Unidad II La probabilidad es la medida cuantitativa por medio de la cual se obtiene la frecuencia de un suceso determinado mediante la realizacin de un experimento aleatorio,

del que se conocen todos los resultados posibles, bajo condiciones suficientemente estables. La teora de la probabilidad se usa extensamente en reas como la estadstica, la fsica, la matemtica, las ciencias y la filosofa para sacar conclusiones sobre la probabilidad discreta de sucesos potenciales y la mecnica subyacente discreta de sistemas complejos. Teora La probabilidad constituye un importante parmetro en la determinacin de las diversas casualidades obtenidas tras una serie de eventos esperados dentro de un rango estadstico. Existen diversas formas como mtodo abstracto, como la teora Dempster-Shafer y la teora de la relatividad numrica, esta ltima con un alto grado de aceptacin si se toma en cuenta que disminuye considerablemente las posibilidades hasta un nivel mnimo ya que somete a todas las antiguas reglas a una simple ley de relatividad.[cita requerida] La probabilidad de un evento se denota con la letra p y se expresa en trminos de una fraccin y no en porcentajes, por lo que el valor de p cae entre 0 y 1. Por otra parte, la probabilidad de que un evento "no ocurra" equivale a 1 menos el valor de p y se denota con la letra q: Los tres mtodos para calcular las probabilidades son la regla de la adicin, la regla de la multiplicacin y la distribucin binomial. Regla de la adicin La regla de la adicin o regla de la suma establece que la probabilidad de ocurrencia de cualquier evento en particular es igual a la suma de las probabilidades individuales, si es que los eventos son mutuamente excluyentes, es decir, que dos no pueden ocurrir al mismo tiempo. P(A o B) = P(A) U P(B) = P(A) + P(B) si A y B son mutuamente excluyente. P(A o B) = P(A) + P(B) P(A y B) si A y B son no excluyentes. Siendo: P(A) = probabilidad de ocurrencia del evento A. P(B) = probabilidad de ocurrencia del evento B. P(A y B) = probabilidad de ocurrencia simultanea de los eventos A y B. Regla de la multiplicacin La regla de la multiplicacin establece que la probabilidad de ocurrencia de dos o ms eventos estadsticamente independientes es igual al producto de sus probabilidades individuales. P(A y B) = P(A B) = P(A)P(B) si A y B son independientes. P(A y B) = P(A B) = P(A)P(B|A) si A y B son dependientes Regla de Laplace La regla de Laplace establece que: La probabilidad de ocurrencia de un suceso imposible es 0. La probabilidad de ocurrencia de un suceso seguro es 1, es decir, P(A) = 1. Para aplicar la regla de Laplace es necesario que los experimentos den lugar a sucesos equiprobables, es decir, que todos tengan o posean la misma probabilidad. La probabilidad de que ocurra un suceso se calcula as: P(A) = N de casos favorables / N de resultados posibles

Esto significa que, probabilidad es igual al numero de casos favorables sobre o dividido el nmero de resultados total de resultados posibles. Distribucin binomial La probabilidad de ocurrencia de una combinacin especfica de eventos independientes y mutuamente excluyentes se determina con la distribucin binomial, que es aquella donde hay solo dos posibilidades, tales como masculino/femenino o si/no. 1. Hay dos resultados posibles mutuamente excluyentes en cada ensayo u observacin. 2. La serie de ensayos u observaciones constituyen eventos independientes. 3. La probabilidad de xito permanece constante de ensayo a ensayo, es decir el proceso es estacionario. Para aplicar esta distribucin al calculo de la probabilidad de obtener un nmero dado de xitos en una serie de experimentos en un proceso de Bermnoulli, se requieren tres valores: el nmero designado de xitos (m), el nmero de ensayos y observaciones (n); y la probabilidad de xito en cada ensayo (p). Entonces la probabilidad de que ocurran m xitos en un experimento de n ensayos es: P (x = m) = (nCm)(Pm)(1P)nm Siendo: nCm el nmero total de combinaciones posibles de m elementos en un conjunto de n elementos. En otras palabras P(x = m) = [n!