Professional Documents
Culture Documents
Folleto Probabilidad y Estadistica Descriptiva (2022)
Folleto Probabilidad y Estadistica Descriptiva (2022)
cr
Nivel Bachillerato
4 créditos
Requisitos: II-115
La estadística es una de las herramientas básicas en ingeniería industrial. En este curso, que es el
primero de esta disciplina, que se imparte en la carrera, se conocen y analizan las herramientas de
la inferencia descriptiva, así como su aplicación en las empresas. Este curso es de gran aplicabilidad
en el ámbito de los negocios, pues provee una serie de herramientas necesarias para recolectar
información para la toma de decisiones, procesarla, presentarla e interpretarla. El requisito del curso
es el conocimiento básico de matemática.
Objetivo general
1
Profesor: Pablo José Calderón Zúñiga, Tel: 88170148, correo: pcalderon70144@ufide.ac.cr
2
Profesor: Pablo José Calderón Zúñiga, Tel: 88170148, correo: pcalderon70144@ufide.ac.cr
Recursos didácticos
Se aprovecha al máximo el espacio físico del aula, la pizarra de melamina y el equipo multimedia.
Bibliografía
Básica: Lind/Marchal/Wathen (2015). Estadística Aplicada a los Negocios y Economía. Decimoséxta
edición. Mc Graw Hill.
Complementaria:
Triola, Mario (2009). Estadística. Décima edición. México. Pearson Educación.
Ross M. Sheldon (2000) Probabilidad y estadística para Ingenieros. México: Editorial Mc Graw Hill
Webster, Allen. (2000). ESTADISTICA APLICADA A LOS NEGOCIOS Y LA ECONOMIA. 3era.Costa
Rica. Edición. Editorial McGraw Hill.
Gómez Barrantes, Miguel. (1996). ELEMENTOS DE ESTADISTICA DESCRIPTIVA. Costa Rica.
Editorial EUNED.
Miller, I., Freund, J. E., J., R. (2008). Probabilidad y Estadística para Ingenieros. México: Prentice Hall
Hispanoamericana.
Freund, J.E. , Manning, R. (2000) Estadística. México, Prentice-Hall Inc.
Navidi W. (2006). Estadística para Ingenieros y Científicos. México: Editorial Mc Graw Hill
Cronograma de actividades
3
Profesor: Pablo José Calderón Zúñiga, Tel: 88170148, correo: pcalderon70144@ufide.ac.cr
Cada una de estas personas utiliza la palabra de manera correcta, aunque le den un uso
diferente. Todos los que trabajan con datos numéricos y que recurren a la estadística para
auxiliarse en la toma de decisiones siguen ciertos lineamientos estándares, algunos de los
cuales se estudiarán en el presente curso.
El uso de las herramientas estadísticas que se aprenderán servirá como base introductoria
a una amplia gama de temas más profundos y complejos que surgen de distintas
aplicaciones a la Ingeniería.
Por último, se estudiará la forma de asignar probabilidades a todos los posibles resultados
de un experimento en las diferentes distribuciones de probabilidad.
Así, al finalizar el curso, se tendrán nuevas herramientas, las cuales, al ser aplicadas,
brindarán bases más objetivas a la hora de analizar la información. Cabe mencionar que
estas bases estadísticas deberán ir acompañadas por un criterio personal, ya sea por
experiencia o por puro sentido común, el cual dará un excelente balance entre lo puramente
matemático y la realidad circundante a cada uno de nosotros a la hora de tomar decisiones.
4
Profesor: Pablo José Calderón Zúñiga, Tel: 88170148, correo: pcalderon70144@ufide.ac.cr
ESTADISTICA
Definición:
5
Profesor: Pablo José Calderón Zúñiga, Tel: 88170148, correo: pcalderon70144@ufide.ac.cr
V- Interpretación
DEFINICIONES
6
Profesor: Pablo José Calderón Zúñiga, Tel: 88170148, correo: pcalderon70144@ufide.ac.cr
Inferencia estadística:
Inferencia estadística:
Tipos de población
Por su extensión:
Finitas
Finita no medible: Termina, pero dura mucho.
Por su composición:
7
Profesor: Pablo José Calderón Zúñiga, Tel: 88170148, correo: pcalderon70144@ufide.ac.cr
Variables
8
Profesor: Pablo José Calderón Zúñiga, Tel: 88170148, correo: pcalderon70144@ufide.ac.cr
El nivel o escala de medición de los datos rige los cálculos que se llevan a cabo
con el fin de resumir y presentar los datos.
9
Profesor: Pablo José Calderón Zúñiga, Tel: 88170148, correo: pcalderon70144@ufide.ac.cr
Distribución de frecuencias:
Puntual (fi)
Absoluta
Acumulada (Fi)
Frecuencia
Puntual (fri)
Relativa (%)
Acumulada (Fri)
Frecuencia Relativa: Número de veces que aparece un valor con respecto a todos
los valores:
fri = fi .
