Documente Academic
Documente Profesional
Documente Cultură
A LA EDUCACION
ELABORADO POR:
INGENIERA: JESSICA LISET MARTNEZ
AGOSTO DE 2014
SANTA ANA, EL SALVADOR, CENTROAMRICA
INDICE
INTRODUCCION.................................................................................................1
UNIDAD 1:........................................................................................................1
NOCIONES PRELIMINARES............................................................................1
1.1
1.1.1
1.1.2
1.1.3
El mtodo cientfico....................................................................................3
1.1.4
El proceso experimental...............................................................................5
1.2
CONCEPTOS BSICOS.............................................................................7
1.3
1.3.1
Tipos de Estadstica....................................................................................8
1.3.2
UNIDAD 2:......................................................................................................13
ORGANIZACIN DE LOS DATOS..................................................................13
2.1
2.2
2.3
ESCALAS ESTADSTICAS.......................................................................21
2.4
DISTRIBUCIN DE FRECUENCIAS..........................................................23
2.5
UNIDAD 3:......................................................................................................39
ANLISIS ESTADSTICO................................................................................39
3.1
3.1.1
La Media Aritmtica.................................................................................42
3.1.2
La Mediana............................................................................................45
3.1.3
La Moda................................................................................................47
3.1.4
La Media Armnica..................................................................................47
3.1.5
La Media Geomtrica................................................................................48
3.2
3.2.1
El Recorrido...........................................................................................52
3.2.2
3.2.3
El Coeficiente De Variacin........................................................................55
3.2.4
APLICACIONES.....................................................................................56
UNIDAD 4:......................................................................................................58
ELEMENTOS DEL CLCULO...........................................................................58
DE PROBABILIDADES....................................................................................58
4.1
TECNICAS DE CONTEO.........................................................................59
4.1.1
Mtodos de Conteo...................................................................................62
4.2
4.2.1
Probabilidad...........................................................................................77
4.2.2
Experimento...........................................................................................82
4.2.3
Espacio Muestral......................................................................................82
4.3
INDEPENDENCIA ESTADSTICA.............................................................83
4.3.1
4.4
PROBABILIDAD CONDICIONAL.............................................................85
4.4.1
UNIDAD 5:......................................................................................................89
DISTRIBUCIONES DE PROBABILIDAD..........................................................89
5.1
VARIABLE ALEATORIA..........................................................................90
5.2
CONCEPTOS BASICOS...........................................................................90
5.3
DISTRIBUCIONES DE PROBABILIDAD....................................................98
5.3.1
Distribucin Binomial...............................................................................98
5.3.2
Distribucin Normal...............................................................................101
INTRODUCCION
esta
UNIDAD 1:
NOCIONES PRELIMINARES
1.1
Gini, 1953
Definicin
La estadstica es una tcnica especial apta para el estudio
cuantitativo de los fenmenos de masa o colectivo, cuya
mediacin requiere una masa de observaciones de otros
fenmenos ms simples llamados individuales o
particulares
La estadstica es la ciencia que trata de la recoleccin,
clasificacin y presentacin de los hechos sujetos a una
apreciacin numrica como base a la explicacin,
descripcin y comparacin de los fenmenos
Un valor resumido, calculado, como base en una muestra
de observaciones que generalmente, aunque no por
necesidad, se considera como una estimacin de parmetro
de determinada poblacin; es decir, una funcin de valores
de muestra.
La estadstica estudia los mtodos cientficos para recoger,
organizar, resumir y analizar datos, as como para sacar
conclusiones vlidas y tomar decisiones razonables basadas
en tal anlisis
La ciencia de reunir, organizar, presentar, analizar e
interpretar datos para ayudar a tomar las mejores
decisiones
Ya hemos visto que la Estadstica se encuentra ligada a nuestras actividades cotidianas. Sirve
tanto para pronosticar el resultado de unas elecciones, como para determinar el nmero de ballenas que
viven en nuestros ocanos, para descubrir leyes fundamentales de la Fsica o para estudiar cmo ganar
la ruleta. La Estadstica resuelve multitud de problemas que se plantean en ciencia:
Anlisis de muestras. Se elige una muestra de una poblacin para hacer inferencias respecto a
esa poblacin a partir de lo observado en la muestra (sondeos de opinin, control de calidad,
etc.).
Descripcin de datos. Procedimientos para resumir la informacin contenida en un conjunto
(amplio) de datos.
Contraste de hiptesis. Metodologa estadstica para disear experimentos que garanticen que
las conclusiones que se extraigan sean vlidas. Sirve para comparar las predicciones resultantes
de las hiptesis con los datos observados (medicina eficaz, diferencias entre poblaciones, etc.).
Medicin de relaciones entre variables estadsticas (contenido de gas hidrogeno neutro en
galaxias y la tasa de formacin de estrellas, etc.)
Prediccin. Prever la evolucin de una variable estudiando su historia y/o relacin con otras
variables.
1.1.3
El mtodo cientfico
Citando a Martin Gardner: La ciencia es una bsqueda de conocimientos fidedignos acerca del
mundo: como se estructura y cmo funciona el universo (incluyendo los seres vivos). La informacin
que maneja la ciencia es amplia, al ser amplio su mbito. Pero se suele reunir en tres apartados: los
hechos, las leyes y las teoras. No es una particin estancada, aunque podemos entender aqu nos
referimos con algn ejemplo. Los hechos se refieren a casos especficos y nicos. Por ejemplo la Tierra
tiene una luna (satlite natural).
1 De material elaborado por Mrquez Zambrano, Luisa
Ingeniera Jessica Liset Martnez
La primera ley de Kepler (ya que estamos con planetas) es un buen ejemplo de ley: los planetas
describen orbitas elpticas en torno al Sol, que ocupa uno de los focos de la elipse. Como se ve, frente al
hecho, concreto y nico, la ley se refiere a muchos casos, como lo son los planetas que orbitan en torno
al Sol. La generalizacin de la ley de Kepler permite aplicarla a cualquier par de cuerpos ligados por la
gravedad.
Una teora es una abstraccin, con entidades inobservables, que explica hechos y leyes. Por
ejemplo la teora newtoniana de la gravitacin. En ella se habla de fuerzas (o de campos gravitatorios)
que no son entes observables, pero esta teora explica hechos y leyes.
Sucede que el conocimiento cientfico no es completamente seguro en ninguna de las
precedentes categoras. Podra existir otra luna en torno a la Tierra. O, como sabemos, la teora
newtoniana de la gravitacin no es completa, porque no da cuenta de algunos fenmenos. De ah vino
su evolucin a nuevas teoras de la gravitacin. No hay as un conocimiento completamente seguro: los
enunciados absolutamente ciertos solo existen en el mbito de las matemticas o la lgica. Pero la
ciencia usa una correspondencia con estas dos disciplinas. La matemtica y la lgica aplicadas a las
ciencias facilitan poder establecer hechos, leyes y teoras con coherencia interna y con un alto grado de
certeza. Y la Estadstica proporciona una herramienta para poder evaluar esta certeza, o proporcionar
pautas para realizar inferencias a partir delo que se conoce.
