Professional Documents
Culture Documents
SALESIANA
PROBABILIDAD Y ESTADSTICA
= { }
1
/ N, x < 5}
1 1 1 1
= { , , , }
1 2 3 4
Ejemplo2:
Dado el conjunto = {x/x R y x 3 x =0} , definido por comprensin, exprselo por
extensin
3 = 0
( 2 1) = 0
( + 1)( 1) = 0
=0
=0
+1=0
= 1
1= 0
=1
Ejemplo 3:
Dados los intervalos = [3,5] ; = [4,7] encontrar:
a) A B
b) A B
3
a)
A B = [3,7]
b) A B = [3,4) (5,7]
Ejemplo 4:
= {1,3,5}
= {2,9}
Encontrar:
/ = {1, 3, 5}
/ = {2, 9}
Complemento de un conjunto
El complemento de A, est formado por todos aquellos elementos que no pertenecen a
A, es decir: = /
Ejemplo 5:
= {1, 3, 6, 8, 9}
= {2, 4, 6, 8}
= {1, 2, 3, 4, 9}
/ = {2, 4}
/ ={1, 3, 9}
4) Distributiva
( ) = ( ) ( )
( ) = ( ) ( )
5) Identidad
=
6) Complemento
=
( ) = A
7) De Morgan
( ) =
( ) =
8) Diferencia
= A
Ejemplo 6:
1) Demostrar que (A U B) \ C = ( A U B U C) \ C
Primera Forma
(A U B U C)\C
Hiptesis
(A U B U C) C
Definicin de diferencia
((A U B) U C) C
Asociativa
((A U B) C) U (C C)
Distributiva
((A U B) C) U
Complemento
(A U B) C
Identidad
(A U B)\C
Diferencia
Segunda Forma
(A U B)\C
Hiptesis
(A U B) C
Definicin de Diferencia
((A U B) C) U
Identidad
((A U B) C) U (C C)
Complemento
((A U B) U C) C
Distributiva
(A U B U C) C
Asociativa
(A U B U C) \C*
Diferencia
Hiptesis
(A U B U C) (A B)
Diferencia
(A U B U C) (A U B)
Ley de Morgan
[(A U B U C) A] U [( A U B U C) B]
Distributiva
Conmutativa, Asociativa
Distributiva
Complemento
[(B U C) A] U [(A U C) B]
Identidad
Diferencia
Conmutativa
Hiptesis
Diferencia
Morgan
Conmutativa Morgan
[(A C) B] U [(B C) A] U
Complemento
[(A C) B] U [A C] B]
Identidad
(A C) U (B B)
Distributiva
EJERCICIOS PROPUESTOS. Tomados del Libro de Walpole R., Myers R., Myers
D.(1999). Probabilidad y estadstica para ingenieros. (sexta edicin).
c) Liste los elementos qeu corresponden al evento C de que salga un nmero mayor
qeu 4 en el dado verde
d) Liste los elementos que corresponden al evento
e) Liste los elementos que corresponden al evento
f) Liste los elementos que corresponden al evento
Construya un diagrama de Venn para ilustrar las intersecciones y uniones de los eventos
A,B y C
4. Si S={0,1,2,3,4,5,6,7,8,9} y A={0,2,4,6,8}, B={1,3,5,7,9}, C={2,3,4,5} y D={1,6,7},
liste los elementos de los conjuntos que corresponden a los siguientes eventos.
a)
b) C
c) (C D) B
5. Demostrar que [A-(AB)] [B-(A )] (AB)=AB
CAPTULO 2
INDUCCIN MATEMTICA
La demostracin o afirmacin de que se cumplen una expresin matemtica funcin de
m, se puede demostrar mediante el principio de induccin matemtica.
La induccin matemtica nos permite verificar si la expresin matemtica verdadera
siempre y cuando dicha expresin sea funcin de 1 nmero natural los pasos para la
demostracin mediante induccin matemtica
1. Se comprueba la validez de la afirmacin para n=1
2. Se supone la validez de esta afirmacin para n=k
3. Se demuestra la validez de esta afirmacin para n=k+1 tomando en
consideracin su validez su puesto para n=
( + 1)
=
2
(1 + 1) 2
= =1
2
2
1+2+3=
3(3 + 1) 12
=
=6
2
2
6=6
( + 1)
2
( + 1)( + 2)
2
1 + 2 + 3 + 4+ =
( + 1)
2
1 + 2 + 3 + 4 + + ( + 1) =
( + 1)
++1
2
2 + 3 + 2
2
( + 1)
++1
2
( + 1) + 2 + 2
2
( + 2)( + 1)
2
2 + + 2 + 2
2
( + 1)
2
+ 1 2(+1)1
+ 1 2 .
+ 1 21
+ 1 2
1 y 2 multiplicamos
( + 1) 2(21 )
+ 1 2(21 )
+ 1 2
EJERCICIOS PROPUESTOS
Demuestre por induccin las siguientes igualdades
a) 12 + 22+32 ++2 =
(+1)(+2)
6
b) ( + 1)( + 2)( + 3) . . ( + ) = 2 1 3 5 (2 1)
c) (12 + 22 +32 +..+5 )+ ( 17 + 27 +37 +..+7 )=2(1+2+3++)4
d) 12 22+32 42 +...+(1)1 2 = (1)1
1
(+1)
2
+2
> 1
(1 + ) > 1 +
n=2
(1 + )2 > 1 + 2
1 + 2 + 2 > 1 + 2
Es verdadero
n=k
(1 + ) > 1 +
H.I
n=k+1
(1 + )+1 > 1 + ( + 1)
T.I
(1 + ) > 1 +
(1 + ) (1 + ) > (1 + )(1 + )
(1 + )+1 > (1 + )(1 + )
(1 + )+1 > (1 + + + 2 )
(1 + )+1 > ( 2 + + + 1)
2 > 0
2 + + 1 > 1 +
2 + + 1 + > 1 + +
(1 + )+1 > (1 + )( + 1)
CAPITULO 3
ESTADISTICA DESCRIPTIVA
Definiciones Preliminares:
Muestra: es una parte de la poblacin y depende del experimento hacer analizado.
Modelo: es la representacin de una realidad, se representa mediante expresiones
matemticas.
Poblacin: es el conjunto de todos los elementos correspondientes al experimento
analizado, poblacin no es sinnimo de un conjunto inmenso, si no que depende del
experimento.
Modelo Determinstico: es aquel donde los estadsticos estn determinados o son fijos.
Modelo Probabilstico: es un modelo de la realidad analizada la cual es aleatoria o
estocstica.
Estadstica Descriptiva: es la ciencia que recolecta datos, los analiza, los ordena, los
procesa (mediante herramientas matemticas), finalmente obteniendo informacin para
una toma de decisiones.
Estadstica Inferencial: se basa en una muestra, la misma que debe ser significativa
en otras palabras debe ser una muestra representativa de la poblacin, mediante la cual
se infiere los parmetros de la poblacin.
SIMBOLOGA
Tamao poblacin
Tamao muestra
Variables
Valores
Ejemplo
X: Bienestar Estudiantil UPS
X= (Ingreso familia, Casa propia, Carro propio)
1 = Ingreso familia
1 = 2000
2 = 1500
.
. = 1000
Tabla de frecuencia:
Es un dispositivo para la agrupacin de datos y as facilitar su interpretacin.
Ejemplo
Obtenga la Tabla de Frecuencia para los siguientes 40 datos de una muestra,
correspondiente al tiempo que se utiliz para atender a las personas en una estacin de
servicio:
3,1
4,5
2,9
2,7
3,8
5,1
2,5
3,6
4,3
5,1
Numero de clase:
2,8
2,8
3,7
3,5
4,4
2,5
5,6
5,1
4,7
4,2
Numero de clase 40
:
6,32455532
Longitud clase:
4,9
3,5
2,1
4,2
2,2
1,8
3,6
6,1
5,7
4,9
longitud de la clase
#
3,6
4,1
4,1
3,7
2,9
6,3
4,8
3,9
3,6
3,1
Ancho de la clase:
Clase i
1
2
3
4
5
6
lim.inferior
1,75
2,5
3,25
4
4,75
5,5
4,5
6
= 0,75
Intervalo de Clase
lim.superior
Fi
2,5
5
3,25
7
4
10
4,75
8
5,5
6
6,25
4
fri
0,13
0,18
0,25
0,20
0,15
0,10
F
5
12
22
30
36
40
Fri
0,13
0,30
0,55
0,75
0,90
1,00
EJERCICIOS PROPUESTOS
Tabla de distribuciones
1. La tabla muestra la distribucin del ingreso familiar mensual de 80 familias.
Intervalo
Frec. Absoluta
Frec. Absoluta
acumulada
Frec. Relativa
640-680
680-720
48
60
720-760
0,125
760-800
0,075
800-840
Clase
[1,2)
Marca
f/n
0.25
4
5
6
7
F/n
0.7
8
0.9
0.05
Respuesta:
Nmero
Clase
Marca
f/n
F/n
[1,2)
1.5
0.025
0.025
[2,3)
2.5
0.125
0.15
[3,4)
3.5
10
16
0.25
0.4
[4,5)
4.5
12
28
0.3
0.7
[5,6)
5.5
36
0.2
0.9
[6,7)
6.5
38
0.05
0.95
[7,8)
7.5
40
0.05
Frec.absoluta
0-3
32
3-6
Frec. Realtiva
0.30
6-9
9-12
0.05
12-15
0.10
Frec. Absoluta
10 12
Frec. Relativa
12 -
0.24
0.52
18-20
Respuesta: n=50.
