Uia 1 Compulibro5

TOMO 1 DEL COMPULIBRO ESTADISTICA II DE CIR
TOMO 1
COMPULIBRO
ESTADISTICA II DE
CIR
ESCRITO POR
CARLOS IVAN
RESTREPO
EL LIBRO EN SU TOTALIDAD ESTA EN CD. DONDE ENCONTRARAS

EJERCICIO DE PROFUNDIZACION
SI DESEAS EL CD LLAMAR AL 3006096633 O ESCRIBIR AL CORREO
CAIVAR@HOTMAIL.COM
AGRADESCO PRIMERO A DIOS A MI ESPOSA HIJOS Y NIETOS

QUE ME BRINDAN EL ESPACIO DE DEDICARLE HORAS A LO
QUE MAS ME GUSTA QUE ES TRANSMITIR POR ESCRITO
LO APRENDIDIO A TRAVES DE MIS AOS DE ENSEANZA DE
LA ESTADISTICA
CONTENIDO
LA IMPORTANCIA DE LA ESTADISTICA
6
CAPITULO 1
7
RESUMEN
7
FUNDAMENTOS DEL AREA DE MODELOS PROBABILISTICOS 7
COMPETENCIASYHABILIDADESSOCIALES
9
1) COMPETENCIASESPECFICAS
9
2) COMPETENCIASTRANSVERSALES
9
HISTORIA DE LA ESTADSTICA Y LA PROBABILIDAD
9
TOMA DE DESICIONES
10
TEORIA DE PROBABILIDADES
10
TIPOS DE PROBABILIDAES
12
APLICACIONES
12
ELEMENTOS DE ESTADISTICA DESCRIPTIVA
13
DEFINICIN DE ESTADSTICA
13
POBLACION
13
INDIVIDUO
13
MUESTRA
13
MUESTREO
14
VALOR
14
DATO
14
DEFINICIN DE VARIABLE
14
VARIABLE CUALITATIVA
14
VARIABLE CUALITATIVA NOMINAL
14
VARIABLE CUALITATIVA ORDINAL
14
VARIABLE CUANTITATIVA
15
a) VARIABLE DISCRETA
15
b) VARIABLE CONTINA
15
PRUEBA DE STURGES
15
FACTORIAL DE UN NMERO NATURAL
17
VARIACIONES
17
VARIACIONES CON REPETICIN
18
PERMUTACIONES
18
PERMUTACIONES CON REPITICION
19
COMBINACIONES
20
COMBINACIONES CON REPETICIN
21
ELEMENTOS DE PROBABILIDAD
22
ZONA DE EJEMPLOS
23
EJERCICIOS DE REPASO DEL CAPITULO 1
32
3

CAPITULO II
42
DISTRIBUCIONES
43
I) LA DISTRIBUCIN BINOMIAL: B(n, p)
43
ELEMENTOS DE ESTADISTICA PARA RESOLVER PRO
48
II) DISTRIBUCIN DE POISSON
49
III)DISTRIBUCION MULTINOMIAL
54
IV) DISTRIBUCION HIPERGEOMETRICA
55
V) DISTRIBUCION NORMAL
59
PROPIEDADES DE LA DISTRIBUCIN NORMAL
60
VI) DISTRIBUCION GEOMETRICA
64
VII) DISTRIBUCION EXPONENCIAL
67
FUNCIN DE DENSIDAD O LEY DE PROBABILIDAD
70
FUNCIN DE DISTRIBUCIN
71
DISTRIBUCIN UNIFORME
76
DISTRIBUCION UNIFORME DISCRETA
77
DISTRIBUCIN T STUDENT
78
OTRAS DISTRIBUCIONES
80
1) DISTRIBUCIN DE CAUCHY
80
2) DISTRIBUCIN ERLANG
80
3) DISTRIBUCIN DE LAPLACE
81
4). DISTRIBUCIN DE PARETO
82
5.).DISTRIBUCIN LOGSTICA
82
6) DISTRIBUCIN DE GUMBEL
83
7) DISTRIBUCIN DE RAYLEIGH
83
8) DISTRIBUCIN DE WEIBULL
84
9) DISTRIBUCIN BETA
84
EJERCICIOS DE REPASO CAPITULO II
85
CAPITULO III
99
ERROR MUESTRAL
99
ESTIMACION
100
ESTIMACIN DE UNA PROPORCIN
102
LONGITUD DEL INTERVALO DE CONFIANZA
107
MUESTREO
107
LA ENCUESTA
108
TIPOS DE ENCUESTAS
108
TIPOS DE PREGUNTA
109
REGLAS PARA LA ELABORACION DE UN CUESTIONARIO 110
LA ENTREVISTA
110
TIPOS DE MUESTREO
111
I. MUESTREO PROBABILSTICO
111
2. MUESTREO ALEATORIO SIMPLE
111
3. MUESTREO ALEATORIO SIN REPOSICIN
112
4. MUESTREO ALEATORIO CON REPOSICIN
113
5. MUESTREO ALEATORIO SISTEMTICO
114
6. MUESTREO ALEATORIO ESTRATIFICADO
115
7. MUESTREO POR CONGLOMERADO
115
II MUESTREO NO PRIOBABILISTICO
115
1.- MUESTREO POR CUOTAS
116
4

2.- MUESTREO INTENCIONAL O DE CONVENIENCIA
117
3.- BOLA DE NIEVE:
117
TAMAO DE MUESTRA
117
CLCULO DEL TAMAO DE LA MUESTRA DE BASE
120
DISTRIBUCIONES MUESTRALES
122
TEOREMA DEL LMITE CENTRAL
125
DISTRIBUCIN MUESTRAL DE MEDIAS
126
VALOR ESPERADO
129
DISTRIBUCIN MUESTRAL DE LA MEDIA CON 2
DESCONOCIDA
131
DISTRIBUCIN MUESTRAL DE LA PROPORCIN
131
DISTRIBUCIN MUESTRAL DE DIFERENCIA DE MEDIAS
133
DISTRIBUCIN
MUESTRAL
DE
DIFERENCIA
DE
PROPORCIONES
136
DISTRIBUCIN MUESTRAL DE NMERO DE DEFECTOS 144
EJERCICIO DE REPASO CAPITULO III
148
LINKGRAFIA
161

LA IMPORTANCIA DE LA ESTADISTICA
Se mostrara a travs del libro la importancia de la estadstica a
travs de grandes frases sobre ella como se presenta a
continuacin.
Una nica muerte es una tragedia, un milln de muertes es una
estadstica.
Josef Stalin
En estadstica, lo que desaparece detrs de los nmeros es la
muerte.
Gnter Grass
Democracia: es una supersticin muy difundida, un abuso de la
estadstica.
Jorge Luis Borges
La esencia de la vida es la improbabilidad estadstica a escala
colosal.
Richard Dawkins
La falacia del cuadro estadstico estriba en que es unilateral, en la
medida en que representa slo el aspecto promedio de la realidad
y excluye el cuadro total. La concepcin estadstica del mundo es
una mera abstraccin, y es incluso falaz, en particular cuando
atae a la psicologa del hombre.
Carl Jung
Conseguimos obtener as la frmula estadstica para conocer
aproximadamente la posicin de un elctron en un instante
determinado. Pero, personalmente, no creo que dios juegue a los
dados.
Albert Einstein

CAPITULO I
ESTE CAPITULO TIENE COMO OBJETIVO ELEMENTOS QUE
DEBEMOS APLICAR EN EL CURSO
ASPECTOS GENERALES
DE QUE TRATA EL CURSO
RESUMEN
Se describe una propuesta didctica de enseanza contextualizada
partiendo de que el estudiante debe conocer elementos de
estadstica inferencial como el concepto de probabilidades,
propiedades y teorema total y de bayes y con uso del programa g
STAT STUDENT de las distribuciones mustrales, aplicacin de
pruebas de hiptesis y a las tcnicas de regresin en el aula de
estadstica para ingenieros de segundo ao universitario extendido
a cualquier otra carrera. Apropindonos de la teora de las
funciones semiticas, desarrollada en la Universidad de LA
UNIDAD CENTRAL DEL VALLE, caracterizamos los elementos de
signicado de las propiedades importantes de las distribuciones
mustrales y evaluamos, mediante campos de problemas
algebraicos y de simulacin, los errores o dicultades que los
alumnos ponen de manifest en las aplicaciones de simulacin de
procesos en las ciencias de la ingeniera. Como consecuencia, al
considerar los elementos de signicado adquiridos en las
respuestas de los estudiantes, proponemos la simulacin para
muestras pequeas y grandes de forma intuitiva, como primer
acercamiento del alumno hacia la construccin del signicado de
las distribuciones mustrales, usando el lenguaje grcos con
apoyo del computador, para posteriormente analizar con los
estudiantes su forma algebraica segn la naturaleza de las
variables aleatorias contando para esto con una pgina base para
desarrollar sus dudas llamada de vitutor.
Palabras clave: Enseanza y aprendizaje de la estadstica,
distribuciones mustrales, regresiones signicado y comprensin,
simulacin.
ALERTA : SIEMPRE QUE ENCUENTRES ESTA IMAGEN TE
PIDES QUE TERMNES EL EJEMPLO DADO

FUNDAMENTOS DEL AREA DE MODELOS PROBABILISTICOS
Se describe el marco terico empleado, que ha situado los
elementos de signicado institucional y personal de LA
DISTRIBUCIN MUESTRAL, PRUEBAS DE HIPOTESIS , DE
ANALISIS DE MUESTREO DE REGRESIONES LINEALES Y NO
7
a)
b)
c)
d)
e)
f)

LINEALES Y LAS IMPLICACIONES DE LOS NUMEROS INDICES
y a continuacin alguna investigaciones previas relacionadas con
sus propiedades y la simulacin en ingeniera.
Significado y comprensin de la distribucin y als aplicaciones de la
regresiones lineales y no lineales, el anlisis de las covarianzas de
los nmeros ndices e asumen como una actividad humana
implicada en la solucin de cierta clase de situaciones
problemticas de la cual emergen y evolucionan progresivamente
los objetos matemticos. Se pretende elaborar un modelo de los
procesos de comprensin de las matemticas que tenga en cuenta
los factores institucionales y socioculturales implicados en los
mismos. El autor considera diferentes entidades primarias como
constituyentes del signicado de un objeto matemtico (por
ejemplo), que son las que se analizan en este trabajo:
a) Problemas y situaciones que inducen actividades matemticas
y definen el campo de problemas asociado al objeto.
b) Procedimientos, algoritmos, operaciones. Cuando un sujeto se
enfrenta a
un problema y trata de resolverlo, realiza distintos
tipos de prcticas, que llegan a convertirse con el tiempo en objeto
de enseanza.
c) Representaciones materiales utilizadas en la actividad de
resolucin de problemas (trminos, expresiones, smbolos, tablas,
grcos).
d) Abstracciones (conceptos, proposiciones). Las deniciones y
propiedades caractersticas del objeto y sus relaciones con otros
conceptos.
e) Demostraciones que empleamos para probar sus propiedades y
que llegan a formar parte de su signicado.
Objetivosgenerales.
Elalumnodebe:
Conocer y aplicar correctamente los procedimientos de
anlisis
de
datos
que
mas
habitualmente
sonutilizadosenelprocesodeobtencindeinformacincient
ficaenelmbitode la ingeniera.
Identificar la cuestin planteada y formularla en trminos
de hiptesiscientficas.
Gestionar bases de datos informatizadas: Organizar,
introducir y procesarlosdatoscorrectamente.
Seleccionar las tcnicas ms adecuadas para responder a
las cuestiones planteadas considerando las caractersticas de los
datos, conqueseopera.
Realizarlosclculosmedianteordenador.
Interpretarlosresultadosyextraerlasconclusiones

COMPETENCIASYHABILIDADESSOCIALES.
1) COMPETENCIASESPECFICAS.
a) Competencianmero1: Conocer los principios del mtodo
cientfico y lascaractersticas de los diferentes mtodos
utilizados enen el rea de las ingenieras ysustcnicasdeanlisis.
b)
Competencianmero2:
Sercapazdeaplicarelconocimientometodolgicopararesolver
los problemas planteados en la prcticaprofesional.
c) Competencianmero3: Ser capaz de analizar datos
psicolgicos medianteprogramas estadsticos y otras tecnologas
de lainformacin.
d) Competencianmero4: Ser capaz de interpretar, valorar
crticamente ycomunicarlosresultadosdelaevidenciaemprica.
2) COMPETENCIASTRANSVERSALES.
a) Desarrollar habilidades de expresin oral y escrita
encaminadas a realizar ypresentarenpblicoinformescientficos.
b) Trabajarengrupo(adesarrollarenlasprcticasconordenador).
c) Bsquedadefuentesbibliogrficasydocumentacin.
HISTORIA DE LA ESTADSTICA Y LA PROBABILIDAD
Se dice en el mundo de la arqueologa que la presencia del hueso
astrgalo de oveja o ciervo en las excavaciones arqueolgicas ms
antiguas, parece confirmar que los juegos de azar tienen una antigedad
de ms de 40.000 aos, y la utilizacin del astrgalo en culturas ms
recientes, ha sido ampliamente documentada. Pero no solo esa es una
seal de la antigedad de los juegos de azar, pues aquellos que han
tenido la ocasin de visitar las pirmides de Egipto han podido detallar
pinturas que muestran juegos de azar que datan del ao 3.500 a. C. y
Herodoto se refiere a la popularidad y difusin en su poca de los juegos
de azar, especialmente la tirada de astrgalos y dados. Los dados ms
antiguos se remontan a unos 3000 aos antes de Cristo y se utilizaron en
el juego como en ceremonias religiosas.
Todo lo anterior conlleva a pensar que las civilizaciones antiguas,
explicaban el azar mediante la voluntad divina como se puede apreciar en
la civilizacin griega o romana que utilizaban la configuracin resultante
de tirar cuatro dados para predecir el futuro y revelar la voluntad favorable
o desfavorable de los dioses. Pero no nicamente los griegos o los
romanaos realizaban prcticas de juego de azar tambin se encontraron
prcticas similares en culturas tan distintas como la tibetana, la india o la
juda..
A medida que transcurre el tiempo y el cambios de periodos de la
civilizacin, en unos de esos periodos llamado renacimiento aparece un
nuevo enfoque global de considerar al mundo, desde la perspectiva de un
9

abandono progresivo de explicaciones teolgicas los cuales conduce a
una reconsideracin de los experimentos aleatorios; y los matemticos
italianos del siglo XVI, comienzan a interpretar los resultados de
experimentos aleatorios simples. Cardano, establece la equiprobabilidad
de aparicin de las caras de un dado a largo plazo yes asi como a finales
del siglo XVI, exista un intuitivo pero preciso anlisis emprico de los
resultados aleatorios que conllevo a el desarrollo del anlisis matemtico
de los juegos de azar se produce lentamente durante los siglos XVI y
XVII, y algunos autores consideran como origen del clculo de
probabilidades la resolucin del problema de los puntos en la
correspondencia entre Pascal y Fermat en 165 lo que hace consolidar el
clculo de probabilidades como disciplina independiente en el perodo
que transcurre desde la segunda mitad del siglo XVII hasta comienzos del
siglo XVIII donde la teora de la probabilidad fue aplicada con buenos
resultados a las mesas de juego y con el tiempo a otros problemas
socioeconmicos.
Pero es precisamente en el siglo XVIII que el clculo de probabilidades
se extiende a problemas fsicos y actuariales (seguros martimos) siendo
este el principal impulsor de la astronoma y fsica donde surgen
problemas ligados a la contrastacin emprica de la teora de Newton
donde sus investigaciones toman gran importancia en el desarrollo de la
Estadstica.
Ya en el siglo XX nace la industria de los seguros, la cual requera de un
conocimiento exacto del riesgo de perder pues de lo contrario no se
podan calcular las plizas lo que llevo muchos aos despus a que se
incluyera en muchos centros de enseanza, ele estudios de las
probabilidades como un instrumento que les permitira entender los
fenmenos sociales que permitiera comparar con exactitud los datos
observados con la teora requera un tratamiento riguroso del mismo, que
va a dar lugar a la teora de errores.
Debido a esto aparecen matemticos como D. Bernoulli, Abraham de
Moivre, el reverendo Thomas Bayes y Joseph Lagrange inventaron
frmulas y tcnicas de probabilidad y en una de esas formula Bernouilli
proporciona la primera solucin al problema de estimar una cantidad
desconocida a partir de un conjunto de mediciones de su valor que, por el
error experimental, presentan variabilidad. Fue pionero en la aplicacin
del clculo infinitesimal al clculo de probabilidades.
Pero no nicamente
los matemticos mencionados anteriormente
trabajaron en el rea de las probabilidades existieron otros como Pierre
Simon, Marqus de Laplace quien indujo la primera definicin explcita de
probabilidad y desarroll la ley normal como modelo para describir la
variabilidad de los errores de medida; tambin formul y estim el primer
modelo explicativo estadstico y donde Gauss hace su aporte con
respecto a la estimacin de modelos estadsticos.
Continuando con esta lista encontramos, gelogo y astrnomo Bravais,
que es el primero en considerar la relacin entre errores de medida
dependientes entre s; a Benjamn Pierce que establece el primer criterio
para rechazar observaciones heterogneas con el resto , y en el siglo xix
10

aparece , el ms famoso astrnomo americano llamado S. Newcomb que
el que l introduce los primeros mtodos de estimacin cuando hay errores
fuertes en algunos datos (Estimacin Robusta).
TOMA DE DECISIONES
Hoy por hoy la teora matemtica de la probabilidad constituye el
fundamento de las aplicaciones estadsticas tanto en la investigacin
cientfica, econmica, social, ingenieril como aspecto fundamental de la
toma de decisiones la cual e hace que vivamos en un mundo inestable
donde somos incapaces de pronosticar el futuro con absoluta certeza a
pesar de los avances tecnolgicos y donde la necesidad de sortear la
incertidumbre nos lleva a estudiar y aplicar la teora de la probabilidad.
El concepto de la probabilidad pasa por la cabeza de cualquier ciudadano
y con algn conocimiento sobre los posibles resultados de una decisin.
que nos permita reconocer nuestras suposiciones, de tal manera que
podamos comunicar a otros nuestro razonamiento y tomar una decisin
ms inteligente de la que lograramos recurriendo a un mtodo que no
sea cientfico.
Pero en un mundo globalizado donde los perfiles de los hombres son tan
diferente ya que encontramos el hombre de negocios, el jugador de
pquer o el estratega militar, etc. que deben tomar decisiones en
condiciones de incertidumbre con respecto al futuro y para ello debe
relacionar una probabilidad numrica con cada evento posible que pueda
influir en el resultado de sus decisiones, y que el tener xito que tenga
en la toma de decisiones, estar enlazada a la capacidad de tratar
sistemticamente con la incertidumbre misma mediante cuidadosas
evaluaciones y aplicaciones de mtodos estadsticos concernientes a las
actividades de los negocios.
LA TEORA DE LA PROBABILIDAD
Cuando se hable de probabilidad lo primero que debemos pensar es que
la probabilidad est relacionada con un evento numrico comprendido
entre 0 y 1, el cual representa el riesgo o la posibilidad de que ocurra ese
evento. Una probabilidad de (P = 0) significa que el evento es imposible ;
si P = 0.50, es tan probable que el evento ocurra como que no ocurra; si P
= 1, es seguro que suceda.
Un aspecto importante es que el valor de P no puede ser negativo ni
mayor que uno y adems se puede considerar que la probabilidad es la
frecuencia relativa de "xitos" o aciertos (es decir, la ocurrencia de un
evento determinado) en un proceso aleatorio en que se ha repetido un
gran nmero de pruebas o ensayos. La frecuencia relativa es el nmero
de "xitos" dividido entre el nmero de pruebas efectuadas.
11

FUENTES DE PROBABILIDADES
Es posible estimar probabilidades mediante cualquiera de las tres
siguientes maneras alternativas:
1. Frecuencia relativa de eventos pasados. Las probabilidades
pueden estimarse a partir de las frecuencias relativas que se
observen en un experimento controlado, o mediante muestreo de
un universo grande y finito. La probabilidad a priori (previa) se
deduce de la experiencia obtenida de la observacin prolongada.
Donde las probabilidades de eventos complicados pueden
determinarse a partir de las probabilidades de eventos ms
sencillos, por medio de un mtodo de simulacin, utilizando un
modelo experimental diseado para representar las condiciones
reales del mismo.
2. Distribuciones tericas. Las probabilidades pueden determinarse
sin recurrir a las frecuencias relativas. Estas probabilidades pueden
determinarse a partir de la distribucin binomial, sin recurrir a
experimentos o muestras basadas en la experiencia pasada. La
validez de dichas distribuciones tericas depende de cun
fielmente las hiptesis representen la realidad.
3. Apreciacin subjetiva. Si ninguno de los mtodos anteriormente
mencionados pueden utilizarse, el responsable de la toma de
decisiones debe estimar las probabilidades en base a su juicio o
criterio y experiencia. Una probabilidad subjetiva es una evaluacin
que una persona que toma decisiones hace acerca de la vero
similitud relativa de que ocurra un evento incierto, o sea,
representa las "apuestas" que se hacen sobre la concurrencia de
ese evento. Tales apreciaciones son sumamente personales y, por
lo tanto, dos individuos pueden asignar diferentes probabilidades
subjetivas al mismo evento.
TIPOS DE PROBABILIDADES
1. Probabilidad simple. Probabilidad de que el dato escogido tenga
una caracterstica.
2. Probabilidad conjunta. Probabilidad de escoger un dato con dos (o
ms) caractersticas especficas.
3. Probabilidad marginal (al margen de la tabla). No es ms que la
probabilidad simple, vista con otro enfoque; o sea, mientras que la
probabilidad simple es un concepto singular, la probabilidad
marginal es esencialmente una suma de probabilidades conjuntas.
4. Probabilidad condicional. La caracterstica especfica del dato es la
condicin (condiciona la probabilidad).
APLICACIONES
En estos tiempos modernos hace que la complejidad de los negocios en
los ltimos aos, ha incrementado el uso de la estadstica para tomar
decisiones en cualquier nivel de la administracin.
12

Las aplicaciones de mtodos estadsticos en las diferentes reas son
numerosas; por ejemplo: grficas y tablas estadsticas son usadas
frecuentemente por gerentes de ventas para representar hechos
numricos de ventas; mtodos de muestreo son empleados por
investigadores de mercado, al hacer encuestas sobre las preferencias del
consumidor sobre ciertas marcas de artculos competitivos; mtodos de
control de calidad, aplicados en produccin, etc.1
RECORDEMOS
ELEMENTOS DE ESTADISTICA DESCRIPTIVA
DEFINICIN DE ESTADSTICA
La Estadstica trata del recuento, ordenacin y clasificacin de los datos
obtenidos por las observaciones, para poder hacer comparaciones y
sacar conclusiones.
Un estudio estadstico consta de las siguientes fases:
Recogida de datos.
Organizacin y representacin de datos.
Anlisis de datos.
Obtencin de conclusiones.
Conceptos de Estadstica
POBLACIN
Una poblacin es el conjunto de todos los elementos a los que se somete
a un estudio estadstico.
INDIVIDUO
Un individuo o unidad estadstica es cada uno de los elementos que
componen la poblacin.
MUESTRA
Una muestra es un conjunto representativo de la poblacin de referencia,
el nmero de individuos de una muestra es menor que el de la poblacin.
11
aprendeenlinea.udea.edu.co/lms/moodle/mod/.../view.php?...true...
13

MUESTREO
El muestreo es la reunin de datos que se desea estudiar, obtenidos de
una proporcin reducida y representativa de la poblacin.
VALOR
Un valor es cada uno de los distintos resultados que se pueden obtener
en un estudio estadstico. Si lanzamos una moneda al aire 5 veces
obtenemos dos valores: cara y sello.
DATO
Un dato es cada uno de los valores que se ha obtenido al realizar un
estudio estadstico. Si lanzamos una moneda al aire 5 veces obtenemos 5
datos: cara, cara, cruz, cara, cruz.
DEFINICIN DE VARIABLE
Una variable estadstica es cada una de las caractersticas
cualidades que poseen los individuos de una poblacin.
Tipos de variable estadsticas

VARIABLE CUALITATIVA
Las variables
cualitativas se
refieren
a caractersticas
o
cualidades que no pueden ser medidas con nmeros. Podemos distinguir
dos tipos:
VARIABLE CUALITATIVA NOMINAL
Una variable
cualitativa
nominal presenta modalidades
numricas que no admiten un criterio de orden. Por ejemplo:
no
El estado civil, con las siguientes modalidades: soltero, casado, separado,

divorciado y viudo.
VARIABLE
CUALITATIVA
CUASICUANTITATIVA
ORDINAL
VARIABLE
Una variable cualitativa ordinal presenta modalidades no nmericas, en

las que existe un orden. Por ejemplo:
La nota en un examen: suspenso, aprobado, notable, sobresaliente.
14

Puesto conseguido en una prueba deportiva: 1, 2, 3,...
Medallas de una prueba deportiva: oro, plata, bronce.
VARIABLE CUANTITATIVA
Una variable cuantitativa es la que se expresa mediante un nmero, por
tanto se pueden realizar operaciones aritmticas con ella. Podemos
distinguir dos tipos:
a) VARIABLE DISCRETA
Una variable discreta es aquella que toma valores aislados, es
decir no admite valores intermedios entre dos valores especficos. Por
ejemplo:
El nmero de hermanos de 5 amigos: 2, 1, 0, 1, 3.
b) VARIABLE CONTINA
Una variable continua es aquella que puede tomar valores comprendidos
entre dos nmeros. Por ejemplo:
La altura de los 5 amigos: 1.73, 1.82, 1.77, 1.69, 1.75.
En la prctica medimos la altura con dos decimales, pero tambin se
podra dar con tres decimales.
PRUEBA DE STURGES
Se para disminuir un numero amplio de intervalos al azar y ser ms
precisos a la hora de construir intervalos
Permite disminuir la aleatoridad de los intervalos a travs:
) k= 1+3,3LogN
) RANGO INICIAL= DM-dm
) C=
(amplitud de intervalo)
v) Cn= es la aproximacin al dato entero que sigue si es discreta, ej. C=

2,4= 3
v) RANGO NUEVO= Rn= (Cn)(k)
v) DIFERENCIA DE RANGOS= Rn-Ri
15

v) AJUSTE= DR-1 si es discreto
v) SESGO:
-par, ajuste 2
-impar, ajuste se limita, ejm: 7= 34 y 43
EJEMPLO 1.1
Distribuir en intervalos los siguientes datos:
4
10
21
9
18
8
11
22
9
19
12
12
23
11
20
16
13
24
11
20
20
14
15
11
20
24
15
15
11
21
5
16
15
13
20
6
17
15
15
15
7
18
5
16
15
8
19
7
17
15
9
20
9
17
14
) K= 7
) Ri= 24-4= 20
iii) Ci=
iv) Cn= 3
v) Rn= (3)(7)= 21
vi) Dr= 21- 20= 1
vii) AJ= 1-1= 0
Intervalos
4-6
7-9
10-12
13-15
16-18
19-21
22-24
Ni
4
8
8
13
8
10
4
55
X
5
8
11
14
|7
20
23
98
(xni)
20
64
88
182
136
200
92
782
Nota si es decimales el Cn ser el decima que sigue y si es el dato es

discreto se continua con en le Cn con el entero que sigue
16

FACTORIAL DE UN NMERO NATURAL
Es el producto de los n factores consecutivos desde n hasta 1.
El factorial de un nmero se denota por n!.
VARIACIONES
Se llama variaciones ordinarias de m elementos tomados de n en n (m
n) a los distintos grupos formados por n elementos de forma que:
No entran todos los elementos.
S importa el orden.
No se repiten los elementos.
Tambin podemos calcular las variaciones mediantefactoriales:
Las variaciones se denotan por

EJEMPLO 1.2
Calcular las variaciones de 6 elementos tomados de tres en tres.
EJEMPLO 1.3
Cuntos nmeros de tres cifras diferentes se puede formar con los
dgitos: 1, 2, 3, 4, 5 ?
m=5
n=3 mn
No entran todos los elementos. De 5 dgitos entran slo 3.

