Libro-UPC Estadistica Aplicada

1
PRE - GRADO

AUTOR:

DOCENTES:

TTULO:

FECHA:
Manuel Chvez

Susana Ventura
Segundo Jaramillo
Manuel Chvez

Separata del curso

Marzo de 2009

Curso:

Cdigo:

rea:

Semestre:

Estadstica Aplicada 1

MA 131

Ciencias

2009 - 1

2

Conceptos generales

1.1 Estadstica

1.2 Definiciones bsicas

1.3 Escala de mediciones
- Escala nominal
- Escala ordinal
- Escala de intervalos
- Escala de razn

1.4 Tipos de variables
- Variables cualitativas
- Variables cuantitativas

1.5 Problemas sobre conceptos generales

1

3

4

1.1 Estadstica

Ciencia que proporciona un conjunto de mtodos, tcnicas y procedimientos
para recopilar, organizar, presentar y analizar datos con el fin de describirlos o
realizar generalizaciones vlidas.

Estadstica Descriptiva

Mtodos y tcnicas de recoleccin, caracterizacin, resumen y presentacin que
permiten describir apropiadamente las caractersticas de un conjunto de datos.
Comprende el uso de grficos, tablas, diagramas y criterios para el anlisis.

Estadstica Inferencial

Mtodos y tcnicas que hacen posible estimar una o ms caractersticas de una
poblacin o tomar decisiones referentes a la poblacin basados en el resultado
de muestras. Estas conclusiones no tienen que ser totalmente vlidas, pueden
tener cierto margen de error, por eso se dan con una medida de confiabilidad o
probabilidad.

Estadstica
Descriptiva
Teora de
Probabilidades
Inferencia
Estadstica
error

5

Unidad de observacin:
Tambin llamada unidad de anlisis, unidad elemental, unidad estadstica, caso
o elemento. Es el objeto sobre el cual se hace la medicin. Por ejemplo, en
estudios de poblaciones humanas, con frecuencia ocurre que las unidades de
observacin son los individuos.

Poblacin objetivo:
Es la totalidad de elementos que queremos estudiar y que estn agrupados bajo
una o ms caractersticas comunes y que conforman el universo a ser
investigado. Pueden ser personas, objetos, conceptos, etc. de los cuales
intentamos sacar conclusiones a partir de una o ms caractersticas observables
de naturaleza cualitativa o cuantitativa que se pueden medir en ellos.
Como la medicin o conteo de la caracterstica especificada por la investigacin
se hace a cada elemento, se puede considerar tambin a la poblacin como la
totalidad de las mediciones que deseamos estudiar.

Muestra:
Parte o subconjunto de la poblacin que se selecciona para su anlisis y as
obtener informacin acerca de la poblacin de la que proviene. Una muestra
ser representativa, en el sentido de que cada unidad muestreada representar
las caractersticas de una cantidad conocida de unidades en la poblacin.

Poblacin muestreada:
Es la coleccin de todas las unidades de observacin posibles que podran
extraerse en una muestra; es decir, es la poblacin de donde se extrae la
muestra.

Unidad de muestreo:
Es la unidad donde realizamos la muestra. Por ejemplo, podramos querer
estudiar a las personas, pero no tenemos una lista de todos los individuos que
pertenecen a la poblacin objetivo. En vez de eso, las familias sirven como las
unidades de muestreo y las unidades de observacin son los individuos que
viven en una familia.

Marco de Muestreo:
Es una lista de las unidades de muestreo que estn disponibles para su eleccin
en la etapa de muestreo. Para las encuestas telefnicas el marco de muestreo
podra ser una lista de todos los nmeros telefnicos residenciales de la ciudad;
para las entrevistas personales una lista de las direcciones de todas las calles;

6
para una encuesta de agricultura una lista de todas las granjas o un mapa con
todas las reas que contienen granjas.

Censo:
Es el estudio completo de todos los elementos de la poblacin.

Muestreo:
Es el proceso estadstico que permite seleccionar algunos elementos de la
poblacin.

Observacin:
Es el resultado de medir una caracterstica de una unidad elemental.

Variable:
Es una caracterstica de la poblacin definida por la investigacin estadstica y
que puede tomar dos o ms valores en distintas unidades de anlisis. Es
importante fijar las variables en una investigacin, ello permite transformar en
cifras las caractersticas de los elementos de la poblacin.

Parmetro:
Medida que describe una caracterstica de una poblacin.

Estadstico:
Medida que describe una caracterstica de una muestra.

En una encuesta ideal, la poblacin muestreada ser idntica a la poblacin
objetivo.

Poblacin objetivo
No incluidas
en el marco
de muestreo
No localizable
Rehsa responder
No puede responder
Poblacin
muestreada
No es
elegible
para la
encuesta
Marco de
muestreo

7

1.3 Escalas de medicin de las variables

Escala nominal

Si a todas las unidades estadsticas equivalentes respecto de la propiedad o
atributo se le asigna un nmero real que funciona slo como etiqueta. Se usa
para hacer referencia a los datos que slo pueden clasificarse en categoras o
modalidades.
Por ejemplo: el gnero de las personas; el estado civil de los empleados de una
empresa; las carreras profesionales universitarias.

Escala ordinal

Si el orden de los nmeros asignados a las unidades estadsticas refleja
diferentes grados de propiedad o atributo de estudio. Se pueden ordenar en
forma ascendente o descendente, de tal manera que puedan expresar grados de
la caracterstica medida.
Las variables con escalas ordinales pueden ser ordenadas o clasificadas en
relacin a la cantidad del atributo posedo. Cada categora puede ser comparada
con otra en relacin de mayor que o menor que.
Por ejemplo: el orden de mrito de los alumnos en el curso de Estadstica; el
grado de instruccin de los clientes de un banco.

Escala de intervalo

Si los nmeros asignados a las unidades estadsticas no slo permiten
ordenarlos sino que adems las diferencias iguales entre estos valores indican
diferencias iguales en las cuantas de las propiedades a medir. En esta escala el
cero es relativo, es decir, no indica la ausencia de la caracterstica medida.
Por ejemplo: las fechas, el ao 2 000 fue 2 753 en el calendario romano, 2 749
en el calendario babilnico, 6 236 en el egipcio, 5 760 en el hebreo, 1 420 en el
musulmn, 2 544 en el budista, 5 119 en el maya.

Escala de razn

Si los cocientes o razones de los nmeros asignados a las unidades estadsticas
reflejan los cocientes de las cuantas de las propiedades que se miden. En esta
escala el cero indica la ausencia de caracterstica de la medida. Tambin se le
conoce como escala de proporcin o cociente.
Por ejemplo: el sueldo de los empleados de una empresa; el peso de los
alumnos de la UPC.

8
1.4 Tipos de Variables

Las variables se pueden clasificar de la siguiente manera:

Variables

V. Cualitativas V. Cuantitativas

V. Discreta V. Continua

Variables cualitativas (categricas)

Son las que pueden ser expresadas slo en escalas nominales u ordinales.
Datos cualitativos en escala nominal, por ejemplo:
Bebidas gaseosas.
Tipo de sangre.

Datos cualitativos en escala ordinal, por ejemplo:
Nivel acadmico de las personas.
Calidad de un servicio.

Variables cuantitativas (numricas)

Son las que pueden ser medidas en escala de intervalo o de razn. A su vez, las
variables cuantitativas se pueden clasificar en:

Variables Cuantitativas Discretas:
Son las que tienen un nmero de posibles valores finitos o infinitos numerables,
es decir, en un intervalo determinado slo pueden tomar ciertos valores.
Por ejemplo:
Nmero de autos vendidos por una tienda diariamente.
Nmero de alumnos asistentes a las clases del curso.

Variables Cuantitativas Continuas:
Si para dos valores cualesquiera de una variable, siempre se puede encontrar un
tercer valor entre los dos primeros. Pueden tomar infinitos e innumerables
valores, es decir, pueden tomar cualquier valor en un intervalo determinado.
Por ejemplo:
Tiempo que demoran los estudiantes en realizar un examen.
Peso de los estudiantes.

9
Ejemplo 1.1
Una compaa produce arandelas que se supone tengan un dimetro promedio
de 2,5 centmetros, segn requerido por el comprador. Un equipo de ingenieros
examina la produccin rutinariamente para velar que se cumpla con las
especificaciones. Si encuentra que las arandelas no cumplen con las
especificaciones establecidas, las mquinas que las producen son ajustadas.
Ellos seleccionan un grupo de 100 arandelas del lote producido en la fbrica por
mquina y calculan el dimetro promedio. De acuerdo al texto, indique:
a. La poblacin, la muestra y la unidad estadstica.
b. La(s) variable(s) que se debe(n) medir, su tipo y su escala de medicin.
c. El parmetro y el estadstico.

Solucin:
a. Poblacin: Todas las arandelas producidas por la compaa
Muestra: las 100 arandelas seleccionadas del lote.
Unidad estadstica: una arandela producida por la compaa.

b. Dimetro de la arandela: cuantitativa continua, escala razn.
Mquina que produce la arandela: cualitativa, escala nominal.

c. Parmetro: promedio de todas las arandelas producidas.
Estadstico: promedio de las arandelas de la muestra.

Ejemplo 1.2
El gerente del club ha notado que los patrones de consumo de los socios han
variado. Por ello consider conveniente tomar la informacin del censo de
socios realizada hace tres meses. En dicho censo se utiliz un cuestionario que
permiti recopilar datos de las caractersticas demogrficas, niveles de ingresos
y gastos. En vista que el gerente no dispone de tiempo para analizar toda la
informacin censal de los 10 000 socios, realiza un estudio basado en una
muestra representativa de slo 500 de ellos, tomando en cuenta solamente las
siguientes caractersticas: nmero de hijos, gasto semanal en alimentos (soles),
grado de instruccin del socio (primaria, secundaria, superior) y condicin de la
vivienda en la cual reside el socio (alquilada o propia) En cada uno de los
siguientes casos indique usted si los resultados son: observaciones, parmetros,
estadsticos o inferencias estadsticas.
a. El gerente de la cooperativa observ que en el censo ltimo se determin
que el ingreso promedio familiar mensual fue de $ 250.
b. Se observ que el Sr. Juan Prez, uno de los 500 socios elegidos, tiene
grado de instruccin superior.
c. De los 10 000 socios de la cooperativa, 25% residen en vivienda propia.
d. Basndose en los resultados del estudio, el gerente pudo determinar que el
gasto promedio semanal en alimentos de todos los socios es de 220 soles.

Solucin:
a. Parmetro
b. Observacin
c. Parmetro

10
d. Inferencia estadstica

1.5 Problemas sobre conceptos bsicos

1. Para cada una las siguientes variables, indique su tipo y su escala de medicin:
a. Nmero de palabras recordadas de una lista.
b. Sndromes psicolgicos (neurosis, depresin,...).
c. Temperatura medida en grados Kelvin ( K).
d. Tiempo de reaccin de un sensor electrnico.
e. Los nmeros de telfono de una ciudad.
f. Nmero de granos de arena en una playa.
g. Dolor expresado por un paciente a un mdico.

2. Conteste las siguientes preguntas justificando adecuadamente las respuestas:
a. Qu importancia prctica tiene determinar la escala de medicin de una
variable?
b. Qu diferencias hay entre la escala de intervalos y la de razn? Muestre
ejemplos que sustenten su respuesta.
c. Que diferencia existe entre dato e informacin? Muestre ejemplos que
sustenten su respuesta.

a. Dos productos A y B pesan 30 y 40 Kg. respectivamente. Estos productos se
exportaron a otro pas donde la unidad de medicin que se utiliza para medir el
peso es distinta y se denomina peel. Si el producto A pesa 72 peels, cuntos
peels pesa el producto B?.
b. Para medir la permeabilidad de un material se acostumbra usar como unidad de
medida el emm. Esta medida en otro pas donde para tal efecto se usa el dian.
Se mide la permeabilidad de dos materiales y se obtienen como resultados 40 y
30 emms que equivalen a 130 y 100 dians respectivamente. Se sabe que la
escala de medicin de los emms es de razn, cul es la escala de medicin de
los dians? y cuntos dians de permeabilidad posee un material de 45 emms?

4. De una muestra de 80 focos de 100 watts producidos de la marca A y una muestra
de 120 focos de 100 watts de la marca B se han registrado las duraciones (en horas)
de cada uno. Se quiere comparar ambas muestras y establecer si una de las dos
marcas es ms durable. De acuerdo a la situacin planteada determine con
precisin: la(s) poblacin(es) objetivo, la(s) unidad(es) estadstica(s), la(s)
variable(s), su tipo y su escala de medicin.

11

12

Organizacin y presentacin de
datos

2.1 Base de datos

2.2 Organizacin de datos cualitativos
- Tabla de distribucin de frecuencias.
- Representacin grfica.
- Diagrama de Pareto
- Tabla de contingencias.

2.3 Organizacin de datos cuantitativos
- Datos agrupados segn su frecuencia
- Datos agrupados en intervalos
- Tabla de distribucin de frecuencias.
- Representacin grfica.

2.4 Presentacin de diagramas

2.5 Problemas sobre organizacin de datos

2

13

14
2.1 Tabla de distribucin de frecuencias

La forma ms simple de resumir un conjunto de datos es la tabla de distribucin
de frecuencias que consiste en presentar para cada valor de una variable
(cualitativa o cuantitativa) el nmero de casos que la componen.

Frecuencia absoluta f:
Es el nmero de veces que aparece repetido un valor determinado de la variable
en el conjunto de observaciones realizadas. La sumatoria de todas las
frecuencias absolutas es el nmero total de casos analizados, si se trata de
poblacin se le denota N y si se trata de una muestra se le denota n.

Frecuencia relativa h:
Es el cociente entre la frecuencia absoluta del dato y el total de observaciones.
Se puede expresar en porcentaje.

Frecuencia absoluta acumulada F:
Es la suma de la frecuencia absoluta de un valor determinado de la variable con
las frecuencias absolutas de los valores menores de la variable. La frecuencia
absoluta acumulada del ltimo valor de la variable es igual al total de casos.

Frecuencia relativa acumulada H:
Es la suma de la frecuencia relativa de un valor determinado de la variable con
las frecuencias relativas de los valores menores de la variable. Se puede
expresar en porcentaje. La frecuencia relativa acumulada del valor ms alto de
la variable es igual a 1.

Tabla de distribucin de frecuencias genrica

i
Variable
X
f. absoluta
fi
f. relativa
hi
f. absoluta acum.
Fi
f. relativa acum.
Hi
1 x1 f1 h1 F1 = f1 H1 = h1
2 x2 f2 h2 F2 = f1 + f2 H2 = h1 + h2
3 x3 f3 h3 F3 = f1 + f2 + f3 H3 = h1 + h2 + h3
. . . . . .
. . . . . .
. . . . n 1
E fi = n E hi = 1

15
2.2 Organizacin de datos cualitativos

Tabla de distribucin de frecuencias:
En este tipo de datos normalmente slo se utilizan las frecuencias absolutas y
relativas.

Ejemplo 2.1
En una encuesta sobre satisfaccin de pacientes realizada a una muestra de 384
personas dadas de alta en el hospital local durante el mes de junio del ao 2001,
condujo a la siguiente lista de quejas:

Distribucin de frecuencias de
razn de la principal queja en pacientes dados de alta
Hospital local junio 2001
Razn de queja
X
Frecuencia absoluta
fi
Frecuencia relativa
hi
Enojo con otros pacientes/visitantes 13 0,034
Demora de respuesta al llamado 71 0,185
Respuestas inadecuadas a preguntas 38 0,099
Tardanzas en las pruebas
34 0,089
Ruido 28 0,073
Mal servicio de comidas 117 0,305
Descortesa de personal 62 0,161
Otros 21 0,055
Total: 384 1,000

Representacin grfica:
Los grficos ms utilizados para representar los datos cualitativos son los
grficos de columnas, grfico de barras y grfico circular. Actualmente la
mayora de programas de aplicacin tienen la capacidad de elaborar
automticamente los grficos. Sin embargo hay algunas recomendaciones que
deben tenerse en cuenta.

Para cuando se utiliza el grfico de columnas (barras):

Los valores de la variable se ubican en el eje horizontal (vertical).
Todas las columnas (barras) deben tener el mismo ancho. Slo la altura
(largo) debe diferir de acuerdo a la magnitud de la frecuencias.
Las escalas de los ejes y las lneas gua son elementos auxiliares muy tiles
pues facilitan la lectura del grfico.
El punto cero u origen del eje vertical (horizontal) debe indicarse
claramente.
Los ejes deben etiquetarse claramente, es decir, en el eje horizontal
(vertical) debe estar indicada la variable y en el eje vertical (horizontal) las
frecuencias.

16
Las notas de pie de pgina o las notas de fuentes se presentan cuando sea
apropiado, despus del ttulo del grfico o en la parte inferior del marco del
grfico.

Diagrama de barras:

Diagrama de columnas:

Razn de quejas en pacientes dados de alta
Hospital local - Junio - 2001
0 20 40 60 80 100 120
Enojo con otros pacientes/visitantes
Demora de respuesta al llamado
Respuestas inadecuadas a preguntas
Ruido
Mal servicio de comidas
Descortesa de personal
Otros
R
a
z
n

d
e

l
a

q
u
e
j
a
Nmero de quejas
0.000
0.050
0.100
0.150
0.200
0.250
0.300
0.350
Razn de la queja
h

17
Cuando se utiliza el grfico circular, tambin llamado pastel, cada sector
circular representa al valor especfico de la variable. Puesto que todo el crculo
representa 360 en total, cada sector es el porcentaje correspondiente de dicho
total, es decir, el ngulo de la parte que le corresponde a cada sector se obtiene
multiplicando 360 por la respectiva frecuencia relativa.

Diagrama circular:

Diagrama de Pareto

El diagrama de Pareto permite ver que en muchos casos pocos factores pueden
producir la mayora de las consecuencias y se podra resumir en pocos vitales
y muchos triviales. Por ejemplo, en Control de Calidad se puede mostrar que
la mayora de los defectos y el costo de los mismos surge de un nmero
relativamente pequeo de causas.

Los pasos para la elaboracin del diagrama de Pareto son los siguientes:

Construya una tabla de distribucin de frecuencias ordenando las categoras
en forma descendente respecto a la frecuencia.
La categora Otros deber ser colocada en la ltima posicin, no importa
cuan grande sea, porque est compuesta de un grupo de categoras cuyas
frecuencias son menores en relacin al valor de la variable con frecuencia
ms pequea listado individualmente.
Agregue a la tabla de distribucin de frecuencias una columna para la
frecuencia acumulada.
Dibuje dos ejes verticales y uno horizontal.
3%
19%
10%
9%
7%
31%
16%
5%
Enojo con otros
pacientes/visitantes
Respuestas inadecuadas a
preguntas
Ruido
Otros

18
Eje vertical izquierdo: marque este eje con una escala de 0% a 100%.
Eje vertical derecho: marque este eje con una escala de 0 hasta el nmero
total de observaciones, puede ser opcional.
Eje horizontal: marque los espacios donde estarn dibujadas las barras para
cada una de las categoras incluida la categora Otros.
Elabore el diagrama de Barras.
Dibuje la lnea de frecuencias acumuladas (curva de Pareto)

Ejemplo 2.2.-
Elabore el diagrama de Pareto para los datos del ejemplo 2.1

Solucin:
Se ordenan las categoras de acuerdo a la frecuencia, tal como se muestra:

Distribucin de frecuencias de la principal queja en pacientes dados de alta
Hospital Local - Junio - 2001

Razn de queja f h F H
Mal servicio de comidas 117
0.305 117 0.305
Demora de respuesta al llamado 71 0.185 188 0.490
Descortesa de personal 62
0.161 250 0.651
Respuestas inadecuadas a preguntas 38
0.099 288 0.750
Tardanzas en las pruebas 34
0.089 322 0.839
Ruido 28
0.073 350 0.911
Enojo con otros pacientes/visitantes 13 0.034 363 0.945
Otros 21
0.055 384 1.000
384 1.000

Hospital local - junio - 2001
0.000
0.200
0.400
0.600
0.800
1.000
M
a
l

s
e
r
v
i
c
i
o

d
e
c
o
m
i
d
a
s
D
e
m
o
r
a

d
e
r
e
s
p
u
e
s
t
a

a
l

l
l
a
m
a
d
o
D
e
s
c
o
r
t
e
s
a

d
e
p
e
r
s
o
n
a
l
R
e
s
p
u
e
s
t
a
s
i
n
a
d
e
c
u
a
d
a
s

a
p
r
e
g
u
n
t
a
s
T
a
r
d
a
n
z
a
s

e
n

l
a
s
p
r
u
e
b
a
s R
u
i
d
o
E
n
o
jo

c
o
n

o
t
r
o
s
p
a
c
i
e
n
t
e
s
/
v
i
s
i
t
a
n
t
e
s
O
t
r
o
s
Razn de quejas
H

19
Tambin se utiliza el diagrama de Pareto para describir el comportamiento de
una variable cualitativa no de acuerdo a su frecuencia de ocurrencia sino en
relacin con una variable cuantitativa. Los criterios de la construccin del
diagrama son los mismos.

Ejemplo 2.3.-
Se quiere elaborar el diagrama de Pareto de los datos mostrados en la siguiente
tabla, se puede apreciar que la variable cualitativa es el pas y la variable
cuantitativa es la produccin diaria de petrleo.

Pas
(miembro de la OPEP)
Produccin de petrleo diaria
(en millones de barriles)
Argelia 0,77
Gabn 0,30
Indonesia 1,35
Irn 6,20
Irak 0,55
Kuwait 1,20
Libia 1,45
Nigeria 1,90
Qatar 0,42
Arabia Saudita 8,20
Emiratos rabes Unidos 3,75
Venezuela 5,30

Produccin diaria de Petrleo de pases miembros de la OPEP
(en millones de barriles)
0.00
5.00
10.00
15.00
20.00
25.00
30.00
0.000
0.100
0.200
0.300
0.400
0.500
0.600
0.700
0.800
0.900
1.000

20
Tablas de contingencias

Tambin llamadas tablas cruzadas o de doble entrada. Se utilizan cuando a las
observaciones se les asocian con dos variables cualitativas simultneamente.

Como se vio, la tabla de distribucin de frecuencias organiza datos que
corresponden a una sola variable. Pero los datos pueden corresponder a dos o
ms variables.

Razn de la principal queja y tipo de lesin en pacientes dados de alta
Hospital Local - Junio - 2001

Tipo de lesin del paciente
Razn de la principal queja leve seria grave Total:
65 42 10
117
42 25 4
71
35 19 8
62
Respuestas inadecuadas a preguntas 16 21 1 38
5 23 6
34
Ruido
16 7 5
28
Enojo con otros pacientes/visitantes
10 3 0
13
Otros
15 1 5
21
Total: 204 141 39 384

Como se puede apreciar, las variables de la tabla de contingencias son:

Variable 1: Razn de la principal queja del paciente dado de alta.
Variable 2: Tipo de lesin del paciente del paciente dado de alta.

Como se puede apreciar, cada paciente dado de alta puede registrar la razn de
la principal queja que ha tenido durante su atencin en el hospital pero
simultneamente se puede registrar el tipo de lesin por la que ingres.

La representacin grfica ms utilizada es la de barras. Para el eje horizontal se
elige a una de las variables. La eleccin depender de lo que se quiera dar
nfasis en la representacin. Para cada valor que toma la variable inicialmente
elegida se representarn todos los valores de la segunda variable.

Para el eje vertical, si bien es cierto puede representar las frecuencias absolutas,
es ms frecuente usar la frecuencia relativa. Las cantidades se pueden dividir
entre el total general o los totales parciales de cada variable. Nuevamente la
eleccin depender de la aplicacin que se quiera dar al grfico, pero cualquier
decisin debe quedar explcita, puesto que los grficos pueden variar
radicalmente.

Estas representaciones grficas son fciles de hacer en una amplia gama de
programas aplicativos, sin embargo hay poner cuidado en el orden de la
representacin de la variables y del tipo de frecuencia utilizado.

21

El grfico tambin se puede realizar en trminos relativos.

Razn de principal queja y tipo de lesin
en pacientes dados de alta
0
10
20
30
40
50
60
70
Razn de principal queja
f
lesin leve
lesin seria
lesin grave
0.000
0.050
0.100
0.150
0.200
0.250
0.300
0.350
h
Mal servicio de
comidas
Demora de respuesta
al llamado
Descortesa de
personal
Respuestas
inadecuadas a
preguntas
Tardanzas en las
pruebas
Ruido
Enojo con otros
pacientes/visitantes
Otros
0.000
0.050
0.100
0.150
0.200
0.250
0.300
0.350
h
lesin leve
lesin seria
lesin grave

22
Los datos tambin pueden ser representados en barras apiladas de porcentajes
donde la cantidad para cada valor de la variable elegida para el eje horizontal
representa el total parcial (o el 100%) y las cantidades (o los porcentajes) de la
segunda variable van a dar lugar a dicha cantidad (o el 100%)

0%
20%
40%
60%
80%
100%
Razn principal de queja
lesin grave
lesin seria
lesin leve
0
20
40
60
80
100
120
140
Razn principal de queja
lesin grave
lesin seria
lesin leve

23
2.3 Organizacin de datos cuantitativos

Datos agrupados segn su frecuencia

Si los datos son discretos y no hay mucha variabilidad se presentarn
directamente cada valor de la variable y sus respectivas frecuencias. El
procedimiento ms simple es listar los n datos en forma ascendente y luego
elaborar la tabla de distribucin de frecuencias indicando para cada valor de la
variable su respectiva frecuencia con la que aparece en la serie.

Ejemplo 2.4.-
La tercera semana de julio del 2001 se registr el precio de venta de las bateras
de 1,5 voltios. Se tom una muestra de 50 bodegas del distrito de Jess Mara y
se obtuvo la siguiente distribucin de frecuencias:

Precio de venta de las bateras Inter de 1,5 voltios
Bodegas de Jess Mara - Tercera semana de julio de 2001

Precio de venta
(en nuevos soles)

f

h
1,50 7 0,14
1,60 11 0,22
1,70 18 0,36
1,80 12 0,24
2,00 2 0,04
50 1,00

Representacin grfica:
La representacin grfica de la variable cuantitativa discreta es similar al caso
cualitativo, slo que no se emplean columnas sino lneas verticales para cada
valor, denominados bastones, tal como se muestra a continuacin:

Precio de bodegas de batera Inter 1,5 voltios
Distrito de Jess Mara - tercera semana julio - 2001
0.00
0.05
0.10
0.15
0.20
0.25
0.30
0.35
0.40
1.50 1.60 1.70 1.80 1.90 2.00
Precio (nuevos soles)
(h)

24
Datos agrupados en intervalos

Los datos se agruparn de clases (tambin llamados intervalos, categoras o
grupos) cuando la variable toma valores con gran variabilidad.

Para agrupar n datos de una muestra, los pasos son los siguientes:

1. Determine el rango - R
R = X
mx
- X
mn

2. Determine el nmero de intervalos - k
Tome alguna de las siguiente recomendaciones:
- El valor k debe ser mayor que 5 y no mayor que 20.
Regla de Sturges: k = 1 + 3,322 log n.
- Regla de la raz cuadrada: n k = .
- Regla de la potencia de 2: k es el menor valor entero tal que 2
k
> n.
Siempre es un nmero entero. Si la estimacin tiene decimales, se toma el
entero ms prximo.

3. Calcule el ancho o amplitud de intervalo - w
w = R / k
Se redondea al nmero inmediato superior de acuerdo a la cantidad de
decimales que tienen los datos o segn la precisin con que se desea
trabajar.
Puede haber intervalos con distinta amplitud.
Puede haber intervalos con amplitud indefinida (intervalos abiertos).

4. Determine los lmites de cada intervalo.
Partiendo del dato de menor valor X
min
se determinan cada uno de los
lmites de intervalos sumando la amplitud de clase a cada valor obtenido.
Si los datos con cuantitativos continuos, el lmite superior de un intervalo
es el lmite inferior del siguiente intervalo. Se considera que el intervalo es
abierto en el lmite inferior y cerrado en el lmite superior, con excepcin
en el primer intervalo en el que los dos lmites son cerrados.
Si los datos son cuantitativos discretos se cumple el punto anterior, pero
tambin se puede tomar todos los lmites de intervalos cerrados si el valor
del lmite superior de un intervalo es una unidad menor que el lmite
inferior del siguiente intervalo.

5. Calcule la marca de clase o centro de clase - X
Punto medio de cada clase. Es la semisuma de los lmites de cada clase.
Representa a todos los datos que estn contenidos en una clase,

6. Construya la tabla de distribucin de frecuencias realizando la agrupacin y
conteo de los datos segn la clase a la que corresponda.
Si se van agrupar datos de dos o ms muestras para analizarlas
comparativamente, tome en cuenta adicionalmente lo siguiente:

25

1. El rango se determina tomando el dato mayor de todas las muestras menos
el dato menor de todas las muestras.

2. Si las muestras tienen tamao distinto, para determinar el nmero de
intervalos se toma el tamao de muestra ms grande.

3. Al agrupar los datos en clases, los datos de cada muestra se agrupan
independientemente, de tal manera que hayan tantas tablas de distribucin
como muestras, pero todas empleando las mismas clases.

Ejemplo 2.5
Como ejemplo consideremos que se entrevistaron a 80 estudiantes y una de las
preguntas fue sobre su peso actual. Las respuestas de los 80 estudiantes se
muestran en el siguiente cuadro:

Estudiante peso estudiante peso estudiante peso estudiante peso
1 45 21 59 41 64 61 69
2 48 22 59 42 64 62 70
3 51 23 60 43 65 63 70
4 51 24 60 44 65 64 71
5 52 25 60 45 65 65 72
6 52 26 60 46 65 66 73
7 53 27 61 47 66 67 74
8 53 28 61 48 66 68 75
9 54 29 61 49 66 69 75
10 54 30 61 50 66 70 76
11 55 31 62 51 67 71 76
12 55 32 62 52 67 72 77
13 56 33 62 53 67 73 77
14 56 34 62 54 67 74 78
15 57 35 63 55 67 75 79
16 57 36 63 56 68 76 80
17 57 37 63 57 68 77 81
18 58 38 63 58 68 78 84
19 58 39 64 59 68 79 85
20 59 40 64 60 69 70 87

Solucin:

Para elaborar una tabla de distribucin de frecuencias con los datos presentados,
los pasos a seguir son los siguientes:

Determinacin del rango - R:

R = X
mx
- X
mn
= 87 45 = 42 Kg.

Determinacin del nmero de clases - k:
Aplicando la regla de Sturges: k = 1 + 3,322 log (80) = 7,32

Como el nmero de clases es un nmero entero, entonces: k = 7 clases

26
Histograma de peso de estudiantes
0%
5%
10%
15%
20%
25%
30%
35%
1 2 3 4 5 6 7 8 9
peso (kilogramos)
%
45 51 57 63 69 75 81 87
75
Determinacin de la amplitud de clase- w:

w = R / k = 42 / 7 = 6 Kg.

Determinacin de lmites de clase:

Partiendo del valor mnimo como lmite inferior de la primera clase, el lmite
superior de la primera clase es 45 + w = 45 + 6 = 51. Con este valor, que
tambin es el lmite inferior de la segunda clase, se le agrega la amplitud de
clase y se obtiene el lmite superior de la segunda clase: 51 + 6 = 57 y as
sucesivamente hasta completar los lmites de las 7 clases o intervalos.

Agrupando los datos de acuerdo a la clase a que pertenecen, obtenemos la
siguiente tabla:

Distribucin de frecuencias del Peso de Estudiantes

Clase

Marca
de clase
X

f

h

F

H
45 51 48 4 0.0500 4 0.0500
51 57 54 13 0.1625 17 0.2125
57 63 60 21 0.2625 38 0.4750
63 69 66 23 0.2875 61 0.7625
69 75 72 8 0.1000 69 0.8625
75 81 78 8 0.1000 77 0.9625
81 87 84 3 0.0375 80 1

Representaciones Grficas:
Un primer tipo de grfico es el Histograma. Es la representacin por medio
de barras rectangulares, siendo la base de cada barra proporcional a la amplitud
de la clase, su centro es la marca de clase y la altura su frecuencia absoluta y / o
relativa. En el eje horizontal va la escala de la variable y en el vertical la escala
de la frecuencia.

27
Un segundo tipo de grfico es el Polgono de Frecuencias. Es la
representacin por medio de una figura poligonal cerrada, que se obtiene
uniendo con segmentos de recta los puntos de interseccin de las marcas de
clase con las frecuencias.

Si en el polgono de frecuencias se suavizan los puntos angulosos se obtiene la
Curva de Frecuencias.

Polgono de frecuencias - peso de estudiantes
0%
5%
10%
15%
20%
25%
30%
35%
42 48 54 60 66 72 78 84 90
peso (kilogramos)
%
Curva de frecuencias - peso de estudiantes
0%
5%
10%
15%
20%
25%
30%
35%
36 42 48 54 60 66 72 78 84 90 96
peso (kilogramos)
%

28
Un tercer tipo de grfico es la Ojiva o Polgono de Frecuencias Acumuladas.
Se obtiene uniendo con segmentos de recta los puntos de interseccin del lmite
superior de cada intervalo y la frecuencia acumulada respectiva. Con la ojiva se
puede estimar fcilmente el nmero o porcentaje de observaciones que
corresponden a un intervalo determinado.

Tambin si en la Ojiva se suavizan los puntos se obtiene la Curva de
Frecuencias Acumuladas u ojiva suavizada.

Ojiva - peso de estudiantes
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
39 45 51 57 63 69 75 81 87 93
peso (kilogramos)
%
Ojiva - peso de estudiantes
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
39 45 51 57 63 69 75 81 87 93
peso (kilogramos)
%

29
2.4 Presentacin de diagramas

Descripcin del diagrama:
El ttulo del diagrama siempre debe ser indicado.
En los ejes siempre se debe indicar explcitamente las variables que se est
representando y las respectivas unidades.
Las fuentes de dnde se obtuvieron los datos que permitieron su
construccin y quienes o qu entidad elabor el diagrama y cualquier otra
informacin se debe indicar siempre que sea relevante.

Eliminacin de ruido:
Los excesivos adornos y la inclusin de figuras muchas veces en lugar de
aclarar ms los diagramas terminan confundiendo o dificultando su rpida
comprensin.
El uso de algunas figuras en lugar de barras o columnas puede distorsionar
visualmente la real proporcin de las magnitudes que se estn
representando.

Eleccin de la base de comparacin:
Si se va a representar grficamente los datos de slo una muestra, el
mismo diagrama sirve para representar las frecuencias absolutas y relativas.
Si se va a comparar el comportamiento de una variable en dos o ms
poblaciones distintas pero slo se tiene muestras representativas de las
poblaciones, entonces es conveniente usar la frecuencia relativa.
Si se va a comparar el comportamiento de una variable en dos o ms
poblaciones y se tiene los datos de las poblaciones, entonces se puede
realizar la comparacin por separado de las frecuencias absolutas y de las
relativas.
Si bien es totalmente factible comparar grficamente dos o ms series de
datos que han sido agrupados en intervalos distintos en amplitud y lmites,
es preferible para facilitar la comparacin que todas las serie de datos
utilicen los mismos intervalos.

Uso de adecuada escala de los ejes:
La escala utilizada en los ejes debe mantenerse. Cambio de proporciones
distorsiona el propsito de usar diagramas que es ver rpidamente la
proporcin con que se est distribuyendo la variable.
Si se ha utilizado una escala especial en alguno de los ejes del diagrama
(p.e.: logartmica), sta se debe indicar.
Debe hacer que los valores de la variable abarque adecuadamente la
longitud de cada eje.

Uso del punto inicial del eje vertical:
El punto de inicio del eje vertical debe iniciarse con un cero para no
distorsionar la impresin visual respecto a la magnitud.
El cambio de punto de inicio distinto de cero debe estar completamente
justificado.

30
2.5 Problemas sobre organizacin de datos

a. Qu razones justifican agrupar los datos en intervalos?
b. Por qu razn, cuando se quiere comparar grficamente dos o ms muestras, se
utiliza la frecuencia relativa y no la frecuencia absoluta como base de
comparacin?
c. Qu aplicaciones tiene el diagrama de Pareto?
d. Qu es una tabla de contingencias y qu consideraciones se debe tener en
cuenta para elaborar un grfico con los datos de una tabla de contingencias?
e. Para una serie de datos de una variable cuantitativa, qu semejanzas y qu
diferencias, en trminos de informacin, ofrecen el histograma y el polgono de
frecuencias?
f. Para una serie de datos de una variable cuantitativa, qu semejanzas y qu
diferencias, en trminos de informacin, ofrecen el histograma y la ojiva?
g. Qu se gana y qu se pierde agrupando los datos en intervalos?

6. Enigma Electronics S.A. para la fabricacin de un dispositivo electrnico utiliza
tres procesos productivos distintos. Se tom una muestra de dispositivos
electrnicos de cada uno de los procesos productivos, se inspeccion cada
dispositivo y se registr tanto el nmero de defectos encontrados como el proceso
productivo que lo haba fabricado. A continuacin se presenta un cuadro en el que
se resume los resultados.

Proceso Nmero de defectos
Productivo 1 2 3
Manual 35 10 5
Semi-automtico 250 40 10
Automtico 1400 400 200

a. Indique con precisin: la poblacin objetivo, la unidad de anlisis y las
variables, su tipo y escala de medicin.
b. Elabore el grfico apropiado para mostrar la calidad de los procesos productivos
y sustente por qu el grfico elegido es el ms apropiado.
c. Qu conclusiones se desprenden del anlisis del grfico?

7. Se hace una convocatoria a los estudiantes de la UPC para que sean voluntarios en
una prueba para determinar el nivel de bilirrubina que poseen. De los voluntarios
que se presentaron se seleccionaron al azar a 150 mujeres y 50 hombres y se les
tomaron pruebas cuyos resultados se resumen en la siguiente tabla:

Nivel de bilirrubina
Bajo Moderado Alto
Mujeres 75 50 25
Hombres 30 15 5

31

a. Elabore el grfico que muestre los datos mostrados y sustente por qu es dicho
grfico es el ms adecuado.
b. Qu conclusiones se desprenden del anlisis del grfico?

8. Un proceso para la produccin de materiales de construccin est diseado para
generar contenedores de tres pesos diferentes: 10 Kg., 11 Kg. y 12 Kg. Un examen
de 40 de los contenedores registra sus pesos reales y sus pesos deseados. Se
considera que un contenedor es defectuoso si su peso real difiere en ms de 0,5 Kg.
de su peso deseado.
a. Elabore una tabla de contingencias con estos datos clasificndolos de acuerdo a
las tres categoras de pesos y a si son defectuosos o no.
b. Elabore un grfico que permita detectar algn tipo de patrn. Sustente.

Peso real Peso deseado Peso real Peso deseado
9,5 10 12,3 11
9,6 10 10,4 12
12,1 11 12,1 10
11,2 12 10,0 11
11,6 11 11,2 10
12,3 12 9,9 12
9,6 10 9,6 11
10,6 12 12,4 10
11,0 11 11,2 12
11,2 10 11,6 11
9,8 11 12,3 10
10,5 10 9,6 12
11,9 12 10,6 12
11,0 10 11,2 11
9,8 10 10,5 12
11,9 10 12,3 10
10,4 12 12,1 11
10,0 12 11,2 10
9,9 12 9,6 11
11,5 10 9,5 12

9. A continuacin se presentan los datos sobre las exportaciones de cobre durante el
periodo 2004- 2008

Ao
Volumen de exportaciones
(miles de toneladas)
Gran minera Mediana minera Pequea minera
2004 20 10 10
2005 40 30 10
2006 70 40 13
2007 50 20 12
2008 40 25 10

a. Grafique la evolucin de las exportaciones de cobre.

32
b. Haga un grfico que permita ver el tipo de minera que determina
principalmente la tendencia de las exportaciones de cobre.
c. Muestre con un grfico la relativa estabilidad en la produccin de la pequea
minera y su poca participacin en las exportaciones.

10. Se muestra los ingresos y los gastos anuales, en soles y dlares de la empresa
Enigma Style S.A. Estas cantidades deben ser presentadas grficamente para
incorporarse en la pgina Web de la empresa:

Ao Ingresos en soles Ingresos en dlares Gastos en soles Gastos en dlares
2004
60
69 57
58
2005
70
85 76
50
2006
45
48 50
51
2007
30
38 32
52
2008
45
47 42
35

a. Elabore el grfico propuesto.
b. Qu conclusiones se puede obtener del grfico elaborado? Explique.

11. A continuacin se presenta un cuadro en el que se indica el nmero de piezas
defectuosas detectadas a lo largo de un mes debido a diversas causas:

Causa Nmero de piezas defectuosas
Presin 42
Temperatura 15
Ruido 10
Humedad 6
Otros 12

A base del cuadro anterior se realizaron una serie de modificaciones para intentar
reducir el nmero de piezas defectuosas y durante el mes siguiente se les
registraron y se obtuvieron los siguientes resultados:

Causa Nmero de piezas defectuosas
Presin 5
Temperatura 11
Ruido 9
Humedad 7
Otros 12

Muestre grficamente los efectos de la modificacin introducida e interprtelos.

12. Una lnea de envasado sufre frecuentes paradas a causa de la avera en alguno de
los mdulos (no siempre el mismo) que la componen. Se puede considerar la
posibilidad de cambiar la lnea entera, pero en muchas ocasiones sta es una

33
inversin importante que se va postergando. Despus de tomar datos durante seis
meses, la informacin obtenida puede resumirse mediante la tabla siguiente:

Causa Nmero de fallas Tiempo de parada (horas)
Maana Tarde Maana Tarde
Rotura
Cinta
Vibrador
Tornillo sin fin
Apelmazamiento
Rotura de saco
Otros
18
15
90
5
2
2
3
24
10
88
6
1
1
0
20
12
62
2
1
4
8
31
10
68
8
1
1
0

Analice las causas del problema usando el diagrama de Pareto.

13. Se tiene una lnea de envasado la cual hasta hace seis meses sufra frecuentes
paradas por distintos tipos de causas. Se implant una medidas de mejoras con las
que las frecuencias de paradas disminuy pero no se eliminaron completamente. A
continuacin se tienen los datos registrados antes y despus de las medidas:

Causa de parada de
Lnea de envasado
Fallas antes
de la mejora
Fallas despus
de la mejora
Presin de lnea de aire 90 25
Temperatura de secado 50 30
Soporte de ingreso
45
35
Resistencia de insumo 20 10
Humedad de insumo 10 5
Otros 25 10

a. De acuerdo al enunciado del problema identifique con precisin: la unidad
estadstica, la poblacin objetivo, un parmetro, un estadstico y la variables
estudiadas indicando para cada una de ellas su tipo y su escala de medicin.
b. Elabore los diagramas de Pareto respectivos de tal manera que facilite la
comparacin de los datos y elabore un breve informe con sus conclusiones del
anlisis de los resultados.

14. Los ingresos mensuales de una muestra de pequeos comerciantes se tabularon en
una distribucin de frecuencias simtrica de 5 intervalos de igual amplitud
resultando que el ingreso mnimo $ 125 y la marca de clase del cuarto intervalo $
300. Si el 8% de los ingresos son menores o iguales que $ 175 y el 70% de los
ingresos son menores o iguales a $ 275.
a. Determine las frecuencias relativas de cada intervalo.
b. Qu porcentaje de ingresos son superiores a $ 285?

15. Los aceros inoxidables se utilizan con frecuencia en las plantas qumicas para
manejar fluidos corrosivos. Sin embargo, bajo determinadas circunstancias estos
aceros son especialmente susceptibles a fallar. Una investigacin realizada en

34
plantas qumicas peruanas que trabajan con fluidos corrosivos determin diferentes
tipos de fallas en un total de 295 casos reportados en los ltimos 10 aos y cuyos
resultados se muestran en la siguiente tabla:

a. Elabore un diagrama de Pareto para las causas de fallas en aleaciones de acero
en plantas qumicas peruanas.
b. Una de las conclusiones del estudio fue que el agrietamiento debido a la
corrosin por esfuerzos es la principal causa individual de la falla de aleaciones
de acero en plantas qumicas peruanas. Usted est de acuerdo con la
aseveracin hecha por los investigadores?. Sustente su respuesta.

16. Los datos mostrados en la siguiente tabla corresponden a la vida (en aos) de 48
bateras similares de automvil de la marca Enigma. El fabricante de las bateras
garantiza que stas duran tres aos.

2,2 4,1 3,5 4,5 3,2 3,7 3,0 2,6
3,4 1,6 3,1 3,3 3,8 3,1 4,7 3,7
2,5 4,3 3,4 3,6 2,9 3,3 3,9 3,1
3,3 3,1 3,7 4,4 3,2 4,1 2,0 3,4
4,7 3,8 3,2 2,6 3,9 3,0 4,2 3,5
1,7 2,3 2,6 3,2 3,5 4,3 4,8 4,0

De acuerdo a los datos mostrados se pide:

a. Determine la poblacin objetivo, la unidad de muestreo, la variable estudiada,
su tipo y su escala de medicin.
b. Elabore la tabla de distribucin de frecuencias tomando en cuenta que se desea
que los datos estn agrupados en intervalos, que el lmite inferior del primer
intervalo sea 1,5 aos y que la amplitud de intervalo sea de medio ao.
c. Elabore el histograma y la ojiva correspondiente.
d. Con los datos ofrecidos, es posible saber qu porcentaje de la produccin de
bateras marca Enigma supera el periodo de garanta indicado por el fabricante?.
Sustente su respuesta.
e. Tomando en cuenta la tabla de distribucin de frecuencias, calcule las medidas
de tendencia central y de dispersin.
Causa de la falla
Entorno hmedo
Corrosin general 12.5
Corrosin localizada 15.9
Agrietamiento debido a corrosin por esfuerzos 39.9
Diversas 3.8
Entorno seco
Corrosin 8.2
Agrientamiento 10.9
Menoscabo de propiedades mecnicas 1.7
Diversas 1.7
Defectos de materiales 2.0
Defectos de soldadura 3.4
porcentaje

35
f. Elabore un breve informe con las conclusiones del anlisis de los resultados
obtenidos.

17. En una planta que fabrica 4 modelos de motos y se quiere resolver un problema de
fallas reportadas en las ltimas 12 semanas, para lo cual se recopil la siguiente
informacin:

Modelo M18 Modelo M19 Modelo M20 Modelo M21
Falla de frenos 3 12 4 9
Falla de transmisin 6 42 1 30
Falla de encendido 3 9 2 6
Falla en las luces 2 6 1 3
Falla de ensamblaje 8 61 9 28
Falla en la suspensin 4 3 4 2
Falla en acabados 3 38 2 18

Utilizando el diagrama de Pareto, analice los datos presentados y decida cul es la
estrategia ms conveniente para enfrentar los problemas en la planta.

18. Las notas que obtuvieron 120 alumnos en el examen parcial de Nivelacin de
Matemticas son presentas parcialmente en la siguiente tabla:

clase
Marca
de clase
x i
frecuencia
absoluta
f i
frecuencia
relativa
h i
Frec. abs.
acumulada
F i
Frec. rel.
acumulada
H i
- 0,15
6 - 0,45
- 0,70
- 13,5
- 0,10

a. Si se desea analizar el rendimiento que han tenido los alumnos en dicho
examen, defina con precisin la poblacin objetivo, la unidad de anlisis, la
variable, su tipo y su escala de medicin.
b. Complete la tabla de distribucin de frecuencias.
c. Elabore la ojiva correspondiente e indique qu porcentaje de las notas se
encuentren aproximadamente en el intervalo [4, 14].

19. Los consumos de agua de 30 viviendas (en metros cbicos) en un mes fueron:

4,3 7,8 6,1 15,7 12,8 17,2
3,5 16,1 12,4 6,9 18,0 11,5
13,4 6,5 14,3 8,7 13,0 9,2
12,8 3,0 4,2 11,2 16,2 7,0
4,5 7,8 15,9 16,5 8,4 5,9

a. Construya una tabla de distribucin de frecuencias usando 5 intervalos.

36
b. Grafique la ojiva de los datos.
c. Usando la ojiva, calcule el porcentaje de viviendas que consumieron ms de
15m
3
y compare el resultado con el obtenido con los datos no agrupados.
d. Elabore un breve informe sobre el anlisis de resultados obtenido en los puntos
anteriores.

20. Se recopilaron datos para hacer un estudio comparativo sobre la duracin de una
batera especial. Se tomaron en cuenta tres marcas y algunos datos se resumen en la
siguiente tabla:

Marca A Marca B Marca C
Tamao de la muestra 80 150 100
Valor menor de la muestra 10,7 h 9,4 h 8,9 h
Valor mayor de la muestra 20,9 h 19,7 h 18,5 h

Indique las caractersticas de los intervalos que se utilizara para agrupar los datos
de cada muestra. para poder estudiar el comportamiento apropiadamente.

21. Enigma Systems S.A. emprendi un estudio para determinar el comportamiento de
un sistema de grabacin de programas informticos en el que para que el proceso
funcione adecuadamente la seal debe estar entre 9,2 y 10 voltios. Se instalaron
sistemas de grabacin tanto en una ubicacin antigua como en una nueva ubicacin
y se tomaron lecturas. Los datos registrados se muestran en la siguiente tabla:

Ubicacin antigua Ubicacin nueva
8,05 9,84 10,03 8,51 9,19 9,55 10,01
8,72 9,87 10,05 8,65 9,27 9,60 10,03
8,72 9,87 10,05 8,68 9,35 9,63 10,05
8,80 9,95 10,12 8,72 9,36 9,64 10,05
9,55 9,97 10,15 8,78 9,37 9,70 10,09
9,70 9,98 10,15 8,80 9,39 9,75 10,10
9,73 9,98 10,26 8,82 9,43 9,85 10,12
9,80 10,00 10,26 8,82 9,48 9,87 10,12
9,80 10,01 10,29 8,83 9,49 9,95 10,15
9,84 10,02 10,55 9,14 9,54 9,98 10,15

a. Elabore las tablas de distribucin de frecuencias de los datos de ambas muestras
de tal manera que permita su comparacin apropiadamente.
b. Elabore los histogramas para su comparacin.
c. En un solo grfico elabore las ojivas respectivas.
d. Elabore un informe sustentado de sus conclusiones.

22. A continuacin se presentan los datos correspondientes a la duracin (en horas) de
una muestra de 40 focos de 100 watts producidos de la marca A y una muestra de
40 focos de 100 watts de la marca B.