GALINDO Edwin, Estadstica - Mtodos y Aplicaciones, ProCiencia Editores 2011,
Ejercicios: Anlisis Exploratorio de datos pag18.
Frec. Absoluta
Frec. Absoluta
Frec. Relativa
acumulada
640 680
680 720
48
60
720 760
0.125
760 800
0.075
800 840
1 + 2 + 3 . . +
1
=
=
=1
Ejemplo:
2, 6, 11, 8, 11, 4, 7, 5, 90
=
2 + 6 + 11 + 8 + 11 + 4 + 5 + 5 + 90
= 16
9
En el ejercicio anterior se puede observar que existen valores atpicos, por lo tanto
vamos a calcular una media cortada al 30%.
100% 9
30%
30% =
=3
6 + 11 + 8 + 11 + 5 + 7
=8
6
MODA
Moda muestral: es el dato que ms se repite en un conjunto de datos (Mo).
MEDIANA
Mediana muestral: es el valor a partir del cual el 50% de datos estn sobre el y el otro
50% de datos estn bajo el, no es sensible a datos atpicos (Md).
La mediana se puede calcular a partir de datos que deben estar ordenados de menor a
mayor y para datos pares como impares, cuyo clculo se puede realizar mediante la
siguiente expresin.
+1
= {1
( + (+1) )
2 2
2
Ejemplo
Para datos impares
2, 2, 3, 4, 5, 6, 7, 7
= +1
2
= 9+1 = 5
2
1
2
(5 + 6 )
1
2
(4 + 5) = 4,5
Ejemplo
Para 20 datos obtener el porcentaje
25% = 0,2520 = 5 = 5
65% = 0,6020 = 12 = 8
33% = 0,3320 = 7 = 6
75% = 0,7520 = 15 = 23
A partir del dato 23 todos los datos que estn sobre l representan el 75, y los datos que
estn bajo el representan el 17%.
VARIANZA
Varianza muestral: es un valor representativo de la dispersin de un conjunto de datos
con respecto a la media.
=1(1 )2
=
1
2
2 =
=1 2 (=1 )2
( 1)
Ejemplo
11, 2, 6, 8, 11, 4, 7, 5
=
11 + 2 + 6 + 8 + 11 + 4 + 7 + 5
= 6,75
8
2 =
2 =
=1(1 )2
1
(11 6,75)2 + (2 6,75)2 + (6 6,75)2 + (11 6,75)2 + (8 6,75)2 + (4 6,75)2 + (7 6,75)2 + (5 6,75)2
7
2 = 10,21 .
DESVIACIN ESTANDAR
Desviacin estndar muestral: es el valor representativo de la dispersin de un
conjunto de datos extrado la raz.
2 = ()
= ()
Ejemplo
Encontrar otra expresin para el clculo de la varianza
2 =
2 =
(1 )2
1
(2 21 + 2 )
1
2 21 + 2 )
=
1
2
2 =
2 2
1
Ejercicio
Encontrar la varianza y la desviacin x edad
1 = 22
1 = 21
1 = 23
1 = 22
1 = 22
1 = 19
= 21,5
PRIMERA FORMA
2 =
(1 )2
1
2
=
(22 21,25)2 + (21 21,25)2 + (23 21,25)2 + (22 21,25)2 + (22 21,25)2 + (19 21,25)2
5
2 = 1,9
= 1,9 = 1,38
SEGUNDA FORMA
2 =
2 2
1
2 =
2 = 1,9
= 1,9 = 1,38
ni cuartiles,
2 4media
4 armnica,
6 3 5media
1
a) Determine:
geomtrica.
Respuesta: a) Q1 = 2.9; Q2 = 5.4; Q3 = 8.05; H=3.715; Mg = 4.5837.
Frecuencia
Intervalo
Frecuencias
24
21
12 14
14
46
16
14 16
20
68
15
16 18
22
8 10
26
18 20
18
10 12
23
20 22
25
6. EL kilometraje que marca un auto, luego de 4 aos de uso, es 100 mil kilmetros,
Si el dueo lo compro nuevo y lo hace descansar 1 da, luego de usarlos 4 das
seguidos. Cul es el recorrido promedio diario de los das manejados,
considerando aos de 365 das?
Respuesta: 85.62 km/da
20.5
20
19.5
19
18.5
18
17.5
13
(C)
No.
Das
Respuesta: 19
=1( )
Apuntamiento o Curtosis
El coeficiente de apuntamiento o curtosis de una variable sirve para medir el grado
concentracin de los valores que toma en torno a su media.
=1( ) /
1.
a)
b)
c)
d)
e)
f)
Respuestas: a) =6; (b) 5 ;(c) s=2; (d) R=5; e) As=0.362 (f) Ap=-1.826
3. La direccin general de trfico est interesada en estudiar la educacin vial
en los jvenes. Para ello selecciona una muestra aleatoria de sujetos que
acaban de obtener el carnet de conducir (grupo 1) y otra con sujetos que
lo tienen hace 5 aos (grupo 2) y registra el n de veces que han perdido
puntos en el ltimo ao. Los resultados se muestran a continuacin:
Grupo 1:
Grupo 2:
1
= ,
=1
1
=
( )2
1
2
=1
nmero de datos
nmero de clase
mi
fi
frecuencia de la clase i
Ejemplo:
La tabla de frecuencias siguiente contiene los datos agrupados en 6 clases del nmero
de artculos vendidos por un almacn en 50 das. Calcule la media y varianza.
Media:
=
=
1
(11 + 22 + 33 + 44 + 55 + 66)
50
1
(15 2 + 25 10 + 35 12 + 45 14 + 55 9 + 65 3)
50
= 40,4
Varianza:
2 =
1
[2(15 40,4)2 + 10(25 40,4)2 + 12(35 40,4)2 + 14(45 40,4)2
49
+ 9(55 40,4)2 + 3(65 40,4)2 ]
2 = 164,12
= 12,81
Clase
Marca
f/n
F/n
[5,10)
7,5
0,05
0,05
[10,15)
12,5
10
0,2
0,25
[15,20)
17,5
14
24
0,35
0,6
[20,25)
22,5
31
0,175
0,775
[25,30)
27,5
36
0,125
0,9
[30,35)
32,5
39
0,075
0,975
[35,40)
27,5
40
0,025
Se conoce adems que la media calculada con los datos agrupados es 19.7
= 0,6(40)
=
3
3
0,6 =
6
6 =
3 =
40(0,975) = 6
=
6 / =
6
3
=
= ,
40
2 / = 2 / 1 /
2 / = 0,25 0,5 = ,
2 =
0,25(40) = 2
=
Ecuaciones:
+ = 12
19,7 =
= =1 ,
1
(7,5 2 + 12,5 8 + 17,5 14 + 22,5 + 27,5 + 32,5 3 + 37,5 1)
40
DIAGRAMA DE CAJA
Sirve para analizar grupos de datos de diferentes poblaciones, o de la misma.
Ejemplo:
A continuacin se presenta dos diagramas de caja referentes a dos cursos, que se
desea analizar la nota de estadstica, realice el anlisis respectivo.
Diagrama caja grupo 1
Min
Q1
Q2
Q3
Max
Diagrama caja grupo 2
Min
Q1
Q2
Q3
Max
ANALISIS
1) Se puede ver en los diagramas de caja que las notas mnimas y mximas de los
dos grupos son idnticas.
2) Se puede ver en los grficos que en el grupo 1 hay menos dispersin que en el
grupo 2.
