Matematica 4º

PROBABILIDADES Y ESTADISTICAS
Apuntes, ejemplos y ejercicios
Matemtica - Probabilidades y estadsticas
PROBABILIDAD
"En un proceso aleatorio, razn entre el nmero de casos favorables y el nmero de casos posibles".
ESTADISTICA
"Rama de la matemtica que utiliza grandes conjuntos de datos numricos para obtener inferencias basadas en el
clculo de probabilidades".
APUNTES DE PROBABILIDADES Y ESTADISTICAS
Teorema del lmite central
Distribucin de la media de un muestreo. Teorema del lmite central. Ejemplos.
Contenido
Apunte de Probabilidades y estadsticas: Distribucin de la media de un muestreo. Teorema del lmite central.
Ejemplos.
DISTRIBUCION DE LA MEDIA DE UN MUESTREO

Sea X1, X2, ..., Xn una muestra aleatoria de una distribucin con valor medio y desviacin estndar . Entonces:
1. E(X) = x =
2. V(X) = x = /n y x = /n
Adems, con T0 = X1 + X2 + ... + Xn (la muestra total), E(T0) = n., V(T0) = n. , y .T0 = n..
N: nmero de muestras.
n: nmero de muestras en el subconjunto extrado del conjunto madre de N muestras.
x = x
x = /n
x = /n
A medida que aumentan las muestras, la variabilidad disminuye.
Sea X1, X2, ..., Xn una muestra aleatoria de una distribucin normal con valor medio y desviacin estndar .
Entonces, para cualquier n, X est normalmente distribuida (con media y desviacin estndar /n), como es T0
(con media n. desviacin estndar n.).
TEOREMA DEL LIMITE CENTRAL

Teorema:
Sea X1, X2, ..., Xn una muestra aleatoria de una distribucin con media y varianza . Entonces, si n es
suficientemente grande, X tiene aproximadamente una distribucin normal con x = y x = /n, y T0 tiene
tambin aproximadamente una distribucin normal con T0 = n., T0 = n. . Cuanto mas grande sea el valor de
n, mejor ser la aproximacin.
El Teorema del Lmite Central garantiza una distribucin normal cuando n es suficientemente grande
Si n > 30, se puede usar el TLC.
Si la distribucin madre es normal, la distribucin de la media muestral tambin es normal, independientemente del
tamao.
x N(x; x) x N(x; x)
Ejemplo 1:
Si se sabe que la dureza Rockwell de pernos de cierto tipo tiene un valor medio de 50 y desviacin estndar de 1,5.
a) Si la distribucin es normal, cul es la probabilidad de que la dureza muestral media para una muestra aleatoria
de 9 pernos sea por lo menos 52?
b) Cul es la probabilidad (aproximada) de que la dureza muestral media para una muestra aleatoria de 40 pernos
sea al menos 52?
x = 50
= 1,5
x N(50; 1,5)
a)
n=9
x = 52
x N(50; 1,5.9)
z = (x - )/(/n)
La probabilidad de que la media muestral sea superior a 52 es:
P(x 52) = P(z 4) = 0

Con el valor de z obtenido de tablas:
P(x1 x x2) = P(z1 z z2) = (z)
Tener en cuenta que los valores para:

(z) = P(z z1)
b)
n = 40
Con el valor de z obtenido de tablas:
P(x 52) = P(z 8,4327) = 0
Intervalo de confianza
Para la media de una poblacin normal, varianza, desvo estndar. Ejemplos.
Contenido
Apunte de Probabilidades y estadsticas: Para la media de una poblacin normal, varianza, desvo estndar.
Ejemplos.
INTERVALO DE CONFIANZA
1) Para la media de una poblacin normal:
Li/s = x z/2./n
Tener en cuenta que una confianza del 95% significa:
/2 = 0,95
p=1-q
p = x/n
2) Para la media X :
Li/s = x t(n - 1)(1 - /2).S/n
t(,v) se busca en tabla
3) Para la varianza S:
X(,v) se busca en tabla
4) Para el desvo estndar S:
5) Para muestras grandes:

Un intervalo de confianza 100(1 - )% para la proporcin p de una poblacin, de muestras grandes, es:
p z/2p.q/n
Dnde p = x/n, n tamao muestral, x es el nmero observado de xitos, y q = 1 - p.

Este intervalo se puede emplear siempre que n.p 5 y n.q 5.
Ejemplo:
El gerente financiero de una gran cadena de tiendas seleccion una muestra aleatoria de 200 de sus clientes que
utilizan tarjetas de crdito, y encontr que 136 haban incurrido en cargos por intereses durante el ao anterior
debido a falta de pago de sus saldos.
a) Calcule un intervalo de confianza de 95% para la verdadera proporcin de clientes que utilizan tarjetas de crdito,
quienes han incurrido en cargos por intereses durante el ao anterior.
b) Si la longitud deseada del intervalo de 90% es 0,05, qu tamao muestral es necesario para asegurar esto?
c) Calcule el intervalo de confianza de 82% para la verdadera proporcin.
n = 200
x = 136
a) Para 1 - /2 = 0,95
p = x/n
p = 136/200 = 0,68
p=1-qq=1-p
q = 1 - 0,68 = 0,32
Li/s = p z(1 - /2).p.q/n
Li/s = 0,68 z( 0,95).0,68.0,32/200
De tabla z(0,95) = 1,645
Li/s = 0,68 1,645.0,33
Li/s = 0,68 0,054
(0,626; 0,734)
b)
n = [z(1 - /2) .p.q]/L
n = 1,645 .0,5.0,5/(0,25 )
Sin sondeo previo tomar p = q = 0,5
n = 10,82 clientes
c) Para el 82%
Li/s = p z(1 - /2).p.q/n
= 0,82
1 - = 0,18
/2 = 0,09
1 - /2 = 0,91
De tabla e interpolando z(1 - /2) = 1,3425
Li/s = 0,68 z(0,91).0,68.0,32/200
De tabla z(0,91) = 1,645
Li/s = 0,68 1,3425.0,33
Li/s = 0,68 0,0443
(0,6357; 0,7243)
Probabilidad condicional
Probabilidad condicional. Ejemplos.
Contenido
Apunte de Probabilidades y estadsticas: Probabilidad condicional. Ejemplos.
PROBABILIDAD CONDICIONAL
Definicin:
Para dos eventos A y B cualesquiera con P(B) > 0, la probabilidad condicional de A dado que B ha ocurrido
est dada por:
P(A/B) = P(A B)/P(B)
Cuadro de Contingencia
A B
H P(A H) P(B H) P(H)

K P(A K) P(B K) P(K)
P(A) P(B) 1
Del cuadro:
P(A) = P(A H) + P(A K)
P(B) = P(B H) + P(B K)
P(H) = P(A H) + P(B H)
P(K) = P(A K) + P(B K)
P(A) + P(B) = 1
P(H) + P(K) = 1
P(A H) = P(A/H).P(H)
P(A H) = P(H/A).P(A)
P(A K) = P(A/K).P(K)
P(A K) = P(K/A).P(A)
P(B H) = P(H/B).P(B)
P(B H) = P(B/H).P(H)
P(B K) = P(B/K).P(K)
P(B K) = P(K/B).P(B)
P(A) P(H) = P(A H) = P(A K) + P(B H) - P(A H) - Para eventos independientes
Teorema de Bayes
Ejemplo:
De 300 estudiantes de Ciencias Econmicas, 100 cursan Estadstica y 80 cursan Historia Econmica I. Estas cifras
incluyen 30 estudiantes que cursan ambas materias.
a) Cul es la probabilidad de que un estudiante elegido aleatoriamente curse Estadstica o Historia Econmica I?
b) Idem anterior pero que no curse ninguna de esas dos materias.
c) Qu probabilidad hay de que al elegir un estudiante al azar curse Historia Econmica I, dado que cursa
Estadstica?
d) Qu probabilidad hay de que al elegir un estudiante al azar curse Estadstica, dado que cursa Historia
Econmica I?
e) Pruebe si el hecho de cursar Estadstica es independiente de cursar Historia Econmica I.
Lamamos:
E: Estadstica.
HE: Historia Econmica I.
X: Ni Estadstica ni Historia Econmica I.
Armamos la tabla:
HE HE
E 30 100
E 200
80 220 300
Completamos los lugares vacos:

HE HE
E 30 70 100
E 50 150 200
80 220 300
a) Se pide P(E) o P(HE), es decir P(E HE).

P(E HE) = P(E) + P(HE) - P(E HE)
P(E) = 100/300 = 0,333
P(HE) = 80/300 = 0,267
P(E HE) = 30/300 = 0,100
P(E HE) = 0,333 + 0,267 - 0,100 = 0,500
b) Se pide P(E HE).

P(E HE) = P(E) + P(HE) - P(E HE)
P(E) = 200/300 = 0,667
P(HE) = 220/300 = 0,733
P(E HE) = 270/300 = 0,900
P(E HE) = 0,667 + 0,733 - 0,900 = 0,500
c) Se pide P(HE/E).
P(HE/E) = P(E HE)/P(E) = 0,100/0,333 = 0,3003
d) Se pide P(E/HE).
P(E/HE) = P(E HE)/P(HE) = 0,100/0,267 = 0,3745
e) Se pide P(E HE) = P(E).P(HE).

0,100 0,333.0,267 No son independientes
Calculo de probabilidades
Calculo de probabilidades. Evento o suceso aleatorio. Sucesos compuestos. Espacio muestral. Axiomas de
probabilidades. Regla general de la suma. Probabilidad condicional. Regla general del producto.
Contenido
Apunte de Probabilidades y estadsticas: Calculo de probabilidades. Evento o suceso aleatorio. Sucesos
compuestos. Espacio muestral. Axiomas de probabilidades. Regla general de la suma. Probabilidad condicional.
Regla general del producto.
CALCULO DE PROBABILIDADES
La expansin del cultivo de soja en la Argentina es objeto de una fuerte controversia entre quienes aprecian las
ventajas econmicas actuales de dicha expansin y quienes alertan sobre problemas de contaminacin ambiental,
de empobrecimiento cultural y de fragilidad de la economa asociados con ella. En parte, los problemas
mencionados son caractersticos del monocultivo y ya han ocurrido en regiones donde el cultivo hegemnico era
otro.
Nuestro problema ser encontrar una manera para evaluar en qu medida la adopcin del cultivo de soja est
asociada con la prctica del monocultivo a partir de los datos de una encuesta en la cual se registran los cultivos
realizados en los diferentes establecimientos agrcolas de un rea determinada. Para ello utilizaremos las
herramientas conceptuales y metodolgicas que la estadstica provee para realizar una evaluacin de este tipo.
Problema (datos ficticios)

En un estudio de la actividad agrcola en un partido de la Pampa Ondulada se registraron los cultivos estivales de
cosecha realizados en la ltima campaa en 100 establecimientos elegidos al azar dentro del partido. La planilla
que llevaban los encuestadores permita registrar las siguientes opciones: Maz, Girasol, Sorgo, Soja, Crtamo.
Entre los resultados de la encuesta se encontr que en 90 de los 100 establecimientos relevados se haba cultivado
soja y que, en 40 de ellos, la soja era el nico cultivo estival; adems, 2 establecimientos realizaron otro tipo de
monocultura (datos ficticios).
Identificar la poblacin bajo estudio.
Identificar la muestra.
Detallar las 31 diferentes posibilidades para la lista de los cultivos realizados en un establecimiento (los 31
eventos simples que componen el espacio muestral).
Indicar cules eventos simples componen los siguientes eventos compuestos:
"en el establecimiento se cultiv soja"
"en el establecimiento de cultiv maz y girasol"
"el establecimiento realiz un nico cultivo estival"
"en el establecimiento se realizaron ms de 3 cultivos diferentes"
DEFINICIONES
Probabilidad: Es un valor comprendido entre 0 y 1, incluidos estos dos valores, que describe la posibilidad de
ocurrencia de un evento.
Experimento: Cualquier proceso que produce un resultado.
Determinstico: Ante la repeticin del mismo se obtiene siempre el mismo resultado.
Aleatorio: Repitiendo el experimento en idnticas condiciones se obtienen distintos resultados.
Punto muestral Resultado: Es un resultado particular de un experimento.
Evento: Es una coleccin de uno o mas resultados de un experimento.
DEFINICIONES EVENTO O SUCESO ALEATORIO

Evento o Suceso Aleatorio: Es una coleccin de uno o mas resultados de un experimento.
E1 = Sacar un 5 al tirar un dado
E2 = Sacar un nmero par al tirar un dado.
E3 = Sacar un nmero menor que 7 al tirar un dado = EVENTO CIERTO
E4 = Sacar un nmero mayor que 6 al tirar un dado = EVENTO IMPOSIBLE
DEFINICIONES SUCESOS COMPUESTOS

Sucesos mutuamente excluyentes:
Dos sucesos A y B son mutuamente excluyentes cuando la ocurrencia de uno de ellos impide la ocurrencia del
otro.
P(AB) = P(AyB) = P(AB) = 0
Sucesos colectivamente exhaustivos
Dos sucesos A y B son colectivamente exhaustivos cuando al menos uno de ellos deba ocurrir siempre que se
realiza el experimento.
Dicho en otras palabras, deber cumplirse que la suma de las probabilidades de todos los sucesos deber ser
igual a 1.
DEFINICIONES ESPACIO MUESTRAL

Espacio muestral: Es el conjunto de todos los posibles resultados de un experimento.
Suele representarse con la letra S. Puede visualizarse a travs de
Listas
- Conjunto de posibles resultados al tirar un dado = {1;2;3;4;5;6}
Diagramas de arbol
- Conjunto de posibles resultados al tirar dos monedas
C
C
S
Tablas rejilla
- Conjunto de posibles resultados al tirar un dado rojo y uno azul
11 21 31 41 51 61
12 22 32 42 52 62
13 23 33 43 53 63
14 24 34 44 54 64
15 25 35 45 55 65
16 26 36 46 56 66
Conjuntos (Diagramas de Venn)
- Se pretende representar a las mujeres, a los universitarios pero es necesario tener en cuenta que existen
mujeres universitarias.
Tablas de doble entrada

- Cuando se tienen dos o mas variables con dos o mas categoras cada una, por ejemplo hombres y mujeres,
Ingenieros Agrnomos y Licenciados en Economa y Administracin Agraria.
Licenciados en
Ingenieros
Economa y
Agrnomos
Administracin
M 40 25 65
H 60 30 90
100 55 155
Recordemos cuales son los totales marginales y el gran total.

DEFINICIONES DE PROBABILIDAD
DEFINICION CLASICA
Se basa en que todos los resultados son
igualmente probables o equiprobables.
Mutuamente excluyentes
Colectivamente exhaustivos
Nmero de resultados favorables

Probabilidad de un evento =
Nmero de resultados posibles
DEFINICION FRECUENCIAL
Cuando los resultados no son equiprobables la probabilidad de ocurrencia de un evento se determina por
observacin del nmero de veces que eventos similares ocurrieron en el pasado. (frecuencia relativa)
Nmero de veces que el evento ocurri en

Probabilidad de un el pasado
evento =
Nmero de observaciones
Ejemplo:
Sea el experimento de estudiar una droga que cura cierta enfermedad en vacunos enfermos. Se aplic a 1000
vacunos y se curaron 700.
El espacio muestral ser S = {curado; no curado}
Consideremos el evento de que el vacuno se cure.
Probabilidad de curado = 700/1000 = 0,7
DEFINICION SUBJETIVA
Cuando no se tienen datos para ningn tipo de clculo, ni posibilidad de efectuar repetidamente el experimento,
se recurre a un experto, quien de acuerdo a su buen saber y entender estimar la probabilidad.
Ejemplos:
Calcular la probabilidad de que un tenista gane un campeonato
Calcular la probabilidad de que un club de futbol salga campen
Calcular la probabilidad de que el precio de las acciones de una compaa se incremente en dos aos.
AXIOMAS DE PROBABILIDADES
Independientemente de que definicin de probabilidad utilicemos, siempre se debern cumplir los siguientes tres
axiomas.
Axiomas:
Axioma 1: La probabilidad de un evento existe y es un nmero mayor o igual a cero
0 P(A)
Axioma 2: La probabilidad de todo el espacio muestral es 1.
P(S) = 1
Axioma 3: Si dos eventos A y B son mutuamente excluyentes
P(AB) = P(A) + P(B)
CONSECUENCIAS DE LOS AXIOMAS DE PROBABILIDADES

P() = 0
Si = suceso complementario de A es decir = S - A, ser P() = 1 - P(A)
Si A1A2, entonces P(A1) P(A2)
" A se cumple que P(A) 1
REGLA GENERAL DE LA SUMA

Si A y B son dos sucesos no mutuamente excluyentes, luego la probabilidad de la unin entre ambos est dada
por la siguiente frmula.
P(A B) = P(A) + P(B) - P(A B)
B
AyB
A
Si A y B son dos sucesos mutuamente excluyentes, se cumple:

P(A B) = P(A) + P(B)
Ejemplo:
Un experimento genera un espacio muestral que contiene ocho sucesos E1,...,E8 con p(Ei) = 1/8, i = 1,...,8. Los
sucesos A y B se definen as:
A = {E1,E4,E6}
B = {E3,E4,E5,E6,E7}
Encuentre:
(a) P(A)
(b) P()
(c) P(A B)
a) P(A) = 3/8
(b) P() = 5/8
(c) P(A U B) = P(A) + P(B) - P(AB)
P(A U B) = 3/8 + 5/8 - 2/8 = 6/8 = 0,75
resultado que es muy fcil verificar visualmente en el diagrama.
INDEPENDENCIA
Dos eventos A y B son independientes cuando se cumple que la probabilidad conjunta es igual al producto de las
probabilidades marginales.
P(A B) = P(A)*P(B)
PROBABILIDAD CONDICIONAL
Probabilidad Condicional es la probabilidad de ocurrencia de un evento en particular, dado que otro evento ha
ocurrido. La probabilidad condicional de el evento A dado que el evento B ha ocurrido se escribe P(A|B).
REGLA GENERAL DEL PRODUCTO

Dados dos eventos A y B la probabilidad conjunta de que ambos sucedan se calcula segn la siguiente frmula:
P(A B) = P(A)*P(B|A) = P(B A) = P(B)*P(A|B)
Si los eventos A y B son independientes la probabilidad conjunta de que ambos sucedan se calcula segn la
siguiente frmula:
P(A B) = P(B A) = P(A)*P(B) = P(B)*P(A)
Ejemplo:
Un experimento genera un espacio muestral que contiene ocho sucesos E1,...,E8 con p(Ei) = 1/8, i = 1,...,8. Los
sucesos A y B se definen as:
A = {E1,E4,E6}
B = {E3,E4,E5,E6,E7}
Resolver:
(a) Son los sucesos A y B mutuamente excluyentes? Por qu?
(b) Son los sucesos A y B independientes? Por qu?
(c) P(AB)
(d) P(A/B)
(a) No, porque AB 0

(b) No, porque P(A)*P(B) P(AB)
3/8 * 5/8 2/8
(c) P(AB) = 2/8 = 0,25
(d) P(A/B) = P(AB) / P(B) = (2/8) / (5/8) = 2/5
Esto puede verse en el diagrama, ya que saber que B ocurri, reduce nuestro espacio muestral a los cinco
elementos de B. Y de ellos, slo dos pertenecen a A.
PROBLEMAS A RESOLVER
1) Dos candidatos a los consejos de administracin A y B, compiten por el control de una corporacin. Las
probabilidades de ganar de estos candidatos son 0,7 y 0,3, respectivamente. Si gana A, la probabilidad de introducir
un nuevo producto es 0,8; si gana B, la correspondiente probabilidad es 0,4. Demuestre que, antes de las
elecciones, la probabilidad de que sea introducido un nuevo producto es 0,68.
Sugerencias: Recordar probabilidad condicional y probabilidad conjunta Considerar todo el espacio muestral
Datos:
P(A) = 0,7
P(N/A) = 0,8
P(B) = 0,3
P(N/B) = 0,4
Solucin:
P(N) = P(NA) + P(NB)
P(N) = P(N/A)*P(A) + P(N/B)*P(B)
P(N) = 0,8*0,7 + 0,4*0,3 = 0,68
2) El 34% de los rboles de un bosque tienen ms de 15 aos. El 54% son de la variedad A. De los de la variedad
A, el 7% tiene ms de 15 aos. Si se elige un rbol al azar,
a) Cul es la probabilidad de que tenga ms de 15 aos y sea de la variedad A?
b) Cul es la probabilidad de que teniendo menos de 15 aos, sea de la variedad A?
Sugerencias: Recordar probabilidad condicional y probabilidad conjunta Considerar tablas de contingencia
+15 -15
A 0,0378 0,5022 0,54
A 0,3022 0,1578 0,46
0,34 0,66 1
Solucin:
a) P(+15A) = P(+15/A)*P(A) = 0,07*0,54 = 0,0378
b) P(A/-15) = P(A-15) / P(-15) = 0,5022 / 0,66 = 0,76
3) El 70% del ganado es inyectado con una vacuna para combatir una enfermedad grave. La probabilidad de
recuperarse de la enfermedad es 1 en 20 si no ha habido tratamiento y de 1 en 5 si hubo tratamiento. Si un animal
infectada se recupera, cul es la probabilidad de que haya recibido la vacuna preventiva?
Sugerencias: Recordar probabilidad condicional y probabilidad conjunta Regla del producto.
Datos:
P( I ) = 0,7
P( R / I ) = 0,2
P( ) = 0,3
P( R / ) = 0,05
Incgnita:
P( I /R )
Variable aleatoria
Variable aleatoria discreta. Variable aleatoria continua. Esperanza. Variancia de una variable aleatoria. Teorema de
Bayes.
Contenido
Apunte de Probabilidades y estadsticas: Variable aleatoria discreta. Variable aleatoria continua. Esperanza.
Variancia de una variable aleatoria. Teorema de Bayes.
VARIABLE ALEATORIA
Dado un experimento aleatorio y su correspondiente espacio muestral se denomina variable aleatoria a la funcin
que asigna a cada elemento del espacio muestral un nmero real.
X: S R/X(s) x
Ejemplo: Si se define la variable aleatoria X = nmero de caras obtenidas al arrojar dos monedas
Qu valores puede tomar x?

X(SS) = 0
X(CS) = X(SC) = 1
X(CC) = 2
Se denomina recorrido Rx al conjunto de valores que puede tomar la variable.
VARIABLE ALEATORIA DISCRETA

Una variable aleatoria es discreta cuando toma un nmero contable de valores.Entonces entre dos valores
consecutivos de una variable aleatoria discreta no hay ningn nmero que pertenezca al recorrido de la variable
Rx = {X1;X2;...,Xn,...} donde cada Xi es un valor de la v.a.
En general , estos valores no sern igualmente probables, sino que cada X tendr asignada una probabilidad.
Luego, para caracterizar una variable aleatoria discreta es necesario conocer su recorrido y la probabilidad de cada
elemento del recorrido
Sigamos con el ejemplo X = Cantidad de caras al tirar dos monedas
P(X = 0) = P(SS) =
P(X = 1) = P(SC;CS) =
P(X = 2) = P(CC) =
Funcin de distribucin de probanilidad
Propiedades
1) P(Xi) 0 Xi
2) P(xi) = 1
VARIABLE ALEATORIA CONTINUA

Una variable es continua en un intervalo cuando puede tomar cualquier valor perteneciente al intervalo.
En general definiremos variables aleatorias continuas cuando las experiencias consistan en medir peso, altura,
longitud, tiempo, temperatura, etc.
En este caso se define (en lugar de la funcin de distribucin) una funcin de densidad de probabilidad que tiene las
siguientes propiedades
1) f(x) 0 X R
2) f(x).dx = 1
3) a < b P(a x b) = f(x).dx
ESPERANZA DE UNA VARIABLE ALEATORIA

La esperanza es un parmetro de la distribucin. Es una medida de tendencia central.
Si X es discreta:
= E(X) = xi.p(xi)
Si X es continua
= E(X) = x.f(x).dx
La esperanza E(x) no es un resultado que esperararamos cuando X se observa slo una vez.
Pero si observramos un gran nmero de observaciones independientes de X el promedio de esos resultados
estar cerca de E(x).
Ejemplo:
En una operacin comercial se puede obtener una utilidad de $1000 o sufrir una prdida de $500. Si la probabilidad
de una utilidad es de 0,6, demuestre que la utilidad esperada en dicha operacin es de $400.
Primero definimos la variable aleatoria
X = utilidad en operacin comercial
= E(X) = xi.p(xi)
E(X) = 1000*0,6+(-500)*0,4
E(X) = 400
PROPIEDADES DE LA ESPERANZA
Sean X e Y variables aleatorias y c una constante perteneciente a los reales:
1) E (c ) = c
2) E (X+c ) = E(X) + c
3) E (cX) = c E(X)
4) E (X+Y) = E(X) + E(Y)
5) E (X-Y) = E(X) - E(Y)
6) Si X e Y son independientes E (XY) = E(X) * E(Y)
VARIANCIA DE UNA VARIABLE ALEATORIA

La variancia es un parmetro de la distribucin. Es una medida de dispersin de los valores de x alrededor de E(X)
Var(X) = = E(X - )
Var(X) = = E(X - [E(X)])
PROPIEDADES DE LA VARIANCIA
Sean X e Y variables aleatorias y c una constante perteneciente a los reales:
1) V (c ) = 0
2) V (X + c ) = V(X)
3) V (cX) = c2 V(X)
4) Si X e Y son independientes V (X + Y) = V(X) + V(Y)
5) Si X e Y son independientes V (X - Y) = V(X) + V(Y)
TEOREMA DE Bayes
REPASANDO CONCEPTOS DE CONTEO

Permutaciones: Algunos arreglos de r objetos seleccionados de n posibles objetos.
n.Pr = n! / (n - r)
Nota: El orden de los arreglos es importante en las permutaciones.
Combinaciones: El nmero de formas de elegir r objetos de un grupo de n objetos sin considerar el orden.
n.Cr = n! / r!.(n - r)
Distribuciones Discretas y Continuas

