Probabilidad y Estadística: Conceptos Básicosperiódico El Popular

25/01/2014
Probabilidad
&
Estadstica
Mdulo I
Teora de
Probabilidad
Conceptos
Bsicos de
Probabilidad
Dar una definicin completa del trmino probabilidad y

describir algunas de sus aplicaciones en el desempeo de tu
actividad profesional.
Definir y dar ejemplos de conceptos bsicos usados en la
probabilidad.
Resolver problemas relacionados con fenmenos aleatorios
usando tcnicas probabilsticas adecuadas.
Astrgalos
Los dados ms antiguos se

remontan a unos 3000 aos
antes de Cristo y se
utilizaron en el juego como
en ceremonias religiosas.
Existen en las pirmides de Egipto pinturas que

muestran juegos de azar que datan del ao 3500 a.C.
25/01/2014
Periodo clsico de la probabilidad
Siglos XVII, XVIII y XIX
Jacob Bernoulli
(1604-1705)
La motivacin y el motor para su desarrollo

proviene sobre todo de temas externos a la
Matemtica.
Thomas Bayes
Desarrollaron frmulas y
tcnicas para el clculo
de la probabilidad.
Abraham de Moivre
(1667-1754)
(1702-1761)
Joseph Lagrange
(1736-1813)
Teora de Probabilidad
Primera teora general

de la Probabilidad
"En el fondo, la teora
de probabilidades es slo sentido
comn expresado con nmeros"
Un experimento aleatorio es cualquier actividad

que origina datos.
Al conjunto de todos los resultados posibles de un
experimento (datos) se le llama espacio muestral
del experimento y se denota por la letra S.
Un evento es un subconjunto de un espacio

muestral y se denota por letras maysculas A, B,
etc.
Pierre Simon
Marqus de Laplace
(1749-1827)
Ejemplo 1
Para escoger un artculo de una lnea de
produccin y verificar su calidad, se tienen dos
posibles resultados: Defectuoso o No
Defectuoso
El espacio muestral para este experimento
se denota como:
S={Defectuoso, No Defectuoso}
Si representamos como D para

Defectuoso y N para No Defectuoso,
entonces:
Ejemplo 1
Si ahora se escogen tres artculos de una lnea
de produccin y se verifica su calidad, entonces
el espacio muestral S sera:
S= { DDD, DDN, DND, DNN, NDD, NDN, NND, NNN }
Si definimos el evento A Muestras con dos

defectuosos, entonces tenemos:
A= { DDN, DND, NDD}
S= { D, N }
25/01/2014
Diagrama de rbol
DDD
DDN
DND
N
3er.
artculo
D
DNN
Ejemplo 2
Sea A el evento conjunto de puntos que caen
dentro de un crculo de radio 2, entonces:
D
1er.
artculo
2do.
artculo
N
NDD
D
N
N
D
N
A={( x, y)/ x2 + y2=4}

(x,y)
NDN
NND
NNN
Combinaciones de Eventos
Discretos
Es posible enumerarlos
y/o describirlos todos.
Ejemplo 1.
Continuos
Es un nmero muy
grande o infinito de
puntos muestrales.
Se describe mejor
mediante una relacin
matemtica o una
descripcin.
Ejemplo 2.
Espacios
Muestrales
Ejemplo
S= {0,1,2,3,4,5,6,7,8,9}
A= {2,4,6,8},
B= {1,3,5,7,9}
C= {0}
El complemento de A respecto a S es el conjunto de

todos los elementos de S que no estn en A y se denota
por A.
La interseccin de dos eventos (AB) es el evento que
contiene a todos los elementos comunes a A y B.
La unin de dos eventos (AB) es el evento que
contiene a todos los elementos que pertenecen a A o a
B o a ambos.
Dos eventos A y B son mutuamente excluyentes si no
tienen elementos en comn. (AB = ).
Diagramas de Venn
Expresan grficamente la relacin entre
eventos
y
el
espacio
muestral
correspondiente.
A = {0,1,3,5,7,9}
AB = {1,2,3,4,5,6,7,8,9}
Se representa mediante un rectngulo y

los eventos A, B, etc. se dibujan como
crculos dentro del mismo.
A C = (conjunto vaco)
(AB) = {0}
25/01/2014
Combinaciones de Eventos
y Diagramas de Venn
S = {0,1,2,3,4,5,6,7,8,9}
A= {1,3,4,6,8}
B= {1,2,3,5,7}
C= {0,1,2,6}
A
S
Ejemplo
AB
8
4
6
3
1
5
7
2
(ABC) = ?
A
AB
(ABC) = ?
(ABC) = ?
(A B)C = ?
(A B)
Ejemplo
S = {0,1,2,3,4,5,6,7,8,9}
A= {1,3,4,6,8}
B= {1,2,3,5,7}
C= {0,1,2,6}
8
4
6
3
1
La probabilidad es la posibilidad de que algo suceda.
Las probabilidades se expresan como fracciones o

como decimales que estn entre uno y cero.
(ABC) = {0,1,2,3,4,5,6,7,8}
(ABC) = {9}
(ABC) = {1}
Una probabilidad de cero significa que algo nunca va

a suceder (evento imposible).
Una probabilidad de uno indica que algo va a suceder
siempre (evento seguro).
(A B)C = {0}
Si un experimento tiene un espacio muestral con N
resultados igualmente factibles, y de stos n
corresponden al evento A, entonces la
probabilidad del evento A, expresada como P (A)
se define como:
La probabilidad de que un evento A ocurra es la suma
de todos los puntos muestrales de A, por tanto:
0 P(A) 1
P() = 0, donde es un conjunto vaco.
P(S) = 1, donde S es el espacio muestral.
P(A) + P(A) = 1
Los eventos A y B son mutuamente excluyentes o disjuntos si y
slo si (AB)=0
25/01/2014
Ejemplo
S = {0,1,2,3,4,5,6,7,8,9}
A= {1,3,4,6,8}
B= {1,2,3,5,7}
C= {0,1,2,6}
Si A y B son dos eventos cualquiera, entonces
Reglas aditivas de probabilidad
3
4
6
9
7
2
P(AB) = P(A) + P(B) - P(AB )
Y si P(AB) = 0 entonces
P(A) = 5/10
P(ABC) = 9/10
P(B) = 5/10
P(ABC) = 1/10
P(C) = 4/10
P(AB C) = 1/10
P(AB) = P(A) + P(B)
Ejemplo
Si la probabilidad de que un estudiante pertenezca al taller
de teatro es 2/3, de que pertenezca al taller de msica es de
1/4 y de que pertenezca a ambos es de 1/5 cul es la
probabilidad de que un estudiante pertenezca al menos a
uno de ambos talleres?
A es el evento taller de teatro y B el evento taller de
msica.
Ejemplo
Si las probabilidades de victoria/derrota/empate para un
equipo deportivo son 0.40, 0.23 y 0.37 respectivamente,
cul es la probabilidad de que este equipo no pierda?
Sea V el evento victoria y E el evento empate, los cuales son

mutuamente excluyentes, entonces:
P(VE)=P(V)+P(E)
P(AB)=P(A)+P(B)-P(AB )
P(AB)= 0.72
P(AB)= 2/3+1/4-1/5 = 43/60
P(VE)= 0.77
P(VE) = 0.40 + 0.37
Reglas aditivas de probabilidad

Para tres eventos A, B y C se tiene:
Ejemplo
A
8
6
P(AB C) = P(A) + P(B) + P(C) - P(AB ) P(AC ) - P(BC ) + P(AB C)

Y si A, B y C son mutuamente excluyentes entonces
P(AB C) = P(A) + P(B) + P(C)
5
3
7
2
S = {0,1,2,3,4,5,6,7,8,9}
A= {1,3,4,6,8},
B= {1,2,3,5,7}
C= {0,1,2,6}
P(AB C)=P(A)+P(B)+P(C)-P(AB )- P(AC )-P(BC )+ P(AB C)

P(AB C) = 5/10 + 5/10 + 4/10 - 2/10 - 2/10 - 2/10 + 1/10
P(AB C) = 9/10
25/01/2014
Actividad 1
Actividad 1
1. En una encuesta hecha a la salida de la estacin
Cuauhtmoc del Metro, se supo que:
53% de la gente lee el peridico El Norte,
50% lee el peridico Milenio, y
15% no lee ninguno de estos peridicos.
2. S = {Mxico, Espaa, Sierra Leona, Australia, Brasil,

Canad, Malta}
2.1 Indica el evento A Pases de Amrica
2.2 Indica el evento A
2.3 Indica el evento B Pases de Europa
Si se escoge al azar a una persona:
2.4 Indica el evento A B
1.1 Cul es la probabilidad de que lea ambos

peridicos?
1.2 Cul es la probabilidad de que lea al menos uno
de los dos peridicos?
2.5 Indica el evento A B

2.6 Indica el evento (A B)
2.7 Cul es la probabilidad de que un pas no pertenezca a
Europa o a Amrica?
2.8 Cul es la probabilidad de que un pas tenga como
idioma el espaol?
Ejercicio 1
Ejercicio 1
2.
1. Un grupo de 45 estudiantes en una escuela lleva

actividades extracurriculares
30 cursan Taller de Teatro
25 cursan Msica.
a)
b)
c)
Elabora un Diagrama de Venn.

