Estadisticadescriptiva

Material preparado por la profesora Rita Luna
ESTADISTICA DESCRIPTIVA.

a) a) CONCEPTO.

Qu es la estadstica descriptiva para !u "s sirve#
Cuando necesitamos analizar un proceso cualquiera, es necesario tomar una
muestra de datos del proceso en cuestin y a partir de los mismos obtener sus
caractersticas tales como la media, la mediana, la moda, la desviacin estndar, el
rango, etc, tambi!n es necesario saber el tipo de distribucin de probabilidad que
tiene, as como tambi!n es necesario visualizar de forma ob"etiva el comportamiento
de los datos al ser graficados de diversas formas, todo lo anterior es posible gracias a
la estadstica descriptiva
#$u! es una muestra% &s una parte de los datos del proceso que se desea analizar, la
cul debe de ser representativa del proceso en cuanto al n'mero de elementos que
contiene y en cuanto a lo que est ocurriendo en el proceso, esto 'ltimo se logra
tomando cada uno de los elementos de la muestra de forma aleatoria o totalmente al
azar( para determinar el n'mero de elementos idneo en la muestra se )ace uso de
la inferencia estadstica, por el momento no nos ocuparemos de ello debido a que
esto se ve con detalle en cursos ms avanzados de estadstica

b) *R+*+M,&-*. /+R+ 0+*.1 -. +2R3/+0.1

#+ qu! se refiere esto% Cuando la muestra que se )a tomado de la poblacin o
proceso que se desea analizar, es decir, tenemos menos de 45 elementos en la
muestra, entonces estos datos son analizados sin necesidad de formar clases con
ellos y a esto es a lo que se le llama tratamiento de datos no agrupados

b6 Medidas de tendencia central 1e les llama medidas de tendencia central a la
media aritm!tica, la mediana, la media geom!trica, la moda, etc debido a que al
observar la distribucin de los datos, estas tienden a estar localizadas
generalmente en su parte central + continuacin definiremos algunas medidas
de tendencia central y la forma de calcular su valor

6) 6) Media aritm!tica 78 ) *ambi!n se le conoce como promedio ya que es el
promedio de las lecturas o mediciones individuales que se tienen en la
muestra, se determina con la frmula siguiente9

n
x
x
n
i
i
1
donde9
8 : media aritm!tica
8
i
: dato i
n : n'mero de datos en la muestra
1

&"emplos9
1. 1e )an tomado como muestra las medidas de seis cables usados en un arn!s
para lavadora, las cuales son( 6;4 cm, 6;5, 6;6, 6;4, 6;6 y 6;5, determine
su media aritm!tica
1olucin9

cm .
. . . . . .
x 1 15
6
0 15 1 15 2 15 1 15 0 15 2 15
+ + + + +

4 1e toman varias muestras de cierto tipo de queso y se determina la
cantidad de protena por cada 655 gramos de queso, encontrndose lo
siguiente9 4<; gramos, 4=>, 4;?, ?5;, 46=, determine la cantidad promedio
de protena encontrada en la muestra por cada 655 gramos de queso que se
elabora

1olucin9

grs .
. . . . .
x
_
7 25
5
4 21 5 30 3 25 8 24 5 26
+ + + +

? ? 1e )acen varias lecturas de una muestra que contiene cobre, las
lecturas se )acen en un espectrofotmetro de absorcin atmica y son la
siguientes9 64?@, 644>, 644A, 64?, 644=, 6;56, determine la
concentracin promedio de Cu en la muestra

1olucin9

Cu % .
. . . . . . .
x
_
73 12
6
4 76
6
01 15 24 12 3 12 27 12 28 12 3 12

+ + + + +

1i observamos las lecturas del espectrofotmetro nos damos cuenta que el
valor de 6;56@ es un valor diferente al de las lecturas anteriores, por lo que
se descarta el valor ya que se considera un valor atpico, es decir un valor que
es debido a circunstancias especiales, en este caso puede ser que se deba al
)ec)o de que se est descalibrando el aparato de absorcin atmica o
simplemente que se )a equivocado el operador del aparato al tomar la
lectura, por lo que la media se debe calcular con las primeras cinco lecturas(
como se muestra a continuacin9

1olucin9
2
Cu % .
. . . . . .
x
_
278 12
5
39 61
5
24 12 3 12 27 12 28 12 3 12

+ + + +
y esta sera la
media correcta
= 1i deseamos determinar la edad promedio de los estudiantes de una
escuela de nivel superior al iniciar sus estudios, suponga que se toman las
edades de algunos de los alumnos de cierta clase y estas son las que siguen9
45, 6>, 6>, 6B, 6>, 6B, ?;, 45, 6>, 6>, 6B

1olucin9

Luego, la media se determinar con solo 65 de las edades ya que es
necesario descartar la edad de ?; aCos, que es un dato atpico o un caso
especial, por lo que(
aos . x
_
7 18
10
187
10
19 18 18 20 19 18 19 18 18 20

+ + + + + + + + +

-ota9 Cuando es necesario determinar aquellas medidas de tendencia central que
)agan uso de todos los datos de la muestra se recomienda descartar todos aquellos
datos atpicos que se encuentren en la muestra o muestras tomadas

4) 4) Media geom!trica 72) &s la raz en en!sima del producto de los valores
de los elementos de la muestra, es usada cuando los valores de los datos de
la muestra no son lineales, es decir que su valor depende de varios factores a
la vez, se determina de la siguiente forma9

n
n
x * ... * x * x G
2 1

0onde9
2 : media geom!trica
8
i
: dato i

&"emplos9
1. 1. Las siguientes temperaturas )an sido tomadas de un proceso qumico,
6?=
o
C, 64>, 66B, 6?<, determine la temperatura promedio de este proceso
3

1olucin9

2 :
4 4
7968 27758 6 13 9 11 8 12 4 13 . . x . x . x .
: 64B5AA
o
C

2. 2. Las siguientes temperaturas )an sido tomadas de un proceso para
fabricar queso c)i)ua)ua, 46=
o
C, 4?6, 454, 6BA, 465, determine la
temperatura promedio de este proceso

