DEPARTAMENTO ACADÉMICO ÁREA ACADÉMICA

DE MATEMÁTICA Y FÍSICA DE ESTADÍSTICA

APELLIDO PATERNO:
HUAMÁN CÓDIGO UNSCH:

APELLIDO MATERNO: D.N.I.:

CÓNDOR
CELULAR:
INGENIERÍA NOMBRES:
DE MINAS GRUPO: G-1 TURNO:

II EXAMEN PARCIAL VIRTUAL DE ESTADÍSTICA Y PROBABILIDAD (En cada Grupo)

* Escuela Profesional: Ingeniería de Minas * Grupos: Gr.1 (Turno Tardes), Gr.2 (Turno Mañanas).
*Docente: Ing° CIP Guillermo Bernardino TAPIA CALDERÓN; Ing° Estadístico e Informático,
UNA La Molina; Maestría en Ciencias-Planificación y Gestión Urbana y Regional-Unidad de Posgrado
de la Facultad de Arquitectura, Urbanismo y Artes, Universidad Nacional de Ingeniería- Lima y Tesista
y Candidato a Doctor en Educación, Unidad de Posgrado de la Facultad de Educación, EPG-UNSCH.
* Ciclo Académico: 2021-2-H* Examen asignado: domingo 17-JULIO-2022, 14:30 hrs. (2:30 pm).
* II Examen para subir al Tablón del Google Classroom en Plataforma del Grupo antes 18:00 hrs
PARTE G Organización de datos de la Variable Cuantitativa Continua (VCC) -
CASO IV y Cálculo de Estadígrafos
G) Cuadro incompleto. Se tiene la siguiente información de la distribución de capital social de
50 empresas mineras; tal que la longitud de los intervalos de clase es constante e igual a 20.
Tabla N° 2 : ..................................................

Y` i-1 , Y`i Yi ni Nj Yi ni

[20 - 40[ 30 10 10 300

[40 - 60[ 50 8 18 400

[60 - 80[ 70 5 23 350

[80 - 100[ 90 17 40 1530

[100 - 120[ 110 4 44 440

[120 - 140] 130 6 50 780

G-1) Dar título apropiado al cuadro estadístico adjunto o Tabla N° 2.

Tabla de frecuencias sobre la distribución de capital social de 50 empresas mineras

G-2) A partir de los datos dados, reconstruir un Cuadro completo de la distribución de capital social
(CASO IV: VCC y 16 columnas básicas)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
i [𝑦′𝑖−1,𝑦′𝑖[ 𝐶1 𝑌1 Tabulación 𝑛𝑖 ℎ𝑖 ℎ𝑖 𝑁𝑗 𝐻𝑗 𝐻𝑗 𝑁𝑗 𝐻𝑗 ∗ 𝐻𝑗 𝑦𝑖×𝑛𝑖 𝑦𝑖 × ℎ𝑖
o conteo × 100 × 100 ∗ ∗×
100
1 [20,40[ 20 30 IIIII IIIII 10 0.2 20% 10 0.2 20% 50 1.00 100% 300 6
2 [40,60[ 20 50 IIIII III 8 0.16 16% 18 0.36 36% 40 0.80 80% 400 8
3 [60,80[ 20 70 IIIII 5 0.10 10% 23 0.46 46% 32 0.64 64% 350 7
4 [80,100[ 20 90 IIIII IIIII 17 0.34 34% 40 0.80 80% 27 0.54 54% 1530 30.6
IIII II
5 [100,120[ 20 110 IIII 4 0.08 8% 44 0.88 88% 10 0.20 20% 440
6 [120,140] 20 130 IIIII I 6 0.12 12% 50 1.00 100% 6 0.12 12% 780 8.8
x x x x x 50 ∑ ℎ𝑖 (0) (0) (0) (0) (0) (0) ∑ 𝒚𝒊×𝒏𝒊
∑ ℎ𝑖 × 100 ∑ 𝒚𝒊
= 3800
= = × 𝒉𝒊
1.00 =76
100%

G-3) Interprete estadísticamente diez (10) casillas “ rellenadas” por usted, aplicando todas las
Propiedades de las Frecuencias.

H1: Quiere decir que, 10 de los 50 de las empresas mineras tienen un capital social mayor
e igual a 20 mil soles, pero no mayor a los 40 mil soles.
H3: Quiere decir que, 23 de los 50 de las empresas mineras tienen un capital social mayor
e igual a 60 mil soles, pero no mayor a los 80 mil soles.
H2: Quiere decir que, 18 de los 50 de las empresas mineras tienen un capital social mayor
e igual a 40 mil soles, pero no mayor a los 60 mil soles.
H5: Quiere decir que, 44 de los 50 de las empresas mineras tienen un capital social mayor
e igual a 100 mil soles, pero no mayor a los 120 mil soles.
H4: Quiere decir que, 40 de los 50 de las empresas mineras tienen un capital social mayor
e igual a 80 mil soles, pero no mayor a los 100 mil soles.
H6: Quiere decir que, 50 empresas mineras tienen un capital social mayor e igual a 120
mil soles y menor o igual a los 140 mil soles.
H6x100: Quiere decir que, el 100% de las empresas mineras tienen un capital social mayor
e igual a 120 mil soles y menor o igual a los 140 mil soles.
H5x100: Quiere decir que, el 88% de las empresas mineras tienen un capital social mayor e
igual a 100 mil soles, pero no mayor a los 120 mil soles.
H4x100: Quiere decir que, el 80% de las empresas mineras tienen un capital social mayor
e igual a 80 mil soles, pero no mayor a los 100 mil soles.
H3x100: Quiere decir que, el 46% de las empresas mineras tienen un capital social mayor e
igual a 60 mil soles, pero no mayor a los 80 mil soles.

G-4) Determinar la Media muestral e interpretarla estadísticamente.

∑𝑥𝑖 𝑥𝑛𝑖
𝑦̅ =
𝑛
𝟑𝟖𝟎𝟎
̅=
𝒚 = 76
𝟓𝟎

Interpretado estadísticamente: La media muestral de capital social de 50 empresas

 mineras es 76 mil soles.

G-5) Hallar la Mediana muestral e interpretarla estadísticamente.

𝑛 50
= = 25
2 2
[𝑦′𝑖−1 , 𝑦′𝑖[ = [93.7 , 94.4[
𝑛
𝑵𝒋−𝟏 ≤ < 𝑵𝒋 𝟐𝟑 ≤ 𝟐𝟓 < 𝟒𝟎
2

𝑛
𝑁
2 𝑗−1
𝑀𝑒 = 𝑌𝑗′−1 + 𝐶𝑗 [ ]
𝑁𝑗 −𝑁𝑗−1
50
−23
𝑀𝑒 = 23 + 20 [ 2 ] = 25.352
40−23

Interpretado estadísticamente: El valor mediano es igual a 25.352 de datos agrupados de capital

social de 50 empresas mineras.

G-6) Hallar la Moda muestral e interpretarla estadísticamente.