17

S importa el orden. Son nmeros distintos el 123, 231, 321.
No se repiten los elementos. El enunciado nos pide que las cifras
sean diferentes.
VARIACIONES CON REPETICIN

Se llama variaciones con repeticin de m elementos tomados de n en n a
los distintos grupos formados por n elementos de manera que:
No entran todos los elementos si m > n. S pueden entrar todos los
elementos si m n
S importa el orden.
S se repiten los elementos.
EJEMPLO 1.4
Cuntos nmeros de tres cifras se puede formar con los dgitos: 1, 2, 3,
4, 5 ?
m=5
n=3
No entran todos los elementos. De 5 dgitos entran slo 3.

S importa el orden. Son nmeros distintos el 123, 231, 321.
PERMUTACIONES
S entran todos los elementos.
S importa el orden.
18

EJEMPLO 1.5
Cuntos nmeros de 5 cifras diferentes se puede formar con los dgitos:
1, 2, 3, 4, 5?
m=5
n=5

S importa el orden.
No se repiten los elementos. El enunciado nos pide que las cifras sean
diferentes.
PERMUTACIONES CIRCULARES
Se utilizan cuando los elementos se han de ordenar "en crculo", (por
ejemplo, los comensales en una mesa), de modo que el primer elemento
que "se site" en la muestra determina el principio y el final de muestra.
EJEMPLO 1.6
Calcular las permutaciones circulares de 7 elementos.
PC7= (7 1)! = 6! = 6 5 4 3 2 1 = 720
PERMUTACIONES CON REPETICIN
Permutaciones
con
repeticin de m
elementos donde
elprimer
elemento se repite a veces , el segundo b veces , el tercero c veces, ...(m
= a + b + c + ... = n) son los distintos grupos que pueden formarse con
esos m elementos de forma que :
S importa el orden.
19

EJEMPLO 1.7
Con las cifras 2, 2, 2, 3, 3, 3, 3, 4, 4; cuntos nmeros de nueve cifras se
pueden formar?
m=9
a=3
b=4
c=2
a+b+c=9

S importa el orden.
COMBINACIONES
Se llama combinaciones de m elementos tomados de n en n (m n) a
todas las agrupaciones posibles que pueden hacerse con los m
elementos de forma que:
No importa el orden.
Tambin podemos calcular las combinaciones mediante factoriales:
EJMEPLO 1.8
En una clase de 35 alumnos se quiere elegir un comit formado por tres
alumnos. Cuntos comits diferentes se pueden formar?
No importa el orden: Juan, Ana.
20
COMBINACIONES CON REPETICIN

Las combinaciones con repeticin de m elementos tomados de n en n (m
n), son los distintos grupos formados por n elementos de manera que:
No importa el orden.
Nmeros combinatorios
El nmero
por
se llama tambin nmero combinatorio. Se representa
y se lee "m sobre n".
Propiedades de los nmeros combinatorios
1.
2.
3.
EJEMPLO 1.9
En una bodega hay cinco tipos diferentes de botellas. De cuntas
formas se pueden elegir cuatro botellas?
No entran todos los elementos. Slo elije 4..
21

No importa el orden. Da igual que elija 2 botellas de ans y 2 de ron, que 2
de ron y 2 de ans.
S se repiten los elementos. Puede elegir ms de una botella del mismo
tipo.
ELEMENTOS DE PROBABILIDAD
Probabilidad de la unin de sucesos incompatibles
A
p(A
B=
B) = p(A) + p(B)
Probabilidad de la unin de sucesos compatibles

A
p(A
B
B) = p(A) + p(B) p(A
B)
Probabilidad condicionada
Probabilidad de la interseccin de sucesos independientes

p(A
B) = p(A) p(B)
Probabilidad de la interseccin de sucesos dependientes

p(A
B) = p(A) p(B/A)
Probabilidad de la diferencia de sucesos
Teorema de la probabilidad total

p(B) = p(A1) p(B/A1) + p(A2) p(B/A2 ) + ... + p(An) p(B/An )
22

TEOREMA DE BAYES
0 p(A) 1
p(E) = 1
ZONA DE EJEMPLOS
ALGUNOS EJEMPLOS TOMADOS DE http://www.vitutor.net/1/52.html
EJEMPLO 1.10
Se tira 2 dados, Cul es la probabilidad de que salga: 5, 7, 9, 10?
LEY
DE
(1,1) (1,2) (1,3) (1,4) (1,5) (1,6)

(2,1)(2,6)
(3,1)....(3,6)
S=
(4,1)(4,6)
(5,1)(5,6)
(6,1)(6,6)
Para 5: (1,4)(4,1)(2,3)(3,2)
P(5)= 4/36= 0,1111= 11,11%
Para 7:(1,6)(6,1)(2,5)(5,2)(3,4)(4,3)
P(7)= 6/36= 0,1667= 16,67%
Para 9: (4,5)(5,4)(3,6)(6,3)
P(9)= 4/36= 0,1111= 11,11%
23
LAPLACE

Para 10: (5,5) (6,4)(4,6)
P(10)= 3/36= 0,0833= 8,33%
EJEMPLO 1.11 Dada la funcin
para x>0
F(x)= para x x<2
1 para x>=2
Hallar
a) P(x>=0) SI P(X<0) =
b) Hallar el complemento de P(x<0)
c) P(x>=0)
SOLUCION
a) AXIOMA:
P(x>=0)+P(x<0)= 1
P(x>=0)= 1-P(x<0)
= 1- =
ESTIMADO ESTUDIANTE REALIZAR B Y C
EJEMPLO 1.12
Dados los puntos (-20,0) y (30,1) hallar
a)
b)
c)
d)
La pendiente
La ecuacin de la recta que pasa por esos puntos
La grafica
Dada la grafica escriba anlisis a travs de
intervalos
SOLUCION
a)
24
1 0
1
30 (20) 50
b)

Y-Y1= m(X-X1)
CUAL ES EL VALOR DE b
c)La grafica
d) Dada la funcin de la grafica:

f(x)=
si
si
x<=-20
x>10
EJEMPLO 1.13
Hallar la probabilidad de que al levantar unas fichas de domin el maestro
Alfonso Acua obtenga un nmero de puntos mayores que 9 o que sea
mltiplo de 4.
25
EJEMPLO 1.14
NEWTON lanza dos dados al aire y se anota la suma de los puntos
obtenidos. Se pide:
1)La probabilidad de que salga el 7.
2) La probabilidad de que el nmero obtenido sea par.
3) La probabilidad de que el nmero obtenido sea mltiplo de tres.
EJEMPLO 1.15
De una urna que contiene 4 bolas verde, 5 blancas y 6 negras, se extrae
una bola cul es la probabilidad de que la bola sea verde o blanca?
Cul es la probabilidad de que no sea blanca?
EJEMPLO 1.16
26

Juan y Victoria son dos hermanos que salen de caza. El primero mata un
promedio de 2 piezas cada 5 disparos y el segundo una pieza cada 2
disparos. Si los dos disparan al mismo tiempo a una misma pieza, cul
es la probabilidad de que la maten?
A= JUAN MATA 2 DE 5
B= VICTORIA UNA DE DOS
EJEMPLO 1.17
A una pareja de esposos cuarentones le realizaron un diagnostico de
supervivencia y se encontr que la probabilidad de que un hombre viva 20
aos es y la de que su seora viva 20 aos es 1/3. Se pide calcular la
probabilidad:
1)De que ambos vivan 20 aos.
2)De que el hombre viva 20 aos y su seora no.
3De que ambos mueran antes de los 20 aos.
EJEMPLO 1.18
En la Uceva los estudiantes de las carreas ofrecidas por esta institucin
educativa pueden optar por cursar como lengua extranjera ingls o
Italiano. En un determinado curso, el 90% de los alumnos estudia ingls y
el resto italiano. El 30% de los que estudian ingls son chicos y de los que
estudian italiano son chicos el 40%. El elegido un alumno al azar, cul
es la probabilidad de que sea chica?
27
p(chica) = 0.9 0.7 + 0.1 0.6 = 0.69

EJEMPLO 1.19
El socilogo Rubn Daro Gonzlez de una baraja espaola de 48 cartas
extrae simultneamente dos de ellas. Calcular la probabilidad de que:
1 Las dos sean copas.
2Al menos una sea copas.
3Una sea copa y la otra espada.
EJEMPLO 1.20
En un taller de autos se sabe que por trmino medio acuden: por la
maana tres automviles con problemas elctricos, ocho con problemas
mecnicos y tres con problemas de chapa, y por la tarde dos con
problemas elctricos, tres con problemas mecnicos y uno con problemas
de chapa.
1 Hacer una tabla ordenando los datos anteriores.
28
2Calcular el porcentaje de los que acuden por la tarde.
3Calcular el porcentaje de los que acuden por problemas mecnicos.
4Calcular la probabilidad de que un automvil con problemas

elctricos acuda por la maana.
EJEMPLO 1.21
Un estudiante dormiln cuenta, para un examen con la ayuda de un
despertador, el cual consigue despertarlo en un 80% de los casos. Si oye
el despertador, la probabilidad de que realiza el examen es 0.9 y, en caso
contrario, de 0.5.
1 Si va a realizar el examen, cul es la probabilidad de que haya odo el
despertador?
29

2Si no realiza el examen, cul es la probabilidad de que no haya
odo el despertador?
EJEMPLO 1.22
En la biblioteca de la Uceva existe una seccin de entretenimiento en las
estanteras donde hay 60 novelas y 20 libros de poesa. Una persona A
elige un libro al azar de la estantera y se lo lleva. A continuacin otra
persona B elige otro libro al azar.
1 Cul es la probabilidad de que el libro seleccionado por B sea una
novela?
2Si se sabe que B eligi una novela, cul es la probabilidad de que

el libro seleccionado por A sea de poesa?
30

EJEMPLOS 1.23 USANDO INTERNET
En estas direcciones
explicados en internet
encontraras
mas
ejemplos
en
videos
1)http://www.youtube.com/watch?v=J-B-Enaphw4
2)http://www.youtube.com/watch?v=J-B-Enaphw4
3)http://www.youtube.com/watch?v=WY80AY6XU0Q&feature=related
4)http://www.youtube.com/watch?v=qCKZKDWRXAA&feature=relate
d
5)http://www.youtube.com/watch?v=LGZbeW-vCW8&feature=related
6)http://www.youtube.com/watch?v=v2autI4LAyA&feature=related
7)http://www.youtube.com/watch?v=4O2waWg5cTg
8)http://www.youtube.com/watch?v=v2autI4LAyA&feature=related
9)http://www.youtube.com/watch?v=4hbNgJc-qR0&feature=related
10)http://www.youtube.com/watch?v=cGT_YHZ7M7s&feature=related
11)http://www.youtube.com/watch?v=VM8uBmr3EkQ&feature=related
12)http://www.youtube.com/watch?v=VM8uBmr3EkQ&feature=related
13)http://www.youtube.com/watch?v=-5EG28z2E08
14)http://www.youtube.com/watch?v=fFbY6dPOacM&feature=relmfu
15)http://www.youtube.com/watch?v=wJn-JqqKcu8&feature=relmfu
31

EJERCICIOS DE REPASO DEL CAPITULO 1
NOTA SI TIENES DUDAS NO DUDES IR A VITUTOR PERO NO
OLVIDES RESCRIBIR LA RESPUESTA CON ENUNCIADO
NOTA LOS EJERCICIOS DE 1 AL 9 TIENE UN OBJETIVO DE
RECORDAR ESTADISTICA DESCRIPTIVA
1) Indica que variables son cualitativas y cuales cuantitativas:
a. Comida Favorita.
b. Profesin que te gusta.
C, Nmero de goles marcados por tu equipo favorito en la ltima
temporada.
d. Nmero de alumnos de tu Instituto.
e. El color de los ojos de tus compaeros de clase.
f. Coeficiente intelectual de tus compaeros de clase.
2. De
las
siguientes variables indica
cuales continuas.
cules
son discretas y
a. Nmero de acciones vendidas cada da en la Bolsa.

b. Temperaturas registradas cada hora en un observatorio.
c. Perodo de duracin de un automvil.
d. El dimetro de las ruedas de varios coches.
e. Nmero de hijos de 50 familias.
f. Censo anual de los espaoles.
3. Clasificar las siguientes variables en cuantitativas o cualitativas, en
discretas o continuas segn el enunciado
a. La nacionalidad de una persona.
b Nmero de litros de agua contenidos en un depsito.
c Nmero de libros en un estante de librera.
d Suma de puntos tenidos en el lanzamiento de un par de dados.
e La profesin de una persona.
32

f El rea de las distintas baldosas de un edificio.
4. Las calificaciones de 50 alumnos en Estadstica
siguientes:
han sido las
5, 2, 4, 9, 7, 4, 5, 6, 5, 7, 7, 5, 5, 2, 10, 5, 6, 5, 4, 5, 8, 8, 4, 0, 8, 4, 8, 6, 6,
3, 6, 7, 6, 6, 7, 6, 7, 3, 5, 6, 9, 6, 1, 4, 6, 3, 5, 5, 6, 7.
Construir la tabla de distribucin de frecuencias para dato no agrupados y
agrupados aplicando le a los agrupados sturges y dibuja el diagrama de
barras.
5. Los 40 estudiantes de una clase han obtenido las siguientes
puntuaciones, sobre 50, en un examen de Estadstica.
3, 15, 24, 28, 33, 35, 38, 42, 23, 38, 36, 34, 29, 25, 17, 7, 34, 36, 39, 44,
31, 26, 20, 11, 13, 22, 27, 47, 39, 37, 34, 32, 35, 28, 38, 41, 48, 15, 32,
13.
a. Construir la tabla de frecuencias aplicando sturges
b. Dibujar el histograma y el polgono de frecuencias.
9. Sea una distribucin estadstica que viene dada por la siguiente tabla:
xi
61
64
67
70
73
fi
18
42
27
Calcular:
1 La moda, mediana y media.
2 El rango, desviacin media, varianza y desviacin tpica.
6.Calcular la media, la mediana y la moda de la siguiente serie de
nmeros: 5, 3, 6, 5, 4, 5, 2, 8, 6, 5, 4, 8, 3, 4, 5, 4, 8, 2, 5, 4. Si agrupan
7. Hallar la varianza y la desviacin tpica de la siguiente serie de datos:
12, 6, 7, 3, 15, 10, 18, 5.
8. Hallar la media, mediana y moda de la siguiente serie de nmeros:
3, 5, 2, 6, 5, 9, 5, 2, 8, 6.
16. Una distribucin estadstica viene dada por la siguiente tabla:
33

[10, 15)
fi 3
[15, 20)
[20, 25)
[25, 30)
[30, 35)
Hallar:
La moda, mediana y media.
El rango, desviacin media y varianza.
Los cuartiles 1 y 3.
Los deciles 3 y 6.
Los percentiles 30 y 70.
9. Dada la distribucin estadstica:
[0,
5)
fi 3
[5,
10)
[10,
15)
[15,
20)
[20,
25)
[25,
)
Calcular:
La mediana y moda.
Cuartil 2 y 3.
Media.
10) Cuntos nmeros de tres cifras diferentes se puede formar con los
dgitos: 0, 1, 2, 3, 4, 5 ?R/100
11) En un concurso literario de la UCEVA se han presentado 10
candidatos con sus novelas. El cuadro de honor lo forman el ganador, el
finalista y un accsit. Cuntos cuadros de honor se pueden formar?R/
720
12) Cuntos nmeros de tres cifras se puede formar con los dgitos: 0, 1,
2, 3, 4, 5? R/ 180
13) De cuntas formas distintas pueden sentarse ocho personas en una
fila de butacas? 40320
34

14) De cuntas formas distintas pueden sentarse ocho personas
alrededor de una mesa redonda?R/ 5040
15) En el palo central de un barco velero se pueden izar tres banderas
rojas, dos azules y cuatro verdes. Cuntas seales distintas pueden
indicarse con la colocacin de las nueve banderas? 1260
16) En una clase de 30 alumnos se quiere elegir un comit formado por
tres alumnos. Cuntos comits diferentes se pueden formar?R/ 4060
17) En una bodega hay 5 botellas de vio diferente. De cuntas formas se
pueden elegir 4 botellas? R/70
18) De cuntas formas diferentes se pueden cubrir los puestos de
presidente, vocal y tesorero de un club de ftbol sabiendo que hay 12
posibles candidatos? R/ 1320
19) Con las letras de la palabra libra, cuntas ordenaciones distintas se
pueden hacer que empiecen por vocal? R/48
20) De cuntas formas pueden mezclarse los siete colores del arco iris
tomndolos de dos en dos? R/ 21
21) Cuntos nmeros de cinco cifras distintas se pueden formar con las
cifras impares? R/ 120
22) De cuntos partidos consta una liguilla formada por 6 equipos?30
23) A una reunin de directivos de la UCEVA asisten 10 personas y se
intercambian saludos entre todos. Cuntos saludos se han
intercambiado? R/45
24) Con las cifras 1, 2 y 3, cuntos nmeros de cinco cifras pueden
formarse? R/ 243
25) De cuntas formas pueden colocarse los 11 jugadores de un equipo
de ftbol teniendo en cuenta que en las reglas del futbol el portero no
puede ocupar otra posicin distinta dl arco o portera? R/ 3628800
26) En la sala de ejecutivos existe la mesa de reuniones que est formada
por ocho personas, de cuntas formas distintas se pueden sentar, si el
presidente y el secretario siempre van juntos/10080
27) Una comisin de negocios compuesto por cinco hombres y siete
mujeres, forma un comit de 2 hombres y 3 mujeres. De cuntas formas
puede formarse, si:
35

1. Puede pertenecer a l cualquier hombre o mujer/ 350
2. Una mujer determinada debe pertenecer al comit/ 150
3. Dos hombres determinados no pueden estar en el comit. R/ 105
28) Cuatro libros distintos de estadstica, seis diferentes de fsica y dos
diferentes de qumica se colocan en un estante. De cuntas formas
distintas es posible ordenarlos si:
1. Los libros de cada asignatura deben estar todos juntos. R/ 207360
2. Solamente los libros de matemticas deben estar juntos. R/ 8709120
29) Un colombiano tiene cinco monedas de distintos valores. Cuntas
sumas diferentes de dinero puede formar con las cinco monedas?31
30) Se ordenan en una fila 5 bolas Verdes, 2 bolas Rojas y 3 bolas
azules. Si las bolas de igual color no se distinguen entre s, de cuntas
formas posibles pueden ordenarse? R/2520
31) Resolver las ecuaciones combinatorias:
1 .
2.
R/ X=6
R/ X=7
3.
R/ X=7
4.
R/ X=17
32) Resolver las siguientes ecuaciones

1)
R/ X=12
2)
R/ X=5
3)
R/ X=5
4)
R/ X=5
36

5)
R/ X= 19
6)
R/ X= 10
33) Se lanzan dos monedas al aire hallar la probabilidad de que salgan

dos caras/1/4
34). Calcular la probabilidad de que al lanzar un dado al aire, salga Un
nmero par. R/1/2
35) Se lanza un dado ccalcular la probabilidad de obtener un 2 un 5. R/
1/3
36) Se lanza un dado calcular la probabilidad de obtener un mltiplo de 2
un 6. R1/2
37) Calcular la probabilidad de obtener un 6 al tirar un dado sabiendo que
ha salido par. R/1/3
38) Se sortea un viaje a Panaca entre los 120 mejores clientes de una
agencia de automviles. De ellos, 65 son mujeres, 80 estn casados y 45
son mujeres casadas. Se pide:
a) Cul ser la probabilidad de que le toque el viaje a un hombre
soltero? R/ 1/6
b) Si del afortunado se sabe que es casado, cul ser la probabilidad de
que sea una mujer? 56.25%
39) Sean A y B dos sucesos aleatorios con:
Hallar:
1
R/ 5/8
R/ 5/8
R/ 1/2
R/ 3/8
37

5
R/ 3/4
R/ 1/8
R/ 1/4
40) Sean A y B dos sucesos aleatorios con:
Hallar:
1
R/ 1/3
R/ 2/3
R/ 1/12
R/ 5/12
41) Se sacan dos bolas de una urna que se compone de una bola blanca,
otra amarilla, otra verde y otra negra. Escribir el espacio muestral cuando:
A) La primera bola se devuelve a la urna antes de sacar la segunda R/16
ELEMENTOS EN EL ESPACIO MUESTRAL
B) La primera bola no se devuelve R/ 12 ELEMENTOS EN EL ESPACIO
MUESTRAL
42) Una urna tiene ocho bolas negras, 5 amarilla y siete azules. Si se
extrae una bola al azar calcular la probabilidad de:
A) Sea negra. R/40%
amarilla R/75%
B) Sea azul . R/35%
C)
No
sea
43) Una urna contiene tres bolas rojas y siete blancas. Se extraen dos
bolas al azar. Escribir el espacio muestral y hallar la probabilidad de los
sucesos:
a) Con reemplazamiento. R/
b) Sin reemplazamiento/ 6/90
38
21/90
21/90
42/90

44) Se extrae una bola de una urna que contiene 4 bolas verdes, 5
blancas y 6 negras, cul es la probabilidad de que la bola sea verde o
blanca? Cul es la probabilidad de que no sea blanca? R/ 2/3
45) En la clase de estadstica hay 10 alumnas rubias, 20 morenas, cinco
alumnos rubios y 10 morenos. Un da asisten 45 alumnos, encontrar la
probabilidad de que un alumno: Sea hombre o mujer. R/ 1
46) Se lanzan dos dados al aire y se anota la suma de los puntos
obtenidos. Se pide:
a) La probabilidad de que salga el 7.R/ 1/6
b) La probabilidad de que el nmero obtenido sea par. R/
c) La probabilidad de que el nmero obtenido sea mltiplo de tres. R/ 1/3
47) Un estudiante lanzan tres dados. Encontrar la probabilidad de que
Salga 6 en todos R/ 1/216
48) Un jugador de azar si lanza al aire dos monedas, realiza el diagrama
de rbol Hallar la probabilidad de ganar si salen:
A) Salgan Dos caras. R/ 25%
B) Dos sellos R/ 25%
c) Una cara y un sello R/1/2
49) Sean
p(A
A y B dos sucesos aleatorios con p(A) = 1/2, p(B) = 1/3,
B)= 1/4. Determinar:
a)
R/ 75%
b)
R/ 50%
c)
R/ 7/12
d)
R/ 5/8
e)
R/ 5/6
50) En Colombia los alumnos pueden optar por cursar como lengua
extranjera ingls o francs. En un determinado curso, el 90% de los
alumnos estudia ingls y el resto francs. El 30% de los que estudian
39

ingls son chicos y de los que estudian francs son chicos el 40%. El
elegido un alumno al azar
a) Realizando un diagrama de rbol mostrar las probabilidades posibles
b) cul es la probabilidad de que sea chica? R/ 69%
51) A veces ocurre que
ante un examen, un alumno slo ha
estudiado 15 de los 25 temas correspondientes a la materia del mismo.
ste se realiza extrayendo al azar dos temas y dejando que el alumno
escoja uno de los dos para ser examinado del mismo. Hallar la
probabilidad de que el alumno pueda elegir en el examen uno de los
temas estudiados. R/ 85%
52) En el taller de matecho donde llevan estadsticas de autos ingresados
se sabe que por trmino medio acuden: por la maana tres automviles
con problemas elctricos, ocho con problemas mecnicos y tres con
problemas de chapa, y por la tarde dos con problemas elctricos, tres con
problemas mecnicos y uno con problemas de chapa.
a) Hacer una tabla ordenando los datos anteriores.
b) Calcular el porcentaje de los que acuden por la tarde. R/ 30%
c) Calcular el porcentaje de los que acuden por problemas mecnicos. R/
55%
d) Calcular la probabilidad de que un automvil con problemas elctricos
acuda por la maana. R/ 60%
53) Una clase de matemticas consta de seis nias y 10 nios. Si se
escoge un comit de tres al azar, dibuje un diagrama de rbol y hallar la
probabilidad de:
a) Seleccionar tres nios. R/ 21.4%
b) Seleccionar exactamente dos nios y una nia. R/ 48,2%
c) Seleccionar por lo menos un nio. R/ 96.4%
d) Seleccionar exactamente dos nias y un nio. R/ 26.8%
54) Una bolsa contiene tres monedas. Una moneda es corriente, otra
tiene dos caras y la otra est cargada de modo que la probabilidad de
obtener cara es de 1/3. Se selecciona una moneda al azar y se lanza al
aire dibuje su diagrama de rbol y Hallar la probabilidad de que salga
40
a) Cara.

R/61.1%
b) Sello
55) El maestro Uriel Quitian tiene una urna contiene 5 bolas rojas y 8
verdes. Se extrae una bola y se reemplaza por dos del otro color. A
continuacin, se extrae una segunda bola. Se pide:
a) Dibuje el diagrama de rbol
b) Probabilidad de que la segunda bola sea verde. R / 58.2%
C) Probabilidad de que las dos bolas extradas sean del mismo color. R/
41.8%
56) En una clase dirigida por Idelfonso Cobo y en un diagnostico
acostumbrado por el docente encontr que todos los estudiantes de su
curso practican algn deporte, donde el 60% de los alumnos juega al
ftbol o al baloncesto y el 10% practica ambos deportes. Si adems hay
un 60% que no juega al ftbol, cul ser la probabilidad de que escogido
al azar un alumno de la clase:
A) Juegue slo al ftbol. R/ 40%
B) Juegue slo al baloncesto
R/20%
C) Practique uno solo de los deportes. R/ 50%

57) En Tulua Colombia, el 40% de la poblacin tiene cabellos castaos, el
25% tiene ojos castaos y el 15% tiene cabellos y ojos castaos. Se
escoge una persona al azar:
A) Si tiene los cabellos castaos, cul es la probabilidad de que tenga
tambin ojos castaos? R/ 37.5%
B) Si tiene ojos castaos, cul es la probabilidad de que no tenga
cabellos castaos R/ 40%
C) Cul es la probabilidad de que no tenga cabellos ni ojos castaos?
58) La federacin de oftalmlogos supone que en Colombia 25 de cada
100 hombres y 600 de cada 1000 mujeres usan gafas. Si el nmero de
mujeres es cuatro veces superior al de hombres, se pide la probabilidad
de que:
a) Muestre las probabilidades a travs de un diagrama de rbol
b) Halla una persona sin gafas. R/47%
41

c) Halla una mujer con gafas/48%
59) Un edificio de 3 pisos hay tres llaveros A, B y C; el primero con cinco
llaves, el segundo con siete y el tercero con ocho, de las que slo una de
cada llavero abre la puerta del trastero. Se escoge a Lzaro llavero y, de
l, una llave intenta abrir el trastero. Se pide:
a) Muestre las probabilidades a travs de un diagrama de rbol R/ 15.59%
b) Cul ser la probabilidad de que se acierte con la llave?R/15.59%
c) Cul ser la probabilidad de que el llavero escogido sea el tercero y la
llave no abra? R/29.17%
d)Y si la llave escogida es la correcta, cul ser la probabilidad de que
pertenezca al primer llavero A?42,75%
60) Tenemos tres urnas: A con 3 bolas verdes y 5 negras, B con 2 bolas
verdes y 1 negra y C con 2 bolas verdes y 3 negras. Escogemos una
urna al azar y extraemos una bola. Si la bola ha sido verde , cul es la
probabilidad de haber sido extrada de la urna A? R/26%
61) El profesor Guillermo Vallecilla realiza un lanzamiento de un dado
normal. Cul es la probabilidad de obtener un 1 si se sabe que el
resultado ha sido impar? R/ 33.3%
62) La empresa de Tornillos El 60% de los tornillos producidos por la
empresa proceden de la maquina A y el 40% de la maquina B. La
proporcin de defectuosos en A es 0.1 y en B es 0.5. Cul es la
probabilidad de que un tornillo de dicha fabrica sea defectuoso? Cul es
la probabilidad de que, sabiendo que un tornillo es defectuoso, proceda
de la maquina A?.R/ 23.1%
63) En el Hospital Tomas Uribe de Tulua se encontr que un 15% de los
pacientes atendidos son hipertensos, un 10% son obesos y un 3% son
hipertensos y obesos. Qu probabilidad hay de que elegido un paciente
al azar sea obeso o hipertenso? R/ 22%
64) Se sabe por estudios previos que el 0,1% de la poblacin Colombiana
tiene problemas vasculares. Un estudio sobre individuos con problemas
vasculares revela que el 20% de ellos son placas de ateroma. Si el 10%
de los individuos con placas de ateroma estn expuestos a muerte sbita
por desprendimiento de trombos qu probabilidad tiene un individuo
cualquiera de estar expuesto a muerte sbita por desprendimiento de
trombos de una placa de ateroma. R/
65) La prevalencia de infarto cardaco para hipertensos es del 0,3% y
para no hipertensos del 0,1%. Si la prevalencia de hipertensin en una
42

cierta poblacin es del 25% Cul es la prevalencia del infarto en esa
poblacin? R/ 0,15%
66) Tenemos 5 cajones con productos de una cierta industria. Dos
cajones contienen cada uno 4 productos buenos y 1 fallado; otros dos
cajones contienen cada uno 3 productos buenos y 2 fallados; y el ltimo
cajn contiene 6 productos buenos. Se elige al azar un cajn, del cual,
tambin al azar, se extrae un producto. Calcular la probabilidad de que el
producto extrado resulte bueno. R/ 76%
67) e lanzan dos dados equilibrados con seis caras marcadas con los
nmeros del 1 al 6. Se pide:
a. Halla la probabilidad de que la suma de los valores que aparecen
en la cara superior sea mltiplo de tres. R/ 33.3%
b. Cul es la probabilidad de que los valores obtenidos difieran en
una cantidad mayor de dos? R/ 33.3%
43
CAPITULO II
DISTRIBUCIONES
I) LA DISTRIBUCIN BINOMIAL: B(n, p)
Si en una experiencia aleatoria nicamente consideramos dos
posibilidades: que ocurra el suceso A o que no ocurra ( que ocurra A, el
complementario de A ) , se trata de una experiencia dicotmica.
Al suceso A se le suele llamar xito y a la probabilidad de que ocurra, p.
Es decir p=P(A).
A la probabilidad de que no ocurra A P(A)=1-P(A) se le llama con la letra
q. Es decir, q=1-p
Si repetimos n veces una experiencia dicotmica y lamamos X a la
variable que cuenta el nmero de xitos, resulta que:
X es una variable
0,1,2,3,4,5,...........n.
discreta
que
puede
tomar
los
valores:
Pues bien, a la distribucin de probabilidad de la variable X se le llama

Distribucin Binomial B(n,p).
La media es
n. p
y la desviacin tpica es
n. p.q .
n
P( X k ) . p k .q n k
k
La probabilidad de que X tome el valor k es :
n
n!

