Estad. Infer. Guia

UNIVERSIDAD PRIVADA DOMINGO SAVIO ESTADISTICA INFERENCIAL
Unidad I
Elementos de probabilidad
I.1.- DEFINICION DE PROBABILIDAD
En general la probabilidad es la posibilidad de que algo pase.
Las probabilidades se pueden expresar de tres maneras como:
 Fracciones ¾, ½, ¼, …
 Decimales 0.75, 0.50, 0.25, …
 Porcentajes 75%, 50%, 25%, …
Las probabilidades están siempre entre cero y uno.

Tener una probabilidad de cero significa que algo nunca va suceder;
una probabilidad de uno indica que algo va suceder siempre.
I.2.- CONCEPTOS BÁSICOS
DEFINICION DE EVENTO
En teoría de la probabilidad, un evento es uno o más de los posibles
resultados de hacer un experimento.
En otras palabras, un evento es todo lo que puede suceder.
DEFINICION DE EXPERIMENTO (Ex )
Un experimento es aquella actividad que origina un evento.
DEFINICION DE ESPACIO MUESTRAL ( S )

Es el conjunto de todos los posibles resultados o eventos de un experimento.
EVENTOS MUTUAMENTE EXCLUYENTES (ME)

Se dice que dos eventos son mutuamente excluyentes,
si uno y solo uno de ellos puede tener lugar en un mismo
tiempo.
AREA DE CIENCIAS BASICAS 6

EVENTOS NO MUTUAMENTE EXCLUYENTES

(NME)
Se dice que dos eventos no son mutuamente excluyentes
si pueden ocurrir juntos o la vez.
Ejemplo
Si se lanza un dado una vez. Determinar el espacio muestral.
Ex = “Lanzar un dado una vez” (Experimento).
S = { 1, 2, 3, 4, 5, 6 } ( Espacio Muestral ).
Si se tienen los siguientes pares de eventos indicar si son

Mutuamente excluyentes o no.
A = Que el resultado al lanzar el dado sea un 3.

B = Que salga un número par.
C = Que salga un número impar.
D = Que salga un número mayor a 5.
A y B ……………….. B y C ………………
A y C ……………….. B y D …………… ..
A y D ……………….. C y D ………………
EJERCICIOS PROPUESTOS
1.- Si se saca una carta de una baraja de 52 cartas.

Cuales de las siguientes parejas de eventos son mutuamente excluyentes y cuales no.
A = Que sea una carta roja.

B = Que sea una carta de corazón.
C = Que sea un número par. S=
D = Que sea un 3 de espadas.
A y B ………….. B y C ………….
A y C ………….. B y D ………….
A y D ………….. C y D ………….
2.- Si se lanzan dos dados a la vez y se quiere analizar la suma de los dos
resultados. Determinar si los siguientes eventos son mutuamente excluyentes o no.
A = La suma de los dos resultados sea un número par.

B = La suma es un número cinco. Espacio Muestral (S)
C = Un cinco en uno de los dados.
D = La suma sea mayor que 7.
A y B ………….. B y C ………….
A y C ………….. B y D ………….
A y D ………….. C y D ………….
3.- Si se lanza una moneda tres veces, y se quiere analizar

el número de caras que se pueden obtener. Determinar si
los siguientes eventos son mutuamente excluyentes o no.
A = Que salgan 3 caras

B = Que no salga ninguna cara.
C = Que salgan tres sellos.
D = Que salgan 2 o mas caras.
A y B ………….. B y C ………….
A y C ………….. B y D ………….
A y D ………….. C y D …………

I.3.- CLASIFICACION DE LA PROBABILIDAD DE ACUERDO

A SU ORIGEN
Existen tres maneras básicas de clasificar la probabilidad:
 PROBABILIDAD DE TIPO CLASICA

Matemáticamente:
una parte
Probabilidad de un evento 
total
 PROBABILIDAD DE TIPO DE FRECUENCIA RELATIVA

Cuando las probabilidades se hallan a través de la observación de un
evento durante un gran numero de veces, esto origina normalmente
los cuadros de distribución de frecuencias.
Este método se basa en observaciones pasadas.
 PROBABILIDAD DE TIPO SUBJETIVA

Es aquella que esta basada en opiniones o creencias de las personas.
4.- Si se extrae una carta de una baraja de 52 cartas,

determinar cuál es la probabilidad de que los siguientes eventos ocurran?
a) La carta sea un número 7 ……………

b) Una carta negra ……………
c) Un número par ……………
d) Un dos rojo ……………
5.- Si se lanzan dos dados a la vez, cual es la probabilidad de

los siguientes eventos:
a) ¿Qué tipos de estimación de probabilidad son éstos?

b) La suma de los dos resultados sea 5.
c) La suma de los resultados sea un número par.

d) Salga un número par en un dado y un total de 7 puntos.
e) La suma sea mayor a 6.
f) Un total de 8 puntos y un número par en un dado.
6.- El secretario de un sindicato, redactó una lista de demandas salariales que se

presentará al gerente de la empresa. Para darse una idea del grado de apoyo que existe
entre los trabajadores con respecto a su propuesta, hizo un sondeo aleatorio entre los
dos grupos principales de trabajadores, los maquinistas (M) y los inspectores (I). Tomó
30 trabajadores de cada grupo con los resultados siguientes:
Opinión sobre el paquete M I___
Apoyo fuerte 9 10
Apoyo leve 11 3
Indecisos 2 2
Levemente opuestos 4 8
Fuertemente opuestos _4_ _7_
30 30
a) ¿Cuál es la probabilidad de que un maquinista, seleccionado al azar del grupo
sondeado, apoye levemente el paquete?
b)¿Cuál es la probabilidad de que un inspector, seleccionado al azar del grupo sondeado, esté indeciso con respecto al
paquete?
c) ¿Cuál es la probabilidad de que un trabajador (maquinista o inspector), seleccionado al azar del

grupo sondeado, apoye el paquete, ya sea fuerte o levemente?
d)¿Qué tipos de estimación de probabilidad son éstos?
7.- A continuación tenemos una distribución de frecuencias de las comisiones anuales por ventas tomada de un estudio de 300
vendedores promedio.
Comisión anual Frecuencia

0 – 5,000 15
5,000 – 10,000 25
10,000 – 15,000 35
15,000 – 20,000 125
20,000 – 25,000 70
25,000 o más 30
Basándose en esta información, ¿cuál es la probabilidad de que un vendedor promedio obtenga una comisión de a) entre
5,000 y 10,000; b) menor de 15,000; c) más de 20,000, y d) entre 15,000 y 20,000.
I.4.- REGLAS DE PROBABILIDAD
 EVENTOS MUTUAMENTE EXCLUYENTES

Se dice que dos eventos A y B son mutuamente excluyentes si uno y sólo
uno de ellos puede suceder a la vez. Matemáticamente, la probabilidad
que al menos uno de ellos suceda se calcula con:
P ( AoB )  P ( A ) + P ( B )
 EVENTOS NO MUTUAMENTE EXCLUYENTES

Se dice que dos eventos A y B son no mutuamente excluyentes si ambos
pueden suceder a la vez. Matemáticamente, la probabilidad que al menos
uno de ellos suceda se calcula con:
P( AoB)  P( A ) + P( B )  P( A  B )
8.- En cierta ciudad, la probabilidad que una familia tenga

televisión por cable es de 0.85, y que disponga de Internet
en su casa es de 0.60 y que tengan ambos servicios es 0.50.
a) graficar en un diagrama de VENN los eventos descritos.
b) ¿Cuál es la probabilidad que una familia tenga al menos
uno de estos artefactos?
9.- Un estudiante se presenta a dos universidades A y B. La

probabilidad que sea admitido en la universidad A en 0.8;
a la universidad B en 0.75, en al menos una de ellas en
0.95.

a) ¿Cuál es la probabilidad que ingrese a ambas

universidades?
b) Cual es la probabilidad de que solo ingrese a la
universidad A, pero no a B.
10.- Un inspector de SAGUAPAC tiene asignada la tarea de comparar la
eficiencia de dos estaciones de bombeo. Cada estación es susceptible de dos
tipos de falla: fallas en las bombas y fallas por fugas. Cuando una de éstas (o ambas) se
presentan, la estación debe quedar fuera de servicio. Los datos disponibles indican que prevalecen las
siguientes probabilidades:
Estación P(falla P(fuga) P(ambas)
en
bombeo)
1 0.07 0.10 0.00
2 0.09 0.12 0.06
¿Cuál estación tiene la mayor probabilidad de quedar fuera de servicio?