3) Se puede ver en los diagramas que el 25% de alumnos del grupo 1 tienen baja
nota que los del grupo 2.
4) Se puede observar que las notas del promedio del grupo 2 son ms altas que
las del grupo 1.
5) Se puede observar que en el grupo 1 las notas son homogneas alrededor de la
media, mientras que en el grupo 2 comparadas con el grupo 1 se puede
visualizar que existen personas con excelentes notas.
Ejemplos:
1. Se desea conocer la representacin de los niveles de cotinina de fumadores.
Remitase a los 40 niveles de cotinina de los fumadores de la siguiente tabla:
NIVELES DE COTININA: Fumador
1
131
173
265
210
44
277
32
35
112
477
289
227
103
222
149
313
491
130
234
164
198
17
253
87
121
266
290
123
167
250
245
48
86
284
208
173
Mnimo 1 Mediana 2
170
865
251.5
0
.
100
200
300
Mximo
491
400
500
El primer paso para elaborar un diagrama de caja consiste en crear una escala
adecuada a lo largo del eje horizontal. Enseguida, dibujamos na caja que inicie en Q1
(15 minutos) y termine en Q 3 (22 minutos). Dentro de la caja trazamos una lnea vertical
para representar la mediana (18 minutos). Por ltimo, prolongamos lneas horizontales
a partir de la caja dirigidas al valor mnimo (13 minutos) y al valor mximo (30 minutos).
Estas lneas horizontales que salen de la caja, a veces reciben el nombre de bigotes, en
virtud de que se asemejan a los bigotes de un gato.
Valor
mnimo
Mediana
1
Valor
mximo
12 14 16 18 20 22 24 26 28 30 32
El diagrama de caja muestra que el valor medio de las entregas, 50% consume entre 15
y 22 minutos. La distancia entre los extremos de la caja, 7 minutos, es el rango
intercuartil. Este rango es la distancia entre el primer y tercer cuartil, muestra la
propagacin o dispersin de la mayora de las entregas.
CAPTULO 4
FUNDAMENTOS DE LA TEORIA DE PROBABILIDAD
Definicin: principio bsico de conteo o principio de multiplicacin.
!
( )!
COMBINACIONES
Son los arreglos que se pueden hacer con los elementos de un conjunto considerando
que el orden de los elementos en cada arreglo no es de inters.
=
!
( )! !
Ejemplo:
Un grupo de 15 personas, 7 leen la revista A, 5 leen la revista B y 6 ninguna revista.
Encuentra la cantidad de personas que leen al menos una revista.
TABLA DE CONTINGENCIA
Leen B
No leen B
Leen A
No leen A
Total
3
2
5
4
6
10
7
8
15
9!
= 126
5! 4!
Encuentre la cantidad de formas diferentes de elegir cuatro personas de tal manera que
dos lean solamente A, una lea solamente B, y una no lea revistas.
Cantidad de formas diferentes de elegir 2 de las que leen solamente A: =6
Cantidad de formas diferentes de elegir 1 de las que leen solamente B: =2
Cantidad de formas diferentes de elegir 1 de las que no leen revistas: =6
EVENTOS
Los eventos son subconjuntos de , siendo estos de dos tipos, simples y compuestos:
Evento Simple: est formado por un elemento o un punto muestral.
Evento Compuesto: est formado por varios puntos muestrales.
Probabilidad de eventos
Generalmente la probabilidad clsica se define de la siguiente manera:
Probabilidad de A:
#
#
Ejemplo:
Un grupo de 15 personas, 7 leen la revista A, 5 leen la revista B y 6 ninguna revista.
Encuentra la cantidad de personas que leen al menos una revista.
Leen B
No leen B
Leen A
No leen A
Total
10
15
36
= 455 = 0,039.
( 1 ) = (1 ) = 1
=1
=1
Ejemplo:
1) Cul es la posibilidad que al lanzar un dado se obtenga un nmero par.
P (Obtenga par)
" 2" " 4" " 6"
(
)
1
2
3
1
P (1 2 3 ) = P (1 ) + (2 ) + (3 ) = 6 + 6 + 6 =
2) P (Salga un nmero en el lanzamiento de un dado)
P (sale 1, sale 2, sale 3, , sale 6)
1
P (6 + 6 + 6 + 6 + 6 + 6 ) = 1
La suma de los elementos muestrales siempre es 1.
Ejemplo:
P (Extraer 2 bateras buenas) =
= 15 = 0,4
1. (A) 0
2. () = 1
3. 1 , 2 1 2 = (1 2 ) = (1 ) + (2 )
PROPIEDADES DE LA PROBABILIDAD
1) Probabilidad de un evento nulo
() =
Demostracin:
=
() = () + ()
1 = 1 + ()
() = 0
2) Probabilidad del evento complemento
( ) = ()
Demostracin:
=
() = ( )
() = () + ( )
1 = () + ( )
( ) = 1 ()
3) Probabilidad de eventos incluidos
, () ()
Demostracin:
= ( )
() = () + ( )
() ()
4) La probabilidad de un evento est entre 0 y 1
()
Demostracin:
() () ()
0 () 1
5) Probabilidad de la diferencia de eventos
( ) = () ( ) = ( )
Demostracin:
= ( ) ( )
() = ( ) + ( )
( ) = () ( ) = ( )
6) Regla aditiva de probabilidad de Eventos
( ) = () + () = ( )
Demostracin:
( ) = ( ) ( ) ( )
( ) = ( ) + ( ) + ( )
( ) = ( ) + ( ) + ( )
( ) = () + () + ( )
Ejemplo:
Si la probabilidad que un estudiante apruebe Algebra Lineal es de 0,7, la probabilidad
que apruebe Ingles es 0,8 y la probabilidad que apruebe ambas materias es 0,6. Cul
es la probabilidad que el estudiante apruebe al menos una de estas materias?
Solucin
P (apruebe al menos una de las dos materias)
P (algebra lineal o apruebe ingles)
(1 2 ) = (1 ) + (2 ) (1 2 )
= 0,7 + 0,8 - 0,6
= 0,9
( ) ()
=
()
()
Ejemplo:
1) La probabilidad del que el evento M ocurra es igual a 1, la probabilidad de
que el evento N ocurra es 3, y la probabilidad de que los complementos de
1
4
3
() =
5
() =
( ) =
3
10
( ) = ( ) = 1 ( )
3
= 1 () () + ( )
10
3
1 3
= 1 + ( )
10
4 5
3
3
=
+ ( )
10 20
3
= ( )
20
Para demostrar que M y N son independientes se deber demostrar que:
( ) = ()()
3
(1)
20
1 3
3
(). () = =
(2)
4 5 20
( ) =
(1) = (2)
Se concluye que M y N son independientes.
ante
cierto
medicamento.
Se
les
proporcion
el
(1 ) =
4,8
3,2
4,8
7,2
12
Total
9,6
10,4
20
8
20
(2 ) =
12
20
9,6
20
10,4
20
4,8
20
7,2
20
4,8
9,6
7 = al elegir una persona al azar sea hombre puesto que reacciono negativamente
(8 ) =
4,8
10
4,8
9,6
b) () = (/ ) =
( )
( )
= 0,5
=
4,8
20
9,6
20
4,8
= 9,6 = 0,5
Observacin:
a) ( ) = ()(/) = ()(/)
b) ( ) = (( ) ) = ( ) (/( )
Ejemplo:
1) En un taller trabajan 7 hombres y 3 mujeres, se escogen al azar 3 personas.
Halla la probabilidad de que todas las personas seleccionadas sean
hombres.
P (3 personas seleccionadas sean hombre) = P (1ra persona seleccionada sea
hombre) P (2da persona seleccionada sea hombre, dado que la 1ra persona
seleccionada fue hombre) P (3ra persona seleccionada sea hombre, dado que las
anteriores fueron hombres)
7 6 5 7
=
10 9 8 24
7 7 7
343
=
=
10 10 10 1000
=
sin
con
EJERCICIOS PROPUESTO
1. En una universidad en la que no hay ms que estudiantes de ingeniera,
ciencias y letras, acaban la carrera el 5% de ingeniera, el 10% de ciencias
y el 20% de letras.
Se sabe que el 20% estudian ingeniera, el 30% ciencias y el 50% letras. Tomado
un estudiante cualquiera al azar, se pide.
a) Probabilidad de que haya acabado la carrera y sea de ingeniera.
b) Si se tiene la carrera terminada, cul es la probabilidad de que sea de
ingeniera?
