GUIA DE MATERIA

ESTADISTICA Y PROBABILIDADES
Basado en Material de Preuniversitario Pedro de Valdivia (Por favor no
distribuir y mantener para el uso personal)

CLASE 1: RAZN Y PROPORCIN

RAZN

a
Es una comparacin entre dos cantidades a travs del cuociente. Se escribe a : b o , se
b
lee a es a b; donde a se denomina antecedente y b consecuente.
a
El valor de la razn es el cuociente entre las cantidades: = k, siendo k el valor de la
b
razn

EJEMPLOS:

1. ESCALAS DE MAPAS Y PLANOS

Planta Primer Piso
Facultad de Derecho U. de Chile
Escala 1:100

2. Paula tiene 18 aos y su hermana 6 aos. En qu razn estn las edades de Paula y
su hermana?

A) 1:3
B) 2: 3
C) 3:1
D) 3:2
E) 2:1
1
PROPORCIN

a c
Es una igualdad de dos razones. Se escribe = o a : b = c : d y se lee
b d
a es a b como c es a d, donde a y d son trminos extremos; b y c son trminos medios.

TEOREMA FUNDAMENTAL: En toda proporcin el producto de los extremos es igual al

producto de los medios.

a c
= a d=b c
b d

a=ck
a c
OBSERVACIN: Dada la proporcin = , existe una constante k 0 tal que
b d
b=dk
EJEMPLO:

3. El trazo AB de la figura 1, mide 90 cm y est dividido interiormente por un punto P en

la razn 2 : 3. Cunto mide la mitad del segmento mayor?

A) 18 cm
B) 27 cm fig. 1
C) 36 cm A P B
D) 45 cm
E) 54 cm

SERIE DE RAZONES

Es la igualdad de ms de dos razones.

x y z
La serie de razones = = , tambin se escribe como:
a b c

x:y:z=a:b:c

PROPIEDAD BSICA

x y z
Para la serie de razones: = = = k, se cumple que: x = k a; y = k b; z=kc
a b c

EJEMPLO:

4. Si a : b = 2 : 3 y b : c = 6 : 7, entonces a : b : c =

A) 2 : 6:7
B) 4 : 6:7
C) 6 : 9 : 21
D) 4 : 3:7
E) 6 : 18 : 21

2
PROPORCIONALIDAD DIRECTA

Dos variables x e y son directamente proporcionales si el cuociente entre sus valores

correspondientes es constante.

x1 x x x
= 2 = 3 = ... = n = k , siendo k constante
y1 y2 y3 yn

As por ejemplo, la tabla muestra la elaboracin de jugo de manzana, por cada 15 kg de

manzana se obtiene 9 litros de jugo.

Peso (kg) 5 10 15 x x 5
Podemos observar que =
y 3
Volumen (Lt) 3 6 9 y

Litros de jugo

En una proporcin directa, si una

magnitud aumenta (disminuye) n veces,
9 la otra aumenta (disminuye) el mismo
Aumenta

nmero de veces
6

3 Dos magnitudes son directamente

proporcionales si al representar los pares
0 5 10 15 kg. de de valores, los puntos se sitan en una
manzanas recta que pasa por el origen.
Aumenta

PROPORCIONALIDAD INVERSA

Dos variables x e y son inversamente proporcionales cuando el producto entre las

cantidades correspondientes se mantiene constante.

x1 y1 = x2 y2 = x3 y3 = = xn yn = k (k constante)

As por ejemplo, la tabla de la figura 5 muestra las medidas posibles de los lados de un
rectngulo de rea 24 cm2.
Ancho
12
11
Largo 2 3 4 6 x 10
Disminuye

9
Ancho 12 8 6 4 y 8
7
6
5
4
Podemos observar que x y = 24
3
2
1
El grfico de una proporcionalidad inversa
1 2 3 4 6 8 Largo
corresponde a una hiprbola equiltera.
Aumenta

3
PROPORCIONALIDAD COMPUESTA

La proporcionalidad compuesta es la combinacin de proporcionalidades directas,

inversas o ambas.

Si la variable A es directamente proporcional a la variable B y a su vez inversamente

A C
proporciona a la variable C, entonces se mantiene constante, es decir:
B
A1 C1 A C2
= 2 = = k, siendo k constante.
B1 B2

OBSERVACIN:

Si la variable A es directamente proporcional a la variable B y a su vez directamente

A
proporcional a la variable C, entonces =k.
BC
Si la variable A es inversamente proporcional a la variable B y a su vez inversamente
proporcional a la variable C, entonces A B C se mantiene constante.

EJEMPLOS

5. 250 gramos de cierto alimento aporta 0,5 caloras. Cuntas caloras aporta 4,5 kg del
mismo alimento?

A) 2,25
B) 7,5
C) 8
D) 9
E) 10

6. En la hiprbola equiltera de la figura 2, los valores de C y B son respectivamente

y
A) 8 y 9
B) 6 y 12 C
C) 4 y 18 fig. 2
D) 12 y 6 8
E) 24 y 3
6

4 B 8 16 x

7. En un taller se han fabricado 1.000 piezas, trabajando 8 horas diarias durante 6 das.
Cuntos das son necesarios para fabricar 2.000 piezas trabajando 12 horas diarias?

A) 2
B) 8
C) 12
D) 18
E) 24

4
 CLASE 2: PORCENTAJES

TANTO POR CIENTO

El tanto por ciento es un caso particular de proporcionalidad directa en que uno de los
trminos de la proporcin es 100:

Q P P
= Q= C
C 100 100
Q = P% C

TANTOS POR CIENTOS NOTABLES EXPRESADOS EN FRACCIN Y EN NMERO DECIMAL

TANTO POR CIENTO FRACCIN DECIMAL

1
1% de C C 0,01 C
100
1
5% de C C 0,05 C
20
1
10% de C C 0,1 C
10
1
12,5% de C C 0,125 C
8
1
20% de C C 0,2 C
5
1
25% de C C 0,25 C
4
1 1
33 % de C C 0, 3 C
3 3
1
50% de C C 0,5 C
2
2 2
66 % de C C 0, 6 C
3 3
3
75% de C C 0,75 C
4
6
120% de C C 1,2 C
5
3
300% de C C 3,0 C
1

EJEMPLO:

8. En una jaula hay 48 aves entre canarios y catitas. Si 12 son catitas, entonces qu
porcentaje de las aves son canarios?