1olucin9

2 :
5 5
852 4131070 0 21 7 19 2 20 1 23 4 21 . . x . x . x . x .
: 465=>
o
C

?) Media aritm!tica ponderada 7 8
D
) &sta media se usa cuando el peso que
tiene cada uno de los datos de la muestra es diferente, se calcula de la siguiente
manera9

k
i
i
k
i
i i
w
x w
w
x
1
1

donde9
8
D
: media aritm!tica ponderada
8
i
: dato i
D
i :
peso del dato i

&"emplo9
+ continuacin se mencionan las materias que Luis /!rez llev en el primer
semestre de ,ngeniera $umica, el n'mero de cr!ditos y la calificacin obtenida(

MATERIA NUMERO CREDITOS CALIFICACIN
Metodoo!"# de # $%&e't$!#($)% 8 90.5
M#te*+t$(#' I 10 100.0
,-o!-#*#($)% 8 81.0
./"*$(# 10 78.0
D$0/1o 4 100.0
E(o%o*"# 8 84.0
0etermine la calificacin promedio que obtuvo Luis /!rez en su primer
semestre
4

1olucin9

8 4 10 8 10 8
0 84 8 100 4 0 78 10 0 81 8 0 100 10 5 90 8
+ + + + +
+ + + + +
) . x ( ) x ( ) . x ( ) . x ( ) . x ( ) . x (
X
w
:

0 88
48
4224
48
672 400 780 648 1000 724
.
+ + + + +

-ota9 1 comparamos este promedio con el que se obtiene usando simplemente la
media aritm!tica, que es un >>B6, nos damos cuenta de que este 'ltimo es
mayor, por no tomar en cuenta el peso o n'mero de cr!ditos que aporta cada
materia a la carrera que se estudia, el promedio de esta persona es menor al de
la media aritm!tica debido a que obtiene una calificacin ba"a es $umica que es
una de las materias que aporta ms cr!ditos

=) =) Media armnica 7E) La media armnica se define como el recproco del
promedio de los recprocos de cada uno de los datos que se tienen en la
muestra, y
se determina de la siguiente manera9

n
i
n
i
xi /
n
xi / n /
H
1 1
1 1 1
1
&"emplo9 0etermine la media armnica de los siguientes datos, ?6, 4>, 4>=, ?5;,
?5B

1olucin9

+ + + +
09 3 1 05 3 1 84 2 1 8 2 1 1 3 1
5
. / . / . / . / . /
H

9703 2
6833 1
5
3236 0 3279 0 3521 0 3571 0 3226 0
5
.
. . . . . .

+ + + +

;) ;) Mediana 78
med
) La mediana es aquel valor que se encuentra en la parte
central de los datos que se tienen en la muestra una vez que estos )an sido
ordenados seg'n su valor o magnitud /ara calcular la mediana se presentan
dos casos9

5
a a Cuando el n'mero de datos en la muestra es imparF &n este caso
despu!s de ordenar los datos de la muestra en cuanto a su magnitud,
es decir de mayor a menor valor o de menor a mayor valor, se
procede a localizar aquel dato que se encuentra "usto en el centro de
los datos o en la parte central de los mismos, el valor de este dato ser
el que d! valor a la mediana

&"emplo9
Los siguientes datos son las mediciones obtenidas de un circuito utilizado en un
arn!s de lavadora( se toman como muestra siete circuitos y sus mediciones son9
66?, 664, 66;, 664, 664, 66=, 66; cm

1olucin9
.rdenando los datos de menor a mayor valor(
664, 664, 664, 66?, 66=, 66;, 66;

1e observa que el dato 66? es el que queda en la parte central, por lo
que este es el que dar valor a la mediana( entonces,

8
med
: 66? cm

b b Cuando el n'mero de datos en la muestra es parF &n este caso
despu!s de ordenar los datos en cuanto a su magnitud, observamos
que en la parte central de los datos no se encuentra dato alguno, en
este caso, la mediana tomar el valor del promedio de dos datos( el
que se encuentra antes de la parte central y el que se encuentra
despu!s de la parte central

&"emplo9
Los siguientes datos son las mediciones obtenidas de un circuito utilizado en un
arn!s de lavadora( se toman como muestra oc)o circuitos y sus mediciones son9
66?, 664, 66;, 664, 664, 66=, 66;, 66= cm

1olucin9

6
.rdenando los datos de mayor a menor valor,

66;, 66=, 66=, 66?, 664, 664, 664, 66,6 cm

1e observa que en la parte central de los datos no )ay dato alguno por lo que la
mediana se determina con el promedio de los datos subrayados, entonces,

cm .
. .
Xmed 25 11
2
2 11 3 11

-ota9 &s imprescindible para calcular el valor de la mediana el que primero se
ordenen los datos en cuanto a su magnitud, ya que de no )acerlo, se incurrira en
un grave error

52 52 Moda 78
mod
) La moda se define como aquel valor o valores que ms se
repiten o que tienen mayor frecuencia entre los datos que se )an obtenido en
una muestra, la muestra de una poblacin nos genera la distribucin de los
datos una vez que estos se )an graficado y en esta grfica es posible observar
la moda o modas de la misma, es por esto que una distribucin de datos
puede ser amodal 7carece de moda), unimodal 7tiene una sola moda), bimodal
7tiene dos modas) o polimodal 7tiene ms de dos modas)

&"emplos9
7
1. 1. 0etermine la moda de los datos que se muestran a
continuacin, se refieren a la estatura de un grupo de
"venes( 6<5m, 6<;, 6A5, 6A6, 6A5, 6A5, 6A5, 6A6, 6A5,
6B?, 6>A, 6>;

1olucin9

E't#t/-# F-e(/e%($#
1.60 1
1.65 1
1.70 53
1.71 2
1.85 1
1.87 1
1.93 1

La tabla muestra la distribucin de frecuencias de los datos o el
n'mero de veces que estos se repiten, la mayor frecuencia que es ;
corresponde a una estatura de 6A5m, por lo que esta sera la moda

Luego, 8
mod
: 6A5m

4 4 0etermine la moda de los siguientes datos que se refieren
a la edad de alumnos de primer semestre del tecnolgico de
C)i)ua)ua, 6> aCos, 6A, 6B, 46, 6B, 6>, 44, 44, 6>, 6>, 6A, 6B,
6B, 6B, 6>, 45, 46, 45, 6>, 6B, 6>, 6B, 6>,6B, 44, ?;

1olucin9

Ed#d F-e(/e%($#
17 2
18 73
19 83
20 2
21 2
8
22 3
35 1

&n este caso se observa que las edades que ms frecuencia tienen son las
de 6> y 6B aCos, por lo que se concluye que e8isten dos modas,

