UNIVERSIDAD ABIERTA Y A DISTANCIA DE MÉXICO

Aplicaciones de la estadística
Unidad 0. Conocimientos previos

Actividad I

Reforzando conocimientos

Estudiante Juan Gilberto Reyes Valdez

UnADM Lic. En Enseñanza de las Matemáticas
Grupo EM-EMAE-1702-B2-001
Matrícula 1611303698
Docente María Eugenia Vega Flores
Octubre de 2017
 En la siguiente tabla, describo los conceptos estudiados previamente de Estadística
y Probabilidad, su definición y un ejemplo afín, indicando la fuente, si es el caso.

Concepto Definición Ejemplo

Ciencia que se encarga de recolectar,
organizar, resumir y analizar datos Los censos generales de
Estadística para después obtener conclusiones a población y vivienda en
partir de ellos. México cada 10 años.
(Rincón, 2007)
Rama de la estadística que presenta
técnicas para describir conjuntos de
mediciones. Está formada por
Posición (standing) de los
Estadística procedimientos empleados para
equipos de béisbol de ligas
descriptiva resumir y describir las características
mayores.
importantes de un conjunto de
mediciones. (Mendenhall, Beaver,
Beaver, 2010)
Está formada por procedimientos
empleados para hacer inferencias acerca Encuesta de opinión aplicada
Estadística de características poblacionales, a partir a algunos ciudadanos para
inferencial de información contenida en una determinar las preferencias
muestra sacada de esta población. previas a una elección.
(Mendenhall, Beaver, Beaver, 2010)
Grupo entero de individuos u objetos. La edad de todos los
Población
(Spiegel, 1976) estudiantes de un plantel.
Selección de algunos
Parte pequeña de la población. estudiantes de un plantel o de
Muestra
(Spiegel, 1976) un grupo para una encuesta.

Característica de un elemento en una La edad de toda la población

población en estudio. de jugadores de futbol de la
Variable
(Rincón, 2007) liga MX.
La edad es una variable.
Variable Es aquella que se mide y se representa La estatura de una persona
cuantitativa en forma numérica. en metros o en pies.
Variable Es aquella que se registra y se representa El sexo de los habitantes de
cualitativa en forma categórica. una comunidad.
Son aquellas en las que se pueden contar El número de personas que
Variables
todos sus valores. esperan en una fila para
discretas
realizar un trámite.
Variables Son aquellas cuyos valores no se pueden El peso de un grupo de
continuas contar ya que toman cualquier valor personas.

1
 dentro de un intervalo de la recta
numérica.
Información que nos presenta los datos Calificación # Estudiantes
en cierto orden o distribución. También 6 a 10 34
se le llama tabla de distribución de 1a5 26
Tabla estadística frecuencias. (Pastor, 1998) Total 60
Tabla 1. Que resume la evaluación
estudiantil sobre el servicio de la nueva
cafetería el primer día en escala 1 a 10.
Cantidad de mediciones en cada clase, De la tabla 1
Frecuencia
sea categórica o numérica. 6 a 10 tuvo 34 frecuencias y
absoluta
1 a 5, 26.
Parte proporcional de cada clase con De la tabla 1
Frecuencia respecto a la suma total de frecuencias. 34
6 a 10: 60 = 0.57 = 57%
relativa Se puede expresar en fracción, en 26
1 a 5: = 0.43 = 43%
decimal o en porcentaje. 60
Es la suma de todas las frecuencias De la tabla 1
Frecuencia absolutas predecesoras con el valor 34+0
6 a 10: 60 = 60
34

