Capitulo 6
Capitulo 6
Capitulo 6
CAPÍTULO 6
FUNDAMENTOS DE LA TEORIA DE LA PROBABILIDAD
Se estudia la forma de ordenar los elementos de un conjunto o la manera de agrupar sus elementos, según
leyes diversas, proponiéndose en cada caso establecer fórmulas que permitan calcular el número de
ordenaciones o el de grupos que puedan formarse.
Solución:
Con cada traje puede usar cada una de las 5 corbatas. Resultan, pues, 3 5 15 maneras diferentes de
combinar un traje y una corbata.
Ejemplo 2: ¿De cuántas formas se puede verter una persona que tiene 3 pantalones y 3 camisas?
Solución:
Para vestirse, la persona se pone pantalón y luego la camisa, es decir, 3 3 9 opciones diferentes de
vestirse.
6.1.2. Permutaciones
Se llama permutación a cada forma de disponer una cantidad dad de letras o números en forma sucesiva.
En general, la cantidad de permutaciones de n elementos es n ! , es decir, la fórmula para determinar el
número de permutaciones que se pueden formar con n elementos, es:
Pn n !
Ejemplo 3: Formar todas las permutaciones que pueden hacerse con las tres letras: A, B y C.
Solución:
Aplicando la fórmula: P3 3! 6 permutaciones
ABC BAC CAB
ACB BCA CBA
Ejemplo 4: Formar todas las permutaciones que pueden hacerse con las cuatro cifras 1, 2, 3, 4.
Solución:
Aplicando la fórmula: P4 4! 24 permutaciones
Seguidamente, se forma las 24 permutaciones con las cuatro cifras indicadas, de la manera siguiente:
ESTADÍSTICA PARA PLANIFICACIÓN 178 José Montaño Romero
Ejemplo 5: ¿De cuántas maneras se pueden sentar en un banco Alicia, Berta, Carla y Daniela, si Alicia
ocupa siempre el mismo asiento?
Solución:
Puesto que Alicia ocupa siempre el mismo asiento, quedan sólo 3 lugares para ser ocupados por las otras 3
jóvenes, las cuales pueden realizar entre sí P3 3! 6 permutaciones
Alicia Berta Carla Daniela Alicia Carla Berta Daniela Alicia Daniela Carla Berta
Alicia Berta Daniela Carla Alicia Carla Daniela Berta Alicia Daniela Berta Carla
6.1.3. Combinaciones
m!
La fórmula es: Cm , n
n !(m n)!
Ejemplo 6: Encontrar el número de combinaciones de 5 letras A, B, C, D y E, tomados de tres a tres.
Solución:
5! 5!
Aplicando la fórmula es: C5,3
3!(5 3)! 3!2!
5 4 3! 20
C5,3 10 Combinaciones
3!2 1 2
Las cuales se ilustra a continuación:
ABC BCD
ABD BCE
ABE BDE
ACD CDE
ACE
ADE
ESTADÍSTICA PARA PLANIFICACIÓN 179 José Montaño Romero
Solución:
6! 6!
Aplicando la fórmula es: C6, 3
3!(6 3)! 3!3!
6 5 4 3! 120
C6,3 20
3! 3 2 1 6
Solución:
8!
Aplicando la fórmula es: C8, 3 56
3!5!
8 7 6 5!
C8, 3 56
3 2 1 5!
Se formarán 56 comités de 3 personas.
La teoría de la probabilidad es la parte de las matemáticas que se encarga del estudio de los fenómenos o
experimentos aleatorios. Por experimento aleatorio se entiende todo aquel experimento que cuando se le
repite bajo las mismas condiciones iniciales, el resultado que se obtiene no siempre es el mismo. El
ejemplo mas sencillo y cotidiano de un experimento aleatorio es el de lanzar una moneda o un dado, y
aunque estos experimentos pueden parecer muy sencillos, algunas personas los utilizan para tomar
decisiones en sus vidas.
