Estadística I

Estadstica I
Notas de clase (Borrador)
Martn Daz Rodrguez

Departamento de Matematicas
Universidad del Norte
Estadstica I
Notas de clase (Borrador)
M. Daz Rodrguez
Barranquilla-Colombia
2016
Martn Daz Rodriguez

Estadstica I, (Borrador) Notas de clase.
Barranquilla:Ediciones Uninorte, 2016
145p
ISBN:
c
Ediciones
Uninorte,2016
c
Mart
n Daz Rodrguez, 2016
Cordinaci
on editorial
Editor
Martn Daz Rodrguez.
Correcci
on de textos
Dise
no de portada
Impreso y hecho en Colombia
Indice de cuadros
1.1
1.2
1.3
Grado de satisfaccion en ciencias polticas . . . . . . . . . . . . . . .

Grado de satisfaccion en ciencias polticas . . . . . . . . . . . . . . .
Grado de satisfaccion en ciencias economicas . . . . . . . . . . . . . .
4.1
4.2
Grado de satisfaccion en ciencias economicas . . . . . . . . . . . . . . 133

Grado de satisfaccion en por profesion . . . . . . . . . . . . . . . . . 134
51
53
56
vi
Martn Daz Rodrguez
INDICE DE CUADROS
Indice general
1 Estadstica Descriptiva.
1.1 Introduccion . . . . . . . . . . . . . . . . . . . . . . .
1.1.1 Rese
na Historica . . . . . . . . . . . . . . . .
1.2 Estadstica Descriptiva . . . . . . . . . . . . . . . . .
1.2.1 Componentes de una investigacion estadstica
1.2.2 Tipos de datos y escalas de medicion . . . . .
1.2.3 Distribuciones de frecuencias . . . . . . . . . .
1.2.4 Tablas de frecuencias . . . . . . . . . . . . . .
1.2.5 Medidas de centralizacion . . . . . . . . . . .
1.2.6 Medidas de dispersion . . . . . . . . . . . . .
1.3 Propiedades de la varianza . . . . . . . . . . . . . . .
1.4 Datos agrupados por intervalos. . . . . . . . . . . . .
1.5 Demostraciones . . . . . . . . . . . . . . . . . . . . .
1.5.1 Demostracion 1 . . . . . . . . . . . . . . . . .
1.5.2 Demostracion 2 . . . . . . . . . . . . . . . . .
2 Probabilidad.
2.1 Introduccion . . . . . . . . . . . . . . . . . . .
2.2 Repaso sobre conjuntos y algunas propiedades:
2.2.1 Propiedades de conjuntos: . . . . . . .
2.3 Espacio Muestral. . . . . . . . . . . . . . . . .
2.4 Definicion Axiomatica de Probabilidad: . . . .
2.4.1 Tecnicas de Conteo . . . . . . . . . .
2.4.2 Probabilidad Condicional . . . . . . .
2.4.3 Probabilidad Total . . . . . . . . . . .
2.4.4 Regla de Bayes . . . . . . . . . . . .
2.5 Ejercicios . . . . . . . . . . . . . . . . . . . .
vii
. .
.
. .
. .
. .
. .
. .
. .
. .
. .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1
1
2
3
4
5
7
7
9
11
13
23
42
42
42
.
.
.
.
.
.
.
.
.
.
57
57
59
59
61
63
66
70
71
71
74
viii
3
Martn Daz Rodrguez
Variables Aleatorias Unidimensionales.

3.1 Variables Aleatorias Discretas . . . . . . . . . . . . .
3.2 Variable Aleatoria Continua. . . . . . . . . . . . . . .
3.2.1 Funcion de probabilidad acumulada . . . . .
3.3 Distribuciones especiales de variables aleatorias . . .
3.3.1 Variables aleatorias discretas (casos especiales)
3.4 Variable aleatoria continua (casos especiales) . . . . .
3.5 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
85
85
86
87
88
88
92
98
Distribuciones conjuntas.
4.1 Variables Aleatorias Discretas Bidimensionales . . . . . . . . . . . . .
4.2 Variables Aleatorias Continuas Bidimensionales . . . . . . . . . . . .
4.3 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
113
113
113
121
INDICE GENERAL
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Captulo 1
Estadstica Descriptiva.
1.1.
Introducci
on
Haciendo un esfuerzo de reduccion y en formato de diccionario, es posible reconocer

la estadstica como la:
C
iencia que se ocupa del estudio de fenomenos de tipo generico, normalmente
complejos y enmarcados en un universo variable, mediante el empleo de modelos de
reduccion de la informacion y de analisis de validacion de los resultados en
terminos de representatividad .
En otras palabras y aunque no es lo suficientemente exacto por no encerrar la inmensidad de aplicaciones, puede afirmarse que la estadstica es la ciencia que se ocupa de
reunir, organizar y analizar datos con el objeto de obtener afirmaciones fiables (informacion valida, sin errores, y representativa) que permitan resolver problemas como
el dise
no de experimentos y la toma de decisiones a traves de las fases de recogida de
informacion, (donde la informacion puede ser numerica, alfabetica o simbolica) de
analisis y de presentacion e interpretacion de los resultados y elaboracion de metodos.
En estadstica existe siempre una relacion entre la informacion necesaria y la
fiabilidad del conocimiento que esta proporciona, puesto que la certeza completa
es inalcanzable. El arte de la estadstica practica reside en la investigacion de la
probabilidad de un hecho y en el conocimiento de la cantidad de informacion que se
requiere para calcular su probabilidad.
1
SANCHEZ-CRESPO, G; MANZANO, V.: Sobre la definicion de Estadstica.Boletn de la
International Association of Statistical Education para America Latina, Oct. (2002), (5 pp) (dpp)
Martn Daz Rodrguez
La estadstica es la ciencia que trata de obtener afirmaciones fiables sobre hechos o fenomenos variables. Esta desempe
nando un importante papel ascendente
en casi todas las facetas del progreso humano. Anteriormente solo era aplicada a
los asuntos del estado, de donde viene su nombre; pero ahora la influencia de la
estadstica se extiende a la agricultura, biologa, negocios, qumica, comunicaciones,
economa, ense
nanza, electronica, medicina, fsica, ciencias polticas, psicologa,
sociologa y otros muchos campos de la ciencia e ingeniera.
El proposito de este trabajo en su primera parte, es presentar una introduccion a los
principios generales de la estadstica descriptiva que sea de utilidad para todos, con
independencia de sus campos de especializacion; como la organizacion y analisis de
datos, probabilidades de eventos, las diferentes formas en que se pueden distribuir las
probabilidades y variar los datos de cualquier muestra o poblacion. Ademas espero
que en su segunda parte tambien sirva de consulta para todos aquellos que esten
ligados de una u otra forma con aplicaciones estadsticas en sus propios problemas
de investigacion.
En este documento recopilaremos de forma organizada conceptos importantes que
permitan obtener una vision y claridad amplia de la definicion antes expuesta y de
la gran influencia de la ciencia estadstica dentro de casi todos lo fenomenos que nos
rodean especialmente a aquellos interesados en el desarrollo cientfico.
1.1.1.
Rese
na Hist
orica
Desde los comienzos de la civilizacion han existido formas sencillas de estadstica,

pues ya se utilizaban representaciones graficas y otros smbolos en pieles, rocas,
palos de madera y paredes de cuevas para contar el n
umero de personas, animales o
cosas. Hacia el a
no 3000 a.C. los babilonios usaban peque
nas tablillas de arcilla para
recopilar datos sobre la produccion agrcola y sobre los generos vendidos o cambiados
mediante trueque. En el siglo XXXI a.C., mucho antes de construir las piramides,
los egipcios analizaban los datos de la poblacion y la renta del pas. Los libros
bblicos de N
umeros y Cronicas incluyen, en algunas partes, trabajos de estadstica.
El primero contiene dos censos de la poblacion de Israel y el segundo describe
el bienestar material de las diversas tribus judas. En China existan registros
numericos similares con anterioridad al a
no 2000 a.C. Los griegos clasicos realizaban
censos cuya informacion se utilizaba hacia el 594 a.C. para cobrar impuestos.
El Imperio romano fue el primer gobierno que recopilo una gran cantidad de
datos sobre la poblacion, superficie y renta de todos los territorios bajo su control.
Durante la edad media solo se realizaron algunos censos exhaustivos en Europa. Los
CAPITULO 1. ESTADISTICA DESCRIPTIVA.
Estadstica I. Notas de clase (Borrador)
reyes caloringios Pipino el Breve y Carlomagno ordenaron hacer estudios minuciosos

de las propiedades de la Iglesia en los a
nos 758 y 762 respectivamente. Despues de la
conquista normanda de Inglaterra en 1066, el rey Guillermo I de Inglaterra encargo
la realizacion de un censo. La informacion obtenida con este censo, llevado a cabo
en 1086, se recoge en el Domesday Book. El registro de nacimientos y defunciones
comenzo en Inglaterra a principios del siglo XVI, y en 1662 aparecio el primer
estudio estadstico notable de poblacion, titulado Observations on the London Bills
of Mortality (Comentarios sobre las partidas de defuncion en Londres). Un estudio
similar sobre la tasa de mortalidad en la ciudad de Breslau, en Alemania, realizado
en 1691, fue utilizado por el astronomo ingles Edmund Halley como base para la
primera tabla de mortalidad. En el siglo XIX, con la generalizacion del metodo
cientfico para estudiar todos los fenomenos de las ciencias naturales y sociales, los
investigadores aceptaron la necesidad de reducir la informacion a valores numericos
para evitar la ambig
uedad de las descripciones verbales.
En nuestros das, la estadstica se ha convertido en un metodo efectivo para
describir con exactitud los valores de datos economicos, polticos, sociales, psicologicos, biologicos o fsicos, y sirve como herramienta para relacionar y analizar dichos
datos. El trabajo del experto estadstico no consiste ya solo en reunir y tabular
los datos, sino sobre todo en el proceso de nterpretacionde esa informacion. El
desarrollo de la teora de la probabilidad ha aumentado el alcance de las aplicaciones
de la estadstica. Muchos conjuntos de datos se pueden aproximar, con gran
exactitud, utilizando determinadas distribuciones probabilsticas; los resultados de
estas se pueden utilizar para analizar datos estadsticos. La probabilidad es u
til
para comprobar la fiabilidad de las inferencias estadsticas y para predecir el tipo y
la cantidad de datos necesarios en un determinado estudio estadstico.
1.2.
Estadstica Descriptiva
Debido a lo extenso y variado del campo cubierto por la estadstica es difcil

proponer una definicion precisa del concepto, sin embargo, en terminos generales,
podra decirse que la estadstica es el estudio de los fenomenos aleatorios y de la
recopilacion, presentacion, analisis y uso de datos para tomar decisiones y resolver
problemas en caso de incertidumbre. No obstante los estudiosos de la estadsticas
estan de acuerdo en la clasificacion de la misma para su estudio en dos estructuras
que si se quiere se pueden considerar como complementarias; por un lado la
estadstica descriptiva, y, por el otro la estadstica inferencial, las que desempe
nan
1.2. ESTADISTICA DESCRIPTIVA
Martn Daz Rodrguez
com lo dije antes funciones distintas pero complementarias.

La estadstica descriptiva trata del resumen y descripcion de datos, para poner de
manifiesto las caractersticas de los mismos, a traves de representaciones n
umericas,
tabulares o graficas. El analisis se limita en si mismo a los datos seleccionados y no
se plantea extender la conclusion obtenida a partir de ellos a toda la poblacion.
La estadstica descriptiva es el trabajo preliminar para la interferencia, entendiendo por interferencia estadstica el proceso de hacer predicciones a cerca de un
todo o tomar decisiones al basarnos en la informacion contenida en una muestra.
La estadstica es la ciencia, pura y aplicada, que crea, desarrolla y aplica tecnicas,
de modo que pueda evaluarse la incertidumbre derivada de interferencias inductivas.
1.2.1.
Componentes de una investigaci

on estadstica
Definici
on 1.2.1. Experimentos aleatorios : Son el objeto de estudio de la estadstica
y tienen que ver con el azar.
Definici
on 1.2.2. Poblacion : Es el conjunto de todos los posibles resultados que se
pueden obtener de un experimento aleatorio.
Definici
on 1.2.3. Muestra : Cualquier subconjunto extrado de una poblacion.
Una muestra es representativa de una poblacion cuando cumple las siguientes
condiciones:
1. De tama
no adecuado.
2. Tomada al azar.
3. Las conclusiones tomadas de la muestra puedan extenderse a la poblacion.
Definici
on 1.2.4. Muestra Aleatoria : Es cualquier muestra escogida al azar.
Definici
on 1.2.5. Parametro : Cualquier caracterizacion objeto de estudio en una
poblacion.
Ejemplo: La media poblacional, la mediana poblacional.
Un parametro se considera como el valor verdadero de la caracterstica a estudiar.
Definici
on 1.2.6. Estadsticos : Cualquier caracterizacion de la poblacion realizada
sobre una muestra.
1.2.2.
Tipos de datos y escalas de medici

on
Un conjunto de observaciones (datos) puede hacerse mas comprensible y adquirir

significado mediante un arreglo ordenado. Estos datos pueden ser cuantitativos o
cualitativos.
Definici
on 1.2.7. Datos cuantitativos : Son aquellos cuya determinacion esta
asociada a una unidad de medida. Como son, por ejemplo, los datos correspondientes
a los pesos de las personas, la edad de un grupo de personas, el n
umero de estudiantes
en las diferentes carreras en una universidad, etc.
Definici
on 1.2.8. Datos cualitativos : Son aquellos que se refieren a caractersticas
o atributos tales como, color del cabello, sexo, estrato social, etc.
La asignacion de n
umeros a los objetos se puede hacer de acuerdo con reglas
diferentes, lo cual origina distintas escalas de medicion, las cuales seran descritas a
continuacion:
Definici
on 1.2.9. Escala nominal : Es aquella en la que los n
umeros solo se emplean
para diferenciar los objetos, distintas categoras o nombres.
Por ejemplo, los n
umeros en las camisetas de los jugadores de f
utbol, los n
umeros
de la cedula de ciudadana, etc.
Definici
on 1.2.10. Escala ordinal : Es aquella en que los n
umeros se utilizan para
diferenciar en orden de supremaca de acuerdo con cierto criterio jerarquico; como
son los n
umeros que se utilizan para clasificar los distintos estratos socioeconomicos
o para designar preferencias. Cuando los objetos son medidos en esta escala, los que
tengan la misma asignacion se consideran iguales, y los que tengan asignaciones
distintas se consideran diferentes.
La diferencia entre dos n
umeros ordinales no tiene significado cuantitativo, solo
expresa que una situacion es mejor que otra, pero no cuanto.
Definici
on 1.2.11. Escala de intervalos : Es una escala mas especializada que las
dos anteriores, en el sentido de que es posible ordenar las mediciones y decir en
cuanto difiere una situacion de la otra.
Martn Daz Rodrguez
Por ejemplo en las mediciones de la temperatura no solo podemos decir que hoy
hace mas calor que ayer, sino que podemos decir hoy la temperatura es dos grados
mas alta que ayer. Esta escala es una escala verdaderamente cuantitativa.
Definici
on 1.2.12. Escala de razon : Es aquella que tiene una unidad de medida, un
punto de origen no arbitrario (un cero verdadero, sinonimo de ausencia del atributo).
Por ejemplo el peso de una persona, su estatura, etc, en esta escala la razon entre
dos n
umeros es significativa, por ejemplo, si Paulo saco 5.0 y Graciela saco 2.5 en un
curso de Estadstica I, cuya calificaciones oscila de 0.0 a 5.0, entonces Paulo saco el
doble de nota que Graciela.
Una vez que se han precisado las distintas escalas a las que estaran referidos los datos,
se pasa a rese
nar los elementos basicos que forman parte de las distintas maneras
como se pueden resumir los datos con el proposito de tener una vision aproximada
de las caractersticas mas sobresalientes de estos.
Datos discretos y continuos
Representaremos los datos con las u
ltimas letras del abecedario, tales como x, y, z, las
cuales pueden tomar cualquier valor de un conjunto prefijado de valores. Si los datos
solo pueden tomar el mismo valor en todos los casos, a estos datos los llamaremos
constante.
Definici
on 1.2.13. Datos continuos : Si un dato x puede tomar cualquier valor en
un intervalo dado, entonces x se le llama dato continuo.
Definici
on 1.2.14. Datos discretos : Si un dato x puede tomar solo un n
umero finito
o infinito pero contable de valores en un intervalo dado, entonces se dice que x es un
dato discreto.
En general las medidas dan origen a datos continuos, mientras que las enumeraciones
o conteos originan datos discretos.
Ejemplo 1.2.1. Identificar de los siguientes datos cuales representan datos
discretos y cuales datos continuos?:
1. N
umero de acciones vendidas cada da en un mercado de valores.
R/: Discreta, por ser el n
umero de acciones, algo contable.
2. Temperaturas registradas cada media hora en un observatorio.

R: Continua, porque la temperatura puede tomar cualquier valor en un rango
dado.
1.2.3.
Distribuciones de frecuencias
Definici
on 1.2.15. Frecuencia de un dato : Sean {x1 , x2 , x3 , ..., xn } un conjunto de
datos distintos. Se define la frecuencia de un dato i, denotada fi como el n
umero de
veces que aparece el dato en la poblacion; i=1,2,...n.
Ejemplo 1.2.2. Para los siguientes 6 datos {1,1,2,2,2,3} se tiene que la frecuencia
del n
umero 1 es 2; la del n
umero 2 es 3 y la del n
umero 3 es 1.
Definici
on 1.2.16. Frecuencia acumulada hasta un dato dado: Sean {x1 , x2 , ..., xn },
un conjunto de datos con frecuencias f1 , f2 , . . . , fn respectivamente, se define la
frecuencia acumulada hasta el dato xi , i = 1, ..., n denotada Fi as:
Fi = ik=1 fk = f1 + f2 + ... + fi ;
i = 1, 2, ...n.
Definici
on 1.2.17. Frecuencia relativa de un dato : Sean {x1 , x2 , ..., xn }, un
conjunto de datos con frecuencias f1 , f2 , . . . , fn respectivamente, se define la
frecuencia relativa de un dato xi , i = 1, ..., n, denotada fri as:
fri =
fi
n
k=1 fk
i = 1, 2..., n.
Definici
on 1.2.18. Frecuencia relativa acumulada hasta un dato dado: Sean
{x1 , x2 , ..., xn }, un conjunto de datos con frecuencias f1 , f2 , . . . , fn respectivamente,
se define la frecuencia relativa acumulada del dato xi , i = 1, ..., n denotada Fri as:
Fri =
1.2.4.
Fi
n
k=1 fk
i = 1, 2..., n
Tablas de frecuencias
Las tablas de frecuencia constan de dos o mas columnas (o filas). En el caso

de una tabla de frecuencia con dos columnas; en la primera escribiremos los
valores de los datos (variable), los cuales denotaremos con xi y en la segunda
las correspondientes frecuencias,fi . Estas sencillas tablas se utilizan, cuando la
variable de estudio es discreta y generalmente el n
umero de datos no es demasiado grande. Cuando el n
umero de datos es demasiado grande se acostumbra
a clasificar los datos por grupos o categoras, este tema lo abordaremos mas adelante.
Las tablas de frecuencias puede ser ampliada agregando nuevas columnas con las
frecuencias relativas y las frecuencias acumuladas, y a
un mas.
Martn Daz Rodrguez
Ejemplo 1.2.3. Distribucion de frecuencias.