# valores
10
Profesor: Pablo José Calderón Zúñiga, Tel: 88170148, correo: pcalderon70144@ufide.ac.cr
11
Profesor: Pablo José Calderón Zúñiga, Tel: 88170148, correo: pcalderon70144@ufide.ac.cr
Ejemplo Edades.
La velocidad a la que viajan los vehículos en un tramo de una carretera (en Km/hr)
se dan en la siguiente tabla:
84.5 70.6 79.0 75.8 85.0 98.5
100.5 78.6 85.8 80.3 86.4 79.6
64.8 69.9 100.2 60.0 78.0 86.3
95.4 84.5 100.2 69.3 70.8 65.0
65.3 92.8 93.5 91.0 88.4 62.5
12
Profesor: Pablo José Calderón Zúñiga, Tel: 88170148, correo: pcalderon70144@ufide.ac.cr
Diferencia de Amplitudes / 2
13
Profesor: Pablo José Calderón Zúñiga, Tel: 88170148, correo: pcalderon70144@ufide.ac.cr
Límites Límites
Li Ls Li Ls
Ʃ Ʃ Ʃ Ʃ
14
Profesor: Pablo José Calderón Zúñiga, Tel: 88170148, correo: pcalderon70144@ufide.ac.cr
Muchas veces se dice que "una imagen vale más que mil palabras". Por medio de
gráficas, la información se puede presentar de una manera mucho más fácil y rápido
que si se tuviera que arreglar las cifras en forma tabular o escribir la información
con palabras.
Las gráficas presentan los datos en un diagrama de dos dimensiones. Sobre el eje
horizontal (X) se muestran los valores de la variable (característica que se está
midiendo). Sobre el eje vertical (Y) se señalan las frecuencias de las clases
mostradas en el eje horizontal.
Tipos de gráficos:
A- Graficos para variables continuas:
- Histograma de frecuencias
- Polígonos de frecuencia
- Otros de líneas: Ojivas de frecuencia: "de menor que"
"de mayor que"
B- Gráficos para variables discretas:
- Gráficos de barras
- Gráficos de bastón
- Gráficos de puntos
- Gráficos de líneas
- Gráficos circulares (de pastel)
- Pictogramas
Histogramas de frecuencia:
Es una serie de rectángulos, cuyo ancho es proporcional al alcance de los datos
que se encuentran dentro de una clase. La altura de la barra correspondiente a
cada clase representa el número de elementos que caen dentro de cada clase.
Polígonos de frecuencia:
Se obtiene conectando por medio de líneas rectas los puntos medios de la parte
superior de los rectángulos del histograma. Estos puntos medios corresponden a
los valores de las frecuencias de cada clase.
15
Profesor: Pablo José Calderón Zúñiga, Tel: 88170148, correo: pcalderon70144@ufide.ac.cr
Ojivas de frecuencia:
Una ojiva es un polígono de frecuencias relativas acumulativas. Las ojivas tienen
siempre la forma aproximada de una "S" mayúscula, quedando el tamaño relativo
de las dos colas de la "S" determinado por la simetría o falta de simetría de la
distribución.
Las ojivas pueden ser del tipo "menor que", que son las que parten de cero hasta
llegar al 100%, y también pueden ser del tipo "mayor que", que parten del 100%
hasta llegar a cero.
Además, las ojivas permiten ver el número de observaciones están por encima de
ciertos valores, en lugar de hacer un mero registro del número de elementos que
hay dentro de los intervalos.
Gráficos de barras:
Es ideal para representar a una sola serie a través de un intervalo de tiempo. Las
barras deben de ir separadas ya que los datos son discretos. El ancho de cada
barra debe ser el mismo y la distancia que las separa debe ser igual.
Gráficos de puntos:
Se utilizan los puntos para mostrar la dispersión de los datos.
Gráficos de bastón:
En este gráfico se lleva al eje de las X los puntos del gráfico anterior.
Gráficos de líneas:
Enfatizan los cambios continuos o tendencias generales entre los valores. Son
usadas principalmente para representar los datos clasificados por tiempo o
cantidad.
Pictogramas:
Expresan con dibujos alusivos al tema de estudio las frecuencias de las
modalidades de la variable. Estos gráficos se hacen representado a diferentes
escalas un mismo dibujo.
La escala de los dibujos debe ser tal que el área de cada uno de ellos sea
proporcional a la frecuencia de la modalidad que representa. Este tipo de gráficos
suele usarse en los medios de comunicación, para que sean comprendidos por el
público no especializado, sin que sea necesaria una explicación compleja.
16
Profesor: Pablo José Calderón Zúñiga, Tel: 88170148, correo: pcalderon70144@ufide.ac.cr
Medidas Descriptivas
Una de las características más importantes que hay que evaluar a la hora de tomar
una decisión son los valores alrededor de los cuales se agrupan la mayoría de los
datos. Para esto, se estudian las “Medidas de tendencia central”.
