GRUPOS DE ESTUDIO

LIBRO
Nº6

Matemática / Libro 6
GRUPOS DE ESTUDIO

DATOS Y AZAR III

Nombre

Curso
Profesor
 MATEMÁTICAS
GE- LIBRO N°6

LIBRO 6: DATOS Y AZAR III

CONTENIDOS

- Variables Aleatoria Discreta

- Función de Probabilidad para VAD

- Función de distribución de probabilidad para VAD

- Variable Aleatoria Continua

- Función de densidad de probabilidad

- Distribución normal

- Distribución normal estándar

- Estandarización de una distribución normal

- Muestreo

- Intervalo de confianza

Página 2
 MATEMÁTICAS
GE- LIBRO N°6

VARIABLES ALEATORIA

Una Variable aleatoria, es toda función que asocia un número real a cada elemento del
espacio muestral de un experimento aleatorio.

Las variables aleatorias se simbolizan con letras mayúsculas, 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, por ejemplo suma de puntos en el lanzamiento de dos dados, las
preguntas correctas en una prueba, números de hijas de una familia, etc.

Observación: Los valores que toma la variable aleatoria se denomina Recorrido.

EJEMPLOS

1. ¿Cuál(es) de los siguientes enunciados corresponde una variable aleatoria?

I) Obtener tres puntos al lanzar un dado.

II) Número de caras en el lanzamiento de cuatro monedas.

III) Tiempo de caída de un objeto desde la azotea de un edificio.

2. Una bolsa contiene 6 monedas, tres azules y tres rojas. Si se extraen dos monedas,
una tras otra sin reposición, ¿cuál(es) de los siguientes enunciados define(n) una
variable aleatoria?

I) Número de caras obtenidas.

II) Número de monedas de color azul.

III) Tiempo empleado en realizar el experimento.

Página 3
 MATEMÁTICAS
GE- LIBRO N°6

3. Una caja contiene 4 esferas rojas y 5 esferas amarillas, se extraen 3 de ellas y se

define la variable aleatoria X como el número de esferas rojas extraídas. ¿Cuál es el
recorrido para la variable aleatoria X?

4. En una bolsa hay 4 fichas enumeradas del 3 al 6. Se extraen dos de ellas sin reposición
y se define la variable aleatoria X, como la suma de los números obtenidos. ¿Cuál(es)
de las siguientes proposiciones es (son) verdadera(s)?

I) Es una variable aleatoria discreta.

II) El recorrido de la variable aleatoria es {7, 9, 11}.

III) El total de resultados posibles de la variable aleatoria son 3.

5. Para el experimento de lanzar dos veces un dado, se define la variable aleatoria X como
la parte entera del cuociente de los valores obtenidos. Entonces, el recorrido de la
variable aleatoria es

RESPUESTAS
1. Solo II 2. Solo I y II 3. {0, 1, 2, 3} 4. Solo I 5. {0,1,2,3,4,5,6}

Página 4
 MATEMÁTICAS
GE- LIBRO N°6

FUNCIÓN DE PROBABILIDAD PARA VARIABLE DISCRETA

Se llama función de probabilidad de una variable aleatoria discreta “X” a la función que
asocia cada valor de x con su probabilidad de ocurrencia P.

Se denota por f(x) = P(X = x)

Propiedades:

1. 0  f(x)  1
2. f(x1) + f(x2) + …….+ f(xn) = 1
3. P(X = a) = 0, si a no pertenece al recorrido de la variable aleatoria

Observaciones:

1. El dominio de la función de probabilidad es el recorrido de la variable aleatoria.

2. El recorrido de la función de probabilidad está en el intervalo 0, 1.

Ejemplo:

Definida la variable X como el número de caras que pueden obtener en el lanzamiento de

tres veces una moneda. La tabla muestra la probabilidad para los diferentes valores que
pueda tomar la variable aleatoria X.

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

(s,s,s) 0 f(0)= P(X=0) = 1/8
(s,s,c);(s,c,s);(c,s,s) 1 f(1)= P(X=1) = 3/8
(s,c,c);(c,s,c);(c,c,s) 2 f(2)= P(X=2) = 3/8
(c,c,c) 3 f(3)= P(X=3) = 1/8

f(x)
Función de probabilidad
f(0) + f(1) + f(2) + f(3) = 1
3/8 -
1 3 3 1 8
+ + + = =1
8 8 8 8 8
1/8 -

0 1 2 3 x

Página 5
 MATEMÁTICAS
GE- LIBRO N°6

EJEMPLOS

1. Una caja contiene 8 esferas rojas y 2 amarillas, se extraen 3 esferas y se define la

variable aleatoria X como el número de esferas rojas extraídas y la variable aleatoria Y
como el número de esferas amarillas extraídas. ¿Cuál(es) de las siguientes
afirmaciones es (son) verdadera(s)?

I) El recorrido para ambas variables es el mismo.

7
II) P(X = 3) =
15

1
III) P(Y = 3) =
45

2. Se lanzan 3 monedas y se define la variable aleatoria X como el número de sellos que

se obtienen. ¿Cuál es el valor de P(X = 2)?

3. En la fabricación de 30 dados se sabe que el 20% de ellos son defectuosos. El proceso

de control de calidad consiste en examinar cinco de ellos, uno tras otro sin devolución,
si se define la variable aleatoria X como el número de dados defectuosos que se
obtienen, entonces ¿cuál(es) de las siguientes afirmaciones es (son) verdadera(s)?

I) La probabilidad de que todos sean defectuosos es 0,6.

II) El recorrido de la variable aleatoria es {0, 1, 2, 3, 4, 5}.

III) La probabilidad de obtener todos buenos es 0,8.

4. Se lanzan 180 dados a vez y se define la variable aleatoria X como la cantidad de dados
que muestren un número múltiplo de 3, entonces P(X = 80) es

Página 6
 MATEMÁTICAS
GE- LIBRO N°6

5. Si el experimento aleatorio consiste en lanzar dos veces un dado y se define la variable

aleatoria X como el doble de la suma de los números que aparecen, entonces ¿cuál(es)
de las siguientes proposiciones es (son) verdadera(s)?

I) Los valores de la variable aleatoria son {4, 6, 8, 10, 12, 14, 16, 18, 20, 22,
24}.
II) El recorrido de la función de probabilidad es [4, 24].
1
III) P(X = 14) =
6

6. Se tiene un dado cargado cuyos resultado y probabilidades se muestran en la tabla

adjunta

X 1 2 3 4 5 6
P(X = xi) 0,30 0,15 0,05 0,18 0,20 0,12

¿Cuál(es) de las siguientes proposiciones es (son) verdadera(s)?

I) P(X sea un número primo) = 0,70.

II) P(X > 6) = 0
III) P(X > 4) = 1 – P(X < 4)

7. La tabla adjunta muestra la función de probabilidad de la variable aleatoria X

X -20 -10 0 10 20
P(X=xi) 0,18 m 0,22 0,33 0,10
¿Cuál(es) de las siguientes proposiciones es (son) verdadera(s)?