𝑛𝑗 = 𝑛𝑚𝑎𝑥 = 17
𝑛𝑗−1 = 5
𝑛𝑗+1 = 4

∆1 = 𝑛𝑚𝑎𝑥 − 𝑛𝑗−1 = 17-5= 12

∆2 = 𝑛𝑚𝑎𝑥 − 𝑛𝑗+1 = 17 − 4 = 13
𝛥1
𝑀𝑑 = 𝑌𝑗′−1 + 𝐶𝑗 [ ]
𝛥1+𝛥2

12
𝑀𝑑 = 80 + 20 [ ]
12+13
Md= 89.6

Interpretado estadísticamente: El valor modal es igual a 89.6 es el

valor que más se repite.

G-7) Calcular el Rango Intercuartil o Desviación Intercuartílica e interpretarla estadísticamente.

𝑻𝑬𝑹𝑪𝑬𝑹 𝑪𝑼𝑨𝑹𝑻𝑰𝑳
𝒏 𝟓𝟎
1) 𝒊 𝟑 = 𝟑𝟕. 𝟓
𝒓 𝟒

𝑛
2) 𝑵𝒋−𝟏 ≤ 𝑖 < 𝑵𝒋 𝟐𝟑 ≤ 𝟑𝟕. 𝟓 <𝟒𝟎
𝑟

3) [𝑦′𝑖−1, 𝑦′𝑖 [ [80, 100[

𝑛
𝑖 𝑟 −𝑁𝑗−1
4) 𝑌𝑗′−1 + 𝐶𝑗 [ ]
𝑁𝑗 −𝑁𝑗−1
 𝑷𝑹𝑰𝑴𝑬𝑹 𝑪𝑼𝑨𝑹𝑻𝑰𝑳
𝒏 𝟓𝟎
1) 𝒊 𝟑 = 𝟑𝟕. 𝟓
𝒓 𝟒

2) 𝑵𝒋−𝟏 ≤ 𝒊 𝒏 𝒓 < 𝑵𝒋 𝟏𝟎 ≤ 𝟏𝟐. 𝟓 < 𝟏𝟖

3) [𝑦′𝑖−1, 𝑦′𝑖 [ [40, 60[

𝑛
𝑖 𝑟 −𝑁𝑗−1
4) 𝑌𝑗′−1 + 𝐶𝑗 [ ]
𝑁𝑗 −𝑁𝑗−1

RIQ = 𝑸𝟑 − 𝑸𝟏
RIQ = 𝟗𝟕. 𝟎𝟓𝟖𝟖 − 𝟒𝟔.𝟐𝟓
RIQ = 50.8088

Interpretado estadísticamente: La desviación intercuartílica de capital social de 50

empresas mineras es 50.8088.

PARTE H. TIPOLOGÍA Y SUB-TIPOLOGÍA DE VARIABLES ESTADÍSTICAS.- Dadas

las siguientes proposiciones, determine el tipo y sub- tipo de variable estadística que tiene:

H-1) Escuelas Profesionales de la Facultad de Ingeniería de Minas, Geología y Civil, UNSCH.

V.C.N.: Variable Cualitativa Nominal.

H-2) N° de libros de Seguridad Minera en la Biblioteca Central “Efraín Morote Best”, UNSCH.

V.C.D.: Variable Cuantitativa Discreta.

H-3) Total de capital social de la Empresa Minera “Horizonte Minero” de Trujillo-La Libertad.

V.C.C.: Variable Cuantitativa Continua.

H-4) Número de Ingenieros Minertos Colegiados en el Colegio de Ingenieros del Perú- Consejo
Departamental de Ayacucho (CIP-CDA).

V.C.D.: Variable Cuantitativa Discreta.

H-5) Cantidades de precipitación pluviométrica en octubre de 2021 en la ciudad de Cajamarca.

V.C.D.: Variable Cuantitativa Continua.

H-6) Los tres primeros puestos en el ingreso a E.P. de Medicina Humana, 2022-I, UNSCH.

V.C.N.: Variable Cualitativa Ordinal.

H-7) Las Cruzadas Cristianas en el Medio Oriente.

V.C.N.: Variable Cualitativa Nominal.

H-8) La temperatura promedio diario de Cusco en el mes de junio de 2022.

V.C.C.: Variable Cuantitativa Continua.

H-9) La descarga anual de los ríos de la selva en el Amazonas.

V.C.C.: Variable Cuantitativa Continua.

H-10) Órdenes religiosas de la Iglesia Católica Romana.

V.C.N.: Variable Cualitativa Ordinal.

H-11) Grados de cultura de una persona.

V.C.N.: Variable Cualitativa Ordinal.

H-12) Tipología de teodolitos para levantamiento topográfico de un territorio minero.

V.C.N.: Variable Cualitativa Nominal.

PARTE I. ORGANIZACIÓN DE DATOS Y CÁLCULO DE ESTADÍGRAFOS (Caso IV)

Los siguientes datos corresponden a los diámetros de 40 cojinetes fabricados por una Empresa Metal-
Mecánica en el Parque Industrial de Villa El Salvador- Lima:
0.536 0.534 0.534 0.528 0.527 0.526 0.533 0.541 0.538 0.540
0.534 0.526 0.548 0.530 0.533 0.535 0.536 0.529 0.542 0.529
0.536 0.535 0.541 0.538 0.542 0.536 0.532 0.535 0.529 0.540
0.534 0.533 0.542 0.534 0.535 0.531 0.533 0.537 0.542 0.539
* Se pide:
I-1) Tipología de variable estadística bajo estudio y sub-tipología.

V.C.C.: Variable Cuantitativa Continua.

I-2) Determinar el tamaño de la muestra aleatoria “n”. ¿Es muestra grande o pequeña?

Tamaño de la muestra aleatoria es grande porque: n = 40>30

I-3) Calcular el rango de datos originales RX. ¿Cuánto vale el Rango de datos agrupados RY?

Xmin = 0,526mm Xmax = 0,548mm

Rx = Xmax – Xmin = 0.548 - 0.526

Rx = 0,022mm

I-4) Determinar el número de intervalos de clase por el “Criterio Raíz Cuadrada”.

Solución:
m = √𝑛
m= √40
m= 6.3245553203
m’= 7 intervalos de clase

 ¿Existirá nuevo valor del número de intervalos de clase m´

 Rpta: m´= 7 intervalos de clase,

I-5) Elaborar un cuadro completo de la Distribución de Diámetros de 40 cojinetes (Caso IV).