R: a)0,01 y b) 0,071
2. El 35% de los crditos de un banco son para vivienda, el 50% son para
industria y el 15% para consumo diverso. Resultan fallidos el 20% de los
crditos para vivienda, el 15% de los crditos para industrias y el 70% de
los crditos para consumo. Calcula la probabilidad de que se pague un
crdito elegido al azar.
R: 0,75
3. De los crditos concedidos por un banco, un 42% lo son para clientes
nacionales, un
33% para clientes de la Unin Europea y un 25% para individuos del resto
del mundo. De esos crditos, son destinados a vivienda un 30%, un 24% y
un 14% segn sean nacionales, de la UE o del resto del mundo. Elegido un
cliente al azar, qu probabilidad hay de que el crdito concedido no sea
para vivienda?
R: 0,7598
4. En cierta empresa se producen dos bienes A y B en la proporcin 3 a 4. La
probabilidad de que un bien de tipo A tenga defecto de fabricacin es del
3%, y del tipo B, del 5%. Se analiza un bien, elegido al azar, y resulta
correcto, qu probabilidad existe de que sea del tipo A?
R: 0,4337
5. Tenemos tres urnas: U1 con 3 bolas rojas y 5 negras, U2 con 2 bolas rojas
y 1 negra y U3 con 2 bolas rojas y 3 negras. Escogemos una urna al azar y
extraemos una bola. Si la bola ha sido roja, cul es la probabilidad de
haber sido extrada de la urna U1?
R: 0,26
6. Una bolsa contiene 3 monedas, una de las cuales est acuada con 2 caras,
mientras que las otras dos son normales. Se escoge una moneda al azar y
se lanza sucesivamente 4 veces, obtenindose 4 caras. Cul es la
probabilidad de que la moneda elegida sea la de 2 caras? Razona la
respuesta.
R: 8/9
7.
Tenemos dos urnas; una A con 4 bolas rojas y 6 blancas, y otra B con 7
bolas rojas y 3 blancas. Se selecciona al azar una urna, se extrae una bola
y se coloca en la otra urna. A continuacin, se extrae una bola de la
segunda urna. Calcula la probabilidad de que las 2 bolas extradas sean del
mismo color.
R: 0,509
8. Juan y Pedro lanzan una pelota a un blanco. La probabilidad de que Juan
d en el blanco es 1/3 y la probabilidad de que d Pedro es 1/4. Supngase
que Juan lanza primero y que los dos chicos se van turnando para lanzar:
a) Calcula la probabilidad de que el primer lanzamiento que d en el blanco sea
el segundo de Juan.
b) Cul es la probabilidad de que Juan d en el blanco antes de que lo haga
Pedro?.
R: a) 1/6 y b) 2/3
9. En una clase infantil hay 6 nias y 10 nios. Si se escoge a 3 alumnos al
azar, halla la probabilidad de:
a) Seleccionar 3 nios.
b) Seleccionar 2 nios y una nia.
R: a) 3/14 y
b)27/56
10. Dos nios escriben en un papel una vocal cada uno, cul es la
probabilidad de que sea la misma?.
R: 1/5
(/ ),
() = ( ) (/)
=1
Demostracin:
A1
A1
A1
A1
Subconjuntos
=
() = ( ) ( 2 ) ( )
() = ( ) ( ) =
() = ( )(/ ) + (2 )(/2 ) + + ( )(/ )
() = ( )(/ )
=1
( /) =
( )
( )(/ )
=
=1 ( ) (/ )
()
EJERCICIOS PROPUESTOS. Tomados del Libro de Walpole R., Myers R., Myers
D.(1999). Probabilidad y estadstica para ingenieros. (Sexta edicin).
1. En cierta regin del pas se sabe por experiencia del pasado que la
probabilidad de seleccionar un adulto mayor de 40 aos de edad con
cncer es 0.05. Si la probabilidad de que un doctor diagnostique de forma
correcta que una persona con cncer tiene la enfermedad es 0.78 y la
probabilidad de que diagnostique de forma incorrecta que una persona sin
cncer como si tuviera la enfermedad es 0.06.Cul es la probabilidad de
que a una persona se le diagnostique cncer?
CAPTULO 5
VARIABLES ALEATORIAS
Definicin: la variable aleatoria es una funcin definida por:
:
Observacin:
: [0,1]
() [0,1]
PROPIEDADES
1. La Funcin es Creciente:
lim () = 0 lim () = 1
2. () = ( ) =
3. ( ) = () ()
4. ( ) = () () + ( = )
5. ( = ) = () ( )
6. ( < ) = ( )
7. ( < < ) = () () ( = )
Observacin:
P(x(A)=1) = P(x=1) = P1
P(x=2) = P2
P(x=3) = P3
Correlacin no lineal
( )( )
1
Si x=y
= =
=
1
( )(
)
1
1
( )2 = 2 = ()
1
2 ,
Coeficiente de correlacin lineal: mide la relacin lineal existen entre dos variables.
=
, 1 1
Valor de r
XyY
Cercano a 1
Cercano a -1
Cercano a 0
12
2 ]
2
Demostracin:
=
1
1
( )( ) =
( )( ) =
1
1
Matriz de correlacin.- es una matriz cuadrada simtrica y depende del nmero de
variables aleatorias y su diagonal es 1.
1,1
= [
2,1
1,2
2,2 ]
Demostracin:
=
1,1 =
2
= 2=1
1,2 = 2,1
1,2 =
=
= 2,1
ESPERANZA MATEMTICA
Definicin: la esperanza matemtica de una variable aleatoria discreta es:
() = , = ( = )
=1
Observacin:
La esperanza matemtica es una especie de promedio.
( ) = ; La esperanza o promedio de la media aritmtica es igual a la media
poblacional.
() =
() ,
Observacin:
() = () , (, )
() = ()
+
() =
()
() =
()
() =
2. ( + ) = () + ()
+
() =
()
(()) =
() ()
( + ) =
( + ) ()
( + ) =
() +
()
( + ) = () + ()
3. () = ()
+
() =
()
() =
()
() = ()
LA VARIANZA
Definicin: la varianza de una variable aleatoria x (discreta o continua) se define:
() = ( ())
Demostracin:
() = 2 (())2
2
() = ( ())
() = ( 2 2() + (())2 )
() = ( 2 ) 2(() + (())2
() = ( 2 ) 2()() + (())2
() = ( 2 ) 2( 2 ) + (())2 )
() = (())
Definicin de varianza variable aleatoria discreta:
Sea x una v.a.d la varianza se define:
() = ( )2
=1
() = 2 ()2
=1
() =
( )2 ()
() =
2 () ()2
() = 2 () ()2
PROPIEDADES DE LA VARIANZA
1. () = ;
+
( )2 ()
() =
( )2 ()
() =
( )2 ()
() =
() =
2. () = ()
+
( )2 ()
() =
( ())2 ()
() =
() = 2
( ())2 ()
() = ()
3. ( + ) = () + ()
Conocemos: () = ()2
( + ) = [( + ) ( + )]2
( + ) = [( + )2 2( + )( + ) + ( + )]
( + ) = [( 2 + 2 + 2 ) 2( + )( + ) + + ]
( + ) = [( 2 + 2 + 2 ) 2( 2 + 2 + 2 ) + + ]
( + ) = ( 2 + 2 + 2 ) 2 2 + 2 2 2 ) + +
( + ) = [ 2 + 2 + ()2 ) + ( 2 + 2 + 2 ) + (2 2 2 + 2]
( + ) = () + () + [2( + )]
Covarianza (x+y): [( )( )]
( + ) = ( + + )
( + ) = () + ()
Ejemplos.
1) Halle la esperanza y la varianza de una v.a x que tiene como funcin de
distribucin:
0;
1
+1
() = {
; 1 < 3
4
1;
>3
1
(
4
1
(
4
+ 1);
+ 1);
() = ()
1
() = {4
0
; 1 < 3
;
1 3
= =
4 1
1 4
() = () =
1
() = 2 ()2
3
1 3 2
7
= () = =
4 _1
3
_1
2
() =
2
0,3
4
0,1
5
0,2
6
0,4
() = ( )2 ()2
=1
4
() =
111
22 2 71
( ) =
5
5
25
111
5
1
(1)
4
=4
= 3 ()
() = (3)
() = 3()
() = 3
() = (3)
() = 9 ()
() = 9 2
<0
0
0
() = () = x(x) + ()
1
0
1
1 1
() = 2 + 2 = + =
3 3
1
0
EJERCICIOS PROPUESTOS
1) La densidad de probabilidad de una variable aleatoria x est dada por:
315 4 (1-)4
0<x<1
f(x)=
otro x
a) calcule la esperanza
b)
calcule la varianza de x
0<x<2
f(x)=
otro x
1<x<2
f(x)=
0
otro x
determine la esperanza
-3x(x-1) 2
0x1
f(x)=
resto
5)
15002
si 0x<1500
f(x)=
(3000)
15002
a)
si 1500x<3000
RESPUESTA
1 a)0.5
b)0.11
2.a)0.1516 b)0.3813
3.a)1.5 kg b)0.0833
4.a)0.25 horas b)0.0125
5.a)1500 minutos
(),
= 0
Ejemplos.
