UNIVERSIDAD NACIONAL DE SAN

CRISTÓBAL DE HUAMANGA

DEPARTAMENTO ACADÉMICO DE CIENCIAS

FÍSICO-MATEMÁTICAS

ESCUELA DE FORMACIÓN PROFESIONAL DE

INGENIERÍA DE MINAS

PRACTICA # 02

“ESTADÍSTICA Y PROBABILIDADES”

 PROFESOR: Guillermo Bernardino TAPIA CALDERÓN

 ALUMNO: BARBARÁN VICATOMA, Fritz Eltom.

 CODIGO: 15120724

 DIA Y HORA: jueves - 4:00 p.m.

 FECHA DE INICIO: 03/008/2013

 FECHA DE ENTREGA: 08/08/2013

 FIRMA: ______________

AYACUCHO – PERÚ

2013
 PARTE I:

ESTADÍSTICA DESCRIPTIVA (Cuadro Incompleto y Cálculo de

Estadígrafos)

I) Se tiene la siguiente información de la distribución de capital social de 50

pequeñas empresas ($) de Artesanía ayacuchana, tal que la longitud de
los intervalos de clase es constante e igual a 20 mil dólares.

I-1) Dar un título apropiado al CUADRO Nº1 de distribución de

frecuencias.

CUADRO Nº I: DISTRIBUCIÓN DEL CAPITAL SOCIAL DE 50 PEQUEÑAS

EMPRESAS DE ARTESANÍA AYACUCHANA.

[ Y'i-1 Y'i> Yi ni Nj yi x 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
50 3800
 I-2) Haciendo uso de sistemas de ecuaciones, a partir de los datos construir un cuadro completo, aplicando las
propiedades y relaciones de las frecuencias (mínimo 18 columnas).

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

i [ Y'i- Y'i> Yi Ci Tabulación ni hi hi x Nj Hj Hj x Nj* Hj* Hj* x yi x ni yi x hi yi^2 yi^2 x ni

1 100 100 100
1 20 40 30 20 IIIIIIIIIII 10 0,20 20% 10 0,20 20% 50 1,00 100% 300 6,00 900 9000

2 40 60 50 20 IIIIIIII 8 0,16 16% 18 0,36 36% 40 0,80 80% 400 8,00 2500 20000

3 60 80 70 20 IIIII 5 0,10 10% 23 0,46 46% 32 0,64 64% 350 7,00 4900 24500

4 80 100 90 20 IIIIIIIIIIIIIIIII 17 0,34 34% 40 0,80 80% 27 0,54 54% 1530 30,60 8100 137700

5 100 120 110 20 IIIII 4 0,08 8% 44 0,88 88% 10 0,20 20% 440 8,80 12100 48400

6 120 140 130 20 IIIIII 6 0,12 12% 50 1,00 100% 6 0,12 12% 780 15,60 16900 101400

50 1 100% 3800 76 45400 341000

I-3) Determinar la media muestral de datos agrupados e interpretarla
estadísticamente.

 Media muestral: 𝑦̅
∑𝑚𝑖=1 𝑦𝑖 𝑛𝑖
𝑦̅ =
𝑛
∑6𝑖=1 𝑦𝑖 𝑛𝑖 𝑦1 𝑛1 + 𝑦2 𝑛2 + 𝑦3 𝑛3 + 𝑦4 𝑛4 + 𝑦5 𝑛5 + 𝑦6 𝑛6
𝑦̅ = =
50 50
3800
𝑦̅ =
50
𝑦̅ = 76

Interpretación estadística: la media muestral es el valor medio de

capitales sociales que tiene es de 76 mil dólares que es un estadígrafo
de posición cuyo valor es el promedio de las marcas de clase.

I-4) Determinar la mediana muestral de datos agrupados e interpretarla

estadísticamente.

 Mediana muestral (Me)

Primer paso:

𝑛 50
= = 25
2 2
Segundo paso: Criterio de desigualdad
𝑛
𝑁𝑗−1 ≤ ≤ 𝑁𝑗
2
23 ≤ 25 ≤ 40

Tercer paso: Intervalo Mediano: [80; 100 >

Cuarto paso: fórmula de la mediana para datos agrupados.

𝑛
− 𝑁𝑗−1
𝑀𝑒 = 𝑌 ′𝑗−1 + 𝐶𝑗 [ 2 ]
𝑁𝑗 − 𝑁𝑗−1

25 − 23
𝑀𝑒 = 80 + 20 [ ]
40 − 23

𝑀𝑒 = 82.35294

I.E. el valor mediano de capital social que es de 82.35294 superan lo sumo al

50% de datos pero a su vez es superado por no más del 50% de datos
restantes.
I-5) Determinar la moda muestral de datos agrupados e interpretarla
estadísticamente.

 Moda muestral: 𝑀𝑑

Primer paso:

𝑛𝑖 = 𝑛𝑚𝑎𝑥 = 17

𝑛𝑖−1 = 5

𝑛𝑖+1 = 4

Segundo paso:

∆1 = 𝑛𝑖 − 𝑛𝑖+1 = 17 − 5 = 12

∆2 = 𝑛𝑖 + 𝑛𝑖−1 = 17 − 4 = 13

Tercer paso: Intervalo modal.

[𝑌′𝑗−1 , 𝑌𝑗′ 〉 = [80 , 100〉

Cuarto paso: fórmula de la modal para datos agrupados.

′
∆1
𝑀𝑑 = 𝑌𝑗−1 + 𝐶𝑗 [ ]
∆1 + ∆2
17 − 5
𝑀𝑑 = 80 + 20 [ ]
25

𝑀𝑑 = 89.6

I.E. es un estadígrafo de tendencia central, el cual es el valor que más se repite

de capital social es 89.6 mil dólares.

I-6) Calcular la variancia o varianza muestral y la desviación estándar o

desviación típica e interpretarla estadísticamente.

 Variancia muestral: 𝑆𝑦2

∑𝑚 2
𝑖=1 𝑦𝑖 𝑛𝑖
𝑆𝑦2 = − 𝑦̅ 2
𝑛
341000
𝑆𝑦2 = − 762
50
𝑆𝑦2 = 1044
I.E. variancia muestral de 1044 es un estadígrafo de posición cuyo valor es la
media aritmética de la sumatoria de marcas de clase elevadas al cuadrado y
multiplicadas por las frecuencias restándole al resultado el cuadrado de la
media de datos.

 Desviación estándar 𝑆𝑦

𝑆𝑦 = √𝑆𝑦2

𝑆𝑦 = √1044

𝑆𝑦 = 32.31098884

I.E. la desviación estándar de 32.31098884 es un estadígrafo de desviacion

cuyo valor sale de la raíz cuadrada positiva de la variancia.

I-7) Calcular la desviación media /D.M./ e interpretarla estadísticamente.

 Desviación media de datos agrupados:

∑𝑚
𝑖=1|𝑦𝑖 − 𝑦
̅|𝑛𝑖
|𝐷. 𝑀. |𝑦 =
𝑛
1396
|𝐷. 𝑀. |𝑦 = = 27.92
50
I.E. la desviación media de 27.92 es un estadígrafo de dispersión cuyo valor
absoluto de las desviaciones con respecto a la media obtenido.

I-8) Calcular la desviación mediana /D.Me./ e interpretarla

estadísticamente.

 Desviación mediana de datos

∑𝑚
𝑖=1|𝑦𝑖 − 𝑀𝑒|𝑛𝑖
|𝐷. 𝑀𝑒|𝑦 =
𝑛
1367.494
|𝐷. 𝑀𝑒|𝑦 =
50
|𝐷. 𝑀𝑒|𝑦 = 27.34988

I.E. la desviación mediana de 27.34988 es un estadígrafo de dispersión cuyo

valor es el promedio del valor absoluto de las desviaciones con respecto a la
mediana.
I-9) Calcular el coeficiente de variación o variabilidad e interpretarla
estadísticamente.

 Coeficiente de desviación de datos agrupados:

𝑆𝑦
(𝐶. 𝑉)𝑦 = × 100
𝑦̅

32.639
(𝐶. 𝑉)𝑦 = × 100
76
(𝐶. 𝑉)𝑦 = 42.9

I.E. el coeficiente de variación de datos agrupados es 42.9

I-10) Calcular el tercer cuartil (Q3) y el primer cuartil (Q1) e interpretarlos

estadísticamente.

 Tercer cuartil (Q3)

Primer paso:

𝑛 3. 𝑛 𝑛
𝑖 = =
4 4 4
Segundo paso:

3𝑛
𝑁𝑗−1 ≤ ≤ 𝑁𝑗
4
23 ≤ 37.5 ≤ 40

Tercer paso: Intervalo 3er cuartil

′
[𝑌𝑗−1 , 𝑌𝑗′ 〉 = [80 , 100〉

Cuarto paso: fórmula.

3𝑛
− 𝑁𝑗−1
′
𝑄3 = 𝑌𝑗−1 + 𝐶𝑗 [ 4 ]
𝑁𝑗 − 𝑁𝑗−1

37.5 − 23
𝑄3 = 80 + 20 [ ]
40 − 23

𝑄3 = 97.0588
I.E. el tercer cuartil es una medida de posición cuya medida es 97.0588 que
supera a lo sumo al 75% de observaciones.

 Primer cuartil (Q1)

Primer paso:

𝑖𝑛 1 ∗ 50
= = 12.5
4 4
Segundo paso: criterio de desigualdad
𝑛
𝑁𝑗−1 ≤ ≤ 𝑁𝑗
2
10 ≤ 125 ≤ 18

Tercer paso: Intervalo

[40 ; 60〉

Cuarto paso: fórmula de primer cuartil para datos agrupados.

𝑖𝑛
− 𝑁𝑗−1
′
𝑄1 = 𝑌𝑗−1 + 𝐶𝑗 [ 4 ]
𝑁𝑗 − 𝑁𝑗−1

12.5 − 10
𝑄1 = 40 + 20 [ ]
18 − 10

𝑄1 = 46.25

I.E. el primer cuartil cuyo valor es 46.25 supera a lo sumo al 25% de

observaciones.

I-11) Calcular el décimo (P10) y el nonagésimo percentiles (P90) e

interpretarlos estadísticamente.

 Décimo percentil:

Primer paso:

𝑖𝑛 10 ∗ 50
= =5
100 100
Segundo paso:

10𝑛
𝑁𝑗−1 ≤ ≤ 𝑁𝑗
100
 0 ≤ 5 ≤ 10

Tercer paso: intervalo décimo percentil:

′
[𝑌𝑗−1 , 𝑌𝑗′ 〉 = [20 , 40〉

Cuarto paso: fórmula.

10𝑛
− 𝑁𝑗−1
𝑃10 = ′
𝑌𝑗−1 + 𝐶𝑗 [ 100 ]
𝑁𝑗 − 𝑁𝑗−1

5−0
𝑃10 = 20 + 20 [ ]
10 − 0

𝑃10 = 30

I.E. el décimo percentil cuyo valor supera al sumo al 10% de observaciones.

 Nonagésimo percentil:

Primer paso:

𝑛 90 ∗ 50
𝑖 = = 45
100 100
Segundo paso:

90𝑛
𝑁𝑗−1 ≤ ≤ 𝑁𝑗
100
44 ≤ 45 ≤ 50

Tercer paso: intervalo nonagésimo percentil

′
[𝑌𝑗−1 , 𝑌𝑗′ 〉 = [120 , 140〉

Cuarto paso:
90𝑛
− 𝑁𝑗−1
′
𝑃90 = 𝑌𝑗−1 + 𝐶𝑗 [100 ]
𝑁𝑗 − 𝑁𝑗−1

45 − 44
𝑃90 = 120 + 20 [ ]
50 − 44
𝑃90 = 123.3333
I.E. el nonagésimo percentil cuyo valor es 123.33 supera a lo sumo al 90% de
observaciones.

I-12) Calcular el 1er coeficiente de asimetría de Pearson (deformación

horizontal). ¿Qué distribución nos da este coeficiente As?

 Primer coeficiente de Pearson.

(𝑦̅ − 𝑀𝑑 )
𝐴𝑠 =
𝑆𝑦

76 − 89.6
𝐴𝑠 =
32.31098884
𝐴𝑠 = −0.420909439

I.E. según el primer coeficiente de asimetría de Pearson genera una distribuion

asimétrica negativa o sesgada a la izquierda.

I-13) Calcular el 2do coeficiente de asimetría de Pearson (deformación

horizontal). ¿Qué distribución es As?

 Segundo coeficiente de Pearson:

𝑄3 + 𝑄1 − 2(𝑀𝑒 )
𝐴𝑠 =
𝑄3 − 𝑄1

97.05882353 + 46.25 − 2(82.35294118)

𝐴𝑠 =
97.05882353 − 46.25
𝐴𝑠 = −0.421128799

I.E. según el segundo coeficiente de asimetría de Pearson genera una

distribución asimétrica negativa o sesgada a la izquierda.

I-14) Calcular el coeficiente de asimetría de Fisher As. ¿Qué distribución

es As?

 Coeficiente de Fisher:
1
∑𝑚 ̅)3 𝑛𝑖
𝑖=1(𝑦𝑖 − 𝑦
𝑛
𝐴𝑠 =
𝑆𝑦3
 1
(33600)
50
𝐴𝑆 =
(32.31098884)3

𝐴𝑆 = 0.01992133896

I.E. la distribución es asimétrica positiva o sesgada a la derecha.

I-15) Calcular el coeficiente percentílico de Kurtosis K (deformación

vertical) ¿Qué distribución nos representa K?

 Coeficiente de Kurtosis:

𝑄3 − 𝑄1
𝐾3 =
2(𝑃90 − 𝑃10 )

97.05882353 − 46.25
𝐾3 =
2(123.3333 − 30)

𝐾3 = 0.2721901262

I.E. según el coeficiente percentílico de Kurtosis genera una distribución

leptokúrtica.
 PARTE II: CÁLCULO DE PROBABILIDADES

II) PROBABILIDAD CONDICIONAL.- En la escuela de ingeniería de Minas de

la UNSCH, el 25% de los estudiantes se han desmatriculado en Análisis
Matemático II, el 15% se han desmatriculado en Construcciones Mineras y el
10% se han desmatriculado en Análisis Matemático II y en Construcciones
Mineras. Se elige un estudiante de Minas al azar:

2.1 Si se ha desmatriculado en Construcciones Mineras, ¿Cuál es la

probabilidad de que se haya desmatriculado en Análisis Matemático?

2.2 Si se ha desmatriculado en Análisis Matemático II, ¿Cuál es la probabilidad

de que se haya desmatriculado en Construcciones Mineras?

2.3 ¿Cuál es la probabilidad de que se haya desmatriculado en Análisis

Matemático II o en Construcciones Mineras?

Sean:

A = Desmatriculados en Análisis Matemático II = 25% = 0.25

B = Desmatriculado en Construcciones Mineras = 15% = 0.15

2.1. La probabilidad de que se de este evento es:

P(C/A) = P(C ∩ A)/P(A)

P(C/A) = 0.1/0.25

P(C/A) = 0.4

2.2 La probabilidad de que se de este evento es:

P(A/C) = P(A/C)/P(C)

P(A/C) = P(A ∩ C)/P(C)

P(A/C) = 0.1/0.15

P(A/C) = 0.666667
2.3 La probabilidad de que se de este evento es:

P(A ∪C) = P(A) + P(C) – P(A∩C)

P(A ∪C) = 0.25 +0.15 – 0.1

P(A ∪C) = 0.30

I) TEOREMA DE PROBABILIDAD TOTAL Y TEOREMA DE

BAYES: Dos máquinas A y B han producido respectivamente 200 y
300 piezas. Si se sabe que A produce 6% de piezas defectuosas y B un
8%. Se toma una pieza, y se pide:

Solución:
El total de piezas es 500 por lo cual cada máquina producirá
respectivamente:

200 2
𝐴= =
500 5

300 3
𝐵= =
500 5

Sean los sucesos:

2
N={ proceda de la primera máquina} P(N) =
5
3
Q={ proceda de la segunda maquina} P(Q) =
5
Y M= {sea defectuosa}

P (N ∩ M) = 6% =0.06
P (Q ∩ M) = 8% = 0.08
 3.1) Probabilidad de que sea defectuosa

Por el teorema de la probabilidad total tenemos:

𝐏(𝐌∩𝐍) 𝐏(𝐌∩𝐐)
P (M)= P(N) P (M|N) + P (Q) P (M|Q)=𝐏(𝐍) + 𝐏(𝐐)
𝐏(𝐍) 𝐏(𝐐)
P (M) = 𝐏(𝐌 ∩ 𝐍) + 𝐏(𝐌 ∩ 𝐐)

P (M)= 2/5 * 0.06 + 3/5 * 0.08

P (M) = 0.072

I.E) La probabilidad de ocurrencia de que la pieza sea defectuosa es

0.072

3.2) Sabiendo que es defectuosa, probabilidad de que proceda de la

primera máquina.
𝐏(𝐍)𝐏(𝐌|𝐍)
P (N|M) =𝐏(𝐍)𝐏(𝐌|𝐍)+𝐏(𝐐)𝐏(𝐌|𝐐)

Utilizando el teorema de la multiplicación tenemos:

𝐏(𝐌∩𝐍)
P (N|M) =𝐏(𝐌∩𝐍)+𝐏(𝐌∩𝐐)

𝟐
∗𝟎.𝟎𝟔
𝟓
P (N|M) =𝟐 𝟑 = 0.333333333
∗𝟎.𝟎𝟔 + ∗𝟎.𝟎𝟖
𝟓 𝟓
I.E) La probabilidad de ocurrencia de que la pieza proceda de la primera
máquina, sabiendo que es defectuosa es 0.333333333
IV) TEOREMA DE PROBABILIDAD TOTAL Y TEOREMA DE
BAYES: Una compañía Perforadora de petróleo debe decidir si taladra
o no un lugar determinado que la compañía tiene bajo contrata. Por
investigaciones geológicas se sabe que existe una probabilidad de 0.45
que una formación de TIPO I se extienda debajo del lugar prefijado para
taladrar, 0.30 de probabilidad que exista una formación de TIPO II y de
0.25 de TIPO III. Estudios anteriores indican que el petróleo se
encuentra en un 30% de las veces en la formación de TIPO I, en un 40%
en la formación de TIPO II, en un 20% en la TIPO III. Determinar la
probabilidad que si no se encontró petróleo, la perforación fue hecha en
la formación TIPO I.

Solución:

Definamos los eventos:

A = {se extiende una formacion de TIPO I bajo el lugar prefijado para taladrar}
B = {se extiende una formacion de TIPO II bajo el lugar prefijado para taladrar}
C = {se extiende una formacion de TIPO III bajo el lugar prefijado para taladrar}

Probabilidad que una formación se extienda debajo del lugar prefijado para
taladrar:
P(A) + P(B) + P(C) = ῼ
0.45+ 0.30 + 0.25 = 1

P(A) = 0.45
P(B) = 0.30
P(C) = 0.25
P(N) =?
El petróleo se encuentra:

P(E/A) = 0.30
P(E/B) = 0.40
P(E/C) = 0.20

El petróleo no se encontró:

P(N/A) = 0.70
P(N/B) = 0.60
P(N/C) = 0.80

P(A)xP(N⁄A)
P(A/N) =
P(A ∩ N) + P(B ∩ N) + P(C ∩ N)

0.45x0.70 0.315 315 63

P(A/N) = = = = = 𝟎. 𝟒𝟓𝟑
0.45x0.70 + 0.30x0.60 + 0.25x0.80 0.695 695 139

Se aplica el teorema de BAYES, indicado para este tipo de problemas, el

resultado es correcto ya que la suma de las probabilidades de las
particiones del espacio muestral deben ser igual a 1.

II) PROBABILIDAD DE EVENTOS INDEPENDIENTES: En la

figura N° 05 se supone que la probabilidad de cada relé este cerrado es
“P” y que cada relé se abre o se cierra en forma independiente de
cualquier otro. Encontrar la probabilidad de que la corriente pase de S a
T.
i) Sea los eventos:

E= “ La corriente que pasa por I”

F= “ La corriente que pasa por II”
G= “ La corriente que pasa por III”

ii) Si E1, E3, E2 , F5, F6, G4 indica que la corriente pasa por
1,3,2,5,6,4 respectivamente, se tiene que:

E= (E1 UE3) ∩E2 ; F= (F5 ∩F6) ; G= G4

iii) Cálculo de probabilidades de los eventos E,F y G

respectivamente

P(E) = P[(E1 UE3) ∩E2] ={ P[E1] + P[E3] - P[E1 E3] } P[E2]

= (p+p–p*p)*p

P [E] = 2p2 – p3

iv) P[F] = P[(F5 ∩ F6 )] =P[F5] P[F6]

=p*p

P [F]= p2

v) P[G] = P(G4) = p
 vi) La corriente pasara de S a T si pasa por I, II, III ; es decir si ocurre
E o F o G ;entonces:

P[(E UF) ∩ G] = P[(E UF) P[G]

{P [E] + P [F] - P [EF]} P [G]

[2p2 – p3 + p2 – 2p4+ p5 ] p

2P3 – P4 +P3 – 2P5 + P6

I.E La probabilidad de que la corriente pase de S a T es:

2P3 – P4 +P3 – 2P5 + P6