Donde k k!.(n k )!
n! 1.2.3.4.5.......(n 1).n
n

El nmero k se llama nmero combinatorio y representa todas las
combinaciones posibles de n elementos tomados de k en k. Es decir:
44

con n elementos, cuntos grupos distintos de k elementos pueden
formarse.
Llamamos experiencia aleatoria dicotmica a aquella que slo puede
tener dos posibles resultados A y A'. Usualmente A recibe el nombre de
xito, adems representaremos como p = p(A) y q = 1-p=p(A').
A la funcin de probabilidad de una variable aleatoria X resultado de
contar el nmero de xitos al repetir n veces una experiencia aleatoria
dicotmica con probabilidad de xito p la llamamos distribucin binomial y
la representamos por
B (n, p)
Para esta distribucin se verifica que, la variable X puede tomar los
valores:
0, 1, 2, ... , n
y que la variable toma cada uno de estos valores con probabilidad:
De acuerdo a lo anterior se puede definir la DISTRIBUCIN BINOMIAL
como una experiencia aleatoria dicotmica a aquella que slo puede
tener dos posibles resultados A y A'. Usualmente A recibe el nombre de
xito, adems representaremos como p = p(A) y q = 1-p=p(A').
A la funcin de probabilidad de una variable aleatoria X resultado de
contar el nmero de xitos al repetir n veces una experiencia aleatoria
dicotmica con probabilidad de xito p la llamamos distribucin binomial y
la representamos por B (n, p)
Para esta distribucin se verifica que, la variable X puede tomar los
valores:
0, 1, 2, ... , n y que la variable toma cada uno de estos valores con
probabilidad:
45
En donde:
= nCx lo que implica que
EJEMPLO: 2.1
5
10 Mire
3
porque
EJEMPLO 2.2
SIMPLIFICAR:
EJEMPLO2.3:
Cul es la probabilidad de obtener exactamente 2 caras en 6 tiradas de
monedas?
X= salga exactamente 2 caras
46
Si n=6
x=2 p= 1/2 pruebe que f(2) = 0,2344
La probabilidad de obtener 2 caras en 6 lanzamientos es de 23,44%

EJEMPLO 2.4:
Cul es la probabilidad de obtener al menos 4 caras en 6 tiradas?
n= 6
x= 4, 5, 6
PRUEBE SI ES CORRECTO
P(4)+P(5)+P(6)= 34,38% la probabilidad de obtener al menos 4 caras en 6
tiradas es de 34,38%
EJEMPLO 2.5 EN VIDEOS
Mirar la explicacin en los siguientes videos

a)http://www.youtube.com/watch?v=k_W_A-EqnRA
b)http://www.youtube.com/watch?v=ANaWgIud0bc&feature=related
c)http://www.youtube.com/watch?v=bfbp2WaMYV8&feature=related
d)http://www.youtube.com/watch?v=bfbp2WaMYV8&feature=related
e)http://www.youtube.com/watch?v=nHeiIR_Gaug&feature=related
47

ELEMENTOS DE ESTADISTICA PARA RESOLVER PROBLEMAS DE
PROBABILIDADES
Distribuciones discretas
Esperanza matemtica o media
Varianza
Desviacin tpica
0 pi 1
p1 + p2 + p3 + + pn = pi = 1
Distribucin binomial
n es el nmero de pruebas.
k es el nmero de xitos.
p es la probabilidad de xito.
q es la probabilidad de fracaso.
El nmero combinatorio
Media
Varianza
48
Desviacin tpica
II) DISTRIBUCIN DE POISSON.

Caractersticas:
En este tipo de experimentos los xitos buscados son expresados por
unidad de rea, tiempo, pieza, etc, etc.,:
- # de defectos de una tela por m2
- # de aviones que aterrizan en un aeropuerto por da, hora, minuto, etc,
etc.
- # de bacterias por cm2 de cultivo
- # de llamadas telefnicas a un conmutador por hora, minuto, etc, etc.
- # de llegadas de embarcaciones a un puerto por da, mes, etc, etc.
Para determinar la probabilidad de que ocurran x xitos por unidad de
tiempo, rea, o producto, la frmula a utilizar sera:
Donde:
p(x, ) = probabilidad de que ocurran x xitos, cuando el nmero
promedio de ocurrencia de ellos es l
= media o promedio de xitos por unidad de tiempo, rea o producto

e = 2.718
x = variable que nos denota el nmero de xitos que se desea que ocurra
Hay que hacer notar que en esta distribucin el nmero de xitos que
ocurren por unidad de tiempo, rea o producto es totalmente al azar y que
cada intervalo de tiempo es independiente de otro intervalo dado, as
como cada rea es independiente de otra rea dada y cada producto es
independiente de otro producto dado.
49

Para que una variable siga una distribucin de Poisson deben cumplirse
varias
Condiciones:
1. En un intervalo muy pequeo (p. e. de un milisegundo) la probabilidad
de que ocurra un evento es proporcional al tamao del intervalo.
2. La probabilidad de que ocurran dos o ms eventos en un intervalo muy
pequeo es tan reducida que, a efectos prcticos, se puede considerar
nula.
3. El nmero de ocurrencias en un intervalo pequeo no depende de lo
que ocurra en cualquier otro intervalo pequeo que no se solape con
aqul.
Estas propiedades pueden resumirse en que el proceso que genera una
distribucin de Poisson es estable (produce, a largo plazo, un nmero
medio de sucesos constante por unidad de observacin) y no tiene
memoria (conocer el nmero de sucesos en un intervalo no ayuda a
predecir el nmero de sucesos en el siguiente).
El parmetro de la distribucin, lambda, representa el nmero promedio
de eventos esperados por unidad de tiempo o de espacio, por lo que
tambin se suele hablar de lambda como la tasa de ocurrencia del
fenmeno que se observa.
EJEMPLOS 2.6:
1. Si el banco BBVA recibe en promedio 6 cheques sin fondo por
da, cules son las probabilidades de que reciba, a) cuatro
cheques sin fondo en un da dado, b) 10 cheques sin fondos en
cualquiera de dos das consecutivos?
Solucin:
a)
x = variable que nos define el nmero de cheques sin fondo que
llegan al banco en un da cualquiera = 0, 1, 2, 3, ....., etc, etc.
= 6 cheques sin fondo por da

e = 2.718
50

R/ El 13,39% los 6 cheques estn sin fondo por da
b)x= variable que nos define el nmero de cheques sin fondo que llegan al
banco en dos das consecutivos = 0, 1, 2, 3, ......, etc., etc.
= 6 x 2 = 12 cheques sin fondo en promedio que llegan al banco en dos

das consecutivos
Nota: siempre debe de estar en funcin de x siempre o dicho de otra
forma, debe hablar de lo mismo que x.
EJEMPLO 2.7
En Grafiartes en el proceso de impresin, se realizo una inspeccin de
hojalata producida por un proceso electroltico continuo, donde se
identifican 0.2 imperfecciones en promedio por minuto. Determine las
probabilidades de identificar a) una imperfeccin en 3 minutos, b) al
menos dos imperfecciones en 5 minutos, c) cuando ms una imperfeccin
en 15 minutos.
Solucin:
a)
x = variable que nos define el nmero de imperfecciones en la
hojalata por cada 3 minutos = 0, 1, 2, 3, ...., etc., etc.
= 0.2 x 3 =0.6 imperfecciones en promedio por cada 3 minutos en

la hojalata
b)
hojalata por cada 5 minutos = 0, 1, 2, 3, ...., etc., etc.
= 0.2 x 5 =1 imperfeccin en promedio por cada 5 minutos en la

hojalata
51
1-(0.367918+0.367918) = 0.26416
R/La imperfeccin en promedio por cada 5 minutos en la hojalata es de
26,64%
c)
hojalata por cada 15 minutos = 0, 1, 2, 3, ....., etc., etc.
= 0.2 x 15 = 3 imperfecciones en promedio por cada 15 minutos en la

hojalata
=
0.0498026 + 0.149408 = 0.1992106
R/ 19,92% Presenta 3 imperfecciones en promedio por cada 15 minutos
en la hojalata
NOTA
Por lo general se toma para muestras grandes, no indicando que no se
puede aplicar en muestras pequeas y sino observemos los siguientes
ejemplos.
P(x)=
x.e -
X!
donde: = n.p
es un promedio
EJEMPLO: 2.8
En la clnica Maria Angel la estadstica muestra que la probabilidad de
que un individuo sufra una reaccin negativa de cierto suero es de 0,001.
Hallar la probabilidad de que entre 300 individuos exactamente 3
individuos sufra reacciones negativas.
Por poisson
Datos: n=300
52
= n.p
x= 3

P= 0,001
= (300)(0,001)
= 0,3
P(3)=
= 0,003= 0,33%
R/ La probabilidad de que un individuo sufra una reaccin negativa en la

clnica Maria Angel de cierto suero es de 0.33%
Por distribucin binomial:
(0,001)3 (0,999)297
planteamiento
Terminar el ejercicio
EJEMPLO 2.9
El 10% de tornillos producido en la fbrica metalrgica Matecho son
defectuosos. Hallar la probabilidad de que una muestra de 10 tornillos
tomadas al azar exactamente 2 sean defectuosas.
n= 10
p= 0,1
= n.p
= (10)(0,1)
p(2)=
q= 0,9
x= 2
= 1
= 0,1839= 18,39%
HACER EL MISMO EJERCICIO POR DISTRIBUCION BINOMIAL
53

EJEMPLO 2.10 EXPLICADOS EN VIDEOS USANDO INTERNET
1)
http://www.youtube.com/watch?v=uAcWCOOPWa8&feature=related
2)http://www.youtube.com/watch?v=xN-fxZKJ-js&feature=related
3)http://www.youtube.com/watch?v=brykCv0HdRw&feature=related
4)http://www.youtube.com/watch?v=hB4owTsqQIs&feature=related
5)http://www.youtube.com/watch?v=luEmVW_Bnn8&feature=related
6)http://www.youtube.com/watch?v=U10yQnqsfas&feature=related
7)http://www.youtube.com/watch?v=N8uW_mqc1r4&feature=related
8)http://www.youtube.com/watch?v=J3lvuyArpEY&feature=related
III) DISTRIBUCIN MULTINOMIAL.

Caractersticas:
a)
Al llevar a cabo un experimento con esta distribucin se esperan
ms de dos tipos de resultados.
b)
Las probabilidades asociadas a cada uno de los resultados son
constantes.
c)
Cada uno de los ensayos o repeticiones del experimento son
independientes.
d)
El nmero de repeticiones del experimento, n es constante.
Si los sucesos E(1), E(2).. E(k) puede ocurrir con frecuencia P(1),
P(2).. P(k) respectivamente entonces la probabilidad de que E (1),
E(2).. E(k) ocurran X(1), X(2).. X(k), veces, se calcula por:
Al igual que hicimos con la distribucin binomial, en este caso partiremos
de un ejemplo para obtener la frmula general para resolver problemas
que tengan este tipo de distribucin.
P(x)=
EJEMPLO 2.11
Se lanza un dado 12 veces cual es la probabilidad de obtener el 1, 2, 3, 4,
5, 6, dos veces cada uno?
54

N= 12
X(1) =X(2) =X(3)=X(4)=X(5)=X(6)= 2
P(1) =P(2)=P(3)=P(4)=P(5)=P(6)= 1/6
P(x)=
)6= 0,0034= 0,34%
R/ Cada uno de los nmeros del dado que puede salir 2 veces cada uno
es del 34%
IV) DISTRIBUCION HIPERGEOMETRICA
Lo que se ha hecho hasta ahora es analizar distribuciones que modelizan
situaciones en las que se realizaban pruebas que entraaban una
dicotoma (proceso de Bernouilli o binomial ) de manera que en cada
experiencia la probabilidad de obtener cada uno de los dos posibles
resultados se mantena constante. Si el proceso consista en una serie de
extracciones o selecciones ello implicaba la reposicin de cada extraccin
o seleccin, o bien la consideracin de una poblacin muy grande. Sin
embargo si la poblacin es pequea y las extracciones no se remplazan
las probabilidades no se mantendrn constantes. En ese caso las
distribuciones anteriores no nos servirn para la modelizar la situacin. La
distribucin hipergeomtrica viene a cubrir esta necesidad de modelizar
procesos de Bernouilli o binomiales con probabilidades no constantes (sin
reemplazamiento)
La distribucin hipergeomtrica es de mucha aplicabilidad en aquellos
casos en los que se extraigan muestras o se realizan experiencias
repetidas sin devolucin del elemento extrado o sin retornar a la situacin
experimental inicial y donde se modeliza , de hecho, situaciones en las
que se repite un nmero determinado de veces una prueba dicotmica de
manera que con cada sucesivo resultado se ve alterada la probabilidad de
obtener en la siguiente prueba uno u otro resultado. Es una distribucin
.fundamental en el estudio de muestras pequeas de poblaciones
.pequeas y en el clculo de probabilidades de, juegos de azar y tiene
grandes aplicaciones en el control de calidad en otros procesos
experimentales en los que no es posible retornar a la situacin de
partida.2
Los experimentos que tienen este tipo de distribucin tienen las siguientes
caractersticas:
http://www.uv.es/ceaces/base/modelos%20de%20probabilidad/hipergeometrica.htm
55

a) Al realizar un experimento con este tipo de distribucin, se esperan dos
tipos de resultados.
b) Las probabilidades asociadas a cada uno de los resultados no son
constantes.
c) Cada ensayo o repeticin del experimento no es independiente de los
dems.
d) El nmero de repeticiones del experimento (n) es constante.
Se caracteriza por tener submuestras y su expresin est dada por:
P(x)=
y N es
Donde n pertenece a la submuestras y a+b=N

la poblacin escogida, x pertenece a muestra
a
n-x pertenece b muestra b
EJEMPLO 2.12:
El siguiente ejemplo va por partes hasta que se aplica el concepto de
distribucin hipergeometrica
De 16 vehculos de una transportadora de leche 5 tienen los frenos
daados cuantos no tienen los frenos daados?
a= 5 frenos daados
N= 16
b= frenos buenos
5+b= 16
b= 11
Si de ese lote, 3 tienen los frenos daados, escriba el elemento
correspondiente a la formula?
X= 3
Si se toman 7 camiones al azar, como se expresa?
n= 7
56

Ahora si construyamos el ejemplo en forma total
De 16 vehculos de una transportadora de leche 5 tienen los frenos
daados. Si de ese lote, 3 tienen los frenos daados .Si se toman 7
camiones al azar Cual es la probabilidad de que 3 o ms tengan los
frenos daados
Entonces:
P(3)=
5 11

3 4 =
11

7
= 0,2884= 28,84%
P(3)+ P(4)+ P(5)= 36,54% VERIFICAR SI LA RESPUESTA ES

CORRECTA
EJEMPLO 2.13
Un extranjero al llegar a cualquier aeropuerto de Colombia es revisado.
Si un extranjero X para evitar que lo descubran en la aduana, un viajero
ha colocado 6 tabletas de narctico en una botella que contiene 9
pldoras de vitamina que son similares en apariencia. Si el oficial de la
aduana selecciona 3 tabletas aleatoriamente para analizarlas, a) Cul es
la probabilidad de que el viajero sea arrestado por posesin de
narcticos?, b) Cul es la probabilidad de que no sea arrestado por
posesin de narcticos?.
Solucin:
a) N = 9+6 =15 total de tabletas
a = 6 tabletas de narctico
n = 3 tabletas seleccionadas
x = 0, 1, 2, o 3 tabletas de narctico = variable que nos indica el nmero
de tabletas de narctico que se puede encontrar al seleccionar las 3
tabletas
57

p(viajero sea arrestado por posesin de narcticos) = p(de que entre las
3 tabletas seleccionadas haya 1 o ms tabletas de narctico)
Otra forma de resolver;

p(el viajero sea arrestado por posesin de narcticos) = 1 p(de que
entre las tabletas seleccionadas no haya una sola de narctico)
b)
p(no sea arrestado por posesin de narcticos)
EJEMPLOS 2.14 EN VIDEOS

1)http://www.youtube.com/watch?v=xgVxHHMJbu0
2)http://www.youtube.com/watch?v=49dTucA-kHU&feature=related
3)http://www.youtube.com/watch?v=wfEDEDRmAro&feature=related
V) DISTRIBUCION NORMAL
Variable aleatoria de la distribucin normal
Una variable aleatoria continua, X, sigue una distribucin normal de media
y desviacin tpica , y se designa por N(, ), si se cumplen las
siguientes condiciones:
58

1. La variable puede tomar cualquier valor: (-, +)
2. La funcin de densidad, es la expresin en trminos de ecuacin
matemtica de la curva de Gauss:
Curva de la distribucin normal
El campo de existencia es cualquier valor real, es decir, (-, +).

Es simtrica respecto a la media .
Tiene un mximo en la media .
Crece hasta la media y decrece a partir de ella.
En los puntos y + presenta puntos de inflexin.
El eje de abscisas es una asntota de la curva.
El rea del recinto determinado por la funcin y el eje de abscisas es igual
a la unidad.
Al ser simtrica respecto al eje que pasa por x = , deja un rea igual a
0.5 a la izquierda y otra igual a 0.5 a la derecha.
En estadstica la distribucin normal es una de las distribuciones ms
usadas e importantes porque se volvi una herramienta indispensable en
cualquier rama de la ciencia, la industria y el comercio. Muchos eventos
reales y naturales tienen una distribucin de frecuencias cuya forma es
muy parecida a la distribucin normal.
La distribucin normal es llamada tambin campana de Gauss por su
forma acampanada.
59
PROPIEDADES DE LA DISTRIBUCIN NORMAL
La distribucin normal tiene forma de campana.

La distribucin normal es una distribucin de probabilidad que tiene
media = 0 y desviacin estndar = 1.
El rea bajo la curva o la probabilidad desde menos infinito a ms
infinito vale 1.
La distribucin normal es simtrica, es decir cada mitad de curva tiene
un rea de 0.5.
La escala horizontal de la curva se mide en desviaciones estndar.
La forma y la posicin de una distribucin normal dependen de los
parmetros y , en consecuencia hay un nmero infinito de
distribuciones normales.
Existe una relacin del porcentaje de poblacin a la desviacin estndar.

En la figura observamos por ejemplo que el rea bajo la curva para 1
tiene un porcentaje de 68.26%, 2 = 95.46% y 3 99.73%
-3s -2s -1s
+1s +2s +3s

68.26%
95.46%
60
99.73%
La poblacin incluye todos los datos, la muestra es una porcin de la

poblacin.
Poblacin
Muestra
x-3s
x-2s
x-s
x+s
x+2s
x+3s
La desviacin estndar
sigma representa la
distancia de la media al
punto de inflexin de la
curva normal
X
x-3
x-2
x-
La distribucin normal estndar

-3
-2
-1
x+
x+2
x+3
z
0
El valor de z
Determina el nmero de desviaciones estndar entre algn valor X y la
media de la poblacin . Para calcular el valor de Z usamos la siguiente
frmula.
La distribucin de probabilidad f (Z) es una distribucin normal con media

0 y desviacin estndar 1; esto es Z se distribuye normalmente con
media cero y desviacin estndar = 1 Z~N(0,1): La grfica de densidad
de probabilidad se muestra en la figura.
61

F(z)
La distribucin f (Z) se encuentra tabulada

en la tabla de distribucin
0
normal estndar. En esta tabla podemos determinar los valores de Z o la
probabilidad de determinado valor Z.
EJEMPLO 2.15
Siendo el seor Jairo Marn el gerente de personal de una gran compaa
de aluminios requiere que los solicitantes a un puesto efecten cierta
prueba y alcancen una calificacin de 500. Si las calificaciones de la
prueba se distribuyen normalmente con media 485 y desviacin
estndar 30 Qu porcentaje de los solicitantes pasar la prueba?
Calculando el valor de Z obtenemos:
Z
500 485
0 .5
30
=
Buscamos el valor correspondiente Z en las tabla de distribucin normal.

Z0.5 = .69146 = 69.146%. siendo esta la probabilidad de que la calificacin
sea menor a 500 P (X<500). Dado que el porcentaje pedido es P( X 500)
la solucin es 1-.69146 =.3085 , 30.85% de los participantes pasarn la
prueba.
485
30.85%
Z.05
EJEMPLO 2.16:
Encuentre las probabilidades siguientes usando la tabla Z.
a) P(-1.23 < Z > 0)
62
-1.23
0
Solucin: Buscamos el valor Z1..23 en las tablas siendo este = .89065.

restando .89065-.05 = .3905, este valor es la probabilidad de 0 a 1.23 que
es exactamente la misma de 1.23 a 0 por simetra. Por lo tanto la
probabilidad es .3905
EJEMPLO2.17:
En un examen de Estadstica la calificacin media es de 72 y la
desviacin tpica 15. Determinar en unidades estndar las puntuaciones
de los alumnos que obtuvieron 60.
Datos:
= 72
x= 60
= 15
EJEMPLO 2.18
El peso medio de 500 estudiantes de la Uceva es de 151 Lb y la
desviacin tpica es de 15 Lb y suponiendo que los pesos estn
normalmente distribuidos. Hallar cuantos estudiantes pesan entre 120 y
155 Lb.
63
A= 0,4803+0,1026= 0,5829
500
100%
58,29%
X= 291
291.
1.
la cantidad de estudiantes que pesan entre 120 y 155 LB es de
Los que pesan 128Lb exactamente?
0,4418
0,4332
A=0,4418-0,4332= 0,0086
0,86%
VI) DISTRIBUCION GEOMETRICA

La distribucin geomtrica es un modelo adecuado para aquellos
procesos en los que se repiten pruebas hasta la consecucin del xito a
resultado deseado y tiene interesantes aplicaciones en los muestreos
64

realizados de esta manera. Tambin implica la existencia de una
dicotoma de posibles resultados y la independencia de las pruebas entre
s.
Proceso experimental del que se puede hacer derivar
Esta distribucin se puede hacer derivar de un proceso experimental puro
o de Bernouilli en el que tengamos las siguientes caractersticas
El proceso consta de un nmero no definido de pruebas o experimentos
separados o separables. El proceso concluir cuando se obtenga por
primera vez el resultado deseado (xito).
Cada prueba puede dar dos resultados mutuamente excluyentes : A y no
A
La probabilidad de obtener un resultado A en cada prueba es p y la de
obtener un resultado no A es q siendo (p + q = 1).
Las probabilidades p y q son constantes en todas las pruebas, por tanto,
las pruebas, son independientes (si se trata de un proceso de "extraccin"
ste se llevar a , cabo con devolucin del individuo extrado) .
La distribucin geomtrica que se ha visto hasta ahora es que si se tira
una moneda (con p = P (cara ) n veces, entonces el numero de sellos se
distribuye como binomial.
Consideramos otro experimento relacionado.
Vamos a seguir tirando la moneda hasta que veamos el primer sello
Cuantas tiradas necesitamos?
Sea X el nmero de tiradas. Luego
P (X = 1) = p
P (X = 2) = (1 p)p
P (X = 3) = (1 p)2p
.
.
P (X = x) = (1 p)x-1p
Donde P(x)= qx-1p
65

La distribucin de X se llama la distribucin geomtrica.
EJEMPLO 2.19
Calcular la probabilidad de que salga el No. 5 a la tercera vez que
lanzamos un dado.
Definir xito: sale No. 5
x=3
p = 1/6 = 0. 1666
q = (1 - 0.16660) = 0.8333
P(X=3) = (0.8333)2(0.1666) =0.1156
NOTA
OTRA FORMA DE INTERPRETAR LA DISTRIBUCION GEOMETRICA
En una secuencia de experimentos binarios independientes (A se observa
con probabilidad P y deja de observarse con probabilidad 1-P), el nmero
de rplicas antes de la primera observacin de A tiene una distribucin
geomtrica o de Pascal, G(P). Para cada nmero natural r, la funcin de
probabilidad se define como
f (r ) P(1 P)r
r 1
siendo su funcin de distribucin F(r ) 1 (1 P)
La media y varianza de la distribucin geomtrica son
E( X)
1
1
P
V( X)
1 P
P 2 Respectivamente.
De hecho, se trata de un caso especial de la distribucin binomial

negativa tomando n=1.
Geomtrica ( o de fracasos)
EJEMPLO 2.20
Calcular la probabilidad de que salga cara la 6ta ocasin que lanzamos
una moneda.
Definir xito: salga cara
66

x=6
p = 1/2= 0.5
q = 0.5
P(X=6) = (0.5)5(0.5)= 0.0156
VII) LA FUNCION DENSIDAD Y LA FUNCION DISTRIBUCION
FUNCIN DE DENSIDAD O LEY DE PROBABILIDAD
Es el conjunto de los valores de la variable aleatoria X y sus
probabilidades respectivas f(x) = Pr(X=x).
Para el caso discreto se suele adoptar la forma de representacin
siguiente :
X
F(X)
X1
P1
X2
P2
X3
P3
XI
PI
Xn
Pn
Ante la equivalencia entre frecuencias relativas y probabilidades, se

n
verifica que :
P
i 1
FUNCIN DE DISTRIBUCIN
Del mismo modo que se definan las frecuencias acumuladas,
denominamos funcin de distribucin a : F(x) = Pr(Xx)
MOMENTO ESPERANZA MATEMATICA Y Varianza
1) Momento ordinario k
K Pi . X k
1
2) Momento de orden central K

n
k Pi ( xi E ( x)) K
i 1
En particular:
67

Esperanza matemtica: Es el momento ordinario de orden 1 ( 1 ) ,
equivalente a la media aritmtica.
n
E ( X ) 1 Pi X i
i 1
Varianza : Es el momento central de 2 orden

n
V ( X ) 2 Pi ( X i E ( X )) Pi X 2i E ( X ) 2 2 1
2
ii 1
i 1
Desviacin tpica : Es la raz cuadrada de la varianza.
V (X )
EJEMPLO 2.21
Germn segura victoria lanza cuatro monedas, considerando que el
nmero de sellos obtenidas. Calcular, de la variable aleatoria as definida:
a) Ley de probabilidad
b) Funcin de distribucin
c) Esperanza matemtica y varianza
d) Mediana y moda de la distribucin
Del mismo modo que se definan las frecuencias acumuladas,
denominamos funcin de distribucin a : F(x) = Pr(Xx)
SOLUCION
Lanzadas cuatro monedas, consideremos el nmero de sellos obtenidas.
Calcular, de la variable aleatoria as definida:
a) Ley de probabilidad o funcin densidad
b) Funcin de distribucin
c) Esperanza matemtica y varianza
d) Mediana y moda de la distribucin
Antes de desarrollar el ejercicio primero observemos el espacio muestal
68
CCCC

