Estadística Y Probabilidades

Universidad Tecnológica de Chile
SEDE CALAMA
Estadística y Probabilidad
APUNTES Y EJERCICIOS
CAPÍTULO 8
Guía de Apuntes y Ejercicios
CONTENIDO
APUNTES Y EJERCICIOS ____________________________________ 0
Estadística descriptiva _____________________________________ 2
Ejercicios y Problemas ____________________________________ 21
Inferencia Estadística ____________________________________ 27
Ejercicios y problemas ____________________________________ 34
Combinatoria ___________________________________________ 38
Probabilidad ____________________________________________ 48
Distribuciones Discretas de Probabilidad ______________________ 64
Distribución Binomial _____________________________________ 68
Distribución Normal ______________________________________ 71
Distribuciones Bidimensionales _____________________________ 78
Estadística y Probabilidad Página 1

ESTADÍSTICA DESCRIPT IVA
Definición de Estadística: La Estadística trata del recuento, ordenación y clasificación de

los datos obtenidos por las observaciones, para poder hacer comparaciones y sacar
conclusiones.
Un estudio estadístico consta de las siguientes fases:
 Recogida de datos.
 Organización y representación de datos.
 Análisis de datos.
 Obtención de conclusiones.
Conceptos de Estadística
 Población: Una población es el conjunto de todos los elementos a los que se somete
a un estudio estadístico.
 Individuo: Un individuo o unidad estadística es cada uno de los elementos que

componen la población.
 Muestra: Una muestra es un conjunto representativo de la población de referencia,

el número de individuos de una muestra es menor que el de la población.
 Muestreo: El muestreo es la reunión de datos que se desea estudiar, obtenidos de

una proporción reducida y representativa de la población.
 Valor: Un valor es cada uno de los distintos resultados que se pueden obtener en un
estudio estadístico. Si lanzamos una moneda al aire 5 veces obtenemos dos valores:
cara y cruz.
 Dato: Un dato es cada uno de los valores que se ha obtenido al realizar un estudio
estadístico. Si lanzamos una moneda al aire 5 veces obtenemos 5 datos: cara, cara,
cruz, cara, cruz.
Variable Estadística
Definición de variable: Una variable estadística es cada una de las características o

cualidades que poseen los individuos de una población.
Tipos de variable estadísticas
 Variable cualitativa: Las variables cualitativas se refieren a características o

cualidades que no pueden ser medidas con números. Podemos distinguir dos tipos:

 Variable cualitativa nominal: Una variable cualitativa nominal presenta

modalidades no numéricas que no admiten un criterio de orden. Por ejemplo:
El estado civil, con las siguientes modalidades: soltero, casado, separado,
divorciado y viudo.
 Variable cualitativa ordinal: Una variable cualitativa ordinal presenta

modalidades no numéricas, en las que existe un orden. Por ejemplo: La nota
en un examen: suspenso, aprobado, notable, sobresaliente. Puesto
conseguido en una prueba deportiva: 1º, 2º, 3º, ... Medallas de una prueba
deportiva: oro, plata, bronce.
 Variable cuantitativa: Una variable cuantitativa es la que se expresa mediante

un número, por tanto se pueden realizar operaciones aritméticas con ella.
Podemos distinguir dos tipos:
 Variable discreta: Una variable discreta es aquella que toma valores
aislados, es decir no admite valores intermedios entre dos valores
específicos. Por ejemplo: El número de hermanos de 5 amigos: 2, 1, 0, 1, 3.
 Variable continua: Una variable continua es aquella que puede tomar

valores comprendidos entre dos números. Por ejemplo: La altura de los 5
amigos: 1.73, 1.82, 1.77, 1.69, 1.75. En la práctica medimos la altura con dos
decimales, pero también se podría dar con tres decimales.
Tablas de Estadística
Distribución de frecuencias: La distribución de frecuencias o tabla de frecuencias es una

ordenación en forma de tabla de los datos estadísticos, asignando a cada dato su frecuencia
correspondiente.
Tipos de frecuencias
 Frecuencia absoluta: La frecuencia absoluta es el número de veces que aparece un

determinado valor en un estudio estadístico. Se representa por fi.
La suma de las frecuencias absolutas es igual al número total de datos, que se
representa por N.
Para indicar resumidamente estas sumas se utiliza la letra griega Σ (sigma
mayúscula) que se lee suma o sumatoria.
 Frecuencia relativa: La frecuencia relativa es el cociente entre la frecuencia

absoluta de un determinado valor y el número total de datos. Se puede expresar en
tantos por ciento y se representa por ni.
La suma de las frecuencias relativas es igual a 1.
 Frecuencia acumulada: La frecuencia acumulada es la suma de las frecuencias

absolutas de todos los valores inferiores o iguales al valor considerado. Se representa
por Fi.

 Frecuencia relativa acumulada: La frecuencia relativa acumulada es el cociente

entre la frecuencia acumulada de un determinado valor y el número total de datos.
Se puede expresar en tantos por ciento.
Ejemplo: Durante el mes de julio, en una ciudad se han registrado las siguientes
temperaturas máximas:
32, 31, 28, 29, 33, 32, 31, 30, 31, 31, 27, 28, 29, 30, 32, 31, 31, 30, 30, 29, 29, 30, 30,
31, 30, 31, 34, 33, 33, 29, 29.
En la primera columna de la tabla colocamos la variable ordenada de menor a mayor, en la

segunda hacemos el recuento y en la tercera anotamos la frecuencia absoluta.
xi Recuento fi Fi ni Ni %i %Acum
27 | 1 1 0,032 0,032 3,2% 3,2%
28 || 2 3 0,065 0,097 9,7% 9,7%
29 |||| | 6 9 0,194 0,290 19,4% 29,0%
30 |||| || 7 16 0,226 0,516 22,6% 51,6%
31 |||| ||| 8 24 0,258 0,774 25,8% 77,4%
32 ||| 3 27 0,097 0,871 9,7% 87,1%
33 ||| 3 30 0,097 0,968 9,7% 96,8%
34 | 1 31 0,032 1 3,2% 100%
31 1,000
Este tipo de tablas de frecuencias se utiliza con variables discretas.

Interpretación de los datos:
 Hubo 6 días del mes de julio se registraron 29°C como temperatura máxima.
 El 25,8% del mes de julio hubo una temperatura máxima de 31°C.
 El 51,6% de los días de julio registraron a lo más una temperatura máxima de 30°C.
Distribución de frecuencias agrupadas: La distribución de frecuencias agrupadas o tabla

con datos agrupados se emplea si las variables toman un número grande de valores o la
variable es continua. Se agrupan los valores en intervalos que tengan la misma amplitud
denominados clases. A cada clase se le asigna su frecuencia correspondiente.
 Rango: Se utiliza en el caso de variables cuantitativas y es la diferencia entre el

mayor y menor valor de los datos.
 Intervalo de Clase: Es el espacio o rango en el que se ubica la variable.
 Límites de la clase: Cada clase está delimitada por el límite inferior de la clase y el
límite superior de la clase.
 Amplitud de la clase: La amplitud de la clase es la diferencia entre el límite superior

e inferior de la clase.
 Marca de clase: La marca de clase es el punto medio de cada intervalo y es el valor

que representa a todo el intervalo para el cálculo de algunos parámetros.
 Números de Intervalos: Consiste en dividir el rango en un número conveniente de

intervalos de clase. Es conveniente tener entre 5 y 20 intervalos de clase. Este
número es determinado por tentativas y aproximaciones.
 Si n 100, se utiliza la fórmula de Norclife:
 Si n>100, se utiliza la fórmula de Sturges:
Construcción de una tabla de datos agrupados
3, 15, 24, 28, 33, 35, 38, 42, 43, 38, 36, 34, 29, 25, 17, 7, 34, 36, 39, 44, 31, 26, 20, 11,
13, 22, 27, 47, 39, 37, 34, 32, 35, 28, 38, 41, 48, 15, 32, 13.
1. Se localizan los valores menor y mayor de la distribución. En este caso son 3 y 48.
2. Se restan y se busca un número entero un poco mayor que la diferencia y que sea
divisible por el número de intervalos queramos establecer.
En este caso, 48 - 3 = 45, incrementamos el número hasta 50 : 5 = 10 intervalos.
Se forman los intervalos teniendo presente que el límite inferior de una clase
pertenece al intervalo, pero el límite superior no pertenece al intervalo, se cuenta en
el siguiente intervalo.

Intervalos xi
fi Fi ni Ni %i %Acum
2,5 1 1 0,025 0,025 2,5% 2,5%

[0 – 5)
7,5 1 2 0,025 0,050 2,5% 5,0%
[5 – 10)
12,5 3 5 0,075 0,125 7,5% 12,5%
[10 – 15)
17,5 3 8 0,075 0,200 7,5% 20,0%
[15 – 20)
22,5 3 11 0,075 0,275 7,5% 27,5%
[20 – 25)
27,5 6 17 0,150 0,425 15,0% 42,5%
[25 – 30)
32,5 7 24 0,175 0,600 17,5% 60,0%
[30 – 35)
37,5 10 34 0,250 0,850 2,5% 85,0%
[35 – 40)
42,5 4 38 0,100 0,950 10,0% 95,0%
[40 – 45)
47,5 2 40 0,050 1,00 5,0% 100,0%
[45 – 50)
40 1,00 100%
Representación Gráfica:
 Diagrama de barras: Un diagrama de barras se utiliza para de presentar datos

cualitativos o datos cuantitativos de tipo discreto.
Se representan sobre unos ejes de coordenadas, en el eje de abscisas se colocan los
valores de la variable, y sobre el eje de ordenadas las frecuencias absolutas o
relativas o acumuladas. Los datos se representan mediante barras de una altura
proporcional a la frecuencia.
Ejemplo: Un estudio hecho al conjunto de los 20 alumnos de una clase para determinar su
grupo sanguíneo ha dado el siguiente resultado:
Grupo sanguíneo fi
A 6
B 4
AB 1
0 9
20

 Polígonos de frecuencia: Un polígono de frecuencias se forma uniendo los

extremos de las barras mediante segmentos. También se puede realizar trazando los
puntos que representan las frecuencias y uniéndolos mediante segmentos.
Ejemplo: Las temperaturas en un día de otoño de una ciudad han sufrido las siguientes
variaciones:
Hora Temperatura
6 7°
9 12°
12 14°
15 11°
18 12°
21 10°
24 8°
 Diagrama de sectores: Un diagrama de sectores se puede utilizar para todo tipo de

variables, pero se usa frecuentemente para las variables cualitativas.
Los datos se representan en un círculo, de modo que el ángulo de cada sector es
proporcional a la frecuencia absoluta correspondiente.
El diagrama circular se construye con la ayuda de un transportador de ángulos.
Ejemplo: En una clase de 30 alumnos, 12 juegan a baloncesto, 3 practican la natación, 9

juegan al fútbol y el resto no practica ningún deporte.
Deporte Alumnos Cálculo Ángulos

Baloncesto 12 144°
Natación 3 36°
Fútbol 9 108°
Sin deporte 6 72°

Total 30 360°

 Histograma: Un histograma es una representación gráfica de una variable en forma

de barras. Se utilizan para variables continuas o para variables discretas, con un gran
número de datos, y que se han agrupado en clases.
En el eje abscisas se construyen unos rectángulos que tienen por base la amplitud del
intervalo, y por altura, la frecuencia absoluta de cada intervalo.
La superficie de cada barra es proporcional a la frecuencia de los valores
representados.
 Polígono de frecuencia: Para construir el polígono de frecuencia se toma la marca

de clase que coincide con el punto medio de cada rectángulo.
Ejemplo: El peso de 65 personas adultas viene dado por la siguiente tabla:
Intervalo xi fi Fi
[50 – 60) 55 8 8
[60 – 70) 65 10 18
[70 – 80) 75 16 34
[80 – 90) 85 14 48
[90 – 100) 95 10 58
[100 – 110) 105 5 63
[110 – 120) 115 5 65
 Histograma y polígono de frecuencias

acumuladas: Si se representan las frecuencias
acumuladas de una tabla de datos agrupados se
obtiene el histograma de frecuencias
acumuladas o su correspondiente polígono.
 Histogramas con intervalos de amplitud diferente: Para construir un

histogramas con intervalo de amplitud diferente tenemos que calcular las alturas de
los rectángulos del histograma. ; donde, hi es la altura del intervalo, fi es la
frecuencia del intervalo, ai es la amplitud del intervalo.
Ejemplo: En la siguiente tabla se muestra las calificaciones (suspenso, aprobado, notable y

sobresaliente) obtenidas por un grupo de 50 alumnos.

Intervalo fi hh
[0 – 5) 15 3
[5 – 7) 20 10
[7 – 9) 12 6
[9 – 10) 3 3
50
Parámetros estadísticos
Definición de parámetro estadístico: Un parámetro estadístico es un número que se

obtiene a partir de los datos de una distribución estadística.
Los parámetros estadísticos sirven para sintetizar la información dada por una tabla o por
una gráfica.
Tipos de parámetros estadísticos: Hay tres tipos parámetros estadísticos:
 De centralización.
 De posición
 De dispersión.
a) Medidas de centralización: Nos indican entorno a qué valor (centro) se distribuyen

los datos. La medidas de centralización son:
 Media aritmética: La media es el valor promedio de la distribución.
 Mediana: La mediana es la puntación de la escala que separa la mitad superior de la

distribución y la inferior, es decir divide la serie de datos en dos partes iguales.
 Moda: La moda es el valor que más se repite en una distribución.
b) Medidas de posición: Las medidas de posición dividen un conjunto de datos en

grupos con el mismo número de individuos. Para calcular las medidas de posición es
necesario que los datos estén ordenados de menor a mayor. La medidas de posición
son:
 Cuartiles: Los cuartiles dividen la serie de datos en cuatro partes iguales.
 Deciles: Los deciles dividen la serie de datos en diez partes iguales.
 Percentiles: Los percentiles dividen la serie de datos en cien partes iguales.

c) Medidas de dispersión: Las medidas de dispersión nos informan sobre cuanto se

alejan del centro los valores de la distribución. Las medidas de dispersión son:
 Rango o recorrido: El rango es la diferencia entre el mayor y el menor de los datos

de una distribución estadística.
 Desviación media: La desviación media es la media aritmética de los valores

absolutos de las desviaciones respecto a la media.
 Varianza: La varianza es la media aritmética del cuadrado de las desviaciones

respecto a la media.
 Desviación típica: La desviación típica es la raíz cuadrada de la varianza.
a.1. Moda:
 Definición de moda: La moda es el valor que tiene mayor frecuencia absoluta. Se

representa por Mo. Se puede hallar la moda para variables cualitativas y
cuantitativas.
Ejemplo: Hallar la moda de la distribución: 2, 3, 3, 4, 4, 4, 5, 5 Mo= 4
Si en un grupo hay dos o varias puntuaciones con la misma frecuencia y esa

frecuencia es la máxima, la distribución es bimodal o multimodal, es decir, tiene
varias modas.
Ejemplo: 1, 1, 1, 4, 4, 5, 5, 5, 7, 8, 9, 9, 9 Mo= 1, 5, 9
Cuando todas las puntuaciones de un grupo tienen la misma frecuencia, no hay

moda.
Ejemplo: 2, 2, 3, 3, 6, 6, 9, 9 No hay moda
Si dos puntuaciones adyacentes tienen la frecuencia máxima, la moda es el promedio

de las dos puntuaciones adyacentes.
Ejemplo: 0, 1, 3, 3, 5, 5, 7, 8 Mo = 4
 Cálculo de la moda para datos agrupados
1. Todos los intervalos tienen la misma amplitud. ; donde, Li es

el límite inferior de la clase modal, fi es la frecuencia absoluta de la clase modal, fi--1 es
la frecuencia absoluta inmediatamente inferior a la clase modal, fi-+1 es la frecuencia
absoluta inmediatamente posterior a la clase modal, ai es la amplitud de la clase.
También se utiliza otra fórmula de la moda que da un valor aproximado de ésta:

Ejemplo: Calcular la moda de una distribución estadística que viene dada por la siguiente
tabla:
Intervalo fi
[60 – 63) 5
[63 – 66) 18
[66 – 69) 42
[69 – 72) 27
[72 – 75) 8
100
2. Los intervalos tienen amplitudes distintas: En primer lugar tenemos que hallar las
alturas. .
La clase modal es la que tiene mayor altura.

