Perez Candreva y Otros Ejercicios. Estadística Aplicada Inicial. Ejercicios de Estadística Descriptiva y Probabilidad - Candreva y Wermus

1
La Plata, 11 de Diciembre de 2006
Ref: Proyecto de publicación derivado de

actividades docentes en ejercicios prácticos
de Estadística:
Estimados Julieta Biasotti, Amalia Homar,

Alicia Ledesma, Naomi Wermus y Raúl Zoia:
Por medio de la presente, tenemos el agrado de invitarlos a participar del

proyecto editorial que estamos llevando a cabo sobre ejercicios de estadística.
El mismo se deriva de las actividades docentes y de investigación que hemos

llevado a cabo desde 1999. En particular dicho proyecto tomó forma durante los sucesivos años en
que el Docente Leonardo Perez Candreva dictó clases complementarias ya sea en gabinete como
frente a la 2da comisión de Clases Prácticas para las que fue revisando y resolviendo ejercicios
prácticos, algunos de los cuales habían sido seleccionados por el Docente Raúl JTP Zoia en las
guías de trabajos prácticos de la cátedra. Para avanzar en este Primer Borrador de Publicación
Tradicional, fueron decisivas dos colaboraciones: de Naomi Wermus, quien es docente de
estadística en la Universidad del Salvador y ha cursado la Maestría en el INDEC – UNTREF junto
a Perez Candreva; y de Julieta Biasotti, que cursó en nuestra casa de estudios durante 2005 con
excelente desempeño.
La idea es elaborar una publicación didáctica con ejercicios prácticos

resueltos a fin de facilitar el proceso de dictado de las clases prácticas. Esperamos que contar con
una publicación con ejercicios resueltos nos dará lugar a la introducción de nuevos ejercicios frente
al curso y de esa forma progresar en la calidad de contenidos que brindamos a los alumnos. Un
primer tomo constaría básicamente de los contenidos dictados frente al pizarrón en un curso regular
de Estadística 1 enla UNLP (ver esquema propuesto más abajo). Un segundo tomo abarcaría
ejercicios empíricos para ser resueltos con la ayuda de pc con soft estadístico similares a los
dictados en la UNSAL.
Durante todo 2006, hemos corregido y tipeado en formato electrónico los

borradores para el primer tomo de esta publicación.
2
Cabe destacar que la publicación se realizará como iniciativa
profesional de los participantes sin involucrar a las instituciones de las que forman parte. No
obstante, es de nuestro Interés que los contenidos a publicar no entren en contradicción con los
contenidos que se dictan en las referidas cátedras, ni dificulten las labores de docencia del resto de
los integrantes de las cátedras. Por el contrario, nuestra intención es generar una herramienta de
estadística aplicada que contribuya con la formación de a los estudiantes.
A fin de avanzar en estos aspectos y definir vuestra participación (en carácter

de autores o colaboradores con algún tópico especial, prólogo, introducción u otra), los
convocamos a la reunión a realizarse en la Ciudad de La Plata, el próximo 19 de diciembre de 2006
a las 16hs.
Se adjunta el esquema tentativo que estructura el primer tomo de la

publicación.
Agradecemos su cordial atención y lo saludamos cordialmente.
Leonardo F. Perez Candreva

3
Esquema tentativo del TOMO 1: Clases frente al pizarrón.
Título y Subtítulo de la publicación:

Estadística Aplicada Inicial. Ejercicios de Estadística descriptiva y probabilidad.
Autores confirmados:
Leonardo F. Perez Candreva, Naomi Wermus.
Colaboradores confirmados:
Alicia Ledesma, Julieta Biasotti
Colaboradores y / o Autores a confirmar:

Amalia Homar, Raúl Zoia
Diagramación y Casa Editora:

A definir
PRIMERA PARTE: ESTADÍSTICA DESCRIPTIVA (UNIDIMENSIONAL) ............................................4

I- Estadística Descriptiva Unidimensional: Conceptos Básicos......................................................................4
II- Estadística Descriptiva Unidimensional: Medidas de posición................................................................13
III- Estadística Descriptiva Unidimensional: Aplicaciones varias ................................................................25
SEGUNDA PARTE: PROBABILIDADES ..................................................................................................33
IV- Probabilidades: Introducción. .................................................................................................................33
V- Probabilidades: Teoría de Conteo y Combinatoria ..................................................................................42
VI- Probabilidades: Variable aleatoria discreta.............................................................................................49
VI- Probabilidades: Variable aleatoria continua............................................................................................58
V- Probabilidades: Modelos Discretos ..........................................................................................................67
VI- Probabilidades: Modelos Continuos .......................................................................................................68
TERCERA PARTE: TEMAS ELEGIDOS ...................................................................................................70
VI- Probabilidades: Variables aleatorias bidimensionales discretas .............................................................70
VII- Probabilidades: Variables aleatorias bidimensionales continuas...........................................................71
VIII- Probabilidades: Función de Variable aleatoria.....................................................................................72
4
PRIMERA PARTE: ESTADÍSTICA DESCRIPTIVA

(UNIDIMENSIONAL)
I- Estadística Descriptiva Unidimensional: Conceptos Básicos
Contenidos:
Ejercicios didácticos simples para consolidar, interpretar y aplicar conceptos
teóricos relacionados a procedimientos de estadística descriptiva: construcción de distribuciones de
frecuencias (frecuencias simples, relativas, acumuladas), representaciones gráficas (histogramas,
polígonos de frecuencias y polígonos acumulativos).
Ej 1. Ej. 1
Enunciado
En un estudio acerca del ingreso de personas residentes en un barrio de la ciudad se seleccionó una
muestra de siete trabajadores en relación de dependencia, determinándose para cada uno de ellos las
remuneraciones mensuales netas en $ que se indican a continuación:
568 684 711 525 940 884 695
a) Ordenar las observaciones de manera creciente.
525 568 684 695 711 884 940
b) Representar los datos sobre una recta.
Solución
525 568 684 695 711 884 940
‫׀‬ ‫׀‬ ‫׀ ׀‬ ‫׀‬
‫׀‬ ‫׀‬
500 600 700 800
900 variable:
”remuneraciones
mensuales
netas en $”
5
Ej 2. Ej. 2
Enunciado:
En un procedimiento de control de calidad se examinaron 40 cajas de 50 bolígrafos, verificándose la
cantidad de artículos defectuosos en cada una de ellas:
7 8 2 5 5 5 8 3
4 7 2 5 6 5 8 4
4 4 1 9 4 5 7 2
3 8 4 6 4 8 5 9
4 6 7 0 3 7 5 4
a) Construir una distribución de frecuencias.

b) Hallar las frecuencias relativas y porcentuales.
c) Determinar las frecuencias acumuladas.
d) Representar gráficamente.
Solución
Primer Paso: ordeno las observaciones de la muestra de menor a mayor:
Muestra Ordenada
0 1 2 2 2 3 3 3
4 4 4 4 4 4 4 4
4 5 5 5 5 5 5 5
5 6 6 6 7 7 7 7
7 8 8 8 8 8 9 9
Segundo paso: agrupamos las observaciones en intervalos o clases:
° hallamos el rango de la variable © que es la diferencia entre el valor máximo y el valor mínimo de
la variable:
R = Xmax – Xmin
Con los datos del problema:
R=9–0=9
° determinamos el número de intervalos (K) que deseamos establecer, por

ejemplo 8,
K=8
° hallamos la amplitud de cada intervalo © por formula: C = R/K
En el problema: C = 9/8 = 1,125 pero lo aproximaremos matemáticamente hasta 1,2 para que
abarque también la última observación de la muestra.
° sabemos que cada intervalo tendrá una amplitud de 1,2. Entonces ahora construimos los intervalos,
que en este caso elegimos definir “cerrados, abiertos”, que se denotan por convención con los
símbolos: [ ), en donde “[“ indica cerrado, significa que dicho intervalo contiene al X mínimo
inclusive, y “)” indica abierto, significa que dicho intervalo contiene hasta el X máximo, pero no lo
incluye. Por ejemplo el intervalo [1,20 ; 2,40) el cual incluye al valor 1,20 pero no al valor 2,40.
a) distribución de frecuencias b) c)
6
intervalo
intervalo abierto,
cerrado: marca no frecuencia
incluye al X de X incluye al frecuencia REC. acumulada
x min min clase max x max absoluta Relativa absoluta
i f fr fr% F
1 [ 0.00 0.60 1.20 ) 2 0.05 5.00 2
2 [ 1.20 1.80 2.40 ) 3 0.08 7.50 5
3 [ 2.40 3.00 3.60 ) 3 0.08 7.50 8
4 [ 3.60 4.20 4.80 ) 9 0.23 22.50 17
5 [ 4.80 5.40 6.00 ) 8 0.20 20.00 25
6 [ 6.00 6.60 7.20 ) 3 0.08 7.50 28
7 [ 7.20 7.80 8.40 ) 5 0.13 12.50 33
8 [ 8.40 9.00 9.60 ) 7 0.18 17.50 40
40 1.00 100
° y por último hallamos las frecuencias absolutas (f) representan el número de observaciones en cada
clase o intervalo. Por ejemplo en el primer intervalo están incluidas la primer y la segunda
observación: “0” (podemos incluirla gracias a que el intervalo tiene la característica de ser cerrado-
abierto) y “1” (que es menor a 1,20)

La frecuencia relativa (fr) es la proporción de observaciones en cada muestra y se calcula
dividiendo la frecuencia absoluta por el número total de datos (n): fr = f/n. Si sumamos todas las
frecuencias relativas: Σde i=1 hasta n; fri= 1
Por ejemplo el primer caso, fr = 2/40 = 0,05
La frecuencia porcentual es la proporción de datos en cada intervalo expresado en porcentajes.
Para el ejemplo anterior sería:
fr% = 0,05 x 100 = 5%

La frecuencia acumulada es el numero total de observaciones que hay en esa clase mas las
anteriores. Por ejemplo en el en el tercer intervalo:fr acumulada absoluta i=3 = f abs i=1 + f abs
i=2 + f abs i=3
=2+3+3=8
Dado que estamos trabajando con un número grande de observaciones y que ya han sido
agrupadas en intervalos resulta conveniente representar los datos gráficamente a través de un
histograma, el cual nos permite analizar la distribución de datos.
Se ubica en el eje de abscisas la escala de valores que tome la variable, en este caso “cantidad de
bolígrafos defectuosos por caja”, y en el eje de ordenadas la escala de frecuencias absolutas:
“numero de cajas”.
Calculo la marca de clase, que se define como (Xmax + Xmin)/2, por ejemplo (0,00 + 1,20)/2 =
0,60, para poder graficar el histograma con el asistente para gráficos de una planilla de calculo.
En rigor, las áreas de cada barra del histograma deben representarse contiguamente de forma tal
que contengan a todo el intervalo. La planilla de cálculo lo grafica así:
7
Histograma de frecuencia absoluta

absoluta: número
9
8
frecuencia
7
de cajas
5
3 3 3
2
0,60 1,80 3,00 4,20 5,40 6,60 7,80 9,00
cantidad de bolígrafos defectuosos por caja

(se indica la marca de clase)
Cada barra del histograma representa a un intervalo o clase, y su amplitud debe representar todos
los valores del intervalo, donde la altura de la barra es la frecuencia absoluta correspondiente a
cada intervalo.
Es decir, en el eje de las x del histograma para frecuencias acumuladas, por ej. el primer
rectángulo tiene una frecuencia de 2. Quiere decir que en dos cajas de las 40 no se encontraron
bolígrafos defectuosos o se encontró sólo uno. Esto es así dado que el primer rectángulo
corresponde al primer intervalo cerrado abierto, cuya marca de clase es 0,60 (y que se indica en el
gráfico) y sus límites inferiores y superiores son 0 y 1,2 respectivamente dentro del cual sólo cabe
la posibilidad que se encuentren 0 o 1 bolígrafos defectuosos (en este caso tenemos números
discretos con lo cual se elimina la posibilidad de tener observaciones que tengan un valor
fraccional).
Ej 3. Ej. 3
Enunciado
A continuación se presentan los datos correspondientes al consumo de energía eléctrica en Kw.
realizado en 100 departamentos de dos ambientes durante el 6º bimestre del año 2000.
163 168 155 214 113 132 165 185 164 200
185 170 215 163 220 183 197 167 188 140
175 173 178 189 161 181 191 180 147 171
126 171 198 147 198 108 174 243 171 182
181 168 221 199 153 185 165 182 209 160
8
178 143 194 167 194 121 180 141 181 149
147 173 202 144 158 195 189 201 187 160
214 183 153 164 175 187 211 162 164 205
143 141 187 199 218 161 185 164 138 206
181 178 185 191 140 179 146 143 188 192
Solución
Repetiremos los mismos pasos que utilizamos en el ejercicio 2:
serie ordenada
108 113 121 126 132 138 140 140 141 141
143 143 143 144 146 147 147 147 149 153
153 155 158 160 160 161 161 162 163 163
164 164 164 164 165 165 167 167 168 168
170 171 171 171 173 173 174 175 175 178
178 178 179 180 180 181 181 181 181 182
182 183 183 185 185 185 185 185 187 187
187 188 188 189 189 191 191 192 194 194
195 197 198 198 199 199 200 201 202 205
206 209 211 214 214 215 218 220 221 243
Determinamos el rango, el número de intervalos y la amplitud de los mismos:
máx. 243
min. 108
R 135
K 7 El numero de intervalos, K, se define arbitrariamente
C 19,2857143 aproximo a 20
Construimos la distribución de frecuencias agrupando las observaciones en intervalos de igual longitud:

Nota: Excel calcula los intervalos como cerrado – cerrado, [ ] es decir que incluye dentro de él
observaciones con valor = a los x min y x max. Para que Excel agrupe los intervalos como cerrado-
abierto, en este caso con observaciones discretas enteras para que los intervalos queden como hemos
estado trabajando anteriormente, debemos ingresar en el cuadro de dialogo como "clase" (no es lo
mismo que marca de clase) el límite superior de cada intervalo restándole una unidad (por ejemplo) y
no ingresar este dato para el último intervalo dado que Excel (la planilla de calculo) luego agrega otro
intervalo "y mayor..." en el cual agrupa las observaciones que tienen valor superior a ese valor.
a) b) c)
distribución de
frecuencias frecuencia relativa frecuencia acumulada
9
Frec.
Frec. Porcentual Frecuencia
X X Frecuencia X max - Relativa= relativa= Frecuencia acumulada %
min max =f 1 fr= f i / n fr*100 acumulada descendente acumulado
105 125 3 124 0,03 3 3 100 3,00%
125 145 11 144 0,11 11 14 97 14,00%
145 165 20 164 0,20 20 34 86 34,00%
165 185 29 184 0,29 29 63 66 63,00%
185 205 26 204 0,26 26 89 37 89,00%
205 225 10 224 0,10 10 99 11 99,00%
y
225 245 1 mayor... 0,01 1 100 1 100,00%
b) Hallar frecuencias relativas y porcentuales.

Dividimos la frecuencia acumulada por el numero de observaciones totales para obtener las
frecuencias relativas por ej: en el primer intervalo fr = 3/100 = 0,03
Y la fr = 3%
c) Obtener las frecuencias acumuladas, ascendentes y descendentes.

Calculamos las frecuencias acumuladas ascendentes, en donde cada frecuencia acumulada contiene
el número total de observaciones de esa clase y las anteriores, y las frecuencias acumuladas
descendentes, en donde cada frecuencias acumulada contiene la el numero total de observaciones
de esa clase y de las siguientes.
d) Representar gráficamente histograma, polígono de frecuencias y polígonos acumulativos.