1) Encuentre la funcin generadora de momentos para la v.a cuya
probabilidad es:
x
pi
-4
0,2
6
0,3
10
0,5
Sabemos:
() = (
; 1 < 3
;
3
1
1
= ( 3 )
4
1 4
() = ( ) =
CAPTULO 6
DISTRIBUCION V.A DISCRETAS
= 2 2 2 + 2 2
= 2
= (1 )
=
Ejemplos:
1) Una maquina llena de cajas de palillos de fosforo .En una porcin del 0%la
maquina no llena las cajas por completo se forma al azar 25 cajas de
fosforo . calcule la probabilidad de q no haya ms de 2 cajas incompletas
xito = cajas incompletas
X #de cajas incompletas
( 2) = ( = 0) + ( = 1) + ( = 2)
( = 0) = 250 (0,1)0 (0,9)25 = 0,07
( = 1) = 250 (0,1)1 (0,9)24 = 0,19
( = 2) = 250 (0,1)2 (0,9)23 = 0,27
( 2) = 0,54
2) Una encuesta revala que el 20%de la poblacin es favorable a un poltico y
el resto es desfavorable. Si se eligen 6 personas al azar se desea saber
a) La probabilidad de que las 6 personas sean desfavorables
b) La probabilidad de que a 4 de las 6 personas sean favorables
a)
() = = 0,8
=
( = 6) = 66 (0,8)6 (0,2)0 = 0,26
b) xito favorable
() = = 0,2
= #
( = 4) = 64 (0,2)4 (0,8)2 = 0,015
3) Una aeronave dispone de 4 motores que funcionen independientemente la
probabilidad de que falle 1 motor durante un vuelo sea 0,01. Cul es la
probabilidad de que un vuelo dado :
a) No se observe fallas
b) No se observe ms de una falla
c) Si un avin puede seguir volando si al menos dos motores
4 motores
a)
(" ") = = 0,01
() = " "
() = = 0,01
= #
( = ) =
( = ) = 40 (0,01) (0,99)4 = 0,015
( = ) = 0,96
b)
(" ") = ( 1)
= ( = 0) + ( = 1)
= 40 (0,01)0 (0,99)4 + 41 (0,01)1 (0,99)3
= 0,99
c)
(" 2 ") = ( 3)
= 43 (0,01)3 (0,99)
= 3,96106
DISTRIBUCION HIPERGEOMETRICA
Investigar la probabilidad de que en el grupo elegido contenga exactamente k-bolas
rojas
N bolas
n rojas
N-n negras
= = 0,1 . min[. ]
Muestra (1)
=
( = ) =
() =
1
() =
; = 1
= = 0,1 . min[. ]
Distribucin Hipergeomtrica
() =
()(
)
=0
(
)
( 1)!
( 1)! ( )! ( )
=1
(
)
(1
)()
1
(
)
=1
Puesto que:
( 1) ( 1)
(
)=(
)
1
1
!
1
( )=
= (
)
! ( )! 1
Y con y= x-1, obtenemos
(1
)()
1
(
)
=1
1 1+1
) ( 1 )
(1
)
1
=1
() =
PARMETROS
x binomial (n,p)
x hipergeometrica (N,n,r)
Ejemplos:
1. En una lnea de control de calidad se revisan 10 artculos determinando
que hay 3 que no cumplen con las especificaciones. Si se escogen al azar
U-n incorrecto
32 70
= 0,06
102
( = 1) =
31 71
= 0,46
102
( = 2) =
30 72
= 0,46
102
() =
=1
= 0 + 0,46 + 2(0,46)
= ,
7
= = 2( )
10
7
() = = ,
5
() =
73 31
= 0,03
104
No existe discriminacin
DISTRIBUCION GEOMETRICA
Sea una secuencia de pruebas de Bernoulli con probabilidad de xito p ,en lugar de
contar el # de xitos ,nos interesa conocer el # de intentos hasta obtener el primer xito
Una sucesin de prueba de este tipo se dice que es un experimento geomtrico
= #
( = ) = 1
; = 1,2 ..
. . ()
() =
() =
Distribucin Geomtrica
Esperanza
() =
1+
= ( + )
=0
=0
( 1)2
() =
=1
=
2
() =
() =
Varianza
= ( 2 )
Si t=0;
( 2 ) =
()
(1 + )
=
2
() =
() =
+ 2 2
2
Ejercicios:
1. Cuando se graba un comercial de tv la probabilidad de que un actor recite
el dialogo de su toma es de 0.3. Cul es la probabilidad que el actor recite
correctamente su dialogo en la 6ta vez
= "# "
( = 6) = (0,7)5 (0,3) = 0,05
() =
1
1
=
= 3.33
0,3
() =
0,7
=
= 7,78
2
0,32
1
1
=
= 10
0,1
DISTRIBUCION DE POISSON
Sea x una v.a.d se dice que x sigue una distribucin de Poisson con parmetro es un
promedio de los sucesos por unidad de tiempo es decir: x P(), la distribucin de
Poisson indica la probabilidad de sucesos o de una unidad de tiempo
( = ) =
; = 0,1,2 .
k
() = c
Observacin:
Var(x) =
( = ) =
(t)t
; = 0,1,2 .
k
Distribucin de poision
() =
=0
() = ( )
= [1 +
2
+
+ ]
1! 2!
() =
( 1 )
Esperanza
u=E(x)
Donde
= Q(t)
=
= + 1
() =
Varianza
() = ( 2 ) [()]2
() = ( + 2 2 )
() =
Ejemplo:
1) El promedio de llamadas que recibe una central telefnica en un minuto es
de 1,5 halle la probabilidad de que en 4 minutos se reciban:
a) 3 llamadas
b) Menos de 3 llamadas
c) No menos de 4 y no ms de 7
a)
= 1,5 [
= 4
= "# de llamadas 4 minutos"
3
(1,5(4)) (1,5(4))
( = 3) =
= 0,089
3!
b)
( < 3) = ( = 2) + ( = 1) + ( = 0)
(1,5(4)) (1,5(4))
(1,5(4)) (1,5(4))
(1,5(4)) (1,5(4))
=
+
+
2!
1!
0!
= 0,04 + 0,01 + 2,47103
= 0,06
c)
(4 7) = ( = 4) + ( = 5) + ( = 6) + ( = 7)
4
(1,5(4)) (1,5(4))
(1,5(4)) (1,5(4))
(1,5(4)) (1,5(4))
(1,5(4)) (1,5(4))
=
+
+
+
4!
5!
6!
7!
= 0,133 + 0,16 + 0,16 + 0,14
= 0,593
] = 4[
]
30
1
= 1
= "# "
a)
3
(1,5(1)) (4(1))
= 0,195
3!
b)
( 3) = ( = 2) + ( = 1) + ( = 0)
2
(4(1)) (4(1))
(4(1)) (4(1))
(4(1)) (4(1))
+
+
+
2!
1!
0!
= 0,146 + 0,073 + 0,018
= 0,237
Respuestas: a) 0.032 b) 5
0 ,
() = {
, [, ]
() = {
1 , >
() =
() = () = (
+
; () = ( )
1
1
1
+
) = (
) = (
) ( 2 2 ) =
2( )
2
() = ( 2 ) (( 2 ))
1
= 2 (
)
1
3
1
2 + + 2
=
( 3 3 ) =
3
3( )
3
1
() = ( 2 + + 2 )
3
=
2 2 + 2
12
+
(
)2
2
2 + 2 ( + )2
=
3
4
=
4 2 + 4 + 42 3(2 +2 + 2 )
12
=
2 2 + 2
12
() =
( )2
12
DISTRIBUCIN EXPONENCIAL
Sea x una variable aleatoria continua, se dice que z sigue una distribucin exponencial
so el parmetro , y se nota que el parmetro X sigue una distribucin exponencial
X()
E(X)= 1/
E(X)= 0 ex dx = lim 0 ex dx
u=x
dv= 0 ex dx
du=dx
v=
1 x
e
lim [ ex ] + 0
ex dx
lim [ex ] 0 [ ex ]
lim (ex ex +
1
)
Distribucin Exponencial
() = [
=
0
= ( ) ()
0
() =
() ( 1) = 1
() = =
1
1
= (1 )1
Entonces la varianza ser:
2 = () =
2 (1 )3 (1)
2
= 2
() = 2 1 2
() =
2
1
2
2
() =
Ejemplos:
1. Una variable aleatoria est distribuida segn una ley exponencial del
parmetro =3.
a) Hallar la probabilidad del resultado de la prueba (0.13;0.7)
b) Determine su esperanza y su desviacin estndar.