La fórmula de la moda aproximada cuando existen distintas amplitudes es:
Ejemplo: En la siguiente tabla se muestra las calificaciones (suspenso, aprobado, notable y

sobresaliente) obtenidas por un grupo de 50 alumnos. Calcular la moda.
Intervalo fi h
[0 – 5) 15 3
[5 – 7) 20 10
[7 – 9) 12 6
[9 – 10) 3 3
50
a.2. Mediana
 Definición de mediana: Es el valor que ocupa el lugar central de todos los datos
cuando éstos están ordenados de menor a mayor. La mediana se representa por Me.
La mediana se puede hallar sólo para variables cuantitativas.
 Cálculo de la mediana
1. Ordenamos los datos de menor a mayor.
2. Si la serie tiene un número impar de medidas la mediana es la puntuación central de
la misma.
Ejemplo: 2, 3, 4, 4, 5, 5, 5, 6, 6 Me= 5
3. Si la serie tiene un número par de puntuaciones la mediana es la media entre las dos
puntuaciones centrales.
Ejemplo: 7, 8, 9, 10, 11, 12 Me= 9.5

 Cálculo de la mediana para datos agrupados: La mediana se encuentra en el

intervalo donde la frecuencia acumulada llega hasta la mitad de la suma de las
frecuencias absolutas. Es decir, tenemos que buscar el intervalo en el que se
encuentre .
; Donde, Li es el límite inferior de la clase donde se encuentra la
mediana, es la semisuma de las frecuencias absolutas, Fi-1 es la frecuencia

acumulada anterior a la clase mediana, ai es la amplitud de la clase.
La mediana es independiente de las amplitudes de los intervalos.
Ejemplo: Calcular la mediana de una distribución estadística que viene dada por la siguiente
tabla:
Intervalo fi
[60 – 63) 5 Clase de la mediana: [66, 69)
[63 – 66) 18
[66 – 69) 42
[69 – 72) 27
[72 – 75) 8
100
a.3. Media aritmética
 Definición de media aritmética: La media aritmética es el valor obtenido al sumar

todos los datos y dividir el resultado entre el número total de datos. es el símbolo
de la media aritmética. ; o bien,
Ejemplo: Los pesos de seis amigos son: 84, 91, 72, 68, 87 y 78 kg. Hallar el peso medio.
 Media aritmética para datos agrupados: Si los datos vienen agrupados en una
tabla de frecuencias, la expresión de la media es: ; o bien,
Ejemplo: En un test realizado a un grupo de 42 personas se han obtenido las puntuaciones

que muestra la tabla. Calcula la puntuación media.

Xi fi Xi – fi
[10 – 20) 15 1 15
[20 – 30) 25 8 200
[30 – 40) 35 10 350
[40 – 50) 45 9 405
[50 – 60) 55 8 440
[60 – 70) 65 4 260
[70 – 80) 75 2 150
42 1.820
Propiedades de la media aritmética:
1. La suma de las desviaciones de todas las puntuaciones de una distribución respecto

a la media de la misma igual a cero. .
Ejemplo: La suma de las desviaciones de los números 8, 3, 5, 12, 10 de su media
aritmética 7.6 es igual a 0:
8 − 7.6 + 3 − 7.6 + 5 − 7.6 + 12 − 7.6 + 10 − 7.6 = 0. 4 − 4.6 − 2.6 + 4. 4 + 2. 4 = 0
2. La suma de los cuadrados de las desviaciones de los valores de la variable con

respecto a un número cualquiera se hace mínima cuando dicho número coincide con
la media aritmética. .
3. Si a todos los valores de la variable se les suma un mismo número, la media

aritmética queda aumentada en dicho número.
4. Si todos los valores de la variable se multiplican por un mismo número la media

aritmética queda multiplicada por dicho número.
Observaciones sobre la media aritmética
1. La media se puede hallar sólo para variables cuantitativas.

2. La media es independiente de las amplitudes de los intervalos.
3. La media es muy sensible a las puntuaciones extremas. Si tenemos una distribución
con los siguientes pesos: 65 kg, 69kg , 65 kg, 72 kg, 66 kg, 75 kg, 70 kg, 110 kg.
La media es igual a 74 kg, que es una medida de centralización poco representativa
de la distribución.
Intervalo fi
4. La media no se puede calcular si hay un intervalo con una amplitud [60 – 63) 5
indeterminada. [63 – 66) 18
En este caso no es posible hallar la media porque no podemos [66 – 69) 42
calcular la marca de clase de último intervalo. [69 – 72) 27
[72 – ) 8
100

b.1. Cuartiles: Los cuartiles son los tres valores de la variable que dividen a un conjunto de
datos ordenados en cuatro partes iguales. Q1, Q2 y Q3 determinan los valores
correspondientes al 25%, al 50% y al 75% de los datos. Q2 coincide con la mediana.
 Cálculo de los cuartiles

1. Ordenamos los datos de menor a mayor.
2. Buscamos el lugar que ocupa cada cuartil mediante la expresión
Ejemplo: Número impar de datos: 2, 5, 3, 6, 7, 4, 9
2 3 4 5 6 7 9
Número par de datos: 2, 5, 3, 6, 7, 4, 1, 9
1 2 3 4 5 6 7 9
2,5 4,5 6,5
 Cálculo de los cuartiles para datos agrupados: En primer lugar buscamos la

clase donde se encuentra , en la tabla de las frecuencias acumuladas.
; donde: Li es el límite inferior de la clase donde se encuentra el

cuartil, N es la suma de las frecuencias absolutas, Fi-1 es la frecuencia acumulada
anterior a la clase del cuartil, ai es la amplitud de la clase.
Ejemplo: Calcular los cuartiles de la distribución de la tabla:
fi Fi
[50 – 60) 8 8
[60 – 70) 10 18
[70 – 80) 16 34
[80 – 90) 14 48
[90 – 100) 10 58
[100 – 110) 5 63
[110 – 120) 2 65
65
 Cálculo del primer cuartil:

 Cálculo del segundo cuartil:
 Cálculo del tercer cuartil:

b.2. Deciles: Los deciles son los nueve valores que dividen la serie de datos en diez partes
iguales. Los deciles dan los valores correspondientes al 10%, al 20%... y al 90% de los
datos. D5 coincide con la mediana.
 Cálculo de los deciles: En primer lugar buscamos la clase donde se encuentra

, en la tabla de las frecuencias acumuladas.
; Donde: Li es el límite inferior de la clase donde se encuentra el

decil, N es la suma de las frecuencias absolutas, Fi-1 es la frecuencia acumulada
anterior a la clase el decil, ai es la amplitud de la clase.
Ejemplo: Calcular los deciles de la distribución de la tabla:
fi Fi
[50 – 60) 8 8
[60 – 70) 10 18
[70 – 80) 16 34
[80 – 90) 14 48
[90 – 100) 10 58
[100 – 110) 5 63
[110 – 120) 2 65
65
 Cálculo del primer decil:

 Cálculo del segundo decil:
 Cálculo del tercer decil:
 Cálculo del cuarto decil:
 Cálculo del quinto decil:
 Cálculo del sexto decil:
 Cálculo del séptimo decil:
 Cálculo del octavo decil:
 Cálculo del noveno decil:
b.3. Percentiles: Los percentiles son los 99 valores que dividen la serie de datos en 100
partes iguales. Los percentiles dan los valores correspondientes al 1%, al 2%... y al 99% de
los datos. P50 coincide con la mediana.
 Cálculo de los percentiles: En primer lugar buscamos la clase donde se encuentra

, en la tabla de las frecuencias acumuladas.
; Donde, Li es el límite inferior de la clase donde se encuentra el

percentil, N es la suma de las frecuencias absolutas, Fi-1 es la frecuencia
acumulada anterior a la clase del percentil, ai es la amplitud de la clase.

Ejemplo: Calcular el percentil 35 y 60 de la distribución de la tabla:
fi Fi
[50 – 60) 8 8
[60 – 70) 10 18
[70 – 80) 16 34
[80 – 90) 14 48
[90 – 100) 10 58
[100 – 110) 5 63
[110 – 120) 2 65
65
 Cálculo del Percentil 35:

 Cálculo del Percentil 60:
c.1. Desviación media
 Desviación respecto a la media: La desviación respecto a la media es la diferencia

en valor absoluto entre cada valor de la variable estadística y la media aritmética.
 Desviación media: La desviación media es la media aritmética de los valores

absolutos de las desviaciones respecto a la media. La desviación media se representa
por .
, o bien,
Ejemplo: Calcular la desviación media de la distribución: 9, 3, 8, 8, 9, 8, 9, 18
 Desviación media para datos agrupados: Si los datos vienen agrupados en una
tabla de frecuencias, la expresión de la desviación media es:
, o bien,
Ejemplo: Calcular la desviación media de la distribución:
xi fi Xi f i
[10 – 15) 12,5 3 37,5 9,286 27,858
[15 – 20) 17,5 5 87,5 4,286 21,430
[20 – 25) 22,5 7 157,5 0,714 4,998
[25 – 30) 27,5 4 110 5,714 22,856
[30 – 35) 32,5 2 65 10,174 21,428
21 457,5 98,57

c.2. Varianza: La varianza es la media aritmética del cuadrado de las desviaciones respecto
a la media de una distribución estadística. La varianza se representa por .
, o bien,
 Varianza para datos agrupados:

, o bien,
Para simplificar el cálculo de la varianza vamos a utilizar las siguientes expresiones que son
equivalentes a las anteriores.
, o bien,
 Varianza para datos agrupados
, o bien,
Ejemplo: Calcular la varianza de la distribución: 9, 3, 8, 8, 9, 8, 9, 18
Ejemplo: Calcular la varianza de la distribución de la tabla:
xi fi Xi fi Xi2 fi
[10 – 20) 15 1 15 225
[20 – 30) 25 8 200 5000
[30 – 40) 35 10 350 12250
[40 – 50) 45 9 405 18250
[50 – 60) 55 8 440 24200
[60 – 70) 65 4 260 16900
[70 – 80) 75 2 150 11250
42 1820 88050
Propiedades de la varianza
1. La varianza será siempre un valor positivo o cero, en el caso de que las puntuaciones
sean iguales.
2. Si a todos los valores de la variable se les suma un número la varianza no varía.
3. Si todos los valores de la variable se multiplican por un número la varianza queda
multiplicada por el cuadrado de dicho número.

4. Si tenemos varias distribuciones con la misma media y conocemos sus respectivas

varianzas se puede calcular la varianza total.
Si todas las muestras tienen el mismo tamaño:
Si las muestras tienen distinto tamaño:
Observaciones sobre la varianza
1. La varianza, al igual que la media, es un índice muy sensible a las puntuaciones

extremas.
2. En los casos que no se pueda hallar la media tampoco será posible hallar la varianza.
3. La varianza no viene expresada en las mismas unidades que los datos, ya que las
desviaciones están elevadas al cuadrado.
c.3. Desviación típica: La desviación típica es la raíz cuadrada de la varianza. Es decir, la

raíz cuadrada de la media de los cuadrados de las puntuaciones de desviación. La desviación
típica se representa por σ.
, o bien,
 Desviación típica para datos agrupados
, o bien,
Para simplificar el cálculo vamos o utilizar las siguientes expresiones que son equivalentes a
las anteriores.
, o bien,
 Desviación típica para datos agrupados
, o bien,
Ejemplo: Calcular la desviación típica de la distribución: 9, 3, 8, 8, 9, 8, 9, 18

Ejemplo: Calcular la desviación típica de la distribución de la tabla:
xi fi Xi fi Xi2 fi
[10 – 20) 15 1 15 225
[20 – 30) 25 8 200 5000
[30 – 40) 35 10 350 12250
[40 – 50) 45 9 405 18250
[50 – 60) 55 8 440 24200
[60 – 70) 65 4 260 16900
[70 – 80) 75 2 150 11250
42 1820 88050
Propiedades de la desviación típica
1. La desviación típica será siempre un valor positivo o cero, en el caso de que las
puntuaciones sean iguales.
2. Si a todos los valores de la variable se les suma un número la desviación típica no
varía.
3. Si todos los valores de la variable se multiplican por un número la desviación típica
queda multiplicada por dicho número.
4. Si tenemos varias distribuciones con la misma media y conocemos sus respectivas
desviaciones típicas se puede calcular la desviación típica total.
Si todas las muestras tienen el mismo tamaño:
Si las muestras tienen distinto tamaño:
Observaciones sobre la desviación típica
1. La desviación típica, al igual que la media y la varianza, es un índice muy sensible a

las puntuaciones extremas.
2. En los casos que no se pueda hallar la media tampoco será posible hallar la
desviación típica.
3. Cuanta más pequeña sea la desviación típica mayor será la concentración de datos
alrededor de la media.
Coeficiente de variación y puntuaciones típicas
 Coeficiente de variación: El coeficiente de variación es la relación entre la

desviación típica de una muestra y su media.
El coeficiente de variación se suele expresar en porcentajes:

El coeficiente de variación permite comparar las dispersiones de dos distribuciones

distintas, siempre que sus medias sean positivas.
Se calcula para cada una de las distribuciones y los valores que se obtienen se
comparan entre sí.
La mayor dispersión corresponderá al valor del coeficiente de variación mayor.
Ejemplo: Una distribución tiene x = 140 y σ = 28.28 y otra x = 150 y σ = 25. ¿Cuál de las
dos presenta mayor dispersión?
La primera distribución presenta mayor dispersión.
Puntuaciones típicas
 Puntuaciones diferenciales: Las puntuaciones diferenciales resultan de restarles a

las puntuaciones directas la media aritmética.
 Puntuaciones típicas: Las puntuaciones típicas son el resultado de dividir las

puntuaciones diferenciales entre la desviación típica. Este proceso se llama
tipificación. Las puntuaciones típicas se representan por z.
Observaciones sobre puntuaciones típicas
1. La media aritmética de las puntuaciones típicas es 0.

2. La desviación típica de las puntuaciones típicas es 1.
3. Las puntuaciones típicas son adimensionales, es decir, son independientes de las
unidades utilizadas.
4. Las puntuaciones típicas se utilizan para comparar las puntuaciones obtenidas en
distintas distribuciones.
Ejemplo: En una clase hay 15 alumnos y 20 alumnas. El peso medio de los alumnos es 58.2
kg y el de las alumnas y 54.4 kg. Las desviaciones típicas de los dos grupos son,
respectivamente, 3.1 kg y 5.1 kg. El peso de José es de 70 kg y el de Ana es 65 kg. ¿Cuál
de ellos puede, dentro del grupo de alumnos de su sexo, considerarse más grueso?
José es más grueso respecto de su grupo que Ana respecto al suyo.

EJERCICIOS Y PROBLEM AS
Ejercicios y problemas de Estadística I
1. Indica que variables son cualitativas y cuales cuantitativas:

a) Comida Favorita.
b) Profesión que te gusta.
c) Número de goles marcados por tu equipo favorito en la última temporada.
d) Número de alumnos de tu Instituto.
e) El color de los ojos de tus compañeros de clase.
f) Coeficiente intelectual de tus compañeros de clase.
2. De las siguientes variables indica cuáles son discretas y cuales continuas.

a) Número de acciones vendidas cada día en la Bolsa.
b) Temperaturas registradas cada hora en un observatorio.
c) Período de duración de un automóvil.
d) El diámetro de las ruedas de varios coches.
e) Número de hijos de 50 familias.
f) Censo anual de los españoles.
3. Clasificar las siguientes variables en cualitativas y cuantitativas discretas o continuas.

a) La nacionalidad de una persona.
b) Número de litros de agua contenidos en un depósito.
c) Número de libros en un estante de librería.
d) Suma de puntos tenidos en el lanzamiento de un par de dados.
e) La profesión de una persona.
f) El área de las distintas baldosas de un edificio.
4. Las puntuaciones obtenidas por un grupo en una prueba 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 y dibuja el polígono de frecuencias.
5. El número de estrellas de los hoteles de una ciudad viene dado por la siguiente serie:
3, 3, 4, 3, 4, 3, 1, 3, 4, 3, 3, 3, 2, 1, 3, 3, 3, 2, 3, 2, 2, 3, 3, 3, 2, 2, 2, 2, 2, 3, 2, 1,
1, 1, 2, 2, 4, 1.
Construir la tabla de distribución de frecuencias y dibuja el diagrama de barras.
6. Las calificaciones de 50 alumnos en Matemáticas han sido las siguientes:

5, 2, 4, 9, 7, 4, 5, 6, 5, 7, 7, 5, 5, 2, 10, 5, 6, 5, 4, 5, 8, 8, 4, 0, 8, 4, 8, 6, 6, 3, 6,
7, 6, 6, 7, 6, 7, 3, 5, 6, 9, 6, 1, 4, 6, 3, 5, 5, 6, 7.
Construir la tabla de distribución de frecuencias y dibuja el diagrama de barras.
7. Los pesos de los 65 empleados de una fábrica vienen dados por la siguiente tabla:
[50 – [60 – [70 – [80 – [90 – [100 – [110 –
Peso
60) 70) 80) 90) 100) 110) 120)
fi 8 10 16 14 10 5 2

a) Construir la tabla de frecuencias.

b) Representar el histograma y el polígono de frecuencias.
8. Los 40 alumnos de una clase han obtenido las siguientes puntuaciones, sobre 50, en
un examen de Física:
3, 15, 24, 28, 33, 35, 38, 42, 23, 38, 36, 34, 29, 25, 17, 7, 34, 36, 39, 44, 31, 26,
20, 11, 13, 22, 27, 47, 39, 37, 34, 32, 35, 28, 38, 41, 48, 15, 32, 13.
a) Construir la tabla de frecuencias.
b) Dibujar el histograma y el polígono de frecuencias.
9. Sea una distribución estadística que viene dada por la siguiente tabla:
xi 61 64 67 70 73
fi 5 18 42 27 8
Calcular: a) La moda, mediana y media.
b)El rango, desviación media, varianza y desviación típica.
10. Calcular la media, la mediana y la moda de la siguiente serie de números:

5, 3, 6, 5, 4, 5, 2, 8, 6, 5, 4, 8, 3, 4, 5, 4, 8, 2, 5, 4.
11. Hallar la varianza y la desviación típica de la siguiente serie de datos:

12, 6, 7, 3, 15, 10, 18, 5.
12. Hallar la media, mediana y moda de la siguiente serie de números:

3, 5, 2, 6, 5, 9, 5, 2, 8, 6.
13. Hallar la desviación media, la varianza y la desviación típica de la series de números

siguientes:
a) 2, 3, 6, 8, 11.
b) 12, 6, 7, 3, 15, 10, 18, 5.
14. Se ha aplicado un test a los empleados de una fábrica, obteniéndose la siguiente

tabla:
[38 – [44 – [50 – [56 – [62 – [68 – [74 –
44) 50) 56) 62) 68) 74) 80)
fi 7 8 15 25 18 9 6
Dibujar el histograma y el polígono de frecuencias acumuladas.
15. Dadas las series estadísticas: 3, 5, 2, 7, 6, 4, 9, 3, 5, 2, 7, 6, 4, 9, 1.

