CUA DERN ILLO DE

P R O B A B I L I DA D Y E S TA D Í S T I C A I I

IV
S EMESTRE
Directorio
Dr. Rafael Ignacio Romero Mayo
Director General

Mtra. Yolanda del Rosario Loria Marín

Directora Académica

Lic. Mario Velázquez George

Subdirector Académico

Mtra. Cindy Jazmín Cuellar Ortiz

Jefa del Departamento de Docencia y Apoyo Académico

Elaboración:
Mtro. Gaspar Be Xool, Docente del Plantel Cancún Cuatro

Revisión y aprobación:
Dr. Rodolfo Antonio Keb Montero, Docente del Plantel Chetumal Dos
Mtra. Jessica Vianey Cortés Talamantes, Jefa de Materia del Área de Matemáticas

Diseño de portada:
Lic. Juan Naim Góngora Piña, Responsable del Área de Comunicación y Difusión

Derechos reservados
© Colegio de Bachilleres del Estado de Quintana Roo 2021
Avenida Héroes #310 entre Justo Sierra y Bugambilias
Col. Adolfo López Mateos
Chetumal, C.P. 77010, Othón P. Blanco, Quintana Roo
 PRESENTACIÓN

Estimada y estimado estudiante:

Me es grato darte la bienvenida al nuevo semestre que estás por iniciar. En la Dirección General
del Colegio de Bachilleres de Quintana Roo, somos conscientes de las circunstancias que te
rodean y que han afectado al mundo desde hace más de año y medio; por ello, el cuadernillo
que ahora posees, es producto de un esfuerzo y trabajo conjuntos entre los docentes y los
responsables de las áreas académicas de nuestras oficinas centrales.
Si bien es cierto la pandemia continúa, ello no representa un impedimento para no
cumplir con nuestra labor educativa, razón esencial de nuestra gran institución. Por ello, hoy
más que nunca, la labor académica es vital para alcanzar nuestro principal objetivo: tu
formación escolar que contribuya a consolidar tu proyecto de vida.
El contenido de este Material didáctico del estudiante, te permitirá continuar con tu proceso
de enseñanza-aprendizaje desde casa. Por supuesto, estarás respaldado por la asesoría y
seguimiento de cada uno de tus docentes y autoridades educativas.
Cada una de las personas que laboramos en el Colegio de Bachilleres del Estado de
Quintana Roo ponemos lo mejor de nosotros para seguir caminando juntos, aun en la
pandemia, generando resiliencia y fortaleciendo las competencias académicas y
socioemocionales que nos permitan salir adelante.
Te invito a no bajar la guardia en lo académico y en el cuidado de tu salud. Trabaja
intensamente, con compromiso y con responsabilidad; sé responsable y perseverante, ello te
llevará al éxito y a cumplir tus metas. Te deseo lo mejor para este semestre que inicia.

Dr. Rafael Ignacio Romero Mayo

Director General
 ÍNDICE

Introducción………………………………………………………………………................................... 1
¿Con qué conocimientos previos cuento? ……………………………………………………………. 2
Bloque I Probabilidad
Actividad 1……………………………………………………………………….…… 4
Actividad 2……………………………………………………………….…………… 10
Actividad 3……………………………………………………………….…………… 18
Actividad 4……………………………………………………………….…………… 26
Bloque II Distribuciones de probabilidad
Actividad 5………………………….………………………………………………… 34
Actividad 6……………….…………………………………………………………… 38
Actividad 7……………………………………………………………….…………… 50
Bloque III Modelos probabilísticos
Actividad 8……………………………………………………………………………. 65
Actividad 9….………………………………………………………………………… 68
Actividad 10…………………………………………………………….…………… 72
Instrumentos para evaluación………………………………………………………………………… 76
Material sugerido para consulta………………………………………………………………………. 86
Bibliografía……………………………………………………………………………………….……… 87
 INTRODUCCIÓN

El presente cuadernillo incluye todos los aprendizajes esperados del programa de estudios de
la asignatura de Probabilidad y Estadística II, mismo que plantea la Dirección General del
Bachillerato (DGB). Fue diseñado de una forma sencilla incluyendo los conceptos básicos de
cada tema acompañados con imágenes que tratan de ayudar a la comprensión de los mismos.
Cada tema incluye de dos a tres ejemplos resueltos.

En el bloque I se desarrollan los conceptos básicos de la probabilidad mismos que nos permiten
hacer cálculos y predicciones de algún fenómeno de nuestro contexto; hasta la forma de cómo
calcular los eventos mutuamente excluyentes y no excluyentes.

En el bloque II se analizan las distintas distribuciones de probabilidad, incluyendo la

distribución de Bernoulli y la distribución normal. Se analizan los conceptos básicos que
involucran las distribuciones de probabilidad y se explica el uso correcto de las tablas de
valores del área bajo la curva.

En el bloque III, se plantean ejemplos prácticos de la probabilidad condicional, el Teorema de

Bayes y la distribución de Poisson. Cabe destacar que en cada tema se plantean ejemplos
resueltos.

Cada uno de los temas de este cuadernillo contienen una serie de actividades que el alumno
deberá desarrollar bajo las listas de cotejo que se incluyen al final.

1
 Evaluación diagnóstica

¿Con qué conocimientos previos cuento?

Nombre del estudiante: ___________________________________________________Grupo: ________

Nombre del docente: ____________________________Turno: ___________Fecha: ________________

A). Instrucciones

Subraya la respuesta correcta para cada una de las siguientes preguntas.

a). El menú de un restaurante se compone de plato de entrada fuerte (3 opciones), plato fuerte
(5 opciones) y postre (4 opciones), ¿cuántos menús diferentes se pueden formar con todas las
opciones del restaurante?

❶12 ❷ 40 ❸ 30 ❹ 60

b). Los salarios anuales de cuatro hombres fueron $52,314; $59,280; $63,028; $415 y $263. Calcular
la media aritmética de sus salarios.

❶ $52,314 ❷ $35,060 ❸ $415 ❹ No se puede

c). ¿Cuál es la probabilidad de sacar 2 bolas negras de una urna que contiene 4 bolas blancas y
7 negras, sin reintegrar la bola extraída?
❶ 0.38 ❷ 0.63 ❸ 0.54 ❹ 0.90

d). ¿Cuál de las siguientes expresiones definen mejor el concepto de conjunto?

❶ Números pequeños ❷ Números naturales menores que 10

❸ Alumnos sobresalientes ❹ Ninguna de las anteriores

e). La probabilidad del suceso A, se obtiene simplemente suponiendo o estimando su valor con
base en el conocimiento de las circunstancias relevantes.
❶Probabilidad relativa ❷ Probabilidad clásica

❸ Probabilidad subjetiva ❹ Probabilidad teórica

f). Consiste en el conjunto de todos los posibles resultados individuales de un experimento

aleatorio.

❶Experimento ❷Evento ❸ Espacio muestral ❹ Evento compuesto

g). Son los eventos que no pueden ocurrir al mismo tiempo, es uno u otro.

❶ Eventos Independientes ❷ Conjunto ❸ Eventos excluyentes ❹ Eventos no excluyentes

2
 1. B). Instrucciones

Resuelve correctamente los siguientes incisos del problema.

Préstamos en la Universidad. En una encuesta telefónica de 1000 adultos, se preguntó a los encuestados
acerca del gasto de una educación universitaria y la necesidad de alguna forma de ayuda financiera.
Los encuestados fueron clasificados de acuerdo con, “si en la universidad tenían un hijo” ó si pensaban
que la carga del préstamo para la mayor parte de los universitarios es “demasiado alta” “correcta” ó
“muy baja”, como se indican en la siguiente tabla.
Demasiado Correcta Muy Baja
alta (Evento B) (Evento C)
(Evento A)
Hijo en la universidad (Evento D) 0.35 0.08 0.01
Ningún Hijo en la Universidad (Evento E) 0.25 0.20 0.11

A) ¿Cuál es la probabilidad de que el encuestado tenga un hijo en la universidad?

B) ¿Cuál es la probabilidad de que el encuestado no tenga un hijo en la universidad?
C) ¿Cuál es la probabilidad de que el encuestado tenga un hijo en la universidad o piense que
la carga del préstamo es demasiado alta?

3
 1.1 Enfoques y elementos de la probabilidad

ACTIVIDAD 1

Aprendizajes esperados:
Demuestra de manera responsable el uso de los elementos probabilísticos en situaciones reales e
hipotéticas de la vida cotidiana.
Atributos:
6.4 Estructura ideas y argumentos de manera clara, coherente y sintética. 5.2 Ordena información de
acuerdo a categorías, jerarquías y relaciones. 7.1 Define metas y da seguimiento a su proceso de
construcción del conocimiento.
Conocimientos
1.1 Enfoques y elementos de la probabilidad. 1.2 Conjuntos. 1.3 Técnicas de conteo. 1.4 Eventos

1.1 Enfoques y elementos de probabilidad

Lectura Previa

La probabilidad es la rama de las matemáticas que estudia la

posibilidad de ocurrencia de fenómenos que suceden en nuestro
contexto de la vida cotidiana.
Los valores de probabilidad siempre se asignan en una escala
de 0 a 1. Por ejemplo, si se considera el evento “lluvia para
mañana”, se entiende que cuando el informe del clima indica
“una probabilidad de lluvia casi nula”, significa que la
posibilidad de lluvia es muy baja. Sin embargo, si se informa
una probabilidad de 0.90 de que llueva, es probable que llueva.
Una medida de 0.50 indica que la probabilidad de que llueva es Fuente: [Link]
igual a la de que no llueva. (Anderson, Sweeney, & Williams,
2012)

De acuerdo a (Lind, Marchal, & Whaten, 2008) “En el estudio de la probabilidad se utilizan tres palabras
clave: experimento, resultado y evento. Dichos términos son empleados en el lenguaje de la vida diaria,
pero en estadística adquieren significados específicos” (pág. 146)

4
 1.1 Enfoques y elementos de la probabilidad

Experimento aleatorio: es la reproducción controlada de un fenómeno,

existiendo incertidumbre sobre el resultado que se obtendrá. Un ejemplo
simple de experimento aleatorio es el lanzamiento de una moneda al aire.
En tal experimento sólo hay dos resultados posibles: sol o águila.

En el contexto de la probabilidad, un experimento es definido como

un proceso que genera resultados definidos. Y en cada una de las
repeticiones del experimento, habrá uno y sólo uno de los posibles Fuente: [Link]
resultados experimentales. A continuación, se dan varios ejemplos de
experimentos con sus correspondientes resultados (Anderson et al.,2012).

Experimento determinista. Estos producen resultados conocidos y predecibles, siempre que las
condiciones del experimento sean controlables (que podamos repetirlo en las mismas condiciones)

Experimento Resultado experimental

Tomar una pieza para inspeccionarla Con defecto, sin defecto

Realizar una llamada de ventas Hay compra, no hay compra

Lanzar un dado 1,2,3,4,5,6

Jugar un partido de futbol Ganar, perder, empatar

Por ejemplo, si se lanza un paracaidista desde un avión, lo más seguro es

que caiga al suelo por el efecto de la gravedad.

Evento. Es uno o más de los posibles resultados de hacer algo. Al lanzar una
moneda al aire, si cae sol es un evento, y si cae águila es otro. De manera
análoga, si sacamos una carta de un mazo de naipes, el tomar el as de
espadas es un evento.

Fuente: [Link]

Espacio muestral. Es una lista de todos los posibles

resultados del experimento a considerar. Cuando se usa
este método, el espacio muestral debe contener puntos
muestrales igualmente probables. Por ejemplo, al lanzar
un dado el espacio muestral es la imagen de la derecha.

5
 1.1 Enfoques y elementos de la probabilidad
Probabilidad subjetiva.

Está basado de acuerdo a las circunstancias del contexto, se cuenta con poca
o ninguna experiencia. En esencia, esto significa que un individuo evalúa las
opiniones e información disponibles y luego calcula o asigna la probabilidad.
Por ejemplo, cuando se trata de estimar la probabilidad de que mañana
llueva, los meteorólogos usan su conocimiento experto de las condiciones del
tiempo para desarrollar un estimado de la probabilidad.

Probabilidad de frecuencia relativa.

Se basa en el número de veces que ocurre el evento

Fuente: [Link]

como proporción del número de intentos

conocidos. Por ejemplo, cuando se trata de determinar la probabilidad de que
una tachuela caiga con la punta hacia arriba, debemos repetir muchas veces
el procedimiento de lanzar la tachuela y después calcular el cociente del
número de veces que la tachuela cae con la punta hacia arriba entre el número
de lanzamientos.
Fuente: [Link]

En términos de fórmula se representa como:

𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑣𝑒𝑐𝑒𝑠 𝑞𝑢𝑒 𝑒𝑙 𝑒𝑣𝑒𝑛𝑡𝑜 𝑜𝑐𝑢𝑟𝑟𝑒

𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑓𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎𝑠 𝑟𝑒𝑙𝑎𝑡𝑖𝑣𝑎𝑠 =
𝑁ú𝑚𝑒𝑟𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑐𝑖𝑜𝑛𝑒𝑠

Probabilidad clásica. Parte del supuesto de que los resultados de un

experimento son igualmente posibles. De acuerdo con el punto de vista
clásico, la probabilidad de un evento que se está llevando a cabo se calcula
dividiendo el número de resultados favorables entre el número de posibles
resultados. Por ejemplo, cuando se trata de determinar la probabilidad de
sacar un 4 al lanzar un dado, cada una de las seis caras tiene la misma
1
probabilidad de ocurrir, es decir, se tiene: 𝑝 (4) = 6 Fuente: [Link]

En términos de fórmula se representa como:

𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠

𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑢𝑛 𝑒𝑣𝑒𝑛𝑡𝑜 =
𝑁ú𝑚𝑒𝑟𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠

Si cuentas con teléfono: Visita el siguiente link, para un mejor análisis de los conceptos
[Link]

6
 1.1 Enfoques y elementos de la probabilidad
Ejemplo 1

Usted planea apostar al número 13 en el próximo giro de una ruleta. ¿Cuál es la probabilidad de que
pierda?

Solución: Una ruleta tiene 38 ranuras distintas y sólo una corresponde

al número 13. La ruleta se diseñó de manera que las 38 ranuras sean
igualmente probables de resultar. De las 38 ranuras, 37 resultan en una
pérdida. Ya que el espacio muestral incluye resultados igualmente
probables.1

En términos de fórmula se representa como:

37
𝑃(𝑃é𝑟𝑑𝑖𝑑𝑎) = = 0.97 𝑜 97%
38 Fuente: [Link]

Ejemplo 2

El jugador de béisbol Barry Bonds rompió un récord importante cuando

dio 73 jonrones en la temporada 2001. Durante esa temporada, estuvo al
bate 476 veces. Si se selecciona al azar una de las ocasiones que estuvo al
bate, calcule la probabilidad de que sea una de las veces que pegó un
jonrón.

Solución:
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑗𝑜𝑛𝑟𝑜𝑛𝑒𝑠 𝑒𝑥𝑖𝑡𝑜𝑠𝑜𝑠
𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑗𝑜𝑛𝑟ó𝑛 𝑒𝑥𝑖𝑡𝑜𝑠𝑜 =
𝑁ú𝑚𝑒𝑟𝑜 𝑡𝑜𝑡𝑎𝑙 𝑎𝑙 𝑏𝑎𝑡

En términos de fórmula se representa como:

73
Fuente: [Link]
𝑃(𝐽𝑜𝑛𝑟ó𝑛 ) = = 0.154 𝑜 15.4 %
476

Si cuentas con teléfono: Visita el siguiente link, para más ejemplos de probabilidad
[Link]

1
Triola, Mario. Estadística, México, Pearson. 2004. pág 128

7
 1.1 Enfoques y elementos de la probabilidad
ACTIVIDAD 1

Nombre del estudiante: __________________________________________________Grupo: ________

Nombre del docente: ____________________________Turno: ___________Fecha: ________________

A). Instrucciones

1. Analiza cada uno de las siguientes situaciones o ejemplos y relaciona según corresponda con los
conceptos de la derecha.
2. Esta actividad se realiza en la libreta de apuntes, no olvides colocar tus datos en la parte superior.
Espera las indicaciones de tu docente para su entrega.
Situación o ejemplo Conceptos

[Link] una bola en un sorteo de lotería. ( ) Experimento

[Link] el área de un terreno de 50m de ancho y 70m

de largo.
( ) Evento

[Link] una urna se tienen 3 canicas rojas, 2 verdes, y 5

amarillas. Éstas se representan por su inicial de la
( ) Probabilidad subjetiva
siguiente manera: (r, r, r, v,v,a,a,a,a,a).

[Link] en el lanzamiento de un dado un número impar. ( ) Espacio muestral

5. La abuela de un bebé que está por nacer asegura que

el futuro bebé será una niña y no un niño, ella se basa
( ) Experimento determinista
en los antojos de la madre, la forma del estómago y otras
características que ella ha podido observar durante el
embarazo.
( ) Probabilidad clásica

Evaluación

ATENCIÓN
Esta actividad se evaluará con la lista de cotejo # 1

8
 1.1 Enfoques y elementos de la probabilidad

Nombre del estudiante: ___________________________________________________Grupo: ________

Nombre del docente: ____________________________Turno: ___________Fecha: ________________

B). Instrucciones

1. Lee cada uno de los siguientes ejercicios y resuélvelos en tu libreta de apuntes utilizando el
planteamiento correcto.
2. No olvides colocar tus datos en la parte superior, espera las indicaciones de tu docente para su
entrega.

Ejercicios de aplicación del concepto de probabilidad.

Evaluación

ATENCIÓN
Esta actividad se evaluará con la lista de cotejo # 1

9
 ACTIVIDAD 2 1.2 Conjuntos

Aprendizajes esperados:
Construye de manera colaborativa gráficas para el análisis con datos de situaciones que suceden en su
contexto.
Atributos:
6.4 Estructura ideas y argumentos de manera clara, coherente y sintética. 5.2 Ordena información de
acuerdo a categorías, jerarquías y relaciones. 7.1 Define metas y da seguimiento a su proceso de
construcción del conocimiento.
Conocimientos
1.1 Enfoques y elementos de la probabilidad. 1.2 Conjuntos. 1.3 Técnicas de conteo. 1.4 Eventos

1.2 Conjuntos

Lectura Previa

Un conjunto es una colección de objetos que tienen una

característica bien definida. Esos objetos reciben el nombre de
elementos de dicho conjunto. Algunos ejemplos de pueden ser
los siguientes:

Los miembros de un club de fútbol

Los integrantes de una familia
Los alumnos graduados del colegio de bachilleres
Los bailarines de un selectivo
En la vida diaria nuestra mente organiza de manera inconsciente
los objetos en conjuntos. (Cuellar, 2010, pág. 1)
Fuente: [Link]
Notación de conjuntos.

Para representar los conjuntos se utilizan las letras mayúsculas del alfabeto, mientras que para
simbolizar sus elementos se usan las minúsculas. Cuando se quiere indicar que un objeto a es un
elemento del conjunto A, se utiliza la noción 𝒂 ∈ 𝑨. Esta notación se lee como:

El objeto a pertenece al conjunto A.

Un conjunto que incluya a todos los elementos de interés es conocido como conjunto universal, el cual
tiene a “U” como símbolo; por ejemplo, si el conjunto universal que se define es el de los números
naturales, éste se representaría como: 𝑼 = {1,2,3,4,5,6,7,8,9 … }

Un subconjunto es una colección de elementos que pertenecen al conjunto universal, o bien, a otro
conjunto; así, si un conjunto A, es un subconjunto del conjunto universal U, esta relación se expresa en
simbolos como, 𝑨 ∁ 𝑼. Al conjunto que carece de elementos se le llama conjunto vacío y se representa
con el símbolo, ∅.

10
 1.2 Conjuntos
Diagrama de Venn-Euler

Consisten en figuras planas cerradas por medio de las

John Venn Euler cuales se representan gráficamente las relaciones y
operaciones entre conjuntos. Por lo general, el conjunto
universo se representa por el conjunto de todos los puntos
interiores de un rectángulo y sus subconjuntos, por círculos
incluidos en ese rectángulo. (Cuellar, 2010, pág. 15)

Miembro de una familia piadosa, a los

veinticinco años se ordenó sacerdote y El conjunto universal se representa con U y las
desde 1862 ejerció la docencia como circunferencias para los subconjuntos se representan como
A y B.
profesor de lógica y filosofía de la
ciencia en Cambridge, donde residiría Por ejemplo, sean A y B dos conjuntos ajenos o disjuntos
entre sí, entonces su diagrama es:
hasta su fallecimiento. Hacia 1883, sin
embargo, abandonó el sacerdocio por
considerar incompatible el
anglicanismo con sus creencias
filosóficas.

Es considerado uno de los creadores de

la lógica matemática, John Venn,
En el diagrama de abajo se observa de que A y B son
destacó por sus investigaciones en
subconjuntos del conjunto universal U, y A es un
lógica inductiva. Es especialmente subconjunto de B. En símbolos es: 𝑨 ∁ 𝑩 y A≠ 𝑩
conocido por su método de
representación gráfica de
proposiciones. Los diagramas de Venn
permiten mostrar visualmente las
operaciones más elementales de la
teoría de conjuntos.

11
 1.2 Conjuntos
Operaciones con conjuntos

Unión de conjuntos. La unión de 2 conjuntos A y B es el conjunto que

contiene todos los elementos que pertenecen al conjunto A, al B, o ambos,
como se muestra en la gráfica a). La unión de conjuntos se simboliza de la
siguiente forma: 𝐴 ∪ 𝐵, 𝑜 𝑡𝑎𝑚𝑏𝑖é𝑛 𝐴 + 𝐵, 𝑦 𝑠𝑒 𝑙𝑒𝑒 𝐴 ó 𝐵. El conjunto 𝐴 ∪
𝐵, representa todos los elementos contenidos en los conjuntos A y B.
(Banegas, 2012, pág. 79)
a) Unión de conjuntos

Ejemplo 1

Sea 𝑼 = {𝒂, 𝒃, 𝒄, 𝒅, 𝒆 , 𝒇, 𝒈, 𝒉, 𝒊, 𝒋, 𝒌, 𝒍}, el conjunto universal,

𝑒𝑙 𝑐𝑜𝑛𝑗𝑢𝑛𝑡𝑜 𝑨 = {𝒂, 𝒃, 𝒄, 𝒅, 𝒆} y el conjunto 𝑩 = { 𝒆, 𝒇, 𝒈, 𝒉},
determina la unión 𝑨 ∪ 𝑩.
Solución. La unión de 𝑨 ∪ 𝑩, son todos los elementos que le
corresponden al conjunto A y al conjunto B.
𝑨 ∪ 𝑩 = {𝒂, 𝒃, 𝒄, 𝒅, 𝒆 , 𝒇, 𝒈, 𝒉}. En diagrama de Venn se representa
como la figura 1)

Ejemplo 2

Sea el conjunto universal U, los números naturales y los

conjuntos:
A = Números pares menores que 20
B = Naturales múltiplos de 4, menores que 40
𝐔 = {𝟏, 𝟐, 𝟑, 𝟒, 𝟓, 𝟔 , 𝟕, 𝟖 , 𝟗, 𝟏𝟎, 𝟏𝟏, 𝟏𝟐, 𝟏𝟑 … }.
𝐀 = {𝟐, 𝟒, 𝟔, 𝟖, 𝟏𝟎, 𝟏𝟐, 𝟏𝟒, 𝟏𝟔, 𝟏𝟖}
𝐁 = {𝟒, 𝟖, 𝟏𝟐, 𝟏𝟔, 𝟐𝟎, 𝟐𝟒, 𝟐𝟖, 𝟑𝟐, 𝟑𝟔}
Encontrar la intersección de los conjuntos A ∪ B y
representar el diagrama de Venn.
Solución: Los números comunes tanto en A como en B, son:
𝐀 ∪ 𝐁 = {𝟐, 𝟒, 𝟔, 𝟖, 𝟏𝟎, 𝟏𝟐, 𝟏𝟒, 𝟏𝟔, 𝟏𝟖, 𝟐𝟎, 𝟐𝟒, 𝟐𝟖, 𝟑𝟐, 𝟑𝟔},
el diagrama de Venn se muestra en la imagen 2)

Si cuentas con teléfono: Visita el siguiente link, para más ejemplos de unión de conjuntos
[Link]

12
 1.2 Conjuntos
Intersección de conjuntos. Sean dos conjuntos A y B cualesquiera. La
intersección, de los conjuntos A y B, A ∩ B, es el conjunto de los elementos
que están en A y también en B. En la figura b) se muestra el diagrama de
Venn para representar gráficamente la intersección de conjuntos. El símbolo
que se utiliza para la intersección es: ∩. (Banegas, 2012, pág. 79)

b) Intersección de conjuntos
En ocasiones se presentan conjuntos que no tienen elementos en común y se
dice que son disjuntos o mutuamente excluyentes. Estos se representan de la
siguiente forma:
A ∩ B = ∅, y se representan como la gráfica del c).

c) Conjuntos disjuntos
Ejemplo # 1

Sea el conjunto universal U, los números naturales y los

conjuntos:
A = Números pares menores que 20
B = Naturales múltiplos de 4, menores que 40
𝐔 = {𝟏, 𝟐, 𝟑, 𝟒, 𝟓, 𝟔 , 𝟕, 𝟖 , 𝟗, 𝟏𝟎, 𝟏𝟏, 𝟏𝟐, 𝟏𝟑 … }.
𝐀 = {𝟐, 𝟒, 𝟔, 𝟖, 𝟏𝟎, 𝟏𝟐, 𝟏𝟒, 𝟏𝟔, 𝟏𝟖}
𝐁 = {𝟒, 𝟖, 𝟏𝟐, 𝟏𝟔, 𝟐𝟎, 𝟐𝟒, 𝟐𝟖, 𝟑𝟐, 𝟑𝟔}
Encontrar la intersección de los conjuntos A ∩ B y
representar el diagrama de Venn.
Solución: Los números comunes tanto en A como en B,
3) Intersección 𝑨 ∩ 𝑩
son: 𝐀 ∩ 𝐁 = {𝟒, 𝟖, 𝟏𝟐, 𝟏𝟔}, el diagrama de Venn se
muestra en la imagen 3)

Ejemplo # 2

Si U es el conjunto de los números naturales, y los conjuntos:

𝑨 = { 𝟏, 𝟑, 𝟓, 𝟕, 𝟗} 𝒚 𝑩 = { 𝟐, 𝟒, 𝟔, 𝟖}
Encuentra la intersección 𝐀 ∩ 𝐁.
Solución.
𝑨 ∩ 𝑩 = ∅. En este caso se observa que no hay elementos
comunes. El diagrama de Venn se presenta en la imagen 4)

4) Intersección 𝑨 ∩ 𝑩 =∅

Si cuentas con teléfono: Visita el siguiente link, para más ejemplos de intersección de
conjuntos [Link]

13
 1.2 Conjuntos
Complemento de un conjunto.

El complemento de un conjunto A es el conjunto de todos los elementos

del universo que no están en A. En otras palabras, son todos los
elementos que faltan a A para ser U. Entonces Ac = U − A. En la figura
d) se presenta gráficamente el complemento de conjuntos. (Banegas,
2012, pág. 80)

d) Complemento de conjuntos

Ejemplo 1

Sea el conjunto universal U, los números naturales y los

conjuntos:
A = Números pares menores que 20
B = Naturales múltiplos de 4, menores que 40
𝐔 = {𝟏, 𝟐, 𝟑, 𝟒, 𝟓, 𝟔 , 𝟕, 𝟖 , 𝟗, 𝟏𝟎, 𝟏𝟏, 𝟏𝟐, 𝟏𝟑 … }.
𝐀 = {𝟐, 𝟒, 𝟔, 𝟖, 𝟏𝟎, 𝟏𝟐, 𝟏𝟒, 𝟏𝟔, 𝟏𝟖}
𝐁 = {𝟒, 𝟖, 𝟏𝟐, 𝟏𝟔, 𝟐𝟎, 𝟐𝟒, 𝟐𝟖, 𝟑𝟐, 𝟑𝟔}
Encontrar el complemento de 𝑨𝑪 y representar el
diagrama de Venn.
Solución: El complemento de 𝑨𝑪 , son todos los valores 5) Complemento : 𝑨𝑪
que no se encuentran en A.
𝑨𝑪 = {𝟐𝟎, 𝟐𝟒, 𝟐𝟖, 𝟑𝟐, 𝟑𝟔, 𝟏, 𝟑, 𝟓, 𝟕, 𝟗, 𝟏𝟏, 𝟏𝟑 … } el diagrama de Venn se muestra en la imagen 5)

Ejemplo 2

Sea el conjunto universal “U” de polígonos regulares de hasta 7 lados

y el subconjunto D, poligonos regulares de número de lados par.
Calcular y representar gráficamente al conjunto DC

Solución.

𝑼 = {𝑻𝒓𝒊á𝒏𝒈𝒖𝒍𝒐, 𝒄𝒖𝒂𝒅𝒓𝒂𝒅𝒐, 𝒑𝒆𝒏𝒕á𝒈𝒐𝒏𝒐, 𝒉𝒆𝒙á𝒈𝒐𝒏𝒐, 𝒉𝒆𝒑𝒕á𝒈𝒐𝒏𝒐} 6) Complemento : 𝑫𝑪

𝑫 = {𝑪𝒖𝒂𝒅𝒓𝒂𝒅𝒐, 𝒉𝒆𝒙á𝒈𝒐𝒏𝒐 },
Los elementos que no están en D, son:
𝑫𝑪 = {𝑻𝒓𝒊á𝒏𝒈𝒖𝒍𝒐 , 𝒉𝒆𝒑𝒕á𝒈𝒐𝒏𝒐, 𝒑𝒆𝒏𝒕á𝒈𝒐𝒏𝒐}, gráficamente se muestra en la imagen 6)

Si cuentas con teléfono: Visita el siguiente link, para más ejemplos de complementos
[Link]

14
 1.2 Conjuntos
Diferencia de conjuntos. La diferencia de A y B, para cualesquiera
conjuntos, es el conjunto de todos los elementos que están en A, pero no en
B, es decir, son los elementos que exclusivamente pertenecen a A. Se
simboliza como A − B y el diagrama de Venn correspondiente se presenta en
la figura e).

e) Diferencia A - B
Ejemplo 1

Sea el conjunto universal U, los números naturales y los

conjuntos, encontrar la diferencia de conjuntos.2

a) 𝑨 − 𝑩
A = Números pares menores que 20
B = Naturales múltiplos de 4, menores que 40
𝐔 = {𝟏, 𝟐, 𝟑, 𝟒, 𝟓, 𝟔 , 𝟕, 𝟖 , 𝟗, 𝟏𝟎, 𝟏𝟏, 𝟏𝟐, 𝟏𝟑 … }.
𝐀 = {𝟐, 𝟒, 𝟔, 𝟖, 𝟏𝟎, 𝟏𝟐, 𝟏𝟒, 𝟏𝟔, 𝟏𝟖}
𝐁 = {𝟒, 𝟖, 𝟏𝟐, 𝟏𝟔, 𝟐𝟎, 𝟐𝟒, 𝟐𝟖, 𝟑𝟐, 𝟑𝟔} 7) Diferencia A - B
Solución:
a) 𝑨 − 𝑩. Al restar los elementos de B en A se tiene:
A-B= {𝟐, 𝟔, 𝟏𝟎, 𝟏𝟒, 𝟏𝟖}, como se muestra en la imagen 7)

Ejemplo 2

De los datos del ejemplo 1, encontrar la diferencia de

conjuntos b) B - A

Solución:
a) 𝑩 − 𝑨. Al restar los elementos de A en B se tiene:
B - A= {𝟐𝟎, 𝟐𝟒, 𝟐𝟖, 𝟑𝟐, 𝟑𝟔}, como se muestra en la imagen 8)

8) Diferencia B - A

Si cuentas con teléfono: Visita el siguiente link, para más ejemplos de diferencia de
conjuntos [Link]

2
(Ruiz & Ruiz, 2007, pág. 44)

15
 1.2 Conjuntos

ACTIVIDAD 2

Nombre del estudiante: ___________________________________________________Grupo: ________

Nombre del docente: ____________________________Turno: ___________Fecha: ________________

A). Instrucciones

1. Lee cada uno de los siguientes ejercicios y resuélvelos en tu libreta de apuntes utilizando el
planteamiento correcto de operaciones con conjuntos, realiza el diagrama de Venn.
2. No olvides colocar tus datos en la parte superior, espera las indicaciones de tu docente para su
entrega.

A). Ejercicios de conjuntos

1. Sean los siguientes conjuntos:

𝑼 = {𝟏, 𝟐, 𝟑, 𝟒, 𝟓, 𝟔, 𝟕, 𝟖, 𝟗, 𝟏𝟎, 𝟏𝟏, 𝟏𝟐, 𝟏𝟑} Determina lo siguiente:

a) Los elementos de cada conjunto

𝑨 = {𝑵ú𝒎𝒆𝒓𝒐𝒔 𝒑𝒂𝒓𝒆𝒔}
b) 𝑩 ∪ 𝑬
𝑩 = {𝑵ú𝒎𝒆𝒓𝒐𝒔 𝒊𝒎𝒑𝒂𝒓𝒆𝒔}
c) 𝑨𝒄

𝑪 = 𝑵ú𝒎𝒆𝒓𝒐𝒔 𝒑𝒓𝒊𝒎𝒐𝒔 d) 𝑩 ∩ 𝑪

𝑫 = {𝑵ú𝒎𝒆𝒓𝒐𝒔 𝒎ú𝒍𝒕𝒊𝒑𝒍𝒐𝒔 𝒅𝒆 𝟑} e) 𝑩 − 𝑫

𝑬 = {𝑵ú𝒎𝒆𝒓𝒐𝒔 𝒎ú𝒍𝒕𝒊𝒑𝒍𝒐𝒔 𝒅𝒆 𝟓}

Evaluación

ATENCIÓN
Esta actividad se evaluará con la lista de cotejo # 2

16
 1.2 Conjuntos
B). Instrucciones

1. Relaciona cada conjunto con su diagrama correspondiente, se realiza en la libreta o puedes

resolver directamente.
2. No olvides colocar tus datos en la parte superior, espera las indicaciones de tu docente para su
entrega.

B). Determina el diagrama de Venn que corresponde a cada conjunto.

1. ( )𝑨−𝑩 4. ( )𝑨 ∩𝑩 = ∅ 7. ( ) 𝑩𝒄
2. ( ) 𝑨𝒄 5. ( )𝑨∩𝑩 8. ( )𝑫∁𝑨
3. ( )𝑨 ∪𝑩 6. ( )𝑩−𝑨 9. ( ) (𝑨 ∪ 𝑩)𝑐

Evaluación

ATENCIÓN
Esta actividad se evaluará con la lista de cotejo # 2

17
 1.3 Técnicas de conteo
ACTIVIDAD 3

Aprendizajes esperados:
Aplica las diferentes técnicas de conteo en el análisis de situaciones para la toma responsable de
decisiones.
Atributos:
6.4 Estructura ideas y argumentos de manera clara, coherente y sintética. 5.2 Ordena información de
acuerdo a categorías, jerarquías y relaciones. 7.1 Define metas y da seguimiento a su proceso de
construcción del conocimiento.
Conocimientos
1.1 Enfoques y elementos de la probabilidad. 1.2 Conjuntos. 1.3 Técnicas de conteo. 1.4 Eventos

1.3 Técnicas de conteo

Lectura Previa

Diagrama de árbol.
Es un método sistemático de enumeración de los posibles
resultados, se puede desarrollar fácilmente y proporciona en
forma gráfica la manera más sencilla para desarrollar una lista
de resultados. Para su construcción se partirá colocando una
rama para cada una de las posibilidades, acompañada de su
probabilidad.

Fuente: [Link]
Ejemplo 1

Se lanza una moneda tres veces. ¿De

cuantas maneras pueden obtenerse 2
águilas y un sol?

Solución. De acuerdo al diagrama

de árbol existen 8 ternas de las cuales
hay tres maneras diferentes de
obtener dos águilas y un sol. 𝑺 =
𝐴𝐴𝐴, 𝑨𝑨𝑺, 𝑨𝑺𝑨, 𝐴𝑆𝑆
{ }
𝑺𝑨𝑨, 𝑆𝐴𝑆, 𝑆𝑆𝐴, 𝑆𝑆𝑆

18
 1.3 Técnicas de conteo
Ejemplo 2

Para viajar de la ciudad de México al estado de Tabasco existen tres caminos, y para viajar de Tabasco
a la ciudad de Mérida hay dos. ¿De cuántas formas se puede viajar de la Ciudad de México a Mérida?

Mérida1
Tabasco1

Mérida2

Mérida1
Ciudad de México Tabasco2

Solución: Como se puede observar en el Mérida2

diagrama de árbol de la derecha, existen 6
maneras de viajar de la Ciudad de México
Mérida1
a Mérida. Tabasco3
Mérida2
Permutaciones

Una permutación es un arreglo de todos los elementos de un conjunto, o de una parte de ellos, en el
que importa el orden. Para encontrar el número de permutaciones de n objetos diferentes en grupos de
r elementos, donde no se permite el reemplazo o la repetición, se ocupa la formula siguiente:
𝒏!
𝒏𝑷𝒓 = (𝒏−𝒓)! ; donde: n = Total de datos, r= Muestra de los datos y ! = Factorial de un número.

El factorial de un número corresponde a multiplicar un número por su inmediato inferior hasta llegar
a uno. ¡Por ejemplo:

8! = (8)(7)(6)(5)(4)(3)(2)(1) = 40320

Ejemplo 1

1. Realiza las operaciones siguientes de factorial:

a) 4! = (4)(3)(2)(1) =24 b) (7-1)!= (6)(5)(4)(3)(2)(1) = 720 c) 5!= (5)(4)(3)(2)(1) = 120
2. ¿De cuántas maneras se pueden formar en fila 9 estudiantes?
9! = (9)(8)(7)(6)(5)(4)(3)(2)(1) = 362880

Si cuentas con teléfono: Visita el siguiente link, para más ejemplos de permutación
[Link]

19
 1.3 Técnicas de conteo
Ejemplo 2

Ejercicios de permutación

a) ¿De cuántas formas pueden permutarse los colores azul, blanco y rojo si los vamos a
agrupar de 2 en 2?

Solución:
𝒏! 𝟑! 𝟑! (𝟑)(𝟐)(𝟏) 𝟔
Datos: n= 3, r= 2 nPr = (𝒏−𝒓)! = 𝟑𝑷𝟐 = (𝟑−𝟐)! = 𝟏! = (𝟏)
=𝟏=𝟔

Ejercicios de permutación

b) ¿Cuántas palabras de cuatro letras pueden formarse con las letras A, B, C, D, E y F?

Solución:
Como nos importa el orden, entonces utilizamos permutaciones tomando r = 4, de modo
que sustituyendo valores en la fórmula de permutaciones se obtiene:
𝒏! 𝟔! 𝟔! (𝟔)(𝟓)(𝟒)(𝟑)(𝟐)(𝟏) 𝟕𝟐𝟎
nPr = (𝒏−𝒓)! = 𝟔𝑷𝟒 = (𝟔−𝟒)! = = = = 𝟑𝟔𝟎
𝟐! (𝟐)(𝟏) 𝟐

Ejercicios de permutación

c) ¿De cuántas formas pueden permutarse 7 compañeros de estudio si se van a agrupar de 3

en 3?

Solución:
Como nos importa el orden, entonces utilizamos permutaciones tomando r = 3, de modo
que sustituyendo valores en la fórmula de permutaciones se obtiene:

𝒏! 𝟕! 𝟕! (𝟕)(𝟔)(𝟓)(𝟒)(𝟑)(𝟐)(𝟏) 𝟓𝟎𝟒𝟎
nPr = (𝒏−𝒓)! = 𝟕𝑷𝟑 = (𝟕−𝟑)! = = = = 𝟐𝟏𝟎
𝟒! (𝟒)(𝟑)(𝟐)(𝟏) 𝟐𝟒

Si cuentas con teléfono: Visita el siguiente link, para más ejemplos de permutación
[Link]

20
 1.3 Técnicas de conteo
Combinaciones

Al número de ordenaciones o combinaciones de n objetos, tomados r a la vez, en donde el orden no se

𝒏!
toma en cuenta, se determina mediante: 𝒏𝑪𝒓 = ; donde : n = total de datos, r= muestra de los
𝒓!(𝒏−𝒓)!
datos, C= combinación, ! = Factorial de un número.

Ejemplo 1

Realiza los siguientes ejercicios de combinaciones

En un recipiente se encuentran 4 objetos rojos y 5 verdes. Si se

extrae una muestra de tamaño 4, ¿cuántas muestras de tamaño
4 se pueden obtener?

Solución:

Se tiene un total de 9 objetos de los cuales se toman 4 a la vez,

esto es, n=9 y r = 4. Se trata de un problema de combinaciones.
Sustituyendo estos valores en la expresión se tiene:

𝒏! 𝟗! 𝟗! 𝟑𝟔𝟐𝟖𝟖𝟎
nCr = 𝒓!(𝒏−𝒓)! = 𝟗𝑪𝟒 = 𝟒!(𝟗−𝟒)! = 𝟒!𝟓! = = 𝟐𝟖𝟖𝟎
= 𝟏𝟐𝟔 𝒎𝒖𝒆𝒔𝒕𝒓𝒂𝒔

Ejemplo 2

En un club de 12 artistas de teatro se desea seleccionar un comité de 5

personas. ¿ De cuantos modos puede seleccionarse este comité?

Solución:

Se tiene un total de 12 objetos de los cuales se toman 5 a la vez, esto es,

n=12 y r =5. Se trata de un problema de combinaciones. Sustituyendo
estos valores en la expresión se tiene:
𝒏! 𝟏𝟐! 𝟏𝟐! 𝟒𝟕𝟗𝟎𝟎𝟏𝟔𝟎𝟎
nCr = = 𝟏𝟐𝑪𝟓 = = == = 𝟕𝟗𝟐
𝒓!(𝒏−𝒓)! 𝟓!(𝟏𝟐−𝟓)! 𝟓!𝟕! 𝟔𝟎𝟒𝟖𝟎𝟎
Por lo tanto existen 792 formas de elegir el comité de 5 personas
Fuente: [Link]
seleccionadas de un grupo de 12.

Si cuentas con teléfono: Visita el siguiente link, para más ejemplos de combinación
[Link]

21
 1.3 Técnicas de conteo
Principio multiplicativo

Si deseamos realizar una actividad que consta de r pasos, en donde el primer paso puede hacerse de n1
maneras o formas, el segundo paso puede hacerse de n2 maneras o formas y el r-ésimo paso puede
hacerse de nr maneras o formas, entonces el principio multiplicativo se menciona con la siguiente
fórmula: (𝒏𝟏 )(𝒏𝟐 ) … (𝒏𝒓 ) 𝒎𝒂𝒏𝒆𝒓𝒂𝒔 𝒐 𝒇𝒐𝒓𝒎𝒂𝒔

Ejemplo 1

Un urbanista ofrece a los interesados en la compra de una casa, la

posibilidad de seleccionar el estilo de la fachada entre los 4 siguientes:
modernista, rústico, colonial y tradicional; el tamaño de la casa en 3:
una sola planta, dos pisos o en desniveles. ¿De cuántas maneras
diferentes puede un comprador seleccionar una de estas casas?

Solución

El primer evento “estilos” ocurre de n1 = 4 maneras diferentes; el

segundo evento “plantas” ocurre de n2 = 3 maneras diferentes.
Fuente: [Link]
Sustituyendo en la fórmula del principio multiplicativo se tiene:

𝑻𝒐𝒕𝒂𝒍 𝒅𝒆 𝒎𝒂𝒏𝒆𝒓𝒂𝒔 𝒅𝒊𝒇𝒆𝒓𝒆𝒏𝒕𝒆𝒔 = (𝒏𝟏 )(𝒏𝟐 ) = (𝟒)(𝟑) = 𝟏𝟐 𝒇𝒐𝒓𝒎𝒂𝒔

Ejemplo 2

Un restaurante cuenta con un menú que ofrece tres entradas

distintas, cinco platos fuertes, dos postres y tres diferentes sabores
de bebidas. ¿De cuántas formas distintas puede servirse el menú?

Solución
El primer evento son el de las entradas, puede hacerse de tres
formas, el segundo paso que es del plato fuerte de 5 formas, el
Fuente: [Link]
tercer paso que es el postre de 2 formas y por último las bebidas
de 3 formas. Por lo tanto se tiene:

𝑻𝒐𝒕𝒂𝒍 𝒅𝒆 𝒎𝒂𝒏𝒆𝒓𝒂𝒔 𝒅𝒊𝒇𝒆𝒓𝒆𝒏𝒕𝒆𝒔 = (𝒏𝟏 )(𝒏𝟐 )(𝒏𝟑 )(𝒏𝟒 ) = (𝟑)(𝟓)(𝟐)(𝟑) = 𝟗𝟎 𝒇𝒐𝒓𝒎𝒂𝒔

Si cuentas con teléfono: Visita el siguiente link, para más ejemplos del principio
multiplicativo [Link]

22
 1.3 Técnicas de conteo
Principio Aditivo

Si una situación puede ocurrir de m maneras diferentes y otra de k maneras diferentes, las cuales son
incompatibles. Entonces existen m + k maneras en las cuales puede ocurrir la primera o la segunda, mas
no ambas. Matemáticamente se expresa así:
𝑴 + 𝑵 + ⋯ + 𝑲 𝒎𝒂𝒏𝒆𝒓𝒂𝒔 𝒐 𝒇𝒐𝒓𝒎𝒂𝒔

Ejemplo 1

Un docente del Bachilleres Plantel Cancún 4, desea comprar un libro de

texto. Al asistir a la librería, observa que en la estantería hay 120 libros
de Matemáticas II, 180 de Matemáticas IV, y 28 de Probabilidad y
Estadística II. ¿Cuántas opciones se tiene para elegir un libro?
Solución:
Utilizando la fórmula 𝑴 + 𝑵 + ⋯ + 𝑲, 𝒔𝒆 𝒕𝒊𝒆𝒏𝒆 ∶
120 + 180 + 28 = 328, por lo tanto se tiene 328 formas para elegir un
libro.

Fuente: [Link]

Ejemplo 2

Un alumno después de terminar sus clases no está seguro en cómo

regresar a su casa y se plantea lo siguiente: si le hablo a mi papá, me
puede pasar a recoger en su auto. Si le pido un aventón a mi
compañero Jorge, me puede llevar en su moto. Si espero algún
transporte, me puedo ir en taxi, en camión o la combi. ¿Cuántas
opciones tiene el alumno para ir del colegio a su casa?

Solución.
Papá en su auto = 1 forma, compañero en su moto: 1 forma, algún
transporte público: taxi, camión o combi: 3 formas. Utilizando la
Fuente: [Link] fórmula 𝑴 + 𝑵 + ⋯ + 𝑲, 𝒔𝒆 𝒕𝒊𝒆𝒏𝒆 ∶ 1 + 1 + 3 = 5 formas posibles para
regresar a su casa

Si cuentas con teléfono: Visita el siguiente link, para más ejemplos del principio aditivo
[Link]

23
 1.3 Técnicas de conteo
ACTIVIDAD 3

Nombre del estudiante: ___________________________________________________Grupo: ________

Nombre del docente: ____________________________Turno: ___________Fecha: ________________

A). Instrucciones

1. Lee cada uno de los siguientes ejercicios y resuélvelos en tu libreta de apuntes utilizando el
planteamiento correcto de las técnicas de conteo.
2. Coloca tus datos en la parte superior y espera las indicaciones de tu docente para su entrega.

Ejercicios de permutación y factorial

a). Una tarjeta de circuito impreso tiene 8 posiciones diferentes en las que
puede colocarse un componente. Si se van a colocar cuatro componentes
distintos sobre la tarjeta, ¿cuál es el número posible de diseños diferentes?

b). Relaciona el resultado que corresponda a cada operación de factorial.

❶ (5-3)! = (. ) 20

❷ 6! – 4! = (. ) 4

❸ (2 + 3)! = (. ) 696
5! (. ) 2
❹ 3! =
4! (. ) 120
❺ 6
=

Evaluación

ATENCIÓN
Esta actividad se evaluará con la lista de cotejo # 3

24
 1.3 Técnicas de conteo

Ejercicio de combinación

c) Un grupo de 5 alumnos del bachiller plantel Cancún cuatro asistirán

a un concurso de conocimientos en la ciudad de Playa del Carmen.

1. ¿De cuántas maneras puede escogerse el grupo si hay 12 estudiantes

elegibles?
2. ¿De cuántas maneras si dos de los estudiantes no pueden asistir al
mismo tiempo? Fuente: [Link]

Ejercicio principio multiplicativo

d) Un turista tiene planeado visitar tres ciudades, suponiendo que de la ciudad A, a la ciudad B,
se puede ir mediante 2 autobuses y tres trenes. De la ciudad B a la ciudad C, se puede ir mediante
2 barcos, 2 trenes y 3 aviones. ¿De cuántas formas se puede ir de la ciudad A, a la ciudad C,
pasando por B?

Ciudad A Ciudad B Ciudad C

Ejercicio principio aditivo

e) ¿Cuántos resultados diferentes se pueden obtener al lanzar una

moneda y un dado?

Evaluación

ATENCIÓN
Esta actividad se evaluará con la lista de cotejo # 3

25
 1.4 Eventos
ACTIVIDAD 4

Aprendizajes esperados:
Construye de manera colaborativa gráficas para el análisis con datos de situaciones que suceden en su
contexto.
Atributos:
6.4 Estructura ideas y argumentos de manera clara, coherente y sintética. 5.2 Ordena información de
acuerdo a categorías, jerarquías y relaciones. 7.1 Define metas y da seguimiento a su proceso de
construcción del conocimiento.
Conocimientos
1.1 Enfoques y elementos de la probabilidad. 1.2 Conjuntos. 1.3 Técnicas de conteo. 1.4 Eventos

1.4 Eventos

Lectura Previa

Composición de eventos
La composición de eventos se presenta cuando se realizan operaciones para calcular la probabilidad de
que ocurran dos o más eventos. Para el cálculo de esa probabilidad se utilizará el enfoque clásico:

𝑪𝒂𝒔𝒐𝒔 𝒇𝒂𝒗𝒐𝒓𝒂𝒃𝒍𝒆𝒔
𝑷𝒓𝒐𝒃𝒂𝒃𝒊𝒍𝒊𝒅𝒂𝒅 𝒅𝒆𝒍 𝒆𝒗𝒆𝒏𝒕𝒐 = 𝑪𝒂𝒔𝒐𝒔 𝒕𝒐𝒕𝒂𝒍𝒆𝒔

Eventos mutuamente excluyentes

Los eventos mutuamente exclusivos son cosas que no pueden ocurrir al mismo tiempo. Por ejemplo, no
puedes correr hacia adelante y hacia atrás simultáneamente. Las acciones “correr hacia adelante” y
“correr en reversa” son mutuamente excluyentes. Lanzar una moneda también puede darte este tipo de
evento. No puedes lanzar una moneda y obtener tanto sol como águila.
Su representación gráfica en diagramas de Venn se muestra en el siguiente ejemplo:

Su expresión matemática se
Experimento: Lanzar una
fundamenta en la ley aditiva y
moneda
menciona que cuando los eventos son
Evento A = Sol mutuamente excluyentes la
probabilidad es la suma de los
Evento B= Águila
eventos individuales A y B, y está
dada por: P (A o B) = P(A) + P(B)

26
 1.4 Eventos
Ejemplo 1

En el área de recursos humanos de una empresa se han recibido 500

solicitudes de empleo. Se sabe que 325 son de mujeres y el resto de hombres.

Fuente: [Link]
¿Cuál es la probabilidad de que al tomar una solicitud al azar provenga de
un hombre o de una mujer?

Solución:
Sean los eventos: Sus probabilidades son:
325
M: Solicitante mujer 𝑃(𝑀) = 500 = 0.65
175
H: Solicitante hombre 𝑃(𝐻) = 500 = 0.35

Por lo tanto: 𝑃(𝑀 𝑜 𝐻) = 0.65 + 0.35 = 1, 𝑒𝑠 𝑑𝑒𝑐𝑖𝑟 𝑒𝑠 𝑙𝑎 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒𝑙 𝑒𝑣𝑒𝑛𝑡𝑜 𝑠𝑒𝑔𝑢𝑟𝑜

Ejemplo 2

En el aropuerto internacional de la Ciudad de Cancún, se aplicaron 5352

pruebas rápidas de COVID-19 a los turistas en un fin de semana. De los
cuales 3224 fueron a los hombres y 2128 a las mujeres. En los resultados
256 hombres salieron positivos y 168 mujeres dieron positivos. ¿Cuál es la

Fuente: [Link]
probabilidad de seleccionar a una mujer que dio positivo o a ún hombre
que dio negativo?

Solución

Sean los eventos:

(M+)= Mujer Positivo Covid

(H-) =Hombre negativo Covid

De la tabla de probabilidades se observa que del total de las mujeres, 168 dieron positivo y 2968 hombres
dieron negativo, por lo tanto al representar estos valores en la fórmula se obtiene lo siguiente:
168 2968 3136
𝑃[𝑀+ 𝑜 𝐻 − ] = + = = 𝟎. 𝟓𝟖
5352 5352 5352

Si cuentas con teléfono: Visita el siguiente link, para más ejemplos de eventos
mutuamente excluyentes [Link]

27
 1.4 Eventos
Eventos mutuamente no excluyentes
Se consideran eventos mutuamente no excluyentes a todos aquellos Su expresión matemática se
sucesos que tienen la capacidad de ocurrir de manera simultánea en fundamenta en la ley aditiva y
una experimentación. La ocurrencia de alguno de ellos no supone la menciona que cuando los
no ocurrencia del otro como se muestra en la gráfica donde el dos
eventos son mutuamente NO
aparece en ambos eventos.
excluyentes la probabilidad es la
Experimento: Lanzar un dado suma de los eventos individuales
A y B menos la probabilidad
Evento A = Obtener un número simultanea de ambos eventos,
par su fórmula está dada por:
Evento B= Obtener un número P (A o B) = P(A) + P(B) – P (A y B)
primo

Ejemplo 1

Si el experimento consiste en lanzar un dado, un evento A podría

ser obtener un número impar y un evento B podría ser que caiga un
número menor que 5. ¿Cuál es la probabilidad de que al lanzar un
dado, se obtenga un número impar o un número menor que 5?

Solución

Fuente: [Link]
Sean los eventos:

Evento A: Obtener un número impar Sean las probabilidades:

𝟑
Evento B: Obtener un número menor que 5 Evento A: 𝟔

Evento A y B: Obtener al mismo tiempo un Evento B: : 𝟔

𝟒

número impar y menor que 5

𝟐
Evento A y B: 𝟔
𝑨 = {𝟏, 𝟑, 𝟓}
𝟑 𝟒 𝟐 𝟓
𝑩 = {𝟏, 𝟐, 𝟑, 𝟒} 𝑷(𝑨 𝒐 𝑩) = +𝟔− 𝟔 =
𝟔 𝟔
(𝑨 𝒚 𝑩) = {𝟏, 𝟑}

Por lo tanto, la probabilidad de que al lanzar un dado se obtenga un número impar o un número
menor que 5 es 83.33 %

28
 1.4 Eventos
Ejemplo 2

En una muestra de 595 estudiantes del Bachilleres Plantel Cancún cuatro,

320 dijeron tener un estéreo, 175 una T.V y 100 dijeron tener ambos
aparatos electrónicos en su habitación. Si un estudiante es seleccionado
aleatoriamente, ¿cuál es la probabilidad de que tenga un estéreo o una T.V
en su habitación?

Solución

Sean los eventos:

Fuente: [Link]
Evento E: Tener un estéreo
Evento TV: Tener una T.V Sean las probabilidades:
Evento E y T.V: Tener ambos 𝟑𝟐𝟎 𝟏𝟕𝟓 𝟏𝟎𝟎
Evento E= 𝟓𝟗𝟓 , Evento T.V= 𝟓𝟗𝟓 , Evento (E y T.V)= 𝟓𝟗𝟓
𝑬 = {𝟑𝟐𝟎}, 𝑻. 𝑽 = {𝟏𝟕𝟓} 𝟑𝟐𝟎 𝟏𝟕𝟓 𝟏𝟎𝟎 𝟑𝟗𝟓
(𝑬 𝒚 𝑻. 𝑽) = {𝟏𝟎𝟎} 𝑷(𝑬 𝒐 𝑻. 𝑽) = 𝟓𝟗𝟓
+ 𝟓𝟗𝟓 − 𝟓𝟗𝟓
= 𝟓𝟗𝟓
= 𝟎. 𝟔𝟔

Por lo tanto, la probabilidad de seleccionar a un alumno que tenga estéreo o una T.V en su habitación
es: 0.6638 o 66.38 %

Ejemplo 3

Un alumno del Colegio de Bachilleres Plantel Cancún cuatro, realiza

una rifa con el fín de recaudar fondos para un viaje de estudios. De los
30 números que realizó sólo le falta vender uno. ¿Cuál es la probabilidad
de que ese número que le falta por vender sea mayor que 20 o múltiplo
de 4?

Solución.
Fuente: [Link]

Sean los eventos: Sean las probabilidades:

Evento A: Número mayor a 20 𝟏𝟎 𝟕

Evento A= , Evento B =
𝟑𝟎 𝟑𝟎
Evento B: Múltiplo de 4 𝟐
Evento (A y B)=
Evento A y B: Mayor que 20 o múltiplo de 4 𝟑𝟎
𝟏𝟎 𝟕 𝟐 𝟏𝟓
𝑨 = {𝟐𝟏, 𝟐𝟐, 𝟐𝟑, 𝟐𝟒, 𝟐𝟓, 𝟐𝟔, 𝟐𝟕, 𝟐𝟖, 𝟐𝟗, 𝟑𝟎} 𝑷(𝑨 𝒐 𝑩) = 𝟑𝟎
+ 𝟑𝟎 − 𝟑𝟎 = 𝟑𝟎
= 𝟎. 𝟓
𝑩 = {𝟒, 𝟖, 𝟏𝟐, 𝟏𝟔, 𝟐𝟎, 𝟐𝟒, 𝟐𝟖}
Por lo tanto, la probabilidad de que el número sea mayor
(𝑨 𝒚 𝑩) = {𝟐𝟒, 𝟐𝟖}
que 20 o múltiplo de 4 es: 0.5 o 50%

Si cuentas con teléfono: Visita el siguiente link, para más ejemplos de eventos
mutuamente no excluyentes [Link]

29
 1.4 Eventos
Eventos independientes

Son aquellos en los que el resultado del segundo evento no es afectado por el resultado del primero. En
otras palabras, dos eventos son independientes cuando la ocurrencia de un evento no cambia, por que
ocurra otro. Para calcularlo se utiliza la regla de la multiplicación que está dada por la siguiente fórmula:

𝑷(𝑨𝒚𝑩) = 𝑷(𝑨) ∗ 𝑷(𝑩)

Ejemplo 1

Se arrojan simultáneamente un dado y una moneda y se quiere saber la probabilidad

de obtener un 5 y un sol.
Solución.
Sean los eventos: Aplicando la fórmula:
Evento A: Obtener un 5 𝟏
𝑷(𝑨 𝒚 𝑩) = ∗ =
𝟏 𝟏
= 0.08
𝟔 𝟐 𝟏𝟐
Evento B: Obtener sol
𝟏 𝟏
Por lo tanto, la probabilidad de obtener
𝑷(𝑨) = , 𝑷(𝑩) = un 5 y un sol es: 0.0833 o 8.33%
𝟔 𝟐

Ejemplo 2

Jorge y su hermana Andrea lanzan un dado cada uno

simultáneamente. ¿Cuál es la probabilidad de que obtengan
caras con números impares?
Solución.
Sean los eventos:

Evento A: Jorge espera obtener número impar

Evento B: Andrea espera obtener número impar Fuente: [Link]
𝟑 𝟑
𝑷(𝑨) = 𝟔 , 𝑷(𝑩) = 𝟔
Aplicando la fórmula:
𝟑 𝟑 𝟗
𝑷(𝑨 𝒚 𝑩) = 𝟔 ∗ 𝟔 = 𝟑𝟔
= 0.25
Por lo tanto, la probabilidad de
obtener números impares: 0.25 o 25%

Si cuentas con teléfono: Visita el siguiente link, para más ejemplos de eventos
independientes [Link]

30
 1.4 Eventos
Eventos dependientes
Son aquellos donde el resultado del segundo evento si es afectado por el resultado del primero, es decir,
dos eventos son dependientes cuando cambia la ocurrencia de un evento dado que ya ha ocurrido otro
evento. Para calcularlo se utiliza la regla de la multiplicación que está dada por la siguiente fórmula:

𝑷(𝑨𝒚𝑩) = 𝑷(𝑨) ∗ 𝑷(𝑩|𝑨)

Ejemplo 1

Ramiro desea comprar 2 pasteles para el cumpleaños de su hermana. Al

pasar en la pastelería y preguntar, le informan que únicamente hay en
existencia 4 pasteles de chocolate, 3 de limón y 5 pasteles de fresa. ¿Cuál es
la probabilidad de que al comprar los dos pasteles el primero sea de fresa y
el segundo sea de chocolate?

Solución
Sean los eventos:
𝟓
Evento A: Pastel de fresa 𝑷(𝑨) = 𝟏𝟐
𝟒
Evento B: Pastel de chocolate 𝑷(𝑩) = 𝟏𝟏 Fuente: [Link]

𝟓 𝟒 𝟐𝟎
Aplicando la fórmula: 𝑷(𝑨 𝒚 𝑩) = 𝟏𝟐 ∗ 𝟏𝟏 = 𝟏𝟑𝟐
= 0.1515. Por lo tanto, la probabilidad de que al
comprar los dos pasteles el primero sea de fresa y el segundo de chocolate es: 0.1515 o 15.15 %

Ejemplo 2

Se tiene una bolsa con 6 canicas rojas, 5 azules y 4 verdes. Extraeremos dos bolas
consecutivamente y sin reemplazamiento. Calcular la probabilidad de que la
primera canica sea roja y que la segunda sea verde.

Solución.
Sean los eventos:
𝟔 Aplicando la fórmula:
Evento A: Canica roja 𝑷(𝑨) = 𝟏𝟓
𝟒 𝟔 𝟒 𝟐𝟒
Evento B: Canica verde 𝑷(𝑩) = 𝑷(𝑨 𝒚 𝑩) = 𝟏𝟓 ∗ 𝟏𝟒 = 𝟐𝟏𝟎
= 0.1142
𝟏𝟒

Por lo tanto, la probabilidad de sacar la primera canica roja y la segunda verde es: 11.42 %

Si cuentas con teléfono: Visita el siguiente link, para más ejemplos de eventos
dependientes [Link]

31
 1.4 Eventos

ACTIVIDAD 4

Nombre del estudiante: ___________________________________________________Grupo: ________

Nombre del docente: ____________________________Turno: ___________Fecha: ________________

A). Instrucciones

1. Resuelve los siguientes ejercicios en tu libreta de apuntes utilizando el planteamiento correcto

de la regla de adición.
2. Coloca tus datos en la parte superior y espera las indicaciones de tu docente para su entrega.

A) Eventos mutuamente excluyentes y no excluyentes

1. Utilice los datos de la siguiente tabla, que resume resultados del

hundimiento del Titanic y calcule los incisos.

Si se selecciona al azar a uno de los pasajeros del Titanic:

a) Calcule la probabilidad de que sea una mujer o una niña.

b) Calcule la probabilidad de seleccionar un hombre o un
sobreviviente al hundimiento.
c) Calcule la probabilidad de que sea un niño o un sobreviviente.

Evaluación

ATENCIÓN
Esta actividad se evaluará con la lista de cotejo # 4

32
 1.4 Eventos
B). Instrucciones
1. Resuelve cada uno de los siguientes ejercicios en tu libreta de apuntes utilizando el
planteamiento correcto de la regla de multiplicación.
2. Espera las indicaciones de tu docente para su entrega.

Eventos independientes y dependientes:

1. Se tienen 4 pelotas verdes, 2 azules, 4 rojas y 3 amarillas. ¿Cuál es la

probabilidad de que al sacar dos pelotas estas sean azul y roja? El
experimento se realiza sin reemplazo.

2. Un jurado consiste en 9 personas nacidas en el país y 3 personas

nacidas en el extranjero. Si se selecciona para una entrevista a 2
miembros del jurado, ¿cuál es la probabilidad de que ambos sean
extranjeros.

3. Un supervisor de obras desea obtener 2 opiniones de un grupo de 20

obreros, sobre las nuevas regulaciones de seguridad industrial. Si 12
trabajadores están a favor de estas regulaciones y 8 están en contra,
¿cuál es la probabilidad de elegir a dos obreros que estén en contra de
las nuevas regulaciones?

4. Una empresa manufacturera produce cuadernos de papel, de los

cuales 3% están mal encuadernados. Al azar, un inspector escoge dos y
una a la vez. Pero debido al gran número de cuadernos que se producen
durante la inspección, el muestreo que se realiza es, en esencia con
reemplazo. ¿Cuál es la probabilidad de que dos cuadernos
seleccionados estén mal encuadernados?

Evaluación

ATENCIÓN
Esta actividad se evaluará con la lista de cotejo # 4

33
 2.1 Distribución de Bernoulli

ACTIVIDAD 5

Aprendizajes esperados:
Emplea las tablas de distribuciones de frecuencias para describir de manera crítica y reflexiva, los
resultados de investigaciones contextualizadas.
Atributos:
4.1 Expresa ideas y conceptos mediante representaciones lingüísticas, matemáticas o gráficas.
5.2 Ordena información de acuerdo a categorías, jerarquías y relaciones. 6.4 Estructura ideas y
argumentos de manera clara, coherente y sintética.
Conocimientos
2.1 Distribución de Bernoulli. 2.2 Distribución Binomial 2.3 Distribución Normal

2.1 Distribuciones de Bernoulli

Lectura Previa

Variables aleatorias
La variable aleatoria puede tomar cualquier valor numérico que pertenezca al conjunto de todos los
posibles resultados del experimento. (Se denomina “aleatoria” porque el valor que toma es el resultado
de un evento de probabilidad, o aleatorio.)

Algunos ejemplos de variables aleatorias son los siguientes:

a) Lanzamos al aire cinco monedas y observamos el “número de caras” visible. La variable

aleatoria x es el número de caras observadas y puede tomar valores enteros de 0 a 5.
b) Sea la “longitud del cable”, de un aparato eléctrico, una variable aleatoria. La variable aleatoria
es un valor numérico entre 30 cm y 180 cm para casi todos los aparatos.

Variables aleatorias discretas y variables aleatorias continuas.

Variables aleatorias discretas.

Resultan cuando el número de posibles valores es un número finito, o bien,
un número que puede contarse. (Es decir, el número de posibles valores es 0,
1, 2, etcétera). Por ejemplo, las cantidades de huevos que ponen las gallinas
son datos discretos porque representan conteos.
Fuente: [Link]

34
 2.1 Distribución de Bernoulli

Las variables aleatorias continuas.

Resultan de un infinito de posibles valores que pueden asociarse a puntos de
alguna escala continua. Por ejemplo, las cantidades de leche que las vacas
producen son datos continuos porque son mediciones que pueden tomar
cualquier valor dentro de un intervalo continuo. Durante un intervalo de
tiempo dado, una vaca producirá una cantidad de leche que puede ser
cualquier valor entre 0 y 5 galones. Es posible obtener 2.343115 galones, ya
que la vaca no está restringida a producir cantidades discretas de 0, 1, 2, 3, 4,
o 5 galones.

Distribución de una variable aleatoria discreta

La distribución de probabilidad discreta, es semejante a la distribución de frecuencias, la cual asocia

cada uno de los valores que toma una variable aleatoria con su respectiva probabilidad. Por lo general
se usa un formato de tabla para su representación y se gráfica utilizando diversas representaciones.
Observa la siguiente tabla que representa la distribución de probabilidad del lanzamiento de un dado:

Características de la distribución de probabilidad

a) La probabilidad asignada a cada valor de la variable aleatoria debe estar entre 0 y 1,

es decir: 𝟎 ≤ 𝑷(𝑿) ≤ 𝟏
b) La suma de las probabilidades es igual a 1, es decir: ∑ 𝑷(𝑿) = 𝟏

Representaciones de una distribución de probabilidad

Forma
tabular

Distribución de Expresión f(X)= P(X=x)

probabilidad algebraica

Gráfica

Si cuentas con teléfono: Visita el siguiente link, para más ejemplos de variables discretas y
continuas [Link]

35
 2.1 Distribución de Bernoulli
ACTIVIDAD 5

Nombre del estudiante: ___________________________________________________Grupo: ________

Nombre del docente: ____________________________Turno: ___________Fecha: ________________

A). Instrucciones

1. Analiza la tabla de esta actividad. Responde si corresponde a una variable discreta o continua
en la celda derecha.
2. Coloca tus datos en la parte superior y espera las indicaciones de tu docente para su entrega.

Enunciado Tipo de variable

1. El número de la camiseta de un jugador de futbol.

2. El número de llamadas telefónicas recibidas en un día.

3. Las estaturas de los jugadores de un equipo de baloncesto.

4. El total de estudiantes de una primaria.

5. El tiempo que toma un atleta en recorrer 100 metros planos.

6. El tiempo que demora un repartidor en entregar una comida.

7. El número de padres de familia que se conectan a una reunión

virtual de primer semestre.
8. Los litros de agua que se bebe un deportista de alto
rendimiento en un determinado día.
9. El número de turistas que visitan un parque turístico en Q.
Roo.

10. Número de televisores en tu casa.

Evaluación

ATENCIÓN
Esta actividad se evaluará con la lista de cotejo # 5

36
 2.1 Distribución de Bernoulli

Nombre del alumno: ___________________________________________________Grupo: ________

Nombre del maestro: __________________________Turno: ___________Fecha: ________________

B). Instrucciones

1. Copia las siguientes tablas en tu libreta de apuntes, y posteriormente identifica con base al inciso
a y b sobre las características de las distribuciones de probabilidad. Escribe si cumple o no
cumple y fundamenta tu respuesta.
2. Escribe tus datos y envía la actividad en el espacio y formato que indique el docente.

Evaluación

ATENCIÓN
Esta actividad se evaluará con la lista de cotejo # 5

37
 2.2 Distribución Binomial

ACTIVIDAD 6

Aprendizajes esperados:
Demuestra que las gráficas son un medio creativo para comparar valores y facilitar la toma responsable
de decisiones en problemas presentes en cualquier contexto.
Atributos:
4.1 Expresa ideas y conceptos mediante representaciones lingüísticas, matemáticas o gráficas.
5.2 Ordena información de acuerdo a categorías, jerarquías y relaciones/ 6.4 Estructura ideas y
argumentos de manera clara, coherente y sintética.
Conocimientos
2.1 Distribución de Bernoulli/ 2.2 Distribución Binomial/2.3 Distribución Normal

2.2 Distribución Binomial

Lectura Previa

Función de probabilidad
La función de probabilidad es una regla que asigna probabilidades a los valores que puede tomar la
variable aleatoria. Esta generalmente se expresa con una fórmula matemática P(x).

Ejemplo 1

Una moneda tiene dos caras: sol y águila, encuentra la función de probabilidad en forma de tabla de la
variable aleatoria x, sabiendo que x= número de soles al lanzar la moneda dos veces.

Solución
Variable aleatoria x: Número de soles al lanzar la moneda dos veces
Espacio muestra del lanzamiento de las dos monedas: 𝐒 = {(𝐚, 𝐚), (𝐚, 𝐬), (𝐬, 𝐚), (𝐬, 𝐬)}
Representación sagital:
Representación
Histograma
x f tabular
(a, a) 1
0 X P(x)
4
(a, s)
2 1 1 1
1 = = 0.25
(s, a) 4 2 4

(s, s)
2 1 1 1
= 0.50
4 2

2 1
= 0.25
4
Espacio Variable Función de
muestral “S” aleatoria “x” probabilidad f(x)
TOTAL ෍=1
muestral “x” muestral

38
 2.2 Distribución Binomial
Ejemplo 1

Sea el lanzamiento de dos dados donde x= suma de puntos al lanzar dos dados, encuentra la función
de probabilidad y representar los resultados en forma tabular, construir el histograma de la distribución
de probabilidad.
Solución

Paso 1. Se determina el espacio muestral Paso 2. Se calculan las

probabilidades en forma tabular
X P(X) X P(X)
2 1/36 2 0.0277
3 2/36 3 0.0555
4 3/36 4 0.0833
5 4/36 5 0.1111
s 6 0.1388
6 5/36
7 6/36 7 0.1666
8 5/36 8 0.1388
9 4/36 9 0.1111
10 3/36 10 0.0833
Fuente:
11 2/36 11 0.0555
[Link]
adisticaProbabilidadInferencia/VAdiscreta/1Introduccion/[Link] 12 1/36 12 𝟎. 𝟎𝟐𝟕𝟕
Paso 3. Histograma de distribución de probabilidad

0.18
Distribución de probabilidad P(x)

0.16

0.14

0.12

0.1

0.08

0.06

0.04

0.02

0
2 3 4 5 6 7 8 9 10 11 12
Sumatoria de caras

Si cuentas con teléfono: Visita el siguiente link, para más ejemplos de función de
probabilidad [Link]

39
 2.2 Distribución Binomial

Valor esperado y desviación estándar de la distribución binomial

El valor esperado es un promedio ponderado de los valores que asume la variable aleatoria cuando los
pesos son las probabilidades. La fórmula para calcular el valor esperado es el siguiente:

𝐸(𝑥) = 𝜇 = ෍ 𝑥𝑓(𝑥)

Ambas notaciones, E(x) y 𝜇 se usan para denotar el valor esperado de una variable aleatoria. Esto indica
que para calcular la media o valor esperado de una variable aleatoria discreta se debe multiplicar cada
valor de la variable por su probabilidad correspondiente f(x), y después se suman los productos que
resultan.

Ejemplo 1

Cada uno de tres hombres que tienen un trastorno genético relacionado

con el cromosoma X tiene un hijo. La variable aleatoria x es el número de
hijos de los tres hombres que heredan el trastorno genético relacionado
con el cromosoma X. Encuentre el valor esperado de dicha distribución
de probabilidad.
X 0 1 2 3
P(X) 0.4219 0.4219 0.1406 0.0156 Fuente: [Link]

Solución.
Aplicando la fórmula se tiene:
𝐸(𝑥) = 𝜇 = ∑ 𝑥𝑓(𝑥): ∑ 0(0.4219) + 1(0.4219) + 2(0.1406) + 3(0.0156) = 𝟎. 𝟕𝟒𝟗𝟗

Ejemplo 2

La siguiente tabla muestra la distribución de probabilidad del

lanzamiento de dos monedas cuando la variable aleatoria X= es número
de soles.
X 0 1 2
P(X) 0.25 0.50 0.25 Fuente: [Link]

Solución.
Aplicando la fórmula se tiene:
𝐸(𝑥) = 𝜇 = ∑ 𝑥𝑓(𝑥): ∑ 0(0.25) + 1(0.50) + 2(0.25) = 𝟏

Si cuentas con teléfono: Visita el siguiente link, para más ejemplos de valor esperado de
una distribución [Link]

40
 2.2 Distribución Binomial
Varianza y desviación estándar de una distribución de probabilidad
discreta

Como se observó, la media constituye un valor típico para resumir una distribución de probabilidad
discreta. Sin embargo, no describe el grado de variación en una distribución. La varianza sí lo hace. La
fórmula de la varianza de una distribución de probabilidad es:

𝜎 2 = ෍[(𝑥 − 𝜇)2 𝑃(𝑥)]

La media se resta de cada valor y la diferencia se eleva al cuadrado, cada diferencia al cuadrado se
multiplica por su probabilidad y por último se suman los productos que resultan para obtener la
varianza. Finalmente se saca la raíz de la varianza para obtener la desviación estándar.

Ejemplo 1

Por lo general, Juan López vende la mayor cantidad de automóviles el sábado.

Él desarrolló la siguiente distribución de probabilidades de la cantidad de
automóviles que espera vender un sábado determinado. Encuentre el valor
esperado de automóviles, la varianza y la desviación estándar.

Solución
Fuente: [Link]
Fuente: [Link]
Se construye una tabla que permita realizar los cálculos y la aplicación de las
fórmulas e

𝐸(𝑥) = 𝜇 = ෍ 𝑥𝑓(𝑥) 𝜎 2 = ෍[(𝑥 − 𝜇)2 𝑃(𝑥)]

S

Por lo tanto el valor esperado es de 2.1, es decir Juan espera vender un promedio de 2.1 automóviles
por día a lo largo de una gran cantidad de sábados. Es decir si juan trabaja durante 50 sábados espera
vender 105 vehículos.

La varianza es de 𝝈𝟐 = 𝟏. 𝟐𝟗 y la desviación estándar es : 𝜎 = √𝟏. 𝟐𝟗 = 𝟏. 𝟏𝟑𝟔 automóviles

41
 2.2 Distribución Binomial
Ejemplo 2

Una tienda de electrónica vende un modelo particular de computadora

portátil. Hay sólo cuatro computadoras en existencia y el gerente se
pregunta cuál será la demanda de hoy para este modelo particular. Él
se entera en el departamento de marketing de que la distribución de
probabilidad para x, la demanda diaria para la laptop, es como se
muestra en la tabla. Encuentre la media, varianza y desviación
estándar de x.
Fuente: [Link]

X 0 1 2 3 4 5
P(X) 0.10 0.40 0.20 0.15 0.10 0.05

Solución.

Se construye una tabla que permita realizar los cálculos y la aplicación de las fórmulas siguientes:

𝐸(𝑥) = 𝜇 = ෍ 𝑥𝑓(𝑥) 𝜎 2 = ෍[(𝑥 − 𝜇)2 𝑃(𝑥)]

Por lo tanto el valor esperado es de 1.90.

La varianza es de 𝝈𝟐 = 𝟏. 𝟕𝟗 y la desviación estándar es : 𝝈 = √𝟏. 𝟕𝟗 = 𝟏. 𝟑𝟑

Si cuentas con teléfono: Visita el siguiente link, para más ejemplos del cálculo de la
varianza [Link]

42
 2.2 Distribución Binomial
Cálculo de probabilidades Binomiales

La distribución de probabilidad binomial consiste de una secuencia de n experimentos más pequeños

llamados ensayos, donde n se fija antes del experimento. Cada ensayo puede dar por resultado uno de
los mismos dos resultados posibles, los cuáles se denotan como éxito que se denota con (p) o fracaso
con la letra (q=1-p). Los ensayos son independientes, de modo que el resultado en cualquier ensayo
particular no influye en el resultado de cualquier otro ensayo. Esta distribución de probabilidad
binomial se puede obtener con la siguiente fórmula:

𝑛!
𝑃(𝑋 = 𝑥) = (𝑛𝑥)(𝑝)𝑥 (𝑞)𝑛−𝑥 , donde : (𝑛𝑥) = 𝑥!(𝑛−𝑥)!

Donde: 𝑷(𝑿 = 𝒙) es la probabilidad de que ocurran “x” éxitos, en n pruebas.

𝒑 = es la probabilidad de éxito

𝒒 = la probabilidad de fracaso y se calcula como 𝟏 − 𝒑

𝒏 = Es el número de ensayos

Ejemplo 1

La exactitud al tomar los pedidos en la ventanilla de servicio a los

automovilistas es una característica muy importante de las cadenas de
comida rápida. Hace poco, el porcentaje de pedidos de este tipo servidos
correctamente en Burger King fue del 88%. Suponga que usted y dos de sus
amigos van en su automóvil a la ventanilla de servicio de Burger King y cada
uno hace un pedido como el descrito antes. Encuentra lo siguiente:

a) ¿Cuál es la probabilidad de que los tres pedidos se sirvan con Fuente: [Link]
exactitud?
b) ¿Al menos dos de los tres?

Solución.

a) Puesto que se trata de tres pedidos y la probabilidad de tener un pedido servido con exactitud
es del 88%, n = 3, p = 0.88 y q= 1-0.88 = 0.12

Aplicando la fórmula se tiene: 𝑛!

𝑃(𝑋 = 𝑥) = (𝑛𝑥)(𝑝)𝑥 (𝑞)𝑛−𝑥 , donde : (𝑛𝑥) = 𝑥!(𝑛−𝑥)!

𝑎) 𝑃(𝑋 = 3) = (33)(0.88)3 (0.12)3−3 = 0.6815 ¿Al menos dos de los tres? Se suman los resultados del
inciso a y b, por lo que el resultado total es:
𝑏) 𝑃(𝑋 = 2) = (32)(0.88)2 (0.12)3−2 = 0.2788
𝑃(𝑋 ≥ 2) = P(X=2)+P(X=3)=0.6815+0.2788= 0.9603

43
 2.2 Distribución Binomial
Ejemplo 2

La experiencia ha demostrado que 30% de todas las personas

afectadas por cierta enfermedad se recuperan. Una empresa
fabricante de medicamentos ha inventado una nueva medicina.
Diez personas con la enfermedad se seleccionaron al azar y
recibieron la medicina; nueve se recuperaron al poco tiempo.
Suponga que la medicina no es eficaz en absoluto. Encuentre las
siguientes probabilidades: Fuente: [Link]

a) ¿Cuál es la probabilidad de que se recuperen 2 individuos que recibieron la medicina?

b) ¿Cuál es la probabilidad de que se recuperen entre 5 y 7 individuos que recibieron la medicina?
c) ¿Cuál es la probabilidad de que se recuperen al menos nueve de entre diez que recibieron la
medicina?

Solución.

Puesto que se trata de 10 individuos enfermos y la probabilidad de que se recuperen es del 30%, se
tienen los siguientes datos: n = 10, p = 0.30 y q= 1-0.30 = 0.70

Aplicando la fórmula:

𝑛!
𝑃(𝑋 = 𝑥) = (𝑛𝑥)(𝑝)𝑥 (𝑞)𝑛−𝑥 , donde : (𝑛𝑥) = 𝑥!(𝑛−𝑥)!

a) 𝑆𝑒 𝑟𝑒𝑐𝑢𝑝𝑒𝑟𝑒𝑛 𝑒𝑥𝑎𝑐𝑡𝑎𝑚𝑒𝑛𝑡𝑒 2. 𝑃(𝑋 = 2) = (10

2
)(0.30)2 (0.70)10−2 = 𝟎. 𝟐𝟑𝟑𝟒

b) 𝑆𝑒 𝑟𝑒𝑐𝑢𝑝𝑒𝑟𝑒𝑛 𝑒𝑛𝑡𝑟𝑒 5 𝑦 7 es: P(X=5)+P(X=6)+P(X=7)

10
𝑃(𝑋 = 5) = ( ) (0.30)5 (0.70)10−5 = 0.1029 Por lo tanto, la suma de las
5
𝑃(𝑋 = 6) = (10 )(0.30)6 (0.70)10−6 = 0.0367 probabilidades totales es:
6
0.1486
𝑃(𝑋 = 7) = (10
7
)(0.30)7 (0.70)10−7 = 0.0090

c) Se recuperen al menos 9 de entre 10 : P(X=9)+P(X=10)

10
𝑃(𝑋 = 9) = ( ) (0.30)9 (0.70)10−9 = 0.000138
9
10
𝑃(𝑋 = 10) = ( ) (0.30)10 (0.70)10−10 = 0.0000059
10
Por lo tanto la suma total de probabilidad es: 0.0001439

Si cuentas con teléfono: Visita el siguiente link, para más ejemplos de distribución
Binomial [Link]

44
 2.2 Distribución Binomial
Media y desviación estándar de una distribución binomial

Dado que la distribución de probabilidades de cualquier variable aleatoria binomial depende sólo de
los valores que asumen los parámetros n, p y q, los valores de la media y la varianza dependen también
de éstos parámetros. Para su cálculo se utilizan las siguientes expresiones:

𝑀𝑒𝑑𝑖𝑎 𝑜 𝑣𝑎𝑙𝑜𝑟 𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑜: 𝜇 = 𝑛𝑝

𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎: 𝜎 2 = 𝑛 ∗ 𝑝 ∗ 𝑞

𝐷𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟: 𝜎 = √𝑛 ∗ 𝑝 ∗ 𝑞

Ejemplo 1

La probabilidad de que un paciente se recupere de una rara

enfermedad sanguinea es 0.40, si se sabe que 15 personas contraen
tal enfermedad encuentre la media y la varianza de la variable
aleatoria binomial.

Solución

Se tienen los siguientes datos:

Fuente: [Link]

n= 15 personas

p= 0.40 Probabilidad de éxito

q=0.60 (1-0.40) Probabilidad de fracaso

Aplicando las fórmulas correspondientes se tiene:

𝑀𝑒𝑑𝑖𝑎 𝑜 𝑣𝑎𝑙𝑜𝑟 𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑜 ∶ 𝜇 = 𝑛𝑝 𝜇 = (15)(0.4) = 𝟔

𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝜎 2 = 𝑛 ∗ 𝑝 ∗ 𝑞 𝜎 2 = (15)(0.4)(0.60) = 𝟑. 𝟔

𝐷𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝐸𝑠𝑡. 𝜎 = √𝑛 ∗ 𝑝 ∗ 𝑞 𝜎 = √(15)(0.4)(0.60) = 𝟏. 𝟖𝟗𝟕

45
 2.2 Distribución Binomial
Ejemplo 2

El 60% de los estadounidenses leen su contrato de trabajo,

incluyendo las letras pequeñas. Suponga que el número de
empleados que leen cada una de las palabras de su contrato se
puede modelar utilizando la distribución binomial.
Considerando un grupo de cinco empleados, encuentre la
media, la varianza y desviación estándar de esta muestra de
empleados.
Fuente: [Link]
Solución

Se tienen los siguientes datos:

n= 5 empleados

p= 0.60 Probabilidad de éxito

q=0.40 (1-0.60) Probabilidad de fracaso

Aplicando las fórmulas correspondientes se tiene:

𝑀𝑒𝑑𝑖𝑎 𝑜 𝑣𝑎𝑙𝑜𝑟 𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑜 ∶ 𝜇 = 𝑛𝑝 𝜇 = (5)(0.60) = 𝟑

𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝜎 2 = 𝑛 ∗ 𝑝 ∗ 𝑞 𝜎 2 = (5)(0.60)(0.40) = 𝟏. 𝟐𝟎

𝐷𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝐸𝑠𝑡. 𝜎 = √𝑛 ∗ 𝑝 ∗ 𝑞 𝜎 = √(5)(0.6)(0.40) = 𝟏. 𝟎𝟗𝟓

Si cuentas con teléfono: Visita el siguiente link, para más ejemplos de media y
desviación estándar [Link]

46
 2.2 Distribución Binomial
ACTIVIDAD 6

Nombre del estudiante: ___________________________________________________Grupo: ________

Nombre del docente: ____________________________Turno: ___________Fecha: ________________

A). Instrucciones

1. Encuentra el valor esperado, la varianza y desviación estándar de las siguientes distribuciones

de probabilidad de variables aleatorias discretas para cada uno de los siguientes ejercicios.
2. Escribe tus datos y envía la actividad en el espacio y formato que indique el docente.

Ejercicio # 1. Valor esperado de una variable aleatoria discreta.

Exactamente después de nacer, cada niño es

evaluado en una escala llamada escala de Apgar.
Las evaluaciones posibles son 0, 1, . . ., 10, con la
evaluación del niño determinada por color, tono
muscular, esfuerzo para respirar, ritmo cardíaco
e irritabilidad, peso, etc. Sea X la evaluación
Apgar de un niño seleccionado al azar y
supóngase que la función masa de probabilidad Fuente: [Link]
de X es:

X 0 1 2 3 4 5 6 7 8 9 10
P(X) 0.002 0.001 0.002 0.005 0.02 0.04 0.18 0.37 0.25 0.12 0.01

a) Calcular el valor esperado de la distribución de probabilidad discreta

Evaluación

ATENCIÓN
Esta actividad se evaluará con la lista de cotejo # 6

47
 2.2 Distribución Binomial

Nombre del estudiante: ___________________________________________________Grupo: ________

Nombre del docente: ____________________________Turno: ___________Fecha: ________________

B). Instrucciones

1. Transcribe el ejercicio en tu libreta de apuntes y calcula lo que se indica.

2. Escribe tus datos y envía la actividad en el espacio y formato que indique el docente.

Ejercicio # 2. Calcular la función de probabilidad, el histograma de distribución, el valor esperado,

la varianza y desviación estándar de una distribución de variable discreta.

Considere las siguientes ventas de una agencia de autos

con sede en la ciudad de Cancún. Durante los últimos 300
días de operación, los datos de ventas mostraron que en 54
días no se vendieron autos, en 117 días se vendió 1
automóvil, en 72 días se vendieron 2, en 42 días se
vendieron 3, en 12 días se vendieron 4 y en 3 días se
vendieron 5. Suponga que se considera el experimento de
selccionar un día de operación y se define la variable
aleatoria de interés como x= número de automoviles Fuente: [Link]

vendidos en un día.
a) Calcular la función de probabilidad
b) Realizar el histograma
c) Encontrar el valor esperado
d) La varianza y desviación estándar de la distribución de variables discretas.
Fuente: [Link]

Evaluación

ATENCIÓN
Esta actividad se evaluará con la lista de cotejo # 6

48
 2.2 Distribución Binomial

Nombre del estudiante: ___________________________________________________Grupo: ________

Nombre del docente: ____________________________Turno: ___________Fecha: ________________

C). Instrucciones

1. Trascribe el ejercicio en tu libreta de apuntes y calcula lo que se indica en el ejercicio siguiente.

2. Escribe tus datos y envía la actividad en el espacio y formato que indique el docente.
.

Ejercicio # 3. Calcular las distribuciones Binomiales, la media, la varianza y desviación estándar

de la distribución binomial.

Suponga que 20% de todos los ejemplares de un libro de texto

particular no pasan una prueba de inspección de calidad. Sea X el
número entre 15 ejemplares seleccionados al azar que no pasan la
prueba. Entonces X tiene una distribución binomial con n=15 y p =
0.2, determine lo siguiente: Fuente: [Link]

a) La probabilidad de que cuando mucho 2 no fallen

b) La probabilidad de que exactamente 8 fallen
c) Encontrar la media, la varianza y desviación estándar

Evaluación

ATENCIÓN
Esta actividad se evaluará con la lista de cotejo # 6

49
 2.3 Distribución normal
ACTIVIDAD 7

Aprendizajes esperados:
Calcula probabilidades a partir de diversas formas de distribución eligiendo de forma crítica, un
enfoque determinista o aleatoria para el estudio de un fenómeno de su entorno.
Atributos:
4.1 Expresa ideas y conceptos mediante representaciones lingüísticas, matemáticas o gráficas.
5.2 Ordena información de acuerdo a categorías, jerarquías y relaciones/ 6.4 Estructura ideas y
argumentos de manera clara, coherente y sintética.
Conocimientos
2.1 Distribución de Bernoulli/ 2.2 Distribución Binomial/2.3 Distribución Normal

2.3 Distribución Normal

Lectura Previa

Función de densidad de probabilidad continua

Una función de densidad de probabilidad 1 2

𝑓(𝑥) = 𝑒 −(1⁄2)[(𝑋−𝜇)⁄𝜎]
continua es una expresión matemática que √2𝜋𝜎
define la distribución de los valores para Donde:
una variable aleatoria continua. e: es la constante matemática aproximada por 2.71828
π: es la constante matemática aproximada por 3.14159
La expresión matemática que representa la μ: es la media
función de densidad de probabilidad σ: es la desviación estándar
X: es cualquier valor de la variable continua, donde (−∞ < 𝑋 < ∞)
continua está indicada con el símbolo f(X).

Distribución normal.

La distribución continua de probabilidad más importante en todo el campo

de la estadística es la distribución normal. En 1733, Abraham De Moivre
Karl Friedrich Gauss

desarrolló la ecuación matemática de la curva normal. Ésta ofrece una base

sobre la que se fundamenta gran parte de la teoría de la estadística
inductiva. La distribución normal a menudo se denomina distribución
gaussiana, en honor de Karl Friedrich Gauss (1777-1855), quien también
derivó su ecuación a partir de un estudio de errores en mediciones repetidas
de la misma cantidad. (Johnson & Kuby, 2008, pág. 315) Fuente:[Link]
r/fotos_gauss.htm

50
 2.3 Distribución normal
Gráfica de la distribución normal

Su gráfica, que se denomina curva normal, es la curva con forma de

campana de la izquierda, la cual describe aproximadamente muchos
fenómenos que ocurren en la naturaleza, la industria y la investigación.
Además, los errores en las mediciones científicas se aproximan
extremadamente bien mediante una distribución normal.

Características de la distribución normal.

1. La familia completa de distribuciones normales se diferencia por medio de dos parámetros: la media
μ y la desviación estándar σ.

2. El punto más alto de una curva normal se encuentra sobre la media, el cual coincide con la mediana
y la moda de la distribución.

3. La media de una
distribución normal puede
tener cualquier valor
numérico: negativo, cero o
positivo. A continuación, se
muestran tres distribuciones
normales que tienen la misma
desviación estándar pero tres
medias diferentes (10, 0 y 20).

4. La distribución normal es simétrica: la forma de la curva normal a la izquierda de la media es una

imagen de espejo de la forma de la curva a la derecha de la media. Los extremos de la curva normal se
extienden hacia el
infinito en ambas direcciones y en teoría nunca tocan el eje
horizontal. Como son simétricas, las distribuciones normales no
están sesgadas; la medida de su sesgo es cero.

5. La desviación estándar determina qué tan plana y ancha es la

curva normal. Los valores grandes de la desviación estándar dan
como resultado curvas más anchas y planas, mostrando mayor
variabilidad en los datos. Enseguida se muestran dos
distribuciones normales con la misma media, pero con
desviaciones estándar diferentes.

51
 2.3 Distribución normal
6. Las probabilidades para la variable aleatoria normal están representadas por las áreas bajo la curva
normal. El área total bajo la curva de una distribución normal es 1. Como la distribución es simétrica, el
área bajo la curva a la izquierda de la media es 0.50 y el área a la derecha también es 0.50.

7. Los porcentajes de los valores en algunos intervalos de uso común son los siguientes.

a) 68.3% de los valores de una variable aleatoria normal se sitúan más o menos a una desviación
estándar de su media.
b) 95.4% de los valores de una variable aleatoria normal se encuentran más o menos a dos
desviaciones estándar de su media.
c) 99.7% de los valores de una variable aleatoria normal están más o menos dentro de tres
desviaciones estándar de su media.

La distribución normal estándar

Hay un número ilimitado de distribuciones de probabilidad normal, pero por fortuna todas están
relacionadas con una distribución: la distribución normal estándar. Esta es la distribución normal de la
variable estándar z (llamada “puntaje estándar” o “puntaje z”).

El proceso de transformar una variable X con una distribución normal en una variable Z se llama
estandarización. Este proceso permite calcular cualquier probabilidad mediante una tabla de
distribución normal estándar. Esta tabla indica el área bajo la curva normal estándar, que corresponde
a la probabilidad acumulada de un valor, es decir, la 𝐏(𝐙 < 𝐳) para valores de Z que van de -5 a 5. A
continuación se presenta la tabla A, de distribución normal:

52
 2.3 Distribución normal

Tabla A. Áreas de la distribución normal estándar

Las entradas de esta tabla son las probabilidades de una variable

aleatoria, con una distribución normal estándar, tome un valor entre
0 y Z; Las áreas para los valores negativos de Z se obtienen por
simetría.
Segundo lugar en decimal en Z

z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.0000 0.0040 0.0080 0.0120 0.0160 0.0199 0.0239 0.0279 0.0319 0.0359
0.1 0.0398 0.0438 0.0478 0.0517 0.0557 0.0596 0.0636 0.0675 0.0714 0.0753
0.2 0.0793 0.0832 0.0871 0.0910 0.0948 0.0987 0.1026 0.1064 0.1103 0.1141
0.3 0.1179 0.1217 0.1255 0.1293 0.1331 0.1368 0.1406 0.1443 0.1480 0.1517
0.4 0.1554 0.1591 0.1628 0.1664 0.1700 0.1736 0.1772 0.1808 0.1844 0.1879
0.5 0.1915 0.1950 0.1985 0.2019 0.2054 0.2088 0.2123 0.2157 0.2190 0.2224
0.6 0.2257 0.2291 0.2324 0.2357 0.2389 0.2422 0.2454 0.2486 0.2517 0.2549
0.7 0.2580 0.2611 0.2642 0.2673 0.2704 0.2734 0.2764 0.2794 0.2823 0.2852
0.8 0.2881 0.2910 0.2939 0.2967 0.2995 0.3023 0.3051 0.3078 0.3106 0.3133
0.9 0.3159 0.3186 0.3212 0.3238 0.3264 0.3289 0.3315 0.3340 0.3365 0.3389
1.0 0.3413 0.3438 0.3461 0.3485 0.3508 0.3531 0.3554 0.3577 0.3599 0.3621
1.1 0.3643 0.3665 0.3686 0.3708 0.3729 0.3749 0.3770 0.3790 0.3810 0.3830
1.2 0.3849 0.3869 0.3888 0.3907 0.3925 0.3944 0.3962 0.3980 0.3997 0.4015
1.3 0.4032 0.4049 0.4066 0.4082 0.4099 0.4115 0.4131 0.4147 0.4162 0.4177
1.4 0.4192 0.4207 0.4222 0.4236 0.4251 0.4265 0.4279 0.4292 0.4306 0.4319
1.5 0.4332 0.4345 0.4357 0.4370 0.4382 0.4394 0.4406 0.4418 0.4429 0.4441
1.6 0.4452 0.4463 0.4474 0.4484 0.4495 0.4505 0.4515 0.4525 0.4535 0.4545
1.7 0.4554 0.4564 0.4573 0.4582 0.4591 0.4599 0.4608 0.4616 0.4625 0.4633
1.8 0.4641 0.4649 0.4656 0.4664 0.4671 0.4678 0.4686 0.4693 0.4699 0.4706
1.9 0.4713 0.4719 0.4726 0.4732 0.4738 0.4744 0.4750 0.4756 0.4761 0.4767
2.0 0.4772 0.4778 0.4783 0.4788 0.4793 0.4798 0.4803 0.4808 0.4812 0.4817
2.1 0.4821 0.4826 0.4830 0.4834 0.4838 0.4842 0.4846 0.4850 0.4854 0.4857
2.2 0.4861 0.4864 0.4868 0.4871 0.4875 0.4878 0.4881 0.4884 0.4887 0.4890
2.3 0.4893 0.4896 0.4898 0.4901 0.4904 0.4906 0.4909 0.4911 0.4913 0.4916
2.4 0.4918 0.4920 0.4922 0.4925 0.4927 0.4929 0.4931 0.4932 0.4934 0.4936
2.5 0.4938 0.4940 0.4941 0.4943 0.4945 0.4946 0.4948 0.4949 0.4951 0.4952
2.6 0.4953 0.4955 0.4956 0.4957 0.4959 0.4960 0.4961 0.4962 0.4963 0.4964
2.7 0.4965 0.4966 0.4967 0.4968 0.4969 0.4970 0.4971 0.4972 0.4973 0.4974
2.8 0.4974 0.4975 0.4976 0.4977 0.4977 0.4978 0.4979 0.4979 0.4980 0.4981
2.9 0.4981 0.4982 0.4982 0.4983 0.4984 0.4984 0.4985 0.4985 0.4986 0.4986
3.0 0.4987 0.4987 0.4987 0.4988 0.4988 0.4989 0.4989 0.4989 0.4990 0.4990
3.1 0.4990 0.4991 0.4991 0.4991 0.4992 0.4992 0.4992 0.4992 0.4993 0.4993
3.2 0.4993 0.4993 0.4994 0.4994 0.4994 0.4994 0.4994 0.4995 0.4995 0.4995
3.3 0.4995 0.4995 0.4995 0.4996 0.4996 0.4996 0.4996 0.4996 0.4996 0.4997
3.4 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4998
3.5 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998
3.6 0.4998 0.4998 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999
3.7 0.4999
4.0 0.49997
4.5 0.499997
5.0 0.4999997

53
 2.3 Distribución normal
Cálculo de áreas bajo la curva normal

La tabla A, es una lista de las probabilidades asociadas con los intervalos desde la media (ubicada en z
= 0.00) hasta un valor específico de z. Las probabilidades de otros intervalos pueden hallarse usando
las entradas de tabla y las operaciones de adición y sustracción, de acuerdo con las propiedades
precedentes. Veamos los siguientes ejemplos que demuestran la forma de usar la tabla A, para hallar
probabilidades del puntaje normal estándar, z.

Ejemplo 1

Encuentre el área bajo la curva normal estándar entre z = 0 y z = 1.52

Solución.

La tabla A, de la página anterior está

Gráfica de distribución cuando z=0 y z= 1.52
diseñada para dar el área entre z=0 y
0.4
z=1.52 directamente. El puntaje z está
0.4357 Área de la tabla A
ubicado en los márgenes, con las 0.3

unidades y décimas de dígito por todo

el lado izquierdo y centésimas de dígito 0.2

en la parte superior. Para z= 1.52,

localice la fila marcada 1.5 y la columna 0.1

marcada 0.02; en su intersección

encontrará 0.4357 0.0
0 1.52
X
Una parte de la tabla A Para hallar el área a la derecha de z= 0,
z 0.00 0.01 0.02 … basta con encontrar el área o la
…

probabilidad para el intervalo z=0.00 a

1.5 0.4357 … z=1.52.
…

𝑷(𝟎. 𝟎𝟎 < 𝒛 < 𝟏. 𝟓𝟐)= 0.4357

Una de las propiedades básicas de probabilidad es que la suma

de todas las probabilidades es exactamente 1.0. Como el área bajo
la curva normal representa la medida de probabilidad, el área
total bajo la curva en forma de campana es exactamente 1.

54
 2.3 Distribución normal
Ejemplo 2

Encuentre el área bajo la curva normal estándar entre z = -1.43 y z = 1.55

Solución.
De tablas se encuentra la intersección de:

z= -1.43

Valores de la tabla A
z 0.00 0.01 0.02 0.03 …
…

1.4 0.4236 …
…

z=1.55

Valores de la tabla A
z 0.00 0.01 … 0.05 …
…

Cuando tenemos un valor de z negativo y uno positivo,

1.5 0.4394 … el área entre esas áreas es la suma de los valores de la
…

tabla. Por lo tanto, se tiene: 𝑷(−𝟏. 𝟒𝟑 < 𝒁 < 𝟎) +

𝑷(𝟎 < 𝒁 < 𝟏. 𝟓𝟓) = 𝟎. 𝟒𝟐𝟑𝟔 + 𝟎. 𝟒𝟑𝟗𝟒 = 𝟎. 𝟖𝟔𝟐𝟔

Ejemplo 3

Encuentra el área bajo la curva a la derecha de z = 1.55

Solución

El área a la derecha de la media (toda el

área sombreada de la figura) es
exactamente 0.5000. El problema pide el
área sombreada que no está incluida en
0.4394. Por tanto, restamos 0.4394 de
0.5000: 0.0606
𝑷(𝒁 > 𝟏. 𝟓𝟓) = 𝟎. 𝟓𝟎𝟎𝟎 − 𝟎. 𝟒𝟑𝟗𝟒 = 𝟎. 𝟎𝟔𝟎𝟔
En este caso se pide hallar el área de la cola
derecha de z.

Si cuentas con teléfono: Visita el siguiente link, para más ejemplos de la tabla de
distribución normal [Link]

55
 2.3 Distribución normal
Ejemplo 4

Encuentre el área bajo la curva a la izquierda de z= 1.55

Solución.

El total del área sombreada está formado

por 0.4394 hallado en la tabla y el 0.5000
que está a la izquierda de la media. Por
tanto, sumamos 0.4394 a 0.5000.
𝑷(𝒁 < 𝟏. 𝟓𝟓) = 𝟎. 𝟓𝟎𝟎𝟎 + 𝟎. 𝟒𝟑𝟗𝟒 = 𝟎. 𝟗𝟑𝟗𝟒

En este caso se pide el área a la izquierda

de un valor positivo de z.

Ejemplo 5

Encuentra el área entre z = 0.8 y z = 2.43

Solución.
Se encuentra por resta. El área entre z
= 0 y z = 2.1 incluye toda el área entre
z = 0 y z = 0.8. Por lo tanto, restamos
el área entre z = 0 y z = 0.8 del área
entre z = 0 y z = 2.43

Valores de la tabla A
z 0.00 0.01 0.02 0.03 …
…

0.8 0.2881 …
…

En este caso para hallar el área entre dos

valores Z del mismo signo se procede a
Valores de la tabla A
realizar la siguiente operación de resta.
z 0.00 0.01 0.02 0.03 …
𝑷(𝟎 < 𝒛 < 𝟐. 𝟒𝟑) − 𝑷(𝟎 < 𝒛 < 𝟎. 𝟖𝟎) =
…

𝟎. 𝟒𝟗𝟐𝟓 − 𝟎. 𝟐𝟖𝟖𝟏 = 𝟎. 𝟐𝟎𝟒𝟒

2.4 0.4925 …
…

56
 2.3 Distribución normal
Distribución normal estándar

Si partimos de la expresión matemática que

a) Función de densidad de la probabilidad normal
representa la función de densidad de
probabilidad continua del inciso a) del 𝟏 𝟐
𝒇(𝒙) = 𝒆−(𝟏⁄𝟐)[(𝑿−𝝁)⁄𝝈]
recuadro de la derecha, podemos observar √𝟐𝝅𝝈
que es tediosa de calcular y requiere de la
aplicación del cálculo integral.

Por fortuna están disponibles tablas de

b) Fórmula estandarizada z de la distribución
probabilidad normal para evitar estos 𝒙−𝝁
cálculos complicados. El primer paso para normal. 𝒛= 𝝈
encontrar probabilidades normales es usar
En donde:
la fórmula de transformación, de la
ecuación para convertir cualquier variable 𝒙 = 𝑒𝑠 𝑒𝑙 𝑣𝑎𝑙𝑜𝑟 𝑑𝑒 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑐𝑖ó𝑛
aleatoria normal X en una variable
𝝁 = 𝑒𝑠 𝑙𝑎 𝑚𝑒𝑑𝑖𝑎 𝑑𝑒 𝑙𝑎 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑐𝑖ó𝑛
aleatoria normal estandarizada Z. Esta se
expresa en el inciso b) del recuadro de la 𝝈 = 𝑒𝑠 𝑙𝑎 𝑑𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟
derecha.

Aplicaciones de la distribución normal estándar

Después de haber aprendido a calcular las áreas bajo la curva. Es hora de aplicar la fórmula del inciso
b) de la derecha. La clave es el puntaje estándar, z. La información asociada con una distribución normal
será en términos de valores x, o probabilidades. Usaremos el puntaje z y la tabla A, de valores que se
utilizó anteriormente, como las herramientas para “pasar entre” la información dada y la respuesta
deseada. Las aplicaciones permiten el análisis de algunas situaciones como el de la imagen siguiente.

Fuente: (Levin & Rubin, Estadística aplicada a los negocios. 2010, pág. 178)

57
 2.3 Distribución normal

Ejemplo 1

Una empresa que se dedica a la fabricación de artículos de

oficina y papelería, está preocupada por el medio ambiente, por
lo que deciden producir en su planta de recién creación un
nuevo tipo especial de sobres ecológicos. La empresa sabe por
experiencia, que el peso de los sobres está distribuido
normalmente. Su media es igual 1.95 gramos y su desviación
estándar 0.05 gramos. En un paquete que contiene 200 sobres,
¿cuántos pesan mayor a dos gramos? Fuente: [Link]

Solución.

Aplicando la fórmula de la distribución normal estándar

se tiene:
𝒙−𝝁
𝒛= , Datos: 𝒙 = 𝟐 , 𝝁 = 𝟏. 𝟗𝟓, 𝝈 = 𝟎. 𝟎𝟓
𝝈

Sustituyendo:
𝟐−𝟏.𝟗𝟓 𝟎.𝟎𝟓
𝒛= = 𝟎.𝟎𝟓 = 𝟏, 𝑷(𝒙 > 𝟐) = 𝑷(𝒛 > 𝟏)
𝟎.𝟎𝟓

De tablas:
z 0.00 0.01 …
Como se solicita encontrar a la derecha
…

de 1, se realiza la siguiente operación:

1.0 0.3413
0.5000 - 0.3413 = 0.1587
…

Conclusión

Entonces el 15.87% de los 200 sobres es 32. Es decir, 32 sobres pesan mayor a dos gramos.

58
 2.3 Distribución normal
Ejemplo 2

El coeficiente intelectual (CI) es una puntuación obtenida en pruebas que

permite medir la inteligencia de una persona. Los CI de 800 aspirantes a
ingresar a una escuela están distribuidos aproximadamente en forma
normal, con una media de 100 y una desviación estándar de 15. Si la
escuela establece un coeficiente por lo menos de 85 puntos para aceptar
un estudiante, tomando en cuenta este criterio, ¿cuántos estudiantes
serán aceptados? Fuente: [Link]

Solución.

Aplicando la fórmula de la distribución normal estándar

se tiene:
𝒙−𝝁
𝒛= , Datos: 𝒙 = 𝟖𝟓 , 𝝁 = 𝟏𝟎𝟎, 𝝈 = 𝟏𝟓
𝝈

Sustituyendo:
𝟖𝟓−𝟏𝟎𝟎
𝒛= = −𝟏, 𝑷(𝒙 > 𝟖𝟓)
𝟏𝟓

De tablas:
z 0.00 0.01 …
El valor que se obtuvo de z=-1, en las
…

1.0 0.3413 tablas es 0.3413. El procedimiento indica

una suma de 0.3413 más 0.5000, puesto
…

que se solicitan promedios mayores a 85.

0.3413+0.5000 = 0.8413

Conclusión.

Para finalizar el valor total del área bajo la curva se multiplica por el total de alumnos, es decir, (800)
*(0.8413) = 673.04, serán admitidos aproximadamente 673 alumnos.

59
 2.3 Distribución normal
Ejemplo 3

Una máquina despachadora de refrescos está ajustada para servir un

promedio de 200 ml por vaso. Si la cantidad de refrescos es
normalmente distribuida con una desviación estándar igual a 15 ml.
¿Cuál es la probabilidad de que un vaso contenga entre 191 y 209 ml.

Solución.

Aplicando la fórmula de la distribución normal

estándar se tiene:
𝒙−𝝁 Fuente: [Link]
𝒛= , Datos: 𝒙 = 𝟏𝟗𝟏 𝒚 𝟐𝟎𝟗 , 𝝁 = 𝟐𝟎𝟎, 𝝈 = 𝟏𝟓
𝝈

Sustituyendo:
𝟏𝟗𝟏 − 𝟐𝟎𝟎
𝒛𝟏 = = −𝟎. 𝟔
𝟏𝟓
𝟐𝟎𝟗 − 𝟐𝟎𝟎
𝒛𝟐 = = 𝟎. 𝟔
𝟏𝟓
Parte de la tabla A.

z 0.00 0.01 …
…

0.60 0.2257 El valor que se obtuvo de z1 y z2, es -0.6

…

y 0.6, de las tablas tienen un valor de

0.2257. El procedimiento indica una
suma de estos dos valores, puesto que se
solicita la probabilidad entre 191 y 209.

0.2257+ 0.2257 = 0.4514

Conclusión

Se tiene una probabilidad 45.14% de que un vaso contenga entre 191 y 209 ml de refresco.

60
 2.3 Distribución normal
Ejemplo 4

Las piezas de pan de molde enviadas para su venta a las tiendas locales
por una panificadora tienen una longitud media de 32 cm y una

Fuente: [Link]
desviación estándar de 2 cm. Suponiendo que las longitudes están
normalmente distribuidas, ¿qué porcentaje de las piezas son?

a) De entre 29.3 y 33.5 cm de longitud

Solución

Aplicando la fórmula de la distribución

normal estándar se tiene:
𝒙−𝝁
𝒛= , 𝒙 = 𝟐𝟗. 𝟑 𝒚 𝟑𝟑. 𝟓 , 𝝁 = 𝟑𝟐, 𝝈 = 𝟐
𝝈
𝟐𝟗.𝟑−𝟑𝟐
𝒛𝟏 = 𝟐
= −𝟏. 𝟑𝟓;
el valor en las tablas es: 0.4115
𝟑𝟑.𝟓−𝟑𝟐
𝒛𝟐 = = 𝟎. 𝟕𝟓;
𝟐
el valor en las tablas es: 0.2734
En este caso se solicita encontrar la probabilidad de hallar un valor negativo de “z” y
uno positivo, por lo que la operación indica que se debe realizar una suma de los
valores que se obtuvieron de la tabla.

0.4115 + 0.2734 = 0.6849, mismo que se representa en la gráfica de este ejercicio.

En conclusión, el porcentaje de las piezas entre 29.35 y 33.5 cm de longitud es 68.49 %

Visita el siguiente link, para más ejemplos de media y desviación estándar:

Si cuentas con teléfono: Visita el siguiente link, para más ejemplo de aplicación de la
distribución normal [Link]

61
 2.3 Distribución normal
ACTIVIDAD 7

Nombre del estudiante: ___________________________________________________Grupo: ________

Nombre del docente: ____________________________Turno: ___________Fecha: ________________

A). Instrucciones

1. Transcribe los siguientes ejercicios en tu libreta de apuntes

2. Observar cada imagen y con el uso de la tabla A de valores de z, encuentra los puntajes z.
3. Escribe tus datos en el documento y envíalo en el formato y espacio que indique el docente.

Áreas bajo la curva normal Valores de Z

a. _______________

b. _______________

c. _______________

d. _______________

e. _______________

f. _______________

Evaluación

ATENCIÓN
Esta actividad se evaluará con la lista de cotejo # 7

62
 2.3 Distribución normal

Nombre del estudiante: ___________________________________________________Grupo: ________

Nombre del docente: ____________________________Turno: ___________Fecha: ________________

B). Instrucciones
1. Transcribe los siguientes ejercicios en tu libreta de apuntes
2. Encuentra el área bajo la curva utilizando la tabla A de valores de Z y realiza en la parte derecha
la gráfica que corresponde a cada ejercicio.
3. Escribe tus datos y envía la actividad en el espacio y formato que indique el docente.

Resuelve cada uno de los siguientes ejercicios Realiza las gráficas aquí

a) Encuentre el área bajo la curva normal

estándar a la derecha de z = 2.03, P (z >
2.03).

b) Encuentre el área bajo la curva normal

estándar entre z = –2.46 y z = 1.46.
P (–2.46 < z < 1.46).

c) Encuentre el área bajo la curva normal

estándar a la izquierda de z= 1.73 P(< z <
1.73).

Evaluación

ATENCIÓN
Esta actividad se evaluará con la lista de cotejo # 7

63
 2.3 Distribución normal

Nombre del estudiante: ___________________________________________________Grupo: ________

Nombre del docente: ____________________________Turno: ___________Fecha: ________________

C). Instrucciones

1. Transcribe los siguientes ejercicios en tu libreta de apuntes

2. Encuentra el área bajo la curva utilizando la fórmula de la distribución normal estandarizada y
realiza en la parte derecha la gráfica que corresponde a cada problema.
3. Escribe tus datos y envía la actividad en el espacio y formato que indique el docente.

Aplicaciones de la distribución normal

Según las estadísticas de carreteras para el año 2019, la

distribución de edades para conductores con licencia
tiene una media de 44.5 años y una desviación estándar
de 17.1 años. Suponiendo que la distribución de edades
está normalmente distribuida encuentre lo siguiente:

a) El porcentaje de los conductores están entre las edades de 17 y 22

b) El porcentaje de los conductores son menores de 25 años

c) El porcentaje de los conductores son mayores de 21 años

d) El porcentaje de los conductores están entre 45 y 65 años

e) El porcentaje de los conductores son mayores de 75 años

Evaluación

ATENCIÓN
Estas actividades se evaluarán con la lista de cotejo # 7

64
 BLOQUE
MODELOS
PROBABILÍSTICOS
……
Actividad 1

3.1 Probabilidad condicional

ACTIVIDAD 8

Aprendizajes esperados:
Examina los diferentes factores probabilísticos que influyen en una situación de su entorno,
favoreciendo su pensamiento crítico y promoviendo la toma de decisiones.
Atributos:
5.1 Sigue instrucciones y procedimientos de manera reflexiva, comprendiendo como cada uno de sus
pasos contribuye al alcance de un objetivo. / 5.5 Sintetiza evidencias obtenidas mediante la
experimentación para producir conclusiones y formular más preguntas.
8.3 Asume una actitud constructiva, congruente con los conocimientos y habilidades con los que cuenta
dentro de distintos equipos de trabajo.
Conocimientos
3.1 Probabilidad condicional/ 3.2 Teorema de Bayes /3.3 Distribución de Poisson

3.1 Probabilidad condicional

Lectura Previa

Una probabilidad condicional es la frecuencia relativa con la cual

un evento puede esperarse que ocurra, bajo la condición de que
se conozca información preexistente acerca de algún otro evento.
𝑃(𝐵|𝐴) se usa para simbolizar la probabilidad de que el evento A
ocurra bajo la condición de que se sepa que el evento B ya existe.
(Johnson & Kuby, 2008, pág. 223)

Algunas formas de decir o expresar la probabilidad condicional, son. 𝑃(𝐵|𝐴):

La “probabilidad de B, dado A”.

La “probabilidad de B, conociendo A”.

La “probabilidad de que B ocurra, sabiendo que A ya ha ocurrido.”

El concepto de probabilidad condicional es en realidad muy

𝑃( 𝐴 𝑦 𝐵)
𝑃(𝐵|𝐴) = conocido y se presenta con frecuencia sin que estemos conscientes de
𝐴
ello. Su fórmula está dada por el recuadro de la izquierda.

65
 3.1 Probabilidad condicional
Ejemplo 1

Suponga que usted lanza un dado. ¿Cuál es la probabilidad de

obtener un 5, dado que se obtuvo un número impar?

Solución.

Sean los eventos:

3
A: Obtener un número impar. 𝑃(𝐴) = 6
1 Fuente: [Link]
B: Obtener un 5. 𝑃(𝐵) = 6

𝑃(𝐴𝑦𝐵) = 1/6 Sustitución de la fórmula

1 1 1 1 1 1 𝑃( 𝐴 𝑦 𝐵)
1
𝑠={ , , , , , } 𝑃(𝐵|𝐴) = 𝑃(5|𝑖𝑚𝑝𝑎𝑟 ) = 6
= 𝟎. 𝟑𝟑
1 2 3 4 5 6 𝐴 3
6

Ejemplo 2

La probabilidad de que un auto de carreras de la Fórmula 1 cambie

de neumáticos en las primeras 15 vueltas es de 0.39, la probabilidad
de que cargue gasolina en esas primeras 15 vueltas es de 0.64 y la
probabilidad de que cambie de neumáticos y cargue gasolina en las
primeras 15 vueltas es de 0.24. ¿Cuál es la probabilidad de que un
auto de carreras de la Fórmula 1 cambie de neumáticos en las
primeras 15 vueltas dado que ya cargó gasolina?
Fuente: [Link]
Solución.

P(A): Probabilidad cargue gasolina = 0.64

Sustitución de la fórmula
P(B): Probabilidad cambie de neumáticos = 0.39
𝑃( 𝐴 𝑦 𝐵)
𝑃(𝐵|𝐴) =
(A y B) = Cambie neumáticos y cargue gasolina. P (0.24) 𝐴
0.24
𝑃(𝐶𝑎𝑚𝑏𝑖𝑒. 𝑁|𝐶𝑎𝑟𝑔ó 𝐺. ) = = 𝟎. 𝟑𝟕𝟓
0.64

Si cuentas con teléfono: Visita el siguiente link, para más ejemplos de

probabilidad condicional [Link]

66
 3.1 Probabilidad condicional
ACTIVIDAD 8

Nombre del estudiante: __________________________________________________Grupo: ________

Nombre del docente: ___________________________Turno: ___________Fecha: ________________

A). Instrucciones

1. Resuelve correctamente los siguientes ejercicios de probabilidad condicional en tu libreta de

apuntes.
2. Escribe tus datos y envía la actividad en el espacio y formato que indique el docente.

A) Ejercicios de Probabilidad condicional

[Link] acuerdo con un estudio de la Secretaria de Salud de Nuevo León, se sabe

que el 30% de la población de la ciudad de Monterrey fuma, el 42 % de dicha
población es hipertensa y el 10% fuma y es hipertensa. ¿Cuál es la
probabilidad de que un fumador regio sea hipertenso?
[Link] Procuraduría Federal del Consumidor (PROFECO) realizó un estudio en el año 2014
sobre dos teléfonos celulares inteligentes con las mismas características y especificaciones,
pero fabricado por diferentes compañías, una de ellas da una garantía por un año y la otra
por dos años. ¿Cuál es la probabilidad de que al comprar un teléfono no tenga defectos de
fábrica dado que tiene garantía de 2 años?

[Link] probabilidad de que un auto que llega a la gasolinera “Hurtado”

cargue gasolina es de 0.87, la probabilidad de que ponga aceite al motor
es de 0.22 y la probabilidad de que le ponga gasolina y aceite al motor es
de 0.19. ¿Qué es más probable, que un auto que llega a la gasolinera le
ponga aceite al motor dado que ya cargó gasolina o que cargue gasolina
dado que le puso aceite al motor?

Evaluación

ATENCIÓN
Esta actividad se evaluará con la lista de cotejo # 8

67
 3.2 Teorema de Bayes
ACTIVIDAD 9

Aprendizajes esperados:
Utiliza los diferentes métodos probabilísticos para analizar las características de un evento de cualquier
contexto.
Atributos:
5.1 Sigue instrucciones y procedimientos de manera reflexiva, comprendiendo como cada uno de sus
pasos contribuye al alcance de un objetivo. / 5.5 Sintetiza evidencias obtenidas mediante la
experimentación para producir conclusiones y formular más preguntas.
8.3 Asume una actitud constructiva, congruente con los conocimientos y habilidades con los que cuenta
dentro de distintos equipos de trabajo.
Conocimientos
3.1 Probabilidad condicional/ 3.2 Teorema de Bayes /3.3 Distribución de Poisson

3.2 Teorema de Bayes

Lectura Previa

Teorema de Bayes

El Teorema de Bayes enunciado por el matemático inglés Thomas

Bayes (1702-1761) es un sistema de cálculo de probabilidades, pero
hecho de forma inversa a cómo se calculan habitualmente.
Tiene en cuenta la información que conocemos que se ha producido
en determinado entorno con determinados factores para saber cuáles
de esos factores han producido esas consecuencias.
Este teorema se puede usar para simplificar la solución de problemas
en los cuales se aplica la probabilidad condicional.
Fuente:[Link]
afia/b/[Link]
Su expresión matemática está dada por:

𝑃(𝐵|𝐴1 )𝑃(𝐴𝑖 )
𝑃(𝐴1 |𝐵) = 𝑛
𝑝𝑎𝑟𝑎 𝑖 = 1, … , 𝑛
∑𝑗=1 𝑃(𝐵|𝐴𝑗 )𝑃(𝐴𝑗 )

68
 3.2 Teorema de Bayes
Ejemplo 1

[Link]
De los artículos que se producen a diario en una fábrica, el 35% proviene de la
máquina l, el 25% de la máquina 2 y el 40% de la máquina 3. El porcentaje de
los artículos defectuosos de la máquina l es del 8%; el de la máquina 2 es del
10%, y el de la máquina 3, es del 8%. De la producción diaria se toma un
artículo al azar y se observa que está defectuoso. ¿Calcular la probabilidad de
que haya salido de la maquina l?

Solución.
Producción por Artículos defectuosos
máquina (D)
D=0.08
M1=0.35 ND=0.92

M2=0.25 D=0.1
ND=0.9

M3=0.40 D=0.08
ND=0.92
Se aplica la fórmula:
𝑃(𝐷|𝑀1 )𝑃(𝑀1 )
𝑃(𝑀1 |𝐷𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑜) =
𝑃(𝐷|𝑀1)𝑃(𝑀1 ) + 𝑃(𝐷|𝑀2 )𝑃(𝑀2 ) + 𝑃(𝐷|𝑀3 )𝑃(𝑀3 )

(0.08)(0.35) 0.028
𝑃(𝑀1 |𝐷𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑜) = = = 0.329
(0.08)(0.35) + (0.10)(0.25) + (0.08)(0.40) 0.085

La probabilidad de que el artículo tomado al azar de la producción haya salido de la máquina l, sabiendo
que es defectuoso, es de 32.9 %.

69
 3.2 Teorema de Bayes
Ejemplo 2

[Link]
En un acuario se tienen solo 2 especies de peces. El 40% de los peces son carpas
comunes y el 60% son Goldfish. De la especie de las carpas comunes el 30%
son machos, mientras que los de la especie Goldfish, el 40 % son hembras. Si
se selecciona un pez hembra, ¿cuál es la probabilidad de que sea de la especie
de Goldfish?

Solución.

Probabilidad especie Probabilidad macho/hembra

Macho = 0.30
Carpa = 0.40
Hembra = 0.70

Hembra = 0.40
Goldfish =0.60
Macho = 0.60

Se aplica la fórmula:
𝑃(𝐺𝑜𝑙𝑓𝑖𝑠ℎ|𝐻𝑒𝑚𝑏𝑟𝑎)𝑃(𝐺𝑜𝑙𝑑𝑓𝑖𝑠ℎ)
𝑃(𝐺𝑜𝑙𝑑𝑓𝑖𝑠ℎ|𝐻𝑒𝑚𝑏𝑟𝑎) =
𝑃(𝐺𝑜𝑙𝑓𝑖𝑠ℎ|𝐻𝑒𝑚𝑏𝑟𝑎)𝑃(𝐺𝑜𝑙𝑑𝑓𝑖𝑠ℎ) + 𝑃(𝐶𝑎𝑟𝑝𝑎|𝐻𝑒𝑚𝑏𝑟𝑎)𝑃(𝐶𝑎𝑟𝑝𝑎)
(0.40)(0.60) 0.24
𝑃(𝐺𝑜𝑙𝑑𝑓𝑖𝑠ℎ|𝐻𝑒𝑚𝑏𝑟𝑎) = = = 0.461
(0.40)(0.60) + (0.40)(0.70) 0.52
La probabilidad de obtener un pez goldfish sabiendo que es hembra es de 46.1 %.

Si se desea obtener por el contrario la probabilidad de obtener una carpa sabiendo que es hembra se
tiene:
𝑃(𝐶𝑎𝑟𝑝𝑎|𝐻𝑒𝑚𝑏𝑟𝑎)𝑃(𝑐𝑎𝑟𝑝𝑎 )
𝑃(𝐺𝑜𝑙𝑑𝑓𝑖𝑠ℎ|𝐻𝑒𝑚𝑏𝑟𝑎) =
𝑃(𝐶𝑎𝑟𝑝𝑎|𝐻𝑒𝑚𝑏𝑟𝑎)𝑃(𝐶𝑎𝑟𝑝𝑎) + 𝑃(𝐺𝑜𝑙𝑑𝑓𝑖𝑠ℎ|𝐻𝑒𝑚𝑏𝑟𝑎)𝑃(𝐺𝑜𝑙𝑑𝑓𝑖𝑠ℎ)
(0.70)(0.40) 0.28
𝑃(𝐺𝑜𝑙𝑑𝑓𝑖𝑠ℎ|𝐻𝑒𝑚𝑏𝑟𝑎) = = = 0.5384
(0.70)(0.40) + (0.40)(0.60) 0.52
La probabilidad de obtener una carpa sabiendo que es hembra es de 53.84 %.

Si cuentas con teléfono: Visita el siguiente link, para más ejemplos del Teorema
de Bayes [Link]

70
 3.2 Teorema de Bayes
ACTIVIDAD 9

Nombre del estudiante: __________________________________________________Grupo: ________

Nombre del docente: ___________________________Turno: ___________Fecha: ________________

A). Instrucciones

1. Resuelve correctamente los siguientes ejercicios del Teorema de Bayes en tu libreta de apuntes.
2. Envía tu actividad con tus datos en el espacio y formato que el docente indique.

A) Ejercicios del Teorema de Bayes

[Link] una cierta escuela. El 60% de los alumnos son hombres y el

40% son mujeres; de los hombres el 5% reprobó física y de las
mujeres el 4% reprobó física. Se selecciona un alumno al azar y
resulta que reprobó física, ¿cuál es la probabilidad de que el
alumno sea hombre? Fuente: [Link]

2. Una urna M contiene 3 pelotas blancas y 4 negras

Una urna N contiene 2 pelotas blancas y 3 negras
Se selecciona una pelota al azar de alguna urna y resulta ser
negra; calcular la probabilidad de que la pelota haya sido
extraída de la urna N. Fuente: [Link]

3. El 45% de los pacientes que atiende el hospital regional de

Chihuahua son niños, el 21% son adultos y el 34 % ancianos. Se
sabe que el 65% de niños atendidos se debió a un descuido, el
40% de los adultos atendidos también es por descuido, así como
el 25% de los ancianos atendidos. Si tomamos al azar un paciente
del hospital regional ingresado por un accidente por descuido,
¿cuál es la probabilidad de que el paciente sea un niño? Fuente: [Link]

Evaluación

ATENCIÓN
Esta actividad se evaluará con la lista de cotejo # 9

71
 3.3 Distribución de Poisson
ACTIVIDAD 10

Aprendizajes esperados:
Aplica en la solución de problemas de su vida cotidiana los métodos de información sobre pronósticos
para la toma de decisiones fundamentada.
Atributos:
5.1 Sigue instrucciones y procedimientos de manera reflexiva, comprendiendo como cada uno de sus
pasos contribuye al alcance de un objetivo. / 5.5 Sintetiza evidencias obtenidas mediante la
experimentación para producir conclusiones y formular más preguntas.
8.3 Asume una actitud constructiva, congruente con los conocimientos y habilidades con los que cuenta
dentro de distintos equipos de trabajo.
Conocimientos
3.1 Probabilidad condicional/ 3.2 Teorema de Bayes /3.3 Distribución de Poisson

3.3 Distribución de Poisson

Lectura Previa

Distribución de Poisson

La distribución de Poisson debe su nombre a Simeón Denis Poisson

(1781-1840), un francés que desarrolló la distribución a partir de los
estudios que realizó durante la última parte de su vida. La
distribución de Poisson se utiliza para describir ciertos tipos de
procesos, entre los que se encuentran la distribución de llamadas
telefónicas que llegan a un conmutador, las solicitudes de pacientes
que requieren servicio en una institución de salud, las llegadas de
camiones y automóviles a una caseta de cobro, y el número de Fuente:ttps://[Link]/wiki/Sim%C3%
A9on_Denis_Poisson
accidentes registrados en cierta intersección.

𝜇 𝑥 𝑒 −𝜇
Su fórmula está dada por: 𝑃(𝑥) =
𝑥!

Donde: μ = es el número medio por intervalo de tiempo elevada a la potencia “x”.

P(x)= Probabilidad de tener exactamente x ocurrencias
e = 2.71828, base de los logaritmos neperianos elevada a la potencia negativa de mu.
X! = x factorial

72
 3.3 Distribución de Poisson
La distribución de probabilidad de Poisson, tiene que ver con ciertos procesos que pueden ser descritos
por una variable aleatoria discreta. Generalmente, la letra X representa a esta variable discreta y puede
tomar valores enteros (0, 1, 2, 3, 4, 5, etc). Utilizamos la mayúscula X para representar a la variable
aleatoria y la minúscula x para señalar un valor
específico que dicha variable pueda tomar.

Algunos ejemplos más específicos son el número de

pacientes que llegan al consultorio de un médico en un
cierto intervalo será de 0, 1, 2, 3, 4, 5 o algún otro
número entero. De manera parecida, si usted cuenta el
número de automóviles que llegan a una caseta de
cobro de alguna carretera durante un periodo de 10
minutos, el número será de 0, 1, 2, 3, 4,5 y así Fuente: [Link]
consecutivamente.

Ejemplo 1

Suponga que estamos investigando la seguridad de una peligrosa

intersección. Los registros policiacos indican una media de cinco

[Link]
accidentes mensuales en esta intersección. El número de accidentes
está distribuido de acuerdo con una distribución de Poisson, y el
Departamento de Seguridad de Tránsito desea que calculemos la
probabilidad de que en cualquier mes ocurran exactamente:

a) 0 accidentes
b) 3 accidentes

Solución.

Se tienen los siguientes datos: Sustitución de la fórmula

50 𝑒 −5 (1)(0.00674)
𝝁=𝟓 𝑃(0) = = = 0.00674
0! 1
a) P(0) = 0

Por lo tanto, la probabilidad de ocurrencia de cero accidentes es: 0.67%

P(3) = 3
Sustitución de la fórmula
53 𝑒 −5 (125)(0.00674) 0.8425
𝑃(3) = 3!
= 3∗2∗1
= 6
=0.1404

Por lo tanto, la probabilidad de ocurrencia de tres accidentes es: 14.04%

73
 3.3 Distribución de Poisson
Ejemplo 2

Se sabe que el número de fallas mensuales que tienen las cajas de velocidades de

[Link]
los autobuses obedece a la distribución de Poisson, con una media de 2.5 fallas
al mes. ¿Cuál es la probabilidad de que no se presenten fallas durante un mes
determinado?

Solución.

Se tienen los siguientes datos:

Sustitución de la fórmula
𝝁 = 𝟐. 𝟓
2.50 𝑒 −2.5 (1)(0.082084)
𝑃(𝑥 = 0) = = = 0.08208
a) P(0) = 0 0! 1

Por lo tanto, la probabilidad de ocurrencia de cero accidentes es: 8.20 %

Ejemplo 3

Una empresa que se dedica a la captura de roedores, coloca trampas durante

[Link]
dos semanas. Cada semana al revisar sus trampas, tienen 4.5 roedores en
promedio. ¿Cuál es la probabilidad de encontrar?

a) Cuando mucho 3 roedores.

Solución.

Se tienen los siguientes datos:

𝜇 = 4.5 Sustitución de la fórmula

a) Cuando mucho 3 roedores; 𝑷(𝒙 ≤ 𝟑) 4.50 𝑒 −4.5 (1)(0.0111)

𝑃(𝑥 = 0) = 0!
= 1
= 0.0111
La respuesta corresponde a la sumatoria de las 4.51 𝑒 −4.5 (4.5)(0.0111)
probabilidades: 𝑃(𝑥 = 1) = 1!
= 1
= 0.0499

𝟎. 𝟎𝟏𝟏𝟏 + 𝟎. 𝟎𝟒𝟗𝟗 + 𝟎. 𝟏𝟏𝟐𝟒 + 𝟎. 𝟏𝟔𝟖𝟓 = 𝟎. 𝟑𝟒𝟏𝟗 4.52 𝑒 −4.5 (20.25)(0.0111)

𝑃(𝑥 = 2) = = = 0.1124
2! 2
La probabilidad de encontrar cuando mucho tres 4.53 𝑒 −4.5 (91.125)(0.0111)
roedores es: 34.19 % 𝑃(𝑥 = 3) = 3!
= 6
= 0.1685

74
 ACTIVIDAD 10

Nombre del estudiante: __________________________________________________Grupo: ________

Nombre del docente: ___________________________Turno: ___________Fecha: ________________

A). Instrucciones

1. Resuelve correctamente los siguientes ejercicios de Distribución de Poisson en tu libreta de

apuntes.
2. Envía tu actividad con tus datos en el espacio y formato que el docente indique

C) Ejercicios de distribución de Poisson

[Link] que le interesa conocer el número de llegadas al auto

cajero de un banco en las mañanas de lunes a viernes durante un
periodo de 15 minutos. Un análisis de los datos históricos muestra
que el número medio de automóviles que llega en un periodo de 15
minutos es 10. Encuentre la probabilidad de que lleguen
exactamente cinco vehículos dentro de los 15 minutos
Fuente: [Link]

[Link] gerente de control de calidad de Marilyn Cookies

inspecciona un lote de galletas con chispas de chocolate que se
acaban de preparar. Si el proceso de producción está bajo control,
la media de chispas de chocolate por galleta es de 6.0. ¿Cuál es la
probabilidad de que en cualquier galleta inspeccionada
a. Se encuentren exactamente cinco chispas
b. Se encuentren cinco o más chispas
c. Se encuentren cuatro o cinco chispas Fuente: [Link]

Evaluación

ATENCIÓN
Estas actividades se evaluarán con la lista de cotejo # 10

75
 INSTRUMENTOS PARA EVALUACIÓN

INSTRUMENTO DE EVALUACIÓN: LISTA DE COTEJO

BLOQUE 1 PROBABILIDAD Y ESTADÍSTICA II
TEMA 1.1 CONCEPTOS Y ELEMENTOS DE LA PROBABILIDAD

NOMBRE DEL ESTUDIANTE: _____________________________FECHA: ________________________

NOMBRE DEL DOCENTE: _____________________________CAL: _________GRUPO: _____________

LISTA DE COTEJO No. ❶ ACTIVIDAD 1 INCISO A) Y B)

TEMA 1.1 BLOQUE 1

CUMPLIMIENTO
No. INDICADORES A EVALUAR Si NO PUNTOS OBSERVACIONES
1 Entregó en tiempo y forma la 10
actividad.
2 El documento tiene en la parte 10
superior derecha los datos del
alumno y en el formato indicado por
el docente
3 Tiene orden, limpieza y las imágenes 10
son claras y legibles.
4 Identificó y relacionó correctamente 20
los conceptos del inciso A.
5 Resolvió correctamente los ejercicios 20
del inciso B.
6 Realizó el planteamiento y 15
procedimiento de los ejercicios del
inciso B.
7 Representó los resultados en forma 15
de porcentaje y/o decimal.
Calificación total

76
 INSTRUMENTO DE EVALUACIÓN: LISTA DE COTEJO
BLOQUE 1 PROBABILIDAD Y ESTADÍSTICA II
TEMA 1.2 CONJUNTOS

NOMBRE DEL ESTUDIANTE: _____________________________FECHA: ________________________

NOMBRE DEL DOCENTE: ____________________________CAL: _________GRUPO: ______________

LISTA DE COTEJO No. ❷ ACTIVIDAD 2 INCISO A) Y B)

TEMA 1.2 BLOQUE 1

CUMPLIMIENTO
No. INDICADORES A EVALUAR Si NO PUNTOS OBSERVACIONES
1 Entregó en tiempo y forma la 10
actividad.
2 El documento tiene en la parte 10
superior derecha los datos del
alumno y en el formato indicado por
el docente
3 Tiene orden, limpieza y las imágenes 10
son claras y legibles.
4 Resolvió correctamente los ejercicios 30
del inciso A, y remarcó sus respuestas
5 Relacionó correctamente los 20
diagramas del inciso B.
6 Realizó el planteamiento y diagramas 20
de Venn de los ejercicios del inciso A.
Calificación total

77
 INSTRUMENTO DE EVALUACIÓN: LISTA DE COTEJO
PARCIAL 1 BLOQUE 1 PROBABILIDAD Y ESTADÍSTICA II
TEMA 1.3 TÉCNICAS DE CONTEO

NOMBRE DEL ESTUDIANTE: _____________________________FECHA: _______________________

NOMBRE DEL DOCENTE: ____________________________CAL: _________GRUPO: _____________

LISTA DE COTEJO No. ❸ ACTIVIDAD 2 INCISO A) Y B)

TEMA 1.3 BLOQUE 1

CUMPLIMIENTO
No. INDICADORES A EVALUAR Si NO PUNTOS OBSERVACIONES
1 Entregó en tiempo y forma la 5
actividad.
2 El documento tiene en la parte 5
superior derecha los datos del
alumno y en el formato indicado por
el docente
3 Tiene orden, limpieza y las imágenes 5
son claras y legibles.
4 Resolvió correctamente el ejercicio 20
de permutación.
5 Relacionó correctamente los 15
ejercicios de factoriales inciso b).
6 Resolvió correctamente los incisos 1 y 20
2, del ejercicio de combinaciones
inciso c.
7 Realizó correctamente los ejercicios 20
del principio multiplicativo y aditivo
que corresponden al inciso d y e.
8 El alumno remarcó cada una de las 5
respuestas de los ejercicios resueltos.
9 Realizó el procedimiento y 5
planteamiento de las fórmulas de
cada uno de las técnicas de conteo.
Calificación total

78
 INSTRUMENTO DE EVALUACIÓN: LISTA DE COTEJO
BLOQUE 1 PROBABILIDAD Y ESTADÍSTICA II
TEMA 1.4 EVENTOS

NOMBRE DEL ESTUDIANTE: _____________________________FECHA: ________________________

NOMBRE DEL DOCENTE: ____________________________CAL: _________GRUPO: ______________

LISTA DE COTEJO No. ❹ ACTIVIDAD 4

TEMA 1.4 BLOQUE 1

CUMPLIMIENTO
No. INDICADORES A EVALUAR Si NO PUNTOS OBSERVACIONES
1 Entregó en tiempo y forma la 5
actividad.
2 El documento tiene en la parte 5
superior derecha los datos del
alumno y en el formato indicado por
el docente
3 Tiene orden, limpieza y las imágenes 5
son claras y legibles.
4 Resolvió correctamente los ejercicios 30
de eventos mutuamente excluyentes
y no excluyentes
5 Resolvió correctamente los ejercicios 30
de eventos dependientes e
independientes.
6 El alumno remarcó cada una de las 10
respuestas de los ejercicios resueltos.
7 Realizó el procedimiento y 15
planteamiento de las fórmulas de
cada uno de las técnicas de conteo.
Calificación total

79
 INSTRUMENTO DE EVALUACIÓN: LISTA DE COTEJO # 5
BLOQUE 2. DISTRIBUCIONES DE PROBABILIDAD
TEMA 2.1 DISTRIBUCIÓN DE BERNOULLI

NOMBRE DEL ESTUDIANTE: _____________________________FECHA: _______________________

NOMBRE DEL DOCENTE: ____________________________CAL: _________GRUPO: _____________

LISTA DE COTEJO No. ❺ ACTIVIDAD 5 INCISO A) Y B)

TEMA 2.1 BLOQUE 2

CUMPLIMIENTO
No. INDICADORES A EVALUAR Si NO PUNTOS OBSERVACIONES
1 Entregó en tiempo y forma la 5
actividad.
2 El documento tiene en la parte 10
superior derecha los datos del
alumno y en el formato indicado por
el docente
3 Tiene orden, limpieza y las imágenes 10
son claras y legibles.
4 Clasificó o identificó correctamente 25
los ejercicios del inciso A de acuerdo
a cada tipo de variables.
5 Realizó la sumatoria y colocó los 25
resultados en la parte final de cada
tabla del inciso B.
6 Contestó y fundamentó 25
correctamente las tablas de acuerdo
a las características de distribución de
probabilidades del inciso B.
Calificación total

80
 INSTRUMENTO DE EVALUACIÓN: LISTA DE COTEJO
BLOQUE 2 PROBABILIDAD Y ESTADÍSTICA II TEMA
2.2 CÁLCULO DE PROBABILIDADES BINOMIALES

NOMBRE DEL ESTUDIANTE: _____________________________FECHA: ________________________

NOMBRE DEL DOCENTE: ____________________________CAL: _________GRUPO: ______________

LISTA DE COTEJO No.

❻ ACTIVIDAD 6 - INCISO A-B y C
TEMA 2.2 BLOQUE 2

CUMPLIMIENTO
No. INDICADORES A EVALUAR Si NO PUNTOS OBSERVACIONES
1 Entregó en tiempo y forma la
actividad. 5
2 El documento tiene en la parte
superior derecha los datos del 5
alumno y en el formato indicado por
el docente
3 Tiene orden, limpieza y las imágenes
son claras y legibles. 5
4 Resolvió correctamente el ejercicio 1
empleando la fórmula de valor 20
esperado.
5 Resolvió correctamente cada uno de
los incisos del ejercicio 2 y efectúo el 20
histograma de la distribución de
probabilidad.
6 Resolvió correctamente los incisos a y
b, e implementó la fórmula de la 20
distribución Binomial del ejercicio 3.
7 Resolvió correctamente el inciso c
utilizando la fórmula de la media, 20
varianza y desviación estándar de la
distribución binomial.
8 Subrayó o remarcó todas sus 5
respuestas.

Calificación total

81
 INSTRUMENTO DE EVALUACIÓN: LISTA DE COTEJO NO.7
BLOQUE 2 PROBABILIDAD Y ESTADÍSTICA II
TEMA 2.3 DISTRIBUCIÓN NORMAL

NOMBRE DEL ESTUDIANTE: _____________________________FECHA: ________________________

NOMBRE DEL DOCENTE: ____________________________CAL: _________GRUPO: ______________

LISTA DE COTEJO No. ❼ ACTIVIDAD 7 - INCISO A-B-C

TEMA 2.3 BLOQUE 2

CUMPLIMIENTO
No. INDICADORES A EVALUAR Si NO PUNTOS OBSERVACIONES
1 Entregó en tiempo y forma la 10
actividad.
2 El documento tiene en la parte
superior derecha los datos del 10
alumno y en el formato indicado por
el docente.
3 Tiene orden, limpieza y las imágenes
son claras y legibles. 10
4 El alumno identificó y escribió
correctamente los valores de z de los 15
ejercicios del inciso A.
5 El alumno encontró y graficó
correctamente las áreas de los 15
ejercicios del inciso B.
6 El alumno utilizó correctamente la
fórmula de desviación estándar y 15
resolvió los ejercicios del inciso
incluyendo las gráficas del inciso C.
7 El alumno escribió una conclusión
con base al resultado del inciso c. 15
8 El alumno remarcó o subrayó sus
respuestas finales. 10

Calificación total

82
 INSTRUMENTO DE EVALUACIÓN: LISTA DE COTEJO NO.8
BLOQUE 3 PROBABILIDAD Y ESTADÍSTICA II
TEMA 3.1 PROBABILIDAD CONDICIONAL

NOMBRE DEL ESTUDIANTE: _____________________________FECHA: ________________________

NOMBRE DEL DOCENTE: ____________________________CAL: _________GRUPO: ______________

LISTA DE COTEJO No. ❽ ACTIVIDAD 8 - INCISO A

TEMA 3.1 BLOQUE 3

CUMPLIMIENTO
No. INDICADORES A EVALUAR Si NO PUNTOS OBSERVACIONES
1 Entregó en tiempo y forma la
actividad. 10
2 El documento tiene en la parte
superior derecha los datos del 10
alumno y en el formato indicado por
el docente
3 Tiene orden, limpieza y las imágenes 10
son claras y legibles.
4 El alumno resolvió correctamente el
ejercicio uno, utilizando la fórmula y 20
remarcó su respuesta.
5 El alumno resolvió correctamente el
ejercicio dos y remarcó su respuesta. 20
6 El alumno resolvió correctamente el
ejercicio tres y concluyó con base a lo 20
que se solicitó en el ejercicio.
7 Los ejercicios tienen una conclusión 10
del resultado.
Calificación total

83
 INSTRUMENTO DE EVALUACIÓN: LISTA DE COTEJO NO.9
BLOQUE 3 PROBABILIDAD Y ESTADÍSTICA II
TEMA 3.2 TEOREMA DE BAYES

NOMBRE DEL ESTUDIANTE: _____________________________FECHA: ________________________

NOMBRE DEL DOCENTE: ____________________________CAL: _________GRUPO: ______________

LISTA DE COTEJO No. ❾ ACTIVIDAD 9 - INCISO A

TEMA 3.2 BLOQUE 3

CUMPLIMIENTO
No. INDICADORES A EVALUAR Si NO PUNTOS OBSERVACIONES
1 Entregó en tiempo y forma la
actividad. 10
2 El documento tiene en la parte
superior derecha los datos del 10
alumno y en el formato indicado por
el docente
3 Tiene orden, limpieza y las imágenes 10
son claras y legibles.
4 El alumno resolvió correctamente el
ejercicio uno, utilizando la fórmula y 20
remarcó su respuesta.
5 El alumno resolvió correctamente el
ejercicio dos utilizando la fórmula y 20
remarcó su respuesta.
6 El alumno resolvió correctamente el
ejercicio tres utilizando la fórmula y 20
remarcó su respuesta.
7 Los ejercicios tienen una conclusión 10
del resultado.
Calificación total

84
 INSTRUMENTO DE EVALUACIÓN: LISTA DE COTEJO NO.10
BLOQUE 3 PROBABILIDAD Y ESTADÍSTICA II
TEMA 3.3 DISTRIBUCIÓN DE POISSON

NOMBRE DEL ESTUDIANTE: _____________________________FECHA: ________________________

NOMBRE DEL DOCENTE: ____________________________CAL: _________GRUPO: ______________

LISTA DE COTEJO No. ❿ ACTIVIDAD 9 - INCISO A

TEMA 3.3 BLOQUE 3

CUMPLIMIENTO
No. INDICADORES A EVALUAR Si NO PUNTOS OBSERVACIONES
1 Entregó en tiempo y forma la
actividad. 10
2 El documento tiene en la parte
superior derecha los datos del 10
alumno y en el formato indicado por
el docente
3 Tiene orden, limpieza y las imágenes 10
son claras y legibles.
4 El alumno resolvió correctamente el
ejercicio uno, utilizando la fórmula y 20
remarcó su respuesta.
5 El alumno resolvió correctamente el
ejercicio dos utilizando la fórmula y 20
remarcó su respuesta.
6 El alumno resolvió correctamente el
ejercicio tres utilizando la fórmula y 20
remarcó su respuesta.
7 Los ejercicios tienen una conclusión 10
del resultado.
Calificación total

85
 MATERIAL SUGERIDO PARA CONSULTA

Banegas, A. L. (2012). Probabilidad y Estadística enfoque por competencias. México, DF: McGraw-Hill.

Sánchez, M. L., & Cortés, G. J. (2015). Probabilidad y estadística 2. México, D.F: Nueva Imagen.

Cuellar, J. A. (2010). Álgebra. México: McGraw-Hill.

Corona, O. S. (2004). Probabilidad y Estadística. México, D.F: McGraw-Hill.

Márquez, F. (2016, February 15). Distribución de Poisson. FÍSICAYMATES. [Link]

de-poisson/

Jorge. (2018, November 14). Regla de la suma o adición de probabilidades. MateMovil; Matemóvil.

[Link]

Jorge. (2018, November 26). Regla de la multiplicación o producto de probabilidades. MateMovil; Matemóvil.

[Link]

Jesús, V. (2021, February 20). Principio aditivo: en qué consiste y ejemplos. Lifeder.

[Link]

86
 BIBLIOGRAFÍA

Anderson, D. R., Sweeney, D. J., & Williams, T. A. (2012). Estadística para negocios y economía. México, D.F:
CENGAGE LEARNING.

Banegas, A. L. (2012). Probabilidad y Estadística enfoque por competencias. México, DF: McGraw-Hill.

Black, K. (2011). Estadística en los negocios. México, D.F: Patria.

Canavos, G. C. (1988). Probabilidad y Estadística, aplicaciones y métodos. México, D.F: McGraw-Hill.

Contreras L. Martínez M, L. O. (2018). Cálculo Diferencial e integral (Primera ed.). México: Santillana.

Corona, O. S. (2004). Probabilidad y Estadística. México, D.F: McGraw-Hill.

Cuellar, J. A. (2010). Álgebra. México: McGraw-Hill.

Gutierrez, R. M., & Pérez, B. A. (2015). Matemáticas IV (Primera ed.). México: Umbral.

Hinojosa, A. M. (2014). Matemáticas IV (Tercera ed.). México: Santillana.

Johnson, R., & Kuby, P. (2008). Estadística Elemental. México, D.F: Cengage Learning.

Levin, R. I., & Rubin, D. S. (2010). Estadística para administración y economía. México: Prentice Hall.

Levine, D. M., Krehbiel, T. C., & Berenson, M. L. (2006). Estadística para administración. México D.F: Perason
Prentice Hall.

Lind, D. A., Marchal, W. G., & Whaten, S. A. (2008). Estadística aplicada a los negocios y economía. México, D.F:
Mc Graw Hill.

Marqués, F. (2010). Estadística descriptiva a través de Excel. México, Df: Alfaomega.

Rios, A. H. (2018). Matemáticas IV (Primera ed.). Colima, México: Conexión.

Ruiz, E., & Ruiz, E. (2007). Probabilidad y Estadística. México, D.f: McGraw-Hill.

Sánchez, M. L., & Cortés, G. J. (2015). Probabilidad y estadística 2. México, D.F: Nueva Imagen.

Sevilla, J., Fiol, M., & Sauvegrain, R. (1989). Tópicos de matemáticas para administración y economía. México:
Trillas.

Triola, M. F. (2004). Estadística. México: Pearson.

Vázquez, L. M. (2017). Probabilidad y Estadística. BookMart.

87