11.- En una ciudad se publican tres revistas: A, B y C. Realizada una encuesta,
se estima que de la población adulta: el 20% lee A, 30% lee B, 25% lee C;
10% lee A y B, 8% lee A y C y 12% lee B y C; además 3% lee las tres
revistas. Se elige aleatoriamente una persona adulta, calcular la probabilidad
que lea al menos una de estas revistas.
I.5.- DESCRIPCION DE LOS TIPOS DE PROBABILIDAD
 PROBABILIDAD SIMPLE
Es la posibilidad de que ocurra un solo evento, se simboliza por una sola
letra mayúscula. Ejemplo: P(A)
 PROBABILIDAD CONJUNTA
Es la posibilidad de que ocurran dos eventos al mismo tiempo, se
simboliza por dos letras que corresponden a los eventos. Ejemplo: P ( A  B )
 PROBABILIDAD CONDICIONAL
Es la posibilidad de que ocurra un evento sabiendo que otro evento ya
ocurrió. Se simboliza por dos letras que corresponden a los eventos A que
es el que queremos calcular en este caso y B el evento que ya ocurrió.
Ejemplo: P(A / B)

I.6.- EVENTOS INDEPENDIENTES

Se dice que dos eventos A y B son independientes cuando el resultado de
uno de ellos no afecta el posterior resultado de otro experimento.
Probabilidad Marginal P(A) = P(A)

Probabilidad Conjunta
P ( A  B )  P ( A)  P ( B )
Probabilidad Condicional P( A / B) = P(A)
12.- Al lanzar dos dados y sumar los dos resultados posibles, ¿cuál es la probabilidad de obtener:
a) Un total de siete puntos en el primer lanzamiento, seguido de 11 en el segundo?
b) Un tres en el primer lanzamiento y un número par en el segundo.
c) Un total de 12 en el segundo lanzamiento dado que en el primero salio un total de 10.
d) Salga un total de 5 en el segundo lanzamiento dado que en el primero fue también un total de 5.
13.- ¿Cuál es la probabilidad de de que al elegir con reemplazo dos cartas, al azar y una cada vez, de un mazo de barajas:
a) Salga una carta roja en la primera extracción y una negra en la segunda.
b) Salga una carta par en la primera extracción y una impar en la segunda.
c) Salga una figura en la segunda extracción, dado que la primera carta fue roja?
d) Salga un As en la segunda extracción, dado que la primera carta fue una figura?
14.- El Departamento de Salud de la Alcaldía efectúa rutinariamente dos inspecciones independientes a los restaurantes; un
restaurante aprobará la inspección sólo si ambos inspectores lo aprueban en cada una de las inspecciones. El inspector A
tiene mucha experiencia, en consecuencia, solo aprueba 2% de los restaurantes que realmente están violando el reglamento
de salubridad. El inspector B tiene menos experiencia y aprueba 7% de los restaurantes con fallas. ¿Cuál es la probabilidad
de que:
a) El inspector A apruebe un restaurante, dado que el inspector B ha encontrado violaciones al reglamento?

b) El inspector B apruebe un restaurante que esté violando el reglamento, dado que el inspector A lo aprobó?
c) Un restaurante que esté violando el reglamento sea aprobado por el Departamento de Salud?
I.7.- EVENTOS DEPENDIENTES

Se dice que dos eventos A y B son dependientes cuando el
resultado de uno de ellos afecta el posterior resultado de otro
experimento.
Probabilidad Condicional P(A�B)

P(A / B) 
P(B)
Probabilidad Conjunta
P ( A �B )  P ( B ) * P ( A / B )
Probabilidad marginal
P ( A )  P ( A �B ) + P ( A �C ) + P ( A �D ) + ........
15.- Tenemos dos eventos, A y B, estadísticamente

dependientes. Si P(A) = 0.39, P(B) = 0.21 y P(A o B) = 0.47,
encuentre la probabilidad de que:
a) Ocurran tanto A como B
b)Se presente B, dado que A ya se ha presentado.
c) Se presente A, dado que B ya se ha presentado.
16.- Dado que P(A) = 3/4 , P(B) = 1/6, P(C) = 1/3, P(A y C) =
1/7 y P(B|C) = 5/21, encuentre las siguientes probabilidades:
P(A|C); P(B y C); y P(C|B).
17.-En un comedor de beneficencia, una trabajadora social

reúne los siguientes datos. De las personas que acuden al
comedor, 59% son hombres, 32% son alcohólicos y 21% son
hombres alcohólicos. Cual es la probabilidad de escoger una
persona de las que asisten al comedor:
a) ¿Qué sea alcohólico dado que es hombre?
b) ¿Qué sea una mujer y sea alcohólica?
c) ¿dado que es una persona alcohólica que sea mujer?

18.- Durante un estudio sobre accidentes automovilísticos,

Tránsito encontró que 60% de los accidentes suceden de
noche, 53% están relacionados con conductores
alcoholizados y 37% se presentan de noche y están
relaciones con conductores ebrios.
a) ¿Cuál es la probabilidad de que un accidente esté
relacionado con un conductor alcoholizado, dado que
sucedió de noche?
b) ¿Cual es la probabilidad de que un accidente ocurra de
día y este relacionado con un ebrio?
c) ¿Si un accidente ocurrió de noche, cual es la probabilidad
de que el conductor haya estado sobrio?
19.- Una compañía comercial tiene 130 sucursales localizadas en las tres departamentos del país y se dedican a la venta de
diversos artículos tal como aparece en el cuadro:
Regiones Carros Repuestos Art. eléctricos Total

Santa Cruz 50 20 30 100
Cochabamba 10 5 10 25
La Paz 1 0 4 5
Total 61 25 44 130
Se selecciona, al azar, una sucursal para colocar en el mercado un nuevo producto que pueda ser vendido por
cualquiera de las sucursales. Determinar la probabilidad que:
a) La sucursal este localizada en Santa Cruz y venda autos.
b) Venda artículos eléctricos dado que está localizada en La Paz.
c) Esté localizada en La Paz, dado que vende repuestos.
d) Venda repuestos o artículos eléctricos.
e) Venda repuestos dado que está localizada en Cochabamba.
20.- De los 250 empleados de una compañía, 130 fuman cigarrillos. Hay
150 hombres que trabajan en esta compañía, de los cuales 85 fuman
cigarrillos. ¿Cuál es la probabilidad que un empleado seleccionado al azar,
a) ¿No fume cigarrillos?
b) ¿Sea mujer y fume cigarrillos?
c) ¿Sea hombre o fume cigarrillos?
d) ¿Fume cigarrillos dado que es mujer?
21.- Cierta universidad en formación en su primer año de funcionamiento tiene tres carreras: Ciencia, Administración e
Ingeniería. La clasificación de los alumnos por su sexo es como sigue:
Regiones Ciencia Administración Ingeniería Total

Hombres 250 350 200 800

Mujeres 100 50 50 200

Total 350 400 250 1000
Se selecciona un estudiante aleatoriamente del grupo. Si se sabe que el estudiante es hombre. ¿Cuál es la probabilidad que esté
en Ciencias? ¿Cuál que esté en ingeniería? ¿Cuál que el estudiante esté matriculado en Administración?.
Si el estudiante es mujer. ¿Cuál es que esté en Ciencias? ¿Cuál que esté en ingeniería? ¿Cuál que esté en Administración?
I.8.- TEOREMA DE BAYES

