ellos tambin encontramos los cuartiles,
deciles y percentiles, que pretenden dividir los datos en cuatro, diez, y cien partes. Hasta
hace poco, los fractiles se manejaban principalmente para distribuciones de conjuntos
numerosos de datos.
El cuartil se utiliza a fin de conocer los intervalos dentro de los cuales quedan representados
proporcionalmente los trminos de una distribucin, para esto, se divide la distribucin de
frecuencias en 4 partes iguales, cada una contiene IGUAL NMERO DE OBSERVACIONES
(el 25% del total). Los puntos de separacin de los valores de X se llaman CUARTILES.
El primer cuartil corresponde al 25% y se designa con Q
1
.
El segundo cuartil se designa con Q
2
que representa el valor de 50% y coincide con la
mediana.
El tercer cuartil es Q
3
representa el 75% de las observaciones.
Si en lugar de dividir en 4 partes iguales se hace con 10 partes, se tienen 9 puntos de
divisin, CORRESPONDIENDO A CADA PUNTO UN DECIL, de donde, el primer decil es el
valor por debajo del cual est el 10% de las observaciones, para el segundo decil el 20% y
as sucesivamente.
PRIMER EJEMPLO:
Consideremos las siguientes lecturas de temperaturas altas en doce ciudades Europeas en
un da de junio:
90, 75, 86, 77, 85, 72, 78, 79, 94, 82, 74, y 93 grados.
Ordenando estas cifras de acuerdo con su tamao, tenemos:
72 74 75 77 78 79 82 85 86 90 93 94 observa que son 12 datos
Intervalo de clase Marca
de clase (x)
Frecuencia
de clase (f)
9.5 12.5 11 3
12.5 15.5 14 4
15.5 18.5 17 6
18.5 21.5 20 7
21.5 24.5 23 9
24.5 27.5 26 8
27.5 30.5 29 5
30.5 33.5 32 3
33.5 36.5 35 2
T O T A L: 47
48
Para el clculo de los cuartiles dividimos los datos en CUATRO PARTES IGUALES. Para
ilustrar dicho procedimiento tenemos la siguiente figura:
n = 12
Se puede apreciar que las lneas punteadas dividen los datos en cuatro partes iguales. Si
determinamos que los puntos centrales entre 75 y 77, 79 y 82, y 86 y 90 sean los tres
cuartiles, tenemos:
Es evidente que Q
2
= 80.5, tambin es la mediana y se puede verificar con facilidad que se
satisfacen las tres propiedades de los cuartiles. Todo lo anterior funcion muy bien porque los
doce datos result ser mltiplo de 4. No obstante Qu podemos hacer si fueran 11 datos?
Como los siguientes.
72 74 75 78 79 82 85 86 90 93 94 observa que son 11 datos
Una solucin es n = 11, la posicin de la mediana es 11 + 1 = 12 = 6 o sea el sexto
dato 2 2
La mediana o Q
2
ahora es 82.
n = 11
El cuartil inferior (Q
1
) es la mediana de los cinco valores por debajo de la mediana,
esto es, 75.
Y el cuartil superior (Q
3
) es la mediana de los cinco valores por arriba de la mediana, o sea,
90.
72 74 75 77 78 79 82 85 86 90 93 94
76
2
77 75
1

+
Q 5 . 80
2
82 79
2

+
Q 88
2
90 86
3

+
Q
72 74 75 78 79 82 85 86 90 93 94
49
AHORA TE TOCA REALIZAR LAS ACTIVIDADES DE APRENDIZAJE:
Realiza un esquema o dibujo de cada uno de los ejercicios, aun lado de la pgina
a) Calcula a mediana (Q
2
) y los cuartiles (Q
1
) y (Q
3
) de las siguientes calificaciones de nueve
alumnos en una prueba de matemticas.
86, 82, 73, 94, 88, 66, 79, 90, y 74
b) Calcula los tres cuartiles de las siguientes lecturas de presin de nueve personas despus
de haber efectuado ejercicios de esfuerzo;
104, 100, 98, 111, 191, 94, 103, 96, 108 y 99.
REGRESIN LINEAL
La regresin lineal es un modelo de regresin mediante el cual es posible inferir datos
acerca de una poblacin. Se conoce como regresin lineal ya que usa parmetros lineales
(potencia 1).
Supuestos del error
Para poder crear un modelo de regresin lineal, es necesario que se cumpla con los
supuestos del error:
Los errores son independientes.
Los errores tienen media cero.
Los errores tienen varianza constante.
Los errores tienen una distribucin normal.
Tipos de modelos de regresin lineal
Existen diferentes tipos de regresin lineal que se clasifican de acuerdo a sus parmetros:
Regresin lineal simple. Slo se maneja una variable independiente, por lo que slo cuenta
con dos parmetros.
Regresin lineal mltiple. Maneja varias variables independientes. Cuenta con varios
parmetros.
50
Para calcular los parmetros se cuenta con las siguientes frmulas:

Para calcular los parmetros debe tomarse en cuenta que se est refiriendo a matrices:

Regresin lineal simple Regresin lineal mltiple
51
Ahora estudiemos las
A menudo escuchamos que en los pases latinoamericanos existe mucha DIFERENCIA entre
los ingresos que perciben por ejemplo los polticos y los trabajadores de otra clase social de
la poblacin. Esas diferencias tienen sus races en distintos fenmenos sociales, polticos y
econmicos; sin embargo, un economista dira el ingreso per cpita en los pases
latinoamericanos est ms DISPERSO que el ingreso per cpita de los pases
desarrollados.
El concepto de DISPERSIN resulta importante en casi todos los estudios, ya que puede
darse el caso de poblaciones con igual valor central (Media aritmtica, Mediana o Moda),
pero una puede estar ms DISPERSA que la otra, es decir, los promedios nos sirven para
describir los datos representados por la tendencia central del conjunto. Por lo tanto, el
promedio no logra por si mismo describir completamente a una coleccin de datos; se
necesitan otros valores que nos indiquen el grado en que las observaciones estudiadas se
apartan o VARAN con respecto al valor central, es decir, el GRADO DE VARIACIN O
DISPERSIN.
M E D I D A S D E D I S P E R S I N
52
ANALIZA CON DETENIMIENTO EL SIGUIENTE EJEMPLO
Con los siguientes datos de dos poblaciones, analicemos primeramente sus medias
aritmticas:
Poblacin A) : 1 (7) , 2 (11), 3 (13), 4 (9), 5 (5), 6( 3), 7( 2), 8(1) = 169 = 3.31
51
n = 51
15 --
13 -- Histograma de los datos de la poblacin A
11 --
Frecuencia 9 -- Media aritmtica (promedio) = 3.31
7 --
5 --
3 --
1 --

1 2 3 4 5 6 7 8
Poblacin B) : 1 ( 3 ), 2 ( 9 ), 3 ( 15 ), 4 ( 12 ), 5 ( 9 ) = 159 = 3.31 igual que la poblacin
A
48
n = 48
15--
13-- Histograma de los datos de la poblacin B
11--
Frecuencia 9--
7-- Media aritmtica (promedio) = 3.31
5--
3--
1--
1 2 3 4 5
No obstante que en las dos poblaciones se obtuvo una media aritmtica igual de 3.31; al
observar los dos histogramas nos damos cuenta que no son iguales PERO...
EN CUL HISTOGRAMA ESTN MS DISPERSOS LOS DATOS?
En la poblacin A____________ o en la poblacin B_____________
Explica porque? ________________________________________________________
53
______________________________________________________________________
Por tal motivo las medidas de tendencia central, no dicen nada por s mismas, por lo que se
deben calcular las MEDIDAS DE DISPERSIN o LAS VARIACIONES de los datos. Por su
clculo las MEDIDAS DE DISPERSIN se dividen en absolutas y relativas, an que existen
mas, estudiaremos las siguientes:
DISPERSIN ABSOLUTA: Rango o recorrido
Rango intercuartilico o desviacin cuartil
Desviacin Media
Varianza
Desviacin Estndar
DISPERSIN RELATIVA: Coeficiente de variacin
RANGO O RECORRIDO:
Como se ha indicado con anterioridad, el rango o recorrido es la diferencia entre el
valor mayor y el valor menor de un grupo de datos o sea:
RANGO = Dato mayor Dato menor
El rango es una medida de dispersin que no se utiliza mucho, aunque su clculo es muy
rpido. Si analizamos el rango de los histogramas anteriores tenemos que;

En la primera poblacin A su rango es:
R = 8 1 = 8 (su rango o recorrido es 8)
En la segunda poblacin B se rango es:
R = 5 1 = 5 (su rango o recorrido es 5 )
Por lo tanto y como 8 > 5, podemos sealar con seguridad que los datos de la primera
poblacin A), est ms dispersa o desviados que los datos de la segunda poblacin B).
AHORA ESTUDIAREMOS OTRAS
MEDIDAS DE DISPERSIN PARA DATOS NO AGRUPADOS
54
DESVIACIN MEDIA, VARIANZA, DESVIACIN ESTANDAR O TPICA Y COEFICIENTE DE
VARIACIN, que son medidas de dispersin que tienen relacin con la media
aritmtica, y por sus propiedades algebraicas son las de ms frecuente aplicacin y
de mayor importancia.
PERO ANTES QUE NADA
QUE ES EL DESVO O DESVIACIN ?
El desvo de cada observacin (o dato) es la DIFERENCIA ENTRE LA OBSERVACIN (o el
dato) Y LA MEDIA ARITMTICA. El desvo es un concepto fundamental que nos permitir
comprender posteriormente otras medidas de dispersin. Por lo tanto.
Desvo ( d ) = x
1
Pero hagamos un ejemplo
Si el conjunto de datos son: 4, 2, 5, 8, 2, 1, 7, 8, 5, y 7 su media aritmtica es = 4.9
Cul es la dispersin de cada dato? Cul es el dato que est mas disperso? Cul es el
dato menos disperso?
Ordenamos los datos de menor a mayor 1, 2, 2, 4, 5, 5, 7, 7, 8, 8 y grafiquemos

1 2 4 4.9 7 8 9

Segn la frmula anterior, desvo es igual al dato menos la media aritmtica por lo tanto
tenemos:
La desviacin de cada dato ser:
x
x
55

De acuerdo a los resultados de la tabla Cul es el dato que est ms disperso?
Es el nmero 1, porque independientemente de su signo, su valor absoluto es el mas alto y es
de 3.9 de desvo.
Ahora Cul es el dato menos disperso?. Es el nmero 5 porque est ms cerca de la media
aritmtica y tiene un desvo de 0.1.
Si observas la tabla anterior en muy importante obtener primero el valor de la media
aritmtica que en nuestro caso fue de 49 / 10 = 4.9 para despus restarle al valor de cada
dato, dicha media.
Por otro lado, al sumar los resultados NEGATIVOS de los desvos nos arroja un valor de
10.6 y al sumar los resultados POSITIVOS de los desvos tambin nos da un valor de + 10.6
por lo tanto, se comprueba que la diferencia de los desvos negativos y los positivos, nos da
cero o en su defecto tiende a ser cero.
Ahora resolvamos un problema para utilizar las medidas de dispersin
DESVIACIN MEDIA, VARIANZA, DESVIACIN ESTANDAR O TPICA Y COEFICIENTE
DE VARIACIN
Datos
Calculo del desvo
d = X
1
- desvo =
1 1 4.9 = - 3.9
2 2 4.9 = -2.9
2 2 4.9 = -2.9
4 4 4.9 = -0.9
5 5 4.9 = 0.1
5 5 4.9 = 0.1
7 7 4.9 = 2.1
7 7 4.9 = 2.1
8 8 4.9 = 3.1
9 8 4.9 = 3.1
49/10=
4.9
-10.6
+10.6= 0.0
x
Suman
10.6
Suman
+ 10.6
56
CON D A T O S N O A G R U P A D O S
Un constructor, para asegurarse de la calidad de su obra, tom seis muestras de concreto y
obtuvo los resultados del cuadro.
Al preguntarle uno de sus colaboradores Cul de todas las muestras del grupo era la
ms dispersa?
el constructor elabor la siguiente tabla:
Finalmente el constructor en base a la tabla y a los clculos realizados le indic a su
colaborador:
LA MUESTRA NMERO 5 ES LA MS DISPERSA, DEBIDO A QUE OBTUVO EL MAYOR
VALOR ABSOLUTO DE DESVO CON -18.17.
Nmero de
muestra
DATOS de la
resistencia del
concreto kg/cm
2
1
2
3
4
5
6
358
369
363
358
336
341
Nmero
de
muestra
Resistencia
Kg/cm
2
desvos
d = x
1

1
2
3
4
5
6
358
369
363
358
336
341
358 354.17 = 3.83
369 354.17 = 14.83
363 354.17 = 8.83
358 354.17 = 3.83
336 354.17 =
-18.17
341 354.17 = -
13.17
Suma
=2125
Diferencia = 0.02
2125/6=
Media
=354.17
x
57
En este caso particular, el mayor valor tuvo el signo negativo lo que significa que la
observacin es menor que el valor de la media.
Calculemos ahora la
DESVIACIN MEDIA.:
La desviacin media es la media aritmtica de los valores absolutos (ignorando el signo) de
las desviaciones de cada elemento del conjunto de datos, es decir, hay que restar a la media
aritmtica cada valor del conjunto de datos, ignorando el signo, y sumamos todas las
diferencias para dividirlo entre el nmero total de datos.
Suma de los valores absolutos
Su formula es
Nmero de datos
Sigamos el mismo ejemplo y AUMENTEMOS UNA COLUMNA para los valores absolutos
al cuadro anterior:
Nmero
de
muestra
Datos de
resistencia
Desvo
x -
Valor absoluto
| x - |
1
2
3
4
5
6
358
369
363
358
336
341
3.83
14.83
8.83
3.83
-18.17
-13.17
3.83
14.83
8.83
3.83
18.17
13.17
6
2125
= 354.17
0.02 Suma = 62.66
Desviacin media es igual a... La suma de los valores absolutos entre el nmero de muestras
Desviacin Media ( dm ) = 62.66 = 10.44
6
Como se ve en el ejemplo anterior,
La Desviacin Media MIDE LA DISPERSIN ALREDEDOR DEL PROMEDIO, mas que la
dispersin de ciertos valores, ya que el concepto de desviacin media se origina cuando los
desvos se toman en valor absolutos, eliminando as el efecto de que la suma de los desvos
(x
1
x = 0 ) que es igual a cero (o tiende a cero).
Otra forma de hacerlo, es elevar al cuadrado los desvos, por lo que surge la...
VARIANZA (S
2
) : Que es la media aritmtica (promedio) de los cuadrados de los desvos y
su frmula es la siguiente:
Suma de desvos al cuadrado
N
x x
dm
N
i
1
1
N
x x
S
N
i
1
2
1
2
) (
x
x
x
58
Nmero de datos
Sigamos el mismo ejemplo para calcular la varianza ( S
2
):
AUMENTAMOS OTRA COLUMNA a la tabla, ahora para los desvos al cuadrado
Nmero
de
muestra
Datos de
resistencia
Desvo
x -
Valor
absoluto
| x - |
Desvos al
cuadrado
(x - )
2
1
2
3
4
5
6
358
369
363
358
336
341
3.83
14.83
8.83
3.83
-18.17
-13.17
3.83
14.83
8.83
3.83
18.17
13.17
144.67
219.93
77.97
14.67
330.15
173.45
2125/6
= 354.17
Se tiende a
0.02
Suma= 62.66 Suma = 830.83
Calculamos la varianza segn la frmula anterior y tenemos:
Varianza (S
2
) = Suma de desvos al cuadrado = 830.83 = 138.47
Nmero de datos 6
DESVIACIN ESTNDAR o TPICA ( S ): Es la raz cuadrada de la varianza (S
2
)
Tambin se puede definir como la raz cuadrada de la media aritmtica de los cuadrados de
los desvos.
En el mismo ejemplo tendramos lo siguiente:
Varianza (S
2
) fue igual a = 138.47 por lo tanto
Desviacin Estndar ( S ) = 138.47 = 11.77
Finalmente analicemos la medida de dispersin relativa llamada
COEFICIENTE DE VARIACIN ( C.V ): Es el resultado de la divisin de la desviacin
estndar entre la media aritmtica.
Este tipo de coeficiente es muy til para medir la DISPERSIN RELATIVA en base a la
desviacin estndar y la media y sirve bsicamente para comparar muestras distintas en
trminos numricos adimensionales, es decir, que mientras las dems medidas de dispersin
tienen unidades, el coeficiente de variacin carece de ellas.
Su formula es... C. V. = S ( Desviacin Estndar) .
X ( Media Aritmtica)
En el mismo ejemplo que estamos analizando, el coeficiente de variacin ser:
x
x x
N
x x
S
2
1
) (
x
59
C. V = 11.77 . = 0.033
354.17
Tambin se puede expresar en porcentaje al multiplicar por 100 esto es, (0.033) (100) =
3.30%
C.V. = 3.30 %
RANGO INTERCUARTIL
El rango intercuartil es el resultado de la diferencia entre el tercer cuartil Q
3
y el primero Q
1
, se
expresa:
Rango intercuartil Q = Q
3
- Q
1