Los datos siguientes representan las edades en a
nos de 31 estudiantes de un curso
de estadstica I en administracion:
17
18
20
20
21
19
19
18
18
20
19
20
18
18
19
19
19
18
20
18
19
18
18
20
19
18
19
18
18
18
18
Organice los datos, calcule sus frecuencias, frecuencias acumuladas y relativas, y

representelas por medio de una tabla de frecuencias.
Soluci
on:
De acuerdo con los datos, se observa que estos jovenes tienen edades comprendidas
entre 17 y 21 a
nos. Si denotamos con x1 los que tienen 17 a
nos, con x2 los que
tienen 18 a
nos, x3 los de 19 a
nos, x4 los de 20 a
nos y con x5 los de 21 a
nos; la
tabla de frecuencias, se puede expresar de la siguiente manera:
xi
x1 = 17
x2 = 18
x3 = 19
x4 = 20
x5 = 21
fi
f1 = 1
f2 = 14
f3 = 9
f4 = 6
f5 = 1
Fi
F1 = 1
F2 = 15
F3 = 24
F4 = 30
F5 = 31
fri
fr1 = 1/31
fr2 = 14/31
fr3 = 9/31
fr4 = 6/31
fr5 = 1/31
Fri
Fr1 = 1/31
Fr2 = 15/31
Fr3 = 24/31
Fr4 = 30/31
Fr5 = 31/31
En la misma se observa que la frecuencia de las edades 17, 18, 19, 20 y 21

a
nos definidas en la segunda columna de la tabla son: 1, 14, 9, 6 y 1 respectivamente, es decir, f1 = 1, f1 = 14, f1 = 9, f1 = 6 y f1 = 1.
En la tercera columna de la tabla encontramos las frecuncias acumuladas de los
estudiantes, en la cuarta columna se encuentran las frecuencias relativas correspondientes a cada una de las edades distintas. Se observa, por ejemplo, que la frecuencia
relativa para los estudiantes que tienen 18 a
nos es fr2 = 14
= 45,16 %, es decir, que
31
los jovenes de 18 a
nos, representan mas del 45 % de los estudiantes de este grupo.
En la u
ltima columna se encuentran las frecuencias relativas acumuladas de las
edades, se observa en ella, que la frecuencia relativa acumulada hasta 18 a
nos que
15
corresponde al segundo dato distinto en la tabla es de Fr2 = 31
= 48,38 %; o sea
que la contribucion del estudiante que tienen 17 a
nos en el acumulado del grupo es
mnima.
Ejemplo 1.2.4. Se lanzan cinco monedas 1000 veces . El n

umero de lanzamientos
en los que han salido 0,1,2,3,4,5 caras se indican en la siguiente tabla:
No de caras
0
1
2
3
4
5
ni
38
144
342
287
164
25
fi
Ni
Fi
1. Completar la tabla
2. Determinar para que clase Fi es mayor que el 60 % :F
1.2.5.
Medidas de centralizaci
on
Definici
on 1.2.19. Moda
Sean {x1 , x2 , ..., xn }, un conjunto de datos con frecuencias f1 , f2 , . . . , fn respectivamente, se define el dato moda, denotado x, como aquel que tiene como frecuencia a
fk , siendo fk fi para i {1, 2, ..., n}, k = 1,2,...,n.
La moda de una serie de datos es aquel dato que se presenta con mayor frecuencia,
es decir, es el dato mas com
un.
La moda puede no existir, incluso si existe puede no ser u
nica. Una distribucion que
tiene una sola moda se llama unimodal.
En caso de los datos (numericos) agrupados donde se ha construido una curva
de frecuencias para ajustar los datos, la moda sera el valor (o valores ) de x
correspondientes al maximo de la curva.
Definici
on 1.2.20. Mediana
Sean {x1 , x2 , ..., xn }, un conjunto ordenado de todos los datos de una poblacion, se
define la mediana poblacional, denotada x as:
( Xn + Xn
2
2 +1
si n es par
2
x =
X n+1
si n es impar
2
10
Martn Daz Rodrguez
La mediana de una coleccion de datos ordenados en orden de magnitud, es el valor

que divide al conjunto de datos en dos partes iguales, es decir, el 50 % de los datos
son menores o iguales a el y el otro 50 %, son mayores o iguales a el. A esta medida
tambien se le conoce con el nombre de percentil 50. Si la poblacion se divide en vez
de en dos partes, en cuatro partes, entonces cada una de la partes se le conoce con el
nombre de cuartil; si ordenamos los datos de manera ascendente, el primer cuartil,
sera el dato que deja por debajo de el, el 25 % de los datos, el segundo cuartil, sera
la mediana y el tercer cuartil, correspondera al dato que deja por debajo del el, el
75 % de los datos. Denotaremos el primero, segundo y tercer cuartil por Q1 , Q2 y Q3 ,
respectivamente.
Definici
on 1.2.21. Media poblacional: Sean {x1 , x2 , ..., xn }, el conjunto de todos
los datos distintos en una poblacion y sean f1 , f2 , . . . , fn las frecuencias respectivas,
se define la media poblacional, denotada , as:
Pn
f i xi
.
= Pi=1
n
i=1 fi
Nota: Si fi = 1, i = 1,2,...n, entonces:
Pn
=
i=1
xi
Definici
on 1.2.22. Media muestral
Sean x1 , x2 , ......, xn , una muestra de datos distintos extrada de una poblaci
on y
sean f1 , f2 , ...., fn , las frecuencias respectivas. Se define la media muestral, denotada
X, as:
Pn
i=1 fi Xi
X= P
.
n
i=1 fi
Nota: Si fi =1, para todo i = 1, 2, ..., n, entonces
Pn
Xi
X = i=1 .
n
11
1.2.6.
Medidas de dispersi
on
Al grado en que los datos cuantitativos tienden a extenderse alrededor de un valor

medio se le llama variacion o dispersion de los datos. Se utilizan varias medidas de
dispersion, como lo son:
Definici
on 1.2.23. Rango
El rango de un conjunto de datos cuantitativos es la diferencia entre el mayor y el
menor de estos, denotaremos el rango con la letra r.
Definici
on 1.2.24. Desviacion Media
Sean {x1 , x2 , ..., xn }, el conjunto de todos los datos distintos de una poblacion y sean
f1 , f2 , . . . , fn las frecuencias respectivas, se define la desviacion media poblacional,
denotada D.M., as:
Pn
f |x
i=1
Pni i
i=1 fi
D.M. =
Nota: Si fi = 1, i = 1,2,...n, entonces:
Pn
i=1
D.M. =
|xi |
.
n
Definici
on 1.2.25. Varianza Poblacional
Sean x1 , x2 , ..., xN , el conjunto de todos los datos distintos de una poblacion y sean
f1 , f2 , ..., fN , las frecuencias respectivas. Se define la varianza poblacional, denotada
, 2 as:
PN
fi (xi )2
.
PN
i=1 fi
i=1
Y en el caso particular de fi = 1, i = 1,2,...N, entonces:

12
Martn Daz Rodrguez
PN
i=1 (xi
)2
Definici
on 1.2.26. Varianza muestral
Sean x1 , x2 , ......, xN , una muestra de datos distintos extrada de una poblaci
on
y sean f1 , f2 , ...., fN , las frecuencias respectivas. Se define la varianza muestral,
denotada S 2 , as:
Pn
f (X X)2
2
Pni i
,
S = i=1
i=1 fi 1
donde X es la media muestra.
Nota: Si fi =1, para todo i = 1, 2, ..., n, entonces
Pn
2
2
i=1 (Xi X)
S =
n1
Definici
on 1.2.27. Desviacion Estandar Poblacional
Sea 2 la varianza poblacional, se define la desviacion estandar poblacional, denotada, , as:
=
2.
Osea que la desviacion estandar poblacional, es la raz cuadrada positiva de la

varianza poblacional.
Definici
on 1.2.28. Desviacion estandar muestral
Sea S 2 la varianza en una muestra de tama
no n, extraida de una poblacion, se define
la desviacion estandar muestral, denotada S as:
S = S 2.
Osea que la desviacion estandar muestral S, es la raz cuadrada positiva de la
varianza muestral S 2 .
sP
n
fi (Xi X)2
i=1P
S=
,
fi 1
donde X es la media muestral.
13
1.3.
Propiedades de la varianza
1. Si Y=aX+b, entonces 2 Y = a2 2 X
2. Si Y=aX, entonces 2 Y = a2 2 X
3. Si X=c, entonces 2 X = 0.
Demostraci
on:
1) Se demostrara para el caso poblacional.
Por definicion sabemos que
P
fi (Yi Y )2
2
P
, y por hipotesis que
Y =
fi
Yi = aXi + b, para todo i = 1, 2, ..., N, entonces,
X
X
X
X
f i Yi =
fi (aXi + b) =
fi aXi +
fi b,
lo cual implica que
P
P
P
P
P
f i Yi
a f i Xi b f i
fi aX i
fi b
Y = P
= P
+ P
= P
+ P
= aX + b
fi
fi
fi
fi
fi
(1.1)
(1.2)
(1.3)
(1.4)
reemplazando 1.2 y 1.4 en 1.1 se tiene:
Y2
P
=
a2
fi (aXi + b aX b)2
P
=
fi
fi (Xi )2
2
P
= a2 X
fi
(1.5)
Definici
on 1.3.1. Coeficiente de Variacion
Denotado C.V., se define como:
C.V. =
(1.6)
El coeficiente de variacion mide el porcentaje de variabilidad de un conjunto de datos

con respecto a su media. Este coeficiente nos permite comparar variabilidades de dos
o mas conjuntos de datos sin importar el n
umero de elementos o las unidades en que
esten dados los mismos.
1.3. PROPIEDADES DE LA VARIANZA
14
Martn Daz Rodrguez
Definici
on 1.3.2. Coeficiente de Sesgo
Sean {x1 , x2 , ..., xn }, un conjunto de datos distintos con frecuencias f1 , f2 , . . . , fn
respectivamente, se define el coeficiente de sesgo, denotado C.S., as:
Pn
C.S. =
i=1
fi (xi )3 /
3
Pn
i=1
fi
(1.7)
En el caso particular de fi = 1, i = 1,2,...n, entonces:

Pn
C.S. =
i=1 (xi
)3 /n
Si C.S. es mayor que cero decimos que la curva plana de distribucion de los datos
versus las frecuencias respectivas es sesgada a derecha, es decir, la grafica de
distribucion de los datos debe ser de la siguiente forma:
Si C.S. es igual a cero decimos que la curva plana de distribucion de los datos versus
las frecuencias respectivas es insesgada, es decir, la grafica de distribucion de los
datos debe ser de la siguiente forma:
15
Si C.S. es menor que cero decimos que la curva plana de distribucion de los datos
versus las frecuencias respectivas es sesgada a izquierda, es decir, la grafica de
En general, el coeficiente de sesgo, nos da informacion de la distribucion simetrica o

no, de un conjunto de datos alrededor de la media.
16
Martn Daz Rodrguez
Definici
on 1.3.3. Coeficiente de Kurtosis:Denotado C.C.
Sean {x1 , x2 , ..., xn }, un conjunto de datos distintos con frecuencias f1 , f2 , . . . , fn
respectivamente, se define el coeficiente de Kurtosis, denotado C.C., as:
Pn
C.C. =
i=1
fi (xi )4 /
4
Pn
i=1
fi
(1.8)
En el caso particular de fi = 1, i = 1,2,...n, entonces:

Pn
C.C. =
i=1 (xi
)4 /n
Si C.C. es mayor que tres decimos que la curva de distribucion de los datos versus
las frecuencias respectivas es empinada, es decir, la grafica de distribucion de los
Si C.C. es igual a tres decimos que la curva de distribucion de los datos versus
las frecuencias respectivas es normal (forma de campana), es decir, la grafica de
17
Si C.C. es menor que tres decimos que la curva de distribucion de los datos versus
las frecuencias respectivas es achatada, es decir, la grafica de distribucion de los
En general, el coeficiente de curtosis, es una medida de apuntamiento de la

distribucion de los datos, el cual mide el comportamiento de datos en las colas en
relacion con los datos que se encuentran alrededor de la media.
18
Martn Daz Rodrguez
UNIVERSIDAD DEL NORTE

PRIMER PARCIAL DE ESTADISTICA I
Ejemplo 1.3.1. Los datos en la tabla siguiente, representan las edades en a
nos de
un grupo de estudiantes universitarios
17
18
20
20
21
19
19
18
18
20
19
20
18
18
19
19
19
18
20
18
19
18
18
20
19
18
19
18
18
18
18
Tomando como base los datos de la tabla, haga lo siguiente:

1. Calcule la media
2. Calcule la varianza
3. Calcule el coeficiente de variacion
4. Calcule el coeficiente de sesgo.
5. Con base en los resultados obtenidos en los items anteriores, describa las
caractersticas que presentan estos jovenes en relacion con la edad.
19
Pn
fi x i
= Pi=1
.
n
i=1 fi
Pn
fi (xi
i=1P
n
i=1 fi
Pn
C.C. =
4
i=1 fi (xi ) /
4
Pn
C.S. =
i=1
fi (xi )3 /
3
C.V. =
)2
Pn
i=1
Pn
i=1
fi
fi
(1.9)
(1.10)
(1.11)
20
Martn Daz Rodrguez
Soluci
on:
xi
17
18
19
20
21
Suma
fi
1
14
9
6
1
Pn
i=1
Fi
1
15
24
30
31
f i xi /
(xi )2
2.89
0.49
0.09
1.69
5.29
fi xi
17
252
171
120
21
581
Pn
i=1 fi ,
(xi )3
-4.91
-0.34
0.027
2.19
12.16
9.13
(xi )4
8.35
0.24
8.1*103
2.85
27.98
39.42
fi (xi )2
2.89
6.86
0.81
10.14
5.29
25.99
fi (xi )3
-4.91
-4.76
0.243
13.14
12.16
fi (xi )4
8.35
3.36
0.07
1701
27.98
entonces:
= 581/31 = 18.7
2=
Pn
i=1
fi (xi )2 /
Pn
i=1 fi ,
entonces:
2 = 25.99 / 31 =0.83
C.V.= , entonces:
C.V.=
C.S.=
C.S.=
0,83/ 18.7 = 0.04
Pn
3
i=1 fi (xi ) /
3
15,87/31
( 0,83)3
Pn
i=1
fi
, entonces:
= 0,67
Problema de aplicaci
on 1. A la asociacion colombiana de ciencias economicas
le preocupa la escasez de profesionales en este campo que parece se dara en un
futuro no lejano en la ciudad de Barranquilla. Para investigar el grado actual
de satisfaccion con la profesion, se ha patrocinado un estudio en toda la ciudad. Como parte de este estudio se pidio a 50 profesionales de este campo que
indicaran su grado de satisfaccion con respecto al trabajo, el salario y las oportunidades de ascenso. Se reunieron los datos en la tabla que se presenta a continuaci
on:
21
Trabajo
71
84
84
87
72
72
72
63
84
90
73
94
84
85
88
74
71
88
90
85
79
72
88
77
64
Sueldos
49
53
74
66
59
37
57
48
60
62
56
60
42
56
55
70
45
49
27
89
59
60
36
60
43
Ascensos
58
63
37
49
79
86
40
78
29
66
55
52
66
64
52
51
68
42
67
46
41
45
47
75
61
Trabajo
72
71
69
90
84
86
70
86
87
77
71
75
76
95
89
85
65
82
82
89
74
82
90
78
74
Sueldo
76
25
47
56
28
37
38
72
51
90
36
53
59
66
66
57
42
37
60
80
47
49
76
52
59
Ascensos
37
74
16
23
62
59
54
72
57
51
55
92
82
52
62
67
68
54
56
64
63
91
70
72
82
Ademas los datos anteriores fueron clasificados seg

un la profesion en el campo
economico: administrador, contador y economista.
A continuacion se presentan los datos anteriores ya clasificados por profesion:
22
Martn Daz Rodrguez
Administrador
Trabajo Sueldo Ascenso
72
57
40
90
62
66
84
42
66
85
56
64
71
45
68
88
49
42
72
60
45
88
36
47
77
60
75
64
43
61
71
75
74
84
28
62
70
38
54
87
51
57
74
59
82
89
66
62
85
57
67
74
47
63
82
49
91
Contador
71
49
58
84
74
37
72
37
86
63
48
78
84
60
29
73
56
55
94
60
52
90
27
67
72
76
37
86
37
59
86
72
72
95
66
52
65
42
68
82
37
54
82
60
56
90
76
70
78
52
72
Economista
84
53
63
87
66
49
72
59
79
88
55
52
74
70
51
85
89
46
79
59
41
69
47
16
90
56
23
77
90
51
71
36
55
75
53
92
76
51
54
89
80
64
Aplique los estadsticos estudiados para describir las caractersticas generales del
grupo de profesionales en general y en particular en cada profesion. Presente los
res
umenes de interes que permitan valorar las variables en estudio.
Describa los resultados encontrados en donde especifique comentarios sobre los
asuntos siguientes:
1. Con base en estas variables que aspecto del trabajo satisface mas a los
Profesionales de esta ciencia?, cual parece ser el que menos lo satisface?,
en cual de las tres variables cree usted deben introducirse mejoras para
estimular a mas personas a vincularse a la formacion como profesionales en
las distintas ramas de las ciencias economicas?
2. Seg
un las medidas descriptiva de dispersion, establezca cual de las tres
variables parece generar mayor diferencia de opinion entre estos profesionales?
cual de las variables parece tener mayor cohesion entre ellos?, justifique su
respuesta.
23
3. Que se puede decir acerca de la satisfaccion de estos profesionales seg

un su
tipo de profesion?, Cual de las ramas de las ciencias economicas parecen
tener los mejores niveles de satisfaccion. ?
4. Organice los datos de cada uno de los tres tipos de profesiones estudiados en
una distribucion de frecuencias, haga su analisis respectivo incluyendo el uso
de las graficas que usted considere necesarias para explicar su argumento.
1.4.
Datos agrupados por intervalos.
Cuando se dispone de un conjunto de datos muy numerosos, es u

til distribuirlos
en clases o categoras y determinar el n
umero de individuos pertenecientes a cada
clase o categora, este n
umero de elementos que caen en cada clase lo llamaremos
frecuencia de la clase.
Una ordenacion tabular de las clases versus las frecuencias correspondientes a
cada una, se le conoce como tabla de frecuencia por clases. Los datos ordenados
y resumidos en una distribucion de frecuencia, se suelen llamar datos agrupados.
Aunque con el proceso de agrupacion generalmente se pierde parte del detalle
original de los datos, tiene la importante ventaja de presentarlos todos en un sencillo
cuadro que facilita el hallazgo de las relaciones que pueden haber entre ellos.
Las definiciones presentadas para los datos no agrupados por clase, son validas tambien para datos agrupados por clases, solo que para los u
ltimos se habla de
la frecuencia del intervalo de clase.
Comencemos definiendo inicialmente el rango de un conjunto de datos
Definici
on 1.4.1. Rango de un conjunto de datos
Sean x1 , x2 , ..., xn , el conjunto de todos los datos distintos en una poblacion y sean
f1 , f2 , ..., fn , las frecuencias respectivas. Se define el rango, denotado por r, as:
r = xM xm
donde xM y xm son el mayor y el menor de los datos respectivamente.
1.4. DATOS AGRUPADOS POR INTERVALOS.
24
Martn Daz Rodrguez
Intervalo de Clase: Es cada uno de los intervalos en que se han decidido agrupar
parcialmente los datos con el proposito de hacer un resumen de ellos.
N
umero de intervalos: Para determinar el n
umero de intervalos K, en un
conjunto de n datos, existen varios criterios de seleccion, uno de ellos es el de la
formula de Sturges, la cual viene dada as: K 1+3,3log10 n. Se debe tener en cuenta
que cuando el resultado 1 + 3,3log10 n no es n
umero entero el valor de K se toma
por exceso, como el entero mas cercano a este resultado, si 5 < 1 + 3,3log10 n < 20.
Si 1 + 3,3log10 n > 20, entonces se toma K= 20, si 1 + 3,3log10 n < 5, entonces se
toma K=5.
Definici
on 1.4.2. Amplitud:
Sea r el rango de un conjunto de datos y K el n
umeros de intervalos de clase de
igual longitud, se define la amplitud de un intervalo, denotada a, as:
a=
r
.
K
Nota: Si a no es un n
umero decimal finito, es necesario ampliar el rango en una
r+c
cantidad c, tal que, a= k , sea el menor n
umero decimal finito, con tantas cifras
decimales como cifras decimales tengan los datos, y de tal forma que cada intervalo
tenga la misma amplitud.
Definici
on 1.4.3. Marca de clase: sean Linf y Lsup el lmite inferior y el superior
respectivamente de un intervalo de clase. Se define la marca de clase para el intervalo
[Li ,-Ls ), como la semisuma de Li y Ls .
Nota: Denotaremos la marca de clase del j-esimo intervalo por Xj , con j = 1, ..., K.
Tabla de frecuencias:
Es un arreglo rectangular de los intervalos de clases versus las frecuencias respectivas.
Representaci
on gr
afica de los datos agrupados por intervalos
Histograma de frecuencia: Es una representacion grafica de las distribuciones
de frecuencia de un conjunto de datos, constituida por una serie de rectangulos cuya
25
base es la longitud de cada intervalo y la altura, la dada por la frecuencia del intervalo
correspondiente.
En esta representacion visual de los datos es posible observar fundamentalmente tres
caractersticas:
1. Forma
2. Acumulacion o tendencia posicional
3. Dispersion o variabilidad
Polgono de Frecuencia:
Es una representacion en el plano de la distribucion de frecuencia de los datos
agrupados por intervalos; que consiste en un grafico compuesto por segmentos de
rectas (lneas) trazadas desde los puntos de coordenadas, marcas de clase versus
la frecuencia de la clase; hasta los puntos de coordenadas marca de clase contigua
versus frecuencia de la clase contigua, y as sucesivamente, comenzando en la
primera marca de clase y terminando en la u
ltima marca de clase.
Las representaciones graficas de distribuciones de frecuencia relativa pueden
obtenerse del histograma o del polgono de frecuencias, sin mas que cambiar la
escala de frecuencia a frecuencia relativa. El graficos resultante recibe el nombre
de histograma de frecuencias relativas o histogramas porcentuales y polgonos de
frecuencias relativas o polgonos porcentuales, respectivamente.
Ojivas:
Es el nombre que se le da, en especial a los polgonos de frecuencia acumulada.
Ojivas porcentuales:
Estos graficos pueden obtenerse con solo cambiar la escala de frecuencias acumuladas
a frecuencias relativas acumuladas en los polgonos de frecuencia.
Ecuaciones adicionales para datos agrupados por intervalos.