En principio no sabemos cual será el resultado del experimento aleatorio, así que por lo menos conviene
agrupar en un conjunto a todos los resultados posibles.
Es el proceso que permite obtener una o varias observaciones. Se emplea en Estadística en un sentido más
amplio que en otras ciencias. El lanzamiento de una moneda, por ejemplo, se considera un experimento
estadístico.
El experimento aleatorio tiene dos propiedades en común. Una de estas es que cada experimento tiene
varios resultados posibles que pueden especificarse de antemano.
La segunda propiedad es que estamos inciertos acerca del resultado de cada experimento. Al lanzar una
moneda, por ejemplo, no sabemos si el resultado será cara o sello. Si lanzamos un dado, no sabemos que
número saldrá, al seleccionar un fusible no se sabe si será defectuoso, o no defectuoso, al enviar un
vehículo a Marte, no se sabe si tendrá éxito o fracaso.
ESTADÍSTICA PARA PLANIFICACIÓN 180 José Montaño Romero
El espacio muestral (o espacio muestral) de un experimento aleatorio es el conjunto de todos los posibles
resultados del experimento, y se le denota generalmente por la letra griega (omega).
En algunos textos se usa también la letra S para denotar al espacio muestral. Esta letra proviene del
termino sampling space de la lengua inglesa equivalente a espacio muestral.
S w / w es un punto muestral
Un evento es cualquier subconjunto del espacio muestral, también se llama punto muestral y denotaremos
a los eventos por las primeras letras del alfabeto en mayúsculas: A,B,C, etc.
Cuadro o matriz de doble entrada: Se emplea cuando se desea conocer la cantidad y los elementos de
un suceso compuesto de dos sucesos simples.
Diagrama de árbol: Se emplea cuando se tiene un experimento aleatorio con sucesos compuestos de dos
más sucesos simples.
Solución:
De acuerdo al problema, se representa en un Diagrama de Venn-Euler los resultados y posteriormente se
describe cada uno de ellos:
Si lanzamos una moneda, el espacio muestral será C , S y cada uno de sus elementos C (cara) y S
(sello) es un punto muestral.
ESTADÍSTICA PARA PLANIFICACIÓN 181 José Montaño Romero
Solución:
Formamos una tabla de doble entrada para el experimento del lanzamiento de dos monedas, en la que las
monedas tendrán dos resultados: C (cara) y S (sello).
Moneda 2
C S
Moneda 1
C CC CS
S SC SS
Solución:
Formamos una tabla de doble entrada para el experimento del lanzamiento de dos dados.
Dado 2
1 2 3 4 5 6
Dado 1
1 (1, 1) (1, 2) (1, 3) (1, 4) (1, 5) (1, 6)
2 (2, 1) (2, 2) (2, 3) (2, 4) (2, 5) (2, 6)
3 (3, 1) (3, 2) (3, 3) (3, 4) (3, 5) (3, 6)
4 (4, 1) (4, 2) (4, 3) (4, 4) (4, 5) (4, 6)
5 (5, 1) (5, 2) (5, 3) (5, 4) (5, 5) (5, 6)
6 (6, 1) (6, 2) (6, 3) (6, 4) (6, 5) (6, 6)
a) El espacio muestral es: = 1, 1 , 1, 2 , (1,3), (1, 4), (1,5), (1, 6),),
2, 1 , 2, 2 , (2,3), (2, 4), (2,5), (2, 6),
3, 1 , 3, 2 , (3, 3), (3, 4), (3,5), (3, 6),
4, 1 , 4, 2 , (4,3), (4, 4), (4,5), (4, 6),
5, 1 , 5, 2 , (5,3), (5, 4), (5, 5), (5, 6),
6, 1 , 6, 2 , (6, 3),(6, 4), (6, 5), (6, 6)
ESTADÍSTICA PARA PLANIFICACIÓN 182 José Montaño Romero