acumulada considerado.(Sáez, 2012) 26+34 60

Cantidad, Intervalo o categoría medido
Clase
o representado en una tabla estadística.
Es el punto medio de una clase de
Marca de la clase intervalo y lo representa.
𝑙𝑖𝑚𝑖𝑡𝑒 𝑖𝑛𝑓𝑒𝑟𝑖𝑜𝑟 + 𝑙𝑖𝑚𝑖𝑡𝑒 𝑠𝑢𝑝𝑒𝑟𝑖𝑜𝑟
𝑀𝐶 =
2 2
Consiste en determinar ciertos
intervalos cuando el número de clases es
excesivo o a conveniencia, permitiendo
reducir el tamaño de la tabla y ésta
Datos agrupados
presente confiabilidad.
Cuando los datos se presentan de
manera directa sin intervalos, se les
llama Datos no agrupados.
Conjunto acotado de posibles valores
(finitos o infinitos) usado en tablas
estadísticas en casos donde hay
Intervalo de demasiadas clasificaciones
clase magnitudes distintas, o a conveniencia.
Se usa para clasificar datos agrupados.
(Sáez, 2012)
1 a 5: 60
= 60
La tabla 1 contiene dos clases:
de 6 a 10 y de 1 a 5
De la tabla 1, el punto medio
de la clase 6 a 10:
6 + 10
𝑀𝐶 = =8
La tabla 1 tiene los datos
agrupados a conveniencia ya
que la intención es comparar
las calificaciones altas con las
bajas para tener una idea
general de las opiniones
estudiantiles sobre la
cafetería.
Los intervalos en la tabla 1
tienen una magnitud de 5
puntos, se calcula con la
o diferencia de cualquiera de
los límites de clase de arriba
hacia abajo: 6 − 1 = 10 − 5 =
5

Son los extremos del intervalo donde el

La tabla 1 muestra a 1 y 6
Límites de clase primer valor es el límite inferior y el
como los límites inferiores
último valor es el límite superior.

2
 mientras que 5 y 10 son los
límites superiores.
Gráfica de barras rectangulares
continuas, aplica para datos numéricos #alumnos
50
continuos. La altura de cada barra mide 40
Histograma la frecuencia observable en cada clase. 30
20
Para datos categóricos o discretos se
10
utiliza una gráfica de barras no 1 a 5 6 a 10 Evaluación
continuas. De la tabla 1 (elaboración propia)

Grafico que muestra los puntos de las

Polígono de frecuencias unidos por segmentos o
frecuencias también los puntos unidos sobre las
barras de un histograma. Polígono de frecuencias
(elaboración propia)
Gráfica representada por un círculo
seccionado por las clases o intervalos.
También se le conoce como gráfica de
pastel o pie por su similitud. En su
diseño se consideran los 360 grados de
Gráfica circular
un giro para partirse en “rebanadas” de
acuerdo a las proporciones que se
obtienen de las frecuencias relativas Representación gráfica de un
diagrama circular, cada sección
contenidas en la tabla de distribución.
representa una clase.
(elaboración propia)
Es una gráfica de líneas de una
distribución de frecuencias acumuladas.
Ojiva
Representación gráfica de una ojiva
(elaboración propia)
Son aquellas que permiten encontrar la Media, Moda y Mediana.
Medidas de
concentración más alta de datos en
tendencia central
algún valor intermedio.
La media de 2, 6 y 10 es:
La media de 𝑛 números es simplemente 2 + 6 + 10
𝑥̅ = =6
su suma dividida por 𝑛. (Pastor, 1998) 3
La media de 2, 8 y 50
Media
Un detalle importante: la media puede
2 + 8 + 50
ser no confiable si existen datos 𝑥̅ = = 20
3
extremos ya que es sensible a éstos. Hay un dato extremo (50)
Se define simplemente como el valor La moda de 1, 2 ,2, 5, y 7 es:
del dato que aparece con más 2(2), el paréntesis indica las
Moda
frecuencia.(Pastor, 1998) repeticiones.

