DEPARTAMENTO DE CIENCIAS EXACTAS Y NATURALES

ESCUELAS TECNICAS RAGGIO

MATEMÁTICA 5
CUADERNILLO DE USO OBLIGATORIO

ALUMNO:
CURSO:

ESPECIALIDADES: AUTOMOTORES, CONSTRUCCIONES, MECÁNICA,

INDUMENTARIA, ALIMENTOS, ORFEBRERIA, GRAFICAS, MUEBLE Y PUBLICIDAD
 Programa de Matemática 5° Año
Unidades Contenidos

Unidad 1 Repaso concepto de integral. Método de integración por

fracciones simples. Problemas de aplicación adecuados a
INTEGRALES
cada especialidad.

Unidad 2 Números factoriales: definición y propiedades. Números

combinatorios: definición y propiedades. Combinatorios
complementarios. Triangulo de Tartaglia o Pascal:
COMBINATORIA propiedades. Binomio de Newton: desarrollo de las
potencias de un binomio. Calculo de un término del
desarrollo. Permutaciones sin repetición. Permutaciones
con repetición. Variaciones sin repetición. Variaciones
con repetición. Combinaciones. Problemas de
aplicación.

Unidad 3 Definición de Laplace. Propiedades. Probabilidad

contraria. Sucesos independientes y dependientes.
Probabilidad condicionada. Probabilidades totales y
PROBABILIDAD compuestas. Problemas.

Unidad 4 Población, muestra, individuo. Variables estadísticas

discretas y continuas. Tablas de frecuencias. Gráficos
ESTADÍSTICA
estadísticos. Medidas de centralización y de dispersión.
Distribución normal.
 Unidad N°0: Repaso

Integral indefinida
Anteriormente estudiamos que dada una función F(x),debíamos hallar su derivada F´(x)= f(x) ahora
estudiaremos el problema inverso, dada una función f(x) es preciso hallar una función F(x) cuya derivada
sea f(x), es decir, F´(x)= f(x)
En ese caso se dice F(x) es la primitiva de f(x).
x3
Ejemplo: Sea f(x)=x 2 , su primitiva sera F(x)= ya que F´(x)=x 2 ,pero observemos que esa función
3
x3 x3
primitiva no es la única ya que F(x)= − 1, F(x)= + 7 tambien derivadas dan F´(x)=x 2 podemos decir
3 3
x3
entonces en general que difieren de una constante c, la primtiva sera F(x)= + c , donde c es una
3

constante arbitraria.
Si F(x) es una función primitiva de f(x), la expresión F(x) +c se llama integral indefinida de la función f(x) y
se designa mediante el símbolo
∫ 𝐟(𝐱)𝐝𝐱 = 𝐅(𝐱) + 𝐜

Si F´(x)=f(x), f(x) es el integrando.

Así la integral indefinida representa una familia de funciones y= F(x) +c
Algunas propiedades de las derivadas indefinidas
1. La integral indefinida de la suma de dos o más funciones es igual a la suma de sus integrales.
∫(f1(x) + f2 (x) + f3 (x) ) dx = ∫ f1(x) dx + ∫ f2(x) dx + ∫ f3(x) dx
2. El factor constante en una integral se puede sacar fuera del signo integral.
Si a = constante

∫ a. f(x)dx = a. ∫ f(x)dx

Tabla de integrales
xn+1 1
1. ∫ x n dx = +c n≠ −1 7. ∫ 𝑠𝑒𝑛2𝑥 dx = −cotg x + c
n+1
dx ax
2. ∫ = ln |x| +c 8. ∫ ax dx = + c
x ln a
1
3. ∫ sen x dx = − cos x + c 9. ∫ 1+ x2 dx = arctg x + c
4. ∫ cos x dx = sen x + c 1 1 x
10. ∫ a2 +x2 dx =a arctg +c
a
5. ∫ ex dx = ex + c
1
6. ∫ 2 dx = tgx + c
𝑐𝑜𝑠 𝑥

Para encontrar una primitiva de una función dada, basta con descomponerla (escribirla bajo forma de
una combinación lineal) en funciones elementales cuyas primitivas son conocidas o se pueden obtener
de una tabla de integrales, y luego aplicar las propiedades de las integrales.
Ejemplo 1:∫(3senx + x 4 − 2x)dx
Para resolverla aplicamos la propiedad 1 y 2
∫(3senx + x 4 − 2x)dx =

3. ∫ senx dx + ∫ x 4 dx − 2 ∫ x dx

x5
Resulta usando la tabla: -3.cos x + − x2 + c
5
3
Ejemplo 2:∫ √x 2 dx
2⁄
Llevamos a exponente fraccionario: ∫ x 3 dx

2⁄ 3 5⁄
Luego aplicamos la tabla el caso x n , resulta: ∫ x 3 d x =5x 3 +c

1. Aplica las reglas vistas hasta ahora para resolver:

a) ∫(𝑥 2 + 𝑥)𝑑𝑥 h) ∫ (𝑤 + 𝑤) 𝑑𝑤 =
1

1
b) ∫ 3 𝑑𝑧 = i) ∫(𝑒 𝑥 + 3𝑥 ) 𝑑𝑥 =
𝑧

c) ∫(𝑥 + 2)(𝑥 + 3)𝑑𝑥 = j) ∫

𝑥 3+3𝑥 2 +𝑥−4
𝑑𝑥 =
𝑥
d) ∫(𝑡 + 𝑐𝑜𝑠𝑡 − 1) 𝑑𝑡 =
k) ∫(3𝑥 2 + 2𝑥 + 1)𝑑𝑥=
3)
e) ∫(−3𝑠𝑒𝑛𝑥 + 𝑥 𝑑𝑥 =
l) ∫ 2𝑥 𝑑𝑥=
f) ∫ √3𝑥 𝑑𝑥 = 1
m) ∫ 𝑡 dt=
g) ∫(2𝑡 − 1)2 𝑑𝑡 =
Integral definida
La integral definida es una herramienta muy importante para el cálculo de áreas, una integral definida
entre dos valoresx1= a y x2 = b representa el área que deja debajo de la curva f(x) y el eje de las abscisas
(eje x) y las rectas verticales que pasan por x1= a y x2 = b

b
La integral definida se expresa ∫a f(x)dx

Regla de Barrow
La r eg la d e Ba r r o w dice que la int e g ral de fin ida de una func ión cont i nua f(x ) e n un
int e rv a lo ce r rado [a, b ] e s ig ual a la dife re n cia e nt re los v al ore s q ue t om a una
funci ón prim it iv a G (x ) de f (x ), e n los e x t re mos de d icho int e rv al o.

C a lcula r la s s ig uie nt e s i nt e g rale s de fin id as aplican do la r eg la d e Ba r r o w .

 𝟗 𝟗 𝟏 𝟑 𝟑
𝟐 𝟑 𝟐
Ej em p lo 1 : Áre a A= ∫𝟎 √𝒙 dx = ∫𝟎 𝒙𝟐 dx = x = ( 𝟗𝟐 - 𝟎𝟐 )= 18
𝟑 𝟐 𝟑

Cuando la función es negativa, el área que determina la curva con el eje x, se calcula agregando un signo
negativo a la función.
Ejemplo 2: F(x)= -x2 -1 en el intervalo x∈ [−2; 1]
1 1 1 1 x3
A= ∫−2 −(−x 2 − 1)dx = ∫−2(x 2 + 1 )dx=∫−2 x 2 dx + ∫−2 dx = |1-2 +x |1-2=
3
1
[1 − (−8)]+[1 − (−2)]= 6
3

Ej em p lo 3 :

Re s pue s t a :

Ej em p lo 4:

Re s pue s t a :

Ej em p lo 5:

Re s pue s t a :

Ej em p lo 6:

Re s pue s t a :

Ej em p lo 7:

Re s pue s t a :
Ár ea en tr e d o s f u n c io n es
P a ra ca l cula r e l áre a comp re nd ida e nt re d os f unci one s s e int e g ra la di fe re n cia
b
e nt re a m bas A= ∫a (f(x) − g(x))dx donde a y b s on los pu nt os de int e rs e cc ión e nt re

la s curv a s .

Ej em p lo : calcula r e l áre a c ompre n dida e nt re f(x )= −x 2 + 6x y g (x )= x 2 (Not a : de be

coloca rs e e n p rime r lug ar la func ión s up e rio r)
Ve m os los p unt os de int e rs e cci ón ig uala ndo
f(x )= g (x )
−x 2 + 6x =x 2
S e obs e rv a que s e cump le la ig ua ldad pa ra x 1 = 0 y x 2 = 3
3 −2
Ent once s la int e g ral s e e x pre s a: ∫0 [(−x 2 + 6x) − x 2 ]dx = x 3 + 3x 2 | 0 3
3

= -18+ 27 - 0 = 9

2. Calcu la r e l área co mp ren d i d a en t re la s cu rvas f( x) y g( x)

f(x) = x 2 − 2x 𝑓 (𝑥 ) = 2𝑥 + 3
a. { } d. { }
g(x) = −x + 6 𝑔 (𝑥 ) = 6
1
f(x) = x 3 𝑓 (𝑥 ) = 4 𝑥 3
b. { 1} e. { }
g(x) = 3 + x. 𝑔(𝑥 ) = 4𝑥
3

𝑓 (𝑥 ) = 𝑥 2 − 4
c. { }
𝑔 (𝑥 ) = 5
 Unidad N°1: Integrales

A veces las integrales no son ni sumas ni restas de integrales conocidas, y para ello se utilizan otros
métodos, como: Método de sustitución, Integración por partes o fracciones simples.
Método de sustitución
Se utiliza un método cuando no se encuentra rápidamente la primitiva en tabla, y consiste en sustituir
una de las funciones de la integral por otra variable, debiendo volver a reemplazar por la función original
una vez resulta la integral.
Veamos un ejemplo:
Ejemplo 1: ∫ sen x cos x dx
si t = sen x ⇒ dt = cos x dx
t2
Por lo tanto, en la integral queda: ∫ t dt = 2
+c
(sen x)2
Reemplazando queda: ∫ sen x cos x dx = 2
+c

Para verificar su validez basta con derivar dicha función.

x
Ejemplo 2: ∫ 1+x2 dx

Elegimos la sustitución: t = 1 + x 2 ⇒dt = 2x dx,

dt dt 1 dt 1
Entonces reemplazamos: x dx= 2 y en la integral resulta:∫ = 2 ∫ t = 2 ln t + c,
t2
x 1
Volvemos a reemplazar y resulta:∫ 1+x2 = 2 ln(1 + x 2 ) + c

1. Resuelve aplicando el método de sustitución de ser posible:

a) ∫(3𝑦 2 + 5𝑦)6 . (6𝑦 + 5)𝑑𝑦 = e) ∫ 𝑎. √𝑎2 + 3 𝑑𝑎 =
2𝑥+1 2
b) ∫ 𝑥 2+𝑥 𝑑𝑥 = f) ∫ 3𝑥𝑒 −𝑥 𝑑𝑥 =
c) ∫ 𝑠𝑒𝑛(𝑦 5 ). 𝑦 4 𝑑𝑦 = g) ∫(2𝑡 − 3)𝑠𝑒𝑛(𝑡 2 − 3𝑡) 𝑑𝑡 =
1
d) ∫ (3𝑥+2)10 dx=

Método de Integración por partes

Se utiliza cuando la integral es el producto de dos funciones, sean u y v dos funciones derivables,
entonces sabemos que la diferencial del producto (u.v) es d(u.v)= u dv + v du , luego si integramos
ambos miembros: u.v= ∫ u dv +∫ v du
Esta expresión resolverá la integral: ∫ u dv = u. v – ∫ v. du *, por lo tanto, deberemos elegir quien será
v y quien du, veamos un ejemplo:
Ejemplo 1: Sea ∫ x. sen x dx
Elegimos u= x ⇒dv= senx dx
Debemos calcular también du y v para completar en la formula *: du=1.dx y v=- cosx
Entonces reemplazando en *: ∫ 𝑥. 𝑠𝑒𝑛 𝑥 𝑑𝑥 = − 𝑥. 𝑐𝑜𝑠 𝑥 − ∫ 1 . (− 𝑐𝑜𝑠 𝑥)𝑑𝑥
=−x. cos x + senx + C
Ejemplo 2: Sea ∫ x. ln x dx
Se elige u= ln x y dv=x.dx
1 x2
Entonces: d u=x dx y v= 2
x2 x2 1
Resulta al reemplazar en la formula *: ∫ x. ln x dx = . ln x − ∫ . x dx
2 2

x 1 x2 x2
Esta última integral queda simplificando las x : ∫ 2 dx = 2 . 2 = 4
x2 x2
Entonces: ∫ x. ln x dx = 2
. lnx − 4
+ C

2. Resuelve las siguientes integrales aplicando el método de integración por partes:

a) ∫ 3√𝑥 . 𝑙𝑛𝑥 𝑑𝑥 = e) ∫ 𝑙𝑛𝑡 𝑑𝑡 =
b) ∫ 𝑧. 𝑒 𝑧 𝑑𝑧 = f) ∫ 𝑥 2 . 𝑒 𝑥 𝑑𝑥 =
c) ∫ 𝑥 3 . 𝑙𝑛𝑥 𝑑𝑥 = g) ∫ 𝑥 2 . 𝑐𝑜𝑠𝑥 𝑑𝑥 =
d) ∫(2𝑥 + 3). 𝑒 𝑥 𝑑𝑥 =
Método de fracciones simples
Este método es útil para resolver integrales indefinidas de funciones racionales cuando el polinomio del
denominador, que tiene sus raíces reales, es de mayor grado que el del numerador.
El método de fracciones simples consiste en transformar la expresión de la función racional en una suma
de otras expresiones racionales cuyas integrales se puedan obtener por el método de sustitución.
Si el polinomio del denominador de la función racional tiene raíces reales y simples, entonces,
descomponemos la expresión de la función en tantos sumandos como raíces aquel tiene, y luego
resolvemos la integral indefinida de cada sumando. Además, si el polinomio de denominador de la
función racional tiene alguna raíz real a de multiplicidad p, entonces, a la expresión correspondiente a
dicha raíz la descomponemos en p sumandos cuyos denominadores respectivamente son (x-a), (x-a)2, …,
(x-a) p, y luego hallamos la integral indefinida de cada sumando.
A veces, para hallar la integral indefinida, no podemos utilizar el método de sustitución o de integración
por partes, ya que la integral que quedaría por resolver es más complicada que la original.
Es por eso que utilizaremos el nuevo método de fracciones simples, veamos algunos ejemplos:
3𝑥+2
Ejemplo 1: ∫ 𝑥 2 −4=

Observemos el denominador de la función.