Cul es la probabilidad de que un estudiante curse
solamente una de las dos actividades?
Cul es la probabilidad de que un estudiante curse ambas
actividades?
En cierto establecimiento, la probabilidad de que un ama de casa

compre: Leche es de 0.60,
Fruta y verduras es de 0.45,
Pan es 0.35,
Los tres artculos a la vez es de 0.16,
Solamente leche y pan es de 0.05,
Solamente pan y fruta es de 0.03
Solamente leche es de 0.30.
Sea L el evento un ama de casa compra leche, F el evento un ama
de casa compra fruta y P el evento un ama de casa compra pan:
a) Cul es la probabilidad de que compre solamente pan?
b) Cul es la probabilidad de que compre leche y fruta?
c) Cul es la probabilidad de que compre solamente fruta?
d) Cul es la probabilidad de que no compre ninguno de los
tres artculos?
Usa un diagrama de Venn para representar estos eventos.
Ejercicio 1
3. La probabilidad de que un artculo de exportacin sea
rechazado es de 0.01, de que sea de exportacin es de 0.25
y de que un artculo en general sea rechazado es de 0.03.
a) Cul es la probabilidad de que un artculo sea rechazado
o sea de exportacin?
b) Cul es la probabilidad de que un artculo rechazado no
sea de exportacin?
Probabilidad Condicional
y
Probabilidades de
Intersecciones de Eventos
4. Considera la siguiente informacin: S: {Baln, motor, filtro de

aceite, procesador, monitor, pizarrn, asientos, teclado, llanta,
mouse, puerta, ala}
a) Define el evento A Partes de un automvil.
b) Define el evento B Partes de una computadora.
c) Define el evento A B
d) Define el evento (A B)
Sesin 2
25/01/2014
Probabilidad de que un evento B ocurra

cuando se sabe que otro evento A
se ha presentado
Lo que sucede es que el espacio muestral del evento A

se convierte en el nuevo espacio muestral S o
universo.
S
Probabilidad de B dado A
Espacio Muestral
A
AB
Si P(A) est definida.
Ejemplo
A
1
3
2
P( A B)
1
7
4
6
P(A)
1
P( A B ) 7
P( B A)

3
P( A)
7
3
7
Ejemplo 1
En cierta ciudad,
75% de la gente consume el refresco A,
55% el refresco B, y
40% consume ambos.
a) Cul es la probabilidad de que una persona seleccionada al azar
consuma el refresco B, dado que consume el A?
b) Cul es la probabilidad de que una persona seleccionada al azar
consuma el refresco B, dado que no consume el A?
1
3
Ejemplo 1
a) Probabilidad de que una persona seleccionada al
azar consuma el refresco B, dado que consume el A
Ejemplo 1
b) Probabilidad de que una persona seleccionada al azar
consuma el refresco B, dado que no consume el A
P(A) = 0.75
B
A
0.35
0.40
0.15
P(B) = 0.55
0.35
P(AB) = 0.40
S
0.10
0.53
B
0.40
P(A)=0.25
P(AB)=0.15
0.15
0.10
0.60
25/01/2014
Ejemplo 2
Ejemplo 2
a) Dado que un alumno lleva el curso de msica, cul es
la probabilidad de que curse teatro?
En una escuela,
50% de los alumnos lleva la clase de teatro,
60% la clase de msica y
30% llevan ambos cursos.
0.20
a) Dado que un alumno lleva el curso de msica,

cul es la probabilidad de que curse teatro?
b) Dado que un alumno no cursa msica, cul es la
probabilidad de que lleve teatro?
P(T) = 0.50
T
0.30 0.30
P(M) = 0.60
0.20
P(MT) = 0.30
0.50
Ejemplo 2
b) Dado que un alumno no cursa msica, cul es la
probabilidad de que lleve teatro?
M
0.20
0.30
P(M) = 0.40
Reglas Multiplicativas
Si en un experimento pueden ocurrir los

eventos A y B entonces:
P(AB) = P(A) P(B/A)
P(MT) = 0.20
0.30
Si en un experimento pueden ocurrir los

eventos A, B y C entonces:
P(ABC) = P(A) P(B/A) P(C/AB)
0.20
0.50
Independencia de Eventos
Dos eventos A y B cualesquiera

independientes si y slo si:
Ejemplo
son
P(B/A) = P(B) P(A/B) = P(A)

P(AB) = P(A) P(B)
El concepto de independencia de eventos es
muy importante, ya que sobre ste se
encuentran basadas aplicaciones prcticas
de la estadstica.
En una empresa existen dos lneas de produccin que

elaboran un mismo artculo.
Se sabe por experiencia que 98% de los productos
elaborados en cada lnea satisfacen la norma de calidad. Se
toma al azar un artculo de cada una de ellas y se
inspecciona.
Cul es la probabilidad de que ambos artculos cumplan
con la norma de calidad?
25/01/2014
Ejemplo
Extraccin
Imagina un recipiente con n = 5 piezas.
Si denotamos por P(A) el hecho de que un artculo de la

lnea 1 sea aceptable y por P(B) el hecho de que un artculo
de la lnea 2 sea aceptable, entonces:
P(AB) = P(A) P(B)

P(AB) = (0.98)(0.98) = 0.9604
Extraccin sin reemplazo:

Se
toma una pieza de un

recipiente y NO se regresa.
Las probabilidades cambian en
cada extraccin.
Extraccin con reemplazo:
Se toma una pieza de un recipiente
y S se regresa.
Las probabilidades son constantes
en cada extraccin.
Extraccin
Ejemplo
Se tienen en una bodega 15 artculos, de los cuales 4 son
de importacin. Si se toman 3 en sucesin, sin reemplazo,
cul es la probabilidad de que los 3 sean de
importacin?
A el evento primer artculo tomado es de importacin
Extraccin
Ejemplo
Extraccin 1 (A):
15 artculos en total y 4 son de importacin.
Extraccin 2 (B):
Extraccin 3 (C):
B el evento segundo artculo tomado es de importacin

C el evento tercer artculo tomado es de importacin
P(ABC) = P(A) P(B/A) P(C/AB)

P(ABC) = (4/15) (3/14)(2/13) = 24/2730
P(ABC) = 0.009
Extraccin
Ejemplo
Si resolvemos el mismo ejemplo, pero con
reemplazo, las probabilidades permanecern
constantes:
Extraccin 1 (A):
Extraccin 2 (B):
Extraccin 3 (C):
P(ABC) = P(A) P(B) P(C)
P(ABC) = (4/15) (4/15)(4/15) = 64/3375
Actividad 2
1. Mnica tiene en una caja 10 chocolates, de los cuales
3 son envinados y 7 de cajeta. Si toma dos
chocolates al azar (sin reemplazo), cul es la
probabilidad de que tome un chocolate de cada tipo?
2. Cmo cambia la respuesta del problema anterior si
ahora Mnica toma los chocolates con reemplazo?
3. Una empresa cuenta con tres lneas de produccin
independientes. En cada una de ellas existe un ndice
de rechazo de 2%. Si se toma un artculo al azar de
cada una de las 3 lneas, cul es la probabilidad de
que 2 de los 3 productos seleccionados sean
rechazados?
P(ABC) = 0.019
25/01/2014
Ejercicio 2*
Actividad 2
4. 45% del pblico de la radio en cierta ciudad escucha
cumbias y 58% programas deportivos. Dado que una
persona escucha cumbias, la probabilidad de que escuche
programas deportivos es 0.60. Cul es la probabilidad de
que escuche ambos tipos de programas?
1. Considera el siguiente diagrama de Venn:

B
A
0.03
0.15
5. En el problema anterior, dado que una persona no

escucha programas deportivos, cul es la probabilidad de
que escuche cumbias?
6. En un contenedor de 50 piezas, de las cuales hay 2

defectuosas, se escogen tres artculos al azar, sin
reemplazo. Si de los tres artculos seleccionados uno est
defectuoso se rechaza el lote. Cul es la probabilidad de
que el lote sea aceptado?
0.05
0.30
0.15
0.07
0.10
Calcula:
a) P(ABC)
b) P(B/A)
c) P(A/ABC)
0.15
Ejercicio 2*
2.
3.
En una encuesta hecha a la salida de la estacin Cuauhtmoc del

Metro se supo que 53% de la gente lee el peridico El Norte,
50% lee el peridico Milenio y 15% no lee ninguno de estos
peridicos.
a) Cul es la probabilidad de que lea ambos peridicos?
b) Dado que una persona lee el peridico El Norte cul es la
probabilidad de que lea Milenio?
c) Dado que una persona no lee Milenio, cul es la
probabilidad de que lea El Norte?
En una caja existen 20 artculos de los cuales 3 son de la marca
A, 12 de la marca B y 5 de la marca C. Si se toman 3 artculos al
azar, sin reemplazo y uno a la vez:
a) Cul es la probabilidad de tener uno de cada marca?
b) Cul es la probabilidad de tener todos de una misma marca?
Ejercicio 2*
4. En una sala de urgencias hay 5 mdicos de guardia, cada
uno de ellos est ocupado 68% del tiempo.
a) Cul es la probabilidad de que al presentarse una
urgencia no haya mdico disponible?
b) Cul es la probabilidad de que haya al menos un
mdico disponible?
5. En un taller mecnico un coche requiere ajuste en los frenos
15% de las veces, afinacin 10% y reparaciones menores
60% de las veces.
a) Cul es la probabilidad de que un coche requiera los
tres servicios?
b) Cul es la probabilidad de que requiera slo dos de
ellos?
Teorema de Bayes
Teorema de Bayes
Sea A1, A2, ..., An una serie de eventos, tales que la
probabilidad de cada uno de ellos es distinta de cero, y
B otro evento del que se conocen las probabilidades
condicionales P(B/Ai ).
Entonces la probabilidad P(Ai /B) est dada por:
P(Ai /B) =
P(Ai)*P(B/Ai)
P(A1)*P(B1/A1) + P(A2)*P(B2/A2) ++ P(An)*P(Bn/An)
Sesin 3
10
25/01/2014
rbol de Bayes
Ejemplo
Mquina
% Produccin del total

de la fbrica
% Produccin
defectuosa
45%
3%
30%
4%
25%
5%
P(B/A1)
P(Ai)
P(B/Ai)
a) Si se selecciona una pieza al azar, calcula la

probabilidad de que sea defectuosa.
P(B/An)
b) Si se toma al azar una pieza y resulta ser

defectuosa; calcula la probabilidad de que haya
sido producida por la mquina 2.
Ejemplo
c) Si se selecciona una pieza al azar, calcula la

probabilidad de que sea buena.
Ejemplo
Para resolver se construye un rbol de Bayes usando las
probabilidades dadas como informacin.
Paso 1
d) Si se toma al azar una pieza y resulta ser

buena, calcula la probabilidad de que haya sido
producida por la mquina 2.
Se identifican en l los eventos correspondientes a cada

