Cuaderno Probabilidad1 PDF

PROBABILIDAD Y ESTADISTICA APLICADA Y TALLER
2. SEMESTRE INGENIERIAS
CUADERNO DE TRABAJO PARA EL EXAMEN DEPARTAMENTAL
DEPARTAMENTO DE FISICO-MATEMATICAS
UIA
M. en I. C. J Cristbal Crdenas Oviedo
Contenido
INTRODUCCION...................................................................................................................................3
RECOMENDACIONES ...........................................................................................................................5
EJEMPLOSRESUELTOS ........................................................................................................................6
EstadsticaDescriptiva....................................................................................................................6
Frecuencia ...................................................................................................................................7
Medidasdetendenciacentral.....................................................................................................9
Medidasdedispersin ..............................................................................................................10
Probabilidad .................................................................................................................................11
Sumayproducto .......................................................................................................................11
Condicional................................................................................................................................12
TeoremadeBayes.....................................................................................................................15
Binomial ....................................................................................................................................16
Poisson ......................................................................................................................................17
Combinatoria.............................................................................................................................18
DistribucinNormal ..................................................................................................................21
EstadsticaInferencial ..................................................................................................................23
Valoresperadovariablediscreta...............................................................................................23
Valoresperadovariablecontinua .............................................................................................24
Intervalodeconfianzaparamedia............................................................................................25
Intervalodeconfianzaparaproporcin ....................................................................................27
Intervalodeconfianzaparadesviacinestndar......................................................................27
Intervalodeconfianzaparadiferenciademedias ....................................................................28
Intervalodeconfianzaparadiferenciadeproporciones ..........................................................29
Pruebadehiptesisparalamedia ............................................................................................31
1
Pruebadehiptesisparaproporcin........................................................................................32
Pruebadehiptesisdiferenciademedias ................................................................................33
Pruebadehiptesisdiferenciadeproporciones......................................................................34
AnlisisdeRegresin.....................................................................................................................35
Rectaderegresinycoeficientedecorrelacin .......................................................................37
EstadsticaNoParamtrica ...........................................................................................................38
Pruebasnoparamtricas ..........................................................................................................39
EXAMENPRACTICA ...........................................................................................................................41
REFERENCIAS.....................................................................................................................................51
TABLADEESPECIFICACIONES............................................................................................................52
INTRODUCCION
Este cuaderno tiene como finalidad proporcionar un espacio para conocer el

examen departamental y lo que se espera que resuelva.
Encontrar ejemplos resueltos de los problemas del tipo de los que aparecen en el
examen departamental. Los ejercicios se basan en la tabla de especificaciones o
matriz de conducta y contenido, elaborada para el diseo del examen.
Los problemas evalan una parte esencial de los conceptos y tcnicas bsicas de
la estadstica y de ninguna manera evalan todo el curso.
El trabajo en la resolucin de los ejercicios lo familiarizar con los temas que se
evalan en el examen departamental y con el grado de dificultad que debe
dominar. El trabajo continuo le permitir ganar confianza hasta que la naturaleza y
lenguaje de las preguntas se le haga familiar.
Podr darse cuenta en qu puntos o reas se encuentra ms dbil y en cuales
ms fuerte para as enfocar sus esfuerzos en los puntos ms dbiles, ahorrndole
tiempo en la preparacin de su examen.
Recuerde que si algo no se vio en el curso no es pretexto para no resolverlo ya
que cuenta con sta gua y con las asesoras que se imparten en el Departamento
de Fsico Matemticas.
Durante el curso de Probabilidad y Estadstica tendr la oportunidad de conocer
conceptos y tcnicas de la estadstica y de la probabilidad para llevar un control de
procedimientos y/o procesos.
En el examen departamental, se evala en forma general:
1. Estadstica Descriptiva. Debe manejar los conceptos de: medidas de
tendencia central (media, mediana, moda), de dispersin (varianza,
3
desviacin estndar y rango), frecuencia relativa y frecuencia relativa

acumulada. Debe de identificar un histograma y sus caractersticas.
2. Debe conocer tcnicas de conteo y estar capacitado para encontrar
probabilidades de variables aleatorias discretas como la Binomial, Poisson
e Hipergeomtrica y de variables aleatorias continuas como la normal, t de
Student y ji - cuadrado (uso de tablas). Debe manejar las reglas de suma y
producto para probabilidades y la probabilidad condicional,
3. Estadstica Inferencial. Debe manejar los conceptos de: distribucin
muestral, valor esperado, intervalo de confianza y prueba de hiptesis y
tomar decisiones con stas tcnicas en diferentes casos.
4. Debe conocer la ecuacin de regresin lineal y los conceptos de coeficiente
de correlacin y de determinacin.
5. Debe distinguir las pruebas en casos de Estadstica No Paramtrica.
El xito en el examen depender de:
Su competencia en la materia
Entendimiento de la naturaleza del examen y de las condiciones en que lo

presentar
Actitud emocional o grado de confianza
RECOMENDACIONES
Lea con cuidado cada problema para que lo ubique en el tema que le
corresponde e identifique la pregunta que hace el problema.
Vuelva leer el problema para identificar las cantidades y relacionarlas con
las ecuaciones pertinentes para resolverlo.
En caso de ser necesario, haga dibujos o esquemas
para aclarar el
problema.
Aprenda a leer el formulario y el significado de las letras que aparecen en
las frmulas.
Resuelva, primero, los problemas que crea le son ms fciles.
Relacione correctamente los datos y las incgnitas con las letras que
aparecen en las ecuaciones.
Verifique sus clculos.
Resuelva el examen de prctica del cuaderno.
Trate de resolver sus asuntos pendientes antes de entrar al examen y
hacer todas las llamadas por telfono que tenga que hacer.
No coma mucho antes del examen y acuda al bao si es necesario.
Lleve consigo lpiz y calculadora (No graficadora o programable).
Al estudiar en el cuaderno, recuerde que si algo no le queda claro:
o Consulte las referencias
o Consulte a su profesor o
o Consulte las asesoras que se imparten en el Departamento de
FSICO-MATEMATICAS.
5
EJEMPLOS RESUELTOS
Estadstica descriptiva
Frecuencia Relativa y Relativa Acumulada