Distribuciones Discretas y Continuas. Binomial y Normal. Distribucin Normal Estandard.
Contenido
Apunte de Probabilidades y estadsticas: Distribuciones Discretas y Continuas. Binomial y Normal. Distribucin
Normal Estandard.
Distribuciones Discretas y Continuas
Binomial y Normal
La Distribucin Binomial
Llamaremos experimento dicotmico a un experimento aleatorio cuyos resultados posibles son slo dos, o nos
interesa considerarlos como dos. Por ejemplo:
1) Lanzar una moneda y observar si sale cara o cruz.
2) Sacar una carta de una baraja y observar si es una figura o no lo es.
3) Elegir una ficha de un domin y observar si el total de sus puntos es un nmero par o impar.
En este tipo de experiencias a uno de los dos resultados posibles se le suele llamar "xito" y a su contrario
"fracaso". A la probabilidad del suceso llamado xito se la suele representar por p y a la de su contrario por q. Se
verifica, claro est, que p+q = 1 (Por qu?) . En los ejemplos anteriores podramos considerar:
1) xito = "cara", fracaso = "cruz" y, si la moneda no est trucada, p = q = 1/2.
2) xito = "figura", fracaso = "no figura" y, en una baraja espaola, p = 12/40 y q = 28/40.
3) xito = "suma par", fracaso = "suma impar" Cunto valdran p y q?
Un experimento binomial consiste en repetir una cierta cantidad de veces, y siempre en las mismas condiciones,
un experimento dicotmico. Llamaremos "tirada" a cada una de las veces que repetimos el experimento
dicotmico. Por ejemplo, son experimento binomiales:
1) Lanzar una misma moneda repetidas veces y observar el nmero de caras (xitos) obtenidas.
2) Sacar, con reemplazamiento, varias cartas de una misma baraja y observar el nmero de figuras (xitos)
obtenidas.
3) Extraer, con reemplazamiento, varias fichas de un domin y observar la cantidad de veces que obtenemos
una en la que el nmero total de puntos que aparece es par.
Vamos a representar por B(n,p) a una binomial con n tiradas y probabilidad de xito igual a p.
Puede interesar conocer cual es la probabilidad que de las n pruebas, salgan exactamente x0 casos favorables a
A; o bien calcular la probabilidad que los casos A sean entre x1 y x2, ambos menores que n. Conceptualmente
puede decirse que x es una variable aleatoria discreta que toma valores entre 0 (puede no aparecer nunca el
suceso) y n (puede aparecer siempre) . Es decir que el campo de definicin de la variable es: 0 x n.
Bajo estas condiciones Bernoulli desarroll la distribucin de probabilidad denominada Binomial, cuya expresin
matemtica, P(x) , est dada por:
P(x) = C n,x.px.qn - x
Donde:
x es la variable aleatoria que vara entre 0 y n.
n y p son los datos o parmetros (*) de la distribucin Binomial.
n!
C n,x =
n!.(n -
x) !
(Nmero combinatorio)
Ejemplo de Binomial
De los pinos integrantes de un extenso bosque, un 20 % se encuentra afectado por un hongo parsito. Si se
seleccionan al azar 4 pinos, calcular la probabilidad que los afectados por el hongo sean:
a) Exactamente 2
b) Ms de uno
Respuesta:
Anlisis de las caractersticas del problema:
Se realizan 4 observaciones al azar (n = 4 es un dato)
Ante cada observacin, los pinos pueden estar A = afectado (por el hongo) ; = no afectado. Es decir dos resultados
posibles en cada prueba.
No se tienen elementos para decir que la probabilidad de que cada pino observado vare de uno a otro, es decir: p =
0,2 probabilidad de que cada uno de los pinos est afectado. Ser entonces: q = 0,8 probabilidad de pino no
afectado.
Las preguntas planteadas se refieren a la cantidad de pinos que resultarn estar afectados (x = variable).
Se dan exactamente las condiciones exigidas para utilizar la Distribucin Binomial, y para calcular la probabilidades
pedidas, es posible aplicar su funcin.
a) P(x = 2) = C4,2.0,2.0,8(4 - 2) = 6.0,04.0,64 = 0,1536
b) P(x>1) = C4,x.0,2x.0,84 - x
Sumatoria desde x = 2 hasta 4.
P(x>1) = 0,1536 + 4.0,008.0,8 + 1.0,0016.1 = 0,1536 + 0,0256 + 0,0016 = 0,1808
Tambin se podra haber calculado como: 1 - P(x < 2).
La Distribucin Normal
A lo largo de la historia, matemticos como De Moivre, Gauss o Galton se sorprendieron por la frecuencia con la
que aparece la llamada curva Normal o de Gauss en estudios estadsticos tan aparentemente distintos como la
distribucin de alturas de un grupo de personas, la resistencia de un tipo determinado de piezas, el nmero total de
caras que obtenemos al lanzar reiteradamente una moneda, y muchos otros.
La curva normal, como cualquier otra curva de probabilidad, verifica que:
el rea total que limita con el eje de abscisas es igual a 1.
la probabilidad de la variable X tome valores entre a y b coincide con el rea limitada por la curva, el eje OX y las
rectas x = a y x = b.
la probabilidad de que X tome un valor concreto es igual a 0. Por qu?
No existe una nica curva normal; su grfica, como vas a observar en la siguiente escena, depende de su media,
y de su desviacin tpica.
Normal
Distribuciones de probabilidad normales
La distribucin de probabilidad normal (D.P.N.) se considera como la distribucin de probabilidad ms
importante. Hay una cantidad ilimitada de variables aleatorias continuas que tienen una distribucin normal o
aproximadamente normal. La D.P.N. tiene una variable aleatoria continua y usa dos funciones: una para
determinar las ordenadas (valores de y) de la grfica que representa la distribucin, y otra para determinar
probabilidades. La siguiente frmula expresa la ordenada que corresponde a cada abscisa y de denomina funcin
de distribucin de probabilidad normal:
para toda x real.

Cuando se traza una grfica de tales puntos, aparece la curva normal (en forma de campana) como se muestra
en el siguiente grfico:
La probabilidad asociada con el intervalo a x b est dada por:
P(a x b) = f(x).dx
La Distribucin Normal Estandard

Hay un nmero ilimitado de distribuciones de probabilidad normal, aunque afortunadamente todas estn
relacionadas con una distribucin, la distribucin normal Estandard.
Propiedades de la Distribucin Normal Standard
El rea total bajo la curva normal es igual a 1.
La distribucin tiene forma de campana y es simtrica; se extiende en ambas direcciones y el eje x es su
asntota.
Tiene media igual a 0 y desviacin standard igual a 1.
La media divide el rea en dos mitades.
Casi toda el rea est entre z = -3 y z = +3.
Ejemplo:
En una granja modelo de la Provincia de Entre Ros, en un momento determinado de su desarrollo, los cerdos que
producen tienen en cuanto a su peso, una distribucin Normal con un promedio de 75 kg. y un desvo estndar de 6
kg.
Es decir: x ~ N (75 , 6) a variable Normal Estndar ser: z = (x - )/ = (x - 75)/6
Donde: z ~ N (0,1)
Con esa informacin calcular:
P( - k < x < + k.) = P(- k. < x - < k.) = P(- k < (x - )/ < k) =
Dndole valores a k se tiene:
Para k = 1
P(|z| < 1) = P(-1 < z < 1) = F(1) - F(-1) = 0.84134 - 0.15866 = 0,68268
El 68 % de los cerdos tendrn pesos comprendidos entre un desvo estndar en ms y en menos de la media (es
decir entre 69 y 81 kg.) ( )
Para k = 2
P(|z| < 2) = P(-2 < z < 2) = F(2) - F(-2) = 0.97725 - 0.02275 = 0,9545
El 95 % de los cerdos tendrn pesos comprendidos entre dos desvos estndar en ms y en menos de la media (es
decir entre 63 y 87 kg.) ( 2.)
Para k = 3
P(|z| < 3) = P(-3 < z < 3) = F(3) - F(-3) = 0.99865 - 0.00135 = 0,9973
Casi el 100% (99.73%) de los cerdos tendrn pesos entre tres desvos estndar en ms y en menos de la media (es
decir 57 y 93 kg.) ( 3.)
b) P(x > 72) = P (z > (x - 75) /6 = -0.50) = 1 - F(-0.50) = 1 - 0.19146 = 0,80854
El 81 % de los cerdos tendrn pesos superiores a 72 kg.
c) P (69 < x < 87) = P (-1 < z < 2) = F(2) - F(-1) = 0.97725 - 0.15866 = 0,81859
El 82 % de los cerdos tendrn pesos comprendidos entre 69 y 87 kg.
d) De 20 cerdos elegidos aleatoriamente, cuntos se esperan que pesen ms de 81 kg.? = 20.
P(x > 81) = 20 . P (z > 1) = 20.[1 - F(1)] = 20.(1 - 0,84134) = 20.0,15866 = 3,1732 cerdos
Se espera que tres (o cuatro) cerdos tengan pesos superiores a 81 kg.
e) Cul es el peso que es superado por el 10 % de los cerdos?: Con las Tablas que se dispone para este Curso,
se tienen algunos valores:
P (x > x0) = ~ 0,10 P (z > z0) = ~ 0,10 z0 = 1,28;
o bien
P (z z0) = ~ 1 - 0,10 F (z0) = ~ 0,90 no disponible en las Tablas.
Si z = (x - ) / x = z . + ;
y para x0 ser:
x0 = 1,28 . 6 + 75 = 82,68 kg.
El peso de los cerdos que es superado por el 10 % de ellos es 82,68 kg.
f) Determinar el valor de peso que supera al 5 % de los cerdos:
P (x < x0) = P (z < z0) = 0,05; de donde surge que z0 es un valor negativo y simtrico a:
P (z > z0) = 0,05; z0 = 1,645 y ser:
z0 = - 1,645 x0 = - 1,645.6 + 75 = 65,03 kg.
El peso superado por el 5 % de los cerdos e 65 kg.
Anlisis de Regresin y Correlacin

Anlisis de Regresin y Correlacin. Relacin funcional entre dos variables. Relacin estadstica entre dos
variables. Anlisis de Correlacin. Diagrama de Dispersin. Coeficiente de correlacin lineal. Modelos de
Regresin. Estimacin de la ecuacin de Regresin Simple.
Contenido
Apunte de Probabilidades y estadsticas: Anlisis de Regresin y Correlacin. Relacin funcional entre dos
variables. Relacin estadstica entre dos variables. Anlisis de Correlacin. Diagrama de Dispersin. Coeficiente de
correlacin lineal. Modelos de Regresin. Estimacin de la ecuacin de Regresin Simple.
Anlisis de Regresin y Correlacin
Introduccin
Muchas veces las decisiones se basan en la relacin entre dos o ms variables.Ejemplos
Dosis de fertilizantes aplicadas y rendimiento del cultivo.
La relacin entre la radiacin que reciben los sensores con la que se predicen los rendimientos por parcelas con
los rendimientos reales observados en dichas parcelas.
Relacin entre tamao de un lote de produccin y horas -hombres utilizadas para realizarlo.
Distinguiremos entre relaciones funcionales y relaciones estadsticas
Relacin funcional entre dos variables

Una relacin funcional se expresa mediante una funcin matemtica.
Si X es la variable independiente e Y es la variable dependiente, una relacin funcional tiene la forma:
Y=f(X)
Ejemplo 1
Parcela Dosis Rendimiento(kg/h)

1 75 150
2 25 50
3 130 260
Figura 1
Relacin funcional perfecta entre dosis y rendimientos
Nota: Las observaciones caen exactamente sobre la lnea de relacin funcional

Relacin estadstica entre dos variables
A diferencia de la relacin funcional, no es una relacin perfecta, las observaciones no caen exactamente sobre la
curva de relacin entre las variables
Ejemplo 2
Lote de productos Tamao del lote Horas hombre

1 30 73
2 20 50
3 60 128
4 80 170
5 40 87
Figura 2
Relacin estadstica entre tamao del lote y horas hombre
Nota: La mayor parte de los punto no caen directamente sobre la lnea de relacin estadstica.
Esta dispersin de punto alrededor de la lnea representa la variacin aleatoria
Figura 3
Coordenadas de puntos de control utilizados para corregir la

columna de los niveles digitales de una imagen satelital
Nota: se trata de un terreno rugoso donde varan notablemente las condiciones de observacin del sensor, para
corregir errores geomtricos de la imagen, se aplican funciones de segundo grado. Los datos sugieren que la
relacin estadstica es de tipo curvilnea.
Conceptos bsicos
Anlisis de Regresin: Es un procedimiento estadstico que estudia la relacin funcional entre variables.Con el
objeto de predecir una en funcin de la/s otra/s.
Anlisis de Correlacin: Un grupo de tcnicas estadsticas usadas para medir la intensidad de la relacin entre dos
variables
Diagrama de Dispersin: Es un grfico que muestra la intensidad y el sentido de la relacin entre dos variables de
inters.
Variable dependiente (respuesta, predicha, endgena): es la variable que se desea predecir o estimar
Variables independientes (predictoras, explicativas exgenas). Son las variables que proveen las bases para
estimar.
Regresin simple: interviene una sola variable independiente
Regresin mltiple: intervienen dos o ms variables independientes.
Regresin lineal: la funcin es una combinacin lineal de los parmetros.
Regresin no lineal: la funcin que relaciona los parmetros no es una combinacin lineal
Grfico de dispersin
Los diagramas de dispersin no slo muestran la relacin existente entre variables, sino tambin resaltan las
observaciones individuales que se desvan de la relacin general. Estas observaciones son conocidas como outliers
o valores inusitados, que son puntos de los datos que aparecen separados del resto.
Grfico de dispersin entre Bandas
Coeficiente de correlacin lineal

El Coeficiente de Correlacin (r) requiere variables medidas en escala de intervalos o de proporciones
- Vara entre -1 y 1.
- Valores de -1 1 indican correlacin perfecta.
- Valor igual a 0 indica ausencia de correlacin.
- Valores negativos indican una relacin lineal inversa y valores positivos indican una relacin lineal directa
Correlacin Negativa Perfecta
Correlacin Positiva Perfecta

Ausencia de Correlacin
Correlacin Fuerte y Positiva
Frmula para el coeficente de correlacin (r) Pearson
Modelos de Regresin
Un modelo de regresin, es una manera de expresar dos ingredientes esenciales de una relacin estadstica:
- Una tendencia de la variable dependiente Y a variar conjuntamente con la variacin de la o las X de una manera
sistemtica
- Una dispersin de las observaciones alrededor de la curva de relacin estadstica
Estas dos caractersticas estn implcitas en un modelo de regresin, postulando que:
- En la poblacin de observaciones asociadas con el proceso que fue muestreado, hay una distribucin de
probabilidades de Y para cada nivel de X.
- Las medias de estas distribuciones varan de manera sistemtica al variar X.
Representacin grfica del modelo de Regresin Lineal
Nota: en esta figura se muestran las distribuciones de probabilidades de Y para distintos valores de X
Anlisis de Regresin
Objetivo: determinar la ecuacin de regresin para predecir los valores de la variable dependiente (Y) en base a
la o las variables independientes (X).
Procedimiento: seleccionar una muestra a partir de la poblacin, listar pares de datos para cada observacin;
dibujar un diagrama de puntos para dar una imagen visual de la relacin; determinar la ecuacin de regresin.
Supuestos de Regresin Lineal Clsica

Cada error est normalmente distribuido con:
- Esperanza de los errores igual a 0
- Variancia de los errores igual a una constante .
- Covariancia de los errores nulas para todo i
Proceso de estimacin de la regresin lineal simple
Modelo de regresin Datos de la muestra

y = 0 + 1 x + x y
x1 y1
x2 y2
Ecuacin de . .
regresin .
.
.
.
E(y) = 0+ 1x xn yn
Parmetros
desconocidos
0.1
b0 y b1
Ecuacin estimada de
proporcionan
regresin
estimados y = b0+b1x
0 y 1
Estadsticos de la
muestra
b0.b1
Lneas posibles de regresin en la regresin lineal simple

Seccin A
Relacin lineal positiva

Seccin C
No hay relacin
Seccin B
Relacin lineal negativa
Estimacin de la ecuacin de Regresin Simple

Y = a + b.X, donde:
- Y es el valor estimado de Y para distintos X.
- a es la interseccin o el valor estimado de Y cuando X=0
- b es la pendiente de la lnea, o el cambio promedio de Y para cada cambio en una unidad de X
- el principio de mnimos cuadrados es usado para obtener a y b:
a = (Y)/n - b.(X)/n
Mnimos cuadrados - Supuestos

El modelo de regresin es lineal en los parmetros.
Los valores de X son fijos en muestreo repetido.
El valor medio de la perturbacin i es igual a cero.
Homocedasticidad o igual variancia de i.
No autocorrelacin entre las perturbaciones.
La covariancia entre i y Xi es cero.
El nmero de observaciones n debe ser mayor que el nmero de parmetros a estimar.
Variabilidad en los valores de X.
El modelo de regresin est correctamente especificado.
No hay relaciones lineales perfectas entre las explicativas.
Estimacin de la variancia de los trminos del error ()

Debe ser estimada por varios motivos
Para tener una indicacin de la variabilidad de las distribuciones de probabilidad de Y.
Para realizar inferencias con respecto a la funcin de regresin y la prediccin de Y.
La lgica del desarrollo de un estimador de para el modelo de regresin es la misma que cuando se muestrea
una sola poblacin
La variancia de cada observacin Yi es ,la misma que la de cada trmino del error
Dado que los Yi provienen de diferentes distribuciones de probabilidades con medias diferentes que dependen del
nivel de X, la desviacin de una observacin Yi debe ser calculada con respecto a su propia media estimada Y i.
Y i - i = ei
Por tanto, las desviaciones son los residuales
Y la suma de cuadrados es:
La suma de cuadrados del error, tiene n-2 grados de libertad asociados con ella, ya que se tuvieron que estimar dos
parmetros.
Por lo tanto, las desviaciones al cuadrado dividido por los grados de libertad, se denomina cuadrados medios
Donde CM es el Cuadrado medio del error o cuadrado medio residual. Es un estimador insesgado de
Anlisis de Variancia en el anlisis de regresin

El enfoque desde el anlisis de variancia se basa en la particin de sumas de cuadrados y grados de libertad
asociados con la variable respuesta Y.
La variacin de los Yi se mide convencionalmente en trminos de las desviaciones
(Yi - Yi)
La medida de la variacin total SC tot, es la suma de las desviaciones al cuadrado
(Yi - Yi)
Desarrollo formal de la particin

Consideremos la desviacin
(Yi - Yi)
Podemos descomponerla en
+
(Yi - Y) = (i - Y) (Yi - i)
T R E
(T): desviacin total
(R): es la desviacin del valor ajustado por la regresin con respecto a la media general
(E): es la desviacin de la observacin con respecto a la lnea de regresin
Si consideremos todas las observaciones y elevamos al cuadrado para que los desvos no se anulen
(Yi - Y) = (i - Y) (Yi - i)
SC tot SC reg SCer

(SC tot): Suma de cuadrados total
(SC reg): Suma de cuadrados de la regresin
(SCer): Suma de cuadrados del error
Dividiendo por los grados de libertad, (n-1), (k) y
(n-2), respectivamente cada suma de cuadrados, se obtienen los cuadrados medios del anlisis de variancia.
Coeficiente de Determinacin
Coeficiente de Determinacin, R2 - es la proporcin de la variacin total en la variable dependiente Y que es
explicada o contabilizada por la variacin en la variable independiente X.
- El coeficiente de determinacin es el cuadrado del coeficiente de correlacin, y varia entre 0 y 1.
Clculo del R a travs de la siguiente frmula
R = [(c - Y)]/[(o - Y)]
Inferencia en Regresin
Los supuestos que establecimos sobre los errores nos permiten hacer inferencia sobre los parmetros de regresin
(prueba de hiptesis e intervalos de confianza), ya que los estimadores de 0 y 1 pueden cambiar su valor si
cambia la muestra.
Por lo tanto debemos conocer la distribucin de los estimadores para poder realizar prueba de hiptesis e intervalos
de confianza
Ejemplo
Se desean comparar los rendimientos predichos a partir de la informacin obtenida por 3 sensores sobre los
rendimientos reales por parcelas de lotes de maz. Los rendimientos (Y) y el los rindes predichos de 4 sensores se
presentan a continuacin
Qu sensor refleja mejor el rendimiento de esa zona?
Descripcin Grfica y cuantitativa de la relacin entre cada sensor y

el rendimiento
Y = 338.71*X - 4.87
R = 0.32
Y = 155.37*X - 13.25
R = 0.57
Y = -1004.34*X +112.24
R = 0.44
Inferencia Estadstica
Estimadores puntuales y por intervalo de confianza para media y varianza poblacional
Contenido
Apunte de Probabilidades y estadsticas: Estimadores puntuales y por intervalo de confianza para media y varianza
poblacional.
Estimadores puntuales y por intervalo de confianza para media y

varianza poblacionales
Introduccin al tema
El nico mtodo cientfico para validar conclusiones sobre un grupo de individuos a partir de la informacin que
nos proporciona un subconjunto ms o menos amplio de los mismos es el Mtodo Estadstico.
En el experimento tpico, el objetivo bsico es estimar algunas caractersticas que describan la poblacin de
inters. Es decir:
Estimar los parmetros que caracterizan a la funcin de probabilidad de la variable aleatoria en estudio
Mapa conceptual
Ver mapa conceptual
Introduccin al tema
Veamos el caso de un especialista en produccin animal:
Despus de alimentar un lote de terneros con una racin alimenticia particular,

necesita expresar numricamente el aumento medio de peso de sus animales.
En este caso, suponemos que se dispone de los conocimiento suficientes como para decir:
La variable aleatoria x de nuestro problema, tiene una funcin de probabilidad conocida: f(X; 1;2; ... ; p)y
depende de:
Parmetros 1 hasta p que son desconocidos.
Podra ocurrir que el aumento de peso de los terneros siguieran una distribucin normal con media y varianza .
En este caso el experimentador persigue como objetivo, estimar a y .
Lo har a partir de la manipulacin de un conjunto de observaciones que ha de seleccionar de la poblacin y que
constituirn una muestra aleatoria de la misma.
Razonamiento a seguir:
Pensar como se define la poblacin y la muestra
Qu tipo de procedimiento utilizar para seleccionar una muestra aleatoria.
Qu debera calcular para estimar los parmetros de inters. (estadstico)
Qu funcin de distribucin presentan los estimadores elegidos.
Cmo validar las estimaciones a partir de la muestra.
Es decir Inferir de la Muestra a la poblacin
La inferencia estadstica es la forma de tomar decisiones basadas en probabilidades y presenta dos aspectos:
1. Estimacin de parmetros: - Puntual
- Por intervalos
2. Prueba de Hiptesis con respecto a una funcin elegida como modelo.
En esta clase discutiremos estos puntos
Estimacin Puntual
Una estimacin puntual del valor de un parmetro poblacional desconocido (como puede ser la media , , o la
desviacin estndar , ), es un nmero que se utiliza para aproximar el verdadero valor de dicho parmetro
poblacional.
Una estimacin puntual es el valor de la estadstica de la muestra correspondiente.
Estimadores puntuales de los parmetros de una poblacin normal

Sea una muestra aleatoria simple, X1, X2, ...... , Xn de una poblacin con distribucin N(, ).
-Estimador de la media
La distribucin muestral de la media es:
x N(,/n)
Estimadores puntuales de los parmetros de una poblacin normal

S/n estima a la desviacin tpica de la media /n y se denomina error estndar de la media muestral, por esta
razn se dice que el error estndar de la media mide la variabilidad de la media en el muestreo.
-Estimador de la Varianza
Varianza muestral
Sea X1, X2, ... , Xn, una muestra aleatoria simple de una poblacin X N(,), entonces la variable aleatoria
sigue una ji-cuadrado con n-1 grados de libertad.

Del resultado anterior se deduce que la variable (n - 1).S/ sigue una distribucin ji-cuadrado con n-1 grados de
libertad.
Realizada la estimacin de un parmetro cabe preguntarse:

1. Es exacta la estimacin?
2. Es probable que la estimacin sea alta o baja?
3. Con otra muestra se obtendra el mismo resultado, o bastante diferente?
4. La calidad de un procedimiento de estimacin mejora bastante si la estadstica de la muestra es menos variable
e insesgada a la vez?
Estimadores y propiedades deseables de los estimadores

La distancia entre el estimador y el parmetro a estimar puede medirse mediante los que se denomina el error
cuadrtico medio, que se define como el valor esperado del cuadrado de la diferencia entre el estimador y el
verdadero parmetro.
ECM ( ) = E( - )
El ECM es importante ya que puede escribirse como
ECM ( ) = AVR ( ) + [ - E( )]
una es la varianza del estimador y otra el cuadrado del sesgo.
-Ausencia de sesgo-
Se dice que un estimador es insesgado (o centrado) si la esperanza del estimador coincide con el parmetro a
estimar E( ) = .
-Consistencia-
Se dice que un estimador es consistente si se aproxima cada vez ms al verdadero valor del parmetro a medida
que se aumenta el tamao muestral.
Pr[( - ) > ] 0
n , > 0
La distribucin del estimador se concentra ms alrededor del verdadero parmetro cuando el tamao muestral
aumenta.
-Eficiencia-
Es claro que un estimador ser tanto mejor cuanto menor sea su varianza, ya que se concentra ms alrededor del
verdadero valor del parmetro. Se dice que un estimador insesgado es eficiente si tiene varianza mnima.
-Suficiencia-
Un estimador es suficiente si utiliza una cantidad de la informacin contenida en la muestra de manera que ningn
otro estimador podra extraer informacin adicional de la muestra sobre el parmetro de la poblacin que se est
estimando.
Efectos de la variabilidad y el sesgo
Sesgo negativo Insesgada Sesgo positivo
(subestimacin) (estimacin en el blanco) (sobreestimacin)
Alta variacin
Baja variacin
Mtodos de estimacin
Hay varios mtodos de estimacin, el de mxima verosimilitud es el que proporciona estimadores consistentes pero
no siempre insesgados. Los estimadores mencionados en los puntos anteriores (x, S) eran estimadores mximo
verosimiles. El mismo resultado se puede obtener por el mtodo de los momentos.
El mtodo de mnimos cuadrados se ver cuando se trate regresin.
Estimacin por intervalos

Dada una muestra aleatoria X1, X2, ... , Xn , de una poblacin con funcin de densidad f(x;) Un intervalo de
confianza, de extremos Linferior y Lsuperior, para el parmetro de la poblacin es un par ordenado de funciones
reales de las n medidas de la muestra
I = [L inferior (X1,...,Xn);L superior (X1,..., Xn)]
Construidas de forma que la probabilidad de que los extremos contengan al verdadero valor del parmetro es un
valor prefijado (1 - ). Al nmero (1 - ) se le denomina "nivel de confianza".
El nivel de confianza suele ser 0,95 (95%) 0,99 (99%). La interpretacin prctica es sencilla, por ejemplo si el
nivel de confianza es del 95%, significa que en el 95% de las veces que repitiramos el experimento, el intervalo
de confianza calculado contendra al verdadero valor del parmetro y en el 5% restante el intervalo no contendra
el verdadero valor.
Una vez que el intervalo de confianza ha sido calculado para una muestra concreta, el intervalo obtenido
contiene o no contiene al verdadero valor del parmetro, con probabilidad 1, por esa razn, cuando ya tenemos
un valor concreto hablamos de confianza y no de probabilidad. Confiamos en que el intervalo que hemos
calculado sea del 95% que contiene el verdadero valor.
Nivel de confianza grficamente
Figura 2: interpretacin del nivel de confianza en un intervalo para la media de una distribucin normal.
Intervalo de confianza para la media poblacional, conocido