mquina 1, 2 y 3 y constituyen la primera serie de ramas
de un rbol.
rbol de Bayes
PASO 1
rbol de Bayes
Paso 2
Se identifican los eventos correspondientes al porcentaje
de defectuosos de cada mquina (1, 2 y 3) y constituyen
la segunda serie de ramas del rbol.
P(Mquina 2) = 0.30
P(Defectuoso/M1) = 0.03
P(Mquina 2) = 0.30
11
25/01/2014
Ejemplo
Ejemplo
a) Si se selecciona una pieza al azar, calcula la
probabilidad de que sea defectuosa (D).
b) Si se toma al azar una pieza y resulta ser

defectuosa, calcular la probabilidad de haber sido
producida por la mquina 2.
P(M2/D) =
P(D) = P(M1)*P(D/M1) + P(M2)*P(D/M2) + P(M3)*P(D/M3)
P(M2)*P(D/M2)
P(M1)*P(D/M1) + P(M2)*P(D/M2) + P(M3)*P(D/M3)
P(D) = (0.45)(0.03)+(0.30)(0.04)+(0.25)(0.05)
(0.30)*(0.04)
P(M2/D) =
(0.45)*(0.03) + (0.30)*(0.04) + (0.25)*(0.05)
P(D) = 0.038
P(M2/D) = 0.316
P(Mquina 2) = 0.30
P(Mquina 2) = 0.30
Ejemplo
c) Si se selecciona una pieza al azar, calcular la
probabilidad de que sea buena.
Ejemplo
d) Si se toma al azar una pieza y resulta ser buena,
calcular la probabilidad de que haya sido producida
por la mquina 2.
P(D) = P(M1)*P(D/M1)+P(M2)*P(D/M2)+P(M3)*P(D/M3)
P(M2/D) =
P(M2)*P(D/M2)
P(M1)*P(D/M1) + P(M2)*P(D/M2) + P(M3)*P(D/M3)
P(D) = (0.45)(0.97)+(0.30)(0.96)+(0.25)(0.95)
P(M2/D) =
P(D) = 0.962
(0.30)*(0.96)
(0.45)*(0.97) + (0.30)*(0.96) + (0.25)*(0.95)
P(Buena/M1) = 0.97
P(Buena/M1) = 0.97
P(Mquina 2) = 0.30
P(M2/D) = 0.299
P(Buena/M2) = 0.96
P(Mquina 2) = 0.30
P(Buena/M2) = 0.96
P(Buena/M3) = 0.95
P(Buena/M3) = 0.95
Actividad 3
1.
Un equipo deportivo juega 50% de sus partidos como local y el

resto como visitante.
P (Jugando
como Local)
P (Jugando
como Visitante)
Triunfo
0.63
0.20
Empate
0.21
0.23
Derrota
0.16
0.57
a) Calcula la probabilidad de que este equipo obtenga una victoria.

b) Dado que el equipo gana cul es la probabilidad de que haya
jugado como local?
c) Calcula la probabilidad de que este equipo obtenga una derrota.
d) Dado que el equipo pierde cul es la probabilidad de que haya
jugado como visitante?
Actividad 3
2.
Se sabe que en una colonia habitan:
a)
b)
c)
d)
% Habitantes
% Fumadores
Extranjeros
35%
25%
Nacionales
65%
58%
Calcula la probabilidad de que una persona fume.

Dado que una persona fuma cul es la probabilidad de
que sea nacional?
Calcula la probabilidad de que una persona no fume.
Dado que una persona no fuma cul es la probabilidad
de que sea extranjero?
12
25/01/2014
Tarea 3*
Ejercicio 3*
1. Se tienen dos compaas, A y B que surten de productos a dos

mercados especializados, el Norte y el Sur. El Norte compra 45% de la
produccin de A y 55% de la produccin de B.
a) Calcula la probabilidad de que un producto haya sido elaborado en
la compaa A.
b) Dado que un producto fue comprado por la Zona Norte, calcula la
probabilidad de que haya sido elaborado en la compaa A.
3. En una escuela se imparten carreras en las reas de

Ingeniera, Informtica y Administracin. 35% de los
estudiantes son del rea de Ingeniera, 45% del rea de
Informtica y los restantes pertenecen a Administracin.
Se sabe tambin que 65% de los estudiantes de
Ingeniera son varones, 60% de los estudiantes de
Administracin son varones y 50% de los de
Informtica son varones.
2. Una compaa embotelladora que elabora refrescos de limn tiene dos

plantas. El ingeniero de proceso conoce por experiencia la siguiente
informacin:
Planta 1
Planta 2
% Produccin
55 %
45 %
% Botellas defectuosas
2%
4%
Si se toma al azar una botella defectuosa, cul es la probabilidad de que

haya sido elaborada en la planta 2?
a) Dado que un estudiante es varn, calcula la

probabilidad de que pertenezca a Informtica.
b) Dado que un estudiante es mujer, calcula la
probabilidad de que pertenezca a Ingeniera.
Tcnicas de conteo
Tcnicas de
En ocasiones es poco prctico enumerar

todos los puntos muestrales de un evento a
fin de conocer cuntos son.
Conteo
Existen tcnicas que permiten saber cuntos

puntos muestrales hay en un evento a fin de
usarlos para algn clculo en especial.
Sesin 4
Principio Fundamental
del conteo
Si una operacin puede realizarse en n1 formas, y si por

cada una de stas una segunda operacin puede llevarse
a cabo en n2 formas y una k-sima operacin puede
llevarse a cabo en nk formas, entonces las k operaciones
pueden realizarse juntas en:
n1*n*... * nk
Ejemplo 1
Un cdigo de identificacin de un producto se forma con 4
dgitos (del 0 al 9). Si es posible repetir dgitos, cuntos
cdigos diferentes se pueden formar?
Para los 4 dgitos hay 10 opciones y pueden repetirse, por
lo cual el cdigo se formara como sigue:
10
10
10
10
formas.
Por lo tanto hay 104 = 10000 maneras de formar los
cdigos.
13
25/01/2014
Ejemplo 2
Si en el ejemplo del cdigo de identificacin no es posible
repetir dgitos, cuntos cdigos diferentes se pueden
formar?
Ahora, para la primera posicin hay 10 opciones, para la
segunda 9, para la tercera 8 y para la cuarta 7, por lo tanto:
10
Ejemplo 3
Laura tiene 4 pantalones, 3 blusas y dos pares de zapatos

de cuntas maneras se puede vestir asumiendo que todas
combinaciones son de buen gusto?
Solucin:
Se puede vestir de 4 * 3 * 2 = 24 maneras diferentes.
Hay 10*9*8*7 = 5040 cdigos diferentes que pueden

formarse. Hay 10*9*8*7 = 5040 cdigos diferentes que
pueden formarse.
Diagrama de rbol
Ejemplo 3
Diagrama de rbol
Es posible enumerar los distintos puntos
muestrales que resultan de un conteo visualizando
un diagrama de rbol.
Piensa en un rbol de Bayes, pero en vez de

manejar probabilidades se manejan puntos
muestrales.
12
Considerando el ejemplo anterior se tendra el

siguiente rbol.
24 Maneras
diferentes
de vestir
18
Pantalones
24
Blusas
Zapatos
Permutacin
definicin
Permutaciones
El nmero de permutaciones que pueden

formarse con n objetos diferentes es n!
Por ejemplo, si Oscar, Pedro, Juan y Mayra se van a formar en

fila india para entrar al cine, entonces hay:
4! = 24
maneras diferentes en que pueden formarse para entrar al
cine.
Reacomodo de n objetos diferentes en

subconjuntos de r elementos (con r n), en
donde el orden en que estn dispuestos los
objetos SI importa.
El nmero de permutaciones se denota por nPr y se

calcula como:
nPr
n!
(n - r)!
14
25/01/2014
Permutaciones
Combinaciones
Ejemplo
Si se va a integrar un cdigo con 4 letras diferentes,

partiendo de un conjunto de 8 caracteres disponibles de
la A la H cuntos cdigos es posible generar?
Acomodo de n objetos diferentes en subconjuntos

de r elementos (con r n), en donde el orden en
que estn dispuestos los objetos NO importa.
En este caso n=8 y r = 4, y como cada orden es un

cdigo diferente, entonces se trata de una permutacin:
nPr
n!
(n - r)!
8 P4 =
8!
(8 - 4)!
= 1680
nCr
Probabilidad
usando tcnicas de conteo
Ejemplo
En este caso n = 6 y r = 3, y como cada elemento tiene el

mismo cargo, entonces se trata de una combinacin:
nCr =
n!
r!(n - r)!
6C3 =
6!
= 20
3!(6 - 3)!
n!
r!(n - r)!
El nmero de combinaciones ser menor al nmero de

permutaciones.
Combinaciones
Si de un grupo de 6 personas se van a seleccionar 3 para
un comit de representacin en donde todas ostentan
el mismo cargo, cuntos grupos diferentes de 3
representantes se pueden formar?
Es factible usar tcnicas de conteo vistas

anteriormente para el clculo de probabilidades en
eventos que no impliquen reemplazo.
La regla que se sigue en estos casos es:
P(A) =
Nmero de puntos muestrales del evento A