Los datos o mediciones en un experimento: primero se organizan de tal manera
que podamos observar la frecuencia con que se repite cada uno de los posibles
resultados del experimento; segundo, observamos si tienden a agruparse
alrededor de algn valor y tercero, que tanto se dispersan alrededor del valor
central
La frecuencia absoluta o frecuencia es simplemente el nmero de veces que se
repite el valor de cada dato. Si dividimos el nmero de veces que se repite el valor
de un dato entre el nmero total de datos se tiene la frecuencia relativa, (relativa al
total de datos).
La frecuencia relativa siempre ser un nmero entre cero y uno y se relaciona con
el concepto de probabilidad.
Distinguimos dos casos para representar la frecuencia: valores discretos o datos
enteros y valores o datos continuos. En cualquier caso el concepto de frecuencia
absoluta y relativa es el mismo.
Valores discretos.
En la siguiente tabla se muestran los resultados de un estudio de calidad de un
servicio:
Porcentaje
Frecuencia
Frecuencia
Absoluta
Relativa
Muy Bueno
24
24/92 = 0.2609
26.09
Bueno
38
38/92 = 0.413
41.3
Regular
16
0.1739
17.39
Malo
0.0978
9.78
Muy Malo
0.0543
5.43
TOTAL
92
100
Observe que la frecuencia relativa se obtiene dividiendo el valor de la frecuencia

absoluta para cada categora entre el total de mediciones, en este caso entre 92.
El porcentaje es, simplemente, la frecuencia relativa multiplicada por 100
La frecuencia relativa acumulada se refiere a la suma de frecuencias relativas en
diferentes intervalos de los resultados posibles.
En general se habla de al menos (cota inferior), cuando mucho (cota superior) o
entre, suma de frecuencias entre dos valores.
Frecuencia (Tema 1.8):

Ejemplo1: De acuerdo a la tabla anterior:
a) La frecuencia relativa de al menos bueno es la suma de las
frecuencias relativas de muy bueno y bueno, 0.2609 + 0.413 = 0.6739.
b) La frecuencia relativa de cuando mucho regular es la suma de las

frecuencias relativas de muy malo, malo y regular, 0.1739 + 0.0978 +
0.0543 = 0.3261.
Valores continuos
La tabla representa la variacin en la temperatura de un horno industrial
Temperatura en
Frecuencia
un horno (C)
relativa
500 525
0.08
525.5 - 550
0.14
550.5 - 575
0.32
575.5 - 600
0.26
600.5 - 625
0.2
De acuerdo a la tabla anterior:

c) El porcentaje de valores de al menos 575.5 C, es:
Observe que la tabla reporta la frecuencia relativa y al menos es el lmite inferior,
por lo que se deben sumar las frecuencias relativas del cuarto y quinto intervalo.
0.26 + 0.2 = 0.28. Como se pide porcentaje, multiplicamos por 100 y la respuesta
es 28 %
d) La frecuencia relativa acumulada de cuando mucho 550C, es:
Cuando mucho, es cota superior por lo que se suman las frecuencias relativas del
primero y segundo intervalo 0.08 + 0.14 = 0.22
8
Medidas de tendencia central

Las medidas de tendencia central son:
Moda, valor de los datos que se repite ms veces, puede haber ms
de uno o ninguno;
Mediana, valor de los datos que se encuentra a la mitad una vez que
se han ordenado los datos o el promedio de los dos valores que se
encuentran a la mitad;
Media, promedio de los datos
En el formulario se encuentra para la media de un conjunto de datos:
. Donde
, es el valor de cada dato y n es el nmero de datos
Ejemplo 2 (Tema 2.1):

Sean los siguientes datos:
22, 21, 26, 24, 22, 25, 26, 23, 27, 29.
Determine la moda, mediana y media.
a) Tiene dos modas, el nmero 22 y el 26
b) Mediana. Ordenamos los datos: 21, 22, 22, 23, 24, 25, 26, 26, 27, 29.
Los valores de los datos que se encuentran a la mitad son el 24 y el 25, la
mediana es (24 + 25)/2 = 24.5
c) La media o promedio es:
Medidas de Dispersin
Las medidas de dispersin son:
Varianza, promedio de las desviaciones respecto del valor central;
Desviacin estndar, raz cuadrada de la varianza, tiene la ventaja de tener
las mismas unidades de la variable;
La desviacin estndar de una muestra se calcula como:
Rango. Diferencia entre los valores extremos de los datos

Determine la varianza, la desviacin estndar y el rango para los datos anteriores.
a) Varianza:
b) Desviacin estndar:
10
c) Rango, diferencia entre los valores extremos.

El rango para los datos anteriores es: 29 21 = 8
Nota. Se recomienda aprender a usar su calculadora en el clculo del promedio y
de la varianza o desviacin estndar. En particular el clculo de la varianza (o de
la desviacin estndar) puede ser bastante laborioso y consumirle un tiempo
valioso para resolver el examen.
Probabilidad
Regla de suma:
Regla del producto (eventos independientes):

En un lugar se encuentran 30 personas 18 mujeres y 12 hombres. 2 mujeres son
mayores de 40 aos y 3 hombres son mayores de 40 aos. Si se escoge una
persona al azar, la probabilidad de que sea hombre o que sea mayor de 40 aos
es:
Sean las probabilidades de los eventos hombre (H), mayor de 40 (G) y de ambos
(H y G):
P(H) = 12/30 = 0.4;
P(G) = 5/30 = 0.1667;
P(H y G) = 3/30 = 0.1
La probabilidad de uno u otro es:
11
Probabilidad Condicional
Para resolver un problema de este tipo:
Primero traduzca la pregunta a la frmula de probabilidad condicional
La probabilidad condicional es:

Se lee como la probabilidad de A dado que ocurri B.
Segundo, a partir de la tabla de datos, calcule solo las probabilidades de
inters, esto es, la probabilidad de la interseccin y la probabilidad del evento B
En una agencia de autos, las ventas de un mes, reportaron los siguientes datos.
Rojos
Blancos
Medianos
14
Grandes
10
18
Encuentre las siguientes probabilidades.

a) Comprar un auto mediano y blanco
b) Dado que se compr un auto blanco que sea grande
c) Dado que el auto es mediano que sea Rojo
12
Para encontrar las tres probabilidades que se piden, conviene hacer una tabla de
probabilidades.
Nota. En el examen, no tiene que hacer toda la tabla, slo tiene que calcular las
probabilidades que se requieran
Rojos
Blancos
Total
Medianos
14
22
Grandes
10
18
28
Total
24
26
50
Dividimos cada celda entre el total y se obtiene la probabilidad correspondiente a

cada evento.
Rojos
Blancos
Total
Medianos
0.28
0.16
0.44
Grandes
0.2
0.36
0.56
Total
0.48
0.52
El cruce de cada fila y columna nos da la probabilidad de que ocurra uno y otro
evento. Por ejemplo, la probabilidad de que sean medianos y rojos
es:
13
Al final de cada columna se tienen las probabilidades de que sean rojos o que
sean blancos. Por ejemplo, probabilidad de que sean blancos =
Al final de cada fila se tienen las probabilidades de que sean medianos o grandes.
Por ejemplo, probabilidad de grandes,
Con estos resultados se puede calcular probabilidad condicional.
Se debe de hacer la traduccin del lenguaje oral al de probabilidades, esto es,
escribir la probabilidad condicional en forma de ecuacin:
a)
b)
c)
Nota. Si la pregunta fuera la 3, solo hace falta calcular la probabilidad de la
interseccin y la del evento que ocurri primero, no hace falta hacer toda la tabla
Teorema de Bayes.
P(H/A)
P(A)
P(H/B)
P(B)
P(C)
P(H/C)
14
En el diagrama se tienen las probabilidades de 3 resultados posibles en un primer

