Universidad Nacional Autónoma de Nicaragua

UNAN – Managua
FACULTAD REGIONAL MULTIDISCIPLINARIA ESTELI
FAREM – ESTELI

CARRERA: Banca y Finanzas Año: II

Prof. Jairo Gutiérrez Barreda

 Unidad I: Estadística Descriptiva
Tema: Conceptos y definiciones de la estadística.
Conceptos de población, variable, datos, parámetros
Recopilación, organización, presentación y análisis de datos

Introducción histórica de la estadística

La palabra Estadística procede del vocablo “Estado”, pues era función principal de los Gobiernos
de los Estados establecer registros de población, nacimientos, defunciones, impuestos, cosechas...
La necesidad de poseer datos cifrados sobre la población y sus condiciones materiales de existencia
han debido hacerse sentir desde que se establecieron sociedades humanas organizadas.

Es difícil conocer los orígenes de la Estadística. Desde los comienzos de la civilización han existido
formas sencillas de estadística, pues ya se utilizaban representaciones gráficas y otros símbolos en
pieles, rocas, palos de madera y paredes de cuevas para contar el número de personas, animales
o ciertas cosas.

En la Biblia observamos en uno de los libros del Pentateuco, bajo el nombre de Números, el censo
que realizó Moisés después de la salida de Egipto. Textualmente dice: "Censo de las tribus: El día
primero del segundo año después de la salida de Egipto, habló Jehová a Moisés en el desierto de
Sinaí en el tabernáculo de la reunión, diciendo: "Haz un censo general de toda la asamblea de los
hijos de Israel, por familias y por linajes, describiendo por cabezas los nombres de todos los varones
aptos para el servicio de armas en Israel. En el libro bíblico Crónicas describe el bienestar material
de las diversas tribus judías.

Cuando hablamos de estadística, se suele pensar en un conjunto de datos numéricos

presentada de forma ordenada y sistemática. Esta idea es debida a la influencia de nuestro entorno,
ya que hoy día es casi imposible que cualquier medio de comunicación, periódico, radio, televisión,
etc., no nos aborde diariamente con cualquier tipo de información estadística.

Hoy en día la estadística es la principal herramienta metodológica para la investigación.

Actualmente con el surgimiento de una economía global ha llevado un interés mayor en la calidad
de los productos manufacturados y de los servicios prestados. Una parte integral del enfoque
gerencial que contiene un interés creciente en la calidad es la aplicación de ciertos métodos
estadísticos y el uso del pensamiento por parte de los gerentes y administradores de una compañía.
El pensamiento estadístico puede definirse como proceso de pensamiento que se centra en formas
de comprender, manejar y reducir la variación.

Los administradores aplican alguna técnica estadística a prácticamente todas las ramas de las
empresas públicas y privadas. Estas técnicas son tan diversas que los estadísticos, por lo general,
las dividen en dos grandes categorías: estadística descriptiva y estadística inferencial. Algunos
ejemplos nos serán de ayuda para entender la diferencia entre las dos. Suponga que un profesor de
Historia calcula la calificación promedio de uno de sus grupos. Como la estadística describe el desempeño
del grupo, pero no hace ninguna generalización acerca de los diferentes grupos, podemos decir que
el profesor está utilizando estadística descriptiva. Las gráficas, tablas y diagramas que muestran los
datos de manera más clara y elocuente son ejemplos de estadística descriptiva. Suponga ahora que
el profesor de Historia decide utilizar el promedio de calificación obtenido por uno de sus grupos en una unidad
para estimar la calificación promedio del grupo en las diez unidades del curso. El proceso de estimación de
tal promedio sería un problema concerniente a la estadística inferencial. Los estadísticos se refieren
también a esta rama como inferencia estadística.
2
Importancia de la estadística y conceptos fundamentales

Importancia de la estadística
En toda empresa existen puestos que requieren de cierto grado de conocimiento de datos, su
procesamiento y análisis, así como la elaboración de informes basados en estadística. Los
administradores trabajan con análisis estadísticos y con la ayuda de programas computarizados de
estadística.

La estadística se alimenta de grandes conjuntos de datos que ofrecen los espacios informativos, la
publicidad, los debates públicos, la empresa, la industria, los hospitales, etc.; algunos datos se
generan durante el registro de actividades, otros son el resultado de investigaciones y estudios
específicos.

¿Qué es estadística? Es la ciencia que utiliza un conjunto de técnicas mediante las cuales se
recolectan, clasifican, organizan, procesan, resumen, analizan, interpretan y presentan datos, a fin
de obtener información útil que apoye un proceso de toma de decisiones más efectivo.

¿Qué se entiende por población y muestra?

Población es el conjunto completo de datos, elementos, personas, observaciones, objetos o

mediciones de interés estadístico, cuyas propiedades se han de analizar para que un investigador
pueda extraer conclusiones.

Muestra: Es un subconjunto o una parte representativa de la población, seleccionada por medios

científicos para su estudio.

Parámetro: Es una medida descriptiva de la población completa de observaciones a consideración

de un investigador.

Estadístico: Es un elemento que sirve para estimar el parámetro correspondiente de la muestra. El

estadístico describe una muestra.

Ejemplo: El ingreso promedio de los asalariados de un hospital

Ejemplo: Si tomamos una muestra de estudiantes de administración de una universidad y

calculamos el promedio de sus rendimientos académicos, tendremos un estadístico, medida que
nos da la idea del promedio académico de cada estudiante de la muestra.

3
 Tienen valores
numéricos que
representan medidas
Largo, peso, talla,
Continuas edad, etc

Cuantitativas

Número de empleados, de clientes,

Discretas cantidad de artículos vendidos, etc.

Tipos de
variables

Ordinales Nivel educacional, estado nutricional,

nivel socioeconómico, etc
Cualitativas

Nominales
Raza, religión,
Clasifican las sexo, etc
unidades en categoría

4
Ejercicios:

Clasifique las siguientes variables según su tipo.

1. Nivel de pobreza (no pobre, pobre, muy pobre, extremadamente pobre) ·

2. Escolaridad

3. El número de faltas en un partido de fútbol.

4. La estatura de una persona.

5. Estado Civil o conyugal (soltero, casado, viudo, divorciado, separado, conviviente) ·

6. Grado de satisfacción

7. Religión que profesa (católico, evangélico, musulmán, mormón etc.)

8. La velocidad a la que va a un auto.

9. Intensidad de dolor

10. El número de canales de televisión que tienes en casa

11. Grado de enfermedad

12. Ocupación

13. Tiempo que demora el delivery de Pizza Hut en entregar un pedido.

El muestreo es una herramienta de la investigación científica, su función básica es determinar que
parte de la realidad en estudio (población o universo) debe de examinarse con la finalidad de hacer
inferencias sobre el TODO de la que procede.

Se denomina censo, en estadística descriptiva, al recuento de individuos que conforman

una población estadística, definida como un conjunto de elementos de referencia sobre el que se
realizan las observaciones. El censo de una población estadística consiste básicamente, en obtener
mediciones del número total de individuos mediante diversas técnicas de recuento, y que se hace
cada 10 años.

El censo es una de las operaciones estadísticas que no trabaja sobre una muestra estadística, sino sobre la
población total; mientras que el período de realización depende de los objetivos para los que se necesiten
los datos. Por ejemplo, en diversos países se llevan a cabo censos poblacionales que por lo general se
realizan cada 4 años, mismo período utilizado para censos agropecuarios.