Nmero de puntos muestrales totales
Ejemplo
Ejemplo
Se tienen en una bodega 15 artculos, de los cuales 4 son
de importacin. Si se toman 3, cul es la probabilidad de
que los 3 sean de importacin?
Estamos hablando de una poblacin o muestra de
tamao N (N=15), dentro de la cual hay un nmero k
(k=4) de elementos que cumplen una cierta caracterstica.
De ese subconjunto de k elementos deseamos obtener x
(x=3) con dicha caracterstica en una muestra de tamao
n (n=3).
Si seguimos la regla anterior de clculo

probabilidades para un evento A, tendremos:
de
Maneras en las cuales se puede obtener una

muestra de x elementos de los k que cumplen
con la caracterstica deseada
P(A) =
Maneras en las cuales puede obtenerse una

muestra de tamao n a partir de una muestra
mayor o poblacin N
15
25/01/2014
Actividad 4
N = 15
Nmero total de elementos
k=4
Elementos que cumplen con una caracterstica especial

sean de importacin
n=3
Tamao de la muestra que se toma
x=3
Nmero de elementos en la muestra que cumplan con la

caracterstica buscada sean de importacin
P(x = 3) =
11C0
* 4C3
15C3
Ocupamos 0 artculos nacionales y 3 de importacin (por

eso se efectan las multiplicaciones)
1. Martn tiene 8 macetas para colocar 5 plantas iguales de

cuntas maneras diferentes puede colocar las plantas?
2. En un lote hay 10 piezas, de las cuales 2 son defectuosas.
Se rechaza el lote si en una muestra aleatoria de 2 piezas
se halla una defectuosa. Cul es la probabilidad de que un
lote sea rechazado?
3. Un coche viene con transmisin estndar o automtica,
elctrico o manual, con clima o sin clima, en tres colores
diferentes: blanco, rojo y negro. Cuntas configuraciones
de coches diferentes se tienen?
P(x = 3) = 0.00879
Actividad 4
4. Una pareja de novios va al cine con dos amigos en
comn. De cuntas maneras pueden acomodarse si
los dos novios siempre deben ir juntos?
5. Una locomotora arrastra 8 vagones: 3 pipas con un

qumico, 2 con artculos de acero y 3 con ganado.
a) De
cuntas
maneras
diferentes
pueden
acomodarse los 8 vagones?
b) Si por disposicin sanitaria los vagones de ganado y
los del qumico no pueden ir juntos, de cuntas
maneras diferentes es posible este acomodo?
Ejercicio 4
1. En un estacionamiento hay 10 lugares disponibles. De

cuntas maneras diferentes es posible acomodar los 6
coches siguientes que lleguen?
2. Se van a repartir 3 premios de $1,000,000.00, $750,000.00 y
$500,000.00. Si se vendieron 1000 boletos, de cuntas
maneras podran seleccionarse los ganadores?
3. Una panadera elabora bizcochos, volcanes y donas. Cada
tipo de pan puede venir en sabores fresa, chocolate y
vainilla, y en presentaciones de 2 4 piezas de pan, en
harina normal o harina integral. Cuntas presentaciones
diferentes hay disponibles para el pblico consumidor?
Ejercicio 4
4. Se va a generar un cdigo de identificacin de 7 caracteres

usando 3 letras (de 26 disponibles) y cuatro dgitos (del 0 al
9 disponibles). Cuntos cdigos de pueden generar si
a) No es posible repetir caracteres?
b) Es posible repetir caracteres?
Variables Aleatorias
16
25/01/2014
Variables aleatorias
Variable cuyo valor
Variables
Aleatorias
est determinado por el azar
* Su valor no se puede conocer con exactitud

antes de la realizacin del experimento.
Discretas
DISCRETAS
Continuas
CONTINUAS
Son las variables aleatorias que tienen un conjunto

de posibles valores discretos.
Son las variables aleatorias cuyos valores posibles

se encuentran en cualquier parte de un intervalo.
Estas variables son el resultado de CONTAR.
Estas variables son el resultado de MEDIR:
o nmero de llamadas por hora,

o nmero de estudiantes aprobados en un examen,
o nmero de intentos de conexin a Internet hasta obtener el
acceso.
o estatura de una persona,

o duracin de un componente electrnico,
o tiempo de atencin en un cajero automtico.
caractersticas
Definicin de lmites
Variable aleatoria DISCRETA
x > 5
x toma valores desde 6,7,8...(sin contar el 5)
x 5
x toma valores desde 5,6,7...(contando el 5)
x< 5
x toma valores hasta 4 (sin contar el 5)
x 5
x toma valores hasta 5 (contando el 5).
x= 5
x vale exactamente 5.
IMAGEN
Conjunto de valores posibles.
FUNCIN DE PROBABILIDAD
Una probabilidad asociada a los valores posibles.
Variable aleatoria CONTINUA

x > 5 y x 5
Son lo mismo.
x< 5 y x 5
Son lo mismo.
x= 5
Es un caso inexistente
17
25/01/2014
caractersticas
Una variable aleatoria se designa por una letra
mayscula ( X ).
Cada uno de los valores que puede tomar dicha
variable se denota por una letra minscula ( X = x ).
Las probabilidades asociadas con la ocurrencia de
cada valor de X se denotan por f(x); es decir la
probabilidad de que X = x ocurra se denota por:
X= f (x).
Ejemplo
Construye la funcin de probabilidad para el nmero de
artculos defectuosos en una muestra de 2 artculos
inspeccionados al azar.
X: Nmero de artculos defectuosos en la muestra.
S ={BB,BD,DB,DD}
S
BB
BD
f(x)
1/4
1/2
1/4
0 defectuosos
Funcin de probabilidad
Distribucin de probabilidad
Funcin masa de probabilidad
El conjunto de pares ordenados [x, f(x)] es

una funcin de probabilidad de la variable
aleatoria discreta X.
Si para cada resultado posible x.
f(x) 0
f(x) = 1
P(X = x) = f(x)
f(1) = P (X = 1) =
f(2) = P (X = 2) =
1 defectuoso
2 defectuosos
Funcin de probabilidad
Ejemplo
Un embarque de 8 computadoras similares para una

tienda contiene tres defectuosas. Si la UVAQ hace
una compra al azar de dos de stas computadoras,
encuentre la distribucin de probabilidad para el
nmero de defectuosas.
Como X es una variable cuyos valores x son los

nmeros posibles de computadoras defectuosas que
compra la escuela:
x puede ser cualquiera de los nmeros 0,1 y 2.
Ejemplo
f(0) = P (X = 0) =
DD
* 5C 2
10
=
28
8C 2
Funcin de distribucin acumulada
3C 0
3C 1
* 5C 1
15
=
28
8C 2
3C 2
* 5C 0
8C 2
Esta funcin se define de igual forma para variables

aleatorias continuas y variables aleatorias discretas:
F(x) = P(X x)
- < x <
28
Por lo tanto, la distribucin de probabilidad es:

x
f(x)
10/28
15/28
3/28
18
25/01/2014
Ejemplo
Construye la funcin de distribucin acumulada para el
nmero de artculos defectuosos en una muestra de 2
artculos inspeccionados al azar.
Ejemplo
Siguiendo con el mismo ejemplo, cul es la probabilidad de
tener exactamente uno defectuoso?
Usando la tabla de distribucin acumulada, se tiene que:
Se van sumando las probabilidades:

F(x 0) = f(x=0)
F(x 1) = f(x=0) + f(x=1)
F(x 2) = f(x=0) + f(x=1) + f(x=2)
Funcin de distribucin
acumulada
acumulada
f(x)
f(x)
F(x)
F(x)
Ejemplo
Cul es la probabilidad de tener al menos un defectuoso?
P(x = 1) = F(1) - F(0)

P(x = 1) = -
P(x = 1) =
Distribucin continua probabilidad

Cuando los posibles valores de una variable
aleatoria es un intervalo real, decimos que la
variable es continua.
Esto implica que se tiene x = 1 ms x = 2

P(x 1) = 1 - F(x<1)
acumulada
x
P(x 1) = 1 -
f(x)
F(x)
P(x 1) =
No puede presentarse en forma tabular, pero s

mediante una frmula.
Los procedimientos matemticos usados para las
variables continuas son diferentes a los usados en
las discretas, aunque la idea es la misma.
O bien,
P(x 1) = f(1) + f(2)
Funcin de densidad
Las variables aleatorias discretas tienen funcin de
probabilidad.
Las variables aleatorias continuas tienen funcin de

densidad.
La funcin f(x) es una funcin de densidad de

probabilidad para la variable aleatoria X definida en
el conjunto de los nmeros reales si:
1. f(x) 0 para toda x nmeros reales
2.
3.
19
25/01/2014
Funcin de densidad
Ejemplo
La distribucin de los pesos (Kg) de cierto producto est
dada por la funcin de densidad de probabilidad:
f(x ) =
X, 0 < x < 2
Funcin de densidad
Ejemplo
1. f(x) 0 para toda x nmeros reales.
La funcin est definida para valores x 0, por lo
cual se cumple la primera condicin.
2. Para la segunda condicin se tiene:
0 En cualquier otro caso
a) Verifica si cumple las condiciones expresadas en el punto

anterior.
b) Adems, calcula la probabilidad de que el peso de un
paquete est entre 0.5 y 0.8 kg.
3. Para P (0.5 < x< 0.8) se tiene:
Distribuciones de Probabilidad
Variables discretas
aleatorias continuas
Distribucin Binomial
Binomial
Poisson
Geomtrica
Hipergeomtrica
El experimento de Bernoulli
Imagina un experimento aleatorio, en donde

existan dos resultados posibles.
a) xito
Es lo que buscamos
No necesariamente implica algo bueno o positivo
b) Fracaso
Es lo que no deseamos o no nos interesa obtener

No necesariamente debe ser algo malo o negativo.
Un experimento aleatorio que consiste de n ensayos

repetidos tales que:
Los ensayos son independientes.

Cada ensayo tiene slo dos resultados posibles,
xito y fracaso.
La probabilidad de un xito en cada ensayo, p,
permanece constante.
Con q = 1 - p como la probabilidad de un fracaso.
20
25/01/2014
Ejemplos
La variable aleatoria X que es igual al nmero de

ensayos donde el resultado es un xito, tiene una
distribucin binomial con parmetros:
p = probabilidad de xito
n = 1,2,...= nmero de ensayos efectuados
La funcin de probabilidad de X es:
guila
Sol
Fallece
Sobrevive
Defectuoso
No defectuoso
b( x, n, p) n Cx p x (1 p) n x
para x = 0, 1, 2,....,n
Ejemplo 1
En cierta ciudad, el nmero de coches modelo 2001 o posteriores

representa 30% del parque vehicular. Si se escoge una muestra aleatoria
de 5 coches, calcula la probabilidad de que al menos dos sean modelo
2001 o posterior.
La media de la distribucin binomial es:

= np
xito
La varianza de la distribucin binomial es:
Coche que sea modelo 2001 o posterior
Probabilidad de coche modelo 2001 o posterior
0.30
1p
0.70
Muestra aleatoria
Nmero de coches que cumplan

con el requisito de ser 2001 o posteriores
2 = npq
Ejemplo 1
xito
xito
0.30
1p
0.70
Muestra aleatoria