G
mod6
: 6> aCos , G
mod4
: 6BaCos

Eay que )acer notar que la frecuencia para ambas modas puede ser de
igual magnitud o diferente, como en el caso que se ilustra

b4 Medidas de 0ispersin Cuando se tiene una muestra de datos
obtenida de una poblacin cualquiera, es importante determinar sus
medidas de tendencia central as como tambi!n es bsico el determinar
que tan dispersos estn los datos en la muestra, por lo que se )ace
necesario determinar su rango, la varianza, la desviacin estndar, etc,
ya que una e8cesiva variabilidad o dispersin en los datos indica la
inestabilidad del proceso en anlisis en la mayora de los casos

6) 6) Rango o recorrido &l rango es la diferencia entre el valor mayor
y el valor menor encontrados en la muestra, tambi!n se le denomina
recorrido ya que nos dice entre que valores )ace su recorrido la
variable de inter!s( y se determina de la siguiente manera9

R : H
M
I Hm
0onde9

R : rango o recorrido
H
M
: valor mayor en la muestra
H
m
: valor menor en la muestra

&"emplo9
6 1e )an tomado como muestras las mediciones de la resistencia a la tensin de la soldadura usada para unir dos cables,
estas son9 A>;Jg, >4=, >A?, A>5, B55, ><;, AAB, B4=, A;B, determine su rango o recorrido

1olucin9

HM : B4= Jg
Hm : A;B Jg
R : HM I Hm : B4= I A;B : 6<; Jg

4 1e toman las mediciones de la cantidad de grasa de la lec)e en gramos por cada 655 ml de lec)e que entra a un proceso
de pasteurizacin, a continuacin se enumeran( 6=>;, 6;?4, 64A<, 6<4B, 6;>=, 6A?, 6A<6, 6<??, determine el rango o
recorrido de la cantidad de grasa de la lec)e

9
1olucin9

HM : 6A<6
Hm : 64A<

R : 6A<6 I 64A< : =>;gramos

22 22 0esviacin absoluta media 7
_
d
) &sta medida de dispersin nos representa la diferencia absoluta
promedio que e8iste entre cada dato que se encuentra en la muestra y la media de los datos y se
determina de la siguiente manera9

n
x xi
d
n
i
_
_

1

0onde9
8i : dato i
_
x
: media aritm!tica de la muestra

&"emplo9
6 0etermine la desviacin absoluta media de los siguientes datos que son las concentraciones de plomo de algunas
muestras, las que a continuacin se enumeran9 6>gr, 64, 46, 6B, 6<, 45, 44

1olucin9

/ara determinar la desviacin absoluta media o promedio, lo primero que )ay que )acer es calcular la media aritm!tica
de los datos de la muestra, la que es 64>KA :6>4><, luego se procede a calcular el promedio de las diferencias absolutas
entre cada dato y la media calculada

7
286 18 22 286 18 20 286 18 12 286 18 18 . . ..... . .
d
_

gr .
. . . . . . . .
d
_
5305 2
7
714 17
7
714 3 714 1 286 2 714 0 714 2 286 6 286 0

+ + + + + +

La interpretacin de este resultado sera que el grado de ale"amiento absoluto promedio de los datos con respecto a su
media es de 4;?5; gramos
10

#/or qu! sacar el valor absoluto de las diferencias entre cada dato y la media aritm!tica% 1i solo se )icieran diferencias
entre cada dato y la media aritm!tica, estas tendran signos positivos y negativos ya que algunos datos son menores que la
media y otros son mayores que la media, luego al sumar las diferencias, con sus signos correspondientes, !stas se iran
anulando unas con otras y no sera posible medir leal grado de ale"amiento promedio de los datos en la muestra

32 32 Harianza o variancia 7s
4
) &s el promedio de las diferencias elevadas al cuadrado entre cada valor
que se tiene en la muestra 78i) y la media aritm!tica 7
_
x
) de los datos y se determina de la siguiente
manera9

1
1
2
2
,
_
n
x xi
S
n
i
_

0onde n es el n'mero de datos en la muestra

&"emplo9
Los siguientes datos es la cantidad de glucosa en miligramos encontrada en muestras de sangre de algunos pacientes,
6=4, 646, 6;<, 6>6, 6=?, determine su varianza

1olucin9
Lo primero que )ay que calcular es la media aritm!tica de la muestra como ya se )a )ec)o anteriormente

mg .
. . . . . .
x 86 14
5
3 74
5
3 14 1 18 6 15 1 12 2 14

+ + + +
+ + +
1 5
86 14 3 14 86 14 1 12 86 14 2 14
2 2 2
2
) . . ( .... ) . . ( ) . . (
s

2
2
853 4
4
412 19
4
3136 0 4976 10 5476 0 6176 7 4356 0
mg .
. . . . . .
s
+ + + +
-ota9
0entro de la inferencia estadstica se plantea la deferencia entre una variancia muestral s
4
y una poblacional,
representada por
4

42 =) 0esviacin estndar 7s) &s la desviacin o diferencia promedio que e8iste entre cada dato de la
muestra y la media aritm!tica de la muestra L se obtiene a partir de la varianza, sacndole raz
cuadrada
11

2
s s

donde9
s
4
: varianza o variancia

/or tanto la desviacin estndar de la muestra anterior sera(

s :
mg . mg . 2029 2 853 4
2

La interpretacin de este resultado sera, que la cantidad de glucosa encontrada en la muestra es en promedio
de 6=>< miligramos y que la cantidad de glucosa en la muestra se ale"a o dispersa en promedio 6BA5= mg
alrededor de la media

&n este caso solo nos interesa conocer el significado de la desviacin estndar, aunque es necesario decir que s
es la desviacin de la muestra y que es la desviacin de la poblacin, as como s
4
es la varianza de la muestra
y
4
es la varianza de la poblacin

C) *R+*+M,&-*. /+R+ 0+*.1 +2R3/+0.1

Cuando la muestra consta de ?5 o ms datos, lo aconse"able es agrupar los datos
en clases y a partir de estas determinar las caractersticas de la muestra y por
consiguiente las de la poblacin de donde fue tomada
+ntes de pasar a definir cul es la manera de determinar las caractersticas de
inter!s 7media, mediana, moda, etc) cuando se )an agrupado en clases los datos
de la muestra, es necesario que sepamos como se agrupan los datos

/asos para agrupar datos
#. 0eterminar el rango o recorrido de los datos

Rango : Halor mayor I Halor menor

0. &stablecer el n'mero de clases 7J)en que se van a agrupar los datos tomando
como base para esto la siguiente tabla

