CENTRO DE ESTUDIOS SUPERIORES EMPRENDEDORES

“ALFRED NOBEL”

DOCENTE: OFMARA ESPINOZA RUIZ

ALUMNA: SALVADOR LAZARO KEIDI

CUATRIMESTRE: 5°

GRUPO: “B”

LICENCIATURA: ING. AGRONOMO ZOOTECNISTA

MATERIA: ESTADISTICA

CICLO ESCOLAR: 2020-2021

MATÍAS ROMERO AVENDAÑO OAXACA A 12 DE FEBRERO

DEL 2022

1
La Estadística es la parte de las Matemáticas que se encarga del
estudio de una determinada característica en una población,
recogiendo los datos, organizándolos en tablas, representándolos
gráficamente y analizándolos para sacar conclusiones de dicha
población. La Estadística es una disciplina que utiliza recursos
matemáticos para organizar y resumir una gran cantidad de datos
obtenidos de la realidad, e inferir conclusiones respecto de ellos.
Por ejemplo, la estadística interviene cuando se quiere conocer el
estado sanitario de un país, a través de ciertos parámetros como la
tasa de morbilidad o mortalidad de la población.

Comprender, analizar y entender cada uno de los subtemas ya visto

en sesiones anteriores, de esta forma podemos realizar los
ejercicios ya seleccionados por nuestra docente la profesora
Ofmara Espinoza Ruiz.

2
INDICE
TEMA I PROBABILIDAD CONJUNTA.............................................................................. 5

1.1 DEFINICION DE PROBABILIDAD CONJUNTA ........................................................ 7

1.2 EVENTOS MUTUAMENTE EXCLUYENTES ........................................................... 8

1.3 REGLA DE LA ADICION ............................................................................................ 8

1.4 PARA EVENTOS MUTUAMENTE EXCLUYENTES ................................................. 9

1.5 PARA EVENTOS NO EXCLUYENTES ENTRE SI ................................................... 10

1.6 EVENTOS INDEPENDIENTES ................................................................................... 12

1.7 REGLA DE LA MULTIPLICACIÓN ........................................................................... 12

1.8 PARA EVENTOS INDEPENDIENTES………………………………………………12

1.9 PARA EVENTOS DEPENDIENTES ............................................................................ 14

1.10 PROBABILIDAD CONDICIONAL ............................................................................ 15

1.11 DEFINICIÓN DE PROBABILIDAD CONDICIONAL ............................................. 15

1.12 TEOREMA DE BAYES .............................................................................................. 16

3.1 DISTRIBUCIÓN DE PROBABILIDAD CON VARIABLES ALEATORIAS

CONTINUAS ....................................................................................................................... 17

3.2 DISTRIBUCIÓN DE PROBABILIDAD NORMAL .................................................... 18

3.3 VARIABLE ALEATORIA CONTINUA ...................................................................... 19

3
3.4 PROPIEDADES DE LAS DISTRIBUCIONES DE PROBABILIDAD CONTINUAS20

3.5 CARACTERÍSTICAS DE LA CURVA NORMAL ...................................................... 20

3.6 ÁREA BAJO LA CRUVA DE UNA DISTRIBUCIÓN NORMAL ............................. 21

3.7 DISTRIBUCIÓN DE PROBABILIDAD NORMAL ESTANDARIZADA .................. 21

3.8 PROPIEDADES DE LA DISTRIBUCIÓN NORMAL ESTANDARIZADA .............. 22

CONCLUSION .................................................................................................................... 23

BIBLIOGRAFÍA .................................................................................................................. 24

4
TEMA I

PROBABILIDAD CONJUNTA

SUBTEMAS:

1.1 DEFINICIÓN DE PROBABILIDAD CONJUNTA

Es la probabilidad de ocurrencia de dos o más eventos.

De la expresión P(B|A)=P(A∩B)/P(A) se pude despejar P(A∩B)=P(A)P(B|A)
expresión llamada Ley de multiplicación de probabilidades.
P(A∩B) recibe el nombre de probabilidad conjunta y corresponde a la probabilidad de que
se presenten resultados comunes a los eventos A y B.