Supongamos que disponemos de una poblacin en la que tenemos una v.a. con distribucin N(,) con conocida
(de estudios previos, por ejemplo).
Obtenemos una muestra de tamao n y deseamos estimar la media de la poblacin. El estimador puntual de la
misma es la media muestral cuya distribucin muestral es conocida
la cantidad
x N(,/n)
z = (x - )/(/n)
tendr distribucin normal estndar
Sobre la distribucin N(0, 1) podremos seleccionar dos puntos simtricos -z/2 y z /2 , tales que
P(-z /2 Z z /2 ) = 1-
Figura 1: seleccin de los puntos crticos para el clculo del intervalo de confianza.
Sustituyendo Z por su valor en este caso particular
Despejando nos queda el intervalo de confianza,
Ejemplo,
Obtener un I. C. del 95% para el promedio de un lote de 500 novillos, de los cuales se pesa una muestra de 25
animales, obtenindose un = 390 kg. Se sabe que es de 400 kg.
{382,16 397,84}
Recordemos que si la varianza poblacional es desconocida y la variable es normal o se puede aproximar a la
distribucin normal por el Teorema central del lmite, entonces se usara la t de Student con n - 1 grados de libertad
y el desvo estndar muestral.
El intervalo de confianza que resulta,
Ejemplo,
En un establecimiento dedicado a la elaboracin de alimentos balanceados para aves, se afirma que su producto
aumenta el peso promedio de las aves en 30 g diarios. En una muestra de 9 aves tomadas al azar, se obtuvo un
aumento promedio de 35 g con desviacin de 3,04 g. Estimar el intervalo de confianza del 95% para el verdadero
aumento promedio
{32,66 37,34}
Determinacin del tamao de muestra n para un grado de precisin
dado
z 1 - /2.(/n) es la mitad del ancho del intervalo de confianza (producto del coeficiente y el error estndar) y se
denomina error mximo de estimacin E.
Dado un valor de error y un cierto nivel de confianza, puedo estimar cul sera el tamao de la muestra
Z1 - ./E = n
Intervalo de confianza para la varianza poblacional

Sea X una variable aleatoria con distribucin normal con y desconocidos y sea X 1, X2, ..., Xn una muestra
aleatoria de tamao n.
El intervalo de confianza se construye a partir de la variable
= (n - 1).S/
Que tiene una distribucin ji-cuadrado con n-1 grados de libertad y dos valores tales que delimiten el 100(1 - )%
Pr {(n - 1);/2 (n - 1) (n - 1);/2}
Reemplazando la variable en el intervalo
Pr {(n - 1);/2 (n - 1);/2}

Despejando el intervalo de confianza queda,
Ejemplo,
Se sembr cierta variedad de trigo en parcela de cierta localidad, se extrajo una muestra al azar de 20 parcelas y se
midi el rendimiento. Se obtuvo un rendimiento de 58 kilogramos por parcela y una desviacin tpica de 8 kg por
parcela. Estimar la varianza poblacional con un nivel de confianza del 95%, sabiendo que el rendimiento se
distribuye normalmente
{(19).64/32,9 (19).64/8,91}
{32,66 37,34}
Anlisis de Datos Categricos

Distribucin -cuadrado. Pruebas de Bondad del Ajuste. Caractersticas de la multinomial. Prueba de hipotesis para
el experimento multinomial. Estadistico de prueba. Tablas de contingencia con dos criterios de clasificacin.
Ejemplo para prueba de homogeneidad. Ejemplo para prueba de independencia.
Contenido
Apunte de Probabilidades y estadsticas: Distribucin -cuadrado. Pruebas de Bondad del Ajuste. Caractersticas
de la multinomial. Prueba de hipotesis para el experimento multinomial. Estadistico de prueba. Tablas de
contingencia con dos criterios de clasificacin. Ejemplo para prueba de homogeneidad. Ejemplo para prueba de
independencia.
Anlisis de Datos Categricos

En el anlisis de datos, especialmente del rea biolgica (Cs. Naturales, Medicina, Farmacologa, etc.) a menudo
nos encontramos con mediciones de respuestas que son de naturaleza categrica. stas respuestas reflejan
informacin de categoras ms que mediciones en escala de intervalos o razn.
Extenderemos los principios bsicos de la prueba de hiptesis a situaciones que implican variables categricas.
Trataremos informacin que se obtiene del recuento del nmero de casos que se presentan al estudiar
caracteristicas cualitativas
Para el desarrollo de los contenidos correspondientes a esta presentacin se ha considerado un hilo conductor
segn se presenta en el mapa conceptual.
La distribucin que hemos visto en los captulos sobre Estimacin de Parmetros y de Pruebas de hiptesis con
relacin a variancias muestrales, tiene un gran campo de aplicacin en el anlisis de variables de naturaleza
categrica,
Introduccin
Si consideramos la situacin ms sencilla de esta unidad donde cada observacin de una muestra se clasifica como
pertenecientes a un nmero finito de categoras:
Ejemplo 1
Se observaron 80 nacimientos de un cruzamiento de cerdos de los cuales 42 fueron rojizos, 12 negros y 26
blancos. Las leyes de la herencia implican que estas tres categoras presentan un modelo gentico 9:3:4, es decir
que deben tener probabilidades 9/16; 3/16 y 4/16 de aparecer en cada cruzamiento. Son los datos consistentes
con el modelo terico propuesto?
Ejemplo 2
En la frontera fitosanitaria de la Patagonia se revisaron cargamentos de frutas de distinta procedencia para evaluar
la posibilidad de introduccin de mosca de las frutas (Ceratitis capitata), una plaga importante de los frutales, en
reas no infestadas. La informacin de cargamentos con presencia de la plaga se resume en la siguiente tabla:
Regin de procedencia del cargamento

Presencia de la plaga
Cuyo NOA NEA
22 32 33
Con mosca 67 5 10
Sin mosca
Existe alguna dependencia entre la regin de procedencia y la presencia de la plaga?
Ejemplo 3
Una medicacin nueva para tratar cierta enfermedad de vacunos se compar con la medicacin de mayor uso. Para
esto se tom al azar un grupo de 300 animales que padecan la enfermedad; a la mitad de stos, tomados al azar,
se los trat con la nueva medicacin y a los otros 150, con la medicacin tradicional. Luego de un tiempo se
analizaron nuevamente los animales con el siguiente resultado:
Estado de los animales luego del tratamiento
Empeor Sin efecto Mejor Totales

Tratamiento
16 30 104
Nuevo 20 42 88 150
Tradicional 150
Totales 36 72 192 300
Considera que estos medicamentos se comportan de manera

similar?
Distribucin -cuadrado
Para resolver estos problemas utilizaremos la distribucin -cuadrado.
La aplicaremos bsicamente:
Pruebas con probabilidades de cada categora
completamente especificada
Bondad de ajuste a una variable discreta
Bondad de Ajuste Bondad de ajuste a una variable continua
-
cuadrado Pruebas de Homogeneidad
Tablas de Pruebas de Independencia
contingencia
Propiedades -cuadrado
Antes de dar una descripcin ms detallada de estas pruebas repasemos algunas propiedades de esta distribucin:
No toma valores negativos
Tiene una distribucin diferente para cada nmero de grados de libertad
Pruebas de Bondad del Ajuste

(Inferencias acerca del Experimento Multinomial)
Se desea contrastar una distribucin de frecuencias observada en una muestra con una distribucin de
frecuencias terica
Verificar si responde a un determinado modelo o situacin preconcebida.
Es una generalizacin del experimento binomial.
Para aplicar la prueba se necesita una tabla donde se encuentren registradas las frecuencias observadas y las
frecuencias tericas o esperadas segn el modelo. El estadstico que se utiliza en estas pruebas es el siguiente:
donde k es el nmero de categoras y oi y ei son las frecuencia observada y esperada en la i-sima categora,
respectivamente.
Caractersticas de la multinomial
Consta de n ensayos independientes e idnticos.
El resultado de cada ensayo cae en una de las k categoras posibles (medidas en escala nominal) de la nica
variable, donde k>2.
Hay una probabilidad asociada a cada categoria, la cual es constante de un ensayo a otro
Las categorias son exhaustivas y excluyentes, por lo cual la suma de sus probabilidades es 1
Se obtienen frecuencias observadas para cada categora, siendo su suma igual a n.
El nmero esperado de intentos que resulten en la categora i es E(N i)= n*i,, donde i es la probabilidad de que
cualquier observacin en particular pertenezca a la categora i
Prueba de hipotesis para el experimento multinomial

Hipotesis nula H0: 1, 2, ... , k poseen valores especificados (iguales o no)
Hipotesis alternativa Ha: alguna probabilidad de las celdas. Difiere de los valores especificados en H 0
Estadistico de prueba
donde o y e representan las Frecuencias observadas y esperadas para cada celda
Regin de rechazo Esta determinada por la distribucin , con un determinado y k - 1 grados de libertad
Supuesto Las frecuencias esperadas no pueden ser en ningn caso inferiores a 5
Prueba de hipotesis para el experimento multinomial

Bajo la hiptesis nula los ni deben estar razonablemente cerca de n*i
Cuando los valores de i difieran marcadamente de lo especificado en la hiptesis nula, los valores observados
diferirn de los esperados.
El procedimiento de prueba implica medir las discrepancias entre n i y n*i, rechazando la hiptesis nula cuando la
discrepancia sea suficientemente grande
Hay solo k -1 valores de celda determinadas libremente y por lo tanto k -1 grados de libertad.
Dado que grandes discrepancias entre valores observados y esperados conducen a gran valor de ji-cuadrado el
rechazo de H0 es apropiado cuando , k -1(unilateral a la derecha)
Veamos un ejemplo utilizado en gentica acerca de los experimentos clsicos conducidos por Mendel resuelto en la
gua terica.
Mendel tena arvejas con dos tipos de tegumento, rugoso y liso y, segn su hiptesis, en cruzamientos realizados
entre ciertos tipos de plantas, el esperaba que aparecieran en la descendencia de dichos cruzamientos, arvejas de
tegumento liso y rugoso en la proporcin 3:1, es decir, 3 semillas de tegumento liso por cada semilla de tegumento
rugoso.
Supongamos que en un experimento en el cual se obtiene una descendencia compuesta por 400 semillas, un
genetista encuentra 285 semillas de tegumento liso y 125, de tegumento rugoso. Sera razonable, con = 0.05,
pensar que esa proporcin observada no est demasiado alejada de la proporcin 3:1 dictada por la ley de Mendel?
Hiptesis. H0: la proporcin es 3:1; H1: la proporcin no es 3:1.
Nivel de significacin. = 0.05.
Estadstica de la prueba. que se distribuye compuesto que, para esta prueba k = 2 y, por consiguiente, = 2 - 1
= 1.
Regla de decisin. Rechazamos H0 si, y solo si, el valor de 2 calculado es mayor que 3.84. En caso contrario,
se acepta H0.
Clculos.
Tegumento oi ei oi - ei (oi - ei)/ei
285 400.(3/4) = 300 15

Liso 115 400.(1/4) = 100 15 0,75
Rugoso 2,25
Total 400 400 - 3,00

Decisin. Puesto que 3.0 < 3.84 no puede rechazarse H0 con = 0.05. Los datos de la muestra no constituyen
una prueba suficiente como para dudar de que las proporciones verdaderas son 3:1.
An cuando hemos desarrollado la prueba -cuadrado para situaciones donde k>2, tambin se puede utilizar
cuando k = 2.
La hiptesis nula en este caso se puede expresar como H 0: 1= 10.
Estas hiptesis tambin se pueden probar utilizando una prueba z de dos colas con estadsticos de prueba
De manera sorprendente, los dos procedimientos de prueba son completamente equivalentes. Esto es porque se
puede demostrar que Z= y (z/2)= 1 de modo que , k -1 si y slo si Z z/2.
Tablas de contingencia con dos criterios de clasificacin

En una tabla de contingencia la informacin est representada por conteos o frecuencias organizadas en i-filas y j-
columnas (dos criterios de clasificacin). Se presentan dos situaciones:
Hay i-poblaciones de inters ubicadas cada una en una fila de la tabla y en cada poblacin se describen j-
categoras o atributos. Se toma una muestra de cada poblacin y las frecuencias se anotan en la celda de la tabla.
Hay una sola poblacin de inters, y cada individuo es clasificado respecto a dos factores diferentes (i-categoras
de un factor j-categoras de otro). Se toma una sola muestra y se anota el nmero de individuos en cada categora
de ambos factores.
Caractersticas de las tablas de contingencia

Consta de n ensayos independientes e identicos
Hay 2 variables en juego y se representa una tabla de doble entrada
El resultado de cada ensayo cae en una de las celdas, las cuales resultan de las combinaciones posibles de
categorias (medidas en escala nominal) de ambas variables
Hay una probabilidad asociada a cada celda, la cual es constante de un ensayo a otro
La probabilidad asociada a cada celda resulta del producto de sus probabilidades marginales
La suma de las probabilidades asociadas a cada celda es 1
Se obtienen frecuencias observadas para cada categoria, siendo su suma igual a n
Caso 1: Prueba de homogeneidad

Ocurre cuando una de las 2 variables es controlada por el investigador, de modo que los totales por fila o por
columna estan predeterminados
El analisis es idntico al de las tablas de contingencia para independencia
La hipotesis nula que se plantea en este caso consiste en sostener que la distribucin de proporciones entre las
categorias de la variable no controlada (por fila o por columna) es la misma para cada categoria de la variable
controlada
Otra manera de abordar el mismo problema es preguntarse si las muestras provienen de la misma poblacin
Prueba de hiptesis para prueba de homogeneidad

Hiptesis. H0: las i-muestras son extradas de la misma poblacin. H1: son extradas de diferentes poblaciones.
H0: 1j= 2j= 3j= ...= ij
H1: H0 no es verdadera
Estadstica de la prueba. que se distribuye aproximadamente como. Aqu = (i - 1)(j - 1)
Regla de decisin. Rechazamos H0 si, y solo si, el valor de calculado es mayor que ,(i-1)*(j-1). En caso
contrario, se acepta H0.
El esperado es estimado en cada celda
Ejemplo para prueba de homogeneidad

Objetivo: establecer si las preferencias acerca del envase de dulce de leche son similares para hombres y mujeres
Envase lata plastico carton vidrio Total
27 (19,5) 30 (29,5) 19 (22,5) 24 (28,5) 100

varones 12 (19,5) 29 (29,5) 26 (22,5) 33 (28,5) 100
mujeres
39 59 45 57 200
Total
h0: las preferencias (%) acerca del envase de dulce de leche no difieren entre hombres y mujeres
ha: las preferencias (%) acerca del envase de dulce de leche difieren entre hombres y mujeres
Estadistico *: 8,296 tabla ( = 0,05; gl = 3): 7,81
Valor p: 0,0402
Conclusin: se rechaza h0: las preferencias acerca del envase de dulce de leche difieren entre hombres y mujeres
Caso 2: Prueba de independencia
Este tipo de prueba se aplica cuando existe inters en determinar si dos atributos categricos presentan algn tipo
de asociacin entre ellos o, por el contrario, son independientes.
Este tipo de informacin se suele presentar en tablas de doble entrada.
El estadstico que se utiliza en estas pruebas es el mismo que el empleado en las pruebas de bondad del ajuste y
homogeneidad.
Se estudia la relacin entre dos factores diferentes de la misma poblacin
A diferencia de las pruebas de homogeneidad donde en general los totales de filas estn fijos por anticipado, en
las pruebas de independencia solo el tamao muestral es fijo. Por lo tanto los totales de filas como de columnas
son variables aleatorias
Hipotesis nula H0: ij = i.* .j las variables son independientes
Hipotesis alternativa Ha: ij i.* .j las variables no son independientes
= (O - E)/E
Estadistico de prueba
donde O y E representan las Frecuencias observadas y esperadas para cada celda
Esta determinada por la distribucin , con un determinado y

Regin de rechazo
(i -1)(j -1) grados de libertad
Ejemplo para prueba de independencia

Una muestra de 500 estudiantes ingresantes en una universidad particip en un estudio diseada con el fin de
evaluar el grado de conocimiento en matemticas. La siguiente tabla muestra los estudiantes clasificados segn su
formacin secundaria (escuelas tcnicas, bachiller y otras) y el nivel de conocimiento en matemticas
(bueno=aprob el examen; deficiente = no aprob el examen):
Bueno Deficiente
Tcnicas 20 60
Bachiller 15 150
Otras 25 230
Confirman estos datos que la aptitud en matemticas depende de la orientacin de los estudios secundarios?
H0: La aptitud en matemticas es independiente de la orientacin del secundario
H1: La aptitud en matemticas es dependiente de la orientacin del secundario
Estadistico *: 15,289 tabla ( = 0,05; gl = 2): 5.99
Valor p: 0,00047845
Conclusin: se rechaza h0: La aptitud en matemticas es independiente de la orientacin del secundario, por lo
tanto las variables son dependientes.
Precauciones en la interpretacin de resultados

Los grados de libertad dependen de la cantidad de categoras de las variables y no del nmero de casos, de modo
que el valor de tabla no se modifica al aumentar el nmero de casos
Utilizando muestras grandes, se dice poca cosa al decir que una relacin es significativa, ya que es relativamente
fcil establecer significacin, an en el caso de que la relacin existente sea muy superficial.
Inferencia Estadstica. Prueba de Hiptesis. Hiptesis nula unilateral a derecha. Prueba de hiptesis para la media
de una Poblacin. Prueba de hiptesis para dos medias. Prueba t para dos muestras suponiendo varianzas iguales.
Muestras relacionadas. Prueba z para medias de dos muestras.
Contenido
Apunte de Probabilidades y estadsticas: Inferencia Estadstica. Prueba de Hiptesis. Hiptesis nula unilateral a
derecha. Prueba de hiptesis para la media de una Poblacin. Prueba de hiptesis para dos medias. Prueba t para
dos muestras suponiendo varianzas iguales. Muestras relacionadas. Prueba z para medias de dos muestras.
Qu es una Hiptesis?
Hiptesis: Es un suposicin acerca del valor de un parmetro de una poblacin con el propsito de discutir su
validez.
Ejemplo de hiptesis acerca de un parmetro de una poblacin son:
- El sueldo promedio de un profesional asciende a $2,625.
- El veinte por ciento de los consumidores utiliza aceite de oliva
Qu es una prueba de hiptesis?

Prueba de hiptesis: es un procedimiento, basado en la evidencia de la muestra y en la teora de las
probabilidades, usado para determinar si la hiptesis es una afirmacin razonable y debera no ser rechazada o si
no es razonable debera ser rechazada
Prueba de Hiptesis
Paso 1: Establecer la hiptesis nula y la
alternativa

Paso 2: Seleccionar el nivel de significacin

Paso 3: Identificar el estadstico de prueba

Paso 4: Formular una regla de decisin

Paso 5: Tomar una muestra, llegar a una
decisin

Rechazar la nula y aceptar la
No realizar la hiptesis
alternativa
Definiciones
Hiptesis nula H0: Una afirmacin acerca del valor de un parmetro de la poblacin.
Hiptesis Alternativa H1: Una afirmacin que es aceptada si la muestra provee la evidencia de que la hiptesis
nula es falsa.
Nivel de significacin: La probabilidad de rechazar la hiptesis nula cuando en realidad es verdadera.
Error tipo I: Rechazar la nula cuando en realida es verdadera
Error tipo II: Aceptar la hiptesis nula cuando en realidad es falsa.
Estadstico de prueba: Es un valor, determinado a partir de la informacin de la muestra, usado para decidir si
rechazar o no la hiptesis nula.
Valor crtico:El punto que divide la regin entre el lugar en el que la hiptesis nula es rechazada y y la regin
donde la hiptesis nula es no rechazada.
Hiptesis nula unilateral a derecha

Distribucin de muestreo para la estadstica z
Una cola - nivel de significacin 0.05
Hiptesis nula bilateral

Distribucin de muestreo para la estadstica z
A dos colas - nivel de significacin 0,05
Prueba de hiptesis para la media de una Poblacin, muestras
grandes desviacin estndar poblacin conocida
Cuando se plantean hiptesis par la media de la poblacin , a partir de muestras grandes y la desviacin estndar
poblacional es conocida, el estadsitco de prueba est dado por:
z = (X - )/(/n)
Caractersticas de la distribucin t-Student

Tiene las siguientes propiedades:
- Es continua, campanular, y simtrica como la distribucin z.
- Existe una familia de distribuciones t con media cero, pero con diferentes desviaciones estndar.
- La distribucin t es ms aplanada y de colas ms larga que la z.
- Tiende a la z para tamaos grandes de muestra.
Caso 1:Prueba de hiptesis para la media de una Poblacin

Supongamos que una mquina empacadora de harina produce bolsas con un contenido de 50 kg. Para controlar el
funcionamiento de la mquina se tom una muestra de 20 bolsas de harina y el peso medio result ser de 42 kg.
con un desvo standard de 11 kgs. Est la mquina trabajando correctamente ? ( = 0.10)
En este caso, se debe considerar que la mquina est trabajando correctamente si produce empaques que no
excedan demasiado el peso promedio, ni por encima ni por debajo de 50 kgs, as que se trata claramente de una
prueba bilateral.
Caso 1: Prueba de hiptesis para la media de una poblacin, tamao

muestral pequeo y desviacin estndar desconocida
La estadstica t para el caso de una sola muestra es:
t = (X - )/(s/n)
Resolucin
Hiptesis. H0: = 50; H1: 50.
Estadstica de prueba.
tn - 1 = (X - )/(sn - 1/n)
Regin crtica. Puesto que P(t19 < -1.729 t19 > +1.729) = 0.10, se rechazar H0 si t < -1.729 t > +1.729.
Clculos. n = 20, = 42, = 5 y
t19 = (42 - 50)/(11/20) = -8/2,460 = - 3,25
Decisin. Dado que el valor del estadstico de prueba cae netamente en la regin crtica izquierda, H 0 es
rechazada a favor de H1.
Valor P
Valor p: probabilidad de observar un valor de prueba ms extremo que el valor observado, dado que la hiptesi
nula es verdadera.
Si el valor p es ms chico que el nivel de significacin la hiptesis nula es rechazada.
Si el valor p es ms grande que el nivel de significacin la hiptesis nula no es rechazada.
Prueba de hiptesis para dos medias

Si un nmero grande de muestras aleatorias e independientes de dos poblaciones normales es seleccionada, la
distribucin de la diferencias entre las medias de ambas tambin es normal.
Caso 2: Prueba de diferencia entre medias con muestras

independientes
Un investigador estaba interesado en comparar el efecto de 2 hormonas (A y B) de crecimiento sobre la longitud
total alcanzada por una leguminosa. Para ello se tom una muestra de 20 plantas, asignando al azar 10 a cada
hormona. Los resultados en cm. fueron los siguientes:
10 10 13 12 10 8 12 11 16 15
Hormona A: 15 11 16 17 18 9 14 12 15 16
Hormona B:
a) Determinar si hay diferencias significativas entre los crecimientos producidos por ambas hormonas a un nivel del
5%.
b) Realizar el mismo anlisis que en a), pero suponiendo que cada una de las parejas, en el orden dado, tienen la
misma ascendencia gentica.
Ver Tutorial 1
Resolucin
Prueba t para dos muestras suponiendo varianzas iguales

Caso 3: Muestras relacionadas
En un estudio para predecir a partir del permetro torcico el peso de novillos de raza britnica sin balanza, se
compararon las evaluaciones hechas mediante una cinta mtrica de origen norteamericano con los obtenidos
mediante el pesado por mtodo nacional. Las observaciones para cada animal fueron las siguientes:
a) Qu tipo de anlisis sera correcto realizar? Por qu? Por qu cree que el experimento se dise de esa
manera? Cmo se debera haber hecho el experimento para que lo correcto fuera otro anlisis?
b) Cules son las hiptesis que se postulan? Qu significa cada una de ellas?
c) Utilizando un nivel de significacin del 5%, cul es la regin de rechazo para el estadstico de prueba?
d) A qu conclusin se llega? En qu se basa dicha conclusin?
e) Qu error se puede estar cometiendo al arribar a la conclusin anterior? En qu consiste dicho error en
trminos de este problema?
f) Construya un intervalo del 95% de confianza para estimar la diferencia promedio entre los dos preparados.
g) Era de esperar que el intervalo cubriera o no el valor 0? Por qu?
Ver Tutorial 2
Ver Tutorial 3
Ver Tutorial 4
Prueba t para medias de dos muestras emparejadas
Prueba t para dos muestras suponiendo varianzas iguales
Prueba t para dos muestras suponiendo varianzas desiguales

Ver Tutorial 5
Prueba z para medias de dos muestras
Anlisis de variancia - Caso de una sola variable. Varias Muestras

Una compaa de alimentos envasados desea probar 4 nuevos diseos de empaques para un nuevo cereal para
desayunos. Se seleccionaron 10 negocios con igual volumen de ventas como unidades experimentales. A cada
negocio se le consign al azar un diseo de empaque. Tres diseos de empaques se asignaron al azar a 3
negocios y el otro diseo fue asignado a dos negocios. Todas las otras condiciones ajenas al empaque, como
precio , cantidad de estantes y localizacin de los mismos y esfuerzos especiales de promocin, se mantuvieron
constantes (homogneos) para todos los negocios del experimento. Las ventas, segn nmero de casos, fueron
registradas para el perodo de estudio y los resultados se presentan en la siguiente tabla:
Nmero de ventas por negocio para cada uno de los 4 diseos
Negocios, repeticin
Diseo de empaques Total N de negocios Media
1 2 3
1 12 18 3 33 3 11
2 14 12 13 39 3 13
3 19 17 21 57 3 19
4 24 30 24 78 3 26
Total 207 12 17,25
Anlisis de varianza de un factor
Ver Resultados Varianza
EJERCICIOS DE PROBABILIDADES Y ESTADISTICAS