X()
=3
a)
Pr(0.13 x 0.7)
0.7
0.13 3e3x dx
1
3
0.7
= 3 ( e3x ) 0.13
= 3 [
3(0.7)
3
3(0.13)
3
= 3(0.04 + 0.23)
= 0.57
b)
E(x) = 0 3e3x x dx
= 3 lim 0 e3x x dx
0,
() = { x
e ,
<0
0
0,
() = { 3x
3e ,
<0
0
u=x
dv= e3x dx
du=dx
v=
e3x
3
b
= 3 lim [
=3 lim [
e3x
3
=3 [ lim
e3x
]+
3
e3x
3
e0
]
9
e3x
9
e3
e3x
9
e3x b
]0
3
lim
=3 [1/3 lim
1/3 [
+ lim 1/9 ]
1/9 lim
e3x
+ 1/9]
=3
2. El tiempo durante el cual las bateras para telfono celular trabaja en forma
efectiva hasta que falla se distribuye segn un modelo exponencial con un
tiempo modelo de falla de 500h.
a) Calcular la probabilidad de que una batera funcione por ms de 600h.
b) Si una batera ha trabajado 350h, cual es la probabilidad de que trabaje
ms de 300h adicionales.
E(x)= 500h = 1/ = 1/500
X(1/500)
0, < 0
() = {
1 1x
e 500 ,
500
1
500
e
500 600
dx
x
600
= 500 + 500
=
500
+ 5
6
= 0 + 5
=0.30
b)
P(x> 350 + 300 / > 350)
()
()
P(A/B)= P
(>650 >350)
(>350)
(>650)
= (>350)
650
1 500
350
1 500
= 0.72/0.50
= 1.432
DISTRIBUCIN NORMAL
X es una variable aleatoria continua, se dice que X sigue una distribucin normal
(, 2 ), La funcin de densidad de una distribucin normal:
()2
f(x)=
. 22
2
XZ ; Z=
Ejemplo:
1) El permetro craneal de os hombres en una ciudad, es una variable aleatoria
con =60cm y =2.
a) Qu porcentaje de los hombres tiene un permetro craneal entre 57 y
64cm.
b) Qu permetro craneal debe tener un hombre para que el 16.8% de sus
paisanos tengan ms cabeza que l.
c ) Y cuanto para que el 35.2% tenga menos.
5760
2
z1=-1.5
6460
2
z2=
z2=2
= P(-1.5 Z 2)
= P(Z 2) - P(Z 1.5)
= 0.9752-0.0668
= 0.9084
b)
Ecuacin estocstica
P(x> ) = 0.166
60
2
ZT=
ZT=0.97
(0.97*2)+60=T
T=61.94
c)
P(X< )=0.352
0.352-0.3-0.008 = -0.38
60
2
ZT=
ZT=-0.38
=(-0.38*2)+60=T
T= 59.24
Que altura mnima debe tener los autobuses para que no ms del 1% de las
personas golpee su cabeza por la parte superior del bus.
X ="Estatura de la poblacin
XN(170cm,5cm)
P(x )= 0.01
ZT=2.33
T=(2.33*5)+170
T=181.63cm
X1N(80,4)
X2N(65,5)
P(x< 84) =
8480
4
= 0.84
P(x< 75) =
7565
5
= 0.97
DISTRIBUCIN GAMMA
() = ( 1)! ;
0 1
u= 1 du = (b-1) 2
dv= =
u.v-v.dv
1 . ( ). ( 1) 2
lim [ 1 . ] b0+( 1) ( ). 2
+( 1) ( ). 2
lim
( 1) 0 ( ) 2 ;
( 1)= 0 ( ) 2 ;
() = ( )( )
() = ( 1)( 2)(( 1))
=( 1)( 2)( 3)( 4) .
=1
=2
0 1
0 ()
si Y=x/
0
=
( + 1) = 0
0
1
()
()
= +1 ( + 1)
* +1 ( + 1)
( + 1)
()
()
WEIBULL
Ejercicios propuestos
1. Sea T ~ Weibull (0,5 y 3)
Determine:
a)P(T<1)
b)P(T>5)
c)P(2<T<4)
R: a)0,049
b)1,2208
C)0,011
b)4447,21
c) 0,177
R: 0,90
EJERCICIOS RESUELTOS
INDUCCION MATEMATICA
1. Determine para que valores de n N es verdadera la desigualdad al
examinar los valores
> + +
Al examinar los valores los valores n =1,2,3,4,5.6 se da cuenta que la desigualdad no
se cumple .Por lo que se tendr que demostrar por el mtodo de induccin incompleta
que para todos los valores de n 7 la desigualdad es verdadera
Resolucin
Paso 1
Si
=7,
27 > 72 + 4(7) + 5
obtenemos
sea,
2 > + 4() + 5
Paso 3
A partir de la hiptesis inductiva , se desea probar la tesis dada por
2+1 > ( + 1)2 + 4( + 1) + 5
Al multiplicar la desigualdad dada en la hiptesis inductiva por 2, obtenemos
2+1 > 2 2 + 8 + 10
Demostracin:
Queremos probar que : 1+2+3+4+..+n=
(+1)
2
(+1)
2
(1),(2),(3)
(3)
(+1)
2
Sea k , debemos probar que p(k)==> p(k+1) es verdadero hay que hacer
la demostracin suponiendo que p(k) es verdadera
(+1)
+
2
(k+1)= ( 2 +1)(k+1)=(k+1)(
+2
)
2
(+1)
2
es verdadera
k 4 ; esto es
1*2*3*4..k>2 , k 4.
Por demostrar que la desigualdad es vlida para k+1, es decir que
1*2*3*4..k(k+1)>2+1 , k 4.
En efecto
1*2*3*4k (k+1) =(1*2*3*4..k) (k+1) > 2 ( + 1)> 2 (2) = 2+1
Luego 1*2*3*4n > 2 , tanto , n 4 1*2*3*4 .. n > 2
(+1)(+2)
3
123
3
(+1)(+2)
3
=2 verdadera .
1*2+2*3+3*4+.+k(k+1) =
(+1)(+2)(+3)
3
(+1)(+2)
+(k+1)(k+2)
3
+(k+1)(k+2)=
(+1)(+2)(+3)
3
(+1)(+2)(+3)
3
Que es justamente la tesis deseada y lo que prueba que p (n) es verdadera para todo
natural n
5. Demuestre que para todo natural n 2
1
1
1
2
1
3
+ .+
>
Demostracin
1
Sea p(n) la proposicin dada, luego para n =2, se tiene que 1 +2 > 2 . La proposicin
verdadera
Hiptesis de induccin : n=k
1
1
1
2
1
3
+ .+
>
1
+1
1
3
+ .+
1
+ 1
> + 1
1
2
1
3
+ .+
1
+ 1
> +
1
+ 1
Como
+
1
+1
2 ++1
+1
>
+1
+1
= + 1
Se concluye la demostracin
a) La media muestral
4+2+6+5+7+5+4+6
8
39
=
8
= 4.875
b) La mediana
Ordenamos datos:
2 + 4 + 4 + 5 + 5 + 6 + 6 +7
1
= (8 + 8+1 )
2 2
2
1
= (4 + 5 )
2
1
= (5 + 5)
2
10
=
2
= 5
c) S
=1(1 )2
=
1
=
a) La media muestral
5+8+8+4+4+9+7+5+4
9
54
=
9
=6
b) La mediana
Ordenamos datos:
4 + 4 + 4 + 5 + 5 + 7 + 8 + 8 + 9
= (+1)
2
= (9+1)
2
= (10)
2
= (5)
= 5
c) S
=
=
=1(1 )2
1
32
7
= 4.571428571
32 33 34 31 32 31 34 32 34 32 31 34 31
31 32 32 34 34 32 33 34 33 33 34 31
a) Media
n=25
32+33+34+31+32+31+34+32+34+32+31+34+31+31+32+32+34+34+32+33+34+33+33+34+34
25
814
25
= 32.56
b) Mediana
Ordenamos datos.
