Beruflich Dokumente
Kultur Dokumente
CAP. 1.-
QUE ES ESTADSTICA ?
CAP. 2.-
CAP. 3.-
GRFICAS ESTADSTICAS
30
CAP. 4.-
42
CAP. 5.-
MEDIDAS DE DISPERSIN
60
CAP. 6.-
PROBABILIDAD
Conjuntos y sus operaciones; Qu es Espacio
Muestral ?; Sucesos Simples y Compuestos;
Probabilidad; Axiomas de la Probabilidad;
Anlisis Combinatorio; Probabilidad Condicional;
Independencia Probabilistica; Leyes de Probabilidad; Ejercicios Propuestos.
76
PROBABILIDAD Y ESTADSTICA
CAP. 7.-
DISTRIBUCIONES DE PROBABILIDAD
98
BIBLIOGRAFA
Distribucin Normal
Distribucin t de Student
Distribucin Binomial
Valores de e- x
115
116
117
119
120
PROBABILIDAD Y ESTADSTICA
PRESENTACIN
Tomando en consideracin que los estudiantes deben contar con
los elementos necesarios para un curso, ya que esto les facilitara el proceso
del aprendizaje, nos dimos a la tarea de elaborar los apuntes del curso de
PROBABILIDAD Y ESTADSTICA en el Nivel Medio Superior, mismos
que se elaboraron tomando en consideracin la bibliografa actualizada
existente en est rea. El contenido de este libro se determino en base a los
programas que rigen en el Nivel Medio Superior en la Universidad de Colima.
En este cuaderno de apuntes se ha tratado de evitar al mximo las
demostraciones ridas, que en muchas ocasiones en lugar de aclarar,
obscurecen ms el panorama del lector.
El objetivo del cuaderno de apuntes (La superacin acadmica),
es ambicioso y sera presuntuoso afirmar que materiales como el presente lo
satisfacen. Con este material se pretende que al final el alumno tenga las
herramientas necesarias para concentrar y representar informacin, y al
mismo tiempo tenga las bases necesarias para posteriores cursos en el Nivel
Superior.
Esperamos que este cuaderno sea de utilidad tanto para los
alumnos como para los maestros, esperando de estos ltimos sus comentarios
al utilizarlo.
LOS AUTORES
PROBABILIDAD Y ESTADSTICA
INTRODUCCIN
Para tratar de predecir el resultado de una eleccin nacional, los
encuestadores entrevistan a un nmero predeterminado de personas en todo el
pas y registran sus preferencias. Sobre la base de esta informacin se
construye
una
prediccin.
Problemas
similares
se
encuentran
en
PROBABILIDAD Y ESTADSTICA
ESTADSTICA
Es un lenguaje universal de la ciencia tanto en sus ramas fsicas
como sociales, la comunicacin y el uso de la Estadstica nos permiten
comunicar ms exactamente los descubrimientos en las investigaciones. La
Estadstica es tambin un instrumento que utilizado con cuidado y precisin
nos permite describir nuestros resultados y adoptar decisiones respecto a lo
que nos dicen.
Aprender Estadstica es algo simple y se llega a su comprensin total
por medio de ejercicios; en la Estadstica intervienen nmeros y letras como
parte de su lenguaje, adems, la Estadstica posee significados diversos para
personas de formaciones e intereses diversos. El campo de la Estadstica se
divide ampliamente en dos ramas, que son: La Estadstica descriptiva y la
Estadstica Inferencial.
PROBABILIDAD Y ESTADSTICA
recoleccin,
clasificar, describir e
PROBABILIDAD Y ESTADSTICA
PROBABILIDAD Y ESTADSTICA
ATRIBUTO
CUANTITATIVOS
DISCRETOS
CONTINUOS
PROBABILIDAD Y ESTADSTICA
distintos aunque
3 VERDES
ESTADSTICA
? ? ? ?
2 AMARILLAS
PROBABILIDAD Y ESTADSTICA
EXAMEN DE AUTOEVALUACIN
1.-
Qu es la Estadstica?
2.-
3.-
4.-
5.-
7.-
8.-
(Km por litro) del FORD COUGAR. Describa la poblacin que sera de
inters para usted, de la cual tendra que seleccionar la muestra.
PROBABILIDAD Y ESTADSTICA
9.-
10
PROBABILIDAD Y ESTADSTICA
INTRODUCCIN
Como veremos ms adelante, el anlisis estadstico de datos
requiere numerosas operaciones aritmticas, y sera muy tedioso describir
todas estas operaciones con palabras. La solucin de esta dificultad es
expresar las operaciones en trminos de una o ms frmulas. Entonces, para
analizar un conjunto dado de datos mustrales se sustituiran las mediciones
mustrales en el conjunto apropiado de frmulas.
Una de las operaciones mas comunes en el anlisis estadstico de
datos es el proceso de sumas (adicin). Por lo tanto necesitaremos un smbolo
para indicarle que sume las mediciones mustrales, o que sume un conjunto
de nmeros calculados a partir de las mediciones mustrales. Este smbolo,
llamado sumatoria, puede ser muy familiar para algunos y completamente
nuevo para otros (
).
TOMA DE DATOS
Si tuviramos la poblacin frente a nosotros, cmo podramos
describir este subconjunto grande de mediciones ?. Muchos textos se han
dedicado a los mtodos de la estadstica descriptiva, es decir, a los mtodos
para describir conjuntos de datos numricos.
11
PROBABILIDAD Y ESTADSTICA
TCNICAS ESTADSTICAS
Las tcnicas estadsticas, los grficos, las distribuciones de
frecuencias, promedios, etc., son trminos de indudable valor prctico para la
descripcin de los datos. Sin
problema de estimar la
12
PROBABILIDAD Y ESTADSTICA
lo
que
podemos
concluir
que
las
TCNICAS-
las
Estadstica ha
FRECUENCIAS
Antes de comenzar con la distribucin de frecuencias, ser
conveniente definir el vocablo Frecuencia, ya que se ha mencionado con
13
PROBABILIDAD Y ESTADSTICA
PROBABILIDAD Y ESTADSTICA
CONCEPTO DE VARIABLE
Consideremos la desigualdad X + 2 > 5, los valores de X que
satisfacen dicha desigualdad son todos los valores mayores que 3, dado que:
X+2>5
X>5-2
X>3
como X > 3, entonces X puede ser: 4, 5, 6, ...
X
dentro de la desigualdad ( por lo que se dice que una variable es aquella que
puede tomar distintos posibles valores dentro de un suceso ).
Desde los tiempos ms remotos dos tendencias opuestas, a veces
colaborando la una con la otra, han gobernado todo el desarrollo de la
matemtica. Estas dos son el dominio de lo continuo y lo discreto. Una de las
grandes tareas de la matemtica actual consiste en armonizar lo continuo y lo
discreto para incluirlos en una matemtica nica y para iluminar la oscuridad
de ambas.
Siguiendo con el concepto de variable, veremos que una variable
discreta es una regla bien definida para asignar valores numricos a todos los
resultados posibles de un experimento. Lo anterior significa que una variable
aleatoria discreta es aquella que se asocia a todo experimento siempre y
cuando el conteo sea finito o infinito numerable y con datos numricos
enteros.
Una variable continua es aquella cuyos valores posibles no tienen
interrupcin, es decir, son aquellos valores que podemos obtener no mediante
un conteo o simple observacin, si no mediante observaciones ms concretas
15
PROBABILIDAD Y ESTADSTICA
INTERVALOS
Es importante que repasemos un concepto ya manejado en
matemticas, como es el de INTERVALO, ya que con el ser necesario
trabajar en la formacin de cuadros estadsticos, en donde hablaremos de
intervalos de clases, por lo que definimos lo siguiente:
Un intervalo de clase es aquel que contiene a una cierta
cantidad de elementos de la muestra o poblacin , por ejemplo, el nmero de
alumnos que obtienen una calificacin entre 5 y 8, en este ejemplo, el
intervalo es [5, 8], y como frecuencia contendr a todos los alumnos que
16
PROBABILIDAD Y ESTADSTICA
CUADRO ESTADSTICO
El cuadro estadstico ms usual es aqul en el que se representa
el nmero total de clases o de
correspondientes a cada
CLASE o
VARIABLE
30 - 36
37 - 43
44 - 50
TOTAL
FRECUENCIA
6
5
3
14
FRECUENCIA
ACUMULADA
6
11
14
FRECUENCIA
RELATIVA
6/14
5/14
3/14
14/14
FREC. REL.
ACUMULADA
6/14
11/14
14/14
42
27
83
35
90
50
67
97
63
80
73
83
49
59
95
60
70
83
84
85
63
63
73
75
68
17
PROBABILIDAD Y ESTADSTICA
42
49
50
52
59
60
60
63
63
63
67
68
70
73
73
75
80
83
83
83
84
85
90
95
97
20
clases,
Nmero de Clases =
18
PROBABILIDAD Y ESTADSTICA
No. de clases =
97 - 27 + 1
9
71
= 7.88
9
como podemos ver tenemos 7.88 clases, pero debido a tener una porcin de
una clase ms, debemos incrementar o redondear a el inmediato superior,
19
PROBABILIDAD Y ESTADSTICA
PROBABILIDAD Y ESTADSTICA
28
29
30
31
32
33
34
35
21
PROBABILIDAD Y ESTADSTICA
PROBABILIDAD Y ESTADSTICA
27 35
31, para el intervalo de
2
Intervalo de
Clase
Frecuencia
Frecuencia
Acumulada
Frecuencia
Relativa
Frecuencia
Rel. Acum.