Ejemplo 1
5
2
b( x 2, n 5, p 0.30)5 Cx 0.30 x (0.70)5 x
0.30
1p
0.70
Muestra aleatoria

b( x 2, n 5, p 0.30)5 Cx 0.30 x (0.70)5 x
para x = 2, 3, 4, 5
para x = 2, 3, 4, 5
P ( x 2 ) = 0.4718
f(x)
0.3087
0.1323
0.0284
0.0024
0.4718
21
25/01/2014
Uso de tablas
distribucin binomial
El resultado anterior se obtuvo sustituyendo en la
frmula, lo cual no siempre es prctico.
Para facilitar el clculo de probabilidades binomiales
se usan tablas con los valores ms comunes.
Uso de tablas
distribucin binomial
a) La primera columna es el nmero de ensayos
(intentos) n hechos en el experimento.
b) La segunda columna es el nmero de xitos x
buscados. Obviamente x n.
c) Se tienen columnas con valores de probabilidad de
xito p constante. En caso de que un valor de p no
aparezca en la tabla se recurre a la frmula.
c)
d) Las tablas son acumulativas.
a)
b)
Ejemplo 1
Ejemplo 1
En cierta ciudad, el nmero de coches modelo 2001 o

posteriores representa 30% del parque vehicular. Si se
escoge una muestra aleatoria de 5 coches, calcula la
probabilidad de que al menos dos sean modelo 2001 o
posterior.
La lgica es simple, se obtiene la probabilidad de x = 0,1

y se obtiene su complemento, que sera:
x = 2,3,4 y 5
Ejemplo 2
Calcula la probabilidad de que en esa misma muestra haya
ms de dos coches.
En este caso, ms de dos coches equivale a x > 2,
es decir x = 3,4 y 5.
Ejemplo 2
ms de dos coches.
En este caso, ms de dos coches equivale a x > 2,
es decir, x = 3,4 y 5.
22
25/01/2014
Ejemplo 3
cuando menos dos y mximo cuatro coches.
Ejemplo 3
cuando menos dos y mximo cuatro coches.
2 x 4, es decir, x = 2,3 y 4.
2 x 4, es decir, x = 2,3 y 4.
Actividad 6
Actividad 6
1. En un sistema bancario, 10% de las veces se excede el

tiempo promedio de atencin al cliente. Para los
siguientes 10 clientes encuentra:
2. 35% de los jvenes que asisten a un restaurant fuman.

Si se escogen al azar 5 jvenes, calcula la probabilidad
de que:
a) La probabilidad de que al menos 6 excedan el

tiempo promedio de atencin.
b) Haya clientes que excedan el tiempo promedio de
atencin.
c) Ms de dos y menos de 7 excedan este tiempo.
d) La probabilidad de que menos de 5 excedan el
tiempo de atencin.
a)
b)
c)
d)
e)
Ninguno fume.
Ms de 3 fumen.
Cuando mucho 2 fumen.
Exactamente 5 fumen.
Encuentra el valor esperado y la varianza del
nmero de jvenes fumadores.
Ejercicio 6
Ejercicio 6
1. Una lnea area llega a destiempo 35% de las veces. Para los
siguientes 10 vuelos, calcula la probabilidad de que:
a) Haya retrasos.
b) Tenga al menos 5 retrasos.
c) Tenga exactamente 1 retraso.
d) Cul es el nmero esperado de retrasos en 16 vuelos? (usa
E(x) = np)
3. Un sistema de control de calidad revisa 3 piezas cada hora. La

probabilidad de obtener una pieza defectuosa es de 0.1.
a) Completa la funcin de probabilidad f(x) mostrada, usando
para x = 0, 1, 2, 3
b( x, n 3, p 0.1)3 Cx (0.1) x (1 0.1) n x

x
f(x)
F(x)
2. Una cadena de comida rpida recibe quejas en 1 de cada 10

clientes que atiende. Si en un lapso de 5 minutos atiende a 20
clientes. Calcula la probabilidad de que:
a) No reciba quejas.
b) Reciba al menos una queja.
c) Reciba menos de una o reciba ms de 10 quejas.
b) Una funcin de distribucin acumulada F(x) se define como:

para i = 0, 1, 2, 3
Completa la tabla del inciso b y con ella calcula la probabilidad de que

haya 2 o ms artculos defectuosos, haciendo F(3) F(1).
23
25/01/2014
Distribuciones de Probabilidad
Ejercicio 6
Variables continuas
4. Una empresa tiene 20% de sus clientes en la cartera

vencida. Una auditora pondr a la empresa en clasificacin
de riesgo si al seleccionar aleatoriamente 12 clientes al
menos dos estn en la cartera vencida. Calcula la
probabilidad de que la empresa no sea colocada en
clasificacin de riesgo.
5. En una encuesta hecha a adultos que declaran leer el
peridico se supo que 40% de la gente lee el peridico A.
Si se seleccionan al azar a cinco personas, calcula la
probabilidad de que:
a) Al menos una lea solamente A.
b) Exactamente dos lean A.
Uniforme
Exponencial
Normal
Distribucin Uniforme
Distribucin Uniforme Continua
Si definimos una variable aleatoria continua X

como aquella que est entre ( a x b ) y cuya
funcin de densidad de probabilidad es:
f ( x)
1
ba
Entonces decimos que X tiene una distribucin

uniforme continua.

La media de la variable aleatoria uniforme continua
est dada por:
E ( x)
a b
2
La varianza est dada por:
2 V ( x)
b a2
Una distribucin uniforme en el rango de cero a uno:

Es la base para generar
distribuciones de probabilidad.
valores
de
otras
Sirve para representar (estimar) el comportamiento

(valores) de las variables aleatorias cuando se tiene
poca informacin sobre stas, pues se asume que
varan aleatoriamente entre dos valores (a,b).
12
24
25/01/2014

Ejemplo
f(x)
1
=
La funcin de densidad de probabilidad para el peso de

paquetes de carne de res oscila entre 150 y 200 gramos.
a) Calcula la probabilidad de que un paquete pese menos
de 169 gr.
p(150 x 169)
169
150
k2
1 < < 2 =
P(k1 x k2 )
b
2 1
k1
0.02dx 0.02 x 150

169
150
21
p(150 x 169) 0.38
b) Cul es la probabilidad de que un paquete pese menos de 158

gramos o ms de 192?
p( x 158 x 192)
200
200 150 dx 200 150 dx
150
192
0.02 x 150 0.02 x 192

158
150
169
1
dx
ba

Ejemplo
158
169
200 150 dx 0.02dx
200

Ejemplo 2
La panadera Rosquillitas elabora donas cuyo dimetro externo es
una variable aleatoria con distribucin uniforme entre 12.0 y 12.8 cm.
Cul es la probabilidad de que el dimetro de una dona:
a) exceda los 12.6 cm?
b) est entre 12.1 y 12.7 cm?
c) sea mayor o igual a 12.5 cm?
0.02(158 150) 0.02(200 192)

p( x 158 x 192) 0.32

Ejemplo 2

Ejemplo 2
Dimetro externo es una variable aleatoria con distribucin uniforme
b) Cul es la probabilidad de que el dimetro de una dona est

entre 12.1 y 12.7 cm?
entre 12.0 y 12.8 cm.

a) Cul es la probabilidad de que el dimetro de una dona exceda
P(12.1 x 12.7)
12.8 12.0 dx
1.25x 12.1 1.25(12.7 12.1) 0.75

12.7
12.1
los 12.6 cm?
P( x 12.6)
12.7
P(12.1 x 12.7) 75%
12.8
1
12.8
12.8 12.0 dx 1.25x 12.6 1.25(12.8 12.6) 0.25
12.6
P( x 12.6) 25%
c) Cul es la probabilidad de que el dimetro de una dona sea

mayor o igual a 12.5 cm?
P( x 12.5)
12.8
12.8 12.0 dx
1.25x 12.5
12.8
1.25(12.8 12.5) 0.375
12.5
P( x 12.5) 37.5%
25
25/01/2014
Distribucin Normal

Ejercicios
1. Un ingeniero estima inicialmente que el tiempo -en minutosde maquinado de una pieza se modela con una distribucin
uniforme (10,20). Calcula la probabilidad de que una pieza sea
maquinada en menos de 14.5 minutos.
2. Se sabe por experiencia que el saldo promedio de los clientes

de un banco se distribuye uniformemente entre $25 y $35 (en
miles de pesos). Cul es la probabilidad de hallar un cliente
con un saldo promedio menor a $26.5 (en miles de pesos)?
Distribucin Normal
Una variable aleatoria X cuya funcin de densidad de
probabilidad es:
f ( x, , )
1
e
2
Distribucin Normal
La media de la variable aleatoria normal est dada por:
( x )2
2 2
Tiene una distribucin normal, cuyos parmetros

(valores que la definen y dan forma) son:
- < <
>0
Curva Normal
Notas
Distribucin Normal
Tambin es llamada la Campana de Gauss, curva de

Gauss o curva normal.
Es simtrica respecto a su valor central .
Su punto mximo coincide con la media ( ).
Tiene puntos de inflexin situados a ambos lados de la

media , a una distancia ( n) de ella (n=1,2,3).
Su rea total bajo la curva es 1 (100%).
1
f ( x, , )
e
2
( x )2
2 2
Esta funcin no tiene una integral sencilla para calcular

valores de probabilidad, por lo que se requiere de una
variable especial para ello: la variable normal estndar.
26
25/01/2014
Distribucin
Normal Estndar
Distribucin Normal Estndar

Si X es una variable normal con:
E(X) =
entonces:
V(X) = 2
es una variable aleatoria normal estndar.
La media de la variable aleatoria normal estndar est

dada por:
n( x; , )
1
e
2
( x )2
2 2
E(Z) = 0
2 = 1
V(Z) = 1
La desviacin estndar se obtiene sacando la raz
cuadrada de la varianza.
=0

Tabla

Tabla
Para encontrar: P (Z >1.23)

1.20 + 0.03 = 1.23
En el cruce de ambas cantidades viene
la probabilidad acumulada:
P(Z< 1.23) = 0.8907
P (Z > 1.23) = 1 P(z < 1.23)

P ( Z > 1.23) = 1 - 0.8907
P (Z > 1.23) = 0.1093
=0
K1
27
25/01/2014

Tabla

Tabla
P (Z > 0.74) = ?
P ( Z < -0.74) = P ( Z > 0.74)

0.2296 = 1 - P ( Z < 0.74)
P ( Z > 0.74) = 1 - P ( Z < 0.74)
0.2296 = 1 0.7704
= 1 0.7704
0.2296 = 0.2296
= 0.2296
P ( Z > -1.46) = P ( Z < 1.46) ?
P (Z < -0.74) ?

