Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
FAREM ESTELÍ
Estadística y Probabilidades
Física Matemática II Año
18 de mayo 2019
Índice
Introducción_____________________________________________________________ 1
Formas de la distribución_______________________________________________ 33
Definiciones __________________________________________________________ 51
Probabilidades ______________________________________________________ 51
Experimento________________________________________________________ 51
Espacio Muestral ____________________________________________________ 52
Suceso aleatorio _____________________________________________________ 53
Suceso elemental ____________________________________________________ 54
Suceso compuesto ___________________________________________________ 54
Algunas definiciones y operaciones con conjuntos _________________________ 54
___________________________________________________ 122
Prueba de hipótesis
__________________________________________________ 122
Tipos de hipótesis
Pruebas de una cola (o unilaterales) __________________________________ 124
Introducción
La Matemática es lógica, precisa, rigurosa, abstracta, formal y bella. Representa un saber
escalonado, donde cada etapa es necesaria para afrontar la siguiente. Esta ciencia fortalece el
pensamiento crítico para entender mejor el entorno, desarrolla la lógica de pensamiento para
la toma de decisiones. Por tanto, contribuye al desarrollo de las inteligencias, los sentimientos
y la personalidad.
Esperó que este módulo pueda contribuir a tu formación profesional con una concepción
científica y humanista, capaz de interpretar los fenómenos sociales y naturales con un sentido
crítico, reflexivo y propositivo.
1
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Objetivos Conceptuales
Objetivos Procedimentales
Objetivos Actitudinales
2
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Pero fueron los romanos, maestros de la organización política, quienes mejor supieron
emplear los recursos de la estadística. Cada cinco años realizaban un censo de la población
y sus funcionarios públicos tenían la obligación de anotar nacimientos, defunciones y
matrimonios, sin olvidar los recuentos periódicos del ganado y de las riquezas contenidas en
las tierras conquistadas.
3
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Utilidad e importancia
Los métodos estadísticos tradicionalmente se utilizan para propósitos descriptivos, para
organizar y resumir datos numéricos. La estadística descriptiva, por ejemplo trata de la
tabulación de datos, su presentación en forma gráfica o ilustrativa y el cálculo de medidas
descriptivas.
Estadística
La palabra estadística se emplea en una gran variedad de formas. En plural se emplea como
sinónimo de dato.
- recopilar
- organizar (clasificar, agrupar),
- presentar, y
- analizar,
Estas dos partes de la estadística no son mutuamente excluyentes, ya que para utilizar los
métodos de la inferencia estadística, se requiere conocer los métodos de la estadística
descriptiva.
Población y muestra
Población
Definición. En forma general, en estadística; se denomina población, a un conjunto de
elementos (que consiste de personas, objetos…), que contienen una o más características
observables de naturaleza cualitativa o cuantitativa que se pueden medir en ellos.
Por ejemplo, los empleados de una empresa en un día laborable, constituyen una población
en la que cada empleado (unidad estadística), tiene muchas características a ser observadas,
como por ejemplo: Género, estado civil, lugar de procedencia, grado de instrucción, etc.
(características cualitativas), o número de hijos, ingresos mensuales, etc. (características
cuantitativas).
Por otra parte, la población; viene definida por la tarea o investigación estadística a
realizarse. Y como la medición o conteo de la característica especificada por la
investigación se hace a cada unidad elemental, se puede considerar a la población como la
totalidad de valores posibles de una característica particular especificada por la
investigación estadística. En este sentido la población consiste de un conjunto de datos
5
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Parámetro: Se denomina parámetro a una medida descriptiva que resuma una característica
de la población, tal como la media ( ) o la varianza ( 2 ), calculada a partir de los datos
observados de toda la población.
Muestra
Después de definir la investigación estadística a realizar, se debe decidir entre investigar toda
la población o sólo una parte de ella. El primer procedimiento es denominado censo y el
segundo es llamado muestreo.
Es importante tener en cuenta, si el análisis estadístico se está haciendo con una muestra o
con una población. En ambos casos las medidas descriptivas son las mismas. Para
diferenciarlos, los parámetros de la población, se representan por letras griegas.
Variable
Es una característica que roma distintos valores cuando se observa en diferentes individuos.
6
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Se representa por una letra del alfabeto. Por ejemplo, en la población constituida por los
empleados de la universidad, algunas variables estadísticas definidas en ésta población son:
Tipos de Variables
Las variables estadísticas se pueden clasificar por diferentes criterios. Según su medición existen
dos tipos de variables:
Variable cualitativa
Son aquellas que se ordenan en categorías debido a su carácter subjetivo y absoluto. Pueden
ser de dos tipos nominales y ordinales.
- Variables nominales
Los valores no pueden ser sometidos a criterios de orden o importancia. Ejemplo: “El sexo
de una persona”, La nacionalidad, etc.
- Variables ordinales
Las variables pueden tomar distintos valores ordenados siguiendo una escala estadística.
Clasifica a los elementos en distintas categorías. . Ejemplo: Los estratos sociales, (baja,
7
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
media alta)La satisfacción al adquirir un artículo (No me gusta, es regular, bueno, muy bueno,
excelente).
Variable cuantitativa
Son las que sus características están expresadas en valores numéricos. Se dividen en
continuas y en discretas.
- Variables continuas
Pueden adquirir cualquier valor dentro de un intervalo especificado. Resultan del proceso de
medición. Ejemplo; La estatura de una persona, los ingresos mensuales de los trabajadores,
el consumo de energía eléctrica en un centro de trabajo, la duración de una llamada telefónica,
Etc.
- Variables discretas
Los valores de las variables son enteros y resultan del proceso del conteo. Ejemplo: El
número de letras de una palabra, el número de estudiantes que asistieron hoy a clases, el
número de llamadas telefónicas registradas en un teléfono celular, etc.
Las escalas de medición se clasifican en cuatro grupos: escala nominal, ordinal, intervalo
y escala de razón.
Escala nominal.
posible asignar cada una de ellas exclusivamente a una categoría o grupo. Cada grupo o
categoría se denomina con un nombre o número de forma arbitraria, es decir, que se etiqueta
en función de los deseos o conveniencia del investigador. Este nivel de medición es
exclusivamente cualitativo y sus variables son por lo tanto cualitativas.
Por ejemplo, los sujetos que son del curso de A de 2º de eso y los de B generan dos grupos.
Cada sujeto se asigna a un grupo, y las variables son de tipo cualitativo (de cualidad) y no
cuantitativo puesto que indica donde está cada sujeto y no "cuanto es de un curso y no de
otro". En este ejemplo los números 2 y 3 pueden sustituir las letras A y B, de forma que 2 y
3 son simples etiquetas que no ofrecen una valoración numérica sino que actúan como
nominativos.
No es posible que un mismo valor o sujeto esté en dos grupos a la vez. No se puede ser de 2º
y 3º a la vez. Por lo tanto este nivel exige que las categorías sean mutuamente excluyentes
entre sí. Los números no tienen valor más que como nombres o etiquetas de los grupos.
El concepto nominal sugiere su uso que es etiquetar o nombrar. El uso de un número es para
identificar. Un número no tiene mayor valor que otro. Un ejemplo son los números de las
camisetas de los jugadores de un equipo de béisbol. El número mayor no significa que tiene
el mayor atributo que el número menor, es aleatorio o de capricho personal a quien otorga el
número. Para el procesamiento de datos, los nombres pueden ser remplazados por números,
pero en ese caso el valor numérico de los números dados es irrelevante.
Ejemplos de medidas nominales son algunas de estas variables: estado marital, género, raza,
credo religioso, afiliación política, lugar de nacimiento, el número de seguro social, el sexo,
los números de teléfono, entre otros.
propiedades de identidad y magnitud. Los números representan una cualidad que se está
midiendo, y expresan si una observación tiene más de la cualidad medida que otra. La
distancia entre puntos de la escala no es constante: no se puede determinar la distancia entre
las categorías, sólo es interpretable el orden entre sus valores. Ejemplos: situación
socioeconómica, nivel educativo.
Escala de razón. Corresponde al nivel de medición más completo. Tiene las mismas
propiedades que la escala intervalos, y además posee el cero ab- soluto. Aquí el valor cero
no es arbitrario, pues representa la ausencia total de la magnitud que se está midiendo. Con
esta escala se puede realizar cualquier operación lógica (ordenamiento, comparación) y
aritmética. A iguales diferencias entre los números asignados corresponden iguales
diferencias en el grado de atributo presente en el objeto de estudio. Ejemplos: longitud, peso,
distancia, ingresos, precios.
Por ejemplo; el ingreso; el cero representaría que no recibe ingreso en virtud de un trabajo,
la velocidad; el cero significa ausencia de movimiento. Otros ejemplos de variables
racionales son la edad, y otras medidas de tiempo. En otras palabras, la escala de razón
comienza desde el cero y aumenta en números sucesivos iguales a cantidades del atributo
que está siendo medido.
10
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Resumen
Tipos de
variables
Cualitativas Cuantitativas
Ejercicios
Ejercicio 1.3: Indica qué variables son cualitativas (ordinal o nominal) y cuales cuantitativas
(continuas o discretas):
Ejercicio. 1.4: Indique el nivel de medición de las siguientes variables. Teniendo en cuenta
que las variables se pueden clasificar en nominales, ordinales, de intervalo y razón:
12
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Distribución de frecuencias
Frecuencia absoluta (f): Para datos no agrupados en intervalos, es el número de veces que se presenta
cada valor de la variable. Si los datos se agrupan en intervalos, es el número de observaciones que
pertenecen a dicho intervalo.
13
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Frecuencia absoluta acumulada (fa): Para un cierto valor de la variable, la frecuencia absoluta
acumulada nos da el número de observaciones menores o iguales que dicho valor.
Frecuencia relativa (fr): Cociente entre la frecuencia absoluta y el número total de observaciones
(N).
Frecuencia relativa porcentual (fr%): Frecuencia relativa multiplicada por 100 (es la expresión de
las frecuencias en %).
Ejemplo
Las puntuaciones obtenidas por un grupo en una prueba de matemáticas han sido:
15; 20; 15; 18; 22; 13; 13; 16; 15; 19; 18; 15; 16; 20; 16; 15; 18; 16; 14; 13.
LS = Li + C -- U
Nota 1: Para determinar los límites inferiores de las clases siguientes, sólo se le suma el valor
de C al límite inferior anterior. De igual manera se trabaja con los límites superiores. La
última clase debe contener al valor mayor de los datos.
Ejemplo1.
15
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
44,4 44.7 44,1 44,3 43,9 44,1 45,8 42,2 41,2 40,6
42,1 45,6 44,5 39,7 40,7 42,3 45,2 43,3 44,7 38,6
Agrupe estos datos en una tabla de distribución de frecuencias TDF que tenga 7 clases.
Tallo hojas
38 4; 6; 7
39 7; 8
40 6; 7
41 2
42 1; 2; 3
43 2; 3; 6; 8; 8; 9
44 0; 0; 1; 1; 2; 2; 3; 3; 4; 4; 5; 5; 5; 6; 7; 7
45 0; 2; 2; 3; 5; 6; 8
38,4 39,8 42,1 43,3 43,9 44,1 44,3 44,5 44,7 45,3
38,6 40,6 42,2 43,6 44,0 44,2 44,4 44,5 45,0 45,5
38,7 40,7 42,3 43,8 44,0 44,2 44,4 44,6 45,2 45,6
39,7 41,2 43,2 43,8 44,1 44,3 44,5 44,7 45,2 45,8
Paso 5. C = 1.0 + 0.1 (ya que los datos tienen una cifra decimal u = 0.1) Resulta
C = 1.1
Paso 6.
16
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
f
fr =
n
%fr = fr x 100
fa
%fa =, x 100
n
xC = Li LS
2
Límites reales: Para encontrar los límites reales se aplican las fórmulas:
U
Lir = Li - y Lsr = Ls +
2
En este ejemplo, los datos tienen una cifra decimal, por eso se toma u = 0.1
Puede observarse que hay una frecuencia de 5 vehículos que tienen un rendimiento de 42.8
a 43,8 kilómetros por galón de gasolina, esto equivale al 12,5% de las unidades en estudio.
18
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Ejercicio 1.5
Construya una tabla de frecuencias para la edad en años cumplidos de 40 estudiantes de
nuevo ingreso de la FAREM-Estelí.
21 20 19 23 22 19 16 22 24 17
19 18 20 27 20 23 18 19 17 24
18 19 21 25 23 21 22 20 17 23
22 20 19 26 18 20 18 17 22 21
Tipos de Gráficos
Un gráfico (o gráfica) es el recurso de representar los datos numéricos por medio de líneas,
diagramas, dibujos, etc. La representación
gráfica es un importante suplemento al análisis
y estudio estadístico.
19
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Por ejemplo si el eje X mide 12 cm, entonces el eje Y mide ¾ de (12) = 9 cm.
1) Histograma de frecuencias
Consiste en una serie de rectángulos continuos cuya base en el eje x está determinada por los
límites reales y la altura de cada barra, es la frecuencia absoluta de la clase.
Rendimiento de la gasolina
Coop. de Taxis de Managua
I semestre 2016
18 17
16
14
Unidades de taxi
12
10
8 7
6 5
4 3 3 3
2
2
0
38.35 39.45 40.55 41.65 42.75 43.85 44.95
Km / Galón
2) Polígono de frecuencias
Es un diagrama formado por segmentos de recta que une los puntos de las alturas
(frecuencia de cada clase) Para graficar se escriben en el eje X, las marcas de clase
y en el eje Y las frecuencias.