Moda:
Es aquel valor que más se repite en un conjunto de datos, es decir, el que más alta
frecuencia tiene.
Si hay una moda la distribución se llama unimodal, si hay dos modas se llama
bimodal, si hay tres modas se llama trimodal y si hay cuatro o más modas se llama
multimodal. Por otro lado, si todos los datos tienen la misma frecuencia, no hay
moda y la distribución se llama amodal.
17
Profesor: Pablo José Calderón Zúñiga, Tel: 88170148, correo: pcalderon70144@ufide.ac.cr
Método gráfico:
Se une con una línea recta el final de la barra anterior a la barra de la clase modal
con el final de ésta. Luego se une el comienzo de la barra de la clase modal con el
comienzo de la barra posterior.
Mo
Si hay dos clases modales seguidas, la moda es el límite de frontera de las dos
clases:
Mo
Mo1 Mo2
Mo Mo
18
Profesor: Pablo José Calderón Zúñiga, Tel: 88170148, correo: pcalderon70144@ufide.ac.cr
Ventajas:
Se puede utilizar como una composición central para datos tanto
cuantitativos como cualitativos.
No se ve mayormente afectada por datos externos.
Se puede utilizar cuando una o más clases sean de extremo abierto.
Desventajas:
A menudo no existe un valor modal debido a que el conjunto de datos no
contiene valores que se presenten más de una vez.
Cuando se tienen más de dos modas es difícil comparar e interpretar.
Mediana:
Es el valor que divide a la distribución en dos partes iguales de 50% cada una.
Posición = n + 1
2
Si la mediana se localiza entre dos valores, entonces se saca el punto medio de
éstos.
19
Profesor: Pablo José Calderón Zúñiga, Tel: 88170148, correo: pcalderon70144@ufide.ac.cr
Método gráfico:
Para el cálculo de la mediana por medio del método gráfico se utilizan las ojivas de
frecuencia, tanto la de “mayor que” como la de “menor que”, y la mediana es el el
punto donde se cortan las dos ojivas.
50%
Me
Ventajas:
Es un valor único.
No se ve afectada en gran medida por valores extremos.
Es muy fácil de entender y se puede calcular a partir de cualquier tipo de
datos a menos que caiga en una clase de extremo abierto.
Es factible para datos tanto cualitativos como cuantitativos.
Desventajas:
Ciertos procedimientos estadísticos que utilizan la mediana son más
complejos.
Deben de ordenarse los datos.
No se puede calcular en intervalos abiertos.
Media aritmética:
Medida de tendencia central que representa a un conjunto de datos y señala el
centro de la distribución. Es una cantidad de equilibrio para todos los valores de una
distribución, resultante de dividir la suma de todos los valores de la distribución entre
el total de valores.
20
Profesor: Pablo José Calderón Zúñiga, Tel: 88170148, correo: pcalderon70144@ufide.ac.cr
Desventajas:
Se ve afectada por valores extremos.
Cuando los datos no están agrupados, es tedioso su cálculo.
No se aplica cuando hay clases abiertas.
Media ponderada:
Calcula los datos tomando en cuenta la importancia de cada valor con respecto al
total.
21
Profesor: Pablo José Calderón Zúñiga, Tel: 88170148, correo: pcalderon70144@ufide.ac.cr
22
Profesor: Pablo José Calderón Zúñiga, Tel: 88170148, correo: pcalderon70144@ufide.ac.cr
Posición = i * (n + 1)
K
Mp = Li + (i/k) * n – Fant. mp * C`
fmp
23
Profesor: Pablo José Calderón Zúñiga, Tel: 88170148, correo: pcalderon70144@ufide.ac.cr
Medidas de dispersión
Al igual que sucede con cualquier conjunto de datos, las medidas de tendencia
central (moda, mediana y media) y las otras medidas de posición (cuartilos,
quintilos, decilos y percentiles) solo revelan una parte de la información de lo que
se necesita saber acerca de las características de los datos.
Para aumentar el entendimiento del patrón de los datos, se debe medir también su
dispersión, extensión o variabilidad.
Amplitud Total:
Desviación Media:
Es la media aritmética de los valores absolutos de las desviaciones con respecto a
la media aritmética.
_
Muestra d.m. = Σ / X – X / d.m. = Σ fi / X – X /
n-1 n-1
24
Profesor: Pablo José Calderón Zúñiga, Tel: 88170148, correo: pcalderon70144@ufide.ac.cr
_ _
s= Σ(Xi – X)² s= Σfi(Xi – X)²
n-1 n-1
Muestra ó ó
25
Profesor: Pablo José Calderón Zúñiga, Tel: 88170148, correo: pcalderon70144@ufide.ac.cr
Coeficiente de Variación:
Es la medida relativa de la dispersión de los datos. Se utiliza más que todo cuando
se comparan dos o más grupos de datos y éstos están en unidades diferentes.
Además, se utiliza cuando los grupos de datos presentan las mismas unidades,
pero las medias muy distantes.
