Professional Documents
Culture Documents
Probabilidad y
Estadstica
Eddy Zahid Cruz Castillo
Mecatronica
DMT-2A
ndice
Competencias .......................................................................................................... 1
1.1.Introduccin a la estadstica2
1. Medidas de Centralizacin26
a) Media Aritmtica..26
b) Mediana .................................................................................................... 27
c) Moda.......................................................................................................... 28
b) Deciles .......................................................................................................... 33
c) Percentiles ................................................................................................... 37
a) Rango ........................................................................................................... 40
b) Desviacin Media........................................................................................ 42
c) Varianza ....................................................................................................... 43
a) Media Aritmtica.48
b)Mediana ........................................................................................................... 49
c)Moda ................................................................................................................. 51
a) Cuartiles ......................................................................................................... 52
b) Deciles ............................................................................................................ 54
c) Percentiles ...................................................................................................... 55
b) Varianza ......................................................................................................... 58
Competencias ........................................................................................................ 62
Objetivo ................................................................................................................. 63
2.1Conjuntos ................................................................................................ 63
Universo ................................................................................................. 64
Poblacin ............................................................................................... 64
Muestra .................................................................................................. 64
Conjunto Vaco...65
Subconjunto........................................................................................... 65
Notacin ................................................................................................. 66
Orgenes ................................................................................................ 67
Unin ...................................................................................................... 71
Interseccin. .......................................................................................... 71
Diferencia. .............................................................................................. 71
Complemento. ....................................................................................... 72
2.2.1 Conceptos................................................................................................ 58
Espacio muestral59
Sucesos complementarios61
Sucesos independientes...61
Sucesos dependientes..62
Aproximacin de la probabilidad.63
Probabilidades subjetivas..64
Diagrama de rbol..64
Principio Aditivo67
Regla fundamental.69
Permutacin .......................................................................................... 72
Combinacin.......................................................................................... 75
Teorema ................................................................................................. 83
Binomial ................................................................................................. 85
Hipergeomtrica.................................................................................... 87
Poisson................................................................................................... 90
Clculo de Probabilidad.98
F de fhiser..99
Distribucin muestral.103
Error estndar...104
Probabilidad y Estadstica
Competencias
Plantear y solucionar problemas con base en los principios y teoras de fsica, qumica
y matemticas, a travs del mtodo cientfico para sustentar la toma de decisiones en los
mbitos cientfico y tecnolgico.
Objetivo de aprendizaje:
El alumno resolver problemas estadsticos mediante el procesamiento de datos, as
como el anlisis y estimacin de parmetros para fundamentar la toma de decisiones.
1|Pgina
Mecatrnica Manual de Probabilidad y Estadstica
2|Pgina
Mecatrnica Manual de Probabilidad y Estadstica
1.1.1 Conceptos
1. Estadstica:
Es la ciencia que trata de la recopilacin, organizacin, presentacin, anlisis e
interpretacin de datos numricos con el fin de realizar una toma de decisin ms efectiva.
Otros autores tienen definiciones de la Estadstica semejantes a las anteriores.
Para Chacn esta se define como la ciencia que tiene por objeto el estudio cuantitativo
de los colectivos; otros la definen como la expresin cuantitativa del conocimiento dispuesta
en forma adecuada para el escrutinio y anlisis.
3|Pgina
Mecatrnica Manual de Probabilidad y Estadstica
1. Dato
Es una representacin simblica (numrica, alfabtica, algortmica, entre otros) de un
atributo o caracterstica de una entidad. Los datos describen hechos empricos, sucesos y
entidades. Los datos aisladamente pueden no contener informacin relevante.
2. Variable estadstica
Es una caracterstica de un elemento en una poblacin en estudio. Por ejemplo, si la
poblacin consta de personas, los siguientes son ejemplos de variables que podran ser de
inters: edad, peso, sexo, estatura, etc. Veremos a continuacin algunos criterios bajo los
cuales las variables pueden ser clasificadas.
Discreta: Cuando solo puede tomar un nmero discreto (es decir, finito o
numerable) de valores.
4|Pgina
Mecatrnica Manual de Probabilidad y Estadstica
Escala nominal:
Una variable se llama nominal cuando sus posibles valores no tienen alguna relacin
de orden o magnitud entre ellos. Bsicamente los valores de este tipo de variables son
etiquetas sin un orden entre ellos.
Por ejemplo, si estamos estudiando una poblacin humana, a la variable sexo podemos
asignarle dos posibles valores: F para femenino, y M para masculino. Los smbolos F y M son
etiquetas arbitrarias, y no existe un orden en ellas ni podemos realizar operaciones aritmticas.
La religin o la nacionalidad son tambin ejemplos de variables nominales.
Escala ordinal:
En esta escala los valores de la variable tienen un orden, pero no se pueden hacer
operaciones aritmticas entre estos valores pues no hay nocin de distancia entre ellos.
Por ejemplo, para calificar las caractersticas de un objeto podemos suponer los
siguientes valores: 0=Psimo, 1=malo, 2=Regular, 3=Bueno, 4=Excelente. En este caso la
escala de medicin es ordinal pues existe un orden entre sus valores, pero no se puede decir,
por ejemplo, que dos valores regulares hacen un valor excelente
3. Poblacin
Es el conjunto de cosas, personas, animales o situaciones que tiene una o varias
caractersticas o atributos comunes
5|Pgina
Mecatrnica Manual de Probabilidad y Estadstica
Ilustracin 1
Ilustracin 2
4. Muestra:
Es un conjunto de sujetos tomados de una poblacin. Ya que la muestra es parte de
una poblacin, se debe tener cuidado que sea representativo de la poblacin, es decir que las
caractersticas esenciales de la poblacin estn reflejadas en la muestra. Una muestra puede
ser, los tornillos con un tipo de rosca, el personal que estaba de guardia en la entrada, los
artculos de una cierta utilidad, los que tienen un tipo definido de defecto.
6|Pgina
Mecatrnica Manual de Probabilidad y Estadstica
La siguiente figura 1.1 muestra cmo se visualiza una muestra dentro de una poblacin.
Ilustracin 3
g) Longitud de un tornillo.
________________________________________
7|Pgina
Mecatrnica Manual de Probabilidad y Estadstica
h) Preferencia sexual.
________________________________________
8|Pgina
Mecatrnica Manual de Probabilidad y Estadstica
1.2.1 Conceptos
1. Censo
En ocasiones resulta posible estudiar cada uno de los elementos que componen la
poblacin, realizndose lo que se denomina un censo, es decir, el estudio de todos los
elementos que componen la poblacin.
2. Parmetro
Son valores constantes que definen una poblacin. Los parmetros suelen notarse con
letras griegas (, ). Los parmetros estadsticos sirven para sintetizar la informacin dada por
una tabla o por una grfica.
3. Muestreo
Es una herramienta de la investigacin cientfica. Su funcin bsica es determinar que
parte de una realidad en estudio (poblacin o universo) debe examinarse con la finalidad de
hacer inferencias sobre dicha poblacin. El error que se comete debido a hecho de que se
obtienen conclusiones sobre cierta realidad a partir de la observacin de slo una parte de
ella, se denomina error de muestreo. Obtener una muestra adecuada significa lograr una
versin simplificada de la poblacin, que reproduzca de algn modo sus rasgos bsicos.
9|Pgina
Mecatrnica Manual de Probabilidad y Estadstica
4. Estadstico
Valores calculados de los datos de una muestra y estiman a los parmetros de una
poblacin. Ejemplo, promedio muestral de produccin de una pieza determinada.
1. Probabilstico
Los mtodos de muestreo probabilsticos son aquellos que se basan en el principio de
equiprobabilidad. Es decir, aquellos en los que todos los individuos tienen la misma
probabilidad de ser elegidos para formar parte de una muestra y, consiguientemente, todas
las posibles muestras de tamao n tienen la misma probabilidad de ser seleccionadas. Slo
estos mtodos de muestreo probabilsticos nos aseguran la representatividad de la muestra
extrada y son, por tanto, los ms recomendables.
Por ejemplo, si tenemos una poblacin formada por 100 elementos y queremos extraer
una muestra de 25 elementos, en primer lugar, debemos establecer el intervalo de
seleccin que ser igual a 100/25 = 4. A continuacin elegimos el elemento de
arranque, tomando aleatoriamente un nmero entre el 1 y el 4, y a partir de l
obtenemos los restantes elementos de la muestra. 2, 6, 10, 14, 98
10 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
2. No probabilstico
A veces, para estudios exploratorios, el muestreo probabilstico resulta excesivamente
costoso y se acude a mtodos no probabilsticos, aun siendo conscientes de que no sirven
para realizar generalizaciones (estimaciones inferenciales sobre la poblacin), pues no se
tiene certeza de que la muestra extrada sea representativa, ya que no todos los sujetos de la
poblacin tienen la misma probabilidad de ser elegidos por lo que puede traer como
consecuencia proporcionar informacin errnea.