Construimos el histograma, en donde el área cada rectángulo debe representar la frecuencia del
intervalo, para que de esta manera el área completa del histograma represente la frecuencia
absoluta.
El polígono de frecuencias se obtiene uniendo los puntos medios de los techos de los intervalos, y
en los extremos deben compensarse las superficies. En este caso utilizaremos un histograma en el
cual el eje de ordenadas indica la frecuencia absoluta correspondiente a cada intervalo, y el eje de
abscisas la escala de valores que tome la variable, en este caso “consumo de energía eléctrica en
Kw. durante el 6to. bimestre del año 2000.”
Histograma y Polígono de Frecuencias
40
30
20
10
0
0 124 144 164 184 204 224 y mayor...
Para graficar al polígono acumulativo debemos construir el histograma de frecuencia acumulada,

cuyo eje de ordenadas indica la frecuencia acumulada correspondiente a cada intervalo.
Los polígonos acumulativos pueden ser de dos formas: ascendentes o descendentes, según cual sea
la variable utilizada en el eje de ordenadas, frecuencia acumulada ascendente o descendente.
Marcamos los puntos superiores derechos de cada rectángulo.
10
Polígono Acumulativos Ascendente y Descendente
120 120
100 100
Frecuencia
80 80
60 60
40 40
20 20
0 0
4
4
0
...
12
14
16
18
20
22
or
ay
m
y
Consumo de Energia Eléctrica en Kw
polïgono acumulativo ascendente
120 120
frecuencia acumulada
100 100
80 80
60 60
40 40
20 20
0 0
4
4
0
...
12
14
16
18
20
22
or
ay
m
y
cosumo de energia electrica en Kw. durante el 6° bimestredel año

2000
Ejercicio adicional:
Construimos la distribución de frecuencias realizadas anteriormente pero para una amplitud de 18 y
luego de 20.
11
C = 18
distribución de
Frec.
X X Relativa= relativa= Frecuencia acumulada %
min max Frec= f X max -1 fr= f i / n fr*100 acumulada descendente acumulado
100 118 2 117 0.02 2 2 100 2.00%
118 136 3 135 0.03 3 5 98 5.00%
136 154 16 153 0.16 16 21 95 21.00%
154 172 23 171 0.23 23 44 79 44.00%
172 190 31 189 0.31 31 75 56 75.00%
190 208 16 207 0.16 16 91 25 91.00%
208 226 8 225 0.08 8 99 9 99.00%
226 244 1 243 0.01 1 100 1 100.00%
100 y mayor... 1.00 100 200 100 100.00%
C = 25
distribución de
Frec.
X X Frecuencia Relativa= relativa= Frecuencia acumulada %
min max =f X max -1 fr= f i / n fr*100 acumulada descendente acumulado
100 125 3 124 0.03 3.06122449 3 100 3.00%
125 150 16 149 0.16 16.32653061 19 99 19.00%
150 175 28 174 0.29 28.57142857 47 86 47.00%
175 200 39 199 0.40 39.79591837 86 47 86.00%
200 225 13 224 0.13 13.26530612 99 19 99.00%
225 250 1 249 0.01 1.020408163 100 3 100.00%
100 y mayor... 1.02 102.0408163
Ej 4.
Enunciado
La siguiente distribución de frecuencias corresponde a los saldos de 400 cuentas corrientes
bancarias al cierre de las operaciones del mes anterior.
X f
-100 0 22
0 100 45
100 200 64
200 400 80
400 600 54
600 1000 76
1000 1500 59
12
a) Representar el histograma. b) Construir el polígono de frecuencias

acumuladas ascendente.
Solución
a) Representar el histograma.
Primero debemos armar la distribución de frecuencias, junto con las marcas de clase.
Xmax- f*= c' . f / c

X c 1 f cuenta escrita d
-100 -50 0 100 -1 22 (100x22)/100= 22,0 0,220
0 50 100 100 99 45 (100x45)/100= 45,0 0,450
100 150 200 100 199 64 (100x64)/100= 64,0 0,640
200 300 400 200 399 80 (100x80)/200= 40,0 0,400
400 500 600 200 599 54 (100x54)/200= 27,0 0,270
600 800 1000 400 999 76 (100x76)/400= 19,0 0,190
1000 1250 1500 500 59 (100x59)/500= 11,8 0,118
400
Cómo calculamos f*:

Si c es la amplitud actual del intervalo al cual le corresponde una frecuencia de f, entonces para la
nueva amplitud elegida como referencia, c' le corresponderá una nueva frecuencia, f*. Se hace una
regla de 3 simple:
Amplitud elegida como referencia c' = 100
c ___ f
c’ ___ f*=(c’ x f)/c
En el gráfico siguiente, los intervalos tienen diferente amplitud, con lo cual, lo relevante en cuanto a
la distribución de frecuencias será como siempre el área de los rectángulos del histograma.
f*= c' . f / c
frecuecia rectificada =
64
(c' * f ) / c
45
40
27
22 19
11,8
0 100 200 400 600 1000 1500
valor que asume la variable: saldo de la cuenta corriente en pesos

(se indica el X max. de cada intervalo, si bien cada rectángulo es
representativo de del intervalo total, por ej. 22 son las cuentas
b) Construir el polígono de frecuencias acumuladas ascendente.

f*acumulada
0
22
67
131
13
171
198
217
229
poligono acumulativo ascendente
250
200
frecuencia
histogrma
150
100 poligono ascendente

acumulativo
50
0
-1 99 199 399 599 999
saldos de las cuentas corrientes al cierre de
las operaciones del mes anterior
Nota: los gráficos no son correctos porque no pude solucionar estos problemas con el Excel.
Algunos de los errores son: que los polígonos acumulativos, ya sean ascendente o descendente,
deberían cruzar al lado superior de cada barra en el extremo derecho y no en la mitad; por otro lado
tengo la impresión que quedaría más claro que las barras estén pegadas unas a otras para que de
esta manera los polígonos acumulativos no recorran espacio del grafico que no suma ni resta.
II- Estadística Descriptiva Unidimensional: Medidas de posición
Contenidos:
Cálculo, interpretación y aplicaciones de medidas de posición (de tendencia
central y de tendencia no central), de dispersión, de asimetría y de curtosis.
Introducción
Para trabajar con datos necesitamos utilizar las medidas resumen que sirven para describir la
información. Podemos encontrar medidas de posición , como también medidas de dispersión:
- Posición: son los valores que toma la variable. Estas pueden ser:
aritmética
. media geométrica
*con tendencia central: armónica
. mediana
. moda o modo
. cuartiles
*con tendencia no central: . deciles
14
. percentiles
- Dispersión: nos muestran la homogeneidad de los datos. Encontramos las siguientes

medidas:
*rango
*rango intercuartílico
*varianza, desvío típico o estándar
*desvío medio o desviación media
- Curtosis
- Asimetría
Las medidas de posición generalmente van acompañadas de medidas de dispersión ya que estas
son insuficientes para sacar conclusiones por sí solas.
Ej 5.
Enunciado
Una empresa posee 8 sucursales ubicadas en distintas ciudades del país, los nivles de ausentismo de su
personal (en %) durante el año 2000 fueron:
5,7 5,9 8,6 9,0 3,8 4,6 6,2 7,7
a) calcular la Media de esta población

b) Hallar la varianza
Solución
1. Medidas de posición con tendencia central: Media: dependiendo del tipo de problema en el
que estemos trabajando, usaremos la media aritmética, geométrica o armónica.
Si los datos que tenemos se aproximan a una distribución geométrica (en general son series de
cuya variable expresa tasas, proporciones, etc.), entonces la media aritmética no es
representativa.
m geométrica: raíz enésima de π desde i=1 hasta n, Xi
A continuación graficamos este concepto en un ejemplo:
Agregar el ejemplo de leo
En cambio para problemas de velocidades, los tiempos corren inversamente proporcional a la

velocidad. En este caso utilizaremos la media armónica.
m armónica: n/∑ desde i=1 hasta n, 1/Xi
La media aritmética es la más utilizada y se define como el promedio de los valores que toma la
variable:
µ=∑ desde i=1 hasta n, Xi/n
µ= (5,7 + 5,9 + 8,6 + 9,0 + 3,8 + 4,6 + 6,2 + 7,7)

n
donde n es el número de observaciones que en este caso es 8
µ= (5,7 + 5,9 + 8,6 + 9,0 + 3,8 + 4,6 + 6,2 + 7,7)

8
µ= 6,4375
15
2. a varianza mide la dispersión de las observaciones con respecto a la media:
V(x)= E( Xi - µ)elevado al cuadrado = ∑ desde i=1 hasta n, (Xi - µ) elevado al cuadrado
n
Si la varianza toma el valor cero, quiere decir que las observaciones están totalmente
concentradas en una constante, es decir, no hay dispersión. Caso contrario, si la varianza toma
un valor suficientemente grande, las observaciones se encontraran muy dispersas con respecto a
la media.
σ elevado al cuadrado= ∑ desde i=1 hasta n, (Xi - µ) elevado al cuadrado
n
σ elevado al cuadrado=[( 5,7 - 6,4375)ˆ2 + (5,9 - 6,4375)ˆ2 +…+ (7,7- 6,4375)ˆ2 ] =
8
= 24,05875 = 3,00734375
8
Ej 6.
Enunciado
Se seleccionó una muestra de siete artículos fabricados en el turno mañana y diez

correspondientes al turno tarde verificándose el número de fallas de cada uno de ellos:
Mañana 2 5 3 4 2 0 2
Tarde 3 1 0 1 3 1 3 10 8 2
Para cada una de las muestras calcular:
a) Media muestral, mediana y moda.
b) Cuartiles.
c) Varianza muestral, desvío estándar y coeficiente de variación.
Solución
a) Para calcular la media muestral de cada turno de producción aplicaremos la formula de la media
muestral aritmética:
x¯ = ∑ Xi
n
Para la muestra del turno mañana:

x¯ = ( 2 + 5 + 3 + 4 + 2 + 0 + 2 ) = 18 = 2,5714
7 7
muestra muestra x – x x-x
i original ordenada media media ^ 2
muestra
mañana 1 3 0 3.00 9.00
2 0 2 0.00 0.00
3 3 3 3.00 9.00
4 4 3 4.00 16.00
5 2 3 2.00 4.00
6 3 4 3.00 9.00
7 5 5 5.00 25.00
Conclusión: para esta muestra de siete artículos, el promedio de fallas en cada uno de los
artículos producidos durante el turno mañana es de 2, 5714.
16
Para los artículos fabricados durante el turno tarde su media muestral es:
x¯ = ( 3 + 1 + 0 + 1 + 3 + 1 + 3 + 10 + 8 + 2 ) = 32 = 3.2
10 10
Conclusión: los productos fabricados durante el turno tarde tienen un promedio de fallas por
artículo de 3,2.
muestra muestra x–x x–x

i original ordenada media media^2
muestra
tarde 1 3 0 -0.2 0.04
2 1 1 -2.2 4.84
3 0 1 -3.2 10.24
4 1 1 -2.2 4.84
5 3 2 -0.2 0.04
6 1 3 -2.2 4.84
7 3 3 -0.2 0.04
8 10 3 6.8 46.24
9 8 8 4.8 23.04
10 2 10 -1.2 1.44
0 95.6
x media = 3.2
La mediana es también una medida de posición con tendencia central que divide a la muestra en
dos partes iguales. La primera mitad toma valores menores a este y la otra toma valores
mayores.
Para calcularla debemos ordenar las observaciones en sentido creciente, y luego si el número de
observaciones es impar, la mediana será la observación que ocupe el lugar central, y si el
número de observaciones es par, la mediana será el promedio de las dos observaciones
centrales.
La posición de la observación correspondiente a la mediana es: i = (n + 1)
2
Para el primer grupo de observaciones que se refiere al numero de fallas por articulo, que fueron
fabricados en el turno mañana, i=(7+1)/2=4
Por ser la cantidad de observaciones un numero impar, la mediana tomara el valor de la
observación que se encuentre en la posición numero cuatro, que en este caso es 2.
Turno mañana: 2 5 3 4 2 0 2
Ordeno las observaciones en forma ascendente:
T. M.: 0 2 2 2 3 4 5
Tomo la observación numero cuatro

Md = X~ = 2
Para el segundo grupo de observaciones que se refiere al numero se fallas por artículo que se
registraron en el tuno tarde i= ( 10 + 1 ) / 2 = 5
Por ser el número de observaciones un número par, la mediana toma un valor aproximado que
se obtiene de promediar los valores de las posiciones 5 y 6 luego de haber ordenado en sentido
creciente las observaciones de la muestra. Por lo tanto la mediana para el número de fallas por
artículo producido durante el turno tarde es de:
Md= X~= ( 2 + 3) / 2 = 2,5
La moda también es una medida de centralización. Intuitivamente podemos decir que es el valor
que aparece con mayor frecuencia, es decir, el que más se repite.
xˆ = moda
17
Para el caso del turno mañana: la observación que aparece con mayor frecuencias es
el numero 2.
Para el caso del turno tarde: podemos observar que los objetos que poseen una sola falla y los
que poseen tres, se encuentran con la misma frecuencia, entonces posemos concluir que para
este caso la muestra es bimodal: xˆ1 = 1 y xˆ2 = 3
b) Los cuartiles son medidas de posición, pero en contraposición a los casos anteriores, son de
tendencia no central ya que dividen la distribución en cuatro partes iguales. Los cuartiles son los
valores que indican el punto de división de cada una de esas partes.
Para calcularlos debemos primero ordenar las observaciones de menor a mayor, entonces la
observación correspondiente al primer cuartel es:
( n + 1 ) / 4, la del segundo cuartil es: ( n + 1 ) / 2 (el cual es equivalente con la mediana) y por
ultimo la del tercer cuartil es: 3( n + 1 ) / 4.
Para el caso de los productos fabricados durante el turno mañana:
1° ordenamos las observaciones de menor a mayor:
T.M.: 0 2 2 2 3 4 5
Para calcular el primer cuartil tenemos:
X1 = ( n + 1 ) = ( 7 + 1 ) = 2
4 4
Por lo tanto el valor del primer cuartil lo encontraremos en la segunda posición que en este caso
es de dos fallas por artículo: q1 = 2
El segundo cuartil:
X2 = ( n + 1 ) = ( 7 + 1 ) = 4
2 2
Por lo tanto el valor del segundo cuartil lo encontramos en la posición numero cuatro, y es de
dos fallas por articulo: q2 = 2
El tercer cuartil:
X3 = 3( n + 1 ) = 3( 7 + 1 ) = 24 = 6
4 4 4
Por lo tanto el valor del tercer cuartil es la en la posición tres y es de cuatro fallas por articulo:
q3 = 4
En la muestra de turno tarde:
Primero ordeno de mayor a menor:
T.T.: 0 1 1 1 2 3 3 3 8 10
Luego:
X1 = ( n + 1 ) = ( 10 + 1 ) = 2,75
4 4
Como obtuvimos un decimal para poder determinar el verdadero valor de esa observación
aplicamos la siguiente fórmula:
q1 = X2 + 0,75( X3 – X2 ) = 1 + 0,75( 1 – 1 ) = 1
X2 = ( n + 1 ) = 11 = 5,5
2 2
q2 = X5 + 0,5( X6 – X5 ) = 2 + 0.5( 5 – 9 = 2 + 0.5 = 2,5
X3 = 3( n + 1 ) = 3( 10 + 1 ) = 8,25
3 4
q3 = X8 + 0,25( X9 – X8 ) = 3 + 0,25( 3 – 8 ) = 4,25
c) Ya vimos algunas nociones sobre varianza de una población, en este caso debemos obtener la
varianza de una muestra que llamaremos varianza muestral y denotaremos así: “ s elevado al
cuadrado “
s elevado al cuadrado = ∑ de i=1 hasta n, (xi - x¯ ) elevado al cuadrado,
n–1
18
donde encontramos que esta dividida por ( n – 1 ) en lugar que por ( n ), esto se debe a que
estamos trabajando con una muestra y al querer estimar la varianza estamos perdiendo un grado
de libertad.
Para el turno mañana:
x¯ = 2,5714 ; ∑ de i=1 hasta n, (xi - x¯ )elevado al cuadrado = 15,7141 ; s cuadrado =2,6190

Para el turno tarde:
x¯ = 3,2 ; ∑ de i=1 hasta n, (xi - x¯ )elevado al cuadrado = 92,6 ; s cuadrado =10,2888

El desvío standar muestral consiste, simplemente en aplicarle la raíz cuadrada a la varianza
muestral.
Raíz cuadrada de (s cuadrado) = s = 1,6183