/(m!(nm)!)](pm)(1p)nm Ejemplo. La probabilidad de que un alumno apruebe la asignatura Clculo de Probabilidades es de 0,15. Si en un semestre intensivo se inscriben 15 alumnos Cul es la probabilidad de que aprueben 10 de ellos? P(x = 10) = 15C10(0,15)10(0,85)5 = 10!/(10!(1510)!)(0,15)10(0,85)5 = 7,68 * 106 Generalmente existe un inters en la probabilidad acumulada de "m o ms " xitos o "m o menos" xitos en n ensayos. En tal caso debemos tomar en cuenta que: P(x < m) = P(x = 0) + P(x = 1) + P(x = 2) + P(x = 3) +....+ P(x = m 1) P(x > m) = P(x = m+ 1) + P(x = m+ 2) + P(x = m+3) +....+ P(x = n) P(x m) = P(x = 0) + P(x = 1) + P(x = 2) + P(x = 3) +....+ P(x = m) P(x m) = P(x = m) + P(x = m+1) + P(x = m+2) +....+ P(x = n) Supongamos que del ejemplo anterior se desea saber la probabilidad de que aprueben: a. al menos 5 b. mas de 12 a. la probabilidad de que aprueben al menos 5 es: P(x 5) es decir, que: 1 - P(x < 5) = 1 - [P(x = 0)+P(x = 1)+P(x = 2)+P(x = 3)+P(x = 4)] = 1 - [0,0874 + 0,2312 + 0,2856 + 0,2184 + 0,1156] = 0,0618 Nota: Al menos, a lo menos y por lo menos son locuciones adverbiales sinnimas. Ejemplo: La entrada al cine por lo menos tendr un costo de 10 soles (como mnimo podra costar 10 soles o ms). b. la probabilidad de que aprueben mas de 12 es P(x > 12) es decir, que: P(x > 12) = P(x = 13)+P(x = 14)+P(x = 15) P(x > 12) = 1,47 *109 +3,722 *1011 +4,38 *1013 = 1,507 *109 La esperanza matemtica en una distribucin binomial puede expresarse como: E(x) = np = 15(0,15)=2,25 Y la varianza del nmero esperado de xitos se puede calcular directamente: Var(x) = np(1p)= 15(0,15)(1-0,15)=1,9125 Estadisticas y probabilidades, con sus diferentes diagramaciones como: diagrama d ebarras. diagrama de linea. y diagrama de circulos que se aplican de acuerdo a el tipo de estadisticas y probabilidades matematicas.

Unidad V Breve resea historica de la estadstica. La palabra estadstica deriva del latn medieval Status, donde tiene el sentido de estado poltico. Los comienzos de la estadstica pueden ser hallados en el antiguo Egipto, cuyos faraones lograron recopilar, hacia el ao 3050 antes de Cristo, prolijos datos relativos a la poblacin y la riqueza del pas. De acuerdo al historiador griego Herdoto, dicho registro de riqueza y poblacin se hizo con el objetivo de preparar la construccin de las pirmides. En el mismo Egipto, Ramss II hizo un censo de las tierras con el objeto de verificar un nuevo reparto. En el antiguo Israel la Biblia da referencias, en el libro de los Nmeros, de los datos estadsticos obtenidos en dos recuentos de la poblacin hebrea. El rey David por otra parte, orden a Joab, general del ejrcito hacer un censo de Israel con la finalidad de conocer el nmero de la poblacin. Tambin los chinos efectuaron censos hace ms de cuarenta siglos. Los griegos efectuaron censos peridicamente con fines tributarios, sociales (divisin de tierras) y militares (clculo de recursos y hombres disponibles). La investigacin histrica revela que se realizaron 69 censos para calcular los impuestos, determinar los derechos de voto y ponderar la potencia guerrera. Se utilizaba como una aritmtica estatal para asistir al gobernante que necesitaba conocer la riqueza, el nmero de sus sbditos con el objeto de recaudar impuestos o presupuestar la guerra. Se tienen ejemplos de uso de la estadstica con la recaudacin de impuestos hacia los Romanos, Guillermo el conquistador realiz censo de la tierras de Inglaterra (Domesday Book), la navegacin Flamenca la aplic en el seguro de embarque...... Pero fueron los romanos, maestros de la organizacin poltica, quienes mejor supieron emplear los recursos de la estadstica. Cada cinco aos realizaban un censo de la poblacin y sus funcionarios