Desde el punto de vista del trabajo de investigación, se considera al censo como técnica, que usa
como documento instrumento a la cédula de censo o ficha censal.
5
Uno de los casos particulares de censo, pero, al mismo tiempo, uno de los más comunes, es el
denominado censo de población, en el cual el objetivo es determinar el número de personas que
componen un grupo, normalmente un país o una nación. En este caso, la población estadística
comprendería a los componentes.
En general, un censo de población puede realizar algunas actividades extras que no se
corresponden específicamente con la operación censal estadística. Se busca calcular el número de
habitantes de un país de territorio delimitado, correspondiente a un momento o período dado, pero
se aprovecha igualmente para obtener una serie de datos demográficos, económicos y sociales
relativos a esos habitantes, consideradas desde un punto de vista cuantitativo. Es la fuente primaria
de las estadísticas básicas de población que son necesarias para fines gubernamentales y aspectos
de planificación económica y social.

Al proceso de efectuar un estudio para recolectar datos de una muestra se le llama encuesta
muestral. Una de las principales contribuciones de la estadística es emplear datos de una muestra
para hacer estimaciones y probar hipótesis acerca de las características de una población mediante
un proceso al que se le conoce como inferencia estadística.

Tablas de distribución de frecuencia

Una distribución de frecuencia es una tabla en la cual se agrupan en clases o categorías los valores
posibles para una variable y se registra el número de valores observados que corresponda a cada
clase

Lo primero que hacemos al querer describir variables cualitativas es contar cuántas unidades caen
en cada categoría de la variable. Esto lo presentamos en una tabla de distribución de frecuencias
de la forma:

Tablas de distribución de frecuencias agrupadas con datos por intervalos

Consiste en una tabla que contiene intervalos o límites ordinarios de clases(Ic), límites exactos de
clases(LR), puntos medios de clase(Xc), frecuencias absolutas(fi), frecuencias relativas(fr),
porcentajes de las frecuencias relativas(%fr), frecuencias acumuladas(fa), porcentaje de las
frecuencias acumuladas (%fa) y número de grados.

Para construir una tabla de distribución de frecuencias es necesario definir el número de clases que
debe tener dicha tabla.

El número de clases de una tabla de distribución de frecuencias es, a veces arbitrario. En general
es recomendable este formada entre 5 y 20 clases.

El rango es la diferencia entre al mayor valor de los datos y el menor valor de los datos en el
conjunto de observaciones recopiladas para el estudio. R = Mv – mv

6
Intervalos de clase (Ic)

Los intervalos de clase tienen dos extremos. El extremo izquierdo, el cual es el menor valor del
intervalo y se llama límite inferior, el extremo derecho, el cual representa al mayor valor del intervalo
y se llama límite superior.

Amplitud o longitud del intervalo: es la cantidad de elementos que tendrá cada intervalo o clase.
𝑅
Para ello se usa la fórmula 𝐴 = 𝐼𝑐

Límites reales de clase (LR)

Los límites reales o exactos son los valores extremos donde no queda ni una milésima de los
valores fuera de ningún intervalo de clase. Por esta razón es recomendable restar 0.5 (si estos son
enteros), 0.05 (si estos son decimales) a los límites inferiores y superiores de la clase.

Frecuencia absoluta (fi)

La frecuencia absoluta de los datos en una distribución de frecuencia es la cantidad de valores,
observaciones o elementos que pertenecen a una determinada clase, es decir, que estén ubicados
en un determinado intervalo de clase.

Frecuencia relativa (fr)

Las frecuencias relativas de las clases son los cocientes que se obtienen de dividir cada frecuencia
absoluta entre el tamaño de la muestra.

Frecuencia acumulada (fa)

Las frecuencias acumuladas son la sumatoria sistemática y consecutiva de las frecuencias
absolutas.

% de frecuencia acumulada
El % de las frecuencias acumuladas son los cocientes que se obtienen de dividir cada frecuencia
𝑓𝑎
acumulada entre el tamaño de la muestra multiplicada por 100. %𝑓𝑎 = 𝑥 100
𝑛

Marcas de las clases

Las marcas de las clases son todos los puntos medios de los intervalos de clases. Se denotan por
medio del símbolo Xc.
𝑳𝒊+𝑳𝒔
𝑿𝒄 = , donde Xc representa la marca de la clase, Li representa el límite inferior y Ls representa
𝟐
el límite superior.

7
Ejemplo:
Con el propósito de hacer una evaluación de desempeño y un ajuste de cuotas, El gerente estuvo
inspeccionando las ventas de automóviles de sus 40 vendedores. En un periodo de un mes, tuvieron
las siguientes ventas de automóviles: Construya una tabla de frecuencia, utilizando 6 intervalos

7 8 5 10 9 10 5 12 8 6
10 11 6 5 10 11 10 5 9 13
8 12 8 8 10 15 7 6 8 8
5 6 9 7 14 8 7 5 5 14

Intervalos Limites Frecuencias Frecuencias % de Frecuencia % de Marca de Grados

de clase reales absolutas relativas frecuencias acumulada frecuencia la clase
(Ic) (LR) (fi) (fr) relativas (fa) acumulada (Xc)
(%fr) (%fa)

Ejercicios.

El presidente de una línea aérea intenta hacer una estimación de cuánto se tardará el Departamento
de Aeronáutica Civil (DAC) en decidir acerca de la solicitud de la compañía sobre una nueva ruta
entre. Los asesores del presidente han organizado los siguientes tiempos de espera de las
solicitudes formuladas durante el año anterior. Los datos se expresan en días, desde la fecha de la
solicitud hasta la respuesta del DAC. Construya una tabla de frecuencia, utilice 8 intervalo.

34 40 23 28 31 40 25 33 47 32
44 34 38 31 33 42 26 35 27 31
29 40 31 30 34 31 38 35 37 33
24 44 37 39 32 36 34 36 41 39
29 22 28 44 51 31 44 28 47 31

8
Gráficos estadísticos
Los gráficos nos permiten representar la información que son los datos de manera resumida y gráfica, fácil
de entender.

Histograma
Los histogramas son gráficos de barras adyacentes o colindantes de una distribución de frecuencias. Las
barras o columnas se ubican una a la par de otra sin dejar espacio. Por lo general, se utilizan los límites
reales inferiores y estos se ubican en el eje x, el número de observaciones o frecuencias absolutas en el eje
Y. Para la longitud del eje X se puede definir una medida cualquiera, la longitud del eje Y tendrá los ¾ de la
longitud del eje X; (ley de los ¾ de altura) esta es una ley que se estableció como un convenio con el fin de
que la información a representar se deforme lo menos posible.

Polígono de frecuencia
Se puede construir a partir de un histograma o de forma de recta marcando un punto de altura igual a la
frecuencia del intervalo sobre la marca de cada intervalo y luego uniendo todos esos puntos mediante
segmentos de rectas.

Polígono de frecuencia acumulada, Ojiva

Los polígonos de frecuencias acumuladas se trabajan con los porcentajes de las frecuencias acumuladas.

Diagrama de barra

Se construye una barra por cada intervalo, normalmente se ubican los intervalos en el eje horizontal y las
frecuencias absolutas en el eje vertical.