Marca de
Clase
27 - 35
36 - 44
45 - 53
54 - 62
63 - 71
72 - 80
81 - 89
90 - 98
Totales
4
2
3
3
6
4
5
3
30
4
6
9
12
18
22
27
30
4 / 30
2 / 30
3 / 30
3 / 30
6 / 30
4 / 30
5 / 30
3 / 30
30 / 30
4 / 30
6 / 30
9 / 30
12 / 30
18 / 30
22 / 30
27 / 30
30 / 30
31
40
49
58
67
76
85
94
42
49
52
36
32
33
53
33
12
31
41
50
50
23
41
32
11
49
10
15
28
31
13
48
17
27
15
41
32
28
17
13
47
35
47
15
53
42
53
27
PROBABILIDAD Y ESTADSTICA
8
8
9
9
9
10
11
12
13
13
15
15
15
17
17
23
27
27
28
28
31
31
32
32
32
33
33
35
36
41
41
41
42
42
47
47
48
49
49
50
50
52
53
53
53
Frec. Acum.
Frec. Rel.
Frec. R. A.
5 - 10
11
11
0.22
0.22
Marca de
Clase
7.5
11 - 16
18
0.14
0.36
13.5
17 - 22
20
0.04
0.40
19.5
23 - 28
25
0.10
0.50
25.5
29 - 34
32
0.14
0.64
31.5
35 - 40
34
0.04
0.68
37.5
41 - 46
39
0.10
0.78
43.5
47 - 52
47
0.16
0.94
49.5
53 - 58
50
0.06
1.00
55.5
Totales
50
1.00
24
PROBABILIDAD Y ESTADSTICA
Intervalo de
Clase
5 - 10
11 - 16
17 - 22
23 - 28
29 - 34
35 - 40
41 - 46
47 - 52
53 - 58
Intervalo de Clase
con Limites Reales
4.5 - 10.5
10.5 - 16.5
16.5 - 22.5
22.5 - 28.5
28.5 - 34.5
34.5 - 40.5
40.5 - 46.5
46.5 - 52.5
52.5 - 58.5
Frecuencia
Marca de Clase
11
7
2
5
7
2
5
8
3
7.5
13.5
19.5
25.5
31.5
37.5
43.5
49.5
55.5
(y - 4)
b)
y=0
c)
i=1
a)
y=2
(yi - 2) =
(y - 4)
(y 2 - 5) =
d)
(y
+ 2i) =
i=1
= (0 - 4) + (1 - 4) + (2 - 4) + (3 - 4) + (4 - 4) + (5 - 4)
y=0
= -4 - 3 - 2 - 1 + 0 + 1 = -9
como podemos observar, se fue sustituyendo en el lugar de y el valor
consecutivo desde el cero hasta el mximo valor que era el 5. Lo hecho
anteriormente es similar para los incisos b), c) y d).
25
PROBABILIDAD Y ESTADSTICA
b)
y=2
= - 1 + 4 + 11 + 20 + 31 = 65
c)
i=1
d)
(y
i=1
b)
si y = 1 entonces :
si y = 2 entonces :
si y = 3 entonces :
si y = 4 entonces :
(y2 - 1)
y=1
c)
y=1
= 0 + 3 + 8 + 15 = 26
26
PROBABILIDAD Y ESTADSTICA
Encuentre
10
i=1
b)
Encuentre: i)
i=2
i)
i=2
ii)
i=2
yi
ii)
i=2
yi2
16
19
17
8
11
9
14
8
11
13
19
17
7
6
5
9
16
8
9
13
12
17
16
14
9
16
15
18
6
8
5
7
16
17
13
9
7
5
7
11
elaborar un cuadro estadstico en el podamos observar la frecuencia,
frecuencia acumulada, frecuencia relativa, frecuencia relativa acumulada,
marca de clase, amplitud de clase y lmites reales de clase.
Primero
procederemos
ordenar
los
datos
presentados
anteriormente:
5
5
5
6
7
7
7
7
8
8
8
9
9
9
9
11
11
12
13
13
14
14
15
16
16
16
16
17
17
17
18
19
27
PROBABILIDAD Y ESTADSTICA
11
13
16
17
19
Intervalo
de Clase
5-7
Int. Clase
Lim. Real
4.5 - 7.5
Marca de
Clase
6
8 - 10
7.5 - 10.5
0.225
18
0.450
11 - 13
10.5 - 13.5
0.175
25
0.625
12
14 - 16
13.5 - 16.5
0.200
33
0.825
15
17 - 19
16.5 - 19.5
0.175
40
1.000
18
Totales
40
1.000
28
PROBABILIDAD Y ESTADSTICA
EJERCICIOS PROPUESTOS
1.-
2.-
Frecuencia
b)
Frecuencia Relativa
c)
Cuadro Estadstico.
d)
Amplitud de Clase.
y3
y=1
b)
( 1 + 2x + x2 )
x=1
c)
( x3 + 2x )
x=0
29
PROBABILIDAD Y ESTADSTICA
INTRODUCCIN
Es natural introducir los mtodos grficos para describir
conjuntos de datos a travs de la consideracin de un conjunto real de datos.
Anteriormente vimos el anlisis de datos por mtodos numricos, mtodos
con los que nosotros podemos leer informacin respecto a promedios,
poblaciones, etc. En los cuadros estadsticos se habl de clases y variables,
ahora podremos representar grficamente esas clases o variables y a ello es lo
que llamaremos mtodos estadsticos grficos. Note que en los extremos de
los subintervalos o clases se han escogido de manera que ningn elemento
coincida con dos subintervalos o clases a la vez, eliminando as cualquier
ambigedad relacionada con la ubicacin de una observacin particular. Justo
con los cuadros estadsticos vistos en el captulo anterior es con los que
deberemos elaborar nuestras grficas estadsticas para el desarrollo de los
mtodos grficos.
REPRESENTACIONES GRFICAS
En muchos casos una representacin grfica de una tabla de
frecuencias da una informacin concisa y clara de una
distribucin de
30
PROBABILIDAD Y ESTADSTICA
Curva de Lorenz.
2.-
cuadro tendramos:
Int. de Clase
Frecuencia
30-39
4
40-49
6
50-59
8
60-69
12
70-79
8
80-89
8
90-99
4
Total
50
PRIMERA FORMA
31
PROBABILIDAD Y ESTADSTICA
SEGUNDA FORMA
POLGONO DE FRECUENCIAS
Se obtiene relacionando la marca de clase (punto medio de cada
intervalo) con su frecuencia respectiva. Ahora bien, para poder formar el
polgono de frecuencias es necesario tomar una clase antes de la primera clase
y una clase despus de la ltima clase ambas con frecuencia cero, de esta
manera al unir todos los puntos de relacin marca de clase con frecuencia
quedara formado el polgono respectivo. Veamos un polgono de frecuencias
en base al siguiente cuadro estadstico. Las marcas de clase se obtienen como
se menciono en el captulo 2.
Int. de Clase
Frecuencia
Marca de Clase
30-39
4
40-49
6
50-59
8
60-69
12
70-79
8
80-89
8
90-99
4
34.5
44.5
54.5
64.5
74.5
84.5
94.5
Total
50
32
PROBABILIDAD Y ESTADSTICA
DIAGRAMA DE PASTEL
Este diagrama se forma con la distribucin de frecuencias
relativas y se llama as debido a su configuracin, la forma de obtener las
rebanadas que le dan la forma de un pastel es multiplicando la frecuencia
relativa por 360 grados que es el nmero de grados que tiene una
circunferencia, su configuracin es la siguiente:
Extraccin de el estudiante
Frecuencia
Porcentaje ( % )
Z. Urbana
240
12
Z. Suburbana
1400
70
Z. Rural
360
18
Totales
2000
100
33
PROBABILIDAD Y ESTADSTICA
Frecuencia
0
3
1
2
3
1
10
Frec. Acum.
0
3
4
6
9
10
34
PROBABILIDAD Y ESTADSTICA
35
PROBABILIDAD Y ESTADSTICA
36
PROBABILIDAD Y ESTADSTICA
curvas de
DISTRIBUCION NORMAL
Es una distribucin simtrica alrededor de la media, con una
curva de frecuencias en
PROBABILIDAD Y ESTADSTICA
30
38
52
30
84
42
27
83
35
90
50
67
97
63
80
73
83
49
59
95
60
70
83
84
85
63
63
73
75
68
Intervalo de
Clase
Frecuencia
Frecuencia
Acumulada
Frecuencia
Relativa
Frecuencia
Rel. Acum.
Marca de
Clase
27 - 35
36 - 44
45 - 53
54 - 62
63 - 71
72 - 80
81 - 89
90 - 98
Totales
4
2
3
3
6
4
5
3
30
4
6
9
12
18
22
27
30
4 / 30
2 / 30
3 / 30
3 / 30
6 / 30
4 / 30
5 / 30
3 / 30
30 / 30
4 / 30
6 / 30
9 / 30
12 / 30
18 / 30
22 / 30
27 / 30
30 / 30
31
40
49
58
67
76
85
94
38
PROBABILIDAD Y ESTADSTICA
b) POLGONO DE FRECUENCIAS
Frecuencia Relativa
0.133
0.067
0.100
0.100
0.200
0.133
0.167
0.100
0.133 x 360
0.067 x 360
0.100 x 360
0.100 x 360
0.200 x 360
0.133 x 360
0.167 x 360
0.100 x 360
39
PROBABILIDAD Y ESTADSTICA
d) O J I V A
frec. 30
26.5
35.5
44.5
53.5
62.5
71.5
80.5
89.5
98.5
EXAMEN DE AUTOEVALUACIN
1.-
2.-
8
6
3
4
8
5
2
4
4
3
2
3
8
6
2
7
6
1
6
3
2
7
4
3
8
5
7
5
8
6
5
6
2
3
2
5
3
7
7
7
6
3
5
1
2
PROBABILIDAD Y ESTADSTICA
b) Construir un Histograma.
c) Construir un Polgono de Frecuencia.
d) Graficar una Ojiva.
e) Construir un Diagrama de Pastel.