A) 20%
B) 25%
C) 33,3%
D) 66,6%
E) 75%
5
OPERACIONES CON TANTOS POR CIENTOS

Dos o ms tantos por cientos de una misma cantidad se pueden sumar o restar.

a% de C b% de C = (a b)% de C

El tanto por ciento del tanto por ciento de una cantidad es igual al producto de los tantos
por cientos.

a b
El a% del b% de C = C
100 100

VARIACIN PORCENTUAL

AUMENTO : Al aumentar una cantidad C en su P por ciento se obtiene:

P
C = C + C
100

DISMINUCIN : Al disminuir una cantidad C en su P por ciento se obtiene la

cantidad:

P
C = C C
100

EJEMPLOS:

9. El 20% de 60 ms el 55% de 60 es

A) 35
B) 36
C) 45
D) 55
E) 78

10. Los pasajes en avin a Puerto Montt subieron de $100.000 a $125.000. En

qu porcentaje se increment su valor?
A) 20%
B) 22%
C) 25%
D) 35%
E) 45%

6
INTERS SIMPLE

Una cantidad C crece a una tasa del i% por unidad de tiempo en un perodo de n unidades,
en un rgimen de crecimiento simple, si el crecimiento en cada unidad de tiempo es fijo.
La cantidad final CF despus de cumplido el perodo n est dada por:

ni
CF = C + C
100

ni C
Ganancia = CF C Ganancia =
100

INTERS COMPUESTO

Una cantidad C crece a una tasa del i% en cada periodo de tiempo y en un total de tiempo
de n perodos, en un rgimen de crecimiento o inters compuesto, el aumento total ser la
suma de los incrementos de cada perodo de tiempo y este crecimiento total se agrega a C.
La frmula para calcular la cantidad final CF despus de cumplido el perodo n es

i n
C F = C 1 +
100

Ganancia = CF C

EJEMPLOS

11. Un capital de $ 500.000 se deposita en un banco que ofrece un 3% de inters mensual.

Al cabo de 9 meses, en un rgimen de inters simple, cunto es el nuevo capital?

A) $ 535.000
B) $ 545.000
C) $ 590.000
D) $ 630.000
E) $ 635.000

. Cul es la ganancia obtenida al depositar $ 5.000.000 durante 2 aos a un rgimen de

inters compuesto en un banco que da un 5% anual?

A) $ 500.000
B) $ 501.250
C) $ 512.500
D) $ 550.000
E) $ 551.250

7
 CLASE 3: ESTADSTICAS Y GRFICOS

ESTADSTICA

Es una rama de la matemtica que comprende Mtodos y Tcnicas que se emplean en la

recoleccin, ordenamiento, resumen, anlisis, interpretacin y representacin de conjuntos de
datos.

La estadstica se divide en:

Estadstica descriptiva o deductiva: se ocupa de la recoleccin organizacin y presentacin

de los datos.

Estadstica inductiva o inferencial: se ocupa de interpretar los datos recogidos y obtener

conclusiones a partir de ellos.

Poblacin: Es un conjunto cuyos elementos poseen alguna caracterstica comn que se

quiere estudiar. Las poblaciones pueden ser finitas o infinitas.

Muestra: Es un subconjunto de la poblacin, que debe ser representativa de ella y

aleatoria.

Variables: Son aquellas variables que no se pueden medir numricamente, estn

Cualitativas relacionadas con caractersticas. Los valores que toma este tipo de variables
representan categoras o cualidades.

Las variables cualitativas pueden ser medidas en escala:

Nominal: son aquellas en las cuales las observaciones del atributo de la

variable son clasificadas en categoras, y no existe ordenacin. Por
ejemplo: estado civil: casado, divorciado, viudo, soltero, etc.

Ordinal: son aquellas en las cuales existe una relacin de orden intuitivo,
por ejemplo: nivel educacional (bsico, medio, superior), situacin
econmica (baja, media, alta), etc.

Variables: Son aquellas variables en que cada observacin es resultado de una medicin
Cuantitativas o un conteo y por lo tanto tiene un valor expresado por un nmero real, por
ejemplo: peso, temperatura, nmero de personas en una sala, etc.

Las variables cuantitativas pueden ser:

Discretas: Son resultado de un conteo, por lo tanto, toman slo valores

enteros, por ejemplo: nmero de hijos, nmero de departamentos en un
edificio, etc.

Continuas: Son resultado de una medicin, por lo tanto, son susceptibles

de tomar cualquier valor, por ejemplo: el peso, la estatura, etc.

EJEMPLO:

13. De las siguientes afirmaciones, es verdadero que

A) Una muestra no debe ser representativa de la poblacin.

B) El color de pelo es una variable cuantitativa.
C) La estadstica no proporciona informacin para analizar.
D) El nmero de computadores en una biblioteca es una variable continua.
E) La distancia entre el preuniversitario y las casas de los estudiantes es una variable
continua.
8
PRESENTACIN DE DATOS

TABLA DE DISTRIBUCIN DE FRECUENCIAS

Dato (o intervalo) (X): Informacin (Variable) que se est estudiando en la estadstica.

Marca de clase (c): Se define como el promedio de los extremos de un intervalo.

Frecuencia (f): Nmero de veces que se repite un dato (tambin se le denomina frecuencia
absoluta).

Frecuencia Acumulada (fac): Es la que se obtiene sumando ordenadamente las frecuencias

absolutas, hasta la que ocupa la ltima posicin.

Frecuencia Relativa (fr): Es el cuociente entre la frecuencia absoluta de uno de los valores
de la variable y el total de datos.

Frecuencia Relativa Porcentual (fr%): Corresponde a la frecuencia relativa expresada en

porcentaje. Es decir fr% = fr 100

Frecuencia Relativa Acumulada (frac): Es la que se obtiene sumando ordenadamente la

frecuencia relativa hasta la que ocupa la ltima posicin.

EJEMPLO:

. En la tabla adjunta, se observa la cantidad de ttulos obtenidos por los alumnos de
)LORVRItD de la Universidad GH &KLOH. Cul(es) de las siguientes afirmaciones es (son)
verdadera(s)?

I) La cantidad de alumnos titulados en el ao 1980 es superior que los titulados

en el ao 1975.
II) Hasta el ao 1985 se titularon 60 estudiantes.
III) En los aos 1985 y 1990 se titularon la misma cantidad de alumnos.

A) Slo I Ao Hombres Mujeres

B) Slo II 1975 8 9
C) Slo I y II 1980 12 8
D) Slo II y III 1985 10 13
E) I, II y III 1990 18 5

MEDIDAS DE TENDENCIA CENTRAL

Las medidas de tendencia central, son parmetros que indican valores cuyo objetivo es
resumir la informacin para un conjunto de datos, es decir, son representantes de una
muestra.