evento y despus las probabilidades de otro evento dado que ya ocurri el primero.
Al final se reportan las probabilidades de que ocurran uno y otro evento.
El teorema de Bayes permite calcular la probabilidad siguiendo el proceso inverso.
Si ya ocurri el evento H cul es la probabilidad de que venga de A, B o C?
Sean A, B y C enfermedades y H un sntoma que aparece con cualquiera de las 3
enfermedades. Las enfermedades son excluyentes y un estudio indica:
P(A) = 0.02, P(B) = 0.01, P(C) = 0.005 y
P(H/A) = 0.75, P(H/B) = 0.8 y P(H/C) = 0.95.
Dado que ocurri el sntoma H, la probabilidad de que provenga de la enfermedad
B es:
El teorema de Bayes nos dice que dicha probabilidad se obtiene dividiendo la
probabilidad de B y H entre las suma de las probabilidades de las intersecciones.
Esto es:
Observe que las intersecciones corresponden a las ramas finales del rbol y que
cada interseccin es el producto de las probabilidades de las ramas anteriores, de
la forma:
Si se hubiera pedido la probabilidad de que dado H viniera de C, cambiamos el

numerador por la probabilidad de C y H
15
Variables Aleatorias Discretas.

Son aquellas variables que en un experimento solo pueden tener resultados con
nmeros enteros. Por ejemplo, la respuesta es xito o fracaso (binomial) o la
respuesta es el nmero de veces (frecuencia) que ocurre un evento en un
intervalo de tiempo o espacio (Poisson).
En los casos de variables aleatorias discretas se puede encontrar una frmula que
permite calcular la probabilidad de que ocurra exactamente un valor posible de las
respuestas.
Ejemplos:
Experimento de tipo Binomial. Las respuestas posibles son: si o no, xito o
fracaso, etc. Slo hay dos respuestas posibles. En este caso, la probabilidad de
que la variable tome exactamente el valor x cuando hay n ensayos est dada por
la frmula

a) La probabilidad de que una persona tenga gripe es de 0.3 = p. La
probabilidad de que 5 (x) personas de 20 (n) tengan gripe es:
P(X = 5) = 15504(0.3)5(1-0.3)(20-5) = 0.1789
16
Recuerde que debe distinguir en los casos de probabilidad acumulada cuando se

dice al menos o cuando se dice cuando mucho. En el primer caso, al menos es
el lmite inferior y el segundo, cuando mucho, es lmite superior.
b) Encuentre la probabilidad de que cuando mucho 2 tengan gripe. Se
calcula la probabilidad de 0, de 1 y de 2 y se suman.
P(X = 0) =
= 0.00079
P(X = 1) = 0.00684
P(X = 2) = 0.02784
0.03548
c) La probabilidad de que un equipo funcione es de 0.9. Si se prueban 16
equipos, la probabilidad de que al menos14 funcionen es:
El equipo funciona o no funciona, esto indica un experimento de tipo binomial. Al
menos 14 significa que deben funcionar, 14, 15 y 16, por lo que la probabilidad es:
P(X = 14) =
= 0.2745
P(X = 15) = 0.3294

P(X = 16) = 0.1853
Experimento Poisson. Se tiene un parmetro que es el valor esperado de

ocurrencias en el intervalo de tiempo o espacio. La probabilidad de que ocurran
17
exactamente un nmero de eventos en el tiempo o espacio determinado est dado

por:
Media o valor esperado

Varianza

Encuentre la probabilidad de que se atiendan a 12 personas en una hora si
el valor esperado es de 10 personas atendidas por hora.
= 0.09478
Se debe tener cuidado de manejar el valor esperado en las unidades adecuadas.
Nota. Se puede dar el valor esperado de 10 atenciones por hora pero, pedir la
probabilidad de atenciones en ocho horas, en este caso el valor esperado de
atenciones en ocho horas es de
(10)(8) = 80 atenciones en la ocho horas. Si
se pide la probabilidad de 70 atenciones en las ocho horas se calcula as:
= 0.02479.
Otro caso de variable discreta, en donde se aplican las tcnicas de conteo.

Se tiene un total de N objetos con diferentes caractersticas, n1, n2, n3. Se toma
una muestra de tamao n y se pide la probabilidad de ocurrencia de alguno de los
posibles resultados del evento. Dado que la probabilidad es el nmero de formas
18
en que puede ocurrir el evento entre el total de casos posibles se usa la

combinatoria y la regla del producto para encontrar dichas cantidades
Se tienen 20 resistencias de 100 ohms, 15 resistencias de 200 ohms y 10
resistencias de 300 ohms. Si se toman aleatoriamente 6 resistencias, determine
las siguientes probabilidades, escoger:
a) Dos de cada de cada tipo
b) 3 de 100 ohms , dos de 200 y una de 300
c) Las 6 de 200 ohms.
d) Las 6 de un mismo tipo
La probabilidad es el nmero de casos favorables entre el total de casos posibles.
Se tienen 45 resistencias en total. El nmero total de formas que se pueden
escoger 6 objetos de 45, sin importar el orden, es:
a) De las resistencias de 100 ohms, se pueden tomar dos de las 20 que

hay, de las resistencias de 200 ohms se pueden tomar dos de las 15 y
de las de 300 se pueden tomar dos de las 10. Ahora, como se toman
dos de un tipo, dos del otro y dos del tercer tipo, el nmero de formas
que podemos hacer esto es:
La probabilidad es: 897750/8145060 = 0.1102
19
b) Se pueden tomar 3 resistencias de las 20 que hay de 100 ohms, 2

resistencias de las 15 que hay de 200 ohms y una de las 10 que hay de
300 ohms.

c) Se pueden tomar, nada ms, 6 resistencias de las 15 de 200 ohms

d) Se pueden tomar 6 de las 20 de 100 ohms o 6 de las 15 de 200 ohms o
6 de las 10 de 300 ohms.

Observe que en el clculo de resultados posibles cuando es o se suma y cuando
es y se multiplica
En el examen solo le preguntan un caso parecido a uno de los anteriores
Variable Aleatoria Continua

Entre las variables de este tipo se encuentran variables que siguen una
distribucin de probabilidades normal, la normal estndar (z), la t de Student y la ji
- cuadrado. Aunque hay otras variables aleatorias continuas, no se incluyen en el
examen departamental.
20
La probabilidad de ocurrencia de un evento para una variable aleatoria continua se

determina integrando la funcin de densidad de probabilidad correspondiente en el
intervalo de inters (rea bajo la curva de la funcin de densidad vs los valores de
la variable aleatoria). Dado que las integrales son muy complicadas, se han
elaborado tablas para facilitar encontrar el rea bajo la curva correspondiente.
Distribucin Normal.
La probabilidad se tiene que dar en un intervalo, no se puede encontrar la
probabilidad de exactamente un valor. Veremos con algunos ejemplos como se
determina e interpreta la probabilidad.
Una lata se debe llenar con un litro de producto. Un estudio en 36 latas
proporciona una media de 0.98 litros con una desviacin estndar de 0.1 litros.
a) La probabilidad de que una lata se llene con 1.1 litros es:
b) La probabilidad de que la lata se llene con menos de 0.96 litros es:
c) La probabilidad de que se llene con ms 1.1 litros es:
Las tablas de la normal, con el fin de ser generales, se estandarizan por medio de
Las tablas proporcionan el valor del rea desde menos infinito hasta el valor para
el cual se busca la probabilidad. Conociendo esto, se pueden usar para encontrar
las probabilidades pedidas.
a) P(X = 1.1) = P(1.05< X < 1.15), recuerde que no existe el rea para una
lnea o punto por lo que, se calcula el rea en un intervalo prximo al valor
pedido.
21
0.98
Estandarizando la variable z = (1.1 0.98)/0.1 = 1.2