37
Marca A Marca B
684 697 720 773 821 819 836 888 897 903
831 835 848 852 852 907 912 918 942 943
859 860 868 870 876 952 959 962 986 992
893 899 905 909 911 994 1 004 1 005 1 007 1 015
922 924 926 926 938 1 016 1 018 1 020 1 022 1 034
939 943 946 954 971 1 038 1 072 1 077 1 077 1 082
972 977 984 1 005 1 014 1 096 1 100 1 113 1 113 1 116
1 016 1 041 1 052 1 080 1 093 1 153 1 154 1 174 1 188 1 230

a. Agrupe los datos de cada muestra en clases y elabore las respectivas tablas de
distribucin de frecuencias.
b. Compare en un solo cuadro los polgonos de frecuencias de ambas muestras.
Interprete.
c. Grafique las ojivas de cada muestra en una misma grfica.
d. Elabore un breve informe en el que presente el anlisis y las conclusiones de los
resultados obtenidos.

23. El Jefe de Control de Calidad en Enigma Autos S.A. en su estudio de la calidad de
los productos que distribuye su empresa, desea comparar varias caractersticas de
diseo de modelos de automviles norteamericanos y europeos. La siguiente tabla
contiene las frecuencias acumuladas absoluta y relativa (en porcentaje) de las
distancias que recorren los autos (en pies) cuando son frenados a una velocidad de
140 Km./h. para una muestra de 25 modelos de automviles de fabricacin
estadounidense y 72 modelos de automviles de fabricacin europea obtenidos en
un ao reciente.

Distancia de
frenado
Modelos de automviles
estadounidenses
Modelos de automviles
Europeos
(en pies) Nmero Porcentaje Nmero Porcentaje
210 - 220 1 4,0 1 1,4
220 - 230 2 8,0 4 5,6
230 - 240 3 12,0 19 26,4
240 - 250 4 16,0 32 44,4
250 - 260 8 32,0 54 75,0
260 - 270 11 44,0 61 84,7
270 - 280 17 68,0 68 94,4
280 - 290 21 84,0 68 94,4
290 - 300 23 92,0 70 97,2
300 - 310 25 100,0 71 98,6
310 - 320 25 100,0 72 100,0

a. Qu porcentaje de automviles de fabricacin estadounidense tienen distancia
de frenado de 240 pies o ms?.
b. Elabore completamente la tabla de distribucin de frecuencias.
c. En un solo cuadro, presente los polgonos de frecuencia correspondiente.
d. En un solo cuadro, presente las ojivas correspondientes a las dos series de datos.
e. Elabore un breve informe en el que est su anlisis y las conclusiones de los
resultados obtenidos de la comparacin de los dos grupos de datos.

38
24. Un equipo de trabajo se interes en analizar las quejas de produccin respecto a
problemas relacionados con el espesor de las tarjetas. Si bien el espesor nominal de
las tarjetas es de 10 mm. este valor vara. Se tom 120 tarjetas, 40 de cada
proveedor, se midi el espesor de cada una de ellas y se elabor una tabla de
distribucin de frecuencias, la cual se muestra a continuacin.

Proveedor A Proveedor B Proveedor C
9.60 - 9.65 0 1 0
9.65 - 9.70 0 1 0
9.70 - 9.75 0 0 0
9.75 - 9.80 0 0 0
9.80 - 9.85 0 5 12
9.85 - 9.90 0 10 12
9.90 - 9.95 4 3 8
9.95 - 10.00 15 1 5
10.00 - 10.05 15 1 2
10.05 - 10.10 3 4 1
10.10 - 10.15 3 10 0
10.15 - 10.20 0 4 0

a. Elabore apropiadamente los histogramas de las tres muestras.
b. Presente un breve informe con las conclusiones del anlisis de los grficos
elaborados.

25. Textiles Enigma es un gran proveedor de fibras para industriales textiles en diversas
partes del mundo y tiene un control de calidad estricto sobre la resistencia de sus
fibras. ltimamente ha habido quejas de sus clientes sobre la irregularidad en la
resistencia de dichas fibras debido a problemas de produccin. El gerente de
produccin ha tomado los datos del equipo de control de calidad que realiz en
pruebas de resistencia de fibras provenientes de las dos mquinas. Los resultados,
expresados en kilogramos, fueron los siguientes:

Mquina 1 Mquina 2
1,19 2,53 3,19 1,38 2,29 2,87 3,64
1,34 2,55 3,31 1,46 2,35 2,93 3,66
1,43 2,57 3,38 1,50 2,36 3,12 3,98
1,45 2,57 3,46 1,53 2,41 3,14 3,98
1,52 2,58 3,47 1,64 2,42 3,19 4,00
1,73 2,58 3,48 1,68 2,42 3,20 4,00
1,89 2,66 3,61 1,78 2,48 3,22 4,01
1,89 2,67 3,70 1,79 2,50 3,22 4,13
2,08 2,68 3, 71 2,14 2,53 3,40 4,32
2,09 2,94 3,78 2,14 2,54 3,42 4,34
2,12 2,99 3,88 2,14 2,63 3,50 4,46
2,13 3,00 4,00 2,18 2,72 3,53 4,52
2,30 3,01 4,43 2,21 2,73 3,59 4,64
2,40 3,08 4,63 2,24 2,83 3,61 4,85
2,52 3,12 5,08 2,28 2,84 3,63 5,74

39
a. De acuerdo al propsito del gerente de produccin, defina con precisin la
poblacin objetivo, la unidad de anlisis, la variable, su tipo y su escala de
medicin.
b. Elabore la tabla de distribucin de frecuencias de cada muestra de tal manera
que permita su comparacin.
c. Elabore los histogramas adecuadamente que permita la comparacin de los
datos de ambas muestras.
d. Elabore comparativamente las ojivas de los datos.
e. Si el rango de aceptacin de resistencia de la fibra es entre 1,8 y 3,6 Kg. qu
porcentaje de la produccin de cada mquina ser aceptable?
f. Elabore un breve informe donde seale las conclusiones de su anlisis de los
datos y de los grficos.

26. Manufacturas Enigma S.A. hizo un estudio para decidir si un producto se fabricaba
en una de sus dos plantas. Para tal fin, a manera de prueba piloto, se fabric un lote
en cada una de las plantas. La tabla a continuacin contiene los resultados del
ensayo de resistencia a que fueron sometidos los productos fabricados en cada una
de las plantas.

Planta 1 Planta 2
8,05 9,84 10,03 8,51 9,35 9,64
8,72 9,87 10,05 8,65 9,36 9,70
8,72 9,87 10,05 8,68 9,37 9,75
8,80 9,95 10,12 8,78 9,39 9,85
9,55 9,97 10,15 8,82 9,43 10,01
9,70 9,98 10,15 8,82 9,48 10,03
9,73 9,98 10,26 8,83 9,49 10,05
9,80 10,00 10,26 9,14 9,54 10,09
9,80 10,01 10,29 9,19 9,60 10,10
9,84 10,02 10,55 9,27 9,63 10,12

a. Agrupe cada conjunto de datos en clases y elabore las tablas de frecuencias
absolutas y relativas. Para propsitos de comparacin, las clases determinadas
deben ser las mismas en las dos distribuciones de frecuencias.
b. Construya el polgono de frecuencias para cada grupo de resultados.
c. Dibuje en un slo diagrama las ojivas de ambas plantas.
d. Podra afirmar que una de las plantas tiene un mejor proceso productivo que la
otra planta? Explique su respuesta a base del anlisis de los grficos.

27. Un equipo de trabajo se interes en analizar las quejas de produccin respecto a
problemas relacionados con el espesor de las tarjetas cuyas medidas aparecen en la
siguiente tabla. Se tom 100 tarjetas, 40 de cada proveedor. El valor nominal de las
tarjetas es de 10 mm. El lmite superior admisible es de 10,1 mm. y el lmite
inferior admisible es de 9,9 mm.
a. Elabore las tablas de distribucin de frecuencias de tal manera que faciliten la
comparacin de las muestras. Tome como amplitud de clase 0,05 mm y

40
adems defina los lmites de clase de tal manera que facilite la ubicacin de los
lmites admisibles indicados.
b. Elabore apropiadamente los histogramas de las tres muestras.
c. Elabore las ojivas de las tres muestras.
d. Tomando como base los datos agrupados, calcule las medidas de tendencia
central.
e. Presente un breve informe con las conclusiones del anlisis de los resultados
obtenidos en los puntos anteriores.

Proveedor A Proveedor B Proveedor C
9,91 10,00 9,64 9,95 9,80 9,87
9,91 10,01 9,67 10,04 9,81 9,88
9,93 10,01 9,80 10,07 9,81 9,88
9,94 10,01 9,81 10,07 9,81 9,88
9,95 10,01 9,82 10,08 9,81 9,90
9,95 10,01 9,83 10,08 9,82 9,91
9,96 10,02 9,84 10,10 9,82 9,91
9,96 10,02 9,85 10,11 9,83 9,92
9,96 10,03 9,85 10,12 9,83 9,93
9,96 10,03 9,86 10,12 9,84 9,93
9,96 10,04 9,86 10,12 9,84 9,94
9,97 10,04 9,86 10,13 9,84 9,94
9,97 10,04 9,86 10,13 9,85 9,95
9,97 10,04 9,87 10,13 9,85 9,96
9,98 10,05 9,88 10,14 9,86 9,97
9,98 10,06 9,88 10,14 9,86 9,97
9,98 10,06 9,89 10,15 9,86 9,98
9,99 10,13 9,91 10,16 9,87 10,02
9,99 10,14 9,92 10,17 9,87 10,03
10,00 10,14 9,94 10,19 9,87 10,07

41

42

Medidas descriptivas

3.1
Medidas de tendencia central
- Media Aritmtica
- Mediana
- Moda
- Media ponderada
- Media geomtrica

3.2 Medidas de dispersin
- Rango
- Varianza
- Desviacin estndar
- Coeficiente de variacin

3.3 Medidas de posicin
- Cuartiles para datos no agrupados
- Cuantiles para datos agrupados
- Problemas sobre medidas descriptivas

3.4 Problemas sobre medidas descriptivas

3

43

44
3.1 Medidas de tendencia central

Las medidas de tendencia central se refieren al valor central que representa a
los datos de una determinada variable.

Media Aritmtica

La media aritmtica (media o promedio) de un conjunto de valores de una
variable es la suma de dichos valores dividida entre el nmero de valores.

Media de datos no agrupados:

n
x
x Muestra
N
x
Poblacin
n
i
i
N
i
i
= =
= =
1 1
: :

Media de datos agrupados:

n
f x
x Muestra
N
f x
Poblacin
n
i
i i
N
i
i i
= =
= =
1 1
.
:
.
:

donde:
x
i
: dato (datos no agrupados) o marca de clase (datos agrupados)
f
i
: frecuencia de cada clase.
N : tamao de la poblacin.
n : tamao de la muestra.

Caractersticas de la media:
Todo conjunto de datos medido en escala de intervalo o razn tiene media.
El valor de la media es sensible a los valores extremos (mnimo y mximo),
por lo que la presencia de valores inusuales la distorsionan.
El clculo de la media es sencillo y fcil de entender e interpretar.

45
Propiedades de la media:

1. La suma total de los n valores cuya media es x es igual a x n. .

=
=
n
i
i
x n x agrupados no Datos
1
. :

=
=
k
i
i i
x n x f agrupados Datos
1
. . :

2. Si cada uno de los n valores xi es transformado en: yi = a . xi + b, siendo a
y b constantes, entonces, la media de los n valores yi es:

b x a y + = .

Como casos particulares se tiene:

Si y
i
= b, entonces b y = . Si los n datos son una constante b,
entonces la media es igual a esa constante b.

Si yi = xi + b, entonces
b x y + =
. Si a cada dato se le suma una
constante b, la media queda sumada por esa constante b.

Si yi = a . xi , entonces
x a y . =
. Si a cada dato multiplica por una
constante a, la media queda multiplicada por esa constante a.

3. La suma algebraica de las desviaciones de n datos xi con respecto a su
media
x
, es igual a cero.

=
=
n
i
i
x x agrupados no Datos
1
0 ) ( :

4. La suma de los cuadrados de las desviaciones de n datos con respecto a su
media es el valor mnimo.

=
=
n
i
i
x c si mnimo es c x
1
2
) (

46

Mediana (Me)

La mediana (o media proporcional) de un conjunto de datos observados de una
variable es el valor que ocupa la posicin central una vez puestos los datos en
orden de magnitud.

Mediana de datos no agrupados:
Se ordenan los datos en orden ascendente.
Se calcula la posicin mediana. Para n datos la posicin es (n+1)/2.
Se identifica la mediana. Es el dato que ocupa la posicin (n+1)/2.

Mediana de datos agrupados:
Se identifica la clase mediana. Es la clase cuya frecuencia acumulada es
mayor o igual a n/2.
Se obtiene el valor de la mediana mediante la expresin:

)
2
( F
n
f
w
L Me
me
me
+ =

donde:
L
me
: lmite inferior de la clase mediana.
f
me
: frecuencia de la clase mediana.
F : frecuencia acumulada de la clase que precede a la clase mediana.
w : amplitud de clase.
n : nmero de datos.

Caractersticas de la mediana:
Todo conjunto de datos medidos en escala de ordinal, intervalo o razn
tiene una mediana.
El valor de la mediana depende del nmero de datos observados.
La mediana es un estadstico robusto, es decir, no se ve afectada por el
valor de los extremos (mnimo y mximo). Por eso se le utiliza cuando hay
datos inusuales o el polgono de frecuencias no es simtrico.
La mediana no tiene propiedades matemticas valiosas para poder usarlas
en otros clculos.

47
Moda (Mo)

La moda de un conjunto de datos observados de una variable es el valor que se
presenta con mayor frecuencia.

Moda de datos no agrupados:
Agrupe los datos de acuerdo a sus respectivas frecuencias. El dato con mayor
frecuencia es la Moda.

Moda de datos agrupados en clases:
Identifique la clase con mayor frecuencia (clase modal).
Obtenga el valor de la moda mediante la expresin:

w
D D
D
L Mo
b a
a
mo
) (
+
+ =
donde:
L
mo
: lmite inferior de la clase modal.
D
a
: diferencia entre las frecuencias de las clases modal y precedente.
D
b
: diferencia entre las frecuencias de las clases modal y siguiente.

Caractersticas de la moda:
La moda se puede calcular para cualquier escala de medicin.
El valor de la moda no se ve afectada por valores extremos.
La moda se puede calcular aun cuando uno o ms intervalos sean de
extremo abierto.
La moda no siempre es un valor nico. Una serie de datos puede tener dos
modas (bimodal) o ms modas (multimodal).
Algunas series de datos no tienen moda.
La moda es una medida menos importante que la mediana o la media
debido a su ambigedad.
La moda no tiene propiedades matemticas valiosas para poder usarlas en
otros clculos.
f
x
D
b

D
a

w
M
o

L
mo

48
Ejemplo 3.1.-

Tomemos los datos no agrupados de las pesos de los 80 estudiantes
entrevistados correspondientes al ejemplo 2.3 (pgina 18) y calculemos las
medidas de tendencia central:

Solucin:

Media:
6 , 64 =
80
5168
=
n
x
= x

Mediana:

a
5 , 40 =
2
81
=
2
1 + n
: posicin . Est entre la posicin 40
a
y 41
a

Como el dato que ocupa la posicin 40
a
es 64 y la posicin 41
a
es
tambin 64, la mediana es 64.

Si los datos en dichas posiciones hubiesen sido diferentes, la
mediana sera el promedio de los valores.

Moda:

El dato que ms se repite es 67.

De hecho, pudo darse el caso que no hubiera moda e incluso que
hayan varias modas, con lo que perdera bastante el sentido de ser
una medida de tendencia central

Consideramos los mismos datos del ejemplo 2.5 pero esta vez
agrupados en clases (pgina 20). Las medidas de tendencia central
calculadas en los datos agrupados son las siguientes:

Clase

Marca
de clase
x

f

F

x . f
45 51 48 4 4 192
51 57 54 13 17 702
57 63 60 21 38 1260
63 69 66 23 61 1518
69 75 72 8 69 576
75 81 78 8 77 624
81 87 84 3 80 252

49
Media:

05 , 64
80
5124
n
f . x
x = = =

Mediana:

a
40 =
2
80
=
2
n
= Posicin

Clase mediana: 63 69

52 , 63 ) 8 3 -
2
80
(
23
6
63 Mediana = + =

Moda:

Clase modal: 63 69

D
1
= 24 20 = 4

D
2
= 24 10 = 14

05 7 , 63 6 .
15 2
2
63 Moda = |
.
|
\
|
+
+ =

Si comparamos las medidas de tendencia central obtenidas con los datos sin
agrupar con las obtenidas con los datos agrupados en clases, resultan evidentes
las diferencias. Esto se debe a que en el caso de los datos agrupados en clases,
se considera que todos los datos pertenecientes a cada clase valen, en promedio,
el valor de la marca de clase respectiva, lo cual no es necesariamente cierto. Por
eso, se considera que al agrupar los datos en clases, se pierde precisin en los
estadsticos obtenidos. Sin embargo, tambin es cierto que al agrupar los datos
en clases se gana en el sentido de que se puede analizar con mayor facilidad la
forma de distribucin de los datos.

La nica manera de obtener los estadsticos precisos, es con los datos originales
sin agrupar, pero no siempre se cuentan con ellos. Felizmente, las medidas
obtenidas con los datos agrupados son lo suficientemente aproximados para la
mayora de aplicaciones.

50
Medidas de tendencia central y el sesgo de la distribucin de
frecuencias

Simetra o sesgo nulo Sesgo izquierdo o negativo Sesgo derecho o positivo

x x x
x
media
mediana
moda
media
moda
x
mediana
media < mediana < moda
media = mediana = moda
moda < mediana < media
x
media
mediana
moda

51
Media Ponderada -
w x

Tambin llamada media pesada. Permite calcular el valor medio considerando
la importancia o peso de cada valor sobre el total.

=
=
=
n
i
i
n
i
i i
w
w
w x
x
1
1
.

donde:
x
i
: Observacin individual.
w
i
: Peso asignado a cada observacin.

Media Geomtrica (MG)

n
n
f f f f MG . . . . .
3 2 1
=

La aplicacin ms frecuente de la media geomtrica es en el caso de encontrar
una tasa de variacin promedio de una serie temporal.

Factor de variacin:
1
=
i
i
i
x
x
f
donde:
x
i
: valor de la variable en el periodo i.
x
i-1
: valor de la variable en el periodo i-1.

Tasa de variacin:
i
i
= (f
i
1) . 100%

Factor de variacin promedio:

MG f
p
=

Tasa de variacin promedio :

i
p
= (f
p
1) . 100%

52
3.2 Medidas de Dispersin

Rango

El rango (alcance, amplitud o recorrido) de un conjunto de datos observados es
la diferencia entre dato mayor y el dato menor.

R = X
max
- X
min

donde:
x
max
: valor mximo observado de la variable.
x
min
: valor mnimo observado de la variable.

Varianza

La varianza es el promedio de los cuadrados de la diferencia de cada dato con la
media.

Varianza para datos no agrupados:

1
) (
:
) (
:
2
1 2 1
2
2
=

= =
n
x x
s Muestra
N
x
Poblacin
n
i
i
N
i
i

o

Varianza para datos agrupados:

1
) ( .
:
) ( .
:
2
1 2 1
2
2
=

= =
n
x x f
s Muestra
N
x f
Poblacin
n
i
i i
N
i
i i

o

Desviacin estndar

La desviacin estndar o tpica mide la cantidad tpica en la que los valores del
conjunto de observaciones difieren de la media

53
Desviacin estndar para datos no agrupados:

1
) (
:
) (
:
2
1 1
2
=

= =
n
x x
s Muestra
N
x
Poblacin
n
i
i
N
i
i

o

Desviacin estndar para datos agrupados:

1
) ( .
:
) ( .
:
2
1 1
2
=

= =
n
x x f
s Muestra
N
x f
Poblacin
n
i
i i
N
i
i i

o

Coeficiente de Variacin - CV

El Coeficiente de Variacin de un conjunto de datos observados expresa la
desviacin estndar como un porcentaje de la media. A diferencia de otras
medidas de dispersin, el Coeficiente de Variacin es una medida relativa.

% 100 . : % 100 . :
x
s
CV Muestra CV Poblacin = =
o

Ejemplo 3.2.-

Como ejemplo tomemos los datos no agrupados correspondientes a las edades
de los 80 estudiantes entrevistados (pgina 18) y calculemos las medidas de
dispersin:

Solucin:

Varianza: 33 , 77
1 - n
) x - x (
s

2
2
= =

Desviacin Estndar:
79 , 8 s s
2
= =

Coeficiente de Variacin:
% 6 , 13
x
s
CV = =

54
Consideramos los mismos datos agrupados en intervalos del ejemplo 2.5
(pgina 20) las medidas de dispersin son las siguientes:

Clase

Marca
de clase
x

f

x - x

2
) x - x (

f . ) x - x (
2

45 51 48 4 -17,1 292,41 584,82
51 57 54 13 -11,1 123,21 1478,52
57 63 60 21 -5,1 26,01 520,20
63 69 66 23 0,9 0,81 19,44
69 75 72 8 6,9 47,61 476,10
75 81 78 8 12,9 166,41 1331,28
81 87 84 3 18,9 357,21 1428,84
80 5839,2

Varianza:
91 , 73
1 - n
) x - x .( f
s

2
2
= =

Desviacin Estndar:
60 , 8 s s
2
= =

Coeficiente de Variacin:

% 2 , 13 % 100 .
x
s
CV = =

Propiedades de la varianza

1. La varianza es un nmero real no negativo y viene expresado en unidades
cuadrticas, mientras que la desviacin estndar viene expresada en las
mismas unidades en las que vienen expresados los datos.

2. Si cada uno de los n valores xi es transformado en: yi = a . xi + b, siendo a
y b constantes, entonces, la varianza de los n valores yi es:

2 2 2
.
x y
S a S =


Si y
i
= b, entonces 0
2
=
y
S . Si los n datos son iguales a una constante b,
entonces la varianza (y la desviacin estndar) es igual a cero.

55

Si y
i
= x
i
+ b, entonces
2 2
x y
S S = . Si a cada dato se le suma una constante
b, la varianza (y la desviacin estndar) no cambian.

Si y
i
= a . x
i
, entonces
2 2 2
.
x y
S a S = . Si a cada dato se le multiplica por una
constante a, la varianza de los nuevos valores es igual a la varianza de los
valores iniciales multiplicada por a
2
.

3. La varianza depende del valor de todos los datos y es sensible a la variacin
de cada uno de ellos.

4. La varianza puede ser calculada tambin con datos agrupados en intervalos,
inclusive de amplitud diferente, siempre que se puedan determinar las
marcas de clase.

5. Desigualdad de Tchebysheff: Independientemente de la forma de la
distribucin de frecuencias de los datos, el intervalo
| |
x x
s k x s k x . , . +
,
donde k > 1, contiene por lo menos el:

% 100 .
1
1
2
|
.
|
\
|

k
de los datos.

3.3 Medidas de Posicin

Las medidas de posicin o cuantiles son los valores que determinan la posicin
de un dato respecto a todos los dems datos de una serie y que previamente ha
sido ordenada de menor a mayor. Los cuantiles ms importantes dividen a los
datos ordenados de menor a mayor en 100, 10 y 4 cantidades iguales de datos,
denominndose centiles, deciles y cuartiles respectivamente.

Centil:
Tambin conocido como percententil o porcentil. El centil k, P
k
. es el valor
numrico tal que el k por ciento de los datos ordenados est por debajo de ese
valor y el (100 k) por ciento de los datos est por encima de ese valor.

Decil:
Se denomina as a cada uno de los nueve centiles: P
10
, P
20
, P
30
P
90
y se les
denota como D
1
, D
2
, D
3
, , D
9
respectivamente.

56
Cuartil:
Se denomina as a cada uno de los tres centiles: P
25
, P
50
, P
75
y se les denota
como Q
1
, Q
2
y Q
3
respectivamente.

Adems, se define el rango intercuartil (llamado tambin propagacin media)
como la diferencia entre el tercer cuartil y el primer cuartil en una serie de
datos, es decir:

Rango intercuartil = Q
3
Q
1

Cuantiles para datos no agrupados

Los clculos se centrarn en encontrar los valores de los centiles. Para hallar
valores de deciles o cuartiles simplemente encontraremos el valor del centiles
correspondientes.

Si tenemos n datos ordenados de menor a mayor y queremos determinar el
valor del centil Pk.

Localizacin:
La posicin que ocupa el centil P
k
en la lista de datos ordenados est
determinada por la expresin:
k
n
.
100
1 +

Identificacin:
Si la posicin del centil es un nmero entero, el centil buscado ser el dato que
ocupa dicha posicin en la serie ordenada.

Si la posicin del centil no es un valor entero, es decir, el centil est entre dos
valores ubicados consecutivamente, entonces el valor del centil se obtiene de la
siguiente expresin:

) ).( ( posicin de decimal parte menor dato mayor dato menor dato +

Cuantiles para datos agrupados en intervalos

Si tenemos n datos agrupados en clases y queremos determinar el valor del
centil P
k
.

57
Localizacin:
La posicin que ocupa el centil P
k
en la lista de datos ordenados esta
determinada por la expresin:
k
n
.
100

Identificacin:
Identificamos primero la clase en la que se encuentra el centil P
k
. El valor del
centil se determina por al siguiente expresin:

)
100
.
( F
k n
f
w
L P
i k
+ =

donde:
L
i
: lmite inferior de la clase del centil.
f : frecuencia de la clase del centil.
F : frecuencia acumulada de la clase que precede a la clase del centil.
n : nmero de datos.

Ejemplo 3.3.-

Como ejemplo efectuamos el clculo del primer cuartil Q
1
. En primer lugar
tomemos los datos no agrupados correspondientes a las edades de los 80
estudiantes entrevistados (pgina 22):

Solucin:

El primer cuartil Q
1
es equivalente al 25 centil P
25
,

Localizacin:
a
25 , 20 25 .
100
1 80
k .
100
1 n
=
+
=
+

Identificacin:

Est entre el dato 20 y el dato 21 , como ambos datos tienen un valor de 59,
entonces el valor del primer cuartil es 59.

Consideramos los mismos datos pero agrupados en clases (pgina 23). El
primer cuartil es:

58

Localizacin:

o
20 25 .
100
n
=

El dato 20 se encuentra en la clase 57 63.

Identificacin:

86 , 58 ) 7 1
100
25 . 80
(
20
6
57 P Q
25 1
= + = =

Clase

Marca
de clase
x

f

F
45 51 48 4 4
51 57 54 13 17
57 63 60 21 38
63 69 66 23 61
69 75 72 8 69
75 81 78 8 77
81 87 84 3 80

59
3.4 Problemas sobre medidas descriptivas

28. Conteste las siguientes preguntas justificando claramente sus respuestas,
a. Para una serie de datos, qu medida de tendencia central es la ms adecuada?
b. En qu escala de medicin debe medirse los datos para poder utilizar el
coeficiente de variacin apropiadamente?
c. Qu posiciones relativas tienen las medidas de tendencia central en
distribuciones simtricas y en distribuciones sesgadas?
d. En qu casos la media aritmtica no es un buen indicador de tendencia central?
e. Frente a dos conjuntos de datos, en qu casos es apropiado utilizar el
coeficiente de variacin como medida de dispersin en lugar de la desviacin
estndar?
f. Cul es la utilidad prctica de los cuantiles?

29. Justifique la verdad o falsedad de cada una de las siguientes afirmaciones:
a. El coeficiente de variacin es til para comparar la variabilidad de dos series de
datos que tengan distintas unidades de medida.
b. En una escala de intervalo siempre es posible calcular la media, la mediana y la
moda.
c. La desviacin estndar puede ser mayor que la varianza.
d. La media calculada en datos tabulados nunca se puede calcular exactamente.
e. La moda no se puede calcular en todas las escalas de medicin.
f. Los parmetros nunca se pueden conocer, mientras que los estadsticos s.
g. Los centiles slo se pueden calcular en escalas de intervalo y de razn.
h. La mediana calculada en datos tabulados nunca se puede calcular exactamente.
i. Los centiles son estadsticos que se ven muy influenciados por datos extremos.
j. El rango intercuartil se puede calcular siempre en datos en escala de intervalo o
de razn.

30. Indique si es verdadera (V) o falsa (F) cada una de las siguientes afirmaciones:
a. Una desventaja de usar el rango como medida de dispersin de una serie de
datos es que ste ignora la naturaleza de las variaciones entre la mayora de las
observaciones.
b. El coeficiente de variacin es una medida de dispersin absoluta.
c. Para toda serie de datos cuantitativos, la mediana siempre se encuentra entre la
moda y la media.
d. Los intervalos de una distribucin de frecuencias son mutuamente excluyentes.
e. Los intervalos de una distribucin de frecuencias son Independientes.
f. Si el tiempo mediano (se refiere a la mediana) para que un operador realice
cierta tarea es 20 minutos, entonces la mayora de veces el operador demora 20
minutos en realizar la tarea.
g. Una serie de datos no agrupados que no tiene moda, podra s tenerla si se les
agrupa en intervalos.

60
h. Una media calculada para datos agrupados en intervalos siempre nos da un
estimado del verdadero valor de la media, pero no es el valor exacto.

31. Analice la validez de las siguientes afirmaciones, justificando su respuesta:
a. En una serie de datos cuantitativos enteros, si al calcular la media el resultado
tiene decimales, necesariamente debe redondearse al entero ms prximo.
b. Toda serie de datos cuantitativos tiene coeficiente de variacin.
c. Si el histograma de una serie de datos es simtrico y unimodal, entonces la
media, la mediana y la moda coinciden.

32. De las edades de cuatro personas, se sabe que la media es igual a 24 aos, la
mediana es 23 y la moda es 22. Encuentre las edades de las cuatro personas.

33. Al calcular la media de 125 datos, result 42. Un chequeo posterior mostr que en
lugar del valor 12,4 se introdujo 124. Cul es el valor correcto de la media?.

34. Los sueldos en una empresa varan de $300 a $800 distribuidos en forma simtrica
en cinco intervalos de igual amplitud, con el 15%, 20% y 30% de los casos en el
primer, segundo y tercer intervalo respectivamente.
a. Calcule las medidas de tendencia central.
b. Si se aplica un impuesto a los sueldos localizados en el cuarto superior, a
partir de qu monto de sueldo se paga impuesto?

35. Se tiene cuatro marcas de bombillas A, B, C y D. Se presenta a continuacin la
duracin (en das) registrada de cierto nmero de bombillas de cada marca.

Marca A: duracin registrada en das: 5; 10; 12; 13; 18

Marca B Marca C
Duracin
(das)
No. de bombillas Duracin
(das)
No. De bombillas
3 2 0 5 4
11 4 5 10 8
15 3 10 15 12
20 1 15 20 2

Marca D: duracin registrada en das: 11; 12; 12; 13; 14; 15; 15; 15; 15; 16

a. Qu marca comprara usted y por qu? Sustente su respuesta a base del anlisis
de las medidas de tendencia central y de dispersin de los datos presentados.
b. Calcule para cada marca de bombilla P
80
.

61
36. La distribucin de los tiempos, en minutos, que un obrero utiliz para realizar 114
tareas aparece representada en el siguiente histograma.
a. Qu medida de tendencia central es ms representativa? Sustente.
b. Si por las tareas cuyos tiempos estn en [8; 10] recibi en promedio S/.2 por
tarea y por las tareas cuyos tiempos estn en ]10; 14] recibi en promedio S/.5
por tarea, cunto recibi en promedio por cada una de las 114 tareas?

37. La siguiente tabla corresponde a la distribucin de frecuencias de los salarios del
ltimo mes de los trabajadores de la empresa Enigma S.A.
a. De acuerdo al enunciado del problema, determine con precisin la poblacin
objetivo, la unidad estadstica, la variable estudiada, su tipo y su escala de
medicin.
b. Complete la tabla de distribucin de frecuencias presentada.
c. Si los obreros que trabajan en Enigma S.A. son en total 33 y adems se sabe que
son los que ganan menos en la empresa, cul es el salario promedio de un
obrero?
d. Si el 60 % de los trabajadores de Enigma S.A. son hombres y tienen un salario
promedio de $ 900, cul es el salario promedio de las mujeres que trabajan en
Enigma S.A.?

Intervalo Marca de clase
X

f

h

F

H
450 - 8
- 750 10
- 0,3 33
- 12
-

38. El responsable de la planta de fideos quiere hacer un anlisis del comportamiento
de sus lneas (tiene 2 lneas de produccin). La siguiente tabla corresponde al
40
x
30
10
5
4
minutos
8 9 10 11 12 13 14
Tareas

62
registro de pesos que se tom de una muestra de 80 paquetes de fideos. El peso que
aparece en la etiqueta del producto es 340g.

337,1 338,6 339,4 339,8 340,5 341,4 341,7 342,4
337,4 338,7 339,4 339,8 340,6 341,4 341,7 342,5
337,5 338,9 339,4 339,8 340,7 341,5 341,7 342,5
337,6 339,1 339,5 339,9 340,7 341,5 341,8 342,5
337,8 339,1 339,5 340,2 340,8 341,5 341,9 342,6
338,1 339,2 339,6 340,3 341,1 341,5 342,1 343,3
338,2 339,2 339,6 340,3 341,2 341,6 342,1 343,5
338,4 339,2 339,6 340,4 341,2 341,6 342,2 343,6
338,4 339,3 339,7 340,4 341,3 341,6 342,3 343,6
338,5 339,3 339,7 340,4 341,3 341,7 342,3 343,7

a. Elabore la tabla de distribucin de frecuencia de los datos presentados.
b. Elabore el histograma correspondiente.
c. Elabore la ojiva correspondiente.
d. Calcule las medidas de tendencia central tanto considerando los datos no
agrupados como de los datos agrupados.
e. Elabore un breve informe donde presente sus conclusiones del anlisis de los
resultados obtenidos.

39. La siguiente tabla muestra la distribucin de frecuencias de la demanda semanal
para cierto artculo.

Unidades demandadas 1 2 3 4 5 6 7
Frecuencias 5 10 15 20 35 10 5

a. Calcule las medidas de tendencia central.
b. Si el precio de cada artculo es S/. 15 800, calcule el ingreso semanal promedio.

40. Para la distribucin de frecuencias con k = 5 intervalos de igual amplitud de 48
valores de temperatura medidas en un proceso de fundicin (en C) se tiene la
siguiente informacin resumida.

Temperatura mnima 900
Percentil 50 1 300
Percentil 75 1 407,5
Temperatura mxima 1 600

Se sabe adems que slo hay 4 datos en el primer intervalo y 8 en el segundo
intervalo.
a. Obtenga la distribucin de frecuencias y grafique su histograma.
b. Determine el porcentaje de estas mediciones que sobrepasan los 1500 C.
c. Determine las medidas de tendencia central de la distribucin.
d. Determine las medidas de dispersin apropiadas de la distribucin.

63
e. Elabore un informe basado con los resultados obtenidos en los puntos
anteriores.

41. El tiempo que demora producir cierto artculo en tres turnos de trabajo se resume en
la siguiente tabla:

Descriptivos Turno 1 Turno 2 Turno 3
Promedio 5,5 4,6 5,9
Mediana 5,5 5,1 5,0
Moda 5,5 5,8 4,1
Desviacin estndar 1,2 2,1 1,3

Analice la validez de la siguiente afirmacin, justificando su respuesta: La distribucin de
los tiempos en el turno 3 es menos dispersa que la distribucin de los tiempos
correspondiente al turno 1.

42. La siguiente tabla corresponde a los pesos en gramos de dos muestras tomadas
aleatoriamente de cierto embutido que es elaborado por dos mquinas distintas (1 y
2). El muestreo se realiz dado que ltimamente se han detectado ciertos problemas
por la diferencia del peso de los embutidos entre las dos mquinas, lo que ha
causado malestar entre los consumidores del producto.

Mquina 1 Mquina 2
clase x f h F H f h F H
208,0 - 210,7 209,4 0 0,0000 0 0,0000 4 0,0500 4 0,0500
210,7 - 213,4 212,1 1 0,0125 1 0,0125 13 0,1625 17 0,2125
213,4 - 216,1 214,8 8 0,1000 9 0,1125 19 0,2375 36 0,4500
216,1 - 218,8 217,5 17 0,2125 26 0,3250 26 0,3250 62 0,7750
218,8 - 221,5 220,2 30 0,3750 56 0,7000 14 0,1750 76 0,9500
221,5 - 224,2 222,9 17 0,2125 73 0,9125 4 0,0500 80 1,0000
224,2 - 226,9 225,6 7 0,0875 80 1,0000 0 0,0000 80 1,0000

a. Calcule las medidas de tendencia central de cada muestra.
b. Calcule las medidas de dispersin de cada muestra.
c. Calcule los cuartiles de ambas muestras.
d. Se considera que el peso de los embutidos es aceptable si su promedio es de 220
gramos y si la desviacin estndar no supera los 3,1 gramos. Si slo hay
discrepancias con el peso promedio se puede solucionar fcilmente pues las
mquinas pueden regularse desde su tablero de control. En cambio, si los pesos
tienen valores muy dispersos, es necesario reparar la mquina pues la causa es
un excesivo desgaste. Con estos criterios y los datos de las muestras, qu le
recomendara hacer?

43. El Jefe del departamento de ingeniera de Enigma Electronic S.A., fabricante de
componentes electrnicos, est interesado en analizar el tiempo de vida de un cierto
tipo de batera, necesaria para sus componentes, y que puede adquirir de dos

64
proveedores, A y B. A continuacin se presentan los datos en horas de vida
correspondientes a muestras de bateras de los dos proveedores.

duracin Batera proveedor A Batera proveedor B
120 160 4 6
160 200 10 10
200 240 15 39
240 280 20 30
280 320 17 21
320 360 14 14
360 400 4 9
400 440 1 6

a. Para efectos de comparacin, elabore histogramas y ojivas de las muestras.
b. Calcule las medidas de tendencia central de cada muestra.
c. Calcule las medidas de dispersin de cada muestra.
d. Elabore un informe con el anlisis de los resultados obtenidos.

44. El cuadro muestra la distribucin de salario mensual de los empleados de Enigma
S.A.

1 000 1 500 1 800 4 000
1 300 1 500 2 300 4 000
1 350 1 500 2 500 4 500
1 400 1 600 2 500 4 500
1 400 1 600 2 500 4 600
1 400 1 600 3 000 5 000
1 500 1 700 3 000 6 000
1 500 1 800 3 550 7 000

a. A partir de los datos simples, calcule: media, mediana, moda, desviacin
estndar y coeficiente de variacin.
b. Calcule la tabla de distribucin de frecuencias usando 6 intervalos
c. A partir de los datos tabulados, calcule: media, mediana, moda, desviacin
estndar y coeficiente de variacin. Compare los resultados con la parte a.
d. La empresa dar un aumento del 10% ms S/. 450 de bonificacin. Cul ser el
nuevo promedio y la nueva desviacin estndar de sueldos?
e. Compruebe que se cumple el teorema de Tchebysheff.

45. En el siguiente cuadro se muestra la distribucin de los sueldos que perciben
mensualmente 286 empleados elegidos al azar en Enigma S.A:, al mes de abril de
2003:
a. Halle e interprete los valores de la media, mediana y moda de los sueldos que
perciben los empleados varones.
b. En que grupo de empleados (varones o mujeres) los sueldos son ms
homogneos?. Justifique adecuadamente su respuesta.
c. Para mayo se ha dispuesto dar un aumento de sueldo del 50% para los
empleados varones, ms una bonificacin adicional por refrigerio y movilidad

65
de 200 soles y para las mujeres un aumento del 80% ms una bonificacin por
refrigerio y movilidad de 150 soles. Indique el sueldo promedio por empleado
en mayo en dicha fbrica.
d. Despus de los aumentos, en cul de los grupos (varones y mujeres) los
sueldos son ms homogneos?.

Sueldo
(soles)
N de empleados varones % acumulado de empleados
mujeres
150 - 250 14 12
250 - 350 24 28
350 - 450 38 56
450 - 550 40 88
550 - 650 20 100

46. Enigma S.A., fabricante de componentes electrnicos, se interesa en estudiar las
horas de vida de cierto tipo de batera que fabrica en dos lneas de produccin. Se
sabe que el 30% de las bateras es elaborado en la lnea 1 y el 70% en la lnea 2. A
continuacin se presenta las horas de vida registradas de muestras aleatorias
representativas de bateras de ambas lneas de produccin.

a. De acuerdo al enunciado del problema indique con precisin la unidad de
observacin y las variables estudiadas.
b. Elabore apropiadamente los histogramas de ambas muestras.
c. Elabore apropiadamente las ojivas de ambas muestras.
d. Calcule las medidas de tendencia central de ambas muestras.
e. Calcule la media de horas de vida de la bateras producidas por Enigma S.A.
f. Calcule las medidas de dispersin de ambas muestras.
g. Calcule el rango intercuartil de cada serie de datos.
h. Elabore un breve informe sobre la base del anlisis de los resultados obtenidos
en los puntos anteriores.

47. Los sueldos de septiembre de los 43 empleados de Enigma S.A. tienen una media de
S/. 1 750 y una desviacin estndar de S/. 350. Para octubre la gerencia de la
empresa ha determinado un incremento de los sueldos y debe decidir entre dos
alternativas:
Alternativa 1- A cada empleado un incremento de S/. 275 a su sueldo.
bateras bateras
producidas en producidas en
lnea 1 lnea 2
115 - 125 3 6
125 - 135 9 12
135 - 145 14 18
145 - 155 17 8
155 - 165 6 4
165 - 175 1 2
horas de vida

66
Alternativa 2- A cada empleado un incremento del 10% a su sueldo ms S/. 100.
a. Para cada alternativa, calcule cul sera la nueva media y la nueva desviacin
estndar de los sueldos.
b. Qu alternativa sera ms conveniente para los empleados? Justifique su
respuesta.

48. En la librera Enigma Book Store se contabiliz el nmero de enciclopedias
vendidas en los ltimos 80 das, obtenindose la siguiente informacin:

Nmero de enciclopedias vendidas 0 1 2 3 4 5 6
Nmero de das 5 13 20 18 0 19 5

a. Defina la poblacin objetivo, la unidad de anlisis y la variable aleatoria.
b. Elabore la tabla de distribucin de frecuencias.
c. Calcule las medidas de tendencia central. Interprete.
d. Calcule las medidas de dispersin. Interprete.
e. Construya el grfico de frecuencias relativas.

49. En cierta comunidad hay un banco que tiene dos cajeros automticos. El banco
realiza mensualmente evaluaciones de la calidad del servicio que ofrece, un
indicador de calidad, muy importante para sus clientes de los cajeros automticos,
es el tiempo (en minutos) que demanda realizar una operacin bancaria. Para este
mes los resultados de la evaluacin se muestran a continuacin:

Distribucin de los tiempos de operacin de transacciones en los
cajeros 1 y 2
7%
20%
100%
97%
91%
57%
1%
9%
28%
54%
73%
91%
100%
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
1.25 1.49 1.73 1.97 2.21 2.45 2.69 2.93
Tiempos (min.)
p
o
r
c
e
n
t
a
j
e

d
e

c
l
i
e
n
t
e
s
Cajero 1 Cajero 2

67
a. Calcule con precisin el porcentaje de operaciones en el cajero 1 demandan
ms de 2,5 minutos y el porcentaje de operaciones en el cajero 2 demandan
como mximo 2,8 minutos.
b. Cul de los dos cajeros tiene un comportamiento ms homogneo? Sustente.

50. La siguiente grfica corresponden los tiempos procesamiento (en minutos) para
muestras aleatorias de cierto artculo que fueron producidos en dos turnos de
trabajo. Si un artculo demanda ms de 1,65 minutos para su procesamiento, se
considera defectuoso.

Distribucin de los tiempos de procesamiento
2
12
42
108
138
148
150
140
146
150
10
75
130
115
0
10
20
30
40
50
60
70
80
90
100
110
120
130
140
150
1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9
x
F
i
Turno1 Turno2

a. Calcule el porcentaje de artculos defectuosos que genera cada turno.
b. Cul de los dos turnos considera usted que tiene los tiempos de procesamiento
ms homogneo? Sustente su respuesta a base de las medidas descriptivas
estudiadas en el curso.

51. Al tabular las calificaciones de un examen se obtuvieron las siguientes notas: 07;
08; 09; 10; 11; 12; 13; 14; 15; 16; 17 y la cantidad de alumnos que obtuvieron
dichas notas fueron respectivamente: 1; 1; 1; 1; 1, 6; 8; 16; 18; 20; 2.
a. Calcule las medidas de tendencia central. Cul de las medidas obtenidas
representa mejor a los resultados? Sustente.
b. Cul es la nota mnima para estar en el quinto superior?. Analice el resultado.

68
52. El jefe de personal de Enigma Electronics S.A., fbrica ensambladora de
dispositivos electrnicos, requiere contratar un operario. Luego de haber hecho un
serio anlisis de los postulantes al puesto se qued con dos de ellos, a los que se les
someti a pruebas de destreza, que consisti en ensamblar un total de 5
dispositivos. Se midi el tiempo, en minutos, que necesit cada postulante, siendo
los resultados los siguientes:

Postulante A 12 10 13 9 11
Postulante B 13 12 14 10 6

a. Cul de los dos postulantes debe recomendar al jefe de personal para ser
contratado? Justifique su respuesta.
b. Si pudiera hacerlo considerara la posibilidad de solicitar informacin
adicional para tomar una mejor decisin? Justifique su respuesta.

53. Un auditor de calidad est interesado en comparar el rendimiento de dos
trabajadores de distinta lneas de produccin. Para tal fin registr el nmero de
piezas que producan cada hora. El primer trabajador tuvo un promedio de 15
piezas terminadas con una desviacin de 3 piezas. El segundo trabajador produjo 80
piezas con una desviacin estndar de 20 piezas. Podra afirmar que un trabajador
es mejor que otro? Sustente claramente.

54. Si el ingreso de 240 trabajadores de la empresa Enigma SAC tiene una media de $
300 y una desviacin estndar de $ 30.
a. Cuntos trabajadores por lo menos tienen sueldos comprendidos en el intervalo
[$240; $360]?
b. Determine el intervalo que contiene al menos 88,889% de los ingresos.
c. Si el mnimo sueldo es $210, en qu porcentaje se puede afirmar que los
ingresos son superiores a $390?

55. El ingreso promedio de los obreros de Manufacturas Enigma S.A. es de S/. 264. Si
el 60% de los obreros tiene menos de 30 aos y recibe el 20% del ingreso total,
calcule el ingreso promedio por obrero de menos de 30 aos.

56. Los sueldos de 120 trabajadores de una empresa tuvieron un coeficiente de
variacin de 4% en enero. Para febrero se da un aumento de S/. 50 a todos los
trabajadores y el coeficiente de variacin baja a 3,2%.
a. Calcule la media y la desviacin estndar de los sueldos de enero.
b. Calcule el dinero necesario para pagar los sueldos de febrero.

57. En una empresa textil, la distribucin de salarios tiene una media aritmtica de 300
dlares y una desviacin estndar de 50 dlares. Como solucin a un conflicto
laboral, la gerencia propone un reajuste por medio de dos alternativas.

69

Propuesta I Un aumento general del 60% de los salarios.

Propuesta II Un aumento general del 40% de los salarios y una bonificacin
adicional de 60 dlares a cada trabajador.

Cul de las alternativas propuestas conviene aceptar al sindicato?

58. Una empresa de construccin utiliza tres tipos de trabajadores en obra (operario,
maestro y capataz). La empresa actualmente tiene a su cargo dos obras, en las que
los trabajadores participan de acuerdo a la siguiente tabla. Cul de las obras tiene
un mayor promedio de salario por hora?

Tipo de Salario por No. de horas trabajadas
trabajador hora (S/.) Obra 1 Obra 2
Operario 3 50 40
Maestro 6 20 35
Capataz 10 10 25

59. Una empresa de transporte gasta $ 400 en latas de conserva que cuestan $ 10 la
docena; $500 en latas que cuestan $ 12,5 la docena; $ 600 ms en latas que cuestan
$ 20 la docena y $ 300 en otras que cuestan $ 25 la docena. Calcular el costo
promedio por docena de las latas de conserva.

60. Si la produccin ha experimentado un crecimiento del 30% del primer ao al
segundo ao, un incremento del 35% del segundo al tercer ao y un decrecimiento
del 15% del tercer al cuarto ao.
a. Calcule la tasa promedio de crecimiento de los ltimos tres aos.
b. Calcule la produccin del quinto ao si la del primer ao ha sido 100.

61. En el pas, la proliferacin de negocios de cabinas de Internet ha tenido un
comportamiento singular. De un crecimiento explosivo desde 2000, actualmente
est sufriendo una fuerte contraccin. De acuerdo a los datos de Speedy Plus,
empresa de conexin a internet, de las 750 cabinas de internet que haba a fines de
2002, a fines del ao 2003 la cantidad de cabinas haba experimentado un
crecimiento del 120%, luego el incremento registrado a fines del 2004 fue del 180%
respecto al ao anterior. A fines del 2005 existan 3200 cabinas de Internet. Los dos
siguientes aos el nmero de cabinas de Internet se redujeron anualmente en 20%.
A fines del 2008 haban 1400 cabinas. Con los datos mencionados se pide que
calcule la tasa de variacin promedio anual del nmero de negocios de cabinas de
internet.

70
62. El nivel de exportacin de harina de pescado durante los ltimos tres aos
consecutivos, aument respecto al ao anterior en: 70%, 50% 10%. Cul es el
aumento promedio anual del nivel de exportacin de harina de pescado para los
ltimos tres aos.

63. En un cajero automtico se midi el tiempo que permanecieron haciendo sus
transacciones cada uno de los 25 clientes de la muestra aleatoria. Los resultados en
minutos fueron:

0,19 1,39 2,16 1,23 0,75
2,59 1,40 0,02 0,71 2,41
3,53 1,17 1,16 1,61 3,76
0,96 1,94 1,65 4,75 1,59
0,47 2,01 0,82 0,92 3,07

a. Elabore la tabla de distribucin de frecuencias con 6 intervalos de igual
amplitud.
b. Calcule la media tanto con los datos agrupados como con los datos no
agrupados. Comente los resultados obtenidos.
c. Qu porcentaje de los clientes aproximadamente permaneci ms de 3
minutos? Calcule lo solicitado tanto con los datos agrupados como con los datos
no agrupados. Comente los resultados obtenidos.