11 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Introduccin
En estadstica existe una relacin con cantidades, nmeros agrupados o no, los cuales
poseen entre s caractersticas similares. Existen investigaciones relacionadas con los precios
de los productos de la dieta diaria, la estatura y el peso de un grupo de individuos, los salarios
de los empleados, los grados de temperatura del medio ambiente, las calificaciones de los
estudiantes, etc., que pueden adquirir diferentes valores gracias a una unidad apropiada, que
recibe el nombre de variable. La representacin numrica de las variables se denomina dato
estadstico.
12 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
1. Clase
Son los valores agrupados en intervalos que tengan la misma amplitud denominados
clases. A cada clase se le asigna su frecuencia correspondiente.
13 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
N de Clase Inteligencia en CI
1 86-90
2 91-95
3 96-100
4 101-105
5 106-110
6 111-115
Donde:
2. Lmites de la clase
Cada clase est delimitada por el lmite inferior de la clase y el lmite superior de la
clase.
Inteligencia
N de Clase Lmite Inferior Limite Superior
en CI
1 86-90 86 90
2 91-95 91 95
3 96-100 96 100
4 101-105 101 105
5 106-110 106 110
6 111-115 111 115
Donde:
14 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
3. Amplitud de la clase
La amplitud de la clase es la diferencia entre el lmite superior e inferior de la clase.
Se obtiene mediante la resta del Limite Superior (LS Mximo Valor de la Muestra)
menos el Lmite Inferior (LI Mnimo Valor de la Muestra) y es representada mediante la letra
A Mayscula. Aunque cabe destacar que algunos autores lo denominan rango.
Donde:
A= Amplitud de la clase.
4. 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 clculo de algunos parmetros.
( )
=
2
Donde:
15 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
5. Frecuencias
Una distribucin de frecuencias o tabla de frecuencias es una ordenacin en forma
de tabla de los datos estadsticos, asignando a cada dato su frecuencia correspondiente.
Realizar el conteo de datos dentro de las clases o bien por datos individuales, es decir,
todos aquellos datos contenidos entre ese intervalo de clase o bien el conteo de cada dato por
separado, a este tipo de frecuencia se le conoce como Frecuencia Absoluta o de Clase y es
representada mediante la letra fi.
Donde la suma de las frecuencias absolutas nos dar como resultado al nmero total
de datos, que se representa con la letra N mayscula.
1 + 2 + 2 + =
Para indicar resumidamente esta frmula, se utiliza la letra griega (sigma mayscula)
que se lee suma o sumatoria.
=
=1
16 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Ejemplo:
Durante el mes de julio, en una ciudad se han registrado las siguientes temperaturas
mximas:
Actividad #3
Se encuestaron a hogares para determinar el nmero de personas que habitan y
estos fueron los datos obtenidos:
17 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
2 3 4 5 6 7 5 4 6 3
1 7 2 4 5 6 8 6 4 6
2 3 1 4 6 5 6 5 7 5
Ejemplo:
Xi fi Fi
27 1 1 Como se puede observar y para determinar si el resultado
28 2 3
29 5 8 obtenido es correcto debe de coincidir con la sumatoria de la
30 7 15 frecuencia absoluta fi.
31 8 23
32 3 26
33 3 29
34 1 30
30
Actividad #4
18 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
2 3 4 5 6 7 5 4 6 3
1 7 2 4 5 6 8 6 4 6
2 3 1 4 6 5 6 5 7 5
c) Frecuencia Relativa
Donde:
19 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Ejemplo:
Xi fi Fi ni
27 1 1 0.033 4) Como se puede observar para determinar si el
28 2 3 0.066
29 5 8 0.166 resultado obtenido es correcto la sumatoria debe ser igual a
30 7 15 0.233 1 o muy prximo a 1.
31 8 23 0.266
32 3 26 0.100
33 3 29 0.100
34 1 30 0.033
30 0.997
1 2 5 7
= = 0.033 = = 0.066 = = 0.166 = = 0.166
30 30 30 30
8 3 3 1
= = 0.266 = = 0.100 = = 0.100 = = 0.033
30 30 30 30
Actividad #5
2 3 4 5 6 7 5 4 6 3
1 7 2 4 5 6 8 6 4 6
2 3 1 4 6 5 6 5 7 5
20 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Donde:
Ejemplo:
Xi fi Fi ni Ni
27 1 1 0.033 0.033 1) Como se puede observar para determinar si el
28 2 3 0.066 0.099
29 5 8 0.166 0.265 resultado obtenido es correcto la sumatoria debe
30 7 15 0.233 0.498 ser igual a 1 o muy prximo a 1.
31 8 23 0.266 0.764
32 3 26 0.100 0.864
33 3 29 0.100 0.964
34 1 30 0.033 0.997
30 0.997 0.997
21 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
1 3 8 15
= = 0.033 = = 0.099 = = 0.265 = = 0.498
30 30 30 30
23 26 29 1
= = 0.764 = = 0.864 = = 0.964 = = 0.997
30 30 30 30
Actividad #6
De acuerdo a la Actividad #5 realiza la frecuencia relativa
2 3 4 5 6 7 5 4 6 3
1 7 2 4 5 6 8 6 4 6
2 3 1 4 6 5 6 5 7 5
La frecuencia relativa es aquella que resulta de dividir cada uno de los fi de las
clases de una distribucin de frecuencia de clase entre el nmero total de datos (N) de la
serie de valores. Estas frecuencias se designan con las letras fi, si cada fi se multiplica
por 100 se obtiene la frecuencia relativa porcentual y es representada mediante fi%.
% = (1)(100)
Donde:
22 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Ejemplo:
Xi fi Fi ni Ni fi
27 1 1 0.033 0.033 3.33% 4) Como se puede observar para
28 2 3 0.066 0.099 6.66%
29 5 8 0.166 0.265 16.66% determinar si el resultado obtenido es
30 7 15 0.233 0.498 23.33% correcto la sumatoria debe ser igual a
31 8 23 0.266 0.764 26.66%
32 3 26 0.100 0.864 10.00% 100% o muy prximo a 100%.
33 3 29 0.100 0.964 10.00%
34 1 30 0.033 0.997 3.33%
30 0.997 0.997 99.7%
% = (1)(100)
Actividad #7
De acuerdo a la Actividad #6 realiza la frecuencia relativa porcentual
2 3 4 5 6 7 5 4 6 3
1 7 2 4 5 6 8 6 4 6
2 3 1 4 6 5 6 5 7 5
23 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
% = (1)(100)
Donde:
Ejemplo:
24 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Xi fi Fi ni Ni fi Fi
27 1 1 0.033 0.033 3.33% 3.33%
28 2 3 0.066 0.099 6.66% 9.99%
29 5 8 0.166 0.265 16.66% 26.50%
30 7 15 0.233 0.498 23.33% 49.80%
31 8 23 0.266 0.764 26.66% 76.40%
32 3 26 0.100 0.864 10.00% 86.40%
33 3 29 0.100 0.964 10.00% 96.40%
34 1 30 0.033 0.997 3.33% 99.70%
30 0.997 99.7%
% = (1)(100)
Actividad #8
De acuerdo a la Actividad #7 realiza la frecuencia relativa porcentual acumulada
2 3 4 5 6 7 5 4 6 3
1 7 2 4 5 6 8 6 4 6
2 3 1 4 6 5 6 5 7 5
25 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
1. Medidas de Centralizacin
Nos indica en torno a qu valor (centro) se distribuyen los datos.
a) Media Aritmtica
La media es el valor promedio de la distribucin. Se obtiene sumando el total de
cada uno de los datos y se divide en el Nmero de datos N. Se representa por
1 + 2 + 3
=
Donde:
= Media Aritmtica
26 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Ejemplo #1
Un grupo de 6 amigas tienen distintas edades. Son las siguientes: 2 de ellas tienen
28 aos y otras 2 tienen 32 aos, el resto tienen 29 y 30 aos respectivamente. Calcula la
media aritmtica del grupo.
28 28 32 32 29 30
28 + 28 + 32 + 32 + 29 + 30
=
6
= 29.83
es 29.83
Eso quiere decir que la media aritmtica ""
b) Mediana
Es la puntuacin de la escala que separa la mitad superior de la distribucin y la
inferior, es decir, divide la serie de datos en dos partes. Se representa por Me
=
2
Donde:
Me= Mediana
27 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Ejemplo#2
28 28 29 30 32 32
Como se puede observar son dos datos que se encuentran justamente a la mitad,
ambos se suman y se dividirn entre dos.
28 28 29 30 32 32
29 + 30
=
2
= 29.5
c) Moda
La moda es el valor que ms se repite en una distribucin de frecuencias. Es
representado por Mo. Puede darse la ocasin donde la moda sean dos y se va a conocer
como bimodal, y en cambio cuando la moda sean tres o ms datos que se repiten de
manera igual se le conocer como multimodal.