Media Aritmtica ( x )

Es el cuociente entre la suma de todos los datos y el nmero de datos. Si se tienen n datos;
x1, x2, x3, , xn, su media aritmtica es

x1 + x2 + x3 + ... + xn
x =
n

9
Media Aritmtica para datos organizados en una tabla de frecuencias

Si los datos son; x1, x2, x3, xn, y las frecuencias respectivas son f1, f2, f3, fn, entonces la
media aritmtica es

Dato Frecuencia xi fciai

x1 fi x1 f1
x2 f2 x2 f2 x1 f1 + x2 f2 + x 3 f3 + ... + x n fn
x =
x3 f3 x3 f3 f1 + f2 + f3 + ... + fn
. . .
xn fn xn fn

Media Aritmtica para datos agrupados en intervalo

Si las marcas de clase son; c1, c2, c3, cn, y las frecuencias de los intervalos respectivos son
f1, f2, f3, fn, entonces la media aritmtica es

c1 f1 + c2 f2 + c3 f3 + ... + cn fn
x=
f1 + f2 + f3 + ... + fn

MODA (Mo)

Es el dato que aparece con mayor frecuencia, es decir, el que ms se repite dentro de una
muestra.

La muestra puede ser:

AMODAL: Si no hay un dato que tenga mayor frecuencia.

UNIMODAL: Si existe un solo dato que tenga mayor frecuencia.
BIMODAL (O POLIMODAL): Si existen dos (o ms) datos que tienen la misma frecuencia.

MEDIANA (Me)

Es el dato que ocupa la posicin central de una muestra ordenada y por lo tanto, la divide en
dos partes. Si la muestra tiene un nmero par de datos, la mediana es la media aritmtica de
los dos trminos centrales.

EJEMPLO:

15. Un dado ha sido lanzado 30 veces, obtenindose los resultados que se muestran en la
siguiente tabla de frecuencias adjunta. Cul(es) de las siguientes afirmaciones es (son)
verdadera(s)?
I) La mediana es 3,5.
II) La moda es el nmero 5. Nmero frecuencia
III) La diferencia positiva entre la moda y mediana es 2,5. 1 4
2 5
3 6
A) Slo I
4 3
B) Slo II
C) Slo I y II 5 7
D) Slo I y III 6 5
E) I, II y III

10
MEDIDAS DE POSICIN (FRACTILES)

Los fractiles dividen a una muestra ordenada en forma creciente, en la forma ms igualitaria
posible. Los principales fractiles son: deciles, cuartiles y percentiles.

DECILES (D): Los deciles de una distribucin de datos numricos corresponden a los 9 valores
que dividen a stos en 10 partes iguales. El decil de orden K se denota por DK.

OBSERVACIN

El dato que ocupa el Decil k significa que supera el k% de las observaciones.

CUARTILES (Q): Los cuartiles corresponden a los 3 valores que dividen a la muestra en cuatro
partes iguales. Q1, Q2 y Q3 determinan los valores correspondientes al 25%, 50% y 75% de los
datos, respectivamente.

Recorrido intercuartlico: es la diferencia positiva entre el Q3 y Q1.

PERCENTILES (P): Los percentiles corresponden a los 99 valores que dividen a la muestra en
cien partes iguales. El percentil de orden K se denota por PK.

OBSERVACIN: El dato que ocupa el Percentil k significa que supera el k% de los datos.
El percentil 50 equivale a la mediana.

EJEMPLO:

16. La tabla adjunta muestra el tiempo aproximado en horas dedicadas al estudio de un

grupo de estudiantes de un colegio. A partir de qu percentil se encuentran los
estudiantes que le dedican 4 horas de estudio?

Horas de Nmero de
estudio estudiantes
A) Menos del 60
1 120
B) Entre 65 y 70
C) Entre 70 y 75 2 145
D) Entre 76 y 78 3 135
E) Ms de 80 4 100

GRFICO DE CAJA Y BIGOTES

El diagrama de caja es una representacin grfica basada en cuartiles, que ayuda a ilustrar
una muestra de datos. Para elaborar este grfico, slo se necesitan cinco datos: el valor
mnimo, el primer cuartil, la mediana, el tercer cuartil y el valor mximo de la muestra.

TIPOS DE MUESTRA

Muestra Simtrica: Los valores intercuartlicos estn igualmente dispersos.

Valor Q1 Q2 Q3 Valor
mnimo mximo

11
 Muestra Positivamente Asimtrica: Los valores ms grandes se encuentran ms dispersos
que los ms pequeos.

Valor Q1 Q2 Q3 Valor
mnimo mximo

Muestra Negativamente Asimtrica: Los valores ms pequeos se encuentran ms

dispersos que los ms grandes.

Valor Q1 Q2 Q3 Valor
mnimo mximo

MEDIDAS DE DISPERSIN

Rango es la diferencia entre el mayor y el menor de los datos.

Desviacin estndar o tpica es una medida de dispersin que indica cunto tiende a
alejarse cada dato de la muestra, de la media aritmtica de stos.
La desviacin estndar () se calcula mediante la siguiente frmula:

(x1 x)2 + (x2 x)2 + ... + (xn x)2

=
n
EJEMPLOS

17. A dos empresas distintas se les aplic el mismo test de prevencin de riesgos en iguales
condiciones y a la misma cantidad de empleados, obtenindose las desviaciones estndar
que se muestran en la tabla adjunta. Cul(es) de las siguientes afirmaciones es (son)
verdadera(s)?

I) La empresa A es la ms homognea.
II) La empresa B es la ms homognea.
III) La empresa A presenta mayor dispersin en los resultados.

A) Slo I Desviacin
B) Slo II Empresa Promedio
Estndar
C) Slo I y III A 6,6 1
D) Slo II y III B 6,2 0,8
E) Ninguna de ellas

18. Si el promedio de dos nmeros es 5 y su desviacin estndar es 1, entonces, cules son

los nmeros?

A) 3 y 7
B) 4 y 6
C) 5 y 5
D) 1 y 9
E) 2 y 8

12
REPRESENTACIN GRFICA E INTERPRETACIN DE GRFICOS

A menudo, una representacin grfica de una distribucin de frecuencias nos da una mejor
idea de un estudio estadstico que un cuadro con nmeros. Existen distintos tipos de grficos
en los que podemos presentar nuestros datos, algunos de los ms utilizados son

GRFICO DE BARRAS

Utilizado en variables de tipo cualitativa y cuantitativa discreta, este grfico consiste en una
serie de barras que indican a los datos, cuyas alturas representan la frecuencia absoluta de
stos.