Lo que distingue a una teora cientfica es que esta, a diferencia de la que no lo es, puede ser
refutada: puede existir un conjunto de circunstancias que si son observadas demuestran que la teora
est equivocada.
A continuacin se ofrece una visin simplificada del mtodo cientfico.
Hacemos observaciones en la naturaleza y a travs de un proceso creativo generamos una
hiptesis de cmo funciona cierto aspecto de la naturaleza (modelos). Basndonos en esa hiptesis
diseamos un experimento que consiste en que un conjunto de observaciones deben tener lugar, bajo
ciertas condiciones, si la hiptesis es cierta. En el caso de que estas observaciones no ocurran nos
enfrentamos a varias posibilidades: nuestras hiptesis necesitan ser revisadas, el experimento se llev a
cabo de forma incorrecta, o nos hemos equivocado en el anlisis de los resultados del experimento.2
2 Tomado del libro Estadstica Basica para Estudiantes de Ciencias. Febrero 2009
Ingeniera Jessica Liset Martnez
1.1.4
El proceso experimental
1. Definir la pregunta o problema a resolver. Cuanto ms claro y definido sea el objetivo del
experimento, mucho ms fcil ser realizar su planificacin y ejecucin.
2. Obtener informacin y recursos. Una vez definido el objetivo del experimento, es necesario
elaborar un plan de trabajo para poder alcanzarlo. Hay que identificar que equipos son necesarios,
que cantidades hay que medir, y de qu manera se va a realizar el experimento.
3. Formular hiptesis, acerca de los resultados de nuestro experimento. Hacerlo antes de su
ejecucin evita el sesgo personal de identificar los resultados que ya se conocen como objetivos
iniciales (no debemos engaarnos a nosotros mismos).
4. Realizar el experimento y obtener las medidas. Esta tarea se subdivide en varios pasos:
Preparacin: el equipo debe ser puesto a punto para su utilizacin. Si el experimento requiere
la utilizacin de aparatos con los que no estamos familiarizados, es necesario leer atentamente
los manuales de utilizacin, e incluso consultar a experimentadores con experiencia previa en
su manejo. Todo ello evita perder tiempo y cometer errores de bulto, a la vez que preserva la
integridad del equipo (y la nuestra!).
Experimentacin preliminar: suele ser muy aconsejable realizar una pequea
experimentacin de prueba antes de iniciar la toma definitiva de medidas. Esto facilita el uso
correcto del equipo instrumental, permitiendo identificar los aspectos ms difciles o en los
que resulta ms fcil cometer errores.
Toma de datos: el trabajo cuidadoso y detallado son fundamentales en todo proceso
experimental. Ejecutar dicha labor siguiendo un plan de trabajo bien definido resulta bsico.
No hay nada ms frustrante que descubrir, tras largas horas de medidas, que hemos olvidado
anotar algn parmetro esencial o sus unidades. En este sentido resulta imprescindible tener
presentes varias cuestiones:
Cules son las unidades asociadas a cada medida?
Cul es la incertidumbre asociada?
Que variabilidad presentan las medidas?
Cmo puedo tener una idea del orden de magnitud de una medida antes de realizarla y saber
as que los resultados que se van obteniendo son razonables?
Qu informacin debe ser incluida en la tabla de datos?
Comprobacin de la respetabilidad: siempre que sea posible, todo experimento debera
repetirse varias veces para comprobar que los resultados obtenidos son repetibles y
representativos. Y aunque, obviamente, la repeticin de un experimento no proporciona
exactamente los mismos nmeros, discrepancias muy grandes deben alertarnos acerca de la
existencia de efectos sistemticos que pueden estar distorsionando el experimento.
5. Analizar los datos: una vez obtenidas las medidas es necesario su tratamiento estadstico para
poder obtener magnitudes (e incertidumbres asociadas) representativas del objeto de nuestro
estudio.
6. Interpretar los datos y extraer conclusiones que sirvan como punto de partida para nuevas
hiptesis. El xito de esta interpretacin depender, bsicamente, de la calidad de las medidas y
de su anlisis. Las herramientas estadsticas que se describen en este libro nos permitirn tomar
decisiones de manera objetiva.
7. Publicar los resultados. Los resultados de cualquier proceso experimental deben ser
comunicados de manera clara y concisa. Esto incluye desde un sencillo informe de laboratorio,
como el que se exigir en los diversos laboratorios en los que se trabajara durante la licenciatura
de Fsicas, hasta la publicacin de un artculo cientfico una revista reconocida.
1.2
CONCEPTOS BSICOS
Variables:
Una variable es la caracterstica de un objeto, persona o situacin que es capaz de
modificarse en extensin y naturaleza, es decir, es una caracterstica que vara de un objeto a otro
que no permanece constante y como consecuencia sirve para singularizar un objeto o grupo de ellos.
Debemos tener claro que a variable no es el objeto de estudio en s, sino sus caractersticas, por
ejemplo si estuviramos analizando un local para alquilar el local no es variable, variables son sus
atributos: ubicacin, tamao, iluminacin, ventilacin, etc. Podemos encontrar dos tipos de datos:
Cualitativos y cuantitativos.
Variable Discreta:
Es aquella que solo puede asumir ciertos valores, y ente stos suele haber huecos,
generalmente se expresan en nmeros enteros, por ejemplo, cantidad de miembros de una
cooperativa, podemos decir que est conformada por doce, trece personas, pero nunca podremos
decir que nuestra cooperativa est conformada por 20.5 personas. Apreciemos el siguiente ejemplo:
Una variable discreta puede ser la cantidad de lapiceros que tenemos disponibles en
nuestro inventario, si contamos podemos decir que tenemos 96 bolgrafos, el dato en este
caso se expresa evitando los rangos entre los valores, es decir, no podamos decir que
tenemos 95,2 lapiceros o 96,1. En este tipo de casos se expresa el dato en un nmero entero.
Variables Continuas:
Es aquella que puede adoptar cualquier valor dentro de un rango especfico, por ejemplo, la
duracin de un viaje en carro de Caracas a Maracay, algunas veces puede durar una hora y cuarenta
y cinco minutos o dos horas, etc. Otro ejemplo de variable continua el promedio de las
calificaciones de un estudiante en cada lapso. Veamos este otro ejemplo:
Una variable continua es nuestra temperatura corporal, cuando tenemos fiebre nos tomamos la
temperatura, la medida puede ir desde los 36 grados hasta los 41, pero incluyendo los nmeros
decimales, por ejemplo 36; 36,1; 36,2;37; 37,138; 38,139,9; 40; 40,5 etc.
