Iintrod. A La Est y Prob.

INTRODUCCIN A LA ESTADSITICA DESCRIPTIVA Y PROBABILIDADES
HUGO CORNEJO ROSELL

ndice general
1. Introduccin a la Estadstica Descriptiva.. 3
1.1. La Estadstica y conceptos estadsticos 3
1) La estadstica.. 3
2) Poblacin y muestra 3
1.2 Planteamiento de una investigacin o etapas del mtodo estadstico. 4
1) Planificacin del estudio 4
2) Recoleccin de la Informacin. 4
3) Organizacin y presentacin de la informacin. 4
4) Anlisis e interpretacin de los resultados.. 4
5) Formulacin de conclusiones y preparacin del informe....... 4
1.3 Distribucin de frecuencias y representacin grfica 5
1.4. Construccin de tablas estadsticas o tablas de frecuencias y grficos.. 5
1.5 Medidas de tendencia central.. 10
A) Media aritmtica . 10
B) La mediana... 11
C) El modo o moda... 13
D) Cuantiles.. 14
1.6 Medidas de variabilidad..... 17
A) Recorrido intercuartlico.. 17
B) Desviaciones medias 17
1.7 Medidas de dispersin (varianzas y desviacin estndar o tpica).. 18
1.8 Coeficiente de variacin.. 20
Ejercicios. 22
2 Introduccin a las Probabilidades 29
2.1 Espacio de probabilidad... 29
A) Experimento aleatorio... 29
B) Espacio muestral 30
C) Espacio de probabilidad 32
2.2 Reglas bsicas de la teora de la probabilidad... 34
Combinaciones... 39
Ejercicios... 42
2
HUGO CORNEJO ROSELL
1.1 LA ESTADSTICA y CONCEPTOS ESTADSTICOS.
1) LA ESTADSITCA.
La estadstica es la ciencia que nos proporciona un conjunto de mtodos y procedimientos para la
recoleccin, clasificacin u organizacin, anlisis e interpretacin de datos en forma adecuada para luego
tomar decisiones cuando prevalecen condiciones de duda o incertidumbre.
a) La Estadstica Descriptiva. Es la parte de la estadstica que se encarga de la recoleccin, clasificacin,
presentacin y descripcin de datos muestrales o poblacionales.
b) La estadstica matemtica o inferencial. Es la parte de la estadstica que nos la teora necesaria para
deducir o estimar las leyes de una poblacin partiendo de los resultados o conclusiones del anlisis de una
muestra.
2) POBLACIN Y MUESTRA.
a) POBLACIN O UNIVERSO COLECTIVO.
Es el conjunto de todos los elementos o individuos en las cuales se presentan determinadas caractersticas
en comn, susceptibles de ser estudiadas.
EJEMPLO 1. Supongamos que deseamos investigar la calidad educativa, entrevistando a los estudiantes
de la Regin Cusco. Entonces la POBLACIN vendra a ser los estudiantes de la Regin Cusco.
b) MUESTRA:
Es un subconjunto de la poblacin. Una muestra se compone de los individuos, objetos medidas u
observaciones seleccionados de la poblacin.
En el ejemplo anterior, el proceso de entrevistar a todos los estudiantes de la Regin Cusco requerira
tiempo, recursos econmicos altos y personal necesario; en cambio seleccionando convenientemente un
nmero representativo de ellos por USES podramos obtener informacin necesaria de la calidad educativa
de la regin Cusco. El conjunto de los alumnos representativos es una MUESTRA. Al nmero de
elementos de la muestra se llama tamao de la muestra.
3) VARIABLES ESTADSTICAS
Son caractersticas o peculiaridades de inters acerca de cada elemento de la poblacin o una muestra: las
variables estadsticas, por lo general, denotaremos por X, Y, Z, etc.
a) VARIABLES CUALITATIVAS:
Las variables son cualitativas si sus valores se refieren a la cualidad que presenta una determinada
poblacin, no lleva una clasificacin numrica; es decir, con sus valores no se pueden realizar operaciones
aritmticas.
EJEMPLO 2.
VARIABLES VALORES
1. Sexo Masculino
Femenino
2. Profesin Profesor
Mdico
Matemtico, etc.
3
HUGO CORNEJO ROSELL
3. Estado Civil Casado
Soltero
Viudo, etc.
4. Ciclo I
II, etc.
b) VARIABLES CUANTITATIVAS
Son aquellas variables que se obtienen como resultado de mediciones y conteos o son las que tienen
cantidades numricas (valores) por modalidades con las que podemos hacer operaciones aritmticas. Por
ejemplo, las variables: nmero de estudiantes de Educacin, el nmero de enfermos de un hospital,
temperatura, altitud, etc. son cuantitativas.
Variables cuantitativas discretas Es cuando toma valores enteros.
EJEMPLO 3.
- Nmero de colegios de una USE.
- Nmero de cursos que lleva un estudiante, etc.
En cada caso, es evidente que cada valor de cada variable { } 0, 1, 2, 3, 4,..... X
es un nmero natural
( X N).
Variables cuantitativas continuas.
Son aquellas variables que toman valores en el campo de los nmeros reales.
EJEMPLO 4.
- Peso de nios de una escuela.
- Temperatura de los pacientes del Hospital Antonio Lorena.
- Estatura de los alumnos de la Facultad de Educacin de la UNSAAC.etc
Los valores de la variable continua son nmeros reales; es decir, X R
1.2 PLANTEAMIENTO DE UNA INVESTIGACIN O ETAPAS DEL MTODO ESTADSTICO.
De acuerdo al orden de aplicacin de la estadstica a un problema determinado, los mtodos estadsticos se
dividen en las siguientes etapas:
1) PLANIFICACIN DEL ESTUDIO
Esta etapa tiene por finalidad estudiar los detalles concernientes a la recoleccin, clasificacin y
anlisis de la informacin, sobre la base de lo cual se describirn las caractersticas de una determinada
poblacin o se confirmar o negar determinada hiptesis de trabajo.
2) RECOLECCIN DE LA INFORMACIN
Esta etapa, para el investigador, tiene mucha importancia ya que tiene que vigilar en forma constante,
para que se realice conforme a los planes trazados.
3) ORGANIZACIN Y PRESENTACIN DE LA INFORMACIN
En el trabajo estadstico, siempre se disponen de muchos datos que, definitivamente tienen que ser
clasificados, ordenados y presentados adecuadamente, de tal manera que faciliten la compresin,
descripcin y anlisis del fenmeno estudiado y obtener conclusiones vlidas para la toma de
decisiones.
4) ANALISIS E INTERPRETACIN DE LOS RESULTADOS
En esta etapa se aplican conceptos matemticos y tericos de la Estadstica; mediante los mtodos
estadsticos se calcula los indicadores y medidas de resumen, se establecen relaciones entre variables,
se calculan valores, se ejecutan pruebas estadsticas, se aplican modelos estadsticos, etc. como
aspectos de referencia para la descripcin, anlisis e interpretacin del comportamiento de los datos,
para luego hacer inferencias vlidas y obtener informacin de los elementos estudiados.
4
HUGO CORNEJO ROSELL
5) FORMULACIN DE CONCLUSIONES Y PREPARACIN DEL INFORME
En todo trabajo de investigacin se debe analizar el cumplimiento de los objetivos, en funcin de los
resultados obtenidos. Esta contrastacin permite elaborar un resumen de los aspectos prioritarios, que
luego son expresados como conclusiones y sugerencias para la toma de decisiones.
1.3 DISTRIBUCIN DE FRECUENCIAS Y REPRESENTACIN GRFICA.
Distribucin de frecuencias, es un mtodo estadstico que sirve para estudiar el comportamiento de un
conjunto de datos, para el que se tiene que organizar y resumir dicho conjunto de datos. Para ello se
ordenan en tablas estadsticas o cuadros estadsticos, que es el arreglo ordenado en columnas y filas de
datos estadsticos.
La tabla estadstica, resume los datos de lo que se dispone de una poblacin, de manera que sta se puede
analizar en forma ms clara. Para captar a simple vista las caractersticas de los datos, resulta de mucha
ayuda el uso de grficos y diagramas, que es una representacin de figuras geomtricas o de superficies
con el objeto de ilustrar los cambios o dimensin de una variable; las grficas sirven para visualizar de
mejor manera la informacin y dan una idea mucho ms sinttica que los cuadros, pero nunca los sustituye
y slo se debe considerar como complemento, sin embargo es preciso manifestar que el grfico es el
idioma universal. Por tal razn, junto a un cuadro debe existir un grfico.
Consideremos una poblacin estadstica de n datos, descrita segn una variable X cuyos valores han sido
agrupadas en k clases, que denotamos mediante x
1
, x
2
,.,x
k
X
1
, X
2
,.,X
k
, si no hubiera confusin. Para
cada una de las clases x
i
, i = 1,2,.,k; introducimos las siguientes magnitudes:
a) Frecuencia absoluta (f
i
): Es el nmero de observaciones que existen en una clase.
Se cumple:
1
k
j
j
f
= f
1
+ f
2
+ f
3
+ + f
k
= n
b) Frecuencia absoluta acumulada (F
i
): Se define por:
F
i
=
i
j
j 1
f
Se cumple: F
1
= f
1
, F
k
= n y F
i
= F
i 1
+ f
i
c) Frecuencia relativa (h
i
): Se define por:
h
i
=
n
f
i
Se cumple:
k
j
j
h
1
= h
1
+ h
2
+ h
3
+ + h
k
= 1
Multiplicando por 100 a h
i
se encuentra el porcentaje (%) de la poblacin que comprende esa clase.
d) Frecuencia relativa acumulada (H
i
): Se define por
H
i
=
n
F
i
=
n
f
i
j
j
1
=
i
j
j 1
f
n
i
j
j
h
1
Se cumple: H
k
= 1
5
HUGO CORNEJO ROSELL
1.4. CONSTRUCCIN DE TABLAS ESTADSTICAS O TABLAS DE FRECUENCIAS Y
GRFICOS
En estas tablas, se observa cuntos elementos (frecuencia o repeticin) hay en cada categora, valor o
intervalo de la variable y presentan diversos tipos de frecuencias (absolutas, relativas, acumuladas,
porcentuales, etc.) La mayora de los grficos se representan en los llamados Sistema de
coordenadas rectangulares, utilizada con mucha frecuencia en el lgebra elemental, donde el eje de
las abscisas es destinado para las diferentes clases de la variable que se use y el eje de la ordenada para
anotar la frecuencia.
1) PARA DATOS CUALITATIVOS.
La tabla de frecuencias se presenta en el siguiente ejemplo; la representacin grfica las de uso
frecuente son: Diagrama de rectngulos y diagrama de sectores.
EJEMPLO 1.
El cuadro siguiente, representa el nmero de viajeros adultos de un microbs, observando estado civil y
se ha encontrado a 4 personas solteras, 9 casados, 3 viudos y 2 divorciados.
TABLA 1: Tabla de frecuencias de viajeros de un microbs.
Fuente: Datos obtenidos en julio 2008.
Los grficos se presentan a continuacin:
A) Diagramas Rectangulares.
Se representan en el eje de las abscisas los datos obtenidos que slo pueden clasificarse en categoras
cualitativas y se levanta sobre ellos rectngulos de bases iguales que no tienen que estar unidas y cuya
altura ser igual a la frecuencia correspondiente (absoluta o relativa o los respectivos porcentuales de
ellas).
Figura 1. Diagrama rectangular del estado civil de los viajeros de un microbs.
B) Diagramas de Sectores.
Se divide un crculo en tantas partes como modalidades existan, de
manera que a cada una le corresponda un sector circular
proporcional a su frecuencia absoluta o relativa (ver grfico). El
sector circular de cada parte se calcula usando la regla de tres.
6
Estado Civil f
i
h
i
Soltero
Casado
Viudo
Divorciado
4
9
3
2
0.222
0.500
0.167
0.111
Total 18 1
HUGO CORNEJO ROSELL
n 360 grados.
n
i
Sc
i
grados Sc
i
=
(360)
i
n
grados
n
,
donde Sc
i
es el sector circular i.
La representar mediante diagrama de sectores del estado civil de los viajeros adultos de un microbs
es el que se observa
2) PARA DATOS CUANTITATIVOS.
En este caso se presentan dos casos: Para variables discretas y para variables continuas.
A) PARA VARIABLES DISCRETAS.
La tabla de frecuencias se presenta en el ejemplo siguiente y la representacin grfica se hace mediante
el diagrama de frecuencias o barras.
EJEMPLO 2.
Representar grficamente la distribucin de frecuencias para la variable resultado de contabilizar el
nmero de caras cuando un alumno lanza tres monedas al aire en 8 oportunidades, cuyos resultados
son los siguientes:
X
3, 2, 0, 2, 1, 3, 2, 0
SOLUCIN:
En primer lugar observemos que la variable X presenta las modalidades: X
{0, 1, 2, 3}
La tabla de frecuencias se presenta en el ejemplo siguiente.
TABLA 2: Nmero de caras obtenidas en el lanzamiento de tres monedas
La representacin grfica se efecta mediante:
DIAGRAMA DE FRECUENCIAS O DIAGRAMA DE BARRAS:
La representacin se refiere a las frecuencias absolutas o relativas y los grficos se elaboran
considerando en el eje de las abscisas los distintos valores x
i
de la variable y sobre cada una de ellas se
levanta una barra perpendicular que debe ser estrecho.
7
x
i
f
i
h
i
F
i
H
i
0
1
2
3
2
1
3
2
0.250
0.125
0.375
0.250
2
3
6
8
0.250
0.375
0.750
1
Total 8 1
HUGO CORNEJO ROSELL
Figura 3. Diagrama de barras
Las acumuladas, llamada, Diagrama de frecuencias acumuladas, colocndose los valores de la
variable en el eje horizontal y en el vertical las frecuencias; los valores aparecen en forma de barras
horizontales y escalonadas.
Figura 4. Diagrama acumulada
B) PARA VARIABLES CONTINUAS.
Para visualizar y poner en evidencia el comportamiento de los datos, se recurre al mtodo estadstico de
agrupar valores en intervalos de clase.
1) Rango o recorrido(R):
Es la diferencia entre el mximo y el mnimo valor de la variable: R = X
mx
- X
min
2) Intervalos de clase. Son intervalos de la forma:

[ )
i i 1 i i 1 i
I y' y' y' , y'

que agrupa parte de los valores de una variable. Los extremos inferior y superior,
respectivamente, se denominan lmite inferior (y
i-1
) y lmite superior (y
i
) y que son los lmites
de clase.
3) Anchura, amplitud, de un intervalo de clase (a
i
). Es la diferencia entre el lmite superior e
inferior de un intervalo de clase:
a
i
= lim sup lim inf
1 i i
' y ' y

La amplitud de cada intervalo a
i
, se acostumbra tomar como valor constante (a).
k
R
a
4) Marca de clase ( y
i
). Es el punto medio de un intervalo de clase:
8
HUGO CORNEJO ROSELL
2
' y ' y
y
i 1 i
i
+

5) Nmero de intervalos de clase (k): Este nmero es determinado por tentativas y aproximaciones,
mediante la Frmula de Sturges:
k = 1 + 3.32 log (n),
donde n es el tamao de la muestra.
En caso de representar una variable continua, usamos los siguientes diagramas: Histograma, polgono
de frecuencia y ojiva o polgono de frecuencia acumulada.
EJEMPLO 3.
Consideremos los datos obtenidos en forma ascendente de las medidas de alturas de 72 alumnos
(dados en cm):
151 152 154 155 158 159 159 160 161 161 161 162 163 163 163 164 165 165
165 166 166 166 166 167 167 167 167 167 168 168 168 168 168 168 168 168
168 168 I69 169 169 169 169 169 169 170 170 170 170 170 170 170 171 171
171 171 172 172 172 173 173 173 174 174 175 177 178 179 180 181 182 185.
Construir la distribucin de frecuencias y trazar el histograma, polgono de frecuencia y ojiva.
SOLUCIN:
Tamao de la muestra n = 72, rango: R = 185 151 = 34, nmero de intervalos de clase
k = 1 + 3.32 log (72) 7.169 7, amplitud:
a =
k
R
=
34
7
= 4,25 5, x
min
= 151 y x
max
= 185
Formemos los intervalos de clase: 151-156, 156-161,.........., 181-186
Ahora deduzcamos la tabla de frecuencias:
TABLA 3: Distribucin de frecuencias: de las medidas de alturas de
72 alumnos (dados en cm):
Fuente: Datos recogidos en una clase de Estadstica General de la
Carrera Profesional de Matemtica de la UNSAAC.
A) HISTOGRAMAS:
Es una representacin grfica de una distribucin de frecuencias agrupadas en intervalos de clase,
mediante una serie de rectngulos contiguos. En el eje de las abscisas se sealan los intervalos que
9
I
i
=y
i-1
y
i
f
i
F
i
h
i
H
i
100 h
i
(%)
151 156
156 161
161 166
166 171
171 176
176 181
181 186
4
4
11
33
13
4
3
4
8
19
52
65
69
72
0,0556
0.0556
0.1527
0.4583
0.1806
0.0556
0.0416
0,0556
0.1112
0.2639
0.7222
0.9028
0.9584
1
5.56
5.56
15.27
45.83
18.06
5.56
4.16
Total 72 1 100%
HUGO CORNEJO ROSELL
constituyen las bases de los rectngulos con centros en las marcas de clase y el eje vertical corresponde
a las frecuencias relativas o absolutas o nmero proporcional de ellas.
B) POLGONO DE FRECUENCIAS.
Se construye en forma fcil si se tiene previamente un histograma, ya que consiste en unir mediante
lneas rectas los puntos del histograma que corresponden a las marcas de clase. Para representar el
polgono de frecuencias en el primer y ltimo intervalo suponemos que, adyacente a ellos existen otros
intervalos de la misma longitud y frecuencia nula, y se une por una lnea recta los puntos del histograma
que corresponde a sus marcas de clase.
Figura 5. Histograma y polgono de frecuencia de las medidas de alturas de 72 alumnos
Cuando se suavizan los polgonos de frecuencias se obtienen las llamadas curvas de frecuencias.
Figura 6. Curva de frecuencias de las medidas de alturas de 72 alumnos
C) OJIVA O POLGONO DE FRECUENCIA ACUMULADA.
Las ojivas representan las distribuciones de frecuencias acumuladas de variables continuas. Para su
construccin, debemos colocar primero un punto en el lmite inferior de la primera clase sobre el eje de
las abscisas, despus, en el extremo superior de todos los intervalos se levantan verticales con alturas
iguales a las frecuencias (absoluta o relativa) acumuladas, luego se unen el primer punto y los extremos
superiores de las verticales con segmentos rectilneos y notando obviamente que la ojiva alcanzar su
mxima altura en el ltimo intervalo.
10
HUGO CORNEJO ROSELL
Figura 7. Ojiva de de las medidas de alturas de 72 alumnos.
1.5 MEDIDAS DE TENDENCIA CENTRAL.
Las ms importantes, se consideran: La media aritmtica, la mediana y la moda.
A) MEDIA ARITMTICA ( X).
EN DATOS NO AGRUPADOS
[ ]
N
i
1 2 N
i 1
x
x x ... x
X M X
N N
+ + +

EN DATOS AGRUPADOS
1 1 2 2 k k
f x f x ... f x
X
n
+ + +

k
i i
i 1
f x
n
EJEMPLO 1.
Si las notas que un alumno obtuvo, en un semestre determinado de las 6 asignaturas que lleva, son las
siguientes: 10, 14, 11, 12, 11, y 09. Entonces, la media aritmtica es:
X=
6
09 11 12 11 14 10 + + + + +
= 11.17
EJEMPLO 2.
Calcular la media aritmtica de las medidas de los 72 alumnos (Ejemplo 3 de la Seccin 1.4).
SOLUCIN: De la siguiente tabla:
k
i i
i 1
f y
12127
Y 168.5
n 72
11
I
i
= y
i-1
y
i
f
i
y
i
y
i
f
i
151 156
156 161
161 166
166 171
171 176
176 181
181 186
4
4
11
33
13
4
3
153.5
158.5
163.5
168.5
173.5
178.5
183.5
614.0
634.0
1798.5
5560.5
2255.5
714.0
550.5
Total 72 12127.0
HUGO CORNEJO ROSELL
B) LA MEDIANA (Me).
La mediana es un valor de la variable que divide a un conjunto de observaciones ordenadas en forma
ascendente o descendente en dos grupos de igual nmero de observaciones
EN DATOS NO AGRUPADOS
Nmero impar de observaciones: La mediana ser el valor de la variable que ocupe el trmino central
(rango de orden
2
1 n +
)
EJEMPLO 3.
Si los valores observados son: x
1
= 15, x
2
= 10, x
3
= 11, x
4
= 12, x
5
= 09, x
6
= 16, x
7
= 13,
x
8
= 17, x
9
= 20. Entonces, ordenando en forma ascendente tenemos: 09; 10; 11; 12; 13; 15; 16;
17; 20
De donde el rango de orden es:
2
1 n +
=
2
1 9 +
= 5. Por tanto la mediana est localizada en el 5
trmino o 5 observacin; es decir, Me = 13.
Nmero par de observaciones:
La mediana es la media aritmtica de los dos trminos centrales; es decir la media aritmtica de los
valores que ocupan las posiciones
2
n
y
2
n
+1 est dado por: Me =
2
x x
1
2
n
2
n
+
+
EJEMPLO 4.
Si tenemos las observaciones muestrales de edades de nios de un Centro Educativo:
09, 10, 08, 13, 15, 12
Considerando en forma ascendente tenemos: 08 09 10 12 13 15.
Los valores centrales son 10 y 12, por tanto la mediana es:
Me = Med(X) =
2
12 10 +
= 11.
EN DATOS AGRUPADOS
Existen dos casos para la variable discreta y dos para la variable continua; que lo presentamos en el
siguiente cuadro:
Presentamos las siguientes recomendaciones para el clculo de la mediana:
a) Obtener las frecuencias absolutas acumuladas.
b) Buscar la posicin
2
n
12
VARIABLES CASOS MEDIANA
DISCRETA
a) F
j 1
<
2
n
Me = y
j
b) F
j 1
=
2
n
Me =
2
y y
j 1 j
+
CONTINUA
a) F
j 1
=
2
n
Me = y
j 1
b) F
j 1
<
2
n
Me = y
j 1
+ a
j
1 j 2
n
f
F

HUGO CORNEJO ROSELL
c) Localizar el resultado anterior
2
n
en la columna de las frecuencias acumuladas. Si no aparece, al valor
inmediatamente anterior se le llama F
j 1
y al inmediatamente superior se le llama F
j
.
d) Si aparece F
j 1
=
2
n
entonces Me =
2
y y
j 1 j
+
para el caso discreto y Me = y

j 1
para el caso continuo.
e) Si F
j 1
es menor que
2
n
, se dice entonces que la mediana es igual a y
j
(para el caso discreto), es
decir Me = y
j
y Me = y
j 1
+ a
j
1 j 2
n
f
F
(para el caso continuo).

EJEMPLO 5.
Hallar la mediana en la siguiente distribucin del nmero de bolitas o tiros que tienen 10 nios:

SOLUCIN:
Como n/2 = 10/2 = 5 F
j 1
< (n/2) o sea 4 < 5, de donde: Me = 03
EJEMPLO 6.
Hallar la mediana de los datos obtenidos por las medidas de las alturas de 72 alumnos.
SOLUCION:
Como (n/2) = 72/2 = 36 F
j 1
< n/2; es decir 19 < 36
Luego:
13
y
i
f
i
F
i
00
01
02
03
04
05
06
2
1
1
2
0
1
3
2
3
4 F
j - 1
6 F
j
6
7
10
Total 10 10
I
i
= y
i-1
- y
i
f
i
F
i
151-156
156-161
161-166
166-171
171-176
176-181
181-186
4
4
11
33
13
4
3
4
8
19 F
j - 1
52 F
j
65
69
72
Total 72
HUGO CORNEJO ROSELL
Me = y
j-1
+ a
j
1 j 2
n
f
F
= 166 + 5
1
]
1

33
19 36
= 166 + 5 (17/33) = 166 + (85/33)
= 166+2.58 = 168.58 168.6
C) EL MODO O MODA (Md).
El modo o la moda o valor modal, denotado por Md, es un valor de la variable que tiene la ms alta
frecuencia. Md = y
j
EJEMPLO 7.
Los siguientes datos representan el nmero de interrupciones por da de trabajo debido a fallas mecnicas
en una carpintera escolar: 3, 4, 1, 3, 6, 5, 6, 3, 2, 3
Calcule el nmero modal de interrupciones diarias.
SOLUCIN:
El valor 3 ocurre 4 veces, el valor 6 ocurre 2 veces y el resto ocurre una vez.
M
d
= 3; es decir, ocurren 3 interrupciones diarias (nmero modal o unimodal).
EJEMPLO 8.
Si los datos de una distribucin son: 2, 2, 3, 3, 3, 4, 4, 4, 4, 8, 8, 8, 8, 10; podemos observar que existen
dos valores modales que son el 4 y el 8; por el cual diremos que la distribucin es bimodal
EN DATOS AGRUPADOS
Se usa la frmula:
Md = y
j-1
+ a
1 j 1 j
1 j
f f
f
+
+
+
,
EJEMPLO 9.
Hallar la mediana de los datos obtenidos por las medidas de las alturas de 72 alumnos.
SOLUCION:
Como Md = y
j-1
+ a
1 j 1 j
1 j
f f
f
+
+
+
, entonces Md
13 13
166 5 166 5
11 13 24
_ _
+ +

+
, ,
166 2.70 168.7 +
1.6 MEDIDAS DE TENDENCIA NO CENTRAL.
1) CUARTILES
14
I
i
= y
i-1
y
i
y
i
f
i
151-156
156-161
161-166
166-171
171-176
176-181
181-186
153.5
158.5
163.5
168.5
173.5
178.5
183.5
4
4
11 f
j-1