Para datos agrupados por intervalos se tiene para las medidas de centralizacion
estudiadas, las siguientes ecuaciones:
26
Martn Daz Rodrguez
1. La Moda
x = Linf
intervalo modal
+(
1
)a
1 + 2
2. La Mediana
= Linf + [ (N/2) (Fi1 ) ] a, siendo N =
X
fi
k
X
fi
i=1
3. La Media
Pk
i=1
=A+
siendo
di =
fi di
Xi A
.
a
4. Varianza:
Pk
P
fi (xi )2 ( ki=1 fi xi )2
= x2 (x )2
N
N2
i=1
Demostraci
on 1): Le queda de ejercicio, recuerde que:
1 = f(modal) f(modal1) , y 2 = f(modal) f(modal+1) .
Demostraci
on 2):
Geometricamente, la mediana es el valor x que corresponde a la vertical que divide
a un histograma en dos partes de igual area.
De la grafica sabemos que
e = Linf + d (1)
X
Por semejanza de triangulo sabemos que:
n
2
Fi1
d
=
fi
a
(1),
27
entonces
d =
n
2
Fi1
a,
fi
(2)
reemplazando (2) en (1), se obtiene

e = Linf +
X
n
2
Fi1
a;
fi
en general se puede demostrar que el elemento que ocupa el puesto tal que por debajo
de el se encuentre el k % de los datos se puede calcular mediante la siguiente ecuacion:
fk = Linf + k %n Fi1 a,
X
fi
siendo Linf ,n, Fi1 , y fi el lmite inferior del intervalo de clase que contiene al dato
xk , el tama
no de la muestra, la frecuencia acumulada anterior a la clase que contiene
al dato y la frecuencia del intervalo de clase que contiene al dato xk , respectivamente.
Demostraci
on de 3):
siendo
di =
Xi A
.
a
Tambien se puede demostrar que si

di =
Xi A
,
a
entonces
2
a2 d2 ,
siendo
d2
Pn
=
fi (di
i=1P
n
i=1 fi
d )2
Ejemplo 1.4.1. De un grupo de 30 trabajadores de una empresa de servicios, se

suministro la siguiente informacion con respecto a sus edades:
28
Martn Daz Rodrguez
[Linf Lsup )
[-)
[-)
[-)
[-)
[-]
[-]
xi
fi
12
Fi
fri
Fri
di
fi di 2
f i di
0
0.267
28
0
P
fi di = 32
Si se sabe que el menor de los trabajadores tiene una edad de 22 a

nos y el mayor
tiene 46 a
nos.
2. Con base en la tabla halle el dato moda
3. Halle la media
Soluci
on:
1.
k 1 + 3,3 lg(n) = 5,8 k = 6.
r = xn x1 = 46 22 = 24
a=
24
r
=4
k
6
f2
f2
=
= 0,267 f2 = 8,
n
30
recuerde que la frecuencia debe ser un n
umero natural.
Como por hipotesis f1 = 12, y, f1 d1 = 0, entonces d1 = 0.
Sabemos que la suma de todas las frecuencias debe ser igual a 30, o sea que
f r2 =
f6 + f4 + 28 = 30, f6 + f4 = 2, f6 = 2 f4
24 + 3f4 + 56 = 32, 3f4 + 5f5 = 8
(2)
(1)
29
reemplazando (1) en (2), se tiene

3f4 + 5(2 f4 ) = 8
3f4 + 10 5f4 = 8
2 = 2f4 f4 = 1, y, f6 = 1.
Ahora podemos completar la tabla Tabla
[Linf Lsup )
[22-26)
[26-30)
[30-34)
[34-38)
[38-42)
[42-46]
xi
24
28
32
36
40
44
fi
12
8
8
1
0
1
Fi
12
20
28
29
29
30
fri
0.4
0.267
0.267
0.03
0
0.03
Fri
0.4
0.667
0.93
0.96
0.96
1
di
0
1
2
3
4
5
f i di
0
8
16
3
0
5
f i xi
288
224
256
36
0
44
848
2.
b = Linf
X
modal +
1
a
1 + 2
1 = 12 0 = 12,
2 = 12 8 = 4,
x
b = 22 +
8
12
4 = 22 + = 24,6
18
3
3.
P
fi x i
848
x= P
=
= 28,28
fi
30
Ejemplo 1.4.2. Con el fin de analizar el comportamiento de la estatura en
centmetros de un grupo de 108 estudiantes del Colegio Santa Teresita, se suministra
la siguiente informacion:
30
Martn Daz Rodrguez
[Linf Lsup )
[)
[-)
[-)
[-)
[-)
[-)
[-)
[-]
xi
fi
Fi
di
fi (di )2
f i di
-4
fi (di d )3
fi (di d )4
5
24
29
89
14
P
fi di = 7
Ademas,se sabe que la estatura promedio fue de 146.32 cms y que el 87 por ciento
de los estudiantes miden 138.5 cms o mas.
Nota: Tome la amplitud con cero cifras decimales.
2. Hallar la desviacion estandar
3. Hallar el coeficiente de variacion
4. Hallar lel coeficiente de sesgo
5. Hallar lel coeficiente de curtosis
6. Con base en los resultados obtenidos en la tabla y en los estadsticos calculados
que puede decirse de las estatura de estos estudiantes. Justifique su respuesta.
Desarrollo:
Soluci
on parte 1.
Como F2 = 5, entonces los posibles resultados para f1 y f2 son:
f1
f2
0
5
1
4
2
3
3
2
4
1
5
0
31
Si f1
Si f1
ya que
Si f1
= 0, entonces f1 d1 = 0d1 = 0 y eso es absurdo ya que por hipotesis f1 d1 = 4.

= 5 o 3, entonces d1 sera una fraccion los cual es tambien absurdo,
d1
debe ser un n
umero entero.
= 4, o 2, la suma de los fi di dara un n
umero mayor que 7 ( verifquelo !),
as que no queda otra opcion para f1 , que ser igual a 1, por lo que f2 = 4.
Como f1 d1 = 1d1 = d1 = 4, entonces d2 = 3, y as sucesivamente hasta llegar a d8 = 3,

entonces f2 d2 = 12, f4 d4 = 24, (ver la tabla anterior), f5 d5 = 0, esto implica que
la marca de clase fija A, esta en el quinto intervalo, es decir que
a
A = Li5 + .
2
Observando la tabla es facil ver que f7 d7 = 56, que F6 = 89, y f7 = 14, entonces
F7 = F6 + 14 = 89 + 14 = 103.
Como F8 = 108, ya que es la frecuencia acumulada hasta el u
ltimo intervalo, entonces
f8 = F8 F7 = 108 103 = 5, y, f8 d8 = 5 3 = 15.
Para calcular f3 y f6 , recuerde que:
1 + 4 + f3 + 24 + 29 + f6 + 14 + 5 = 108,
simplificando
f3 + f6 = 31,
(1)
y de la tabla (ver sexta columna), tambien se sabe que:

4 + (12) + (2)(f3 ) + (24) + (0) + (1)(f6 ) + 28 + 15 = 7
2f3 + f6 = 4,
o en forma equivalente
f6 = 4 + 2f3 ,
(2).
Reemplazo (2) en (1), se tiene:

f3 + (4 + 2f3 ) = 31
f3 + 2f3 ) = 27, f3 = 9, y,
f6 = 22.
32
Martn Daz Rodrguez
Como la marca de clase fija A = Linf 5 + a2 , y Linf 5 = Linf 4 + a = 138,5 + a, entonces

A = 138,5 + a +
3a
a
= 138,5 + .
2
2
Por otro lado se tiene que:

Pn
fi di
7
7
,
d = Pi=1
= =
n
n
108
i=1 fi
y sabemos que x , se puede escribir en la forma
x = A + ad , entonces
3a
7a
169a
x = 138,5 +
+
= 138,5 +
= 146,32 ( esto u
ltimo por hipotesis ).
2
108
108
Tomando la amplitud con cero cifras decimales, se tiene a = 5.
[Linf Lsup )
[123.5-128.5)
[128.5-133.5)
[133.5-138.5)
[138.5-143.5)
[143.5-148.5)
[148.5-153.5)
[153.5-158.5)
[158.5-163.5]
xi
126
131
136
141
146
151
156
161
fi
1
4
9
24
29
22
14
5
Fi
1
5
14
38
67
89
103
108
di
-4
-3
-2
-1
0
1
2
3
f i di
-4
-12
-18
-24
0
22
28
P 15
fi di =7
fi (di )2
16
36
36
24
0
22
56
45
fi (di d)2
16.48
37.45
38.19
26.96
0.10
19.43
52.64
43.21
234.57
Soluci
on parte 2.
P
p
(f (di d)2 )
25 234,51
Pi
Sx =
=
= 54,79, Sx = 54,79 = 7,402.
(fi 1)
107
Soluci
on parte 3.
2
a2
S
54,79
c.v = =
= 0,052.
x
141,32
Soluci
on parte 4. Esta le queda de tarea
33
Ejemplo 1.4.3. Los pagos semanales de 200 estudiantes que trabajan parte de su
tiempo se distribuyen como lo muestra la siguiente tabla:
[Linf Lsup )
[-)
[- )
[-)
[-)
[-)
[-)
[-)
[-)
[-)
[-)
[-]
fi
Fi
di
f i di
fi d2i
125
f i Xi
fi (Xi )2
17
-39
22
88
35
32
fi di = 1
El 85 por ciento de los jovenes ganan 92.5 dolares o mas, el promedio de los pagos,
es de 105.025; en la decima casilla acumulamos 5 por ciento de los pagos. El sueldo
mas frecuente es de 105,625 dolares y hasta la decima casilla acumulamos el 97 por
ciento de los pagos de los jovenes.
a) Completar tabla.
b) Calcular la mediana.
c) Hallar varianza.
34
Martn Daz Rodrguez
Soluci
on:
Soluci
on parte a.)
Por hipotesis
n = 200, = 105,025, x = 105,625
5n
97 n
f10 =
= 10; F10 =
= 194,
100
100
f4 = 22 y f4 d4 = 88, entonces d4 2 = 4, o sea que d4 = 2.
Si d4 = 2 entonces d3 = 1 y como por hipotesis
f3 d3 = 39, entonces f3 = 39 absurdo, por lo tanto d4 = 2.
Como d4 = 2, entonces d1 = 5 y por hipotesis
f1 d1 = f1 (5) = 125, entonces f1 = 5.
d3 = 3, por ser d4 = 2 y por hipotesis
f3 d3 = f3 (3) = 39, entonces f3 = 13.
Se sabe que el 85 por ciento ganan 92.5 dolares o mas, entonces el 15 por ciento
gana menos de 92.5 dolares, por tanto:
(15)(200)
= 30
100
y esto coincide con F3 lo que nos dice que el limite superior del tercer intervalo es
92.5.
Pn
f i di
a = 105,025,
= A + Pi=1
n
i=1 fi
donde
A = Linf,4 +
(5)(a)
(5)(a)
= 92,5 +
,
2
2
luego
= 105,025 = 92,5 +
(5)(a)
a
+
.
2
200
35
De lo anterior a = 5.
b = L6 + (
X
1
)a = 105,625, con 1 = 35 f5 = 10, y, 2 = 35 32 = 3,
1 + 2
35 f5
, simplificando se tiene,
de donde se obtiene 105,625 = 102,5 +
35 f5 + 3
3,125
35 f5
=
5
38 f5
0,625(38 f5 ) = 35 f5
23,75 0,625f5 = 35 f5
0,375f5 = 11,25
f5 = 30
Con los datos restantes es posible construir un sistema de ecuaciones de la forma:

149 + f8 + f9 =184
-84 +2f8 +3f9 =1
f8 + f9 = 35
(1)
2f8 +3f9 =85
(2)
resolviendo el sistema de ecuaciones generados por las ecuaciones 1.) y 2.)

tienen los valores de f8 = 20 y f9 = 15.
Tabla completa
36
[Linf Lsup )
[77,5 82,5)
[82,5 87,5)
[87,5 92,5)
[92,5 97,5)
[97,5 102,5)
[102,5 107,5)
[107,5 112,5)
[112,5 117,5)
[117,5 122,5)
[122,5 127,5)
[127,5 132,5]
Martn Daz Rodrguez
fi
5
12
13
22
30
35
32
20
15
10
6
Fi
5
17
30
52
82
117
149
169
184
194
200
di
-5
-4
-3
-2
-1
0
1
2
3
4
5
f i di
-25
-48
-39
-44
-30
0
32
40
45
40
30
fi d2i
125
192
117
88
30
0
32
80
135
160
150
Xi
80
85
90
95
100
105
110
115
120
125
130
(Xi )2
626.25
401
225.75
100.5
25.25
0.00625
24.75
99.5
224.25
399
623.75
Soluci
on parte b.)
P
(n/2)
fi
e = Linf + (
X
)a
fmediana
e = 102,5 + (100 82) (5) = 105,071
X
35
Soluci
on parte c.)
PN
fi (Xi X)2
2750
=
= 13,819
PN
199
i=1 fi
= 3,71
=
i=1
******************************** ************************
Ejemplo 1.4.4. De un grupo de 33 estudiantes de la Universidad del Norte

que realizaron un examen de calculo, se conoce la siguiente informacion; cinco
estudiantes sacaron una nota menor de 4.0, el 33.45 por ciento sacaron notas entre
4.2 y 4.4 y resto de la informacion reposa en la siguiente tabla.
37
[Linf Lsup )
xi
fi
5
0
Fi
f ri
F ri
di
f i di
-25
5
[3.8-4.1)
30
0
0.3
0.45
1. Complete la tabla y con base en ella calcule:

2. el coeficiente de curtosis
3. el coeficiente de sesgo.
4. Que caractersticas especiales tiene este grupo.? Justifique su respuesta.
K = 1 + 3,3(lg(n))
k=6
r = xn x i
r=2
a = kr
a = 0,3
Como f1 = 5, y f1 d1 = 25
entonces d1 =
d1 =
25
5
25
f1
= 5,
de ah le podemos dar los valores al resto de los di , i = 2, ..., 5

Para hallar los intervalos solo tenemos que restar 3.8-0.3 y sumar 4.1+0.3 y
38
Martn Daz Rodrguez
as sucesivamente hasta llenar la tabla.

Para hallar todos los xi tenemos que sumar los dos intervalos de cada celda y
luego dividirlo entre dos.
como sabemos que el 33.45 por ciento de los estudiantes sacaron una nota
entre 4.2 y 4.4 podemos deducir que esos puntajes pertenecen a la fila 6, es decir que
f6 = 15
como sabemos que cinco de los estudiantes tuvieron una nota menor de 4.0
entonces f3 y f4 tienen un valor de 0
[Linf Lsup )
[2.6-2.9)
[2.9-3.2)
[3.2-3.5)
[3.5-3.8)
[3.8-4.1)
[4.1-4.4)
[4.4-4.7)
[4.7-5.0]
x=A+
(fi di )
(a)
n
[Linf Lsup )
[2.6-2.9)
[2.9-3.2)
[3.2-3.5)
[3.5-3.8)
[3.8-4.1)
[4.1-4.4)
[4.4-4.7)
[4.7-5.0]
xi
2.75
3.05
3.35
3.65
3.95
4.25
4.55
4.85
x = 4,25 +
xi
2.75
3.05
3.35
3.65
3.95
4.25
4.55
4.85
fi
5
0
0
0
10
15
2
1
33
Fi
5
5
5
5
15
30
32
33
fi
5
0
0
0
10
15
2
1
31
(0,3)
33
f ri
0.15
0
0
0
0.3
0.45
0.06
0.03
Fi
5
5
5
5
15
30
32
33
f ri
0.15
0
0
0
0.3
0.45
0.06
0.03
F ri
0.15
0.15
0.15
0.15
0.45
0.91
0.97
1
di
-5
-4
-3
-2
-1
0
1
2
f i di
-25
0
0
0
-10
0
2
2
x = 3,96
F ri
0.15
0.15
0.15
0.15
0.45
0.91
0.97
1
di
-5
-4
-3
-2
-1
0
1
2
f i di
-25
0
0
0
-10
0
2
2
-31
fi (xi x)2
6.84
0
0
0
0.009
1.63
0.79
0.86
10.129
fi (xi x)3
-8
0
0
0
2,7 104
0.53
0.5
0.8
-6.409
fi (xi x)4
9.36
0
0
0
8,1 106
0.17
0.31
0.74
10.58
39
Varianza muestral
S2 =
P
fi (xi x)2
P
(fi )1
S2 =
10,129
32
S 2 = 0,316
Coeficiente de Sesgo
P
C.S =
C.S =
fi (xi x)3
n
s3
6,409
32
0,177
C.S = 1,131
Coeficiente de Curtosis
P
C.C =
C.C =
fi (xi x)3
n
s4
10,58
32
0,099
C.C = 3,339
Ejemplo 1.4.5. A continuacion se muestran los datos de 50 personas correspondientes al n
umero de hectareas que cada uno posee. Se sabe que el 20 por ciento de
las personas tienen entre 65 y 75 hectareas.
[Linf Lsup )
[-)
[)
[41-??)
[-)
[-]
xi
fi
Fi
18
di
f i di
8
51
30
8
40
Martn Daz Rodrguez
2. Halle la moda
3. Halle la desviacion estandar
Por definicion la marca de clase del i-esimo intervalo viene dada por: xi =
L
Linf,i +Lsup,i
2
+L
x3 = inf,3 2 sup,3 , pero por hipotesis x3 = 51, que al reemplazarlo en la ecuacion anterior, se tiene:
51 =
41+Lsup,3
,
2
Lsup,3 = (51
entonces
41
)2
2
Como todos los intervalos son de igual amplitud y el tercer intervalo [41, 61]
tiene una amplitud de 20, entonces a=20.
Como el 20 por ciento de las 50 personas tienen entre 61 y menos de 81
hectares entonces,
5020
100
= 10, que es el n
umero de personas con n
umero de hectareas entre 61 y
menos de 81.
Lo que quiere decir que f4 = 10
Teniendo f4 y (f4 d4 ), podemos hallar d4
Como por hipotesis f4 d4 = 30 y f4 = 10, entonces f4 d4 = 10d4 = 30, de
donde se tiene que
30
= 3,
d4 = 10
con esto podemos hallar los demas di .
Como n=50 y f5 = 8, entonces la frecuencia acumulada hasta el cuarto intervalo
F4 = F5 f5
F4 = 50 8
41
F4 = 42
Para hallar f3 se tiene que:
f1 + f2 + f3 + f4 + f5 = 50, entonces
f3 = 50 (f1 + f2 + f4 + f5 )
f3 = 50 (18 + 8 + 10 + 8)
f3 = 6,
[Linf Lsup )
[1-21)
[21-41)
[41-61)
[61-81)
[81-101]
xi
11
31
51
71
91
fi
18
8
6
10
8
Fi
18
26
32
42
50
di
0
1
2
3
4
f i di
0
8
12
30
P 32
fi di = 82
A=11 / 4 . a=20
x=A+
x = 11 +
P
Pfi di (a)
fi
82
(20)
50
x = 43,8
[Linf Lsup )
[1-21)
[21-41)
[41-61)
[61-81)
[81-101]
s2 =
xi
11
31
51
71
91
fi
18
8
6
10
8
Fi
18
26
32
42
50
di
0
1
2
3
4
f i di
0
8
12
30
P 32
fi di =82
fi (xi x)2
19365.12
1310.72
311.04
7398.4
17822.72
46.208
P
fi (xi x)2
P
(fi 1)
42
s2 =
Martn Daz Rodrguez
46,208
49
s2 = 0,943
s2 = 0,971
1.5.
1.5.1.
Demostraciones
Demostraci
on 1
Demostrar que:
( n2 Fi 1) a
.
x
e = li +
fi
Sea x
e = li + d, debemos demostrar que
d=
( n2 Fi 1) a
,
fi
de la grafica ( falta la grafica)se observa que por semejanza de triangulo que

d
=
a
entonces
d=
n
2
Fi1
fi
( n2 Fi1 ) a
fi
luego
( n2 Fi1 ) a
x
e = li +
.
fi
1.5.2.
Demostraci
on 2
Demostrar que:
P
f i di
x = A + P a.
fi
Por definicion sabemos que
P
f i xi
x= P ,
fi
sea
xj A
, j = 1, ..., n,
a
donde A es una marca de clase cualquiera, pero fija. Es facil ver que di Z.
Como
xj A
entonces xj = adj + A
dj =
a
multiplicando por fj en ambos miembro de la ecuacion anterior obtenemos:
dj :=
fj xj = afj dj + Afj ,
sumando sobre todos los j obtenemos
X
X
X
f j xj = a
f j dj + A
fj ,
ahora dividiendo por
fj , se obtiene
P
P
P
f j xj
a f j dj A f j
P
= P
+ P
fj
fj
fj
P
f i di
a + A.
x= P
fi
1.5. DEMOSTRACIONES
43
44
Martn Daz Rodrguez

PRIMER PARCIAL DE ESTADISTICA I
1. Las notas del primer parcial de calculo I de 29 estudiantes de un grupo de

ingeniera de la Universidad del Norte se distribuyen de la siguiente manera:
[Li Ls ]
Xi
fi
9
8
7
Fi
di
fi di
P5
i=1 fi di
= 38
Ademas se sabe que las notas de la cuarta y quinta casilla son:

4.2, 4.3, 4.4, 4.5 y 4.7.
a) Determine cuantos estudiantes ganaron el primer parcial.
b) Determine el coeficiente de curtosis
c) Determine el coeficiente de sesgo
d ) Construya un histograma de frecuencia y un polgono de frecuencia y con
base en estos graficos y los resultados obtenidos de los items anteriores
que puede decir de los datos.
e) Que posicion relativa ocupo un estudiante que saco una nota de 3.9?
45
Despues de hacer una evaluacion previa, vemos que la marca de clase fija es x1 , ya
que es en la u
nica forma que la sumatoria de los fi di de 38.
De otro lado tenemos que f4 + f5 = 5 y que 3f4 + 4f5 = 16
Al igualar estas dos ecuaciones obtenemos que
f5 = 1 y f4 = 4
por otro lado tenemos que la amplitud debe ser mayor que 0.3 para que los datos
4.2, 4.3, 4.4 y 4.5, esten en el cuarto intervalo y menor que 0.5 para que en el u
ltimo
intervalo solo este la nota 5.0, ya que si la amplitud fuera 0.5, la nota 4.5 estara
en el quinto intervalo y esto es falso, ya que este quinto intervalo solo tiene un
elemento. Por lo tanto la amplitud debe ser a=0.4, ya que debe tener tanta cifras
decimales, como cifras decimales tengan los datos.
[li ls )
[3.0-3.4)
[3.4-3.8)
[3.8-4.2)
[4.2-4.6)
[4.6-5.0]
xi
3.2
3.6
4.0
4.4
4.8
fi
9
8
7
4
1
Fi
9
17
24
28
29
di
0
1
2
3
4
fi di
0
8
14
12
4
x = A + P(f(fi di )i ) a
x = 3,2 + 3,8
(0,4)
29
x = 3,72
P
2
i x) )
2 = (fiN(x1
2 = 6,08
= 0,21
28
3 = 0,1
4 = 0,047
[li ls )
[3.0-3.4)
[3.4-3.8)
[3.8-4.2)
[4.2-4.6)
[4.6-5.0]
P
=
xi
3.2
3.6
4.0
4.4
4.8
fi
9
8
7
4
1
Fi
9
17
24
28
29
di
0
1
2
3
4
f i di
0
8
14
12
4
38
fi (xi x)2
2.43
0.11
0.54
1.84
1.16
6.08
Coeficiente de curtosis
1.5. DEMOSTRACIONES
fi (xi x)3
-1.26
-0.01
0.15
1.25
1.25
1.38
fi (xi x)4
0.65
1,6 103
0.04
0.85
1.36
2.9
46
Martn Daz Rodrguez
(fi (xi x)4 )

P
(fi )
4
2,9
29
c.c =
c.c = ,0047
c.c = 2,12
Coeficiente de sesgo
(xi x)3
P
(fi )
3
1,38
29
P
c.s =
c.s = 0,1
c.s = 0,4.
47
Ejercicio 1 (Examen para los estudiantes AD). A continuacion se muestran los

datos de 50 personas correspondientes al n
umero de hectareas que cada uno posee.
Se sabe que el 20 por ciento de las personas tienen entre 65 y 75 hectareas.
[Linf Lsup )
[-)
[ 21-?? )
[- )
[-)
[-]
xi
fi
Fi
18
di
f i di
8
51
1
8
2. Halle la moda
4. Halle el coeficiente de variancion y el coeficiente de sesgo
5. Con base en los resultados obtenidos en los items anteriores. Describa las
caractersticas que posee este grupo de personas en relacion con el n
umero de
hectareas. Justifique su respuesta.
1.5. DEMOSTRACIONES
48
Martn Daz Rodrguez
Ejercicio 2 (Examen para los estudiantes PECO). A continuacion se muestran los

datos de 50 personas correspondientes a el numero de hectareas que cada uno posee.
[Linf Lsup )
[-)
[ 21-?? )
[- )
[-)
[-]
xi
fi
Fi
18
di
f i di
8
1
91
2. Halle la moda
umero de
49
Ejercicio 3 (Examen para los estudiantes AD). A continuacion se muestran los

datos de 50 personas correspondientes a el numero de hectareas que cada uno posee.
[Linf Lsup )
[-)
[-)
[- )
[-)
[-]
xi
11
fi
Fi
18
di
f i di
8
1
91
2. Halle la moda

umero de
Ejercicio 4 (Examen para los estudiantes PCPG). De un grupo de 30 trabajadores
de una empresa de servicios, se suministro la siguiente informacion con respecto a
sus edades:
[Linf Lsup )
[-)
[-)
[-)
[-)
[-]
[-]
xi
fi
12
Fi
fri
Fri
di
f i di
0
0.267
28
0
P
1.5. DEMOSTRACIONES
fi di = 32
f i di 2
50
Martn Daz Rodrguez
Si se sabe que el menor de los trabajadores tiene una edad de 22 a

nos y el mayor
tiene 46 a
nos.
2. Con base en la tabla halle el dato moda
3. Halle la media y la varianza
caractersticas del grupo en relacion con sus edades.
Justifique cada una de sus respuestas
51
Ejercicio 5. A la asociacion colombiana de ciencias polticas le preocupa la escasez

de profesionales en este campo que parece se dara en un futuro no lejano en la ciudad
de Barranquilla; ellos creen que ese problema esta relacionado con los factores:
grado de satisfaccion con la profesion, el grado de satisfaccion con el trabajo y el
grado de satisfaccion salarial. Para determinar la influencia de estos factores en
esa posible escases futura, se ha contratado un estudio conuna firma especializada
en pronosticos para investigar sobre estos factores en profesionales de ciencias
polticas en la ciudad. Como parte de este estudio se pidio a 50 profesionales de
este campo que indicaran su grado de satisfaccion con respecto al trabajo, el salario
y las oportunidades de ascenso. Se reunieron los datos en la tabla que se presenta a
continuacion, en la que solo aparece el grado de satisfaccion en el trabajo:
Cuadro 1.1: Grado de satisfaccion en ciencias polticas

Trabajo Trabajo Trabajo
67
74
75
68
76
77
68
77
78
69
79
82
70
82
82
71
84
84
71
84
84
71
84
85
71
85
85
72
86
86
72
87
87
72
88
88
72
88
89
72
89
90
73
90
90
74
90
94
74
95
Resto del grupo: Utilizando datos agrupados por intervalos y los estadsticos
estudiados, describa las caractersticas de los profesionales de ciencias polticas
en relacion con el grado de satisfacion con el trabajo. Justifique su respuesta
1.5. DEMOSTRACIONES
52
Martn Daz Rodrguez
estadsticamente.
Para los estudiantes de PCPG, haga lo mismo para datos no agrupados,
tome solo la primera columna.
53

Cuadro 1.2: Grado de satisfaccion en ciencias polticas

Trabajo Trabajo Trabajo
67
74
75
68
76
77
68
77
78
69
79
82
70
82
82
71
84
84
71
84
84
71
84
85
71
85
85
72
86
86
72
87
87
72
88
88
72
88
89
72
89
90
73
90
90
74
90
94
74
95
Utilizando datos no agrupados y los estadsticos estudiados, describa las caractersticas de los profesionales de ciencias polticas en relacion con el grado de satisfacion
con el trabajo, (tome solo los 10 primeros datos de la u
ltima columna). Jus1.5. DEMOSTRACIONES
54
Martn Daz Rodrguez
tifique su respuesta estadsticamente.
55

1.5. DEMOSTRACIONES
56
Martn Daz Rodrguez
Cuadro 1.3: Grado de satisfaccion en ciencias economicas

Trabajo Salario Ascensos
Trabajo Salario Ascensos
71
49
58
72
76
37
84
53
63
71
25
74
84
74
37
69
47
16
87
66
49
90
56
23
72
59
79
84
28
62
72
37
86
86
37
59
72
57
40
70
38
54
63
48
78
86
72
72
84
60
29
87
51
57
90
62
66
77
90
51
73
56
55
71
36
55
94
60
52
75
53
92
84
42
66
76
59
82
85
56
64
95
66
52
88
55
52
89
66
62
74
70
51
85
57
67
71
45
68
65
42
68
88
49
42
82
37
54
90
27
67
82
60
56
85
89
46
89
80
64
79
59
41
74
47
63
72
60
45
82
49
91
88
36
47
90
76
70
77
60
75
78
52
72
64
43
61
74
59
82
Utilizando datos agrupados por intervalos y los estadsticos estudiados, describa las
caractersticas de los profesionales de ciencias polticas en relacion con el grado de
satisfacion con el salario. Justifique su respuesta estadsticamente.
Captulo 2
Probabilidad.
2.1.
Introducci
on
La historia del calculo de probabilidades es, entre todas las ramas de las matematicas,
algo singular, ya que nace como una teora para juegos de azar y muy pronto se utiliza
para el estudio de fenomenos colectivos tales como problemas actuariales, riesgos
economicos y sociales, predicciones estadsticas y otros muchos problemas filosoficos
de diversos tipos. As durante casi tres siglos (XVII, XVIII y XIX el llamado periodo
clasico de la probabilidad), la motivacion y el motor para su desarrollo proviene sobre
todo, de temas externos a la matematica. El problema principal a que se enfrenta esta
teora, es el de como pasar del contenido intuitivo del concepto de azar a conceptos
rigurosos dentro de la matematica.
En los problemas de tipo discreto o finito esta dificultad no se presenta. En un juego
de baraja (poker) la pregunta cual es la probabilidad de sacar un poker de ases?
tiene una respuesta bien definida.
En otro tipo de problemas las cosas pueden complicarse; por ejemplo, consideremos
el problema de calcular la probabilidad de que un dardo al ser lanzado contra un
disco caiga en cierta parte prefijada del disco. Este problema puede ser complicado
o sencillo y esto depende de cual sea el subconjunto del disco que se fijo.
A principios de este siglo quedaba claro que la teora de la probabilidad requera de
un marco teorico mas adecuado para su desarrollo y este se encuentra gracias a los
avances logrados en otras areas de la matematica. Al construir este marco se logran
varias cosas: no solo se libera a la teora de su mero papel de instrumento, sino que
se la convierte en una rama plenamente reconocida de las matematicas, sin que por
ello olvide su motivacion externa e intuitiva.
La rama toma su forma actual a partir de los a
nos 30s cuando Kolmogorov establece
con sus axiomas para el calculo de probabilidades las bases matematicas para asentar
la teora, con lo cual, ademas se aclaran las aparentes paradojas existentes. Todo esto
57
58
Martn Daz Rodrguez
aparece en su famosa monografa Grundbegriffe der Wahrscheinlichkeitsrechnung,

(1933). Los antecedentes del esquema Kolmogorov son:
1. Los notables avances que en el area del analisis matematico se dan durante la
primera decada de este siglo con la creacion de la teora de la medida (E. Borel)
y de la integral de Lebesgue. Esto surge independientemente de la probabilidad, a
pesar de lo cual, resulta ser la herramienta ideal para su desarrollo y solido sustento
matematico.
2. Por el lado de la probabilidad, se cuenta con la demostracion de E. Borel de la
ley fuerte de los grandes n
umeros en donde este ya maneja la nocion de probabilidad
con las propiedades aditivas que tiene una medida. Por otra parte, los trabajos de
Norbert Wiener y los de Paley y Zigmund, contienen desarrollos importantes de la
teora y en ellos ya manejan la idea de probabilidad como medida. Tambien Lominicki
y Steinhaus (1923) escriben sobre la relacion de la probabilidad con la teora de la
medida. No menos relevante es el trabajo relativo a las cadenas de Markov y sus
aplicaciones.
Por su parte N. Wiener, en sus trabajos de los a
nos veinte, logra resolver un
importante problema consistente en dar un modelo matematico preciso y riguroso de
un fenomeno aleatorio por excelencia: el movimiento browniano. Tiene este nombre
porque fue observado por primera vez por el botanico Robert Brown en 1828, al
analizar con el microscopio partculas de polen suspendidas en agua. Es plausible
pensar que una partcula de polen no tiene una direccion fija, sino que, debido a
los constantes impactos que recibe de las moleculas de agua cambia constantemente
de direccion. Por ello su posicion al cabo de cierto tiempo resulta impredecible. La
matematica clasica sirve para estudiar fenomenos deterministas, como por ejemplo
la cada libre o el tiro parabolico; no as para fenomenos de tipo aleatorio como el del
movimiento browniano. Por ello el modelo que N. Wiener dado para el movimiento
browniano, es un gran paso adelante y uno de los mas espectaculares logros de la
entonces novedosa teora de las probabilidades.
Se puede as considerar que el trabajo de estos grandes matematicos de nuestro siglo
impulsa de manera determinante la creacion de esta nueva rama de las matematicas
y con ello abren un nuevo cauce de investigacion que ha sido en las siguientes seis
decadas excepcional por sus logros y su extraordinario dinamismo.
CAPITULO 2. PROBABILIDAD.
2.2.
59
Repaso sobre conjuntos y algunas propiedades:
Para el buen desarrollo de este captulo son importantes los siguientes conceptos
sobre conjuntos:
Si U es el conjunto universal, y, A y B, son subconjuntos de U, se definen:
1. La uni
on de dos conjuntos A y B, denotada A B, as:
A B = {x/x A x B}
2. La intersecci
on de dos conjuntos A y B, denotada A B, as:
A B = {x/x A x B}
3. La diferencia entre dos conjuntosA y B, denotada A B, as:

A B = A B c = {x/x A x no pertenece a B}
4. El complemento de un conjunto
Ac = {x/x U x no pertenece a A}
2.2.1.
Propiedades de conjuntos:
Si U es el conjunto universal, y, A, B y C son subconjuntos de U, se cumplen las

siguientes condiciones:
1. A =
2.2. REPASO SOBRE CONJUNTOS Y ALGUNAS PROPIEDADES:
60
Martn Daz Rodrguez
2. A U = A
3. A Ac =
4. A = A
5. A U = U
6. A Ac = U
7. A B = B A
8. A B = B A
9. A (B C) = (A B) (A C)
10. A (B C) = (A B) (A C)
11. (A B)c = Ac B c
12. (A B)c = Ac B c
13. A = (A B) (A B c )
14. Si A y B no tienen elementos en com

un es decir son disyuntos, entonces:
AB =
2.3.
61
Espacio Muestral.
Definici
on 2.3.1. Espacio Muestral.
Es el conjunto de todos los posibles resultados que se pueden obtener al realizar un
experimento aleatorio, denotaremos el espacio muestral con la letra S.
Ejemplo 2.3.1. Al lanzar un dado normal una vez, el espacio muestral es:
S = {1,2,3,4,5,6}
que son los posibles resultados que se pueden obtener.
Definici
on 2.3.2. Punto Muestral:
Es cualquier elementos del espacio muestral.
Observe que la definicion anterior el espacio muestral, no es mas que el conjunto
universal y que al hablar de puntos muestrales, estamos hablando de los elementos
del conjunto universal.
El espacio muestral puede ser discreto, continuo o mixto.
Definici
on 2.3.3. Espacio Muestral Discreto:
Cuando dado los dos valores numericos mas extremos, los resultados del experimento
solo toman un n
umero finito o infinito pero contable de valores entre estos valores
extremos, se dice que el espacio muestral es discreto.
Ejemplo 2.3.2. El espacio muestral obtenido al lanzar un dado normal una vez, es
un ejemplo de espacio muestral discreto.
Definici
on 2.3.4. Espacio Muestral continuo:
Cuando dado dos valores numericos extremos, los resultados del experimento pueden
tomar cualquier valor entre estos valores extremos, se dice que el espacio muestral
es continuo.
Ejemplo 2.3.3. Temperatura, el tiempo que tarda una impresora en imprimir un
archivo.
Definici
on 2.3.5. Evento:
Es cualquier subconjunto del espacio muestral.
2.3. ESPACIO MUESTRAL.
62
Martn Daz Rodrguez
Ejemplo 2.3.4. Que al lanzar un dado una vez, estemos interesados en un n

umero
par. En este caso el evento es:
A = {2, 4, 6} S = {1, 2, 3, 4, 5, 6}
Definici
on 2.3.6. Evento Imposible:
Es aquel que no tienen puntos muestrales ( o tienen elementos que no pertenecen al
espacio muestral)
Ejemplo 2.3.5. Al lanzar un dado normal una vez, A = {}, si el resultado que se
desea es 7.
Definici
on 2.3.7. Evento Seguro:
Es aquel que al realizar el experimento siempre ocurrira.
Por ejemplo al lanzar un dado normal el resultado siempre sera, 1, 2, 3, 4, 5 o 6,
as que el evento S={1,2,3,4,5,6}, es un evento seguro.
Definici
on 2.3.8. Evento Simple: Se dice que un evento es simple si contiene un
solo punto muestral.
Definici
on 2.3.9. Evento Compuestos: Se dice que un evento es compuesto, si
contiene mas de un punto muestral.
Definici
on 2.3.10. Evento Disyuntos: dos eventos son disyuntos si su intersecci
on
es vaca, es decir si la ocurrencia de uno de ellos, anula la ocurrencia del otro y
viceversa.
El concepto de Probabilidad se puede abordar desde dos puntos de vista, desde
el punto de vista emprico donde la probabilidad es tratada como una frecuencia
relativa y desde el punto de vista axiomatico. El principal problema de la primera
es que supone que todos los puntos muestrales tienen la misma probabilidad de
ocurrencia, cosa en general no es cierta.
Definici
on 2.3.11. Definicion Emprica: Sea S el espacio muestral en un experimento aleatorio y sea A un evento de S. se define la probabilidad de A, denotada
P (A), as:
P (A) =
N
umero de casos favorables a la ocurrencia del evento A
n
umero total de casos posibles de S
En este contexto, la probabilidad es un n

umero que mide el grado de incertidumbre
con el que ocurre un evento, o sea, que la probabilidad es la medida de la
incertidumbre con la que ocurre un evento.
63
2.4.
Definici
on Axiom
atica de Probabilidad:
Definici
on 2.4.1. Probabilidad
Sea S el espacio muestral en un experimento aleatorio y sea z el conjunto de
todoslos subconjuntos de S, (es decir son eventos) y sea P una funcion:
P : z R
se dice que P es una funcion de probabilidad o tambien simplemente una probabilidad si y solo si se cumplen las siguientes condiciones:
a. P (A) 0
b. P (S) = 1
c. Si A1 , A2 , A3 , ..., A
dos, entonces:
es una sucesion infinita de eventos disyuntos dos a
Ai ) =
P (Ui=1
i=1
P (Ai ) = P (A1 , A2 , ..., A )
Nota: P esta definida solo en el intervalo [0,1]

Teorema 2.4.1. Sean A y B eventos de S, S es el espacio muestral, entonces:
a. P () = 0
b. P (S) = 1
c. P (Ac ) = 1 P (A)
d. P (A B) = P (A) + P (B) P (A B)
e. P (A) = P (A B) + P (A B c )
f. P (A B) = P (A) + P (B) ; Si A B =
AXIOMATICA
2.4. DEFINICION
DE PROBABILIDAD:
64
Martn Daz Rodrguez
Ejemplo 2.4.1. 1. Supongamos que P (A) = 0,5; P (B) = 0,3; P (A B) = 0,6

Calcular:
a. P (Ac ) =?
b. P (A B) =?
c. P (A B c ) =?
d. P (Ac B c ) =?
e. P (Ac B) =?
f. P (Ac B c ) =?
Soluci
on
a. P (Ac ) = 1 0,5 = 0,5
b. P (A B) = P (A) + P (B) P (A B)
Entonces: P (A B) = 0,5 + 0,3 0,6 = 0,2
c. P (A B c ) = P (A) P (A B)
Entonces: P (A B c ) = 0,5 0,2 = 0,3
d. P (Ac B c ) = P [(A B)c ] = 1 P (A B) = 1 0,6 = 0,4.
B
Bc
A
P (A B) = 0,2
P (A B c ) = 0,3
P (A) = 0,5
Ac
P (Ac B) = 0,1
P (Ac B c ) = 0,4
P (Ac ) = 0,5
P (B) = 0,3
P (B c ) = 0,7
Luego la probabilidad buscada es P (Ac B c ) = 0,4

e. P (Ac B) = P [(A B c )c ] = 1 P (A B c ) = 1 0,3 = 0,7
f. P (Ac B c ) = P [(A B)c ] = 1 P (A B) = 1 0,2 = 0,8
65
Ejemplo 2.4.2. Suponga que una familia sale de vacaciones de verano en su casa
rodante y que M es el evento de que sufriran problemas mecanicas, T es el evento
de que recibiran una infraccion por cometer una falta de transito y V es el evento
de que llegaran a un lugar para acampar que esta lleno. De acuerdo con siguiente
diagrama:
Ponga en palabras los eventos representados por las siguientes regiones:

a. Region 5
b. Region 3
c. Region 1 y 2 juntas.
d. Region 4 y 7 juntas.
e. Region 3, 6, 7 y 8 juntas.
Soluci
on
a. Sufriran problemas mecanicos pero no recibiran ninguna infraccion ni llegaran a un lugar lleno para acampar.
b. Recibiran una infraccion por falta de transito y llegaran a un lugar para
acampar que esta lleno pero no sufriran problemas mecanicos.
AXIOMATICA
2.4. DEFINICION
DE PROBABILIDAD:
66
Martn Daz Rodrguez
c. Sufriran problemas mecanicos y llegaran a una zona para acampar que

esta llena.
d. Recibiran una infraccion de transito y no llegaran a un sitio para acampar
que no tenga sitios vacos.
e. No sufriran problemas mecanicos.
2.4.1.
T
ecnicas de Conteo
Definici
on 2.4.2. Principio de Adicion Si un evento A puede realizarse de m
maneras diferentes y un evento B puede realizarse de n maneras distintas, y los
eventos no pueden darse conjuntamente, entonces el n
umero formas distintas en que
pueden darse los eventos A o B es ( m + n).
Ejemplo 2.4.3. Evento A : viajar de Barranquilla a bogota va terrestre.
Evento B : viajar de Barranquilla a bogota va aerea.
Para el evento A supongamos que existen 4 rutas distintas y para el evento
B, 3 rutas diferentes, luego n
umero de formas distintas en que se puede viajar de
Barranquilla a Bogota es 3 + 4 = 7
Definici
on 2.4.3. Principio de Multiplicacion Si un evento A puede realizarse de
m maneras diferentes y un evento B puede realizarse de n maneras distintas y los
eventos pueden darse conjuntamente, entonces el n
umero de formas distintas en que
pueden darse los eventos A y B conjuntamente es m * n
Ejemplo 2.4.4. Evento A : lanzar un dado una vez.
Evento B : lanzar una moneda una vez.
Para el evento A hay 6 posibilidades (n
umeros enteros entre 1 y 6) y para el
evento B existen dos posibles resultados (cualquiera de los dos lados de la moneda).
Luego, los puntos muestrales para cuando A y B ocurren conjuntamente es 6 * 2=
12.
Definici
on 2.4.4. Permutacion Una permutacion es una n-
upla de elemento en
donde el orden en que se escriben estos, es importante.
Piense en una permutacion como si fuera un vector, ya que por ejemplo el vector
(1,2,3) es diferente del vector (2,1,3), a pesar de tener los mismos elementos, en forma
analoga la permutacion 123 es diferente de la permutacion 213.
67
Definici
on 2.4.5. Combinacion Es una n-tupla de elementos en donde el orden en
que se escriban los elementos no es importante, es decir, si se escriben los mismos
elementos en un orden distinto, se estara hablando de la misma combinacion.
Piense en una combinacion como si fuera un conjunto, ya que por ejemplo el conjunto
{1,2,3} y el conjunto {2,1,3}, son iguales a pesar de que sus elementos estan escritos
en un orden distinto; en forma analoga 123 visto como una combinacion y 213 son
representaciones de la misma combinacion.
Teorema 2.4.2. El n
umero de permutaciones de n elementos distintos, tomados de
k en k , sin repeticion, denotado nPk , viene dado as:
nPk =
n!
(nk)!
con k n. Ademas, si k = n se tiene:
nPn =
n!
(nn)!
= n!
Teorema 2.4.3. El n
umero de permutaciones de n elementos distintos, tomados de
k en k, con repeticion es nk .
Teorema 2.4.4. El n
umero de permutaciones de n elementos de los cuales n1
son iguales entre s, n2 iguales entre s pero distintos de los anteriores, y as
sucesivamente hasta llegar al grupo k-esimo que tiene nk elementos iguales entre s,
pero distintos de todos los anteriores, denotado nP n1 , n2 , ..., nk viene dado as:
nP n1 , n2 , ..., nk =
donde n =
Pk
i=1
n!
(n1 !n2 !...nk !)
ni
Teorema 2.4.5. El n
umero de combinaciones de n elementos distintos tomados de
k en k, denotado nCk , viene dado as:
AXIOMATICA
2.4. DEFINICION
DE PROBABILIDAD:
68
Martn Daz Rodrguez
nCk =
n!
k!(nk)!
con k n. Ademas, si k = n se tiene:
nCn =
n!
n!(o)!
=1
Ejemplo 2.4.5. Calcule nPk para la palabra INFINITO