Cuando habindose aplicado la media aritmtica se quiere evitar la influencia de los valores
extremos, se analiza nicamente la situacin intermedia de la distribucin de frecuencias
aplicando el RANGO INTERCUARTIL.
El RANGO SEMIINTERCUARTIL o DESVIACIN CUARTIL, es la mitad del rango
intercuartil, se designa con Q
D
Rango semiintercuartil Q
D
= Q
3
- Q
1

2
Hagamos un ejemplo:
Calcular el rango intercuartil y la desviacin cuartil de los siguientes datos.
n = 12
Rango intercuartil Q = Q
3
Q
1
Q =88 76 = 12
Rango semiintrecuartil o Desviacin cuartil Q
D
= Q
3
Q
1
2
Q
D
=

12 = 6
2
El rango semiintercuartil (desviacin cuartil) mide la dispersin con mayor precisin que el
rango, sin embargo, presenta las limitaciones siguientes:
72 74 75 77 78 79 82 85 86 90 93 94
76
2
77 75
1

+
Q 5 . 80
2
82 79
2

+
Q 88
2
90 86
3

+
Q
60
a) No toma en consideracin todos los valores de la distribucin de frecuencias y
puede suceder que los valores menores a Q
1
o superiores a Q
3
estn muy
compactos o muy dispersos, y el valor de Q sera el mismo.
b) No es posible, conociendo nicamente Q, hacer la ubicacin precisa de una
observacin dentro de la distribucin de frecuencias.
c) Igual que la mediana, no tiene propiedades que permitan su uso en las relaciones
matemticas que utiliza la estadstica
Percentiles
Percentil, en estadstica, parmetro que indica el porcentaje de individuos de una distribucin
que tienen un valor inferior a l. Es una medida de posicin.
Por ejemplo, el percentil 80, p
80
, es un nmero que supera al 80% de los datos de la
distribucin. Los percentiles tambin se llaman centiles.
UN RESUMEN DE LAS MEDIDAS DE DISPERSIN
ESTUDIADAS Y SU USO ADECUADO
RANGO ( R )= Es la diferencia del valor mayor menos el valor menor en un
conjunto de datos y se emplea de manera muy limitada, ya que es slo una
apreciacin de la amplitud de los datos, y presenta poca estabilidad; se usa,
casi siempre que se requiera rapidez.
RANGO INTERCUARTIL ( Q ): es el resultado de la diferencia entre el
tercer cuartil Q
3
y el primero Q
1
. Su utilidad es baja y su valoracin respecto a
la cantidad de datos que incluye en su aplicacin en una distribucin normal es
del 50 %
DESVIACIN MEDIA ( dm )= Es el promedio de los valores absolutos
(ignorando signos) de las desviaciones de cada dato; En sta prueba se pueden
calcular los desvos tanto con la media aritmtica como la mediana, segn
convenga. Actualmente sta prueba casi no se usa. En una distribucin normal,
la cantidad de datos que incluye en su aplicacin es de aproximadamente el
58%.
VARIANZA ( S
2
) = Es el promedio de los cuadrados de los desvos y se
utiliza en anlisis estadstico avanzado, pero tiene el inconveniente de que sus
unidades son las mismas de la variable al cuadrado.
DESVIACIN ESTNDAR ( S ) = Es la raz cuadrada de la varianza o del
promedio de los cuadrados de los desvos. Es la ms importante de todas las
medidas de dispersin ya que incluye ms o menos el 68% de los trminos de
una distribucin normal, adems por sus propiedades algebraicas se utiliza con
facilidad en el anlisis estadstico
COEFICIENTE DE VARIACIN ( CV ) = Es el cociente entre la
desviacin estndar y la media aritmtica. Generalmente se utiliza para
comparar muestras distintas y saber cul tiene mayor o menor dispersin en
sus datos.
Ja, Ja, Ja, eso
est fcil y
entendible
aceboman
Ja, Ja,Ja
61
SIGAMOS PRACTICANDO PARA OBTENER LAS MEDIDAS DE DISPERSIN
P A R A D A T O S N O A G R U P A D O S
Los siguientes datos son las edades de dos grupos de estudiantes del SAETA-XALISCO, de
la generacin Agosto -2001. A cada uno de los grupos le obtendrs las medidas de dispersin
siguientes:
DESVIOS de cada edad, DESVIACIN MEDIA, VARIANZA,
DESVIACIN ESTNDAR Y COEFICIENTE DE VARIACIN
Claro que puedo!!!
Edad Desvo
s
Valor
absoluto
Desvos al
cuadrado Edad Desvo
s
Valor
absoluto
Desvos al
cuadrado
16 15
16 15
18 15
19 16
19 16
19 17
19 17
20 17
21 18
21 18
22 18
22 18
GRUPO D
20 ESTUDIANTES
16 16 18 19 19
19 19 20 21 21
22 22 22 22 23
27 29 29 30 32
GRUPO F
25 ESTUDIANTES
15 15 15 16 16
17 17 17 18 18
18 18 19 19 19
19 20 20 21 21
21 22 22 29 30
62
22 19
22 19
23 19
27 19
29 20
29 20
30 21
32 21
21
22
22
29
30
En la siguiente pgina
REALIZA TUS CLCULOS DE ACUERDO A LAS FRMULAS CORRESPONDIENTES,
HASTA OBTENER SUS RESULTADOS PARA CADA GRUPO.
Clculos para el grupo D Clculos para el grupo F
63
AHORA CONTESTA CUL DE LOS DOS GRUPOS TIENE SUS DATOS MS
DISPERSOS?
Respuesta: _______________ Porque?
___________________________________________________
FINALMENTE OBTENGAMOS LAS MEDIADAS DE DISPERSIN
P A R A D A T O S A G R U P A D O S
OBTENER LA DESVIACIN MEDIA (dm), VARIANZA (S
2
),
DESVIACIN ESTANDAR (S) Y COEFICIENTE DE VARIACIN (C.V.)
Completa las siguientes filas de las columnas para que calcules la Desviacin media (dm), la
Varianza (S
2
) la Desviacin estndar o tpica ( S ).
Intervalo
clase
(estaturas )
Marc
a de
clase
(X)
Frecuen
cia
(alumno
s)
(f)
Frecuen
cia por
marca
de clase
(f)(X)
Valor
absoluto
del
desvo
X X
1
Frecuen
cia por
desvos
f
X X
1
Desvo
s al
cuadra
do
2
1
X X
Frec. por
desvos
al
cuadrad
o
f
X X
2
121.5
126.5
124 2 248 20.62
126.5
13.1.5
3 46.86
131.5136.5 134 8 112.78
136.5141.5 23
141.5146.5 144 27 0.62
146.5151.5 20 383.60
151.5156.5 16
156.5161.5 159 3 477 14.38 206.78
161.5166.5 2
Totales n = 104 15041 638.64 6383.92
Media aritmtica = 15041/ 104 = 144.625 = 144.62
RESULTADOS DEL GRUPO D
DESVIACIN MEDIA (dm) = ____________________
VARIANZA (S
2
) = ______________________________
DESVIACIN ESTNDAR ( S ) = _________________
COEFICIENTE DE VARIACIN ( CV ) =
RESULTADOS DEL GRUPO F
DESVIACIN MEDIA (dm) = ____________________
VARIANZA (S
2
) = _____________________________
DESVIACIN ESTNDAR (S) = _________________
COEFICIENTE DE VARIACIN (CV) = ___________
64
Aqu o aun lado de la pgina, realiza tus clculos con orden y limpieza; y utilizando las
formulas correspondientes hasta que obtengas la Desviacin media, Varianza y Desviacin
estndar.
Formula para obtener la desviacin media =