28 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Ejemplo#3
28 28 29 30 32 32
2. Medidas de Posicin
Dividen un conjunto de datos con el nmero de individuos. Cada uno se va a
representar mediante porcentaje y eso depende el nombre de la media de posicin.
a) Cuartiles
Dividen la serie de datos en cuatro partes iguales. Cada parte representa un 25% y
se representa con la letra C, aunque muchos autores tambin la mencionan como Q.
29 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
( + 1)
=
4
Donde:
Q= Cuartil
K= N de Cuartil
Ejemplo #1
Se obtuvieron los siguientes datos en desorden los cuales son los siguientes.
Calcula el Cuartil N-1
3 8 7 6 5 2 1 7 8 9
3 8 7 6 5 2 1 7 8 9
1 2 3 4 5 6 7 8 9 10
( + 1)
=
4
1 (10 + 1)
1 =
4
11
1 =
4
1 = 2.75 = 3 = 25%
Esto quiere decir que la posicin del cuartil N-1 es en la posicin 3, es decir el 25%.
30 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
3 8 7 6 5 2 1 7 8 9
1 2 3 4 5 6 7 8 9 10
= + ( 1)
4
Donde:
K=Nmero de Cuartil
N=Nmero de Datos
A= Amplitud
Ejemplo #1:
Para la obtencin de lo solicitado por la Sr. Iliana Tavarez Leal se opt por realizar
un estudio estadstico donde se incluya inicialmente la tabla de distribucin de frecuencias
de datos agrupados donde los resultados estadsticos se ordenan en clases y con la
frecuencia de cada clase, es decir, los datos originales se combinan para formar un intervalo
de clase donde el primer paso para desarrollarse es el acomodo de los datos en forma
ascendente. La razn fundamental de utilizar la distribucin de frecuencias de clases es
proporcionar mejor comunicacin acerca del patrn establecido en los datos y facilitar la
manipulacin de los mismos.
31 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
546 835 899 899 901 985 986 997 1003 1010
1025 1114 1200 1235 1252 1282 1285 1301 1381 1381
1382 1450 1450 1580 1581 1591 1670 1670 1770 2013
2181 2185 2185 2223 2228 2228 2325 2370 2770 2770
2882 2993 2993 3185 3225 3271 3452 4381 4562 4689
DATOS fi Fi
546-804 1 1
805-1063 10 11
1064-1322 7 18
1323-1581 7 25
1582-1840 4 29
1841-2099 1 30
2100-2358 7 37
2359-2617 1 38
2618-2876 2 40
2877-3135 3 43
3136-3394 3 46
3395-3653 1 47
3654-3912 0 47
3913-4171 0 47
4172-4430 1 48
4431-4689 2 50
= + ( 1)
4
32 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
2 50
2 = ( )
4
100
2 = ( )
4
2 = 25
25 18 7
2 = 1323 + ( ) 258 2 = 1323 + ( ) 258 2 = 1323 + (1) 258
7 7
2 = 1323 + 258
2 = 1581
Con este dato nos percatamos que las ganancias son en un 50% superiores a $1581
e inferiores en 50% de $1581. Por lo que las ganancias adquiridas eran idnticas a la media
aritmtica.
b) Deciles
Dividen la serie de datos en diez partes iguales. Cada parte representa un 10% y se
representa con la letra D.
( + 1)
=
10
33 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Donde:
D= Decil
K= N de Decil
Ejemplo #1
Se obtuvieron los siguientes datos en desorden los cuales son los siguientes.
Calcula el Decil N-3
3 8 7 6 5 2 1 7 8 9
3 8 7 6 5 2 1 7 8 9
1 2 3 4 5 6 7 8 9 10
( + 1)
=
10
3 (10 + 1)
3 =
10
33
3 =
10
3 = 3.3 = 4 = 30%
3 8 7 6 5 2 1 7 8 9
1 2 3 4 5 6 7 8 9 10
34 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
= + ( 1)
4
Donde:
K=Nmero de Decil
N=Nmero de Datos
A= Amplitud
Ejemplo#2
Con el Ejemplo anterior del estudio estadstico para datos agrupados se realiz el
decil N3
DATOS fi Fi
546-804 1 1
805-1063 10 11
1064-1322 7 18
1323-1581 7 25
1582-1840 4 29
1841-2099 1 30
2100-2358 7 37
2359-2617 1 38
2618-2876 2 40
2877-3135 3 43
3136-3394 3 46
3395-3653 1 47
3654-3912 0 47
35 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
3913-4171 0 47
4172-4430 1 48
4431-4689 2 50
= + ( 1)
4
3 50
3 = ( )
4
150
3 = ( )
4
3 = 15
15 11 4
3 = 1064 + ( ) 258 3 = 1064 + ( ) 258 3 = 1064 + (0.5714) 258
7 7
3 = 1064 + 147.47
3 = 1211.42
Con este dato nos percatamos que las ganancias son en un 70% superiores a
$1211.42 e inferiores en 30% de $1211.42.
36 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
c) Percentiles
Dividen la serie de datos en cien partes iguales. Cada parte representa un 1% y se
representa con la letra P.
( + 1)
=
100
Donde:
P= Percentil
K= N de Percentil
Ejemplo #1
Se obtuvieron los siguientes datos en desorden los cuales son los siguientes.
Calcula el Percentil N15
3 8 7 6 5 2 1 7 8 9
3 8 7 6 5 2 1 7 8 9
1 2 3 4 5 6 7 8 9 10
37 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
( + 1)
=
100
15 (10 + 1)
15 =
10
15 11
15 =
100
165
15 =
100
3 = 1.65 = 2 = 15%
Esto quiere decir que la posicin del Percentil N15 es el 2 como se muestra en la
siguiente tabla.
3 8 7 6 5 2 1 7 8 9
1 2 3 4 5 6 7 8 9 10
= + ( 1)
4
Donde:
K=Nmero de percentil
N=Nmero de Datos
38 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
A= Amplitud
Ejemplo#3
= + ( 1)
4
DATOS fi Fi
546-804 1 1
805-1063 10 11
1064-1322 7 18
1323-1581 7 25
1582-1840 4 29
1841-2099 1 30
2100-2358 7 37
2359-2617 1 38
2618-2876 2 40
2877-3135 3 43
3136-3394 3 46
3395-3653 1 47
3654-3912 0 47
3913-4171 0 47
4172-4430 1 48
4431-4689 2 50
39 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
45 50
45 = ( )
100
2250
45 = ( )
100
45 = 22.5
22.5 18 4.5
45 = 1323 + ( ) 258 45 = 1323 + ( ) 258
7 7
45 = 1323 + 165.85
45 = 1488.85
Con este dato nos percatamos que las ganancias son en un 55% superiores a
$1488.85 e inferiores en 45% de $1488.85.
3. Medidas de Dispersin
Las medidas de dispersin nos informan sobre cuanto se alejan del centro los
valores de la distribucin.
a) Rango
Es la diferencia entre el mayor y el menor de los datos de una distribucin
estadstica. Se obtiene restando el Limite Superior Ls con respecto al Lmite Inferior Li.
Se representa por la letra R
40 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Donde:
R= Rango
Ejemplo:
50 38 43 56 51 36 25 33 41 44
34 39 49 37 40 50 50 35 22 45
44 38 14 44 51 27 44 39 50 35
31 34 48 48 30 42 26 35 32 63
36 38 53 23 39 45 37 31 39 53
= 63 14
= 49
41 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
b) Desviacin Media
Es la media aritmtica del cuadrado de los valores absolutos de las desviaciones
respecto a la media. Se representa con D.
(1 ) + (2 ) + ( ) + ( )
=
Donde:
D =Desviacin Media
= Media
Procedimiento:
Ejemplo:
Hallar la desviacin media de la serie de nmeros siguientes:
12 6 7 3 15 10 18 5
1 + 2 + 3
=
12 + 6 + 7 + 3 + 15 + 10 + 18 + 5 76
= = = 9.5
8 8
42 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
2) Se utiliza cada dato restndole la media y sumar cada resultado por separado.
(1 ) + (2 ) + ( ) + ( )
=
(12 9.5) + (6 9.5) + (7 9.5) + (15 9.5) + (10 9.5) + (18 9.5) + (5 9.5)
=
= 4.25
c) Varianza
Es la media aritmtica del cuadrado del cuadrado de las desviaciones respecto a la
media. Se representa con .2 .
Donde:
.2 =Varianza
= Media
43 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Procedimiento:
Ejemplo:
12 6 7 3 15 10 18 5
1 + 2 + 3
=
12 + 6 + 7 + 3 + 15 + 10 + 18 + 5 76
= = = 9.5
8 8
2) Se utiliza cada dato restndole la media y sumar cada resultado por separado.