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
i [y´i-1, y´i> Ci Yi Tabulaci ni hi [hix10 N Hj [Hjx1 Nj Hj* [Hjx10 yixni yixhi
ón o 0] j 00 * 0]
conteo % ]% %
1 [0.523,0.52 0,00 0,52 II 2 0,05 5% 2 0,05 5% 40 1,00 100% 1.05 0.02625
7> 4 5
2 [0.527,0.53 0,00 0,52 IIIII I 6 0,15 15% 8 0,20 20% 38 0,95 95% 3.174 0.07935
1> 4 9
3 [0.531,0.53 0,00 0,53 IIIII 11 0,27 27.5% 1 0,47 47.5% 32 0,80 80% 5.863 0.14657
5> 4 3 IIIII I 5 9 5 5
4 [0.535,0.53 0,00 0,53 I 11 0,27 27.5% 3 0,75 75% 21 0,52 52.5% 5.907 0.14767
9> 4 7 IIIII 5 0 5 5
IIIII
5 [0.539,0.54 0,00 0,54 IIIII IIII 9 0,22 22.5% 3 0,97 97.7% 10 0,25 25% 4.869 0.12172
3> 4 1 5 9 5 0 5
6 [0.543,0.54 0,00 0,54 0 0,00 0% 3 0,97 97.7% 1 0,02 2.5% 0.000 0.00000
7> 4 5 0 9 5 5
7 [0.547,0.55 0,00 0.54 I 1 0,02 2.5% 0 0,02 2.5% 1 0,02 2.5% 0.549 0.01372
1] 4 9 5 5 5 5

∑ x x n=40 ∑ni ∑hi ∑hix1 x x x (0) (0) (0) ∑yix ∑yixhi

= = 00 ni= =
n 1,00 = 21,41 0,5353=
=40 100% 2 ̅
𝒚

I-6) Calcule el diámetro medio 𝑥̅ de datos originales. Interpretarlo estadísticamente.

Solución:
∑𝑛𝑖=1 𝑥𝑖
𝑥̅ =
𝑛
26,733
𝑥̅ =
50

̅ = 0,53466
𝒙

Interpretado estadísticamente: el diámetro medio 𝑥̅ de 50 datos originales es 0.53466mm

I-7) Calcule el diámetro medio ȳ de datos agrupados. Interpretarlo estadísticamente.

Solución:
∑𝑛𝑖=1 𝑦𝑖 𝑛𝑖
𝑦̅ =
𝑛

26,7570
𝑦̅ =
50

̅ = 0,53514
𝒚
Interpretado estadísticamente: el diámetro medio 𝑦̅ de datos agrupados es 0.53514mm

I-8) Calcule el diámetro mediano de datos originales X (Me) y su Interpretación Estadística (I.E.).

Solución:
𝑥(𝑛) + 𝑋(𝑛+1)
𝑥(𝑚𝑒 ) = 2 2
2
0,534+0,534
𝑥(𝑚𝑒 ) =
2

𝒙(𝒎𝒆 ) = 0,534mm

Interpretado estadísticamente: el diámetro mediano 𝑥(𝑚𝑒 ) de datos originales es 0.534mm

I-9) Calcule el diámetro mediano de datos agrupados Me y su Interpretación Estadística (I.E.).

Solución:

𝑛 50
1°. 2 = 2 = 25
2°. Criterio de la desigualdad
𝑛
Nj-1≤ 2 <Nj

Nj-1≤ 25<Nj

20 ≤ 25 < 35
3°. Buscamos el valor j-ésimo

[y´j-1 y´j > = [0.534,0.537>

4°. F.g. Me de datos agrupados
𝑛
− 𝑁𝑗−1
𝑀𝑒 = 𝑦𝑗−1 ′
+ 𝐶𝑗 [ 2 ]
𝑁𝑗 − 𝑁𝑗−1

50
− 20
𝑀𝑒 = 0,534 + 0,003 [ 2 ]
35 − 20
𝑴𝒆= 0,53499999999

Interpretado estadísticamente: el valor mediano o mediana de datos agrupados es

0,5349999999; cuyo valor supera a no más del 50% de datos, pero a su vez es superado por no
más del 50% de datos restantes.

I-10) Calcule el diámetro modal de datos originales X(Mo) y su Interpretación Estadística (I.E.).

Solución:
𝑥(𝑚𝑑) = 0.534mm
Interpretado estadísticamente: el valor moda o moda datos originales es 0.534mm, que representa el
valor que más se repite, ósea 0.534 es el valor más frecuente.

I-11) Calcule el diámetro modal de datos agrupados MO y su Interpretación Estadística (I.E.).

Solución: para el diámetro modal trabajamos con la columna (6 =ni)

1°. nj = nmax =11
nj-1 = 6
nj+1 = 9
2°. ∆1= ni -ni-1 = 11-6=5
∆2 = ni -ni+1 =11-9=2
3°. Intervalo modal

[y´j-1 y´j > = [0.539,0,543>

′ ∆1
4°. Md= 𝑦𝑗−1 + 𝐶𝑗 [∆2+∆1 ]

5
Md= 0.539+0,004 [2+5 ]

Md= 0.5418571

Interpretado estadísticamente: el valor modal o moda de datos agrupados es

0.534999999mm, que representa el valor que más repite, o sea 0.5418571es el valor que más
frecuente.

I-12) Calcule la variancia o varianza SY2= V(Y) y la desviación estándar o desviación típica de datos
agrupados SY. Interpretarlos estadísticamente.

Variancia o varianza:
1 𝑚
.𝑉[𝑦] = 𝑆𝑦2 = ∑𝑖=1 𝑦𝑖2 𝑛𝑖 − 𝑦̇ 2
𝜂
2 1
.V[𝑦] = 𝑆𝑦 = (0.55125+1.679046+3.124979+3.172059+0+0,301401)-(0,5353)2
40
V[𝒚] = 𝑺𝟐𝒚 = 𝟎, 𝟐𝟏𝟑𝟓𝟓𝟒𝟕𝟐𝟑

Interpretado estadísticamente: El promedio de desviaciones de las observaciones, respecto a la media

aritmética, al cuadrado, es 0,213554723mm2.

Desviación estándar o típica:

.𝑠𝑦 = √𝑠𝑦2

.𝑠𝑦 = √ 0,213554723 mm2

.𝒔𝒚 = 𝟎, 𝟒𝟔𝟐𝟏𝟏𝟗𝟖𝟏𝟓 mm2

Interpretado estadísticamente: La raíz cuadrada de la variable es 0,462119815 mm.

I-13) Calcule la desviación media de datos agrupados /D.M./y. Interpretarlo estadísticamente.

 ∑𝑚
𝑖=1 |𝑦𝑖 − 𝑦
̅|𝑛𝑖
|𝐷.𝑀| =
𝑛
0.0206 + 0,0378 + 0,0253 + 0,0187 + 0,0513 + 0 + 0,0137
|𝐷. 𝑀|𝑦 =
40
|𝑫. 𝑴|𝒚 = 𝟎, 𝟎𝟎𝟒𝟏𝟖𝟓 𝒎𝒎

Interpretado estadísticamente: La desviación media de datos agrupados de los valores absolutos de

diámetros, respecto a la mediana es 0,004185 mm.

I-14) Calcule la desviación mediana de datos agrupados /D.Me/y. Interpretarlo estadísticamente.

∑𝑚𝑖=1 |𝑦𝑖 − 𝑀𝑒|𝑛𝑖
|𝐷. 𝑀𝑒|𝑦 =
𝑛
|𝐷. 𝑀𝑒|𝑦
15.7742765 + 26.4815365 + 37.1887965 + 47.8960565 + 58.6033165 + 69.3105765
=
40

|𝑫. 𝑴𝒆|𝒚 =6.38136397

I-15) Calcule el Coeficiente de Variación (C.V.)Y de datos agrupados. Interpretarlo estadísticamente.