Calcular:
a) La moda, la mediana y la media.
b) La desviación media, la varianza y la desviación típica.
c) Los cuartiles 1º y 3º.
d) Los deciles 2º y 7º.
e) Los percentiles 32 y 85.

16. Una distribución estadística viene dada por la siguiente tabla:

[10 – 15) [15 – 20) [20 – 25) [25 – 30) [30 – 35)
fi 3 5 7 4 2
Hallar:
a) La moda, mediana y media.

b) El rango, desviación media y varianza.
c) Los cuartiles 1º y 3º.
d) Los deciles 3º y 6º.
e) Los percentiles 30 y 70.
17. Dada la distribución estadística:

[0 – 5) [5 – 10) [10 – 15) [15 – 20) [20 – 25) [25 - )
fi 3 5 7 8 2 6
Calcular:
a) La mediana y moda.
b) Cuartil 2º y 3º.
c) Media.
Ejercicios y problemas resueltos de Estadística II
1. A un conjunto de 5 números cuya media es 7.31 se le añaden los números 4.47 y

10.15. ¿Cuál es la media del nuevo conjunto de números?
2. Un dentista observa el número de caries en cada uno de los 100 niños de cierto
colegio. La información obtenida aparece resumida en la siguiente tabla:
Nº de caries fi ni
0 25 0.25
1 20 0.2
2 x z
3 15 0.15
4 y 0.05
a) Completar la tabla obteniendo los valores de x, y, z.

b) Hacer un diagrama de sectores.
c) Calcular el número medio de caries.
3. Se tiene el siguiente conjunto de 26 datos: 10, 13, 4, 7, 8, 11 10, 16, 18, 12, 3, 6, 9,
9, 4, 13, 20, 7, 5, 10, 17, 10, 16, 14, 8, 18.
Obtener su mediana y cuartiles.

4. Un pediatra obtuvo la siguiente tabla sobre los meses de edad de 50 niños de su

consulta en el momento de andar por primera vez:
Meses Niños
9 1
10 4
11 9
12 16
13 11
14 8
15 1
a) Dibujar el polígono de frecuencias.
b) Calcular la moda, la mediana, la media y la varianza.
5. Completar los datos que faltan en la siguiente tabla estadística:
Xi fi Fi ni
1 4 0,08
2 4
3 16 0,16
4 7 0,14
5 5 28
6 38
7 7 45
8
Calcular la media, mediana y moda de esta distribución.
6. Considérense los siguientes datos: 3, 8, 4, 10, 6, 2. Se pide:

a) Calcular su media y su varianza.
b) Si los todos los datos anteriores los multiplicamos por 3, cúal será la nueva media
y desviación típica.
7. El resultado de lanzar dos dados 120 veces viene dado por la tabla:
Sumas 2 3 4 5 6 7 8 9 10 11 12
Veces 3 8 9 11 20 19 16 13 11 6 4
a) Calcular la media y la desviación típica.
b) Hallar el porcentaje de valores comprendidos en el intervalo (x − σ, x + σ).
8. Las alturas de los jugadores de un equipo de baloncesto vienen dadas por la tabla:
[170 – [175 – [180 – [185 – [190 – [195 –

Altura
175) 180) 185) 190) 195) 200)
N°
1 3 4 8 5 2
jugadores

Calcular:
a) La media.
b) La mediana.
c) La desviación típica.
d) ¿Cuántos jugadores se encuentran por encima de la media más una desviación
típica?
9. Los resultados al lanzar un dado 200 veces vienen dados por la siguiente tabla:
1 2 3 4 5 6
fi a 32 35 33 b 35
Determinar a y b sabiendo que la puntuación media es 3.6.
10. El histograma de la distribución correspondiente al peso de 100 alumnos de

Bachillerato es el siguiente:
a) Formar la tabla de la distribución.

b) Si Andrés pesa 72 kg, ¿cuántos alumnos hay menos pesados que él?
c) Calcular la moda.
d) Hallar la mediana.
e) ¿A partir de que valores se encuentran el 25% de los alumnos más pesados?
11. De esta distribución de frecuencias absolutas acumuladas.

Calcular:
Edad Fi
[0 – 2) 4
[2 – 4) 11
[4 – 6) 24
[6 – 8) 34
[8 – 10) 40
a) Media aritmética y desviación típica.

b) ¿Entre qué valores se encuentran las 10 edades centrales?
c) Representar el polígono de frecuencias absolutas acumuladas.

12. Una persona A mide 1.75 m y reside en una ciudad donde la estatura media es de
1.60 m y la desviación típica es de 20 cm. Otra persona B mide 1.80 m y vive en una
ciudad donde la estatura media es de 1.70 m y la desviación típica es de 15 cm.
¿Cuál de las dos será más alta respecto a sus conciudadanos?
13. Un profesor ha realizado dos tests a un grupo de 40 alumnos, obteniendo los

siguientes resultados: para el primer test la media es 6 y la desviación típica 1.5.
Para el segundo test la media es 4 y la desviación típica 0.5.
Un alumno obtiene un 6 en el primero y un 5 en el segundo. En relación con el grupo,
¿en cuál de los dos tests obtuvo mejor puntuación?
14. La asistencia de espectadores a las 4 salas de un cine un determinado día fue de 200,
500, 300 y 1000 personas.
a) Calcular la dispersión del número de asistentes.
b) Calcular el coeficiente de variación.
c) Si el día del espectador acuden 50 personas más a cada sala, ¿qué efecto tendría
sobre la dispersión?

INFERENCIA ESTADÍSTI CA
Tipos de muestreo
 Inferencia estadística: Estudia como sacar conclusiones generales para toda la

población a partir del estudio de una muestra, y el grado de fiabilidad o significación
de los resultados obtenidos.
 Muestreo probabilístico: Consiste en elegir una muestra de una población al azar.

Podemos distinguir varios tipos de muestreo:
 Muestreo aleatorio simple: Para obtener una muestra, se numeran los

elementos de la población y se seleccionan al azar los n elementos que
contiene la muestra.
 Muestreo aleatorio sistemático: Se elige un individuo al azar y a partir de
él, a intervalos constantes, se eligen los demás hasta completar la muestra.
Por ejemplo si tenemos una población formada por 100 elementos y queremos
extraer una muestra de 25 elementos, en primer lugar debemos establecer el
intervalo de selección que será igual a 100/25 = 4. A continuación elegimos el
elemento de arranque, tomando aleatoriamente un número entre el 1 y el 4, y
a partir de él obtenemos los restantes elementos de la muestra: 2, 6, 10,
14,..., 98
 Muestreo aleatorio estratificado: Se divide la población en clases o
estratos y se escoge, aleatoriamente, un número de individuos de cada estrato
proporcional al número de componentes de cada estrato.
En una fábrica que consta de 600 trabajadores queremos tomar una muestra
de 20. Sabemos que hay 200 trabajadores en la sección A, 150 en la B, 150
en la C y 100 en la D.
Un muestreo puede hacerse con o sin reposición, y la población de partida puede ser infinita
o finita.
En todo nuestro estudio vamos a limitarnos a una población de partida infinita o a

muestreo con reposición.
Si consideramos todas las posibles muestras de tamaño n en una población, para cada
muestra podemos calcular un estadístico (media, desviación típica, proporción, ...) que
variará de una a otra. Así obtenemos una distribución del estadístico que se llama
distribución muestral.

Intervalos característicos: P[μ - k < x < μ + k] = p
Ejemplo: Hallar el intervalo característico de una distribución normal N(0, 1)

correspondiente a la probabilidad p = 0.9.
 El nivel de confianza (p) se designa mediante 1 - α.

 El nivel de significación se designa mediante α.
 El valor crítico (k) como z α/2 .
P(Z>z α/2) = α/2 P[-z α/2 < z < z α/2] = 1- α
 Valores críticos:
0,90 0,05 1,645
0,95 0,025 1,96
0,99 0,005 2,575
En una distribución N(μ, σ ) el intervalo característico correspondiente a una probabilidad p

= 1 - α es: (μ - z α/2 · σ , μ + z α/2 · σ )
Intervalos carácterísticos
0,90 0,05 1,645
0,95 0,025 1,96
0,99 0,005 2,575

Teorema central del límite: Si una población tiene media μ y desviación típica σ, y
tomamos muestras de tamaño n (n>30, ó cualquier tamaño si la población es "normal"), las
medias de estas muestras siguen aproximadamente la distribución:
Consecuencias:
1. Permite averiguar la probabilidad de que la media de una muestra concreta esté

en un cierto intervalo.
2. Permite calcular la probabilidad de que la suma de los elementos de una muestra
esté, a priori, en un cierto intervalo. .
3. Inferir la media de la población a partir de una muestra.
Ejemplo: Las bolsas de sal envasadas por una máquina tienen μ = 500 g y σ = 35 g. Las
bolsas se empaquetaron en cajas de 100 unidades.
1. Calcular la probabilidad de que la media de los pesos de las bolsas de un paquete sea
menor que 495 g.
2. Calcular la probabilidad de que una caja 100 de bolsas pese más de 51 kg.
Estimación de parámetros: Es el procedimiento utilizado para conocer las características

de un parámetro poblacional, a partir del conocimiento de la muestra.
Con una muestra aleatoria, de tamaño n, podemos efectuar una estimación de un valor de
un parámetro de la población; pero también necesitamos precisar un:
 Intervalo de confianza: Se llama así a un intervalo en el que sabemos que está un

parámetro, con un nivel de confianza específico.
 Nivel de confianza: Probabilidad de que el parámetro a estimar se encuentre en el

intervalo de confianza.
 Error de estimación admisible: Que estará relacionado con el radio del intervalo
de confianza.

Estimación de la media de una población
 Intervalo de confianza para la media: El intervalo de confianza, para la media de

una población, con un nivel de confianza de 1- α , siendo x la media de una muestra
de tamaño n y σ la desviación típica de la población, es:
 El error máximo de estimación es: . Cuanto mayor sea el tamaño de la

muestra, n, menor es el error. Cuanto mayor sea el nivel de confianza, 1-α, mayor es
el error.
 Tamaño de la muestra: . Si aumentamos el nivel de confianza, aumenta

el tamaño de la muestra. Si disminuimos el error, tenemos que aumentar el tamaño
de la muestra.
Ejemplo: El tiempo que tardan las cajeras de un supermercado en cobrar a los clientes
sigue una ley normal con media desconocida y desviación típica 0,5 minutos. Para una
muestra aleatoria de 25 clientes se obtuvo un tiempo medio de 5,2 minutos.
1. Calcula el intervalo de confianza al nivel del 95% para el tiempo medio que se tarda
en cobrar a los clientes.
2. Indica el tamaño muestral necesario para estimar dicho tiempo medio con un el error
de ± 0,5 minutos y un nivel de confianza del 95%.
Respuesta: n≥4
Estimación de una proporción: Si en una población, una determinada característica se

presenta en una proporción p, la proporción p', de individuos con dicha característica en las
muestras de tamaño n, se distribuirán según:

 Intervalo de confianza para una proporción:
 El error máximo de estimación es:
Ejemplo: En una fábrica de componentes electrónicos, la proporción de componentes finales

defectuosos era del 20%. Tras una serie de operaciones e inversiones destinadas a mejorar
el rendimiento se analizó una muestra aleatoria de 500 componentes, encontrándose que 90
de ellos eran defectuosos. ¿Qué nivel de confianza debe adoptarse para aceptar que el
rendimiento no ha sufrido variaciones?
Nivel de confianza: 73.72%
Contrastes de hipótesis
 Hipótesis estadísticas: Un test estadístico es un procedimiento para, a partir de

una muestra aleatoria y significativa, extraer conclusiones que permitan aceptar o
rechazar una hipótesis previamente emitida sobre el valor de un parámetro
desconocido de una población.
La hipótesis emitida se designa por H0 y se llama hipótesis nula. La hipótesis
contraria se designa por H1 y se llama hipótesis alternativa.
Contrastes de hipótesis
1. Enunciar la hipótesis nula H0 y la alternativa H1.

Bilateral
Unilateral
2. A partir de un nivel de confianza o el de significación . Determinar:

 El valor zα/2 (bilaterales), o bien zα (unilaterales)
 La zona de aceptación del parámetro muestral ( o p').
3. Calcular: x o p', a partir de la muestra.
4. Si el valor del parámetro muestral está dentro de la zona de la aceptación, se acepta

la hipótesis con un nivel de significación α. Si no, se rechaza.

 Contraste Bilateral: Se presenta cuando la hipótesis nula es del tipo H0: μ = k (o

bien H0: p = k) y la hipótesis alternativa, por tanto, es del tipo H1: μ≠ k (o bien H1:
p≠ k).
El nivel de significación se concentra en dos partes (o colas) simétricas respecto

de la media.
 La región de aceptación en este caso no es más que el correspondiente intervalo de

probabilidad para o p', es decir:
, o bien:
Ejemplo: Se sabe que la desviación típica de las notas de cierto examen de Matemáticas es
2,4. Para una muestra de 36 estudiantes se obtuvo una nota media de 5,6. ¿Sirven estos
datos para confirmar la hipótesis de que la nota media del examen fue de 6, con un nivel de
confianza del 95%?
1. Enunciamos las hipótesis nula y alternativa:

 H0 : μ = 6 La nota media no ha variado.
 H1 : μ ≠ 6 La nota media ha variado.
2. Zona de aceptación: Para = 0.05, le corresponde un valor crítico: zα/2 = 1.96.
Determinamos el intervalo de confianza para la media:
3. Verificación: Valor obtenido de la media de la muestra: 5,6 .

4. Decisión: Aceptamos la hipótesis nula H0, con un nivel de significación del 5%.
 Contraste unilateral
 Caso 1
 La hipótesis nula es del tipo H0: μ ≥ k (o bien H0: p ≥ k).
 La hipótesis alternativa, por tanto, es del tipo H1: μ < k (o bien H1: p < k).
Valores críticos
0,90 0,10 1,28

0,95 0,05 1,645
0,99 0,01 2,33

 El nivel de significación α se concentra en una parte o cola. La región de aceptación

en este caso será: , o bien:
Ejemplo: Un sociólogo ha pronosticado, que en una determinada ciudad, el nivel de

abstención en las próximas elecciones será del 40% como mínimo. Se elige al azar una
muestra aleatoria de 200 individuos, con derecho a voto, 75 de los cuales estarían
dispuestos a votar. Determinar con un nivel de significación del 1%, si se puede admitir el
pronóstico.

 H0 : p ≥ 0.40. La abstención será como mínimo del 40%.
 H1 : p < 0.40. La abstención será como máximo del 40%;
2. Zona de aceptación: Para α = 0.01, le corresponde un valor crítico: zα = 2.33.
Determinamos el intervalo de confianza para la media:
3. Verificación.
4. Decisión: Aceptamos la hipótesis nula H0. Podemos afirmar, con un nivel de

significación del 1%, que la La abstención será como mínimo del 40%.
 Caso 2
 La hipótesis nula es del tipo H0: μ ≤ k (o bien H0: p ≤ k).
 La hipótesis alternativa, por tanto, es del tipo H1: μ > k (o bien H1: p > k).
El nivel de significación α se concentra en la otra parte o cola. La región de aceptación en

este caso será: , o bien:

Ejemplo: Un informe indica que el precio medio del billete de avión entre Canarias y Madrid
es, como máximo, de 120 € con una desviación típica de 40 €. Se toma una muestra de 100
viajeros y se obtiene que la media de los precios de sus billetes es de 128 €.
¿Se puede aceptar, con un nivel de significación igual a 0,1, la afirmación de partida?