pblicos tenan la obligacin de anotar nacimientos, defunciones y matrimonios, sin olvidar los recuentos peridicos del ganado y de las riquezas contenidas en las tierras conquistadas. Para el nacimiento de Cristo suceda uno de estos empadronamientos de la poblacin bajo la autoridad del imperio. Durante los mil aos siguientes a la cada del imperio Romano se realizaron muy pocas operaciones Estadsticas, con la notable excepcin de las relaciones de tierras pertenecientes a la Iglesia, compiladas por Pipino el Breve en el 758 y por Carlomagno en el 762 DC. Durante el siglo IX se realizaron en Francia algunos censos parciales de siervos. En Inglaterra, Guillermo el Conquistador recopil el Domesday Book o libro del Gran Catastro para el ao 1086, un documento de la propiedad, extensin y valor de las tierras de Inglaterra. Esa obra fue el primer compendio estadstico de Inglaterra. Aunque Carlomagno, en Francia; y Guillermo el Conquistador, en Inglaterra, trataron de revivir la tcnica romana, los mtodos estadsticos permanecieron casi olvidados durante la Edad Media.

Durante los siglos XV, XVI, y XVII, hombres como Leonardo de Vinci, Nicols Coprnico, Galileo, Neper, William Harvey, Sir Francis Bacon y Ren Descartes, hicieron grandes operaciones al mtodo cientfico, de tal forma que cuando se crearon los Estados Nacionales y surgi como fuerza el comercio internacional exista ya un mtodo capaz de aplicarse a los datos econmicos. Para el ao 1532 empezaron a registrarse en Inglaterra las defunciones debido al temor que Enrique VII tena por la peste. Ms o menos por la misma poca, en Francia la ley exigi a los clrigos registrar los bautismos, fallecimientos y matrimonios. Durante un brote de peste que apareci a fines de la dcada de 1500, el gobierno ingls comenz a publicar estadstica semanales de los decesos. Esa costumbre continu muchos aos, y en 1632 estos Bills of Mortality (Cuentas de Mortalidad) contenan los nacimientos y fallecimientos por sexo. En 1662, el capitn John Graunt us documentos que abarcaban treinta aos y efectu predicciones sobre el nmero de personas que moriran de varias enfermedades y sobre las proporciones de nacimientos de varones y mujeres que cabra esperar. El trabajo de Graunt, condensado en su obra Natural and Political Observations...Made upon the Bills of Mortality (Observaciones Polticas y Naturales ... Hechas a partir de las Cuentas de Mortalidad), fue un esfuerzo innovador en el anlisis estadstico. Por el ao 1540 el alemn Sebastin Muster realiz una compilacin estadstica de los recursos nacionales, comprensiva de datos sobre organizacin poltica, instrucciones sociales, comercio y podero militar. Durante el siglo XVII aport indicaciones ms concretas de mtodos de observacin y anlisis cuantitativo y ampli los campos de la inferencia y la teora Estadstica. Los eruditos del siglo XVII demostraron especial inters por la Estadstica Demogrfica como resultado de la especulacin sobre si la poblacin aumentaba, decreca o permaneca esttica. En los tiempos modernos tales mtodos fueron resucitados por algunos reyes que necesitaban conocer las riquezas monetarias y el potencial humano de sus respectivos pases. El primer empleo de los datos estadsticos para fines ajenos a la poltica tuvo lugar en 1691 y estuvo a cargo de Gaspar Neumann, un profesor alemn que viva en Breslau. Este investigador se propuso destruir la antigua creencia popular de que en los aos terminados en siete mora ms gente que en los restantes, y para lograrlo hurg pacientemente en los archivos parroquiales de la ciudad. Despus de revisar miles de partidas de defuncin pudo demostrar que en tales aos no fallecan ms personas que en los dems. Los procedimientos de Neumann fueron conocidos por el astrnomo ingls Halley, descubridor del cometa que lleva su nombre, quien los aplic al estudio de la vida humana. Sus clculos sirvieron de base para las tablas de mortalidad que hoy utilizan todas las compaas de seguros. Durante el siglo XVII y principios del XVIII, matemticos como Bernoulli, Francis Maseres, Lagrange y Laplace desarrollaron la teora de probabilidades. En 1733, por de Moivre fue publicada originalmente la ecuacin de la curva normal y aprovechada por Karl Pearson en 1924. Entre 1830 1833 Charles Lyell Publico 3 volmenes de Principles of Geology, usando un razonamiento estadstico en su