3
 Es aquel valor ubicado en el centro de La mediana de 1, 2, 3 es: 2 ya
los datos ordenados. Si el número de que está en el centro y los
datos es non, existirá una sola mediana; datos están ordenados
Mediana si el número de datos es par habrá dos La mediana de 1, 2, 3, 4 es: 2.5
medianas cuya media representará a la Ya que 2 y 3 comparten el
medida. centro y la mediana es la
media de ambos.
Son aquellas que se aplican a observar Rango, Varianza, Desviación
Medidas de los alejamientos de las variables con estándar, Coeficiente de
dispersión respecto a un determinado valor central. variación, rango intercuártico
y coeficiente de asimetría.
El rango, 𝑹, de un conjunto de n El rango de 4, 6, 6, 8, 10, es:
mediciones se define como la diferencia
Rango entre la medición más grande y la más 𝑅 = 10 − 4 = 6
pequeña.
(Mendenhall, Beaver, Beaver, 2010)
La varianza de una población de N Ej.: La varianza de 5, 7, 1, 3, 4
mediciones es el promedio de los a) considerando que es una
cuadrados de las desviaciones de las muestra.
mediciones alrededor de su media 𝝁. La 𝑥̅ = 4
𝟐
varianza poblacional se denota con 𝝈 y
está dada por la fórmula ∑(𝑥𝑖 − 4)2 = 20
20
∑(𝒙 − 𝝁) 𝟐 𝑠2 = =5
𝝈𝟐 =
𝒊 4
𝑵
Varianza La varianza de una muestra de n b) considerando que es una
mediciones es la suma de las población
desviaciones cuadradas de las
mediciones alrededor la media 𝒙 ̅ 𝜇=4
dividida entre (𝑛 − 1). La varianza
muestral se denota con 𝒔𝟐 y está dada ∑(𝑥𝑖 − 4)2 = 20
por la fórmula
∑(𝒙𝒊 − 𝒙̅)𝟐 20
𝒔𝟐 = 𝜎2 = =4
𝒏 −𝟏 5

La desviación estándar de un conjunto Las desviaciones estándar de

de mediciones es igual a la raíz cuadrada los ejemplos anteriores:
positiva de la varianza. a) considerando que es una
Desviación muestra.
Desviación estándar de una población:
estándar ̅)𝟐
∑(𝒙𝒊 − 𝒙
𝒔 = √ = √𝑠 2
∑(𝒙𝒊 − 𝝁)𝟐 𝒏 − 𝟏
𝝈=√
𝑵 𝑠 = √5
Desviación estándar de una muestra:

4
 b) considerando que es una
población
̅)𝟐
∑(𝒙𝒊 − 𝒙
𝒔=√
𝒏 −𝟏 ∑(𝑥𝑖 − 𝜇)2
𝜎=√ = √𝜎 2
(pastor, 1998) 𝑁
𝜎 = √4 = 2

Es una medida de dispersión relativa y Para el ejemplo anterior

se calcula con el cociente de la
desviación estándar y la media. 𝑠 √5
Coeficiente de 𝐶𝑉 = 𝒙̅ = 4 Muestra
variación 𝑠
𝐶𝑉 = |𝒙̅| Muestra 𝝈 2 1
𝝈 𝐶𝑉 = = = Población
𝐶𝑉 = |𝝁|
Población 𝝁 4 2
Establece la diferencia entre el tercer Si tenemos 2, 4, 6, 18
cuartil y el primer cuartil 𝐼𝑄𝑅 = 6 − 2 = 4
Rango
𝐼𝑄𝑅 = 𝑄3 − 𝑄1 No afecta el valor extremo 18
intercuartílico
Se utiliza en aquellas distribuciones
sesgadas o extremosas.
Este indicador nos permite establecer Para las magnitudes 5, 7, 3, 3,
que tan asimétrica es una distribución 4, la media es 4.4, la mediana
de datos y plantearse una gráfica 4 y la desviación estándar
esperada sin tener que elaborarla. como muestra es 1.52
Coeficiente de Es una medida que generalmente toma
asimetría valores entre -3 y 3 y se calcula: El coeficiente de asimetría:

3(𝑚𝑒𝑑𝑖𝑎 − 𝑚𝑒𝑑𝑖𝑎𝑛𝑎) 3(4.4 − 4) 1.2

= = = 0.79
𝐷𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟 1.52 1.52

(Pastor, 1998) Tiene sesgo positivo

Técnicas que permiten especificar El tiro de una moneda es un
cuantas distintas situaciones pueden evento que tiene dos
Conteo
suceder en un evento. (Pastor, 1998) situaciones distintas que
pueden suceder: cara o cruz.
Técnica de conteo que utiliza Tiro de una moneda
Diagrama de ramificaciones finitas partiendo de una cara
árbol de ellas, que nos muestra cada uno de
cruz
los resultados posibles de un evento.
Si una elección consiste de 𝑘 pasos, Un examen de tres preguntas
donde el primero se puede hacer de de opción múltiple cada una
𝑛1 maneras, el segundo de 𝑛2 con cuatro respuestas
Regla del
maneras,…, y el último de 𝑛𝑘 maneras, posibles ¿de cuantas maneras
producto
entonces hay 𝑛1 × 𝑛2 × … 𝑛𝑘 maneras posibles se puede contestar el
posibles de hacer todas las selecciones. examen?
(Pastor, 1998) 𝑘 = 3, con 𝑛1 = 𝑛2 = 𝑛3 = 4

5
 4 ∙ 4 ∙ 4 = 64 𝑚𝑎𝑛𝑒𝑟𝑎𝑠
Técnica que permite determinar el ¿De cuantas maneras posibles
número de situaciones posibles en pueden quedar posicionados
eventos donde el orden es relevante. los primeros tres lugares de
𝑛! una eliminatoria de natación
𝑃𝑟𝑛 =
(𝑛 − 𝑟)! de un grupo de 5
Permutación
(Pastor, 1998) competidores?
𝑛 =5𝑟 =3
5! 120
𝑃35 = = = 60
(5 − 3)! 2

Técnica que permite determinar el ¿De cuantas maneras se

número de situaciones posibles en pueden seleccionar ternas de
eventos donde el orden no es relevante. 3 alumnos de 7 postulados
Combinación 𝑛! para una actividad?
𝐶𝑟𝑛 =
𝑟! (𝑛 − 𝑟)! 7! 7!
𝐶𝑟𝑛 = = = 35
3! (7 − 3)! 3! 4!

En matemáticas, la teoría probabilística Ejemplo 1

es la rama que se encarga de modelar la La probabilidad de obtener
incertidumbre o aleatoriedad de ciertas cara en el tiro de una moneda
características de un fenómeno de es.
interés. (Véduar, 2009). 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠
𝑃=
Si hay 𝑛 posibilidades igualmente 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠
probables y una de ellas debe ocurrir,
entonces la probabilidad de que ocurra 1
𝑃=
𝑘 2
alguna de 𝑘 de estas 𝑛 posibilidades es 𝑛
(probabilidad clásica)
Probabilidad (Pastor, 1998).
El concepto anterior es de acuerdo al Ejemplo 2
enfoque clásico o a priori, otro enfoque Si de acuerdo a muchas 𝑛
fundamenta la experimentación: repeticiones en un tiro de un
Si después de 𝑛 repeticiones de un dado, el número 2 resultó en
experimento, donde 𝑛 es muy grande un una cuarta parte de las 𝑛
suceso ocurre ℎ veces entonces la repeticiones, entonces la
ℎ
probabilidad del suceso es . Este probabilidad de obtener un 2
𝑛
enfoque se conoce como frecuencia en un tiro del dado es ¼
relativa o a posteriori. (Spiegel, 1976) (Probabilidad frecuencial)
Un conjunto puede considerarse como Al lanzar un dado el conjunto
una colección de objetos, llamados de elementos posibles son los
Conjunto miembros o elementos del conjunto. puntos o números mostrados
(Spiegel, 1976) en la cara superior:
{1,2,3,4,5,6}
Si los elementos de un conjunto 𝐴
Subconjunto
pertenecen también a otro conjunto 𝐵, Si 𝐴 = {𝑎, 𝑖}, 𝐵 = {𝑎, 𝑒, 𝑖, 𝑜, 𝑢}