b) El suceso es: A (1, 6), (2,5), (3, 4), (4,3), (5, 2), (6,1)
c) El suceso es: B (5, 6), (6, 5)
d) El suceso es: C (1, 6), (2,5), (3, 4),(4,3), (5, 2), (6,1), (5, 6), (6, 5)
e) El suceso es: D (2, 6), (3,5), (4, 4), (5, 3),(6, 2)
f) El suceso es: E (3, 6),(4,5), (5, 4), (6,3)
Solución:
Construimos un diagrama de árbol para el experimento del lanzamiento de las tres monedas:
C CCC
C
S CCS
C
C CSC
S
S CSS
C SCC
C
S SCS
S
C SSC
S
S SSS
Se observa cada uno de los resultados posibles del lanzamiento de la primera moneda se representa
mediante una rama, cada rama se designa por C y S. Por esto, cada una de estas ramas brotan dos ramas
que representan los resultados posibles para la segunda moneda. De este modo asociamos cuatro ramas
con la segunda moneda. Análogamente, de cada rama de la segunda moneda brotan dos ramas que
representan los resultados posibles para la tercera moneda. Los ocho resultados posibles del experimento
quedan entonces representados por los ocho caminos posibles del diagrama de árbol.
A) El espacio muestral es: = CCC , CCS , CSC , CSS , SCC , SCS , SSC , SSS
b) El suceso es: A= CCS , CSC , SCC
c) El suceso es: B = CSS , SCS , SSC
ESTADÍSTICA PARA PLANIFICACIÓN 183 José Montaño Romero
Solución:
Representamos en un diagrama de árbol el experimento.
C SCCC
C
S SCCS
C
C SCSC
S
S SCSS
S
C SSCC
C
S SSCS
S
C SSSC
S
S SSSS
Ejemplo 14: Se elige una carta de una baraja de 52 cartas. ¿Cuál es la probabilidad de que sea:
a) Un diamante?
b) Un 5?
c) Un as de espadas?
d) Una vieja?
Solución:
Representamos las 52 piezas de cartas1.
6.3. Probabilidad
Una probabilidad cercana a 0, corresponde a un resultado cuya ocurrencia es poco verosímil; en cambio,
una probabilidad cercana a 1 corresponde a un resultado altamente creíble.
1En el presente material no se considera las 54 piezas de cartas que otros juegos contienen como son
dos Joker, sino 52 piezas considerando que el mazo trae 52 cartas.
ESTADÍSTICA PARA PLANIFICACIÓN 185 José Montaño Romero
En varios juegos de azar los diversos resultados o puntos muéstrales son de ocurrencia igualmente
creíbles, en consecuencia, se asigna igual probabilidad a cada uno. Al lanzar una moneda, por ejemplo,
asignamos una probabilidad de 1/2 a cada uno de los puntos en el espacio muestral C , S .
Análogamente, si se lanza un dado no cargado, asignaremos una probabilidad de 1/6 a cada uno de los
puntos en el espacio muestral 1, 2,3, 4,5, 6 .
Sea A un subconjunto de un espacio muestral de cardinalidad finita. Se define la probabilidad clásica del
evento A como el cociente:
n( A)
P ( A)
n( )
Por lo tanto, esta definición de probabilidad presupone que todos los elementos de son igualmente
probables o tienen el mismo peso. Este es el caso por ejemplo de un dado equilibrado.
Ejemplo 15: ¿Cuál es la probabilidad de obtener un número par si se lanza un dado no cargado?
Solución:
El espacio muestral es: 1, 2,3, 4,5, 6
El evento de un número par es: A 2, 4, 6
n 2, 4, 6
Probabilidad de obtener un número par es: P ( A)
n 1, 2,3, 4,5, 6
3 1
P ( A)
6 2
La probabilidad de obtener un número par lanzando un dado es del 50%.