𝑥 2 − 4 = (𝑥 − 2)(𝑥 + 2)
Si encontramos dos números reales A y B que verifique:
3𝑥 + 2 𝐴 𝐵
2
= +
𝑥 −4 𝑥−2 𝑥+2
Podemos escribir:
3𝑥 + 2 𝐴 𝐵
∫ 2
𝑑𝑥 = ∫ 𝑑𝑥 + ∫ 𝑑𝑥
𝑥 −4 𝑥−2 𝑥+2
Con lo cual las dos integrales se pueden resolver empleando el método de sustitución.
Hallemos entonces el número reales A y B:
𝐴 𝐵 𝐴(𝑥 + 2) + 𝐵(𝑥 − 2) 3𝑥 + 2 𝐴(𝑥 + 2) + 𝐵(𝑥 − 2)
+ = => 2 =
𝑥−2 𝑥+2 (𝑥 − 2)(𝑥 + 2) 𝑥 −4 (𝑥 − 2)(𝑥 + 2)
Luego, como los denominadores de ésta última expresión son iguales, entonces podemos afirmar lo
siguiente:
𝐴(𝑥 + 2) + 𝐵(𝑥 − 2) = 3𝑥 + 2 => 𝐴𝑥 + 2𝐴 + 𝐵𝑥 − 2𝐵 = 3𝑥 + 2 =>
=> (𝐴 + 𝐵)𝑥 + 2𝐴 − 2𝐵 = 3𝑥 + 2
Por lo tanto; como dos polinomios son iguales cuando todos sus coeficientes lo son, resulta que A+B=3 y
2A-2B=2, con lo cual es A=2 yB=1.
Luego, obtenemos que:
3𝑥 + 2 2 1
∫ 2
𝑑𝑥 = ∫ 𝑑𝑥 + ∫ 𝑑𝑥 =
𝑥 −4 𝑥−2 𝑥+2
2 1
2∫ 𝑑𝑥 + ∫ 𝑑𝑥 = 2𝑙𝑛|𝑥 − 2| + 𝑙𝑛|𝑥 + 2| + 𝑘
𝑥−2 𝑥+2
3𝑥+2
Ejemplo 2: ∫ 𝑥 2−2𝑥+1=

Nuevamente, observemos el denominador de la función.

𝑥 2 − 2𝑥 + 1 = (𝑥 − 1)2
Luego, si queremos encontrar dos números reales A y B tales que:
3𝑥 + 2 𝐴 𝐵 𝐴+𝐵
= + =
𝑥2 − 2𝑥 + 1 𝑥 − 1 𝑥 − 1 𝑥 − 1
Los denominadores de la primera y de la última expresión no quedan iguales. Por lo tanto, no podemos
igualar los denominadores.
Busquemos, entonces otra opción.
Hallemos dos números reales A y B tales que:
3𝑥 + 2 𝐴 𝐵 𝐴 (𝑥 − 1) + 𝐵
= + =
𝑥 2 − 2𝑥 + 1 𝑥 − 1 (𝑥 − 1)2 ( 𝑥 − 1)2
Ahora sí, los denominadores de la primera y de la última expresión son iguales, podemos asegurar que:
𝐴(𝑥 − 1) + 𝐵 = 3𝑥 + 2 => 𝐴𝑥 − 𝐴 + 𝐵 = 3𝑥 + 2 => 𝐴 = 3 𝑦 − 𝐴 + 𝐵 = 2 => 𝐴 = 3 𝑦 𝐵
=5
Luego, obtenemos que:
3𝑥 + 2 3 5
∫ 𝑑𝑥 = ∫ 𝑑𝑥 + ∫ 𝑑𝑥 =
𝑥2 − 2𝑥 + 1 𝑥−1 (𝑥 − 1)2

1 1 1
= 3∫ 𝑑𝑥 + 5 ∫ 2
𝑑𝑥 = 3𝑙𝑛|𝑥 − 1| + 𝑘1 + 5 ∫ 𝑑𝑥 =
𝑥−1 (𝑥 − 1) (𝑥 − 1)2
Para calcular la última integral, utilizamos el método de sustitución.
Al considerar t=x-1 resulta dt=dx. Entonces:
1 1 −2
𝑡 −1 −1
∫ 2
𝑑𝑥 = ∫ 2
𝑑𝑡 = ∫ 𝑡 𝑑𝑡 = + 𝑘2 = + 𝑘2
(𝑥 − 1) 𝑡 −1 𝑥−1
Reemplazando en la expresión anterior:
3𝑥 + 2 5
∫ 𝑑𝑥 = 3𝑙𝑛|𝑥 − 1| − +𝑘
𝑥2 − 2𝑥 + 1 𝑥−1
El método de fracciones simples se puede utilizar tanto para resolver integrales indefinidas, así como
también puede utilizarse para hallar integrales definidas.
Algunas integrales pueden resolverse por más de un método, otras, combinando varios, y otras, en
cambio, no pueden hallarse por ninguno de los métodos que hemos estudiado.
3. Hallen las siguientes integrales indefinidas:
3 3𝑧+5
a)∫ 𝑎2 +3𝑎 𝑑𝑎 = e)∫ 𝑧 3−𝑧 2−6𝑧 𝑑𝑧 =
3𝑥+1 5𝑥+3
b)∫ 𝑑𝑥 = f)∫ 𝑑𝑥 =
𝑥 2+4𝑥+3 2𝑥 2−6𝑥+4
1 3𝑒 𝑥
c)∫ 𝑧 2−4 𝑑𝑧 = g)∫ 𝑒 3𝑥 +4𝑒 2𝑥 −5𝑒 𝑥 𝑑𝑥 =
𝑥−1 7
d)∫ 𝑥 3+𝑥 2 −6𝑥 𝑑𝑥 = h)∫ 𝑣 2 +3𝑣−10 𝑑𝑣 =

4. Integrar:
a) ∫ 𝑥. 𝑐𝑜𝑠𝑥𝑑𝑥 = e) ∫(𝑠𝑒𝑛𝑧)5 . 𝑐𝑜𝑠𝑧 𝑑𝑧 =
3𝑥 2+5 f) ∫ 𝑠𝑒𝑛𝑥. 𝑒 𝑥 𝑑𝑥 =
b) ∫ 𝑥 3+5𝑥 𝑑𝑥 =
5𝑥 2+3𝑥−1
−
1 i)∫ 𝑥 3 −2𝑥 2+𝑥−2 𝑑𝑥 =
c) ∫ 𝑥 2. 𝑙𝑛𝑥𝑑𝑥 =
5𝑧+1
d) ∫ 3𝑠𝑒𝑛2 𝑥. 𝑐𝑜𝑠𝑥 𝑑𝑥 = g) J)∫ 𝑧 2+𝑧−2 𝑑𝑧 =

5. Algunos problemas para usar integrales:

a) Un auto parte de una ciudad ubicada a 20km de buenos Aires rumbo a Mar del Plata. La función
𝑣 (𝑡) = 9𝑡 2 + 8 relaciona la velocidad instantánea del auto (v), medida en kilómetros por hora,
con el tiempo de viaje (t), medido en horas.
I. ¿Cuál es la velocidad del auto después de 3 horas de viaje?
II. Encuentren una función que permita calcular la distancia a la que el auto se encuentra de
Buenos Aires en cada instante del viaje.
b) Un autito de juguete parte a 20cm del inicio de una pista de carrera y se desplaza con trayectoria
recta. La función a(t)=sen(5t) relaciona la aceleración (a) del autito, medida en cm/s2, con el
tiempo de marcha (t), medido en s.
Hallar la función d(t) que permita calcular, en cada instante, la distancia a la que se encuentra el
autito del inicio de la pista de carrera.
 Unidad Nº 2: Combinatoria

Factorial de un número
El factorial (n!) de un número natural n es el producto de todos los números naturales desde 1 hasta n.
n! = 1.2.3… (n-2).(n-1).n y 0! = 1
Propiedad:
El factorial de un número es igual al factorial de su anterior por dicho número.
n! = 1.2.3… (n-2).(n-1).n=(n-1)!.n
(n-1)!
Ejemplo: 6! = 5!.6 = 4!.5.6 = 3!.4.5.6 = 2!.3.4.5.6 = 1.2.3.4.5.6
Esta propiedad permite simplificar expresiones:
5! 3! .4.5
= = 20
3! 3!
Permutaciones
Una permutación es una agrupación de cierta cantidad de elementos en la cual dos grupos son distintos
cuando sus elementos están ordenados de diferente forma.
La cantidad de permutaciones (sin repetición) que se puede hacer con n elementos es igual a n!
𝑃𝑛 = 𝑛!
Ejemplo:
¿Cuántos números de tres cifras distintas se pueden formar con el 3, el 2 y el 7?
3!=6
Rta: Se pueden armar 6 números distintos.
Permutaciones con repetición
Sea un conjunto de n elementos, de entre los cuales tenemos a elementos indistinguibles entre
sí, b elementos indistinguibles entre sí, c elementos indistinguibles entre sí, etc. Cada ordenación de
estos elementos se denominará permutación con repetición. El número de permutaciones con
repetición es:

Ejemplo:
¿Cuántas palabras con sentido o sin él pueden formarse con las letras PATATA?
Tenemos tres veces la letra A, dos veces la T y una vez la P.
Por tanto, serán:

Rta: Se pueden formar 60 palabras.

Variaciones
Una variación de n elementos tomados de a m, es la cantidad de grupos de m elementos que se pueden
formar con los n elementos.
En general:
𝑛!
𝑉𝑛𝑚 =
(𝑛 − 𝑚 )!
Ejemplo:
En una carrera de autos participan 19 corredores. ¿De cuántas formas posibles se pueden entregar los
tres primeros premios?
19!
𝑉19,3 = = 19.18.17 = 5814
(19 − 3)!
Rta: Hay 5814 formas posibles.
Variaciones con repetición
Sea un conjunto de n elementos. Supongamos que se trata de ordenar r elementos que pueden estar
repetidos. Cada ordenación es una variación con repetición. El número de variaciones con repetición
para un conjunto de n tomados de r en r es:

Ejemplo:
En una urna tenemos cinco bolas numeradas del 1 al 5. Se extraen tres bolas sucesivamente con
reposición (devolviendo cada vez la bola a la urna). ¿Cuántos resultados distintos es posible obtener?
Se trata de variaciones con repetición de un conjunto de 5 bolas tomadas de 3 en 3.

Rta: Es posible obtener 125 resultados.

Combinaciones
Una combinación de n elementos tomados de m es la cantidad de grupos distintos de m elementos (en
los que no importa el orden) que se obtiene con los n elementos siempre que cada grupo difiera en por
lo menos un elemento.

𝑛 𝑛 𝑛!
𝐶𝑚= ( )=
𝑚 𝑚! (𝑛 − 𝑚)!
Ejemplo:
¿Cuántos grupos distintos de 5 personas se pueden armar con 7 personas?
7 7! 7!
𝐶57 = ( ) = = = 21
5 5! (7 − 5)! 5! .2!
Rta: Se pueden armar 21 grupos distintos.
Propiedades de los números combinatorios:
𝑛
1)( ) = 1
0
0
2)( ) = 1
0
𝑛
3)( ) = 1
𝑛
𝑛 𝑛
4)( ) = ( )
𝑘 𝑛−𝑘
𝑛+1 𝑛 𝑛
5)( )= ( )+( )
𝑘 𝑘 𝑘−1
Triángulo de Pascal:
Consideremos el siguiente esquema triangular:
0
( )
0
1 1
( )( )
0 1
2 2 2
( )( )( )
0 1 2
3 3 3 3
( )( )( )( )
0 1 2 3
4 4 4 4 4
( )( )( )( )( )
0 1 2 3 4
De acuerdo con la última propiedad, cada número ubicado en el interior del triángulo es igual o la suma
de los 2 números inmediatos en la fila anterior.
Así, por ejemplo:
3 2 2
( )= ( )+( )
1 0 1
Y como, por otra parte, los números que están sobre los lados son todos iguales a 1, de acuerdo con las
propiedades 1) y 3), resulta inmediato el cálculo de los números que forman el triángulo.
1
1 1
1 2 1
1 3 3 1
1 4 6 4 1
1 5 10 10 5 1
…………………………………………………………………………………..
Esta disposición numérica se conoce con el nombre de triángulo de Pascal.
Entre los números que forman el triángulo se dan muchas relaciones interesantes.
Por ejemplo, si sumamos los elementos de cada fila empezamos desde la primera y siguiendo así en
forma ordenada con cada una de las filas siguientes, obtenemos las sucesivas potencias de 2 en orden
creciente.
n=0 1 20
n=1 1 1 21
n=2 1 2 1 22
n=3 1 3 3 1 23
………………………………………………………………………………………………………………………………………

Es decir:
Para la fila correspondiente a n=3, se tiene:
1 + 3 + 3 + 1 = 23
0 bien:
3 3 3 3
( ) + ( ) + ( ) + ( ) = 23
0 1 2 3
Para la fila correspondiente a n=4:
4 4 4 4 4
( ) + ( ) + ( ) + ( ) + ( ) = 24
0 1 2 3 4
Y en general se demuestra que:
𝑛 𝑛 𝑛 𝑛 𝑛
( )+ ( )+ ( )+ ⋯+ ( ) + ( ) = 2𝑛
0 1 2 𝑛−1 𝑛
La fórmula suele indicarse:
𝑛
𝑛
∑ ( ) = 2𝑛
𝑘
𝑘=0
𝑛 𝑛
Donde ∑𝑛𝑘=0 ( ) se lee: suma desde k=0 hasta K=n del número ( ) e indica la suma de todos los
𝑘 𝑘
términos que se obtienen dando sucesivamente a K los valores de 0 a n.