6
 entonces se denomina a 𝐴 un
subconjunto de 𝐵. Se denota como
𝐴⊂𝐵𝑜𝐵⊃𝐴
(Spiegel, 1976)
Aquel que no tiene elementos, se denota
por ∅, también se le denomina conjunto
Conjunto vacío nulo.
Contiene todos los elementos posibles o
Conjunto
universo, se denota por 𝑈
universal
Es una descripción numérica del
resultado de un experimento, es discreta
cuando asuma ya sea un número finito
Variable de valores o una sucesión infinita de
aleatoria valores tales como 1, 2, 3,…y es continua
cuando toma valores cualquiera dentro
de un intervalo.
(Anderson, Sweeney & Williams, 2008)
Describe cómo se distribuyen las
probabilidades entre los valores de la
variable aleatoria. Si es discreta estará
Distribución de definida por una función de
probabilidad probabilidad; si es continua lo estará
por una función de densidad.
𝐴 es subconjunto de 𝐵
Si lanzamos un dado y un
conjunto tiene los elementos
{7, 9} éste es vacío. Ya que no
contiene un solo elemento de
los resultados posibles.
Si lanzamos un dado y un
conjunto tiene los elementos
{1,2,3,4,5,6} éste es universal.
Ejemplos
Variable aleatoria discreta:
El número de clientes en un
restaurante en un día.
Variable aleatoria continua:
Tiempo en minutos entre la
llegada de los clientes de un
banco.
Discretas
Distribución binomial
Distribución de Poisson
Distribución hipergeométrica
Continuas
Distribución normal
Distribución beta
Distribución gama

El valor esperado de una variable Si la variable aleatoria X

aleatoria X es el promedio o valor medio representa la suma de las caras
de X y está dado por: superiores al ser lanzados, ¿Cuál
es el número esperado?
𝐸(𝑋) = ∑ 𝑥𝑝(𝑥), 𝑠𝑖 𝑥 𝑒𝑠 𝑑𝑖𝑠𝑐𝑟𝑒𝑡𝑎 𝑜 12
Valor esperado 1
𝑥 𝐸(𝑋) = ∑ 𝑥𝑝 = 2 ( )
𝑥 36
𝑥=2
𝐸(𝑋) = ∫ 𝑥𝑓(𝑥) 𝑑𝑥, 𝑠𝑖 𝑒𝑠 𝑐𝑜𝑛𝑡𝑖𝑛𝑢𝑎 2
−𝑥 + 3( )+ ⋯
36
(Canavos, 1988) 1
+ 12 ( ) = 7
36

Distribución discreta de probabilidad Se tira una moneda al aire 6

Distribución que ocupa experimentos en los que los veces, ¿cual es la probabilidad
Binomial resultados de ocurrencia o no ocurrencia de que resulte cruz 4 veces?
Probabilidad de éxito= 0.5

7
 se consideran “éxitos” o “fracasos” Probabilidad de fracaso= 0.5
respectivamente. 6
𝑓(4) = ( ) (0.5)4 (0.5)2 = 0.234
4
La probabilidad de éxito p permanece
constante en cada ensayo y éstos son
independientes entre sí.(Canavos, 1988)

En esta distribución discreta, la variable Si un banco recibe en promedio 6

aleatoria representa el número de cheques sin fondo diarios, ¿Cuál
eventos independientes que ocurren a es la probabilidad de que el
banco reciba 4 cheques sin fondo
Distribución de velocidad constante.(Canavos, 1988)
cierto día?
Poisson
𝜆𝑥 𝑒 −𝜆
𝑃(𝑥, 𝜆) =
𝑥!
64 (2.718)−6
𝑃(4,6) = = 0.134
4!

Es parecida a la binomial excepto que los En una urna hay 7 bolas

ensayos no son independientes, el blancas y 3 negras, si se
número de objetos es finito (se conoce la extraen cuatro ¿Cuál es la
Distribución población de donde es la muestra) y probabilidad de que salgan 3
Hipergeométrica cada extracción es sin remplazo. blancas?