Conjunto: Un conjunto es una colección bien definida de objetos ( con

una característica especial), los cuales se denominan elementos o
miembros del conjunto.
Un conjunto puede contener un número finito o infinito de elementos.
Por ejemplo, el número de países de América es un conjunto finito,
mientras que el conjunto de números Enteros es infinito.
Existen relaciones especiales entre los elementos de un conjunto y el
conjunto, llamadas :
pertenece

Subconjunto: Es un conjunto que contiene algunos o todos los

elementos de otro conjunto que ha sido tomado como referencia. Se

5
dice que A es subconjunto de B, si A esta contenido dentro de B. Es
decir :

Existen dos subconjuntos fundamentales que son:

Conjunto Universal
Conjunto Vacío
Veamos algunos ejemplos:
Sea A= {1, 2, 3, 4, 5, 6, 7, 8, 9} , B= {2, 4, 6, 8}, C = {2, 10}
Entonces B es un subconjunto de A; es decir;
C no es un subconjunto de A

IGUALDAD ENTRE DOS CONJUNTOS

Dos conjuntos son iguales si contienen los mismos elementos, es decir:

OPERACIONES ENTRE CONJUNTOS

Existen varias operaciones entre conjuntos pero las más importantes a
la hora de aplicar probabilidades son:

UNIÓN: La unión entre el conjunto A y el conjunto B esta definida como

los elementos que pertenecen al conjunto A o a B o a ambos.
INTERSECCIÓN: La intersección entre el conjunto A y el conjunto B esta
definida como los elementos que pertenecen al conjunto A y al B.
COMPLEMENTO: El complemento del conjunto A esta definido como los
elementos que pertenecen al conjunto Universal pero que no están en A,
es decir, todos los elementos que le hacen falta a A, para ser igual al
conjunto Universal. Así :
DIFERENCIA: La diferencia entre el conjunto A y B ( A – B ) esta
definida como todos los elementos de A que no pertenecen a B.

6
1.2 EVENTOS MUTUAMENTE EXCLUYENTES
Los eventos mutuamente exclusivos son cosas que no pueden ocurrir al mismo
tiempo. Por ejemplo, no puedes correr hacia adelante y hacia atrás
simultáneamente. Las acciones “correr hacia adelante” y “correr en reversa” son
mutuamente excluyentes. Lanzar una moneda también puede darte este tipo de
evento. No puedes lanzar una moneda y obtener tanto cara como cruz. Así que
“obtener cara” y “obtener cruz” son eventos mutuamente exclusivos. Otros
ejemplos incluyen la capacidad de pagar el alquiler si no te pagan o de apagar la
TV en caso de que no tengas una TV.

Probabilidad

La probabilidad (P) de que ocurra un evento (olvidando por un momento la

exclusividad mutua) es:

P = número de formas en que el evento puede ocurrir / número total de resultados.

Ejemplo: La probabilidad de sacar un 5 cuando se tira un dado es de 1/6 porque
hay un 5 en un dado y hay seis posibles resultados.

Si llamamos a la probabilidad de tirar un 5 “Evento A”, entonces la ecuación es:

P(A) = número de formas en que el evento puede ocurrir / número total de
resultados
P(A) = 1 / 6.

Es imposible rodar un 5 y un 6 juntos; los eventos son mutuamente excluyentes.

Los eventos se escriben así:

P(A y B) = 0

En inglés, esto significa que la probabilidad de que el evento A (rodando un 5) y el

evento B (rodando un 6) ocurran juntos es 0.

7
Sin embargo, cuando se tira un dado, se puede tirar un 5 o un 6 (las
probabilidades son 1 de 6 para cada evento) y la suma de cualquiera de los dos
eventos es la suma de ambas probabilidades. En probabilidad, se escribe así:

P(A o B) = P(A) + P(B)

P(rodando un 5 o rodando un 6) = P(rodando un 5) + P(rodando un 6)

P(rodando un 5 o rodando un 6) = 1/6 + 1/6 = 2/6 = 1/3.

1.3 REGLA DE LA ADICIÓN

La regla de adición o regla de la suma, establece que si tenemos un evento A y un

evento B, la probabilidad de que ocurra el evento A o el evento B se calcula de la
siguiente manera:

Fórmula

P(A⋃B) = P(A) + P(B) − P(A⋂B)

Donde:

 P(A) : probabilidad de que ocurra el evento A.