elaboracin. Charles Darwin, 1809-1882, Bilogo, ley en el Beagle el libro de Lyell, el cual utiliz en la formulacin de sus teoras de base biomtrica o estadstica. Entretanto, en el perodo del 1800 al 1820 se desarrollaron dos conceptos matemticos fundamentales para la teora Estadstica; la teora de los errores de observacin, aportada por Laplace y Gauss; y la teora de los mnimos cuadrados desarrollada por Laplace, Gauss y Legendre. A finales del siglo XIX, Sir Francis Gaston ide el mtodo conocido por Correlacin, que tena por objeto medir la influencia relativa de los factores sobre las variables. De aqu parti el desarrollo del coeficiente de correlacin creado por Karl Pearson y otros cultivadores de la ciencia biomtrica como J. Pease Norton, R. H. Hooker y G. Udny Yule, que efectuaron amplios estudios sobre la medida de las relaciones. Los progresos ms recientes en el campo de la Estadstica se refieren al ulterior desarrollo del clculo de probabilidades, particularmente en la rama denominada indeterminismo o relatividad, se ha demostrado que el determinismo fue reconocido en la Fsica como resultado de las investigaciones atmicas y que este principio se juzga aplicable tanto a las ciencias sociales como a las fsicas. R.A. Fisher,1890-1962, recibi influencias de Karl Pearson y de Student, e hizo numerosas e importantes contribuciones a la estadstica. Una de sus publicaciones ms importantes fue Statistical Methods for Research Workers, en 1925.El y sus estudiantes dieron considerable impulso de los procedimientos estadsticos en muchos campos, particularmente en agricultura, biologa y gentica.

Importancia de la estadstica y su aplicacin Las estadsticas con perspectiva de gnero son esenciales para el seguimiento, anlisis y evaluacin de la situacin de los hombres y mujeres, y sus interrelaciones en el mundo del trabajo. La necesidad de disponer de tales estadsticas fue reconocida en particular en laPlataforma de Accin de Beijing, adoptada en 1995, que invit a los pases y a las organizaciones internacionales a compilar y analizar estadsticas que reflejen los problemas y cuestiones relativos al hombre y la mujer en la sociedad. En la actualidad, hay amplio consenso en que las estadsticas del trabajo nacionales a las que se ha incorporado una perspectiva de gnero son ms completas y de mejor calidad que las que no toman en cuenta el gnero, aspecto que debera tener una gran importancia para los estadsticos del trabajo. Las estadsticas con perspectiva de gnero sern tiles no slo para el usuario interesado en el anlisis de las cuestiones de gnero, sino para todos los usuarios de las estadsticas del trabajo, como los analistas del mercado laboral y los encargados de tomar decisiones sobre polticas. Ante todo, gracias a esta forma de potenciar las estadsticas se evitar la subestimacin y la valoracin inexacta de la contribucin aportada por algunos grupos de trabajadores a la economa nacional, como ocurra en gran medida con respecto a las mujeres. Una consecuencia de este avance ser que las polticas y programas que tienen incidencia en los mercados de trabajo y en la economa ya no se formularn sobre la base de estadsticas que reflejen slo parcialmente las contribuciones de los trabajadores. Es evidente que el uso de una base estadstica incompleta para elaborar tales polticas y programas va en detrimento tanto de las mujeres como de los hombres, si bien en grados diferentes.