3.-
Derecho:
1.87
1.73
1.77
1.76
1.91
1.79
1.98
1.83
1.85
1.89
1.75
1.87
1.91
1.82
1.86
1.90
1.81
1.94
1.91
1.86
1.84
1.79
1.79
1.90
1.97
1.82
1.85
1.80
1.87
1.78
1.77
1.89
1.92
1.86
1.74
1.85
1.90
1.84
1.91
1.76
41
PROBABILIDAD Y ESTADSTICA
LA MEDIA ARITMTICA
Tambin se le conoce como promedio; es la suma de todos los
elementos dividida entre el nmero total de ellos. Matemticamente se
representa de la siguiente manera:
" Sea X una variable; X1, X2, . . . , Xn , la poblacin generada
por X, el promedio de la poblacin ser :
n
Xi
i=1
(1)
PROBABILIDAD Y ESTADSTICA
6.77
18
18
= 6.77
1.92
1.85
1.84
1.94
1.86
1.87
1.88
1.80
1.92
1.93
43
PROBABILIDAD Y ESTADSTICA
1.80 + 1.82 + 1.84 + 1.85 + 1.86 + 1.87 + 1.88 + 1.92 + 1.92 + 1.93 + 1.94 + 1.97
12
22.6
= 1.88 mts
12
14,280
15,720
13,318
14,420
13,300
12,800
13,618
14,710
15,127
14,360
13,750
= 13,950.25 toneladas
12
i=1
xi = 12,000 + 14,280 +
* * *
+ 14,360 + 13,750
44
PROBABILIDAD Y ESTADSTICA
LA MEDIANA
Es otra medida que se utiliza para describir el valor central de
una poblacin. Para calcular la Mediana se ordenan los datos en forma
ascendente o descendente, si el tamao de la poblacin es impar, la Mediana
es el dato que queda al centro del los datos ordenados; si es par, la Mediana es
el promedio de los dos datos que ocupan el centro de la ordenacin. Se
observa que la Mediana divide en dos partes iguales a los datos de una
muestra o poblacin. La Mediana es una medida que no es afectada por los
valores extremos de la muestra o poblacin. Veamos algunos ejemplos.
* Calcular la mediana de los siguientes datos:
46, 54, 58, 56, 48, 58, 112
Para calcular la Mediana, primero se ordenan los datos en forma ascendente o
descendente, tenindose:
46, 48, 54, 56, 58, 58, 112
Una vez ordenados, se toma el dato al centro de la ordenacin ya
que en este caso tenemos un nmero impar de datos, por lo tanto, la Mediana
es: 56
* En un grupo de 15 alumnos de la Fac. de Medicina, los
alumnos obtuvieron las siguientes calificaciones en Anatoma:
85
87
87
92
79
94
78
90
83
87
77
78
96
92
89
Determine la Mediana.
45
PROBABILIDAD Y ESTADSTICA
78
78
79
83
85
87
87
87
89
90
92
92
94
96
18
23
16
24
17
18
20
15
16
22
18
11
14
19
11
12
14
15
16
16
17
18
18
18
19
20
22
23
24
como podemos observar en este caso el nmero de datos es par y por lo tanto
la Mediana de esta coleccin de datos ser el media aritmtica de los datos
que ocupan el centro de la coleccin, siendo estos datos los nmeros 17 y 18
17 18
tenindose entonces que la Mediana en este ejercicio es : X =
17.5 .
2
46
PROBABILIDAD Y ESTADSTICA
LA MODA
Es otra medida de tendencia central y que se utiliza para describir
el valor tpico de una poblacin. La Moda en una poblacin o muestra es el
valor que se presenta con mayor frecuencia. S en una muestra de 10 casas, se
considera la siguiente distribucin en nmero de hijos, 3, 0, 1, 5, 6, 2, 1, 2, 7,
2, entonces la Moda es el nmero 2, ya que es el elemento que aparece con
mayor frecuencia. La Moda la representaremos de la siguiente manera : Mo .
Debemos aclarar que pudiera existir una coleccin de datos en la que existan
dos o ms modas, lo cual sucedera cuando existieran dos o ms elementos
que aparecen la misma cantidad de veces y que adems son el que mayor
frecuencia tienen. Veamos algunos ejemplos.
* En un grupo de 15 alumnos de la Fac. de Medicina, los
alumnos obtuvieron las siguientes calificaciones en Anatoma:
85
92
78
87
96
87
79
90
77
92
87
94
83
78
89
1.92
1.84
1.86
1.88
1.92
1.82
1.85
1.94
1.87
1.80
1.93
47
PROBABILIDAD Y ESTADSTICA
11
18
12
18
14
19
16
20
16
22
16
23
17
24
en este ejemplo tenemos que los nmeros que mayor veces aparecen son el 16
y el 18, por lo tanto, en esta coleccin de datos tenemos un ejemplo de
distribucin bimodal ( existen 2 modas en la coleccin ), por lo que las modas
son: Mo = 16 y 18
COMPARACIN DE LA MEDIA
ARITMETICA, LA MEDIANA Y LA MODA
Hemos visto 3 medidas de tendencia central que describen a una
poblacin, pero, cul debe usarse en una situacin determinada?. La eleccin
de la medida de tendencia central a usarse depende del tipo de variable que
genera la poblacin y de las finalidades del estudio que se est realizando. Un
criterio fuerte para la eleccin de alguna de estas medidas es el de escoger la
que presente ventajas significativas sobre las otras dos, por ejemplo: En el
caso de una fbrica de automviles la empresa deber decidir que marca de
acumuladores usar en sus vehculos, para lo que le puede ser til adems del
costo, comparar la durabilidad de los acumuladores de diversas marcas. En
poblaciones de este tipo, la media, la mediana, y la moda son en la mayor
parte de los casos valores muy parecidos.
48
PROBABILIDAD Y ESTADSTICA
2
8
7
10
10
3
7
10
10
5
8
7
8
2
10
4
2
9
8
9
5
9
9
2
6
4
1
10
10
1
7
10
5
2
9
5
9
9
7
7
8
6
5
3
6
49
PROBABILIDAD Y ESTADSTICA
145
168
178
168
175
177
164
164
178
165
179
168
172
168
172
168
180
168
179
173
158
168
149
154
170
159
168
PROBABILIDAD Y ESTADSTICA
MEDIA GEOMTRICA
La Media Geomtrica es muy usual para el clculo de promedios
de tasas de variacin, en la elaboracin de Nmeros ndice, etc. Se define de
la siguiente manera: S tenemos n elementos, la Media Geomtrica es la raz
n-sima del producto de todos los elementos . La frmula para obtenerla es:
MEDIA GEOMTRICA ( g ) =
donde:
n X1
X2
* . . .
Xn
n = Tamao de la Muestra
Xi = Elemento de la Muestra
* Obtener la Media Geomtrica de los siguientes nmeros: 3, 5,
7, 9, 8.
g = 5 3 * 5 * 7 * 8 * 9 = 5 7,560 = 5.966
Veamos algunos ejercicios de lo visto hasta este momento.
* Obtener la Media Aritmtica de los datos:
6
X
6 3 8 5 2
24
=
= 4.8
5
5
72,000
89,000
75,000
72,000
81,000
90,000
163,000
84,000
78,000
81,000
51
PROBABILIDAD Y ESTADSTICA
Mo = 72,000 y 81,000
= 81,000
X
15
17
13
18
14
18
13
17
15
g = 10 12 x 15 x 17 x 13 x18 x 14 x 18 x 13 x 17 x 15
g = 10 5,981,655,000,000 = 15.05
MEDIA ARMNICA
La idea de promedio es tan manejable que no es sorprendente que
se hayan inventado diversos tipos de promedio de modo que pueda
representarse con un mnimo de deformacin un campo tan amplio como sea
posible. Podemos escoger nuestro promedio, y tomamos el apropiado para
nuestro propsito. El promedio aritmtico de un conjunto de nmeros es el
ms simple de los promedios medidas de centralizacin.
52
PROBABILIDAD Y ESTADSTICA
1 hora
30 minutos
20 minutos
15 minutos
PROBABILIDAD Y ESTADSTICA
n
n
X
i=1
H=
4
1
1
1
1
4
4,800
=
= 192 Km/ h
25
25
1200
54
PROBABILIDAD Y ESTADSTICA
n
n
i1
1
xi
1 1
4 6
2
2
24
4
4
3 2
5
5
5
12
12
4
das.
5
4
das, por lo que al trabajar conjuntamente resulta:
5
4
24
24
2
5
5
2
2
2
10
5
por lo tanto para arar el campo si los dos tractores trabajan conjuntamente, se
requiere 2
2
das.