20
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Rendimiento de la gasolina
Coop. de Taxis de Managua
I semestre 2016
18
17
16
Unidades de taxi 14
12
10
8
7
6
5
4
3 3 3
2 2
0
38.9 40 41.1 42.2 43.3 44.4 45.5
Km. / galón
3) Polígono de frecuencia acumulada
Es un diagrama donde se ubican los límites reales superiores en el eje X y la
frecuencia acumulada en el eje Y .La línea que se forma solamente crece.
Rendimiento de la gasolina
Coop. de Taxis de Managua
I Semestre 2016
45
40 40
35
Unidades de taxi
33
30
25
20
15 16
10 11
8
5 5
3
0
39.45 40.55 41.65 42.75 43.85 44.95 46.05
Km / galón
Otros Gráficos
21
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
En una gráfica de barras los datos de cada una de las modalidades C i se representan por
una barra rectangular vertical (u horizontal), cuya altura (o largo) es proporcional a su
frecuencia. Las barras se dibujan dejando un espacio entre ellas.
Si la escala es nominal las categorías pueden ser colocadas en cualquier orden. Pero, si el
nivel es ordinal las categorías deben ir ordenadas.
En una gráfica circular, los datos de cada categoría C i se representan por un sector circular
cuyo ángulo en el centro es igual a hi360.
Ejemplo:
En una encuesta de opinión acerca de las preferencias de una marca de bebida gaseosa por
sus colores: Negro (N), Blanco (B), Rojo (R), 20 consumidores dieron las siguientes
respuestas:
B, N, N, B, R, N, N, B, B, N,
B, N, N, R, B, N, B, R, B, N.
SOLUCION.
22
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Personas
9 0.45
8 0.40
7
6
5
4
3 0.15
2
1
0
Negro Blanco Rojo
La figura 1.2 es la representación mediante gráfica de sectores circulares del cuadro 1.2.
La frecuencia 45% es equivalente a 0.45 360 162 , la frecuencia 40% es equivalente a
0. 40 360 144 , y la frecuencia 15% es equivalente a 0.15 360 54
15%
40%
R
B
N
45%
23
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
30
25
20
Hombres
15
Mujeres
10
5
0
1975 1980 1985 1990
50
40
30 Mujeres
20 Hombres
10
0
1975 1980 1985 1990
24
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
El cuadro, tiene los mismos datos del cuadro, sólo que ahora se consideran los porcentajes o
valores relativos, en vez de los valores absolutos.
100%
90%
80%
70%
60%
Mujeres
50%
40% Hombres
30%
20%
10%
0%
1975 1980 1985 1990
Cuando se utilizan figuras de igual tamaño para reflejar la característica que se quiere
representar, al gráfico estadístico, se denomina pictografía. En una pictografía el número de
figuras en cada categoría o modalidad es proporcional a la frecuencia absoluta respectiva.
25
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Existe otra gran variedad de gráficas o diagramas para mostrar datos ó para mostrar
relaciones entre varios grupos de datos. Aquí la imaginación del dibujante juega un papel
muy importante.
Ejercicio 1.6
Se realiza un estudio para conocer el número de computadoras que hay en cada vivienda del
municipio de Ocotal, Nueva Segovia y se obtienen los siguientes datos:
0, 1, 2, 4, 2, 2, 0, 0, 4, 3, 1, 3, 4, 3, 4, 1, 1, 1, 2, 1, 3, 4, 2, 2, 4,
2, 2, 1, 4, 1, 1, 1, 2, 2, 2, 2, 1, 1, 2, 2, 2, 1, 1, 3, 3, 1, 1, 2, 2, 1
Ejercicio 1.7
Los puntos obtenidos por los jugadores de dos equipos de baloncesto han sido los siguientes:
9 12 6 11 19 5 8 13 2 8 5 12 0 9 4 15 18 10 6 16
Ejercicio 1.8
La superficie arbolada afectada por incendios forestales en España, para el período 2005-
2014, se da en la siguiente tabla:
26
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
27
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Ejemplo 2.
Dado el conjunto de datos 3, 5,, 7, 4, 8, 4, 9, 6, 7, 4, 9
X
x X 3 5 7 4 8 4 9 6 7 4 9 X 66 X =6
n 11 11
Mediana:
Es el puntaje central de la distribución de datos. Esto es que el 50% de los valores de la
muestra se encuentra por encima del valor de la mediana y el otro 50%, se encuentra por
debajo de ella.
Para calcular la mediana se busca el valor que se encuentra en el centro de los datos ordenados
de menor a mayor. Si el número de datos (n) es impar, quedará un número solo en el centro.
Ese valor es la mediana. Pero si (n) es par, quedarán dos valores centrales., entonces se
promedian los dos valores y el resultado es el valor de la mediana.
Ejemplo 3.
Dado el conjunto de datos 3, 5,, 7, 4, 8, 4, 9, 6, 7, 4, 9
Primero se ordena de menor a mayor.
3, 4, 4, 4, 5, 6, 7, 7, 8, 9, 9 La mediana es Me = 6
Ejemplo 4.
28
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
67
La mediana para el conjunto de datos 1, 2, 4, 6, 7, 8, 9, 10 es Me = 6.5ya que n es
2
par.
Moda
De una serie de datos es el valor que ocurre con mayor frecuencia. Es decir, es el dato más
repetido.
La moda de una serie de datos es el valor Mo , que se define como el dato que más veces
se repite.
La moda es una medida promedio que se usa cuando se quiere señalar el valor más común
de una serie de datos. Por ejemplo, los comerciantes se estoquean con productos que están
de moda.
Ejemplo5.
Dado el conjunto de datos 3, 5,, 7, 4, 8, 4, 9, 6, 7, 4, 9
Se repiten tres valores el 4, el 7 y el 9. Pero el 4 se repite más veces por tanto la moda es
Mo = 4.
Ejercicios Propuestos
Ejercicio 1.9
29
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
a) 7, 9, 7, 8, 7, 4, 7, 13, 7
b) 5, 3, 4, 5, 7, 3, 5, 6, 3
c) 31, 11, 12, 19
Ejercicio 1.11
Calcular la media aritmética de la distribución del número de hijos por familia, según la tabla
presentada
xi fi fi xi
0 1 0
1 4 4
2 7 14
3 6 18
4 2 8
Total 20 44
30
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Datos agrupados
Donde:
Media X
fX c
n: Es el tamaño de la muestra
Ejemplo 6. Calcular la media aritmética, mediana y moda con los datos del ejemplo (1) sobre
el combustible de la cooperativa de taxis de Managua.
31
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
a) Media X
fX c 1 736,40
𝑋̅ = 40 X = 43.41 kilómetros por galón
n
20 16
Me = 43,85 + .(1.1) Me = 44,10kilómetros por galón
17
1
1 : = 17 – 5 = 12 y 2 : = 17 – 7 = 10 Mo = Lir + .C
1 2
12
Mo = 43,85 + .(1.1) = 44,45 Mo = 44,45 kilómetros por galón
12 10
Se puede concluir que el rendimiento promedio en el combustible es de 43.41 kilómetros por
galón, que el 50% de las unidades muestreadas refleja un rendimiento menor o igual a 44.10
y el otro 50%mantiene un rendimiento superior a 44.10, kilómetros por galón y que el
rendimiento más repetido es de 44.45 kilómetros por galón.
Ejercicio 1.12
Calcular la mediana, moda y media aritmetica para la muestra de los 45 ingresos quincenales
tabulados en la siguiente tabla:
32
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Ii fi Fi
[26,34[ 1 1
[34,42[ 2 3
[42,50[ 4 7
[50,58[ 10 17
[58,66[ 16 33
[66,74[ 8 41
[74,82[ 3 44
[82,90] 1 45
Total 45
Ejercicio 1.13 Calcular la media aritmética de la distribución del número de hijos por familia
xi fi fi xi
0 1 0
1 4 4
2 7 14
3 6 18
4 2 8
Total 20 44
Formas de la distribución
33
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Simétrica:
Se dice que una distribución es simétrica, si se puede doblar a lo largo de un eje vertical de
modo que los lados coincidan. En este caso la media, mediana y la moda coinciden con el eje
de simetría. El sesgo es igual a cero.
X = Me = Mo
Asimétrica
Si la curva no es simétrica se dice que es sesgada, ya sea positiva o negativamente.
Una distribución es “sesgada a la derecha” o tiene asimetría positiva, si Mo
< Me < X
Mo < Me < X
X < Me< Mo
X < Me< Mo
Respecto al problema (el caso de la gasolina) la media es menor que la mediana y menor que
la moda, por tanto tiene una asimetría negativa.
f X X
n
c
2 u 1
a) La varianza: La varianza se calcula mediante la fórmula S =
n 1
b) Desviación estándar:
3 X M e
d) Coeficiente de asimetría. Sesgo =
S
Ejemplo 7. Con los datos del problema (6), calcular:
a) La varianza
b) La desviación estándar
c) El coeficiente de variación
d) El coeficiente de asimetría.
f X X
n
c
u 1 151.9760
a) S2 = S2 = S2 = 3.8968
n 1 39
35
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Interpretación:
La desviación estándar: La dispersión que presentan los datos es de 1,97 kilómetros por
galón, con respecto al rendimiento promedio.
EJERCICIO (1)
1) En la zona baja de Managua hay 27 pozos para suministrar agua a la ciudad Capital.
Los caudales de dichos pozos se miden en galones por minuto. (GPM) y sus
mediciones son las siguientes.
36
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
2) Los datos son mediciones de la intensidad solar directas (en Watts / m2) realizados en
diferentes días en una localidad.
37
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Medidas de posición
38
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Deciles: Son valores posicionales que dividen a la información en diez partes iguales.
El primer decil deja 10% de la información por debajo de él y el 90% por encima de
él. Los deciles se representan por Di donde i = 1, 2, 3, . . . 10
Representación gráfica
D1 D2 D3 D4 D5 D6 D7 D8 D9 D10
in in
10 f a A 4 fa A
Deciles Di = Lir + .C Cuartiles Qi = Lir + .C
f c f c
in
100 f a A
Percentiles Pi = Lir + .C
f c
39
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Lir Lsr f fa
38,35 39,45 3 3
39,45 40,55 2 5
40,55 41,65 3 8
41,65 42,75 3 11
42,75 43,85 5 16
43,85 44,95 17 33
44,95 46,05 7 40
Total 40
Calcular:
a) El decil 2 d) Percemtil 10
b) Cuartil 1 e) Percentil 90
c) Cuartil 3
in 2(40)
10 f a A 10 5
a) Di = Lir + .C D2 = 40.55 + .(1.1) D2 = 41.65
f c 3
in 3(40)
4 fa A 4 16
b) Qi = Lir + .C Q3= 43.85 + .(1.1) Q3 = 44.76
f c 17
40
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
in 1(40)
4 f a A 4 8
c) Qi= Lir + .C Q1= 41.65 + .(1.1) Q1 = 42.38
f c 3
in 10(40)
100 f a A 3
100
d) Pi = Lir + P10 = 39.45 +
.C .(1.1) P10 = 40.00
f c 2
in 90(40)
100 f a A 100 33
e) Pi = Lir + .C P90 = 44.95 + .(1.1) P90 = 45.42
f c 7
Interpretación:
El D2 significa que el 20% de los datos de la muestra, tienen un rendimiento de 41.65 km
por galón o menos. El Q1indica que el 25% de los datos de la muestra tienen un rendimiento
menor o igual a 42.38 km por galón. De manera similar se interpretan las otras medidas.
Q Q3 Q1 44.76 42.38
K= Q= Q= Q = 1.19
P90 P10 2 2
1.19
K= K = 0,2195A Q se le conoce como rango semi intercuartil.
45.42 40
Ejemplo 9.La siguiente distribución de frecuencia representa el tiempo promedio en minutos
que 20 clientes de un banco, llevan a cabo una transacción bancaria.
Tiempo en
Cantidad de Tiempo
minutos Lir Lsr
clientes (f) promedio
Li Ls
3
4 2,1
6
3
2 6,0
2
Total 20
42
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
b)
Media aritmética X
fX c
X
71.9
X = 3,595 minutos
n 20
f X X
2
c
La varianza S2 = S 2 = 3,9626 S = 1,9906 minutos
n 1
in
100 f a A
c) Pi = Lir + .C 1.95 está en la segunda clase y 5.50 en la quinta.
f c
i (20)
100 3
1,95 = 1.45 + .(1.3) i = 22.69 %
4
i (20)
100 16
5.50 = 5.35 + .(1.3) i = 81.15 %
2
Interpretación
Inciso (b) El tiempo promedio que los clientes se tardan en realizar sus transacciones
bancarias es de 3.595 minutos con una desviación estándar de 1.99. Esto quiere decir que la
43
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
variación de los tiempos que se tardan los clientes en realizar sus operaciones bancarias es
de 1.99 minutos con respecto al tiempo promedio.
Inciso (c) El 58.46 % de los clientes se tardan entre 1.95 y 5.50 minutos en realizar las
operaciones bancarias.
EJERCICIO (2)
1) Una compañía de computadoras recopiló datos con respecto al tiempo (en minutos)
que requerían cada uno de los 40 vendedores para realizar una venta. La siguiente
tabla representa la distribución de tiempo requerido por vendedor.
Li Ls F fr
1 10 0.075
11 20 1
21 30 4
31 40
41 50 2
51 60 0.375
61 70 0.225
71 80 5
a) Completar la tabla
b) Calcular el coeficiente de asimetría
c) Calcular el coeficiente de curtosis
d) Interpretar la forma de la distribución.