Formula para obtener la varianza =
Formula para obtener la desviacin estandar (S) =
Formula para obtener el coeficiente de variacin en porcentaje
Calcula las medidas de dispersin (desviacin media, varianza, desviacin estndar y
coeficiente de variacin) de los siguientes dos ejercicios.
Intervalos de
Clase
Marca
de Clase
( x )
Frecuencia
Absoluta
(f )
59.5 - 63.5 61.5 6
63.5 - 67.5 65.5 6
67.5 - 71.5 69.5 8
71.5 - 75.5 73.5 11
75.5 - 79.5 77.5 8
79.5 - 83.5 81.5 9
83.5 - 87.5 85.5 2
TOTAL = 50
RESULTADOS
Desviacin media =_______________
Varianza = ____________________
Desviacin estndar = ______________
N
x x f
dm
N
i
1
1
N
x x f
S
N
i
1
2
1
2
) (
N
X x f
S
N
i
1
2
1
) (
) 100 ( . .
X
S
V C
65
Intervalos de
Clase
Marca
de
Clase
(x)
Frecuencia
Absoluta (f)
148.5
152.5
150.5 3
152.5
156.5
154.5 7
156.5
160.5
158.5 13
160.5
164.5
162.5 12
164.5
168.5
166.5 13
168.5
172.5
170.5 5
172.5
176.5
174.5 2
TOTAL = 55
RESULTADOS
Desviacin media
=_______________
Varianza = ____________________
Desviacin estndar =
RESULTADOS
Desviacin media
=_______________
Varianza = ____________________
Desviacin estndar =
66
P R O B A B I L I D A D
El problema central de la estadstica es el manejo del azar y la incertidumbre. Los eventos
aleatorios siempre se han considerado como misteriosos. El libro de Job ponder hace mucho
tiempo la funcin del intento divino en los acontecimientos al azar y fue, varios siglos ms
tarde, que se us el poder de las matemticas para explicar la aleatoriedad. Los orgenes de
las matemticas de la probabilidad se remontan al siglo XV, las primeras aplicaciones se
relacionan bsicamente a los juegos de azar. Los jugadores ganadores utilizaron el
conocimiento probabilstico para desarrollar estrategias de apuestas en loteras, casinos,
carreras de caballos etc. Los avances cientficos de los siglos que siguieron al Renacimiento,
enfatizando la observacin y la experimentacin cuidadosa, dieron lugar a la teora de la
probabilidad para estudiar las leyes de la naturaleza y los problemas de la vida cotidiana.
CONCEPTOS BSICOS
Con el objeto de familiarizarse con el concepto de la probabilidad comenzaremos por dar una
definicin de probabilidad que slo es vlida cuando todos los resultados son igualmente
probables.
Si hay n posibilidades igualmente probables y una de ellas debe ocurrir, entonces la
probabilidad de que ocurra algn evento o suceso de k de estas n posibilidades es k / n. Las
palabras SUCESO O EVENTO aqu los utilizaremos como sinnimos. Si un experimento se
repite muchas veces, digamos n y si el suceso o evento E
1
se observa k veces, entonces la
probabilidad S del suceso E
1
es el cociente de la razn k / n.
Probabilidad S = nm de veces que el suceso E
1
ocurri = k .
I N T R O D U C C I
67
Total de sucesos realizados n
La experiencia justifica esta igualdad, pues a medida que n se hace mayor, la frecuencia
relativa se aproxima ms a la probabilidad matemtica. Este concepto se utiliza para definir la
razn citada como probabilidad emprica, algunos autores la citan como FORMULA
BSICA de la probabilidad.
Otro concepto importante es que la probabilidad de que suceda un evento es un nmero real
entre cero y uno. Entre ms pequeo sea este nmero, el evento es menos probable, y entre
ms cercano a uno sea este nmero, el evento es ms probable. Cuando la probabilidad es
igual a el evento tiene la misma probabilidad de ocurrir que de no ocurrir.
Coloquialmente tambin hablamos de probabilidades empleando porcentajes.
As la posibilidad de que al tirar el dado el resultado sea 2 o 5 es de 2/6 = 1/3 que sera igual
al 33.33 % ya que se dividi 1/3 por 100.
Cul es la probabilidad de obtener un nmero impar al lanzar un dado?.
S = ( 1, 2, 3, 4, 5, 6 ) E = ( 1, 3, 5, ) p ( E ) = 3 = 1
6 2
La probabilidad es de o 0.5 en porcentaje ser el 50%
Cul es la probabilidad de extraer una ficha de domin con 7 puntos de una caja, sin ver?.
S = (6,6), (6,5), (6,4), (6,3), (6,2), (6,1), (6,0), (5,5), (5,4), (5,3), (5,2), (5,1), (5,0), (4,4),
(4,3), (4,2), (4,1), (4,0), (3,3), (3,2), (3,1), (3,0), (2,2), (2,1), (2,0), (1,1), (1,0), (0,0)
E = { (6,1), (5,2), (4,3) }
p ( E ) = 3 = 0.1071 en porcentaje ser el 10.71%
28
MODELOS MATEMTICOS
En la teora de probabilidad matemtica se define la probabilidad con los tres axiomas de
Kolmogorov.
Axiomas de Kolmogorov
La probabilidad de un suceso A es un nmero real entre 0 y 1.
.
Primer axioma
68
Ocurre un suceso de la muestra de todos los sucesos o espacio de sucesos con
probabilidad 1.
.
la probabilidad del espacio muestral es igual a 1:
p(S)=1
Si A
1
, A
2
... son sucesos mutuamente excluyentes (incompatibles dos a dos, disjuntos o de
interseccin vaca dos a dos), entonces:
.
Para pronosticar el triunfador de una eleccin municipal necesitamos al menos conocer
quines son los candidatos de los distintos partidos polticos, as como para pronosticar si la
seleccin mexicana de ftbol ganar un partido, es necesario saber si en caso de empate el
partido se decidir en tiempos extras o por medio de penales. En general, NO ES POSIBLE
HACER PREDICCIONES RAZONABLES A MENOS DE QUE CONOZCAMOS LO QUE ES
POSIBLE, es decir, es necesario conocer LO QUE ES POSIBLE antes de juzgar LO QUE
ES PROBABLE. Por lo tanto estudiaremos someramente cmo determinar en algunos casos
lo que es posible.
En el estudio de lo que es posible hay esencialmente dos tipos de problemas. Existe el
problema de hacer una lista de todo lo que puede suceder en una situacin determinada y se
tiene el problema de determinar cuntas cosas diferentes pueden suceder. El segundo tipo de
problema es de especial importancia porque hay muchas situaciones en que no necesitamos
una lista completa y por tanto, podemos ahorrarnos una gran cantidad de trabajo.
DIAGRAMA DE RBOL
Aunque el primer tipo de problema puede
parecer directo y sencillo, existen
problemas que ilustran que esto no
siempre es el caso; hagamos unos
ejercicios para reflexionar.
En un estudio mdico se clasifica a los
pacientes de acuerdo con el tipo de
Segundo axioma Tercer axioma
Tipo sanguneo
Presin sangunea
BAJA
BAJA
BAJA
BAJA
NORMAL
NORMAL
NORMAL
NORMAL
ALTA
ALTA
ALTA
A
B
AB
O
ALTA
PERMUTACIONES Y COMBINACIONES
69
sangre que tengan, ya sea, tipo A; B, AB u O y tambin de acuerdo con su tipo de presin
sangunea, ya sea baja, normal o alta.
De cuntas maneras distintas se puede clasificar a un paciente?
Este tipo de problemas se puede manejar sistemticamente trazando un DIAGRAMA DE
RBOL como el siguiente, donde se puede apreciar que la respuesta es 12. Comenzando
por la parte superior, el primer camino a lo largo de las ramas corresponde a un paciente
con tipo de sangre A y presin sangunea baja, el segundo camino a un paciente con tipo de
sangre A y presin sangunea normal y el duodcimo camino corresponde a un paciente
que tiene sangre tipo O y una presin sangunea alta.
La respuesta que obtuvimos es de 4 por 3 = 12, especficamente es el producto del nmero
de tipos de sangre por el nmero de niveles de presin sangunea.
Otro ejemplo: Cuntas palabras de tres letras se pueden formar si se dispone de un
alfabeto con dos letras; a y b.? (Nota: Son permisibles palabras como bba)
Solucin: Si tenemos 2 letras (a, b) y formamos la palabra con tres letras tendremos 2
3
= 2 x 2
x 2 = 8 esto quiere decir que formaremos ocho palabras con tres letras.
Para comprender mejor hagamos otro DIAGRAMA DE RBOL
Letra Letra letra palabra
Inical central final formada
a .. a a a
a
b a a b
a
a a b a
b
b .. a b b
a .. b a a
a
b . b a b
b
a . b b a
b
b . b b b
Te toca a ti resolver el siguiente ejercicio utilizando un principio de conteo.
Cuntas placas distintas hay con dos letras a la izquierda y tres nmeros a la derecha?
Considerando que el alfabeto es de 27 letras castellanas y por supuesto 10 nmeros
Realiza aqu tus operaciones. ANIMO TU PUEDES
PLACA DE NAYARIT
_____ _____ _____ _____
_____
70
SI OBTUVISTE BIEN EL RESULTADO, HAS DESCUBIERTO UN PRINCIPIO DEL CONTEO
QUE ES EL
PROCESO DE CONTAR
Si un primer suceso o evento puede efectuarse de p
1
maneras diferentes, y si despus de
que este suceso ha sido efectuado, un segundo suceso puede efectuarse de p
2
maneras
diferentes, entonces los dos sucesos pueden verificarse siguiendo el orden indicado de p
1.
p
2
maneras diferentes.
Analiza con cuidado: De cuantas maneras diferentes se pueden seleccionar parejas de
diferentes sexo de un grupo de 4 hombres y 6 mujeres?
Solucin: Como cada hombre puede ser seleccionado de cuatro maneras
diferentes y cada mujer puede ser seleccionada de 6 maneras diferentes;
entonces, cada pareja puede ser escogida de: 4 ( 6 ) = 24 maneras
diferentes.
Si el suceso o evento incluye ms de dos sucesos diferentes podemos ampliar el principio
multiplicativo, de manera que si despus de haber ocurrido los dos primeros sucesos, puede
ocurrir un tercero de p
3
maneras diferentes, un cuarto de p
4
maneras diferentes, y por ltimo
un n-simo de p
n
maneras diferentes, entonces los sucesos pueden ocurrir en el orden
siguiente: p
1
p
2
p
3
p
4
, p
n
maneras diferente.
Reflexiona y piensa: Una cafetera ofrece una comida especial que consiste en un
emparedado (usando una de ocho carnes distintas y uno de cuatro tipos diferentes de pan),
una de cuatro clases distintas de sopa y una de tres bebidas diferentes.
De cuntas maneras distintas una persona puede seleccionar una de estas comidas
especiales?
Solucin: Dado que p
1
= 8, p
2
= 4, p
3
= 4, p
4
= 3, hay (8)(4)(4)(3) = 384
maneras diferentes en que se puede seleccionar una comida especial.
Sigue pensando y analizando: Un examen de estadstica, consta de quince preguntas de
opcin mltiple, de las cuales cada una tiene cuatro posibles respuestas.
De cuntas maneras distintas un estudiante puede marcar una respuesta para cada
pregunta?
Solucin: puesto que p
1=
p
2=
p
3=
= p
15
= 4
,
en total hay
4.4.4.4.4.4.4.4.4.4.4.4.4.4.4 = 1,073,741,824 diferentes maneras en que
un estudiante puede marcar una respuesta para cada pregunta. Ntese
que slo en una de las 1,073,741,824 posibilidades todas las
respuestas son correctas. Y si queremos saber todas las respuestas
incorrectas? ser: 3.3.3.3.3.3.3.3.3.3.3.3.3.3 = 14,348,907 todas las
respuestas incorrectas.
En una calculadora cientfica este tipo de problema se resuelve de la siguiente forma: p
15
(o
quince preguntas) tiene 4 posibles respuestas = cuatro respuestas por las 15 preguntas
71
tenemos = 4
15
ponemos 4 y tecleamos X
y
, ponemos 15 y la tecla = y nos arroja el resultado
1,073,741,824
El principio multiplicativo nos permite en muchos casos calcular el nmero de posibilidades
sin necesidad de listar todas ellas o de desarrollar un diagrama de rbol excesivamente
grande.
ES IMPORTANTE TENER EN CUENTA QUE PARA APLICAR ESTA REGLA, NO DEBE
HABER RESTRICCIONES EN LAS COMBINACIONES POSIBLES.
FACTORIAL QUE ES EL FACTORIAL DE UN NMERO?
Uno de los principales conocimientos que nos servirn como base para el clculo de las
tcnicas de conteo (permutaciones y combinaciones), es el factorial de un nmero. Su
definicin y algunos ejemplos se comentan enseguida.
El producto de cualquier nmero entero positivo n por todos los enteros menores que n se
llama FACTORIAL de n y se expresa con el smbolo n!, por lo tanto:
0! = 1 por definicin
1! = 1 (1) = 1
2! = 2 (1) = 2
3! = 3 (2) (1) = 6
4! = 4 (3)(2)(1) = 24
5! = 5 (4)(3)(2)(1) = 120
.
.
.
n! = (n) (n-1) (n-2) ,(1)
El factorial de los primeros nmeros enteros positivos se pueden obtener directamente
utilizando una calculadora, para nmeros mayores se obtienen con la formula aproximada de
Stirling o consultando tablas elaboradas con resultados.
En tu calculadora cientfica pon 6 y oprime la tecla n! y te arrojar 720, que es el factorial de
6.
Cuanto es el factorial de 7! = _______________________
8! = ______________________
72
9! =_______________________
10! = _______________________________
ACTIVIDADES DE APRENDIZAJE: Resuelve los siguientes problemas de probabilidades de
frecuencia relativa en fracciones ( 0 a 1) y en porcentajes (%). REALIZA AQU TUS
CLCULOS.
1) Cul es la probabilidad de obtener un as de una baraja de pker (de 52 cartas)?
2) De cada 1000 personas a quienes se les practican exmenes mdicos 35 tienen
problemas de la vista. Cul es la probabilidad de que una persona examinada padezca
algn malestar con su vista?
3) En una caja hay 75 canicas azules y 225 rojas. Cul es la probabilidad de sacar al azar
una canica azul? Adems calcula cual es la probabilidad de sacar una roja?
73
4) En una caja hay 25 tornillos en buen estado y 80 defectuosos. Cul es la probabilidad de
sacar de la caja al azar?
a) Un tornillo en buen estado
b) Un tornillo defectuoso?
MAS ACTIVIDADES DE APRENDIZAJE: UTILIZA LA HOJA POR EL REVERSO, PARA
RESOLVER LOS SIGUIENTES PROBLEMAS DE CONTEO (Diagrama de rbol y principio
multiplicativo,)
1) De cuntas maneras diferentes se puede arreglar uno de los viajes especiales de fin de
semana a 12 ciudades distintas, por avin, tren o autobs, que ofrece una agencia de viajes?:
ELABORA UN DIAGRAMA DE RBOL PARA ESTE EJERCICIO EN LA PGINA DE AN
LADO.
2) En un restaurante ofrecen 4 tipos de comidas (a,b,c,d); 3 tipos de sopas (1,2,3); y 3 tipos
de postres( x,y,z), Cules son el nmero total de posibles formas de arreglos? ELABORA
UN DIAGRAMA DE RBOL PARA ESTE EJERCICIO EN LA PGINA DE AN LADO.
3) Un examen de 10 preguntas consiste en 6 preguntas de eleccin mltiple, cada una con 4
posibles respuestas, y la otra parte del examen con 4 preguntas de falso y verdadero.
a) De cuntas maneras (diferentes) se puede contestar el examen?
b) En cuantas maneras es posible responder el examen y obtener todas las respuestas mal?
4) Una persona piensa comprar cierto automvil. El fabricante ofrece cualquier combinacin
de las siguientes alternativas: SEIS colores diferentes; DOS tipos de motor; TRES tipos de
rines; Transmisin manual o automtica; sin radio, con radio AM-FM, con radio AM-FM-
Tocacintas o con radio AM-FM-CD; y sin aire acondicionado o con aire acondicionado. Cada
74
comprador debe hacer UNA eleccin con respecto al color, motor, rines, transmisin, radio y
aire acondicionado.
5) De una ciudad A a otra B hay 4 caminos; a su vez de, la ciudad B a la C hay 6 caminos, si
todos los caminos son diferentes, de cuantas formas es posible:
a) Viajar de A hasta C pasando por B
b) Hacer el viaje redondo saliendo de A hasta C pasando por B y de C hasta A pasando por
B
c) Hacer el viaje redondo desde A hasta C pasando por B pero sin utilizar el mismo camino
ms de una vez.
P E R M U T A C I O N E S.
Si estamos eligiendo de un conjunto de objetos, algunos de ellos en un orden o jerarqua
determinada estamos haciendo una permutacin, esto es, si al seleccionar o acomodar (r)
objetos de un conjunto de (n) objetos distintos, cualquier arreglo (u orden) de estos objetos se
conoce como, una permutacin.
En cada arreglo pueden participar parte o la totalidad de los elementos del conjunto.
Permutaciones tomando slo parte de los elementos del conjunto a la vez
En esta tcnica de conteo en la que EL ORDEN SI IMPORTA en que aparecen cada
elemento del conjunto y en donde en cada arreglo participan una parte de los elementos del
conjunto. Tambin le llamaremos permutaciones de n elementos diferentes en grupos de r
elementos. Es decir, en cada arreglo aparecer parte de los elementos del conjunto y se
utilizar la siguiente frmula:
Iniciemos: Cuantas diferentes permutaciones o acomodos se pueden realizar con los
nmeros 1,2,3 tomando DOS a la vez?
n = 3 n = 1 2 3
r = 2
Seran: 12; 13; 21; 23; 31; 32.
Lo que hace que un arreglo sea diferente a otro es el orden en que aparecen los elementos
del conjunto en cada arreglo. Para una PERMUTACIN, el arreglo {1,2} es diferente al
arreglo {2,1}. Entonces, esta tcnica de conteo es idnea para problemas en los que es
importante la jerarqua que tienen algunos elementos sobre otros. Algunos ejemplos de ello,
es cuando se requiere conocer el orden de llegada de personas, formas posibles de arranque
)! (
!
r n
n
p
r n
6
1
6
! 1
! 3
)! 2 3 (
! 3
2 3

p
Ciuda
d A
Ciuda
d B
Ciuda
d C
75
y llegada en una justa atltica, colocacin de objetos, la jerarqua en algunos puestos
administrativos, la jerarqua en equipos mdicos, el orden en que deben tomarse o medirse
algunos objetos en experimentos, etctera.
Ahora: Cuantas diferentes permutaciones o acomodos se pueden realizar con los nmeros
1,2,3,4 tomando DOS a la vez?
n = 4 n = 1 2 3 4
r = 2
Seran: 12; 13; 14; 21; 23; 24;
31; 32; 34; 41; 42; 43;
De nuevo te recordamos que es muy importante que te fijes que aqu si interesa el orden en
que se seleccionaron los dos nmeros (la pareja) de entre los cuatro nmeros (1,2,3,4) y
resulta que hay 12 permutaciones.
Un problema ms complicado: Cuntas diferentes quintas ( r ) de baloncesto pueden
formarse con 7 jugadores disponibles (n) para jugar cualquier posicin?
Se pueden formar 2520 quintas diferentes con 7 jugadores disponibles.
Observa como utilizando la ley de la multiplicacin utilizando un ORDEN nos arroja el mismo
resultado: 7(6)(5)(4)(3)= o sea 7 opciones seran para la primer quinta, 6 la segunda quinta, 5
la tercer quinta, 4 la cuarta quinta y por ltimo 3 la quinta, quinta. Si lo multiplicas nos dar
igual = 2520.
Otro para reafirmar el aprendizaje: el entrenador de la seleccin mexicana de ftbol debe
decidir cmo se deben tirar los cinco primeros penales obligatorios en caso de un empate.
Cuntas elecciones posibles puede considerar?
Partimos de que ya sabes que un equipo de ftbol tiene 11 jugadores.
Otra vez, utilizando la ley de la multiplicacin sera: 11(10)(9)(8)(7)== 55440
elecciones posibles para determinar cmo tirarn los cinco penales obligatorios.
Permutaciones tomando todos los elementos del conjunto
Otro tipo de permutaciones es cuando en cada arreglo participan TODOS LOS ELEMENTOS
DEL CONJUNTO(n), o sea cuando el nmero de permutaciones de n objetos se toman
TODOS los elementos n a la vez.
Iniciemos, Permutar los elementos de un conjunto de TRES tomando todos a la vez, es igual
a 3! = 6 los arreglos resultantes son los siguientes 123,- 132, - 213, - 231, - 312, - 321.
La frmula que se utiliza para estos casos es
2520
2
5040
)! 5 7 (
! 7
5 7