Diagrama de pastel o de sector circular

Se divide el círculo por medio de radio en sectores representativos proporcionales a la de frecuencia de cada
clase respecto al total, el total corresponde al 100% y al número total de grados del círculo (360°)

9
Medidas de tendencia central

Las medidas de tendencia central o centralización describen la ubicación central de un conjunto de

observaciones numéricas.

Una forma útil de describir un grupo de observaciones en su totalidad es encontrar un número único
que represente lo promedio lo típico de ese conjunto de puntaje de valores. En la investigación se
conoce como una medida de tendencia central, ya que está generalmente localizada hacia el medio
o centro de una distribución en la que la mayoría de los puntajes tienden a concentrarse.

Medidas de tendencia central para datos no agrupados

Media aritmética
La media aritmética es una medida de tendencia central obtenida por medio de la suma de todos
los valores dividida por la cantidad de observaciones en estudio.𝑋

Mediana
La mediana es una medida de tendencia central que divide un conjunto ordenado de observaciones
en dos grupos iguales. La mitad de los valores tendrá observaciones que son menores que la
mediana y la otra mitad alcanzará valores mayores que la mediana. Md

Moda
La moda se encuentra alrededor de los datos u observaciones que son más frecuentes. Es un nivel
de medición nominal, ordinal o de intervalos y es una medida aproximativa. Mo

Medidas de dispersión
La dispersión es la cantidad de variación, desperdigamiento, variabilidad o diseminación en los datos
de estudio. Una mediada de dispersión nos indica el grado en que las observaciones individuales
se dispersan o distribuyen alrededor de su media.

Varianza
La varianza de una población es el promedio del producto de las frecuencias de clase y los
cuadrados de las diferencias entre las marcas de la clase y la media aritmética

Varianza para datos no agrupados

∑𝒏 ̅ 𝟐
𝒊=𝟏(𝑿𝒊 − 𝑿 )
𝑺𝟐 =
𝒏−𝟏

La desviación estándar es la raíz cuadrada de la varianza

̅ )𝟐
∑𝒏𝒊=𝟏(𝑿𝒊 − 𝑿
𝑺 = √
𝒏−𝟏

10
Ejemplo:

El departamento de contabilidad en una compañía de pedidos por correo, contó los siguientes
números de llamadas que entraron por día al teléfono de uso sin cargo de la empresa, durante un
periodo de siete días 14, 24, 19, 31, 36, 26 17

a. Calcule el número medio de llamadas por día

b. Calcule la mediana y la moda
c. Calcule la varianza y desviación estándar

Ejercicio

En una muestra de traductores se obtuvieron los siguientes pagos de salario por hora (en dólares):
$15.50, $20.10, $18.75, $22.76, $30.67, $18.00, respectivamente.

Calcule: La media aritmética, la mediana, la moda, la varianza y desviación estándar.

Medidas de tendencia central para datos agrupados

Media aritmética

∑𝒏𝒊=𝟏(𝑭𝒊 𝑿𝒄 )
̅=
𝑿
𝒏
𝑭𝒊 : 𝒇𝒓𝒆𝒄𝒖𝒆𝒏𝒄𝒊𝒂 𝒂𝒃𝒔𝒐𝒍𝒖𝒕𝒂 , 𝑿𝒄: 𝑴𝒂𝒓𝒄𝒂 𝒅𝒆 𝒍𝒂 𝒄𝒍𝒂𝒔𝒆
Mediana

𝑵⁄ − 𝑭𝒂𝒂
𝑴𝒅 = 𝑳𝒓𝒊 + [ 𝟐 ]∗𝒊
𝑭𝒊

𝑵⁄ : 𝑷𝒓𝒐𝒑𝒐𝒓𝒄𝒊ó𝒏 𝒒𝒖𝒆 𝒄𝒐𝒏𝒕𝒊𝒆𝒏𝒆 𝒂 𝒍𝒂 𝒎𝒆𝒅𝒊𝒂𝒏𝒂 ,

𝟐
𝑳𝒓𝒊: 𝑳í𝒎𝒊𝒕𝒆 𝒓𝒆𝒂𝒍 𝒊𝒏𝒇𝒆𝒓𝒊𝒐𝒓 𝒒𝒖𝒆 𝒄𝒐𝒏𝒕𝒊𝒆𝒏𝒆 𝒂 𝒍𝒂 𝒎𝒆𝒅𝒊𝒂𝒏𝒂

𝑭𝒂𝒂: 𝑭𝒓𝒆𝒄𝒖𝒆𝒏𝒄𝒊𝒂 𝒂𝒄𝒖𝒎𝒖𝒍𝒂𝒅𝒂 𝒂𝒏𝒕𝒆𝒓𝒊𝒐𝒓 𝒅𝒐𝒏𝒅𝒆 𝒔𝒆 𝒖𝒃𝒊𝒄𝒂 𝒍𝒂 𝒎𝒆𝒅𝒊𝒂𝒏𝒂

𝑭𝒊: 𝑭𝒓𝒆𝒄𝒖𝒆𝒏𝒄𝒊𝒂 𝒂𝒃𝒔𝒐𝒍𝒖𝒕𝒂 𝒅𝒐𝒏𝒅𝒆 𝒔𝒆 𝒖𝒃𝒊𝒄𝒂 𝒍𝒂 𝒎𝒆𝒅𝒊𝒂𝒏𝒂

𝒊: 𝑨𝒎𝒑𝒍𝒊𝒕𝒖𝒅 𝒅𝒆𝒍 𝒊𝒏𝒕𝒆𝒓𝒗𝒂𝒍𝒐

11
Moda

𝒅𝟏
𝑴𝒐 = 𝑳𝒓𝒊 + [ ]∗𝒊
𝒅𝟏 + 𝒅𝟐
𝒅𝟏: 𝑭𝒓𝒆𝒄𝒖𝒆𝒏𝒄𝒊𝒂 𝒂𝒃𝒔𝒐𝒍𝒖𝒕𝒂 𝒎𝒐𝒅𝒂𝒍 𝒎𝒆𝒏𝒐𝒔 𝒇𝒓𝒆𝒄𝒖𝒆𝒏𝒄𝒊𝒂 𝒂𝒃𝒔𝒐𝒍𝒖𝒕𝒂 𝒂𝒏𝒕𝒆𝒓𝒊𝒐𝒓 𝒂 𝒍𝒂 𝒎𝒐𝒅𝒂𝒍

𝒅𝟐: 𝑭𝒓𝒆𝒄𝒖𝒆𝒏𝒄𝒊𝒂 𝒂𝒃𝒔𝒐𝒍𝒖𝒕𝒂 𝒎𝒐𝒅𝒂𝒍 𝒎𝒆𝒏𝒐𝒔 𝒇𝒓𝒆𝒄𝒖𝒆𝒏𝒄𝒊𝒂 𝒂𝒃𝒔𝒐𝒍𝒖𝒕𝒂 𝒑𝒐𝒔𝒕𝒆𝒓𝒊𝒐𝒓 𝒂 𝒍𝒂 𝒎𝒐𝒅𝒂𝒍

𝑳𝒓𝒊: 𝑳í𝒎𝒊𝒕𝒆 𝒓𝒆𝒂𝒍 𝒊𝒏𝒇𝒆𝒓𝒊𝒐𝒓 𝒅𝒐𝒏𝒅𝒆 𝒔𝒆 𝒖𝒃𝒊𝒄𝒂 𝒍𝒂 𝒇𝒓𝒆𝒄𝒖𝒆𝒏𝒄𝒊𝒂 𝒎𝒐𝒅𝒂𝒍

𝒊: 𝑨𝒎𝒑𝒍𝒊𝒕𝒖𝒅 𝒅𝒆𝒍 𝒊𝒏𝒕𝒆𝒓𝒗𝒂𝒍𝒐

Medidas de dispersión para datos agrupados

La dispersión es la cantidad de variación, desperdigamiento, variabilidad o diseminación en los

datos de estudio. Una mediada de dispersión nos indica el grado en que las observaciones
individuales se dispersan o distribuyen alrededor de su media.