Clases frecuencia
44
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
9,700 9,899 3
9,900 10,099 8
10,100 10,299 2
10,300 10,499 0
10,500 10,699 2
a) ¿Qué nivel de producción excedió el 75% de sus productos durante ese mes?
b) ¿Qué nivel de producción excedió el 90% de sus productos durante ese mes?
c) Analice la forma de la distribución.
Ejemplo 10.
La tabla siguiente muestra los datos sobre las preferencias de algunos deportes como
Baloncesto, fútbol, natación y atletismo, para hombre y mujeres.
Hombres % Mujeres %
Baloncesto 6 31.58 13 68.42
45
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
10
8
Homres
6
mujeres
4
2
0
Baloncesto Fútbol Natación Atletismo
Disciplina
46
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Atletismo Baloncesto
20% 15%
Natación Fútbol
28% 37%
Exportaciones
Rubro 2001 2002 2003 2004
Café 103 74 86 124
Carne 66 78 84 110
Mariscos 76 79 69 88
Oro 30 35 35 47
Azúcar 49 29 26 29
47
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
120
Café
100
MIllones $
Carne
80
Marisco
60
Oro
40
Azúcar
20
0
2001 2002 2003 2004
Años
48
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Objetivos Conceptuales
Objetivos Procedimentales
Objetivos Actitudinales
49
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Introducción:
Sin tener en cuenta la profesión que se haya elegido, en algún momento se deben tomar
decisiones. Con mucha frecuencia esto tendrá que hacerse sin conocer todas las
consecuencias de tales decisiones. Por ejemplo, los inversionistas deben decidir sobre la
conveniencia de invertir en una acción en particular, con base a las expectativas sobre
rendimientos futuros. Los empresarios, al decidir comercializar un producto, enfrentan la
incertidumbre sobre la posibilidad de éxito.
50
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
La probabilidad de recibir pagos sobre cuentas por cobrar, las venta potenciales de un nuevo
producto, los apostadores profesionales, un evento deportivo, etc son ejemplos de aplicación
de la teoría de las probabilidades.
Definiciones
Probabilidades
Se define probabilidades como el estudio de experimentos aleatorios o de libre determinación
Experimento
Experimento aleatorio
Definición. Un experimento aleatorio es todo proceso que consiste de la ejecución de un
acto (o prueba) una o más veces, cuyo resultado en cada prueba depende del azar y en
consecuencia no se puede predecir con certeza.
Experimento no aleatorio
Ejemplo 3. Tomamos un dado y marcamos con un mismo número en todas sus caras, al
lanzarlo sabemos con toda seguridad cuál número va a caer.
51
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Espacio Muestral
Definición. Se denomina espacio muestral al conjunto que consiste de todos los resultados
posibles de un experimento aleatorio. Este conjunto se denotará por S.
Si el espacio muestral tiene un número finito de elementos es posible enlistar a todos estos,
y si el número de elementos es grande o infinito el espacio muestral se describirá mediante
un enunciado o regla.
Ejemplo 4.
S1 = {1, 2, 3, 4, 5, 6}.
NOTA. Los espacios muestrales de experimentos aleatorios que consisten de dos o más
pruebas sucesivas se obtienen también de un diagrama tipo árbol, como el de la figura para
S2.
52
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
3a.prueba
2a.prueba Puntos muestrales
1a.Prueba C CCC
C S CCS
C C CSC
S
S CSS
C C SCC
S S SCS
C SSC
S
S SSS
3) Si el experimento aleatorio es lanzar una moneda tantas veces como sea necesario hasta
que aparezca la primera cara, su espacio muestral es el conjunto:
S4 = {C, SC, SSC, SSSC,...etc.}.
4) Si el experimento aleatorio es medir la vida útil (en horas) de una marca de artefacto
eléctrico, su espacio muestral es el conjunto:
𝑆5 = {𝑡 ∈ ℝ/𝑡 ≥ 0}
(Aquí, ℝ representa a los números reales).
1) Discretos finitos, consisten de un número finito de elementos, por ejemplo, los espacios
S1, S2, S3.
53
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Suceso elemental
Se llama suceso elemental a aquel suceso A que no se puede expresar como suma de dos
sucesos diferentes de A. Los sucesos elementales se identifican con los elementos del espacio
muestral y éstos son los resultados posibles del hecho o experimento.
𝑆 = {𝑐, 𝑠}
Ejemplo 5.
Suceso elemental {𝑐}
Suceso elemental {𝑠}
Suceso compuesto
Es el resultado de dos o más sucesos elementales.
Ejemplo 6.
Al lanzar un dado corriente el espacio muestral, es S = 1, 2, 3, 4, 5, 6 luego:
1 ,2 3 4 5 6 Son elementales: en cambio, los sucesos:
1,2 1, 2, 3 2, 3, 5 etc. Son sucesos compuestos.
Conjunto unión: Se define como el conjunto formado por los elementos que pertenezcan al
primer conjunto, al segundo conjunto y a ambos.
Se denota por A U B = x/ x Є A, x Є B y x Є (A∩B)
Conjunto intersección: Se define como el conjunto formado por los elementos que
pertenecen a ambos conjuntos. Se denota por A ∩ B = x / x Є A y x Є B
54
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Ejemplo 8.
Sean los conjuntos:
U = 1, 3, 4, 5, 7, 8, 9 A = 1, 4, 7 B = 3, 4, 5, 8 C = 1, 7, 8
Calcular:
1) A U B, 3) (A ∩ B) - (B ∩ C) 5) Ac ∩ Bc
2) A U (B – C), 4) (A U B) c,
Solución:
1) A U B = 1, 3, 4, 5, 7, 8
2) A u (B – C) = 1, 3, 4, 5, 7
3) (A ∩ B) - (B ∩ C) = 4
4) (A U B)c = 9
5) A ∩ B′ = 3, 5, 8, 9 ∩ 1, 7, 9 = 9
m
P(A) =
n
55
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Tipos de probabilidad
Probabilidad Objetiva: La probabilidad objetiva se divide en dos:
1) Probabilidad clásica (O A PRIORI): Esta se basa en la suposición de que los
resultados de los experimentos son igualmente probables. Usando el punto de vista
clásico la probabilidad de que un evento ocurra, se calcula dividiendo el número de
casos favorables, entre el número de posibles resultados. Esto es:
Ejemplo9.:
Probabilidad de un evento = ----------------------------------------------
Se lanza un dado corriente ¿Cuál es la probabilidad de obtener un número par?
Número de resultados posibles
Solución: P(par) = 3 / 6 = 1 / 2 = 0.50 o bien 50 %
Lotería estatal
relativa histórica. Esto es, la probabilidad de que un evento ocurra a lo largo del
56
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
en el pasado.
383
P(A) = Por tanto, P(A) = 51 %
751
Otros ejemplos empíricos son:
Establecer tasas de seguros
Reportear índices de curación de varias enfermedades y condiciones, etc.
Ejemplo 11.
Apostar en eventos atléticos.
Estimar el futuro de una industria.
4) Probabilidad Conjunta: Es una probabilidad que mide la posibilidad de que dos o más
eventos ocurran simultáneamente. No son mutuamente excluyentes:
P (A U B) = P (A) + P (B) – P (A ∩ B)
57
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Ejemplo 12.
Las probabilidades de que la recepcionista de un dentista, su asistente o ambos se enfermen
cierto día son 0.04, 0.07 y 0.02 respectivamente. ¿Cuál es la probabilidad de que cuando
menos uno de los dos se enferme ese día?
Probabilidad condicional
Se llama probabilidad condicional o probabilidad de un suceso A condicionada por la
ocurrencia de otro suceso B al cociente.
P( A B)
P( A / B) P(B) ≠ 0.P(A / B): Léase “Probabilidad de A dado B”.
P( B)
Ejemplo 13.
La probabilidad de que un vuelo de programación regular despegue a tiempo es P(D) = 0,83;
la de que llegue a tiempo es P(A) = 0,82 y la de que despegue y llegue a tiempo es P D A
= 0,78. Encuentre la probabilidad de que un avión:
a) Llegue a tiempo dado que despegó a tiempo.
b) Despegue a tiempo dado que llegó a tiempo.
P A D 0,78
a) P(A / D) = P(A / D) = = 0,94
P D 0,83
58
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
P D A 0,78
b)P(D / A) = P(D / A) = 0,82 = 0,9512
P A
Ejemplo 14.
Una universidad que proporciona educación para ambos sexos tiene tres carreras: ciencias,
administración e ingeniería. La inscripción es la siguiente:
250
PC H 250
a) P(C / H) = P(C / H) = 1000 = = 0,3125
P H 800 800
1000
50
P M I 50
b) P(M / I) = P(M / I) = 1000 = = 0,20
P I 250 250
1000
Regla de la multiplicación
Sean A y B dos eventos contenidos en S (espacio muestral), entonces la probabilidad de que
se dé A y B es igual al producto de la probabilidad de B por la probabilidad de A dado B; es
decir: P (A ∩ B) =P(B) . P (A / B)
Ejemplo 15.
Una urna contiene 5 pelotas rojas, 3 azules y 2 blancas. Si se extraen dos de ellas (primero
una y después la otra) y sin remplazamiento. Hallar la probabilidad de que:
59
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
R
4/9
R 3/9 A
5/10
2/9 B
R
5/9
3/10 2/9 A
A
2/9
B
2/10 R
5/9
3/9
B A
1/9
B
Probabilidad total
Si B1, B2, . . . . .Bn representa una partición de S y se B es un evento arbitrario sobre S,
entonces la probabilidad total sobre A está dado por:
P(A) = P(B1) . P/A / B1) + P(B2) . P/A / B2) + . . . . . P(Bk) . P/A / Bk)
Este teorema es muy útil ya que existen numerosas situaciones prácticas en las cuales P(A)
no puede calcularse directamente, sin embargo con la información de que B ha ocurrido, es
posible evaluar P(A / B) y por tanto, determinar a P(A) cuando se obtienen los valores de
P(B). Otro resultado importante de la ley total de probabilidad es conocida como teorema de
Bayes.
Regla de Bayes
Si B1, B2, . . . . Bk constituye una partición del espacio de muestreo S y si A es un evento
arbitrario sobre S, entonces para r = 1, 2, . . . . . k.
PBr PA / Br
P (Br / A) = o bien:
PB P A / B
k
1 i i
PBr PA / Br
P( B1 ).P( A / B1 ) P( B2 ) P( A / B2 ) .......... ...P( Bk ) P A / Bk
P(Br / A) =
Ejemplo 16.
Tres compañías suministran transistores NPN a un fabricante de equipo de telemetría.
Supuestamente todos los transistores están hechos de acuerdo a las mismas especificaciones.
Sin embargo, el fabricante ha probado durante varios años dos parámetros de calidad de los
transistores. Y los registros indican la siguiente información, declarándose defectuoso a un
transistor si cualquiera de los parámetros está fuera de especificación.
61
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
__________________________________________________________________
Firma Proporción de defectuoso Proporción suministrada por
_________________________________________________________________
1 0,02 0,15
2 0,01 0,80
3 0,03 0,05
--------------------------------------------------------------------------------------------------------------
Debido a los costos involucrados el fabricante ha cesado las pruebas, y puede considerarse
de manera razonable que las fracciones de defectos y la mezcla en inventario son las mismas
que durante el período en que se realizaron los registros. El director de producción selecciona
aleatoriamente un transistor, lo lleva al departamento de prueba y descubre que es defectuoso.
Si A es el evento de que un elemento es defectuoso, y si B es el evento de que el elemento
proviene de la compañía i (i = 1, 2, 3), entonces es posible evaluar P (Bi /A). Por ejemplo,
suponga que se desea determinar P(B3 / A). Entonces:
PB3 P A / B3
P( B1 ).P( A / B1 ) P( B2 ) P( A / B2 ) ( B3 ) P A / B3
P (B3/ A) =
0.050.03
P (B3/ A) =
0..150.02 0.800.01 0.050.03
3
P (B3/ A) = 0.12
25
Ejercicio
62
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
2.-Las probabilidades de que la utilidad de una nueva máquina de escribir se clasifique como
difícil, muy difícil, promedio, fácil o muy fácil son respectivamente 0,11; 0,16; 0,35; 0,28 y
0,10. Determine las probabilidades de que la utilidad de la nueva máquina de escribir se
clasifique como:
a) difícil o muy difícil.
b) difícil, promedio o fácil.
c) fácil o muy fácil.
3.- Un artista que ha introducido una pintura al óleo grande y una pequeña a una exposición,
siente que las probabilidades son respectivamente 0,15; 0,18 y 0,11 de que venderá el óleo
grande, el pequeño o ambos. ¿Cuál es la probabilidad de que venderá alguna de las dos
pinturas?.
6.- La profesora de inglés piensa que la probabilidad es 0,60 de que un examen final por
escrito que recibe estará bien redactado. Si la probabilidad es 0,51 de que este examen final
estará bien escrito y también recibirá una buena calificación. ¿Cuál es la probabilidad de que
un examen final bien escrito recibirá una buena calificación?.
63
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
8.- Un zoólogo tiene cuatro cerdos de guinea machos y ocho hembras y elige a dos de ellos
al azar para realizar un experimento; ¿cuáles son las probabilidades de que:
a) ambos animalitos sean machos.
b) ambos animalitos sean hembras.
c) habrá uno de cada sexo.
10.- En una fábrica de zapatos se sabe por experiencia pasada que la probabilidad es 0,82 de
que un trabajador que ha asistido a un programa de capacitación de la fábrica, cumplirá con
la cuota de producción, y que la probabilidad correspondiente es 0,53 para un trabajador que
no asistió al programa de capacitación. El 60 % de los trabajadores asisten al programa de
capacitación de la fábrica. ¿Cuál es la probabilidad de que un trabajador que cumple con la
cuota de producción habrá asistido al curso?.