p
55440
720
39916800
! 6
39916800
)! 5 11 (
! 11
5 11

p
! n P
n n

12
2
24
! 2
! 4
)! 2 4 (
! 4
2 4

p
Hoooo? Eres mi
dolo aceboman
76
Otro para comprender mejor: De cuantas maneras distintas se pueden asignar a diez
profesores las diez secciones de un curso de economa? n = 10, obtenemos:
Aqu si aplicamos la ley de la multiplicacin sera: 10 (9)(8)(7)(6)(5)(4)(3)(2)(1) = 3,628,800
Fjate que aqu si se multiplican toda la serie de los nmeros.
Un ltimo para confirmar: Obtener cuntos nmeros pueden formarse con los dgitos 1,2,3,4,5
sin repetir ningn dgito, n = 5
Si aplicamos la ley de la multiplicacin sera 5(4)(3)(2)(1) = 120.
ESTO SI EST MUY INTERESANTE VERDAD?
Pero Cmo se elabora un espacio muestral para permutaciones tomando todos los
elementos?
Ejemplo para pensar, sea S= { a,b,c,d, } un conjunto con cuatro elementos genricos, calcular
las posibles formas en que se pueden permutar tomando todos los objetos a la vez.
Para ello la forma de clculo est referida simplemente a sustituir el nmero de elementos en
n!.
Como ya se explic, el factorial de un nmero es el producto de todos los enteros desde n
hasta 1. Entonces, para ste ejemplo el nmero de elementos es 4, as, 4! = (4)(3)(2)(1) = 24
que ser el nmero de formas posibles, pero queremos saber todos los posibles arreglos o
los espacios maestrales para dicho problema.
Como primer paso se elabora una tabla que contenga todos los posibles arreglos para lo
cual utilizamos la regla del cociente.
Regla del cociente = Nmero total de arreglos . = 24 = 6 arreglos
Nmero de elementos 4
El nmero 6 nos indica que cada elemento del conjunto deber repetirse seis veces en la
primera columna.
COMPLETA EL EJERCICIO PARA LAS PRIMERAS COLUMNAS (1)
N.A Arreglo N.A Arreglo N.A Arreglo N.A Arreglo
1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4
1 a b c d 7 b 13 19
2 a b d c 8 b 14 20
3 a c b d 9 b 15 21
4 a c 10 b 16 22
5 a 11 b 17 23
6 a 12 b 18 24 d c b a
Como te dars cuenta se han creado cuatro subgrupos de seis elementos.
800 , 628 , 3 ! 10
10 10
P
120 ! 5
5 5
P
! n P
n n

77
El segundo paso consiste en hacer la misma operacin que el paso anterior, solamente que
esta vez, el total de arreglos sern 6 y el nmero de elementos sern tres, (6/3 = 2) ya que
uno de los cuatro elementos ya han sido permutados en la primera columna.
En el subgrupo de arreglos que comienzan con a ese elemento quedar fuera en esta
operacin, o sea que los elementos a permutar sern el resto del conjunto; b,c,d.
Similarmente, en el subgrupo de arreglos que comienzan con b ese elemento quedar fuera
de esta operacin, o sea que los elementos a permutar sern el resto del conjunto: a,c,d; y
as sucesivamente. A continuacin podrs observar dicho procedimiento. COMPLETA EL
EJERCICIO EN LA SEGUNDA COLUMNA
El tercer paso es una caracterstica de esta forma de permutacin. Lo que procede es
permutar los dos ltimos elementos del conjunto. Por ejemplo, en los arreglos 1 y 2 est el
arreglo parcial { a,b }. Si S = { a,b,c,d }, entonces los elementos que no estn presentes en
esos arreglos son los elementos c y d, para el primer arreglo y d y c para el segundo arreglo.
COMPLETA EL EJERCICIO PARA LA TERCERA Y CUARTA COLUMNAS hasta llenar todos
los arreglos segn corresponda.
Finalmente algunas caractersticas de las permutaciones tomando todos los
elementos.
a) En cada arreglo estn presentes todos los elementos del conjunto: { a,b,c,d }.
b) Todos los arreglos son mutuamente excluyentes. Es decir, cada uno de ellos es
diferente al resto, por lo tanto no existen dos arreglos iguales.
c) Se forman bloques de arreglos que inician con el mismo elemento. Para este caso,
existen cuatro bloques de seis arreglos que inician con el mismo elemento. Este tipo de
agrupamiento es el mayor para 4!
d) El menor agrupamiento en bloques es por pares. De hecho, las dos ltimas columnas
de cada par forman un modelo 2!
e) En el primer arreglo, todos los elementos estn arreglados en un orden ascendente
f) En el ltimo arreglo sucede lo contrario, estn arreglados en forma descendente.
g) El arreglo de los elementos se realiza en estricto orden.
h) En referencia a los 24 arreglos, aparecen todos los elementos en la primera columna.
i) En referencia a cualquier bloque de seis, en la segunda columna aparecen n -1(4-1=3)
elementos del conjunto.
j) En referencia al bloque ms pequeo, cualquier par de arreglos, en la tercera aparecen
n - 2 (4-2= 2) elementos del conjunto.
k) En referencia a cualquier arreglo, en la k-sima columna aparece el elemento faltante
del conjunto.
l) Ninguno de los 24 arreglos presenta un elemento repetido.
AHORA Cmo se elabora un espacio muestral para permutaciones tomando slo
parte de los elementos del conjunto a la vez?
Un problema para reflexionar: Supongamos que en el primer nivel de las eliminatorias
realizadas para participar en la final de los 400 metros femenil de Grecia 2004, participaron 5
atletas por evento. Entonces, sea S = {1,2,3,4,5} el conjunto de elementos que representa
esas cinco atletas. Supongamos, adems que Ana Gabriela Guevara est representada por
el nmero 1.
78
a) Calcula el nmero de formas posibles en que esas cinco atletas pueden llegar a la
meta en el primero, segundo y tercer lugar.
b) Elabora el espacio muestral.
c) De cuantas formas puede llegar Ana Gabriela en primero, segundo y tercer lugar?.
Si tenemos un conjunto de 5 elementos, de los cuales slo nos interesa permutar 3 de ellos
(primero, segundo y tercer lugar) en cada arreglo. As, n = 5 y r = 3 entonces
Para dar respuesta a la pregunta a) podemos concluir que si participan 5 atletas y slo
deseamos conocer las posibles formas en las cuales llegan los tres primeros lugares,
entonces tenemos 60 posibles formas.
La pregunta b) se resuelve de la siguiente manera:
Primer paso se elabora la tabla en la que colocaremos los arreglos, para lo cual realizamos
el clculo del nmero de veces que aparecer cada elemento en la primera columna,
utilizando de nuevo la regla del cociente.
El nmero 12 nos indica que esas sern las veces que podra aparecer cada atleta en primer
lugar. COMPLETA LOS PRIMEROS LUGARES DE LLEGADAS DE LA TABLA
N.
A.
Llegada N.
A.
Llegada N.
A.
Llegada N.
A.
Llegada N.
A.
Llegada
1 2 3 1 2 3 1 2 3 1 2 3 1 2 3
1 1 2 3 1
3
2 2
5
3
7
4
9
2 1 2 4 1
4
2 2
6
3
8
5
0
3 1 2 5 1
5
2 2
7
3
9
5
1
4 1 3 2 1
6
2 2
8
4
0
5
2
5 1 3 4 1
7
2 2
9
4
1
5
3
6 1 3 5 1
8
2 3
0
4
2
5
4
7 1 4 1
9
2 3
1
4
3
5
5
8 1 4 2
0
2 3
2
4
4
5
6
9 1 4 2
1
2 3
3
4
5
5
7
1
0
1 2
2
2 3
4
4
6
5
8
1
1
1 2
3
2 3
5
4
7
5
9
1
2
1 2
4
2 3
6
4
8
6
0
5 4 3
El segundo paso consiste en calcular los segundos lugares para las otras cuatro corredoras.
60
2
120
) 1 )( 2 (
) 1 )( 2 )( 3 )( 4 )( 5 (
)! 3 5 (
! 5
3 5

p
79
Habr que poner tres veces el 2, tres veces el 3 etc. a excepcin del que ya est en 1er lugar.
COMPLETA LOS SEGUNDOS LUGARES DE LLEGADAS DE LA TABLA
El tercer paso puede tener dos lecturas; la primera determinar mediante la regla del cociente
el nmero de veces que aparecer cada elemento en la tercer columna ( 3 / 3 = 1); La
segunda, colocar el resto de los elementos para el menor subgrupo. Recomendaremos la
segunda opcin, por tanto, en este caso el subgrupo ms pequeo es de tres elementos
idnticos. Por ejemplo, los arreglos uno, dos y tres tienen los elementos 1 y 2 hasta la
segunda columna. Al contrario de la anterior tcnica de permutaciones (tomando todos los
elementos), en esta ocasin colocaremos el resto de los elementos en una forma vertical
hacia abajo. Esta accin nos servir para distinguir esa tercia de arreglos idnticos.
COMPLETA LOS TERCEROS LUGARES DE LLEGADAS DE LA TABLA
AHORA SI PUEDES CONTESTAR A LA PREGUNTA c)?
De cuantas formas puede llegar Ana Gabriela Guevara en primero, segundo y tercer lugar?.
En primer lugar_________________ formas
En segundo lugar _______________ formas
En tercer lugar _________________formas
MUCHAS FELICIDADES GANASTE LA CARRERA
CALCULA LAS POSIBLES FORMAS DE PERMUTACION Y ELABORA LOS ESPACIOS
MUESTRALES UTILIZANDO LA PAGINA DE LADO O ATRAZ DE ELLA.

1) Sea S = { a,b,c,}, o sea un conjunto con tres elementos genricos, calcular las posibles
formas en que se pueden permutar tomando todos los objetos a la vez y elaborar el espacio
muestral correspondiente.
2) Sea W = { A,B,C,D} un conjunto con cuatro elementos, calcular las posibles formas en que
se pueden permutar tomando tres a la vez y elaborar el espacio muestral correspondiente.
80
3) Sea X = { a,b,c,d,e,f} un conjunto con seis elementos, calcular las posibles formas en que
se pueden permutar tomando dos a la vez y elaborar el espacio muestral correspondiente.
C O M B I N A C I O N E S:
Una combinacin es un subconjunto o un arreglo de todos o parte de los objetos de un
conjunto sin considerar el orden de los objetos, donde el nmero total de combinaciones
posibles de un conjunto de objetos tomados todos a la vez es 1.
Por ejemplo, los arreglos posibles del conjunto de letras {a,b} son ab y ba. Puesto que el
orden del arreglo NO es considerado, el arreglo ab es el mismo que ba. Por tanto, hay
solamente una combinacin posible para el conjunto.
Combinaciones tomando parte del conjunto de elementos
Esta tcnica de conteo consiste en obtener en cualquier orden grupos de r elementos de un
total disponible de n elementos diferentes y en cada arreglo participan una parte de los
elementos del conjunto. Se utilizar la siguiente frmula:
)! ( !
!
r n r
n
C
r n
81
HAGAMOS LOS MISMOS EJEMPLOS QUE HICIMOS EN PERMUTACIONES
NICAMENTE QUE AHORA CON COMBINACIONES PARA QUE ANALICES SUS
DIFERENCIAS.
Para iniciar: Cuantas diferentes combinaciones o grupos se pueden realizar con los nmeros
1,2,3 tomando DOS a la vez?
n = 3 n = 1 2 3
r = 2
Seran: 12; 13; 23
21; 31; 32; Estos se eliminan, porque no nos interesa el orden en que se seleccionan
los dos nmeros ( r ) de entre los tres nmeros ( n ). Aqu es mas chico el resultado que
en la permutacin, porque el orden no tiene importancia.
Para que lo compares: Cuantas diferentes combinaciones o agrupaciones se pueden realizar
con los nmeros 1,2,3,4 tomando DOS a la vez?
n = 4 n = 1 2 3 4
r = 2
Seran: 12; 13; 14; 23; 24; 34;
21; 31; 32; 41; 42; 43; Estos se eliminan por la misma razn anterior.
Es muy importante que te fijes que aqu NO interesa el orden en que seleccionan los dos
nmeros (la pareja) de entre los cuatro nmeros (1,2,3,4) y resulta que hay 6 combinaciones.
HAGAMOS ALGUNOS EJEMPLOS PARA QUE ESTES LISTO PARA TUS
ACTIVIDADES DE APRENDIZAJE.
PRIMER PROBLEMA: Con una parte de su primer salario, un alumno de quinto semestre
decide comprar TRES de los SIETE discos compactos que ha sacado a la venta el grupo
MANA. Cuntas posibilidades tiene? Ya que hay que elegir 3 discos (sin importar el orden)
de un conjunto de siete.
n = 7
r = 3
Tiene 35 combinaciones al comprar tres discos de los siete.
OTRO PARA PENSAR; De cuantas maneras una persona puede seleccionar TRES libros
de una lista de OCHO best-sellers? Aqu tampoco es importante el orden en que se
seleccionen los tres libros.
n = 8
r = 3

Tiene 56 maneras para seleccionar los tres libros.
3
2
6
! 1 ! 2
! 3
)! 2 3 ( ! 2
! 3
2 3

C
6
4
24
! 2 ! 2
! 4
)! 2 4 ( ! 2
! 4
2 4

C
35
144
5040
) 24 )( 6 (
5040
! 4 ! 3
! 7
)! 3 7 ( ! 3
! 7
3 7

C
56
720
40320
) 120 )( 6 (
40320
! 5 ! 3
! 8
)! 3 8 ( ! 3
! 8
3 8

C
82
PARA REFLEXIONAR Y CONFIRMAR: Un alumno del CBTa No. 107 Ext. Xalisco del turno
vespertino, tiene 7 libros de fsica y 5 de matemticas. Calcular de cuntas maneras se
pueden ordenar 3 libros de fsica y 2 de matemticas en un librero.
Primeramente hacemos las combinaciones posibles de libros de fsica.
n = 7
r = 3 combinaciones de libros de fsica
Ahora hacemos las combinaciones posibles de libros de matemticas
n = 5 combinaciones de libros de
matemticas
r = 2
Multiplicamos 35 por 10 nos resulta 350 combinaciones posibles.
AHORA Cmo se elaboran espacios muestrales para combinaciones tomando slo
parte del conjunto de elementos?
De una manera general, la propuesta para elaborar espacios muestrales para este tipo de
tcnica de conteo est basada en un sistema numrico a la n, el cual denominamos Mtodo
de la cifra. (Tomado de: Tcnicas de muestreo y espacios maestrales sin maestro. Hctor
Francisco Reynoso Titrado)
Sea S = { 1,2,3,4,5 }, un conjunto con cinco elementos genricos. Calcule
a) El nmero de posibles arreglos tomando cuatro de ellos a la vez,
b) Elabore el espacio muestral de esos arreglos o combinaciones.
La respuesta a la primera pregunta es 5 posibles combinaciones.
En el caso de la segunda pregunta, empezaremos por preparar el espacio para arreglar esas
cinco combinaciones
Primer paso Colocamos los primeros cuatro elementos del conjunto en el primer arreglo.
N.A. Combinaciones
a b c d
1 1 2 3 4
2
3
4
5
En el segundo paso, colocaremos el segundo arreglo que representara el tope de los
arreglos que inician con los elementos 1,2 y 3. Tambin cubrimos el tercer arreglo con la
columna k-1 con el elemento n-1, o sea el elemento 4
N.A. Combinaciones
a b c d
1 1 2 3 4
35
144
5040
) 24 )( 6 (
5040
! 4 ! 3
! 7
)! 3 7 ( ! 3
! 7
3 7