Raíz cuadrada de (s cuadrado) = s = 3,2076
El coeficiente de variación muestral la variabilidad de la variable en cuestión. Para calcularla

dividimos el desvío standar por la media muestral y lo expresamos en porcentajes.
c = s * 100
x¯
c = 1,6183 * 100 = 0,6293 * 100= 62,93%
2,5714
c = 3,2176 * 100 = 1,002375 * 100 = 100,2375%
3,2
Ej 7.
Enunciado
Considerando la distribución de frecuencias del ejercicio Ej. 2, hallar:

a) Media muestral, mediana y moda.
b) Rango intercuartílico.
c) Varianza muestral.
d) Desviación media (media de las desviaciones absolutas).
Solución
En este ejercicio nos encontramos con una gran cantidad de datos que nos dificulta la tarea de
interpretar la información que nos brindan. Para que resulte un poco más sencillo podemos
agrupar los datos, y de esta manera reducir la cantidad de información que debe ser asimilada.
Para ello primero debemos ordenar los datos de la muestra de menor a mayor, luego agrupamos
las observaciones en intervalos o clases. Contamos el número de observaciones que caen en
cada intervalo y calculamos la frecuencia absoluta, la frecuencia relativa y la frecuencia
acumulada.
frec
frec .
distribución de . frec acu X
frecuencias abs. .relativa m clase* f
19
|Xc
X (Xc - - |Xc -
X ma Fr= Xc ^2 * Xc (Xc - X¯ ) ^ 2 X¯ X¯ |
min clase x f fr fr% F F/ n xc^2 f -X¯ X¯ ) ^ 2 * f | *f
-
0.0 1.2 0.0 4.8 23.619 47.239 4.8
[ 0 0.60 0 ) 2 5 5.0 2 1.2 5% 0.36 0.72 6 6 2 6 9.72
-
1.2 2.4 0.0 13 3.6 13.395 40.186 3.6
[ 0 1.80 0 ) 3 8 7.5 5 5.4 % 3.24 9.72 6 6 8 6 10.98
-
2.4 3.6 0.0 20 2.4 18.154 2.4
[ 0 3.00 0 ) 3 8 7.5 8 9 % 9 27 6 6.0516 8 6 7.38
-
3.6 4.8 0.2 22. 43 1.2 14.288 1.2
[ 0 4.20 0 ) 9 3 5 17 37.8 % 17.64 158.76 6 1.5876 4 6 11.34
-
4.8 6.0 0.2 20. 63 0.0 0.0
[ 0 5.40 0 ) 8 0 0 25 43.2 % 29.16 233.28 6 0.0036 0.0288 6 0.48
6.0 7.2 0.0 70 1.1 1.1
[ 0 6.60 0 ) 3 8 7.5 28 19.8 % 43.56 130.68 4 1.2996 3.8988 4 3.42
7.2 8.4 0.1 12. 83 2.3 2.3
[ 0 7.80 0 ) 5 3 5 33 39 % 60.84 304.2 4 5.4756 27.378 4 11.7
8.4 9.6 0.1 17. 100 3.5 12.531 87.721 3.5
[ 0 9.00 0 ) 7 8 5 40 63 % 81 567 4 6 2 4 24.78
-
1.0 1431.3 5.2 238.89
40 0 100 218.4 0% 6 8 6 79.8
Esta tabla nos permite ver cuestiones sencillas que a través de la tabla inicial no nos era posible
percibir. Si utilizamos solo los datos de esta última para determinar las medidas resumen,
debemos hacer aproximaciones. Podemos, entonces, calcular las marcas de clase y utilizarlas
para calcular las medidas, de esta manera estaríamos suponiendo que todas las observaciones de
cada intervalo o clase se encuentran en el centro del intervalo.
a) Tenemos una muestra de n observaciones, tal que n=∑ de i=1 hasta k, fi

donde fi es la frecuencia de la clase k.
Para calcular la media muestral aplicamos la siguiente formula:
X¯ =∑ de i=1 hasta k, Xc * fi ;
n
donde Xc son los puntos medios, marca de clase de cada intervalo.
Consideremos la distribución de frecuencia del número de bolígrafos defectuosos:
n = 40
x¯= 218,4 = 5,46
40
Para poder estimar la mediana debemos primero estimar la localización de la ( n + 1) / 2
observación, cuando ya hemos ordenado de menor a mayor todas las observaciones.
( n + 1) = ( 40 + 1 ) = 20,5
2 2
Buscamos la observación que contenga a las observaciones que se encuentren en las posiciones
20 y 21
Observando la columna de frecuencias acumuladas encontramos que la quinta clase contiene de
la observación numero 17 a la numero 25, por lo que podemos concluir que j = 5
20
Por último aplicaremos la siguiente formula:
Md=x = lim inf j + [ [ (n / 2) - (Fj-1) ] / fj ] * cj
donde, Lij es el limite inferior del intervalo j
cj es la amplitud del intervalo j
Fj-1 es la frecuencia acumulada del intervalo
j-1
fj es la frecuencia absoluta del intervalo j
j intervalo que contiene a la mediana
Md = 4,80 + [ [ (40/2 – 17) / 8 ] * 1,20 ] = 5,25
Para hallar el modo o moda aplicamos la siguiente formula:

Moda=^x= lim inf j +[ variación j y j-1 / ( variación j y j-1 + variación j
y j+1) ] * cj
∆1=(fj - fj-1)
∆2=(fj - fj+1)
El valor de la variable con mayor frecuencia se va a encontrar en el intervalo que posea la

mayor frecuencia. Este intervalo podemos encontrarlo observando la columna de frecuencias
absolutas, en donde podemos ver que el intervalo numero cuatro posee una mayor cantidad de
observaciones que el resto.
Moda = 3,60 + [ 6 / (6 + 1) ] * 1,20 = 4,629

∆1= 9 – 3 = 6
∆2= 9 – 8 = 1
b) El rango intercuartílico es la diferencia entre el tercer y el primer cuartil, y muestra la dispersión

del 50% de las observaciones centrales de la distribución.
Para hallar los cuartiles 1 y 3 utilizamos la siguiente formula:
qi=Pi= lim inf del interv.j +[ ( (i* n /100) - Fj-1) /fj ]*
cj
n es el numero de observaciones de la muestra
Fj-1 es la frecuencia acumulada del intervalo j-1
i es el % de la distribución ordenada de datos
que
se acumula hasta dicha medida de posición
q3 = P 75 = 7,2 + [ [ (75 * 40) / 100 – 28 ] / 5 ] * 1,20 = 7,68
q1 = P 25 = 3,6 + [ [ (25 * 40) / 100 – 8 ] / 9 ] * 1,20 = 3,87
Sabemos que hasta el tercer cuartil se acumula el 75% de las observaciones de la muestra, por
lo tanto sabemos que este se encontrará dentro del intervalo numero siete, que acumula al
menos el 75% de la muestra:
Ahora, como el primer cuartil acumula al 25% de la muestra, sabemos que se encontrara dentro
del intervalo numero cuatro que acumula al menos el 25% de la muestra.
c) Para evaluar cuan dispersas están las observaciones de los datos agrupados con respecto a la
media, calculamos la varianza muestral.
21
Sˆ2=∑[(Xci – X¯ )ˆ2*fi ]
n–1
donde, xci es la marca de clase del intervalo i
x¯ es la media muestral
n numero de observaciones de la muestra
fi es la frecuencia absoluta del intervalo i
S^2 = 238,896 = 6,125

40 - 1
d) Para calcular la media de las desviaciones absolutas, llamada “desviación media” aplicamos la
siguiente formula:
dm = ∑│xi - x¯│* fi
n
dm = 79,8 = 1,995
40
Ej 8.
Enunciado
Los gastos semanales en transporte público realizados por 80 personas residentes en barrios
alejados del centro de la ciudad se presenta en la siguiente distribución de frecuencias:
Gasto (en $) 4 - 6 6 - 8 8 - 10 10 - 12 12 - 14 14 - 16
Número de 9 15 24 17 10 5
personas
a) Determinar media muestral, mediana, moda.
b) Indicar el tipo de asimetría según la ubicación de las medidas calculadas en a).
c) Hallar 3º cuartil, 7º decil, percentil 68.
d) Calcular la varianza muestral y el desvío típico.
e) Determinar el gasto que no es superado por el 60% de las personas que integran la muestra.
f) Hallar el número de personas cuyo gasto es mayor que $ 13.
Solución
Tenemos una muestra de 80 observaciones y solamente contamos con los datos que nos brinda su
distribución de frecuencias.
En primer lugar debemos armar el cuadro de distribución de frecuencias, en donde calculamos
la marca de clase, la frecuencia absoluta, la frecuencia acumulada y la frecuencia relativa
porcentual.
c= 2
(Xc -X (Xc –X
2
X f F Fr% x.f x *f Mediana Moda media)*f media)^2*f
4 5 6 9 9 11% 45 225 -40.275 180.230625
6 7 8 15 24 30% 105 735 -31.875 91.884375
8 9 10 24 48 60% 216 1 944 9.33333 8.782608 -8.000 5.415
22
10 11 12 17 65 81% 187 2 057 187.000 39.535625
12 13 14 10 75 94% 130 1 690 130.000 124.25625
14 15 16 5 80 100% 75 1 125 75.000 152.628125
80 758 7 776 311.850 593.95
a) Como estamos trabajando con datos agrupados la media muestral la

calcularemos a traves de la siguiente formula:
X¯ =∑ de i=1 hasta k, Xc * fi ;
n
donde Xc son los puntos medios, marca de clase de cada intervalo.
x¯= 758 = 9,475

80
La mediana:
Md=x = lim inf j + [ [ (n / 2) - (Fj-1) ] / fj ] * cj
Fj-1 es la frecuencia acumulada del intervalo
j-1
Observamos que el 50% de las observaciones se acumulan en el intervalo numero tres,

obtenemos:
Md = 8 + [ [ (80/2 – 24) / 24 ] * 2 ] = 9,3333
La moda: el intervalo que posee una mayor cantidad de observaciones es el numero tre,
entonces calculamos:
Moda=^x= lim inf j +[ variación j y j-1 / ( variación j y j-1 + variación j

y j+1) ] * cj
∆1=(fj - fj-1)
∆2=(fj - fj+1)
Moda = 8 + [ 9 / (9 + 7) ] * 2 = 9,125
∆1= 24 – 15 = 9
∆2= 24 – 17 = 7
b) una distribución es simétrica si las observaciones de esa muestra se

distribuyen alrededor de su valor central, esto implica que la mediana
debe ser igual a la media, Md=Me, o sea que la frecuencia con la que
aparecen las observaciones extremadamente grandes es igual a la
frecuencia con la que aparecen observaciones extremadamente pequeñas.
Si en cambio Me>Md, estamos frente a una distribución asimétrica hacia la derecha. Caso
contrario, si la Me<Md, tenemos una distribución asimétrica hacia la izquierda.
23
En el ejercicio: Me= 9,4754 y Md= 9,3333
Por lo tanto estamos frente a una distribución asimétrica a derecha.
c) Los cuartiles son 3 y dividen el área en 4 partes iguales.

Los deciles son 9 y dividen el área en 10 partes iguales.
Los percentiles son 99 y dividen al área en 100 partes iguales.
Para calcular la posición de una observación utilizamos la siguiente fórmula:

Pi= lim inf del interv.j + [ ( (i* n /100) - Fj-1) /fj ]* cj
Debemos calcular el tercer cuartil que sabemos que acumula el 75% de las observaciones, por
lo tanto lo encontraremos en el cuarto intervalo (j = 4).
q3= P75= 10 + [ ( (75* 80 /100) - 48) /17 ]* 2
Para encontrar el séptimo decil utilizaremos nuevamente el cuarto intervalo ya que este posee al
menos el 70% de las observaciones de la muestra (j = 4).
D7= P70= 10 + [ ( (70* 80 /100) - 48) /17 ]* 2
Para hallar el percentil numero 68 utilizamos también el cuarto intervalo (j = 4), ya que este
acumula el 68% de las observaciones, el cual esta incluido dentro de este intervalo.
P68 =10 + [ ( (68* 80 /100) - 48) /17 ]* 2
d) La varianza muestral la calcularemos a través de la formula insesgada

para datos agrupados:
Sˆ2 = ∑[(Xci – X¯ )ˆ2*fi ]

n–1
utilizando los datos de la tabla:
Sˆ2 = 593,95 = 7,5183
80 - 1
Para calcular el desvío típico, simplemente aplicamos la raíz cuadrada a la varianza muestral:
S = {∑[(Xci – X¯ )ˆ2*fi ]}ˆ1/2

n–1
S = (7,5183)ˆ1/2 = 2,74196
e) Para resolverlo debemos primero hallar el percentil número 60 que

representa el sesenta por ciento de las observaciones de la muestra.
P60 = 10 + [(68*80/100 – 48)/17]*2
P60 = 10
Conclusión: el gasto semanal en transporte público que no es superado por el 60% de las
personas de esta muestra es de $10.
f) Para poder calcular cuantas personas gastan mas de $11 por semana, debemos:
Primero calcular cuantas personas gastan menos de es dinero:
11 = 10 + [( i*80/100 – 48)/17]*2
1 = [( i*80/100 – 48)/17]*2
17/2 = i*0,8 – 48
i*0,8 = 113/2
i = 70,625
Por lo tanto el 70,62% gasta hasta $11 en transporte público por semana.
Y luego si el 70,62% de las personas de la muestra gasta al menos $11, el (100 – 70,62 )% =
23,38% gasta más que ese valor.
Conclusión: el 23,38% de la muestra gasta más de $11 por semana en transporte público.
24
Ej 9.
Enunciado
Teniendo en cuenta la distribución de frecuencias del Ej. 3:

a) Hallar el porcentaje de observaciones comprendidas en el intervalo (media ± desvío
estándar).
b) Determinar el intervalo que incluya el 80% central de las observaciones.
c) Hallar los límites de los siguientes intervalos:
A: 35% con menor gasto.
B: 25% con mayor gasto.
Solución
c = 20
Median Medi (x-
X F F x.f x2*f a Moda a (x-x¯ ) x¯ )^2 (x-x¯ )^2*fi
10
125 135 145 3 3 0 405 54 675 -59.6 3552.16 10656.48
264
145 155 165 11 14 97 1 705 275 -39.6 1568.16 17249.76
612
165 175 185 20 34 86 3 500 500 -19.6 384.16 7683.2
1102 196.03 189.86
185 195 205 29 63 66 5 655 725 4 5 0.4 0.16 4.64
1201
205 215 225 26 89 37 5 590 850 20.4 416.16 10820.16
552
225 235 245 10 99 11 2 350 250 40.4 1632.16 16321.6
245 255 265 1 100 1 255 65 025 60.4 3648.16 3648.16
19 3853
100 460 300 194.6 66384
a) Me = x¯ = ∑Xc*fi = 19460 = 194,6

n 100
S = {∑[(Xci – X¯ )ˆ2*fi ]}ˆ1/2 = (66384) ˆ1/2 = 670,5454ˆ1/2
n–1 99
S = 25,8948no se ve bien q todo esta ½, parece sin lo de abajo, ¿raíz?
Con estos resultados podemos construir el intervalo [media ± desvío estándar], que comprende al 50%
de las observaciones centrales:
[(media – desvío estándar) ; (media + desvío estándar)]
[(194,6 – 25,8948) ; (194,6 + 25,8948)]
[168,7 ; 220,5]
Conclusión: el 50% central de familias que viven en departamentos de dos ambientes, consumen de
energía eléctrica entre 168,7 y 220,5 Kw.
b) El intervalo que contiene al 80% central de una muestra es:

[media ± 2desvíos estándar]
Por lo tanto si x¯ =194,6 y S=25,8948:
[(media – 2desvío estándar) ; (media + 2desvío estándar)]
[(194,6 – 2*25,8948) ; (194,6 + 2*25,8948)]
[(194,6 – 51,7896) ; (194,6 + 51,7896)]
[142,8 ; 246,4]
25
No puedo decir que es el intervalo Nº 5 (que acumula una frecuencia de 89%) dado que me piden aquel
intervalo que incluya el 80% CENTRAL de las observaciones. Este intervalo calculado, (x media ± 2
desvíos) incluye el 80% de las observaciones (de hecho incluye más del 80%), pero en rigor de verdad,
no se puede asegurar que sea el 80% central de las observaciones dado que -como vemos a partir de los
estadísticos, la media y la mediana no coinciden - la distribución de datos tiene cierto sesgo (asimetría)
negativo (media < mediana). Por ello el intervalo con límite inferior = P10 y P90 es el límite superior
es el que contiene al 80% central de la distribución, dejando el 20% restante de la distribución dividido
en dos en cada extremo (10% en el superior y 10% en el inferior)
P90=227
P10=157,73
c) A: 35% con menor gasto