5
arado
de un
5
de
12
55
PROBABILIDAD Y ESTADSTICA
2
de campo, que es el complemento
12
10
2
del campo, entonces, en arar todo el campo tardarn 2 das.
de
12
5
1
1
f
en donde N =
H N
X
f ,
N
f
sustituyendo los datos de velocidad y distancia, resulta:
H
X
d1 + d2 + d3 + . . . + d N d1 d2 d3
dN
... +
v
v1 v2 v3
vN
sustituyendo los datos en la ecuacin de la media armnica ponderada para la
velocidad media, resulta:
90 70
90
70
=
v
70
100
160
= 1 .2 8 5 7 + 0 .7
v
160
1 .9 8 5 7
v
v = 8 0 .5 7
Determinamos
primeramente
el
tiempo
PROBABILIDAD Y ESTADSTICA
TIEMPO ( t ) =
DISTANCIA ( d )
90 Km
=
1.2857 horas
VELOCIDAD ( v )
70 Km / h
(t) =
d
70 Km
0.7 horas.
v 100 Km / h
VELOCIDAD MEDIA =
TIEMPO TOTAL
1.2857 h + 0.7 h 1.9857 h
H =
donde:
f
f
X
N
f
H = Media Armnica
N=
PROBABILIDAD Y ESTADSTICA
INTERVALOS
( LONGITUDES )
FRECUENCIAS ( f )
( No. DE PLANTAS )
5.4 - 5.7
5.8 - 6.1
6.2 - 6.5
6.6 - 6.9
7.0 - 7.3
7.4 - 7.7
7
16
21
29
18
9
100
MARCA DE
CLASE ( X)
5.4 - 5.7
5.8 - 6.1
6.2 - 6.5
6.6 - 6.9
7.0 - 7.3
7.4 - 7.7
5.55
5.95
6.35
6.75
7.15
7.55
f
X
FRECUENCIAS ( f )
(No. DE PLANTAS)
7
16
21
29
18
9
N = 100 =
1.261261
2.689075
3.307086
4.296296
2.517482
1.192052
f
15.2632252
H=
N
100
=
= 6.55
f
15.2632252
X
EJERCICIOS PROPUESTOS
1.-
58
PROBABILIDAD Y ESTADSTICA
2.-
Mediana y la Moda.
3.-
ms significativa?
4.-
siguientes datos:
1
4
5.-
1
4
2
4
2
5
3
5
3
6
3
7
4
8
a)
1.3
0.2
4.7
2.5
1.2
0.4
2.3
0.7
5.0
0.2
b)
Diagrama de Pastel.
c)
Moda.
59
PROBABILIDAD Y ESTADSTICA
MEDIDAS DE DISPERSIN
Cuando una poblacin es generada por una variable numrica,
adems de poderla describir mediante una medida de tendencia central,
tambin se puede obtener una medida que nos indique el grado de
homogeneidad de sus datos. A este tipo de medidas se les conoce como
medidas de variabilidad o de dispersin. Existen varias medidas de
dispersin, como son el Rango, la Desviacin Media, la Varianza, y algunas
otras, las cuales estudiaremos en este captulo.
RANGO: Es una medida de dispersin que se obtiene restando al
mayor elemento de la coleccin de datos, el elemento menor. Aunque el rango
es una medida que tiene la ventaja de calcularse fcilmente, tiene la
desventaja de slo considerar los valores extremos de la poblacin (Tambin
se le conoce como Amplitud Total ).
DESVIACIN ESTNDAR
Esta medida nos indica que tan dispersos se encuentran en
promedio, los datos con respecto a la media aritmtica. Existen dos tipos de
desviacin estndar, la Desviacin Estndar Muestral y la Desviacin
Estndar Poblacional.
La Desviacin Estndar Poblacional se calcula en base a la media
aritmtica poblacional, utilizando la siguiente frmula:
n
donde:
( X i - )
i=1
N = Tamao de la Poblacin.
60
PROBABILIDAD Y ESTADSTICA
(X
s =
donde:
- X )
i =1
n - 1
n = Tamao de la Muestra.
Xi = Elemento de la Poblacin
X = Media Aritmtica Muestral.
61
PROBABILIDAD Y ESTADSTICA
m=
- X
i=1
VARIANZA
Es el cuadrado de la desviacin estndar. Dependiendo de la
desviacin estndar de que se trate, recibir el nombre de Varianza Muestral o
Varianza Poblacional ( s2 si es la muestral y
si es la poblacional ).
+7,
+4,
+2,
+3
-4,
-5,
-3,
+9
10 5 7 4 2 3 4 5 3 9
18
=
= 1.8
10
10
s2 =
s2 = 33.511
62
PROBABILIDAD Y ESTADSTICA
3 5 16 23 31 12 23 13 15
141
=
9
9
X = 15.66
12
13
15
16
23
23
31
tenindose que la mediana ser el dato que se encuentre al centro del arreglo,
por lo tanto :
b).s2 =
s2 =
Mediana = 15
La Moda = 23
160.27 + 113.63 + 13.39 + 7.07 + 0.43 + 0.12 + 3.87 + 53.87 + 235.31 637.96
79.745
8
8
s = 79.745 = 8.93
63
PROBABILIDAD Y ESTADSTICA
5
4
5
6
5
7
4
3
2
9
3
5
2
5
7
s =
( X
- X )
i=1
n - 1
s2 =
s2 =
s2 = 3.7516353
por lo tanto la desviacin estndar es s = 1.9369135
* Calcule la media aritmtica, la varianza y desviacin estndar
de los siguientes datos: 5
X=
5 7 1 2 4 19
3.8
5
5
s2 =
5 - 1
4
s2 = 5.7 ;
por lo tanto la desviacin estndar es :
s = 2.3874673
64
PROBABILIDAD Y ESTADSTICA
X=
Donde:
( mi * fi )
( mi * fi )
=
fi
mi = Marca de Clase.
fi = Frecuencia de Clase.
n = Tamao de la Muestra.
X = Media Aritmtica.
s2
( m
- X ) f i
n - 1
i
65
PROBABILIDAD Y ESTADSTICA
s =
donde :
i fi n (X)
(X f )
i
n(n -1)
n = Tamao de la Muestra
Xi = Elemento de la Muestra
fi = Frecuencia de la Clase
La frmula anterior es para calcular la Varianza de un grupo de
n[ {(mi)2* fi }] - [ ( mi * fi )]2
n(n-1)
donde :
n = Tamao de la Muestra
mi = Marca de Clase
fi
= Frecuencia de Clase
INTERPRETACIN PRACTICA DE LA
DESVIACIN ESTNDAR
Introduciremos ahora un teorema interesante y til, desarrollado
por el matemtico ruso Tchebysheff. La demostracin del teorema no es
difcil, pero la omitiremos para manejar directamente su significado.
66
PROBABILIDAD Y ESTADSTICA
* * *
, xn , por lo
1 - 1/k2
-3
-2
-1
3/4
8/9
15/16
67
PROBABILIDAD Y ESTADSTICA
2)
3)
2
3
-3
-2
68.27 %
95.45 %
99.95 %
68
PROBABILIDAD Y ESTADSTICA
fi
mi
mi x fi
( mi )2 x fi
15
20
25
25
32
429.5
449.5
469.5
489.5
509.5
06,442.5
08,990.0
11,737.5
12,237.5
16,304.0
2767,053.75
4041,005.00
5510,756.25
5990,256.25
8306,888.00
69
PROBABILIDAD Y ESTADSTICA
520 - 539
540 - 559
560 - 579
580 - 599
TOTALES
30
24
14
7
190
529.5
549.5
569.5
589.5
15,885.0
13,188.0
07,913.0
04,126.5
95,945.0
8411,107.50
7246,806.00
4540,623.50
2432,571.75
48806,208.00
( mi * fi )
X=
95,945
=
= 504.97
n
190
La Varianza en su forma simplificada es :
s2 =
n[ {(mi)2* fi }] - [ ( mi * fi )]2
n(n-1)
por lo tanto :
s2 =
(190)(48806
' ,208) - (95,945) 9,273179
' ,500 9,205443
' ,000
190(190 -1)
35,910
s2 =
67'736,500
= 1,886.2852
35,910
s = 43.43
s2 =
[( mi - X )2 * fi]
n-1
s2 =
70
PROBABILIDAD Y ESTADSTICA
s2 =
85,435814
.
61,538.418 + 58,297.693 + 50,017.246 360,950.31
189
189
s2 =
1,909.79
s = 1,909.79
= 43.701
6 3 8 5 2 24
4.8
5
5
s2 =
s2 =
4
4
s2 = 5.7
72,000
89,000
75,000
72,000
81,000
90,000
163,000
84,000
78,000
81,000
71
PROBABILIDAD Y ESTADSTICA
s2 =
11
11
s2 = 6.1845455 x 108
como
s = 24,868.746
72
PROBABILIDAD Y ESTADSTICA
1.8 - 2.1
2.2 - 2.5
2.6 - 2.9
3.0 - 3.3
3.4 - 3.7
Totales
4
6
8
4
3
25
mi
mi x fi
mi2 x fi
1.95
2.35
2.75
3.15
3.55
07.80
14.10
22.00
12.60
10.65
67.15
15.210
33.135
60.500
39.690
37.808
186.343
s2 =
s2 =
( m i f i)
6 7 .1 5
2 .6 8 6
n
25
n (mi) fi -
n(n - 1)
fi
25(186.343) - (67.15)
25(25 - 1)
4,658.575 - 4,509.125
149.45
=
600
600
s2 = 0.25 ;
por lo tanto, la desviacin estndar es :
s = 0.5
73
PROBABILIDAD Y ESTADSTICA
EJERCICIOS PROPUESTOS
1.-
2.-
3.-
Qu es el Rango?