El peso de las verduras que compramos peridicamente es una variable continua, pues puede
variar de forma ascendente o descendente incluyendo los decimales, no hay vacos entre los rangos,
todos son continuos, de all el nombre de la variable.
1.3
Tipos de Estadstica
Dos corrientes de influencia han conducido al desarrollo de los mtodos estadsticos. Una de
ellas, tena por objeto mantener en orden registros del gobierno (de hecho, estado y estadstica vienen
de la misma raz latina, status). De ella evolucionaron las actividades de conteo, medicin, descripcin,
tabulacin, ordenamiento y levantamiento censal, que conforman lo que hoy conocemos como
estadstica descriptiva. La segunda corriente de influencia se origin en las matemticas de los juegos
de azar y condujo al desarrollo de la estadstica inferencial o inductiva, basada fundamentalmente en
el concepto de probabilidad matemtica.
Estadstica Descriptiva:
La estadstica descriptiva est dedicada a descubrir las regularidades o caractersticas existentes
en un conjunto de datos mediante la utilizacin de grficos y de medidas numricas de resumen. En
otras palabras, resume y transforma datos para poder interpretar la informacin. A travs de la
cuantificacin y ordenamiento de los datos intenta explicar los fenmenos observados, por lo que
resulta una herramienta de suma utilidad para la toma de decisiones.
Tienen por objeto fundamental describir y analizar las caractersticas de un conjunto de
datos, obtenindose de esa manera conclusiones sobre las caractersticas de dicho conjunto y sobre
las relaciones existentes con otras poblaciones, a fin de compararlas. No obstante puede no solo
referirse a la observacin de todos los elementos de una poblacin (observacin exhaustiva) sino
tambin a la descripcin de los elementos de una muestra (observacin parcial).
Estadstica Descriptiva:
Mtodos Jessica
para organizar,
y presentar
Ingeniera
Lisetresumir
Martnez
8 datos de manera informativa
1.3.2
La estadstica est compuesta por mtodos cientficos mediante los cuales podemos recolectar,
organizar, resumir, presentar y analizar datos relativos a un conjunto de individuos u observaciones que
nos permiten extraer conclusiones vlidas y efectuar decisiones lgicas basadas en dichos anlisis.
En cualquier trabajo en el que se aplique, la estadstica debe hacer referencia a un conjunto de
sujetos u objetos de anlisis, conocido como poblacin.
Poblacin o Universo: Es el conjunto de entidades u objetos que satisfacen una definicin comn y en
los que interesa analizar una o varias caractersticas. Aqu el trmino poblacin tiene un significado
mucho ms amplio que el usual, ya que puede referirse a personas, cosas, actos, reas geogrficas e
incluso al tiempo.
Una poblacin se precisa como un conjunto finito o infinito de personas que presentan
caractersticas comunes, por lo que debe estar perfectamente definida en el tiempo y en el espacio, de
modo que ante la presencia de un potencial integrante de la misma, se pueda decidir si forma parte o no
de la poblacin bajo estudio. Por lo tanto, al definir una poblacin, se debe cuidar que el conjunto de
elementos que la integran quede perfectamente delimitado. Si, por ejemplo, estamos analizando las
escuelas primarias, debemos especificar cules y cundo, por ejemplo: Escuelas primarias de Caracas,
ao 1995.
El tamao de una poblacin viene dado por la cantidad de elementos que la componen.
Generalmente se simboliza esta informacin con la letra N, en el caso en que sea una poblacin finita,
es decir, que podemos contabilizar y establecer un lmite de existencia.
Poblacin:
Es la recoleccin completa de todas las observaciones de inters para el investigador.
Ejemplo:
Si necesitamos conocer la cantidad de personas entre 20 y 30 aos que pertenecen a cooperativas en
Venezuela, todas las personas que posean estas caractersticas (tener entre 20 y 30 aos y trabajar en
una cooperativa) sern nuestra poblacin, seguramente va a ser difcil buscar todas las cooperativas
de todo el pas para conocer este dato, una forma de hacer la investigacin es seleccionando un
Ingeniera Jessica Liset Martnez 10
grupo de estados del pas, podra ser uno de cada regin y visitando sus cooperativas, para obtener la
informacin, en este caso obtendremos una muestra, en la cual encontraremos personas de todas las
edades, pero estos datos nos permitirn predecir de acuerdo a la cantidad de jvenes en estos estados
la proporcin de jvenes que habrn en todas las cooperativas del pas. Observemos que este es una
cose de estadstica inferencial.
En conclusin la estadstica se divide normalmente en dos:
Teora de decisin.
Algunos de los problemas ms importantes de la inferencia estadstica se refieren a la
evaluacin de los riesgos y las consecuencias que pueden ocurrir al hacer generalizaciones a partir
de una muestra de datos. Esto incluye una estimacin de la probabilidad de tomar decisiones
errneas, las posibilidades de hacer predicciones incorrectas. En los ltimos aos, se han hecho
intentos de abordar todos estos problemas dentro del marco de referencia de una teora unificada
llamada teora de decisin. Si bien esta teora tiene muchas ventajas conceptuales y tericas, plantea
algunos problemas de aplicacin que son difciles de resolver. Para entenderlos debe comprenderse
que, por muy objetivamente que se planee un experimento o investigacin, es imposible eliminar
todos los elementos subjetivos. Un elemento de subjetividad interviene aun cuando definimos
Ingeniera Jessica Liset Martnez 11
elementos como bueno o mejor con respecto a la razn de criterios de decisin (por ejemplo
buscaremos una lnea recta que mejor se ajuste a un conjunto dado de pares ordenados de datos).
La gran mayora de los mtodos que sern usados para plantear y resolver estos problemas
pertenecen al enfoque clsico, ya que no toman en cuenta los varios factores subjetivos
mencionados antes. Algunas otras aplicaciones pertenecen al enfoque Bayesiano, que consideran,
informalmente al menos, algunos de estos factores subjetivos. La subjetividad influye mucho en la
eleccin de los mtodos estadsticos o frmulas empleadas en una situacin especfica.
Un Parmetro: Es una medida de resumen que se calcula para describir una caracterstica de toda
una poblacin.
Un Estadstico: Es una medida de resumen que se calcula para describir una caracterstica de una
sola muestra de la poblacin.
Muestra aleatoria: Es una muestra elegida independientemente de todas las dems, con la misma
probabilidad que cualquier otra y cuyos elementos estn elegidos independientemente unos de otros
y con la misma probabilidad.