P(X = 1.1) = P(z = 1.2) = P(0.7 < z < 1.7)
Por medio de la tabla de la normal estndar se encuentra:
rea o probabilidad entre los dos valores: 9554 - 0.7580 = 0.1974
La probabilidad de que se llene con 1.1 litros es de 0.1974
Se determina, por medio de las tablas el rea desde menos infinito hasta 1.15, el
rea desde menos infinito hasta 1.05 y se restan para tener el rea en el intervalo
que incluye 1.1
b) Probabilidad de que se llene con menos de 0.96, es el rea desde menos
infinito hasta el valor de 0.96
0.96
z = (0.96 - .98)/0.1 = - 0.2

La probabilidad de que se llene con menos de 0.96 litros es 0.42074
Este resultado, tambin se puede interpretar como el porcentaje de latas
producidas que se llenarn con menos de 0.96 litros. El 42% de las latas se
habrn llenado con menos de 0.96 litros. Esto puede significar que no le compren
las latas ya que son muchas con menos de 0.96 litros cuando debera ser 1 litro el
llenado.
22
c) Probabilidad de que se llene con ms de 1.1 es el rea que queda por

delante de 1.1. Debido a que esta rea no la proporciona la tabla usamos el
complemento, tomando en cuenta que el rea o probabilidad total es igual a
uno.
P(X > 1.1) = 1- P(X
1.1
z = (1.1 - .98)/.1 = 1.2

P(z > 1.2) = 1- P(z < 1.2) = 1 0.88493 = 0.11507
La probabilidad de que una lata sea llenada con ms de 1.1 litros es de 0.11507.
Tambin, se puede interpretar como que el 11.5% de las latas se llenarn con ms
de 1.1 litros.
Distribuciones Muestrales.
Valor Esperado.
Variable Aleatoria Discreta.
El valor esperado de una variable aleatoria discreta se determina como:

Sea x una variable discreta cuyos valores y probabilidades correspondientes se
representan en la siguiente tabla:
23
10
P(x) 0.05
15
20
25
30
0.15
0.25
0.35 0.2
El valor esperado de x es:
Variable Aleatoria Continua.

Conocida la funcin de densidad de probabilidad de la variable, el valor esperado
se determina por medio de:
La integral se evala en el intervalo en que est definida la funcin de

densidad
Suponga que el error de medicin de un instrumento es una variable aleatoria
continua con una funcin de densidad de probabilidad dada por:
y cero en cualquier otro valor de x

24
El valor esperado de la variable es:
Intervalos de Confianza.
Intervalo en donde se espera con cierta probabilidad que se encuentre el valor del
parmetro bajo estudio. En cada problema, se debe determinar el tipo de
distribucin correspondiente, para esto, tome en cuenta, el parmetro bajo estudio
y el tamao de la muestra.

a) Intervalo para la media, muestra grande
La resistencia a la presin en una muestra de 36 cilindros para gas,
presentan una media de 998 kg/m2 y una desviacin estndar de 25. El
intervalo de confianza del 99% para la presin media de estos cilindros es:
El problema corresponde a intervalo de media con muestra grande,
entonces, en el formulario se encuentra:
.
Donde
conocida o n>30)
25
Observe que dado que la muestra es tamao mayor a 30 podemos usar la

desviacin estndar de la muestra s como aproximacin de la desviacin
de la poblacin.
Usando las tablas de la normal estndar para encontrar la z que le

corresponde a un rea de 0.005, se obtiene z = 2.57, por lo que el intervalo
pedido es:
b) Intervalo para la media muestra pequea

Un estudio en 16 muestras de papel presenta una resistencia a la tensin
media de 32 N con una desviacin estndar de 3. El intervalo de confianza
del 95% para la resistencia a la tensin de ste tipo de papel es:
Identificamos del formulario, para un intervalo de confianza de media con
muestra pequea.
Observe que, debido a que la muestra es pequea, utilizamos la

distribucin de la t de Student.
26
Para encontrar el valor correspondiente de la t tomamos en cuenta los

grados de libertad (n -1), que en este caso son 16 1 = 15 grados de
libertad. A partir de las tablas se encuentra:
= 2.131

Intervalo para proporciones
En una muestra de 90 personas, 65 contestaron a favor de un producto.
Encuentre un intervalo de confianza del 90 % para la proporcin de
personas que estn a favor del producto.
Dado que es un problema de proporcin, de acuerdo al formulario:

Intervalo para la desviacin estndar
Un fabricante desea conocer, con un 95% de confianza, la variacin en la
tenacidad de una fibra de rayn. Se toman 14 muestras de un tipo de fibra y
27
se obtiene una tenacidad media de 2.83 con una desviacin estndar de

0.341 g/denier.
Identificamos, del formulario, para el intervalo de confianza de la desviacin
estndar:
Usando las tablas para la distribucin ji cuadrado con 13 grados de

libertad.
Ejemplo 16:
Intervalo para la diferencia de medias o de proporciones
Diferencia de medias. (Tema 6.17)
Muestras grandes, suponiendo las varianzas conocidas (los otros casos los ver
en el curso). Una muestra de resistencia al esfuerzo de 36 metales de un tipo
proporcion una media de 248 N/m2 con una desviacin de 20
N/m2 y otra
muestra de 38 metales de otro tipo proporcion una media de 252 N/m2 con una
desviacin de 28 N/m2. El intervalo de confianza para la diferencia de medias con
el 95% de confianza es:
28
En el formulario, identificamos
,con
Sustituyendo los datos:
El intervalo es:
Observe que el intervalo incluye el cero.
Diferencia de Proporciones. (Tema 6.21)

Antes de una mejora, 120 personas de 200 dijeron que un servicio era bueno,
despus de la mejora, 150 de 220 dijeron que eran bueno. Encuentre el intervalo
de confianza del 90% para la diferencia de proporciones.
29
El intervalo es:
Observe que el intervalo no incluye el cero
Tamao de Muestra
Distribucin normal medias (Tema 6.3.2)
El error que determina el intervalo depende de la desviacin estndar, de la
distribucin muestral correspondiente y a un valor de la variable aleatoria de dicha
distribucin, para un nivel de confianza dado. Fijando un error particular podemos
determinar el tamao de muestra necesario para tener dicho error o tamao del
intervalo en el cual queremos que se encuentre el parmetro (media, desviacin,
etc.)
De qu tamao debe ser una muestra para tener un error de 0.2 para una
variable con distribucin normal con media 2.5 y desviacin estndar de 0.3 y con
una confianza del 95%?
En el formulario se encuentra que, en estas condiciones, el error est dado por:
,sustituyendo los datos y despejando para n, se encuentra:
Seredondea al nmero superior, la muestra para ste error es de tamao 9