Como nos pide de menor gasto, el intervalo ira desde la menor observación, hasta la observación que
este ubicada en el percentil numero 35 que representa al 35% de los datos.
A: [Xmín ; P35]
Xmín= 125
P35= 185 + {[(35*100)/100 - 34]/29}*20 = 185,69
A: [125 ; 185,69]
B: 25% con mayor gasto
Ahora nos pide el de mayor gasto por lo que el límite superior del intervalo será la mayor observación,
y el límite inferior del intervalo será el percentil 75%, por que este representa el límite entre el 75% de
menor gasto y el 25% de mayor gasto.
B: [P75 ; Xmáx]
Xmáx= 265
P75= 205 + {[(75*100)/100 - 63]/26}*20 = 214,23
B: [214,23 ; 265]
III- Estadística Descriptiva Unidimensional: Aplicaciones varias
Contenidos:
Aplicaciones varias
Ej 10.
Enunciado
Una empresa industrial adquirió recientemente un insumo a cinco proveedores, habiendo

abonado en cada caso los precios por unidad que seguidamente se indican:
Proveedor A B C D E
Precio 20 25 16 28 23
♦ Hallar el precio medio del insumo para la empresa

a) Si se compró la misma cantidad de unidades a cada proveedor.
b) Si las unidades adquiridas a cada proveedor fueron 11, 18, 34, 9 y 12, respectivamente.
c) Si el importe total pagado a cada proveedor fue el mismo.
26
Solución
cantidad total monto total
proveedor A B C D E
comprada pagado
precio 20 25 16 28 23
f a) (*) 5 5 5 5 5 25
total pagado según
100 125 80 140 115 560
f a)= x (precio) * f a)
f b) 11 18 34 9 12 84
total pagado según
220 450 544 252 276 1742
f b)
f c) 5.00 4.00 6.25 3.57 4.35 23.17
total pagado según
100 100 100 100 100 500
f c)
a) Podemos suponer que la empresa adquirió 5 unidades a cada proveedor, de esta manera si
observamos el cuadro anterior encontramos que la cantidad total comprada es de 25 unidades
Por su parte podemos encontrar el monto total pagado = x (precio) * fa)
La frecuencia en este inciso supusimos anteriormente que era de 5 unidades cualquiera sea el
proveedor, entonces fa) = 5. Observando el cuadro podemos encontrar el monto total pagado a
cada proveedor y el resultado final.
Por último podemos encontrar el precio medio del insumo para la empresa si compró la misma
cantidad de unidades a cada proveedor a través de la siguiente formula:
x¯ = ∑ xi , en este caso n = n|° de proveedores = 5
n
o, de la misma manera:
x¯ = ∑ xi * fi , en este caso n = n° total de unidades adquiridas
n
x¯ = 22,4 unidades
b) Como la frecuencia de unidades compradas a cada proveedor a cambiado debemos encontrar

cual es la cantidad total comprada, para esto sumamos todas unidades que fueron adquiridas sin
importar a quien = 11 + 18 + 34 + 9 + 12 = 83 unidades
El monto total pagado nuevamente, observando el cuadro, sale de multiplicar la cantidad de
unidades compradas a cada proveedor por el precio correspondiente.
Finalmente el precio medio será:
x¯ = ∑ xi * fi
n
x¯ = 20,73 unidades
c) Se nos pide que el monto total pagado a cada proveedor sea el mismo, por ejemplo $100.
Entonces ahora debemos encontrar la cantidad de unidades que se ha adquirido a cada
proveedor y la cantidad total de unidades compradas.
Como sabemos que el total pagado a cada proveedor es = x (precio) * f , despejando f
encontraremos la cantidad de unidades compradas a cada proveedor,
para el proveedor A: 100 = 20 * f
f = 100 / 20 = 5 unidades
Observando el cuadro encontraremos la frecuencia para el resto de los proveedores.
Luego sumando las cantidades compradas a cada proveedor encontraremos la cantidad total de
insumos que adquirió la empresa.
Por ultimo el precio medio será:
x¯ = ∑ xi * fi
27
n
x¯ = 21,58 unidades
Ej 11.
Enunciado
La cotización de un título público presenta la siguiente evolución:
Día Vie Lun Mar Mie Jue Vie

16/02/0 19/02/0 20/02/0 21/02/0 22/02/0 23/02/0
1 1 1 1 1 1
Cotización 110,8 114,5 119,6 124,3 130,6 134,6
a) Calcular el aumento verificado entre el 16/02/01 y el 23/02/01.

b) Hallar el incremento diario medio.
Solución
día 16/02/01 19/02/01 20/02/01 21/02/01 22/02/01 23/02/01

cotización 110.800 114.500 119.600 124.300 130.600 134.600
aumento verificado entre el

16-02-01 y el 23-02-01 en
a) niveles 23.800
aumento verificado entre el
16-02-01 y el 23-02-01 en
% 21.480
incremento c/r al anterior

b) (en niveles) 3.700 5.100 4.700 6.300 4.000
media aritmética del

incremento diario en niveles 4.760
a) Para calcular el aumento verificado entre el 16-02-01 y el 23-02-01 en niveles debemos,

simplemente, restar a la cotización del día 23/02/01(último día), la cotización del día
16/02/01(primer día):
134,6 – 110,8 = 23,8
Si nos interesa saber cuanto representa en porcentajes podemos hacer una regla de tres simple:
110,8 ------- 100%
23,8 ------- (23,8 * 100%)/110,8 = 21,48%
b) Si queremos encontrar el incremento diario medio, debemos primero encontrar el incremento en

la cotización de un día con respecto al anterior (en niveles), y esto se logra restando la
cotización de un día específico con la del día anterior a ese. Por ejemplo el incremento entre el
primer día (16/02/01) y el segundo día (19/02/01) es de:
114,5 – 110,8 = 3,7
Por lo tanto podemos decir que entre estos dos días hubo un incremento en la cotización de
$3,7.
28
Luego hallamos el incremento diario medio:
x¯ = ∑ xi
n
utilizamos esta formula por que la frecuencia de aparición de cada observación (cotización del
titulo publico cada día), es uno.
x¯ = 3,7 + 5,1 + 4,7 + 6,3 + 4,0 = 23,8 = $4,76
5 5
Ej 12.
Enunciado
Se seleccionó una muestra de 30 teléfonos con fax de un modelo nuevo con el objeto de efectuar
su seguimiento durante el período de garantía. Durante dicho lapso se debió reemplazar un
componente electrónico en varios equipos, algunos de los cuales recibieron el cambio en más de
una oportunidad.
Reemplazos 0 1 2 3 4
Teléfonos 8 11 6 4 1
a) Calcular el número medio de reemplazos efectuados y la varianza.

b) El costo de cada cambio es de $ 23, existiendo además gastos fijos asignados a este
proceso por valor de $ 285.
i) Hallar la distribución del costo total del proceso de seguimiento y reparación de los
equipos, determinando el costo medio y el desvío estándar.
ii) Aplicar propiedades de la media y varianza para verificar los resultados obtenidos.
Solución
a) Nos encontramos frente a 30 teléfonos y la cantidad de reemplazos que ha sufrido cada uno,
para calcular el número medio de reemplazos que fueron realizados debemos encontrar la media
de esta población:
x¯ = ∑ xi * fi
n
x¯ = 0 + 11 + 12 + 9 + 4 = 36 = 1,2 reemplazos por teléfono.
30 30
Luego, para hallar la varianza aplicamos la formula correspondiente:
S^2 = ∑ (x - x¯ )^2
n–1
S^2 = 13,2 = 0,455
29
X Reemplazos 0 1 2 3 4 total
F teléfonos 9 11 6 3 1 30
x*f 0 11 12 9 4 36
X - X media -1.2 -0.2 0.8 1.8 2.8 4
(X - X media)^2 1.44 0.04 0.64 3.24 7.84 13.2
b) Sabemos que:
costo fijo = $280
costo variable = $22
29
número de observaciones = n = 30
i) Distribución del Costo Total
X Reemplazos 0 1 2 3 4 Total
F teléfonos 9 11 6 3 1 30
x*f 0 11 12 9 4 36
CTX= cv + cf =
22*(x*f) + 280 280.00 522.00 544.00 478.00 368.00
CTX - CT media -26.4 215.6 237.6 171.6 61.6
(CTX - CT media)^2 697.0 46483.4 56453.8 29446.6 3794.6
(CTX - CT media)^2 * f 6272.6 511317.0 338722.6 88339.7 3794.6 948446.4
CVX = 22*(x*f) 0.0 242.0 264.0 198.0 88.0 792.0
cvx - (cv)media -26.4 215.6 237.6 171.6 61.6
(cvx - (cv)media)^2 697.0 46483.4 56453.8 29446.6 3794.6
(cvx - (cv)media)^2*f 6272.6 511317.0 338722.6 88339.7 3794.6 948446.4
La sumatoria del ultimo reglón en Excel no da eso por que tiene en cuenta mas decimales, lo
dejo así o lo hago como da en realidad???
CT= Costo Total según x = cv + cf = 22*(x*f) + 280 = 792 + 280 = 1072
Hallamos el costo medio:
CT¯ = CV¯ + C F = ∑ CV * fi +CF= 792 + 280 = 26,4 + 280 = 306,4
n 30
Para hallar el desvío estándar debemos, primero, calcular la varianza:

S^2 = ∑ (CTX - CT¯ )^2 * fi
n–1
S^2 = 948446,4 = 32705
29
Ahora si podemos calcular el desvío estándar, aplicándole la raíz cuadrada a la varianza:
S = (32705)^(1/2) = 180,85
ii) Aplico las propiedades de la media y la varianza para verificar los resultados obtenidos:
E (CTX) = E(cv + cf) =
= E(cv) + E(cf) =
= E(cv) + cf =
= E (22*(x*f)) + 280 =
= 22*E(x*f) + 280 =
= 22*(∑x*f )/ n + 280 =
= 22*36/30 + 280 =
= 22*1,2 + 280 =
= 26,4 + 280 = 306,4
V(CTX) = V(cf + cv) =

= V(cf) + V(cv) =
= V(cv) =
30
= ∑ [cvx - (cv)media] ^2 * f =
n-1
= 948446,4 = 32705
29
Ej 13.
Enunciado
La tabla que se presenta a continuación corresponde a la distribución de frecuencias del tiempo

que debieron esperar 90 clientes de una firma comercial antes de ser atendidos por personal de la
misma.
Tiempo (minutos) 0 - 4 4 - 8 8 - 12 12 - 16 16 - 20 20 - 24
Nº de clientes 18 29 23 12 5 3
a) Indicar el tipo de asimetría de la distribución teniendo en cuenta la relación entre las

medidas de tendencia central.
b) Calcular los coeficientes de asimetría de Pearson.
c) Analizar la curtosis o apuntamiento de la distribución mediante el coeficiente percentílico.
d) Hallar los coeficientes de asimetría y curtosis basados en los momentos centrales de 3º y 4º
orden, respectivamente.
Solución
a) Para facilitar el cálculo de las medidas de tendencia central, debemos armar una tabla de
distribución de frecuencias completa, o sea que incluya la marca de clase, la frecuencia relativa,
la frecuencia relativa porcentual y la frecuencia absoluta.
Tabla de distribución de frecuencias

c=4
i X f F Fr. % x*f x2*f (x - x)3*f (x - x)4*f
-5 40
1 0 2 4 19 19 21% 38 76 974.2080 624.6144
2 4 6 8 26 45 50% 156 936 - 570.7520 1 598.1056
3 8 10 12 23 68 76% 230 2 300 39.7440 47.6928
4 12 14 16 12 80 89% 168 2 352 1 687.2960 8 773.9392
35
5 16 18 20 5 85 94% 90 1 620 3 893.4400 819.6480
11 151
6 20 22 24 5 90 100% 110 2 420 499.8400 797.8880
10 238
90 792 9 704 575.3600 661.8880
Utilizando la tabla anterior, y a partir de las fórmulas correspondientes, podemos calcular las
medidas de tendencia central:
¿Formula y desarrollo? O así esta bien????
31
-moda = 6.5882
-media = 8.8
-mediana = 8
Si tenemos en cuenta solo las medidas de posición con tendencia central, podemos ver que la
media es mayor que la mediana lo que indica asimetría positiva en la distribución.
media > mediana distribución con asimetría positiva
b) Coeficientes de asimetría de pearson:

Para calcularlo vamos a necesitar el desvío estándar de esta muestra:
Lo calculamos utilizando las formulas correspondientes y la tabla anterior:
¿Formula y desarrollo? O así esta bien????
var n-1 = 30.724
desvío estándar = 5.5429
Ahora si:
P1 =(X media - Moda) / desvío estándar
P1 =(8,8 - 6.5882) / 5.5429 = 0,399
P2 =3*(X media - mediana) / desvío estándar

P2 =3*(8,8 - 8) / 5.5429 = 0,433
c) Coeficiente percentílico = 0,5*(C3-C1) / (P90-P10)
por ambos coeficientes da similar a la normal.
d)
m3 117.504
asimetría 0.702
m4 2651.799
curtosis 2.873 casi igual que para la distribución normal
es = 3 para la normal
Ej 14.
Enunciado
. Las remuneraciones mensuales del personal directivo y gerencial de una firma con sucursales en
varias ciudades del país son:
Importe 2.500 3.000 3.500 5.000 7.500
Trabajadores 21 16 11 5 3
a) Graficar la curva de Lorenz – Gini.

b) Calcular el coeficiente de concentración de Gini.
Solución
32
Ej 15.
Enunciado
El número de explotaciones agrarias en un partido de la Provincia de Buenos Aires tiene la

siguiente distribución:
Extensión (Ha) Nº Superfici
e
total
0 25 391 3.696
25 50 156 5.834
50 100 197 14.744
100 500 346 79.381
500 1000 58 40.891
1000 5000 43 90.770
5000 ó más 5 60.638
a) Representar la curva de Lorenz – Gini.

b) Calcular el coeficiente de concentración.
c) Determinar las superficies correspondientes:
i) Al 50% de las explotaciones menores.
ii) Al 10% de las explotaciones mayores.
d) Hallar el número de explotaciones menores que comprenden el 25% de la superficie.
Solución
33
SEGUNDA PARTE: PROBABILIDADES
IV- Probabilidades: Introducción.
Contenidos:
Introducción a las probabilidades. Conceptos y Definiciones básicas.
Definición de espacio muestral; resultados básicos y eventos. Cálculo de
probabilidad. Diagramas de Venn. Principio de multiplicación,
permutación, combinatoria. Operaciones con eventos.
Complementariedad de eventos, exhaustividad. Resoluciones utilizando
árboles con o sin reposición y teoría de conteo y combinatoria.
Introducción
La probabilidad caracteriza los fenómenos aleatorios asignándoles una cuantificación numérica a cada
posible resultado que puede surgir. Por ejemplo, al tirar un dado no sabemos que resultado saldrá. Pero
conocemos de antemano nuestras opciones, las cuales varían entre 1y 6. A partir de la probabilidad se
intentará concretar en números la posibilidad de ocurrencia de ese experimento, es decir, que se
obtenga, por ejemplo, un 3 al tirar el dado.
El ejemplo que acabamos de desarrollar, nos permite adentrarnos en los conceptos básicos que
utilizaremos en adelante. Cada vez que nos preguntemos ¿Cuál es la probabilidad de lanzar el dado y
obtener un 3?, estaremos haciendo referencia, en primer lugar a lo que se denomina experimento
aleatorio y al posible resultado evento o suceso. Asimismo, al conjunto de resultados posibles lo
llamaremos espacio muestral, y será representado con la siguiente nomenclatura: S = {1, 2, 3, 4, 5, 6}.
Las características que presentan un experimento aleatorio son:

• Un experimentos que se repite indefinidamente no presenta cambios esenciales que lo
condicionen
• El espacio muestral (conjunto de sucesos posibles) se describe según los elementos que lo
componen: finitos o infinitos. Se denomina conjunto finito si el número de elementos son
finitos. Entre el conjunto infinito es posible distinguir al infinito numerable cuando el
conjunto puede ponerse en correspondencia con números enteros positivos (n° racionales) y al
infinito no numerable cuando no es posible enumerar a los elementos del conjunto.
• Cada suceso se define como un subconjunto del espacio muestral, si el espacio muestral S
tiene n elementos ⇒ hay exactamente 2n sucesos posibles.
• Si bien cada resultado aparece como arbitrario, cuando n ⇒ ∞ se detecta cierta regularidad
que permite construir un modelo matemático preciso con el cual analizar el experimento
(Regularidad estadística de estabilización-Ley de los grandes números)
Ley de los Grandes Números

¿Como se mide la probabilidad?
A medida que aumenta la cantidad de veces
La probabilidad de un evento se expresa con que se realiza un experimento aleatorio, la
como fracción o decimal variando entre 0 frecuencia del resultado se aproxima cada vez
y 1, siendo cero la imposibilidad que más a su probabilidad teórica, permitiendo
ocurriese el evento (fracaso) y 1 será la construir un modelo matemático.
certeza que el evento ocurra (éxito).
34
La definición de probabilidad planteada por la escuela frecuencista se basa en las n repeticiones

experimentales pasadas o el número de intentos que un evento ha presentado. La frecuencia con la que
ha sucedido el evento en el pasado me sirve como predictor sobre la probabilidad que vuelva a suceder
dicho suceso en el futuro.
Nro _ de _ veces _ que _ apareceA

f r ( A) =
Nro. _ de _ veces _ que _ se _ realiza _ el _ exp erimiento
Esta aproximación a la probabilidad desde la teoría de la frecuencia relativa la cual se basa en

repeticiones experimentales no es convergente estrictamente en términos matemáticos. Es necesario
optar por un método teórico y no meramente empírico, dependiente de un caso particular de datos.
La probabilidad a priori o regla Laplace supone que un experimento E con S espacio muestral asociado
puede acontecer de k maneras diferentes en un total de n posibles modos. P(A)=
k Casos _ favorables
=
n Casos _ posibles
Cada suceso A es asociado a un número real, P(A), que llamaremos la probabilidad que el suceso A
satisfaga la siguiente condición:
1. 0 ≤ P(A) ≤ 1
2. P(S)=1
3. P (AUB)=P(A)+P(B) – A y B son sucesos mutuamente excluyentes
n n
Para n sucesos P ( U Ai) =
i =1
∑ P( Ai)
i =1
4. Si A1, A2 ….. An son sucesos mutuamente excluyentes de par en par
n
P ( U Ai)= P(A1) + P(A2) + ………… P (An)
i =1
Esta regla sólo es aplicable cuando a) los resultados son equiprobables, es decir, cada elemento / caso
posee la misma probabilidad de ser elegido, y b) en espacios muestrales infinitos.
Ej 16. Ejercicio Analisis combinatorio y Permutaciones
Enunciado
Describir el espacio muestral correspondiente a los siguientes experimentos aleatorios, indicando en
cada caso si el mismo es finito, infinito numerable o infinito.
a) Se arroja un dado.
b) Se lanzan dos monedas.
c) Se tiran tres monedas y se cuenta el número de caras obtenidas.
d) Se seleccionan artículos sin reposición de un lote integrado por tres de origen nacional y dos
importados determinándose el número total de artículos elegidos hasta encontrar todos los de
fabricación nacional.
e) Se fabrica un artículo hasta obtener cinco sin fallas. Se cuenta el número de artículos
manufacturados.
35
f) Se verifica el tiempo de vida útil del motor de un automóvil.
Solución
Antes que nada, debemos definir al espacio muestral (S) como conjunto de todos posibles resultados
del experimento
a) S = {1, 2, 3, 4, 5, 6} ⇒ Espacio muestral finito
b) S={cara cara, cara seca, seca cara, seca seca} ⇒ Espacio muestral finito
c) Opción 1
S = {0, 1, 2, 3} ⇒ Espacio muestral finito – elementos no equiprobables
Opción 2
S = {3, 2, 2, 1, 1, 2, 1, 1, 0} ⇒ Espacio muestral finito – elementos equiprobables
Representación gráfica:
1er momento 2do momento 3er momento E = nro. de caras
Cara 3
Cara
Seca 2
Cara
Seca Cara 2
∂ Seca 1
Cara 2
Cara
Seca Seca 1
Seca Cara 1
Seca 0
d) Opción 1
S = {3, 4, 5} ⇒ Espacio muestral finito – elementos no equiprobables
Opción 2
S = {3, 4, 5, 4, 5, 5, 4, 5, 5, 5} ⇒ Espacio muestral finito – elementos equiprobables
1er 2do 3er 4to 5to E = nro. de N

momento momento momento momento momento
N 3
N
4
N M
M N 5
N
N 4
N
M
M N 5
∂ M N N 5
N 4
N
N
M N 5
M
M N N 5
M N N N 5
36
e) Opción 1
S = {5, 6, 7, 8, … } ⇒ Espacio muestral infinito numerable – elementos no equiprobables
Opción 2
S = {3, 4, 5, 4, 5, 5, 4, 5, 5, 5} ⇒ Espacio muestral infinito numerable – elementos equiprobables
1er 2do 3er 4to 5to 6to E = nro. de SF

momento momento momento momento momento momento
SF 5
SF
F SF 6
SF SF 6
SF
SF F F SF 7
∂ F F
f) S = {A, A ≥ 0} ⇒ Espacio muestral infinito no numerable
Ej 17.
Enunciado
Se selecciona aleatoriamente a dos jurados de una lista integrada por cuatro inscriptos. Definir el
espacio muestral asociado a dicho experimento.
a) Si la persona elegida en primer término presidirá el jurado.
b) Si no existen diferencias jerárquicas entre los miembros.
Solución E = nro. de jurados
B
A
a) Son 4 jurados (A, B, C, D). En este caso es importante tener en C cuenta
el orden de selección, dado que se cumple la siguiente regla = D
AB ≠ BC. B
A
∂ C
n! 4! 4 ∗3∗ 2 ⇒ Número de D
nPr = = = = 12
(n − r )! (4 − 2)! 2 elementos que A
C
tendrá el espacio B
muestral D
A
D
B
C
37
S = {AB, AC, AD, BA, BC, BD, CA, CB, CD, DA, DB, DC}
⇒ Elementos equiprobables
b) En este punto también partimos que la selección es sin reposición pero advertimos que no existen
distinciones jerárquicas ⇒ Probabilidad Combinatoria:
Por lo tanto se cumple la siguiente regla: AB = BA; AC = CA
n! 4! 4 ∗3∗ 2 ⇒ Número de
n Cr = = = = 6
r!(n − r )! 2!(4 − 2)! 2∗2 elementos que
tendrá el espacio
muestral
S = {AB, AC, AD, BA, BC, BD, CD}
Ej 18.
Enunciado
3.1. Indicar si los siguientes sucesos son mutuamente excluyentes y/o colectivamente exhaustivos.
a) A: “las acciones aumentan su valor”; B: “las acciones no incrementan su valor”.
b) En dos extracciones de una baraja con reposición, A: “as de espadas en la primera extracción”;
B: “as de espadas en la segunda extracción”.
c) Idem anterior, pero considerando que las extracciones se realizan sin reposición.
Solución
a) Los sucesos o eventos son excluyentes
b) Los sucesos o eventos son compatibles. No son mutuamente excluyentes ni colectivamente

exhaustivos si suponemos que el espacio muestral incluye a otros eventos (otras cartas posibles que
puedan salir)
c) Al realizarse una extracción sin reposición son eventos mutuamente excluyentes
Ej 19.
Enunciado
4.1. Sean A y B eventos compatibles (no excluyentes) definidos en un espacio muestral S. Representar
en un Diagrama de Venn y hallar una expresión para los siguientes eventos:
a) Sólo A ocurre
b) Ocurre sólo un evento
c) Ningún evento sucede
d) Ocurre por lo menos un evento
e) Suceden ambos eventos
38
f) Ocurre A o no sucede B
Solución
a) Sólo ocurre A, es decir, ocurre A y no ocurre B ⇒ A ∩ Β
b) Ocurre sólo un evento: sólo ocurre A o sólo ocurre B ⇒ (A ∩ Β ) ∪ (B ∩ Α )
c) Ningún evento sucede, no ocurre A ni ocurre B ⇒ Α ∩ Β = Α ∪ Β
d) Ocurre por lo menos un evento, ocurre A o ocurre B ⇒ A ∪ B
e) Suceden ambos eventos, ocurre A y B ⇒ A ∩ B
f) Ocurre A o no ocurre B ⇒ A ∪ Β = A + Β - A ∩ Β
a) Ej A
20. B b) A B c) A B
d) e) f)
A B A B A B
39
Enunciado
5.1 Indicar cuáles de las siguientes funciones definen un espacio finito de probabilidad en el espacio
muestral S = { a1, a2, a3}
a) P(a1) = 0,3; P(a2)= 0,4; P(a3)= 0,2

b) P(a1) = 0,2; P(a2)= 0,3; P(a3)= 0,5
c) P(a1) = 0,7; P(a2)= -0,3; P(a3)= 0,6
Solución
a) No define un espacio finito de probabilidad
b) Si define un espacio finito de probabilidad
c) No define un espacio finito de probabilidad. No puede existir
Ej 21.
Enunciado
6.1. Un lote de 25 artículos está integrado por 10 tipo A, 9 tipo B y 6 tipo E. Se selecciona un artículo
al azar.
a) Calcular la probabilidad que el artículo elegido sea tipo B o C.

b) Hallar la probabilidad que el artículo no sea tipo C.
c) Calcular la probabilidad que sea tipo A y B.
Solución
9 6
a) P (B o E) = P (B ∪ E) = P (B) + P (E) = + = 0,36 +0,24 = 0,60
25 25
6
b) P ( Ε ) = 1 – P (E) = 1 - = 0,76
25
c) P (A ∩ B) = 0. Dado que los eventos son mutuamente excluyentes.
Ej 22.
Enunciado
7.1. En una oficina trabajan 50 empleados; 20 han estudiado idioma inglés, 36 saben computación y 8
poseen ambos conocimientos. Se elige un empleado en forma aleatoria. Calcular las siguientes
probabilidades:
a) Que conozca inglés o computación.

b) Que sólo tenga conocimientos de computación.
c) Que no haya estudiado inglés ni computación.
40
d) Que solamente conozca una de estas especialidades
Solución
En primera instancia han que determinar si los sucesos son mutuamente excluyentes o no. En este caso
podemos observar que no lo son dado que se presentan de este modo:
20 36 8
Estudian ingles (I) = ; Manejan computación (C) ; Ambos conocimientos (A)
50 50 50
Por lo tanto, buscamos la forma de convertir los sucesos en I C

excluyentes: 36-8=28 empleados sólo saben ingles; 20-8=18 empleados
sólo saben computación; 28+18=48 empelados manejan ingles o 12 8 28
computación; El total de empleados es 50; 50-48=2 empleados no 2
manejan ni
ingles ni computación.
20 36 8 48
a) P (I o C) = P (I ∪ C) = P (I) + P (C) - P (I ∩ C) = + - = = 0,96
50 50 50 50
12 28 8
= P (I o C o A) = + + = 0,96
50 50 50 C
I
36 8 28
b) P (C ∩ NI) = P (C) – P (C ∩ I) = - = = 0,56 28
50 50 50
28
= P (C) = = 0,56
50
c) P (NI ∩ NC) = P (NI ∪ NC) -Ley de Morgan-

20 36 8
= 1- P (I) + P (C) – P (I ∩ C)= 1 – ( - + ) = 1- (0,4 - 0,72 + 0,16) = 0,04
50 50 50
12 28
d) P (I ∩ NC) o P (C ∩ NI) = + = 0,8
50 50
Ej 23.
Enunciado
8.1. Una persona planifica invertir cierta suma de dinero comprando acciones de dos empresas, las
cuales serán seleccionadas en forma aleatoria de un grupo de 15 firmas entre las cuales se encuentran 6
del rubro alimentos.
a) ¿De cuantas formas distintas podrá efectuar la selección?

b) Calcular la probabilidad que las dos empresas elegidas sean del rubro alimentos.
Solución.
a) El ejercicio puede resolverse de dos manera:
⇒ Utilizando un criterio jerárquico

41
n! 15! 15 ∗ 14 ∗ 13!
nPr = = = = 210
(n − r )! (15 − 2)! 13!
⇒ Partiendo del supuesto que la selección se realiza sin reposición
n! 15!
nCr = = = 105
r!(n − r )! 2!(15 − 2)!
42
b) En el caso que quiera que las dos primeras empresas que elijo sean alimentarias:
Casos _ favorables 6C 2 15
P= = = = 0,143
Casos _ posibles 15C 2 105
En el caso que no reimporta el orden en que sean elegidas las dos empresas alimentarias, el desarrollo
del ejercicio es el siguiente:
n! 6!
nCr = = = 15
r!(n − r )! 2!(16 − 2)!
Hay 15 formas factibles de que las 2 empresas que elija sean de alimentos y son 105 las firmas posibles
de elegir 2 empresas.
Ej 24.
Enunciado
9.1. Ocho personas se ubican aleatoriamente formando una fila para ingresar a un banco; dos de ellos
son hermanos.
a) Calcular la probabilidad que se ubiquen en orden creciente o decreciente según las edades.
b) Determinar la probabilidad que los hermanos queden uno detrás del otro.
Solución
a) En primera instancia debo calcular cuales son las distintas formas en que puedo ordenar a las
personas:
n! 8!
8P8= = = 8! = 40.320
(n − r )! 0!
Ahora estoy en condiciones de calcular la probabilidad creciente (C) o decreciente (D):
1+1
P (C o D) = = 0.00005
40320
b) Existen 7! formas posibles de que el hermano A quede delante del hermano B y otras 7! formas
posibles de que el hermano B que de delante del hermano A:
7! 7! 1 1 2 1
P= + = + = = = 0,25
8! 8! 8 8 8 4
V- Probabilidades: Teoría de Conteo y Combinatoria
Contenidos:
Aplicación de reglas operativas al cálculo de probabilidades. Dependencia y condicionalidad entre

eventos. Teorema de Bayes.
43
Ej 25.
Enunciado
1.1 Durante la semana anterior una firma recibió 300 pedidos de un producto que comercializa,
los cuales se presentan sintéticamente en la siguiente tabla:
Modelo
Cliente
A B
Mujer 155 61
Hombre 40 44
Se examina un pedido al azar.

a) Calcular la probabilidad que corresponda a un cliente hombre o al modelo A.
b) Hallar la probabilidad que sea un pedido del modelo B, dado que el cliente es mujer.
c) Determinar la probabilidad que lo haya formulado un hombre si es del modelo B.
Solución
En primera instancia se sugiere realizar el pertinente cálculo de probabilidades: Se calculará la

proporción que tiene cada casillero respecto al total, que en este caso es de 300 pedidos.
Modelo Total Modelo Total

Cliente Cliente
A B A B
Mujer 155 61 216 Mujer 0,52 0,20 0,72
Hombre 40 44 84 Hombre 0,13 0,15 0,28
Total 195 105 300 Total 0,65 0,35 1,00
84 195
a) P (H ∪ A) = P (H) + P (A) = + = 0,28 + 0,65 = 0,93
300 300
61
B P( B ∩ M ) 300 = 0,20 = 0,28
b) P ( ) = =
M M 216 0,72
300
44
H P( H ∩ B) 300 = 0,15 = 0,43
c) P ( ) = =
B B 105 0,35
300
44
Ej 26.
Enunciado
El proyecto de presupuesto para el próximo ejercicio prevé diversos programas, 30% de los cuales
corresponden al área educación; 45% de los programas de educación y 30% del resto de los programas
se financiarán con recursos de coparticipación. Se selecciona un programa al azar.
a) Calcular la probabilidad que se financie con recursos de coparticipación o corresponda a educación

b) Si el programa no se financiará con recursos de coparticipación hallar la probabilidad que
corresponda a educación.
c) Verificar si son estadísticamente independientes los tipos de programas y la fuente de
financiamiento.
Solución
Programas Total a) P (C ∪ E)= P (C) + P (E) – P (C ∩ E) =