(73)(31) 35 ∙ 3
𝑃(3) = = = 0.5
(10
4
) 210

Esta distribución es frecuentemente Un examen difícil sigue una

utilizada en las aplicaciones estadísticas. distribución normal con
Su propio nombre indica su extendida media 58 y desviación típica
utilización, justificada por la frecuencia 26, ¿Cuál es la probabilidad
o normalidad con la que ciertos de que una persona que
fenómenos tienden a parecerse en su presenta la prueba obtenga
Distribución comportamiento a esta distribución. más de 70?
normal Muchas variables aleatorias continuas
presentan una función de densidad 70 − 58
𝑃(𝑥 > 70) = 𝑝 [𝑧 > ]
cuya gráfica tiene forma de campana. 26
= 𝑝(𝑧 > 0.462)
= 𝑝(𝑧 < −0.462)
= 0.322

Distribución continua de gran En un taller de torno el

versatilidad que exhibe varios perfiles tiempo para darle
Distribución que dependen del valor del parámetro ∝ mantenimiento a cada
gama (Canavos, 1988) máquina lo describe una
variable aleatoria con
parámetros 𝛼 = 3 𝑦 𝛽 = 2

8
 Cuál es la probabilidad de
que cierta semana el tiempo
de mantenimiento supere las
8 horas?
1 −𝑥
𝐹(𝑋) = 𝛼 𝑥 𝛼−1 𝑒 𝛽
𝛽 Γ(𝛼)
1 3−1 2
−𝑥
𝑥 𝑒
(2)3 Γ(3)
1 2 −𝑥
= 𝑥 𝑒2
16
1 − 𝑝(𝑥 ≤ 8)
1 8 −𝑥
= 1 − ∫ 𝑥 2 𝑒 2 𝑑𝑥
16 0
= 0.2381

(Pineda, 2010)

Nota: algunos conceptos y la mayoría de los ejemplos no están citados porque son producto
de mi propia experiencia de aprendizaje en los temas, que si bien fueron adquiridos por
importantes autores también lo fueron por tutores, facilitadores y la experiencia cotidiana
que haría impráctico intentar citarlos.

3. Resuelve los siguientes problemas:

i. En una habitación 10 personas tienen una insignias numeradas de 1 al 10. Se eligen 3

personas al azar y se les pide que dejen la habitación simultáneamente y se anotan los
números de las insignias.

 ¿Cuál es la probabilidad de que el número menor de las insignias sea 5?

Se requieren combinaciones ya que no importa el orden de las insignias (salida
simultánea).
Calculamos el número de combinaciones posibles:

𝑛 𝑛! 10 10! 10! 10 ∙ 9 ∙ 8
𝐶𝑟𝑛 = ( ) = ⟹ 𝐶310 = ( ) = = = = 120
𝑟 𝑟! (𝑛 − 𝑟)! 3 3! (𝑛 − 𝑟)! 3! 7! 6

Calculamos el número de combinaciones favorables:

9
 Debido a que la insignia menor es cinco, ésta va ir combinada con dos de los
números mayores (del 6 al 10) que son cinco por lo que el coeficiente binomial nos
queda así:
5 5! 5! 5∙4
𝐶25 = ( ) = = = = 10
2 2! (5 − 2)! 2! 3! 2

Así la probabilidad del evento que denotaremos 𝑃(𝐴) se obtiene:

(52) 10 1
𝑃(𝐴) = 10 = =
( 3 ) 120 12

 ¿Cuál es la probabilidad de que el número mayor de las insignias sea 5?

Ahora el evento considera al 5 como la mayor insignia y se combinará con dos de

las insignias menores (1 al 4), así obtenemos las combinaciones favorables:

4 4! 4! 4∙3
𝐶24 = ( ) = = = =6
2 2! (4 − 2)! 2! 2! 2

La probabilidad del evento que denotaremos 𝑃(𝐵) se obtiene:

(42) 6 1
𝑃(𝐵) = = =
(10
3
) 120 20

𝟏
ii. Supón que A, B y C son eventos tales que 𝑷(𝑨) = 𝑷(𝑩) = 𝑷(𝑪) = 𝟒.
𝟏
𝑷(𝑨𝑩) = 𝑷(𝑩𝑪) = 𝟎 𝒚 𝑷(𝑨𝑪) = . Calcula la probabilidad de que al menos uno de los
𝟖

eventos A, B o C ocurra.