σt² = N1 σ1² + N2 σ2² + N3 σ3² + N1(μ1 – μt)² + N2(μ2 – μt)² + N3(μ3 – μt)²
N1 * N2 * N3
Y en general:
_ _
Muestra s² = Σni si² + Σni (Xi – Xt)²
Σni
26
Profesor: Pablo José Calderón Zúñiga, Tel: 88170148, correo: pcalderon70144@ufide.ac.cr
Teoría Probabilística
Jacob Bernoulli (1654 – 1705), Abraham de Moivre (1667 – 1754), Thomas Bayes
(1702 – 1761) y Joseph Lagrange (1736 – 1813) desarrollaron fórmulas y técnicas
para el cálculo de probabilidades. En el siglo XIX, Pierre Simon, marqués de
Laplace (1749 - 1827), unificó todas estas primeras ideas y compiló la primera teoría
general de probabilidad. Esta teoría fue aplicada con éxito en las mesas de juego y
en problemas sociales y económicos.
Hoy en día, la mayoría de las veces, a la hora de tomar decisiones, nos vamos a
encontrar una incertidumbre considerable, por lo que resulta importante que todos
los riesgos implícitos conocidos se evalúen en forma científica. El empleo de la
probabilidad permite a quien toma decisiones, analizar estos riesgos y minimizar el
azar inherente cuando se tiene información limitada.
Evento (E): Es uno o un grupo de resultados que cumplen con alguna característica
de interés y que pertenece a un espacio muestral.
27
Profesor: Pablo José Calderón Zúñiga, Tel: 88170148, correo: pcalderon70144@ufide.ac.cr
P= # éxitos P= X
# observaciones n
0 ≤ P(E) ≤ 1
P(S) = 1
28
Profesor: Pablo José Calderón Zúñiga, Tel: 88170148, correo: pcalderon70144@ufide.ac.cr
P(E) = 1 – P(E )
Probabilidad Condicional
Para que ocurra un evento es necesario que haya ocurrido antes otro evento.
Para P(B) > 0, P (A / B) = P(A ∩ B) P(A ∩ B) = P(B) * P(A / B)
P(B)
Para P(A) > 0, P (B / A) = P(A ∩ B) P(A ∩ B) = P(A) * P(B / A)
P(A)
Teorema de Bayes
Si consideramos un evento B en un espacio muestral S de tal forma que P(B) > 0 y
los eventos mutuamente excluyentes A1, A2, ..., tales que completen S, esto es,
cualquier punto de S, se encuentra contenido en uno de los Ak:
Sustituyendo:
29
Profesor: Pablo José Calderón Zúñiga, Tel: 88170148, correo: pcalderon70144@ufide.ac.cr
Ejemplos:
Un fabricante de computadoras compra cierto chip a tres proveedores. Un 15% de los chips se
compran a la empresa X, un 25% a la empresa Y y el resto a la empresa Z. El fabricante tiene un
historial extenso acerca de los tres proveedores y sabe que el 3% de los chips de X son defectuosos,
así como también el 5% de los de la empresa Y y el 4% de los de la empresa Z. Cuando los chips
llegan al fabricante, se colocan directamente en un depósito y no son inspeccionados o identificados
de algún modo por el proveedor. Si un obrero hace una selección al azar para una instalación en un
computador, cuál es la probabilidad de que:
a) Un chip provenga de la empresa Y
b) De dos chips, los dos provengan de la empresa Z
c) De tres chips, el primero venga de X y los otros de Z
d) De cinco chips, tres vengan de Z y los otros de X
e) Un chip salga defectuoso.
f) Cuatro chips salgan buenos
g) De cinco chips, los dos primeros salgan malos y los restantes buenos
h) De 6 chips, tres salgan buenos y los restantes malos
i) Un chip malo venga de la empresa Z
j) Dos chips buenos vengan de la empresa X
k) De tres chips, en el que el primero salió bueno y los otros dos malos, vengan de la empresa Y
Una encuesta aplicada a ejecutivos se enfocó sobre su lealtad a la empresa. Una de las preguntas
planteadas fue: “¿Si otra empresa le hiciera una oferta igual o ligeramente superior a la de su puesto
actual, permanecería usted con la empresa o se cambiaría?”. De 200 ejecutivos que contestaron la
encuesta 115 contestaron que se quedarían, 75 que se irían y 10 no contestaron. De los que dijeron
que se quedarían 10 tienen menos de un año de trabajar para la empresa, 30 tienen de uno a cinco
años, 5 de seis a diez años y setenta tienen más de diez años. Por otro lado, de los que dijeron que
se irían, 25 tienen menos de un año, 15 entre uno y cinco años, 10 entre seis y diez años y el resto
tiene más de 10 años de trabajar en la empresa. Finalmente, de los que no contestaron, 2 tienen
menos de 1 año y 3, 1 y 4 para las demás clasificaciones. Encuentre la probabilidad de que al
escoger a una persona al azar:
a) Se quede
b) De dos personas, las dos no se queden
c) De tres personas, la primera no haya contestado y las otras dos se queden
d) Tenga más de 10 años de trabajar
e) Dos personas tengan menos de 1 año de trabajar
f) De tres personas, la primera tenga entre 6 y 10 años de trabajar y las otras más de 10 años.
g) De cinco personas, dos tengan entre 1 y 5 años y el resto más de 10 años
h) Si tiene entre 1 y 5 años, no haya contestado.
i) De dos personas con menos de 1 año, éstos se quedaran.
j) De tres personas en las que las dos primeras tienen entre 1 y 5 años y la otra menos de 1 año, no
se queden.