 P(B) : probabilidad de que ocurra el evento B.
 P(A⋃B) : probabilidad de que ocurra el evento A o el evento B.
 P(A⋂B) : probabilidad de que ocurra el evento A y el evento B a la vez.

¿Y si los eventos son mutuamente excluyentes?

Dos eventos A y B son mutuamente excluyentes si no pueden ocurrir al mismo

tiempo, es decir, si no tienen elementos comunes. Por ejemplo, sacar una carta al

8
azar de una bajara, y obtener un 5 y un 7, son eventos mutuamente excluyentes, ya
que no hay ninguna carta que tenga un 5 y un 7 al mismo tiempo. Entonces P(A⋂B)
= 0 , por lo tanto, partiendo de la misma fórmula, obtendríamos la siguiente
expresión:

P(A⋃B) = P(A) + P(B) − P(A⋂B)

P(A⋃B) = P(A) + P(B) − 0

P(A⋃B) = P(A) +P(B)

Ejemplo 1:

La probabilidad de que un día cualquiera, Carlos almuerce pollo frito es de 0,4. La

probabilidad de que almuerce hamburguesa es de 0,3; mientras que la probabilidad
de que almuerce pollo frito y hamburguesa el mismo día es de 0,1. Calcula la
probabilidad de que un día cualquiera, Carlos almuerce pollo frito o hamburguesa.

Solución:

Definimos nuestras probabilidades:

 Probabilidad de que Carlos almuerce pollo frito: P(A) = 0,4.

 Probabilidad de que Carlos almuerce hamburguesa: P(B) = 0,3.
 Probabilidad de que Carlos almuerce pollo frito y hamburguesa el mismo día:
P(A⋂B) = 0,1.
 Probabilidad de que Carlos almuerce pollo frito o hamburguesa:
P(A⋃B) = ?

Ahora, aplicamos nuestra fórmula:

P(A⋃B) = P(A) + P(B) − P(A⋂B)

P(A⋃B) = 0,4 + 0,3 − 0,1

P(A⋃B) = 0,6

1.4 PARA EVENTOS MUTUAMENTE EXCLUYENTES

En probabilidad, se dice que los eventos E1, E2, ..., En son mutuamente
excluyentes si la ocurrencia de uno de ellos implica la no ocurrencia de los otros
n − 1 eventos. Por lo tanto, no pueden suceder simultáneamente dos eventos
mutuamente excluyentes. En lenguaje formal, la intersección de cada par de ellos

9
es vacía (el evento nulo): A ∩ B = ∅. Por lo tanto, los eventos mutuamente
excluyentes tienen la propiedad que: P(A ∩ B) = 0.

Por ejemplo, es imposible tener una carta que sea roja y a la vez tréboles dado que
los tréboles siempre son negros. Si se saca una carta de un mazo, se obtendrá o
bien una carta roja (corazones o diamantes) o una carta negra (tréboles o picas).
Cuando A y B son mutuamente excluyentes, P(A ∪ B) = P(A) + P(B).3 Por ejemplo
para obtener la probabilidad de sacar una carta roja o un trébol, se suman las
probabilidades de sacar una carta roja y la probabilidad de sacar un trébol. En un
mazo estándar de 52 cartas, hay veintiséis cartas rojas y trece tréboles: 26/52 +
13/52 = 39/52 o 3/4.

Se deberían sacar por lo menos dos cartas para obtener una roja y un trébol. La
probabilidad de que ello suceda en dos extracciones depende de si la primera carta
que se extrae es devuelta al mazo antes de proceder a sacar la segunda carta, ya
que si no se la devuelve al mazo existirá una carta menos en el mazo para cuando
toque sacar la segunda carta. Las probabilidades de eventos individuales (rojo y
trébol) se multiplican en vez de sumarse. La probabilidad de sacar una carta roja y
un trébol en dos extracciones sin reposición es 26/52 × 13/51 × 2 = 676/2652, o
13/51. Si la primera carta se devuelve al mazo antes de sacar la segunda carta, la
probabilidad es 26/52 × 13/52 × 2 = 676/2704, o 13/52.