UNIDAD 2:
ORGANIZACIN DE LOS
DATOS
2.1
Fuentes de Datos
El lugar del cual obtenemos los datos para realizar nuestros anlisis estadsticos se denomina
fuente. Los datos que requerimos para realizar una evaluacin estadstica de los procesos
administrativos los podemos encontrar por medio de diversas fuentes las cuales pueden ser;
primarias o secundarias, u oficiales o privadas. Llamamos fuentes primarias la persona o institucin
que ha recolectado los datos, y secundaria si la persona o institucin que ha publicado los datos no
fue la que efectu la investigacin.
Datos Primarios: son aquellos que el investigador obtiene directamente de la realidad,
recolectndolos con sus propios instrumentos.
Datos Secundarios: son registros escritos que proceden de un contacto con la prctica,
pero que ya han sido elegidos y procesados por otros investigadores.
Los datos primarios y secundarios no son dos clases esencialmente diferentes de
informacin, sino partes de una misma secuencia: todo dato secundario ha sido primario en sus
orgenes, y todo dato primario, a partir del momento en que el investigador concluye su trabajo, se
convierte en dato secundario para los dems.
Los datos oficiales son todos aquellos que hayamos en dependencias gubernamentales, y por
el contrario los datos emitidos por entes no gubernamentales los denominamos privados.
Tcnicas de Recoleccin de Datos
Existen diversas tcnicas de recoleccin de datos, aqu mencionaremos las ms comunes o
las ms empleadas.
La Observacin
Consiste en el uso sistemtico de nuestros sentidos para captar la realidad que queremos
estudiar.
Es una tcnica antigua, a travs de sus sentidos, el hombre capta la realidad que lo rodea, que luego
organiza intelectualmente. El uso de nuestros sentidos es una fuente inagotable de datos que, tanto
para la actividad cientfica como para la vida prctica resulta de inestimable valor.
Ingeniera Jessica Liset Martnez 14
Observacin:
Es el registro visual de lo ocurre es una situacional real, clasificando los acontecimientos
de acuerdo con algn esquema pre estructurado y cnsono con el problema que se estudia
La observacin es un proceso cotidiano para nosotros, es parte de nuestra experiencia de
vida, pero nuestras observaciones diarias al no estar orientadas a un propsito determinado carecen
de controles que nos alejen de los errores. Para realizar un proceso de observacin con el propsito
de recabar datos debemos seguir algunos principios bsicos:
Debe tener un propsito especfico.
Debe ser planeada cuidadosa y sistemticamente.
Debe llevarse, por escrito o de forma audiovisual, un control cuidadoso de la misma.
Debe especificarse su duracin y frecuencia.
Debe seguir los principios bsicos de validez y confiabilidad.
La principal ventaja de esta tcnica es que los hechos son percibidos directamente, sin
ninguna clase de intermediacin, colocndonos ante una situacin tal como sta se da naturalmente.
De este modo, nunca obtendremos distorsiones de la realidad, las cuales solemos tener al emplear
una entrevista, ya que en ellas los entrevistados colocan su toque personal al brindar la informacin.
Otra ventaja es que la conducta se describe en el momento exacto en que est ocurriendo.
Adems, las observaciones se pueden realizar independientemente de que las personas estn
dispuestas a cooperar o no, a diferencia de otros mtodos en los que s necesitamos de la
cooperacin de las personas para obtener la informacin deseada.
Su principal desventaja reside en que la presencia del observador puede generar una
alteracin o modificacin en la conducta de los objetos observados, destruyendo la espontaneidad y
por tanto alterando la confiabilidad de los datos.
La Entrevista.
La entrevista es
una tcnica en la cual es investigador, de acuerdo a la
informacin que necesita
recolectar elabora una serie de preguntas que ms tarde
realiza a la persona que
se convertir en su fuente. Las entrevistas la mayora de
las veces se realizan en persona, es decir, visitando al entrevistado y registrando la informacin
ofrecida, ya sea con un grabador o por escrito.
Como tcnica de recoleccin de datos la entrevista tiene muchas ventajas; es aplicable a toda
persona, siendo muy til con los analfabetos, los nios o con aquellos que tienen limitacin fsica u
orgnica que les dificulte proporcionar una respuesta escrita. Se le puede explicar al entrevistado
con qu propsito estamos recogiendo los datos y esta ayuda a que ste dirija mejor sus respuestas.
Ingeniera Jessica Liset Martnez 15
Cuestionarios Mixtos: poseen ambos tipos de preguntas abiertas y cerradas, por ello el
nombre de mixtos.
La mayora de los cuestionarios poseen la siguiente estructura:
Titulo
Instrucciones
Identificacin del encuestado (la identificacin no hace referencia al nombre, en muchos
estudios las respuestas annimas suelen ser ms objetivas, pero si vamos a aplicar el cuestionario
a una poblacin diversa podemos identificarlos por edad, profesin, etc.)
Preguntas
Observaciones
En general, en el proceso de recoleccin de datos los mtodos e instrumentos y fuentes
suelen combinarse; cada una con sus ventajas y desventajas, sus caractersticas propias y la
informacin que se requiera, sin embargo dan flexibilidad para que el investigador determine su uso
apropiado segn el estudio a realizar.
Preparacin de los Datos Estadsticos.
Una vez recogidos los datos pasamos a su preparacin para iniciar el estudio, para poder
lograr el anlisis estadstico es necesario ordenar los datos y clasificarlos, lo primero que hacemos es
revisar los instrumentos de recoleccin de informacin aplicados, sobre todos si son cuestionarios
llenados por el informante ya que en una entrevista el entrevistador es el que registra las respuestas.
Algunos autores proponen que cuando quedan cuestionarios con preguntas sin contestar las
llenemos con la respuesta que la mayora coloc, sin embargo esto se podra considerar poco tico,
pues no es la respuesta del encuestado, en ese caso la sugerencia es eliminar ese cuestionario de la
muestra. Terminado este proceso pasamos al agrupamiento.
En el caso de las entrevistas y cuestionarios con preguntas abiertas debemos crear categoras
de acuerdo con los puntos expresados por los entrevistados de tal forma que ninguna opinin o
planteamiento se queden sin categora, pero tambin de forma que ninguna opinin pueda incluirse
en dos categoras, es decir, deben ser mutuamente excluyentes. Una vez bien estructuradas las
categoras contamos la frecuencia de aparicin de cada categora en las respuestas dadas.
En el caso de ser un cuestionario de preguntas cerradas se contabiliza la frecuencia de
aparicin de cada respuesta para luego elaborar una tabla con la distribucin de frecuencias, tema
que ampliaremos ms adelante.
Razones Proporciones y Porcentajes
Ingeniera Jessica Liset Martnez 17
Una de las funciones de la estadstica es resumir todos los datos de un conjunto para resaltar
sus caractersticas ms importantes. Una de las formas de realizar esta actividad es relacionando los
datos, ya sea entre ellos mismos o con datos similares, es decir, convertir los valores absolutos en
valores relativos, ya veremos por qu.
