Dosier Estadistica

Facultad Regional Multidisciplinaria de Estelí
FAREM ESTELÍ
Recinto Universitario “Leonel Rugama Rugama”
Departamento de Ciencias de la Educación y Humanidades
2019: Año de la Reconciliación
Estadística y Probabilidades
Física Matemática II Año
Elaborado: M.Sc. Cliffor Jerry Herrera Castrillo
18 de mayo 2019
Índice
Introducción_____________________________________________________________ 1
Unidad I. Estadística Descriptiva ____________________________________________ 2
Conceptos fundamentales de la estadística descriptiva ________________________ 3

Reseña histórica de la estadística ________________________________________ 3
Utilidad e importancia ________________________________________________ 4
Estadística __________________________________________________________ 4
Población y muestra __________________________________________________ 5
Población _________________________________________________________ 5
Muestra ___________________________________________________________ 6
Variable ____________________________________________________________ 6
Tipos de Variables __________________________________________________ 7
Medición y escalas de medidas __________________________________________ 8
Distribución de frecuencias _____________________________________________ 13

Procedimiento a seguir en un estudio estadístico __________________________ 13
Tabla para datos no agrupados ________________________________________ 13
Tabla para datos agrupados ___________________________________________ 14
Tipos de Gráficos _____________________________________________________ 19
Medidas de tendencia central ___________________________________________ 28

Datos no agrupados __________________________________________________ 28
Datos agrupados ____________________________________________________ 31
Formas de la distribución_______________________________________________ 33
Medidas de variabilidad o dispersión _____________________________________ 34

Datos agrupados. ____________________________________________________ 34
Medidas de posición ___________________________________________________ 38
Coeficiente de curtosis (K) ______________________________________________ 41
Unidad II. Probabilidades _________________________________________________ 49
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
Definición clásica de probabilidad (modelo clásico o a priori) _________________ 55
Tipos de probabilidad __________________________________________________ 56
Sucesos independientes _________________________________________________ 58
Sucesos dependientes __________________________________________________ 58
Probabilidad condicional _______________________________________________ 58
Regla de la multiplicación ______________________________________________ 59
Probabilidad total _____________________________________________________ 61
Regla de Bayes ________________________________________________________ 61
TECNICAS DE CONTEO ______________________________________________ 65

La distribución acumulada ____________________________________________ 77
Valor esperado ______________________________________________________ 78
Varianza ___________________________________________________________ 78
Distribución geométrica ______________________________________________ 80
Distribución híper – geométrica _______________________________________ 81
Teorema de Chebyshev _______________________________________________ 82
Distribución híper – geométrica multii - variada __________________________ 83
La distribución binomial _______________________________________________ 84

Proceso de Bernoulli _________________________________________________ 84
Distribución binomial ________________________________________________ 84
Media, varianza y desviación estándar de la distribución binomial _________ 85
Distribución binomial negativa. ________________________________________ 86
La distribución de Poisson ______________________________________________ 86
Media, varianza y desviación estándar de la distribución de Poisson ________ 88
La distribución normal _________________________________________________ 89

Áreas bajo la curva normal ___________________________________________ 89
Estandarización _____________________________________________________ 90
Uso de la tabla ______________________________________________________ 90
Unidad III. Estadística inferencial _________________________________________ 103
Muestreo ___________________________________________________________ 104

Conceptos básicos __________________________________________________ 104
Ventajas del muestreo ______________________________________________ 106
1. Rapidez y bajo costo de la información requerida __________________ 106
2. Es un procedimiento práctico cuando la población es muy grande o infinita
106
3. Evita la destrucción de toda la población _________________________ 106
Métodos de muestreo _______________________________________________ 107
Muestreo no probabilístico _________________________________________ 107
Muestreo probabilístico. _____________________________________________ 108
Tipos de muestreo probabilístico ______________________________________ 108
Muestreo aleatorio simple __________________________________________ 108
Muestreo aleatorio sistemático ______________________________________ 110
Estimación __________________________________________________________ 112

Precisión y exactitud de un estimador __________________________________ 112
Errores de muestreo ________________________________________________ 113
Errores ajenos al muestreo _________________________________________ 113
Propiedades de une estimador ________________________________________ 113
Estimador por intervalos de confianza._________________________________ 114
Intervalo de confianza para la media __________________________________ 118
___________________________________________________ 122
Prueba de hipótesis
__________________________________________________ 122
Tipos de hipótesis
Pruebas de una cola (o unilaterales) __________________________________ 124
Bibliografía ___________________________________________________________ 137
Solucionario de Ejercicios Propuestos ______________________________________ 138

Estadística y Probabilidades – II Año de Física Matemática
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.
En la carrera de Física – Matemática la asignatura de Estadística y Probabilidad tiene como

asignatura precedente a Matemática General y como asignaturas consecuentes a Metodología
de la Investigación e Investigación Aplicada. Su propósito es contribuir a fundamentar las
técnicas estadísticas y probabilísticas utilizadas en las investigaciones de enfoque
cuantitativo o positivistas.
Actualmente nos encontramos con un crecimiento progresivo de ciencias interdisciplinarias,

que armonizan diversas ramas del saber en una sola. Así, se habla de bioestadística,
psicología matemática, etc. De manera similar con la asignatura de Estadística y Probabilidad
estamos integrando los conocimientos pedagógicos adquiridos sobre la enseñanza de la
Física - Matemática y las herramientas estadísticas para enfrentar los procesos de enseñanza
aprendizaje de la matemática y la investigación en el campo educativo, auxiliándonos de la
calculadora y un determinado paquete estadístico para la interpretación de resultados.
(Universidad Nacional Autónoma de Nicaragua UNAN MANAGUA, 2013)
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
Unidad I. Estadística Descriptiva

Objetivos de la asignatura
Objetivos Conceptuales
 Conocer los conceptos y definiciones fundamentales de estadística descriptiva.
Objetivos Procedimentales
 Aplicar los conceptos y definiciones fundamentales de la estadística descriptiva en la

resolución de problemas de la vida cotidiana.
Objetivos Actitudinales
 Valorar la importancia de la Estadística Descriptiva como instrumento para la

solución de problemas de su entorno social.
Contenidos Conceptuales Contenidos Procedimentales Contenidos Cognitivos

Conceptos fundamentales Aplicación de los conceptos Valoración de la
de la estadística descriptiva y definiciones importancia de la
Reseña histórica de la fundamentales de la estadística descriptiva como
estadística, población y estadística descriptiva en la instrumento para la
muestra. Variables. resolución de problemas de solución de problemas de su
Medición y escalas de la vida cotidiana. entorno social.
medidas. Distribución de Participación activa en la
frecuencias. Tipos de resolución de problemas
Gráficos. Percentiles. basados en la realidad.
Medidas de Tendencias
central. Medidas de
variabilidad.
2
Conceptos fundamentales de la estadística descriptiva

Reseña histórica de la estadística
Los comienzos de la estadística pueden ser hallados en
el antiguo Egipto, cuyos faraones lograron recopilar,
hacia el año 3050 antes de Cristo, prolijos datos
relativos a la población y la riqueza del país. De
acuerdo al historiador griego Heródoto, dicho registro
de riqueza y población se hizo con el objetivo de
preparar la construcción de las pirámides. En el mismo Egipto, Ramsés II hizo un censo de
las tierras con el objeto de verificar un nuevo reparto.
En el antiguo Israel la Biblia da referencias, en el libro de los Números, de los datos

estadísticos obtenidos en dos recuentos de la población hebrea. El rey David por otra parte,
ordenó a Joab, general del ejército hacer un censo de Israel con la finalidad de conocer el
número de la población. También los chinos efectuaron censos hace más de cuarenta siglos.
Los griegos efectuaron censos periódicamente con fines tributarios, sociales (división de
tierras) y militares (cálculo de recursos y hombres disponibles). La investigación histórica
revela que se realizaron 69 censos para calcular los impuestos, determinar los derechos de
voto y ponderar la potencia de guerrera.
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
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.
Ahora bien, las técnicas estadísticas se aplican de manera amplia en mercadotecnia,

contabilidad, control de calidad y en otras actividades; estudios de consumidores; análisis de
resultados en deportes; administradores de instituciones; en la educación; organismos
políticos; médicos; y por otras personas que intervienen en la toma de decisiones.
Estadística
La palabra estadística se emplea en una gran variedad de formas. En plural se emplea como
sinónimo de dato.
El trabajo estadístico o la investigación estadística es un proceso que pasa generalmente por

las siguientes etapas:
 Formulación del problema o la tarea

 Diseño del experimento
 Recopilación de los datos
 Clasificación, tabulación y descripción de datos
 Generalización o inferencia
Definición: en este documento se define estadística como, la ciencia que proporciona un

conjunto de métodos, técnicas o procedimientos para:
- recopilar
- organizar (clasificar, agrupar),
- presentar, y
- analizar,
datos con el fin de describirlos o realizar generalizaciones válidas.
La Estadística para su mejor estudio se ha dividido en dos grandes ramas: la estadística

descriptiva y la inferencial.
4
Se denomina estadística descriptiva, al conjunto de métodos estadísticos que se relacionan

con el resumen y descripción de los datos, como tablas, graficas, y el análisis mediante
algunos cálculos.
Se denomina inferencia estadística al conjunto de métodos con los que se hace la

generalización o inferencia sobre una población utilizando una muestra. La inferencia puede
contener conclusiones que pueden no ser ciertas en forma absoluta, por lo que es necesario
que éstas sean dadas con una medida de confiabilidad que es la probabilidad.
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.
A cada elemento de una población se denomina unidad elemental o unidad estadística.
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).
El resultado de medir una característica observable de una unidad elemental, se denomina

dato estadístico o valor observado o simplemente observación.
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
estadísticos que se reúnen de acuerdo con la formulación de una investigación estadística o

con la definición de la población específica.
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.
Tipos de población: Por el número de elementos que la componen, la población se clasifica

en finita o infinita. La población es finita si tiene un número finito de elementos. En caso
contrario la población es infinita. En la práctica una población finita con un número grande
de elementos se considera como una población infinita.
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.
Definición. Se denomina muestra a una parte de la población seleccionada de acuerdo con

un plan o regla, con el fin de obtener información acerca de la población de la cual proviene.
La muestra debe ser seleccionada de manera que sea representativa de la población. Un

método de selección de muestras representativas es al azar simple, esto es, cada elemento de
la población tiene la misma posibilidad de ser seleccionada para la muestra.
Estadística o estadígrafo. Se denomina estadística a una medida descriptiva que resuma

una característica de la muestra, tal como la media ( x ) o la varianza ( s 2 ) calculada a partir
de los datos observados de una muestra aleatoria.
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
Se denomina variable estadística a una característica definida en la población por la tarea o

investigación estadística, que puede tomar dos o más valores (cualidades o números).
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:
X: "Género". Valores: Masculino, Femenino
Y: "estado civil". Valores: Soltero, casado, viudo, divorciado
Z: "número de hijos", Valores: 0,1,2, etc.
W: "ingresos mensuales", Valores: Números reales positivos.
Ejemplo: El peso de un embarque, la rapidez de una impresora, el número de artículos

defectuosos que se elaboran en una fábrica, la calidad de café que se produce en Nicaragua,
etc.
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
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.
Medición y escalas de medidas