Se obtienen 0 sellos =1
CCCs CCsC CsCC sCCC Se obtienen 3 caras y 1 sello =4

CCss
CsCs CssC sCCs sCsC ssCC Se obtienen 2 caras y 2 sellos=6
Csss sCss ssCs sssC Se obtienen 1 cara y 3 sellos=4

ssss
Se obtienen 4 sellos=1
AHORA SI CONTIMUEMOS
a) Ley de probabilidad o funcin de densidad:
X
f(x)=Pr(X=x)
0
1/16
1
4/16
2
6/16
3
4/16
4
1/16
b) Funcin de distribucin:
X
f(x)=Pr(X=x)
F ( x) Pr( X x)
69
0
1/16
1/16
1
4/16
5/16
2
6/16
11/16
3
4/16
15/16
4
1/16
1/16
Donde mas concretamente la funcion F(x) se ecribira asi
0 para x 0
1 / 16 para 0 x 1
5 / 16 Para 1 x 2
F ( x)
11 / 16 Para 2 x 3
15 / 16 Para 3 x 4
1 Para x 4
c) Para el clculo de la esperanza matemtica y la varianza de una
variable aleatoria discreta, se aconseja construir la siguiente tabla auxiliar
X
P
PX
PX2
0
1/16
0
0
1
4/16
4/16
4/16
2
6/16
12/16
24/16
3
4/16
12/16
36/16
4
1/16
4/16
16/16
TOTALES
1
32/16=2
80/16=5
Definida la desviacin tpica como la raz cuadrada de la varianza :
D(X) = 1
PORQUE LA DESVIACION DA UNO
EXPLICALO QUERIDO AMIGO
Observando la ley de probabilidad o funcin de densidad, deducimos que
la Moda = 2 (al tener X=2 la mayor probabilidad (6/16) )
70

Observando la funcin de distribucin, deducimos que :
Mediana = 2 (al ser X=2 el valor para el que F(X) (=11/16) primero iguala
o supera a 0'5)
EJEMPLO 2.22
En la extraccin simultnea de tres bolas de una urna que contiene 6
bolas Rojas y cuatro verdes, Miguel observa el nmero de bolas blancas
extradas.
De la variable aleatoria as definida, calcular:
a) L a probabilidad de que las tres sean verdes, 1 roja y dos verdes, , 2
rojas y una verde, 3 rojas ,
b) ley de probabilidad
c) Funcin de distribucin
d) Esperanza matemtica, varianza y desviacin tpica.
d) Mediana y moda de la distribucin.
SOLUCION
a) AMIGO LECTOR USTED EN CAPACIDAD DE DESCUBRIR LAS
RESPUESTAS DADAS LA SUGERENCIADE DE RECORDAR LA
DISTRIBUCION HIPERGEOMETRICA
P(3VERDES)= 3.3%
P(1RY 2VERDES)=30%
P(2RY1V) =50%
P(3R)=16.7%
b) Ley de probabilidad o funcin de densidad :
X
PROB
71
0
0.033
1
0.3
2
0.5
3
0.167

c) Funcin de distribucin:
0 SI X 0
0.033 SI 0 X 1
F ( X ) 0.033 SI 1 X 2
0.833 SI 2 X 3
1
SI X 3
d) Esperanza matemtica, varianza y desviacin tpica:
X
PROB=P
PX
PX2
0
0.033
0
0
1
0.0
0.0
0.3
2
0.5
1
2
3
0.167
0.5
1.5
TOTALES
1.8
3.8
POR LO TANTO PODEMOS DEDUCIR QUE

E( X ) = 1. 8
V ( X )
= 3. 8
- 1.82
= 0.56
D= 0.56 =0.748
Mediana y Moda:
Observando la funcin de distribucin, deducimos que :
Mediana = 2 (al ser X=2 el valor para el que F(X) (= 0'8333) primero
iguala o supera a 0'5)
Observando la ley de probabilidad o funcin de densidad, deducimos que:
Moda = 2 (al tener X=2 la mayor probabilidad (0'5) )
EJEMPLO 2.23
El Dr Lores ha comprobado que el tiempo de vida de cierto tipo de
marcapasos sigue una distribucin exponencial con media de 16 aos.
Cul es la probabilidad de que a una persona a la que se le ha
implantado este marcapasos se le deba reimplantar otro antes de 20
aos? Si el marcapasos lleva funcionando correctamente 5 aos en un
paciente,
Solucin: Sea T la variable aleatoria que mide la duracin de un
marcapasos en una
persona.
20
P (T 20) f (t )dt 1 e 20 /16 0.7135

0
72

VIII) DISTRIBUCION EXPONENCIAL
Distribucin exponencial
La distribucin exponencial se dice que es equivalente continuo de la
distribucin geomtrica discreta. Esta ley de distribucin describe
procesos en los que:
Nos interesa saber el tiempo hasta que ocurre determinado evento,

sabiendo que,
el tiempo que pueda ocurrir desde cualquier instante dado t, hasta

que ello ocurra en un instante tf, no depende del tiempo
transcurrido anteriormente en el que no ha pasado nada.
Ejemplos de este tipo de distribuciones son:
El tiempo que tarda una partcula radiactiva en desintegrarse. El

conocimiento de la ley que sigue este evento se utiliza en Ciencia
para, por ejemplo, la datacin de fsiles o cualquier materia
orgnica mediante la tcnica del carbono 14, C14;
El tiempo que puede transcurrir en un servicio de urgencias, para la

llegada de un paciente;
En un proceso de Poisson donde se repite sucesivamente un

experimento a intervalos de tiempo iguales, el tiempo que
transcurre entre la ocurrencia de dos sucesos consecutivos sigue
un modelo probabilstico exponencial. Por ejemplo, el tiempo que
transcurre entre que sufrimos dos veces una herida importante.
Concretando, si una v.a. continua X distribuida a lo largo de

que su funcin de densidad es
se
dice
parmetro
que
,
sigue
una distribucin
, es tal
exponencial de
OJO CON EL ANALISIS QUE SIGUE

Figura: Funcin
73
de
densidad, f,
de

una
Un clculo inmediato nos dice que si x>0,
luego la funcin de distribucin es:
Figura: Funcin de distribucin, F, de

, calculada
como el rea que deja por debajo de s la funcin de
densidad.
74
Para calcular el valor esperado y la varianza de la distribucin

exponencial, obtenemos en primer lugar la funcin caracterstica
para despus, derivando por primera vez
y derivando por segunda vez,
75
Entonces la varianza vale
ojo 3
IX) DISTRIBUCIN UNIFORME
Cuando tenemos una variable aleatoria X se dice que es uniforme en el
intervalo [a, b] si su funcin de densidad es constante dentro de l. La
distribucin uniforme se puede modelizar de algn modo la incertidumbre
ms completa sobre una variable aleatoria continua lo que hace que
tenga bastante importancia en el mbito computacional, pues es a partir
de ella que se pueden realizar simulaciones de cualquier otra variable
aleatoria. La funcin de densidad de la distribucin uniforme es
f (x)
1
ba
x a, b
F( x )
xa
ba
x (a, b)
Su media y varianza son, respectivamente,

E( x )
ab
2
V( x )
1
(b a) 2
12
La distribucin uniforme tiene una caracterstica que es que puede tomar

cualquier valor dentro de un intervalo, donde todos ellos tienen la misma
probabilidad lo que la vuelve en una distribucin continua ya que puede
tomar cualquier valor y no nicamente un nmero determinado (como
ocurre en las distribuciones discretas).
EJEMPLO 2.24
El precio medio del litro de ACPM durante el prximo ao se estima que
puede oscilar entre 9140 y 9160 pesos. Podra ser, por tanto, de 9143
3T
76
OMADO DE http://www.bioestadistica.uma.es/libro/node78.htm

pesos., o de 9143,4 pesos., o de 9143,45 pesos., o de 9143,455 pesos,
etc. Hay infinitas posibilidades, todas ellas con la misma probabilidad.
Si deseamos obtener la funcin de densidad, que nos permite conocer la
probabilidad que tiene cada punto del intervalo, viene definida por:
f (x)
1
ab
Donde, b: es el extremo superior (en el ejemplo, $9160, y a: es el extremo

inferior (en el ejemplo, 9140 pesos). Por lo tanto, la funcin de distribucin
del ejemplo sera:
f ( x)
1
0.05
9160 9140
Lo que implica que el valor final est entre 9140 pesos y 9141 pesos
tiene un 5% de probabilidad, que est entre 9141 y 9142, otro 5%, etc.
El valor medio de esta distribucin se calcula: (a+b)/2
X)DISTRIBUCION UNIFORME DISCRETA
La distribucin uniforme discreta es la que aparece en situaciones como
el lanzamiento de una moneda, de un dado o en la extraccin de una bola
numerada de un urna de la lotera. En todos estos casos, si no hay truco,
existe equiprobabilidad entre todos los sucesos elementales posibles: dos
en el caso de la moneda, seis en el del dado y n en el caso de la urna de
la lotera, siendo n el nmero de bolas. La funcin de probabilidad viene
dada por
f (x)
1
n
x (1,..., n)
f ( x ) 0 x (1,..., n)
y la de distribucin por
F( x )
x
n
x 1,n
Donde [x] la parte entera de x. La media y la varianza de esta distribucin

vienen dadas por, respectivamente
1 n
E( X)
2
77
n2 1
V( X)
12
La funcin caracterstica es
1
e itb e ita
x (t) e
dx
a
ba
it (b a )
b
itx
Los momentos son
ba
E(X)
2
(b a ) 3
E(X )
3
2
(b a ) 2
V(X)
12
XI) DISTRIBUCIN T STUDENT

En probabilidad y estadstica, la distribucin t (de Student) es una
distribucin de probabilidad que surge del problema de estimar la media
de una poblacin normalmente distribuida cuando el tamao de la
muestra es pequeo
La distribucin t difiere de la de Z en que la varianza de t depende del
tamao de la muestra y siempre es mayor a uno. Unicamente cuando el
tamao de la muestra tiende a infinito las dos distribuciones sern las
mismas Se acostumbra representar con
el valor t por arriba del cual
se encuentra un rea igual a
. Como la distribucin t es simtrica
alrededor de una media de cero, tenemos
; es decir, el
valor t que deja un rea de

a la derecha y por tanto un rea de
a
la izquierda, es igual al valor t negativo que deja un rea de
en la cola
derecha de la distribucin. Esto es, t0.95 = -t0.05, t0.99=-t0.01, etc.
78

Para encontrar los valores de t se utilizar la tabla de valores crticos de la
distribucin t del libro Probabilidad y Estadstica para Ingenieros de los
autores Walpole, Myers
EJEMPLO
Ejemplo:
Encuentre la probabilidad de t0.025 < t < t0.05.
Solucin:
Como t0.05 deja un rea de 0.05 a la derecha, y t0.025 deja un rea de

0.025 a la izquierda, encontramos un rea total de 1-0.05-0.025 = 0.925.
P( t0.025 < t < t0.05) = 0.925
Para encontrar las unidades estndar se aplica
x u
s
n
OTRAS DISTRIBUCIONES
1) DISTRIBUCIN DE CAUCHY
La distribucin de Cauchy, o de Lorentz, de parmetros a pertenece a los
reales y b>0 es de uso frecuente en fsica para describir el patrn de
impactos de partculas sobre una recta. Tambin es de inters terico por
ser una distribucin que carece de momentos. Sus funciones de densidad
y de distribucin son
f (x)
79
b
( x a) 2 b 2
1 1
x a
F( x ) arctan
2
b

Como queda dicho ms arriba, la distribucin de Cauchy no tiene ni
media ni varianza.
EJEMPLO 2.23
Se trata de un modelo continuo cuya funcin de densidad es:
Cuya integral nos proporciona la funcin de distribucin:
F(X )
(1 t
dt
1 arctan g ( x)
=
POR
FAVOR
AMIGO LECTOR COMPROBAR LA IGUALDAD DADA

2) DISTRIBUCIN ERLANG
La funcin de densidad de probabilidad,
f ( x; , )
1
1
x
exp( x / ), x 0
( )
En donde es un entero positivo. La variable aleatoria de Erlang es la

suma de variables independientes distribuidas exponencialmente, en
donde cada valor se genera por
1
x Ln
1/
La distribucin de erlang es la misma distribucin Gamma se ha utilizado

frecuentemente en variables tales como:
El tiempo ( espacio) requerido para observar ? ocurrencias del evento
A en el intervalo t ( regin del espacio ), sucesos del tipo Poisson.
Problemas de trfico en lneas telefnicas, ERLANG, 1900.
80

Flujos
mximos,
MARKOVIC,
1965.
Resistencia de componentes del concreto reforzado, TICHY VARLIETK,
1965.
Tiempo de falla de un sistema de componentes, cada uno falla con
frecuencia .
Ingresos familiares.
Edad del hombre al contraer matrimonio por primera vez.
Tiempo total para completar una operacin, s sta se lleva a cabo
en subestaciones a una frecuencia .
3) DISTRIBUCIN DE LAPLACE
La distribucin de Laplace de parmetros a pertenece a los reales y b>0
se utiliza en ocasiones para modelar errores en observaciones de tipo
real, de forma similar a como se hace con la distribucin normal. La
funcin de densidad es
f (x)
xa
1
exp
2b b
1 x a
F( x ) exp
2 b
x
y
1 ax
F( x ) 1 exp
2 b
Si x es menor o igual, o a es mayor, respectivamente, que a. Su media es

E[X]=a y su varianza V[X]=2b2.
4. DISTRIBUCIN DE PARETO
La distribucin de Pareto de parmetros a>0 y b>0, es tal que algunos de
sus momentos existen cuando a supera cierta cota. Tiene aplicaciones en
las ciencias medioambientales y en la estadstica industrial. Su funcin de
densidad es
f ( x ) ab a x a1
f (x) 0
x b
xb
En la que se notar que toma valores no nulos para x (b, ) . La

funcin de distribucin toma la forma
81

a
b
F( x ) 1
x b
x

F( x ) 0
xb
La esperanza y la varianza de la distribucin de Pareto son
ab
E( X)
a 1
si a 1
ab 2
V( X)
(a 2)(a 1) 2
si
a2
5...DISTRIBUCIN LOGSTICA
La distribucin logstica de parmetros a pertenece a los reales y b>0 se
ha llegado a utilizar como sustituta de la normal, debido a su forma
acampanada y de ms fcil manejo. Ms frecuente es su uso en la
modelizacin de respuestas aleatorias binarias, como en la regresin
logstica. La funcin de densidad logstica toma la forma
x a
exp
f (x)
x a
b1 exp
1
F( x )
x a
1 exp
V( X)
Por ltimo, sus momentos son E(X)=a y
b2 2
3
6) DISTRIBUCIN DE GUMBEL
La distribucin de Gumbel, o del valor extremo, de parmetros
a , b 0 se utiliza en el anlisis de la distribucin asinttica de los
extremos mustrales, con aplicaciones concretas en la prediccin de
catstrofes naturales y en el diseo de estructuras de ingeniera civil que
van a estar sometidas a condiciones climatolgicas extremas. Su funcin
de densidad es
82
f (x)
ax
1
a x
exp
exp

a
b
b
a x
F( X) exp exp

b
donde
es la constante de Euler - Mascheroni, cuyo valor es
aproximadamente 0.5772156649... Finalmente, la media y la varianza de
esta distribucin viene dada por la expresin
E( X) a b
b2 2
V( X)
6
7)DISTRIBUCIN DE RAYLEIGH
La distribucin de Rayleigh de parmetro a > 0, es un caso particular de la
de Weibull, estando su uso muy extendido en el contexto del anlisis de
datos censurados. La funcin de densidad es
f ( x ) 2a 2 xe a
f (x) 0
2 2
x0
x0
F( X) 1 e a
2 2
F( X) 0
x0
x0
La media y la varianza de esta distribucin son, respectivamente,

E( X)
2
a
1

V( X) b 2 1
4
a
8) DISTRIBUCIN DE WEIBULL
La variable aleatoria X tiene distribucin de Weibull de parmetros a > 0 y
b > 0 si su funcin de densidad es
ax
f ( x)
bb
a 1
e x / b
x0
La funcin de distribucin, o de probabilidad acumulada, es
83
F( x ) PX x 1 e ( x / b )
x0
Igual que en el caso de la distribucin exponencial, la de Weibull se suele

utilizar como modelo paramtrico en problemas de anlisis de
supervivencia. En este mbito, es de inters la probabilidad de que se
presente el fallo o muerte despus de transcurrido un tiempo x; de ah que
se defina la funcin de supervivencia
S( x ) PX x 1 F( x ) e
( x / b )a
Por ltimo, la esperanza y la varianza de esta distribucin son,

respectivamente,
1
E( X) b 1
a
2 1
V( X) b 2 1 1
a a
donde siendo
P>0.
(P) x P 1e x dx
0
la funcin gamma de Euler con
9) DISTRIBUCIN BETA
La distribucin beta de parmetros a y b, ambos estrictamente positivos,
tiene como soporte el intervalo (0,1), por lo que suele utilizarse en la
modelizacin de datos que se encuentren dentro de este rango. La
funcin de densidad es
f (x)
1
x a1 (1 x )b1
(a, b)
x (0,1)
y la de distribucin
F( x ) 0,
x0
b 1
x
1
a 1
u
(
1
u
)
du
(a, b) 0
F( x ) 1
x 1
F( X)
x (0,1)
Siendo la funcin Beta de Euler. La media y la varianza de esta

distribucin son, respectivamente,
84
E( X)
a
ab

ab
y
V( X)
2
(a b) (a b 1)
ESTIMADO LECTOR QUE BUENO SERIA QUE INVESTIGARAS SOBRE

EJEMPLOS Y APLICACIONES DE CADA UNA DE LAS PTRAS
DISTRIBUCIONES
EJERCICIOS DE REPASO CAPITULO II
1) La media de los pesos de 500 estudiantes de un colegio es 70 kg y la
desviacin tpica 3 kg. Suponiendo que los pesos se distribuyen
normalmente, hallar cuntos estudiantes pesan:
a) Entre 60 kg y 75 kg. R/476
64 kg. R/11
b) Ms de 90 kg. R/0
c) Menos de
2) Cul es la probabilidad de obtener 6 caras al lanzar una moneda 10

veces? R/20.5%
3) Cul es la probabilidad de obtener cuatro veces el nmero 3 al
lanzar un dado ocho veces? R/2.6%
4) La probabilidad de tener un accidente de trfico el profesor Carlos Ivn
es de 0,02 cada vez que viaja a Cali, si realiza 300 viajes a Cali, durante
5 aos Cul es la probabilidad de tener 3 accidentes? R/8.9%
5) La probabilidad de que un nio del fsico Leonardo Campo nazca
pelirrojo es de 0,012. Cul es la probabilidad de que entre 800 recin
nacidos haya 5 pelirrojos. R/4.6%
6) En una bolsa hay 7 bolas blancas y 5 negras. Se sacan 4 bolas Cul
es la probabilidad de que 3 sean blancas? R/65.4%
7) En un evento familiar hay 20 personas: 14 casadas y 6 solteras. Se
eligen 3 personas al azar Cul es la probabilidad de que las 3 sean
solteras? R/1.75%
8) A unas elecciones se presentaron 2 partidos polticos: Los X que
obtuvieron el 70% de los votos y Z el 30% restante. Cul es la
85

probabilidad de que al elegir 5 ciudadanos al azar, 4 de ellos hayan
votado por Z?
9) A unas elecciones se presentaron 4 partidos polticos: : La U que
obtuvo un 40% de los votos, Los progresistas el 30%, el polo 20% y el
conservador 10% restante. Cul es la probabilidad de que al elegir 5
ciudadanos al azar, 3 hayan votado al por la U, 1 por progresista y 1 por
el polo?
10) En un evento internacional, el 20% de los asistentes son espaoles, el
30% franceses, el 40% italiano y el 10% portugueses. En un pequeo
grupo se han reunido 4 invitados: cul es la probabilidad de que 2 sean
espaoles y 2 italianos? R/3.84%
11) En una caja hay 7 bolas blancas, 3 verdes y 4 amarillas: cul es la
probabilidad de que al extraer 3 bolas sea cada una de un color distinto
?R/ 23.07%
12) Se lanza al aire una moneda cargada 8 veces, de tal manera que la
probabilidad de que aparezca cara es de 2/3, mientras que la probabilidad
de que aparezca sello es de 1/3, Determine la probabilidad de que en el
ltimo lanzamiento aparezca cara R/.0.0003048
13) Se supone que los resultados de un examen realizados Hugo Orosco
siguen una distribucin normal con media 78 y desviacin tpica36. Se
pide Cul es la probabilidad de que una persona que se presenta el
examen obtenga una calificacin superior a 72? R/56.36%
14) Haciendo uso de la tabla que proporciona reas a la izquierda de
cada valor z de la distribucin normal tipificada, calcular las
probabilidades (reas) siguientes:
a) Pr(z<1'35) R/ 91.14% b) Pr(z<-0'338) R/ 36.69% c) Pr(z>2'1) R/1-78%
d) Pr(z>-1) R/ 84.13% e) Pr(-1'39<z-0'44) R/24.77%
f)Pr(-1'52z0'897)R/75.16%
14) Varios test de inteligencia realizados por Lucy Aponte dieron una
puntuacin que sigue una ley normal con media 100 y desviacin tpica
15.. Determinar el porcentaje de poblacin que obtendra un coeficiente
entre 95 y 110.R/37.8%
15) El ingeniero William Bolaos al visitar una empresa que hace
productos en lnea Supone que la probabilidad de tener una unidad
86

defectuosa en una lnea de ensamblaje es de 0.05. Si el conjunto de
unidades terminadas constituye un conjunto de ensayos independientes:
a) Cul es la probabilidad de que entre diez unidades dos se encuentren
defectuosas? R/ 4,76%
b).y de que a lo sumo dos se encuentren defectuosas? R/ 99.84%
c) Cul es la probabilidad de que por lo menos una se encuentre
defectuosa? R/ 40.13%
7) S la probabilidad de que un cierto dispositivo de medicin muestre
una desviacin excesiva es de 0.05, cul es la probabilidad de que; a) el
sexto de estos dispositivos de medicin sometidos a prueba sea el
primero en mostrar una desviacin excesiva? R/ 3.9% b) El sptimo de
estos dispositivos de medicin sometidos a prueba, sea el primero que no
muestre una desviacin excesiva? R/0.0000000148
8) El nivel de colesterol en una persona adulta sana sigue una distribucin
normal N(192, 12). Calcula la probabilidad de que una persona adulta
sana tenga un nivel de colesterol:
a) Superior a 200 unidades. R/25.14%
b) Entre 180 y 220 unidades. R/ 83.14%
9) Considerando que en la urna hay un total de 10 objetos, 3 de los cuales
son defectuosos, si de seleccionan 4 objetos al azar, cul es la
probabilidad de que 2 sean defectuosos? R/ 30%
10) El Profesor Alejandro Londoo observa que en su saln hay 8
alumnos de ojos cafs, 9 de ojos azules, 7 de ojos negros, y 10 de ojos
verdes; si extraemos 6 alumnos, calcular la probabilidad de que este
ltimo tenga los ojos claros/0.9341%
11) Slo 24 de los 200 alumnos de la Institucin Moderna miden menos
de 150 cm. Si la estatura media de dichos alumnos es de 164 cm., cul
es su varianza ?R/141.96
12) Juan Guillermo Valderrama lanza un par de dados y define la variable
aleatoria X como la suma de las puntuaciones obtenidas. Hallar la funcin
de probabilidad, la esperanza matemtica y la desviacin R/ 7
desviacin=2.415
87

13) En Tulua cada tres familias posee telfono fijo. Si se eligen al azar
90 familias, calcular la probabilidad de que entre ellas haya por lo menos
30 tengan telfono fijo R//50%
14) Un tren de carga traen en un vagn de ferrocarril a 60 reses donde el
20% de ellas estn enfermas de vaca loca, si extraemos con propsito de
inspeccin sanitaria una muestra del 10% de las reses calcula la
probabilidad de que hayan 2 vacas con dicha enfermedad? R/25.65%
15) Guillermo Mondragn lanza un dado corriente. Si sale nmero primo,
gana tantos cientos de euros como marca el dado, pero si no sale nmero
primo, pierde tantos cientos de euros como marca el dado. Determinar la
funcin de probabilidad y la esperanza matemtica del juego. R/ E=16.667
16) Sea X una variable aleatoria discreta cuya funcin de probabilidad es:
pi
0,1
0,2
0,1
0,4
0,1
0,1
1. Calcular, representar grficamente la funcin de distribucin.