Razones
La razn (R) es el valor que indica la relacin cuantitativa existente entre dos cantidades, por
ejemplo:
En una ciudad existen 54.000 empleados y 36.000 desempleados, la razn de empleado a
desempleado se expresa as:
Siendo
A= Nro. De individuos con cierta caracterstica
a= Nro. De individuos que no poseen cierta caracterstica
La interpretacin del ejemplo anterior es que por cada 4 empleados hay 1 desempleado.
Al ser la razn un valor relativo no depende de los valores absolutos de los individuos que la
forman, ya que por ejemplo en una zona donde hay 90.000 empleados y 10.000 desempleados la
razn sigue siendo de 9.
Proporcin
La proporcin es una razn, pero su diferencia con las razones anteriores, es que el
denominador del cociente es el nmero total de unidades enunciadas. La proporcin se representa
con la siguiente frmula:
siendo N= (A)+(a)
La proporcin contraria sera
Siendo
Pa= Porcentaje de aumento
Pd= Porcentaje de descenso o disminucin
Ingeniera Jessica Liset Martnez 19
M= Cantidad mayor
m= Cantidad menor
Ejemplo: Si sabemos que el excedente de nuestra cooperativa en el ao 2004 fue de $100,000,000 y
para el ao 2005, $ 135,000,000, cul fue el porcentaje de aumento?
2.2
2.3
ESCALAS ESTADSTICAS
Medicin:
Medicin es la cuantificacin del atributo de una variable, Qu quiere decir esto? Cuando
medimos hacemos una estimacin numrica de un objeto, pero no del objeto en s, medimos los
indicadores de sus atributos, para ello contamos con cuatro niveles de medicin
Niveles de Medicin o Escalas de Medicin:
Los datos se pueden clasificar de acuerdo a cuatro niveles de medicin. Los niveles de
medicin indican que tipo de operacin se puede hacer con los datos para resumirlos, presentarlos y
determinar que pruebas estadsticas pueden llevarse a cabo con ellos. Existen cuatro niveles de
medicin: Nominal, ordinal, de intervalo y de razn, estos niveles tienen un orden ascendente el ms
bajo de la escala es el nominal y el ms alto el de razn.
Escala Nominal
En el este tipo de medicin los objetos slo pueden ser nombrados o contados. No hay un
orden, consiste simplemente en clasificar observaciones dentro de ciertas categoras, las cuales
deben ser mutuamente excluyentes y colectivamente exhaustivas. Mutuamente excluyentes significa
que un individuo, objeto o medicin pertenece nicamente a una categora, y exhaustiva significa
que ningn individuo, objeto o medicin puede quedar sin categoras por ejemplo:
En un nivel de medicin ordinal, una categora que podramos
establecer es el sexo, clasificado en hombre y mujer, por lo que
los individuos que observamos slo pueden pertenecen a un
grupo. Si estuviramos realizando una observacin de la imagen
de la izquierda diramos: Hay un hombre y una mujer.
En la medicin nominal un mismo objeto de anlisis no pueden estar en dos categoras, pero
todos tienen que estar en una, no puede haber observacin fuera de una categora. Para que no se nos
olvide esta propiedad de la medicin nominal atendamos el siguiente ejemplo:
En un aula de clases vamos a clasificar las personas por lugar de nacimiento, una misma
persona no puede haber nacido en dos lugares, pero tampoco se puede decir que no naci en ningn
lado, por lo tanto, todos tenemos que estar en una sola categora.
Escala Ordinal
El siguiente nivel es el ordinal, en este caso las observaciones adems de poder ser
clasificadas en categoras, tambin pueden ser ordenadas por rango, de manera creciente o
decreciente. Esto significa que una primera observacin puede ser mayor que la segunda, y esta a su
vez mayor que la tercera, y as sucesivamente. Sin embargo esto no implica una secuencia de
intervalos iguales, atendamos al siguiente ejemplo: Vamos a comprar un vehculo para transportar
nuestra mercanca, tenemos tres opciones y los agrupamos de acuerdo a su kilometraje, el primero
tiene 25.000Km, el segundo 34.000Km y el ltimo 35.500km, observemos que ordenamos las
opciones de menor a mayor segn la cantidad de kilmetros, por ello lo ordinal, pero hay que
resaltar que los intervalos que los separa, o sea la cantidad de kilmetros entre cada carro son
diferentes, de 25.000 a 34.000 hay 9 kilmetros de diferencia, mientras que de 34.000 a 35.500 tan
slo hay kilmetro y medio. En la escala ordinal esto no importa.
Escala de Intervalo
La medicin de intervalo posee las caractersticas de la ordinal con la salvedad que aqu la
distancia entre los rangos son equivalentes, esto quiere decir que los intervalos pueden ser sumados
y restados. Por ejemplo, supongamos que hemos medido cuatro calificaciones con una escala de
intervalo las cuales son 10, 8, 7 y 5. Con estos datos podemos afirmar que la diferencia entre el
primero y el tercero es equivalente a la diferencia entre el segundo y el cuarto, observemos: 10-7=3,
8-5=3, sin embargo no podemos decir que el que sac 8 tuvo el doble del que sac cinco, a pesar que
la diferencia entre los que sacaron 10 y 7, es igual a la diferencia de los que sacaron 8 y 5
Otra caracterstica resaltante de la medicin por intervalos es que este tipo de variables no
tiene cero absoluto, esto significa que el atributo que medimos no tiene ausencia. Retomemos el
ejemplo de la medicin de la temperatura corporal, si empleamos un termmetro y nos tomamos la
temperatura podemos decir que tenemos fiebre o no pero, pero el hecho de no tener fiebre no
significa que tengamos cero temperatura, por lo tanto aqu el cero (0) es relativo. Otro caso en el que
el cero es relativo es el nmero de calzado, no hay calzado nmero 0. Si medimos el calzado en
medicin de intervalo diramos, en una casa hay cinco miembros familiares que calzan 15, 24, 25,
36 y 48.
25
28
31
37
43
Escala de Razn
Es el nivel ms alto de medicin, ella posee todas las caractersticas de las escalas anteriores,
con la diferencia de que aqu el cero si es absoluto, es decir, la presencia del cero indica la ausencia
del atributo observado. Un buen ejemplo de un cero absoluto es la velocidad, si detenemos un
vehculo la velocidad es cero, porque hay ausencia de velocidad. Pero a medida que comenzamos a
acelerar el vehculo podemos decir que si vamos a 30 kilmetros recorreremos la mitad del camino
que un carro que va a 60. En la medicin de razn la distancia entre los rangos son exactamente
iguales. Veamos otro ejemplo:
Las medidas de la regla, el cero indica la ausencia de medida, pero la
distancia del 0 al 1, del 1 al 2 es la misma que la del 2 al 3 la del 3 al 4,
y as sucesivamente, entre cada rango hay la misma diferencia.