La medición puede definirse como la asignación de números a objetos y eventos de acuerdo
con ciertas reglas; la manera como se asignan esos números determina el tipo de escala de
medición. Esto conduce a la existencia de diferentes tipos de escalas, por lo que el problema
se transforma en explicitar
a) las reglas para asignar números

b) las propiedades matemáticas de las escalas resultantes
c) las operaciones estadísticas aplicables a las medidas hechas con cada tipo de escala.
Las escalas de medición se clasifican en cuatro grupos: escala nominal, ordinal, intervalo
y escala de razón.
Escala nominal.
El nivel nominal de medición, describe variables de naturaleza categórica que difieren en

cualidad más que en cantidad. Ante las observaciones que se realizan de la realidad, es
8
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.
En esta escala hay que tener en cuenta dos condiciones:
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.
Los números se usan como identificadores o nombres. La operación matemática permitida

es el conteo.
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.
Escala ordinal: Surge a partir de la operación de ordenamiento; en esta escala se habla de

primero, segundo, tercero. No se sabe si quien obtiene el primer puesto está cerca o lejos del
segundo puesto. Los valores de la escala representan categorías o grupos de pertenencia,
concierto orden asociado, pero no una cantidad mensurable. La escala ordinal tiene las
9
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 intervalos. Esta escala representa magnitudes, con la propiedad de igualdad de la

distancia entre puntos de escala de la misma amplitud. Aquí puede establecerse orden entre
sus valores, hacerse comparaciones de igualdad, y medir la distancia existente entre cada
valor de la escala. El valor cero de la escala no es absoluto, sino un cero arbitrario: no refleja
ausencia de la magnitud medida, por lo que las operaciones aritméticas de multiplicación y
división no son apropiadas. Cumple con las propiedades de identidad, magnitud e igual
distancia. La igual distancia entre puntos de la escala significa que puede saberse cuántas
unidades de más tiene una UO comparada con otra, con relación a cierta característica
analizada. Por ejemplo, en la escala de temperatura centígrada puede decirse que la distancia
entre 25° y 30°C es la misma que la existente entre 20° y 25° C, pero no puede afirmarse que
una temperatura de 40° C equivale al doble de 20° C en cuanto a intensidad de calor se refiere,
debido a la ausencia de cero absoluto.
Escala de razón. Corresponde al nivel de medición más completo. Tiene las mismas
propiedades que la escala intervalos, y además posee el cero absoluto. 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
Resumen
Tipos de
variables
Cualitativas Cuantitativas
Nominales Ordinales Continuas Discretas
No orden Existe orden No entero Entero
Ejercicios
Ejercicios 1.1: Determine en cada una de las siguientes situaciones: la población y la

muestra.
Un fabricante de medicamentos desea conocer la proporción de personas cuya hipertensión

(presión alta) puede ser controlada por un nuevo producto fabricado por la compañía. Al
realizar un estudio a 5000 individuos hipertensos se obtuvo que el 80 % de ellos pudo
controlar su hipertensión utilizando el nuevo medicamento. Suponiendo que estas 5000
personas son representativas del grupo de pacientes hipertensos.
Ejercicios 1.2: Construya variables relacionadas con su carrera, 4 nominales, 4 ordinales, 4

continuas y 4 discretas.
Ejercicio 1.3: Indica qué variables son cualitativas (ordinal o nominal) y cuales cuantitativas
(continuas o discretas):
a) Censo anual de los nicaragüenses:

b) Temperaturas en grados Celsius registradas cada hora en un observatorio:
c) Tu comida favorita:
d) Cuántos goles ha marcados tu equipo favorito en la última temporada:
e) El color de los ojos de tus compañeros de clase:
11
f) Coeficiente intelectual de los alumnos de esta clase:

g) Asignatura favorita:
h) Cuántas acciones se han vendido hoy en la Bolsa:
i) Profesiones militares (tropa, suboficiales, oficiales, jefes, generales):
j) Duración del viaje en coche a ciudades de Nicaragua:
k) El diámetro de las ruedas de varios coches:
l) La nacionalidad de una persona:
m) Número de litros de agua contenidos en un depósito:
n) La calificación de un examen (suspenso, aprobado, notable, sobresaliente):
o) Número de libros en un estante de librería:
p) Suma de puntos tenidos en el lanzamiento de un par de dados:
q) La profesión de una persona:
r) Cuántos estudiantes se han matriculado en este curso:
s) La superficie de un edificio:
t) Puesto conseguido en una prueba deportiva (1º, 2º, 3º,…):
u) Número de hijos de 50 familias:
v) Medallas de una prueba deportiva (oro, plata, bronce):
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:
a) Altura física en centímetros:

b) Estatus laboral (inexperto/semiexperto/experto):
c) Peso físico en Kilogramos:
d) Sexo:
e) Calidad percibida del cuidado proporcionado (excelente/bueno/suficiente/pobre):
f) Diagnóstico “sobrecarga del rol del cuidador”:
g) ¿Se puede bañar sólo?
h) Temperatura corporal:
i) Estado civil:
j) ¿Tiene alguna preferencia religiosa?
(católica/protestante/judía/islámica/protestante/otra):
12
Distribución de frecuencias
Después de la recopilación de los datos, es necesario resumirlos y presentarlos en forma tal,

que faciliten su comprensión y su posterior análisis y utilización. Para ello, se ordenan en
cuadros numéricos y luego se representan en gráficos.
Todo cuadro numérico debe tener:
- Un título adecuado para evitar confusiones y para expresar brevemente su contenido.

- La fuente de los datos, si no son datos propios.
- Las unidades en que se expresan los datos.
Los cuadros numéricos de una sola variable estadística se denominan distribución de

frecuencias.
En el procedimiento para construir distribuciones de frecuencias nos referiremos a

muestras, mientras no se diga lo contrario.
Procedimiento a seguir en un estudio estadístico

Recogida de datos: Planteado el test o encuesta oportuno y recogidos los datos que
correspondan, el primer análisis que realizaremos es el del tipo de variable que pretendemos
estudiar (Cualitativa o Cuantitativa; Discreta o Continua). Esto condicionará en gran medida
su posterior tratamiento.
Organización de los datos: determinado el modo de agrupamiento de las observaciones,

procedemos a su recuento, construyendo la tabla de frecuencias. Posteriormente podremos
visualizar tales frecuencias de forma gráfica con el diagrama estadístico apropiado.
Análisis final: La obtención de muy diversas conclusiones respecto de la variable estudiada,

se podrá realizar con auxilio de los diferentes parámetros estadísticos (de centralización,
posición, dispersión, etc.)
Tabla para datos no agrupados

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
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 %).
Frecuencias relativas acumuladas (fra): Es la relación de la frecuencia acumulada de una clase

expresada respecto al total de observaciones
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.
Construir la tabla de distribución de frecuencias
Frecuencia Frecuencia Frecuencia

Frecuencia Frecuencia relativa
xi Recuento Absoluta absoluta relativa (fra%)
relativa acumulada
(f) acumulada porcentual
13 III 3 3 320=0,15 0,15x100=15 0,15 15
14 I 1 3+1=4 120=0,05 0,05x100=5 0,15+0,05=0,2 20
15 IIIII 5 4+5=9 520=0,25 0,25x100=25 0,2+0,25=0,45 45
16 IIII 4 9+4=13 420=0,2 0,2x100=20 0,45+0,2=0,65 65
18 III 3 13+3=16 320=0,15 0,15x100=15 0,65+0,15=0,8 80
19 I 1 16+1=17 120=0,05 0,05x100=5 0,8+0,05=0,85 85
20 II 2 17+2=19 220=0,1 0,1x100=10 0,85+0,1=0,95 95
22 I 1 19+1=20 120=0,05 0,05x100=5 0,95+0,05=1 100
Σ 20 1 100
Tabla para datos agrupados

Pasos para la construcción de una tabla de distribución de frecuencias
1) Ordenar los datos de menor a mayor. Se puede usar el diagrama de tallo y hojas.
2) Calcular el rango. Para esto se resta al valor mayor menos el valor menor. Es decir
R = VM – Vm
14
3) Se determina el valor de K (número de clases o grupos que se desean) en caso de que

no dispongamos de este dato se puede usar la fórmula K = 1 + 3.32 log(n).
R
4) Hallar el cociente
k
R
5) Determinar la amplitud del intervalo de clases C. C= ( TRUNCADO )  U
k
U significa las unidades decimales.
Si los datos tienen cero cifras decimales, se usa u =1

Si los datos tienen una cifra decimal, se usa u = 0,1
Si los datos tienen dos cifras decimales, se usa u = 0,01
Otra manera de encontrar el valor de C es dividiendo R entre 5 y R entre 20. Después se

escoge un valor entre esos dos cocientes, preferiblemente entero impar siempre y cuando sea
R R
posible. Esto es, C  (Lo anterior se debe a que no es aconsejable hacer tablas
5 20
con menos de 5 grupos ni mayor de 20. Cualquier cantidad de clases entre 5 y 20 es aceptable.
6) Construir la tabla de distribución de frecuencias Se toma el valor menor de los datos

como el límite inferior de la primera clase. Para calcular el límite superior se aplica
la fórmula
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.
En una cooperativa de taxis de Managua se midió el rendimiento en el consumo de la gasolina

en km / gal, a 40 unidades. Los resultados fueron.
45 38,4 44,3 44,2 43,6 45,3 44,5 39,8 44,2 44,4

43,2 44,0 43,8 43,8 45,5 44,5 44,6 44 45,2 38,7
15
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.
Paso 1. Diagrama de tallo y hojas.
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 2. R = 45,8 – 38,4

R = 7,4
Paso 3. El valor de K= 7 clases (dato proporcionado en el ejercicio)
𝑅 7,4
Paso 4. Cociente = = 1,05714286 Se trunca a una cifra decimal, queda en 1.0
𝑘 7
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
Kilómetros por Cantidad de

galón de gasolina vehículos
Li LS f
38,4 - 39,4 3
39,5 - 40,5 2
40,6 - 41,6 3
41,7 - 42,7 3
42,8 - 43,8 5
43,9 - 44,9 17
45,0 - 46,0 7
n =  f = 40
Para la primera clase, LS = 38,4+ 1,1 - 0,1 LS = 39.4 Se completa la tabla con la
información de la nota 1. (Ver página anterior)
Se procede ahora a calcular la frecuencia acumulada, frecuencia relativa, porcentaje de

frecuencia relativa, porcentaje de frecuencia acumulada, marca de clases y límites reales.
Frecuencia acumulada: Se encuentra sumando a la frecuencia de la clase, la frecuencia de
las clases anteriores.
Frecuencia relativa: Es la proporción de casos que hay en cada clase. Se encuentra

dividiendo la frecuencia de la clase entre el total de datos n.
f
fr =
n
Porcentaje de frecuencia relativa: Para hallar el porcentaje de frecuencia relativa, se

multiplica la frecuencia relativa por 100. . O sea:
%fr = fr x 100
Porcentaje de frecuencia acumulada: Se puede calcular acumulando el porcentaje de la

frecuencia relativa, o aplicando la expresión:
17
fa
%fa =, x 100
n
Marca de clases: Es el punto medio de la clase. Se representa por Xc Se encuentra aplicando

la fórmula
xC = Li  LS
2
Límites reales: Para encontrar los límites reales se aplican las fórmulas:
U
Lir = Li - y Lsr = Ls +
2
Kilómetros Cantidad Kilómetros

por galón de de por galón de
gasolina vehículos fa fr %fr %fa Xc gasolina
Li LS fi Lir Lsr
38.4 - 39.4 3 3 0.075 7.5 7.5 38.9 38.35 - 39.45
39.5 - 40.5 2 5 0.05 5 12.5 40 39.45 - 40.55
40.6 - 41.6 3 8 0.075 7.5 20 41.1 40.55 - 41.65
41.7 - 42.7 3 11 0.075 7.5 27.5 42.2 41.65 - 42.75
42.8 - 43.8 5 16 0.125 12.5 40 43.3 42.75 - 43.85
43.9 - 44.9 17 33 0.425 42.5 82.5 44.4 43.85 - 44.95
45.0 - 46.0 7 40 0.175 17.5 100 45.5 44.95 - 46.05
n =  f = 40 1 100
En este ejemplo, los datos tienen una cifra decimal, por eso se toma u = 0.1
Interpretación de la quinta clase:
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
En relación a la frecuencia acumulada, hay 16 unidades cuyo rendimiento es menor o igual

a 43,8 kilómetros por galón. Dicho de otra manera, el 40%de las unidades estudiadas
reflejan un rendimiento menor o igual a 43,8 kilómetros por galón.
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.
Los gráficos llaman la atención del lector y

hacen que de un vistazo éste tenga una mayor
comprensión de los datos. Un buen gráfico
puede captar al lector para que a continuación
lea todo el estudio. Si un estudio se compone
únicamente de texto y tablas, posiblemente no todos los lectores lean el estudio.
Técnicas de representación gráfica El uso de gráficas permite al observador, tener una

apreciación de manera rápida sobre los altibajos de la gráfica, para analizar luego, las causas
posibles del comportamiento de la misma.
Regla de los ¾ de altura.