La formula básica de la probabilidad condicional se conoce como TEOREMA DE BAYES:
P( AB)
P( A )
B P( B)
El Teorema de Bayes ofrece un método estadístico para evaluar nueva información y revisar nuestras anteriores estimaciones.
Se puede generalizar la fórmula anterior cuando se presentan varias condicionales. La fórmula general es:
P( R ).P(A)
P( A ) A
R P( R ).P(A) + P( R ).P(B) + . . . . .
A B
EJEMPLO
De darse la capitalización de las empresas papeleras el próximo año, la probabilidad de que el papel de imprenta aumente de
precio es de 90%. Pero si la capitalización no se realiza, la probabilidad de un aumento es de 40%. En general, estimamos que
hay una posibilidad de 60% de que la se realice la capitalización el próximo año.
a) Elabore un árbol de probabilidades de esta situación que implica eventos independientes, empleando C y C´ Para la
capitalización y no capitalización y A y A´ para el aumento y no aumento en el precio del papel.
b) Supongamos que, en efecto, el precio del papel aumenta en el curso del año próximo. ¿Cuál es la probabilidad de que se
realice la capitalización de las papeleras?.
Respuestas:
a)
0.90 A
0.60 C 0.10 A´
0.40 A
0.40 C´
0.60 A´
b) El teorema de Bayes se expresa así:

P ( A / C ) P (C ) 0.90 * 0.60
P(C/A) = 
P( A / C ) P(C ) + P( A / C´)P(C´) 0.90 * 0.60 + 0.40 * 0.40
Entonces la respuesta es: 0.77 ó 77%
22.- Una constructora está considerando la posibilidad de construir un condominio en la zona de la carretera a Cotoca. Un
elemento vital es esta consideración es un proyecto de la doble vía a Cotoca Si el consejo municipal aprueba la doble vía, hay
probabilidad de 0.90 de que la compañía construya el condominio en tanto que si la doble vía no es aprobada la probabilidad es

de solo 0.20. Basándose en la información disponible, el gerente de la constructora estima que hay probabilidad de 0.60 que la
doble vía sea aprobada.
a) ¿Cuál es la probabilidad que la compañía construya el condominio?
b) Dado que el condominio fue construido. ¿Cuál es la probabilidad de la doble vía haya sido aprobada?
23.- En una línea de producción hay dos procesos, A y B. En el proceso A hay un 20% de defectuosos y en B hay 25%. En una
muestra de 300 productos hay 200 del proceso A y 100 del B.
a) Si se extrae un producto al azar, hallar la probabilidad que sea defectuoso.

b) Si al extraer al producto resultó defectuoso, halle la probabilidad de que sea del proceso A
24.- La compañía importadora de automóviles NIBOL, se ha presentado a una licitación para proveer de 20 automóviles para la
policía. La probabilidad que NIBOL gane la licitación es de 0.90 si su firma competidora TOYOSA no se presenta, en tanto
que es de solo 0.20 si lo hace. El gerente general de NIBOL estima una probabilidad de 0.80 que TOYOSA se presente.
a) ¿Cuál es la probabilidad que NIBOL gane la licitación?

b) Dado que NIBOL ganó la licitación, ¿cuál es la probabilidad que TOYOSA se haya presentado a ella?
25.- Una compañía de petrolera, debe decidir, si taladra o no un lugar determinado que tiene bajo contrato. Por investigaciones
geológicas practicadas, se sabe que existe un probabilidad de 0.45 que una formación tipo I se extiende debajo del lugar
prefijado para taladrar; 0.3º de probabilidad que exista una formación tipo II y de 0.25 de tipo III. Estudios anteriores indican
que el petróleo se encuentra en un 30% de las veces en las formaciones tipo I y un 40% en las de tipo II y un 20% en las del
tipo III. Determinar la probabilidad que si no se encontró petróleo, la perforación fue hecha en la formación de tipo I.
PRUEBA DE CONCEPTOS DE LA UNIDAD I
Nombre del Alumno……………………………………………………………………
Horario:…………………………….Fecha:……………………………………………

Marque con un círculo la respuesta correcta
V F En la teoría de la probabilidad, el resultado de algún experimento se conoce como actividad.

V F La probabilidad de que dos o más eventos estadísticamente independientes se presenten de manera simultánea o
consecutivamente es igual a la suma de sus probabilidades.
V F En probabilidad clásica, podemos determinar a priori las probabilidades basadas en un razonamiento lógico antes de
que cualquier experimento se lleve a cabo.
V F El conjunto de todos los resultados posibles de un experimento se conoce como espacio muestral del experimento.
V F Cuando una lista de eventos que resulta de algún experimento incluye todos los resultados posibles, se dice que la
lista es colectivamente excluyente.
V F Cuando la presentación de algún evento no tiene efecto sobre la probabilidad de presentación de algún otro, se dice
que los dos eventos son estadísticamente independientes.
Investigar que representan los siguientes términos:
a) Árbol de Probabilidad:…………………………………………………………………………
………………………………………………………………………………………………………
………………………………………………………………………………………………………
b) Diagrama de Venn: ……………………………………………………………………………..
……………………………………………………………………………………………………….
……………………………………………………………………………………………………….
c) Probabilidad Subjetiva:………………………………………………………………………….
………………………………………………………………………………………………………
………………………………………………………………………………………………………
d) Probabilidad Clásica:…………………………………………………………………………..
………………………………………………………………………………………………………
………………………………………………………………………………………………………
e) Probabilidad Conjunta:………………………………………………………………………….
…………………………………………………………………………………………………………………………………
……………………………………………………………………………
f) Probabilidad marginal:…………………………………………………………………………
……………………………………………………………………………………………………….
……………………………………………………………………………………………………….
g) Probabilidad Subjetiva…………………………………………………………………………
…………………………………………………………………………………………………………………………………
……………………………………………………………………………

Unidad II
Variables aleatorias y funciones de probabilidad
 Un experimento aleatorio es aquel que proporciona diferentes resultados cuando se
repite siempre de la misma manera.
 El conjunto de los posibles resultados de un experimento aleatorio recibe el nombre
de espacio muestral.
II.1.- VARIABLE ALEATORIA

Con frecuencia es útil resumir con un número el resultado de un experimento aleatorio.
La variable que asocia un número con el resultado de un experimento aleatorio se conoce

como variable aleatoria.
Otra forma de definir variable aleatoria es decir que: es aquella que toma diferentes valores
como resultado de un experimento aleatorio.
Matemáticamente, una variable aleatoria es una función que asigna un número real a cada
resultado en el espacio muestral de un experimento aleatorio.
Las variables aleatorias se denotan con una letra mayúscula, tal como X, y con una letra
minúscula, como x, el valor posible de X.
EJEMPLOS DE VARIABLES ALEATORIAS

En c/u de los ejemplos, determine la variable aleatoria y cuáles son posibles valores que
toma.
 Se analiza una muestra de 5 celulares, se quiere observar cuántos poseen una avería
interna en las pilas.
 Una empresa posee un sistema de comunicación por voz de 30 líneas, se estudia el
número de líneas ocupadas en cualquier momento.
 Hay que contar él número de defectos que se pueden encontrar en la superficie de una
bobina grande de acero galvanizado.
II.2.- VARIABLES ALEATORIAS DISCRETAS Y CONTINUAS.

Si la variable aleatoria sólo puede tomar un valor de un conjunto limitado de valores,
entonces es una variable aleatoria discreta. En el otro extremo, sí se puede tomar cualquier
valor dentro de un intervalo dado, entonces se trata de una variable aleatoria continua.
Otra forma de describir las variables aleatorias es:

 Una variable aleatoria es discreta si se puede CONTAR los valores que ella toma.
 Una variable aleatoria es continua si se pueden MEDIR los valores que ella toma.
II.3.- DISTRIBUCIÓN DE PROBABILIDAD

Una distribución de probabilidad, de una variable aleatoria X, es una
descripción del conjunto de valores posibles de X, junto con la probabilidad
asociada a c/u de estos valores.
Existen dos tipos de estas distribuciones o funciones de probabilidad:
 Función de probabilidad, cuando se habla de variables discretas

 Función de densidad de probabilidad, cuando se trata de variables continúas.