4.-
5.-
6.-
7.-
103
99
101
100
120
109
82
101
112
95
118
118
114
113
89
92
137
94
130
87
93
111
96
93
101
98
96
84
86
89
90
74
PROBABILIDAD Y ESTADSTICA
75
PROBABILIDAD Y ESTADSTICA
maneras mutuamente
n
N
. Esto se
n
.
N
76
PROBABILIDAD Y ESTADSTICA
77
PROBABILIDAD Y ESTADSTICA
AUB
Ac
AB
* Sea A = { a, b, c, d, e, f, g, h, y, j, k, l, m, n, o, p, q, r, s, t };
B = { a, e, i, o, u } ;
C = { b, c, d, f, g, h, j, k, l, m, n, p, q, r, s, t } y
el conjunto Universo el abecedario. Realizar las siguientes operaciones entre
conjuntos:
b)
A(BUC)
(AB)U(BC)
a)
AUB;
a)
A U B = { a, b, c, d, e, f, g, h, y, j, k, l, m, n, o, p, q, r, s, t, u }
c)
78
PROBABILIDAD Y ESTADSTICA
b)
A ( B U C ) = { a, b, c, d, e, f, g, h, y, j, k, l, m, n, o, p, q, r, s, t } = A
c)
( A B ) U ( B C ) = { a, e, i, o }
* Sea U el conjunto de todos los valores posibles que pueden
el
(3,1) ;
Sea U =
(4,1) ;
(5,1) ;
(6,1) ;
(1,2) ;
(2,2) ;
(3,2) ;
(4,2) ;
(5,2) ;
(6,2) ;
(1,3) ;
(2,3) ;
(3,3) ;
(4,3) ;
(5,3) ;
(6,3) ;
(1,4) ;
(2,4) ;
(3,4) ;
(4,4) ;
(5,4) ;
(6,4) ;
(1,5) ;
(2,5) ;
(3,5) ;
(4,5) ;
(5,5) ;
(6,5) ;
(1,6)
(2,6)
(3,6)
(4,6)
(5,6)
(6,6)
(1,5) ;
(2,5) ;
(4,1) ; (4,2) ; (4,3) ; (4,4) ; (4,5) ; (4,6)
y B=
entonces, A =
(5,1) ; (5,2) ; (5,3) ; (5,4) ; (5,5) ; (5,6)
(4,2) ;
(5,2) ;
(1,6) ; (2,4)
(3,3) ; (3,4)
(4,3) ; (5,1)
(6,1)
79
PROBABILIDAD Y ESTADSTICA
N (b,a)
MN
M
N
B
a
B = { 7,15,23,29,37,48,63 }
C = { 7,8 }
Obtener:
a) A U B ; b) A' U A ; c) A B ; d) B' U A ; e) A X C
a).- A U B = { 1,5,7,13,15,18,23,29,37,48,63 }
b).- A' = { 29,37,48,63,71,96 }
A' U A = { 1,5,7,13,15,18,23,29,37,48,63,71,96 } = U
c).- A B = { 7,15,23 }
1 Dentro de los espacios muestrales cuando tenemos un conjunto de varios elementos, el orden de estos
no se toma en cuenta, esto es, {a,b} y {b,a} son conjuntos equivalentes.
80
PROBABILIDAD Y ESTADSTICA
81
PROBABILIDAD Y ESTADSTICA
PROBABILIDAD
La Probabilidad tiene dos enfoques, llamados enfoques de la
teora de Probabilidades, los cuales son: El enfoque objetivo de la
probabilidad y el enfoque subjetivo de la probabilidad. En este cuaderno
definiremos nicamente el concepto de probabilidad y dejaremos el estudio
de estos enfoques a los cursos de Estadstica del Nivel Superior.
82
PROBABILIDAD Y ESTADSTICA
M
n
(3,1) ;
S=
(4,1) ;
(5,1) ;
(6,1) ;
a).-
P(A) =
M
n
(1,2) ;
(2,2) ;
(3,2) ;
(4,2) ;
(5,2) ;
(6,2) ;
(1,3) ;
(2,3) ;
(3,3) ;
(4,3) ;
(5,3) ;
(6,3) ;
18
=
36
(1,4) ;
(2,4) ;
(3,4) ;
(4,4) ;
(5,4) ;
(6,4) ;
(1,5) ;
(2,5) ;
(3,5) ;
(4,5) ;
(5,5) ;
(6,5) ;
(1,6)
(2,6)
(3,6)
(4,6)
(5,6)
(6,6)
1
2
83
PROBABILIDAD Y ESTADSTICA
b).-
P(B) =
30
36
5
6
c).-
P(C) =
6
36
1
6
8
2
=
= 0.40 x 100 = 40 %
20
5
cul es la
3
= 0.375 x 100 = 37.5 %
8
P(B) =
3
= 0.375 x 100 = 37.5 %
8
84
PROBABILIDAD Y ESTADSTICA
* * *
+ P( En ) = 1
85
PROBABILIDAD Y ESTADSTICA
ANLISIS COMBINATORIO
El enfoque del concepto de probabilidad planteado en el punto
anterior, genera todo un trabajo alrededor del clculo de probabilidades y
como una herramienta ineludible para esto, se tiene al anlisis combinatorio,
cabe aqu recordar a manera de repaso los elementos que ste nos
proporciona, considerando que un anlisis ms a fondo corresponde a un
curso de lgebra; nicamente enunciaremos las dos reglas generales que se
utilizan en el clculo de probabilidades.
Permutaciones: Es el nmero de maneras de ordenar n objetos
distintos (diferentes), tomando r cada vez. Se denota con el smbolo
nPr
nP r
n!
(n - r)!
de
objetos, es una
Cr =
P
r!
n r
n!
(n - r)! r!
50 !
(50 - 3) !
50 !
= 50(49)(48) = 117,600
47 !
86
PROBABILIDAD Y ESTADSTICA
5!
=
(5 - 5)!
5!
0!
= (5)(4)(3)(2)(1) = 120
5!
(5 - 3)! (3 !)
5!
=
(2 !) (3 !)
(5)(4)(3 !)
(2 !) (3 !)
5 4
2 1
= 10
24 !
=
( 24 - 3 ) !
(24)(23)(22)(21 !)
21 !
= 24 23 22 = 12,144 opciones
10 !
=
(10 - 10) !
10 !
0!
87
PROBABILIDAD Y ESTADSTICA
libros que se
encuentran en un estante?.
7P7
7!
=
(7 - 7)!
7!
0!
= 7 ! = 5,040
6!
=
(6 - 6)!
6!
= 6 ! = 720
0!
Se multiplica el resultado por dos ya que esos dos libros pueden cambiar de
lugar entre ellos, estando juntos, por lo tanto el nmero de permutaciones que
puede haber es:
5!
(5)(4)(3 !)
=
=
(5 - 2) ! (2 !)
(3 !) (2 !)
5 4
2 1
= 10
PROBABILIDAD CONDICIONAL
En la prctica es comn enfrentarnos al problema de obtener la
probabilidad de un evento, condicionado a la ocurrencia o no ocurrencia de
otro, esto es, el caso en que la ocurrencia de un evento altera las condiciones
de las que depende la probabilidad del otro, estas probabilidades se llaman
probabilidades
condicionadas. Si
A y B
A y B eventos
88
PROBABILIDAD Y ESTADSTICA
P(A B)
P(B)
P( B A ) =
P(A B)
P(A)
INDEPENDENCIA PROBABILISTICA
Se dice que dos sucesos son independientes si la ocurrencia o no
ocurrencia de uno de ellos no cambia la probabilidad de ocurrencia del otro, a
esto se le llama independencia probabilstica. S
son eventos
LEYES DE PROBABILIDAD
Las leyes pueden ser simplemente enunciadas y tomadas como
ciertas mientras sean consistentes con nuestro modelo y con la realidad.
Ley Aditiva de Probabilidad: Esta ley se aplica a las uniones y
es igual a:
89
PROBABILIDAD Y ESTADSTICA
P ( A U B ) = P ( A ) + P ( B ) - P (A B )
s A B = , se dice que A y B son mutuamente excluyentes, entonces:
P(AUB)=P(A)+P(B)
Ley Multiplicativa de Probabilidad: Esta ley se aplica a las
intersecciones y es igual a:
P(A B)=P(A)
P(B/A)=P(B)*P(A/B)
90
PROBABILIDAD Y ESTADSTICA
(3,1) ;
S=
(4,1) ;
(5,1) ;
(6,1) ;
(1,2) ;
(2,2) ;
(3,2) ;
(4,2) ;
(5,2) ;
(6,2) ;
(1,3) ;
(2,3) ;
(3,3) ;
(4,3) ;
(5,3) ;
(6,3) ;
(1,4) ;
(2,4) ;
(3,4) ;
(4,4) ;
(5,4) ;
(6,4) ;
(1,5) ;
(2,5) ;
(3,5) ;
(4,5) ;
(5,5) ;
(6,5) ;
(1,6)
(2,6)
(3,6)
(4,6)
(5,6)
(6,6)
P( B ) = 9 / 36 = 1 / 4
P( A / B ) = P( A B) / P( B ) = ( 2 / 36 ) / ( 9 / 36 ) = 2 / 9
b)
A C = { (2,2) }
91
PROBABILIDAD Y ESTADSTICA
P( A C ) = 1 / 36
P( C ) = 18 / 36 = 1 / 2
P( A / C ) = P( A C ) / P( C ) = ( 1 / 36 ) / ( 18 / 36 ) = 1 / 18
c)
A D = { (2,2) }
P( A D ) = 1 / 36
P( D ) = 27 / 36 = 3 / 4
P( A / D ) = P( A D ) / P( D ) = ( 1 / 36 ) / ( 27 / 36 ) = 1 / 27
d)
P( E ) = 6 / 36 = 1 / 6
P( A / E ) = P( A E ) / P( E ) = ( 1 / 36 ) / ( 6 / 36 ) = 1 / 6
b)
c)
d)
92
PROBABILIDAD Y ESTADSTICA
b)
Sea A el suceso de que cada seccin recibe un paciente. Haga una lista
y encuentre P(A).