Soluci
on
n1
n2
n3
n4
n5
=3
=2
=1
=1
=1
para
para
para
para
para
I
N
F
T
O
Luego nP3,2,1,1,1 =
8!
3! 2! 1! 1! 1!
= 3360
Ejemplo 2.4.6. De cuantas formas distintas pueden 6 personas ordenarse para

subirse a un bus?
Soluci
on
n=6
6P6 = 6! = 720
b. De cuantas formas es posible si dos personas especficas no pueden estar
juntas?
Soluci
on
Se sabe que si se tienen 6 puestos disponibles para las 6 personas, las formas
totales en que estas se pueden sentar juntas en una lnea es 6!=720.
Se necesita calcular las nuevas posibles formas de instalarse sin que las personas
69
en conflicto queden juntas y para ello una forma posible de solucion es la siguiente,
se calcula las formas en las que las personas especficas pueden sentarse juntas y
luego restar este valor del n
umero total de posibilidades. Ahora, el n
umero total
de formas en las que las dos personas especficas pueden sentarse juntas es 2! 5!
y seg
un lo descrito anteriormente, el n
umero de formas en las que las 6 personas
pueden instalarse bajo la condicion establecida es:
6! - (2! 5!) = (5!)(6) - (2!) (5!) = (5!) (6 - 2) = (5!) (4) = 480

Ejemplo 2.4.7. Una cadena de tiendas de aparatos electronicos ofrecen un precio
especial por un conjunto completo de equipos de sonido: amplificador, componente
compactos, parlantes y tocadisco. Un comprador puede elegir un componente de
cualquiera de las siguientes marcas:
1. Amplificador: Kendwood, Onkyo, Pioneer, Sony y Sherwood
2. Componente Compacto: Onkyo, Pioneer, Sony y Technics
3. Parlantes: Boston, Infinity y Polk
4. Tocadisco: Onkyo, Sony, Teac y Technics
Un tablero en la tienda permite que un cliente conecte entre s cualquier seleccion
de componentes, uno de cada tipo.
Aplique la regla del producto para contemplar lo siguiente:
a. De cuantas maneras se puede seleccionar un componente de cada tipo?
b. De cuantas maneras se pueden seleccionar los componentes si el amplificador y
el tocadiscos deben ser Sony?
c. De cuantas maneras se pueden seleccionar los componentes si ninguno de ellos
debe ser Sony?
d. De cuantas maneras se puede hacer una seleccion si por lo menos un componente
debe ser Sony?
e. Si alguien maneja los interruptores del tablero en forma aleatoria, Cual es la
probabilidad de que el sistema seleccionado contenga cuando menos un componente
Sony, y, exactamente un Componente Sony?
Soluci
on
a. 5 * 4 * 3 * 4 = 240
AXIOMATICA
2.4. DEFINICION
DE PROBABILIDAD:
70
Martn Daz Rodrguez
b. 1 * 1 * 3 * 4 = 12
c. 4 * 3 * 3 * 3 = 108
d.
240 - 108 =132
e.
a. Formas de hacer la seleccion empleando cuando menos un componente Sony
132
P(Punto a - Punto c)= 240
b. Formas de hacer la seleccion utilizando exactamente un componente Sony
k = 27 + 36 + 36 = 99
99
= 33
Por lo que la probabilidad es igual a 240
80
2.4.2.
Probabilidad Condicional
Definici
on 2.4.6. Probabilidad Condicional Sean A y B eventos de un espacio
muestral S, se define la probabilidad condicional de A dado B, denotada P(AB),
as:
P (A|B) =
P (AB)
P (B)
Si P (B) 6= 0
Ejemplo 2.4.8. La probabilidad de que un doctor diagnostique de manera correcta
una enfermedad particular es de 0.7. Dado que el doctor hace un diagnostico
incorrecto, la probabilidad de que el paciente presente una demanda es de 0.9
Cual es la probabilidad de el medico presente un diagnostico incorrecto y el paciente
lo demande?
Soluci
on
A
= Diagnostico correcto
B
= Demanda
P(A) = 0.7
71
P (B|Ac ) = 0,9
P (Ac B) =?
Entonces:
P (Ac B) = P (Ac )P (B|Ac )
luego, P (Ac ) = 0,3
P (Ac B) = (0,3)(0,9) = 0,27
Definici
on 2.4.7. Eventos Independientes Sean A y B dos eventos de un espacio
muestral S, se dice que los eventos A y B son independientes si y solo si:
P (A|B) = P (A) y P (B|A) = P (B)

Teorema 2.4.6. Sean A y B dos eventos de un espacio muestral S, A y B son
independientes si y solo si:
P (A B) = P (A)P (B)
2.4.3.
Probabilidad Total
Teorema 2.4.7. Sean A1 , A2 , ..., An una sucesion disjunta de eventos de S, tales

que ni=1 (Ai ) = S y sea B otro evento de S, entonces:
P (B) =
2.4.4.
Pn
i=1
P (Ai B) =
Pn
i=1
P (Ai )P (B|Ai ).
Regla de Bayes
Teorema 2.4.8. Regla de Bayes

P (Ai |B) =
P (Ai B)
P (B)
PnP (Ai )P (B|Ai )

k=1 P (Ak )P (B|Ak )
Ejemplo 2.4.9. Una caja contiene 6 bolas rojas y 4 verdes y una segunda contiene
7 rojas y 3 verdes. Se escoge al azar una bola de la primera caja y se coloca en la
segunda. Despues se selecciona una bola de la segunda y se pone en la primera.
AXIOMATICA
2.4. DEFINICION
DE PROBABILIDAD:
72
Martn Daz Rodrguez
1. Cual es la probabilidad de que se seleccione una bola roja de la primera caja y

una bola roja de la segunda caja.
Soluci
on Ai = bola roja de la caja i; con i = 1,2
a. P (A1 A2 ) = P (A1 )P (A2 |A1 )
luego, P (A1 ) = 6/10
P (A2 |A1 ) = 8/11
Entonces: P (A1 A2 ) = (6/10)(8/11) =
24
55
Ejemplo 2.4.10. Una empresa que fabrica camaras de video, un modelo basico y
otro de lujo. El a
no pasado el 0.4 de las camaras vendidas fueron basicas. De los
compradores del modelo basico, el 0.3 compran con garanta ampliada mientras que
el 0.5 de los compradores del modelo de lujo tambien lo hacen as. Si se sabe que
un comprador seleccionado al azar tiene garanta ampliada, Que tan probable es que
tenga un modelo basico?
Soluci
on
B
= camara comprada es modelo basico.
A = camara comprada tiene garanta ampliada.

P (B|A) =?
P (B|A) = P P(AB)
(A)
DIAGRAMA P (A) = P (B)P (A|B) + P (B c )P (A|B c )
P (A) = (0,4)(0,3) + (0,6)(0,5) = 0,42
P (A B) = P (B)P (A|B) = 0,12
P (B|A) =
0,12
0,42
= 0,285
Ejemplo 2.4.11. Un amigo que trabaja en una gran ciudad tiene 2 autos, uno
peque
no y otro grande. 3/4 del tiempo utiliza el automovil peque
no para ir a trabajar
y el 1/4 restante utiliza el auto grande.
Si utiliza el automovil peque
no por lo general no tiene problema para estacionarse y
llega a su trabajo a tiempo con una probabilidad de 0.9.
73
Si utiliza el automovil grande la probabilidad es de 0.6 de llegar a tiempo.

Si llego a tiempo una ma
nana en particular, Cual es la probabilidad de que haya
utilizado el auto peque
no?
Soluci
on
B
no.
= utilizar el auto peque
A
= llegar a tiempo al trabajo.
P(B/A)=?
P (B) = 3/4 = 0,75
P (B c ) = 1/4 = 0,25
P (A|B) = 0,9 y P (Ac |B) = 0,1
P (A|B c ) = 0,6
DIAGRAMA Luego, P (B|A) = P (A B)P (A)
P (A) = P (B)P (A|B) + P (B c )P (A|B c )
P (A) = (0,75)(0,9) + (0,25)(0,6) = 0,825
Entonces: P (B|A) =
P (B)P (A|B)
P (A)
(0,75)(0,9)
(0825)
= 0,818
AXIOMATICA
2.4. DEFINICION
DE PROBABILIDAD:
74
2.5.
Martn Daz Rodrguez
Ejercicios
75

I
ICA
T
S
I
D
ESTA
E
D
CIAL
PAR
on 2. Un inversionista esta pensado en comprar un n
umero
muy grande de acciones, la cotizacion de las acciones en la bolsa durante los
dos meses anteriores es de gran interes para el inversionista. Con base en esta
informacion se observa que la cotizacion se relaciona, con el producto nacional bruto
(PNB). Si el (PNB) aumenta, la probabilidad de que aumenten las acciones es de
0.8. si el (PNB) es el mismo, la probabilidad de que aumenten las acciones es de 0.2
y si el (PNB) disminuye la probabilidad de que aumenten las acciones es de 0.1. Si
para los siguientes 6 meses se asignan las probabilidades de 0.4, 0.3 y 0.3 para los
eventos PNB aumenta, PNB permanece igual y PNB disminuye, respectivamente.
1. Determine la probabilidad de que las acciones no aumenten su valor en los
u
ltimos 6 meses.
2. Si las acciones aumentan su valor, cual es la probabilidad de que el PNB haya
aumentado su valor?
on 3. La probabilidad de que cierto componente funcione es
de 0.9. un aparato tiene dos de estos componentes. El aparato funciona mientras lo
haga uno de estos componentes. Cual es la probabilidad de que el aparato funcione?
on 4. Se lanza una moneda con una probabilidad de 2/3 de
que el resultado sea cara, si sale cara se extrae una bola aleatoriamente de una urna
que contiene 2 bolas rojas y 3 verdes. Si sale sello se extrae una bola de otra urna
que contiene 2 rojas y 2 verdes. Cual es la probabilidad de extraer una bola roja?
on 5. Dos fabricas A y B producen relojes de la misma
clase. A con un reloj defectuoso entre 100 y B con un reloj defectuoso entre 200. un
comerciante compra una caja de tales relojes, sin saber de cual fabrica viene. Saca
un reloj y funciona, al sacar el segundo reloj, Cual es la probabilidad de que el reloj
funcione?
Justifique cada una de sus respuestas.
2.5. EJERCICIOS
76
Martn Daz Rodrguez
on 6. Suponga que se han distribuido bolas de colores en 3
cajas indiferenciables de la siguiente manera:
Caja 1 Caja 2 Caja 3
Roja
2
4
3
Blanca
3
1
4
Negra
5
3
3
1. Cual es la probabilidad de extraer una bola roja?
2. Cual es la probabilidad si se sabe que la bola es roja, se haya extrado de la
caja 3?
3. Si las probabilidades de seleccionar la caja 1, 2 y 3 son 2/3, 1/6 y 1/6,
respectivamente Cual es la probabilidad, si se sabe que la bola es roja, se haya
extrado de la caja 3?
4. Si se junta todas las bolas en una caja y se extraen cinco de ellas, sin reemplazo
cual es la probabilidad de seleccionar una roja y una negra ?
on 7. Una persona posee dos autos, un modelo compacto
y uno estandar. Aproximadamente utiliza el vehculo compacto para trasladarse a
su trabajo las tres cuartas partes del tiempo y el restante usa el carro mas grande.
Cuando emplea el carro compacto llega a su casa a las 5:30 el 75 % de las veces; si
utiliza el carro de tama
no estandar llega a la misma hora el 60 % de las veces (pero
disfruta del aire acondicionado del carro mas grande). Si llega a su casa despues de
las 5:30. Cual es la probabilidad de que haya usado el carro compacto?
77

PARCIAL DE ESTADISTICA I
NOMBRE
on 8. Valoraci
on 1.5. Un agente de bienes races muestra
casas a un comprador potencial. Hay 10 casas del precio deseado en una lista de la
zona. El comprador tiene tiempo para visitar solo tres de ellas.
1. En cuantas formas podra escoger las tres casas, si se considera el orden de
visita?
2. En cuantas formas podra escoger las tres casas, si se considera que el orden
de visita no es importante?
3. Si cuatro de las casas son nuevas y seis han sido ocupadas previamente, y las
tres casas por visitar se escogen al azar, cual es la probabilidad de que sean
nuevas?
on 9. Valoraci
on 1.25. Un profesor que el u
ltimo periodo
dio dos secciones de estadstica en ingeniera, el primero con 20 alumnos y el segundo
con 30 decidio asignar un proyecto para los cursos. Despues de recibidos todos los
proyectos, los apilo en orden aleatorio antes de calificarlos. Considere los 15 primeros
proyectos que se califican.
Cual es la probabilidad de que por lo menos 14 de ellos provengan de la segunda
seccion?
on 10. Valoraci
on 1.25. El individuo A tiene un crculo de
amigos cercanos (B, C, D, E y F). A ha odo un rumor fuera del crculo y ha invitado
a los cinco amigos a una reunion para hacer circular el rumor. Para comenzar, A
selecciona a uno de los cinco al azar y le comenta el rumor, entonces ese individuo
selecciona al azar a uno de los cuatro individuos restantes y repite el rumor. As, un
nuevo individuo de los que no han odo el rumor es seleccionado por el individuo que
acaba de escucharlo, y as, hasta que todos lo han odo.
1. Cual es la probabilidad de que el rumor sea repetido en el orden B, C, D, E
y F?
2.5. EJERCICIOS
78
Martn Daz Rodrguez
2. Cual es la probabilidad de que F sea la tercera persona de la reunion a quien

se le cuente el rumor?
on 11. Valoraci
on 1.0. Marque con una X, la respuesta
correcta Una urna contiene 7 bolas, tres rojas y cuatro negras, la probabilidad de
que al sacar tres de ellas, las tres sean rojas, si el experimento se hace sin reposici
on
es:
a) 37
b) ( 37 )3
1
c) 35
3
d) 35
79
on 12. Una empresa que fabrica camaras de video produce
un modelo basico y uno de lujo. El a
no pasado, 40 % de las camaras vendidas han sido
del modelo basico, 30 % compran una garanta ampliada, mientras que el 50 % de los
compradores del modelo de lujo tambien lo hacen as. Si sabemos que un comprador
seleccionado al azar tiene garanta ampliada que tan probable es que tenga un
modelo basico?
2.5. EJERCICIOS
80
Martn Daz Rodrguez

AL
CI
R
PA
O
D
N
GU
E
S
DE ESTADISTICA I
NOMBRE
on 13. Un experimento consiste en lanzar primeramente un
dado y despues lanzar una moneda una vez si el n
umero en la cara superior del dado
es par; si el n
umero en la cara superior del dado es impar, la modenda se lanza dos
veces. Dibuje un diagrama de arbol para mostrar los elementos del espacio muestral.
on 14. Un determinado zapato se fabrica en 5 estilos
diferentes y en 4 colores distintos para cada uno. Si la zapatera desea mostrar a
su clientela pares de zapatos en todos los estilos y colores, cuantos pares diferentes
deberan colocar en el aparador?
on 15. Una clase de estadstica avanzada se compone de
10 alumnos de primer a
no, 30 de u
ltimo a
no y 10 graduados. Las calificaciones
finales mostraron que 3 de los de primer a
no, 10 de los del u
ltimo a
no y 5 de los
graduados, recibieron una A de calificacion por el curso. Si se selecciona un estudiante
aleatoriamente y se encuentra que es uno de los que obtuvo una A, cual es la
probabilidad de que el o ella sea alumno del u
ltimo a
no?
on 16. En el u
ltimo a
no de la escuela en un grupo de 100
alumnos se encontro que 42 cursaron matematicas, 68 psicologa, 54 historia, 22
matematicas e historia, 25 matematicas y psicologa, 7 historia pero no matematicas
ni psicologa, 10 las tres materias y 8 ninguna de las tres. Si se selecciona un
estudiante aleatoriamente, encuentre la probabilidad de que
1. una persona en psicologa haya estudiado las tres
2. Una persona que no se inscribio en psicologa haya tomado historia y
matematicas.
on 17. La probabilidad de que un hombre casado vea un
cierto programa de TV es de 0.4 y la de que una mujer del mismo estado civil lo
haga, de 0.5. La probabilidad de que un hombre vea el programa, dado que su esposa
lo hace, es 0.7. Encuentre la probabilidad de que
81
1. una pareja de casados vea el programa;

2. una esposa vea el programa dado que su esposo lo hace;
3. al menos una persona de un matrimonio vea el programa.
2.5. EJERCICIOS
82
Martn Daz Rodrguez
Ejercicio 8. El evento A es que el siguiente libro que salga de una biblioteca p

ublica
sera de no ficcion y B de ficcion. Supongamos que P(A)=0.35 y P(B)=0.5.
1. Por que no es posible que P(A)+P(B)=1 ?
T
2. Calcule P(Ac B).
S
3. Calcule P(A B).
T
4. Calcule P(Ac B c ).
ECAES DE ESTADISTICA I
Ejercicio 9. Una urna contiene 7 bolas numeradas del 1 al 7, la probabilidad de que
al sacar tres de ellas, las tres sean pares, si el experimento se hace con reposicion es:
a) 71 b) 37 c) 74 d) ( 37 )3
Componente: Resolver problemas
Respuesta: d)
Competencia: Operativa
Contenido referencial:
probabilidad
Ejercicio 10. Una urna contiene 7 bolas numeradas del 1 al 7, la probabilidad

de que al sacar tres de ellas, las tres sean impares, si el experimento se hace con
reposicion es:
a ) ( 47 )3
b) 37
c) 47
d) 17
Respuesta: a)
probabilidad
Ejercicio 11. Una urna contiene 7 bolas numeradas del 1 al 7, la probabilidad de

que al sacar tres de ellas de una en una, las tres sean pares, si el experimento se
hace sin reposicion es:
1
a) 35
3
b) 7
c) 47
d) ( 37 )3
Respuesta: a)
probabilidad
83
Ejercicio 12. Una urna contiene 7 bolas numeradas del 1 al 7, la probabilidad de

que al sacar tres de ellas de una en una, las tres sean impares, si el experimento se
hace sin reposicion es:
a ) ( 74 )3
b) 37
4
c) 35
1
d) 7
Respuesta: c)
probabilidad
Ejercicio 13. Una urna contiene 7 bolas, tres rojas y cuatro negras, la probabilidad
de que al sacar tres de ellas, las tres sean negras, si el experimento se hace sin
reposicion es:
4
a) 35
b) 47
1
c) 35
d) ( 74 )3

Respuesta: a)
probabilidad
Ejercicio 14. Una urna contiene 7 bolas, tres rojas y cuatro negras, la probabilidad
de que al sacar tres de ellas, las tres sean rojas, si el experimento se hace sin
reposicion es:
1
a) 35
b) 37
c) 47
4
d) 35
Respuesta: a)
probabilidad
Ejercicio 15. Una urna contiene 7 bolas, tres rojas y cuatro negras, si al sacar tres
de ellas, sin reposicion, se sabe que la primera es roja, la probabilidad de que las
otras dos tambien lo sean es:
1
a) 35
b) ( 73 )3
1
c) 15
2.5. EJERCICIOS
84
Martn Daz Rodrguez
d) ( 27 )2
Respuesta: c)
probabilidad condicional
de ellas, sin reposicion, se sabe que la primera es negra, la probabilidad de que las
otras dos tambien lo sean es:
a)
b)
c)
d)
1
35
2
7
1
5
4
35