Tabla
P (-2.33 < Z < 1.23) = P ( Z < 1.23) - P ( Z > -2.33)

= 0.8907 - 0.0099
= 0.8808
Ejercicios:
a) P (0.33 < Z < 1.23)
b) P (-2.33 < Z < -1.23)

Ejemplo
El tiempo de preparacin de una comida casera en particular

se modela mediante una distribucin normal con media de 12
minutos y desviacin estndar de 5.3.
Calcula la probabilidad de que una comida:
a) Demore en ser preparada menos de 10 minutos.
b) Demore en ser preparada entre 10 y 13 minutos.
c) Demore en ser preparada entre 14 y 16 minutos.
d) Demore en ser preparada ms de 15 minutos.
e) Cul es el tiempo que demoran en ser preparadas el 5%
de las comidas ms tardadas?

Ejemplo
a) Demore en ser preparada menos de 10 minutos.

Ejemplo
b) Demore en ser preparada entre 10 y 13 minutos.

1 =
10 12
=
=
5.3
1 10 12
=
= 0.38
5.3
2 =
2 13 12
=
= 0.19
5.3
P(-0.38 < Z < 0.19) = ?
< 0.38 = > 0.38 = 1 < 0.38

= 1 < 0.38
= 1 0.6480
= 0.352
0.38 < < 0.19 = z < 0.19 P z < 0.38

0.38 < < 0.19 = < 0.19 1 < 0.38
0.38 < < 0.19 = 0.5753 0.352 = 0.2233
28
25/01/2014

Ejemplo
c) Demore en ser preparada entre 14 y 16 minutos.

Ejemplo
d) Demore en ser preparada ms de 15 minutos.
P(14< X < 16) = ?

P( X > 15) = ?
1 14 12
=
= 0.38
5.3
2 16 12
2 =
=
= 0.75
5.3
1 =
15 12
=
= 0.57
5.3
P( Z > 0.57) = ?
P(0.38 < Z < 0.75) = ?
> 0.57 = 1 < 0.57 = 1 0.7157 = 0.2843
0.38 < < 0.75 = < 0.75 < 0.38
0.38 < < 0.75 = 0.7734 0.648 = 0.1254

Ejemplo
e) Cul es el tiempo que demoran en ser preparadas el

5% de las comidas ms tardadas?
0.95 =
12
5.3

Actividad
1. Un proceso de fundicin genera piezas utilizadas en un
ensamble posterior. La distribucin de la longitud de las
piezas es una variable aleatoria normal con media de 4.5 cm
y desviacin estndar de 0.12 cm. Calcula la probabilidad de
que:
a) Una pieza exceda los 5 cm de longitud.
b) Una pieza tenga entre 4 y 5 cm de longitud.
c) Una pieza tenga menos de 3.8 cm de longitud.
= 0.95 5.3 + 12
= 1.645 5.3 + 12 = 20.72
d) Debajo de qu valor est 10% de las piezas con menor

longitud?

Ejercicios
1. Una compaa saca al mercado un procesador de 3 GHz. Sin
embargo, debido a variaciones en los materiales empleados, en
su elaboracin puede haber distintas velocidades. La velocidad
de desempeo de un procesador puede considerarse una
variable aleatoria con una media de 3 GHz y una desviacin
estndar de 0.21 GHz.
a) Cul es la probabilidad de que un procesador supere una

velocidad de 3.7 GHz?
b) Cul es la probabilidad de que un procesador tenga una
velocidad inferior a 2.2 GHz?

Ejercicios
3. El tiempo que tarda Juan en viajar de su casa al trabajo se
puede considerar una variable aleatoria normal con media de
25 minutos y desviacin estndar de 5 minutos. Si Juan sale
de su casa a las 8:00 y debe estar en su trabajo a las 8:30.
Cul es la probabilidad de que llegue tarde al trabajo?
4. Rosquillitas elabora donas con un dimetro externo de 12

cm y una varianza de 0.25 cm. Cul es la probabilidad de
que el dimetro de una dona:
a) exceda los 13 cm?
2. Se sabe por experiencia que el saldo promedio de los clientes de

un banco es de $30 (en miles de pesos), con una desviacin
estndar de $8 (en miles de pesos). Cul es el saldo promedio
de 2.5% de los clientes con menor saldo?
b) est entre 11.8 y 13.5 cm?

c) sea mayor o igual a 12.5 cm?
29
25/01/2014

Ejercicios
Mdulo III
5. La panadera La oaxaquea elabora piezas de pan de

repostera. La longitud de una pieza de pan, la cual se
distribuye normalmente, es de 15 cm con una varianza
de 2.25.
a) Cul es la probabilidad de que una pieza exceda
los 18 cm?
b) Si el dueo pide que las piezas de pan estn entre
13 y 17 cm qu porcentaje de piezas de pan salen
de la especificacin?
Estadstica Descriptiva
Estadstica
Definiciones bsicas
en conceptos de
Estadstica
descriptiva
Ciencia que proporciona tcnicas precisas para

obtener informacin (recoleccin y presentacin de
datos), as como mtodos para el anlisis, validacin
y presentacin de sta.
Informacin
Estadstica
Descriptiva
Estadstica
Inferencial
golpepolitico.com
30
25/01/2014
Estadstica Descriptiva
Estadstica Inferencial
Contiene la recoleccin, organizacin, presentacin

y resumen de una serie de datos en forma tabular,
grfica o numrica.
Hace posible la estimacin de una caracterstica

de una poblacin o la toma de una decisin
referente a una poblacin,

fundamentndose slo en los resultados
de la muestra.
El anlisis se limita a los datos recolectados

y no se puede realizar inferencia (generalizacin) alguna
acerca de la poblacin de donde provienen esos datos.
Conocer la tendencia electoral con base en

una encuesta realizada en las principales
ciudades del pas.
Analizar el comportamiento de las ventas

diarias durante el 2013 en un supermercado
Definiciones bsicas
Experimentacin
Proceso de generar datos.
Poblacin
Conjunto de observaciones en las cuales se est
interesado.
Muestra
Subconjunto de una poblacin. Debe ser representativa,
es decir que todas las caractersticas de una poblacin
estn representadas.
Muestra aleatoria
Aquella en la cual todos los elementos de una poblacin
tienen la misma probabilidad de ser seleccionados.
Definiciones bsicas
Datos variables discretos
Nmeros enteros
Resultan de un conteo
21 artculos
defectuosos
15 alumnos aprobados
Calidad en un artculo
(bueno/malo)
Sazn de una comida
(salada/desabrida)
Contenido de una lata de

refresco
Nmero de estudiantes
forneos en un saln
Muestreo
Para seleccionar una muestra es posible recurrir a
tcnicas de muestreo, con ello se aseguran dos
resultados para la muestra.
Es aleatoria, todos los elementos tienen la misma
probabilidad de ser elegidos.
Datos variables continuos
Pueden tomar su valor dentro de un rango continuo de

valores.
Resultan de una medicin.
1.67 metros
Representativa, las caractersticas ms importantes

de la poblacin son representadas en la muestra.
3.568 litros
31
25/01/2014
Muestreo Aleatorio Simple

Ejemplo
Se tiene una lista de 50 registros con informacin sobre las

calificaciones de alumnos.
Vamos a seleccionar 10 para efectuar un estudio.
PASO 1:
Asignar un nmero a cada registro (del 1 al 50).
Muestreo Aleatorio Simple

Ejemplo
PASO 2:
Mediante el uso de una calculadora generar 10
nmeros y registrar los primeros dos dgitos.
0.15, 0.34, 0.46, 0.08, 0.47, 0.12, 0.03, 0.44, 0.27, 0.17
Los registros que tengan asignado ese nmero sern los que
seleccionados para el estudio.
Ejemplo
Se est interesado en conocer el ingreso mensual de un

recin egresado de la UVAQ.
Poblacin
Los estudiantes egresados de la UVAQ
Muestra
Para hacerla representativa se debe escoger esta muestra
de modo que estn incluidos egresados de todas las
carreras que ofrece la UVAQ.
Muestreo
Seleccionar una muestra aleatoria a partir de una lista de
los egresados de todas las carreras que ofrece la UVAQ.
Datos
Cmo se mide el salario, el dato es cuantitativo continuo.
Estadstica descriptiva:
Distribuciones de Frecuencias
k
LRI
LRS
xi
fi
Fi
hi
Hi
155.5
161.5
158.5
0.08
0.08
161.5
167.5
164.5
24
32
0.24
0.32
167.5
173.5
170.5
36
68
0.36
0.68
173.5
179.5
176.5
25
93
0.25
0.93
179.5
185.5
182.5
100
0.07
32
25/01/2014
Distribucin de frecuencias
Ejemplo
Se recopilaron las estaturas (en cm) de 100 estudiantes

de una Universidad.
ESTATURAS DE 100 ESTUDIANTES (en cm)
Disposicin tabular de los n datos de

una muestra por clases junto con las
correspondientes frecuencias de clase.
De este modo, los datos organizados en clases
se llaman datos agrupados.
172
177
175
181
161
171
169
177
183
166
169
168
161
174
156
171
174
174
173
173
174
160
173
169
167
172
176
178
172
159
162
175
177
165
173
175
173
165
175
159
173
162
175
158
165
178
166
171
172
176
167
173
174
164
182
165
176
164
166
164
162
168
172
160
184
183
172
164
168
169
180
172
169
166
165
176
170
171
164
167
169
177
174
182
167
173
163
169
177
176
171
174
173
168
164
168
171
178
167
173
Ejemplo
Calcular el rango
R = xM x m
Ejemplo
Valor mximo = xM = 184

Valor mnimo = xm = 156
A = Rango/#intervalos
= 28/5
R = xM xm = 184 156 = 28
Determinar el ancho de intervalo o clases
= 5.6
Formar de 5 a 20 intervalos o clases.