 H0 : μ ≤ 120
 H1 : μ > 120
2. Zona de aceptación: Para α = 0.1, le corresponde un valor crítico: zα = 1.28.
Determinamos el intervalo de confianza: ,
3. Verificación: Valor obtenido de la media de la muestra: 128 € .
4. Decisión: No aceptamos la hipótesis nula H0. Con un nivel de significación del

10%.
Errores de tipo I y tipo II
 Error de tipo I. Se comete cuando la hipótesis nula es verdadera y, como

consecuencia del contraste, se rechaza.
 Error de tipo II. Se comete cuando la hipótesis nula es falsa y, como
consecuencia del contraste se acepta.
H0 Verdadera Falsa
Acepta Decisión correcta Decisión incorrecta
Probabilidad=1- Error de tipo II
Rechaza Error de tipo I Decisión correcta
Probabilidad =
La probabilidad de cometer Error de tipo I es el nivel de significación α. La

probabilidad de cometer Error de tipo II depende del verdadero valor del parámetro. Se
hace tanto menor cuanto mayor sea n.
Inferencia estadística I.
1. En cierto barrio se quiere hacer un estudio para conocer mejor el tipo de actividades
de ocio que gustan más a sus habitantes. Para ello van a ser encuestados 100
individuos elegidos al azar.
a) Explicar qué procedimiento de selección sería más adecuado utilizar: muestreo

con o sin reposición. ¿Por qué?

b) Como los gustos cambian con la edad y se sabe que en el barrio viven 2.500
niños, 7.000 adultos y 500 ancianos, posteriormente se decide elegir la muestra
anterior utilizando un muestreo estratificado. Determinar el tamaño muestral
correspondiente a cada estrato.
2. Sea la población de elementos: {22,24, 26}.

a) Escriba todas las muestras posibles de tamaño dos, escogidas mediante
muestreo aleatorio simple.
b) Calcule la varianza de la población.
c) Calcule la varianza de las medias muestrales.
3. La variable altura de las alumnas que estudian en una escuela de idiomas sigue una
distribución normal de media 1,62 m y la desviación típica 0,12 m. ¿Cuál es la
probabilidad de que la media de una muestra aleatoria de 100 alumnas sea mayor
que 1.60 m?
4. Se ha tomado una muestra de los precios de un mismo producto alimenticio en 16

comercios, elegidos al azar en un barrio de una ciudad, y se han encontrado los
siguientes precios:
95, 108, 97, 112, 99, 106, 105, 100, 99, 98, 104, 110, 107, 111, 103, 110.
Suponiendo que los precios de este producto se distribuyen según una ley normal de
varianza 25 y media desconocida:
a) ¿Cuál es la distribución de la media muestral?
b) Determine el intervalo de confianza, al 95%, para la media poblacional.
5. La media de las estaturas de una muestra aleatoria de 400 personas de una ciudad
es 1,75 m. Se sabe que la estatura de las personas de esa ciudad es una variable
aleatoria que sigue una distribución normal con varianza σ2 = 0,16 m2.
a) Construye un intervalo, de un 95% de confianza, para la media de las estaturas

de la población.
b) ¿Cuál sería el mínimo tamaño muestral necesario para que pueda decirse que la
verdadera media de las estaturas está a menos de 2 cm de la media muestral,
con un nivel de confianza del 90%?
6. Las ventas mensuales de una tienda de electrodomésticos se distribuyen según una

ley normal, con desviación típica 900 €. En un estudio estadístico de las ventas
realizadas en los últimos nueve meses, se ha encontrado un intervalo de confianza
para la media mensual de las ventas, cuyos extremos son 4 663 € y 5 839 €.
a) ¿Cuál ha sido la media de las ventas en estos nueve meses?
b) ¿Cuál es el nivel de confianza para este intervalo?
7. Se desea estimar la proporción, p, de individuos daltónicos de una población a través

del porcentaje observado en una muestra aleatoria de individuos, de tamaño n.

a) Si el porcentaje de individuos daltónicos en la muestra es igual al 30%, calcula el

valor de n para que, con un nivel de confianza de 0,95, el error cometido en la
estimación sea inferior al 3,1%.
b) Si el tamaño de la muestra es de 64 individuos, y el porcentaje de individuos
daltónicos en la muestra es del 35%, determina, usando un nivel de significación
del 1%, el correspondiente intervalo de confianza para la proporción de daltónicos
de la población.
8. En una población una variable aleatoria sigue una ley normal de media desconocida y
desviación típica 2.
a) Observada una muestra de tamaño 400, tomada al azar, se ha obtenido una
media muestra al igual a 50. ¿Calcule un intervalo, con el 97 % de confianza, para
la media de la población.
b) Con el mismo nivel de confianza, ¿qué tamaño mínimo debe tener la muestra para
qué la amplitud del intervalo que se obtenga sea, como máximo, 1?
9. Una marca de nueces afirma que, como máximo, el 6% de las nueces están vacías.
Se eligieron 300 nueces al azar y se detectaron 21 vacías.
a) Con un nivel de significación del 1%, ¿se puede aceptar la afirmación de la marca?
b) Si se mantiene el porcentaje muestral de nueces que están vacías y 1-α = 0.95,
¿qué tamaño muestral se necesitaría para estimar la proporción de nueces con un
error menor del 1% por ciento?
10. La duración de la bombillas de 100 W que fabrica una empresa sigue una distribución
normal con una desviación típica de 120 horas de duración. Su vida media está
garantizada durante un mínimo de 800 horas. Se escoge al azar una muestra de 50
bombillas de un lote y, después de comprobarlas, se obtiene una vida media de 750
horas. Con un nivel de significación de 0,01, ¿habría que rechazar el lote por no
cumplir la garantía?
Inferencia II.
1. En cierta cadena de centros comerciales trabajan 150 personas en el departamento

de personal, 450 en el departamento de ventas, 200 en el departamento de
contabilidad y 100 en el departamento de atención al cliente. Con objeto de realizar
una encuesta laboral, se quiere seleccionar una muestra de 180 trabajadores.
a) ¿Qué tipo de muestreo deberíamos utilizar para la selección de la muestra si
queremos que incluya a trabajadores de los cuatro departamentos mencionados?
b) ¿Qué número de trabajadores tendríamos que seleccionar en cada departamento
atendiendo a un criterio de proporcionalidad?
2. La cantidad de hemoglobina en sangre del hombre sigue una ley normal con una
desviación típica de 2g/dl. Calcule el nivel de confianza de una muestra de 12
extracciones de sangre que indique que la media poblacional de hemoglobina en
sangre está entre 13 y 15 g/dl.

3. Un fabricante de lámparas eléctricas está ensayando un nuevo método de producción

que se considerará aceptable si las lámparas obtenidas por este método dan lugar a
una población normal de duración media 2400 horas, con una desviación típica igual
a 300. Se toma una muestra de 100 lámparas producidas por este método y esta
muestra tiene una duración media de 2320 horas. ¿Se puede aceptar la hipótesis de
validez del nuevo proceso de fabricación con un riesgo igual o menor al 5%?
4. El control de calidad una fábrica de pilas y baterías sospecha que hubo defectos en la
producción de un modelo de batería para teléfonos móviles, bajando su tiempo de
duración. Hasta ahora el tiempo de duración en conversación seguía una distribución
normal con media 300 minutos y desviación típica 30 minutos. Sin embargo, en la
inspección del último lote producido, antes de enviarlo al mercado, se obtuvo que de
una muestra de 60 baterías el tiempo medio de duración en conversación fue de 290
minutos. Suponiendo que ese tiempo sigue siendo Normal con la misma desviación
típica: ¿Se puede concluir que las sospechas del control de calidad son ciertas a un
nivel de significación del 1%?
5. Se cree que el nivel medio de protombina en una población normal es de 20 mg/100

ml de plasma con una desviación típica de 4 miligramos/100 ml. Para comprobarlo,
se toma una muestra de 40 individuos en los que la media es de 18.5 mg/100 ml.
¿Se puede aceptar la hipótesis, con un nivel de significación del 5%?

COMBINATORIA
Conceptos de combinatoria: En todo problema combinatorio hay varios conceptos claves

que debemos distinguir:
 Población: Es el conjunto de elementos que estamos estudiando. Denominaremos

con m al número de elementos de este conjunto.
 Muestra: Es un subconjunto de la población. Denominaremos con n al número de

elementos que componen la muestra. Los diferentes tipos de muestra vienen
determinados por dos aspectos:
 Orden: Es decir, si es importante que los elementos de la muestra aparezcan

ordenados o no.
 Repetición: La posibilidad de repetición o no de los elementos.
Factorial de un número natural: Es el producto de los “n” factores consecutivos desde “n”
hasta 1. El factorial de un número se denota por n!.
Ejemplo: Calcular factorial de 5.
 Variaciones: Se llama variaciones ordinarias de m elementos tomados de n en n (m ≥

n) a los distintos grupos formados por n elementos de forma que:
 No entran todos los elementos.
 Sí importa el orden.
 No se repiten los elementos.

 También podemos calcular las variaciones mediante factoriales:
 Las variaciones se denotan por
Ejemplos:
a) Calcular las variaciones de 6 elementos tomados de tres en tres.


b) ¿Cuántos números de tres cifras diferentes se puede formar con los dígitos: 1, 2, 3,
4, 5 ?
 m = 5n = 3 m ≥ n
 No entran todos los elementos. De 5 dígitos entran sólo 3.
 Sí importa el orden. Son números distintos el 123, 231, 321.
 No se repiten los elementos. El enunciado nos pide que las cifras sean diferentes.


c) ¿Cuántos números de tres cifras diferentes se puede formar con los dígitos: 0, 1, 2,
3, 4, 5 ?
 m = 6n = 3 m ≥ n
 Tenemos que separar el número en dos bloques:
El primer bloque, de un número, lo puede ocupar sólo uno de 5 dígitos porque un
número no comienza por cero (excepto los de las matriculas, los de la lotería y otros
casos particulares),
 m=5 n=1
El segundo bloque, de dos números, lo puede ocupar cualquier dígito menos el inicial.
 m=5 n=2

d) A un concurso literario se han presentado 10 candidatos con sus novelas. El cuadro

de honor lo forman el ganador, el finalista y un accésit.¿Cuántos cuadros de honor se
pueden formar?
 m = 10n = 3
 No entran todos los elementos. De 10 candidatos entran sólo 3.
 Sí importa el orden. No es lo mismo quedar ganador que finalista.
 No se repiten los elementos. Suponemos que cada candidato presenta una sola obra.

 Variaciones con repetición: Se llaman variaciones con repetición de m elementos

tomados de n en n a los distintos grupos formados por n elementos de manera que:
 No entran todos los elementos si m > n.
 Sí pueden entrar todos los elementos si m ≤ n
 Sí se repiten los elementos.

Ejemplos:
a) ¿Cuántos números de tres cifras se puede formar con los dígitos: 1, 2, 3, 4, 5 ?

 m=5 n=3
 No entran todos los elementos. De 5 dígitos entran sólo 3.
 Sí importa el orden. Son números distintos el 123, 231, 321.

b) ¿Cuántos números de tres cifras se puede formar con los dígitos: 0, 1, 2, 3, 4, 5?

 m=6 n=3
 Tenemos que separar el número en dos bloques:
El primer bloque, de un número, lo puede ocupar sólo uno de 5 dígitos porque un
número no comienza por cero (excepto los de las matriculas, los de la lotería y otros
casos particulares).
 m=5 n=1
 El segundo bloque, de dos números, lo puede ocupar cualquier dígito.
 m=6 n=2

c) ¿Cuántas quinielas de una columna han de rellenarse para asegurarse el acierto de

los 15 resultados?
 m=3 n = 15 m<n
 Sí entran todos los elementos. En este caso el número de orden es mayor que el
número de elementos.

 Permutaciones: Se llama permutaciones de m elementos (m = n) a las diferentes

agrupaciones de esos m elementos de forma que:
 Sí entran todos los elementos.

Ejemplos:
a) Calcular las permutaciones de 6 elementos.
b) ¿Cuántos números de 5 cifras diferentes se puede formar con los dígitos: 1, 2, 3, 4,

5?
 m=5 n=5
 No se repiten los elementos. El enunciado nos pide que las cifras sean diferentes.
c) ¿De cuántas formas distintas pueden sentarse ocho personas en una fila de butacas?
 Sí entran todos los elementos. Tienen que sentarse las 8 personas.
 No se repiten los elementos. Una persona no se puede repetir.
 Permutaciones circulares: Es un caso particular de las permutaciones. Se utilizan

cuando los elementos se han de ordenar "en círculo", (por ejemplo, los comensales en
una mesa), de modo que el primer elemento que "se sitúe" en la muestra determina el
principio y el final de muestra.
Ejemplos:
a) Calcular las permutaciones circulares de 7 elementos.

b) ¿De cuántas formas distintas pueden sentarse ocho personas alrededor de una mesa
redonda?
 Permutaciones con repetición: Permutaciones con repetición de n elementos donde

el primer elemento se repite a veces , el segundo b veces , el tercero c veces, ...
entonces, n = a + b + c + ...
Son los distintos grupos que pueden formarse con esos n elementos de forma que :

Ejemplos
a) Calcular las permutaciones con repetición de: .
b) Con las cifras 2, 2, 2, 3, 3, 3, 3, 4, 4; ¿cuántos números de nueve cifras se pueden

formar?
 m=9 a=3 b=4 c=2 a+b+c=9
c) En el palo de señales de un barco se pueden izar tres banderas rojas, dos azules y
cuatro verdes. ¿Cuántas señales distintas pueden indicarse con la colocación de las
nueve banderas?
 Combinaciones: Se llama combinaciones de m elementos tomados de n en n (m ≥ n) a

todas las agrupaciones posibles que pueden hacerse con los m elementos de forma que:
 No importa el orden.

 También podemos calcular las combinaciones mediante factoriales:

 Las combinaciones se denotan por
Ejemplos:
a) Calcular el número de combinaciones de 10 elementos tomados de 4 en 4.
b) En una clase de 35 alumnos se quiere elegir un comité formado por tres alumnos.
¿Cuántos comités diferentes se pueden formar?
 No importa el orden: Juan, Ana.

 Combinaciones con repetición: Las combinaciones con repetición de m elementos

tomados de n en n (m ≥ n), son los distintos grupos formados por n elementos de
manera que:
 No importa el orden.
Ejemplo: En una bodega hay en un cinco tipos diferentes de botellas. ¿De cuántas formas
se pueden elegir cuatro botellas?
 No entran todos los elementos. Sólo elije 4..

 No importa el orden. Da igual que elija 2 botellas de anís y 2 de ron, que 2 de ron y
2 de anís.
 Sí se repiten los elementos. Puede elegir más de una botella del mismo tipo.
 Números combinatorios: El número se llama también número combinatorio. Se

representa por y se lee "m sobre n".
Ejemplo:
Propiedades de los números combinatorios:
1.
2.

Los números de este tipo se llaman complementarios.
3.
Ejemplo: Hallar el número de combinaciones de 75 elementos de orden 72.
 Triángulo de Pascal o de Tartaglia: El triángulo de números combinatorios de

Tartaglia o de Pascal (debido a que fue este matemático quien lo popularizó) es un
triángulo de números enteros, infinito y simétrico, del que podemos ver sus primeras
líneas:
Propiedades del Triángulo de Pascal o de Tartaglia
1. El número superior es un 1, la segunda fila corresponde a los números combinatorios

de 1, la tercera de 2, la cuarta de 3 y así sucesivamente.
2. Todas las filas empiezan y acaban en 1.
3. Todas las filas son simétricas.
4. Cada número se obtiene sumando los dos que están situados sobre él.
 Aplicando estas propiedades podemos escribir el triángulo de Pascal:

 El triángulo de Pascal o de Tartaglia nos será muy útil para calcular los coeficientes
del binomio de Newton.
 Binomio de Newton: La fórmula que nos permite hallar las potencias de un binomio
se conoce como binomio de Newton.
Podemos observar que:
 El número de términos es n+1.

 Los coeficientes son números combinatorios que corresponden a la fila enésima del
triángulo de Tartaglia.
→ En el desarrollo del binomio los exponentes de a van disminuyendo, de uno en uno,

de n a cero; y los exponentes de b van aumentando, de uno en uno, de cero a n, de
tal manera que la suma de los exponentes de a y de b en cada término es igual a n.
→ En el caso que uno de los términos del binomio sea negativo, se alternan los signos
positivos y negativos.
Ejemplo del binomio de Newton
a)
b)
 Cálculo del término que ocupa el lugar k:

Ejemplos:
a) El término quinto del desarrollo de es:

b) El término cuarto del desarrollo de es:
c) Hallar el término octavo del desarrollo de es:
Ejercicios de Combinatoria I
1. ¿De cuántas formas diferentes se pueden cubrir los puestos de presidente,

vicepresidente y tesorero de un club de fútbol sabiendo que hay 12 posibles
candidatos?
2. Con las letras de la palabra libro, ¿cuántas ordenaciones distintas se pueden hacer
que empiecen por vocal?
3. ¿De cuántas formas pueden mezclarse los siete colores del arco iris tomándolos de
tres en tres?
4. ¿Cuántos números de cinco cifras distintas se pueden formar con las cifras impares?
¿Cuántos de ellos son mayores de 70.000?
5. ¿De cuántos partidos consta una liguilla formada por cuatro equipos?
6. A una reunión asisten 10 personas y se intercambian saludos entre todos. ¿Cuántos

saludos se han intercambiado?
7. Con las cifras 1, 2 y 3, ¿cuántos números de cinco cifras pueden formarse? ¿Cuántos
son pares?
8. ¿Cuántas apuestas de Lotería Primitiva de una columna han de rellenarse para

asegurarse el acierto de los seis resultados, de 49?
9. ¿De cuántas formas pueden colocarse los 11 jugadores de un equipo de fútbol

teniendo en cuenta que el portero no puede ocupar otra posición distinta de la
portería?
10. Con el punto y raya del sistema Morse, ¿cuántas señales distintas se pueden enviar,
usando como máximo cuatro pulsaciones?