Sea Ei cada evento, entonces la P( Ei ) = 1/27 ; por lo tanto la
P(A) se obtiene de la suma de 6 eventos posibles, tenindose entonces que :
P(A) = 6 / 27 = 2 / 9
* Se le pide a un catador de t que pruebe y clasifique tres
variedades de t, A, B y C, de acuerdo a su preferencia.
a)
Defina el experimento.
Ordenar A, B y C para poder llevar a cabo el proceso.
93
PROBABILIDAD Y ESTADSTICA
b)
c)
Edad
5 - 7
8 - 10
11 - 12
No comprenden
55 %
40 %
15 %
Comprenden
45 %
60 %
85 %
94
PROBABILIDAD Y ESTADSTICA
6 aos?
R.-
aos es 45 %, ya que para el nio de 6 aos existen dos valores posibles, los
cuales son el que entienda y el que no entienda, por lo tanto segn la tabla
mostrada por Ward tenemos que el nio de 6 aos comprende el mensaje con
una probabilidad de 45 %.
b)
EJERCICIOS PROPUESTOS
1.-
95
PROBABILIDAD Y ESTADSTICA
3.-
Defina el experimento.
b)
c)
4.-
5.-
a)
b)
b)
c)
d)
96
PROBABILIDAD Y ESTADSTICA
e)
6.-
7.-
b)
Al menos un sol?
c)
8.-
9.-
b)
c)
d)
e)
97
PROBABILIDAD Y ESTADSTICA
f ( x ) dx 1
f(x), donde
P (a x b)
f ( x ) dx
b
PROBABILIDAD Y ESTADSTICA
DISTRIBUCION BINOMIAL
Es una de las distribuciones de probabilidad que se encuentra con
mayor frecuencia en Estadstica aplicada. La distribucin se obtiene de un
proceso conocido como Ensayo de Bernoulli2.
Cuando un ensayo de algn experimento puede conducir slo a
uno o dos resultados mutuamente excluyentes, tales como: muerto vivo, da
noche, masculino femenino, cara cruz, etc. , el ensayo se conoce con el
nombre de Ensayo de Bernoulli. Una sucesin de Ensayos de Bernoulli
forman un Proceso de Bernoulli, bajo las siguientes condiciones:
1.- Cada ensayo conduce a uno de dos resultados posibles mutuamente
excluyentes denominados por xito (p) o fracaso (q).
2.- La probabilidad de xito denotada por (p), permanece constante de
ensayo a ensayo. La probabilidad de fracaso (q) es 1-p.
3.- Los ensayos son independientes, es decir, el resultado de uno no es
afectado por el resultado del otro.
A continuacin veremos la frmula para obtener la probabilidad
aplicando la Distribucin Binomial, enunciando que esta distribucin sirve
para obtener la probabilidad de un evento cuando se tienen muestras grandes
y probabilidades grandes.
P( x ) = nCx * px*qn - x
2 James Bernoulli (1654-1705), matemtico suizo que realiz importantes contribuciones en el campo de la
probabilidad.
99
PROBABILIDAD Y ESTADSTICA
n !
(n - r)! r!
Como:
nCx =
entonces:
P( x ) =
donde:
n = Tamao de la muestra.
n!
p x q n-x
(n - r)! r!
b).-
c).-
P(X) = 1
100
PROBABILIDAD Y ESTADSTICA
P(10) =
n = 10
10 !
(0.10)10 (0.90) 10-10
(10 - 10)! 10!
b).- el 50 % se muera?
p = 0.1
q = 0.9
x=5
n = 10
P(5) =
10 !
(0.10) 5 (0.90) 10-5
(10 - 5)! 5!
P(X 3) = P( 3 ) + P( 4 ) + + P( 10 )
= 1 - [ P( 0 ) + P( 1 ) + P( 2 ) ]
10 !
10 !
10 !
(.10)0 (.90)10-0
(.10)1 (.90)10-1
(.10)2 (.90)102]
(10-0)! 0!
(10-1)!1!
(10-2)! 2!
PROBABILIDAD Y ESTADSTICA
p = 0.1
q = 0.9
x=3
P(3) =
n = 10
10 !
(0.10) 3 (0.90) 10-3
(10 - 3)! 3!
DISTRIBUCION DE POISSON
La Distribucin de Poisson3 es usada con amplitud en Biologa,
Medicina y en todas las ramas de las Ciencias Sociales, sin embargo existen
muchos problemas en los que es bastante til. Si x es el nmero de
ocurrencias de un evento aleatorio en un intervalo de tiempo o espacio, la
probabilidad de que ocurra x est dada por:
e -
P( x ) =
X !
f(x) 0
2.-
f(x) = 1
3 Simond Denis Poisson (1781 - 1840) matemtico francs a quien se le acredit la publicacin de su deduccin en 1837.
102
PROBABILIDAD Y ESTADSTICA
x=2
e-
P( 2 ) =
X!
(2.7183) -3 (3) 2
0.2240 x 100 = 22.4 %
2!
103
PROBABILIDAD Y ESTADSTICA
e -
P( x ) =
X !
x=0
(2.7183) 3 (3) 0
P( 0 ) =
0.04978 x 100 = 4.978 %
0!
x=34
e -
P( x ) =
X !
P( 3 4 ) = P( 3 ) + P( 4 )
(2.7183) 3 (3) 3 (2.7183) 3 (3) 4
P( 3 4 ) =
3!
4!
n!
p x q n-x
(n - r)! r!
q = 0.9
x=2
n = 10
10 !
. ) 2 (090
. )102 (45)(001
. )(04304
.
) 01937
.
x100 19.37 %
(010
(10- 2)! 2!
104
PROBABILIDAD Y ESTADSTICA
x=2
( 2 .7183) 1 (1) 2
P(2) =
0.1839 x 100 = 18.39 %
2!
e -
P( x ) =
X !
n * p = 0.2
x=3
( 2 .7183) 0 .2 ( 0.2 ) 3
P( 3 ) =
0.0010916 x 100 = 0.10916 %
3!
n * p = 0.2
x = 3, 4,
* * *
, 200
e -
P( x ) =
X !
* * *
0!
1!
2!
105
PROBABILIDAD Y ESTADSTICA
DISTRIBUCION NORMAL
Uno de los ms importantes ejemplos de la distribucin continua
es la Distribucin Normal, algunas veces denominada Distribucin
Gaussiana. La funcin de densidad para la Distribucin Normal est dada por:
1
( x - ) 2 / 2 2
f ( x)
e
2
donde:
= media aritmtica.
= desviacin estndar.
La funcin de distribucin correspondiente esta dada por:
F(x) = P(X x) =
e (x - )
/ 2
dx
y varianza
est
. Una de las
106
PROBABILIDAD Y ESTADSTICA
X -
f( z ) =
e z/2
F(z) = P(Z z) =
1
2
e
-
- u2 /2
du =
1
1
2
2
- u2 /2
du
-0
-u/2
107
PROBABILIDAD Y ESTADSTICA
-3
-2
-1
P( -1 Z 1 ) = 0.6827 (68.27 %)
P( -2 Z 2 ) = 0.9545 (95.45 %)
P( -3 Z 3 ) = 0.9973 (99.73 %)
* Hallar el rea bajo la curva normal tipificada:
a).- Entre z = 0 y z = 1.2
Utilizando la tabla del Apndice II (tabla 1), baje por la columna
marcada con z hasta alcanzar el valor 1.2. Luego proceda a la derecha hasta la
columna marcada con 0. El
PROBABILIDAD Y ESTADSTICA
es:
0.1772
es:
0.4864
0.6636
es:
0.4738
es:
0.2910
0.1828
es:
0.3997
rea a la derecha de z = 0
es:
0.5000
es:
0.8997
x-
= 1.7
z=
= 0.1
1 .8 5 - 1.70
0 .1 0
x = 1.85
0 .1 5
= 1 .5
0 .1 0
109
PROBABILIDAD Y ESTADSTICA
1 .5 5 - 1 .7 0
0 .10
- 0 .1 5
=
0 .1 0
- 1 .5
7 00 - 53 0
120
170
= 1.41 6
120
3 00 - 5 3 0
120
- 230
=
120
- 1.91 6
3 50 - 53 0
12 0
z2 =
6 10 - 5 3 0
120
- 18 0
=
120
80
=
12 0
- 1 .5
- 0.67
110
PROBABILIDAD Y ESTADSTICA
DISTRIBUCION t de Student
La distribucin del estadstico de prueba para muestras extradas
de una distribucin normal, es conocida como la t de Student.