Un club tiene 100 miembros de los cuales 70 son ingenieros y los restantes técnicos. Del total, 20
son extranjeros y hay 22 que son nacionales no ingenieros. Entre los ingenieros mujeres, 3 son
extranjeras y 17 nacionales. La mitad de los técnicos son mujeres y de éstas 1/3 son extranjeras. Si
se elige a una persona al azar, cuál es la probabilidad de que:
a) Sea un hombre o un técnico o un nacional
b) Si resulta mujer, sea ingeniera
c) Si resulta ingeniera, sea mujer
d) Sea hombre, técnico, nacional
e) Sea un hombre ingeniero o mujer nacional
30
Profesor: Pablo José Calderón Zúñiga, Tel: 88170148, correo: pcalderon70144@ufide.ac.cr
Esperanza Matemática
E (x) = Xi * p(Xi)
Un distribuidor ofrece una utilidad adicional de ¢20000 por un artículo si es
embarcado de la fábrica en perfectas condiciones y si llega a tiempo; pero la
reduce en ¢5000 si no llega a tiempo y en ¢10000, sin importar el hecho de que
llegue a tiempo, si no es embarcada desde la fábrica en perfectas condiciones.
Si el 70% de los artículos son embarcados en perfectas condiciones y llegan a
tiempo, el 10% son embarcados en perfectas condiciones, pero no llegan a
tiempo y el 20% no son embarcadas en perfectas condiciones, ¿cuál es la
utilidad que puede esperar el distribuidor por cada artículo?
31
Profesor: Pablo José Calderón Zúñiga, Tel: 88170148, correo: pcalderon70144@ufide.ac.cr
/ÁNCORA
MATEMÁTICAS
El gordo y los sextillizos
LUIS VALVERDE FALLAS | lvalverde@uam.ac.cr
Suerte esquiva Aunque tienten, las loterías se han hecho para favorecer a quienes las organizan
Dos matemáticos se encuentran en un congreso, y uno (a quien llamaremos A) invita al otro (B) a viajar el año
siguiente a la nueva versión del congreso en el Oriente Medio. B declina viajar aduciendo que ha hecho
cálculos y que es muy alta la probabilidad de que alguien lleve una bomba en un viaje en avión al Oriente
Medio.
Un año después, ambos se encuentran en el aeropuerto para subir al avión que los llevaría al congreso en el
Oriente Medio. Burlón, A le dice a B:
–¿Y su teoría de que nunca tomaría un vuelo al Oriente Medio por sus cálculos de bombas?
Tomando una pose de estadístico consagrado, B responde:
–Sigo opinando así pues las estadísticas, estadísticas son. Ahora, según otras estadísticas, es casi nula la
probabilidad de que en un mismo vuelo vayan dos bombas; y, para ir tranquilo, llevo una bomba en mi maleta.
Afirman que los dos matemáticos realizaron todo el viaje discutiendo quién tenía la razón y evadiendo las
medidas de seguridad…
Eventos y opciones. El azar no solo está en historias –reales o imaginarias– como aquella: es parte de la
vida, y lo es más cuando muchos desean ser millonarios gastando ¢800 en una lotería… La buena noticia es
que hoy, domingo, es posible lograrlo; la mala, que esta posibilidad es muy remota.
En un sorteo de 100 números (entre 00 y 99), si un número es el ganador, tendremos 1 evento favorable de
100 posibles opciones. La probabilidad de salir favorecidos es 1 de 100 (es decir, la fracción 1/100).
Tomemos tres casos: ganar una lotería, sacar un 3 al tirar un dado, obtener cara al lanzar una moneda. Todos
son determinados por dos números: 1) la cantidad de eventos que hacen favorable el éxito; 2) la cantidad de
eventos posibles totales que el experimento tiene.
Por ejemplo, si usted lanza un dado y apuesta a que saldrá un número menor que 3, tendrá dos eventos
favorables (1 y 2) y seis eventos posibles (1, 2, 3, 4, 5 y 6).
En general, la probabilidad de éxito de experimentos como los que tratamos es: P (éxito) = Eventos
favorables del experimento / Total de eventos posibles.