T#*#4o de */e't-# o No. De d#to' N5*e-o de (#'e'
Me%o' de 50 5 # 7
50 # 99 6 # 10
100 # 250 7 # 12
250 e% #de#%te 10 # 20

12
&l uso de esta tabla es uno de los criterios que se puede tomar en cuenta para
establecer el n'mero de clases en las que se van a agrupar los datos, e8isten otros
para )acerlo

(. 0eterminar la amplitud de clase para agrupar 7C)

k
Rango
C

d d Mormar clases y agrupar datos
/ara formar la primera clase, se pone como lmite inferior de la primera clase
un valor un poco menor que el dato menor encontrado en la muestra y
posteriormente se suma a este valor C, obteniendo de esta manera el lmite
superior de la primera clase, luego se procede a obtener los lmites de la clase
siguiente y as sucesivamente

&"emplo9
Los siguientes datos se refieren al dimetro en pulgadas de un engrane

6.75 7.00 7.00 6.75 6.50 6.50 7.15 7.00
6.50 6.50 6.50 6.25 6.25 6.50 6.65 7.00
7.25 6.70 6.00 6.75 6.00 6.75 6.75 7.10
7.00 6.70 6.50 6.75 6.25 6.65 6.75 7.10
7.25 6.75 6.25 6.25 7.00 6.75 7.00 7.15

a) +grupe datos, considere J:<
b) .btenga9 Eistograma, polgono de frecuencias, o"iva y distribucin de
probabilidad
c) c) .btenga9 media, mediana, moda y desviacin estndar
1olucin9
a) a) +grupando datos(

6 R: HM F Hm : A4; I <55 : 64;
4 J : <
?
21 0 2083 0
6
25 1
. .
.
k
R
C

=Mormando clases

/ara formar la primera clase se toma un valor un poco menor que el valor menor
encontrado en la muestra( luego,

LI LS F-e(/e%($# M#-(# de L"*$te -e# L"*$te -e# F-e(/e%($# F-e(/e%($#
13
(#'e $%6e-$o- '/7e-$o- -e#t$&# Re#t$&#
#(/*/#d#
5.97 8 6.18 2 6.075 5.965 6.185 2940 : 0.05 0.05
6.19 8 6.40 5 6.295 6.185 6.405 5940:0.125 0.175
6.41 8 6.62 7 6.515 6.405 6.625 0.175 0.350
6.63 8 6.84 13 6.735 6.625 6.845 0.325 0.675
6.85 8 7.06 7 6.955 6.845 7.065 0.175 0.850
7.07 8 7.28 6 7.175 7.065 7.285 0.15 1.000
Tot# 40 1.000

b) b) 2rficas9

$ISTO%RA&A
2
5
7
13
7
6
-4
1
6
11
16
'I&ITES REA'ES
(
R
E
C
)
E
N
C
I
A
5.965 - 6.185
6.185 - 6.405
6.405 - 6.625
6.625 - 6.845
6.845 - 7.065
7.065 - 7.285

PO'I%ONO DE (REC)ENCIA
0
2
4
6
8
10
12
14
16
5.635 5.855 6.075 6.295 6.515 6.735 6.955 7.175 7.395 7.615
&ARCA DE C'ASE
(
R
E
C
)
E
N
C
I
A
14

O*IVA +&ENOR Q)E+ O CRECIENTE
0
0.05
0.175
0.35
0.675
0.85
1
0
0.2
0.4
0.6
0.8
1
5.965 6.185 6.405 6.625 6.845 7.065 7.285
'I&ITES REA'ES
(
R
E
C
)
E
N
C
I
A

R
E
'
A
T
I
V
A

A
C
)
&
)
'
A
D
A
DISTRI,)CION DE PRO,A,I'IDAD
0.05
0.125
0.175
0.325
0.175
0.15
0
0.1
0.2
0.3
0.4
'I&ITES REA'ES
P
R
O
,
A
,
I
'
I
D
A
D
5.965 - 6.185
6.185 - 6.405
6.405 - 6.625
6.625 - 6.845
6.845 - 7.065
7.065 - 7.285
b) a) Media 7
_
x
)

+ + +
+ + +

40
05 43 475 31 15 12
40
6 175 7 5 295 6 2 075 6
1
. ... . . ) )( . ( ... ) )( . ( ) )( . (
n
f * x
x
k
i
i i
:
adas lg u .
.
713 6
40
52 268

0onde9
J : n'mero de clases
8
i
: marca de clase i
f
i
: frecuencia de la clase i
15
n :
k
i
i
f
1
n'mero de datos en la muestra

c) b) Mediana 7G
med
)

!
fme
"me / n
#i Xmed
1
]
1

+
1 2
7265 6 22 0
13
14 2 40
625 6 . ) . (
/
.
1
]
1

+

0onde9
Li : lmite real inferior de la clase que contiene a la mediana
M
meF6
: sumatoria de las frecuencias anteriores a la clase en donde se encuentra la
mediana
f
me
: frecuencia de la clase en donde se encuentra la mediana
+ : amplitud real de la clase en donde se encuentra la mediana
+ : LR1FLR,
LR1 : lmite real superior de la clase que contiene a la mediana
LR, : lmite real inferior de la clase que contiene a la mediana
- : n'mero de datos en la muestra

f) Moda 7G
mod
)

!
d d
d
#i mod X
1
]
1
+
+
2 1
1
adas lg u . ) . ( . 735 6 22 0
6 6
6
625 6
1
]
1
+
+

0onde9
Li : lmite real inferior de la clase que contiene a la moda
d
6
:
1 fmo fmo
:
6 7 13
d
4
:
1 + fmo fmo
:
6 7 13
fmo : frecuencia de la clase que contiene a la moda
fmoF6: frecuencia de la clase anterior a la que contiene a la moda
fmoN6: frecuencia de la clase posterior a la que contiene a la moda
+ : amplitud real de la clase que contiene a la moda
+ : LR1 I LR,
LR1 : lmite real superior de la clase que contiene a la moda
LR, : lmite real inferior de la clase que contiene a la moda

g) 0esviacin estndar 71)

16

1
1
1
2
1
1
2
n
fi ) x xi (
fi
fi ) x xi (
s
k
i
_
k
i
k
i
_

+ + +
1 40
6 713 6 175 7 5 713 6 295 6 2 713 6 075 6
2 2 2
) ( ) . . ( ... ) ( ) . . ( ) ( ) . . (
:
adas lg u .
. . ... . .
3063 0
39
65904 3
39
280664 1 87362 0 814088 0