Varianza

La varianza de una población es el promedio del producto de las frecuencias de clase y los
cuadrados de las diferencias entre las marcas de la clase y la media aritmética

Varianza para datos no agrupados

̅ )𝟐
∑𝒏𝒊=𝟏 𝒇𝒊 (𝑿𝒄 − 𝑿
𝟐
𝑺 =
𝒏−𝟏
𝑿𝒄 : 𝑴𝒂𝒓𝒄𝒂 𝒅𝒆 𝒍𝒂 𝒄𝒍𝒂𝒔𝒆

𝑿 ∶ 𝑴𝒆𝒅𝒊𝒂 𝒂𝒓𝒊𝒕𝒎é𝒕𝒊𝒄𝒂 (𝑷𝒓𝒐𝒎𝒆𝒅𝒊𝒐)

La desviación estándar es la raíz cuadrada de la varianza

̅ )𝟐
∑𝒏𝒊=𝟏 𝒇𝒊 (𝑿𝒄 − 𝑿
𝑺= √
𝒏−𝟏

𝒇𝒊 : 𝑭𝒓𝒆𝒄𝒖𝒆𝒏𝒄𝒊𝒂 𝒂𝒃𝒔𝒐𝒍𝒖𝒕𝒂 𝑿𝒄 : 𝑴𝒂𝒓𝒄𝒂 𝒅𝒆 𝒍𝒂 𝒄𝒍𝒂𝒔𝒆

𝑿 ∶ 𝑴𝒆𝒅𝒊𝒂 𝒂𝒓𝒊𝒕𝒎é𝒕𝒊𝒄𝒂 (𝑷𝒓𝒐𝒎𝒆𝒅𝒊𝒐)

𝒏: 𝑵ú𝒎𝒆𝒓𝒐 𝒅𝒆 𝒎𝒖𝒆𝒔𝒕𝒓𝒂

12
13
 Unidad II: Probabilidades

Tema: Conceptos y definiciones de las probabilidades

Experimento aleatorio, eventos, tipos de eventos.
Regla de la adición
Regla de la multiplicación
Teorema de Bayes

La probabilidad constituye parte importante de nuestra vida cotidiana. En la toma de decisiones personales
y administrativas, nos enfrentamos a la incertidumbre y utilizamos la teoría de la probabilidad, admitamos o
no el uso de algo tan complejo. Cuando escuchamos una predicción de un 70% de posibilidades de lluvia,
cambiamos nuestros planes de salir de día de campo. Los administradores que se encargan de inventarios
de ropa de moda para mujer deben preguntarse sobre las posibilidades de que las ventas alcancen o excedan
un cierto nivel, y el comprador que adquiere una patineta considera la probabilidad de duración de su
pasajero.
Vivimos en un mundo incapaz de predecir el futuro con total certidumbre. Nuestra necesidad de encarar a la
incertidumbre nos lleva a estudiar y utilizar la teoría de la probabilidad. En muchos casos, nosotros, como
ciudadanos preocupados, tendremos algún conocimiento sobre los posibles resultados de una decisión. Al
organizar esta información y considerarla de manera sistemática seremos capaces de reconocer nuestras
suposiciones, comunicar nuestro razonamiento a otras personas y tomar una decisión más sólida que la que
tomaríamos si sólo diéramos palos de ciego.

Muchos investigadores y profesionales de negocio toman muestras de valores de un estudio con la finalidad
de conocer la situación en que se encuentra una empresa, una institución, un organismo o una industria. A
menudo toman los resultados primarios del trabajo con la muestra y estiman la probabilidad de que ocurran
ciertos sucesos.

¿Qué entendemos por probabilidad?

Por probabilidad podemos entender la posibilidad de que algo suceda, la verosimilitud numérica de que
ocurra un suceso incierto.

En la teoría de la probabilidad se hacen experimentos aleatorios o determinísticos; es decir, se llevan a

cabo ciertas acciones, definidas con anticipación, que producen un resultado único.

Ejemplo:

- Contar los artículos defectuosos que se han producidos en una fábrica durante una semana

Al realizar un experimento aleatorio se puede obtener uno o más resultados, a estos resultados se les
conoce como eventos.

Un evento es uno o más de los posibles resultados de un experimento

Sacar un artículo defectuoso de una bodega que tiene 8 artículos buenos y 2 defectuosos

Espacio muestral
El espacio muestral es el conjunto de todos los resultados posibles de un experimento. En espacio muestral
se representa normalmente con una S

Si un evento puede ocurrir de N formas, las cuales se excluyen mutuamente y son igualmente probables, y
si m de estos eventos poseen una característica E, la probabilidad de ocurrencia de E es igual a m/N

14
Se lee P(E) como "la probabilidad de E". Esta definición se expresa como:

𝒎 𝒏ú𝒎𝒆𝒓𝒐 𝒅𝒆 𝒐𝒃𝒔𝒆𝒓𝒗𝒂𝒄𝒊𝒐𝒏𝒆𝒔
P(E)=
𝑵 𝑻𝒂𝒎𝒂ñ𝒐 𝒅𝒆 𝒍𝒂 𝒎𝒖𝒆𝒔𝒕𝒓𝒂

𝒎
Sin embargo, se debe tener en mente que, estrictamente hablando, es solo una estimación de P(E).
𝑵
Ejemplos:

1) Un bateador deja pasar todos los lanzamientos que ve. Proporcione el espacio muestral de
resultados
para los siguientes experimentos en términos de bolas y strikes:
a) Dos lanzamientos.
b) Tres lanzamientos.

2) Los zapatos que produce una empresa industrial se clasifican en defectuosos (D) y no defectuosos
(N). Se observan los zapatos producidos y se anota su condición. Este proceso se continúa hasta
que se producen dos zapatos defectuosos consecutivos o se hayan verificados 4 zapatos,
cualesquiera que ocurra primero. Describir su espacio muestral.
Describir los eventos siguientes
A: El primer zapato defectuosos ocurre en la primera inspección
B: El cuarto zapato es defectuosos

3) Proporcione una lista colectivamente exhaustiva de los resultados posibles al lanzar dos dados. Dé
la probabilidad de cada uno de los siguientes totales al lanzar dos dados: 1, 2, 5, 6, 7, 10 y 11.

Ejercicios:
Analice y resuelva

1) Un experimento consiste en preguntar aleatoriamente a tres personas si usan o no un producto X

que está en un supermercado:
a) Enumerar el espacio muestral utilizando S para la respuesta si y N para la respuesta no
b) Escriba el evento; dos usen el producto
c) La probabilidad de que al menos uno use el producto

2) En una caja hay nueve pelotas numeradas, 1, 2, 3, 4, 5, 6, 7, 8, 9, se toma una al azar.