11. Una mesa presidencial está formada por ocho personas, ¿de cuántas formas distintas
se pueden sentar, si el presidente y el secretario siempre van juntos?
12. ¿Cuántas diagonales tiene un pentágono y cuántos triángulos se puede informar con
sus vértices?
13. Un grupo, compuesto por cinco hombres y siete mujeres, forma un comité de 2
hombres y 3 mujeres. De cuántas formas puede formarse, si:
a) Puede pertenecer a él cualquier hombre o mujer.
b) Una mujer determinada debe pertenecer al comité.
c) Dos hombres determinados no pueden estar en el comité.
Combinatoria. Ejercicios II
1. Halla el número de capicúas de ocho cifras. ¿Cuántos capicúas hay de nueve cifras?
2. Cuatro libros distintos de matemáticas, seis diferentes de física y dos diferentes de

química se colocan en un estante. De cuántas formas distintas es posible ordenarlos
si:
a) Los libros de cada asignatura deben estar todos juntos.
b) Solamente los libros de matemáticas deben estar juntos.
3. Una persona tiene cinco monedas de distintos valores. ¿Cuántas sumas diferentes de
dinero puede formar con las cinco monedas?
4. Se ordenan en una fila 5 bolas rojas, 2 bolas blancas y 3 bolas azules. Si las bolas de
igual color no se distinguen entre sí, ¿de cuántas formas posibles pueden ordenarse?
5. Resolver las ecuaciones combinatorias:

a)
b)
c)
d)

a)
b)
c)

a)
b)
c)

a)

b)
c)
d)

PROBABILIDAD
Definición de probabilidad: La probabilidad de un suceso es un número, comprendido

entre 0 y 1, que indica las posibilidades que tiene de verificarse cuando se realiza un
experimento aleatorio.
 Experimentos deterministas: Son los experimentos de los que podemos predecir

el resultado antes de que se realicen.
Ejemplo: Si dejamos caer una piedra desde una ventana sabemos, sin lugar a dudas, que la
piedra bajará. Si la arrojamos hacia arriba, sabemos que subirá durante un determinado
intervalo de tiempo; pero después bajará.
 Experimentos aleatorios: Son aquellos en los que no se puede predecir el

resultado, ya que éste depende del azar.
Ejemplos: Si lanzamos una moneda no sabemos de antemano si saldrá cara o cruz. Si

lanzamos un dado tampoco podemos determinar el resultado que vamos a obtener.
Teoría de probabilidades: La teoría de probabilidades se ocupa de asignar un cierto

número a cada posible resultado que pueda ocurrir en un experimento aleatorio, con el fin
de cuantificar dichos resultados y saber si un suceso es más probable que otro. Con este fin,
introduciremos algunas definiciones:
 Suceso: Es cada uno de los resultados posibles de una experiencia aleatoria. Por
ejemplo: Al lanzar una moneda salga cara. Al lanzar una moneda se obtenga 4.
 Espacio muestral: Es el conjunto de todos los posibles resultados de una

experiencia aleatoria, lo representaremos por E (o bien por la letra griega Ω).
Espacio muestral de una moneda: E = {C, X}.
Espacio muestral de un dado: E = {1, 2, 3, 4, 5, 6}.
 Suceso aleatorio: Suceso aleatorio es cualquier subconjunto del espacio muestral.

Por ejemplo al tirar un dado un suceso sería que saliera par, otro, obtener múltiplo
de 3, y otro, sacar 5.
Ejemplo: Una bolsa contiene bolas blancas y negras. Se extraen sucesivamente tres bolas.
Calcular:
a) El espacio muestral.
→ E = {(b,b,b); (b,b,n); (b,n,b); (n,b,b); (b,n,n); (n,b,n); (n,n ,b); (n, n,n)}
b) El suceso A = {extraer tres bolas del mismo color}.

→ A = {(b,b,b); (n, n,n)}
c) El suceso B = {extraer al menos una bola blanca}.

→ B= {(b,b,b); (b,b,n); (b,n,b); (n,b,b); (b,n,n); (n,b,n); (n,n ,b)}

d) El suceso C = {extraer una sola bola negra}.

→ C = {(b,b,n); (b,n,b); (n,b,b)}
Tipos de sucesos:
 Suceso elemental: Suceso elemental es cada uno de los elementos que forman
parte del espacio muestral. Por ejemplo al tirar un dado un suceso elemental es sacar
5.
 Suceso compuesto: Suceso compuesto es cualquier subconjunto del espacio

muestral. Por ejemplo al tirar un dado un suceso sería que saliera par, otro, obtener
múltiplo de 3.
 Suceso seguro: Suceso seguro, E, está formado por todos los posibles resultados
(es decir, por el espacio muestral). Por ejemplo al tirar un dado un dado obtener una
puntuación que sea menor que 7.
 Suceso imposible: Suceso imposible, , es el que no tiene ningún elemento. Por

ejemplo al tirar un dado obtener una puntuación igual a 7.
 Sucesos compatibles: Dos sucesos, A y B, son compatibles cuando tienen algún

suceso elemental común. Por ejemplo, si A es sacar puntuación par al tirar un dado y
B es obtener múltiplo de 3, A y B son compatibles porque el 6 es un suceso elemental
común.
 Sucesos incompatibles: Dos sucesos, A y B, son incompatibles cuando no tienen

ningún elemento en común. Por ejemplo, si A es sacar puntuación par al tirar un
dado y B es obtener múltiplo de 5, A y B son incompatibles.
 Sucesos independientes: Dos sucesos, A y B, son independientes cuando la

probabilidad de que suceda A no se ve afectada porque haya sucedido o no B. Por
ejemplo, Al lazar dos dados los resultados son independientes.
 Sucesos dependientes: Dos sucesos, A y B, son dependientes cuando la

probabilidad de que suceda A se ve afectada porque haya sucedido o no B. Por
ejemplo, Extraer dos cartas de una baraja, sin reposición, son sucesos dependientes.
 Suceso contrario: El suceso contrario a A es otro suceso que se realiza cuando no

se realiza A. Se denota por . Por ejemplo, Son sucesos contrarios sacar par e impar
al lanzar un dado.
Espacio de sucesos: Espacio de sucesos, S, es el conjunto de todos los sucesos

aleatorios. Si tiramos una moneda el espacio se sucesos está formado por:
 .
Observamos que el primer elemento es el suceso imposible y el último el suceso
seguro.

Si E tiene un número finito de elementos, n, el número de sucesos de E es 2n .
 Una moneda E= {C, X}.

 Número de sucesos = 22 =4
 Dos monedas E= {(C,C); (C,X); (X,C); (X,X)}.
 Número de sucesos = 24 =16
 Un dado E = {1, 2, 3, 4, 5, 6}.
 Número de sucesos = 26 = 64
Unión de sucesos: La unión de sucesos, A B, es el suceso formado por todos los

elementos de A y de B. Es decir, el suceso A B se verifica cuando ocurre uno de los dos, A
o B, o ambos. A B se lee como "A o B".
Ejemplo: Consideramos el experimento que consiste en lanzar un dado, si A = "sacar par" y

B = "sacar múltiplo de 3". Calcular A B.
→ A = {2, 4, 6}
→ B = {3, 6}
→ A B = {2, 3, 4, 6}
Propiedades de la unión de sucesos
 Conmutativa:
 Asociativa:
 Idempotente:
 Simplificación:
 Distributiva:
 Elemento neutro:
 Absorción:
Intersección de sucesos: La intersección de sucesos, A B, es el suceso formado por

todos los elementos que son, a la vez, de A y B. Es decir, el suceso A B se verifica cuando
ocurren simultáneamente A y B. A B se lee como "A y B".

B = "sacar múltiplo de 3". Calcular A B.
→ A = {2, 4, 6}
→ B = {3, 6}
→ A B = {6}
Propiedades de la intersección de sucesos
 Conmutativa:
 Asociativa:
 Idempotente:
 Simplificación:
 Distributiva:

 Elemento neutro:
 Absorción:
Diferencia de sucesos: La diferencia de sucesos, A − B, es el suceso formado por todos

los elementos de A que no son de B. Es decir, la diferencia de los sucesos A y B se
verifica cuando lo hace A y no B. A − B se lee como "A menos B".

B = "sacar múltiplo de 3". Calcular A − B.
→ A = {2, 4, 6}
→ B = {3, 6}
→ A − B = {2, 4}
Propiedad:
Sucesos contrarios: El suceso , se llama suceso contrario o complementario de

A. Es decir, se verifica siempre y cuando no se verifique A.
Ejemplo: Consideramos el experimento que consiste en lanzar un dado, si A = "sacar par".

Calcular .
→ A = {2, 4, 6}
→ = {1, 3, 5}
Propiedades:





 Leyes de Morgan:
Propiedades de la probabilidad
 Axiomas de la probabilidad
1. La probabilidad es positiva y menor o igual que 1. 0 ≤ p(A) ≤ 1
2. La probabilidad del suceso seguro es 1. p(E) = 1
3. Si A y B son incompatibles, es decir A B = entonces:
 Propiedades de la probabilidad
1. La suma de las probabilidades de un suceso y su contrario vale 1, por tanto la
probabilidad del suceso contrario es:
2. Probabilidad del suceso imposible es cero.
3. La probabilidad de la unión de dos sucesos es la suma de sus probabilidades
restándole la probabilidad de su intersección.

4. Si un suceso está incluido en otro, su probabilidad es menor o igual a la de éste.
5. Si A1, A2, ..., Ak son incompatibles dos a dos entonces:
6. Si el espacio muestral E es finito y un suceso es S = {x 1, x2, ..., xn} entonces:
Por ejemplo la probabilidad de sacar par, al tirar un dado, es: P(par) = P(2) + P(4) + P(6)
 Regla de Laplace: Si realizamos un experimento aleatorio en el que hay n sucesos

elementales, todos igualmente probables, equiprobables, entonces si A es un
suceso, la probabilidad de que ocurra el suceso A es:
Ejemplos:
a) Hallar la probabilidad de que al lanzar dos monedas al aire salgan dos caras.
→ Casos posibles: {cc, cx, xc, xx}.
→ Casos favorables: 1.
→
b) En una baraja de 40 cartas, hallar la P (as) y P (copas).

→ Casos posibles: 40.
→ Casos favorables de ases: 4.
→
c) Casos favorables de copas: 10.

→
d) Calcular la probabilidad de que al echar un dado al aire, salga:

i. Un número par
→ Casos posibles: {1, 2, 3, 4, 5, 6}.
→ Casos favorables: {2, 4, 6}.
→
ii. Un múltiplo de tres.

→ Casos favorables: {3, 6}.
→
iii. Mayor que 4.

→ Casos favorables: {5, 6}.
→

Combinatoria y probabilidad: La combinatoria nos puede ser muy útil para calcular los
sucesos posibles y favorables, al aplicar la regla de Laplace. Especialmente si hay un gran
número de sucesos.
Ejemplos:
a) Un grupo de 10 personas se sienta en un banco. ¿Cuál es la probabilidad de que dos

personas fijadas de antemano se sienten juntas?
→ Casos posibles:
→ Casos favorables: Si consideramos las dos personas que se sientan juntas como
una sola persona habrá 9!; pero pueden estar de dos formas posibles a la
izquierda uno de otro o a la derecha, por tanto se tiene 2 · 9!.
b) Se extraen cinco cartas de una baraja de 52. Hallar la probabilidad de extraer:

 4 ases:
 4 ases y un rey:
 3 cincos y 2 sotas:
 Un 9, 10, sota, caballo y rey en cualquier orden:

 3 de un palo cualquiera y 2 de otro
Hay cuatro formas de elegir el primer palo y tres formas de elegir al segundo
palo:
 Al menos un as:
Probabilidad de la unión de sucesos
 Probabilidad de la unión de sucesos incompatibles:



Ejemplo: Calcular la probabilidad de obtener un 2 ó un 5 al lanzar un dado.
 Probabilidad de la unión de sucesos compatibles





Ejemplo: Calcular la probabilidad de obtener un múltiplo de 2 ó un 6 al lanzar un dado.
 Probabilidad condicionada: Sean A y B dos sucesos de un mismo espacio muestral

E. Se llama probabilidad del suceso A condicionada al B y se representa por P(A/B) a
la probabilidad del suceso A una vez ha ocurrido el B.
Ejemplo: Calcular la probabilidad de obtener un 6 al tirar un dado sabiendo que ha salido

par.
 Sucesos independientes: Dos sucesos A y B son independientes si:

 Sucesos dependientes: Dos sucesos A y B son dependientes si:
 Probabilidad compuesta o de la intersección de sucesos

 Probabilidad de la intersección de sucesos independientes:
Ejemplo: Se tiene una baraja de 40 cartas, se saca una y se vuelve a meter. ¿Cuál es la
probabilidad de extraer dos ases?
 Probabilidad de la intersección de sucesos dependientes:
Ejemplo: Se tiene una baraja de 40 cartas, se extraen dos cartas. ¿Cuál es la probabilidad
de extraer dos ases?
 Probabilidad de la diferencia de sucesos:
 Tablas de contingencia: Un método útil para clasificar los datos obtenidos en un

recuento es mediante las tablas de contingencia. Se trata de tablas en cuyas celdas
figuran probabilidades, y en la cual podemos determinar unas probabilidades
conociendo otras de la tabla.

Ejemplo: Se sortea un viaje a Roma entre los 120 mejores clientes de una agencia de
automóviles. De ellos, 65 son mujeres, 80 están casados y 45 son mujeres casadas. Se
pide:
a) ¿Cuál será la probabilidad de que le toque el viaje a un hombre soltero?

b) Si del afortunado se sabe que es casado, ¿cuál será la probabilidad de que sea una
mujer?
Hombres Mujeres
Casados 35 45 80
solteros 20 20 40
55 65 120


 Diagramas de árbol: Para la construcción de un diagrama en árbol se partirá

poniendo una rama para cada una de las posibilidades, acompañada de su
probabilidad. En el final de cada rama parcial se constituye a su vez, un nudo del cual
parten nuevas ramas, según las posibilidades del siguiente paso, salvo si el nudo
representa un posible final del experimento (nudo final). Hay que tener en cuenta:
que la suma de probabilidades de las ramas de cada nudo ha de dar 1.
Ejemplos:
1) Una clase consta de seis niñas y 10 niños. Si se escoge un comité de tres al azar,
hallar la probabilidad de:
a) Seleccionar tres niños.

b) Seleccionar exactamente dos niños y una niña.
c) Seleccionar exactamente dos niñas y un niño.
d) Seleccionar tres niñas.
2) Calcular la probabilidad de que al arrojar al aire tres monedas, salgan:

a) Tres caras.
 Experimentos compuestos: Un experimento compuesto es aquel que consta de

dos o más experimentos aleatorios simples. Es decir, si tiramos un dado, o una
moneda, son experimentos aleatorios simples, pero si realizamos el experimento de
tirar un dado y posteriormente una moneda, estamos realizando un experimento
compuesto. En los experimentos compuestos es conveniente usar el llamado
diagrama en árbol para hacerse una idea global de todos ellos.
 Teorema de la probabilidad total: Si A 1, A 2 ,... , A n son:

 Sucesos incompatibles 2 a 2.
 Y cuya unión es el espacio muestral (A 1 A2 ... A n = E).
 Y B es otro suceso.
Resulta que:

Ejemplo: Se dispone de tres cajas con bombillas. La primera contiene 10 bombillas, de las
cuales hay cuatro fundidas; en la segunda hay seis bombillas, estando una de ellas fundida,
y la tercera caja hay tres bombillas fundidas de un total de ocho. ¿Cuál es la probabilidad de
que al tomar una bombilla al azar de una cualquiera de las cajas, esté fundida?
 Teorema de Bayes: Si A 1, A 2 ,... , An son:

 Sucesos incompatibles 2 a 2.
 Y cuya unión es el espacio muestral (A 1 A2 ... A n = E).
 Y B es otro suceso.
Resulta que:
→ Las probabilidades p(A1) se denominan probabilidades a priori.