C
10
12
120
) 6 )( 2 (
120
! 3 ! 2
! 5
)! 2 5 ( ! 2
! 5
2 5

C
nes combinacio C ... 5
24
120
) 1 )( 24 (
120
! 1 ! 4
! 5
)! 4 5 ( ! 4
! 5
4 5

83
2 1 2 3 5
3 1 2 4 5
4
5
Observa cmo nuestra atencin est siendo demandada en las ltimas columnas, arreglando,
de los elementos menores a los mayores, similar a un sistema numrico. Finalmente
Tercer paso, ser cambiar el elemento 2 de la columna k-2, por el siguiente elemento, el 3
(arreglo nmero cuatro). Lo dems ya es sabido, no habr elementos mayores a la izquierda.
Este mtodo permite ir agotando los elementos a usar de derecha a izquierda. Observa que
en el cuarto arreglo ya estn agotadas la k-sima columna con el n-simo elemento, la
columna k-1 con el elemento n-1 y la columna k-2 con el elemento n-2. As, lo nico que nos
resta es colocar el elemento 2 en la primera columna y combinarlo con el resto de los
elementos del conjunto que estn a la derecha (arreglo nmero cinco).
Algunas caractersticas de las combinaciones
a) Las combinaciones son arreglos de elementos en los que no nos interesa el orden de
los mismos.
b) El primer arreglo tiene combinados los primeros elementos del conjunto.
c) El ltimo arreglo tiene combinados los ltimos elementos del conjunto.
d) Los elementos del conjunto aparecen arreglados del menor al mayor de los elementos,
al menos en las escalas nominales y de razn. Justamente, en esta caracterstica est
basado el mtodo de la cifra que usamos para elaborar espacios maestrales para
combinaciones.
e) El nmero que aparece cada elemento del conjunto es el espacio muestral est
dado por la siguiente frmula:
Repeticiones de cada elemento en el espacio muestral (RCE) = ( c ) ( r ) .
n
donde: c = Nmero de combinaciones o arreglos posibles
r = Elementos tomados a la vez en cada arreglo
n = Nmero total de elementos en el conjunto.
N.A. Combinaciones
a b c d
1 1 2 3 4
2 1 2 3 5
3 1 2 4 5
4 1 3 4 5
5 2 3 4 5
84
Para comprobar sta formula con el ejemplo anterior tenemos: RCE = ( 5 ) ( 4 ) = 20 = 4
5 5
Observamos que cada elemento (1,2,3,4,5) en el espacio muestral se repite cuatro veces;
esto es, hay cuatro 1, cuatro 2, cuatro 3, cuatro 4 y cuatro 5.
En resumen:
Es muy importante que recuerdes que en una permutacin SI importa el orden y se relaciona
a sucesiones ordenadas; parejas ordenadas, tradas ordenadas, etc. En las combinaciones
NO importa el orden y se relacionan con la seleccin de un subconjunto de un conjunto dado.
JA, JA, est bien fcil; Yo Tambin
ya le entend aceboman ya agarr la onda
ENTONCES REALIZA TUS ACTIVIDADES DE APRENDIZAJE:
CALCULA LAS POSIBLES FORMAS DE COMBINACIN POSIBLES Y ELABORA LOS
ESPACIOS MUESTRALES UTILIZANDO LA PAGINA DE LADO O ATRAZ DE ELLA, PARA
REALIZAR LOS EJERCICIOS
1) Sea X = { a,b,c,d,e }, un conjunto con cinco elementos genricos. Calcule a) el nmero de
posibles arreglos tomando dos de ellos a la vez, b) elabore el espacio muestral de esos
arreglos
N.A. Combinaciones
a b c d
1 1 2 3 4
2 1 2 3 5
3 1 2 4 5
4 1 3 4 5
5 2 3 4 5
85
2) Sea W = { 1,2,3,4,5}, un conjunto con cuatro elementos genricos. Calcule a) el nmero de
posibles arreglos tomando tres de ellos a la vez, b) elabore el espacio muestral de esos
arreglos
3) Sea Z = { a,b,c,d,e,f }, un conjunto con cinco elementos genricos. Calcule a) el nmero de
posibles arreglos tomando tres de ellos a la vez, b) elabore el espacio muestral de esos
arreglos
En cada uno de los siguientes problemas, decide si se trata de una permutacin o de una
combinacin y obtn su resultado correcto.
UTILIZA LA HOJA DE AUN LADO Y/O LA DE ATRAZ PARA TUS OPERACIONES.
1) Calcular el nmero de palabras de 5 letras, que se pueden formar con 12 letras diferentes,
aunque no necesariamente tengan algn significado.
Permutacin _____ o combinacin________
Resolver:
86
2) Calcular el nmero de palabras, que pueden formarse seleccionando 6 consonantes y 2
vocales entre 10 consonantes y 4 vocales, no necesariamente con significado.
Resolver:
3) Calcular de cuntas maneras diferentes pueden colocarse 7 libros en un librero
Resolver:
4) Un parque de diversiones tiene 28 recorridos distintos. De cuntas maneras diferentes
una persona puede tomar cuatro de estos recorridos, suponiendo que el orden es importante
y que no quiera tomar un recorrido ms de una vez?
Resolver:
5) Una bolsa contiene 6 bolas rojas numeradas del 1 al 6 y 8 bolas azules numeradas del 1 al
8. De cuntos modos se pueden seleccionar 6 bolas de manera que 2 sean rojas y 4
azules?
Resolver:
6) La carta de una fonda indica que hay 4 sopas, 7 carnes, 8 ensaladas y 5 postres. De
cuntos modos se puede ordenar una comida consistente en una sopa, una carne, 3
ensaladas y un postre?
Resolver:
Analicemos otros temas relacionado con lo anterior ANIMO
TEOREMA DEL BINOMIO Y TRINGULO DE PASCAL
En aritmtica y lgebra ya se defini que a = 1 Toda cantidad elevada a la cero potencia
es igual a uno
OBSERVA DETENIDAMENTE EL TEOREMA DEL BINOMIO
(Tmate tu tiempo)
( x + y )
1
= x + y
87
( x + y )
2
= x
2
+ 2xy + y
2
( x + y )
3
= x
3
+ 3x
2
y + 3xy
2
+ y
3

( x + y )
4
= x
4
+ 4x
3
y + 6x
2
y
2
+ 4xy
3
+ y
4
( x + y )
5
= __________________________________
( x + y )
6
= _______________________________________________
Puedes resolver los dos binomios que faltan? Yo SI
puedo!
!!Yo No Puedo aceboman
Entonces analiza las siguientes conclusiones:
A la mejor se te ocurre algo

1. El nmero de trminos es igual al grado del binomio ms uno.
2. El grado del primer trmino es igual al grado del binomio y disminuye sucesivamente
en uno, en cada uno de los siguientes trminos y es factor en todos los trminos,
menos en el ltimo.
3. El segundo trmino, y en los ejemplos, aparece en el segundo trmino del desarrollo
con exponente uno, y aumenta sucesivamente en uno en cada uno de los trminos
siguientes hasta llegar al exponente del binomio, el cual es el ltimo del resultado.
4. El coeficiente del primer trmino del resultado es uno y el del segundo es el exponte
del binomio; el ltimo trmino tambin es uno.
5. El coeficiente de un trmino cualquiera es igual al coeficiente del trmino inmediato
anterior, por el exponente de x en ste trmino y dividido entre el nmero de trminos
desarrollados.
6. El grado de cada trmino es igual al grado del binomio.
7. Los trminos que equidistan de los extremos tienen coeficientes iguales
8. Cada trmino del binomio se considera con coeficiente y signo.
AHORA SI PUEDES? ANIMO RESUELVELO
Matemticamente el binomio de Newton es el siguiente:
El tringulo de TARTAGLIA junto con el tringulo de PASCAL, facilitan el calculo de los
coeficientes de la potencia de un binomio (o coeficientes binomiales) observa:
TRIANGULO DE PASCAL
( x + y )
0
= primera fila 1
( x + y )
1
= 1 1
n
n n
n n n
y
y x n n n y x n n
y nx x y x + +

+
+ + +

...
) 3 )( 2 ( 1
) 2 )( 1 (
) 2 ( 1
) 1 (
) (
3 3 2 2
1
88
( x + y )
2
= 1 2 1
( x + y )
3
= 1 3 3 1
( x + y )
4
= 1 4 6 4 1
( x + y )
5
=
(x + y )
6
=
Observa que si sumas dos coeficientes adyacentes, su suma es el coeficiente entre ellos una
fila abajo; por ejemplo, para obtener el 2 de la tercer fila sumamos los dos UNOS(1+1=2) de
la segunda fila; para obtener el 4 de la quinta fila sumamos el UNO y TRES (1 +3 = 4)
Preparados ahora si con todo este conocimiento, podemos escribir fcilmente TODO EL
DESARROLLO de los binomios (x+y)
5
; (x+y)
6
y (x + y )
7
(x + y )
5
= _______________________________________________
Por supuesto que si deseamos desarrollar la sexta potencia del binomio, podemos hacerlo
utilizando los coeficientes de la quinta potencia y as sucesivamente. Fcil o no?
( x + y )
6
= ____________________________________________________________
(x + y)
7
= _________________________________________________________________
MUY BIEN FELICIDADES!!!
Los problemas de probabilidad en situaciones prcticas, son sucesos o eventos compuestos
que requeriran para su solucin la enumeracin de muchos puntos muestrales,
procedimiento lento y cansado; de ah, que haya un segundo procedimiento que se llama
composicin de sucesos o probabilidad axiomtica. Esta composicin se forma con dos o
ms sucesos y se realiza con la UNIN o con la INTERSECCIN DE CONJUNTOS o con la
P R O B A B I L I D A D A X I O M T I C A
89
combinacin de ambos; se basa en: la clasificacin de los sucesos, las relaciones entre ellos
y tres leyes: LA ADITIVA (o regla de la suma), LA MULTIPLICATIVA (o regla del producto) Y
LA DE SUSTRACCIN ( o regla de la diferencia).
Como estamos refirindonos a la probabilidad axiomtica, es conveniente recordar que un
axioma es una proposicin matemtica evidente por s misma que no requiere demostracin.
SIMBOLOGA BSICA DE CONJUNTOS
El propsito del presente apartado es realizar un recordatorio somero de la teora de
conjuntos ya que es un instrumento adecuado para la sistematizacin de nuestra forma de
pensar y permitir la capacidad de anlisis y comprensin de las interrelaciones que hay entre
todas las partes de un problema, y as facilitar su solucin en el estudio de la probabilidad
axiomtica.
A) UNIN ( su smbolo es U )
Si se renen los elementos de dos o ms conjuntos para formar uno solo, a este
conjunto que resulta se la llama UNIN DE CONJUNTOS; si existen elementos comunes
entre los conjuntos originales stos no se repiten en el conjunto unin.

Piensa detenidamente: Sean los conjuntos
P = { 1, 2, 3, 4,}
M = { 3, 4, 5, 6 } En Diagrama de Venn - Euler
P ( P U M) = { 1, 2, 3, 4, 5, 6 }
P (P o M) = { 1, 2, 3, 4, 5, 6 }
B. INTERSECCIN (su smbolo es )
La interseccin de dos conjuntos A y B es el conjunto que forman los elementos comunes a
ambos conjuntos, se representa con el smbolo colocado entre los conjuntos, as; A B
se lee interseccin de A y B o A interseccin de B
Ejemplo 1) Sean los conjuntos A = { 1, 2, 3, 4, } B = { 1, 2, 5, 6 }