Probabilidad condicional. Con reposicin y sin reposicin. Simples o marginales, conjuntas. Regla de la
independencia.
Contenido
Ejercicios de Probabilidades y estadsticas: Probabilidad condicional. Con reposicin y sin reposicin. Simples o
marginales, conjuntas. Regla de la independencia.
Ejercicios: Probabilidad condicional. Con reposicin y sin reposicin. Simples o marginales, conjuntas.
Regla de la independencia.
Ver resumen terico
Problema n 1) De un paquete de 20 cigarrillos se marcan 5 con una cruz. Se los coloca en una caja y se escoge
uno al azar. Cul es la probabilidad de que tenga una cruz?
Ver solucin del problema n 1
Solucin del ejercicio n 1 de Probabilidad condicional. Con reposicin y sin reposicin. Simples o marginales,
conjuntas. Regla de la independencia:
Problema n 1) De un paquete de 20 cigarrillos se marcan 5 con una cruz. Se los coloca en una caja y se escoge
uno al azar. Cul es la probabilidad de que tenga una cruz?
Solucin:
n = 20
L: lote
C: cruz
P = {L,C} = {20,5}
P(C) = C/L
P(C) = 5/20
P(C) = 0,25
Problema n 2) Halle la probabilidad de obtener exactamente una espada en 4 extracciones de una baraja
espaola de 40 cartas, cuando las extracciones se hacen:
a) con reemplazamiento.
b) sin reemplazamiento.
Problema n 2) Halle la probabilidad de obtener exactamente una espada en 4 extracciones de una baraja
espaola de 40 cartas, cuando las extracciones se hacen:
a) con reemplazamiento.
b) sin reemplazamiento.
Solucin:
n = 20
E: espada
P(E) = 10/40 =
P(E) = 30/40 =
Las posibilidades son:
1 E E E E
2 E E E E
3 E E E E
4 E E E E
a)
P() = P(E).P(E).P(E).P(E) + P(E).P(E).P(E).P(E) + P(E).P(E).P(E).P(E) + P(E).P(E).P(E).P(E)
P() = 4.P(E).P(E)
P() = 4..()
P() = 108/256
P() = 27/64
b)
P() = (10/40).(30/39).(29/38).(28/37) + (30/40).(29/39).(28/38).(10/37) + (30/40).(10/39).(29/38).(28/37) +
(30/40).(29/39).(10/38).(28/37)
P() = 4.243600/2193360 = 9744400
P() = 4060/9139
Problema n 3) En un pueblo se consumen dos tipos de bebidas alcohlicas: A y G. El 30% de las personas
consume al menos la bebida A, el 60% consume al menos la bebida G y se sabe que el 5% consume ambas
bebidas.
a) Cul es la probabilidad de que elegida una persona al azar tome bebidas alcohlicas?
b) Qu probabilidad hay de que una persona elegida al azar no consuma bebidas alcohlicas?
c) Cul es la probabilidad de que elegida una persona al azar tome la bebida A solamente?
d) Si elegimos dos personas al azar, cul es la probabilidad de que ambas tomen bebidas alcohlicas?
e) Se elige una persona al azar y resulta ser consumidora de bebidas alcohlicas, cul es la probabilidad de que
tome A?
f) Idem anterior pero determinando la probabilidad de que tome la bebida G.
Problema n 3) En un pueblo se consumen dos tipos de bebidas alcohlicas: A y G. El 30% de las personas
consume al menos la bebida A, el 60% consume al menos la bebida G y se sabe que el 5% consume ambas
bebidas.
a) Cul es la probabilidad de que elegida una persona al azar tome bebidas alcohlicas?
b) Qu probabilidad hay de que una persona elegida al azar no consuma bebidas alcohlicas?
c) Cul es la probabilidad de que elegida una persona al azar tome la bebida A solamente?
d) Si elegimos dos personas al azar, cul es la probabilidad de que ambas tomen bebidas alcohlicas?
e) Se elige una persona al azar y resulta ser consumidora de bebidas alcohlicas, cul es la probabilidad de que
tome A?
f) Idem anterior pero determinando la probabilidad de que tome la bebida G.
Solucin:
A: bebida A.
G: bebida G.
A: no toman bebida A.
G: no toman bebida G.
T: toman bebidas.
T: no toman bebidas.
Armamos la tabla:
A A
G 0,05 0,55 0,60
G 0,25 0,15 0,40
0,30 0,70 1
a)
P(T) = P(A) + P(G) + P(A G)
P(T) = 0,25 + 0,55 + 0,05
P(T) = 0,85
b)
P(T) = P(A G)
P(T) = 0,15
c)
P(A) = 0,25
d)
P(T1/T2) = P(T1).P(T2)
P(T1/T2) = 0,85.0,85
P(T1/T2) = 0,7225
e)
P(T A) = P(T).P(A/T)
P(A/T) = P(T A)/P(T)
P(A/T) = 0,30/0,85
P(A/T) = 0,35294
f)
P(T G) = P(T).P(G/T)
P(G/T) = P(T G)/P(T)
P(G/T) = 0,60/0,85
P(G/T) = 0,70588
Problema n 4) Una ciudad X es afectada por 2 tipos de contaminacin: aire y agua, mientras que la ciudad Y slo
presenta contaminacin del aire. Se ha puesto en marcha un plan para controlar estas fuentes de contaminacin.
Se estima que la probabilidad de que la contaminacin del aire sea controlada exitosamente en la ciudad X es el
cudruple de dicha probabilidad en la ciudad Y, y que si la contaminacin del aire es controlada en la ciudad Y, la
contaminacin del aire en la ciudad X ser controlada con un 90% de probabilidad. El control de la contaminacin
del agua en la ciudad X es independiente del control de la contaminacin del aire en ambas ciudades. En la ciudad
X, la probabilidad de que la contaminacin sea controlada totalmente (es decir, ambas fuentes) es de 0,32.
Controlar la contaminacin del agua en la ciudad X es slo la mitad de probable que hacerlo con la contaminacin
del aire en esa misma ciudad. Determinar:
a) La probabilidad de que la contaminacin del aire sea controlada en ambas ciudades.
b) La probabilidad de que la contaminacin (en sus dos formas, en ambas ciudades) sea completamente
controlada.
c) La probabilidad de que por lo menos una ciudad se encuentre libre de toda fuente de de contaminacin.
Respuesta:
a) 0,18
b) 0,072
c) 0,448
Problema n 5) Se lanzan 2 dados en perfectas condiciones de azar 15 veces, y en todas se obtiene un puntaje
total de 9. Se lanzan por 16 vez: Cul es la probabilidad de obtener un puntaje total de 6?
Respuesta: 5/36
Problema n 6) Si la probabilidad de hacer blanco, disparando una vez en una polgono de tiro, es de 0,4 para el
hombre y de 0,5 para la mujer, hallar la probabilidad de que tras un disparo de cada uno (independientes entre s)
se obtenga:
a) un blanco exactamente.
b) al menos un blanco.
c) dos aciertos.
d) dos errores.
Respuesta:
a) 0,5
b) 0,7
c) 0,2
d) 0,3
Problema n 7) Sean tres tiradores A, B y C, con probabilidades de acertar un tiro al blanco de 0,3, 0,4 y 0,6
respectivamente. Si los tres efectan un solo disparo simultneamente, calcular:
a) La probabilidad de tener en total un solo acierto.
b) La probabilidad de tener en total un solo acierto, sabiendo que hubo uno.
Respuesta:
a) 0,436
b) 0,524
Problema n 8) Sean A y B dos sucesos tales que P(A) = 0,375, P(B) = 0,908 y P(A B) = 0,989. Hallar:
a) P(A/B)
b) P(B/A)
Problema n 8) Sean A y B dos sucesos tales que P(A) = 0,375, P(B) = 0,908 y P(A B) = 0,989. Hallar:
a) P(A/B)
b) P(B/A)
Solucin:
P(A B) = P(A) + P(B) - P(A B)
P(A B) = P(A) + P(B) - P(A B)
P(A B) = 0,375 + 0,908 - 0,989
P(A B) = 0,294
a)
P(A B) = P(B).P(A/B)
P(A/B) = P(A B)/P(B)
P(A/B) = 0,294/0,908
P(A/B) = 0,32379
b)
P(B/A) = P(A B)/P(A)
P(B/A) = 0,294/0,375
P(B/A) = 0,784
Problema n 9) Halle la probabilidad de obtener exactamente 3 caras en 5 tiradas de una moneda.

Problema n 9) Halle la probabilidad de obtener exactamente 3 caras en 5 tiradas de una moneda.
Solucin:
C: cara.
C: seca.
P(C) = 0,5
P(C) = 0,5
Esto tambin implica obtener dos secas en 5 tiradas, las combinaciones posibles son:
0,5 0,5 0,5 0,5 0,5
1 C C C C C
2 C C C C C
3 C C C C C
4 C C C C C
5 C C C C C
6 C C C C C
7 C C C C C
8 C C C C C
9 C C C C C
10 C C C C C
P(A) =10. [P(C)].[P(C)]

P(A) = 10.0,5.0,5
P(A) = 10.()5
P(A) = 10/32
Problema n 10) El total de la poblacin infantil de un pas se distribuye en tres regiones de la siguiente manera: en
la regin A se encuentra el 50% de la poblacin, en la regin B el 30% y en la regin C el 20%. Se sabe que la
probabilidad de encontrar un nio con caries en cada una de dichas regiones es, respectivamente, 0,4, 0,5 y 0,6.
Si se toma al azar un nio de la poblacin, calcular:
a) la probabilidad de que tenga caries.
b) la probabilidad de que sea de la regin B.
c) la probabilidad de que, teniendo caries, provenga de la regin B.
Problema n 10) El total de la poblacin infantil de un pas se distribuye en tres regiones de la siguiente manera: en
la regin A se encuentra el 50% de la poblacin, en la regin B el 30% y en la regin C el 20%. Se sabe que la
probabilidad de encontrar un nio con caries en cada una de dichas regiones es, respectivamente, 0,4, 0,5 y 0,6.
Si se toma al azar un nio de la poblacin, calcular:
a) la probabilidad de que tenga caries.
b) la probabilidad de que sea de la regin B.
c) la probabilidad de que, teniendo caries, provenga de la regin B.
Solucin:
X: caries.
A = 50%
B = 30%
C = 20%
P(A) = 0,5
P(B) = 0,3
P(C) = 0,2
P(XA) = 0,4
P(XB) = 0,5
P(XC) = 0,6
a)
P(X) = P(A).P(XA) + P(B).P(XB) + P(C).P(XC)
P(X) = 0,5.0,4 + 0,3.0,5 + 0,2.0,6
P(X) = 0,2 + 0,15 + 0,12
P(X) = 0,47
b)
P(B) = 0,3
c)
P(B/X) = P(B X)/P(X)
P(B/X) = P(B).P(XB)/P(X)
P(B/X) = 0,3.0,5/0,47
P(B/X) = 0,31915
independencia.
Contenido
Ver resumen terico
Problema n 1) Si P(A) = 1/3 y P(B) = 1/4, pueden ser A y B disjuntos?
Respuesta: No
Problema n 2) Un lote est formado por 12 artculos buenos y 8 defectuosos. Se desean 2 artculos y, para ello, se
inspeccionan los elementos uno a uno, reteniendo los defectuosos y devolviendo al lote los buenos.
a) Cul es la probabilidad de tener que inspeccionar 4 artculos para obtener los 2 defectuosos?
b) Cul es la probabilidad de tener que inspeccionar 5 artculos para el mismo fin?
Respuesta:
a) 0,1676816
b) 0,1377357
Problema n 3) Una caja contiene 6 lpices de colores: 2 amarillos, 1 verde, 1 rojo, 1 azul y 1 negro. Si se realizan
dos extracciones, determinar:
a) Cul es la probabilidad de obtener 1 negro y 1 azul?
b) Cul es la probabilidad de obtener 1 rojo y 1 amarillo?
c) Cul es la probabilidad de obtener ambos amarillos?
Resolverlo primero con reposicin y luego sin reposicin, explicando en ambos casos el espacio muestral.
Respuesta:
Con reposicin:
a) 0,0555
b) 0,1111
c) 0,1111
Sin reposicin:
a) 0,0666
b) 0,1333
c) 0,0666
Problema n 4) Hay 2 mquinas impresoras A y B, cuya produccin horaria es de 500 y 800 hojas respectivamente.
Por hora de trabajo, hay 25 hojas impresas que se deben descartar de la produccin de la mquina A y 30 de la
produccin de la mquina B.
a) Cul es la probabilidad de elegir, aleatoriamente, una hoja correctamente impresa?
b) Se elige una hoja que fue correctamente impresa. Cul es la probabilidad de que la misma haya sido producida
por la mquina A?
Problema n 4) Hay 2 mquinas impresoras A y B, cuya produccin horaria es de 500 y 800 hojas respectivamente.
Por hora de trabajo, hay 25 hojas impresas que se deben descartar de la produccin de la mquina A y 30 de la
produccin de la mquina B.
a) Cul es la probabilidad de elegir, aleatoriamente, una hoja correctamente impresa?
b) Se elige una hoja que fue correctamente impresa. Cul es la probabilidad de que la misma haya sido producida
por la mquina A?
Solucin:
N = 1300
D = 55 (descarte total)
D = 475 + 770 = 1245 (hojas buenas)
PA = 500 hojas/hora (produccin de A).
PB = 800 hojas/hora (produccin de B).
DA = 25 hojas/hora (descarte de A).
DB = 30 hojas/hora (descarte de B).
a)
P(D) = D/N
P(D) = 1245/1300
P(D) = 0,95769
b)
P(A/D) = P(A D)/P(D)
P(A/D) = (475/1300)/(1245/1300)
P(A/D) = 0,381526
Problema n 5) En una facultad, el 50% de los alumnos que ha completado la gua de trabajos prcticos aprueba el
examen de estadstica, mientras que el 80% de los que aprueba el examen de estadstica ha completado dicha
gua. Sabiendo que el 40% del total de alumnos ha completado la gua de trabajos prcticos, calcular el porcentaje
de alumnos que aprueba el examen de estadstica.
Problema n 5) En una facultad, el 50% de los alumnos que ha completado la gua de trabajos prcticos aprueba el
examen de estadstica, mientras que el 80% de los que aprueba el examen de estadstica ha completado dicha
gua. Sabiendo que el 40% del total de alumnos ha completado la gua de trabajos prcticos, calcular el porcentaje
de alumnos que aprueba el examen de estadstica.
Solucin:
A: aprov.
C: complet gua.
P(A/C) = 0,5
P(C/A) = 0,8
P(C) = 0,4
P(A C) = P(C).P(A/C)
P(A C) = P(A).P(C/A)
P(C).P(A/C) = P(A).P(C/A)
P(A) = P(C).P(A/C)/P(C/A)
P(A) = 0,4.0,5/0,8
P(A) = 0,25
Problema n 6) Tres refineras (A, B y C) producen alcohol, siendo sus niveles de produccin de 100, 200 y 300
kilolitros diarios respectivamente. La proporcin inutilizable para la venta es del 3%, 5% y 4% respectivamente.
Se toma una muestra al azar de la produccin de alcohol de un da y se comprueba que no es apto para la venta,
por lo que se desea saber:
a) la probabilidad de que dicha muestra provenga de la produccin de la refinera A.
b) dem pero de las refineras B o C.
Problema n 6) Tres refineras (A, B y C) producen alcohol, siendo sus niveles de produccin de 100, 200 y 300
kilolitros diarios respectivamente. La proporcin inutilizable para la venta es del 3%, 5% y 4% respectivamente.
Se toma una muestra al azar de la produccin de alcohol de un da y se comprueba que no es apto para la venta,
por lo que se desea saber:
a) la probabilidad de que dicha muestra provenga de la produccin de la refinera A.
b) dem pero de las refineras B o C.
Solucin:
P(DA) = 3/100
P(DB) = 10/200
P(DC) = 12/300
P(D) = (3 + 10 + 12)/(100 + 200 + 300)
P(D) = 25/600
P(A D) = 3/600
P(B D) = 10/600
P(C D) = 12/600
a)
P(A/D) = P(A D)/P(D)
P(A/D) = (3/600)/(25/600)
P(A/D) = 0,12
b)
P(B/D) + P(C/D) = P(B D)/P(D) + P(C D)/P(D)
P(B/D) + P(C/D) = (10/600)/(25/600) + (12/600)/(25/600)
P(B/D) + P(C/D) = 0,88
Problema n 7) Supongamos que en un campeonato de ftbol todos los equipos sean completamente parejos; es
decir, que en cada partido la probabilidad de que gane el local, el visitante o empaten sea la misma.
a) Qu probabilidad hay de acertar los trece puntos con una tarjeta de prode, si no se admiten dobles?
b) Cul es la probabilidad de no acertar ningn punto?
Problema n 7) Supongamos que en un campeonato de ftbol todos los equipos sean completamente parejos; es
decir, que en cada partido la probabilidad de que gane el local, el visitante o empaten sea la misma.
a) Qu probabilidad hay de acertar los trece puntos con una tarjeta de prode, si no se admiten dobles?
b) Cul es la probabilidad de no acertar ningn punto?
Solucin:
G: ganar
P: perder
Para el prode:
L E V G P
10
11
12
13
a)
P(G) = ()13
b)
P(P) = ()13
Problema n 8) De 100 postulantes que se presentaron en una empresa, 40 tenan experiencia anterior y 30 eran
profesionales. Sin embargo, 20 de los solicitantes reunan ambos requisitos y ya han sido incluidos en los conteos
anteriores.
a) elabore el diagrama de Venn que describa esta poblacin.
b) Cul es la probabilidad de que un solicitante aleatoriamente elegido tenga experiencia previa o sea profesional?
c) Cul es la probabilidad de que un solicitante aleatoriamente elegido tenga experiencia previa o sea profesional,
pero no ambas cosas?
d) Cul es la probabilidad de que un solicitante aleatoriamente elegido tenga experiencia previa o sea profesional,
dado que tiene alguna experiencia anterior?
e) Aplique una prueba apropiada para determinar si el hecho de que un solicitante tenga experiencia anterior aporta
informacin sobre si es profesional o no.
f) Cul es la probabilidad de que un solicitante aleatoriamente elegido no tenga experiencia previa ni sea
profesional? Son independientes estos sucesos?
Problema n 8) De 100 postulantes que se presentaron en una empresa, 40 tenan experiencia anterior y 30 eran
profesionales. Sin embargo, 20 de los solicitantes reunan ambos requisitos y ya han sido incluidos en los conteos
anteriores.
a) elabore el diagrama de Venn que describa esta poblacin.
b) Cul es la probabilidad de que un solicitante aleatoriamente elegido tenga experiencia previa o sea profesional?
c) Cul es la probabilidad de que un solicitante aleatoriamente elegido tenga experiencia previa o sea profesional,
pero no ambas cosas?
d) Cul es la probabilidad de que un solicitante aleatoriamente elegido tenga experiencia previa o sea profesional,
dado que tiene alguna experiencia anterior?
e) Aplique una prueba apropiada para determinar si el hecho de que un solicitante tenga experiencia anterior aporta
informacin sobre si es profesional o no.
f) Cul es la probabilidad de que un solicitante aleatoriamente elegido no tenga experiencia previa ni sea
profesional? Son independientes estos sucesos?
Solucin:
E: experiencia previa
P: profesional
a) Cuadro de contingencia:
E E
P 20 10 30
P 20 50 70
40 60 100
P(E) = 40/100
P(P) = 30/100
P(E P) = 20/100
P(E) = 60/100
P(P) = 70/100
P(E P) = 50/100
b)
P(E P) = P(E) + P(P) - P(E P)
P(E P) = 4/10 + 3/10 - 2/10
P(E P) = 5/10
P(E P) = 0,5
Respuestas:
c) 0,3
d) 0,5
e) son dependientes.
f) 0,5 son dependientes.
Problema n 9) En una imprenta hay dos mquinas que trabajan 57 minutos durante cada hora. Hallar la
probabilidad de que en un instante dado trabaje por lo menos una mquina.
Respuesta: 0,9975
Problema n 10) Segn un censo realizado en una regin del pas para estudiar las condiciones educacionales, se
comprob que el 64% de la poblacin tiene 18 aos o mas y, de estos, el 15% no ha completado los estudios
primarios, mientras el 88% del total de la poblacin ha terminado los estudios primarios.
Se selecciona una persona al azar de dicha poblacin:
a) Cul es la probabilidad de que haya terminado los estudios primarios y que tenga mas de 18 aos?
b) Cul es la probabilidad de que no haya terminado los estudios primarios o tenga menos de 18 aos?
c) Qu porcentaje de habitantes que terminaron los estudios primarios tienen mas de 18 aos?
Problema n 10) Segn un censo realizado en una regin del pas para estudiar las condiciones educacionales, se
comprob que el 64% de la poblacin tiene 18 aos o mas y, de estos, el 15% no ha completado los estudios
primarios, mientras el 88% del total de la poblacin ha terminado los estudios primarios.
Se selecciona una persona al azar de dicha poblacin:
a) Cul es la probabilidad de que haya terminado los estudios primarios y que tenga mas de 18 aos?
b) Cul es la probabilidad de que no haya terminado los estudios primarios o tenga menos de 18 aos?
c) Qu porcentaje de habitantes que terminaron los estudios primarios tienen mas de 18 aos?
Solucin:
P(18) = 0,64
P(18) = 0,36
P(P) = 0,88
P(P) = 0,12
Cuadro de contingencia:
P P
18 0,544 0,096 0,64
18 0,336 0,024 0,36
0,88 0,12 1
a)
P(P 18) = 0,544
b)
P(P 18) = P(P) + P(18) - P(P 18)
P(P 18) = 0,12 + 0,36 - 0,024
P(P 18) = 0,486
c)
P(P 18) = P(P).P(18/P)
P(18/P) = P(P 18)/P(P)
P(18/P) = 0,544/0,88
P(18/P) = 0,61818
61,82%
independencia.
Contenido
Ver resumen terico
Problema n 1) Un monedero contiene 2 monedas de plata y 4 de cobre, mientras un segundo monedero contiene
4 monedas de plata y 3 de cobre.
Si se elige al azar una moneda de uno de los monederos, cul es la probabilidad de que sea de plata?
Respuesta: 19/42
Problema n 2) En una ciudad se publican tres peridicos: A, B y C. Realizada una encuesta, se estima que de la
poblacin adulta el 20% lee por lo menos el peridico A, el 16% B y el 14% C. Se obtuvo tambin que el 8% lee al
menos A y B, el 5% lee al menos A y C, el 4% lee al menos B y C, y el 2% lee los tres peridicos.
a) Qu porcentaje lee al menos uno de estos peridicos?
b) De los que leen al menos un peridico, qu porcentaje lee A y B?.
Respuesta:
a) 0,35
b) 0,22857
Problema n 3) Consideremos un experimento que tiene el siguiente espacio muestral: X = {x 1; x2; x3}.
Se sabe que P(xi + 1) = 2.P(xi), siendo i = 1, 2, 3; y se desea saber P(A), tal que: A = {x1; x3}.
Respuesta: 5/7
Problema n 4) Dos tiradores A y B tienen probabilidad de acertar al blanco de 0, y 0,7 respectivamente.
Cada uno tiene 3 balas en el cargador y cada disparo es hecho simultneamente por ambos tiradores. El torneo se
termina cuando se agotan las balas o cuando alguno hace blanco.
Sabiendo que A acert, cul es la probabilidad de tambin haya acertado B y, por tanto, se declare empatado el
torneo?
Respuesta: 0,7
Problema n 5) De una urna que posee 5 bolillas blancas y 8 bolillas negras se sacan las bolillas una a una hasta
dejar la urna con igual nmero de bolillas de cada color. Calcular la probabilidad de lograr esto, por primera vez, en
la quinta extraccin.
Respuesta: 0,16317
Problema n 6) Un sistema consiste en cuatro componentes que funcionan independientemente: A, B, C y C 2. La
probabilidad de falla es de 0,01 para el componente A; 0,02 para el B y 0,10 para cada uno de los componentes C.
Si para el funcionamiento del sistema son necesarios los componentes A y B y al menos uno de los C, cul es la
probabilidad de que el sistema funcione?
Respuesta: 0,9605
Problema n 7) Sean A y B dos sucesos con P(A) = 3/8; P(B) = 5/8 y P(A B) = 5/6, hallar P(A/B) y P(A/B).
Respuesta:
P(A/B) = 4/15
P(A/B) = 4/9
Problema n 8) Las tiendas "Montgomery" estn distribuidas en los E.E.U.U. de la siguiente forma:
Area geogrfica
Poblacin de la ciudad
NE SE C NO SO Total
A1: Menos de 20000 habitantes 3 5 6 5 6 25
A2: Entre 20000 y 50000 habitantes 5 11 16 9 9 50
A4: Ms de 100000 habitantes 63 12 10 4 11 100
Total 100 40 35 25 50 250
a) Diga cul es la notacin simblica para la probabilidad de que una tienda seleccionada al azar se localice:
i) En una ciudad al SO con menos de 20000 habitantes.
ii) En una ciudad del Centro, con una poblacin de ms de 20000 y menos de 50000 habitantes.
iii) En el SE.
iv) En una ciudad con menos de 50000 habitantes.
v) En el NO, dado que la tienda seleccionada se ubica en una ciudad con una poblacin entre 50000 y 100000
habitantes.
b) Determine cada una de las probabilidades del punto anterior.
c) Explicite qu tipo de probabilidad se determin en los puntos anteriores.
d) Identifique y calcule la distribucin de probabilidades marginales para el tamao de poblacin de la ciudad.
e) Identifique y calcule la distribucin de probabilidades condicionales para el rea geogrfica, dado que el tamao
de la poblacin de la ciudad es entre 50000 y 100000 habitantes.
Problema n 8) Las tiendas "Montgomery" estn distribuidas en los E.E.U.U. de la siguiente forma:
Area geogrfica
Poblacin de la ciudad
NE SE C NO SO Total
A1: Menos de 20000 habitantes 3 5 6 5 6 25
A4: Ms de 100000 habitantes 63 12 10 4 11 100
Total 100 40 35 25 50 250
a) Diga cul es la notacin simblica para la probabilidad de que una tienda seleccionada al azar se localice:
i) En una ciudad al SO con menos de 20000 habitantes.
ii) En una ciudad del Centro, con una poblacin de ms de 20000 y menos de 50000 habitantes.
iii) En el SE.
iv) En una ciudad con menos de 50000 habitantes.
v) En el NO, dado que la tienda seleccionada se ubica en una ciudad con una poblacin entre 50000 y 100000
habitantes.
b) Determine cada una de las probabilidades del punto anterior.
c) Explicite qu tipo de probabilidad se determin en los puntos anteriores.
d) Identifique y calcule la distribucin de probabilidades marginales para el tamao de poblacin de la ciudad.
e) Identifique y calcule la distribucin de probabilidades condicionales para el rea geogrfica, dado que el tamao
de la poblacin de la ciudad es entre 50000 y 100000 habitantes.
Solucin:
a-i) P(SO,A1)
a-ii) P(C,A2)
a-iii) P(SE)
a-iv) P(A1 A2)
a-v) P(NO/A3)
b-i) P(SO,A1) = 0,024
b-ii) P(C,A2) = 0,064
b-iii) P(SE) = 0,16
b-iv) P(A1 A2) = 0,3
b-v) P(NO/A3) = 0,09333
c)
Probabilidad conjunta:
Probabilidad marginal:
Probabilidad total:
Probabilidad condicional:
d)
P(A1) = 0,1
P(A2) = 0,2
P(A3) = 0,3
P(A4) = 0,4
e)
P(NE/A3) = 0,3867
P(SE/A3) = 0,16
P(C/A3) = 0,04
P(NO/A3) = 0,0933
P(SO/A3) = 0,32
Problema n 9) En un banco hay un sistema de alarma. En una noche cualquiera, la probabilidad de que suene la
alarma cuando hay un robo es de 0,99; la de que suene si no hay robo es de 0,01; en tanto que la probabilidad de
que ocurra un robo es de 0,002. Calcular la probabilidad de que si suena la alarma haya un robo.
Problema n 9) En un banco hay un sistema de alarma. En una noche cualquiera, la probabilidad de que suene la
alarma cuando hay un robo es de 0,99; la de que suene si no hay robo es de 0,01; en tanto que la probabilidad de
que ocurra un robo es de 0,002. Calcular la probabilidad de que si suena la alarma haya un robo.
Solucin:
P(S/R) = 0,99
P(S/R) = 0,01
P(R) = 0,002
P(R) = 0,998
P(S R) = P(R).P(S/R)
P(S R) = 0,00198
P(S R) = P(R).P(S/R)
P(S R) = 0,00998
S S
R 0,00198 0,00002 0,002
R 0,00998 0,98802 0,998
0,01196 0,98804 1
P(R/S) = P(S R)/P(S)