Se aplica la ecuación Y = ¾ x
19
Por ejemplo si el eje X mide 12 cm, entonces el eje Y mide ¾ de (12) = 9 cm.
Con los datos de la tabla de distribución de frecuencias se pueden construir:
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
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.
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
Los gráficos fueron construidos con el programa EXCEL
Otros Gráficos
21
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 hi360.
Si la gráfica por sectores circulares es tridimensional es denominada de pastel.
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.
Construir la distribución de frecuencias. Graficar la distribución
SOLUCION.
La tabulación de estos datos, donde la variable cualitativa es X: Color de bebida gaseosa, es

la distribución de frecuencias del cuadro 1.2.
La figura 1.1 es la representación gráfica por medio de barras de la distribución de personas

por el color de su bebida gaseosa preferida.
Cuadro 1.2. Distribución de personas por su color

preferido de una marca de bebida gaseosa.
Valores de Frecuencias Frecuencias Frecuencias
22
X Absolutas: f i Relativas: hi Porcentajes:

pi
Negro (N) 9 0,45 45
Blanco (B) 8 0,40 40
Rojo (R) 3 0,15 15
Total 20 1,00 100
Personas
9 0.45
8 0.40
7
6
5
4
3 0.15
2
1
0
Negro Blanco Rojo
Fig. 1.1 Gráfica de barras
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%
Fig. 1.2 Gráfica circular
Gráfica de barras agrupadas
23
Si se trata de comparar solamente las componentes o las frecuencias en cada modalidad, se

puede utilizar un gráfico de barras agrupadas. En cada modalidad se trazan tantas barras
adjuntas como componentes hay. Por ejemplo, la figura 1.3 representa las frecuencias de
cada componente en cada modalidad del cuadro 1.9.
30
25
20
Hombres
15
Mujeres
10
5
0
1975 1980 1985 1990
Fig. 1.3. Población de una ciudad de 1975 a 1990
Gráfica de barras componentes
a) Si se quiere resaltar a la vez el total y las frecuencias de cada componente en cada

modalidad, entonces, conviene utilizar un gráfico de barras componentes como el de la
figura 1.4. En cada modalidad se traza una barra cuyo largo es proporcional al total de sus
datos. La gráfica 1.14 de barras componentes, del cuadro resume la variación de la
población de una ciudad desde 1975 hasta 1990, resaltando el total y los parciales en cada
modalidad.
50
40
30 Mujeres
20 Hombres
10
0
1975 1980 1985 1990
Fig. 1.4. Población de una ciudad de 1975 a 1990
24
b) Si se trata de destacar la importancia relativa de sus componentes, se puede utilizar un

gráfico, como la figura 1.15, donde todas las barras son de igual longitud y equivalentes al
100% en cada categoría.
El cuadro, tiene los mismos datos del cuadro, sólo que ahora se consideran los porcentajes o
valores relativos, en vez de los valores absolutos.
Cuadro. Población (en %) de una ciudad de 1975 a 1990
Año Hombres Mujeres Total
1975 32,0 68,0 100
1980 37,5 62,5 100
1985 25,0 75,0 100
1990 40,0 60,0 100
La proporción de cada componente respecto al total en cada categoría, se representa en

la figura 1.5.
100%
90%
80%
70%
60%
Mujeres
50%
40% Hombres
30%
20%
10%
0%
1975 1980 1985 1990
Fig. 1.5. Población de una ciudad de 1975 a 1990 en porcentajes
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
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
Construye un diagrama de barras, con la información dada.
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
Construye el histograma asociado a dichos datos tomando las puntuaciones en intervalos de

5 puntos.
Ejercicio 1.8
La superficie arbolada afectada por incendios forestales en España, para el período 2005-
2014, se da en la siguiente tabla:
26
Representa mediante un polígono de frecuencias la

superficie arbolada afectada por los incendios.
27
Medidas de tendencia central

Las medidas de tendencia central tienden a ocupar la parte central de la distribución de datos.
Entre ellas tenemos la media aritmética, mediana y moda, y pueden ser calculadas tanto para
datos no agrupados como para datos agrupados.
Datos no agrupados
 Media aritmética:
Es el promedio de los valores de las observaciones, es decir, se suman los datos y se divide
entre el número de datos. En símbolo, se escribe así: X 

x
n
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.
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
67
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 no siempre existe y si existe, no siempre es única.
En matemática, la moda es el valor de la variable en el que existe un máximo absoluto (o dos

o más máximos relativos iguales).
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.
La moda es el promedio menos importante debido a su ambigüedad.
Ejemplo5.
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
Calcular la mediana para las siguientes series de datos.
a) 120, 3, 14, 1, 99, 7, 30, 2,000, 16
b) 30, 77, 3, 300, 36, 11, 10,000, 29

Ejercicio 1.10
29
Determine la moda en la siguiente serie de datos:
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
Valores de X frecuencias Productos
xi fi fi xi
0 1 0
1 4 4
2 7 14
3 6 18
4 2 8
Total 20 44
Calcular la moda de los 45 ingresos quincenales
30
Datos agrupados
Donde:
Lir: Es el límite inferior real
 Media X
 fX c
n: Es el tamaño de la muestra
n fc: Frecuencia de la clase

faA: Frecuencia acumulada
n 
 2  fa A anterior
 Mediana Me = Lir +  .C C: Amplitud del intervalo de clase
 f c 
  1 : Se resta la mayor frecuencia
 1  menos la frecuencia de la clase
 Moda Mo = Lir +  .C

 1   2
anterior.
 2 : Se resta la mayor frecuencia
menos la frecuencia de la clase
siguiente.
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.
Lir Lsr f fa Xc fXc

38,35 39,45 3 3 38,9 116,7
39,45 40,55 2 5 40,0 80
40,55 41,65 3 8 41,1 123,3
41,65 42,75 3 11 42,2 126,6
42,75 43,85 5 16 43,3 216,5
43,85 44,95 17 33 44,4 754,8
44,95 46,05 7 40 45,5 318,5
Total 1 736,40
31
a) Media X
 fX c 1 736,40
𝑋̅ = 40 X = 43.41 kilómetros por galón
n
b) Mediana: Se encuentra en la primera clase de arriba hacia abajo cuya frecuencia

n n 40
acumulada es mayor o igual que la mitad de los datos de la muestra o sea 
2 2 2
= 20 Se encuentra en la sexta clase.
 20  16 
Me = 43,85 +  .(1.1) Me = 44,10kilómetros por galón
 17 
c) Moda: Se encuentra en la clase que tiene la mayor frecuencia.
 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:
Ingresos Número de personas Frec. acumuladas
32
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
Valores de X frecuencias Productos
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
Muchas distribuciones de variables continuas se pueden representar de manera gráfica

mediante una curva en forma de campana.
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
 Una distribución es “sesgada a la izquierda” o tiene asimetría negativa, si
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.
Medidas de variabilidad o dispersión

Datos agrupados.
34
 f X  X
n
c
2 u 1
a) La varianza: La varianza se calcula mediante la fórmula S =
n 1
b) Desviación estándar:
Es la raíz cuadrada de la Varianza. S = S2

c) Coeficiente de variación:
S
Se calcula mediante la fórmula CV = x100
X
Es útil siempre que no será mayor del 20%.
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.
Lir Lsr f fa Xc fXc ( Xc- X) ( Xc- X)2 f ( Xc- X) 2
38,35 39,45 3 3 38,9 116,7 -4,51 20,3401 61,0203

39,45 40,55 2 5 40,0 80,0 -3,41 11,6281 23,2562
40,55 41,65 3 8 41,1 123,3 -2,31 5,3361 16,0083
41,65 42,75 3 11 42,2 126,6 -1,21 1,4641 4,3923
42,75 43,85 5 16 43,3 216,5 -0,11 0,0121 0,0605
43,85 44,95 17 33 44,4 754,8 0,99 0,9801 16,6617
44,95 46,05 7 40 45,5 318,5 2,09 4,3681 30,5767
Total 40 1 736,40 151,9760
2
 f X  X
n
c
u 1 151.9760
a) S2 = S2 = S2 = 3.8968
n 1 39
35
b) S = S2 S= 3.8968 S = 1.97 km. por galón.

S 1.97
c) CV = x100 CV = x100 Cv = 4.54 %
X 43.41
3 X  M e  343.41  44.10
d) Sesgo = Sesgo = Sesgo = - 1.05
S 1.97
Interpretación:
La desviación estándar: La dispersión que presentan los datos es de 1,97 kilómetros por
galón, con respecto al rendimiento promedio.
El coeficiente de variación: Representa en términos porcentuales la relación de la

desviación estándar con respecto a la media, es decir, que los datos se desvían respecto a la
media aritmética en un 4,54 %
Coeficiente de asimetría o Sesgo: Nos da un valor negativo lo que comprueba el análisis

anterior, puesto que los datos tienen una mayor frecuencia al final de la distribución. Tiene
asimetría negativa.
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.
800 2200 1212 1200 2230 1115 1100 511 1100

1000 800 800 1000 1200 800 750 710 700
1200 600 550 450 400 380 350 1200 1000
a) Agrupe estos datos en una tabla de distribución de frecuencias TDF que

tenga 6 clases.
b) Calcular la media, mediana y moda
36
c) Calcular la varianza y la desviación estándar

d) Trazar el histograma de frecuencias.
2) Los datos son mediciones de la intensidad solar directas (en Watts / m2) realizados en
diferentes días en una localidad.
562 869 708 775 704 775 809

856 655 806 878 909 918 558
768 870 918 940 946 661 820
898 935 952 957 693 835 905

tenga 5 clases.
d) Trazar el polígono de frecuencias.
3) Los contenidos de nicotina, en miligramos de 40 cigarrillos de cierta marca son:
1.09 1.79 2.03 1.63 1.69 0.85 1.64 1.51

1.74 1.37 1.86 2.31 1.88 2.17 1.75 1.82
1.58 1.75 0.72 1.97 1.40 1.68 2.28 1.67
2.11 1.92 2.46 1.70 2.37 1.85 1.24 2.09
1.64 1.47 1.93 1.90 1.79 2.08 2.55 1.69

tenga 6 clases.
d) Trazar el polígono de frecuencia acumulada.
37
4) En la redacción de un diario, el tiempo requerido para formar la página completa fue

registrada durante 50 días. El dato redondeado a la décima de un minuto más cercana
se da a continuación.
20.8 22.8 21.9 22 20.7 20.9 25 22.2 22.8 20.1

25.3 20.7 22.5 21.2 23.8 20.9 22.9 23.3 23.5 19.5
23.7 20.3 23.6 19 25.1 19.5 24.1 24.2 25 21.8
21.3 21.5 23.1 19.9 24.2 24.1 19.8 23.9 22.8 22.7
19.7 24.5 23.8 20.7 23.8 24.3 21.1 20.9 21.6 22.7

tenga 7 clases.
b) Interprete la quinta clase.
5) Los precios en dólares de un repuesto para computadora en una ciudad son:

32 38 42 39 41 35.4
47.8 40 36.7 38.3 36.7 41.5
39.6 41.52 15.7 43.6 39.4 45.6
49.4 48 43.7 42.6 45.6 44
48.6 34.2 31.2 47.6 43.5 30.4
a) Construya una tabla de distribución de frecuencias.

b) Interprete la frecuencia absoluta y acumulada de la cuarta clase.
c) Interprete el porcentaje de frecuencia relativa y el porcentaje acumulado de la
clase de mayor frecuencia.
Medidas de posición
38
 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
 Cuartiles: Son valores posicionales que dividen a la información en cuatro partes

iguales, el primer cuartil deja el 25% de la información por debajo y el 75% por
encima. El segundo cuartil al igual que la mediana divide a la información en dos
partes iguales. Por último, el tercer cuartil deja 75% por debajo y el 25% por encima.
Los cuartiles se representan por Qi donde i= 1, 2, 3, 4.
 Percentiles: Son valores posicionales que dividen a la información en cien partes

iguales. Los percentiles se representan por Pi donde 1 < i < 100.
Representación gráfica
D1 D2 D3 D4 D5 D6 D7 D8 D9 D10
P 10% 20% 30% 40% 60% 70% 80% 90%

100%
Q1 Q2 Q3
25% 50% 75%
 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
Ejemplo 8. Con los datos de la tabla del ejemplo (7);
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
 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.
Coeficiente de curtosis (K)