2.4
DISTRIBUCIN DE FRECUENCIAS
En muchas ocasiones habrs observados tablas como esta:
Edades (en aos)
1a5
6-10
11-15
Frecuencia
26
44
32
14
10
12
13
20
15
12
17
8
9
18
9
13
19
10
En esa tabla de datos buscamos el valor mayor y el menor, para determinar la cantidad de
clases, para ello utilizamos la frmula 2k, emplendola de la siguiente manera, en los vuelos de
Conviasa n = 20, asignemos a k un valor arbitrario, por ejemplo 4, 24=16 si n = 20, 4 clases no
cubriran todos los datos, probemos con k=5, 25=32, es mayor que 20, cubriramos completamente a
n, por lo que deberamos conformar 5 clases.
Ahora vamos a calcular la amplitud del intervalo, recordando que debe ser el mismo para
todas las clases, y que deben abarcar desde el dato menor hasta el mayor, lo calculamos a travs de
la siguiente frmula:
Redondeamos a 2 que ser el tamao de nuestros intervalos, recordemos que debemos tener
5 clases. Ahora organicemos nuestros datos:
Cantidad de Vuelos
8 a 11
11 a 13
14 a 16
17 a 19
20 a 22
Frecuencia (f)
7
5
3
3
2
TABLA 1: Arreglo de datos del inventario promedio (en das) de 20 tiendas de artculos de
conveniencia
2.0
3.4
3.4
3.8
3.8
4.0
4.1
4.1
4.1
4.2
4.3
4.7
4.7
4.8
4.9
4.9
5.5
5.5
5.5
5.5
TABLA 2: Distribucin de frecuencia del inventario promedio (en das) de 20 tiendas de artculos
de conveniencia (6 clases)
Clase (grupo de observaciones de Frecuencia
(nmero
de
datos con valores semejantes)
observaciones en cada clase)
2.0 a 2.5
1
2.6 a 3.1
0
3.2 a 3.7
2
3.8 a 4.3
8
4.4 a 4.9
5
5.0 a 5.5
4
Ntese que perdimos un poco de informacin al construir la distribucin de frecuencia, por
ejemplo ya no sabemos que el valor 5.5 aparece cuatro veces o que el valor 5.1 no parece en
absoluto. Pero por otra parte, adquirimos informacin concerniente al patrn de los inventarios
promedio.
La distribucin de frecuencia es una tabla que organiza los datos en clases; es decir, en
grupos de valores que describen una caracterstica de los datos. El inventario promedio es una
caracterstica de las 20 tiendas de conveniencia.
Una distribucin de frecuencia muestra el nmero de observaciones provenientes del
conjunto de datos que caen dentro de cada una de las clases. Si podemos determinar la frecuencia
con que ocurren los valores en cada clase de un conjunto de datos, estaremos en condiciones de
construir una distribucin de frecuencia.
Caractersticas de las distribuciones de Frecuencia relativa
Hasta ahora se ha expresado la frecuencia con que ocurren los valores en cada clase como el
nmero total de observaciones que caen en dicha clase. Tambin se puede expresar la frecuencia de
cada valor como una fraccin o porcentaje del nmero total de observaciones. La frecuencia de un
inventario promedio, digamos de 4.4 a 4.9, es 5 en la tabla 2 y de 0.25 en la tabla 3. Para obtener
este ltimo valor, dividimos la frecuencia de esta clase (5) entre el nmero total de observaciones
en el conjunto de datos (20). La respuesta puede expresarse como una fraccin (
Ingeniera Jessica Liset Martnez 28
), un decimal
(0.25) o un porcentaje (25%). Una distribucin de frecuencia relativa presenta las frecuencias en
fracciones o porcentajes.
TABLA 3: Distribucin de frecuencia relativa del inventario promedio (en das) de 20 tiendas de
artculos de conveniencia.
CLASE
2.0 a 2.5
2.6 a 3.1
3.2 a 3.7
3.8 a 4.3
4.4 a 4.9
5.0 a 5.5
Total
FRECUENCIA
1
0
2
8
5
4
20
Frecuencia relativa:
0.05
0.00
0.10
0.40
0.25
0.20
1.00
La suma de todas las frecuencias relativas es de 1.00 o 100 %. Esto sucede porque una
distribucin de frecuencia relativa parea cada clase con su fraccin o porcentaje correspondiente de
los datos totales. Por lo anterior, las clases en cualquier distribucin de frecuencia simple o relativa
son exhaustivas. Todos los datos encajan en una u otra categora. Observe tambin que las clases son
mutuamente excluyentes; es decir, ninguna observacin cae dentro de ms de una categora.
Clases discretas.
Los esquemas de clasificacin pueden ser cualitativos o cuantitativos y discretos o
continuos. Las clases discretas son entidades individuales que no pasan de una clase a la siguiente
sin una ruptura. Son discretas las siguientes clases: el nmero de hijos de las familias, el nmero de
camiones que poseen las compaas transportistas, las ocupaciones de los graduados universitarios.
Los datos continuos pueden pasar de una clase a la siguiente sin ruptura alguna. Contienen
una medida numrica como el peso de unas latas de tomates, los kilogramos de presin sobre el
concreto, o el promedio de calificaciones de los universitarios el ltimo semestre.
Construccin de una distribucin de Frecuencia
Ahora que hemos aprendido a dividir una muestra en clases, ya se est en condiciones de
tomar datos brutos y construir una distribucin de frecuencia. A continuacin tomaremos el
siguiente ejemplo para el desarrollo de la distribucin de frecuencia:
EJEMPLO 1: Un ingeniero de control de calidad del agua en Charlotte (North Carolina) es
responsable del nivel de cloracin del agua. Dicho nivel ha de acercarse bastante al que exige el
departamento de salubridad. Para vigilar el cloro sin necesidad de verificar cada galn de agua que
sale de la planta, el ingeniero muestrea diariamente algunos galones, mide el contenido de cloro y
Ingeniera Jessica Liset Martnez 29
extrae una conclusin sobre el nivel promedio de cloracin que tiene el agua tratada de ese da. La
tabla anexa muestra las concentraciones de cloro de 30 galones seleccionados como muestra de un
da. Estos niveles son los datos brutos de donde el ingeniero saca sus conclusiones respecto a la
poblacin total a la que se aplic la cloracin ese da.
TABLA 4: Concentraciones de cloro en partes por milln (ppm) en 30 galones de agua tratada.