La probabilidad de un suceso A, denominada por P(A), es la suma de las probabilidades de todos los
puntos muéstrales de A.
Ejemplo 16: ¿Cuál es la probabilidad de obtener exactamente dos caras al lanzar tres monedas?
Solución:
El espacio muestral es:
= CCC , CCS , CSC , CSS , SCC , SCS , SSC , SSS
Solución:
El espacio muestral consiste de 36 puntos, siendo la probabilidad de cada uno de 1/36.
A (1, 6), (2,5), (3, 4), (4,3), (5, 2), (6,1), (5, 6), (6, 5)
La probabilidad de A es:
1 1 1 1 1 1 6
P ( A)
36 36 36 36 36 36 36
1
P ( A)
6
Las reglas nos permiten determinar la probabilidad de un suceso si se conocen las probabilidades de otros
sucesos relacionados con él. Las más importantes de estas reglas son: Regla de la adición, Regla de la
multiplicación y Regla de Bayes.
La regla de la adición expresa que la probabilidad de que ocurran A o B o ambos es igual a la probabilidad
de A más la probabilidad de B menos la probabilidad de que ocurran ambos, es decir:
P ( A B ) P ( A) P ( B ) P ( A B )
Ejemplo 18: Se lanza un dado no cargado. Usted gana $us 10 si el resultado es par o divisible por 3.
¿Cuál es su probabilidad de ganar?
Solución:
Sean los sucesos A = resultado par
B = resultado divisible por 3.
P ( A B ) P ( A) P ( B ) P ( A B )
3 2 1
P( A B)
6 6 6
4
P( A B)
6
2
P( A B)
3
Ejemplo 19: Un cliente entra en un supermercado. La probabilidad de que compre:
a) pan es 0,60,
b) leche es 0,50
c) pan y leche es 0,30.
¿Cuál es la probabilidad de que compre pan, o leche, o ambos?
ESTADÍSTICA PARA PLANIFICACIÓN 187 José Montaño Romero
Solución:
Sean los sucesos: P = el cliente compra pan,
L = el cliente compra leche
P( P L) P( P) P( L) P( P L)
P ( P L) 0, 60 0,50 0,30
P ( P L) 0,80
.
6.4.2. Regla de la adición para sucesos mutuamente excluyentes
P ( A B ) P ( ) 0
Luego, si A y B son mutuamente excluyentes (en sentido que no pueden ocurrir ambos al mismo tiempo),
entonces la regla de la adición es la suma de ambas:
P ( A B ) P ( A) P ( B )
Solución:
Obtener un 4 y obtener un 5, son sucesos mutuamente excluyentes, puesto que al mismo tiempo no puede
dar un 4 y un 5. Por tanto, por la regla de la adición tenemos:
P (4 5) P (4) P (5)
1 1 2
P (4 5)
6 6 6
1
P (4 5)
3
La regla de la adición puede generalizarse para más de dos sucesos mutuamente excluyentes. La
probabilidad de que ocurran A o B o C es igual a la suma de sus probabilidades, es decir,
P ( A B C ) P ( A) P ( B ) P (C )
Solución:
P (1 3 5) P (1) P (3) P(5)
1 1 1 3
P (1 3 5)
6 6 6 6
1
P (1 3 5)
2
ESTADÍSTICA PARA PLANIFICACIÓN 188 José Montaño Romero
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 de un
caso, explorar y realizar pruebas complementarias ilustra este principio.
La condición que P ( B ) 0 , esto es necesario para una buena definición de probabilidad condicional. Es
de notar que, si A y B son sucesos independientes, la P ( A \ B ) es igual a la P ( A) .
Ejemplo 22: Se lanza un dado no cargado. Dado que el resultado es un número par, ¿cuál es la
probabilidad de que sea mayor que 3?