Financia
miento
0,345 + 0,300 – 0,135 = 0,51
E R
C 0,135 0,21 0,345 E P ( E ∩ NC ) 0,165

b) P ( )= = = 0,252
NC P ( NC ) 0,655
NC 0,165 0,49 0,655
c) P (C) * P (E) = P (C ∩ E)
0,345 * 0,300 = 0,135
Total 0,300 0,700 1,00
0,104 ≠ 0,135 ⇒ Son eventos
dependientes
Ej 27.
Enunciado
3.1 El 60% de las personas que visitan una exposición industrial solicitan algún tipo de asesoramiento
en el sector Informes, 30% de todos los visitantes efectúan compras; por otra parte el 7,5% de las
personas que no solicitan asesoramiento realizan compras. Se selecciona un visitante en forma
aleatoria.
a) Calcular la probabilidad que solicite asesoramiento o efectúe alguna compra.

b) Hallar la probabilidad que no realice compras si solicitó asesoramiento.
c) Determinar la probabilidad que haya requerido asesoramiento si no efectuó compras.
45
Solución
Informes Total
A NA
El 7,5%
C 27 3 30 de 40=3
NC 33 37 70
Total 60 40 100
a) P (A ∪ C) = P (A) + P (C) – P (A ∩ C) = 0,6 + 0,3 - 0,27 = 0,63
NC P ( NC ∩ A) 0,33
b) P ( )= = = 0,55
A P ( A) 0,6
A P ( A ∩ NC ) 0,33
c) P ( )= = = 0,741
NC P ( NC ) 0,7
Ej 28.
Enunciado
4.1 Una empresa ofrece cursos de capacitación a su personal. El 40% de los empleados se inscribieron
en el curso de computación y 30% en el de matemática; el 15% de los que se inscribieron en
computación lo hicieron en matemática.
a) Calcular la probabilidad que un trabajador elegido al azar esté inscripto en ambos cursos.
b) Hallar la probabilidad que un empleado que se inscribió en matemática lo haya también en
computación.
c) Verificar si la inscripción en los cursos mencionados son sucesos independientes.
Solución
C = 40% M = 30%
C M C M
34% 6% 24%
36%
C y M = 15% de 40%
46
a) P (C ∩ M) = 0,06
C P (C ∩ M ) 0,06
b) P ( )= = = 0,2
M P( M ) 0,3
c) P (C) * P (M) = P (C ∩ M)
0,4 * 0, 3 = 0,06
0,12 ≠ 0,06 ⇒ Son eventos
dependientes
Ej 29.
Enunciado
En un supermercado el 10,5% de los ítems que comercializa son productos alimenticios cuyos precios
se han incrementado durante el mes en curso; de los productos no alimenticios 40% registran aumento
en los precios, mientras que el 33,7% de todos los artículos sufrieron aumentos de precios.
a) Calcular la probabilidad que un producto seleccionado al azar corresponda al rubro alimentos o no

haya tenido incremento de precio.
b) Hallar la probabilidad que un artículo sea alimenticio si su precio aumentó.
Solución Produc Precios Total

tos I NI
a) P (A) + P (NI) – P (A ∩ NI) = A 0,105 0,315 0,42
0,42 + 0, 663 – 0,315 = 0,768
NA 0,232 0,348 0,58
A P( A ∩ I ) 0,105
b) P ( )= = = 0,312
I P( I ) 0,337 Total 0,337 0,663 1,0
Ej 30.
Enunciado
Un editor envía folletos de un libro al 80% de los profesores que están a cargo de cursos de la materia
en la cual se utiliza. 30% de los que recibieron el folleto y 10% de los que no la recibieron adoptaron el
libro como bibliografía.
a) ¿Cuál es la probabilidad que un profesor que adoptó el libro haya recibido el folleto?
b) Calcular la probabilidad que un profesor que no adoptó el libro no haya recibido el folleto.
47
Solución
Biblio Profesores Total
R P ( R ∩ A) 0,24 grafía R NR
a) P ( ) = = = 0,923
A P( A) 0,26 El 30% El 10%
de 0,8 A 0,24 0,52 0,26 de 0,2
NR P ( NR ∩ NA) 0,18
b) P ( )= = = 0,243 NA 0,56 0,18 0,74
NA P( NA) 0,74
Total 0,80 0,20 1,0
Ej 31.
Enunciado
Una agencia de publicidad estima que el 2% de los compradores potenciales de cierto producto ve un
anuncio realizado en una revista, 20% observa el anuncio en televisión y 1% ve ambos anuncios; 1/3 de
los que han visto el anuncio y 10% de los que no lo vieron compran realmente el producto.
a) Calcular la probabilidad que un comprador potencial elegido al azar compre el producto.

b) Si el comprador potencial seleccionado no compra el producto, determinar la probabilidad que no
haya visto el anuncio.
R = 2% TV = 20%
Solución
R TV
Comprar 1
P( ) = = 0,333
Vieron 3 1% 1% 19%
Comprar
P( ) = 0,10
No − Vieron 79%
C C
a) P (C ∩ V) + P ( C ∩ NV) = P ( ) * P (V) + P ( ) * P (NV) =
NV NV
1
* 0,21 + 0,1 * 0,79 = 0, 149
3
NV P ( NV ∩ NC ) P (V ∪ C ) 1 − P (V ∪ C ) 1 − [0,21 + 0,149 − 0,07]

b) P ( )= = = = =
NC P( NC ) 1 − P (C ) 1 − ( P (C ) 1 − [0,149]
0,711
= 0,835
0,851
48
Ej 32.
enunciado
Una empresa posee tres plantas industriales identificadas como Sur, Centro y Oeste. La participación
de dichos establecimientos en la producción de un modelo de buje de bronce es la siguiente: Sur: 30%;
Centro: 24%; Oeste: 46%.
De la producción que se efectúa en la planta Sur 85% resulta apta para la exportación; asimismo posee
tal característica el 75% de las unidades fabricadas en la plata Centro y 90% de las elaboradas en planta
Oeste. Se selecciona un buje al azar:
a) Calcular la probabilidad que sea apto para la exportación.

b) Si el artículo elegido es exportable, determinar la probabilidad que haya sido fabricado en cada una
de las plantas.
c) Idem anterior, suponiendo que el articulo elegido no es apto para la exportación
Solución
P (S) = 0, 3; P (C) = 0,24; P (O) = 0,46
X X X
P( ) = 0,85; P ( )= 0,75; P ( )= 0,9
S C O
X X X
a) P (X ∩ S) + P (X ∩ C) + P (X ∩ O) = P (S) * P ( ) + P (C) * P ( ) + P (O) * ( ) = 0,3 * 0,85 +
S C O
0,24 * 0,75 + 0,46 * 0,9 = 0,849
X
P( ) * P( S )
S S
b) En la Planta Sur: P ( ) = =
X X X X
P( ) P( S ) + P( ) * PC + P( ) * P(O)
S C O
0,85 * 0,3
= = 0,3
0,849 P (X)
X
P( ) * P (c )
C C 0,75 * 0,24
En Planta Centro: P ( )= = = 0,212
X P( X ) 0,849
X
P( ) * P (O)
O P(O ∩ X ) O 0,9 * 0,46
En Planta Oeste: : P ( )= = = = 0,488
X P( x) P( X ) 0,849
NX
P( ) * P( S )
S P ( S ∩ NX ) S 0,15 * 0,3
C) p ( )= = = = 0,298
NX P ( NX ) 1 − P( X ) 0,151
49
VI- Probabilidades: Variable aleatoria discreta
Contenidos:
Construcción de la Distribución de probabilidad de una o más variables aleatorias discretas definidas
con relación a un experimento aleatorio. Determinación e interpretación de la función de probabilidad
acumulada. Cálculo de los parámetros de posición y dispersión. Propiedades.
Ej 33.
Enunciado
Se selecciona una muestra aleatoria de tamaño tres de un conjunto integrado por dos artículos
nacionales y tres importados. Determinar la distribución de probabilidades de la variable aleatoria que
denota el número de artículos nacionales en la muestra, considerando que la selección se efectúa:
I) Con reposición II) Sin reposición.
a) Representar gráficamente la función de probabilidad.

b) Hallar y representar gráficamente la función de probabilidad acumulada.
c) Determinar e interpretar:
i. P(X =1) ii. P(X ≤ 1) iii. P(X ≥ 2)
Solución
Variable Aleatoria: “numero de artículos nacionales en la muestra de tres artículos”

Utilizaremos un diagrama de árbol para hallar la probabilidad de x en cada situación.
I) con reposición
Como estamos trabajando con una selección que se efectúa con reposición, el resultado de la
primera extracción no esta relacionado con la probabilidad de la segunda extracción. Por lo tanto
podemos decir que los resultados son independientes en cada extracción.
1° extracción 2° extracción 3° extracción Rdos del proceso

P VA
2/5 N 0,064 3
NNN
2/5
N 3/5 NNI 0,096
P 2
I
N
2/5 2/5 0,096 2
3/5 I N NIN
0 3/5
I NII
0,144 1
2/5
3/5 2/5 N INN 0,096 2
N 3/5
I I INI 0,144 1
2/5
3/5 I N IIN 0,144 1
3/5
I III 0,216 0
50
La última columna nos dice la cantidad de veces que aparece la variable aleatoria en cada
caso y la anteúltima columna nos muestra la probabilidad de cada resultado, la cual se calcula
multiplicando la probabilidad de que salga cada resultado siguiendo cada rama del árbol. Por
ejemplo en el segundo caso en donde el resultado del proceso es N N I, calculamos su
probabilidad de la siguiente manera:
P(N N I) = 2/5*2/5*3/5 = 12/125 = 0,096 es correcto poner asi P(N N I)?????
Podemos definir una variable aleatoria discreta a través de una tabla:
x 0 1 2 3
P(x) 0,216x1=0,216 0,144x3=0,432 0,096x3=0,288 0,064x1=0,064
a) Falta grafico
b) La función de distribución acumulada se puede definir como:
F(x) = P(x≤x), donde x v.a. toma los valores: x1 , x 2 , x3 ,..., x,...
F ( x) = ∑ p( x ) i
xi≤ x
F(0) = P(x = 0) = 0,216
F(1) = P(x = 0) + P(x = 1) = 0,216 + 0,432 = 0,648
F(2) = P(x = 0) + P(x = 1) + P(x = 2) = 0,216 + 0,432 + 0,288 = 0,936
F(3) = P(x = 0) + P(x = 1) + P(x = 2) P(x = 3) = 0,216 + 0,432 + 0,288 + 0,064 = 1
Falta grafico
c) i) P(x = 1) = 0,432
Es una probabilidad puntual, la probabilidad de encontrar solo un artículo nacional en la muestra.
ii) P(x ≤ 1) = P(x = 0) + P(x = 1) = 0,216 + 0,432 = 0,648
Es la probabilidad acumulada de que x tome los valores desde cero hasta uno, la probabilidad de
encontrar como máximo un articulo nacional en la muestra.
iii) P(x ≥ 2) = P(x = 2) P(x = 3) = 0,288 + 0,064 = 0,352
Es la probabilidad de que x tome como mínimo el valor dos, o sea la probabilidad de que x este
entre dos y tres. Entonces podemos decir que es la probabilidad de que como mínimo
encontremos dos artículos nacionales en la muestra.
II) Sin reposición
Aquí los resultados son dependientes, esto quiere decir que la probabilidad de la segunda extracción
depende del resultado de la primera extracción, y así sucesivamente.
Este árbol ya no es simétrico como el anterior.
1° extracción 2° extracción 3° extracción Rdos del proceso

P VA
0/3 N 0 0
NNN
1/4
N 3/3 NNI 1/10
P 2
I
N
2/5 1/3 1/10 2
3/4 I N NIN
0 2/3
I NII
1/5 1
1/3
3/5 2/4 N INN 1/10 2
N 2/3
I I INI 1/5 1
2/3
2/4 I N IIN 1/5 1
1/3
I III 1/10 0
Nuevamente tomamos como ejemplo el segundo caso, donde el resultado del proceso es N N I. La
probabilidad de obtener este resultado la calcularemos multiplicando la probabilidad de que en la
primera extracción obtengamos un artículo nacional por la probabilidad de que en la segunda
51
extracción obtengamos otro artículo nacional y por ultimo multiplicado por la probabilidad de que
en la última extracción obtengamos un artículo importado:
P(N N I) = 2/5*1/4*3/3 = 1/10 = 0,1 es correcto poner así P(N N I)?????
x 0 1 2
0,1*1 = 0,2*3 = 0,1*3 =
Estos resultados P(x) 0,1 0,6 0,3 son distintos a los del
caso que se realiza con reposición por que la probabilidad, que podemos definirla como el
resultado de dividir el numero de casos favorables sobre el numero de casos totales, de la segunda
y la tercera extracción ya no esta dividida por el numero inicial de casos totales, si no que a
medida que extraemos una articulo este numero va disminuyendo.
a) Falta grafico
b) La función de distribución acumulada la podemos exponer a través de un grafico:
x P(x) F(x)
0 0,1 0,1
1 0,6 0,7
2 0,3 1
Falta grafico
c) i) P(x = 1) = 0,6
ii) P(x ≤ 1) = 0,1 + 0,6 = 0,7
iii) P(x ≥ 2) = 0,3 = 1 - P(x ≤ 1) = 1 – 0,7 = 0,3
Ej 34.
Enunciado
En el sector Recepción de una empresa se verifican los materiales recibidos mediante el procedimiento
que se describe a continuación:
Al recibirse un pedido se seleccionan al azar dos artículos sin reposición, si ambos cumplen con
las especificaciones técnicas se acepta el lote; en el caso que ninguno cumpla se rechaza. Si sólo
uno está de acuerdo con las especificaciones se selecciona otro artículo y según sus
características se acepta o rechaza el envío.
Se recibe un lote de diez artículos en el cual hay tres fuera de las especificaciones.
a) Hallar la distribución de probabilidades de la variable aleatoria que indica la cantidad de
artículos seleccionados en el procedimiento señalado que no cumplen con las especificaciones.
b) Determinar la distribución de probabilidades de la variable aleatoria que representa la cantidad
total de artículos seleccionados en dicho proceso.
c) Calcular la probabilidad que el lote sea aceptado.
Solución
2) Recibimos un lote de diez artículos dentro del cual hay tres que no cumplen con las
especificaciones. Llamaremos “c” a los artículos que cumplen con las especificaciones y “ c ” a
los artículos que no cumplen con las especificaciones.
Utilizamos un diagrama de árbol para hallar la probabilidad de cada resultado básico:
1° extracción 2° extracción 3° extracción Rdos del proceso R.D. P(x) Xa Xb
6/9 cc acepto 7/15 0 2

c P
c
7/10 6/8 c c c acepto 7/40 1 3
52
a) En primer lugar debemos definir la variable aleatoria que utilizaremos:

Xa: “cantidad de artículos seleccionados que no cumplen con las especificaciones”
Luego hallamos la distribución de probabilidades de la Xa, que denota las probabilidades de todos
los resultados posibles que puede asumir la variable aleatoria.
P(x = 0) = 7/10 * 6/9 = 7/15 = 0,46667
P(x = 1) = 7/10 * 3/9 * 6/8 + 3/10 * 7/9 * 6/8
= 7/40 + 7/40 = 7/20 = 0,35
P(x = 2) = 7/10 * 3/9 * 2/8 + 3/10 * 7/9 * 2/8 + 3/10 * 2/9
= 7/120 + 7/120 + 1/15 = 11/60 = 0,18333
Xa P(x)
0 0,466667
1 0,35
2 0,18334
1
b) Nuevamente tenemos que definir la variable aleatoria que vamos a utilizar. En este caso la
llamaremos Xb que de define como:
Xb: “cantidad total de artículos seleccionados”
Luego hallamos la distribución de probabilidad y la mostramos a través de una tabla:
P(x = 2) = 7/10 * 6/9 + 3/10 * 2/9
= 7/15 + 1/15 = 8/15 = 0,53
P(x = 3) = 7/10 * 3/9 * 6/8 + 7/10 * 3/9 * 2/8 + 3/10 * 7/9 * 6/8 + 3/10 * 7/9 * 2/8
= 7/40 + 7/120 + 7/40 + 7/120 = 7/15 = 0,47
Xb P(x)
2 0,53
3 0,47
1
c) Para calcular la probabilidad que el lote sea aceptado, debemos sumar la probabilidad de cada
resultado básico que cumpla con las con las condiciones de aceptación de cada lote impuestas por
a empresa:
Prob. de que el lote sea aceptado = P(c c) + P(c c c) + P( c c c)
= 0,47 + 0,175 + 0,175 = 0,82
Ej 35.
Enunciado
. Una empresa tiene seis empleados en el área de ventas; los legajos de dichos trabajadores no han sido
53
actualizados en el año en curso habiendo uno en el cual falta actualizar el grupo familiar y dos que no
tienen actualizado el domicilio. Un inspector de la obra social de los trabajadores seleccionará
aleatoriamente una muestra de dos legajos sin reposición; si ambos están sin actualizar elegirá un legajo
más.
a) Determinar la distribución de probabilidad de la variable aleatoria X que denota la cantidad de

legajos en la muestra en los cuales falta actualizar el domicilio.
b) Hallar la distribución de probabilidad de la variable aleatoria Y que indica el número total de
legajos sin actualizar en la muestra.
c) Si el procedimiento se realiza dos veces, calcular la probabilidad que en ambas casos se
encuentren sólo legajos actualizados.
Solución
De los seis empleados del área de ventas de esta empresa, a uno le falta actualizar el grupo familiar y
dos no tienen actualizado el domicilio.
Armamos un diagrama de árbol con el procedimiento del inspector de la obra socia, donde le
llamamos A al legajo que se encuentra actualizado, D al legajo que no tiene actualizado el
domicilio y F al legajo que no tiene actualizado el grupo familiar:
1° extracción 2° extracción 3° extracción Rdos del proceso P X Y
1/4 F DDF 1/60 2 3

cD
1/5 3/4 A DDA 1/20 2 2
D 1/5 F 1/4 D DFD 1/60 2 3

P
3/5 3/4 A DFA 1/20 1 2
A DA 1/5 1 1
2/6
1/4
D FDD 1/60 2 3
1/6 2/5 D
0 F 3/4
A FDA 1/20 1 2
3/5
A FA 1/10 0 1
3/6
2/5 D AD 1/5 1 1
A 1/5 F AF 1/10 0 1
2/5 A AA 1/5 0 0
a) En primer lugar debemos definirla variable aleatoria:

X: “cantidad de legajos sin actualizar el domicilio”
Luego para hallar su distribución de probabilidad calculamos:
Para el caso en que x toma el valor cero, x = 0, sumamos la probabilidad de cada resultado básico
que no contenga ningún legajo sin actualizar el domicilio:
P(x = 0) = P(F A) + P(A F) + P(A A) =
= 1/10 + 1/10 + 1/5 = 2/5 = 0,4
Cuando x = 1:
P(x = 1) = P(D F A) + P(D A) + P(F D A) + P(A D) =
= 1/20 + 1/5 + 1/20 + 1/5 = ½ = 0,5
Cuando x = 2:
P(x = 2) = P(D D F) + P(D D A) + P(D F D) + P(F D D) =
= 1/60 + 1/20 + 1/60 + 1/60 = 1/10 = 0,1
X 0 1 2
54
P(X) 0,4 0,5 0,1
b) Tenemos la variable aleatoria Y: “numero total de legajos sin actualizar”

Nuevamente, como en el inciso anterior, observando el diagrama de árbol podemos obtener la
distribución de probabilidad de esta v.a.
y 0 1 2 3
P(Y) 0,2 0,6 0,15 0,05
c) Para calcular la probabilidad de que en ambas extracciones nos encontremos con legajos
completamente actualizados, utilizaremos la variable aleatoria Y, ya que esta indica el numero
total de legajos sin actualizar de la muestra. A la vez queremos que en ambos casos Y = 0.
Como ambas pruebas son procesos separados, Y1 e Y2 son procesos independientes.
Luego,
P(Y1=0 ∩ Y2=0) = P(Y1=0) * P(Y2=0)
= 0,2 * 0,2 = 0,04
∴ la probabilidad de que en cada realización del proceso, Y = 0, o sea, que todos los legajos estén
actualizados es de 4%.
Ej 36.
Enunciado
Una firma que presta el servicio de alquiler de diversos equipos utilizables en procesos industriales ha
determinado que cierto modelo se alquila solamente el 20% de los días. Teniendo en cuenta que el
alquiler en un día es independiente del alquiler en cualquier otro, hallar la distribución de probabilidad
de la variable aleatoria que representa el número de días entre dos alquileres.
Solución
5) En primer lugar vamos a definir la variable aleatoria que utilizaremos:
X: “numero de días entre dos alquileres”
Para continuar llamamos: a la probabilidad de alquilar el modelo P A = 0,2 y por lo tanto la
probabilidad de no alquilar el modelo será: P A = 0,8. Estamos estimando la probabilidad de
ocurrencia del evento en base a la experiencia de la empresa. Esto será valido si la muestra en la
cual se basa la información es representativa.
Sabemos que los eventos son independientes, o sea que el alquiler en un día es independiente de
el alquiler en cualquier otro. Por lo tanto: P (1 ∩ 2) = P (1).P(2) . El supuesto de independencia se
incluye para que no ocurra el caso que un cliente lo alquile por varios días seguidos.
Si supongo que parto de A:
1° extracción 2° extracción 3° extracción 4° extracción ... X P(x)
P
A 0 0,2 = 0,2. (0,8)
0
0,2
0,8 0,2 A 1 0,8.0,2 = 0,2. (0,8)

1
A
0,2 2 0,8.0,8.0,2 = 0,2. (0,8)
2
0,8
A 0,2
A
0,8 A A 3 0,80,8.0,8.0,2 = 0,2. (0,8)
2
0,8
A
... x 0,2. (0,8)
x
55
Expresamos la distribución de probabilidad en términos algebraicos:

P(x) = 0,2. (0,8) la cual tiene un recorrido infinito numerable.
x
Ej 37.
Enunciado
De los clientes de una empresa 1/3 abona con tarjeta de crédito, mientras que 1/15 lo hace con cheques
de pago diferido. Se seleccionan aleatoriamente tres clientes de la firma.
a) Obtener la distribución de probabilidad de la variable aleatoria X: “Cantidad de clientes que
utiliza tarjeta de crédito para pagar sus compras”.
b) Hallar la distribución de probabilidad de la variable aleatoria Y: “número de clientes que emplea
cheques de pago diferido”.
c) Determinar la distribución de X + Y.
Solución
a) Para hallar la distribución de probabilidad de la variable aleatoria X: “cantidad de clientes que

utiliza tarjeta de crédito para pagar sus compras” podemos utilizar un diagrama de árbol (es como
si fuera con reposición, las extracciones son independientes):
Si se seleccionan tres clientes al azar:
1° cliente 2° cliemte 3° cliente Rdos del proceso

X P(x)
1/3 3 1/3*1/3*1/3=1/27
T TTT
1/3
T 2/3 T T -T 2P 1/3*1/3*2/3=2/27
-T
T
1/3 1/3 T -T T 2 1/3*2/3*1/3=2/27
2/3 -T T
0 2/3
-T T -T -T
1 1/3*2/3*2/3=4/27
1/3
2/3 1/3 T -T T T 2 2/3*1/3*1/3=2/27
T 2/3
-T -T -T T -T 1 2/3*1/3*2*3=4/27
1/3
2/3 -T T -T -T T 1 2/3*2/3*1/3=4/27
2/3
-T -T -T -T 0 2/3*2/3*2/3=8/27
x P(x)
0 8/27 = 8/27
1 4/27 + 4/27 + 4/27 = 12/27
2 2/27 + 2/27 + 2/27 = 6/27
3 1/27 = 1/27
b) v.a. Y: “numero de clientes que emplea cheques de pago diferido”
Nuevamente utilizamos un diagrama de árbol parar obtener la distribución de probabilidad de esta
variable aleatoria:
1° cliente 2° cliemte 3° cliente Rdos del proceso

Y P(y)
1/15 C 3 1/15*1/15*1/15=1/3375
CCC
1/15
C 14/15 C C -C 2P 1/15*1/15*14/15=14/3375
-C
C
1//15 1/15 2 1/15*14/15*1/15=14/3375
-C 1 C C -C C
14/15
0 14/15
-C C -C -C
1 1/15*14/15*14/15=196/3375
56
Haciendo cálculos podemos llegar a la distribución de probabilidad que podemos expresarla a través de
una tabla:
y P(x)
0 0,813037
1 0,174222
2 0,012444
3 0,000296
c) Dado que pagar con cheques o pagar con tarjeta son eventos excluyentes,
P(C ∪ T ) = P(C ) + P(T ) − P(C ∩ T ) .
1424 3
=0
1° cliente 2° cliemte 3° cliente X+Y P(x+y)

2/5 3 2/5*2/5*2/5=8/125
T+C
2/5
T+C 3/5 2 2/5*2/5*3/5=12/125
P
T+C -(T+C)
2/5 2/5 2 2/5*3/5*2/5=12/125
3/5 -(T+C) T+C
0 3/5
-(T+C)
1 2/5*3/5*3/5=18/125
2/5
3/5 2/5 T+C 2 3/5*2/5*2/5=12/125
T+C 3/5
-(T+C) -(T+C) 1 3/5*2/5*3/5=18/125
2/5
3/5 -(T+C) T+C 1 3/5*3/5*2/5=18/125
3/5
-(T+C)
0 3/5*3/5*3/5=27/125
Distribución de probabilidad de la variable aleatoria (x+y):
x+y P(x+y)
0 0,216
1 0,432
2 0,288
3 0,004
Ej 38.
Enunciado
Un grupo de cuatro piezas contiene dos defectuosas. Se prueban las piezas hasta encontrar y probar las
dos piezas con defectos; el costo de probar una pieza es de $ 12 y el costo de reparación de una pieza
defectuosa es igual a $ 35.
a) Encontrar la distribución de probabilidad de la variable aleatoria que indica el número de pruebas
57
necesarias hasta encontrar la segunda pieza defectuosa.
b) Determinar la distribución de probabilidad de la variable aleatoria que denota el costo de probar y
reparar el lote.
c) Calcular valor medio esperado, varianza y desvío estándar de las variables aleatorias analizadas
en los puntos anteriores.
d) Verificar si pueden aplicarse las propiedades de la esperanza matemática y la varianza.
Solución
7) Tenemos cuatro piezas de las cuales dos están en buen estado (B) y dos son defectuosas (D). Se
realiza el experimento ε: “pruebo hasta encontrar y reparar las dos defectuosas”.
1° cliente 2° cliemte 3° cliente 4° cliente Rdos del proceso

Xa P(y)
2/2 1/1
1/3 D D BBDD 4 1/6
B
B 1/1
2/4 1/2 BDBD 4 1/6
D B D
2/3
0 1/2 BDD 3 1/6
D
1/2 1/1
2/4 2/3 B D DBBD 4 1/6
B 1/2
D D DBD 3 1/6
1/3 D DD 2 1/6
a) Xa: “numero de pruebas necesarias para encontrar la segunda pieza defectuosa”.

Hallamos su distribución de probabilidad:
x P(x)
2 1/6
3 1/3
4 1/2
b) Definimos una variable aleatoria C: “costo de de probar y reparar el lote”

C = p * Cp + r * Cr donde, p: “cantidad de piezas probadas”
r: “cantidad de piezas a reparar”
Cp = costo de probar = 12
Cr = costo de reparar = 35
Como r esta dado y es igual a dos, se puede entender como un costo fijo y nuestra variable
aleatoria C nos queda definida:
C = p * 12 + 2 * 35
= 12Xa + 70
podemos ver que C es una función de una variable aleatoria.
Rdo
proceso C
BBDD 12*4 + 70 = 118
BDBD 12*4 + 70 = 118
BDD 12*3 + 70 = 106
DBBD 12*4 + 70 = 118
DBD 12*3 + 70 = 106
DD 12*2 + 70 = 94
58
A partir de este cuadro podemos calcular la distribución de probabilidad:
C P(C) C^2
94 3.1/6 = 0,166 8836
106 2.1/6 = 0,333 11236
118 1/6 = 0,5 13924
c) a. Esperanza matemática o Valor medio esperado:

n
1 1 1 1 10 )
E ( x ) = ∑ x i . p ( x i ) = 2. + 3. + 4. = + 1 + 2 = = 3,3
i =1 6 3 2 3 3
donde 3,3 debe estar siempre entre el mínimo y el máximo valor de la variable aleatoria ya que
es un parámetro de posición de la variable. Es una medida de tendencia central.
V ( x) = ∑ [x . p( x)]− {∑ [x. p( x)]} =
2 2
VI- Probabilidades: Variable aleatoria continua
Contenidos:
Recordemos
De la teoría sabemos que si X es una variable aleatoria continua, se llama función se distribución o
densidad a una función f que verifica :
1) f(x) ≥ 0 ∀ x ∈ℜ
+∞
2) ∫
−∞
f ( x)dx
=1
Ej 39.
Enunciado
Comprobar si las funciones que se indican a continuación definen una función de densidad
Solución
a)
2(1 - x) ;0≤x≤1
f(x) =
0 ; en otro punto
Para saber si esta función se puede definir como una función de densidad, debemos ver si
cumple con las propiedades antes mencionadas:
Propiedad 1:
f(0) = 2 (1 - 0) = 2
f(1) = 2( 1 – 1) = 0
Cumple con esta propiedad.
Propiedad 2:
59
1
∫ f ( x)dx = 1
0
1
∫ (2 − 2 x)dx = 1
0
1 1
2 ∫ dx - ∫ 2xdx = 1
0 0
1 1
2 x - x2 =1
0 0
2(1 – 0) – ( 12 − 0 2 ) = 2 – 1 = 1

∴ se puede definir como una función de densidad.
b)
1/8 x ;1≤x≤5
f(x) =
0 ; en otro punto
Propiedad 1:
f(1) = 1/8 . 1 = 1/8
f(5) = 1/8 . 5 = 5/8
Propiedad 2:
5
∫ f ( x)dx = 1
1
5
∫ 1/ 8 xdx = 1
1
2
x 5
1/8 = 1/16 ( 52 − 12 ) = 24 / 16 = 1,5 ≠ 1
2 1
No cumple con esta propiedad.