16.2
15.7
16.4
15.4
16.4
15.8
16.0
15.2
15.7
16.6
15.8
16.2
15.9
15.9
15.6
15.8
16.1
15.9
16.0
15.6
16.3
16.8
15.9
16.3
16.9
15.6
16.0
16.8
16.0
16.3
Para analizar los datos de esta tabla seguiremos los siguientes pasos:
Escoger el tipo y nmero de clases para dividir los datos. En este caso, ya se ha optado por
clasificar los datos segn la medida cuantitativa del nmero de ppm del cloro en el agua tratada,
en vez de hacerlo a partir de un atributo cualitativo como color o el olor del agua.
Despus necesitamos decidir cuntas clases utilizar y el intervalo (la distancia que debe
comprender cada clase).
El nmero de clases por utilizar depende principalmente del nmero de observaciones en los
datos. Esto es, un nmero mayor de observaciones requiere un mayor nmero de grupos de clase. En
general la distribucin de frecuencia debe tener al menos cinco clases pero no ms de 15. Si no hay
suficientes agrupamientos de clase o si hay demasiados, se obtendr poca informacin.
A continuacin se muestra una tabla que nos puede ser til para seleccionar el nmero de
clases, aclarando que esta designacin no es obligatoria y puede ser a decisin del analista...
TAMAO DE MUESTRA O N DE DATOS
Menos de 50
50 a 99
100 a 250
250 en adelante
5a7
6 a 10
7 a 12
12 a 15
Para designar el nmero de clases usaremos la letra K, para este ejemplo se usar K= 6
clases.
Es deseable que el ancho da cada agrupamiento de clase (intervalo del inicio de una clase al
inicio de la siguiente) sea igual. Para determinar el ancho de cada clase, el alcance de los datos de
divide entre el nmero de agrupamientos de clase deseado:
Clasificar los puntos de datos en clases y contar el nmero de puntos en cada clase: Esta
informacin aparece en la tabla 5. Toda observacin de datos encaja por lo menos en una clase y
ninguna observacin lo hace en ms de una clase. Por lo que nuestras clases son exhaustivas y
mutuamente excluyentes. Observe que el lmite inferior de la primera clase corresponde a la
menor observacin de datos de la muestra, y que el lmite superior de la ltima clase corresponde
a la observacin mayor de los datos.
TABLA 5: Concentraciones de cloro en muestras de agua tratada con intervalos de clase de 0.3
ppm
FRECUENCI
CLASE
A
15.2 - 15.4
2
15.5 - 15.7
5
15.8 - 16.0
11
16.1 - 16.3
6
16.4 - 16.6
3
16.7 - 16.9
3
30
12
11
10
8
Frecuencia
2
0
15.2 - 15.4
15.5 - 15.7
15.8 - 16.0
16.1 - 16.3
16.4 - 16.6
16.7 - 16.9
17.87
18.03
18.69
19.94
20.20
20.31
24.19
28.75
30.36
30.63
31.21
32.44
32.89
33.51
33.76
34.58
35.58
35.93
36.08
36.14
36.80
36.92
37.23
37.31
37.64
38.29
38.65
39.02
39.64
40.41
40.58
40.64
43.61
44.06
44.52
45.01
45.08
45.10
45.37
45.70
45.91
46.50
47.09
47.21
47.56
47.93
48.02
48.31
48.55
48.62
48.98
49.33
49.36
49.95
50.02
50.10
50.10
50.72
51.40
51.41
51.77
52.43
53.22
54.28
54.71
55.08
55.23
55.56
55.87
56.04
56.29
58.18
59.03
59.37
59.61
59.81
60.27
61.30
62.53
62.78
62.98
63.03
64.12
64.29
65.44
66.18
66.56
67.45
67.87
69.09
69.86
70.37
71.05
71.14
72.46
72.77
74.03
74.10
76.26
76.69
77.91
78.24
79.35
80.32
81.21
82.37
82.79
83.31
85.83
88.67
89.28
89.58
94.07
94.47
94.60
94.74
96.78
. Por lo cual el
Paso 4: Calcular el tamao del intervalo de clase (C), dividiendo el rango entre el nmero de
columnas: C =
Paso 5: Calcular los lmites de clase de cada intervalo: [0-8], [9-17], etc., considerando que el
tamao del intervalo representa la diferencia entre dos lmites de clase adyacentes ya sean inferiores
o superiores.
Paso 6: Contar el nmero de valores que caen en cada intervalo utilizando una hoja de registro, de
esta manera se obtiene la frecuencia para cada intervalo.
Columna
1
2
3
4
5
6
7
8
9
10
11
Intervalo
0 -8
9-17
18-26
27-35
36-44
45-53
54-62
63-71
72-80
81-89
90-98
Registro de frecuencias
IIIII
IIIII
IIIII
IIIII
IIIII
IIIII
IIIII
IIIII
IIIII
IIIII
IIIII
IIII
I
IIIII
IIIII
IIIII
IIIII
IIIII
IIIII
III
I
II
IIIII
IIIII
III
IIIII
III
IIIII
III
5
9
6
11
17
28
18
13
10
8
5
2.5
A parte de la distribucin de frecuencias los datos pueden tambin pueden ser presentados
en grficos contentivos de los mismos datos que expresamos en la distribucin de frecuencias.
Seguro te preguntars Y si tienen los mismos datos para que hacerlos? La respuesta es que el
grfico permite apreciar de forma ms rpida los datos obtenidos, ya lo comprobaremos ms
adelante.
Existen una gran variedad de grficos, primero conoceremos los dos ms empleados en
administracin, tambin mencionaremos otros tipos de grficos de mucha utilidad, sin embargo te
invito a ampliar sobre este tema a travs de un arqueo bibliogrfico.
Histograma: Es uno de los grficos utilizados mayormente empleado para representar una
distribucin de frecuencias
Histograma:
Grfica en la que las clases se indican en el eje y (horizontal) y las frecuencias de la clase
por eje x (vertical). Las frecuencias quedan representadas en el grfico por la altura de las
barras, la que se trazan una al lado de la otra.
Polgono de frecuencia
Un polgono de frecuencia es perecido al histograma. Consiste en segmentos de lnea que se
conectan por los puntos formados por la interseccin del punto medio de la clase y de la frecuencia
de clase. La elaboracin de un polgono de frecuencias se hace colocando los puntos medios de cada
clase en el eje x y la escala en el eje y, es decir, las frecuentas de clase. Recordemos que el punto
medio representa los valores de cada clase.
El histograma y el polgono de frecuencia nos permiten tener una visin de las principales
caractersticas de un conjunto de datos, a pesar de tener ambos el mismo propsito, el histograma
tiene la ventaja de representar cada frecuencia como un rectngulo que adems incluye ambos
valores del intervalo. Por su parte el polgono de frecuencia tiene una ventaja sobre el histograma,
permite comparar dos distribuciones de frecuencia a la vez, y si por ejemplo queremos hacer un
grfico con los gastos de tres aos con una misma distribucin de frecuencias, fcilmente lo
podemos hacer.