I) El valor de m = 0,17
II) P(X  10) = P(X > 0)
III) P(X  -10) = 1 – P(X = -20)

RESPUESTAS
4.
1. Solo II 3 3. Solo II 80 100 5. Solo I y III 6. Solo II 7. I, II y III
2. æ180ö æ 1 ö æ 2ö
8 ç ÷ ×ç ÷ ×ç ÷
è 80 ø è 3 ø è 3ø

Página 7
 MATEMÁTICAS
GE- LIBRO N°6

FUNCIÓN DE DISTRIBUCIÓN DE PROBABILIDAD ACUMULADA PARA

VARIABLE ALEATORIA DISCRETA

La función de distribución de probabilidad acumulada 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 x1, x2, x3, .…., xn-1, xn son valores de la variable aleatoria, entonces

F(xi) = P(X  xi) = P(X=x1) + P(X=x2) + P(X=x3) +......+ P(X=xi) con i ≤ n.

3. Si a < b, entonces P( a < X  b ) = F (b) – F (a)

4. P(X > a) = 1 - P(X  a) = 1 – F(a)

Observación:
En el caso de variable aleatoria discreta la gráfica de la función de distribución de
probabilidad es escalonada.

Función de distribución
F(x)
1




x1 x2 x3 x4 x

Ejemplo:
La tabla muestra la función probabilidad y función de distribución de probabilidad
para la variable aleatoria X definida como el número de caras obtenidas al lanzar
3 monedas.
Función de distribución
X F(xi)=P(X  xi)
F(x)
0 F(0) = P(X  0) = 1/8
F(1) = P(X  1) = 1/8 + 3/8 = 4/8 1
1
2 F(2) = P(X  2) = 4/8 + 3/8 = 7/8 7/8
3 F(3) = P(X  3) = 7/8 + 1/8 = 8/8 = 1
4/8
1/8
x
0 1 2 3

Página 8
 MATEMÁTICAS
GE- LIBRO N°6

EJEMPLOS

1. La tabla adjunta muestra la función de probabilidad de una variable aleatoria W

w -2 -1 0 1
f(w) 0,20 0,45 0,3 0,05

¿Cuál es el valor de P(W  0)?

2. El gráfico muestra la función de distribución acumulada de probabilidad de una variable

aleatoria X

F(X)
1

0,8

0,4

X
-2 0 1 4
¿Cuál(es) de las siguientes proposiciones es (son) verdadera(s)?

I) P(X = -2) = P(X = 1)

II) P(X  1) = 0,8
III) P(X ≤ 4) = 1

3. La función de distribución de probabilidad acumulada de una variable aleatoria X está

dada por la siguiente tabla
X 10 20 30 40 50
P(X  xi) 0,05 0,30 0,42 0,75 1
¿Cuál es el valor de P(X > 30)?

RESPUESTAS
1. 0,95 2. I, II y III 3. 0,58

Página 9
 MATEMÁTICAS
GE- LIBRO N°6

VARIABLES ALEATORIAS CONTINUAS (VAC)

Son aquellas que pueden tomar todos los valores posibles dentro de un cierto intervalo en
los números reales, por ejemplo peso de los alumnos de un curso, tiempo de funcionamiento
de un dispositivo electrónico, cantidad de agua consumida en un mes por una familia,
tiempo que demora un alumno en llegar del colegio a su casa, etc.

FUNCIÓN DE DENSIDAD DE PROBABILIDAD

Para la variable aleatoria discreta se tiene una función de probabilidad (distribución de

probabilidad), que describe la probabilidad que la variable X tome algún valor en particular.

Cuando la variable es aleatoria continua, la función de probabilidad es se llama función de

densidad de probabilidad, al igual que para variable aleatoria discreta esta función se
denota por f(x).

Como la variable aleatoria continua puede tomar una gran cantidad de valores diferentes, la
función de densidad no determina la probabilidad que tiene la variable de tomar un valor
específico, determina la probabilidad que tiene la variable de encontrarse en un intervalo
determinado de los números reales.

La probabilidad que la variable se encuentre en el intervalo [a,b], queda determinada por el

área bajo la curva de la función de densidad de probabilidad en ese intervalo.

f(x)

f(x) : función de densidad de probabilidad

El área achurada representa la
probabilidad que x Î éa,b ù
ë û

a b

Al trabajar con una variable continua, la probabilidad que la variable aleatoria X tome un
valor exacto es 0, recuerde que la probabilidad se define como área bajo la curva, si el
intervalo está compuesto por un punto no se tendrá figura de la cuál determinar el área, se
tendrá una recta.

Cuando la variable es continua P(X ≤ b) = P(X < b)

Página 10
 MATEMÁTICAS
GE- LIBRO N°6

FUNCIÓN DE DISTRIBUCIÓN DE PROBABILIDAD ACUMULADA PARA

VARIABLE ALEATORIA CONTINUA

La función de distribución de probabilidad acumulada F(x) asocia a cada valor de x la

probabilidad acumulada, es decir F(x) = P(X  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) = P(a  x < b) = P(a < x < b) = P(a  x  b) =
F(b) – F(a).

3. P(X > a) = 1 – P(X  a) = 1 – F(a)

4. P(X = a) = 0, es decir la probabilidad que la variable tome exactamente un valor es

igual a cero.

Observación:
En el caso de variable aleatoria continua la función de distribución de probabilidad es una

función continua.

EJEMPLO

1. Una función de densidad de probabilidad está dada por


cx ; si 0 < x < 4
f(x) =  . ¿Cuál es el valor de c ?
0
 ; para cualquier otro valor

2. ¿Cuál es el valor de k en la función de densidad de probabilidad definida como

2x + k ; si 1  x  2
f(x) =  ?
0 ; para otro valor

Página 11
 MATEMÁTICAS
GE- LIBRO N°6

0 ; si x < 0

1
3. La función densidad de probabilidad está dada por f(x) =  x ; si 0  x  2 .
2

0 ; si x > 2
¿Cuál es el valor para P(X < 0,75)?

4. Determine P(X ≤ 2) si la función de densidad de probabilidad de esta variable aleatoria

0 ; si x < 1

x  1 ; si 1  x  2
X definida como f(x) = 
-x + 3 ; si 2 < x  3
0 ; si x > 3

5. La función de distribución de probabilidad acumulada de la variable aleatoria X esta

dado por

ì0 si x<0
ï
ïx si 0£x<2
( ) ï
F X = í 82
ïx si 2£x£4
ï16
ï
î1 si x>4

Determine:
i) F(3)
æ 7ö
ii) PçX £ ÷
è 2ø
iii) P(1 ≤ X < 3)

1. 1 2. -2 3. 9 4. 50% 5. i) 9 ii) 49 iii) 7

RESPUESTAS: 8 64 16 64 16

Página 12
 MATEMÁTICAS
GE- LIBRO N°6

DISTRIBUCIÓN NORMAL

Para variables aleatorias continuas X, la función de probabilidad es denominada Función de

densidad de probabilidad, es una función continua y la probabilidad está dada por el
área bajo la curva de la función.