P(R/S) = 0,00198/0,01196
P(R/S) = 0,1655
Problema n 10) Una lavadora de botellas X, perteneciente a una compaa lechera, procesa un 20% de todas las
botellas usadas diariamente y rompe un 4% de las que lava, en tanto que otra lavadora Z procesa las restantes y
rompe un 2%.
a) Cul es la probabilidad de que una botella seleccionada al azar est rota?
b) Una botella escogida aleatoriamente se encuentra rota. Cul es la probabilidad de que haya sido lavada en X?
Problema n 10) Una lavadora de botellas X, perteneciente a una compaa lechera, procesa un 20% de todas las
botellas usadas diariamente y rompe un 4% de las que lava, en tanto que otra lavadora Z procesa las restantes y
rompe un 2%.
a) Cul es la probabilidad de que una botella seleccionada al azar est rota?
b) Una botella escogida aleatoriamente se encuentra rota. Cul es la probabilidad de que haya sido lavada en X?
Solucin:
P(R/X) = 0,04
P(X) = 0,2
P(R/Z) = 0,02
P(Z) = 0,8
P(R X) = P(X).P(R/X)
P(R X) = 0,2.0,04
P(R X) = 0,008
P(R Z) = P(Z).P(R/Z)
P(R Z) = 0,8.0,02
P(R Z) = 0,016
a)
P(R) = P(R X) + P(R Z)
P(R) = 0,008 + 0,016
P(R) = 0,024
b)
P(X/R) = P(R X)/P(R)
P(X/R) = 0,008/0,024
P(X/R) = 1/3
Probabilidad Regresin - Ejercicios resueltos

Probabilidad Regresin
Contenido
Ejercicios de Probabilidades y estadsticas: Regresin.
Ejercicios de regresin (primera parte)
Problema n 1) En una estacin experimental de Rafaela, Santa Fe se realiz un ensayo para evaluar el efecto del
nivel de suplementacin con alimento balanceado (Kg/da/animal) sobre la produccin de leche (Lts/da/animal) en
vacas Holando-Argentino. En las siguientes tablas y figuras se resumen los resultados obtenidos de un anlisis de
regresin lineal efectuado por los investigadores que condujeron el estudio.
Solucin del ejercicio n 1 de Regresin lineal:

Problema n 1) En una estacin experimental de Rafaela, Santa Fe se realiz un ensayo para evaluar el efecto
del nivel de suplementacin con alimento balanceado (Kg/da/animal) sobre la produccin de leche (Lts/da/animal)
en vacas Holando-Argentino. En las siguientes tablas y figuras se resumen los resultados obtenidos de un anlisis
de regresin lineal efectuado por los investigadores que condujeron el estudio.
Anlisis de Regresin Lineal
Variable N R
Leche 9 0.93
Matriz de coeficientes de regresin
Coeficiente Estimado Error LI(95%) LS(95%) t p
Intercepcin 17.87 0.73 16.14 19.59 24.51 < 0.001
Pendiente 1.45 0.15 1.09 1.81 9.47 < 0.001
Escriba la ecuacin de regresin lineal ajustada e interprete en trminos agronmicos los estimadores de los
parmetros. Indique en el grfico el valor de la ordenada al origen.
= 17.87+1.45x
bo = 17.87
Para una dosis de balanceado nula, la produccin de leche en un da ser de 17.87 litros (no tiene sentido en
trminos del problema)
b1 = 1.45
Ante un aumento unitario de dosis de balanceado por da, se obtendr un aumento en la produccin de leche de
1.45.
Segn la ecuacin propuesta en (a), qu produccin de leche promedio puede obtenerse con un nivel de
suplemento de 5.5 Kg. diarios de balanceado por animal?
Si x = 5.5, entonces = 25.845
Especifique y calcule una medida de error para la estimacin realizada en el punto anterior.
Residuo para x = 5.5
e = y observado(del grfico) y esperado
e = 25.5 25.845 = -0.345
Interprete el valor p < 0.001 de la pendiente en la salida de la matriz de coeficientes de regresin.
La pendiente es significativa para un a del 5%
H0: b1 = 0 vs. H1: b1 0.
Problema n 2) Se quiere conocer la relacin funcional entre la edad al primer parto y la prdida de peso post parto
en vacas Jersey. Con este objetivo se toma una muestra al azar de 15 vacas de un tambo, se miden ambas
variables y se realiza un anlisis de regresin en planilla de clculo que produce los siguientes resultados:

Problema n 2) Se quiere conocer la relacin funcional entre la edad al primer parto y la prdida de peso post parto
en vacas Jersey. Con este objetivo se toma una muestra al azar de 15 vacas de un tambo, se miden ambas
variables y se realiza un anlisis de regresin en planilla de clculo que produce los siguientes resultados:
Estadsticas de la regresin
Coeficiente de determinacin R 0.945
Error standard 0.920
N de observaciones 15
Error
Coeficientes Estadstico t Probabilidad LI 95% LS 95%
standard
Intercepcin 55.2843 0.8378 65.98 8.310-18 53.4742 57.0943
Pendiente -0.368 0.0246 -14.93 1.510-9 -0.4213 -0.3148
Identifique las variables.

X = edad al primer parto
Y = prdida de peso post parto
Escriba el modelo lineal correspondiente y describa cada parmetro desde el punto de vista del problema. Calcule y
grafique la recta de regresin.
El modelo bsico puede formalizarse de la siguiente manera:
Yi = b0 + b1Xi + ei
donde Yi es el valor de la variable respuesta en el i-simo ensayo, b0 y b1 son parmetros, Xi es el valor de la
variable independiente en el i-simo ensayo y ei es un trmino de error aleatorio.
bo = 55.28 estimador de b0 (ordenada al origen) no tiene sentido en trminos del problema
b1 = -0.368 estimador de b1(pendiente)indica cuanto disminuye la prdida de peso post parto ante un aumento
unitario de la edad al primer parto
= 55.28 0.368.X
Pruebe la hiptesis que sostiene: a medida que aumenta la edad de la vaca, la perdida de peso post parto es
menor
Prueba de hiptesis para b1
El valor p es 1.510-9 por lo tanto rechazo la hiptesis nula y hay regresin. Por lo tanto puedo afirmar que a
medida que aumenta la edad de la vaca, la perdida de peso post parto es menor
Estime un intervalo de confianza del 95% para cada uno de los parmetros estimados.
Lmites de confianza con 1 - a para b0: .b0 t(n - 2;1 - /2) .s(b0)
P{b1 - t(1 - /2;n - 2).s(b1) 1 b1 + t(1 - /2;n - 2).s(b1)} = 1 -
LI 95% LS 95%
53.4742 57.0943
-0.4213 -0.3148
Estime la varianza poblacional.
CME = error tpico2 = 0.8464

Si la vaca Jersey tiene 24 meses al momento de parir, cual sera el peso promedio estimado de perdida? Adems
de la estimacin puntual, presente un intervalo de confianza del 90%.
Estimacin puntual
Si x = 24(24) = 55.28 - 0.368*24 = 46.448
Estimacin por intervalo

Datos:
CME = 0.8464
n = 15
Sb1 = 0.00060516
Sb0 = 0.70190884
Para calcular
S.(b1) = CM E.[1/n + (Xk - X)/(Xi - X)]
primero debo despejar
S.(b1) = CM E/(Xi - X) = 0,8464/(Xi - X) = 0,00060516
luego
(Xi - x) = 1398.6383
debo seguir despejando
S.(bo) = CM E.[1/n + X/(Xi - X)]
0,70190884 = 0,8464.[1/15 + X/1398,6383]
luego
X = 1066.63054
entonces
X = 32.6593102
Finalmente
s(A) = 0,8464.[1/15 + (24 - 32,659)/1398,6383]
s(A) = 0,1018
s(A) = 0,319
Intervalo de confianza para E(Yk)
Un IC de 1 - a para E(Yk) es: k t(n - 2;1 - /2).s(k)
46,448 1,77*0,319
Finalmente el intervalo ser
45.88337 47.01263
Interprete el Coeficiente de Determinacin desde el punto de vista del problema.
El 94.5% de las variaciones en y, estn explicadas por las variaciones en x.
Problema n 3) Se desea construir una tabla que permita a los productores de una localidad estimar el volumen de
madera de una plantacin a travs de observaciones no destructivas, como contar el nmero de rboles y medir el
dimetro del tronco. Con ese fin se estudi la relacin entre el dimetro a la altura del pecho (D.A.P.) y el volumen
de madera por rbol (VOL), en rboles de 14 a 16 aos de edad de la especie Pinus elliotti, en la localidad de
Esquina (Corrientes). Se obtuvieron las siguientes observaciones y se realiz un grfico de dispersin.
Ver Tabla 1

Ejercicios de regresin (primera parte)
ARBOL 1 2 3 4 5 6 7 8 9 10 11 12 13 14
D.A.P. (cm) 24.9 21.4 29.4 18.5 15.2 13.4 16.6 27 11.5 25.3 12.2 21.6 23.2 15.4
VOL (dm) 52.24 33.21 70.14 25.29 14.60 11.75 19.39 59.24 6.83 50.55 7.86 31.07 39.31 13.24
ARBOL 15 16 17 18 19 20 21 22 23 24 25
D.A.P. (cm) 27.2 17.3 11.1 29.4 18.6 20.4 23 11.5 15.7 17.4 12.2
VOL (dm) 58.30 18.67 7.11 71.56 23.70 30.35 43.95 8.69 15.09 21.55 6.33

Problema n 3) Se desea construir una tabla que permita a los productores de una localidad estimar el volumen de
madera de una plantacin a travs de observaciones no destructivas, como contar el nmero de rboles y medir el
dimetro del tronco. Con ese fin se estudi la relacin entre el dimetro a la altura del pecho (D.A.P.) y el volumen
de madera por rbol (VOL), en rboles de 14 a 16 aos de edad de la especie Pinus elliotti, en la localidad de
Esquina (Corrientes). Se obtuvieron las siguientes observaciones y se realiz un grfico de dispersin.
Ver Tabla 1
El anlisis de regresin produjo los siguientes resultados:
R = 0.9676 Coeficientes Error standard t Student Probabilidad
Intercepcin -37.044 2.6535 -13.9602 1.0204 10-12
Pendiente 3.4754 0.1326 26.2090 1.24153 10-18
Coeficiente de correlacin mltiple 0.983667767
R ajustado 0.96619368
Error tpico 3.792909771
Observaciones 25
ANLISIS DE VARIANZA
Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crtico de F
Regresin 1 9882.2366 9882.2366 686.926427 1.2412.10-18
Residuos 23 330.8817841 14.3861645
Total 24 10213.11838
Ver Tabla 2
Anlisis de los residuales

Observacin Pronstico VOL (dm) (y) Residuos
1 49.49530709 2.74469291
2 37.3306015 -4.120601497
3 65.13564285 5.004357147
4 27.25127401 -1.961274005
5 15.78169445 -1.181694446
6 9.525560141 2.224439859
7 20.64757668 -1.257576683
8 56.79413045 2.445869554
9 2.921862819 3.908137181
10 50.88555916 -0.335559158
11 5.354803937 2.505196063
12 38.02572753 -6.955727531
13 43.5867358 -4.276735802
14 16.47682048 -3.23682048
15 57.48925648 0.81074352
16 23.0805178 -4.410517802
17 1.531610751 5.578389249
18 65.13564285 6.424357147
19 27.59883702 -3.898837022
20 33.85497133 -3.504971327
21 42.89160977 1.058390232
22 2.921862819 5.768137181
23 17.51950953 -2.429509531
24 23.42808082 -1.878080819
25 5.354803937 0.975196063
Presente el modelo de regresin lineal estimado para predecir el volumen por rbol en funcin del dimetro del
tronco. Identifique los estimadores de los parmetros y las variables explicativa y de respuesta.
Yi = 0 + 1Xi + i
Con Yi = volumen del arbol (variable respuesta)
Xi = dimetro del tronco (variable explicativa)
b0 = estimador de ordenada al origen = -37.044
b1 = estimador de pendiente = 3.4754
Proponga hiptesis de inters para poner a prueba y comente los resultados.
H0: 1 = 0; H1: 1 0.
Dado que el valor p = 1.2412.10-18 la pendiente es significativa.
Qu interpretacin biolgica puede darse a una pendiente significativa de 3.475 en este contexto?
Que ante un aumento de 1 cm en el dimetro del rbol, se obtendr un aumento de 3.475 dm en el volumen del
rbol.
Qu indica un coeficiente de determinacin (R) igual a 0.9676?
Que el 96.76% de las variaciones en el volumen estn explicadas por las variaciones en el dimetro del rbol.
Calcule el valor estimado y el residual de la observacin correspondiente al rbol 16.
Y(16)esperado = -37.044+3.4754*17.3 = 23.08042
Y(16)observado = 18.67
e(16) = 18.67 23.08042 = -4.41042
Se puede afirmar, con una probabilidad de error del 5%, que el volumen de madera aumenta significativamente
cuando el D.A.P. aumenta?
H0: 1 = 0 vs. H1: 1 0.
Si H0 es cierta, entonces se estima que no existe asociacin alguna entre X e Y.
tc = (b1 - 1)/s(b1) = (3.4754-0)/0.1326 = 26.20
tiene distribucin tn-2 para el modelo que estamos utilizando, luego t tabla = tn-2;/2 = t23;0.025 = 2.068654794
Como t calculado > t tabla rechazo Ho entonces hay regresin.
Calcule un IC90 para la pendiente del modelo.
P{b1 - t(/2;n - 2).s(b1) 1 b1 + t(/2;n - 2).s(b1)} = 1 -
con b = 3.4754
S(b1) = 0.1326
tn-2; /2 = t23;0.025 = 1.713870006
3.24835273 3.70290761
Probabilidad Regresin - Ejercicios resueltos
Probabilidad Regresin
Contenido
Ejercicios de Probabilidades y estadsticas: Regresin.
Ejercicios de regresin (segunda parte)
Problema n 4) En el siguiente cuadro se indican las cantidades de nitrgeno en el suelo despus de su
tratamiento con compost de residuos urbanos. Para cada uno de los niveles de tratamiento: 0, 4, 12 y 36 tn/ha de
compost se realizaron 4 determinaciones. Los resultados fueron los siguientes:
Dosis compost Total nitrgeno (ppm)
0 0.153 0.153 0.152 0.140

4 0.195 0.185 0.150 0.175
12 0.195 0.165 0.200 0.175
36 0.188 0.214 0.204 0.199
Solucin del ejercicio n 4 de Regresin. Anlisis de regresin lineal. Matriz de coeficientes de regresin:
Problema n 4) En el siguiente cuadro se indican las cantidades de nitrgeno en el suelo despus de su
tratamiento con compost de residuos urbanos. Para cada uno de los niveles de tratamiento: 0, 4, 12 y 36 tn/ha de
compost se realizaron 4 determinaciones. Los resultados fueron los siguientes:
Dosis compost Total nitrgeno (ppm)
0 0.153 0.153 0.152 0.140

4 0.195 0.185 0.150 0.175
12 0.195 0.165 0.200 0.175
36 0.188 0.214 0.204 0.199
Observaciones 16
Ver Tabla 4

Grados de Suma de Promedio de los Valor crtico de
F
libertad cuadrados cuadrados F
Regresin 1 0.00429581 0.00429581 16.3978702 0.00119459
Residuos 14 0.00366763 0.00026197
Total 15 0.00796344
Coeficientes Error tpico Estadstico t Probabilidad Inferior 95% Superior 95%
Intercepcin 0.16243333 0.00552843 29.3814383 5.5609.10-14 0.15057601 0.17429065
Observacin Pronstico Total Nitrgeno Residuos

Compost 0.0011734 0.00028977 4.04942838 0.00119459 0.0005519 0.00179489
1 0.16243333 -0.00943333
2 0.16243333 -0.00943333
3 0.16243333 -0.01043333
4 0.16243333 -0.02243333
5 0.16712692 0.02787308
6 0.16712692 0.01787308
7 0.16712692 -0.01712692
8 0.16712692 0.00787308
9 0.1765141 0.0184859
10 0.1765141 -0.0115141
11 0.1765141 0.0234859
12 0.1765141 -0.0015141
13 0.20467564 -0.01667564
14 0.20467564 0.00932436
15 0.20467564 -0.00067564
16 0.20467564 -0.00567564
Ver Tabla 5

(Xi -
Comp. Total Pronstico (Y
Xi-X Yi- Y X)*(Yi- (Xi - X) x*y x e=y- (y - )
X Nitrgeno Y sombrero)
Y)
-
0.025
-
0.025
0 0.153 -13 - 0.321 169 0.1628 0 0 -0.0098 0.000095
0 0.153 -13 0.026 0.321 169 0.1628 0 0 -0.0098 0.000095
0 0.152 -13 - 0.334 169 0.1628 0 0 -0.0108 0.000116
0 0.140 -13 0.038 0.490 169 0.1628 0 0 -0.0228 0.000518
4 0.195 -9 0.017 -0.156 81 0.1674 0.78 16 0.0276 0.000759
4 0.185 -9 0.007 -0.066 81 0.1674 0.74 16 0.0176 0.000308
4 0.150 -9 - 0.249 81 0.1674 0.6 16 -0.0174 0.000304
4 0.175 -9 0.028 0.024 81 0.1674 0.7 16 0.0076 0.000057
12 0.195 -1 - -0.017 1 0.1768 2.34 144 0.0182 0.000330
12 0.165 -1 0.003 0.013 1 0.1768 1.98 144 -0.0118 0.000140
12 0.200 -1 0.017 -0.022 1 0.1768 2.4 144 0.0232 0.000537
12 0.175 -1 - 0.003 1 0.1768 2.1 144 -0.0018 0.000003
36 0.188 23 0.013 0.237 529 0.2050 6.768 1296 -0.0170 0.000289
36 0.214 23 0.022 0.835 529 0.2050 7.704 1296 0.0090 0.000081
36 0.204 23 - 0.605 529 0.2050 7.344 1296 -0.0010 0.000001
36 0.199 23 0.003 0.490 529 0.2050 7.164 1296 -0.0060 0.000036
0.010
0.036
0.026
0.021
208 2.843 Sumas 3.661 3120 40.62 5824 SCE = 0.003669
CME = SCE/GLE =
SCE/n-2
CME = 0.000262
b1 = (40.62-(208*2.843/16))/(5824-
x Y b1 = 3.661/3120 = 0.001173
(208*208/16))
13 0.178 b0 = 0.178-0.001173*13 = 0.162751 b1 = 0.00117
b0 = (1/16)*(2.843-0.001173*208)
b0 = 0.16244
Identifique las variables.
Y = nitrgeno en el suelo (variable independiente)
X = dosis de compost de residuos urbanos (variable dependiente o respuesta)
b) Realice el grfico de dispersin y comente.
Ver Grfico
Escriba el modelo lineal correspondiente y describa cada parmetro en trminos del problema.
Yi = 0 + 1Xi + i
b0 = estimador de ordenada al origen = 0.16243333
Calcule y grafique la recta de regresin
= 0.16243333 + 0.0011734.x
Grfico en b)
d) Compruebe la significacin de los parmetros planteando las hiptesis asociadas.
Valor p
Intercepcin 5.5609.10-14
Compost 0.00119459
Los dos valores p son menores que 0,05 entonces ambos parmetros son significativos.
e) Estime los parmetros por medio de intervalos de confianza.
Para 0
0.15057601 0.17429065
Para 1
0.0005519 0.00179489
Estime la varianza poblacional.

Estimador de la varianza poblacional = CME = 0.00026197
Para una dosis de 3 Tn/Ha de compost, cul sera el total de nitrgeno en el suelo? Y para una dosis de 50
Tn/Ha?
y(3) = 0.16243333 + 0.0011734*3 = 0.16595353
Si X = 50 entonces fuera de rango
Calcule el error para la 5ta observacin.
Y(5)esperado = 0.16243333 + 0.0011734*4 = 0.16712693
Y(5)observado = 0.195
e(5) = 0.195 0.16712693 = 0.02787307
Calcule e interprete el coeficiente de determinacin
El 53,94% de las variaciones de nitrgeno en el suelo estn explicados por las variaciones en las dosis de compost.
Problema n 5) En un estudio sobre el crecimiento de coliflores precoces se contaron los nmeros de hojas en las
plantas de coliflor en varias fechas durante dos aos, siendo el tamao muestral de 10 plantas por fecha. Los datos
son nmero promedio de hojas (Y) y suma acumulada de temperatura diaria por encima de 0 C, dividido por 100
(X). Por varios trabajos anteriores, se asume que existe una relacin lineal entre el nmero promedio de hojas y la
suma acumulada de temperatura diaria por encima de 0 C
1956/7 1957/8
X1 Y1 X2 Y2
2.3 3.8 2.3 6.0

4.0 6.2 4.5 8.5
5.1 7.2 5.1 9.1
5.6 8.7 6.2 12.0
7.0 10.2 7.0 12.6
8.7 13.5 7.6 13.3
9.8 15.0 9.0 15.2
56/57
X = 6.07142857
Problema n 5) En un estudio sobre el crecimiento de coliflores precoces se contaron los nmeros de hojas en las
plantas de coliflor en varias fechas durante dos aos, siendo el tamao muestral de 10 plantas por fecha. Los datos
son nmero promedio de hojas (Y) y suma acumulada de temperatura diaria por encima de 0 C, dividido por 100
(X). Por varios trabajos anteriores, se asume que existe una relacin lineal entre el nmero promedio de hojas y la
suma acumulada de temperatura diaria por encima de 0 C
1956/7 1957/8
X1 Y1 X2 Y2
2.3 3.8 2.3 6.0

4.0 6.2 4.5 8.5
5.1 7.2 5.1 9.1
5.6 8.7 6.2 12.0
7.0 10.2 7.0 12.6
8.7 13.5 7.6 13.3
9.8 15.0 9.0 15.2
56/57
X = 6.07142857
Observaciones 7
Ver Tabla 3
Observacin Pronstico Y1 Residuos
1 3.51814288 0.28185712
2 6.09216181 0.10783819
3 7.75770347 -0.55770347
4 8.51476786 0.18523214
5 10.6345482 -0.43454816
6 13.2085671 0.29143291
7 14.8741087 0.12589125
57/58
X = 5.95714286
Observaciones 7
Ver Tabla 6
1 5.71807557 0.28192443
2 8.86970199 -0.36970199
3 9.72923646 -0.62923646
4 11.3050497 0.69495033
5 12.4510956 0.14890436
6 13.3106301 -0.01063011
7 15.3162106 -0.11621056
Encuentre la ecuacin de regresin lineal del nmero promedio de hojas respecto de la variable X, para cada ao.
Modelo 56/57
Y = 0.03564668 + 1.51412878 X
Modelo 57/58
Y = 2.42319342+ 1.43255746 X
Considerando los intervalos de confianza de los parmetros de cada modelo conteste: ambas fechas difieren en
cuanto al nmero promedio de hojas por cada unidad de temperatura diaria acumulada por encima de 0 C? Y en
cuanto al nmero de hojas cuando la temperatura acumulada es igual a 0?
Modelo 56/57
Inferior 95% Superior 95%
Intercepcin -0.96052114 1.0318145
X1 1.36180669 1.66645087
Modelo 57/58
Inferior 95% Superior 95%
Intercepcin 1.00146537 3.84492146
X2 1.20685384 1.65826108
Estime la varianza poblacional para ambos modelos

Modelo 56/57
CME = 0.14520609
Modelo 57/58
CME = 0.22616917
Calcule el valor estimado y el residual para la 3era observacin del ao 1956/7
3 7.75770347 -0.55770347
Para X = 6.5 estime el nmero promedio de hojas a partir de un intervalo de confianza del 90 % para cada una de
las fechas.
Modelo 56/57
Y(6.5) = 0.03564668 + 1.51412878* 6.5 = 9.87748375
S.(k) = CM E.[1/n + (Xk - X)/(Xi - X)] = 0.14520609* [1/7 + (6.5-6.07142857)/ 41.3542857] = 0.02224856
x = 6.07142857
(x-x) (x-x)
-3.77142857 14.2236735
-2.07142857 4.29081633
-0.97142857 0.94367347
-0.47142857 0.2222449
0.92857143 0.8622449
2.62857143 6.90938776
3.72857143 13.9022449
Suma
41.3542857
k tn - 2;1 - /2.S(k) = 9.87748375 2.045*0.1491595
9.57245257 10.1825149
Modelo 57/58
Y (6.5) = 2.42319342+ 1.43255746 *6.5 = 11.73481691
S.(k) = CM E.[1/n + (Xk - X)/(Xi - X)] = 0.22616917* [1/7 + (6.5-5.95714286)/ 29.3371429] = 0.03649494
x = 5.95714286
(x-x) (x-x)
-3.65714286 13.3746939
-1.45714286 2.12326531
-0.85714286 0.73469388
0.24285714 0.05897959
1.04285714 1.08755102
1.64285714 2.69897959
3.04285714 9.25897959
Suma
29.3371429
k tn - 2;1 - /2.S(k) = 11.734816912.045*0.19103648
11.3441473 12.1254865
Problema n 6) En un estudio que trata de identificar los factores que afectan a la produccin en cultivos de soja se
midi el rendimiento (en toneladas por ha) y la disponibilidad de agua en el suelo (en mm) en el periodo crtico de
formacin del rendimiento varias localidades. Luego de analizados los datos con INFOSTAT se obtuvieron los
siguientes resultados:
Variable N R
tha - 1 7 0.95

Coeficiente Est. E.E. LI(95%) LS(95%) t p
Intercepcin 1.70 0.19 1.22 2.18 9.12 0.00

mm 0.02 0.00 0.01 0.02 10.27 0.00
Identifique las variables de estudio

Xi = variable independiente = disponibilidad de agua en el suelo (mm)
Yi = variable dependiente o respuesta = rendimiento (tn/ha)
Problema n 6) En un estudio que trata de identificar los factores que afectan a la produccin en cultivos de soja
se midi el rendimiento (en toneladas por ha) y la disponibilidad de agua en el suelo (en mm) en el periodo crtico
de formacin del rendimiento varias localidades. Luego de analizados los datos con INFOSTAT se obtuvieron los
siguientes resultados:
Variable N R
tha - 1 7 0.95
Coeficiente Est. E.E. LI(95%) LS(95%) t p
Intercepcin 1.70 0.19 1.22 2.18 9.12 0.00

mm 0.02 0.00 0.01 0.02 10.27 0.00
Identifique las variables de estudio

Xi = variable independiente = disponibilidad de agua en el suelo (mm)
Yi = variable dependiente o respuesta = rendimiento (tn/ha)
El enunciado menciona que los datos provinieron de varias localidades. En cuantas localidades se realiz el
estudio?
n=7
Escriba el modelo lineal correspondiente y describa cada parmetro utilizado.
Yi = 0 + 1Xi + i
b0 = estimador de ordenada al origen = 1.7
En la Matriz de Coeficientes de Regresin, a qu se refiere el Coeficiente indicado como mm?
Coeficiente de la pendiente Disponibilidad de agua en el suelo
Cul seria un nombre mas indicado para ese coeficiente? Indique sus unidades.
Disponibilidad de agua en el suelo (mm)
Pruebe la hiptesis que sostiene que a medida que la humedad del suelo aumenta el rendimiento de la soja es
mayor.
p = o entonces es significativo entonces hiptesis verdadera.
Estadstica descriptiva - Ejercicios resueltos

Organizacin y presentacin de los datos. Estadstica descriptiva.
Contenido
Ejercicios de Probabilidades y estadsticas: Organizacin y presentacin de los datos. Estadstica descriptiva.
Tema N 1: Organizacin y presentacin de los datos. Estadstica descriptiva.
Problema n 1) Un fabricante de medicamentos veterinarios est interesado en la proporcin de animales que
padecen infecciones locales cuya condicin puede ser controlada por un nuevo producto desarrollado por la
empresa. Se condujo un estudio en el que participaron 5000 animales que padecen infecciones locales y se
encontr que en el 80% de los animales se puede controlar la infeccin con el medicamento. Suponiendo que los
5000 animales son representativos del grupo de animales con infecciones locales, conteste las siguientes
preguntas:
(a) Cul es la poblacin?
(b) Cul es la muestra?
(c) Identifique el parmetro de inters.
(d) Identifique la estadstica y proporcione su valor.
(e) Se conoce el valor del parmetro?
Solucin del ejercicio n 1 de Organizacin y presentacin de los datos. Estadstica descriptiva:

Problema n 1) Un fabricante de medicamentos veterinarios est interesado en la proporcin de animales que
padecen infecciones locales cuya condicin puede ser controlada por un nuevo producto desarrollado por la
empresa. Se condujo un estudio en el que participaron 5000 animales que padecen infecciones locales y se
encontr que en el 80% de los animales se puede controlar la infeccin con el medicamento. Suponiendo que los
5000 animales son representativos del grupo de animales con infecciones locales, conteste las siguientes
preguntas:
(a) Cul es la poblacin?
(b) Cul es la muestra?
(c) Identifique el parmetro de inters.
(d) Identifique la estadstica y proporcione su valor.
(e) Se conoce el valor del parmetro?
Solucin:
(a) El conjunto total de animales que padecen infecciones locales.
(b) Los 5000 animales elegidos para hacer el estudio.
(c) La proporcin de animales de la poblacin que responden al medicamento.
(d) La estadtica utilizada es la proporcin de animales en la muestra empleada. Su valor result ser 0.80.
(e) No. Por ese motivo se ha recurrido a la extraccin de una muestra y, a partir de ella, se ha obtenido un valor
que se espera que represente al parmetro desconocido.
Problema n 2) En los siguientes incisos, indique cul es la variable en estudio y qu clase de variable es:
a) Color de flores.
b) Razas de bovinos.
c) Punto de fusin del manganeso.
d) Altura de tallo.
e) Salarios por hora.
f) Porcentaje de asistencia.
g) Nmero de ptalos de una flor.
h) Monto de las acciones vendidas.