Grfico de Barras
X F
Dato 1 A A

Frecuencia (f)
Dato 2 B C fig. 1
Dato 3 C D
Dato 4 D B
E
Dato 5 E

Dato 1 Dato 2 Dato 3 Dato 4 Dato 5 Dato (x)

GRFICO CIRCULAR

Al igual que el grfico de barras, el grfico circular es utilizado en variables de tipo cualitativa y
cuantitativa discreta. El grfico consiste en un crculo dividido en secciones proporcionales al
tamao de la muestra y la frecuencia de los datos, generalmente se utiliza para representar
frecuencias relativas.

Grfico Circular

X f Fr
Dato 5
Dato 1 a a% Dato 4 Dato 1
Dato 2 b b%
Dato 3 c c%
Dato 4 d d%
Dato 3 Dato 2
Dato 5 e e% fig. 2

Dato 5
f x
= Dato 4
Dato 1
total 360

f fr
=
total 100%
Dato 3 Dato 2

13
HISTOGRAMA

Se utiliza para representar a los datos agrupados en intervalos. El histograma se elabora

representando a los datos en el eje horizontal y a las frecuencias en el eje vertical, y trazando
barras cuyas bases equivalen a los intervalos de clase, y cuyas alturas corresponden a las
frecuencias de clase.
d
x C f
b
Intervalo 1 Clase 1 a

Frecuencia
c fig. 3
Intervalo 2 Clase 2 b a
Intervalo 3 Clase 3 c
Intervalo 4 Clase 4 d
1 2 3 4
Intervalos

f fr
=
total 100%

POLGONO DE FRECUENCIAS

Al igual que el histograma, este grfico se utiliza en datos agrupados en intervalos. Para
confeccionarlo, se debe unir con una recta los puntos donde se intersectan la clase y la
frecuencia de los intervalos. Para anclar el polgono al eje horizontal, se debe agregar un
intervalo de frecuencia cero, antes del primer y despus del ltimo intervalo.

X C f
Intervalo 1 Clase 1 a
Intervalo 2 Clase 2 b
Intervalo 3 Clase 3 c
Intervalo 4 Clase 4 d

Polgono de frecuencias
Frecuencia (f)
6

a5
c4
fig. 4
d3
b2
1
0
Clase (c)
Clase Clase 1 Clase 2 Clase 3 Clase 4 Clase

14
 CLASE 4: COMBINATORIA

TCNICAS DE CONTEO

Principio Multiplicativo: Si un determinado suceso A puede ocurrir de a maneras diferentes y

otro suceso B, puede ocurrir de b maneras diferentes, entonces el suceso compuesto A y B
puede ocurrir de (a b) maneras diferentes. Este principio se puede aplicar tambin a ms de
dos sucesos.

Principio Aditivo: Si un determinado suceso A puede ocurrir de a maneras diferentes y otro

suceso B, puede ocurrir de b maneras diferentes, entonces el suceso compuesto A o B puede
ocurrir de (a + b) maneras diferentes. Este principio se puede aplicar tambin a ms de dos
sucesos.

FACTORIALES

Definicin: Sea n un nmero natural, se llama factorial de n o n factorial, al producto de

los n primeros nmeros naturales y se denota por n!.

Se define:

1! = 1
n! = n (n 1)!

Se deduce de lo anterior, que

n! = n (n 1) (n 2) 3 2 1

OBSERVACIN: 0! = 1

EJEMPLOS

19. Al lanzar un dado y una moneda, cuntos resultados distintos se pueden obtener?

A) 4
B) 6
C) 8
D) 12
E) 36

20. Cul(es) de las siguientes expresiones es (son) igual(es) a 4!?

I) 2! 2!
II) 1! + 1! + 1! + 1!
III) 12 2

A) Slo I
B) Slo II
C) Slo III
D) Slo II y III
E) Ninguna de ellas

15
PERMUTACIONES

Definicin: Se denomina permutacin, a cada una de las diferentes ordenaciones que se

pueden realizar con todos los elementos de un conjunto.

Permutacin Simple o Lineal: Son las permutaciones que pueden hacerse con los
elementos de un conjunto, sin repetirlos.

P(n) = n!

Permutaciones con repeticin: El nmero de permutaciones de n elementos, de los

cuales, k1 son iguales, k2 son iguales,. kr son iguales, est dada por
n!
Prep =
k1! k2! ... k r!

Permutaciones circulares: El nmero de maneras diferentes en que se pueden ordenar n

elementos diferentes a lo largo de una circunferencia est dado por:

Pcircul = (n 1)!

VARIACIONES O ARREGLOS

Definicin: En un conjunto de n elementos, se denominan variaciones o arreglos a los

diferentes grupos o conjuntos que se pueden formar con slo r elementos (r < n).

Variaciones sin repeticin: Dado un conjunto de n elementos, la cantidad de conjuntos de

r elementos que se pueden obtener, sin repetir ninguno de ellos, est dada por (r < n):

n!
Vnr =
(n r)!

Variaciones con repeticin: Dado un conjunto de n elementos, la cantidad de conjuntos

de r elementos que se pueden obtener, en los cuales se puede repetir uno o ms de ellos,
est dada por (r<n):
Vrn = nr

EJEMPLOS

21. De cuntas maneras distintas se puede sentar una familia de 7 integrantes alrededor
de una mesa circular?
A) 3! + 4!
B) 3! 4!
C) 6!
D) 7!
E) 7! 1!
22. En un campeonato de ftbol participan 8 equipos locales. De cuntas maneras
distintas pueden ser ocupados los tres primeros lugares?
A) 6
B) 21
C) 56
D) 336
E) 512

16
COMBINACIONES

Son los diferentes grupos que se pueden formar con un total de n elementos de modo que
cada grupo tenga r elementos, no interesando el orden de estos.

El nmero de combinaciones de n elementos tomados de r en r est dado por la frmula:

n!
Cnr =
(n r)! r!

CUADRO RESUMEN

n!
Prep =
si k1! k2! ... kr!
Se pueden
repetir los
elementos?
no P(n) = n!
Permutacin
si
Intervienen
todos los
si elementos?

Importa no
el orden? Variacin Vrn = nr
si
Se pueden
repetir los
no elementos?
no n!
Vnr =
(n r)!
Combinacin

n!
Cnr =
(n r)! r!