𝑆𝑦 = 0.462119815 𝑚𝑚
𝑦̅ = 0,5353

𝑆𝑦
(𝐶. 𝑉)𝑦 = [ 𝑥 100] %
𝑦̅
0,462119815
(𝐶. 𝑉)𝑦 = [ 𝑥 100] %
0,5353
(𝑪. 𝑽))𝒚 = 𝟖𝟔, 𝟑𝟐𝟗𝟏𝟐𝟔𝟔𝟓𝟕𝟗%

I-16) Calcule el Primer Cuartil (Q1), y el Tercer Cuartil (Q3) . Interpretarlos estadísticamente.

QUARTIL (Q1)

Primero:
𝑛
𝑖
𝑟
𝒏
𝒊 =10 r=N partes; en este caso un CUARTIL(r=4)
𝟒
𝑖 = 1° 𝑝𝑟𝑖𝑚𝑒𝑟 𝑐𝑢𝑎𝑟𝑡𝑖𝑙

Segundo:
𝒏
𝑵𝑱−𝟏 ≤ 𝒊 < 𝑵𝒋
𝒓
8 ≤ 10 < 19

Tercero:
[𝒚𝑱−𝟏 , 𝒚𝒋 [
[𝟎. 𝟓𝟑𝟏, 𝟎. 𝟓𝟑𝟓[

Cuarto:
𝒏
𝒊 −𝑵𝑱−𝟏
𝒓
Q1=𝒚𝑱−𝟏 + 𝒄𝒋 [ ]
𝑵𝒋 −𝑵𝑱−𝟏
 10 − 8
= 0.531 + 0.004[ ]
19 − 8
= 0.531 + 0.004(0.1818)
= 0.531 + 0.0007
= 𝟎, 𝟓𝟑𝟏𝟕

Interpretado estadísticamente: el primer cuartil es 0,5317 correspondiente a un estadígrafo de

posición al sumo no supera al 25%de los datos originales, pero es superado por el 75% de los datos
restantes.

QUARTIL (Q3)

Primero:
𝒏
𝒊
𝒓
40
3 =30 𝑖 = 3° tercer 𝑐𝑢𝑎𝑟𝑡𝑖𝑙
4

Segundo:
𝒏
𝑵𝑱−𝟏 ≤ 𝒊 < 𝑵𝒋
𝒓
19 ≤ 30 < 39

Tercero:
[𝑦𝐽−1 , 𝑦𝑗 [
[0.539,0.543[

Cuarto:
𝒏
𝒊 𝒓 −𝑵𝑱−𝟏
𝑸𝟑 = 𝒚𝑱−𝟏 + 𝒄𝒋 [ ]
𝑵𝒋 −𝑵𝑱−𝟏
30 − 19
= 0.539 + 0.004[ ]
39 − 19
= 0.539 + 0.004(0.5500)
= 0.539 +0.0022
= 𝟎. 𝟓𝟒𝟏𝟐

Interpretado estadísticamente: el tercer cuartil es de 𝟎. 𝟓𝟒𝟏𝟐, el cual corresponde a un estadígrafo de

posición, que supera a no más del 75% de los datos originales, pero que es superado por el 25% de los
datos restantes.

I-17) Calcule el primer decil (D1) y el noveno decil ( D9). Interpretarlos estadísticamente.

Primer decil (D1)

Primero:
𝒏
𝒊
𝒓
𝟒𝟎
=4 𝒊 = 𝟏° 𝒑𝒓𝒊𝒎𝒆𝒓 𝒅𝒆𝒄𝒊𝒍
𝟏𝟎

𝐒𝐞𝐠𝐮𝐧𝐝𝐨:
𝒏
𝑵𝑱−𝟏 ≤ 𝒊 < 𝑵𝒋
𝒓
2≤4<8
Tercero:
[𝒚𝑱−𝟏 , 𝒚𝒋 [
[0.527,0.531[

Cuarto:
𝒏
𝒊 𝒓 −𝑵𝑱−𝟏
D1=𝒚𝑱−𝟏 + 𝒄𝒋 [ ]
𝑵𝒋 −𝑵𝑱−𝟏
4−2
= 0.527 + 0.004[ ]
8−2
= 0.527 + 0.004(0.3333)
= 0.527 + 0.0013
= 0.5283

Interpretación estadística: el primer decil es 0.5283 que viene a ser un estadígrafo de posición, que
supera a nos mas 10% de los datos orinales, pero que es superado no más del 90% de los datos restantes.

Noveno decil (D9)

Primero:
𝒏
𝒊( )
𝒓
𝟒𝟎
𝟗( ) =36 𝒊 = 𝟗° 𝒏𝒐𝒗𝒆𝒏𝒐 𝒅𝒆𝒄𝒊𝒍
𝟏𝟎

Segundo:
𝒏
𝑵𝑱−𝟏 ≤ 𝒊 < 𝑵𝒋
𝒓
30 ≤ 36 < 39

Tercero:
[𝒚𝑱−𝟏 , 𝒚𝒋 [

[0.539,0.543[

Cuarto:
𝒏
𝒊 𝒓 −𝑵𝑱−𝟏
𝑫𝟗 = 𝒚𝑱−𝟏 + 𝒄𝒋 [ ]
𝑵𝒋 −𝑵𝑱−𝟏
36 −30
=0.539 + 0.004[ ]
39−30
=0.539 + 0.004(0.6667)
=0.539 + 0.0027
= 0.5417

Interpretado estadísticamente: el noveno decil es 0.5417, que corresponde a un estadígrafo de

posición, que supera a no más del 90% de los datos originales, pero es superado no más del 10% de los
datos restantes.

I-18) Calcule el nonagésimo percentil (D90)y el décimo percentil (D10). Interpretarlos.

Nonagésimo percentil (D90)

Primero:
 𝑛
𝑖
𝑟
40
90 =36
100
r=N° partes; en este caso un percentil 𝑖 = 90° 𝑛𝑜𝑛𝑎𝑔é𝑠𝑖𝑚𝑜 𝑝𝑒𝑟𝑐𝑒𝑛𝑡𝑖𝑙

Segundo:
𝑛
𝑁𝐽−1 ≤ 𝑖 < 𝑁𝑗
𝑟
30 ≤ 36 < 39

Tercero:
[𝒚𝑱−𝟏 , 𝒚𝒋 [
[𝟎. 𝟓𝟑𝟗, 𝟎. 𝟓𝟒𝟑[

Cuarto:
𝑛
𝑖 −𝑁𝐽−1
𝑟
𝑦𝐽−1 + 𝑐𝑗 [ ] 𝑐𝑗 = 𝑎𝑚𝑝𝑙𝑖𝑡𝑢𝑑 𝑑𝑒 𝑐𝑙𝑎𝑠𝑒
𝑁𝑗 −𝑁𝐽−1
36 −30
=0.539 + 0.004[ ]
39−30
=0.539 + 0.004(0.666666667)
=0.539 + 0.002666667
=𝟎. 𝟓41

Interpretado estadísticamente: El nonagésimo percentil es =0.541666667 que corresponde a un

estadígrafo de posición a lo sumo que no supera 90% de datos originales; pero a su vez es superado por
10% de datos restantes.