Otra manera de medir la forma de la distribución es con la curtosis, la cual nos dice qué tan
puntiaguda es la gráfica de una distribución y se presenta en tres tipos:
Platicúrtica: La forma geométrica es aplanada
Mesocúrtica: Tiene una forma que no es ni aplanada ni puntiaguda. Leptocúrtica: La forma
geométrica es puntiaguda o esbelta.
Platicúrtica Mesocúrtica Leptocúrtica

41
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
a) Completar la tabla de distribución de frecuencias.

b) Calcular la desviación estándar S e interpretarla.
c) ¿Qué porcentaje de clientes realizó su transacción bancaria entre 1.95 y 5.50 minutos.
2,1 + C + C + C = 6,0 3C = 6,0 – 2,1 = 3,9 C = 1,3

C
Lir = Xc - Se usa para calcular el límite inferior real.
2
C
Lsr = Xc + Se usa para calcular el límite superior real.
2
a)
Li Ls Lir Lsr f Xc fa fXc Xc - X (Xc - X)2 f (Xc - X)2
42
0,2 1,4 0,15 1,45 3 0,8 3 2,4 -2,795 7,812 23,436

1,5 2,7 1,45 2,75 4 2,1 7 8,4 -1,495 2,235 8,9401
2,8 4,0 2,75 4,05 6 3,4 13 20,4 -0,195 0,038 0,2282
4,1 5,3 4,05 5,35 3 4,7 16 14,1 1,105 1,221 3,6631
5,4 6,6 5,35 6,65 2 6 18 12 2,405 5,784 11,568
6,7 7,9 6,65 7,95 2 7,3 20 14,6 3,705 13,727 27,454
20 Σ 71,9 Σ 75,29
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 
 
Por tanto el porcentaje es 81.15% – 22.69 % = 58.46%
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
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.
2) Una fábrica de cremalleras manufactura 15 productos básicos. La compañía tiene

registros del número de elementos de cada producto fabricado al mes con el fin de
examinar los niveles relativos de producción. A partir de los datos obtenidos, la
dirección de la Compañía construyó la siguiente tabla.
Clases frecuencia
44
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.
3) La responsable de la biblioteca de una Universidad ordenó un estudio del tiempo que

un estudiante tiene que esperar (en minutos) para que le sea entregado el libro
solicitado para consulta. Se tomó una muestra a 20 estudiantes en un día normal. Los
datos fueron:
12, 16, 11, 10, 14, 3, 11, 17, 9, 18, 16, 4, 7, 14, 15, 16, 5, 6, 7, 7
a) Hallar la media aritmética, media geométrica, media armónica, mediana y moda.
b) ¿Cuánto tiempo máximo se debe suponer que el 75 % de los estudiantes debe esperar
para obtener su libro de consulta?
8- Gráficas para datos que representan variables ordinales o nominales.

1- Diagramas de barras
Se elabora mediante la utilización de barras rectangulares de ancho igual y con la misma
distancia de separación entre una y otra. Puede ser simple o compuesto.
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
Fútbol 15 78.95 4 21.05

Natación 11 57.89 8 42.11
Atletismo 8 42.11 11 57.89
Preferencia de algunos deportes

según el sexo
16
14
12
Cant. de atletas
10
8
Homres
6
mujeres
4
2
0
Baloncesto Fútbol Natación Atletismo
Disciplina
2- Diagrama Circular con los datos del ejemplo 10.
46
Preferencia por algunos deportes

según el sexo
Atletismo Baloncesto
20% 15%
Natación Fútbol
28% 37%
Ejemplo 11. El Banco Central de Nicaragua registró las exportaciones en el período

2001 - 2004 (en millones de dólares)
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
Exportaciones de Nicaragua Fuente:

Banco Central de Nicaragua
140
120
Café
100
MIllones $
Carne
80
Marisco
60
Oro
40
Azúcar
20
0
2001 2002 2003 2004
Años
48
Unidad II. Probabilidades

Objetivos de la Unidad
 Explicar el concepto y las diferentes definiciones de probabilidad

 Explicar los conceptos de variable aleatoria y función de distribución
 Aplicar el concepto y las diferentes definiciones de probabilidad en la resolución de

ejercicios.
 Aplicar el concepto de variable aleatoria y establecer su correspondiente distribución
de probabilidad.
 Valorar la importancia de la probabilidad y sus aplicaciones en su entorno.

 Ser consciente de la utilidad de las propiedades de la probabilidad para resolver
diferentes situaciones relativas al entorno social.
Contenidos Conceptuales Contenidos Procedimentales Contenidos Actitudinales

Concepto y diferentes Aplicación del concepto y Valoración de la
definiciones de de las diferentes importancia de la
probabilidad, definiciones de probabilidad probabilidad como
Variables aleatorias en la resolución de ejercicios herramienta para la solución
Fenómenos aleatorios, y problemas de la vida de problemas de su entorno
determinísticos, espacios cotidiana. social.
muéstrales finitos y Aplicación del concepto de Concientización sobre la
enumeración, eventos o variable aleatoria en la importancia de la
sucesos. Incertidumbre, resolución de ejercicios y probabilidad como
posibilidad, evolución problemas de la vida herramienta para la solución
histórica del concepto de cotidiana. de problemas de su entorno
probabilidad. Relación y Diagramación de árbol, social.
diferencia entre principio de Multiplicación,
49

probabilidad y estadística. permutaciones, Participación activa en las
Definición de probabilidad: combinaciones. Definición distintas formas
subjetiva, clásica o de subjetiva, clásica, organizativas del proceso
Laplace, frecuencial o frecuencial y axiomática de enseñanza aprendizaje
empírica, axiomática. Ley probabilidad, espacio de basada en la cooperación
de los grandes números. probabilidad. Regla aditiva grupal
Concepto de variable de Probabilidad.
aleatoria y función de Probabilidad condicional e
distribución. Variables independencia de sucesos.
aleatorias discretas y Regla multiplicativa de
continuas, media y varianza. probabilidad. Teorema de
Distribución Bernoulli y Bayes
Binomial. Experimentos probabilístico
Distribución Normal. Binomial, distribución
Binomial. Distribución
Normal.
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.
En la actualidad, vemos que la teoría de las probabilidades ocupa un lugar importante en

asuntos de negocios. La póliza de seguros de vida, por ejemplo, se basa en tablas de
mortalidad y éstas a su vez, se basan en la teoría de las probabilidades. Otras tasas de seguros
tales como seguros de bienes raíces y de automóviles se determinan de manera similar. La
50
probabilidad también juega un papel importante en la estimación del número de unidades

defectuosas en un proceso de fabricación.
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
En estadística la palabra experimento se utiliza para describir un proceso que genera un

conjunto de datos cualitativos o cuantitativos. En la mayoría de los casos, los resultados del
experimento dependen del azar, por lo tanto no pueden pronosticarse con exactitud.
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.
Ejemplos 1, son experimentos aleatorios: lanzar un dado y observar el resultado, contar

objetos defectuosos producidos diariamente por cierto proceso, aplicar una encuesta para
obtener opiniones, etc.
Experimento no aleatorio
Son aquellos en donde el resultado sí puede predecirse con toda certeza
Ejemplo 2. En condiciones normales elevamos la temperatura del agua a 100 grados en la

escala centígrada, de hecho sabemos que se evaporará.
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
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.
Cada resultado posible de un experimento aleatorio es un elemento del espacio muestral. A

cada elemento del espacio muestral se denomina también punto muestral. Esto es, el espacio
muestral se describe por
𝑆 = {𝑥⁄𝑥 𝑒𝑠 𝑢𝑛 𝑝𝑢𝑛𝑡𝑜 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙}
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.
A continuación se dan algunos experimentos aleatorios y sus correspondientes espacios

muéstrales:
1) El experimento aleatorio de lanzar un dado y observar el resultado obtenido, es de una
sola prueba, cuyo espacio muestral se puede escribir como el siguiente conjunto de puntos
muéstrales:
S1 = {1, 2, 3, 4, 5, 6}.
2) El experimento aleatorio de lanzar una moneda 3 veces, consiste de 3 pruebas, cuyo

espacio muestral puede escribirse como el conjunto de ternas ordenadas:
S2 = {CCC, CCS, CSC, SCC, SSC, SCS, CSS, SSS}.
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
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
Diagrama del árbol.
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).
Clasificación de los espacios muestrales. Por el número de elementos o puntos muestrales,

los espacios muestrales se clasifican en:
1) Discretos finitos, consisten de un número finito de elementos, por ejemplo, los espacios
S1, S2, S3.
2) Discretos infinitos, consisten de un número infinito numerable de elementos, por

ejemplo, el espacio S4.
3) Continuos, consisten de un número infinito no numerable de elementos, por ejemplo,

los espacios S5, y S6
Suceso aleatorio
Se llama suceso aleatorio a todo suceso que puede ocurrir o puede no ocurrir como resultado
de la realización de un fenómeno.
53
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.
Algunas definiciones y operaciones con conjuntos

Conjunto universo: Comprende la totalidad de los elementos. Se representa por U.
Ejemplo 7.
a) El conjunto formado por las letras vocales. U= a, e, i, o, u
b) El conjunto formado por los números dígitos. U = 0, 1, 2, 3, 4, 5, 6, 7, 8, 9
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
Conjunto complemento: Se define el complemento de A como el conjunto formado por los

elementos que están en el universo pero que no están en el conjunto A.
54
Se denota por Ac = x/xЄU y xЄA
Diferencia de conjuntos: La diferencia de dos conjuntos denotada por A – B se define

como el conjunto formado por los elementos que pertenecen al conjunto A pero que no
pertenecen al conjunto B.
A–B = x/xЄA y xЄB
Conjunto vacío: El conjunto vacío se caracteriza por la carencia de elementos. Se denota

por Ø o bien por.
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
Definición clásica de probabilidad (modelo clásico o a priori)

Si un experimento aleatorio tiene n resultados igualmente posibles (n > 0) de los cuales m
son favorables a la ocurrencia de un suceso A, entonces se llama probabilidad de un suceso
A al cociente m / n y se denota por P(A); es decir:
m
P(A) =
n
55
m: Son casos favorables al suceso A

n: Son casos posibles (o totales) del experimento.
Propiedades
1- 0 ≤ P(A) ≤ 1
2- P (S) = 1
3- P (A U B) = P (A) + P (B) si (A ∩ B) = Ø
4- P (A U B) = P (A) + P (B) – P (A ∩ B) si (A ∩ B) ≠ Ø
5- P (Ø) = 0
6- P (Ac) = 1 - P (A)
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:
Número de casos favorables

Probabilidad de un evento = -------------------------------------------
Número de resultados posibles
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 %
Otros ejemplos cásicos son:
 Lotería estatal
 Juegos de cartas, etc.
2) Probabilidad empírica (MODELO A POSTERIORI): Se basan en la frecuencia
relativa histórica. Esto es, la probabilidad de que un evento ocurra a lo largo del
56
tiempo, se determina observando el número de veces que eventos similares ocurrieron
en el pasado.
Número de veces que ocurrió

el evento en el pasado
Probabilidad de que un evento ocurra = ----------------------------------------------
Número de observaciones
Ejemplo 10.
Un estudio de 751 administradores graduados en una Universidad, mostraron que 383
no fueron empleados en su área principal de estudio. Como ilustración, una persona
que se especializó en contabilidad, es ahora Gerente de mercadotecnia en una empresa
procesadora de tomates. ¿Cuál es la probabilidad de de que un determinado graduado de
negocios, sea empleado en un área distinta a su área principal de la escuela?
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.
3) Probabilidad Subjetiva: La probabilidad de que un evento particular ocurra, que es

asignada por un individuo, basándose en la información que tenga disponible.
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
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?
P(A U B) = 0,04 + 0,07 – 0,02

P(A U B) = 0,09
Sucesos independientes
Si la ocurrencia de un suceso A no altera la probabilidad de ocurrencia de otro suceso B, se
puede adoptar el término de independencia para describir esta situación y decir que A y B
son independientes. Dos sucesos A y B de llaman independientes si y sólo si:
P (A ∩ B) = P (A) . P (B)
Sucesos dependientes
Se dice que dos sucesos son dependientes si la ocurrencia de uno de ellos, afecta la ocurrencia
del otro.
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
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:
Ciencias Administración Ingeniería Total