EJEMPLOS

23. En un jardn infantil hay 5 cupos para 8 nios que postulan, de cuntas formas se
puede ocupar esas vacantes?

A) 13
B) 40
C) 56
D) 168
E) 336

24. Una seora tiene 9 amigos de confianza, de cuntas maneras puede invitar a comer a
5 de sus amigos?

A) 5!
B) 9!
C) 45
D) 105
E) 126

14
 CLASE 5: PROBABILIDADES

NOCIONES ELEMENTALES

Experimento: Procedimiento que se puede llevar a cabo, bajo las mismas condiciones, un
nmero indefinido de veces.

Experimento aleatorio: Experimento cuyo resultado no se puede predecir, existiendo un

conjunto de resultados posibles (espacio muestral).

Evento (o suceso): Es un resultado particular del espacio muestral.

Evento cierto: Es el propio espacio muestral.

Evento imposible: Es aquel que no tiene elementos, es decir, el subconjunto vaco del
espacio muestral.

Eventos mutuamente excluyentes: Son aquellos eventos donde la ocurrencia de uno de

ellos impide la ocurrencia del otro.

Eventos complementarios: son aquellos que no tienen elementos comunes pero juntos
completan el espacio muestral.

PROBABILIDAD CLSICA

La probabilidad de un suceso A se obtiene como la razn entre el nmero de casos favorables

al evento A y el nmero total de casos posibles.

Nmero de casos favorables (A)

P(A) =
Nmero total de casos

OBSERVACIONES:

La probabilidad de que un suceso A no ocurra es igual a uno menos la probabilidad de que

ocurra. P(A) = 1 P(A) A = A no ocurre

0 P(A) 1 o bien 0% P(A) 100%

EJEMPLO:

25. Si se lanzan dos dados, cul es la probabilidad de obtener una suma igual a 7?

1
A)
18
1
B)
12
1
C)
6
11
D)
36
1
E)
3
TRINGULO DE PASCAL

Representa una regularidad numrica que se ilustra en la siguiente figura:

1
1 1
1 2 1
1 3 3 1
1 4 6 4 1
1 5 10 10 5 1

Se pueden observar algunas regularidades y estas son:

Los coeficientes primero y ltimo de cada fila son siempre 1.

Cualquier otro coeficiente de una fila se obtiene como la suma de los dos valores que
estn justo arriba en la fila anterior.
Si se suman los nmeros de cada fila el resultado es siempre una potencia de 2.
Existe una simetra en cada fila respecto a su centro.

OBSERVACIN: El tringulo de Pascal tambin se utiliza en experimentos aleatorios que

tengan dos sucesos equiprobables de ocurrencia, como por ejemplo: lanzar una moneda,
el sexo de una persona, respuestas de preguntas del tipo verdadero o falso, etc.

EJEMPLO CON LANZAMIENTO DE MONEDA

Al lanzar una moneda cuatro veces (o lanzar 4 monedas a la vez) se obtienen 16 resultados
posibles, que al determinarlos a travs del tringulo de Pascal son:

1 Cero lanzamiento 20
1 1 Un lanzamiento 21
1 2 1 Dos lanzamientos 22
1 3 3 1 Tres lanzamientos 23
1 4 6 4 1 Cuatro lanzamientos 24

Esta situacin se grafica de la siguiente manera

1
1C 1S
1C2 2CS 1S2
3 2 2
1C 3C S 3CS 1S3
4 3 2 2 3
1C 4C S 6C S 4CS 1S4

CCCS
CCSC
OBSERVACIN: 4C3S significa
CSCC
SCCC

O sea, 4C3S indica que hay cuatro casos favorables para obtener 3 caras y 1 sello.
PROBABILIDADES DE EVENTOS

Si A y B son dos sucesos no excluyentes (pueden ocurrir ambos al mismo tiempo), la

probabilidad de que ocurran A o B o ambos est dada por:

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

Si A y B son dos sucesos excluyentes (no pueden ocurrir ambos al mismo tiempo), la
probabilidad de que ocurra A o B est dada por:

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

Los sucesos A y B se consideran independientes cuando la ocurrencia o no

ocurrencia de uno no influye sobre la probabilidad de ocurrencia o no ocurrencia del otro.

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

Sean A y B dos sucesos de un mismo espacio muestral. La probabilidad condicional de

A, dado B, se calcula como la probabilidad del suceso A, bajo la condicin de que el suceso
B ha ocurrido.

P(A B)
P(A/B) =
P(B)

EJEMPLOS:

26. En un curso se formaron tres grupos 27. Al lanzar tres dados, si la suma de los
para preparar un trabajo sobre la vida puntos obtenidos es 4, entonces cul
y obra de: Pitgoras, Euclides y es la probabilidad que aparezca un dos?
Descartes como se muestra en la
siguiente tabla: 3 1
A) C)
216 36
Grupo Tema Damas Varones 1 1
B) D)
1 Pitgoras 5 3 216 2
2 Euclides 4 4 E) 1
3 Descartes 4 6
28. En una urna hay 20 fichas numeradas del
La profesora elige al azar a un slo 1 al 20. Si se saca una al azar, cul es
integrante de cada grupo para que exponga la probabilidad que sea nmero par o
el tema. Cul es la probabilidad de que en mltiplo de 3?
los tres grupos la representante sea una
dama?
16 3
A) C)
1 D) 20 20
A) 24
2 19 13
1 B) D)
9 E) 20 20
B) 8
16 3
5 E)
C) 10
26
1
DEFINICIONES

Una variable es una cantidad o magnitud que no es constante, que es susceptible de variar.
Una variable aleatoria es una variable cuyos valores son determinados por el resultado de
un experimento aleatorio.

Una variable aleatoria X est determinada si se conoce:

Los valores que toma: x1, x2, x3, ... xk

La probabilidad con que toma cada uno de esos valores: p 1, p2, p3, ... Pk donde
p1 + p2 + p3 + ... + pk = 1

Con todo lo anterior se dice que se tiene definida una distribucin de probabilidad.

El grfico que representa las probabilidades de cada uno de los valores de la variable aleatoria
se denomina ley de probabilidad de la variable aleatoria.

EJEMPLOS

29. Cul de los siguientes enunciados define una variable aleatoria?

A) El nmero accidentes automovilsticos que hay por da en la ciudad de Puerto Montt.

B) El nmero de autos blancos estacionados frente al preuniversitario.
C) El tiempo empleado en responder esta pregunta.
D) El nmero de varones de una familia con cinco hijos.
E) Todas las anteriores.