31+31+31+31+31+31+32+32+32+32+32+32+32+33+33+33+33+34+34+34+34+34+34+
34
= +1
2
= 25+1
2
= 13
= 32
c) Moda
Puede ser 32 y 34
4. Dados los datos y sus frecuencias
a) Media
xi 2 5 7 10
ni 8 12 16 14
=
16 + 60 + 112 + 140
50
328
50
= 6.56
b) Moda
No. De estudiantes 10
14 26 28
12 8
a) La media Armnica
=
=1
100
1
1
1
1
1
1
1
+ 16014 + 16526 + 17028 + 17512 + 1808 + 1852
15510
100
1
1
1
1
1
1
1
+ 2240 + 4290 + 4760 + 2100 + 1440 + 370
1550
= 184.9
b) La media geomtrica
=
100
(155 10) (160 14) (165 26) (170 28) (180 89) (185 2)
=
100
7.9328 1022
= 169
6. Las notas de un examen de 6 alumnos son: 6, 5, 9, 19, 3 y 18. Un alumno
aprueba si su nota es mayor o igual que el promedio y que la mediana de
las notas. Qu porcentaje de los alumnos aprobaron el examen?
6 + 5 + 9 + 19 + 3 + 18
6
60
6
= 10
Aprueban 2 estudiantes
Si 6 estudiantes es el 100%, cuantos son 2?
%=
2 100
6
% = 33.33 %
(Probabilidad y estadstica para ingenieros, Ronald E. Walpole, pgina 9,
ejercicios 1, 2 3)
123, 116, 122, 110, 175, 126, 125, 111, 118, 117
a) Encuentre la media
=
123 + 116 + 122 + 110 + 175 + 126 + 125 + 111 + 118 + 117
10
1243
=
10
= 124.3
b) Mediana
Se ordenan los datos
110, 111, 116, 117, 118, 122, 123, 125, 126, 175
1
= ( + +1 )
2 2
2
1
= (10 + 10+1 )
2 2
2
1
= (5 + 6 )
2
1
= (118 + 122)
2
1
= (240)
2
= 120
8. Un fabricante de neumticos quiere determinar el dimetro interior de
cierto grado de neumtico. Idealmente el dimetro seria 570 mm. Los datos
son los siguiente:
a) La varianza
=1(1 )2
1
2+4+9+1
4
=4
b) Desviacin Estndar
2 = 16
c) Rango
= 573 568
=5
%=
43 100
50
%=
4300
50
% = 86%
%=
33 100
50
%=
3300
50
% = 66%
a) Media
b) Desviacin Estndar
=1(1 )2
1
1787.5216
4
= 446.8804
2 = 199702.09
EJERCICIOS RESUELTOS
Tabla de Distribuciones
1. Completar los datos que faltan en la siguiente tabla estadstica:
Xi
Fi
Fi
0.08
16
Ni
0.16
0.14
28
38
45
= 50
Segunda fila:
4
= 0.08
50
2 = 4 + 4 = 8
Tercera fila:
3
= 0.16
50
3 = 0.16 . 50 = 8
Cuarta fila:
4 = 16 + 7 = 23
Quinta fila:
5 =
5
= 0.1
50
Sexta fila:
28 + 8 = 38
8 = 10
6 =
10
= 0.2
50
Sptima fila:
7 =
7
= 0.17
50
Octava fila:
8 = = 50
8 = 50 45 = 5
8 =
5
= 0.1
50
[0, 10)
40
[10, 20)
60
[20, 30)
75
[30, 40)
90
[40, 50)
105
[50, 60)
85
[60, 70)
80
[70, 80)
65
( )
Intervalo
Xi
ni
Ni
xi . ni
[0,10)
40
40
200
1000
1506.67
[10,20)
15
60
100
900
13500
1660,00
[20,30)
25
75
175
1875
46875
1325,00
[30,40)
35
90
265
3150
110250
690,00
[40,50)
45
105
370
4725
212625
245,00
[50,60)
55
85
455
4675
257125
1048,00
[60,70)
65
80
535
5200
338000
1786,67
[70,80)
75
65
600
4875
365625
2101,67
600
a) =
25600
600
1345000 10363,33
= 42,67
2 =
1345000
42,672 = 420,94
600
= 17,27
= 40 +
300 265
. 10 = 43.44
370 265
1 = 20 +
150 100
. 10 = 26.66
175 100
450 370
. 10 = 59.41
455 370
20 = 20 +
120 100
. 10 = 22.66
175 100
510 455
. 10 = 68.88
535 455
CURTOSIS Y ASIMETRIA
Ejercicios Resueltos. (Libro Galindo pgina 38)
1. Calcular los coeficientes de simetra y apuntamiento de los sueldos de diez
personas que ganan (en dlares).
170
172
168
165
173
178
180
165
167
172
10
10
=1( )3 / 55,8
=
= 0.421
3
5,13
Los datos son levemente asimtricos, con asimetra hacia la derecha; tambin, son
platicrticos, debido a posibles valores atpicos.
Calculando =4 y s=2,45
=1( )3 48
=
= 12
=1( )4 288
=
= 72
4
=
=1( )3 /
12
=
= 0.421
3
2,453
=1( )4 /
72
3=
3 = 1
4
2,454
Datos
6
9
9
12
12
12
15
17
Total
=11.5
12
12
12
15
17
(xi- )^3
-166.375
-15,625
-15,625
0,125
0,125
0,125
42,875
166,375
12
S=3,279
=
=1( ) /
12/8
= (3,279)3 = 0.035
12
12
12
15
17
9
9
12
12
12
15
17
Total
39,0625
39,0625
0,0625
0,0625
0,0625
150,0652
915,0652
2058,5
=11.5
S=3,279
=
=1( )4 /
2058,5/8
3=
3 = 0,77
4
3,2794
3
=
3 = 0,8
4
24
Se trata de una distribucin platicrtica.
Ademas,
se
supone que
las
horas
comprenden
ensayos
independientes con probabilidad constante de falla p=0.0005. Por otra parte, una
a) Calculemos la esperanza de X:
() =
3
=
= 60
0.05
b) Calculemos Pr(X=9)
31
Pr( = 9) = 91
(0.05)3 (1 0.05)93 = 0.00257
c) Que ninguna lata producida fue buena, significa que las 3 primeras latas fueron
defectuosas; es decir, k=3
31
Pr( = 3) = 31
(0.05)3 (1 0.05)33 = 0.00125
k = 6 dispositivos de medicin
r = 3 dispositivos que muestran desviacin excesiva
p = p(dispositivo muestre una desviacin excesiva) = 0.05
q = p(dispositivo no muestre una desviacin excesiva) = 0.95
61
Pr( = 6) = 31
(0.05)3 (1 0.05)63 = 0.001072
0.25 42
2
0.25 43
3
E( 2 )= 2 ()dx =0 0.25 2 dx =
Var (x)=E( 2 ) (E())2
es un valor promedio
Var(x)=
0.25 43
3
0.25 42 2 4
) =3
2
1
f(x) =
0
resto
a) Determine la esperanza de x:
b) Determine la varianza de x:
22
E(x)= ()dx =1 dx = 2
12
2
23
=2
E( 2 )= 2 ()dx =1 2 dx = 3 -
13 7
=
3 3
3)
si 0 1
-6x(x-1)
f(x) =
0
resto
1
2
2
(x+2)
5
f(x)=
0 1
otro x
Respuesta
2
(
5
1 2 2
5
+ 2) dx =0
4
5
=15
E( 2 )= 2 ()dx =0 2
2
2
(
5
1 2 3
5
+ 2)dx = 0
4 2
5
11
=(4)5 + (3)5=30
Var (x)=E( 2 ) (E())2
11
Var(x)= 30 (15)2=0.0822
5) Calcule el promedio y la varianza para la atencin en la cafetera
En donde x es una variable aleatoria continua que representa el tiempo (horas) siendo
su densidad de probabilidad
2(
+1
)
8
0 2
f(x)=
0
otro caso
+1
)
8
2 (2) 2
8
dx =0
(2)
8
2 2
8
E( 2 )= 2 ()dx =0 2 2 (
2 16
28 5
= (4)8 + (3)8=3
Var (x)=E( 2 ) (E())2
5
+1
)x
8
2 2 3
8
= 0
(2) 8
8(3)
(2) 4 7
=
16 6
= [(0,0001)(10000)]
1,5
= 0,3679
1,5
) = 0,2978
() =
( < 0)
252
25
32
) (1 25 ) = 0,6977
(X es una variable continua y por eso podemos escribir P[3 X 25] = P[3 < X 25] =
FX (25) FX(3).) El 69077 % del tiempo el aerogenerador estara funcionando.