64. El Jefe de Produccin de Enigma Manufacturing S.A.C. debe decidir qu tipo de
proveedor abastecer a la empresa de placas de un material necesario para la
produccin. En general, las placas de los materiales ofrecidos por ambos
proveedores son muy similares en precio y en casi todas las caractersticas fsicas
estudiadas salvo en el de resistencia a la traccin, caracterstica en la que se
concentraron las pruebas. A mayor resistencia a la traccin del material, mejor es su
calidad. Las pruebas de resistencia a la traccin (en kilogramos) de algunas placas
de materiales de ambos proveedores arrojaron los siguientes resultados:

Intervalo Proveedor A Proveedor B
f h f h
1,5 - 2,0 2 0,050 2 0,029
2,0 - 2,5 1 0,025 10 0,143
2,5 - 3,0 4 0,100 16 0,229
3,0 - 3,5 15 0,375 24 0,343
3,5 - 4,0 10 0,250 12 0,171
4,0 - 4,5 5 0,125 5 0,071
4,5 - 5,0 3 0,075 1 0,014

a. Indique con precisin la unidad estadstica, la poblacin objetivo, la variable
estudiada, su tipo y su escala de medicin.
b. Dibuje apropiadamente para su comparacin los histogramas correspondientes a
ambas muestras.
c. Grafique apropiadamente las ojivas correspondientes a ambas muestras.
d. Obtenga los valores de las medidas de tendencia central de cada muestra.

71
e. Obtenga los valores de las medidas de dispersin de cada muestra.
f. A base del anlisis de los puntos desarrollados anteriormente y en concordancia
con el objetivo de la empresa, elabore un breve informe indicando sus
principales conclusiones.

65. La Direccin de Transporte de la Municipalidad de Lima ha hecho un estudio sobre
el tiempo de espera que los automviles pasan por una caseta de cobro de una
autopista que se ve bastante congestionada. Los resultados que se muestran
corresponden al tiempo que tuvieron que esperar 3000 automviles consecutivos a
la entrada de la caseta antes y despus de algunas modificaciones implantadas por
la Municipalidad (habilitacin y promocin del uso de rutas alternas a la autopista):

Minutos de espera
(en minutos)
Proporcin de autos
(antes de las modificaciones)
Proporcin de autos
(despus de las modificaciones)
0 2 0,025 0,058
2 4 0,061 0,079
4 6 0,098 0,196
6 8 0,117 0,267
8 10 0,193 0,238
10 12 0,236 0,109
12 14 0,180 0,050
14 16 0,055 0,003
16 - 18 0,035 0,000

Sobre la base de los datos presentados:
a. Construya y analice las ojiva de ambas series de datos.
b. Grficamente qu porcentaje debe esperar ms de 5 minutos en cada serie de
datos? cul es la mediana en cada serie de datos?
c. Calcule analticamente e interprete el P
75
de cada serie de datos.
d. Qu conclusiones se podra obtener sobre la base de las modificaciones
realizadas por la Municipalidad?

66. Las ventas en miles de soles durante 50 semanas de los productos principales A y B
de una compaa poseen las siguientes distribuciones de frecuencias:

Ventas
A
Nmero de
semanas
Ventas
B
Nmero de
semanas
11 - 20 2 2 - 4 5
20 - 30 8 4 - 6 14
30 - 40 25 6 - 8 21
40 - 50 9 8 - 10 7
50 - 60 6 10 - 12 3

a. Qu producto tiene un nivel de ventas ms homogneo?
b. Durante la ltima semana de las 50 se obtuvieron ventas de A del orden de los
S/. 37 000 y de B del orden de los S/. 7 000. Qu producto obtuvo en trminos
relativos un mejor nivel de ventas durante la semana?

72

Teora de probabilidades

4.1 Concepto de probabilidad

4.2 Asignacin de probabilidades
- Probabilidad clsica
- Probabilidad emprica
- Probabilidad subjetiva


4.4 Operaciones con eventos
- Unin de eventos
- Interseccin de eventos
- Diferencia de eventos

4.5 Axiomas de probabilidad

4.6 Tipos de probabilidad
- Probabilidad simple
- Probabilidad conjunta
- Probabilidad condicional

4.7 Reglas importantes de probabilidades
- rbol de probabilidades
- Probabilidad de eventos independientes
- Regla de la adicin de probabilidades
- Regla de multiplicacin de probabilidades
- Probabilidad total
- Teorema de Bayes

4.8 Anlisis combinatorio

4.9 Problemas sobre teora de probabilidades

4

73

74
4.1 Concepto de probabilidad

Las decisiones que toma un ingeniero a menudo se basan en un anlisis de
situaciones como las siguientes:

Cul es la posibilidad de que el nuevo mtodo de ensamble incremente
la productividad?
Qu tan probable es que el proyecto se termine a tiempo?
Cul es la posibilidad de que el producto entregado por el proveedor
cumpla las especificaciones tcnicas solicitadas?

La probabilidad es la evaluacin numrica de la posibilidad de que un evento
ocurra. Los valores de probabilidad siempre se asignan en una escala de 0 a 1.

0 p 1

Un valor de probabilidad cercano a 0 indica que es muy improbable que ocurra
el evento, mientras que una probabilidad cercana a 1 indica que es casi seguro
que ocurra el evento.

El objetivo del clculo de probabilidades es el obtener un valor numrico
asociado con la ocurrencia de determinado acontecimiento para facilitar la toma
de decisiones relacionada con l.

4.2 Asignacin de valores de probabilidades

Probabilidad clsica (a priori)

El concepto de probabilidad clsica est basado en el conocimiento previo del
proceso o fenmeno bajo estudio y cuando el nmero de resultados posibles es
finito. Tuvo su origen en los juegos de azar.

Si un fenmeno puede tener n resultados mutuamente excluyentes e
igualmente posibles y m de estos n resultados poseen una caracterstica E, la
probabilidad de que se d un resultado con la caracterstica E (resultado
favorable), est dada por m/n y se denota P(E).

Ejemplo 4.1:
En el lanzamiento de una moneda normal, cul es la probabilidad de obtener
cara?. Como el total de posibles resultados es n = 2 (cara y sello) y el total de
resultados favorables (cara) es m = 1, la probabilidad es . Como se puede
apreciar, para estimar la probabilidad no fue necesario lanzar la moneda.

75
Probabilidad emprica (a posteriori)

El concepto de probabilidad emprica est basado en los datos observados del
proceso o fenmeno bajo estudio. Para su determinacin se necesita obtener
datos mediante pruebas, entrevistas, etc. los cuales se resumen en una tabla de
resultados (la tabla de distribucin de frecuencias). La frecuencia relativa de un
resultado (cantidad de resultados favorables entre total de resultados) se
considera como la probabilidad de ocurrencia, siempre y cuando las
condiciones bajo las cuales se obtuvieron los resultados se mantengan a futuro.

Ejemplo 4.2:
En un saln de clase, cul es la probabilidad de que un alumno elegido al azar
guste tomar caf? Para responder esta pregunta con propiedad primero
tendremos que recopilar datos (p.e. mediante una encuesta) y ver cuntos del
total de alumnos gustan tomar caf. Para estimar la probabilidad primero se
debi efectuar un experimento (encuesta).

Probabilidad subjetiva

El concepto de probabilidad subjetiva est basado en la experiencia, en la
intuicin, en el anlisis de toda la evidencia disponible. La probabilidad es el
grado de confianza que una persona tiene que un evento ocurra. Puede variar de
un individuo a otro. Pese a que en algunos casos es muy difcil de sustentar y
justificar por su naturaleza subjetiva, no deja de ser vlida.

Ejemplo 4.3:
Cul es la probabilidad de que un paciente sea operado exitosamente? Para
obtener una estimacin, los resultado experimentales no indican necesariamente
que un resultado exitoso o no son igualmente probables, adems el paciente
puede que no haya sido operado anteriormente por lo que no hay datos de
frecuencia relativa, entonces el doctor utiliza una opinin subjetiva.


Experimento aleatorio:
Todo proceso bien definido que cumple con las siguientes caractersticas:
Se puede repetir indefinidamente donde los resultados dependen del azar,
por lo que no se pueden predecir con certeza.
Se puede describir el conjunto de todos los resultados posibles.
Cuando se repite en un gran nmero de veces, aparece un modelo definido
de regularidad.

El experimento aleatorio suele simbolizar como .

76
Ejemplo 4.4:
Lanzamiento de un dado.
Traslado del saln de clase a la cafetera.
Seleccin de un producto para la inspeccin de calidad.

Espacio muestral:
Conjunto de todos los posibles resultados de un experimento aleatorio. Se le
suele simbolizar como S.

Los espacios muestrales se pueden clasificar en:

Discretos finitos: nmero finito de elementos.
Discretos infinitos: nmero infinito numerable de elementos.
Continuos: nmero infinito no numerable de elementos.

Ejemplo 4.5:
Si lanzamos un dado y anotamos el nmero que muestra la cara superior,
entonces el espacio muestral es S
1
= {1, 2, 3, 4, 5, 6} pero si nos interesa
slo si el nmero es par o impar, entonces el espacio muestral es S
2
= {par,
impar}.
Si nos trasladamos del saln de clase a la cafetera y anotamos el tiempo
que hemos tomado en hacerlo, el espacio muestral es S
3
= {t / t > 0} donde
t es el tiempo de traslado.
Si seleccionamos un producto un producto para la inspeccin, el espacio
muestral ser: S
4
= {defectuoso, no defectuoso}.

Evento:
Tambin denominado suceso. Un evento es cada tipo posible de ocurrencia o
conjunto de ocurrencias del experimento estudiado, es decir, un evento es
cualquier subconjunto del espacio muestral S asociado al experimento . Se le
suele simbolizar con cualquier letra mayscula salvo S.

Ejemplo 4.6:
En el caso de lanzar un dado, algunos eventos son:
A = {1}, B = {2, 4, 6}.
En el caso del traslado del saln de clase a la cafetera, dos eventos son:
C = {t / 0 s t s 7}, D = {t / t > 4},

Evento simple:
Evento definido por una sola caracterstica.

Ejemplo 4.7:
En el caso de lanzar un dado, algunos eventos simples son:
A = {1}, B = {par}.

77
En el caso de trasladarnos del saln de clase a la cafetera, algunos eventos
son: C = {t / t s 7}, D = {t / t > 4},

Evento conjunto:
Evento definido por dos o ms caractersticas. Tambin se le denomina evento
compuesto.

Ejemplo 4.8:
En el caso de lanzar un dado, un evento conjunto es:
A = {par y menor que 5}.
En el caso de trasladarnos del saln de clase a la cafetera, un evento
conjunto es: C = {t / t > 4 y t s 7}.

Evento nulo:
Tambin denominado evento imposible. Es el evento cuya probabilidad de
ocurrencia es 0. El evento no contiene ningn elemento del espacio muestral. Se
le denota u.

Ejemplo 4.9:
En el caso de lanzar un dado, un evento nulo es:
A = {entero mayor a 7}.
En el caso del traslado del saln de clase a la cafetera, un evento nulo es:
B = {t / t > 7 y t s 4}.

Evento cierto:
Evento cuya probabilidad de ocurrencia es 1. El evento incluye todo el espacio
muestral S.

Ejemplo 4.10:
En el caso de lanzar un dado, un evento cierto es:
A = {nmero natural entre 1 y 6}.
En el caso de trasladarnos del saln de clase a la cafetera, un evento nulo
es: B = {t / t > 0}.

Evento contenido en otro:
Tambin denominado sub-evento. Un evento A est contenido en B (Ac B) si
cada vez que ocurre A ocurre tambin B, entonces A es un sub-conjunto de B.

Ejemplo 4.11:
En el caso de lanzar un dado, dado los eventos:
A = {2, 6} y B = {1, 2, 4, 6}, vemos que A c B.
En el caso del traslado del saln de clase a la cafetera, dado los eventos C
= {t / t > 3} y D = {t / 4 s t s 7}, entonces D c C.

78
Eventos iguales:
A y B son eventos iguales si A est contenido en B y B est contenido en A.

Evento unitario o elemental:
Es el evento compuesto por un solo elemento en el espacio muestral.

Ejemplo 4.12:
En el caso de lanzar un dado, dado los eventos: A = {2}.
En el caso del traslado del saln de clase a la cafetera, dado los eventos C
= {t / t = 7}.

Complemento de un evento (A):
Todos los eventos que pertenecen al espacio muestral S y que no son parte del
evento A.

Ejemplo 4.13:
En el caso de lanzar un dado:
Si A = {2, 4}, entonces A = {1, 3, 5, 6}.
En el caso de trasladarnos del saln de clase a la cafetera:
Si C = {t / t s 7}, C = {t / t > 7},

Eventos complementarios:
Dos eventos son complementarios si uno no ocurre, el otro debe ocurrir. Un
evento y su complemento son eventos complementarios.

Eventos mutuamente excluyentes:
Si los eventos no pueden ocurrir al mismo tiempo, es decir, la ocurrencia de un
evento excluye la ocurrencia de otro evento.

Ejemplo 4.14:
En el caso de lanzar un dado, si A = {2, 4}, B = {1, 3}. A y B son
mutuamente excluyentes pues si ocurre A necesariamente no ocurre B.
En el caso del traslado del saln de clase a la cafetera, si C = {t / t s 4} y
D = {t / t > 7}, entonces C y D son mutuamente excluyentes pues si ocurre
C necesariamente no ocurre D.

Eventos colectivamente exhaustivos:
Los eventos que, siempre que realizamos el experimento , necesariamente uno
de los eventos listados debe ocurrir.

Ejemplo 4.15:
En el caso de lanzar un dado los siguientes eventos listados son
colectivamente exhaustivos: A = {1}, B = {1, 3, 5}, C = {2, 3, 4, 6}

79
En el caso del traslado del saln de clase a la cafetera, son eventos
colectivamente exhaustivos: D = {t / t s 7}, E = {t / t > 4},

Eventos independientes:
Son aquellos en los que la ocurrencia de un evento no influye en la ocurrencia
de otro o de otros eventos.

Ejemplo 4.16:
En el caso de lanzar un dado los siguientes eventos listados son colectivamente
exhaustivos: A = {1, 3, 5}. En el caso de trasladarnos del saln de clase a la
cafetera, B = {t / t > 4}. Los eventos A y B son independientes.

Probabilidad:

Para espacios muestrales finitos

casos de total nmero
favorables casos A casos de nmero
A P
) (
) ( =

Ejemplo 4.17:
En el saln de clase hay 24 alumnos, de los cuales 10 son mujeres. Si se
elige un alumno al azar, cul es la probabilidad de que el alumno
seleccionado sea hombre.
Como los alumnos en el saln de clase constituyen un espacio muestral
finito, la probabilidad de seleccionar un alumno hombre es:

P(A) = 583 , 0
24
14
alumnos de total nmero
hombres alumnos de nmero
= =

Para espacios muestrales infinitos (longitudes, reas, pesos, tiempo, etc.)

S muestral espacio de medida
A evento de medida
A P = ) (

Ejemplo 4.18:
Se escoge un punto dentro de la circunferencia definida por x
2
+ y
2
= 4.
Halle la probabilidad de que el punto escogido est en el crculo con centro
en el origen de coordenadas y radio 1.
Como los puntos dentro de las circunferencias constituyen espacios
muestrales infinitos (reas), la probabilidad de seleccionar un punto en el
crculo de radio 1 es:

P(A) = 0,25
.2
.1
.R
.r
2 radio de crculo de rea
1 radio de crculo de rea
2
2
2
2
= = =

80
4.4 Operaciones con eventos

Diagramas de Venn:
Una primera herramienta muy til para mostrar la relacin entre el espacio
muestral y los eventos que lo componen es el diagrama de Venn (teora de
conjuntos) donde el espacio muestral, representado por un rectngulo, es el
equivalente al conjunto universo y los eventos del espacio muestral,
representados por figuras geomtricas cerradas, generalmente por crculos
dentro del rectngulo, equivalen a los conjuntos.

Unin de eventos (A B)

Es el conjunto de los resultados que
estn en uno o en ambos eventos.

Interseccin de eventos (A B)
.
estn en ambos eventos

Diferencia de eventos (A B):

estn en un evento y no en otro.

Ejemplo 4.19:
Obtenga una expresin equivalente a A-B pero usando slo las operaciones de
unin y/o interseccin.

Solucin:
La diferencia de eventos se puede reemplazar por la expresin:
A B = A B
A
B
A B
A
B
A B
A - B

81
4.5 Axiomas de probabilidad

Sea el espacio muestral S, la probabilidad de un evento A se denota como
evento P(A).

P(A) se define como el nmero que cumple los siguientes axiomas:

1. Para cualquier evento A: 0 s P(A) s 1

2. P(S) = 1

3. Si A y B son dos eventos mutuamente excluyentes; entonces la
probabilidad de la unin de los dos eventos es la suma de las
probabilidades de cada uno de ellos.

P(A B) = P(A) + P(B) Si A B = |

Estos axiomas se conocen como los Axiomas de Kolmogorov.

Particin

A
i
es una particin del espacio muestral S si cumple:

P(Ai) > 0 para i = 1, 2, 3 , k

P(Ai Aj) = 0 para todo i = j

=
=
k
i
i
A P
1
1 ) (

A
1

A
2

A
k
A
3

. . .

82
2
4
6
1
3
5
eventos par
eventos menor que 5
4.6 Tipos de probabilidades

Probabilidad Simple

La probabilidad simple, tambin denominada probabilidad marginal, es la
probabilidad de un evento simple, es decir, la probabilidad de un evento
definido por una sola caracterstica.

Ejemplo 4.20:
Al lanzar un dado, calcule la probabilidad de que salga cinco y la probabilidad
de que salga par.

Solucin:

1667 , 0
) ( 6
) ( 1
) 5 ( = =
eventos de total
favorable evento
P

5 , 0
) ( 6
) ( 3
) ( = =
eventos de total
favorables eventos
par P

Probabilidad Conjunta

La probabilidad conjunta es la probabilidad de un evento conjunto, es decir, la
probabilidad de un evento definido por dos o ms caractersticas.

Ejemplo 4.21:
Al lanzar un dado, calcule la probabilidad de que salga par y sea menor que 5.

Solucin:

333 , 0
) ( 6
) ( 2
) 5 ( = =
eventos de total
favorables eventos
que menor y par P
5
1
2
3
4
6

2
4
6
1
3
5
eventos par

83
Tabla de Contingencias:
Adems de los diagramas de Venn, una segunda herramienta muy til en el
clculo de probabilidades es la tabla de contingencias, sobretodo para mostrar
las probabilidades simples y conjuntas, y que adems permite una rpida
comprensin de cmo los eventos de un espacio muestral han sido clasificados
mediante dos o ms criterios.

Ejemplo 4.22:
En una muestra aleatoria de 200 adultos los resultados se clasifican por gnero
y por nivel educativo alcanzado. El resumen de los resultados se muestra en la
siguiente tabla:

Nivel Gnero
Educativo Hombre Mujer
Primaria 38 45
Secundaria 28 50
Superior 22 17

Si se selecciona al azar una persona de la muestra, calcule la probabilidad de
que:
a. Sea mujer.
b. Tenga educacin superior.
c. Sea mujer y tenga educacin superior.
d. No tenga educacin superior y sea hombre.

Solucin:
De la tabla se toman los eventos favorables y totales para el clculo de
probabilidades:

a. P(mujer) = (45+50+17) / 200 = 0,56

b. P(educacin superior) = (22 + 17) / 200 = 0,195

c. P(sea mujer y tenga educacin superior) = 17 / 200 = 0,25

d. P(no tenga educacin superior y sea hombre) = (38 + 28) / 200 = 0,085

Si se van a calcular las probabilidades es conveniente mostrar en la tabla los
totales parciales y el total general, tal como se muestra a continuacin:

Nivel Gnero
Educativo Hombre Mujer Total:
Primaria 38 45 83
Secundaria 28 50 78
Superior 22 17 39
Total: 88 112 200

Si a cada cantidad de la tabla anterior se le divide entre el total general (200)
quedara:

84
Nivel Gnero
Educativo Hombre Mujer Total
Primaria 0,19 0,225 0,415
Secundaria 0,14 0,250 0,390
Superior 0,11 0,085 0,195
Total 0,44 0,560 1

Si observamos con cuidado, las cantidades obtenidas son valores de
probabilidad, los totales parciales (totales de las filas y totales de las columnas)
corresponden a las probabilidades de eventos simples y las cantidades que estn
en los cruces de dos eventos corresponden a las probabilidades conjuntas.

Ejemplo 4.23:
Ingenieros de una planta mecnica prueban una nueva tcnica de soldadura de
arco. Las soldaduras fueron analizadas y clasificadas segn el resultado de la
prueba de apariencia as como por el resultado de la prueba de inspeccin de
rayos X, tal como se muestra en la siguiente tabla

Rayos X Apariencia
Mala Normal Buena
Mala 0,15 0,07 0,03
Normal 0,13 0,21 0,13
Buena 0,07 0,12 0,09

Se toma al azar una de las soldaduras analizadas:
a. Cul es la probabilidad de tenga resultado normal en ambas pruebas?
b. Cul es la probabilidad de que no tenga igual resultado en ambas pruebas?
c. Cul es la probabilidad de que tenga en la prueba de apariencia un mejor
resultado que en la prueba de rayos X?

Solucin:
a. P = 0,21

Rayos X Apariencia
Mala Normal Buena
Mala 0,15 0,07 0,03
Normal 0,13 0,21 0,13
Buena 0,07 0,12 0,09

b. P = 0,13 + 0,07 + 0,07 + 0,12 + 0,03 + 0,13 = 0,55

Rayos X Apariencia
Mala Normal Buena
Mala 0,15 0,07 0,03
Normal 0,13 0,21 0,13
Buena 0,07 0,12 0,09

Las probabilidades
conjuntas aparecen en
el cuerpo de la tabla
Las probabilidades simples o
marginales aparecen en los
mrgenes de la tabla

85
c. P = 0,07 + 0,03 + 0,13 = 0,23

Rayos X Apariencia
Mala Normal Buena
Mala 0,15 0,07 0,03
Normal 0,13 0,21 0,13
Buena 0,07 0,12 0,09

Probabilidad Condicional

La probabilidad condicional se refiere a la probabilidad de un evento
conociendo cierta informacin (condicin).

) (
) (
) (
B P
B A P
B A P

=

Ejemplo 4.24:
Tomando como referencia el ejemplo anterior, calcule la probabilidad de que la
persona elegida:
Sea mujer dado que sabemos que tiene educacin superior
Tenga educacin superior dado que sabemos que es mujer.

Solucin:

Para el clculo tomemos las cantidades absolutas de los eventos:

a. P(mujer / educacin superior) = 17 / 39 = 0,436

b. P(educacin superior / mujer) = 17 / 112 = 0,152

Pruebe calcular las probabilidades con los valores de probabilidad simple y
conjunta.

17 95

22

66

mujer
educacin superior
0,085
0,475

0,11

0,330

mujer
educacin superior

86
4.7 Reglas y teoremas importantes de probabilidades

Probabilidad de eventos independientes

Los eventos A y B son independientes si se cumple:

) ( ) ( ) ( ) ( B P A B P y A P B A P = =

Ejemplo 4.25:
En el ejemplo 4.22, educacin superior y mujer son eventos independientes?

Solucin:
De los resultados obtenidos, P(educacin superior) = 0,195 y P(educacin
superior/mujer) = 0,152. Estos valores muestran claramente que el nivel
educativo se ve influenciado por el hecho gnero (mujer) y por lo tanto no son
eventos independientes.

Ejemplo 4.26:
El dispositivo de un submarino tiene cuatro vlvulas que funcionan de manera
independiente, cuyas probabilidades de fallar son, respectivamente, iguales a
0,08; 0,12; 0,22 y 0,34.
a. Cul es la probabilidad de que falle al menos una de las vlvulas?
b. Cul es la probabilidad de que falle slo una de las vlvulas?

Solucin:
a. Las probabilidades de falla de las vlvulas y sus respectivos complementos son:

Probabilidad de que falla la vlvula 1: P(V1) = 0,08 P(V1
c
) = 0,92
c
) = 0,88
c
) = 0,78
c
) = 0,66

P(ninguna vlvula falle) = 0,92 . 0,88 . 0,78 . 0,66 = 0,41678

P(falle al menos una vlvula) = 1 - P(ninguna vlvula falle) = 0,58322

b.
P(falle slo la vlvula1) = 0,08 . 0,88 . 0,78 . 0,66 = 0,03624
P(falle slo la vlvula 2) = 0,92 . 0,12 . 0,78 . 0,66 = 0,056834

P(falle slo una de las vlvulas) = 0,425336

87
Regla de la adicin de probabilidades

En general:

P(A B) = P(A) + P(B) P(A B)

Para eventos independientes: P(A B) = P(A) + P(B) P(A) . P(B)

Para eventos excluyentes: P(A B) = P(A) + P(B)

Ejemplo 4.27:
Sea A el evento el nico libro Estadistica de Walpole de la biblioteca se
encuentra prestado y sea B el evento el nico libro de Estadstica de
Crdova de la biblioteca se encuentra prestado:
a. Si P(A) = 0,5; P(B) = 0,4 y P(A B) = 0,65, calcule P(A B).
b. Mediante los valores de la parte a), calcule la probabilidad P de que
exactamente uno de los dos libros se encuentre prestado.

Solucin:

a. Aplicando la regla de la adicin tenemos:

P(A B) = P(A) + P(B) P(A B)
0,65 = 0,5 + 0,4 - P(A B)
P(A B) = 0,25

b. Apoyados en el grfico podemos
apreciar que:
P = P(A B) P(A B) = 0,65 0,25 = 0,40

Regla de la multiplicacin de probabilidades

En general: P(A B) = P(A) . P(B/A)

Para eventos independientes: P(A B) = P(A) . P(B)

Para eventos excluyentes: P(A B) = 0
B A
B A

A B

88
Ejemplo 4.28:
En el proceso de control de calidad de una determinada lnea de produccin, se
tiene una muestra de 10 productos de dicha lnea de los cuales 3 son
defectuosos. Se extraen dos productos de la muestra, uno por uno sin
reposicin. Cul es la probabilidad de que ambos productos extrados resulten
defectuosos?

Solucin:
Del enunciado:

P(defectuoso 1 extraccin defectuoso 2 extraccin) =

Aplicando la regla de la multiplicacin de probabilidades:

= P(defectuoso. 1 extraccin) . P(defectuoso. 2 extraccin / defectuoso. 1 extraccin)

= (3 / 10) . (2 / 9) = 1 / 15

rbol de Probabilidades:
El rbol de probabilidades es la tercera herramienta (el diagrama de Venn y la
tabla de contingencias son las dos herramientas anteriores) muy til para
planteamiento de problemas, sobretodo cuando hay como datos iniciales las
probabilidades condicionales. Un rbol de probabilidades sencillo tiene la
siguiente estructura:

Si los eventos A
i
y B
i
son independientes, el rbol de probabilidades se
simplifica dado que las probabilidades condicionales seran iguales a las
probabilidades simples correspondientes.

P(A
1
)
P(A
2
)
P(B
1
/A
1
)
P(B
2
/A
1
)
P(A
1
B
1
) = P(A
1
) . P(B
1
/A
1
)
P(A
1
B
2
) = P(A
1
) . P(B
2
/A
1
)
P(B
1
/A
2
)
P(B
2
/A
2
)
P(A
2
B
1
) = P(A
2
) . P(B
1
/A
2
)
P(A
2
B
2
) = P(A
2
) . P(B
2
/A
2
)

89

Probabilidad total

Sean los k eventos A
1
, A
2
, A
3
, ..., A
k
,
mutuamente excluyentes y
colectivamente exhaustivos, los cuales
constituyen una particin del espacio
muestral S, entonces para cualquier
evento B de S se cumple:

P(B) = P(B A
1
) + P(B A
2
) + P(B A
3
) + . . . + P(B A
k
)

Ejemplo 4.29:
Una empresa de manufactura recibe embarques de una determinada pieza de
dos proveedores. Actualmente el 65% de las piezas adquiridas por la empresa
provienen del proveedor 1 y 35% restante del proveedor 2. La calidad de las
piezas adquiridas vara con la fuente de suministro. Con base a los datos
histricos, la probabilidad de que una pieza del proveedor 1 sea defectuosa es
de 0,02 y que la probabilidad de que una pieza del proveedor 2 sea defectuosa
es de 0,05. Si seleccionamos al azar una de las piezas adquiridas por la
empresa, cul es la probabilidad de que sea defectuosa?

Solucin:
Sea A
1
y A
2
los eventos que una pieza provenga del proveedor 1 y 2.
Sea B y D los eventos que una pieza sea buena o defectuosa

Del enunciado:

P( A
1
) = 0,65 P(A
2
) = 0.35

P(A
1
)
P(A
2
)
P(B
1
)
P(B
2
)
P(A
1
B
1
) = P(A
1
) . P(B
1
)
P(A
1
B
2
) = P(A
1
) . P(B
2
)
P(B
1
)
P(B
2
)
P(A
2
B
1
) = P(A
2
) . P(B
1
)
P(A
2
B
2
) = P(A
2
) . P(B
2
)
A1
A2
Ak A3
B

90
P(D / A
1
) = 0,02 y consecuentemente P(B / A
1
) = 0,98

P(D / A
2
) = 0,05 y consecuentemente P(B / A
2
) = 0,95

El rbol de probabilidades es:

Para el clculo de P(D) aplicamos la frmula de probabilidad total:

P(D) = P(D A
1
) + P(D A
2
) = 0,0130 + 0,0175 = 0,0305

Teorema de Bayes

Si los k eventos A
1
, A
2
, A
3
, ..., A
k
, constituyen una particin del espacio muestral
S, entonces para cualquier evento B de S tal que P(B) > 0, se cumple:

) ( ) ( ) (
) ( . ) (
) (
2 1
1 1
1
B A P B A P B A P
A B P A P
B A P
n
+ + +
=

Determina la probabilidad de que un determinado evento se deba a una causa
especfica.

Ejemplo 4.30:
En el ejemplo anterior, si la pieza seleccionada es defectuosa, cul es la
probabilidad de que provenga del proveedor 1?

Solucin:
Aplicando el teorema de Bayes:

) / ( ) ( ) / ( ) (
) / ( ) (
) / (
2 2 1 1
1 1
1
A B P A P A D P A P
A D P A P
D A P
+
=

5738 , 0
0305 , 0
0175 , 0
0175 , 0 0130 , 0
0130 , 0
) 05 , 0 )( 35 , 0 ( ) 02 , 0 )( 65 , 0 (
) 02 , 0 )( 65 , 0 (
) / (
1
= =
+
=
+
= D A P

P(A1) = 0,65
P(A2) = 0,35
P(B / A1) = 0,98
P(D / A1) = 0,02
P(B / A2) = 0,95
P(D / A2) = 0,05
P(A1 B) = P(A1). P(B / A1) = 0,6370
P(A1 D) = P(A1). P(D / A1) = 0,0130
P(A1 B) = P(A1). P(B / A1) = 0,3325
P(A1 D) = P(A1). P(D / A1) = 0,0175
+

91
Ejemplo 4.31:
La compaa MOVIL S.A. trabaja con cuatro empresas de transporte: A, B, C y
D. Se sabe que 20% de los embarques se asignan a la empresa A, 25% a la B,
40% a la C y 15% a la D. Los embarques llegan retrasados a sus clientes el 7%
de las veces si los entrega A, 8% si es B, 5% si es C y 9% si es D.
a. Cul es la probabilidad de que el embarque de hoy llegue con retraso?
b. Si sabemos que el embarque de hoy lleg con retraso, cul es la probabilidad de
que haya sido la empresa C la asignada para entregarlo?

Solucin:
a. Sean los eventos:
A: Embarque se asigna a la empresa A.
B: Embarque se asigna a la empresa B.
C: Embarque se asigna a la empresa C.
D: Embarque se asigna a la empresa D.
R: Embarque llega con retraso.

P(R) = 0,2 . 0,07 + 0,25 . 0,08 + 0,4 . 0,05 + 0,15 . 0,09 = 0,0675

b. P(C / R) = 0,4 . 0,05 / 0,0675 = 0,02 / 0,0675 = 0,2963

P(R / A) = 0.07
P(A) = 0.20
P(R' / A ) = 0.93
P(R / B) = 0.08
P(B) = 0.25
P(R' / B ) = 0.92
P(R / C) = 0.05
P(C) = 0.40
P(R' / C ) = 0.95
P(R / D) = 0.09
P(D) = 0.15
P(R' / D ) = 0.91

92
4.8 Anlisis Combinatorio

Regla 1

Nmero de resultados posibles si hay K eventos en cada uno de los n intentos
(cada intento es independiente).

K
n

Ejemplo 4.32:
Un examen del tipo verdadero-falso es respondido por una persona que carece
de todo conocimiento sobre el tema. Si la persona responde las 10 preguntas del
examen eligiendo slo una respuesta por pregunta, de cuntas maneras
distintas puede responder el examen?

Solucin:
De acuerdo a la regla 1: K = 2 y n =10, entonces el examen se puede responder
de 2
10
= 1024 formas.

Regla 2 - Regla de la multiplicacin

Nmero de resultados posibles de K
1
eventos en el primer intento, K
2
eventos
en el segundo intento, . . . , K
n
eventos en el n-simo intento.

Tambin es el nmero de resultados posibles si una operacin puede realizarse
de K
1
formas y por cada una de stas una segunda operacin se puede realizar
de K
2
formas, ... y la n-sima operacin se puede realizar de K
n
formas.

K
1

.
K
2

.
K
3

.
. . .
.
K
n

Ejemplo 4.33:
Se desea elegir a tres personas para cada uno de los cargos de una junta
directiva: presidente, vicepresidente y secretario. Hay 3 candidatos para la
presidencia, 5 para la vicepresidencia y 3 para la secretara. De cuntas formas
distintas se puede formar la junta directiva?

Solucin:
Por la regla de multiplicacin se puede escoger de 3 x 5 x 3 = 45 formas

93
Regla 3 - Regla de la adicin

Nmero de formas posibles de realizar alguna de n operaciones si una
operacin puede realizarse de K
1
formas, una segunda operacin se puede
realizar de K
2
formas, ... y la n-sima operacin se puede realizar de K
n
formas
y adems todas las operaciones son mutuamente excluyentes.

K
1

+
K
2

+
K
3

+
. . .
+
K
n

Ejemplo 4.34:
Una persona puede viajar de una ciudad a otra por carretera de tres formas y por
tren de dos formas. De cuntas formas puede viajar la persona de una ciudad a
otra?

Solucin:
Por la regla de la adicin se puede viajar de 3 + 2 = 5 maneras

Regla 4 - Permutaciones

Nmero de formas en que n objetos distinguibles se pueden ordenar.

n !

Ejemplo 4.35:
De cuntas maneras diferentes se pueden ordenar para su presentacin en
pblico a 5 oradores?

Solucin:
Del enunciado, n = 5: 5! = 5 x 4 x 3 x 2 x 1 = 120 maneras

Un primer caso particular de esta regla es el nmero de formas distintas en
que n objetos distinguibles se pueden ordenar alrededor de un crculo.

(n 1) !

Ejemplo 4.36:
De cuntas formas diferentes se disponer a cuatro personas que juegan cartas
en una mesa?

Solucin:
Como es un arreglo circular: (4 1)! = 3! = 6 formas

94

Un segundo caso particular de esta regla es el nmero de formas distintas en
que n objetos se pueden ordenar en los que n
1
son no distinguibles
(idnticos), n
2
son no distinguibles (idnticos), ... n
k
son no distinguibles
(idnticos).

! ...n ! n ! n
! n
k 2 1

Ejemplo 4.37:
De cuntas maneras distintas se puede ordenar en una fila 5 bombillas rojas, 3
bombillas azules y dos bombillas amarillas?

Solucin:
De acuerdo al enunciado: n
1
= 5, n
2
= 3, n
3
= 2 y n = 10, entonces:

520 2
! 2 . 3! . 5!
! 0 1
=

Regla 5 - Variaciones

Nmero de formas en que se puede ordenar x objetos seleccionados de un total
de n objetos distinguibles.

! ) x n (
! n
V
n
x
=

Ejemplo 4.38:
Un conferencista dispone de ocho temas sobre los que puede disertar. Se le pide
que presente cinco de los ocho temas ante un grupo de personas. De cuantas
formas puede organizar su disertacin?

Solucin:
Como se trata de una organizacin de temas, hay implcito un orden y no
repeticiones. Estamos frente variaciones con n = 8 y x = 5.

720 6
! 3
! 8
! ) 5 8 (
! 8
8
5
= =
= V

95
Regla 6 - Combinaciones

Nmero de formas de seleccionar x objetos de un total de n objetos
distinguibles sin tomar en cuenta el orden.

! ) x n ( . ! x
! n
C
n
x
=

Ejemplo 4.39:
Hay 20 persona para formar un comit de 3 personas. De cuntas formas
distintas se puede formar el comit?

Solucin:
En este caso el orden con que se escojan las personas carece de importancia y
ninguna va ha ser escogida dos o ms veces. Entonces aplicando la regla de
combinaciones n = 20 y x = 3 tenemos:

140 1
! ) 3 20 ( . ! 3
! 20
20
3
=
= C

La frmula de combinatoria coincide con caso particular de la regla 4, es
decir, con el nmero de formas diferentes de ordenar n objetos de los cuales
x objetos se consideran no distinguibles entre s y los otros n-x objetos se
consideran no distinguibles entre s pero distintos a los primeros.

Un caso particular es el nmero de formas en que n objetos distinguibles se
pueden ubicar en k celdas (sin importar el orden dentro de ellas) asignando
n
1
a la primera celda, n
2
a la segunda celda, n
k
a la k-sima celda.

! ...n ! n ! n
! n
k 2 1

Ejemplo 4.40:
De cuntas maneras distintas puede asignar a 7 hombres de negocios, que
asisten a una convencin, a una habitacin simple y a una doble?

Solucin:
De acuerdo al enunciado: n
1
= 3, n
2
= 2, n
3
= 2 y n = 7, entonces:

210
! 2 . 2! . 3!
! 7
=

96
Algunas propiedades de los factoriales:

Para cualquier entero positivo n:

0! = 1

1! = 1

n! = n . (n-1)!

Algunas propiedades de las combinatorias:

Para cualquier entero positivo n y para x = 0,1, 2, . . . , n

1
0
=
n
C

1 =
n
n
C

n C
n
=
1

n C
n
n
=
1

n
x n
n
x
C C

=

n
n
x
n
x
C 2
0
=
=

n x x n
n
x
n
x
b a b a C ) ( .
0
+ =

1
1
1
+ =
n
x
n
x
n
x
C C C

97
4.9 Problemas sobre teora de probabilidades

67. Conteste las siguientes preguntas justificando claramente sus respuestas,
a. En una distribucin de frecuencias, cundo se puede tomar los valores de la
frecuencia relativa como probabilidades?
b. Qu son eventos independientes y qu son eventos excluyentes?. D dos
ejemplos de cada tipo de eventos.

68. Se extrae una carta de un mazo de barajas, encontrar la probabilidad de la unin del
evento sacar una carta dos y el evento sacar una carta ocho.

69. Se extrae una carta de un mazo de barajas, encontrar la probabilidad de la unin del
evento sacar una carta dos y el evento sacar una carta espadas.

70. En un grupo de personas hay 3 mujeres y 4 hombres. Si se elige una persona al
azar, calcule la probabilidad de que la persona elegida sea hombre.

71. Se escoge un punto dentro de la circunferencia definida por x
2
+ y
2
= 4. Halle la
probabilidad de que el punto escogido est en el crculo con centro en el origen de
coordenadas y radio 1.

72. Se selecciona un punto (x,y) al azar donde x
e
|0, 4| e y
e
|0, 4|. Determinar la
probabilidad de que la abscisa sea menor al cuadrado de la ordenada.

73. A lo largo de un periodo de 24 horas, en un momento X, un interruptor se pone en
la posicin encendido. Posteriormente, en un momento Y (en el mismo periodo
de 24 horas) el interruptor se pone en la posicin apagado. Supngase que X e Y
se miden en horas.
a. Describa el espacio muestral.
b. Halle la probabilidad de que el circuito funcione una hora o menos.

74. Sea A el evento el nico libro Estadistica de Walpole de la biblioteca se encuentra
prestado y sea B el evento el nico libro de Estadstica de Crdova de la
biblioteca se encuentra prestado:
a. Si P(A) = 0,5; P(B) = 0,4 y P(A B) = 0,65, calcule P(A B).
b. Mediante los valores de la parte a), calcule la probabilidad de que exactamente
uno de los dos libros se encuentre prestado.
c. Si P(A B) = 0,70; P(A B) = 0,20 y P(slo el primer libro est prestado) =
0,40; calcule P(A) y P(B).

98
75. Enigma Systems S.A., empresa de consultora en sistemas informticos ha licitado
tres proyectos. Sea A
i
= {proyecto i otorgado}, para i = 1, 2, 3 y que: P(A
1
) = 0,22,
P(A
2
) = 0,25, P(A
3
) = 0,28, P(A
1
A
2
) = 0,11, P(A
1
A
3
) = 0,05,
P(A
2
A
3
) = 0,07, P(A
1
A
2
A
3
) = 0,01, Calcule las siguientes
probabilidades:
a. P(A
2
/A
1
)
b. P(A
2
A
3
/ A
1
)
c. P(A
2
A
3
/ A
1
)
d. P(A
1
A
2
A
3
/ A
1
A
2
A
3
) .

76. Un inspector de Enigma Pipeline S.A. tiene la tarea de comparar la confiabilidad de
dos estaciones de bombeo. Cada estacin es susceptible de dos tipos de falla: fallas
en la bomba y fallas por fuga. Cuando una de stas (o ambas) se presentan, la
estacin debe quedar fuera de servicio. Los datos indican que prevalecen las
siguientes probabilidades:

Estacin P(falla de bomba) P(falla por fuga) P(ambas)
1 0,07 0,10 0
2 0,09 0,12 0,06

Qu estacin tiene ms probabilidades de quedar fuera de servicio? Justifique su
respuesta.

77. El 30% de los habitantes de una gran ciudad presencia el noticiero de televisin de
la maana, el 40% presencia el noticiero de la noche y el 10% presencia ambos
noticieros. Si se escoge una persona al azar de esta ciudad, cul es la probabilidad
de que:
a. Presencie el noticiero de la maana o de la noche?
b. No presencie ninguno de los dos noticieros?
c. Presencie slo el de la maana o slo el de la noche?
d. Si la persona no presencia el noticiero en la maana, cul es la probabilidad
que no presencie el noticiero de la noche?

78. Una compaa que fabrica cmaras de vdeo produce un modelo bsico y un
modelo de lujo. El ao pasado, 40% de la cmaras vendidas fueron del modelo
bsico. De los compradores del modelo bsico, 30% compran una garanta
ampliada, en tanto que 50% de los compradores de lujo tambin lo hacen con
garanta ampliada. Si sabemos que un comprador seleccionado al azar tiene una
garanta ampliada, qu tan probable es que tenga un modelo bsico?

79. El 30% de los estudiantes en una universidad son limeos, el 10 % estudian
ingeniera, el 1% estudian ingeniera y son limeos. Si se selecciona al azar un
estudiante:
a. Cul es la probabilidad de que sea limeo o no pertenezca a ingeniera?

99
b. Cul es la probabilidad de que no sea limeo ni estudiante de ingeniera?

80. La distribucin de los miembros de los partidos polticos es:

Partido A B C D E F
Militantes hombres 105 100 70 45 40 15
Militantes mujeres 15 20 5 10 3 2

a. Cul es la probabilidad de que un miembro seleccionado aleatoriamente sea un
militante del partido C?
b. Se selecciona al azar un militante y resulta que es del partido D,cul es la
probabilidad de que sea una militante mujer?

81. Los aceros inoxidables se utilizan con frecuencia en las plantas qumicas para
manejar fluidos corrosivos. Sin embargo, bajo determinadas circunstancias estos
aceros son especialmente susceptibles a fallar. Una investigacin realizada en
plantas qumicas peruanas que trabajan con fluidos corrosivos determin diferentes
tipos de fallas en un total de 295 casos reportados en los ltimos 10 aos y cuyos
resultados se muestran en la siguiente tabla:

Causa de la falla
Entorno
Hmedo
Entorno
Seco
Entorno
Inestable
Corrocin general 41 42 22
Corrosin localizada 31 28 7
Agrietamiento 16 9 8
Defectos de materiales 9 7 10
Defectos de soldadura 6 10 15
Menoscabo de propiedades mecnicas 4 4 4
Diversas 6 6 8

a. Si se produce una falla, cul es la probabilidad que no se haya producido en un
entorno inestable o sea una falla por corrosin?
b. Si se produce en un entorno que no es inestable, cul es la probabilidad que no
haya sido una falla por corrosin?

82. Una compaa de telecomunicaciones opera tres estaciones de relevo similares en
diferentes sitios. Durante un periodo de un ao se registr el nmero de
desperfectos reportados por cada estacin y las causas, las cuales se muestran
resumidas en la siguiente tabla:

Estaciones de relevo
Causas de desperfectos A B C
Problemas de suministro de energa 2 1 1
Problemas en la computadora central 4 3 2
Fallas en el equipo electrnico 5 4 2
Fallas por errores humanos 7 7 5

100
a. Si se reporta una falla, cul es la probabilidad de que fue ocasionada por
errores humanos si sabemos que no se ha producido en la estacin A?
b. Si se reporta una falla, cul es la probabilidad que fue ocasionada por fallas en
el equipo elctrico o en la estacin C?
c. Los eventos A: fallas por errores humanos y B: fallas en la estacin B son
independientes? Justifique su respuesta.

83. Enigma S.A., fabricante de componentes electrnicos tiene dos lneas de produccin
para la fabricacin de cierto tipo de batera. Las lneas desde hace seis meses sufre
frecuentes paradas por distintos tipos de causas las cuales se presentan en la
siguiente tabla:

Causa de parada de lnea de envasado
Parada en la
lnea 1
Parada en la
lnea 2
Presin de lnea de aire 90 25
Temperatura de secado 50 30
Soporte de ingreso 45 35
Resistencia de insumo 20 10
Humedad de insumo 10 5
Otros 25 10

a. Si se produce una parada, cul es la probabilidad de que sea debido a la
temperatura de secado si sabemos que se produjo en la lnea 2?
b. Si se produce una parada, cul es la probabilidad de que sea en la lnea 1 o
causada por el soporte de ingreso?
c. Los eventos parada de lnea de produccin causada por humedad del insumo
y parada en la lnea 2 son independientes. Justifique su respuesta.

84. El cuadro siguiente contiene la clasificacin de 315 empleados de un sindicato
respecto a dos caractersticas: El nmero de aos de pertenencia de cada uno al
sindicato y su respuesta a la pregunta Desea ir usted a la huelga para conseguir un
aumento de salarios

Respuesta a Nmero de aos en el sindicato
la pregunta menos de 1 de 1 a 3 de 4 a 10 ms de 10
Si 21 54 137 28
No 14 18 34 3
No s 3 2 1 0

Si se selecciona al azar a uno de los empleados del sindicato:
a. Calcule la probabilidad de que conteste s y pertenezca por lo menos cuatro
aos al sindicato.
b. Calcule la probabilidad de que conteste que s o no s, y tenga ms de diez aos
en la empresa.

85. Enigma S.A., fabricante de bicicletas de carrera ha desarrollado estrictos controles
de calidad en los centros de distribucin de tres ciudades para inspeccionar sus

101
bicicletas y ver si tienen algn defecto. Los resultados de una muestra de 100
bicicletas inspeccionadas fueron los siguientes:

Ciudad de procedencia Resultado de la inspeccin
50 vinieron de Lima 20 de ellas eran defectuosas
20 vinieron de Trujillo 5 de ellas eran defectuosas
30 vinieron de Arequipa 3 de ellas eran defectuosas

Si se toma al azar una de las bicicletas inspeccionadas, calcule la probabilidad de
que: la bicicleta seleccionada:

a. Sea de Arequipa y no sea defectuosa.
b. Sea de Lima o no sea defectuosa.
c. Sea defectuosa sabiendo que proviene de Trujillo.
d. Sea de Trujillo sabiendo que es defectuosa.

86. Un cierto modelo de automvil viene en una versin de dos puertas, una versin de
cuatro puestas y una versin de cinco puertas (incluyendo una puerta trasera). Cada
versin puede estar equipada ya sea con transmisin automtica o transmisin
estndar. La siguiente tabla indica las proporciones relevantes de los modelos
comprados por los clientes:

Dos puertas Cuatro puertas Cinco puertas
Transmisin estndar 0,32 0,27 0,18
Transmisin automtica 0,08 0,04 0,11

Se selecciona al azar un cliente que ha comprado uno de estos automviles:
a. Cul es la probabilidad que haya comprado un auto con transmisin estndar o
no sea de dos puertas?
b. Si el cliente no compr un automvil de dos puertas, cul es la probabilidad de
que haya comprado un automvil de cinco puertas?
c. Si el cliente no compr un automvil de dos puertas, cul es la probabilidad de
que haya comprado un automvil de transmisin automtica?

87. Las estaciones de Enigma Service S.A. venden gasolinas de 84, 90 y 95 octanos.
Adems el cliente de esta cadena de grifos puede elegir si a la gasolina que compra
se le agrega aditivos para mejorarla. El siguiente cuadro resume los resultados de
una muestra representativa de 1 000 clientes de acuerdo a sus preferencias.

84 octanos 90 octanos 95 octanos
Gasolina con aditivos 50 100 50
Gasolina sin aditivos 150 400 250

a. Cul es la probabilidad de que un cliente de una estacin de servicios
seleccionado al azar elija gasolina de 84 octanos o compre gasolina sin
aditivos?

102
b. Si a la salida de la estacin, al azar se selecciona un cliente y se le consulta
sobre el tipo de gasolina comprada y responde que no ha sido de 84 octanos
cul es la probabilidad de que haya comprado gasolina de 95 octanos?
c. Si a la salida de la estacin, al azar se selecciona un cliente y se le consulta
sobre el tipo de gasolina comprada y responde que no ha sido de 84 octanos,
cul es la probabilidad de que haya comprado gasolina con aditivos?

88. Una compaa de seguros ofrece cuatro niveles diferentes de deducibles: ninguno,
bajo, medio y alto para asegurados propietarios de casa; y tres niveles diferentes de
deducibles: alto, medio y bajo para asegurados propietarios de automvil. La
siguiente tabla da las proporciones para las diversas categoras de asegurados que
tienen ambos tipos de seguros.

Propietario Propietario de casa
de auto Ninguno Bajo Medio Alto
Bajo 0,04 0,06 0,05 0,03
Medio 0,07 0,10 0,20 0,10
Alto 0,02 0,03 0,15 0,15

Suponga que un individuo que tiene ambos tipos de plizas de seguro se
selecciona al azar:
a. Cul es la probabilidad de que el individuo tenga un deducible medio de
automvil y un deducible alto de casa?
b. Cul es la probabilidad de que el individuo tenga un deducible bajo de
automvil?
c. Cul es la probabilidad de que el individuo est en la misma categora de
deducible de casa y de automvil?
d. Cul es la probabilidad de que las dos categoras sean diferentes?
e. Cul es la probabilidad de que el individuo tenga al menos un nivel bajo de
deducible?
f. Cul es la probabilidad de que ningn nivel de deducible sea bajo?