33 f
j
13 f
j+1
4
3
Total -- 72
HUGO CORNEJO ROSELL
Los cuartiles son valores que dividen a un conjunto de datos ordenados en forma ascendente o
descendente en cuatro partes iguales. Luego existen tres cuartiles (Q
1
, Q
2
y Q
3
)
PARA VARIABLES DISCRETAS.
a) Sin frecuencias:
Q
i
=
i n 1
4 2
x
_
+

,
; para i = 1, 2, 3
b) Con frecuencias:
i) Si
j 1 i j
i n
F , entonces Q y
4
< ; para i = 1, 2, 3
ii) Si
j 1 j
j 1 i
y y
i n
F , entonces Q
4 2
para i = 1, 2, 3.
PARA VARIABLES CONTINUAS.
Para hallar el i-simo cuartil se utiliza la frmula:
Q
i
= y
j-1
+ a
j
1 j 4
n i
f
F
; i = 1, 2,3
NOTA: En todos los casos se debe ceir a las notaciones efectuadas en el clculo de la mediana.
EJEMPLO 10.
Durante una semana, ocho vendedores de libros escolares, vendieron en un Centro Educativo el siguiente
nmero de libros: 8, 11, 5, 14, 8, 11, 16, 11. Hallar los cuartiles de esta distribucin.
SOLUCION:
Ordenando los valores, obtenemos las estadsticas:
1
x 5
;
2
x 8
;
3
x 8
;
4
x 11
;
5
x 11
;
6
x 11
;
7
x 14
;
8
x 16
De donde si obtienen:
1 n 1 8 1 5 2.5
( ) ( )
4 2 4 2 2
Q x x x x 8
+ +

;
2 2 n 1 2 8 1 9 4.5
( ) ( )
4 2 4 2 2
Q x x x x 11

+ +

y
3 3 n 1 3 8 1 13 6.5
( ) ( )
4 2 4 2 2
Q x x x x 12.5

+ +

.
EJEMPLO 11.
Calcular Q
1
y Q
3
en la distribucin de frecuencias de datos obtenidos por las medidas de alturas de 72
alumnos (ejemplo de la seccin anterior) e interpretar resumidamente.
SOLUCIN:
15
y
i1
y
i
f
i
F
j
151-156
156-161
161-166
166-171
171-176
176-181
181-186
4
4
11f
j
33
13
4
3
4
8F
j-1
19F
j
52F
j+1
65
69
72
Total 72
HUGO CORNEJO ROSELL
a) Hallemos
1
Q
:
Como
4
72
4
n
= 18 F
j-1

4
n
, del cuadro tenemos: 8 < 18
Luego:
Q
1
= 161 + 5
11
8 18
= 161 + 5
11
10
= 161 + 5 (0.909) = 164.545 164.5
Se interpreta, que el 75% de los estudiantes exceden o superan la altura de 164.5 cm y el 25% de los
estudiantes tienen estaturas menores o iguales a 164.5 cm.
b) Hallemos
3
Q
Como
4
) 72 ( 3
4
n 3
= 54 F
j-1
3
4
n
F
j-1
= 52, F
j
= 65, f
j
= 13, y
j-1
= 171
Luego
Q
3
= 171 + 5
13
52 54
= 171 + 5
13
2
= 166 + 0.769 = 166.769 166.8.
Se interpreta, que el 25% de los estudiantes exceden o superan la altura de 166.8 cm y el 75% de los
estudiantes tienen estaturas menores o iguales a 166.8 cm.
2) DECILES
Los deciles son valores que dividen a un conjunto de datos ordenados en forma ascendente o
descendente en diez partes iguales. Luego existen nueve deciles (D
1
, D
2
y D
9
)
PARA VARIABLES DISCRETAS.
a) Sin frecuencias:
D
i
=
i n 1
10 2
x
_
+

,
; para i = 1, 2, ....., 9
b) Con frecuencias:
i) Si
j 1 i j
i n
F , entonces D y
10
< ; para i = 1, 2, ....., 9

ii) Si
j 1 j
j 1 i
y y
i n
F , entonces D
10 2
; para i = 1, 2, ....., 9.
Para hallar el i-simo decil se utiliza la frmula:
D
i
= y
j-1
+ a
j
1 j 10
n i
f
F

; para i = 1, 2, ..., 9
3) PERCENTILES O CENTILES
Los percentiles son valores que dividen la muestra ordenada en forma ascendente o descendente en
100 partes iguales. Luego existen noventainueve percentiles (P
1
,P
2
, ... P
99
)
a) Sin frecuencias:
P
i
=
i n 1
100 2
x
_
+

,
; para i = 1, 2, ....., 99
b) Con frecuencias:
i) Si
j 1 i j
i n
F , entonces P y
100
< ; para i = 1, 2, ....., 99

ii) Si
j 1 j
j 1 i
y y
i n
F , entonces P
100 2
; para i = 1, 2, ....., 99.

16
HUGO CORNEJO ROSELL
Para hallar el i-simo percentil se utiliza la frmula:
P
i
= y
j 1
+ c
1 100
i n
j
j
F
f
, para i = 1, 2, ...., 99
EJEMPLO 12.
Una muestra de 20 trabajadores de una obra de un Centro Educativo, obtuvo los siguientes montos netos
de pago en una quincena en soles, tras deducciones de acuerdo a Ley, redondeados al sol ms cercano y
dispuestos en orden ascendente:
240; 240; 240; 240; 240; 240; 240; 240; 255; 255; 265; 265; 280; 280; 290; 300; 305; 325; 330; 340.
Hallar: a) tercer cuartil, b) sexto decil y c) veintitrs avo percentil.
SOLUCIN:
a)
3 3 n 1 3 20 1 31 15.5
( ) ( )
4 2 4 2 2
Q x x x x S/ 295.00

+ +

b) Este es el valor intermedio entre 15 y 16, dispuestos en orden ascendente (
290 300
295
2
+
).
Luego
6 6 n 1 6 20 1 25 12.5
( ) ( )
10 2 10 2 2
D x x x x S/ 272.50

+ +

c) Este es el valor intermedio entre 12 y 13, dispuestos en orden ascendente (
265 280
272.5
2
+
).
Luego:
23 23 n 1 23 20 1 4.6 0.5 5.1
( ) ( )
100 2 100 2
P x x x x S/ 240.00
+
+ +

Este es el valor a una dcima entre 5 y 6 montos salariales, dispuestos en orden ascendente y como
ambos valores son S/ 240.00, entonces:
23
P S/ 240.00
.
EJEMPLO 13.
Determine D
8
y P
84
en la distribucin de frecuencias de datos obtenidos por las medidas de altura de 72
alumnos.
SOLUCIN:
a) Calculando D
8
:
10
i n
=
10
72 8
= 57.6, F
j 1

8
10
n
< F
j
F
j 1
= 52 y F
j
= 65, f
j
= 13, y
j-1
= 171
Luego D
8
= y
j 1
+ a
8
1 10
n
j
j
F
f

= 171 + 5
13
52 6 . 57
= 171 + 5(5.6/13)
17
y
i1
y
i
f
i
F
j
151-156
156-161
161-166
166-171
171-176
176-181
181-186
4
4
11
33
13
4
3
4
8
19
52
65 Clase D
8
y P
84
69
72
Total 72
HUGO CORNEJO ROSELL
= 171 + 2.15 = 173.15
b) Clculo de P
84
100
i n
=
100
72 84
= 60.48 F
j 1
= 52 y F
j
= 65, f
j
= 13, y
j-1
= 171
Por tanto P
84
= y
j 1
+ c
84
1 100
n
j
j
F
f

= 171 + 5
13
52 48 . 60
= 171 + 5(8.48/13) = 171 + 3.261
= 174.261 174.3
1.7 MEDIDAS DE VARIABILIDAD
A) RECORRIDO INTERCUANTILICO
1) El recorrido intercuartlico: Q
R
= Q
3
Q
1
2) El recorrido interdecil: D
R
= D
9
D
1
3) El recorrido interpercentil: P
R
= P
99
P
1
4) La desviacin cuartil o semi recorrido intercuartlico: Q
D2
=
2
Q Q
1 3

B) DESVIACIONES MEDIAS
Es la media aritmtica de los valores absolutos de las desviaciones de todos los valores en relacin con
algn punto central, tal como la media o la mediana.
LA DESVIACIN CON RESPECTO A LA MEDIA ARITMTICA
a) Para datos no agrupados:
D
M
=
n
| X x |
i

=
n
| z |
i
b) Para datos agrupados
D
M
(
X
) = D
M
=
i i
f | x X|
n

i i
f | z |
n
Para intervalos de clase, se trabaja con las marcas de clase.

Cuando se estudian las desviaciones en valor absoluto con respecto a la mediana o a un promedio, se
reemplaza la mediana o el promedio en lugar de la media aritmtica, en todos los casos.
EJEMPLO 1.
Supongamos que se tiene las siguientes observaciones muestrales: 09; 10; 08; 13; 14; 12
Como X =
6
66
= 11, tenemos la siguiente tabla:

Luego: D
M
=
6
12
= 2
18
x
i x
i
- X
i
x X
9
10
08
13
14
12
-2
-1
-3
2
3
1
2
1
3
2
3
1
66 0 12
HUGO CORNEJO ROSELL
EJEMPLO 2.
De la siguiente tabla de frecuencias:
Y =
20
118
= 5.9 y D
M
=
n
f | z |
i i
=
20
2 . 44
= 2.21
1.8 MEDIDAS DE DISPERSIN (VARIANZA Y DESVIACIN ESTNDAR O TPICA)
La varianza o variancia es la media aritmtica de las desviaciones cuadrticas con respecto a la media y la
desviacin estndar o tpica es la raz cuadrada positiva de la varianza.
a) Para datos no agrupados:
La varianza o variancia poblacional de X:
2
= Var[X] =
k
2
i
i 1
(x )
N
=
k
2
i
i 1
(z )
N
La varianza o variancia muestral de X

S
2
= Var[X] =
2 n
i
i 1
(x X)
n 1
=
2
i
(z )
n 1
b) Para datos agrupados

La varianza o variancia poblacional de X:
2
= Var[X] =
2 N
i i
i 1
f (x )
N
=
2
i i
f z
N
La varianza o variancia muestral de X:

S
2
= Var[X] =
2 n
i i
i 1
f (x X)
n 1
=
2
i i
f z
n 1
La desviacin estndar o tpica poblacional y muestral, est dada por:

2
+
OBSERVACIN:
Por qu se hizo al denominador la modificacin de n por n-1, en la definicin de varianza muestral y la
desviacin estndar o en la variacin, aparentemente insignificante?. Aunque el uso de n sea lgico,
tiende a subestimar la varianza de la poblacin,
2
. El uso de (n-1) en el denominador proporciona la
correccin adecuada para esta tendencia; ya que se utilizan valores estadsticos de muestra como S
2
para
calcular parmetros de la poblacin
2
, es mejor usar (n-1) en vez de n, cuando se define la varianza
muestral.
Asimismo, observemos que la desviacin estndar es parte esencial de la curva normal.
EJEMPLO 1.
En los datos no agrupados. Si las notas que un determinado alumno obtiene en un semestre acadmico
son: 10, 14, 11, 12, 11 y 09. Calcular la desviacin mediana, varianza y desviacin estndar.
19
y
i
f
i
y
i
f
i
z
i
| z
i
| | z
i
| f
i
1
3
5
7
9
2
3
4
6
5
2
9
20
42
45
-4.9
-2.9
-0.9
1.1
3.1
4.9
2.9
0.9
1.1
3.1
9.8
8.7
3.6
6.6
15.5
20 118 44.2
HUGO CORNEJO ROSELL
SOLUCIN:
Por comodidad, pongamos los datos en forma ascendente: 09, 10, 11, 11, 12, 14
Para las medidas de dispersin es necesario calcular previamente los valores con respecto a los cuales
vamos a medir las diferencias, estos son la media y la mediana:
La media es:
=
+ + + + +
6
67
6
14 12 11 11 10 9
11.17
La mediana es: M
e
= 11
2
11 11
+
a) La desviacin mediana es:

n
1 i
ed i Med
M x
n
1
D
1
( 9 11 10 11 11 11 11 11 12 11 14 11 )
6
+ + + + + =
6
7
1.17
b) La varianza es:
2
=
2 2 2 2 2 2
(10 ) (14 ) (11 ) (12 ) (11 ) (09 )
6
+ + + + +

=
2 2
(1 0 1 1 . 1 7 ) . . . . ( 9 1 1 . 1 7 )
6
+ +
=
1.37 8.01 0.03 0.69 1.37 4.71
6
+ + + + +