Ejemplo: Calcular
5
5
∑ ( ) = 25 = 32
𝑘
𝑘=0

Es decir, desarrollando el primer miembro:

5 5 5 5 5 5
( ) + ( ) + ( ) + ( ) + ( ) + ( ) = 32
0 1 2 3 4 5
Binomio de Newton
Dados los números reales a, b distintos de cero vamos a hallar el desarrollo de (𝑎 + 𝑏)𝑛 para cualquier
𝑛∈𝑁
Si n=1 (𝑎 + 𝑏)1 = 𝑎 + 𝑏
Si n=2 (𝑎 + 𝑏)2 = (𝑎 + 𝑏)(𝑎 + 𝑏) = 𝑎2 + 2𝑎𝑏 + 𝑏2
Podemos disponer las operaciones hechas de la siguiente manera:
a + b

a b a b

a2 + 2ab + b2

Si para cada valor de n escribimos en fila los coeficientes numéricos de (𝑎 + 𝑏)𝑛 obtenemos el triángulo
de Pascal.
En general se demuestra que:
𝑛 𝑛 𝑛 𝑛 𝑛
(𝑎 + 𝑏)𝑛 = ( ) 𝑎𝑛 + ( ) 𝑎𝑛−1 𝑏 + ( ) 𝑎𝑛−2 𝑏2 + ⋯ + ( ) 𝑎𝑏𝑛−1 𝑏2 + ( ) 𝑏𝑛
0 1 2 𝑛−1 𝑛
O bien, utilizando el símbolo de sumatoria:
𝑛
(𝑎 + 𝑏)𝑛 = ∑𝑛𝑘=0 ( ) 𝑎𝑛−𝑘 𝑏𝑘 BINOMIO DE NEWTON
𝑘
Teniendo en cuenta el desarrollo, observamos que:
𝑛
El término que ocupa el 1er lugares 𝑇1 = ( ) 𝑎𝑛
0
𝑛
El término que ocupa el 2do lugares 𝑇2 = ( ) 𝑎𝑛−1 𝑏
1
𝑛 𝑛−2 2
El término que ocupa el 3er lugares 𝑇3 = ( ) 𝑎 𝑏 y así sucesivamente.
2
El término que ocupa el lugar h es:
𝑛
𝑇ℎ = ( ) 𝑎𝑛−(ℎ−1) 𝑏ℎ−1
ℎ − 10

PROBLEMAS PROPUESTOS
1. ¿Cuántos números de 3 cifres distintas se pueden escribir con los 3 primeros números pares?
2. ¿De cuantas formas distintas se pueden sentar 4 amigos en un auto, si todos pueden manejar?
3. ¿Cuántos números de tres cifras distintas se pueden formar con los dígitos, 1,3,5,7,9?
4. ¿Cuántas señales distintas se pueden armar utilizando 3 de 12 banderas diferentes?
5. ¿Cuántas palabras de 3 letras se pueden armar con las letras de la palabra VERANO?
6. ¿Cuántas claves de 4 dígitos se pueden armar con las cifras del 0 al 9?
7. En un curso de 20 alumnos la maestra quiere armar grupos de 4 alumnos. ¿De cuántas formas
distintas los puede agrupar?
8. Calcular la cantidad de anagramas que se pueden formar con las palabras:
a. MANZANAS
b. BANANA
9. En una clase de 35 alumnos se quiere elegir un comité formado por tres alumnos. ¿Cuántos
comités diferentes se pueden formar?
10. A una reunión asisten 10 personas y se intercambian saludos entre todos. ¿Cuántos saludos se
han intercambiado?
11. ¿Cuántos triángulos determinan 5 puntos del plano dispuestos de manera tal que no haya tres
alineados?
12. En una casa hay 4 puertas al exterior. ¿De cuántas maneras distintas puede quedar la casa
abierta?
13. Desarrollar las siguientes potencias, utilizando el Binomio de Newton:
1 6
a)(3 + 𝑥 )4 = b) (𝑥 + 2𝑦)5 = c) (𝑎 − 2) =

14. Calcular el 5to término de: (−𝑥 2 + 𝑦)15

RESUMEN

Agrupaciones Sin repetición Con repetición

Variaciones
𝑛!
(Tomamos algunos 𝑉𝑛𝑚 =
( 𝑛 − 𝑚 )!
elementos)
¿Importa Si
Permutaciones
el
(Tomamos todos los 𝑃𝑛 = 𝑛!
orden?
elementos)
Combinaciones 𝑛 𝑛!
𝑛
𝐶𝑚= ( )=
No (Tomamos algunos 𝑚 𝑚! (𝑛 − 𝑚)!

elementos)

𝑛
Binomiode Newton: (𝑎 + 𝑏)𝑛 = ∑𝑛𝑘=0 ( ) 𝑎𝑛−𝑘 𝑏𝑘
𝑘
 Unidad N°3: Probabilidad

Conceptos básicos

Para comenzar la unidad veremos algunos conceptos básicos de esta rama de la matemática con la que
vamos a trabajar:

 Experimento: es toda acción o procedimiento repetible indefinidas veces en condiciones similares

mediante el cual se generan resultados.
 Fenómeno: su ocurrencia no requiere de la intervención humana y puede ser observado sólo si
ocurre.
 Experimento aleatorio:nose puede predecir el resultado de una repetición, pero se conoce el
conjunto de todos los resultados posibles y si se observa un gran número de veces, cada uno de
los resultados aparece en una proporción definida, es decir, hay cierta regularidad en los
resultados.
 Espacio muestral:es el conjunto de todos los resultados posibles de un experimento o fenómeno
aleatorio.
 Punto muestral:es un elemento del espacio muestral.
 Suceso:es un subconjunto cualquiera del espacio muestral.
 Evento simple o elemental:resultado de un experimento que no puede descomponerse en una
combinaciónde otros.
 Evento compuesto: consta o está formado por 2 o más eventos simples.
 Suceso cierto o seguro:ocurre en cualquier realización del experimento o fenómeno aleatorio.
 Suceso imposible: no ocurre en ninguna realización del experimento o fenómeno aleatorio.
 Sucesos incompatibles o mutuamente excluyentes: no comparten resultados comunes, es decir
no existeningún punto muestral que pertenezca a ambos.
 Sucesos complementarios:dado un evento A se llama complemento de A al evento que ocurre si y
sólo si Ano ocurre.

Ejemplo:

En un criadero hay diez perros, cuatro de raza caniche y seis de raza pequinés. De los caniche, dos son
blancos y los restantes grises, y de los pequineses, tres son negros y los restantes blancos. Se extrae al
azar, de este conjunto de animales, uno, y se mira raza y color de pelaje.

El conjunto de resultados posibles de este experimento aleatorio, es decir el espacio muestral es:

S = {PB, PN, CB, CG}

Siendo los puntos muestrales para este experimento:

PB: pequinés blanco

PN: pequinés negro
CB: caniche blanco
CG: caniche gris

Los siguientes son ejemplos de eventos asociados con el experimento definido, es decir, subconjuntos
del espacio muestral S.

A = { el animal elegido es perro }

B = { el animal elegido es perro maltés }
C = { el animal elegido es perro pequines }
D = { el animal elegido es negro }
E = { el animal es perro caniche}

Otra forma de definir los mismos eventos es enumerando sus puntos muestrales, es decir por extensión:

A = {PB, PN, CB, CG}

B={}
C = { PB, PN }
D = { PN }
E = { CB, CG }

Observaciones:

a) A contiene a todos los puntos del espacio muestral, siempre que hagamos el experimento,
ocurre. Entonces A es un evento cierto o seguro.
b) B no contiene a ningún punto del espacio muestral, nunca ocurre. Entonces B es un evento
imposible.
c) D contiene un único punto del espacio muestral, se dice que D es un evento elemental.
d) C contiene dos puntos del espacio muestral, se dice que C es un evento compuesto.
e) D y E no pueden ocurrir simultáneamente, se dice que E y D son mutuamente excluyentes o
incompatibles.
f) C y E son también mutuamente excluyentes pero además son exhaustivos, es decir que entre
ambos eventos cubren todo el espacio muestral. Por lo tanto, cuando uno de ellos no ocurre,
necesariamente ocurre el otro. Decimos que C y E son eventos complementarios.
Notación:

 Los sucesos, por ser conjuntos, se simbolizan con letras mayúsculas. Ej.: A, B, C.
 Dado que traducimos del lenguaje coloquial (que es muy amplio) al lenguaje simbólico (más
estricto que elanterior), una expresión simbólica puede provenir de diferentes expresiones
coloquiales. Por ejemplo: “CN”puede provenir de decir “caniche negro”, que es equivalente a
decir que sea “caniche y negro” o “caniche
pero negro”.Por lo tanto, no debemos “atarnos” a palabras y/o conjunciones de castellano para
expresarnossimbólicamente.
 A partir de eventos conocidos suelen definirse nuevos eventos, por ejemplo:
 que ocurra el evento A y al mismo tiempo ocurra el evento B.
A esta combinación de eventos se la denomina intersección y se la denota A ∩ B.
 que ocurran el evento A o el evento B.
A esta combinación de eventos se la denomina unión y se la denota A ∪B
 que no ocurra el evento A.
A este nuevo evento se lo denomina complemento y se la denota Ac o bien A’ o 𝑨 ̅

Dado un experimento y un espacio muestral S asociado al experimento, el objetivo de la teoría de la

probabilidad es asociar a cada evento A un número P(A), llamado probabilidad de A, que dé una medida
precisa de la chance o posibilidad de que ocurra el evento A.
Teoría Clásica:

Dado un experimento o fenómeno aleatorio, con espacio muestral asociado S, y un evento A, de este
espacio muestral; se llama probabilidad de que ocurra el suceso A al cociente entre el número de puntos
muestrales de A (resultados favorables) y el total de puntos muestrales de S (resultados posibles),
siempre que todos sean equiprobables.

𝒄𝒂𝒏𝒕𝒊𝒅𝒂𝒅 𝒅𝒆 𝒄𝒂𝒔𝒐𝒔 𝒇𝒂𝒗𝒐𝒓𝒂𝒃𝒍𝒆𝒔 𝑨

𝑷(𝑨) =
𝒄𝒂𝒏𝒕𝒊𝒅𝒂𝒅 𝒅𝒆 𝒄𝒂𝒔𝒐𝒔 𝒑𝒐𝒔𝒊𝒃𝒍𝒆𝒔

 La probabilidad toma valores entre 0 y 1 (o expresados en tanto por ciento, entre 0% y 100%):
 El valor cero corresponde al suceso imposible; ejemplo: lanzamos un dado al aire y la
probabilidad de que salga el número 7 es cero.
 El valor uno corresponde al suceso seguro, ejemplo: lanzamos un dado al aire y la probabilidad
de que salga cualquier número del 1 al 6 es igual a uno (100%).
 El resto de sucesos tendrá probabilidades entre cero y uno: que será tanto mayor cuanto más
probable sea que dicho suceso tenga lugar.
Ejemplo:

a) Probabilidad de que al lanzar un dado salga el número 2: el caso favorable es tan sólo uno (que
salga el dos), mientras que los casos posibles son seis (puede salir cualquier número del uno al
seis).
Por lo tanto:
𝟏
𝑷(𝟐) = 𝟔=0,1666… (o lo que es lo mismo, 16,6%)

b) Probabilidad de que al lanzar un dado salga un número par: en este caso los casos favorables son
tres (que salga el dos, el cuatro o el seis), mientras que los casos posibles siguen siendo seis.
Por lo tanto:
𝟑 𝟏
𝑷(𝒑𝒂𝒓) = = =0,5 (o lo que es lo mismo, 50%)
𝟔 𝟐

c) Probabilidad de ganarse el premio mayor de una lotería en la que juegan 100.000 números: tan
sólo un caso favorable, el número que jugamos, frente a los 100.000 casos posibles.
Por lo tanto:
𝟏
𝑷(𝒑𝒂𝒓) = =0,00001 (o lo que es lo mismo, 0,001%)
𝟏𝟎𝟎.𝟎𝟎𝟎

Probabilidad condicional

Cuando nos interesa la probabilidad de que ocurra un evento A, pero disponiendo de la información de
que ha ocurrido el evento B, se dice que queremos calcular la probabilidad de A condicional a B.

P(A/B) se lee “probabilidad de A condicional a B” y se define como el cociente entre la probabilidad

conjunta de A con B, y la probabilidad de B siempre que B no sea el evento imposible.