De acuerdo a los datos conocidos los eventos A y C son dependientes mutuamente no

1
excluyentes (𝑃(𝐴 ∩ 𝐶) = ), mientras que el evento B es independiente mutuamente
8

excluyente tanto con A como con C (𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐵 ∩ 𝐶) = 0).

El siguiente diagrama de Venn, se muestra la relación entre los tres eventos,

(Me permití insertar la probabilidad correspondiente).

10
 C B

De acuerdo al diagrama podemos observar que la probabilidad de que ocurra al menos uno
de los tres eventos:

𝑃(𝐴 ∪ 𝐵 ∪ 𝐶) = 𝑃(𝐴) + 𝑃(𝐵) + 𝑃(𝐶) − 𝑃(𝐴 ∩ 𝐶)

1 1 1 1 3 1 5
= + + − = − =
4 4 4 8 4 8 8

iii. Un dado balanceado se lanza dos veces. Encuentra la probabilidad de obtener 4, 5 o 6

en el primer lanzamiento y 1, 2, 3 o 4 en el segundo.

Se aplica la regla del producto entre las probabilidades del primero 𝑃(𝐴) y el segundo
lanzamiento 𝑃(𝐵).

Para el primer lanzamiento:

1 1 1 1
𝑃(𝐴) = 𝑝(4) + 𝑝(5) + 𝑝(6) = + + =
6 6 6 2
Para el segundo lanzamiento:
2
𝑃(𝐵) = 𝑝(1) + 𝑝(2) + 𝑝(3) + 𝑝(4) =
3

Aplicamos la regla:
1 2 1
𝑃 = 𝑃(𝐴) ∙ 𝑃(𝐵) = ∙ =
2 3 3

11
iv. Se sacan dos cartas de un naipe bien barajeado de 52 cartas. Encuentra la
probabilidad de que ambas cartas sean ases si (1) hay reemplazo, (2) no hay reemplazo.
𝑝 = 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑜𝑏𝑡𝑒𝑛𝑒𝑟 𝑢𝑛 𝑎𝑠 𝑒𝑛 𝑙𝑎 𝑝𝑟𝑖𝑚𝑒𝑟𝑎 𝑐𝑎𝑟𝑡𝑎 × 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑜𝑏𝑡𝑒𝑛𝑒𝑟 𝑢𝑛 𝑎𝑠 𝑒𝑛 𝑙𝑎 𝑠𝑒𝑔𝑢𝑛𝑑𝑎 𝑐𝑎𝑟𝑡𝑎

(1) Con reemplazo:

En esta situación los dos saques se hacen con la totalidad de cartas (52) que contienen 4
ases, así la probabilidad 𝑃(𝐴)en cada saque es la misma y se le aplica la regla del producto:
4 4 16 1
𝑃(𝐴) = ∙ = =
52 52 2704 169
(2) Sin reemplazo:

Aquí ya no se regresa la primera carta por lo que en el segundo saque hay una carta (as
esperado) menos:
4 3 12 3 1
𝑃(𝐵) = ∙ = = =
52 51 2652 663 221
v. Una bolsa contiene 4 bolas blancas y 2 negras, otra bolsa contiene 3 blancas y 5
negras. Si se saca una bola de cada bolsa, encuentra a probabilidad de que (1) ambas
sean blancas, (2) ambas sean negras, (3) una blanca y otra negra.

Para el primer suceso:

𝑃(𝐴) = 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑠𝑎𝑐𝑎𝑟 𝑢𝑛𝑎 𝑏𝑜𝑙𝑎 𝑏𝑙𝑎𝑛𝑐𝑎 𝑒𝑛 𝑙𝑎 𝑝𝑟𝑖𝑚𝑒𝑟𝑎 𝑏𝑜𝑙𝑠𝑎
× 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑠𝑎𝑐𝑎𝑟 𝑢𝑛𝑎 𝑏𝑜𝑙𝑎 𝑏𝑙𝑎𝑛𝑐𝑎 𝑒𝑛 𝑙𝑎 𝑠𝑒𝑔𝑢𝑛𝑑𝑎 𝑏𝑜𝑙𝑠𝑎