89. Enigma Plastic S.A produce baldes de plstico de tres capacidades (4 litros, 10
litros y 25 litros) y en tres colores (rojo, amarillo y celeste). Para la produccin de
estos baldes se utiliza dos lneas de inyeccin de plstico (A y B). La proporcin de
los niveles de produccin de baldes durante la ltima semana se resume en las
siguientes tablas:

Lnea A Lnea B
Capacidad Color Capacidad Color
Rojo Amarillo Celeste Rojo Amarillo Celeste
4 litros 0,04 0,02 0,05 4 litros 0,03 0,02 0,03
10 litros 0,08 0,07 0,12 10 litros 0,10 0,05 0,07
25 litros 0,03 0,07 0,08 25 litros 0,04 0,02 0,08

103
Si para efectos de realizar pruebas de control de calidad se decide tomar un balde al
azar de los producidos la ltima semana: cul es la probabilidad de que el balde
seleccionado sea:
a. De la lnea B, de 10 litros y rojo?
b. De 10 litros y amarillo?
c. De la lnea A?
d. De 10 litros?
e. Si se sabe que el balde seleccionado era rojo y de la lnea A, cul es la
probabilidad de que haya sido de una capacidad de 10 litros?
f. Para la siguiente semana la lnea A va a producir exactamente el doble de los
diferentes tipos de balde producidos la ltima semana. Si para efectos de control
de calidad de la produccin de la prxima semana se va a tomar un balde al azar
del total de dicha produccin (incluidas ambas lneas), cul es la probabilidad
de que el balde sea de la lnea B, de 10 litros y rojo?

90. En un ambiente en el que se ha instalado un sistema de alarma, la probabilidad que
se produzca peligro es 0,10. Si ste se produce, la probabilidad que la alarma se
active es de 0,95. La probabilidad que se active la alarma sin haber habido peligro
es 0,03. Determine la probabilidad que:
a. Haya un peligro y la alarma se active.
b. Se active la alarma.
c. Se haya producido peligro si la alarma se activ.

91. Una ensambladora de computadoras recibe lotes de 10 tarjetas cada uno de un tipo
especfico, en la proporcin de 30% de la marca A y 70% de la marca B. Se sabe
que el porcentaje de produccin defectuosa es de 40% para la marca A y 10 % de la
marca B. Si se prueban 3 tarjetas extradas al azar una a una y sin reposicin de un
lote elegido al azar, calcule la probabilidad de no encontrar tarjetas defectuosas.

92. Enigma S.A., empresa de manufactura, utiliza tres lneas de produccin diferentes,
A1, A2 y A3, para fabricar un componente en particular. De los fabricados por la
lnea A1, 5% necesita volver a trabajarse para corregir un defecto, en tanto que 8%
de los componentes de A2 necesitan volver a trabajarse para corregir un defecto y
10% de los de A3 necesitan volver a trabajarse para corregir un defecto. Se sabe
que el 50% de todos los componentes son producidos por la lnea A1, en tanto que
30% son producidos por la lnea A2 y el 20% vienen de la lnea A3.
a. Elabore el diagrama de Venn, la tabla de contingencias y el rbol de
probabilidades de al situacin planteada.
b. Si un componente seleccionado al azar necesita volver a trabajarse para corregir
un defecto, cul es la probabilidad de que provenga de la lnea A1?

93. Un jefe de calidad tiene a su cargo el control de una mquina automtica que
produce determinados artculos. Basado en su experiencia ha comprobado que si la
mquina se calibra en forma apropiada, la mquina producir un 90% de piezas

104
aceptables, mientras si su calibracin no es adecuada, slo producir un 30% de
piezas aceptables. El jefe de calidad tambin ha observado que el 75% de las
calibraciones se hacen en forma apropiada. Si la primera pieza producida por la
mquina es aceptable, qu probabilidad existe de que la calibracin de la mquina
se haya hecho apropiadamente?

94. Dos mquinas se usan para producir marcapasos. La mquina A produce el 75% de
todos los marcapasos, mientras que la mquina B produce lo restante. El 1% de
todos los marcapasos producidos por la mquina A son defectuosos, mientras que el
2% de los marcapasos producidos por la mquina B son defectuosos. Se selecciona
un marcapasos al azar de entre todos los producidos y es defectuoso. Cul es la
probabilidad de que haya sido producido por la mquina A?

95. En un curso de una facultad de ingeniera se tiene que el 20% de los alumnos son
de sistemas, el 30% de electrnica, el 25% de civil y el resto de industrial. Por
ciclos anteriores se sabe que los de sistemas aprueban en el 80% de los casos, los de
electrnica 75%, los de civil el 72% y los de industrial en el 82% de los casos. Se
elige un alumno al azar.
a. Calcule la probabilidad de aprobar el curso y ser de industrial.
b. Calcule la probabilidad de que sea de sistemas, si sabemos que ha aprobado el
curso.

96. Dos empresas, A y B, consideran la posibilidad de competir en una licitacin para
la construccin de una carretera, la cual puede ser concedida o no dependiendo del
monto de la propuesta. La empresa A hace una propuesta y la probabilidad de que
gane la licitacin es 0,75 siempre y cuando B no se haya presentado. La
probabilidad de que B se presente a la licitacin es 0,80 y en ese caso la
probabilidad de que la empresa A gane la licitacin es slo de 1/3.
a. Cul es la probabilidad de que A gane la licitacin?
b. Si A gan la licitacin, cul es la probabilidad de que B no se haya
presentado?

97. En una empresa que desarrolla software, los programadores han sido clasificados en
tres categoras: A, B y C. Se sabe que uno de cada 80 programas codificados por los
programadores A presenta fallas durante su ejecucin. La probabilidad de que un
programa codificado por los programadores B no falle es 0,975 y la probabilidad de
que un programa codificado por los programadores C no falle es 0,95. Si de todos
los programas desarrollados, el 50% son codificados por programadores A y el 30%
son codificados por programadores B.
a. Cul es la probabilidad de que al momento de escoger un programa, ste
presente fallas durante su ejecucin?
b. Si un programa escogido al azar presenta fallas al momento de su ejecucin,
cul es la probabilidad de que haya sido codificado por un programador C?

105

98. Un distribuidor de equipos electrnicos se provee de agendas electrnicas de tres
fabricantes A, B y C, en un volumen de compra de 20 %, 30 % y 50% de cada
fbrica respectivamente. Adems se sabe por experiencia que la probabilidad que
las agendas funcionen correctamente durante un ao o ms vara de acuerdo a cada
fabricante y es de 0.9, 0.8 y 0.7 respectivamente. Compramos una agenda al
distribuidor:
a. Cul es la probabilidad de que la agenda funcione correctamente durante un
ao?
b. Si la agenda funcionara correctamente menos de un ao, cul de los
fabricantes sera el ms probable que la haya fabricado?

99. El departamento de Estadstica de la Universidad Enigma, en su interminable
bsqueda de un libro de adopcin satisfactorio, ha probado un libro diferente en
cada uno de tres semestres acadmicos consecutivos del dictado de Estadstica 1.
Durante el primer semestre, 500 estudiantes emplearon el libro del profesor Mean,
durante el segundo semestre 300 estudiantes utilizaron el libro del profesor Median
y el tercer semestre 200 estudiantes emplearon el libro del profesor Mode. Un
estudio hecho al final de cada semestre demostr que 200 estudiantes estuvieron
satisfechos con el libro de Mean, 150 estuvieron satisfechos con el libro de Median
y 160 con el libro de Mode. Si se selecciona al azar a un estudiante que llev
Estadstica 1 uno de estos semestres y reconoce haber estado satisfecho con el libro
empleado, cul es la probabilidad de que el autor del libro del estudiante sea el
profesor Mode?

100. En Enigma Tel S.A. el nmero de interrupciones que se producen diariamente en el
sistema de telecomunicaciones suelen ser 1, 2 3. Adems, cuando se producen las
interrupciones se suele realizar llamadas al tcnico para que resuelva el problema.
La siguiente tabla muestra la distribucin porcentual del nmero de llamadas
recibidas por el tcnico de acuerdo al nmero de interrupciones ocurridas en el
sistema de telecomunicaciones en un da determinado:

Nmero de interrupciones ocurridas en un da en Nmero de llamadas al tcnico en un da
el sistema de telecomunicaciones 1 2 3
1 25 % 25 % 50 %
2 10 % 20 % 70 %
3 0 % 35 % 65 %

Adems, se muestra la distribucin de probabilidades de que en un da
determinado se produzcan un nmero especfico de interrupciones:

Nmero de interrupciones ocurridas en un da en el sistema de
telecomunicaciones
1 2 3
Probabilidad 0,20 0,50 0,30

Cul es la probabilidad de que en un da determinado, el tcnico reciba dos llamadas?

106

101. Se tiene 5 cajas numeradas del 1 al 5 y cada una de ellas tiene 10 productos con un
nmero de productos sin defectos igual al nmero de la caja siendo el resto de
productos defectuosos. Se elige al azar una caja y de ella se extrae al azar un
producto. Si el producto extrado resulta no tener defectos, cul es la probabilidad
de que provenga de la caja 2?

102. Para el diagnstico de falla de un circuito electrnico se puede utilizar
independientemente dos mtodos, el mtodo Enigma y el mtodo Dunamis. El
mtodo Enigma da resultados positivos el 80% de los casos si el circuito tiene
alguna falla y 10% de los casos si el circuito est libre de fallas. El mtodo
Dunamis de diagnstico de fallas reporta resultados positivos para el 70% de
circuitos con fallas y 5% para los productos sin fallas. Se sabe que en la produccin
total de circuitos el 85% est libre de fallas.
a. Elabore los diagramas de Venn, rbol de probabilidades y tablas de
contingencia correspondientes a los mtodos de diagnstico de fallas para
circuitos electrnicos.
b. Dado un circuito electrnico examinado por el mtodo Enigma, determine la
probabilidad de que d positivo en la prueba..
c. Dado un circuito electrnico examinado por el mtodo Dunamis, determine la
probabilidad de que no d positivo en la prueba.
d. Dado un circuito electrnico que fue examinado con el mtodo Enigma y dio
resultado positivo, determine la probabilidad de que est fallado.
e. Si un circuito electrnico que es examinado por los dos mtodos, cul es la
probabilidad de que d resultado positivo en ambas pruebas?
f. Si cinco productos son examinados por los dos mtodos, cul es la
probabilidad de que al menos dos de ellos salgan positivos en ambas pruebas?
g. Un producto fallado es examinado por cada uno de los dos mtodos, cul es la
probabilidad que por lo menos una prueba salga positiva?
h. Dos productos fallados son examinados cada uno por ambos mtodos, cul es
la probabilidad de que por lo menos uno salga positivo en alguno de los
mtodos?
i. Si usted, como ingeniero responsable del control de calidad del producto,
tuviera que elegir uno de los mtodos para ser implantado en la empresa, cul
de los dos mtodos elegira?. Sustente claramente su respuesta.

103. Un cierto componente de un motor falla 1.5% de las veces cuando el motor es
prendido. Para obtener mayor confiabilidad en el funcionamiento, se coloca ese
componente n veces. Entonces el motor solamente falla si todos los n componentes
fallan. Suponga que las fallas de los componentes son independientes uno de otros.
Cul es el menor valor de n que puede ser usado para garantizar que el motor
funcione con una probabilidad del 99.99%?

107
104. En un lote de 100 artculos hay 15 defectuosos. Si el control de calidad que se hace
al lote consiste en seleccionar y examinar dos artculos uno despus del otro
(muestreo sin reposicin). Calcule la probabilidad de que:
a. Los dos artculos inspeccionados sean defectuosos.
b. Los dos artculos inspeccionados no sean defectuosos.
c. Las probabilidades anteriormente calculadas tendrn otro valor si los dos
artculos a examinar se extraen de un solo intento?

105. Enigma Manufacturing S.A. adquiere una pieza especfica de los proveedores A, B
y C. El proveedor A suministra 60% de las piezas, B el 30% y C el resto. La calidad
de las piezas vara entre los proveedores, siendo las tasas de defectuosos de las
piezas de A, B y C 0,25 %, 1 % y 2 % respectivamente. Las piezas se utilizan en
una de los principales productos de la empresa.
a. Cul es la probabilidad de que el producto principal sea ensamblado con una
pieza defectuosa?
b. De encontrarse una pieza defectuosa, qu proveedor es ms probable que la
haya abastecido?

106. En la fabricacin de cierto producto se presenta el defecto tipo 1 con una
probabilidad de 0,01 y el defecto tipo 2 con una probabilidad de 0,05. Si las
ocurrencias de los defectos en los productos son independientes, calcule la
probabilidad de que:
a. Un artculo no tenga ambos defectos.
b. Un artculo no sea defectuoso.
c. Suponiendo que sea defectuoso, tenga slo un tipo de defecto.

107. Cierta planta ensambladora tiene dos mquinas M
1
y M
2
, las cuales ensamblan el
30% y 70% de los productos respectivamente. Los productos pueden tener dos
tipos de defectos, T
1
y T
2
, los cuales se presentan en forma independiente en los
productos fabricados en ambas mquinas. Para la mquina M
1
la probabilidad de
ocurrencia de T
1
es 0,01 y de T
2
es 0,05. Para la M
2
la probabilidad de ocurrencia
de T
1
es 0,02 y de T
2
es 0,07. Se selecciona de forma aleatoria un producto
determinado:
a. Cul es la probabilidad de que sea defectuoso?.
b. Si el producto es defectuoso, cul es la probabilidad que el producto haya sido
ensamblado por la M
2
?
c. Si el producto es defectuoso, cul es la probabilidad de que slo tenga el
defecto T
1
?

108. Un sistema est conformado por cinco componentes que funcionan
independientemente. La probabilidad de que un componente funcione
correctamente es 0,70.
a. Calcule la probabilidad de que al menos un componente funcione
correctamente.

108
b. Calcule la probabilidad de que al menos un componente no funcione
correctamente.

109. Dos mquinas A y B que se accionan independientemente, pueden tener un cierto
nmero de fallas cada da. La tabla muestra las probabilidades de fallas de cada
una. Calcule la probabilidad de que:

Nmero de fallas
0 1 2 3 4 5 6
P(A) 0.1 0.2 0.3 0.2 0.09 0.07 0.04
P(B) 0.3 0.1 0.1 0.1 0.1 0.15 0.15

a. Las mquinas tengan el mismo nmero de fallas.
b. A tiene ms fallas que B.

110. Antes de la distribucin de cierto software estadstico se prueba la precisin de cada
cuarto disco compacto (CD). El proceso de prueba consiste en correr cuatro
programas independientes y verificar los resultados. La tasa de falla de un CD con
el software estadstico para cada uno de los cuatro programas de pruebas son 0,01;
0,03; 0,02 y 0,01 respectivamente.
a. Dado que se prueba un CD, cul es la probabilidad de que falle el 2
do
3
er

programa?
b. Cul es la probabilidad de que un CD que se pruebe falle cualquier prueba?
c. Si hay 100 CDs y uno de ellos est defectuoso, cul es la probabilidad de que
se pruebe el CD defectuoso?

111. El seor Enigma Deviation puede tomar una de dos rutas para ir de su casa a su
trabajo. En la primera ruta hay cuatro intersecciones con semforos. La
probabilidad de que sea detenido por la luz roja del semforo es 0,1 y los semforos
funcionan independientemente. La otra ruta es ms larga pero hay slo 2 semforos,
independientes entre s, con la misma probabilidad de ser detenido por cada uno
que la primera ruta. En un da en particular, el seor Deviation tiene una junta
programada a cierta hora en su trabajo. Para cualquier ruta que tome, calcula que
llegar tarde si es detenido por semforos en por lo menos en la mitad de las
intersecciones de la ruta. Cul ruta debe de tomar para reducir al mnimo la
probabilidad de llegar tarde a la junta.

112. Dos proveedores, Enigma S.A. y Dunamis S.A. producen placas de cermica para
la manufactura de cierto microcircuito hbrido. Las placas Enigma tienen la
probabilidad p1 = 0,1 de ser defectuosas, las del Dunamis tienen la probabilidad p2
= 0,05 de ser defectuosas. Cada microcircuito hbrido se elabora con dos placas de
cermica. Si a un microcircuito hbrido se le coloca una placa de cada proveedor y
resultara defectuoso, cul es la probabilidad de que el microcircuito hbrido tenga
slo una placa defectuosa?

109

113. Una planta tiene dos lneas de produccin: A y B. Se estima que la probabilidad de
que un artculo sea defectuoso en cualquiera de las lneas es 0,10. Si un da un
ingeniero selecciona al azar 3 artculos de la lnea A y otro ingeniero selecciona 3
artculos de la lnea B y asumiendo independencia:
a. Cul es la probabilidad de que no encuentren ningn artculo defectuoso?
b. Cul es la probabilidad de que no encuentren artculos defectuosos en alguna
de las lneas?
c. Con qu probabilidad ambos ingenieros encontrarn el mismo nmero de
artculos defectuosos?

114. Un sistema consta de cuatro componentes, como se ilustra en la siguiente figura.
Todo el sistema funcionar si el subsistema 1-2 funciona o el subsistema 3-4
funciona (porque los subsistemas estn conectados en paralelo). Como los dos
componentes de cada subsistema estn conectados en serie, un subsistema
funcionar slo si ambos componentes funcionan. Si los componentes funcionan o
fallan de modo independiente uno del otro y si cada uno de ellos funciona con una
probabilidad de 0,9, cul es la probabilidad de que todo el sistema funcione
(coeficiente de confiabilidad del sistema)?

115. Considere el sistema de componentes electrnicos conectados como en la siguiente
figura. Los componentes 1 y 2 estn conectados en paralelo, de modo que el
subsistema funciona si y slo si funciona 1 2. Tanto 3 y 4 como 5 y 6 estn
conectados en serie, este subsistema funciona si slo si 3 y 4 funcionan 5 y 6
funcionan. Adems para que el sistema general funcione, 7 debe funcionar. Si los
componentes funcionan de manera independiente uno de otro y la probabilidad de
que cada componente funcione es 0,9, cul es la probabilidad de que el sistema
funcione (coeficiente de confiabilidad del sistema)?

1 2
3 4
1 2
3 4
3 4
5 6
1
2
7
3 4
5 6
3 4
5 6
1
2
7

110
116. Un transmisor est enviando un mensaje mediante un cdigo binario, es decir,
seales de 0 y 1. Cada seal transmitida (0 1) debe pasar por tres relevadores
antes de llegar finalmente al receptor. En cada relevador, la probabilidad de que la
seal enviada sea diferente de la seal recibida (inversin de la seal) es de 0,20.
Los relevadores funcionan independientemente uno de otro. Si se enva un 1 desde
el emisor:

a. Cul es la probabilidad de que un 1 sea enviado por los tres relevadores?
b. Cul es la probabilidad de que el receptor reciba un 1?
c. El 70% de todas las seales enviadas desde el emisor son 1. Si un 1 es recibido
por el receptor, cul es la probabilidad de que se haya sido enviado un 1?

117. Hay 12 maneras en las cuales un artculo manufacturado puede tener un pequeo
defecto y 10 maneras en las cuales pueden tener un defecto mayor. De cuntas
maneras puede ocurrir un defecto menor y uno mayor?

118. Se sabe que hay siete rutas distintas que puede tomar un vehculo de transporte
entre el local de la empresa Enigma S.A. y el de su principal cliente Dunamis S.A.
Una de las rutas slo se puede tomar cuando se va desde Enigma a Dunamis. Otra
ruta slo se puede tomar para el retorno de Dunamis a Enigma. Las otras cinco
rutas se pueden tomar tanto de ida y como de retorno entre ambas empresas. De
cuntas formas se puede programar las rutas de ida y retorno entre ambas empresas
si por razones de seguridad el vehculo de transporte debe tomar rutas distintas?

119. Se va a programar un torneo de ajedrez para los 10 integrantes de un club. Cuntos
partidos se deben programar si:
a. Cada integrante jugar con cada uno de los dems sin partido de revancha?
b. Cada integrante jugar con cada uno de los dems con partido de revancha?
c. Si el torneo se juega con n participantes y juegan a eliminatoria simple hasta
que finalmente quede un solo ganador (si en una partida hay tablas, el ganador
se decide por sorteo).

120. Un estudiante tiene que contestar 8 de 10 preguntas en un examen. Si las tres
primeras son obligatorias, de cuntas maneras se pueden escoger las 8 preguntas?

121. El asta de bandera de un barco tiene tres posiciones en las que puede colocarse una
bandera. Suponiendo que el barco lleva cuatro astas de bandera para hacer seales.
Cuntas seales diferentes pueden hacerse con dos banderas?

Emisor Relevador 1 Relevador 2 Relevador 3 Receptor

111

122. Un lote contiene 8 artculos buenos y 4 defectuosos. Si se extraen al azar 6 artculos
de una sola vez, calcule la probabilidad de obtener por lo menos un defectuoso.

123. Al poco tiempo de ser puestos en servicio, algunos autobuses fabricados por
Enigma Motors S.A. presentan grietas visibles en la parte inferior del bastidor
principal. En Lima hay circulando 20 de estos autobuses y han aparecido dichas
grietas visibles en 8 de ellos. Si de los 20 autobuses se escoge al azar una muestra
de 5, cul es la probabilidad de que al menos en 4 de ellos 5 tengan grietas visibles
en el bastidor principal?

124. De 6 nmeros positivos y 8 nmeros negativos, se eligen 4 nmeros al azar (sin
sustitucin) y se multiplican Cul es la probabilidad de que el producto sea un
nmero positivo?

125. Cierta sustancia qumica se forma mezclando 5 lquidos distintos. Se propone poner
un lquido en depsitos y agregar sucesivamente los otros lquidos. Todas las
combinaciones posibles se deben probar para establecer cul da mejor resultado.
Cuntas pruebas deben hacerse?

126. Un empleado para tener acceso a cierta informacin confidencial debe ingresar su
cdigo (de 6 dgitos). No recuerda el cdigo exacto, porque recin se reincorpora a
sus labores despus de vacaciones y no lo tiene anotado. Lo que s recuerda es que
se bas en la fecha de su cumpleaos, pero no precisa en qu orden ingres el mes,
el da y el ao. Si slo se aceptan 3 intentos por da para acceder al sistema, cul es
la probabilidad de que tenga acceso al sistema el primer da?

127. Un estudiante tiene siete libros distintos que deseara acomodar en su portafolios.
Sin embargo, slo hay espacio para cuatro de ellos.
a. Cuntas formas hay de colocar cuatro libros en el portafolio sin importar el
orden?
b. Cuntas formas hay de colocar cuatro libros en el portafolio importando el
orden?
c. Si uno de los siete libros es de Estadstica, cul es la probabilidad de que en el
portafolio con cuatro libros, uno de ellos sea de Estadstica? Resuelva el
problema para cada uno de los casos anteriores.

128. Se sabe que cinco alumnos estn haciendo cola en la ventanilla de la secretara de la
facultad. Determine la probabilidad de que:
a. El ms alto de los cinco alumnos est al inicio de la cola.
b. El ms alto de los cinco alumnos est al inicio y el ms bajo al final de la cola.
c. El ms alto y el ms bajo estn en los extremos de la cola.

112
d. El ms alto y el ms bajo estn juntos.
e. El ms alto est delante del ms bajo.

129. De cuntas formas distintas se pueden seleccionar un grupo de 4 libros de un total
de 6 libros si todos son diferentes?

130. La clase de Estadstica est compuesta por 25 estudiantes, de los cuales 15 son
hombres y 10 son mujeres. Si se debe formar un comit representante de la clase
compuesto por un grupo de tres estudiantes y la eleccin se hace al azar, cul es la
probabilidad de que en el comit haya slo un hombre?

131. A una reunin asisten 3 seoras casadas con sus respectivos esposos y 5 hombres
solteros. Si se trata de elegir una comisin formada por tres personas asistentes a
dicha reunin. Halle la probabilidad de que en dicha comisin estn presentes:
a. Dos personas casadas y una soltera.
b. Por lo menos dos hombres.
c. Una pareja de esposos.
d. Una pareja de esposos, si sabemos que la comisin est compuesta de 3
personas casadas.

132. Una planta de produccin emplea 20 trabajadores en el turno de da, 15 trabajadores
en el segundo turno y 10 en el turno de noche. Un consultor de control de calidad
selecciona a seis trabajadores para ser entrevistados. Si la seleccin se hace al azar,
cul es la probabilidad de que los seis trabajadores seleccionados sean del mismo
turno?

133. Una computadora consta de 5 celdas numeradas para ubicar un tipo de memoria
electrnica. Se dispone de 4 memorias en buen estado y 3 en mal estado. Para que
la mquina funcione es necesario como mnimo 2 memorias en buen estado (las
memorias no son diferenciables). De cuntas maneras diferentes se puede ubicar
exactamente las memorias de forma que la computadora funcione?

134. Se contrata un servicio de calificacin para que analice y seleccione en orden las 3
mejores marcas de computadoras. Si se analizan un total de 10 marcas de
computadoras:
a. De cuntas formas distintas puede el servicio de calificacin llegar al
ordenamiento final?
b. Si la seleccin y el ordenamiento se hace al azar, cul es la probabilidad de que
una marca especfica quede en primer lugar?
c. Si la seleccin y el ordenamiento se hace al azar, cul es la probabilidad de que
una marca especfica quede entre las tres mejores?

113
Si el servicio de calificacin debe seleccionar a las tres mejores marcas pero sin
ponerlas en orden:
d. De cuntas formas distintas el servicio de calificacin puede escoger las tres
mejores marcas?
e. Si una empresa X distribuye 2 de la 10 marcas, cul es la probabilidad de que
exactamente una de las marcas que distribuye dicha empresa quede en la terna
seleccionada?
f. Qu probabilidad hay de que por lo menos una de las dos marcas distribuidas
por la empresa X quede en la terna seleccionada?

135. Un fabricante estudia los efectos de la temperatura de calentamiento, porcentaje de
carbono y tipo de horno de calentamiento en el proceso de templado de piezas de
acero. Se utilizan tres diferentes temperatura, cuatro diferentes porcentajes de
carbono en el acero y tres tipos diferentes de horno. Si el fabricante puede probar
slo dos casos distintos en un da y la eleccin de casos se hace al azar, cul es la
probabilidad de que en el primer da de estudios se utilice la temperatura ms alta
en uno de los dos casos estudiados dicho da?

136. En un lote de 15 productos, slo 7 de stos cumplen con las especificaciones
tcnicas requeridas. Si de ese lote se escogen 5 productos al azar, calcule la
probabilidad de que 3 cumplan con las especificaciones tcnicas, si se escogen:
a. Uno por uno sin reposicin.
b. Uno por uno con reposicin.
c. Los cinco a la vez.

137. En un estante se han colocado al azar 5 libros distintos de estadstica y 3 libros
distintos de matemticas. Halle la probabilidad de que 2 libros determinados de
matemticas estn juntos.

138. De un grupo formado por seis alumnos de Administracin y cuatro alumnos de
Ingeniera se debe seleccionar un comit de cuatro alumnos. Si dos alumnos de
Administracin y uno de Ingeniera no pueden ser elegidos pues no cumplen los
requisitos, de cuntas maneras se pueden elegir dicho comit sabiendo que debe
estar presente por lo menos un alumno de Ingeniera?

139. El gerente de operaciones de Enigma Labs S.A. desea programar una cita con cada
uno de los ocho supervisores de planta, los cuales son cuatro hombres y cuatro
mujeres, para analizar los programas de produccin de los cuales son responsables.
Si es igualmente probable que se seleccionen todos los ordenamientos posibles de
citas. Cul es la probabilidad de que despus de las primero cinco citas el gerente
se haya reunido con todos los supervisores hombres?

114
140. En la empresa Enigma S.A., las entrevistas de trabajo de cuatro ingenieros, A, B, C,
y D han sido programados para las 10:00 h del viernes 13 prximo, Para tal fin, el
gerente de personal ha asignado a los cuatro ingenieros para los salones de
entrevistas 1, 2, 3 y 4 respectivamente. Sin embargo, la secretaria del gerente no fue
informada de la programacin de los salones as que asigna a cada ingeniero a un
saln en una forma por completo al azar. Cul es la probabilidad de que:
a. Los cuatro ingenieros terminen en los salones correctos?
b. Ninguno de los cuatro ingenieros termine en el saln correcto?

141. Un grupo consta de 5 hombres y 10 mujeres se divide al azar en cinco grupos de
tres personas cada uno. Calcule la probabilidad que en cada grupo haya un hombre.

142. Enigma Autoclean S.A. empresa de servicios de limpieza a automviles, tiene 10
automviles de fabricacin europea y 15 de fabricacin japonesa en espera de ser
atendidos en la maana de un sbado. Debido al poco personal ese da, slo pueden
ser atendidos 6 automviles. Si los 6 se escogen al azar, cul es la probabilidad de
que 3 sean de fabricacin europea y los otros 3 sean japoneses.

143. Una compaa utiliza un esquema de aceptacin de la produccin de artculos antes
de que se embarque. Se preparan cajas de 25 artculos para su embarque.
a. El plan de inspeccin consiste en extraer tres artculos en busca de defectuosos.
Si no se encuentran defectuosos la caja se embarca, en caso contrario se
devuelve la caja para verificar el 100% de artculos. Cul es la probabilidad de
que una caja con tres artculos defectuosos se embarque luego de pasar la
prueba de inspeccin?
b. El plan de inspeccin consiste en que un inspector toma una artculo al azar, lo
inspecciona y lo repone en la caja; un segundo inspector hace lo mismo.
Finalmente, un tercer inspector lleva a cabo el mismo procedimiento. Si no se
encuentran defectuosos la caja se embarca, en caso contrario se devuelve para
verificar el 100% de artculos. Cul es la probabilidad de que una caja con tres
artculos defectuosos se embarque luego de pasar la prueba de inspeccin?

115

116

Variable aleatoria

5.1 Concepto de variable aleatoria

5.2 Variable aleatoria discreta
- Funcin de probabilidad
- Funcin de probabilidad acumulada

5.3 Variable aleatoria continua
- Funcin densidad de probabilidad
- Funcin de distribucin acumulada

5.4 Valor esperado
- Valor esperado de una variable aleatoria
- Valor esperado de una funcin
- Propiedades del valor esperado

5.5 Varianza y desviacin estndar
- Varianza y desviacin estndar de una variable
aleatoria
- Varianza y desviacin estndar de una funcin
- Propiedades de la varianza

5.6 Problemas de variable aleatoria

5

117

118
5.1 Concepto de variable aleatoria

Se denomina variable aleatoria a toda funcin que asocia cada elemento de un
espacio muestral S a un nmero real.

La variable aleatoria es una funcin que atribuye a cada evento un nmero que
no es aleatorio o imprevisible, sino fijo y predeterminado. Lo que es aleatorio
es el resultado del experimento sobre cuyo espacio muestral se define la
variable aleatoria.

Ejemplo 5.1:
A continuacin se describen algunas variables aleatorias

Experimento Variable aleatoria x Valores posibles
Inspeccin un lote de 75 radios Nmero de radios defectuosos 0, 1, 2, 3, , 75
100 llamadas de ventas Total de ventas realizadas 0, 1, 2, 3, , 100
Construccin de nueva biblioteca Porcentaje del proyecto terminado luego de 6 meses 0 s x s 100
Funcionamiento de un almacn Nmero de clientes que entran en un da 0, 1, 2,

Aunque muchos experimentos tienen resultados experimentales que
naturalmente se prestan a valores numricos, en otros no ocurre as. Por
ejemplo para lanzar una moneda una vez, el resultado experimental puede ser
cara o sello, ninguno de los cuales tiene un valor numrico natural. Sin embargo
aun as podemos expresar los resultados en funcin de una variable aleatoria,
una posibilidad es asignar x = 1 si el resultado del experimento es cara y x = 0
si el resultado experimental es sello.

5.2 Variable aleatoria discreta

Una variable aleatoria es discreta si el conjunto de valores que puede tomar es
finito o infinito numerable. Una variable aleatoria discreta asume cada uno de
los valores con cierta probabilidad que se denota: P(X = x
i
)

Ejemplo 5.2:
El jefe de mantenimiento de una empresa de transporte interprovincial de
pasajeros est interesado en el volumen diario de buses que entran al taller para
algn servicio. Los registros histricos que lleva actualizados cuidadosamente
muestran que cinco es el nmero mximo de buses que alguna vez ingresaron al
taller y representa de una manera adecuada lo que puede ocurrir en el futuro.

Solucin:
La variable aleatoria: X: nmero de buses que ingresan al taller diariamente
para algn servicio. Los valores numricos que puede tomar la variable
aleatoria son: 0, 1, 2, 3, 4 5.

119

Distribucin de probabilidad de una variable aleatoria discreta

La distribucin de probabilidad de una variable aleatoria discreta X es una
funcin f(x) que asigna a todo nmero real x, la probabilidad de que X asuma
ese valor, esto es:

f(x) > 0

1 ) ( =
x f

f(x) = P(X =x)

Ejemplo 5.3:
Siguiendo con el ejemplo anterior, suponga que revisando los registros de los
ltimos 300 das tiles, el nmero de buses que entraron al taller por servicios
se muestran en la siguiente tabla de frecuencias:

Nmero de buses que ingresaron por da Nmero de das
Ningn ingreso 54
Exactamente 1 bus 117
Exactamente 2 buses 72
Total 300

Solucin:
Dado que en 54 de los 300 das de datos histricos, no ingresaron buses al taller
y dado que ningn ingreso corresponde a x = 0, asignamos f(X = 0) el valor 54
/ 300 = 0,18 y de manera similar para los otros valores que puede tomar X.
Definida la variable aleatoria, la tabla de distribucin de probabilidades es:

x f (x)
0 0,18
1 0,,39
2 0,24
3 0,14
4 0,04
5 0,01
Total 1,00

En el desarrollo de la tabla de probabilidades se satisface las tres condiciones
que definen a una distribucin de probabilidades.

Los valores de la tabla de probabilidades se pueden representar grficamente tal
como se muestra a continuacin.

120

Funcin de distribucin acumulada de una V.A. discreta

La distribucin acumulada de una variable aleatoria discreta X cuya
distribucin de probabilidad es f(x), se define por:

F(x) = P(X s x)

Ejemplo 5.4:
Tomando como base el ejemplo anterior, obtenga la funcin acumulada y
represntela grficamente.

Solucin:

x f (x) F(x)
0 0,18 0,18
1 0,,39 0,57
2 0,24 0,81
3 0,14 0,95
4 0,04 0,99
5 0,01 1,00
Total 1,00

0.00
0.05
0.10
0.15
0.20
0.25
0.30
0.35
0.40
0.45
0 1 2 3 4 5 6
0
0. 1
0. 2
0. 3
0. 4
0. 5
0. 6
0. 7
0. 8
0. 9
1
0 1 2 3 4 5 6
x
F(x)
f(x)
X

121
5.3 Variable aleatoria continua

La variables aleatoria continua es una variable cuyo rango es un conjunto
infinito no numerable de valores.

Funcin densidad de una variable aleatoria continua

Se denomina funcin densidad de probabilidad f(x) de una variable aleatoria
continua a la funcin que satisface:

}
}
= s s
e >

b
a
dx f(x) b x P(a
= dx f(x)
R x todo para f(x)
)
1
0

Ejemplo 5.5:
La proporcin de personas que responden a una encuesta enviada por correo es
una variable aleatoria continua X que tiene la funcin densidad:

< <
+
=
caso otro cualquier en
x
x
x f
0
1 0
5
) 2 ( 2
) (

Compruebe si cumple las condiciones de funcin densidad. Calcule la
probabilidad de que ms del 25% de las personas pero menos del 50% de las
personas respondan a este tipo de encuesta.

Solucin:
S es una funcin densidad dado que f(x) > 0 y el rea bajo la curva es 1, tal
como se muestra a continuacin:

}
= + = + =
+
1
0
1
0
2
1 ) 2
2
1
(
5
2
) 2
2
(
5
2
5
) 2 ( 2
x
x
dx
x

Para el clculo de la probabilidad:

2375 , 0 )) 25 , 0 . 2
2
25 . 0
50 , 0 . 2
2
50 , 0
(
5
2
) 2
2
(
5
2
5
) 2 ( 2
50 , 0
25 , 0
2 2
50 , 0
25 , 0
2
}
= + = + =
+
x
x
dx
x

a b x
f
(x)

122
Funcin de distribucin acumulada de una V. A. continua

La funcin de distribucin acumulada de una variable aleatoria continua X con
funcin densidad f(x) se define por:

F(x) = P(X s x) para - < x < +

y se cumple: P(a < x < b) = F(b) F(a)

Ejemplo 5.6:
En referencia al ejercicio anterior:
a. Halle su respectiva funcin de distribucin acumulada de probabilidad.
b. Halle la mediana.
c. Halle el rango intercuartil.

Solucin:
a.
>
< < +
s
=
1 1
1 0 ) 2
2
(
5
2
0 0
) (
2
x para
x para x
x
x para
x F

b. 0,5 = ) 2
2
(
5
2
2
x
x
+ resolviendo me = X = 0,54951

c. 0,25 = ) 2
2
(
5
2
2
x
x
+ resolviendo Q
1
= X = 0,29129

0,75 = ) 2
2
(
5
2
2
x
x
+ resolviendo Q
3
= X = 0,78388

RIC = Q
3
- Q
1
= 0,49259

5.4 Valor Esperado

Valor esperado de una variable aleatoria

El valor esperado o esperanza matemtica de una variable aleatoria X o media
de una distribucin de probabilidad de X se denota E
(x)
.

123
Valor esperado de una variable aleatoria discreta:

i
n
i
i x x
p x E .
1
) (
=
= =

Ejemplo 5.7:
Del ejemplo 5.3, calcule el valor esperado de x.

Solucin:
X f (x) x.f(x)
0 0,18 0 (0,18) = 0,00
1 0,,39 1 (0,39) = 0,39
2 0,24 2 (0,24) = 0,48
3 0,14 3 (0,14) = 0,42
4 0,04 4 (0,04) = 0,16
5 0,01 5 (0,01) = 0,05
Total 1,00 E(x) = 1,50

Valor esperado de una variable aleatoria continua:

}
+

= = dx x f x E
x x
) ( .
) (

Ejemplo 5.8:
Con referencia al ejemplo 5,5, calcule el valor esperado de la variable x.

Solucin:
= E (x) =
}
= = + = + =
+
1
0
1
0
2
3
5333 , 0
15
8
) 1
3
1
(
5
2
)
3
(
5
2
5
) 2 ( 2
x
x
dx
x x

Valor esperado de una funcin de variable aleatoria

Valor esperado de una funcin de variable aleatoria discreta:

Sea g(x) una funcin de la variable aleatoria discreta X. El valor esperado de
g(x):

) ( . ) (
1
) ( ) ( i
n
i
i x g x g
x p x g E
=
= =

Ejemplo 5.9:
Con referencia al ejemplo 5.3, si cada bus que ingresa al taller para un servicio
limpiado y el costo diario en el que se incurre por materiales de limpieza, en

124
soles, est dado por la siguiente expresin: C(x) = 4,5 x + 10. Calcule el valor
esperado del costo de materiales de limpieza.

Solucin:
x f (x) x.f(x) C (x) C(x) . f(x)
0 0,18 0 (0,18) = 0,00 4,5(0) + 10 = 10,0 10,0 (0,18) = 1,800
1 0,,39 1 (0,39) = 0,39 4,5(1) + 10 = 14,5 14,5 (0,39) = 5.655
2 0,24 2 (0,24) = 0,48 4,5(2) + 10 = 19,0 19,0 (0,24) = 4,560
3 0,14 3 (0,14) = 0,42 4,5(3) + 10 = 23,5 23,5 (0,14) = 3.290
4 0,04 4 (0,04) = 0,16 4,5(4) + 10 = 28,0 28,0 (0,04) = 1,120
5 0,01 5 (0,01) = 0,05 4,5(5) + 10 = 32,5 32,5 (0,01) = 0,325
Total 1,00 E(x) = 1,50 E(C(x)) = 16,75

Valor esperado de una funcin de variable aleatoria continua:

Sea g(x) una funcin de la variable aleatoria continua X. El valor esperado de
g(x):

}
+

= = dx x f x g E
x g x g
) ( . ) (
) ( ) (

Ejemplo 5.10:
Con referencia al ejemplo 5.5, considere que el costo en mermas de trabajo est
dado por C(x) = 1000(1 x) expresado en soles. Calcule el valor esperado del
costo por mermas en la encuesta.

Solucin:
67 , 466
3
1400
) 2
2 3
( 400
5
) 2 (
2 ). 1 ( 1000
1
0
2 3
) ( ) (
= = + =
+
= =
}
+

x x
dx
x
x E
x C x C

Propiedades del valor esperado

Si a y b son constantes, entonces:

E(aX + b) = a E(X) + b = a
x
+ b


E(b) = b

E(X + b) = E(X) + b =
x
+ b

E(aX) = a E(X) = a
x

Si X e Y son variables aleatorias, a y b son constantes, entonces:

125
E(aX + bY) = a E(X) + b E(Y) = a
x
+ b
y


E(X + Y) = E(X) + E(Y) =
x
+
y

E(X Y) = E(X) E(Y) =
x
-
y

Si X e Y son variables aleatorias independientes, a y b son constantes, entonces:

E(a X b Y) = a b E(X) E(Y) = a b
x

y

Si X
1
, X
2
, X
3
, . . . , X
n
son n variables aleatorias independientes, entonces:

E(X
1
. X
2
. X
3
. . . X
n
) = E(X
1
) . E(X
2
) . E(X
3
) . . . E(X
n
)
=
x1

x2

x3
...
xn

Si X
1
, X
2
, X
3
, . . . , Xn son n variables aleatorias independientes, y a
1
, a
2
, a
3
, . . .
, a
n
son n constantes, entonces:

= =
= |
.
|
\
|
n
i
i i
n
i
i i
X E a X a E
1 1
) ( .

Ejemplo 5.11:
Tomando como referencia el ejemplo 5.9 y aplicando la propiedad del valor
esperado, calcule el valor esperado de C(x) = 4,5 x + 10.

Solucin:
E(
C(X)
) = E(4,5x + 10) = 4,5 E(x) + 10 = 4,5 (1,5) + 10 = 16,75

5.5 Varianza y desviacin estndar

Varianza y desviacin estndar de una variable aleatoria

Varianza de una variable aleatoria discreta:

=
=
n
i
i x i x
p x
1
2 2
. ) ( o

126
Desviacin estndar de una variable aleatoria discreta:

=
=
n
i
i x i x
p x
1
2
. ) ( o

Ejemplo 5.12:
Tomando como referencia el ejemplo 5.3, calcule la varianza de la variable
aleatoria x.

Solucin:
X f (x) x.f(x) (x )
2
. f (x)
0 0,18 0 (0,18) = 0,00 (0 1,5)
2
(0,18) = 0,4750
1 0,,39 1 (0,39) = 0,39 (1 1,5)
2
(0,39) = 0,0975
2 0,24 2 (0,24) = 0,48 (2 1,5)
2
(0,24) = 0,0600
3 0,14 3 (0,14) = 0,42 (3 1,5)
2
(0,14) = 0,3150
4 0,04 4 (0,04) = 0,16 (4 1,5)
2
(0,04) = 0,2500
5 0,01 5 (0,01) = 0,05 (5 1,5)
2
(0,01) = 0,1225
Total 1,00 = E(x) = 1,50
2
=1,25

Varianza de una variable aleatoria continua:

}
+

= dx x f x
x
) ( . ) (
2 2
o = E(x
2
) E
2
(x)

Desviacin estndar de una variable aleatoria continua:

}
+

= dx x f x
x
). ( . ) (
2
o

Ejemplo 5.13:
Tomando como referencia el ejemplo 5.5, calcule la varianza de la variable
aleatoria x.

Solucin;
o
2
= 3098 , 0 )
15
8
(
5
) 2 ( 2
2
1
0
=
+
}
dx x
x

Varianza de una funcin de variable aleatoria

Varianza de una funcin de variable aleatoria discreta:

Sea g(x) una funcin de la variable aleatoria X. La varianza de g(x):

127

=
=
n
i
i x g i x g
x p x g
1
2
) (
2
) (
) ( . ) ) ( ( o

Ejemplo 5.14:
Tomando como referencia el ejemplo 5.9, calcule la varianza de C(x)

Solucin:

x f (x) C (x)

( C(x) E (C(x)) )
2
. f(x)
0 0,18 4,5(0) + 10 = 10,0 10,0 (0,18) = 1,800 (10 16,75)
2
. 0,18 = 8,201
1 0,,39 4,5(1) + 10 = 14,5 14,5 (0,39) = 5.655 (14,5 16,75)
2
. 0,39 = 1,974
2 0,24 4,5(2) + 10 = 19,0 19,0 (0,24) = 4,560 (19 16,75)
2
. 0,24 = 1,215
3 0,14 4,5(3) + 10 = 23,5 23,5 (0,14) = 3.290 (23,5 16,75)
2
. 0,14 = 6 379
4 0,04 4,5(4) + 10 = 28,0 28,0 (0,04) = 1,120 (28 16,75)
2
. 0,04 = 5,063
5 0,01 4,5(5) + 10 = 32,5 32,5 (0,01) = 0,325 (32,5 16,75)
2
. 0,01 = 2,481
Total 1,00 E(C(x)) = 16,75
2
(C(x)) = 25,313

Varianza de una funcin de variable aleatoria continua

}
+

= dx x f x g
x g x g
) ( . ) ) ( (
2
) (
2
) (
o

Propiedades de la varianza en variables aleatorias

1. o
2
( X ) = E(x
2
) -
2

2. Si a y b son constantes, entonces:

o
2
(aX + b)
= a
2
. o
2

( X )


o
2
(b)
= 0

o
2
(X + b)
= o
2
( X )

o
2
( a.X )
= a
2
. o
2
( X )

128
3. Si X e Y son dos variables aleatorias independientes, a y b son dos
constantes, entonces:

o
2

(aX + bY)
= a
2
.o
2

(X)
+ b
2
.o
2

(Y)


o
2
(X + Y) = o
2
(X) + o
2
(Y) (a = 1 y b = 1)

o
2
(X Y) = o
2
(X) + o
2
(Y) (a = 1 y b = -1)

4. Si X
1
, X
2
, X
3
, . . . , X
n
son n variables aleatorias independientes, y a
1
, a
2
, a
3
,
. . . , a
n
son n constantes, entonces:

=
|
.
|
\
|

=
=
n
i
X
i
X a
i
n
i
i i
a
1
) (
2 2 2
.
1
o o

5. Teorema de Tchebysheff: La probabilidad de que cualquier variable
aleatoria X tome un valor dentro de k desviaciones estndar de la media es
al menos 1- 1/k
2
, es decir:

2
1
1 ) (
k
k x k P > + < < o o para k > 1

Ejemplo 5.15:
Una variable aleatoria tiene una media = 8, una varianza o
2
= 9 y una
distribucin de probabilidades desconocida. Encuentre el valor de P(-4< x <20).

Solucin:
Como P( -4 < x < 20) = P( 8 (4).(3) < x < 8 + (4).(3)) > 15 / 16

129
5.6 Problemas sobre variable aleatoria

144. Clasifique las siguientes variables aleatorias como discretas o continuas.
a. X : el nmero de accidentes de automvil por ao en el departamento de San
Martn.
b. Y : el tiempo que toma jugar 3 sets en un partido de volley.
c. Z : la cantidad de leche producida por una vaca.
d. M: el nmero de huevos que pone mensualmente una gallina.
e. N: la cantidad de papa, en kilogramos cosechada en una parcela.
f. O: la cantidad de lluvia en cm
3
que cae en un pueblo de la sierra central.
g. Q: el porcentaje de personas a favor de una nueva ley constitucional.
h. P: el nmero de entradas vendidas a un partido de ftbol.

145. En el control de calidad de un artculo la probabilidad de que se encuentren por lo
menos ocho artculos defectuosos es 3/20 y de que se encuentren a lo ms cuatro
artculos defectuosos es . Cul es la probabilidad de que se encuentren cinco,
seis, siete artculos defectuosos en el control?

146. En una caja hay 7 artculos sin fallas y 3 artculos con fallas. Se extraen 2 artculos
al azar. Si el inters es registrar el nmero de productos sin fallas extrado,
determine:
a. El espacio muestral.
b. La variable aleatoria.
c. La tabla de distribucin de probabilidades.
d. El grfico de la distribucin de probabilidades.
e. El valor esperado. Interprete.
Para cada uno de los siguientes casos:
Caso 1 - El primer producto extrado se devuelve a la caja antes de extraer el
segundo.
Caso 2 - El primer producto extrado no se devuelve a la caja para extraer el
segundo.
Caso 3 - Los dos productos se extraen simultneamente.

147. Enigma Home Center en su seccin de electrodomsticos tiene 8 congeladoras
similares de las cuales 3 tienen defectos. Una cadena de restaurantes compra al azar
3 de ellas.
a. Defina la variable aleatoria de congeladoras defectuosas compradas por la
cadena de restaurantes.
b. Determine la distribucin de probabilidades.
c. Elabore la grfica correspondiente.
d. Estime el valor esperado y la desviacin estndar.

130
148. Un empleado de almacn entrega diariamente los cascos de seguridad a los
trabajadores de un taller siderrgico. Un da determinado tres trabajadores: Alberto,
Benito y Carlos, pasan por almacn para recoger su respectivo casco de seguridad y
cada uno recibe uno de los tres cascos pero no necesariamente el que le corresponde
pues el empleado de almacn hace la entrega al azar. Segn esta situacin elabore la
distribucin de probabilidades de la variable aleatoria que representa el nmero de
asociaciones correctas.

149. Encuentre la distribucin de probabilidad para el nmero de CD de msica clsica
cuando 4 CD se seleccionan al azar de una coleccin que consiste de 5 CD de
msica clsica, 2 de salsa y 3 de rock.

150. Considere un grupo de 5 donantes de sangre, de los cuales slo 2 tienen sangre
ORh+. Se obtiene 5 muestras de sangre, una de cada individuo y en forma aleatoria
son analizadas una por una, hasta identificar una muestra ORh+, Si se quiere
calcular la probabilidad de encontrar una muestra de dicho tipo de sangre luego de
una cantidad de pruebas,
a. Defina la variable aleatoria.
b. Construya la tabla de distribucin de probabilidades y su grfica.
c. Determine el valor de la media y de la desviacin estndar de la distribucin.