Simbólicamente:
𝑃(𝐴∩𝐵)
P(A/B)= 𝑐𝑜𝑛 𝑃(𝐵) > 0
𝑃(𝐵)
Si retomamos el ejemplo de los perros donde teníamos diez perros, cuatro caniches y seis pequineses,
delos caniches, dos son blancos y los restantes grises; y de los pequineses, tres son negros y los
restantesblancos. Queremos saber cuál es la probabilidad de que sea caniche sabiendo que es blanco.
Si bien el conjunto de resultados posibles de este experimento aleatorio, es decir el espacio muestral
original es:

S = {PB, PN, CB, CG}

En este caso sólo nos interesan los puntos muestrales donde el perro extraído es blanco. Luego, el
conjunto de resultados posibles es

B = {PB, CB}

Y dentro de este nuevo conjunto de posibilidades nos interesa la probabilidad de que sea caniche.
Comohay cinco perros blancos, dos caniches y tres pequineses, la probabilidad de que sea caniche
siendo que esblanco será:

P(C/B)= 2/5

Esta probabilidad depende de las siguientes tres probabilidades:

P(B) = 5/10 probabilidad de que sea blanco

P(CB) = P(C ∩ B) = 2/10 probabilidad de que sea caniche y blanco
𝑃(𝐶∩𝐵) 2/10 2
P(C/B)= = 5/10 = 5 = 0,4
𝑃(𝐵)

Teorema de la Suma

Si A y B son dos eventos cualesquiera de un espacio muestral S, y ocurre que P(A) + P(B) supere a 1,
aesto se debe a que la probabilidad de la intersección se está sumando dos veces.
¿Cómo debemos calcular entonces la probabilidad de la unión de estos sucesos?
Debemos sumar las probabilidades de ambos eventos y restar la probabilidad de la intersección para
quequede sumada una sola vez. Simbólicamente podemos expresar la propiedad:

P(A ∪B) = P(A) + P(B ) – P(A ∩B)

Teorema del producto

De la definición de probabilidad condicional, se desprende la llamada regla o teorema del producto.

𝑃(𝐴 ∩ 𝐵)
𝑃(𝐴⁄𝐵) = ⇒ 𝑃 (𝐴 ∩ 𝐵) = 𝑃(𝐵). 𝑃(𝐴⁄𝐵)
𝑃(𝐵)

Independencia de sucesos aleatorios

Cuando la ocurrencia de un evento no afecta la probabilidad de ocurrencia de otro, en dos
intervenciones delazar, se dice que ambos son eventos independientes.
Simbólicamente:
P(A/B) = P(A)
𝑃(𝐴∩𝐵)
lo que es equivalente a decir: 𝑃(𝐵)
= 𝑃(𝐴)
o bien P(A∩B) = P(A) . P(B)
Por ejemplo: si queremos hacer dos extracciones sucesivas de un mismo conjunto, podemos reponer el
primer elemento antes de la segunda extracción, o no reponerlo.
Si se lo repone, la probabilidad de un evento dado es la misma en la primera y en la segunda extracción,
mientras que si no se lo repone, la probabilidad en la segunda extracción está determinada por el
resultado de la primera.
Decimos entonces que cuando se repone, las extracciones son independientes y cuando no se repone
las extracciones son dependientes.

Ejemplo:

1- Dos campos con equinos en pastoreo clasificados según su pelaje presentan la siguiente distribución:
campo 1 campo 2
Zaino 9 6
Bayo 11 6
Rosillo 5 13

1.1) Se selecciona un equino al azar. Calcular la probabilidad de que:

a) sea Zaino,
b) sea Zaino y del campo 1,
c) sea Zaino o del campo 1,
d) sea Rosillo, sabiendo que es del campo 1.
1.2) Si se seleccionan dos equinos al azar:
1.2.1) Con reposición
Calcular la probabilidad de que sean:
a) ambos Bayos,
b) el primero Bayo y el segundo Zaino,
c) uno Bayo y el otro Zaino,
d) uno Bayo y del campo 1; y, el otro, Zaino y del campo 2.
1.2.2) Sin reposición
Calcular las probabilidades pedidas en 1.2.1)

SOLUCIÓN
Para facilitar los cálculos agregamos una fila y una columna con los totales de animales que hay en cada
campo y de cada pelaje
campo 1 (C1) campo 2 (C2)
Zaino (Z) 9 6 15
Bayo (B) 11 6 17
Rosillo (R) 5 13 18
25 25 50
1.1)
15 3
pZ     0, 30
a) 50 10

b) Es la probabilidad de una intersección y se puede calcular directamente observando la tabla y

aplicando la teoría clásica de probabilidades.
9
p  Z  C1   0,18
50
 O por definición, considerando a cualquiera de los dos sucesos como el primero. Si primero se
observa el pelaje y luego de qué campo proviene:
15 9
p  Z  C1  p  Z  * p  C1 Z   *  0,18
50 15
Nota: Observar que dado que interviene una única vez el azar no se multiplica por dos.

c) Como puede darse que el animal sea Zaino y también del campo 1 los dos sucesos Z y C1 no son
mutuamente excluyentes lo que lleva a la siguiente expresión y correspondiente cálculo
15 25 9 31
p  Z  C1  p  Z   p  C1  p  Z  C1      0, 62
50 50 50 50

d) Lo que se sabe (equivalente a decir que está dado) es que “...es del campo 1” y lo aleatorio es que
5 1
p  R C1    0, 20
“...sea rosillo”, por lo tanto 25 5 (por lectura directa de tabla), tomando en
cuenta que la condición restringe la cantidad de casos posibles.
Por fórmula:
p  R  C1 5
5
p  R C1   50   0, 20
p  C1 25 25
50
1.2) Dos equinos al azar
12.1) Con reposición

a) Como la característica Bayo es la misma para los dos animales seleccionados, no se ven
diferencias si se los permuta o cambia de lugar por lo tanto NO multiplicamos por dos.

17 17 289
p  BB   *   0,1156
50 50 2500

b) Como indica el orden en que deben ocurrir los sucesos sólo hay una forma de calcularlo
17 15 255
p  BZ   *   0,1020
50 50 2500

c) Al no indicar el orden en que deben ocurrir los sucesos, el planteo tiene dos formas de
presentarse
17 15
p  BZ   p  ZB   2 p  BZ   2* *  0, 2040
50 50
d) Como no aclara orden puedo plantear un caso y multiplicar por las permutaciones, es
decir, por la cantidad de cambios de lugar diferentes que se pueden dar. En este caso debo
multiplicar por 2 debido a que sólo se pueden dar en dos órdenes: primero BC1 y luego ZC2, o
primero ZC2 y luego BC1.
11 6
p  BC1  ZC 2   2* *  0, 0528
50 50
1.2.2) Sin reposición
En este caso debemos recordar que:
- para calcular la probabilidad del primer elemento, se razona de la misma manera que lo que se hizo
con reposición.
- en el cálculo de la probabilidad del segundo elemento que se selecciona, y en los sucesivos, el
denominador (cantidad de elementos que pueden ser seleccionados) siempre van disminuyendo.
 a) En este caso cuando se selecciona el segundo elemento y el primero no se repuso vamos
a tener también un caso favorable menos
17 16
p  BB   *  0,1110
50 49

17 15 255
p  BZ   *   0,1041
b) 50 49 2450
17 15
p  BZ   p  ZB   2* *  0, 2082
c) 50 49
11 6
p  BC1  ZC 2   2 * *  0, 0539
d) 50 49

PROBLEMAS PROPUESTOS

1) Un estudiante quiere responder a la suerte dos preguntas en un examen de falso y

verdadero. ¿Cuál sería el espacio muestral de este problema?
2) En una sala de clases hay 20 mujeres y 12 hombres. Si se escoge uno de ellos al azar. ¿Cuál es la
probabilidad de que la persona escogida sea hombre?
3) Se extrae una carta al azar de una baraja de naipe español (48 cartas: oro, copa, espada y basto).
Calcular la probabilidad del suceso “sacar una carta que no sea oro”.
4) Extraemos dos cartas de una baraja española y vemos de qué palo son.
a ¿Cuál es el espacio muestral? ¿Cuántos elementos tiene?
b Describe los sucesos: A  "Las cartas son de distinto palo" B  "Al menos una carta es de oro"
C  "Ninguna de las cartas es de espada" escribiendo todos sus elementos.
c Halla los sucesos B  C y B'  C.
5) En una ciudad de 100 habitantes, el 40% de la población tiene pelo castaño, el 25% tiene ojos verdes
y el 15% tiene pelo castaño y ojos verdes.
1.1) Si al escoger una persona al azar. Calcular la probabilidad de que:

a. tenga ojos verdes

b. tenga pelo castaño y no tenga ojos verdes
c. tenga ojos verdes o pelo castaño
1.2) Si seleccionamos a dos personas

1.2.1) Con reposición

Calcular la probabilidad de que sean:
a. ambos tengan ojos verdes
b. el primero tenga ojos verdes y el segundo tenga pelo castaño
c. ambos tengan ojos verdes y pelo castaño
1.2.2) Sin reposición
Calcular las probabilidades pedidas en 1.2.1)
6) Una agencia de ventas de motocicletas realizó un estudio sobre accidentes de tránsito en los que se
vieron involucradas las marcas A, B y C. Sobre una base de 100.000 motos, se recopilaron los
siguientes resultados:
Marca A Marca B Marca C Total

Accidente grave (ag) 650 200 1000

Accidente no grave (ang) 19800 29850

Total 50000 30000 100000

1.1) Complete la tabla y calcule:
a. P(ag)
b. P(ang/A)
c. P(ag/B)
d. P(ag/C)
e. ¿Qué marca es más segura?
f. Si se elige una moto que no tuvo accidentes graves, ¿cuál es la probabilidad de que sea de la marca
C?
7) En un viaje organizado por Europa para 120 personas, 48 de los que van saben hablar inglés, 36 saben
hablar francés, y 12 de ellos hablan los dos idiomas. Escogemos uno de los viajeros al azar.
a ¿Cuál es la probabilidad de que hable alguno de los dos idiomas?
b ¿Cuál es la probabilidad de que hable francés, sabiendo que habla inglés?
c ¿Cuál es la probabilidad de que solo hable francés?
8) En una clase de 30 alumnos hay 18 que han aprobado matemáticas, 16 que han aprobado inglés y 6
que no han aprobado ninguna de las dos. Elegimos al azar un alumno de esa clase:
a ¿Cuál es la probabilidad de que haya aprobado inglés y matemáticas?
b Sabiendo que ha aprobado matemáticas, ¿cuál es la probabilidad de que haya aprobado inglés?
c ¿Son independientes los sucesos "Aprobar matemáticas" y "Aprobar inglés"?
9) José saca al azar 2 caramelos de una bolsa que contiene 40 caramelos masticables y 20 caramelos
duros. ¿cuál es la probabilidad de que:
a) Ambos caramelos sean masticables?
b) Uno solo de los caramelos sea masticable?
c) Por lo menos uno de los dos caramelos sea masticable?
10) Un grupo de 60 perros fue clasificado como indica el cuadro:

Cachorro Adulto
Negro 6 9
Marrón 12 23
Blanco 2 8
Calcular:
a) la probabilidad de seleccionar:
a.1) un perro negro del grupo de cachorros;
a.2) un cachorro negro.
Dar un ejemplo de dos eventos mutuamente excluyentes y de uno que no lo sea.
b) si se seleccionan dos perros, ¿cuál es la probabilidad de que:
b.1) uno sea un cachorro marrón y el otro un adulto negro?
b.2) el primero sea adulto blanco y el segundo un perro marrón?
11) Un empleado de contaduría necesita una birome negra y una roja para realizar un trabajo encargado
por su jefe. Se dirige entonces a la caja donde guardan las biromes destinadas a utilizarse en la oficina y
extrae dos biromes al azar. Sabiendo que en la caja había 15 biromes verdes, 8 biromes rojas, 24
biromes azules y 13 biromes negras mezcladas, calcular la probabilidad de que:

a) haya extraído exactamente las que necesitaba para poder realizar el trabajo que le han encargado.
b) haya extraído dos biromes del mismo color.
c) por lo menos una de las dos biromes que extrajo le sirva para realizar el citado trabajo.

12) En un edificio de departamentos hay 12 departamentos habitados por sus propietarios, 10 habitados
por inquilinos y 3 desocupados. Un inspector de la compañía que suministra gas elige dos de estos
departamentos al azar para verifica el funcionamiento de las instalaciones. Calcular las siguientes
probabilidades acerca de los dos departamentos elegidos:
a) que los dos se encuentren habitados por sus propietarios.
b) que al menos uno de los dos se encuentre habitados por inquilinos.
c) que uno de los dos se encuentre habitado por su propietario y el otro por inquilinos.
d) que solamente uno de los dos se encuentre desocupado.
e) que los dos se encuentren desocupados.
f) que ninguno de los dos se encuentre desocupado.
13) En un diario comentan que los accidentes automovilísticos en las rutas son más probables
actualmenteque hace diez años. El diario de la competencia informa que este año la probabilidad de
que suceda unaccidente automovilístico para las vacaciones de invierno es de 1,5; por lo que aconseja
prudencia.
Opine sobre lo publicado en este último. Justifique su opinión.
 Unidad N°4:Estadística Descriptiva

La estadística tiene dos propósitos de estudio:

a) Resumir, representar y analizar un conjunto de datos. De este grupo de tareas se ocupa la

estadística descriptiva.
b) Estimar valores poblacionales desconocidos, tomar decisiones sobre un conjunto de datos mayor al
disponible. De este grupo de tareas se ocupa la estadística inferencial.
Se denomina POBLACIÓN a un conjunto de elementos que tienen una o más características en común.

Una población puede ser finita, infinita numerable o infinita no numerable.

Se denomina MUESTRA a cualquier subconjunto de elementos seleccionados de una población

previamente definida.

Esta selección se realiza generalmente de acuerdo con una regla o plan.

El proceso que nos permite la extracción de una muestra a partir de una población se denomina
MUESTREO.