La distribución más importante dentro de las distribuciones continuas es la distribución

normal.

Es un modelo matemático, que recibe su nombre debido a que en cierto momento se pensó
que la mayoría de los fenómenos estaban distribuidos de dicha manera. Esta distribución
permite representar fenómenos estadísticos de manera probabilística.

El gráfico de la función de densidad de una variable

aleatoria con distribución normal es similar al
mostrado en la figura, es decir tiene una forma
conocida como Campana de Gauss, y es simétrico
con respecto a la media, . Esta distribución queda
definida por dos parámetros: la media () y la
desviación estándar (), y se denota X ~ N(, ) o
X ~ N(, 2) 

Características:

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

2. Es simétrica con respecto a x =  , y deja un área igual a 0,5 a la izquierda y otra de

0,5 a la derecha, es decir, existe 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 asintótica al eje de las abscisas, es decir, la curva se acerca lo más posible al eje de
las X sin llegar a tocarlo.

4. La media, moda y mediana coinciden.

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

Página 13
 MATEMÁTICAS
GE- LIBRO N°6

INTERVALOS DE UNA DISTRIBUCIÓN NORMAL

Si una población tiene media  y desviación estándar , se tiene que

En el intervalo   ,    el

P  -  < X <  +   = 0,6826 área encerrada es,

aproximadamente, 0,6826, es
decir 68,26% del total
-  +

En el intervalo   2,   2

P  - 2 < X <  + 2  = 0,9545
el área encerrada es,
aproximadamente, 0,9545, es
-2  +2 decir 95,45% del total.

En el intervalo   3,   3

P    3 < X <  + 3  = 0,9973 el área encerrada es,
aproximadamente, 0,9973, es
decir 99,73% del total.
-3  +3

EJEMPLOS

1. En el Colegio Universo, el peso de los 40 alumnos del 3º medio, tienen una distribución
normal con media de 72 kg y desviación estándar de 3 kg. ¿Cuál es la probabilidad de
que un alumno elegido al azar pese menos de 72 kg?

2. Sea X una variable aleatoria con distribución X ~ N(18,3). ¿Cuál(es) de las siguientes
proposiciones es (son) verdadera(s)?

I) La probabilidad de que la variable tome valores mayores que 18 es el 50%.

II) P(X  21) = 0,6587
III) P(X > 24) = 0,0228

Página 14
 MATEMÁTICAS
GE- LIBRO N°6

3. Los pacientes afectados por una bacteria y su tiempo de recuperación, en días, tiene
una distribución X ~ N(6; 1,3). ¿Cuál es la probabilidad de que un paciente se recupere
en un tiempo mayor a 9,9 días?

4. El tiempo de duración que tienen los focos fabricados por una empresa, se distribuye
en forma normal con media aritmética igual a 1.020 horas y desviación estándar
51 horas. ¿Cuál es la probabilidad en porcentaje de que dure más de 1.122 horas?

5. Respecto a las distribuciones representadas en los gráficos de la figura, ¿cuál(es) de las

siguientes afirmaciones es (son) verdadera(s)?

GRAFICO 1 GRAFICO 2

Y N(µ1,σ1)Y N(µ2,σ2) N(µ3,σ2)

N(µ,σ3)
N(µ,σ2)
N(µ,σ1)

X X
µ µ1 µ2 µ3

I) En el gráfico 1 se cumple que 1 < 2 < 3 .

II) Las distribuciones presentadas en el gráfico 1 tienen igual media.
III) Las desviaciones estándar de las distribuciones presentadas en el gráfico 2
pueden ser iguales.

RESPUESTAS
1. 0,5 2. Solo I y III 3. 0,00135 4. 2,280% 5. Solo II y III

Página 15
 MATEMÁTICAS
GE- LIBRO N°6

DISTRIBUCIÓN NORMAL ESTÁNDAR

La distribución normal estándar o tipificada, es aquella que tiene media 0 y desviación

estándar 1. Se denota por X ~ N(0, 1)

Por ser la gráfica simétrica respecto  = 0, entonces se cumple P(X  -x1) = P(X  x1)

Gráficamente:

 -x1 x1 

Cuando la distribución es normal estándar se puede utilizar la probabilidad de intervalos

estudiada en distribución normal.
Cuando lo pedido no se ajuste a ninguno de los intervalos conocidos, se utilizarán de la tabla
normal tipificada, al comienzo de la PSU aparecerán los valores que requieras.

La tabla será similar a la que se encuentra a continuación.

TABLA PSU Z P(Z  z)

0,99 0,839
Si Z es una variable aleatoria continua, tal que Z  N(0, 1), entonces: 1,00 0,841
1,15 0,875
1,24 0,893
1,28 0,900
1,50 0.933
1,64 0,950
1,96 0,975
2,17 0,985

OBSERVACIÓN: Si necesita ubicar la probabilidad de una variable aleatoria de distribución

normal estándar de un dato que no se encuentre en esta tabla, existe la tabla de
distribución normal tipificada. (ANEXO 1)

EJEMPLOS

1. Si X es una variable que tiene una distribución normal estándar, determina los valores
aproximados de las probabilidades solicitadas.

i) P(X ≤ 1,28)

ii) P(X ≥ 1,28)

iii) P(X ≤ -1,28)

Página 16
 MATEMÁTICAS
GE- LIBRO N°6

2. Determine la probabilidad que la variable aleatoria X se encuentre en las zonas

achuradas.

y y
i) ii)

x x
0 1,24 2,17 -1 0 1

y
y

iii) iv)

x
x
0 1,28 1,24
0

3. Sea X una variable aleatoria tal que X ~ N(0,1). ¿Cuál(es) de las siguientes
proposiciones es (son) verdadera(s)?

I) P(X  -1) = 0,159

II) P(X  -2) = P(X  2)
III) P(X  3) = 0,00135

4. Si se cumple que X ~ N(0,1), entonces P(X < -3) =

RESPUESTAS

1. i) 90% ii) 10% 2. i) 0,092 ii) 0,318 3. I, II y III 4. 0,00135

iii) 10% iii) 0,1 iv) 0,893
Página 17
 MATEMÁTICAS
GE- LIBRO N°6

ESTANDARIZACIÓN DE UNA VARIABLE ALEATORIA DE DISTRIBUCIÓN

NORMAL

Para poder utilizar la tabla para encontrar la probabilidad P(X < x i) en una distribución
normal, no estándar, es necesario estandarizar la variable.

Si X es una variable que tiene distribución normal con media  y desviación estándar , es
X
decir X ~ N( , ), se define una nueva variable aleatoria Z de la forma: Z  , que tiene

una distribución normal estándar, es decir, Z ~ N(0 , 1).