En el ejemplo del dado, tenemos: P (que salga un número menor que 3) = 2/6 = 0,333…
Como el número de eventos favorables es menor que el número de eventos totales, así, la probabilidad
siempre oscilará entre 0 y 1.
Gordo perseguido. La edición del gordo navideño incluye 100 números probables (del 00 al 99). Hasta aquí
tendríamos un evento exitoso (que salga el número que llevamos) y 100 eventos probables. Así, la
probabilidad de éxito es 1 en 100 (representada por la fracción 1/100, que equivale a 0,01).
Para ganar, nuestro billete debe tener también la serie del número favorecido. En este sorteo, para cada
numerito hay series entre 000 y 999; o sea, 1.000 series por pedacito. Esto significa que, de un número como
el 34, existen 1.000 versiones cada una con una serie asociada desde 000 hasta 999.
Eso aumenta el total de eventos posibles, pero continúa siendo 1 el evento favorable. En resumen, al
aparecer las series, nuestra probabilidad de éxito disminuye sustancialmente. Tendríamos 100 x 1.000
posibles opciones, de las cuales sólo una nos favorecería. Nuestra probabilidad es de 1 en 100.000; es decir,
0,00001).
Para más claridad, imagine que hay 100.000 bolitas de ping pong, de las cuales una es más liviana. Se
reparten simultánea y aleatoriamente las 100.000 bolitas entre 100.000 personas, y precisamente usted recibe
la más liviana: ¡vaya suerte!
32
Profesor: Pablo José Calderón Zúñiga, Tel: 88170148, correo: pcalderon70144@ufide.ac.cr
Desventaja. En el caso de un juego de azar, como la lotería, es importante considerar el grado de equidad
que existe entre quien organiza el juego y quien participa de él. Esto se hace por medio de la esperanza
matemática o valor esperado (VE) de un juego. Esa cifra se obtiene, simplificando nuestra exposición, al
multiplicar el premio recibido por cada unidad o colón invertido, por la probabilidad de éxito (valor entre 0 y 1).
Analicemos en detalle el valor esperado:
VE = Monto ganado por colón invertido x Probabilidad de éxito.
La interpretación de VE es:
Un VE < 1. El juego es desfavorable para usted.
Un VE = 1. El juego es justo.
Un VE > 1. El juego es ventajoso para usted.
Es natural que los juegos de apuestas tengan un VE menor que 1; así, lo más probable es perder dinero. Se
juega porque los premios son tan deslumbrantes que provocan invertir pequeños montos a cambio de esos
premios, aunque sea remota su probabilidad de éxito. Así pues, aparte de querer ayudar a la JPS, la gran
razón que nos mueve a jugar es la posibilidad de ganar, y esta siempre existe.
Veamos cómo funcionan estos juegos. Recordemos aquellos tiempos, cuando una vecina organizaba una rifa
de ¢ 5.000 colones a ¢100 el numerito. Este negocio era redondo pues, si se vendían todos los números, se
recogían ¢10.000. La ganancia estaba asegurada.
¿Sería un juego ventajoso para usted? Si usted ha adquirido un numerito, su probabilidad de ganar es de
1/100. Si usted ganase, por su inversión de ¢100 recibiría ¢5.000. Así, por cada colón invertido, recibiría
5.000/100 = ¢50 colones.
Tenemos entonces que su VE es este: VE = 1/100 x 50 = 0,5. De tal modo, el juego no lo favorece, y usted
apoya una causa ajena. ¿Cuál debería ser el monto que ofrezca nuestra vecina para que fuese justo para
ambas partes? Esto se obtiene con un VE = 1.
En ese caso, el premio al ganador debería ser de ¢10.000 dado que, de ganar, usted tendría 100 colones por
colón invertido (10.000/100) y su VE ahora es 1. Esto no significa que usted tenga mayor probabilidad de
ganar, sino que está en un juego justo, aunque no creemos que la señora quisiera organizar rifas en estas
condiciones por más que, como dicen en cierto programa de televisión, “lo justo sea lo correcto”.
Un “método”. El hacer 6 ediciones (“sextillizos”) de cada número no afecta la probabilidad de ganar o perder
en el sorteo de hoy, pero sí mejora la recolecta de fondos para la JPS pues esto es una estrategia para
realizar 6 sorteos simultáneos en las condiciones expuestas.
Calculemos el VE de nuestro gordo navideño: por una inversión de ¢800, usted podría recibir ¢14,5 millones.
En otras palabras, por cada colón invertido recibiría ¢18.125 de premio. Tendríamos esta ecuación: VE =
18.125 x 0,00001 = 0.18125. Esto se encuentra bastante lejos de 1 en el concepto que tratamos, y 1 sería el
caso de un juego equitativo para ambas partes.
Alguien podría recomendarle un “método” para ganar siempre, pero, antes de probarlo, lea lo siguiente. Si
quiere garantía de obtener el gordo, debe de aumentar la probabilidad de éxito hasta llevarla a 1. Para
garantizar ser ganador, solo debe comprar un numerito de cada billete, y, para cada numerito, adquirir una
serie del 000 al 999.