151. Cada vez que sea probado un componente, la probabilidad de que tenga xito es p.
Supongamos que el componente se prueba repetidamente hasta que ocurran tres
xitos en tres pruebas sucesivas. Denote por Y el nmero de pruebas para lograr
esto. Elabore la tabla de distribucin de probabilidades con los 4 valores mnimos
posibles de Y.

152. Los analistas de Enigma Cars S.A., agencia de ventas de autos europeos, estn
interesados en estimar el nmero de autos vendidos del modelo XA-1300 para la
prxima temporada. Por datos histricos se sabe que cada temporada la agencia
vende el 60% de los autos de inventario de dicho modelo. Para la prxima
temporada se ha considerado un inventario de 4 autos del modelo XA-1300. De
acuerdo al inters de los analistas:
a. Defina apropiadamente la variable aleatoria y determine la funcin de
probabilidad. Considere que las condiciones del mercado se mantienen de
forma similar a las temporadas anteriores.
b. Determine la tabla de distribucin de probabilidades y la grfica
correspondiente.

153. Un director de personal va a entrevistar a 12 ingenieros para cuatro vacantes y ha
programado seis entrevistas para el primer da y cinco entrevistas para el segundo
da. Suponga que los ingenieros son elegidos para las entrevistas al azar:

131
a. Cul es la probabilidad de que x de los mejores cuatro candidatos sean
entrevistados el primer da?
b. Cuntos de los mejores cuatro candidatos se espera sean entrevistados el
primer da?

154. Un ingeniero de planta ha extrado 10 artculos producidos en la mquina A y 10
artculos producidos en la mquina B. Si el ingeniero instruye a un asistente para
que seleccione al azar 15 de los artculos para que sean inspeccionados:
a. Cul es la distribucin de probabilidades de los artculos de la mquina B
seleccionados para que sean inspeccionados?
b. Cul es la probabilidad de que todos los artculos producidos por una de las
dos mquinas sean seleccionados para que sean inspeccionados?

155. Para decidir si se acepta o no un lote de 50 artculos que contiene 5 defectuosos se
usa el siguiente sistema: el inspector A selecciona tres artculos al azar y a la vez,
anota el nmero de defectuosos encontrados en una tarjeta de registro y repone los
tres artculos al lote. El inspector B selecciona dos artculos, uno por uno y sin
reposicin y anota el nmero de defectuosos encontrados en otra tarjeta de registro.
El inspector C revisa ambas tarjetas y decide aceptar el lote si el nmero total de
defectos encontrados por los inspectores A y B es menor o igual a dos, en caso
contrario decide rechazar el lote.
a. Determine la distribucin de probabilidades del nmero total de defectos
encontrados por el inspector C.
b. Halle la probabilidad de que el lote sea aceptado.

156. Enigma S.A. produce artculos perecibles. A continuacin se presenta una tabla con
los datos histricos de las demandas semanales obtenidas en las ltimas 50 semanas
y el nmero de semanas de ocurrencia:

Nmero de productos demandados 2 000 3 000 4 000 5 000
Nmero de semanas 15 20 10 5

a. Si la compaa decide programar la produccin de dicho artculo tomando
exactamente el valor esperado de la demanda, cuntas unidades de dicho
artculo debe producir la compaa semanalmente?
b. Cada unidad tiene un costo de S/. 5 y se vende a S/. 10. Si el producto no se
vende durante la semana siguiente a la producida, se debe rematar a un precio
de S/. 2,5. Todos los productos ofrecidos en remate se venden. Cuntas
unidades debe producirse semanalmente la compaa para maximizar su
utilidad esperada?

157. Para cierto negocio por correo electrnico la proporcin de los pedidos procesados
en 24 horas tiene la funcin de densidad de probabilidad:

132
1 0 ; ) 1 ( 2 ) ( s s = x x x f

a. Compruebe que f(x) es una funcin densidad.
b. Cul es la probabilidad que al menos el 80% de los pedidos sean procesados
dentro de 24 horas?
c. Halle la funcin acumulada.

158. Dada la siguiente funcin acumulada de la variable X.

>
< <
s
=
1 1
1 0
0 0
) (
x
x x
x
F
x

a. Encuentre la funcin densidad de probabilidad de X y su grfica
correspondiente.
b. Calcule la probabilidad de que X se encuentre entre 0,6 y 0,9.

159. Una variable aleatoria continua tiene la siguiente funcin de densidad de
probabilidad:

Determine:
a. El valor de a.
b. La funcin densidad de probabilidades f(x).
c. La funcin acumulada F(x).
d. P(x < 2,5).
e. P(2,5 < x < 3).
f. P(x < 3 / x > 2,5).
g. El valor esperado de X.
h. La varianza de X.

160. Para una estacin gasolinera las estadsticas sugieren que la funcin de densidad de
las ventas semanales X, medidas en miles de galones, se aproxima a la funcin cuya
grfica se muestra en la figura:
a. Halle la funcin densidad de probabilidad correspondiente.
b. Encuentre la funcin de distribucin de probabilidad acumulada
f(x)
x
2 4
a

133
c. Cul es la probabilidad de que en una semana cualquiera venda al menos 1500
galones de gasolina?

161. Sea X la variable aleatoria que denota la vida til en horas de cierto dispositivo
electrnico. La funcin densidad de probabilidad es:

>
=
x
x x f
, 0
100 ,
000 20
) (
3

a. Cul es la probabilidad de que la vida til de un dispositivo sea ms de 200
horas?
b. Cul es la vida til esperada del dispositivo?.
c. Si se toman cinco dispositivos, cul es la probabilidad de que slo dos de ellos
tengan una vida til mayor a 200 horas?

162. La demanda de gas propano (en miles de galones) de una distribucin en particular
es una variable aleatoria con la siguiente distribucin de densidad de probabilidad:

s s |
.
|
\
|

=
caso otro en
x
x
a
x f
0
2 1
1
1
) (
2

a. Calcule el valor de a.
b. Determine la funcin acumulativa de x.
c. Obtenga el valor del primer cuartil.
d. Calcule el valor esperado de x.

163. En una tienda que vende juguetes al por mayor, el volumen de ventas en el mes de
junio tiene la funcin de densidad:.

0 ;
2
) ( >
= x
x
e x k x f donde x est en miles de docenas.

a. Calcule el valor de la constante k.
b. Calcule la probabilidad de que se vendan menos de 10 000 docenas.
1
2
3
1
X
Y

134
164. Cierta aleacin se forma al combinar la mezcla fundida de dos metales. La aleacin
que resulta contiene cierto porcentaje de plomo X, que puede considerarse como
una variable aleatoria. Supongamos que X tiene la siguiente funcin de densidad.

100 0 ) 100 ( 10
5
3
) (
5
s s =

x x x x f

La utilidad neta obtenida en soles al vender una libra de esta aleacin con
porcentaje x de contenido de plomo, se obtiene mediante la siguiente funcin:

U(x) = 10 + 8x
Calcule la utilidad esperada por libra.

165. La proporcin de personas que responden a una encuesta enviada por correo es una
variable aleatoria continua X que tiene la funcin densidad:

< <
+
=
x
x a
x f
0
1 0
5
) 2 (
) (

a. Determine el valor de la constante a. Justifique su respuesta.
b. Determine la funcin acumulada de la variable aleatoria.
c. Calcule la probabilidad de que ms de pero menos de de las personas
contactadas respondan a esta encuesta.
d. Calcule e interprete el valor esperado de la variable aleatoria.
e. Calcule e interprete la desviacin estndar de la variable aleatoria.

166. En una agencia bancaria hay tres ventanillas de atencin numeradas del 1 al 3. Por
experiencia se ha determinado que la probabilidad de que un cliente escoja una
ventanilla especfica es la indicada segn la siguiente tabla:

Ventanilla 1 Ventanilla 2 Ventanilla 3
Probabilidad 0,25 0,40 0,35

Tambin se sabe que la probabilidad de que un cliente espere menos de tres
minutos para ser atendido es 0,5 en la ventanilla 1, 0,6 en la ventanilla 2. Adems,
el tiempo en minutos que espera un cliente para ser atendido en la ventanilla 3 tiene
la siguiente funcin densidad:

s s
=
caso otro en
t
t t
t g
0
4 0
32
) 4 ( 3
) (

a. Llega un cliente al cual le gustara aguardar menos de tres minutos para ser
atendido, cul ventanilla le recomendara usted?

135
b. Cul es la probabilidad de que un cliente aguarde menos de tres minutos para
ser atendido en la agencia?
c. Si un cliente espera menos de tres minutos para ser atendido, cul es la
ventanilla que ms probablemente haya sido elegida?

167. El tiempo de llegada en minutos X de camiones, a un depsito, se comporta de
acuerdo a la siguiente funcin de densidad,

>
=
caso otro en
x
x
x f
; 0
1 ;
1
) (
2

Se desea elegir una muestra aleatoria de 5 camiones. Determine la probabilidad de
que al menos dos de los camiones elegidos tengan un tiempo de llegada menor de
3 minutos.

168. El tiempo total de funcionamiento (en horas) hasta que falla de un componente
electrnico tiene la siguiente funcin de densidad:

>
<
=

0 .
0 0
) (
200 /
x si e
x si
x f
x
o

a. Calcule el valor de la constante o.
b. Halle la funcin de distribucin acumulada.
c. Calcule la duracin media del componente electrnico
d. Calcule la varianza de la duracin del componente electrnico
e. Cul es la probabilidad de que un componente electrnico trabaje al menos
300 horas sin fallar?
f. Si un componente durara 300 horas, cul es probabilidad de que dure 300
horas ms?

169. El tiempo de duracin X, en meses, de un tipo de resistencia elctrica tiene funcin
de densidad de probabilidad:

>
=

caso otro en
x si e
x f
x
, 0
0 , 5 , 0
) (
5 , 0

a. Cul es la probabilidad de que una resistencia dure ms de 4 meses?
b. Si se prueban 10 resistencias elctricas, cul es la probabilidad de que ninguna
dure ms de 4 meses
c. Cuntas resistencias se probaran para que con probabilidad igual a 0,9 se
tenga al menos uno que dure ms de 4 meses?
d. Si el costo de produccin de una resistencia es: C(x)= 2+ 3x cunto es el valor
esperado del costo?

136

Distribucin de probabilidades

6.1 Distribucin Uniforme (discreta)

6.2 Distribucin Binomial

6.3 Distribucin Geomtrica

6.4 Distribucin Pascal

6.5 Distribucin Hipergeomtrica

6.6 Distribucin Poisson

6.7 Distribucin Multinomial

6.8 Distribucin Uniforme (continua)

6.9 Distribucin Exponencial

6.10 Distribucin Normal

6.11 Distribucin t-student

6.12 Distribucin Chi-cuadrado

6.13 Distribucin F

6.14 Problemas de distribucin de probabilidades

6

137

138
6.1 Distribucin Uniforme (discreta)

Si una variable aleatoria X toma valores x
1
, x
2
, x
k
, con idnticas
probabilidades, entonces la distribucin uniforme discreta est dada por P(x) =
1 / k donde k es el parmetro de la distribucin.

Ejemplo 6.1:
Cuando se selecciona un artculo al azar de una caja que contiene un artculo
con una falla, un artculo con dos fallas, un artculo con tres fallas y un artculo
con cuatro fallas.
Si definimos la variable aleatoria como el nmero de fallas que tiene el artculo
seleccionado, el espacio muestral es S = { 1, 2, 3, 4}, y la probabilidad de
ocurrencia de cada elemento es . Por tanto tenemos una distribucin uniforme.

6.2 Distribucin Binomial

El experimento consiste en una serie de n intentos, pruebas o ensayos,
donde n se fija antes de realizar el experimento.

Las pruebas son idnticas y cada uno de ellos puede resultar en uno de dos
posibles resultados que denotan xito o fracaso.

Las pruebas son independientes entre s por lo que el resultado de un
intento en particular no influye en el resultado de cualquier otro.

La probabilidad de xito es constante de una prueba a otra y la denotamos
como p.

Se dice que la variable aleatoria X sigue una distribucin binomial con
parmetros n y p y se denota X ~ B ( n, p).

Entonces para n intentos y la probabilidad p de xito en cualquier intento,
la probabilidad de tener x xitos en los n intentos est dada por:

x n x n
x x X
p p C p n x B P

=
= = ) 1 ( . ) , , (
) (

para: x = 0, 1, 2, . . . n

Caractersticas:

Es simtrica si p = 0.5. Para valores de p < 0,5 la distribucin tiene sesgo
derecho y para valores p > 0,5 tiene sesgo izquierdo, independientemente
de los valores de n.

139
Para valores de n suficientemente grandes (n> 50), y slo tomando en
cuenta los valores relevantes de probabilidad, la distribucin es
prcticamente simtrica.

Media:
x
= E
(x)
= n . p

Varianza ) 1 ( . .
2
p p n
x
= o

Ejemplo 6.2:
Cuando una mquina est funcionando normalmente, el 10% de las piezas
producidas resultan defectuosas. Supongamos que seleccionaremos al azar tres
piezas producidas en la mquina y que estamos interesados en el nmero de
piezas defectuosas encontradas:
a. Defina la variable aleatoria.
b. Describa en qu condiciones esta situacin corresponde a una distribucin
binomial.
c. Identifique los parmetros de distribucin y determine la funcin de
probabilidad.
d. Elabore la tabla de distribucin de probabilidades.
e. Muestre los resultados mediante un grfico.
f. Calcule el valor esperado, la varianza y la desviacin estndar de la
distribucin.
g. Calcule la probabilidad de encontrar menos de dos piezas defectuosas.

Solucin:
a. Dado el experimento descrito, definimos la variable aleatoria como
X: nmero de piezas defectuosas, los valores posibles son: 0, 1, 2 y 3

b. Verificamos las cuatro caractersticas del experimento para que la variable
X siga una distribucin binomial:
El experimento se puede describir como una secuencia de tres intentos
idnticos, un intento por cada una de las tres piezas seleccionadas.
Para cada uno de los intentos son posibles dos resultados: pieza
defectuosa y pieza no defectuosa. En concordancia a cmo hemos
definido la variable aleatoria, encontrar una pieza defectuosa ser xito
y una no defectuosa ser fracaso.
La probabilidad de pieza defectuosa es 0,10 y la de pieza no defectuosa
es 0,90 y se supone que se mantiene constante para todas las piezas.
La condicin de una pieza defectuosa es independiente de la condicin
de otras piezas.

c. Como X sigue una distribucin binomial, identificamos nmero de pruebas
n = 3, y la probabilidad de xito en una prueba p = 0,10. Entonces la
distribucin de probabilidades es:
x 3
(0,90) .
x
0,10
3
x
C
x) (X
P

=
=

para X = 0, 1, 2 3

140

d. La tabla de distribucin de probabilidades es la siguiente:

X P(x)
0 0,729
1 0,243
2 0,027
3 0,001
1

e. El grfico correspondiente es:

f. El valor esperado es:

x
= E
(x)
= n . p = 3 . 0,10 = 0,30

La varianza de la distribucin es:
p) (1 . p . n
2
x
= = 3 . 0,10 . 0,90 = 0,27

La desviacin estndar de la distribucin es:
p) (1 . p . n
x
= = 0,52

g. P( x < 2) = P(x = 0) + P(x = 1) = 0,729 + 0,243 = 0,972

6.3 Distribucin Geomtrica

Las pruebas son idnticas y cada una de ellas puede resultar en uno de dos

Las pruebas son independientes entre s por lo que el resultado de una
prueba en particular no influye en el resultado de cualquier otra.

0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
-1 0 1 2 3
X
P(X)

141
La probabilidad de xito es constante de una prueba a otra y lo denotamos
como p.

El experimento consiste en una serie de X pruebas hasta que se produzca el
primer xito.

Se dice que la variable aleatoria X sigue una distribucin geomtrica con
parmetro p y se denota X ~ G ( p)

Entonces la probabilidad de que sean necesarios x intentos hasta que se
produzca el primer xito est dada por:

p p) - ( = p x G P
- x
x X
1
) (
1 ) ; ( =
=

Caractersticas:

Media:
x
= E
(x)
= 1 / p

Varianza
2
2
x
p
p - 1
=

Ejemplo 6.3:
La probabilidad de que un estudiante para piloto apruebe el examen escrito para
obtener una licencia de piloto privado es 0,7. Encuentre la probabilidad de que
el estudiante apruebe el examen:
a. En el tercer intento.
b. Antes del cuarto intento.

Solucin:
a. Al usar la distribucin geomtrica con x = 3 y p = 0,7 tenemos:

P(x = 3) = (0,3)
2
. 0,7 = 0,063

b. Antes del cuarto intento es:

P(x < 4) = P(x = 1) + P(x = 2) + P(x =3)

= (0,3)
0
. 0,7 + (0,3)
1
. 0,7 + (0,3)
2
. 0,7

= 0,973

142
6.4 Distribucin Pascal (binomial negativa)

La distribucin Pascal es la generalizacin de la distribucin geomtrica.

Las pruebas son idnticas y cada una de ellas puede resultar en uno de dos

Las pruebas son independientes entre s por lo que el resultado de una
prueba en particular no influye en el resultado de cualquier otra.

La probabilidad de xito es constante de una prueba a otra y lo denotamos
como p.

El experimento consiste en una serie de X pruebas hasta que se produzca el
xito k.

Se dice que la variable aleatoria X sigue una distribucin Pascal o binomial
negativa con parmetros p y k y se denota X ~ B* (k, p)

k - x k x-
k- x) = (X
p) - ( . p C p k x B P 1 ) , , (
1
1
*
= =

Caractersticas:

Media:
x
= E
(x)
= k / p

Varianza k
p
p -
=
x 2
2
1

Ejemplo 6.4:
Segn los datos registrados, la tasa de fallas en una lnea de produccin es del
10%. Si en una inspeccin de calidad se analizan los productos que salen de
dicha lnea de produccin. Cul es la probabilidad de que el octavo producto
inspeccionado sea el tercer producto defectuoso encontrado

Solucin:
Si definimos la variable aleatoria como x nmero de pruebas hasta lograr
encontrar 3 productos defectuosos, identificamos que x sigue una distribucin
Pascal con x = 8, k = 3, p = 0,1, entonces:

0124 , 0 9 , 0 1 , 0
3 8 3 1 8
1 3 3
= =
=
- -
- ) (X
. C P

143
6.5 Distribucin Hipergeomtrica

Consideremos N elementos, de los cuales M son considerados xitos y por
lo tanto N-M como fracasos. Como en el caso de la distribucin binomial
estamos interesados en saber la probabilidad de obtener x xitos en una
muestra de n elementos.

El experimento consiste en extraer al azar y sin sustitucin n elementos de
un conjunto de N elementos, M de los cuales son xitos y N - M son
fracasos.

El tamao de la muestra n es grande con respecto a N tamao de la
poblacin.

Se dice que la variable aleatoria X sigue una distribucin hipergeomtrica
con parmetros N, M y n. Se denota X ~ H (n, N, M)

La probabilidad de obtener de x xitos en la muestra de n elementos es:

N
n
M N
x n
M
x
x X
C
C C
M N n x H P
=
= =
.
) , , , (
) (

Caractersticas:
Media:
N
M n
x E
x
.
) ( = =

Varianza:
) 1 .(
) ).( .( .
2
2

=
N N
n N M N M n
x
o

Ejemplo 6.5:
Se tienen lotes de 40 componentes y un lote se considerar aceptable si no
contiene ms de tres componentes defectuosos. El procedimiento para obtener
la muestra de un lote es la seleccin de cinco de sus componentes al azar y
rechazar el lote si se encuentra al menos un componente defectuoso. Si en un
lote que se inspecciona hay tres componentes defectuosos:
a. Cul es la probabilidad de que se encuentre exactamente un defectuoso en
la muestra?
b. Cul es la probabilidad de rechazar el lote?

144
Solucin:
a. Se identifica a la distribucin hipergeomtrica con n = 5, N = 40, M = 3,
encontramos que la probabilidad de obtener un defectuoso x = 1 es:

3011 , 0
. .
40
5
37
4
3
1
40
5
3 40
1 5
3
1
) 1 (
= = =

=
C
C C
C
C C
P
X

b. Para este caso, la probabilidad de rechazar el lote es equivalente a que x = 1,
2 3.

3376 , 0
. . .
40
5
37
2
3
3
40
5
37
3
3
2
40
5
37
4
3
1
) 3 ( ) 2 ( ) 1 (
= + + = + +
= = =
C
C C
C
C C
C
C C
P P P
X X X

Tambin se pudo calcular la probabilidad de rechazar el lote como el
complemento de aceptar el lote, es decir, 1 P(x =0).

6.6 Distribucin de Poisson

Se usa en situaciones en los que el experimento da lugar a valores numricos
discretos de una variable aleatoria que ocurren durante un intervalo dado o una
regin especfica. El intervalo puede ser cualquier lapso como minutos das,
semanas, etc. y la regin especfica puede ser una lnea, un rea o quiz una
pieza de material, un disco compacto o una cinta magntica.

El experimento que origina una variable aleatoria que sigue una distribucin de
Poisson se denomina proceso de Poisson y posee las siguientes propiedades:

El nmero de resultados que ocurren en un intervalo o regin de espacio
cualquiera es independiente del nmero que ocurre en cualquier otro
intervalo o regin del espacio disjunto.

La probabilidad de que ocurra un solo resultado durante el intervalo muy
corto o regin muy pequea es proporcional a la longitud del intervalo o al
tamao de la regin y no depende del nmero de resultados que ocurren
fuera del intervalo o regin.

La probabilidad de que ocurra ms de un resultado en tal intervalo corto o
caiga en tal regin pequea es insignificante.

Se dice que la variable aleatoria X sigue una distribucin de Poisson con
parmetro y se denota X ~ P ()

145
La probabilidad de tener x resultados en un intervalo dado o en una regin
especfica es:

!
.
) , (
) (
x
e
x P P
x
x X

=
= =

donde:

X = nmero de xitos por unidad.
= nmero esperado de xitos por unidad de tiempo o regin.
e = 2,71828

Caractersticas:

Siempre es una distribucin sesgada a la derecha. A medida que aumenta
y se toma en cuenta slo los valores relevantes de probabilidad, la
distribucin tiende a hacerse simtrica.

Media:
x
= E(x) =

Varianza: o =
2
x

Ejemplo 6.6:
En promedio, en cierta interseccin ocurren tres accidentes de trnsito por mes.
Calcule la probabilidad de que para cualquier mes dado en esa interseccin:
a. Ocurran exactamente cinco accidentes.
b. Ocurran menos de tres accidentes.
c. Ocurran al menos dos accidentes.
d. Elabore la tabla de distribucin de probabilidades y su respectiva grfica.

Solucin:

Sea X el nmero de accidentes que ocurren al mes en la interseccin. Dado que
es un acontecimiento discreto (nmero de accidentes) en un intervalo continuo
(tiempo - un mes) usamos la distribucin de Poisson con = 3.

a. P(x = 5) =
! 5
3 .
5 3
e
= 0.10082

b. P(x < 3) = P(x = 0) + P(x = 1) + P(x = 2) = 0,42319

c. P(x > 2) = 1 P(x < 2) = 1 ( P(x = 0) + P(x = 1) ) = 0,80085

d. La tabla de distribucin de probabilidades es:

146
X P(x)
0 0.04979
1 0.14936
2 0.22404
3 0.22404
4 0.16803
5 0.10082
6 0.05041
7 0.02160
8 0.00810
9 0.00270
10 0.00081
11 0.00022
12 0.00006
Ms de 12 0.00002

Ejemplo 6.7:
Cierta marca de disco compacto grabable tiene una media de 1,5 puntos
defectuosos por disco. Adems, una norma de control de calidad considera
como no aceptable un disco con una cantidad de puntos defectuosos mayor a 2.
a. Qu porcentaje de la produccin es aceptable?
b. Si se toman al azar dos discos del total de los producidos, cul es la
probabilidad de que al menos uno de ellos sea considerado aceptable?

Solucin:
a. X: nmero de puntos defectuosos / disco:
X sigue una distribucin Poisson con media = 1,5 puntos defectuosos /
disco

P(aceptable) = P(x s 2) = 0,8088. Por lo tanto, el porcentaje de la
produccin aceptable es 80,88%

b. P(al menos uno sea aceptable) = 1 P(ninguno sea aceptable) = 1 (1
0,8088)
2
= 0,9634

0.00
0.05
0.10
0.15
0.20
0.25
0 1 2 3 4 5 6 7 8 9 10 11 12 ms
de
12
P(x)
X

147

6.7 Distribucin Multinomial

Es una generalizacin de la distribucin binomial, cuando en cada intento
hay ms de dos resultados posibles.

El experimento consiste en n intentos, donde n se fija antes de realizar el
experimento.

Los intentos son idnticos y cada uno de ellos puede resultar en uno de k
posibles resultados de cada prueba.

Las probabilidades de los k resultados, denotados por p
1
, p
2
, p
3
, ... p
k
, se
mantienen constantes en cada uno de los n intentos y se cumple que:

p
1
+ p
2
+ p
3
+ ...+ p
k
= 1.

Los intentos son independientes entre s, por lo que el resultado de un
intento en particular no influye en el resultado de cualquier otro.

La probabilidad de obtener de x
1
ocurrencias del resultado 1, x
2
ocurrencias
del resultado 2, ... y x
k
ocurrencias del resultado k, :

k
y
k
y y
k
k
p p p
x x x
n
x x x p ) ( ) .( ) (
! ! !
!
) , , , (
2 1
2 1
2 1
2 1

=

donde:

= =
= =
k
i
k
i
i i
p y n x
1 1
1

Se dice que la variable aleatoria X
i
siguen una distribucin multinomial.

Caractersticas:

Media:
i
= E(x) = n . p
i

Varianza
) 1 ( . .
2
i i i
p p n = o

148
6.8 Distribucin Uniforme (continua):

Funcin densidad:

s s
=
caso otro cualquier para
B x A para
A B x f
0
1
) (

Se dice que X tiene una distribucin uniforme.

Funcin acumulada:
>
s s
<
=
B x para
B x A para
A B
A x
x para
x F
1
0 0
) (

Caractersticas:

La funcin densidad forma un rectngulo con base (B-A) y altura 1 / (B-A)
por lo que tambin se le conoce como funcin rectangular.

Media:
x
= E(x) = (A+B) / 2

Varianza:
12
) (
2
2
A B
x
= o

Ejemplo 6.8:
Una lnea area anuncia que los vuelos de Lima a Cusco tienen una duracin de
una hora con 15 minutos, que corresponde al tiempo medio. Si se suponen que
los tiempos de vuelo reales entre ambas ciudades tiene una distribucin
uniforme con una diferencia entre los tiempos mximo y mnimo de 18
minutos.
a. Muestre la grfica de la funcin densidad de los tiempos de vuelo entre
ambas ciudades.
b. Cul es la probabilidad de que el vuelo tenga una demora mayor a 5
minutos?
X A B
f ( x )

1
B - A

149
Solucin:
a. Identificando valores de la distribucin uniforme, el grfico es:

b. Una demora mayor a 5 minutos supone un tiempo de llegada mayor a (75 +
5) = 80 minutos. Por lo tanto:

P(x > 80) = (1 / 18) . (84 80) = 4 /18

6.9 Distribucin exponencial

Funcin densidad:

> >
=

caso otro cualquier para
x para e
x f
x
0
0 ; 0
1
) (
/
|
|
|

Se dice que X tiene una distribucin exponencial con parmetro 1/ y se denota
X ~ E ().

Funcin acumulada:

> >
s
=

0 ; 0 1
0 0
) (
/
|
|
x para e
x para
x F
x

X
66 84
f
( x )

1
18
75 (1h 15)
X
f
(x)

X
0

| /
0
0
1 ) (
x
e x x P

= <
80

150
Caractersticas:

La variable puede tomar valores de 0 a +, no toma valores negativos.

La grfica es descendente con sesgo a la derecha.

Existe una curva para cada valor de .

Media:
x
= E(x) = |

Varianza:
2 2
| o =
x

La distribucin exponencial se relaciona con la distribucin de Poisson de la
siguiente manera: si la cantidad de eventos discretos que suceden en un tiempo
sigue una distribucin de Poisson con media , entonces el tiempo entre la
ocurrencia de dos eventos discretos consecutivos sigue una distribucin
exponencial con media = 1/.

Tambin se puede usar el modelo exponencial para describir la vida til de un
dispositivo o tiempo de funcionamiento hasta que falle y es el promedio de la
vida til (vida media) del dispositivo.

Ejemplo 6.9:
una hora con 15 minutos, que corresponde al tiempo medio. Si se suponen que
los tiempos de vuelo reales entre ambas ciudades tiene una distribucin
exponencial.
a. Muestre la grfica de la funcin densidad para los tiempos de vuelo entre
ambas ciudades.
b. Cul es la probabilidad de que el vuelo resulte con una demora mayor a 5
minutos?

Solucin:
a. Identificando el parmetro de la distribucin exponencial: | = 75 minutos

b. P(x > 80) = 1 P(x s 80) = 1 (1 e
-80/75
) = e
-80/75
= 0,3442
X (minutos)
f (x)
80
75 / 70
1 ) 70 (

= < e x P

151
Ejemplo 6.10:
El nmero clientes que llega Enigma Bucks Caf sigue una distribucin de
Poisson con una media de 6 clientes cada hora.
a. Calcule la probabilidad de que el tiempo transcurrido entre la llegada de dos
clientes consecutivos sea ms de 10 minutos pero menos de 20 minutos.
b. Si transcurrieran 10 minutos y no llegara ningn cliente, cul es la
probabilidad de que transcurran por lo menos 10 minutos ms para que
llegue un cliente?

Solucin:
a. X: tiempo transcurrido entre la llegada de dos clientes consecutivos:
X sigue una distribucin exponencial con | = 10 minutos

P(10 < x < 20) = e
-10 / 10
e
-20 / 10
= 0,36788 0,13533 = 0,23255

b. P(x >20 / x > 10) = e
-20 / 10
/ e
-10 / 10
= 0,36788

6.10 Distribucin Normal:

Funcin densidad:

2
) (
2
1
2
1
) (
o
o t

=
x
e x f

Se dice que la variable aleatoria X sigue una distribucin normal con
parmetros y y se denota X ~ N (,
2
)

Caractersticas:

Simtrica y forma de campana.

Medidas de tendencia central coinciden.

Se extiende de - a +.
X
2 4

f (x)

152
Estandarizacin:

Se toma como referencia una distribucin normal estndar ( = 0 y = 1). Se
trabaja Z que es el nmero de desviaciones estndar que un dato X se aleja de la
media .
o

=
x
Z

El uso de la tabla normal estndar para la estimacin de la probabilidad se
muestra en el siguiente ejemplo.

Ejemplo 6.11:
una hora con 15 minutos, que corresponde al tiempo medio. La desviacin
estndar del tiempo es 10 minutos. Si se suponen que los tiempos de vuelo
reales entre ambas ciudades tiene una distribucin normal.
a. Muestre la grfica de la funcin densidad para los tiempos de vuelo entre
ambas ciudades.
b. Cul es la probabilidad de que el vuelo resulte con una demora mayor a 15
minutos?

Solucin:
a. De acuerdo a los datos presentados:

b. De la tabla, para Z = 1,5; la probabilidad P(x s 80) = P(Z s 1,5) = 0,9332;
por lo tanto el complemento P(x > 80) = P(Z > 1,5) = 1 0,9332 = 0,0668

Propiedad Reproductiva de la Normal

Si X
1
, X
2
, X
3
, . . . , X
k
son k variables aleatorias independientes, tales que Xi ~
N(
i
, o
i
2
), para cada i = 1, 2, 3, . . ., k, entonces, la variable aleatoria Y = c
1
X
1
+
c
2
X
2
+ c
3
X
3
+ . . . + c
k
X
k
, (donde c
1
, c
2
, c
3
, . . . c
k
son constantes) est
distribuida normalmente con:

2 4
2 4
x
Z

= 5 , 1
10
75 0 8
=
X min.
= 75 80

153
Media:
Y
= c
1
.
1
+ c
2
.
2
+ c
3
.
3
+ . . . + c
k
.
k

Varianza: o
Y
2
= c
1
2
.o
1
2
+ c
2
2
.o
2
2
+ c
3
2
.o
3
2
+ . . .+ c
k
2
.o
k
2

Como casos particulares, si X
1
y X
2
tienen distribuciones normales X
1
~ N(
1
,
o
1
2
) y X
2
~ N(
2
, o
2
2
) respectivamente, entonces:

X
1
+ X
2
~ N(
1
+
2
, o
1
2
+ o
2
2
)

X
1
- X
2
~ N(
1
-
2
, o
1
2
+ o
2
2
)

Ejemplo 6.12:
Los sueldos de los profesionales de la ciudad A siguen aproximadamente una
distribucin normal con una media de S/. 1 500 y una desviacin estndar de S/.
300. Los sueldos de los profesionales de la ciudad B tambin sigue una
distribucin normal con una media de S/ 1 400 y una desviacin estndar de S/.
250. Si se seleccionan al azar un profesional de cada ciudad, cul es la
probabilidad de que el sueldo del profesional de la ciudad B sea mayor al
sueldo del profesional de la ciudad A.

Solucin:
Si consideramos las siguientes variables:
X
B
: sueldo del profesional de la ciudad B
X
A
: sueldo del profesional de la ciudad A,
Y = X
B
X
A

Se debe calcular P( Y > 0)

Por propiedad de la media
Y
=
B

A
= 1 400 1 500 = -100

Por propiedad de la varianza: o
2
Y
= o
2
B
+ o
2
A
= 250
2
+ 300
2
= 152 500

De la tabla, para Z = 0,26 la probabilidad P(Z s 0,26) = 0,6026, por lo tanto el
complemento P(x > 0) = P(Z > 0,26) = 1 0,6026 = 0,3974

X (soles)
= -100
0
x
Z

=
0
26 , 0
152500
) 100 ( 0
=

154
Correccin de ajuste por continuidad

Como hay variables que son discretas pero que se han aproximado a la
distribucin normal, en algunas oportunidades debe corregirse el clculo

El clculo de la probabilidad de un valor especfico puede tener valor, pero si la
distribucin se ha aproximado a la distribucin normal ese valor es cero, lo cual
induce a error.

Uso de la distribucin normal como una aproximacin de la
distribucin binomial

A medida que el nmero de intentos n aumenta el clculo de las probabilidades
de eventos de la distribucin binomial se hace dificultoso. Una manera de
estimar aproximadamente el valor de las probabilidades es con el uso de la
distribucin normal. Para que la aproximacin sea aceptable se debe considerar
que n > 50 y que tanto n . p como n . (1 - p) sean mayores que 5.

Los parmetros de la distribucin normal son los obtenidos en la distribucin
binomial.

= n . p

) 1 ( . . p p n
x
= o

Adems, para mayor precisin en el clculo, se debe tomar en cuenta la
respectiva correccin de ajuste por continuidad y que n . p y n . p . (1 - p) sean
mayores que 5.

Ejemplo 6.13:
En una fbrica de llantas, una de sus lneas de produccin tiene una tasa de
fallas del 3%. Si se selecciona una muestra de 200 llantas, cual es la
probabilidad de que menos de 15 de ellas estn falladas.

Solucin:
Si definimos la variable X = nmero de llantas falladas, X sigue una
distribucin binomial con parmetros n = 200 y p = 0,03.

Si usamos la normal para el clculo tenemos:

x
= n . p = 200 . 0,03 = 6

0,97 . 0,03 . 200 p) (1 . p . n
x
= = = 2,412

155
Dado que la variable es discreta, aplicamos la correccin de ajuste por
continuidad, tenemos:

P(x > 10) usando el ajuste por continuidad P(x >10,5) = P(Z > 1,87) = 0,0384

Uso de la distribucin normal como una aproximacin de la
distribucin Poisson

De una manera similar al caso de la distribucin binomial, se puede aproximar
la distribucin de Poisson usando la distribucin normal.

Los parmetros de la distribucin normal son los obtenidos en la distribucin de
Poisson.

=

o =
x

Para una mejor aproximacin en el clculo, se debe considerar tambin la
correccin de ajuste por continuidad as como que > 5.

X (llantas)
= 6
9.5 10,5
x
Z

= 0
1,87

156
6.11 Distribucin t-student

Funcin densidad:

2
1
2
1
2
2
1
) (
+
|
|
.
|
\
|
+
|
.
|
\
|
I
|
.
|
\
| +
I
=
k
k
t
k
k
k
t f
t

Se dice que la variable aleatoria t sigue una distribucin t con k grados de
libertad.

Para un valor de la variable aleatoria t
,k
es tal que el rea a su derecha bajo la
curva de la distribucin t con k grados de libertad es igual a .

o
o
= > ) (
,k
t T P

Caractersticas:

Simtrica y forma de campana.

Se extiende de - a +.

La grfica de la distribucin t es parecida a la distribucin normal, se
diferencian en que en los extremos la distribucin t est por encima de la
normal estndar y en el centro la distribucin t est por debajo de la normal
estndar.

Cada valor de grado de libertad determina una distribucin t distinta.

Cuando los grados de libertad son altos, los valores de la distibucin t
coinciden con los de la normal estndar (n>29).

Media:
t
= E(t) = 0

Varianza:
2
2
=
k
k
t
o

t
0
o

157
6.12 Distribucin Chi-cuadrado

Funcin densidad:

>
=
caso otro cualquier para 0
0 x para e x ) 2 / 1 (
) 2 / 1 (
1
f(x)
x ) 2 / 1 ( 1 2 / k
I

Se dice que X tiene una distribucin chi cuadrado con k grados de libertad y se
denota X ~
2
(k)

Para un valor de la variable aleatoria
2

,k
es tal que el rea a su derecha bajo la
curva de la distribucin
2
con k grados de libertad es igual a .

o _ _ o = > ) ( ,
2 2
k P

Caractersticas:

Se extiende de 0 a +, no toma valores negativos.

La grfica de la distribucin chi cuadrado tiene sesgo a la derecha.

Cada valor de grado de libertad determina una distribucin chi cuadrado
distinta.

A medida que los grados de libertad aumentan, la distribucin tiende a ser
simtrica.

Media:
x
= E(x) = k

Varianza:
k
x
2
2
= o

f (x)
_
2

o
_o
2

158
6.13 Distribucin F

Funcin densidad:

; 0 x para
r
x r
1
x
2
r
2
r
2
r r
r
r
f(x)
2 / ) r r (
2
1
1 ) 2 / r (
2 1
2 1
r
2
1
2 1
1
1
+
|
|
.
|
\
|
+
|
.
|
\
|
|
.
|
\
|
|
.
|
\
| +
|
|
.
|
\
|
=
I I
I

Se dice que X tiene una distribucin F con r
1
y r
2
grados de libertad (enteros
positivos). Se denota X ~ F(r
1
,r
2
)

Un valor de la variable aleatoria x = F
,r1,r2
es tal que el rea a su derecha bajo
la curva de la distribucin F con parmetros r
1
y r
2
es igual a .

o
o
= > ) (
2 1
, , r r
F X P

Caractersticas:

Se extiende de 0 a +, no toma valores negativos.

La distribucin F tiene sesgo a la derecha.

Existe una curva para cada par de valores r1 y r2.

Se demuestra que si U y V son dos variables aleatorias independientes tales
que: U ~
2
(r
1
) y V ~
2
(r
2
), entonces la variable aleatoria:

f (x)
F
o
Fo

159
2
1
/
/
r V
r U
X =

tiene distribucin F con r
1
y r
2
grados de libertad.

Tambin se cumple:
1 2
2 1
, , 1
, ,
1
r r
r r
F
F
o
o
=

160
6.14 Problemas de distribucin de probabilidades

170. La probabilidad de que cierta clase de componente sobreviva a la prueba de choque
dada es 3/4. Encuentre la probabilidad de que sobrevivan a la prueba exactamente
dos si se prueban cuatro componentes.

171. Un examen de opciones mltiples consiste en 10 preguntas. Por cada pregunta se
puede elegir entre 4 respuestas posibles, de las cuales slo una es correcta. Un
estudiante responde las 10 preguntas eligiendo al azar las respuestas.
a. Cul es la probabilidad de que el estudiante conteste correctamente todas las
preguntas?
b. Si para aprobar tal examen debe contestar correctamente al menos 6 preguntas,
cul es la probabilidad de aprobar tal examen? (No hay puntos en contra).
c. Cuntas preguntas debe esperarse que sean contestadas correctamente?
Interprete.

172. Un ingeniero de seguridad automotriz afirma que 1 de cada 10 accidentes
automovilsticos es causado por fatiga del conductor. Cul es la probabilidad de
que al menos 3 de 5 accidentes automovilsticos sean causados por fatiga del
conductor?

173. Una empresa proveedora de insumos comestibles a restaurantes, clasifica como
aceptable la entrega de 10 cajas de alimentos si stas llegan sin estropear 8 ms
cajas. Se supone que la probabilidad de que una caja se estropee es independiente
de lo que le ocurra a otra caja. Si de los datos de la empresa se sabe que el 10% de
las cajas se estropean en las entregas:
a. Defina la variable aleatoria
b. Identifique la distribucin que sigue la variable aleatoria.
c. Elabore la tabla de distribucin de probabilidad.
d. Muestre la grfica de la distribucin y analice su simetra.
e. Determine la probabilidad de que una entrega de cajas sea aceptable.
f. Determine e interprete los valores de la media y la desviacin estndar.

174. Un agente de seguros de vida vende plizas a cinco individuos todos de la misma
edad. De acuerdo con tablas actuales, la probabilidad de que un individuo con esa
edad viva 30 aos o ms es de 3/5. Uno de los clculos necesarios para hacer
estimaciones de pagos de las primas de seguro es la probabilidad de que un nmero
determinado de asegurados de la misma edad viva 30 aos o ms. De acuerdo al
enunciado se pide que:
a. Determine la funcin de probabilidad y la tabla de probabilidades.
b. Calcule el valor esperado y la varianza.

161
175. De acuerdo con la Chemical Engineering Progress, aproximadamente 30% de
todas las fallas de operacin de tuberas en plantas qumicas son ocasionadas por
errores del operador.
a. Cul es la probabilidad de que no ms de cuatro de 20 fallas de tuberas
registradas en plantas qumicas tomadas al azar, se deban a error del operador?
b. Suponga, para una planta en particular, que la muestra aleatoria de 20 de tales
fallas exactamente cinco sean errores de operacin. Considera que la cifra de
30% anterior se aplica a esta planta? Comente.

176. Un vendedor a domicilio compra diariamente 5 unidades de un producto perecible.
Por cada uno gana $13 si lo vende en el transcurso del da o pierde $1 si no lo logra
vender. Si la probabilidad de venta de cada unidad del producto es 0,2 y se asume
que las ventas son independientes, calcule e interprete la utilidad diaria esperada del
vendedor.

177. Una fbrica produce artculos con tres mquinas, la primera realiza el 50% de la
produccin total con 1% defectuoso, la segunda el 30% con 2% defectuoso y la
tercera el 20% con el 3% defectuoso. Un comerciante desea comprar un lote de
repuestos y para ello analiza una muestra de 100 artculos, aceptando el lote si en la
muestra hay cinco o menos defectuosos cul es la probabilidad de rechazar el lote?

178. Un puente cobra peaje de S/. 1 por cada vehculo particular y S/. 2,50 por cada
vehculo de transporte pblico. Durante las horas diurnas, el 60% de todos los
vehculos son de transporte pblico. Si 20 vehculos cruzan el puente durante un
periodo particular de tiempo durante las horas diurnas, cul es el ingreso resultante
esperado?

179. En un gran lote de produccin se tiene artculos fabricados por tres lneas de
produccin. A la primera lnea corresponde el 40% de los artculos del lote; a la
segunda lnea corresponde el 30% y a la tercera lnea lo restante. De los artculos
fabricados en la lnea 1, el 5 % son defectuosos; de lo producido en la lnea 2, el 4%
son defectuosos; y de lo producido por la lnea 3, el 10% son defectuosos. Si se
seleccionan 5 artculos al azar, cul es la probabilidad de que dos de ellos:
a. Sean defectuosos?
b. Sean defectuosos y de la lnea 1?
c. Sean de la lnea 1 si se sabe que son defectuosos?
d. Hayan sido fabricados por la lnea 1 2, si se sabe que son defectuosos?

180. Se transmite un bloque de 100 bits a travs de un canal. La probabilidad de
transmitir errneamente un bit es 10
-2
. Los errores ocurren en forma independiente.
a. Determine la probabilidad de que el bloque sea transmitido con al menos tres
errores.

162
b. Transmitir con errores un bloque de 100 bits produce prdidas econmicas, las
que estn en relacin con la cantidad de errores cometidos, tal como se muestra
en la siguiente tabla:

Nmero de errores al transmitir un bloque de 100 bits Prdidas econmica (nuevos soles)
0 0
1 3
2 5
3 ms 10

Calcule e interprete el valor esperado de la prdida econmica de transmitir un
bloque de 100 bits.

181. Si p1 es la probabilidad de que cualquier smbolo particular de cdigo se transmita
errneamente a travs de un sistema de comunicaciones. En la transmisin de los
smbolos ocurren errores independientes uno de otro. Tambin se sabe que p2 es la
probabilidad que un smbolo errneo se corrija al recibirse. Si en un mensaje
formado por n smbolos se encuentran X errores (una vez que el proceso de
correccin ha terminado),
a. Cul es la distribucin de probabilidad de X? Justifique su respuesta.
b. Calcule el valor esperado y la varianza de la variable aleatoria.

182. Una investigacin sobre la situacin laboral de los egresados de la UPC se realiza
por telfono. Se sabe que histricamente el nmero esperado de llamadas necesarias
hasta contactar a un egresado para encuestarlo es de 3 llamadas. Calcule la
probabilidad de que sea necesario realizar al menos 2 llamadas para contactar a un
egresado.

183. Si la probabilidad de que el solicitante de una licencia de manejo pase la prueba de
manejo en un ensayo dado es 0,7, cul es la probabilidad de que un solicitante
finalmente pase la prueba en el cuarto ensayo?

184. La probabilidad de que un estudiante para piloto apruebe el examen escrito para
una licencia de piloto privado es 0,7. Encuentre la probabilidad apruebe el examen
antes del cuarto intento.

185. Segn los datos registrados, la tasa de fallas en una lnea de produccin es del 10%.
Si en una inspeccin de calidad se analizan los productos que salen de dicha lnea
de produccin:
a. Cul es la probabilidad de que el tercer producto inspeccionado sea defectuoso
y los dos anteriores hayan sido no defectuosos?
b. Cul es la probabilidad de que el octavo producto inspeccionado sea el tercer
producto defectuoso encontrado?

163
c. Cul es la probabilidad de que el octavo producto inspeccionado sea el cuarto
producto defectuoso encontrado y el primer producto inspeccionado tambin
sea el primer producto defectuoso?

186. En una fbrica en la que hay 30 trabajadores, 18 estn satisfechos con su trabajo. Si
se eligen 6 trabajadores al azar, determine la probabilidad de que menos de dos
estn insatisfechos con su trabajo?

187. Como parte de una encuesta sobre contaminacin del aire, un inspector decide
examinar las emisiones de 6 de los 24 camiones de una compaa. Si cuatro de los
camiones de la compaa emiten cantidades excesivas de contaminantes, cul es la
probabilidad de que ninguno de ellos sea parte de la muestra del inspector?

188. Un club de estudiantes extranjeros tiene como miembros a dos canadienses, tres
japoneses, cinco italianos y dos alemanes. Si se selecciona al azar un comit de
cuatro estudiantes, encuentre la probabilidad de que todas la nacionalidades estn
representadas excepto los italianos.

189. Entre los 120 solicitantes para un trabajo, slo 80 son realmente aptos. Si cinco de
los solicitantes se seleccionan al azar para una entrevista ms extensa, encuentre la
probabilidad de que slo dos de los cinco sean aptos para el trabajo, para ello use:
a. La distribucin hipergeomtrica.
b. La distribucin binomial con p = 80 / 120 como aproximacin.

190. Una empresa recibe un envo de 20 piezas de un nuevo proceso de manufactura. El
control de calidad consiste en tomar una muestra aleatoria de tres piezas al azar, de
una en una y sin reposicin de este envo. Si en la muestra se encuentra al menos
una pieza defectuosa, se rechaza el lote; en caso contrario, se eligen al azar de una
en una y sin reposicin 2 piezas adicionales. Si en la segunda muestra se encentra al
menos una defectuosa, se rechaza el lote, en caso contrario se acepta el lote. Cul
es la probabilidad de rechazar el lote, si este contiene 25% de piezas defectuosas?

191. Un ingeniero de control de calidad inspecciona una muestra tomada al azar de dos
calculadoras manuales de cada lote que llega de tamao 18 y acepta el lote si
ambas estn en buenas condiciones de trabajo de otra manera se inspecciona todo el
lote y el costo se carga al vendedor. Cules son las probabilidades de que un lote
se acepte sin inspeccin adicional si contiene:
a. Cuatro calculadoras que no estn en buenas condiciones de trabajo?
b. Ocho calculadoras que no estn en buenas condiciones de trabajo?
c. Doce calculadoras que no estn en buenas condiciones de trabajo?

164
192. El estudio de un inventario determina que, en promedio, las demandas de un
artculo particular de un almacn se realiza cinco veces al da. Cul es la
probabilidad de que en un da dado se pida este artculo ms de cuatro veces?

193. Los cambios en los procedimientos de los aeropuertos requieren una planeacin
considerable. Los ndices de llegadas de los aviones es un factor importante que se
debe tomar en cuenta. Si los aviones pequeos llegan a un cierto aeropuerto con
una media de 6 por hora:
a. Cul es la probabilidad de que exactamente cuatro aeronaves pequeas
lleguen en un lapso de una hora?
b. Cul es la probabilidad de que al menos cuatro aeronaves pequeas lleguen en
un lapso de una hora?

194. El nmero de usuarios que acuden a cierta base de datos confidencial sigue una
distribucin de Poisson con una media de dos usuarios por hora.
a. Calcule la probabilidad de que entre las 8:00 h. y el medio da (12:00 h) acudan
ms de dos usuarios.
b. Si un operador de la base de datos trabaja todos los das de 8:00 a.m. hasta el
medio da, cul es la probabilidad de que este operador tenga que esperar 7
das hasta observar el primer da en el cual acudan ms de dos usuarios?

195. Se certifica la calidad de los discos para computadoras pasndolas por un
dispositivo que revisa la totalidad del rea del disco. Dicho dispositivo cuenta el
nmero de pulsos faltantes. Los discos marca Maxin van ser pasados por el
certificado y se sabe que tienen en promedio 0,2 pulsos faltantes por disco.
Calcule la probabilidad de que a un disco inspeccionado no le falten pulsos.