(1 ).2 + (2 ).2 + ( ) + ( ).2
.2 =
44 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
190
2 =
8
2 = 23.75
= .2
Donde:
.2 =Varianza
= Media
Procedimiento:
45 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Ejemplo:
12 6 7 3 15 10 18 5
1 + 2 + 3
=
12 + 6 + 7 + 3 + 15 + 10 + 18 + 5 76
= = = 9.5
8 8
2) Se utiliza cada dato restndole la media y sumar cada resultado por separado.
46 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
190
=
8
= 23.75
= 4.83
47 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
a) Media Aritmtica
La media es el valor promedio de la distribucin. Se obtiene sumando el total de
cada uno de los datos y se divide en el Nmero de datos N. Se representa por
Procedimiento
2) Ordenarlo en el ms pequeo al
ms grande.
Seleccionar el Rango de
Datos
48 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Quedara de la siguiente
manera. De menor a
mayor.
= (1: 6)
Donde se coloca en la
barra de frmulas y el
B1:B6 es el rango de
datos.
b) Mediana
Es la puntuacin de la escala que separa la mitad superior de la distribucin y la
inferior, es decir, divide la serie de datos en dos partes. Se representa por Me
Procedimiento
49 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
2) Ordenarlo en el ms pequeo al
ms grande.
Seleccionar el Rango de
Datos
Quedara de la siguiente
manera. De menor a
mayor.
= (1: 6)
50 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
c) Moda
La moda es el valor que ms se repite en una distribucin de frecuencias. Es
representado por Mo. Puede darse la ocasin donde la moda sean dos y se va a conocer
como bimodal, y en cambio cuando la moda sean tres o ms datos que se repiten de
manera igual se le conocer como multimodal.
Procedimiento
2) Ordenarlo en el ms pequeo al
ms grande.
Seleccionar el Rango de
Datos
Quedara de la siguiente
manera. De menor a
mayor.
51 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
= (1: 6)
2. Medidas de Posicin
Dividen un conjunto de datos con el nmero de individuos. Cada uno se va a
representar mediante porcentaje y eso depende el nombre de la media de posicin.
a) Cuartiles
Dividen la serie de datos en cuatro partes iguales. Cada parte representa un 25% y
se representa con la letra C, aunque muchos autores tambin la mencionan como Q.
Procedimiento
52 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
2) Ordenarlo en el ms pequeo al
ms grande.
Seleccionar el Rango de
Datos
Quedara de la siguiente
manera. De menor a
mayor.
= (1: 6,1)
53 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
b) Deciles
Dividen la serie de datos en diez partes iguales. Cada parte representa un 10% y se
representa con la letra D.
Procedimiento
2) Ordenarlo en el ms pequeo al
ms grande.
Seleccionar el Rango de
Datos
Quedara de la siguiente
manera. De menor a
mayor.
= (1: 6,0.10)
54 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
c) Percentiles
Dividen la serie de datos en cien partes iguales. Cada parte representa un 1% y se
representa con la letra P.
Procedimiento
55 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
2) Ordenarlo en el ms pequeo al
ms grande.
Seleccionar el Rango de
Datos
Quedara de la siguiente
manera. De menor a
mayor.
= (1: 6,0.10)
56 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
3. Medidas de Dispersin
Las medidas de dispersin nos informan sobre cuanto se alejan del centro los
valores de la distribucin.
a) Desviacin Media
Es la media aritmtica del cuadrado de los valores absolutos de las desviaciones
respecto a la media. Se representa con D.
Procedimiento
2) Ordenarlo en el ms pequeo al
ms grande.
Seleccionar el Rango de
Datos
57 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Quedara de la siguiente
manera. De menor a
mayor.
= (1: 6)
b) Varianza
Es la media aritmtica del cuadrado del cuadrado de las desviaciones respecto a la
media. Se representa con .2 .
Procedimiento
58 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
2) Ordenarlo en el ms pequeo al
ms grande.
Seleccionar el Rango de
Datos
Quedara de la siguiente
manera. De menor a
mayor.
= (1: 6)
59 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Procedimiento
4) Ordenarlo en el ms pequeo al
ms grande.
Seleccionar el Rango de
Datos
60 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Quedara de la siguiente
manera. De menor a
mayor.
= (1: 6)
61 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Competencias
Plantear y solucionar problemas con base en los principios y teoras de fsica,
qumica y matemticas, a travs del mtodo cientfico para sustentar la toma de decisiones
en los mbitos cientfico y tecnolgico.
Objetivo de aprendizaje:
El alumno resolver problemas estadsticos mediante el procesamiento de datos,
as como el anlisis y estimacin de parmetros para fundamentar la toma de decisiones.
62 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Objetivo
El alumno determinar las probabilidades de datos estadsticos para contribuir a la
toma de decisiones.
2.1 Conjuntos
La teora de conjuntos es una rama de las matemticas que estudia las propiedades
de los conjuntos: colecciones abstractas de objetos, consideradas como objetos en s
mismas. Los conjuntos y sus operaciones ms elementales son una herramienta bsica en
la formulacin de cualquier teora matemtica.
Adems, la propia teora de conjuntos es objeto de estudio per se, no slo como
herramienta auxiliar, en particular las propiedades y relaciones de los conjuntos infinitos.
En esta disciplina es habitual que se presenten casos de propiedades indemostrables o
contradictorias, como la hiptesis del continuo o la existencia de un cardinal inaccesible.
Por esta razn, sus razonamientos y tcnicas se apoyan en gran medida en la lgica
matemtica.
63 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
2.1.2 Conceptos:
Universo
Se denomina Universo estadstico a un conjunto, finito o infinito de seres vivos,
elementos o cosas, sobre los cuales estn definidas caractersticas que interesa analizar.
Se habla de universo de personas, fabricas, ros, familias, automviles, etc.
Poblacin
Se llama poblacin estadstica a la coleccin de todas las posibles mediciones que
pueden hacerse de una caracterstica en estudio. Observe que una poblacin va a estar
constituidas por datos o valores.
Muestra
Una muestra es una parte o porcin de una poblacin pueden seleccionarse
diferentes muestras.
64 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Conjunto Vaco
Es aquel conjunto que no tiene ningn elemento. Se representa por el smbolo
Ejemplo: Sea A el conjunto de las personas mayores de 200 aos
Subconjunto
Se dice que un conjunto A es subconjunto de un conjunto B, o bien que A
est incluido en B si y slo si cada elemento que pertenece a pertenecer tambin a B.
A est incluido en B y se anota A B.
Ejemplo:
A = {1, 3, 5}
B = {1, 2, 3, 4, 5, 6, 7}
65 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Entonces A B.
Si A no es subconjunto de B se escribe A B.
Notacin
Llamaremos elemento a cada uno de los objetos que forman parte de un conjunto,
estos elementos tienen carcter individual, tienen cualidades que nos permiten
diferenciarlos, y cada uno de ellos es nico, no habiendo elementos duplicados o repetidos.
Los representaremos con una letra minscula: a, b, c,
: Se usa para expresar que un conjunto, y, por lo tanto, todos sus elementos, forman parte
de otro conjunto mayor.
U / : El primer smbolo indica el conjunto universal, es el conjunto de todas las cosas sobre
las que estemos tratando. As, si hablamos de nmeros enteros entonces U es el conjunto
de los nmeros enteros, si hablamos de ciudades, U es el conjunto de todas las ciudades,
este conjunto universal puede mencionarse explcitamente, o en la mayora de los casos se
da por supuesto dado el contexto que estemos tratando, pero siempre es necesario
demostrar la existencia de dicho conjunto previamente.
El otro conjunto, se le llama conjunto vaco y cumple que todos los elementos
posibles no estn contenidos en l, es decir x, x.
66 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Orgenes
Los diagramas de Venn tienen el nombre de su creador, John Venn, matemtico y
filsofo britnico. Estudiante y ms tarde profesor en el Caius College de la Universidad de
Cambridge, desarroll toda su produccin intelectual entre esas cuatro paredes.
67 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Universo
68 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
crculos
A B
69 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
A B
8 3 13
2
3 6
U
13
C
R=1
R=3
c) Cuntos usan B o C?
R=4
R=10
R=30
70 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Unin
La unin de dos conjuntos A y B es el conjunto A B que contiene cada elemento
que est por lo menos en uno de ellos. Es decir, todos los elementos que se encuentran en
A y B.
Interseccin.
La interseccin de dos conjuntos A y B es el conjunto A B que contiene todos los
elementos comunes de A y B. Es decir, donde se unen A y B
Diferencia.
La diferencia entre dos conjuntos A y B es el conjunto B -- A que contiene todos los
elementos de B que no pertenecen a A. Es decir, todo B excepto aquellos elementos que
se encuentren en A.
71 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Complemento.
El complemento de un conjunto A es el conjunto A que contiene todos los
elementos (respecto de algn conjunto referencial) que no pertenecen a A.
Ejercicios resueltos
1.- Sean A = {1,2,3,4}; B = {2,4,6,8}; C = {3,4,5,6}
Hallar
a) A U B;
b) A U C;
c) B U C;
d) B U B
Solucin:
A U B = {1,2,3,4,6,8}
72 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Es decir, se colocan los nmeros en orden ascendente para determinar la unin que
existe entre ambos si repetir los datos.