30. Cul(es) de los siguientes enunciados no define una variable aleatoria?

I) Soltar una piedra.

II) Las horas de duracin de una pila.
III) El nmero de departamentos de un edificio.

A) Slo I
B) Slo I y II
C) Slo I y III
D) Slo II y III
E) I, II y III
 CLASE 6: DATOS Y AZAR

RANGO
Rango o recorrido es la diferencia entre el mayor y el menor de los datos.

DESVIACIN ESTNDAR o TPICA

Es una medida de dispersin y nos indica cunto tienden a alejarse los datos del promedio
aritmtico.

Para calcular la desviacin estndar ( ) se utiliza la siguiente frmula:

Para datos no agrupados

(x1 x)2 + (x2 x)2 + ... + (xn x)2
=
n

Para datos agrupados

en tablas de frecuencia f1 (x1 x)2 +f2 (x2 x)2 + ... + fn (x n x)2
=
f1 + f2 + f3 + ..... + fn

Donde xi : marca de clase

fi : frecuencia

OBSERVACIN:

Al trabajar con datos agrupados en intervalos se utiliza la marca de clase de cada uno de ellos,
en lugar de xi.

PROPIEDADES

Sea x una variable aleatoria y k un nmero real

1) (x) 0
2) (k) = 0
3) (x + k) = (x)
4) (kx) = k (x)

EJEMPLO:

31. Con respecto a la tabla de frecuencias adjunta, cul(es) de la siguientes proposiciones

es (son) verdadera(s)?

I) El promedio es 6. Edad (aos) N de nios

II) El total de datos es 5. [0 4[ 2
III) La desviacin estndar es 12,8 . [4 8[ 1
[8 12[ 2
A) Solo I
B) Solo I y II
C) Solo I y III
D) Solo II y III
E) I, II y III
VARIANZA

Es otra medida de dispersin que corresponde al cuadrado de la desviacin estndar.

(x1 x)2 + (x2 x)2 + ... + (xn x)2

Var(x) = 2 =
n

Para datos agrupados

en tablas de frecuencia f1 (x1 x)2 + f2 (x2 x)2 + ... + fn (xn x)2
Var(x) = 2 =
f1 + f2 + f3 + ... + fn
Donde xi : variable
fi : frecuencia
OBSERVACIN:

1. El valor de la varianza es siempre un nmero no negativo

2. Al trabajar con datos agrupados en intervalos se utiliza la marca de clase de cada uno de
ellos, en lugar de xi.

PROPIEDADES DE LA VARIANZA

Sea x una variable aleatoria y k un nmero real

1) Var (x) 0

2) Var (k) = 0

3) Var (x + k) = Var (x)

4) Var (kx) = k2 Var(x)

EJEMPLO:

32. Cul(es) de las siguientes afirmaciones es (son) verdadera(s)?

I) La varianza puede ser igual a la desviacin estndar.

II) Si sumamos a todos los valores de la variable una constante, la varianza no
cambia.
III) La varianza es la raz cuadrada de la desviacin estndar.

A) Solo I
B) Solo II
C) Solo III
D) Solo I y II
E) I, II y III

33. En una muestra de 10 datos se obtiene una desviacin estndar igual a 1,5. Si a cada
elemento de la muestra se agregan 10 unidades, entonces, la nueva desviacin estndar
y varianza son, respectivamente
Desv. Est. Varianza
A) 101,5 102,25
B) 101,5 12,25
C) 11,5 12,25
D) 1,5 102,25
E) 1,5 2,25
VARIABLES ALEATORIAS

Se llama VARIABLE ALEATORIA a toda funcin que asocia un nmero real a cada elemento del
espacio muestral de un experimento aleatorio.

OBSERVACIN: Se simbolizan con letras maysculas, por ejemplo: X ; Y ; Z ;

VARIABLES ALEATORIAS DISCRETAS (VAD)

Son aquellas que pueden tomar una cantidad finita de valores o una cantidad infinita
numerable de valores.
Ejemplos: Suma de puntos en el lanzamiento de dos dados, las preguntas correctas en una
prueba, nmeros de hijos de una familia etc.

VARIABLES ALEATORIAS CONTINUAS (VAC)

Son aquellas que pueden tomar todos los valores posibles dentro de un cierto intervalo en los
nmeros reales.
Ejemplos: peso de los alumnos de un curso, tiempo de funcionamiento de un dispositivo
electrnico, cantidad de agua consumida en mes por una familia, etc.

EJEMPLO:

Se define la variable aleatoria X como el nmero de hijos varones que puede tener un
matrimonio que tiene tres hijos. La tabla muestra los posibles resultados, representando con
m a las hijas y con v a los hijos, y los valores de la variable X:

Resultados posibles Valores de X

(m,m,m) 0
(v,m,m);(m,v,m);(m,m,v) 1
(v,v,m);(v,m,v);(m,v,v) 2
(v,v,v) 3

EJEMPLO:

34. Se lanza dos veces un dado y se define la variable aleatoria X, como el valor absoluto de
la diferencia de los puntos. Cul(es) de las siguientes afirmaciones es (son)
verdadera(s)?

I) X es una variable aleatoria discreta.

II) El recorrido de la variable tiene 6 elementos.
III) El conjunto de valores posibles de variable aleatoria X son {0,1,2,3,4,5}.

A) Solo I
B) Solo III
C) Solo I y III
D) Solo II y III
E) I, II y III
FUNCIN DE PROBABILIDAD

Se llama funcin de probabilidad de una variable aleatoria discreta X a la aplicacin que

asocia a cada valor de xi de la variable su probabilidad pi.
Se denota por f(x) = P(X = xi)

PROPIEDADES

1. 0 f(xi) 1
2. f(x1) + f(x2) + + f(xn) = 1

EJEMPLO

Definida la variable X como el nmero de hijos varones que puede tener un matrimonio que
con tres hijos. La tabla muestra la probabilidad para los diferentes valores de X:

Resultados Valores de X f(xi) = P(X = xi)

(m,m,m) 0 1/8
(v,m,m);(m,v,m);(m,m,v) 1 3/8
(v,v,m);(v,m,v);(m,v,v) 2 3/8
(v,v,v) 3 1/8

Funcin de probabilidad
f(x)

3
8 f(x1) + f(x2) + f(x3) + f(x4) = 1
1 3 3 1
+ + + =1
1 8 8 8 8
8

0 1 2 3 Valores v.a.