Entonces la probabilidad en términos de la variable X puede calcularse en términos de Z, de

la siguiente manera.
 x  
P X  x  P  Z 
  

EJEMPLO
Los notas de 40 alumnos que rindieron examen de admisión en un colegio para ocupar las
vacantes en el 1º medio, tienen una distribución X ~ N(5,1; 1,2).
¿Cuál es la probabilidad de que sean aceptados con nota superior a 6?

Z P Z  z 
Solución: P(X > 6) = 1 – P (X ≤ 6) 0,75 0,773
1,00 0,841
 6  5,1  1,15 0,875
= 1 – P Z 
 1,2  1,24 0,893
= 1 – P( Z ≤ 0,75) 1,28 0,900
1,50 0,933
= 1 – 0,773 1,64 0,950
1,96 0,975
= 0,227 2,00 0,977
2,17 0,985

EJEMPLOS

1. Sea X una variable aleatoria que tiene distribución normal definida como X ~ N(80,3),
al transformar X a una variable aleatoria Z de distribución normal estándar, entonces
P(X < 83,45) =

Página 18
 MATEMÁTICAS
GE- LIBRO N°6

2. Sea X una variable aleatoria que tiene distribución normal definida como X ~ N(120,8),
al transformar X a una variable aleatoria Z de distribución normal estándar, entonces
P(X > 80) =

3. Sea X y Z variables aleatorias, X con distribución N(90,10), y Z la tipificada de X con

distribución N(0,1). Entonces, P(X > 100) =

4. Sea X variable aleatoria tal que X ~ N(100, 16), entonces P(X > 124) =

5. Sea X una variable aleatoria que tiene distribución normal con media a y desviación
estándar b, la que se transforma en una variable aleatoria Z con distribución N(0,1).
Entonces, Z se expresa

RESPUESTAS
1. X  a
5. Z =
P(Z < 1,15) =0,875 2. P(Z ≤ 5) 3. 0,159 4. 0,067 b

Página 19
 MATEMÁTICAS
GE- LIBRO N°6

APROXIMACIÓN DE UNA BINOMIAL A UNA NORMAL

Es una distribución de variable aleatoria discreta, la variable x se definirá según el número

de éxitos en n intentos, con probabilidad p de éxitos cada una.

Si n es lo suficientemente grande, podemos aproximar un modelo de variable aleatoria

discreta a un modelo de variable aleatoria continua, definiendo la media  y desviación
estándar  como:

Cabe destacar que se esta aproximando una variable aleatoria discreta con un modelo de
variable aleatoria continua.

Esto será válido para cualquier distribución binomial B(n,p), siendo n lo suficientemente
grande.

Se dirá que la proposición es aceptable si np > 5 y n(1 – p) > 5


B  n, p   N np, np 1  p  

EJEMPLOS
1. Sea W una variable discreta tal que W  B(20;0,32), y se desea aproximar su
comportamiento a una distribución normal, ¿qué valor debe tomar  y ,
respectivamente?

Página 20
 MATEMÁTICAS
GE- LIBRO N°6

2. Se lanza un dado 128 veces, si se hace una aproximación de esta binomial a la normal
para determinar la probabilidad de obtener 50 números divisores de 5, ¿cuál es la
desviación estándar que se utilizará?

3. El 2% de los tornillos fabricados por una máquina presentan defectos. Si se tienen una
producción de 400 tornillos, ¿cuál es la probabilidad que sean menos de 8 los tornillos
defectuosos?

RESPUESTAS
1.  = 6,4 y = 4,352 16 3. 50%
2.  =
3

Página 21
 MATEMÁTICAS
GE- LIBRO N°6

MUESTRA Y TIPOS DE MUESTRAS

MUESTRA
Una muestra en un subconjunto de la población y el muestreo es la elección al azar o
intencionada de elementos de la población.

Muestreo Aleatorio Simple

Es aquel en que cada elemento de la población tiene la misma probabilidad de ser
seleccionado para integrar la muestra.
Una muestra simple aleatoria es aquella en que sus elementos son seleccionados mediante
el muestreo aleatorio simple.
Existen diferentes formas de hacer un muestreo de una población. Si el tamaño de la
población es N y el tamaño de la muestra k, con k < N, entonces:

Muestreo con Reposición y con Orden

En el muestreo con reposición y con orden, el elemento seleccionado en cada extracción
vuelve a ser incluido en la población antes de extraer el siguiente elemento. En este tipo de
muestreo, un elemento de la población puede aparecer más de una vez en la muestra. Para
determinar el número de muestras se utiliza variación con repetición de elementos.
Número total de muestras: Nk

Muestreo sin Reposición y con Orden

En el muestreo sin reposición y con orden, el elemento extraído de la población queda
descartado de cara a la siguiente extracción. Es decir, un elemento sólo puede aparecer una
vez en la muestra. Para determinar el número de muestras se utiliza variación sin repetición
de elementos.
N!
Número total de muestras: VkN =
(N  k)!

Muestreo sin Reposición y sin Orden

En el muestreo sin reposición y sin orden, para determinar el número de subconjuntos de un
conjunto dado, en el cuál no importe el orden de los elementos y cada elemento pueda ser
utilizado solo una vez en cada muestra, se debe usar combinatoria.

Número Total de muestras:

N  N N!
C    =
k k  k!(N  k)!

Muestreo con Reposición y sin Orden

Para determinar el número de subconjuntos de un conjunto dado, en el cuál no importe el
orden de los elementos y el mismo elemento puede ser usado más de una vez en una
muestra, se debe usar combinatoria con repetición de elementos.

Nk 1  N + k  1 N + k  1!
Número Total de muestras: C    
k  k  N  1!  K!

Página 22
 MATEMÁTICAS
GE- LIBRO N°6

EJEMPLOS

1. Se tiene un conjunto con 10 elementos, ¿cuál(es) de las siguientes afirmaciones

es (son) siempre verdadera(s)?

I) Si se realiza un muestreo de tamaño 2 con reposición (repetición de

elementos) y con orden, el número de muestras sería 100.

II) Al muestrear sin reposición para tener muestras de tamaño 3 la cantidad de

elementos del conjunto resultante sería 720.

III) La cantidad de elementos resultante para muestras de tamaño 1 es el

mismo para el muestreo con y sin reposición.

2. Si un conjunto tiene cinco elementos, entonces el total de muestras de 3 elementos,

con reposición y orden, es

3. Se muestrea un conjunto de siete elementos, con muestras de dos elementos sin

reposición y con orden. ¿Cuál es la cantidad de muestras que se pueden extraer?

4. ¿Cuántas muestras de tamaño 3 se pueden tomar, sin que importe el orden y sin
reposición, del conjunto {1, 2, 3, 4, 5, 6}?