Distribucin normal, proporciones. (Tema 6.4.1)
Mismo procedimiento que en el caso anterior, solo se debe reconocer y aplicar la
frmula correspondiente para el error en stas condiciones.
30
Pruebas de Hiptesis.
Prueba para probar, con una probabilidad especificada, que cierto parmetro tiene
un determinado valor. Dependiendo del parmetro que se pruebe y del tamao de
la muestra, debe identificar el estadstico de prueba correspondiente y manejar el
concepto del valor p.
Ejemplo17 (Tema 6.9):
Prueba de Media, muestra grande.
La verdadera media del peso de un costal de harina debe ser de 50 kg. Se pesan
36 costales obteniendo una media de 49.5 kg con una desviacin de 1.2 kg. Haga
una prueba de hiptesis, con el 95% de confianza, para verificar si el contenido de
los costales es diferente a 50 kg.
1. Planteamiento de las hiptesis nula y alterna
2. Identificacin del estadstico de prueba apropiado para el caso y calcular

Se pide prueba sobre la media y es el caso de muestra grande, del
formulario:
3. Con el nivel de confianza encontrar la regin (o rea) de rechazo o con

el valor del estadstico, encontrar el valor p
a)
, el valor de z que corresponde a sta rea es (tablas

normal estndar) es de 1.96 (o -1.96)
31
b) El valor p o rea que corresponde al valor de z del estadstico es

(tablas) de 0.006
Para z = - 2.5, se tiene un rea, desde menos infinito, de 0.006, el valor
p es sta rea
4. Comparar y rechazar o no la hiptesis nula
a) El valor de z del estadstico es menor al valor de z correspondiente
para el nivel de confianza (- 2.5 < - 1.96), por lo que se rechaza la
hiptesis nula.
b) El valor p es menor que el valor del nivel de confianza alfa (0.006 <
0.05), por lo que se rechaza la hiptesis nula
5. Concluir. Si hay diferencia, con este nivel de confianza, en el llenado de
los costales respecto de la especificacin de 50 kg.
Nota. Si usted observa con cuidado las respuestas, en ste y otros problemas de
toma de decisiones con pruebas de hiptesis, ya le estn dando el valor del
estadstico de prueba (no tiene que identificarlo y calcularlo). Lo que si debe saber
es como se plantea la hiptesis nula, calcular el valor del estadstico de prueba y
saber como tomar decisiones al comparar los dos estadsticos.

Prueba de proporcin.
Un fabricante dice que su producto tiene el 65% del mercado. Un estudio, muestra
que de 300 productos 160 son del fabricante. Con un 95% de confianza pruebe la
hiptesis del fabricante.
32
1.
2. La prueba es sobre una proporcin de una poblacin con muestra grande,

del formulario
3. a)
, el valor de z que corresponde a sta rea es (tablas
normal estndar) es de - 1.96

b) Para z = -1.77, se tiene un valor p o rea desde menos infinito de
0.384
4. Por cualquiera de las dos comparaciones, se observa, para el nivel de
confianza establecido, que no hay suficiente evidencia estadstica para
rechazar H0.
5. Se concluye que el fabricante tiene razn
Prueba de diferencia de medias

Se tienen dos tipos de concretos. Se toma una muestra de tamao 42 de cada uno
y se obtiene un promedio muestral de la conductividad trmica para el primero de
0.486 con una desviacin estndar de 0.187 y un promedio de 0.359 de
conductividad trmica con una desviacin estndar de 0.158 para el segundo.
Esta informacin sugiere que el promedio verdadero de conductividad trmica del
primer concreto es mayor que la del segundo, con
.
33
Hiptesis.
Es una prueba de diferencia de medias con muestras grandes, del formulario:
Para el nivel de confianza dado y tomando en cuenta que es una prueba de

una cola la z que le corresponde (tablas) es: z = 2.33
La z de prueba es mayor que la z correspondiente al nivel de confianza, por lo
tanto cae en la regin de rechazo de la hiptesis nula. (El valor p es 0.0005
menor al valor alfa, se rechaza la hiptesis nula).
Se puede concluir que el primer acero tiene una conductividad trmica mayor.
Prueba de diferencia de proporciones

De 300 residentes de la ciudad 63 estn a favor de un aumento en la velocidad
permitida en las carreteras, mientras que de 180 residentes del campo 75 estn a
favor del cambio. La informacin indica que la percepcin es diferente en los dos
grupos.
34
Hiptesis:
Prueba de diferencia de proporciones muestra grande. Del formulario
Tomamos un nivel de confianza

De la tablas para alfa medios se tiene z = -1.96
Comparando los valores de z de prueba y de significancia, z de prueba es
menor, (valor p = 0.2499, mayor que alfa) por lo que no hay evidencia para
rechazar la hiptesis nula.
Nota, si cambiamos el nivel de confianza a 0.1, z = -1.65. En este caso la z
de prueba si cae en la regin de rechazo.
Anlisis de Regresin.
En los problemas que aparecen, encontrar una tabla de datos en donde

aparecen los valores de las variables dependiente e independiente, as como los
35
valores que se requieren para hacer los clculos de los coeficientes que
caracterizan a la recta de regresin y al coeficiente de correlacin.
En el formulario usted encontrar las siguientes relaciones para encontrar:

Coeficientes de la recta de regresin
n es el nmero de datos
Coeficiente de correlacin
El coeficiente de determinacin es el coeficiente de correlacin elevado al

cuadrado, r2
36
Tiene que leer con cuidado lo que se le pregunta y sustituir correctamente los
datos.

De acuerdo a la siguiente tabla encuentre la recta de regresin y los coeficientes
de correlacin y de determinacin.
y
x2
y2
xy
25
625
75
75
81
5625
675
11
105
121
11025
1155
16
210
256
44100
3360
20
320
400
102400
6400
28
560
784
313600
15680
Suma = 87
1295
1651
477375
27345
En este caso n = 6
a) Los coeficientes de la recta de regresin son:
37
La recta de regresin es:
b) El coeficiente de correlacin es:
c) El coeficiente de determinacin es :
r2 = (0.9759)2 = 0.9405
Pruebas No Paramtricas.
Las pruebas son sobre la mediana y no se ponen restricciones sobre la
normalidad o no de la distribucin de la variable bajo estudio.
Algunas de las pruebas son de: Rangos con Signo de Wilcoxon, Suma de Rangos
de Wilcoxon, Mann Whitney y Kruskal Wallis.
Prueba de Rangos con Signos de Wilcoxon.
38
Prueba el valor de la mediana de la poblacin, la distribucin de la poblacin debe

ser simtrica y no importa el tamao de la muestra.
Prueba de Suma de Rangos de Wilcoxon.
Muestras dependientes de muestras aleatorias en poblaciones que tienen
distribuciones similares no normales.
Muestras independientes, en muestras aleatorias de poblaciones que tienen
distribuciones similares, simtricas, no normales.
Prueba de U Mann Whitney.
Muestras
independientes
de
muestras
aleatorias
de
poblaciones
con
distribuciones similares, no normales. Es equivalente a la prueba de Suma de