Solución:
Consideremos los conjuntos siguientes:
1, 2,3, 4,5, 6 (Espacio muestral)
A 4,5, 6 (Conjunto de resultados mayores que 3)
B 2, 4,6 (Conjunto de resultados pares)
A B 4, 6 (Conjunto de resultados pares mayores que 3)
Como el dado no es cargado, asignamos a cada punto muestral una probabilidad de 1/6; en consecuencia,
3 2
P( B) , P( A B)
6 6
Empleando la definición de probabilidad condicional, determinamos la probabilidad de obtener un número
mayor que 3 dados que es par.
P( A B)
P( A \ B)
P( B)
2
P( A \ B) 6
3
6
2
P( A \ B )
3
Este resultado queda comprobado por el hecho que de los tres resultados pares 2, 4, 6 , sólo dos son
mayores que 3.
ESTADÍSTICA PARA PLANIFICACIÓN 189 José Montaño Romero
Ejemplo 23: En Cochabamba, Bolivia, la probabilidad de que llueva el día primero de agosto es 0,50 y la
probabilidad de que llueva los dos primeros días de agosto es 0,40. Dado que llovió el día primero, ¿cuál
es la probabilidad de que llueva al día siguiente?
Solución:
Dados: P ( L1 ) 0, 50 , P ( L1 L2 ) 0, 40
Por la definición de probabilidad condicional.
P ( L1 L2 )
P ( L2 \ L1 )
P ( L1 )
0, 40
P ( L2 \ L1 )
0,50
P ( L2 \ L1 ) 0,80
1. P ( A B ) P ( A) P ( B ) , si A y B son independientes
2. P ( A B ) P ( A) P ( B \ A) , si A y B son dependientes
3. P ( A B ) P ( B ) P ( A \ B ) , si A y B son dependientes
Ejemplo 24: En un grupo de 25 personas hay 16 de ellas casadas y 9 solteras. ¿Cuál es la probabilidad de
que si dos de estas personas son seleccionadas aleatoriamente sean ambas casadas?
Solución:
La probabilidad de que sea casada la primera persona es: 16 / 25 . Pero al seleccionar la segunda persona
quedan 24 posibles ya que una ha sido seleccionada. Ahora dado que la primera persona seleccionada es
casada, entonces quedan 15 casadas posibles para la segunda selección. Por lo tanto, la probabilidad de
que la segunda sea casada dado que la primera fue casada es 15 / 24 . Es decir,
16 15
P ( A) , P ( B \ A)
25 24
P ( A B ) P ( A) P ( B \ A)
16 15 2
P( A B)
25 24 5
ESTADÍSTICA PARA PLANIFICACIÓN 190 José Montaño Romero
Sea B1 , B2 ,..., Bn una participación de tal que P ( Bi ) 0 , y sea A un evento tal que P ( A) 0 .
Entonces para cada j 1, 2,..., n
P( A \ B j ) P( B j )
P ( B j \ A) n
P( A \ B ) P( B )
i 1
i i
Ejemplo 25: En una fábrica hay dos máquinas, que denotaremos por A y B. La máquina A realiza el 60%
de la producción total y la máquina B el 40%. De su producción, la máquina A produce 3% de material
defectuoso, la B el 5%. Se ha encontrado un material defectuoso, ¿cuál es la probabilidad de que este
material defectuoso provenga de la máquina B?
Solución:
Sean los eventos
A = La máquina A produjo el material escogido
B = La máquina B produjo el material escogido
D = El material escogido es defectuoso
P( B \ D) ?