En el ámbito de la probabilidad, la conjunción "o" permite que ambos eventos

sucedan. La probabilidad de que uno o ambos eventos sucedan se expresa como
P(A ∪ B) y en general es P(A) + P(B) – P(A ∩ B). Por lo tanto se considera exitoso
si se saca una carta roja o un rey, alguno de los reyes rojos, una carta roja que no
se rey, o un rey negro. En un mazo estándar de 52 cartas, hay veintiséis cartas rojas
y cuatro reyes, dos de los cuales son rojos, por lo que la probabilidad de sacar una
carta roja o un rey es 26/52 + 4/52 – 2/52 = 28/52.

1.5 PARA EVENTOS NO EXCLUYENTES ENTRE SI

De modo que ocurra A o bien B o ambos a la vez al mismo tiempo, se aplica la regla:

P(AoB)= P(A)+P(B) – P(AyB)

P(AUB)= P(A)+P(B)- P(A∩B)

10
11
1.6 EVENTOS INDEPENDIENTES

Dos eventos son independientes si el resultado del

segundo evento no es afectado por el resultado del primer
evento. Si A y B son eventos independientes, la
probabilidad de que ambos eventos ocurran es el
producto de las probabilidades de los eventos
individuales.

P(AyB)=P(A)·P(B)

Ejemplo 1:

Una caja contiene 4 canicas rojas, 3 canicas verdes y 2 canicas azules. Una canica
es eliminada de la caja y luego reemplazada. Otra canica se saca de la caja. Cuál
es la probabilidad de que la primera canica sea azul y la segunda canica sea verde?

Ya que la primera canica es reemplazada, el tamaño del espacio muestral (9) no

cambia de la primera sacada a la segunda así los eventos son independientes.

P (azul luego verde) = P (azul) · P (verde)

Dos eventos son dependientes si el resultado del primer evento afecta el resultado
del segundo evento así que la probabilidad es cambiada. En el ejemplo anterior, si
la primera canica no es reemplazada, el espacio muestral para el segundo evento
cambia y así los eventos son dependientes. La probabilidad de que ambos eventos
ocurran es el producto de las probabilidades de los eventos individuales:

P(AyB)=P(A)·P(B)

1.7 REGLA DE LA MULTIPLICACIÓN

La regla de la multiplicación es un proceso que se ocupa cuando se quiere calcular
la probabilidad de que 2 o más sucesos pasen al mismo tiempo, usando un
diagrama de Venn para representar a las probabilidades se puede observar de
manera grafica lo que se encuentra usando la regla de la multiplicación.

12
Como se puede observar en la imagen anterior lo que se busca con la regla de la
multiplicación es la intersección entre 2 o más sucesos de un mismo espacio
muestral, escrito matemáticamente sería “p(a n b)” que quiere decir “la probabilidad
de ‘a’ intersección ‘b’ ”.

1.8 PARA EVENTOS INDEPENDIENTES

Dos eventos A y B son independientes, si la ocurrencia de uno de ellos no afecta la

ocurrencia del otro, es decir, cuando los eventos A y B no están relacionados. Para
eventos independientes, la regla de la multiplicación establece que:

Esto se debe, a que, en los eventos independientes, la ocurrencia de un evento, no

afecta a la ocurrencia del otro:

EJEMPLO
En un colegio, la probabilidad de que un alumno seleccionado al azar hable inglés
es de 0,20; mientras que la probabilidad de que un alumno juegue fútbol es de 0,80.
El hecho de que un alumno hable inglés, no afecta en nada que juegue fútbol; por
lo tanto, se trata de eventos independientes.
Evento A: que el alumno hable inglés. P(A) = 0,20.
Evento B: que el alumno juegue fútbol. P(B) = 0,80.

Usamos la regla de la multiplicación para eventos independientes:

13
1.9 PARA EVENTOS DEPENDIENTES
Dos eventos A y B son dependientes, si la ocurrencia de uno de ellos afecta la
ocurrencia del otro. Para eventos dependientes, la regla de la multiplicación
establece que:

Ejemplo:
Una caja contiene 2 canicas azules y 3 rojas. Si se extraen dos canicas al azar sin
reposición, ¿cuál es la probabilidad de que las dos sean azules?
Solución:
Dado que las canicas serán extraídas de la misma caja, y que las canicas que se
extraigan, no serán devueltas a la caja (no hay reposición), entonces, se trata de
eventos dependientes.

Evento A: obtener una canica azul en la primera extracción.

• Evento B: obtener una canica azul en la segunda extracción.