Décimo Percentil (P10)

Primero:
𝒏
𝒊
𝒓
𝟒𝟎
𝟏𝟎 =4
𝟏𝟎𝟎
r=N° partes; en este caso un percentil 𝒊 = 𝟏𝟎° 𝒏𝒐𝒏𝒂𝒈é𝒔𝒊𝒎𝒐 𝒑𝒆𝒓𝒄𝒆𝒏𝒕𝒊𝒍

Segundo:
𝒏
𝑵𝑱−𝟏 ≤ 𝒊 < 𝑵𝒋
𝒓
𝟐≤𝟒<𝟖

Tercero:
[𝒚𝑱−𝟏 , 𝒚𝒋 [
[𝟎. 𝟓𝟐𝟕, 𝟎. 𝟓𝟑𝟏[

Cuarto:
𝒏
𝒊 𝒓 −𝑵𝑱−𝟏
𝒚𝑱−𝟏 + 𝒄𝒋 [ ] 𝒄𝒋 = 𝒂𝒎𝒑𝒍𝒊𝒕𝒖𝒅 𝒅𝒆 𝒄𝒍𝒂𝒔𝒆
𝑵𝒋 −𝑵𝑱−𝟏
𝟒−𝟐
= 𝟎. 𝟓𝟐𝟕 + 𝟎. 𝟎𝟎𝟒[ ]
𝟖−𝟐
= 𝟎. 𝟓𝟐𝟕 + 𝟎. 𝟎𝟎𝟒(𝟎. 𝟑)
= 𝟎. 𝟓𝟐𝟕 + 𝟎. 𝟎𝟎𝟏𝟑
= 𝟎. 𝟓𝟐𝟖
Interpretado estadísticamente: El décimo percentil es 0.528 que corresponde a un estadígrafo de
posición a lo sumo que no supera 10% de datos originales; pero a su vez es superado por 90% de datos
restantes.

I-19) Calcule el Recorrido Intercuartílico (RIQ= Q3- Q1 ) o Desviación Intercuartil. Interpretarlo.

(RIQ)=Q 3 − Q1
(RIQ)= 0.5317 − 0.5412
(RIQ)=1.0729

Interpretado estadísticamente: El recorrido intercuartílico es 1.0729.

I-20) Calcule el Semi-Recorrido Intercuartílico Q= RIQ /2 = (Q3- Q1) / 2 . Interpretar estadísticamente.

𝑅𝐼𝑄 1.0729
SRIQ= = = 0.53645
2 2

Interpretado estadísticamente: El semi-recorrido intercuartílico es 0,53645

I-21) Calcule el Recorrido Interpercentílico (RIP= P90- P10 ) o Desviación Interpercentil. Interpretar.

(RIP)=P90 − P10
(RIP)=0.541 − 0.528
(RIP)=𝟎. 𝟎𝟏𝟑

Interpretado estadísticamente: El recorrido interpercentilico es 0.013

I-22) Hallar el 1er. Coeficiente de Asimetría de Pearson. ¿ Qué distribución genera As?
y̅ − Md
Cas =
sy
0.5353 − 0.541857
Cas =
0.462119815

𝐂𝐚𝐬 = -0.014188961

Como el 𝐂𝐚𝐬 < 𝟎 la distribución es asimetrica negativa hacia la izquierda

I-23) Hallar el 2do. Coeficiente de Asimetría de Pearson. ¿ Qué distribución genera As?
Q 3 + Q1 − 2Me
AS =
Q 3 − Q1

0.5412 + 0.5317 − 2(0.5353)

AS =
0.5412 − 0.5317

𝐀 𝐒 = 𝟎. 𝟐𝟒𝟐𝟏𝟎𝟓𝟐𝟔𝟑

Como el 𝐂𝐚𝐬 > 𝟎 la distribución es asimétrica positiva hacia la derecha.

I-24) Hallar el Coeficiente de Asimetría de Fisher. ¿Qué distribución genera As?

1 𝑛
∑𝑖=1(𝑥𝑖−𝑥̅ )3 𝑛𝑖
𝑔1 = 𝑛
∑𝑛 (𝑥 )3 𝑛𝑖
𝑛 × √ 𝑖=1 𝑖−𝑥̅
𝑛
0.000015039
𝑔1 =
40 × √0.00024050
 0.000015039
𝑔1 =
0.62032249

𝒈𝟏 = 𝟎. 𝟎𝟎𝟎𝟎𝟐𝟒𝟐𝟒𝟑𝟖

I-25) Hallar el Coeficiente Percentílico de Kurtosis.¿ Qué distribución genera K?

Q3 −Q1
K=
2(P90 −P10 )

0.5412− 0.5317
K=2(0.541− 0.528)

K=0.365384615

Como el K>0.263 genera una distribución leptokurtica.

PARTE J. REGRESIÓN Y CORRELACIÓN LINEAL SIMPLE Las lecturas de temperatura (Y) a

intervalos regulares de tiempo (X) fueron como sigue:
Tabla N° 5- Presentación horizontal
Tiempo(minutos) 0 1 2 3 4 5 6
Temperatura 60 67 82 108 126 134 145

J-1) Graficar el dispersograma en el plano cartesiano xy.

LECTURA DE LA TEMPERATURA EN
INTERVALO DEL TIEMPO
160
140
120
TEMPERATURA

100
80
60
40
20
0
0 1 2 3 4 5 6 7
TIEMPO

J-2) A partir de la Tabla N° 5- Presentación horizontal, construir una Tabla N° 6- Presentación vertical,
ampliada con varias columnas para utilizarla en los cálculos de Regresión Lineal Simple (α y )y
de Correlación Lineal Simple ρ (rho estimado).
 i XI YI xi = Xi – ̅
𝒙 ̅
Y𝒊 = Y𝒊−𝒚 Xi2 Yi2 XiYi
0 60 -3 -43.142 9 1861.232164 129.426
2 1 67 -2 -36.143 4 1306.316449 72.286
3 2 82 -1 -21.143 1 447.026449 21.147
4 3 108 0 4.857 0 23.590449 0
5 4 126 1 22.857 1 522.442449 22.857
6 5 134 2 30.857 4 952.154449 61.714
7 6 145 3 41.857 9 1752.008449 125.571

∑ 21 722 0 0 28 6964.771 433.001

J-3) Determinar los estimadores mínimo- cuadráticos de la Regresión Lineal Simple (RLS), o sea
Calcular estimadores de los parámetros de Alfa estimada α y Beta estimada