2. Calcular las siguientes probabilidades:
a)
b)
c)
p (X < 4.5)
R/90%
p (X 3)
R/60%
p (3 X < 4.5) R/50%
17) Para ingresar a la Uceva en medicina se realiza un examen

tipo test de 200 preguntas de eleccin mltiple, cada pregunta tiene una
respuesta correcta y una incorrecta. Se aprueba si se contesta a ms de
88

110 respuestas correctas. Suponiendo que se contesta al azar, calcular la
probabilidad de aprobar el examen.R/ 7.9%
18) De 60 aspirantes a la Uceva a ingeniera industrial 40 son
DE Tulua, si seleccionamos 20 aspirantes al azar calcular la
probabilidad de que 10 sea n de Tulu ?
19) El gran maestro Efran Vsquez lanza dos monedas. Gana 1
2 si aparecen dos caras o una. Por otra parte pierde 5 si no aparece
cara. Determinar la esperanza matemtica del juego y si ste es
favorable. R/1/4. Es desfavorable
20) El maestro internacional Luis Fernando Plazas lanza una moneda
cuatro veces. Calcular la probabilidad de que salgan ms caras que sellos
R/31.25%
21)) En la sala de juego Matecho se realiza la extraccin simultnea de
tres bolas de una urna que contiene 6 bolas Rojas y cuatro negras,
observamos el nmero de bolas blancas extradas.
De la variable aleatoria as definida, calcular:
a)
ley de probabilidad R/ Ley de probabilidad o funcin de

densidad :
X
Prob
b)
0
0.033
1
0.3
2
0.5
3
0.167
funcin de distribucin R/
0 si x 0
0.033 si 0 x 1
F ( x) 0.333 si 1 x 2
0.833 si 2 x 3
1
si x 3
c) Esperanza matemtica, varianza y desviacin tpica. E=1.8 V(x)=0.56

D=0.748
d) Mediana y moda de la distribucin.R/ Mediana = 2 Moda =2
22) Complete la ley de probabilidad siguiente, sabiendo que su esperanza
matemtica es igual a 1.8:
X
Prob
89
0
0.2
1
M
2
N
3
0.3

Hallar los valores de m yn R/ m=0.1 y n= 0.4
23) Calcular la esperanza matemtica, varianza, y la desviacin de la
variable aleatoria que tiene como funcin de distribucin:
0
0.2
F ( x) 0.55
0.85
1
R/ E(x)= 4.8
si
x2
si 2 x 4
si 4 x 6
si 6 x 8
si
x8
V(x)= 3.76
D=1.93
24) Si Victoria Duque plantea un proyecto para una sala de juegos,

donde el proyecto consiste en lanzar dos dados y sumando los puntos
obtenidos, los premios que ofrece el juego son los siguientes:
- Devolucin de lo apostado: si la suma es inferior a 4 o superior a 10.
- Doble de lo apostado: si se obtiene 5 o 9.
- Cuatro veces lo apostado: si la suma de puntos es 7
- Pierde lo apostado Si la suma es mayor o igual a 4 y menor o igual a 10
Indicar a travs de un anlisis si el proyecto dado por victoria
favorable o no para la sala de juegos
es
R/ No es favorable para la sala de juegos

25) Las puntuaciones de un examen para ingresar a la Usaca se
distribuyen normalmente con media 15 puntos. La puntuacin A ha sido
superada por un 23% de los alumnos. La puntuacin B est situada a 5
puntos diferenciales por debajo de la media. Entre B y la media se
encuentra el 30% de los alumnos. Calcular:
a) La desviacin tpica de las notas. R/ 5.95
b) Las puntuaciones directas de A y B. A=20.21 y B=10
c) El porcentaje de alumnos entre A y B. R/57%
26) Un agente de seguros de la ciudad de Tulua vende plizas a cinco
personas de la misma edad y que disfrutan de buena salud. Segn las
tablas actuales, la probabilidad de que una persona en estas condiciones
90

viva 30 aos o ms es 2/3. Hllese la probabilidad de que, transcurridos
30 aos, vivan:
a) Las cinco personas R/13.2%
b) Al menos tres personas R/ 79.1%
c) Exactamente dos personas. R/ 16.4%
27) El maestro Julio Arroyabe calcul que el promedio de enfriamiento de
todas las neveras de Tulua para una lnea de cierta compaa, emplean
una temperatura de -4C con una desviacin tpica de 1.2C.
a. Cul es la probabilidad de que una nevera salga con una temperatura
superior a -3C? R/20.33%
b. Cul es la probabilidad de que una nevera salga con una temperatura
menor a - 5.5C? R/ 10.56%
28) Si de 31 productos comprado por Fanny Romero para una ancheta
navidea, determinar cul es la probabilidad de que 20 de los productos
comprados por Fanny salgan defectuosos, si el 50% de los productos
normalmente sale defectuoso/3.97%
29) Se calcula que en la ciudad de Tulua el 20% de las personas tienen
defecto de la vista si tomamos una muestra de 50 personas al azar
Calcular la probabilidad de que 10 de ellos tengan defecto en la vista
.R/12.51%
30) Un estudio realizado por el ingeniero Oscar Duque ha mostrado
que, en un cierto barrio de Tulua el 60% de los hogares tienen al menos
dos televisores Se elige al azar una muestra de 50 hogares en el citado
barrio. Se pide:
a. Cul es la probabilidad de que al menos 20 de los citados hogares
tengan cuando menos dos televisores? R/ 99.81%
b. Cul es la probabilidad de que entre 35 y 40 hogares tengan cuando
menos dos televisores? R/ 7.16%
31) Un agente de seguros de Tulua Colombia vende plizas a cinco
personas de la misma edad y que disfrutan de buena salud. Segn las
tablas actuales, la probabilidad de que una persona en estas condiciones
viva 30 aos o ms es 2/3. Hllese la probabilidad de que, transcurridos
30 aos, vivan: a) Las cinco personas R/13.2%
b) Al menos tres
personas. R/79.1% c) Exactamente dos personas R/16.4%
91

32) La tipografa Franciscos dirigida por francisco senen colorado
encontr que el 8% de sus impresiones presentan algn problema, para
ello contrata un ingeniero industrial el cual toma una muestra de 40
Impresiones Calcular probabilidad de que existan 5 impresiones con
problemas ?R/11.4%
33) El dueo de un criadero de rboles est especializado en la
produccin de rboles de Navidad. Estos crecen en las de 300. Se sabe
que por trmino medio 6 rboles no son aptos para su venta. Asume que
la cantidad de rboles aptos para la venta por la plantada sigue una
distribucin de Poisson.
a) Calcula la probabilidad de encontrar 2 rboles no vendibles en una la
de rboles. R/4.46%
b) Calcula la probabilidad de encontrar 2 rboles no vendibles en media
la de rboles. R/22.40%
34) En un estudio realizado por Hctor Garca de una pila X encontr que
la vida media de operacin de una pila de linterna es de 24 horas y est
distribuida normalmente con una desviacin de 3 horas. Cul es la
probabilidad de que una muestra aleatoria de 100 pilas tenga una media
que se desve por ms de 30 minutos del promedio? R/4.85%
35) Una mquina para acuar monedas es diseada por el fsico
Leonardo Campo toma 36 observaciones donde el espesor promedio de
las monedas es de 0.20 c m y una desviacin de 0.01 c m. Cul es la
probabilidad de que el promedio del espesor de las 36 monedas supere
los 0.21 c m? R/ 0%
36) La densidad de cierta caracterstica qumica de algunos compuestos
viene dada por la funcin siguiente:
0 si x 0
2 x si 0 x 0.8
f ( x)
0.72 si 0.8 x 1.3
0
si x 1.3
Calcular:
1. los tres primeros momentos ordinarios; los cuales son
b
E(x) =
x. f ( x)dx R/ 0.7193
a
92

R/0.6092
3
E(x )
R/ 0.5714
E(x2)
2. Varianza;
Recordar que V(x)=E(x2)--
E(x)2
37) En Vaiju un sitio turstico de Tulua hay 30 pericos rusos y 20 pericos

chinos si extraemos 10 pericos al azar calcular posibilidad de que 3 de
ellos hablen chino R/22.6%
38) El maestro Carlos Gil construye una maquina que detecta fallas en los
productos que elabora una fabrica. Si los productos tienen una
probabilidad de falla del 5%, calcular la probabilidad de que la maquina
encuentre su primer producto defectuoso en la octava ocasin que
selecciona un producto para su inspeccin. R/3.49%
39 En Tulua se estima que la temperatura mxima en el mes de junio
sigue una distribucin normal, con media 23 y desviacin tpica 5.
Calcular el nmero de das del mes en los que se espera alcanzar
mximas entre 21 y 27R/ 13
40) El entrenador MILLER MEDINA de un equipo de baloncesto opina que
los jugadores A, B y C tienen similares aptitudes para ser titulares del
equipo en la posicin de base. As, determina que jueguen el mismo
nmero de minutos cada partido. Se sabe que el 40% de las canastas son
de C, mientras que A y B consiguen un 30% de encestes. Calcular la
probabilidad de que en un partido con 9 encestes de dos puntos, A
consiguiera dos, B tres y C cuatro. R/ Multinomial
41) En el curso dirigido por el maestro Julio Garca de los 20 hombres y
18 mujeres del saln el 50% rprobo el examen de estadstica, si
tomamos 10 alumnos al azar probabilidad. A) 4 alumnos reprobados
R/22.24% B) 3 mujeres reprobadas R/22.73%
42) Una empresa electrnica observa que el nmero de componentes que
fallan antes de cumplir 100 horas de funcionamiento es una variable
aleatoria de Poisson. Si el nmero promedio de estos fallos es ocho,
1. Cul es la probabilidad de que falle un componente en 25
horas/27.06%
2. y de que fallen no ms de dos componentes en 50 horas? R/23.81%
93

3. Cul es la probabilidad de que fallen por lo menos diez en 125
horas/41.7%
43) Para la siguiente situacin, indica si sigue una distribucin binomial.
En caso afirmativo, identifica en ella los valores de n y p si la situacin
plantea que lanzamos cien veces un dado y nos preguntamos por el
nmero de unos que obtenemos. R/ : R/ si y n=100 y p=1/6
44) De un curso de mercadeo dirigido por Rodrigo Herrera el 60% de los
alumnos son hombres, calcular probabilidad de extraer el 1er hombre a la
cuarta ocasin que extraemos un alumno/3.84%
45) El ingeniero William Buitrago crea unos focos solares y afirma que
sus focos durar un promedio de 500 horas de trabajo. Para conservar
este promedio esta persona verifica 25 focos cada mes. Si el valor y
calculado cae entre t 0.05 y t 0.05, l se encuentra satisfecho con esta
afirmacin. Qu conclusin deber l sacar de una muestra de 25 focos
cuya duracin fue?:
500
513
496
510
505
521
522
488
475
521
511
500
500
510
500
513
521
502
506
493
510
495
512
503
520
R/ Se puede concluir que la media poblacional no es 500, porque la

muestra poblacional est por encima de esta, y por lo tanto debera estar
por encima de 500.
46). El matemtico Hctor Mario Mosquera Supone que la probabilidad de
tener una unidad defectuosa en una lnea de ensamblaje es de 0.05. Si el
conjunto de unidades terminadas constituye un conjunto de ensayos
independientes:
1. Cul es la probabilidad de que entre diez unidades dos se encuentren
defectuosas? R/4.76%
2. y de que a lo sumo dos se encuentren defectuosas? 99.84%
3. Cul es la probabilidad de que por lo menos una se encuentre
defectuosa?40.13%
47) Lanzamos 5 veces una moneda no trucada es decir sesgada, Cul
es la probabilidad de que obtengamos exactamente 2 caras?
94

48) En un juego de parques la probabilidad de ganar un chico es decir
ganar el juego es 0,8. Calcula la probabilidad de que un jugador que
juega 10 chicos las gane todas y la probabilidad de que gane al menos 8.
49) El Dr Milko Ferrer trae de la costa pantalones donde El 7% de los
pantalones de una determinada marca le salen con algn defecto. Se
empaquetan en caja 80 para distribuirlos a sus grandes amigos. Cul es
la probabilidad de que en la caja haya ms de 10 pantalones defectuosos
R/1.58%
50) Respondemos al azar a un test de 8 preguntas, cada una de las
cuales tiene 4 opciones (solo una de ellas es verdadera). Para aprobar
necesitamos contestar correctamente al menos a 6 de ellas. Cul es la
probabilidad de aprobar?. Y la probabilidad de fallar las 8?.
51) El maestro Carlos Quintero lanza 5 chinches y observa que el
nmero de ellas que caen con la punta hacia arriba. Al repetir la
experiencia 350 veces obtenemos:
n de puntas hacia arriba
n de veces en los 350

60
lanzamientos
133
101
45
10
Ajustan los resultados a una distribucin Binomial? Cul sera el valor

de p en caso afirmativo?
52) La ltima novela Garca Mrquez el autor ha tenido un gran xito,
hasta el punto de que el 80% de los lectores ya la han ledo. Un grupo de
4 amigos son aficionados a la lectura:
a) Cul es la probabilidad de que en el grupo hayan leido la novela 2
personas? 15,36%
b) Y al menos 2? R/18,08%
53) Supongamos que la duracin en minutos de las llamadas telefnicas
sigue una distribucin dada por la funcin
95
3x
e
F ( x) 1
2
3x
e
para todo x 0
Calcular la probabilidad
de que la duracin de una llamada cualquiera sea superior a 6 minutos R/

e-2
54) Si el maestro Orlando Flavio Milln tiene la informacin de que solo el
3% de los alumnos de filosofa son muy inteligentes Calcular la
probabilidad de que si Orlando toma 100 alumnos al azar 5 de ellos sean
muy inteligentes R/10.1%
55) La probabilidad de que Bernardo Tovar acierte en el blanco es 1/4.
Si dispara 10 veces cul es la probabilidad de que acierte exactamente
en tres ocasiones? Cul es la probabilidad de que acierte por lo menos
en una ocasin?
56) En las doble calzada Tulua- Buga en un reten de la polica se hizo s
pruebas de alcoholemia se ha observado que el 5% de los conductores
controlados dan positivo en la prueba y que el 10% de los conductores
controlados no llevan aprovechado el cinturn de seguridad. Tambin se
ha observado que las dos infracciones son independientes. Un guardia de
trfico para cinco conductores al azar. Si tenemos en cuenta que el
nmero de conductores es suficientemente importante como para estimar
que la proporcin de infractores no vara al hacer la seleccin.
A). Determinar la probabilidad a de que exactamente tres conductores
hayan cometido alguna de las dos infracciones/2.23%
B) Determine la probabilidad de que al menos uno de los conductores
controlados haya cometido alguna de las dos infracciones/5.43%
57) Si el ingeniero Carlos Alberto Buitrago decide vender tv de marca X
cuya produccin de televisores trae asociada una probabilidad de defecto
del 2%, si se toma un lote o muestra de 85 televisores, obtener la
probabilidad de que existan 4 televisores con defectos R/6.35%
58) Si de 12am a 1 pm se admite que un nmero de telfono de cada
cinco est comunicando, cul es la probabilidad de que, cuando se
marquen 10 nmeros de telfono elegidos al azar, slo comuniquen dos?
R/30.20%
96

59) Al centro turstico VAIJU trae en una jaula con 100 pericos 15 de ellos
hablan ruso calcular la probabilidad de que si tomamos 20 pericos al azar
3 de ellos hablen ruso/22.40%
60) El laboratorio ngel afirma que una droga causa de efectos
secundarios en una proporcin de 3 de cada 100 pacientes. Para
contrastar esta afirmacin, otro laboratorio elige al azar a 5 pacientes a
los que aplica la droga. Cul es la probabilidad de los siguientes
sucesos?
A) Ningn paciente tenga efectos secundarios/85.87%
B) Al menos dos tengan efectos secundarios/0,847%
C) Cul es el nmero medio de pacientes que espera laboratorio que
sufran efectos secundarios si elige 100 pacientes al azar? R/3
61) El Dr Sal Garca Mendieta comprob que el tiempo de vida de
cierto tipo de marcapasos sigue una distribucin exponencial con media
de 16 aos. a) Cul es la probabilidad de que a una persona a la que se
le ha implantado este marcapasos se le deba reimplantar otro antes de 20
aos? R/71.35% b) Si el marcapasos lleva funcionando correctamente 5
aos en un paciente, cul es la probabilidad de que haya que cambiarlo
antes de 25 aos? R/52.20%
62) Se sabe que el 7% de los tiles quirrgicos en un lote de 100 no
cumplen ciertas especificaciones de calidad. Tomada una muestra al azar
de 10 unidades sin reemplazo, interesa conocer la probabilidad de que no
ms de dos sean defectuosos. R/98%
63) La probabilidad de que cierto examen mdico d lugar a una reaccin
positiva es igual a 0,8, cul es la probabilidad de que ocurran menos
de 5 reacciones negativas antes de la primera positiva? R /99.97%
64) Se lanza
determinando
dos
monedas,
construir
Dada la funcin densidad:
0
f(x)=
97
si
x<0
2X
si
0x1
si
x>1
una
funcin
distribucin

Encontrar F(x):
65) Un sujeto responde al azar un examen de 5 preguntas, cada una con
5 alternativas.
a) Obtener . R/ =0.2 b) Obtener E (X1) y 2x R/ E (X1) = 0.2 y 2x
=0.16 c) Obtener E (X), x2 , E (P) y 2p R/ E (X)= 1 x2 =0.8 , E (P)= 0.2
y 2p=0.023 d) Obtener P (X 3) 98.75%
66) Encuentre el valor de k tal que P(k < t < -1.761) = 0.045, para una
muestra aleatoria de tamao 15 que se selecciona de una distribucin
normal. R/K= -2.977 Lolo que significa P(-2.977 < t < -1.761) = 0.045
67) El qumico Diego Giraldo de la Institucin Moderna afirma que el
rendimiento medio de la poblacin de cierto proceso en lotes es 500
gramos por milmetro de materia prima. Para verificar esta afirmacin
toma una muestra de 25 lotes cada mes. Si el valor de t calculado cae
entre t0.05 y t0.05, queda satisfecho con su afirmacin. Qu conclusin
extraera de una muestra que tiene una media de 518 gramos por
milmetro y una desviacin estndar de 40 gramos? Suponga que la
distribucin de rendimientos es aproximadamente normal R/ Si se desea
obtener la probabilidad de obtener un valor de t con 24 grados de libertad
igual o mayor a 2.25 se busca en la tabla y es aproximadamente de 0.02.
De aqu que es probable que el fabricante concluya que el proceso
produce un mejor producto del que piensa.
68) En estudio realizado por el Dr RODRIGO BEVERRA sobre la
movilidad en Tulua encontr que 16 recorridos realizados de prueba una
hora cada uno por la buseta se encontr que, el consumo de gasolina de
un motor es de 16.4 gal, con una desviacin estndar de 2.1 gal.
Demuestre que la afirmacin que el consumo promedio de gasolina de
este motor es 12.0 gal/hora R/ Para el cual en las tablas, el valor de
t=8.38 corresponde un =5% y 15 gl es insignificante, y por tanto se
puede concluir que el consumo de 12 gal/h es real
AYUDA SOLUCION DE ALGUNOS
http://www.vitutor.net/1/54.html
98
PROBLEMAS
ESTAN
EN

CAPITULO III
ERROR MUESTRAL
Cualquier medida conlleva algn error. Si se usa la media para medir,
estimar, la media poblacional m, entonces la media muestral, como
medida, conlleva algn error. Por ejemplo, supongamos que se ha
obtenido una muestra aleatoria de tamao 20 de una poblacin con media
m = 10: si la media de la muestra es x=8, entonces a la diferencia
observada x- = -2 se le denomina el error muestral. Una media muestral
x puede pensarse como la suma de dos cantidades, la media poblacional
m y el error muestral; si e denota el error muestral, entonces: X = + e
EJEMPLO 3.1
Se toman muestras de tamao 2 de una poblacin consistente en tres
valores, 2,4 y 6, para simular una poblacin grande de manera que el
muestreo pueda realizarse un gran nmero de veces, supondremos que
ste se hace con reemplazo, es decir, el nmero elegido se reemplaza
antes de seleccionar el siguiente, adems, se seleccionan muestras
ordenadas. En una muestra ordenada, el orden en que se seleccionan las
observaciones es importante, por tanto, la muestra ordenada (2,4) es
distinta de la muestra ordenada (4,2). En la muestra (4,2), se seleccion
primero 4 y despus 2. La siguiente tabla contiene una lista de todas las
muestras ordenadas de tamao 2 que es posible seleccionar con
reemplazo y tambin contiene las medias muestrales y los
correspondientes errores muestrales. La media poblacional es igual a
= (2+4+6)/3 = 4. Ver la tabla
La media de la coleccin de medias muestrales es 4, la media de la
poblacin de la que se extraen las muestras. Si x denota la media de
todas las medias muestrales entonces tenemos:
x = (2+3+4+4+5+6+5+4+3)/9 = 4
La suma de los errores muestrales es cero.
e1 + e2 + e3 + . . . + e9 = (-2) + (-1) + 0 + (-1) + 0 + 1 + 0 + 1 + 2 = 0
MUESTRAS ORDENADAS
e=x-
(2,2)
2 4 = -2
99
(2,4)

3
3 4 = -1
(2,6)
44=0
(4,2)
3 4 = -1
(4,4)
44=0
(4,6)
54=1
(6,2)
44=0
(6,4)
54=1
(6,6)
64=2
En consecuencia, si x se usa para medir, estimar, la media poblacional

, el promedio de todos los errores muestrales es cero.
ESTIMACION
Estimacin de parmetros
Es el procedimiento utilizado para conocer las caractersticas de un
parmetro poblacional, a partir del conocimiento de la muestra.
Con una muestra aleatoria, de tamao n, podemos efectuar una
estimacin de un valor de un parmetro de la poblacin; pero tambin
necesitamos precisar un:
Intervalo de confianza
Se llama as a un intervalo en el que sabemos que est un parmetro, con
un nivel de confianza especfico.
Nivel de confianza
Probabilidad de que el parmetro a estimar se encuentre en el intervalo
de confianza.
Estimacin puntual y por intervalo
Las medias o desviaciones estndar calculadas de una muestra se
denominan ESTADSTICOS, podran ser consideradas como un punto
estimado de la media y desviacin estndar real de poblacin o de los
PARAMETROS.
100

Qu pasa si no deseamos una estimacin puntual como media basada
en una muestra, qu otra cosa podramos obtener como margen, algn
tipo de error? R/ generaramos Un Intervalo de Confianza
ESTIMADOR PUNTUAL: Utiliza un nmero nico o valor para localizar
una estimacin del parmetro.
ESTIMADOR POR INTERVALO DE CONFIANZA: Denota un rango
dentro del cual se puede encontrar el parmetro y el nivel de confianza
que el intervalo contiene al parmetro.
LIMITES DE CONFIANZA: Son los lmites del intervalo de confianza
inferior (LIC) y superior (LSC), se determinan sumando y restando a la
media de la muestra X un cierto nmero Z (dependiendo del nivel o
coeficiente de confianza) de errores estndar de la media
X .
INTERPRETACIN DEL INTERVALO DE CONFIANZA: Tener un 95% de

confianza en que la media poblacional real y desconocida se encuentra
entre los valores LIC y LSC.
P(Z<= - Zexcel ) = alfa/2
P(Z>= + Zexcel ) = alfa/2
Intervalo de confianza donde

se encuentra el parmetro con
un NC =1-
NIVEL DE SIGNIFICANCIA = 1- INTERVALO DE CONFIANZA = ERROR
TIPO 1 = ALFA
Error de estimacin admisible
Que estar relacionado con el radio del intervalo de confianza.
Estimacin de la media de una poblacin
101

El intervalo de confianza, para la media de una poblacin, con un nivel de
confianza de 1 , siendo x la media de una muestra de tamao n y la
desviacin tpica de la poblacin, es:
El error mximo de estimacin es:
Cuanto mayor sea el tamao de la muestra, n, menor es el error.

Cuanto mayor sea el nivel de confianza, 1-, mayor es el error.
EJEMPLO 3.1
El tiempo que tardan las cajeras de un supermercado en cobrar a los
clientes sigue una ley normal con media desconocida y desviacin tpica
0,5 minutos. Para una muestra aleatoria de 25 clientes se obtuvo un
tiempo medio de 5,2 minutos.
1. Calcula el intervalo de confianza al nivel del 95% para el tiempo medio
que se tarda en cobrar a los clientes.
2. Indica el tamao muestral necesario para estimar dicho tiempo medio

con un el error de 0,5 minutos y un nivel de confianza del 95%.
n4
ESTIMACIN DE UNA PROPORCIN
102

Si en una poblacin, una determinada caracterstica se presenta en una
proporcin p, la proporcin p, de individuos con dicha caracterstica en
las muestras de tamao n, se distribuirn segn:
Intervalo de confianza para una proporcin
El error mximo de estimacin es:
OTRAS FORMULAS
P( Z Z )
2
a 1
2
a la
probabilidad
del
area
LS LI
2
Cuando n 30 la proporcin de la muestra es una variable aleatoria que
N ( p;
se aproxima a una distribucin normal
pq
)
n
EJEMPLO 3.2
El ingeniero Misael Hernndez al visitar una fbrica de componentes
electrnicos, encontr que la proporcin de componentes finales
defectuosos era del 20%. Tras una serie de operaciones e inversiones
destinadas a mejorar el rendimiento se analiz una muestra aleatoria de
500 componentes, encontrndose que 90 de ellos eran defectuosos.
Qu nivel de confianza debe adoptarse para aceptar que el rendimiento
no ha sufrido variaciones?
p = 0.2
q = 1 - p =0.8
E = 0.2 - 0.18 = 0.02

103
p'= 90/ 500 = 0.18
P (1 - z/2 <1.12) = 0.86861 - 0.8686 = 0.1314

0.8686 - 0.1314 = 0.737
Nivel de confianza: 73.72%
El error mximo de estimacin esta dado por:
Donde n es el tamao de la muestra
E= z/2.
EJEMPLO: 3.3
Se desea estimar la emisin promedio diaria en toneladas de xido de
sulfuro emitidos por una planta industrial para este fin disponemos de los
datos siguientes que se constituyen en una muestra aleatoria de la planta
de xido de sulfuro en 40 das.
17 15
20
29
19
18
22
25
27
24 20
17
24
14
15
23
24
26
19 23
28
19
16
22
24
17
20
13
19 10
23
18
31
13
20
17
24
14
a) Encontrar los intervalos por la prueba de sturges y hallar la media por

calculadora y por datos agrupados obtenidos.
b) Que podemos decir con la probabilidad del 0,95 acerca del tamao
mximo de nuestro error.
SOLUCION
- K= 1+3,3Log40= 6,286= 6
Ri= 31-6= 25
104

Ci=
Cn= 5
Rn=(5)(6)= 30
Dr= 30-25= 5
A=5-1= 4
Sesgo= 6-2= 4 y
Intervalos
4-8
9-13
14-18
19-23
24-28
29-33
31+2= 33
Ni
1
4
11
13
9
2
40
X
6
11
16
21
26
31
-
Nix
6
44
176
273
234
62
797
Promedio en la calculadora= 19,6

Promedio a mano=
a)
E=
E= (0,475)(0,8717)
E= (1,96)(0,8717)
E= 1,71
El tamao mximo de error es del 1,71 en toneladas de xido de sulfuro
con un nivel de confianza de 95%
INTERVALO DE CONFIANZA
Objetivo: es que al analizar una muestra, este debe caer en el intervalo,
si no cae la muestra tomada no es significativa. El intervalo de confianza
esta dado por:
-E u + E
EJEMPLO: 3.4
Construya un intervalo de confianza del 95%con respecto a la emisin
diaria en promedio real de xido de sulfuro de la planta.
DATOS: = 19,6
105
E=1,71

19,6 -1,71 U 19,6+ 1,71
17,89 U 21,31
INTERVALO DE CONFIANZA DE UNA PROPORCIN
Proporcin es una fraccin, razn o porcentaje que indica la parte de la
muestra de la poblacin que posee un rasgo de inters particular. La
proporcin muestral viene dada por: p= x/n
Recordemos que es el porcentaje de xito en la distribucin binomial y
p es similar al concepto de .
El intervalo de confianza para la proporcin de una poblacin es:
pz
p (1 p )
n
En este caso, interesa construir un intervalo de confianza para una

proporcin o un porcentaje poblacional (por ejemplo, el porcentaje de
personas con hipertensin, fumadoras, etc.)
Si el tamao muestral n es grande, el Teorema Central del Lmite nos
asegura que:
O bien:
Donde p es el porcentaje de personas con la caracterstica de inters en

la poblacin (o sea, es el parmetro de inters) y p es su estimador
muestral.
Luego, procediendo en forma anloga al caso de la media, podemos
construir un intervalo de 95% de confianza para la proporcin poblacional
p.
EJEMPLO 3.5
106

En un estudio de prevalencia de factores de riesgo en una cohorte de 412
mujeres mayores de 15 aos en el centro del valle, se encontr que el
17.6% eran hipertensas. Un intervalo de 95% de confianza para la
proporcin de mujeres hipertensas del centro del valle est dado por:
Luego, la proporcin de hipertensas vara entre (0,139 , 0,212) con una

confianza de 95%
LONGITUD DEL INTERVALO DE CONFIANZA
Para responder a la pregunta se puede razonar diciendo que, fijos todos
los parmetros menos la longitud del intervalo, si se quiere mayor certeza
no queda ms remedio que ampliar el intervalo, es decir, aumentar su
longitud. La manera rigurosa de justificar esto es recurriendo a la frmula
del intervalo, que nos dice que su longitud es
L 2Z
2
Ahora, si y n permanecen fijos, para estudiar cmo vara L al cambiar

basta ver cmo vara el cuantil. Al intervalo del 95% le correspondera:
= (100-95)/100 = 0,05 disminuye
Ahora la cantidad z
/ 2 debe dejar menos rea (probabilidad) a su derecha
aumenta. Por tanto, de la expresin anterior se ve que L aumenta.
z/ 2
MUESTREO
Antes de entrar al mundo de aplicaciones resaltaremos algunos de
aspectos generales de un cuestionario pues son muy pocos libros que
abarcan una teora con respecto al modo de preguntar
A la hora de formular un cuestionario o encuesta como desarrollo de una
investigacin en el rea social y, a manera de ejemplo se debe tener en
cuenta:
1. Tener en cuenta cul es el objetivo de una investigacin y delimitar sus
caractersticas dentro de un determinado contexto.
2. Desarrollar el cuestionario de manera clara, concisa y concreta.
3. Verificar que tipo de poblacin se escoger para la realizacin del
cuestionario o encuesta
107