Función de densidad de
Función de probabilidad
probabilidad
Matemáticamente, es la Matemáticamente, es aquella
función P(X=x) que va desde el función de una variable
conjunto posible de los valores aleatoria continua X que
de la variable discreta X al cumple las siguientes
intervalo[0,1] condiciones:
Propiedades: Propiedades:
1. P(X = x) ≥ 0 1. ----------
+
2.  P(X = x) =1 2.  f(x)dx  1

b b
3. P(a  X  b)   P(X  x ) 3. P(a  X  b)   f(x)dx

a a
4. P(X  a )   P(X  x ) 4. ----------

0
II.4.- VALOR ESPERADO

El valor esperado de una variable aleatoria es el equivalente a la media o promedio
aritmético, que se utiliza para identificar el valor central de la variable aleatoria.
Matemáticamente, se define:
μ X  E(x)   x.P(x) , para variables discretas

+
μ X  E(x)   x.f(x)dx ,

para variables continuas
EJEMPLO

El número de motos de cuatro ruedas solicitadas en renta en una caseta de alquiler de

motos en las orillas del río Piraí durante un periodo de 50 días se identifica en la tabla
siguiente:
Demanda( X) Número de días
3 6 = 6/50 = 0,12
4 10
5 15
6 9
7 6
8 4
a) Construir la función de probabilidad.

b) Determinar el valor esperado.
c) Graficar la función de probabilidad.
Se elabora un cuadro calculando la probabilidad de demanda

diaria y luego el valor esperado:
a)
FUNCIÓN DE PROBABILIDAD
Demanda Probabilidad Valor Esperado

(X) P(X) [X*P(X)]
3 0.12 0,36
4 0.20 0,80
5 0.30 1,50
6 0.18 1,08
7 0.12 0,84
8 0.08 0,64
1.00 E(X) = 5,22
b) El valor esperado es 5,22 motos.

c) Graficar

P(x)
0.3
0,25
0,20
0,15
0,10
0,05
3 4 5 6 7 8 x
d) Determinas: P(X = 5); P(X ≥ 3); P(X < 6); P(5 ≤ X < 8); P(4 < X < 6)
PROBLEMAS PROPUESTOS
1.- Construya una distribución de probabilidad basada en la siguiente distribución de frecuencia.
Resultado 102 105 108 111 114 117

Frecuencia 10 20 45 15 20 15
a) Construir la función de probabilidad y graficarla.

b) Determinar el valor esperado.
c) Determinar: P(X = 105); P(X ≥ 103); P(X < 106); P(105 ≤ X < 118); P(104 < X < 114)
2.- Basándose en la siguiente gráfica de una distribución de probabilidad, construya una tabla que corresponda a la gráfica y
determine el valor esperado.
0.25
0.2
0.15
0.1
0.05
0
1 2 3 4 5 6 7 8 9 10
II.5.- APLICACIONES A LA TOMA DE DECISIONES
Problema: Combinación de probabilidades y valores monetarios (Pérdidas y ganancias de dinero)
EJEMPLO
Una florista estima su venta diaria de docenas de rosas de la forma siguiente:
Venta estimada diaria Probabilidad de la

en docenas venta estimada
12 0.5
13 0.4
14 0.1
La florista debe ordenar las rosas con un día de anticipación. Las rosas que no se venden en un día se pierden. Si el costo de las
rosas es de 10 Bs. Por docena y su precio de venta es de 30 Bs. Por docena. ¿Cuántas docenas debe ordenar la florista para
minimizar su pérdida diaria?
Precio = Utilidad + costo

30 = 20 + 10
Tabla de Pérdidas Condicionales

Posibilidad De Posibles opciones de Tener rosas
Vender 12 13 14
12 0 10 20
13 20 0 10
14 40 20 0
Cuadro de pérdidas esperadas
12 13 14
Posibles Probabilidad de Perd. Perdida perd. Perdida perd. Perdida
Ventas Cada venta Condi. esperada condi esperada condi esperada
12 0.5 0 0 10 5 20 10
13 0.40 20 8 0 0 10 4
14 0.1 40 4 20 2 0 0
12 7 14
Escogemos el menor de las pérdidas esperadas, el cual corresponde con la decisión de comprar diariamente 13 docenas de
rosas, debido a que este valor ocasionará la menor pérdida esperada en el futuro.
2.- El dueño de una panadería cuyo producto estrella es el pan francés que distribuye en diferente mercado, tiene problemas
para determinar cual seria la cantidad de pan que debe fabricar diariamente, considerando que aquel pan que no vende el mismo
día no sirve para el día siguiente, pero que puede recuperar 0,1 Bs por pan si lo vende como harina de pan molido. El costo de
fabricar cada pan es de 0.4 Bs y se vende a sus clientes mayoristas a 0.7 Bs la unidad.
Tiene registrados las cantidades vendidas durante lo últimos 140 dias y se encuentran en la siguiente tabla:
Unidades Vendidas Total de

5000 7500 10000 12500
días
Número de días de
20 40 55 25 140
Venta
a) Cuanto es la perdida esperada para cada caso.

b) Cuantos panes debe producir a diario para minimizar las pérdidas.
c) Si se recuperan 0,20 Bs por cada pan que se hace harina de pan molido. ¿Cambiaría la decisión tomada?
PRUEBA DE CONCEPTOS DE LA UNIDAD II
Horario:…………………………….Fecha:……………………………………………
V F Una distribución continua de probabilidad es aquella en la cual la variable tiene permitido tomar cualquier valor
dentro de un intervalo dado.

V F El valor esperado de un experimento se obtiene sacando un promedio entre los diferentes valores que puede tomar
mi variable.
V F Cualquier opción que minimice mis pérdidas minimiza también mis ganancias esperadas.
V F Un ejemplo de una pérdida de oportunidad podría ser la pérdida de ventas debido a un exceso de madurez en la fruta
de una tienda de abarrotes.
a) Variable aleatoria:…………………………………………………………………………
………………………………………………………………………………………………………
………………………………………………………………………………………………………
………………………………………………………………………………………………………
b) Valor esperado: …………………………………………………………………………………
……………………………………………………………………………………………………….
……………………………………………………………………………………………………….
……………………………………………………………………………………………………….
d) Perdidas de oportunidad:……………………………………………………………………….
………………………………………………………………………………………………………
………………………………………………………………………………………………………
………………………………………………………………………………………………………
e) Perdidas por obsolescencia:……………………………………………………………………..
………………………………………………………………………………………………………
………………………………………………………………………………………………………
………………………………………………………………………………………………………
f) Indique dos ejemplos de variables aleatorias continuas
……………………………………………………………………………………………………....
……………………………………………………………………………………………………….
……………………………………………………………………………………………………….
g) Indique dos ejemplos de variables aleatorias discretas
……………………………………………………………………………………………………….
……………………………………………………………………………………………………….
……………………………………………………………………………………………………….
Unidad II
Distribuciones de probabilidad importantes
III.1.- DISTRIBUCIÓN BINOMIAL
Es cualquier experimento formado por una serie de n ensayos repetidos
tales que:
1. los ensayos son independientes.