̂ = ∑𝐱𝓲𝐲𝓲 ; donde : xi = (x - 𝒙
𝜷 ̅)
∑𝐱𝓲𝟐
∑𝑥𝑖 𝑦𝑖
𝛽̂ =
∑𝑥𝑖 2
(129.426 + 72.286 + 21.147 + 0 + 22.857 + 61.714 + 125.571)
𝛽̂ =
(9 + 4 + 1 + +0 + 1 + 4 + 9)
(433.001)
𝛽̂ =
28
̂ = 15.46432143
𝜷

Intersección de la recta con el eje YY '

̂ = ̅𝜸 − 𝜷
𝜶 ̂𝒙
̅

(433.001)
𝛼̂ = 103.143 − 28
𝛼̂ = 103.143 − 46.39296429

̂ = 𝟓𝟔. 𝟕𝟓
𝜶

J-4) Hallar la ecuación estimada de “y estimada” ó Modelo de la Regresión Lineal Simple (RLS).
̂=𝜶
𝒚 ̂ + 𝜷̂ (𝒙i)

̂ = 𝟓𝟔. 𝟕𝟓 + 𝟏𝟓. 𝟒𝟔𝟒𝟑𝟐𝟏𝟒𝟑 (𝑿𝒊)

𝒚
J-5) Graficar la recta estimada en el plano cartesiano e interpretarla estadísticamente.
160

140

120

100

80

60
y = 15.464x + 56.75
R² = 0.9754
40

20

0
0 1 2 3 4 5 6 7

J-6) Calcular la temperatura para X=4,5 minutos; dentro del rango de datos originales (X,Y).
𝒙𝒊 = 4.5 𝐲𝐢 = 𝐜𝐮𝐚𝐧𝐭𝐨 𝐯𝐚𝐥𝐞
Reemplazamos en la ecuación de la regresión lineal simple.
𝑦𝑖 = 56.7508 + (15.464) × 4.5
𝒚𝒊 = 𝟏𝟐𝟔. 𝟑𝟑𝟖𝟖

J-7) Pronosticar la temperatura para X=9 minutos; fuera del rango de datos originales (X,Y).
𝒙𝒊 = 9 𝐲𝐢 = 𝐜𝐮𝐚𝐧𝐭𝐨 𝐯𝐚𝐥𝐞
Reemplazamos en la ecuación de la regresión lineal simple.
𝑦𝑖 = 56.7508 + (15.464) × 9
𝒚𝒊 = 𝟏𝟗𝟓𝟗𝟐𝟔𝟖

J-8) Hallar el Coeficiente de Regresión Lineal Simple . Interpretarlo estadísticamente.

∑𝒏𝟏(𝒙𝒊 𝒚𝒊 )
̂
𝜷= 𝒏
∑𝒊=𝟏 𝒙𝟐𝒊
𝒙𝒊 = 𝑿𝒊 − 𝑿̅ ; 𝒚 𝒊 = 𝒀𝒊 − 𝒀 ̂ = 𝒄𝒐𝒆𝒇𝒊𝒄𝒊𝒆𝒏𝒕𝒆 𝒅𝒆 𝒓𝒆𝒈𝒓𝒆𝒔𝒊𝒐𝒏 𝒍𝒊𝒏𝒆𝒂𝒍 𝒔𝒊𝒎𝒑𝒍𝒆.
̅: 𝜷
∑𝑛
1 (𝑥𝑖 ×𝑦𝑖 ) 433.0001
∑𝑛 2 = = 𝟏𝟓. 𝟒𝟔𝟒
𝑖=1 𝑥𝑖 28

J-9) Hallar el Coeficiente de Correlación Lineal Simple (rho, ρ). Interpretarlo estadísticamente.
= 0.8653884642
: Correlación con alto grado de asociación, ya que varía de -1 a 1 (alto grado de relación con x e
y).

J-10) Hallar el Coeficiente de Determinación ρ2 . Interpretarlo estadísticamente.

= (0.748897194)100%
= 74.8897194%
: Sabemos que el 86.5% de las variaciones de y están explicados por la variable independiente x
(es un porcentaje alto).

J-11) Hallar el Coeficiente de Alejamiento e iinterpretarlo estadísticamente.

= 0.251102806
: El alejamiento es mínimo, por lo que “y” depende en gran medida de “x”.

J-12) ¿Existirá la regresión no- lineal en este caso? Fundamente teóricamente.

: No existe, para que pueda darse el caso los valores dados no se deben de ajustar a una línea
recta.

J-13) Calcule la Regresión No- Lineal Simple para estos datos; si es posible.

: No es posible calcular ya que hay una regresión lineal simple.

J-14) Hallar el Coeficiente de Variación para X.

𝑺
𝑪𝑽𝑿 = ̅
𝑿
7.35
𝐶𝑉𝑥 = = 𝟐. 𝟒𝟓
3
J.15) Hallar el Coeficiente de Variación para Y.
𝑺
𝑪𝑽𝒚 = ̅
𝑿
252.65
𝐶𝑉𝑦 = = 𝟐. 𝟒𝟒𝟗𝟓
103.14
PARTE M. CÁLCULO DE PROBABILIDADES I
M-1) Problema de las Urnas. La urna 1 contiene (x+1) esferas blancas e (y-1) rojas. La urna 2 contiene
(z-1) esferas blancas y (v+2) rojas. Se escoge una esfera al azar de la urna1 y se pone en la urna 2. Entonces
se escoge una esfera al azar de la urna 2. ¿Cuál es la probabilidad de que esta esfera sea blanca?
Sugerencia i). Aplicar Probabilidad Condicional, ver Meyer- Teoría y Solucionario.

B1: sea blanca de urna 1

R1: sea roja de urna 1
B2: sea blanca de urna 2 después de agregarle una blanca de la urna 1
B2': sea blanca de urna 2 después de agregarle una roja de la urna 1

Probabilidad que al extraer una esfera de la urna 2 sea blanca = probabilidad que, la que pasó dela
1 fue blanca y salio blanca en la urna 2 ó la que pasó de la 1 fue roja y salio blanca en la urna 2

P[ (B1 ∩ B2) U (R1 ∩ B2') ]

Ley de adición:

P (B1 ∩ B2) + P (R1 ∩ B2')

Ley del condicional:

P (B1) * P (B2 / B1) + P (R1) * P(B2' / R1)
[ (x+1) /(x+1+y-1) ] * [((z-1)+1) / ((x+1)+(z-1)+1)] + [(y-1) /(x+1)+(y-1) ] * [(z-1) / (x+1)+(z-1)+1)]
[ (x+1) /(x+y) ] * [z / (x+z+1)] + [(y-1) /(x+y) ] * [(z-1) / (x+z+1)]
[ z(x+1)/(x+y)(x+z+1)] + [(y-1)(z-1)/(x+y)(x+z+1)]
[ z(x+1) + (y-1)(z-1) ] / [(x+y) (x+z+1)]

𝐳(𝐱 + 𝟏) + (𝐲 − 𝟏)(𝐳 − 𝟏)
(𝐱 + 𝐲) (𝐱 + 𝐳 + 𝟏)

M-2) En la “Empresa Aurífera Yanacocha (Cajamarca), la probabilidad de que una familia minera tenga
televisor es 0.80, una máquina lavadora es 0.50 y de que tenga ambos es 0.45¿Cuál es la probabilidad de
que una familia Yanacochina tenga televisor o máquina lavadora o ambos artefactos domésticos?
Sugerencia ii). Aplicar Teorema de Probabilidad de Adición para 2 eventos cualesquiera.