RESPUESTAS
1. I y III 2. 125 3. 42 4. 20

Página 23
 MATEMÁTICAS
GE- LIBRO N°6

RELACIÓN ENTRE MEDIA DE UNA POBLACIÓN Y LAS MEDIAS DE MUESTRAS

La media de una población () se puede estimar a partir de la media de las muestras (x ) i

donde i toma valores desde 1 hasta el número total de muestras k obtenidas de tamaño N,
extraídas de la población, con reemplazo o sin reemplazo, con orden o sin orden.

Para determinar la media poblacional, se utiliza la expresión: x1  x2  x3  ...  xk


k

El promedio de las medias de todas las muestras de tamaño n que se puedan hacer de un
conjunto de N elementos, es igual al promedio de la población.

ERROR MUESTRAL
El error de la muestra i, se denomina ei y es la diferencia entre la media de la muestra i y la
media de la población, que se determina según la expresión:

ei =   xi

Donde  es la media de la población y x i es la media de la muestra i.

OBSERVACIÓN

- El error muestral puede ser positivo, negativo o cero.

- La suma de todos los errores muestrales es cero.
- A medida que el tamaño de la muestra crece, el error tiende a disminuir, ya que el
tamaño de la muestra se acerca al tamaño de la población.
- El valor esperado del promedio de una muestra aleatoria, corresponde al promedio
poblacional, E(x)   .

EJEMPLOS
1. Si el promedio de un conjunto de cuatro elementos es igual a 10,5, entonces ¿cuál(es)
de las siguientes afirmaciones es (son) verdadera(s)?

I) El promedio de las medias se mantiene constante, no importando el tamaño

de las muestras, siempre y cuando se consideren todas ellas.

II) El promedio de las muestras de dos elementos es menor al promedio del

conjunto inicial.

III) El muestreo con o sin reposición da como resultado el mismo promedio

muestral.

Página 24
 MATEMÁTICAS
GE- LIBRO N°6

2. Dado el conjunto {3, 6, 12} al hacer un muestreo de 2 elementos sin reposición, el

máximo promedio muestral que se obtiene es

3. Si la probabilidad de ocurrencia de un evento corresponde a la razón entre la cantidad

de casos favorables y la cantidad de casos totales del experimento, entonces para el
conjunto {1, 2, 3}, ¿cuál es la probabilidad de obtener en una muestra de tamaño dos,
con reposición, una media igual a 2?

4. Para el conjunto {3, 7, 11}, ¿cuál es la diferencia entre el valor máximo y mínimo de la
media que se puede obtener con una muestra de tamaño 2, sin reposición?

5. La tabla presenta la frecuencia absoluta de las medias muestrales de una población.

¿Cuál(es) de las siguientes afirmaciones es (son) FALSA(S)?

Medias 96 98 100 102 104

frecuencia 1 2 3 2 1

I) La población tiene tres elementos.

II) La media de la población es 100.
III) El mayor valor absoluto del error muestral es 4.

RESPUESTAS
1. Solo I y III 2. 9 1 4. 4 5. Ninguna
3.
3

Página 25
 MATEMÁTICAS
GE- LIBRO N°6

DISTRIBUCIÓN DE MEDIAS MUESTRALES

Si todas las muestras posibles de un determinado tamaño se seleccionan de una población,

la distribución muestral de la media se aproxima a una distribución normal.

Se dice que si el tamaño de la muestra es lo bastante grande (n  30), esta distribución

tendrá una mejor aproximación a una distribución normal.

Si consideramos la media de la muestra x como una variable aleatoria, experimentalmente

se observa que a medida que el tamaño de la muestra aumenta, la distribución de las
medias muestrales se aproxima a una distribución normal, esto es lo que se conoce como
“Teorema del Límite Central”.

La distribución de la media de las muestras quedará definido como:

n : tamaño de la muestra (n  30)

  
X N ,   : media poblacional.
 n
 : desviación estándar de la población.

OBSERVACIÓN
  
- Si X N ,  es posible estandarizar la variable X por medio de la variable z de
 n
x 
distribución normal como z  .

n
- Si la población se distribuye normalmente, la media de una muestra aleatoria
obtenida de dicha población, también se distribuirá normalmente, independiente del
tamaño de n

EJEMPLO

1. Una empresa de comida a domicilio que opera en cierta ciudad tarda en promedio
40 minutos en la entrega de sus pedidos, con una desviación estándar de 12 minutos. Si
durante el día de hoy se han repartido 100 pedidos, ¿cuál es, aproximadamente, la
probabilidad que el tiempo de entrega haya sido menor que 43 minutos?

RESPUESTA
1. 99,38%

Página 26
 MATEMÁTICAS
GE- LIBRO N°6

INTERVALO DE CONFIANZA

En ocasiones la media de una muestra se considera como una estimación de la media de la

población a la cual pertenece la muestra.

Por ejemplo, dada como población los alumnos que rindieron la PSU y como variable el
puntaje promedio lenguaje-matemática, se toma una muestra en forma aleatoria de esta
población y se determina que el valor de la media para este grupo, es de 624,5 puntos. Se
plantea como interrogante como se compara este valor de media, con el valor de la media
de la población.

Si bien 624,5 es la estimación de la media de la muestra, esto no permite asegurar que es

una estimación de la media poblacional (a nivel nacional), ya que al tomar otra muestra el
valor variará.

Intervalo de confianza

Es un rango de valores entre los cuales estará el valor de media estimada para la población,
dada una determinada probabilidad de acierto.

Nivel de confianza

Es la probabilidad que el parámetro poblacional se encuentre en un intervalo de confianza

dado. Se determina por (1 – ), siendo  el nivel de significación.
Los niveles de confianza más usuales son: 90%, 95% y 99%, que corresponden a niveles de
significación de 10%, 5% y 1%, respectivamente.

Límites de Confiabilidad

Son los límites del intervalo de confianza. Para una población, de media aritmética  de una
variable aleatoria que sigue una distribución normal de desviación estándar , para un nivel
de confianza (1 – ), de la cual se toma una muestra de tamaño n, con media aritmética x ,
el intervalo de confianza se determina según la relación:

   
 
x  z 1  
2  
n
, x +z

1  
2
  
n 

El margen de error estará dado por 

z

1  
2  
n

Página 27
 MATEMÁTICAS
GE- LIBRO N°6

COMO DETERMINAR z
1 - 
2
 Z P(Z  z)
0,99 0,839
La tabla que encontrarás al inicio de la prueba (PSU) es más o 1,00 0,841
menos como la tabla que se encuentra a la derecha. 1,15 0,875
1,24 0,893
1,28 0,900
1,64 0,950
1,96 0,975
Como utilizar la tabla: 2,17 0,985

Si se pide un nivel de confianza del 80% por ejemplo, se procede de Z P(Z  z)

la siguiente manera para encontrar el valor en la tabla: 0,99 0,839
1,00 0,841
 1,15 0,875
100%   = 80%   = 20%  = 10%
2 1,24 0,893
 1,28 0,900
1 = 90%=0,90
2 1,64 0,950
1,96 0,975
Si P(Z  z

1- 
2
 )= 0,90, entonces z 1- 
2
 =1,28
2,17 0,985

El valor 0,90 se busca en la segunda columna de la tabla para determinar el valor de z

1-2
.