dividiendo el rango entre: 1, 2 5
10, 20, 50
0.1, 0.2 0.5
Etc.
28/1 = 28
28/2 = 14
28/5 = 5.6
5 intervalos
Intervalos
1
2
Este es el ancho de intervalo mnimo que se puede usar para que

todos los datos queden incluidos en la tabla de distribucin de
frecuencias.
Se recomienda redondear al mismo valor decimal de los datos. En
este caso como los datos son enteros, A se redondea a 6.
3
4
Ejemplo
Determinar los lmites de intervalo
Calcular el lmite inferior del primer intervalo LI1
LI1 xm
u
2
LI
1
155.5
2
Determinar los lmites de intervalo

Para calcular el lmite superior del primer intervalo LS1
LS LI A
u es la mnima unidad decimal de los datos:

Datos son enteros u=1
Un decimal u=0.1
Dos decimales u=0.01
Etc.
LS1 LI1 A 155.5 6 161.5

LS
LI
LS
155.5
161.5
161.5
161.5
167.5
167.5
173.5
173.5
179.5
179.5
185.5
LI1 156
Ejemplo
155.5
33
25/01/2014
Ejemplo
Calcular las marca de clase (xi).
LI i LSi
2
xi
Ejemplo
Obtener las frecuencias absolutas de intervalo (fi).
LI LS1 155.5 161.5

x1 1
158.5
2
2
LI
LS
xi
155.5
161.5
158.5
161.5
167.5
164.5
167.5
173.5
170.5
173.5
179.5
176.5
179.5
185.5
182.5
LI
LS
xi
155.5
161.5
158.5
161.5
167.5
164.5
24
167.5
173.5
170.5
36
173.5
179.5
176.5
25
179.5
185.5
182.5
La suma total de la columna de fi debe ser igual a n.
Ejemplo
Calcular las frecuencias absolutas acumuladas de

cada intervalo (Fi).
Ejemplo
Calcular la frecuencia relativa de cada clase (hi).
hi
fi
Fi
fi
n
h1
8
0.08
100
LRI
LRS
xi
155.5
161.5
158.5
161.5
167.5
164.5
24
32
LRI
LRS
xi
fi
Fi
hi
167.5
173.5
170.5
36
68
155.5
161.5
158.5
0.08
173.5
179.5
176.5
25
93
161.5
167.5
164.5
24
32
0.24
179.5
185.5
182.5
100
167.5
173.5
170.5
36
68
0.36
173.5
179.5
176.5
25
93
0.25
179.5
185.5
182.5
100
0.07
Ejemplo
fi
Histograma
Calcular la frecuencia relativa acumulada de cada

clase (Hi).
Hi
Fi
n
H1
8
0.08
100
LI
LS
xi
fi
Fi
hi
Hi
155.5
161.5
158.5
0.08
0.08
161.5
167.5
164.5
24
32
0.24
0.32
167.5
173.5
170.5
36
68
0.36
0.68
173.5
179.5
176.5
25
93
0.25
0.93
179.5
185.5
182.5
100
0.07
Muestra la frecuencia de ocurrencia de una variable.

Ayuda a ver la forma de la distribucin de los datos.
34
25/01/2014
Elaboracin de Histograma
1. Colocar en una escala horizontal las k clases (LI - LS)
agregando una clase adicional tanto al inicio como al
final de esta escala.
Elaboracin de Histograma
2. Para cada clase se forma una barra, cuyo ancho ser
igual al ancho de clase A y cuya altura ser igual a la
frecuencia absoluta f.
LI
LS
LI
LS
155.5
161.5
155.5
161.5
161.5
167.5
161.5
167.5
24
167.5
173.5
167.5
173.5
36
173.5
179.5
173.5
179.5
25
179.5
185.5
179.5
185.5
HISTOGRAMA
fi
HISTOGRAMA
HISTOGRAMA
HISTOGRAMA
Frecuencia
40
35
30
Estaturas
25
20
15
10
0
155.5
161.5
167.5
173.5
179.5
y mayor...
Clase
35
25/01/2014
HISTOGRAMA
POLGONO DE FRECUENCIAS
Histograma de C4
18
Diagrama de trazos que resulta de unir
16
14
la parte media superior de cada una
Frecuencia
12
de las barras de un histograma
10
8
(marcas de cada clase)
6
4
2
0
155
160
165
170
C4
175
180
185
Minitab usa raz del total de nmeros y esto lo divide entre el rango para calcular la amplitud del rango (9.48/0.043)=0.004
y toma los intervalos a partir del numero menor ms la amplitud.
POLGONO DE FRECUENCIAS
Sirve para ver, mediante una lnea continua, la forma

de los datos y darnos una idea de cmo es la
poblacin de donde provienen.
Actividad
1. Los consumos individuales (en pesos) de 30 turistas en
un restaurante se presentan en la tabla adjunta.
Histograma de C4
Normal
18
Media
Desv.Est.
N
16
170.5
6.078
100
14
Frecuencia
12
10
8
6
a) Calcula k de acuerdo a la regla que se vio en la

presentacin.
b) Partiendo de esta informacin genera la tabla de
distribucin de frecuencias adecuada.
c) Construye el histograma y polgono de frecuencias
correspondiente.
4
2
0
155
160
165
170
C4
175
180
185
Ejercicio
1. Los siguientes son los tiempos (meses) de la duracin hasta
la primer falla de un componente electrnico.
a) Construye una distribucin de frecuencias.

b) Construye un histograma de frecuencias usando 5
clases.
c) Construye el polgono de frecuencias correspondiente.
Ejercicio
2. Un banco desea mejorar su servicio a clientes; por ello
introdujo algunas mejoras para hacer ms gil su servicio. Los
siguientes son los tiempos (en minutos) de atencin a clientes.
a) Construye una distribucin de frecuencias.

b) Construye un histograma de frecuencias usando 5 clases.
c) Construye el polgono de frecuencias correspondiente.
36
25/01/2014
Medidas de tendencia central
Promedio
Es la disposicin de los datos

para acercarse a un valor,
generalmente el centro.
Promedio de la muestra
Promedio
Ejemplo
xi
Cada uno de los elementos de la muestra
Tamao de la muestra
Mediana
Se define como el valor central de una serie ordenada
de n datos.
Calcular el promedio para la serie de nmeros:

27, 84, 9, 40, 49, 84, 70, 93
Si esta cantidad n es impar, se toma el valor central.
Si esta cantidad n es par se toman los dos valores

centrales y se obtiene su promedio.
Mediana
Ejemplo
Moda
Calcular la mediana para la serie de nmeros:

27, 84, 9, 40, 49, 84, 70, 93
Primero se ordenan los datos de menor a mayor:
9, 27, 40, 49, 70, 84, 84, 93
x4
Como n es par se calcula:
x5
La moda se define como el valor que ms se

repite en una serie de datos.
Puede darse el caso de que no exista moda o que
exista ms de una moda.
La moda es el dato, no el nmero de veces que
ste se repite.
37
25/01/2014
Moda
Medidas de dispersin
Ejemplo
Calcular la moda para la serie de datos:

27, 84, 9, 40, 49, 84, 70, 93
Grado en que los datos se

alejan del valor de tendencia
No es necesario ordenar de menor a mayor los datos.
central
Se observa que el nmero 84 se repite dos veces, por lo
tanto la moda es igual a 84.
Rango
En una serie de datos se define como la diferencia entre el
mayor y el menor de los datos.
Rango
Calcular el rango para la serie de nmeros:

27, 84, 9, 40, 49, 84, 70, 93
xm
Rango
xM
Dato mayor de la muestra
xm
Dato menor de la muestra
Varianza
Varianza
Se define como el promedio del cuadrado de las diferencias
de cada observacin xi respecto al promedio muestral .
xM
Ejemplo
Calcular la varianza para la serie de nmeros:

27, 84, 9, 40, 49, 84, 70, 93
Sabemos que el promedio de esta serie de datos es 57, por
lo tanto:
s2
Varianza
xi

Tamao de la muestra
38
25/01/2014
Desviacin Estndar
Desviacin Estndar
Se define como la raz cuadrada positiva de la varianza.
Ejemplo
Calcular la desviacin estndar para la serie de datos:

27, 84, 9, 40, 49, 84, 70, 93
Sabemos que la varianza de esta serie de datos es 925.71,
por lo tanto la desviacin estndar es:
Desviacin estndar
xi

Tamao de la muestra
La desviacin estndar explica la dispersin absoluta

en una muestra.
Coeficiente de variacin
Ejemplo
Calcular el coeficiente de variacin para la serie de nmeros:

27, 84, 9, 40, 49, 84, 70, 93
Sabemos que:
s = 30.4255
s
x = 57
Desviacin estndar
Por lo tanto:
El coeficiente de variacin explica

la dispersin relativa en una muestra.
CV= 30.4255/57 = 0.534
Ejercicio
Los dimetros de 10 tuercas (en centmetros) se
presentan a continuacin:
0.91, 0.89, 0.92, 0.93, 0.88,
0.90, 0.90, 0.89, 0.90, 0.91
Calcula el promedio.
Calcula la varianza.
Calcula la desviacin estndar.
Calcula el coeficiente de variacin.
Ejercicios
Registra los pesos y estaturas de 10 personas y con esa
informacin llena la siguiente tabla.
Calcula la desviacin
estndar.
Calcula el coeficiente
de variacin.
39
25/01/2014
Medidas de tendencia central

Datos agrupados
Promedio
( )
Es la disposicin de los datos

para acercarse a un valor,
generalmente el centro.
xi
Marca de la i -sima clase
fi
Frecuencia absoluta de la i -sima clase
Tamao de la muestra
Promedio
Ejemplo
Promedio
Ejemplo
2. Obtener la suma total de la columna xi fi .