11) En una ciudad se seleccionó una muestra de 500 personas para determinar diversas
informaciones relacionadas con el comportamiento del consumidor. Entre las preguntas
hechas se encontraba ¿Prefiere comprar productos nacionales o importados?. De 240
hombres, 140 contestaron que prefieren comprar productos importados y 80 mujeres
expresaron que prefieren productos nacionales.
a) Elabore una tabla de contingencias en donde las variables cualitativas son sexo y
preferencias por sus productos.
b) Se selecciona una persona de manera aleatoria. Determinar la probabilidad de que el
entrevistado:
1) Sea hombre
2) Sea mujer
64
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
TECNICAS DE CONTEO
A) Notación factorial
El producto de los enteros positivos de 1 a n inclusive ocurre con mucha frecuencia en
matemáticas. Este se representa por el símbolo especial n! Que se lee “n factorial”. Es decir:
n! = 1 .2 .3 . . . . (n – 2) (n – 1) n = n (n – 1) ( n – 2) . . . . 3 .2 . 1
Ejemplo 17.
:
a) 5! = 5 .4 .3 .2 . 1 = 120 e) 1! = 1
b) 4! = 4 .3 .2 . 1 = 24 f) 0! = 1
8! 8.7.6!
c) 3! = 3 .2 . 1 = 6 g) 56
6! 6!
12.11.10.9! 12!
d) 2! = 2.1= 2 h) 12 .11 . 10 =
9! 9!
B) Coeficientes binomiales
El símbolo donde n y r son números enteros positivos con r < n (léase “nCr” o “n
n
r
Ejemplo 18.
8 8! 8.7.6! 8.7 56
= = = = = 28
2 2!.8 2.! 2.6! 2 2
65
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
C) Permutaciones
Cualquier ordenamiento (o arreglo) de un conjunto de n objetos en un orden dado se
denomina una permutación de los objetos tomados todos al tiempo. Cualquier ordenamiento
de cualquier r < n de estos objetos en un orden determinado se denomina una permutación r
(o una permutación de n objetos tomados r a la vez).
1) P(n.n) = n! Cuando r = n
n!
2) P(n.r) = Cuando r < n
.n r .!
n!
3) P(n.r) = Cuando hayan repeticiones y n = n1 + n2 + . . . . + nr.
.n1!.n2 !....nr!
4) P(n) = (n – 1)! Cuando se trate de un arreglo circular.
Ejemplo 19.
¿De cuántas maneras se pueden colocar 5 bolas de diferentes colores en una línea horizontal?
Solución: P (5, 5) = 5! = 120 maneras.
Ejemplo 20.
¿De cuántas maneras se pueden sentar 8 personas en un banco que tiene capacidad para
cuatro?
8! 8! 8.7.6.5.4!
Solución: P (8, 4) = = = = 8 .7 .6 .5 = 1, 680 maneras.
.8 4 .! 4! 4!
Ejemplo 21.
¿Cuántas señales diferentes se pueden hacer con 10 banderas de las cuales 4 de ellas son
rojas, 3 son blancas, 2 son azules y 1 es amarilla?.
n! 10! 3,628,800 3,628,800
Solución: P (10.4) = = = = =12,600
.n1!.n2 !....nr! .4!.3 2 !.2!.1! (24)(6)(2)(1) 288
66
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Ejemplo 22.
¿De cuántas maneras se pueden sentar a comer 5 personas alrededor de una mesa redonda?.
Solución: P (5, c) = (5 - 1)! = 4! = 4 .3 .2 . 1 = 24 maneras.
Ejemplo 24.
Una clase está conformada por 8 estudiantes hombres y 6 estudiantes mujeres. Encuentre el
número de formas en que la clase puede elegir:
a) Un representante para la clase. Solución 8 + 6 = 14 R. 14
b) 2 representantes para la clase, un hombre y una mujer. Solución. (8) (6) R. 48
c) Un presidente y un vicepresidente. Solución (14) (13)= 182 R. 182
E) Combinaciones
Supongamos que tenemos una colección de n objetos. Una combinación de estos n
objetos, tomados r a la vez, es cualquier selección de r objetos donde el orden no
cuenta. En otras palabras, una combinación r de un conjunto de n objetos es cualquier
subconjunto de r elementos.
Ejemplo 25.
Encuentre el número de combinaciones de cuatro objetos a, b, c, d , tomados en grupos de a
tres y compare con las permutaciones de los cuatro objetos tomados en grupos de a tres.
Combinaciones Permutaciones
abc abc, acb, bac, bca, cab, cba
abd abd, adb, bad, bda, dab, dba
acd acd, adc, cad, cda, dac, dca
bcd bcd, bdc, cbd, cdb, dbc, dcb
67
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
n!
La fórmula para las combinaciones es: =
n
r r!.n r .!
Ejemplo 26.
Una señora tiene 11 amigos de confianza.
a) ¿De cuántas maneras puede invitar 5 de ellos a comer?
b) ¿De cuántas maneras si dos de ellos son casados y sólo asisten si van juntos?
c) ¿De cuántas maneras si dos de ellos están disgustados y no asistirán juntos?
Solución:
a) =
11 11! 11! 11.10.9.8.7.6! 11.10.9.8.7 55,440
= = = = = 462
5 5!.11 5.! 5!.6.! 5!.6.! 120. 120
b) + = 1(84) + 1(126) = 84 + 126 = 210
2 9 2 9
2 3 0 5
Ejemplo 27.
Una clase está conformada por 9 varones y 3 mujeres. El profesor quiere organizar un comité
de cuatro personas.
a) ¿De cuántas maneras puede formar el comité?
b) ¿Cuántos comité tendrán exactamente 1 mujer?
c) ¿Cuántos comité tendrán 1 mujer por lo menos?
Solución:
a) 12 =
12! 12! 12.11.10.9.8! 12.11.10.9 12.11.10.9 11,880
= = = = = = 495
4 4!.12 4 .! 4!.8! 4!.8! 4!. 24. 24.
c) + + = 3 (84) + 3 (36) + 1 (9) = 252 + 108+ 9 = 369
3 9 3 9 3 9
1 3 2 2 3 1
68
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
EJERCICIO
Permutaciones
12) ¿Cuántos números impares de 4 cifras pueden formarse con los números dígitos (0, 1, 2,
3, 4, 5, 6, 7, 8, 9)
13) Encuentre el número de formas cómo se pueden distribuir 9 juguetes entre 4 niños, si el
más pequeño debe recibir 3 juguetes, y cada uno de los otros, dos juguetes.
14) Un grupo que debate está conformado por 3 muchachos y 3 niñas. Encuentre el número
n de formas en las cuales se pueden sentar en una fila donde a) no hay restricciones, b) los
muchachos y las niñas se sientan juntas, c) solamente las niñas se sientan juntas.
15) Encuentre el número n de formas en que un juez puede otorgar el primero, segundo y
tercer lugares en un concurso con 18 participantes
16) Encuentre el número n de formas en que 5 libros grandes, 4 libros medianos y 3 libros
pequeños se pueden colocar en una repisa de manera que todos los libros del mismo tamaño
estén juntos.
69
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
c) Viaje de ida y regreso desde A hasta C a través de B sin utilizar el mismo camino más de
una vez.
Combinaciones
19) Un estudiante tiene que contestar 10 de 13 preguntas en un examen: a) ¿Cuántas
selecciones hay? b) ¿Cuántas habrá si el estudiante debe responder las dos primeras
preguntas? c) ¿Cuántas si el estudiante debe responder la primera o la segunda pregunta, pero
no ambas?.
20) ¿Cuántos comités formados por 3 hombres y 2 mujeres se pueden organizar si se dispone
de 5 mujeres y 8 hombres?.
23) Una caja contiene 6 medias azules y 4 medias blancas. Encuentre el número de formas
en que puede sacarse de la caja 2 medias cuando a) no hay restricciones, b) hay colores
diferentes, c) las medias so del mismo color.
25) Un lote de producción de 100 unidades de las cuales se sabe que 20 están defectuosas.
Una muestra aleatoria de 4 unidades se selecciona sin reemplazo, ¿cuál es la probabilidad de
que la muestra no contenga más de 2 unidades defectuosas?.
70
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
26) Se elige al azar un punto dentro de un círculo ¿cuál es la probabilidad de que el punto
esté más cerca del centro que de la circunferencia?
28) Dos hombres A y B disparan a un objetivo. Suponga que P(A) = 1/3 y P(B) = 1/5
representan sus probabilidades de tocar el objetivo. (Se supone que los eventos A y B son
independientes). Encuentre la probabilidad de que:
a) A no logre el objetivo c) uno de ellos logre el objetivo
b) Ambos logren el objetivo d) Ninguno logre el objetivo
29) Hay cinco caballos en una carrera. Adriana escoge a dos de ellos y les apuesta. Encuentre
la probabilidad p de que Adriana sea la ganadora.
30) Sea P(A) = 0.6 P(B) = 0.3 P(A B) = 0.2
Hallar la probabilidad de que:
a) A no ocurra c) A o B ocurra
b) B no ocurra d) No ocurra A ni B
31) El peso de un dado ha sido alterado de manera que los resultados produzcan la siguiente
distribución de probabilidad:
Resultado X 1 2 3 4 5 6
Probabilidad P(x) 0.1 0.3 0.2 0.1 0.1 0.2
71
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
a) P(A)
b)P(B)
c) P(C)
d)P(D)
32) En una bolsa se han colocado 4 pelotas blancas y 3 negras, y en una segunda bolsa, 3
blancas y 5 negras. Se saca una pelota de la primera bolsa y, sin verla, se mete en la segunda.
A continuación se saca una pelota de la segunda bolsa ¿Cuál es la probabilidad de que la
pelota que se saque de esta última sea negra?
33) Una firma de transporte tiene un contrato para enviar carga de mercancías de la ciudad
A a la ciudad B. No hay rutas directas que enlacen A con B, pero hay seis carreteras de A a
X y cinco de X a B ¿Cuántas rutas en total deben considerarse?.
34) El gerente de una pequeña planta desea determinar el número de maneras en que puede
asignar trabajadores al primer turno. Cuenta con 15 hombres que pueden servir como
operadores del equipo de producción, 8 que pueden desempeñarse como personal de
mantenimiento y 4 que pueden ser supervisores. Si el turno requiere 6 operadores, 2
trabajadores de mantenimiento y 1 supervisor. ¿De cuántas maneras puede integrarse el
primer turno?.
35) En cierta universidad 20 por ciento de los hombres y 1 por ciento de las mujeres miden
más de dos metros de altura. Asimismo, 40 por ciento de los estudiantes son mujeres. Si se
selecciona un estudiante al azar y se observa que mide más de dos metros; ¿cuál es la
probabilidad de que sea mujer?
36) En un centro de maquinaria hay cuatro máquinas automáticas para producir tornillos. Un
análisis de los registros de inspección anteriores producen los siguientes datos. (Par)
72
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
2 30 3
3 20 5
4 35 2
Las máquinas 2 y 4 son nuevas y se les ha asignado más producción que a las máquinas 1 y
3. Suponga que la combinación de inventarios refleja los porcentajes de producción
indicados:
a) Si se elige un tornillo al azar del inventario ¿cuál es la probabilidad de que esté
defectuoso?.
b) Si se elige un tornillo y se encuentra que es defectuoso ¿Cuál es la probabilidad de que se
haya producido en la máquina 3?.
37) Una empresa industrial grande utiliza tres hoteles locales para proporcionar alojamiento
a sus clientes durante la noche. De pasada experiencia se sabe que al 20 % de ellos se les
asigna habitación en el Ramada Inn, al 50 % en el Sheraton y al 30 % en el Lakeview Motor
Lodge. Si existe una falla en el servicio de plomería en el 5 % de los cuartos del Ramada
Inn, en 4 % de los cuartos del Sheraton y en 8 % de los cuartos del Lakeview Motor Lodge,
¿cuál es la probabilidad de que:
a) A un cliente se le asigne un cuarto con problemas de plomería?
b) A una persona con un cuarto que tenga problemas de plomería se la asigne acomodo en el
Lakeview Lodge?
38) Un espacio muestral de 200 adultos se clasifica de acuerdo a su sexo y nivel de educación.
Educación Hombre Mujer
Primaria 38 45
Secundaria 28 50
Técnica 22 17
73
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
b) No tenga una función que asocia un número real con cada elemento del espacio muestral.
Una variable aleatoria es una variable cuyo valor es el resultado de un evento aleatorio.
Ejemplo 1.
Lance una moneda al aire tres veces y anote el número de caras que se obtiene.
El espacio muestral es S = ccc, ccs, csc, css, scc, scs, ssc, sss
Suponga que la variable aleatoria está formada por el número de caras. Entonces los
resultados posibles son 0 caras, 1 cara, 2 caras o 3 caras. Estos son los valores de la variable
aleatoria.
Ejemplo 2.
Espacio muestral m
SJB 3
SBJ 1
JSB 1
JBS 0
BSJ 0
BJS 1
Un ejemplo son los pesos del agua mineral. Los recipientes llenos de agua pueden tomar
cualquier valor entre 10 y 25 Kg.
Otros ejemplos:
Estatura de clientes en una tienda de ropa
Ingresos de los empleados de una camaronera
Tiempo transcurrido entre la llegada de cada cliente en una granja agropecuaria.
Definición:
Si un espacio muestral contiene un número finito den posibilidades o una serie
interminable con tantos elementos como números enteros existen, se llama espacio
muestral discreto.
Definición:
Si un espacio muestral contiene un número infinito de posibilidades igual al número
de puntos en un segmento de línea, se llama espacio muestral continuo.