Por la regla de la multiplicación, sabemos que:

14
1.10 PROBABILIDAD CONDICIONAL
Probabilidad condicional es la probabilidad de que ocurra un evento A, sabiendo
que también sucede otro evento B. La probabilidad condicional se escribe P(A|B) o
P(A/B), y se lee «la probabilidad de A dado B».

No tiene por qué haber una relación causal o temporal entre A y B. A puede
preceder en el tiempo a B, sucederlo o pueden ocurrir simultáneamente. A puede
causar B, viceversa o pueden no tener relación causal. Las relaciones causales o
temporales son nociones que no pertenecen al ámbito de la probabilidad. Pueden
desempeñar un papel o no, dependiendo de la interpretación que se le dé a los
eventos.

1.11 DEFINICIÓN DE PROBABILIDAD CONDICIONAL

Como la probabilidad está ligada a nuestra ignorancia sobre los resultados de la
experiencia, el hecho de que ocurra un suceso, puede cambiar la probabilidad de
los demás. El proceso de realizar la historia clínica, explorar y realizar pruebas
complementarias ilustra este principio.

La probabilidad de que ocurra el suceso A si ha ocurrido el suceso B se denomina

probabilidad condicionada y se define

Esta definición es consistente, es decir cumple los axiomas de probabilidad.

Cuando ocurre un suceso cambia el espacio muestral, por eso cambia la

probabilidad. A veces es más fácil calcular la probabilidad condicionada teniendo
en cuenta este cambio de espacio muestral.

15
1.12 TEOREMA DE BAYES
El teorema de Bayes es una proposición que se emplea para calcular la probabilidad
condicional de un suceso y fue desarrollado por el matemático y teólogo británico
Thomas Bayes. El principal objetivo de este teorema es determinar la probabilidad
que posee un suceso comparada con la probabilidad de otro suceso similar, e

En otras palabras, permite conocer la probabilidad condicional de un evento o

suceso determinado como A dado B, en el que se analiza la distribución de
probabilidad del suceso B dado A.

El teorema de Bayes es muy útil, puesto que aplicándolo de la manera correcta se

puede conocer la probabilidad de que un suceso A pase, teniendo presente lo
ocurrido durante el evento B. Asimismo, existe la probabilidad de que suceda lo
contrario, donde ocurra B dado A.

16
3.1 DISTRIBUCIÓN DE PROBABILIDAD CON VARIABLES ALEATORIAS
CONTINUAS
Una distribución continua describe las probabilidades de los posibles valores de una variable
aleatoria continua. Una variable aleatoria continua es una variable aleatoria con un conjunto
de valores posibles (conocido como el rango) que es infinito y no se puede contar.
Las probabilidades de las variables aleatorias continuas (X) se definen como el área por
debajo de la curva de su PDF. Por lo tanto, solo los rangos de valores pueden tener una
probabilidad diferente de cero. La probabilidad de que una variable aleatoria continua
equivalga a algún valor siempre es cero.

17
3.2 DISTRIBUCIÓN DE PROBABILIDAD NORMAL

Se llama distribución normal, distribución de Gauss, distribución gaussiana o

distribución de Laplace-Gauss, a una de las distribuciones de probabilidad de
variable continua que con más frecuencia aparece en estadística y en la teoría de
probabilidades.

La gráfica de su función de densidad tiene una forma acampanada y es simétrica

respecto de un determinado parámetro estadístico. Esta curva se conoce como
campana de Gauss y es el gráfico de una función gaussiana.

La importancia de esta distribución radica en que permite modelar numerosos

fenómenos naturales, sociales y psicológicos. Mientras que los mecanismos que
subyacen a gran parte de este tipo de fenómenos son desconocidos, por la enorme
cantidad de variables incontrolables que en ellos intervienen, el uso del modelo
normal puede justificarse asumiendo que cada observación se obtiene como la
suma de unas pocas causas independientes.

18
3.3 VARIABLE ALEATORIA CONTINUA
Una variable aleatoria continua, por tanto, es un tipo de variable aleatoria. Como variable
aleatoria, es una función matemática que muestra los resultados de un experimento aleatorio.
Ahora bien, la característica que hace que sea continua es, precisamente, que, dentro del
intervalo de resultados, esta puede tomar cualquier valor.