Rangos de Wilcoxon.
Las dos se pueden aproximar por una distribucin normal con misma media y
varianza cuando el tamao de cada muestra es mayor o igual a 10 y no se
requiere que el tamao de cada muestra sea el mismo.
Prueba de Kruskall Wallis.
Es el equivalente a una prueba ANOVA de un factor. Muestras de una distribucin
que no sea normal. Se recomienda cuando no se puede asegurar normalidad y
varianzas iguales.
Ejemplo 22 (tema 7):

Se desea investigar si un proceso de manufactura es mejor que otro. Se toman 5
muestras de uno y 8 del otro. La prueba adecuada para verificar si hay o no
diferencia entre las medianas es:
39
Se trata de un caso en donde no tenemos informacin sobre la distribucin de las

poblaciones. Se puede usar la prueba de Suma de Rangos con Signo de Wilcoxon
o la prueba U de Mann Whitney con
Si las muestras son dependientes o pareadas solo se puede usar la prueba de

suma de rangos de Wilcoxon.
40
EXAMEN PRCTICA
Pregunta 1.
La siguiente tabla representa las ventas (en millones) de bolsas de papa por
semana que vende La papa feliz
Intervalo
Frecuencia relativa
0.1 < x 0.3
0.085
0.3 < x 0.5
0.045
0.5 < x 0.7
0.290
0.7 < x 0.9
0.404
0.9 < x 1.1
0.176
El porcentaje de ventas de cuando mucho 0.7 millones de ventas es:

Pregunta 2:
La siguiente tabla muestra una lista de varios indicadores del crecimiento
econmico a largo plazo en Filipinas. Las proyecciones son hasta el ao
2010
Indicador Econmico
Cambio Porcentual
Inflacin
5.3
Exportaciones
3.7
Importaciones
2.8
Ingreso Real disponible
3.9
Consumo
2.4
PNB real
2.9
Inversin (residencial)
3.2
Productividad (fabricacin)
5.1
41
La mediana del cambio porcentual es:

Pregunta 3:
Una muestra de 10 baleros presentan los siguientes dimetros en cm:
9.5
11
11
10
10.5
10.5
10.5
10.5
9.5
La desviacin estndar es:

Pregunta 4:
La siguiente tabla, se refiere a la prueba de un medicamento contra el dolor
que realizo Smith&Smith Pharmaceuticals, Inc. Calcula la probabilidad de
que una persona haya usado el medicamento o que estuviera en el grupo de
control
Medicamento
Dolor de muelas
Placebo
Grupo de control
total
85
70
24
179
Sin dolor
632
416
402
1450
Total
717
486
426
1629
Pregunta 5:
En una lnea de produccin se tienen dos dispositivos A y B en paralelo, el
sistema funciona si alguno de los dos funciona. La probabilidad de que
funcione A es de 0.92 y la de que funcione B es de 0.87. La probabilidad de
que el sistema funcione es:
Pregunta 6:
42
Se tienen 5 camisas rojas, 8 azules y 9 blancas. Se escogen

aleatoriamente 4 camisas. La probabilidad de que sean 1 roja, una azul y 2
blancas es:
Pregunta 7:
Un estudio tiene como resultado la siguiente tabla de la relacin de
compra de corbatas por categora y tamao.
Grande
Mediana
Chica
Total
Vestir
27
79
17
123
Sport
18
92
38
148
Lujo
19
Total
51
178
61
290
S se escoge aleatoriamente a una camisa, qu probabilidad hay de que

la corbata sea mediana dado que es de vestir?
Pregunta 8:
Un examen tiene las siguientes probabilidades de contestar correctamente
las preguntas
Pregunta
Probabilidad
0 .05
0.18
0.33
0.30
0.12
0.02
43
La calificacin esperada para este examen es:
Pregunta 9:
La funcin de densidad de probabilidad para la emisin de partculas alfa
est dada por f(x) = 0.25 e(-0.25x), en el intervalo x > 0 y f(x) = 0, para cualquier
otro valor de x.
El valor esperado de x es:
Pregunta 10:
Una compaa que produce llantas para camin sabe por experiencia que
16% de sus llantas tienen imperfecciones y se deben clasificar como de
segunda. Entre 20 llantas seleccionadas al azar, cul es la probabilidad de
que 2 sean de segunda?
Pregunta 11:
Sea X la cantidad de fracturas en la superficie de una caldera de cierto tipo,
una muestra, seleccionada al azar, presenta un promedio de 3 fracturas por
caldera. Calcula la probabilidad de que en una caldera existan exactamente 4
fracturas.
Pregunta 12:
Una fbrica tiene una torre con carbn activado para absorber
contaminantes. Una muestra de 38 mediciones report una media de 145 kg
de contaminantes removidos con una desviacin estndar de 18.
El intervalo de confianza del 95% para la cantidad de contaminantes
removidos es:
44
Pregunta 13:
En respuesta a muchas quejas respecto a la variacin en el voltaje en una
zona
Industrial,
el
director
general
del
servicio
postal
inicia
una
investigacin preliminar. Una muestra de 14 mediciones tiene como

resultado una desviacin estndar de 18 volts.
El intervalo de confianza del 95% para la desviacin poblacional es:
Pregunta 14:
Una empresa desea estimar la proporcin de hogares en los que se
comprara su producto. Se seleccion una muestra de aleatoria de 800
hogares. Los resultados indican que, 172 de los hogares compraran el
producto.
El intervalo de confianza del 90% de la proporcin poblacional de hogares
que compraran el producto es:
Pregunta 15:
Se registra la produccin diaria promedio de cierto producto en una planta.
El registro se llevo a cabo durante 54 das y se obtuvo una media de 1350
litros con una desviacin estndar de 260 litros. Prueba la hiptesis a un
nivel de significacin de 5%, de que la produccin media diaria sea de 1400
litros.
H : = 2500, estadstica de prueba z = -1.12
No Rechazo H *
Pregunta 16:
En una temporada de vacaciones, se asegura que los hoteles estarn
ocupados a un 88%. Se encuentra que en 34 hoteles se tuvo un lleno del 84%.
Qu conclusin puede usted obtener acerca de la capacidad de ocupacin?
realiza la prueba a un nivel de significancia del 5%
o H :P=0.85 estadstica de prueba z=-0.47
No Rechazo H *
45
H :P=0.85 estadstica de prueba z=0.47
Rechazo H *
Pregunta 17:
Se estudia el rendimiento de dos tipos de valores, el valor tipo A y el valor
tipo B. El rendimiento de estos slo se conoce hasta despus de la venta. Se
tienen registradas 30 tasas de rendimiento anterior para valores tipo A y 36
para valores tipo B. De estas muestras se obtuvieron las estadsticas en la
tabla siguiente:
Tipo A
Tipo B
Media
7.2%
8.5%
Varianza
1.58
1.89
Presentan estos datos suficiente evidencia de que existe una diferencia