+ + +

0onde9
8
i
: marca de clase i
_
x
: media aritm!tica
f
i
: frecuencia de la clase i

k
i
n fi
1
: n'mero total de datos en la muestra

0) 0,1*R,O3C,.-&1 0& /R.O+O,L,0+0

*oda distribucin de probabilidad es generada por una variable aleatoria 8, la
que puede ser de dos tipos9
6 6 Hariable aleatoria discreta 78) 1e le denomina variable
porque puede tomar diferentes valores, aleatoria, porque el
valor tomado es totalmente al azar y discreta porque solo
puede tomar valores enteros y un n'mero finito de ellos

&"emplos9
8 Hariable que nos define el n'mero de burbu"as por envase de vidrio que
son generadas en un proceso dado
85, 6, 4, ?, =, ;, etc, etc burbu"as por envase
8Hariable que nos define el n'mero de productos defectuosos en un lote de
4; productos
85, 6, 4, ?,,4; productos defectuosos en el lote

8Hariable que nos define el n'mero de alumnos aprobados en la materia
de probabilidad en un grupo de =5 alumnos
85, 6, 4, ?, =, ;,,=5 alumnos aprobados en probabilidad

Con los e"emplos anteriores nos damos cuenta claramente que los valores de
la variable 8 siempre sern enteros, nunca fraccionarios
17

4 4 Hariable aleatoria continua 78) 1e le denomina variable
porque puede tomar diferentes valores, aleatoria, porque los
valores que toma son totalmente al azar y continua porque
puede tomar tanto valores enteros como fraccionarios y un
n'mero infinito de ellos

&"emplos9

8Hariable que nos define el dimetro de un engrane en pulgadas
8;5P, =BB, =B>, ;5, ;56, ;5, =B<

8Hariable que nos define la longitud de un cable o circuito utilizado en un arn!s
de auto
845; cm, 456, 455, 6B>, 45,<, 455, 455

8Hariable que nos define la concentracin en gramos de plata de algunas
muestras de mineral
86=>gramos, 645, 655, =4?, 6;5, 6>=, 6B5, 465, 45>

Como se observa en los e"emplos anteriores, una variable continua puede tomar
cualquier valor, entero o fraccionario, una forma de distinguir cuando se trata de
una variable continua es que esta variable nos permite medirla o evaluarla,
mientras que una variable discreta no es medible, es una variable de tipo atributo,
cuando se inspecciona un producto este puede ser defectuoso o no, blanco o negro,
cumple con las especificaciones o no cumple, etc, etc

Las variables descritas anteriormente nos generan una distribucin de
probabilidad, las que pueden ser

6) 6) 0istribucin de probabilidad discreta
4) 4) 0istribucin de probabilidad continua

Las caractersticas de cada una de las distribuciones anteriores se mencionarn
a continuacin9

0,1*R,O3C,Q- 0& /R.O+O,L,0+0 0,1CR&*+
Caractersticas9
1. &s generada por una variable discreta 78)

8Hariable que solo toma valores enteros
85, 6, 4, ?, =, ;, <, A, >, etc,etc

18
4 p78i)5 Las probabilidades asociadas a cada uno de los valores que toma 8
deben ser mayores o iguales a cero

?p78i) : 6 La sumatoria de las probabilidades asociadas a cada uno de los
valores que toma 8 debe ser igual a 6

0,1*R,O3C,Q- 0& /R.O+O,L,0+0 C.-*,-3+
Caractersticas9
1. &s generada por una variable continua 78)

8 &s una variable que puede tomar tanto valores enteros como fraccionarios

8 65, ?A, =5, =<, AB, >5, >?, 66;, ,

2. f78)5 Las probabilidades asociadas a cada uno de los valores que toma 8
deben ser mayores o iguales a cero 0ic)o de otra forma, la funcin de
densidad de probabilidad deber tomar solo valores mayores o iguales a
cero La funcin de densidad de probabilidad slo puede estar definida en los
cuadrantes , y ,,

?

1 dx ) x ( f
La sumatoria de las probabilidades asociadas a cada uno de los
valores que toma 8 debe ser igual a 6 &l rea definida ba"o la funcin de
densidad de probabilidad deber ser de 6

CALCULO DE MEDIA ; DES<IACIN ESTANDAR ,ARA UNA
DISTRI=UCIN DISCRETA

1. 1. Media o valor esperado de 8F /ara determinar la media de la
distribucin discreta se utiliza la siguiente frmula9

) xi ( * xi ) x ( $

0onde9
: media de la distribucin
&78) : valor esperado de 8
8
i
: valores que toma la variable
p78
i
) : probabilidad asociada a cada uno de los valores de la variable 8

19
2. 0esviacin estndar /ara determinar la desviacin estndar de la
distribucin discreta se utiliza la siguiente frmula9

) xi ( * ) xi (
2

0onde9
: desviacin estndar
: media o valor esperado de 8
8
i
: valores que toma la variable 8
p78
i
) : probabilidad asociada a cada uno de los valores que toma 8

&"emplos9
1. 1eg'n estadsticas la probabilidad de que el motor de un auto nuevo, de
cierto modelo, y marca sufra de alg'n desperfecto en los primeros 64 meses
de uso es de 554, si se prueban tres automviles de esta marca y modelo,
encuentre el n'mero esperado de autos que no sufren de alg'n desperfecto en
los primeros doce meses de uso y su desviacin estndar

1olucin9
Eaciendo uso de un diagrama de rbol, usando las literales siguientes, se obtiene
el espacio muestral como se muestra a continuacin(
- : no sufre de alg'n desperfecto en el motor los primeros 64 meses de uso
1 : sufre de alg'n desperfecto en el motor los primeros 64 meses de uso

-

-
1

-
-
1
1
-
6
er
auto -
1
1
-
4
o
auto1
20
?
o
1
: {---, --1, -1-, -11, 1--, 1-1, 11-, 111}

8 : variable que nos define el n'mero de autos que no sufre de alg'n desperfecto
en el motor durante los primeros 64 meses de uso