Se dice que una muestra es representativa cuando las unidades de muestreo seleccionadas mantienen
en conjunto las características de la población en estudio. Para lograr esta representatividad suelen
utilizarse métodos de muestreo como, por ejemplo, el aleatorio.

Razones para muestrear

1) Las muestras pueden estudiarse con más rapidez que las poblaciones.
2) El estudio de una muestra es menos costoso que el de la población entera.
3) En la mayor parte de las situaciones el estudio de una población entera es imposible (por la
destrucción o agotamiento del objeto que se está estudiando o por ser infinita).
4) Si cada elemento de la población tiene una probabilidad conocida de pertenecer a la muestra pueden
hacerse generalizaciones respecto a la población.

Entonces, al muestrear podemos ver que, si la muestra está bien tomada, se puede esperar que
represente a la población. Además,

• las muestras aleatorias seleccionadas de la misma población tienen mucho en común pero no se
puede esperar que sean exactamente iguales.

• una muestra grande diferirá menos de la población de la que se extrae, que una muestra pequeña, ya
que cuando las muestras aumentan de tamaño disminuye la variabilidad.
• se llega a un punto en que el aumento de información no justifica el aumento de los costos.

Unidad de observación o unidad experimental: Objeto o conjunto de objetos, de la población en

estudio, de donde obtenemos un valor particular de la variable.

Variable: Característica de interés observable sobre cada elemento de una población.

Los términos: variable, variable aleatoria o variable del azar, son características que pueden cambiar su
valor en las distintas unidades de observación.

Por ejemplo: si la variable es peso de un lechón al nacer, la UNIDAD DE OBSERVACION es 1 lechón. En

cambio, si la variable es peso de un grupo de 5 escarabajos criados en ambientes secos, la UNIDAD DE
OBSERVACION es 1 grupo de 5 escarabajos.
Clasificación de las variables.

NO NUMERICAS O CUALITATIVAS: cuando se registran cualidades o atributos. Es

aquella para la cual no se hacen mediciones numéricas.

Estas variables pueden pertenecer a una de las dos siguientes escalas de medición:

NOMINALES: entre las diferentes modalidades que adopta la variable no es posible establecer un
ordenamiento. Ejemplos:

• observamos si el paciente está sano o enfermo.

• observamos el color de ojos en las personas, los resultados que podemos obtener son azules, grises,
verdes, marrones, negros u otros.

ORDINALES: entre las diferentes modalidades que adopta la variable se establece un orden natural.
Ejemplos:

• Observamos el resultado de la aplicación de un tratamiento médico a pacientes enfermos. El cual

podemos expresarlo como: mejorado, igual y empeorado.
• Si observamos el nivel educativo de personas que asisten a una obra de teatro: primario, secundario,
terciario y universitario.

NUMERICAS O CUANTITATIVAS: cuando se registran cantidades o magnitudes. Se subdividen en:

DISCRETAS: toma sólo algunos valores finitos o infinitos numerables. Es frecuente que se utilice para
procesos de conteo, de donde suele surgir la idea de que toma valores enteros, pero podría también
tomar valores decimales. Ejemplos:

a) cantidad de alumnos que asisten a clase.

b) cantidad de dinero reunido con monedas de $ 0,25.
CONTINUAS: toma cualquiera de los infinitos valores dentro de un intervalo de definición. Sus valores
se obtienen generalmente por mediciones. Ejemplos:

a) temperatura del agua consumida por una vaca,

b) altura de un alumno de 5to año del Raggio.

Unidades de medida: Son las unidades en las que se expresan los valores de la variable, aunque no
siempre estos van acompañados de unidades.

Ejemplo: peso, en Kg; temperatura, en °C.

EJEMPLOS
En los siguientes ejemplos identifique:

1. POBLACIÓN DE ESTUDIO.

2. VARIABLE EN ESTUDIO.

3. CLASIFICACION DE LA VARIABLE.

4. MUESTRA DE INDIVIDUOS.

5. UNIDAD DE OBSERVACION O UNIDAD EXPERIMENTAL.

a) Un investigador médico examina los efectos de un agente cancerígeno en las ratas de un bioterio.
Para ello elige 20 ratas y 3 semanas después de inyectado el agente cancerígeno, realiza una
intervención quirúrgica en las ratas para extraer el tumor, ya que necesita conocer el peso del mismo
para su investigación.

b) Un nuevo tratamiento biológico para controlar el gusano de la manzana es probado en 10 huertos

comerciales localizados en la provincia de Río Negro. Para ello se hace el tratamiento en el tiempo
correspondiente, se suspende el mismo, y luego de 1 mes se evalúa su efectividad contando la cantidad
de manzanos que presentan infestación por el gusano de la manzana.

PRESENTACION DE DATOS

Una vez obtenida una muestra al azar de una población específica, se recurre a una manera de
ordenarla y organizarla, para facilitar su comprensión e interpretación.

El OBJETIVO es disponer los datos en forma tal que su utilización sea práctica y sencilla, que permita
obtener conclusiones, directamente o por cálculos posteriores.

TABLA DE FRECUENCIAS

 para variables discretas: arreglo sistemático de valores agrupados. Se usan para presentar los
datos de modo tal que a cada valor de variable se le asigna su frecuencia, es decir el número de
veces que se ha registrado dicho valor en la muestra de observaciones.
 para variables continuas: arreglo sistemático de valores agrupados en intervalos, designados
intervalos de clase.

 xi: representa los distintos valores que toma la variable en la muestra o población, o sea son los
valores observados de la variable.

Intervalos de clase [xinf; xsup): es un intervalo semicerrado. Se utiliza para agrupar los datos cuando el
número de valores que adopta la variable es grande.

Los intervalos se definen generalmente de igual longitud y cada valor de variable pertenece a un único
intervalo. Los intervalos deben cubrir el rango de valores de la variable.

 x’i: representa el valor medio del intervalo de clase, en el caso de variables CONTINUAS, y los
valores diferentes de la variable, en el caso de variables DISCRETAS.
 fi: es la frecuencia absoluta simple, representa el número de veces que se ha registrado el valor
xi en las variables cualitativas o cuantitativas discretas, y el número de valores de la muestra que
pertenecen al intervalo de clase i-ésimo en las variables continuas.
 n: Tamaño de la muestra, cantidad de datos u observaciones.
 Fi: frecuencia absoluta acumulada hasta xi o hasta el intervalo de clase i-ésimo.
 hi: es la frecuencia relativa simple, que se obtiene como cociente entre la frecuencia absoluta
simple fi y el tamaño de la muestra. Puede expresarse como números fraccionarios o números
decimales.

En el caso de VARIABLES CUALITATIVAS, esta medida se conoce como proporción o proporción muestral.

 Hi: es la frecuencia relativa acumulada hasta xi o hasta el intervalo i-ésimo.

GRÁFICOS
En las ABSCISAS se representan los distintos valores de la variable. En las ORDENADAS se representan las
frecuencias absolutas y/o las relativas o sus correspondientes porcentajes.

 DE BARRAS: para representar datos CUALITATIVOS y sus frecuencias. Se debe separar las barras
para enfatizar las distinciones entre las distintas categorías. Pueden ser barras verticales o barras
horizontales.
 DE BASTONES Y ESCALONES: para variables CUANTITATIVAS DISCRETAS.
 HISTOGRAMA: para variables CUANTITATIVAS CONTINUAS.
 POLIGONO DE FRECUENCIAS ACUMULADAS u OJIVA: para variables CUANTITATIVAS
CONTINUAS. Se representan las frecuencias acumuladas.
MEDIDAS RESUMEN

Sintetizan con un valor características de la distribución de la variable en el conjunto de datos

observados.

MEDIDAS DE CENTRALIDAD

Media aritmética: es lo que frecuentemente se llama promedio de los datos obtenidos de la muestra.
Se representa con 𝑋̅. En su cálculo intervienen todos los valores observados de la variable. Tiene las
mismas unidades de medida que la variable original.

Mediana: es un valor dentro del rango de la variable tal que el 50% de las observaciones es inferior o
igual a este valor y el 50% de las observaciones es superior o igual al mismo. Se designa con Me, y tiene
las mismas unidades de medida que la variable original. Observación: así definida la mediana podría no
ser única, sin embargo, existe una convención para determinar el valor. La Mediana depende de la
posición que ocupan los datos en la ordenación y no del valor numérico de los mismos.

Modo: es el valor observado de mayor frecuencia. Un mismo grupo de datos puede tener más de un
Modo. Se representa con Mo y tiene las mismas unidades de medida que la variable original.

MEDIDAS DE DISPERSIÓN

Miden el grado de concentración de los datos respecto de alguna medida resumen de centralidad.

Rango o Amplitud: Se representa con R o A. Se expresa en unidades de la variable. Es la diferencia entre

el máximo valor observado y el mínimo observado.
2
Varianza muestral: Se denota con S . Se expresa en unidades de la variable al cuadrado.

Desvío estándar muestral: es la raíz cuadrada positiva de la varianza muestral. Se representa con S. Se
expresa en la misma unidad que la variable.

Coeficiente de Variación (CV): es el cociente entre el desvío estándar muestral y la media aritmética. Se
suele expresar en porcentaje, dado que es una medida de dispersión relativa, mientras que las
anteriores son medidas de dispersión absolutas.
EJEMPLO:

1) En un estudio sobre la detección de pseudotuberculosis, la Dirección de Bromatología seleccionó al

azar 28 establecimientos, dedicados a la cría y engorde de ovinos, registrando la cantidad de animales
afectados, por establecimiento, al realizar la faena en el frigorífico:

70 110 135 110 77 82 118 110 82 77 77 82 110 110

75 82 75 82 70 75 118 75 120 77 77 82 82 70

a) Identificar la variable y clasificar la variable.

b) Construir la tabla de frecuencias.
c) Calcular las medidas de posición y dispersión.

SOLUCIÓN:
a) La variable es aquella característica que nos interesa medir, en este caso:
X: “cantidad de ovinos atacados de pseudo tuberculosis en un establecimiento dedicado a la cría y
engorde de ovinos al realizar la faena en el frigorífico”.
V. Cuantitativa Discreta.

En este problema la población en estudio corresponde a los establecimientos dedicados a la cría y engorde
de ovinos; como no se especifica la región en donde están ubicados, solamente con esta descripción nos
alcanza. Entonces, la muestra tomada es de:
n (tamaño de la muestra): 28 establecimientos dedicados a la cría y engorde de ovinos.

b) Tabla de frecuencias: la primera columna contiene los valores de la variable que se registraron en la
muestra, y se simboliza con xi; en la segunda columna se registra cuántas veces se observa cada uno de
los valores de la variable (xi), y corresponde a la frecuencia absoluta simple (fi). En la tercera columna se
registra cuántas veces se observan los valores de la variable menores o iguales a x i, o sea, las frecuencias
absolutas acumuladas (Fi). La cuarta columna corresponde al cociente entre fiy n, o sea la frecuencia
relativa simple (hi). En la última columna, correspondiente a las frecuencias relativas acumuladas (Hi),
sumamos las frecuencias relativas simples de la misma manera que en la tercera columna, hasta
acumular el total de la muestra. Por las características de las frecuencias relativas siempre obtendremos
como valor 1, o 100%, o cercanos a ellos, según se expresen en decimales o como porcentajes.

xi fi Fi hi Hi
70 3 3 0,11 0,11
75 4 7 0,14 0,25
77 5 12 0,18 0,43
82 7 19 0,25 0,68
110 5 24 0,18 0,86
118 2 26 0,07 0,93
120 1 27 0,04 0,96
135 1 28 0,04 1,00
TOTAL 28 1,00

La utilidad de la tabla es que el ordenamiento de los datos permite interpretar la información de la

muestra. Por ejemplo, tomemos la información de la cuarta fila de datos, en donde x 4 = 82:
 f4 = 7, indica que en 7 establecimientos dedicados a la cría y engorde de ovinos se encontraron 82
ovinos atacados de pseudo tuberculosis.
 F4 = 19, se interpreta como que en 19 establecimientos dedicados a la cría y engorde de ovinos se
encontraron a lo sumo 82 ovinos atacados de pseudo tuberculosis (o hasta 82 ovinos atacados de
pseudo tuberculosis inclusive).
 4
NOTA: F4   fi  f1  f 2  f3  f 4  3  4  5  7  19
1

 h4 = 0,25, expresa que en el 25% de los establecimientos dedicados a la cría y engorde de ovinos se
encontraron 82 ovinos atacados de pseudo tuberculosis.
 H4 = 0,68, indica que en el 68% de los establecimientos dedicados a la cría y engorde de ovinos se
encontraron a lo sumo 82 ovinos atacados de pseudo tuberculosis (o hasta 82 ovinos atacados de
pseudo tuberculosis inclusive).
4
NOTA: H 4   hi  h1 h2  h3  h4  0,11  0,14  0,18  0, 25  0, 68
1

c) Medidas de posición

 MEDIA ARITMÉTICA
Para calcular la media aritmética debemos sacar el promedio de todos los valores de la variable que
hemos obtenido en la muestra. En la fórmula observamos que aparece la expresión xifi, o sea, la
sumatoria de los productos entre cada valor de la variable y su correspondiente frecuencia absoluta
simple. Para facilitar los cálculos podemos agregar una columna a la tabla de frecuencias en donde
realizaremos estos productos, de la siguiente forma:
x f 2510
x i i   89, 64
n 28
Interpretación: aproximadamente 90 ovinos atacados

 MEDIANA
Para calcular la mediana, primero debemos ordenar los datos de menor a mayor o de mayor a menor. En
este ejercicio ya ordenamos los datos al construir la tabla de frecuencias. Como sabemos, esta medida
divide a la muestra en dos partes iguales, por lo que en el primer paso debemos encontrar la posición de la
misma, o sea, encontrar cuál es el valor central de la muestra (en caso de que n sea un número impar), o
cuáles son los valores centrales (en caso de que n sea un número par).

n +1 29
Pos Me = =  14,5
2 2
Entonces los valores centrales ocupan los lugares 14 y 15.
Como los valores centrales son x(14)=82 y x(15)=82, debemos realizar el promedio entre ellos:
x14  x15 82  82
Mex    82 ovinos atacados de pseudotuberculos
2 2

La interpretación es 82 ovinos atacados de pseudotuberculosis.