LA ENCUESTA
Esta herramienta es la ms utilizada en la investigacin de ciencias y es
el medio principal para allegarse informacin de tal que el sujeto
encuestado plasme por s mismo las respuestas en el papel.
Es importantsimo que el investigador slo proporcione la informacin
indispensable, la mnima para que sean comprendidas las preguntas. Ms
informacin, o informacin innecesaria, puede derivar en respuestas no
veraces.
De igual manera, al disear la encuesta y elaborar el cuestionario hay que
tomar en cuenta los recursos (tanto humanos como materiales) de los que
se disponen, tanto para la recopilacin como para la lectura de la
informacin, para as lograr un diseo funcionalmente eficaz.
Segn M. Garca Ferrando, "prcticamente todo fenmeno social puede
ser estudiado a travs de las encuestas", y podemos considerar las
siguientes cuatro razones para sustentar sto:
1. Las encuestas son una de las escasas tcnicas de que se dispone para
el estudio de las actitudes, valores, creencias y motivos.
2. Las tcnicas de encuesta se adaptan a todo tipo de informacin y a
cualquier poblacin.
3. Las encuestas permiten recuperar informacin sobre sucesos
acontecidos a los entrevistados.
4. Las encuestas permiten estandarizar los datos para un anlisis
posterior, obteniendo gran cantidad de datos a un precio bajo y en un
perodo de tiempo corto.
TIPOS DE ENCUESTAS
Segn Cadoche y sus colaboradores, las encuestas se pueden clasificar
atendiendo al mbito que abarcan, a la forma de obtener los datos y al
contenido, de la siguiente manera:
Encuestas exhaustivas y parciales: Se denomina exhaustiva cuando
abarca a todas las unidades estadsticas que componen el colectivo,
universo, poblacin o conjunto estudiado. Cuando una encuesta no es
exhaustiva, se denomina parcial.
Encuestas directas e indirectas: Una encuesta es directa cuando la
unidad estadstica se observa a travs de la investigacin propuesta
registrndose en el cuestionario. Ser indirecta cuando los datos
obtenidos no corresponden al objetivo principal de la encuesta
pretendiendo averiguar algo distinto o bien son deducidos de los
resultados de anteriores investigaciones estadsticas.
Encuestas sobre hechos y encuestas de opinin: Las encuestas de
opinin tienen por objetivo averiguar lo que el pblico en general piensa
acerca de una determinada materia o lo que considera debe hacerse en
una circunstancia concreta. Se realizan con un procedimiento de
muestreo y son aplicadas a una parte de la poblacin ya que una de sus
ventajas es la enorme rapidez con que se obtienen sus resultados.
108

No obstante, las encuestas de opinin no indican necesariamente lo que
el pblico piensa del tema, sino lo que pensara si le plantesemos una
pregunta a ese respecto, ya que hay personas que no tienen una opinin
formada sobre lo que se les pregunta y contestan con lo que dicen los
peridicos
y
las
revistas.
A veces las personas encuestadas tienen ms de una respuesta a una
misma pregunta dependiendo del marco en que se le haga la encuesta y
por consecuencia las respuestas que se dan no tienen por qu ser
sinceras.
Las encuestas sobre hechos se realizan sobre acontecimientos ya
ocurridos, hechos materiales.
TIPOS DE PREGUNTA
Como los cuestionarios estn formados por preguntas, consideremos las
caractersticas
que
deben
reunir,
pues
deben excluyentes y exhaustivas, lo que se refiere a que una pregunta
no produzca dos respuestas y, simultneamente, tenga respuesta. (A
cada pregunta le corresponde una y slo una respuesta.)
Por otro lado, una manera de clasificar a las preguntas es por la forma de
su respuesta:
Preguntas cerradas: que consiste en proporcionar al sujeto observado
una serie de opciones para que escoja una como respuesta. Tienen la
ventaja de que pueden ser procesadas ms fcilmente y su codificacin
se facilita; pero tambin tienen la desventaja de que si estn mal
diseadas las opciones, el sujeto encuestado no encontrar la opcin que
l deseara y la informacin se viciara. Una forma de evitar esto es
realizar primero un estudio piloto y as obtener las posibles opciones para
las respuestas de una manera ms confiable.
Tambin se consideran cerradas las preguntas que contienen una lista
de preferencias u ordenacin de opciones, que consiste en
proporcionar una lista de opciones al encuestado y ste las ordenar de
acuerdo a sus interes, gustos, etctera
Preguntas abiertas: que consisten en dejar totalmente libre al sujeto
observado para expresarse, segn convenga. Tiene la ventaja de
proporcionar una mayor riqueza en las respuestas; mas, por lo mismo,
puede llegar a complicar el proceso de tratamiento y codificacin de la
informacin. Una posible manera de manipular las preguntas abiertas es
llevando a cabo un proceso de categorizacin, el cual consiste en
estudiar el total de respuestas abiertas obtenidas y clasificarlas en
categoras de tal forma que respuestas semejantes entre s queden en la
misma categora.
Preguntas de identificacin: edad, sexo, profesin, nacionalidad,
etctera.
Preguntas de hecho: referidas a acontecimientos concretos. Por
ejemplo: termin la educacin bsica?
109

Preguntas de accin: referidas a actividades de los encuestados. Por
ejemplo: ha tomado algn curso de capacitacin?
Preguntas de informacin: para conocer los conocimientos del
encuestado. Por ejemplo: sabe qu es un hipertexto?
Preguntas de intencin: para conocer la intencin del encuestado. Por
ejemplo: utilizar algn programa de computacin para su prxima
clase?i) Preguntas de opinin: para conocer la opinin del encuestado.
Por ejemplo: qu carrera cursars despus del bachillerato?
Preguntas filtro: son aqullas que se realizan previamente a otras para
eliminar a los que no les afecte. Por ejemplo: Tiene usted coche?
Piensa comprarse uno?
Preguntas trampa o de control: son las que su utilizan para descubrir la
intencin con que se responde. Para ello se incluyen preguntas en
diversos puntos del cuestionario que parecen independientes entre s,
pero en realidad buscan determinar la intencionalidad del encuestado al
forzarlo a que las conteste coherentemente (ambas y por separado) en el
caso de que sea honesto, pues de lo contrario caera en
contradicciones.
Preguntas de introduccin o rompehielos: utilizadas para comenzar el
cuestionario o para enlazar un tema con otro.
Preguntas muelle, colchn o amortiguadoras: son preguntas sobre
temas peligrosos o inconvenientes, formuladas suavemente.
Preguntas en batera: conjunto de preguntas encadenadas unas con
otras complementndose.
Preguntas embudo: se empieza por cuestiones generales hasta llegar a
los puntos ms esenciales.
REGLAS FUNDAMENTALES PARA LA ELABORACION DE UN
CUESTIONARIO
Para la realizacin de un cuestionario eficaz y til, Cadoche y su equipo
proponen 17 reglas fundamentales para su elaboracin:
1Las preguntas han de ser pocas (no ms de 30).
2. Las preguntas preferentemente cerradas y numricas.
3. Redactar las preguntas con lenguaje sencillo
4. Formular las preguntas de forma concreta y precisa.
5. Evitar utilizar palabras abstractas y ambiguas.
6. Formular las preguntas de forma neutral.
7. En las preguntas abiertas no dar ninguna opcin alternativa.
8. No hacer preguntas que obliguen a esfuerzos de memoria.
9. No hacer preguntas que obliguen a consultar archivos.
10. No hacer preguntas que obliguen a clculos numricos complicados.
11. No hacer preguntas indiscretas.
12. Redactar las preguntas de forma personal y directa.
13. Redactar las preguntas para que se contesten de forma directa e
inequvoca.
14. Que no levanten prejuicios en los encuestados.
15. Redactar las preguntas limitadas a una sola idea o referencia.
110

16. Evitar preguntas condicionantes que conlleven una carga emocional
grande.
17. Evitar estimular una respuesta condicionada. Es el caso de preguntas
que presentan varias respuestas alternativas y una de ellas va unida a un
objetivo tan altruista que difcilmente puede uno negarse.
LA ENTREVISTA
La entrevista es muy utilizada tambin en investigacin social, y sus
caractersticas son similares a las del cuestionario, siendo la principal
diferencia el hecho de que es el encuestador u observador quien anota
las respuestas a las preguntas conlleva a tener una mayor habilidad por
parte del encuestador u observador en conducir el tema de la entrevista,
debido a que las respuestas son por lo general abiertas y permiten
implementar nuevas preguntas no contempladas por el encuestador
inicialmente.
Las recomendaciones en general y las referentes al tipo de preguntas
utilizadas, son las mismas que las realizadas para el caso del
cuestionario, aunque se le aade el uso de una grabadora (de audio o de
vdeo) para la posterior transcripcin de los dilogos. 4
TIPOS DE MUESTREO
En el estudio de muestreo existen diferentes criterios de clasificacin de
los tipos de muestreo, pero por lo general pueden dividirse en dos
grandes grupos: mtodos de muestreo probabilsticos y mtodos de
muestreo no probabilsticos.
I. MUESTREO PROBABILSTICO
En estadstica las tcnicas o mtodos de muestreo probabilsticos son
aquellos que se basan en el principio de equiprobabilidad donde todos
los individuos tienen la misma probabilidad de ser elegidos para formar
parte de una muestra y, por lo tanto , todas las posibles muestras de
tamao n tienen la misma probabilidad de ser seleccionadas. La ventaja
de los de
mtodos de muestreo probabilsticos nos aseguran la
representatividad de la muestra extrada y son, por tanto, los ms
recomendables. Y los encontramos de varios tipos:
2. MUESTREO ALEATORIO SIMPLE
El muestreo aleatorio simple se caracteriza por obtener una muestra,
donde se numeran los elementos de la poblacin y se seleccionan al azar
los n elementos que contiene la muestra.
VENTAJAS
4
http://www.rrppnet.com.ar/comohacerunaencuesta.htm
111

Sencillo y de fcil comprensin.
Clculo rpido de medias y varianzas.
Se basa en la teora estadstica, y por tanto existen paquetes informticos
para analizar los datos
DESVENTAJAS
Requiere que se posea de antemano un listado completo de toda la
poblacin.
Cuando se trabaja con muestras pequeas es posible que no represente
a la poblacin adecuadamente
EJEMPLO3.6
La facultad de ingeniera Industrial tiene 120 alumnos y se quiere extraer
una muestra de 30 alumnos. Explica cmo se obtiene la muestra:
SOLUCION
-Se
enumeran
los
alumnos
del
1
al
120.
-Se
sortean
30
nmeros
de
entre
los
120.
-La muestra estar formada por los 30 alumnos a los que les
correspondan los nmeros obtenidos.
3. MUESTREO ALEATORIO SIN REPOSICIN
Los elementos no son devueltos a la poblacin. Slo pueden aparecer
una vez
en la muestra y el nmero de muestras posibles se obtiene as
VN , n
N!
( N n)!
EJEMPLO
POBLACION
PERSONA
A
B
C
EDAD
1
2
3
DETERMINAR
a)
b) 2
c) El numero de muestras posibles si n=2
d) COMPLETE EL SIGUIENTE CUADRO CON EL NUMERO DE
MUESTRAS OBTENIDAS EN EL PUNTO ANTERIOR
MUESTRA X1
X2
S2
PROB
X
1
1
2
112

SOLUCION
1 2 3
2
a)
3
12 2 2 32
2 2 0.67
b) 2
3
3!
c) V3, 2 6
1!
d) CUADRO DE MUESTRAS SIN REPOSICION
MUESTRA X1
X2
X
1
1
2
1.5
2
1
3
2
3
2
1
1,5
4
2
3
2.5
5
3
1
2
6
3
2
2.5
S2
0.25
1
0,25
0.25
1
0.25
PROB
1/6
1/6
1/6
1/6
1/6
1/6
ESTIMADO LECTOR VERIFICAR LOS DATOS OBTENIDOS EN EL

CUADRO ANTERIOR
4. MUESTREO ALEATORIO CON REPOSICIN
Los elementos son devueltos a la poblacin. Pueden aparecer ms de
una vez en la muestra.
Muestreo aleatorio simple (muestreo aleatorio) Se puede calcular el
n
nmero de muestras posibles: VN
Nn
En nuestro ejemplo anterior construya el cuadro con reposicin para N=3

y n=2
MUESTREO ALEATORIO EN POBLACIN INFINITA
Se asume que la poblacin tiene infinitos elementos.
El nmero de posibles muestras es infinito.
Muestreo aleatorio simple:
1. Con reposicin.
113

2. En poblacin infinita.
5. MUESTREO ALEATORIO SISTEMTICO
Si se elige un individuo al azar y a partir de l, a intervalos constantes,
se eligen los dems hasta completar la muestra.
EJEMPLO 3.7
Por ejemplo si tenemos una poblacin formada por 100 elementos y
queremos extraer una muestra de 25 elementos, en primer lugar debemos
establecer el intervalo de seleccin que ser igual a 100/25 = 4. A
continuacin elegimos el elemento de arranque, tomando aleatoriamente
un nmero entre el 1 y el 4, y a partir de l obtenemos los restantes
elementos de la muestra.
2, 6, 10, 14,..., 98
VENTAJAS
Define un intervalo k= N/n
Fcil de aplicar.
No siempre es necesario tener un listado de toda la poblacin.
Cuando la poblacin est ordenada siguiendo una tendencia conocida,
asegura una cobertura de unidades de todos los tipos.
DESVENTAJAS
Si la constante de muestreo est asociada con el fenmeno de inters, las
estimaciones obtenidas a partir de la muestra pueden contener sesgo de
seleccin
6.MUESTREO ALEATORIO ESTRATIFICADO
Se divide la poblacin en clases o estratos y se escoge, aleatoriamente,
un nmero de individuos de cada estrato proporcional al nmero de
componentes de cada estrato.
Un muestreo puede hacerse con o sin reposicin, y la poblacin de
partida puede ser infinita o finita.
En todo nuestro estudio vamos a limitarnos a una poblacin de
partida infinita o a muestreo con reposicin.
Si consideremos todas las posibles muestras de tamao n en una
poblacin, para cada muestra podemos calcular un estadstico (media,
desviacin tpica, proporcin, ...) que variar de una a otra. As
obtenemos una distribucin del estadstico que se llama distribucin
muestral.
114

VENTAJAS
Tiende a asegurar que la muestra represente adecuadamente a la
poblacin en funcin de unas variables seleccionadas.
Se obtienen estimaciones ms precisa
Su objetivo es conseguir una muestra lo ms semejante posible a la
poblacin en
lo que a la o las variables estratificadoras se refiere.
DESVENTAJAS
Se ha de conocer la distribucin en la poblacin de las variables utilizadas
para la estratificacin
EJEMPLO 3.8
En una fbrica harinera que consta de 600 trabajadores queremos tomar
una muestra de 20. Sabemos que hay 200 trabajadores en la seccin A,
150 en la B, 150 en la C y 100 en la D. Cuantos trabajadores hay eb cada
sesccion
COMPRUEBA QUE HAY

5 TRABAJADORES EN LA SECCION B Y 5 EN C Y 3 EN D
7. MUESTREO POR CONGLOMERADO
El muestreo por conglomerados consiste en seleccionar aleatoriamente
un cierto nmero de conglomerados (el necesario para alcanzar el tamao
muestral establecido) y en investigar despus todos los elementos
pertenecientes a los conglomerados elegidos.
Los mtodos presentados hasta ahora estn pensados para seleccionar
directamente los elementos de la poblacin, es decir, que las unidades
mustrales son los elementos de la poblacin.
En el muestreo por conglomerados la unidad muestral es un grupo de
elementos de la poblacin que forman una unidad, a la que llamamos
conglomerado. Las unidades hospitalarias, los departamentos
universitarios, una caja de determinado producto, etc., son
conglomerados naturales. En otras ocasiones se pueden utilizar
conglomerados no naturales como, por ejemplo, las urnas electorales.
115

Cuando los conglomerados son reas geogrficas suele hablarse de
"muestreo por reas".
En el campo de la investigacin educativa, es frecuente obtener muestras
de alumnos, profesores, etc. Recurriendo a conglomerados tales como
aulas, centro, localidades. Usando este procedimiento evitamos la
dispersin de unidades a la que nos conducira un muestreo aleatorio
simple, y se reduciran los costes y el tiempo de un posible trabajo de
recogida de datos.
VENTAJAS
Es muy eficiente cuando la poblacin es muy grande y dispersa.
No es preciso tener un listado de toda la poblacin, slo de las unidades
primarias de muestreo.
DESVENTAJAS
El error estndar es mayor que en el muestreo aleatorio simple o
estratificado.
El clculo del error estndar es complejo
II. MTODOS DE MUESTREO NO PROBABILSTICOS
A veces, para estudios exploratorios, el muestreo probabilstico resulta
excesivamente costoso y se acude a mtodos no probabilsticos, aun
siendo conscientes de que no sirven para realizar generalizaciones
(estimaciones inferenciales sobre la poblacin), pues no se tiene certeza
de que la muestra extrada sea representativa, ya que no todos los
sujetos de la poblacin tienen la
misma probabilidad de ser elegidos. En general se seleccionan a los
sujetos siguiendo determinados criterios procurando, en la medida de lo
posible, que la muestra sea representativa.
En algunas circunstancias los mtodos estadsticos y epidemiolgicos
permiten resolver los problemas de representatividad aun en situaciones
de muestreo no probabilstico, por ejemplo los estudios de caso-control,
donde los casos no son seleccionados aleatoriamente de la poblacin.
Entre los mtodos de muestreo no probabilsticos ms utilizados en
investigacin encontramos:
1.- MUESTREO POR CUOTAS:
Tambin denominado en ocasiones "accidental". Se asienta generalmente
sobre la base de un buen conocimiento de los estratos de la poblacin y/o
de los individuos ms "representativos" o "adecuados" para los fines de la
investigacin. Mantiene, por tanto, semejanzas con el muestreo aleatorio
estratificado, pero no tiene el carcter de aleatoriedad de aqul.
En este tipo de muestreo se fijan unas "cuotas" que consisten en un
nmero de individuos que renen unas determinadas condiciones, por
ejemplo: 20 individuos de 25 a 40 aos, de sexo femenino y residentes en
116

Tulua. Una vez determinada la cuota se eligen los primeros que se
encuentren que cumplan esas caractersticas. Este mtodo se utiliza
mucho en las encuestas de opinin.
2.- MUESTREO INTENCIONAL O DE CONVENIENCIA:
Este tipo de muestreo se caracteriza por un esfuerzo deliberado de
obtener muestras "representativas" mediante la inclusin en la muestra de
grupos supuestamente tpicos. Es muy frecuente su utilizacin en
sondeos preelectorales de zonas que en anteriores votaciones han
marcado tendencias de voto.
Tambin puede ser que el investigador seleccione
directa e
intencionadamente los individuos de la poblacin. El caso ms frecuente
de este procedimiento el utilizar como muestra los individuos a los que se
tiene fcil acceso (los profesores de universidad emplean con mucha
frecuencia a sus propios alumnos)
3.- BOLA DE NIEVE:
Se localiza a algunos individuos, los cuales conducen a otros, y estos a
otros, y as hasta conseguir una muestra suficiente. Este tipo se emplea
muy frecuentemente cuando se hacen estudios con poblaciones
"marginales", delincuentes, sectas, determinados tipos de enfermos, etc.
TAMAO DE MUESTRA
1) TAMAO DE MUESTRA PARA ESTIMAR LA MEDIA DE LA
POBLACIN
Para determinar el tamao de muestra y estimar la media de la
poblacin es necesario emplear el muestreo aleatorio simple. Para
ello es necesario partir de dos supuestos: en primer lugar el nivel de
confianza al que queremos trabajar; en segundo lugar, cual es el error
mximo que estamos dispuestos a admitir en nuestra estimacin. As
pues
los
pasos
a
seguir
son:
1.- Obtener el tamao muestral imaginando que
Donde:
117

:
correspondiente
al
nivel
de
confianza
elegido
: varianza poblacional
e: error mximo
NOTA: En el Tamao de la muestra
Si aumentamos el nivel de confianza, aumenta el tamao de la

muestra.
Si disminuimos el error, tenemos que aumentar el tamao de la
muestra.
2.-
Comprobar
si
se
cumple
si esta condicin se cumple el proceso termina aqu, y ese es el

tamao adecuado que debemos muestrear.
Si
no
se
cumple,
pasamos
a
una
tercera
fase:
3.- Obtener el tamao de la muestra segn la siguiente frmula:
Veamos un ejemplo: El ministerio de trabajo en Colombia planea un

estudio con el inters de conocer el promedio de horas semanales
trabajadas por las mujeres del servicio domstico. La muestra ser
extrada de una poblacin de 10000 mujeres que figuran en los
registros de la Seguridad Social y de las cuales se conoce a travs de
un estudio piloto que su varianza es de 9.648. Trabajando con un nivel
de confianza de 0.95 y estando dispuestos a admitir un error mximo
de 0,1, cul debe ser el tamao muestral que empleemos?.
118

Buscamos en las tablas de la curva normal el valor de
corresponde con el nivel de confianza elegido:
seguimos los pasos propuestos arriba.
que
= 1.96 y
1.-
2.- Comprobamos que no se cumple

este caso
, pues en
10000 < 3706 (3706 - 1); 10000 < 13730730

3.-
2) TAMAO DE MUESTRA PARA ESTIMAR LA PROPORCIN DE LA

POBLACIN
Para calcular el tamao de muestra para la estimacin de
proporciones poblacionales hemos de tener en cuenta los mismos
factores que en el caso de la media. La frmula que nos permitir
determinar el tamao muestral es la siguiente:
donde
:
z correspondiente al nivel de
P:
proporcin
de
una
categora
e:
error
N: tamao de la poblacin
confianza
de
la
elegido
variable
mximo
Siguiendo con el estudio planteado en el punto anterior, supongamos

que tratamos de estimar la proporcin de mujeres que trabajan
diariamente 10 horas o ms. De un estudio piloto se dedujo que
P=0.30, fijamos el nivel de confianza en 0.95 y el error mximo 0.02.
119
OTRAS FORMAS DE TOMAR

EXPLICADOS EN INTERNET
TAMAO
DE
MUESTRA
http://www.youtube.com/watch?v=Y0XLJnGbFQs
3) CLCULO DEL TAMAO DE LA MUESTRA DE BASE
El tamao adecuado de la muestra para una encuesta relativa a la
poblacin est determinado en gran medida por tres factores: a)
prevalencia estimada de la variable considerada b) nivel deseado de
fiabilidad; y c) margen de error aceptable y para ello vamos a presentar
dos frmulas
a) Siendo la primera la que se aplica en el caso de que no se conozca
con precisin el tamao de la poblacin, y es:
Z 2 P * Q
2
E2
Lo que indica que el tamao de la muestra para un diseo de encuesta

basado en una muestra aleatoria simple, puede calcularse frmula
anterior
donde
::
n=
tamao
de
la
muestra
requerido
Z = nivel de fiabilidad de 95% (valor estndar de 1,96)
2
p=
prevalencia
estimada
en
la
zona
E = margen de error de 5% (valor estndar de 0,05)
del
proyecto
Ejemplo
En el proyecto del Dr Patarroyo con respecto la vacuna contra la malaria
en todo el pacifico colombiano, se ha calculado que cerca del 30% (0,3)
de los nios de la zona del proyecto padecen de malaria. Este dato se
basa en estadsticas nacionales sobre malaria en las zonas rurales.
Utilizando los valores estndar indicados encontrar el tamao de muestra
ideal
para
aplicar
la
vacuna:
Clculo:
SOLUCION
120

1.96 0.3 * (1 0.3)
n
323
0.5 2
2
b) La segunda formula se aplica en el caso de que s se conozca el

tamao de la poblacin entonces se aplica la siguiente frmula:
donde
n
Z
p
q
N
E
es el tamao de la muestra;
es el nivel de confianza;
es la variabilidad positiva;
es la variabilidad negativa;
es el tamao de la poblacin;
es la precisin o el error.
La ventaja sobre la primera frmula es que al conocer exactamente el

tamao de la poblacin, el tamao de la muestra resulta con mayor
precisin y se pueden incluso ahorrarse recursos y tiempo para la
aplicacin y desarrollo de una investigacin.
EJEMPLO 3.9
En LA INSTITUCION EDUCATIVA MODERNA DE TULUA se desea
realizar una investigacin sobre los alumnos inscritos en los sextos , para
lo cual se aplicar un cuestionario de manera aleatoria a una muestra,
pues los recursos econmicos y el tiempo para procesar la informacin
resultara insuficiente en el caso de aplicrsele a la poblacin estudiantil
completa.
En primera instancia, suponiendo que no se conoce el tamao exacto de
la poblacin, pero con la seguridad de que sta se encuentra cerca a los
diez millares, se aplicar la primera frmula.
Se considerar una confianza del 95%, un porcentaje de error del 5% y la
mxima variabilidad por no existir antecedentes en la institucin sobre la
investigacin y porque no se puede aplicar una prueba previa.
Primero habr que obtener el valor de Z de tal forma que la confianza sea
del 95%, es decir, buscar un valor de Z tal que P(-Z<z<Z)=0.95. Donde al
buscar en la tabla nos arroja un resultado de Z=1.96.y por no tener
antecedente se supone un P=0.5
121

De esta manera se realiza la sustitucin y se obtiene:
Esto quiere decir que el tamao de la muestra es de 385 alumnos.

Supongamos ahora que s se conoce el tamao de la poblacin estudiantil
y es de 9,408, entonces se aplicar la segunda frmula. Utilizando los
mismos parmetros la sustitucin queda como:
Con lo que se tiene una cota mnima de 370 alumnos para la muestra y
as poder realizar la investigacin sin ms costo del necesario, pero con la
seguridad de que las condiciones aceptadas para la generalizacin
(confiabilidad, variabilidad y error) se mantienen.
DISTRIBUCIONES MUESTRALES La distribucin de frecuencia de un
estadstico muestral se denomina distribucin muestral. En general, la
distribucin muestral de un estadstico es la de todos sus valores
posibles calculados a partir de muestras del mismo tamao.
Suponga que se han seleccionado muestras aleatorias de tamao 20 en
una poblacin grande. Se calcula la madia muestral x para cada muestra;
la coleccin de todas estas medias muestrales recibe el nombre de
distribucin muestral de medias, lo que se puede ilustrar en la siguiente
figura:
EJEMPLO 3.7
122

Se eligen muestras ordenadas de tamao 2, con reemplazo, de la
poblacin de valores 0, 2, 4 y 6. Encuentre:
a) , la media poblacional
0246
3
4
b) , la desviacin estndar poblacional.
Verificar que =2.2336
c) x la media de la distribucin muestral de medias.