A U C = {1,2,3,4,5,6}
B U C = {2,4,6,3,5}
B U B = {2,4,6,8}
A = {6,2,8,4,3}
Encontrar todos los subconjuntos de A que se puedan construir con sus elementos,
es decir el conjunto potencia.
2A = {{6}, {2}, {8}, {4}, {3}, {6,2}, {6,8}, {6,4}, {6,3}, {2,8}, {2,4}, {2,3}, {8,4}, {8,3}, {4,3},
{6,2,8}, {6,2,4}, {6,2,3}, {6,8,4}, {6,8,3}, {6,4,3}, {2,8,4}, {2,8,3}, {8,4,3}, {6,2,8,4},
{6,2,8,3},
73 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
2.2.1 Conceptos
Probabilidad del latn, y ms exactamente en la palabra probabilista, que est formada
por la unin del verbo probare que puede traducirse como comprobar, el sufijo bilis que
equivale a posibilidad y el tambin sufijo tal que lo que viene a indicar es una cualidad.
Con origen en el latn probabilista, probabilidad es una palabra que permite resaltar
la caracterstica de probable (es decir, de que algo pueda ocurrir o resultar verosmil). Se
encarga de evaluar y permitir la medicin de la frecuencia con la que es posible obtener un
cierto resultado en el marco de un procedimiento de carcter aleatorio.
Experimento aleatorio
58 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Espacio muestral
Ejemplo:
E = {C, X}.
E = {1, 2, 3, 4, 5, 6}.
59 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Suceso o evento
Ejemplo:
Sucesos o eventos que no pueden ocurrir simultneamente. Son aquellos en los que
si un evento sucede significa que el otro no puede ocurrir.
Ejemplo:
Sacar una carta de corazones y una carta de espadas. Son eventos mutuamente
excluyentes, las cartas o son de corazones o son de espadas.
60 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Sucesos complementarios
Ejemplo:
Sucesos independientes
Ejemplo:
61 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Sucesos dependientes
Ejemplo:
Extraer dos cartas de una baraja, sin reposicin, son sucesos dependientes
62 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Aproximacin de la probabilidad
Realiza (u observa) un procedimiento un gran nmero de veces y cuenta las ocasiones
que el suceso A ocurre en realidad. Con base en estos resultados reales, P(A) se estima de la
siguiente manera:
() =
.
() =
1
() =
4
2 1
() = =
4 2
63 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Probabilidades subjetivas.
P(A), la probabilidad del suceso A, se obtiene simplemente suponiendo o estimando su
valor con base en el conocimiento de las circunstancias relevantes.
Ejemplo:
Si un evento A puede ocurrir de n1 maneras y una vez que este ha ocurrido, otro evento
B puede n2 maneras diferentes entonces, el nmero total de formas diferentes en que ambos
eventos pueden ocurrir en el orden indicado, es igual a n1 x n2.
Diagrama de rbol
Un diagrama de rbol es una herramienta que se utiliza para determinar todos los
posibles resultados de un experimento aleatorio. En el clculo de la probabilidad se requiere
conocer el nmero de elementos que forman parte del espacio muestral, estos se pueden
determinar con la construccin del diagrama de rbol.
64 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Para la construccin de un diagrama en rbol se partir poniendo una rama para cada
una de las posibilidades, acompaada de su probabilidad. Cada una de esta rama se conoce
como rama de primera generacin.
Hay que tener en cuenta que la construccin de un rbol no depende de tener el mismo
nmero de ramas de segunda generacin que salen de cada rama de primera generacin y
que la suma de probabilidades de las ramas de cada nudo ha de dar 1.
Ejemplos:
65 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Autobus
Acapulco Avin
Automvil
Autobus
Huatulco Avin
Automvil
DESICIN
Autobus
Cancn Avin
Automvil
Autobus
Iztapa Avin
Automvil
66 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Principio de la Multiplicacin
Si una operacin se puede efectuar de n1 maneras y para cada una de ellas se puede
efectuar una segunda operacin de n2 maneras y as sucesivamente hasta la operacin nr,
entonces el nmero de maneras en que el proceso puede realizarse ser el producto.
n1 n2...nr.
Ejemplo:
Cada vez que se lance un dado puede haber 6 resultados posibles, por lo que al lanzarlo 4
veces habr:
Principio Aditivo
Si se desea llevar a efecto una actividad, la cual tiene formas alternativas para ser
realizada, donde la primera de esas alternativas puede ser realizada de M maneras o formas,
la segunda alternativa puede realizarse de N maneras o formas ..... y la ltima de las
alternativas puede ser realizada de W maneras o formas, entonces esa actividad puede ser
llevada a cabo de,
Ejemplo:
Una persona desea comprar una lavadora de ropa, para lo cul ha pensado que puede
seleccionar de entre las marcas Whirpool, Easy y General Electric, cuando acude a hacer la
compra se encuentra que la lavadora de la marca W se presenta en dos tipos de carga ( 8 u
11 kilogramos), en cuatro colores diferentes y puede ser automtica o semiautomtica,
mientras que la lavadora de la marca E, se presenta en tres tipos de carga (8, 11 o 15
kilogramos), en dos colores diferentes y puede ser automtica o semiautomtica y la lavadora
67 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
de la marca GE, se presenta en solo un tipo de carga, que es de 11 kilogramos, dos colores
diferentes y solo hay semiautomtica. Cuntas maneras tiene esta persona de comprar una
lavadora?
Solucin:
M = Nmero de maneras de seleccionar una lavadora Whirpool
N = Nmero de maneras de seleccionar una lavadora de la marca Easy
W = Nmero de maneras de seleccionar una lavadora de la marca General Electric
M = 2 x 4 x 2 = 16 maneras
N = 3 x 2 x 2 = 12 maneras
W = 1 x 2 x 1 = 2 maneras
M + N + W = 16 + 12 + 2 = 30 maneras de seleccionar una lavadora
Ejemplo:
De cuntas formas se puede proteger del fro una persona que tiene 3 chompas y 3
casacas? Sabiendo que no se puede poner casaca y chompa a la vez.
Para enfrentar el fro, la persona se puede poner casaca o chompa, es decir, tiene 3 +
3 = 6 opciones diferentes para protegerse del fro.
68 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Ejemplo:
En muchos estados (USA), en las placas del automvil se usan tres letras
seguidas de tres numerales, para obtener el nmero de placas. Si se supone que
puede usarse cualquiera de las 26 letras del alfabeto ingles para ocupar cada uno de
los tres caracteres y que puede utilizarse cualquiera de los dgitos del 0 al 9 para ocupar
los tres ltimos caracteres.
Solucin: Para la primera letra hay 26 opciones posibles (n1 = 26), 26 para la
segunda (n2 = 26) y 26 para la tercera (n3 = 26). De manera semejante hay 10 opciones
posibles para el numeral que se usara para los caracteres cuarto (n4 = 10), quinto (n5
= 10) y sexto (n6 = 10). En consecuencia, al usar la regla general de conteo (formula
A -2), Se
Regla fundamental
Si un experimento est integrado por dos ensayos, donde uno de ellos (una sola
accin o eleccin) tiene m resultados posibles y el otro ensayo tiene n resultados posibles,
entonces cuando los ensayos se realizan juntos, se tiene m x n.
Ejemplo:
69 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Solucin
Hay 10 valores posibles para cada uno de los cuatro dgitos; entonces, el nmero de
cdigos posibles destinado s es de:
10 10 10 10 10 = 10,000
Ejemplos
= 5 3 4 = 60 ( )
5 3 4
9 8 7 6 5 = 2 2 8 7 6 5 = 136,080 ( )
9 10 10 10 10 10 = 9 10 10 10 10 = 900,000 ( )
3. Ana y Mara vieron a dos hombres alejarse en automvil frente a una joyera,
justo antes de que sonara una alarma contra robos. Cuando fueron interrogadas por la
70 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
polica, las dos jvenes dieron la siguiente informacin acerca de la placa (que
constaba de dos letras seguidas de cuatro dgitos). Mara estaba segura de que la
segunda letra de la placa era una O o una Q, y que el ltimo dgito era un 3 o un 8. Ana
dijo que la primera letra de la placa era una C o una G y que el primer dgito era
definitivamente un 7.
7 09 09 83
= 800 ( )
2 2 1 10 10 2
71 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
de A a C por las rutas R1 y R6 podra regresar por las rutas R6 y R2, pero
no por R1 y R6).
La regla puede ampliarse a ms de dos tareas, siempre que ningn par de ellas pueda
ocurrir simultneamente.
Permutacin
FRMULA:
= ! ( )
!
=
( )!
Dnde:
Ejemplos
1)
a) Cuntas permutaciones existen para las ocho letras a,b,c,d,e,f,g,h?