8 : 5, 6, 4 o ? autos que no sufren alg'n desperfecto en el motor en los primeros
64 meses de uso

p78:5):p7111):7554)7554)7554):555555>
p78:6):p7-11, 1-1, 11-):75B>)7554)7554)N7554)75B>)7554)N7554)7554)
75B>):
:55566A<
p78:4):p7--1,-1-,1--):75B>)75B>)7554)N75B>)7554)75B>)N7554)75B>)
75B>)::55;A<4=
p7---) : 75B>)75B>)75B>) :5B=66B4

/or tanto la media o valor esperado se determina de la siguiente manera9

:&78) :
) xi ( * xi
75)7555555>)N76)755566A<)N74)755;A<4=)N7?)75B=66B4):
:55N55566A<N566;4=>N4>4?;A<:4B= ? autos que no sufren alg'n desperfecto
en el motor en los primeros 64 meses de uso

La interpretacin de la media o valor esperado es( se espera que los ? autos
probados no sufran de alg'n desperfecto en el motor en los primeros 64 meses de
uso

:

2
) xi ( * ) xi (
:
+ + + ) . ( * ) ( ... ) . ( * ) ( ) . ( * ) ( 941192 0 3 3 001176 0 3 1 000008 0 3 0
2 2 2

:
+ + ) . . . . 062396 0 05762 0 004704 0 000072 0
t54=BAt55 autos que
no sufren alg'n desperfecto en su motor en los primeros 64 meses de uso

,nterpretacin9
&n este e8perimento se espera que los ? autos probados no sufran de alg'n
desperfecto en su motor en los primeros 64 meses de uso y la variabilidad de este
e8perimento es de cero
21

-ota9
La media y la desviacin estndar se redondean a un valor entero ya que son la
media y desviacin de una distribucin de probabilidad discreta

2. 1e )a detectado en una lnea de produccin que 6 de cada 65 artculos
fabricados es defectuoso( se toman de esa lnea tres artculos uno tras otro, a)
obtenga la distribucin de probabilidad del e8perimento, b) encuentre el
n'mero esperado de artculos defectuosos en esa muestra y su desviacin
estndar

1olucin9
*ambi!n )aciendo uso de in diagrama de rbol, se obtiene el espacio muestral

a)
0 : ob"eto defectuoso
- : ob"eto no defectuoso
:{000, 00-, 0-0, 0--, -00, -0-, --0, ---}

&ste espacio muestral )a sido obtenido )aciendo uso de un diagrama de rbol,

8 : Hariable que nos define el n'mero de ob"etos defectuosos encontrados
8 : 5, 6, 4 o ? ob"etos defectuosos

p78:5):p7---):75B)75B75B):5A4B
p78:6):p70--, -0-, --0):756)75B)75B)N75B)756)75B)N75B)75B)756):54=?
p78:4):p700-, 0-0, -00):756)756)75B)N756)75B)756)N75B)756)756):554A
p78:?):p7000):756)756)756):5556

0istribucin de probabilidad

> 0 1 2 3
,?>2 0.729 0.243 0.027 0.001

b)
) xi ( * xi
75)75A4B)N76)754=?)N74)7554A)N7?)75556):
: 55 N 54=? N 55;= N 555? : 5? 5 productos defectuosos

,nterpretacin9
1e espera que ninguno de los productos inspeccionados sea defectuoso

22

+ + +
+ + +

36 0 009 0 108 0 243 0 0 0
001 0 0 3 243 0 0 1 729 0 0 0
2 2 2
2
. . . . .
) . ( * ) ( ... ) . ( * ) ( ) . ( * ) (
) xi ( * ) xi (

:t 5< :t 6 producto defectuoso

,nterpretacin9
&n este e8perimento se espera que ninguno de los productos inspeccionados sea
defectuoso, pero los resultados de este e8perimento pueden variar en t 6
producto defectuoso, por lo que al inspeccionar los ? productos el numero de
productos defectuosos puede variar desde I6 producto defectuoso, )asta 6
producto defectuoso, pero, #es posible obtener I6 producto defectuoso%, claro
que esto no puede ocurrir, luego el n'mero de productos defectuosos en el
e8perimento variar de 5 a 6 producto defectuoso solamente

3. 1eg'n estadsticas, la probabilidad de que un pozo petrolero que se perfore
en cierta regin pueda ser beneficiado es de 5?5 1e perforan tres pozos en
esa regin, encuentre el n'mero esperado de pozos que pueden ser
beneficiados y su desviacin estndar

1olucin9
1e obtiene el espacio muestral , de la misma forma que se )a )ec)o en los
e"emplos anteriores(

O : se puede el pozo que se perfora
- : no se puede beneficiar el pozo que se perfora

: {OOO, OO-, O-O, O--, -OO, -O-, --O, ---}

8 : variable que nos define el n'mero de pozos que se pueden beneficiar
8 : 5, 6, 4 o ? pozos que se pueden beneficiar

pR78 : 5) : p7---) : 75A)75A)75A): 5?=?
p78 : 6) : p7O--, -O-, --O) : 75?)75A)75A)7?):5==6
p78 : 4) : p7OO-, O-O, -OO) : 75?)75?)75A)7?):56>B
p78 : ?) : p7OOO) :75?)75?)75?): 554A

23
9 0 081 0 378 0 441 0 0 0
027 0 3 189 0 2 441 0 1 343 0 0
. . . . .
) . )( ( ) . )( ( ) . )( ( ) . )( (
) xi ( * xi
+ + +
+ + +

6 pozo beneficiado

,nterpretacin9
1e espera que solo 6 de los tres pozos perforados sea el que pueda ser
beneficiado

o%o . . . . . .
) . ( * ) ( ) . ( * ) ( ) . ( * ) ( ) . ( * ) (
) xi ( * ) xi (
1 8 0 64 0 108 0 189 0 0 0 343 0
027 0 1 3 189 0 1 2 441 0 1 1 343 0 1 0
2 2 2 2
2
t + + +
+ + +

,nterpretacin9
La cantidad esperada de pozos que se pueden beneficiar puede variar en 6 t 6 pozo,
esto es la cantidad de pozos que se pueden beneficiar puede variar de 5 a 4 pozos

4. La distribucin de probabilidad de 8 , el n'mero de defectos por cada 65
metros de una tela sint!tica en rollos continuos de anc)o uniforme , es

> 0 1 2 3 4
7?>2 0.41 0.37 0.16 0.05 0.01

a) a) 0etermine la distribucin de probabilidad acumulada de 8( /78)
b) b) 0etermine el n'mero esperado de defectos por cada 65 metros de tela
sint!tica en rollos continuos de anc)o uniforme y la desviacin estndar del
n'mero de defectos por cada 65 metros de tela
c) c) 0etermine la probabilidad de que en 65 metros de tela sint!tica se
encuentren como m8imo 4 defectos
d) d) 0etermine la probabilidad de que en 65 metros de tela sint!tica se
encuentren por lo menos 4 defectos