A continuacin se listan los elementos de la distribucin muestral de la
media y la correspondiente distribucin de frecuencias.
Muestra
media
(0,0)
(0,2)
(0,4)
(0,6)
(2,0)
(2,2)
(2,4)
(2,6)
(4,0)
(4,2)
(4,4)
(4,6)
123

3
(6,0)
(6,2)
(6,4)
(6,6)
Distribucin de frecuencias de la media

X
La media de la distribucin muestral de medias es:
fx 0 *1 1* 2 2 * 3 3 * 4 4 * 3 5 * 2 6 *1 3
n
16
d) x, la desviacin estndar de la distribucin muestral de medias.
x
x
COMPROBAR QUE ALAPLICAR LA FORMULA ANTERIOR
X 1.58 Y QUE ESTE VALOR TAMBIEN SE PUEDE CALCULAR POR
124
Como para cualquier variable aleatoria, la dsitribucin muestral de medias

tiene una media o valor esperado, una varianza y una desviacin
estndar, se puede demostrar que la distribucin muestral de medias
tiene una media igual a la media poblacional. Esto es: x = E(x) = = 3
TEOREMA DEL LMITE CENTRAL

Si se seleccionan muestras aleatorias de n observaciones de una
poblacin con media m y desviacin estndar s, entonces, cuando n es
grande, la distribucin muestral de medias tendr aproximadamente una
distribucin normal con unamedia igual a m y una desviacin estndar de
. La aproximacin ser cada vez ms exacta a medida de que n sea

n
cada vez mayor.
EJEMPLO 3.10
Para la distribucin muestral de medias del ejercicio anterior, encuentre:
a) El error muestral de cada media
En la tabla siguiente se ven las muestras, las medias de las muestras y
los errores muestrales:
Muestra
media
Error muestral, e=x-m
(0,0)
0 - 3 = -3
125
(0,2)

1
1 - 3 = -2
(0,4)
2 - 3 = -1
(0,6)
33=0
(2,0)
1 3 = -2
(2,2)
2 3 = -1
(2,4)
33=0
(2,6)
43=1
(4,0)
2 3 = -1
(4,2)
33=0
(4,4)
43=1
(4,6)
53=2
(6,0)
33=0
(6,2)
43=1
(6,4)
53=2
(6,6)
63=3
Verifique que
a) La media de los errores muestrales es cero
b) La desviacin estndar de la distribucin de los errores muestrales
est dada por
e e f 2
N
, y su resultado es 1.58
La desviacin estndar de la distribucin muestral de un estadstico se

conoce como error estndar del estadstico. Para el ejercicio anterior el
error estndar de la media denotado por
126
, es 1.58. Con esto se

puede demostrar que si de una poblacin se eligen muestras de tamao
n con reemplazo, entonces el error estndar de la media es igual a la
desviacin estndar de la distribucin de los errores muestrales.
En general se tiene:
x e
Cuando las muestras se toman de una poblacin pequea y sin

reemplazo, se puede usar la formula siguiente para encontrar
N n
N 1
donde es la desviacin estndar de la poblacin de donde se toman las

muestras, n es el tamao de la muestra y N el de la poblacin y la
expresin
N n
se le denomina factor de correcion.
N 1
EJEMPLO 3.11
Suponga que la tabla siguiente muestra la antiguedad en aos en el
trabajo de tres decanos de tres facultades distintas:
Decanos
Antiguedad
Suponga adems que se seleccionan muestras aleatorias de tamao 2

sin reemplazo. Calcule
a) La antigedad media para cada muestra
Se pueden tener 3C2 =3 muestras posibles. La tabla lista todas las
muestras posibles de tamao 2, con sus respectivas medias muestrales.
Muestras
Antigedad
A,B
(6,4)
A,C
(6,2)
B,C
(4,2)
127
Media Muestral
246
4
3
b) La media de la distribucin muestral
543
4
3
SE INVITA AL LECTOR QUE TERMINE LOS PUNTOS CY D Y

VERIFIQUE SUS RESPUESTAS
c) El error estndar, o la desviacin estndar de la distribucin muestral
ES 0.816
d) Que diferencia encuentra entre al aplicar la formula error estndar, o la
desviacin estndar de la distribucin muestral sin factor de correcion y
con factor de correccin
ERROR ESTANDAR SIN CORRECCION =1.152
ERRROR ESTANDAR CON CORRECION =0.816
DISTRIBUCIN MUESTRAL DE MEDIAS
Si recordamos a la distribucin normal, esta es una distribucin continua,
en forma de campana en donde la media, la mediana y la moda tienen un
mismo valor y es simtrica.
Con esta distribucin podamos calcular la probabilidad de algn evento
relacionado con la variable aleatoria, mediante la siguiente frmula:
Z
En donde z es una variable estandarizada con media igual a cero y

varianza igual a uno. Con esta frmula se pueden a hacer los clculos de
probabilidad para cualquier ejercicio, utilizando la tabla de la distribucin
z.
128

Sabemos que cuando se extraen muestras de tamao mayor a 30 o bien
de cualquier tamao de una poblacin normal, la distribucin muestral de
medias tiene un comportamiento aproximadamente normal, por lo que se
puede utilizar la formula de la distribucin normal con X Y X ,
entonces la frmula para calcular la probabilidad del comportamiento del
estadstico, en este caso la media de la muestra , quedara de la siguiente
manera:
y para poblaciones finitas y muestro con reemplazo:

Z
N n
N 1
EJEMPLO 3,12
Una empresa elctrica fabrica de lmparas que tienen una duracin que
se distribuye aproximadamente en forma normal, con media de 800 horas
y desviacin estndar de 40 horas. Encuentre la probabilidad de que una
muestra aleatoriade 16 lmparas tenga una vida promedio de menos de
775 horas.
La interpretacin sera que la probabilidad de que la media de la muestra

de 16 lmparas sea menor a 775 horas es de 0.0062.
VALOR ESPERADO
El valor esperado es el ms importante concepto en el estudio de las
distribuciones de probabilidad. Desde hace muchos aos dicho concepto
ha sido aplicado ampliamente en el negocio de seguros y en los ltimos
129

veinte aos ha sido aplicado por otros profesionales que casi siempre
toman decisiones en condiciones de incertidumbre.
Para encontrar el valor esperado de una variable aleatoria discreta,
multiplicamos cada valor que sta puede asumir por la probabilidad de
ocurrencia de ese valor y luego sumamos los productos. Es un promedio
ponderado de los resultados que se esperan en el futuro.
Sea X una Variable Aleatoria que toma valores en un conjunto discreto
(en un conjunto finito de nmeros en uno infinito como: los naturales, los
enteros o los racionales), por ejemplo si la variable aleatoria X toma los
siguientes valores:
X = 0, 1, 2, 3, decimos que es discreta
La probabilidad de que X tome cada uno de sus valores viene dada por la
funcin de probabilidad:
P(X = i ), para i = 0, 1, 2, 3, ... ;
Sea P(X = i ) = pi para i = 0, 1, 2, 3, ... Se tiene que p1 + p2 + p3 +...+
pn +... = 1
Se define el Valor Esperado de una Variable Aleatoria con distribucin
discreta como:
= E(X) =
Xf (X )
Y para una variable aleatoria con distribucin continua como
= E(X) = x( f ( x)dx
EJEMPLO 3.13
La variable edad de la clase tiene =20 y 2=2. Asumiendo que X es
normal:
a) Tomamos todas las posibles muestras de n=4 y calcular la media y
Obtener E( X ) y x2
b) Obtener la probabilidad de encontrar un sujeto con X > 22
c) Obtener la probabilidad de encontrar una muestra con media > 22
SOLUCION
130

2 2
0.5
a) E( X ) ==20 y x2 =
n 4
x u 22 20
1,41 donde P(X>22)= P(Z>1.41)= 0.0973

b) Z
Valor encontrado en la tabla de Z

_
c) Z
X u
22 20
2,83
P( X 22) P( Z 2,83) 0.0023

DISTRIBUCIN MUESTRAL DE LA MEDIA CON 2 DESCONOCIDA
En caso de que se desconozca 2 entonces la distribucin muestral puede
calcularse:
X
Sn
n 1
Cuya distribucin es t con n-1 grados de libertad en caso de muestra

pequea
DISTRIBUCIN MUESTRAL DE LA PROPORCIN
n variables dicotmicas: X1, X2, ..., Xn tiene como
E(xi)=
y 2=(1-) y donde
ser X=X1+X2+ + + + Xn= X i y su

i 1
proporcin ser
P=X/n
NOTA: Cuando se vaya a tomar los valores dado y la proporcin dada se
pueden diferenciar el valor esperado y la varianza a travs de las
siguientes expresiones
VALORES DADO DE X
PROPORCION DADA P
E(X)=n
E(P)=
131

(1 )
2P
n
=n(1-)
2
NOTA
Parmetros estadsticos de una distribucin muestral de las proporciones
de tamao n:
Una distribucin muestral de las proporciones se comporta como una

distribucin normal descrita por los parmetros N
EJEMPLO 3.14
Cul es el valor esperado y la varianza entre 3 estudiantes de derecho de
la UCEVA de primer semestre si se sabe que el 20% no les gusta las
matemticas por tener contenidos difciles contestar
a) Encontrar el valor esperado y la varianza sise toma un estudiante al
azar
b) Cual su proporcin si resulto uno de los tres que no les gustaba
matematicas
c) Encontrar el valor esperado y la varianza entre los tres estudiantes Y
LA PROPORCION de su valor esperado y la varianza con respecto al no
gustarle las matemticas
y 2 =n(1-)= 1*0.2(0.8)=0.16
a) E=(X)=n=1*(0.2)=0.2
b) P=1/3= 0.33
C) E(X ) = n = 3(0,2) = 0,6 Y 2 =n(1-)=3*0.2(0.8)=0.48

E(P)==0.2
132
y 2P
(1 )
n
=0.2*0.8/3=0.05

=n(1-)=3*0.2(1-0.2)=0.16
2
EJEMPLO 3.15
Suponga que se tiene un lote de 12 piezas, las cuales 4 son
defectuosos. Se van a seleccionar 5 artculos al azar de ese lote sin
reemplazo. Genere la distribucin muestral de proporciones para el
nmero de piezas defectuosas.
SOLUCION
Como se puede observar en este ejercicio la Proporcin de artculos
defectuosos de esta poblacin es 4/12=1/3. Por lo que podemos decir que
el 33% de las piezas de este lote estn defectuosas.
El nmero posible de muestras de tamao 5 a extraer de una poblacin
de 12 elementos es 12C5=792, las cuales se pueden desglosar de la
siguiente manera:
ARTICULOS ARTICULOS PROPORCION
DE ARTICULOS
BUENOS
MALOS
DEFECTUOSOS
Nro DE MANERAS
QUE SE PUEDE
OBTENER
UNA
MUESTRA
0.8
0.6
112
0.4
336
0.2
280
56
INDIQUE COMO SE OBTUVIERON LOS RESULTADOS DE LA COLUMNA 3 Y

4
VERIFIQUE QUE
133
a) p
b)
0.3333
p 0.1681
DISTRIBUCIN MUESTRAL DE DIFERENCIA DE MEDIAS

Partamos de
media
que se tienen dos poblaciones distintas, la primera con
y desviacin estndar
1,
y la segunda con media
2y
desviacin estndar
2. Ahora bien si elegimos una muestra aleatoria de
tamao n1 de la primera poblacin y una muestra independiente aleatoria
de tamao n2 de la segunda poblacin; se calcula la media muestral para
cada muestra y la diferencia entre dichas medias. La coleccin de todas
esas diferencias se llama distribucin muestral de las diferencias entre
medias o la distribucin muestral del estadstico
Ahora debemos recordar que la distribucin es aproximadamente normal

para n1 30 y n2 30. Si las poblaciones son normales, se puede deducir
que la distribucin muestral de medias es normal sin importar los
tamaos de las muestras.
En anteriores ejercicios del texto
que
,por lo que no es difcil deducir que
y que
134
se haba demostrado que

La frmula que se utilizar para el clculo de probabilidad del estadstico
de diferencia de medias es:
EJEMPLO 3.16:
En un estudio para comparar los pesos promedio de nios y nias de
sexto grado en una escuela primaria ANTONIO JOSE DE SUCRE se
usar una muestra aleatoria de 20 nios y otra de 25 nias. Se sabe que
tanto para nios como para nias los pesos siguen una distribucin
normal. El promedio de los pesos de todos los nios de sexto grado de
esa escuela es de 105 libras y su desviacin estndar es de 14.152,
mientras que el promedio de los pesos de todas las nias del sexto grado
de esa escuela es de 90 libras y su desviacin estndar es de 12.257
libras. Si
representa el promedio de los pesos de 20 nios y es el
promedio de los pesos de una muestra de 25 nias, encuentre la
probabilidad de que el promedio de los pesos de los 20 nios sea al
menos 20 libras ms grande que el de las 25 nias.
Solucin:
Datos:
1=
105 libras
= 90 libras
1=
14.142 libras
2=
12.247 libras
n1 = 20 nios
n2 = 25 nias
=?
135
20 (105 90)
(14.142 ) 2 (12.457 ) 2
20
2
1.25
Por lo tanto, la probabilidad de que el promedio de los pesos de la

muestra de nios sea al menos 20 libras ms grande que el de la muestra
de las nias es 0.1056.
EJEMPLO:3.17
Uno de los principales fabricantes de celulares compra simcard a dos
compaas. Las simcard de la compaa A tienen una vida media de 7.2
aos con una desviacin estndar de 0.8 aos, mientras que los de la B
tienen una vida media de 6.7 aos con una desviacin estndar de 0.7.
Determine la probabilidad de que una muestra aleatoria de 34 simcard de
la compaa A tenga una vida promedio de al menos un ao ms que la
de una muestra aleatoria de 40 simcard de la compaa B.
Solucin:
Datos:
A=
7.2 aos
= 6.7 aos
A=
0.8 aos
B=
0.7 aos
nA = 34 simcard
nB = 40 simcard
136

=?
EJEMPLO 3.18
Se prueba el rendimiento en km/L de 2 tipos de ETANOL , encontrndose
una desviacin estndar de 1.23km/L para el primer etanol y una
desviacin estndar de 1.37km/L para el segundo etanol; se prueba el
primer etanol en 35 autos y el segundo en 42 autos.
a. Cul es la probabilidad de que el primer etanol de un rendimiento
promedio mayor de 0.45km/L que el segundo etanol?
b. Cul es la probabilidad de que la diferencia en rendimientos
promedio se encuentre entre 0.65 y 0.83km/L a favor del primer
etanol?.
Solucin:
En este ejercicio no se cuenta con los parmetros de las medias en
ninguna de las dos poblaciones, por lo que se supondrn que son iguales.
Datos:
1=
1.23 Km/Lto
2=
1.37 Km/Lto
n1 = 35 autos
n2 = 42 autos
a.
137
=?
b.
La probabilidad de que la diferencia en rendimientos promedio en las

muestras se encuentre entre 0.65 y 0.83 Km/Lto a favor de la gasolina 1
es de 0.0117.
DISTRIBUCIN MUESTRAL DE DIFERENCIA DE PROPORCIONES
Muchas aplicaciones involucran poblaciones de datos cualitativos que
deben compararse utilizando proporciones o porcentajes. A continuacin
se citan algunos ejemplos:
138
Educacin.- Es mayor la proporcin de los estudiantes que

aprueban matemticas que las de los que aprueban Estadstica?

Medicina.- Es menor el porcentaje de los usuarios del
medicamento X que presentan una reaccin adversa que el de los
usuarios del frmaco Y que tambin presentan una reaccin de ese
tipo?
Administracin.- Hay diferencia entre los porcentajes de hombres

y mujeres en puestos administrativos.
Ingeniera.- Existe diferencia entre la proporcin de artculos

defectuosos que produce la mquina X a los que genera la
mquina Y?
Cuando el muestreo proviene de dos poblaciones binomiales y se trabaja

con dos proporciones muestrales, la distribucin muestral de diferencia de
proporciones es aproximadamente normal para tamaos de muestra
grande (n1p1 5, n1q1 5,n2p2 5 y n2q2 5). Entonces p1 y p2 tienen
distribuciones muestrales aproximadamente normales, as que su
diferencia p1-p2 tambin tiene una distribucin muestral aproximadamente
normal.
Cuando se estudi a la distribucin muestral de proporciones se

comprob que
que
y que
y que
, por lo que no es difcil deducir
La frmula que se utilizar para el clculo de probabilidad del estadstico

de diferencia de proporciones es:
139
EJEMPLO 3.19
Los hombres y mujeres adultos radicados en Tulua difieren en sus
opiniones sobre la promulgacin de la pena de muerte para personas
culpables de violacin de nios. Se cree que el 12% de los hombres
adultos estn a favor de la pena de muerte, mientras que slo 10% de las
mujeres adultas lo estn. Si se pregunta a dos muestras aleatorias de 100
hombres y 100 mujeres su opinin sobre la promulgacin de la pena de
muerte, determine la probabilidad de que el porcentaje de hombres a
favor sea al menos 3% mayor que el de las mujeres.
Solucin:
Datos:
PH = 0.12
PM = 0.10
nH = 100
nM = 100
p(pH-pM
0.03) = ?
Se recuerda que se est incluyendo el factor de correccin de 0.5 por ser

una distribucin binomial y se est utilizando la distribucin normal.
140
Se concluye que la probabilidad de que el porcentaje de hombres a favor

de la pena de muerte, al menos 3% mayor que el de mujeres es de
0.4562.
EJEMPLO 3.20
Una encuesta realizada por la sutev const de 320 docentes del Valle
del cauca fueron despedidos entre 2006 y 2011, encontr que 20%
haban estado sin trabajo durante por lo menos dos aos. Supngase que
tuviera que seleccionar otra muestra aleatoria de 320 docentes de entre
todos los empleados despedidos entre 2006 y 2011. Cul sera la
probabilidad de que su porcentaje muestral de docentes sin empleo
durante por lo menos dos aos, difiera del porcentaje obtenido en la
encuesta de la sutev , en 5% o ms?
Solucin:
En este ejercicio se tiene nicamente una poblacin, de la cual se estn
extrayendo dos muestras y se quiere saber la probabilidad de la diferencia
de los porcentajes en esas dos muestras, por lo que se debe de utilizar la
distribucin muestral de proporciones con P1= P2, ya que es una misma
poblacin.
Otra de las situaciones con la cual nos topamos es que desconocemos la
proporcin de trabajadores despedidos entre 2006 y 2011 que estuvieron
desempleados por un perodo de por lo menos dos aos, slo se conoce
la p1= 0.20 ya que al tomar una muestra de 320 trabajadores se observ
esa proporcin.
En la frmula de la distribucin muestral de proporciones para el clculo
de probabilidad se debe saber las proporciones de las poblaciones, las
cuales en este ejercicio las desconocemos, por lo que se utilizar el valor
de 0.20 como una estimacin puntual de P. En el siguiente tema se
abordar el tema de estimacin estadstica y se comprender el porque
estamos utilizando de esa manera el dato.
141

Tambin debe de comprenderse la pregunta que nos hace este problema,
cul sera la probabilidad de que su porcentaje muestral de trabajadores
sin empleo durante por lo menos dos aos, difiera del porcentaje
obtenido en la encuesta dela sutev, en 5% o ms?, la
palabra difiera quiere decir que puede existir una diferencia a favor de la
muestra uno, o a favor de la muestra dos, por lo que se tendrn que
calcular dos reas en la distribucin y al final sumarlas.
Datos:
p1 = 0.20
n1 = 320 trabajadores
n2 = 320 trabajadores
P1 = P 2
La probabilidad de que su proporcin muestral de trabajadores sin

empleo durante por lo menos dos aos, difiera del porcentaje obtenido en
la encuesta realizada por la sutev, en 0.05 o ms es de 0.1260.
142

EJEMPLO 3.21
Se sabe que 3 de cada 6 productos fabricados por la mquina 1 son
defectuosos y que 2 de cada 5 objetos fabricados por la mquina 2 son
defectuosos; se toman muestras de 120 objetos de cada mquina:
a. cul es la probabilidad de que la proporcin de artculos
defectuosos de la mquina 2 rebase a la mquina 1 en por lo
menos 0.10?
b. cul es la probabilidad de que la proporcin de artculos
defectuosos de la mquina 1 rebase a la mquina 2 en por lo
menos 0.15?
Solucin:
Datos:
P1 = 3/6 = 0.5
P2 = 2/5 = 0.4
n1 = 120 objetos
n2 = 120 objetos
a. p(p2-p1 0.10) = ?
Otra manera de hacer este ejercicio es poner P1-P2:
143
La probabilidad de que exista una diferencia de proporciones de artculos

defectuosos de por lo menos 10% a favor de la mquina 2 es de 0.0011.
b. p(p1-p2
0.15)=?
La probabilidad de que exista una diferencia de proporciones de artculos

defectuosos de por lo menos 15% a favor de la mquina 1 es de 0.2357.
DISTRIBUCIN MUESTRAL DE NMERO DE DEFECTOS
Cuando el mundo globalizado
se habla de ontrol de calidad y
especficamente en los grficos de control "c" se aplica esta distribucin,
la cual consiste en que al extraer un artculo contabilicemos el nmero de
defectos que tiene ese artculo.
Esta distribucin muestral proviene de la distribucin de Poisson, en la
cual le media es
144
y que en este caso es el nmero promedio de defectos

por unidad. Como ya es conocido la varianza de la distribucin de Poisson
es igual a
manera:
por lo que se puede deducir la formula de la siguiente
Para la distribucin muestral de nmero de defectos la nomenclatura

utilizada es:
c = nmero defectos por unidad de inspeccin
C = nmero de defectos promedio por unidad de inspeccin
Se debe de recordar que la distribucin de Poisson es una distribucin
discreta, y se esta utilizando la aproximacin de la normal a la Poisson,
debiendo aplicar el factor de correccin de 0.5 segn sea el caso. La
formula para la dsitribucin muestral de nmero de defectos quedara de
la siguiente manera:
EJEMPLO 3.22
En cierta empresa se fabrican productos con un promedio de 8 defectos
por unidad. Determine la probabilidad de que el prximo producto
inspeccionado tenga un nmero de defectos:
a. Mayor o igual a 6
b. Exactamente 7
c. Como mximo 9
a.
145
La probabilidad de que el siguiente producto inspeccionado tenga por lo

menos 6 defectos es de 0.8106.
b.
La probabilidad de que el siguiente producto inspeccionado tenga

exactamente 7 defectos es de 0.1344.
c.
146

La probabilidad de que el siguiente producto inspeccionado tenga a lo
ms 9 defectos es de 0.7019.
EJERCICIO DE REPASO CAPITULO III
1) Realiza 5 preguntas posibles de un cuestionario individual.
2)
Realiza 5 preguntas cerradas de una investigacin
hacer.
que pienses
3) Enuncia 5 preguntas abiertas de una investigacin que pienses hacer.

4) Realice 2 preguntas correspondientes a cada tipo de pregunta
. Preguntas de identificacin:
. Preguntas de hecho:
. Pregunta de accin:
. Preguntas de informacin:
. Preguntas de intencin:
. Preguntas de opinin:
. Pregunta filtro:
. Preguntas trampa o de control:
. Preguntas de introduccin rompe hielo:
. Preguntas muelle, colchn o amortiguadores:
. Preguntas en batera:
. Preguntas de embudo:
5) En el barrio Beln de Cali se quiere hacer un estudio para conocer
mejor el tipo de actividades de ocio que gustan ms a sus habitantes.
Para ello van a ser encuestados 100 individuos elegidos al azar.
1. Explicar qu procedimiento de seleccin sera ms adecuado utilizar:
muestreo con o sin reposicin. Por qu?
2. Como los gustos cambian con la edad y se sabe que en el barrio Beln
de Cali viven 2.500 nios, 7.000 adultos y 500 ancianos, posteriormente
se decide elegir la muestra anterior utilizando un muestreo estratificado.
147

Determinar el tamao muestral correspondiente a cada estrato. R/ 25
nios; 70 adultos; 25 ancianos
3. Suponga que una compaa de servicio de televisin por cable est
pensando en prestar el servicio al barrio beln y para ello; la compaa
planea realizar un estudio para determinar el porcentaje de familias de
dicho barrio que utilizaran sus servicios, como no es prctico preguntar
en cada casa. Qu tipo de muestreo recomienda
6) La variable altura de las alumnas que estudian en la facultad de
idiomas de la UCEVA sigue una distribucin normal de media 1,62 m y la
desviacin tpica 0,12 m. Cul es la probabilidad de que la media de una
muestra aleatoria de 100 alumnas sea mayor que 1.60 m? 95.15%
7) Se ha tomado una muestra de los precios de un mismo producto
alimenticio en 16 graneros de Tulua, elegidos al azar, y se han
encontrado los siguientes precios:
95, 108, 97, 112, 99, 106, 105, 100, 99, 98, 104, 110, 107, 111, 103, 110.
Suponiendo que los precios de este producto se distribuyen segn una ley
normal de varianza 25 y media desconocida:
1. Cul es la distribucin de la media muestral? R/ 104
2. Determine el intervalo de confianza, al 95%, para la media poblacional.
R/ (101.55; 106.45)
8. La media de las estaturas de una muestra aleatoria de 400 personas
de Andaluca Valle es 1,75 m. Se sabe que la estatura de las personas de
ese Pueblo es una variable aleatoria que sigue una distribucin normal
con varianza 2 = 0,16 m2.
1. Construye un intervalo, de un 95% de confianza, para la media de las
estaturas de la poblacin/ (1.7108, 1.7892)
2. Cul sera el mnimo tamao muestral necesario para que pueda
decirse que la verdadera media de las estaturas est a menos de 2 cm de
la media muestral, con un nivel de confianza del 90%? R/ La muestra
debe tener al menos 1083 personas.
9. Las ventas mensuales de una tienda de electrodomsticos en las islas
canarias se distribuyen segn una ley normal, con desviacin tpica 900
. En un estudio estadstico de las ventas realizadas en los ltimos nueve
meses, se ha encontrado un intervalo de confianza para la media mensual
de las ventas, cuyos extremos son 4 663 y 5 839 .
148

1. Cul ha sido la media de las ventas en estos nueve meses? R/
x=5251
2. Cul es el nivel de confianza para este intervalo? R/95%
10) Se desea estimar la proporcin, p, de individuos daltnicos de una
poblacin a travs del porcentaje observado en una muestra aleatoria de
individuos, de tamao n.
1. Si el porcentaje de docentes daltnicos de Tulua determinan una
muestra igual al 30%, calcula el valor de n para que, con un nivel de
confianza de 0,95, el error cometido en la estimacin sea inferior al
3,1%.R// Al menos 840 individuos.
2. Si el tamao de la muestra es de 64 docentes, y el porcentaje de
docentes daltnicos en la muestra es del 35%, determina, usando un
nivel de significacin del 1%, el correspondiente intervalo de confianza
para la proporcin de daltnicos de la poblacin. R/(0,196 , 0.504)
11) En una poblacin adulta con una variable aleatoria sigue una ley
normal de media desconocida y desviacin tpica 2.
1. Observada una muestra de tamao 400, tomada al azar, se ha
obtenido una media muestra al igual a 50. Calcule un intervalo, con el 97
% de confianza, para la media de la poblacin. (49.783, 50.217)
2. Con el mismo nivel de confianza, qu tamao mnimo debe tener la
muestra para qu la amplitud del intervalo que se obtenga sea, como
mximo, 1? Sugerencia tome E=0.5 R/ n 76
12) En el comercial la herradura de Tulua trabajan 150 personas en el
departamento de personal, 450 en el departamento de ventas, 200 en el
departamento de contabilidad y 100 departamentos de atencin al cliente.
Con objeto de realizar una encuesta laboral, se quiere seleccionar una
muestra de 180 trabajadores.
1. Qu tipo de muestreo deberamos utilizar para la seleccin de la
muestra si queremos que incluya a trabajadores de los cuatro
departamentos mencionados?
2. Qu nmero de trabajadores tendramos que seleccionar en cada
departamento atendiendo a un criterio de proporcionalidad? R/30 de
personal, 90 de ventas ,40 de contabilidad
13) La ciencia ha determinado que La cantidad de hemoglobina en sangre
del hombre sigue una ley normal con una desviacin tpica de 2g/dl.
149

Calcule el nivel de confianza de una muestra de 12 extracciones de
sangre que indique que la media poblacional de hemoglobina en sangre
est entre 13 y 15 g/dl. R/ 91.64%
14) En una fbrica de componentes electrnicos, la proporcin de
componentes finales defectuosos era del 20%. Tras una serie de
operaciones e inversiones destinadas a mejorar el rendimiento se analiz
una muestra aleatoria de 500 componentes, encontrndose que 90 de
ellos eran defectuosos. Qu nivel de confianza debe adoptarse para
aceptar que el rendimiento no ha sufrido variaciones? R/73.72%
15) Supongamos que se desea realizar una encuesta sobre la brucelosis
ovina en Barragan . Se estima una prevalencia del 15% y se requiere un
5% de precisin sobre una poblacin de 2.000.000 de cabezas. El nivel
de confianza se fija en el 95%. Determinar el tamao de la muestra
necesario para dicha encuesta. R/ 196
16) La media de edad de los alumnos que se presentan a pruebas de
ingreso a la Uceva es de 18,1 aos, y la desviacin tpica 0,6 aos.
a) De los alumnos anteriores se elige, al azar, una muestra de 100. Cul
es la probabilidad de que la media de la edad de la muestra est
comprendida entre 17,9 y 18,2 aos?. R/95.21%
b) Qu tamao debe tener una muestra de dicha poblacin para que su
media est comprendida entre 17,9 y 18,3 aos, con una confianza del
99,5%? R/ 72 personas
17) Las medidas de los dimetros de una muestra tomada al azar, de 200
cojinetes de bolas, hechos por una determinada mquina en la litografa
franciscos, dieron una media de 2 cm y una desviacin tpica de 0,1 cm.
Hallar los intervalos de confianza del :
68,26%
R/
Z 1
(1,993,:2.007)
95,44%
R/
Z 2
(1.986 , 2,014)
99,73%
R/ (1.979; 2.021)
Para el dimetro de todos los cojinetes.