Cuál es la probabilidad de que sea:
a) Par
b) Impar
c) Número primo
d) Múltiplo de 3
e) Divisores de 6

15
 3) Un estudiante tiene que contestar una prueba de cuatro preguntas, en las cuales se puede
responder falso o verdadero.
a) Escriba su espacio muestral
b) El evento E: Dos sean verdaderas
c) La probabilidad de que al menos dos sean falsas

Eventos mutuamente excluyentes

Dos o más eventos son mutuamente excluyentes si uno y solamente uno de ellos puede suceder a un
mismo tiempo.

Ejemplo:
Un experimento es el lanzamiento de una moneda una sola vez
Los eventos:
A: Obtener escudo “E”
B: Obtener número “N”

Dos o más eventos son no excluyentes, si pueden suceder al mismo tiempo.

Ejemplo:
Extraer una carta, en un único intento, de un mazo de 52 cartas:
A: Obtener un As
B: Obtener un corazón
¿Pueden ocurrir al mismo tiempo estos dos eventos?

De 30 estudiantes inscritos en una carrera universitaria, hay 15 que cursan estadísticas y 22 que cursan
principios de administración. Estas cifras incluyen 6 estudiantes en ambos cursos. ¿Habrá eventos
mutuamente excluyentes?

Eventos independientes y dependientes

Dos o más eventos son independientes si la ocurrencia o no ocurrencia de uno de ellos no influye, en
absoluto, en la ocurrencia o no ocurrencia de los otros eventos.

Ejemplos:
Al lanzar una moneda al aire dos veces, se puede obtener como resultados parciales:
A: Cae cara en el primer lanzamiento
B: Cae cara en el segundo lanzamiento
¿Serán estos eventos dependientes o independientes?

Eventos dependientes: sucesos cuya probabilidad se ve condicionada por otros

Ejemplo:
La probabilidad de sufrir una enfermedad pulmonar está condicionada por ser fumador

16
Ejercicios 1:
1) En cada situación planteada a continuación, defina los eventos y diga si son mutuamente
excluyentes o no excluyentes

a) Los expedientes de los 4020 clientes de un banco indican que 676 tienen cuentas con cheques,
1300 tiene cuentas con libretas de ahorro y 255 cuentas con ambos programas.

b) En una embotelladora de jugos se llenan latas con 12 onzas de líquido. La máquina automática
llena las latas, a veces, con más de 12 onzas y, en ocasiones, con menos de 12 onzas. Si
clasificamos las latas, según la cantidad de contenido en tres categorías, tenemos: latas con más
de 12 onzas, latas con exactamente 12 onzas y latas con menos de 12 onzas de líquido.

2) En la siguiente situación planteada a continuación defina los eventos y diga si son independientes o
dependientes.
El análisis de llenado de latas de jugo en la embotelladora requirió tomar una muestra de 30 latas de
las cuales, 24 contenían exactamente 12 onzas y 6 contenían un peso distinto de 12 onzas. Lo que
observaremos es si las latas tenían las 12 onzas o no contenían las 12 onzas. El experimento consiste
en seleccionar al azar dos latas, una tras otra sin remplazo y pesar su contenido.

17
Regla de la adición
Existen dos variantes de uso de la regla de la adición de las probabilidades, una de ellas se aplica para
eventos mutuamente excluyentes y la otra para eventos no mutuamente excluyentes.

Regla de la adición para eventos mutuamente excluyentes A menudo, sin embargo, estamos interesados en
la probabilidad de que una cosa u otra suceda. Si estos dos eventos son mutuamente excluyentes, podemos
expresar esta probabilidad haciendo uso de la regla de adición para eventos mutuamente excluyentes. Esta
regla se expresa simbólicamente de la siguiente manera:

P(A o B) = la probabilidad de que suceda A o B

Y se calcula de la siguiente manera

P(A U B) = P(A) + P(B)

Cinco estudiantes por igual capaces esperan la fecha en que se les hará una entrevista para trabajar en el
verano. La compañía solicitante ha anunciado que contratará a sólo uno de los cinco, mediante una elección
aleatoria. El grupo está formado por los estudiantes siguientes: Bill, Helen, John, Sally y Walter. Si nuestra
pregunta es, ¿Cuál es la probabilidad de que John o Sally sea elegido?

1
𝑃(𝐽𝑜ℎ𝑛) =
5
1
𝑃(𝑆𝑎𝑙𝑙𝑦) =
5
1 1 2
𝑃(𝐽𝑜ℎ𝑛 𝑜 𝑆𝑎𝑙𝑙𝑦) = + =
5 5 5

Para eventos no mutuamente excluyentes, la probabilidad de ocurrencia de un evento A o la ocurrencia de

un evento B es igual a la suma de las probabilidades de los eventos menos la probabilidad conjunta de los
eventos A y B:

P(A o B) = P(A U B) = P(A) + P(B) – P(A∩ B)

a) ¿Cuál es la probabilidad de extraer en un único intento, un as o un diamante de un mazo de 52

cartas?

b) Los empleados de una cierta compañía han elegido a cinco de ellos para que los representen en el
consejo administrativo y de personal sobre productividad. Los perfiles de los cinco elegidos son:
1 hombre años 30
2 hombre 32
3 mujer 45
4 mujer 20
5 hombre 40

Este grupo decide elegir un vocero, la elección se efectúa sacando de un sombrero uno de los
nombres impresos. Nuestra pregunta es, ¿cuál es la probabilidad de que el vocero sea mujer o cuya edad
esté por arriba de 35 años?

18
Regla de la multiplicación
La fórmula de multiplicación para eventos independientes es el producto de las probabilidades de los eventos:
P(A y B) = P(A∩ B) = P(A) P(B)

La fórmula dada indica que la probabilidad de dos eventos independientes es el producto de sus
probabilidades particulares. Aquí, los eventos no tienen elementos en común.

Ejemplo:
3) La probabilidad de que el inventario A aumente su valor el próximo año es 0.5, la probabilidad de que
B aumente el suyo es 0.7. ¿Cuál es la probabilidad que aumenten ambos?

4) Si se responden al azar cuatro preguntas con cinco opciones cada una, ¿cuál es la probabilidad de
acertar a todas?

5) De una caja que contiene 6 bolas rojas, 4 blancas y 5 azules. Se extraen sucesivamente tres bolas
de la caja. Determinar la probabilidad de que sean extraídas en el orden roja, blanca y azul si las
extracciones son (a) con reemplazo, (b) sin reemplazo.

Probabilidad condicional.
La probabilidad P(B/A) se llama probabilidad condicional, ya que es la probabilidad de ocurrencia de un
segundo evento B, dado que ya ha ocurrido el evento A.

Ejemplo:
a) En una caja hay siete artículos, entre los cuales hay 4 defectuosos. ¿Cuál es la probabilidad de
extraer aleatoriamente y sin remplazo, dos artículos defectuosos?

b) El gerente de crédito de una financiera recolecta datos sobre 100 de sus clientes. De los 60
hombres, 40 tienen tarjeta de crédito. De las 40 mujeres, 30 tienen tarjeta de créditos. 10 de los
hombres tienen saldos vencidos, mientras que 15 de las mujeres tienen saldos vencidos. El gerente
de crédito desea determinar la probabilidad de que un cliente seleccionado al azar sea:
1) Una mujer con tarjeta de crédito.
2) Una mujer con un saldo vencido.
3) Un hombre sin un saldo vencido.
4) Un hombre con un saldo vencido.