 MODO
Para calcular el modo tenemos que recurrir nuevamente a la tabla de frecuencias, porque en ella vamos
a ubicar rápidamente cuál es el valor de la variable que se repite con mayor frecuencia. Debemos
observar cualquiera de las columnas de frecuencias simples, en este caso tomamos la columna de f i. La
mayor frecuencia es f4, por lo tanto:

f 4 = 7  Mo = 82 ovinos atacados de pseudotuberculosis

Observar que también estas medidas verifican la condición de asimetría positiva:

Me = Mo = 82 ovinos atacados de pseudotuberculosis < X  89,64 ovinos atacados de pseudotuberculosis

Medidas de dispersión
 RANGO o AMPLITUD
Esta medida de dispersión es la más sencilla y consiste en conocer cuántas unidades comprende
la totalidad de los valores observados en la muestra. Para calcularlo sólo basta con realizar la resta entre
el xmáx (mayor valor de la variable) y xmín (menor valor de la variable).
Amplitud  xMáx  xmín  135  70  65 ovinos atacados de pseudotuberculosis

 VARIANZA
En la fórmula observamos que aparece la expresión ∑x ifi, que ya habíamos usado al calcular la
media aritmética, y aparece una expresión, xi2fi, la sumatoria de los productos entre el cuadrado de
cada valor de la variable y su correspondiente frecuencia absoluta simple. Para facilitar los cálculos
podemos agregar una columna a la tabla de frecuencias en donde realizaremos estos productos, de la
siguiente forma:
1  2  xi fi   1   2 
 1
2 2
2510
s 
2
xi fi    234886  sx = 366,02  234886atacados
  (ovinos  225003,57   366, 02
de pseudotuberculosis)2
n  1 
x
n  27  28  27

Debemos recordar que se expresa en la unidad de la variable pero elevada al cuadrado.

 DESVÍO ESTÁNDAR
El desvío estándar es la raíz cuadrada de la varianza. Por lo que lo calculamos de la siguiente forma:
S = S 2 = 366.02 = 19.13  19 animales atacados de pseudotuberculosis

Interpretación: aproximadamente 19 ovinos atacados de pseudotuberculosis

 COEFICIENTE DE VARIACIÓN
Es una medida de dispersión relativa en donde se relaciona una medida de dispersión (s x) con
una medida de posición ( x ), y su resultado se expresa en porcentaje. No tiene unidades de medida.
sx 19,13
C.V.x % = .100 = .100 = 21,34 es decir 21,34%
x 89,64

2) Los siguientes valores corresponden a la altura, en mm, del complejo QRS de 20 electrocardiogramas
de galgos de ambos sexos, luego de una competencia:
25,0 29,3 20,0 24,1 22,5 20,5 25,0 24,0 21,0 23,7
17,0 20,5 30,0 20,6 23,2 30,8 27,5 30,3 25,5 33,8
a) ¿Cuál es la variable en estudio y de qué tipo es?
b) Realizar los gráficos correspondientes a los datos ordenados en una tabla de frecuencias.
c) Calcular las medidas de posición y de dispersión, indicando las unidades que corresponden a cada
caso.

SOLUCIÓN
a) X: altura del complejo QRS en electrocardiogramas de un galgo luego de una competencia, medida en
mm.
n = 20 (tamaño de muestra)

La población en estudio puede definirse como:

 el conjunto de todos los galgos, luego de una competencia  Población Biológica
 el conjunto de todos los valores de altura del complejo QRS en electrocardiogramas de galgos,
después de una competencia  Población Estadística.
La unidad de observación es un galgo.
La clasificación de la variable de interés es cuantitativa continua.
La unidad de medida utilizada en esta variable es mm.

b) Tabla de frecuencias:
[ ; ) x'i fi Fi hi Hi
17,0 - 20,4 18,7 2 2 0,10 0,10
20,4 - 23,8 22,1 7 9 0,35 0,45
23,8 - 27,2 25,5 5 14 0,25 0,70
27,2 - 30,6 28,9 4 18 0,20 0,90
30,6 - 34,0 32,3 2 20 0,10 1,00
TOTAL 20 1,00

donde: x'i = marca de clase (punto medio del intervalo)

fi= frecuencia absoluta simple
Fi = frecuencia absoluta acumulada
hi = frecuencia relativa simple
Hi = frecuencia relativa acumulada

Ejercitemos la interpretación de los datos que aparecen en la tabla. Tomemos por ejemplo la información
del intervalo de clase que aparece en la cuarta fila: [27,2 – 30,6). ¿Cómo interpretamos “[27,2 – 30,6)”? El
intervalo es cerrado en 27,2 y abierto en 30,6, por lo que la altura de complejo QRS de los
electrocardiogramas realizados luego de la competencia de los galgos de la muestra, está comprendida
entre 27,2 mm (inclusive) y 30,6 mm (sin incluir).
Como F4 = 18, podemos decir que 18 electrocardiogramas de galgos, luego de una competencia, tienen una
altura de complejo QRS menor a 30,6 mm.
Como h4 = 0,20, decimos que el 20% de los electrocardiogramas de los galgos muestreados, luego de
una competencia, tiene una altura de complejo QRS comprendida entre 27,2 mm (inclusive) y 30,6 mm
(sin incluir).
f4 = 4, indica que se encontraron 4 galgos, cuyos electrocardiogramas realizados luego de una
competencia muestran una altura del complejo QRS comprendida entre 27,2 mm (inclusive) y 30,6 mm
(sin incluir).
H4 = 0,90, indica que el 90% de los galgos muestreados, luego de la competencia, muestran una altura
en el complejo QRS de hasta 30,6 mm.

Los dos gráficos representan las frecuencias simples (absolutas y relativas), se denominan HISTOGRAMAS y
también tienen representado un polígono, llamado POLÍGONO DE FRECUENCIAS, que pasa por los puntos
cuyas abscisas son los puntos medios de los intervalos de clase, o las marcas de clase, y cuyas ordenadas
son las frecuencias correspondientes a dicho intervalo. Se cierra el polígono uniendo con las marcas de
clase de dos intervalos ficticios, uno anterior al 1er. intervalo, y otro posterior al último intervalo. Ambos
gráficos representan la densidad de los valores observados de la variable en esta muestra, ya que la
superficie encerrada dentro del histograma es equivalente a la superficie delimitada por el polígono de
frecuencias.
La distribución de la variable en esta muestra presenta una leve asimetría positiva (cola a derecha).
En este caso, se representan las frecuencias acumuladas, absolutas y relativas. Se denomina HISTOGRAMA
(pero para frecuencias acumuladas), y se representa una poligonal, llamada OJIVA, que marca la
acumulación a lo largo del intervalo, uniendo la frecuencia acumulada obtenida en el límite inferior de cada
intervalo con la obtenida en el límite superior del mismo.

Medidas de centralidad:
(NOTA Observar que se trata de variables continuas, agrupadas en intervalos, por lo tanto: la media y la
varianza se calculan utilizando las marcas de clase.)

 MEDIA ARITMETICA
 xi f i 499,8
x= = = 24,99 mm
n 20
 MEDIANA
n  1 21
Pos Me    10,5  Int Me [23,8 ; 27,2)
2 2

 (n +1) 
 - F i-1 
Mex = L i + c  2

 fi 
 

Donde: c : amplitud del intervalo

Li: límite inferior del intervalo mediana
fi: frecuencia absoluta simple del intervalo mediana
Fi-1: frecuencia absoluta acumulada del intervalo anterior
 10,5-9   1,5 
Mex = 23,8 + 3,4   = 23,8 + 3,4   = 23,8 + 3,4.0,3 = 23,8 + 1,02 = 24,82 mm
 5   5 

Es importante diferenciar POSICIÓN DE MEDIANA y cálculo de la MEDIANA en sí. La primera sólo nos
aporta la ubicación del Intervalo Mediana, es un valor en el rango de las frecuencias absolutas
acumuladas, y la segunda es el valor numérico de la Mediana, es un valor en el rango de la variable.

 MODO
Int. Mo ----> [ 20,4 ; 23,8)
 1 
Mo = L i + c  
 1 +  2 
Donde
1  f (Max)
 f (ant)

2  f (Max)
 f (post)

Li: Límite inferior del intervalo Modal.

c: Amplitud del intervalo Modal.
f(post): Frecuencia absoluta del intervalo posterior al intervalo Modal.
f(ant): Frecuencia absoluta del intervalo anterior al intervalo Modal.
f(Max): Frecuencia absoluta del intervalo Modal.
  5  5
Mo = 20,4 + 3,4   = 20,4 + 3,4. = 20,4 + 2,125 = 22,525 mm
 5+ 3  8

Volvamos a analizar la distribución de la variable en esta muestra utilizando las medidas de posición:
Me= 24,82 mm, Mo = 22,8295 mm, x = 24,99 mm. Al ser Mo < Me < x , podemos decir que la
distribución tiene ASIMETRÍA POSITIVA.

Medidas de dispersión:

 VARIANZA
1   x 'i fi    1 12796, 92   499,8    1  306, 918 
2 2

sx2  x 'i2 f i    

n 1 
 n 
 19 
 20 
 19
 16,15mm2

 DESVÍO ESTÁNDAR
S = S 2 = 16,15mm = 4, 018mm

 COEFICIENTE DE VARIACIÓN

PROBLEMAS PROPUESTOS

1) Clasificar las siguientes variables en CUALITATIVAS (NOMINALES u ORDINALES) o CUANTITATIVAS

(DISCRETAS o CONTINUAS):
a) Peso, en g, de pelo esquilado a un conejo de Angora.
b) Cantidad de lámparas de 40 W fabricadas en un día de trabajo.
c) Tiempo de incubación del sarampión en una persona, en días.
d) Color de ojos de un niño de 10 años nacido en la Provincia de Córdoba.
e) Color de pelaje en un equino.
f) Número de cachorros nacidos por camada.
g) Número de llamados telefónicos que recibe una central telefónica por mes.
h) Color de una rosa.
i) Cantidad de tornillos producidos en ocho horas de trabajo.
j) Volumen de nafta despachada por una compañía petrolera en una semana.
k) Nivel educacional alcanzado por un individuo.
l) Número de errores cometidos por un estudiante en un examen de elección múltiple.
m) Distancia recorrida por un neumático de un vehículo, hasta el primer pinchazo.
n) Nacionalidad de un individuo.
o) Número de niños nacidos en un hospital el primer día del año.
2) En la siguiente tabla, se han borrado algunos de los resultados obtenidos al lanzar un dado 30 veces.
x 1 2 3 4 5 6

f 7 5 6 7

a) ¿Cuáles son las frecuencias faltantes si la media aritmética es 3?

b) Determinar la mediana, la moda y el desvío estándar.
c) Confeccionar la tabla de frecuencias relativas y acumuladas.
d) Realizar un gráfico de barras.
3) Los siguientes datos corresponden a la medición en sangre de GPT (glutámico pirúvico transaminasa,
enzima que demuestra toxicidad hepática) en felinos sometidos a una dosis tóxica mínima de un nuevo
antiparasitario externo:
[ ; ) 16,3-21,5 21,5-26,7 26,7-31,9 31,9-37,1 37,1-42,3
fi 1 5 5 9 5
Utilizando la información dada en la tabla:
a) Interpretar H2 , F4 , y h3.

b) ¿Cuál es la unidad de observación?

c) Representar gráficamente.

d) Calcular media aritmética, modo y mediana.

e) Calcular varianza, desvío estándar y C.V.

4) Luego de aplicar a un grupo de animales un

tratamiento con insulina se midió la glucemia
(en mg %) obteniéndose:
a) Indicar cuál es la variable.

b) ¿Cuál es la unidad de observación?

c) ¿Cuál es el tamaño de la muestra?

d) Calcular la media aritmética, la desviación estándar

5) Los siguientes datos corresponden a los diámetros cardíacos, en mm, medidos en radiografías de
tórax de 100 adultos normales:
a) Definir la variable y clasificarla.

b) La población en estudio es ..................................................

c) La unidad de observación es ...............................................

d) Completar la tabla de distribución de frecuencias y realizar los gráficos correspondientes a las f i y

Hi.
e) Interpretar f2 , F5 , h4 y H6

f) Calcular la media y la varianza.

 g) Determinar los intervalos mediana y modal, y calcular las medidas correspondientes a cada uno.