Respuesta: a)
de ellas, sin reposicion, se sabe que la primera es negra, la probabilidad de que las
otras dos sean rojas es:
a)
b)
c)
d)
1
35
2
7
1
5
4
35

Respuesta: c)
de ellas, sin reposicion, se sabe que la primera es roja, la probabilidad de que las
otras dos sean negras es:
a)
b)
c)
d)
1
35
1
5
2
5
4
35

Respuesta: c)
Captulo 3
Variables Aleatorias
Unidimensionales.
3.1.
Variables Aleatorias Discretas
Definici
on 3.1.1. Sea S el espacio muestral de experimento aleatorio. Sea X una
funcion:
X : z R
y sea f otra funcion:
f : X R
se dice que X es una variable aleatoria discreta y f su funcion de probabilidad si y
solo si se cumplen las siguientes condiciones:
1. f (x) 0; x R
2. P (X = x) = f (x)
3.
xR
f (x) = 1
85
86
Martn Daz Rodrguez
Algo que caracteriza a una variable discreta, es que dado un par de valores numericos
de la variable, esta no puede tomar todos los valores que hay entre estos dos valores
dados.
El grafico siguiente podra ser la curva de distribucion de una funcion de probabilidad
para una variable aleatoria discreta. Piense en los segmentos de rectas del graficos
como puntos.
3.2.
Variable Aleatoria Continua.
Definici
on 3.2.1. Sea S el espacio muestral en un experimento aleatorio, sea X
una funcion:
X : z R
y sea f otra funcion:
f : X R,
se dice que X es una variable aleatoria continua y f una funcion de densidad para X,
si y solo si se cumplen las siguientes condiciones:
1. f (x) 0; x R
2. P (a X b) =
3.
Rb
a
f (x)dx
f (x)dx = 1
Algo que es caracterstico en una variable aleatoria continua, es lo siguiente: dado

dos valores de una variable aleatoria continua, ella puede tomar cualquier valor entre
los dos valores dados. Como ejemplos de variables aleatorias se tiene estatura de una
persona, la temperatura de un lugar, el peso de una una persona, etc.
El grafico siguiente muestra la curva de distribucion de la funcion de densidad para
una variable aleatoria continua.
CAPITULO 3.
VARIABLES ALEATORIAS UNIDIMENSIONALES.
87
3.2.1.
Funci
on de probabilidad acumulada
Definici
on 3.2.2. Sea X una variable aleatoria discreta, f su funcion de probabilidad, se defina la funcion de probabilidad acumulada para X, denotada F, as:
F (x) =
tx
f (t) = P (X x)
Definici
on 3.2.3. Funcion de densidad Sea X una variable aleatoria continua, f su
funcion de densidad, se define la funcion de densidad acumulada para X, denotada
F, as:
F (x) = P (X x) =
f (t)dt
Ejemplo 3.2.1. Una organizacion de consumidores que eval

ua automoviles nuevos,
reporta regularmente el n
umero de defectos importantes en cada examen. Sea X el
n
umero de defectos importantes en un automovil seleccionado al azar. Si su funcion
de probabilidad acumulada es como sigue:
1. Calcule la probabilidad de que X sea igual a 2.
2. Calcule la probabilidad de que X sea mayor que 3.
3. Calcule la probabilidad de que X este entre 2 y 5.
4. Calcule la probabilidad de que X este entre 2 y 5 sin incluirlos.
Soluci
on
1. P (X = 2) =
P2
f (x)
2. P (X > 3) =
f (x) = 1P (x 3) = 1
x=0
3. P (2 X 5) =
x=4
P5
x=0
P1
x=0
f (x)
f (x) = 0,34 0,19 = 0,2
P1
x=0
P3
x=0
f (x) = 10,67 = 0,33
f (x) = 0,97 0,19 = 0,78
3.2. VARIABLE ALEATORIA CONTINUA.
88
Martn Daz Rodrguez
4. P (2 < X < 5) =
P4
x=0
f (x)
P2
x=0
f (x) = 0,92 0,39 = 0,53.
Justifique cada uno de los pasos en la solucion del ejemplo anterior.

Ejemplo 3.2.2. De una caja que contiene 4 monedas de $1000 y 2 de $500.
se seleccionan tres de ellas al azar sin reemplazo. Determine la distribucion de
probabilidad, para el total T, de las 3 monedas. Halle la distribucion de probabilidad.
3.3.
3.3.1.
Distribuciones especiales de variables aleatorias

Variables aleatorias discretas (casos especiales)
Definici
on 3.3.1. Distribucion Uniforme Discreta Sea X una variable aleatoria
discreta que puede tomar los valores x1 , x2 , x3 , ..., xn . Se dice que X es una variable
aleatoria discreta con distribucion uniforme y f su funcion de probabilidad si y solo si:

f (x) =
1
;
n
si x {x1 , x2 , ..., xn }
0, en cualquier otro caso
Ademas:
E(X) =
Pn
i=1
xi
V (X) =
Pn
2
i=1 (Xi E(X))
Definici
on 3.3.2. Distribucion de Bernoulli
Sea X una variable aleatoria discreta que toma los valores de exito (1) con probabilidad P y fracaso (0) con probabilidad (1 - P), se dice que X es una variable aleatoria
discreta de Bernoulli si y solo si su funcion de probabilidad f puede expresarse as:
P, si x=1
1 P, si x=0
f (x) =

CAPITULO 3.
89
Ademas:
E(X) = P
V (X) = P (1 P ).
Definici
on 3.3.3. Distribucion Binomial Sea X una variable aleatoria discreta,
se dice que X,n
umero de exitos en n ensayos de Bernoulli, es una variable con
distribucion binomial, si y solo si la probabilidad de exito P en cada uno de los n
ensayos de Bernoulli es la misma y su funcion de probabilidad f puede expresarse as:

f (x) =
(n{x )P x (1 P )nx ;
si
x = 0, 1, 2, .., n
0;
en cualquier otro caso
Ademas:
E(X) = nP
V (X) = nP (1 P ).
Definici
on 3.3.4. Distribucion Hipergeometrica Sea X una variable aleatoria
discreta, se dice que la variable X,n
umero de exitos en n ensayos de Bernoulli, es
una variable con distribucion hipergeometrica, si y solo si la probabilidad de exito
en cada uno de los n ensayos de Bernoulli es variable y su funcion de probabilidad f
puede expresarse as:
(
f (x) =
(k{x )(N k){(nx)

;
N {n
0;
si
x = 0, 1, 2, .., n
Ademas:
E(X) = n Nk
3.3.
V (X) = n( Nk )(1
k
n
)( N
).
N
N 1
DISTRIBUCIONES ESPECIALES DE VARIABLES ALEATORIAS
90
Martn Daz Rodrguez
Definici
on 3.3.5. Distribucion Binomial Negativa
Sea X una variable aleatoria discreta, se dice que X, n
umero de fracasos antes de
obtener el r exito en ensayos de Bernoulli, es una variable con distribucion binomial
negativa, si y solo si su funcion de probabilidad viene dada as:

f (x) =
(r + x 1){x P r (1 P )x ;
si
x = 0, 1, 2, .., n
0;
Donde P es la probabilidad de exito en cada ensayo de Bernoulli y ademas:
E(X) =
r(1P )
P
)
V (X) = [ r(1P
]
P2
Esta distribucion es tambien conocida como distribucion de tiempo de espera.

Definici
on 3.3.6. Distribucion de Poisson Sea X una variable aleatoria discreta,
se dice X, n
umero de exitos por unidad de longitud, de area, de volumen, de tiempo,
etc, es una variable aleatoria con distribucion de Poisson si y solo si su funcion de
probabilidad viene dada as:

f (x) =
x e
;
x!
0;
si
x = 0, 1, 2, ..
Ademas:
E(X) = V (X) =
Ejemplo 3.3.1. Se sabe que el 0.4 de los ratones inoculados con un suero quedan
protegidos de cierta enfermedad. Si se inoculan 5 ratones, encuentre la probabilidad
de que:
a. Ninguno contraiga la enfermedad.
b. Menos de 2 contraigan la enfermedad.
CAPITULO 3.
91
c. Mas de tres contraigan la enfermedad.

Soluci
on
Sea X
umero de ratones que se inoculan y quedan protegidos de cierta en=n
fermedad.
X tiene una distribucion binomial con p= 0.4 y n=5
a. P (X = 5) = (5{5 )(0,4)5 (1 0,4)0 = 0,01024
b. P (X 4) =
0,0768 + 0,01024
P (X = 4) + P (X = 5) =
c. P (X 1) = P (X = 1) + P (X = 0) =
0,4)5 = 0,2592 + 0,07776 = 0,33696
(5{4 )(0,4)4 (1 0,4)1 + 0,01024 =
(5{1 )(0,4)1 (1 0,4)4 + (5{0 )(0,4)0 (1
Ejemplo 3.3.2. Cual es la probabilidad de que una mesera se reh

use a servir
bebidas alcoholicas a solo 2 menores si verifica al azar las identificaciones de 5
estudiantes de entre 9 estudiantes de los cuales 4 no tienen la edad legal?
Soluci
on
Sea X
umero de menores a los que la mesera se reh
usa a servir bebidas
= n
alcoholicas dentro del grupo de los 5 estudiantes elegidos al azar.
La variable X tiene distribucion hipergeometrica.
N=9
k=4
n=5
Luego, P (X = 2) =
(4{2 )(5{3 )
(9{5 )
= 0,4761.
Ejemplo 3.3.3. En promedio en cierta interseccion ocurren 3 accidentes de transito

por mes. Cual es la probabilidad de que para cualquier mes dado ocurran:
a. Exactamente 5 accidentes?
3.3.
DISTRIBUCIONES ESPECIALES DE VARIABLES ALEATORIAS
92
Martn Daz Rodrguez
b. Ocurran menos de tres accidentes?

c. Ocurran al menos dos accidentes?
Soluci
on
X
umero de accidentes en un mes.
= n
X es una variable con distribucion de Poisson y = 3
a. P (X = 5) = f (5) =
(35 )(e3 )
5!
b. P (X < 3) = f (0) + f (1) + f (2)

c. P (X 2) = 1 P (X < 2) = 1 [f (0) + f (1)]
3.4.
Variable aleatoria continua (casos especiales)
Definici
on 3.4.1. Distribucion Uniforme Continua Sea X una variable aleatoria
continua, definida en un intervalo [a,b] se dice que X tiene una distribucion uniforme
continua, si y solo si:

f (x) =
1
;
ba
0;
si
x [a, b]
Ademas:
E(X) =
a+b
2
V (X) =
(ab)2
12
Definici
on 3.4.2. Distribucion Normal Sea X una variable aleatoria continua, se
dice que X tiene una funcion de densidad con distribucion normal, si y solo si:
(
f (x) =
x 2
)
e1/2(
2 2
0;
si
x R; > 0; , R
CAPITULO 3.
93
con parametros y .
Teorema 3.4.1. Sea X una variable con distribucion normal con paramtros y ,
entonces
E(X) =
Nota 1. Si = 0 y 2 = 1;
con funcion de densidad:
(
f (x) =
e1/2x
0;
V (X) = 2
Se dice que X tiene distribucion normal estandar
si
x R;
Teorema 3.4.2. Sea X una variable con distribucion normal con media y varianza
2 , entonces la variable
X
Z=
tiene distribucion normal estandar.

El teorema anterior dice que toda variable con distribucion normal, se puede
transformar en una variable con distribucion normal estandar, restandole su media y
luego dividiendo esta diferencia entre la raz cuadrada de la varianza, es decir, entre
su desviacion estandar.
Gr
aficas Explicativas
%begincenter
Ejemplo 3.4.1. El diametro interior de un anillo determinado. Se distribuye
normalmente con una media de 10 cm y una desviacion estandar de 0.03 cm
a. Que proporcion de los anillos tendra diametros interiores que excedan de
10.075cm?
b. Cual es la probabilidad de que el anillo de un piston tenga un diametro interior entre 9.97 y 10.03?
3.4. VARIABLE ALEATORIA CONTINUA (CASOS ESPECIALES)
94
Martn Daz Rodrguez
c. Por debajo de que valor el diametro interior sera el 0.15 de los anillos del
piston?
d. Cual es la probabilidad de que dos de los siguientes 6 pistones tengan un
diametro interior entre 9.97 y 10.03?
e. Cual es la probabilidad de que se necesite 6 pistones para tener un di
ametro interior entre 9.97 y 10.03?
Soluci
on
= 10
= 0,03
La variable tiene distribucion normal con X diametro interior de un anillo
de un piston.
a. P (X > 10,075)
Z=
10,07510
0,03
P (X > 10,075) = P (Z > 2,5)

Observando la tabla encontramos que el area a la derecha es 0.9938, por tanto el area a la derecha y nuestra respuesta buscada sera (1 - 0.9938) = 0.0062
b. P (9,97 X 10,03) = P ( 9,9710

Z
0,03
10,0310
)
0,03
P (1 X 1) = P (Z 1) P (Z 1) = 0,8413 0,1587 = 0,6826
c. P (X x0 ) = 0,15
P ( x
X0
)
= 0,15
P (z Z0 ) = 0,15
CAPITULO 3.
95
Ahora, buscando en la tabla el valor de 0.15, se encuentra que Z = -1.04 por

tanto:
Z0 =
X0
luego X0 = 9,9688
d. P (Y = 2) = 6{2 P 2 (1 P )4
e. Z n
umero de fracasos
r=1
P (Z = 5) = (1 + 5 1){5 P 1 (1 P )5
Ejemplo 3.4.2. Las notas definitivas obtenidas por los estudiantes de Estadstica
I del profesor A, estan normalmente distribuidas con una media de 3.6 y una
desviacion estandar de 1.1.
Las notas obtenidas por los estudiantes de Estadstica I del profesor B, estan tambien,
normalmente distribuidas con una media de 3.1 y una desviacion estandar de 0.93.
Luis estudiante del profesor A saco una nota definitiva de 4.5, Karen amiga de Luis
y alumna del profesor B, le dice a Luis que ella saco una nota equivalente a esa en
su grupo (ocupo el mismo puesto que Luis en su grupo).
1. Cuanto saco Karen (de el resultado de la nota con una sola cifra decimal)?
2. Que posicion ocupo en su grupo?
En cada caso, justifique estadsticamente su respuesta.
Soluci
on al item 1):
Sea X la nota obtenida por un estudiante del grupo del profesor B.
En la primera columna de la siguiente tabla se muestra la informacion correspondiente a las calificaciones del profesor A y en la segunda, la informacion
correspondiente a las notas del profesor B:
96
Martn Daz Rodrguez
Profesor A
Las notas estan normalmente distribuidas
= 3,6
= 1,1
Nota del estudiante Luis 4.5
Profesor B
Las notas estan normalmente distribuidas
= 3,1
= 0,93
Sea x0 , la nota de la estudiante Karen.
Estandarizando la nota de Luis en su grupo y luego la nota de Karen en su

grupo y teniendo en cuenta que esta nota estandarizada, debe ser igual a la nota
estandarizada de Luis, la cual es conocida, de ah, se despeja el valor de x0 que
corresponde a la nota de Karen, como se muestra a continuacion:
Nota de estandarizada de Luis:
4,5 3,6
= ,82.
1,1
Ahora como por hipotesis, se sabe que la nota de Karen es igual a la de Luis, eso
implica que la nota estandarizada de Karen, debe ser tambien 0.8181, es decir,que
x0 3,1
x0
=
= 0,82,
0,93
despejando a x0 en esta ecuacion, se tiene que x0 = (0,82)(0,93) + 3,1 = 3,86, o sea,
que x0 = 3,9.
Respuesta: La nota obtenida por Karen en su grupo es 3.9.
Respuesta al item 2):
Ya teniendo la nota de Karen, se calcula la probabilidad de obtener una nota menor
o igual a esta, para saber que posicion ocupa en su grupo, sabiendo ya que las notas
estan normalmente distribuidas, lo que se hace a continuacion:
X
) = P (Z 0,82),
que al buscar en la tabla de la distribucion normal estandar, corresponde a 0.79 o en

forma porcentual al 79 %, entonces P X 3,9) = P (Z 0,82) = 0,79 = 79 %.
De acuerdo con este resultado, una respuesta a la parte b) es:
Si ordenamos las notas de mayor a menor Karen ocupa un puesto por encima del
79 % de los estudiantes de su grupo.
P (X 3,9) = P (
Definici
on 3.4.3. Distribucion Gamma Sea X una variable aleatoria continua, se
dice que X tiene una distribucion Gamma, si y solo si su funcion de densidad, viene
CAPITULO 3.
97
dada as:
(
f (x) =
x(1) ex
;
()
0;
si
x, , > 0; , R
Ademas:
E(X) =
V (X) =
NOTA : a. si = 1 se dice que X tiene distribucion exponencial

f (x) =
()ex ;
si
x>0
0;
Ademas:
E(X) =
b. Si =
n
2
y=
1
2
V (X) =
1
2
se dice que X tiene distribucion Chi-Cuadrado
(
f (x) =
(1/2) 2 x( 2 1) e
(n/2)
0;
x
2
si
x>0
Ademas:
E(X) = n y
V (X) = 2n
98
3.5.
Martn Daz Rodrguez
Ejercicios
CAPITULO 3.
99

Estadstica I. Tercer Parcial
NOMBRE
Norma: Los celulares deben estar apagados y guardados ya sea en su bolso o su
bolsillo
El incumplimiento de la norma ser
a causal de anulaci
on de su ex
amen
Tiempo m
aximo: 55 minutos.
1. En la Ciudad de Mexico hay en promedio 3.5 perros callejeros por cuadras en
las zonas proletarias de la ciudad. Si se supone que los perros estan igualmente
distribudos en dichas zonas, determine la probabilidad de que en una zona
proletaria de la ciudad se encuentre usted cuatro o mas perros callejeros por
cuadras:
a)
b)
c)
d)
e)
en una cuadra cualquiera.

en al menos tres de las siguientes cinco cuadras que recorra,
por primera vez en la tercera cuadra que recorra,
por segunda vez en la cuarta cuadra que recorra.
Si en una cuadra en particular hay nueve perros, de los cuales tres
son negros, cual es la probabilidad de que al escoger cuatro de ellos,
exactamente uno sea negro?
Definici
on 3.5.1. Distribucion Binomial y binomial negativa
f (x) = (n{x )P x (1 P )nx ; si x = 0, 1, 2, .., n
f (x) = (r + x 1{x )P r (1 P )x ; si x = 0, 1, 2, ...,
E(X) = nP
V (X) = nP (1 P ).
Definici
on 3.5.2. Distribucion Hipergeometrica
f (x) =
(k{x )(N k){(nx)

;
N {n
E(X) = n Nk
si x = 0, 1, 2, ..., n
V (X) = n( Nk )(1
k
n
)( N
).
N
N 1
Definici
on 3.5.3. Distribucion de Poisson
f (x) =
x e
;
x!
si x = 0, 1, 2, ...
E(X) = V (X) =
3.5. EJERCICIOS
100
Martn Daz Rodrguez
2. Un se
nor tiene una hija universitaria a quien le da una cantidad variable de
dinero para llevar cada da a la esccuela. El papa desea que dicha cantidad la
decida la suerte. Para eso mete en una caja ocho peque
nos papeles doblados,
de las cuales cinco dicen 20 pesos y tres dicen 10 pesos. Cada ma
nana y en
presencia de su padre la ni
na saca tres papeletas al azar. Lo que sumen las tres
papeletas sera lo que su papa le dara ese da para sus gastos en la universidad.
a) Encuentre la funcion de probabilidad para la suma de dinero recibida por
la ni
na diariamente.
b) Cual es la probabilidad de que un da la ni
na reciba 60 pesos?
c) calcule la media y la desviacion estandar.
Valoraci
on: Primer punto 3.0
Segundo punto 2.0
Definici
on 3.5.4. Distribucion Binomial y binomial negativa
f (x) = (n{x )P x (1 P )nx ; si x = 0, 1, 2, ..., n
f (x) = (r + x 1{x )P r (1 P )x ; si x = 0, 1, 2, ...,
E(X) = nP
V (X) = nP (1 P ).
Definici
f (x) =
(k{x )(N k){(nx)

;
N {n
E(X) = n Nk
si x = 0, 1, 2, ..., n
V (X) = n( Nk )(1
k
n
)( N
).
N
N 1
Definici
f (x) =
x e
;
x!
si x = 0, 1, 2, ...
E(X) = V (X) =
CAPITULO 3.
101