72 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
8 = 8! = 8 7 6 5 4 3 2 1 = 40,320
Usando la frmula:
! ( )
8 = 8! = 8 7 6 5 4 3 2 1 = 40,320
7 = 7! = 7 6 5 4 3 2 1 = 5,040
6 = 6! = 6 5 4 3 2 1 = 720
4 = 4 3 2 1 = 24
Si consideramos que las tres I son distintas, podemos formar P8 palabras. As,
la permutacin VI1SI2TI3NG sera distinta de VI2SI1TI3NG. Pero esto no es lo que
queremos, en realidad no hay diferencia entre esas dos permutaciones. Como las tres
I pueden ubicarse de P3 maneras, cada palabra se est repitiendo P3 veces.
73 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
8 8! 8 7 6 5 4 3 2 1 = 40,320 40320
= = = = 6720
3 3! 321 6
III_ _ _ _ _
_III_ _ _ _
_ _III_ _ _
_ _ _III_ _
_ _ _ _III_
_ _ _ _ _III
6 = 6! = 6 5 4 3 2 1 = 720
3 = 3! = 3 2 1 = 6
74 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
arreglo, una vez usada una, nos quedan 7 posibilidades de escoger una segunda letra,
y una vez que hayamos usado dos, nos quedan 6, as sucesivamente hasta agotarlas,
en total tenemos:
8 = 8! = 8 7 6 5 4 3 2 1 = 40,320
Combinacin
!
= =( )
! ( )!
Dnde:
Ejemplos
75 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Existen
10! 10 9 8 720
310 = 3!
= 321
= 6
= 120
2. Juan quiere dar una fiesta para algunos de sus amigos. Debido al tamao de
su casa, slo puede invitar a 11 de sus 20 amigos. De cuntas formas puede
seleccionar a los invitados?
!
=
! ( )!
20!
=
11! (20 11)!
20
20!
11 =
(11!)(9!)
20
20 19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1
11 =
(11 10 9 8 7 6 5 4 3 2 1)(9 8 7 6 5 4 3 2 1)
20
2.4329020081018
11 =
(39,916,800)(362880)
20
2.4329020081018
11 =
(39,916,800)(362880)
20
2.4329020081018
11 =
1.4485008381013
20
11 = 16790 11 .
!
=
! ( )!
6!
=
2! (6 2)!
76 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
4. Una persona que sale de vacaciones desea llevarse 4 libros para leer: dispone
de 4 novelas policiales y 6 libros de cuentos cortos. De cuntas formas puede hacer
la eleccin si quiere llevar al menos una novela?
6
N C C C --> 4C3 = 80
46
N N C C --> C2C2 = 90
4
N N N C --> C36 = 24
N N N N --> 1
80 + 90 + 24 + 1 = 195
Nio 1
!
=
! ( )!
12!
=
3! (12 3)!
Nio 2
77 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
!
=
! ( )!
9!
=
3! (9 3)!
Nio 3
!
=
! ( )!
6!
=
3! (6 3)!
Nio 4
!
=
! ( )!
3!
=
3! (3 3)!
3! 321 6 6
33 = = = = =
(3!)(0) (3 2 1) (6) 6
(220)(84)(20)(1) = ,
b) Los dos nios mayores reciban cuatro libros cada uno y los dos menores reciban dos
libros cada uno.
!
=
(
! )!
12!
=
4! (12 4)!
78 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
!
=
! ( )!
8!
=
4! (8 4)!
4!
=
2! (4 2)!
4! 4321 24 24
24 = = = = =
(2!)(2!) (2 1)(2 1) (2)(2) 4
(495)(70)(6) = ,
79 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Probabilidad condicionada
( )
() =
()
Cuando ocurre un suceso cambia el espacio muestral, por eso cambia la probabilidad.
A veces es ms fcil calcular la probabilidad condicionada teniendo en cuenta este cambio de
espacio muestral.
Ejemplo:
1
6
( )= 6 =
3
6
80 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Probabilidad conjunta
Dada la experiencia aleatoria con espacio muestral y dos eventos A y B, se define
un nuevo evento llamado conjuncin de A y B, que se denota AB, de la siguiente manera:
AB ocurre siempre que ocurra A y ocurra B, es decir, que ocurran ambos simultneamente.
Ejemplo:
2 1 1
= ( )( ) =
5 4 10
2.- Desde una tmbola en la que slo hay 5 bolitas, 2 negras y 3 rojas, se extraen dos,
de una en una y sin reposicin. Entonces, la probabilidad de que ambas resulten negras es:
2 1 1
= ( )( ) =
5 4 10
81 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
( ) = () ()
Ejemplo:
Una caja contiene 4 canicas rojas, 3 canicas verdes y 2 canicas azules. Una canica es
eliminada de la caja y no es reemplazada. Otra canica se saca de la caja. Cul es la
probabilidad de que la primera canica sea azul y la segunda canica sea verde?
( ) = () ()
2 3 6 1
= ( )( ) = =
9 8 72 12
Eventos Independientes
Dos eventos son independientes si el resultado del segundo evento no es afectado por
el resultado del primer evento. Si A y B son eventos independientes, la de que ambos eventos
ocurran es el producto de las probabilidades de los eventos individuales.
( ) = () ()
Ejemplo:
Una caja contiene 4 canicas rojas, 3 canicas verdes y 2 canicas azules. Una canica es
eliminada de la caja y luego reemplazada. Otra canica se saca de la caja. Cul es la
probabilidad de que la primera canica sea azul y la segunda canica sea verde?
( ) = () ()
82 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
2 3 6 2
= ( )( ) = =
9 9 81 27
Hay algunos resultados importantes del clculo de probabilidades que son conocidos
bajo los nombres de teorema de la probabilidad compuesta, teorema de la probabilidad total y
teorema de Bayes, los cuales puede consultar en el siguiente link.
( )
() =
()
Cuando ocurre un suceso cambia el espacio muestral, por eso cambia la probabilidad.
A veces es ms fcil calcular la probabilidad condicionada teniendo en cuenta este cambio de
espacio muestral.
83 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Ejemplo
Segn las leyes de Mendel, todos los posibles genotipos de un hijo de una madre
portadora (xX) y un padre normal (XY) son xX, xY, XX, XY y tienen la misma probabilidad.
: (, , , )
1
() = = 0.25
4
() = 0.5
84 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Se denomina variable aleatoria discreta aquella que slo puede tomar un nmero finito
de valores dentro de un intervalo. Por ejemplo, el nmero de componentes de una caja de
sensores, puede ser 4 o 5 o 6 piezas, pero nunca 5,75 5,87.
1. En cada prueba del experimento slo son posibles dos resultados: xito y fracaso.
q=1p
85 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Donde:
n= Es el numero de pruebas
k= Es el numero de exitos
p= Es el numero de probabilidad
q= Es la probabilidad de f racaso
El numero combinatorio
!
( )=
! ( )!
Ejemplo:
(4, 0.2)
( 0.8)
86 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
( 0.2)
4
( = 2) = ( ) 0.82 0.242
2
4
( = 2) = ( ) 0.82 0.22
2
43
( = 2) = ( ) 0.64 0.04
2
( = 2) = 6 0.64 0.04 = .
Y cmo mximo 2?
( 2) = ( = 0) + ( = 1) + ( = 2)
4 4 4
( ) 0.80 0.24 + ( ) 0.81 0.23 + ( ) 0.82 0.22 = 0.1808
0 1 2
Hipergeomtrica
Los experimentos que tienen este tipo de distribucin tienen las siguientes caractersticas:
(, ) =
87 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Donde:
Ejemplo:
En una urna o recipiente hay un total de N objetos, entre los cuales hay una
cantidad a de objetos que son defectuosos, si se seleccionan de esta urna n objetos al azar, y
sin reemplazo, cul es la probabilidad de obtener x objetos defectuosos?
Solucin:
Considerando que en la urna hay un total de 10 objetos, 3 de los cuales son defectuosos, si
de seleccionan 4 objetos al azar, cul es la probabilidad de que 2 sean defectuosos?
88 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
(, ) =
3 2 103 42 3 2 7 2
( = 2, = 4) = =
10 4 10 4
3! 7!
2! (3 2)! 2! (7 2)!
=
10!
4! (10 4)!
3! 7! 3 2 1! 7 6 5!
2! (1)! 2! (5)! 2! (1)! 2! (5)!
= =
10! 10 9 8 7 6!
4! (6)! 4! (6)!
3276 4!
=
10 9 8 7 (2!)(2!)
Donde:
3276
: Probabilidad asociada a cada muestra de 4 objetos que se seleccionaron, con lo
10987
que se demuestra que las probabilidades no son constantes
4!
:Formas o maneras de obtener 2 objetos defectuosos entre los 4 seleccionados =
(2!)(2!)
muestras de 4 objetos entre los que 2 son defectuosos
89 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Poisson
90 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
El nmero de vehculos que pasan por una caseta de cobro en las horas de mayor
trfico sirve como ejemplo para mostrar las caractersticas de una distribucin de probabilidad
de Poisson.