en el rendimiento de ambos valores? Utiliza un nivel de confianza de 0.1
o H : - 0,
estadstica de prueba z=-1.9
Rechazo H *
o H : - = 0,
Rechazo H *
o H : - <0,
No Rechazo H *
Pregunta 18:
El administrador de un hospital conjetura que el porcentaje de cuentas

hospitalarias no pagadas aument durante el ao anterior. Los registros del
46
hospital muestran que 52 cuentas de 1148 personas admitidas en abril no

haban sido liquidadas despus de 90 das. Este nmero es similar a las 36
cuentas de 1102 personas admitidas durante el mismo mes del ao anterior.
Con estos datos hay evidencia suficiente que indique un incremento en
dicho porcentaje? realiza la prueba con alfa =0.05
o H :P -P 0 estadstica de prueba z = 2.4,
Rechazo H *
o H :P -P <0 estadstica de prueba z = - 2.4,
No Rechazo H0*
Pregunta 19:
Se requiere, para asegurar un funcionamiento uniforme, que la verdadera
desviacin estndar del punto de ablandamiento de cierto tipo de asfalto sea
a lo sumo de 0.4C. Una muestra de 8 especmenes reporta una desviacin
estndar de 0.52C. Se puede pensar que la desviacin es >0.58 con alfa =0.1
o H : > 0.25 estadstica de prueba 2=12.11,

o H : 0.25 estadstica de prueba 2=12.11,
No Rechazo H *
Rechazo H *
Pregunta 20:
Un estudio sobre la carga de masa (x) de DBO (kg/ha/d) y la eliminacin de

masa (y) de DBO (kg/ha/d) presentan los siguientes resultados:
47
Carga de masa x Eliminacin de masa y
y2
xy
81
25
45
11
121
49
77
14
196
64
112
17
289
81
153
28
14
784
196
392
31
24
961
576
744
36
19
1296
361
684
39
29
1521
841
1131
106
73
11236 5329
7738
143
88
20449 7744
12584
suma =434
276
36934 15266 23660
La recta de regresin es:
Pregunta 21:
En el caso de comparacin de varios niveles para un factor, en el que no se
puede suponer normalidad ni varianzas iguales, la prueba adecuada para ver
si hay diferencias es:
o Kruskall Wallis*
o Prueba de Rangos con Signo de Wilcoxon*
48
o Prueba de suma de Rangos de Wilcoxon*

o Mann Whitney*
* Son ejemplo de la forma como aparecen las opciones de respuesta.
49
REFERENCIAS.
W. W. Hines, D. C. Montgomery, D. M. Goldsman y C. M. Borror;

Probabilidad y Estadstica para Ingeniera; Cuarta edicin; Ed.
CECSA; Mxico, 2005.
W. Navidi; Estadstica Para Ingenieros y Cientficos; Ed. McGrawHill; Mxico, 2006.
R.E. Walpole, R. H. Myers y S. L. Myers; Probabilidad y Estadstica

para Ingeniera y Ciencias; Octava edicin; Ed. Pearson; Mxico, 2007.
W. Mendenhall, R. J. Berner, B. M. Berner, Introduccin a la

Probabilidad y Estadstica; Ed. Thompson; Mxico, 2002.
50
TABLA DE ESPECIFICACIONES
CLA
VE
TEMA
RESULTADOS DE
APRENDIZAJE
(objetivos)
1.0
1.1
Introduccin a la Estadstica
Concepto de Variable
1.2
1.3
Escala de Medicin
1.4
1.5
1.6
1.7
Anlisis de datos
1.8
Distibucin de Frecuencias
1.9
Representaciones Grficas
2.0
Medidas de tendencia central
2.1
2.2
2.3
Medidas de posicin
3.0
Medidas de dispersin
3.1
3.2
%
CON COM
TOT
AL
A
P
L
5
%
Definir Variables y Medidas

Comprender Tipos de
Variables: Cualitativas y
Cuantitativas
Definir Escalas de Medicin
Defnir el Anlisis
Exploratorio de Datos
Conocer las fuentes de
informacin
Conocer las diferencias
entre poblacin y muestra
Distinguir datos agrupados
de no agrupados
Determinar las Frecuencias
Absolutas, Relativas,
Absolutas Acumuladas y
Relativas Acumuladas
Elaborar Histogramas,
Polgono de Frecuencias,
Ojiva, Diagramas de Tallo y
Hoja, Diagramas de Pastel,
Diagrama de Caja y Bigote.
5
%
Calcular la media, mediana
y moda para datos no
agrupados.
Calcular la media, mediana
y moda para datos
agrupados.
Calcular Cuartiles, deciles y
percentiles
5
%
Definir qu es dispersin o
variabilidad
Calcular las medidas de
dispersin: rango,
desviacin media,
desviacin estndar,
varianza, dispersin relativa,
coeficiente de variacin,
51
recorrido intercuartlico
Interpretacin conjunta de
las medidas de tendencias
central y de dispersin
Interpretar las distribuciones
de los datos con respecto a
su Coeficiente de Asimetra
utilizando la Regla Emprica
y el Teorema de
Tchebychev
3.3
3.4
4.0
Teora de la Probabilidad
4.1
Fundamentos bsicos de la
probabilidad
4.2
Experimento Aleatorio
4.3
Reglas de Probabilidad
4.4
Reglas de Probabilidad
4.5
4.6
5.0
Conocer los enfoques de

probabilidad (clsica,
frecuencial, subjetiva)
Distinguir qu es espacio
muestral, evento(simple o
compuesto), punto muestral
Aplicar las reglas de Adicin
para eventos excluyentes,
no excluyentes o
complementarios
Aplicar las reglas de
Multiplicacin para eventos
dependientes e
independientes
Calcular la probabilidad
condicional
Calcular probabilidades con
Teorema de Bayes
1
5
%
Mtodos de Conteo
Calcular el nmero de
eventos utilizando
ordenaciones con repeticin,
permutaciones,
combinaciones o Diagrama
de Arbol
5.1
5.2
5
%
Distibuciones de probabilidad
Panorama general de las
distribuciones de probabilidad
10
%
Clasificar las distribuciones
de probabilidad (discretas y
52
continuas)
Calcular la media, la
varianza y la desviacin
estndar de una
distribucin de probabilidad
discreta
Calcular la media, la
varianza y la desviacin
estndar de una
distribucin de probabilidad
continua
Calcular la Probabilidad
Acumulada para los casos
de Distribuciones Discretas
y Continuas.
Identificar las propiedades
de una distribucin de
probabilidad conjunta,
marginal y condicional
Calcular la esperanza
conjunta, covarianza y
coeficiente de correlacin de
variables aleatorias
independientes as como
valores esperados
condicionales
5.3
5.4
5.5
5.6
5.7
Distribuciones de
probabilidad ms conocidas
Uso de las distintas