Gráficamente se tiene:

Si se pide un nivel de confianza del 95% por ejemplo, se procede de la siguiente manera
para encontrar el valor en la tabla:
Z P(Z  z)

100% -  = 95%   = 5%  = 2,5% 0,99 0,839
2
1,00 0,841
 1,15 0,875
1 = 97,5% =0,975
2 1,24 0,893
1,28 0,900
Si P(Z  z

1- 
2
 )= 0,975, entonces z 1- 
2
 = 1,96 1,64 0,950
1,96 0,975
El valor 0,975 se busca en la segunda columna de la tabla para 2,17 0,985

determinar el valor de z .
1-2

Página 28
 MATEMÁTICAS
GE- LIBRO N°6

EJEMPLOS

1. La estatura de la población es una variable aleatoria con distribución normal de

desviación estándar igual a 0,4 m. Si la media de la estatura de un grupo de
100 personas es 1,68 m. El intervalo en el que se encuentra el promedio de la
población con un 95% de confianza está dado por

2. Las horas de conexión a las redes sociales de cierta población es una variable con
distribución normal de desviación estándar 0,5 horas. Si la media de una muestra de
100 datos 3,5 horas, ¿cuál es el margen de error al construir un intervalo de confianza
con un 90% de nivel de confianza?

3. Para estudiar el promedio de notas de los alumnos de cuarto medio de un colegio, se

ha elegido un curso de 35 alumnos cuyo promedio es de 5,3. Si el promedio de notas
es una variable que sigue una distribución normal con una desviación estándar de 0,9,
el intervalo de confianza para la media con un nivel de confianza de 90% es

RESPUESTAS

1. [1,6016 ; 1,7584] 2. 0,082  0,9 0,9 

3. 5,3  1,64  ; 5,3 + 1,64  
 35 35 

Página 29
 MATEMÁTICAS
GE- LIBRO N°6

ANEXO 1
TABLA DE DISTRIBUCIÓN NORMAL TIPIFICADA

 x  
P  X < xi  = P  Z <
  

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

Página 30
 MATEMÁTICAS
GE- LIBRO N°6

EJERCICIOS ADICIONALES

1. Si los elementos de una población son: S, T, U y V, los cuales corresponden a números

enteros positivos. La tabla muestra el registro de las medias de cuatro muestras
correspondientes a un experimento realizado. ¿Cuál es el valor de la media aritmética
de esa población?

Muestra Media de la muestra

{S,T} 6
{U,T} 4
{S,U} 3
{V,T} 5

2. Una población tiene los siguientes elementos: 1, 3, 4, 6, 7 y 9. ¿Cuál(es) de las

siguientes afirmaciones es (son) siempre verdadera(s)?

I) El promedio de una muestra de tamaño 3 es mayor que el promedio de una

muestra de tamaño 2.
II) El número total de muestras de tamaño 4, sin reemplazo y sin orden, que
se pueden extraer de la población es 15.
III) La suma de todos los errores muéstrales es cero.

3. El número de horas diarias que dedican a sus obligaciones escolares los estudiantes de
cierta comunidad durante la semana es una variable aleatoria con distribución normal,
cuya desviación estándar es de 2,02 horas. Para una muestra al azar de 16 estudiantes
se estima un margen de error de 30 minutos. ¿Cuál es el nivel de confianza utilizado?
(utilice tabla de distribución normal estandarizada)

4. La tabla muestra la función de probabilidad de una variable aleatoria X

X 1 2 3 4 5
P(X = xi) 0,19 0,17 k 0,23 0,32

¿Cuál(es) de las siguientes afirmaciones es (son) verdadera(s)?

I) El valor de k es 0,09.
II) P(X > 3) = 1 – P(X  3)
III) P(X = 5) = 1

Página 31
 MATEMÁTICAS
GE- LIBRO N°6

5. Sea f la función de probabilidad de variable aleatoria X definida por

k - 2x, si x = 1
f(x) = kx
, si x= 2
3
0, en otro caso

Determine el valor de k

6. La tabla adjunta muestra la función de probabilidad de una variable aleatoria x que

corresponde al experimento lanzar un dado cargado. Con esta información, ¿cuál(es)
de las siguientes afirmaciones es (son) verdadera(s)?

x 1 2 3 4 5 6

f(x) 2k k k 2k k 3k
15 15 15 15 15 15

I) El valor de k es 1,5.
II) La probabilidad de obtener un par es 0,6.
III) La probabilidad de obtener un número par o múltiplo de 3 es 0,7.

7. Sea f(x) = 2kx con k una constante, la función de probabilidad de una variable
aleatoria x cuyo recorrido es {1, 3, 5, 7}. Si F es la función de distribución de
probabilidad acumulada de x, entonces F(5) es

Página 32
 MATEMÁTICAS
GE- LIBRO N°6

8. En una distribución normal estándar si P(X  b) = a; entonces P(X > b) =

9. Un destacado Biólogo Marino estudia el comportamiento de los salmones en el sur de

Chile. Una de las características importantes para su estudio es el tamaño de éstos, el
cual, se sabe que sigue una distribución normal con media 82,34 cm y desviación
estándar 2,2 cm.

De acuerdo a esta información, coloque V si la afirmación es verdadera y F si es falsa:

a) La probabilidad de sacar un salmón con un tamaño menor a 82,34 cm es 50%.

b) La probabilidad de obtener un salmón con tamaño 84,54 cm es aproximadamente

de 63%.

c) La probabilidad de obtener un salmón con un tamaño mayor a 84,54 cm es igual a

la probabilidad de obtener un salmón de tamaño menor a 80,14 cm.

d) La probabilidad de obtener un salmón con un tamaño menor a 77,94 cm es mayor a

la probabilidad de obtener un salmón de mayor tamaño que 84,54 cm.

e) La moda poblacional de los salmones es de 82,34 cm.

Página 33
 MATEMÁTICAS
GE- LIBRO N°6

10. Se tienen tres distribuciones normales N1(1;1), N2(2;2), N3(3;3), que cumplen que
1 < 2 < 3 y 3 < 2 < 1, por lo tanto, si se grafican todas en el mismo eje,
¿cuál(es) de las siguientes gráficas corresponde(n) a la situación planteada?

I)

II)

III)

11. Si X es una variable aleatoria que sigue una distribución normal estándar. Determine si
las siguientes afirmaciones son verdaderas (V) o falsas (F).