El promedio (media) de los arribos de vehculos por hora de gran trfico puede
estimarse a partir de los datos anteriores del trfico.
Si dividimos las horas de gran trfico en periodos (intervalos) de un segundo cada uno,
encontraremos que los siguientes enunciados son verdaderos:
Ahora bien, podemos generalizar partiendo de las cuatro condiciones que hemos
descrito en este ejemplo, si estas condiciones se cumplen nos apoyaremos en una distribucin
de probabilidad de Poisson para describirlos
91 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
P(x) = l x * e-l / x!
l x = Lambda
(nmero medio de ocurrencias por intervalo de tiempo) elevada a la potencia x.
x! = x factorial.
Ejemplo
92 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
P(0) = 0.00674
P(1) = 0.03370
P(2) = 0.08425
P(3) = 0.14042
P(3 o menos) = 0.26511
= 1 0.26511 = 0.73489.
93 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
94 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Para indicar que una variable aleatoria (v.a.) sigue una distribucin normal de media
y desviacin estndar usaremos la expresin: X N(,).
Chi cuadrada
En estadstica, la distribucin de Pearson, llamada tambin ji cuadrada(o) o chi
cuadrado(a) ( 2 ), es una distribucin de probabilidad continua.
( 1) 2
2
95 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Tiene una distribucin muestral que es una distribucin chi-cuadrada con gl=n-
1 grados de libertad y se denota X 2 (X es la minscula de la letra griega chi). El estadstico ji-
cuadrada esta dado por:
( 1) 2
2 =
2
Donde:
= Es el tamao de la muestra
2 = La varianza muestral
2
( )2
=
2
La siguiente figura ilustra tres distribuciones 2 . Note que el valor modal aparece en el
valor (n-3) = (gl-2).
96 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
1 21
() = 2 2
2 2 (
2)
La tabla que se utilizar para estos apuntes es la del libro de probabilidad y estadstica
de Walpole, la cual da valores crticos 2 . (gl) para veinte valores especiales de . Para
denotar el valor crtico de una distribucin X2 con gl grados de libertad se usa el smbolo 2 .
(gl); este valor crtico determina a su derecha un rea de bajo la curva X2 y sobre el eje
horizontal. Por ejemplo para encontrar 2 .0.05 (6) en la tabla se localiza 6 gl en el lado
izquierdo y = 0.05 a o largo del lado superior de la misma tabla.
97 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Clculo de Probabilidad
Ejemplos:
1. Suponga que los tiempos requeridos por un cierto autobs para alcanzar un de sus
destinos en una ciudad grande forman una distribucin normal con una desviacin
estndar = 1 minuto. Si se elige al azar una muestra de 17 tiempos, encuentre la
probabilidad de que la varianza muestral sea mayor que 2.
Solucin:
98 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
F de fhiser
evidencia para indicar que 12 , y 22 no son iguales. Por otra parte, un valor muy grande o muy
12
pequeo para , proporcionar evidencia de una diferencia en las varianzas de las
22
poblaciones.
1
=
2
Donde:
99 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
1
=
2
(1 + 2) 1 1 (1 )1
[ 2 ] (2) . 2 2
() =
1 2 1 (1+2)2
( 2 ) ( 2 ) (1 + 2 ) .
0<<
= 2 2 para 2 > 2
2
2 22(1+22)
= 1(22)2 (24) para 2 > 4
100 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
12
2 22 1 2 1 2
1 2
= 2 1 = 2 2=( ) ( )
5 2 1 2 2
2
2
Para manejar las tablas de Fisher del libro de Introduccin a la Inferencia Estadstica
del autor Genther, se tendr que buscar primero los grados de libertad dos para luego
localizar el rea correspondiente, relacionndola con los grados de libertad uno, para calcular
el valor de F.
El valor de 30.4 es el correspondiente a una Fisher que tiene 3 grados de libertad uno
y 6 grados de libertad dos con un rea de cero a Fisher de 0.995. Si lo vemos graficamente:
Como nos podemos imaginar existen varias curvas Fisher, ya que ahora su forma
depende de dos variables que son los grados de libertad.
101 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Ejemplos:
Solucin:
a. Como el rea que da la tabla es de cero a Fisher, se tiene que localizar primero los
grados de libertad dos que son 9, luego un rea de 0.75 con 4 grados de libertad uno.
b. En este caso se puede buscar el rea de 0.95 directamente en la tabla con sus
respectivos grados de libertad.
c. Se tiene que buscar en la tabla un rea de 0.05, puesto que nos piden un rea a la
derecha de F de 0.95.
102 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
2.5.1 Conceptos
Distribucin muestral
Es lo que resulta de considerar todas las muestras posibles que pueden ser tomadas
de una poblacin. Su estudio permite calcular la probabilidad que se tiene, dada una sola
muestra, de acercarse al parmetro de la poblacin. Mediante la distribucin muestral se
puede estimar el error para un tamao de muestra dado.
103 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Error estndar
Es la desviacin estndar de la distribucin muestral de un estadstico. El trmino se
refiere tambin a una estimacin de la desviacin estndar, derivada de una muestra particular
usada para computar la estimacin.
104 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
105 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Ejemplos:
3.1.1 Puntual
Una estimacin puntual del valor de un parmetro poblacional desconocido (como
puede ser la media , o la desviacin estndar ), es un nmero que se utiliza para aproximar
el verdadero valor de dicho parmetro poblacional. A fin de realizar tal estimacin, tomaremos
una muestra de la poblacin y calcularemos el parmetro muestral asociado ( para la media,
s para la desviacin estndar, etc.). El valor de este parmetro muestral ser la estimacin
puntual del parmetro poblacional.
106 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Por ejemplo, supongamos que la compaa Sonytron desea estimar la edad media de
los compradores de equipos de alta fidelidad. Seleccionan una muestra de 100 compradores
y calculan la media
3.2.1 Hiptesis
Una prueba de hiptesis es una prueba estadstica que se utiliza para determinar si
existe suficiente evidencia en una muestra de datos para inferir que cierta condicin es vlida
para toda la poblacin.
107 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Error de Tipo I
Si rechaza la hiptesis nula cuando sta es verdadera, usted comete un error de tipo I.
La probabilidad de cometer un error de tipo I es , que es el nivel de significancia que usted
establece para su prueba de hiptesis. Un de 0.05 indica que usted est dispuesto a aceptar
una probabilidad de 5% de que est equivocado cuando rechaza la hiptesis nula. Para reducir
este riesgo, debe utilizar un valor ms bajo para . Sin embargo, si utiliza un valor ms bajo
para alfa, significa que tendr menos probabilidades de detectar una diferencia verdadera, si
es que realmente existe.
Error de tipo II
Cuando la hiptesis nula es falsa y usted no la rechaza, comete un error de tipo II. La
probabilidad de cometer un error de tipo II es , que depende de la potencia de la prueba.
Puede reducir su riesgo de cometer un error de tipo II al asegurarse de que la prueba tenga
suficiente potencia. Para ello, asegrese de que el tamao de la muestra sea lo
suficientemente grande como para detectar una diferencia prctica cuando sta realmente
exista.
108 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Un error de tipo I se produce si el investigador rechaza la hiptesis nula y concluye que los
dos medicamentos son diferentes cuando, en realidad, no lo son. Si los medicamentos tienen
la misma eficacia, el investigador podra considerar que este error no es muy grave, porque
de todos modos los pacientes se beneficiaran con el mismo nivel de eficacia
independientemente del medicamento que tomen. Sin embargo, si se produce un error de tipo
II, el investigador no rechaza la hiptesis nula cuando debe rechazarla. Es decir, el investigador
concluye que los medicamentos son iguales cuando en realidad son diferentes. Este error
puede poner en riesgo la vida de los pacientes si se pone en venta el medicamento menos
efectivo en lugar del medicamento ms efectivo.
Cuando realice las pruebas de hiptesis, considere los riesgos de cometer errores de tipo
I y tipo II. Si las consecuencias de cometer un tipo de error son ms graves o costosas que
cometer el otro tipo de error, entonces elija un nivel de significancia y una potencia para la
prueba que reflejen la gravedad relativa de esas consecuencias.
109 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Sobre la nube de puntos puede trazarse una recta que se ajuste a ellos lo mejor posible,
llamada recta de regresin.
Ejemplo
Las notas de 12 alumnos de una clase en Matemticas y Fsica son las siguientes:
110 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
3.4.1 Propiedades
1. El coeficiente de correlacin no vara al hacerlo la escala de medicin. Es decir, si
expresamos la altura en metros o en centmetros el coeficiente de correlacin no vara.
1 r 1
111 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Existen medidas de la intensidad de la relacin que presentan las variables que son
fundamentales para determinar en qu momento es conveniente utilizar regresin lineal.