NOMBRE
Norma: Los celulares deben estar apagados y guardados ya sea en su bolso o
su bolsillo
El incumplimiento de la norma ser
a causal de anulaci
on de su ex
amen
Tiempo m
aximo: 55 minutos.
3. De acuerdo con un estudio publicado por un grupo de sociologos de la
universidad de Massachussets, aproximadamente 30 % de los adictos al Valium
en el estado de Massachussets, lo tomaron por primera vez debido a problemas
psicologicos. Encuentre la probabilidad de que de los siguientes 7 adictos
entrevistados:
a) exactamente 4 hayan comenzado a usarlo debido a problemas psicologicos.
b) entre 2 y 5 de ellos comenzaron a tomarlo por problemas que no fueron
psicologicos.
4. Para evitar que lo descubran en la aduana, un viajero ha colocado 8 tabletas de
narcotico en una botella, que contiene 7 pldoras de vitamina que son similares
en apariencia. Si el oficial de la aduana selecciona 4 tabletas aleatoriamente
para analizarlas, Cual es la probabilidad de que el viajero sea arrestado por
posesion ilegal de narcoticos?
5. El gerente de una empresa desea contratar una nueva secretaria para llenar
el cargo vacante que dejara su actual secretaria que cumplio la edad para
pensionarse, para ello recibe la hoja de vida de varias aspirantes y las entrevista,
una a la vez. Si la probabilidad de escoger una secretaria de las que llevaron su
hoja de vida es de 1/5, Cual es la probabilidad de que se requiera entrevistar
una sexta aspirante para encontrar la primera que cumple con los requisitos?
3.5. EJERCICIOS
102
Martn Daz Rodrguez
6. Un cientfico inocula varios ratones, uno a la vez, con un germen de una

enfermedad hasta que obtiene 4 que la han contrado. Si la probabilidad de
contraer la enfermedad es 1/5, Cual es la probabilidad de que se requieran 6
ratones?
CAPITULO 3.
103
7. El n
umero promedio de ratas de campo por acre en un campo de trigo de 8
acres se estima es de 10, encuentre la probabilidad de que menos de 5 ratas de
campo se encuentren:
a) en dos acre de terreno determinado
b) en 3 de los siguientes 5 acres inspeccionados.
8. La dureza Rockwell de un metal se determina al golpear con un punto acerado
la superficie del metal y despues medir la profundidad de penetracion del
punto. Suponga que la dureza Rockwell de cierta aleacion esta normalmente
distribuida con media de 70 y desviacion estandar de 3.
a) Si un especimen es aceptable solo si su dureza esta entre 67 y 75. Cual
es la probabilidad de que un especimen seleccionado al azar tenga una
dureza aceptable?
b) Si la escala aceptable es (70-c,70+c), para que valores de c tendra una
dureza aceptable el 95 % de todos los paquetes?
Cual es la probabilidad de que a lo sumo 8 de 10 especmenes
seleccionados independientemente tenga una dureza menor de 73.84?
9. La distribucion del peso de paquetes enviados de cierto modo, es normal con
valor medio de 10 libras. El servicio de paquetera desea establecer un valor de
peso c, mas alla del cual habra cargo extra. Cual valor de c es tal que 99 % de
todos los paquetes pesen por lo menos una libra abajo del peso con cargo extra?
10. Se sabe que el dinero que gastan al a
no los estudiantes de determinanda
universidad en libros de textos sigue una distribucion normal con media $
38.000 pesos y una desviacion estandar de $ 5000 pesos. Halle los valores
extremos en pesos del rango mnimo, que contenga el 95 % de los gastos en
compra de textos de los estudiantes de esa universidad.
11. Suponga que el 8 % todos los ejes de acero producidos por cierto proceso estan
fuera de las especificaciones, pero pueden volver a trabajar. Considere una
muestra aleatoria de 20 ejes y exprese con X el n
umero de los que esten fuera
de las especificaciones y puedan volver a trabajar. Cual es la probabilidad de
que X sea:
3.5. EJERCICIOS
104
Martn Daz Rodrguez
a) a lo sumo 13?
b) menos de 13?
c) entre 15 y 25 inclusive?
CAPITULO 3.
105

DE EMPRESA
PROGRAMA DE ADMINISTRACION
NOMBRE
PECO El tiempo de llegada a clase de los estudiantes de estadstica uno del curso 2439
esta normalmente distribuido con una media de 4 minutos y una desviacion
estandar de 2 minutos.
a) Si el profesor cree que el 3.5 % de los estudiantes llegaran tarde a su
clase, cual es el tiempo mnimo de retraso en la llegada a clase de estos
estudiantes?
b) Cual es la probabilidad de que de 5 estudiantes que lleguen al curso,
exactamente 2, lleguen en el tiempo de retraso?
c) Cual es la probabilidad de que se requiera de la llegada a clase de un
quinto estudiante para encontrar un tercero que llegue en el tiempo de
retraso?
d ) Si se sabe que de 10 estudiantes que hay en el curso, seis llegaron en menos
del tiempo mnimo de retraso y el profesor quiere darles bonificacion en
la nota del tercer parcial a esos seis estudiantes, pero el no sabe cuales de
los 10 estudiantes llegaron en menos del tiempo mnimo de retraso, Cual
es la probabilidad de que el profesor se equivoque?
e) Si en promedio llegan 5 estudiantes por minutos, Cual es la probabilidad
de que en dos minutos lleguen exactamente 4 estudiantes al curso?
3.5. EJERCICIOS
106
Martn Daz Rodrguez

DE EMPRESA
NOMBRE
PCPG La probabilidad de que un estudiante de Fundamentos de Estadstica llegue a
clase en menos de 2.5 minutos de iniciada la misma es de 0.227.
a) Cual es la probabilidad de que de 5 estudiantes que lleguen al curso,
exactamente 2, lleguen en menos de 2.5 minutos?
b) Si se sabe que de 10 estudiantes que hay en el curso, seis llegaron en
menos de 2.5 minutos y el profesor quiere darles bonificacion en la nota
del tercer parcial a esos seis estudiantes, pero el no sabe cuales de los 10
estudiantes llegaron en menos de 2.5 minutos, Cual es la probabilidad de
que el profesor se equivoque?
c) Si en promedio llegan 5 estudiantes por minutos, Cual es la probabilidad
de que en dos minutos lleguen exactamente 6 estudiantes al curso?
CAPITULO 3.
107

DE EMPRESA
NOMBRE
Definici
on 3.5.7. Distribucion Binomial
f (x) = (n{x )P x (1 P )nx ; si x = 0, 1, 2, ..., n

E(X) = nP
V (X) = nP (1 P ).
Definici
on 3.5.8. Distribucion Binomial Negativa
f (x) = (r + x 1){x P r (1 P )x ; si x = 0, 1, 2, ...

E(X) =
r(1p)
p
V (X) =
r(1p)
.
p2
Definici
f (x) =
(k{x )(N k){(nx)

;
N {n
E(X) = n Nk
si x = 0, 1, 2, ..., n
V (X) = n( Nk )(1
k
n
)( N
).
N
N 1
Definici
f (x) =
x e
;
x!
si x = 0, 1, 2, ...
E(X) = V (X) =
3.5. EJERCICIOS
108
Martn Daz Rodrguez
12. Se enva un aviso a todos los propietarios de cierto tipo de automoviles,

solicitandoles llevarlos al distribuidor para comprobar la presencia de un
defecto particular de fabricacion. Supongamos que solo el 5 % tiene el defecto.
Considere una muestra aleatoria de 10 automoviles.
a) Cuales son el valor esperado y la desviacion estandar del n
umero de
automoviles de la muestra que no tienen defecto?
b) Cual es la probabilidad de que por lo menos 1 automovil de los
muestreados tengan el defecto?
c) Cual es la probabilidad de que entre 2 y 5 automoviles en la muestra
tenga el defecto?
d ) Cual es la probabilidad de que se requiera revisar 10 automoviles para
encontrar el cuarto automovil defectuoso.
e) Si se tienen 10 automoviles de los cuales se sabe 4 son defectuosos, cual
es la probabilidad de que al seleccionar 5 de ellos, tres sean defectuosos.
f ) Si al concesionario llegan en promedio tres vehculos defectuosos por
hora Cual es la probabilidad de que en dos horas llegen exactamente
4 vehculos?
13. El n
umero de solicitudes de asistencia recibido por un servicio de remolque de
vehculos con fallas es en promedio de 4 en una hora.
a) Calcule la probabilidad de que exactamente 10 solicitudes lleguen en un

periodo particular de dos horas.
b) Cual es la probabilidad de que por lo menos cinco soliciten el servicio en
un periodo particular de una hora?
Valoraci
on: El primer punto vale 3.5/5 y el
segundo 1.5/5.
CAPITULO 3.
109
14. La presion de aire de un neumatico seleccionado al azar,

instalado en un automovil nuevo esta normalmente distribuido con un valor medio de 31 lb/pulg2 y desviacion
estandar de 0.2 lb/pulg2.
a) Cual es la probabilidad de que la presion de un
neumatico, seleccionado al azar, exceda de 30.5
lb/pulg2?
b) Suponga que
baja si esta
probabilidad
neumatico de
un neumatico se considera con presion

debajo de 30.4 lb/pulg2. Cual es la
de que al menos uno de los cuatro
un automovil se encuentre bajo?
15. Suponga que aviones pequenos llegan a cierto aeropuerto

segun un proceso de Poisson, con una tasa de 8 aviones
por hora.
a) Cual es la probabilidad de que exactamente 5 aviones
pequenos lleguen en un periodo de una hora? por lo
menos 5 en una hora?.
b) Cuales son el valor esperado y la desviacion estandar
del numero de aviones pequenos que lleguen durante
un periodo de 90 minutos.?
3.5. EJERCICIOS
110
Martn Daz Rodrguez
16. (REVISAR EL ENUNCIADO) Un director de personal que entrevista a 11 ingenieros para cuatro vacantes
a programado seis entrevistas para el primer da y cinco
para el segundo da. Suponga que los candidatos son
entrevistados al azar.
a) Cual es la probabilidad de que x de los mejores cuatro
candidatos sean entrevistados el primer da?
b) Cuantos de los mejores cuatros candidatos pueden
esperar ser entrevistados el primer da ?
CAPITULO 3.
111
17. Un profesor de estadstica I, esta interesado en saber cual

es la nota definita mnima que debe sacar un estudiante
en su grupo de trabajo. El profesor cree que a lo mas
el 91.92 % de su estudiantes aprobaran la materia en su
grupo de trabajo, y cree tambien que las notas estaran
normalmente distribudas con una media de 4.3, y una
varianza de 1. Determine esa nota
18. El dispositivo de carga de un paracadas militar de carga
ha sido disenado para que se abra cuando este se encuentre
a 200 m de altura sobre el suelo. Supongamos que la altitud de apertura en realidad tiene una distribucion normal
con media 200 m y desviacion estandar 30 m. habra dano
a el equipo si el paracadas se abre a una altitud de menos
de 100 m. Cual es la probabilidad de que haya dano a
la carga en al menos uno de cinco paracadas lanzados
independientemente?
19. Suponga que las velocidades tpicas en la carrera 51b entre
la circunvalar y la Universidad del Norte se distribuyen
normalmente con una media de 59 kms por hora y
una desviacion estandar de 4 kms por hora. Si la polica
distrital tiene ordenes de multar al 10 % mas veloz de los
conductores, cual es la mayor velocidad a la que usted
puede conducir ah sin ser multado?
3.5. EJERCICIOS
112
Martn Daz Rodrguez
20. El diametro de una unidad de almacenamiento optico, tiene

una distribucion normal, con media de 0.2508 pulgadas y
una desviacion estandar de 0.0005 pul. Las especificaciones
del diametro del eje son 0.2500 +o- 0.0015. que proporcion
de ejes, cumple con este requisito?
21. El diametro promedio de un eje es de 1.018 pul y la desviacion estandar de 0.0013 pul. El diametro interior promedio
de un cojinete correspondiente es de 1.059 pulgadas y una
desviacion estandar de 0.0017 pul. Suponiendo que tanto el
diametro interior y exterior del cojinete son variables aleatorias distribuidas normalmente. Cual es el juego mnimo
que se espera ocurra al combinar aleatoriamente ejes y cojinetes en un ensamble? Juego mnimo valor de L=? Tal que
p(juegoL)=0.00135 Calcular el valor esperado del juego,
varianza y la probabilidad de interferencia.
CAPITULO 3.
Captulo 4
Distribuciones conjuntas.
4.1.
Variables Aleatorias Discretas Bidimensionales
Definici
on 4.1.1. Sea (X,Y) un vector bidimensional, se dice que el par (X,Y) es
un vector aleatorio discreto bidimensional y f su funcion de probabilidad conjunta si
y solo si se cumplen las siguientes condiciones:
1. f (x, y) 0
2. P (X = x, Y = y) = f (x, y)
P
P
3.
xR
yR f (x, y) = 1
4.2.
Variables Aleatorias Continuas Bidimensionales
Definici
on 4.2.1. Sea (X,Y) un vector bidimensional, se dice que el par (X,Y) es
un vector aleatorio continuo bidimensional y f una funcion de densidad conjunta para
(X,Y) si y solo si se cumplen las siguientes condiciones:
1. f (x, y) 0
2. P(a X b, c Y d ) =
R R
3. f (x, y)dydx = 1
RbRd
a
f (x, y)dydx
113
114
Martn Daz Rodrguez
Definici
on Sea (X,Y) una variable aleatoria bidimensional discreta y f su funcion
de probabilidad conjunta, se define la funcion de probabilidad conjunta acumulada,
denotada F, as:
F (x, y) = P (X x, Y y) =
t1 x
t2 y
f (t1 , t2 )
Definici
on Sea (X,Y) una variable aleatoria bidimensional discreta y f su
funcion de probabilidad conjunta, se definen:
a. La funcion de probabilidad marginal para x, denotada f1 , as:
f1 (x) =
yR
f (x, y)
b. La funcion de probabilidad marginal para y, denotada f2 , as:

f2 (y) =
xR
f (x, y)
c. Las funciones de probabilidad condicional para x dado y, denotada f(x,y) y

para y dado x, denotada f(y/x), as:
f (x/y) =
f (x,y)
f2 y
f (y/x) =
f (x,y)
f1 x
con f1 (x) y f2 (y) distintos de cero.
Caso Continuo Bivariado (X,Y) es un vector aleatorio continuo bidimensional y f su funcion de densidad conjunta, si y solo si:
CAPITULO 4.
DISTRIBUCIONES CONJUNTAS.
115
1.f (x, y) 0; (x, y) R2

2.P (a X b, c Y d) =
RbRd
a
f (x, y)dydx
R R
3. f (x, y)dydx = 1
Definici
on Sea (X,Y) una variable aleatoria bidimensional continua y f su
funcion de densidad conjunta, se define la funcion de densidad conjunta acumulada,
denotada F, as:
F (x, y) = P (X x, Y y) =
R R
f (t1 , t2 )dt2 dt1
Definici
on Sea (X,Y) una variable aleatoria bidimensional continua y f su
funcion de densidad, se definen:
a. La funcion de densidad marginal para X, denotada f1 , as:
f1 (x) =
f (x, y)dy
b. La funcion de densidad marginal para y, denotada f2 , as:

f2 (y) =
f (x, y)dx
c. Las funciones de densidad condicional para x dado y, denotada f(x,y) y

para y dado x, denotada f(y/x), as:
f (x/y) =
f (x,y)
f2 y
f (y/x) =
f (x,y)
f1 x
4.2. VARIABLES ALEATORIAS CONTINUAS BIDIMENSIONALES
116
Martn Daz Rodrguez
con f1 (x) y f2 (y) distintos de cero.
Definici
on Sea (X,Y) un vector aleatorio bidimensional, se definen:
a. La funcion de probabilidad o densidad marginal acumulada para x, denotada F1 , as:
F1 (x) = P (X x, Y R) =
P
tx f1 (t);
Rx
si (x, y) es un vector aleatorio discreto
f1 (t)dt; si (X, Y ) es un vector aleatorio continuo
b. Se define la funcion de probabilidad o densidad marginal acumulada para

y, as:
F2 (y) = P (X R, Y y) =
P
ty f2 (t);
Ry
si (X, Y ) es un vector aleatorio discreto
f2 (t)dt; si (X, Y ) es un vector aleatorio continuo
Esperanza y Varianzas
Sea (X,Y) un vector aleatorio bidimensional, se definen:
a. La esperanza marginal para X y Y, denotadas E(x) y E(y), as:
E(X) =
P
xR xf1 (x);
R
xf1 (x)dx; si (X, Y ) es un vector aleatorio continuo

CAPITULO 4.
117
E(Y ) =
P
yR yf2 (y);
R
yf2 (y)dx; si (X, Y ) es un vector aleatorio continuo
b. Se definen las varianzas marginales V(X) y V(Y), as:
V (X) =
P
xR [X E(X)]2 f1 (x);
R
V (Y ) =
[X E(X)]2 f1 (x)dx; si (X, Y ) es un vector aleatorio continuo
P
yR [Y E(Y )]2 f2 (y); si (X, Y ) es un vector aleatorio discreto
R
[Y E(Y )]2 f2 (y)dx; si (X, Y ) es un vector aleatorio continuo
Tambien se definen las esperanzas y varianzas condicionales as:
E(X/y) =
P
xR xf (x/y);
R
xf (x/y)dx; si (X, Y ) es un vector aleatorio continuo
118
Martn Daz Rodrguez
E(Y /x) =
P
yR yf (y/x);
R
yf (y/x)dy; si (X, Y ) es un vector aleatorio continuo
V (X/y) =
P
xR [X E(X/y)]2 f (x/y); si (X, Y ) es un vector aleatorio discreto
R
V (Y /x) =
[X E(X)]2 f (x/y)dx;
si (X, Y ) es un vector aleatorio continuo
P
yR [Y E(Y /x)]2 f (y/x); si (X, Y ) es un vector aleatorio discreto
R
[Y E(Y )]2 f (y/x)dy;
si (X, Y ) es un vector aleatorio continuo
Covarianza
COV(X,Y)= E(XY) - E(X)E(Y)
Correlaci
on
)
(X, Y ) = COV (X,Y
V (X)
V (Y )
CAPITULO 4.
119
Ejemplo 4.2.1. La Universidad del Norte desea seleccionar estudiantes de alto

rendimiento para el servicio de monitoras en los cursos de estadstica I. Inicialmente
la Universidad preselecciono los dos mejores estudiantes de estadstica I de los
profesores A, B y C, respectivamente. Solo tres de los preseleccionados seran
escogidos como monitores de estadstica I. Si X denota el n
seleccionados pertenecientes al grupo del profesor A y Y el n
seleccionados pertenecientes al grupo del profesor B.
1. Cual es la probabilidad de que de los tres estudiantes seleccionados, al menos
uno sea del grupo del profesor A?
2. Determine si el n
umero de estudiantes seleccionados del grupo del profesor
A es independiente del n
umero de estudiantes seleccionados pertenecientes al
grupo del profesor B.
3. Cuantos estudiantes seleccionados, se esperan pertenezcan al grupo del
profesor A (esperanza marginal)?
Soluci
on para la parte 1)
Sea X el n
umero de estudiantes seleccionados pertenecientes al profesor A.
Sea Y el n
umero de estudiantes seleccionados pertenecientes al profesor B.
Sea n el n
umero de estudiantes monitores requeridos, en este caso, n=3.
En la tabla siguiente se muestra por filas, en la primera, el n
seleccionados por cada profesor, que en este caso es dos y en la segunda, el n
umero
de monitores seleccionados de cada profesor:
Profesor A Profesor B Profesor C
Los dos mejores estudiantes de cada profesor
2
2
2
N
umero de estudiantes escogidos por cada profesor
x
y
n-x-y
Ahora el n
umero total de estudiantes seleccionados es de seis y el n
umero de
monitores requeridos es de tres, as que el n
umero de formas de escoger tres de los
seis seleccionados es: 6C3 .
El n
umero total de estudiantes seleccionados del profesor A es de dos (igual
para los profesores B y C), as que si x es el n
umero de estudiantes escogidos como
monitores del profesor A, el n
umero de formas de escoger x estudiantes cuando se
tienen dos es: 2Cx .
120
Martn Daz Rodrguez
El n
umero total de estudiantes seleccionados del profesor B es de dos, as que
si y es el n
umero de estudiantes escogidos como monitores del profesor B, el n
umero
de formas de escoger y estudiantes cuando se tienen dos es: 2Cy .
Por u
ltimo, si ya se escogieron x monitores del profesor A, y, y monitores
del profesor B, entoces para completar el grupo de los tres monitores requeridos,
solo falta escoger de los dos candidatos del profesor C, 3-x-y; los cuales se pueden
escoger de 2C(3xy) . Por lo que la funcion de probabilidad conjunta es:
(
f (x, y) =
(2Cx )(2Cx )(2C3xy )

,
(6C3 )
si x = 0, 1, 2 y , y = 0, 1, 2, con x + y 3
(4.1)
Al evaluar la funcion de probabilidad conjunta en cada par de valores posibles (x,y),

se tiene como resultado, lo que se observa en la siguiente tabla:
f(x,y)
0
1
2
0
f(0,0) =0
2
f(1,0) = 20
2
f(2,0) = 20
1
2
f(0,1) = 20
8
f(1,1) = 20
2
f(2,1) = 20
2
2
f(0,2) = 20
2
f(1,2) = 20
f(2,2) =0
Para dar respuesta al item 1) basta calcular la P (X 1), pero

P (X 1) = P (X = 1) + P (X = 2)
= f (1, 0) + f (1, 1) + f (1, 2) + f (2, 0) + f (2, 1) + f (2, 2)
(4.2)
Respuesta para el item 1): P (X 1) = 0,8

Soluci
on para el item 2): Recuerde que dos variables son independientes
si
f (x, y) = f1 (x)f2 (y), para todo x, y para todo y.
Las funciones de probabilidad marginal para X, se muestran en la u
ltima fila
de la siguiente tabla, al igual que la funcion de probabilidad marginal para Y;
la cual se muestra en la u
ltima columna de la misma tabla: Si tomamos x=0,
2
1
4
y, y=1, entonces f (0, 1) = 20
= 10
, f1 (0) = 20
y f2 (1) = 12
, por lo que
20
4 12
6
1
5
f1 (0)f2 (1) = 20 20 = 50 6= f (0, 1) = 10 = 50 , lo cual implica que las variables no
son independiente, ya que para el caso particulkar de x=0 y, y=1, no se cumple que
CAPITULO 4.
121
f (0, 1) = f1 (0)f2 (1).