196. Un dispositivo electrnico de conmutacin ocasionalmente falla y puede ser
necesario su reemplazo. Se sabe que el dispositivo comete en promedio 0,20 errores
por hora. Se elige un periodo en particular de cinco horas como prueba del
dispositivo. Si durante la prueba no ocurre ms de un error, el dispositivo se
considera satisfactorio. Si se selecciona al azar un dispositivo electrnico de
conmutacin, cul es la probabilidad de que el dispositivo se considere
satisfactorio?

197. La nica cajera de una agencia bancaria sabe por experiencia que entre las cinco y
las seis de la tarde (hora en que cierra el banco) llegan a su agencia en forma
aleatoria un promedio 2 personas por minuto. La cajera est obligada a atender a
todas las personas que llegan hasta las seis de la tarde. Tres minutos antes de las
seis de la tarde no hay nadie en la cola y en ese momento ella recibe una llamada
telefnica que la obliga a ausentarse de su puesto durante diez minutos. Calcular la
probabilidad de que al volver a su puesto hayan ms de tres personas en la cola.

165
198. La Compaa de Telfonos emplea 5 operadoras de informacin quienes reciben
llamadas solicitando informacin general de los servicios de la compaa. Las
llamadas son independientes y cada operadora recibe en promedio 2 llamadas por
minuto.
a. Cul es la probabilidad de que en un periodo dado de 1 minuto, la primera
operadora no reciba ninguna llamada?
b. Cul es la probabilidad de que durante un periodo de un minuto, menos de 3
de las 5 operadoras no reciban llamadas?

199. El nmero de clientes que llegan por hora a ciertas instalaciones de servicio
automotor se supone que sigue una distribucin de Poisson con = 2:
a. Cul es la probabilidad de que en dos horas lleguen menos clientes de los
esperados?
b. Si el servicio automotor funciona ocho horas continuas, cul es la probabilidad
de que slo en la ltima hora de funcionamiento lleguen menos clientes que el
promedio?

200. Cierto tipo de loseta puede tener un nmeros X de puntos defectuosos con una
media de 3 puntos defectuosos por loseta. El precio de loseta es S/. 8 si X=0, de
S/.5 si X es 1 2 y de S/.1,5 si X>2.
a. Si elige una loseta de S/. 5 de precio, calcule la probabilidad de que dicha loseta
tenga slo dos puntos defectuosos.
b. Calcule el precio esperado de loseta.

201. La cantidad de clientes que ingresan a una agencia de banco es en promedio 0,8 por
minuto. Calcule la probabilidad de que ingresen 5 clientes en un lapso de cinco
minutos y 5 clientes en el siguiente lapso de cinco minutos.

202. A Enigma Electronics S.A., establecimiento de venta de equipos electrnicos
aplicados a la bioingeniera, llega en promedio ocho clientes al da a lo largo de su
horario de atencin de ocho horas:
a. Cul es la probabilidad de que en dos horas continuas del horario de atencin
lleguen slo dos clientes?
b. Si se toma en cuenta una semana laboral (5 das laborables de ocho horas cada
uno), cul es la probabilidad de que slo en dos de los cinco das asistan
exactamente ocho clientes?

203. La cantidad diaria de caf, en litros, que sirve una mquina localizada en el
vestbulo de un aeropuerto es una variable aleatoria X que tiene una distribucin
continua uniforme con A = 7 y B = 10. Encuentre la probabilidad de que en un da
dado la cantidad de caf que sirve esta mquina sea a lo ms 8,8 litros.

166
204. El ingreso mensual, en miles de dlares, de un microempresario del sector textil se
asume que es una variable aleatoria continua X con una distribucin uniforme en el
intervalo [0, 20]. Actualmente se grava a todos los microempresarios con un
impuesto del 10% sobre los ingresos; qu recaudacin se espera est generando el
impuesto actual por cada microempresario?

205. El ingreso mensual, en miles de dlares, de un microempresario del sector textil se
asume que es una variable aleatoria continua X con una distribucin uniforme en el
intervalo [0, 20]. Actualmente se grava a todos los microempresarios con un
impuesto del 10% sobre los ingresos. Si el Ministerio del ramo est pensando
gravar con r % al ingreso pero slo a los microempresarios que posean ingresos
superiores a la media poblacional y no cobrar impuestos al resto, cul debe ser el
valor r para que el nuevo impuesto genere una recaudacin promedio igual que el
actual?

206. Una mquina despachadora de refrescos est ajustada para servir un promedio de
200 mililitros por vaso. Si la cantidad de refresco es normalmente distribuida con
una desviacin estndar de 15 mililitros:
a. Qu proporcin de los vasos contendr ms de 224 mililitros?
b. Cul es la probabilidad de que un vaso contenga entre 191 y 209 mililitros?
c. Cuntos vasos aproximadamente se derramarn si se utilizan vasos de 230
mililitros en los siguientes 1000 refrescos?
d. Debajo de qu valor se obtiene el 25% de refrescos con menor contenido?

207. En un proceso industrial el dimetro de un cojinete es un componente importante.
Se sabe que el dimetro del cojinete tiene una distribucin normal con media 3,0.
a. Qu porcentaje de cojinetes tienen dimetros que difieren de la media en ms
de 1,3 o?
b. Un comprador ha establecido que las especificaciones en el dimetro sean 3
0,01 cm. es decir, ningn cojinete con un dimetro fuera de estas
especificaciones se aceptar. Si se debe separar el 4,56% de los cojinetes
producidos por no cumplir con las especificaciones, cul es la desviacin
estndar del dimetro de los cojinetes?
c. Si para otro comprador se debe separar el 5% de los cojinetes producidos por no
cumplir con las especificaciones, entre qu valores deben estar los dimetros
de los cojinetes para que cumplan con las especificaciones?
d. Si se toma cinco cojinetes, cul es la probabilidad de que slo uno de ellos
tengan un dimetro mayor a 3,0098 cm?

208. Enigma S.A. empaca sus galletas redondas en bolsas de 240 g. lo cual es indicado
en el empaque. El gerente de produccin ha sabido en forma confidencial que habr
auditora de costos por las prdidas que ha tenido la empresa atribuidas al mal
control de costos en produccin. El gerente est preocupado de que se atribuya
dichas prdidas a las bolsas de galletas de 240 g. Por experiencia, el gerente sabe
que la mquina de embolsado tiene una desviacin estndar de 4,5 g y una media

167
que corresponde a la marca a la cual se le regula. El peso de las galletas en la bolsa
es normal.
a. Si el gerente regula la mquina de embolsado a 235 g cul ser la probabilidad
que las bolsas de galletas sobrepasen el peso indicado en el empaque?
b. Si el Departamento de Defensa del Consumidor exige que por lo menos el 98%
de los productos tenga por lo menos el peso indicado en sus empaques, a qu
marca debe regularse la mquina de embolsado?

209. Las notas finales del curso de Estadstica Experimental siguen aproximadamente
una distribucin normal con una media de 12. Si el 95,44 % de los estudiantes que
siguieron el curso obtuvieron calificaciones entre 8 y 16:
a. Cul es el valor de la desviacin estndar de la distribucin?
b. Si la nota aprobatoria es 12,5, qu porcentaje de alumnos aprob el curso?
c. Qu nota como mnimo debe tener un alumno para estar ubicado en el quinto
superior?

210. Los estudios muestran que el rendimiento de combustible de los autos ms
econmicos del mercado actualmente tiene una distribucin normal con una media
de 70,5 Km. por galn y una desviacin estndar de 4,5 Km. por galn. Si un
fabricante desea disear un auto con ms rendimiento que el 95 % de los autos ms
econmicos que son ofrecidos en el mercado actualmente, cul debe ser el
rendimiento mnimo del auto?

211. Un contratista de construccin afirma que elaborar un proyecto de construccin
demora en promedio 40 horas de trabajo, ms o menos 5 horas para el 70% de los
casos. Suponiendo, de la experiencia anterior, que los tiempos para completar
proyectos similares se distribuyen normalmente, determine la probabilidad de que
un proyecto quede terminado:
a. En menos de 35 horas.
b. Entre 28 y 32 horas.
c. Entre que valores alrededor de la media se terminarn el 50% de los
proyectos?

212. Las puntuaciones de una prueba de aptitud acadmica tomada a 900 alumnos estn
distribuidas normalmente con una media de 60 puntos y una desviacin estndar de
10 puntos.
a. Qu porcentaje de alumnos obtuvo una puntuacin mayor a 75 puntos?
b. Cuntos alumnos recibieron puntuacin entre 40 y 50 puntos?
c. Si el 12.3 % de los alumnos con mayor puntuacin reciben el calificativo A y el
20% de los alumnos con menor nota reciben el calificativo C, calcular el
mnima puntuacin que debe tener un alumno para recibir un A y la mxima
puntuacin que debe tener un alumno para recibir un C.

168
213. En un da determinado el monto del consumo por persona en un restaurante se
distribuye normalmente con una desviacin estndar de $5. Se sabe que el 15,87%
de los clientes pagan ms de $15.
a. Cul es el monto promedio de consumo por persona?
b. Si en un da determinado 112 personas pagaron menos de $7,10 cada una,
cuntas personas consumieron en el restaurante?
c. Si al 20% de los clientes de mayor consumo se les considera como excelentes,
cul es el monto mnimo de consumo de un cliente del restaurante para que sea
considerado como excelente?

214. Una empresa fabrica repuestos de automviles. Una de estas piezas requiere una
medida de 4,2 0,05 cm. para que sea aceptada por su cliente. Se sabe que los
tornos automticos de la fbrica producen la pieza con una medida promedio de
4,18 cm. y una desviacin estndar de 0,06 cm. Cul es la probabilidad de que una
pieza producida en el torno de la fbrica cumpla las especificaciones?

215. Una operacin de maquinado produce rodamientos con dimetros cuyas medidas se
distribuyen normalmente, con una media y una desviacin estndar de 3,005 y
0,001 respectivamente. Las especificaciones del cliente piden que los dimetros de
los rodamientos queden en el intervalo 3,000 0,002. Los que queden fuera de ese
intervalo no seran aceptados. De continuar invariables las condiciones de trabajo,
qu porcentaje de la produccin total no sera aceptado?

216. La vida til de una lavadora automtica tiene una distribucin aproximadamente
normal con una media y una desviacin estndar de 3,1 y 1,2 aos,
respectivamente. Si este tipo de lavadora tiene garanta de un ao y sta consiste en
reemplazar a la lavadora sin vida til por una nueva, Qu porcentaje de las
lavadoras vendidas necesitar ser reemplazadas por nuevas?

217. El presidente de una asociacin desea convocar a una asamblea general a los 600
miembros. Por experiencias anteriores la hora de llegada de los asociados se
distribuye normalmente con un promedio de retraso de 30 minutos y una desviacin
estndar de 10 minutos. Si la reunin slo puede comenzar si se encuentran
presentes por lo menos 500 miembros y el presidente necesita que la reunin se
inicie a 8:30 p.m.
a. A qu hora debe convocar la reunin?
b. Si la reunin es para las 20:00 h., cuntos miembros se espera encontrar a las
20:30 h.?

218. El volumen que una mquina de llenado automtico deposita en las latas de una
bebida gaseosa sigue una distribucin normal con una media de 12,4 onzas de
lquido y desviacin estndar 0,1 onzas de lquido.
a. Cul es la probabilidad que el volumen depositado sea menor que 12 onzas?

169
b. Si se desechan todas las latas que tienen menos de 12,1 o ms de 12,6 onzas de
lquido cul es el porcentaje de latas desechadas?
c. Calcule las especificaciones que sean simtricas alrededor de la media, de modo
que se incluya el 99% de todas las latas.

219. Un editor descubri que el nmero de palabras contenida en un manuscrito tiene
una distribucin normal, con una media de 20 000 palabras que exceden a lo
especificado en el contrato del autor, adems la desviacin estndar es de 10 000
palabras. Si el editor desea estar seguro en un 95% de que le manuscrito tenga
menos de 100 000, qu nmero de palabras deber especificar en el contrato?

220. Se puede regular una cargadora de arroz para que descargue en las bolsas
cantidades de arroz que tendr una distribucin normal con media el valor al cual se
ha regulado la mquina y una desviacin de 12,8 gramos.
a. Si una empresa quiere utilizar la cargadora para llenar bolsas de 1 Kg. y slo 1
de cada 100 bolsas excede dicha cantidad, a qu valor tendr que ajustar la
cargadora?
b. Si la empresa quiere llenar bolsas de 750 g. pero INDECOPI exige que mximo
el 5% de las bolsas pesen menos de lo indicado a qu valor de la media se
tendr que ajustar la cargadora?

221. La directora de una empresa necesita aplicar un examen de aptitud a los solicitantes
de empleo. Para mejorar el proceso de seleccin adquiri una prueba de aptitud.
Segn las instrucciones, la prueba est diseada de tal manera que el tiempo que
requerirn los evaluados para terminarla se puede estimar que seguir una
distribucin normal con una media de 120 minutos y una desviacin estndar de 25
minutos. Cunto debe durar la prueba si se quiere que el 30% no la termine?

222. Si en una distribucin normal el P
9
es 15,82 y el P
97
es 25,48 calcule el promedio
y la desviacin estndar o de la distribucin normal.

223. En Enigma Manufacturing S.A. se fabrican para la industria de la aviacin unos
pasadores de aluminio con un dimetro cuya distribucin es aproximadamente
normal, con promedio = 10 mm y desviacin estndar o = 0,03 mm. En unas
placas de aluminio se hacen agujeros en forma automtica, cuyos dimetros tienen
distribucin normal con promedio d mm. y od = 0,04 mm. Cul debe ser el valor
de d para que la probabilidad de que un pasador no entre en un agujero sea 0,03?

224. Si la duracin de los focos que produce una compaa se distribuye normalmente.
Si el 18,41% de estos focos duran menos de 8,2 meses y el 6,68% duran al menos
13 meses.
a. Calcule la media y la varianza de la duracin de los focos.

170
b. Si el costo de cada foco es de S/. 10 y se vende en S/. 25, pero garantizando la
devolucin total del dinero si dura menos de 8 meses, cul es la utilidad
esperada por foco?

225. La vida de cierto componente electrnico sigue una distribucin normal con una
media de 5 aos y con una desviacin estndar de un ao. El fabricante ofrece
reemplazar gratis todos los componentes que fallen dentro del tiempo de garanta.
El fabricante del componente est dispuesto a reemplazar slo el 3% de los
componentes que fallan:
a. De qu duracin debe ser la garanta que ofrezca el fabricante?
b. El costo de fabricacin del componente es de S/.10. y el precio de venta es de
S/. 25. Si se venden 1500 componentes, cul es la utilidad total esperada por
dichas ventas?

226. La presin de un neumtico seleccionado al azar, instalado en un automvil nuevo,
est normalmente distribuido. Se sabe que el 6,68% de los neumticos tiene una
presin menor a 30,7 lb/pulg
2
y que el 80,85 % de los datos tiene una presin
mayor a 30,85 lb/pulg
2
.
a. Cules son los valores de la media y desviacin estndar de la presin de aire
de los neumticos mencionados?
b. Si se considera a un neumtico con presin baja si sta es menor que 30,4
lb/pulg
2
, cul es la probabilidad de que al menos uno de los cuatro neumticos
instalados un automvil nuevo tenga presin baja?

227. Un tornero realiza tres procesos. El primero consiste en colocar la pieza en el torno,
el segundo en maquinar la pieza y el tercer proceso en desmontar la pieza para que
el siguiente proceso se la lleve. El tiempo del primer proceso es una variable
aleatoria normal con media 1,5 minutos y desviacin estndar de 0,3 minutos, el
tiempo del segundo proceso es una variable aleatoria normal con media 6,0 minutos
y desviacin estndar de un minuto, mientras que el tiempo del tercer proceso es
una variable aleatoria normal con media 0,5 minutos y desviacin estndar de 0,2
minutos. Si el tiempo requerido para iniciar el siguiente proceso en la pieza es una
variable aleatoria normal con media 8,1 minutos y desviacin estndar de 0,9
minutos. Hallar la probabilidad de que la primera pieza producida en el da llegue a
tiempo al siguiente proceso.

228. El costo de producir una gaseosa tiene tres componentes:
El costo del plstico que se distribuye normal con media 8 y varianza 9
El costo de la mano de obra por trabajador que se distribuye normal con media
3 y varianza 1
El costo del lquido que se distribuye normal con media 6 y varianza 16.
Si se necesitan dos trabajadores y los costos se pueden considerar independientes,
calcule la probabilidad de que alcance los recursos financieros, si stos se
distribuyen normalmente con media 21 y desviacin estndar 5.

171
A
B C
X X
Y
D
A
B C
X X
Y
D

229. Una empresa fabricante de detergentes tiene asignada una mquina especial para el
llenado y sellado de las bolsas del detergente Enigma Limn. Se sabe que el peso de
detergente que la mquina deposita en las bolsas sigue una distribucin normal con
media de 87,5 g. y desviacin estndar de 0,5 g. Se sabe tambin que las bolsas
vacas utilizadas en el embolsado de Enigma Limn tienen un peso que sigue una
distribucin normal con media 21,5 g. y una desviacin estndar de 1,2 g. Cul es
la probabilidad de que una bolsa llena de detergente, escogida al azar a la salida del
proceso de embolsado, tenga un peso mayor a 110 g?

230. En un lugar que tiene terreno arenoso se plantaron 50 rboles de cedro cierto tipo y
se plantaron otros 50 de cedro en un terreno arcilloso. Sea X = nmero de rboles
plantados en terreno arenoso que sobreviven ms de 1 ao e Y = nmero de rboles
plantados en terreno arcilloso que sobreviven ms de 1 ao. Si la probabilidad de
que un rbol de cedro plantado en terreno arenoso sobreviva ms de 1 ao es 0,7 y
la probabilidad de que sobreviva ms de 1 ao en terreno arcilloso es 0,6, calcule la
probabilidad P(-5 s X Y s 5).

231. La duracin de cierto tipo de batera est normalmente distribuida con valor medio
de 8 horas y desviacin estndar 1 hora. Si se toman cuatro de este tipo de bateras
y se les mide la duracin, cul es el valor de duracin de todas las bateras del
paquete de tal manera que dicha duracin exceda en valor slo al 5% de la
duracin de todos los paquetes.

232. Un componente en forma de U va a formarse con las partes A, B y C. En la figura
se muestra el diagrama de las figuras ensambladas. La longitud Y de la parte A
tiene una distribucin normal con una media de 10 mm. y una desviacin estndar
de 0,1 mm. El grosor X de las partes B y C tiene una distribucin normal con una
media de 2 mm. y una desviacin estndar de 0,04 mm. Si todas las dimensiones
son independientes, cul es la probabilidad de que la abertura D sea menor que 5,9
mm.

D

172
233. El Sr. Enigma Deviation tiene tres mensajes que atender en el edificio
administrativo. Sea X
i
igual al tiempo que toma el i-simo mensaje (i = 1, 2, 3) y
sea X
4
el tiempo total que utiliza para caminar hacia el edificio, desde ste de
regreso a la oficina y entre cada mensaje. Suponga que las X
i
son independientes,
normalmente distribuidas, con las siguientes medias y desviaciones estndar:
1
=
15 min. o
1
= 4 min.,
2
= 5 min., o
2
= 1 min.,
3
= 8 min., o
3
= 2 min. Adems
4

= 20 y o
4
= 2. Si el Sr. Enigma piensa salir de su oficina precisamente a las 10:00 y
desea pegar una nota en su puerta que dice regreso a las t horas. A qu hora t
debe escribir si desea que la probabilidad de su llegada despus de t sea 0,01?

234. Un estudiante tiene una clase que se supone termina a las 9:00 h y otra que
comienza a las 9:10 h. Si el tiempo real de terminacin de la clase de 9:00 h. es una
variable aleatoria normalmente distribuida con media 9:02 h. y desviacin estndar
1,5 minutos y que la hora de inicio de la siguiente clase es tambin una variable
aleatoria normalmente distribuida con media 9:10 h y desviacin estndar 1 minuto.
El tiempo necesario para salir de un saln y entrar a otro es una variable aleatoria
con media 6 minutos y desviacin estndar 1 minuto. Cul es la probabilidad de
que un estudiante llegue a la segunda clase antes de que el profesor la haya
iniciado?

235. La manufactura de cierto componente requiere tres diferentes operaciones de
maquinado. Los tiempos de maquinado de las operaciones siguen distribuciones
normales y son independientes entre s. Los valores medios de duracin de las
operaciones de maquinado son
1
= 15 minutos,
2
= 30 minutos y
3
= 20 minutos
y las desviaciones estndar son o
1
= 1 minuto, o
2
=3 minutos y o
3
= 2 minutos.
a. Cul es la probabilidad de que el tiempo de manufactura de cada uno de cuatro
componentes seleccionar al azar sea mayor a una hora?
b. Cul es la probabilidad de que el tiempo total para la manufactura de cuatro
componentes seleccionados al azar sea mayor a cuatro horas?
c. Para la resolucin de las preguntas anteriores, es importante considerar que los
tiempos de maquinado de cada operacin son independientes? Sustente.

236. Enigma S.A. produce tornillos de precisin en dos mquinas. La longitud de los
tornillos es una variable aleatoria normal con una media de 13 cm. en ambas
mquinas y con una desviacin estndar de 0,25 cm. en la mquina 1 y 0,20 cm. en
la mquina 2. La mquina 1 produce el 70% del total de la produccin y la mquina
2 el resto.
a. De acuerdo a las normas de control de calidad, un tornillo debe medir entre
12,75 y 13,25 cm. para ser considerado aceptable. Qu porcentaje de los
tornillos producidos en Enigma S.A. es aceptable?
b. Si los tornillos se embalan en cajas de 36 unidades cada una y se toma una caja
al azar, cul es la probabilidad de que el promedio de longitud de los tornillos
de la caja est entre 12,9 y 13,1 cm. si todos los tornillos de la caja provienen de
la mquina 1?

173
c. Si los tornillos se embalan en cajas de 144 unidades cada una y se toma una caja
al azar, cul es la probabilidad de que ms del 85% de los tornillos de la caja
sean aceptables si todos los tornillos provienen de la mquina 2?
d. Si por cada tornillo que es aceptable se gana $0,50 y por cada tornillo que no es
aceptable se pierde $0,10, cul es la ganancia esperada por caja de 144
unidades si los tornillos provienen de ambas mquinas?

237. El Gerente General de una importante empresa de construccin ha analizado los
pagos que la empresa realiza a sus 224 obreros asignados a las distintas obras
actualmente en ejecucin. Los jornales que reciben dichos obreros se distribuyen
normalmente con una media S/. 39 por da y una desviacin estndar de S/. 3,5 por
da. El Gerente tiene informacin que actualmente en el mercado laboral un obrero
recibe en promedio S/. 42 al da, razn que podra explicar los informes de los
supervisores de las obras en los que dan cuenta de cierto malestar en el nimo de
los obreros as como un paulatino pero sostenido retiro de los mejores elementos.
Para revertir la situacin ha pensado en dar un aumento en las remuneraciones y
tiene que decidir entre dos formas de realizar el reajuste de los pagos:
1: Aumento mediante la suma de una bonificacin idntica a cada jornal.
2: Aumento mediante la multiplicacin por un factor idntico a cada jornal.
Calcule los parmetros de las distribuciones de los jornales para cada una de las
formas de realizar el reajuste, con la condicin de que en cualquier caso slo el
45% de los obreros gane menos del promedio del mercado.

238. Una mquina fabrica arandelas cuyo radio interior r se distribuye normalmente con
una media de 20 mm. y una desviacin estndar de 0,3 mm. y cuyo radio exterior R
se distribuye normalmente con una media de 50 mm. y una desviacin estndar de
0,4 mm. Ambas variables son independientes. Se considera una pieza defectuosa si
la diferencia de radios supera los 30,98 mm. o bien si dicha diferencia es menor de
29,22 mm.
a. Cul es la probabilidad de que una arandela sea defectuosa?
b. Si se escoge una muestra de 20 arandelas, cul es valor esperado de arandelas
defectuosas y de la proporcin muestral de arandelas defectuosas?
c. De 20 arandelas, qu probabilidad existe de que se encuentren 5 arandelas
defectuosas?

239. BelLabs adquiere componentes para sus telfonos celulares en lotes de 200 de un
proveedor. El componente tiene una tasa de defectos del 10%. Una poltica
establecida recientemente por BelLabs establece que si el siguiente envo tiene:
Ms del 12% de defectos, definitivamente buscar un nuevo proveedor.
Entre 10 y 12 % de defectos, considerar un nuevo proveedor.
Entre 5 y 10% de defectos, definitivamente no conseguir un nuevo proveedor.
Menos del 5% de defectos, incrementar sus pedidos.
Cul decisin es ms probable que tome BelLabs?

174
240. La primera tarea en un curso introductorio de programacin por computadora
implica correr un breve programa. Si la experiencia indica que el 40% de todos los
estudiantes no cometern errores tipogrficos, calcule la probabilidad de que en un
grupo de 50 estudiantes, ms de 15 pero menos de 25 estudiantes no cometan
errores.

241. El nmero de infracciones por estacionamiento en cierta ciudad en cualquier da
hbil tiene una distribucin de Poisson con parmetro = 50. Cul es la
probabilidad aproximada de que:
a. Entre 35 y 70 infracciones se expidan en un da en particular?
b. El nmero total de infracciones expedidas durante una semana de 5 das sea
entre 225 y 275?

242. Si el nmero de llamadas que se reciben por hora en una central telefnica es una
variable de Poisson con = 6. Cul es la probabilidad de esperar ms de 15
minutos entre dos llamadas sucesivas?

243. A Enigma Electronics S.A., establecimiento de venta de equipos electrnicos
aplicados a la bioingeniera, llegan en promedio ocho clientes al da a lo largo de su
horario de atencin de ocho horas: Cul es la probabilidad de que entre la llegada
de un cliente y la llegada del siguiente pase ms de una hora?

244. El nmero de solicitudes de asistencia recibido por un servicio de remolque de
vehculos con fallas tiene un promedio de 4 por hora:
a. Calcule la probabilidad de que exactamente diez solicitudes se reciban durante
un periodo particular de dos horas?
b. Si los operadores de las gras de remolque descansan al medio da durante 30
minutos para tomar sus alimentos, cul es la probabilidad de que no se
produzca ninguna llamada de asistencia durante dicho lapso?
c. Calcule el tiempo esperado entre dos solicitudes de asistencia recibidas
consecutivamente.
d. Calcule e interprete la desviacin estndar del tiempo que transcurre entre dos
solicitudes consecutivas.
e. Calcule e interprete la mediana del tiempo transcurrido entre dos solicitudes
consecutivas.
f. Calcule la probabilidad de que entre dos solicitudes sucesivas transcurran ms
de 20 minutos si sabemos que han transcurrido 15 minutos o ms.

245. El nmero de llamadas que llegan a un servidor sigue una distribucin de Poisson
con una tasa media de 2 llamadas por segundo. Encuentre la probabilidad de que:
a. Menos de dos llamadas lleguen en un periodo de un segundo.
b. El tiempo transcurrido entre dos llamadas consecutivas sea ms de 1,2 seg.

175
c. Que en tres segundos consecutivos, slo en uno de ellos se haya producido
menos de dos llamadas.

246. Llegan automviles a una estacin de inspeccin de equipo vehicular con una
media de 5 automviles por hora. De acuerdo a los registros, la probabilidad de que
una automvil tenga sus equipos en buenas condiciones es 0,5. Cul es la
probabilidad de que exactamente lleguen 5 automviles a la estacin y todos tengan
sus equipos en buenas condiciones?

247. Un sistema de alarmas instalado en un Banco de la ciudad est formado por dos
componentes, A y B, que actan en forma independiente. El sistema permanece
operando si uno de ellos o ambos componentes funcionan. Si el tiempo de vida del
componente A (en horas) es una variable aleatoria que sigue una distribucin
exponencial con promedio 250 horas y el tiempo de vida de B es tambin una
variable aleatoria de distribucin exponencial con promedio de 220 horas,
determine la probabilidad de que el sistema de alarmas trabaje ms de 240 horas.

248. Una fbrica cuenta con 3 mquinas: A, B y C donde la mquina A produce
diariamente el triple de B y sta el doble de C. Adems se sabe que el peso de los
artculos producidos por A se distribuyen exponencialmente con una media de 5
Kg., el peso de los artculos producidos por B se distribuyen uniformemente entre 3
Kg. y 8 Kg., mientras que el peso de los artculos producidos por C se distribuye
normalmente con una media de 6 Kg. y una desviacin estndar de 2 Kg. Si se
extrae al azar un artculo, cul es la probabilidad de que pese a lo ms 5 Kg.?

249. El lapso para que un individuo sea atendido en una cafetera tiene una media de
cuatro minutos. Cul es la probabilidad de que una persona sea atendida en menos
de tres minutos en al menos cuatro de las siguientes seis veces que va a la cafetera?

250. Una empresa brinda un servicio a su pblico mediante el uso de una ventanilla de
atencin. Los clientes que llegan a la empresa lo hacen a razn de uno cada 4
minutos.
a. Cul es la probabilidad de que lleguen tres clientes en un lapso de 15
minutos?
b. Cul es la probabilidad de que lleguen tres clientes en un lapso de 15
minutos, de tal manera que el primero llegue antes de los primeros 5 minutos,
el segundo entre los 5 y 10 minutos y el tercero llegue despus de los 10
minutos?
c. Cul es la probabilidad de que transcurran ms de 10 minutos antes de que
llegue un cliente?
d. Encuentre el tiempo mediano entre llegadas de cliente. Interprete el resultado.

176
251. El tiempo de vida til de un componente electrnico, en miles de horas, es una
variable aleatoria X con una funcin densidad:

f(x) =
>
caso otro cualquier en 0

0 si e
x

El costo de fabricacin de cada componente es de $ 20 y el fabricante lo vende a
$50, pero garantiza el reembolso total una sola vez si el componente dura menos de
900 horas, cul es la utilidad neta esperada por el fabricante por cada componente?

252. El tiempo de vida en aos de un componente de un sistema es una variable aleatoria
X con funcin densidad

<
>
=

0 0
0 5
) (
2 /
x
x ke
x f
x

a. Determine el valor k.
b. Determine la funcin de distribucin acumulada de X. Grafique. Cul es la
probabilidad de que la componente dure al menos 18 meses?
c. Si el costo C de la componente est dado por: C = 4 + 0,5 X, halle el valor
esperado del costo.

253. Un fusible tiene una duracin X que es una variable aleatoria con distribucin
exponencial. Hay dos procesos mediante se puede fabricar el fusible.
El proceso 1 da una duracin esperada de 150 horas.
El proceso 2 da una duracin esperada de 250 horas.
El proceso 2 es dos veces ms costoso por fusible que el proceso 1 y ste cuesta 20
soles. Adems, si un fusible dura menos de 300 horas, se carga una perdida de 10
soles en contra del fabricante.Qu proceso se deber usar el fabricante?. Sustente
su respuesta.

254. Un sistema tiene una vida til X unidades de tiempo que est exponencialmente
distribuida con media unidades de tiempo.
a. Si el costo de operacin por unidad de tiempo es c, cul es el costo esperado de
operar este sistema durante su vida til?
b. En lugar de una tasa constante c como en la parte a), la tasa de costo es c(1
0,5 e
ax
) donde la constante a < 0, de modo que el costo por unidad de tiempo es
menor que c cuando el sistema es nuevo y se hace ms costoso a medida que el
sistema envejece. Calcule el costo esperado durante la vida til del sistema.
c. Si el 25% de los componentes duran por lo menos k unidades de tiempo,
determine el valor de k.
d. Tomando en cuenta la parte c), al azar se prueban tres de estos sistemas, cul
es la probabilidad de que por lo menos uno de ellos funcione al menos k?

177

178

Distribucin muestrales

7.1 Concepto de distribucin muestral

7.2 Distribucin muestral de media

7.3 Distribucin muestral de proporcin

7.4 Distribucin muestral de varianza

7.5 Distribucin muestral de diferencia de medias

7.6 Distribucin muestral de diferencia de proporciones

7.7 Problemas de distribuciones muestrales

7

179

180
7.1 Concepto de distribucin muestreal

A partir de la poblacin se puede tomar muestras del mismo tamao (n).
Los estadsticos tomarn diferentes valores de muestra en muestra. Una
distribucin muestral es la lista de posibles valores de un estadstico y la
probabilidad asociada a cada valor. Se puede construir varias distribuciones
muestrales a partir de una poblacin y depender del tipo de estadstico que se
tome como referencia.

7.2 Distribucin muestral de la media

Es la lista de todas las medias posibles de tamao n tomadas de una poblacin
especfica.

Poblacin Muestras tamao n

N
x
x
o

N
x
x
x
x
x
...
4
3
2
1

m x
x
x
x
3
2
1

Distribucin muestral de x

m x
x
x
x
x
...
4
3
2
1

m
n
x
x
o

Error estndar de la distribucin muestral -
x
o

Es la desviacin estndar de la distribucin muestral de la media.

181
Si el muestreo es con reposicin y se consideran todas las muestras de tamao
n, entonces se cumplen las siguiente relaciones entre la poblacin y la
distribucin muestral de la media:

x x
=

n
x
x
2
2
o
o =

Si la poblacin es finita y el muestreo es sin reposicin, la varianza de la
distribucin muestral se multiplica por el factor de correccin de poblacin
finita:

|
.
|
\
|
=
1 -
-
2
2
N
n N
n
x
x
o
o

Distribucin muestral de la media (
x
) en una poblacin normal
con media ( x) y desviacin estndar ( ox ) conocidos.

Si los datos de la poblacin (x) siguen una distribucin normal, la distribucin
muestral de la media ( x ) tambin sigue una distribucin normal.

X ~ N (
x
, o
x

2
) Distribucin de
la poblacin

) , ( N ~ X
2
x
o
x
Distribucin
Muestral de x

x
x

x
x

182
Ejemplo 7.1:
Si se extrae todas las muestras posibles de tamao 16 de una poblacin normal
con media igual a 50 y con desviacin estndar igual a 5, cul es la
probabilidad de que la media de una de las muestras tenga un valor entre 47,5 y
49,5?

Solucin:
Los parmetros de la distribucin muestral son:

25 , 1
16
5

50
x
= = =
=
n
x
x
o
o

La probabilidad es P(-1,8 < Z < -0,4) = 0,3087

Ejemplo 7.2:
Del ejemplo anterior, suponga que el muestreo se hace sin reposicin y que la
poblacin tiene un tamao de 200, cul es la probabilidad de que la media de
una muestra de tamao 16 extrada al azar tenga un valor entre 47,5 y 49,5?

Dado que la poblacin es finita, los parmetros de la distribucin muestral son:

202 , 1
1 200
16 200
16
5
1
50
x
=
=
=
N
n N
n
x
x
o
o

La probabilidad es P(-2,08 < Z < -0,42) = 0,3184
2 4
=50
x
47,5 49,5
0 1,8 0,4
Z
=50
x
47,5 49,5
0 2,08 0,42
Z

183
Teorema del Lmite Central

A medida que crece el tamao de la muestra ( n ) la distribucin muestral de la
media ) ( x se acerca a la normal, independiente de la forma de la distribucin
de los valores individuales de la poblacin (x).

En general se acepta que si el tamao de la muestra n es 30 como mnimo, se
puede considerar que la distribucin muestral de la media sigue una
distribucin normal, es decir:

Distribucin de
poblacin x

Distribucin
muestral de x

Ejemplo 7.3:
La distribucin del ingreso familiar en Lima es asimtrica con sesgo hacia la
derecha. El ltimo censo revela que el ingreso familiar medio es de S/. 1 200
con una desviacin estndar de S/. 200. Para una muestra aleatoria de 64
familias, calcule la probabilidad de que el ingreso familiar medio de la muestra
sea mayor a la media de la poblacin en ms de S/. 25.

Solucin:
Como la muestra es grande (mayor a 30), entonces no importa que tipo de
distribucin sigue la poblacin, la distribucin muestral de la media sigue una
distribucin normal con parmetros:
25
64
200

1200
x
= = =
=
n
x
x
o
o
por lo tanto: P(Z > 1) = 0,1587

x
x
x

x

4
= 1 200 x
1 225
0 1
Z

184
Un enunciado distinto pero equivalente del Teorema del Lmite Central es:

Si n variables aleatorias independientes X
1
, X
2
, X
3
, ...X
n
tienen la misma
distribucin de probabilidad con media y varianza
2
(es decir, tienen la
misma funcin de probabilidades en el caso discreto o la misma funcin de
densidad en el caso continuo)

Si estas n variables aleatorias son independientes, entonces la variable aleatoria
Y = X
1
+ X
2
+ X
3
+... + X
n
tiene:

Media E(Y) =
y
= n .

Varianza
2
y
= n .
2

Y tiende a seguir una distribucin normal a medida que n crece. Se considera
aproximadamente una distribucin normal si n > 30.

Ejemplo 7.4:
El tiempo que demora un operario en terminar de ensamblar un objeto es una
variable aleatoria X, cuya distribucin tiene una media de 20 minutos y una
desviacin estndar de 2,5 minutos. Si el operario tiene que entregar 50 objetos
totalmente terminados, calcule la probabilidad de que utilice menos de 980
minutos

Solucin:
Sea Y el tiempo total que toma el operario en ensamblar los 50 objetos y sea Xi
el tiempo que toma el operario en ensamblar el objeto i.

Entonces: Y = X
1
+ X
2
+ X
3
+ ...+ X
50

y los parmetros son:

Y
= 50 . 20 = 1000 minutos

o
2
y
= 50 . 2,5
2
o
y
= 17,678

La probabilidad P(Z < -1,31) = 0,0951
= 1000 980
x
0 -1,31
Z

185
Intervalo de confianza para con varianza
2
o conocida.

Si X es la media de una muestra aleatoria de tamao n de una poblacin con
varianza s
2
, conocida, un intervalo de confianza de ( 1 )x100% para est
dado por:

n
z X
n
z X
2 / 1 2 / 1
o
+ < <
o
o o

donde
2 / 1
z
o
es el valor que deja un rea de 1- o/2 a la izquierda.

Al trmino
n
o
se le conoce como el error estndar o desviacin estndar del
promedio muestral cuando la seleccin de la muestra es con reemplazo.
Si el muestreo es sin reemplazo, el error estndar ser:
1 N
n N
n

o

y los lmites de confianza se calculan con la siguiente frmula.

1 N
n N
n
z X
1 N
n N
n
z X
2 / 1 2 / 1
o
+ < <
o o

Ejemplo 7.5:
Una empresa elctrica fabrica focos que tienen una duracin aproximadamente
distribuida de forma normal con desviacin estndar de 40 horas. Si una
muestra de 30 focos tiene una duracin promedio de 780 horas, encuentre un
intervalo de confianza de 96% para la media de la poblacin de todos los focos
que produce esta empresa.

Solucin:
La estimacin puntual de es
780 X =
. El valor z, que deja un rea 0,980 a la
izquierda, es Z
0,98
= 2,05. De aqu que el intervalo de confianza del 96% es:

( ) ( ) |
.
|
\
|
+ < < |
.
|
\
|
30
40
05 . 2 780
30
40
05 . 2 780

efectuando las operaciones indicadas se tiene: 795 765 < <

Con 96% de confianza entre 765 y 795 horas se encontrar la media de la
duracin de la poblacin de todos los focos que produce la empresa.

186

Intervalo de confianza para con varianza
2
o desconocida

Si Xy S son la media y la desviacin estndar de una muestra aleatoria de
tamao n de una poblacin con varianza
2
o , desconocida, un intervalo de
confianza de ( o 1 ) . 100% para est dado por:

n
S
t X
n
S
t X
2 / 2 / o o
+ < <

donde
2 /
t
o
es el valor t con (n -1) grados de libertad, que deja un rea de 2 / o
a la derecha.

Al trmino
n
S
se le conoce como la estimacin del error estndar o
desviacin estndar del promedio muestral cuando la seleccin de la muestra
es con reemplazo.
Si el muestreo es sin reemplazo, el error estndar ser:
1 N
n N
n
S
y los lmites
de confianza se calculan con la siguiente frmula.

1 N
n N
n
S
t X
1 N
n N
n
S
t X
2 / 2 /
+ < <
o o

Ejemplo 7.6
Una mquina produce piezas metlicas de forma cilndrica. Se toma una
muestra de las piezas y los dimetros son 1.01, 0.97, 1.03, 1.04, 0.99, 0.98,
0.99, 1.01 y 1.03 centmetros. Encuentre un intervalo de confianza de 99% para
el dimetro medio de las piezas de esta mquina, suponga una distribucin
aproximadamente normal.

Solucin:
Primero se calcular las estimaciones puntuales de y
2
o , es decir el
promedio y desviacin estndar muestral.
( )
( ) ( ) ( )
025 , 0
8
006 , 1 03 , 1 ... 006 , 1 97 , 0 006 , 1 01 , 1
1 n
X X
S
006 , 1
9
03 , 1 ... 97 , 0 01 , 1
n
X
X
2 2 2
n
1 i
2
i
n
1 i
i
=
+ + +
=
=
=
+ + +
= =
=
=

El valor t con 8 grados de libertad, que deja un rea de 0,005 a la derecha es
t
0,005
= 3,355. De aqu que el intervalo de confianza del 99% es:

187

( ) ( ) |
.
|
\
|
+ < < |
.
|
\
|
9
025 , 0
355 , 3 006 , 1
9
025 , 0
355 , 3 006 , 1

efectuando las operaciones indicadas se tiene: 0,98 < < 1,03

Con 99% de confianza entre 0,98 y 1,03 horas se encontrar el dimetro medio
de las piezas de la mquina.

Ejemplo 7.7:
Una muestra aleatoria de 100 propietarios de automviles muestra que, en
Lima, un automvil se maneja, en promedio, 23 500 kilmetros por ao con una
desviacin estndar de 3 900 kilmetros. Construya un intervalo de confianza
de 99% para el promedio de kilmetros que se maneja un automvil en Lima.

Solucin:
Las estimaciones puntuales de y
2
o son respectivamente:

3900 s y 23500 X = = .

El valor z, que deja un rea de 0.005 a la derecha y por lo tanto un rea de 0,995
a la izquierda, es Z
0,995
= 2,58. De aqu que el intervalo de confianza del 99%
es:

( ) ( ) |
.
|
\
|
+ < < |
.
|
\
|
100
3900
58 , 2 23500
100
3900
58 , 2 23500

efectuando las operaciones indicadas se tiene: 22 493, 8< < 24 506,2

Con 99% de confianza entre 22 493.8 y 24 506.2 se encontrar el nmero
promedio de kilmetros manejados por los propietarios de automviles en
Lima.

7.3 Distribucin Muestral de la Proporcin

Si se selecciona una muestra aleatoria de n elementos de la poblacin y si X de
ellas tienen una caracterstica en estudio, entonces la proporcin muestral ser:

n
x
p =

188
Como X es una variable que sigue una distribucin binomial B(n,p), p es la
proporcin de xitos en la poblacin, entonces:

n
p p
Varianza
p Media
p
p
) - 1 ( .
2
=
=
o

Si n > 50 y tanto n.p como n.(1-p) son mayores que 5, entonces la distribucin
puede aproximarse a la distribucin normal.

Ejemplo 7.8:
Una empresa ha instalado bombas de agua de una determinada marca en
edificios de apartamentos, 10% de las cuales presentan fallas luego del primer
ao de uso. Si se inspeccionan 64 bombas de agua de dicha marca en edificios
de apartamentos que han sido instaladas hace ms de un ao, cul es la
probabilidad de que ms del 15% de las bombas de agua presenten fallas?.

Solucin:

Considerando una poblacin infinita, y como la muestra es grande, la
proporcin de bombas que presentan alguna falla luego de un ao de
funcionamiento sigue aproximadamente una distribucin normal con
parmetros:

0375 , 0
64
9 , 0 . 1 , 0
n
) p - 1 ( . p
estndar Desviacin 1 , 0 p Media
p p
= = = = = o

2 4
p
p
2 4
2 4
0,10
p
Z
0
0,15
1,33

189
La probabilidad P(Z > 1,33) = 0,0918

Ejemplo 7.9:
Del ejemplo anterior, considere que la empresa ha instalado en total 300
bombas de la marca en las distintas edificaciones apartamentos.

Solucin:

Considerando una poblacin finita,

033 , 0
1 300
64 300
64
9 , 0 . 1 , 0
1 N
n N
n
) p - 1 ( . p
estndar Desviacin
1 , 0 p Media
p
p
=
=
= =
o

Intervalo de confianza para la proporcin poblacional.

Si p
es la proporcin de xitos en una muestra aleatoria de tamao n, un

intervalo de confianza aproximado de ( o 1 )x100% para el parmetro binomial
p est dado por:

n
) p 1 ( p
z p p
n
) p 1 ( p
z p
2 / 1 2 / 1
+ < <
o o

donde Z
1-o/2
es el valor z que deja un rea de 1- 2 / o a la izquierda.
Si el muestreo es sin reemplazo y la fraccin de muestreo 05 . 0
N
n
> , los lmites
de confianza se calculan con la siguiente frmula.

Ejemplo 7.10:
El encargado del control de calidad desea estimar la proporcin de artculos
defectuosos. Se selecciona una muestra aleatoria simple de 200 de un total de
2 4
2 4
0,10
p
Z
0
0,15
1,5

190
1000, en la muestra el nmero de artculos defectuosos 10. Calcule una
estimacin por intervalos del 95% para la proporcin verdadera de artculos
defectuosos en dicha produccin

Solucin:

N = 1000 n = 200 X: nmero de artculos defectuosos p = 0,05

Como n / N > 5%, se debe emplear el factor de correcin:

(N - n)/(N - 1) = (1000 - 200)/(1000-1) = 0,8008

p = 0,05 1,96 .
1 1000
200 1000
.
200
95 , 0 . 05 , 0

entonces: 0,02296 < p < 0,07703

Se tiene un 95% de confianza que la proporcin de artculos defectuosos esta
comprendida entre 2,296% y 7,703%.

7.4 Distribucin Muestral de la Varianza

Si X ~ N(, o
2
) y s
2
es la varianza muestral, entonces:

2
1
2
2
) 1 (

=
n
n
s
_
o

La variable
2
n-1
sigue la distribucin chi cuadrado con n-1 grados de libertad.

Ejemplo 7.11:
Un fabricante de bateras de autos garantiza que sus bateras durarn en
promedio tres aos con una desviacin estndar de un ao. Si cinco de estas
f (x)
_
2

o
_o
2

191
bateras tienen duraciones de 1,9; 2,4; 3,0; 3,5 y 4,2 aos. Suponga que la
duracin de la batera sigue una distribucin normal.

Calculamos el valor de _
2
correspondiente:

277 , 13
1
175 , 3 ). 1 5 ( ) 1 (
2 2
2
2
=
=
o
_
s n

de acuerdo a la tabla respectiva, para un grado de libertad de 4, corresponde un
rea de 0,01. Por lo tanto:

P(s
2
> 3,175) = P(_
2
> 13,277) = 0,01

Intervalo de confianza para la varianza.

Si s
2
es la varianza de una muestra aleatoria de tamao n de una poblacin
normal, un intervalo de confianza de (1 - o) . 100% para
2
o es:

2
2 / 1
2
2
2
2 /
2
S ) 1 n ( S ) 1 n (
o o
_
o
_

< <

donde
2
2 / 1
2
2 /
y
o o
_ _

son valores _
2
con v = n -1 grados de libertad, que
dejan reas de o/2 y 1- o/2, respectivamente, a la derecha.

Ejemplo 7.12:
Un fabricante de bateras para automviles afirma que sus bateras durarn, en
promedio, tres aos con una varianza de un ao. Si cinco de estas bateras
tienen duraciones de 1.9, 2.4, 3.0, 3.5 y 4.2 aos, construya un intervalo de
confianza del 95% para
2
o y decida si la afirmacin del fabricante de que
2
o =
1 es vlida. Suponga que la poblacin de duraciones de las bateras se
distribuye de forma aproximadamente normal.

Solucin:
La estimacin puntual de
2
o es s
2
= 0,815.
f (x)
_
2

o
3,26

192

El valor _
2
1-o/2
, es un valor _
2
con v = 5-1 grados de libertad, que deja un rea
de 0,025 a la izquierda y por lo tanto un rea de 0,975 a la derecha, es _
2
0,975
=
0,484; de la misma forma, el valor _
2
o/2
es igual a _
2
0,025
= 11,143.
De aqu que el intervalo de confianza del 99% es:

484 . 0
) 815 . 0 )( 1 5 (
143 . 11
) 815 . 0 )( 1 5 (
2

< o <

Efectuando las operaciones indicadas se tiene:
7 . 6 3 . 0
2
< o <

Con 95% de confianza entre 0,3 y 6,7 se encontrar la varianza de la duracin
de las bateras. S es posible considerar como vlida la afirmacin del fabricante
porque el intervalo hallado contiene a la unidad.

7.5 Distribucin muestral de la diferencia de medias

Si tenemos dos poblaciones independientes con media
1
y
2
y varianzas o
2
1
y
o
2
2
, entonces la distribucin de la diferencias de medias ( 2 1 x x ) de muestras
tomadas de cada una de las poblaciones (n
1
y n
2
) tiene como media (
1

2
) y
como varianza (o
2
1
+ o
2
2
). La distribucin muestral de la diferencia de medias
seguir una distribucin normal si las variables poblaciones siguen
distribuciones normales o si el tamao de las muestras tomadas de cada una de
las poblaciones (n
1
y n
2
) son suficientemente grandes (TLC)

Sean
1
X y
2
X las medias de dos muestras aleatorias independientes de tamao
n
1
y n
2
seleccionadas de dos poblaciones normales con medias
2 1
y y
varianzas
2
2
1 1
2
1
/n y /n , conocidas, entonces la variable aleatoria
2 1
X X
tiene las siguientes propiedades:

1

2

2 1 x x

193
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
|
|
.
|
\
|
+
|
|
.
|
\
|
= + = =
+ = + = =
= = =
1 N
n N
n
1 N
n N
n
X V X V X X V
finita es poblacin la Si (b.2).
n
X V X V X X V
infinita es poblacin la Si (b.1).
b.
X X X X a.
2
2 2
2
2
2
1
1 1
1
2
1
2 1 2 1
2
2
2
2
1
2
1
2 1 2 1
2
2 1
2 1 2 1
X X
2
X 1 X
2
X 1 X
2 1

Ejemplo 7.13:
El comportamiento del desgaste abrasivo de dos materiales laminados tienen
como medias
1
= 85 y
2
= 81 unidades y desviaciones estndar de o
1
= 5 y o
2

= 4 unidades para los respectivos materiales. Si se hacen pruebas de desgaste
con el abrasivo a n
1
= 40 placas del material 1 y n
2
= 60 placas del material 2,
cul es la probabilidad de que la media de desgaste de la muestras del material
1 sea mayor en por lo menos tres unidades a la media de desgaste de la muestra
del material 2.