5.8 distribuciones
5.9
5.10
5.11
5.12
5.13
5.14
5.15
5.16
5.17
6.0
6.1
10
%
Calcular la probabilidad
distinguiendo las
caractersticas de las
distribuciones de
probabilidad
Binomial
Poisson
Aproximacin a la Binomial
con la de Poisson
Normal
Aproximacin a la Binomial
con la de normal
T-student
Ji-cuadrada
Distribucin F
Comprender aplicacin de la
Normal, Ji-Cuadrada, F, TStudent
x
x
1
1
1
20
%
Muestreo
Definicin de muestreo
53
Clasificar los tipos de

Muestreo (cuota, aleatorio
simple, estratificado)
6.2
Estimacin estadstica
(Muestras Grandes y Chicas,
Varianza Conocida y
Desconocida)
Calcular media, desviacin

estndar, probabilidad,
tamao de muestra, error
muestral, intervalo de
confianza para la
distribucin muestral de
medias.
Calcular: media, desviacin
tamao de muestra , error
confianza para la
proporciones.
confianza para la
diferencia de medias.
confianza para la
diferencia de proporciones.
6.3
6.4
6.5
6.6
Teora de Decisin
6.7
Prueba Estadstica de medias
6.8
6.9
6.10
Prueba Estadstica de
6.11 proporciones
6.12
1
25
%
Plantear hiptesis nula y

alternativas (prueba de 1 y 2
colas)
Identificar los niveles de
significacin, error tipo I y
tipo II
Calcular Estadstico de
Prueba y Regla de
Decisin.
Calcular el valor p
colas)
tipo II
x
x
x
54
6.13
6.14
6.15
6.16
6.17
6.18
6.19
6.20
6.21
6.22
6.23
6.24
6.25
6.26
Prueba y Regla de
Decisin.
Calcular el valor p
Prueba Estadstica de diferencia alternativas (prueba de 1 y 2
de medias
colas)
tipo II
Prueba y Regla de
Decisin.
Calcular el valor p
Prueba Estadstica de diferencia alternativas (prueba de 1 y 2
de proporciones
colas)
tipo II
Prueba y Regla de
Decisin.
Calcular el valor de p
Prueba Estadstica para la
varianza de una y dos
poblaciones
colas)
tipo II
Prueba y Regla de
Decisin.
Calcular el valor p
Regresin y correlacin
6.27 Lineal
6.28 Mltiple
7.0
7.1
7.2
7.3
Estimacin no paramtrica
Conocer las condiciones en

las que el modelo es vlido
Calcular: ecuacin,
estimacin, anlisis de
correlacin, recta de
mnimos cuadrados
Calcular: ecuacin,
estimacin, anlisis de
correlacin, recta de
mnimos cuadrados
Elaborar casos de
aplicacin;
Prueba de Signo
Prueba U de Mann Whitney
Prueba de Rangos de
Wilcoxon
x
x
x
x
x
x
x
x
x
x
x
x
5
%
5
%
x
x
x
55
Prueba de correlacin de
Rangos
Anlisis de Varianza de
Rangos de Friedman
Coeficiente de Correlacin
de Rango de Spearman
Coeficiente de correlacin
de Rango de Kendall
7.4
7.5
7.6
7.7
Total
x
x
x
x
10
0
%
24
56

Cuaderno Probabilidad1 PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Cuaderno Probabilidad1 PDF

Uploaded by

Copyright:

Available Formats

PROBABILIDAD Y ESTADISTICA APLICADA Y TALLER

CUADERNO DE TRABAJO PARA EL EXAMEN DEPARTAMENTAL

M. en I. C. J Cristbal Crdenas Oviedo

Este cuaderno tiene como finalidad proporcionar un espacio para conocer el

desviacin estndar y rango), frecuencia relativa y frecuencia relativa

Entendimiento de la naturaleza del examen y de las condiciones en que lo

Actitud emocional o grado de confianza

Frecuencia Relativa y Relativa Acumulada

Observe que la frecuencia relativa se obtiene dividiendo el valor de la frecuencia

Frecuencia (Tema 1.8):

b) La frecuencia relativa de cuando mucho regular es la suma de las

De acuerdo a la tabla anterior:

Medidas de tendencia central

, es el valor de cada dato y n es el nmero de datos

Ejemplo 2 (Tema 2.1):

La desviacin estndar de una muestra se calcula como:

Rango. Diferencia entre los valores extremos de los datos

Ejemplo 3 (Tema 3.2):

c) Rango, diferencia entre los valores extremos.

Ejemplo 4 (Tema 4.3):

P(G) = 5/30 = 0.1667;

P(H y G) = 3/30 = 0.1

La probabilidad de uno u otro es:

La probabilidad condicional es:

Ejemplo 5 (Tema 4.5):

Encuentre las siguientes probabilidades.

Dividimos cada celda entre el total y se obtiene la probabilidad correspondiente a

En el diagrama se tienen las probabilidades de 3 resultados posibles en un primer

Si se hubiera pedido la probabilidad de que dado H viniera de C, cambiamos el

Variables Aleatorias Discretas.

Ejemplo 7 (Tema 5.9):

P(X = 5) = 15504(0.3)5(1-0.3)(20-5) = 0.1789

Recuerde que debe distinguir en los casos de probabilidad acumulada cuando se

P(X = 15) = 0.3294

Experimento Poisson. Se tiene un parmetro que es el valor esperado de

exactamente un nmero de eventos en el tiempo o espacio determinado est dado

Media o valor esperado

Ejemplo 8 (Tema 5.10):

(10)(8) = 80 atenciones en la ocho horas. Si

se pide la probabilidad de 70 atenciones en las ocho horas se calcula as:

Otro caso de variable discreta, en donde se aplican las tcnicas de conteo.

en que puede ocurrir el evento entre el total de casos posibles se usa la

a) De las resistencias de 100 ohms, se pueden tomar dos de las 20 que

La probabilidad es: 897750/8145060 = 0.1102

b) Se pueden tomar 3 resistencias de las 20 que hay de 100 ohms, 2

La probabilidad es: 1197000/8145060 = 0.14696

La probabilidad es: 38760/8145060 = 0.00476

La probabilidad es: 43975/8145060 = 0.0054

Variable Aleatoria Continua

La probabilidad de ocurrencia de un evento para una variable aleatoria continua se

Estandarizando la variable z = (1.1 0.98)/0.1 = 1.2

z = (0.96 - .98)/0.1 = - 0.2

c) Probabilidad de que se llene con ms de 1.1 es el rea que queda por

z = (1.1 - .98)/.1 = 1.2

Ejemplo 11 (Tema 5.3):

El valor esperado de x es:

Variable Aleatoria Continua.

La integral se evala en el intervalo en que est definida la funcin de

y cero en cualquier otro valor de x

El valor esperado de la variable es:

Ejemplo 13 (Tema 6.3):

Observe que dado que la muestra es tamao mayor a 30 podemos usar la

Usando las tablas de la normal estndar para encontrar la z que le