EJEMPLO

35. Una bolsa contiene 4 cubos azules y 3 verdes, el experimento consiste en sacar dos
cubos uno tras otro sin reposicin. Si se define la variable aleatoria X: nmero de cubos
azules obtenidos, cul(es) de las siguientes afirmaciones es (son) verdadera(s)?

I) Los valores de la variable aleatoria son {0, 1, 2}

II) El mximo de cubos azules que se pueden obtener en el experimento es
cuatro.
4
III) P(1) =
7

A) Solo II
B) Solo I y II
C) Solo II y III
D) Solo I y III
E) I , II y III
 CLASE 7: DISTRIBUCIN

FUNCIN DE DISTRIBUCIN DE PROBABILIDAD

La funcin de distribucin de probabilidad F(x) asocia a cada valor de x la probabilidad
acumulada, es decir F(x) = P(X x).

PROPIEDADES

1. Como F(x) es una probabilidad, se cumple que 0 F(x) 1

2. Si a < b, entonces P(a < x b) = F (b) F (a)
3. P(X > a) = 1 P(X a) = 1 F(a)

OBSERVACIONES

En el caso de variable aleatoria discreta En el caso de variable aleatoria

la funcin de distribucin de probabilidad continua la funcin de distribucin de
es una funcin escalonada. probabilidad es una funcin contnua.

Funcin de distribucin Funcin de distribucin

F(x)
F(x)
1

Valores v.a.
Valores v.a. contnua
discreta
EJEMPLOS:

1. Para la variable X definida como el nmero de hijos varones que puede tener un matrimonio
que tiene tres hijos, la siguiente tabla muestra la funcin probabilidad para los diferentes
valores de X:

1
Valores de X p(xi) = P(X = xi) si x 0
8
1
0 1 3 4
8 + = si x 1
3 8 8 8
1 F(x) = P(X x) =
8 4 3 7
3 + = si x 2
2 8 8 8
8
1 7 1
3 + =1 si x 3
8 8 8

2. La tabla adjunta muestra la funcin de probabilidad de una variable aleatoria W:

1,0 - W 1 2 3 4
0,8 -
P(W = wi) 0,1 0,3 0,2 0,4
0,6 -
0,4 -
0,2 -
1 2 3 4 v.a.
DISTRIBUCIN NORMAL

Para variables aleatorias continuas X, la funcin de probabilidad es denominada Funcin de

densidad de probabilidad, es una funcin continua y la probabilidad de que la variable est
comprendida en el intervalo a, b est dada por el rea bajo la curva de la funcin entre los
puntos a y b.

y
f(x)

P(a < x < b)

a b x

La distribucin ms importante dentro de las distribuciones continuas es la distribucin

normal.

Es un modelo matemtico, que recibe su nombre debido a que en cierto momento se pens
que la mayora de los fenmenos estaban distribuidos de dicha manera. Esta distribucin
permite representar fenmenos estadsticos de manera probabilstica.

El grfico de la funcin de densidad de una variable

aleatoria con distribucin normal es similar al
mostrado en la figura, es decir tiene una forma
conocida como Campana de Gauss, y es simtrico
con respecto a la media, . Esta distribucin queda
definida por dos parmetros: la media () y la
desviacin estndar (), y se denota X ~ N( ;).

CARACTERSTICAS

1. El rea bajo la curva es igual a la unidad

2. Es simtrica con respecto a x = , y deja un rea igual a 0,5 a la izquierda y otra de 0,5 a
la derecha, es decir, hay una probabilidad del 50% de observar un dato mayor a la media
y un 50% de observar un dato menor a la media.

3. Es asinttica al eje de las abscisas, es decir, la curva se acerca lo ms posible al eje de las
X sin llegar a tocarlo.

4. La media, moda y mediana coinciden.

5. La probabilidad equivale al rea encerrada bajo la curva.

INTERVALOS DE UNA DISTRIBUCIN NORMAL

Si una poblacin tiene media y desviacin estndar , se tiene que

En el intervalo , En el intervalo 2, 2 En el intervalo 3, 3

el rea encerrada es el rea encerrada es 0,9544 el rea encerrada es 0,9973
0,6826 es decir, 68,26% es decir, 95,44% del total. es decir, 99,73% del total.
del total.

+ 2 + 2 3 + 3

DISTRIBUCIN NORMAL ESTNDAR

La distribucin normal estndar o tipificada, es aquella que tiene media 0 y desviacin

estndar 1. Se denota por X ~ N(0;1)

CARACTERSTICAS:

1. 2. P(X x1)
f(x)

=0
x1

3. P(X x1) = 1 P (X x1) 4. P(X -x1) = P(X x1)

x1 -x1 x1
Para calcular la probabilidad en distribuciones normales , cuando los lmites de la variable sean
distintos de la media ms o menos desviaciones estndar, se deben usar tablas que presentan
las reas bajo las curvas y que permiten determinar la probabilidad en ese intervalo.

Para una variable aleatoria continua X con distribucin normal estndar N(0,1), calcular la
probabilidad de que tome un valor menor o igual a 1,87

Solucin: Determinar P (X 1,87)

Segn tabla: Grficamente: P(X 1,87) = 0,96926

x 0,07

1,8 0,96926

1,87

Para una variable aleatoria X con distribucin normal N(, ) ,los datos se pueden estandarizar
X
o normalizar utilizando una variable aleatoria Z = con distribucin normal N(0 , 1).

Entonces la probabilidad en trminos de la variable X puede calcularse en trminos de Z,
utilizando las tablas de distribucin tipificada, es decir:

x
P(X x) = P Z

Sea la variable aleatoria X con distribucin N(23, 5), calcular la probabilidad de que tome un
valor

a) mayor a 30
b) entre 24 y 26.

Solucin: a) P(X > 30) = 1 P (X 30)

1,4
30 23
= 1 P Z
5
= 1 P(Z 1,4) (Tabla pgina 31)
= 1 0,91924
= 0,08076

P(X > 30) = 1 P(X 30) P(Z > 1,4) = 1 P(Z 1,4)

23 30 1,4
 b) P(24 < X < 26) = P(X < 26) P(X < 24)
26 23 24 23
= P Z < P Z <
5 5
= P (Z < 0,6) P(Z < 0,2)
= 0,72575 0,57926
= 0,14649

P(24 < X < 26) P(0,6 < Z < 0,2)

23 24 26 0,2 0,6

EJEMPLOS

36. La longitudes, en cm, de los palillos que fabrica una empresa, tiene una distribucin
N(10 ;0,3). Cul es la probabilidad de que un palillo mida menos de 10 cm?