En otras palabras, pensemos en una variable aleatoria que tome valores enteros. Por
ejemplo, 1, 2 o 3. En este caso, la variable aleatoria no sería continua. Solo puede tomar el
valor 1, el valor 2 o el valor 3. No puede, por ejemplo, tomar el valor 2,5 o 2,53.

19
3.4 PROPIEDADES DE LAS DISTRIBUCIONES DE PROBABILIDAD
CONTINUAS

3.5 CARACTERÍSTICAS DE LA CURVA NORMAL

Tiene una única moda, que coincide con su media y su mediana. La curva normal
es asintótica al eje de abscisas. Por ello, cualquier valor entre y es teóricamente
posible. El área total bajo la curva es, por tanto, igual a 1.

Sus características son las siguientes:

• Es una distribución simétrica.

• Es asintótica, es decir sus extremos nunca tocan el eje horizontal, cuyos valores
tienden a infinito.
• En el centro de la curva se encuentran la media, la mediana y la moda.
• El área total bajo la curva representa el 100% de los casos.
• Los elementos centrales del modelo son la media y la varianza.

20
3.6 ÁREA BAJO LA CRUVA DE UNA DISTRIBUCIÓN NORMAL
No importa cuales son los valores de la distribución, el área total bajo la curva

es 100, de manera que podemos pensar en áreas bajo la curva como si fueran

probabilidades.

1. Aproximadamente 68% de todos los valores de una población

normalmente distribuida se encuentra dentro de la desviación
estándar de la media.
Aproximadamente 95.5% de todos los valores de una población
normalmente distribuida se encuentra dentro de la desviación
estándar de a media.

3.7 DISTRIBUCIÓN DE PROBABILIDAD NORMAL ESTANDARIZADA

La distribución tiene la forma de una campana y la mayor parte del área de esta
campana (Bell) se encuentra donde la media.
-El área debajo de la campana es de 1, y se divide por 0.5 a la izquierda y 0.5 a la
derecha de la media.
-Es simétrica con respecto a la media.
-La media, moda, y mediana coinciden.
-Hay dos parámetros que determinan su forma: la media y la desviación estándar.

21
3.8 PROPIEDADES DE LA DISTRIBUCIÓN NORMAL ESTANDARIZADA
Una tabla normal estándar, también llamada tabla normal unitaria o tabla Z,1 es una
tabla matemática de los valores de Φ, la función de distribución acumulativa de la
distribución normal. Se utiliza para determinar la probabilidad de que se observe
una muestra estadística por debajo, por encima o entre dos valores dados de una
distribución normal estándar, y por extensión, de cualquier distribución normal.
Teniendo en consideración que las tablas de probabilidad no se pueden imprimir
para cada distribución normal, dado que existe una variedad infinita de
distribuciones normales, es una práctica común convertir una distribución normal en
una normal estándar y luego usar la tabla normal estándar para determinar las
probabilidades buscadas.

22
CONCLUSION
Los conceptos antes mencionados han sido analizados e investigados de tal manera
de hacer más fácil su comprensión y entendimientos ya que la estadística es la
ciencia que trata de entender, organizar y tomar decisiones que estén de acuerdo
con los análisis efectuados. La estadística juega un papel muy importante en
nuestras vidas, ya que actualmente ésta se ha convertido en un método muy
efectivo para describir con mucha precisión los valores de datos económicos,
políticos, sociales, psicológicos, biológicos y físicos, además, sirve como
herramienta para relacionar y analizar dichos datos. El trabajo del experto
estadístico ha evolucionado mucho, ya no consiste sólo en reunir y tabular los datos,
sino sobre todo en el proceso de interpretación de esa información, ahora tiene un
papel mucho más importante del que tenia en años pasados.

23
BIBLIOGRAFÍA
https://miprofe.com/minimos-cuadrados/
http://www.dpye.iimas.unam.mx/patricia/indexer/bloques.pdf
https://economipedia.com/definiciones/distribucion-conjunta.html
http://halweb.uc3m.es/esp/Personal/personas/aarribas/esp/docs/estII/tema0esp.pd
f http://www.esap.edu.co/portal/wp-content/uploads/2017/10/6-Estadstica-ii.pdf
https://phels18.wordpress.com/2013/04/23/probabilidad-conjunta/
https://www.superprof.es/diccionario/matematicas/estadistica/variables-tipos.html

24