Solucin:

Como la muestras son suficientemente grandes, la distribucin muestral de la
diferencia de medias sigue una distribucin normal con parmetros:

9443 , 0
8917 , 0
60
4
40
5

4 81 85
2 1
2 1
2 1
x
2 2
2
2
2
1
2
1 2
x
2 1
=
= + = + =
= = =
x
x
x x
n n
o
o o
o

Por lo tanto: 8554 , 0 ) 06 , 1 ( ) 3 ( 2 1 = > = > z p x x p

Intervalos de confianza para la diferencia entre dos medias.

A. Si las varianzas poblacionales son conocidas

Si
2 1
X y X son las medias de muestras aleatorias independientes de tamao n
1

y n
2
de poblaciones con varianzas conocidas
2
2
2
1
y o o , respectivamente, un
intervalo de confianza de (1-o).100% para
2 1
est dado por:

2 4
4

194
( ) ( )
2
2
2
1
2
1
2 / 1 2 1 2 1
2
2
2
1
2
1
2 / 1 2 1
n n
z X X
n n
z X X
o
+
o
+ < <
o
+
o

o o

donde
2 / 1
z
o
es el valor que deja un rea de 1-a/2 a la izquierda.

Al trmino
2
2
2
1
2
1
n n
o
+
o
se le conoce como el error estndar o desviacin estndar
de la diferencia entre dos promedios muestrales cuando la seleccin de la
muestra es con reemplazo.

Ejemplo 7.14:
Para comparar dos mtodos de la enseanza de las matemticas, se aplicaron a
200 alumnos elegidos al azar el mtodo tradicional y a otra muestra de 250
alumnos el mtodo nuevo resultando las calificaciones promedio respectivos de
13 y 15. Suponga que las varianzas poblacionales respectivas son 9 y 16.
Utilizando un intervalo de confianza del 95% para la diferencia de las medias,
podemos afirmar que no hay diferencias significativas entre los dos mtodos?,
si hay diferencias, podemos afirmar que el mtodo nuevo es superior al
mtodo antiguo?.

Solucin:
2 1
es 2 15 13 X X
2 1
= = . Con 0.05 se
encuentra el valor z, que deja un rea de 0.025 a la derecha y por lo tanto un
rea de 0.975 a la izquierda, es 96 . 1 z
975 . 0
= . De aqu que el intervalo de
confianza del 96% es:

( ) ( )
250
16
200
9
96 . 1 2
250
16
200
9
96 . 1 2
2 1
+ + < < +

Efectuando las operaciones indicadas se tiene: 3 . 1 6 . 2
2 1
< <

Con 95% de confianza entre -2.6 y -1.3 se encontrar la diferencia de
calificaciones medias obtenidas con los mtodos evaluados. Como el intervalo
calculado contiene valores negativos, se puede concluir que el mtodo nuevo es
mejor que el tradicional.

B. Si las varianzas poblacionales son iguales pero desconocidas.

Si
2 1
X y X son las medias de muestras aleatorias independientes de tamao n
1

y n
2
respectivamente, de poblaciones aproximadamente normales con varianzas
iguales pero desconocidas, un intervalo de confianza de ( o 1 ).100% para
2 1
est dado por:

195

( ) ( )
2 1
p 2 / 2 1 2 1
2 1
p 2 / 2 1
n
1
n
1
S t X X
n
1
n
1
S t X X + + < < +
o o

donde S
p
es la estimacin de unin de la desviacin estndar poblacional y se
calcula mediante la siguiente frmula:

2 n n
S ) 1 n ( S ) 1 n (
S
2 1
2
2 2
2
1 1
p
+
+
=

y
2 /
t
o
es el valor t con v = n
1
+n
2
-2 grados de libertad, que deja un rea de
2 / o a la derecha.

C. Si las varianzas poblacionales son desconocidas y diferentes.

Si
2
2 2
2
1 1
S y X y , S y X
son las medias y varianzas de muestras pequeas e
independientes de distribuciones aproximadamente normales con varianzas
desconocidas y diferentes, un intervalo de confianza de (
o 1
) .100% para
2 1

est dado por:

( ) ( )
2
2
2
1
2
1
2 / 2 1 2 1
2
2
2
1
2
1
2 / 2 1
n
S
n
S
t X X
n
S
n
S
t X X + + < < +
o o

donde
2 /
t
o
es el valor t con
( ) ( ) 1 1
2
2
1
2
2
2
2
2
1
2
1
2
2
2
1
2
1
|
|
.
|
\
|
+
=
|
|
.
|
\
|
|
|
.
|
\
|
n n
n
S
n
S
v
n
S
n
S
grados de libertad, que deja
un rea de 2 / o a la derecha.

Ejemplo 7.15:
Una compaa de taxis trata de decidir si comprar neumticos de la marca A o
de la B para su flotilla de taxis. Se lleva a cabo un experimento utilizando 12 de
cada marca. Los neumticos se utilizaron hasta que se gastan. Los resultados
son:
Marca A
kilomtros 000 5 S
kilmetros 300 36 X
2
1
1
=
=

196
Marca B
kilomtros 100 6 S
kilmetros 100 38 X
2
2
2
=
=

Calcule un intervalo de confianza de confianza de 90% para la diferencia de
rendimiento promedio de ambas marcas de neumticos. Suponga que la
diferencia de kilmetros de rendimiento se distribuyen de forma
aproximadamente normal con varianzas distintas.

Solucin:
Representamos con
2 1
las medias poblacionales, respectivamente, para los
tiempos promedios de duracin de las pelculas que producen las compaa A y
B.

2 1
es 800 1 100 38 300 36 X X
2 1
= = .
Como las varianzas son desconocidas y diferentes, debemos encontrar un
intervalo de confianza de 90% aproximado basado en la distribucin t con v
grados de libertad, donde

( ) ( )
22 79 . 21
1 12 1 12
12
6100
12
5000
v
2
12
6100
2
12
5000
2
~ =
|
.
|
\
|
+
=
|
.
|
\
|
|
.
|
\
|

Con el uso de o = 0.1, encontramos que t
0.05
= 1.717 para v = 22 grados de
libertad, y por lo tanto el intervalo de confianza del 90% es:

12
6100
12
5000
717 . 1 1800
12
6100
12
5000
717 . 1 1800
2 1
+ + < < +

efectuando las operaciones indicadas se tiene:

8 . 1747 2 . 1852
2 1
< <

Con 90% de confianza entre -1852 y -1748 kilmetros se encontrar la
diferencia de rendimiento promedio de ambas marcas de neumticos.

197
7.6 Distribucin muestral de la diferencia de
proporciones

Si tenemos dos poblaciones independientes con proporciones p
1
y p
2
, entonces
la distribucin de la diferencias de media de muestras tomadas de cada una de
las poblaciones (
2 1
p p ) tiene como media (p
1
p
2
) y como varianza
(
2
2 2
1
1 1
n
) p (1 p
n
) p (1 p
+
). La distribucin muestral de la diferencia de

proporciones seguir una distribucin normal si el tamao de las muestras
tomadas de cada una de las poblaciones (n
1
y n
2
) son suficientemente grandes.

Ejemplo 7.16:
Una empresa constructora ha instalado bombas de agua de la marca A en
edificios de apartamentos, 10% de las cuales presentan alguna falla luego del
primer ao de uso. Tambin ha instalado bombas de agua de la marca B y se
sabe que el 12% de ellas presentan alguna falla luego del primer ao de
funcionamiento. Si se inspeccionan 60 bombas de agua de cada una de las
marcas en edificios de apartamentos que han sido instaladas hace ms de un
ao, cul es la probabilidad de que la proporcin de bombas con alguna falla
de la marca B sea mayor que la proporcin de muestra de la marca A?.

Solucin:
Como la muestras son suficientemente grandes, la distribucin muestral de la
diferencia de proporciones sigue una distribucin normal con parmetros:

0571 , 0
00326 , 0
60
88 , 0 . 12 , 0
60
9 , 0 . 1 , 0 ) 1 ( ) 1 (

02 , 0 10 , 0 12 , 0 1
1 2
1 2
1 2

2
2 2
1
1 1 2

2
=
= + =
=
= = =
p p
p p
p p
n
p p
n
p p
p p
o
o

por lo tanto: 6368 , 0 ) 35 , 0 ( ) 0 (
1 2
= > = > z p p p p

p
1
p
2

2 1
p p
4

198

Intervalos de confianza para la diferencia de proporciones.

Si
2 1
p
y p
son las proporciones de xitos en muestras aleatorias de tamao n

1

y n
2
, respectivamente, adems
2 2 1 1
p
1 q
y p
1 q
= = , un intervalo de
confianza aproximado de (1 o) . 100% para la diferencia de dos parmetros
binomiales p
1
p
2
, est dado por:

( ) ( )
2
2 2
1
1 1
2 / 1 2 1 2 1
2
2 2
1
1 1
2 / 1 2 1
n
q p
n
q p
z p p p p
n
q p
n
q p
z p p + + < < +
o o

donde
2 /
z
o
es el valor z que deja un rea de o/2 a la derecha.

Ejemplo 7.17:
Una encuesta de 1000 estudiantes concluye que 274 eligen al equipo
profesional de ftbol A como su equipo favorito. En 2000 se realiz la misma
encuesta con 760 estudiantes. Concluy que 240 de ellos tambin eligieron al
equipo A como su favorito. Calcule un intervalo de confianza del 95% para la
diferencia entre la proporcin de estudiantes que favorece al equipo A entre las
dos encuestas. Hay una diferencia significativa?

Solucin:

Sean p
1
y p
2
las proporciones reales de estudiantes que eligieron al equipo A
como su favorito para la encuesta actual y la de 2000, respectivamente. De
aqu:

316 . 0
760
240
p
y 274 . 0
1000
274
p
2 1
= = = =
.

El valor z, que deja un rea de 0.975 a la izquierda, es Z
0,95
= 1,96. De aqu que
el intervalo de confianza de 95% es:

( )
760
) 684 , 0 )( 316 , 0 (
1000
) 726 , 0 )( 274 , 0 (
. ) 96 . 1 ( 316 . 0 274 , 0 p p
2 1
+ =

efectuando las operaciones indicadas se tiene: -0,05 < p
1
p
2
< -0,042

Con 95% de confianza entre 8.5% y 4% habr aumentado la preferencia por
elegir al equipo A.

199
7.7 Problemas sobre distribuciones muestrales

255. El peso de un producto se distribuye normalmente con un promedio de 250 g y una
desviacin estndar de 10 g. El producto es embalado en paquetes de 3 docenas de
productos. El peso de la caja vaca en la que se embalan los productos se distribuye
normalmente con un promedio de 350 g. y una desviacin estndar de 15 g. Los
pesos de la caja y del producto son independientes.
a. Cul es la probabilidad de que un producto elegido al azar pese menos de 255
g?
b. Si sacamos una muestra de 16 productos, cul es la probabilidad de que el
peso promedio de la muestra pese menos de 255 g?
c. Si pesamos separadamente una caja vaca de embalaje y un paquete con tres
docenas de productos, cul es la probabilidad de que la caja pese menos de
350 g el paquete pese ms de 9 000 g?
d. Si se pesa un paquete de productos embalado (una caja con tres docenas de
productos), cul es la probabilidad de que pese menos de 9 300 g.?
e. Si el peso de los productos siguiera una distribucin distinta a la normal, la
respuesta de la pregunta anterior hubiese variado? Justifique claramente su
respuesta.

256. Un equipo de empacado de un proceso de fabricacin rellena cajas de cereal de 368
g. de tal forma que la cantidad de cereal por caja tiene una distribucin normal con
una media
x
= 368 g. y una distribucin estndar o
x
= 15 g.
a. Si se selecciona una caja al azar, cul es la probabilidad de que pese entre 365
g. y 368 g.?
b. Si se selecciona una muestra de 16 cajas de las miles que se rellenan cada da y
se calcula el peso promedio, cul es la probabilidad que est entre 365 g. y
368 g.?
c. Cul es el intervalo alrededor de la media que incluya el 95% de todas las
cajas?
d. Cul es el intervalo alrededor de la media que incluya el 95% de las medias de
las muestras de tamao n = 16?

257. En un campamento se han instalado postes telefnicos de madera. Se sabe que el
tiempo de vida de estos postes sigue una distribucin normal. Si el 9,51 % de ellos
tienen tiempos de vida que exceden los 16 aos y el 57,53 % duran ms de 10 aos.
a. Cul es porcentaje de postes telefnicos de madera que duran ms de 12 aos?
b. Si se toma una muestra de 4 postes instalados en determinada fecha, cul es la
probabilidad de que su promedio de duracin sea mayor a 12 aos?

258. La distribucin del ingreso familiar en Lima es asimtrica con sesgo hacia la
derecha. El ltimo censo revela que el ingreso familiar medio es de S/. 1 200 con
una desviacin estndar de S/. 200. Para una muestra aleatoria de 64 familias,

200
calcule la probabilidad de que el ingreso familiar medio de la muestra difiera del
ingreso familiar medio de la poblacin en ms de S/. 25.

259. En una lnea de llenado automtico de bolsas de caf, el peso neto de caf vertido
en una bolsa tiene una media de 250 gramos y una desviacin estndar de 3 gramos.
Para controlar el proceso, cada hora se escogen al azar 36 de las bolsas llenadas en
ese lapso y se les pesa; si el peso neto medio de las bolsas est entre 249 y 251
gramos se contina el proceso aceptando que el peso medio es 250 gramos y en
caso contrario, se detiene el proceso para reajustar la mquina. Si la mquina est
bien ajustada, cul es la probabilidad de aceptar que el peso neto promedio es 250
gramos?

260. El periodo de tiempo que un cajero de banco atiende a un cliente es una variable
aleatoria con una media de 3,2 minutos y una desviacin estndar de 1,6 minutos.
Si se observa una muestra aleatoria de 64 clientes, encuentre la probabilidad de que
el tiempo promedio de los mismos con el cajero sea cuando mucho 2,7 minutos.

261. Un fabricante de radios recibe semanalmente un cargamento de cien mil pilas de
nueve voltios. Para decidir si acepta o rechaza el cargamento, utiliza la siguiente
regla de muestreo: mide la vida til de 36 pilas de cada cargamento. Si la media de
la muestra es de 50 ms horas acepta el cargamento, y en caso contrario, lo
rechaza. Cul es la probabilidad de aceptar un cargamento que tiene una vida 0til
media de 49 horas y una desviacin estndar de 3 horas?

262. El tiempo que demora un operario en ensamblar un objeto es una variable aleatoria
X, cuya distribucin tiene una media de 20 minutos y una desviacin estndar de
2,5 minutos. El objeto totalmente terminado requiere de (10+X) minutos. Si el
operario tiene que entregar 50 objetos totalmente terminados, calcule la
probabilidad de que utilice al menos 1 450 minutos.

263. Una mquina automtica envasa un bien de consumo diario en bolsas que tienen
una media de 25 g. y una desviacin estndar de 1 g. Una segunda mquina
empaca estas bolsas en paquetes de 12 docenas. Con el fin de verificar si el nmero
de unidades es realmente 144 en cada paquete, se escoge un paquete al azar y se
adopta la siguiente regla de decisin: si su peso est entre 3 576 y 3 624 g. se acepta
que el paquete contiene 144 bolsas, de otro modo se considera que el paquete no
tiene 144 bolsas. Calcule la probabilidad de que:
a. Un paquete realmente con 144 bolsas sea considerado como si los tuviera.
b. Un paquete que tiene 142 bolsas sea considerado como si tuviera 144 bolsas.

264. Un banco tiene tres cajeros, cada uno de los cuales demora en atender a un cliente
en promedio cuatro minutos.

201
a. Cul es la probabilidad de que un cajero tome ms de 4 minutos en atender un
cliente?
b. Cul es el lapso que debe tomar en cuenta un cliente si quiere que la
probabilidad de que el cajero lo atienda antes de que termine dicho lapso sea
0,5?
c. Si un cajero lleva atendiendo a un cliente cuatro minutos, cul es la
probabilidad de que luego de dos minutos adicionales siga atendiendo al mismo
cliente?
d. Si los cajeros atienden de manera independiente y cada uno se encuentra
atendiendo respectivamente a un cliente, calcule la probabilidad de que el
tiempo de atencin empleado por dos de los tres cajeros sea mayor a cuatro
minutos.
e. Considere un da en el que hay tantos clientes que luego de ser atendido un
cliente, inmediatamente es atendido el siguiente. Cul es la probabilidad de
que en cuatro horas continuas de trabajo, un cajero haya atendido por lo menos
a 64 clientes?

265. Sean X
1
, X
2
, X
3
, . . . , X
50
, cincuenta variables aleatorias independientes cada una
distribuida segn la funcin de probabilidad de la siguiente figura:

Cul es la probabilidad de que el promedio de las cincuenta variables sea mayor a
1,1?

266. El tiempo X (en minutos) que un cajero automtico demora en atender un cliente,
es una variable aleatoria cuya funcin de densidad es:

f(x) = e
- x
si x 0

Cul es la probabilidad de que el tiempo total que usa un cajero en atender a 500
clientes sea mayor a 515 minutos?
267. Los errores que se producen cuando se mide la longitud de un artculo puede ser
indistintamente un nmero que est entre -0,2 y 0,2, es decir que los errores siguen
una distribucin uniforme.
X
P
(x)
0,25
0,50
0 1 2

202
a. Si se realiza 10 mediciones, cul es la probabilidad de que en 5 de tales
mediciones el error est entre 0,1 y 0,2?
b. Si se realiza 36 mediciones, cul es la probabilidad de que el promedio de los
errores est entre 0,01 y 0,02?

268. El tiempo durante el cual un componente electrnico opera en forma efectiva antes
de que falle en su funcionamiento se distribuye exponencialmente con un tiempo
medio de un 100 horas:
a. Calcule el valor del primer cuartil de la duracin de un componente.
b. Si se van a empezar a usar 5 de tales componentes en diferentes sistemas,
calcule la probabilidad de que al menos tres de los componentes continen
funcionando luego de 160 horas.
c. Si tan pronto como falla un componente es reemplazado por otro para que el
trabajo del sistema no se detenga, calcule la probabilidad de que para 140 das
se necesiten ms de 36 de estos componentes.

269. Para estimar el tiempo promedio que lleva ensamblar cierto componente de una
computadora, el supervisor de una empresa electrnica tom a 30 tcnicos el
tiempo que tardaban en ejecutar esta tarea, obtenindose una media de 12.73
minutos y una desviacin estndar de 2.06 minutos.
a. Con una confianza del 99%, calcule el error mximo de estimacin del tiempo
promedio que lleva ensamblar el componente de la computadora.
b. Construya e interprete un intervalo de confianza de 95% para el tiempo medio
real que lleva ensamblar el componente de la computadora.

270. En un estudio de contaminacin del aire realizado en una estacin experimental, de
12 muestras diferentes de aire se obtuvieron los siguientes montos de materia
orgnica suspendida soluble en benceno (en microorganismos por metro cbico):

2 212 1 839 3 152 2 608 2 456 2 747
2 913 1 265 2 346 2 333 1 909 2 333

Suponiendo que la poblacin muestreada es normal, elabore e interprete un
intervalo de confianza de 95% para la correspondiente media real

271. Una empresa elctrica fabrica focos que tienen una duracin aproximadamente
distribuida de forma normal con desviacin estndar de 40 horas. Si una muestra de
30 focos tiene una duracin promedio de 780 horas, encuentre un intervalo de
confianza de 96% para la media de la poblacin de todos los focos que produce esta
empresa.

272. La Agencia de Control Ambiental ha reunido datos de mediciones de DL50 (dosis
letal, es decir, mata al 50% de los animales de prueba en un determinado intervalo

203
de tiempo) para determinadas sustancias qumicas que se encuentran probablemente
en ros y lagos de agua dulce. Para determinada especie de pescado, las mediciones
de DL50 para el DDT en 12 experimentos dieron los siguientes resultados (en
partes por milln):

16 5 21 19 10 5 8 2 7 2 4 9

Suponiendo que estas determinaciones de DL50 tiene una distribucin
aproximadamente normal , estimar la DL50 promedio real para el DDT con un
nivel de confianza igual del 90%.

273. Una mquina produce piezas metlicas de forma cilndrica. Se toma una muestra de
las piezas y se miden sus dimetros (en centmetros) los cuales se muestran a
continuacin:

1,01 0,97 1,03 1,04 0,99 0,98 0,99 1,01 1,03

Encuentre un intervalo de confianza de 99% para el dimetro medio de las piezas
de esta mquina. Suponga una distribucin aproximadamente normal.

274. El ingreso mensual de cada una de la 500 microempresas de servicios de una ciudad
es una variable aleatoria con media desconocida. La Sunat con el fin de
simplificar su recaudacin a estas empresas ha dispuesto que se las grave
mensualmente con un 10% de sus ingresos. De una muestra al azar de 70
microempresas se obtuvo un ingreso mensual promedio de $710 con una desviacin
estndar de $26
a. Estime el monto medio de los ingresos de las microempresas de la ciudad con
un intervalo de confianza del 95%.
b. La Sunat se propuso lograr mensualmente una recaudacin total de por lo
menos $360 000 a estas microempresas. es factible que se cumplan sus metas?
Sustente.

275. Para controlar la calidad en un proceso de produccin de cierto producto se
seleccionan al azar 50 unidades del producto cada da. Si la proporcin de
productos defectuosos en la muestra es al menos p*, se detiene el proceso.
Determine aproximadamente el valor de p* para que con probabilidad de 0,9332
no se contine con el proceso, cuando la produccin total contenga 8% de objetos
defectuosos.

276. Un genetista se interesa en la proporcin de hombres africanos que tienen cierto
trastorno sanguneo menor. En una muestra aleatoria de 100 hombres africanos, se
encuentran que 24 lo padecen.
a. Calcule un intervalo de confianza de 99% de confianza para la proporcin de
hombres africanos que tienen este desorden sanguneo.

204
b. Qu se puede asegurar con 99% de confianza acerca de la posible magnitud de
nuestro error si estimamos que la proporcin de hombres africanos con este
trastorno sanguneo es 0,24?

277. Un fabricante de reproductores de discos compactos utiliza un conjunto de pruebas
amplias para evaluar la funcin elctrica de su producto. Todos los reproductores
de discos compactos deben pasar por todas las pruebas antes de venderse. Una
muestra aleatoria de 500 reproductores tiene como resultado 15 que fallan en una o
ms pruebas. Encuentre un intervalo de confianza de 90% para la proporcin de
reproductores de discos compactos de la poblacin que pasan todas las pruebas.

278. En un artculo de un peridico norteamericano el 32% de los 1600 adultos
encuestados dijeron que el programa espacial estadounidense debe enfatizar la
exploracin cientfica. Qu tan grande se necesita que sea la muestra de adultos en
una nueva encuesta si se desea tener una confianza de 95% de que el porcentaje
estimado est dentro de 2% del porcentaje real?

279. Se lleva a cabo un estudio para estimar el porcentaje de ciudadanos de una ciudad
que estn a favor de tener su agua fluorada. Qu tan grande se necesita que sea la
muestra si se desea tener una confianza de 95% de que la estimacin est dentro del
1% del porcentaje real?

280. Si deseamos estimar qu porcentaje de todos los conductores exceden el lmite de
velocidad de 90 kilmetros por hora en cierto tramo del camino. De qu tamao
necesitamos tomar la muestra para que, con una confianza del 95% en el error de
estimacin, el porcentaje muestral resulte 3.5%?

281. Una empresa desea estimar la proporcin de trabajadores de la lnea de produccin
que estn a favor de que se corrija el programa de aseguramiento de la calidad. La
estimacin debe quedar a menos de 0,05 de la proporcin verdadera de los que
favorecen el programa, con un coeficiente de confianza del 98%. Cuntos
trabajadores se deben muestrear, si la empresa cuenta en total con 2 000
trabajadores?

282. En respuesta a una serie de quejas con respecto a las tardanzas del correo, el
director general del servicio postal inicia una investigacin preliminar. Un
encargado sigue el itinerario de 9 cartas de Lima a Cusco y mide el tiempo que
demora la carta desde su recepcin en la agencia de correos hasta que es entregada
al domicilio. Los tiempos registrados (en horas) son: 49, 45, 27, 66, 43, 33, 46, 63,
69. A base de estos resultados, cul es la probabilidad de que la desviacin
estndar de todas las entregas sea a lo ms 22 horas? Qu consideraciones debe
tenerse en cuenta respecto de la poblacin?

205
283. Una mquina empaqueta un determinado producto de tal manera que si est
funcionando bien el peso de los paquetes se distribuye normalmente con una
desviacin estndar de 20 gramos y con una media a la que debe ser regulada la
mquina.
a. Se considera que la mquina est bien regulada si la probabilidad de que un
paquete pese ms de 546,6 gramos es de slo el 0,99%. Cul es el valor de la
media a la cual se debe regular correctamente la mquina?
b. Para el control de calidad del producto cada hora se seleccionan al azar una
muestra de 4 paquetes. Si el peso promedio de la muestra est entre 480 y 520
gramos, la mquina se considera bien regulada y la produccin contina. En
caso contrario la produccin se detiene para ser calibrada. Si la mquina est
correctamente regulada, cul es la probabilidad de parar la produccin?
c. Tambin en el proceso de control de calidad no slo se observa el valor medio
del peso sino tambin la variabilidad que es un indicador de confiabilidad del
producto. Cada hora se toman 4 paquetes, si la desviacin estndar de los pesos
de la muestra es menor que 32,3 gramos se considera que la mquina funciona
bien, en caso contrario hay que detener la produccin para repararla. Si la
mquina est funcionando bien, cul es la probabilidad de que se pare la
produccin para repararla?

284. Las latas de gaseosas vendidas en Enigma Market tienen un contenido promedio de
lquido de 16,1 onzas con una desviacin estndar de 1,2 onzas:
a. Si se toma una lata al azar, cul es la probabilidad de que su contenido de
lquido sea por lo menos de 15,92 onzas? Qu consideraciones fueron
necesarias hacer respecto de la poblacin?
b. Si se toma una muestra de n = 200, cul es la probabilidad de que la media de
la muestra sea de por lo menos 15,92 onzas?. Qu consideraciones fueron
necesarias hacer respecto de la poblacin?
c. Si se toma una muestra de n = 25, cul es el mximo valor que puede tomar la
desviacin estndar de la muestra si la probabilidad de ocurrencia es de 0,95?
Qu consideraciones fueron necesarias hacer respecto de la poblacin?

285. Ana Madero, una ingeniera industrial, estuvo acumulando informacin sobre un
proceso de ensamblado. Determin que el tiempo de ensamblado es una variable
normal con media de 5 minutos y desviacin estndar 1,5 minutos. En el mes de
noviembre hizo un muestreo sobre nueve estaciones de ensamblado.
a. Calcule la probabilidad que el tiempo medio de la muestra del mes de
noviembre difiera del tiempo medio de la poblacin en ms de 1 minuto.
b. Calcule la probabilidad que la varianza muestral de las estaciones muestreadas
en noviembre est entre 2,0 y 4,3.

286. El contenido en litros de siete contenedores similares de cido sulfrico son:

9,8 10,2 10,4 9,8 10,0 10,2 9,6

206
a. Encuentre el intervalo de confianza del 95% para la media de todos los
contenedores si se considera que siguen una distribucin normal.
b. Encuentre el intervalo de confianza del 95% para la desviacin estndar del
contenido de todos los contenedores si se considera que siguen una distribucin
normal.

287. Los resultados de una prueba convencional de turbidez efectuada en 15 muestras de
arena especial fueron los siguientes (en microamperes):

26,7 25,8 24,0 24,9 26,4 25,9 24,4 21,7
24,1 25,9 27,3 26,9 27,3 24,8 23,6

Tomando como base pruebas anteriormente realizadas, se puede suponer que la
turbidez sigue una distribucin normal. Con esta consideracin y a un nivel de
confianza del 90 % se pide estime:
a. El intervalo de confianza de la media poblacional.
b. El intervalo de confianza de la varianza .

288. Un fabricante de bateras para automviles afirma que sus bateras duran en
promedio tres aos, con una desviacin estndar de un ao. Si cinco de estas
bateras tienen duraciones de 1.9, 2.4, 3.0, 3.5 y 4.2 aos, construya un intervalo de
confianza del 95% para o
2
y decida si la afirmacin del fabricante de o = 1 es
vlida. Suponga que la poblacin de duraciones de las bateras se distribuyen de
forma aproximadamente normal.

289. Enigma Games S.A. fabricante de juegos electrnicos compra de un proveedor
bateras el cual afirma que la duracin tiene aproximadamente una distribucin
normal con media 30 horas y desviacin estndar 5 horas. Para verificar si lo
afirmado por el proveedor es aceptable, mensualmente se prueban 16 bateras. Si
los valores de la media y desviacin estndar de la muestra caen en el intervalo de
confianza determinado por un nivel de confianza del 95%, los fabricantes de juegos
electrnicos quedan satisfechos con el proveedor de bateras. Qu conclusiones se
puede extraer si en la prueba del presente mes la muestra ha dado una media de
27,5 horas y una desviacin estndar de 7 horas?

290. Cuando se trata de pruebas destructivas de elementos costosos, se toman muestras
pequeas para estimar los parmetros de la poblacin. Se toman las fuerzas
mximas a que son sometidas hasta que se produce su rotura (en kilogramos) de
una muestra de 15 componentes crticos de un sistema:

183 206 190 195 218 199 203 188
192 177 155 202 162 214 241

207
Suponiendo que los valores de las fuerzas de rotura siguen una distribucin normal,
encuentre el intervalo de confianza del 90% de:
a. La verdadera desviacin estndar de la fuerza de rotura del componente.
b. La verdadera fuerza media de rotura del componente.

291. Para estimar el tiempo promedio que lleva ensamblar cierto componente de una
computadora, el supervisor de una empresa electrnica tom el tiempo que 20
tcnicos tardaban en ejecutar esta tarea, obtenindose una media de 12,73 minutos y
una desviacin estndar de 2,06 minutos. Asuma que los tiempos tienen
distribucin norma.
a. Construya e interprete un intervalo de confianza de 95% para la varianza real
que lleva ensamblar el componente de la computadora.
b. Construya e interprete un intervalo de confianza de 98% para la media real que
lleva ensamblar el componente de la computadora.

292. Se toma una muestra de aleatoria de 12 agujas de tejer en un estudio de pruebas de
dureza por el mtodo Rockwell de la cabeza de las agujas. Se realizaron las
mediciones de la dureza para cada una de las 12 lo que dio un valor promedio de
48,5 con una desviacin de 1,5. Si se supone que las mediciones se distribuyen de
forma normal. Obtenga el intervalo de confianza del 90%:
a. Para la desviacin estndar de las mediciones de dureza Rockwell de las
agujas.
b. Para la medicin media de dureza Rockwell de las agujas.

293. Los cinescopios para televisin del fabricante A tienen una duracin media de 6,5
aos y una desviacin estndar de 0,9 aos, mientras que los del fabricante B tienen
una duracin media de 6 aos y una desviacin estndar de 0,8 aos. Cul es la
probabilidad de que una muestra aleatoria de 36 cinescopios del fabricante A tenga
una duracin media que sea al menos de un ao ms que la duracin media de una
muestra de 49 cinemascopios del fabricante B?

294. El tiempo promedio de vida de una computadora de la marca A es 171,5 meses con
una desviacin estndar de 5 meses, en tanto que para una mquina de la marca B
es de 169,5 meses con una desviacin estndar de 2,5 meses. Si se selecciona una
muestra aleatoria de 80 computadoras de cada una de las marcas. Cul es la
probabilidad de que el tiempo promedio de vida de la muestra de la marca A sea
superior a la muestra de la marca B en 1 ms meses.

295. La duracin de los productos de la marca A tienen una duracin media de 80 meses
y una desviacin estndar de 5 meses, mientras que los de la marca B tienen una
duracin media de 75 meses y una desviacin estndar de 3 meses.

208
a. Cul es la probabilidad de que en una muestra aleatoria de 40 productos de la
marca A tenga una duracin media de ms de 3 meses sobre la duracin media
de 50 objetos de la marca B?
b. Qu suposiciones sobre las poblaciones fueron necesarias realizar? Sustente.

296. Se lleva a cabo un experimento en que se comparan dos tipos de motores, A y B. Se
mide el rendimiento en kilmetros por galn de gasolina. Se realizan 50
experimentos con el motor tipo A y 75 con el motor tipo B. La gasolina que se
utiliza y las dems condiciones iguales en todas las pruebas. El rendimiento
promedio de gasolina para el motor A es de 36 kilmetros por galn y el promedio
para el motor B es de 42 kilmetros por galn. Encuentre un intervalo de confianza
del 96% para
A
-
B
donde
A
y
B
son el rendimiento de gasolina medio
poblacional para los motores A y B respectivamente. Suponga que las desviaciones
estndar poblacionales de A y B son 6 y 8 respectivamente.

297. Una compaa de taxis trata de decidir si comprar neumticos de la marca A o de la
marca B para su flota de taxis. Para estimar la diferencia de las dos marcas, se lleva
a cabo un experimento utilizando 12 de cada marca. Los neumticos se utilizan
hasta que se gastan. Los resultados son:

Marca A: 300 36 1 = x kilmetros
000 5
1
= s kilmetros
Marca B: 100 38 2 = x kilmetros
100 6
2
= s kilmetros

a. Calcule el intervalo de confianza de 95% para
1

2
, suponga que las
poblaciones se distribuyen de forma aproximadamente normal. Suponga que las
varianzas son iguales.
b. Calcule el intervalo de confianza de 95% para
1

2
, suponga que las
poblaciones se distribuyen de forma aproximadamente normal. Suponga que las
varianzas no son iguales.

298. Como parte de un programa de capacitacin industrial, algunos alumnos son
instruidos con el mtodo A, que consiste en adiestrarlos directamente en la
maquinaria, mientras que otros son capacitados con el mtodo B, que tambin
implica la atencin personal de un instructor. Si muestras aleatorias de tamao 10
se toman de grandes grupos de alumnos instruidos con cada uno de estos mtodos,
y los puntajes que obtuvieron en una prueba apropiada son:

Mtodo A: 71 75 65 69 73 66 68 71 74 68
Mtodo B: 71 77 84 78 69 70 77 73 65 75

209
a. Calcule el estimador puntual para el rendimiento promedio de los alumnos
instruidos con el mtodo A.
b. Calcule el estimador puntual para la varianza de los promedios de los alumnos
instruidos con el mtodo B.
c. Calcule el estimador puntual para la diferencia de los rendimientos promedios.
d. Calcule un intervalo de 99% de confianza para la diferencia de promedios
reales, cul mtodo es mejor?

299. Para comparar dos mtodos de la enseanza de las matemticas, se aplicaron a 200
alumnos elegidos al azar el mtodo tradicional y a otra muestra de 250 alumnos el
mtodo nuevo resultando las calificaciones promedio respectivos de 13 y 15.
Suponga que las varianzas poblacionales respectivas son 9 y 16. Utilizando un
intervalo de confianza del 95% para la diferencia de las medias, podemos afirmar
que no hay diferencias significativas entre los dos mtodos?, si hay diferencias,
podemos afirmar que el mtodo nuevo es superior al mtodo antiguo?.

300. Los siguientes datos representan los tiempos de duracin de las pelculas que
producen dos compaas cinematogrficas.

Compaa Tiempo (minutos)
I 103 94 110 87 98
II 97 82 123 92 175 88 118

a. Calcule un intervalo de confianza de 90% para la diferencia entre los tiempos
de duracin promedio de las pelculas que producen las dos compaas.
Suponga que las diferencias del tiempo de duracin se distribuyen de forma
aproximadamente normal con varianzas iguales.
b. Calcule un intervalo de confianza de 90% para la diferencia entre los tiempos
de duracin promedio de las pelculas que producen las dos compaas.
Suponga que las diferencias del tiempo de duracin se distribuyen de forma
aproximadamente normal con varianzas distintas.

301. La Red Nacional Cientfica del Per (RNCP) opera un servicio en lnea de bases de
datos estadounidenses existentes. Se realiza una consulta de base de datos cuando
la RNCP ejecuta una solicitud especfica durante una sola sesin. En los casos en
los que la consulta produce informacin no pertinente o ninguna informacin, la
consulta se vuelve a ejecutar. Segn los datos de la RNCP, el ao 2000, de 342
consultas elegidas al azar fueron necesarias hacer 40 repeticiones. En el 2001, de
2117 consultas elegidas al azar 83 requirieron repeticiones. Si las dos muestras
fueron independientes, establezca un intervalo de confianza de 95% para la
diferencia de proporciones de repeticiones de consultas de base de datos realizadas
por RNCP en el 2000 y el 2001. Interprete el intervalo.

210
302. Dos tipos diferentes de aleacin, A y B, se han utilizado para fabricar prototipos
experimentales de un pequeo eslabn de tensin que se emplea en ciertas
aplicaciones de ingeniera. Se determin la resistencia mxima (en kilogramos) de
cada uno y los resultados se resumen en la siguiente tabla:

Resistencia A B
De 26 a menos de 30 9 8

Con los datos presentados estime un intervalo de confianza de 95% para la
diferencia entre las verdaderas proporciones de todos los productos de aleaciones A
y B que tengan una resistencia mxima de por lo menos 34 Kg. Interprete el
resultado.

303. En la siguiente tabla se muestra la distribucin de los sueldos que recibieron 286
empleados pblicos elegidos al azar. El ltimo mes de febrero:

Sueldo
(soles)
N de empleados varones % acumulado de empleados
mujeres
550 - 650 12 12 %
650 - 750 20 28 %
750 - 850 36 56 %
850 - 950 44 88 %
950 - 1050 24 100 %

A un nivel de confianza del 95% indique si se puede afirmar que el porcentaje de
empleados pblicos varones que gana ms de S/. 850 es igual al porcentaje de
mujeres de que gana ms de S/. 850. Sustente su respuesta.

211

212

Investigacin Estadstica

9.1 Fases de una investigacin estadstica

9.2 Informes estadsticos

9.3 Uso de calculadora CASIO

8

213
8.1 Fases de una investigacin estadstica

La investigacin estadstica es un proceso para obtener, representar y analizar
caractersticas o valores numricos para la mejor toma de decisiones en
situaciones de riesgo o incertidumbre.

Los pasos a seguir son los siguientes:

Definicin del problema:
Usar informacin para estudiar a fondo el problema.
Enfocar la atencin hacia los aspectos ms importantes a investigar.
Realizar una prueba preliminar para identificar el problema.
1. Problema: breve descripcin.
2. Pregunta: redactar la pregunta principal.
3. Posibles respuestas.

Justificacin de la investigacin:
Plantear la importancia del estudio.
Ver la relacin de recursos econmicos y humanos con respecto a la
importancia de la investigacin.
Ver quin es el interesado con la investigacin.

Objetivo e hiptesis:
Analizar las variables principales, dependientes e independientes.
Redactar el objetivo ltimo y los objetivos inmediatos.
Redactar la hiptesis de trabajo.

Descripcin de la intervencin:
Indicar los responsables de la investigacin.
Indicar los lugares de la investigacin.
Indicar las actividades iniciales.

Definiciones operacionales:
Redactar las definiciones operacionales de las variables.
Redactar las variables operacionales de los trminos.

Definicin del estudio:
Seleccionar la poblacin.
Determinar las fuentes de error.
Seleccionar el tipo de estudio.

214

Muestreo:
Seleccionar la poblacin.
Determinar el mtodo de muestreo.
Calcular el tamao de la muestra.

Recoleccin de datos:
Datos cualitativos y cuantitativos: entrevistas a profundidad, estadsticas
anteriores, entrevistas indirectas, observacin directa, fuentes secundarias
de error.
Controlar la calidad de los datos.
Asegurar la confidencialidad.

Tabulacin y anlisis de los datos:
Hacer tabulacin, codificacin y verificacin de datos.
Hacer un plan de anlisis de los datos.
Obtener tablas, cruces u otros procedimientos estadsticos.

Divulgacin de resultados:
Hacer un listado o perfil de los usuarios potenciales.
Hacer una lista de los tomadores de decisiones y enviar informe.
Determinar limitaciones del estudio.
Explicar los casos particulares medidas durante la investigacin.

Recursos e infraestructura:
Determinar los recursos.
Fijar presupuestos.

Anexos:
Determinar anexos, apndices y cualquier otro material complementario.

Portada y resumen:
Resumir en una o dos frases lo esencial de la propuesta.
Redactar un resumen de resultados.
Preparar una portada y crditos de la investigacin.

215
8.2 Informes estadsticos

Una vez realizada la investigacin, es necesario realizar un informe sobre sus
resultados. No se debe confundir la metodologa para realizar una investigacin
con la metodologa para elaborar un informe de la investigacin realizada.

El procedimiento para hacer un informe estadstico consta de fases precisas y
bien definidas las cuales slo pueden sufrir ligeras modificaciones.
Inmediatamente despus de la portada, el informe estadstico da cuenta de sus
conclusiones y recomendaciones. En un marco empresarial esta exposicin
inicial se denomina resumen ejecutivo.

Resumen ejecutivo

- La intencin del resumen ejecutivo es dar al lector escaso de tiempo, los
hechos y hallazgos importantes derivados del estudio.

- Resume estos hallazgos y conclusiones junto con las recomendaciones. Se
presenta al principio del estudio.

- Debe permitir un acceso fcil a la informacin ms interesante para la
empresa con miras a la decisiones a tomar. Si el lector desea ms detalles,
puede consultar el cuerpo principal del informe.

- El resumen no incluye ninguna informacin nueva que no contenga el
informe, ni ofrece conclusiones basadas en datos que no figuren en l.

Introduccin

- Consiste en una breve descripcin de la naturaleza y el alcance del
problema.

- Tambin se incluye cualquier dato importante del problema que sea
esencial para su comprensin completa al resto del estudio.

- Se explica porqu la resolucin de este asunto es importante y se subraya la
necesidad de formular una lnea de conducta.

Metodologa

- La tercera seccin es ms tcnica. Explica la naturaleza exacta de las
pruebas estadsticas. Describe con detalle las herramientas tcnicas
cuantitativas y precisas.

- Se da las caractersticas de los datos y cmo se tom la muestra.

- La metodologa que ha de utilizar depende de los que se pretende conseguir.

216
Hallazgos

- En esta seccin presenta el anlisis estadstico propiamente dicho.

- Los hallazgos constan de los clculos estadsticos reales que proporcionan la
informacin necesaria para tomar decisiones y hacer recomendaciones.
Estos clculos pueden variar desde las simples tcnicas descriptivas al
anlisis inferencial superior.

- Los clculos se indican con suficiente detalle como para revelar y validar la
prueba estadstica sin suministrar informacin innecesaria ni abrumante.

- Se hacen comentarios sobre los clculos para subrayar los resultados y
llamar la atencin sobre su significacin.

- Slo se menciona los resultados de los clculos. No se pretende discutirlos o
interpretarlos. Ese aspecto se deja para el apartado siguiente.

Discusin e interpretacin

- En esta seccin el investigador ofrece una interpretacin de las
implicaciones del informe.

- El lenguaje utilizado debe ser expresivo pero no tcnico.

- Esta seccin influir en la solucin del problema que se describi en la
introduccin y que dio lugar al informe.

Conclusiones y recomendaciones

- En este segmento final se repite a menudo parte de la informacin hallada
en el resumen ejecutivo. Si bien esta decisin permite al investigador
explicar con ms detalle cmo y porqu se lleg a las conclusiones.

- Tambin se incluye una explicacin ms completa de las recomendaciones.

- Es importante que se base en los resultados y no se ofrezca conclusiones o
recomendaciones no respaldadas en el anlisis.

Si los informes se preparan en forma organizada, son ms tiles en s mismos y
confieren al investigador ms credibilidad y autoridad. Siempre se debe tener
presente que el informe debe responder a las intenciones de quienes confan en
l para tomar las decisiones correctas y oportunamente.

217
8.3 Uso de calculadora CASIO

Medidas descriptivas para datos simples en una calculadora Casio

Apriete la tecla MODE , MODE y, luego, apriete SD (1)
Limpie la memoria siempre. Presione SHIFT , CLR , SCL (1) y =.
Ingrese cada dato y pulse DT. La pantalla le mostrar el nmero de datos ingresados.
Para ver las medidas descriptivas, ingrese lo siguiente:
o SHIFT , S-SUM , 1 para calcular
2
x
, la suma de los cuadrados de los datos

o SHIFT , S-SUM , 2 para calcular x
, la suma de los datos

o SHIFT , S-SUM , 3 para calcular n, el nmero de datos
o SHIFT , S-VAR , 1 para calcular x , la media muestral
o SHIFT , S-VAR , 2 para calcular x n o , la desviacin estndar poblacional
o SHIFT , S-VAR , 3 para calcular 1 x n o , la desviacin estndar muestral

Medidas descriptivas para datos agrupados en una calculadora Casio

Ingrese la <marca de clase> ;. <frecuencia de la clase> y pulse DT. La pantalla le mostrar el
nmero de datos ingresados.
Para ver las medidas descriptivas, se procede exactamente como en el caso anterior.

Clculo del coeficiente de correlacin en una calculadora Casio

Apriete la tecla MODE , MODE y, luego, apriete REG (2), Lin (1)
Ingrese el <valor de X> ,. < valor de Y> y pulse DT. La pantalla le mostrar el nmero de
datos ingresados.
Para ver el coeficiente de correlacin, ingrese lo siguiente
o SHIFT , S-SUM , , y 33

Combinaciones y variaciones en una calculadora Casio

Para calcular combinaciones, ingrese el <primer nmero>, SHIFT , nCr () <segundo
nmero>
Para calcular variaciones, ingrese el <primer nmero>, SHIFT , nPr (x) <segundo nmero>

Clculo de probabilidad de una variable normal con una calculadora Casio

Luego apriete SHIFT, DISTR (3). Aparecer una pantalla con P(, Q(, R( y t.
o P( calcula la probabilidad de que Z est entre - y el valor que ingresa
o Q( calcula la probabilidad de que Z est entre 0 y el valor que ingresa
o R( calcula la probabilidad de que Z est entre el valor que ingresa y +.

218

Slabo

9.1 Slabo 2009 1

9.2 Plan calendario 2009 1

9.3 Tablas estadsticas

9.

219

220

SLABO

I. INFORMACIN GENERAL

Curso :
Cdigo:
Estadstica Aplicada 1
MA131
Ciclo: 2009 1
Crditos: 3
Horas semanales: 5 horas.
Profesores: Susana Ventura, Segundo Jaramillo, Manuel Chvez
Correos slectrnicos pcmasven@upc.edu.pe; pcmasjar@upc.edu.pe
pcinmcha@upc.edu.pe
rea o carrera : Ciencias

II. INTRODUCCIN

El curso Estadstica Aplicada 1 comprende el estudio de los mtodos de la Estadstica
Descriptiva y la Teora de Probabilidades, base para la toma de decisiones a partir de los
datos recopilados, organizados y presentados convenientemente, y que todo ingeniero debe
estar en capacidad de hacer. Los conceptos impartidos en clase sern afianzados con
ejemplos prcticos usando software aplicativo.

III. LOGROS DEL CURSO

Reconoce y aplica convenientemente los mtodos y las tcnicas estadstica en la
recopilacin, organizacin y presentacin de datos y transformarlos en informacin til y
aplica con propiedad concepto de probabilidad. Asimismo utiliza herramientas tecnolgicas
de manejo de datos como soporte para la toma de decisiones.

IV. RED DE APRENDIZAJE

rganizacin
De
Datos
Teora
de
Probabilidades
Variable
Aleatoria

Distribucin
de
Probabilidades

Medidas
Descriptivas

Distribucin
Muestral

221
V. UNIDADES DE APRENDIZAJE

UNIDAD 1: Organizacin de datos

LOGRO: Aplica las tcnicas de recopilacin, organizacin y
presentacin tabular y grfica de datos y reconoce su importancia
para la obtencin de informacin

TEMARIO: Definicin de estadstica. Muestra y poblacin.
Variables: definicin, tipos y escalas de medicin. Organizacin de
datos cualitativos y cuantitativos: tablas de distribucin de
frecuencias. Grficos estadsticos. Criterios de anlisis.

Semanas 1 y 2

UNIDAD 2: Medidas Descriptivas

LOGRO: Modela y analiza procesos haciendo uso de medidas
estadsticas descriptivas para tomar decisiones de forma adecuada
siendo tico en el manejo e interpretacin de la informacin.

TEMARIO: Medidas de tendencia central: media aritmtica, moda,
mediana, media ponderada y media geomtrica. Medidas de
dispersin: rango, varianza, desviacin estndar, coeficiente de
variacin, valor estndar. Medidas de posicin: cuartiles, deciles,
centiles.

Semanas 2, 3 y 4

UNIDAD 3: Teora de Probabilidades

LOGRO: Modela y analiza procesos usando la teora de
probabilidad. Hace estudio de situaciones de incertidumbre,
valorando la probabilidad como medio para entender su
comportamiento.

TEMARIO: Definiciones: experimento aleatorio, espacio muestral
y evento. Operaciones con eventos. Anlisis combinatorio:
permutaciones y combinaciones. Probabilidad de un evento.
Definiciones de probabilidad: clsica, emprica y subjetiva. Clculo
de probabilidades. Regla de la multiplicacin. Regla de la adicin.
Probabilidad Simple, probabilidad conjunta y probabilidad
condicional. Diagrama de Venn, tabla de contingencias y diagrama
del rbol. Probabilidad de eventos independientes, probabilidad total
y Teorema de Bayes.

Semanas 4, 5 y 6

222

UNIDAD 4: Variable aleatoria discreta y distribuciones discretas de probabilidad.

LOGRO: Analiza comportamiento de variables mediante modelos
matemticos aplicados a situaciones aleatorias discretas. Reconoce,
modela y analiza procesos aplicando las distribuciones de
probabilidad y su aplicacin prctica.

TEMARIO: Definicin de variable aleatoria discreta. Funcin de
probabilidad y funcin de distribucin acumulada de una variable
aleatoria discreta. Valor esperado y varianza de variables aleatorias
discretas: propiedades. Estudio de propiedades y aplicaciones de las
principales distribuciones de probabilidad discreta: uniforme,
binomial, geomtrica, Pascal, hipergeomtrica y Poisson,.