Respuesta para el item 2): Las variables X y Y, no son independientes.
Para hallar una solucion al item 3), recuerde que la esperanza marginal de X
(que es lo que se pide en este item), viene dada as:
E(X) = x=0,1,2 xf1 (x) = 0f1 (0) + 1f1 (1) + 2f1 (2) = 0(
2
12
4
) + 1( ) + 2( ) = 1
20
20
20
Respuesta para el item 3): El n

umero de estudiantes seleccionados que se esperan
pertenezcan al grupo del profesor A es igual a 1.
4.3.
Ejercicios
4.3. EJERCICIOS
122
Martn Daz Rodrguez

EXAMEN FINAL DE ESTADISTICA I
Solo est
a permitido el uso de la tabla de la distribuci
on normal
Los celulares deben estar apagados y guardados ya sea en su bolso o su bolsillo.
Tiempo m
aximo: 90 minutos.
NOMBRE
1. La Universidad del Norte desea seleccionar estudiantes de alto rendimiento
para el servicio de monitoras en los cursos de estadstica I. Inicialmente
la Universidad preselecciono los dos mejores estudiantes de estadstica I de
los profesores A, B y C, respectivamente. Solo tres de los preseleccionados
seran escogidos como monitores de estadstica I. Si X denota el n
umero de
estudiantes seleccionados pertenecientes al grupo del profesor B y Y el n
umero
de estudiantes seleccionados pertenecientes al grupo del profesor C.
a) Cual es la probabilidad de que de los tres estudiantes seleccionados, al
menos uno sea del grupo del profesor A?
b) Determine si el n
umero de estudiantes seleccionados del grupo del
profesor A es independiente del n
umero de estudiantes seleccionados
pertenecientes al grupo del profesor B.
c) Cuantos estudiantes seleccionados, se esperan pertenezcan al grupo del
CAPITULO 4.
123

Solo est
on normal
Los celulares deben estar apagados y guardados ya sea en su bolso o su
bolsillo.
Tiempo m
aximo: 90 minutos.
NOMBRE
2. La Universidad del Norte desea seleccionar estudiantes de alto rendimiento
para el servicio de monitoras en los cursos de estadstica I. Inicialmente
la Universidad preselecciono los tres mejores estudiantes de estadstica I del
profesor A y los dos mejores de los profesores B y C. Solo tres de los preseleccionados seran escogidos como monitores de estadstica I. Si X denota el
n
umero de estudiantes seleccionados pertenecientes al grupo del profesor A y
Y el n
umero de estudiantes seleccionados pertenecientes al grupo del profesor
B.
a) Determine si el n
umero de estudiantes seleccionados del grupo del profesor
A es independiente del n
umero de estudiantes seleccionados pertenecientes
al grupo del profesor B.
b) Cuantos estudiantes seleccionados, se esperan pertenezcan al grupo del
3. Las notas del tercer parcial de 124 estudiantes de estadstica I, estan normalmente distribuidas con una media de 3.6 y una varianza de 0.9. Si la
nota mnima aprobatoria es 2.95, determine cuantos de los 124 estudiantes
ganaron el parcial? Justifique estadsticamente su respuesta.
4.3. EJERCICIOS
124
Martn Daz Rodrguez
4. De los 124 estudiantes de estadstica I que realizaron los tres primeros parciales,
exactamente nueve estudiantes distintos sacaron 4.7. Tres lo sacaron en el
primer parcial, dos en el segundo y cuatro en el tercero. Si se escogen tres
de estos nueve estudiantes para un comite:
a) Cual es la probabilidad de escoger dos de los que sacaron 4.7 en el primer
parcial y uno de los que sacaron 4.7 en el segundo parcial ? Justifique
estadsticamente su respuesta.
b) Halle el coeficiente de correlacion entre el n
umero de estudiantes que
sacaron 4.7 en primer parcial y 4.7 en el segundo parcial. Justifique
estadsticamente su respuesta.
CAPITULO 4.
125

NOMBRE
1. La Universidad del Norte va a financiar internamente cinco proyectos de
investigacion relacionados con conciencia salubrista. Si la Dvision de Ingenieras
presenta 3 proyectos, la de Ciencias Basicas 2 y la Division de Humanidades
cuatro.
a) Cual es la probabilidad de escoger tres de la Division de Ingeneras?
b) Si debe ser escogido uno de la Division de Ciencias Basicas, cual es la
probabilidad de escoger tres de la Division de Ingenieras?
2. Cada neumatico delantero de un tipo particular de automovil se llenara a una
presion de 26lb/pulgs2. suponga que la presion de aire de cada neumatico es
una variable aleatoria, X para el neumatico derecho y Y para el izquierdo, con
pdf conjunta

k(x2 + y 2 ), si 20 x 30, 20 y 30,
f (x, y) =
(4.3)
0
a. Cual es el valor de K?
b. Cual es la probabilidad de que ambos neumaticos tengan menor presion
que la requerida?
3. Dos componentes de una microcomputadora tienen la siguiente pdf conjunta
para sus duraciones X y Y:
x(1+y)
xe
,
si x > 0, y > 0,
f (x, y) =
(4.4)
0
Cual es la probabilidad que la duracion X del primer componente sea mayor
que 3?
4.3. EJERCICIOS
126
Martn Daz Rodrguez

NOMBRE
4. Las notas del tercer parcial de 120 estudiantes de estadstica I, estan normalmente distribuidas con una media de 3.6 y una varianza de 0.9. Si la nota
mnima aprobatoria es 2.9, determine cuantos de los 120 estudiantes ganaron
el parcial? Justifique estadsticamente su respuesta.
5. Dado el vector aleatorio discreto (X,Y), X=1, 3, 4 y Y=-1, 0, 1, con funcion
de probabilidad conjunta dada por:
0
1
f (x, y) 1
1
1/16 3/16 1/16
3
3/16
0
3/16
4
1/16 3/16 1/16
Calcular
a) XY
b) V (X|Y = 21 )
6. Dada la funcion de densidad conjunta:
2
(x + y)ex ,
si x > 0, 0 < y < 1,
3
f (x, y) =
0,
(4.5)
a) Calcular P (X > Y |Y = 21 )
7. Dada la funcion:

f (x, y) =
k(x2 + y)ex ,
si x > 0, 0 < y < 1,
0,
CAPITULO 4.
(4.6)
127
a) Determine el valor de k para que f sea una funcion de densidad conjunta

b) Halle el coeficiente de correlacion entre X y Y
c) Calcular P (X > Y |Y = 12 )
4.3. EJERCICIOS
128
Martn Daz Rodrguez

Solo est
on normal
Los celulares deben estar apagados y guardados ya sea en su bolso o su
bolsillo.
Tiempo m
aximo: 80 minutos.
NOMBRE
8. La economista Laura C., esta considerando hacer una investigacion sobre los
diversos fenomenos de caracter economico de actualidad; para cual necesita
recopilar cierta informacion, que puede recoger ya sea por entrevista personal,
por telefono asistida por ordenador, por correo o una combinacion de las tres
anteriores. Estudios anteriores realizados sobre el tema por los economistas
Luis S., Carlos H., Jaime I., y desde luego Angie R., muestran que el 45 %
prefieren las entrevistas por telefono asistidas por ordenador y el 25 % por
correo electronico. Si se realiza una prueba piloto a tres personas y se desea
utilizar las tres formas de recoger la informacion.
a) Cual es la probabilidad de que se halla hecho una por telefono y una por
correo?
b) Tomando como base la prueba piloto, existe alguna relacion de
dependencia entre el n
umero de personas atendidas por telefono y el
n
umero de personas atendidas por correo?
CAPITULO 4.
129
9. Un psicologo esta considerando hacer una investigacion sobre un tema X, en

el cual necesita recoger cierta informacion, la cual puede recoger ya sea por
entrevista personal, por telefono asistida por ordenador, por correo o una
combinacion de las tres anteriores. Estudios anteriores sobre el tema, muestran
que el 30 % prefieren las entrevistas personales, 45 % las entrevistas por telefono
asistidas por ordenador y el resto por correo electronico. Si se realiza una
prueba piloto a tres personas y se desea utilizar las tres formas de recoger la
informacion, cual es la probabilidad de que se halla hecho una por telefono y
una por correo? hay alguna relacion entre el n
umero de personas atendidas
por telefono y el n
umero de personas atendidas por correo?
1. Dado el vector aleatorio discreto (X,Y), X=-1, 0, 1 y Y=1, 2, 4, con funcion
de probabilidad conjunta dada por:
1
2
4
f (x, y)
1
1/16 1/16 1/8
0
1/8 1/4 1/8
1/8 1/16 1/16
1
Calcular
a. Calcular el coeficiente de correlacion XY , son independientes las

variables X y Y? Justifique estadsticamente su respuesta.
2. Un profesor de estadstica I, esta interesado en saber cual es la nota

definitiva mnima que debe sacar un estudiante en su grupo de trabajo
para aprobar la asignatura. El profesor cree que a lo mas el 97.5 % de su
estudiantes aprobara la materia en su grupo de trabajo, y cree tambien
que las notas estaran normalmente distribudas con una media de 4.2, y
una varianza de 0.6.
a. Determine esa nota mnima aprobatoria. Justifique estadsticamente
su respuesta.
b. Si la nota mnima para ser un estudiante distinguido en estadstica
I, es de 4.0. Que porcentaje de los estudiantes de este grupo,
4.3. EJERCICIOS
130
Martn Daz Rodrguez
son estudiantes con esa categora? Justifique estadsticamente su

respuesta.
CAPITULO 4.
131
a) Las variables aleatorias X y Y que representan los pesos de chocolates de

crema y de chiclosos respectivamente, en cajas de un kg., que contienen
una mezcla de chocolates de crema, chiclosos y envinados, tiene como
funcion de densidad conjunta:

24xy, 0 x 1, 0 y 1, x + y 1,
f (x, y) =
(4.7)
Halle el coeficiente de correlacion entre X y Y.
b) De un costal de frutas que contiene 2 naranjas, 3 manzanas y tres peras,
se selecciona una muestra de cuatro frutas, si X denota el n
umero de
naranjas seleccionadas y Y denota el n
umero de manzanas seleccionadas
que aparecen conjuntamente en la muestra, calcular:
1) P(X + Y 2)
2) E(X/Y = 1)
10. Para evitar que lo descubran en la aduana, un viajero ha colocado 6 tabletas de
narcotico 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, Cual es la probabilidad de que el viajero sea arrestado por
posesion ilegal de narcoticos?
2) La funcion de densidad conjunta para la demanda mensual de dos productos viene
dada por :
f (x, y) =
1 { 23 [( x5
)2 ( x5
)( y25
)+( y25
)2 ]}
10
10
10
10
e
,
100 2 3
si x, y R.
a) Cual es el coeficiente de correlacion entre X y Y?

b) Cual es la covarianza entre X y Y?
c)Obtener la funcion de probabilidad condicional de f(x/ y).
d) Suponga que la demanda de y es 30 , Cual es la probabilidad condicional de que
X sea menor que 65?
on 18. A la asociacion colombiana de ciencias economicas
le preocupa la escasez de profesionales en este campo que parece se dara en un futuro
4.3. EJERCICIOS
132
Martn Daz Rodrguez
no lejano en la ciudad de Barranquilla; ellos creen que ese problema esta relacionado
con los factores: grado de satisfaccion con la profesion, el grado de satisfaccion con
el trabajo y el grado de satisfaccion salarial. Para determinar la influencia de estos
factores en esa posible escases futura, se ha contratado un estudio conuna firma
especializada en pronosticos para investigar sobre estos factores en profesionales
de ciencias economicas en la ciudad. Como parte de este estudio se pidio a 50
profesionales de este campo que indicaran su grado de satisfaccion con respecto al
trabajo, el salario y las oportunidades de ascenso. Se reunieron los datos en la tabla
que se presenta a continuacion:
CAPITULO 4.
133
Cuadro 4.1: Grado de satisfaccion en ciencias economicas

Trabajo Sueldos Ascensos
Trabajo Sueldo Ascensos
71
49
58
72
76
37
84
53
63
71
25
74
84
74
37
69
47
16
87
66
49
90
56
23
72
59
79
84
28
62
72
37
86
86
37
59
72
57
40
70
38
54
63
48
78
86
72
72
84
60
29
87
51
57
90
62
66
77
90
51
73
56
55
71
36
55
94
60
52
75
53
92
84
42
66
76
59
82
85
56
64
95
66
52
88
55
52
89
66
62
74
70
51
85
57
67
71
45
68
65
42
68
88
49
42
82
37
54
90
27
67
82
60
56
85
89
46
89
80
64
79
59
41
74
47
63
72
60
45
82
49
91
88
36
47
90
76
70
77
60
75
78
52
72
64
43
61
74
59
82
Ademas los datos anteriores fueron clasificados seg

un la profesion en: administrador,
contador y economista.
A continuacion se presentan los datos anteriores ya clasificados por profesion:
4.3. EJERCICIOS
134
Martn Daz Rodrguez
Cuadro 4.2: Grado de satisfaccion en por profesion

Administrador
72
57
40
90
62
66
84
42
66
85
56
64
71
45
68
88
49
42
72
60
45
88
36
47
77
60
75
64
43
61
71
75
74
84
28
62
70
38
54
87
51
57
74
59
82
89
66
62
85
57
67
74
47
63
82
49
91
Trabajo
71
84
72
63
84
73
94
90
72
86
86
95
65
82
82
90
78
Contador
Sueldo Ascenso
49
58
74
37
37
86
48
78
60
29
56
55
60
52
27
67
76
37
37
59
72
72
66
52
42
68
37
54
60
56
76
70
52
72
Trabajo
84
87
72
88
74
85
79
69
90
77
71
75
76
89
Economista
Sueldo Ascenso
53
63
66
49
59
79
55
52
70
51
89
46
59
41
47
16
56
23
90
51
36
55
53
92
51
54
80
64
Se quiere identificar las caractersticas generales del grupo de profesionales en

general y en particular en cada profesion, y presentar los res
umenes de interes
que permitan valorar las variables en estudio, como lo son: grado de satisfacci
on
con el trabajo (Trabajo), grado de satisfaccion con el sueldo (Sueldo) y grado de
satisfaccion con el ascenso (Ascenso).
Si lo que se quiere hacer es un analisis desde el punto de vista estadstico, se
debera tener en cuenta los siguientes interrogantes:
1. Con base en estas variables que aspecto del trabajo satisface mas a los
Profesionales de esta ciencia?, cual parece ser el que menos lo satisface?,
en cual de las tres variables se deben introducir mejoras para estimular a
mas personas a vincularse a la formacion como profesionales en las distintas
ramas de las ciencias economicas?
CAPITULO 4.
135
2. Cual de las tres variables parece generar mayor diferencia de opinion entre
estos profesionales? Cual de las variables parece tener mayor cohesion entre
ellos?
3. Que se puede decir acerca de la satisfaccion de estos profesionales seg

un su
tipo de profesion?, Cual de las ramas de las ciencias economicas parecen
tener los mejores niveles de satisfaccion?
4. Considere los valores diferentes del grado de satisfaccion del ascenso como diferentes categoras, es decir, considere la variable Ascenso como una variable
categorica (cualitativa), haga lo mismo con los valores diferentes del grado de
satisfaccion del salario, o sea con la variable Salario, es el grado de satisfaccion del ascenso independiente del grado de satisfaccion en salario?
5. Considere los valores diferentes del grado de satisfaccion del trabajo como diferentes categoras, es decir, considere la variable Trabajo como una variable
satisfaccion del salario, es el grado de satisfaccion del trabajo independiente
del grado de satisfaccion del salario?
6. Considere los valores diferentes del grado de satisfaccion del ascenso como diferentes categoras, es decir, considere la variable Ascenso como una variable
satisfaccion del trabajo, o sea con la variable Trabajo, es el grado de satisfaccion del ascenso independiente del grado de satisfaccion en trabajo?
7. Considere el grado de satisfaccion en salario como una variable cuantitativa,
se ajustan los valores de la variable grado de satisfaccion en el salario a los
valores de una variable con distribucion normal?
8. Considere el grado de satisfaccion en el ascenso como una variable cuantitativa,
se ajustan los valores de la variable grado de satisfaccion en el ascenso a los
9. Considere el grado de satisfaccion en el trabajo como una variable cuantitativa,
se ajustan los valores de la variable grado de satisfaccion en el trabajo a los
4.3. EJERCICIOS
136
Martn Daz Rodrguez
10. Considere el grado de satisfaccion en salario y grado de satisfaccion en ascenso

como variables cuantitativas. En cada una de las profesiones analizadas, Determine si el grado de satisfaccion en sueldo es funcion del grado de satisfacci
on
en el ascenso.
11. Considere el grado de satisfaccion en salario y grado de satisfaccion en el trabajo como variables cuantitativas. En cada una de las profesiones analizadas,
Determine si el grado de satisfaccion en el salario es funcion del grado de
satisfaccion en el trabajo.
12. Considere el grado de satisfaccion en salario y grado de satisfaccion en ascenso
como variables cuantitativa, determine si el grado de satisfaccion en sueldo es
funcion del grado de satisfaccion en ascenso en las ciencias economicas.
13. Con base en los resultados anteriores, cree usted, hay razones para que la
asociacion colombiana de ciencias economica este preocupada?
CAPITULO 4.
Bibliografa
1. Walpole. Estadsticas para ingenieros .
2. Mendenhall. Estadsticas para adminitracion y economa.
3. Lincoln L. Chao. Estadsticas para adminitracion y economa.
4. Ya Lun Chou. Analisis estadstico.
5. Murray R. Spiegel. Estadstica.
6. George C. Canavos.Probabilidad y Estadstica.
7. George C. Canavos.Probabilidad y Estadstica.
8. http://www.matem.unam.mx/rollos/probabilidad.html
9.
10.
11.
12.
13.
137

Estadística I

Hochgeladen von

Dokumentinformationen

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

Estadística I

Hochgeladen von

Copyright:

Verfügbare Formate

Estadstica I

Notas de clase (Borrador)

Martn Daz Rodrguez

Martn Daz Rodriguez

Impreso y hecho en Colombia

Grado de satisfaccion en ciencias polticas . . . . . . . . . . . . . . .

Grado de satisfaccion en ciencias economicas . . . . . . . . . . . . . . 133

Martn Daz Rodrguez

Martn Daz Rodrguez

Variables Aleatorias Unidimensionales.

Haciendo un esfuerzo de reduccion y en formato de diccionario, es posible reconocer

Martn Daz Rodrguez

Desde los comienzos de la civilizacion han existido formas sencillas de estadstica,

Estadstica I. Notas de clase (Borrador)

reyes caloringios Pipino el Breve y Carlomagno ordenaron hacer estudios minuciosos

Debido a lo extenso y variado del campo cubierto por la estadstica es difcil

Martn Daz Rodrguez

com lo dije antes funciones distintas pero complementarias.

Componentes de una investigaci

Estadstica I. Notas de clase (Borrador)

Tipos de datos y escalas de medici

Un conjunto de observaciones (datos) puede hacerse mas comprensible y adquirir

Martn Daz Rodrguez

2. Temperaturas registradas cada media hora en un observatorio.

Estadstica I. Notas de clase (Borrador)

Las tablas de frecuencia constan de dos o mas columnas (o filas). En el caso

Martn Daz Rodrguez

Ejemplo 1.2.3. Distribucion de frecuencias.

Organice los datos, calcule sus frecuencias, frecuencias acumuladas y relativas, y

En la misma se observa que la frecuencia de las edades 17, 18, 19, 20 y 21

Estadstica I. Notas de clase (Borrador)

Ejemplo 1.2.4. Se lanzan cinco monedas 1000 veces . El n

1.2. ESTADISTICA DESCRIPTIVA

Martn Daz Rodrguez

La mediana de una coleccion de datos ordenados en orden de magnitud, es el valor

CAPITULO 1. ESTADISTICA DESCRIPTIVA.

Estadstica I. Notas de clase (Borrador)

Al grado en que los datos cuantitativos tienden a extenderse alrededor de un valor

Nota: Si fi = 1, i = 1,2,...n, entonces:

Y en el caso particular de fi = 1, i = 1,2,...N, entonces:

Martn Daz Rodrguez

Osea que la desviacion estandar poblacional, es la raz cuadrada positiva de la

Estadstica I. Notas de clase (Borrador)

reemplazando 1.2 y 1.4 en 1.1 se tiene:

El coeficiente de variacion mide el porcentaje de variabilidad de un conjunto de datos

Martn Daz Rodrguez

En el caso particular de fi = 1, i = 1,2,...n, entonces:

CAPITULO 1. ESTADISTICA DESCRIPTIVA.

Estadstica I. Notas de clase (Borrador)

En general, el coeficiente de sesgo, nos da informacion de la distribucion simetrica o

Martn Daz Rodrguez

En el caso particular de fi = 1, i = 1,2,...n, entonces:

CAPITULO 1. ESTADISTICA DESCRIPTIVA.

Estadstica I. Notas de clase (Borrador)

En general, el coeficiente de curtosis, es una medida de apuntamiento de la

1.3. PROPIEDADES DE LA VARIANZA

Martn Daz Rodrguez

UNIVERSIDAD DEL NORTE

Tomando como base los datos de la tabla, haga lo siguiente:

CAPITULO 1. ESTADISTICA DESCRIPTIVA.

Estadstica I. Notas de clase (Borrador)

1.3. PROPIEDADES DE LA VARIANZA

Martn Daz Rodrguez

0,83/ 18.7 = 0.04