A) P(X < 0) = 0,5

B) P(X < 1) = P(X > 1)

C) P(X < -3) + P(X < -2) + P(X < -1) + P(X < 0) = 0,5

D) P(1 < X < 3) = P(X < 3) – P(X < 1)

E) P(X < -2) – P(X < -3) = P(X < 3) – P(X < 2)

Página 34
 MATEMÁTICAS
GE- LIBRO N°6

12. Una empresa alemana de automóviles tiene conocimiento de que el tiempo que se
demoran en ensamblar un automóvil completamente se distribuye normalmente con
media 122 min y desviación estándar de 3 min. Por lo tanto, ¿cuál es la probabilidad de
que un ensamblado dure menos de 126,5 min?

Página 35
 MATEMÁTICAS
GE- LIBRO N°6

SELECCIÓN MÚLTIPLE

1. Un estuche contiene solo 8 lápices del mismo tipo, de los cuales 3 son azules y 5 son
rojos. Si se extraen simultáneamente, al azar, 4 lápices del estuche y se define la
variable aleatoria X como el número de lápices azules extraídos, ¿cuáles son todos los
posibles valores de X?

A) 1, 2y3
B) 0, 1, 2 y 3
C) 1, 2, 3 y 4
D) 0, 1, 2, 3 y 4
E) 0, 1, 2, 3, 4, 5, 6, 7 y 8
(DEMRE. Publicación 2015)

2. En el experimento de lanzar una moneda dos veces, se define la variable aleatoria X

como el número de sellos obtenidos en los dos lanzamientos. ¿Cuál de los siguientes
gráficos representa la función de probabilidad de la variable aleatoria X?

(DEMRE. Publicación 2015)

Página 36
 MATEMÁTICAS
GE- LIBRO N°6

3. Sea f la función de probabilidad de la variable aleatoria X definida por

k  4  x  , si x = 1

f  x    kx , si x = 2
 0 , en otro caso

El valor de k es
1
A)
2
1
B)
5
1
C)
4
1
D)
3
E) ninguno de los anteriores

(DEMRE. Publicación 2015)

4. En el experimento de lanzar un dado, se define la variable aleatoria X como el número

obtenido en el lanzamiento del dado. La tabla adjunta muestra la función de
probabilidad f de X. Según esta información, ¿cuál(es) de las siguientes afirmaciones
es (son) verdadera(s)?

I) El valor esperado de X es 3,8.

II) La probabilidad de obtener un número par es 0,5.
III) La probabilidad de obtener un número menor o igual que 2 es igual a la
probabilidad de obtener un 6.

A) Solo I x f(x)
B) Solo II 1 0,10
C) Solo I y II 2 0,15
D) Solo I y III 3 0,20
E) I, II y III 4 0,20
5 0,10
6 0,25

(DEMRE. Publicación 2016)

Página 37
 MATEMÁTICAS
GE- LIBRO N°6

5. Se define la variable aleatoria X como la cantidad de minutos de atraso de una persona

a su trabajo en un cierto día. En la tabla adjunta se muestra la función de probabilidad
de X. Dado que el valor esperado de X es 5 minutos, entonces su desviación estándar
es

A) 44 minutos
B) 10 minutos k 0 2 4 8
C) 0 minutos 1 1 1 1
P(X = k)
D) 10 minutos 8 4 8 2
E) 44 minutos

(DEMRE. Publicación 2015)

6. En la tabla adjunta se muestra la distribución de probabilidad de una variable aleatoria

X. ¿Cuál(es) de las siguientes afirmaciones es (son) verdadera(s)?

I) p = 0,2
II) El valor esperado de X es 3.
III) La desviación estándar de X es 0.

A) Solo I
B) Solo III
C) Solo I y II k 1 2 3 4 5
D) Solo I y III P(X = k) p p p p P
E) I, II y III

(DEMRE. Publicación 2015)

7. Sea X una variable aleatoria continua cuya función de densidad de probabilidad es

2kx, si 0  x  3

f(x)  6k, si 3 < x  5
0, en cualquier otro caso


Si k es un número real positivo, entonces k es

1
A)
24
1
B)
12
1
C)
21
1
D)
30
E) ninguno de los valores anteriores.
(DEMRE. Publicación 2016)

Página 38
 MATEMÁTICAS
GE- LIBRO N°6

8. El gráfico de la figura adjunta representa la función de distribución acumulada de una

variable aleatoria discreta X. Si el recorrido de X es {a, b, c} y P(X = b) = 0,2, ¿cuál
es el valor de P(X = a)?

4
A)
10
3
B)
10
3
C)
10
3
D)
10
E) Indeterminable con los datos dados.

(DEMRE. Publicación 2016)

9. Sea f(x) = k2 ∙ x2, con k una constante, la función de probabilidad de una variable
aleatoria discreta X que tiene como recorrido el conjunto {1, 2, 4, 10}. Si g es la
función de distribución de probabilidad acumulada de X, entonces g(2) es

4
A)
121
5
B)
121
2
C)
11
5
D)
11
E) indeterminable.

(DEMRE. Publicación 2016)

Página 39
 MATEMÁTICAS
GE- LIBRO N°6

10. Si se lanza un dado común 120 veces, ¿cuál es la probabilidad de obtener exactamente
20 veces el número 1?

20 100
100   1  5
A)    6
 20   6   
20 100
120   1  5
B)    6
 20   6   
20 100
120   1  5
C)    6
 20   6   
20
120   1 
D)   
 20   6 
20
1
E) 6
 

(DEMRE. Publicación 2015)

11. Sea X una variable aleatoria continua, tal que X ~ N(, 2), donde se sabe que
P( –  ≤ X ≤  + ) = 0,6826 y P( – 2 ≤ X ≤  + 2) = 0,9545. ¿Cuál es el valor de
P( +  ≤ X ≤  + 2)?

A) 0,13595
B) 0,2719
C) 0,86405
D) 0,81855
E) Ninguno de los anteriores.

(DEMRE. Publicación 2015)

12. Si una variable aleatoria X tiene distribución normal con media  igual a 1 y desviación
estándar  igual a 2, ¿cuál de las siguientes variables aleatorias tiene distribución
normal de media 0 y varianza 1?

X 1
A) Y
2
X 1
B) W 
2
X 1
C) V 
4
X
D) K 
4
X
E) L 
2

(DEMRE. Publicación 2016)

Página 40
 MATEMÁTICAS
GE- LIBRO N°6

13. Sea X una variable aleatoria tal que X ~ B(40; 0,5). Si la distribución de X es
aproximada por una distribución normal con media μ y desviación estándar , ¿cuáles
de los siguientes valores corresponden a los valores de  y , respectivamente?

A) 20,5 y 10
B) 20 y 10
C) 20 y 0,5
D) 20,5 y 0,5
E) 20 y 10
(DEMRE. Publicación 2016)

14. Se tiene una población compuesta por las fichas 1, 3, 5, 5 y 7. ¿Cuál es la cantidad de
todas las posibles muestras (sin reposición y sin orden) de tamaño 2 que pueden
extraerse desde esta población?