=
6
18 . 16
= 2.697
c) La desviacin estndar es:
2
2.697 1.642
EJEMPLO 2.
Una determinada Empresa Educativa contrat cinco profesionales de contabilidad en el presente ao, sus
sueldos mensuales al comienzo fueron: S/. 2 536; S/. 2 173; S/.2 448; S/. 2 121; y S/.2 622.
a) Calcule la media de la poblacin.
b) Determine la variancia poblacional.
c) Calcule la desviacin estndar poblacional.
SOLUCION:
a)
2536 2173 2448 2121 2622 11900
2380
5 5
+ + + +

b)
2
[(2536-2380)
2
+(2173-2380)
2
+(2448-2380)
2
+(2121-2380)
2
+(2622-2380)
2
]/5
=[(156)
2
+(-201)
2
+(68)
2
+(-259)
2
+(242)
2
]/5 = 197 454 / 5 = 39 490.8
c) 39490.8 198.72
EJEMPLO 3.
Hallar la varianza y la desviacin estndar en la distribucin de frecuencias de datos obtenidos por las
medidas de altura de 72 alumnos.
SOLUCIN:

20
I
i
=y
i-1
y
i
f
i
y
i
y
i
f
i
z
i
2
f
i
151 156
156 161
161 166
166 171
171 176
176 181
181 186
4
4
11
33
13
4
3
153.5
158.5
163.5
168.5
173.5
178.5
183.5
614.0
634.0
1798.5
5560.5
2255.5
714.0
550.5
900
400
275
0
325
400
675
Total 72 12127 2975
HUGO CORNEJO ROSELL
k
i i
i 1
f y
12127
168.5
n 72
y por tanto la varianza es:

2
=
2975
72
= 41.32 y la desviacin estndar es: 41.32 6.43
PROPIEDADES DE LA VARIANZA
1.
2
0 > S
2
> 0.
2. Var[k] = 0, donde k es constante.
3. Var [k t X] = Var [X]
4. Var [kX] = k
2
Var [X]
1.9 COEFICIENTE DE VARIACIN
Resulta imposible una comparacin directa de dos o ms medidas de dispersin (por ejemplo, la
desviacin estndar para una distribucin de ingresos anuales y la desviacin estndar de una distribucin
de insistencias para el mismo grupo de empleados). Podemos decir que la desviacin estndar de S/.1
200 para la distribucin del ingreso es mayor que la desviacin estndar de 4.5 das para la distribucin
de faltas de asistencia? Obviamente no es as, porque no podemos comparar directamente soles y das de
insistencia al trabajo. A fin de realizar una comparacin significativa de la distribucin de ingresos y
faltas, necesitamos convertir cada una de estas medidas a un valor relativo; es decir a un porcentaje,
denominada coeficiente de variacin: Es una medida muy til y se usa cuando:
Los datos estn en unidades diferentes.
Los datos estn en las mismas unidades, pero las medias muy distantes (como son los ingresos de
ejecutivos superiores, y los ingresos de obreros).
El coeficiente de variacin (CV) es la razn (cociente) de la desviacin estndar con la media aritmtica,
es decir,

S
CV d
X
Expresado en porcentaje es:
S
CV d (100)
X

As, tenemos que el coeficiente de variacin del ejemplo 3 de la seccin 1.8 es:
6.43
CV (100) 0.0382(100) 3.82%
168.5
EJEMPLO 1.
a) Si V [Y] = V (
8
1
X 8), sabiendo que S
X
= 8. Calcule la varianza de Y.
b) Si X =
4
3
(8Y + 16), siendo d
y
= 0.4 y Y = 5. Calcular la media y varianza de X y el coeficiente de
variacin de X.
SOLUCIN:
21
HUGO CORNEJO ROSELL
a) V [Y] = V (
8
1
X 8) = V [
8
1
X] V[8] = (
8
1
)
2
V [X] V [8] =
64
1
640=1, ya que S
X
= 8 y
S
2
X
= V[X] = 64
b) X =
4
3
(8Y + 16) = 6Y + 12, entonces M [X] = 6 M [Y] + 12 = 6 (5) + 12 = 42
Por otro lado: d
Y
= 0.4, Y = 5, d
Y
=
Y
S
Y

Y d
Y
= S
Y
5(0.4) = S
Y
S
Y
= 2, por tanto
S
2
Y
= V [Y] = 4
Ahora V [X] = V [6Y + 12] = 36 V [Y] + V [12] = 36 (4) = 144 S
2
[X] = V [X] = 144, luego
S [X] = 12
Finalmente: d
X
=
X
S
X
=
42
12
= 0.2857 y en trminos de porcentaje es 28.57 %
EJEMPLO 2.
Se va a comparar la variacin de los ingresos anuales de ejecutivos con la variacin de los ingresos de
trabajadores no calificados. Para una muestra de ejecutivos,
X
= 500 000 soles y S = 50 000 soles. Para
una muestra de trabajadores no calificados,
X
= 22 000 soles y S = 2 200 soles Uno se ve tentado a
afirmar que hay mayor dispersin en los ingresos anuales de los ejecutivos, por que
S/. 50 000 > S/. 2 200. Sin embargo, las medias estn tan distantes que se necesitan convertir los valores
estadsticos a coeficientes de variacin para efectuar una comparacin significativa de la variacin de los
ingresos anuales.
SOLUCIN:
Para los ejecutivo:
S
CV d (100)
X

50000
CV d (100) 10%
500000

Para los trabajadores no calificados:
S
CV d (100)
X

2200
CV d (100) 10%
22000

Por tanto, no existe diferencia en la dispersin relativa de los grupos.
1. Las edades, en aos cumplidos, de los alumnos del segundo grado, se registr de la siguiente manera:
14, 12, 12, 13, 14, 13, 12, 12, 12, 13, 14, 14, 13, 13, 13, 14, 12, 12, 13, 13, 12, 14, 14, 13, 13, 12, 12,
12, 13, 14, 13, 13, 13, 14, 12, 13, 12, 12, 13, 13, 12,y 12
Al organizar estos datos en una tabla de frecuencias, Cul es la mayor frecuencia?
A) 16 B) 17 C) 18 D) 19 E) 13
22
HUGO CORNEJO ROSELL
2. La grfica de barra siguiente nos muestra el crecimiento poblacional mundial hasta el ao 2003.
En qu periodo o intervalo el crecimiento fue mayor, en qu periodo fue menor y cul es la
diferencia de habitantes entre el ao 2003 y 1900 en miles de millones?
A) 1900; 1975; 5.5 B) 1900; 2003; 5 C) 2003; 1925; 6 D) 1900; 2003; 6.5 E) 2003; 1900; 5
3. Completar la siguiente tabla de distribucin de frecuencias e indicar qu tanto por ciento del total
tienen edades desde 20 hasta 33 aos
Edades f
i
h
i
H
i
12 18 0.10
18 24 0.30
24 30 40
30 36 20
A) 70% B) 65% C) 75% D) 60%
4. Dada la siguiente distribucin de frecuencias en base al ingreso familiar de 200 familias
Ingreso fi Fi
[ ,
[ ,
24
0
[ ,
[ ,
[280,
[ ,
45
13
120
157
Cuntas familias tienen un ingreso comprendido entre 240 y 300 soles?
A) 100 B) 105 C) 95 D) 90 E) 110
5. Dado el tablero incompleto de la distribucin de frecuencias de las notas de 50 alumnos. Completar
el tablero, con un ancho de clase constante e igual a 2. Seale: Cuntos alumnos sacaron un puntaje
menor de 12 y qu porcentaje de alumnos obtuvieron 12 o ms de 12 pero menos de 16?
23
1
2
3
4
5
6
7
1900 1925 1950 1975 2003
Intervalos: Tiempo
Poblacin en miles
de millones
HUGO CORNEJO ROSELL

Ii y
i
fi Fi hi%
[ ,
[ ,
[ ,
[ ,
[ ,
[ ,
11
12
7
9
22%
6%
A) 20; 30% B) 30; 20% C) 30; 20% D) 20; 25% E) 10; 30%
6. Dada la siguiente tabla incompleta de las frecuencias de las edades de 80 empleados.
Ii y
i
fi Fi hi%
[26,
[ ,
[ ,
[ ,
[ ,
[ ,50
44
20
15
20
8,75%
18,75%
Siendo el ancho de clase constante. Cuntos empleados tienen ms de 30 y qu porcentaje del total
de empleados poseen menos de 46 aos?
A) 37; 81.25% B) 37; 18.75% C) 37; 31.25%, D) 73; 81.25% E) 73; 31.25%
7. La tabla muestra la distribucin de los pesos correspondiente a 40 estudiantes, con un ancho de
clases constante:
Ii y
i
fi hi
[ ,
[ ,
[ ,
[ ,
[ ,
[ ,
56,5
65,5
5
5
0,10
0.20
0.15
Seale la cantidad de estudiantes que pesan menos de 67kg y el porcentaje de estudiantes que pesan
61kg o ms pero menos de 70kg
A) 27; 60% B) 13; 60.5% C) 27; 61% D) 13; 62% E) 26; 62.5%
8. En una empresa, se hizo un estudio sobre las edades de los empleados y se obtuvo la siguiente tabla:
Edades Nmero de
emple
ados
[20 25
[25 30
[30 35
[35 40
[40 45
12
15
23
11
9
Donde A es el porcentaje con 30 aos o ms, B es el porcentaje de empleados con menos de 40 aos.
Seale A+B.
24
HUGO CORNEJO ROSELL
A) 148.6% B) 160.8% C) 180.6% D) 186.4% E) 125.6%
9. La siguiente tabla muestra el nmero de jvenes que obtuvieron los puntajes sealados en una prueba
de ingreso.
Puntaje Nmero de
Jven
es
[10
15
[15
20
[20
25
[25
30
[30
35
10
15
28
20
17
Donde A es el porcentaje de jvenes con puntaje mayor a 20. B es el porcentaje de jvenes con
puntaje menor que 15. Hallar AB
A) 72.2% B) 83.3% C) 46.40% D) 64.6% E) 61.1%
10. El grfico muestra las ventas de arroz y azcar de un almacn, en cuatro das de la semana. De
acuerdo al grfico, a medida que pasan los das:
Cul es verdad?
A. La venta de arroz y de azcar aumenta
B. La venta de arroz y de azcar disminuye
C. La venta de arroz aumenta y la de azcar disminuye
D. La venta de arroz disminuye y de azcar aumenta
E. La venta de arroz y de azucar son iguales
11. El siguiente grfico muestra la cantidad de alumnos
matriculados en diferentes aos, en una institucin educativa.

25

0
100
200
300
400
500
600
Servcios
Pblicos; 35%
Salud; 11%
Educacin
Inversiones; 7%
Reserva en
efectivo
Tecnologa; 35%
HUGO CORNEJO ROSELL
El porcentaje en que vari el nmero de alumnos matriculados de 1994 a 1995 es:
A) 48.9% B) 60% C) 50% D) 61.1% E) 66.7%
12. Se destina S/. 200,000 a la Zona Nor Este del Cusco, en presupuesto participativo, para: educacin,
escalinatas y pistas y veredas.
Cuanto se utiliz en escalinatas? y cul es el ngulo que corresponde a pistas y veredas?
A) S/. 50, 000; 144 B) S/. 40, 000; 144 C) S/. 50, 000; 216 D) S/. 40, 000; 216
E) S/. 40, 000; 244
13. En el siguiente diagrama estadstico circular se muestra la distribucin de cmo una compaa
invirti un total de 250,000 soles.
Cunto se utiliza en educacin y reserva en
efectivo y cul es el ngulo en salud?
A) 30,000 soles; 35 30
B) 30,000 soles; 39 36
C) 32,000 soles; 39 30
D) 32,000 soles; 34 26
E) 28,000 soles; 38 35
14. Se tiene la siguiente informacin, de la medida
de longitud de 20 caimanes machos capturados en la selva peruana:
1.30; 1.32; 1.32; 1.40; 1.42; 1.42; 1.47; 1.47; 1.50; 1.52; 1.63; 1.65; 1.65; 1.65; 1.65; 1.68;
1.70; 1.73; 1.78; 1.78
La media aritmtica y Q
3
es:
A) 1.551; 1.64 B) 1.552; 1.665 C) 1.575; 1.64 D) 1.576; 1.69 E) 1.554; 1.665
15. En el siguiente histograma se da la distribucin de frecuencia de una poblacin de personas y sus
pesos
26
HUGO CORNEJO ROSELL
Calcular el peso promedio y D
7
A) 61; 67.08 B) 60; 71.33 C) 61; 68.06 D) 62; 71.33 E) 62; 67.08
16. Dada:
N de hijos por familia N de familias
2
3
4
5
6
10
8
16
10
6
Calcular el porcentaje de familias que tiene menos de 5 hijos y el promedio de nmero de hijos que
tienen las familias observadas.
A) 68%; 4 B) 58% ; 5 C) 78% ; 4 D) 88% ; 5 E) 88%; 4
17. En la siguiente tabla de de distribucin de frecuencias, la mediana y P
46
es:
y
i-1
y
i
f
i
F
i
2 4
4 6
6 8
2
3
5
2
5
10