1. Obtener el producto xi fi .
k
1
2
3
4
5
LRI
155.5
161.5
167.5
173.5
179.5
LRS
161.5
167.5
173.5
179.5
185.5
xi
158.5
164.5
170.5
176.5
182.5
fi
8
24
36
25
7
xi fi
1268
3948
6138
4412.5
1277.5
LRI
LRS
1
2
3
4
5
155.5
161.5
167.5
173.5
179.5
161.5
167.5
173.5
179.5
185.5
xi
158.5
164.5
170.5
176.5
182.5
fi
8
24
36
25
7
xi fi
1268.0
3948.0
6138.0
4412.5
1277.5
17044
17044
= 170.44
100
Mediana
Ejemplo
Mediana
Es el valor central de una serie de datos
=

+ 2
a clase mediana es aquella que contiene al dato n/2-simo
LRImed
LRI
LRS
xi
fi
Fi
hi
Hi
155.5
161.5
158.5
0.08
0.08
161.5
167.5
164.5
24
32
0.24
0.32
167.5
173.5
170.5
36
68
0.36
0.68
173.5
179.5
176.5
25
93
0.25
0.93
179.5
185.5
182.5
100
0.07
Fantesmed
fmed
Mediana
LRImed
Lmite inferior de la clase mediana,

que contiene al n/2 simo dato
Fantesmed
Frecuencia acumulada hasta una

clase antes de la clase mediana
A
fmed
n
Ancho de la clase mediana

Frecuencia absoluta de la clase mediana
Nmero total de datos
El dato nmero 50 (n/2) debe estar contenido en la clase

k=3, por tanto:
LRImed = 167.5
Fantesmed = 32
A=6
fmed = 36
n = 100
40
25/01/2014
Mediana
Ejemplo
LRImed = 167.5
Moda
Es el valor que ms se repite en una serie de datos.
Fantesmed = 32
A=6
fmed = 36

+ 2
= +
n = 100
1 + 2
Moda
Lmite inferior de la clase modal
LRIm
50 32
= 167.5 +
6
36
= 170.5
Diferencia entre la frecuencia de la clase

modal y la clase de arriba
Diferencia entre la frecuencia de la clase modal y la

clase de abajo
Moda
Ejemplo
Medidas de dispersin
La clase modal es aquella que tiene la mayor frecuencia

absoluta f.
1
LRIm
LRI
LRS
xi
fi
155.5
161.5
158.5
161.5
167.5
164.5
24
32
167.5
173.5
170.5
36
68
173.5
179.5
176.5
25
93
179.5
185.5
182.5
100
= +
Fi
= 167.5
1 = 3 2 = 36 24 = 12
2 = 3 4 = 36 25 = 11
=6
Grado en que los datos se

alejan del valor de tendencia
central
1 + 2
= 167.5 +
12
6
12 + 11
= 170.63
Varianza
Ejemplo
Varianza
Se define como el promedio del cuadrado de las diferencias
de cada observacin xi respecto al promedio muestral .
2
Se obtiene la suma total de la columna f i ( xi x )
s2
f (x x)
i 1
s2
Varianza
fi
Frecuencia absoluta de la i-sima clase

Marca de la i-sima clase
Tamao de la muestra
LRI
LRS
xi
1
2
3
4
5
155.5
161.5
167.5
173.5
179.5
161.5
167.5
173.5
179.5
185.5
158.5
164.5
170.5
176.5
182.5
fi
fi (x i -x)
8
24
36
25
7
1140.509
846.806
0.130
918.090
1018.105
3923.64
xi
s
2
f (x x)
i 1
= 170.44
2 =
3923.64
= 39.23
100
41
25/01/2014
Desviacin estndar
Es la raz cuadrada de la varianza.
(
=1
Se define como:
=
)2
Desviacin estndar
El coeficiente de variacin explica la dispersin relativa en una

muestra.
2 =
3923.64
= 39.23
100
= 39.23 = 6.26
=
6.26
=
= 0.036
170.44
La desviacin estndar explica

la dispersin absoluta en una muestra.
Este indicador permite comparar

entre dos muestras cul es la que
posee una mayor variacin.
A mayor CV mayor variacin.
Actividad
k
LRI
LRS
xi
fi
120
129
124.5
130
139
134.5
140
149
144.5
10
150
159
154.5
160
169
164.5
Ejercicio
1. Los siguientes son los tiempos (meses) de la duracin
hasta la primer falla de un componente electrnico
industrial.
1. Con los datos de las alturas de los estudiantes

que se presentan en la tabla:
a) Calcula el promedio.
b) Calcula la varianza.
c) Calcula la desviacin estndar.
d) Calcula el coeficiente de variacin.
a)
b)
c)
d)
Ejercicio 13
DIAGRAMA DE DISPERSIN
2. Un banco desea mejorar su servicio a clientes, por ello

introdujo algunas mejoras para hacer ms gil su
servicio. Los siguientes son los tiempos (en minutos) de
atencin a clientes.
a)
b)
c)
d)
Un
embotellador
de
refrescos
produce sus propias botellas de
plstico retornables
para sus
presentaciones de 1.5 y 2.0 litros.
Recibe de un proveedor una preforma de PET y la sopla en su

propia mquina.
Recientemente se ha incrementado el
porcentaje de botellas defectuosas y
un equipo de trabajo formado por
operarios del rea cree que existe
una relacin muy fuerte entre la
presin de aire aplicada durante el
soplado y las botellas defectuosas.
42
25/01/2014
DA
PRESIN
%
DEFECTUOSO
DA
PRESIN
%
DEFECTUOSO
18.6
0.488
16
18.8
0.493
18.8
0.495
17
18.7
0.497
18.4
0.476
18
18.6
0.489
19.2
0.505
19
18.7
0.492
18.4
0.462
20
18.2
0.466
19.2
0.512
21
18.7
0.487
19.4
0.523
22
18.7
0.481
18.5
0.483
23
19.2
0.517
18.5
0.491
24
18.3
0.477
10
18.7
0.498
25
19.3
0.522
11
18.9
0.503
26
18.9
0.493
12
18.3
0.466
27
18.7
0.501
13
18.9
0.485
28
18.7
0.496
18.7
0.506
18.6
0.499
14
19.1
0.518
29
15
18.9
0.496
30
0.53
0.52
Defectuoso
0.51
0.5
0.49
0.48
0.47
0.46
0.45
18
18.2
18.4
18.6
18.8
Presin
19
19.2
19.4
19.6
BIBLIOGRAFA
Ejercicio
En una fbrica de pintura se

desea investigar la relacin
entre la velocidad de agitacin
en el proceso de mezclado y
el porcentaje de impurezas en
la pintura. Mediante pruebas
experimentales se obtienen
las datos de la tabla siguiente:
Elabore un diagrama de
dispersin y concluya.
Velocidad (rpm)
Impurezas (%)
20
8.4
22
9.5
24
11.8
26
10.4
28
13.3
30
14.8
32
13.2
34
14.7
36
16.4
38
16.5
40
18.9
42
18.5
Walpole, R. E., Myers, R. H., Myers, S. L., & Ye, K. (2007). Probalidad y
estadstica para ingenieria y ciencias. Mxico: PEARSON PRENTICE ALL.
Levin, R. L., & Rubin, D. S. (1994). ESTADSTICA para

ADMINISTRADORES (sexta edicin ed.). Mxico: PRENTICE ALL.
43
25/01/2014
SAAG Operations &Advisory

www.saag.com.mx
Derechos reservados @ 2013
44

Probabilidad y Estadística: Conceptos Básicosperiódico El Popular

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

Probabilidad y Estadística: Conceptos Básicosperiódico El Popular

Hochgeladen von

Copyright:

Verfügbare Formate

25/01/2014

Dar una definicin completa del trmino probabilidad y

Los dados ms antiguos se

Existen en las pirmides de Egipto pinturas que

Periodo clsico de la probabilidad

Siglos XVII, XVIII y XIX

La motivacin y el motor para su desarrollo

Primera teora general

Un experimento aleatorio es cualquier actividad

Un evento es un subconjunto de un espacio

Si representamos como D para

Si definimos el evento A Muestras con dos

A={( x, y)/ x2 + y2=4}

El complemento de A respecto a S es el conjunto de

Se representa mediante un rectngulo y

La probabilidad es la posibilidad de que algo suceda.

Las probabilidades se expresan como fracciones o

Una probabilidad de cero significa que algo nunca va

Si A y B son dos eventos cualquiera, entonces

Reglas aditivas de probabilidad

P(AB) = P(A) + P(B) - P(AB )

P(AB) = P(A) + P(B)

Sea V el evento victoria y E el evento empate, los cuales son

Reglas aditivas de probabilidad

P(AB C) = P(A) + P(B) + P(C) - P(AB ) P(AC ) - P(BC ) + P(AB C)

P(AB C) = P(A) + P(B) + P(C)

P(AB C)=P(A)+P(B)+P(C)-P(AB )- P(AC )-P(BC )+ P(AB C)

2. S = {Mxico, Espaa, Sierra Leona, Australia, Brasil,

Si se escoge al azar a una persona:

2.4 Indica el evento A B

1.1 Cul es la probabilidad de que lea ambos

2.5 Indica el evento A B

1. Un grupo de 45 estudiantes en una escuela lleva

Elabora un Diagrama de Venn.

En cierto establecimiento, la probabilidad de que un ama de casa

4. Considera la siguiente informacin: S: {Baln, motor, filtro de

Probabilidad de que un evento B ocurra

Lo que sucede es que el espacio muestral del evento A

Si P(A) est definida.

a) Dado que un alumno lleva el curso de msica,

Si en un experimento pueden ocurrir los

Si en un experimento pueden ocurrir los

Dos eventos A y B cualesquiera

P(B/A) = P(B) P(A/B) = P(A)

En una empresa existen dos lneas de produccin que

Si denotamos por P(A) el hecho de que un artculo de la

P(AB) = P(A) P(B)

Extraccin sin reemplazo:

toma una pieza de un

B el evento segundo artculo tomado es de importacin

P(ABC) = P(A) P(B/A) P(C/AB)

1. Considera el siguiente diagrama de Venn:

5. En el problema anterior, dado que una persona no

6. En un contenedor de 50 piezas, de las cuales hay 2

En una encuesta hecha a la salida de la estacin Cuauhtmoc del

% Produccin del total

a) Si se selecciona una pieza al azar, calcula la

b) Si se toma al azar una pieza y resulta ser

c) Si se selecciona una pieza al azar, calcula la

d) Si se toma al azar una pieza y resulta ser

Se identifican en l los eventos correspondientes a cada

b) Si se toma al azar una pieza y resulta ser

P(D) = P(M1)*P(D/M1) + P(M2)*P(D/M2) + P(M3)*P(D/M3)

P(D) = P(M1)P(D/M1) + P(M2)P(D/M2) + P(M3)*P(D/M3)

(0.45)(0.03) + (0.30)(0.04) + (0.25)*(0.05)

Hay 1098*7 = 5040 cdigos diferentes que pueden