1olucin9

a)
@ 0 1 2 3 4
7?>2 0.41 0.37 0.16 0.05 0.01
,?>2 0.41 0.78 0.94 0.99 1.0

24
b)
+ + + ) . )( ( ... ) . )( ( ) . )( ( ) xi ( * xi ) x ( $ 01 0 4 37 0 1 41 0 0
88 0 04 0 15 0 32 0 37 0 0 0 . . . . . . + + + +
6 defecto

,nterpretacin956<, 55; ,556
1e espera que por cada 65 metros de tela se encuentre un defecto

+ + +

) . ( ) ( ... ) . ( ) ( ) . ( ) ( ) xi ( * ) xi ( 01 0 1 4 37 0 1 1 41 0 1 0
2 2 2 2

defec&o . . . . . . . 1 9274 0 86 0 09 0 2 0 16 0 0 0 41 0 + + + +

,nterpretacin9
&l n'mero de defectos esperado puede variar en t 6 defecto, es decir que el
n'mero de defectos esperado por cada 65 metros de tela puede variar de 5 a 4

c) p78 4): p78:5) N p78:6) N p78:4) : 5=6N5?AN56< : 5B=

d) p78 4) : p78:4) N p78:?) N p78:=) : 56< N 55; N 556: 544

C+LC3L. 0& M&0,+ L 0&1H,+C,Q- &1*S-0+R /+R+ 3-+
0,1*R,O3C,Q- C.-*,-3+
6Media o valor esperado de 8F /ara calcular la media de una distribucin de
probabilidad continua se utiliza la siguiente frmula9

dx ) x ( xf
0onde9
: &78) : media o valor esperado de la distribucin
8 : variable aleatoria continua
f78) : funcin de densidad de la distribucin de probabilidad

40esviacin estndarF La frmula para determinar la desviacin estndar de
una distribucin continua es(

dx ) x ( f * ) x (
2
2

luego9
25

2

&"emplos9
1. /ara la siguiente funcin,

2
9
1
x ) x ( f
cuando 5 8 ? , f78) : 5 para cualquier otro valor

a) a) 0iga si esta funcin nos define una distribucin de probabilidad
b) b) 1i la funcin define una distribucin de probabilidad, entonces,
determine su media y desviacin estndar
c) c) 0etermine la probabilidad de que 6 8 < 4
1olucin9

a) a) /ara verificar que la funcin nos define una distribucin de
probabilidad, es necesario que cumpla con las caractersticas que se
)aban mencionado
6 6 8 s es una variable continua porque puede tomar
cualquier valor entre 5 y ?
4 4 f78) 5, lo que se comprueba si damos diferentes valores a
8 para ver que valores toma f78), dndonos cuenta de que
efectivamente f78) solo toma valores mayores o iguales a cero

> 6?>2
0 0.0
0.
5
0.02778
1.
0
0.11111
1.
4
0.21778
2.
1
0.49
2.
7
0.81
3.
0
1.0

? ? /ara comprobar que la sumatoria de las probabilidades
que toma cada valor de 8 es de 6, se integra la funcin de 5
a ? como se muestra a continuacin9

26

1 0 27
27
1
0 3
27
1
1 2 9
1
9
1
3 3
1 2
2
3
0

+

+

) ( ) ( )
x
( dx x dx ) x ( f !

+: rea ba"o la funcin
Con las operaciones anteriores comprobamos que la funcin
2
9
1
x
s nos define una distribucin de probabilidad continua

b) b) Clculo de media y desviacin estndar

25 2
36
81
0 81
36
1
0 3
36
1
4 9
1
9
1
9
1
4 4
4
3
3
0
2
3
0
. ) ( ) (
)
x
( dx x dx ) x ( x dx ) x ( f * x

dx ) x ( * ) . x ( dx ) x ( f * ) x (
2
3
0
2 2 2
9
1
25 2

+ +

dx )
x . x x
( dx ) x )( . x . x (
9
0625 5
2 9 9
1
0625 5 5 4
2 3
3
0
4
2
3
0
2

+ +
27
3 0625 5
8
3
45
3
27
0625 5
8 45
3 4 5 3 4 5
) ( . ) ( ) ( x . x x

3375 0 0625 5 125 10 4 5
27
6875 136
8
81
45
243
. . . .
.
+ +

5809 0 3375 0
2
. .

Las barras nos indican la evaluacin de la integral entre 5 y ?

c)
2963 0
27
8
3
8
9
1
3
0
3
2
9
1
3 9
1
9
1
2 1
3 3 3
2
2
1
2
1
. ) ( ) ( )
x
( dx x dx ) x ( f ) x ( <

27

La barra nos indica la evaluacin de la integral de 6 a 4

Con las operaciones anteriores nos damos cuenta que para evaluar probabilidades
para variables de tipo continuo, es necesario evaluar la funcin de densidad de
probabilidad en el rango de valores que se desea( que vendra siendo el rea que se
encuentra entre f78) y el e"e de las 8 y entre el rango de valores definidos por la
variable 8

2. 1uponga que el error en la temperatura de reaccin, en
o
C, para un
e8perimento controlado de laboratorio es una variable aleatoria continua 8,
que tiene la funcin de densidad de probabilidad9

3
2
x
) x ( f
, para F6< 8 < 4 y f78) : 5 en cualquier otro caso

a) a) Herifique la tercera condicin de la definicin de una distribucin
de probabilidad continua
b) b) 0etermine la media o valor esperado de la distribucin de
probabilidad
c) c) &ncuentre la probabilidad de que 5< 8 6

1olucin9

a) a) Como la tercera condicin es que la sumatoria de las
probabilidades asociadas a cada uno de los valores que toma 8 debe
de ser 6, esto se comprueba de la siguiente manera9

1
9
9
9
1
9
8
3
1
3
2
3
1
3 3
1
3
3 3 3 2
1
2
+
) ( )
x
( dx
x
!

b)

)
x
( dx
x
dx )
x
( x dx ) x ( f * x ) x ( $
4 3
1
3 3
4 2
1
3 2
1
2

25 1
12
15
12
1
12
16
4
1
4
2
3
1
4 4
. ) (

28
c)
11111 0
9
1
3
1
3
1
3
0
3
1
3
1
3 3
1
3
1 0
3 3 3 1
0
2
. * ) ( )
x
( dx
x
) x ( <
e) /roblemas /ropuestos