75
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Una variable aleatoria discreta toma cada uno de sus valores con cierta probabilidad. En el
caso de lanzar una moneda tres veces, la variable X que representa el número de caras, toma
el valor 2 con probabilidad de 3 , puestres de los ocho puntos muestrales igualmente posibles
8
tienen como resultado dos caras y un sol.
X 0 1 2 3 Σ
P(x) 1 3 3 1 1
8 8 8 8
Ejemplo 4.
Un embarque de ocho microcomputadoras similares para una tienda, contiene tres que están
defectuosos. Si una escuela hace una compra al azar, de dos de estas computadoras, encuentre
la distribución de probabilidad para el número de defectuosas.
3 5 3 5
0
2
1
f(0) = P(X = 0) = = 10 f(1) = P(X = 1) = 1 = 15
8 28 8 28
2
2
3 5
2
0 X 0 1 2 Σ
f(1) = P(X = 2) = =
3
8 28 P(x) 10 15 3 1
2 28 28 28
76
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
La distribución acumulada
La distribución acumulada F(x) de una variable aleatoria discreta X con distribución de
F(x) = P(X< x) = f (t )
tx
para < x <
Ejemplo 5.
Si una agencia de autos vende 50% de su inventario de cierto vehículo equipado con bolsas
de aire, encuentre:
a) Una fórmula para la distribución de probabilidad del número de autos con bolsas de
aire entre los siguientes cuatro autos que venda la agencia.
b) La distribución acumulada de la variable aleatoria X.
Solución
a) El evento de vender x modelos con bolsas de aire y 4 – x modelos sin bolsas de aire,
4
puede ocurrir de formas, donde x puede ser 0, 1, 2, 3, o 4. Entonces la
x
distribución de probabilidad es:
4
f(x) = para0, 1, 2, 3, o 4
x
16
b) F(0) = f(0) = 1 / 16
F(1) = f(0) + f(1) = 5 / 16
F(2) = f(0) + f(1) + f(2) = 11 / 16
F(3) = f(0) + f(1) + f(2) + f(3) = 15 / 16
F(4) = f(0) + f(1) + f(2) + f(3) + f(4) = 1
x 0 1 2 3 4 Σ
P(x) 1/16 4/16 6/16 4/16 1/16 1
F(x) 1/16 5/16 11/16 15/16 1
77
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Histograma de probabilidad
0.40 0.38
0.35
0.30
0.25 0.25
0.25
0.20
0.15
0.10 0.06 0.06
0.05
0.00
0 1 2 3 4
12/16
8/16
4/16
0 1 2 3 4
Valor esperado
El valor esperado (o media) se encuentra multiplicando cada resultado posible de la variable
por su probabilidad y luego se suman esos productos.
E ( X ) ( xi ) P( xi )
Varianza
La varianza de una distribución de probabilidad es la suma del cuadrado de las desviaciones
de cada valor de la variable aleatoria con respecto a la media, multiplicada por sus
probabilidades respectivas.
2 ( xi ) 2 P( xi )
78
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Ejemplo 6.
La distribución de probabilidad de lanzar un dado se muestra en las primeras dos columnas
de la siguiente tabla.
Calcular el valor esperado (o media), varianza y desviación estándar.
2
2 1/6 2/6 (2-3.5) . 1/6 = 0.37500
2
3 1/6 3/6 (3-3.5) . 1/6 = 0.04166
2
4 1/6 4/6 (4-3.5) . 1/6 = 0.04166
2
5 1/6 5/6 (5-3.5) . 1/6 = 0.37500
2
6 1/6 6/6 (6-3.5) . 1/6 =1.04166
1 21
= 3.5 Σ = 2.91664
6
21
a) Media =
3.5 E ( X )
6
b) Varianza 2 2.91664
79
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Distribución geométrica
Si pruebas independientes repetidas pueden tomar como resultado un éxito con probabilidad
p y un fracaso con probabilidad q = 1 – p, entonces la distribución de probabilidad de la
variable aleatoria X, el número de la prueba en el que ocurre el primer éxito, es:
G(x,p) = p . qx – 1
x = 1, 2, 3, . . . .
Ejemplo 7.
Se sabe que en cierto proceso de fabricación, en promedio, uno de cada 100 artículos está
defectuoso. ¿Cuál es la probabilidad de que el quinto artículo que se inspecciona, sea el
primer defectuoso que se encuentra?.
Solución p = 0.01, q = 0.99, x = 5g(5, 0.01) = (0.0.1) (0,99) 5 – 1 = 0,0096
Ejemplo 8.
En “tiempo ocupado” un conmutador telefónico está muy cerca de su capacidad, por lo que
los usuarios tienen dificultad al hacer sus llamadas. Puede ser de interés conocer el número
de intentos necesarios a fin de conseguir un enlace telefónico. Suponga que p = 0,05 es la
probabilidad de conseguir un enlace durante el tiempo ocupado. Nos interesa conocer la
probabilidad de que se necesiten 5 intentos para una llamada exitosa.
Solución
g(5, 0.05) = (0.05) (0.95) 5 – 1 = 0,0407
Media, varianza y desviación estándar de una variable aleatoria que sigue una
distribución geométrica.
1 1 p
Media Varianza 2 Desviación estándar 2
Ejemplo 9.
p2 p2
Calcular la media, la varianza y la desviación estándar con los datos del problema (8).
Solución:
P = 0.05
1
2
1 80
p
MS.c Cliffor Jerry Herrera castrillo 0.052
Estadística y Probabilidades – II Año de Física Matemática
= 400
a) Media
1 p 1 0.05 2
b) Varianza 2
2
= 380
p2 0.052
k N k
h(x) =
x n x
X = 0, 1, 2, . . . .n
N
n
Ejemplo 10.
Lotes de 40 componentes cada uno se denominan aceptables si no contienen más de 3
defectuosos. El procedimiento para muestrear el lote es la selección de 5 componentes al azar
y rechazar el lote si se encuentra un componente defectuoso.
81
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
3 37
P(1) = = 0,30111
1 4
a)
40
5
3 37 3 37
b) P(x < 1) = P(0) + P(1) = 0 5 + 1 4 = 0,66245 + 0,30111 = 0,96356
40 40
5 5
3 37 3 37
c) P(x > 2) = P(2) + P(3) = + 3 2 = 0,03543 + 0,00101 = 0,03644
2 3
40 40
5 5
Media, varianza y desviación estándar de una variable aleatoria que sigue una
distribución híper geométrica.
n.k N n k k 2
2
n 1
N N 1 N N
Teorema de Chebyshev
Las probabilidades de que cualquier variable aleatoria X tome un valor dentro de k
desviaciones estándar de la media es al menos 1 – 1 / k2, es decir:
P( k X k ) 1
1
k2
Ejemplo 11.
Con respecto a los datos del ejemplo (10), calcular:
a) La media, la varianza y la desviación estándar.
b) Aplicare interpretar el teorema de Chebyshev.
Solución
N = 40, n = 5, K=3
82
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
a) 53
n.k
= 0,375
N 40
N n k k 40 5 3 3
2 n 1 2 5 1
40 1 40 40
2 = 0,311298
N 1 N N
0.5579
= 0.5579 2 0.311298
b) 2 0.375 20.5579 0.375 – 1.1158, 0.375 + 1.1158
-0.7408, 1.4908
Interpretación:
El teorema de Chebyshev establece que el número de componentes defectuosos que se
obtienen cuando se seleccionan al azar n de un lote de N componentes de los que k son
defectuosos tiene una probabilidad de al menos 1 – 1/k2 de caer en el intervalo k
Es decir, para k = 2, hay ¾ de probabilidad de caer entre 2 O sea
“Al menos ¾ de las veces los cinco componentes incluirán 1.49, es decir, menos de dos
componentes defectuosos”. La parte izquierda del intervalo no interesa, por resultar
negativo.
Distribución híper – geométrica multii - variada
Si N artículos se pueden dividir en las k celdas A1, A2,. . . . Ak con a1, a2,. . . .ak elementos,,
respectivamente, entonces la distribución de probabilidad de las variables aleatorias X1,
X2, . . . . Xk, que representan el número de elementos que se seleccionan de A1, A2 . . . . Ak
en una muestra aleatoria de tamaño n es:
a1 a 2 a k
......
f(X1, X2, . . . . Xk, a1, a2,. . . . ak, N, n) = 1 2 k
x x x
N
n
83
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Ejemplo 12.
Un grupo de 10 individuos se usa para un estudio biológico. El grupo contiene tres personas
con sangre tipo O, cuatro con sangre tipo A y tres con sangre tipo B. ¿Cuál es la probabilidad
de que una muestra de cinco, contenga una persona con sangre tipo O, dos personas con
tipo A y dos personas con tipo B.
Solución.
3 4 3
.
1 2 2 3 0.21428
f(1, 2, 2; 3, 4, 3; 10; 5) =
10 14
5
La distribución binomial
Introducción
Un experimento a menudo consiste en pruebas repetidas, cada una con dos posibles
resultados; éxito o fracaso.
Proceso de Bernoulli
Propiedades:
1) El experimento consiste en n pruebas que se repiten.
2) Cada prueba produce un resultado que se puede clasificar como éxito o fracaso.
3) La probabilidad de un éxito que se denota como p permanece constante en cada
prueba.
4) Las pruebas que se repiten son independientes.
Distribución binomial
Definición:
Un experimento de Bernoulli puede tener como resultado un éxito con probabilidad py un
fracaso con probabilidad q, q = 1 – p. Entonces la distribución de probabilidad de la variable
aleatoria binomial X, el número de éxitos en n pruebas independientes, es:
P(x) =
n x n x n!
p q
o también P(x) = p xqn x
x x!n x ! x = 0, 1, 2, 3, . . . . .
n
84
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Ejemplo 13.
La probabilidad de que cierta clase de componente sobreviva a una prueba de choque es
3/4.Encuentre la probabilidad de que sobrevivan exactamente 2 de los siguientes 4
componentes que se prueben.
2 42
4! 3 1 P(2) = 27
P(2) = P(2) = 0.2109
2!4 2.! 4 4 128
Ejemplo 14.
La probabilidad de que un paciente se recupere de una rara enfermedad sanguínea es 0.4.Si
se sabe que 15 personas contraen esta enfermedad, ¿cuál es la probabilidad de que
sobrevivan:
a) Al menos 10 pacientes
b) De 3 a 8 pacientes
c) Exactamente 5.
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
9
8 2
5 4
Ejemplo 15.
Encuentre la media, la varianza y la desviación estándar de la variable aleatoria binomial para
el problema de los pacientes (ejemplo 2). Después aplique el teorema de Chebyshev para el
intervalo 2
Media np 150.4 6 = 6
85
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Varianza
2
n. p.q 2 15(0.4).(0.6) 3.6 2 3.6
Ejemplo 16.
Encuentre la probabilidad de que una persona que lanza tres monedas obtenga sólo caras o
sólo soles por segunda vez en el quinto lanzamiento.
Solución: Al tomar los valores para X = 5, k = 2, p= ¼ se tiene:
2 5 2
La distribución de Poisson
Introducción
Los experimentos que dan valores numéricos de una variable aleatoria X, el número de
resultados que ocurren durante un intervalo dado o en una región específica, se llama
experimento de Poisson.
86
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
El número dado puede ser de cualquier longitud, como un minuto, un día, una semana, un
mes o incluso un año. Por ello un experimento de Poisson puede generar observaciones para
la variable aleatoria X, que representa el número de llamadas telefónicas, por hora que recibe
una oficina, el número de días que la escuela permanece cerrada debido a la lluvia durante la
temporada de invierno.
La región específica podría ser un segmento de línea, un área o quizá una pieza de material.
En tales casos X puede representar el número de ratas de campo por acre, el número de
bacterias en un cultivo dado o el número de errores mecanografiados por página.
Propiedades:
1. El número de resultados que ocurren en un intervalo o región específica es
independiente del número que ocurre en cualquier otro intervalo o región del espacio
disjunto. e esta forma vemos que el proceso de Poisson no tiene memoria.
3. La probabilidad de que ocurra más de un resultado en tal intervalo corto o que caiga
en tal región pequeña es insignificante.
Definición:
La distribución de probabilidad de la variable aleatoria de Poisson X que representa el
número de resultados que ocurren en un intervalo dado o región específica que se denota con
t es:
e t t
x
P X , t , x = 0, 1, 2, . . . donde es el número promedio de resultados
x!
por unidad de tiempo o región y e = 2.71828 . . .
87
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Ejemplo 17.
Durante un experimento de laboratorio el número promedio de partículas radioactivas que
pasan a través de un contador en un milisegundo dado es 4, ¿cuál es la probabilidad de que 6
partículas entren al contador en un milisegundo dado?
e 4 4
6
P X P(X) = 0,1042
6!
Ejemplo 18.
El número promedio de camiones tanque que llega cada día a cierta ciudad portuaria es
10.Las instalaciones en el puerto pueden manejar a lo más 15 camiones tanque por día. ¿Cuál
es la probabilidad de que en un día dado los camiones se tengan que regresar?
Solución
15
P X 15 1 P X 15 1 P P(X >15) = 1 – 0.9513 P(X>15) = 0.0487
0
Ejemplo 19.
En un proceso de fabricación donde se manufacturan productos de vidrio ocurren defectos o
burbujas, lo que deja ocasionalmente a la pieza indeseable para su venta. Se sabe que, en
promedio, uno de cada 1,000 de estos artículos que se producen tienen una o más burbujas,
¿Cuál es la probabilidad de que una muestra aleatoria de 8,000 tenga menos de 7 artículos
con burbujas?