-
s
n
Omitiremos la complicada expresin matemtica de la densidad
t
un a forma monticular y
z(n y
x. Las otras
x y s, y puede
estar
4 W. S. GOSSET: Descubri y publico en 1908 esta distribucin bajo el nombre de Distribucin t de Student.
111
PROBABILIDAD Y ESTADSTICA
tp
S deseamos encontrar el valor de t tal que 5 % del rea se
encuentre a su derecha, usamos la columna marcada t.95 . El valor crtico de t
para nuestro ejemplo, se encuentra en la columna marcada con
t.95 y en la
b).- 27 ;
c) 200
a).-
b).-
c).-
valores para v = )
112
PROBABILIDAD Y ESTADSTICA
EJERCICIOS PROPUESTOS
1.-
2.-
3.-
4.-
5.-
b).-
c).-
b).-
c).-
exactamente 2 veces?
b).-
c).-
exactamente 4 veces?
b).-
c).-
113
PROBABILIDAD Y ESTADSTICA
6.-
a).-
ms de 100 bacterias?
b).-
entre 75 y 90 bacterias?
c).-
menos de 80 bacterias?
d).-
exactamente 93 bacterias?
b).-
7.-
b).-
c).-
114
PROBABILIDAD Y ESTADSTICA
0
.0000
.0398
.0793
.1179
.1554
.1915
.2257
.2580
.2881
.3159
.3413
.3643
.3849
.4032
.4192
.4332
.4452
.4554
.4641
.4713
.4772
.4821
.4861
.4893
.4918
.4938
.4953
.4965
.4974
.4981
.4987
.4990
.4993
.4995
.4997
.4998
Z
1
.0040
.0438
.0832
.1271
.1591
.1950
.2291
.2611
.2910
.3186
.3438
.3665
.3869
.4049
.4207
.4345
.4463
.4564
.4649
.4719
.4778
.4826
.4864
.4896
.4920
.4940
.4955
.4966
.4975
.4982
.4987
.4990
.4993
.4995
.4997
.4999
2
.0080
.0478
.0871
.1255
.1628
.1985
.2324
.2642
.2939
.3212
.3461
.3686
.3888
.4066
.4222
.4357
.4474
.4573
.4656
.4726
.4783
.4830
.4868
.4898
.4922
.4941
.4956
.4967
.4976
.4982
.4987
.4991
.4993
.4995
.4997
.4999
3
.0120
.0517
.0910
.1293
.1664
.2019
.2357
.2673
.2967
.3238
.3485
.3708
.3907
.4082
.4236
.4370
.4484
.4582
.4664
.4732
.4788
.4834
.4871
.4901
.4925
.4943
.4957
.4968
.4977
.4983
.4988
.4991
.4993
.4995
.4997
.4999
4
.0160
.0557
.0948
.1331
.1700
.2054
.2389
.2704
.2995
.3264
.3508
.3729
.3925
.4099
.4251
.4382
.4495
.4591
.4671
.4738
.4793
.4838
.4875
.4904
.4927
.4945
.4959
.4969
.4977
.4984
.4988
.4991
.4993
.4995
.4997
.4999
5
.0199
.0596
.0987
.1368
.1736
.2088
.2422
.2734
.3023
.3289
.3531
.3749
.3944
.4115
.4265
.4394
.4505
.4599
.4678
.4744
.4798
.4842
.4878
.4906
.4929
.4946
.4960
.4970
.4978
.4984
.4989
.4991
.4994
.4996
.4998
.4999
6
.0239
.0636
.1026
.1406
.1772
.2123
.2454
.2764
.3051
.3315
.3554
.3770
.3962
.4131
.4279
.4406
.4515
.4608
.4686
.4750
.4803
.4846
.4881
.4909
.4931
.4948
.4961
.4971
.4979
.4985
.4989
.4992
.4994
.4996
.4998
.4999
7
.0279
.0675
.1064
.1443
.1808
.2157
.2486
.2794
.3078
.3340
.3577
.3790
.3980
.4147
.4292
.4418
.4525
.4616
.4693
.4756
.4808
.4850
.4884
.4911
.4932
.4949
.4962
.4972
.4979
.4985
.4989
.4992
.4994
.4996
.4998
.4999
8
.0319
.0714
.1103
.1480
.1844
.2190
.2517
.2823
.3106
.3365
.3599
.3810
.3997
.4162
.4306
.4429
.4535
.4625
.4699
.4761
.4812
.4854
.4887
.4913
.4934
.4951
.4963
.4973
.4980
.4986
.4990
.4992
.4994
.4996
.4998
.5000
9
.0359
.0753
.1141
.1517
.1879
.2224
.2549
.2852
.3133
.3389
.3621
.3830
.4015
.4177
.4319
.4441
.4545
.4633
.4706
.4767
.4817
.4857
.4890
.4916
.4936
.4952
.4964
.4974
.4981
.4986
.4990
.4992
.4995
.4996
.4998
.5000
115
PROBABILIDAD Y ESTADSTICA
PERCENTILES DE LA
DISTRIBUCION t de Student
CON v GRADOS DE LIBERTAD
tp
v
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
t.500
0.158
0.142
0.137
0.134
0.132
0.131
0.130
0.130
0.129
0.129
0.129
0.128
0.128
0.128
0.128
0.128
0.128
0.127
0.127
0.127
0.127
0.127
0.127
0.127
0.127
0.127
0.127
0.127
0.127
0.127
t.600
0.325
0.289
0.277
0.271
0.267
0.265
0.263
0.262
0.261
0.260
0.260
0.259
0.259
0.258
0.258
0.258
0.257
0.257
0.257
0.257
0.257
0.256
0.256
0.256
0.256
0.256
0.256
0.256
0.256
0.256
t.700
0.727
0.617
0.586
0.569
0.559
0.553
0.549
0.546
0.543
0.542
0.540
0.539
0.538
0.537
0.536
0.535
0.534
0.534
0.533
0.533
0.532
0.532
0.532
0.531
0.531
0.531
0.531
0.530
0.530
0.530
t.750
1.000
0.816
0.765
0.741
0.727
0.718
0.711
0.706
0.703
0.700
0.697
0.695
0.694
0.692
0.691
0.690
0.689
0.688
0.688
0.687
0.686
0.686
0.685
0.685
0.684
0.684
0.684
0.683
0.683
0.683
t.800
1.376
1.061
0.978
0.941
0.920
0.906
0.896
0.889
0.883
0.879
0.876
0.873
0.870
0.868
0.866
0.865
0.863
0.862
0.861
0.860
0.859
0.858
0.858
0.857
0.856
0.856
0.855
0.855
0.854
0.854
t.900
3.080
1.886
1.638
1.533
1.476
1.440
1.415
1.397
1.383
1.372
1.363
1.356
1.350
1.345
1.341
1.337
1.333
1.330
1.328
1.325
1.323
1.321
1.319
1.318
1.316
1.315
1.314
1.313
1.311
1.300
t.950
6.314
2.920
2.353
2.132
2.015
1.943
1.895
1.860
1.833
1.812
1.796
1.782
1.771
1.761
1.753
1.746
1.740
1.734
1.729
1.725
1.721
1.717
1.714
1.711
1.708
1.706
1.703
1.701
1.699
1.685
t.975
t.990
t.995
12.706 31.821 63.657
4.303 6.965 9.425
3.182 4.541 5.841
2.776 3.747 4.604
2.571 3.365 4.032
2.447 3.143 3.707
2.365 2.998 3.499
2.306 2.896 3.355
2.262 2.821 3.250
2.228 2.764 3.169
2.201 2.718 3.055
2.179 2.681 3.012
2.160 2.650 2.997
2.145 2.624 2.947
2.131 2.602 2.921
2.120 2.583 2.898
2.110 2.567 2.878
2.101 2.552 2.861
2.093 2.539 2.845
2.086 2.528 2.831
2.080 2.518 2.819
2.074 2.508 2.807
2.069 2.500 2.797
2.064 2.492 2.787
2.060 2.485 2.779
2.056 2.479 2.771
2.048 2.473 2.763
2.045 2.467 2.763
2.030 2.462 2.756
2.020 2.440 2.750
40
50
60
70
0.126
0.126
0.126
0.126
0.126
0.255
0.255
0.254
0.254
0.253
0.529
0.529
0.527
0.527
0.524
0.681
0.681
0.679
0.679
0.674
0.851
0.851
0.848
0.848
0.842
1.300
1.300
1.290
1.290
1.280
1.680
1.680
1.670
1.670
1.640
2.020
2.000
1.980
1.980
1.960
2.420
2.390
2.390
2.360
2.330
2.700
2.700
2.660
2.620
2.580
116
PROBABILIDAD Y ESTADSTICA
p( y ) .