A) 10
B) 20
C) 25
D) 6
E) 12
(DEMRE. Publicación 2015)

15. El número de todas las posibles muestras distintas, sin orden y sin reposición, de
tamaño 3 que se pueden formar con un total de 9 elementos, es

A) 9
B) 729
C) 27
D) 84
E) 504

(DEMRE. Publicación 2016)

Página 41
 MATEMÁTICAS
GE- LIBRO N°6

16. Sea la población P = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10}. Si desde P se extraen todas las

muestras posibles, sin reposición y sin orden, de tamaño 9, y a cada una de ellas se les
calcula su promedio, ¿cuál es la suma de todos estos promedios?

A) 55
B) 55 × 5
C) 5
D) 5,5 × 5
E) 50

(DEMRE. Publicación 2016)

17. Todos los elementos de una población son: P, Q, R y S, los cuales corresponden a
números enteros positivos. En las tablas adjuntas se muestran los resultados de dos
experimentos realizados con esta población. En el primero se sacó tres muestras
distintas de tamaño 2 de la población y se registró la media de cada una de ellas. En el
segundo se sacó cuatro muestras distintas de tamaño 2 de la misma población anterior
y se registró la media de cada una de ellas. ¿Cuál es el valor de la media aritmética de
esa población?

A) 17 Experimento 1 Experimento 2
B) 11,3
Media de la Media de la
C) 9,575 Muestra Muestra
muestra muestra
D) 9,5
{R, S} 12 {P, Q} 7
E) 14,25
{P, S} 14 {P, R} 8
{Q, S} 11 {Q, R} 5
{Q, S} 11

(DEMRE. Publicación 2015)

Página 42
 MATEMÁTICAS
GE- LIBRO N°6

18. La cantidad de televisores por familia en una ciudad, se modela por medio de una
distribución normal con media  y varianza 0,25. Se toma una muestra aleatoria de
100 familias de esta ciudad, obteniéndose una media de 2,75 televisores. Para los
resultados de esta muestra, ¿cuál de los siguientes intervalos es el intervalo de
confianza de nivel 0,95 para ?

 1 1 
A) 2,75  1, 96  40 ;2,75  1, 96  40 
 
 1 1 
B) 2,75  1, 95  200 ;2,75  1, 95  200 
 
 1 1 
C)  1, 96  400 ;1, 96  400 
 
 1 1 
D)  1, 95  ;1, 95 
 20 20 
 1 1 
E) 2,75  1, 96  20 ;2,75  1, 96  20 
 

(DEMRE. Publicación 2015)

19. Los datos de una población se modelan mediante una distribución normal, con media 
y varianza 4. Se toma una muestra de esta población de tamaño 49, cuyo promedio es
57,5. Si de esta muestra se obtiene un intervalo de confianza para  igual a
[56,94; 58,06], ¿cuál de los siguientes valores es el coeficiente asociado al nivel de
confianza de este intervalo?

A) 13,72
B) 0,98
C) 1,96
D) 0,56
E) 0,28

(DEMRE. Publicación 2016)

Página 43
 MATEMÁTICAS
GE- LIBRO N°6

20. En el experimento de lanzar dos dados comunes 150 veces, se define la variable
aleatoria X como el número de veces en los cuales la suma de los dos dados es mayor
que 10. ¿Cuál de las siguientes expresiones representa a P(X > 1)?

  11 150  1   11  
149

A) 1     150   12   12  

  12      

150
 11 
B) 150   
 12 
150
 11 
C) 1   
 12 
150
 2 
D) 1   
 11 
  11  150
 1   11 
149

E) 1      
  12  
 12   12  
 

(DEMRE. Publicación 2016)

21. De una población de n elementos se obtendrán todas las muestras de tamaño m que se
pueden formar con ella, con n > m y donde las medias aritméticas de todas las
muestras serán distintas. Se puede determinar la media de la población, si se conoce:

(1) La media aritmética de cada muestra.

(2) El valor de n y de m.

A) (1) por sí sola

B) (2) por sí sola
C) Ambas juntas, (1) y (2)
D) Cada una por sí sola, (1) ó (2)
E) Se requiere información adicional

(DEMRE. Publicación 2015)

22. En el experimento de lanzar n dados comunes se define una variable aleatoria como la
suma de los números obtenidos. Se puede determinar n, si:

(1) Se conoce el recorrido de la variable aleatoria.

(2) Se sabe que la probabilidad de que la variable aleatoria tome el valor 30 es cero y
la probabilidad de que la variable aleatoria tome el valor 24 no es cero.

A) (1) por sí sola

B) (2) por sí sola
C) Ambas juntas (1) y (2)
D) Cada una por sí sola (1) ó (2)
E) Se requiere información adicional

(DEMRE. Publicación 2016)

Página 44
 MATEMÁTICAS
GE- LIBRO N°6

RESPUESTAS EJERCICIOS ADICIONALES

1. 4
2. Solo II y III
3. 68%
4. Solo I y II
9
5.
5
6. I, II y III
9
7.
16
8. 1–a
9. V F V F V
10. Solo I
11. V F F V V
12. 93,3 %

RESPUESTAS EJERCICIOS DE SELECCIÓN MÚLTIPLE

1. B 6. C 11. A 16. B 21. A

2. A 7. C 12. B 17. D 22. D
3. B 8. A 13. E 18. E --
4. D 9. B 14. A 19. C --
5. D 10. B 15. D 20. A --

Página 45
 MATEMÁTICAS
GE- LIBRO N°6

Aprendizajes Esperados Libro 6

El alumno al finalizar el libro será capaz de:

 Comprender la relación que existe entre la media aritmética de una población de

tamaño finito y la media aritmética de las medias de muestras de igual tamaño
extraídas de dicha población.
 Obtener la cardinalidad de espacios muestrales y eventos, en experimentos aleatorios
finitos, usando más de una estrategia y aplicarlo al cálculo de probabilidades en
diversas situaciones.
 Comprender que la media muestral de pruebas independientes de un experimento
aleatorio se aproxima a la media de la población a medida que el número de pruebas
crece.
 Comprender el concepto de variable aleatoria y aplicarlo en diversas situaciones que
involucran experimentos aleatorios.
 Relacionar y aplicar los conceptos de variable aleatoria discreta, función de
probabilidad y distribución de probabilidad, en diversas situaciones que involucran
experimentos aleatorios.
 Comparar el comportamiento de una variable aleatoria en forma teórica y
experimental, considerando diversas situaciones o fenómenos.
 Aplicar el concepto de modelo probabilístico para describir resultados de
experimentos binomiales.
 Relacionar y aplicar los conceptos de función de densidad y distribución de
probabilidad, para el caso de una variable aleatoria continua.
 Comprender que la distribución de medias muestrales de muestras aleatorias de igual
tamaño extraídas de una población tiende a una distribución normal a medida que el
tamaño de las muestras aumenta.
 Argumentar acerca de la confiabilidad de la estimación de la media de una población
con distribución normal, a partir de datos muestrales.

Revisa Tema 7, Datos y Azar II módulos 1, 2 y 4, en www.preupdvonline.cl

Página 46