→ Las probabilidades p(Ai/B) se denominan probabilidades a posteriori.
→ Las probabilidades p(B/Ai) se denominan verosimilitudes.
Ejemplos
a) El 20% de los empleados de una empresa son ingenieros y otro 20% son
economistas. El 75% de los ingenieros ocupan un puesto directivo y el 50% de los
economistas también, mientras que los no ingenieros y los no economistas solamente
el 20% ocupa un puesto directivo. ¿Cuál es la probabilidad de que un empleado
directivo elegido al azar sea ingeniero?

b) La probabilidad de que haya un accidente en una fábrica que dispone de alarma es

0.1. La probabilidad de que suene esta sí se ha producido algún incidente es de 0.97
y la probabilidad de que suene si no ha sucedido ningún incidente es 0.02. En el
supuesto de que haya funcionado la alarma, ¿cuál es la probabilidad de que no haya
habido ningún incidente?
Sean los sucesos:
→ I = Producirse incidente.
→ A = Sonar la alarma.
Ejercicios y problemas de probabilidad
1. Sean A y B dos sucesos aleatorios con . Hallar:

a)
b)
c)
d)
e)
f)
g)
2. Sean A y B dos sucesos aleatorios con . Hallar:

a)
b)
c)
d)

3. Se sacan dos bolas de una urna que se compone de una bola blanca, otra roja, otra
verde y otra negra. Escribir el espacio muestral cuando:
a) La primera bola se devuelve a la urna antes de sacar la segunda.
b) La primera bola no se devuelve.
4. Una urna tiene ocho bolas rojas, 5 amarilla y siete verdes. Si se extrae una bola al
azar calcular la probabilidad de:
a) Sea roja.
b) Sea verde.
c) Sea amarilla.
d) No sea roja.
e) No sea amarilla.
5. Una urna contiene tres bolas rojas y siete blancas. Se extraen dos bolas al azar.
Escribir el espacio muestral y hallar la probabilidad de los sucesos:
a) Con reemplazamiento.
b) Sin reemplazamiento.
6. Se extrae una bola de una urna que contiene 4 bolas rojas, 5 blancas y 6 negras,
¿cuál es la probabilidad de que la bola sea roja o blanca? ¿Cuál es la probabilidad de
que no sea blanca?
7. En una clase hay 10 alumnas rubias, 20 morenas, cinco alumnos rubios y 10

morenos. Un día asisten 45 alumnos, encontrar la probabilidad de que un alumno:
a) Sea hombre.
b) Sea mujer morena.
c) Sea hombre o mujer.
8. Un dado está trucado, de forma que las probabilidades de obtener las distintas caras
son proporcionales a los números de estas. Hallar:
a) La probabilidad de obtener el 6 en un lanzamiento.
b) La probabilidad de conseguir un número impar en un lanzamiento.
9. Se lanzan dos dados al aire y se anota la suma de los puntos obtenidos. Se pide:
a) La probabilidad de que salga el 7.
b) La probabilidad de que el número obtenido sea par.
c) La probabilidad de que el número obtenido sea múltiplo de tres.
10. Se lanzan tres dados. Encontrar la probabilidad de que:

a) Salga 6 en todos.
b) Los puntos obtenidos sumen 7.
11. Hallar la probabilidad de que al levantar unas fichas de dominó se obtenga un

número de puntos mayor que 9 o que sea múltiplo de 4.

12. Busca la probabilidad de que al echar un dado al aire, salga:

a) Un número par.
b) Un múltiplo de tres.
c) Mayor que cuatro.
13. Hallar la probabilidad de que al lanzar al aire dos monedas, salgan:

a) Dos caras.
b) Dos cruces.
c) Una cara y una cruz.
14. En un sobre hay 20 papeletas, ocho llevan dibujado un coche las restantes son
blancas. Hallar la probabilidad de extraer al menos una papeleta con el dibujo de un
coche:
a) Si se saca una papeleta.
b) Si se extraen dos papeletas.
c) Si se extraen tres papeletas.
15. Los estudiantes A y B tienen respectivamente probabilidades 1/2 y 1/5 de suspender

un examen. La probabilidad de que suspendan el examen simultáneamente es de
1/10. Determinar la probabilidad de que al menos uno de los dos estudiantes
suspenda el examen.
16. Dos hermanos salen de caza. El primero mata un promedio de 2 piezas cada 5
disparos y el segundo una pieza cada 2 disparos. Si los dos disparan al mismo tiempo
a una misma pieza, ¿cuál es la probabilidad de que la maten?
17. Una clase consiste en 10 hombres y 20 mujeres, la mitad de los hombres y la mitad
de las mujeres tienen ojos oscuros. Determine la probabilidad que una persona al
azar seleccionada es un hombre o tenga ojos oscuros.
18. La probabilidad que un hombre viva 20 años es ¼ y que su esposa viva en 20 años
es 1/3. Calcule la probabilidad:
a) Que ambos vivan 20 años.
b) Que el hombre viva 20 años y su esposa no.
c) Ambos mueren antes de 20 años
Ejercicios y problemas resueltos de probabilidad condicionada
1. Sean A y B dos sucesos aleatorios con p(A) = 1/2, p(B) = 1/3, p(A B)= 1/4.
Determinar:
a)
b)
c)
d)
e)

2. Sean A y B dos sucesos aleatorios con p(A) = 1/3, p(B) = 1/4, p(A B) = 1/5.
Determinar:
a)
b)
c)
d)
e)
f)
3. En un centro escolar los alumnos pueden optar por cursar como lengua extranjera
inglés o francés. En un determinado curso, el 90% de los alumnos estudia inglés y el
resto francés. El 30% de los que estudian inglés son chicos y de los que estudian
francés son chicos el 40%. El elegido un alumno al azar, ¿cuál es la probabilidad de
que sea chica?
4. De una baraja de 48 cartas se extrae simultáneamente dos de ellas. Calcular la

probabilidad de que:
a) Las dos sean copas.
b) Al menos una sea copas.
c) Una sea copa y la otra espada.
5. Ante un examen, un alumno sólo ha estudiado 15 de los 25 temas correspondientes a

la materia del mismo. Éste se realiza extrayendo al azar dos temas y dejando que el
alumno escoja uno de los dos para ser examinado del mismo. Hallar la probabilidad
de que el alumno pueda elegir en el examen uno de los temas estudiados.
6. Una clase está formada por 10 chicos y 10 chicas; la mitad de las chicas y la mitad
de los chicos han elegido francés como asignatura optativa.
a) ¿Cuál es la probabilidad de que una persona elegida al azar sea chico o estudie
francés?
b) ¿Y la probabilidad de que sea chica y no estudie francés?
7. Un taller sabe que por término medio acuden: por la mañana tres automóviles con
problemas eléctricos, ocho con problemas mecánicos y tres con problemas de chapa,
y por la tarde dos con problemas eléctricos, tres con problemas mecánicos y uno con
problemas de chapa.
a) Hacer una tabla ordenando los datos anteriores.
b) Calcular el porcentaje de los que acuden por la tarde.
c) Calcular el porcentaje de los que acuden por problemas mecánicos.
d) Calcular la probabilidad de que un automóvil con problemas eléctricos acuda por
la mañana.

8. Una clase consta de seis niñas y 10 niños. Si se escoge un comité de tres al azar,
hallar la probabilidad de:
a) Seleccionar tres niños.
b) Seleccionar exactamente dos niños y una niña.
c) Seleccionar por lo menos un niño.
d) Seleccionar exactamente dos niñas y un niño.
9. Una caja contiene tres monedas. Una moneda es corriente, otra tiene dos caras y la
otra está cargada de modo que la probabilidad de obtener cara es de 1/3. Se
selecciona una moneda lanzar y se lanza al aire. Hallar la probabilidad de que salga
cara.
10. Una urna contiene 5 bolas rojas y 8 verdes. Se extrae una bola y se reemplaza por
dos del otro color. A continuación, se extrae una segunda bola. Se pide:
a) Probabilidad de que la segunda bola sea verde.
b) Probabilidad de que las dos bolas extraídas sean del mismo color.
11. En una clase en la que todos practican algún deporte, el 60% de los alumnos juega al
fútbol o al baloncesto y el 10% practica ambos deportes. Si además hay un 60% que
no juega al fútbol, cuál será la probabilidad de que escogido al azar un alumno de la
clase:
a) Juegue sólo al fútbol.
b) Juegue sólo al baloncesto.
c) Practique uno solo de los deportes.
d) No juegue ni al fútbol ni al baloncesto.
12. En una ciudad, el 40% de la población tiene cabellos castaños, el 25% tiene ojos
castaños y el 15% tiene cabellos y ojos castaños. Se escoge una persona al azar:
a) Si tiene los cabellos castaños, ¿cuál es la probabilidad de que tenga también ojos
castaños?
b) Si tiene ojos castaños, ¿cuál es la probabilidad de que no tenga cabellos
castaños?
c) ¿Cuál es la probabilidad de que no tenga cabellos ni ojos castaños?
13. En un aula hay 100 alumnos, de los cuales: 40 son hombres, 30 usan gafas, y 15 son
varones y usan gafas. Si seleccionamos al azar un alumno de dicho curso:
a) ¿Cuál es la probabilidad de que sea mujer y no use gafas?
b) Si sabemos que el alumno seleccionado no usa gafas, ¿qué probabilidad hay de
que sea hombre?
14. Disponemos de dos urnas: la urna A contiene 6 bolas rojas y 4 bolas blancas, la urna
B contiene 4 bolas rojas y 8 bolas blancas. Se lanza un dado, si aparece un número
menor que 3; nos vamos a la urna A; si el resultado es 3 ó más, nos vamos a la urna
B. A continuación extraemos una bola. Se pide:
a) Probabilidad de que la bola sea roja y de la urna B.
b) Probabilidad de que la bola sea blanca.

15. Un estudiante cuenta, para un examen con la ayuda de un despertador, el cual

consigue despertarlo en un 80% de los casos. Si oye el despertador, la probabilidad
de que realiza el examen es 0.9 y, en caso contrario, de 0.5.
a) Si va a realizar el examen, ¿cuál es la probabilidad de que haya oído el
despertador?
b) Si no realiza el examen, ¿cuál es la probabilidad de que no haya oído el
despertador?
16. En una estantería hay 60 novelas y 20 libros de poesía. Una persona A elige un libro
al azar de la estantería y se lo lleva. A continuación otra persona B elige otro libro al
azar.
a) ¿Cuál es la probabilidad de que el libro seleccionado por B sea una novela?
b) Si se sabe que B eligió una novela, ¿cuál es la probabilidad de que el libro
seleccionado por A sea de poesía?
17. Se supone que 25 de cada 100 hombres y 600 de cada 1000 mujeres usan gafas. Si
el número de mujeres es cuatro veces superior al de hombres, se pide la probabilidad
de encontrarnos:
a) Con una persona sin gafas.
b) Con una mujer con gafas.
18. En una casa hay tres llaveros A, B y C; el primero con cinco llaves, el segundo con
siete y el tercero con ocho, de las que sólo una de cada llavero abre la puerta del
trastero. Se escoge al azar un llavero y, de él una llave para abrir el trastero. Se
pide:
a) ¿Cuál será la probabilidad de que se acierte con la llave?
b) ¿Cuál será la probabilidad de que el llavero escogido sea el tercero y la llave no
abra?
c) Y si la llave escogida es la correcta, ¿cuál será la probabilidad de que pertenezca
al primer llavero A?

DISTRIBUCIONES DISCR ETAS DE PROBABILIDAD
Variable aleatoria: Se llama variable aleatoria a toda función que asocia a cada elemento
del espacio muestral E un número real. Se utilizan letras mayúsculas X, Y, ... para designar
variables aleatorias, y las respectivas minúsculas (x, y, ...) para designar valores concretos
de las mismas.
 Variable aleatoria discreta: Una variable aleatoria discreta es aquella que sólo
puede tomar valores enteros.
Ejemplos: El número de hijos de una familia, la puntuación obtenida al lanzar un dado.
 Variable aleatoria continua: Una variable aleatoria continua es aquella que puede
tomar todos los valores posibles dentro de un cierto intervalo de la recta real.
Ejemplos: La altura de los alumnos de una clase, las horas de duración de una pila.
Distribuciones discretas de probabilidad
 Función de probabilidad: Se llama función de probabilidad de una variable

aleatoria discreta X a la aplicación que asocia a cada valor de xi de la variable su
probabilidad pi.
 0 ≤ pi ≤ 1
 p1 + p2 + p3 + · · · + pn = Σ pi = 1
Ejemplo: Calcular la distribución de probabilidad de las puntuaciones obtenidas al lanzar un

dado.
x pi
1
6
1

Representación: La representación de una distribución discreta de probabilidad es un

diagrama de barras.
 Función de distribución: Sea X una variable aleatoria discreta cuyos valores

suponemos ordenados de menor a mayor. Llamaremos función de distribución de la
variable X, y escribiremos F(x) a la función: F(x) = p(X ≤ x)
La función de distribución asocia a cada valor de la variable aleatoria la
probabilidad acumulada hasta ese valor.
Ejemplo: Calcular la función de distribución de probabilidad de las puntuaciones obtenidas

al lanzar un dado.
x pi
X<1 0
1 x<2
2 x<3
3 x<4
4 x<5
5 x<6
6 x 1
Representación: La representación de
una función de distribución de probabilidad
es una gráfica escalonada.

 Media y varianza de una variable aleatoria discreta
 Esperanza matemática o media:

 Varianza:
 Desviación típica:
Ejemplo: Calcular la esperanza matemática, la varianza, y la desviación típica, de la

distribución de probabilidad de las puntuaciones obtenidas al lanzar un dado.
X pi X pi X2 pi
1
6 1 6
Ejercicios de distribuciones discretas
1. Se lanza un par de dados. Se define la variable aleatoria X como la suma de las

puntuaciones obtenidas. Hallar la función de probabilidad, la esperanza matemática y
la varianza.
2. Un jugador lanza un dado corriente. Si sale número primo, gana tantos cientos de
euros como marca el dado, pero si no sale número primo, pierde tantos cientos de
euros como marca el dado. Determinar la función de probabilidad y la esperanza
matemática del juego.
3. Si una persona compra una papeleta en una rifa, en la que puede ganar de 5.000 € ó
un segundo premio de 2000 € con probabilidades de: 0.001 y 0.003. ¿Cuál sería el
precio justo a pagar por la papeleta?

4. Sea X una variable aleatoria discreta cuya función de probabilidad es:

X pi
0 0,1
1 0,2
2 0,1
3 0,4
4 0,1
5 0,1
a) Calcular, representar gráficamente la función de distribución.

b) Calcular las siguientes probabilidades:
i. p (X < 4.5)
ii. p (X ≥ 3)
iii. p (3 ≤ X < 4.5)
Ejercicios de distribuciones discretas
1. Un jugador lanza dos monedas. Gana 1 ó 2 € si aparecen una o dos caras. Por otra
parte pierde 5 € si no aparece cara. Determinar la esperanza matemática del juego y
si éste es favorable.
2. Sabiendo que p(X ≤ 2) = 0.7 y p(X ≥ 2) = 0.75. Hallar:

a) La esperanza matemática.
b) La varianza.
c) La desviación típica.

DISTRIBUCIÓN BINOMIA L
Distribución binomial o de Bernoulli: Un experimento sigue el modelo de la distribución

binomial o de Bernoulli si:
1. En cada prueba del experimento sólo son posibles dos resultados: el suceso A (éxito)
y su contrario .
2. La probabilidad del suceso A es constante, es decir, que no varía de una prueba a
otra. Se representa por p.
3. El resultado obtenido en cada prueba es independiente de los resultados obtenidos
anteriormente.
 Variable aleatoria binomial: La variable aleatoria binomial, X, expresa el número

de éxitos obtenidos en cada prueba del experimento.
La variable binomial es una variable aleatoria discreta, sólo puede tomar los valores
0, 1, 2, 3, 4, ..., n suponiendo que se han realizado n pruebas.
Ejemplo: k = 6, al lanzar una moneda 10 veces y obtener 6 caras.
 Distribución binomial: La distribución binomial se suele representar por B(n, p).

→ n es el número de pruebas de que consta el experimento.
→ p es la probabilidad de éxito.
La probabilidad de es 1− p, y la representamos por q.
 Función de probabilidad de la distribución binomial: La función de probabilidad

de la distribución binomial, también denominada función de la distribución de
Bernoulli, es:
→ n es el número de pruebas.
→ k es el número de éxitos.
→ p es la probabilidad de éxito.
→ q es la probabilidad de fracaso.
El número combinatorio
Ejemplo: La última novela de un autor ha tenido un gran éxito, hasta el punto de que el
80% de los lectores ya la han leído. Un grupo de 4 amigos son aficionados a la lectura:
1. ¿Cuál es la probabilidad de que el grupo hayan leído la novela 2 personas?

→ n=4
→ p = 0,8
→ q = 0,2
→ B(4; 0,8)
→

2. ¿Y cómo máximo 2?
 Media y varianza de la distribución binomial
 Media:
 Varianza:
 Desviación típica:
Ejemplo: La probabilidad de que un artículo producido por una fabrica sea defectuoso es
0.02. Se envió un cargamento de 10.000 artículos a unos almacenes. Hallar el número
esperado de artículos defectuosos, la varianza y la desviación típica.
Ejercicios de distribución binomial
1. Se lanza una moneda cuatro veces. Calcular la probabilidad de que salgan más caras
que cruces.
2. Un agente de seguros vende pólizas a cinco personas de la misma edad y que

disfrutan de buena salud. Según las tablas actuales, la probabilidad de que una
persona en estas condiciones viva 30 años o más es 2/3. Hállese la probabilidad de
que, transcurridos 30 años, vivan:
a) Las cinco personas.
b) Al menos tres personas.
c) Exactamente dos personas.
3. Si de seis a siete de la tarde se admite que un número de teléfono de cada cinco está
comunicando, ¿cuál es la probabilidad de que, cuando se marquen 10 números de
teléfono elegidos al azar, sólo comuniquen dos?
4. La probabilidad de que un hombre acierte en el blanco es 1/4. Si dispara 10 veces

¿cuál es la probabilidad de que acierte exactamente en tres ocasiones? ¿Cuál es la
probabilidad de que acierte por lo menos en una ocasión?
5. En una urna hay 30 bolas, 10 rojas y el resto blancas. Se elige una bola al azar y se
anota si es roja; el proceso se repite, devolviendo la bola, 10 veces. Calcular la media
y la desviación típica.