18) El Ingeniero de control de calidad de la fbrica de focos necesita
estimar la vida promedio de un gran embarque. Se sabe que la desviacin
150

estndar del proceso es de 100 horas. Una muestra aleatoria de 50 focos
mostr una vida promedio de 350 horas. Estime un intervalo de confianza
del 95% de vida promedio real de los focos en este embarque R/ (322.27;
377.72) La vida promedio real de los focos se encuentra entre 322.67 y
377.72 horas
19) Supongamos que un curso exitoso d estadstica 35 de 42 alumnos
aprueban estadstica. Estime un intervalo de confianza para la proporcin
de la poblacin del 5%.R/ (0.71; 0.94) es el intervalo de confianza para la
proporcin, es decir que entre el 71% y 94% aprobaron el examen, con un
nivel de confianza del 95%
20) Las bolsas de sal envasadas por una mquina tienen = 500 g y =
35 g. Las bolsas se empaquetaron en cajas de 100 unidades..Calcular la
probabilidad de que la media de los pesos de las bolsas de un paquete
sea menor que 495 g. R/7.64%
21) Calcule el tamao muestral de una encuesta realizada por UCEVA
sobre que se conoce del decreto 1030 de la reforma si el error terico era
de + 2, con un intervalo de confianza de 95,5% y P=Q en el supuesto de
un muestreo aleatorio simple. R/2500
22) Los siguientes datos son los puntajes obtenidos para 45 personas de
una escala de depresin (mayor puntaje significa mayor depresin).
2
10
11
11
11
13
13
14
14
14
14
14
14
15
15
16
16
16
16
16
16
16
16
17
17
17
18
18
18
19
19
19
19
19
19
19
19
20
20
Construir un intervalo de confianza para el puntaje promedio poblacional

R/ Luego, el intervalo de confianza para es (13,2, 15,8). Es decir, el
puntaje promedio poblacional se encuentra entre 13,2 y 15,8 con una
confianza 95%.
23) Supongamos que se plantea la hiptesis de que el promedio de peso
de nacimiento la marina es igual a la media nacional de 3250 gramos.Al
tomar una muestra de 30 recin nacidos de la poblacin en estudio, se
obtuvo:
151

= 2930
s= 450
n= 30
Construir un intervalo de 95% de confianza para la media poblacional
R/ Luego, el peso de nacimiento vara entre 2769 y 3091 gramos, con una
confianza de 95%.
Como el intervalo no incluye el valor =3250 gramos planteado en la
hiptesis, entonces esta es rechazada con confianza 95% (o un valor p
menor a 0,5).
24) La nota de una prueba de aptitud siguen una distribucin normal con
desviacin tpica 28,2. Una muestra aleatoria de nueve alumnos arroja los
resultados siguientes:
N
n=9
X
I 1
1098
138148
I 1
a) Hallar un intervalo de confianza al 90% para la media poblacional

R/106.5<<137.5
b) Cul ser el tamao de muestra mnimo necesario para obtener un
intervalo al
90% de nivel de confianza, con longitud 10? (la longitud del intervalo es la
diferencia entre sus extremos).R/ 866
25 Una empresa tiene 6.100 empleados se quiere determinar cmo
es el clima laboral en la empresa, usando una confiabilidad del 95%.
un error admisible de 6% y considerando que la proporcin de
empleados no satisfechos es del 30%. Calcule el nmero de
empleados a consultar. si se tiene en cuenta adems. que se tienen
diferentes categoras de empleados que pueden influir en la opinin
de los trabajadores. Se adicion la siguiente informacin con
respecto al nmero de trabajadores: Contabilidad y Costos 80
empleados, Administracin 150. Operativos 5.600, seguridad 180 y
otros cargos 90. R/216
26. La puntuacin promedio de una muestra de 20 jueces de gimnasia
rtmica, elegidos al azar, para una misma prueba present una media de
9,8525 y una cuasi desviacin tpica muestral de 0,0965. Calcular un
intervalo de confianza con un 95% para la nota media. (Se sobreentiende
152

que la puntuacin de la prueba sigue una distribucin normal) R/ 9.807
9897
27 Un entrenador de ftbol est interesado en estimar, con un 99% de
confianza, la fuerza mxima de los msculos cuadriceps de los futbolistas.
Admitiendo que dicha fuerza sigue una distribucin normal, selecciona al
azar una muestra de 25 futbolistas, para la que obtuvo una media de 85
Nw y una cuasivarianza de 144. Determinar un intervalo de confianza
para la media .R/ 78287 91713
28 En una encuesta hecha por los alumnos y alumnas de un Instituto a un
total de 100 votantes elegidos al azar en su Ayuntamiento, se indica que
el 55% volvera a votar por el alcalde actual. Calcular un intervalo de
confianza al 99% para la proporcin de votantes favorables al alcalde
actual. R/= (0,422 , 0,677)
29 Cules deben ser los tamaos muestrales en el sondeo del problema
anterior para tener, con los mismos niveles de confianza, la certeza de
que el alcalde actual salga reelegido por mayora absoluta, en el caso de
arrojar la encuesta los mismos resultados/ n>891.
30. En una encuesta a 360 alumnos de un centro, elegidos al azar,
resultaron 190 a favor de la poltica del actual equipo directivo. Cul es
el intervalo de confianza, con nivel del 95%, para la proporcin de
alumnos que apoyan a esta direccin R/ (,04762 , 0, 5794)
31 Se lanza una moneda 100 veces y se obtienen 62 cruces. Cul es el
intervalo de confianza para la proporcin de cruces con un 99% de nivel
de confianza?
R/ (0,495, 0, 745)
32. Para estimar el nmero de ranas que hay en un estanque procedemos
a pescar cierta cantidad, 30, y las marcamos con un anillo, devolvindolas
al estanque. Transcurridos unos das volvemos a pescar otro montn y
observamos qu proporcin estn marcadas con la anilla. Es esta ltima
pesca obtenemos 100 ranas de las que 7 estn marcadas. Calcular un
intervalo al 99% de confianza para la proporcin de ranas marcadas.
R/(0,02816 0,11184)
33 - En una muestra de 65 sujetos las puntuaciones en una escala de
extroversin tienen una media de 32,7 puntos y una desviacin tpica de
12,64.
153

a) Calcule a partir de estos datos el correspondiente intervalo de
confianza, a un nivel del 90%, para la media de la poblacin. R/( 30,06 ,
35,34 )
b) Indique, con un nivel de confianza del 95%, cul sera el mximo error
que podramos cometer al tomar como media de la poblacin el valor
obtenido en la estimacin puntual. R/luego el mximo error que se puede
cometer, a este nivel de confianza, es: 3,16
34. En una muestra de 300 universitarios el 80% ha respondido que asiste
semanalmente al cine. Entre que valores se encuentra, con un nivel de
confianza del 95%, la proporcin de universitarios que acude todas las
semanas al cine.
R/( 0,755 ,, 0,845 )
35. El ndice de resistencia a la rotura, expresado en kg, de un
determinado tipo de cuerda sigue una distribucin Normal con desviacin
tpica 15.6 kg. Con una muestra de 5 de estas cuerdas, seleccionadas al
azar, se obtuvieron los siguientes ndices: 280, 240, 270, 285, 270.
a) Obtenga un intervalo de confianza para la media del ndice de
resistencia a la rotura de este tipo de cuerdas, utilizando un nivel de
confianza del 95%. R/ (255,326 282,674)
b) Si, con el mismo nivel de confianza, se desea obtener un error mximo
en la estimacin de la media de 5 kg, ser suficiente con elegir una
muestra de 30 cuerdas? R/ 38 cuerdas
36. Un fabricante de pilas alcalinas sabe que el tiempo de duracin, en
horas, de las pilas que fabrica sigue una distribucin Normal de media
desconocida y varianza 3 600. Con una muestra de su produccin,
elegida al azar, y un nivel de confianza del 95 % ha obtenido para la
media el intervalo de confianza (372,6; 392,2). Calcule el valor que obtuvo
para la media de la muestra y el tamao muestral utilizado. R/ media
382,4 y n =144
37. En un hospital se ha tomado la temperatura a una muestra de 64
pacientes para estimar la temperatura media de sus enfermos. La media
de la muestra ha sido 37,1 C y se sabe que la desviacin tpica de toda la
poblacin es 1,04 C.
a) Obtenga un intervalo de confianza, al 90 %, para la media poblacional.
R/(36.89; 37,31)
154

b) Con qu nivel de confianza podemos afirmar que la media de la
poblacin est comprendida entre 36,8C y 37,4 C? R/97,92%
SUGERENCIA no olvidar formula de la longitud
38. Se sabe que los estudiantes del Huila duermen un nmero de horas
diarias que se distribuye segn una ley Normal de media horas y
desviacin tpica =2 horas.
a) A partir de una muestra de 64 alumnos se ha obtenido el siguiente
intervalo de confianza (7.26, 8.14) para la media de la poblacin.
Determine el nivel de confianza con que se ha construido dicho intervalo.
R/ 92.16% SUGERENCIA (Z/2)=1- y la formula de amplitud
b) Determine el tamao muestral mnimo necesario para que el error que
se cometa al estimar la media de la poblacin por un intervalo de
confianza sea, como mximo, de 0.75 horas, con un nivel de confianza
del 98 %
39) Para controlar la calidad de los exmenes complementarios
realizados en un laboratorio clnico, el jefe de laboratorio decide repetir
personalmente la prueba a 10 de las 250 extracciones de sangre
realizadas ese da. Cul es el nmero entero que representa al intervalo
de seleccin si se realiza un muestreo sistemtico R/ 25
40) Se asigna un nmero diferente a cada elemento del Universo y se
seleccionan los que integrarn la muestra por medio de una Tabla de
nmeros aleatorios o por fichas numeradas que se extraen de un
bombo.
41) el jefe de laboratorio ngel para controlar la calidad de los exmenes
complementarios realizados en su laboratorio clnico, decide repetir
personalmente la prueba a 10 de las 250 extracciones de sangre
realizadas ese da.
N = 250 n =10 k =250/10 =25
Se escoge como punto de arranque cualquier nmero entero entre 1 y 25
para inicial la seleccin. Supongamos que se escoge el 8, la muestra
quedar entonces integrada por las extracciones nmero: 8; 33; 58; 83;
108; 133; 158; 183; 208 y 233.Que tipo de muestreo se aplico?
42) En una campaa contra el tabaquismo se quiere determinar la
proporcin de fumadores entre los pobladores de una comunidad, segn
el sexo. Se fij que el tamao de la muestra debe ser de 300 individuos.
Si las mujeres representan el 55% de los habitantes y por tanto los
155

hombres el 45% restante, se escogeran al azar para integrar la muestra
un total de 165 mujeres y 135 hombres. Ellos representan el 55% y el
45% respectivamente de 300.Que tipo de muestreo es el ms adecuado
para determinar la proporcin.
43) El ministerio de salud de Colombia para identificar los factores de
riesgo vulnerables de la enfermedad ateroesclertica en los trabajadores
agrcolas de Barragn, se seleccionan aleatoriamente un nmero de
cooperativas de produccin agropecuaria y se estudian a todos los
trabajadores de dichos centros. Para seleccionar las cooperativas cual es
mtodo de muestreo ms aconsejable.
44) Entre 8 alumnos de la escuela matechana se pretende realizar 5
pruebas de velocidad lectora eligiendo cada vez al azar a uno de ellos. No
tenemos ningn inconveniente en que un alumno pueda ser elegido ms
de una vez para realizar la prueba, por lo que vamos a realizar un
muestreo aleatorio simple con reposicin. a) Cuntas muestras
ordenadas posibles existen? R/ 32768 Qu probabilidad se asocia a
cada una de ellas? R/ 0.0000305. Qu probabilidad tenemos de que la
muestra est constituida por alumnos que se encuentran entre los 5 de
mejor nivel en el rea de lenguaje? R/0.0000305
45) A partir del listado alfabtico de los 500 alumnos matriculados en la
universidad, se le pide a Bienestar universitario que construya una
muestra de 30 alumnos utilizando el procedimiento de muestreo aleatorio
sistemtico. Qu alumnos debo incluir en la muestra R Una de las
posibles respuestas es 1, 18, 35, 52, hasta 485
46) Queremos extraer una muestra compuesta de 20 centros de
Enseanza de Cali respetando la estructura que presenta la poblacin
respecto a la caracterstica pblico-privado. Sabemos que de los 225
centros existentes en esta ciudad, 201 son pblicos y 24 de titularidad
privada. Cuntas elegiremos de cada tipo si realizamos un muestreo
estratificado con asignacin constante? R/10 y 10 pblicos y 2 privados
Y con asignacin proporcional? R/ 18 y 20
47) Entre los 8 alumnos de la zona rural de Santa Lucia se pretende elegir
a 5 alumnos con el fin de medir su velocidad lectora. Para evitar que el
profesor del aula trate de que sus alumnos obtengan un buen resultado y,
para ello, nos proponga a los 5 alumnos que mejores calificaciones suelen
obtener en el rea de lenguaje, vamos a realizar un muestreo aleatorio
simple sin reposicin, Cuntas muestras ordenadas posibles existen?
R/6720 Qu probabilidad se asocia a cada una de ellas? R/ 0,01488%
156

Qu probabilidad tenemos de que la muestra, en contra de lo que
pretendamos, est constituida por los 5 alumnos de mejor nivel en el rea
de lenguaje? R/ 1,786%
48) Los datos presentados a continuacin son los puntajes obtenidos
para 45 personas de una escala de depresin (mayor puntaje significa
mayor depresin).
2
11
14
16
19
5
11
15
16
19
6
13
15
17
19
8
13
16
17
19
8
14
16
17
19
9
14
16
18
19
9
14
16
18
19
10
14
16
18
20
11
14
16
19
20
Para construir un intervalo de confianza para el puntaje promedio

poblacional, asumamos que los datos tienen distribucin normal, con
varianza poblacional
desconocida., Encontrar, un intervalo de
confianza R/ el intervalo de confianza para es (13,2, 15,8). Es decir, el
puntaje promedio poblacional se encuentra entre 13,2 y 15,8 con una
confianza 95%.
49) En el 2012 la Unidad Central del valle tiene 5453 estudiantes, en la
tabla se muestra un detalle de la composicin. Necesitamos una muestra
de tamao 20 de la poblacin de estudiantes:
PREGRADO
POSGRADO
TOTAL
MUJERES
2461
67
2528
HOMBRES
2848
77
2925
TOTAL
5309
144
5453
Elija muestras de tamao 20 para 2 tipos de muestreo:

a. Muestreo Aleatorio Simple.
b. Muestreo Aleatorio Estratificado.
50) Una compaa de marketing saca una muestra aleatoria de la gua de
telfonos tomando 10 personas cuyos apellidos comiencen con letra A,
10 personas cuyos apellidos comiencen con la letra B, y as
sucesivamente con cada letra del alfabeto, para una muestra total de 260
personas.
a. Qu clase de diseo muestral se us aqu? b. Tienen todos los que
estn en la gua de telfonos igual posibilidad de ser elegidos en la
muestra?
157

51) En el centro de Tulua hay dos semforos consecutivos de modo que
2.5 minutos despus de que el primero se ponga verde se pone rojo el
segundo. Ambos se cierran cada 2 minutos, permaneciendo cerrados 30
segundos. Un conductor se ha detenido en el primero y el tiempo en
recorren la distancia entre ambos semforos es de (1,4). Cul es la
probabilidad de que se pare en el segundo? R/0.166 %
62) Indicar que tipo de muestreo se aplico en cada uno de los siguientes
enunciados
a) Suponga que nos interesa obtener una muestra de las opiniones de los
profesores de una gran universidad
b) Suponga que una compaa de servicio de televisin por cable est
pensando en abrir una sucursal en una ciudad grande; la compaa
planea realizar un estudio para determinar el porcentaje de familias que
utilizaran sus servicios, como no es prctico preguntar en cada casa, la
empresa decide seleccionar una parte de la ciudad al azar
c) Para obtener una muestra de suscriptores telefnicos en una ciudad
grande, puede obtenerse primero una muestra aleatoria de los nmeros
de las pginas del directorio telefnico; al elegir el vigsimo nombre de
cada pgina obtendramos un muestreo sistemtico, tambin podemos
escoger un nombre de la primera pgina del directorio y despus
seleccionar cada nombre del lugar nmero cien a partir del ya
seleccionado. Por ejemplo, podramos seleccionar un nmero al azar
entre los primeros 100; supongamos que el elegido es el 40, entonces
seleccionamos los nombres del directorio que corresponden a los
nmeros 40, 140, 240, 340 y as sucesivamente.
63) COMPLETAR
a) La distribucin de frecuencia de un estadstico muestral se
denomina __________________________. En general, la distribucin
muestral de un estadstico es la de todos sus valores posibles
calculados a partir de muestras del mismo tamao.
b) Suponga que se han seleccionado muestras aleatorias de tamao 20
en una poblacin grande. Se calcula la media muestral x para cada
muestra; la coleccin de todas estas medias muestrales recibe el nombre
de_________________________________________,
c) Mientras mayor sea el tamao de la muestra, ms cerca estar la
distribucin muestral de ser ____________________________
158

64)Se sabe que la resistencia a la ruptura de cierto tipo de cadena se
distribuye normalmente con media de 2000 libras y una varianza de
25,000 lbs Si se selecciona una muestra aleatoria de 100 cuerdas;
determine la probabilidadde que en esa muestra:
a) La resistencia media encontrada sea de por lo menos 1958 libras.
R/99.60%
b) La resistencia media se mayor de 2080 libras. R/0
65). Como parte de un proyecto general de mejoramiento de la calidad, el
fabricante textil Duke decide controlar el nmero de imperfecciones
encontradas en cada pieza de tela. Se estima que el nmero promedio de
imperfecciones por cada pieza de tela es de 12, determine la probabilidad
de que en la prxima pieza de tela fabricada se encuentren:
a) Entre 10 y 12 imperfecciones. R/
b) Menos de 9 y ms de 15 imperfecciones.
66). En una prueba de aptitud la puntuacin media de los estudiantes de
once de Tulua es de 72 puntos y la desviacin estndar es de 8 puntos.
Cul es la probabilidad de que dos grupos de estudiantes, formados de
28 y 36 estudiantes, respectivamente, difieran en su puntuacin media en:
a) 3 ms puntos. b) 6 o ms puntos. c) Entre 2 y 5 puntos.
67). Un especialista en gentica ha detectado que el 26% de los hombres
y el24% de las mujeres de cierta regin de Colombia tiene un leve
desorden sanguneo; si se toman muestras de 150 hombres y 150
mujeres, determine la probabilidad de que la diferencia muestral de
proporciones que tienen ese leve desorden sanguneo sea.. de:
a) Menos de 0.035 a favor de los hombres.
b) Entre 0.01 y 0.04 a favor de los hombres.
70. La vida media de un computador es de siete aos, con una
desviacin estndar de un ao. Suponga que las vidas de estas mquinas
siguen aproximadamente una distribucin normal, encuentre:
a) La probabilidad de que la vida media de una muestra aleatoria de 9 de
estas mquinas caiga entre 6.4 y 7.2 aos.
b) El valor de la media a la derecha del cual caera el 15% de las medias
calculadas de muestras aleatorias de tamao nueve.
159

71). Se llevan a cabo dos experimentos independientes en lo que se
comparan dos tipos diferentes de pintura. Se pintan 18 especmenes con
el tipo A y en cada uno se registra el tiempo de secado en horas. Lo
mismo se hace con el tipo B. Se sabe que las desviaciones estndar de la
poblacin son ambas 1.0. Suponga que el tiempo medio de secado es
igual para los dos tipo de pintura. Encuentre la probabilidad de que la
diferencia de medias en el tiempo de secado sea mayor a uno a favor de
la pintura A.R/0.13%
72) Las estaturas de 1000 estudiantes de colegio Occidente de Tulua
estn distribuidas aproximadamente en forma normal con una media de
174.5 centmetros y una desviacin estndar de 6.9 centmetros. Si se
extraen 200 muestras aleatorias de tamao 25 sin reemplazo de esta
poblacin, determine: a) El nmero de las medias muestrales que caen
entre 172.5 y 175.8 centmetros.R/ 152 media muestrales b) El nmero
de medias muestrales que caen por debajo de 172 centmetros.R/ 7
medias muestrales
73) Un Jarabe para el malestar estomacal tiene la advertencia de que
algunos usuarios pueden presentar una reaccin adversa a l, ms an,
se piensa que alrededor del 3% de los usuarios tienen tal reaccin. Si una
muestra aleatoria de 150 personas con malestar estomacal usa el jarabe ,
encuentre la probabilidad de que la proporcin de la muestra de los
usuarios que realmente presentan una reaccin adversa, exceda el 4%.
a) Resolverlo mediante la aproximacin de la normal a la binomial
R/p(x>6) = 0.1685. Este valor significa que existe una probabilidad del
17% de que al extraer una muestra de 150 personas, mas de 6
presentarn una reaccin adversa.
b) Resolverlo con la distribucin muestral de proporciones R/ existe una
probabilidad del 17% de que al tomar una muestrade 150 personas se
tenga una proporcin mayor de 0.04 presentando una reaccin adversa.
74) Se ha determinado que 60% de los estudiantes Uceva fuman
cigarrillos. Se toma una muestra aleatoria de 800 estudiantes. Calcule la
probabilidad de que la proporcin de la muestra de la gente que fuma
cigarrillos sea menor que 0.55.Realizarlo por 2 mtodos R//La
probabilidad del 0.17% de que al extraer una muestra de 800 estudiantes,
menos de 440 fuman cigarrillos.
.
160

LINKGRAFIA
http://www.bioestadistica.uma.es/libro/node78.htm
aprendeenlinea.udea.edu.co/lms/moodle/mod/.../view.php?...true...
http://www.vitutor.com/pro/2/a_h.html
http://www.vitutor.com/pro/2/a_a.html
http://www.uam.es/personal_pdi/psicologia/carmenx/Tema1.pdf
http://juancarlosvergara.50webs.org/Apuntes/Ejercicios%20Parte%20I.pdf
http://personal.telefonica.terra.es/web/pegonrui/tablas-estadisticas/tablasestadisticas.html
http://dta.utalca.cl/estadistica/ejercicios/recoger/Muestro/propuesto%20mu
estreo%20estra.pdf
http://sancur22ceapuntes.iespana.es/administracion/ceneval/operacionesy
metodos/02metodoscuantitativos/21pruebaship/pruebaship.htm
http://www.mitecnologico.com/Main/PotenciaDeLaPrueba
http://www.frasesypensamientos.com.ar/frases-de-estadistica.html
http://www.itch.edu.mx/academic/industrial/estadistica1/u0102.pdf
http://www.itescam.edu.mx/principal/sylabus/fpdb/recursos/r51634.PDF
161

Uia 1 Compulibro5

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

Uia 1 Compulibro5

Hochgeladen von

Copyright:

Verfügbare Formate

TOMO 1 DEL COMPULIBRO ESTADISTICA II DE CIR

EL LIBRO EN SU TOTALIDAD ESTA EN CD. DONDE ENCONTRARAS

TOMO 1 DEL COMPULIBRO ESTADISTICA II DE CIR

AGRADESCO PRIMERO A DIOS A MI ESPOSA HIJOS Y NIETOS

TOMO 1 DEL COMPULIBRO ESTADISTICA II DE CIR

TOMO 1 DEL COMPULIBRO ESTADISTICA II DE CIR

TOMO 1 DEL COMPULIBRO ESTADISTICA II DE CIR

TOMO 1 DEL COMPULIBRO ESTADISTICA II DE CIR

TOMO 1 DEL COMPULIBRO ESTADISTICA II DE CIR

PIDES QUE TERMNES EL EJEMPLO DADO

TOMO 1 DEL COMPULIBRO ESTADISTICA II DE CIR

TOMO 1 DEL COMPULIBRO ESTADISTICA II DE CIR

TOMO 1 DEL COMPULIBRO ESTADISTICA II DE CIR

TOMO 1 DEL COMPULIBRO ESTADISTICA II DE CIR

TOMO 1 DEL COMPULIBRO ESTADISTICA II DE CIR

TOMO 1 DEL COMPULIBRO ESTADISTICA II DE CIR

TOMO 1 DEL COMPULIBRO ESTADISTICA II DE CIR

Tipos de variable estadsticas

El estado civil, con las siguientes modalidades: soltero, casado, separado,

Una variable cualitativa ordinal presenta modalidades no nmericas, en

TOMO 1 DEL COMPULIBRO ESTADISTICA II DE CIR

v) Cn= es la aproximacin al dato entero que sigue si es discreta, ej. C=

TOMO 1 DEL COMPULIBRO ESTADISTICA II DE CIR

Nota si es decimales el Cn ser el decima que sigue y si es el dato es

TOMO 1 DEL COMPULIBRO ESTADISTICA II DE CIR

Tambin podemos calcular las variaciones mediantefactoriales:

Las variaciones se denotan por

No entran todos los elementos. De 5 dgitos entran slo 3.

TOMO 1 DEL COMPULIBRO ESTADISTICA II DE CIR

VARIACIONES CON REPETICIN

No entran todos los elementos. De 5 dgitos entran slo 3.

TOMO 1 DEL COMPULIBRO ESTADISTICA II DE CIR

S entran todos los elementos.

TOMO 1 DEL COMPULIBRO ESTADISTICA II DE CIR

S entran todos los elementos.

Tambin podemos calcular las combinaciones mediante factoriales:

TOMO 1 DEL COMPULIBRO ESTADISTICA II DE CIR

COMBINACIONES CON REPETICIN

se llama tambin nmero combinatorio. Se representa

y se lee "m sobre n".

Propiedades de los nmeros combinatorios

TOMO 1 DEL COMPULIBRO ESTADISTICA II DE CIR

Probabilidad de la unin de sucesos compatibles

Probabilidad de la interseccin de sucesos independientes

Probabilidad de la interseccin de sucesos dependientes

Probabilidad de la diferencia de sucesos

Teorema de la probabilidad total

TOMO 1 DEL COMPULIBRO ESTADISTICA II DE CIR

(1,1) (1,2) (1,3) (1,4) (1,5) (1,6)

TOMO 1 DEL COMPULIBRO ESTADISTICA II DE CIR

ESTIMADO ESTUDIANTE REALIZAR B Y C

TOMO 1 DEL COMPULIBRO ESTADISTICA II DE CIR

d) Dada la funcin de la grafica:

TOMO 1 DEL COMPULIBRO ESTADISTICA II DE CIR

2) La probabilidad de que el nmero obtenido sea par.

3) La probabilidad de que el nmero obtenido sea mltiplo de tres.

TOMO 1 DEL COMPULIBRO ESTADISTICA II DE CIR

2)De que el hombre viva 20 aos y su seora no.

3De que ambos mueran antes de los 20 aos.

TOMO 1 DEL COMPULIBRO ESTADISTICA II DE CIR

p(chica) = 0.9 0.7 + 0.1 0.6 = 0.69

2Al menos una sea copas.

3Una sea copa y la otra espada.