y=0
0.01
0.05
0.10
0.20
0.30
0.40
0.50
0.60
0.70
0.80
0.90
0.95
0.99
0
1
2
3
4
0.951
0.999
1.000
1.000
1.000
0.774
0.997
0.999
1.000
1.000
0.590
0.919
0.991
1.000
1.000
0.328
0.737
0.942
0.993
1.000
0.168
0.528
0.837
0.969
0.998
0.078
0.337
0.683
0.913
0.990
0.031
0.188
0.500
0.812
0.969
0.010
0.087
0.317
0.663
0.922
0.002
0.031
0.163
0.472
0.832
0.000
0.007
0.058
0.263
0.672
0.000
0.000
0.009
0.081
0.410
0.000
0.000
0.001
0.023
0.226
0.000
0.000
0.000
0.001
0.049
b) n = 10
0.01
0.05
0.10
0.20
0.30
0.40
0.50
0.60
0.70
0.80
0.90
0.95
0.99
0
1
2
3
4
5
6
7
8
9
0.904
0.996
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
0.599
0.914
0.988
0.999
1.000
1.000
1.000
1.000
1.000
1.000
0.349
0.736
0.930
0.987
0.998
1.000
1.000
1.000
1.000
1.000
0.107
0.376
0.678
0.879
0.967
0.994
0.999
1.000
1.000
1.000
0.028
0.149
0.383
0.650
0.850
0.953
0.989
0.998
1.000
1.000
0.006
0.046
0.167
0.382
0.633
0.834
0.945
0.988
0.998
1.000
0.001
0.011
0.055
0.172
0.377
0.623
0.828
0.945
0.989
0.999
0.000
0.002
0.012
0.055
0.166
0.367
0.618
0.833
0.954
0.994
0.000
0.000
0.002
0.011
0.047
0.150
0.350
0.617
0.851
0.972
0.000
0.000
0.000
0.001
0.006
0.033
0.121
0.322
0.624
0.893
0.000
0.000
0.000
0.000
0.000
0.002
0.013
0.070
0.264
0.651
0.000
0.000
0.000
0.000
0.000
0.000
0.001
0.012
0.086
0.401
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.004
0.096
c) n = 15
0.01
0.05
0.10
0.20
0.30
0.40
0.50
0.60
0.70
0.80
0.90
0.95
0.99
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
0.860
0.990
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
0.463
0.829
0.964
0.995
0.999
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
0.206
0.549
0.816
0.944
0.987
0.998
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
0.035
0.167
0.398
0.648
0.836
0.939
0.982
0.996
0.999
1.000
1.000
1.000
1.000
1.000
1.000
0.005
0.035
0.127
0.297
0.515
0.722
0.869
0.950
0.985
0.996
0.999
1.000
1.000
1.000
1.000
0.000
0.005
0.027
0.091
0.217
0.403
0.610
0.787
0.905
0.966
0.991
0.998
1.000
1.000
1.000
0.000
0.000
0.004
0.018
0.059
0.151
0.304
0.500
0.696
0.849
0.941
0.982
0.996
1.000
1.000
0.000
0.000
0.000
0.002
0.009
0.034
0.095
0.213
0.390
0.597
0.783
0.909
0.973
0.995
1.000
0.000
0.000
0.000
0.000
0.001
0.004
0.015
0.050
0.131
0.278
0.485
0.703
0.873
0.965
0.995
0.000
0.000
0.000
0.000
0.000
0.000
0.001
0.004
0.018
0.061
0.164
0.352
0.602
0.833
0.965
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.002
0.013
0.056
0.184
0.451
0.794
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.001
0.005
0.036
0.171
0.537
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.010
0.140
117
PROBABILIDAD Y ESTADSTICA
d) n = 20
0.01
0.05
0.10
0.20
0.30
0.40
0.50
0.60
0.70
0.80
0.90
0.95
0.99
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
0.818
0.983
0.999
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
0.358
0.736
0.925
0.984
0.997
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
0.122
0.392
0.677
0.867
0.957
0.989
0.998
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
0.012
0.069
0.206
0.411
0.630
0.804
0.913
0.968
0.990
0.997
0.999
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
0.001
0.008
0.035
0.107
0.238
0.416
0.608
0.772
0.887
0.952
0.983
0.995
0.999
1.000
1.000
1.000
1.000
1.000
1.000
1.000
0.000
0.001
0.004
0.016
0.051
0.126
0.250
0.416
0.596
0.755
0.872
0.943
0.979
0.994
0.998
1.000
1.000
1.000
1.000
1.000
0.000
0.000
0.000
0.001
0.006
0.021
0.058
0.132
0.252
0.412
0.588
0.748
0.868
0.942
0.979
0.994
0.999
1.000
1.000
1.000
0.000
0.000
0.000
0.000
0.000
0.002
0.006
0.021
0.057
0.128
0.245
0.404
0.584
0.750
0.874
0.949
0.984
0.996
0.999
1.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.001
0.005
0.017
0.048
0.113
0.228
0.392
0.584
0.762
0.893
0.965
0.992
0.999
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.001
0.003
0.010
0.032
0.087
0.196
0.370
0.589
0.794
0.931
0.988
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.002
0.011
0.043
0.133
0.323
0.608
0.878
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.003
0.016
0.075
0.264
0.642
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.001
0.017
0.182
e) n = 25
0.01
0.05
0.10
0.20
0.30
0.40
0.50
0.60
0.70
0.80
0.90
0.95
0.99
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
0.778
0.974
0.998
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
0.277
0.642
0.873
0.966
0.993
0.999
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
0.072
0.271
0.537
0.764
0.902
0.967
0.991
0.998
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
0.004
0.027
0.098
0.234
0.421
0.617
0.780
0.891
0.953
0.983
0.994
0.998
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
0.000
0.002
0.009
0.033
0.090
0.193
0.341
0.512
0.677
0.811
0.902
0.956
0.983
0.994
0.998
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
0.000
0.000
0.000
0.002
0.009
0.029
0.074
0.154
0.274
0.425
0.586
0.732
0.846
0.922
0.966
0.987
0.996
0.999
1.000
1.000
1.000
1.000
1.000
1.000
1.000
0.000
0.000
0.000
0.000
0.000
0.002
0.007
0.022
0.054
0.115
0.212
0.345
0.500
0.655
0.788
0.885
0.946
0.978
0.993
0.998
1.000
1.000
1.000
1.000
1.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.001
0.004
0.013
0.034
0.078
0.154
0.268
0.414
0.575
0.726
0.846
0.926
0.971
0.991
0.998
1.000
1.000
1.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.002
0.006
0.017
0.044
0.098
0.189
0.323
0.488
0.659
0.807
0.910
0.967
0.991
0.998
1.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.002
0.006
0.017
0.047
0.109
0.220
0.383
0.579
0.766
0.902
0.973
0.996
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.002
0.009
0.033
0.098
0.236
0.463
0.729
0.928
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.001
0.007
0.034
0.127
0.358
0.723
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.002
0.026
0.222
118
PROBABILIDAD Y ESTADSTICA
TABLA DE VALORES DE e- X
e-X
e-X
e-X
e-X
0.00
0.10
0.20
0.30
0.40
0.50
0.60
0.70
0.80
0.90
1.00
1.10
1.20
1.30
1.40
1.50
1.60
1.70
1.80
1.90
2.00
2.10
2.20
2.30
2.40
2.50
1.000000
0.904837
0.818731
0.740818
0.670320
0.606531
0.548812
0.496585
0.449329
0.406570
0.367879
0.332871
0.301194
0.272532
0.246597
0.223130
0.201897
0.182684
0.165299
0.149569
0.135335
0.122456
0.110803
0.100259
0.090718
0.082085
2.60
2.70
2.80
2.90
3.00
3.10
3.20
3.30
3.40
3.50
3.60
3.70
3.80
3.90
4.00
4.10
4.20
4.30
4.40
4.50
4.60
4.70
4.80
4.90
5.00
0.074274
0.067206
0.060810
0.055023
0.049787
0.045049
0.040762
0.036883
0.033373
0.030197
0.027324
0.024724
0.022371
0.020242
0.018316
0.016573
0.014996
0.013569
0.012277
0.011109
0.010052
0.009095
0.008230
0.007447
0.006738
5.10
5.20
5.30
5.40
5.50
5.60
5.70
5.80
5.90
6.00
6.10
6.20
6.30
6.40
6.50
6.60
6.70
6.80
6.90
7.00
7.10
7.20
7.30
7.40
7.50
0.006097
0.005517
0.004992
0.004517
0.004087
0.003698
0.003346
0.003028
0.002739
0.002479
0.002243
0.002029
0.001836
0.001661
0.001503
0.001360
0.001231
0.001114
0.001008
0.000912
0.000825
0.000747
0.000679
0.000611
0.000553
7.60
7.70
7.80
7.90
8.00
8.10
8.20
8.30
8.40
8.50
8.60
8.70
8.80
8.90
9.00
9.10
9.20
9.30
9.40
9.50
9.60
9.70
9.80
9.90
10.00
0.000501
0.000453
0.000410
0.000371
0.000336
0.000304
0.000275
0.000249
0.000225
0.000204
0.000184
0.000167
0.000151
0.000136
0.000123
0.000112
0.000101
0.000091
0.000083
0.000075
0.000068
0.000061
0.000056
0.000050
0.000045
119
PROBABILIDAD Y ESTADSTICA
BIBLIOGRAFIA
1
MENDENHALL, WILLIAM ;
INTRODUCCION
A
LA
PROBABILIDAD
Y
ESTADISTICA
:
WADSWORTH
INTERNATIONAL / IBEROAMERICA ; U.S.A 1982
MEYER, PAUL L.
PROBABILIDAD Y APLICACIONES
MEXICO ; 1982
8
PROBABILIDAD Y ESTADSTICA
10
11
12
GARZA
OLVERA,
BENJAMIN
;
ESTADISTICA
Y
PROBABILIDAD ; INTER- AMERICANA DE ACESORIA Y
SERVICIOS ; D.G.T.I. ; MEXICO; 1994
121