Ejercicios de la distribución binomial
1. En unas pruebas de alcoholemia se ha observado que el 5% de los conductores

controlados dan positivo en la prueba y que el 10% de los conductores controlados
no llevan puesto el cinturón de seguridad. También se ha observado que las dos
infracciones son independientes.
Un guardia de tráfico para cinco conductores al azar. Si tenemos en cuenta que el
número de conductores es suficientemente importante como para estimar que la
proporción de infractores no varía al hacer la selección.
a) Determinar la probabilidad de que exactamente tres conductores hayan cometido

alguna de las dos infracciones.
b) Determine la probabilidad de que al menos uno de los conductores controlados
haya cometido alguna de las dos infracciones.
2. Un laboratorio afirma que una droga causa efectos secundarios en una proporción de
3 de cada 100 pacientes. Para contrastar esta afirmación, otro laboratorio elige al
azar a 5 pacientes a los que aplica la droga. ¿Cuál es la probabilidad de los siguientes
sucesos?
a) Ningún paciente tenga efectos secundarios.

b) Al menos dos tengan efectos secundarios.
c) ¿Cuál es el número medio de pacientes que espera laboratorio que sufran efectos
secundarios si elige 100 pacientes al azar?

DISTRIBUCIÓN NORMAL
Distribución normal
 Variable aleatoria de la distribución normal: Una variable aleatoria continua, X,

sigue una distribución normal de media μ y desviación típica σ, y se designa por N(μ,
σ), si se cumplen las siguientes condiciones:
a) La variable puede tomar cualquier valor: (-∞, +∞)
b) La función de densidad, es la expresión en términos de ecuación matemática
de la curva de Gauss:
 Curva de la distribución normal
 El campo de existencia es cualquier valor real, es decir, (-∞, +∞).

 Es simétrica respecto a la media µ.
 Tiene un máximo en la media µ.
 Crece hasta la media µ y decrece a partir de ella.
 En los puntos µ − σ y µ + σ presenta puntos de inflexión.
 El eje de abscisas es una asíntota de la curva.
El área del recinto determinado por la función y el eje de abscisas es igual a la unidad.
Al ser simétrica respecto al eje que pasa por x = µ, deja un área igual a 0.5 a la izquierda y
otra igual a 0.5 a la derecha.
La probabilidad equivale al área encerrada bajo la curva.
→ p(μ - σ < X ≤ μ + σ) = 0.6826 = 68.26 %

→ p(μ - 2σ < X ≤ μ + 2σ) = 0.954 = 95.4 %
→ p(μ - 3σ < X ≤ μ + 3σ) = 0.997 = 99.7 %
 Distribución normal estándar: N(0, 1). La distribución normal estándar, o
tipificada o reducida, es aquella que tiene por media el valor cero, μ = 0, y por
desviación típica la unidad, σ =1.
Su función de densidad es:
Su gráfica es:

La probabilidad de la variable X dependerá del área del recinto sombreado en la figura. Y

para calcularla utilizaremos una tabla.
 Tipificación de la variable: Para poder utilizar la tabla tenemos que transformar la

variable X que sigue una distribución N(μ, σ) en otra variable Z que siga una
distribución N(0, 1).
 Tabla de la distribución normal
z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.5000 0.5040 0.5080 0.5120 0.5160 0.5199 0.5239 0.5279 0.5319 0.5359
0.1 0.5398 0.5438 0.5478 0.5517 0.5557 0.5596 0.5636 0.5675 0.5714 0.5753
0.2 0.5793 0.5832 0.5871 0.5910 0.5948 0.5987 0.6026 0.6064 0.6103 0.6141
0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406 0.6443 0.6480 0.6517
0.4 0.6554 0.6591 0.6628 0.6664 0.6700 0.6736 0.6772 0.6808 0.6844 0.6879
0.5 0.6915 0.6950 0.6985 0.7019 0.7054 0.7088 0.7123 0.7157 0.7190 0.7224
0.6 0.7257 0.7291 0.7324 0.7357 0.7389 0.7422 0.7454 0.7486 0.7517 0.7549
0.7 0.7580 0.7611 0.7642 0.7673 0.7704 0.7734 0.7764 0.7794 0.7823 0.7852
0.8 0.7881 0.7910 0.7939 0.7967 0.7995 0.8023 0.8051 0.8078 0.8106 0.8133
0.9 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289 0.8315 0.8340 0.8365 0.8389
1.0 0.8413 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554 0.8577 0.8599 0.8621
1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.8770 0.8790 0.8810 0.8830
1.2 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 0.8962 0.8980 0.8997 0.9015
1.3 0.9032 0.9049 0.9066 0.9082 0.9099 0.9115 0.9131 0.9147 0.9162 0.9177
1.4 0.9192 0.9207 0.9222 0.9236 0.9251 0.9265 0.9279 0.9292 0.9306 0.9319
1.5 0.9332 0.9345 0.9357 0.9370 0.9382 0.9394 0.9406 0.9418 0.9429 0.9441
1.6 0.9452 0.9463 0.9474 0.9484 0.9495 0.9505 0.9515 0.9525 0.9535 0.9545
1.7 0.9554 0.9564 0.9573 0.9582 0.9591 0.9599 0.9608 0.9616 0.9625 0.9633
1.8 0.9641 0.9649 0.9656 0.9664 0.9671 0.9678 0.9686 0.9693 0.9699 0.9706
1.9 0.9713 0.9719 0.9726 0.9732 0.9738 0.9744 0.9750 0.9756 0.9761 0.9767
z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09

2.0 0.9772 0.9778 0.9783 0.9788 0.9793 0.9798 0.9803 0.9808 0.9812 0.9817
2.1 0.9821 0.9826 0.9830 0.9834 0.9838 0.9842 0.9846 0.9850 0.9854 0.9857
2.2 0.9861 0.9864 0.9868 0.9871 0.9875 0.9878 0.9881 0.9884 0.9887 0.9890
2.3 0.9893 0.9896 0.9898 0.9901 0.9904 0.9906 0.9909 0.9911 0.9913 0.9916
2.4 0.9918 0.9920 0.9922 0.9925 0.9927 0.9929 0.9931 0.9932 0.9934 0.9936
2.5 0.9938 0.9940 0.9941 0.9943 0.9945 0.9946 0.9948 0.9949 0.9951 0.9952
2.6 0.9953 0.9955 0.9956 0.9957 0.9959 0.9960 0.9961 0.9962 0.9963 0.9964
2.7 0.9965 0.9966 0.9967 0.9968 0.9969 0.9970 0.9971 0.9972 0.9973 0.9974
2.8 0.9974 0.9975 0.9976 0.9977 0.9977 0.9978 0.9979 0.9979 0.9980 0.9981
2.9 0.9981 0.9982 0.9982 0.9983 0.9984 0.9984 0.9985 0.9985 0.9986 0.9986
3 0.9987 0.9987 0.9987 0.9988 0.9988 0.9989 0.9989 0.9989 0.9990 0.9990
3.1 0.9990 0.9991 0.9991 0.9991 0.9992 0.9992 0.9992 0.9992 0.9993 0.9993
3.2 0.9993 0.9993 0.9994 0.9994 0.9994 0.9994 0.9994 0.9995 0.9995 0.9995
3.3 0.9995 0.9995 0.9995 0.9996 0.9996 0.9996 0.9996 0.9996 0.9996 0.9997
3.4 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9998
3.5 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998
3.6 0.9998 0.9998 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
3.7 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
3.8 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
3.9 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
 Empleo de la tabla de la distribución normal
 Tabla de la curva normal (0, 1): La tabla nos da las probabilidades de P(z ≤ k),
siendo z la variable tipificada.
Estas probabilidades nos dan la función de distribución Φ(k): Φ(k) = P(z ≤ k)
 Búsqueda en la tabla de valor de k

→ Unidades y décimas en la columna de la izquierda.
→ Centésimas en la fila de arriba.
 P(Z ≤ a)

P(Z ≤ 1.47) = 0.9292
 P(Z > a) = 1 - P(Z ≤ a)
P(Z>1.47)= 1 − P(Z≤1.47)= 1 − 0.9292= 0.0708
 P(Z ≤ −a) = 1 − P(Z ≤ a)
P(Z≤−1.47)= 1 − P(Z≤1.47)= 1 − 0.9292= 0.0708
 P(Z > −a) = P(Z ≤ a)
p(Z > 1.47) = p(Z ≤ 1.47) = 0.9292
 P(a < Z ≤ b ) = P(Z ≤ b) − P(Z ≤ a)
P(0.45<Z≤1.47) = P(Z≤1.47)− P(Z≤0.45) = 0.9292 − 0.6736 = 0.2556
 P(−b < Z ≤ −a ) = P(a < Z ≤ b )

P(−1.47<Z≤−0.45)=P(0.45<Z≤1.47)=P(Z≤1.47)− P(Z≤0.45) = 0.9292 − 0.6736 = 0.2556
 P(−a < Z ≤ b ) = P(Z ≤ b) − [ 1 − P(Z ≤ a)]
P(-1.47 < Z ≤ 0.45) = P(Z ≤ 0.45) − [ 1 − P(Z ≤ 1.47)]= 0.6736 − (1 − 0.9292) = 0.6028
 p = K: Nos encontramos con el caso inverso a los anteriores, conocemos el valor de

la probabilidad y se trata de hallar el valor de la abscisa. Ahora tenemos que buscar
en la tabla el valor que más se aproxime a K.
 p = 0.75Z ≤ 0.68.
Para calcular la variable X nos vamos a la fórmula de la tipificación.
=0.68 X = μ + 0.68 σ
 Distribución normal y binomial

Aproximación de la binomial por la normal
 Teorema de Moivre: Si: n·p ≥ 0 y n·q ≥ 0.

La distribución binomial B(n, p) se puede aproximar mediante una distribución
normal:
Ejemplo: En una ciudad una de cada tres familias posee teléfono. Si se eligen al azar 90
familias, calcular la probabilidad de que entre ellas haya por lo menos 30 tengan teléfono.

Ejercicios y problemas de la distribución normal
1. Si X es una variable aleatoria de una distribución N(µ, σ), hallar:

p(µ−3σ ≤ X ≤ µ+3σ)
2. En una distribución normal de media 4 y desviación típica 2, calcular el valor de a

para que: P(4−a ≤ x ≤ 4+a) = 0.5934
3. En una ciudad se estima que la temperatura máxima en el mes de junio sigue una
distribución normal, con media 23° y desviación típica 5°. Calcular el número de días
del mes en los que se espera alcanzar máximas entre 21° y 27°.
4. La media de los pesos de 500 estudiantes de un colegio es 70 kg y la desviación

típica 3 kg. Suponiendo que los pesos se distribuyen normalmente, hallar cuántos
estudiantes pesan:
a) Entre 60 kg y 75 kg.
b) Más de 90 kg.
c) Menos de 64 kg.64 kg.
d) 64 kg o menos.
5. Se supone que los resultados de un examen siguen una distribución normal con
media 78 y desviación típica 36. Se pide:
a) ¿Cuál es la probabilidad de que una persona que se presenta el examen obtenga

una calificación superior a 72?
b) Calcular la proporción de estudiantes que tienen puntuaciones que exceden por lo
menos en cinco puntos de la puntuación que marca la frontera entre el Apto y el
No-Apto (son declarados No-Aptos el 25% de los estudiantes que obtuvieron las
puntuaciones más bajas).
c) Si se sabe que la calificación de un estudiante es mayor que 72 ¿cuál es la
probabilidad de que su calificación sea, de hecho, superior a 84?
6. Tras un test de cultura general se observa que las puntuaciones obtenidas siguen una
distribución una distribución N(65, 18). Se desea clasificar a los examinados en tres
grupos (de baja cultura general, de cultura general aceptable, de excelente cultura
general) de modo que hay en el primero un 20% la población, un 65% el segundo y
un 15% en el tercero. ¿Cuáles han de ser las puntuaciones que marcan el paso de un
grupo al otro?
7. Varios test de inteligencia dieron una puntuación que sigue una ley normal con media
100 y desviación típica 15.

a) Determinar el porcentaje de población que obtendría un coeficiente entre 95 y

110.
b) ¿Qué intervalo centrado en 100 contiene al 50% de la población?
c) En una población de 2500 individuos ¿cuántos individuos se esperan que tengan
un coeficiente superior a 125?
8. En una ciudad una de cada tres familias posee teléfono. Si se eligen al azar 90
familias, calcular la probabilidad de que entre ellas haya por lo menos 30 tengan
teléfono.
9. En un examen tipo test de 200 preguntas de elección múltiple, cada pregunta tiene
una respuesta correcta y una incorrecta. Se aprueba si se contesta a más de 110
respuestas correctas. Suponiendo que se contesta al azar, calcular la probabilidad de
aprobar el examen.
10. Un estudio ha mostrado que, en un cierto barrio, el 60% de los hogares tienen al
menos dos televisores Se elige al azar una muestra de 50 hogares en el citado barrio.
Se pide:
a) ¿Cuál es la probabilidad de que al menos 20 de los citados hogares tengan

cuando menos dos televisores?
b) ¿Cuál es la probabilidad de que entre 35 y 40 hogares tengan cuando menos dos
televisores?

DISTRIBUCIONES BIDIMENSIONALES
Distribuciones bidimensionales
 Relación funcional: Dos variables x e y están relacionadas funcionalmente cuando

conocida la primera se puede saber con exactitud el valor de la segunda.
Ejemplo: Si se deja caer una piedra, existe una fórmula que nos permite calcular
exactamente, la altura a la que se encuentra en función del tiempo transcurrido: .
 Relación estadística: Dos variables x e y están relacionadas estadísticamente

cuando conocida la primera se puede estimar aproximadamente el valor de la
segunda.
Ejemplos: Ingresos y gastos de una familia. Producción y ventas de una fábrica. Gastos en
publicidad y beneficios de una empresa.
 Variable estadística bidimensional: Una variable bidimensional es una variable en

la que cada individuo está definido por un par de caracteres, (X, Y). Estos dos
caracteres son a su vez variables estadísticas en las que sí existe relación entre ellas,
una de las dos variables es la variable independiente y la otra variable dependiente.
 Distribuciones bidimensionales: Son aquellas en las que a cada individuo le

corresponden los valores de dos variables, las representamos por el par (x i, yi).
Si representamos cada par de valores como las coordenadas de un punto, el conjunto
de todos ellos se llama nube de puntos o diagrama de dispersión.
Sobre la nube de puntos puede trazarse una recta que se ajuste a ellos lo mejor
posible, llamada recta de regresión.
Ejemplo: Las notas de 12 alumnos de una clase en Matemáticas y Física son las siguientes:
Matemáticas 2 3 4 4 5 6 6 7 7 8 10 10
Física 1 3 2 4 4 4 6 4 6 7 9 10

 Covarianza: La covarianza de una variable bidimensional es la media aritmética de

los productos de las desviaciones de cada una de las variables respecto a sus medias
respectivas.
La covarianza se representa por sxy o σxy.
La covarianza indica el sentido de la correlación entre las variables:

 Si σxy > 0 la correlación es directa.
 Si σxy < 0 la correlación es inversa.
La covarianza presenta como inconveniente, el hecho de que su valor depende de

la escala elegida para los ejes. Es decir, la covarianza variará si expresamos la
altura en metros o en centímetros. También variará si el dinero lo expresamos en
euros o en dólares.
Ejemplos:
1) Las notas de 12 alumnos de una clase en Matemáticas y Física son las siguientes:
Matemáticas 2 3 4 4 5 6 6 7 7 8 10 10
Física 1 3 2 4 4 4 6 4 6 7 9 10
Hallar la covarianza de la distribución.
Xi Yi Xi Yi
2 1 2
3 3 9
4 2 8
4 4 16
5 4 20
6 4 24
6 6 36
7 4 28
7 6 42
8 7 56
10 9 90
10 10 100
72 60 431
Después de tabular los datos hallamos las medias aritméticas:

2) Los valores de dos variables X e Y se distribuyen según la tabla siguiente:
Y/X 0 2 4
1 2 1 3
2 1 4 2
3 2 5 0
Hallar la covarianza de la distribución. En primer lugar convertimos la tabla de doble

entrada en tabla simple y calculamos las medias aritméticas.
Xi Yi fi Xi fi Yi fi Xi Yi fi
0 1 2 0 2 0
0 2 1 0 2 0
0 3 2 0 6 0
2 1 1 2 1 2
2 2 4 8 8 16
2 3 5 10 15 30
4 1 3 12 3 12
4 2 2 8 4 16
20 40 41 76
 Correlación: La correlación trata de establecer la relación o dependencia que

existe entre las dos variables que intervienen en una distribución bidimensional.
Es decir, determinar si los cambios en una de las variables influyen en los cambios de
la otra. En caso de que suceda, diremos que las variables están correlacionadas o
que hay correlación entre ellas.
 Tipos de correlación
 1º Correlación directa: La correlación directa se da
cuando al aumentar una de las variables la otra
aumenta. La recta correspondiente a la nube de puntos
de la distribución es una recta creciente.
 2º Correlación inversa: La correlación inversa se da

cuando al aumentar una de las variables la otra
disminuye. La recta correspondiente a la nube de puntos
de la distribución es una recta decreciente.

