ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA:
Conjunto de métodos y prodecimientos que nos permite recolectar, sistematizar y presentar
datos, con el objetivo de predecir situaciones o fenomenos para la toma de decisiones.

POBLACIÓN (N):
Conjunto de elementos que guardan una caracteristica en común.

MUESTRA (n):
Subconjunto de la población (N) que debe guardar las mismas caracteristicas.

MUESTREO:
Forma o técnica empleada para seleccionar o extraer los elementos de una muestra.

• Muestreo no aleatorio ---------- Condicionado al criterio del investigador.

• Muestreo Aleatorio o probabilístico ------------ está dado por el azar o la probabilidad
usando algoritmos matemáticos de por medio.(números aleatorios) Ran# x 50 =
11,73 6,63…….

Variable estadística
Caracteristica objeto de estudio (objetivo de estudio planteado)

CLASIFICACIÓN DE LAS VARIABLES ESTADÍSTICAS

Se van a clasificar en dos:

1. Cuantitativas: Son aquellas sobre las cuales se les hace una asignación de un valor
de conjunto numérico: Estatura, Cantidad de……. Esta a su vez se clasifican en
continuas y discretas

• Continuas: Edad ---- 30,7 años, peso, masa, tiempo,

• Discretas: Conteo de elementos ------ cantidad de personas, cantidad de contagios,
cantidad de….. 33

2. Cualitativas: Son aquellas en las cuales se hace una descripción de rasgos o

cualidades de la problacion.
Estado civil
Género
Idioma
Carrera profesional
Color de piel
Raza
Nacionalidad
Religión
 • Nominales: estado civil, color de piel, genero ----- no se establece un orden de
jerarquía para la variable
• Ordinales: Nivel de escolaridad------ se establece un orden de jerarquía para la
variable.

Para organizar la información, se va hacer uso de de una tabla de frecuencias

Categorias (xi): Son las que nos permiten hacer la sistematizacion de la informacion a través
de un conteo de los elementos.

Frecuencia absoluta (fi): Cantidad de elementos que hay por categoría.

Frecuencia relativa (hi): Representación de la frecuencia absoluta en forma de %

Frecuencia absoluta acumulada(Fi):

Frecuencia relativa acumulada (Hi):

Representación gráfica:

• Histograma de frecuencias.
• Gráfico circular (%)
• Gráfico ojiva – Frecuencia absoluta

Datos agrupados

Se deben generar la cantidad intervalos para agrupar como la amplitud de los mismos de tal
forma que todos los datos queden incluidos en las categorias. Para esto se tiene lo siguiente:

Cantidad de intervalos:
Se calcula con la regla de Sturges:1 + 3,322 ∗ 𝑙𝑜𝑔𝑛

Amplitud
(𝒎á𝒙/𝒎í𝒏) 𝒓𝒂𝒏𝒈𝒐
Se calcula como: 𝒓𝒆𝒈𝒍𝒂 𝒔𝒕𝒖𝒓𝒈𝒆𝒔 = 𝒓𝒆𝒈𝒍𝒂 𝒔𝒕𝒖𝒓𝒈𝒆𝒔

Marca de clase xi
Es un valor que se calcula cuando se han agrupado los datos en intervalos. Por lo que se hace
necesario buscar un representante de dicho intervalo.

Tabla
Gráficos
** Análisis descriptivo

MEDIDAS DE TENDENCIA CENTRAL

Son un grupo de valores que “intentan” centralizar y describir con un único valor a la
distribución de los datos. Se espera que sean “los mejores representantes” . Entre la cuales se
encuentran las siguientes:

• Media aritmética o promedio

• Mediana
• Moda

?)
Media aritmética o promedio (𝝁 𝒐 𝒙

Es una medida que busca centralizar la información a través de un único valor. Se espera que
sea el mejor representante, ya que es una medida “facilmente influenciable” por datos
atípicos o extremos.

Para datos no agrupados y agrupados:

∑ 𝑥C ∗ 𝑓C
𝜇=
𝑁

En el caso de datos agrupados y sistematizados por una tabla de frecuencia, el xi es la marca

de clase.

Mediana (me)

Es un valor que divide a la distribución de datos en dos grupos de igual tamaño: Al 50% y
además no es una medida que se deje influenciar por los datos atípicos o extremos.

𝑁
𝑀𝑒 = = 35, 𝑒𝑠 𝑙𝑎 𝑝𝑜𝑠𝑖𝑐𝑖ó𝑛
2

Me = 39

El 50% de la demanda diaria en lotes de producción de componentes electrónicos para

impresioras laser estuvo entre 35 y 39

Moda (Mo)
Es el dato que tiene mayor frecuencia absoluta, además puede ocurrir que:

• Tenga una sola moda: Unimodal

• Tenga más de una moda: Multimodal
• No tiene moda
 MEDIDAS DE POSICIÓN

Son valores que dividen a la distribución de datos en grupos de igual tamaño. Este tamaño
responde a un % en particular que depende de la medida o posición que se esta calculando.

• Cuartiles
• Deciles
• Percentiles

Cuartiles( 𝑄P ): Son valores que dividen a la distribución de los datos en 4 grupos de igual
tamaño. Estos cuartiles dividen según los siguientes porcentajes:

𝑄Q = 25% mín-------- Q1
𝑄S = 50% y es equivalente a la mediana
𝑄U = 75%
𝑄W = 100%

Mín------------Q1=25%----------------Q2=Mediana=50%-------------Q3=75%---------------
Máx

Mín------------Q1=25%----------------Q2=Mediana=50%-------------Q3=75%---------------
Máx

Mín------------Q1=25%----------------Q2=Mediana=50%-------------Q3=75%---------------
Máx

Para datos no agrupados:

𝒌∗𝑵
𝑸𝒌 = , 𝒌 = 𝟏, 𝟐, 𝟑
𝟒
Q∗_`
𝑄Q = W
= 17,5 entonces 𝑸𝟏 = 𝟑𝟕

El 25% de la demanda diaria de los lotes de producción de los componentes para impresoras
laser estuvo entre 35 y 37
S∗_`
𝑄S = W
= 35 entonces 𝑸𝟐 = 𝟑𝟗

El 50% de la demanda diaria en lotes de producción de componentes electrónicos para

impresioras laser estuvo entre 35 y 39
 U∗_`
𝑄U = W
= 52,5 entonces 𝑸𝟑 = 𝟒𝟏

El 75% de la demanda diaria de los lotes de producción de los componentes para impresoras
laser estuvo entre 35 y 41

Para datos agrupados:

con k = 1, 2 y 3

12 − 9
𝑄Q = 10,9 + ∗ 0,8 = 𝟏𝟏, 𝟐
8

El 25% de los pesos que se registraron de los container estuvieron entre 10,1 y 11,2 ton

Deciles(𝐷P ): Son valores que dividen a la distribución de los datos en 10 grupos de igual
tamaño. Estos deciles dividen según los siguientes porcentajes:

𝐷Q = 10%
𝐷S = 20%
𝐷U = 30%
𝐷W =
𝐷g = 50% = 𝑄S =Mediana
𝐷h =
𝐷_ =
𝐷i =
𝐷j =90%

Mín----D1=10%-----D2=20%------D=30%-----D5=Q2=Mediana=50%-------D8=80%--------
--Máx

Para datos no agrupados:

𝒌∗𝑵
𝑫𝒌 = , 𝒌 = 𝟏, 𝟐, 𝟑, 𝟒, … . , 𝟗
𝟏𝟎
Percentiles(𝑃P ): Son valores que dividen a la distribución de los datos en 100 grupos de igual
tamaño. Estos percentiles dividen según los siguientes porcentajes:

𝑃Q = 1%
𝑃S = 2%
𝑃SU = 23%
𝑃WS = 42%
𝑃g` = 50% =𝐷g = 𝑄S =Mediana
𝑃_U = 73%
𝑃jj = 99%

Para datos no agrupados:

𝒌∗𝑵
𝑷𝒌 = , 𝒌 = 𝟏, 𝟐, 𝟑, 𝟒, … . , 𝟗𝟗
𝟏𝟎𝟎

Para datos agrupados:

MEDIDAS DE DISPERSIÓN

Mide la distancia que hay entre cada uno de xi con respecto de la media aritmética. Esto
implica analizar que dispersa es una distribucion de datos además que nos permite hacer la
comparativa entre poblaciones.

• Varianza 𝝈𝟐 𝒔𝟐
• Desviación 𝝈 𝒔

?)
Dependen de : Media aritmética o promedio (𝝁 𝒐 𝒙

Varianza 𝝈𝟐 𝒔𝟐
Varianza = 9,1634
Desviación = 3,0271
(𝝁 − 𝝈 , 𝝁 + 𝝈)

Intervalo
36,444 42,499

Media = 39,47142857

Aproximadamente el 70% de la demanada diaria en lotes de producción de los componentes

para impresoras laser estuvo entre 36 y 42

Aproximadamente el 70% de los pesos de los container que llegaron al puerto de cartagena
estuvo entre 11,01 y 13,85 ton

REGRESIÓN LINEAL Y CORRELACIÓN

Un modelo de regresión lineal, es un modelo que permite analizar y describir el nivel de

dependencia (que tanto influye) de una variable x (independiente) sobre otra variable y
(dependiente).

𝑥: variable independiente o variable explicativa

𝑦: variable dependiente o variable respuesta

Esto implicaría que el objetivo es obtener estimaciones (predicciones) de y a través de los

valores de x lo “más confiables posibles”.

Tipos de relación

• Lineal
𝒚 = 𝜷𝟎 + 𝜷𝟏 𝒙

Donde 𝜷𝟎 , 𝜷𝟏 son los estimadores del modelo de regresión lineal.

• Si 𝛽Q > 0, entonces hay una relación positiva entre las variables.

• Si 𝛽Q < 0, entonces hay una relación negativa entre las variables.

Esta relación entre las variables se puede evidenciar de forma gráfica a través de un diagrama
o gráfico de dispersión (nube de puntos)
𝒚 = 𝜷𝟎 + 𝜷𝟏 𝒙

A partir de la ecuacion de la recta como modelo de regresión lineal, entonces es necesario

calcular los valores de los estimadores: 𝜷𝟎 , 𝜷𝟏

Covarianza (𝒄𝒐𝒗𝒂𝒓𝒙𝒚 )

Medida de dispersión (varianza conjunta entre dos variables)

La covarianza es un valor que mide la dependencia lineal entre dos variables.

• Si hay relación lineal (directa) entre las variables, entonces la covarianza será
positiva. Entre “más grande” sea el valor de la covarianza implica mayor relación
entre las variables ( entre más alejada de cero )
• Si hay relación lineal (inversa) entre las variables, entonces la covarianza será
negativa. Entre “más grande” sea el valor de la covarianza implica mayor relación
entre las variables ( entre más alejada de cero )

∑ 𝑥𝑦
𝑆𝐶}~ = − 𝑥̅ 𝑦€ (𝑐𝑜𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎)
𝑁

relación entre x e y: inversa ----------- 0 ---------- relación entre x e y: Directa

La covarianza como indicador de dependencia lineal entre las variables tiene un problema:
Que depende de las unidades de medida.

Para medir la dependencia entre las variables y que no existan problemas por las unidades de
medida, se encuentra:

Coeficiente de correlación de Pearson (r)

Fuerte Relacion es débil Relacion es débil Fuerte

-1 -0,5 0 0,5 1

Perfecta Moderada No hay rel. Moderada Perfecta

Coeficiente de determinación (𝒓𝟐 )

Mide que tanta información (%) queda explicada por el modelo matemático planteado.

Regresión Exponencial

𝒚 = 𝑨 𝑹𝒙

El proceso para encontrar los estimadores del modelo de regresión exponencial, tendría que
llevarse acabo mediante la linealización de los datos.

𝒚 = 𝑨 𝑹𝒙

𝑙𝑜𝑔 𝑦 = log (𝑨 𝑹𝒙 )

𝑙𝑜𝑔 𝑦 = log(𝑨 ) + log ( 𝑹𝒙 )

𝑙𝑜𝑔 𝑦 = log(𝑨 ) + x log ( 𝑹)

𝒚 = 𝜷𝟎 + 𝜷𝟏 𝒙

𝑨 = 𝟏𝟎𝜷𝟎

𝑹 = 𝟏𝟎𝜷𝟏

𝑙𝑜𝑔 𝑦 = log(𝑨 ) + x log ( 𝑹)

 PROBABILIDAD

Espacio Muestral (S)

Conjunto de todos los posibles resultados de un experimento estadístico.

• Lanzamiento de un dado (legal)

𝑆 = {1, 2, 3, 4, 5, 6}

• Lanzamiento de una moneda (legal)

𝑆 = {𝐶𝑎𝑟𝑎 , 𝑆𝑒𝑙𝑙𝑜}

• Listar el conjunto de todos los divisores de 20

𝑆 = {±1, ±2, ±4, ±5, ±10, ±20}

• Sea 𝑆 = {𝑥 / 𝑥 U − 3𝑥 + 2 = 0}

𝑆 = {1, −2}

• Sea 𝑆 = {𝑥/ 𝑥 S + 4𝑥 − 5 = 0}

𝑆 = {1, −5}

• Se tiene el siguiente experimento: Lanzar una moneda y despues lanzar una segunda
vez si sale cara. Si sale sello en el primer lanzamiento, entonces se lanza un dado
una vez. Determinar el espacio muestral S: 8

𝑆 = {𝑐𝑐 , 𝑐𝑠 , 𝑠1 , 𝑠2 , 𝑠3 , 𝑠4, 𝑠5 , 𝑠6}

• Supongase que de un proceso de elaboración de baterias para celular, se

seleccionan aleatoriamente 3 de ellas (clasificación: N y D). Listar los elementos de
dicho experimento: 8

𝑆 = {𝐷𝐷𝐷 , 𝑁𝑁𝑁 , 𝐷𝑁𝐷 , 𝐷𝑁𝑁 , 𝑁𝐷𝑁 , 𝑁𝑁𝐷, 𝐷𝐷𝑁, 𝑁𝐷𝐷}

EVENTO

Subconjunto del espacio muestral

Sea A el evento de obtener un número mayor o igual 3 en en lanzamiento del dado:

𝐴 = {3,4,5,6}

Sea B el evento de obtener al menos 2 baterias defectuosas:

𝐵 = {𝐷𝐷𝐷, 𝐷𝐷𝑁, 𝑁𝐷𝐷, 𝐷𝑁𝐷}

Unión
Si A y B son dos sucesos cualesquiera, la unión de A y B se define como el suceso que
contiene todos los resultados que pertenecen a A, o a B a a ambos. Se simboliza como:
𝐴∪𝐵

Intersección
Si A y B son dos sucesos cualesquiera, entonces la intersección de A y B se defines como el
suceso que contiene a todos los resultados que pertenecen a ambos, A y B. Se simboliza
como: 𝐴 ∩ 𝐵

Complemento
El complemento de un suceso A, se define como el suceso que contiene a todos los
resultados del espacio muestral S que no pertenecen a A. Se simboliza como: 𝐴“ , 𝐴´

Ejemplo:

Se lanza una moneda (legal) tres veces. Determinar el espacio muestral S

𝑆 = {𝑐𝑐𝑐, 𝑠𝑐𝑐, 𝑐𝑠𝑐, 𝑐𝑐𝑠, 𝑐𝑠𝑠, 𝑠𝑠𝑐, 𝑠𝑐𝑠, 𝑠𝑠𝑠} 8

Definir los siguientes eventos:

• A como el suceso de obtener al menos una cara en los tres lanzamientos.

• B como el suceso de obtener una cara en el segundo lanzamiento.
• C como el suceso de obtener un sello en el tercer lanzamiento.
• D como el suceso de no obtener caras.

𝐴 = {𝑐𝑠𝑠, 𝑐𝑠𝑐, 𝑐𝑐𝑠, 𝑐𝑐𝑐, 𝑠𝑐𝑐, 𝑠𝑐𝑠, 𝑠𝑠𝑐 } 7

𝐵 = {𝑐𝑐𝑐, 𝑠𝑐𝑐, 𝑐𝑐𝑠, 𝑠𝑐𝑠} 4
𝐶 = {𝑐𝑐𝑠, 𝑐𝑠𝑠, 𝑠𝑐𝑠, 𝑠𝑠𝑠} 4
𝐷 = {𝑠𝑠𝑠} 1

• 𝐴“ = {𝑠𝑠𝑠}
𝐴“ = 𝐷

• 𝐵∩𝐷 = ∅

• 𝐴 ∪ 𝐶 = {𝑐𝑐𝑐, 𝑠𝑐𝑐, 𝑐𝑠𝑐, 𝑐𝑐𝑠, 𝑐𝑠𝑠, 𝑠𝑠𝑐, 𝑠𝑐𝑠, 𝑠𝑠𝑠}

𝐴∪𝐶 =𝑆

• 𝐵 ∩ 𝐶 = {𝑐𝑐𝑠, 𝑠𝑐𝑠}

• (𝐵 ∪ 𝐶 )“ = {𝑐𝑠𝑐, 𝑠𝑠𝑐 }

• 𝐵 ∪ 𝐶 = {𝑐𝑐𝑐, 𝑠𝑐𝑐, 𝑐𝑐𝑠, 𝑠𝑐𝑠, 𝑐𝑠𝑠, 𝑠𝑠𝑠}

• 𝐴 ∩ (𝐵 ∪ 𝐶 ) = {𝑐𝑐𝑐, 𝑠𝑐𝑐, 𝑐𝑐𝑠, 𝑠𝑐𝑠, 𝑐𝑠𝑠}

Un experimento consiste en lanzar un dado (legal) y despues lanzar una moneda (legal) una
vez si el numero en el dado es par. Si el número en el dado des impar, entonces la moneda
se lanza 2 veces. Determinar el espacio muestral S.

𝑆 = {1𝑐𝑐, 1𝑐𝑠, 1𝑠𝑐, 1𝑠𝑠, 2𝑐, 2𝑠, 3𝑐𝑐, 3𝑐𝑠, 3𝑠𝑐, 3𝑠𝑠, 4𝑐, 4𝑠, 5𝑐𝑐, 5𝑐𝑠, 5𝑠𝑐, 5𝑠𝑠, 6𝑐, 6𝑠 } 18

Definir los siguientes eventos:

• A como el suceso salga un número menor que 4 en el dado.

• B como el suceso de obtener 2 caras.
• C como el suceso de obtener al menos 2 sellos.

𝑆 = {1𝑐𝑐, 1𝑐𝑠, 1𝑠𝑐, 1𝑠𝑠, 2𝑐, 2𝑠, 3𝑐𝑐, 3𝑐𝑠, 3𝑠𝑐, 3𝑠𝑠, 4𝑐, 4𝑠, 5𝑐𝑐, 5𝑐𝑠, 5𝑠𝑐, 5𝑠𝑠, 6𝑐, 6𝑠 } 18

𝐴 = {1𝑐𝑐, 1𝑐𝑠, 1𝑠𝑐, 1𝑠𝑠, 2𝑐, 2𝑠, 3𝑐𝑐, 3𝑐𝑠, 3𝑠𝑐, 3𝑠𝑠} 10
𝐵 = {1𝑐𝑐, 3𝑐𝑐, 5𝑐𝑐 } 3
𝐶 = {1𝑠𝑠, 3𝑠𝑠, 5𝑠𝑠} 3

𝐴“ = {4𝑐, 4𝑠, 5𝑐𝑐, 5𝑐𝑠, 5𝑠𝑐, 5𝑠𝑠, 6𝑐, 6𝑠} 8

𝐴“ ∩ 𝐵 = {5𝑐𝑐 } 1
𝐴 ∪ 𝐵 = {1𝑐𝑐, 1𝑐𝑠, 1𝑠𝑐, 1𝑠𝑠, 2𝑐, 2𝑠, 3𝑐𝑐, 3𝑐𝑠, 3𝑠𝑐, 3𝑠𝑠, 5𝑐𝑐 }11
𝐵∩𝐶 = ∅
Dos eventos A y B son mutuamente excluyentes si 𝐴 ∩ 𝐵 = ∅, es decir que no tienen
elementos en común.

ALGUNAS OPERACIONES ENTRE CONJUNTOS:

1. 𝐴 ∩ ∅ = ∅
2. 𝐴 ∪ ∅ = 𝐴
3. 𝐴 ∪ 𝐴“ = 𝑆
4. 𝑆 “ = ∅
5. ∅“ = 𝑆
6. (𝐴“ )“ = 𝐴
7. 𝐴 ∩ 𝐴“ = ∅
8. (𝐴 ∪ 𝐵)“ = 𝐴– ∩ 𝐵–
9. (𝐴 ∩ 𝐵)“ = 𝐴– ∪ 𝐵–
10. LEYES DE DE MORGAN

Sea:

𝑆 = {𝑎, 𝑏, 𝑐, 𝑑, 𝑒, 𝑓, 𝑔}
𝐴 = {𝑎, 𝑏, 𝑐, 𝑑, 𝑒}
𝐵 = {𝑎, 𝑐, 𝑒, 𝑔}
𝐶 = {𝑏, 𝑑, 𝑒, 𝑓}

Conteo (combinatoria)

Principio multiplicativo (regla de la multiplicación generalizada)

Si una operación se puede realizar de 𝑛Q formas y para cada una de estas se puede llevar
acabo una segunda opción de 𝑛S formas y para cada una de estas 𝑛U formas y así
sucesivamente, entonces la cantidad de opciones o formas que se pueden realizar responde
a:
𝑛 = 𝑛Q × 𝑛S × 𝑛U × 𝑛W × … × 𝑛P

• Cuantos elementos hay en el espacio muestral del lanzamiento de un par de dados

una vez?

Dado 1 – 6 opciones
Dado 2 – 6 opciones

𝑛 = 6 × 6 = 36
Hay 36 opciones en dicho espacio muestral.

• 3 empresas desean contratar un empleado para cada una de las 4 áreas que tienen
en su deparatamento ¿cuántas oportunidades de empleo hay disponible?

𝑛 = 3 × 4 = 12

Hay disponibles 12 opciones

• Una persona va armar una torre de pc. Tiene la opción de comprar los procesadores
entre dos marcas, el disco duro de cuatro marcas diferentes, tarjeta de video de 3
marcas y un conjunto de accesorios de 5 marcas.

𝑛 = 2 × 4 × 3 × 5 = 120

• ¿Cuántas placas de automovil se pueden formar usando 3 letras seguidas de 4

números?

𝑛 = 27 × 27 × 27 × 10 × 10 × 10 × 10 = 196830000

• Una persona puede tomar culesquiera de las 5 rutas para ir de A a B; 4 rutas para ir
de B a C; 6 rutas para ir de C a D; Si para ir de A hasta D debe pasar de A – B, B – C y
de C- D, ¿Cuantas rutas hay disponibles?

𝑛 = 5 × 4 × 6 = 120

Hay disponibles 120 rutas para ir de A a D

 PERMUTACIÓN
El orden importa

• De cuántas formas se pueden ordenar las 4 letras x, y, z, a

xyza
yzax
zaxy
𝑛 = 4 × 3 × 2 × 1 = 24
4! = 4 × 3 × 2 × 1 = 24

• De cuántas formas se pueden ordenar las 5 letras w, x, y, z, a

𝑛 = 5 × 4 × 3 × 2 × 1 = 120
5! = 5 × 4 × 3 × 2 × 1 = 120

• ¿Cuántos números enteros diferentes de 3 dígitos se pueden formar con: 3,5,7,8, si

los dígitos no se pueden repetir.

357
573
753

Permutacion si no hay repeticion de los elementos:

• Si se toman todos los elementos: 𝒏!

𝒏!
• Si se toman los elementos en grupos (no todos los elementos): (𝒏/𝒓)!

Permutación con repetición:

›!
• ›œ ! ∗ ›•! ∗ ›ž! ∗ ›Ÿ !∗…∗› !

Suponga que de un grupo de 25 personas se deben elegir dos para los cargos presidente y
vicepresidente respectivamente. Determinar el número de formas posibles en los cuales se
pueden asignar estos dos cargos:

𝒏!
𝒏𝑷𝒓 =
( 𝒏 − 𝒓) !
 𝟐𝟓!
𝟐𝟓𝑷𝟐 = = 𝟔𝟎𝟎
(𝟐𝟓 − 𝟐)!

Cuántas claves de acceso se pueden obtener con los dígitos :

1, 1, 1, 2 , 4, 4, 4

𝑛 = 7, 𝑛Q = 3, 𝑛S = 1, 𝑛U = 3

7!
= 140
3! ∗ 1! ∗ 3!

1, 1, 2 , 4, 4, 4
Cuántas claves empiezan por 1?

𝑛 = 6, 𝑛Q = 2, 𝑛S = 1, 𝑛U = 3

6!
= 60
2! ∗ 1! ∗ 3!

Cuántas claves empiezan por 2?

𝑛 = 6, 𝑛Q = 3, , 𝑛U = 3

6!
= 20
3! ∗ 3!

Cuántas claves empiezan por 4?

𝑛 = 6, 𝑛Q = 3, 𝑛S = 1, 𝑛U = 2

6!
= 60
3! ∗ 1! ∗ 2!

Se ordenan en una fila 5 balotas rojas, 2 balotas blancas y 3 balotas azules. ¿de cuántas
formas se pueden ordenar?

𝑛 = 10, 𝑛Q = 5, 𝑛S = 2, 𝑛U = 3

10!
= 2520
5! ∗ 2! ∗ 3!
Combinación: No Importa el orden

𝑛!
𝑛𝐶𝑟 =
𝑟! (𝑛 − 𝑟)!

𝑛 𝑛!
£ ¤=
𝑟 𝑟! (𝑛 − 𝑟)!

Un estudiante tiene que elegir 7 de 10 preguntas para un examen. ¿de cuántas maneras
puede elegir las preguntas?

P1 P6
P2 P7
P3 P8
P4 P9
P5 P10

P1,p2,p3,p4,p5,p6,p7
P10,p3,p2,p4,p5,p7,p6

10 10!
£ ¤= = 120
7 7! (10 − 7)!

¿Y si las primeras 4 son obligatorias?

6 6!
£ ¤= = 20
3 3! (6 − 3)!

En una prueba de atletismo en la que participan 15 atletas se pueden clasificar 5 para la

final, ¿Cuántos grupos diferentes de finalistas se pueden formar?

15 15!
£ ¤= = 3003
5 5! (15 − 5)!

Cuántos números de 4 dígitos se pueden formar con las cifras: 1,2,3,4,5,6,7,8?

• Si se pueden repetir elementos: 9*9*9*9= 6561

 • Sin repetición: 3024

• ¿Sin repetición y además el último dígito debe ser 9? 336

• ¿si repetición y además el último dígito debe ser 9? 729

PROBABILIDAD DE UN EVENTO

La probabilidad de un evento A es la suma de la probabilidades de todos los puntos

muestrales (elementos) que tiene A. Por lo tanto:

0 ≤ 𝑝(𝐴) ≤ 1 𝑝(∅) = 0 𝑝 (𝑆 ) = 1

• Se lanza una moneda dos veces ¿Cuál es la probabilidad de que salga al menos un
sello?

𝑆 = {𝑐𝑐 , 𝑐𝑠 , 𝑠𝑐, 𝑠𝑠} 4

Se define el evento A como: Salga al menos un sello

𝐴 = {𝑐𝑠 , 𝑠𝑐 𝑠𝑠}

1 1 1 3
𝑝( 𝐴 ) = + + =
4 4 4 4

La probabilidad de que salga al menos un sello es de 75%

• Se carga un dado de forma que sea dos veces más probable que salga un número
par que uno impar. Si B es el evento de que ocurra un número menor que 4 en un
solo lanzamiento, calcular la 𝑝(𝐵)

W
calcular la 𝑝(𝐵) = j

𝑆 = {1,2,3,4,5,6}

𝐵 = {1,2,3}
 1 2 1 4
𝑃 (𝐵 ) = + + =
9 9 9 9

La probabilidad de que ocurra un número menor que 4 en un solo lanzamiento es de 44,44%

• Un expermiento aleatorio puede producir uno de los siguientes resultados:

𝑆 = {𝑎, 𝑏, 𝑐, 𝑑 } con probabilidades de 0,1 , 0,5 0,3 y 0,1 respectivamente:
Sea 𝐴 = {𝑎, 𝑏}
Sea 𝐵 = {𝑏, 𝑐, 𝑑 }
Sea 𝐶 = {𝑑 }

𝑃(𝐴) = 0,6 → 60%

𝑃(𝐵) = 0,9 → 90%
𝑃(𝐶 ) = 0,1 → 10%
𝑃(𝐴´) = 0,4 → 40%
𝑃(𝐴 ∩ 𝐵) = 0,5 → 50%
𝑃(𝐴 ∩ 𝐶 ) = 0 → 0%
𝑃(𝐵 ∪ 𝐶 ) = 0,9 → 90%
𝑃(𝐶´) = 0,9 → 90%

Si un experimento puede tener como resultado cualquiera de de N diferentes resultados

igualemente probables y si exactamente n de estos resultados corresponden (por ejemplo)
al evento A, entonces:

𝑛 #𝑐𝑎𝑠𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠
𝑝( 𝐴 ) = =
𝑁 # 𝑐𝑎𝑠𝑜𝑠 𝑡𝑜𝑡𝑎𝑙𝑒𝑠

• Una urna contiene 2 balotas de color negro, 3 de color blanco, 4 de color rojo y 5
de color verde. Se extrae una balota de la urna, calcular la probabilidad de:

a) Obtener una balota de color blanco

3
𝑝( 𝐴 ) = = 0,21428 → 21,42%
14
La probabilidad de Obtener una balota de color blanco es de 21,42%

b) Obtener una balota no roja

4 5
𝑝(𝐵´) = 1 − = = 0,7142 → 71,42%
14 7

c) Obtener una balota blanca o verde

 3 5 4
𝑝( 𝐴 ∪ 𝑉 ) = 𝑝 ( 𝐴 ) + 𝑝 ( 𝑉 ) = + = = 0,5714 → 57,14 %
14 14 7

d) Obtener una balota roja o verde

4 5 9
𝑝( 𝐵 ∪ 𝑉 ) = 𝑝 ( 𝐵 ) + 𝑝 ( 𝑉 ) = + = = 0,6428 → 64,28 %
14 14 14

REGLA ADITIVA EN PROBABILIDADES

Si A y B son dos eventos o sucesos cualesquiera, entonces:

𝑝(𝐴 ∪ 𝐵) = 𝑝(𝐴) + 𝑝(𝐵) − 𝑝(𝐴 ∩ 𝐵)

Sin embargo, si A y B son dos eventos mutuamente excluyentes, entonces:

𝑝( 𝐴 ∪ 𝐵 ) = 𝑝( 𝐴 ) + 𝑝 ( 𝐵 )

• Se lanzan al aire 3 monedas equilibradas. Calcular la probabilidad de que salgan

dos caras y un sello.

1 1 1 3
𝑝 (𝐴 ) = + + =
8 8 8 8

la probabilidad de que salgan dos caras y un sello es de 37,5%

• ¿Cual es la probabilidad de que obtener un 7 o un 11 cuando se lanza un par de

dados?

𝐴 = 𝑆𝑎𝑙𝑔𝑎 7
𝐵 = 𝑆𝑎𝑙𝑔𝑎 11

6 1
𝑝( 𝐴 ) = =
36 6
2 1
𝑝( 𝐵 ) = =
36 18
1 1 2
𝑃 (𝐴 ∪ 𝐵 ) = + =
6 18 9
 la probabilidad de que obtener un 7 o un 11 cuando se lanza un par de dados es de
22,2%

• Se lanzan 2 dados y se suman sus resultados

Se definen los eventos: A que significa los casos en el que la suma sea par y B los casos en
los que la suma > 2 y sea número primo. Calcular la probabilidad de obtener en la suma un
número par o un número primo > 2

𝐴 = { } 18

𝐵 = { } 14

18 1
𝑝( 𝐴 ) = =
36 2
14 7
𝑝( 𝐵 ) = =
36 18
1 7 8
𝑃 (𝐴 ∪ 𝐵 ) = + =
2 18 9

la probabilidad de obtener en la suma un número par o un número primo > 2 es de 88,8%

• Se lanzan 2 dados y se suman sus resultados

Se definen los eventos: A que significa los casos en el que la suma sea par y D la suma sea
un múltiplo de 3. Calcular la probabilidad de obtener en la suma un número par o un número
primo > 2

𝐴 = { } 18

𝐷 = { } 12

18 1
𝑝( 𝐴 ) = =
36 2
12 1
𝑝( 𝐷 ) = =
36 3
18 12 6 2
𝑃 (𝐴 ∪ 𝐷 ) = + − =
36 36 36 3
la probabilidad de obtener en la suma un número par o un número primo > 2 es de 66,6%

PROBABILIDAD CONDICIONAL: EVENTOS DEPENDIENTES

Es la probabilidad de que ocurra un evento dado que sucedió otro, y se denota como:
Sean dos eventos A y B, entonces.

𝑝( 𝐴 ∩ 𝐵 )
𝑝(𝐵/𝐴) = , 𝑐𝑜𝑛 𝑝(𝐴) ≠ 0
𝑝 (𝐴 )

𝑝( 𝐴 ∩ 𝐵 )
𝑝(𝐴/𝐵) = , 𝑐𝑜𝑛 𝑝(𝐵) ≠ 0
𝑝 (𝐵 )

• Una urna contiene 4 balotas rojas y 5 blancas. De las 4 Rojas, se sabe que 2 tienen
una textura lisa y las otras una textura rugosa; de las 5 blancas, 4 son de textura lisa
y una rugosa. Se extrae una balota de la urna, sale roja ¿Cuál es la probabilidad de
que sea rugosa?

𝑝( 𝐴 ∩ 𝐵 )
𝑝(𝐴/𝐵) =
𝑝 (𝐵 )

𝐴 = 𝑆𝑎𝑙𝑔𝑎 𝑟𝑢𝑔𝑜𝑠𝑎
𝐵 = 𝑆𝑎𝑙𝑔𝑎 𝑟𝑜𝑗𝑎

3
𝑝( 𝐴 ) =
9
4
𝑝( 𝐵 ) =
9
2
𝑝( 𝐴 ∩ 𝐵 ) =
9
2
1
𝑝(𝐴/𝐵) = 9 =
4 2
9

La probabilidad de que sea rugosa es de 50%

En una empresa el 40% de los empleados tienen vivienda, el 25% tienen 2 hijos y el 15%
tienen vivienda y 2 hijos. Al seleccionar aleatoriamente un empleado:

• Si tiene 2 hijos ¿Cuál es la probabilidad de que tenga vivienda?

𝑝( 𝐴 ∩ 𝐵 )
𝑝(𝐴/𝐵) =
𝑝 (𝐵 )

𝐴 = 𝑇𝑒𝑛𝑒𝑟 𝑣𝑖𝑣𝑖𝑒𝑛𝑑𝑎
𝐵 = 𝑇𝑒𝑛𝑒𝑟 2 ℎ𝑖𝑗𝑜𝑠

𝑝(𝐴) = 0,4
𝑝(𝐵) = 0,25
𝑝(𝐴 ∩ 𝐵) = 0,15
0,15
𝑝(𝐴/𝐵) = = 0,6
0,25
La probabilidad de que tenga vivienda es de 60%

• Si tiene vivienda ¿Cuál es la probabilidad de que tenga 2 hijos?

𝐴 = 𝑇𝑒𝑛𝑒𝑟 𝑣𝑖𝑣𝑖𝑒𝑛𝑑𝑎
𝐵 = 𝑇𝑒𝑛𝑒𝑟 2 ℎ𝑖𝑗𝑜𝑠

0,15
𝑝(𝐵/𝐴) = = 0,375
0,4

La probabilidad de que tenga 2 hijos es de 37,5%

Suponga que se lanzan 2 dados equilibrados y se ha observado que la suma T ha sido impar.
Calcular la probabilidad de que T haya sido < 8

A = Número < 8
T = Número impar

𝑝( 𝐴 ∩ 𝑇 )
𝑝(𝐴/𝑇) =
𝑝( 𝑇 )

18
𝑝( 𝑇 ) = = 0,5
36
12
𝑝( 𝐴 ∩ 𝑇 ) =
36
 1
2
𝑝(𝐴/𝑇) = 3 =
1 3
2

La probabilidad de que T haya sido < 8 es de 66,6%

------------------------------------------------------------------------------------------------------------------------
A = Número < 10 30/36
T = Número par 18/36

𝑝( 𝐴 ∩ 𝑇 )
𝑝(𝐴/𝑇) =
𝑝( 𝑇 )

18
𝑝( 𝑇 ) = = 0,5
36
14
𝑝( 𝐴 ∩ 𝑇 ) =
36
14
7
𝑝(𝐴/𝑇) = 36 =
18 9
36

La probabilidad de que T haya sido < 10 es de 77,7%

EVENTOS INDEPENDIENTES

Se dice que dos eventos A y B son independientes si se cumple que:

𝑝(𝐴/𝐵) = 𝑝(𝐴) 𝑝(𝐵/𝐴) = 𝑝(𝐵) 𝑝( 𝐴 ∩ 𝐵 ) = 𝑝( 𝐴 ) 𝑝( 𝐵 )

Se tienen tres marcas de procesadores para pc portátiles: x, y, z. Estas van a ser clasificadas
de acuerdo con la optimización en su rendimiento. Es así que se van a definir los eventos:

A: El procesador x es preferido al y.
B: El procesador x es clasificado como el mejor.
C: El procesador x es clasificado como el segundo mejor.
D: El procesador x es clasificado como el tercer mejor.

Si se sabe que no hay preferencias por alguno en particular y aleatoriamente se ordenan los
procesadores ¿Es el evento A independiente del B?, del C? del D?

𝑆 = {𝑥𝑦𝑧 , 𝑥𝑧𝑦 , 𝑦𝑥𝑧, 𝑦𝑧𝑥, 𝑧𝑥𝑦, 𝑧𝑦𝑥 } 6

𝐴 = {𝑥𝑦𝑧, 𝑥𝑧𝑦, 𝑧𝑥𝑦} 3
𝐵 = {𝑥𝑦𝑧 , 𝑥𝑧𝑦} 2
𝐶 = {𝑦𝑥𝑧, 𝑧𝑥𝑦} 2
𝐷 = {𝑦𝑧𝑥, 𝑧𝑦𝑥 } 2

1
𝑝( 𝐴 ) =
2

𝑝 (𝐴 ∩ 𝐵 ) 2⁄6
𝑝( 𝐴 ⁄ 𝐵 ) = = = 1, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝐴 𝑦 𝐵 𝑛𝑜 𝑠𝑜𝑛 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠
𝑝 (𝐵 ) 2⁄6

𝑝( 𝐴 ∩ 𝐶 ) 1
𝑝( 𝐴 ⁄ 𝐶 ) = = , 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝐴 𝑦 𝐶 𝑠𝑜𝑛 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠
𝑝 (𝐶 ) 2

𝑝 (𝐴 ∩ 𝐷 )
𝑝( 𝐴 ⁄ 𝐷 ) = = 0, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝐴 𝑦 𝐷 𝑛𝑜 𝑠𝑜𝑛 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠
𝑝 (𝐷 )

Una persona ha olvidado un número telefónico, pero aún recuerda las 5 cifras intermedias
de un total de 7. Sabiendo que además que el primer dígito debe ser par ≠ 0 y la última es
impar > 4 ¿Cuál es la probabilidad de acertar el número?

Sea A: Primer dígito

𝐴 = {2,4,6,8} 4
1
𝑃 (𝐴 ) =
4

Sea B: Último dígito

𝐵 = {5,7,9} 3
1
𝑃 (𝐵 ) =
3
1 1 1
𝑃(𝐴 ∩ 𝐵) = 𝑝(𝐴)𝑝(𝐵) = ∗ =
4 3 12

La probabilidad de acertar el número 8,33%

REGLA MULTIPLICATIVA

𝑝( 𝐴 ∩ 𝐵 )
𝑝(𝐴/𝐵) = , 𝑐𝑜𝑛 𝑝(𝐵) ≠ 0
𝑝 (𝐵 )

𝑃(𝐴 ∩ 𝐵) = 𝑃 (𝐵 ∩ 𝐴) = 𝑝(𝐴/𝐵)𝑝(𝐵)
𝑃(𝐴 ∩ 𝐵) = 𝑃 (𝐵 ∩ 𝐴) = 𝑝(𝐴)𝑝(𝐵)

Supóngase que tiene una caja de bombillos led que contiene 20 unidades, de las cuales 5
están defectuosas. Si se seleccionan aleatoriamente 2 bombillos led y se retiran uno después
del otro, ¿Cuál es la probabilidad de que ambos sean defectuosos?

A. Que el primer bombillo led sea defectuoso

B. Que el segundo bombillo led sea defectuoso
5
𝑃 (𝐴 ) =
20
4
𝑃 (𝐵 ) =
19
1
𝑃(𝐴 ∩ 𝐵) = = 0,0526
19

La probabilidad de que ambos sean defectuosos es de 5,26%