4 3 1
𝑃(𝐴) = ∙ =
6 8 4
Usando coeficientes binomiales
(41)(20) (50)(31) 4 ∙ 1 1 ∙ 3 1
𝑃(𝐴) = 6 ∙ 8 = ∙ =
(1) (1) 6 8 4

Para el segundo suceso:

𝑃(𝐵) = 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑠𝑎𝑐𝑎𝑟 𝑢𝑛𝑎 𝑏𝑜𝑙𝑎 𝑛𝑒𝑔𝑟𝑎 𝑒𝑛 𝑙𝑎 𝑝𝑟𝑖𝑚𝑒𝑟𝑎 𝑏𝑜𝑙𝑠𝑎
× 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑠𝑎𝑐𝑎𝑟 𝑢𝑛𝑎 𝑏𝑜𝑙𝑎 𝑛𝑒𝑔𝑟𝑎 𝑒𝑛 𝑙𝑎 𝑠𝑒𝑔𝑢𝑛𝑑𝑎 𝑏𝑜𝑙𝑠𝑎

2 5 5
𝑃(𝐵) = ∙ =
6 8 24
Usando coeficientes binomiales
(40)(21) (51)(30) 1 ∙ 2 5 ∙ 1 5
𝑃(𝐵) = 6 ∙ 8 = ∙ =
(1) (1) 6 8 24

12
Para el tercer suceso:
𝑃(𝐶) = 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑠𝑎𝑐𝑎𝑟 𝑢𝑛𝑎 𝑏𝑜𝑙𝑎 𝑏𝑙𝑎𝑛𝑐𝑎 𝑒𝑛 𝑙𝑎 𝑝𝑟𝑖𝑚𝑒𝑟𝑎 𝑏𝑜𝑙𝑠𝑎
× 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑠𝑎𝑐𝑎𝑟 𝑢𝑛𝑎 𝑏𝑜𝑙𝑎 𝑛𝑒𝑔𝑟𝑎 𝑒𝑛 𝑙𝑎 𝑠𝑒𝑔𝑢𝑛𝑑𝑎 𝑏𝑜𝑙𝑠𝑎

4 5 5
𝑃(𝐶) = ∙ =
6 8 12
Usando coeficientes binomiales
(41)(20) (51)(30) 4 ∙ 1 5 ∙ 1 5
𝑃(𝐶) = 6 ∙ 8 = ∙ =
(1) (1) 6 8 12

Reflexión

¿Para qué es útil la estadística?

Para empezar la estadística es una disciplina transversal, como apoyo de toda ciencia
mayormente en la actualidad donde las tecnologías de información han crecido
enormemente. Cualquier empresa requiere tener información estadística de sus actividades
dentro y fuera para la toma de decisiones que con el uso de las herramientas estadísticas
adecuadas determinan acciones a seguir para solucionar problemas concretos, entre muchas
otras utilidades de la estadística.

Referencias
Canavos, G.. (1988). Probabilidad y estadística, aplicaciones y métodos. Ciudad de México: McGraw-Hill.
Mendenhall, W., Beaver, R., Beaver, B.. (2010). Intoducción a la probabilidad y estadística. Ciudad de México:
Cengage Learning Editores, S.A.
Sáez, A.. (2012). Apuntes de estadística para ingenieros. Jaén, Andalucía, España: n/a.
Pastor, G. (1998). Estadística básica. Cd de México: Trillas.
Anderson, R., Sweeney, D., Williams, T.. (1988). Estadística para administración y economía. Ciudad de México:
Cengage Learning Editores, S.A.
Spiegel, M.. (1976). Probabilidad y estadística. Ciudad de México: McGraw-Hill.
Rincón, L.. (2007). Curso elemental de Probabilidad y estadística.. Ciudad de México: Facultad de ciencias,
UNAM.
Pineda, L.. (2010). Distribución gamma. Octubre 10, 2017, de Linkedin Co. Sitio web:
https://es.slideshare.net/LEVISANDRO/distribucin-gamma

13