 3º Correlación nula: La correlación nula se da cuando

no hay dependencia de ningún tipo entre las variables. En
este caso se dice que las variables son incorreladas y la
nube de puntos tiene una forma redondeada.
 Grado de correlación: El grado de correlación indica la proximidad que hay entre

los puntos de la nube de puntos. Se pueden dar tres tipos:
a) Correlación fuerte: La correlación será fuerte cuanto más cerca estén los puntos
de la recta.
b) Correlación débil: La correlación será débil cuanto más separados estén los puntos
de la recta.
c) Correlación nula.
 Coeficiente de correlación lineal: El coeficiente de correlación lineal es el cociente

entre la covarianza y el producto de las desviaciones típicas de ambas variables.
El coeficiente de correlación lineal se expresa mediante la letra r.
Propiedades del coeficiente de correlación
 El coeficiente de correlación no varía al hacerlo la escala de medición. Es decir, si

expresamos la altura en metros o en centímetros el coeficiente de correlación no
varía.
 El signo del coeficiente de correlación es el mismo que el de la covarianza.
→ Si la covarianza es positiva, la correlación es directa.

→ Si la covarianza es negativa, la correlación es inversa.

→ Si la covarianza es nula, no existe correlación.
 El coeficiente de correlación lineal es un número real comprendido entre −1 y 1.

−1 ≤ r ≤ 1
 Si el coeficiente de correlación lineal toma valores cercanos a −1 la correlación es
fuerte e inversa, y será tanto más fuerte cuanto más se aproxime r a −1.
 Si el coeficiente de correlación lineal toma valores cercanos a 1 la correlación es
fuerte y directa, y será tanto más fuerte cuanto más se aproxime r a 1.
 Si el coeficiente de correlación lineal toma valores cercanos a 0, la correlación es
débil.
 Si r = 1 ó −1, los puntos de la nube están sobre la recta creciente o decreciente.
Entre ambas variables hay dependencia funcional.
Ejemplos:
a) Las notas de 12 alumnos de una clase en Matemáticas y Física son las siguientes:
Matemáticas 2 3 4 4 5 6 6 7 7 8 10 10
Física 1 3 2 4 4 4 6 4 6 7 9 10
Hallar el coeficiente de correlación de la distribución e interpretarlo.
Xi Yi Xi Yi Xi2 Yi2
2 1 2 4 1
3 3 9 9 9
4 2 8 16 4
4 4 16 16 16
5 4 20 25 16
6 4 24 36 16
6 6 36 36 36
7 4 28 49 16
7 6 42 49 36
8 7 56 64 49
10 9 90 100 81
10 10 100 100 100
72 60 431 504 380
 1º Hallamos las medias aritméticas:

 2º Calculamos la covarianza:
 3º Calculamos las desviaciones típicas:
 4º Aplicamos la fórmula del coeficiente de correlación lineal.
Al ser el coeficiente de correlación positivo, la correlación es directa. Como coeficiente

de correlación está muy próximo a 1 la correlación es muy fuerte.

b) Los valores de dos variables X e Y se distribuyen según la tabla siguiente:
Y/X 0 2 4
1 2 1 3
2 1 4 2
3 2 5 0
Determinar el coeficiente de correlación. Convertimos la tabla de doble entrada en tabla

simple.
Xi Yi fi Xi fi Xi2 fi Yi fi Yi2 fi Xi Yi fi
0 1 2 0 0 2 2 0
0 2 1 0 0 2 4 0
0 3 2 0 0 6 18 0
2 1 1 2 4 1 1 2
2 2 4 8 16 8 16 16
2 3 5 10 20 15 45 30
4 1 3 12 48 3 3 12
4 2 2 8 32 4 8 16
20 40 120 41 97 76
Al ser el coeficiente de correlación negativo, la correlación es inversa. Como coeficiente de

correlación está muy próximo a 0 la correlación es muy débil.
 Recta de regresión: La recta de regresión es la que mejor se ajusta a la nube de

puntos. La recta de regresión pasa por el punto llamado centro de gravedad.
 Recta de regresión de Y sobre X: La recta de regresión de Y sobre X se utiliza

para estimar los valores de la Y a partir de los de la X. La pendiente de la recta es el
cociente entre la covarianza y la varianza de la variable X.
 Recta de regresión de X sobre Y: La recta de regresión de X sobre Y se utiliza

para estimar los valores de la X a partir de los de la Y. La pendiente de la recta es el
cociente entre la covarianza y la varianza de la variable Y.
Si la correlación es nula, r = 0, las rectas de regresión son perpendiculares entre sí, y sus
ecuaciones son: y = x =

Ejemplo: Las notas de 12 alumnos de una clase en Matemáticas y Física son las siguientes:
Matemáticas 2 3 4 4 5 6 6 7 7 8 10 10
Física 1 3 2 4 4 4 6 4 6 7 9 10
Hallar las rectas de regresión y representarlas.
Xi Yi Xi Yi Xi2 Yi2
2 1 2 4 1
3 3 9 9 9
4 2 8 16 4
4 4 16 16 16
5 4 20 25 16
6 4 24 36 16
6 6 36 36 36
7 4 28 49 16
7 6 42 49 36
8 7 56 64 49
10 9 90 100 81
10 10 100 100 100
72 60 431 504 380
 1º Hallamos las medias aritméticas:

 2º Calculamos la covarianza:
 3º Calculamos las varianzas:
 4ºRecta de regresión de Y sobre X:
 5ºRecta de regresión de X sobre :

EJERCICIOS Y PROBLEMAS
Ejercicios de regresión y correlación
1. Cinco niños de 2, 3, 5, 7 y 8 años de edad pesan, respectivamente, 14, 20, 32, 42 y

44 kilos.
a) Hallar la ecuación de la recta de regresión de la edad sobre el peso.
b) ¿Cuál sería el peso aproximado de un niño de seis años?
2. Un centro comercial sabe en función de la distancia, en kilómetros, a la que se sitúe

de un núcleo de población, acuden los clientes, en cientos, que figuran en la tabla:
N° de clientes (x) 8 7 6 4 2 1
Distancia (y) 15 19 25 23 34 40
a) Calcular el coeficiente de correlación lineal.

b) Si el centro comercial se sitúa a 2 km, ¿cuántos clientes puede esperar?
c) Si desea recibir a 500 clientes, ¿a qué distancia del núcleo de población debe
situarse?
3. Las notas obtenidas por cinco alumnos en Matemáticas y Química son:
Matemáticas 6 4 8 5 3,5
Química 6,5 4,5 7 5 4
Determinar las rectas de regresión y calcular la nota esperada en Química para un

alumno que tiene 7.5 en Matemáticas.
4. Un conjunto de datos bidimensionales (X, Y) tiene coeficiente de correlación r =

−0.9, siendo las medias de las distribuciones marginales = 1, = 2. Se sabe que
una de las cuatro ecuaciones siguientes corresponde a la recta de regresión de Y
sobre X:
a) y = -x + 2
b) 3x - y = 1
c) 2x + y = 4
d) y = x + 1
Seleccionar razonadamente esta recta.
5. Las estaturas y pesos de 10 jugadores de baloncesto de un equipo son:
Estatura (x) 186 189 190 192 193 193 198 201 203 205
Pesos (y) 85 85 86 90 87 91 93 103 100 101
a) Calcular la recta de regresión de Y sobre X.

b) El coeficiente de correlación.
c) El peso estimado de un jugador que mide 208 cm.

6. A partir de los siguientes datos referentes a horas trabajadas en un taller (X), y a

unidades producidas (Y), determinar la recta de regresión de Y sobre X, el
coeficiente de correlación lineal e interpretarlo.
Horas (x) 80 79 83 84 78 60 82 85 79 84 80 62
Producción (y) 300 302 315 330 300 250 300 340 315 330 310 240
7. Se ha solicitado a un grupo de 50 individuos información sobre el número de horas

que dedican diariamente a dormir y ver la televisión. La clasificación de las
respuestas ha permitido elaborar la siente tabla:
N° de horas dormidas (x) 6 7 8 9 10

N° de horas de televisión (y) 4 3 3 2 1
Frecuencias absolutas (fi) 3 16 20 10 1
Se pide:
a) Calcular el coeficiente de correlación.

b) Determinar la ecuación de la recta de regresión de Y sobre X.
c) Si una persona duerme ocho horas y media, ¿cuánto cabe esperar que vea la
televisión?
8. La tabla siguiente nos da las notas del test de aptitud (X) dadas a seis dependientes
a prueba y ventas del primer mes de prueba (Y) en cientos de euros.
X 25 42 33 54 29 36
Y 42 72 50 90 45 48
a) Hallar el coeficiente de correlación e interpretar el resultado obtenido.

b) Calcular la recta de regresión de Y sobre X. Predecir las ventas de un vendedor que
obtenga 47 en el test.
Ejercicios de correlación y regresión
1. Una compañía desea hacer predicciones del valor anual de sus ventas totales en
cierto país a partir de la relación de éstas y la renta nacional. Para investigar la
relación cuenta con los siguientes datos:
X 189 190 208 227 239 252 257 274 293 308 316
Y 402 404 412 425 429 436 440 447 458 469 469
X representa la renta nacional en millones de euros e Y representa las ventas de la

compañía en miles de euros en el periodo que va desde 1990 hasta 2000 (ambos
inclusive). Calcular:
a) La recta de regresión de Y sobre X.
b) El coeficiente de correlación lineal e interpretarlo.

c) Si en 2001 la renta nacional del país fue de 325 millones de euros. ¿Cuál será la
predicción para las ventas de la compañía en este año?
2. La información estadística obtenida de una muestra de tamaño 12 sobre la relación

existente entre la inversión realizada y el rendimiento obtenido en cientos de miles
de euros para explotaciones agrícolas, se muestra en el siguiente cuadro:
Inversión (x) 11 14 16 15 16 18 20 21 14 20 19 11
Rendimiento (y) 2 3 5 6 5 3 7 10 6 10 5 6
Calcular:
a) La recta de regresión del rendimiento respecto de la inversión.

b) La previsión de inversión que se obtendrá con un rendimiento de 1 250 000 €.
3. El número de horas dedicadas al estudio de una asignatura y la calificación obtenida

en el examen correspondiente, de ocho personas es:
Horas (x) 20 16 34 23 27 32 18 22
Calificación (y) 6,5 6,0 8,5 7,0 9,0 9,5 7,5 8,0
Se pide:
a) Recta de regresión de Y sobre X.

b) Calificación estimada para una persona que hubiese estudiado 28 horas.
4. En la tabla siguiente se indica la edad (en años) y la conducta agresiva (medida en

una escala de cero a 10) de 10 niños.
Edad 6,0 6,0 6,7 7,0 7,4 7,9 8,0 8,2 8,5 8,9
Conducta agresiva 9 6 7 8 7 4 2 3 3 1
a) Obtener la recta de regresión de la conducta agresiva en función de la edad.
b) A partir de dicha recta, obtener el valor de la conducta agresiva que correspondería a
un niño de 7,2 años.
5. Los valores de dos variables X e Y se distribuyen según la tabla siguiente:

Y/X 100 50 25
14 1 1 0
18 2 3 0
22 0 1 2
Se pide:
a) Calcular la covarianza.
b) Obtener e interpretar el coeficiente de correlación lineal.
c) Ecuación de la recta de regresión de Y sobre X.

6. Las puntuaciones obtenidas por un grupo de alumnos en una batería de test que
mide la habilidad verbal (X) y el razonamiento abstracto (Y) son las siguientes:
Y/X 20 30 40 50
(25 – 35) 6 4 0 0
(35 – 45) 3 6 1 0
(45 – 55) 0 2 5 3
(55 – 65) 0 1 2 7
Se pide:
a) ¿Existe correlación entre ambas variables?

b) Según los datos de la tabla, si uno de estos alumnos obtiene una puntuación de 70
puntos en razonamiento abstracto, ¿en cuánto se estimará su habilidad verbal?
7. Se sabe que entre el consumo de papel y el número de litros de agua por metro
cuadrado que se recogen en una ciudad no existe relación.
a) ¿Cuál es el valor de la covarianza de estas variables?

b) ¿Cuánto vale el coeficiente de correlación lineal?
c) ¿Qué ecuaciones tienen las dos rectas de regresión y cuál es su posición en el
plano?
8. En una empresa de transportes trabajan cuatro conductores. Los años de antigüedad

de permisos de conducir y el número de infracciones cometidas en el último año por
cada uno de ellos son los siguientes:
Años (x) 3 4 5 6
Infracciones (y) 4 3 2 1
Calcular el coeficiente de correlación lineal e interpretarlo.
9. Una persona rellena semanalmente una quiniela y un boleto de lotería primitiva

anotando el número de aciertos que tiene. Durante las cuatro semanas del mes de
febrero, los aciertos fueron:
Quiniela (x) 6 8 6 8
Primitiva (y) 1 2 2 1
Obtener el coeficiente de correlación lineal e interpretarlo. ¿Ofrecerían confianza

las previsiones hechas con las rectas de regresión?

Estadística Y Probabilidades

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Estadística Y Probabilidades

Caricato da

Copyright:

Formati disponibili

Universidad Tecnológica de Chile

APUNTES Y EJERCICIOS ____________________________________ 0

Estadística descriptiva _____________________________________ 2

Ejercicios y Problemas ____________________________________ 21

Inferencia Estadística ____________________________________ 27

Ejercicios y problemas ____________________________________ 34

Ejercicios y Problemas ____________________________________ 45

Ejercicios y Problemas ____________________________________ 58

Distribuciones Discretas de Probabilidad ______________________ 64

Ejercicios y Problemas ____________________________________ 66

Distribución Binomial _____________________________________ 68

Ejercicios y Problemas ____________________________________ 69

Distribución Normal ______________________________________ 71

Ejercicios y Problemas ____________________________________ 76

Distribuciones Bidimensionales _____________________________ 78

Ejercicios y Problemas ____________________________________ 85

Estadística y Probabilidad Página 1

ESTADÍSTICA DESCRIPT IVA

Definición de Estadística: La Estadística trata del recuento, ordenación y clasificación de

Un estudio estadístico consta de las siguientes fases:

 Individuo: Un individuo o unidad estadística es cada uno de los elementos que

 Muestra: Una muestra es un conjunto representativo de la población de referencia,

 Muestreo: El muestreo es la reunión de datos que se desea estudiar, obtenidos de

Definición de variable: Una variable estadística es cada una de las características o

Tipos de variable estadísticas

 Variable cualitativa: Las variables cualitativas se refieren a características o

Estadística y Probabilidad Página 2

 Variable cualitativa nominal: Una variable cualitativa nominal presenta

 Variable cualitativa ordinal: Una variable cualitativa ordinal presenta

 Variable cuantitativa: Una variable cuantitativa es la que se expresa mediante

 Variable continua: Una variable continua es aquella que puede tomar

Distribución de frecuencias: La distribución de frecuencias o tabla de frecuencias es una

 Frecuencia absoluta: La frecuencia absoluta es el número de veces que aparece un

 Frecuencia relativa: La frecuencia relativa es el cociente entre la frecuencia

 Frecuencia acumulada: La frecuencia acumulada es la suma de las frecuencias

Estadística y Probabilidad Página 3

 Frecuencia relativa acumulada: La frecuencia relativa acumulada es el cociente

En la primera columna de la tabla colocamos la variable ordenada de menor a mayor, en la

27 | 1 1 0,032 0,032 3,2% 3,2%

28 || 2 3 0,065 0,097 9,7% 9,7%

29 |||| | 6 9 0,194 0,290 19,4% 29,0%

30 |||| || 7 16 0,226 0,516 22,6% 51,6%

31 |||| ||| 8 24 0,258 0,774 25,8% 77,4%

32 ||| 3 27 0,097 0,871 9,7% 87,1%

33 ||| 3 30 0,097 0,968 9,7% 96,8%

34 | 1 31 0,032 1 3,2% 100%

Este tipo de tablas de frecuencias se utiliza con variables discretas.

Estadística y Probabilidad Página 4

Interpretación de los datos:

Distribución de frecuencias agrupadas: La distribución de frecuencias agrupadas o tabla

 Rango: Se utiliza en el caso de variables cuantitativas y es la diferencia entre el

 Intervalo de Clase: Es el espacio o rango en el que se ubica la variable.

 Amplitud de la clase: La amplitud de la clase es la diferencia entre el límite superior

 Marca de clase: La marca de clase es el punto medio de cada intervalo y es el valor

 Números de Intervalos: Consiste en dividir el rango en un número conveniente de

Construcción de una tabla de datos agrupados

Estadística y Probabilidad Página 5

2,5 1 1 0,025 0,025 2,5% 2,5%

 Diagrama de barras: Un diagrama de barras se utiliza para de presentar datos

Estadística y Probabilidad Página 6

 Polígonos de frecuencia: Un polígono de frecuencias se forma uniendo los

 Diagrama de sectores: Un diagrama de sectores se puede utilizar para todo tipo de

Ejemplo: En una clase de 30 alumnos, 12 juegan a baloncesto, 3 practican la natación, 9

Deporte Alumnos Cálculo Ángulos