1 6 6
np = 8,000( 8 P X 7 b P
1,000 0 0
88
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
La distribución normal
Introducción
La distribución continua de probabilidad más importante en todo el campo de la estadística,
es la distribución normal. Su gráfica, que se denomina curva normal, es la curva en forma
de campana, la cual describe aproximadamente muchos fenómenos que ocurren en la
naturaleza, la industria y la investigación. Las mediciones físicas en áreas como los
experimentos meteorológicos, estudios de lluvia y mediciones de partes fabricadas, a menudo
se explican más que adecuadamente con una distribución normal. Una variable aleatoria
continua X que tiene la distribución en forma de campana se llama variable aleatoria
normal.
Propiedades:
1. La moda, que es el punto sobre el eje horizontal donde la curva es un máximo, ocurre
en X = .
2. La curva es simétrica alrededor de un eje vertical a través de la media .
3. La curva tiene sus puntos de inflexión en X = , es cóncava hacia abajo si
Desde dos desviaciones estándar a la izquierda de la media, hasta dos desviaciones estándar
a la derecha de la media, se encuentra cerca del 95,45 % de los valores.
Desde tres desviaciones estándar a la izquierda de la media, hasta tres desviaciones estándar
a la derecha de la media, se encuentra cerca del 99,73 % de los valores.
3 2 1 1 2 3
68,26 %
95,45 %
99.73 %
Estandarización
Los valores de la variable aleatoria x, la media y la desviación estándar son grandes, sería
una tarea sin fin intentar establecer tablas separadas para cada valor concebible de y
x
z
La distribución de una variable aleatoria normal con media 0 y desviación estándar 1 se
llama distribución normal estándar.
Uso de la tabla
Supongamos que ya tenemos el valor de Z. Para buscar el área en la tabla, se tiene que ubicar
en la fila que corresponde al número entero y a la primera cifra decimal de Z, y en la
90
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
columna que encabeza la segunda cifra decimal. La tabla nos proporciona el área que se
encuentra por la izquierda del valor de Z.
Para encontrar un valor de Z que corresponde a una probabilidad dada, el proceso se invierte.
Ejemplo 20.
Suponga que Z = 1,23 entonces debe ubicarse en la fila 1.2 y en la columna encabezada por
el número 03.Ahí encontramos el valor 0,8907 es decir 89,07 %.
Si el valor de Z es un número entero, se tienen que agregar dos ceros como cifras decimales.
Ejemplo 21.
Suponga que Z = 1 entonces Z = 1,00debe ubicarse en la fila 1.0 y en la columna encabezada
por el número 00.Ahí encontramos el valor 0,8413 es decir 84,13 %.
91
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Caso 2:
Caso 3:
Ejemplo 23
Dada una distribución normal estándar, encuentre el área bajo la curva que yace:
a) A la derecha de z = 1,84
b) Entre z1 = -1,97 y z2 = 0,86
a) 0,0329 b) 0,7807
92
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Ejemplo24.
Dada una distribución normal estándar, encuentre el valor de k tal que:
a) P(Z > K) = 0,3015
b) P(K< Z < - 0,18) = 0,4197
Solución
a) El valor de k deja por la derecha un área de 0.3015 entonces debe dejar por la izquierda
un área de 1 – 0.3015 = 0.6985. Usando la tabla en sentido inverso se tiene que K = 0,52
b) El área a la izquierda de – 0.18 es igual a 0.4286, entonces el área entre dos valores es
A(-0.18) – A(k) = 0.4286 – A(k) = 0.4197 Despejamos A(k). A(K) = 0.4286 –
0,4197
A(K) = 0,0089, Usando la tabla en sentido inverso se tiene que K = - 2,37
Ejemplo 25.
Dada una distribución normal con = 50 y = 10, encuentre la probabilidad de que X
tome un valor entre 45 y 62.
x
z
20 30 40 50 60 70 80
62 50 12
z2 z2 z 1.2 AZ 2 0.8849
10 10 2
45 50 5
z1 z1 z 0.5 AZ1 0.3085
10 10 1
93
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Ejemplo 26.
De acuerdo al teorema de Chebyshev la probabilidad de que una variable aleatoria toma un
valor dentro de dos desviaciones estándar es al menos 3 / 4. Si la variable aleatoria tiene
una distribución normal, los valores z que corresponden a x1= 2
Z2
2
2 2
2
A(2) = 0.9772
Z1
2
2 2
2 A(-2)=1– (0.9772 ) =
0,0228
x Z x 6(1.08 40
x 46.48
a) 0.45 b) 0,14
40 40
Ejemplo 28.
Se utilizan mediciones para rechazar todos los componentes donde cierta dimensión no está
dentro de la especificación 1,50 + d. Se sabe que esta medición se distribuye de forma
normal con media 1.50 y desviación estándar 0.2 Determine el valor d tal que las
especificaciones “cubran” 95 % de las mediciones.
x
P (- 1,96 < Z < 1,96) = 0,95 z
1.96
1.50 d 1.50
d 0.2(1.96) 1.50 1.50 d= 0,392
0.2
Ejemplo 29.
Una empresa eléctrica fabrica focos que tienen una duración, antes de fundirse, que se
distribuye normalmente con media igual a 800 horas y una desviación estándar de 40 horas.
Si la empresa fabrica 900 unidades por día:
a) Encuentre la probabilidad de que un foco se funda entre 778 y 834 horas.
b) ¿Cuántos focos tendrán una duración entre 778 y 834 horas.
Solución
a)
95
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
x
z
778 800 834
834 800 34
z2 z2 z 0.85 AZ 2 0.8023
40 40 2
778 800 22
z1 z1 z 0.55 AZ1 0.2912
40 40 1
Ejemplo 30.
Cierta máquina fabrica resistores eléctricos que tienen una resistencia media de 40 ohmios y
una desviación estándar de 2 ohmios. Suponga que la resistencia sigue una distribución
normal y se puede medir con cualquier grado de precisión:
a) ¿Qué porcentaje de resistores tendrán una resistencia que exceda 43 ohmios?
b) Encuentre el porcentaje de resistores que exceden 43 ohmios si la resistencia se mide
al ohm más cercano.
Solución
43 40
a) z z 1.5 AZ 0.9332
2
P (X > 43) = 1 – P (Z < 1.5) = 1 – 0.9332 = 0.0668 6,68 %
b) Ahora asignamos una medida de 43 ohmios a todos los resistores cuyas resistencias sean
mayores a 42.5 y menores que 43.5. Realmente aproximamos una distribución discreta por
medio de una distribución continua normal. El área que se requiere es la región sombreada a
la derecha de 43.5 al aplicar la fórmula tenemos:
43.5 40
z z 1.75 AZ 0.9599
2
P (X > 43,5) = 1 – P (Z < 1.75) = 1 – 0.9599= 0,0401 4,01 %
EJERCICIO
96
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
2. El dueño de una casa planta seis bulbos seleccionados al azar de una caja que contiene
5 bulbos de tulipán y 4 de narciso, ¿cuál es la probabilidad de que plante dos bulbos
de narciso y cuatro de tulipán?
5. Se estima 4,000 de los 10,000 residentes de una ciudad que votan están en contra de
un nuevo impuesto sobre ventas. Si se seleccionan al azar 15 votantes y se les pide su
97
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
opinión ¿cuál es la probabilidad de que a lo más siete estén a favor del nuevo
impuesto?
6. Una fuerza de tarea gubernamental sospecha que algunas fábricas violan los
reglamentos contra la contaminación ambiental con respecto a la descarga de cierto
tipo de producto. Veinte empresas están bajo sospechas, pero no hay capacidad de
inspeccionarlas a todas. Suponga que tres empresas violan los reglamentos:
a) ¿Cual es la probabilidad de que la inspección de cinco empresas no encuentre
ninguna violación?
b) ¿Cuál es la probabilidad de que el plan anterior encuentre dos que violen el
reglamento?
B) (Distribución Binomial)
7. Al probar cierta clase de neumático para camión en un terreno escabroso, se encuentra
que 25 % de los camiones no completaban las pruebas sin ponchaduras. De los
siguientes 15 camiones probados, encuentre la probabilidad de que:
a) de tres a cinco tengan pinchaduras
b) menos de cuatro tengan pinchaduras
c) más de cinco tengan pinchaduras.
98
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
una o más burbujas, ¿cuál es la probabilidad de que una muestra aleatoria de 8,000
tenga menos de 7 artículos con burbujas?
11. La probabilidad de que una persona muera de cierta infección respiratoria es 0.002
Encuentre la probabilidad de que mueran menos de 5 de los siguientes 2,000
infectados de esta forma. Encuentre el intervalo usando el teorema de Chebyshev.
12. La probabilidad de que una persona que vive en cierta ciudad tenga un perro se estima
en 0.3 Encuentre la probabilidad de que la décima persona entrevistada al azar en esta
ciudad sea la quinta que tenga un perro.
C) (Distribución de Poisson)
13. Una secretaria comete dos errores por página en promedio ¿Cuál es la probabilidad
de que en la siguiente página cometa:
a) 4 o más errores.
b) Ningún error.
14. La probabilidad de que una persona muera de cierta enfermedad respiratoria es 0.002
Encuentre la probabilidad de que mueran menos de 5 de los siguientes 2,000
afectados de esta forma?
16. Se sabe que el 40% de los ratones inoculados con un suero quedan protegidos de
cierta enfermedad. Si se inoculan 5 ratones, encuentre la probabilidad de que:
a) Ninguno contraiga la enfermedad.
b) Menos de 2 contraigan la enfermedad.
c) Más de 3 contraigan la enfermedad
D) (Distribución normal)
99
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
17. Cierto tipo de batería de almacenamiento dura, en promedio, 3.0 años, con una
desviación estándar de 0.5 años. Suponga que las duraciones de la batería se
distribuyen normalmente, encentre la probabilidad que una batería dada dure menos
de 2.3 años.
20. Un ingeniero va todos los días de su casa a los lugares donde se llevan a cabo los
proyectos. El tiempo promedio para un viaje de ida es de 24 minutos, con una
desviación estándar de 3.8 minutos. Suponga que la distribución de los tiempos de
viaje está distribuida normalmente.
a) ¿cuál es la probabilidad de que un viaje tome al menos ½ hora?
b) Si las oficinas de los proyectos abren a las 9.00 A:M: y él sale diario de su casa a las
8.45 A:M.¿Qué porcentaje de las veces llega tarde a su trabajo?
c) Si deja su casa a las 835 A.M. y en la oficina se sirve un café entre las 8.50 y las
9.00 A.M. ¿Cuál es la probabilidad de que se pierda el café?
d) Encuentre el período arriba del cual se encuentra el 15% de los traslados más lentos.
100
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
21. Una compañía paga a sus empleados un salario promedio de $ 9.25 por hora con una
desviación estándar de 60 centavos. Si los salarios se distribuyen de forma
aproximadamente normal y se pagan al centavo más próximo:
a) ¿Qué porcentaje de los trabajadores reciben salarios entre $ 8.75 y $ 9.69 por hora
inclusive?
b) ¿el 5 % más alto de los salarios por hora de los empleados es mayor a qué cantidad?
22. La vida promedio de cierto tipo de motor pequeño es 10 años con una desviación
estándar de 2 años. El fabricante reemplaza gratis todos los motores que fallen dentro
del tiempo de garantía. Si está dispuesto a reemplazar sólo 3 % de lo motores que
fallan, ¿de qué duración debe ser la garantía que ofrezca?. Suponga que las vidas de
los motores sigue una distribución normal.
Clase practica
Distribución binomial
El 20% de los turistas que visitan el salto dela Estanzuela de Estelí es de origen nicaragüense.
Si en un día determinado llegan 50 turistas ¿cuál es la probabilidad de que
a) 2 sean nicaragüenses.
b) Por lo menos 4 sean nicaragüenses.
c) No más de 3 sean nicaragüenses.
d) Todos sean extranjeros.
Distribución de Poisson
1) Se sabe que el 10% de los turistas que visitan Nicaragua provienen de Estados Unidos.
Si en un día determinado llegan al país 200 personas ¿Cuál es la probabilidad de que
procedan de ese país:
a) Exactamente 12.
b) Entre 18 y 25
c) Más de 30 turistas.
102
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Objetivos Conceptuales
Objetivos Procedimentales
Objetivos Actitudinales
103
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Muestreo
Es el proceso de realizar estudios de poblaciones a partir de datos muestrales.
Conceptos básicos
1) Población: Es un conjunto de elementos de naturaleza cualquiera de los cuales estamos
interesados en estudiar al menos una característica común y observable de dichos elementos
en un determinado lugar y un momento dado.
La población en estudio debe estar definida sin ambigüedad de manera que no dé lugar a
confusiones. Los elementos consideramos que se encuentran localizados en determinado
lugar o región geográfica y en un período de tiempo dado.
2) Muestra: Es una parte de la población que se espera sea representativa de ella. Con
frecuencia, utilizaremos el término muestra para referirnos a los datos muestrales x 1,
x2,...xn.
Población tamaño N
X
x1
x2
x3
Muestra tamaño n
.
X1, X2, . . . Xn
.
Datos muestrales
.
Xn
104
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
3) Variable: Es una característica o fenómeno que toma diferentes valores cuando se observa
en diferentes individuos. Utilizaremos símbolos tales como X, Y, Z para representar las
características de los elementos. En el ejemplo de los supermercados, X puede representar
las ventas mensuales.
4) Datos estadísticos: Los valores posibles de una característica X, los denotaremos por x,
mientras que los valores realmente observados de esa característica X, los llamaremos datos
y los denotaremos por xi donde el valor del sub-índice i nos indica que es la i-ésima
observación de X. Con frecuencia usaremos el término población para referirnos a la
totalidad de datos que podrían recopilarse en una situación dada x1, x2, x3, . . . .xN.