A) 4; 3.93 B) 7; 6.93 C) 6.5; 5.73 D) 7.5; 7.23 E) 6; 5.73
18. En la serie de nmeros: 2; 4; 4; 5; 5; 5; 1; 7; el valor de la moda y D
4
es:
A) 2; 3 B) 1; 2 C) 4; 7 D) 5; 8 E) 7; 8
19. En la siguiente tabla de de distribucin de frecuencias, el modo y P
20
es:
X
i
f
i
2
3
4
7
5
4
6
2
A) 4; 5 B) 7; 6 C) 2; 3 D) 3; 4 E) 6; 3
20. En la siguiente tabla de de distribucin de frecuencias, la mediana y P
89
es:
y
i-1
y
i
f
i
27
HUGO CORNEJO ROSELL
2 4
4 6
6 8
8 10
10 12
4
10
40
20
1

A) 7.205; 7.465 B) 7.175; 9.275 C) 6.995; 8.285 D) 7.155; 9.275 E) 7.275; 9.345
21. En un estudio sobre el nmero de das de prcticas necesarios antes de poder manejar correctamente
una mquina, en un CEO, se obtuvieron los siguientes datos:
4; 0; 3; 0; 0; 4; 4; 2; 2; 0; 2; 3; 3; 0; 0; 6; 7; 1; 0; 0; 4; 3; 1; 0; 2
La media aritmtica y Q
2
es:
A) 2.53; 1.35 B) 2.20; 1.15 C) 2.04; 1 D) 2.25; 1.15 E) 2.14; 1.45
22. Con los datos del problema 14. La suma de la moda y la mediana, y P
7
es:
A) 3.255; 1.32 B) 3.232; 1.38 C) 3.127; 1.40 D) 3.255; 1.3 E) 3.360; 1.42
23. En el diagrama de barras, calcular la suma de la media aritmtica, la mediana y la moda
A) 38.26 B) 34.36 C) 36.43 D) 34.64 E) 40.46
24. En la tabla de distribucin de frecuencias, se observa que falta una frecuencia, correspondiente al
dato 3. Si la media aritmtica de dicha distribucin es de 4,32. Entonces el valor de x es igual a:
X
i
1 2 3 4 5 6
f
i
2 3 x 6 5 8
A) 0 B) 1 C) 2 D) 3 E) 4
25. El movimiento econmico del presupuesto mensual de una familia est expresado en el siguiente
cuadro estadstico.
Calcular la media de las medias de los ingresos, gastos y ahorros.
28
HUGO CORNEJO ROSELL
A) 1148 B) 1152 C) 1150 D) 1146 E) 1154
26. El siguiente histograma representa las preferencias de un grupo de personas por algunos programas
de televisin. Si los programas estn designados por A, B, C y D calcular la media y la moda
A) 50; B B) 35; A C) 40; B D) 25; C E) 25; B
27. Las edades de un grupo de personas se registraron en el siguiente cuadro. Calcular el promedio entre
la moda y la mediana, y hallar la desviacin media.
Edades Frecuencias
20
22
24
26
28
5
4
6
3
2
A) 28; 0.95 B) 24; 0 C) 23; 1 D) 48; 0.5 E) 26; 0.75
28. Completar el siguiente cuadro estadstico y calcular recorrido intercuartlico y la desviacin media
A) 18; 4 B) 18.6; 5 C) 18.6; 3 D) 19.6; 4 E) 18; 3
29. En la tabla de distribucin de frecuencias del ejercicio 24, hallar la varianza y la desviacin estndar,
A) 2.82; 1.68 B) 3.62; 1.79 C) 2.62; 1.62 D) 3.42; 1.85 E) 1.82; 1.35
30. En el siguiente cuadro de distribuciones de intervalos y frecuencias, se han registrado los pesos en
kg., de un grupo de personas: Hallar la varianza y la desviacin estndar
29
Intervalo de Clase Frec. Simple
150 156
156 162
162 168
168 174
174 180
3
5
10
4
2
Intervalo de Clase Frec. Simple Frec. Acumulada
21 30
31 40
41 50
51 60
61 70
4
12
b
6
3
4
16
31
a
40
HUGO CORNEJO ROSELL
A) 133.8; 11.58 B) 167.50; 12.94 C) 165; 12.84 D) 167; 12.92 E) 167.25; 12.93
31. Con datos del problema 28. Calcular el promedio entre la moda y la mediana, y la desviacin
estndar.
A) 163.2; 6.25 B) 163.2; 6.55 C) 164.2; 6.55 D) 162.2; 6.75 E) 164.25; 6.85
32. En la siguiente distribucin:
y
i-1
y
i
: 10-15; 15-20; 20-25; 25-30; 30-35
f
i
: 3 7 15 25 10
El coeficiente de variacin y desviacin media es:
A) 0.23; 4.45 B) 0.25; 4.65 C) 0.18; 3.49 D) 0.21; 5.10 E) 0.21; 4.39
33. Los gastos (miles de soles) en publicidad de 50 empresas comerciales, durante el mes de diciembre del ao
2004, se agruparon en cuatro clases de amplitud constante y se sabe:
y
1
= 3.5; y
4
= 8.75; f
1
= 4; F
2
= 20; f
3
= 25
Calcule la desviacin mediana y coeficiente de variacin.
A) 0.94; 0.186 B) 0.96; 0.125 C) 0.92; 0.094 D) 0.96; 0.196 E) 0.98; 0.198
34. En un grupo de 50 personas se sabe que 20 de ellas ganan diariamente S/. 900.00 y los restantes S/. 1 000.00.
Se pide calcular la ganancia media de las 50 personas. Si se sabe que el coeficiente de variacin es de 25%.
Calcular la desviacin estndar de las ganancias de las 50 personas.
A) 960; 240 B) 950; 250 C) 960; 2400 D) 950; 2500 E) 940; 260
CLAVE DE RESPUESTAS
1 2 3 4 5 6 7 8 9
B E A C A D E A E
10 11 12 13 14 15 16 17 18
D
E A B B A A E D
19 20 21 22 23 24 25 26 27
A B
C A E B C E B
28 29 30 31 32 33 34
B C E B E D A
30
HUGO CORNEJO ROSELL
En este captulo presentaremos, en forma introductoria o elemental, sin llegar a la formalizacin
matemtica; es decir en forma elemental considerando la definicin clsica, las nociones de
probabilidad y las reglas bsicas de la probabilidad.
2.1 ESPACIO DE PROBABILIDAD.
Sin duda se est familiarizado con trminos tales como probabilidad, posibilidad y azar, con frecuencia
son utilizados de manera intercambiable; en general la probabilidad es la posibilidad de que algo
suceder, en esta seccin formalizaremos el concepto de probabilidad y espacio de probabilidad, en
forma simple, basndose en conocimientos sobre experimento aleatorio, espacio muestral y eventos.
A) EXPERIMENTO ALEATORIO
Para la comprensin posterior, presentamos las siguientes definiciones:
Un experimento u operacin es una accin y efecto mediante el cual se obtiene un resultado de una
observacin, un experimento puede ser determinstico y no determinstico:
Un experimento es determinstico, cuando el resultado de la observacin se predice con exactitud
antes de realizar el experimento.
Un experimento es no determinstico, aleatorio o estadstico, cuando los resultados de la
observacin no se puede predecir con exactitud antes de realizar el experimento.
EJEMPLO 1.
Son ejemplos de experimento determinstico, las siguientes operaciones:
a) Lanzar un objeto al aire.
b) Tirar una piedra a un vidrio.
c) Observar el color de una bola extrada de una urna que contiene slo bolas azules.
d) Quemar un objeto fungible.
e) El fin de la vida de un ser viviente.
EJEMPLO 2.
Son ejemplos de experimento aleatorios, las siguientes operaciones:
1
E : Lanzar una moneda y observar la cara superior.
2
E
: Lanzar una moneda 3 veces y observar el nmero de caras obtenidas.
3
E
: Extraer un artculo de un lote que contiene artculos defectuosos y no defectuosos.
4
E : Observar el color de una bola extrada de una urna que contiene bolas negras y blancas.
5
E
: Observar el tiempo de duracin de una bombilla elctrica.
6
E
: Observar la mortalidad infantil de una poblacin en un determinado mes.
Al observar experimentos aleatorios, encontramos las siguientes caractersticas comunes:
Cada experimento puede repetirse indefinidamente sin variar esencialmente sus condiciones.
No se conoce a priori un resultado particular del experimento.
Cuando el experimento se repite en un nmero suficientemente grande de veces, su resultado tiende
a un modelo de regularidad; es decir, llega a estabilizarse la funcin
n
m
h (frecuencia relativa),
donde n es el nmero de repeticiones, m el nmero de xitos de un resultado particular
establecido antes de realizar el experimento.
B) ESPACIO MUESTRAL
Manifestamos como un aspecto comn de que cada experimento aleatorio tiene varios resultados
posibles y que podemos describir con precisin el conjunto de estos resultados posibles; ello nos
induce a dar la siguiente definicin:
31
HUGO CORNEJO ROSELL
Dado un experimento aleatorio E, un espacio muestral, denotado por , es el conjunto formado por
todos los resultados posibles de E, esto es:
{
es el resultado posible de E}
A cada resultado de un espacio muestral se le llama elemento o miembro del espacio muestral, o
simplemente un punto muestral. El espacio muestral puede tener un nmero finito o infinito de
elementos y ello depende del experimento aleatorio.
EJEMPLO 3.
Son ejemplos de espacio muestral asociados a los experimentos del ejemplo anterior, los siguientes
espacios, que se describa mediante una enumeracin de los elementos o el mtodo de la regla, que
dependen de cada problema especfico:
} S , C {
1

; C = Cara, S = Sello
2
{0,1, 2, 3} {(s, s, s), (c, s, s), (s, c, s), (s, s, c ), (c, s, c), (s, c, c), (c, c, s), (c, c, c)};
} N , D {
3

; D = Defectuoso, N = No defectuoso
x x {
4

es una bola negra o blanca}
t {
5
R
} 0 / t
x x {
6

nmero de nios que mueren en un mes}
En algunos experimentos es til anotar sistemticamente los elementos del espacio muestral por medio
de un diagrama de rbol, diagrama llamado as por su apariencia y que se emplea para conexin con
el principio anterior.
EJEMPLO 4.
Consideremos el experimento de lanzar una moneda al aire una vez y dos en caso de que ocurra cara
(C). Si en la primera ocasin se obtiene sello (S), entonces se arroja un dado una vez. Para
representar los elementos del espacio muestral tal que registre la mayor informacin construiremos el
siguiente diagrama de rbol:
Las diversas trayectorias, a lo largo de sus ramas, proporcionan los distintos puntos muestrales. Al dar
inicio por la rama superior izquierda y avanzar hacia la derecha a lo largo de la primera rama
(trayectoria), obtenemos el punto muestral CC, el cual indica la posibilidad de que se presenten dos
caras en dos lanzamientos sucesivos de la moneda. De manera similar, el punto muestral S2 seala la
posibilidad de que se presenta un sello, a la que seguir un 2 en el lanzamiento del dado. Si se procede
a lo largo de todas las ramas, el espacio muestral ser:
} 6 S , 5 S , 4 S , 3 S , 2 S , 1 S , CS , CC {
Todo subconjunto de un espacio muestral , se denomina evento o suceso.
Los siguientes son ejemplos de eventos. Otra vez nos referiremos a los experimentos anotados
anteriormente.
A
i
se referir a un evento asociado con el experimento
i
E
.
32
HUGO CORNEJO ROSELL
1
A
= {C}; es decir, ocurre una cara.
2
A
= {3}; es decir, ocurren tres caras.
3
A
= {N}; es decir, el artculo tomado no fue defectuoso.
4
A
= {x/x es blanco}; es decir, la esfera extrada es blanca.
5
A
= {t/t<5}; es decir, l bombilla se quema en menos de cinco horas
6
A
= {5}; es decir, 5 nios mueren en un mes.
Dado que los eventos son subconjuntos de un espacio muestral , tenemos las siguientes operaciones
algebraicas y tipos de eventos:
OPERACIONES ALGEBRAICAS
1) Interseccin de eventos
Si A y B son eventos, B A AB, es el evento que ocurre si y slo si A y B ocurren
2) Unin de eventos
Si A y B son eventos: B A es el evento que ocurre si y slo si A B ambos ocurren
TIPOS DE EVENTOS:
1) Evento Seguro. Llamado tambin como evento universal; por que siempre ocurre: A =
Por ejemplo,
A : lanzar una moneda y obtener cara (C) o sello (S).
Por tanto, { } A C,S
2) Evento imposible. Llamado tambin evento vaco; por que nunca ocurre:
A =
.
Por ejemplo, A: lanzar un dado obtener 8 puntos. Por tanto, A =
3) Evento Contrario o Complemento.