19
Ejercicios:

1) Los expedientes de los 4020 clientes de un banco indican que 676 tienen cuentas con cheques, 1300
tiene cuentas con libretas de ahorro y 255 cuentas con ambos programas. Determine la probabilidad
de que, al seleccionar un cliente, al azar, este tenga cuentas con cheques o cuentas con libretas de
ahorro.

2) En una embotelladora de jugos se llenan latas con 12 onzas de líquido. La máquina automática llena
las latas, a veces, con más de 12 onzas y, en ocasiones, con menos de 12 onzas. Si clasificamos las
latas, según la cantidad de contenido en tres categorías, tenemos: 13 latas con más de 12 onzas, 33
latas con exactamente 12 onzas y 11 latas con menos de 12 onzas de líquido. Determine la
probabilidad de:
a. Obtener una lata con 12 onzas o más.
b. Si se seleccionan dos latas sin reemplazo. ¿Cuál es la probabilidad que contenga exactamente
12 onzas?

3) Tres tornillos defectuosos en una caja están mezclados con 17 en buen estado en la ferretería “El
perno”. Se eligen dos tornillos al azar. Calcular la probabilidad de que:
a) Los dos tornillos son defectuosos (con reemplazo)
b) Los dos tornillos son defectuosos (sin reemplazo)
c) Un tornillo sale defectuoso en la segunda extracción (con reemplazo)
d) Un tornillo sale defectuoso en la segunda extracción (sin reemplazo)

20
Tema: Teorema de Bayes
Una aplicación interesante de las probabilidades es la fórmula de Bayes; si A1, A2, A3, . . . Ak forman una
partición y B es un evento entonces,

𝑃 (𝐵⁄𝐴 ) 𝑃(𝐴1 )
𝐴 1
𝑃 ( 1⁄𝐵) =
𝑃 ( ⁄𝐴 ) 𝑃(𝐴1 ) + 𝑃 ( ⁄𝐴 ) 𝑃(𝐴2 ) + ⋯ + 𝑃 (𝐵⁄𝐴 ) 𝑃(𝐴𝑘 )
𝐵 𝐵
1 2 𝑘

Ejemplo:

1) Una fábrica tiene dos líneas de producción de pantalones idénticos. La primera aporta 2/5 de la
producción total, y la segunda 3/5. De los pantalones producidos en la primera 5% resulta defectuoso,
pero de la segunda sólo el 2%. Si al escoger al azar un pantalón de la producción total éste resulta
defectuoso. ¿Cuál es la probabilidad de que provenga de la segunda línea de producción?

Solución:
A1: El pantalón pertenece a la primera línea de producción.

A2: El pantalón pertenece a la segunda línea de producción.

D: El pantalón es defectuoso
2
𝑃(𝐴1 ) = = 0.4 𝑃 (𝐷⁄𝐴 ) = 0.05
5 1

3
𝑃(𝐴2 ) = 5 = 0.6 𝑃 (𝐷⁄𝐴 ) = 0.02
2

𝑃 (𝐷⁄𝐴 ) 𝑃(𝐴2 )
𝐴 2
𝑃 ( 2⁄𝐷 ) =
𝑃 ( ⁄𝐴 ) 𝑃(𝐴1 ) + 𝑃 (𝐷⁄𝐴 ) 𝑃(𝐴2 )
𝐷
1 2

𝐴 (0.02)(0.6)
𝑃 ( 2⁄𝐷 ) = =
(0.05)(0.4) + (0.02)(0.6)

2) Se tienen dos cajas, la primera caja (A1) contiene 8 lápices azules y dos negros mientras que la
segunda caja (A2) tiene 3 lápices azules y 7 negros. Se extrae un lapicero al azar. ¿Cuál es la
probabilidad de que el lapicero extraído sea de la primera caja (A1) y sea azul?

3) En la asamblea nacional el 56% de los diputados son del gobierno y el resto pertenecen a la oposición,
se sabe que el 90% de los del gobierno y el 70% de la oposición están a favor de un proyecto de ley
de interés nacional. Se escoge un diputado al azar y este se declara favorable al proyecto. Encuentre
la probabilidad de que esta persona sea de la oposición.

21
Ejercicios:

Analice y resuelva cada una de las siguientes situaciones.

1. Un equipo de liga menor de una organización juega el 70% de sus partidos en la noche, y el 30%
durante el día. El equipo gana el 50% de sus juegos nocturnos y el 90% de los diurnos. De acuerdo
con esto el equipo ganó ayer. ¿Cuál es la probabilidad de que el partido se haya desarrollado en la
mañana? ¿Cuál es la probabilidad de que el equipo haya perdido y el juego se desarrolló en la noche?

2. En un grupo de estudiantes 2/5 son hombres y 3/5 son mujeres. De los hombres ½ tiene menos de
21 años de edad, mientras 2/3 de las mujeres están en el mismo caso. Calcule la probabilidad de
que:
a) Un estudiante elegido al azar tenga más de 21 años.
b) Un estudiante elegido al azar menos de 21 años sea mujer.

3. Tres máquinas A, B y C producen, el 45%, 30% y 25% respectivamente del total de las piezas
producidas en una fábrica. Los porcentajes de producción defectuosas de estas máquinas son del
3%, 4% y 5%.
a) Seleccionamos una pieza al azar: calcula la probabilidad de que sea defectuosa.
b) Tomamos, al azar, una pieza y resulta ser defectuosa: calcula la probabilidad de haber sido
producida por la máquina B.
c) ¿Qué máquina tiene la mayor probabilidad de haber producido la citada pieza defectuosa?

4. El 20% de los empleados de una empresa son ingenieros y otro 20% son economistas. El 75% de los
ingenieros ocupan un puesto directivo y el 50% de los economistas también, mientras que los no
ingenieros y los no economistas solamente el 20% ocupa un puesto directivo. ¿Cuál es la probabilidad
de que un empleado directivo elegido al azar sea ingeniero?

5. El gerente de comercialización de una compañía fabricante de juguetes está planeando introducir un

nuevo juguete en el mercado. En el pasado 40% de los juguetes introducidos por la compañía han
tenido éxito y el 60% no lo han tenido. Antes de que se comercialice el juguete, se lleva a cabo un
estudio de mercado y se compila un informe, ya sea favorable o desfavorable. Anteriormente, 80%
de los juguetes exitosos recibieron informes favorables y 30% de los juguetes no exitosos también
recibieron informes favorables. Suponga que el estudio de mercado da un informe favorable sobre un
nuevo juguete. ¿Cuál es la probabilidad de que el nuevo juguete tenga éxito?

22
Unidad III: Distribuciones de Probabilidad
Variables aleatorias
Esperanza matemática
Distribución de probabilidad Binomial
Distribución de probabilidad Poisson

Variable aleatoria
Definición:
Una variable aleatoria es una función cuyos valores son números reales, definidos es un espacio
muestral. Los eventos de mayor interés son los eventos numéricos, como el valor de un evento
numérico varía al repetir el muestreo entonces a este tipo de eventos se le conoce como variable
aleatoria.

Esperanza matemática
La esperanza matemática de una variable aleatoria es una característica numérica que
proporciona una idea de la localización de la variable aleatoria sobre la recta real.

La esperanza matemática o valor esperado de una variable aleatoria discreta es

la suma del producto de la probabilidad de cada suceso por el valor de dicho suceso.