3. Suponga que X tiene una distribucin de Weibull con = 100 horas y = 0,2
determine la esperanza y la varianza de X
() = 100 (1 +
() = 1002 (1 +
1
) = 100 5! = 1200
0,2
1
1 2
) 1002 [ (1 +
)] = 3,611010
0,2
0,2
PROBABILIDAD CONDICIONAL
1. El 70% de empresas tiene errores en sus activos financieros, el 60% tiene errores en
sus pasivos financieros y el 40% tiene errores en sus activos y en sus pasivos
financieros. Obtn razonadamente el porcentaje de empresas sin errores en sus activos,
en sus pasivos o en ambos. De una muestra de 500 empresas, cuntas se espera
que no tengan errores ni en sus activos ni en sus pasivos financieros?
Solucin:
Llamemos A = {tener errores en los activos financieros} y B = {tener errores en los
pasivos financieros}. Entonces:
() = 0,7
() = 0,6
( ) = 0,4
El suceso no tener errores en los activos financieros es AC y por tanto :
( ) = 1 ()
( ) = 1 0,7
lo que significa un 10 %
Segn lo anterior se espera que un 10% de las empresas no tengan errores ni en sus
activos ni en sus pasivos financieros. Si tenemos una muestra de 500 empresas
podemos esperar que:
10
500 100 = 50
financieros.
afirmacin no es cierta.
( )
(/)
() =
0,48
= 0,8
0,6
Solucin:
Llamemos A = {saber ingls} y B = {saber ruso}. Entonces :
300
= 0,3
1000
100
() =
= 0,1
1000
50
( =
= 0,05)
1000
() =
a)
( ) = () = (5) (3) = 15
b)
( ) = () + ( ) ( ) = () + ( ) () ( )
2
12
= 5 + 3 5 3 = 5 + 3 15 = 15 = 5
8.- Para la sealizacin de emergencia de un hospital se han instalado dos indicadores
que funcionan independientemente. La probabilidad de que el indicador A se accione
durante la avera es de 0,99, mientras que para el indicador B, la probabilidad es de
0,95:
a) Calcula la probabilidad de que durante una avera se accione un solo indicador.
b) Calcula la probabilidad de que durante una avera no se accione ninguno de los dos
indicadores.
Solucin:
a)[( ) ( )] = ( ) + ( )
= ( ) + ( )
= () ( ) + () ( )
= () + () 2 ( )
= 0.99 + 0,95 2 0,99 0,95 1,881 = 0,059
b)( ) = ( ) = 1 ( ) = 1 [() + () ( )
= 1 (0,99 + 0,95 0,99 0,95) = 1 , 9995 = 0,0005
9. Dos profesores comparten un nmero de telfono. De las llamadas que llegan, 2/5
son para el profesor A y 3/5 son para el profesor B. Sus ocupaciones docentes les alejan
de este telfono, de modo que A est fuera el 50% del tiempo y B el 25%.
Calcula la probabilidad de estar presente un profesor cuando le llamen.
Solucin:
Sean A = {llamar al profesor A}, B = {llamar al profesor B}, F = {estar fuera}. El problema
ofrece las siguientes probabilidades: P(A) = 2/5 = 0,4 P(B) = 3/5 = 0,6P(F/A) = 0,5 y
P(F/B) = 0,25. De estas dos ltimas probabilidades se deduce claramente la
probabilidades P( FC/A) = 05 (del tiempo que A est presente) y P( FC/B) = 0,75 (del
tiempo que B est presente).
La probabilidad de estar presente un profesor cuando le llamen se puede representar
as:
[( ) ( )] = ( ) + ( )
= ( ) () + ( ) ()
= 0,5 0,4 + 0,75 0,6 = 0,65
10. El despertador de Javier no funciona muy bien, pues el 20% de las veces no suena.
Cuando suena, Javier llega tarde a clase con probabilidad 0,2, pero si no suena, la
probabilidad de que llegue tarde es 0,9. Javier ha llegado tarde a clase, cul es la
probabilidad de que haya sonado el despertador?
Solucin:
Sean los sucesos S = {el despertador de Javier suena} y T = {Javier llega tarde a clase.
Entonces P(S) = 0,8 P(T/S) = 0,2 y P(T/S ) = 0,9.
( ) 0,16
( ) =
=
) = 0,47
()
0,34
EJERCICIOS RESUELTOS BAYES
b. Si el infante resulta ser menor de 24 meses. Determine la probabilidad que sea una
nia.
Primero, hay que reconocer que es una probabilidad condicionada y que la caracterstica
comn de los sucesos condicionantes ya ha ocurrido. Entonces, la probabilidad de que
sea nia una infante menor de 24 meses ser:
P(H/M)=
()(/)
()( )+()(/)
0.60.2
P(H/M)=0.60.2+0.40.35
P(H/M)=0.12/0.26
P(H/M)=0.46
La probabilidad de que el infante sea nia dado que es menos de 24 meses es de 0.46
2. Un mdico cirujano se especializa en cirugas estticas. Entre sus pacientes, el
20% se realizan correcciones faciales, un 35% implantes mamarios y el restante
en otras cirugas correctivas. Se sabe adems, que son de gnero masculino el
25% de los que se realizan correcciones faciales, 15% implantes mamarios y 40%
otras cirugas correctivas. Si se selecciona un paciente al azar, determine:
a. Determine la probabilidad de que sea de gnero masculino
Se definen los sucesos:
Suceso F: pacientes que se realizan cirugas faciales
Suceso M: pacientes que se realizan implantes mamarios
Suceso O: pacientes que se realizan otras cirugas correctivas
Suceso H: pacientes de gnero masculino
La probabilidad de que sea de gnero masculino se refiere a un problema de
probabilidad total, ya que es el suceso condicionado y las cirugas los condicionantes.
Dicho valor ser:
P(H)=P(F)*P(H/F)+P(M)*P(H/M)+P(O)*P(O/H)
P(H)= 0.2*0.25*0.35*0.15+0.45*0.40
P(H)=0.28
()(/)
()(/)+()( )+()(/)
0.350.15
0.20.25+0.350.15+0.450.40
P(P/M)=0.0525/0.2825 = 0.19
3. Un Doctor dispone de tres equipos electrnicos para realizar ecosonogramas.
El uso que le da a cada equipo es de 25% al primero, 35% el segundo en y 40% el
tercero. Se sabe que los aparatos tienen probabilidades de error de 1%, 2% y 3%
respectivamente. Un paciente busca el resultado de una ecografa y observa que
tiene un error. Determine la probabilidad de que se ha usado el primer aparato.
P(P)P(E/P)
P(P/E)=0.250.01+0.350.02+0.40.03
P(P/E)= 0.0025/0.0215 = 0.116
Ej. Tomados del Libro de Walpole R., Myers R., Myers D.(1999). Probabilidad y
estadstica para ingenieros. (sexta edicin). pag 48 y49.
4. En cierta planta de montaje, tres mquinas, B1, B2 y B3, montan 30%, 45% y
25% de los productos respectivamente . Se sabe de la experiencia pasada que el
2%, #% y 2% de los productos ensamblados por cada mquina, respectivamente,
tiene defectos. Ahora, suponga que se selecciona de forma aleatoria un producto
terminado Cul es la probabilidad de que est defectuoso?
Considere los eventos siguientes
A: el producto est defectuoso.
B1: El producto est ensamblado por la mquina B1
B2: El producto est ensamblado por la mquina B2
B3: El producto est ensamblado por la mquina B3
Al aplicar la regla de eliminacin, podemos escribir:
P(A)= P(B1)P(A/B1)+P(B2)P(A/B2)+P(B3)P(A/B3)
P(B1)P(A/B1)= (0.3)(0.02)=0.006
P(B2)P(A/B2)=(0.45)(0.03)=0.0135
P(B3)P(A/B3)=(0.25)(0.02)=0.005
P(A)=0.006+0.0135+0.005
P(A)=0.0245
(3)(/3)
0.005
P(B3/A)=0.006+0.0135+0.005
P(B3/A)=0.005/0.0245
P(B3/A)=10/49