Eso usted lo lograría adquiriendo 100.000 pedacitos. Así se garantizaría tener todos los eventos posibles; por
tanto, usted llevaría el ganador en uno de ellos.
Finalmente, usted se ha garantizado ser millonario, mas ¿a qué costo? 100.000 billetes a ¢800 cada uno
suman ¢80 millones de inversión; pero el premio logrado es de… ¢14,5 millones.
Quizá usted piense que, al comprar los 10.000 pedacitos, también habrá pegado un pedacito de cada número
favorecido que haya salido en premios menores. Esto es cierto pues usted lleva todos; pero la mala noticia es
que, sumando todos esos premios, no llegará cerca de su inversión de ¢80 millones.
Le deseamos suerte con el gordo, aunque, según cálculos secretos, este servidor ya ha comprado el número
que ganará.
EL AUTOR ES RECTOR DE LA UNIVERSIDAD AMERICANA Y ENSEÑA RAZONAMIENTO LÓGICO Y
MATEMÁTICO EN LA ESCUELA DE ESTUDIOS GENERALES DE LA UCR.
33
Profesor: Pablo José Calderón Zúñiga, Tel: 88170148, correo: pcalderon70144@ufide.ac.cr
Distribuciones de Probabilidad
Distribución Binomial
Es una distribución para variables discretas.
Es una distribución que describe una variedad de procesos que son resultado de
un experimento conocido como proceso de Bernoulli, en honor al matemático suizo
del siglo XIX, Jacob Bernoulli.
34
Profesor: Pablo José Calderón Zúñiga, Tel: 88170148, correo: pcalderon70144@ufide.ac.cr
Un sociólogo afirma que solo el 40% de todos los alumnos de último año de
secundaria que pueden estudiar en la universidad, en realidad asisten a ella.
Calcule la probabilidad de que entre 8 alumnos de último año que pueden realizar
carreras universitarias:
a) Solo 3 de ellos asistan a la universidad
b) Exactamente 4 no asistan
c) Por lo menos 1 asista
d) Menos de la mitad asista
e) Por lo menos la mitad asista
Si el 10% de los relojes de una determinada marca se daña antes de que haya
expirado su garantía, cuál es la probabilidad de que un comerciante que ha vendido
20 relojes tenga que reponer:
a) Exactamente 5 relojes
b) Entre 3 y 8 relojes
c) A lo más 2 relojes
d) No tenga que reponer por lo menos 2
Se sabe que el 90% de las personas que van a la frontera sur tratan de comprar
más de lo permitido por ley. Si se examina a un grupo de 12 personas que vienen
de regreso, cuál es la probabilidad de que:
a) Menos de 2 no hayan tratado de contrabandear
b) A lo más 4 hayan tratado de contrabandear
c) Entre 3 y 10 hayan tratado de contrabandear
35
Profesor: Pablo José Calderón Zúñiga, Tel: 88170148, correo: pcalderon70144@ufide.ac.cr
Distribución Poisson
Recibe su nombre en honor a Simeón Poisson (1781 - 1840), quien la estudió y dio
a conocer en 1837. También se le conoce como la Ley de los eventos improbables
dado lo pequeñas que son sus probabilidades.
La distribución Poisson también puede ser utilizada como una buena aproximación
a la distribución Binomial siempre y cuando se cumplan las siguientes condiciones:
- n > 20
- p ≤ 5%
36
Profesor: Pablo José Calderón Zúñiga, Tel: 88170148, correo: pcalderon70144@ufide.ac.cr
Distribución Geométrica
donde:
n = # repeticiones del experimento necesarias para que ocurra un éxito por
primera y única vez
p = Probabilidad de un éxito
1 – p = Probabilidad de un fracaso
Se lanza 8 veces al aire una moneda, de tal manera que la probabilidad de que
salga un escudo es de 1/2, mientras que la probabilidad de que salga una corona
es de 1/2, Determine la probabilidad de que en el último lanzamiento salga un
escudo.
Una maquina detecta fallas en los productos que elabora una fabrica. Si los
productos tienen una probabilidad de falla del 5%, calcular la probabilidad de que la
maquina encuentre su primer producto defectuoso en la octava ocasión que
selecciona un producto para su inspección.
37
Profesor: Pablo José Calderón Zúñiga, Tel: 88170148, correo: pcalderon70144@ufide.ac.cr
Distribución multinomial
donde:
p(x1, x2,....,xk, n) = probabilidad de que en n ensayos aparezcan x1 objetos
del primer tipo, x2 objetos del segundo tipo.......y xk objetos del último tipo.
n = x1+x2+....xk
Según una encuesta preliminar acerca del voto que los ciudadanos darán por los
candidatos para alcaldes se ha detectado que aproximadamente un 52% votará por
el partido verde, un 40% por el partido azul y un 8% por los partidos restantes. Si se
seleccionan aleatoriamente 6 personas con edad de votar, determine la probabilidad
de que:
a) 2 voten por el partido verde, 1 por el azul y 3 por el resto de los partidos
b) 2 voten por el partido verde y 4 por el azul.