Los nombres de esperanza matemática y valor esperado tienen su origen en los

juegos de azar y hacen referencia a la ganancia promedio esperada por un jugador
cuando hace un gran número de apuestas.
Si la esperanza matemática es cero, E(x) = 0, el juego es equitativo, es decir, no
existe ventaja ni para el jugador ni para la banca .

Ejemplos
1) Si una persona compra una papeleta en una rifa, en la que puede ganar de
$5000 ó un segundo premio de $2000 con probabilidades de: 0.001 y 0.003.
¿Cuál sería el precio justo a pagar por la papeleta?

E(x) = 5000 * 0.001 + 2000 * 0.003 = 11 Dólares

2) En un determinado negocio un hombre puede tener un beneficio de $300con probabilidad 0,6

o una pérdida de $ 100con probabilidad 0,4. Determinar su esperanza matemática

23
Ejercicios:

1) Si llueve, un vendedor de paraguas puede ganar $30 por día. Si no llueve, puede perder $6
por día. ¿Cuál es su esperanza matemática si la probabilidad de lluvia es 0,3?

2) Un empleado de una concesión de ventas en un estadio de béisbol debe elegir entre trabajar
detrás del mostrador de hot dogs y recibir una suma fija de $ 50 por la tarde o andar en las
tribunas vendiendo cerveza sobre una base de comisión. Si se elige este último, el empleado
puede ganar $90 durante una noche calurosa, 47 una noche moderada, $45 una noche fresca
y $15 una noche fría. En esta época del año, las probabilidades de una noche calurosa,
moderada, fresca o fría son, respectivamente, 0.1, 0.3, 0.4 y 0.2. Determinar el valor esperado
que se ganaría vendiendo cerveza esa noche.

3) Usando los registros de la compañía de los últimos 500 de trabajo, el gerente de Torrisi
Motors, un comerciante de automóviles suburbanos, ha resumido el número de automóviles
vendidos al día en la siguiente tabla: Calcule el número esperado de automóviles vendidos
diariamente.

Números de Frecuencia
carros vendidos de
al día ocurrencia
0 40
1 100
2 142
3 66
4 36
5 30
6 26
7 20
8 16
9 14
10 8
11 2
Total 500

24
Distribución de probabilidad binomial

La distribución binomial describe una variedad de proceso de interés en muchos campos

esencialmente, las ingenierías, administración y economía para ello usa un proceso de Bernoulli, el
cual consiste en tres pasos fundamentales:

a) Cada experimento conlleva a dos resultados, éxito o fracaso.

b) La probabilidad del resultado de cualquier evento de un experimento permanece fijo con
respecto al tiempo.
c) Los eventos son estadísticamente independientes.

La fórmula de probabilidad binomial es:

𝒏!
P(x)= ( ) px qn-x, en donde o P(x)= nCx px qn-x
𝒙!(𝒏−𝒙)!

P: Es la probabilidad característica o probabilidad de tener éxito.

q= 1 – p: Es la probabilidad de fracaso
X: Es el número de éxitos deseados.
n: Es el número de intentos hechos.
n! Es el factorial del número n.

Ejemplo:

1. La probabilidad de que un estudiante nuevo se gradúe es 0.4. Determinar la probabilidad de

que de 8 estudiantes nuevos:
a. Ninguno se gradúe
b. 2 se gradúen
c. Al menos uno se gradúe

2. La probabilidad de defecto de un producto es 0.3. ¿Cuál es la probabilidad que en una

muestra de 7 artículos:
a. Ninguno sea defectuoso
b. Al menos dos sean defectuosos

3. La última novela de un autor ha tenido un gran éxito, hasta el punto de que

el 80% de los lectores ya la han leído. Un grupo de 4 amigos son
aficionados a la lectura: ¿ Cu ál e s l a p r ob abi li dad d e qu e e n el g ru p o h a yan
l eí do l a n o v el a 2 p e r s on a s ? ¿ Y c óm o m á xi mo 2 ?

25
Ejercicios:

1) En una investigación realizada por estudiantes de contaduría, se obtuvo que 30 % de los

estudiantes trabajan. Se seleccionaron al azar 15 estudiantes. Cuál es la probabilidad de que:
a) 5 estudiantes trabajen.
b) Todos los estudiantes trabajen.
c) Ningún estudiante trabaje.

2) Un agente de seguros vende pólizas a cinco personas de la misma edad y que disfrutan de
buena salud. Según las tablas actuales, la probabilidad de que una persona es estas
condiciones viva 30 años o más es 2/3. Hállese la probabilidad de que trascurridos 30 años
vivan:
a. Las cinco personas.
b. Al menos 3 personas.
c. Exactamente 2 personas.

3) Si de seis a siete de la tarde se admite que un número de teléfono de cada cinco está
comunicado. ¿Cuál es la probabilidad de que cuando se marquen diez números de teléfonos
elegidos al azar solo comuniquen dos?

4) Si 15 de 50 proyectos de viviendas violan el código de construcción. ¿Cuál es la probabilidad

de que un inspector de viviendas, que selecciona aleatoriamente a cuatro de ellas descubra
que:
a) Ninguna de las casas viola el código de construcción?
b) Una viola el código de construcción?
c) Dos viola el código de construcción?
d) Al menos tres violan el código de construcción?

5) Un examen está formado por 10 preguntas en las que hay que contestar verdadero o falso.
Suponiendo que a las personas que se les aplica no saben contestar a ninguna de las
preguntas y estas contestan al azar, hallar la probabilidad de:

a. Obtener algún acierto.

b. Obtener tres aciertos
c. Obtener al menos cinco aciertos

26
Distribución de Poisson
Esta distribución mide la probabilidad de un suceso aleatorio a lo largo de un intervalo de tiempo o
de espacio.
La fórmula de la probabilidad de Poisson es:

𝝁𝒙 ℮−𝝁
P(x) = , en donde
𝒙!

X: Es el número de veces que ocurre el suceso.

µ: Es el número medio de ocurrencias por unidad de tiempo o espacio.
e: Es la base del sistema de logaritmos naturales:

Ejemplo:

1. En los registros de paciente visitantes de una clínica, se ha observado que, en las últimas
120 horas, 1400 pacientes han visitado la clínica. Determinar la probabilidad de que
exactamente 8 pacientes visiten la clínica durante la próxima hora, sabiendo que, en
promedio llegan 15 pacientes cada hora.

2. La probabilidad de tener un accidente de tráfico es de 0.02 cada vez que se viaja, si se

realizan 300 viajes. ¿Cuál es la probabilidad de tener 3 accidentes?

Ejercicios:

1) Si ya se conoce que solo el 3% de los estudiantes de contabilidad son muy inteligentes.

Calcular la probabilidad de que si tomamos 100 estudiantes al azar, 5 de ellos sean muy
inteligentes.

2) Si un banco recibe en promedio 6 cheques sin fondo por día. ¿Cuáles son las
probabilidades de que reciba:
a. Cuatro cheques sin fondo?
b. Diez cheques sin fondo en cualquiera de dos días consecutivos?

3) En la inspección de hojalata producida por un proceso electrónico continuo, se identifican

0.2 imperfecciones en promedio por minuto. Determine las probabilidades de identificar:
a) Una imperfección en tres minutos.
b) Al menos 2 imperfecciones en 5 minutos.
c) Cuando más una imperfección en 15 minutos.