60 40 3 5
P ( A) , P( B ) , P ( D \ A) , P( D \ B)
100 100 100 100
P( D \ B) P( B)
P( B \ D)
P ( D \ A) P ( A) P ( D \ B ) P ( B )
5 40
P( B \ D) 100 100
3 60 5 40
100 100 100 100
10
P ( B \ D)
19
Ejemplo 26: En un laboratorio se descubrió una prueba para detectar cierta enfermedad, y sobre la
eficacia de dicha prueba se conoce lo siguiente: Si se denota por E el evento de que un paciente tenga la
enfermedad y por N el evento de que la prueba resulte negativa, entonces se sabe que P ( N c \ E ) 0, 95 ,
P ( N \ E c ) 0, 96 y P ( E ) 0, 01 . Con esta información calcular las probabilidades P ( E \ N ) y
P( E \ N c )
Solución:
Tenemos los datos siguientes:
P ( N \ E ) 0, 05 , P ( E ) 0, 01 , P ( N \ E c ) 0,96 y P ( E c ) 0, 99
ESTADÍSTICA PARA PLANIFICACIÓN 191 José Montaño Romero
P( N \ E ) P( E )
P( E \ N )
P( N \ E ) P( E ) P( N \ E c ) P( E c )
0, 05(0, 01)
P( E \ N )
0, 05(0, 01) 0, 96(0, 99)
P ( E \ N ) 0, 000526
P ( N c \ E ) 0, 95 , P ( E ) 0, 01 , P ( N c \ E c ) 0, 04 y P ( E c ) 0, 99
P( N c \ E ) P( E )
P( E \ N c )
P( N c \ E ) P( E ) P( N c \ E c ) P( E c )
0, 95(0, 01)
P( E \ N c )
0,95(0, 01) 0, 04(0, 99)
P ( E \ N ) 0,193
c
Esta última probabilidad es demasiado pequeña y por lo tanto la prueba no es muy confiable en tales
casos.
Es una variable cuyos valores numéricos quedan determinados por los resultados de un experimento. Por
ejemplo, la variable X que representa el número de caras obtenidas al lanzar tres monedas es una variable
aleatoria. Debe indicarse entre la variable aleatoria y los valores numéricos que ella puede tomar, para el
cual designaremos la variable aleatoria por la letra mayúscula X y un valor que ella tome por la letra
minúscula x.
Ejemplo 27: Se lanzan tres monedas y se obtienen el número caras. Represente en una tabla la
probabilidad de obtener el número de caras.
Solución:
Experimento: Lanzar tres monedas
Variable aleatoria: Número de caras que resulten
Espacio muestral; = CCC , CCS , CSC , CSS , SCC , SCS , SSC , SSS
X: Número de caras obtenidas en el lanzamiento: X 0,1, 2,3
La variable aleatoria toma diferentes valores dependiendo del resultado del experimento aleatorio; según
el tipo de valor que toma las variables pueden ser: discretas, reales y continuas.
Las variables discretas son aquellas cuyo s valores son números enteros.
Las variables reales son las que toman valores decimales.
Las variables continuas son las que toman valores en un intervalo.
Ejemplo 28: Del ejemplo anterior represente la distribución para el valor de la variable:
Xi ni P( X X i ) P( X X i )
0 1 0,125 0,125
1 3 0,375 0,500
2 3 0,375 0,875
3 1 0,125 1,000
1,000
Es el valor promedio probabilístico asociado con el valor de una variable y se obtiene multiplicando cada
valor posible de la variable aleatoria X por su probabilidad de ocurrencia. La esperanza matemática de X,
designada por E ( X ) , es la suma de estos productos.
i 1 i 1
E ( X ) P ( X i ) X i , con P( X ) 1
i
m m
Ejemplo 29: Una caja contiene 3 bolitas negras y 7 blancas. Se saca una bolita de la caja; si ésta es negra
usted gana $us 2, pero si es blanca usted pierde $us 1. ¿Cuál es la esperanza matemática de este juego?
Solución:
Ilustramos la caja:
X Ganancia o pérdida
P ( x) Probabilidad
Xi P ( xi ) X i P ( xi )
+2 3/10 6/10
-1 7/10 -7/10
-1/10
E ( X ) 1 /10 0,1
La esperanza matemáticas de este juego es una pérdida de 0,10
Ejemplo 30: Se lanza 3 monedas simultáneamente, ¿cuál es la esperanza matemática de obtener 1 cara o
más?
