ESTADSTICA

Y
PROBABILIDAD
Dr.Adrin
Canzin
Ao 2007
Estadstica y Probabilidad Dr. Adrin Canzin
Estadstica
Unidad 1 Estadstica Descriptiva (3 clases)
Unidad 2 Probabilidad (4 o 5 clases) es la ms difcil
Unidad 3 Variables Aleatorias : Discretas (3 clases)
Continuas (3 clases)
Unidad 4 Distribucin Normal
Unidad 5 Regresin Lineal (2 clases)
Para recuperar: 3 fechas de final
Bibliografa: Serie Schaun, Ejercicios apuntados a probabilidad.
Probabilidad, Estadstica. Probabilidad y Estadstica (Spiegel)
Estadstica Descriptiva
La idea bsica es organizar y presentar datos.
Datos Cualitativos. Se refiere a una cualidad, puede ser: (sexo, religin,
especie animal, etc.)
Ej. Alumnos que fuman en la clase de Estadstica
Alumnos que fuman 2
Alumnos que no fuman 24
Cualidad Frecuencia
Fuman 2
No fuman 24
26
Histograma o Grfico de Barras
Pgina 2 de 34
Datos
Cualitativos
Cuantitativos
Alumnos Fumadores
2
24
0
10
20
30
Fuman No Fuman
Estadstica y Probabilidad Dr. Adrin Canzin
Grfico de Torta
Datos cuantitativos. Se refiere a una cantidad, surge como resultado de
medicin (peso, dimetro de un eje, superficie de siembra, etc.)
Ej.: El peso de los alumnos de Estadstica.
70; 58; 57; 58; 63; 85; 56; 80; 70;70; 78; 64; 90; 76; 77; 59; 76; 63; 53; 50; 70;
73; 78; 74; 78; 68; 60; 65.
n = 29
Xmx = 90 R Rango de Variacin, se define como Xmx - Xmin
Xmin = 50 R = 90 - 50 = 40
Xm: es el punto medio del intervalo
Longitud del intervalo. Si no hay especificacin se usa esta frmula:

De lo contrario
Frecuencia del intervalo. (Fi) Cuenta los datos que entran en cada intervalo
Intervalo de clase
(Se le suma 7 a (li)
Xm Fi Fa Fr
[50; 57) 53,5 3 3 3/29
[57; 64) 60,5 8 11 8/29
[64; 71) 67,5 7 18 7/29
[71; 78) 74;5 6 24 6/29
[78; 85) 81,5 3 27 3/29
[85; 92) 88,5 2 29 2/29
Total 29
Pgina 3 de 34
2
24
Fuman
No Fuman
2
n
R
li
5
R
7 42 , 7
49
40
li
aproximado
La Posicin
6; 7; 8; 9
Estadstica y Probabilidad Dr. Adrin Canzin
Frecuencia Acumulada. (Fa) Se va acumulando hasta llegar al total n.
Ej.: Fi: 3 + 0 Fa = 3
3 + 8 Fa = 11
Frecuencia Relativa. (Fr) Se define como
Histograma o grfico de Barra:
Grfico de Frecuencia Acumulada:
Medidas
Las medidas son de Posicin y Dispersin.
Posicin. Es para una tendencia de los datos. Promedio, Media aritmtica.
a) Promedio.
X1 = 70
X2 = 58
X29 = 65
Pgina 4 de 34
n
Fi
( ) X
n
X X X X
X
n
+ + + +

...
3 2 1

n
x
X
n
1
1
1
07 . 68 X
.
.
.
3
8
7
6
3
2
0
2
4
6
8
10
50 57 64 71 78 85
3
11
18
24
27
29
0
5
10
15
20
25
30
35
50 57 64 71 78 85
Estadstica y Probabilidad Dr. Adrin Canzin
b) Mediana. (Me) es el dato que ocupa la posicin central.
X
i
(prima) son los que estn ordenados de menor a mayor
Intervalo de clase Xm Fi Fa Fr
[50; 57) 53,5 3 3 3/29 1 a 3
[57; 64) 60,5 8 11 8/29 4 a 11
[64; 71)
67,5 7 18 7/29
12 a 18
[71; 78) 74;5 6 24 6/29
[78; 85) 81,5 3 27 3/29
[85; 92) 88,5 2 29 2/29
c) Moda. (Mo). Es el dato con mayor frecuencia, a veces puede ser que exista
y otros no.
El.: Datos cualitativos
0
Fumador
1
No Fumador
(No tiene Sentido)
Dispresin. Es lo que se llama desvo estndar o desvo tpico.
Ej.:
A: $900; $1100
B: $10; $1990
C: $1000; $1000
A)
Podemos
medir cun
alejado
est del
promedio.
Pgina 5 de 34
15
29 X n

14 14
30 n

14 1
15
14
X
16 15
X X
5 . 15
2
16 15

15
70
14
68
13
65
12
64
70 Me
5 . 0 X
) (
2
1
1
2
) (
1

'

n
i
X Xi
n

1000 B X
1000 C X
1000 A X
100 1000 900
1 2
X X d 10000 ) 100 (
2 2
1
d
100 1000 1100
2 2
+ X X d 10000 ) 100 (
2 2
2
+ d
100 A
0
2
2 1

+ d d
0
2 1

+ + +
n
d d d
n

0
2 2
2
2
1

+ + +
n
d d d
n

Estadstica y Probabilidad Dr. Adrin Canzin

Siempre que est calculado el promedio, da cero
Pgina 6 de 34
Estadstica y Probabilidad Dr. Adrin Canzin
B)
C)
En este caso el desvo estndar da cero
Para la calculadora
Medidas de Posicin y Dispersin para Datos Agrupados
Intervalo de clase Xm Fi Fa
[50; 57) 53,5 3 3 1 a 3
[57; 64) 60,5 8 11 4 a 11
[64; 71) 67,5 7 18 12 a 18
[71; 78) 74;5 6 24
[78; 85) 81,5 3 27
[85; 92) 88,5 2 29
29
Posicin
Dispersin
Moda Mo: Es la Xm que tiene mayor frecuencia, en este caso sera
Mop=60.5
Pgina 7 de 34
900 1000 100
1 1
X X d
900 1000 1990
2 2
+ X X d
0
2
2 1

+ d d
X n
n n
n
n n
E
X
+ + + + ) ... 2 1 (
1 1
* ... *
1
* 2
1
* 1
) (
0 1000 1000
2 2
X X d
0 C
X
n
X n X
1
1

n X
n

1
2 2
1

+ +
n
d d
n

s=poblaciones
Esto se usa para hacer muestras en la
calculadora
Me
29
2 5 . 88 8 5 . 60 3 5 . 53 + + +

p X
47 . 68 p X

K
l
p Xme fl
n
X
1
1
-K= N de intervalo
2
1
1
2
) (
1

'

K
l
p p
X Xne fe
n

68 . 9
p

Estadstica y Probabilidad Dr. Adrin Canzin

Mtodo grfico de frecuencia acumulada
a: extremo inferior del intervalo donde cae la media
n: Cantidad de datos
fa: Frecuencia acumulada del intervalo anterior al de la mediana
fi: Frecuencia del intervalo de la mediana (Me)
li . Longitud del intervalo
Grupo
A: $900; $1100
B: $10; $1990
C: Kg. 50; 60; 70
Coeficiente de Variacin: Elimina las unidades y compara slo nmeros
Pgina 8 de 34
Mep
67.5
Met. Graf. Ac. Me= 67.5 67.5 67.5 67.5
12 12 12 12
3
11
18
24
27
29
0
5
10
15
20
25
30
35
50 57 64 71 78 85
5 . 14
2 2
29 n
67.5
64 a
29 n
11 fa
7 fi
7 li
5 . 67
7
11
2
29
64

,
_

+
Mep
li
fi
fa
n
a :
2

,
_

+
1000 A X
1000 B X
1000 C X
100
990
16 . 8
x
C
V

x
C
V

% 10 100 * 1 . 0
1000
100

VA
C
% 99 100 * 99 . 0
1000
990

VB
C
% 6 . 13 100 * 136 . 0
60
16 . 8

VC
C
La unin de 2 sucesos A y B son
incompatibles, disyuntivos o excluyentes i
3
1
6
2
) 3 _ _ (

de mltiplo
P
Estadstica y Probabilidad Dr. Adrin Canzin
Probabilidad
Clculo de la posibilidad de que se produzca un suceso. Viene dada por un
cociente entre el nmero total de casos favorables y el nmero de casos
posibles en un suceso aleatorio. Si la probabilidad vale 1, se entiende que el
suceso es seguro; si vale 0, el suceso es imposible.
Experimento aleatorio: (resultado)
Ej.:
Tirar una moneda {cara, ceca}
Tirar un dado {1,2,3,4,5,6}
Espacio Muestral o Universo: Se llama al conjunto de todos los resultados
posibles.
Ej.: C = cara S = ceca
Tirar una moneda 2 veces {(c,c); (c,s); (s,c); (ss)}
Tirar un dado 2 veces (1,1); (2,1); ; (6,1)
(1,6); (2,6); ; (6,6)
Definicin Clsica de Probabilidad: (Laplace)
Ej.: Se tira una moneda ideal. La probabilidad de que salga cara, ser?
Se tira un dado ideal. La probabilidad de que salga un nmero mltiplo de 3 es:
Ej.: Se tira una moneda. Cul es la probabilidad que salga cara?
Pgina 9 de 34
Experimento
Determinista (sabemos que va a ocurrir y
conocemos el resultado)
Aleatorios (No sabemos que va a ocurrir)
Genera resultados
P
(A)
=
n casos favorables
n casos posibles
Frmula Particular. Se usa
siempre y cuando todos los
resultados sean equiparables
Tiene el peso equivalente. Pesa igual de los dos lados
( )
2
1

cara
P
2
1
) (

A
p
No es vlida la frmula que da Laplace si la moneda
est cargada (que pesa ms de un lado que del
otro)
La unin de 2 sucesos A y B son
incompatibles, disyuntivos o excluyentes i
n
Na
) (
) (
) (
1 1
A
A
a
P P P +
Estadstica y Probabilidad Dr. Adrin Canzin
Na: Nmero de veces que ocurre el suceso
N al azar: 0, 1, 2, 3, 4 Cara
5, 6, 7, 8, 9 Ceca
La moneda cargada: 0, 1, 2, 3, 4, 5 Cara
5, 6, 7, 8, 9 Ceca
Definicin axiomtica:
Consecuencias:
a)
b)
c)
d)
Pgina 10 de 34
lim ) (

n
A
P
10 100 1000 1000
0.6
0.5
0
) (

A
P
1
) (

E
P
) ( ) ( ) ( B A B A
P P P +

E: Universo
I
II
III Frmula
Particular
La unin de 2 sucesos A y B son
incompatibles, disyuntivos o excluyentes i
A
B
1 0
) (

a
P
A
: A
Conjunto Suplemento
A A E :
) (
) (
A A
E
P P

0
) (

P
Conjunto Vaco. No hay elementos
) (
) ( ) ( ) ( ) ( B A B A B A
P P P P

+
Frmula
General
) (
) (
) / (
B P
B A P
B A P

Estadstica y Probabilidad Dr. Adrin Canzin

Modelos Probabilsticos: Asigna la probabilidad a cada uno; tienen que cumplir
con los 3 axiomas para que sea un modelo probabilstico, si o si, de lo contrario
no se lo considera modelo probabilstico.
Ej.: Tirar un amoneda
A B C D
P
(cara)
=1/2 P
(cara)
=2/3 P
(cara)
=2/3 P
(cara)
=100
P
(ceca)
=1/2 P
(ceca)
=1/3 P
(ceca)
=1/2 P
(ceca)
=99
P
(E)
:1 P
(E)
:1
Qu modelo intentar para este dado? P
(1)
; P
(2)
; P
(3)
; P
(4)
; P
(5)
; P
(6)
1 punto pesa 1gr. de Plomo.
Probabilidad Condicional
Sean A y B dos sucesos de Conjunto Universo (E). Supongamos que ocurri B:
Ejemplo:
Boca
Otro
Equipo
Mujeres 2 0 2
Hombres 12 14 26
14 14 28
Pgina 11 de 34
Moneda ideal de
Laplace

g
m 0
Hay gravedad
Averiguar:
Probabilidad que B
ocurri
Probabilidad que B
ocurri
Se calcula sobre el total
Intersecciones
Universo
x x
x
x
x
x
28
26
28
12
) (
) (

B
B A
P
P
6
3
) / (
1 2

N B
P
Estadstica y Probabilidad Dr. Adrin Canzin
A: Es hincha de Boca No es incha
B: Es hombre Es mujer
Ejemplo: Sale una persona al azar y es hombre. Cul es la probabilidad que
sea hincha de boca?
Ejemplo: Se extraen al azar 2 boletas. Calcular:
1) La probabilidad de que ambas sean blancas
2) La probabilidad de una sea blanca y otra negra
1) Qu podemos calcular?
2) Qu podemos calcular?
Ejemplo: El mismo experimento pero con reposicin (independiente
sucesin)
1) E = {(b
1
,b
2
); (b
1
,n
2
); (n
1
,b
2
); (n
1
,n
2
)}
Pgina 12 de 34
: A
: B
) ( ) / (
) ( ) (
) (
*
A A B
B B A
B A
P P
P P
P

Frmula para hallar la

interseccin)
3b
4n
Experimento aleatorio: E {(b,b); (b,n); (n,n); (n,b)}
) (
2 1
B B
P

7
1
7
3
*
3
1
*
) ( ) / (
1 1 2

B B B
P P
7
3
) (
1

B
P
) (
2 1
N B
P

7
3
) (
1

B
P
6
4
) / (
1 2

B N
P
7
2
6
4
*
7
3
*
) ( ) / (
1 1 2

B B N
P P
3
1
6
2
) / (
2 1

B B
P
13
6
26
12
28
26
28
12
) (

B
P
7
2
7
4
*
6
3
*
) ( ) / (
1 1 2

N N B
P P
) (
2 1
B N
P

7
4
) (
1

N
P
[ ]
7
4
) ( ) ( ) (
2 1 2 1

B N N B ByN
P P
49
8
7
2
*
7
2
* 2
) ( ) (
2 1 2 1
+
B N N B
P P
49
9
7
3
*
7
3
:
) / ( ) ( ) (
1 2 1 2 1

B B B B B
P P P
7
3
) (
1

B
P
7
3
) / (
1 2

B B
P
AA
AA
Estadstica y Probabilidad Dr. Adrin Canzin
2)
Sucesos Independientes
A y B son independientes, si la probabilidad de interseccin es el producto de
las probabilidades.
Cuando A y B son independientes
Determinar si A y B son independientes
Determinar si A y C son independientes
Pgina 13 de 34
7
3
7
4
) ( ) / (
) ( ) / (
1 2
1 2


B N B
N B N
P P
P P
49
24
7
3
*
7
4
* 2
) (

ByN
P
) ( ) ( ) (
*
B A B A
P P P

Sucesos independientes cuando

hay interseccin entre A yB
A y
B
A
y B
A
y
B
Son independientes
Rojas
Negras
Blancas
Se elige al azar 1 bolita
A: La bolita blanca
B: La bolita es N 2
C: La bolita es rayada
1 2 3
1 2 3
1 2 3
9
3
9
3
9
1
) (
) (
) (

B
A
B A
P
P
P
9
3
*
9
3
9
1
) ( ) ( ) (
*
B A B A
P P P

Son Independientes
9
1
*
3
1
9
1

) ( ) ( ) (
*
C A C A
P P P

No Son Independientes
AA
AA
Estadstica y Probabilidad Dr. Adrin Canzin
1 situacin: No hay interseccin
2 situacin: Hay interseccin
Particulares 1 y 2
3 situacin:
Teorema de la Probabilidad Total de Bayes
(particulares)
1
2
Datos:
Dado A
i
Pgina 14 de 34
9
1
3
1
9
3
9
1
) (
) (
) (

B
A
B A
P
P
P
E
A B
) ( ) ( ) (
) ( ) (
0
B A B A
B A
P P P
P P
B A
+

A y B son compatibles
E
B
AA
) ( ) / (
) ( ) / (
) ( ) ( ) ( ) ( ) (
) ( ) ( ) (
*
B A B
A B A
B A B A B A
B A B A
P P
P P
P P P P P
P P P

A y B no son compatibles
E
B
AA
) ( ) ( ) ( ) ( B A B A B A
P P P P

+
) ( ) / ( ) ( ) / ( ) (
* *
A A B B B A B A
P P P P P

0 ) (
0 ) (

B
A P
Tener siempre en
cuenta estas
frmulas
generales
D
A
2
A
1
A
3
A
4
E A A A A
4 3 2 1
Aj Ai
) (
I
A
P
) / (
i
A D
P
[ ] ) ( ) ( ) ( ) ( ) (
4 3 2 1
A D A D A D A D P D P
) ( ) ( ) ( ) (
4 3 2 1
A D P A D P A D P A D P + + +
) ( ) / ( ) ( ) / ( ) ( ) / ( ) ( ) / ( ) (
4 4 3 3 2 2 1 1
* * * *
A A D A A D A A D A A D D
P P P P P P P P P + + +

n
i
AT AT D D
P P P
1
) ( ) / ( ) (
*
Frmula de la Probabilidad Total
Estadstica y Probabilidad Dr. Adrin Canzin
Segn Bayes ocurre el suceso D
Ejemplo: Una empresa tiene 2 proveedores. El proveedor A abastece el 48%
de las mercaderas, mientras que el proveedor B abastece el resto. Se sabe
que el 5% de las mercaderas de A son defectuosas, mientras que el 4% de las
mercaderas de B son defectuosas.
Se elige al azar (modelo de Laplace) una mercadera.
a) Calcular la probabilidad de que sea defectuosa.
b) Si es defectuosa, calcular la probabilidad de que sea del proveedor B.
1 Opcin:
2 Opcin: Hay 100,000 mercancas
Pgina 15 de 34

n
i
Ai Ai D
Ai Ai D
D
Ai D
D A
P P
P P
P
P
P
1
) ( ) / (
) ( ) / (
) (
) (
) / 1 (
*
*
Bayes
04 . 0
05 . 0
48 . 0
;
) / (
) / (
) (

B D
A D
A
P
P
P
B A E
B A
46 . 0
048 . 0
04 . 0 * 52 . 0
0448 . 0 04 . 0 * 52 . 0 005 . * 48 . 0
) / (
) (

+
D B
D
P
P
D
A B
E
D
2080 2400
49900 45600
52000 48000
46 . 0
4480
2080
) / (
0448 . 0
100000
4480
) (


D B P
D P
48000 A
52000 B
2400 % 5
45600 % 95
2080 % 4
49920 % 96
si
O si
Estadstica y Probabilidad Dr. Adrin Canzin
Variables Aleatorias
Experimentos: Se arroja una moneda ideal 2 veces: E{(c,c); (c,s); (s,c); (s,s)}
Se define la funcin: X = n de casos que ocurren en el experimento
Rango de la variable aleatoria son todos los posibles valores que puede tener
dicha variable aleatoria (ese rango aleatorio)
X 2 1 0
P
(X)
1
Ejemplo: V.A. contnua (V.A.C.)
Sea X una V.A.C. tal que la funcin de densidad de probabilidad: F
X
tal que
Pgina 16 de 34
R E X :
4
1
4
1
4
1
4
1
) , (
) , (
) , (
) , (

S S
C S
C C
C C
P
P
P
P
Si rango de la V. Aleatoria es finito o infinito
numerable V.A. es discreta.es infinito (a,b)
V.A. es contnua a; b (..)
Consultar con Mariano
{ }
2
1
) , ( ) , (
4
1
4
1
) , ( ) , ( ) 1 (
) , ( ) 0 (
) , ( ) 2 (
+

C S S C X
s s X
c c X
P P C S S C P P
P P
P P
0
X
F

+

dx Fx.
rea bajo toda la curva = 1
a
b
F
x
y
x

+

1 .Dx Fx
si
O si
Estadstica y Probabilidad Dr. Adrin Canzin
Distribucin Uniforme.
Sea a=1; b=6
Pgina 17 de 34
a b
Cta
y
x
Cta
b - a

x
F
Cte si
O si
) , (
) , (
b a X
b a X

ba
cte cte a b rea
1
* ) ( 1

x
F
si
O si
) 2 , 1 (
) 2 , 1 (

X
X

x
F
si
0
1
b a
) , ( b a X
) , ( b a X si
1 2
y
x
y=5
6
1 4
y
x
y=5
6
Estadstica y Probabilidad Dr. Adrin Canzin
a)
b)
c)
d)
Valor Medio (Esperanza) y Varianza de una Variable Aleatoria.
Sea x es V.A. discreta, se define Valor Medio;
Para el ejemplo de la moneda:
X O 1 2
P
(X)

Sea X una V.A. continua se define valor medio
Ejemplo: Sea X una V.A.D. que sume los valores 1, 2, 3, , n con la
probabilidad para cada uno de ellos
Pgina 18 de 34

x x x
d F p
5
1
5
1
* 1
) 2 (
x
1 3
y
y=5
6
10
5
3
5
1
* 3
) 4 5 . 0 (

< <x
P
0
) 10 (

> x
P
0
) 3 (

x
P
) ( ) ( ) ( ) ( d x c d x c d x c d x x
P P P P
< < < <

...) (
) (
x X E
X
1
4
1
* 2
2
1
* 1
4
1
* 0
) (
+ + +
X
E

X X X
d X F E * *
) ( ) (
n
1
[ ] X n
n n
n
n n n
E
X
+ + + + + + + ... 2 1
1 1
* ...
1
* 3
1
* 2
1
* 1
) (
Estadstica y Probabilidad Dr. Adrin Canzin
Propiedades de E
(X)
Ejemplo: Sea X/
x 0 1 2
P
(X)

2x-1 -1 1 3
P
(X)

Varianza de una V.A.D.
Para el ejemplo de la moneda:
X 0 1 2
P(X)
Propiedad
2x-1 -1 1 3
P
(X)

Pgina 19 de 34
b x aE b ax E + + ) ( ) (
1 1 1 * 2 1 ) ( * 2 ) 1 2 ( X E x E
1
4
1
*
2
1
* 1 1 * 1
) 1 2 (
+ +
x
E
Hallar
No hace falta hallar la nueva Variable Aleatoria
0 )) ( ( ) ( ) (
2 2 2
) ( ) (
X E X E E X E V
X X
1 ) ( X E

2
) (
2
X E
X
2
3
1
1
* 2
2
1
* 1
4
1
* 0
2 2 2
) (
+ +
X X
P
2
1
1
2
3
2
) (

x
V
X n
n n
n
n n
E
X
+ + + + ) ... 2 1 (
1 1
* ... *
1
* 2
1
* 1
) (
2 2 2 2
) ( ) (
) (
1 1
* ) * ( ) (

X X
n n
X X E X E V
X X
) ( * ) (
2
x V a b ax V + Sea el ejemplo de la moneda. Hallar
) 1 2 ( x V
0 ) ( b V
2
2
1
* 4 ) 1 2 ( x V
3
4
12
4
1
* 3
2
1
* 1
4
1
* ) 1 ( ) ) 1 2 ((
2 2 2 2
+ + x E
2 1 3
2
) (

X
V
Estadstica y Probabilidad Dr. Adrin Canzin
Sea X una V.A.D.
X a 1 -1 2
P
(X)
0.1 K 0.3 0.2 1
Hallar K y a / E
(x)
=1.2
Variable Aleatoria Binominal, Piosson
Experimento Aleatorio Binomial
Consta de los siguientes pasos:
Hay n ensayos xito lo que estoy buscando
Cada ensayo consta de
Fracaso Todo lo dems
La probabilidad de xito:
La probabilidad de fracaso:
Los resultados son independientes.
Cada V.A. Asociada a un experimento aleatorio binomial determinar Variable
Aleatoria Binomial.
Rango: 0; 1; 2;;n;
Ejemplo: Una moneda ideal se tira 2 veces
Pgina 20 de 34
4 . 0 1 2 . 0 3 . 0 1 . 0 + + + K K
2 . 1 2 . 0 * 2 3 . 0 * ) 1 ( 4 . 0 * 1 1 . 0 * + + + a
7 7 . 0 5 . 0 2 . 1 1 . 0 * a a
) , ( p n B x
i

n K 0
Variable
K n K
K x
q p
K
n
P

,
_

* *
) (
! )!* (
!
K K n
n
K
n

,
_

1 ! 0
) 1 ( * !

K K K
2

n
casos n x
4
1
2
1
*
2
1
*
2
2
2
1
2
1
*
2
1
*
1
2
0 2
) 2 (
) 1 (

,
_

,
_

,
_

,
_

,
_

,
_

x
x
P
P
4
1
2
1
*
2
1
*
0
2
2
1
, 2
2
1
2 0
) 0 (

,
_

,
_

,
_

'

,
_

x
P
Bi X P
5 n
constante es No
19
6
;
20
7
2 1
P P
Estadstica y Probabilidad Dr. Adrin Canzin
Ejemplo: Se extrae al azar 5 bolitas. Calcular la probabilidad de encontrar 2
rojas.
Esperanza y Varianza de una Variable Binomial
Para los ejemplos vistos arriba:
Pgina 21 de 34
6 Blancas
3 Negras
4 Verdes
7 Rojas
5 n
xito = roja
Fracaso = otro color
20
13
;
20
7
q P
Son independientes
xito = roja
Fracaso = otro color
Es Binomial No es Binomial
Con Reposicin Sin Reposicin
(
3 2
) 2 (
20
12
*
20
7
*
2
5
20
7
; 5

,
_

,
_

,
_

,
_

x
i
P
B x
16
11
*
17
12
*
18
13
*
29
2
*
20
7
* * * *
) 1 2 3 4 / 5 ( ) 1 2 3 / 4 ( ) 2 1 / 3 ( ) 1 / 2 ( ) 1 (

R R O O O R R O O R R O R R R
P P P P P

,
_

2
5
) (rojas
P
) , ( p n B x
i

i x
x E
) (
p n K q p
K
n
P
K n K
n
K
x
i
* ... * *
0
) (
+

,
_

q p n E E V
x
x
x
* * ... ) (
2
) (
) (
) (
2

)
2
1
, 2 (
i
B x
2
1
2
1
*
2
1
* 2
1
2
1
* 2
) (
) (


x
x
V
E
)
20
7
, 5 (
i
B x
80
91
20
13
*
20
7
* 5
4
7
20
7
* 5
) (
) (


x
x
V
E
1 3 5 6 7
Estadstica y Probabilidad Dr. Adrin Canzin
Variable Aleatoria Poisson

Ejemplo: El nmero de parabrisas rotos en la Autopista del Sol llegue a una
distribucin de Poisson con valor medio 3,1 por mes. Se pide que calcule las
siguientes probabilidades:
a) La probabilidad que (un nmero) en un mes, en particular, se denuncien
a lo sumo 1 parabrisas roto.
b) La probabilidad de que en un ao se denuncien 30 parabrisas rotos.
a) Y: n de parabrisas rotos en un mes
b) W: n de parabrisas rotos en un ao
La distribucin de Poisson como aproximacin a la binomial.
Pgina 22 de 34
Modelar fenmenos que
ocurren en la naturaleza
Desintegracin
radiactiva
N de llamadas que ingresan a
una central telefnica
Aproximacin a la
binominal
N de antecedentes que
ocurren en una autopista
Poisson
( )
!
*

2,..., 1, 0, : rango *
09 . 0 y 100
) ( ) (
) (
K
e Z
P Z V
Z E
Z P Y
P n
Z K
Z Y Y
Y

+

1397 . 0
! 1
* ) 1 . 3 (
045 . 0
! 0
* ) 1 . 3 (
1847 . 0
1 . 3 ; *
1 . 3 1
) 1 (
1 . 3 0
) 0 (
) 1 ( ) 0 ( ) 1 (


+

e
P
e
P
P P P
Z Z P Y
Y
Y
Y Y Y
034 . 0
! 30
* ) 2 . 37 (
2 . 37 1 . 3 * 12
2 . 37 30
) 30 (

e
P
X
P W
W
X
q p n V
p n E
p n Z P
P n
B X P Y P n Bi X
X
X
X
Z
* *
*
* con 01 . 0
: calcular 100
) 002 . 0 ; 1000 ( : Ejemplo ) , (
) (
) (
) 1 (

1 3 5 6 7
Estadstica y Probabilidad Dr. Adrin Canzin
Variable Aleatoria Uniforme
Distribucin Uniforme
Caracterizado por sus extremos a y b
Supongamos
Pgina 23 de 34
( ) ( )
o) (aproximad 2706705 . 0
! 1
* 21
) 1 (
0270670857 . 0 998 . 0 * 002 . 0
1
1000
) 1 ( 2 002 . 0 * 1000
2 1
999 1

,
_

e
Y P
X P X

'

'

b) (a, x si
a - b
1

b) (a, x si o
b) (a, x si cte
) (x f
a b
cte
cte
( )
a b
cte
cte a b

1
1 * rea

'

0
(1,6) si
5
1
(x) si

>

< < < <

<

7
) 7 (
3
3
) 0 3 (
5
3
) 5 3 ( ) 5 3 ( ) 5 3 ( ) 5 3 (
3
) ( ) 3 ( ) 3 (
* ) ( 0
* ) (
) ( 4 . 0
5
1
* 2
4 . 0
5
1
* 2
dx x f P
dx x f P
dx x f P P P P
dx f P P
x
x
x x x x
x x x
1 3 5 6 7
5
1
2 2

'

curva la toda bajo

0
0 ) (x f
2
*
2
1
*
* 2
1
) (

,
_

x
e x f
1
) 5 . 4 (

< Z
P
Estadstica y Probabilidad Dr. Adrin Canzin
Distribucin Normal o de Gauss: Caracterizada por sus parmetros. Es una
funcin cuyo rango es de (-; +)
Distri bucin Normal Estndar:
Es siempre simtrica
Hallar
Pgina 24 de 34

+3
+3

(promedio)
Se usan tcnicas de
aproximacin
NO se puede integrar
1
0
) 1 , 0 (

N Z

'

<
<
>
<
simetra) (por
1292 . 0 8708 . 0 1 P - 1
izquierda) la (a 8708 . 0
) 13 . 1 (
1.13) (Z
) 13 . 1 (
) 13 . 1 (
Z
Z
Z
P
P
P
1.13
-3 +3 0
-3
+3 0 4.5
57 . 0 ) ( / < a Z P a
0.57
a 0
5714 . 0 1 . 0 18 . 0 Por tabla a
( ) , N x
( )
( )
( ) 1 y 0 1 , 0 .
. 2
1
2
.
2
1


,
_

N Z e f
x
x
( )
( )
2

x
x
V
E
( ) ( )

<

<

,
_

<

<

,
_

<

<
<
>
680
47 . 0 Por tabla
32 . 0 ) (
680
) 680 ( ) 2
750
13 . 0 z Por tabla
45 . 0
750
750
45 . 0 ) 750 ( ) 1
55 . 0 ) 750 (
2
2
1
1
z
z z P
x
P x P
z z P
x
P x P
x P
x P
Estadstica y Probabilidad Dr. Adrin Canzin
Hallar
Distribucin Normal
Ejemplo:
Sea
32 . 0 ) 680 (
55 . 0 ) 750 ( / ) , (
<
>
x P
x P N x
Calcular y
Pgina 25 de 34
41 . 0 59 . 0 01 ) ( 59 . 0 ) ( / < > a z p a Z P a
0.59
a
0
0.41
-3
+3
0.55

750
0.45

( )
2
1
2
1
1
1
standard desvo :
1
promedio :

,
_

n
i
n
n
i
X xi
n
xi
n
X

) 659 , 10 ; 625 , 36 (
5022 , 0 0495 , 0 5517 , 0
) 19 ( ) 38 ( ) 38 19 ( )

< < < <
N X
x P x P x P a
( )
Contnua V.A. Discreta V.A

5 , 0 5 , 0 ( )
. .

+ < <

b W a P b x a P
q p n
( ) 49 , 0 ; 1000 Bi x
Estadstica y Probabilidad Dr. Adrin Canzin
Aplicaciones de la Distribucin Normal
1) Como aproximacin a datos experimentales
2) Como aproximacin a la binomial
1) En base a los datos experimentales se puede sacar el promedio
Ejemplo: Se requiere ajustar una distribucin normal a
los siguientes datos experimentales

Ic Xm Fi
[10-20) 15 5
[20-30) 25 15
[30-40) 35 32
[40-50) 45 18
[50-60) 55 18
Calcular:
Aproximacin a distribucin binomial
Ejemplo:
Pgina 26 de 34
65877 , 10
625 , 36

n
X

( )
( )
( )
( )
q p n V
p n E
q p
k
n
P
n
p n Bi X
x
x
k n k
k x
. .
.
. .
,... 2 , 1 , 0 : Rango
, Sea

'

Distinto de 0
Valor
Medio
( )

'

p n
N W
p
. donde
,
normal n distribuci
una a aproxima se 5 , 0 si

cero
( )
( )
( ) 479 c)
480 b)
o complement

8 , 15 51 , 0 . 49 , 0 . 1000
490 49 , 0 . 1000 500 450 a)
>

< <
x P
x P
x P

( ) ( ) ( ) ( )
( ) ( )
( ) ( ) ( )
( ) ( )
( ) ( )
( ) ( ) ( )
( ) ( )
( ) ( ) ( ) ( )
( ) ( )
( ) ( ) ( )
( ) ( )
7454 , 0 2546 , 0 1
66 , 0 5 , 32
5 , 479 5 , 1000 5 , 1000 5 , 479
5 , 0 1000 5 , 0 480 1000 480
1000 ... 481 480 479 c)
0197 , 0 2546 , 0 2743 , 0
66 , 0 60 , 0
5 , 479 5 , 480 5 , 480 5 , 479
5 , 0 480 5 , 0 480 480 x b)
7193 , 0 0062 , 0 7255 , 0
5 , 2 60 , 0
5 , 450 5 , 499 5 , 499 5 , 450
5 , 0 499 5 , 0 451 499 451
499 ... 452 451 500 450 a)

< <
< < < <
+ < <
+ + + >

< <
< < < <
+ < <

> <
< < < <
+ < <
+ + + < <
Z P Z P
W P W P W P
W P x P
x P x P x P x P
Z P Z P
W P W P W P
W P P
Z P Z P
W P W P W P
W P x P
x P x P x P x P
Estadstica y Probabilidad Dr. Adrin Canzin
Calcular:
Pgina 27 de 34
( ) ( ) ( )
( )
( ) ( ) ( )
( ) ( ) ( )
( )
( )
( )
n
n
X X
X
n
X V
n
X E
N
n
X X
X
X V X V X X V
X E X E X X E
N X X
N X N N X
n
n
n
n
n
n
n n n
*
*
1
*
2 1
*
2 1
2 2
1
1
1
2
2
2
1 2
2
1 2 1
2
2 1 2 1 2 1
2 1
2 2 2 1 1 1

donde
...

...
... si , particular En
...
...
;
...
9 3 3 arianza v
3 3 3 medio or val

; 3
; ; ... ; ; X ; ; Sea

+ +

+ +

+ +

+ +

+ + +
+ + +

+

( )
( )
( )
28 . 28 800 10 . 2 10 . 2
390 75 . 2 120 . 2 ; Permetro
24 2 Permetro mesa la de permetro el Calcular
10 ; 75 ancho" " :
10 ; 120 largo" " :
2 2 2 2
+
+
+

N
x
N Y Y
N X X
( )
( )
( )
n n n n n
bx a y y y d
bx a y y y d
bx a y y y d
+
+
+

2 2 2 2
1 1 1 1
( ) ( )
( ) ( ) + +
+ + +
2
2
1 1
2 2
2
2
1
,
n n
n
bx a y
bx a y d d d b a g
0
.
8 .
0
.
8 .

a g
a
a g
a
X bx Y a
v n
Y X n y x
b
x



.
. .
) (
1 1
Bx A F y y B A h x
x g
+ +

) ( ) (

( )
( )
n n n n n
Y B A X X X d
Y B A X X X d
+ +

1 1 1 1 1
Y b X A
V n
Y X n Y X
B
Y
i i
.
.
. .
) (

Estadstica y Probabilidad Dr. Adrin Canzin

Propiedades de la Distribucin Normal
Ejemplo: Se mide el largo y el ancho de un a
mesa.
Regresin
Lineal
Optimizacin
Pgina 28 de 34
x
x
x
x
x
x x
x
( )
i i
Y X
x
Y
D
2
D
1
( )
2 2
Y X
x
y
( )
n n
Y X

+ bx a y
( )
( )
( )
n n
Y X
;Y X
;Y X
;
ales experiment Datos
2 2
1 1
x
Y
D
1
D
2
( )
1 1
;Y X
( )
2 2
;Y X
( )
1 1
Y X
x D
1
D
2
x
( )
2 2
Y X
1 1

.
. .
2
) (
2
) (
) (
) (

y V
x V
y
x
b
V
V
b b b b
y
x
y
x
Estadstica y Probabilidad Dr. Adrin Canzin
Coeficiente de Pearson (-1 y 1)
Pgina 29 de 34
x
x
x
x
y
x
x
x
x
x
y
x
x
x
x
x
y
x
x
x
x
x
x
1
1
0
No tiene sentido plantear
una relacin lineal
Estadstica y Probabilidad Dr. Adrin Canzin
Notas
Pgina 30 de 34
Estadstica y Probabilidad Dr. Adrin Canzin
Notas
Pgina 31 de 34
Estadstica y Probabilidad Dr. Adrin Canzin
Notas
Pgina 32 de 34
Estadstica y Probabilidad Dr. Adrin Canzin
Notas
Pgina 33 de 34
Estadstica y Probabilidad Dr. Adrin Canzin
Bibliografa:
Serie Schaun, Ejercicios apuntados a probabilidad.
Probabilidad, Estadstica.
Probabilidad y Estadstica (Spiegel)
Composicin informtica y asesora didctica:
Prof. y Lic. Sergio Bessopeanetto
Realizacin: Abril 2007
Pgina 34 de 34