A) 1
B) 0,7
C) 0,5
D) 0,4
E) 0,3

37. En una distribucin normal estndar si P(X a) = m; entonces P(X > a) =

A) -m
B) m
C) m1
D) 1m
E) no se puede determinar.

38. Si X ~ N(0,1) , entonces cul(es) de las siguientes afirmaciones es (son) verdaderas?

I) La probabilidad P(X < 0) es 50%.

II) P(X > 2,1) = 1 P(X < 2,1).
III) P(X = 0,5) = 0.

A) Solo I
B) Solo II
C) Solo I y II
D) Solo I y III
E) I, II y III
 TABLA DE DISTRIBUCIN NORMAL N(01)
x 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,50000 0,50399 0,50798 0,51197 0,51595 0,51994 0,52392 0,52790 0,53188 0,53586
0,1 0,53983 0,54380 0,54776 0,55172 0,55567 0,55962 0,56356 0,56749 0,57142 0,57535
0,2 0,57926 0,58317 0,58706 0,59095 0,59483 0,59871 0,60257 0,60642 0,61026 0,61409
0,3 0,61791 0,62172 0,62552 0,62930 0,63307 0,63683 0,64058 0,64431 0,64803 0,65173
0,4 0,65542 0,65910 0,66276 0,66640 0,67003 0,67364 0,67724 0,68082 0,68439 0,68793
0,5 0,69146 0,69497 0,69847 0,70194 0,70540 0,70884 0,71226 0,71566 0,71904 0,72240
0,6 0,72575 0,72907 0,73237 0,73565 0,73891 0,74215 0,74537 0,74857 0,75175 0,75490
0,7 0,75804 0,76115 0,76424 0,76730 0,77035 0,77337 0,77637 0,77935 0,78230 0,78524
0,8 0,78814 0,79103 0,79389 0,79673 0,79955 0,80234 0,80511 0,80785 0,81057 0,81327
0,9 0,81594 0,81859 0,82121 0,82381 0,82639 0,82894 0,83147 0,83398 0,83646 0,83891
1,0 0,84134 0,84375 0,84614 0,84849 0,85083 0,85314 0,85543 0,85769 0,85993 0,86214
1,1 0,86433 0,86650 0,86864 0,87076 0,87286 0,87493 0,87698 0,87900 0,88100 0,88298
1,2 0,88493 0,88686 0,88877 0,89065 0,89251 0,89435 0,89617 0,89796 0,89973 0,90147
1,3 0,90320 0,90490 0,90658 0,90824 0,90988 0,91149 0,91309 0,91466 0,91621 0,91774
1,4 0,91924 0,92073 0,92220 0,92364 0,92507 0,92647 0,92785 0,92922 0,93056 0,93189
1,5 0,93319 0,93448 0,93574 0,93699 0,93822 0,93943 0,94062 0,94179 0,94295 0,94408
1,6 0,94520 0,94630 0,94738 0,94845 0,94950 0,95053 0,95154 0,95254 0,95352 0,95449
1,7 0,95543 0,95637 0,95728 0,95818 0,95907 0,95994 0,96080 0,96164 0,96246 0,96327
1,8 0,96407 0,96485 0,96562 0,96638 0,96712 0,96784 0,96856 0,96926 0,96995 0,97062
1,9 0,97128 0,97193 0,97257 0,97320 0,97381 0,97441 0,97500 0,97558 0,97615 0,97670
2,0 0,97725 0,97778 0,97831 0,97882 0,97932 0,97982 0,98030 0,98077 0,98124 0,98169
2,1 0,98214 0,98257 0,98300 0,98341 0,98382 0,98422 0,98461 0,98500 0,98537 0,98574
2,2 0,98610 0,98645 0,98679 0,98713 0,98745 0,98778 0,98809 0,98840 0,98870 0,98899
2,3 0,98928 0,98956 0,98983 0,99010 0,99036 0,99061 0,99086 0,99111 0,99134 0,99158
2,4 0,99180 0,99202 0,99224 0,99245 0,99266 0,99286 0,99305 0,99324 0,99343 0,99361
2,5 0,99379 0,99396 0,99413 0,99430 0,99446 0,99461 0,99477 0,99492 0,99506 0,99520
2,6 0,99534 0,99547 0,99560 0,99573 0,99585 0,99598 0,99609 0,99621 0,99632 0,99643
2,7 0,99653 0,99664 0,99674 0,99683 0,99693 0,99702 0,99711 0,99720 0,99728 0,99736
2,8 0,99744 0,99752 0,99760 0,99767 0,99774 0,99781 0,99788 0,99795 0,99801 0,99807
2,9 0,99813 0,99819 0,99825 0,99831 0,99836 0,99841 0,99846 0,99851 0,99856 0,99861
3,0 0,99865 0,99869 0,99874 0,99878 0,99882 0,99886 0,99889 0,99893 0,99896 0,99900
3,1 0,99903 0,99906 0,99910 0,99913 0,99916 0,99918 0,99921 0,99924 0,99926 0,99929
3,2 0,99931 0,99934 0,99936 0,99938 0,99940 0,99942 0,99944 0,99946 0,99948 0,99950
3,3 0,99952 0,99953 0,99955 0,99957 0,99958 0,99960 0,99961 0,99962 0,99964 0,99965
3,4 0,99966 0,99968 0,99969 0,99970 0,99971 0,99972 0,99973 0,99974 0,99975 0,99976
3,5 0,99977 0,99978 0,99978 0,99979 0,99980 0,99981 0,99981 0,99982 0,99983 0,99983
3,6 0,99984 0,99985 0,99985 0,99986 0,99986 0,99987 0,99987 0,99988 0,99988 0,99989
3,7 0,99989 0,99990 0,99990 0,99990 0,99991 0,99991 0,99992 0,99992 0,99992 0,99992
3,8 0,99993 0,99993 0,99993 0,99994 0,99994 0,99994 0,99994 0,99995 0,99995 0,99995
3,9 0,99995 0,99995 0,99996 0,99996 0,99996 0,99996 0,99996 0,99996 0,99997 0,99997
4,0 0,99997 0,99997 0,99997 0,99997 0,99997 0,99997 0,99998 0,99998 0,99998 0,99998

Basado en Material de Preuniversitario Pedro de Valdivia

(Por favor no distribuir y mantener para el uso personal)

Recuerda visitar nuestra pgina web para ms material e informacin

http://www.derechoalau.cl/