Solución:
Designamos: C = Cara, S = Sello.
Obtenemos el espacio muestral y reflejamos en el siguiente cuadro:
ESTADÍSTICA PARA PLANIFICACIÓN 193 José Montaño Romero
Este mismo cuadro representamos de manera resumida en otro cuadro que permita obtener la esperanza
matemática o el valor esperado, mediante la multiplicación del número de caras ( x ) por la probabilidad
de ocurrencia de cada uno de los eventos obtenidos.
Xi P ( xi ) X i P ( xi )
0 1/8 0
1 3/8 3/8
2 3/8 6/8
3 1/8 1/8
12/8
E ( X ) 12 / 8 1,5
La esperanza matemática es 1,5 caras.
Para determinar la media, se debe multiplicar cada valor de x por su respectiva probabilidad. La media de
la distribución, designada por letra griega , es la suma de estos productos. En símbolos se tiene,
X i P( xi )
V ( X ) ( X i ) 2 P( xi )
V (X )
Ejemplo 31: Se lanza tres monedas simultáneamente, ¿cuál es la media de obtener 1 cara o más, la media
o esperanza matemática, la varianza y la desviación estándar?
ESTADÍSTICA PARA PLANIFICACIÓN 194 José Montaño Romero
Solución:
Procedemos a calcular el cuadro siguiente, para determinar la media y la desviación estándar, según las
fórmulas siguientes:
X i P( xi ) , V ( X ) ( X i ) 2 P( xi ) , V (X )
Xi P ( xi ) X i P ( xi ) Xi ( X i )2 ( X i ) 2 P ( xi )
0 1/8 0 -12/8 144/64 144/512
1 3/8 3/8 -4/8 16/64 48/512
2 3/8 6/8 4/8 16/64 48/512
3 1/8 1/8 12/8 144/64 144/512
12/8 384/512
Ejemplo 32: Una variable aleatoria discreta tiene la siguiente función de probabilidad:
X -2 -1 0 1 2 3
P( x) 0,08 0,21 0,1 0,23 0,04
Solución:
a) Si P es una función de probabilidad la suma de todas ha de ser 1. Por tanto, el dato que falta es:
1 0, 66 0,34
c) Procedemos a calcular el cuadro siguiente, para determinar la media, la varianza y la desviación típica,
según las fórmulas siguientes:
X i P ( xi ) , V ( X ) ( X i ) 2 P( xi ) , V (X )
ESTADÍSTICA PARA PLANIFICACIÓN 195 José Montaño Romero
Xi P ( xi ) X i P ( xi ) Xi ( X i )2 ( X i ) 2 P ( xi )
-2 0,08 -0,16 -2,55 6,5025 0,5202
-1 0,21 -0,21 -1,55 2,4025 0,5045
0 0,1 0,00 -0,55 0,3025 0,0302
1 0,34 0,34 0,45 0,2025 0,0688
2 0,23 0,46 -0,32 0,1024 0,0236
3 0,04 0,12 2,45 6,0025 0,2401
0,55 2,0066
Varianza: V ( X ) ( X i ) 2 P( xi )
V ( X ) 2, 0066
Desviación estándar: V (X )
2, 0066
1, 4165
X P( x)
1 0,30
3 0,10
5 0,40
7 0,20
Solución:
Procedemos a calcular el cuadro siguiente, para determinar la media, la varianza y la desviación estándar:
Xi P ( xi ) X i P ( xi ) Xi ( X i )2 ( X i ) 2 P ( xi )
1 0,30 0,30 -5,00 25 7,50
3 0,10 0,30 -3,00 9 0,90
5 0,40 2,00 -1,00 1 0,40
7 0,20 1,40 1,00 1 0,20
6,00 9,00
Varianza: V ( X ) 9, 00
Desviación estándar: 9, 00
3, 00
ESTADÍSTICA PARA PLANIFICACIÓN 196 José Montaño Romero
PRÁCTICA N° 6
1. ¿De cuántas formas se pueden cruzar un río una vez, si se cuenta con 1 bote y 2 barcos?