5) Parámetro: Es una medida que proviene de todos los datos de una población. Los
parámetros son constantes que representan por lo general características de la población.
Generalmente se representan por letras griegas. Por ejemplo la media poblacional es un
parámetro que se define como un promedio y denota como:
N
x x 2 x3 ...... x N X i
1 i 1
N N
N
El total poblacional es otro parámetro que se denota y define como X
i 1
i
En medicina, una muestra de sangre puede llevar a inferir que el paciente está anémico. Como
el interés primordial de la Estadística es conocer parámetros, facilitaremos la inferencia
acerca de los parámetros, utilizando la información de una muestra para estimar los
parámetros.
105
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Una muestra de familias de un barrio, puede ser útil para estimar el número promedio de
niños por familia del barrio.
También existen poblaciones infinitamente grandes, esto es, con un número ilimitado de
elementos, razón por la cual le llamaremos poblaciones infinitas. Podríamos considerar que
los procesos continuos de producción de algún bien generan poblaciones infinitas porque,
teóricamente, podría suponerse que estos procesos operan indefinidamente, por ejemplo, el
proceso de producción de chips de computadores.
106
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Los censos, debido a la gran cantidad de recursos que requieren, se realizan en períodos
retirados de tiempo. Sin embargo, su aplicación es ventajosa cuando la población es muy
pequeña, o se requiere una exactitud completa.
Métodos de muestreo
En todo muestreo lo deseable es básicamente obtener una muestra que sea una buena
representación de la población en miniatura y que además su costo sea el menor posible, ya
que a mayor representatividad de la muestra, se espera mayor precisión de las estimaciones
de los parámetros.
Existen dos métodos que tratan de obtener la muestra anterior: El muestreo no probabilístico
y el muestreo probabilístico.
Muestreo no probabilístico
En este método no todos los elementos poblacionales tendrán posibilidad de integrar la
muestra, motivo por el cual se espera poca representatividad de la muestra.
-La precisión de sus resultados generalmente no se puede medir en forma objetiva porque no
hay ninguna ley del azar que permita medir el error del muestreo.
107
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Muestreo probabilístico.
Es un método de muestreo en el cual cada elemento de la población tiene una probabilidad
conocida (no igual a cero) de ser incluido en la muestra.
Las unidades muestrales se seleccionan conforme a las leyes del azar en vez del criterio
personal.
La precisión de sus resultados se puede medir objetivamente porque, según veremos más
adelante, los estimadores de parámetros seguirán las leyes del azar, esto es, una distribución
de probabilidad conocida de la cual podremos considerar su desviación estándar con un error
de muestreo esperado (promedio).
También controlaremos el costo del muestreo seleccionando el tipo de muestreo que logre
reducir sustancialmente ese costo.
108
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Ejemplo 1.
Una población consta de los números 1, 3, 5, 7, 9
a) Calcular la media de la población.
b) Hallar la varianza y la desviación estándar de la población.
c) ¿Cuántas muestras de tamaño 2 pueden formarse?.
d) Cite las muestras.
e) Construir la distribución muestral de medias.
f) Determinar el valor de la media muestral, varianza muestral y la desviación muestral.
Solución
N
x1 x 2 x3 ...... x N
Xi
1 3 5 7 9 25
a) i 1
5
N N 5 5
b)
x
(X - ) (X - )2 2
40
1–5 16 Varianza 2
N 5
3–5 4
5–5 0 2 8
7–5 4
Desviación estándar 8 2.82
9–5 16
Total . . . . . 40
d) 13 35 57 79
15 37 59
17 39
19
e)
109
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
(X - ) ( X - )2 P(x)
Media
Muestras P(x) X . P(x)
X
13 2 0.10 0.2 (2 - 5) = - 3 (-3) 2(0.10) = 0.9
15 3 0.10 0.3 (3 - 5) = - 2 (-2) 2(0.10) = 0.4
17 4 0.10 0.4 (4 - 5) = - 1 (-1) 2(0.10) = 0.1
19 5 0.10 0.5 (5 - 5) = 0 0 (0.10) = 0
35 4 0.10 0.4 (4 - 5) = - 1 (-1) 2(0.10) = 0.1
37 5 0.10 0.5 (5 - 5) = 0 0 (0.10) = 0
39 6 0.10 0.6 (6 - 5) = 1 (1) 2(0.10) = 0.1
57 6 0.10 0.6 (6 - 5) = 1 (1) 2(0.10) = 0.1
59 7 0.10 0.7 (7 - 5) = 2 (2) 2(0.10) = 0.4
79 8 0.10 0.8 (8 - 5) = 3 (3) 2(0.10) = 0.9
5.00 3.0
2 x x .Px 2 x 3
2
Varianza muestral
110
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
r, r + k, r + 2k, - - -
Ejemplo 2.
Tomar una muestra sistemática de 6 casas a partir de una manzana que comprende 78 casas.
Solución:
1, 2, 3, 4 . . . . . . . 78
N 78
k= = = 13
n 6
111
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Ejemplo 3.
A partir de una lista de 70 solicitudes de crédito tome una muestra de 8 solicitudes Usando
tres dígitos y entrando en la fila 28 columnas 6 con una dirección de izquierda a derecha.
Solución
Se enumeran las solicitudes así: 1, 2, 3, 4, 5, 6, 7, . . . . . ,70.
N 70
Intervalo de muestreo k = = = 8.75 (k nuevo 8.75 x 100 = 875)
n 8
Utilizar la tabla de números aleatorios para seccionar un número entre 1 y 875.
De acuerdo a las coordenadas dadas se encuentra el número 40027. A partir de 400 se
suman consecutivamente 875 hasta obtener los ocho números.
400, 1275, 2150, 3025, 3900, 4775, 5650, 6525
Finalmente se suprimen las cifras decimales, resultando: 4, 12, 21, 30, 39, 47, 56,
65 (Estos son elementos que formarán la muestra).
Estimación
Se refiere a un cálculo aproximado del parámetro poblacional a partir de datos muestrales.
112
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Errores de muestreo
Estos errores ocurren debido a que sólo se hace una observación parcial de la población. El
error de muestreo es la diferencia absoluta entre el resultado de la muestra y el parámetro.
Em = X Estos errores no son medibles porque los parámetros son desconocidos y aunque
son aleatorios pueden ser controlados. De manera que a menor error de muestreo, mayor
precisión tendrá la estimación.
Estos errores no son medibles pero pueden ser controlados evitando las causas que los
producen.
La exactitud de una estimación tiene que ver con lo que llamaremos el error total, esto
es la suma del error de muestreo más el error ajeno al muestreo.
113
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Eficiencia: Se desea que tenga una distribución muestral con varianza lo más pequeña
posible. Esto asegura una probabilidad alta de que una estimación particular se encuentre
cerca del parámetro.
Estimador puntual
Un estimador puntual de un parámetro es aquél que proporciona un único estimado del
N
X i
X i
Intervalo de confianza para la media y el total cuando la muestra es grande (n > 30)
X Z Si la población es infinita.
2 n
N n
X Z
2 n N 1 Si la población es finita.
114
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
N n
N X Z N
2 n N 1
Intervalo de confianza para el total.
x
n Si la población es infinita.
N n
x
n N 1 Si la población es finita.
N n
Nx N
n N 1
E Z
2
n Si la población es infinita
115
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
N n
E Z
2 n N 1 Si la población es finita.
N n
E Z N
2 n N 1 Error máximo permitido para el total.
N n n
Nota: El factor de corrección puede omitirse si el cociente < 0.05
N 1 N
2.7.- Tamaño de la muestra requerido n para estimar para estimar con un error
máximo permitido E un nivel de confianza de (1 - ) 100% es:
z
2
n= 2
E
z
2
n0 = 2
E
n0
Si N > 0.05 n0 puede ser reducida a:
n0 N
n = n N 1
0
116
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Ejemplo 4.
Consideremos el conjunto de todas las pequeñas industrias de un determinado artículo. Se
quiere determinar la producción anual total de todas las industrias y se sabe en base a estudios
anteriores que la desviación estándar poblacional de las producciones anuales es igual a 2 en
miles de unidades. Con tal propósito se selecciona de un listado actualizado de 826 industrias
una muestra aleatoria de 50 industrias obteniendo una ´producción anual promedio de 5.52
en miles de unidades.
a) Encuentre un intervalo de confianza del 90% para la producción anual total de las
industrias.
b) Con una confianza del 95% calcule el valor del error máximo permitido en la
estimación de la producción anual total del inciso (a).
c) Si quiero estimar la producción anual promedio de las industrias con una
confiabilidad del 80% de que el error máximo permitido sea de 300 unidades ¿cuál
debe ser el tamaño de la muestra?
Solución:
a)
2 826 50
826(5.52) 1.645(826)
50 826 1
4,559.52 372.7304 < t o sea 4,559.52 – 372.7304 < t <4,559.52 + 372.7304
b)
N n 2 826 50
E Z E 1.96(826)
2 n N 1 50 826 1
E = 444.1043
117
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
c)
z
2
2
n0 = 2 n0 = 1.28( 2) n0 = 72.8177
E
0.3
72.8177
n0 0.088 0.05
826 Dado que el cociente supera el 5% se aplica
n0 N
el factor de corrección. n =
n0 N 1
72.8177826
72.8177 826 1
n= n = 66.99 n = 67 pequeñas industrias.
Distribución t de student.
Cuando la desviación estándar poblacional sea desconocida y X tenga una distribución
normal o aproximadamente normal se tiene primero que estimar para poder estimar
x
s
Para una población infinita
n
s N n
n N 1 Para una población finita
Ejemplo 5.
Una máquina empaca azúcar en bolsas plásticas. Se quiere estimar el peso promedio de las
bolsas de azúcar sabiendo por estudios anteriores que la desviación estándar poblacional es
de 0.10 libras .Del flujo de producción se toma una muestra aleatoria sistemática de 10 bolsas
obteniendo los pesos en libras. 5.10, 4.90, 4.80, 5.15, 5.05, 4.95, 4.97, 4.85, 5.03,
5.00
a) Obtenga un intervalo de confianza del 80% para el peso promedio de las bolsas de
azúcar.
b) Identifique el error muestral promedio en la estimación del intervalo del inciso (a).
c) Con la misma muestra anterior, obtenga un intervalo de confianza para el peso
promedio de las bolsas de azúcar para un nivel de confianza del 97%. Compare la
longitud de este intervalo con el obtenido en el inciso (a)
d) Identifique el error máximo permitido con una confianza del 80% en la estimación
del inciso (a)
e) Se quiere estimar el peso promedio de las bolsas de azúcar con una confiabilidad de
90% de que el error máximo permitido sea de 0.0313 libras ¿Cuál debe ser el
tamaño de la muestra?
Solución:
Datos: n = 10, X = 4.98, = 0.10
a) NC 80 %
0.20
1 0.80 0.20 2
2
0.10
GL = n – 1 = 10 – 1 = 9
La tabla t student proporciona un valor t 1.383
2
119
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
s 0.10
X t 4.98 1.383 4.98 0.0437 <
2 n 10
4.98 0.0437 4.98 0.0437 4.9363 5.0237 Libras de azúcar
s 0.10
b) x x 0.0316 Libras de azúcar.
n 10 x
c) NC 97 %
0.03
1 0.97 0.03 2
2
0.015
GL = n – 1 = 10 – 1 = 9
La tabla t student proporciona un valor t 2.574
2
s 0.10
X t 4.98 2.574 4.98 0.08139<
2 n 10
Se observa que la longitud de este intervalo es mayor que el obtenido en el inciso (a). Esto
quiere significa que entre más confiable sea nuestra estimación, menos precisa será.
z
2
2
(1.645)(0.10)
e) n 2
n= n = 28 bolsas.
0.0313
E n = 27.62
120
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Ejercicio
La población de supermercados de una ciudad se presenta en la siguiente tabla:
N0 de Súper 01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
Ventas 84 73 50 35 62 38 26 25 56 45 90 20 87 30 40
diarias(miles
C$)
a) Tome una muestra aleatoria de 3 supermercados, entrando en la fila 3 columna 4 en
dirección horizontal de izquierda a derecha. (Usando muestreo aleatorio simple)
b) Determinar la media muestral respecto a las ventas ¿Qué representa ?
c) ¿Cuántas muestras de tamaño 2 pueden formarse?.
d) Cite las muestras.
e) Construir la distribución muestral de medias.
f) Determinar el valor de la media muestral, varianza muestral y la desviación muestral
1) Un auditor quiere tomar una muestra de 20 documentos de un total de 280 que tiene
en su poder. Use muestreo sistemático mediante la tabla de números aleatorios
entrando en la fila 16 columna 7.
3) Los ingresos del impuesto sobre ventas en una comunidad particular se recogen cada
trimestre. Los siguientes datos representan los ingresos (en miles de córdobas),
121
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Suponiendo que los ingresos trimestrales del impuesto sobre ventas se distribuyen
aproximadamente normal.
a) Establezca un intervalo de confianza del 98% para el ingreso trimestral promedio
del impuesto sobre ventas para el establecimiento de menudeo.
b) ¿Cuál es el error muestral?
c) Si hay un total de 300 establecimientos de menudeo en esta comunidad establezca
un intervalo de confianza del 95% de los ingresos totales por impuestos sobre
ventas que se lograrán en este trimestre.
d) Si quiere estimar el ingreso trimestral promedio del impuesto sobre ventas de los
establecimientos con una confianza del 95% de que el error máximo permitido
sea de C$1,000 ¿Qué tamaño de muestra se requiere?
Prueba de hipótesis
Es un procedimiento que consiste en plantear hipótesis y contrastarlas para analizar las
diferentes alternativas de tal manera que nos conduzcan a la toma de decisiones.
Hipótesis: Es un supuesto que se hace acerca del valor de un parámetro de una población o
acerca de parámetros de varias poblaciones.
Tipos de hipótesis
Hipótesis nula: La hipótesis nula será generalmente la que afirma en los problemas ausencia
de efecto alguno para determinada acción o tratamiento Se representa por H0.
Hipótesis alterna: Es cualquier hipótesis que es contraria a la hipótesis nula. Esto es, que
hay presencia de efecto para determinada acción o tratamiento. Se representa por H1.
122
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
123
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
CuandoH1 : 0 CuandoH1 : 0
Z - z
Área de aceptación Área de rechazo Área de rechazo Área de aceptación
Z Z
2 2
Ejemplo 1:
124
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Suponga que cierta región del País cuenta con 200 plantaciones donde se cultiva maíz sin
hacer uso de ningún abono. Por muchos años el rendimiento ha sido de 44 quintales por
manzana. El MAG está tratando de convencer a los agricultores de la aplicación de un nuevo
fertilizante. A manera de prueba los agricultores usaron el fertilizante en 36 plantaciones
seleccionadas aleatoriamente obteniendo un rendimiento promedio de 47.30 quintales por
manzana y una desviación estándar de 6.6 quintales por manzana. ¿Se debe aplicar el nuevo
fertilizante a un nivel de significación del 5%?
Solución
Paso 2. = 0.05
x
Z
N n
Paso 3. n N 1 Muestra grande (n > 30) Población finita.
47.30 44
Z
6.6 200 36 3 .3
Z
36 200 1 0.9986 Z = 3.30
Paso 5. Puesto que Z = 3.30 > 1.645 cae en la región de rechazo. Se rechaza la hipótesis
nula H0 (que dice que el rendimiento es 44 quintales por manzana) y se acepta la hipótesis
125
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
alternativa (H1 > 44.quintales por manzana).Se concluye que el rendimiento es mayor de 44
quintales por manzana, por tanto se recomienda el uso del nuevo fertilizante.
Ejemplo 2:
Suponga que una empresa tiene una cantidad muy grande de cuentas por cobrar y que los
saldos de esas cuentas tienen aproximadamente una distribución normal. En los libros de la
empresa aparece registrado un saldo promedio de C$ 25, 850.
Un auditor, utiliza muestreo estadístico para seleccionar una muestra de 100 cuentas, donde
se obtuvo un saldo promedio de C$ 27,550 y una desviación estándar de C$ 1,200 ¿Debe el
auditor concluir que el saldo es distinto a C$ 25, 850 y que por lo tanto debe hacer un asiento
de ajuste al valor en libros a un nivel de significancia del 2%?
Solución
Paso 1. H0 : = 25,850 Hipótesis nula
x
Z
Paso 3. n Muestra grande (n > 30) Población infinita.
126
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
27,550 25,850
Z 1,700
1,200
100 Z = 120 Z = 14.1667
Paso 5. Puesto que Z = 14.1667 >2.33 cae en la región de rechazo. Se rechaza la hipótesis
nula H0 (que dice que el saldo promedio es de C$ 25,850) y se acepta la hipótesis alternativa
(H1 el saldo promedio es distinto que C$ 25,850) Se concluye que el auditor debe hacer un
asiento de ajuste al valor en libros.
Ejemplo 3:
Suponga que se tiene un proceso de producción de llenado de cajas de cereal el cual se supone
que el peso neto de cereal en las cajas tiene una distribución normal y que además
proporciona un peso promedio de real en las cajas de 3 libras. Puesto que este proceso está
sujeto a inspecciones periódicas por parte de la Oficina local de protección a los
consumidores, quienes únicamente les interesa la “falta de peso “en los productos. Se tomó
una muestra aleatoria de 6 cajas obteniendo los siguientes pesos en libras:
1.85, 2.10, 1.95, 1.83, 2.18, 1.97 ¿Existe suficientes evidencia para decir que el
proceso no está funcionando correctamente a un nivel de significación del 1%?
Solución.
Paso 1. H0 : = 2 libras El proceso está funcionando correctamente.
Paso 2. = 0.01
x
t
s
Paso 3 n Muestra pequeña (n < 30) población infinita.
127
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
1.98 2
t
0.1377
6 t = - 0.355
Paso 5.
Como t = - 0.355 > - 3.365 cae en la región de aceptación. Se dice que no hay suficiente
evidencia para rechazar la hipótesis nula H0: = 2. Se concluye que el proceso de
Z=
x1 x2 1 2
2 2
S1 S
2
n1 n2
Ejemplo 4:
Una organización deportiva desea conocer si el tiempo promedio que requieren los hombres
para jugar los 18 hoyos de golf es diferente al de las mujeres. Se mide el tiempo de 50 partidos
para hombres y 45 para mujeres obteniendo los siguientes datos.
Hombres Mujeres
n1 = 50 n2 = 45
X 1 = 3.5 horas X 2 = 4.9 horas
128
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Solución.
Paso 1. H0 : h = m .
H1 : h ≠ m
Paso 2. = 0.05
Paso 3. Z =
x1 x2 1 2
2 2
S1 S
2
n1 n2
Z=
x1 x2 1 2 Z=
3.5 4.9 0 0 Z = - 5.44
S1
2
S
2
0.92 1.52
2
n1 n2 50 45
Paso 5. Dado que el valor de Z = - 5.44 < - 1.96 cae en la región de rechazo. Debido a
Ejemplo 5:
Se está estudiando la durabilidad de dos tipos de amortiguadores de caucho para coches de
bebé. De una población se tomó una muestra de 13 unidades de la cual se obtuvo una duración
media de 11.3 semanas con una desviación estándar de 3.5 semanas. De otra población se
tomó una muestra de 10 unidades donde se obtuvo una duración media de 7.5 semanas y una
desviación estándar de 2.7 semanas. ¿Hay diferencias en las duraciones de los
129
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Solución: Como se trata de muestras pequeñas y las varianzas poblacionales no son iguales,
los grados de libertad se calculan con la siguiente fórmula
2
S1 2 S 2 2 3.5 2 2.7 2
2
n n
10
GL = 1 2
GL = 13 GL =
2.793269402
GL = 20.995
2 2 2 2
S1
2
S2 2
3.5
2
2.7 2 0.133044315
n n 13 10
1 2
n1 1 n2 1 13 1 10 1
GL = 21
Paso 1. H0 : h = m
H1 : h ≠ m
Paso 2. = 0.02
Paso 3. t =
x1 x2 1 2
2 2
S1 S
2
n1 n2
0.02
Paso 4. GL = 21 = 0.01 El valor crítico es: 2.518 (tabla t student).
2 2
130
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
t=
x1 x2 1 2 t=
11.3 7.5 0 0 t = 2.93.9 t = 2.94
2 2
S1 S 3.5 2 2.7 2
2
n1 n2 13 10
Paso 5. Puesto que el valor de t = 2.94 > 2.518 cae en la región de rechazo. Se acepta
la hipótesis alternativa
Ejemplo 6:
Una empresa tiene 1,500 cuentas por cobrar. En los libros de la empresa aparece registrado
que sólo el 2% de los documentos no satisfacen los requisitos establecidos. Un auditor
selecciona una muestra aleatoria de 300 y verifica que 12 no satisfacen los requisitos
establecidos. ¿Hay evidencia suficiente para que el auditor declare a un nivel de significación
del 1% que más del 2% de las cuentas no satisfacen los requisitos establecidos por la
institución?.
Solución
Paso 1. H0: P0 = 0.02 Declarar que el 2% de las cuentas no satisfacen los requisitos.
H1: P0> 0.02 Declarar que más del 2% de las cuentas no satisfacen los requisitos
131
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Paso 2. = 0.01
Ps Po
Paso 3. Z = Población finita y muestra grande.
Po 1 Po N n
n N 1
x 12
Ps = Ps = 0.04
n 300
0.04 0.02
Z= Z = 2.765
0.021 0.02 1500 300
300 1500 1
Paso 5. Puesto que Z = 2.765 >2.33 cae en la región de rechazo. Se rechaza la hipótesis nula
H0 (que dice que el 2% de las cuentas no satisfacen los requisitos) y se acepta la hipótesis
alternativa (H1que más del 2% de las cuentas no satisfacen los requisitos)Se concluye que el
auditor debe declara que más del 2% de las cuentas no satisfacen los requisitos
institucionales.
N n n
Nota: El factor de corrección puede omitirse si el cociente < 0.05
N 1 N
n 300
En este caso no es posible omitirlo puesto que 0.20 0.05
N 1500
132
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Ejemplo 7:
Un minorista desea probar la hipótesis de que la proporción de sus clientes masculinos
quienes compran a crédito es igual a la proporción de mujeres que utilizan el crédito. Para tal
fin, seleccionó una muestra de 100 clientes hombres y encontró que 57 compraban al crédito,
mientras que una muestra de 110 clientes mujeres, 52 lo hicieron. Pruebe la hipótesis de que
la proporción de hombres que compran al crédito, es la misma que la proporción de las
mujeres a un nivel de significación del 1%.
Solución:
Paso 1. H0: h = m .
H1 : h ≠ m
Paso 2. = 0.01
P1 P2 1 2
P1 1 P1 P2 (1 P2 )
Paso 3 Z=
n1 n2
57 52
Paso 4. P1 = P1 = 0.57 P2 = P2 = 0.473
100 110
133
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
R - 2.58 A 2.58 R
Reglas de decisión
Si Z <- 2.58 se rechaza H0
Si - 2.58 < Z < 2.58 se acepta H0
Si Z > 2.58 se rechaza H0
Paso 5. Puesto que Z = 1.41 está entre - 2.58 y 2.58 cae en la región de aceptación. Se
acepta a hipótesis nula H0 (que dice que la proporción de clientes masculinos es igual a la
proporción de clientes femeninos que compran al crédito).
Ejercicio (7)
1) Suponga, según registros históricos de la industria de la langosta en Nicaragua, que
la captura de langosta por trampa tiene una distribución normal con un promedio de
30.31 libras, sin embargo, debido a protección y conservación de estas especies por
las medidas gubernamentales, este promedio se ha disminuido notablemente.
Una muestra aleatoria de 10 trampas para langostas, desde que la restricción entró en
vigor, proporciona los siguientes resultados: 17.4, 18.9, 39.6, 34.4, 19.6,
33.7, 37.2, 27.5, 41.7, 24.1 libras.
¿Ha disminuido la captura promedio de la langosta por trampa a un nivel de
significación del1?
135
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
8) Resuelva el problema anterior asumiendo ahora que las varianzas son iguales.
10) Dos muestras de tamaño 500 cada una se utilizaron para probar la hipótesis de que
H0: 1 2 las proporciones muestrales son 14% y 11%...A un nivel del 10% ¿Cuál
es su decisión?
136
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Bibliografía
Alvir Videa, I. d. (2015). Dossier de Estadísica y Probabilidades . Estelí, Nicaragua .
Córdoba Zamora , M. (2003). Estadística Descriptiva e Inferencial - Aplicaciones (5ta Ed ed.). Lima,
Perú: MOSHERA S.R.L.
Ruiz Muñoz, D. (2004). Manual de estadística. Sevilla, españa: Universidad Pablo de Olavide.
137
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Ejercicio 1.3
138
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
Ejercicio 1.5 Se agrupan los datos en una tabla de frecuencia para posteriormente
representarlos en el histograma.
Clase f fa fr fr% fra fra% Limites Reales Xi
16 - 17 5 5 0.125 12.5 0.125 12.5 15.5 – 17.5 16.5
18 - 19 11 16 0.275 27.5 0.4 40 17.5 – 19.5 18.5
20 - 21 10 26 0.25 25 0.65 65 19.5 – 21.5 20.5
22 - 23 9 35 0.225 22.5 0.875 87.5 21.5 – 23.5 22.5
24 - 25 3 38 0.075 7.5 0.95 95 23.5 – 25.5 24.5
26- 27 2 40 0.05 5 1 100 25.5 – 27.5 26.5
Σ 40 1 100
Ejercicio 1.6
xi f
0 3
Ejercicio 1.8
1 17
2 17
3 6
4 7
139
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
La mediana es el quinto dato ordenado que divide a la serie en 2 grupos de 4 datos X: 60,4
cada uno. Esto es, Me 16.
Ejercicio 1.13
b) La serie ordenada de los 8 datos es:
2.2
3, 11, 29, 30, 36, 77, 300, 10,000.
UNIDAD II PROBABILIDADES
La mediana en este caso, puede ser cualquier número situado entre 30 y
Ejercicios Pág. 62
36, ya que este dividirá a los datos en dos grupos de 4 datos cada uno.
Pero, para evitar la infinidad de valores, se elige como mediana la 1.
semisuma de los dos valores centrales. Esto es, Me (30 36) / 2 33 .
a) 0,60
Ejercicio 1.10 b) 0,25
c) 0,34
a) es igual a 7. Esta serie de datos es unimodal
11. Pág. 64
b) es igual tanto a 3, como a 5. Esta serie de datos es bimodal.
(b)
c) no existe. (También vale decir que cada uno de los datos es una moda).
1) 0,48
Ejercicio 1.11
2) 0,52
5 3) 0,64
f i xi
44 4) 0,36
x i =1
2.2.
20 20
140
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
141
MS.c Cliffor Jerry Herrera castrillo
Estadística y Probabilidades – II Año de Física Matemática
142
MS.c Cliffor Jerry Herrera castrillo