Semanas 7 y 9

UNIDAD 5: Evaluacin del aprendizaje

LOGRO: El alumno reconoce el nivel de logro alcanzado durante el
proceso de enseanza aprendizaje, en funcin de las unidades
trabajadas.

TEMARIO:
- Organizacin de datos
- Medidas descriptivas
- Teora de probabilidades
- Variable aleatoria discreta

Retroalimentacin: Se realizar la retroalimentacin publicando la
solucin del examen.

Semana 8

UNIDAD 6: Variable aleatoria continua y distribuciones continuas de probabilidad

LOGRO: Analiza comportamiento de variables mediante modelos
matemticos aplicados a situaciones aleatorias continuas. Reconoce,
modela y analiza procesos aplicando las funciones de densidad y
acumulativas ms utilizadas para la toma de decisiones, valorando la
importancia de la investigacin del trabajo estadstico precedente.

TEMARIO: Definicin de variable aleatoria continua. Funcin
densidad de probabilidad y funcin de distribucin acumulada de una
variable aleatoria continua. Valor esperado y varianza de variables
aleatorias continuas. Estudio de propiedades y aplicaciones de las
principales distribuciones de probabilidad continua: uniforme,
exponencial y normal.

Semanas 10 y 11

223

UNIDAD 7: Distribuciones Muestrales

LOGRO: Determina una estadstica para cada parmetro
poblacional y hace inferencia sobre la base de la muestra, valorando
la probabilidad como medio para entender su comportamiento.

TEMARIO: Error muestral y error no muestral. Distribucin
muestral de la media. Teorema del Lmite Central y aplicaciones:
distribucin t-student. Distribucin muestral de la proporcin y
aplicaciones. Distribucin muestral de la varianza y aplicaciones:
distribucin chi-cuadrado. Distribucin muestral de la diferencia de
medias, casos y aplicaciones. Distribucin muestral de la razn de
varianzas, aplicaciones. Distribucin muestral de la diferencia de
proporciones y aplicaciones.

Semanas 12, 13,
14 y 15

UNIDAD 8: Evaluacin del aprendizaje

LOGRO: El alumno reconoce el nivel de logro alcanzado durante el
proceso de enseanza aprendizaje, en funcin de las unidades
trabajadas.

TEMARIO:
- Variable aleatoria discreta y distribuciones discretas.
- Variable aleatoria continua y distribuciones continuas.
- Distribuciones Muestrales

Retroalimentacin: Se realizar la retroalimentacin publicando la
solucin del examen.

Semanas

16 y 17

VI. METODOLOGA

EL curso se desarrolla mediante exposiciones tericas y resolucin de problemas en clase.
Se analizan casos. Las evaluaciones del curso son permanentes, cuenta con cuatro prcticas
calificadas, y son tomadas dentro del horario de clase. Adems, antes del examen parcial
se desarrollar un y una prctica de laboratorio, lo mismo ser antes del examen final. El
trabajo final del curso ser de descripcin de datos recopilados y de modelacin de las
distribuciones desarrolladas en clase.

El alumno cuenta recursos y material de apoyo para el autoaprendizaje y retroalimentacin,
el cual se encuentra en el aula virtual del curso (http://moodle.upc.edu.pe/moodle_upc).

Adems, en el aula virtual, antes de cada evaluacin, el alumno podr encontrar el diseo
de la misma, es decir, los temas a evaluar y el puntaje que se ha asignado a cada uno de
ellos en la evaluacin.

224

VII. EVALUACIN

FRMULA:

El promedio final del curso se determina mediante la frmula:

PF = 0,25.EA + 0,25.EB + 0,075.PC1 + 0,075.PC2 + 0,075.PC3 + 0,075.PC4 + 0,20.TF

Donde:
EA = Evaluacin parcial
EB = Evaluacin final
PC1 = Prctica Calificada 1
TF = Trabajo final

VIII CRONOGRAMA:

Unidades Fecha

Tipo de evaluacin Peso Recuperable
1 y 2 Semana 3 Prctica Calificada 1 0,075 S
3 Semana 6 Prctica Calificada 2 0,075 S
1, 2, 3 y 4 Semana 8 Examen Parcial 0,25 S
4 y 6 Semana 11 Prctica Calificada 3 0,075 S
7 Semana 14 Prctica Calificada 4 0,075 S
1, 2, 3, 4, 6 y 7 Semana 15 Trabajo final 0,20 No
1, 2, 3, 4, 6 y 7 Semana 16 Examen Final 0,25 S

IX. BIBLIOGRAFA DEL CURSO

BSICA

MONTGOMERY, Douglas y RUNGER, George.
2002 Probabilidad y Estadstica aplicada a la Ingeniera. 2da. Edicin. Mxico. Editorial
Limusa S.A.

COMPLEMENTARIA

WALPOLE, Ronald.
1999 Probabilidad y estadstica para ingenieros. 6ta. Edicin. Mxico. Prentice Hall
Hispanoamericana S.A.

DEROVE, Jay.
1998 Probabilidad y Estadstica para Ingeniera y Ciencias. 4ta Edicin. International
Thomson S.A.

CORDOVA, Manuel.
2000 Estadstica Descriptiva e Inferencial. 4ta Edicin. Lima Per, Moshera S.R.L.

225
CDIGO: MA131
CURSO: ESTADSTICA APLICADA 1
TEORA: 2 HORAS
PRACTICA: 3 HORAS
CRDITOS: 3
PROFESORES: Susana Ventura, Segundo Jaramillo, Manuel Chvez
Sem. Fecha
Sesin 1
(2 horas)
Sesin 2
(2 horas)
Sesin laboratorio
(2 horas)
1
Lun 30 Mar
Sb 04 Abr.
Presentacin del curso: Definiciones. Tipo de
variables. Escalas de medicin. Trabajo de
investigacin. Base de datos.
Organizacin de datos cualitativos: tabulacin,
representacin grfica y anlisis de
resultados.
2
Lun 06 Abr
Sb 11 SAbr
Organizacin de datos cuantitativos.
Tabulacin, representacin grfica y anlisis
de resultados.
Medidas de tendencia central: media,
mediana, moda. Media ponderada y media
geomtrica.
Laboratorio 1
Organizacin de datos
3
Lun 13 Abr
Sb 18 Abr.
Medidas de dispersin: razn, varianza,
desviacin estndar, coeficiente de variacin.
Prctica Calificada 1:
Organizacin de datos. Medidas de resumen.
4
Lun 20 Abr
Sb 25 Abr.
Retroalimentacin de PC1. Medidas de
Posicin: cuartiles, deciles, centiles. Rango
intercuartil.
Teora de Probabilidades: definiciones,
operaciones con eventos, diagramas de Venn
Laboratorio 2
Medidas de resumen 1
5
Lun 27 Abr
Sb 02 May.
Anlisis Combinatorio: regla de la suma, de la
multiplicacin, permutaciones, variaciones,
combinaciones
Probabilidad simple, probabilidad conjunta y
probabilidad condicional, tabla de
contingencias.
6
Lun 04 May
Sb 09 May.
rbol de probabilidades. Probabilidad total y
teorema de Bayes. Eventos independientes.
Teora de Probabilidades
Laboratorio 3
Prueba de laboratorio
7
Lun 11 May
Sb 16 May.
Retroalimentacin de PC2. Variable aleatoria
discreta: definiciones. Funcin de
probabilidades.
Valor esperado y varianza de la variables
aleatorias discretas. Propiedades.
8
Lun 18 May
Sb 23 May.
9
Lun 25 May
Sb 30 May.
Retroalimentacin de EA. Distribuciones
discretas:Uniforme, Binomial, Geomtrica y
Pascal. Propiedades y aplicaciones.
Distribuciones discretas:Hipergeomtrica y
Poisson. Propiedades y aplicaciones.
Laboratorio 4
Distribuciones discretas
10
Lun 01 Jun
Sb 06 Jun.
Variable aleatoria Continua definiciones.
Funcin densidad de probabilidades. Valor
esperado y Varianza de V.A. conitnua.
Distribuciones continuas: Uniforme y
Exponencial. Propiedades y aplicaciones.
11
Lun 08 Jun.
Sb 13 Jun.
Distribuciones continuas: Normal.
Propiedades y aplicaciones.
Variable aleatoria. Distribuciones discretas y
continuas.
Laboratorio 5
Distribuciones continuas
12
Lun 15 Jun.
Sb 20 Jun.
Retroalimentacin de PC3. Distribucin
muestral de la media.
Aplicaciones de la distribucin muestral de la
media: intervalos de confianza y la
Distribucin t-student.
13
Lun 22 Jun.
Sb 27 Jun.
Distribucin muestral de la proporcin.
Aplicaciones: intervalos de confianza para
proporcin. Tamao de muestra.
Distribucin muestral de la varianza.
Distribucin Chi-cuadrada. Intervalos de
confianza para la varianza.
Laboratorio 6
Distribuciones muestrales
14
Lun 29 Jun.
Sb 04 Jul.
Intervalos de confianza para la diferencia de
medias con varianzas poblacionales
conocidas.
Distribuciones muestrales de la media,
proporcin y varianza. Aplicaciones.
15
Lun 06 Jul.
Sb 11 Jul.
Retroalimentacin PC4. Intervalos de
confianza para diferencia de medias con
varianzas poblacionales desconocidas.
Intervalos de confianza para razn de
varianzas. Intervalos de confianza para
diferencia de proporciones.
Laboratorio 7
Prueba de laboratorio
16
Lun 13 Jul.
Sb 18 Jul.
SISTEMA DE EVALUACION
PF = 0,25.EA + 0,25.EB + 0,075.PC1 + 0,075.PC2 + 0,075.PC3 + 0,075.PC4 + 0,20.TF
donde: EA : Evaluacin Parcial PC1: Prctica Calificada 1 PC3: Prctica Calificada 3
EB: Evaluacin Final PC2: Prctica Calificada 2 PC4: Prctica Calificada 4
TF: Trabajo Final
PLAN CALENDARIO PARA EL CICLO 2009 - 1
Semana de Exmenes Parciales
Semana de Exmenes Finales

226
Tabla 1
TABLA DE LA DISTRIBUCION NORMAL
rea bajo la curva normal: ( ) P Z z o s = (

Z -0.09 -0.08 -0.07 -0.06 -0.05 -0.04 -0.03 -0.02 -0.01 -0.00
-3.9 0.000033 0.000034 0.000036 0.000037 0.000039 0.000041 0.000042 0.000044 0.000046 0.000048
-3.8 0.000050 0.000052 0.000054 0.000057 0.000059 0.000062 0.000064 0.000067 0.000069 0.000072
-3.7 0.000075 0.000078 0.000082 0.000085 0.000088 0.000092 0.000096 0.000100 0.000104 0.000108
-3.6 0.000112 0.000117 0.000121 0.000126 0.000131 0.000136 0.000142 0.000147 0.000153 0.000159
-3.5 0.000165 0.000172 0.000178 0.000185 0.000193 0.000200 0.000208 0.000216 0.000224 0.000233
-3.4 0.000242 0.000251 0.000260 0.000270 0.000280 0.000291 0.000302 0.000313 0.000325 0.000337
-3.3 0.000349 0.000362 0.000376 0.000390 0.000404 0.000419 0.000434 0.000450 0.000466 0.000483
-3.2 0.000501 0.000519 0.000538 0.000557 0.000577 0.000598 0.000619 0.000641 0.000664 0.000687
-3.1 0.000711 0.000736 0.000762 0.000789 0.000816 0.000845 0.000874 0.000904 0.000935 0.000968
-3.0 0.001001 0.001035 0.001070 0.001107 0.001144 0.001183 0.001223 0.001264 0.001306 0.001350

-2.9 0.00139 0.00144 0.00149 0.00154 0.00159 0.00164 0.00169 0.00175 0.00181 0.00187
-2.8 0.00193 0.00199 0.00205 0.00212 0.00219 0.00226 0.00233 0.00240 0.00248 0.00256
-2.7 0.00264 0.00272 0.00280 0.00289 0.00298 0.00307 0.00317 0.00326 0.00336 0.00347
-2.6 0.00357 0.00368 0.00379 0.00391 0.00402 0.00415 0.00427 0.00440 0.00453 0.00466
-2.5 0.00480 0.00494 0.00508 0.00523 0.00539 0.00554 0.00570 0.00587 0.00604 0.00621
-2.4 0.00639 0.00657 0.00676 0.00695 0.00714 0.00734 0.00755 0.00776 0.00798 0.00820
-2.3 0.00842 0.00866 0.00889 0.00914 0.00939 0.00964 0.00990 0.01017 0.01044 0.01072
-2.2 0.01101 0.01130 0.01160 0.01191 0.01222 0.01255 0.01287 0.01321 0.01355 0.01390
-2.1 0.01426 0.01463 0.01500 0.01539 0.01578 0.01618 0.01659 0.01700 0.01743 0.01786
-2.0 0.01831 0.01876 0.01923 0.01970 0.02018 0.02068 0.02118 0.02169 0.02222 0.02275

-1.9 0.02330 0.02385 0.02442 0.02500 0.02559 0.02619 0.02680 0.02743 0.02807 0.02872
-1.8 0.02938 0.03005 0.03074 0.03144 0.03216 0.03288 0.03362 0.03438 0.03515 0.03593
-1.7 0.03673 0.03754 0.03836 0.03920 0.04006 0.04093 0.04182 0.04272 0.04363 0.04457
-1.6 0.04551 0.04648 0.04746 0.04846 0.04947 0.05050 0.05155 0.05262 0.05370 0.05480
-1.5 0.05592 0.05705 0.05821 0.05938 0.06057 0.06178 0.06301 0.06426 0.06552 0.06681
-1.4 0.06811 0.06944 0.07078 0.07215 0.07353 0.07493 0.07636 0.07780 0.07927 0.08076
-1.3 0.08226 0.08379 0.08534 0.08691 0.08851 0.09012 0.09176 0.09342 0.09510 0.09680
-1.2 0.09853 0.10027 0.10204 0.10383 0.10565 0.10749 0.10935 0.11123 0.11314 0.11507
-1.1 0.11702 0.11900 0.12100 0.12302 0.12507 0.12714 0.12924 0.13136 0.13350 0.13567
-1.0 0.13786 0.14007 0.14231 0.14457 0.14686 0.14917 0.15151 0.15386 0.15625 0.15866

-0.9 0.16109 0.16354 0.16602 0.16853 0.17106 0.17361 0.17619 0.17879 0.18141 0.18406
-0.8 0.18673 0.18943 0.19215 0.19489 0.19766 0.20045 0.20327 0.20611 0.20897 0.21186
-0.7 0.21476 0.21770 0.22065 0.22363 0.22663 0.22965 0.23270 0.23576 0.23885 0.24196
-0.6 0.24510 0.24825 0.25143 0.25463 0.25785 0.26109 0.26435 0.26763 0.27093 0.27425
-0.5 0.27760 0.28096 0.28434 0.28774 0.29116 0.29460 0.29806 0.30153 0.30503 0.30854
-0.4 0.31207 0.31561 0.31918 0.32276 0.32636 0.32997 0.33360 0.33724 0.34090 0.34458
-0.3 0.34827 0.35197 0.35569 0.35942 0.36317 0.36693 0.37070 0.37448 0.37828 0.38209
-0.2 0.38591 0.38974 0.39358 0.39743 0.40129 0.40517 0.40905 0.41294 0.41683 0.42074
-0.1 0.42465 0.42858 0.43251 0.43644 0.44038 0.44433 0.44828 0.45224 0.45620 0.46017
-0.0 0.46414 0.46812 0.47210 0.47608 0.48006 0.48405 0.48803 0.49202 0.49601 0.50000

227
Tabla 2
TABLA DE LA DISTRIBUCION NORMAL
rea bajo la curva normal: ( ) P Z z o s = (

Z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.50000 0.50399 0.50798 0.51197 0.51595 0.51994 0.52392 0.52790 0.53188 0.53586
0.1 0.53983 0.54380 0.54776 0.55172 0.55567 0.55962 0.56356 0.56749 0.57142 0.57535
0.2 0.57926 0.58317 0.58706 0.59095 0.59483 0.59871 0.60257 0.60642 0.61026 0.61409
0.3 0.61791 0.62172 0.62552 0.62930 0.63307 0.63683 0.64058 0.64431 0.64803 0.65173
0.4 0.65542 0.65910 0.66276 0.66640 0.67003 0.67364 0.67724 0.68082 0.68439 0.68793
0.5 0.69146 0.69497 0.69847 0.70194 0.70540 0.70884 0.71226 0.71566 0.71904 0.72240
0.6 0.72575 0.72907 0.73237 0.73565 0.73891 0.74215 0.74537 0.74857 0.75175 0.75490
0.7 0.75804 0.76115 0.76424 0.76730 0.77035 0.77337 0.77637 0.77935 0.78230 0.78524
0.8 0.78814 0.79103 0.79389 0.79673 0.79955 0.80234 0.80511 0.80785 0.81057 0.81327
0.9 0.81594 0.81859 0.82121 0.82381 0.82639 0.82894 0.83147 0.83398 0.83646 0.83891

1.0 0.84134 0.84375 0.84614 0.84849 0.85083 0.85314 0.85543 0.85769 0.85993 0.86214
1.1 0.86433 0.86650 0.86864 0.87076 0.87286 0.87493 0.87698 0.87900 0.88100 0.88298
1.2 0.88493 0.88686 0.88877 0.89065 0.89251 0.89435 0.89617 0.89796 0.89973 0.90147
1.3 0.90320 0.90490 0.90658 0.90824 0.90988 0.91149 0.91309 0.91466 0.91621 0.91774
1.4 0.91924 0.92073 0.92220 0.92364 0.92507 0.92647 0.92785 0.92922 0.93056 0.93189
1.5 0.93319 0.93448 0.93574 0.93699 0.93822 0.93943 0.94062 0.94179 0.94295 0.94408
1.6 0.94520 0.94630 0.94738 0.94845 0.94950 0.95053 0.95154 0.95254 0.95352 0.95449
1.7 0.95543 0.95637 0.95728 0.95818 0.95907 0.95994 0.96080 0.96164 0.96246 0.96327
1.8 0.96407 0.96485 0.96562 0.96638 0.96712 0.96784 0.96856 0.96926 0.96995 0.97062
1.9 0.97128 0.97193 0.97257 0.97320 0.97381 0.97441 0.97500 0.97558 0.97615 0.97670

2.0 0.97725 0.97778 0.97831 0.97882 0.97932 0.97982 0.98030 0.98077 0.98124 0.98169
2.1 0.98214 0.98257 0.98300 0.98341 0.98382 0.98422 0.98461 0.98500 0.98537 0.98574
2.2 0.98610 0.98645 0.98679 0.98713 0.98745 0.98778 0.98809 0.98840 0.98870 0.98899
2.3 0.98928 0.98956 0.98983 0.99010 0.99036 0.99061 0.99086 0.99111 0.99134 0.99158
2.4 0.99180 0.99202 0.99224 0.99245 0.99266 0.99286 0.99305 0.99324 0.99343 0.99361
2.5 0.99379 0.99396 0.99413 0.99430 0.99446 0.99461 0.99477 0.99492 0.99506 0.99520
2.6 0.99534 0.99547 0.99560 0.99573 0.99585 0.99598 0.99609 0.99621 0.99632 0.99643
2.7 0.99653 0.99664 0.99674 0.99683 0.99693 0.99702 0.99711 0.99720 0.99728 0.99736
2.8 0.99744 0.99752 0.99760 0.99767 0.99774 0.99781 0.99788 0.99795 0.99801 0.99807
2.9 0.99813 0.99819 0.99825 0.99831 0.99836 0.99841 0.99846 0.99851 0.99856 0.99861

3.0 0.998650 0.998694 0.998736 0.998777 0.998817 0.998856 0.998893 0.998930 0.998965 0.998999
3.1 0.999032 0.999065 0.999096 0.999126 0.999155 0.999184 0.999211 0.999238 0.999264 0.999289
3.2 0.999313 0.999336 0.999359 0.999381 0.999402 0.999423 0.999443 0.999462 0.999481 0.999499
3.3 0.999517 0.999534 0.999550 0.999566 0.999581 0.999596 0.999610 0.999624 0.999638 0.999651
3.4 0.999663 0.999675 0.999687 0.999698 0.999709 0.999720 0.999730 0.999740 0.999749 0.999758
3.5 0.999767 0.999776 0.999784 0.999792 0.999800 0.999807 0.999815 0.999822 0.999828 0.999835
3.6 0.999841 0.999847 0.999853 0.999858 0.999864 0.999869 0.999874 0.999879 0.999883 0.999888
3.7 0.999892 0.999896 0.999900 0.999904 0.999908 0.999912 0.999915 0.999918 0.999922 0.999925
3.8 0.999928 0.999931 0.999933 0.999936 0.999938 0.999941 0.999943 0.999946 0.999948 0.999950
3.9 0.999952 0.999954 0.999956 0.999958 0.999959 0.999961 0.999963 0.999964 0.999966 0.999967
228

Tabla 3.- TABLA DE LA DISTRIBUCION T-STUDENT

229

Tabla 4.- TABLA DE LA DISTRIBUCION T-STUDENT

230

Tabla 5.- TABLA DE LA DISTRIBUCIN JI-CUADRADO
reas bajo la curva: | | o = > _ ) c ( P
2

v
o
0.995 0.990 0.980 0.975 0.960 0.950 0.900 0.800 0.700 0.600 0.500
1 0.000 0.000 0.001 0.001 0.003 0.004 0.016 0.064 0.148 0.275 0.455
2 0.010 0.020 0.040 0.051 0.082 0.103 0.211 0.446 0.713 1.022 1.386
3 0.072 0.115 0.185 0.216 0.300 0.352 0.584 1.005 1.424 1.869 2.366
4 0.207 0.297 0.429 0.484 0.627 0.711 1.064 1.649 2.195 2.753 3.357
5 0.412 0.554 0.752 0.831 1.031 1.145 1.610 2.343 3.000 3.656 4.351

6 0.676 0.872 1.134 1.237 1.492 1.635 2.204 3.070 3.828 4.570 5.348
7 0.989 1.239 1.564 1.690 1.997 2.167 2.833 3.822 4.671 5.493 6.346
8 1.344 1.647 2.032 2.180 2.537 2.733 3.490 4.594 5.527 6.423 7.344
9 1.735 2.088 2.532 2.700 3.105 3.325 4.168 5.380 6.393 7.357 8.343
10 2.156 2.558 3.059 3.247 3.697 3.940 4.865 6.179 7.267 8.295 9.342

11 2.603 3.053 3.609 3.816 4.309 4.575 5.578 6.989 8.148 9.237 10.341
12 3.074 3.571 4.178 4.404 4.939 5.226 6.304 7.807 9.034 10.182 11.340
13 3.565 4.107 4.765 5.009 5.584 5.892 7.041 8.634 9.926 11.129 12.340
14 4.075 4.660 5.368 5.629 6.243 6.571 7.790 9.467 10.821 12.078 13.339
15 4.601 5.229 5.985 6.262 6.914 7.261 8.547 10.307 11.721 13.030 14.339

16 5.142 5.812 6.614 6.908 7.596 7.962 9.312 11.152 12.624 13.983 15.338
17 5.697 6.408 7.255 7.564 8.288 8.672 10.085 12.002 13.531 14.937 16.338
18 6.265 7.015 7.906 8.231 8.989 9.390 10.865 12.857 14.440 15.893 17.338
19 6.844 7.633 8.567 8.907 9.698 10.117 11.651 13.716 15.352 16.850 18.338
20 7.434 8.260 9.237 9.591 10.415 10.851 12.443 14.578 16.266 17.809 19.337

21 8.034 8.897 9.915 10.283 11.140 11.591 13.240 15.445 17.182 18.768 20.337
22 8.643 9.542 10.600 10.982 11.870 12.338 14.041 16.314 18.101 19.729 21.337
23 9.260 10.196 11.293 11.689 12.607 13.091 14.848 17.187 19.021 20.690 22.337
24 9.886 10.856 11.992 12.401 13.350 13.848 15.659 18.062 19.943 21.652 23.337
25 10.520 11.524 12.697 13.120 14.098 14.611 16.473 18.940 20.867 22.616 24.337

26 11.160 12.198 13.409 13.844 14.851 15.379 17.292 19.820 21.792 23.579 25.336
27 11.808 12.878 14.125 14.573 15.609 16.151 18.114 20.703 22.719 24.544 26.336
28 12.461 13.565 14.847 15.308 16.371 16.928 18.939 21.588 23.647 25.509 27.336
29 13.121 14.256 15.574 16.047 17.138 17.708 19.768 22.475 24.577 26.475 28.336
30 13.787 14.953 16.306 16.791 17.908 18.493 20.599 23.364 25.508 27.442 29.336

31 14.458 15.655 17.042 17.539 18.683 19.281 21.434 24.255 26.440 28.409 30.336
60 35.534 37.485 39.699 40.482 42.266 43.188 46.459 50.641 53.809 56.620 59.335
70 43.275 45.442 47.893 48.758 50.724 51.739 55.329 59.898 63.346 66.396 69.334
120 83.852 86.923 90.367 91.573 94.303 95.705 100.624 106.806 111.419 115.465 119.334

231
Tabla 6.- TABLA DE LA DISTRIBUCIN JI-CUADRADO

reas bajo la curva: | | o = > _ ) c ( P
2

v
o
0.250 0.200 0.150 0.125 0.100 0.050 0.025 0.020 0.010 0.005
1 1.323 1.642 2.072 2.354 2.706 3.841 5.024 5.412 6.635 7.879
2 2.773 3.219 3.794 4.159 4.605 5.991 7.378 7.824 9.210 10.597
3 4.108 4.642 5.317 5.739 6.251 7.815 9.348 9.837 11.345 12.838
4 5.385 5.989 6.745 7.214 7.779 9.488 11.143 11.668 13.277 14.860
5 6.626 7.289 8.115 8.625 9.236 11.070 12.832 13.388 15.086 16.750

6 7.841 8.558 9.446 9.992 10.645 12.592 14.449 15.033 16.812 18.548
7 9.037 9.803 10.748 11.326 12.017 14.067 16.013 16.622 18.475 20.278
8 10.219 11.030 12.027 12.636 13.362 15.507 17.535 18.168 20.090 21.955
9 11.389 12.242 13.288 13.926 14.684 16.919 19.023 19.679 21.666 23.589
10 12.549 13.442 14.534 15.198 15.987 18.307 20.483 21.161 23.209 25.188

11 13.701 14.631 15.767 16.457 17.275 19.675 21.920 22.618 24.725 26.757
12 14.845 15.812 16.989 17.703 18.549 21.026 23.337 24.054 26.217 28.300
13 15.984 16.985 18.202 18.939 19.812 22.362 24.736 25.471 27.688 29.819
14 17.117 18.151 19.406 20.166 21.064 23.685 26.119 26.873 29.141 31.319
15 18.245 19.311 20.603 21.384 22.307 24.996 27.488 28.259 30.578 32.801

16 19.369 20.465 21.793 22.595 23.542 26.296 28.845 29.633 32.000 34.267
17 20.489 21.615 22.977 23.799 24.769 27.587 30.191 30.995 33.409 35.718
18 21.605 22.760 24.155 24.997 25.989 28.869 31.526 32.346 34.805 37.156
19 22.718 23.900 25.329 26.189 27.204 30.144 32.852 33.687 36.191 38.582
20 23.828 25.038 26.498 27.376 28.412 31.410 34.170 35.020 37.566 39.997

21 24.935 26.171 27.662 28.559 29.615 32.671 35.479 36.343 38.932 41.401
22 26.039 27.301 28.822 29.737 30.813 33.924 36.781 37.659 40.289 42.796
23 27.141 28.429 29.979 30.911 32.007 35.172 38.076 38.968 41.638 44.181
24 28.241 29.553 31.132 32.081 33.196 36.415 39.364 40.270 42.980 45.558
25 29.339 30.675 32.282 33.247 34.382 37.652 40.646 41.566 44.314 46.928

26 30.435 31.795 33.429 34.410 35.563 38.885 41.923 42.856 45.642 48.290
27 31.528 32.912 34.574 35.570 36.741 40.113 43.195 44.140 46.963 49.645
28 32.620 34.027 35.715 36.727 37.916 41.337 44.461 45.419 48.278 50.994
29 33.711 35.139 36.854 37.881 39.087 42.557 45.722 46.693 49.588 52.335
30 34.800 36.250 37.990 39.033 40.256 43.773 46.979 47.962 50.892 53.672

31 35.887 37.359 39.124 40.181 41.422 44.985 48.232 49.226 52.191 55.002
60 66.981 68.972 71.341 72.751 74.397 79.082 83.298 84.580 88.379 91.952
70 77.577 79.715 82.255 83.765 85.527 90.531 95.023 96.387 100.425 104.215
120 130.055 132.806 136.062 137.990 140.233 146.567 152.211 153.918 158.950 163.648

232
Tabla7.- TABLA DE LA DISTRIBUCIN F
reas bajo la curva: | | o = > ) c F ( P
o
v
1

v
2
1 2 3 4 5 6 7 8 9 10
0.050 1 161.45 199.50 215.71 224.58 230.16 233.99 236.77 238.88 240.54 241.88
0.025 647.79 799.48 864.15 899.60 921.83 937.11 948.20 956.64 963.28 968.63
0.010 4052.18 4999.34 5403.53 5624.26 5763.96 5858.95 5928.33 5980.95 6022.40 6055.93
0.005 16212.46 19997.36 21614.13 22500.75 23055.82 23439.53 23715.20 23923.81 24091.45 24221.84

0.050 2 18.51 19.00 19.16 19.25 19.30 19.33 19.35 19.37 19.38 19.40
0.025 38.51 39.00 39.17 39.25 39.30 39.33 39.36 39.37 39.39 39.40
0.010 98.50 99.00 99.16 99.25 99.30 99.33 99.36 99.38 99.39 99.40
0.005 198.50 199.01 199.16 199.24 199.30 199.33 199.36 199.38 199.39 199.39

0.050 3 10.13 9.55 9.28 9.12 9.01 8.94 8.89 8.85 8.81 8.79
0.025 17.44 16.04 15.44 15.10 14.88 14.73 14.62 14.54 14.47 14.42
0.010 34.12 30.82 29.46 28.71 28.24 27.91 27.67 27.49 27.34 27.23
0.005 55.55 49.80 47.47 46.20 45.39 44.84 44.43 44.13 43.88 43.68

0.050 4 7.71 6.94 6.59 6.39 6.26 6.16 6.09 6.04 6.00 5.96
0.025 12.22 10.65 9.98 9.60 9.36 9.20 9.07 8.98 8.90 8.84
0.010 21.20 18.00 16.69 15.98 15.52 15.21 14.98 14.80 14.66 14.55
0.005 31.33 26.28 24.26 23.15 22.46 21.98 21.62 21.35 21.14 20.97

0.050 5 6.61 5.79 5.41 5.19 5.05 4.95 4.88 4.82 4.77 4.74
0.025 10.01 8.43 7.76 7.39 7.15 6.98 6.85 6.76 6.68 6.62
0.010 16.26 13.27 12.06 11.39 10.97 10.67 10.46 10.29 10.16 10.05
0.005 22.78 18.31 16.53 15.56 14.94 14.51 14.20 13.96 13.77 13.62

0.050 6 5.99 5.14 4.76 4.53 4.39 4.28 4.21 4.15 4.10 4.06
0.025 8.81 7.26 6.60 6.23 5.99 5.82 5.70 5.60 5.52 5.46
0.010 13.75 10.92 9.78 9.15 8.75 8.47 8.26 8.10 7.98 7.87
0.005 18.63 14.54 12.92 12.03 11.46 11.07 10.79 10.57 10.39 10.25

0.050 7 5.59 4.74 4.35 4.12 3.97 3.87 3.79 3.73 3.68 3.64
0.025 8.07 6.54 5.89 5.52 5.29 5.12 4.99 4.90 4.82 4.76
0.010 12.25 9.55 8.45 7.85 7.46 7.19 6.99 6.84 6.72 6.62
0.005 16.24 12.40 10.88 10.05 9.52 9.16 8.89 8.68 8.51 8.38

0.050 8 5.32 4.46 4.07 3.84 3.69 3.58 3.50 3.44 3.39 3.35
0.025 7.57 6.06 5.42 5.05 4.82 4.65 4.53 4.43 4.36 4.30
0.010 11.26 8.65 7.59 7.01 6.63 6.37 6.18 6.03 5.91 5.81
0.005 14.69 11.04 9.60 8.81 8.30 7.95 7.69 7.50 7.34 7.21

0.050 9 5.12 4.26 3.86 3.63 3.48 3.37 3.29 3.23 3.18 3.14
0.025 7.21 5.71 5.08 4.72 4.48 4.32 4.20 4.10 4.03 3.96
0.010 10.56 8.02 6.99 6.42 6.06 5.80 5.61 5.47 5.35 5.26
0.005 13.61 10.11 8.72 7.96 7.47 7.13 6.88 6.69 6.54 6.42

0.050 10 4.96 4.10 3.71 3.48 3.33 3.22 3.14 3.07 3.02 2.98
0.025 6.94 5.46 4.83 4.47 4.24 4.07 3.95 3.85 3.78 3.72
0.010 10.04 7.56 6.55 5.99 5.64 5.39 5.20 5.06 4.94 4.85
0.005 12.83 9.43 8.08 7.34 6.87 6.54 6.30 6.12 5.97 5.85

0.050 11 4.84 3.98 3.59 3.36 3.20 3.09 3.01 2.95 2.90 2.85
0.025 6.72 5.26 4.63 4.28 4.04 3.88 3.76 3.66 3.59 3.53
0.010 9.65 7.21 6.22 5.67 5.32 5.07 4.89 4.74 4.63 4.54
0.005 12.23 8.91 7.60 6.88 6.42 6.10 5.86 5.68 5.54 5.42

0.050 12 4.75 3.89 3.49 3.26 3.11 3.00 2.91 2.85 2.80 2.75
0.025 6.55 5.10 4.47 4.12 3.89 3.73 3.61 3.51 3.44 3.37
0.010 9.33 6.93 5.95 5.41 5.06 4.82 4.64 4.50 4.39 4.30
0.005 11.75 8.51 7.23 6.52 6.07 5.76 5.52 5.35 5.20 5.09

233
Tabla 8. - TABLA DE LA DISTRIBUCIN F

o
v
1

v
2
12 15 20 24 30 40 50 60 70 120
0.050 1 243.90 245.95 248.02 249.05 250.10 251.14 251.77 252.20 252.50 253.25
0.025 976.72 984.87 993.08 997.27 1001.40 1005.60 1008.10 1009.79 1011.01 1014.04
0.010 6106.68 6156.97 6208.66 6234.27 6260.35 6286.43 6302.26 6312.97 6320.89 6339.51
0.005 24426.73 24631.62 24836.51 24937.09 25041.40 25145.71 25212.76 25253.74 25283.55 25358.05

0.050 2 19.41 19.43 19.45 19.45 19.46 19.47 19.48 19.48 19.48 19.49
0.025 39.41 39.43 39.45 39.46 39.46 39.47 39.48 39.48 39.48 39.49
0.010 99.42 99.43 99.45 99.46 99.47 99.48 99.48 99.48 99.48 99.49
0.005 199.42 199.43 199.45 199.45 199.48 199.48 199.48 199.48 199.48 199.49

0.050 3 8.74 8.70 8.66 8.64 8.62 8.59 8.58 8.57 8.57 8.55
0.025 14.34 14.25 14.17 14.12 14.08 14.04 14.01 13.99 13.98 13.95
0.010 27.05 26.87 26.69 26.60 26.50 26.41 26.35 26.32 26.29 26.22
0.005 43.39 43.08 42.78 42.62 42.47 42.31 42.21 42.15 42.10 41.99

0.050 4 5.91 5.86 5.80 5.77 5.75 5.72 5.70 5.69 5.68 5.66
0.025 8.75 8.66 8.56 8.51 8.46 8.41 8.38 8.36 8.35 8.31
0.010 14.37 14.20 14.02 13.93 13.84 13.75 13.69 13.65 13.63 13.56
0.005 20.70 20.44 20.17 20.03 19.89 19.75 19.67 19.61 19.57 19.47

0.050 5 4.68 4.62 4.56 4.53 4.50 4.46 4.44 4.43 4.42 4.40
0.025 6.52 6.43 6.33 6.28 6.23 6.18 6.14 6.12 6.11 6.07
0.010 9.89 9.72 9.55 9.47 9.38 9.29 9.24 9.20 9.18 9.11
0.005 13.38 13.15 12.90 12.78 12.66 12.53 12.45 12.40 12.37 12.27

0.050 6 4.00 3.94 3.87 3.84 3.81 3.77 3.75 3.74 3.73 3.70
0.025 5.37 5.27 5.17 5.12 5.07 5.01 4.98 4.96 4.94 4.90
0.010 7.72 7.56 7.40 7.31 7.23 7.14 7.09 7.06 7.03 6.97
0.005 10.03 9.81 9.59 9.47 9.36 9.24 9.17 9.12 9.09 9.00

0.050 7 3.57 3.51 3.44 3.41 3.38 3.34 3.32 3.30 3.29 3.27
0.025 4.67 4.57 4.47 4.41 4.36 4.31 4.28 4.25 4.24 4.20
0.010 6.47 6.31 6.16 6.07 5.99 5.91 5.86 5.82 5.80 5.74
0.005 8.18 7.97 7.75 7.64 7.53 7.42 7.35 7.31 7.28 7.19

0.050 8 3.28 3.22 3.15 3.12 3.08 3.04 3.02 3.01 2.99 2.97
0.025 4.20 4.10 4.00 3.95 3.89 3.84 3.81 3.78 3.77 3.73
0.010 5.67 5.52 5.36 5.28 5.20 5.12 5.07 5.03 5.01 4.95
0.005 7.01 6.81 6.61 6.50 6.40 6.29 6.22 6.18 6.15 6.06

0.050 9 3.07 3.01 2.94 2.90 2.86 2.83 2.80 2.79 2.78 2.75
0.025 3.87 3.77 3.67 3.61 3.56 3.51 3.47 3.45 3.43 3.39
0.010 5.11 4.96 4.81 4.73 4.65 4.57 4.52 4.48 4.46 4.40
0.005 6.23 6.03 5.83 5.73 5.62 5.52 5.45 5.41 5.38 5.30

0.050 10 2.91 2.85 2.77 2.74 2.70 2.66 2.64 2.62 2.61 2.58
0.025 3.62 3.52 3.42 3.37 3.31 3.26 3.22 3.20 3.18 3.14
0.010 4.71 4.56 4.41 4.33 4.25 4.17 4.12 4.08 4.06 4.00
0.005 5.66 5.47 5.27 5.17 5.07 4.97 4.90 4.86 4.83 4.75

0.050 11 2.79 2.72 2.65 2.61 2.57 2.53 2.51 2.49 2.48 2.45
0.025 3.43 3.33 3.23 3.17 3.12 3.06 3.03 3.00 2.99 2.94
0.010 4.40 4.25 4.10 4.02 3.94 3.86 3.81 3.78 3.75 3.69
0.005 5.24 5.05 4.86 4.76 4.65 4.55 4.49 4.45 4.41 4.34

0.050 12 2.69 2.62 2.54 2.51 2.47 2.43 2.40 2.38 2.37 2.34
0.025 3.28 3.18 3.07 3.02 2.96 2.91 2.87 2.85 2.83 2.79
0.010 4.16 4.01 3.86 3.78 3.70 3.62 3.57 3.54 3.51 3.45
0.005 4.91 4.72 4.53 4.43 4.33 4.23 4.17 4.12 4.09 4.01

234
Tabla 9.- TABLA DE LA DISTRIBUCIN F

o
v
1

v
2
1 2 3 4 5 6 7 8 9 10
0.050 13 4.7 3.8 3.4 3.2 3.0 2.9 2.8 2.8 2.7 2.7
0.025 6.4 5.0 4.3 4.0 3.8 3.6 3.5 3.4 3.3 3.2
0.010 9.1 6.7 5.7 5.2 4.9 4.6 4.4 4.3 4.2 4.1
0.005 11.4 8.2 6.9 6.2 5.8 5.5 5.3 5.1 4.9 4.8

0.050 14 4.60 3.74 3.34 3.11 2.96 2.85 2.76 2.70 2.65 2.60
0.025 6.30 4.86 4.24 3.89 3.66 3.50 3.38 3.29 3.21 3.15
0.010 8.86 6.51 5.56 5.04 4.69 4.46 4.28 4.14 4.03 3.94
0.005 11.06 7.92 6.68 6.00 5.56 5.26 5.03 4.86 4.72 4.60

0.050 15 4.54 3.68 3.29 3.06 2.90 2.79 2.71 2.64 2.59 2.54
0.025 6.20 4.77 4.15 3.80 3.58 3.41 3.29 3.20 3.12 3.06
0.010 8.68 6.36 5.42 4.89 4.56 4.32 4.14 4.00 3.89 3.80
0.005 10.80 7.70 6.48 5.80 5.37 5.07 4.85 4.67 4.54 4.42

0.050 20 4.35 3.49 3.10 2.87 2.71 2.60 2.51 2.45 2.39 2.35
0.025 5.87 4.46 3.86 3.51 3.29 3.13 3.01 2.91 2.84 2.77
0.010 8.10 5.85 4.94 4.43 4.10 3.87 3.70 3.56 3.46 3.37
0.005 9.94 6.99 5.82 5.17 4.76 4.47 4.26 4.09 3.96 3.85

0.050 24 4.26 3.40 3.01 2.78 2.62 2.51 2.42 2.36 2.30 2.25
0.025 5.72 4.32 3.72 3.38 3.15 2.99 2.87 2.78 2.70 2.64
0.010 7.82 5.61 4.72 4.22 3.90 3.67 3.50 3.36 3.26 3.17
0.005 9.55 6.66 5.52 4.89 4.49 4.20 3.99 3.83 3.69 3.59

0.050 30 4.17 3.32 2.92 2.69 2.53 2.42 2.33 2.27 2.21 2.16
0.025 5.57 4.18 3.59 3.25 3.03 2.87 2.75 2.65 2.57 2.51
0.010 7.56 5.39 4.51 4.02 3.70 3.47 3.30 3.17 3.07 2.98
0.005 9.18 6.35 5.24 4.62 4.23 3.95 3.74 3.58 3.45 3.34

0.050 40 4.08 3.23 2.84 2.61 2.45 2.34 2.25 2.18 2.12 2.08
0.025 5.42 4.05 3.46 3.13 2.90 2.74 2.62 2.53 2.45 2.39
0.010 7.31 5.18 4.31 3.83 3.51 3.29 3.12 2.99 2.89 2.80
0.005 8.83 6.07 4.98 4.37 3.99 3.71 3.51 3.35 3.22 3.12

0.050 45 4.06 3.20 2.81 2.58 2.42 2.31 2.22 2.15 2.10 2.05
0.025 5.38 4.01 3.42 3.09 2.86 2.70 2.58 2.49 2.41 2.35
0.010 7.23 5.11 4.25 3.77 3.45 3.23 3.07 2.94 2.83 2.74
0.005 8.71 5.97 4.89 4.29 3.91 3.64 3.43 3.28 3.15 3.04

0.050 50 4.03 3.18 2.79 2.56 2.40 2.29 2.20 2.13 2.07 2.03
0.025 5.34 3.97 3.39 3.05 2.83 2.67 2.55 2.46 2.38 2.32
0.010 7.17 5.06 4.20 3.72 3.41 3.19 3.02 2.89 2.78 2.70
0.005 8.63 5.90 4.83 4.23 3.85 3.58 3.38 3.22 3.09 2.99

0.050 60 4.00 3.15 2.76 2.53 2.37 2.25 2.17 2.10 2.04 1.99
0.025 5.29 3.93 3.34 3.01 2.79 2.63 2.51 2.41 2.33 2.27
0.010 7.08 4.98 4.13 3.65 3.34 3.12 2.95 2.82 2.72 2.63
0.005 8.49 5.79 4.73 4.14 3.76 3.49 3.29 3.13 3.01 2.90

0.050 70 3.98 3.13 2.74 2.50 2.35 2.23 2.14 2.07 2.02 1.97
0.025 5.25 3.89 3.31 2.97 2.75 2.59 2.47 2.38 2.30 2.24
0.010 7.01 4.92 4.07 3.60 3.29 3.07 2.91 2.78 2.67 2.59
0.005 8.40 5.72 4.66 4.08 3.70 3.43 3.23 3.08 2.95 2.85

0.050 120 3.92 3.07 2.68 2.45 2.29 2.18 2.09 2.02 1.96 1.91
0.025 5.15 3.80 3.23 2.89 2.67 2.52 2.39 2.30 2.22 2.16
0.010 6.85 4.79 3.95 3.48 3.17 2.96 2.79 2.66 2.56 2.47
0.005 8.18 5.54 4.50 3.92 3.55 3.28 3.09 2.93 2.81 2.71

235

Tabla 10.- TABLA DE LA DISTRIBUCIN F

o
v
1

v
2
12 15 20 24 30 40 50 60 70 120
0.050 13 2.6 2.5 2.5 2.4 2.4 2.3 2.3 2.3 2.3 2.3
0.025 3.2 3.1 2.9 2.9 2.8 2.8 2.7 2.7 2.7 2.7
0.010 4.0 3.8 3.7 3.6 3.5 3.4 3.4 3.3 3.3 3.3
0.005 4.6 4.5 4.3 4.2 4.1 4.0 3.9 3.9 3.8 3.8

0.050 14 2.53 2.46 2.39 2.35 2.31 2.27 2.24 2.22 2.21 2.18
0.025 3.05 2.95 2.84 2.79 2.73 2.67 2.64 2.61 2.60 2.55
0.010 3.80 3.66 3.51 3.43 3.35 3.27 3.22 3.18 3.16 3.09
0.005 4.43 4.25 4.06 3.96 3.86 3.76 3.70 3.66 3.62 3.55

0.050 15 2.48 2.40 2.33 2.29 2.25 2.20 2.18 2.16 2.15 2.11
0.025 2.96 2.86 2.76 2.70 2.64 2.59 2.55 2.52 2.51 2.46
0.010 3.67 3.52 3.37 3.29 3.21 3.13 3.08 3.05 3.02 2.96
0.005 4.25 4.07 3.88 3.79 3.69 3.59 3.52 3.48 3.45 3.37

0.050 20 2.28 2.20 2.12 2.08 2.04 1.99 1.97 1.95 1.93 1.90
0.025 2.68 2.57 2.46 2.41 2.35 2.29 2.25 2.22 2.20 2.16
0.010 3.23 3.09 2.94 2.86 2.78 2.69 2.64 2.61 2.58 2.52
0.005 3.68 3.50 3.32 3.22 3.12 3.02 2.96 2.92 2.88 2.81

0.050 24 2.18 2.11 2.03 1.98 1.94 1.89 1.86 1.84 1.83 1.79
0.025 2.54 2.44 2.33 2.27 2.21 2.15 2.11 2.08 2.06 2.01
0.010 3.03 2.89 2.74 2.66 2.58 2.49 2.44 2.40 2.38 2.31
0.005 3.42 3.25 3.06 2.97 2.87 2.77 2.70 2.66 2.63 2.55

0.050 30 2.09 2.01 1.93 1.89 1.84 1.79 1.76 1.74 1.72 1.68
0.025 2.41 2.31 2.20 2.14 2.07 2.01 1.97 1.94 1.92 1.87
0.010 2.84 2.70 2.55 2.47 2.39 2.30 2.25 2.21 2.18 2.11
0.005 3.18 3.01 2.82 2.73 2.63 2.52 2.46 2.42 2.38 2.30

0.050 40 2.00 1.92 1.84 1.79 1.74 1.69 1.66 1.64 1.62 1.58
0.025 2.29 2.18 2.07 2.01 1.94 1.88 1.83 1.80 1.78 1.72
0.010 2.66 2.52 2.37 2.29 2.20 2.11 2.06 2.02 1.99 1.92
0.005 2.95 2.78 2.60 2.50 2.40 2.30 2.23 2.18 2.15 2.06

0.050 45 1.97 1.89 1.81 1.76 1.71 1.66 1.63 1.60 1.59 1.54
0.025 2.25 2.14 2.03 1.96 1.90 1.83 1.79 1.76 1.74 1.68
0.010 2.61 2.46 2.31 2.23 2.14 2.05 2.00 1.96 1.93 1.85
0.005 2.88 2.71 2.53 2.43 2.33 2.22 2.16 2.11 2.08 1.99

0.050 50 1.95 1.87 1.78 1.74 1.69 1.63 1.60 1.58 1.56 1.51
0.025 2.22 2.11 1.99 1.93 1.87 1.80 1.75 1.72 1.70 1.64
0.010 2.56 2.42 2.27 2.18 2.10 2.01 1.95 1.91 1.88 1.80
0.005 2.82 2.65 2.47 2.37 2.27 2.16 2.10 2.05 2.02 1.93

0.050 60 1.92 1.84 1.75 1.70 1.65 1.59 1.56 1.53 1.52 1.47
0.025 2.17 2.06 1.94 1.88 1.82 1.74 1.70 1.67 1.64 1.58
0.010 2.50 2.35 2.20 2.12 2.03 1.94 1.88 1.84 1.81 1.73
0.005 2.74 2.57 2.39 2.29 2.19 2.08 2.01 1.96 1.93 1.83

0.050 70 1.89 1.81 1.72 1.67 1.62 1.57 1.53 1.50 1.49 1.44
0.025 2.14 2.03 1.91 1.85 1.78 1.71 1.66 1.63 1.60 1.54
0.010 2.45 2.31 2.15 2.07 1.98 1.89 1.83 1.78 1.75 1.67
0.005 2.68 2.51 2.33 2.23 2.13 2.02 1.95 1.90 1.86 1.77

0.050 120 1.83 1.75 1.66 1.61 1.55 1.50 1.46 1.43 1.41 1.35
0.025 2.05 1.94 1.82 1.76 1.69 1.61 1.56 1.53 1.50 1.43
0.010 2.34 2.19 2.03 1.95 1.86 1.76 1.70 1.66 1.62 1.53
0.005 2.54 2.37 2.19 2.09 1.98 1.87 1.80 1.75 1.71 1.61

Libro-UPC Estadistica Aplicada

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Libro-UPC Estadistica Aplicada

Enviado por

Direitos autorais:

Formatos disponíveis

1

caso otro cualquier en 0

por lo tanto: P(Z > 1) = 0,1587

es la proporcin de xitos en una muestra aleatoria de tamao n, un

). La distribucin muestral de la diferencia de

son las proporciones de xitos en muestras aleatorias de tamao n

, la suma de los cuadrados de los datos

, la suma de los datos

Você também pode gostar