2. cada ensayo tiene dos resultados posibles, denominados “éxito” y

“fracaso”
3. la probabilidad de éxito de cada ensayo, denotada por p, permanece
constante.
Las probabilidades se calculan a través de la siguiente formula:

n!
P(X  r/n,p) pxqn x
x! n x !
La variable puede tomar los valores x = 0, 1, 2,…n
PROPIEDADES
μ X  E(x)  np  X2  V(x)  npq
EJEMPLO
Después de una auditoria externa en una empresa

financiera se determinó que el 30 % de sus créditos están en
mora. Si el auditor interno toma una muestra aleatoria de
cinco de esas cuentas, determine la probabilidad de que
exactamente dos créditos estén en mora.
Utilizando la formula binomial tenemos:
n!
P(X = r/ n,p) =  p  r q nr
r!( n  r )!
Donde:
n=5
p=0,3
p+q =1
q = 0,7
5!
P(X = 2/n = 5, p = 0,3) = 2!(5  2)!
(0.30) 2 (0.7) 3  0.3087

Entonces la probabilidad es 0.3087

1.- Un examen consta de diez preguntas, cada pregunta es de selección múltiple con tres opciones de las cuales solo una es
correcta. Un estudiante que desconoce la materia intenta resolver el examen respondiendo las preguntas al azar:
a) Si necesita responde como mínimo 5 preguntas correctas para aprobar el examen. ¿Cuál es la probabilidad de que el
estudiante apruebe?
b) Cual es la probabilidad de que conteste al menos 3 preguntas correctas?
c) Cual es la probabilidad de que conteste como mínimo 4 preguntas correctas?
d) Cual es la probabilidad de que conteste entre 2 y 6 preguntas correctas?
c) Cual es el número esperado de respuestas correctas que puede tener el estudiante?
2.- En una universidad el 50% de los estudiantes están inscritos en carreras del área empresarial, el 20% en carreras de
Ingeniería, el 20% en derecho y el 10% en carreras de humanidades. Si se toma una muestra de 8 alumnos, cual es la
probabilidad:
a) Que hayan mas de 4 alumnos del área de empresariales.

b) Que exactamente 3 alumnos sean de derecho
c) Que como máximo 3 alumnos sean de Ingeniería
d) Que a lo sumo 5 sean del área de humanidades
3.- Suponga que un avión tiene seis motores. Cada motor trabaja de forma independiente, y la probabilidad de falla de cada
motor es de 3%. Determinar cual es la probabilidad de que en un vuelo cualquiera:
a) No ocurra ninguna falla.

b) Fallen como máximo 2 motores.
c) Si un avión necesita como mínimo tres motores funcionando para mantenerse en vuelo, cual es la probabilidad de que
el avión se caiga.
III.2.- DISTRIBUCION DE POISSON
Dado un intervalo de números reales, suponga que el conteo de

ocurrencias es aleatorio en dicho intervalo. Si este puede dividirse
en subintervalos suficientemente pequeños tales que:
1. la probabilidad de ocurrencia más de una ocurrencia en dicho

subintervalo es cero.
2. la probabilidad de ocurrencia en un subintervalo es la misma para
todos los subintervalos, y es proporcional a la longitud de éstos.
3. el conteo de ocurrencias en cada subintervalo es independiente

del de los demás subintervalos.
e-λ λx
P(X  x)
x!
PROPIEDADES
μX  E(x)  λ σ2X  V(x)  λ
EJEMPLO
Un promedio de cinco personas por hora realiza transacciones en una

ventanilla de servicios especiales de un Banco Comercial. Suponiendo
que el arribo de esas personas tiene una distribución independiente y
es igualmente probable a lo largo del periodo de interés ¿Cuál es la
probabilidad de que exactamente diez personas deseen realizar
transacciones en la ventanilla de servicios especiales durante una hora
en particular?
-λ x - 5 10
e λ e 5
P(X  x)  P(X  10)  P(X = 10) = 0,0181
x! 10 !
Donde:
e = Base del logaritmo neperiano (2, 7182)
λ = promedio
x = valor buscado
4.- En un banco llegan un promedio de 60 personas por hora para hacer alguna operación en las cajas de atención al público.
Cual es la probabilidad de que en 15 minutos:
a) Lleguen 20 personas
b) El número de clientes que llegan sea como mínimo 12
c) El numero de clientes este entre 13 y 18.
5.- El número de casos admitidos de emergencia en cierto Hospital durante 1 hora es una variable aleatoria con una distribución
de poisson con λ = 3. Determinar la probabilidad de que en cierta hora:
a) Ningún caso de emergencia es admitido.

b) Mas de cuatro casos de emergencia son admitidos.
c) Por lo menos 2 casos sean admitidos.

6.- Suponga que un libro de 585 páginas contiene 41 errores de ortografía distribuidos aleatoriamente. Cual es la probabilidad
que en diez paginas seleccionadas al azar:
a) Ninguna página tenga errores.

b) Hayan tres páginas con errores.
c) Como máximo 4 paginas tengan errores.
4.1. DISTRIBUCION NORMAL

Es sin duda la distribución más utilizada para modelar experimentos
aleatorios. La distribución normal es una distribución continua que
se ajusta a las distribuciones reales observada en muchos fenómenos
como ser:
 Las mediciones de velocidad de transmisión de datos.

 Las mediciones de corriente eléctrica
 Las mediciones de temperatura
 En general todo lo que se puede medir.
Tiene las siguientes propiedades:
 La curva o distribución de los datos es unimodal.

 La media de la población cae dentro del grafico y coincide con
el centro de la grafica.
 Los dos extremos de la distribución normal se extienden
indefinidamente y nunca tocan el eje horizontal (desde luego,
esto es imposible de mostrar de manera grafica)
 Para definir una distribución normal se necesitan solamente dos
parámetros la media y la desviación estándar.
La distribución es simétrica con
respecto a la línea vertical que pasa
por la media µ

FIG. GRAFICA DE LA DISTRIBUCION NORMAL
No es necesario ni posible tener una tabla distinta para cada distribución normal posible, en
lugar de ellos se utiliza una distribución normal estándar para encontrar las probabilidades.
Para ello se utiliza la siguiente transformación:
x -μ
z
σ
PROPIEDADES
E(x)  μ V(x)  
2
EJEMPLO
En una clínica de niños en la sección de emergencia, se tiene registrada la edad de cada uno de los niños que ha sido atendido
durante el año pasado. Tomando estos datos se encuentra que la edad media corresponde a 10 años, con una desviación típica de
3 años. Si se escoge un niño al azar, para analizar su expediente médico, ¿Cuál es la probabilidad de que:
a) El niño sea mayor a 13 años.

b) El niño sea menor a 5 años.
c) El niño este entre 6 y 15 años.
d) El niño este entre 11 y 14 años.
e) El niño tenga como máximo 12 años.
f) El niño sea por lo menos de 8 años.
SOLUCION
DATOS
Distribución normal
µ = 10 años
 = 3 años
a) P(x  13) = ?
µ = 10 x = 13
 La tabla de probabilidades sólo calcula menor o igual “”. Hay que sacar el complemento:
P(x  13) = 1 – P(x  13) . . . . . . . . . 
 Ahora estandarizamos para poder entrar en tablas:

x-μ 13  10
z    1.00
σ 3
 Entrando a tablas con Z = 1.00 tenemos:
Z 0.00 0.01 0.02 0.03 0.04 0.05

0.0
0.1
0.1
0.1
0.1

1.0 0.8413
 Reemplazando en la ecuación 
P(x  13) = 1 – P(x  13) = 1 – 0.8413 = 0.1587
b) P(x ≤ 5) = ?
x=5 µ = 10
 Como se tiene menor o igual “”. No hay necesidad de sacar el complemento:

x -μ 5  10
z    1.67
σ 3
 Entrando a tablas con Z = -1.67 tenemos:
Z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07

-3.5
-3.4
-3.3
-3.2
-3.1
-1.6 0.0475
 Finalmente
P(x  5) = 0.0475
c) P(6 ≤ x ≤ 15) = ?
x=6 x = 15
 Hay que realizar la siguiente transformación
P(6 ≤ x ≤ 15) = P( x ≤ 15) - P( x ≤ 6) . . . . . 

x -μ 15  10 x -μ 6  10
z    1.67 z    1.33
σ 3 σ 3
 Entrando a tablas con Z = 1.67 y después con Z = -1.33 tenemos:

Para Z = 1.67, la probabilidad es: 0.9525
Para Z = -1.33, la probabilidad es: 0.0918
P(6 ≤ x ≤ 15) = P( x ≤ 15) - P( x ≤ 6) = 0.9525 – 0.0918 = 0.8607

d) P(11 ≤ x ≤ 14) = ?
x = 11 x = 14
 Hay que realizar la siguiente transformación
P(11 ≤ x ≤ 14) = P( x ≤ 14) - P( x ≤ 11) . . . . . 

x -μ 14  10 x -μ 11  10
z    1.33 z    0.33
σ 3 σ 3
 Entrando a tablas con Z = 1.67 y después con Z = -1.33 tenemos:

P(11 ≤ x ≤ 14) = P(x ≤ 14) - P(x ≤ 11) = 0.9082 – 0.6293 = 0.2789
e) P(x ≤ 12) = ?
x = 12
 Como se tiene menor o igual “”. No hay necesidad de sacar el complemento:

x -μ 12  10
z    0.67
σ 3
 Entrando a tablas con Z = 0.67
La probabilidad es 0.7486
 Finalmente
P(x ≤ 12) = 0.7486
f) P(x ≥ 8) = ?
x=8
 Hay necesidad de sacar el complemento:
P(x ≥ 8) = 1 - P(x  8) . . . . . 

x -μ 8  10
z    0.67
σ 3
 Entrando tablas con Z = -0.67

La probabilidad es 0.2514
 Reemplazando en 
P(x ≥ 8) = 1 - P(x  8) = 1 -0.2514 = 0.7486
1.- Si “X” es una variable aleatoriamente distribuida normalmente con media de 6 y varianza de 25, hallar:
a) P( X ≤ 7)
b) P( X ≤ 3)
c) P( X ≥ 6.5)
d) P( X ≥ 4 )
e) P( 6 ≤ X ≤ 12)
f) P( 0 ≤ X ≤ 8)
g) P( -2 ≤ X ≤ 0)
2.- Dado que una variable aleatoria X tiene una distribución normal con media de 6.4 y desviación típica de 2.3, encontrar:
a) P(4  X  5) =
b) P(X  2) =
c) P(X  2) =
d) P(6.4 X  7.2) =
e) P(3.1  X  6.4) =
3.- las estaturas de 1000 estudiantes están distribuidas normalmente con una media de 174 centímetros y una desviación
estándar de 6.9 centímetros. ¿Que porcentaje de estudiantes :
a) Miden menos de 160 cm.
b) Entre 171 y 182 cm
c) Mayor o igual a 188 cm
4.- Un supermercado almacena 30 kilogramos de queso fundido cada semana. Si la demanda semanal de queso fundido esta
normalmente distribuida con una media de 24 Kilogramos y una desviación estándar de 5 Kilos. Determinar la probabilidad de
que en una semana cualquiera:
a) El supermercado agote su queso fundido antes de poder reabastecerse.
b) El supermercado se quede con 4 kilos en su almacén o menos.
c) El supermercado se quede con 3 kilos en su almacén o más.
5.- Para cierto examen la calificación promedio es de 70 puntos, con una desviación estandar de 10, si se desea aprobar al 60%
de los alumnos.
a) ¿Cuál debe ser la calificación mínima para aprobar?
b) Que porcentaje de alumnos han obtenido menos de 51 Puntos.
c) Que porcentaje de alumnos han obtenido más de 80 puntos.
6.- Un análisis estadístico de 500 llamadas telefónicas de larga distancia hechas desde una central telefónica indica que la
duración de esas llamadas tienen una distribución normal con una media de 129 segundos y desviación estándar de 30
segundos.
a) Cual es la probabilidad de que una llamada particular haya durado entre 89 y 169 segundos?
b) Que porcentaje de llamadas duraron menos de 60 segundos?
c) Cuantas llamadas duraron menos de 60 segundos?
d) Cual debe ser la duración de una llamada en particular para que solo el 5% de las llamadas sean mas cortas que ella?

PRUEBA DE CONCEPTOS DE LA UNIDAD III
Horario:…………………………….Fecha:……………………………………………
V F Los extremos derecho e izquierdo de la distribución normal se extienden indefinidamente sin tocar nunca el eje
horizontal.
V F Toda el área que se encuentra situada por debajo de la distribución normal tiene un valos de 50%.
V F Una vez se ha determinado el valor de P para la distribución binomial. El valor de q se calcula (1-P)
V F La altura de los humanos adultos se puede describir mediante una distribución de poisson.
a) Características de la distribución Binomial:……………………………………………………

………………………………………………………………………………………………………
………………………………………………………………………………………………………
…………………………………………………………………………………………………………………………………
……………………………………………………………………………
b) Características de la distribución de Poisson:……………………………………………………
……………………………………………………………………………………………………….
……………………………………………………………………………………………………….
…………………………………………………………………………………………………………………………………
…………………………………………………………………………….
h) Características de la distribución normal:…………………………………………………….
………………………………………………………………………………………………………
………………………………………………………………………………………………………
………………………………………………………………………………………………………
………………………………………………………………………………………………………
i) Dé dos ejemplos de variables que podrían representarse con una distribución Binomial:……..
………………………………………………………………………………………………………
………………………………………………………………………………………………………
………………………………………………………………………………………………………
i) Dé dos ejemplos de variables que podrían representarse con una distribución Poisson:………..
……………………………………………………………………………………………………….
……………………………………………………………………………………………………….
………………………………………………………………………………………………………..
h) Dé dos ejemplos de variables que podrían representarse con una distribución Normal:……………
……………………………………………………………………………………………………….
……………………………………………………………………………………………………….
……………………………………………………………………………………………………….

Unidad IV
Estimación por Intervalos de Confianza
Usted se habrá preguntado. ¿Por qué se llama Estadística Inferencial?, ¿Qué es inferir?, ¿De
qué se tratará la Unidad?, bueno, esta es una de las partes más lindas y apasionantes de la Estadística
Inferencial, los intervalos de confianza como su nombre lo dice son aproximaciones reales que
otorgamos a la población según los valores seleccionados en la muestra.
Es importante dividir este estudio en dos, primero en el caso de las muestras grandes. (Mayores
de 30) y por segundo las muestras pequeñas (menores que 30) todo esto vamos a explicarlo muy
fácilmente en este capítulo de nuestra guía.
Como tal Inferencial viene de inferir, generalizar, ejemplo, si se realizó una encuesta a 300
estudiantes de la Universidad con la intención de conocer la aceptación del nuevo método de
inscripciones por internet, en el estudio se mostró que el 40 % estaba satisfecho con el método y un
60% no, por lo tanto, inferimos que toda la universidad piensa lo mismo. Este proceso que hemos hecho
tan fácilmente tiene su grado de complejidad que vamos a desmenuzar en esta parte de la guía.
Pautas para que un intervalo de confianza funcione.
1.- Para que tenga validez el intervalo de confianza la encuesta debe estar hecha por muestreo.
2.- Los intervalos como su nombre lo dicen son infinitos valores entre un rango no un valor específico.
Intervalo de confianza para hallar una media poblacional (u),

cuando conocemos la varianza poblacional y tenemos una
muestra mayor a 30 datos.
La única forma de hallar “u” media poblacional, es trabajando un censo, como no podemos
trabajar con censos en la mayoría de las ocasiones por su elevado costo tomamos una muestra, los
resultados de la muestra debemos inferirlos a la población mediante un intervalo de confianza.
Ejemplo:
Se tomó una encuesta de 100 personas en Santa Cruz para estimar la demanda de pantalones
jeans, los datos mostraron un promedio de gasto anual en estas prendas de 150 dólares. Estudios
anteriores mostraron una varianza poblacional de 81 dólares. Estime con los datos de esta muestra los
valores de la población con un 95% de confiabilidad.
Fórmula:
La Desviación estándar del promedio puede calcularse de esta forma.
Solución:
Como podemos ver en los datos del problema nos dan la Varianza, que hallándole la raíz
podemos tener la desviación estándar, también tenemos el tamaño de la muestra, solo nos faltaría el
valor del estadígrafo “Z”, que ya aprendimos a buscarlos en el capítulo de Distribuciones de
probabilidad.