FORMULA:
𝐏(𝐀𝐔𝐁) = 𝐏(𝐀) + 𝐏(𝐁) − 𝐏(𝐀𝐁)

DATOS:
Numero de familia minera tenga televisor: A
Probabilidad del número de familia minera tenga televisor: P(A)=0.80
Numero de familia minera que tenga una máquina de lavar: B
Probabilidad del número de familia minera que tenga una máquina de lavar: P(B)=0.50
Probabilidad de ambos: P(AB)=0.45
Reemplazando en la formula:
P(AUB) = P(A) + P(B) − P(AB)
P(AUB) = 0.80 + 0.50 − 0.45
𝐏(𝐀𝐔𝐁) = 𝟎. 𝟖𝟓
Entonces la probabilidad de una familia Yanacochina tenga televisor o maquina lavadora.

M-3) La probabilidad de que un vendedor de maquinaria minera venda por lo menos tres (03) máquinas
en un día es 0.20. ¿Cuál es la probabilidad de que venda 0, 1 ó 2 máquinas en ese día?
Sugerencia iii). Aplicar Probabilidad Clásica.

FORMULA:
𝒏(𝑨)
𝑷(𝑨) =
𝒏(𝜴)
DATOS:
La cantidad de máquinas por vender: A
𝑷(𝑨) = 𝟎. 𝟐𝟎, de tres maquinas por vender.
Donde:
𝟑
𝟎. 𝟐𝟎 =
𝒏(𝜴)
𝒏(𝜴) = 𝟏𝟓
Por lo tanto, la probabilidad de que vende 0 maquina en es día es:
𝟎
𝑷(𝑨) =
𝟏𝟓
𝑷(𝑨) = 𝟎
Por lo tanto, la probabilidad de que vende 1 maquina en es día es:
𝟏
𝑷(𝑨) =
𝟏𝟓
𝑷(𝑨) = 𝟎. 𝟔
Por lo tanto, la probabilidad de que vende 2 maquina en es día es:
𝟐
𝑷(𝑨) =
𝟏𝟓
 𝑷(𝑨) = 𝟎. 𝟏𝟑

M-4) En una encuesta pública se determina que la probabilidad de que una persona consuma el producto
“A” es 0.50, que consuma el producto “B” es 0.37, que consuma el producto “C” es 0.30,
que consuma “A” y “B” es 0.12, que consuma solamente “A” y “C” es 0.08 y que consuma solamente
“B” y “C” es 0.05 y que consuma solamente “C” es 0.15. Usando Diagrama de Venn-Euler y Teoremas
de Probabilidades, hallar la probabilidad que una persona consuma:
i) A ó B, pero no C; ii) Sólo A.
Sugerencia iv). Aplicar Probabilidad Clásica, Probabilidad Condicional y Teoremas de Teoría de
la Probabilidad (Axiomática).

I) A ó B, pero no C;

𝑷 ((𝑨𝑼𝑩 ) − 𝑪 ) = 𝟎. 𝟓𝟎 + 𝟎. 𝟑𝟕 − 𝟎. 𝟏𝟒 − 𝟎. 𝟑𝟎 = 𝟎. 𝟒𝟑

II) Sólo A.

𝑷 ((𝑨) ) = 𝟎. 𝟐𝟖

0.28

0.12 0.08

0.02
B A
0.15
0.05
0.18
C

M-5) Sean A y B eventos o sucesos tales que: P(A)= 1/ 2; P(B)= 1/ 3 y P(A∩B)= 1/ 4.

* Hallar las Probabilidades:
M.5.1) P(A / B); M-5.2) P(B / A); M-5.3) P(A U B)
M-5.4) P(Ac / Bc); M-5.5) P(Bc / Ac) M-5.6) P(B / Ac)
M-5.7) P(A∩B) c M-5.8) P(A U B) c M-5.9) P(A U B)
Sugerencia v). Aplicar Probabilidad Condicional; Teorema de Probabilidad de Adición y el
Teorema de Probabilidad de Multiplicación.
M.5.1) P(A / B);
Solución:
𝑃(𝐴𝐵)
𝑃(𝐴/𝐵) = 𝑆𝑖, 𝑃(𝐵) > 0 P(Ω)=1
𝑃(𝐵)
1/4 3
𝑃(𝐴/𝐵) = = = 0.75
1/3 4 B
𝑷(𝑨/𝑩) = 𝟎. 𝟕𝟓 A

M-5.2) P(B / A); 1/4 1/4 1/12

Solución:
𝑃(𝐵𝐴)
𝑃(𝐵/𝐴) = 𝑆𝑖, 𝑃(𝐴) > 0
𝑃(𝐴) 5/12
1/4 2
𝑃(𝐵/𝐴) = = = 0.5
1/2 4
𝑷(𝑩/𝑨) = 𝟎. 𝟓

M-5.3) P(A U B)
Solución:
𝑃(𝐴 𝑈 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴𝐵)
1 1 1
𝑃(𝐴𝑈𝐵) = + −
2 3 4
𝑷(𝑨𝑼𝑩) = 𝟎. 𝟓𝟖

M-5.4) P(Ac / Bc)

Solución:
5
𝑐/ 𝑃(𝐴 𝑐 𝐵𝑐 ) 10
𝑃(𝐴 𝐵𝑐 ) = = 12
1 = = 0.83
𝑃(𝐵𝐶 ) 12
2
𝑷(𝑨 𝒄 / 𝑩𝒄 ) = 𝟎. 𝟖𝟑

M-5.5) P(Bc / Ac)

Solución:
𝟓
𝑷(𝑩 𝒄 𝑨𝒄 ) 𝟏𝟎
𝑷(𝑩 𝒄 / 𝑨𝒄 ) = = 𝟏𝟐
𝟏 = = 0.83
𝑷(𝑨𝑪 ) 𝟏𝟐
𝟐
𝑷(𝑩 𝒄 / 𝑨𝒄 ) = 𝟎. 𝟖𝟑

M-5.6) P(B / Ac)

Solución:
1
𝑃(𝐵 𝐴𝑐 ) 2
𝑃(𝐵/ 𝐴𝑐 ) = = 12
1 = = 0.16
𝑃(𝐴𝐶 ) 12
2
𝑷(𝑩/ 𝑨𝒄 ) = 𝟎. 𝟏𝟔

M-5.7) P(A∩B) c
Solución:
1 1 5 7
𝑃((A ∩ B)𝐶 ) = 𝑃(𝐴𝐶 𝑈𝐵𝐶 ) = 𝑃(𝐴𝐶 ) + 𝑃(𝐵𝐶 ) − 𝑃(𝐴𝐶 𝐵𝐶 ) = + − = = 0.58
2 2 12 12
𝐏(𝐀 ∩ 𝐁)𝑪 = 𝟎. 𝟓𝟖

M-5.8) P(A U B) c
Solución:
5
𝑃((AUB)𝐶 ) = 𝑃(𝐴𝐶 𝐵𝐶 ) = = 0.41
12
𝐏(𝐀𝐔𝐁)𝑪 = 𝟎. 𝟒𝟏

M-5.9) P(A U B)
Solución:
𝑃(𝐴 𝑈 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴𝐵)
1 1 1
𝑃(𝐴𝑈𝐵) = + −
2 3 4
𝑷(𝑨𝑼𝑩) = 𝟎. 𝟓𝟖

M-6) En la Escuela Profesional de Ingeniería de Minas-UNSCH, el 25% de los estudiantes se han

desmatriculado en Análisis Matemático, el 15% se ha desmatriculado en Física II y el 10% se
han desmatriculado en Análisis Matemático y en Física II .
* Se elige un estudiante minero al azar y se pide:
M-6.1) Si se ha desmatriculado en Física II , ¿cuál es la probabilidad de que se haya desmatriculado
en Análisis Matemático?.