Intervalos frecuencias
80,5 - 90,5 8
90,5 - 100,5 15
100,5 - 110,5 21
110,5 - 120,5 23
120,5 - 130,5 16
130,5 - 140,5 9
140,5 - 150,5 8

6) Las notas obtenidas por los 50 alumnos de un curso en un examen son las siguientes:

7- 6- 2- 8- 8- 3- 6 1- 7- 10- 9- 4- 4- 6- 3- 7- 3- 2- 8- 4- 7- 8- 6- 8- 3- 3- 9- 2- 1- 3- 8- 7- 4- 10- 10- 8- 4- 8- 4-

8- 8- 4- 9- 1- 2- 2- 3- 6- 5- 9

a) Confeccionar la tabla de distribución de frecuencias: f, F, r y R.

b) Si los alumnos que obtuvieron menos de 6 puntos deben rendir examen en marzo, ¿Cuántos alumnos
tienen que rendir dicho examen?
c) ¿Qué cantidad de alumnos tuvo una nota de por lo menos 8 puntos?
d) Determinar la media aritmética.
e) Calcular la moda. ¿Qué representa este valor?
f) Realizar un gráfico de bastones.
7) Una consultora les pregunto a 50 familias elegidas al azar cuántos hijos tenían. Los datos recopilados
fueron los siguientes:

1, 6, 4, 2, 6, 3, 3, 5, 8, 1, 0, 4, 2, 2, 1, 3, 7, 8, 3, 1, 9, 1, 2, 3, 6, 3, 2, 2, 0, 5, 3, 1, 0, 1, 4, 4, 1, 3, 2, 1, 1, 4, 3,
3, 2, 4, 3, 7, 2, 2.

a) Organice los datos anteriores en una tabla de distribución de frecuencias.

b) Encuentre la frecuencia relativa (expresar en decimal) y la frecuencia acumulada absolutas de
cada uno de ellos.
c) Determine la media aritmética.
d) Halle la moda ¿Qué representa ese valor en el contexto de la situación?
e) Si se considera familia numerosa a aquellas que tengan por lo menos tres hijos. Indicar cuantas
de las familias entrevistadas son numerosas.
8) El entrenador de “Los Guachines” quiere estudiar cómo fue el rendimiento del equipo durante el
torneo pasado y, para ello, organizó los goles que este convirtió, por partido, en una tabla como ésta:
 Goles f F h

0 5

1 8

2 4

3 3

4 5

a) Encontrar la frecuencia relativa y la frecuencia acumulada absolutas de cada uno de ellos.

b) ¿Cuántos partidos jugó en total?
c) Determinar la media aritmética.
d) Calcular la moda de los goles convertidos. ¿Qué representa este valor?
e) Calcular la varianza y el desvío estándar.
f) Realizar un gráfico de barras para la distribución de frecuencias absolutas simples.
9) Se realizó un experimento con lechones híbridos, criados en sistema extensivo, al aire libre en piso de
tierra, en la provincia de Buenos Aires, para analizar la ganancia diaria de peso, en gramos. El objetivo
final de este experimento es poder comparar esta variable con la correspondiente a lechones criados en
sistema intensivo, en piso de concreto. De los primeros se obtuvieron los siguientes resultados:
xi [0;50) [50;100) [100;150) [150;200) [200;250]
Fi 1 4 9 15 16
a) Definir y clasificar la variable de interés.
b) Interpretar h3 y F4

c) Calcular el modo, la mediana y la media.

10) Corrija, en caso de ser necesario, las negritas de las siguientes afirmaciones de modo tal que siempre
resulten verdaderos:
i La media aritmética se obtiene ordenando los datos y no es influenciada por valores
extremos.
ii La varianza es una medida de variación relativa porque permite comparar la dispersión de
muestras de distintas variables.
iii La media aritmética de una variable puede ser negativa.
iv Las unidades de la varianza coinciden con las de la variable en estudio.
v Las unidades del coeficiente de variación son las mismas para cualquier.
11) En una fábrica de lámparas UV se realiza el control de las partidas antes de que salgan a la venta. Uno
de los controles corresponde a la duración, medida en horas. Un día en particular llegan al laboratorio 25 de
ellas, obteniéndose los siguientes resultados:
Duración (hs) fi hi
a) Definir la variable y clasificarla.
170 - 180 3/25
b) La unidad de observación es ................................................
180 - 190 4/25
c) Completar la distribución de frecuencias y graficar hi y Fi.
190 - 200 8/25
d) El “8” de la columna de fi significa que se observaron:
200 - 210 6/25
i.8 lámparas de luz UV con una duración de hasta 200 horas.
210 - 220 4/25
ii.Hasta 8 lámparas de luz UV con una duración entre 190 hasta 200

horas.
iii.8 lámparas de luz UV con una duración entre 190 hasta 200 horas.
e) Calcular la media, la varianza y el C.V.
f) Determinar los intervalos mediana y modal.

12) Los siguientes datos corresponden al dosaje de urea, en mg%, obtenidos en 25 perros sometidos a
pruebas renales en el período operatorio.
[ ; ) 16,5 – 21,9 21,9 – 27,3 27,3 – 32,7 32,7 – 38,1 38,1 – 43,5
Fi 2 6 12 21 25

a) Definir la variable en estudio y clasificarla.

b) La unidad de observación es .......................................
c) Completar la tabla de frecuencias.
d) Realizar los gráficos correspondientes.
e) Calcular medidas de posición.
f) Calcular medidas de dispersión.
13) Se detallan a continuación los pesos de 30 pollos, luego de la aplicación de una nueva formulación de
una dieta comercial, elegidos al azar, expresados en Kg.
[ ; ) 1,3 – 1,9 1,9 – 2,5 2,5 – 3,1 3,1 – 3,7 3,7 – 4,3
hi 3/30 8/30 6/30 6/30 7/30

a) Completar la tabla de frecuencias.

b) Realizar los gráficos de frecuencias absolutas.
c) Calcular la media, la mediana y el modo.
d) Calcular el coeficiente de variación.
 Variable aleatoria

Se llama variable aleatoria a una función cuyo dominio es el espacio muestral S y cuyo codominio es el
conjunto de números reales; es decir que asigna valores numéricos a cada uno de los puntos
muestrales.
Las variables aleatorias, se clasifican en dos grandes grupos:

Variable aleatoria discreta: Una variable aleatoria discreta es aquella cuyo recorrido tiene un número
finito o infinito numerable de valores.
Ejemplos:
1.- Se cuenta la cantidad de materias que tienen bajas en el primer trimestre un alumno de 5to año.
2.- Se registran las edades, en años, de los alumnos de 5to año de la escuela Raggio.
• Distribución de probabilidad: La distribución de probabilidad de una variable aleatoria discreta es el
conjunto de pares (xi, p(xi)). Puede estar dada por una tabla, una gráfica, una fórmula u otro sistema
utilizado para especificar todos los valores posibles de una variable aleatoria discreta junto con sus
probabilidades respectivas.
• Función de probabilidad puntual p(xi): Si X es una variable aleatoria que toma valores x1,x2,...,xn, se
dirá que p(xi) es su función de probabilidad si y sólo si verificalas siguientes dos condiciones:
a) p(xi)≥0 para todos los valores de xi del recorrido de la variable aleatoria
b) ∑𝑛𝑖=1 𝑝(𝑥𝑖 ) =1
• Función de distribución acumulada F(x): La función de distribución acumulada F(x) de la variable
aleatoria X se define como la probabilidad de que X sea menor o igual que algún valor x, siendo x un
valor cualquiera del conjunto de números reales. O sea F(x)=P(X≤x).

Nota: En la bibliografía se encuentran dos maneras de acumular la probabilidad, a derecha y a izquierda.

La función de distribución de probabilidades definida es una función de probabilidades acumuladas
aizquierda. En lo sucesivo cuando digamos función de distribución, estamos refiriéndonos a esta.
Variable aleatoria continua: Una variable aleatoria se dice continua, si el conjunto de valores posibles
de la misma es un intervalo; es decir que x puede tomar cualquier valor dentro del intervalo. En
particular este intervalo puede ser de la forma (a, ∞), o (-∞, b) o (-∞, ∞).
Ejemplos:
1.- Se mide la profundidad de un lago en diferentes puntos elegidos al azar.
2.- Se elige un número real al azar entre el 0 y el 1.
3.- Se mide la altura de un individuo seleccionado al azar de cierta población.
• Distribución de probabilidad: Si conocemos el recorrido de una variable aleatoria continua y su
correspondiente función de probabilidad o función de densidad, diremos que conocemos la distribución
en probabilidad.
• Función de densidad f(xi):La función de probabilidad correspondiente a una variable aleatoria
continua se llama función de densidad de probabilidad y se simboliza f(xi). La función f(xi) verifica las
siguientes condiciones:
a) f(xi) ≥ 0 para todo xi que pertenece al intervalo (− ∞,+∞)
+∞
b)∫−∞ 𝑓 (𝑥)𝑑𝑥 = 1
Para calcular la probabilidad de que una variable aleatoria continua tome
valores dentro de un cierto intervalo A = {X : a ≤ X ≤ b}, se halla el área encerrada bajo la función de
densidad entre los extremos de dicho intervalo; es decir:
𝑏
𝑃(𝐴) = ∫𝑎 𝑓 (𝑥 )𝑑𝑥 = para los valores de a<b
• Función de distribución acumulada F(xi): La función de distribución acumulada F(x) de la variable
aleatoria X se define como la probabilidad de que X sea menor o igual que algún valor dado x.
𝑥
Simbólicamente: 𝐹 (𝑥𝑖 ) = 𝑃 (𝑋 ≤ 𝑥𝑖 ) = ∫−∞ 𝑓 (𝑥 )𝑑𝑥
También se puede calcular la probabilidad de un intervalo utilizando el concepto de función de
distribución que muchas veces la encontramos tabulada.
Es decir que:
a) 𝑃 (𝑎 ≤ 𝑥 ≤ 𝑏) = 𝐹(𝑎) − 𝐹(𝑏)
𝑎
b) 𝑃(𝑥 = 𝑎) = ∫𝑎 𝑓 (𝑥)𝑑𝑥 = 𝐹 (𝑎) − 𝐹 (𝑎) = 0
Estudiaremos una Distribución particular, para este tipo de variables:
Distribución Normal:
La variable aleatoria X tiene distribución normal de parámetros µ y σ 2, cuando sufunción de densidad es:
2
1 1
 x 
f x (x,  ,  )=
2
e
-
2 2

2 2

Condiciones: x  (-;+ ) ;   (-;+ ) ;  > 0

E(X) =  ; V(X) =  2

Notación: X ~ N(µ; σ²) se lee X tiene distribución normal con parámetros µ y σ²

Representación gráfica de esta función de densidad

Observaciones:
♦ El gráfico de la función de densidad de la normal tiene forma de campana con eje de simetría la
rectax = µ ; y los puntos de inflexión en x = µ - σ y x = µ + σ.
♦ El gráfico de la función de densidad de la normal es asintótica respecto del eje de abscisas.
♦ Los parámetros de la normal indican: µ, la posición, y σ² la dispersión.
♦ La distribución normal es importante, no sólo porque hay variables naturales que siguen esta
distribución (por ejemplo los errores aleatorios en el proceso de medición de magnitudes), sino porque,
bajo ciertas condiciones, suele ser una buena aproximación a la distribución de muchas otras variables.
Distribución normal estándar:
La distribución normal con parámetros µ = 0 y σ² = 1 se denomina distribución normal estándar y se
denota Z ~ N( 0; 1).
(X -  )
Sea la variable aleatoria: Z =

1  Z2
Por lo tanto: f(z)= e 2 para -   Z  +
2
La función de distribución de la normal estándar está tabulada.
Uso de tablas:
1.-𝑃(𝑍 ≤ 1,25)=0,89435
2.-𝑃(𝑍 > 1,25) = 1 − 𝑃(𝑧 ≤ 1,25) = 1 − 0,89435 = 0,10565
3.-𝑃(0,38 ≤ 𝑥 ≤ 1,25) = 𝑃 (𝑧 ≤ 1,25) − 𝑃(𝑥 < 0,38) = 0,89435 − 0,35197 = 0,54238

Ejemplo:
Un tambero está al borde de la quiebra por lo que sus expectativas están puestas en la producción futura.
Las vacas Holando Argentino de su tambo tienen un rendimiento normal con media 450 litros y desvío
estándar de 80 litros, por mes. El tambero superaría la situación actual si en el próximo mes cada vaca
produce más de 510 litros en promedio.

a) ¿Cuál es la probabilidad de que el tambero no llegue a la quiebra?

b) Sabemos además que el tambero pierde todos sus bienes personales si el rendimiento mensual
es menor a 320 litros por vaca, ¿cuál es la probabilidad de que quiebre pero sin llegar a exponer
su patrimonio personal?
c) Si el tambero produjera en otro país tendría un 30% de probabilidad de no ir a la quiebra,
¿cuántos litros tendría que producir para no quebrar?

SOLUCIÓN: La variable en estudio es una variable aleatoria continua, a diferencia de los ejercicios
anteriores, es una variable aleatoria con distribución conocida y tabulada. Por la información que nos dan
en el enunciado sabemos que es una variable aleatoria con distribución normal, con media poblacional 450
litros/mes y varianza poblacional de 6400 litros2 /mes2 (ya que su desvío estándar es de 80 litros/mes), por
lo tanto podemos decir que:

X: "Rendimiento mensual de leche de una vaca Holando-Argentino en un tambo"

XN(=450 litros/mes ; 2=6400 litros2/mes2)

Recordemos que sólo contamos con la tabla para la distribución normal estándar por lo tanto
tendremos que estandarizar la variable con la siguiente fórmula:
X   X  450
Z  y sabemos que Z tiene una distribución normal estándar, es decir una distribución
 80
normal con media poblacional 0 y varianza poblacional 1, simbólicamente: ZN(0,1)
a) El tambero llega a la quiebra si produce a lo sumo 510 litros/mes por animal, por lo tanto no llega a la
quiebra si produce más de 510 litros/mes, es decir que nos están preguntando: ¿cuál es la probabilidad de
que la variable tome valores mayores que 510?, simbólicamente se escribe: P(X > 510) (tendremos que
utilizar la propiedad de que la probabilidad total es uno, ya que todas las tablas dan probabilidades para
valores menores que un cierto valor, ya que son tablas de funciones de distribución acumulada).
 X   510  450 
P( X  510)  P     P ( Z  0, 75)  1  P ( Z  0, 75)  1  0, 77337  0, 22663
  80 

El área sombreada bajo la curva normal es de 0,22663.

Por lo tanto, la probabilidad de que el tambero no

llegue a la quiebra es de 0,22663.

Nota: se entra en tabla por los márgenes con el valor estandarizado de la variable, y se busca la
probabilidad en el interior de la misma.
b) El tambero llega a la quiebra si produce a lo sumo 510 litros/mes y pierde su patrimonio personal si
produce menos de 320 litros/mes, por lo tantono pierde su patrimonio personal si produce más de 320
litros/mes. Es decir que nos están preguntando: ¿cuál es la probabilidad de que la variable tome valores
entre 320 y 510? Simbólicamente se escribe: P(320  X  510)
 320   510     320  450 510  450 
P(320  X  510)  P  Z   P Z 
     80 80 
 P(1, 63  Z  0, 75)  P( Z  0, 75)  P( Z  1, 63)  P( Z  0, 75)  P( Z  1, 63) 
 0, 77337  0, 05155  0, 72182

El área sombreada bajo la curva normal es de 0,72182

Por lo tanto, la probabilidad de que el tambero llegue a la quiebra sin perder su patrimonio personal
es de 0,72182.

c) Si el tambero, en otro país, tiene una probabilidad de 0,3 de no irse a la quiebra, debemos buscar el
valor de la variable que nos determina esta probabilidad, es decir buscamos el valor de “a” que resuelve:
P(X>a)=0,3, pero debemos estandarizar, es decir que buscamos “b” que resuelva: P(Z>b)=0,30.

P( Z  b)  0,30  P( Z  b)  1  0,3  P( Z  b)  0,7 .

Entrando por el interior de la tabla con el valor de probabilidad 0,7 (o con el valor más cercano a este),
buscamos el valor de la variable en los márgenes, obtenemos que b = 0,53. Pero nos interesa este valor sin
estandarizar por lo tanto debemos “des-estandarizar”. Para esto debemos despejar el valor de X de la
fórmula de estandarización:
a
b  Z 0, 7   Z 0, 7 *   a    Z 0, 7 *     a

En nuestro caso a  0,52*80  450  a  41, 6  450  a  491, 6

PROBLEMAS PROPUESTOS

1) Para un grupo de hombres adultos con una edad de 40 a 50 años, la distribución de lecturas de
colesterol, en mg/dl, tiene distribución normal con media de 210mg/dl y una desviación estándar de
15mg/dl.
a) Hallar la probabilidad de que un hombre adulto de esta población tenga una lectura de
colesterol que exceda los 250mg/dl.
b) Hallar la probabilidad de que un hombre adulto de esta población tenga una lectura de
colesterol de a lo sumo 220mg/dl, sabiendo que tiene por lo menos 215mg/dl.
c) Hallar la lectura no superada por el 10% de los adultos de esta población.

2) El peso de los novillos de la raza Hereford es una variable normalmente distribuida con media 380 kg. y
desvío estándar 23 kg.
a) Definir la variable de interés e indicar su distribución
b) ¿Cuál es la probabilidad de que un novillo de la raza en cuestión elegido al azar pese entre 400 y
430 kg?
c) ¿Cuál es la probabilidad de que el peso de un novillo de raza Hereford sea mayor a 390 kg?
d) ¿Cuál es el peso no superado por el 25 % de los novillos de dicha raza?
3) Un especialista en ictiología tropical está interesado en calcular cuánto tiempo puede vivir cierto tipo
de pez en aguas con determinado porcentaje de toxicidad. Luego de una larga serie de experimentos
llega a concluir que la vida media de este tipo de pez alcanza los 90 días, con una desviación estándar
de 20 días. En apariencia, la distribución de los días sobrevividos es normal.
a) ¿Cuál es la probabilidad de que un pez viva más de 120 días?
b) ¿Cuál es la probabilidad de que un pez viva entre 90 y 125 días?

4) La edad en meses en que aparece la parvovirosis tiene distribución normal, siendo la media de 5,5,
con un desvío estándar de 2 meses. Al recibir en consulta un perro enfermo, ¿cuál es la probabilidad
de que tenga:
a) entre 2 y 7,5 meses?
b) más de 4 meses?
c) menos de año?
5) Suponiendo que la altura de los estudiantes de un colegio se distribuye normalmente, con media
1,75m y desvío estándar 0,25m.
a) ¿Cuál es la probabilidad de que un alumno mida más de 1,67m?
b) ¿Cuál es la probabilidad de que un alumno mida entre 1,65 y 1,80m?
6) Los puntos anotados por el equipo ganador en los juegos de fútbol en una localidad estadounidense,
tienen una distribución normal con promedio 24 y desvío standard 6.
a) ¿Cuál es la probabilidad de que el equipo ganador anote no menos de 21 y no más de 30 puntos en
un juego de fútbol?
b) ¿Cuál es la probabilidad de que anote por lo menos 15 puntos?
7) Un criadero industrial de conejos obtiene individuos de raza Neocelandés con un peso que se
distribuye normalmente con media igual a 2020 g y desvío estándar de 78 g.
a) ¿Cuál es la probabilidad de que el promedio de peso de los animales de una muestra de 20 supere
los 2 kg?
b) Si se desea mantener como futuros reproductores a los de peso mayor a 2150 g, ¿Cuál es la
probabilidad de que un individuo supere los 2150 g?
 Distribución Normal Estándar

P  Z  z   

Z 0 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09

-0,0 0,50000 0,49601 0,49202 0,48803 0,48405 0,48006 0,47608 0,47210 0,46812 0,46414
-0,1 0,46017 0,45620 0,45224 0,44828 0,44433 0,44038 0,43644 0,43251 0,42858 0,42465
-0,2 0,42074 0,41683 0,41294 0,40905 0,40517 0,40129 0,39743 0,39358 0,38974 0,38591
-0,3 0,38209 0,37828 0,37448 0,37070 0,36693 0,36317 0,35942 0,35569 0,35197 0,34827
-0,4 0,34458 0,34090 0,33724 0,33360 0,32997 0,32636 0,32276 0,31918 0,31561 0,31207
-0,5 0,30854 0,30503 0,30153 0,29806 0,29460 0,29116 0,28774 0,28434 0,28096 0,27760
-0,6 0,27425 0,27093 0,26763 0,26435 0,26109 0,25785 0,25463 0,25143 0,24825 0,24510
-0,7 0,24196 0,23885 0,23576 0,23270 0,22965 0,22663 0,22363 0,22065 0,21770 0,21476
-0,8 0,21186 0,20897 0,20611 0,20327 0,20045 0,19766 0,19489 0,19215 0,18943 0,18673
-0,9 0,18406 0,18141 0,17879 0,17619 0,17361 0,17106 0,16853 0,16602 0,16354 0,16109
-1,0 0,15866 0,15625 0,15386 0,15151 0,14917 0,14686 0,14457 0,14231 0,14007 0,13786
-1,1 0,13567 0,13350 0,13136 0,12924 0,12714 0,12507 0,12302 0,12100 0,11900 0,11702
-1,2 0,11507 0,11314 0,11123 0,10935 0,10749 0,10565 0,10383 0,10204 0,10027 0,09853
-1,3 0,09680 0,09510 0,09342 0,09176 0,09012 0,08851 0,08692 0,08534 0,08379 0,08226
-1,4 0,08076 0,07927 0,07780 0,07636 0,07493 0,07353 0,07215 0,07078 0,06944 0,06811
-1,5 0,06681 0,06552 0,06426 0,06301 0,06178 0,06057 0,05938 0,05821 0,05705 0,05592
-1,6 0,05480 0,05370 0,05262 0,05155 0,05050 0,04947 0,04846 0,04746 0,04648 0,04551
-1,7 0,04457 0,04363 0,04272 0,04182 0,04093 0,04006 0,03920 0,03836 0,03754 0,03673
-1,8 0,03593 0,03515 0,03438 0,03362 0,03288 0,03216 0,03144 0,03074 0,03005 0,02938
-1,9 0,02872 0,02807 0,02743 0,02680 0,02619 0,02559 0,02500 0,02442 0,02385 0,02330
-2,0 0,02275 0,02222 0,02169 0,02118 0,02068 0,02018 0,01970 0,01923 0,01876 0,01831
-2,1 0,01786 0,01743 0,01700 0,01659 0,01618 0,01578 0,01539 0,01500 0,01463 0,01426
-2,2 0,01390 0,01355 0,01321 0,01287 0,01255 0,01222 0,01191 0,01160 0,01130 0,01101
-2,3 0,01072 0,01044 0,01017 0,00990 0,00964 0,00939 0,00914 0,00889 0,00866 0,00842
-2,4 0,00820 0,00798 0,00776 0,00755 0,00734 0,00714 0,00695 0,00676 0,00657 0,00639
-2,5 0,00621 0,00604 0,00587 0,00570 0,00554 0,00539 0,00523 0,00508 0,00494 0,00480
-2,6 0,00466 0,00453 0,00440 0,00427 0,00415 0,00402 0,00391 0,00379 0,00368 0,00357
-2,7 0,00347 0,00336 0,00326 0,00317 0,00307 0,00298 0,00289 0,00280 0,00272 0,00264
-2,8 0,00256 0,00248 0,00240 0,00233 0,00226 0,00219 0,00212 0,00205 0,00199 0,00193
-2,9 0,00187 0,00181 0,00175 0,00169 0,00164 0,00159 0,00154 0,00149 0,00144 0,00139
-3,0 0,00135 0,00131 0,00126 0,00122 0,00118 0,00114 0,00111 0,00107 0,00104 0,00100
 Distribución Normal Estándar (continuación)

P  Z  z1   1  

Z1- 0 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09

0,0 0,50000 0,50399 0,50798 0,51197 0,51595 0,51994 0,52392 0,52790 0,53188 0,53586
0,1 0,53983 0,54380 0,54776 0,55172 0,55567 0,55962 0,56356 0,56749 0,57142 0,57535
0,2 0,57926 0,58317 0,58706 0,59095 0,59483 0,59871 0,60257 0,60642 0,61026 0,61409
0,3 0,61791 0,62172 0,62552 0,62930 0,63307 0,63683 0,64058 0,64431 0,64803 0,65173
0,4 0,65542 0,65910 0,66276 0,66640 0,67003 0,67364 0,67724 0,68082 0,68439 0,68793
0,5 0,69146 0,69497 0,69847 0,70194 0,70540 0,70884 0,71226 0,71566 0,71904 0,72240
0,6 0,72575 0,72907 0,73237 0,73565 0,73891 0,74215 0,74537 0,74857 0,75175 0,75490
0,7 0,75804 0,76115 0,76424 0,76730 0,77035 0,77337 0,77637 0,77935 0,78230 0,78524
0,8 0,78814 0,79103 0,79389 0,79673 0,79955 0,80234 0,80511 0,80785 0,81057 0,81327
0,9 0,81594 0,81859 0,82121 0,82381 0,82639 0,82894 0,83147 0,83398 0,83646 0,83891
1,0 0,84134 0,84375 0,84614 0,84849 0,85083 0,85314 0,85543 0,85769 0,85993 0,86214
1,1 0,86433 0,86650 0,86864 0,87076 0,87286 0,87493 0,87698 0,87900 0,88100 0,88298
1,2 0,88493 0,88686 0,88877 0,89065 0,89251 0,89435 0,89617 0,89796 0,89973 0,90147
1,3 0,90320 0,90490 0,90658 0,90824 0,90988 0,91149 0,91308 0,91466 0,91621 0,91774
1,4 0,91924 0,92073 0,92220 0,92364 0,92507 0,92647 0,92785 0,92922 0,93056 0,93189
1,5 0,93319 0,93448 0,93574 0,93699 0,93822 0,93943 0,94062 0,94179 0,94295 0,94408
1,6 0,94520 0,94630 0,94738 0,94845 0,94950 0,95053 0,95154 0,95254 0,95352 0,95449
1,7 0,95543 0,95637 0,95728 0,95818 0,95907 0,95994 0,96080 0,96164 0,96246 0,96327
1,8 0,96407 0,96485 0,96562 0,96638 0,96712 0,96784 0,96856 0,96926 0,96995 0,97062
1,9 0,97128 0,97193 0,97257 0,97320 0,97381 0,97441 0,97500 0,97558 0,97615 0,97670
2,0 0,97725 0,97778 0,97831 0,97882 0,97932 0,97982 0,98030 0,98077 0,98124 0,98169
2,1 0,98214 0,98257 0,98300 0,98341 0,98382 0,98422 0,98461 0,98500 0,98537 0,98574
2,2 0,98610 0,98645 0,98679 0,98713 0,98745 0,98778 0,98809 0,98840 0,98870 0,98899
2,3 0,98928 0,98956 0,98983 0,99010 0,99036 0,99061 0,99086 0,99111 0,99134 0,99158
2,4 0,99180 0,99202 0,99224 0,99245 0,99266 0,99286 0,99305 0,99324 0,99343 0,99361
2,5 0,99379 0,99396 0,99413 0,99430 0,99446 0,99461 0,99477 0,99492 0,99506 0,99520
2,6 0,99534 0,99547 0,99560 0,99573 0,99585 0,99598 0,99609 0,99621 0,99632 0,99643
2,7 0,99653 0,99664 0,99674 0,99683 0,99693 0,99702 0,99711 0,99720 0,99728 0,99736
2,8 0,99744 0,99752 0,99760 0,99767 0,99774 0,99781 0,99788 0,99795 0,99801 0,99807
2,9 0,99813 0,99819 0,99825 0,99831 0,99836 0,99841 0,99846 0,99851 0,99856 0,99861
3,0 0,99865 0,99869 0,99874 0,99878 0,99882 0,99886 0,99889 0,99893 0,99896 0,99900