Problema n 2) En los siguientes incisos, indique cul es la variable en estudio y qu clase de variable es:
a) Color de flores.
b) Razas de bovinos.
c) Punto de fusin del manganeso.
d) Altura de tallo.
e) Salarios por hora.
f) Porcentaje de asistencia.
g) Nmero de ptalos de una flor.
h) Monto de las acciones vendidas.
Solucin:
(a) El color de las flores. Es una variable cualitativa.
(b) La raza de los bovinos. Es una variable cualitativa.
(c) El punto de fusin del manganeso [C]. Es una variable cuantitativa continua.
(d) La altura del tallo de las plantas [cm]. Es una variable cuantitativa continua.
(e) Los salarios percibidos por una hora de trabajo [$].Es una variable cuantitativa continua.
(f) El porcentaje de asistencia a un dado evento. Es una variable cuantitativa continua.
(g) El nmero de ptalos que posee una flor. Es una variable cuantitativa discreta.
(h) El monto de un conjunto de acciones vendidas [$].Es una variable cuantitativa continua.
Problema n 3) Los alumnos de la licenciatura en Economa Agraria de FAUBA realizaron un estudio de las
cotizaciones del trigo en cinco campaas consecutivas. Los datos se presentan en la Tabla. Realizar con todos los
datos:
Campaa 94-95 95-96 96-97 97-98 98-99
Junio 121.60 171.02 240.36 145.63 110.73
Julio 116.71 221.52 211.84 143.77 108.40
Agosto 144.57 229.86 189.55 142.44 99.28
Septiembre 125.95 229.45 164.83 139.06 101.57
Octubre 139.48 217.40 161.09 138.45 122.03
Noviembre 131.68 217.93 135.52 133.19 120.89
Diciembre 129.20 200.17 128.37 122.72 105.89
Enero 121.05 219.00 131.95 111.13 98.05
Febrero 119.53 235.53 135.50 113.11 97.25
Marzo 122.70 238.05 153.79 114.13 100.89
Abril 126.19 255.93 164.85 115.53 114.73
Mayo 143.90 280.81 165.74 116.83 116.42
126.13 226.39 165.28 128.00 108.01

Promedio
a) Un histograma de frecuencias y un diagrama de caja.

b) Un grfico de barras ordenado por mes utilizando valores promedio y de dispersin.

Problema n 3) Los alumnos de la licenciatura en Economa Agraria de FAUBA realizaron un estudio de las
cotizaciones del trigo en cinco campaas consecutivas. Los datos se presentan en la Tabla. Realizar con todos los
datos:
Campaa 94-95 95-96 96-97 97-98 98-99
Junio 121.60 171.02 240.36 145.63 110.73
Julio 116.71 221.52 211.84 143.77 108.40
Agosto 144.57 229.86 189.55 142.44 99.28
Septiembre 125.95 229.45 164.83 139.06 101.57
Octubre 139.48 217.40 161.09 138.45 122.03
Noviembre 131.68 217.93 135.52 133.19 120.89
Diciembre 129.20 200.17 128.37 122.72 105.89
Enero 121.05 219.00 131.95 111.13 98.05
Febrero 119.53 235.53 135.50 113.11 97.25
Marzo 122.70 238.05 153.79 114.13 100.89
Abril 126.19 255.93 164.85 115.53 114.73
Mayo 143.90 280.81 165.74 116.83 116.42
126.13 226.39 165.28 128.00 108.01

Promedio
a) Un histograma de frecuencias y un diagrama de caja.

b) Un grfico de barras ordenado por mes utilizando valores promedio y de dispersin.
Solucin:
a)
b)
Problema n 4) Los siguientes datos representan el nmero de tomates rechazados por da en un mercado
mayorista. Los datos corresponden a 50 das seleccionados aleatoriamente:
29 58 80 35 30 23 88 49 35 97
12 73 54 91 45 28 61 61 45 84
83 23 71 63 47 87 36 8 94 26
95 63 86 42 22 44 88 27 20 33
28 91 87 15 67 10 45 67 26 19
a) Construya una tabla de frecuencias con 10 clases.

b) Construya un histograma que corresponda a la tabla anterior.
c) Construya un diagrama de caja y bigotes.
d) Qu valor de la variable es superado por el 50% de las observaciones?
e) Cul es el valor de la variable que se presenta un mayor nmero de veces?
f) Utilice todos los datos y la tabla de frecuencias para encontrar la media, el desvo standard y el coeficiente de
variacin de los nmeros de tomates que se rechazan.

Problema n 4) Los siguientes datos representan el nmero de tomates rechazados por da en un mercado
mayorista. Los datos corresponden a 50 das seleccionados aleatoriamente:
29 58 80 35 30 23 88 49 35 97
12 73 54 91 45 28 61 61 45 84
83 23 71 63 47 87 36 8 94 26
95 63 86 42 22 44 88 27 20 33
28 91 87 15 67 10 45 67 26 19
a) Construya una tabla de frecuencias con 10 clases.

b) Construya un histograma que corresponda a la tabla anterior.
c) Construya un diagrama de caja y bigotes.
d) Qu valor de la variable es superado por el 50% de las observaciones?
e) Cul es el valor de la variable que se presenta un mayor nmero de veces?
f) Utilice todos los datos y la tabla de frecuencias para encontrar la media, el desvo standard y el coeficiente de
variacin de los nmeros de tomates que se rechazan.
Solucin:
a)
Clase LI LS MC FA FR FAA FRA
1 5,00 15,00 10,00 4 0,08 4 0,08
2 15,00 25,00 20,00 5 0,10 9 0,18
3 25,00 35,00 30,00 10 0,20 19 0,38
4 35,00 45,00 40,00 6 0,12 25 0,50
5 45,00 55,00 50,00 3 0,06 28 0,56
6 55,00 65,00 60,00 5 0,10 33 0,66
7 65,00 75,00 70,00 4 0,08 37 0,74
8 75,00 85,00 80,00 3 0,06 40 0,80
9 85,00 95,00 90,00 9 0,18 49 0,98
10 95,00 105,00 100,00 1 0,02 50 1,00
Referencias: LI: Lmite Inferior de Clase; LS: Lmite Superior de Clase; MC: Marca de Clase; FA: Frecuencia
Absoluta; FR: Frecuencia Relativa; FAA: Frecuencia Absoluta Acumulada; FRA: Frecuencia Relativa Acumulada.
b)
c)
d) 46.
e) 45.
f) Datos individuales
Sn = 727,75 = 26,976
CV = (26,975/51,82).100 = 52,06 %
Sn = 742.60
Sn = 742,60 = 27,25
CV = (27,25/51,82).100 = 52,59 %
Datos agrupados
Sn = 742.56
Sn = 742,56 = 27,25
CV = (27,25/51,2).100 = 53,22 %
Sn = 37128/49 = 757.71
Sn = 757,71 = 27,53
CV = (27,53/51,2).100 = 53,76 %
Problema n 5) El cultivo de soja en nuestro pas se encuentra en expansin. En la provincia de Buenos Aires, el
INTA determin el rendimiento de 40 plantaciones (en toneladas/ha), obteniendo los siguientes resultados:
Rendimiento (tn/ha) N de campos
0-1 2
1-2 9
2-3 10
3-4 13
4-5 5
>5 1
a) Clasificar y definir la variable.

b) Identificar la unidad experimental, la muestra y la poblacin en el estudio.
c) Calcular el rendimiento promedio de soja.
d) Cul es el rendimiento ms frecuente?
e) Cul es el valor de la variable superado por el 50 % de las observaciones de los rendimientos?
f) Durante el mismo perodo, en el sur de Santa Fe, se registr un rendimiento promedio de 3.3 tn/ha, con un desvo
estndar de 0.62 tn/ha. Cul de las 2 producciones fue mayor y cul ms variable?
g) Cul es el rendimiento superado por el 90 % de los campos muestreados?

Problema n 5) El cultivo de soja en nuestro pas se encuentra en expansin. En la provincia de Buenos Aires, el
INTA determin el rendimiento de 40 plantaciones (en toneladas/ha), obteniendo los siguientes resultados:
Rendimiento (tn/ha) N de campos
0-1 2
1-2 9
2-3 10
3-4 13
4-5 5
>5 1

c) Calcular el rendimiento promedio de soja.
d) Cul es el rendimiento ms frecuente?
e) Cul es el valor de la variable superado por el 50 % de las observaciones de los rendimientos?
f) Durante el mismo perodo, en el sur de Santa Fe, se registr un rendimiento promedio de 3.3 tn/ha, con un desvo
estndar de 0.62 tn/ha. Cul de las 2 producciones fue mayor y cul ms variable?
g) Cul es el rendimiento superado por el 90 % de los campos muestreados?
Solucin:
(a) La variable en estudio es el rendimiento [tn/ha] y es una variable cuantitativa continua.
(b) La unidad experimental es la plantacin. La muestra es el conjunto de las 40 plantaciones. La poblacin es el
total de plantaciones de la provincia de Buenos Aires.
(c)
= 113/40 = 2.825 [tn/ha].
(d) 3.5 [tn/ha].
(e) 2.5 [tn/ha].
(f) Buenos Aires:
Sn - 1 = (1/40).[2.(0,5 - 2,825) + ... + 1.(5,5 - 2,825)] = 1,369
Sn = 1,369 = 1,170
CV = (1,170/2,825).100 = 41,42 %
Santa F: x = 3,3;
CV = (0,62/23,3).100 = 18,78 %
El mayor promedio corresponde al sur de Santa F. La mayor variablidad relativa corresponde a Buenos Aires.
Problema n 6) El bicho taladro (Platypus mutatus) es una de las plagas ms importantes que afecta la calidad de
la madera para uso comercial. Se determin la presencia de esa plaga segn el nmero de orificios activos que
presentaban los fustes de lamos de una plantacin comercial. Los resultados fueron los siguientes:
0 1 2 3 4 5 6 7 8 9 o ms
Nro de orificios activos
12 38 28 16 13 11 9 7 5 1
Nro de fustes

c) Se considera que la madera es apta para comercializarse si presenta, a lo sumo, 2 orificios activos.
Qu porcentaje de los rboles no podrn comercializarse?
d) Cul es el promedio de orificios en los lamos que pueden comercializarse y cul, en los que no pueden?
e) En qu caso el nmero de orificios activos por fuste es ms homogneo teniendo en cuenta las dos categoras
definidas previamente (comerciables y no comerciables)?
f) Cul es el nmero ms frecuente de orificios activos por fuste?
g) Cuntos orificios activos por fuste poseen el 25 % de los lamos ms afectados?
h) Entre cules valores se encuentra al 80 % de las observaciones centrales.
i) Dibujar e interpretar el diagrama de caja en trminos del problema.

Problema n 6) El bicho taladro (Platypus mutatus) es una de las plagas ms importantes que afecta la calidad de
la madera para uso comercial. Se determin la presencia de esa plaga segn el nmero de orificios activos que
presentaban los fustes de lamos de una plantacin comercial. Los resultados fueron los siguientes:
0 1 2 3 4 5 6 7 8 9 o ms
Nro de orificios activos
12 38 28 16 13 11 9 7 5 1
Nro de fustes

c) Se considera que la madera es apta para comercializarse si presenta, a lo sumo, 2 orificios activos.
Qu porcentaje de los rboles no podrn comercializarse?
d) Cul es el promedio de orificios en los lamos que pueden comercializarse y cul, en los que no pueden?
e) En qu caso el nmero de orificios activos por fuste es ms homogneo teniendo en cuenta las dos categoras
definidas previamente (comerciables y no comerciables)?
f) Cul es el nmero ms frecuente de orificios activos por fuste?
g) Cuntos orificios activos por fuste poseen el 25 % de los lamos ms afectados?
h) Entre cules valores se encuentra al 80 % de las observaciones centrales.
i) Dibujar e interpretar el diagrama de caja en trminos del problema.
Solucin:
(a) La variable en estudio es el nmero de orificios activos y es una variable cuantitativa discreta.
(b) La unidad experimental es la planta de lamo. La muestra es el conjunto de las 140 plantas. La poblacin es el
total de plantas de lamo en dicha plantacin comercial.
(c) (16 + 13 + 11 + 9 + 7 + 5 + 1)/140 = 62/140 = 0,4429 = 44,29 %.
(d) Comercializables: x = (1/78).(0.12 + 1.38 + 2.28) = 94/78 = 1,205
No comercializables: x = (1/62).(3.16 + 4.13 + 5.11 + 6.9 + 7.7 + 8.5 + 9.1) = 307/62 = 4,952
(e)
Comercializables:
Sn - 1 = (1/78).[12.(0 - 1,205) + 38.(1 - 1,205) + 28.(2 - 1,205)] = 0,471
Sn = 0,471 = 0,686;
CV = (0,686/1,205).100 = 56,93 %
No comercializables:
Sn - 1 = (1/62).[16.(3 - 1,205) + ... + 1.(9 - 1,205)] = 174,85/62 = 2,820
Sn = 2,820 = 1,679
CV = (1,679/4,952).100 = 33,91 %
(f) 1.
(g) q3 = 4. Entre 4 y 9.
(h) p20 = 1. p80 = 5. Entre 1 y 5.
(i)
Problema n 7) En una importante empresa lctea hay 600 empleados que cobran $400, 500 que cobran $600, 100
que cobran $2200 y 5 socios que perciben $100.000 cada uno. Calcular la media, mediana y el modo y discutir cul
de estos 3 estadsticos de tendencia central estima mejor el sueldo de los empleados de la empresa.
.x = (600.400 + 500.600 + 100.2200 + 5.100000)/(600 + 500 + 100 + 5) = 1260000/1205 = 1045,64
x0,5 = 600
xm = 400
Dado que se trata de una distribucin tan asimtrica, la mediana es la medida ms recomendable.
Problema n 8) La tabla siguiente contiene la distribucin de frecuencias de la longitud de tallos de una especie de
arbusto dominante del Monte Pampeano.
Largo [cm] Frecuencia Porcentaje Frecuencia acumulada Porcentaje acumulado
10-15 6 1.2 6 1.2
15-20 35 7.0 41 8.2
20-25 93 18.6 134 26.8
25-30 155 31.0 289 57.8
30-35 130 26.0 419 83.8
35-40 57 11.4 476 95.2
40-45 24 4.8 500 100.0
En base a esta tabla, responda las siguientes preguntas.

a) Cuntos tallos fueron medidos en total?
b) Qu tamaos de tallos es ms frecuente encontrar?
c) Discuta la veracidad de la siguiente afirmacin: "aproximadamente el 83% de los tallos miden menos de 35 cm".
d) Discuta y argumente la efectividad de una tcnica mecnica para el control de los arbustos (desarbustizado) en
la cual, por motivos operativos, la barra de corte trabaja a 40 cm del nivel del suelo.

Problema n 8) La tabla siguiente contiene la distribucin de frecuencias de la longitud de tallos de una especie de
arbusto dominante del Monte Pampeano.
Largo [cm] Frecuencia Porcentaje Frecuencia acumulada Porcentaje acumulado
10-15 6 1.2 6 1.2
15-20 35 7.0 41 8.2
20-25 93 18.6 134 26.8
25-30 155 31.0 289 57.8
30-35 130 26.0 419 83.8
35-40 57 11.4 476 95.2
40-45 24 4.8 500 100.0
En base a esta tabla, responda las siguientes preguntas.

a) Cuntos tallos fueron medidos en total?
b) Qu tamaos de tallos es ms frecuente encontrar?
c) Discuta la veracidad de la siguiente afirmacin: "aproximadamente el 83% de los tallos miden menos de 35 cm".
d) Discuta y argumente la efectividad de una tcnica mecnica para el control de los arbustos (desarbustizado) en
la cual, por motivos operativos, la barra de corte trabaja a 40 cm del nivel del suelo.
Solucin:
(a) 6 + 35 + 93 + 155 + 130 + 57 + 24 = 500.
(b) Tallos entre 25 y 30 cm (marca de clase 27.5).
(c) (6 + 35 + 93 + 155 + 130)/500 = 419/500 = 0,838
83,8 %. Afirmacin correcta.
(d) Si trabaja a 40 cm del suelo va a dejar sin cortar al (500 - 24)/500 = 0,952
95,2 % de los tallos sin cortar. Tcnica poco efectiva.
Problema n 9) Ambos histogramas representan la distribucin de tamaos (D.A.P.: dimetro a la altura del pecho)
de una poblacin de Prosopis caldenia (caldn) localizada en Luan Toro, provincia de La Pampa.
(a) Histograma de frecuencias relativas y (b) Histograma de frecuencias relativas acumuladas.
(a) (b)
En base a los mismos responda:
a) Es la distribucin unimodal? Justifique. Cul es el valor aproximado de la o las moda/s?
b) Qu porcentaje de fustes comerciables existe si el criterio es que superen los 48 cm de dimetro?
c) Qu porcentaje de individuos no superan los 16 cm de dimetro?
d) Qu porcentaje aproximado de individuos se hallan dentro del rango de 30 a 50 cm de dimetro?

Problema n 9) Ambos histogramas representan la distribucin de tamaos (D.A.P.: dimetro a la altura del pecho)
de una poblacin de Prosopis caldenia (caldn) localizada en Luan Toro, provincia de La Pampa.
(a) Histograma de frecuencias relativas y (b) Histograma de frecuencias relativas acumuladas.
(a) (b)
En base a los mismos responda:
a) Es la distribucin unimodal? Justifique. Cul es el valor aproximado de la o las moda/s?
b) Qu porcentaje de fustes comerciables existe si el criterio es que superen los 48 cm de dimetro?
c) Qu porcentaje de individuos no superan los 16 cm de dimetro?
d) Qu porcentaje aproximado de individuos se hallan dentro del rango de 30 a 50 cm de dimetro?
Solucin:
(a) No. La distribucin es notablemente bimodal con modos en x = 12 y en x = 56, aproximadamente.
(b) Segn la Figura (b), 50%.
(c) Segn las Figuras, aproximadamente un 30%.
(d) Segn las Figuras, aproximadamente un 5%.
Problema n 10) El siguiente diagrama de caja representa la distribucin de la velocidad del viento para los das del
mes de Enero en la costa de Comodoro Rivadavia, provincia de Chubut. En base al mismo responda:
a) Es una distribucin simtrica? Justifique su respuesta.
b) Si la velocidad ptima para navegacin a vela en alta mar oscila entre 20-40 Km/h, qu porcentaje aproximado
se halla dentro de este rango?

Problema n 10) El siguiente diagrama de caja representa la distribucin de la velocidad del viento para los das del
mes de Enero en la costa de Comodoro Rivadavia, provincia de Chubut. En base al mismo responda:
a) Es una distribucin simtrica? Justifique su respuesta.
b) Si la velocidad ptima para navegacin a vela en alta mar oscila entre 20-40 Km/h, qu porcentaje aproximado
se halla dentro de este rango?
Solucin:
(a) No. Los valores extremos (mximo y mnimo) se encuentran a diferentes distancias de la medida de tendencia
central y el ltimo 25% es mucho ms disperso que el resto.
(b) Aproximadamente un 25%.
Problema n 11) Los siguientes diagramas de caja representan la distribucin de la carga parasitaria en campos de
cra de ganado vacuno de la Depresin del Salado, provincia de Buenos Aires. En base a los mismos responda:
a) Cules campos presentan distribuciones asimtricas? Justifique su respuesta.
b) Si usted fuera el asesor de la zona, en cules campo/s cree que se realiza un buen manejo sanitario del rodeo?
Discuta y justifique su respuesta.
c) Cules campos presentan una mediana no superior a 66 parsitos por animal?

Problema n 11) Los siguientes diagramas de caja representan la distribucin de la carga parasitaria en campos de
cra de ganado vacuno de la Depresin del Salado, provincia de Buenos Aires. En base a los mismos responda:
a) Cules campos presentan distribuciones asimtricas? Justifique su respuesta.

b) Si usted fuera el asesor de la zona, en cules campo/s cree que se realiza un buen manejo sanitario del rodeo?
Discuta y justifique su respuesta.
c) Cules campos presentan una mediana no superior a 66 parsitos por animal?
Solucin:
(a) Los tres campos presentan distribuciones asimtricas porque los valores extremos (mximo y mnimo) se
encuentran a diferentes distancias de la medida de tendencia central.
(b) En el campo C porque, no slo tiene la menor carga de parsitos sino que tambin es el ms homogneo.
(c) Los campos A y C.
Teora de probabilidades - Ejercicios resueltos

Teora de probabilidades. Variables aleatorias. Distribuciones de probabilidades para variables aleatorias discretas
y continuas. Distribucin binomial y distribucin normal. Uso de tablas.
Contenido
Ejercicios de Probabilidades y estadsticas: Teora de probabilidades. Variables aleatorias. Distribuciones de
probabilidades para variables aleatorias discretas y continuas. Distribucin binomial y distribucin normal. Uso de
tablas.
Tema N 2: Teora de probabilidades. Variables aleatorias. Distribuciones de probabilidades para variables
aleatorias discretas y continuas. Distribucin binomial y distribucin normal. Uso de tablas.
Problema n 1) A continuacin se muestra una tabla probabilstica acerca del nivel de instruccin de productores
de una zona y la implementacin de nuevas tcnicas de cultivo.
Implementacin de nuevas tcnicas de cultivo
No S
0.40 0.20
Bajo
Nivel de instruccin 0.10 0.30
Alto
Son independientes el nivel de instruccin de los productores de esa zona y la implementacin de nuevas tcnicas
de cultivo?
Solucin del ejercicio n 1 de Teora de probabilidades. Variables aleatorias. Distribuciones de probabilidades para
variables aleatorias discretas y continuas. Distribucin binomial y distribucin normal. Uso de tablas:
Problema n 1) A continuacin se muestra una tabla probabilstica acerca del nivel de instruccin de productores
de una zona y la implementacin de nuevas tcnicas de cultivo.
Implementacin de nuevas tcnicas de cultivo
No S
0.40 0.20
Bajo
Nivel de instruccin 0.10 0.30
Alto
Son independientes el nivel de instruccin de los productores de esa zona y la implementacin de nuevas tcnicas
de cultivo?
Solucin:
P(Bajo No) = 0.40; P(Bajo) = 0.40 + 0.20 = 0.60; P(Bajo No) P(Bajo)P(No)
Nivel de Instruccin e Implementacin de nuevas tcnicas no son independientes.
Problema n 2) Cierto artculo es inspeccionado visualmente por dos inspectores. Cuando aparece un artculo
defectuoso, la probabilidad de que no sea detectado por el primer inspector es igual a 0.1. De aquellos no
detectados por el primer inspector, el segundo inspector slo detecta 5 de cada 10. Qu fraccin de defectuosos
no son detectados por ninguno de los inspectores?
Problema n 2) Cierto artculo es inspeccionado visualmente por dos inspectores. Cuando aparece un artculo
defectuoso, la probabilidad de que no sea detectado por el primer inspector es igual a 0.1. De aquellos no
detectados por el primer inspector, el segundo inspector slo detecta 5 de cada 10. Qu fraccin de defectuosos
no son detectados por ninguno de los inspectores?
Solucin:
P(No1No2) = P(No1)P(No2/No1) = (0.1)(0.5) = 0.05.
Problema n 3) El 34% de los rboles de un bosque tienen ms de 15 aos. El 54% son de la variedad A. De los de
la variedad A, el 7% tiene ms de 15 aos. Si se elige un rbol al azar:
Problema n 3) El 34% de los rboles de un bosque tienen ms de 15 aos. El 54% son de la variedad A. De los de
la variedad A, el 7% tiene ms de 15 aos. Si se elige un rbol al azar:
Solucin:
P(X>15) = 0.34; P(A) = 0.54; P(X>15/A) = 0.07;
(a) P(X>15 A) = P(A)P(X>15/A) = (0.54)(0.07) = 0.0378;
(b) P(A/X > 15) = P(A X > 15)/P(X > 15) = 0,0378/0,34 = 0.1112.
Problema n 4) Se echan dos monedas equilibradas; demuestre que el hecho "cara en la primera moneda" y el
hecho
"las dos monedas quedan igual" son independientes.
Problema n 4) Se echan dos monedas equilibradas; demuestre que el hecho "cara en la primera moneda" y el
hecho
"las dos monedas quedan igual" son independientes.
Solucin:
S = {C1C2; C1X2; X1C2; X1X2;}; P(C1) = 0.50; P(las 2 iguales) = P(C1C2 X1X2) = 0.25 + 0.25 = 0.50;
P(C1las 2 iguales) = P(C1C2) = 0.25; P(C1las 2 iguales) = P(C1) P(las 2 iguales)
son independientes.
Problema n 5) Un analista econmico est investigando ciertos indicadores de bienestar referidos a un grupo de
pases que han sido clasificados como "altamente desarrollados", "medianamente desarrollados" y
"subdesarrollados". El objetivo del trabajo era analizar cierta cantidad de hogares urbanos, observando si los
mismos contaban o no con red cloacal. El 10% de los hogares analizados pertenecan a pases con alto nivel de
desarrollo y el 50% de los hogares, a pases medianamente desarrollados. Se pudo determinar que el 60% de los
hogares estudiados posean red cloacal, pero dicha proporcin era notoriamente ms alta en los hogares
estudiados que provenan de pases altamente desarrollados, ya que entre ellos, el 90% posea red cloacal. El 80%
de los hogares sin red cloacal provena de pases subdesarrollados. Sobre la base de esta informacin, hallar:
a) La probabilidad de que un hogar elegido al azar pertenezca a un pas altamente desarrollado, pero que no
tenga red cloacal;
b) La probabilidad de que un hogar con red cloacal pertenezca a un pas subdesarrollado;
c) La probabilidad de que un hogar no pertenezca a un pas subdesarrollado o no tenga red cloacal;
Problema n 5) Un analista econmico est investigando ciertos indicadores de bienestar referidos a un grupo de
pases que han sido clasificados como "altamente desarrollados", "medianamente desarrollados" y
"subdesarrollados". El objetivo del trabajo era analizar cierta cantidad de hogares urbanos, observando si los
mismos contaban o no con red cloacal. El 10% de los hogares analizados pertenecan a pases con alto nivel de
desarrollo y el 50% de los hogares, a pases medianamente desarrollados. Se pudo determinar que el 60% de los
hogares estudiados posean red cloacal, pero dicha proporcin era notoriamente ms alta en los hogares
estudiados que provenan de pases altamente desarrollados, ya que entre ellos, el 90% posea red cloacal. El 80%
de los hogares sin red cloacal provena de pases subdesarrollados. Sobre la base de esta informacin, hallar:
a) La probabilidad de que un hogar elegido al azar pertenezca a un pas altamente desarrollado, pero que no
tenga red cloacal;
b) La probabilidad de que un hogar con red cloacal pertenezca a un pas subdesarrollado;
c) La probabilidad de que un hogar no pertenezca a un pas subdesarrollado o no tenga red cloacal;
Solucin:
Red cloacal
S No
0.09 0.01
Alto 0.43 0.07 0.10
Desarrollo Medio 0.50
Bajo 0.08 0.32 0.40
0.60 0.40 1.00