3. Dos viajeros llegan a una ciudad en la que hay 3 hoteles, ¿De cuántas maneras pueden hospedarse si
cada uno debe estar en un hotel diferente?
4. Tres hermanos quieren tomarse una fotografía y desean saber de cuántas formas diferentes pueden
ordenarse.
5. Cuatro amigos quieren tomarse una fotografía y desean saber de cuántas formas diferentes pueden
ordenarse.
6. Con las letras de la palabra “libro”, ¿cuántas palabras se pueden hacer sin repetir?
7. En una clase de 35 alumnos se quiere elegir un comité formado por tres alumnos. ¿Cuántos comités
diferentes se pueden formar?
8. ¿De cuántas formas pueden mezclarse los siete colores del arco iris tomándolos de tres en tres?
9. A una reunión asisten 10 personas y se intercambian saludos entre todos. ¿Cuántos saludos se han
intercambiado?
10. Una persona desea invitar a 5 de sus amigos entre un grupo de 8 amistades. ¿De cuántas maneras
puede hacerlo en total?
14. un experimento consiste en lanzar simultáneamente una moneda y un dado. Enumerar los 12
elementos del espacio muestral.
18. la probabilidad de que llueva el 12 de octubre es 0,10; de que truene es 0,05 y de que llueva y truene
es 0,03. ¿Cuál es la probabilidad de que llueva o truene en ese día?
19. En cierta comunidad, la probabilidad de que una familia tenga televisor es 0,80, una máquina lavadora
es 0,50 y de que tengan ambos es 0,45. ¿Cuál es la probabilidad de que una familia tenga televisor o
máquina lavadora o ambas cosas?
20. La variable aleatoria: X : “número de hijos por familia de una ciudad” tiene la siguiente distribución
de probabilidad.
X P( x)
0 0,47
1 0,30
2 0,10
3 0,06
4 0,04
5 0,02
6 0,01
Se pide:
a) La media o esperanza matemática e interprete.
b) La varianza y desviación típica.
c) Si el ayuntamiento de la ciudad paga 2000 dólares por hijo e Y 2000 X , ¿Cuál es la distribución de
probabilidad?
d) La media, la varianza y desviación típica de Y .
X P ( X xi ) pi
0 0,20
1 a
2 b
3 0,30
Además, se pide:
a) La media o esperanza matemática e interprete.
b) La varianza y desviación típica.
ESTADÍSTICA PARA PLANIFICACIÓN 198 José Montaño Romero
X P ( X xi )
1 0,30
2 0,25
3 0,10
4 0,35
Se pide:
a) La media o esperanza matemática e interprete.
b) La varianza y desviación típica.
23. Con la variable aleatoria X, cuya función de probabilidad viene dada en la tabla siguiente:
X P( x)
10 0,10
12 0,30
14 0,25
15 0,14
17
20 0,15
Se pide:
a) La media o esperanza matemática e interprete.
b) La varianza y desviación típica.
24. Con la variable aleatoria X, cuya función de probabilidad viene dada en la tabla siguiente:
X P( x)
20 0,10
30 0,12
40
50 0,25
60 0,30
70 0,15
Se pide:
a) La media o esperanza matemática e interprete.
b) La varianza y desviación típica.
25. En ocasiones algunas líneas aéreas venden más billetes de los disponibles en un vuelo. Una compañía
ha vendido 205 billetes que corresponden a un avión con 200 plazas. Sea X la variable aleatoria
correspondiente al número de pasajeros que se presentan en el aeropuerto para viajar en el avión.