En Diagrama de Venn - Euler
P (A B) = { 1, 2 }
P (A y B) = { 1, 2 } 1 , 2
B A
1 , 2 3, 4 5, 6
P M
90
Otra variante de lo mismo: Sean los conjuntos P = { 1, 2, 3 } M = { 6, 7 }
En Diagrama de Venn - Euler
P (P M) =
P (P y M) =
= Se refiere a un conjunto vaco o disjunto
Debido a que no existen elementos en comn
C. COMPLEMENTO DE UN CONJUNTO
Cuando se ha establecido un conjunto universal u, a la diferencia de u y un conjunto sea
por ejemplo A, se le llama COMPLEMENTO de A, se expresa A . El apstrofe seala que
hemos formado el complemento de A. Algunos autores expresan el complemento, as; A
c
con
una pequea c de donde A = A
c
, otros mas, lo expresan con una barra arriba de la letra
mayscula.
Observa detenidamente: u = { 1, 2, 3, 4, 5, 6 } A = { 1, 2, 3 }
En diagrama de Venn - Euler
P ( A ) = { 4, 5, 6 }
D. DIFRENCIA ENTRE CONJUNTOS
Dados los conjuntos A y B, : la diferencia de A B, en este orden, es el conjunto de todos
los elementos que pertenecen a A, pero no a B.
La diferencia de A y B se expresa A B que se lee A diferencia de B o A menos B
En diagrama de Venn - Euler
Ejemplo: A = { 1, 2, 3, 4, 5 } B = { 1, 2 }
A B = { 3, 4, 5 }
Se utiliza cuando es necesario que ocurra
el suceso A y simultneamente No ocurra el suceso B
En muchos problemas de probabilidad debemos considerar eventos que se forman por medio
de UNIONES, INTERSECCIONES Y COMPLEMENTOS. Para ilustrar estos conceptos
reflexionemos y analicemos el siguiente problema:
EL ESPACIO DE LOS DAS DE LLUVIA EN JULIO EN LA PARTE MAS LLUVIOSA DE
NAYARIT ES EL CONJUNTO S = { 0, 1, 2, 3, , 31},
TOMEMOS LOS SUBCONJUNTOS
A= 4, 5, 6
u
A
3, 4, 5
B
A -B
P
1, 2, 3
M
6, 7
91
A = { 0, 1, 2, 3, 4, 5, 6 }
B = { 20,21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31}
C = { 0, 15, 31 }
D = { 18, 19, 20, 21, 22, 23, 24 }
E = { 22 }
A = es el evento que llueva a lo ms seis das
B = es el evento que llueva cuando menos 20 das
C = es el evento que llueva o todos los das del mes, o quince das o bien ningn da del mes.
D = es el evento que llueva entre 18 y 24 das
E = es el evento que llueva exactamente 22 das al mes.
Analicemos y aprendamos a resolver los siguientes eventos:
a) A U D; c) D B; e) B g) D U B
b) B U D; d) A B; f) D h) B A
a) Como A U D es el evento de los resultados que estn en A o en D, A U D es por tanto
el evento { 0, 1, 2, 3, 4, 5, 6, 18, 19, 20, 21, 22, 23, 24}
b) B U D = { 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31}
c) D B es el de los resultados que estn tanto en D como en B, por lo que D B = {20,
21, 22, 23, 24} representa que llueva de 20 a 24 das durante el mes de julio.
d) A B; Observamos que A y B no tienen elementos en comn, de modo que la
interseccin de A y B es el conjunto vaco, esto es, A B = . Cuando dos eventos no
tienen resultados en comn decimos que son mutuamente excluyentes y equivale a
que no pueden ocurrir los dos simultneamente. Esto lo estudiamos en el siguiente
tema.
e) B es el evento formado por los resultados que no estn en B, as que B = { 0, 1, 2, ,
19}; B es el evento que llueva de los 0 a los 19 das.
f) Como D = { 0, 1, 2, , 16, 17, 25, 26, , 30, 31} entonces D es el evento de que
llueva a lo ms (o menos que) 17 das, o bien, que llueva mas de 25 das.
g) Como D = { 0, 1, 2, , 16, 17, 25, 26, , 30, 31} y B = { 0, 1, 2, , 18, 19} entonces
D U B = { 0, 1, 2, , 16, 17, 18, 19, 25, 26, , 30, 31} como se interpreta?
h) B A como B = { 0, 1, 2, , 19} y A = { 7, 8, 9, , 31} , entonces la interseccin
B A es el evento { 7, 8, 9, , 18, 19 } que llueva de 7 a 19 das.
TIPOS DE EVENTOS
En funcin de la relacin de probabilidad que se puede establecer entre los eventos o
sucesos stos se clasifican en:
MUTUAMENTE EXCLUYENTES O DISJUNTOS.
Son aquellos sucesos o eventos en los que en un mismo experimento aleatorio no es
posible que ocurran simultneamente. En sucesos mutuamente excluyentes se tienen
92
que la ocurrencia de uno de ellos elimina automticamente la posibilidad de que ocurra
el otro.
NO EXCLUYENTES ENTRE SI.
Son aquellos eventos en un mismo experimento aleatorio, en los que la posibilidad de
que ocurra uno de ellos, no impide que el otro suceso ocurra; es decir, pueden ocurrir
conjuntamente.
Analiza el primer problema: En un experimento aleatorio, se analiza en un momento dado el
estado de salud de los habitantes de una comunidad.
Consideremos los sucesos siguientes:
A: La persona es diabtica.
B: La persona est sana.
C: La persona tiene un problema de salud permanente, tiene una enfermedad crnica
D: La persona tiene gripa.
E: La persona es hipertensa.

A y B = los eventos A y B SON MUTUAMENTE EXCLUYENTES, puesto que una persona
sana no puede ser diabtica y si es diabtica no est sana.
C y E = Los sucesos C y E NO SON MUTUAMENTE EXCLUYENTES porque en el conjunto
de personas que tienen un problema de salud permanente estn los que sufren de
hipertensin, a la vez un hipertenso es una persona con un problema de salud permanente.
B y C = Los sucesos B y C SON MUTUAMENTE EXCLUYENTES porque una persona no
puede considerarse a la vez sana y tener un problema de salud permanente.
C y D = Los eventos C y D NO SON MUTUAMENTE EXCLUYENTES porque existe la
posibilidad de que una persona con un problema de salud permanente est enfermo de gripa.
Otro para confirmar: se observa la escolaridad de las personas de 20 a 60 aos de edad en
una comunidad.
Consideremos los sucesos siguientes:
A: Una persona tiene menos de 40 aos
B: La persona es ingeniero
C: La persona es analfabeta
D: La persona tiene 40 aos o ms.
Los sucesos A y B NO SON MUTUAMENTE EXCUYENTES porque es posible que una
persona entre 20 y 40 aos sea ingeniero, a la vez que un ingeniero puede tener menos de
40 aos y mas de 20.
Los sucesos B y D NO SON MUTUAMENTE EXCLUYENTES ya que un ingeniero puede
tener ms de 40 aos y entre las personas de 40 a 60 aos pueden haber ingenieros.
Los sucesos B y C SON MUTUAMENTE EXCLUYENTES O DISJUNTOS, puesto que un
analfabeta no puede ser ingeniero y un ingeniero no es un analfabeta.
Los sucesos A y D SON MUTUAMENTE EXCLUYENTES O DISJUNTOS, porque una
persona no puede tener menos de 40 aos o mas de 40 aos en un mismo momento.
Finalmente, antes de analizar problemas de probabilidad con uniones, complementos e
intersecciones de eventos; analicemos cuando intervienen tres o ms eventos y sus
relaciones, dibujando la siguiente figura en donde el espacio muestral queda dividido en ocho
regiones diferentes.
Digamos que X es el evento que los autos nuevos que
lleguen a la agencia sean automticos, Y es el
8
Z
X
Y
7
6 5
4
3
2
1
93
evento que los autos nuevos que lleguen a la agencia sean de cuatro puertas, Z que los
autos nuevos que lleguen a la agencia tengan rines deportivos
Que representan las siguientes regiones o nmeros?
a) La regin 3. b) la regin 6, c) la regin 7.
La regin 3 est formada por los resultados que estn en X y en Y, ( X Y ), pero no estn
en Z, de modo que representa el evento de que los autos nuevos que lleguen a la agencia
sean automticos, de cuatro puertas y no tengan rines deportivos.
La regin 6 est formada por los resultados que tiene el evento Z, esto es que los autos
nuevos que lleguen a la agencia tengan noms rines deportivos.
La regin 7 est formada por los resultados que NO estn ni en Y ni en Z, por lo que
representa el evento que los autos que lleguen a la agencia NO tengan cuatro puertas ni
tampoco rines deportivos, pero que si sean automticos.
Podras contestar que representa la regin 1 y la 8 ?
(escrbelo)_________________________
___________________________________________________________________________
_
y la regin 2 y
4 ?,_____________________________________________________________

___________________________________________________________________________
_
Finalmente la regin 5 ?_____________________________________________________
PROBABILIDAD DE UNIONES Y EVENTOS COMPLEMENTARIOS
Una vez que ya nos hemos familiarizado con los eventos y sus relaciones vamos a describir
algunas reglas sencillas que nos permitan determinar la probabilidad de que ocurra algn
evento. Para expresar simblicamente estas reglas denotaremos por P ( A ) a la probabilidad
de que ocurra el evento A. Ya hemos comentado que la probabilidad de que suceda un
evento es un nmero real entre cero y uno y que entre ms pequeo sea este nmero, el
evento es menos probable y entre ms cercano a uno el nmero el evento es ms probable.
REGLAS BSICAS DE PROBABILIDAD
1. Las probabilidades son nmeros reales entre 0 y 1
2. P ( u ) = 1 y P ( ) = 0 como el espacio muestral ( u ) universo otros libros utilizan
P(S) contiene a todos los posibles resultados que pueden ocurrir, se tienen que el
evento u ocurre con certeza, de modo que P (u ) = 1 y cuando con certeza un evento
no puede ocurrir, su probabilidad es cero P ( ) = 0
3. Regla de la suma ( ley aditiva de la probabilidad)
94
Esta ley se utiliza cuando se quiere obtener la probabilidad de que ocurra el suceso A o el
suceso B, para lo cual es necesario revisar si los sucesos SON O NO MUTUAMENTE
EXCLUYENTES.
a) Cuando dos sucesos son mutuamente excluyentes se tiene que A B = ; (es
el conjunto vaco) se utiliza entonces P ( A U B ) = P ( A ) + P ( B ) es decir, que la
probabilidad de que A o B ocurran indistintamente, es igual a la suma de sus probabilidades
individuales.
Hagamos un diagrama
b) Regla para eventos complementarios ( ). En consecuencia de las reglas
anteriores, surge P ( A ) = 1 P (A) ya que los eventos A y A son mutuamente excluyentes
por no tener elementos en comn y su unin es todo el universo (u).
Hagamos un diagrama
c) Cuando dos sucesos NO son mutuamente excluyentes, se tiene que A B
(no es el conjunto vaco) ; se utiliza entonces P ( A U B ) = P ( A ) + P ( B ) P ( A B ) es
decir, que la probabilidad de que A o B ocurran indistintamente, es igual a la suma de sus
probabilidades individuales y restar sus intersecciones para rectificar el doble conteo que se
lleva a cabo cuando se suman las dos probabilidades.
Hagamos un diagrama
P (B) P (A )
Eventos mutuamente
excluyentes
U
+
P (A) =
P (A )
Eventos mutuamente
excluyentes
U

1
P (B)
P (A U B)
No son mutuamente
excluyentes
U
+
=
P (A)
P (A B)

P (A) P (B)
95
AHORA SI PONGAMONOS A PRACTICAR DICHAS REGLAS DE LA PROBABILIDAD.
PRIMERO UTILIZANDO LA LEY ADITIVA Y CUANDO UN EVENTO ES MUTUAMENTE
EXCLUYENTE. P ( A U B ) = P ( A ) + P ( B )
Primer problema para pensar:
Cul es la probabilidad de elegir al azar un 10 o un 4 al extraer una carta de una baraja
ordinaria de 52 cartas? (la o se interpreta como unin)
Como queremos un 10 o un 4 y como estos eventos son mutuamente excluyentes, aplicamos
la regla de la suma P ( A o B ) = P ( A ) + P ( B ). As, P (10 U 4) ; donde A representa sacar
un 10 y B obtener un 4. y como existen cuatro 10, cuatro 4 y 52 cartas en la baraja, P (10 ) =
4/ 52 y P ( 4 ) = 4/52 tenemos
P ( 10 o 4 ) = 4/52 + 4/52 = 8/52 = 0.1538
Otro para reflexionar:
Supongamos que va a elegirse de manera aleatoria UN individuo entre una poblacin de 130
personas. En esta poblacin hay 40 NIOS menores de 12 aos, 60 ADOLECENTES y 30
ADULTOS Cul es la probabilidad de que el individuo elegido sea un adolescente o un
adulto?
Los eventos son mutuamente excluyentes porque queremos obtener un adolescente o un
adulto y no los dos al mismo tiempo, por lo tanto utilizamos la ley aditiva P ( A o B ) = P ( A ) +
P ( B ). Donde P (A) ser obtener un adolescente y P (B) ser obtener un adulto. Como hay
60 adolescentes, 30 adultos y 130 personas en la poblacin tenemos,
P ( A o B ) = P ( 60/130) + P ( 30/130 ). = 60/130 + 30/130 = 90/130 = 0.6923
Ahora con otro problema para que utilices mas reglas ECHALE GANAS
Supongamos que A es el evento: el martes a las 16:00 hrs, estar lloviendo
B es el evento: el martes a las 16:00 hrs, estar despejado
Y que de acuerdo al Observatorio Nacional la P (A) = 0.45 y P (B) = 0.3,
Cules son las probabilidades de P ( A ), P ( A U B ) y P ( A B )?
Para que tu aprendizaje sea significativo contesta por favor las siguientes preguntas
Son eventos mutuamente excluyentes SI____ NO___ Porque?
_______________________
___________________________________________________________________________
_
P ( A ) como se interpreta o que significa en ste problema?:
__________________________
___________________________________________________________________________
_
96
Que nos pide el problema con P ( A U B ):
_________________________________________
___________________________________________________________________________
_
Como se interpreta P ( A B ) en el contexto del problema?
___________________________________________________________________________
Si P (A) es la probabilidad de que el martes est lloviendo; P (A) ser la probabilidad de que
NO LLUEVA el martes a las 16:00 hrs. Por lo tanto utilizamos P ( A ) = 1 P (A) y
sustituyendo los valores P (A) = 1 0.45 = 0.55
Para poder calcular las probabilidades de P (A U B) y P ( A B) debemos primero observar
que los eventos A y B son mutuamente excluyentes, ya que el tiempo no puede estar
lloviendo y despejado simultneamente, por lo que
P (A B) = P ( ) = 0 la interseccin de A y B es un evento nulo
Ya que no puede suceder al mismo tiempo.
Finalmente P (A U B) = P (A) + P(B) = P ( 0.45) + P (0.3) = 0.75
En resumen...
P (A) = La probabilidad de que NO LLUEVA el martes a las 16:00 hrs = 0.55
P (A B) = La probabilidad de estar lloviendo y despejado simultneamente = P ( ) = 0
P (A U B) = La probabilidad de que est lloviendo o est despejado = 0.75
Antes de realizar algunas actividades de aprendizaje finalmente
Analicemos otro problema donde Si k eventos son mutuamente excluyentes, la probabilidad
de que ocurra alguno de ellos es igual a la suma de sus respectivas probabilidades
Si las probabilidades de que una agencia de automviles venda 0, 1, 2, 3, 4, y 5 automviles
durante cierta semana son respectivamente 0.05, 0.1, 0.15, 0.18, 0.12 y 0.05
Cules son las probabilidades de que vendan de 2 a 5 automviles y de que vendan 5 o
ms automviles.
Como estos eventos son mutuamente excluyentes, usando la regla P (A
1
U A
k
) = P (A
1
) +
P(A
2
)... + P (A
k
) para saber si la agencia vender de 2 a 5 automviles, por lo tanto ser:
0.15 + 0.18 + 0.12 + 0.05 = 0.5
Ahora para calcular la probabilidad de que vendan 5 o ms automviles, o sea P (vender 5 o
ms automviles), COMO ES UN EVENTO COMPLEMENTARIO DE (A) debemos primero
calcular la probabilidad de vender a lo ms cuatro automviles(A
K
)
P ( A
k
vender a lo ms 4 automviles) = 0.05 + 0.1 + 0.15 + 0.18 + 0.12 = 0.6
Bien y
Fcil
acebo
man
97
Ahora P (A vender cinco o ms automviles) = 1 P (A
k
) = 1 0.6 = 0.4
Realiza tus esquemas, reflexiones y clculos con orden hasta obtener lo que se te seala.
1) Determina si los siguientes eventos son mutuamente excluyentes. Explica tus respuestas.
a) El toro Valenzuela lanza el martes un juego sin hit ni carrera y el Toro
Valenzuela pierde el martes su juego:
_____________________________________________________________________
_
b) Luca llega tarde a su empleo y Luca quema accidentalmente una compresora del
taller donde trabaja.
_____________________________________________________________________
_
c) Luca llega tarde a su empleo y Luca emplea todo el da arreglando el pago del
impuesto predial de su casa.
_____________________________________________________________________
_
d) En una mano de pker la primera carta es as y en la misma mano de pker la
quinta carta es as.
e) En una mano de pker las primeras cuatro cartas son ases y en la misma mano de
pker la quinta carta es as.
_____________________________________________________________________
__
2) Al lanzar un dado una vez, Cul es la probabilidad de obtener un 1 o un nmero par?
3) Para participar en la rifa de un reloj, los alumnos del primer ao compraron 18 boletos; los
de segundo ao 12 boletos. Si son 50 boletos. Cul es la probabilidad de que un alumno de
primero o segundo gane la rifa?
4) En un experimento tiramos un par de dados y contamos los puntos obtenidos.
a) Describe el espacio muestral : ______________________________________
b) Si A = { 2, 3, 4, 5, y 6} y B = { 3, 5, 7, 9, 11} describe los eventos:

P ( A ) = _______________________________ P ( B ) =
__________________________
98
P ( A U B ) : ________________________ P ( A B ) = _________________________
P ( A B ) = ____________________________________
5) Las probabilidades de que un hospital reciba a,1, 2, 3, 4, 5, 6, 7 y hasta 8 enfermos durante
un da son, respectivamente, 0.02, 0.04, 0.08, 0.13, 0.15, 0.17, 0.16 y 0.08. Determina las
probabilidades de que el hospital reciba
a) Cuatro o ms pacientes;
b) A lo ms cinco pacientes;
c) De 3 a 6 pacientes.
Ahora analicemos dos problemas para aplicar la ley aditiva cuando dos sucesos NO son
mutuamente excluyentes, donde ya se indic que P ( A B ) y se utiliza entonces
P ( A U B ) = P ( A ) + P ( B ) P ( A B ) o sea la probabilidad de que A o B ocurran
indistintamente.
Problema para pensar: Un estudio de mercado estima que las probabilidades de que una
familia en cierta zona vea el noticiero de TV Azteca es de 0.3, que vea el noticiero de Televisa
es de 0.2 y de que vea a ambos es de 0.02.
Cul es la probabilidad de que una familia vea al menos uno de los dos noticieros?
Sea A el evento la familia ve el noticiero de TV Azteca Entonces P ( A ) = 0.3
Sea B el evento la familia ve el noticiero de Televisa Entonces P ( B ) = 0.2
y P ( A B ) = 0.02
Observemos primero que como la probabilidad de que vean ambos noticieros es positiva, los
eventos A y B NO son mutuamente excluyentes, por lo tanto se deben transmitir a diferente
horario.
P ( A U B ) = P ( A ) + P ( B ) P ( A B ) = P ( 0.3 ) + P ( 0.2 ) P ( 0.02 ) = 0.48
Otro problema para reflexionar y confirmar aprendizaje
Queremos determinar al utilizar una baraja de pker Cul es la probabilidad de sacar UN AS
o UN TREBOL de dicha baraja?
Sea A el evento sacar UN AS y como en la baraja hay 4 ases en 52 cartas P ( A ) = 4/52
Sea B el evento sacar UN TREBOL y en la baraja hay 13 trboles en 52 cartas P (B) = 13/52
La probabilidad de obtener UN AS y UN TREBOL al mismo tiempo es de 1/ 52 Por lo
tanto
P ( A U B ) = P ( A ) + P ( B ) P ( A B ) = P (4/52) + P ( 13/52) P ( 1/52) = 16/52 =
0.3077
Pero Por qu debemos restar la probabilidad de obtener un as y un trbol
a la vez?
Porque hemos contado el as de trbol dos veces. Sin restarlo, pensaramos de
manera errnea que existen 17 eventos favorables en vez de 16.
99
Realiza las siguientes ACTIVIDADES DE APRENDIZAJE:
1) Una alumna del CBTa.- Xalisco estima que durante una fiesta la probabilidad de que se le
declare JOSE es de 0.7, la probabilidad de que se le declare ENRIQUE es de 0.4 y la
probabilidad de que se le declaren ambos es de 0.2. Cul es la probabilidad de que se le
declare alguno de los dos durante la fiesta?
2) Si extraes de una baraja de pker ordinaria, una sola carta Cul es la probabilidad de de
que sea:
Una reina o un corazn?
Un 3 o una carta negra?
Regla del producto ( ley multiplicativa de la probabilidad)
La probabilidad de que ocurran SIMULTNEAMENTE DOS SUCESOS A y B, se obtiene con
el producto de sus probabilidades. Esto es, mientras que la regla de la suma proporciona la
probabilidad de que ocurra CUALQUIERA DE varios sucesos, la regla del producto analiza la
ocurrencia CONJUNTA O SUCESIVA de varios eventos.
PROBABILIDAD PARA EVENTOS SUCESIVOS
100
Observa que la regla del producto analiza con frecuencia lo que ocurre en ms de un
lanzamiento o extraccin, mientras que la regla de la suma estudia slo un lanzamiento o
extraccin.
Al analizar la regla del producto, es til distinguir tres condiciones:
A) CUANDO LOS EVENTOS SON MUTUAMENTE EXCLUYENTES
B) CUANDO LOS EVENTOS SON INDEPENDIENTES
C) CUANDO LOS EVENTOS SON DEPENDIENTES.
Regla del producto: Eventos mutuamente excluyentes
Ya se ha indicado anteriormente (cuando estudiamos la regla de la suma) que cuando dos
sucesos son mutuamente excluyentes la probabilidad de A y B es el conjunto vaco, P ( A
B ) = otros autores la sealan como P ( A y B ) = , esto es, la ocurrencia de un evento
impide la ocurrencia del otro y la probabilidad de su ocurrencia CONJUNTA es nula o cero.
Regla del producto: Eventos Independientes
Dos eventos son independientes si la ocurrencia de un evento NO TIENE EFECTO sobre
la probabilidad de ocurrencia del otro.
El muestreo con reemplazo ilustra bien esta situacin. Por ejemplo, suponga que vamos a
extraer dos cartas, una a la vez, con reemplazo, de una baraja ordinaria. Denotamos por A a
la carta extrada primero y B a la carta obtenida en segundo lugar. Cuando A se reemplaza
antes de extraer a B, la aparicin de A en la primera extraccin no tiene efecto alguno sobre
la probabilidad de ocurrencia de B. Por lo tanto son eventos A y B son independientes. Bajo
esta condicin, la regla del producto se convierte en
P ( A B ) = P ( A ) P ( B ) . . . regla del producto para eventos independientes.
P ( A y B ) = P ( A ) P ( B )
Vamos a analizar dos problemas para emplear esta ecuacin. Suponga que vamos a obtener
al azar dos cartas, una a la vez, con reemplazo, de una baraja ordinaria. Cul es la
probabilidad de que ambas cartas seas Ases?
Como el problema nos pide DOS cartas; la primera que sea As y en la segunda extraccin
sea tambin otro As y adems con reemplazo, podemos utilizar la regla del producto P (A
B) = P ( A ) P ( B )
P ( A ) = (un as en la primera extraccin) P ( B ) = (un as en la segunda extraccin)
4 ases o eventos favorables de 52 barajas tambin 4 ases o eventos favorables de 52
barajas
P (A y B) = P ( 4/52 ) P ( 4/52 ) P (A y B) = ( 16/ 2704 ) = 0.0059
Otro para reflexionar y pensar. Se lanza un dado y se saca una canica de una bolsa; en la
bolsa hay 3 canicas, una roja, una azul y una verde. Cul es la probabilidad de que salga un
nmero primo y una canica azul?
101
Lee detenidamente el problema y contesta los eventos (lanzar un dado y sacar una canica)
son independientes? _____ porque?
__________________________________________________
Si el lanzar el dado es el evento A, Cuales son los eventos muestrales para A ?
A = { _____________} P ( A ) = ( 4/ 6 )
el evento B ser B = { sale una canica azul } P ( B ) = ( 1/3 )
P (A y B) = P ( 4/6 ) P ( 1/3 ) P (A y B) = ( 4/ 18 ) = 0.2222
Esto lo podemos comprobar contando de los resultados posibles, los que son favorables al
suceso A y B, as:
(A, 1) (A, 2) ( A, 3) (A, 4) (A, 5) ( A, 6)
(R, 1) (R, 2) ( R, 3) (R, 4) (R, 5) ( R, 6)
(V, 1) (V, 2) ( V, 3) (V, 4) (V, 5) ( V, 6)
P (A y B ) = 4 resultados favorables = 4 = 0. 2222
18 resultados posibles 18
La anterior regla del producto para eventos independientes, tambin se aplica en situaciones
con ms de dos eventos. En tales casos, la probabilidad de la ocurrencia conjunta de los
eventos es igual al producto de las probabilidades individuales de cada evento. En forma de
ecuacin es
P ( A y B y C Z ) = P ( A ) P ( B ) P ( C ) P ( Z )

Queremos obtener al azar 4 individuos de una poblacin de 110 habitantes, los cuales 50 son
varones y 60 mujeres. El muestreo es un individuo a la vez, con reemplazo. Cules la
probabilidad de obtener 3 mujeres y 1 hombre, en ese mismo orden?
Como el problema pide una mujer en la primera, segunda y tercera extraccin y un hombre en
la cuarta y como el muestreo es con reemplazo, aplicamos la ley del producto para ms de
dos eventos independientes.
A = representa una mujer en la 1ra extraccin B = una mujer en la 2da. Extraccin
C = una mujer en la tercera extraccin D = un hombre en la cuarta extraccin
P ( A y B y C y D ) = P (60/ 110) P (60/110) P (60/110) P (50/110) = 1080/ 14,641 = 0.0738
Regla del producto: Eventos dependientes
Dos eventos son dependientes si la ocurrencia de un evento, AFECTA la probabilidad de
ocurrencia del otro.
Cuando A y B son dependientes, la probabilidad de que ocurra B se ve afectada por la
ocurrencia de A. En este caso se utiliza la regla
P ( A B ) = P ( A ) P ( B | A ) . . . Regla del producto para eventos dependientes
P ( A y B ) = P ( A ) P ( B | A )
102
En esta nueva regla nos dice que la probabilidad de ocurrencia de A y B es igual a la
probabilidad de ocurrencia de A por la probabilidad de que B ocurra, dado que A ha
ocurrido.
El muestreo sin reemplazo ilustra bien esta situacin de los eventos dependientes.
Primer problema para pensar
Suponemos que vamos a extraer DOS cartas, una a la vez, sin reemplazo (sin volver a meter
la primera), de una baraja ordinaria Cul es la probabilidad de que ambas cartas sean ases?
Como va a ser sin reemplazo la ocurrencia de A realmente afecta la probabilidad de B por lo
tanto son eventos dependientes y usaremos la regla
P ( A y B ) = P ( A ) P ( B | A )
P (A) = (un as en la primera extraccin) = P ( 4/ 52)
P (B | A) = ( un as en la segunda extraccin) = P ( 3/51 ) observa que aqu se trata de
obtener un as en la 2da. extraccin dado un as en la 1ra extraccin.
P ( A y B ) = P ( 4/52 ) P ( 3/51 ) = 12/ 2652 = 0.0045
Otro problema para aprender Queremos obtener DOS frutas, una a la vez, de una bolsa de
frutas que contienen 4 manzanas, 6 naranjas y 5 duraznos, sin reemplazo Cul es la
probabilidad de obtener una naranja y una manzana, en ese mismo orden?
P ( A ) = Obtener una naranja en la 1ra extraccin
Eventos favorables a A = 6 naranjas de 15 posibles (frutas)
P ( B | A ) = Obtener una manzana en la 2da extraccin
Si es sin reemplazo: Eventos favorables a B = 4 manzanas de 14 posibles (ya que afect la
1ra)
Por lo tanto
P ( A y B ) = P ( A ) P ( B | A ) = P ( 6/15) P ( 4/14 ) = 24/ 210 = 0.1143
Un ltimo problema para reafirmar y despus realices tus actividades de aprendizaje:
De un grupo del CBTa Xalisco turno vespertino, se van a elegir por sorteo a 3 alumnos que
se hagan cargo de una ceremonia escolar del da del maestro; en el grupo hay 24 hombres
y 12 mujeres. Cul es la probabilidad de que el grupo de representantes est conformado de
las maneras siguientes; sean Tres hombres y sean dos hombres y una mujer
P ( A ) = Sean Tres hombres
P ( B ) = Sean dos hombres y una mujer
Aqu
est la
clave
103
PARA QUE SEAN TRES HOMBRES
Para calcular P (A) es necesario que se den los sucesos siguientes:
A
1
, el primer alumno seleccionado sea hombre - - - - - - - P ( A
1
) = 24/ 36
A
2
; el segundo seleccionado sea hombre - - - - - - P ( A
2
) = 23/ 35
Observa que la ocurrencia de A, AFECTA la probabilidad de que ocurra A
2
puesto que tanto
el nmero de hombres como el nmero de alumnos cambia ( han disminuido) para el evento
A
2
.
A
3
; el tercer alumno seleccionado sea hombre - - - - - P ( A
3
) = 22/34
Entonces P ( A ) = P ( A
1
) P ( A
2
) P ( A
3
) = (24/ 36) (23/ 35) (22/34 ) = 12144/ 42840 =
0.2834
= 28.34 %
PARA QUE SEAN DOS HOMBRES Y UNA MUJER
Para calcular P ( B ) se deben cumplir los sucesos siguientes:
B
1
= Sale el primer hombre -- - - - - - P ( B
1
) = 24/36
B
2
= Sale el segundo hombre- - - - - - P ( B
2
) = 23/35
B
3
= Sale la tercera mujer- - - - - - - P ( B
3
) = 12/34
Entonces P ( B ) = P (B
1
) P (B
2
) P (B
3
) = (24/ 36) (23/ 35) (12/34 ) = 6624/ 42840 = 0.1546
= 15.46 %
Observa que el orden en que salgan los dos hombres y la mujer no cambia el valor de la
probabilidad.
ACTIVIDADES DE APRENDIZAJE
1) Determina si los siguientes eventos son Independientes o dependientes. Explica tus
respuestas
a) Se toma una carta de una baraja de pker bien revuelta y sin regresar esta carta se toma
una segunda carta:
___________________________________________________________________________
_
104
b) Si A es el evento que el automovilista maneja en estado de ebriedad y B es el evento el
automovilista tuvo un accidente.
___________________________________________________________________________
_
c) Si A es el evento que una moneda caiga guila en un primer volado y B es el evento que la
moneda caiga guila en el segundo volado.
___________________________________________________________________________
d) Se toma una carta de una baraja bien revuelta. Se regresa la carta y despus de revolver
la baraja se toma una segunda carta.
___________________________________________________________________________
e) El evento A es una luna llena y el evento B es comer una hamburguesa.
___________________________________________________________________________
2) Si se realiza un muestreo aleatorio, tomando un elemento a la vez, con reemplazo, de una
bolsa que contiene OCHO canicas azules, SIETE canicas rojas y CINCO canicas verdes.
Cul es la probabilidad de obtener:
a) Una canica azul en una extraccin de la bolsa?
b) Tres canicas azules en tres extracciones de la bolsa?
c) Una canica roja, una verde y una azul, en ese orden en tres extracciones de la bolsa.
3) En cierto grupo de la universidad, hay 15 estudiantes de msica, 24 de historia y 46 de
psicologa. Y se escoge a los alumnos al azar una persona a la vez, sin reemplazo Cual es
la probabilidad de
a) Dos estudiantes sean de historia?
b) Cuatro estudiantes sean de historia?
4) Si se lanzan dos monedas una sola vez. Cul es la probabilidad de que ambas caigan
con cara hacia arriba?
5) Dada una poblacin de 30 bats, 5 guantes de bisbol y 60 pelotas, si el muestreo es
aleatorio, uno a la vez, sin reemplazo. Cul es la probabilidad de obtener:
a) Un guante si se extrae un objeto de la poblacin
b) Un bat y una pelota si se extraen dos objetos de la poblacin
c) Un bat, un guante y un bat, en ese orden, si se extraen tres objetos de la poblacin?
105
6) Usted quiere llamar a una amiga por telfono. Slo recuerda los tres primeros dgitos de su
nmero telefnico y ha olvidado los ltimos cuatro. Cul es la probabilidad de que marque al
azar el nmero correcto?
7) Durante una comida de fin de ao se rifan dos televisores entre un grupo de empleados.
Los participantes en la rifa son cuatro hombres y ocho mujeres. Encuentra la probabilidad de
que los televisores los ganen
a) Dos hombres
b) Dos mujeres
c) Un hombre y una mujer.
8) Determina la probabilidad de obtener de una baraja de pker bien revuelta dos trboles
si..
a) Despus de sacar la primer carta se regresa y se vuelve a revolver.
b) Se saca la segunda carta sin regresar la primera.
TEOREMA DE BAYES
El teorema de Bayes, descubierto por Thomas Bayes, en la teora de la probabilidad, es el
resultado que da la distribucin de probabilidad condicional de una variable aleatoria A dada
B en trminos de la distribucin de probabilidad condicional de la variable B dada A y la
distribucin de probabilidad marginal de slo A.
106
Sea A1, A2, ...,An un conjunto de sucesos incompatibles cuya unin es el total y tales que la
probabilidad de cada uno de ellos es distinta de cero. Sea B un suceso cualquiera del que se
conocen las probabilidades condicionales P(B/Ai). entonces la probabilidad P(Ai/B) viene
dada por la expresin:
donde:
P(A
i
) son las probabilidades a priori.
P(B | A
i
) es la probabilidad de B en la hiptesis A
i
.
P(A
i
| B) son las probabilidades a posteriori.
Esto se cumple
El teorema de Bayes es vlido en todas las aplicaciones de la teora de la probabilidad. Sin
embargo, hay una controversia sobre el tipo de probabilidades que emplea. En esencia, los
seguidores de la estadstica tradicional slo admiten probabilidadades basadas en
experimentos repetibles y que tengan una confirmacin emprica mientras que los llamados
estadisticos bayesianos permiten probabilidades subjetivas. El teorema puede servir entonces
para indicar como debemos modificar nuestras probabilidades subjetivas cuando recibimos
informacin adicional de un experimento. La estadstica bayesiana est demostrando su
utilidad en ciertas estimaciones basadas en el conocimiento subjetivo a priori y permitir revisar
esas estimaciones en funcin de la evidencia es lo que est abriendo nuevas formas de hacer
conocimiento.
Como observacin, se tiene
N
i
i
B A P
1
1 ) / (
y su demostracin resulta evidente
GLOSARIO
ARREGLO DE DATOS. Organizacin de los datos brutos por observaciones en orden
ascendente o descendente.
CENSO. Medicin o examen de cada elemento de la poblacin.
107
CLASE. Intervalo en el cual se agrupan los datos en una tabla de distribucin de frecuencias.
CLASE DE LA MEDIANA. Clase de distribucin de frecuencias que contiene el valor medio
de
(MEDIANA DE CLASE) un conjunto de datos