60etermine la media y la desviacin estndar de las siguientes millas por galn
obtenidas en 45 corridas de prueba realizadas en avenidas urbanas con un
automvil de tamaCo mediano

19.7 21.5 22.5 22.2 22.6
21.9 20.5 19.3 19.9 21.7
22.8 23.2 21.4 20.8 19.4
22.0 23.0 21.1 20.9 21.3

r 46?> y 66B miKgal
4 Los siguientes son los n'meros de torsiones que se requirieron para cortar 64
barras de aleacin for"ada9 ??, 4=, ?B, =>, 4<, ?;, ?>, ;=, 4?, ?=, 4B y 4A 0etermine,
a) la media y b)la mediana
r a) ?; b) ?=;

? Los siguientes son los n'meros de los minutos durante los cuales una persona
debi esperar el autob's )acia su traba"o en 6; das laborales9 65, 5, 6?, B, ;, 65, 4,
65, ?, >, <, 6A, 4, 65 y 6; 0etermine, a) la media, b) la mediana, c) la moda r a) >
b) B c) 65

=Las siguientes son medidas de las resistencias de la resistencia a rompimiento 7en
onzas) de una muestra de <5 )ilos de lino

32.5 15.2 35.4 21.3 28.4 26.9 34.6 29.3 24.5 31.0
21.2 28.3 27.1 25.0 32.7 29.5 30.2 23.9 23.0 26.4
27.3 33.7 29.4 21.9 29.3 17.3 29.0 36.8 29.2 23.5
20.6 29.5 21.8 37.5 33.5 29.6 26.8 28.7 34.8 18.6
25.4 34.1 27.5 29.6 22.2 22.7 31.3 33.2 37.0 28.3
36.9 24.6 28.9 24.8 28.1 25.4 34.5 23.6 38.4 24.0

a) a) +grupe los datos en A clases, b) obtenga media, mediana, moda y
desviacin estndar, c)obtenga )istograma y polgono de frecuencias, o"iva
menor que y distribucin de probabilidad

5. 3n edificio comercial tiene dos entradas, numeradas con , y ,, &ntran tres
personas al edificio a la B955 am 1ea x el n'mero de personas que escogen la
29
entrada ,, si se supone que la gente escoge las entradas en forma
independiente, determinar a)la distribucin de probabilidades de x, b) el
n'mero esperado de personas que que escogen la entrada ,

Respuesta9
a) b) 6; 4 personas
x 0 1 2 3
7?x2 198 398 398 198

6. 1e observ que el =5@ de los ve)culos que cruzan determinado puente de
cuota, son camiones comerciales Cuatro ve)culos van a cruzar el puente en
el siguiente minuto 0eterminar la distribucin de probabilidad de x, el
n'mero de camiones comerciales entre los cuatro, s los tipos de ve)culos son
independientes entre s

Respuesta9
x 0 1 2 3 4
7?x2 0.1296 0.3456 0.3456 0.1536 0.0256

7. &ntre 65 solicitantes para un puesto < son mu"eres y = son )ombres
1upngase que se seleccionan al azar ? candidatos de entre todos ellos para
concederles las entrevistas finales 0eterminar( a)la funcin de probabilidad
para x, el n'mero de candidatas mu"eres entre los ? finalistas, b)el n'mero
esperado de candidatas mu"eres entre los finalistas

Respuesta9
a) b) 6> 4 mu"eres
x 0 1 2 3
7?x2 1930 9930 15930 5930

8. Los registros de ventas diarias de una empresa fabricante de computadoras
seCalan que se vendern 5, 6 o 4 sistemas centrales de cmputo con las
siguientes probabilidades9

N5*e-o de (o*7/t#do-#' &e%d$d#' 0 1 2
,-o0#0$$d#d 0.
7
0.2 0.1
Calcular el valor esperado, la variancia y la desviacin estndar de las ventas
diarias

r a)5 computadoras b)5 computadoras c)6una
computadora
30

9. 1ea x la variable aleatoria que representa la vida en )oras de un cierto
dispositivo electrnico La funcin de densidad de probabilidad es9

3
000 20
x
'
) x ( f
, para x > 655 y 5 en cualquier otro caso

&ncuentre la vida esperada de este dispositivo
r 455 )oras
65 1i la utilidad de un distribuidor en unidades de T6555, en un nuevo
automvil puede considerarse como una variable aleatoria x con una funcin
de densidad

f7x) : 476F x) para 5< x < 6 y 5 para cualquier otro caso

&ncuentre la utilidad promedio por automvil

r T???
11. #$u! proporcin de personas puede esperarse que respondan a un cierto
requerimiento por correo, si la proporcin x tiene la funcin de densidad

5
2 2 ) x (
) x ( f
+
5< x < 6 y 5 en cualquier otro

caso%

r >K6;
12. La funcin de densidad de la variable aleatoria continua x, el n'mero total
de )oras en unidades de 655 )oras, de que una familia utilice una aspiradora
durante un aCo es de(

f7x) : x, para 5 < 8 < 6, f7x) : 74 F x) para 6 x < 4, 5 en cualquier otro caso

&ncuentre el n'mero promedio de )oras por aCo que la familia utiliza la
aspiradora

r 655 )oras
6? 1uponga las probabilidades de 5=, 5?, 54 y 56, respectivamente, de que 5,
6, 4 o ? fallas de energa el!ctrica afecten una cierta subdivisin en un aCo
cualquiera &ncuentre la media y la desviacin estndar de la variable aleatoria
x que representa el n'mero de fallas de energa el!ctrica que afectan esta
subdivisin

31
r : 6 , : 6
6= La variable aleatoria x, que representa el n'mero de pedacitos de c)ocolate en
una rebanada de pastel, tiene la siguiente distribucin de probabilidad9

x 2 3 4 5 6
7?x2 0.01 0.2
5
0.4 0.3 0.04

0etermine el n'mero esperado de pedacitos de c)ocolate en una rebanada de pastel

r = pedacitos de c)ocolate
32

Estadisticadescriptiva

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

Estadisticadescriptiva

Hochgeladen von

Copyright:

Verfügbare Formate

Material preparado por la profesora Rita Luna

5< x < 6 y 5 en cualquier otro

Das könnte Ihnen auch gefallen