3.5.1 Objetivo
El objetivo de un anlisis de regresin es determinar la relacin que existe entre una
variable dependiente y una o ms variables independientes. Para poder realizar esta relacin,
se debe postular una relacin funcional entre las variables.
112 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
= Pronostico de Periodo t
= Periodo de Tiempo
113 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Dnde:
Donde:
114 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
La suma total de los cuadrados = suma de los cuadrados del tratamiento (SST) + suma
de los cuadrados del error residual (SSE)
El convertir la suma de los cuadrados en cuadrados medios al dividir entre los grados
de libertad le permitir comparar estas relaciones y determinar si existe una diferencia
significativa debido al detergente. Mientras mayor sea esta relacin, ms afectarn los
tratamientos el resultado.
La suma total de los cuadrados = suma de los cuadrados de la regresin (SSR) + suma
de los cuadrados del error residual (SSE)
115 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
El cuadrado medio del tratamiento se obtiene dividiendo la suma de los cuadrados del
tratamiento entre los grados de libertad. El cuadrado medio del tratamiento representa la
variacin entre las medias de las muestras.
El cuadrado medio del error (MSE) se obtiene dividiendo la suma de los cuadrados del
error residual entre los grados de libertad. El MSE representa la variacin dentro de las
muestras.
Por ejemplo, usted hace un experimento para probar la efectividad de tres detergentes
para ropa. Recolecta 20 observaciones para cada detergente. La variacin entre las medias
del Detergente 1, Detergente 2 y Detergente 3 se representa mediante el cuadrado medio del
tratamiento. La variacin dentro de las muestras se representa mediante el cuadrado medio
del error.
116 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
cuadrados de los componentes del modelo asociados con ese trmino dividida entre sus
grados de libertad. Por lo tanto, un estadstico F alto indica un efecto significativo.
Cuando todos los trminos del modelo son fijos, el denominador para cada estadstico
F es el cuadrado medio del error (MSE). Sin embargo, para los modelos que incluyen trminos
aleatorios, el MSE no siempre es el cuadrado medio correcto. Los cuadrados medios
esperados (EMS) pueden utilizarse para determinar qu es apropiado para el denominador.
determinacin:
2 = =
117 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
________________________________________
c) Peso de 5 amigos
________________________________________
118 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
f) Velocidad de un vehculo
________________________________________
119 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
36 30 47 60
32 35 40 50
54 35 45 52
48 58 60 38
32 35 56 48
30 55 49 39
58 50 65 35
56 47 37 56
58 50 47 58
55 39 58 45
15 73 1 65
16 3 42 36
42 3 61 19
36 47 30 45
29 73 69 34
23 22 21 33
27 55 58 17
4 17 48 25
36 11 4 54
70 51 3 34
26 10
120 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
8 15 20 12 6
10 13 14 7 9
12 19 7 13 9
14 15 9 12 12
20 16 10 14 9
14 16 17 13 19
13 18 12 7 16
7 10 10 16 15
18 10 20 8 8
10 12 15 6 18
121 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
25 15 28 29 25 26 21 26
15 16 19 15 14 16 20 15 17
69 73 65 70 71 74 65 69 60 62
1 3 3 4 1
2 2 2 5 1
4 5 1 5 3
5 1 4 1 2
2 1 2 3 5
122 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
4 3 2 7 10 8 2 9
3 6 8 1 1 9 2
123 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
Calcula lo siguiente:
3 = 80 =
1 = 8 =
5 = 45 =
25 = 85 =
2) Sabiendo la edad de 55 personas obtenidas a travs de una encuesta realizada por
alumnos de la UTT determine lo que se te pide.
27 23 41 38 44 29 35 26 18 22 24
25 36 22 52 31 30 22 45 28 18 20
18 28 44 25 29 28 24 36 21 23 32
26 33 25 27 25 34 32 23 54 38 23
31 23 26 48 16 27 27 33 29 29 28
2 = 60 =
3 = 7 =
9 = 15 =
35 = 45 =
124 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
3) Sabiendo los salarios de los trabajadores por semana de los egresados de la UTT,
algunos haciendo estadas y otros por supuesto cumpliendo su funcin de ingenieros.
Llena la siguiente tabla de distribucin de frecuencias y despus contesta lo que se te
pide.
Determina lo siguiente:
2 = 50 =
3 = 9 =
4 = 35 =
75 = 85 =
125 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
1) El nmero de veces que come pasta durante una semana un grupo de tres
amigos:
2 4 3
2 1 3 2
pasada es:
3 2 3 3 2 6 3
4) Las veces que se cepilla Mara los dientes al da durante una semana:
1 1 2 2 3 3 3 3 4 4 2 2 5 1
5) Las notas de los exmenes de matemticas realizados durante el curso por Pablo son:
7 5 6 8 7 8 8 9 10 10
6) El nmero de horas que dedican los grupos de alumnos formados en una clase al
realizar un trabajo de investigacin sobre de Geometra:
5 5 12 13 15 15 15 20 20 23
126 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
2 2 2 3 1 2 1 3 1 1 4
Meses Nios
9 1
10 4
11 9
12 16
13 11
14 8
15 1
10) El resultado de lanzar dos dados 120 veces viene dado por la tabla, adems de realizar la
tabla de distribucin de frecuencias.
Sumas Veces
2 3
3 8
4 9
5 11
6 20
7 19
8 16
9 13
10 11
11 6
12 4
127 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
128 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
6. Sobre una poblacin de113 personas se determin que los que van solamente al
cine son el doble de los que van nicamente al teatro y los que van a ambos lugares
son la sexta parte de los que van a un solo ligar. Si ocho personas no van al cine ni al
teatro. Cuntas personas van al teatro?
129 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
A A B
B
( )
A B A B
( ) ( )
A B A B
( ) ( )
A B A B
130 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
( ) ( ).
A A B
B
C C
( ) ( )
A B A B
C C
( ) ( )
A B A B
C C
( ) ( )
A B
A B
C
C
131 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
2) Un hombre tiene tiempo de jugar ruleta cinco veces como mximo, l empieza a jugar
con un dlar, apuesta cada vez un dlar y puede ganar o perder en cada juego un
dlar, l se va a retirar de jugar si pierde todo su dinero, si gana tres dlares (esto es
si completa un total de cuatro dlares) o si completa los cinco juegos, mediante un
diagrama de rbol, diga cuntas maneras hay de que se efectu el juego de este
hombre.
132 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
3) Una familia quiere salir de vacaciones y sus opciones para viajar son en avin, autobs
o en su propio automvil, a su vez ellos se pueden hospedar en un hotel, un hostal o
bien en la casa de sus familiares.
De cuantas maneras posibles se pueden ir de viaje?
133 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
2) Hay 10 aviones que vuelan entre las ciudades de Mxico y Monterrey De cuntas
maneras puede ir una persona de Mxico a Monterrey y regresar en un avin diferente?
4) Si se tiene una caja con 5 tornillos de diferente longitud y se extraen 3 tornillos de uno
en uno con sustitucin Cuntas formas hay de seleccionar los tornillos?.
5) Juan el alumno ms inteligente del saln se saca un premio al final del ao, el premio
consiste en vacaciones todo pagado a cualquiera de 3 posibles lugares que le gustaria
ir, usando cualquiera de los 2 medios de transporte disponibles, y acompaado de uno
de los 3 familiares que lo pueden acompaar, cuantas posibilidades diferentes se le
presentan a Juan?
134 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
135 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
136 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
10) De todas las encuestas Cul es la probabilidad de encontrar la tienda Norte te atienda
bien o regular?
137 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
1) De todas las encuestas Cul es la probabilidad de que al tomar un examen saque uno
del grupo B?
2) De todas las encuestas Cul es la probabilidad de que al tomar un examen saque uno
de estadstica?
4) De todas las encuestas Cul es la probabilidad de que al tomar un examen saque uno
de matematicas?
7) De todas las encuestas Cul es la probabilidad de que al tomar un examen sauqe uno
del C e Ingles?
8) De todas las encuestas Cul es la probabilidad de que al tomar un examen saque uno
del grupo A y Estadstica?
138 | P g i n a
Mecatrnica Manual de Probabilidad y Estadstica
9) De todas las encuestas Cul es la probabilidad de que al tomar un examen saque uno
del grupo B o C?
10) De todas las encuestas Cul es la probabilidad de que al tomar un examen saque uno
del grupo C o D?
11) De todas las encuestas Cul es la probabilidad de que al tomar un examen saque uno
de Ingles o Estadstica?
12) De todas las encuestas Cul es la probabilidad de que al tomar un examen saque uno
del grupo B o Matemticas?
13) De todas las encuestas Cul es la probabilidad de que al tomar un examen saque uno
del grupo A o Ingles?
14) De todas las encuestas Cul es la probabilidad de que al tomar un examen saque uno
de Matemticas dado que es del grupo D?
15) De todas las encuestas Cul es la probabilidad de que al tomar un examen saque uno
del grupo B dado que es de Estadstica?
139 | P g i n a