Hombre 250 350 200 800
Mujer 100 50 50 200
Total 350 400 250 1,000
Si se ha de seleccionar aleatoriamente un estudiante:

a) ¿Cuál es la probabilidad de que estudie ciencias dado que es varón?
b) ¿Cuál es la probabilidad de que sea mujer dado que es estudiante de ingeniería?
250
PC  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
a) ambas sean rojas

b) una sea roja
c) la primera sea roja
d) al menos una sea roja
e) ninguna sea roja.
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
a) P (RR) = P(R) . P(R) = (5/10) . (4/9) = 20 / 90 = 2/9
b) P (una sea roja) = P (RA) + P (RB) + P (AR) + P/BR)

= (5/10) (3/9 ) + (5/10) ( 2/9 ) + (3/10) (5/9) + (2/10) (5/9)
= 15/90 + 10/90 + 15/90 + 10/90 = 50/90 = 5/9
c) P (la primera es roja) = P(RR) + P/RA) + P(RB)

= (5/10) (4/9) + (5/10) (3/9) + (5/10) (2/9)
= 20/90 + 15/90 + 10/90 = 45/90= 1 / 2
d) P (al menos una sea roja) = P(1 roja) + P(2 rojas) = 5 / 9 + 2 / 9 = 7 / 9
e) P (ninguna sea roja) = P (AA) + P (AB) + P (BA) + P (BB)

60
= (3/10) (2/9) + (3/10) (2/9) + (2/10) (3/9) + (2/10) (1/9)

= 6 / 90 + 6 / 90 + 6 / 90 + 2 / 90 = 20 / 90 = 2/9
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.
PBr PA / Br 
P (Br / A) = o bien:
 PB P A / B 
k
1 i i
PBr PA / 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
__________________________________________________________________
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:
PB3 P A / B3 
P( B1 ).P( A / B1 )  P( B2 ) P( A / B2 )  ( B3 ) P A / B3 
P (B3/ A) =
0.050.03
P (B3/ A) =
0..150.02  0.800.01  0.050.03
3
P (B3/ A) =  0.12
25
Ejercicio
1.- Las probabilidades de que una estación de televisión reciba 0, 1, 2, 3, 4, . . . 7 o cuando

menos 8 quejas después de transmitir un programa de controversia son, respectivamente
0.02, 0.04, 0.07, 0.12, 0.15, 0.19, 0.18, 0.14 y 0.09: ¿Cuáles son las probabilidades de que
después de transmitir un programa la estación reciba:
a) Cuando menos 5 quejas?
b) Cuando mucho 3 quejas?
c) De dos a cuatro quejas?.
62
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?.
4.- La probabilidad de que un conductor imprudente será multado, se le revocará la licencia

o ambas son, respectivamente; 0,88; 0,60 y 0,55; ¿Cuál es la probabilidad de que será
multado o de que se le revocará la licencia?.
5.- La probabilidad de que un concierto dado reciba la publicidad adecuada es 0,80; y la

probabilidad de que recibirá la publicidad adecuada y también será un gran éxito es 0,76.
¿Cuál es la probabilidad de que si el concierto recibe la publicidad adecuada será un gran
éxito?.
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?.
7.- En dos tiros de un dado equilibrado, determine las probabilidades de obtener:

a) Dos seis.
b) Primero un seis y después algún otro número.
63
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.
9.- La probabilidad es 0,70 de que una rara enfermedad tropical se diagnostique

correctamente. Si ésta se diagnostica en forma correcta la probabilidad es 0,90 de que el
paciente se sanará. Si no, la probabilidad es 0,40 de que el paciente se sanará. Si se cura un
paciente que tiene esta enfermedad, ¿cuál es la probabilidad de que se haya diagnosticado
correctamente?.
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
3) Prefiera comprar productos importados

4) Prefiera comprar productos nacionales
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
tomado r en r”) se define de la siguiente manera.
n nn  1n  2.....n  r  1 n n!

  = o   =
r r r  1.... 3.2.1  r  r!.n  r .!
Ejemplo 18.
8 8! 8.7.6! 8.7 56
  = = = = = 28
 2 2!.8  2.! 2.6! 2 2
65
10 = 10! 10.9.8.7! 10.9.8 720

  = = = = 120
3 3!.10  3.! 3.2.1.7! 3 .2 .1 6
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
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.
D) Reglas de adición y de multiplicación

Ejemplo 23.
Un restaurante tiene en su menú de postres, 4 clases de ponqués, 2 clases de galletas y 3
clases de helados. Encuentre el número de formas en que una persona puede selecciona:
a) Uno de los postres Solución 4 + 2 + 3 = 9 R. 9
b) Uno de cada clase de postres. Solución (4) (2) (3) = 24 R. 24
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
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
c)     = 2 (126) = 252

2 9
  
1 4
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.
b)     = 3 (84) = 252

3 9
  
1 3
c)     +     +     = 3 (84) + 3 (36) + 1 (9) = 252 + 108+ 9 = 369
3 9 3 9 3 9
 1   3  2  2  3  1 
68
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.
Reglas de adición y de la multiplicación

17) Suponga que una clave consiste en 4 caracteres donde el primer carácter debe ser una
letra del alfabeto, pero cada uno de los demás caracteres puede ser una letra o un dígito.
Encuentre el número de:
a) Palabras claves
b) Palabras claves que empiezan con una de las cinco vocales
18) Hay 6 caminos entre A y B y 4 caminos entre B y C. Encuentre el número n de formas

en que una persona puede conducir:
a) Desde A hasta C a través de B,
b) Viaje de ida y regreso desde A hasta C a través de B.
69
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?.
21) Encuentre el número m de formas en que 12 estudiantes pueden ser repartidos en 3

equipos T1, T2, T3 de manera que cada equipo contenga 4 estudiantes.
22) Un restaurante tiene 6 postres diferentes. Encuentre el número de formas en que un

cliente puede escoger 2 de los postres.
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.
Otros problemas (variados)

24) La caja A contiene 5 canicas rojas y 3 canicas azules y la caja B contiene 3 rojas y 2
azules. Se saca una canica al azar de cada caja.
a) Encuentre la probabilidad p de que ambas canicas sean rojas
b) Encuentre la probabilidad p de que una sea roja y una sea azul
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
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?
27) La probabilidad de que una industria estadounidense se ubique en Munich es de 0.7, de

que se ubique en Bruselas es de 0.4 y de que se encuentre ya sea en Bruselas o en Munich, o
en ambas, es de 0.8, ¿Cuál es la probabilidad de que la industria se ubique:
a) en ambas ciudades
b) en ninguna de ellas?
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
Considere los eventos A = par  B = 2, 3, 4, 5  C = x < 3  D = x > 7 

Encuentre las siguientes probabilidades:
71
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)
Máquina Porcentaje de producción Porcentaje de defectuosos

1 15 4
72
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
Si se selecciona aleatoriamente una persona de este grupo, encuentre la probabilidad de

que:
a) Sea hombre dado que tiene educación de nivel secundaria.
73
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.
Los pesos de envío de la leche en recipientes oscilan entre 10 a 25 kilogramos.

Los pesos reales de los recipientes llenos de leche, en kilogramos, son los valores de la
variable aleatoria “peso”.
Las variables aleatorias pueden ser discretas o continuas.

Una variable aleatoria discreta puede asumir sólo ciertos valores. Con frecuencia son
números enteros. Resultan principalmente del conteo.
El número de caras en el experimento de lanzamiento de la moneda es un ejemplo de una

variable aleatoria discreta. Los valores de la variable se restringen sólo a ciertos números: 0,
1, 2 y 3.
Ejemplo 3.
El empleado de un almacén regresa tres cascos de seguridad al azar a tres empleados de un
taller siderúrgico que ya los había probado. Si Smith, Jones y Brown, en ese orden reciben
uno de los tres cascos. Liste los puntos muestrales para los posibles órdenes de regreso de
los cascos y encuentre el valor de la variable aleatoria X que representa el número de
asociaciones correctas.
Solución: Si S, J y B representan los cascos de Smith, Jones y Brown, respectivamente,

entonces los posibles arreglos en los que se pueden regresar los cascos y el número de
asociaciones correctas son:
74
Espacio muestral m
SJB 3
SBJ 1
JSB 1
JBS 0
BSJ 0
BJS 1
Una variable aleatoria continua resulta principalmente de la medición y puede tomar

cualquier valor, al menos dentro de un rango dado.
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.
Distribuciones discretas de probabilidad
75
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
En el caso de los cascos (ejemplo 3), la distribución de probabilidad es:

X 0 1 3 Σ
P(x) 1 1 1 1
3 2 6
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.
La variable aleatoria puede tomar cualquiera de los números 0, 1, y 2.
 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
La distribución acumulada
La distribución acumulada F(x) de una variable aleatoria discreta X con distribución de
probabilidad f(x) es:
F(x) = P(X< x) =  f (t )
tx
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
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
Distribución acumulada discreta

16/16
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
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.
(1) (2) (3) (4)

Solución P(xi) (xi).P (xi)
(xi)
( xi   ) 2 P( xi )
2
1 1/6 1/6 (1-3.5) . 1/6= 1.04166
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
c) Desviación estándar   1.7078
79
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
= 400
a) Media
1 p 1 0.05 2
b) Varianza 2   
2
= 380
p2 0.052
c) Desviación estándar   2   380  = 19.49
Distribución híper – geométrica

La distribución de probabilidad de la variable aleatoria híper geométrica x, el número de
éxitos en una muestra aleatoria de tamaño n que se selecciona de N artículos de los que K se
denominan éxitos y N – K fracaso, es:
 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.
a) ¿Cuál es la probabilidad de que se encuentre exactamente 1 defectuoso en la muestra

si hay 3 defectuosos en todo el lote?
b) ¿Cuál es la probabilidad de que no haya más de un defectuoso?
c) ¿Cuál es la probabilidad de que por lo menos hayan dos defectuosos?
Solución.
N = 40, n = 5, K = 3,
81
 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.
Media Varianza Desviación estándar

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
a) 53

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  20.5579  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
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
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 42
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
a) P (X>10) = 1 – P(X<10) = 1 -  b P (X> 10) = 1 – 0,9662P (X>10) = 0,0338

0
8 2
b) P (3<X <8) =  b   b = 0,9050 – 0,0271

0 0
P (3<X <8) = 0,8779
5 4
c) P(X = 5) = b   b = 0,4032 – 0.2173 P (X=5) = 0,1859

0 0
Media, varianza y desviación estándar de la distribución binomial

Media   np Varianza  2  n. p.q Desviación estándar   n. p.q
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   150.4  6  = 6
85
Varianza 
2
 n. p.q  2  15(0.4).(0.6)  3.6  2  3.6
Desviación estándar   n. p.q   3.6   1.897

Teorema de Chebyshev   2 6 + 2 (1.897)
(6 – 3.794, 6 + 3.794) (2.206, 9.794)
El teorema de Chebyshev afirma que el número de recuperaciones entre 15 pacientes sujetos

a la enfermedad mencionada, tiene una probabilidad de al menos 3 / 4 de caer entre 3 y 9
pacientes.
Distribución binomial negativa.

Si pruebas independientes repetidas pueden tener como resultados 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 la que ocurre el k ésimo éxito es:
 x  1
 
b* (x, k, p) =  k  1pk q x - kx = k, k+1, k+2. . .
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
b* (5, 2, 1/4) =   5  1 

1 3 27
= = 0.1055
 4   4 256
 2  1
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
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.
2. La probabilidad de que ocurra un sólo resultado durante un intervalo muy corto o en

una región pequeña, es proporcional a la longitud del intervalo o al tamaño de la
región y no depende del número de resultados que ocurren fuera de este intervalo o
región.
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
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
Media, varianza y desviación estándar de la distribución de Poisson
Media    Varianza  2   Desviación estándar   
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
Usando la tabla encontramos que P(X < 7) = 0,3134
88
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.
La ecuación matemática para la distribución de probabilidad de la variable normal, depende
de dos parámetros  y  , su media y desviación estándar. La gráfica para una

distribución que presenta mayor desviación estándar, es más baja y se extiende más sobre el
eje horizontal.
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
   x     Y es cóncava hacia arriba en cualquier otro punto.