∴ no se puede definir como una función de densidad.
c)
2/9(3 - x) ;0≤x≤3
f(x) =
0 ; en otro punto
Propiedad 1:
f(0) = 2/9 (3 - 0) = 2/3
f(3) = 2/9( 3 – 3) = 0
Propiedad 2:
3
∫0
f ( x)dx = 1
3 2 2
∫ ( 3 − 9 x)dx = 1
0
3 3 2
2/3 ∫ dx - ∫ 9 xdx = 1
0 0
60
3 3
2/3 x - 1/9 x 2 = 1
0 0
2/3(3 – 0) – 1/9( 32 − 0 2 ) = 2 – 1 = 1

∴ se puede definir como una función de densidad.
Ej 40.
Enunciado
La producción diaria de un insumo es una variable aleatoria con función de densidad
(2/25) x ;0≤x≤5
f(x) =
0 ; en cualquier otro
punto
a) Calcular las siguientes probabilidades:
a.1) P(x < 2)

a.2) P(x ≥ 1,5)
a.3) P(x = 4) = 0
a.4) P(1 < x ≤ 3)
b) Determinar la función de distribución (probabilidad acumulada)
Solución
a) Para calcular las probabilidades utilizaremos la siguiente formula:
x
P( x < x0 ) = ∫ 0 f ( x)dx
0
2 2 1 2 1 4
∫ 25 xdx = 25 x (2 − 0 ) =
2 2 2
a.1) P(x < 2) = =
0 0 25 25
5 2 1 25 1 2
∫ (5 −1,5 ) = 0,91
2
a.2) P(x ≥ 1,5) = xdx = x =
1, 5 25 25 1,5 25
a.3) P(x = 4) = 0
Cuando estamos trabajando con una variable aleatoria continua, la probabilidad es un área, ∴en un
punto no hay área.
3 2 1 23 1 8
∫ (3 − 1 ) =
2 2
a.4) P(1 < x ≤ 3) = xdx = x = = 0,32
1 25 25 1 25 25
b) La función de distribución o de probabilidad acumulada es:

x
F(x) = ∫0
f ( x)dx
x x 2 1 x 1 2
∫ ∫ 25 udu = 25 u
2
25 x
f (u )du = =
0 0 0
0 ;x<0
61
F(x) = 1 2 ;0≤x≤5
25 x
1 ;x>5
Ej 41.
Enunciado
Para la realización de una tramitación en una repartición pública se requiere un tiempo comprendido
entre dos y seis minutos distribuidos de acuerdo con la siguiente función densidad:
x / 16 ;2≤x≤6
f(x) =
punto
a) Calcular la probabilidad que se requieran menos de 4 minutos si como mínimo

se emplearán 3 minutos
b) Determinar el tiempo de ejecución del proceso t tal que P (X < t) = 0,42625
c) Calcular el tiempo medio esperado y la varianza
Solución
a) Debemos calcular la probabilidad de que x < 4 dado que como mínimo x ≥ 3:
4 x
∫3 16 dx 7 32 7
P(x < 4 / x ≥ 3) = P(x < 4 ∩ x ≥ 3) / P(x ≥ 3) = = = = 0,259
6 x 27 32 27
∫3 16 dx
2
4 x 1 x 4 1 (16 − 9) 7
∫3 16 dx = 16 2 3 = 32 (4 − 3 ) = 32 = 32
2 2
2
6 x 1 x 6 1 2 (36 − 9) 27
∫3 16 16 2 3 = 32 (6 − 3 ) = 32 = 32
=
2
dx
b) P(x < t) =0,42625

Para hallar el valor del tiempo de ejecución del proceso t podemos utilizar la función de
probabilidad acumulada:
t
F(t) = P(x < t) = ∫ f ( x)dx = 0,42625
2
x t
=∫ dx = 0,42625
16 2
2
1 x t 1 2
= (t − 2 ) = 0,42625
2
=
16 2 2 32
t − 2 = 0,42625.32
2 2
2
t = 0,42625.32 + 4
2
t = 13,64 + 4 = 17,64
t = 17,63 = 4,2
62
t = 4,2 esta dentro del rango para el cual esta definida la variable aleatoria.
Por lo tanto el tiempo de ejecución del proceso t es 4,2 minutos.
c) Para calcular el tiempo medio esperado utilizaremos la siguiente formula:

+∞
E(x) = ∫−∞
x. f ( x)dx
3
x 6 1 6 2 1 x 6 1 3 (216 − 8) )
E(x) = ∫ x. dx = ∫ x dx = = (6 − 2 ) = = 4,3
3
2 16 16 2 16 3 2 48 48
Para calcular la varianza utilizaremos la correspondiente formula:
V(x) = E ( x ) −
2
[E(x)] 2
Empezamos calculando el primer término de la fórmula:

6 (6 − 2 ) 1280
4 4 4
dx = ∫ x dx x
6 2 6 2 x 1 6 3 1
E ( x ) = ∫ x f ( x)dx = ∫ x = = 20
2
2 2 16 16 2 16 4 2 64 64
)
Luego calculamos el segundo termino sabiendo que E(x) = 4,3 :
[E( x)] = 4,3) = 18,78
2 2
Ahora si calculamos la varianza:

V(x) = 20 – 18,78 = 1,22
Ej 42.
Enunciado
Un vendedor de cierto producto fertilizante tiene un tanque cuya capacidad es igual a 150 litros que se
llena al principio de cada semana. Su demanda semanal en cientos de litros es una variable aleatoria
con función de densidad:
x ;0≤x≤1
f(x) = 1 ; 1 ≤ x ≤ 1,5
punto
a) Hallar F(x)
b) Calcular la probabilidad que durante una semana la demanda esté comprendida entre 70 y 120
litros.
c) Determinar la demanda media esperada y la desviación estándar.
Solución
4)
x
a) Sabemos que: F(x) = ∫0
f ( x)dx , entonces
para 0 < x ≤ 1:
2 2
udu = u x
x x x
∫0
f (u )du = ∫
0 2 0
=
2
para 1 < x ≤ 1,5
x x x
∫0
f (u )du = ∫ 1.du = u 0 = x
0
0 ;x=0
63
2
x ;0<x≤1
F(x) = 2
X ; 1 < x ≤ 1,5
1 ; x > 1,5
1, 2 1 1, 2
b) P(0,70 < x < 1,20) = ∫ 0, 7
f ( x)dx = ∫
0,7
f ( x)dx + ∫
1
f ( x)dx
2
1.dx = x
1 1, 2 1 1
= ∫ xdx + ∫
0,7 1 2 0,7
+x
1,2
1 2 2
(1 − 0,7 ) + (1,2 − 1) =
2
= 0,255 + 0,2 = 0,455
∴ la probabilidad de que durante una semana la demanda este comprendida entre 70 y 120 litros
o o,7 t 1,2 cientos de litros es de 0,455
c) Para calcular la demanda media esperada utilizaremos nuevamente la siguiente formula:

+∞
E(x) = ∫ x. f ( x)dx
−∞
x 1 1, 5 1 1, 5
E(x) = ∫ x. f ( x)dx = ∫ x.xdx + ∫ x.1dx = ∫ x dx + ∫ xdx
2
0 0 1 0 1
3 2
= x +x
1 1,5 1 1 1 1 2
= (1 − 0 ) + (1,5 − 1 ) = + (1,25) = 0,958
3 3 2
3 0 2 1 3 2 3 2
V(x) = E ( x ) −
2
[E(x)] 2

1, 5 1 1, 5 1 1, 5
E( x ) = ∫ x f ( x)dx = ∫x .xdx + ∫ .1dx = ∫ x dx + ∫ xdx
2 2 2 2 3
0 0 1 x 0 1
4 3
= x +x
1 1 4 11,5 3 1 1
=
(1 − 0 ) + (1,5 − 1 ) = + (2,375) = 1,04
4 3
4 0 3 1 4 3 4 3
Luego calculamos el segundo termino sabiendo que E(x) = 0,958:
[E( x)] = 0,958 = 0,918
2 2

V(x) = 1,04 – 0,918 = 0,122
Luego, para calcular la desviación estándar:
σ = V ( x) = 0,122 = 0,349
Ej 43.
Enunciado
El consumo de energía eléctrica, en kw, durante la realización de un proceso industrial es una variable
aleatoria cuya función de distribución es:
0 ;x<5
F(x) = ( 26 − 2 − 105 )/64 ; 1 ≤ x ≤ 1,5
xi xi
1 ; x > 13
a) Representar gráficamente F(x) y verificar que se trata de una función de probabilidad
acumulada.
64
b) Hallar el consumo diario medio esperado y la desviación estándar.
c) Determinar la probabilidad que la energía utilizada en un día difiera de su valor medio esperado
en menos de 1 kw.
d) Hallar el nivel de consumo en Kw para el cual la probabilidad de no ser superado en un día es
igual a 0,75.
e) El costo de la energía eléctrica es de $0,85 por Kw. Al cual debe adicionársele un costo fijo de
$2,15 por cada realización del proceso. Hallar el valor medio esperado y la varianza de dicho
costo.
Solución
Representamos gráficamente F(x):
Función de Probabilidad Acumulada
1
F(x)
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
x
Para poder comprobar que se trata de una función de probabilidad acumulada debemos conocer
las propiedades ésta:
Propiedades de la función de probabilidad acumulada:

1. es una función no decreciente
2. lím F ( x) = 1
x
→ +∞
3. lím F ( x) = 0
x
→ −∞
Para nuestra función:

1. no decreciente
2. F (+∞) = 1
3. F (−∞) = 0
b) En primer lugar debemos hallar la función de densidad de esta variable aleatoria, calculando la
derivada de la función de distribución acumulada:
(26 – 2x)/64 ; 5 ≤ x ≤ 13
f(x) =
0 ; en otro punto
Luego,
+∞
E(x) = ∫−∞
x. f ( x)dx
65
26 − 2 x
13 46
E(x) = ∫
64 5
)dx = x.(
6
= 7,67
V(x) = E ( x ) −
2
[E(x)] 2

13 2 ( 26 − 2 x) 187
E( x ) = ∫ x ( )dx = = 62,33
2
5 64 3
Luego calculamos el segundo termino sabiendo que E(x) =7,67:
[E( x)] = 7,67 = 58,83
2 2

V(x) = 62,33 – 58,83 = 3,5
Luego, para calcular la desviación estándar:
σ = V ( x) = 3,5 = 1,87
c) Debemos hallar la probabilidad de que el valor absoluto de x y su media esperada sea menor
que 1:
P( x − µ < 1) = P(6,67 < x < 8,67)
= F(8,67) – F(6,67)
= 0,707 – 0,373 = 0,336
d) P( x ≤x ) ) = 0,75i
26 x − x − 105
2
i
= 0,75 i
64
26 xi − xi − 105 =0,75.64
2
− xi + 26 xi − 153 = 0
2
− 26 ± − 4.153
2
= 26
x i
−2
 − 26 + 8
=9
− 26 ± 8  − 2
x = =
−2  − 26 − 8 = 17
i
 − 2
Como x = 17 no esta dentro del rango para el cual esta definida la variable aleatoria, x = 9
i i
e) CT = cf + cv
CT = 2,15 + 0,85x
E(CT) = 2,15 + 0,85E(x)

= 2,15 + 0,85. 7,67 = 8,67
2
V(CT) = 0,85 .V(x)
2
= 0,85 .3,5 = 2,5
66
Ej 44.
Enunciado
Las ventas de un insumo durante cierto período es una variable aleatoria con función de densidad:
c (2- x) ;0≤x≤2
f(x) =
0 ;x<0óx>2
a) Hallar el valor de c.
b) Obtener el función de distribución.
c) Hallar el nivel de ventas tal que la probabilidad que el mismo sea superado es igual a 0,25.
Solución
a) Para hallar el valor de c utilizamos las propiedades de las variables aleatorias continuas:
+∞
∫ f ( x)dx =1
−∞
2
∫ c(2 − x)dx =1
0
2
c ∫ (2 − x)dx =1
0
c  ∫ 2dx − ∫ xdx  =1
2 2
 0  0
 2 2
2
c 2 x − x  =1
 0 2 0 
 2 2

2 0
c 2(2 − 0) − ( − ) =1
 2 2 
c[4 − 2] =1
c[2] =1
c =1/2
b)
½(2 – x) ;0≤x≤2
f(x) =
0 ; en otro punto
x
F(x) = ∫
0
f ( x)dx
2
f (u )du = ∫ (1 − )du = x − x
x u x
∫0 0 2 4
0 ;x<0
2
F(x) = x− x ;0≤x≤2
4
1 ;x>2
67
c)
P( x > x ) = 0,25
i
F ( xi ) = 0,25
2
x i
−x i
= 0,25
4
1 2
− + − 0,25 = 0
4 xi xi
− 1 ± 1 − 4.(−1 / 4).(−0,25)
xi = 2.(−1 / 4)
 − 1 + 0,75
= 0,268
− 1 ± 1 − 0,25  − 1 / 2

xi = − 1/ 2 =  − 1 − 0,75
 = 3,732
 − 1/ 2
Como xi = 3,732 no esta dentro del rango para el cual esta definida la variable aleatoria, x=
i
0,268
V- Probabilidades: Modelos Discretos
Contenidos:
68
Ej 45.
Ej 46.
Ej 47.
Ej 48.
Ej 49.
Ej 50.
VI- Probabilidades: Modelos Continuos
Contenidos:
69
Ej 51.
Ej 52.
Ej 53.
Ej 54.
Ej 55.
Ej 56.
Ej 57.
Ej 58.
Ej 59.
70
TERCERA PARTE: TEMAS ELEGIDOS
VI- Probabilidades: Variables aleatorias bidimensionales discretas
Contenidos:
71
Ej 60.
Ej 61.
Ej 62.
Ej 63.
Ej 64.
Ej 65.
Ej 66.
VII- Probabilidades: Variables aleatorias bidimensionales continuas
Contenidos:
72
Ej 67.
Ej 68.
Ej 69.
Ej 70.
Ej 71.
Ej 72.
Ej 73.
VIII- Probabilidades: Función de Variable aleatoria
Contenidos:
73
Ej 74.
Ej 75.
Ej 76.
Ej 77.
Ej 78.
Ej 79.
Ej 80.

Perez Candreva y Otros Ejercicios. Estadística Aplicada Inicial. Ejercicios de Estadística Descriptiva y Probabilidad - Candreva y Wermus

Cargado por

Copyright:

Formatos disponibles

Perez Candreva y Otros Ejercicios. Estadística Aplicada Inicial. Ejercicios de Estadística Descriptiva y Probabilidad - Candreva y Wermus

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Perez Candreva y Otros Ejercicios. Estadística Aplicada Inicial. Ejercicios de Estadística Descriptiva y Probabilidad - Candreva y Wermus

Cargado por

Copyright:

Formatos disponibles

1

La Plata, 11 de Diciembre de 2006

Ref: Proyecto de publicación derivado de

Estimados Julieta Biasotti, Amalia Homar,

Por medio de la presente, tenemos el agrado de invitarlos a participar del

El mismo se deriva de las actividades docentes y de investigación que hemos

La idea es elaborar una publicación didáctica con ejercicios prácticos

Durante todo 2006, hemos corregido y tipeado en formato electrónico los

A fin de avanzar en estos aspectos y definir vuestra participación (en carácter

Se adjunta el esquema tentativo que estructura el primer tomo de la

Leonardo F. Perez Candreva

Título y Subtítulo de la publicación:

Colaboradores y / o Autores a confirmar:

Diagramación y Casa Editora:

PRIMERA PARTE: ESTADÍSTICA DESCRIPTIVA (UNIDIMENSIONAL) ............................................4

PRIMERA PARTE: ESTADÍSTICA DESCRIPTIVA

I- Estadística Descriptiva Unidimensional: Conceptos Básicos

568 684 711 525 940 884 695

a) Ordenar las observaciones de manera creciente.

525 568 684 695 711 884 940

b) Representar los datos sobre una recta.

a) Construir una distribución de frecuencias.

Segundo paso: agrupamos las observaciones en intervalos o clases:

° determinamos el número de intervalos (K) que deseamos establecer, por

b) Hallar las frecuencias relativas y porcentuales.

c) Determinar las frecuencias acumuladas.

Histograma de frecuencia absoluta

0,60 1,80 3,00 4,20 5,40 6,60 7,80 9,00

cantidad de bolígrafos defectuosos por caja

Determinamos el rango, el número de intervalos y la amplitud de los mismos:

Construimos la distribución de frecuencias agrupando las observaciones en intervalos de igual longitud:

b) Hallar frecuencias relativas y porcentuales.

c) Obtener las frecuencias acumuladas, ascendentes y descendentes.

d) Representar gráficamente histograma, polígono de frecuencias y polígonos acumulativos.

Histograma y Polígono de Frecuencias

Para graficar al polígono acumulativo debemos construir el histograma de frecuencia acumulada,

Polígono Acumulativos Ascendente y Descendente

polïgono acumulativo ascendente

cosumo de energia electrica en Kw. durante el 6° bimestredel año

a) Representar el histograma. b) Construir el polígono de frecuencias

Xmax- f*= c' . f / c

Cómo calculamos f*:

0 100 200 400 600 1000 1500

valor que asume la variable: saldo de la cuenta corriente en pesos

b) Construir el polígono de frecuencias acumuladas ascendente.

poligono acumulativo ascendente

100 poligono ascendente

II- Estadística Descriptiva Unidimensional: Medidas de posición

- Dispersión: nos muestran la homogeneidad de los datos. Encontramos las siguientes

*varianza, desvío típico o estándar

*desvío medio o desviación media

a) calcular la Media de esta población

En cambio para problemas de velocidades, los tiempos corren inversamente proporcional a la

µ= (5,7 + 5,9 + 8,6 + 9,0 + 3,8 + 4,6 + 6,2 + 7,7)

µ= (5,7 + 5,9 + 8,6 + 9,0 + 3,8 + 4,6 + 6,2 + 7,7)

Se seleccionó una muestra de siete artículos fabricados en el turno mañana y diez

Para la muestra del turno mañana:

muestra muestra x–x x–x

Tomo la observación numero cuatro