38
Profesor: Pablo José Calderón Zúñiga, Tel: 88170148, correo: pcalderon70144@ufide.ac.cr
Distribución Hipergeométrica
Se utiliza cuando el muestreo se hace sin reposición o por población finita, es decir,
hay dependencia entre una observación y las demás. Debido a esto, la probabilidad
de un éxito ya no es constante a lo largo del experimento o prueba.
Para poder establecer que una muestra proviene de una población finita y debido a
esto utilizar la distribución hipergeométrica, el tamaño de la muestra debe ser mayor
a un 5% del tamaño de la población:
n / N 5%
h (x , n, a, N) = a! * (N – a)! .
n! (N – n)!
p=a/N
39
Profesor: Pablo José Calderón Zúñiga, Tel: 88170148, correo: pcalderon70144@ufide.ac.cr
Distribución Normal
Es una distribución de probabilidad para variables continuas.
Surge a principios del siglo XIX y uno de los más grandes contribuyentes al desarrollo de esta
distribución fue el astrónomo – matemático Karl Gauss.
Características:
Tiene forma de campana. La mayoría de los valores se agrupan en el centro de la distribución
y decrecen uniformemente en ambas direcciones.
El área bajo la curva es igual a 1 o al 100%
Las medidas de tendencia central son iguales y se localizan en el centro de la distribución.
Es simétrica respecto a su media
En teoría es asintótica.
Queda perfectamente determinada al conocer μ y σ.
40
Profesor: Pablo José Calderón Zúñiga, Tel: 88170148, correo: pcalderon70144@ufide.ac.cr
Los resultados de una prueba nacional de aptitud para bachilleres siguen una
distribución normal con media de 500 puntos y desviación estándar de 100 puntos.
Calcule cual es la probabilidad de obtener una nota:
a) Menor de 600 puntos. Resuélvalo teóricamente y compruébelo por tabla.
b) De por lo menos 750 puntos
c) De más de 820 puntos
d) Como máximo 375 puntos
e) De más de 425 puntos
f) De entre 500 y 900 puntos. Resuélvalo teóricamente.
g) ¿Cuántos bachilleres de un grupo de 200 obtuvieron notas entre 400 y 835
puntos?
h) ¿Cuál fue la calificación obtenida por el 10% de los que salieron mejor?
i) ¿Cuál fue la calificación máxima obtenida por el 20% de los más flojos?
Los diámetros interiores de las arandelas hechas por cierto fabricante se distribuyen
normalmente con una media de 0.251 cm. y una desviación estándar de 0.003 cm.
a) ¿Cuántas arandelas de un lote de 500 tienen un diámetro mayor a 0.258 cm.?
b) ¿Cuál es la probabilidad de que una arandela tenga un diámetro inferior a 0.24 cm.?
c) ¿Cuál es la probabilidad de que una arandela tenga un diámetro entre 0.235 y
0.259 cm.?
d) ¿Cuál es el diámetro mínimo del 70% de las arandelas?
e) ¿Cuál es el valor del diámetro sobre el que está el 15% de las arandelas?
f) ¿Cuál es el valor del diámetro bajo el que está el 25% de las arandelas?
g) ¿Cuál es el diámetro máximo del 82.5% de las arandelas?
41
Profesor: Pablo José Calderón Zúñiga, Tel: 88170148, correo: pcalderon70144@ufide.ac.cr
Muchas veces la distribución normal se puede utilizar como una muy buena
aproximación a la distribución binomial, siempre y cuando se cumplan las siguientes
condiciones:
- Los datos tienen que tener condiciones binomiales, es decir, ajustarse al
proceso de Bernoulli.
- N > 20
- p > 0.05
- np y nq > 5
El resultado no es 100% exacto, pero es una muy buena aproximación sobre todo
cuando la probabilidad de un éxito se acerque al 50%.
Para utilizar los las variables de la distribución normal, se utilizan las medidas de
tendencia central y de variabilidad en la distribución binomial, por lo que:
μ=n*p
σ = √npq
42
Profesor: Pablo José Calderón Zúñiga, Tel: 88170148, correo: pcalderon70144@ufide.ac.cr
Distribución Exponencial
Es una distribución que se presenta al modelar el tiempo entre dos acontecimientos
independientes, separados y uniformes en el tiempo. Es una distribución que se
utiliza como modelo para representar el tiempo de funcionamiento o de espera.
Tiene como función expresar también el tiempo transcurrido entre eventos que se
contabilizan por medio de la distribución de Poisson. Un ejemplo de esto podría ser
el tiempo que transcurre entre dos llamadas por teléfono, número de peatones que
llegan a un semáforo, etc.
-x/µ
P (x ≤ A) = 1 - e
43