4. La curva normal se aproxima al eje horizontal de manera asintótica conforme nos
alejamos de la media en ambas direcciones.
5. El área total bajo la curva y sobre el eje horizontal es igual a 1.
Áreas bajo la curva normal

Desde una desviación estándar a la izquierda de la media, hasta una desviación estándar a la
derecha de la media, se encuentra cerca del 68,26 % de los valores.
89
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
 . Afortunadamente somos capaces de transformar todas las observaciones de cualquier

variable aleatoria normal x, en un nuevo conjunto de observaciones de una variable aleatoria
normal z, con media cero y desviación estándar 1. Es decir, que convertimos los valores
grandes en valores más pequeños para hacer posible el uso de la tabla.
Este proceso recibe el nombre de estandarización y se hace mediante la ecuación.
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
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 %.
Si el valor de Z es negativo, se puede calcular el área de dos maneras:

 Se busca el área en la tabla como que si fuera positivo y después restamos de 1 el área
encontrada.
 Usar una tabla propiamente para valores negativos de Z de manera similar al que se
usa para valores positivos.
Ejemplo 22.
Suponga que Z = - 1 entonces buscamos el área para Z = 1debe ubicarse en la fila 1.0 y en
la columna encabezada por el número 00.Ahí encontramos el valor 0,8413 y después
restamos 1 – 0,8413 = 0,1587
En el cálculo de áreas se pueden presentar tres casos:
Caso 1: Área a la izquierda de un valor de z.

Caso 2: Área comprendida entre dos valores z1 y z2.
Caso 3: Área a la derecha de un valor z.
Caso 1:
91
Para el primer caso, nos quedamos con el área que

X  nos muestra la tabla.
Caso 2:
Para el segundo caso, buscamos las dos áreas

X1  X2 A(Z2) y A (Z1) y después restamos A (z2) – A (z1).
Caso 3:
Para el tercer caso, buscamos el área de Z, A(z)

 X y después la restamos de la unidad, es decir:
1 - A(z).
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) A (1.84) = 0.9671 Entonces A (z > 1,84) = 1 – 0,9671 = 0,0329 (Caso 3)

b) A (z2) = A (0.86) = 0,8051 y A (z1) =A(-1.97) = 0,0244, entonces:
A (-1.97 < Z < 0.86) = A (0.86) - A (-1.97) = 0,8051- 0,0244= 0,7807 (Caso 2)
a) 0,0329 b) 0,7807
92
 1,84 - 1,97  0,86
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 AZ 2   0.8849
10 10 2
45  50 5
z1  z1  z  0.5 AZ1   0.3085
10 10 1
93
A(Z2) – A(Z1) = 0.8849 – 0.3085 = 0.5764
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
y x2=   2 se calculan así:
Z2 
  2    
  2   2
 2
   A(2) = 0.9772
Z1 
  2    
  2    2
  2 A(-2)=1– (0.9772 ) =
   0,0228
P(   2 ) < X < ((   2 ) = P ( - 2 < Z < 2 ) = P(Z < 2 ) – P (Z < - 2)
= 0,9772 - 0,0228 = 0,9544

Ejemplo 27.
Dada una distribución normal con  = 40 y  = 6, encuentre el valor de X que tiene:
a) 45% del área a la izquierda.
b) 14 % del área a la derecha.
Solución
a) En la tabla encontramos que P (Z<- 0,13) = 0,45 por eso, el valor adecuado de
z es – 0,13
x
z x  Z   x  6( 0.13)  40 x  39.22

b) Esta vez requerimos un valor z que deje 0.14 del área a la derecha y por ello un área
de 0,86 por la izquierda. Nuevamente usamos la tabla y encontramos que
P (Z < 1.08) = 0.86 por lo cual el valor z que se desea es 1.08 Al sustituir en la
fórmula, resulta:
94
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
x
z

778 800 834
834  800 34
z2  z2  z  0.85 AZ 2   0.8023
40 40 2
778  800  22
z1  z1  z  0.55 AZ1   0.2912
40 40 1
A(Z2) – A(Z1) = 0.8023 – 0.2912= 0.5111
b) x = 900(0.5111) = 459.99 X = 460 unidades
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 AZ   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 AZ   0.9599
2
P (X > 43,5) = 1 – P (Z < 1.75) = 1 – 0.9599= 0,0401 4,01 %
EJERCICIO
96
A) (Variable aleatoria y distribución híper-geométrica)

1. La distribución de probabilidad de X, el número de imperfecciones por 10 metros de
una tela sintética en rollos continuos de ancho uniforme, está dada por:
x 0 1 2 3 4
P(x) 0.41 0.37 0.16 .0.05 0.01
a) Construya la distribución acumulada X.

b) Construya el histograma de probabilidad y el polígono de distribución acumulada.
c) Hallar el valor esperado, varianza y desviación estándar.
d) Aplicar el teorema ce Chebishev.
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?
3. Se seleccionan al azar un comité de tres personas a partir de cuatro doctores y dos

enfermeras.
a) Escriba una fórmula para la distribución de probabilidad de la variable aleatoria X
que represente el número de doctores en el comité.
b) Encuentre P( 2 < x < 3)
4. Para evitar la detección en la aduana, un viajero coloca seis tabletas de narcótico en

una botella que contiene nueve píldoras de vitamina similares en apariencia. Si el
oficial de la aduana selecciona tres de las tabletas al azar para su análisis ¿cuál es la
probabilidad de que el viajero sea arrestado por posesión ilegal de narcóticos?
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
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.
8. Calcular la media, la varianza y la desviación estándar del problema (1) y aplique el

teorema de Chebyshev
9. Suponga que 6 de10 accidentes laborales se deben principalmente a la falta de uso de

los equipos de seguridad. Encuentre la probabilidad de que entre 8 accidentes
laborales 6 se deban principalmente a la falta de uso de los equipos de seguridad.
a) mediante el uso de la fórmula para la distribución binomial
b) b) con el uso de la tabla binomial
10. 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
98
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?
15. La probabilidad de que un paciente se recupere de una delicada operación de corazón

es 0.9, ¿cuál es la probabilidad de que exactamente 5 de los siguientes 7 pacientes
intervenidos sobrevivan?
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
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.
18. En un proceso industrial el diámetro de un cojinete es una parte componente

importante. El comprador establece que las especificaciones en el diámetro sean 3.0
+ 0.01 cm. La implicación es que ninguna parte que caiga fuera de estas
especificaciones se aceptará. Se sabe que en el proceso el diámetro de un cojinete
tiene una distribución normal con media 3.0 y una desviación estándar 0.005En
promedio, ¿cuántos cojinetes se descartarán?
19. El diámetro interior del anillo de un pistón ya terminado se distribuye normalmente

con una media de 10 cm. y una desviación estándar de 0.03 centímetros.
a) ¿Qué proporción de anillos tendrán diámetros interiores que excedan 10.075
centímetros?
b) ¿Cuál es la probabilidad de que el anillo de un pistón tenga un diámetro interior entre
9.97 y 10.03 centímetros?
c) ¿Por debajo de qué valor del diámetro interior caerá el 15 % de los anillos de pistón?
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
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) Una compañía de pavimentación local obtuvo un contrato con el Ayuntamiento para

hacer mantenimiento a las vías de un gran Centro Turístico en Nicaragua. Las vías
recientemente pavimentadas por esta compañía demostraron un promedio de dos
defectos por milla, después de haber sido utilizada durante un año. Si la municipalidad
sigue con esta compañía de pavimentación ¿cuál es la probabilidad de que se
presenten tres defectos en cualquier milla de vía después de haber tenido tráfico
durante un año?
2) Una institución de apoyo a los turistas extranjeros propone impartir clases básicas del
idioma español. Para tal fin, contrata a un instructor. Se observa que la llegada de los
turistas se ajusta a una distribución de Poisson con un promedio de 5.2 estudiantes
101
cada 20 minutos. El instructor está preocupado porque si son demasiados estudiantes

los que demandan sus servicios, no podrá atenderlos a todos. Por tal razón, pide ayuda
al responsable de la institución, y éste le contesta que:
a) Debe calcular la probabilidad de que 4 estudiantes lleguen en un intervalo de 20
minutos, y que, si el resultado es mayor que el 20%, le apoyaría nombrando un
segundo instructor.
b) Debe calcular la probabilidad de que más de 4 estudiantes lleguen durante algún
período de 20 minutos, y que si el resultado es mayor de 50 %, las horas de clase del
instructor se aumentarían permitiendo a los estudiantes extender sus horas de estudio.
c) Debe calcular la probabilidad que más de 7 estudiantes lleguen durante cualquier
intervalo de 30 minutos, y que, si el resultado excede el 50%, el mismo instructor que
está, ofrecerá una tutoría adicional.
La distribución normal
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
Unidad III. Estadística inferencial

Objetivos de la Unidad
 Conocer el procedimiento para la prueba de hipótesis sobre una población, y múltiples

poblaciones por el método clásico y por intervalo de confianza.
 Aplicar el procedimiento de prueba de hipótesis sobre una población y múltiples

poblaciones en problemas de la vida cotidiana, utilizando el método clásico e intervalo
de confianza.
 Apreciar la utilidad por la Inferencia estadística y sus aplicaciones en su entorno social.

Prueba de hipótesis e Aplicación del Apreciación de la utilidad
intervalo de confianza. procedimiento de prueba de por la Inferencia estadística
Distribución muestral de hipótesis sobre una como herramienta para la
medias, teorema de límite población y múltiples solución de problemas de su
central. Procedimiento para poblaciones en problemas entorno social.
la prueba de hipótesis. de la vida cotidiana,
Intervalo de confianza. utilizando el método clásico
e intervalo de confianza.
Ejercitación del teorema de
límite central. Prueba de
hipótesis para la media y
proporción de una
población. Prueba de
hipótesis para la diferencia
de media y proporciones de
dos poblaciones.
103
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.
Ejemplo: El conjunto de todos los supermercados de Nicaragua en un momento dado.

Elementos: Supermercados.
Característica: Ventas mensuales, No de empleados, nombre, atención, No de cajeras, etc.
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
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
Otros ejemplos de parámetros son la varianza y la desviación estándar.
¿Por qué se muestrea?

Tomar decisiones con base a información incompleta no es algo novedoso. Por ejemplo,
muchos compradores prueban un poco de queso antes de adquirirlo. De un pedazo deducen
el sabor de un trozo mayor.
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
Una muestra de familias de un barrio, puede ser útil para estimar el número promedio de
niños por familia del barrio.
En la industria, una muestra de artículos puede servirnos para estimar la proporción de

artículos defectuosos producidos en cierto momento.
Ventajas del muestreo

1. Rapidez y bajo costo de la información requerida
El muestreo es una técnica que utiliza recursos materiales económicos y humanos
disponibles, para obtener en el menor tiempo, con el menor costo y con cierta exactitud
aceptable información necesaria acerca de algunos parámetros.
2. Es un procedimiento práctico cuando la población es muy grande o infinita

Decimos que una población es finita cuando sabemos cuantos elementos existen en ella, esto
es, cuando posee un tamaño que denotaremos por N.
Existen poblaciones finitas tan grandes que resulta imposible observar sus elementos en un
período de tiempo razonable, por ejemplo, todas las familias de una ciudad.
Otras son tan inmensas que muchos de sus elementos son inaccesibles y su tamaño puede ser
desconocido, por ejemplo, todos los pequeños agricultores de un país.
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.
3. Evita la destrucción de toda la población

Esta situación se da cuando la medición de la característica de interés destruye al mismo
elemento. Los catadores de vino pueden evaluarlo con unos cuántos sorbos sin necesidad de
consumir toda la producción.
106
En una compañía sólo se prueba la germinación de unas cuántas semillas antes de la

temporada de siembra.
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.
Se usan el conocimiento, la experiencia y la opinión personal para identificar los elementos

de la población que van a incluirse en la muestra.
El conocimiento y la experiencia ayudan a aumentar la precisión de las estimaciones y la

opinión personal para minimizar el costo.
-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.
A pesar de esta falla de objetividad los métodos de muestreo no probabilísticos son

importantes en los negocios, y la investigación económica y social.
107
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).
Aunque el error de muestreo es de naturaleza aleatoria podremos controlarlo, es decir, hacerlo

más pequeño, seleccionando el tipo de muestreo más adecuado.
También controlaremos el costo del muestreo seleccionando el tipo de muestreo que logre
reducir sustancialmente ese costo.
Tipos de muestreo probabilístico

Algunos tipos de muestreo probabilísticos son los siguientes: Muestreo aleatorio simple,
Muestreo aleatorio sistemático, Muestreo aleatorio estratificado y Muestreo aleatorio
por conglomerados.
Muestreo aleatorio simple

En el muestreo aleatorio simple se seleccionan las muestras mediante métodos que permitan
a cada muestra posible tener igual probabilidad de ser seleccionada y a cada elemento de la
población, tener igual probabilidad de quedar incluido en la muestra.
El muestreo aleatorio simple es un procedimiento práctico si:
1) La población tiene una desviación estándar  pequeña en comparación a la magnitud de

los datos y su tamaño no es muy grande.
2) Es fácil y poco costoso llegar a los elementos poblacionales.
108
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
c) Combinación de 5 en 2. nCr = 5C2 = 10
d) 13 35 57 79
15 37 59
17 39
19
e)
109
(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
Media muestral  x   x.P( x)  x  5
 2 x   x    .Px   2 x  3
2
Varianza muestral
Desviación muestral  x  3  x  1.7320
Muestreo aleatorio sistemático

Es un procedimiento que se aplica a situaciones donde los elementos poblacionales pueden
ser seleccionados con un intervalo uniforme que se mide en el orden, en el tiempo o en el
espacio. Este procedimiento trata de garantizar que cada elemento poblacional tiene la misma
probabilidad de integrar la muestra.
El, muestreo sistemático es un procedimiento práctico si:

Se dispone de una lista de los elementos poblacionales y que además de que no son muchos,
están en un orden aleatorio. (Marco muestral)
110
Se tiene un proceso continuo de producción de algún artículo el cual consideramos que

genera una población infinita, y que por lo tanto, la manera más práctica de tomar una muestra
es fijar un intervalo uniforme que nos permita ir tomando artículos para el control de calidad
de la producción.
Como seleccionar la muestra aleatoria.

1. Numerar los elementos poblacionales.
N
2. Obtener un intervalo de muestreo, utilizando la fórmula k = donde N es el tamaño de
n
la población y n es el tamaño de la muestra.
3. Seleccionar al azar un punto de arranque r donde 1 < r < k
4. Tomar cada k – ésimo elemento a partir del punto de arranque r.
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
Para hallar el punto de arranque r se puede utilizar la tabla de números aleatorios.

Se trabaja con dos dígitos ya que 13 tiene dos cifras. Iniciando en la fila 2 y la columna4 con
una dirección descendiente. (Se toman las dos primeras cifras del número que nos
muestra la tabla). Se encuentra el número 7. Este es el primer elemento de la muestra.
Entonces los elementos de la muestra son:
7, 7 + 13, 7 + 2(13), 7 + 3(13), 7 + 4(13), 7 + 5(13) o sea:
111
7, 20, 33, 46, 59, 72
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
Ahora cada número se divide entre 100. Con lo que se obtiene:

4.00, 12.75, 21.50, 30.25, 39.00, 47.75, 56.50, 65.25
Finalmente se suprimen las cifras decimales, resultando: 4, 12, 21, 30, 39, 47, 56,
65 (Estos son elementos que formarán la muestra).
Nota: La entrada a la tabla de números aleatorios puede hacerse de manera arbitraria y la

dirección puede ser horizontal o vertical.
Estimación
Se refiere a un cálculo aproximado del parámetro poblacional a partir de datos muestrales.
Precisión y exactitud de un estimador

Cuando se hacen investigaciones, los datos recopilados a través de un cuestionario
escrito o una entrevista personal o telefónica, lo cual da lugar a que se cometan dos
tipos de errores.
112
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.
Errores ajenos al muestreo

Estos errores no ocurren debido al muestreo en sí, sino a otras causas, motivo por el cual este
tipo de error puede ocurrir aún cuando se trate de un censo. Algunas causas pueden ser:
 Los instrumentos de medida (cuestionarios, entrevistas, etc) no son precisos, esto

es, no miden lo que se pretende.
 Los entrevistados dan respuestas incorrectas.
 El entrevistador anota las respuestas en lugares inapropiados.
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.
Propiedades de une estimador

Insesgado: Un estimador   ´de un estimador  es Insesgado si  tiene una distribución
muestral con media de   igual a  lo cual denotaremos así    .

Esto quiere decir que si utilizamos un estimador Insesgado para hacer una estimación
particular de un parámetro, esta puede ser menor o mayor que el parámetro, pero si utilizamos
muchas veces el mismo estimador, entonces tendríamos que el valor medio de todas las
estimaciones serán igual al parámetro.
113
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.
Si se tienen dos estimadores  1 y  2 de un mismo parámetro  y la varianza del estimador

 1 es menor que la varianza del estimador  2 lo cual denotaremos así,  21 <  22
entonces el estimador  1 es más eficiente que el estimador  2.
Estimador puntual
Un estimador puntual de un parámetro es aquél que proporciona un único estimado del
N
X i
parámetro al analizar los datos muestrales. Así, la media muestral X 

i 1
es un
n
N
X i
estimador puntual de la media poblacional  

i 1
Estimador por intervalos de confianza.

Es aquél que define un par de variables aleatorias Li y Ls que llamaremos límite inferior y
límite superior del intervalo entre los cuales diremos que hay una probabilidad de 1 - 
(que llamaremos nivel de confianza) de que el parámetro se encuentre entre dichos limites;
y también diremos que hay una probabilidad  (que llamaremos riesgo) de que el
parámetro no se encuentre entre dichos límites.
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
 N n
N X  Z N 
2 n N 1
Intervalo de confianza para el total.
Error estándar de la media X y el total t = N X

El error estándar de la media se define así:

x 
n Si la población es infinita.
 N n
x 
n N 1 Si la población es finita.
El error estándar del total N X se denota y escribe así  N X  N x

O sea:
 N n
Nx  N
n N 1
2.6.- Error máximo permitido

E   Z
2
n Si la población es infinita
115
 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:
Para una población infinita.
 z 
2

n=  2 
 E 

 

Para una población finita.
 z 
2

n0 =  2 
 E 

 

n0
Si N > 0.05 n0 puede ser reducida a:
n0 N
n = n  N  1
0
116
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
4,186.79 < t < 4,932.2504 (en miles de unidades)
b)
 N n 2 826  50
E  Z E  1.96(826)
2 n N 1 50 826  1
E = 444.1043
117
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
72.8177826
72.8177  826  1
n= n = 66.99 n = 67 pequeñas industrias.
Intervalo de confianza para la media y el total cuando la muestra es pequeña

(n< 30)
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
El error estándar de la media muestral se denota y escribe así:
s
Para una población infinita
n
s N n
n N 1 Para una población finita
Intervalo de confianza para la media

s
X  t 
2 n
Si la población es infinita.
118
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
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
4.98  0.08139    4.98  0.08139 4.8986    5.06139 Libras de

azúcar
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.
d) E = 0.0437 libras de azúcar.
 z 
2
 2
 (1.645)(0.10) 
e) n   2 
n=  n = 28 bolsas.
 0.0313 
 E  n = 27.62

 

120
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.
2) Una empresa comercializadora de granos básicos está estudiando la posibilidad de

comprar 1000 sacos de frijol. Con el fin de determinar el peso promedio de materias
extrañas por saco., tomó una muestra aleatoria de 40 sacos obteniendo un promedio
de 2.4 libras y una desviación estándar de 0.62 libras de materias extrañas.
a) Obtenga un intervalo de confianza del 95% para el peso promedio de materias
extrañas por saco.
b) Construya un intervalo de confianza del 90% para el total de materias extrañas
en los 1000 sacos.
c) Si se quiere estimar el peso promedio de las materias extrañas por saco con una
confiabilidad del 98% de que el error máximo permitido sea de + 0.10 libras
¿Cuál debe ser el tamaño de la muestra?
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
cobrados durante el primer trimestre en una muestra de 9 establecimientos de

menudeo en la comunidad.
16, 18, 11, 17, 13, 10, 22, 15, 16
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
En el procedimiento de prueba de hipótesis pueden presentarse cuatro situaciones las que se

indican en el cuadro siguiente.
Alternativas Estados de la Naturaleza
H0 es verdadera H0 es Falsa
Aceptarla H0 Decisión correcta Error tipo II
Rechazar H0 Error tipo I Decisión correcta
El procedimiento de prueba de hipótesis consta de cinco pasos.
Paso 1. Plantear hipótesis nula e hipótesis alternativa
Paso 2. Seleccionar un nivel de significación, alfa (expresado en %) alfa.
Paso 3. Identificar el estadístico de prueba, puede ser:

x
Z

n Si la población es infinita y n > 30
x
Z
 N n
n N  1 Si la población es finita y n > 30
x
t
s
n Si la población es infinita y n < 30
Pueden haber otros: Chi cuadrada, Kruskall Wallis, Kolmogorov,
Signos, Kendal, Fisher, etc.
Paso 4. Formular las reglas de decisión
123
Paso 5. Conclusión o toma de decisiones. Puede ser:

 Aceptar la hipótesis nula o rechazar la hipótesis nula.
 En caso de que se rechace la hipótesis nula, se tiene que aceptar
la hipótesis alternativa.
Pruebas de una cola (o unilaterales)
Por la derecha Por la izquierda
CuandoH1 :   0 CuandoH1 :   0
Z - z
Área de aceptación Área de rechazo Área de rechazo Área de aceptación
Prueba de dos colas (o bilaterales)

CuandoH1 :   0
 Z Z
2 2
Área de rechazo Área de rechazo

Área de aceptación
Ejemplo 1:
124
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 1. H0 :  = 44 Hipótesis nula
H1 :  > 44 Hipótesis alternativa Es prueba de una cola pues la
hipótesis alternativa apunta hacia la derecha.
Paso 2.  = 0.05
x
Z
 N n
Paso 3. n N 1 Muestra grande (n > 30) Población finita.
Paso 4. Z  = 1.645 (Valor crítico)
Reglas de decisión 0 1.645

Si Z < 1.645se acepta H0 A R
Si Z > 1.645se Rechaza H0
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
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
H1 :  ≠ 25,850 Hipótesis alternativa
Es prueba de dos colas pues la hipótesis

alternativa dice “distinto que”. O sea que
Paso 2.  = 0.02 puede ser mayor o puede ser menor.
x
Z 

Paso 3. n Muestra grande (n > 30) Población infinita.

2
Reglas de decisión - 2.33 0 2.33

Si Z < - 2.33 se rechaza H0 R A R
Si - 2.33 < Z <2.33 se acepta H0
Si Z > 2.33 se rechaza H0
126
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.
H1 :  <2 libras El proceso no está funcionando correctamente.
Paso 2.  = 0.01
x
t
s
Paso 3 n Muestra pequeña (n < 30) población infinita.
Paso 4. t = - 3.365 (Valor crítico)
127
Reglas de decisión - 3.365 0

Si Z < - 3.365 se rechaza H0 R A
Si Z > - 3.365 se acepta H0
G. L. = n – 1 = 6 – 1 = 5 Se busca en la tabla t student (Fila 5 columna de 0.01)
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
producción está funcionando correctamente.
Prueba para la diferencia de dos medias con muestras independientes.

El estadístico de prueba es:
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
S1 = 0.9 horas S2 = 1.5 horas
Pruebe la hipótesis al nivel de significación del 5%.
128
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

2
Reglas de decisión -1.96 0 1.96

Si Z < - 1.96 se rechaza H0 R A R
Si - 1.96 < Z <1.96 se acepta H0
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
que la hipótesis nula de igualdad es rechazada, xm  xh , la evidencia sugiere que las

mujeres toman más tiempo en promedio. Vale la pena notar también que el valor P
relacionado con la prueba es virtualmente, igual a cero.
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
amortiguadores para ambas poblaciones? Pruebe la hipótesis con un nivel de significación

de 0.02
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
Reglas de decisión -2.518 0 2.518

Si t < - 2.518 se rechaza H0 R A R
Si - 2.518 < t <2.518 se acepta H0
Si t > 2.518 se rechaza H0
130
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
Debido a que la hipótesis nula de igualdad es rechazada, x 1  x 2 , la evidencia sugiere

que el tipo I de amortiguador de caucho para el coche de bebé presenta mayor
durabilidad.
Prueba acerca de las proporciones

El estadístico de prueba que se usa es:
Ps  Po
Z= Si la población es infinita y n > 30
Po 1  Po 
n
Ps  Po
Z= Si la población es finita y n > 30
Po 1  Po  N  n
n N 1
x
Ps es la proporción de casos de la muestra. Ps =
n
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
Paso 2.  = 0.01
Ps  Po
Paso 3. Z = Población finita y muestra grande.
Po 1  Po  N  n
n N 1
Reglas de decisión 0 2.33

Si Z < 2.33 se acepta H0 A R
Si Z > 2.33 se Rechaza H0
x 12
Ps = Ps =  0.04
n 300
0.04  0.02
Z= Z = 2.765
0.021  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
Prueba para la diferencia de dos proporciones

El estadístico de prueba que se usa es:
P1  P2    1   2 
P1 1  P1  P2 1  P2 
Z=

n1 n2
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
Z  = 2.58 (Valor crítico)

2
133
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
0.57  0.473  0  0 0.097

0.571  0.57 0.4731  0.473
Z= Z= Z = 1.4123
0.002451 0.0022661

100 110
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?
2) El rendimiento promedio de maíz en las plantaciones hace un tiempo era de 50

quintales por manzana con una desviación estándar de 4 quintales por manzana. Se
utilizó un nuevo fertilizante a un grupo de 52 plantaciones seleccionadas al azar
obteniendo un rendimiento promedio de 55 quintales por manzana. Suponiendo que
134
la desviación estándar de los rendimientos con el nuevo fertilizante sigue siendo la

misma, ¿Se puede afirmar que ha habido un incremento significativo en el
rendimiento? Use un nivel de significación del 5%.
3) Un vendedor de neumático está interesado en comprar unidades cuya duración

promedio sea mayor de 15,000 millas. Una firma productora le informa que posee
neumáticos que cumplen con este requisito. El vendedor selecciona una muestra
aleatoria de 25 unidades y determina que la media X = 25, 000 millas y una
varianza S2 = 625,000 millas2.Suponga que la duración de los neumáticos sigue una
distribución normal, ¿Habrá acuerdo entre la firma productora y el vendedor a un
nivel de significación del 10?
4) El gerente de una Compañía financiera se queja de que el 7% de los pagos parciales

de pestanos hechos a consumidores no se cubren a tiempo, ¿Podríamos afirmar que
esa cifra es diferente, si 80 de 1,500 pagos de préstamos no se hacen a tiempo? Utilice
un nivel de significación del 1%.
5) Un nuevo sistema de capacitación a los empleados de una fábrica asegura que

proporciona un rendimiento promedio de 75 puntos. En una muestra aleatoria de 10
estudiantes se comprobó que las calificaciones fueron:70, 80, 75, 55, 65,85,
90, 60, 75,55. Suponga que la distribución de las calificaciones es normal.
¿Podemos decir que el nuevo sistema no alcanza el rendimiento promedio que
asegura?.Use un nivel de significación del 5%.
6) Muestras de tamaño 50 y 60 revelan medias de 512 y 587 con desviaciones estándar

de 125 y 145 respectivamente. A un nivel del 2% pruebe la hipótesis de que m1 =
m2 .
135
7) A un nivel del 1% pruebe la igualdad de las medias si muestras de tamaño 10 y 8 dan

medias de 36 y 49 y desviaciones estándar de 12 y 18, respectivamente. Se asume
que las varianzas no son iguales.
8) Resuelva el problema anterior asumiendo ahora que las varianzas son iguales.
9) Muestras de tamaño 120 y 150 produjeron proporciones de 0.69 y 0.73 Pruebe la

igualdad de proporciones de la población al nivel del 5%.
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
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.
Merli, G. (2015). Escalas de medición en Estadística. Sistema de Información CientíficaRed de

Revistas Científicas de América Latina y el Caribe, España y Portugal, 243-246.
Navarro Hudiel, S. J. (2018). Estadística (Teoría de Probabilidades y más). Estelí, Nicaragua:

UNIVERSIDAD NACIONAL DE INGENIERÍA Recinto Universitario Augusto C. Sandino.
Ruiz Muñoz, D. (2004). Manual de estadística. Sevilla, españa: Universidad Pablo de Olavide.
Universidad Nacional Autónoma de Nicaragua UNAN MANAGUA. (2013). Programa de

Asignatura Estadística y Probabilidads. Managua, Nicaragua : UNAN MANAGUA .
Wackerly, D. D., Mendenhall, W., y Scheaffer, R. L. (2010). Estadística Matemática con

Aplicaciones (7ma Ed ed.). México DF: Cengage Learning Editores, S.A.
137
Solucionario de Ejercicios Propuestos

Conceptos fundamentales de estadística descriptiva a) Cuantitativa – Discreta
b) Cuantitativa – Continua
Pág. 11 - 13
c) Cualitativa – nominal
Ejercicio 1.1 d) Cuantitativa – Discreta
e) Cualitativa – Nominal
Población: las personas que sufren hipertensión.
f) Cuantitativa – Continua
Muestra: 5000 g) Cualitativa – Nominal
h) Cuantitativa – Discreta
Ejercicio 1.2
i) Cualitativa – Ordinales
Variable Nominal j) Cuantitativa – Continua
 Estado Civil k) Cuantitativa – Continua
 Nacionalidad l) Cualitativa – Nominal
 La profesión de un grupo de personas m) Cuantitativa – Continua
 Lugar de nacimiento n) Cualitativa – Ordinal

o) Cuantitativa – Discreta
Variable Ordinal p) Cuantitativa – Discreta
 La nota en un examen q) Cualitativa – Nominal
 Grado de escolaridad r) Cuantitativa – Discreta
 El número de carnet de los estudiantes s) Cuantitativa Continua
matriculados en la Universidad t) Cualitativa – Ordinales
 Intensidad de dolor u) Cuantitativa – Discreta

v) Cualitativa – Ordinales
Variable Discreta
Ejercicio 1.4
 Cantidad de estudiantes por aula en los
distintos niveles educativos a) De razón
 Número de maestros en un aula b) Ordinales
 Número de aulas de FAREM-Estelí c) De razón
 Número de teléfonos móviles por familia d) Nominal

e) Ordinal
Variable Continua
f) Nominal
 Peso g) Nominal
 Edad h) De Intervalo
 La distancia de una carretera i) Nominal
 Temperatura j) Nominal
Ejercicio 1.3
138
Tablas de Frecuencias Ejercicio 1.7
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
Se recogen en primer lugar los datos en una tabla de frecuencias, para

posteriormente representarlos en el diagrama de barras.
xi f
0 3
Ejercicio 1.8
1 17
2 17
3 6
4 7
139
Ejercicio 1.9 Ejercicio 1.12
a) La serie ordenada de los 9 datos es: Me: 60,67
1, 3, 7, 14, 16, 30, 99, 120, 2,000. Mo: 61,43
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
Ejercicios Pág. 69 32) 38/63

33) 30 rutas
Permutaciones
34) 560 560
13) 7 560 35) 0,03226
14) a) 720 b) 72 c) 144 38) a) 14/39 b) 95/112
15) 4 896.
Ejercicios pág. 97
16) 103 680
Variable aleatoria y distribución híper-geométrica
Reglas de adición y de multiplicación
2) 5/14
17) a) 1 213 056 b) 233 280
 4  2 
18) a) 24 b) 576 c) 360   
 x  3  x 
Combinaciones 3) . a) P( x, 6, 3, 4 ) = b) 4 / 5
6
 
19) a) 286 b) 165 c) 110  3
21) 5 775
Distribución Binomial
22) 15
23) a) 45 b) 24 c) 21. 7) a) 0,6155 b) 0,4613 c) 0,1484
Otros Problemas variados 8) R/  = 3.75  = 1.677

3.75 ± 2(1.677) = (0.396, 7.104)
24) a) 3/8 b) 19/40 10) 0,3134
26) 1/4 12) 0,0515
27) a) 0,3 b) 0,2 Distribución normal
28) a) 2/3 b) 1/15 c) 7/15 d) 8/15
17) 0,0808
29) 2/5
18) 4,56 %
30) a) 0,4 b) 0,7 c) 0,7 d) 0,3
19) a) 0,0062 b) 0,6826 c) 9,969 centímetros
31) a) 0,6 b) 0,7 c) 0,4 d) 0
141
20) a) 0,0571 b) 99,11% c) 0,3974 d) 27,952 min

21) a) 56,99 % b) $ 10,23
22) 6,24 años
142

Dosier Estadistica

Caricato da

Informazioni sul documento

Descrizione originale:

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Dosier Estadistica

Caricato da

Copyright:

Formati disponibili

Facultad Regional Multidisciplinaria de Estelí

Recinto Universitario “Leonel Rugama Rugama”

Departamento de Ciencias de la Educación y Humanidades

2019: Año de la Reconciliación

Elaborado: M.Sc. Cliffor Jerry Herrera Castrillo

Unidad I. Estadística Descriptiva ____________________________________________ 2

Conceptos fundamentales de la estadística descriptiva ________________________ 3

Distribución de frecuencias _____________________________________________ 13

Tipos de Gráficos _____________________________________________________ 19

Medidas de tendencia central ___________________________________________ 28

Medidas de variabilidad o dispersión _____________________________________ 34

Medidas de posición ___________________________________________________ 38

Coeficiente de curtosis (K) ______________________________________________ 41

Unidad II. Probabilidades _________________________________________________ 49

Definición clásica de probabilidad (modelo clásico o a priori) _________________ 55

Tipos de probabilidad __________________________________________________ 56

Sucesos independientes _________________________________________________ 58

Sucesos dependientes __________________________________________________ 58

Probabilidad condicional _______________________________________________ 58

Regla de la multiplicación ______________________________________________ 59

Probabilidad total _____________________________________________________ 61

Regla de Bayes ________________________________________________________ 61

TECNICAS DE CONTEO ______________________________________________ 65

La distribución binomial _______________________________________________ 84

La distribución normal _________________________________________________ 89

Unidad III. Estadística inferencial _________________________________________ 103

Muestreo ___________________________________________________________ 104

Estimación __________________________________________________________ 112

Bibliografía ___________________________________________________________ 137

Solucionario de Ejercicios Propuestos ______________________________________ 138

En la carrera de Física – Matemática la asignatura de Estadística y Probabilidad tiene como

Actualmente nos encontramos con un crecimiento progresivo de ciencias interdisciplinarias,

Unidad I. Estadística Descriptiva

 Conocer los conceptos y definiciones fundamentales de estadística descriptiva.

 Aplicar los conceptos y definiciones fundamentales de la estadística descriptiva en la

 Valorar la importancia de la Estadística Descriptiva como instrumento para la

Contenidos Conceptuales Contenidos Procedimentales Contenidos Cognitivos

Conceptos fundamentales de la estadística descriptiva

En el antiguo Israel la Biblia da referencias, en el libro de los Números, de los datos

Ahora bien, las técnicas estadísticas se aplican de manera amplia en mercadotecnia,

El trabajo estadístico o la investigación estadística es un proceso que pasa generalmente por

 Formulación del problema o la tarea

Definición: en este documento se define estadística como, la ciencia que proporciona un

datos con el fin de describirlos o realizar generalizaciones válidas.

La Estadística para su mejor estudio se ha dividido en dos grandes ramas: la estadística

Se denomina estadística descriptiva, al conjunto de métodos estadísticos que se relacionan

Se denomina inferencia estadística al conjunto de métodos con los que se hace la

A cada elemento de una población se denomina unidad elemental o unidad estadística.

El resultado de medir una característica observable de una unidad elemental, se denomina

estadísticos que se reúnen de acuerdo con la formulación de una investigación estadística o

Tipos de población: Por el número de elementos que la componen, la población se clasifica

Definición. Se denomina muestra a una parte de la población seleccionada de acuerdo con

La muestra debe ser seleccionada de manera que sea representativa de la población. Un

Estadística o estadígrafo. Se denomina estadística a una medida descriptiva que resuma

Se denomina variable estadística a una característica definida en la población por la tarea o

X: "Género". Valores: Masculino, Femenino

Y: "estado civil". Valores: Soltero, casado, viudo, divorciado

Z: "número de hijos", Valores: 0,1,2, etc.

W: "ingresos mensuales", Valores: Números reales positivos.

Ejemplo: El peso de un embarque, la rapidez de una impresora, el número de artículos

Medición y escalas de medidas

a) las reglas para asignar números