4) La probabilidad de defectos en una fábrica de productos hospitalarios es de 0.04. ¿Cuál es

la probabilidad de que de 320 artículos:
a. 7 sean defectuosos
b. Ninguno sea defectuosos
c. Al menos dos sean defectuosos

27
Unidad IV: Distribución Normal
Tema: Probabilidades como área bajo una curva

Distribución normal
La distribución normal: distribución de una variable aleatoria continua
En la presente sección atenderemos a los casos en que la variable puede tomar cualquier valor que
esté en un intervalo de valores dado, y en los cuales la distribución de probabilidad es continua. Una
distribución de probabilidad continua que es muy importante es la distribución normal. Varios
matemáticos han contribuido a su desarrollo, entre los que podemos contar al astrónomo-
matemático del siglo XVIII Karl Gauss. En honor a su trabajo, la distribución de probabilidad normal
también es conocida como distribución gaussiana. Existen dos razones fundamentales por las
cuales la distribución normal ocupa un lugar tan prominente en la estadística. Primero, tiene algunas
propiedades que la hacen aplicable a un gran número de situaciones en las que es necesario hacer
inferencias mediante la toma de muestras. La distribución normal casi se ajusta a las distribuciones
de frecuencias reales observadas en muchos fenómenos, incluyendo características humanas
(peso, altura, coeficiente intelectual), resultados de procesos físicos (dimensiones y rendimientos),
y muchas otras medidas de interés para los administradores, tanto en el sector público como en el
privado.
Áreas bajo la curva normal
No importa cuáles sean los valores de 𝝁 y 𝝈 para una distribución de probabilidad normal, el área
total bajo la curva es 1.00, de manera que podemos pensar en áreas bajo la curva como si fueran
probabilidades. Matemáticamente es verdad que:
1. Aproximadamente el 68% de todos los valores de una población normalmente distribuida se
encuentra dentro de ± 1 desviación estándar de la media.
2. Aproximadamente el 95.5% de todos los valores de una población normalmente distribuida se
encuentra dentro de ± 2 desviaciones estándar de la media.
3. Aproximadamente el 99.7% de todos los valores de una población normalmente distribuida se
encuentra dentro de ± 3 desviaciones estándar de la media.
La distribución normal de probabilidad es una distribución continua tanto simétrica (los datos están
distribuidos a lo largo de un intervalo y divididos en dos partes iguales), como mesocúrtica (curva
que no es puntiaguda ni aplanada)
Todo valor de X procedente de una población con distribución normal puede convertirse en el valor
normal estándar equivalente de Z mediante la fórmula:

𝑿 –𝝁
𝒁= 𝝈
Un valor negativo de Z indica que el valor X original está por debajo de la media.
Un valor positivo de Z indica que el valor X original está por encima de la media.
Esta distribución se caracteriza porque los valores se distribuyen formando una campana de Gauss
en torno a un valor central que coincide con el valor medio de distribución.

28
 Un 50 % de los valores están a la derecha de este
valor

Central y otro 50 % a la izquierda

Ejemplo:

a) Una población normal tiene una media de 80 una desviación estándar de 14. Calcule la
probabilidad de un valor localizado entre 75 y 90. Calcule la probabilidad de un valor de 70 o
menos.

b) En una ciudad se estima que la temperatura máxima en el mes de junio sigue

una distribución normal, con media 23° y desviación típica 5°. Calcular el
número de días del mes en los que se espera alcanzar máximas entre 21° y
27°

c) Los pesos de una población de mujeres jóvenes con la mayoría de edad tienen una
distribución normal con una media de 132 libras y una desviación estándar de 15 libras.
Calcular la probabilidad de que una joven, elegida entre esa población pese:

a. Más de 155 lbs.

b. 100 lbs. o menos.
c. Entre 105 y 143 lbs.
d. En una población de 2000 mujeres cuantas se espera pesen más de 160 libras

d) Las ventas mensuales de silenciadores en el área de Richmond Virginia tiene una distribución
normal con una media de $ 1200 y una desviación estándar de $225. Al fabricante le gustaría
establecer niveles de inventario de manera que solo haya 5% de probabilidad de que se
agoten las existencias. ¿Dónde se deben establecer los niveles de inventarios?

29
Ejercicios:

Analice y resuelva cada una de las siguientes situaciones usando distribución normal

1. Los montos de dinero que se piden en las solicitudes de préstamos en una financiera tienen
una distribución normal con una media de C$ 70000 y una desviación estándar de C$ 20000.
Se recibe una solicitud de préstamo: ¿Cuál es la probabilidad de que:
a. El monto solicitado sea de C$ 80000 o superior?
b. El monto solicitado oscile entre C$65000 y C$ 80000?
c. El monto solicitado sea C$ 60000 o superior?

2. El fabricante de una impresora láser informa que la cantidad media de páginas que imprime
un cartucho antes de reemplazarlo es de 12200. La distribución de páginas impresas por
cartucho se aproxima a la distribución de probabilidad normal y la desviación estándar es de
820 páginas. El fabricante desea proporcionar lineamientos a los posibles clientes sobre el
tiempo que deben esperar que les dure el cartucho. ¿Cuántas páginas debe indicar el
fabricante por cartucho si desea obtener 99% de certeza en todo momento?

3. El peso de una población de individuos tiene una distribución aproximadamente normal, con
una media de 140 libras y una desviación estándar de 25 libras. ¿Cuál es la probabilidad de
que una persona elegida aleatoriamente de entre ese grupo, pese entre 100 y 170 libras? Si
la población es de 10000 individuos. ¿Cuántas personas se espera que pesen más de 200
libras?

4. Varios test de inteligencia dieron una puntuación que sigue una ley normal con
media 100 y desviación típica 15

a. Determinar el porcentaje de población que obtendría un coeficiente entre

95 y 110

b. En una población de 2500 individu os ¿cuántos individuos se esperan

que tengan un coeficiente superior a 125?

5. Como parte de un estudio de la enfermedad de Alzheimer, Dusheiko (A-5) reportó datos que
son compatibles con la hipótesis de que los pesos de los cerebros de las víctimas de esa
enfermedad siguen una distribución normal. A partir de los datos revelados, se puede calcular
la media de 1076.80 gramos con una desviación estándar de 105.76 gramos. Si se asume
que estos resultados son aplicables a todas las víctimas de Alzheimer, encuentre la
probabilidad de que una víctima seleccionada al azar tenga un cerebro que pese menos de
800 gramos.

30
6. Suponga que se sabe que la estatura de cierta población de individuos sigue una distribución
aproximadamente normal con media de 70 pulgadas y una desviación estándar de 3
pulgadas. ¿Cuál es la probabilidad de que una persona seleccionada al azar de este grupo
tenga una estatura entre 65 y 74 pulgadas? En una población de 10,000 de las personas
descritas. ¿Cuántas personas se espera que tengan una estatura de 6 pies y 5 pulgadas 0
más?

7. Si la capacidad de la cavidad craneana de una población tiene una distribución

aproximadamente normal, con una media de 1400 cc y una desviación estándar de 125 cc,
calcule la probabilidad de que una persona, elegida al azar entre esa poblaci6n, tenga una
capacidad de cavidad craneana:
a) Mayor que 1450 cc b) Menor que 1350 cc
b) Entre 1300 y 1500 cc

Bibliografía
ESTADÍSTICA PARA ADMINISTRACIÓN Y ECONOMÍA
Séptima edición. Levin. Rubin
31