Como podemos ver nos piden un 95% de confiabilidad, por lo tanto, buscamos en la tabla el valor
de “Z” con un 95% de confiabilidad y tenemos que es 1.96, luego sustituimos y lo demás es una simple
operación matemática.
Ahora podemos hacer el intervalo de confianza.
Interpretación: Estamos seguros que en el 95% de todas las posibles muestras que se pudieron haber
obtenido en la población, los valores de la media oscilan entre 148.23 y 151.76 dólares.
4.1 Intervalo de confianza para hallar una media poblacional (u), cuando “NO” conocemos la
varianza poblacional y tenemos una muestra mayor a 30 datos.
En caso de que no conociéramos el valor de la varianza poblacional, tomamos la de la muestra.
Ejemplo:
Usted es el jefe de personal de la fábrica de caramelos “Dulcete” que tiene sus instalaciones a
las afueras de la Ciudad de Santa Cruz, en este momento la empresa tiene un buen posicionamiento en
el mercado cruceño, datos de nuestros socios de negocio indican que dos empresas del mismo rubro de
la Argentina van a incursionar en el mercado local, hace falta investigar el mercado de los caramelos en
Santa Cruz completa, teniendo en cuenta que los niños de 3 a 11 años son el 95% de nuestros clientes
se los va a tomar como población objetivo. Se visitan 100 colegios y se hace una encuesta a 15.000
estudiantes mostrando un promedio de gasto de 40 bolivianos por mes. Con un valor máximo de compra
de 85 bolivianos y un mínimo de 5 bolivianos. Calcular el intervalo de confianza que muestra los datos
de toda la población de niños de Santa Cruz con un 90% de confianza.
Solución:
Como podemos ver tenemos el valor del Rango, que sería (85 – 5), en este caso 80 bolivianos, la
teoría estadística muestra que el Rango dividido entre 4 es la Desviación Estándar. En este caso 80/4=
20.
El valor de “Z” para un 90% de confianza es 1.65
Interpretación: Estamos seguros que en el 90% de todas las posibles muestras que se pudieron haber
obtenido en la población, los valores de la media oscilan entre 39.7306 y 40.2694 dólares.

4.2 Intervalo de confianza en muestras pequeñas. (Distribución “t”)

Anteriormente trabajamos con muestras grande (≥30); pero hay casos en que no se puede trabajar con
este tipo de muestras, ejemplo. Si usted es el encargado de probar la seguridad de los autos Toyota y
para realizar su prueba tiene que chocar un auto contra un muro, le garantizo que no va a chocar 30
autos o más. En estos casos que tenemos muestras pequeñas trabajamos con la distribución “t” de
student.
Fórmula:
Ejemplo:
El promedio de ventas que debe tener la sucursal de “Ford” en Argentina es de 100.000 al mes
para dólares por mes para cubrir sus costos de producción y mantenimiento de la empresa. Usted ha
sido contratado como asesor e investigador de mercado y tiene que sugerirle al gerente general ¿Qué
hacer con la situación de la empresa?, ya que con menos de 100.000 dólares al mes no puede seguir
operando. Los datos de los últimos 7 meses muestran un ingreso promedio de 90.675 dólares y una
desviación estándar de 5.000 dólares. Con un 99% de confiabilidad ¿Qué consejo profesional le diría al
gerente general?
El valor de “t” para un 99% de confianza es 3.7007 , y los grados de libertad son 7-1=6
R) En este caso, podemos aconsejarle al gerente que cierre la empresa por que los resultados muestran
que con un 99% de confiabilidad las ventas están entre 83.681 y 97.668 dólares que no cubren el costo
de producción.
4.3 Intervalo de Confianza para hallar una proporción poblacional.

En el caso de las proporciones a diferencia de las medias siempre vamos a utilizar “Z”, no importa que
sean muestras grandes ó pequeñas.
Fórmula:
Que es lo mismo que decir.

Ejemplo:
Usted es el jefe de campaña del candidato “Augusto Hernández” para las elecciones municipales,
en la encuesta que usted tomó a 1.000 ciudadanos con su grupo de trabajo, el candidato tenía el 40%
de los votos, teniendo en cuenta un 95% de confiabilidad y teniendo en cuenta que para ganar la
elección se requiere el 36.85% de los votos, ¿Qué le diría al candidato?
Como vemos p= 0.4, q= 0.6, n= 1000 y “Z” para un 95% de confianza es 1.96.
Respuesta) Puede decirle al candidato que está tranquilo que estamos seguros que en un 95%
de todas las posibles muestras que se pudieron haber tomado, el candidato aparece como ganador.
¡¡Felicidades!
4.4 Ejercicios de Intervalos de Confianza:
Intervalos de Confianza para hallar (u) cuando σ es conocida.
4.1.- Cien latas de de 16 onzas de la salsa de tomates Jakes Mom tienen un promedio de 15.2 onzas.
La desviación estándar poblacional en peso es de 0.96 onzas. ¿A un nivel de confianza del 95% las
latas están llenas con un promedio de 16 onzas?
4.2.- Una muestra de 500 personas muestran un promedio de consumo de 80 Bs en refrescos (Soda)
mensual. Teniendo en cuenta que se conoce por datos anteriores que la desviación estándar poblacional
es de 135 bolivianos. Determine el intervalo de confianza para el 95% y el 90% que muestre donde
estaría la media poblacional.
4.3.- Un investigador que se dedica a la creación de un nuevo producto alimenticio tiene preocupación
acerca de la continuidad de sus actividades debido a que las reglas para financiamiento de su
investigación predican que si tiene una tasa de 78 errores en promedio por mes dejarían de enviarle
fondos. Una muestra de 235 de sus productos muestra un error promedio de 70. Se sabe que la
desviación Varianza poblacional es de 196 errores. Según un intervalo de confianza que consejo
profesional usted le puede dar al investigador.

Intervalos de Confianza para hallar (u) cuando σ es desconocida.
(Cuando σ es desconocida se utiliza la desviación estándar de la muestra que se debe tomar de una
prueba piloto ó dividiendo el Rango entre seis)
a. Un teatro del cine local desea desarrollar un intervalo para estimar las cajas promedio de
pipocas que se venden por sala de cine. Si los registros llevados por 70 salas revelan un
promedio de 54.98 cajas y una desviación estándar de 12.7. Calcule e interprete el intervalo de
confianza para del 92% de la media poblacional.
b. El Banco Ganadero otorgará un crédito de 105.000 dólares a la universidad que presente
estudiantes con una nota promedio superior a 83.5 puntos paras mejorar la infraestructura. Por
cuestiones ajenas a nuestra voluntad el señor que traía los datos fue atracado y solo se pudieron
tener algunas calificaciones de cada universidad que se presentan a continuación.
UPSA UTEPSA UDABOL Franz Domingo

Tamayo Sabio
Promedio 82.5 87 85 78 82
(muestral)
Desviación 12.36 15.12 16.35 20.23 26.25
Estándar (S)
Tamaño de 105 100 125 85 67
la Muestra
Estime con un 95% de confianza ¿Cuáles son las universidades que recibirán el crédito de Banco
Ganadero?
Intervalos de Confianza para hallar “u” (Con muestras pequeñas)

En este caso estudiamos la “t” de student.
c. La empresa (A) fue culpada por infiltrar los comprobantes que registra para los contratos de
construcción con el gobierno federal. El contrato estableció que un cierto grupo de trabajo
debería promediar 1.150 dólares. Por motivos de tiempo los directivos de la empresa de solo 12
agencias del gobierno fueron llamadas a dar testimonio ante la corte respecto a los
comprobantes de la empresa. Si se descubrió que a partir del testimonio de una media de 1.275
dólares y una desviación estándar de 235 dólares. ¿Un intervalo de confianza del 95% apoyaría
el caso legal de la empresa?
d.
Intervalos de Confianza para la proporción poblacional.
Pi (¶) Es la proporción Poblacional.
Cuando se va a estimar proporciones poblacionales siempre se trabaja con (Z).
4.8 Cierto candidato a las próximas elecciones municipales quiere elaborar un plan de gobierno que
beneficie a los integrantes de la tercera edad. Es obvio que le interesa obtener mucha aprobación de
esta parte de la población. Sus asesores de campaña le aconsejan que si más de menos del 30% de los
votantes de esta edad no simpatizan de él no vale la pena enfocarse en este segmento de la población.
Se realizó una encuesta de opinión a 300 personas que mostró que el 28.75% de los votantes entre 65 y
75 años simpatizan con el candidato. Con un 95% de confianza que le pudiera decir usted a este equipo
de campaña.
Unidad 5
Teoría del muestreo y la estimación
5.1. MUESTREO
En la unidad uno se definió lo que se denomina POBLACIÓN y lo que se llama MUESTRA, ahora vamos a determinar las
razones por las cuales se realiza el muestreo:
 Probar todo el producto es innecesario y destructivo.