Si A es un evento:
c
A
' A Aes el evento que ocurre si, y slo si A no ocurre (obviamente respecto
de ).
Por ejemplo, si A es el evento de obtener un nmero par en el lanzamiento de una moneda; es decir,
{ } A 2, 4, 6
, entonces el evento contrario o complemento es: { }
c
A 1, 3, 5
.
4) Eventos incompatibles o mutuamente excluyentes.
Si A y B son eventos, se dice que son incompatibles o mutuamente excluyentes si, y slo si
B A

(no pueden ocurrir a la vez).
Por ejemplo, si lanzamos un dado y tenemos los siguientes eventos:
A: Obtener el nmero 2
{ } A 2
B: Obtener un nmero impar
{ } B 1, 3, 5
Luego se observa que:
B A
, por tanto se dicen que A y B son incompatibles.
5) Evento compatible o no mutuamente excluyente.
Si A y B son eventos, se dice que son compatibles o no mutuamente excluyentes si, y slo si
A B

(pueden ocurrir ambos a la vez).
Por ejemplo, si lanzamos un dado y tenemos los siguientes eventos:
A: Obtener el nmero 2
{ } A 2
B: Obtener un nmero par
{ } B 2, 4, 6
33
HUGO CORNEJO ROSELL
Luego se observa que: { } A B 2
, por tanto se dicen que A y B son compatibles.
6) Eventos Independientes.
Si A y B son eventos, se dice que son independientes si, y slo si al ocurrir A no afecta la ocurrencia
simultanea o sucesiva de B o viceversa.
Por ejemplo, dados los siguientes eventos:
A: Sacar 4 puntos al lanzar un dado
B: Sacar 6 puntos al lanzar el mismo dado
Si efectuamos 2 tiradas sucesivas la ocurrencia de un 6 en la segunda tirada no depende de que en la
primera tirada haya o no haya salido 4; por tanto A y B son independientes.
7) Eventos dependientes.
Si A y B son eventos, se dice que son dependientes si, y slo si al ocurrir A afecta la ocurrencia de B
o viceversa.
Por ejemplo, en una caja se tiene 6 bolas blancas y 8 rojas, si sacamos dos bolas al azar, una tras otra
sin reposicin y el deseo es que ambas sean blancas, luego se tiene los siguientes eventos:
A: La primera bola sea blanca (primera extraccin)
B: La segunda bola sea blanca (segunda extraccin)
Los eventos A y B son dependientes, ya que la extraccin de la segunda bola blanca est sujeta a que
en la primera extraccin salga blanca, para el deseo de que ambas sean blancas.
C) ESPACIO DE PROBABILIDAD
Dado el evento A, debemos asignarle un nmero, denotado por P(A), que se lee como probabilidad de
la ocurrencia del evento A, o simplemente como la probabilidad del evento A, tal que P(A) refleja
el comportamiento experimental de las frecuencias de la ocurrencia del evento A, cuando repetimos el
experimento aleatorio.
Un espacio de probabilidad, es un espacio muestral finito no vaco , junto con una funcin real P
definida sobre , que satisface las siguientes propiedades:
1.- P(A) 0, para todo evento A.
2.- P( ) = 1
3.- Si:
,... A ,..., A , A , A
n 3 2 1
es una sucesin numerable de eventos disjuntos, entonces:
( )
,
_
1 i
i
1 i
i
A P A P
.
NOTA: La funcin P:

R, definida con las propiedades mencionadas, se llama funcin de
probabilidad o medida de probabilidad o simplemente probabilidad P.
Si A es un evento, se dice que P(A) es la probabilidad de A (probabilidad de ocurrencia del evento
A). Las nicas ordenaciones probabilsticas que estudiaremos sern definidas a travs de funciones de
probabilidad; por lo que, en adelante, no se har distincin entre la probabilidad (ordenacin en los
eventos) y la funcin de probabilidad.
Debemos sealar que este sistema de axiomas de la probabilidad se supone vlido para cualquier
experimento. Apoyndonos en los axiomas anteriores tendremos las propiedades que veremos despus
de la siguiente definicin.
Se conoce como espacio de probabilidad equiprobable a aquel espacio donde la probabilidad P
asigna igual probabilidad a cada uno de sus eventos elementales.
Resumiendo, una probabilidad (P) es una especificacin de qu tan frecuente es probable que ocurra
un evento de inters particular entre un gran nmero de ensayos (situaciones en las que el evento
puede suceder).
Llamaremos probabilidad de xitos a la probabilidad de ocurrencia de este evento de inters. De igual
manera, la probabilidad de que no ocurra el evento se llama probabilidad de fracaso. Se usan
34
HUGO CORNEJO ROSELL
parntesis o corchetes para distinguir el evento de inters sealado; y una P, para indicar la
probabilidad de un clculo especfico. Las probabilidades son proporciones, como veremos despus.
La frmula general para presentar una probabilidad o clculo de una probabilidad es: Si contiene
n eventos elementales equiprobables y m de estos pertenecen al evento A, entonces
n
m
) A ( P .
Como consecuencia podemos afirmar que, la probabilidad de un evento, cuando los eventos
elementales son equiprobables, es igual al nmero de casos favorables (nmero de elementos de A o
cardinalidad de A) sobre el nmero de casos posibles (nmero de elementos de o cardinalidad de
); es decir:
nmero de casos favorables nmero de elementos de A n(A)
P(A)
nmero de casos posibles nmero de elementos de n( )

Esta es la definicin clsica de Probabilidad que dice: La probabilidad de un evento A es la
oportunidad relativa que tiene el evento de ocurrir y es igual al nmero de casos favorables sobre el
nmero de casos posibles. As misma, es la interpretacin de la frecuencia de ocurrencia de un
evento.
EJEMPLO 5.
Cul es la probabilidad de que al lanzar un dado aparezca en la cara superior un valor par y cul es la
probabilidad de obtener un nmero mayor que dos?.
SOLUCIN:
El espacio muestral es = {1, 2, 3, 4, 5, 6} y n( ) = 6
a) Los pares son A = {2, 4, 6} y n (A) = 3, entonces:
n(A) 3 1
P(A) 0,5
n( ) 6 2

b) Mayor que 2: B = {3, 4, 5, 6} y n (B) = 4, entonces:

n(B) 4 2
P(B) 0, 666
n( ) 6 3

EJEMPLO 6.
Si un nio extrae una carta aleatoriamente de una baraja de 52 cartas. Cul es la probabilidad de que
sea una jota y cul la probabilidad de que sea un cinco de corazones?
SOLUCIN:
Previamente, recordemos que en una baraja de 52 cartas hay 13 cartas de cuatro palos: espadas,
corazones, trboles y oros; consecuentemente es importante tener presente que el espacio muestral ,
tiene 52 cartas o elementos; es decir, n( ) = 52 y los eventos: A = {jota} y B =
{cinco de corazones} tienen 4 y un elementos, respectivamente; es decir, n(A) = 4 y n(B) = 1; por
tanto:
a) P (A) =
13
1
52
4
) 11 ( P ) jota ( P .
b) P (B) =
1
P(cinco de corazones)
52
.
OBSERVACIN.- Cuando digamos un elemento de una poblacin finita es seleccionado al azar
asignaremos la misma probabilidad a cada elemento de . Es decir, estaremos trabajando en un
espacio equiprobable.
2.2 REGLAS BSICAS DE LA TEORA DE LA PROBABILIDAD.
Existen unas cuantas reglas bsicas a seguir para calcular cualquier probabilidad, las que se conocen
como propiedades de probabilidades.
35
HUGO CORNEJO ROSELL
1) Para el evento seguro
P( ) 1
Por ejemplo, al lanzar una moneda obtener la probabilidad de sacar una cara o un sello
El espacio muestral es ={C, S} y n( ) = 2
a) Sacar una cara es: A = {C} y n(A) = 1, entonces:
n(A) 1
P(A)
n( ) 2

b) Sacar un sello es: B = {S} y n(B) = 1, entonces:

n(B) 1
P(B)
n( ) 2

.
Por tanto P(A o B) =
P(A B)
= P(A) + P(B) =
1 1
1
2 2
+
2) Para el evento imposible
P (
) = 0.
Por ejemplo, al lanzar un dado obtener 9 puntos.
El espacio muestral es ={1,2,3,4,5,6} y n( ) = 6
Sacar el nmero 9: A = {9} y n(A) = 0, entonces:
n(A) 0
P(A) 0
n( ) 6

3) Si A es un evento, entonces
0 P(A) 1
.
Si P(A) = 1, entonces A , y si P(A) = 0, entonces A =
.
4) Para eventos complementarios
Para cualquier evento A: ( ) ) A ( P 1 A P
c
y ( ) ) A ( P 1 A P
c
.
Por ejemplo, la probabilidad de que al extraer una bola de una caja donde hay 3 bolas blancas, 7 bolas
rojas y 6 bolas amarillas; sta no sea blanca es
13
16
, en efecto:
El espacio muestral es = {3B, 7R, 6A} y n( ) = 16
A: la bola extrada no sea blanca
C
A : la bola extrada sea blanca y n(
C
A ) = 3, entonces:
C
C
n(A ) 3
P(A )
n( ) 16

Por tanto: ( ) ) A ( P 1 A P
c
=
3 13
1
16 16

5) Para eventos incompatibles o mutuamente excluyentes (regla de la adicin de eventos
excluyentes)
Si A y B son eventos mutuamente excluyentes, entonces:
) B ( P ) A ( P ) B A ( P +
.
Observemos que puede ocurrir el evento A o el evento B, a este uso de la o a veces se le llama
inclusivo.
Por ejemplo, al lanzar un dado la probabilidad de obtener un nmero par o un mltiplo de 5 es
2
3
, en
efecto:
a) Los pares son: A = {2, 4, 6} y n(A) = 3, entonces:
n(A) 3 1
P(A)
n( ) 6 2

b) Mltiplo de 5: B = {6} y n(B) = 1, entonces:

n(B) 1
P(B)
n( ) 6

Por tanto,
1 1 4 2
P(A B) P(A) P(B)
2 6 6 3
+ +
36
HUGO CORNEJO ROSELL
Generalizando, si:
n 2 1
A ,..., A , A
es una sucesin finita de eventos mutuamente excluyentes dos a dos o
disjuntos cualesquiera, entonces:
( )
,
_

n
1 i
i
n
1 i
i
A P A P
.
6) Para eventos compatibles o no mutuamente excluyentes.
Si A y B son eventos compatibles (en general para cualesquiera) de (Teorema de Morgan),
entonces:
P(A B) P(A) P(B) P(A B) +
.
Observemos que puede ocurrir el evento A o el evento B. Esto incluye asimismo la posibilidad de que
A y B pueden ocurrir. Por ejemplo, al lanzar un dado la probabilidad de obtener un nmero impar o un
mltiplo de 3 es
2
3
, en efecto:
a) Los impares son: A = {1, 3, 5} y n(A) = 3, entonces:
n(A) 3 1
P(A)
n( ) 6 2

b) Mltiplo de 3 es: B = {3, 6} y n(B) = 2, entonces:

n(B) 2 1
P(B)
n( ) 6 3

c) { } A B 3
y n( A B ) = 1, Entonces
n(A B) 1
P(A B)
n( ) 6
Por tanto,
P(A B) P(A) P(B) P(A B) +
=
1 1 1 3 2 1 4 2
2 3 6 6 6 3
+
+
7) Para eventos independientes (regla de la multiplicacin de eventos independientes)
Si A y B son eventos independientes, entonces:
P(A B) P(A) P(B)
.
Observemos que puede ocurrir el evento A y el evento B, a este uso de la y a veces se le llama
exclusivo (dos eventos ocurren al mismo tiempo). Por ejemplo, al lanzar un dado dos veces en forma
sucesiva, la probabilidad de que ambos resultados sean de puntaje 4 es
1
36
, en efecto:
El espacio muestral para cada lanzamiento es: ={1, 2, 3, 4, 5, 6} y n( ) = 6
a) Primer lanzamiento, A = {4} y n(A) = 1, entonces:
n(A) 1
P(A)
n( ) 6

b) Segundo lanzamiento, B = {4} y n(B) = 1, entonces:

n(B) 1
P(B)
n( ) 6

Por tanto,
1 1 1
P(A B) P(A) P(B)
6 6 36
.
8) Para eventos dependientes
Cuando dos eventos son dependientes, se emplea el concepto de probabilidad condicional para
designar la probabilidad de ocurrencia del evento relacionado.
Dados los eventos dependientes A y B. S P(A)>0, la probabilidad condicional de que el evento B
ocurra dado que el evento A ha ocurrido, est dado por el cociente de P(A
B) entre P(A); es
decir,
P(A B)
P(B A) , si P(A) 0
P(A)
>
La probabilidad condicional de que el evento A ocurra dado que el evento B ha ocurrido est
dada por:
P(A B)
P(A B) , si P(B) 0
P(B)
>
37
HUGO CORNEJO ROSELL
Por ejemplo, si supongamos que dos monedas se lanzan al aire una por una, y definimos A como el
evento dos caras y B como el evento la primera moneda arrojada es cara. El espacio muestral y
los eventos A y B, son respectivamente:
= {CC, CS, SC, SS}
A = {CC}
B = {CC, CS}
de donde
A
B = {CC}
Por tanto:
1 1 1
P(A) , P(B) , P(A B)
4 2 4
y ( )
1
P(A B) 1
4
P A B
1
P(B) 2
2

.
que es la probabilidad condicional de que el evento A ocurra dado que el evento B ha ocurrido, y la
probabilidad condicional de que el evento B ocurra dado que el evento A ha ocurrido es:
1
P(A B)
4
P(B A) 1
1
P(A)
4

NOTA: Debemos aclarar que B/A no es una fraccin. Las expresiones de probabilidad condicional no
se requieren en eventos independientes, porque, por definicin, no existe relacin entre la ocurrencia
de estos eventos. Por lo tanto, si los eventos A y B son independientes, la probabilidad condicional
P(B/A) es siempre igual a la probabilidad simple (no condicionada) P(B).
EJEMPLO 7.
Una bola es seleccionada al azar, de una caja que contiene 4 bolas blancas, 6 bolas rojas y 5 bolas
verdes.
Determinar la probabilidad de que sea: a) verde, b) no blanca, y c) roja o verde
SOLUCIN:
El espacio muestral tiene: 4 + 6 + 5 = 15 bolas; es decir, n( ) = 15
a)
3
1
15
5
bolas de total nmero
verdes bolas de nmero
) verde ( P
b) P(no blanca) = 1 - P(blanca) =
15
11
15
4
1
c) Si: R = {roja), V = {verde}, luego n(R) = 6, n(V) = 5. Por tanto:
P(roja o verde) =
) V R ( P
= P(R) + P(V) - P(R
V) = 0
3
1
15
6
+ =
15
11
15
5 6
+
, ya que P(R
V) = 0, por ser mutuamente excluyentes.

EJEMPLO 8.
Supongamos que se lanza un dado normal dos veces y sean los eventos:
A : primer dado muestra un nmero par.
B : segundo dado muestra un 5 un 6.
Entonces:
={(1,1),(1,2),(1,3),..................,(6,5),(6,6)}, luego n( )= 36
A={(2,1),(2,2),(2,3),(2,4),(2,5),(2,6),(4,1),(4,2),(4,3),(4,4),(4,5),(4,6),(6,1),(6,2),(6,3), (6,4),(6,5),
(6,6)}, luego n(A) = 18
B={(1,5),(2,5),(3,5),(4,5),(5,5),(6,5),(1,6), (2,6),(3,6),(4,6),(5,6).(6,6)}, luego n(B) = 12
AB= {(2,5), (2,6), (4,5), (4,6), (6,5), (6,6)}, luego n(AB) = 6
De donde, obtenemos:
38
HUGO CORNEJO ROSELL
2
1
36
18
) A ( P ,
3
1
36
12
) B ( P y
6 1
P(A B)
36 6

Y observamos que:
1 1 1
P(A B) P(A)P(B)
6 2 3

.
Luego deducimos que los eventos A y B son independientes.
EJEMPLO 9.
En el ejemplo anterior, consideremos los eventos:
C : la suma de los dados es 7
D : los dos dados tienen el mismo nmero
Entonces:
C = {(1,6),(2,5),(3,4),(4,3),(5,2),(6,1)}, luego n(C) = 6
D = {(1,1),(2,2),(3,3),(4,4),(5,5),(6,6)}, luego n(D) = 6
De donde,
6
1
36
6
) C ( P ,
6
1
36
6
) D ( P y
P(C D) P( ) 0
Como
1 1
P(C D) P( ) 0 P(C)P(D)
6 6

luego, C y D no son eventos independientes.
De este ejemplo, deducimos que si dos eventos son mutuamente excluyentes (C
D=
), entonces no
son independientes, con lo que se aclara el hecho de confundir con mucha frecuencia la equivalencia
de las definiciones de independencia y mutuamente excluyentes.
EJEMPLO 10.
Si:
1 1 2
P(A) , P(B) , y P(A B)
2 2 3
. Calcular:
a)
) A ( P
; b)
) B A ( P
, y c)
) B A ( P
SOLUCIN:
a)
2
1
2
1
1 ) A ( P 1 ) A ( P
b)
[ ] ) B A ( P ) B ( P ) B A ( B P ) B A ( P
Como
1 1 2 2 1
P(A B) P(A) P(B) P(A B) 1
2 2 3 3 3
+ +
Entonces,
1 1 1
P(A B) P(B) P(A B)
2 3 6

c)
1 2
P(A B) = P(A B) =1- P(A B) =1- =
3 3

EJEMPLO 11
Si se lanza un par de dados, si la suma es 6, cul es la probabilidad de que en uno de los dados se
obtenga 4?
SOLUCION:
El espacio muestral es: = {(1,1), (1,2),..., (6,6)} y n( ) = 36
A: La suma es 6, luego A = {(1,5), (2,4),..., (5,1)} y n(A) = 5, entonces:
n(A) 5
P(A)
n( ) 36

B: En uno de los dados sale 4, luego B = {(2,4), (4,2)} y n(B) = 2, entonces:

n(B) 2 1
P(B)
n( ) 36 18

39
HUGO CORNEJO ROSELL
{ } A B (2, 4), (4, 2)
y n(
A B
), entonces
2 1
P(A B)
36 18

Luego la probabilidad de que se obtenga 4 (evento B), si la suma es 6 (si ya ocurri A) es:
1
18
5
36
P(A B) 2
P(B/ A)
P(A) 5

.
EJEMPLO 12.
En una urna hay 10 bolas numeradas del 1 al 10. Una persona extrae una bola al azar. Cul es la
probabilidad de que dicha bola sea mltiplo de 4, si se sabe que fue par?
SOLUCION:
El espacio muestral es = {1, 2, ...., 10} y n( ) = 10
A: Se obtuvo una bola par, luego A = {2, 4, 6, 8, 10} y n(A) = 5
B: Que sea mltiplo de 4, luego B = {4, 8} y n(B) = 2.
Usando la regla prctica:
n(B) 2
P(B/ A)
n(A) 5

.
EJEMPLO 13.
En una urna se tiene 8 bolas verdes y 10 bolas azules, si sacamos 2 bolas al azar, una tras otra sin
reposicin. Cul es la probabilidad de que ambas sean verdes?
SOLUCIN:
El espacio muestral es ={V, V, .....A, A} y n( ) = 8 + 10 = 18
A: La primera bola sea verde, luego n(A) = 8. Entonces
8 4
P(A)
18 9

B: La segunda bola sea verde, luego n(B) = 7. Entonces
7
P(B/ A)
17
Por tanto, la probabilidad de que ambas sean verdes es:

4 7 28
P(A B) P(A) P(B/ A)
9 17 153

De acuerdo al enfoque clsico para la determinacin de probabilidades, el valor de probabilidad se
basa en la razn del nmero de resultados elementales igualmente probables favorables respecto del
nmero total de resultados en el espacio muestral. Cuando los problemas son simples, el nmero de
resultados elementales puede contarse directamente. Sin embargo, en problemas ms complejos es
necesario usar combinaciones para determinar el nmero de resultados elementales posibles.
COMBINACIONES SIN REPETICIN
Una combinacin de n objetos, sin repeticin, tomados de r en r (r < n), es un subconjunto de r
objetos obtenidos de un conjunto de n objetos sin repeticin y sin considerar su orden, y se denota por
n
r
C .
El nmero de estas combinaciones, todos distintos, es:
n
r
n(n 1)(n 2)...(n r 1) n!
C
1 2 3 ... r r!(n r)!
+

Es preciso aclarar que, dado un conjunto de n elementos, combinaciones significa formar grupos de r
elementos, donde un grupo difiere de otro en un elemento o ms y el orden de ellos no interesa. El
inters en las combinaciones siempre se dirige al nmero de diferentes subgrupos que pueden formarse
con n objetos.
40
HUGO CORNEJO ROSELL
El nmero:
)! r n ( ! r
! n
, aparece en muchos contextos en matemtica, y por lo tanto se emplea un

smbolo especial para designarle. Escribiremos como:
,
_
r
n
)! r n ( ! r
! n
Estos nmeros son los llamados coeficientes binomiales. Para nuestro fin son definidos slo si n y r
pertenecen a
0
Z
+
tal que, n r 0 .
La denominacin de coeficientes binomiales, es en atencin al Teorema del Binomio en el que
aparecen como coeficientes. El Teorema del Binomio, como es ampliamente conocido, esta dado por:
n
n r n r n n 1 n 2 2 n
r 0
n
n(n 1)
(a b) a b a na b a b ... b
r 1 2

_
+ + + + +

Los coeficientes binomiales tienen muchas propiedades interesantes de las cuales tenemos:
a)

,
_
,
_
r n
n
r
n
, b)
,
_
,
_
,
_
r
1 n
1 r
1 n
r
n
, c)
1
0
n
,
_

d)
1
0
0
,
_
, e)
1
n
n
,
_
,
f)
n
1
n
,
_
y g)
,
_
,
_
,
_
+
r
n
1 r
n
r
1 n
EJEMPLO 14.
Sea el conjunto de elementos: A, M, O, R. Cuntas combinaciones podemos obtener tomndolos de 2
en 2?
SOLUCIN:
El nmero de combinaciones es:
4
2
4! 4! 24
6
2!(4 2)! 2!2! 2 2

C
Luego las combinaciones son: AM, AO, AR, MO, MR y OR
Observemos que la combinacin: MA no est considerada, ya que de acuerdo a la definicin AM es lo
mismo que MA; es decir el orden no interesa y los diferentes grupos se diferencian, mutuamente, por
lo menos en un elemento.
EJEMPLO 15.
Cuntas combinaciones de 5 cartas pueden formarse de un mazo ordinario de 52 cartas?
SOLUCIN:
El nmero de combinaciones es:
52
5
52!
C 2 598 960
5!(47)!

NOTA: La prctica no induce a manifestar que si de un conjunto se saca un grupo, se debe utilizar
combinaciones.
EJEMPLO 16.
Un examen consta de 6 preguntas, si se debe dar respuesta slo a 4 de las 6 preguntas. Cuntos
exmenes de diferente contenido habr que corregir como mximo?
SOLUCIN:
Como los exmenes de diferentes contenidos no necesitan orden, se trata de un problema de
combinaciones. Por tanto el nmero de exmenes que se debe corregir como mximo es:
6
4
6
6! 6 5
15
4 4!2! 2
_

,
C
41
HUGO CORNEJO ROSELL
Estas combinaciones son:
1234 1235 1236 1245 1246
1256 1345 1346 1356 1456
2345 2346 2356 2456 3456
EJEMPLO 17.
Cuntas comisiones compuestos de 3 estudiantes y 6 profesores pueden formarse a base de 6
estudiantes y 12 profesores como mximo?
SOLUCIN:
No siendo necesario el orden, hallaremos el nmero de combinaciones:
6
3
C y
12
6
C y para determinar las
comisiones compuestas, apliquemos el principio de multiplicacin. Por lo tanto el nmero de
comisiones que se puede formar como mximo es:
6 12
3 6
6 12
6! 12!
C C
3 6 3!3! 6!6!
_ _

, ,
12 11 10 9 8 7
18 480
6 6

COMBINACIONES CON REPETICIN

El nmero de combinaciones con repeticin de n elementos, tomados de r en r
) n r (
, denotado por
n
r
CR , est dado por:
1 1
( 1)( 2)...
1 1 2 3 ...
n
r
n r n r
n r n r n
CR
n r r
+ + _ _ + +

, ,
EJEMPLO 18.
Determinar el nmero de combinaciones, con repeticin, de los nmeros: 1, 2, 3 y 4 de 3 en 3.
SOLUCIN:
El nmero de combinaciones con repeticiones es:
3 4
CR
=

,
_
+
3
1 3 4
=
3 2 1
4 5 6

= 20 y Estas
combinaciones son:
111 12 2 133 144 222 233 244 333 344 444 112 123 134 223 234 334
113 124 224 114
EJEMPLO 19.
Una caja contiene 15 focos, de las cuales 5 son defectuosas. Cul es la probabilidad de que al tomar 2
focos, los 2 sean defectuosos?
SOLUCIN:
El nmero de elementos del espacio muestral es:
15
2
15! 15 14
n( ) C 105
2!(15 2)! 2 1

(de 15 focos se
extraen 2)
Sea el evento A: los 2 focos son defectuosos, luego los casos favorables son:
5
2
5! 5 4
n(A) C 10
2!(5 2)! 2 1

(de 5 focos defectuosos se toman 2 focos).
Entonces,
5
2
15
2
C 10 2
P(A)
C 105 21

EJEMPLO 20.
Se escogen al azar 3 lapiceros de 10, de los cuales 4 son defectuosos. Calcular la probabilidad de que
se haya escogido 2 lapiceros buenos y un defectuoso?
42
HUGO CORNEJO ROSELL
SOLUCIN:
10
3
10! 10 9 8
n( ) C 120
3!(10 3)! 3 2 1

(de 10 lapiceros se escogen 3)
Sea el evento A: 2 lapiceros buenos y 1 defectuoso, lego casos favorables son:
6 4
2 1
6! 4!
n(A) C C 15 4 60
2!(6 2)! 1!(4 1)!

(de 5 focos defectuosos se toman 2 focos).
Entonces,
6 4
2 1
10
3
C C 60 1
P(A)
C 120 2

EJEMPLO 21.
De una urna que contiene 6 bolas negras y 11 rojas, se extrae 5 bolas al azar. Determinar la
probabilidad de que:
a) A: Las 5 bolas sean rojas
b) B: Las 5 bolas sean del mismo color.
SOLUCIN:
En la urna se tiene 17 bolas (6N + 11R)
17
5
17! 17 16 15 14 13
n( ) C 5096
5!(17 5)! 5 4 3 2 1

(de 17 bolas se extraen 5).
a) A: Las 5 bolas sean rojas, luego los casos favorables son:
11
5
11! 11 10 9 8 7
n(A) C 462
5!(11 5)! 5 4 3 2 1

(de 11 bolas rojas se extraen 5 bolas).
Por tanto:
11
5
17
5
C n(A) 462 231
P(A)
n( ) C 5096 849

b) B: Las 5 bolas sean del mismo color. Luego casos favorables son:
6 11
5 5
6! 11! 11 10 9 8 7
n(B) C C 6 6 462 468
5!(6 5)! 5!(11 5)! 5 4 3 2 1

+ + + +

(de 6 bolas negras 5 sean
negras o de 6 rojas sean 5 rojas). Por tanto,
6 11
5 5
17
5
C C n(B) 468 117
P(B)
n( ) C 5096 1274
+

1. Se lanza una moneda dos veces en forma sucesiva. Cul es la probabilidad de que salga cara y sello
respectivamente?
A) 50%, B) 85%, C) 15%, D) 75%, E) 25%
2. En una urna hay 5 bolas negras y 8 bolas verdes. Cul es la probabilidad de que al extraer de la urna resulte
una verde?
A) 8/13, B) 5/13, C) 1/13, D) 6/13, E) 7/13
3. De una baraja de 52 cartas se extrae una carta al azar. Cul es la probabilidad de que resulte roja?
A) 75%, B) 75%, C) 15%, D) 50%, E) 25%
4. De una baraja de 52 cartas se extrae una carta al azar. Cul es la probabilidad de que sea menor que 6 y sea
negra?
A) 1/2, B) 3/13, C) 12/13, D) 3/26, E) 5/26
5. Cul es la probabilidad de que de una baraja de 52 cartas, al extraer una de ellas, se obtenga un as?
43
HUGO CORNEJO ROSELL
A) 1/13, B) 3/13, C) 2/3, D) 1/6, E) 5/6
6. En un saln de clases hay 35 alumnos, de los cuales 20 son citadinos. Cul es la probabilidad de que al elegir
uno al azar resulte no citadino?
A) 3/7, B) 2/7, C) 20/35, D) 3/11,E) 5/11
7. Se lanzan dos dados. Cul es la probabilidad de que la suma de los puntos sea 8?
A) 1/3, B) 5/36, C) 7/36, D) 5/18,E) 1/18
8. Al lanzar simultneamente una moneda y un dado. Cul es la probabilidad de que salga un nmero menor
que cuatro?
A) 1/3, B) 1/6, C) 1/2, D) 2/3, E) 1/5
9. En una urna hay 5 bolas rojas y 7 bolas azules, se extrae 2 bolas sin reposicin. Cul es la probabilidad de
que salga roja y azul, en ese orden?
A) 2/7, B) 5/7, C) 11/132, D) 35/132, E) 13/17
10. En ejercicio anterior, se extrae 2 bolas con reposicin. Cul es la probabilidad de que salga roja y azul, en ese
orden?
A) 33/144, B) 3/144, C) 37/144, D) 31/144, E) 35/144
11. En una caja hay 6 bolas rojas, 4 bolas blancas y 2 bolas azules. Cul es la probabilidad de que salga una
blanca o una roja?
A) 5/6, B) 1/2, C) 2/3, D) 3/4, E) 1/3
12. Al lanzar 2 dados. Cul es la probabilidad de que la suma sea 2 9?.
A) 1/6, B) 1/5, C) 5/36, D) 3/4, E) 1/12
13. Al lanzar un par de dados, uno blanco y otro verde. Cul es la probabilidad de obtener un nmero mayor que
4 en el dado blanco o un nmero menor que 3 en el dado verde?.
A) 3/5, B) 5/36, C) 5/6, D) 4/5, E) 5/9
14. Se lanza un par de dados en forma simultnea. Encontrar la probabilidad de no obtener suma 7 ni 11.
A) 3/9, B) 7/9, C) 5/6, D) 4/5, E) 5/9
15. En un saln de clases de 40 estudiantes, 30 de ellos compran libros de lgebra y 26 de ellos compran
Aritmtica, se elige un alumno al azar. Cul es la probabilidad de que compre ambos libros, si todo compran
al menos un libro?
A) 1/5, B) 2/5, C) 4/5, D) 3/5, E) 5/5
16. En una encuesta, el 42% apoya el producto A, el 54% el producto B y 18% ambos productos. Cul es la
probabilidad de elegir al azar, que una persona no prefiera el producto A ni el producto B?
A) 18%, B) 16%, C) 22%, D) 20%, E) 24%
17. En una reunin donde asistieron 90 personas, resulta que 70 beben agua mineral, 50 beben gaseosa y 15 no
beben agua mineral ni gaseosa; si de estas persona se eligen una de ellas al azar Cul es la probabilidad de
que beban agua mineral y gaseosa?
A) 1/2, B) 2/3, C) 1/5, D) 3/8, E) 4/7
18. De una urna que contiene 2 bolas blancas, 3 rojas y 5 negras, se extraen 3 bolas en forma sucesiva y con
reposicin. Hallar la probabilidad de que las dos primeras bolas sean negras y la tercera sea blanca.
A) 1/5, B) 1/25, C) 1/15, D) 1/10, E) 1/20
44
HUGO CORNEJO ROSELL
19. De una baraja de 52 cartas se extraen 3 cartas al azar sin reposicin. Hallar la probabilidad de que las tres sean
trboles.
A) 33/265, B) 66/850, C) 11/265, D) 11/850, E) 33/850
20. Suponga que se eligen dos personas al azar de un grupo de 8 varones y 6 mujeres. Cul es la
probabilidad de que amabas sean mujeres?
A) 2/15, B) 15/73, C) 15/91, D) 6/91, E) 3/46
21. En el problema anterior, suponga que se eligen 3 personas al azar. Cul es la probabilidad de que se elijan
dos varones y una mujer?
A) 2/13, B) 3/14, C) 3/10 D) 2/11, E) 6/13
22. Una urna contiene 5 bolas rojas y 3 negras. Si se extraen 4 bolas sucesivamente y no son devueltas a la urna.
Cul es la probabilidad de que stas sean alternativamente de colores distintos?
A) 1/8, B) 1/9, C) 1/3 D) 1/6, E) 1/7
23. Un profesor propone un problema a dos alumnos A y B de dos grupos distintos del C.B.U. Las apuestas en
contra de que A resuelva el problema son 4 a 3, y las apuestas a favor de B son de 7 a 5. Cul es la
probabilidad de que el problema quede resuelto si ambos tratan de resolverlo?
A) 16/21, B) 3/4, C) 4/5 D) 8/13, E) 5/21
24. Una caja contiene 8 bolas rojas, 3 blancas y 9 azules. Si se extraen 3 bolas al azar. Cul es la probabilidad de
que al menos una sea blanca?
A) 23/57, B) 34/57, C) 33/57 D) 21/57, E) 36/57
25. En el problema anterior. Cul es la probabilidad de que se extraiga una de cada color?
A) 17/95, B) 19/95, C) 18/95 D) 21/95, E) 20/95
26. Se lanza un dado e independientemente se escoge al azar una carta de una baraja normal. Cul es la
probabilidad de que el dado muestre un nmero par y la carta sea de un palo rojo?
A) 1/2, B) 3/4, C) 1/4 D) 1/12, E) 1/52
27. Al lanzar un par de dados, si la suma es 6. Cul es la probabilidad de que uno de los dados sea 2?
A) 3/5, B) 2/5, C) 1/6 D) 1/3, E) 2/3
28. En cierto tipo de ruleta, se tiene dos discos giratorios. Uno de ellos est marcado con las letras A, B, C, E; y el
otro con los dgitos 1, 2, 3, 4 y 5. Cul es la probabilidad de obtener un B y un nmero par?
A) 3/10, B) 17/25, C) 3/25 D) 1/10, E) 7/10
29. En una bolsa se tienen 5 caramelos de fresa, 4 de limn y 2 de naranja, si extraemos 3 caramelos al azar.
Cul es la probabilidad que entre los 3 que se han sacado exista un caramelo de cada sabor?.
A) 8/33, B) 4/33, C) 5/23, D) 3/23, E) 7/23
30. Para una rifa se venden 20 boletos, comprando Mario 2 de ellos. Si se ofrecen dos premios. Cul es la
probabilidad de Juan obtenga slo uno de los premios?.
A) 7/31, B) 16/93, C) 7/95, D) 18/95, E) 17/95
31. Con 7 mdicos y 4 enfermeras se debe formar un comit de 6 miembros. Cul es la probabilidad que el
comit incluya al menos dos enfermeras?.
A) 53/66, B) 51/65, C) 51/66, D) 53/65, E) 36/65
32. Sean los eventos A y B representados en el diagrama adjunto:
Hallar P(B/A).
A) 40%, B) 20%, C) 75%, D) 50%, E) 15%
45
HUGO CORNEJO ROSELL
33. Si la probabilidad de que ocurra un accidente en 1 km. de una carretera es 1/3. Cul es la probabilidad de que
ocurra encontrar al menos un accidente en 3 km. de esa carretera?
A) 1/3, B) 1/27, C) 8/27, D) 2/3, E) 19/27
34. Las probabilidades de que ngel, Blas y Carlos de resolver un mismo problema son: 1/2, 3/5 y 1/6
respectivamente. Si intentan hacerlo los tres, determinar la probabilidad de que se resuelva el problema.
A) 1/3, B) 5/6, C) 1/2, D) 1/6, E) 1/5
35. Se va a seleccionar por lote una comisin de 5 delegados, a partir de un grupo de 8 cusqueos, 5 apurimeos y
3 materditanos. Cul es la probabilidad de que la comisin est compuesta de 2 cusqueos, 2 apurimeos y 1
materditano?
A) 3/5, B) 7/13, C) 5/26, D) 1/9, E) 31/63
36. Se sientan alrededor de una mesa 9 amigo. Cul es la probabilidad de que dos de ellos queden juntos?
A) 1/3, B) 1/2, C) 1/4, D) 1/5, E) 1/8
37. Se tiene 5 libros en un estante, 3 de Historia y 2 de Geografa. Cul es la probabilidad de que los libros de
Geografa sean separados por los 3 de Historia?
A) 1/10, B) 1/4, C) 1/3, D) 1/8, E) 1/9
38. Un dado est cargado (no normal) de tal modo que la probabilidad de obtener 1; 2; 3; 4; 5 6 es proporcional
a los nmeros 1; 2; 3; 4; 5; 6, respectivamente. Si se lanza este dado, calcular la probabilidad de que el
resultado sea par.
A) 3/7, B) 5/21, C) 7/27, D) 4/7, E) 3/5
CLAVE DE RESPUESTAS
1 2 3 4 5 6 7 8 9 10
E A D E A A B C D E
11 12 13 14 15 16 17 18 19 20
A C E B B C A E D C
21 22 23 24 25 26 27 28 29 30
E E A A C C B D A D
31 32 33 34 35 36 37 38
A D E B C C A D
46

Iintrod. A La Est y Prob.

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Iintrod. A La Est y Prob.

Uploaded by

Copyright:

Available Formats

INTRODUCCIN A LA ESTADSITICA DESCRIPTIVA Y PROBABILIDADES

HUGO CORNEJO ROSELL

INTRODUCCIN A LA ESTADSITICA DESCRIPTIVA Y PROBABILIDADES

para el caso discreto y Me = y

(para el caso continuo).

< ; para i = 1, 2, ....., 9

< ; para i = 1, 2, ....., 99

; para i = 1, 2, ....., 99.

Para intervalos de clase, se trabaja con las marcas de clase.

La varianza o variancia muestral de X

b) Para datos agrupados

La varianza o variancia muestral de X:

La desviacin estndar o tpica poblacional y muestral, est dada por:

y por tanto la varianza es:

3) Evento Contrario o Complemento.

b) Mayor que 2: B = {3, 4, 5, 6} y n (B) = 4, entonces:

b) Sacar un sello es: B = {S} y n(B) = 1, entonces:

b) Mltiplo de 5: B = {6} y n(B) = 1, entonces:

b) Mltiplo de 3 es: B = {3, 6} y n(B) = 2, entonces:

b) Segundo lanzamiento, B = {4} y n(B) = 1, entonces:

V) = 0, por ser mutuamente excluyentes.

B: En uno de los dados sale 4, luego B = {(2,4), (4,2)} y n(B) = 2, entonces:

Por tanto, la probabilidad de que ambas sean verdes es:

, aparece en muchos contextos en matemtica, y por lo tanto se emplea un

COMBINACIONES CON REPETICIN

You might also like