COEFICIENTE DE VARIACIN. Medida de dispersin relativa de un conjunto de datos, se
calcula dividiendo la dispersin estndar entre la media y multiplicando el cociente por cien.
COMBINACIONES. Tcnica de conteo. Si el orden de cualquier conjunto de elementos no
importa, el nmero de ordenaciones o arreglos se determina por medio de:
COMPLEMENTO DEL EVENTO A. El evento que contiene todos los puntos maestrales que
no estn en A
CONJUNTO DE DATOS. Todos los datos reunidos en determinado estudio.
CUARTILES. Los percentiles 25%, 50% y 75% se llaman primer cuartil, segundo cuartil
(mediana) y tercer cuartil respectivamente. Se pueden usar los cuartiles para dividir al
conjunto de datos en cuatro partes, cada una de las cuales contiene aproximadamente el
25% de los datos.
DATOS. Los hechos y nmeros que se renen, analizan e interpretan
DATOS CUALITATIVOS. Datos que indican etiquetas o nombres de categoras, para
artculos semejantes.
DATOS CUANTITATIVOS. Datos que indican cunto o cuntos de algo. Los datos
cuantitativos siempre son numricos.
DECILES. Fractiles que dividen los datos en diez partes iguales.
DESVIACIN ESTANDAR. Medida de la dispersin de un conjunto de datos; se calcula
sacando la raz cuadrada positiva de la varianza.
DESVIACIN MEDIA. Tambin se llama Desviacin promedio o desviacin media absoluta.
Es
la media aritmtica de las desviaciones con respecto a la media aritmtica en trminos
absolutos.
DIAGRAMA DE ARBOL. Dispositivo grfico til para definir puntos maestrales de un
experimento donde se presentan varias etapas.
DIAGRAMA DE DISPERSIN. Mtodo grfico para mostrar la relacin entre dos variables
cuantitativas. Una variable se representa sobre el eje horizontal y la otra sobre el eje vertical.
DISPERSIN. Esparcimiento o variabilidad de un conjunto de datos.
)! ( !
!
r n r
n
C
r n
108
DISTRIBUCIN DE FRECUENCIAS. Representacin organizada de los datos que muestra el
nmero de observaciones del conjunto de datos que caen dentro de cada clase mutuamente
excluyentes.
ERROR DE MUESTREO. El que se presenta porque se usa una muestra y no toda la
poblacin, para estimar un parmetro de poblacin.
ESTADSTICA. Ciencia de la recopilacin, organizacin, anlisis e interpretacin de datos
numricos con objeto de tomar decisiones ms efectivas.
EVENTO. Uno o ms de los posibles resultados al hacer algo, o bien uno de los posibles
resultados que se producen al efectuar un experimento.
EVENTOS INDEPENDIENTES. Dos eventos son independientes si la ocurrencia de un
evento no tiene efecto sobre la probabilidad de ocurrencia del otro.
EVENTOS DEPENDIENTES. Dos eventos son dependientes si la ocurrencia de un evento si
tiene efecto sobre la probabilidad de ocurrencia del otro.
EXPERIMENTO. Cualquier proceso que genere resultados bien definidos, que se representan
por E
i
.
FRACTIL. En una distribucin de frecuencias, la localizacin de un valor en determinada
fraccin de los datos o arriba de ellos.
HISTOGRAMAS. Es la representacin grfica de una distribucin de frecuencia.
INFERENCIA ESTADSTICA. El proceso de reunir datos obtenidos de una muestra para
hacer estimaciones o probar hiptesis acerca de las caractersticas de una poblacin.
INTERVALO. Distancia existente entre el valor mximo y el ms bajo en un conjunto de
datos.
MEDIA ARITMTICA. Suma de los valores dividida entre el nmero total de ellos.
MEDIA GEOMTRICA. Medida de tendencia central que se usa para medir la tasa promedio
de cambio o crecimiento de alguna cantidad; se calcula tomando la ensima raz del producto
de n valores que representan el cambio.
MEDIA PONDERADA. Promedio que se calcula a fin de tener en cuenta la importancia de
cada valor para el total global; es decir, un promedio donde el valor de cada observacin se
pondera mediante algn ndice de su importancia.
MEDIDA DE TENDENCIA CENTRAL. Es el dato que queda al centro de un ordenamiento de
menor a mayor.
MEDIDA DE DISPERSIN. Aquella que describe cmo las observaciones estn esparcidas
en un conjunto de datos.
MEDIANA. Es el dato intermedio de un conjunto, ordenado de menor a mayor o viceversa.
a) Si el nmero de datos es impar, se toma el dato central.
109
b) Si el nmero de datos es par, la mediana est dada por el promedio de los datos
centrales.
MODA. Es el valor que tiene la mayor frecuencia de un grupo de datos.
METODOS NO PARAMTRICOS. Mtodos estadsticos que requieren muy poco o ningn
supuesto acerca de las distribuciones de probabilidad de la poblacin, y acerca del nivel de
medicin. Esos mtodos se pueden aplicar cuando se dispone de datos nominales u
ordinales.
MUESTRA. Porcin o subconjunto de la poblacin que se estudia.
MUESTRA ALEATORIA SIMPLE. Muestra tomada de tal manera que cada muestra de
tamao n tiene la misma probabilidad de ser seleccionada.
MUESTREO CON REEMPLAZO. Es un mtodo en el cual cada miembro de la poblacin
elegida para la muestra se regresa a la primera antes de elegir al siguiente miembro.
MUESTREO SIN REEMPLAZO. Es un mtodo en el cual los miembros de la muestra no se
regresan a la poblacin antes de elegir a los miembros siguientes.
MUTUAMENTE EXCLUYENTES. Dos eventos son mutuamente excluyentes si no pueden
ocurrir al mismo tiempo. Otra forma de decirlo es que dos eventos son mutuamente
excluyentes si la ocurrencia de uno impide la ocurrencia del otro.
OJIVA. Grfica de una distribucin de frecuencias acumulada.
PARMETRO. Una caracterstica numrica de una poblacin, como la media de poblacin (
), desviacin estndar poblacional ( ), proporcin poblacional ( p ), etc.
PERCENTILES. Fractiles que dividen los datos en 100 partes iguales.
PERMUTACIONES. Tcnica de conteo. Se utiliza para obtener el nmero de posibles
arreglos resultantes de un conjunto de elementos, considerando la importancia o jerarqua. El
nmero de arreglos posibles est determinado por:
POBLACIN. Conjunto de todos los elementos que estamos estudiando y acerca de los
cuales tratamos de sacar conclusiones.
POLIGONO DE FRECUENCIAS. Grfica lineal que une los puntos medios de cada clase en
un conjunto de datos; se grafica en la altura correspondiente a la frecuencia de cada clase.
PRINCIPIO DE MULTIPLICACIN. Tcnica de conteo. Es una de las frmulas que pueden
utilizarse para contar el nmero de posibles resultados de un experimento. Indica que si hay
m formas de hacer una cosa y n formas de hacer otra, existen (m) ( n ) formas de hacer
ambas.
PROBABILIDAD. Es el nmero de posibilidades que hay de que un fenmeno suceda o no
suceda.
)! (
!
r n
n
p
r n
110
PROMEDIO. Nmero que describe la centralizacin o tendencia central de los datos. Existe
un cierto nmero de promedios especializados, entre los que se incluye la media aritmtica, la
media ponderada, la mediana, la moda, y la media geomtrica.
RANGO. Medida de dispersin definida como el valor mximo menos el valor mnimo.
VARIABLE. Una caracterstica de inters de los elementos.
VARIANZA. Medida de dispersin para un conjunto de datos, en las desviaciones de los
valores de los datos respecto a la media, elevadas al cuadrado.
BIBLIOGRAFA CONSULTADA.
1. FREUND John E. y Gary A. Simn. Estadstica Elemental. Octava edicin. Mxico.
D.F. Editorial Prentice Hall. Traduccin Jos Julin Daz Daz. 1994. pp. 566
111
2. FUENLABRADA De la Vega Trucos Samuel. Probabilidad y Estadstica. Mxico. D.F.
Editorial MvGraw-Hill Interamericana. 2002. pp.255.
3. PAGANO, Roberto R. Estadstica para las ciencias del comportamiento. Quinta
edicin. Edit. Internacional Thomson Editores. Mxico. 1999. pp. 548
4. PASTOR Guillermo. Estadstica Bsica. Mxico D.F. Editorial Trillas. SEP-CONALEP.
1998. (reimp. 2003). Pp.198.
5. PREZ SEGU Mara Luisa. Combinatoria. Instituto de Matemticas, UNAM.
Cuadernos de olimpiadas. 2000.
6. REYNOSO Tirado Hctor Francisco. Lecturas seleccionadas de Estadstica Bsica.
Universidad Autnoma de Nayarit. Mxico. Facultad de Economa. Septiembre de
2001. pp129.
7. REYNOSO Tirado Hctor Francisco. Glosario de estadstica. Universidad Autnoma de
Nayarit. Mxico. Facultad de Economa. Abril del 2002. pp.75.
8. REYNOSO Tirado Hctor Francisco. Tcnicas de conteo y espacios maestrales sin
maestro. Universidad Autnoma de Nayarit. Mxico. Facultad de Economa. Verano de
2003. pp.89.
9. SEP-SEIT-DGETA. Antologa para el mdulo 4 Formacin Matemtica Bsica
Bachillerato Tecnolgico Agropecuario. Mxico. D.F. Sistema Abierto de Educacin
Tecnolgica Agropecuaria. SAETA. 1997. pp. 426.
10. SEP, CINVESTAB del IPN, Seccin de matemtica educativa probabilidad
( Programa Nacional de Formacin y Actualizacin de Profesores), Mxico 1990
11. VILENKIN. N. De cuantas formas? Combinatoria. Libro de la editorial MIR, Mosc,
1972. Impreso en el taller de publicaciones de Matemticas de la Facultad de Ciencias
UNAM. Vnculos matemticos No. 219. 1996.
BIBLIOGRAFA RECOMENDADA.
1. CNCAVOS, George, Probabilidad y estadstica, Ed. Mc. Graw Hill, Mxico 1998.
112
2. ALMAGRE, Guadalupe, Matemticas 3, Ed. Limusa, Mxico 1990.
3. Subsecretara de Educacin Bsica Telesecundarias, Conceptos bsicos de
matemticas I, Mxico 1993.
4. MORENO, G. Jos y Ortiz, G. Mariano, Matemticas primer curso, Ed. Mc Graw Hill,
Mxico 1994.
5. WILLOUGHBY, S. Stepten, Probabilidad y estadstica, Publicaciones Culturales,
Mxico 1991.
6. ADDISON WESLEY, Prealgebra.
7. GONZALEZ, H. Miguel, Estadstica metodologa. Escuela Normal Superior de Nayarit
(Departamento de Psicopedagoga), Mxico 1992.
8. COBACH/SONORA, Cuadernillo bsico de lectura de matemticas 4, Mxico 1995.
9. YAMANTE, Taro, Estadstica, Ed. Harla, Mxico 1990.
10. GOVINDEN y LINCOYAN, Curso prctico de estadstica Ed. Mc. Graw Hill, Mxico
1990.
ENCICLOPEDIAS DIGITALES
Microsoft Encarta 2006. 1993-2005 Microsoft Corporation. Reservados todos los
derechos.
http://es.wikipedia.org/wiki/Portada
113

Antología

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Antología

Hochgeladen von

Copyright:

Verfügbare Formate

Probabilidad y Estadstica

(Basado en la Reforma del Bachillerato Tecnolgico 2004)

Das könnte Ihnen auch gefallen