Probabilidad de que A ocurra habiendo ocurrido B.

𝑃(𝐴∩𝐵)
P(A/B) = 𝑃(𝐵)

10/100
P(A/B) = 15/100

P(A/B) = 𝟏𝟎/𝟏𝟓

Rpta: Si se ha desmatriculado en Fisica II, la probabilidad de desmatricularse en Análisis

Matemático es de 66.6666667%.

M-6.2) Si se ha desmatriculado en Análisis Matemático, ¿cuál es la probabilidad de que se

haya desmatriculado en Física II ?.

Probabilidad de que B ocurra habiendo ocurrido A.

𝑃(𝐴∩𝐵)
P(B/A) =
𝑃(𝐴)

10/100
P(B/A) =
25/100

P(B/A) = 𝟒𝟎/𝟏𝟎𝟎

Rpta: Si se ha desmatriculado en Análisis Matemático, la probabilidad de desmatricularse en Física

II es de 40%.

M-6.3) ¿Cúal es la probabilidad de que se haya desmatriculado en Análisis Matemático o Física II?
Sugerencia vi). Aplicar Probabilidad Condicional y Teoremas de Probabilidad.

SOLUCION:
𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵)
𝑃(𝐴 ∪ 𝐵) = 0.25 + 0.15 − 0.10
𝑃(𝐴 ∪ 𝐵) = 0.30
𝑷(𝑨 ∪ 𝑩) = 𝟎. 𝟑𝟎 𝒙 𝟏𝟎𝟎 = 𝟑𝟎%

M-7) En la ciudad de Trujillo, el porcentaje de personas que leen los periódicos:

“El Comercio” (A)= 9.8%; “La Industria” (B)= 22.9%; “La República” (C)=12.1%; A y B= 5.1%;
A y C=3.7%; B y C=6.0%; A, B y C=2.4%.
M-7.1) ¿Qué porcentaje de la población lee al menos uno de los periódicos A, B y C?

U
A
3.4%

2.7% 1.3%

2.4%
B A
4.8%
3.6%
14.2%
C

M-7.2) ¿Cuál es la probabilidad que una persona seleccionada aleatoriamente de esta población sea
Lector de “El Comercio” (A) y no lo sea de los periódicos “La Industria” (B) y “La República” (C) .
Sugerencia vii). Teorema Generalizado de la Adición basado en Diagramas de Venn- Euler.
Sugerencia viii). Probabilidad Condicional y Teorema de la Multiplicación de eventos.

𝑃(𝐴 ∩ 𝐵𝐶 ∩ 𝐶𝐶)=

U
A

A ∩ 𝐵 𝐶 ∩ 𝐶𝐶

A ∩ 𝐵 ∩ 𝐶𝐶 A ∩ 𝐵𝐶 ∩ 𝐶

A𝐶∩ 𝐵 ∩ 𝐶
B
A𝐶 ∩ 𝐵 𝐶 ∩ 𝐶
A𝐶 ∩ 𝐵 ∩ 𝐶
A𝐶 ∩𝐵 ∩ 𝐶𝐶
C

Observando los diagramas de Venn:

𝐴 = 𝐴𝐵𝐶 𝖴 𝐴𝐵𝐶𝐶 𝖴 𝐴𝐵𝐶𝐶 𝖴 𝐴𝐵𝐶𝐶𝐶

𝑃(𝐴) = 𝑃(𝐴𝐵𝐶) + 𝑃(𝐴𝐵𝐶𝐶) + 𝑃(𝐴𝐵𝐶𝐶) + 𝑃(𝐴𝐵𝐶𝐶𝐶)

→ 𝑃(𝐴𝐵𝐶𝐶𝐶) = 𝑃(𝐴) − 𝑃(𝐴𝐵𝐶) − 𝑃(𝐴𝐵𝐶𝐶) − 𝑃(𝐴𝐵𝐶𝐶)

Análogamente:
𝐴𝐵 = 𝐴𝐵𝐶 𝖴 𝐴𝐵𝐶𝐶 ; 𝐴𝐶 = 𝐴𝐵𝐶 𝖴 𝐴𝐵𝐶𝐶
𝑃(𝐴𝐵) = 𝑃(𝐴𝐵𝐶) + 𝑃(𝐴𝐵𝐶𝐶) → 𝑃(𝐴𝐵𝐶𝐶) = 𝑃(𝐴𝐵) − 𝑃(𝐴𝐵𝐶)

𝑃(𝐴𝐶) = 𝑃(𝐴𝐵𝐶) + 𝑃( 𝐴𝐵𝐶𝐶) → 𝑃( 𝐴𝐵𝐶𝐶) = 𝑃(𝐴𝐶) − 𝑃(𝐴𝐵𝐶)

Reemplazando (2) y (3) en (1), se tiene:

𝑃(𝐴𝐵𝐶𝐶𝐶) = 𝑃(𝐴) − 𝑃(𝐴𝐵𝐶) − 𝑃(𝐴𝐵) + 𝑃(𝐴𝐵𝐶) − 𝑃(𝐴𝐶) + 𝑃(𝐴𝐵𝐶)

𝑃(𝐴𝐵𝐶𝐶𝐶) = 𝑃(𝐴) − 𝑃(𝐴𝐵𝐶) − 𝑃(𝐴𝐵) − 𝑃(𝐴𝐶) + 𝑃(𝐴𝐵𝐶

𝑃(𝐴𝐵𝐶𝐶𝐶) = 0.98 − 0.051 − 0.037 + 0.024

𝑃(𝐴𝐵𝐶𝐶𝐶) = 0.034
𝟑. 𝟒
𝑷(𝑨′′) = = 𝟎. 𝟎𝟑𝟒
𝟏𝟎𝟎

Ciudad Universitaria Virtual, 17 de julio de 2022; 2:30 p.m.

DOCENTE RESPONSABLE DE SUBIR REGISTRO Y ACTAS AL SIMA-UNSCH

DE LA ASIGNATURA “ESTADÍSTICA Y PROBABILIDAD” (ES-142, Ing. MINAS)