 El tiempo es un factor importante, no se dispone en abundancia de él.
ESTADISTICAS Y PARAMETROS
Matemáticamente, podemos describir muestras y poblaciones al emplear mediciones como la media, la mediana, la moda, la
desviación estándar, la varianza, que introdujimos en la unidad 1. Cuando estos términos describen las características de una
muestra se denominan ESTADISTICOS y cuando estos términos describen una población se llaman PARAMETROS.
NOMENCLATURA
POBLACION
N, µ, 
MUESTRA
n, x, s
DISTRIBUCIONES DE MUESTREO
Si aplicamos lo aprendido y tomamos varias muestras de una población, los estadísticos que calcularíamos no necesariamente
serían iguales y lo más probable es que variarían de una muestra a otra.
POBLACION
N, µ, 
MUESTRA1 MUESTRA2 MUESTRAi
n1, x1, s1 n2, x2, s2 ni, xi, si
Es posible analizar los estadísticos de las muestras y así obtener lo que se denomina una distribución de muestreo.
 Si se analizan las medias de las muestras se tiene una distribución de muestreo de medias.
 Si se analizan proporciones se tiene una distribución de muestreo de proporciones.
 Se pueden obtener otras distribuciones de muestreo.

5.2. MUESTREO DE MEDIAS
Ver cuadro de abajo
5.3. MUESTREO DE PROPORCIONES
Ver cuadro
TIPO DE POBLACION INFINITA POBLACION FINITA

OBS.
PROBLEMA DESCONOCIDA CONOCIDA
 
Distribución muestral x - x -
de medias z z
σ σ Nn
 es conocida
n n N -1
 
x - Los grados de
Distribución muestral x -  t
de medias t libertas son
s σ Nn
 es desconocida
N -1   n -1
n n
^ ^
p - P p - P
Distribución muestral z z ^
x
de proporciones P (1 - P) P (1 - P) Nn p
n
n n N -1
5.4. CALCULO DEL TAMAÑO DE LA MUESTRA n
TIPO DE
FÓRMULA
PROBLEMA
Distribución muestral z 2 / 2  2
n
de medias
E2
Distribución muestral z 2 / 2 pq
n
de proporciones
E2
 1 -  = Nivel de confianza (donde  = 0.05 si es que el problema no indica lo contrario)

 E = Error de muestreo
 P = probabilidad de éxito (p = 0.50 si el problema no indica lo contrario)
5.5. METODOS PARA RECOLECTAR UNA MUESTRA

Existen dos tipos de muestreo:
 Muestreo no probabilístico
 Muestreo probabilístico o aleatorio
Este tipo de muestreo se puede realizar de 4 formas:
 Muestreo aleatorio simple

 Muestreo sistemático
 Muestreo estratificado
 Muestreo de racimo

CALCULO DE UNA MUESTRA
z 2 / 2  2
n para variables cuantitativas y
E2
población infinita
z 2 / 2 pq
n para variables cualitativas y
E2
población infinita
Donde:
 = Tamaño de la muestra
Z= se obtiene a partir del Nivel de confianza ( en Tablas)
p= Éxito
q= Fracaso
Parámetros de cálculo Normales

1) Nivel de Confianza “Z”
Se lo busca en tablas, en función a lo que se quiere obtener.
Ej.: Nivel de confianza 95% = 0.95
Para llevar a la tabla se divide entre 2
1 + 0.95
 0.975 este valor se busca en Tabla en forma inversa y => Z=1.96
2
Veamos un ejemplo
Z para una confianza de 95% Z =1.96 (Tablas)

p =50% Éxito =0.5
q = 50% Fracaso = 0.5
e = 0.05 = 5% de error
 = ? (Tamaño de la muestra)
(1.96) 2 .(0.5)(0.5)

(0.05) 2
  384,16 Recomendado
  385
Por lo tanto:
“Para tener un nivel de confianza de un 95% de exactitud, en una población infinita de personas, se deben
encuestar a 385 individuos”

Estad. Infer. Guia

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Estad. Infer. Guia

Diunggah oleh

Hak Cipta:

Format Tersedia

UNIVERSIDAD PRIVADA DOMINGO SAVIO ESTADISTICA INFERENCIAL

Las probabilidades están siempre entre cero y uno.

I.2.- CONCEPTOS BÁSICOS

DEFINICION DE ESPACIO MUESTRAL ( S )

EVENTOS MUTUAMENTE EXCLUYENTES (ME)

AREA DE CIENCIAS BASICAS 6

EVENTOS NO MUTUAMENTE EXCLUYENTES

Si se lanza un dado una vez. Determinar el espacio muestral.

Ex = “Lanzar un dado una vez” (Experimento).

Si se tienen los siguientes pares de eventos indicar si son

A = Que el resultado al lanzar el dado sea un 3.

AREA DE CIENCIAS BASICAS 7

A = Que sea una carta roja.

A = La suma de los dos resultados sea un número par.

3.- Si se lanza una moneda tres veces, y se quiere analizar

A = Que salgan 3 caras

AREA DE CIENCIAS BASICAS 8

I.3.- CLASIFICACION DE LA PROBABILIDAD DE ACUERDO

 PROBABILIDAD DE TIPO CLASICA

 PROBABILIDAD DE TIPO DE FRECUENCIA RELATIVA

Este método se basa en observaciones pasadas.

 PROBABILIDAD DE TIPO SUBJETIVA

4.- Si se extrae una carta de una baraja de 52 cartas,

a) La carta sea un número 7 ……………

5.- Si se lanzan dos dados a la vez, cual es la probabilidad de

a) ¿Qué tipos de estimación de probabilidad son éstos?

c) La suma de los resultados sea un número par.

6.- El secretario de un sindicato, redactó una lista de demandas salariales que se

c) ¿Cuál es la probabilidad de que un trabajador (maquinista o inspector), seleccionado al azar del

Comisión anual Frecuencia

I.4.- REGLAS DE PROBABILIDAD

 EVENTOS MUTUAMENTE EXCLUYENTES

 EVENTOS NO MUTUAMENTE EXCLUYENTES

8.- En cierta ciudad, la probabilidad que una familia tenga

9.- Un estudiante se presenta a dos universidades A y B. La

AREA DE CIENCIAS BASICAS 11

a) ¿Cuál es la probabilidad que ingrese a ambas

¿Cuál estación tiene la mayor probabilidad de quedar fuera de servicio?

AREA DE CIENCIAS BASICAS 12

I.6.- EVENTOS INDEPENDIENTES

Probabilidad Marginal P(A) = P(A)

Probabilidad Condicional P( A / B) = P(A)

a) El inspector A apruebe un restaurante, dado que el inspector B ha encontrado violaciones al reglamento?

I.7.- EVENTOS DEPENDIENTES

Probabilidad Condicional P(A�B)

15.- Tenemos dos eventos, A y B, estadísticamente

17.-En un comedor de beneficencia, una trabajadora social

AREA DE CIENCIAS BASICAS 14

18.- Durante un estudio sobre accidentes automovilísticos,

Regiones Carros Repuestos Art. eléctricos Total

Regiones Ciencia Administración Ingeniería Total

AREA DE CIENCIAS BASICAS 15

Mujeres 100 50 50 200

I.8.- TEOREMA DE BAYES

b) El teorema de Bayes se expresa así:

AREA DE CIENCIAS BASICAS 16

a) Si se extrae un producto al azar, hallar la probabilidad que sea defectuoso.

a) ¿Cuál es la probabilidad que NIBOL gane la licitación?

PRUEBA DE CONCEPTOS DE LA UNIDAD I

Nombre del Alumno……………………………………………………………………

AREA DE CIENCIAS BASICAS 17

Marque con un círculo la respuesta correcta

V F En la teoría de la probabilidad, el resultado de algún experimento se conoce como actividad.

Investigar que representan los siguientes términos: