SlideShare una empresa de Scribd logo

guia-de-estadistica

B
bfkcuautla

Este documento presenta una guía de estadística básica. En la introducción, se explica que el objetivo de la guía es enseñarle al estudiante conceptos y herramientas estadísticas que puedan aplicarse en el ámbito laboral y la vida diaria. La guía contiene ocho capítulos que cubren temas como sumatoria, estadística descriptiva, probabilidad, variables aleatorias y distribuciones de probabilidad. Cada capítulo incluye ejercicios para que los estudiantes apliquen los conceptos

1 de 164
Descargado 247 veces
1
2
3
4
5
6
7
Lo más leído
8
9
10
Lo más leído
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
GUIA ESTADISTICA MEDELLíN
guia-de-estadistica
GUIA DE ESTADISTICA BASICA ADRIANA GUERRERO PEÑA MARIA VICTORIA BUITRAGO MA. DE LOS ÁNGELES CURIESES PAULETE
INSTITUTO TECNOLÓGICO METROPOLITANO Establecimiento Público de Educación Superior Adscrito a la Alcaldía de Medellín. La serie Documentos ITM recoge la práctica institucional, Como referente para la acción, la toma de decisiones, La evaluación y la construcción histórica del Instituto. Aspira con ellos a que la comunidad tenga información básica de su desarrollo. Autora:
Ma. de los Ángeles Curieses Paulette Adriana Guerrero peña Ma- Victoria Buitrago
PRESENTACIÓN Con esta guía se pretende que el estudiante aprenda a manejar a través del uso de procedimientos estadísticos herramientas que podrá utilizar en el mejoramiento de su desempeño laboral y en muchos otros aspectos de la vida diaria. En esta guía desarrollaremos los conceptos básicos, que permitan la comprensión de los métodos empleados en la estadística descriptiva para la solución de casos relacionados con el análisis de información. Por otro lado, estudiaremos la solución de problemas sobre probabilidades que requieren una cabal comprensión de algunas reglas fundamentales de probabilidad. Trataremos con este trabajo de introducir al estudiante en el mundo de la estadística, desarrollando competencias que lo ayuden a mejorar su desempeño laboral y muchos aspectos de su vida diaria, para que este en capacidad de tomar decisiones y solucionar problemas a través de la aplicación de procedimientos estadísticos. ADRIANA GUERRERO MARIA VICTORIA BUITRAGO MA. DE LOS ÁNGELES CURIESES PAULETE
TABLA DE CONTENIDO CAPITULO 1 1. CONCEPTO DE SUMATORIA 1.1 Definición 1.2 Propiedades 1.3 Actividad 1.4 Ejercicios CAPITULO 2 2. ESTADÍSTICA DESCRIPTIVA 2.1 Definiciones de Términos Estadísticos 2.2 Conceptos Estadísticos 2.3 Ejercicios - Conceptos Estadísticos 2.4 Métodos Gráficos Para Describir Información 2.5 Tablas de Datos 2.5.1 Tabla De Entrada De Datos 2.5.2 Tabla De Contingencia 2.5.3 Tabla De Frecuencias 2.5.3.1 Tabla de frecuencia simple 2.5.3.2 Tabla de frecuencia para datos agrupados 2.6 Métodos Gráficos 2.6.1 Gráfico de Pastel o Circular 2.6.2 Diagrama De Barras
2.6.3 Histograma 2.6.4 Polígono de frecuencias 2.6.5 Actividad 2.7 Ejercicios - Métodos gráficos 2.8 Ejercicios Tablas de datos
CAPITULO 3 3. MÉTODOS NUMÉRICOS 3.1 Medidas de tendencia Central 3.1.1 Media Aritmética 3.1.1.1 Actividad 3.1.2 Mediana 3.1.2.1 Mediana para datos Sin Agrupar 3.1.2.2 Mediana para datos agrupados 3.1.3 Moda 3.1.3.1 Moda para datos Sin Agrupar 3.1.3.2 Moda para datos agrupados 3.2 Medidas de posición 3.2.1 Cuartiles 3.2.2 Deciles 3.2.3 Percentiles 3.2.4 Actividad 3.3 Medidas de dispersión 3.3.1 Varianza 3.3.1.1 Actividad 3.3.2 Desviación Estándar 3.3.3 Coeficiente de Variación 3.3.4 Regla Empírica 3.4 Ejercidos - Medidas de tendencia central, posición y Dispersión. CAPITULO 4
4. PROBABILIDADES 4.1 Conceptos básicos de probabilidad 4.1.1 Actividad 4.2 Modelos de probabilidad 4.2.1 Modelo clásico 4.2.2 Modelo Subjetivo 4.2.3 Modelo Empírico 4.3 Complemento de un evento 4.4 Actividad 4.5 Reglas de Probabilidad 4.5.1 Regla de la Adicción.
4.5.1.1 Sucesos mutuamente excluyentes 4.5.1.2 Actividad 4.5.2 Probabilidad Condicional 4.5.3 Regla de la multiplicación 4.5.3.1 Eventos independientes 4.5.3.2 Actividad 4.5.4 Teorema de Bayes 4.6 Análisis Combinatorio 4.6.1 Técnica de multiplicación 4.6.2 Técnica de permutación 4.6.3 Técnica de la combinación 4.7 Ejercicios de probabilidad CAPITULO 5 5. VARIABLES ALEATORIAS 5.1 Variables Aleatorias Directas 5.1.1 Distribución de probabilidad de las Variables Aleatorias Discretas. 5.1.1.1 Propiedades de las v.a Discretas f(x) 5.1.2 Distribución de Probabilidad Acumulada f(x) 5.1.3 Valor Esperado de una Variable Aleatoria Discreta. CAPITULO 6 6. DISTRIBUCION DE PROBABILDAD DISCRETA
6.1 Distribución Binomial 6.1.1 Función de Probabilidad de la Distribución Binomial 6.1.2 Parámetros de la Distribución Binomial 6.1.3 Función de Distribución Acumulada de la v.a. Binomial. 6.2 Distribución Hipergeométrica 6.2.1 Parámetros de la Distribución Hipergeometrica 6.3 Distribución de Poisson 6.3.1 Parámetros de la Distribución Poisson 6.4 Ejercicios - Modelos de Probabilidad Discretas.
CAPITULO 7 7. DISTRIBUCION DE PROBABILDAD CONTINUA 7.1 Distribución Normal. 7.1.1 Representación Gráfica de la Función de Densidad 7.1.2 Distribución Normal Estándar. 7.2 Aproximaciones 7.2.1 Aproximación de la Binomial mediante la distribución Poisson. 7.2.2 Aproximación Normal a la Distribución de Probabilidad Binomial 7.3 Ejercicios - Modelos de Probabilidad Continua y Aproximaciones. CAPITULO 8 8. TABLAS 8.1 Tabla de la Distribución de Poisson 8.2 Tabla de la Distribución Binomial 8.3 Tabla de la Distribución Normal
guia-de-estadistica
INTRODUCCION La materia estadística e introducción a la probabilidad se adapta a las necesidades del curso semestral de las tecnologías e ingenierías, en las que se estudian los fundamentos de la estadística. Con esta guía lo que se pretende es llevar al alumno al mundo de la estadística mostrándole, el manejo de la información como recurso adquiere una nueva dimensión dejando de ser una simple colección de hechos para convertirse en una fuente de alimentación del proceso de toma de decisiones, mostrándole como resolver problemas ante la incertidumbre, situación que todos enfrentamos tanto en el mundo de los negocios como en la vida cotidiana. El orden que guarda este material en los capítulos siguientes es el enfoque pedagógico que tiene el instituto en los microcurriculos de los diferentes programas. Cada Capitulo contiene una serie de ejercicios y aplicaciones que ayudaran a los estudiantes a desarrollar su habilidad de aplicar un razonamiento estadístico para resolver situaciones problemas e interpretación de resultados.
1 CAPITULO 1 En esta capitulo se presentan los principales conceptos básicos que permiten la comprensión de los métodos empleados en estadística descriptiva para la solución de casos relacionados con el análisis de información. COMPETENCIA Conceptualizar y reconocer la terminología básica en Estadística EJE TEMÁTICO Razones, proporciones y porcentajes Sumatoria y sus propiedades Historia de la estadística 1. CONCEPTOS PREVIOS 1.1 DEFINICION. DE SUMATORIA Si son números, la suma de estos números se expresa simbólicamente mediante la escritura, esto es, nxxxx...,,,,321n nxxxx...321 n321n1iixxxxx... Así, por ejemplo, si entonces, 3ixi 225543213333351351iiiix
1.2 PROPIEDADES De la definición de se derivan las siguientes propiedades. niix1 1. Si (constante) entonces cxinccccccxninii... 11 Así, por ejemplo, 204*544444451i 2. Si es una constante que multiplica a cada una de las observaciones entonces la suma de los productos es igual a multiplicada por la suma de las observaciones, esto es, c nxxxx,...,,,321n niiniixccx11 3. Si e son sucesiones de números entonces nxxxx,...,,,321nyyyy,...,,,321 niniiiniiiyxyx111 4. Si y son dos sucesiones de números entonces niniiiniiiyxyx111 1.3 ACTIVIDAD 1. Suponga que son las unidades producidas en una pequeña empresa en cada una de las primeras cinco horas de un día cualquiera de trabajo, suponga además que los costos de producción de las unidades producidas están dados por: 9,7,5,3,1X Y XY23 2. Calcule los costos de producir 1, 3, 5, 7, 9 unidades. Si y son sucesiones de números y además , siendo y constantes entonces Utilizando propiedades de sumatoria, Justifica la propiedad anterior. iibxayabxbay
1.4 EJERCICIOS 1. Suponga que se tienen dos sucesiones X y Y, apareadas de la manera siguiente X: 1 2 3 4 5 Y: 2 4 6 8 10 Hallar el valor de cada una de las siguientes expresiones: a. b. c. d. YX 22XX YXXY YX 2. Utilizar el símbolo para representar las expresiones siguientes: a. b. c. d. 3. Escriba con notación 24232221xxxx 543215432xaxaxaxaxa nxcxcxcxcn....321321 25242322215544332211xxxxx a. 4 + 8 + 12 + 16 + 20 b. nrrrr.321 c. 3 + 9 + 27 + 81 4. Hallar el valor de cada una de las expresiones siguientes: a. b. c. d. e. 81ii 5123ii 4122kk 31272iii 4124iii
5. Si ; calcular a. b. c. d. 6. Calcular; utilizando propiedades a. b. c. 7. Pruebe si las expresiones A y B son iguales: si, 541441241iiiixyx 412iix 412iix 4122iix13232iixx 4122iiii372112 3136iii 21nimjijxbxAxnmbB1 nimjijxx11
HISTORIA DE LA ESTADÍSTICA Desarrollo histórico de la estadística El término estadística se empleó para referirse a los datos del estado. En la Europa Medieval se utilizó la estadística para llevar datos sobre la población de un estado, los diezmos y los impuestos Hay algunos personajes fundamentales en el desarrollo de la estadística Adolph Quetelet (1796-1874 Fue el primero en aplicar métodos modernos a un conjunto de datos y es considerado el padre de la estadística Francis Galton (1822-1911) Creó la teoría de regresión que posteriormente refinó su discípulo Karl Pearson (1857-1936) Ronald Fisher (1890-1962) Es la figura más prominente hasta el presente y creó la teoría moderna de la estimación.
2 CAPITULO 2 COMPETENCIA Describir y analizar gráficamente diferentes tipos de información EJE TEMATICO Concepto de Estadística como ciencia Términos básicos Métodos gráficos para describir información. Cualitativa Grafico de barras y circulares Métodos Gráficos para variables cuantitativas Histogramas de frecuencia para datos no agrupados Histograma de frecuencia para datos agrupados 2. ESTADISTICA DESCRIPTIVA 2.1 DEFINICIONES DE TERMINOS ESTADISTICOS ESTADISTICA: Es la ciencia de las matemáticas que se encarga de la selección, recolección, tabulación, presentación y análisis de la información que se utiliza en la toma de decisiones organizacionales. La estadística se divide en dos grandes ramas, a saber:
ESTADISTICA DESCRIPTIVA: Se dedica a la descripción, organización, síntesis y análisis de la información de interés; pero sin llegar a conclusiones fuertes o profundas, sobre la misma. ESTADISTICA INFERENCIAL: Busca obtener conclusiones sólidas y mas profundas, basado en el trabajo con muestras y su posterior generalización de resultados para la toma de decisiones y conclusiones sólidas. La estadística inferencial nos permite inducir conclusiones de situaciones, sucesos o fenómenos previamente estudiados. 2.2. CONCEPTOS ESTADISTICOS Para comprender mejor la parte de estadística descriptiva, definiremos algunos términos muy utilizados, que nos servirán de guía para el desarrollo de los ejercicios. POBLACION: Se concibe como un conjunto total de elementos, datos, personas, atributos, medidas, acontecimientos u objetos, que poseen una o mas características comunes y cuyas propiedades serán analizadas. La población puede ser : 1. POBLACION FINITA: Cuando es posible enumerar físicamente, TODOS los elementos que pertenecen a la población.
2. POBLACION INFINITA: Cuando es imposible enumerar físicamente TODOS los elementos que pertenecen a la población. MUESTRA: Es un subconjunto de la población, que se selecciona siguiendo ciertos procedimientos estadísticos, que se llama teoría de muestreo. PARAMETRO: Valor numérico que resume todos los datos de una población completa. Para determinar su valor es necesario utilizar la información poblacional completa. ESTADISTICO: Es un valor numérico que resume todos los datos de una muestra y sirve como estimación del parámetro de la población. VARIABLE: Es una característica, atributo o medida que se esta analizando en un estudio estadístico. La variable pude ser: 1- VARIABLE CUALITATIVA: Clasifica, o describe un atributo o cualidad de los elementos de la población o muestra. (Atributos) 2- VARIABLE CUANTITATIVA: Los datos recolectados cuantifican un elemento de la población o muestra.
La variable cuantitativa puede ser: a) VARIABLE CUALITATIVA DISCRETA: Cuando los valores que toma la variable son enteros que no se pueden partir. b) VARIABLE CUALITATIVA CONTINUA: Cuando los valores que toma la variable se pueden partir. DATOS: Conjunto de valores recolectados para la variable. DATO: Valor de la variable asociado a un elemento de una población muestra. EXPERIMENTO: Actividad planeada, cuyos resultados producen un conjunto de datos. VARIABLE ALEATORIA: Una Variable aleatoria (v.a) es una función que asigna a cada elemento de un espacio muestral un numero real. o sea una variable es aleatoria si toma diferentes valores como resultado de un experimento aleatorio.
2.3 EJERCICIOS - CONCEPTOS ESTADISTICOS. 1. Utilizando la información suministrada en la situación siguiente identifica los Conceptos básicos de la estadística tales como: Población, muestra, variable, dato, datos, experimento, parámetro Situación 1. Un estudiante de estadística está interesado en determinar algo sobre el promedio del valor en pesos de los automóviles que pertenecen al cuerpo docente del Instituto Tecnológico Metropolitano. La siguiente es la lista de información con la que el estudiante cuenta. . Automóviles que pertenecen a los profesores del departamento Idiomas: ____________________________________________________ . Colección de todos los automóviles que pertenecen a todos los miembros del cuerpo docente: ____________________________________________________ . Valor en pesos de cada automóvil individual: ________________ . Los valores de los autos de cada uno de los docentes de Idiomas: ____________________________________________________ . Le pregunto a cada docente de idiomas el valor de su auto: ____________________________________________________ . El valor promedio de todos los automóviles de los docentes del Instituto es de $1.700.830 dólares: __________________________________________ . El automóvil del profesora Sánchez está valuado en $14.594.000
: ___________________________________________________
Situación 2. Comer juntos: sigue siendo importante. A continuación se presentan los resultados obtenidos en una encuesta realizada respecto a la importancia de que una familia coma junta. Con la información suministrada, responda las siguientes preguntas ¿Qué tan importante es para usted cenar con su familia ? No 20% Si. 80% Algo 28% Mucho 74% ¿La mayor parte de su familia cenó junta ayer ? No mucho (4%) En los últimos siete días, ¿Cuántas veces cenó junta la mayor parte de su familia? 0 1 2 3 4 5 6 7 7 7 8 8 13 3 8 46 Nº.días Porcentaje Cuando su familia cena junta ¿Cuánto tiempo dura la cena? Duración ½ hora 45 min más de 1 h. < ½ h 1 hora lo ignora Porcentaje 48% 21% 2% 20% 8% 1% a. Mencione las cuatro variables. b. ¿Qué tipo de variable es cada una?
Situación 3. Un fabricante de medicamentos está interesado en la proporción de personas que padecen hipertensión (presión arterial elevada) cuya condición pueda ser controlada por un nuevo producto desarrollado por la empresa. Se condujo un estudio en el que participaron 5000 personas que padecen de hipertensión, y se encontró que 80% de las personas pueden controlar su hipertensión con el medicamento. Suponiendo que las cinco mil personas son representativas del grupo con hipertensión, conteste las siguientes preguntas: a. ¿Cuál es la población? b. ¿Cuál es la muestra? c. Identifique el parámetro de interés d. Identifique la estadística y proporcione su valor e. ¿Se conoce el valor del parámetro? Situación 4. La fábrica de gaseosas la Sed proyecta lanzar al mercado un nuevo sabor. Se Realiza un test de aceptación de dicho sabor a 20 niños, utilizando una escala de 10 puntos, para medir el grado de aceptación. Uno de los niños (Pedro) acepto el nuevo sabor con 7 puntos. Los puntos obtenidos en los 19 niños restantes son los siguientes. 2,6,7,4,5,5,9,8,7,5,1,8,4,7,7,7,6,5,4. La muestra estuvo compuesta por igual número de niños de ambos sexos, de 6 a 12 años, pertenecientes a una Escuela de la Ciudad
de Medellín, los cuales en su mayoría dieron una aceptación de 7 puntos. Con la información identifique: a. ¿Cuál es la población?:______________ b. ¿Cuál es la muestra?: _______________ c. ¿Cuál es la variable? : ______________ d. ¿Es la variable cualitativa o cuantitativa?: _________________ e. ¿Cuál es el experimento? : _______________________ f. ¿Cuál es un dato?: _____________________________ g. ¿Cuales son los datos? : ________________________ h. ¿Cuál es el estadístico? : ________________________ i. ¿Cuál es el parámetro?: _________________________ 2. EJERCICIO Identifique las siguientes expresiones como ejemplos de variables cualitativas o cuantitativas. a. Una encuesta de electores registrados según el candidato que apoyen. b. El tipo de cuentas que se pueden registrar en una contabilidad._ c. Códigos utilizados para marcar productos en un supermercado d. El tiempo mínimo necesario para una persona ejecute una tarea específica. e. El número de páginas por trabajo que salen de la impresora de una computadora. f. Registro por estratos de los habitantes de Medellín.
3. Resolver las siguientes preguntas: a. Describa en sus propias palabras cómo puede utilizarse la estadística para solucionar en varias disciplinas y ocupaciones. b. Describa en sus propios términos la diferencia entre población y muestra; entre parámetro y un estadístico. c. ¿Cuál es la diferencia entre una variable cuantitativa y una variable cualitativa? Dé ejemplos. d. Diferencie entre una variable continua y una variable discreta. Dé ejemplo de cada una. e. Una revista reciente reveló que los japoneses pronto controlarán hasta un 35% de las ventas de autos en los Estados Unidos; comparando con el 28% de finales de los años 80 está apenas un 8% por encima de lo ocurrido en 1970. ¿Esta información contiene estadística descriptiva, inferencias, o ambas? Explique. f ¿Cuál es la diferencia entre la estadística descriptiva y la estadística inferencias? ¿Cuál cree usted constituye una forma más elevada de análisis estadístico y por que? g. Seleccione una población cualquiera que sea de su interés. Identifique variables cuantitativas y cualitativas de esa población que puedan seleccionarse para ser estudiadas. h. Si los estadísticos están interesados realmente en poblaciones, ¿por qué realmente trabajan con muestras?
4. Determine si las siguientes variables son discretas o continuas: a. Número de cursos que los estudiantes de Costos y Presupuestos cursan en este semestre. b. Número de pases atrapados por el beisbolista Tim Brown, receptor de los La Raiders. c. Peso de los compañeros de equipo de Tim Brown. d. Peso del contenido de las cajas de cereal e. Número de libros que usted leyó el año pasado. 5. El presidente de una fraternidad en el campus desea tomar una muestra de las opiniones de 112 miembros respecto a las actividades urgentes para el otoño: a. ¿Cuál es la población? c. ¿Cuál es la muestra?
2.4 METODOS GRAFICOS PARA DESCRIBIR INFORMACION Un análisis estadístico comienza generalmente, con un estudio grafico de los datos disponibles en una tabla. Cuando se tiene información considerable, acerca de una variable, es difícil hacer una interpretación rápida del comportamiento de esta. Organizando estos datos en una tabla y a partir de elaborar algunas graficas, se puede observar en forma clara e inmediata la variable. 2.5 TABLAS DE DE DATOS: TABLA: Es un cuadro que consiste en la disposición ordenada de los datos. Las tablas sistematizan los resultados y ofrecen una visión. Numérica, sintética y global del fenómeno observado. . TIPO DE TABLAS TABLAS TABLA DE ENTRADA DE DATOS TABLA DE CONTINGENCIA TABLA DE FRECUENCIA TABLA DE FRECUENCIA PARA DATOS SIMPLES. TABLA DE FRECUENCIA PARA DATOS AGRUPADOS
2.5.1 TABLA DE ENTRADA DE DATOS: Es aquella en la cual solo aparecen los datos que se obtuvieron en la recolección da datos. Es la tabla mas sencilla y se utiliza para registro de datos. 2.5.2 TABLA DE CONTINGENCIA: Llamada también tabla de doble entrada. Es aquella tabla que contiene los datos de dos variables y esta formada de la siguiente manera: En la cabeza de las filas por los valores de una variable y las de las columnas por la otra, y en las casillas de la tabla, por las frecuencias o numero de elementos que reúne a la vez los valores de las dos variables que se cruzan en cada casilla. 2.5.3 TABLA DE FRECUENCIAS: La tabla de frecuencias esta formada por los valores de una variable cuantitativa sus frecuencias correspondientes. Definiremos que es frecuencia; FRECUENCIA: La frecuencia se refiere al número de repeticiones de una clase o de un valor de la variable. 2.5.3.1 TABLA DE FRECUENCIA SIMPLE: Esta formada por los valores de una variable cuantitativa y sus frecuencias correspondiente. Generalmente se usa para un número de observaciones menores de 30 datos.
PROCESO PARA LA CONSTRUCCIÓN DE LA TABLA DE FRECUENCIA SIMPLE: Utilizaremos el siguiente proceso para la elaboración de la tabla: - Primera Columna: Se organizan los datos de la variable en formas ascendente, sin repetir y a esta columna la llamamos . ix - Segunda Columna: Se cuenta el numero de veces que se repite el valor, y se coloca al frente de cada , a esta frecuencia la llamamos frecuencia absoluta y la representamos por o . ifin - Tercera Columna: Se denomina Frecuencia Absoluta Acumulada, Esta representada por o . se calcula sumando la frecuencia absoluta o en cada valor así: iFiN y así sucesivamente 11fF 212ffF 3213fffF niiifF1 - Cuarta columna: Frecuencia Relativa, se representa por , Se calcula dividiendo cada frecuencia absoluta por el numero total de observaciones n. así: ih nfhii - Quinta Columna: Frecuencia Relativa acumulada, representada por , correspondiente a cada valor de . Se calcula sumando la frecuencia relativa en cada valor , Así: iH
y así sucesivamente =1 La tabla para datos simples quedaría: Tabla 1: Tabla de distribución de frecuencias datos sin agrupar 11hH 212hhH 3213hhhH niiihH1 iX if iF ih iH % * ih 1X 1f 1F nfh11 1h 1001h 2X 2f 2F nfh22 21hh 1002h . .
nX nf nF nfhnn nhhh.21 100nh 2.5.3.2 TABLA DE FRECUENCIA PARA DATOS AGRUPADOS Se utiliza para variables continuas y discretas cuando el número de observaciones es mayor de 30 datos y se agrupan por intervalos o grupos.
PROCESO PARA LA CONSTRUCCIÓN DE LA TABLA DE FRECUENCIA PARA DATOS AGRUPADOS: 1. Calculamos el número de intervalos de clase representado por m. m: Es el numero de subgrupos en el cual se subdivide la variable. Se puede calcular: (1) 2. Calculo el rango R: Que es la diferencia entre el valor mayor y el menor valor que toma la variable. (2) : Valor máximo que toma la variable. : Valor mínimo que toma la variable. 3. Calculo de la amplitud de los intervalos, se denota por la letra: a (3) 4. Intervalos de clase: Esta es la primera columna de la tabla, comienza con el valor mínimo que toma la variable como el limite inferior de la primera clase, se le suma la amplitud como el calculo del limite superior de la primera clase y este a su vez será el limite inferior , de la segunda clase luego se le vuelve a sumar la amplitud para el limite superior de la segunda clase y así sucesivamente hasta llegar al ultimo intervalo. : Limite inferior del intervalo o clase : Limite superior del intervalo o clase. (4) nmlog3.31 nm minmaxXXR maxX minX mRa 1LI iLS aLILSii
5. Se busca la marca de clase que denotamos por la nueva , y es: (5) 6. La segunda columna de la tabla, para datos agrupados, es el frecuencia absoluta ( ): Es el número de observaciones que caen en el intervalo sin incluir el límite superior, es decir numero de datos mayores o iguales a , pero menores que o sea que el intervalo es cerrado hacia la izquierda y abierto a la derecha. Intervalo. Es importante anotar que el último intervalo de clase es cerrado a ambos lados, para no dejar información fuera del rango. 7. Se buscan las otras columnas, con las frecuencias , , , siguiendo el mismo procedimiento del de la tabla de frecuencia simple. Tabla 2 : Tabla de distribución de frecuencias datos agrupados iX 2iiiLSLIX Intervalos iiLSLI % 11LSLI 22LSLI
nnLSLI
2.6 METODOS GRAFICOS La presentación de la información mediante gráficos es algo que se analiza a diario y en forma casi natural por personas de diferentes profesiones. Los gráficos estadísticos nos permiten usar nuestra habilidad para visualmente procesar información de un grafico. Luego, un grafico es una de las mejores formas de conocer el material disponible pues facilita una comprensión global del problema en estudio. Los gráficos más usuales son: 2.6.1 GRAFICO DE PASTEL O CIRCULAR: Llamado también el grafico de sectores: Es un grafico en forma de circulo donde las categorías, se basa en una proporcionalidad entre la frecuencia y el ángulo central de una circunferencia, de tal manera que a la frecuencia total le corresponde el ángulo central de 360°. Para construir se aplica la siguiente formula: X = frecuencia relativa * 360°/S frecuencia relativa También lo podemos representar el forma porcentual, se divide tantas partes como categorías tenga de manera que el total del circulo sea el 100% y las cantidades se expresan en porcentaje. Si la variable es cualitativa (rubio, moreno, alto bajo, etc.) se suele utilizar más este tipo de grafico.
2.6.2 DIAGRAMA DE BARRAS: Se utiliza para frecuencias absolutas o relativas, acumuladas o no, de una VARIABLE DISCRETA. En el eje de abscisas, situaremos los diferentes valores de la variable. En el eje de ordenadas la frecuencia. Levantaremos barras o columnas SEPARADAS de altura correspondiente a la frecuencia adecuada. 01234567x1x2x3x4x5 HISTOGRAMA: Se emplea para ilustrar muestras agrupadas en intervalos. Esta formado por rectángulos unidos a otros, cuyos vértices de la base coinciden con los límites de los intervalos y el centro de cada
intervalo es la marca de clase, que representamos en el eje de las abscisas. La altura de cada rectángulo es proporcional a la frecuencia del intervalo respectivo. Es para variables CONTINUAS. Si la amplitud del intervalo es la misma, elevaremos columnas UNIDAS, a altura la frecuencia correspondiente. Si la amplitud del intervalo es diferente, el área del rectángulo columna será proporcional a la frecuencia representada. Frecuencia Acumulada Variable 2.6.4 POLÍGONO DE FRECUENCIAS: Es la recta que une los extremos de las variables de una distribución, un ejemplo clásico es el de la evolución de la temperatura de un paciente 0510152025x1x2x3x4x5 2.6.5 ACTIVIDAD El estudiante consultara el grafico de Tallo y Hoja y el diagrama de pareto x15x24x36x42x54
2.7 EJERCICIOS- DESCRIPCION DE LA INFORMACION POR METODOS GRAFICOS 1. Utilizando la siguiente información cree tabla de categorías con sus respectivos porcentajes, grafique e interprete En el ITM el ingreso de estudiantes para este semestre fue de 1000 de los cuales 200 ingresaron a tecnología de Electromecánica, 150 a tecnología de Electrónica, 250 a tecnología de Costos y Presupuestos, 200 a tecnología de MEB , y 200 a otras tecnologías 2. Utilizando la siguiente información genere una tabla de contingencia (tabla de doble entrada) realice gráficos de barras y circulares para cada variable e interprete. De los 200 empleados de una empresa 180 almuerzan en esta. Existen 150 hombres que en esta compañía trabajan, de los cuales 138 almuerzan en la compañía. 3. De la siguiente tabla de contingencia realice un grafico de barras y de pastel (o circular) para cada variable e interprete. De una muestra de 350 estudiantes de primer semestre del 2005 se obtuvo la siguiente tabla.
Estudiantes MATERIA Matemáticas CTS Lengua Materna TOTAL Aprobaron 100 50 70 220 No aprobaron 40 20 20 80 Desertaron 15 30 5 50 TOTAL 155 100 95 350 4. De la siguientes graficas realice una interpretación de la variable
EL LACER FUNCIONA HACIENDO CONVERGER ONDAS DE SONIDOLASER0 NOSE1 VERDADERO2 FALSO16,00% 13,60% 70,40% 5. En un curso de bachillerato de un colegio masculino se hizo una encuesta nutricional realizando un censo de edad y midiendo el peso de cada uno de los estudiantes del curso. El peso promedio fue 52 kilos, cuando el esperado según las edades era 58. EL LASER FUNCIONA HACIENDO CONVERGER ONDAS DE SONIDOPORCENTAJE0204060800 NOSE1 VERDADERO2 F
En consecuencia, se hizo una campaña para que los estudiantes equilibraran su alimentación y subieran un poco de peso. Para medir la efectividad de la campaña, tres meses después se hizo un nuevo control, cuyos resultados se pueden apreciar en las siguientes graficas: 1- De acuerdo con los datos registrados debe concluirse que la campaña fue: a. Efectiva, porque 3/5 de los estudiantes del curso supero el promedio inicial de peso. b. inefectiva, porqué el promedio de peso posterior a la campaña fue de 50,5 kilos que es el menor al inicial. c. efectiva, porque el promedio posterior a la campaña fue de 54 kilos que es mayor que el inicial. 2. Teniendo en cuenta las graficas, al hacer una comparación entre edades y pesos de los estudiantes, es correcto deducir que: a. Los estudiantes de 10 años pesan 45 kilos. b. El promedio de edad es superado por menos estudiantes que los que superan el promedio de peso. Histograma peso por estudiante0102030405060704550556065pesoNor de estudiantes
c. Los estudiantes que tienen 15 años pueden pesar entre 50 y 60 kilos. 6. Del siguiente grafico saque la tabla de distribución de frecuencias: No. DE ALUMNOS QUE DESERTAN POR AÑO DEL ITM9391205128915651469Año 2000Año 2001Año 2002Año 2
2.8 EJERCICIOS DESCRIPCION DE LA INFORMACION POR TABLAS 1. El gobierno desea averiguar si el número medio de hijos por familia ha descendido respecto de la década anterior. Para ello ha encuestado a 50 familias respecto al número de hijos, y ha obtenido los siguientes datos: 2 4 2 3 1 2 4 2 3 0 2 2 2 3 2 6 2 3 2 2 3 2 3 3 4 3
3 4 5 2 0 3 2 1 2 3 2 2 3 1 4 2 3 2 4 3 3 2 2 1 Se pide: a) ¿Cuál es la población objeto de estudio? b) ¿Qué variable estamos estudiando? c) ¿Qué tipo de variable es? d) Construir la tabla de frecuencias? e) ¿Cuál es el número de familias que tiene como máximo 2 hijos? f) ¿Cuántas familias tienen más de 1 hijo, pero como máximo 3? g) ¿Qué porcentaje de familias tiene más de 3 hijos?
h) Realice el grafico 2. Las siguientes son las dimensiones en milímetros, de tornillos elaborados por una máquina en la empresa z
174 170 167 159 162 169 168 156 188 168 187 188 168 185 184 174 170 159 178 169 173 186 184 178 176 186 174 163 156 160
a. Elabore una tabla de frecuencia y defina la variable y la frecuencia absoluta. b. Grafique el diagrama de frecuencia simple e interprételo c. Grafique el diagrama de frecuencia acumulada. d. Que porcentaje de tornillos tienen una dimensión entre 159mm y 170 mm e. Que porcentaje de tornillos tienen una dimensión de mas de 168mm? 3.- La siguiente tabla muestra la clasificación de 901 individuos según la satisfacción en el trabajo iX if Muy insatisfecho 62 Moderadamente insatisfecho 108 Moderadamente satisfecho 319 Muy satisfecho 412 Total 901 a. ¿Cuantos individuos están moderadamente satisfechos? b. ¿Que porcentaje representan Los individuos que están moderadamente insatisfechos?
c. Que Porcentaje de individuos esta muy satisfecho con el trabajo que realiza? d. Construya un grafico que represente la información. 4. En una muestra de 30 secretarias del municipio se registró el número de errores que cometen por página así: 5, 6,7,8,9,10,5,6,7,8,8,9,9,5,7,8,8,8,8,9,7,7,7,6,6,10,10,9,5,6 a. Elabore una tabla de frecuencia para datos no agrupados y defina variables b. Grafique el histograma de frecuencia simple e interprételo c. Grafique el histograma de frecuencia acumulada d. Cuantas secretarias cometen 7 errores o menos e. Cuantas secretarias cometen entre 8 y 10 errores f. Que porcentaje de secretarias cometen mas de 9 errores 5. Se quiere estudiar la eficacia de un nuevo insecticida para plantas de interior. Se seleccionan 50 plantas y se cuenta el número de hojas que han sido atacadas después de haber tratado la planta con el nuevo producto. Los resultados son: Hojas atacadas if 0 6 1 10 2 12 3 8 4 5 5 4 6 3 8 1
10 1
a. Termina de construir la tabla de frecuencias, y defina variables b. Cuantas plantas tienen como mínimo 6 hojas atacadas? c. Cuantas plantas tienen entre 3 y 6, inclusive, atacadas? d. Que porcentaje de plantas tienen 8 hojas atacadas. e. Que porcentaje de plantas tienen mas de 4 hojas atacadas? 6. Los datos que a continuación se presentan corresponden a las horas extras laboradas por un grupo de trabajadores de la empresa ANICA. 29 30 33 38 39 40 42 45 47 48 50 50 51 52 53 57 58 61 64 65 68 69 70 72 73
73 75 75 76 77 78 79 80 81 82 84 86 87 89 90 91 92 93 96 99 102 103 104 106 107 107 110 112 114 116
117 119 123 125 129 a. Defina objetivo y variable Realice un análisis para datos agrupados utilice 5 intervalos de clase interprete la tabla analizando la tercera fila b. Un Histograma y un Polígono de frecuencia c. cuantos trabajadores laboran 86 horas o menos d. que porcentaje de trabajadores laboran exactamente 72 horas e. Cual es el ingreso promedio de los trabajadores de XXXX. f. que porcentaje de trabajadores laboran mas de 114 horas g. a cuantas horas corresponde el 35% acumulado h. cuantos trabajadores laboran mas de 50 horas pero menos de 107 i. que porcentaje de trabajadores laboran 99 horas
j. que porcentaje de trabajadores laboran mas de 130 horas 7. Los datos siguientes son una muestra aleatoria de los ingresos en $ obtenidos por copagos en el Centro Medico Santa Maria, en los meses de mayo y junio 112143 304091 425465 493934 570686 117322 309244 430124 495527 573919 140004 314086 433319 499346 596062 145570 330258 435774 504772 614128 153640 354757 437977 507980 620631
180198 402223 440198 546039 663476 184376 402489 453729 546542 663966 224896 417376 461788 551905 682091 250364 417437 462620 566340 693258 278180 420434 487794 566940 724349 Utilice una amplitud de 87458 intervalos para describir la información en una tabla de frecuencia para datos agrupados. a. Describa la información obtenida interpretando toda la fila 3 b. Grafiqué e interprete los histogramas de frecuencia (los dos) c. Que porcentaje de copagos fue mayor $417437. 8. Los datos que a continuación se presentan corresponden a las horas extras laboradas por una muestra de trabajadores de EEPP.
CLASE i LIi LSi Xi fi Fi hi Hi 1 5 2 68 15 3 78 20
4 15 5 5 60
guia-de-estadistica
a. Cuantos trabajadores laboraron 88 horas o más b. Que porcentaje de trabajadores laboraron entre 68 y menos de 108 c. Que porcentaje de trabajadores laboro menos de 50 horas d. El 20% de trabajadores, máximo cuantas horas trabaja. e. Interpreta los datos de la fila 3. 9. Los 97 empleados de una fábrica textil, se clasificaron de acuerdo al tiempo laborado para la empresa, con la siguiente distribución: Clase Tiempo trabajado (años) Número de trabajadores 1 0 < 5 10 2 5 < 10 28 3 10 < 15 27 4 15 <20 14 5 20 < 25 6 6 25 <=30 12 a. Cuantos trabajadores han laborado entre 10 y menos de 24
años b. Que porcentaje de trabajadores laboran entre 10 y menos de 19 años c. Que porcentaje de trabajadores laboran 15 o mas años d. Calcule la media e interprete. e. Que porcentaje de trabajadores tienen 15 años o mas de tiempo laborado en la empresa.
3 CAPITULO 3 COMPETENCIA Describir y analizar información cuantitativa utilizando métodos numéricos. EJES TEMATICOS Métodos numéricos para describir información Medidas de tendencia central Media aritmética Mediana Moda. Medidas de Dispersión: Desviación estándar Coeficiente de variación Regla empírica 3. METODOS NUMERICOS PARA DESCRIBIR INFORMACION Para realizar comparaciones cuantitativas, se requieren descripciones de datos más concisas, que las obtenidas por medio de un histograma.
Las características más importantes de la distribución de una variable son las medidas de tendencia central y de dispersión o variación. METODOS NUMERICOS 3.1 MEDIDAS DE TENDENCIA CENTRAL Son aquellas que se encuentran localizadas hacia el centro de la información. Estas medidas se buscan tanto para datos simples como para datos agrupados. Organigrama MEDIA ARITMETICA MEDIDAS DE VARIACION VARIANZA MEDIDAS DE TENDENCIA CENTRAL METODOS NUMERICOS MEDIANA MODA DESVIACION STANDAR COEFICIENTE DE VARIACION
3.1.1 MEDIA ARITMETICA: Se define como el promedio de los valores de la distribución de datos y es el estadístico más comúnmente usado para medir la tendencia central dada su simplicidad. Se denota por , cuando hablamos de muestras, i=1,2, .,n X niiinfxX1 3.1.1.1 ACTIVIDAD: Investigue: a. Cual es; y a que es igual la media poblacional? b. ¿Será igual la media aritmética para datos simples y agrupados? 3.1.2 MEDIANA: La mediana corresponde al valor situado en el centro de las observaciones, cuando estas son agrupadas en orden de magnitud; es decir la mediana parte a la distribución de datos en dos partes iguales, por ser también una medida de localización no es afectada por valores extremos. 3.1.2.1 CALCULO DE LA MEDIANA PARA DATOS SIN AGRUPAR: Para el cálculo de la mediana se deben tener los datos organizados en orden ascendente y se debe considerar cuando el número de datos es impar o par.
a) Cuando el numero de datos es impar (n impar) , la mediana es el valor que se encuentra en la posición . 21n 21nexm b) Cuando el numero de datos es par ( n par) la mediana es la suma de los dos valores centrales dividida por dos . 3.1.2.2 CALCULO DE LA MEDIANA PARA DATOS AGRUPADOS: Para calcular la mediana cuando se tiene la información agrupada en intervalos, procedemos de la siguiente forma: 1. Calcular n/2. 2. Encontrar la en la tabla que contenga inmediatamente a n/2. 3. Calcular la mediana con la siguiente ecuación. Nomenclatura de la tabla de datos agrupados. : limite inferior del intervalo i que corresponde a . : Frecuencia absoluta acumulada del que corresponde al intervalo de la mediana. 2122nnexxm if 112iiiieFFFnaLIm iLIiF iF Frecuencia absoluta acumulada, que corresponde al intervalo anterior al de la mediana. 1iF
a : amplitud del intervalo. 3.1.3 MODA Es el valor más común de la distribución de datos. Igual a la mediana se calcula para datos agrupados y sin agrupar. 3.1.3.1 MODA PARA DATOS SIN AGRUPAR. La moda es el valor ( ), que mas se repite; es decir el valor de la variable que mayor frecuencia absoluta tiene. (Correspondiente al mayor) ix xoxmif 3.1.3.2 MODA PARA DATOS AGRUPADOS. Para calcular la moda cuando la información es agrupada por intervalos utilizamos la siguiente ecuación. + : limite inferior del intervalo i que corresponde a a : amplitud del intervalo. : Frecuencia absoluta del intervalo en que esta la moda. : Frecuencia absoluta posterior al intervalo que se encuentra la moda. : Frecuencia absoluta anterior al intervalo donde se encuentra la moda. ioLIm )2( )( 111iiiiifffffa if if 1if 1if
3.2 MEDIDAS DE POSICION Las medidas de posición mas utilizadas son los cuartiles, deciles y percentiles Como su nombre lo indica, muestran la posición de la distribución de datos: 3.2.1 LOS CUARTILES Son 3 valores que distribuyen la serie de datos, ordenada de forma creciente o decreciente, en cuatro tramos iguales, en los que cada uno de ellos concentra el 25% de los resultados. Calcular (posición del Cuartil) encontrar la frecuencia Absoluta acumulada que inmediatamente contenga a y aplicar Donde, K=1,2, , n 4Kn iF 4Kn 114iiiikFFFknaLIq 3.2.2. LOS DECILES: Son 10 valores que distribuyen la serie de datos, ordenada de forma creciente o decreciente, en diez tramos iguales, en los que cada uno de ellos concentra el 10% de los resultados. Donde es la posición del decil 1110iiiikFFFknaLId 10kn
3.2.3 LOS PERCENTILES Son 100 valores que distribuyen la serie de datos, ordenada de forma creciente o decreciente, en cien tramos iguales, en los que cada uno de ellos concentra el 1% de los resultados. 3.2.4 ACTIVIDAD Investiga como se buscan los deciles y los percentiles para datos sin agrupar y datos agrupados.. 3.3 MEDIDAS DE DISPERSION Las medidas de dispersión pueden ser usadas para estimar la confiabilidad de un promedio o para compara cual de dos muestras es mas homogénea. Una dispersión baja indica que el promedio es representativo y confiable, si la dispersión es alta el promedio tiene poca utilidad practica. Las Medidas de dispersión mas utilizadas son: - El Rango - La desviación media - La varianza - La desviación Típica o Estándar - El coeficiente de variación. 3.3.1 LA VARIANZA Se conoce también como el error cuadrático y mide la variación en unidades cuadráticas de los datos con respecto a la media.
Calculo de la Varianza: i= 1,2, ..,N Varianza Poblacional i= 1,2, .,n Varianza Muestral 3.3.1.1 ACTIVIDAD Demuestre utilizando propiedades de sumatorias que, la varianza también puede ser igual a: = 3.3.2 DESVIACION ESTÁNDAR Indica el grado de dispersión o alejamiento de los datos con respecto a su promedio. Se calcula como la raíz cuadrada de la varianza. Calculo de la desviación Típica o estándar: i= 1,2,3, .,n 3.3.3 COEFICIENTE DE VARIACION NfXiiNi212 niiinfXXS1221 niiinfXXS1221 niiinXnfX1221 122nXnfXSii Es el porcentaje de variación de la distribución de datos. Se puede definir en forma empírico, que si el valor del coeficiente no excede
el 20%, la distribución de datos es homogénea y si es mayor del 20% la distribución de datos es heterogénea, osera pueden existir valores extremos que se deben analizar. Calculo del coeficiente de variación: Coeficiente de variación muestral 3.3.4 REGLA EMPIRICA Cuando tenemos datos que tiene aproximadamente una distribución normal (simétricos, unimodales, en forma de campana), observaremos aproximadamente: el 68% de los datos a una desviación estándar o menos de la media, el 95% a una distancia de dos o menos desviaciones estándar de la media y el 99% a una distancia de tres o menos desviaciones estándar de la media. De donde = 68% Representación gráfica de esta función de densidad 100* XSCV SX %952SX %7,993SX
3.4 EJERCICIOS SOBRE MEDIDAS DE TENDENCIA CENTRAL, POSICION Y VARIACION. 1. Hallar la media, mediana y la desviación de los siguientes conjuntos de números: a) {5, 4, 8, 3, 7, 2, 9} b) {18,3; 20,6; 19,3; 22,4; 20,2; 18,8; 19,7; 20,0} c) {121, 441, 930, 587, 788, 49, 749, 786, 581} 2. En la siguiente tabla encontramos las dimensiones en milímetros, de tornillos elaborados por una máquina en la empresa z . iX if 156 2 159 2 162 2 168 4 170 3 174 4 178 3 184 2 186 2 188 1
a. Calcular la dimensión promedio de los 25 tornillos? b. Cual es la dimensión en mm que mas se repite? c. Calcular el 50% de la dimensión de los 25 tornillos? d. Calcular el 25%, 75% , 30% de la información? e. Interpretar Resultados f. Interpretar la fila 7. g. Calcule el error cuadrático de la información
3. Tenemos información correspondiente al número de horas diarias trabajadas por una persona contratada durante doce días en una determinada empresa: 8, 8, 7, 8, 7, 9, 9, 5, 6, 7, 8, 8. a. Calcular la media Aritmética b. Calcular la mediana y la moda. c. Interpretar resultados d. Calcular cual es el 30% de la información? e. Calcular la desviación Típica y el coeficiente de variación. 4. La siguiente tabla nos muestra el número de hermanos que tienen los estudiantes del curso de geometría del programa de telecomunicaciones del ITM. xi fi hi Fi 2 10 0,25 3 4 15 0,375 30 5 0,25 a. Completar la tabla. Definir la variable y la frecuencia absoluta. b. Calcular el promedio de hermanos de los estudiantes del
curso de geometría. c. Calcular el 75% de la información. d. Cual es el número de hermanos que mas tienen los estudiantes del curso de geometría del ITM. e. Calcular la mediana de la información e interpretar resultados. 5. Se quiere estudiar la eficacia de un nuevo insecticida para plantas de interior. Se seleccionan 50 plantas y se cuenta el número
de hojas que han sido atacadas después de haber tratado la planta con el nuevo producto. Los resultados son: Hojas atacadas 0 6 1 10 2 12 3 8 4 5 5 4 6 3 8 1 10 1 a. Calcular el promedio de hojas atacadas? b. Calcular la mediana de la información e interpretar resultados. c. Calcular el 20%, el 60 y el 75% de l d. Cual es el número de hojas atacadas que más se repiten. 6. Con la información del ejercicio 5 del taller No. 4 Responda las siguientes preguntas: a. Que promedio de horas extras trabajan los trabajadores de Anica? b. Cuantas horas extras trabajan el 75% de los trabajadores? c. Cual es el 50% o menos de las horas extras que trabajan los trabajadores de la empresa?
d. Cual es el común de horas extras que mas laboran los trabajadores? e. Calcular los cuartiles de la información?
7. Una empresa de Transporte internacional quiere estudiar los días que transcurren hasta hacer la entrega de los encargos (X). La información se encuentra en el computador central de la empresa, el cual ha resumido esta en la siguiente tabla de frecuencias. Intervalos iiLSLI 0 2 25 2 - 4 20 4 - 6 15 6 - 8 17 8 - 10 13 a. Defina la variable y la frecuencia absoluta b. Cual es el promedio de encargos en los días transcurridos. c. Cual es el 50% o mas de de los encargos en los 90 días transcurridos? d. Cual es el común de encargos en los 90 días? e. Calcular el 25% y 75% de los encargos en los 90 días? f. Interpretar resultados. 8. Un estudio realizado entre un conjunto de personas con el fin de observar la relación entre la inteligencia y el nivel socioeconómico (medio por el salario mensual familiar) arroja los siguientes datos, discriminando dos grupos según el cociente intelectual.
INTERVALOS CI <95 CI = o > 95 1000 - 3000 75 19 3000 - 5000 35 26 5000 - 7000 20 25 7000 - 9000 30 30 9000 - 11000 25 54 11000 -11999 15 46 a) Hallar media, mediana, moda, los cuartiles y el decil 2 y el percentil 37 para cada grupo y para todo el conjunto. b) Encontrar el Coeficiente de Variación y afirmar si la muestra es homogénea o heterogénea. 9. Los datos a continuación muestran la distancia de frenado para 35 automóviles que circulan cada uno sobre una superficie húmeda de 30 millas por hora. 63 67 90 85 86 63 85 74 72 85 71 95 85 62 85 84 70 63 72 70 100 94 91 66 69 70 64 73 103 104 90 71 75 62 85 a. Definir las variables b. Encontrar el promedio de distancia de frenado de los 35 automóviles
c. Interprete los datos de la fila 3. d. Cual es la distancia de frenado que mas se repite. e. Calcular el 50% de la distancia de frenado de los 35 automóviles?
f. Encontrar el 25%, 60% y 75% de las distancias de frenado de los automóviles? g. Interpretar las respuestas h. Calcular cual es el 50% de la distancia de frenado. i. Calcular la desviación de las observaciones alrededor de la media. 10. A continuación se dan los resultados obtenidos en una muestra de 50 individuos donde se deja constancia del tiempo de reacción, en segundos, a un estímulo auditivo. 0,113 0,110 0,126 0,112 0,117 0,113 0,135 0,107 0,122 0,118 0,113 0,098 0,122 0,105 0,103 0,119 0,100 0,117 0,113 0,106 0,124 0,118 0,132 0,108 0,115
0,120 0,107 0,123 0,109 0,128 0,117 0,111 0,112 0,101 0,112 0,111 0,119 0,103 0,100 0,094 0,108 0,120 0,099 0,102 0,129 0,115 0,121 0,130 0,134 0,114 a) Hallar la media, la mediana, la moda, los cuartiles y el decil 4 y el percentil 85, la varianza y el coeficiente de variación. b) Reagrupar los datos en un cuadro donde la variable tome intervalos: 0 0,100; 0,100 0,110; 0,110 0,120; 0,120 0,130; 0,130 0,140
c) Hallar los mismos datos que se hallaron para en a) pero ahora para los datos agrupados
11. Las edades de una muestra aleatoria de 10 estudiantes del programa diurno y nocturno del postgrado en administración de una universidad son: Diurno 24 30 28 23 25 22 26 27 28 25 Nocturno 26 33 29 28 27 29 33 34 27 28 Si la homogeneidad del grupo es un factor positivo de aprendizaje, aplicar una medida de variabilidad relativa para indicar a cual grupo es más fácil enseñarle. 12. Un registro del peso (medido en libras) de un conjunto de 40 personas arrojó la siguiente distribución de frecuencias relativas acumuladas Peso
iF 118 127 0,075 127 136 0,200 136 145 0,425 145 154 0,700 154 163 0,850 163 172 0,900 172 181 1 a) Hallar la media, la mediana, la moda. b) Encontrar los cuartiles y el decil 10.
c) Encontrar la desviación estándar y el coeficiente de variación. d) Interprete resultado. 13. Un número de cheques cobrados diariamente en 5 sucursales de un banco durante un mes tuvo la siguiente distribución de frecuencias. NUMERO DE CHEQUES FRECUENCIA 0 200 10 200 400 13 400 - 600 17 600 800 42 800-1000 18 El director de operaciones del banco, sabe que una desviación estándar en el cobro de los cheques de más de 200 cheques diarios crea problemas de organización y dotación de personal en las sucursales, debido a una carga de trabajo no uniforme. Que se puede concluir?
4 CAPITULO 4 COMPETENCIA Conocer el concepto de probabilidad, su terminología y el Cálculo de probabilidades simples EJES TEMATICOS Introducción a la probabilidad Modelo clásico de probabilidad Análisis combinatorio Reglas de la probabilidad Teorema de Bayes 4 PROBABILIDADES La estadística consta de herramientas y métodos que nos permite evaluar la confiabilidad de conclusiones obtenidas a partir de datos muéstrales. De todas las herramientas que utiliza la estadística el concepto de probabilidad es el más importante. Todo esfuerzo por reducir el nivel de incertidumbre en el proceso de toma de decisiones incrementará enormemente la probabilidad de que tomen decisiones más inteligentes y bien informadas.
El propósito de esta unidad es ilustrar las formas en las cuales puede medirse la posibilidad o probabilidad de ocurrencia de eventos futuros. Al mejorar la habilidad para juzgar la ocurrencia de eventos futuros, se puede minimizar el riesgo y la especulación arriesgada relacionadas con el proceso de toma de decisiones. A continuación estudiaremos unos conceptos básicos de probabilidad 4.1 CONCEPTOS BASICOS DE PROBABILIDAD: EXPERIMENTO: es cualquier proceso al azar que produce un resultado. RESULTADO: Efectos obtenidos del experimento ESPACIO MUESTRAL: es el conjunto de todos los posibles resultados de un experimento estadístico, tiene relación con el conjunto universal de la teoría de conjuntos. Se representa con la letra mayúscula S EVENTO: Es un subconjunto del espacio muestral que puede tener 1 o más elementos se denotan con letras mayúsculas similar a los subconjuntos de la teoría de conjuntos. PUNTOS MUESTRALES Es el numero de posibles resultados que hay en un espacio muestral.
4.1.1 ACTIVIDAD. Según las definiciones anteriores, construye un ejemplo que represente estas definiciones. 4.2 MODELOS DE PROBABILIDAD Existen tres modelos principales de probabilidad, a saber: 4.2.1 MODELO CLASICO - A - PRIORI (O sea Antes del Hecho) La probabilidad clásica de un evento E se determina: resultadosposiblesdetotalnumeroeventoelocurrirpuedequeenformasdeNumeroEPr Para asignar probabilidades a los diversos puntos muéstrales se ha convenido dos reglas principales: 1. La probabilidad de cada punto muestral debe estar entre 0 y 1, o sea, 10EPr 2. La suma de las probabilidades de todos los puntos muéstrales debe ser iguales a uno (1). 4.2.2 MODELO SUBJETIVO: Cuando se desea asignar probabilidad a un evento que nunca ha ocurrido, y por tanto no se tienen datos pasados disponibles. Esta probabilidad se establece con base en la mejor evidencia disponible.
guia-de-estadistica
4.2.3 MODELO DE PROBABILIDAD EMPIRICO, A - POSTERIORI El modelo de frecuencia relativa llamado también modelo a posteriori utiliza datos que se han observado empíricamente, registra la frecuencia con que ha ocurrido algún evento en el pasado y estima la probabilidad de que el evento ocurra nuevamente con base en estos datos históricos. La probabilidad de un evento con base en el modelo de frecuencia relativa se determina mediante: nesobservaciodetotalnumeropasadoeleneventoelocurridohaqueevecesdnumeroEP 4.3 COMPLEMENTO DE UN EVENTO. Conjunto de todos los eventos muestrales que no pertenecen al conjunto A. Denotado por ò , entonces, AA1APAP 4.4 ACTIVIDAD Antes de entrar a las reglas de probabilidades, repasa operaciones con conjuntos (Intersección, unión y complemento) 4.5 REGLAS DE POBABILIDAD- La solución de muchos problemas sobre probabilidades requiere una cabal comprensión de algunas reglas fundamentales que rigen el manejo de ellas. En general estas reglas nos permiten
determinar la probabilidad de un suceso si se conocen las probabilidades de otros sucesos relacionados con él. Las más importantes de estas reglas son: Regla de la adición, Regla de la multiplicación y Regla de Bayes. 4.5.1 REGLA DE LA ADICION Expresa que la probabilidad de que ocurra un evento A o B o ambos es igual a la probabilidad del evento A mas la probabilidad del evento B, menos la probabilidad que ocurran ambos. BAPBPAPBAP 4.5.1.1 POBABILIDAD DE EVENTOS MUTUAMENTE EXCLUYENTE: Dos eventos A y B son mutuamente excluyentes, sino pueden ocurrir simultáneamente, o sea 0BAP Entonces si dos eventos son mutuamente excluyentes la regla de la adición viene dada por: . BPAPBAP 4.5.1.2 ACTIVIDAD Investigue un ejemplo de eventos mutuamente excluyentes 4.5.2 PROBABILIDAD CONDICIONAL:
La probabilidad de que un evento B ocurra, cuando se sabe que ya ocurrió algún evento A , se llama probabilidad condicional y se denota por: ABP
Se lee como la probabilidad de B dado A y es igual: ò )(APBAABP Si, BPABBAP0,BPAP 4.5.3. REGLA DE LA MULTIPLICACION La fórmula para la probabilidad condicional puede manipularse algebraicamente de forma tal que la probabilidad conjunta pueda determinarse a partir de la probabilidad condicional de un evento. De la siguiente forma: BAP Donde, ABPAPBAP Probabilidad conjunta de los eventos A y B :BAP Probabilidad marginal del evento A. :AP Probabilidad condicional del evento B dado el evento A. ABP 4.5.3.1 EVENTOS INDEPENDIENTES Dos eventos A y B son independientes cuando la ocurrencia de uno, no influye sobre la probabilidad de la ocurrencia del otro. Esto quiere decir, que independiente de que el evento A haya ocurrido o no, la probabilidad asignada al evento B es siempre la misma, O sea BPABP Entonces la regla de la multiplicación para sucesos independientes esta dada por: BPAPBAP*
4.5.3.2 ACTIVIDAD: 1. Identifica la diferencia entre eventos mutuamente excluyentes y eventos independientes. 2. Investiga sobre el diagrama del árbol. 4.5.4 TEOREMA DE BAYES: Sean un sistema completo de sucesos, tales que la probabilidad de cada uno de ellos es distinta a cero, y sea B un suceso cualquiera del que se conocen las probabilidades condicionales , entonces la probabilidad de , viene dada por la expresión: NAAA,,,21. iABP BAPi Para i= 1,2, ,n nJJJIIiAPABPAPABPBAP01 4.6 ANÁLISIS COMBINATORIO Es una herramienta matemática muy útil para saber el total de resultados posibles en un experimento estadístico o espacio muestral. Son usadas para enumerar eventos difíciles de cuantificar
4.6.1 TÉCNICA DE LA MULTIPLICACIÓN Si hay m formas de hacer una cosa y hay n formas de hacer otra cosa, hay m x n formas da hacer ambas cosas. Numero Total de arreglos = m x n Esto puede ser extendido a más de dos eventos. Para tres eventos, m, n, y o: Numero Total de arreglos = m x n x o Ejemplo: Un vendedor de autos quiere presentar a sus clientes todas las diferentes opciones con que cuenta: auto convertible, auto de 2 puertas y auto de 4 puertas, cualquiera de ellos con rines deportivos o estándar. ¿Cuántos diferentes arreglos de autos y rines puede ofrecer el vendedor? Para solucionar el problema podemos emplear la técnica de la multiplicación, (donde m es número de modelos y n es el número de tipos de rin). Numero Total de arreglos = 3 x 2 No fue difícil de listar y contar todos los posibles arreglos de modelos de autos y rines en este ejemplo. Suponga, sin embargo, que el vendedor tiene para ofrecer ocho modelos de auto y seis tipos de rines. Sería tedioso hacer un dibujo con todas las posibilidades. Aplicando la técnica de la multiplicación fácilmente realizamos el cálculo:
Numero Total de arreglos = m x n = 8 x 6 = 48 4.6.2 TÉCNICA DE LA PERMUTACIÓN Como vimos anteriormente la técnica de la multiplicación es aplicada para encontrar el número posible de arreglos para dos o más grupos. La técnica de la permutación es aplicada para encontrar el número posible de arreglos donde hay solo o grupo de objetos. Como ilustración analizaremos el siguiente problema: Tres componentes electrónicos - un transistor, un capacitor, y un diodo - serán ensamblados en una tablilla de una televisión. Los componentes pueden ser ensamblados en cualquier orden. ¿De cuantas diferentes maneras pueden ser ensamblados los tres componentes? Las diferentes maneras de ensamblar los componentes son llamadas permutaciones, y son las siguientes: T D C D T C C D T T C D D C T C T D PERMUTACION: Todos los arreglos de r objetos seleccionados de n objetos posibles, importando el orden de escogencia. La fórmula empleada para contar el número total de diferentes permutaciones es: n P r = n! (n r )!
Donde: nPr es el número de permutaciones posible n es el número total de objetos r es el número de objetos utilizados en un mismo momento n P r = n! = 3! = 3 x 2 = 6 (n r )! ( 3 3 )! 1 Ejemplo: Suponga que hay ocho tipos de computadora pero solo tres espacios disponibles para exhibirlas en la tienda de computadoras. ¿De cuantas maneras diferentes pueden ser arregladas las 8 máquinas en los tres espacios disponibles? n P r = n! = 8! = 8! = 336 (n r )! ( 8 3 )! 5!
En el análisis anterior los arreglos no presentan repeticiones, es decir, no hay dos espacios disponibles con el mismo tipo de computadora. Si en los arreglos se permite la repetición, la fórmula de permutaciones es la siguiente: n Pr = nr Para ilustrar el punto, queremos saber ¿cuántas series de 2 letras se pueden formar con las letras A, B, C, si se permite la repetición? Las permutaciones son las siguientes: AA, AB, AC, BA, CA, BB, BC, CB, CC Usando la fórmula: n Pr = nr = 3P2 = 32 = 9
4.6.3 TÉCNICA DE LA COMBINACIÓN En una permutación, el orden de los objetos de cada posible resultado es diferente. Si el orden de los objetos no es importante, cada uno de estos resultados se denomina combinación. Por ejemplo, si se quiere formar un equipo de trabajo formado por 2 personas seleccionadas de un grupo de tres (A, B y C). Si en el equipo hay dos funciones diferentes, entonces si importa el orden, los resultados serán permutaciones. Por el contrario si en el equipo no hay funciones definidas, entonces no importa el orden y los resultados serán combinaciones. Los resultados en ambos casos son los siguientes: Permutaciones: AB, AC, BA, CA, BC, CB Combinaciones: AB, AC, BC COMBINACIONES: Es el numero de seleccionar r objetos de un grupo de n objetos sin importar el orden. La fórmula de combinaciones es: n C r = n! r! (n r )! Ejemplo: En una compañía se quiere establecer un código de colores para identificar cada una de las 42 partes de un producto. Se quiere marcar con 3 colores de un total de 7 cada una de las partes, de tal suerte que cada una tenga una combinación de 3 colores diferentes. ¿Será adecuado este código de colores para identificar las 42 partes del producto?
Usando la fórmula de combinaciones: n C r = n! = 7! = 7! = 35 r! (n r )! 3! ( 7 3 )! 3! 4! El tomar tres colores de 7 posibles no es suficiente para identificar las 42 partes del producto.
4.5 EJERCICIOS PROBABILIDAD 1. ¿Cuál modelo de probabilidad es apropiado para cada uno de los experimentos enumerados a continuación? Explique el porque de su respuesta. a. El índice Dow Jones del precio de las acciones hoy será alto b. Una unidad de producción será defectuosa c. Sacar un 6 con un dado d. El sol será nova 2. Cite 3 ejemplos para cada uno de los tres modelos de probabilidad 3. Durante el año anterior, las ventas semanales en un supermercado de la ciudad han sido bajas durante 16 semanas, considerables durante 27 semanas y altas el resto de las semanas. ¿Cuál es la probabilidad de que las ventas de esta semana sean: a. Considerables b. Bajas c. Altas d. Por lo menos considerables 4. Se lanza un par de dados a. Encuentre los elementos del espacio muestral S b. Encuentre los elementos contenidos en el suceso de que la suma de los puntajes sea 9 c. Encuentre los elementos contenidos en el suceso y que la suma sea 4 o 5
5. Un experimento consiste en señalar 3 piezas en un proceso manufacturero y observar si son defectuosos D o no defectuosos N a. Encuentre todos los elementos del espacio muestral S b. Enumere los elementos contenidos en el suceso de que el número de piezas defectuosas sea 0 c. ¿Cómo puede definir el suceso A = . DDN, DND, NDD . ? 6. Consulte como se define y como se representa en un diagrama de Venn a. Complemento de un evento A b. Intersección de dos eventos A y B c. La unión de dos eventos A y B d. ¿Cuándo dos eventos A y B son mutuamente excluyentes o disjuntos? 7. Usted recolectó datos sobre 500 economistas en la academia, la industria privada, y el gobierno respecto a sus opiniones sobre si la economía podría ser estable, podría expandirse o podría entrar en un periodo de contracción en el futuro próximo. Sin embargo, parte de la información se perdió, resultando la siguiente tabla de contingencia parcial. Con base en los datos restantes cree una tabla de probabilidades. Economistas Estable () 1E Expansión() 2E Contracción 3E TOTAL Academia( )1A 100 110 Industria Privada () 2A
40 210 Gobierno () 3A 40 0 70 TOTAL 200
Llene la tabla de contingencia y calcule 1. La tabla de probabilidad conjunta 2. Si saca una persona al azar cual es la probabilidad de a. Que sea economista de la academia. b. Que sea economista de la industrial y que su opinión no sea estable c. Que sea economista del gobierno o que su opinión sea de expansión. 8. Sean A y B dos sucesos independientes con probabilidades respectivas 0,5 y 0,2 ; Cual es la probabilidad de AB? 9. Se lanza un dado no cargado. ¿Cuál es la probabilidad de obtener a. un número impar b. un número mayor que 3 c. 10. La probabilidad de que llueva el 12 de octubre es o.10; de que truene es 0.05 y de que llueva y truene es 0.03. ¿Cuál es la probabilidad de que llueva o truene en ese día? 11. En una caja que contiene tres bolas, una roja, una azul y una blanca, se extraen 2 bolas cual es la probabilidad de extraer una bola roja y una azul? 12. Supóngase que se toma una carta de una baraja de 52 cartas determine cual es la probabilidad que sea espada o roja.
13. En cierta comunidad, la probabilidad de que una familia tenga televisor es 0.80; una maquina lavadora es 0.50 y de que tengo ambas es 0.45. ¿Cuál es la probabilidad de que una familia tenga televisor o maquina lavadora o ambas. 14. De los estudiantes de una universidad, el 40% son varones y el 4% son varones que estudian Arte. Si se elige un estudiante al azar y éste resulta ser un varón, ¿cuál es la probabilidad de que estudie Arte? 15. Una urna contiene 4 bolitas blancas y 3 rojas. a. Si se sacan dos bolitas sin restitución, ¿cuál es la probabilidad de que las dos sean blancas? b. Si se sacan dos bolitas con restitución, ¿cuál es la probabilidad de que las dos sean blancas? 16. Se lanza un dado tres veces. Cuál es la probabilidad de: a. No obtener tres seis consecutivos b. Que aparezca la misma cara tres veces. 17. Un lote de 100 fusibles contiene dos fusibles defectuosos. Si se prueban los fusibles uno por uno, ¿cuál es la probabilidad de que el último fusible defectuoso sea detectado en la tercera prueba? 18. La probabilidad de que Sor Alicia estudie para un examen final de Estadística es 0.20. Si estudia la probabilidad de que apruebe el examen es de 0.80 en tanto que si no estudia la probabilidad es de sólo 0.50
a. ¿Cuál es la probabilidad de que Sor Alicia apruebe el examen final de Estadística? b. Dado que Sor Alicia aprobó el examen, ¿cuál es la probabilidad de que ella halla estudiado? 19. Si se toman 2 cartas con reemplazo de un monte de 52 cartas. Determine la probabilidad que la primera sea reina y la segunda sea figura? 20. La urna A contiene 4 bolitas blancas y 3 rojas y la urna B contiene 2 blancas y 5 rojas . Se lanza un dado, si resulta 1 o 2 se sacan 2 bolitas sin sustitución de la urna A; si resulta 3,4,5,6, se sacan dos bolitas sin restitución de la urna B. a. ¿Cual es la probabilidad de que las dos bolitas resulten ser blancas? b. Dado de que las dos bolitas son blancas, ¿Cual es la probabilidad que se haya elegido la urna A? 21. Tres máquinas, A, B y C, producen el 45%, 30% y 25%, respectivamente, del total de las piezas producidas en una fábrica. Los porcentajes de producción defectuosa de estas máquinas son del 3%, 4% y 5%. a. Seleccionamos una pieza al azar; calcula la probabilidad de que sea defectuosa. b. Tomamos, al azar, una pieza y resulta ser defectuosa; calcula la probabilidad de haber sido producida por la máquina B. c. ¿Qué máquina tiene la mayor probabilidad de haber producido la citada pieza defectuosa?.
22 Juanita invito a sus amigos a cenar. Juanita tiene 10 amigos, pero solo tiene 6 lugares en la mesa. a) ¿De cuantas maneras los puede sentar a la mesa?, si no le importa como queden acomodados. b) ¿De cuantas maneras los puede sentar a la mesa?, si le importa como queden acomodados. c) Dos de sus amigos son un feliz matrimonio, Juanita decidió sentarlos a la mesa juntos. ¿De cuantas maneras los puede sentar a la mesa?, si no le importa como queden acomodados los demás. d) ¿De cuantas maneras los puede sentar a la mesa?, si le importa como queden acomodados los demás. e) Dos de sus amigos son enemigos, Juanita no los quiere sentar juntos a la mesa. ¿De cuantas maneras los puede sentar a la mesa?, si no le importa como queden acomodados los demás. f) ¿De cuantas maneras los puede sentar a la mesa?, si le importa como queden acomodados los demás. g) Los amigos de Juanita son 4 mujeres y 6 hombres. Juanita quiere que siempre haya 2 mujeres sentadas a la mesa. ¿De cuantas maneras los puede sentar a la mesa?, si no le importa como queden acomodados. h) ¿Cuál es la probabilidad, si los selecciona al azar, de queden sentados a la mesa puros hombres?
i) ¿Cuál es la probabilidad, si selecciona al azar 3 hombres y 3 mujeres, y asigna los lugares al azar también, queden sentados intercalados hombres y mujeres? 23.- En la escuela primaria Netzahualcoyotl imparte clase la maestra Bety. Ella es feliz enseñando al grupo de tercer grado, que está compuesto por 15 niñas y 12 niños. Bety propone a los niños formar una mesa directiva del grupo formada por cinco de ellos. La mesa directiva estaría formada por un presidente, un secretario, un tesorero, y dos vocales. a) ¿De cuantas maneras puede formar la mesa directiva?, si no le importa como queden asignados los puestos. b) Betty piensa que como hay más niñas que niños la mesa directiva debe integrarse por 3 niñas y 2 niños. ¿De cuantas maneras puede formar la mesa directiva?, si no le importa como queden asignados los puestos. c) La maestra Susana (la de cuarto) le sugiere que solo el puesto de presidente sea para niñas y los otros 4 puestos sean para niños. ¿De cuantas maneras puede formar la mesa directiva?, si no le importa como queden asignados los otros puestos. d) El profesor de educación física ( Ramón ) dice que todos los puestos deben de ser para niños, pero podría dársele el puesto de secretaria a una niña. ¿De cuantas maneras puede formar la mesa directiva?, si le importa como queden asignados los otros puestos.
e) En el grupo de tercer grado hay 4 reprobados (3 niños y una niña) y la maestra Bety decidió que ellos no pueden formar parte de la mesa directiva. ¿De cuantas maneras puede formar la mesa directiva?, si no le importa como queden asignados los puestos. f) ¿Cuál es la probabilidad, si se selecciona la mesa directiva al azar entre todos los integrantes del grupo de tercer grado, quede integrada por puras niñas? Sin importar como queden asignados los puestos. g) ¿Cuál es la probabilidad, si se selecciona la mesa directiva al azar entre todos los integrantes del grupo de tercer grado, quede integrada por puros niños? Sin importar como queden asignados los puestos. h) ¿Cuál es la probabilidad, si se selecciona la mesa directiva al azar entre todos los integrantes del grupo de tercer grado, el presidente, secretario y tesorero sean niños y las dos vocales niñas? Sin importar como queden asignados los puestos.
5 CAPITULO 5 COMPETENCIA Comprender el concepto de variable aleatoria asociada a una distribución de probabilidad EJES TEMATICOS Variables aleatorias discretas empíricas y su distribución de probabilidad Valor esperado de las variables Discretas Variables aleatorias continuas y su distribución de probabilidad Valor esperado de las variables continúas 5 VARIABLES ALEATORIAS Una variable aleatoria (v.a) es un evento numérico cuyo valor se determina mediante un proceso al azar. Cuando se asignan valores de probabilidad a todos los datos numéricos posibles de una variable aleatoria X, ya sea mediante un listado o a través de una función matemática, se obtiene como resultado una distribución de probabilidad. La suma de las probabilidades para todos los resultados numéricos posibles debe ser Igual a 1. Pueden denotarse
los valores de probabilidad individuales mediante el símbolo f(x), lo cual implica que hay implícita una función matemática; mediante P(X = x), lo cual implica que la variable aleatoria puede asumir diversos valores específicos, o simplemente mediante P(X). Una variable aleatoria es una función que asigna a cada elemento de un espacio muestral un numero real Una variable es aleatoria si toma diferentes valores como resultado de un experimento aleatorio. Esta variable aleatoria puede ser discreta o continua. Si puede tomar sólo un número limitado de valores, entonces es una variable aleatoria discreta. En el otro extremo, si puede tomar cualquier valor dentro de un intervalo dado, entonces se trata de una variable aleatoria continua. 5.1 VARIABLES ALEATORIAS DISCRETAS Se pueden enumerar todos los valores numéricos posibles de la variable en una tabla con las probabilidades correspondientes. Existen diversas distribuciones estándar de probabilidad que pueden utilizarse como modelos para una amplia gama de variables aleatorias discretas en aplicaciones de negocios. EJEMPLO: Si se lanzan dos monedas al aire, sea x la v.a que indica el número de caras obtenido. X Puede tomar los valores (X= 0,1,2) y a cada valor está asociada una probabilidad.
5.1.1 DISTRIBUCIÓN DE PROBABILIDAD DE LAS VARIABLES ALEATORIAS DISCRETAS Para una variable discreta, la distribución de probabilidades es una tabla que asocia una probabilidad, a cada valor que puede tomar la variable aleatoria. Para el ejemplo del número de caras en dos lanzamientos de una moneda, la distribución de probabilidades seria: S=ss,cs,sc,ccGRAFICAMENTEsscs,sccc012SX1/42/41/4f(x)=P(X=x) P(X=0)=1/4P(X=1)= 2/4P(X=2)= 1/4S=ss,cs,sc,ccS=ss,cs,sc,ccGRAFICAMENTEsscs,sccc012SX1/42/41 P(X=0)=1/4P(X=1)= 2/4P(X=2)= 1/4 f (x) se llama función de probabilidades de la v.a.x Es importante observar como S f( X ) = 1. Algunos autores definen como función PUNTUAL DE PROBABILIDAD o FUNCION DE CUANTIA a una función que cumpla la condición Xf (X ) 0 1 2 1/4 2/4 1/4 Xf (X ) 0 1 2 1/4 2/4 1/4
5.1.1.1 PROPIEDADES DE LAS v.a DISCRETAS f(x) Tiene siete propiedades importantes para que sea función de distribución de probabilidad son: 5.1.2 DISTRIBUCION DE PROBABILIDAD ACUMULADA F(x) Se define como la probabilidad acumulada de la variable aleatoria X: Es la suma de las probabilidades hasta el valor que se desee tomar asi: Ejemplo: F(3)? xxxfxxPxF0)()()( )1()()(.7)1()( .6)1(1)( .5)(1)( .41)( .3)()( .21)(0 .1kXPkXPkXPkXPkXPkXPkXPkXPkXPxfxXPxfxf 30)3()2()1()0()()3()3( XffffXfXPF
EJEMPLO Si se lanzan 2 dados de distinto color al aire y se denomina X la suma obtenida, hallar la distribución de probabilidades. El espacio muestral para este experimento es: Como puede observarse, la v.a puede tomar los valores X= 2,3,4,5,6,7,8,9,10,11,12, y sus probabilidades se pueden hallar con la definición clásica . Numero de casos favorables / numero de casos posibles asi,: para que la suma sea cinco los casos favorables son: (1,4 ), (2,3) , (3,2) , (4,1) cuatro elementos y los casos posibles son 36. Así la distribución de probabilidad de la v.a. de la suma del lanzamiento de dos dados seria 364)5()5(XPf (6,6), (6,5), (6,4), (6,3), (6,2) (6,1), (5,6) (5,5), (5,4), (5,3), (5,2), (5,1), (4,6) (4,5), (4,4), , (4,3) , (4,2) (4,1), (3,6) , (3,5) ), (3,4 , (3,3) , (3,2) (3,1), (2,6) (2,5), (2,4), , (2,3), (2,2) (2,1), (1,6), (1,5), (1,4) , (1,3) , (1,2) (1,1), S X f(x) F(x) 2 1/36 1/36 3 2/36 3/36 4 3/36 6/36 5 4/36 10/36 6 5/36
15/36
7 6/36 21/36 8 5/36 26/36 9 4/36 30/36 10 3/36 33/36 11 2/36 35/36 12 1/36 36/36 1 5.1.3 VALOR ESPERADO DE UNA VARIABLE ALEATORÍA DISCRETA. Conociendo la distribución de probabilidades, se calcula el valor esperado de una v.a discreta como: La esperanza matemáticas también se denomina media de la v.a En el ejemplo anterior la esperanza seria:
)()( 1iniiXfXXE 36112...... 36233612)(XE
6 CAPITULO 6 COMPETENCIA Reconocer el modelo Binomial, Hipergeométrico y Poisson como unas de las distribuciones de probabilidad más aplicadas variables a aleatorias discretas EJES TEMATICOS Distribución Binomial Distribución Hipergeométrica Distribución Poisson 6. DISTRIBUCIONES DE DE PROBABILIDAD DISCRETA En la distribución de probabilidad discreta la variable pude tomar sólo un número limitado de valores. Las distribuciones de probabilidad discretas que veremos a taves del curso son la Binomial, La hipergeometrica y la Poisson. 6.1 DISTRIBUCIÓN BINOMIAL Supongamos que un experimento aleatorio tiene las siguientes características:
. En cada prueba del experimento sólo son posibles dos resultados: el suceso A (éxito) y su contrario A .(fracaso). . El resultado obtenido en cada prueba es independiente de los resultados obtenidos anteriormente. . La probabilidad del suceso A es constante, la representamos por p, y no varía de una prueba a otra. La probabilidad de A es 1- p y la representamos por q . . El experimento consta de un número n de pruebas. Todo experimento que tenga estas características diremos que sigue el modelo de la distribución Binomial. A la variable X que expresa el número de éxitos obtenidos en cada prueba del experimento, la llamaremos variable aleatoria binomial. La variable binomial es una variable aleatoria discreta, sólo puede tomar los valores 0, 1, 2, 3, 4, ..., n suponiendo que se han realizado n pruebas. Como hay que considerar todas las maneras posibles de obtener k-éxitos y (n-k) fracasos debemos calcular éstas por combinaciones (número combinatorio n sobre k). La distribución Binomial se suele representar por B(n,p) siendo n y p los parámetros de dicha distribución. 6.1.1 FUNCIÓN DE PROBABILIDAD DE LA V.A. BINOMIAL Función de probabilidad de la distribución Binomial o también denominada función de la distribución de Bernoulli (para n=1). Probabilidad de obtener k-exitos en la muestra. knkqpknkXp)(
Como el cálculo de estas probabilidades puede resultar algo tedioso se han construido tablas para algunos valores de n y p que nos facilitan el trabajo. 6.1.2 PARÁMETROS DE LA DISTRIBUCIÓN BINOMIAL 6.1.3 FUNCIÓN DE DISTRIBUCIÓN DE LA V.A. BINOMIAL Siendo k el mayor número entero menor o igual a xi. Esta función de distribución proporciona, para cada número real xi, la probabilidad de que la variable X tome valores menores o iguales que xi. Ejemplo 1 Una máquina fabrica una determinada pieza y se sabe que produce un 7 por 1000 de piezas defectuosas. Hallar la probabilidad de que al examinar 50 piezas sólo haya una defectuosa. Solución : Se trata de una distribución binomial de parámetros B(50, 0.007) y debemos calcular la probabilidad p(X=1). Medianp Varianzanpq2 típicaDesv.npq
Ejemplo 2 La probabilidad de éxito de una determinada vacuna es 0,72. Calcula la probabilidad de a que una vez administrada a 15 pacientes: a) Ninguno sufra la enfermedad b) Todos sufran la enfermedad c) Dos de ellos contraigan la enfermedad Solución : Se trata de una distribución binomial de parámetros B(15, 0.72) Ejemplo 3 La probabilidad de que el carburador de un coche salga de fábrica defectuoso es del 4 por 100. Hallar: a) El número de carburadores defectuosos esperados en un lote de 1000 b) La varianza y la desviación típica. Solución:
6.2 DISTRIBUCIÓN HIPERGEOMÉTRICA Los experimentos que tienen este tipo de distribución tienen las siguientes características: a) Al realizar un experimento con este tipo de distribución, se esperan dos tipos de resultados. b) Las probabilidades asociadas a cada uno de los resultados no son constantes. c) Cada ensayo o repetición del experimento no es independiente de los demás. d) El número de repeticiones del experimento (n) es constante. En estadística la Distribución hipergeométrica es una distribución de probabilidad discreta con tres parámetros discretos N, k y n cuya función de probabilidad es: Esta distribución se refiere a un espacio muestral donde hay elementos de 2 tipos posibles. Indica la probabilidad de obtener un número de objetos x de uno de los tipos, al sacar una muestra de tamaño n, de un total de N objetos, de los cuales k son del tipo requerido. nNxnkNxkxxP00)(
6.2.1 PARÁMETROS DE LA DISTRIBUCIÓN HIPERGEOMETRICA Ejemplos: 1. Para evitar que lo descubran en la aduana, un viajero ha colocado 6 tabletas de narcótico en una botella que contiene 9 píldoras de vitamina que son similares en apariencia. Si el oficial de la aduana selecciona 3 tabletas aleatoriamente para analizarlas, a) ¿Cuál es la probabilidad de que el viajero sea arrestado por posesión de narcóticos?, b) ¿Cuál es la probabilidad de que no sea arrestado por posesión de narcóticos?. Solución: a) N = 9+6 =15 total de tabletas k= 6 tabletas de narcótico n = 3 tabletas seleccionadas x = 0, 1, 2, o 3 tabletas de narcótico = variable que nos indica el número de tabletas de narcótico que se puede encontrar al seleccionar las 3 tabletas p(viajero sea arrestado por posesión de narcóticos) = p(de que entre las 3 tabletas seleccionadas haya 1 o más tabletas de narcótico) ))(( Nkn )1)()(( )1( )(2NkNknNnN
otra forma de resolver; p(el viajero sea arrestado por posesión de narcóticos) = 1 p(de que entre las tabletas seleccionadas no haya una sola de narcótico) 3150936315192631529163321CC*CCC*CCC*C)n;tabletasó,x(p 81538045537145520135216455120455915455366. ))(())(())(( 31539061301CC*C)n;x(p 815385018461504558411.. ))(( b) p(no sea arrestado por posesión de narcóticos) 2. De un lote de 10 proyectiles, 4 se seleccionan al azar y se disparan. Si el lote contiene 3 proyectiles defectuosos que no explotarán, ¿cuál es la probabilidad de que , a) los 4 exploten?, b) al menos 2 no exploten? 315390630CC*C)n;x(p 1846150455841. ))((
Solución: a) N = 10 proyectiles en total k= 7 proyectiles que explotan n = 4 proyectiles seleccionados x = 0, 1, 2, 3 o 4 proyectiles que explotan = variable que nos define el número de proyectiles que explotan entre la muestra que se dispara b) N = 10 proyectiles en total k = 3 proyectiles que no explotan n = 4 proyectiles seleccionados x = 0, 1, 2 o 3 proyectiles que no explotan p(al menos 2 no exploten) = p( 2 o más proyectiles no exploten) = 3. a)¿Cuál es la probabilidad de que una mesera se rehúse a servir bebidas alcohólicas únicamente a dos menores de edad si verifica aleatoriamente solo 5 identificaciones de entre 9 estudiantes, de los cuales 4 no tienen la edad suficiente?, b) ¿Cúal es la probabilidad de que como máximo 2 de las identificaciones pertenezcan a menores de edad? Solución: a) N = 9 total de estudiantes 16667021035210135444100347. ))(( CC*C)n;x(p )4;3,,2(noxp 3333330210702107632107121341017332723. ))(())(( CC*CC*C k = 4 estudiantes menores de edad
n = 5 identificaciones seleccionadas x = variable que nos define el número de identificaciones que pertenecen a personas menores de edad x = 0, 1, 2, 3 o 4 identificaciones de personas menores de edad b) N = 9 total de estudiantes k = 4 estudiantes menores de edad n = 5 identificaciones seleccionadas x = variable que nos define el número de identificaciones que pertenecen a personas menores de edad x = 0, 1, 2, 3 o 4 identificaciones de personas menores de edad 6.3 DISTRIBUCIÓN DE POISSON La distribución de Poisson es una distribución de probabilidad discreta. Expresa la probabilidad de un número de eventos ocurriendo en un tiempo fijo si estos eventos ocurren con una tasa media conocida, y son independientes del tiempo desde el último evento. 238095012610352593524. ))(( CC*C)n,x(p 1261065411521059352445145504))(())(())(( CC*CC*CC*C)n;,,x(p )5;2,1,0(nxp6428601268112660201.
Su distribución de probabilidad está dada por: P(X=x) = Donde: ! ),( kekfk . e es la base del logaritmo natural= (e = 2.71828...), . k! es el factorial de k, . es un número real positivo, equivalente al número esperado de ocurrencias durante un intervalo dado. EJEMPLO Si 2% de los libros encuadernados en cierto taller tiene encuadernación defectuosa, obtener la probabilidad de que 5 de 400 libros encuadernados en este taller tengan encuadernaciones defectuosas. 6.3.1 PARÁMETROS DE LA DISTRIBUCIÓN POISSON !k = 5, lambda = 400(0.02) = 8 !P(5;8)= frac{8^5e^{-8}}{5!}=0.092 2
6.4 EJERCICIOS - MODELOS DE PROBABILIDAD DISCRETAS. 1. Un estudio determinó que 40% de los alumnos de una universidad se desayunan en alguna de las cafeterías del campus. Si una tarde se escogen al azar ocho estudiantes de dicho campus, determine la probabilidad de que hayan tomado su desayuno en alguna cafetería del campus: a. Exactamente dos de ellos. b. Por lo Menos dos de ellos c. Ninguno de ellos 2. Según datos de la Secretaría de Protección y Vialidad, 25% de los operadores de microbuses urbanos manejan con imprudencia. Calcule la probabilidad de que cuatro de los próximos 10 microbuses que pasen por un crucero sean conducidos con imprudencia. 3. Un individuo afirma que es capaz de distinguir a simple vista entre una perla auténtica y una falsa 75% de las veces. Para comprobar si lo que afirma es cierto, se le muestra una por una seis perlas diferente escogidas al azar y se aceptará lo que afirma si logra establecer la autenticidad (o falsedad) en por lo menos cinco de las perlas. a. ¿Cuál es la probabilidad de que el individuo pase la prueba, si sólo está adivinando? b. ¿Cual es la probabilidad de que no logre pasar la prueba?
4. Si una moneda ordinaria se lanza ocho veces consecutivas, calcule la probabilidad de que resulten: a. Todas águilas. b. Que le salgan 4 águilas y 4 soles 5. Pueden crecer corporaciones en nuevas áreas y mejorar su rentabilidad adquiriendo otras empresas? Supóngase que la probabilidad de que tenga éxito la adquisición de una corporación es de 0.1 y que se selecciona al azar 10 corporaciones involucradas en la adquisición de otra compañía. a. Cual es la probabilidad de que las 10 adquisiciones sean fracasos? b. Cual es la probabilidad de que exactamente 2 de las adquisiciones sean exitosas? 6. Al probar una cierta clase de neumáticos para camión en un terreno escabroso se encontró que 25% de los camiones terminaban la prueba con los neumáticos dañados. De los siguientes 15 camiones probados, encuentre la probabilidad de que: a. De 3 a 6 tengan pinchaduras. b. Menos de 4 tengan pinchaduras 7. Si el 20% de los cerrojos producidos por una maquina son defectuosos, determinar la probabilidad de que de 4 cerrojos seleccionados al azar: a. 1 Sea defectuoso. b. A lo mas 2 cerrojos sean defectuosos.
8. Una compañía fabricante sabe que la posibilidad de que un artículo salga defectuoso es de un 15%. Dicha compañía utiliza un esquema de aceptación de producción de artículos antes de que se embarquen. El plan tiene dos etapas. Se preparan cajas de artículos para su embarque y se prueba una muestra de tres en busca de defectuosos. Si se encuentra alguno defectuoso, toda la caja se devuelve para verificar el 100%. Si no se encuentran defectuosos, la caja se embarca. ¿Cual es la probabilidad de que una caja se embarque? 9. Una cooperativa agrícola asegura que el 40% de las sandías embarcadas están maduras y listas para comerse. Determine las probabilidades de que entre 10 sandías embarcadas. a. Las 10 estén maduras y listas para comerse. b. Cuando más 4 estén maduras y listas para comerse c. Siete no estén maduras y listas para comerse. 10. Según el último estudio sobre favorabilidad del actual gobernante, este tiene a su favor el 50% de todos los habitantes mayores de edad. Si de esta población se seleccionan al azar 5 personas: a. Cuál es la probabilidad de que exactamente tres personas estén a favor del mandatario? b. 4 personas estén a favor? c. Cuál es el valor esperado y su desviación?
11. El número de llamadas que llegan al PBX de la universidad es de 4.5 por minuto. Determine la probabilidad de: a. Ocurran por lo menos cuatro llamadas? b. En un minuto determinado ocurran mínimo tres? c. A lo sumo 5 llamadas d. Recalcule las probabilidades anteriores si el inérvalo de tiempo fuera de 30 segundos. Analice los cambios. 12. Un centro médico tiene un promedio de 12 usuarios todas las mañanas entre las 10:00 y las 11:00, Calcule la probabilidad de que: a. Lleguen máximo 12 usuarios a esa hora ¿ b. Lleguen entre 8 y 12 usuarios inclusive? c. Lleguen menos de 10 usuarios a esta hora? d. Lleguen exactamente 12 usuarios? 13. El número promedio de accidentes de tránsito que ocurren en un tramo de una carretera es de dos por semana. a. Obtenga la probabilidad de que ningún accidente ocurra en ese tramo carretera durante una semana. b. Encuentre la probabilidad de que a lo mas ocurran tres accidentes en ese tramo de carretera durante dos semana? c. Obtenga la probabilidad de que pasen a lo sumo 4 accidentes en una semana? d. Obtenga la probabilidad que ocurran más de 5 accidentes en una semana?
14. Una caja de vino tiene 12 botellas, tres de las cuales contienen vino descompuesto. De la caja se elige al azar una muestra de 4 botellas: a. Cuál es la probabilidad de que 2 salgan descompuestas? b. Cuál es la probabilidad que más de tres estén descompuestas? 15. Un producto industrial particular se envía en lotes de 20. El análisis para determinar si un artículo tiene defectos es costoso por lo tanto, el fabricante emplea una muestra para no tener que inspeccionar el 100%. El plan de muestreo consiste en sacar 5 artículos de cada lote y rechazarlo si se observa más de un articulo defectuoso (si el lote se rechaza se prueba cada uno de los artículos) si en un lote hay 4 artículos defectuosos. Cuál es la probabilidad que sea aceptado?
7 CAPITULO 7 COMPETENCIA Reconocer el modelo Normal como una de las distribuciones de probabilidad mas aplicadas a variables aleatorias Continuas EJES TEMATICOS Distribución Normal Aproximaciones de la Binomial a la Poisson Aproximaciones de la Binomial a la Normal 7. DISTRIBUCIONES DE DE PROBABILIDAD CONTINUAS Como vimos anteriormente las distribuciones continuas son las que pueden tomar cualquier valor en un intervalo. La distribución continua más importante es la Normal. 7.1 DISTRIBUCION NORMAL La Distribución Normal, también llamada Distribución de Gauss o Distribución Gaussiana, es la Distribución continua de probabilidad que con más frecuencia aparece en estadística y teoría de probabilidad. Esto se debe a dos razones fundamentalmente:
Su Función de densidad es simétrica y con forma de campana, lo que favorece su aplicación como modelo a gran número de variables estadísticas. Es, además, límite de otras distribuciones y aparece relacionada con multitud de resultados ligados a la teoría de las probabilidades gracias a sus propiedades matemáticas. La Función de Densidad de la Distribución Normal: Donde: µ : Media s : Desviación Estándar s2 : varianza 7.1.1 REPRESENTACION GRAFICA 7.1.2 DISTRIBICION NORMAL ESTANDAR. La probabilidad de que nuestra variable aleatoria (que sigue una distribución normal) se encuentre entre dos valores
determinados será en general difícil de calcular (hay que usar la integral de la función de probabilidad). Para ello, existen tablas que nos dan estos valores directamente; y Dado que la variable de interés X, puede tomar valores , tipificamos la variable de interés para así poder trabajar con la tabla, quedando la distribución normal, como una distribución Normal tipificada con µ = 0 y s = 1. 1. Planteamos la pregunta matemáticamente. 2. Dado que las tablas son Acumulativas, llevamos la pregunta a menor. Así: Si ya esta expresada en menor Si Si 3. Tipificamos cada valor de X utilizando la fórmula: . Debe de quedar con dos decimales. 4. Para buscar en la tabla, el signo, el entero y el primer decimal, lo buscamos en la primera columna. El segundo decimal lo buscamos en la primera fila. La intersección entre la fila y la columna, es la respectiva probabilidad. X )(axp )(1)(axpaxp )()()(axpbxpbxap xZ
Ejemplo. Supongamos que Z = 0.43, luego Se busca en la tabla de la siguiente manera: 6664.0)43.0(zp Z0,000,010,020,030,040,050,00,50000,50400,50800,51200,51600,51990,10,53980,54380,54780,5517 Ejercicio 1 La vida útil de cierto tipo de lavadora automática tiene una distribución aproximadamente normal con una vida promedio de 3.1 años y una desviación estándar de 1.2 años. a. Cuál es la probabilidad de que una lavadora dure entre 2.9 y 3.5 años? b. Si este tipo de lavadora tiene garantía de un año, que fracción de la cantidad vendida originalmente, necesitará ser reemplazada? Solución: sea X la variable de interés que significa el número de años de duración de cierto tipo de lavadora. Parámetros: tiempo de vida promedio Desviación estándar a.
0.6293-0.4325=0.1968 El 19.68% de las lavadoras tienen una vida útil entre 2.9 y 3.5 años El 4% de las lavadoras durarán menos del año de garantía. Ejercicio 2 La resistencia a la tracción de cierto componente de metal se distribuye normalmente con una media de 10.000 kilogramos por centímetro cuadrado y una desviación estándar de 100 kilogramos por centímetro cuadrado. Que proporción de estos componentes excede 10.150 kilogramos por centímetro cuadrado de resistencia a la tracción? a. Si las especificaciones requieren que todos los componentes tengan resistencia a la tracción entre 9.800 y 10.200 kilogramos por centímetro cuadrado inclusive, que proporción de piezas esperaría que se descartaran? b. Que resistencia máxima cubre el 2.5% de los componentes?
Solución: sea X la variable de interés que significa la resistencia a la tracción (kilogramos/centímetros cuadrados). Parámetros: resistencia promedio Desviación estándar a. El 6.68% de los componentes de metal, excede en 10.150 kilogramos/centímetros cuadrados a la resistencia a la tracción b. Se descartan todas las piezas que están por fuera de las especificaciones. O sea El 4.56% de las piezas se descartarán; ya que no cumplen con las especificaciones. c.
Buscando en la tabla de adentro hacia fuera, ya que 0.025 es la probabilidad, hallamos el valor de Z y despejamos el valor de x. 7.2 APROXIMACIONES 7.2.1 APROXIMACIÓN DE LA BINOMIAL MEDIANTE LA DISTRIBUCIÓN POISSON Cuando el valor n de la distribución binomial es muy grande y el de p es muy pequeño, los términos de la binomial, tienden a los valores de la distribución de Poisson y se considera una buena aproximación a la distribución binomial, en el caso que: np < 5 y p < 0.1 ó n > 100 y p < 0.05 En ese caso µ = np. El interés por sustituir la distribución Binomial por una distribución de Poisson se debe a que esta ultima depende únicamente de un solo parámetro, µ , y la binomial de dos, n y p. Veamos un ejemplo: Se tiene un proceso en el cual se sabe que uno de cada 25 elementos producidos es defectuoso. Si se seleccionan 75 cuál es la probabilidad que se tenga 3 o menos artículos defectuosos.
P= 1/25 = 0.04 y n=75 np=0.04*75=3 como np<5 y p<0.1 se aproxima la distribución binomial a la poisson con µ=3 P(x=3) = 0.6472 7.2.2 APROXIMACIÓN NORMAL A LA DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL La aproximación normal a las probabilidades binomiales serán adecuadas si: 1 np>5 y nq>5 o 2 Cuando el valor n de la distribución binomial es muy grande y el valor de p está muy alejado a o o 1. Hacemos y trabajamos con la distribución normal. Debemos tener en cuenta, que la distribución binomial es discreta y la distribución normal es continua, debemos hacer un cambio en la variable. Así: Binomial P(x=a) Normal P(a-0.5<x<a+0.5) Binomial P(x=a) Normal P(x<a+0.5) Binomial P(x=a) Normal P(x>a-0.5) Ejemplo: npnpq La confiabilidad de un fusible eléctrico es la probabilidad de que un fusible, elegido al azar de la producción, funciones en las condiciones para las que se diseño. Se probó una muestra aleatoria de 1000 fusibles y se encontró que 27 estaban
defectuosos. Calcule la probabilidad aproximada de observar 27 o más fusibles defectuosos, suponiendo que la confiabilidad del fusible es 0.98 Datos binomiales p=(1-0.98) = 0.02 q= 0.98 n=1000 np=20 y nq=980 por lo tanto es apropiado aproximarlo a la Normal.
7.3 EJERCICIOS - SOBRE MODELOS DE PROBABILIDAD CONTINUA Y APROXIMACIONES. 1. El diámetro interno ya terminado de un anillo de pistón está normalmente distribuido con una media de 10 centímetros y una desviación estándar de 0.03 centímetros. a. Qué proporción de los anillos tendrá un diámetro interno que exceda de 10.075 centímetros? b. Cual es la probabilidad de que un anillo de pistón tenga un diámetro interno entre 9.97 y 10.03?. c. Cual es la probabilidad de que un anillo de pistón tenga un diámetro interno inferior a 10.03?. 2. La resistencia a la tracción de cierto componente de metal se distribuye normalmente con una media de 10,000 kilogramos por centímetro cuadrado y una desviación Standard de 100 kilogramos por centímetro cuadrado. a. Que proporción de estos componentes excede 10.150 kilogramos por centímetro cuadrado de resistencia a la tracción? b. Si las especificaciones requieren que todos los componentes tengan resistencia a la tracción entre 9.800 y 10.200 kilogramos por centímetro cuadrado inclusive, que proporción de piezas esperaría que se descartaran? 3. En cierta investigación sobre las dimensiones de un repuesto para una máquina industrial se encuentra que se distribuye aproximadamente normal, con una dimensión promedio de 8.643 pulgadas y una desviación standard de 0.028 pulgadas;
a. Que porcentaje de los repuestos tiene mas de 8.675 pulgadas. b. En cierto contrato con una REP S.A. , La empresa se compromete a que el repuesto tiene por lo menos 8.628 pulgadas de diámetro, que porcentaje de las entregas está por fuera de los requerimientos?. 4. Un abogado va todos los días de su casa a su oficina utilizando un tiempo promedio de 24 minutos, con una desviación Standard de 3.8 minutos. Suponga que la distribución de los tiempos de viaje está distribuida normalmente. a. Si la oficina abre a las 9:00 a.m y él sale diaria de su casa a las 8:45 a.m. que porcentaje de las veces llega tarde al trabajo? b. Encuentre la longitud de tiempo por arriba de la cual encontramos el 15% de los viajes mas lentos?. 5. La vida útil de cierto tipo de lavadora automática tiene una distribución aproximadamente normal con una vida promedio de 3.1 años y una desviación Standard de 1.2 años. a. Cual es la probabilidad de que una lavadora dure entre 2.9 y 3.5 años? b. Si este tipo de lavadora tiene garantía de un año, que fracción de la cantidad vendida originalmente, necesitará ser reemplazada? 6. En un proceso industrial el diámetro de un cojinete es una parte componente importante. El comprador establece que las especificaciones en el diámetro sean 3.0 . 0.01 cm. La implicación es que ninguna parte que caiga fuera de estas especificaciones se aceptará. Se sabe que en el proceso el
diámetro de un cojinete tiene una distribución aproximadamente normal con un promedio de 3.0 y una desviación standard de 0.005. que porcentaje de cojinetes se descartarán? 7. Se regula una máquina despachadora de Coca-cola para que sirva un promedio de 210 mililitros por vaso. Si la cantidad de Coca-cola se distribuye normalmente con una desviación standard igual a 18 mililitros, a. Cual es la probabilidad de que un vaso contenga entre 186.6 y 208.38 mililitros? b. Por debajo de que valor obtendremos 25% de las Coca-colas mas pequeñas? c. Que posibilidad hay de que un vaso contenga al menos 228 mililitros? 8. Use la aproximación de poisson para resolver el siguiente problema, relativo a la distribución binomial la señora García está encargada de los préstamos de un banco: y con base en sus años de experiencia estima que la probabilidad de que un solicitante no pueda pagar oportunamente su préstamo es 0.025. Si el mes pasado realizo cuarenta prestamos ¿cuál es la probabilidad de que tres préstamos no se pagan oportunamente 9. Use la aproximación de poisson para resolver el siguiente problema, relativo a la distribución binomial la señora García esta encargada de los préstamos de un banco: y con base en
sus años de experiencia estima que la probabilidad de que un solicitante no pueda pagar oportunamente su préstamo es 0.025. Si el mes pasado realizo cuarenta prestamos ¿cuál es la probabilidad de que tres préstamos no se pagan oportunamente al menos tres préstamos no se liquiden a tiempo 10. Use la aproximación de poisson en este problema: Se estima que 0.5% de las llamadas telefónicas que entran al número 030, para pedir la hora exacta, reciben la señal de ocupado. ¿Cuál es la probabilidad de 1200 llamadas telefónicas en un día., al menos cinco hayan recibido la señal de ocupado? . 11. Encuentre la aproximación normal a para una distribución de probabilidad binomial con n=400 y p=0.9 12. Una fábrica de refrescos estaba muy segura de que su marca tenía 10% del mercado. En un estudio de mercado, en el que participaron 2500 consumidores de refrescos, x=211 expresaron una preferencia por su marca. Si la cifra de 10%, es correcto, encuentre la probabilidad de observar 211 o menos consumidores que prefieren la marca de esta fábrica.
8 CAPITULO 8 8. TABLAS DE DISTRIBUCIONES En esta sección encontraremos las tablas de la distribuciones: Binomial, Poisson y Normal. 8.1 TABLA DE LA DISTRIBUCION POISSON ACUMULADA
(CONTINUACION)
(CONTINUACION)
8.2 TABLA DE LA DISTRIBUCION BINOMIAL ACUMULADA
guia-de-estadistica
guia-de-estadistica
guia-de-estadistica
guia-de-estadistica
guia-de-estadistica
guia-de-estadistica
guia-de-estadistica
8.3 TABLA DE LA DISTRIBUCION NORMAL xXPxFr
TABLA DE PROBABILIDADES ACUMULADAS NORMAL
BIBLIOGRAFIA . WALPOLE ,Ronald, MYERS Raymon :PROBABILIDAD Y ESTADÍSTICA 4aed; Mexico: Editorial, Mc Graw Hill 1992, 797 p . CANAVOS, George PROBABILIDAD Y ESTADÍSTICA : APLICACIONES Y MÉTODOS México: McGraw-Hill, 1988, 651 p . BERENSON, Marck L, LEVINE David: ESTADÍSTICA BASICA EN ADMINISTRACIÓN CONCEPTOS Y APLICACIONES; 6aed México : Prentice-Hall, 1996, 943 p . BERENSON, Marck L, LEVINE David: ESTADÍSTICA PARA ADMINISTRACIÓN Y ECONOMÍA, CONCEPTOS Y APLICACIONES; Bogotá : McGraw-Hill, 1993, 720 p. . SOTO MAYOR Gabriel Velazco PROBABILIDAD Y ESTADÍSTICA PARA INGENIARÍA Y CIENCIAS, México : Thomson Learning, 2001,326 p . MENDENHALL William: PROBABILIDAD Y ESTADÍSTICA PARA INGENIERÍA Y CIENCIAS. 4aed Mexico1997; editorial Prentice Hall, 1182 p. + Disquete.
. MONTGOMERY, Doglas PROBABILIDAD Y ESTADÍSTICA APLICADAS A LA INGENIERÍA: México : McGraw-Hill, 1994, 895 p . MILLER, Irwing: PROBABILIDAD Y ESTADÍSTICA PARA INGENIEROS. 4. ed, México : Prentice-Hall, 1992, 624
guia-de-estadistica

Más contenido relacionado

DOCX
Media armOnica y geometrica
veronica chuy
 
DOC
Ejercicios de media, moda y mediana (9 ejer) (2)
JOSE BART torres
 
PPTX
Presentacion Matrices
jmorenotito
 
PPTX
Estadística
Niykko
 
PPTX
Números irracionales
Santos Máximo Figueroa
 
PPTX
Números naturales-Propiedades y Ejemplos
COLSUBSIDIO
 
PDF
Ejercicios resueltos unidades
yodyta
 
PPTX
Regla Empírica Y Teorema De Tshebyshev
Jmdartagnan
 
Media armOnica y geometrica
veronica chuy
 
Ejercicios de media, moda y mediana (9 ejer) (2)
JOSE BART torres
 
Presentacion Matrices
jmorenotito
 
Estadística
Niykko
 
Números irracionales
Santos Máximo Figueroa
 
Números naturales-Propiedades y Ejemplos
COLSUBSIDIO
 
Ejercicios resueltos unidades
yodyta
 
Regla Empírica Y Teorema De Tshebyshev
Jmdartagnan
 

La actualidad más candente (20)

DOCX
Clasificacion de matrices y operaciones entre matrices(suma, producto de una ...
Carlita Vaca
 
PDF
Diagrama de tallos y hojas
Montserg93
 
PDF
Ejercicios Resueltos de Estadística:
Juan Carlos GB
 
PPT
Propiedadaes determinantes
YOLVI ADRIANA CORDOBA BUITRAGO
 
PDF
Interior, exterior y frontera de un conjunto
walexander03
 
DOCX
Metodos de muestreo, ejercicios y su procedimiento (1)
Luz Hernández
 
PDF
Calculo swokowski (libro completo)
Edison Ortega
 
PPTX
Estadística Descriptiva. Medidas de forma y concentracion
Juan González Díaz
 
PDF
Axiomas de números reales
ThaLeah Barrios SanTos
 
DOCX
Evaluación estadistica descriptiva
yisedviviana
 
PDF
Datos agrupados 03
Edgar Mata
 
DOCX
Aplicaciones crecimiento poblacional Ecuaciones Diferenciales
Cindy Adriana Bohórquez Santana
 
PPTX
Presentación estadistica
felix3300
 
PPT
medidas de dispersión.ppt
Lucy Buitron
 
PDF
Introduccion funcion cuadratica
Robert Araujo
 
PDF
Regresión por Mínimos Cuadrados
Salvador Martín Medina Torres
 
PPTX
Matrices matematica
Carlitos Avila
 
PPTX
Presentación tipos de matrices
mariat04
 
DOCX
Estadística Probabilidades
Edwin Lema
 
DOCX
control estadistico de procesos-prueba de hipotesis
Sonia Ynés Huaripaucar G
 
Clasificacion de matrices y operaciones entre matrices(suma, producto de una ...
Carlita Vaca
 
Diagrama de tallos y hojas
Montserg93
 
Ejercicios Resueltos de Estadística:
Juan Carlos GB
 
Propiedadaes determinantes
YOLVI ADRIANA CORDOBA BUITRAGO
 
Interior, exterior y frontera de un conjunto
walexander03
 
Metodos de muestreo, ejercicios y su procedimiento (1)
Luz Hernández
 
Calculo swokowski (libro completo)
Edison Ortega
 
Estadística Descriptiva. Medidas de forma y concentracion
Juan González Díaz
 
Axiomas de números reales
ThaLeah Barrios SanTos
 
Evaluación estadistica descriptiva
yisedviviana
 
Datos agrupados 03
Edgar Mata
 
Aplicaciones crecimiento poblacional Ecuaciones Diferenciales
Cindy Adriana Bohórquez Santana
 
Presentación estadistica
felix3300
 
medidas de dispersión.ppt
Lucy Buitron
 
Introduccion funcion cuadratica
Robert Araujo
 
Regresión por Mínimos Cuadrados
Salvador Martín Medina Torres
 
Matrices matematica
Carlitos Avila
 
Presentación tipos de matrices
mariat04
 
Estadística Probabilidades
Edwin Lema
 
control estadistico de procesos-prueba de hipotesis
Sonia Ynés Huaripaucar G
 
Publicidad

Destacado (7)

DOCX
Liceo infantil y juvenil espinal grado 7
leonardo quiroga
 
PDF
Problemario Estadistica I
José Nava
 
DOC
Guía examen final herramientas estadísticas (uvm 2016 2017)
JAVIER SOLIS NOYOLA
 
PPTX
Organización De La Información
guest5c6015
 
PDF
Estadistica Básica para Docentes de Secundaria
Luis Dicovskiy
 
DOCX
Trabajo colaborativo momento 2 (1)
Erica Avila Caicedo
 
ODT
Ejercicios resueltos: ESTADÍSTICA
Damián Gómez Sarmiento
 
Liceo infantil y juvenil espinal grado 7
leonardo quiroga
 
Problemario Estadistica I
José Nava
 
Guía examen final herramientas estadísticas (uvm 2016 2017)
JAVIER SOLIS NOYOLA
 
Organización De La Información
guest5c6015
 
Estadistica Básica para Docentes de Secundaria
Luis Dicovskiy
 
Trabajo colaborativo momento 2 (1)
Erica Avila Caicedo
 
Ejercicios resueltos: ESTADÍSTICA
Damián Gómez Sarmiento
 
Publicidad

Similar a guia-de-estadistica (20)

PDF
Estadistica descriptiva2
Maria Lautini
 
DOC
Estadistica c
rubhendesiderio
 
DOC
Estadistica c
rubhendesiderio
 
PPTX
Estadistica prueba slideshare
TecnicoINSST
 
PDF
Introducción a la estadistica
Instituto Politecnico Nacional
 
PPTX
Universidad del zulia
Jor Araque
 
PDF
252532600-Modulo-de-Estadistica-Basica-y-Probabilidades.pdf
OctavioOrduz
 
PDF
252532600-Modulo-de-Estadistica-Basica-y-Probabilidades.pdf
OctavioOrduz
 
DOCX
Conceptos básicos de estadística
Javier Rodriguez
 
DOC
Teo estadist.
jennypao39
 
PDF
TRABAJO DE ESTADÍSTICA- ADRIANA LUNA.pdf
AdrianaLuna833219
 
DOC
Guia estadistica upc
sistemas2013
 
DOC
Guia estadistica upc-sistemas
Carmelo Perez
 
PDF
TP1 COMISION 2 CORTEZ- FUENTES-JARA.pdf
FannyRaquelJara
 
PDF
Estadistica 2, distribuciones muestrales, intervalos de confianza y prueba de...
L Méndez
 
PDF
Libro_estadistica-aplicada a la ingenieria civil y otras ramas.pdf
VeritoIlma
 
PDF
Curso de estadística
varo99
 
PDF
Estadisticay probabilidad
AngelaPrezcamacho
 
PDF
ESTADÍSTICA APLICADA Grupo Muejeres.pdf
EvelinMuoz15
 
DOCX
Resumen de ESTADISTICA Y PROBABILIDAD.docx
JessicaEncina4
 
Estadistica descriptiva2
Maria Lautini
 
Estadistica c
rubhendesiderio
 
Estadistica c
rubhendesiderio
 
Estadistica prueba slideshare
TecnicoINSST
 
Introducción a la estadistica
Instituto Politecnico Nacional
 
Universidad del zulia
Jor Araque
 
252532600-Modulo-de-Estadistica-Basica-y-Probabilidades.pdf
OctavioOrduz
 
252532600-Modulo-de-Estadistica-Basica-y-Probabilidades.pdf
OctavioOrduz
 
Conceptos básicos de estadística
Javier Rodriguez
 
Teo estadist.
jennypao39
 
TRABAJO DE ESTADÍSTICA- ADRIANA LUNA.pdf
AdrianaLuna833219
 
Guia estadistica upc
sistemas2013
 
Guia estadistica upc-sistemas
Carmelo Perez
 
TP1 COMISION 2 CORTEZ- FUENTES-JARA.pdf
FannyRaquelJara
 
Estadistica 2, distribuciones muestrales, intervalos de confianza y prueba de...
L Méndez
 
Libro_estadistica-aplicada a la ingenieria civil y otras ramas.pdf
VeritoIlma
 
Curso de estadística
varo99
 
Estadisticay probabilidad
AngelaPrezcamacho
 
ESTADÍSTICA APLICADA Grupo Muejeres.pdf
EvelinMuoz15
 
Resumen de ESTADISTICA Y PROBABILIDAD.docx
JessicaEncina4
 

guia-de-estadistica

  • 3. GUIA DE ESTADISTICA BASICA ADRIANA GUERRERO PEÑA MARIA VICTORIA BUITRAGO MA. DE LOS ÁNGELES CURIESES PAULETE
  • 4. INSTITUTO TECNOLÓGICO METROPOLITANO Establecimiento Público de Educación Superior Adscrito a la Alcaldía de Medellín. La serie Documentos ITM recoge la práctica institucional, Como referente para la acción, la toma de decisiones, La evaluación y la construcción histórica del Instituto. Aspira con ellos a que la comunidad tenga información básica de su desarrollo. Autora:
  • 5. Ma. de los Ángeles Curieses Paulette Adriana Guerrero peña Ma- Victoria Buitrago
  • 6. PRESENTACIÓN Con esta guía se pretende que el estudiante aprenda a manejar a través del uso de procedimientos estadísticos herramientas que podrá utilizar en el mejoramiento de su desempeño laboral y en muchos otros aspectos de la vida diaria. En esta guía desarrollaremos los conceptos básicos, que permitan la comprensión de los métodos empleados en la estadística descriptiva para la solución de casos relacionados con el análisis de información. Por otro lado, estudiaremos la solución de problemas sobre probabilidades que requieren una cabal comprensión de algunas reglas fundamentales de probabilidad. Trataremos con este trabajo de introducir al estudiante en el mundo de la estadística, desarrollando competencias que lo ayuden a mejorar su desempeño laboral y muchos aspectos de su vida diaria, para que este en capacidad de tomar decisiones y solucionar problemas a través de la aplicación de procedimientos estadísticos. ADRIANA GUERRERO MARIA VICTORIA BUITRAGO MA. DE LOS ÁNGELES CURIESES PAULETE
  • 7. TABLA DE CONTENIDO CAPITULO 1 1. CONCEPTO DE SUMATORIA 1.1 Definición 1.2 Propiedades 1.3 Actividad 1.4 Ejercicios CAPITULO 2 2. ESTADÍSTICA DESCRIPTIVA 2.1 Definiciones de Términos Estadísticos 2.2 Conceptos Estadísticos 2.3 Ejercicios - Conceptos Estadísticos 2.4 Métodos Gráficos Para Describir Información 2.5 Tablas de Datos 2.5.1 Tabla De Entrada De Datos 2.5.2 Tabla De Contingencia 2.5.3 Tabla De Frecuencias 2.5.3.1 Tabla de frecuencia simple 2.5.3.2 Tabla de frecuencia para datos agrupados 2.6 Métodos Gráficos 2.6.1 Gráfico de Pastel o Circular 2.6.2 Diagrama De Barras
  • 8. 2.6.3 Histograma 2.6.4 Polígono de frecuencias 2.6.5 Actividad 2.7 Ejercicios - Métodos gráficos 2.8 Ejercicios Tablas de datos
  • 9. CAPITULO 3 3. MÉTODOS NUMÉRICOS 3.1 Medidas de tendencia Central 3.1.1 Media Aritmética 3.1.1.1 Actividad 3.1.2 Mediana 3.1.2.1 Mediana para datos Sin Agrupar 3.1.2.2 Mediana para datos agrupados 3.1.3 Moda 3.1.3.1 Moda para datos Sin Agrupar 3.1.3.2 Moda para datos agrupados 3.2 Medidas de posición 3.2.1 Cuartiles 3.2.2 Deciles 3.2.3 Percentiles 3.2.4 Actividad 3.3 Medidas de dispersión 3.3.1 Varianza 3.3.1.1 Actividad 3.3.2 Desviación Estándar 3.3.3 Coeficiente de Variación 3.3.4 Regla Empírica 3.4 Ejercidos - Medidas de tendencia central, posición y Dispersión. CAPITULO 4
  • 10. 4. PROBABILIDADES 4.1 Conceptos básicos de probabilidad 4.1.1 Actividad 4.2 Modelos de probabilidad 4.2.1 Modelo clásico 4.2.2 Modelo Subjetivo 4.2.3 Modelo Empírico 4.3 Complemento de un evento 4.4 Actividad 4.5 Reglas de Probabilidad 4.5.1 Regla de la Adicción.
  • 11. 4.5.1.1 Sucesos mutuamente excluyentes 4.5.1.2 Actividad 4.5.2 Probabilidad Condicional 4.5.3 Regla de la multiplicación 4.5.3.1 Eventos independientes 4.5.3.2 Actividad 4.5.4 Teorema de Bayes 4.6 Análisis Combinatorio 4.6.1 Técnica de multiplicación 4.6.2 Técnica de permutación 4.6.3 Técnica de la combinación 4.7 Ejercicios de probabilidad CAPITULO 5 5. VARIABLES ALEATORIAS 5.1 Variables Aleatorias Directas 5.1.1 Distribución de probabilidad de las Variables Aleatorias Discretas. 5.1.1.1 Propiedades de las v.a Discretas f(x) 5.1.2 Distribución de Probabilidad Acumulada f(x) 5.1.3 Valor Esperado de una Variable Aleatoria Discreta. CAPITULO 6 6. DISTRIBUCION DE PROBABILDAD DISCRETA
  • 12. 6.1 Distribución Binomial 6.1.1 Función de Probabilidad de la Distribución Binomial 6.1.2 Parámetros de la Distribución Binomial 6.1.3 Función de Distribución Acumulada de la v.a. Binomial. 6.2 Distribución Hipergeométrica 6.2.1 Parámetros de la Distribución Hipergeometrica 6.3 Distribución de Poisson 6.3.1 Parámetros de la Distribución Poisson 6.4 Ejercicios - Modelos de Probabilidad Discretas.
  • 13. CAPITULO 7 7. DISTRIBUCION DE PROBABILDAD CONTINUA 7.1 Distribución Normal. 7.1.1 Representación Gráfica de la Función de Densidad 7.1.2 Distribución Normal Estándar. 7.2 Aproximaciones 7.2.1 Aproximación de la Binomial mediante la distribución Poisson. 7.2.2 Aproximación Normal a la Distribución de Probabilidad Binomial 7.3 Ejercicios - Modelos de Probabilidad Continua y Aproximaciones. CAPITULO 8 8. TABLAS 8.1 Tabla de la Distribución de Poisson 8.2 Tabla de la Distribución Binomial 8.3 Tabla de la Distribución Normal
  • 15. INTRODUCCION La materia estadística e introducción a la probabilidad se adapta a las necesidades del curso semestral de las tecnologías e ingenierías, en las que se estudian los fundamentos de la estadística. Con esta guía lo que se pretende es llevar al alumno al mundo de la estadística mostrándole, el manejo de la información como recurso adquiere una nueva dimensión dejando de ser una simple colección de hechos para convertirse en una fuente de alimentación del proceso de toma de decisiones, mostrándole como resolver problemas ante la incertidumbre, situación que todos enfrentamos tanto en el mundo de los negocios como en la vida cotidiana. El orden que guarda este material en los capítulos siguientes es el enfoque pedagógico que tiene el instituto en los microcurriculos de los diferentes programas. Cada Capitulo contiene una serie de ejercicios y aplicaciones que ayudaran a los estudiantes a desarrollar su habilidad de aplicar un razonamiento estadístico para resolver situaciones problemas e interpretación de resultados.
  • 16. 1 CAPITULO 1 En esta capitulo se presentan los principales conceptos básicos que permiten la comprensión de los métodos empleados en estadística descriptiva para la solución de casos relacionados con el análisis de información. COMPETENCIA Conceptualizar y reconocer la terminología básica en Estadística EJE TEMÁTICO Razones, proporciones y porcentajes Sumatoria y sus propiedades Historia de la estadística 1. CONCEPTOS PREVIOS 1.1 DEFINICION. DE SUMATORIA Si son números, la suma de estos números se expresa simbólicamente mediante la escritura, esto es, nxxxx...,,,,321n nxxxx...321 n321n1iixxxxx... Así, por ejemplo, si entonces, 3ixi 225543213333351351iiiix
  • 17. 1.2 PROPIEDADES De la definición de se derivan las siguientes propiedades. niix1 1. Si (constante) entonces cxinccccccxninii... 11 Así, por ejemplo, 204*544444451i 2. Si es una constante que multiplica a cada una de las observaciones entonces la suma de los productos es igual a multiplicada por la suma de las observaciones, esto es, c nxxxx,...,,,321n niiniixccx11 3. Si e son sucesiones de números entonces nxxxx,...,,,321nyyyy,...,,,321 niniiiniiiyxyx111 4. Si y son dos sucesiones de números entonces niniiiniiiyxyx111 1.3 ACTIVIDAD 1. Suponga que son las unidades producidas en una pequeña empresa en cada una de las primeras cinco horas de un día cualquiera de trabajo, suponga además que los costos de producción de las unidades producidas están dados por: 9,7,5,3,1X Y XY23 2. Calcule los costos de producir 1, 3, 5, 7, 9 unidades. Si y son sucesiones de números y además , siendo y constantes entonces Utilizando propiedades de sumatoria, Justifica la propiedad anterior. iibxayabxbay
  • 18. 1.4 EJERCICIOS 1. Suponga que se tienen dos sucesiones X y Y, apareadas de la manera siguiente X: 1 2 3 4 5 Y: 2 4 6 8 10 Hallar el valor de cada una de las siguientes expresiones: a. b. c. d. YX 22XX YXXY YX 2. Utilizar el símbolo para representar las expresiones siguientes: a. b. c. d. 3. Escriba con notación 24232221xxxx 543215432xaxaxaxaxa nxcxcxcxcn....321321 25242322215544332211xxxxx a. 4 + 8 + 12 + 16 + 20 b. nrrrr.321 c. 3 + 9 + 27 + 81 4. Hallar el valor de cada una de las expresiones siguientes: a. b. c. d. e. 81ii 5123ii 4122kk 31272iii 4124iii
  • 19. 5. Si ; calcular a. b. c. d. 6. Calcular; utilizando propiedades a. b. c. 7. Pruebe si las expresiones A y B son iguales: si, 541441241iiiixyx 412iix 412iix 4122iix13232iixx 4122iiii372112 3136iii 21nimjijxbxAxnmbB1 nimjijxx11
  • 20. HISTORIA DE LA ESTADÍSTICA Desarrollo histórico de la estadística El término estadística se empleó para referirse a los datos del estado. En la Europa Medieval se utilizó la estadística para llevar datos sobre la población de un estado, los diezmos y los impuestos Hay algunos personajes fundamentales en el desarrollo de la estadística Adolph Quetelet (1796-1874 Fue el primero en aplicar métodos modernos a un conjunto de datos y es considerado el padre de la estadística Francis Galton (1822-1911) Creó la teoría de regresión que posteriormente refinó su discípulo Karl Pearson (1857-1936) Ronald Fisher (1890-1962) Es la figura más prominente hasta el presente y creó la teoría moderna de la estimación.
  • 21. 2 CAPITULO 2 COMPETENCIA Describir y analizar gráficamente diferentes tipos de información EJE TEMATICO Concepto de Estadística como ciencia Términos básicos Métodos gráficos para describir información. Cualitativa Grafico de barras y circulares Métodos Gráficos para variables cuantitativas Histogramas de frecuencia para datos no agrupados Histograma de frecuencia para datos agrupados 2. ESTADISTICA DESCRIPTIVA 2.1 DEFINICIONES DE TERMINOS ESTADISTICOS ESTADISTICA: Es la ciencia de las matemáticas que se encarga de la selección, recolección, tabulación, presentación y análisis de la información que se utiliza en la toma de decisiones organizacionales. La estadística se divide en dos grandes ramas, a saber:
  • 22. ESTADISTICA DESCRIPTIVA: Se dedica a la descripción, organización, síntesis y análisis de la información de interés; pero sin llegar a conclusiones fuertes o profundas, sobre la misma. ESTADISTICA INFERENCIAL: Busca obtener conclusiones sólidas y mas profundas, basado en el trabajo con muestras y su posterior generalización de resultados para la toma de decisiones y conclusiones sólidas. La estadística inferencial nos permite inducir conclusiones de situaciones, sucesos o fenómenos previamente estudiados. 2.2. CONCEPTOS ESTADISTICOS Para comprender mejor la parte de estadística descriptiva, definiremos algunos términos muy utilizados, que nos servirán de guía para el desarrollo de los ejercicios. POBLACION: Se concibe como un conjunto total de elementos, datos, personas, atributos, medidas, acontecimientos u objetos, que poseen una o mas características comunes y cuyas propiedades serán analizadas. La población puede ser : 1. POBLACION FINITA: Cuando es posible enumerar físicamente, TODOS los elementos que pertenecen a la población.
  • 23. 2. POBLACION INFINITA: Cuando es imposible enumerar físicamente TODOS los elementos que pertenecen a la población. MUESTRA: Es un subconjunto de la población, que se selecciona siguiendo ciertos procedimientos estadísticos, que se llama teoría de muestreo. PARAMETRO: Valor numérico que resume todos los datos de una población completa. Para determinar su valor es necesario utilizar la información poblacional completa. ESTADISTICO: Es un valor numérico que resume todos los datos de una muestra y sirve como estimación del parámetro de la población. VARIABLE: Es una característica, atributo o medida que se esta analizando en un estudio estadístico. La variable pude ser: 1- VARIABLE CUALITATIVA: Clasifica, o describe un atributo o cualidad de los elementos de la población o muestra. (Atributos) 2- VARIABLE CUANTITATIVA: Los datos recolectados cuantifican un elemento de la población o muestra.
  • 24. La variable cuantitativa puede ser: a) VARIABLE CUALITATIVA DISCRETA: Cuando los valores que toma la variable son enteros que no se pueden partir. b) VARIABLE CUALITATIVA CONTINUA: Cuando los valores que toma la variable se pueden partir. DATOS: Conjunto de valores recolectados para la variable. DATO: Valor de la variable asociado a un elemento de una población muestra. EXPERIMENTO: Actividad planeada, cuyos resultados producen un conjunto de datos. VARIABLE ALEATORIA: Una Variable aleatoria (v.a) es una función que asigna a cada elemento de un espacio muestral un numero real. o sea una variable es aleatoria si toma diferentes valores como resultado de un experimento aleatorio.
  • 25. 2.3 EJERCICIOS - CONCEPTOS ESTADISTICOS. 1. Utilizando la información suministrada en la situación siguiente identifica los Conceptos básicos de la estadística tales como: Población, muestra, variable, dato, datos, experimento, parámetro Situación 1. Un estudiante de estadística está interesado en determinar algo sobre el promedio del valor en pesos de los automóviles que pertenecen al cuerpo docente del Instituto Tecnológico Metropolitano. La siguiente es la lista de información con la que el estudiante cuenta. . Automóviles que pertenecen a los profesores del departamento Idiomas: ____________________________________________________ . Colección de todos los automóviles que pertenecen a todos los miembros del cuerpo docente: ____________________________________________________ . Valor en pesos de cada automóvil individual: ________________ . Los valores de los autos de cada uno de los docentes de Idiomas: ____________________________________________________ . Le pregunto a cada docente de idiomas el valor de su auto: ____________________________________________________ . El valor promedio de todos los automóviles de los docentes del Instituto es de $1.700.830 dólares: __________________________________________ . El automóvil del profesora Sánchez está valuado en $14.594.000
  • 27. Situación 2. Comer juntos: sigue siendo importante. A continuación se presentan los resultados obtenidos en una encuesta realizada respecto a la importancia de que una familia coma junta. Con la información suministrada, responda las siguientes preguntas ¿Qué tan importante es para usted cenar con su familia ? No 20% Si. 80% Algo 28% Mucho 74% ¿La mayor parte de su familia cenó junta ayer ? No mucho (4%) En los últimos siete días, ¿Cuántas veces cenó junta la mayor parte de su familia? 0 1 2 3 4 5 6 7 7 7 8 8 13 3 8 46 Nº.días Porcentaje Cuando su familia cena junta ¿Cuánto tiempo dura la cena? Duración ½ hora 45 min más de 1 h. < ½ h 1 hora lo ignora Porcentaje 48% 21% 2% 20% 8% 1% a. Mencione las cuatro variables. b. ¿Qué tipo de variable es cada una?
  • 28. Situación 3. Un fabricante de medicamentos está interesado en la proporción de personas que padecen hipertensión (presión arterial elevada) cuya condición pueda ser controlada por un nuevo producto desarrollado por la empresa. Se condujo un estudio en el que participaron 5000 personas que padecen de hipertensión, y se encontró que 80% de las personas pueden controlar su hipertensión con el medicamento. Suponiendo que las cinco mil personas son representativas del grupo con hipertensión, conteste las siguientes preguntas: a. ¿Cuál es la población? b. ¿Cuál es la muestra? c. Identifique el parámetro de interés d. Identifique la estadística y proporcione su valor e. ¿Se conoce el valor del parámetro? Situación 4. La fábrica de gaseosas la Sed proyecta lanzar al mercado un nuevo sabor. Se Realiza un test de aceptación de dicho sabor a 20 niños, utilizando una escala de 10 puntos, para medir el grado de aceptación. Uno de los niños (Pedro) acepto el nuevo sabor con 7 puntos. Los puntos obtenidos en los 19 niños restantes son los siguientes. 2,6,7,4,5,5,9,8,7,5,1,8,4,7,7,7,6,5,4. La muestra estuvo compuesta por igual número de niños de ambos sexos, de 6 a 12 años, pertenecientes a una Escuela de la Ciudad
  • 29. de Medellín, los cuales en su mayoría dieron una aceptación de 7 puntos. Con la información identifique: a. ¿Cuál es la población?:______________ b. ¿Cuál es la muestra?: _______________ c. ¿Cuál es la variable? : ______________ d. ¿Es la variable cualitativa o cuantitativa?: _________________ e. ¿Cuál es el experimento? : _______________________ f. ¿Cuál es un dato?: _____________________________ g. ¿Cuales son los datos? : ________________________ h. ¿Cuál es el estadístico? : ________________________ i. ¿Cuál es el parámetro?: _________________________ 2. EJERCICIO Identifique las siguientes expresiones como ejemplos de variables cualitativas o cuantitativas. a. Una encuesta de electores registrados según el candidato que apoyen. b. El tipo de cuentas que se pueden registrar en una contabilidad._ c. Códigos utilizados para marcar productos en un supermercado d. El tiempo mínimo necesario para una persona ejecute una tarea específica. e. El número de páginas por trabajo que salen de la impresora de una computadora. f. Registro por estratos de los habitantes de Medellín.
  • 30. 3. Resolver las siguientes preguntas: a. Describa en sus propias palabras cómo puede utilizarse la estadística para solucionar en varias disciplinas y ocupaciones. b. Describa en sus propios términos la diferencia entre población y muestra; entre parámetro y un estadístico. c. ¿Cuál es la diferencia entre una variable cuantitativa y una variable cualitativa? Dé ejemplos. d. Diferencie entre una variable continua y una variable discreta. Dé ejemplo de cada una. e. Una revista reciente reveló que los japoneses pronto controlarán hasta un 35% de las ventas de autos en los Estados Unidos; comparando con el 28% de finales de los años 80 está apenas un 8% por encima de lo ocurrido en 1970. ¿Esta información contiene estadística descriptiva, inferencias, o ambas? Explique. f ¿Cuál es la diferencia entre la estadística descriptiva y la estadística inferencias? ¿Cuál cree usted constituye una forma más elevada de análisis estadístico y por que? g. Seleccione una población cualquiera que sea de su interés. Identifique variables cuantitativas y cualitativas de esa población que puedan seleccionarse para ser estudiadas. h. Si los estadísticos están interesados realmente en poblaciones, ¿por qué realmente trabajan con muestras?
  • 31. 4. Determine si las siguientes variables son discretas o continuas: a. Número de cursos que los estudiantes de Costos y Presupuestos cursan en este semestre. b. Número de pases atrapados por el beisbolista Tim Brown, receptor de los La Raiders. c. Peso de los compañeros de equipo de Tim Brown. d. Peso del contenido de las cajas de cereal e. Número de libros que usted leyó el año pasado. 5. El presidente de una fraternidad en el campus desea tomar una muestra de las opiniones de 112 miembros respecto a las actividades urgentes para el otoño: a. ¿Cuál es la población? c. ¿Cuál es la muestra?
  • 32. 2.4 METODOS GRAFICOS PARA DESCRIBIR INFORMACION Un análisis estadístico comienza generalmente, con un estudio grafico de los datos disponibles en una tabla. Cuando se tiene información considerable, acerca de una variable, es difícil hacer una interpretación rápida del comportamiento de esta. Organizando estos datos en una tabla y a partir de elaborar algunas graficas, se puede observar en forma clara e inmediata la variable. 2.5 TABLAS DE DE DATOS: TABLA: Es un cuadro que consiste en la disposición ordenada de los datos. Las tablas sistematizan los resultados y ofrecen una visión. Numérica, sintética y global del fenómeno observado. . TIPO DE TABLAS TABLAS TABLA DE ENTRADA DE DATOS TABLA DE CONTINGENCIA TABLA DE FRECUENCIA TABLA DE FRECUENCIA PARA DATOS SIMPLES. TABLA DE FRECUENCIA PARA DATOS AGRUPADOS
  • 33. 2.5.1 TABLA DE ENTRADA DE DATOS: Es aquella en la cual solo aparecen los datos que se obtuvieron en la recolección da datos. Es la tabla mas sencilla y se utiliza para registro de datos. 2.5.2 TABLA DE CONTINGENCIA: Llamada también tabla de doble entrada. Es aquella tabla que contiene los datos de dos variables y esta formada de la siguiente manera: En la cabeza de las filas por los valores de una variable y las de las columnas por la otra, y en las casillas de la tabla, por las frecuencias o numero de elementos que reúne a la vez los valores de las dos variables que se cruzan en cada casilla. 2.5.3 TABLA DE FRECUENCIAS: La tabla de frecuencias esta formada por los valores de una variable cuantitativa sus frecuencias correspondientes. Definiremos que es frecuencia; FRECUENCIA: La frecuencia se refiere al número de repeticiones de una clase o de un valor de la variable. 2.5.3.1 TABLA DE FRECUENCIA SIMPLE: Esta formada por los valores de una variable cuantitativa y sus frecuencias correspondiente. Generalmente se usa para un número de observaciones menores de 30 datos.
  • 34. PROCESO PARA LA CONSTRUCCIÓN DE LA TABLA DE FRECUENCIA SIMPLE: Utilizaremos el siguiente proceso para la elaboración de la tabla: - Primera Columna: Se organizan los datos de la variable en formas ascendente, sin repetir y a esta columna la llamamos . ix - Segunda Columna: Se cuenta el numero de veces que se repite el valor, y se coloca al frente de cada , a esta frecuencia la llamamos frecuencia absoluta y la representamos por o . ifin - Tercera Columna: Se denomina Frecuencia Absoluta Acumulada, Esta representada por o . se calcula sumando la frecuencia absoluta o en cada valor así: iFiN y así sucesivamente 11fF 212ffF 3213fffF niiifF1 - Cuarta columna: Frecuencia Relativa, se representa por , Se calcula dividiendo cada frecuencia absoluta por el numero total de observaciones n. así: ih nfhii - Quinta Columna: Frecuencia Relativa acumulada, representada por , correspondiente a cada valor de . Se calcula sumando la frecuencia relativa en cada valor , Así: iH
  • 35. y así sucesivamente =1 La tabla para datos simples quedaría: Tabla 1: Tabla de distribución de frecuencias datos sin agrupar 11hH 212hhH 3213hhhH niiihH1 iX if iF ih iH % * ih 1X 1f 1F nfh11 1h 1001h 2X 2f 2F nfh22 21hh 1002h . .
  • 36. nX nf nF nfhnn nhhh.21 100nh 2.5.3.2 TABLA DE FRECUENCIA PARA DATOS AGRUPADOS Se utiliza para variables continuas y discretas cuando el número de observaciones es mayor de 30 datos y se agrupan por intervalos o grupos.
  • 37. PROCESO PARA LA CONSTRUCCIÓN DE LA TABLA DE FRECUENCIA PARA DATOS AGRUPADOS: 1. Calculamos el número de intervalos de clase representado por m. m: Es el numero de subgrupos en el cual se subdivide la variable. Se puede calcular: (1) 2. Calculo el rango R: Que es la diferencia entre el valor mayor y el menor valor que toma la variable. (2) : Valor máximo que toma la variable. : Valor mínimo que toma la variable. 3. Calculo de la amplitud de los intervalos, se denota por la letra: a (3) 4. Intervalos de clase: Esta es la primera columna de la tabla, comienza con el valor mínimo que toma la variable como el limite inferior de la primera clase, se le suma la amplitud como el calculo del limite superior de la primera clase y este a su vez será el limite inferior , de la segunda clase luego se le vuelve a sumar la amplitud para el limite superior de la segunda clase y así sucesivamente hasta llegar al ultimo intervalo. : Limite inferior del intervalo o clase : Limite superior del intervalo o clase. (4) nmlog3.31 nm minmaxXXR maxX minX mRa 1LI iLS aLILSii
  • 38. 5. Se busca la marca de clase que denotamos por la nueva , y es: (5) 6. La segunda columna de la tabla, para datos agrupados, es el frecuencia absoluta ( ): Es el número de observaciones que caen en el intervalo sin incluir el límite superior, es decir numero de datos mayores o iguales a , pero menores que o sea que el intervalo es cerrado hacia la izquierda y abierto a la derecha. Intervalo. Es importante anotar que el último intervalo de clase es cerrado a ambos lados, para no dejar información fuera del rango. 7. Se buscan las otras columnas, con las frecuencias , , , siguiendo el mismo procedimiento del de la tabla de frecuencia simple. Tabla 2 : Tabla de distribución de frecuencias datos agrupados iX 2iiiLSLIX Intervalos iiLSLI % 11LSLI 22LSLI
  • 40. 2.6 METODOS GRAFICOS La presentación de la información mediante gráficos es algo que se analiza a diario y en forma casi natural por personas de diferentes profesiones. Los gráficos estadísticos nos permiten usar nuestra habilidad para visualmente procesar información de un grafico. Luego, un grafico es una de las mejores formas de conocer el material disponible pues facilita una comprensión global del problema en estudio. Los gráficos más usuales son: 2.6.1 GRAFICO DE PASTEL O CIRCULAR: Llamado también el grafico de sectores: Es un grafico en forma de circulo donde las categorías, se basa en una proporcionalidad entre la frecuencia y el ángulo central de una circunferencia, de tal manera que a la frecuencia total le corresponde el ángulo central de 360°. Para construir se aplica la siguiente formula: X = frecuencia relativa * 360°/S frecuencia relativa También lo podemos representar el forma porcentual, se divide tantas partes como categorías tenga de manera que el total del circulo sea el 100% y las cantidades se expresan en porcentaje. Si la variable es cualitativa (rubio, moreno, alto bajo, etc.) se suele utilizar más este tipo de grafico.
  • 41. 2.6.2 DIAGRAMA DE BARRAS: Se utiliza para frecuencias absolutas o relativas, acumuladas o no, de una VARIABLE DISCRETA. En el eje de abscisas, situaremos los diferentes valores de la variable. En el eje de ordenadas la frecuencia. Levantaremos barras o columnas SEPARADAS de altura correspondiente a la frecuencia adecuada. 01234567x1x2x3x4x5 HISTOGRAMA: Se emplea para ilustrar muestras agrupadas en intervalos. Esta formado por rectángulos unidos a otros, cuyos vértices de la base coinciden con los límites de los intervalos y el centro de cada
  • 42. intervalo es la marca de clase, que representamos en el eje de las abscisas. La altura de cada rectángulo es proporcional a la frecuencia del intervalo respectivo. Es para variables CONTINUAS. Si la amplitud del intervalo es la misma, elevaremos columnas UNIDAS, a altura la frecuencia correspondiente. Si la amplitud del intervalo es diferente, el área del rectángulo columna será proporcional a la frecuencia representada. Frecuencia Acumulada Variable 2.6.4 POLÍGONO DE FRECUENCIAS: Es la recta que une los extremos de las variables de una distribución, un ejemplo clásico es el de la evolución de la temperatura de un paciente 0510152025x1x2x3x4x5 2.6.5 ACTIVIDAD El estudiante consultara el grafico de Tallo y Hoja y el diagrama de pareto x15x24x36x42x54
  • 43. 2.7 EJERCICIOS- DESCRIPCION DE LA INFORMACION POR METODOS GRAFICOS 1. Utilizando la siguiente información cree tabla de categorías con sus respectivos porcentajes, grafique e interprete En el ITM el ingreso de estudiantes para este semestre fue de 1000 de los cuales 200 ingresaron a tecnología de Electromecánica, 150 a tecnología de Electrónica, 250 a tecnología de Costos y Presupuestos, 200 a tecnología de MEB , y 200 a otras tecnologías 2. Utilizando la siguiente información genere una tabla de contingencia (tabla de doble entrada) realice gráficos de barras y circulares para cada variable e interprete. De los 200 empleados de una empresa 180 almuerzan en esta. Existen 150 hombres que en esta compañía trabajan, de los cuales 138 almuerzan en la compañía. 3. De la siguiente tabla de contingencia realice un grafico de barras y de pastel (o circular) para cada variable e interprete. De una muestra de 350 estudiantes de primer semestre del 2005 se obtuvo la siguiente tabla.
  • 45. EL LACER FUNCIONA HACIENDO CONVERGER ONDAS DE SONIDOLASER0 NOSE1 VERDADERO2 FALSO16,00% 13,60% 70,40% 5. En un curso de bachillerato de un colegio masculino se hizo una encuesta nutricional realizando un censo de edad y midiendo el peso de cada uno de los estudiantes del curso. El peso promedio fue 52 kilos, cuando el esperado según las edades era 58. EL LASER FUNCIONA HACIENDO CONVERGER ONDAS DE SONIDOPORCENTAJE0204060800 NOSE1 VERDADERO2 F
  • 46. En consecuencia, se hizo una campaña para que los estudiantes equilibraran su alimentación y subieran un poco de peso. Para medir la efectividad de la campaña, tres meses después se hizo un nuevo control, cuyos resultados se pueden apreciar en las siguientes graficas: 1- De acuerdo con los datos registrados debe concluirse que la campaña fue: a. Efectiva, porque 3/5 de los estudiantes del curso supero el promedio inicial de peso. b. inefectiva, porqué el promedio de peso posterior a la campaña fue de 50,5 kilos que es el menor al inicial. c. efectiva, porque el promedio posterior a la campaña fue de 54 kilos que es mayor que el inicial. 2. Teniendo en cuenta las graficas, al hacer una comparación entre edades y pesos de los estudiantes, es correcto deducir que: a. Los estudiantes de 10 años pesan 45 kilos. b. El promedio de edad es superado por menos estudiantes que los que superan el promedio de peso. Histograma peso por estudiante0102030405060704550556065pesoNor de estudiantes
  • 47. c. Los estudiantes que tienen 15 años pueden pesar entre 50 y 60 kilos. 6. Del siguiente grafico saque la tabla de distribución de frecuencias: No. DE ALUMNOS QUE DESERTAN POR AÑO DEL ITM9391205128915651469Año 2000Año 2001Año 2002Año 2
  • 48. 2.8 EJERCICIOS DESCRIPCION DE LA INFORMACION POR TABLAS 1. El gobierno desea averiguar si el número medio de hijos por familia ha descendido respecto de la década anterior. Para ello ha encuestado a 50 familias respecto al número de hijos, y ha obtenido los siguientes datos: 2 4 2 3 1 2 4 2 3 0 2 2 2 3 2 6 2 3 2 2 3 2 3 3 4 3
  • 49. 3 4 5 2 0 3 2 1 2 3 2 2 3 1 4 2 3 2 4 3 3 2 2 1 Se pide: a) ¿Cuál es la población objeto de estudio? b) ¿Qué variable estamos estudiando? c) ¿Qué tipo de variable es? d) Construir la tabla de frecuencias? e) ¿Cuál es el número de familias que tiene como máximo 2 hijos? f) ¿Cuántas familias tienen más de 1 hijo, pero como máximo 3? g) ¿Qué porcentaje de familias tiene más de 3 hijos?
  • 50. h) Realice el grafico 2. Las siguientes son las dimensiones en milímetros, de tornillos elaborados por una máquina en la empresa z
  • 52. a. Elabore una tabla de frecuencia y defina la variable y la frecuencia absoluta. b. Grafique el diagrama de frecuencia simple e interprételo c. Grafique el diagrama de frecuencia acumulada. d. Que porcentaje de tornillos tienen una dimensión entre 159mm y 170 mm e. Que porcentaje de tornillos tienen una dimensión de mas de 168mm? 3.- La siguiente tabla muestra la clasificación de 901 individuos según la satisfacción en el trabajo iX if Muy insatisfecho 62 Moderadamente insatisfecho 108 Moderadamente satisfecho 319 Muy satisfecho 412 Total 901 a. ¿Cuantos individuos están moderadamente satisfechos? b. ¿Que porcentaje representan Los individuos que están moderadamente insatisfechos?
  • 53. c. Que Porcentaje de individuos esta muy satisfecho con el trabajo que realiza? d. Construya un grafico que represente la información. 4. En una muestra de 30 secretarias del municipio se registró el número de errores que cometen por página así: 5, 6,7,8,9,10,5,6,7,8,8,9,9,5,7,8,8,8,8,9,7,7,7,6,6,10,10,9,5,6 a. Elabore una tabla de frecuencia para datos no agrupados y defina variables b. Grafique el histograma de frecuencia simple e interprételo c. Grafique el histograma de frecuencia acumulada d. Cuantas secretarias cometen 7 errores o menos e. Cuantas secretarias cometen entre 8 y 10 errores f. Que porcentaje de secretarias cometen mas de 9 errores 5. Se quiere estudiar la eficacia de un nuevo insecticida para plantas de interior. Se seleccionan 50 plantas y se cuenta el número de hojas que han sido atacadas después de haber tratado la planta con el nuevo producto. Los resultados son: Hojas atacadas if 0 6 1 10 2 12 3 8 4 5 5 4 6 3 8 1
  • 54. 10 1
  • 55. a. Termina de construir la tabla de frecuencias, y defina variables b. Cuantas plantas tienen como mínimo 6 hojas atacadas? c. Cuantas plantas tienen entre 3 y 6, inclusive, atacadas? d. Que porcentaje de plantas tienen 8 hojas atacadas. e. Que porcentaje de plantas tienen mas de 4 hojas atacadas? 6. Los datos que a continuación se presentan corresponden a las horas extras laboradas por un grupo de trabajadores de la empresa ANICA. 29 30 33 38 39 40 42 45 47 48 50 50 51 52 53 57 58 61 64 65 68 69 70 72 73
  • 57. 117 119 123 125 129 a. Defina objetivo y variable Realice un análisis para datos agrupados utilice 5 intervalos de clase interprete la tabla analizando la tercera fila b. Un Histograma y un Polígono de frecuencia c. cuantos trabajadores laboran 86 horas o menos d. que porcentaje de trabajadores laboran exactamente 72 horas e. Cual es el ingreso promedio de los trabajadores de XXXX. f. que porcentaje de trabajadores laboran mas de 114 horas g. a cuantas horas corresponde el 35% acumulado h. cuantos trabajadores laboran mas de 50 horas pero menos de 107 i. que porcentaje de trabajadores laboran 99 horas
  • 58. j. que porcentaje de trabajadores laboran mas de 130 horas 7. Los datos siguientes son una muestra aleatoria de los ingresos en $ obtenidos por copagos en el Centro Medico Santa Maria, en los meses de mayo y junio 112143 304091 425465 493934 570686 117322 309244 430124 495527 573919 140004 314086 433319 499346 596062 145570 330258 435774 504772 614128 153640 354757 437977 507980 620631
  • 59. 180198 402223 440198 546039 663476 184376 402489 453729 546542 663966 224896 417376 461788 551905 682091 250364 417437 462620 566340 693258 278180 420434 487794 566940 724349 Utilice una amplitud de 87458 intervalos para describir la información en una tabla de frecuencia para datos agrupados. a. Describa la información obtenida interpretando toda la fila 3 b. Grafiqué e interprete los histogramas de frecuencia (los dos) c. Que porcentaje de copagos fue mayor $417437. 8. Los datos que a continuación se presentan corresponden a las horas extras laboradas por una muestra de trabajadores de EEPP.
  • 63. a. Cuantos trabajadores laboraron 88 horas o más b. Que porcentaje de trabajadores laboraron entre 68 y menos de 108 c. Que porcentaje de trabajadores laboro menos de 50 horas d. El 20% de trabajadores, máximo cuantas horas trabaja. e. Interpreta los datos de la fila 3. 9. Los 97 empleados de una fábrica textil, se clasificaron de acuerdo al tiempo laborado para la empresa, con la siguiente distribución: Clase Tiempo trabajado (años) Número de trabajadores 1 0 < 5 10 2 5 < 10 28 3 10 < 15 27 4 15 <20 14 5 20 < 25 6 6 25 <=30 12 a. Cuantos trabajadores han laborado entre 10 y menos de 24
  • 64. años b. Que porcentaje de trabajadores laboran entre 10 y menos de 19 años c. Que porcentaje de trabajadores laboran 15 o mas años d. Calcule la media e interprete. e. Que porcentaje de trabajadores tienen 15 años o mas de tiempo laborado en la empresa.
  • 65. 3 CAPITULO 3 COMPETENCIA Describir y analizar información cuantitativa utilizando métodos numéricos. EJES TEMATICOS Métodos numéricos para describir información Medidas de tendencia central Media aritmética Mediana Moda. Medidas de Dispersión: Desviación estándar Coeficiente de variación Regla empírica 3. METODOS NUMERICOS PARA DESCRIBIR INFORMACION Para realizar comparaciones cuantitativas, se requieren descripciones de datos más concisas, que las obtenidas por medio de un histograma.
  • 66. Las características más importantes de la distribución de una variable son las medidas de tendencia central y de dispersión o variación. METODOS NUMERICOS 3.1 MEDIDAS DE TENDENCIA CENTRAL Son aquellas que se encuentran localizadas hacia el centro de la información. Estas medidas se buscan tanto para datos simples como para datos agrupados. Organigrama MEDIA ARITMETICA MEDIDAS DE VARIACION VARIANZA MEDIDAS DE TENDENCIA CENTRAL METODOS NUMERICOS MEDIANA MODA DESVIACION STANDAR COEFICIENTE DE VARIACION
  • 67. 3.1.1 MEDIA ARITMETICA: Se define como el promedio de los valores de la distribución de datos y es el estadístico más comúnmente usado para medir la tendencia central dada su simplicidad. Se denota por , cuando hablamos de muestras, i=1,2, .,n X niiinfxX1 3.1.1.1 ACTIVIDAD: Investigue: a. Cual es; y a que es igual la media poblacional? b. ¿Será igual la media aritmética para datos simples y agrupados? 3.1.2 MEDIANA: La mediana corresponde al valor situado en el centro de las observaciones, cuando estas son agrupadas en orden de magnitud; es decir la mediana parte a la distribución de datos en dos partes iguales, por ser también una medida de localización no es afectada por valores extremos. 3.1.2.1 CALCULO DE LA MEDIANA PARA DATOS SIN AGRUPAR: Para el cálculo de la mediana se deben tener los datos organizados en orden ascendente y se debe considerar cuando el número de datos es impar o par.
  • 68. a) Cuando el numero de datos es impar (n impar) , la mediana es el valor que se encuentra en la posición . 21n 21nexm b) Cuando el numero de datos es par ( n par) la mediana es la suma de los dos valores centrales dividida por dos . 3.1.2.2 CALCULO DE LA MEDIANA PARA DATOS AGRUPADOS: Para calcular la mediana cuando se tiene la información agrupada en intervalos, procedemos de la siguiente forma: 1. Calcular n/2. 2. Encontrar la en la tabla que contenga inmediatamente a n/2. 3. Calcular la mediana con la siguiente ecuación. Nomenclatura de la tabla de datos agrupados. : limite inferior del intervalo i que corresponde a . : Frecuencia absoluta acumulada del que corresponde al intervalo de la mediana. 2122nnexxm if 112iiiieFFFnaLIm iLIiF iF Frecuencia absoluta acumulada, que corresponde al intervalo anterior al de la mediana. 1iF
  • 69. a : amplitud del intervalo. 3.1.3 MODA Es el valor más común de la distribución de datos. Igual a la mediana se calcula para datos agrupados y sin agrupar. 3.1.3.1 MODA PARA DATOS SIN AGRUPAR. La moda es el valor ( ), que mas se repite; es decir el valor de la variable que mayor frecuencia absoluta tiene. (Correspondiente al mayor) ix xoxmif 3.1.3.2 MODA PARA DATOS AGRUPADOS. Para calcular la moda cuando la información es agrupada por intervalos utilizamos la siguiente ecuación. + : limite inferior del intervalo i que corresponde a a : amplitud del intervalo. : Frecuencia absoluta del intervalo en que esta la moda. : Frecuencia absoluta posterior al intervalo que se encuentra la moda. : Frecuencia absoluta anterior al intervalo donde se encuentra la moda. ioLIm )2( )( 111iiiiifffffa if if 1if 1if
  • 70. 3.2 MEDIDAS DE POSICION Las medidas de posición mas utilizadas son los cuartiles, deciles y percentiles Como su nombre lo indica, muestran la posición de la distribución de datos: 3.2.1 LOS CUARTILES Son 3 valores que distribuyen la serie de datos, ordenada de forma creciente o decreciente, en cuatro tramos iguales, en los que cada uno de ellos concentra el 25% de los resultados. Calcular (posición del Cuartil) encontrar la frecuencia Absoluta acumulada que inmediatamente contenga a y aplicar Donde, K=1,2, , n 4Kn iF 4Kn 114iiiikFFFknaLIq 3.2.2. LOS DECILES: Son 10 valores que distribuyen la serie de datos, ordenada de forma creciente o decreciente, en diez tramos iguales, en los que cada uno de ellos concentra el 10% de los resultados. Donde es la posición del decil 1110iiiikFFFknaLId 10kn
  • 71. 3.2.3 LOS PERCENTILES Son 100 valores que distribuyen la serie de datos, ordenada de forma creciente o decreciente, en cien tramos iguales, en los que cada uno de ellos concentra el 1% de los resultados. 3.2.4 ACTIVIDAD Investiga como se buscan los deciles y los percentiles para datos sin agrupar y datos agrupados.. 3.3 MEDIDAS DE DISPERSION Las medidas de dispersión pueden ser usadas para estimar la confiabilidad de un promedio o para compara cual de dos muestras es mas homogénea. Una dispersión baja indica que el promedio es representativo y confiable, si la dispersión es alta el promedio tiene poca utilidad practica. Las Medidas de dispersión mas utilizadas son: - El Rango - La desviación media - La varianza - La desviación Típica o Estándar - El coeficiente de variación. 3.3.1 LA VARIANZA Se conoce también como el error cuadrático y mide la variación en unidades cuadráticas de los datos con respecto a la media.
  • 72. Calculo de la Varianza: i= 1,2, ..,N Varianza Poblacional i= 1,2, .,n Varianza Muestral 3.3.1.1 ACTIVIDAD Demuestre utilizando propiedades de sumatorias que, la varianza también puede ser igual a: = 3.3.2 DESVIACION ESTÁNDAR Indica el grado de dispersión o alejamiento de los datos con respecto a su promedio. Se calcula como la raíz cuadrada de la varianza. Calculo de la desviación Típica o estándar: i= 1,2,3, .,n 3.3.3 COEFICIENTE DE VARIACION NfXiiNi212 niiinfXXS1221 niiinfXXS1221 niiinXnfX1221 122nXnfXSii Es el porcentaje de variación de la distribución de datos. Se puede definir en forma empírico, que si el valor del coeficiente no excede
  • 73. el 20%, la distribución de datos es homogénea y si es mayor del 20% la distribución de datos es heterogénea, osera pueden existir valores extremos que se deben analizar. Calculo del coeficiente de variación: Coeficiente de variación muestral 3.3.4 REGLA EMPIRICA Cuando tenemos datos que tiene aproximadamente una distribución normal (simétricos, unimodales, en forma de campana), observaremos aproximadamente: el 68% de los datos a una desviación estándar o menos de la media, el 95% a una distancia de dos o menos desviaciones estándar de la media y el 99% a una distancia de tres o menos desviaciones estándar de la media. De donde = 68% Representación gráfica de esta función de densidad 100* XSCV SX %952SX %7,993SX
  • 74. 3.4 EJERCICIOS SOBRE MEDIDAS DE TENDENCIA CENTRAL, POSICION Y VARIACION. 1. Hallar la media, mediana y la desviación de los siguientes conjuntos de números: a) {5, 4, 8, 3, 7, 2, 9} b) {18,3; 20,6; 19,3; 22,4; 20,2; 18,8; 19,7; 20,0} c) {121, 441, 930, 587, 788, 49, 749, 786, 581} 2. En la siguiente tabla encontramos las dimensiones en milímetros, de tornillos elaborados por una máquina en la empresa z . iX if 156 2 159 2 162 2 168 4 170 3 174 4 178 3 184 2 186 2 188 1
  • 75. a. Calcular la dimensión promedio de los 25 tornillos? b. Cual es la dimensión en mm que mas se repite? c. Calcular el 50% de la dimensión de los 25 tornillos? d. Calcular el 25%, 75% , 30% de la información? e. Interpretar Resultados f. Interpretar la fila 7. g. Calcule el error cuadrático de la información
  • 76. 3. Tenemos información correspondiente al número de horas diarias trabajadas por una persona contratada durante doce días en una determinada empresa: 8, 8, 7, 8, 7, 9, 9, 5, 6, 7, 8, 8. a. Calcular la media Aritmética b. Calcular la mediana y la moda. c. Interpretar resultados d. Calcular cual es el 30% de la información? e. Calcular la desviación Típica y el coeficiente de variación. 4. La siguiente tabla nos muestra el número de hermanos que tienen los estudiantes del curso de geometría del programa de telecomunicaciones del ITM. xi fi hi Fi 2 10 0,25 3 4 15 0,375 30 5 0,25 a. Completar la tabla. Definir la variable y la frecuencia absoluta. b. Calcular el promedio de hermanos de los estudiantes del
  • 77. curso de geometría. c. Calcular el 75% de la información. d. Cual es el número de hermanos que mas tienen los estudiantes del curso de geometría del ITM. e. Calcular la mediana de la información e interpretar resultados. 5. Se quiere estudiar la eficacia de un nuevo insecticida para plantas de interior. Se seleccionan 50 plantas y se cuenta el número
  • 78. de hojas que han sido atacadas después de haber tratado la planta con el nuevo producto. Los resultados son: Hojas atacadas 0 6 1 10 2 12 3 8 4 5 5 4 6 3 8 1 10 1 a. Calcular el promedio de hojas atacadas? b. Calcular la mediana de la información e interpretar resultados. c. Calcular el 20%, el 60 y el 75% de l d. Cual es el número de hojas atacadas que más se repiten. 6. Con la información del ejercicio 5 del taller No. 4 Responda las siguientes preguntas: a. Que promedio de horas extras trabajan los trabajadores de Anica? b. Cuantas horas extras trabajan el 75% de los trabajadores? c. Cual es el 50% o menos de las horas extras que trabajan los trabajadores de la empresa?
  • 79. d. Cual es el común de horas extras que mas laboran los trabajadores? e. Calcular los cuartiles de la información?
  • 80. 7. Una empresa de Transporte internacional quiere estudiar los días que transcurren hasta hacer la entrega de los encargos (X). La información se encuentra en el computador central de la empresa, el cual ha resumido esta en la siguiente tabla de frecuencias. Intervalos iiLSLI 0 2 25 2 - 4 20 4 - 6 15 6 - 8 17 8 - 10 13 a. Defina la variable y la frecuencia absoluta b. Cual es el promedio de encargos en los días transcurridos. c. Cual es el 50% o mas de de los encargos en los 90 días transcurridos? d. Cual es el común de encargos en los 90 días? e. Calcular el 25% y 75% de los encargos en los 90 días? f. Interpretar resultados. 8. Un estudio realizado entre un conjunto de personas con el fin de observar la relación entre la inteligencia y el nivel socioeconómico (medio por el salario mensual familiar) arroja los siguientes datos, discriminando dos grupos según el cociente intelectual.
  • 81. INTERVALOS CI <95 CI = o > 95 1000 - 3000 75 19 3000 - 5000 35 26 5000 - 7000 20 25 7000 - 9000 30 30 9000 - 11000 25 54 11000 -11999 15 46 a) Hallar media, mediana, moda, los cuartiles y el decil 2 y el percentil 37 para cada grupo y para todo el conjunto. b) Encontrar el Coeficiente de Variación y afirmar si la muestra es homogénea o heterogénea. 9. Los datos a continuación muestran la distancia de frenado para 35 automóviles que circulan cada uno sobre una superficie húmeda de 30 millas por hora. 63 67 90 85 86 63 85 74 72 85 71 95 85 62 85 84 70 63 72 70 100 94 91 66 69 70 64 73 103 104 90 71 75 62 85 a. Definir las variables b. Encontrar el promedio de distancia de frenado de los 35 automóviles
  • 82. c. Interprete los datos de la fila 3. d. Cual es la distancia de frenado que mas se repite. e. Calcular el 50% de la distancia de frenado de los 35 automóviles?
  • 83. f. Encontrar el 25%, 60% y 75% de las distancias de frenado de los automóviles? g. Interpretar las respuestas h. Calcular cual es el 50% de la distancia de frenado. i. Calcular la desviación de las observaciones alrededor de la media. 10. A continuación se dan los resultados obtenidos en una muestra de 50 individuos donde se deja constancia del tiempo de reacción, en segundos, a un estímulo auditivo. 0,113 0,110 0,126 0,112 0,117 0,113 0,135 0,107 0,122 0,118 0,113 0,098 0,122 0,105 0,103 0,119 0,100 0,117 0,113 0,106 0,124 0,118 0,132 0,108 0,115
  • 84. 0,120 0,107 0,123 0,109 0,128 0,117 0,111 0,112 0,101 0,112 0,111 0,119 0,103 0,100 0,094 0,108 0,120 0,099 0,102 0,129 0,115 0,121 0,130 0,134 0,114 a) Hallar la media, la mediana, la moda, los cuartiles y el decil 4 y el percentil 85, la varianza y el coeficiente de variación. b) Reagrupar los datos en un cuadro donde la variable tome intervalos: 0 0,100; 0,100 0,110; 0,110 0,120; 0,120 0,130; 0,130 0,140
  • 85. c) Hallar los mismos datos que se hallaron para en a) pero ahora para los datos agrupados
  • 86. 11. Las edades de una muestra aleatoria de 10 estudiantes del programa diurno y nocturno del postgrado en administración de una universidad son: Diurno 24 30 28 23 25 22 26 27 28 25 Nocturno 26 33 29 28 27 29 33 34 27 28 Si la homogeneidad del grupo es un factor positivo de aprendizaje, aplicar una medida de variabilidad relativa para indicar a cual grupo es más fácil enseñarle. 12. Un registro del peso (medido en libras) de un conjunto de 40 personas arrojó la siguiente distribución de frecuencias relativas acumuladas Peso
  • 87. iF 118 127 0,075 127 136 0,200 136 145 0,425 145 154 0,700 154 163 0,850 163 172 0,900 172 181 1 a) Hallar la media, la mediana, la moda. b) Encontrar los cuartiles y el decil 10.
  • 88. c) Encontrar la desviación estándar y el coeficiente de variación. d) Interprete resultado. 13. Un número de cheques cobrados diariamente en 5 sucursales de un banco durante un mes tuvo la siguiente distribución de frecuencias. NUMERO DE CHEQUES FRECUENCIA 0 200 10 200 400 13 400 - 600 17 600 800 42 800-1000 18 El director de operaciones del banco, sabe que una desviación estándar en el cobro de los cheques de más de 200 cheques diarios crea problemas de organización y dotación de personal en las sucursales, debido a una carga de trabajo no uniforme. Que se puede concluir?
  • 89. 4 CAPITULO 4 COMPETENCIA Conocer el concepto de probabilidad, su terminología y el Cálculo de probabilidades simples EJES TEMATICOS Introducción a la probabilidad Modelo clásico de probabilidad Análisis combinatorio Reglas de la probabilidad Teorema de Bayes 4 PROBABILIDADES La estadística consta de herramientas y métodos que nos permite evaluar la confiabilidad de conclusiones obtenidas a partir de datos muéstrales. De todas las herramientas que utiliza la estadística el concepto de probabilidad es el más importante. Todo esfuerzo por reducir el nivel de incertidumbre en el proceso de toma de decisiones incrementará enormemente la probabilidad de que tomen decisiones más inteligentes y bien informadas.
  • 90. El propósito de esta unidad es ilustrar las formas en las cuales puede medirse la posibilidad o probabilidad de ocurrencia de eventos futuros. Al mejorar la habilidad para juzgar la ocurrencia de eventos futuros, se puede minimizar el riesgo y la especulación arriesgada relacionadas con el proceso de toma de decisiones. A continuación estudiaremos unos conceptos básicos de probabilidad 4.1 CONCEPTOS BASICOS DE PROBABILIDAD: EXPERIMENTO: es cualquier proceso al azar que produce un resultado. RESULTADO: Efectos obtenidos del experimento ESPACIO MUESTRAL: es el conjunto de todos los posibles resultados de un experimento estadístico, tiene relación con el conjunto universal de la teoría de conjuntos. Se representa con la letra mayúscula S EVENTO: Es un subconjunto del espacio muestral que puede tener 1 o más elementos se denotan con letras mayúsculas similar a los subconjuntos de la teoría de conjuntos. PUNTOS MUESTRALES Es el numero de posibles resultados que hay en un espacio muestral.
  • 91. 4.1.1 ACTIVIDAD. Según las definiciones anteriores, construye un ejemplo que represente estas definiciones. 4.2 MODELOS DE PROBABILIDAD Existen tres modelos principales de probabilidad, a saber: 4.2.1 MODELO CLASICO - A - PRIORI (O sea Antes del Hecho) La probabilidad clásica de un evento E se determina: resultadosposiblesdetotalnumeroeventoelocurrirpuedequeenformasdeNumeroEPr Para asignar probabilidades a los diversos puntos muéstrales se ha convenido dos reglas principales: 1. La probabilidad de cada punto muestral debe estar entre 0 y 1, o sea, 10EPr 2. La suma de las probabilidades de todos los puntos muéstrales debe ser iguales a uno (1). 4.2.2 MODELO SUBJETIVO: Cuando se desea asignar probabilidad a un evento que nunca ha ocurrido, y por tanto no se tienen datos pasados disponibles. Esta probabilidad se establece con base en la mejor evidencia disponible.
  • 93. 4.2.3 MODELO DE PROBABILIDAD EMPIRICO, A - POSTERIORI El modelo de frecuencia relativa llamado también modelo a posteriori utiliza datos que se han observado empíricamente, registra la frecuencia con que ha ocurrido algún evento en el pasado y estima la probabilidad de que el evento ocurra nuevamente con base en estos datos históricos. La probabilidad de un evento con base en el modelo de frecuencia relativa se determina mediante: nesobservaciodetotalnumeropasadoeleneventoelocurridohaqueevecesdnumeroEP 4.3 COMPLEMENTO DE UN EVENTO. Conjunto de todos los eventos muestrales que no pertenecen al conjunto A. Denotado por ò , entonces, AA1APAP 4.4 ACTIVIDAD Antes de entrar a las reglas de probabilidades, repasa operaciones con conjuntos (Intersección, unión y complemento) 4.5 REGLAS DE POBABILIDAD- La solución de muchos problemas sobre probabilidades requiere una cabal comprensión de algunas reglas fundamentales que rigen el manejo de ellas. En general estas reglas nos permiten
  • 94. determinar la probabilidad de un suceso si se conocen las probabilidades de otros sucesos relacionados con él. Las más importantes de estas reglas son: Regla de la adición, Regla de la multiplicación y Regla de Bayes. 4.5.1 REGLA DE LA ADICION Expresa que la probabilidad de que ocurra un evento A o B o ambos es igual a la probabilidad del evento A mas la probabilidad del evento B, menos la probabilidad que ocurran ambos. BAPBPAPBAP 4.5.1.1 POBABILIDAD DE EVENTOS MUTUAMENTE EXCLUYENTE: Dos eventos A y B son mutuamente excluyentes, sino pueden ocurrir simultáneamente, o sea 0BAP Entonces si dos eventos son mutuamente excluyentes la regla de la adición viene dada por: . BPAPBAP 4.5.1.2 ACTIVIDAD Investigue un ejemplo de eventos mutuamente excluyentes 4.5.2 PROBABILIDAD CONDICIONAL:
  • 95. La probabilidad de que un evento B ocurra, cuando se sabe que ya ocurrió algún evento A , se llama probabilidad condicional y se denota por: ABP
  • 96. Se lee como la probabilidad de B dado A y es igual: ò )(APBAABP Si, BPABBAP0,BPAP 4.5.3. REGLA DE LA MULTIPLICACION La fórmula para la probabilidad condicional puede manipularse algebraicamente de forma tal que la probabilidad conjunta pueda determinarse a partir de la probabilidad condicional de un evento. De la siguiente forma: BAP Donde, ABPAPBAP Probabilidad conjunta de los eventos A y B :BAP Probabilidad marginal del evento A. :AP Probabilidad condicional del evento B dado el evento A. ABP 4.5.3.1 EVENTOS INDEPENDIENTES Dos eventos A y B son independientes cuando la ocurrencia de uno, no influye sobre la probabilidad de la ocurrencia del otro. Esto quiere decir, que independiente de que el evento A haya ocurrido o no, la probabilidad asignada al evento B es siempre la misma, O sea BPABP Entonces la regla de la multiplicación para sucesos independientes esta dada por: BPAPBAP*
  • 97. 4.5.3.2 ACTIVIDAD: 1. Identifica la diferencia entre eventos mutuamente excluyentes y eventos independientes. 2. Investiga sobre el diagrama del árbol. 4.5.4 TEOREMA DE BAYES: Sean un sistema completo de sucesos, tales que la probabilidad de cada uno de ellos es distinta a cero, y sea B un suceso cualquiera del que se conocen las probabilidades condicionales , entonces la probabilidad de , viene dada por la expresión: NAAA,,,21. iABP BAPi Para i= 1,2, ,n nJJJIIiAPABPAPABPBAP01 4.6 ANÁLISIS COMBINATORIO Es una herramienta matemática muy útil para saber el total de resultados posibles en un experimento estadístico o espacio muestral. Son usadas para enumerar eventos difíciles de cuantificar
  • 98. 4.6.1 TÉCNICA DE LA MULTIPLICACIÓN Si hay m formas de hacer una cosa y hay n formas de hacer otra cosa, hay m x n formas da hacer ambas cosas. Numero Total de arreglos = m x n Esto puede ser extendido a más de dos eventos. Para tres eventos, m, n, y o: Numero Total de arreglos = m x n x o Ejemplo: Un vendedor de autos quiere presentar a sus clientes todas las diferentes opciones con que cuenta: auto convertible, auto de 2 puertas y auto de 4 puertas, cualquiera de ellos con rines deportivos o estándar. ¿Cuántos diferentes arreglos de autos y rines puede ofrecer el vendedor? Para solucionar el problema podemos emplear la técnica de la multiplicación, (donde m es número de modelos y n es el número de tipos de rin). Numero Total de arreglos = 3 x 2 No fue difícil de listar y contar todos los posibles arreglos de modelos de autos y rines en este ejemplo. Suponga, sin embargo, que el vendedor tiene para ofrecer ocho modelos de auto y seis tipos de rines. Sería tedioso hacer un dibujo con todas las posibilidades. Aplicando la técnica de la multiplicación fácilmente realizamos el cálculo:
  • 99. Numero Total de arreglos = m x n = 8 x 6 = 48 4.6.2 TÉCNICA DE LA PERMUTACIÓN Como vimos anteriormente la técnica de la multiplicación es aplicada para encontrar el número posible de arreglos para dos o más grupos. La técnica de la permutación es aplicada para encontrar el número posible de arreglos donde hay solo o grupo de objetos. Como ilustración analizaremos el siguiente problema: Tres componentes electrónicos - un transistor, un capacitor, y un diodo - serán ensamblados en una tablilla de una televisión. Los componentes pueden ser ensamblados en cualquier orden. ¿De cuantas diferentes maneras pueden ser ensamblados los tres componentes? Las diferentes maneras de ensamblar los componentes son llamadas permutaciones, y son las siguientes: T D C D T C C D T T C D D C T C T D PERMUTACION: Todos los arreglos de r objetos seleccionados de n objetos posibles, importando el orden de escogencia. La fórmula empleada para contar el número total de diferentes permutaciones es: n P r = n! (n r )!
  • 100. Donde: nPr es el número de permutaciones posible n es el número total de objetos r es el número de objetos utilizados en un mismo momento n P r = n! = 3! = 3 x 2 = 6 (n r )! ( 3 3 )! 1 Ejemplo: Suponga que hay ocho tipos de computadora pero solo tres espacios disponibles para exhibirlas en la tienda de computadoras. ¿De cuantas maneras diferentes pueden ser arregladas las 8 máquinas en los tres espacios disponibles? n P r = n! = 8! = 8! = 336 (n r )! ( 8 3 )! 5!
  • 101. En el análisis anterior los arreglos no presentan repeticiones, es decir, no hay dos espacios disponibles con el mismo tipo de computadora. Si en los arreglos se permite la repetición, la fórmula de permutaciones es la siguiente: n Pr = nr Para ilustrar el punto, queremos saber ¿cuántas series de 2 letras se pueden formar con las letras A, B, C, si se permite la repetición? Las permutaciones son las siguientes: AA, AB, AC, BA, CA, BB, BC, CB, CC Usando la fórmula: n Pr = nr = 3P2 = 32 = 9
  • 102. 4.6.3 TÉCNICA DE LA COMBINACIÓN En una permutación, el orden de los objetos de cada posible resultado es diferente. Si el orden de los objetos no es importante, cada uno de estos resultados se denomina combinación. Por ejemplo, si se quiere formar un equipo de trabajo formado por 2 personas seleccionadas de un grupo de tres (A, B y C). Si en el equipo hay dos funciones diferentes, entonces si importa el orden, los resultados serán permutaciones. Por el contrario si en el equipo no hay funciones definidas, entonces no importa el orden y los resultados serán combinaciones. Los resultados en ambos casos son los siguientes: Permutaciones: AB, AC, BA, CA, BC, CB Combinaciones: AB, AC, BC COMBINACIONES: Es el numero de seleccionar r objetos de un grupo de n objetos sin importar el orden. La fórmula de combinaciones es: n C r = n! r! (n r )! Ejemplo: En una compañía se quiere establecer un código de colores para identificar cada una de las 42 partes de un producto. Se quiere marcar con 3 colores de un total de 7 cada una de las partes, de tal suerte que cada una tenga una combinación de 3 colores diferentes. ¿Será adecuado este código de colores para identificar las 42 partes del producto?
  • 103. Usando la fórmula de combinaciones: n C r = n! = 7! = 7! = 35 r! (n r )! 3! ( 7 3 )! 3! 4! El tomar tres colores de 7 posibles no es suficiente para identificar las 42 partes del producto.
  • 104. 4.5 EJERCICIOS PROBABILIDAD 1. ¿Cuál modelo de probabilidad es apropiado para cada uno de los experimentos enumerados a continuación? Explique el porque de su respuesta. a. El índice Dow Jones del precio de las acciones hoy será alto b. Una unidad de producción será defectuosa c. Sacar un 6 con un dado d. El sol será nova 2. Cite 3 ejemplos para cada uno de los tres modelos de probabilidad 3. Durante el año anterior, las ventas semanales en un supermercado de la ciudad han sido bajas durante 16 semanas, considerables durante 27 semanas y altas el resto de las semanas. ¿Cuál es la probabilidad de que las ventas de esta semana sean: a. Considerables b. Bajas c. Altas d. Por lo menos considerables 4. Se lanza un par de dados a. Encuentre los elementos del espacio muestral S b. Encuentre los elementos contenidos en el suceso de que la suma de los puntajes sea 9 c. Encuentre los elementos contenidos en el suceso y que la suma sea 4 o 5
  • 105. 5. Un experimento consiste en señalar 3 piezas en un proceso manufacturero y observar si son defectuosos D o no defectuosos N a. Encuentre todos los elementos del espacio muestral S b. Enumere los elementos contenidos en el suceso de que el número de piezas defectuosas sea 0 c. ¿Cómo puede definir el suceso A = . DDN, DND, NDD . ? 6. Consulte como se define y como se representa en un diagrama de Venn a. Complemento de un evento A b. Intersección de dos eventos A y B c. La unión de dos eventos A y B d. ¿Cuándo dos eventos A y B son mutuamente excluyentes o disjuntos? 7. Usted recolectó datos sobre 500 economistas en la academia, la industria privada, y el gobierno respecto a sus opiniones sobre si la economía podría ser estable, podría expandirse o podría entrar en un periodo de contracción en el futuro próximo. Sin embargo, parte de la información se perdió, resultando la siguiente tabla de contingencia parcial. Con base en los datos restantes cree una tabla de probabilidades. Economistas Estable () 1E Expansión() 2E Contracción 3E TOTAL Academia( )1A 100 110 Industria Privada () 2A
  • 107. Llene la tabla de contingencia y calcule 1. La tabla de probabilidad conjunta 2. Si saca una persona al azar cual es la probabilidad de a. Que sea economista de la academia. b. Que sea economista de la industrial y que su opinión no sea estable c. Que sea economista del gobierno o que su opinión sea de expansión. 8. Sean A y B dos sucesos independientes con probabilidades respectivas 0,5 y 0,2 ; Cual es la probabilidad de AB? 9. Se lanza un dado no cargado. ¿Cuál es la probabilidad de obtener a. un número impar b. un número mayor que 3 c. 10. La probabilidad de que llueva el 12 de octubre es o.10; de que truene es 0.05 y de que llueva y truene es 0.03. ¿Cuál es la probabilidad de que llueva o truene en ese día? 11. En una caja que contiene tres bolas, una roja, una azul y una blanca, se extraen 2 bolas cual es la probabilidad de extraer una bola roja y una azul? 12. Supóngase que se toma una carta de una baraja de 52 cartas determine cual es la probabilidad que sea espada o roja.
  • 108. 13. En cierta comunidad, la probabilidad de que una familia tenga televisor es 0.80; una maquina lavadora es 0.50 y de que tengo ambas es 0.45. ¿Cuál es la probabilidad de que una familia tenga televisor o maquina lavadora o ambas. 14. De los estudiantes de una universidad, el 40% son varones y el 4% son varones que estudian Arte. Si se elige un estudiante al azar y éste resulta ser un varón, ¿cuál es la probabilidad de que estudie Arte? 15. Una urna contiene 4 bolitas blancas y 3 rojas. a. Si se sacan dos bolitas sin restitución, ¿cuál es la probabilidad de que las dos sean blancas? b. Si se sacan dos bolitas con restitución, ¿cuál es la probabilidad de que las dos sean blancas? 16. Se lanza un dado tres veces. Cuál es la probabilidad de: a. No obtener tres seis consecutivos b. Que aparezca la misma cara tres veces. 17. Un lote de 100 fusibles contiene dos fusibles defectuosos. Si se prueban los fusibles uno por uno, ¿cuál es la probabilidad de que el último fusible defectuoso sea detectado en la tercera prueba? 18. La probabilidad de que Sor Alicia estudie para un examen final de Estadística es 0.20. Si estudia la probabilidad de que apruebe el examen es de 0.80 en tanto que si no estudia la probabilidad es de sólo 0.50
  • 109. a. ¿Cuál es la probabilidad de que Sor Alicia apruebe el examen final de Estadística? b. Dado que Sor Alicia aprobó el examen, ¿cuál es la probabilidad de que ella halla estudiado? 19. Si se toman 2 cartas con reemplazo de un monte de 52 cartas. Determine la probabilidad que la primera sea reina y la segunda sea figura? 20. La urna A contiene 4 bolitas blancas y 3 rojas y la urna B contiene 2 blancas y 5 rojas . Se lanza un dado, si resulta 1 o 2 se sacan 2 bolitas sin sustitución de la urna A; si resulta 3,4,5,6, se sacan dos bolitas sin restitución de la urna B. a. ¿Cual es la probabilidad de que las dos bolitas resulten ser blancas? b. Dado de que las dos bolitas son blancas, ¿Cual es la probabilidad que se haya elegido la urna A? 21. Tres máquinas, A, B y C, producen el 45%, 30% y 25%, respectivamente, del total de las piezas producidas en una fábrica. Los porcentajes de producción defectuosa de estas máquinas son del 3%, 4% y 5%. a. Seleccionamos una pieza al azar; calcula la probabilidad de que sea defectuosa. b. Tomamos, al azar, una pieza y resulta ser defectuosa; calcula la probabilidad de haber sido producida por la máquina B. c. ¿Qué máquina tiene la mayor probabilidad de haber producido la citada pieza defectuosa?.
  • 110. 22 Juanita invito a sus amigos a cenar. Juanita tiene 10 amigos, pero solo tiene 6 lugares en la mesa. a) ¿De cuantas maneras los puede sentar a la mesa?, si no le importa como queden acomodados. b) ¿De cuantas maneras los puede sentar a la mesa?, si le importa como queden acomodados. c) Dos de sus amigos son un feliz matrimonio, Juanita decidió sentarlos a la mesa juntos. ¿De cuantas maneras los puede sentar a la mesa?, si no le importa como queden acomodados los demás. d) ¿De cuantas maneras los puede sentar a la mesa?, si le importa como queden acomodados los demás. e) Dos de sus amigos son enemigos, Juanita no los quiere sentar juntos a la mesa. ¿De cuantas maneras los puede sentar a la mesa?, si no le importa como queden acomodados los demás. f) ¿De cuantas maneras los puede sentar a la mesa?, si le importa como queden acomodados los demás. g) Los amigos de Juanita son 4 mujeres y 6 hombres. Juanita quiere que siempre haya 2 mujeres sentadas a la mesa. ¿De cuantas maneras los puede sentar a la mesa?, si no le importa como queden acomodados. h) ¿Cuál es la probabilidad, si los selecciona al azar, de queden sentados a la mesa puros hombres?
  • 111. i) ¿Cuál es la probabilidad, si selecciona al azar 3 hombres y 3 mujeres, y asigna los lugares al azar también, queden sentados intercalados hombres y mujeres? 23.- En la escuela primaria Netzahualcoyotl imparte clase la maestra Bety. Ella es feliz enseñando al grupo de tercer grado, que está compuesto por 15 niñas y 12 niños. Bety propone a los niños formar una mesa directiva del grupo formada por cinco de ellos. La mesa directiva estaría formada por un presidente, un secretario, un tesorero, y dos vocales. a) ¿De cuantas maneras puede formar la mesa directiva?, si no le importa como queden asignados los puestos. b) Betty piensa que como hay más niñas que niños la mesa directiva debe integrarse por 3 niñas y 2 niños. ¿De cuantas maneras puede formar la mesa directiva?, si no le importa como queden asignados los puestos. c) La maestra Susana (la de cuarto) le sugiere que solo el puesto de presidente sea para niñas y los otros 4 puestos sean para niños. ¿De cuantas maneras puede formar la mesa directiva?, si no le importa como queden asignados los otros puestos. d) El profesor de educación física ( Ramón ) dice que todos los puestos deben de ser para niños, pero podría dársele el puesto de secretaria a una niña. ¿De cuantas maneras puede formar la mesa directiva?, si le importa como queden asignados los otros puestos.
  • 112. e) En el grupo de tercer grado hay 4 reprobados (3 niños y una niña) y la maestra Bety decidió que ellos no pueden formar parte de la mesa directiva. ¿De cuantas maneras puede formar la mesa directiva?, si no le importa como queden asignados los puestos. f) ¿Cuál es la probabilidad, si se selecciona la mesa directiva al azar entre todos los integrantes del grupo de tercer grado, quede integrada por puras niñas? Sin importar como queden asignados los puestos. g) ¿Cuál es la probabilidad, si se selecciona la mesa directiva al azar entre todos los integrantes del grupo de tercer grado, quede integrada por puros niños? Sin importar como queden asignados los puestos. h) ¿Cuál es la probabilidad, si se selecciona la mesa directiva al azar entre todos los integrantes del grupo de tercer grado, el presidente, secretario y tesorero sean niños y las dos vocales niñas? Sin importar como queden asignados los puestos.
  • 113. 5 CAPITULO 5 COMPETENCIA Comprender el concepto de variable aleatoria asociada a una distribución de probabilidad EJES TEMATICOS Variables aleatorias discretas empíricas y su distribución de probabilidad Valor esperado de las variables Discretas Variables aleatorias continuas y su distribución de probabilidad Valor esperado de las variables continúas 5 VARIABLES ALEATORIAS Una variable aleatoria (v.a) es un evento numérico cuyo valor se determina mediante un proceso al azar. Cuando se asignan valores de probabilidad a todos los datos numéricos posibles de una variable aleatoria X, ya sea mediante un listado o a través de una función matemática, se obtiene como resultado una distribución de probabilidad. La suma de las probabilidades para todos los resultados numéricos posibles debe ser Igual a 1. Pueden denotarse
  • 114. los valores de probabilidad individuales mediante el símbolo f(x), lo cual implica que hay implícita una función matemática; mediante P(X = x), lo cual implica que la variable aleatoria puede asumir diversos valores específicos, o simplemente mediante P(X). Una variable aleatoria es una función que asigna a cada elemento de un espacio muestral un numero real Una variable es aleatoria si toma diferentes valores como resultado de un experimento aleatorio. Esta variable aleatoria puede ser discreta o continua. Si puede tomar sólo un número limitado de valores, entonces es una variable aleatoria discreta. En el otro extremo, si puede tomar cualquier valor dentro de un intervalo dado, entonces se trata de una variable aleatoria continua. 5.1 VARIABLES ALEATORIAS DISCRETAS Se pueden enumerar todos los valores numéricos posibles de la variable en una tabla con las probabilidades correspondientes. Existen diversas distribuciones estándar de probabilidad que pueden utilizarse como modelos para una amplia gama de variables aleatorias discretas en aplicaciones de negocios. EJEMPLO: Si se lanzan dos monedas al aire, sea x la v.a que indica el número de caras obtenido. X Puede tomar los valores (X= 0,1,2) y a cada valor está asociada una probabilidad.
  • 115. 5.1.1 DISTRIBUCIÓN DE PROBABILIDAD DE LAS VARIABLES ALEATORIAS DISCRETAS Para una variable discreta, la distribución de probabilidades es una tabla que asocia una probabilidad, a cada valor que puede tomar la variable aleatoria. Para el ejemplo del número de caras en dos lanzamientos de una moneda, la distribución de probabilidades seria: S=ss,cs,sc,ccGRAFICAMENTEsscs,sccc012SX1/42/41/4f(x)=P(X=x) P(X=0)=1/4P(X=1)= 2/4P(X=2)= 1/4S=ss,cs,sc,ccS=ss,cs,sc,ccGRAFICAMENTEsscs,sccc012SX1/42/41 P(X=0)=1/4P(X=1)= 2/4P(X=2)= 1/4 f (x) se llama función de probabilidades de la v.a.x Es importante observar como S f( X ) = 1. Algunos autores definen como función PUNTUAL DE PROBABILIDAD o FUNCION DE CUANTIA a una función que cumpla la condición Xf (X ) 0 1 2 1/4 2/4 1/4 Xf (X ) 0 1 2 1/4 2/4 1/4
  • 116. 5.1.1.1 PROPIEDADES DE LAS v.a DISCRETAS f(x) Tiene siete propiedades importantes para que sea función de distribución de probabilidad son: 5.1.2 DISTRIBUCION DE PROBABILIDAD ACUMULADA F(x) Se define como la probabilidad acumulada de la variable aleatoria X: Es la suma de las probabilidades hasta el valor que se desee tomar asi: Ejemplo: F(3)? xxxfxxPxF0)()()( )1()()(.7)1()( .6)1(1)( .5)(1)( .41)( .3)()( .21)(0 .1kXPkXPkXPkXPkXPkXPkXPkXPkXPxfxXPxfxf 30)3()2()1()0()()3()3( XffffXfXPF
  • 117. EJEMPLO Si se lanzan 2 dados de distinto color al aire y se denomina X la suma obtenida, hallar la distribución de probabilidades. El espacio muestral para este experimento es: Como puede observarse, la v.a puede tomar los valores X= 2,3,4,5,6,7,8,9,10,11,12, y sus probabilidades se pueden hallar con la definición clásica . Numero de casos favorables / numero de casos posibles asi,: para que la suma sea cinco los casos favorables son: (1,4 ), (2,3) , (3,2) , (4,1) cuatro elementos y los casos posibles son 36. Así la distribución de probabilidad de la v.a. de la suma del lanzamiento de dos dados seria 364)5()5(XPf (6,6), (6,5), (6,4), (6,3), (6,2) (6,1), (5,6) (5,5), (5,4), (5,3), (5,2), (5,1), (4,6) (4,5), (4,4), , (4,3) , (4,2) (4,1), (3,6) , (3,5) ), (3,4 , (3,3) , (3,2) (3,1), (2,6) (2,5), (2,4), , (2,3), (2,2) (2,1), (1,6), (1,5), (1,4) , (1,3) , (1,2) (1,1), S X f(x) F(x) 2 1/36 1/36 3 2/36 3/36 4 3/36 6/36 5 4/36 10/36 6 5/36
  • 118. 15/36
  • 119. 7 6/36 21/36 8 5/36 26/36 9 4/36 30/36 10 3/36 33/36 11 2/36 35/36 12 1/36 36/36 1 5.1.3 VALOR ESPERADO DE UNA VARIABLE ALEATORÍA DISCRETA. Conociendo la distribución de probabilidades, se calcula el valor esperado de una v.a discreta como: La esperanza matemáticas también se denomina media de la v.a En el ejemplo anterior la esperanza seria:
  • 121. 6 CAPITULO 6 COMPETENCIA Reconocer el modelo Binomial, Hipergeométrico y Poisson como unas de las distribuciones de probabilidad más aplicadas variables a aleatorias discretas EJES TEMATICOS Distribución Binomial Distribución Hipergeométrica Distribución Poisson 6. DISTRIBUCIONES DE DE PROBABILIDAD DISCRETA En la distribución de probabilidad discreta la variable pude tomar sólo un número limitado de valores. Las distribuciones de probabilidad discretas que veremos a taves del curso son la Binomial, La hipergeometrica y la Poisson. 6.1 DISTRIBUCIÓN BINOMIAL Supongamos que un experimento aleatorio tiene las siguientes características:
  • 122. . En cada prueba del experimento sólo son posibles dos resultados: el suceso A (éxito) y su contrario A .(fracaso). . El resultado obtenido en cada prueba es independiente de los resultados obtenidos anteriormente. . La probabilidad del suceso A es constante, la representamos por p, y no varía de una prueba a otra. La probabilidad de A es 1- p y la representamos por q . . El experimento consta de un número n de pruebas. Todo experimento que tenga estas características diremos que sigue el modelo de la distribución Binomial. A la variable X que expresa el número de éxitos obtenidos en cada prueba del experimento, la llamaremos variable aleatoria binomial. La variable binomial es una variable aleatoria discreta, sólo puede tomar los valores 0, 1, 2, 3, 4, ..., n suponiendo que se han realizado n pruebas. Como hay que considerar todas las maneras posibles de obtener k-éxitos y (n-k) fracasos debemos calcular éstas por combinaciones (número combinatorio n sobre k). La distribución Binomial se suele representar por B(n,p) siendo n y p los parámetros de dicha distribución. 6.1.1 FUNCIÓN DE PROBABILIDAD DE LA V.A. BINOMIAL Función de probabilidad de la distribución Binomial o también denominada función de la distribución de Bernoulli (para n=1). Probabilidad de obtener k-exitos en la muestra. knkqpknkXp)(
  • 123. Como el cálculo de estas probabilidades puede resultar algo tedioso se han construido tablas para algunos valores de n y p que nos facilitan el trabajo. 6.1.2 PARÁMETROS DE LA DISTRIBUCIÓN BINOMIAL 6.1.3 FUNCIÓN DE DISTRIBUCIÓN DE LA V.A. BINOMIAL Siendo k el mayor número entero menor o igual a xi. Esta función de distribución proporciona, para cada número real xi, la probabilidad de que la variable X tome valores menores o iguales que xi. Ejemplo 1 Una máquina fabrica una determinada pieza y se sabe que produce un 7 por 1000 de piezas defectuosas. Hallar la probabilidad de que al examinar 50 piezas sólo haya una defectuosa. Solución : Se trata de una distribución binomial de parámetros B(50, 0.007) y debemos calcular la probabilidad p(X=1). Medianp Varianzanpq2 típicaDesv.npq
  • 124. Ejemplo 2 La probabilidad de éxito de una determinada vacuna es 0,72. Calcula la probabilidad de a que una vez administrada a 15 pacientes: a) Ninguno sufra la enfermedad b) Todos sufran la enfermedad c) Dos de ellos contraigan la enfermedad Solución : Se trata de una distribución binomial de parámetros B(15, 0.72) Ejemplo 3 La probabilidad de que el carburador de un coche salga de fábrica defectuoso es del 4 por 100. Hallar: a) El número de carburadores defectuosos esperados en un lote de 1000 b) La varianza y la desviación típica. Solución:
  • 125. 6.2 DISTRIBUCIÓN HIPERGEOMÉTRICA Los experimentos que tienen este tipo de distribución tienen las siguientes características: a) Al realizar un experimento con este tipo de distribución, se esperan dos tipos de resultados. b) Las probabilidades asociadas a cada uno de los resultados no son constantes. c) Cada ensayo o repetición del experimento no es independiente de los demás. d) El número de repeticiones del experimento (n) es constante. En estadística la Distribución hipergeométrica es una distribución de probabilidad discreta con tres parámetros discretos N, k y n cuya función de probabilidad es: Esta distribución se refiere a un espacio muestral donde hay elementos de 2 tipos posibles. Indica la probabilidad de obtener un número de objetos x de uno de los tipos, al sacar una muestra de tamaño n, de un total de N objetos, de los cuales k son del tipo requerido. nNxnkNxkxxP00)(
  • 126. 6.2.1 PARÁMETROS DE LA DISTRIBUCIÓN HIPERGEOMETRICA Ejemplos: 1. Para evitar que lo descubran en la aduana, un viajero ha colocado 6 tabletas de narcótico en una botella que contiene 9 píldoras de vitamina que son similares en apariencia. Si el oficial de la aduana selecciona 3 tabletas aleatoriamente para analizarlas, a) ¿Cuál es la probabilidad de que el viajero sea arrestado por posesión de narcóticos?, b) ¿Cuál es la probabilidad de que no sea arrestado por posesión de narcóticos?. Solución: a) N = 9+6 =15 total de tabletas k= 6 tabletas de narcótico n = 3 tabletas seleccionadas x = 0, 1, 2, o 3 tabletas de narcótico = variable que nos indica el número de tabletas de narcótico que se puede encontrar al seleccionar las 3 tabletas p(viajero sea arrestado por posesión de narcóticos) = p(de que entre las 3 tabletas seleccionadas haya 1 o más tabletas de narcótico) ))(( Nkn )1)()(( )1( )(2NkNknNnN
  • 127. otra forma de resolver; p(el viajero sea arrestado por posesión de narcóticos) = 1 p(de que entre las tabletas seleccionadas no haya una sola de narcótico) 3150936315192631529163321CC*CCC*CCC*C)n;tabletasó,x(p 81538045537145520135216455120455915455366. ))(())(())(( 31539061301CC*C)n;x(p 815385018461504558411.. ))(( b) p(no sea arrestado por posesión de narcóticos) 2. De un lote de 10 proyectiles, 4 se seleccionan al azar y se disparan. Si el lote contiene 3 proyectiles defectuosos que no explotarán, ¿cuál es la probabilidad de que , a) los 4 exploten?, b) al menos 2 no exploten? 315390630CC*C)n;x(p 1846150455841. ))((
  • 128. Solución: a) N = 10 proyectiles en total k= 7 proyectiles que explotan n = 4 proyectiles seleccionados x = 0, 1, 2, 3 o 4 proyectiles que explotan = variable que nos define el número de proyectiles que explotan entre la muestra que se dispara b) N = 10 proyectiles en total k = 3 proyectiles que no explotan n = 4 proyectiles seleccionados x = 0, 1, 2 o 3 proyectiles que no explotan p(al menos 2 no exploten) = p( 2 o más proyectiles no exploten) = 3. a)¿Cuál es la probabilidad de que una mesera se rehúse a servir bebidas alcohólicas únicamente a dos menores de edad si verifica aleatoriamente solo 5 identificaciones de entre 9 estudiantes, de los cuales 4 no tienen la edad suficiente?, b) ¿Cúal es la probabilidad de que como máximo 2 de las identificaciones pertenezcan a menores de edad? Solución: a) N = 9 total de estudiantes 16667021035210135444100347. ))(( CC*C)n;x(p )4;3,,2(noxp 3333330210702107632107121341017332723. ))(())(( CC*CC*C k = 4 estudiantes menores de edad
  • 129. n = 5 identificaciones seleccionadas x = variable que nos define el número de identificaciones que pertenecen a personas menores de edad x = 0, 1, 2, 3 o 4 identificaciones de personas menores de edad b) N = 9 total de estudiantes k = 4 estudiantes menores de edad n = 5 identificaciones seleccionadas x = variable que nos define el número de identificaciones que pertenecen a personas menores de edad x = 0, 1, 2, 3 o 4 identificaciones de personas menores de edad 6.3 DISTRIBUCIÓN DE POISSON La distribución de Poisson es una distribución de probabilidad discreta. Expresa la probabilidad de un número de eventos ocurriendo en un tiempo fijo si estos eventos ocurren con una tasa media conocida, y son independientes del tiempo desde el último evento. 238095012610352593524. ))(( CC*C)n,x(p 1261065411521059352445145504))(())(())(( CC*CC*CC*C)n;,,x(p )5;2,1,0(nxp6428601268112660201.
  • 130. Su distribución de probabilidad está dada por: P(X=x) = Donde: ! ),( kekfk . e es la base del logaritmo natural= (e = 2.71828...), . k! es el factorial de k, . es un número real positivo, equivalente al número esperado de ocurrencias durante un intervalo dado. EJEMPLO Si 2% de los libros encuadernados en cierto taller tiene encuadernación defectuosa, obtener la probabilidad de que 5 de 400 libros encuadernados en este taller tengan encuadernaciones defectuosas. 6.3.1 PARÁMETROS DE LA DISTRIBUCIÓN POISSON !k = 5, lambda = 400(0.02) = 8 !P(5;8)= frac{8^5e^{-8}}{5!}=0.092 2
  • 131. 6.4 EJERCICIOS - MODELOS DE PROBABILIDAD DISCRETAS. 1. Un estudio determinó que 40% de los alumnos de una universidad se desayunan en alguna de las cafeterías del campus. Si una tarde se escogen al azar ocho estudiantes de dicho campus, determine la probabilidad de que hayan tomado su desayuno en alguna cafetería del campus: a. Exactamente dos de ellos. b. Por lo Menos dos de ellos c. Ninguno de ellos 2. Según datos de la Secretaría de Protección y Vialidad, 25% de los operadores de microbuses urbanos manejan con imprudencia. Calcule la probabilidad de que cuatro de los próximos 10 microbuses que pasen por un crucero sean conducidos con imprudencia. 3. Un individuo afirma que es capaz de distinguir a simple vista entre una perla auténtica y una falsa 75% de las veces. Para comprobar si lo que afirma es cierto, se le muestra una por una seis perlas diferente escogidas al azar y se aceptará lo que afirma si logra establecer la autenticidad (o falsedad) en por lo menos cinco de las perlas. a. ¿Cuál es la probabilidad de que el individuo pase la prueba, si sólo está adivinando? b. ¿Cual es la probabilidad de que no logre pasar la prueba?
  • 132. 4. Si una moneda ordinaria se lanza ocho veces consecutivas, calcule la probabilidad de que resulten: a. Todas águilas. b. Que le salgan 4 águilas y 4 soles 5. Pueden crecer corporaciones en nuevas áreas y mejorar su rentabilidad adquiriendo otras empresas? Supóngase que la probabilidad de que tenga éxito la adquisición de una corporación es de 0.1 y que se selecciona al azar 10 corporaciones involucradas en la adquisición de otra compañía. a. Cual es la probabilidad de que las 10 adquisiciones sean fracasos? b. Cual es la probabilidad de que exactamente 2 de las adquisiciones sean exitosas? 6. Al probar una cierta clase de neumáticos para camión en un terreno escabroso se encontró que 25% de los camiones terminaban la prueba con los neumáticos dañados. De los siguientes 15 camiones probados, encuentre la probabilidad de que: a. De 3 a 6 tengan pinchaduras. b. Menos de 4 tengan pinchaduras 7. Si el 20% de los cerrojos producidos por una maquina son defectuosos, determinar la probabilidad de que de 4 cerrojos seleccionados al azar: a. 1 Sea defectuoso. b. A lo mas 2 cerrojos sean defectuosos.
  • 133. 8. Una compañía fabricante sabe que la posibilidad de que un artículo salga defectuoso es de un 15%. Dicha compañía utiliza un esquema de aceptación de producción de artículos antes de que se embarquen. El plan tiene dos etapas. Se preparan cajas de artículos para su embarque y se prueba una muestra de tres en busca de defectuosos. Si se encuentra alguno defectuoso, toda la caja se devuelve para verificar el 100%. Si no se encuentran defectuosos, la caja se embarca. ¿Cual es la probabilidad de que una caja se embarque? 9. Una cooperativa agrícola asegura que el 40% de las sandías embarcadas están maduras y listas para comerse. Determine las probabilidades de que entre 10 sandías embarcadas. a. Las 10 estén maduras y listas para comerse. b. Cuando más 4 estén maduras y listas para comerse c. Siete no estén maduras y listas para comerse. 10. Según el último estudio sobre favorabilidad del actual gobernante, este tiene a su favor el 50% de todos los habitantes mayores de edad. Si de esta población se seleccionan al azar 5 personas: a. Cuál es la probabilidad de que exactamente tres personas estén a favor del mandatario? b. 4 personas estén a favor? c. Cuál es el valor esperado y su desviación?
  • 134. 11. El número de llamadas que llegan al PBX de la universidad es de 4.5 por minuto. Determine la probabilidad de: a. Ocurran por lo menos cuatro llamadas? b. En un minuto determinado ocurran mínimo tres? c. A lo sumo 5 llamadas d. Recalcule las probabilidades anteriores si el inérvalo de tiempo fuera de 30 segundos. Analice los cambios. 12. Un centro médico tiene un promedio de 12 usuarios todas las mañanas entre las 10:00 y las 11:00, Calcule la probabilidad de que: a. Lleguen máximo 12 usuarios a esa hora ¿ b. Lleguen entre 8 y 12 usuarios inclusive? c. Lleguen menos de 10 usuarios a esta hora? d. Lleguen exactamente 12 usuarios? 13. El número promedio de accidentes de tránsito que ocurren en un tramo de una carretera es de dos por semana. a. Obtenga la probabilidad de que ningún accidente ocurra en ese tramo carretera durante una semana. b. Encuentre la probabilidad de que a lo mas ocurran tres accidentes en ese tramo de carretera durante dos semana? c. Obtenga la probabilidad de que pasen a lo sumo 4 accidentes en una semana? d. Obtenga la probabilidad que ocurran más de 5 accidentes en una semana?
  • 135. 14. Una caja de vino tiene 12 botellas, tres de las cuales contienen vino descompuesto. De la caja se elige al azar una muestra de 4 botellas: a. Cuál es la probabilidad de que 2 salgan descompuestas? b. Cuál es la probabilidad que más de tres estén descompuestas? 15. Un producto industrial particular se envía en lotes de 20. El análisis para determinar si un artículo tiene defectos es costoso por lo tanto, el fabricante emplea una muestra para no tener que inspeccionar el 100%. El plan de muestreo consiste en sacar 5 artículos de cada lote y rechazarlo si se observa más de un articulo defectuoso (si el lote se rechaza se prueba cada uno de los artículos) si en un lote hay 4 artículos defectuosos. Cuál es la probabilidad que sea aceptado?
  • 136. 7 CAPITULO 7 COMPETENCIA Reconocer el modelo Normal como una de las distribuciones de probabilidad mas aplicadas a variables aleatorias Continuas EJES TEMATICOS Distribución Normal Aproximaciones de la Binomial a la Poisson Aproximaciones de la Binomial a la Normal 7. DISTRIBUCIONES DE DE PROBABILIDAD CONTINUAS Como vimos anteriormente las distribuciones continuas son las que pueden tomar cualquier valor en un intervalo. La distribución continua más importante es la Normal. 7.1 DISTRIBUCION NORMAL La Distribución Normal, también llamada Distribución de Gauss o Distribución Gaussiana, es la Distribución continua de probabilidad que con más frecuencia aparece en estadística y teoría de probabilidad. Esto se debe a dos razones fundamentalmente:
  • 137. Su Función de densidad es simétrica y con forma de campana, lo que favorece su aplicación como modelo a gran número de variables estadísticas. Es, además, límite de otras distribuciones y aparece relacionada con multitud de resultados ligados a la teoría de las probabilidades gracias a sus propiedades matemáticas. La Función de Densidad de la Distribución Normal: Donde: µ : Media s : Desviación Estándar s2 : varianza 7.1.1 REPRESENTACION GRAFICA 7.1.2 DISTRIBICION NORMAL ESTANDAR. La probabilidad de que nuestra variable aleatoria (que sigue una distribución normal) se encuentre entre dos valores
  • 138. determinados será en general difícil de calcular (hay que usar la integral de la función de probabilidad). Para ello, existen tablas que nos dan estos valores directamente; y Dado que la variable de interés X, puede tomar valores , tipificamos la variable de interés para así poder trabajar con la tabla, quedando la distribución normal, como una distribución Normal tipificada con µ = 0 y s = 1. 1. Planteamos la pregunta matemáticamente. 2. Dado que las tablas son Acumulativas, llevamos la pregunta a menor. Así: Si ya esta expresada en menor Si Si 3. Tipificamos cada valor de X utilizando la fórmula: . Debe de quedar con dos decimales. 4. Para buscar en la tabla, el signo, el entero y el primer decimal, lo buscamos en la primera columna. El segundo decimal lo buscamos en la primera fila. La intersección entre la fila y la columna, es la respectiva probabilidad. X )(axp )(1)(axpaxp )()()(axpbxpbxap xZ
  • 139. Ejemplo. Supongamos que Z = 0.43, luego Se busca en la tabla de la siguiente manera: 6664.0)43.0(zp Z0,000,010,020,030,040,050,00,50000,50400,50800,51200,51600,51990,10,53980,54380,54780,5517 Ejercicio 1 La vida útil de cierto tipo de lavadora automática tiene una distribución aproximadamente normal con una vida promedio de 3.1 años y una desviación estándar de 1.2 años. a. Cuál es la probabilidad de que una lavadora dure entre 2.9 y 3.5 años? b. Si este tipo de lavadora tiene garantía de un año, que fracción de la cantidad vendida originalmente, necesitará ser reemplazada? Solución: sea X la variable de interés que significa el número de años de duración de cierto tipo de lavadora. Parámetros: tiempo de vida promedio Desviación estándar a.
  • 140. 0.6293-0.4325=0.1968 El 19.68% de las lavadoras tienen una vida útil entre 2.9 y 3.5 años El 4% de las lavadoras durarán menos del año de garantía. Ejercicio 2 La resistencia a la tracción de cierto componente de metal se distribuye normalmente con una media de 10.000 kilogramos por centímetro cuadrado y una desviación estándar de 100 kilogramos por centímetro cuadrado. Que proporción de estos componentes excede 10.150 kilogramos por centímetro cuadrado de resistencia a la tracción? a. Si las especificaciones requieren que todos los componentes tengan resistencia a la tracción entre 9.800 y 10.200 kilogramos por centímetro cuadrado inclusive, que proporción de piezas esperaría que se descartaran? b. Que resistencia máxima cubre el 2.5% de los componentes?
  • 141. Solución: sea X la variable de interés que significa la resistencia a la tracción (kilogramos/centímetros cuadrados). Parámetros: resistencia promedio Desviación estándar a. El 6.68% de los componentes de metal, excede en 10.150 kilogramos/centímetros cuadrados a la resistencia a la tracción b. Se descartan todas las piezas que están por fuera de las especificaciones. O sea El 4.56% de las piezas se descartarán; ya que no cumplen con las especificaciones. c.
  • 142. Buscando en la tabla de adentro hacia fuera, ya que 0.025 es la probabilidad, hallamos el valor de Z y despejamos el valor de x. 7.2 APROXIMACIONES 7.2.1 APROXIMACIÓN DE LA BINOMIAL MEDIANTE LA DISTRIBUCIÓN POISSON Cuando el valor n de la distribución binomial es muy grande y el de p es muy pequeño, los términos de la binomial, tienden a los valores de la distribución de Poisson y se considera una buena aproximación a la distribución binomial, en el caso que: np < 5 y p < 0.1 ó n > 100 y p < 0.05 En ese caso µ = np. El interés por sustituir la distribución Binomial por una distribución de Poisson se debe a que esta ultima depende únicamente de un solo parámetro, µ , y la binomial de dos, n y p. Veamos un ejemplo: Se tiene un proceso en el cual se sabe que uno de cada 25 elementos producidos es defectuoso. Si se seleccionan 75 cuál es la probabilidad que se tenga 3 o menos artículos defectuosos.
  • 143. P= 1/25 = 0.04 y n=75 np=0.04*75=3 como np<5 y p<0.1 se aproxima la distribución binomial a la poisson con µ=3 P(x=3) = 0.6472 7.2.2 APROXIMACIÓN NORMAL A LA DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL La aproximación normal a las probabilidades binomiales serán adecuadas si: 1 np>5 y nq>5 o 2 Cuando el valor n de la distribución binomial es muy grande y el valor de p está muy alejado a o o 1. Hacemos y trabajamos con la distribución normal. Debemos tener en cuenta, que la distribución binomial es discreta y la distribución normal es continua, debemos hacer un cambio en la variable. Así: Binomial P(x=a) Normal P(a-0.5<x<a+0.5) Binomial P(x=a) Normal P(x<a+0.5) Binomial P(x=a) Normal P(x>a-0.5) Ejemplo: npnpq La confiabilidad de un fusible eléctrico es la probabilidad de que un fusible, elegido al azar de la producción, funciones en las condiciones para las que se diseño. Se probó una muestra aleatoria de 1000 fusibles y se encontró que 27 estaban
  • 144. defectuosos. Calcule la probabilidad aproximada de observar 27 o más fusibles defectuosos, suponiendo que la confiabilidad del fusible es 0.98 Datos binomiales p=(1-0.98) = 0.02 q= 0.98 n=1000 np=20 y nq=980 por lo tanto es apropiado aproximarlo a la Normal.
  • 145. 7.3 EJERCICIOS - SOBRE MODELOS DE PROBABILIDAD CONTINUA Y APROXIMACIONES. 1. El diámetro interno ya terminado de un anillo de pistón está normalmente distribuido con una media de 10 centímetros y una desviación estándar de 0.03 centímetros. a. Qué proporción de los anillos tendrá un diámetro interno que exceda de 10.075 centímetros? b. Cual es la probabilidad de que un anillo de pistón tenga un diámetro interno entre 9.97 y 10.03?. c. Cual es la probabilidad de que un anillo de pistón tenga un diámetro interno inferior a 10.03?. 2. La resistencia a la tracción de cierto componente de metal se distribuye normalmente con una media de 10,000 kilogramos por centímetro cuadrado y una desviación Standard de 100 kilogramos por centímetro cuadrado. a. Que proporción de estos componentes excede 10.150 kilogramos por centímetro cuadrado de resistencia a la tracción? b. Si las especificaciones requieren que todos los componentes tengan resistencia a la tracción entre 9.800 y 10.200 kilogramos por centímetro cuadrado inclusive, que proporción de piezas esperaría que se descartaran? 3. En cierta investigación sobre las dimensiones de un repuesto para una máquina industrial se encuentra que se distribuye aproximadamente normal, con una dimensión promedio de 8.643 pulgadas y una desviación standard de 0.028 pulgadas;
  • 146. a. Que porcentaje de los repuestos tiene mas de 8.675 pulgadas. b. En cierto contrato con una REP S.A. , La empresa se compromete a que el repuesto tiene por lo menos 8.628 pulgadas de diámetro, que porcentaje de las entregas está por fuera de los requerimientos?. 4. Un abogado va todos los días de su casa a su oficina utilizando un tiempo promedio de 24 minutos, con una desviación Standard de 3.8 minutos. Suponga que la distribución de los tiempos de viaje está distribuida normalmente. a. Si la oficina abre a las 9:00 a.m y él sale diaria de su casa a las 8:45 a.m. que porcentaje de las veces llega tarde al trabajo? b. Encuentre la longitud de tiempo por arriba de la cual encontramos el 15% de los viajes mas lentos?. 5. La vida útil de cierto tipo de lavadora automática tiene una distribución aproximadamente normal con una vida promedio de 3.1 años y una desviación Standard de 1.2 años. a. Cual es la probabilidad de que una lavadora dure entre 2.9 y 3.5 años? b. Si este tipo de lavadora tiene garantía de un año, que fracción de la cantidad vendida originalmente, necesitará ser reemplazada? 6. En un proceso industrial el diámetro de un cojinete es una parte componente importante. El comprador establece que las especificaciones en el diámetro sean 3.0 . 0.01 cm. La implicación es que ninguna parte que caiga fuera de estas especificaciones se aceptará. Se sabe que en el proceso el
  • 147. diámetro de un cojinete tiene una distribución aproximadamente normal con un promedio de 3.0 y una desviación standard de 0.005. que porcentaje de cojinetes se descartarán? 7. Se regula una máquina despachadora de Coca-cola para que sirva un promedio de 210 mililitros por vaso. Si la cantidad de Coca-cola se distribuye normalmente con una desviación standard igual a 18 mililitros, a. Cual es la probabilidad de que un vaso contenga entre 186.6 y 208.38 mililitros? b. Por debajo de que valor obtendremos 25% de las Coca-colas mas pequeñas? c. Que posibilidad hay de que un vaso contenga al menos 228 mililitros? 8. Use la aproximación de poisson para resolver el siguiente problema, relativo a la distribución binomial la señora García está encargada de los préstamos de un banco: y con base en sus años de experiencia estima que la probabilidad de que un solicitante no pueda pagar oportunamente su préstamo es 0.025. Si el mes pasado realizo cuarenta prestamos ¿cuál es la probabilidad de que tres préstamos no se pagan oportunamente 9. Use la aproximación de poisson para resolver el siguiente problema, relativo a la distribución binomial la señora García esta encargada de los préstamos de un banco: y con base en
  • 148. sus años de experiencia estima que la probabilidad de que un solicitante no pueda pagar oportunamente su préstamo es 0.025. Si el mes pasado realizo cuarenta prestamos ¿cuál es la probabilidad de que tres préstamos no se pagan oportunamente al menos tres préstamos no se liquiden a tiempo 10. Use la aproximación de poisson en este problema: Se estima que 0.5% de las llamadas telefónicas que entran al número 030, para pedir la hora exacta, reciben la señal de ocupado. ¿Cuál es la probabilidad de 1200 llamadas telefónicas en un día., al menos cinco hayan recibido la señal de ocupado? . 11. Encuentre la aproximación normal a para una distribución de probabilidad binomial con n=400 y p=0.9 12. Una fábrica de refrescos estaba muy segura de que su marca tenía 10% del mercado. En un estudio de mercado, en el que participaron 2500 consumidores de refrescos, x=211 expresaron una preferencia por su marca. Si la cifra de 10%, es correcto, encuentre la probabilidad de observar 211 o menos consumidores que prefieren la marca de esta fábrica.
  • 149. 8 CAPITULO 8 8. TABLAS DE DISTRIBUCIONES En esta sección encontraremos las tablas de la distribuciones: Binomial, Poisson y Normal. 8.1 TABLA DE LA DISTRIBUCION POISSON ACUMULADA
  • 152. 8.2 TABLA DE LA DISTRIBUCION BINOMIAL ACUMULADA
  • 160. 8.3 TABLA DE LA DISTRIBUCION NORMAL xXPxFr
  • 161. TABLA DE PROBABILIDADES ACUMULADAS NORMAL
  • 162. BIBLIOGRAFIA . WALPOLE ,Ronald, MYERS Raymon :PROBABILIDAD Y ESTADÍSTICA 4aed; Mexico: Editorial, Mc Graw Hill 1992, 797 p . CANAVOS, George PROBABILIDAD Y ESTADÍSTICA : APLICACIONES Y MÉTODOS México: McGraw-Hill, 1988, 651 p . BERENSON, Marck L, LEVINE David: ESTADÍSTICA BASICA EN ADMINISTRACIÓN CONCEPTOS Y APLICACIONES; 6aed México : Prentice-Hall, 1996, 943 p . BERENSON, Marck L, LEVINE David: ESTADÍSTICA PARA ADMINISTRACIÓN Y ECONOMÍA, CONCEPTOS Y APLICACIONES; Bogotá : McGraw-Hill, 1993, 720 p. . SOTO MAYOR Gabriel Velazco PROBABILIDAD Y ESTADÍSTICA PARA INGENIARÍA Y CIENCIAS, México : Thomson Learning, 2001,326 p . MENDENHALL William: PROBABILIDAD Y ESTADÍSTICA PARA INGENIERÍA Y CIENCIAS. 4aed Mexico1997; editorial Prentice Hall, 1182 p. + Disquete.
  • 163. . MONTGOMERY, Doglas PROBABILIDAD Y ESTADÍSTICA APLICADAS A LA INGENIERÍA: México : McGraw-Hill, 1994, 895 p . MILLER, Irwing: PROBABILIDAD Y ESTADÍSTICA PARA INGENIEROS. 4. ed, México : Prentice-Hall, 1992, 624