La informacin dada en el enunciado est escrita en negro; lo que est escrito en verde forma parte de la
respuesta.
(a) 0.01;
(b) 0,08/0,60 = 0.13333;
(c) P(No Bajo No RC) = P(No Bajo) + P(No RC) - P(No Bajo No RC) =
= (0.10+ 0.50) + 0.40 - (0.01 + 0.07) = 0.92.
Problema n 6) En una operacin comercial se puede obtener una utilidad de $1000 o sufrir una prdida de $500.
Si la probabilidad de una utilidad es de 0.6, demuestre que la utilidad esperada en dicha operacin es de $400.
Problema n 6) En una operacin comercial se puede obtener una utilidad de $1000 o sufrir una prdida de $500.
Si la probabilidad de una utilidad es de 0.6, demuestre que la utilidad esperada en dicha operacin es de $400.
Solucin:
(0.6)($1000) - (0.4)($500) = $400.
Problema n 7) Sea X una variable aleatoria discreta que slo toma los valores 0, 1, 2, 3, 4 y 5 y que tiene la
distribucin de probabilidad dada por la siguiente tabla.
X 0 1 2 3 4 5
0.05 0.30 ? 0.20 0.10 0.05
P(X)
a) Calcule P(2).
b) Calcule y .
c) Localice el intervalo [ - 2; + 2] sobre el eje x del histograma.
Problema n 7) Sea X una variable aleatoria discreta que slo toma los valores 0, 1, 2, 3, 4 y 5 y que tiene la
distribucin de probabilidad dada por la siguiente tabla.
X 0 1 2 3 4 5
0.05 0.30 ? 0.20 0.10 0.05
P(X)
a) Calcule P(2).
b) Calcule y .
c) Localice el intervalo [ - 2; + 2] sobre el eje x del histograma.
Solucin:
(a) P(2) = 1 - 0.05 - 0.30 - 0.20 - 0.10 - 0.05 = 0.30;
(b) = 00.05 + 10.30 + 20.30 + 30.20 + 40.10 + 50.05 = 2.15;
= 0.05(0 - 2.15) + 0.30(1 - 2.15) + 0.20(2 - 2.15) + ... + 0.05(5 - 2.15) = 1.5275;
= ()1/2 = 1,5275 = 1,2359
(c)
[ - 2; + 2] = [2.15 - 21.2359 ; 2.15 + 21.2359] = [-0.3218 ; +4.6218].
Problema n 8) Un vendedor de seguros sabe que la oportunidad de vender una pliza es mayor mientras ms
contactos realice con clientes potenciales. Si la probabilidad de que una persona compre una pliza de seguro
despus de la visita, es constante e igual a 0.25, y si el conjunto de visitas constituye un conjunto independiente de
ensayos, cuntos compradores potenciales debe visitar el vendedor para que la probabilidad de vender por lo
menos una pliza sea de 0.80?
Problema n 8) Un vendedor de seguros sabe que la oportunidad de vender una pliza es mayor mientras ms
contactos realice con clientes potenciales. Si la probabilidad de que una persona compre una pliza de seguro
despus de la visita, es constante e igual a 0.25, y si el conjunto de visitas constituye un conjunto independiente de
ensayos, cuntos compradores potenciales debe visitar el vendedor para que la probabilidad de vender por lo
menos una pliza sea de 0.80?
Solucin:
1 visita: P(vender 1 pliza) = 0.25;
2 visitas: P(vender al menos 1 pliza) = 1 - P(no vender ninguna pliza) = 1 -0.75 = 0.4375;
6 visitas: P(vender al menos 1 pliza) = 1 - P(no vender ninguna pliza) = 1 -0.756 = 0.8220.
Problema n 9) Un plan de control de calidad acepta un lote grande de artculos, si una muestra de siete artculos
no produce ninguno defectuoso. Cul es la probabilidad de aceptar el lote si ningn artculo del lote es
defectuoso? Y si 1/10 son defectuosos? Si 1/2 son defectuosos?
Problema n 9) Un plan de control de calidad acepta un lote grande de artculos, si una muestra de siete artculos
no produce ninguno defectuoso. Cul es la probabilidad de aceptar el lote si ningn artculo del lote es
defectuoso? Y si 1/10 son defectuosos? Si 1/2 son defectuosos?
Solucin:
(a) = 1; P(aceptar el lote) = 1.0000;
(b) = 0.9; P(aceptar el lote) = .0,10.0,97 = 0.4783;
(c) = 0.5; P(aceptar el lote) = .0,50.0,57 = 0.0078.
Problema n 10) La probabilidad de infeccin con odio (enfermedad fngica) en plantas de zapallito redondo en las
quintas del cinturn hortcola del Gran Buenos Aires es 0.15. Si usted es contratado por el Ministerio de Asuntos
Agrarios de la provincia de Buenos Aires para elaborar un informe acerca del estado de la enfermedad en dicha
rea y decide visitar 15 quintas, cul es la probabilidad esperada para los siguientes sucesos:
a) A lo sumo 3 quintas presenten cultivos infectados.
b) Slo 5 quintas presenten cultivos infectados.
c) Al menos 4 quintas presenten cultivos infectados.
Problema n 10) La probabilidad de infeccin con odio (enfermedad fngica) en plantas de zapallito redondo en las
quintas del cinturn hortcola del Gran Buenos Aires es 0.15. Si usted es contratado por el Ministerio de Asuntos
Agrarios de la provincia de Buenos Aires para elaborar un informe acerca del estado de la enfermedad en dicha
rea y decide visitar 15 quintas, cul es la probabilidad esperada para los siguientes sucesos:
a) A lo sumo 3 quintas presenten cultivos infectados.
b) Slo 5 quintas presenten cultivos infectados.
c) Al menos 4 quintas presenten cultivos infectados.
Solucin:
P(Odio) = 0.15; X: nmero de quintas con cultivos infectados;
(a) P(X 3) = .0,150.0,8515 + .0,151.0,8514 + .0,15.0,8513 + .0,15.0,8512 = 0.0873 + 0.2312 +

0.2856 + 0.2184 = 0.8225.
(b) P(X = 5) = 0.0449;

(c) P(X 4) = 1 - P(X 3) = 1 - 0.8225 = 0.1775.
Problema n 11) El 40% de los animales de un rodeo son de raza A y el resto, de raza B. El peso de los animales
de la raza A sigue una distribucin normal con media 250 kg y varianza 400 kg. El peso de los animales de la raza
B sigue una distribucin normal con media 270 kg y desvo tpico 30 kg. Qu porcentaje de animales tiene peso
superior a 240?
Problema n 11) El 40% de los animales de un rodeo son de raza A y el resto, de raza B. El peso de los animales
de la raza A sigue una distribucin normal con media 250 kg y varianza 400 kg. El peso de los animales de la raza
B sigue una distribucin normal con media 270 kg y desvo tpico 30 kg. Qu porcentaje de animales tiene peso
superior a 240?
Solucin:
P(raza A) = 0.40; P(raza B) = 0.60; A = 250 kg.; A = 400 kg; B = 270 kg.; B = 900 kg;
P(X>240/A) = P[z > (240 - 250)/400] = P (z > - 0,50) = 0,6915;
P(X>240/B) = P[z > (240 - 270)/900] = P (z > - 1,00) = 0,8413;
P(X>240) = P(X>240 y raza A) + P(X>240 y raza B) = P(A)P(X>240/A) + P(B)P(X>240/B) =
= 0.400.6915 + 0.600.8413 = 0.78138.
Problema n 12) Un proceso industrial produce tornillos cuyos dimetros tienen una distribucin normal con media
y desviacin estndar iguales a 0.498 y 0.002 respectivamente. Si las especificaciones requieren que el dimetro
sea igual a 0.500 0.004 centmetros qu fraccin de la poblacin ser inaceptable?
Problema n 12) Un proceso industrial produce tornillos cuyos dimetros tienen una distribucin normal con media
y desviacin estndar iguales a 0.498 y 0.002 respectivamente. Si las especificaciones requieren que el dimetro
sea igual a 0.500 0.004 centmetros qu fraccin de la poblacin ser inaceptable?
Solucin:
= 0.498;
= 0.002;
P(Aceptable) = P{z < (0,500 + 0,004 - 0,498)/0,002} - P{z < (0,500 - 0,004 - 0,498)/0,002} = P(z < 3) - P(z < -1) =
0,9987 - 0,1587 = 0,84
P(Inaceptable) = 1 - P(Aceptable) = 1 - 0.84 = 0.16.
Problema n 13) Se ha estudiado la variable circunferencia basal [cm] en rboles de 5 aos de edad de una
especie forestal y se hall que la funcin de densidad f(c) = -c + 4c - (8/3) describa muy ajustadamente las
observaciones en muchas poblaciones de la especie (1 c 2).
(a) Comprobar que f(c) es una funcin de densidad.
(b) Si se elige un rbol al azar de una poblacin:
(i) cul es la probabilidad de que tenga una circunferencia basal menor a 1.2 cm?
(ii) cul es la probabilidad de que tenga una circunferencia basal mayor a 1.7 cm?
(iii) cul es la probabilidad de que tenga una circunferencia basal mayor a 1.2 cm y menor a 1.7 cm?
(iv) Por qu las probabilidades de los puntos (i), (ii) y (iii) suman 1?
Problema n 13) Se ha estudiado la variable circunferencia basal [cm] en rboles de 5 aos de edad de una
especie forestal y se hall que la funcin de densidad f(c) = -c + 4c - (8/3) describa muy ajustadamente las
observaciones en muchas poblaciones de la especie (1 c 2).
(a) Comprobar que f(c) es una funcin de densidad.
(b) Si se elige un rbol al azar de una poblacin:
(i) cul es la probabilidad de que tenga una circunferencia basal menor a 1.2 cm?
(ii) cul es la probabilidad de que tenga una circunferencia basal mayor a 1.7 cm?
(iii) cul es la probabilidad de que tenga una circunferencia basal mayor a 1.2 cm y menor a 1.7 cm?
(iv) Por qu las probabilidades de los puntos (i), (ii) y (iii) suman 1?
Solucin:
(a) Para que f(c) sea una funcin de densidad se debe cumplir que:
(i) f(c) 0 en [1;2] y, (ii) (c).dc = 1;

(c).dc = (-c + 4.c - 8/3).dc = - c.dc + 4. c.dc - (8/3) dc = |-c/3 + 4.c/2 - 8.c/3|1
= -(8 - 1)/3 + 2.(4 - 1) - 8.(2 - 1)/3 = 1
(b)
Primero debemos determinar F() = ; [1

2];
Luego:
(i) F(1.2) = 0.104;
(ii) 1 - F(1.7) = 1 - 0.609 = 0.391;
(iii) F(1.7) - F(1.2) = 0.609 - 0.104 = 0.505;
(iv) porque abarcan todos los eventos posibles del espacio muestral.
Problema n 14) Se conoce que la variable frecuencia relativa de abonados en un instante dado en la cola de
espera de un servicio en una empresa sigue una distribucin cuya funcin de densidad es f(t) = t - 2t + (5/3).
(a) Graficar f(t) y verificar que f(t) es una funcin de densidad.
(b) Calcular la media y la variancia de t.
(c) Calcular la probabilidad de que en un instante dado haya en la cola de espera al menos un 30% de abonados.
Problema n 14) Se conoce que la variable frecuencia relativa de abonados en un instante dado en la cola de
espera de un servicio en una empresa sigue una distribucin cuya funcin de densidad es f(t) = t - 2t + (5/3).
(a) Graficar f(t) y verificar que f(t) es una funcin de densidad.
(b) Calcular la media y la variancia de t.
(c) Calcular la probabilidad de que en un instante dado haya en la cola de espera al menos un 30% de abonados.
Solucin:
(a)
f(t) 0 en [0;1] y
(b) 0.417;
= 0.0819
(c) F(t) = ; luego F(0.30) = 0.419 y

P(X > 0.30) = 1 - 0.419 = 0.581.
Problema n 15) El dimetro de las tortas de girasol se distribuye normalmente con media 18 cm y desvo tpico 6
cm.
a) Qu porcentaje de las tortas tienen un dimetro entre 16 y 21 cm?
b) Cul es el dimetro superado slo por el 90% de las plantas?
c) En una muestra de 10 tortas, cul es la probabilidad de encontrar a lo sumo 3 con dimetro inferior a 16 cm?
Problema n 15) El dimetro de las tortas de girasol se distribuye normalmente con media 18 cm y desvo tpico 6
cm.
a) Qu porcentaje de las tortas tienen un dimetro entre 16 y 21 cm?
b) Cul es el dimetro superado slo por el 90% de las plantas?
c) En una muestra de 10 tortas, cul es la probabilidad de encontrar a lo sumo 3 con dimetro inferior a 16 cm?
Solucin:
= 18 cm y = 6 cm;
(a) P{z < (21 - 18)/6} - P{z < (16 - 18)/6} = N(0,5) - N(-0,3333) = 0,6915 - 0,3707 = 0.3208;
(b) P(z > z0) = 0.90
P(z < z0) = 0.10
z0 = -1.28; z = ( - 18)/6 = -1,28
x = 10.32;
(c) P(X < 16) = P(z < -0.3333) = 0.3707;
P(n 3) = .0,37070.0,629310 + .0,37071.0,62939 + .0,3707.0,62938 + .0,3707.0,62937 =

0.0097 + 0.0574 + 0.1521 + 0.2389 = 0.4581.
Problema n 16) Sea X una variable aleatoria con distribucin binomial y parmetros n = 8 y p = 0.4. Obtener las
probabilidades puntuales de los valores de X. Hacer una grfica de la funcin de probabilidad.
Problema n 16) Sea X una variable aleatoria con distribucin binomial y parmetros n = 8 y p = 0.4. Obtener las
probabilidades puntuales de los valores de X. Hacer una grfica de la funcin de probabilidad.
Solucin:
x 0 1 2 3 4 5 6 7 8
P(x) 0.0168 0.0896 0.2090 0.2787 0.2322 0.1238 0.0413 0.0079 0.0007
Problema n 17) Sea Z una variable aleatoria normal estndar. Hallar el nmero h tal que Z es:
(a) menor que h con probabilidad 0.7
(b) menor que h con probabilidad 0.25
(c) mayor que h con probabilidad 0.02
(d) mayor que h con probabilidad 0.6.
Problema n 17) Sea Z una variable aleatoria normal estndar. Hallar el nmero h tal que Z es:
(a) menor que h con probabilidad 0.7
(b) menor que h con probabilidad 0.25
(c) mayor que h con probabilidad 0.02
(d) mayor que h con probabilidad 0.6.
Solucin:
(a) P(z < h) = 0.70
h = 0.53; (b) P(z < h) = 0.25
h = -0.68; (c) P(z > h) = 0.02
h = +2.60;
(d) P(z > h) = 0.60
h = -0.25.
Problema n 18) Una compaa que produce fertilizantes est preocupada por el contenido de impurezas en sus
productos granulados. Se estima que el peso de las impurezas por lote se distribuye segn una normal con media
12.2 gramos y desviacin tpica 2.8 gramos. Se elige un lote al azar.
a) Cul es la probabilidad de que contenga menos de 10 gramos de impurezas?
b) Cul es la probabilidad de que contenga ms de 15 gramos de impurezas?
c) Cul es la probabilidad de que contenga entre 12 y 15 gramos de impurezas?
Problema n 18) Una compaa que produce fertilizantes est preocupada por el contenido de impurezas en sus
productos granulados. Se estima que el peso de las impurezas por lote se distribuye segn una normal con media
12.2 gramos y desviacin tpica 2.8 gramos. Se elige un lote al azar.
a) Cul es la probabilidad de que contenga menos de 10 gramos de impurezas?
b) Cul es la probabilidad de que contenga ms de 15 gramos de impurezas?
c) Cul es la probabilidad de que contenga entre 12 y 15 gramos de impurezas?
Solucin:
= 12.2 g y = 2.8 g;
(a) P(X < 10) = P{z < (10 - 12,2)/2,8}
P(z < -0.786) = 0.215;
(b) P(X > 15) = P{z > (15 - 12,2)/2,8}
P(z > 1) = 0.1587;
(c) P(X < 15) - P(X < 12) = P(z < 1) - P(z < -0.071) = 0.8413 - 0.4720 = 0.3693.
Autor: Olga Susana Filippini
Problema n 19) Los motores de un avin operan de manera independiente. La probabilidad de que un motor
funcione correctamente en un dado viaje es de 0.95. Una aeronave es capaz de completar el trayecto de un viaje de
manera exitosa si por lo menos la mitad de sus motores funciona correctamente. En base a esto, determine qu tipo
de aeronave tiene mayor probabilidad de completar un viaje exitoso: un tetramotor o un bimotor?
Problema n 19) Los motores de un avin operan de manera independiente. La probabilidad de que un motor
funcione correctamente en un dado viaje es de 0.95. Una aeronave es capaz de completar el trayecto de un viaje de
manera exitosa si por lo menos la mitad de sus motores funciona correctamente. En base a esto, determine qu tipo
de aeronave tiene mayor probabilidad de completar un viaje exitoso: un tetramotor o un bimotor?
Solucin:
P(f. correcto) = 0.95;
P(x 4/2) = P(x 2) = 1 - P(x < 2) = = 0,9995

P(x n/2)
P(x 2/2) = P(x 1) = 1 - P(x < 1) = 1 - P(x = 0) = = 0,9975
El bimotor.
independencia.
Contenido
Apunte de Probabilidades y estadsticas: Probabilidad condicional. Con reposicin y sin reposicin. Simples o
Ejercicios: Probabilidad condicional.
Problema n 1) Al transportar una caja conteniendo 21 piezas buenas y 10 defectuosas, se extravi una de ellas
sin saber de que tipo era. Hallar la probabilidad de que la pieza extraviada haya sido:
a) Buena.
b) Defectuosa.
Problema n 1) Al transportar una caja conteniendo 21 piezas buenas y 10 defectuosas, se extravi una de ellas
sin saber de que tipo era. Hallar la probabilidad de que la pieza extraviada haya sido:
a) Buena.
b) Defectuosa.
Solucin:
a) P(B) = 21/31 = 0,67742
b) P(M) = 10/31 = 0,32258
Problema n 2) Se realizara un importante congreso y los organizadores quieren que el mismo se desarrolle sin
problemas de abastecimiento de electricidad. Saben que la probabilidad de que un grupo electrgeno funcione bien
es de 0,90 y se sentirn seguros si la probabilidad de falla es de 1/5000.
Cuntos grupos electrgenos necesitarn?
Respuesta:
4 grupos electrgenos.
Problema n 3) La probabilidad de que aumente en el prximo mes el precio de los autos 0 Km. es de 0,80; la
probabilidad de que aumenten las ventas es de 0,30; y la de que ocurran ambos sucesos es de 0,20.
a) Cul es la probabilidad de que las ventas suban si el precio aumento?
b) Cul es la probabilidad de que suba el precio dado que las ventas aumentaron?
c) Pruebe si ambos sucesos son independientes o no.
Respuesta:
a) 0,25
b) 0,667
c) Sucesos dependientes.
Problema n 4) Suponga que se sabe que el 5 % de los hombres y el 0,75 % de las mujeres son daltnicos.
Sabiendo adems que el 51 % de las personas son hombres, calcule la probabilidad de que una persona elegida al
azar sea daltnica.
Respuesta:
2,92 %
Problema n 5) Sea un tirador que tiene una probabilidad de acertar al blanco de 0,9. Pero en el caso de que el tiro
anterior fuera yerro, se pone nervioso y esta probabilidad disminuye a 0,6.
Qu probabilidad tiene de lograr el segundo acierto en el tiro cuatro?
Respuesta:
0,0468
Problema n 6) Si P(A) = 1/4, P (B/A) = 1/2 y P (A/B) = 1/4, justificar si es verdadero o falso que:
P (A/B) + P (A/B) = 1
Respuesta:
Verdadero
Problema n 7) La probabilidad de derribar un avin enemigo con un tiro de gomera, en determinadas condiciones,
es de 0,004. Se desea saber la probabilidad de abatir un avin enemigo con el tiro simultneo de 250 gomeras.
Respuesta:
0,63286
Problema n 8) Los eventos A y B sin independientes, los eventos A y C son excluyentes y los eventos B y C son
independientes.
Calcular P(A U B U C), sabiendo que P(A) = 0,5, P(B) = 0,25 y P(C) = 0,125.
Respuesta:
0,71875
Problema n 9) La probabilidad de que el lanzamiento de un producto al mercado sea exitoso se estima en 0,80, la
probabilidad de que los gastos en publicidad no excedan los u$s 20.000 es de 0,6 y la de que se logren ambos
objetivos de 0,48.
Cul es la probabilidad de que se logre por lo menos un de estos objetivos?
Respuesta:
a) 0,92
b) Probabilidad de aparicin de por lo menos un suceso independiente P(A) = 1 - qn.
Problema n 10) Una urna contiene pelotitas numeradas del 1 a 100, pintadas de rojo o verde. De las pelotitas
pares, el 70 % estn pintadas de rojo mientras que, de las impares, el 58 % estn pintadas de verde.
Se extrae una pelotita a azar y resulta ser verde.
a) Qu probabilidad hay de que sea impar?
b) Qu probabilidad hay de que sea par?
Respuesta:
a) 0,6591
b) 0,34091
independencia.
Contenido
Problema n 1) Sean dos tiradores A y B con una probabilidad de acertar a un blanco de 0,7 y 0,8 respectivamente.
Tiran en orden sucesivo (primero A y luego B, despus A y luego nuevamente B, y as) y gana el primero que
logra una ventaja de dos aciertos, habiendo realizado ambos la misma cantidad de tiros.
Calcular la probabilidad de que A gane en su:
a) Segundo tiro.
b) Tercer tiro.
Respuesta:
a) 0,0196
b) 0,024304
Problema n 2) Los integrantes de un tour a las Cataratas del Iguaz son 30 argentinos y 20 extranjeros,
clasificados segn sus edades de la siguiente forma:
Edad Argentinos Extranjeros Total
0 20 6 5 11
20 40 15 8 23
Ms de 40 9 7 16
TOTAL 30 20 50
Se sortea al azar una persona y se desea calcular la probabilidad de que sea:

a) Argentino o con edad entre 20 y 40 aos.
b) Extranjero menor de 20 aos.
c) Mayor de 40 aos, siendo argentino.
Respuesta:
a) 28/50
b) 0,1
c) 9/30
Problema n 3) Se poseen dos dados en un juego de apuestas. A qu le apostara usted?
Respuesta:
Se apostara al 7 por ser el de mayor probabilidad: P(7) = 1/6.
Problema n 4) Una urna contiene 7 bolillas blancas y 3 negras, en tanto que una segunda urna contiene 5 bolillas
blancas y 5 negras.
Se extrae una bolilla de la primera urna y se coloca en la segunda, extrayendo luego de esta ltima otra bolilla.
a) Cul es la probabilidad de que esta segunda bolilla sea blanca, si no se sabe de que color fue la extrada en
primer lugar?
b) Y si se sabe que la bolilla extrada de la primera urna fue negra?
Respuesta:
a) 57/110
b) 5/11
Problema n 5) Las mquinas A y B producen diariamente 500 y 800 tornillos, con un porcentaje de defectuosos de
3 % y 5 % respectivamente. Se extrae un tornillo al azar y resulta ser defectuoso: determine la probabilidad de que
haya sido producido por la mquina A.
Respuesta:
3/11
Problema n 6) El 70 % de los gerentes de cierta empresa posee automvil y el 15 % posee telefona porttil, en
tanto que hay un 3 % que cuenta con ambos productos y ha sido considerado en los porcentajes anteriores.
a) Cul es el porcentaje de gerentes que posee al menos uno de estos productos?
b) Cul es la probabilidad de encontrar un gerente que no cuente con ninguno de ellos?
c) Se elige un gerente al azar que posee uno de estos productos. Cul es la probabilidad de que slo tenga
telefona porttil?
Respuesta:
a) 0,82
b) 0,18
c) 0,14634
Problema n 7) Un 25 % de los vehculos que circulan por cierta carretera son camiones y el resto son automviles.
Las respectivas probabilidades de que paren en una determinada estacin de servicio son de 0,01 y 0,02. Indicar la
probabilidad de que el prximo vehculo pase por dicha estacin y se detenga sea un camin.
Respuesta:
0,14286
Problema n 8) En una planta productora de tubos fluorescentes, se ha encontrado que el equipo de vaco funciona
irregularmente 20 minutos en cada jornada de 8 horas. Cuando esto sucede, el porcentaje de defectuosos se eleva
del 3 % habitual al 12 % .
Del almacn se extrae un tubo, se lo examina y resulta ser defectuoso.
a) Cul es la probabilidad de que ese tubo haya sido fabricado en un momento en que el equipo funcionaba
irregularmente?
b) Cul es la probabilidad de que ese tubo haya sido fabricado en un momento en que el equipo funcionaba
regularmente?
Respuesta:
a) 0,14815
b) 0,85185
Problema n 9) De un grupo de 1000 estudiantes universitarios, 800 concurren a universidades estatales y, de
ellos, 500 trabajan. Hallar la probabilidad de que un estudiante elegido al azar trabaja y concurren a una universidad
privada, sabiendo que la cantidad de estudiantes que no trabajan alcanza al 48 % del total del grupo.
Respuesta:
0,02
Problema n 10) De 200 personas el 40 % fuma, 164 saben manejar y slo el 5 % no fuma y no sabe aneja.
Si se elige una persona al azar:
a) Cul es la probabilidad de que fume y maneje?
b) Y de que fume pero no maneje?
Respuesta:
a) 0,27
b) 0,13
independencia.
Contenido
Problema n 1) Por una ruta pasan los vehculos colectados por dos sub-rutas A y B. Los vehculos de A estn
compuestos por un 10 % de camiones y los B por un 20 % de camiones. A su vez, el 40 % de los vehculos que
circulan por la ruta provienen de A, y el resto proviene de B.
Cul es la probabilidad de que en una muestra de 3 vehculos, elegidos a azar de la ruta colectora, se encuentre
dos camones?
Respuesta:
0,064512
Problema n 2) En una fabrica hay tres maquinas A, B y C que producen el 20 % , 30 % y 50 % de la produccin
total, con porcentajes defectuosos del 5 % , 10 % y 15 % respectivamente.
Se extraen de la produccin tres defectuosos y se desea saber la probabilidad de que no sean todos ellos de la
misma maquina.
Respuesta:
0,70429
Problema n 3) De un grupo de 20 personas, 10 individuos hablan francs, 8 hablan ingls (de los cuales tambin
hablan francs) y 5 ninguno de estos idiomas.
Se selecciona un individuo al azar.
a) Cul es la probabilidad de que hable francs?
b) Cul es la probabilidad de que hable ingls?
c) Cul es la probabilidad de que hable francs e ingls?
d) Cul es la probabilidad de que no hable ninguno de estos dos idiomas?
e) Cul es la probabilidad de que hable francs sabiendo hablar ingls?
f) Cul es la probabilidad de que hable ingls sabiendo hablar francs?
g) Cul es la probabilidad de que hable francs o ingls?
Problema n 3) De un grupo de 20 personas, 10 individuos hablan francs, 8 hablan ingls (de los cuales tambin
hablan francs) y 5 ninguno de estos idiomas.
Se selecciona un individuo al azar.
a) Cul es la probabilidad de que hable francs?
b) Cul es la probabilidad de que hable ingls?
c) Cul es la probabilidad de que hable francs e ingls?
d) Cul es la probabilidad de que no hable ninguno de estos dos idiomas?
e) Cul es la probabilidad de que hable francs sabiendo hablar ingls?
f) Cul es la probabilidad de que hable ingls sabiendo hablar francs?
g) Cul es la probabilidad de que hable francs o ingls?
Solucin:
I I
F 3 7 10
F 5 5 10
8 12 20
a) P(F) = 10/20 = 0,5

b) P(I) = 8/20 = 0,4
c) P(F I) = 3/20 = 0,15
d) P(F I) = 5/20 = 0,25
e) P(F/I) = (3/20)/(8/20) = 0,375
f) P(I/F) = (3/20)/(10/20) = 0,3
g) P(F I) = P(F) + P(I) - P(F I)
P(F I) = 10/20 + 8/20 - 3/20 = 0,75
Problema n 4) La probabilidad de que baje el precio del litro de leche comn durante el prximo mes es estimada
en 0,40; la probabilidad de que aumente el consumo de leche en el mes siguiente se calcula en 0,50; y la
probabilidad de ambos sucesos se calcula en 0,10.
Calcular la probabilidad de que:
a) Haya bajado el precio de la leche durante el mes dado que el consumo ha aumentado.
b) El consumo haya aumentado si el precio de la leche ha aumentado.
Problema n 4) La probabilidad de que baje el precio del litro de leche comn durante el prximo mes es estimada
en 0,40; la probabilidad de que aumente el consumo de leche en el mes siguiente se calcula en 0,50; y la
probabilidad de ambos sucesos se calcula en 0,10.
Calcular la probabilidad de que:
a) Haya bajado el precio de la leche durante el mes dado que el consumo ha aumentado.
b) El consumo haya aumentado si el precio de la leche ha aumentado.
Solucin:
P P
C 0.10 0.40 0.50
C 0.30 0.20 0.50
0.40 0.60 1
P(P) = 0,40
P(C) = 0,50
P(P C) = 0,10
a) P(P/C) = P(P C)/P(P)
P(P/C) = 0,10/0,50 = 0,2
b) P(C/P) = 0,40/0,60 = 0,66667
c) P(C P) = P(C).P(P)
0,10 0,50.0,40
Sucesos dependientes.
Problema n 5) La probabilidad de que falle un motor en un avin es de 0,10.

Con cuantos motores debe estar equipado un avin para tener una seguridad de 0,999 de que el mismo no caiga,
suponiendo que para ello es necesario que al menos un motor funcione?
Problema n 5) La probabilidad de que falle un motor en un avin es de 0,10.
Con cuantos motores debe estar equipado un avin para tener una seguridad de 0,999 de que el mismo no caiga,
suponiendo que para ello es necesario que al menos un motor funcione?
Solucin:
P(F) = 0,10
P(F) = 0,90
P(C) = 0,999
P(C) = 0,001
P(F)n = P(C)
n.ln[P(F)] = ln[P(C)]
n = ln[P(C)]/ln[P(F)]
n = ln(0,001)/ln(0,1)
n=3
3 motores.
Problema n 6) Sean dos tiradores A y B con probabilidades de acertar un tiro al blanco de 0,90 y 0,95
respectivamente. Si A efecta 5 disparos y B tantos como numero de aciertos tuvo A Cul es la probabilidad de
que B tenga mas de dos aciertos?
Respuesta:
0,97576
Problema n 7) El 20 % de las familias tiene un solo hijo, el 10 % tiene 2; el 20 % tiene 3 y el 20 % tiene 4 o ms.
Se toma una familia al azar y resulta que tiene menos de 4 hijos.
Cul es la probabilidad de que tenga exactamente un hijo?
Respuesta:
0,25
Problema n 8) En 2 establecimientos se fabrican lmparas incandescentes. El primero suministra el 70 % y el
segundo el 30 % de la produccin total. En promedio, solo son normales 83 lmparas de cada 100 provenientes de
la primera planta, y 63 de cada 100 provenientes de la segunda.
a) Calcular la probabilidad de adquirir una lmpara normal.
b) Habiendo comprado una lmpara normal, determinar la probabilidad de que la misma provenga del segundo
establecimiento.
Respuesta:
a) 0,77
b) 0,24545
Problema n 9) Una moneda en perfectas condiciones de azar es lanzada repetidas veces. Si sale cara en los
primeros 6 lanzamientos. Cul es la probabilidad de que salga cara en el sptimo?
Respuesta:
1/2
Problema n 10) SE arroja un dado dos veces consecutivas Cul es la probabilidad de que:
a) La suma sea igual a 5?
b) La suma sea igual a 7?
c) El producto sea igual a 7?
d) La suma sea igual a 5 o a 7?
e) La suma sea igual a 8, habiendo salido par?
Respuesta:
a) 4/36
b) 6/36
c) 26/36
d) 10/36
e) 5/18
independencia.
Contenido
Problema n 1) Para la destruccin de un puente es suficiente que al menos una bomba arrojada desde un avin
haga impacto en l. Hallar la probabilidad de que el puente sea destruido, si sobre el mismo se lanzan cuatro
bombas con probabilidad de impacto de 0,30; 0,10; 0,60; y 0,70 respectivamente.
Respuesta:
0,9496
Problema n 2) Se tiene tres resistencias A, B y C. Luego de un tiempo se obtuvieron las siguientes probabilidades
de encontrar quemadas las resistencias: P(A) = 0,20 P(B) = P(C) = 0,08; P(AB) = 0,04; P(A/C) = 1/4; P(B/C) = 3/8 y
P(ABC) = 0,01.
Calcular la probabilidad de encontrar:
a) Por lo menos una resistencia quemada.
b) Slo una resistencia quemada.
c) La resistencia B quemada, sabiendo que lo estn la A y C.
d) Solamente dos quemadas, dado que por lo menos una lo esta.
Respuesta:
a) 0,28
b) 0,21
c) 0,5
d) 0,21429
Problema n 3) Dos grupos de 50 personas cada uno estn compuestos, segn sus estudios, de la siguiente
manera:
GRUPO A: 20 % universitarios; 20 % secundarios; 60 % primarios.
GRUPO B: 25 % universitarios; 20 % secundarios; 55 % primarios.
Calcular la probabilidad de que al elegir una persona de cada grupo resulte ser:
a) Ambos universitarios.
b) Primario del grupo A y secundario del grupo B.
Respuesta:
a) 0,05
b) 0,12
Problema n 4) Se realiza una encuesta a amas de casa en relacin a las dos nicas marcas de arroz que existen
en plaza. El 60 % compra al menos arroz de marca A, el 30 % adquiere al menos arroz marca B, contndose un 10
% que compra ambas marcas.
Al elegirse un ama de casa al azar y preguntrsele si consume arroz, responde afirmativamente.
a) Cul es la probabilidad de que consuma slo marca B?
b) Cul es la probabilidad de que consuma solo marca A?
c) Cul es la probabilidad de que consuma marca A o B?
Respuesta:
a) 0,25
b) 0,625
c) 1
Problema n 5) El tirador A dispara al blanco 3 veces. Luego B tira tantos disparos como yerros tuvo A y,
finalmente, C efecta tantos tiros como aciertos tuvo B.
Hallar la probabilidad de que B y C juntos acierten tres tiros exactamente, suponiendo que sus respectivas
probabilidades de acierto son P(A) = 0,8; P(B) = 0,6; P(C) = 0,4
Respuesta:
0,018382
Problema n 6) Para clasificarse en una competencia, un tirador debe disparar varias veces hasta tener dos
aciertos consecutivos antes del sptimo disparo.
Calcule la probabilidad de clasificarse se dicho tirados tiene una probabilidad de acierto de 0,6.
Respuesta:
0,811584
Problema n 7) En un curso de estadstica se sabe que dejan la materia antes del final de cuatrimestre el 15 % de
los alumnos y, de los que si terminan, aprueban el 80 % .
Calcular la probabilidad de que un alumno elegido al azar:
a) Apruebe la materia.
b) Llegue al final de cuatrimestre y no apruebe la materia.
c) No apruebe la materia.
Respuesta:
a) 0,68
b) 0,17
c) 0,32
Problema n 8) La compaa de ensamble de automviles Ford se ha presentado a una licitacin para ensamblar
un nuevo modelo de vehculos. La probabilidad de que Ford gane la licitacin es de 0,90 si la firma competidora
GTR no se presenta a ella, y de 0,20 en caso contrario.
El presidente de Ford estima que hay una probabilidad de 0,80 de que GTR se presente.
a) Cul el la probabilidad de que Ford gane la licitacin?
b) Dado que Ford gan la licitacin, Cul es la probabilidad de que GTR se haya presentado a ella?
Problema n 8) La compaa de ensamble de automviles Ford se ha presentado a una licitacin para ensamblar
un nuevo modelo de vehculos. La probabilidad de que Ford gane la licitacin es de 0,90 si la firma competidora
GTR no se presenta a ella, y de 0,20 en caso contrario.
El presidente de Ford estima que hay una probabilidad de 0,80 de que GTR se presente.
a) Cul el la probabilidad de que Ford gane la licitacin?
b) Dado que Ford gan la licitacin, Cul es la probabilidad de que GTR se haya presentado a ella?
Solucin:
P(F/GTR) = 0,90
P(F/GTR) = 0,20
P(GTR) = 0,80
P(GTR) = 0,20
P(F GTR) = P(GTR).P(F/GTR)
P(F GTR) = 0,90.0,20
P(F GTR) = 0,18
P(F GTR) = P(GTR).P(F/GTR)
P(F GTR) = 0,80.0,20
P(F GTR) = 0,16
F F
GTR 0.16 0.64 0.80
GTR 0.18 0.02 0.20
0.34 0.66 1
a) P(F) = 0,34
b) P(GTR/F) = P(GTR F)/P(F)
P(GTR/F) = 0,16/0,34 = 0,47059
Problema n 9) Una urna contiene 5 bolillas numeradas de 5 al 9, se extrae una bolilla al azar y no se repone,
realizndose luego una segunda extraccin.
Se desea conocer la probabilidad de que.
a) La primera bolilla extrada sea par.
b) La primera bolilla extrada sea menor que la segunda.
c) La primera bolilla extrada sea menor que la segunda, sabiendo que la primera fue par.
Respuesta:
a) 0,4
b) 0,5
c) 0,5
Problema n 10) Un automovilista hace recargar la batera de su vehculo y pide que le efecten una carga lenta.
Dicho automovilista admite que, a pesar de su pedido, es posible que le efecten una carga rpida, asignndole a
este hecho una probabilidad del 20 % .
Su experiencia le indica que si la carga es lenta, la batera dura ms de un ao con probabilidad de 0,9. Si la carga
es rpida, en cambio, esta probabilidad se reduce al 40 % .
Si la batera falla antes del ao. Cul es la probabilidad de que la carga haya sido rpida?
Respuesta:
0,6
TABLAS DE PROBABILIDADES Y ESTADISTICAS

Distribucin normal estndar
Areas de la curva normal estndar.
Areas de la curva normal estndar
(z)
Decimales de z
z
0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
-3,40 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0002
-3,30 0,0005 0,0005 0,0005 0,0004 0,0004 0,0004 0,0004 0,0004 0,0004 0,0003
-3,20 0,0007 0,0007 0,0006 0,0006 0,0006 0,0006 0,0006 0,0005 0,0005 0,0005
-3,10 0,0010 0,0009 0,0009 0,0009 0,0008 0,0008 0,0008 0,0008 0,0007 0,0007
-3,00 0,0013 0,0013 0,0013 0,0012 0,0012 0,0011 0,0011 0,0011 0,0010 0,0010
-2,90 0,0019 0,0018 0,0018 0,0017 0,0016 0,0016 0,0015 0,0015 0,0014 0,0014
-2,80 0,0026 0,0025 0,0024 0,0023 0,0023 0,0022 0,0021 0,0021 0,0020 0,0019
-2,70 0,0035 0,0034 0,0033 0,0032 0,0031 0,0030 0,0029 0,0028 0,0027 0,0026
-2,60 0,0047 0,0045 0,0044 0,0043 0,0041 0,0040 0,0039 0,0038 0,0037 0,0036
-2,50 0,0062 0,0060 0,0059 0,0057 0,0055 0,0054 0,0052 0,0051 0,0049 0,0048
-2,40 0,0082 0,0080 0,0078 0,0075 0,0073 0,0071 0,0069 0,0068 0,0066 0,0064
-2,30 0,0107 0,0104 0,0102 0,0099 0,0096 0,0094 0,0091 0,0089 0,0087 0,0084
-2,20 0,0139 0,0136 0,0132 0,0129 0,0125 0,0122 0,0119 0,0116 0,0113 0,0110
-2,10 0,0179 0,0174 0,0170 0,0166 0,0162 0,0158 0,0154 0,0150 0,0146 0,0143
-2,00 0,0228 0,0222 0,0217 0,0212 0,0207 0,0202 0,0197 0,0192 0,0188 0,0183
-1,90 0,0287 0,0281 0,0274 0,0268 0,0262 0,0256 0,0250 0,0244 0,0239 0,0233
-1,80 0,0359 0,0351 0,0344 0,0336 0,0329 0,0322 0,0314 0,0307 0,0301 0,0294
-1,70 0,0446 0,0436 0,0427 0,0418 0,0409 0,0401 0,0392 0,0384 0,0375 0,0367
-1,60 0,0548 0,0537 0,0526 0,0516 0,0505 0,0495 0,0485 0,0475 0,0465 0,0455
-1,50 0,0668 0,0655 0,0643 0,0630 0,0618 0,0606 0,0594 0,0582 0,0571 0,0559
-1,40 0,0808 0,0793 0,0778 0,0764 0,0749 0,0735 0,0721 0,0708 0,0694 0,0681
-1,30 0,0968 0,0951 0,0934 0,0918 0,0901 0,0885 0,0869 0,0853 0,0838 0,0823
-1,20 0,1151 0,1131 0,1112 0,1093 0,1075 0,1056 0,1038 0,1020 0,1003 0,0985
-1,10 0,1357 0,1335 0,1314 0,1292 0,1271 0,1251 0,1230 0,1210 0,1190 0,1170
-1,00 0,1587 0,1562 0,1539 0,1515 0,1492 0,1469 0,1446 0,1423 0,1401 0,1379
-0,90 0,1841 0,1814 0,1788 0,1762 0,1736 0,1711 0,1685 0,1660 0,1635 0,1611
-0,80 0,2119 0,2090 0,2061 0,2033 0,2005 0,1977 0,1949 0,1922 0,1894 0,1867
-0,70 0,2420 0,2389 0,2358 0,2327 0,2296 0,2266 0,2236 0,2206 0,2177 0,2148
-0,60 0,2743 0,2709 0,2676 0,2643 0,2611 0,2578 0,2546 0,2514 0,2483 0,2451
-0,50 0,3085 0,3050 0,3015 0,2981 0,2946 0,2912 0,2877 0,2843 0,2810 0,2776
-0,40 0,3446 0,3409 0,3372 0,3336 0,3300 0,3264 0,3228 0,3192 0,3156 0,3121
-0,30 0,3821 0,3783 0,3745 0,3707 0,3669 0,3632 0,3594 0,3557 0,3520 0,3483
-0,20 0,4207 0,4168 0,4129 0,4090 0,4052 0,4013 0,3974 0,3936 0,3897 0,3859
-0,10 0,4602 0,4562 0,4522 0,4483 0,4443 0,4404 0,4364 0,4325 0,4286 0,4247
-0,00 0,5000 0,4960 0,4920 0,4880 0,4840 0,4801 0,4761 0,4721 0,4681 0,4641
0,00 0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0,5359
0,10 0,5398 0,5438 0,5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 0,5753
0,20 0,5793 0,5832 0,5871 0,5910 0,5948 0,5987 0,6026 0,6064 0,6103 0,6141
0,30 0,6179 0,6217 0,6255 0,6293 0,6331 0,6368 0,6406 0,6443 0,6480 0,6517
0,40 0,6554 0,6591 0,6628 0,6664 0,6700 0,6736 0,6772 0,6808 0,6844 0,6879
0,50 0,6915 0,6950 0,6985 0,7019 0,7054 0,7088 0,7123 0,7157 0,7190 0,7224
0,60 0,7257 0,7291 0,7324 0,7357 0,7389 0,7422 0,7454 0,7486 0,7517 0,7549
0,70 0,7580 0,7611 0,7642 0,7673 0,7704 0,7734 0,7764 0,7794 0,7823 0,7852
0,80 0,7881 0,7910 0,7939 0,7967 0,7995 0,8023 0,8051 0,8078 0,8106 0,8133
0,90 0,8159 0,8186 0,8212 0,8238 0,8264 0,8289 0,8315 0,8340 0,8365 0,8389
1,00 0,8413 0,8438 0,8461 0,8485 0,8508 0,8531 0,8554 0,8577 0,8599 0,8621
1,10 0,8643 0,8665 0,8686 0,8708 0,8729 0,8749 0,8770 0,8790 0,8810 0,8830
1,20 0,8849 0,8869 0,8888 0,8907 0,8925 0,8944 0,8962 0,8980 0,8997 0,9015
1,30 0,9032 0,9049 0,9066 0,9082 0,9099 0,9115 0,9131 0,9147 0,9162 0,9177
1,40 0,9192 0,9207 0,9222 0,9236 0,9251 0,9265 0,9279 0,9292 0,9306 0,9319
1,50 0,9332 0,9345 0,9357 0,9370 0,9382 0,9394 0,9406 0,9418 0,9429 0,9441
1,60 0,9452 0,9463 0,9474 0,9484 0,9495 0,9505 0,9515 0,9525 0,9535 0,9545
1,70 0,9554 0,9564 0,9573 0,9582 0,9591 0,9599 0,9608 0,9616 0,9625 0,9633
1,80 0,9641 0,9649 0,9656 0,9664 0,9671 0,9678 0,9686 0,9693 0,9699 0,9706
1,90 0,9713 0,9719 0,9726 0,9732 0,9738 0,9744 0,9750 0,9756 0,9761 0,9767
2,00 0,9772 0,9778 0,9783 0,9788 0,9793 0,9798 0,9803 0,9808 0,9812 0,9817
2,10 0,9821 0,9826 0,9830 0,9834 0,9838 0,9842 0,9846 0,9850 0,9854 0,9857
2,20 0,9861 0,9864 0,9868 0,9871 0,9875 0,9878 0,9881 0,9884 0,9887 0,9890
2,30 0,9893 0,9896 0,9898 0,9901 0,9904 0,9906 0,9909 0,9911 0,9913 0,9916
2,40 0,9918 0,9920 0,9922 0,9925 0,9927 0,9929 0,9931 0,9932 0,9934 0,9936
2,50 0,9938 0,9940 0,9941 0,9943 0,9945 0,9946 0,9948 0,9949 0,9951 0,9952
2,60 0,9953 0,9955 0,9956 0,9957 0,9959 0,9960 0,9961 0,9962 0,9963 0,9964
2,70 0,9965 0,9966 0,9967 0,9968 0,9969 0,9970 0,9971 0,9972 0,9973 0,9974
2,80 0,9974 0,9975 0,9976 0,9977 0,9977 0,9978 0,9979 0,9979 0,9980 0,9981
2,90 0,9981 0,9982 0,9982 0,9983 0,9984 0,9984 0,9985 0,9985 0,9986 0,9986
3,00 0,9987 0,9987 0,9987 0,9988 0,9988 0,9989 0,9989 0,9989 0,9990 0,9990
3,10 0,9990 0,9991 0,9991 0,9991 0,9992 0,9992 0,9992 0,9992 0,9993 0,9993
3,20 0,9993 0,9993 0,9994 0,9994 0,9994 0,9994 0,9994 0,9995 0,9995 0,9995
3,30 0,9995 0,9995 0,9995 0,9996 0,9996 0,9996 0,9996 0,9996 0,9996 0,9997
3,40 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9998
Fuente: "Probabilidad y estadsticas para ingeniera y ciencias". Jay L. Devore. 1998.
SITIOS WEB RECOMENDADOS PARA MATEMATICA

Matemticas
Rincn Matemtico: Revista electrnica de matemtica bsica
Autor: Ricardo Santiago Netto

Fuente: "Probabilidad y estadsticas para ingeniera y ciencias". Jay L. Devore. 1998.

Matematica 4º

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Matematica 4º

Caricato da

Copyright:

Formati disponibili

PROBABILIDADES Y ESTADISTICAS

Apuntes, ejemplos y ejercicios

Matemtica - Probabilidades y estadsticas

DISTRIBUCION DE LA MEDIA DE UN MUESTREO

TEOREMA DEL LIMITE CENTRAL

La probabilidad de que la media muestral sea superior a 52 es:

P(x 52) = P(z 4) = 0

P(x1 x x2) = P(z1 z z2) = (z)

Tener en cuenta que los valores para:

P(x 52) = P(z 8,4327) = 0

1) Para la media de una poblacin normal:

X(,v) se busca en tabla

4) Para el desvo estndar S:

5) Para muestras grandes:

Dnde p = x/n, n tamao muestral, x es el nmero observado de xitos, y q = 1 - p.

H P(A H) P(B H) P(H)

Completamos los lugares vacos:

a) Se pide P(E) o P(HE), es decir P(E HE).

b) Se pide P(E HE).

e) Se pide P(E HE) = P(E).P(HE).

Problema (datos ficticios)

DEFINICIONES EVENTO O SUCESO ALEATORIO

DEFINICIONES SUCESOS COMPUESTOS

DEFINICIONES ESPACIO MUESTRAL

Tablas de doble entrada

Recordemos cuales son los totales marginales y el gran total.

Nmero de resultados favorables

Nmero de veces que el evento ocurri en

CONSECUENCIAS DE LOS AXIOMAS DE PROBABILIDADES

REGLA GENERAL DE LA SUMA

Si A y B son dos sucesos mutuamente excluyentes, se cumple:

REGLA GENERAL DEL PRODUCTO

(a) No, porque AB 0

A 0,0378 0,5022 0,54

A 0,3022 0,1578 0,46

Qu valores puede tomar x?

VARIABLE ALEATORIA DISCRETA

VARIABLE ALEATORIA CONTINUA

3) a < b P(a x b) = f(x).dx

ESPERANZA DE UNA VARIABLE ALEATORIA

VARIANCIA DE UNA VARIABLE ALEATORIA

Var(X) = = E(X - [E(X)])

REPASANDO CONCEPTOS DE CONTEO

Distribuciones Discretas y Continuas

Distribuciones Discretas y Continuas

para toda x real.

La probabilidad asociada con el intervalo a x b est dada por:

La Distribucin Normal Estandard

Anlisis de Regresin y Correlacin

Anlisis de Regresin y Correlacin

Relacin funcional entre dos variables

Parcela Dosis Rendimiento(kg/h)

Relacin funcional perfecta entre dosis y rendimientos

Nota: Las observaciones caen exactamente sobre la lnea de relacin funcional

Lote de productos Tamao del lote Horas hombre

Relacin estadstica entre tamao del lote y horas hombre

Coordenadas de puntos de control utilizados para corregir la

Grfico de dispersin entre Bandas

Coeficiente de correlacin lineal

Correlacin Positiva Perfecta

Correlacin Fuerte y Positiva

Frmula para el coeficente de correlacin (r) Pearson

Representacin grfica del modelo de Regresin Lineal

Supuestos de Regresin Lineal Clsica