100
90
80
70
60
50
Este
Oeste
40
30
20
10
0
1er trim .
2do trim .
3e r trim .
Norte
4to trim .
Grfico de Barras.
Es un grfico muy verstil, en l se puede graficar cualquier tipo de variable y en cualquier nivel de
medicin. Las barras pueden ser verticales u horizontales, y tampoco hay mayor inconveniente en la
distribucin de los datos a travs de los ejes del plano cartesiano.
100
90
80
70
60
50
40
30
20
10
0
Este
15%
15%2
10%
35%
3
25%
Histogramas
La figura 1 es otro ejemplo de un histograma. El histograma es una serie de rectngulos,
todos ellos de anchura proporcional a la gama de valores dentro de una clase y tambin de altura
proporcional a los elementos que caen dentro de la clase. Si las clases que empleamos en la
distribucin de frecuencia tienen el mismo ancho, las barras verticales del histograma lo tendrn
tambin. La altura de la barra de cada clase corresponde al nmero de elementos de esta ltima.
Un histograma que se sirve de la frecuencia relativa (tabla 6) de las observaciones de datos
en cada una de las clases y no del nmero real de observaciones recibe el nombre de Histograma de
frecuencia relativa (fig. 2). Este tiene la misma forma que un histograma de frecuencia absoluta
hecho con el mismo conjunto de datos. La nica diferencia entre el histograma de frecuencia
absoluta y el de frecuencia relativa, es la escala vertical de la izquierda, en el primero es el nmero
absoluto de observaciones en cada clase y en el segundo es el nmero de observaciones en cada
clase como una fraccin del nmero total de ellas.
TABLA 6: Concentraciones de cloro en muestras de agua tratada con intervalos de clase de 0.3
ppm usando la frecuencia relativa.
CLASE FRECUENCIA FREC. REL.
15.2 - 15.4
2
0.067
15.5 - 15.7
5
0.167
15.8 - 16.0
11
0.367
16.1 - 16.3
6
0.200
16.4 - 16.6
3
0.100
16.7 - 16.9
3
0.100
Total
30
1.000
Fig. 2 Histograma de Frec. Relativa
HISTOGRAMA DE FRECUENCIA RELATIVA
0.400
0.367
0.350
0.300
0.250
0.200
PORCENTAJE 0.200
0.167
0.150
0.100
0.100
0.100
0.067
0.050
0.000
15.2 - 15.415.5 - 15.715.8 - 16.016.1 - 16.316.4 - 16.616.7 - 16.9
Polgono de frecuencias
Aunque de menor uso, los polgonos de frecuencias son otro medio de representar
grficamente tanto las distribuciones de frecuencia simples como las de frecuencia relativa. Para
construir un polgono de frecuencias, marcamos las frecuencias sobre el eje vertical y los valores de
la variable que vamos a medir las marcamos sobre el eje horizontal, tal como lo hicimos con los
histogramas. El siguiente paso consiste en graficar cada frecuencia de clase dibujando un punto
sobre su marca de clase, o punto medio, y conectar los puntos consecutivos con una recta para
formar un polgono (figura de muchos lados).
A continuacin en la tabla 7 se muestran los datos de una distribucin de frecuencias para
elaborar un polgono.
TABLA 7: Datos de la concentracin de cloro en ppm (distribucin de frecuencia) para graficar polgono
de frecuencias.
CLASE
0
15.0
15.2 - 15.4
2
15.3
15.5 - 15.7
5
15.6
15.8 - 16.0
11
15.9
16.1 - 16.3
6
16.2
16.4 - 16.6
3
16.5
16.7 - 16.9
3
16.8
0
17.1
30
En la figura 3 se muestra un polgono de frecuencias construido con los datos de la tabla 7.
Si comparamos esta figura con las figuras anteriores vemos que se han agregado clases en cada
extremo de la escala de valores observados. Estas dos nuevas clases contienen cero observaciones,
pero permiten al polgono alcanzar el eje horizontal en ambos extremos de la distribucin.
POLIGONO DE FRECUENCIAS
12
10
8
FRECUENCIA
6
4
2
0
15
15.3 15.6
16.200000000000003
15.9
16.799999999999986
16.5
17.100000000000001
El polgono es simplemente una grfica lineal que une los puntos medios de todas barras en
un histograma.
Se llama polgono de frecuencias relativas a aquel que usa la frecuencia relativa de los
puntos de datos en cada clase y no el nmero real de puntos.
Ojivas
Una distribucin de frecuencia acumulativa nos permite ver cuntas observaciones se hallan
por arriba o por debajo de ciertos valores, en lugar de limitarnos a anotar los nmeros de elementos
dentro de los intervalos. Por ejemplo, si queremos saber cuntos galones contienen menos de 17.0
ppm, podemos servirnos de una tabla que incluya frecuencias acumulativas menores que en
nuestra muestra como se observa en la tabla 8.
Se llama ojiva a la grfica de una distribucin de frecuencia acumulativa. La ojiva de una
distribucin de este tipo se muestra en la figura 4. Los puntos graficados representan la cantidad de
galones que tienen menos cloro que las partes por milln indicadas sobre el eje horizontal.
TABLA 8: Distribucin de frecuencia acumulativa menor que de las concentraciones de cloro en ppm
CLASE
FRECUENCIA ACUMULATIVA
0
2
7
18
24
27
30
FIG. 4 Ojiva menor que de la distribucin de las concentraciones de cloro en ppm para 30 galones de agua tratada.
UNIDAD 3:
ANLISIS ESTADSTICO
3.1
Las medidas de tendencia central tienen como propsito hallar con toda precisin el centro de
un conjunto de observaciones
Mediana:
Observacin de la mitad de los datos despus de que se han
colocado de forma ordenada
Media Geomtrica:
Es una medida que calcula los promedios de los porcentajes
Media Aritmtica:
Es una medida de tendencia central que se obtiene
dividiendo la suma de los valores del conjunto de
datos entre el nmero total de stos.
Media Ponderada:
Es un caso especial de media aritmtica pero cuando todos los
datos tienen diferentes valores o ponderaciones que los
discrimina segn su importancia
Moda:
Es el valor que ms se repite dentro de su conjunto, es decir,
posee mayor frecuencia
La mediana es el valor que est en la posicin 4: 33, 36, 40, 45, 57,60 y 68.
Si el grupo de datos es par, aplicamos la misma ecuacin promediando los dos valores
centrales, observemos el ejemplo:
Datos: 10, 15, 18, 25, 31, 36, 45, 60, 77, 80
El punto 5.5 estara entre los valores de las posiciones 5 y 6, por lo buscamos ambos valores
y los promediamos 10, 15, 18, 25, 32, 36, 45, 60, 77, 80
La mediana es 43.
En las distribuciones simtricas la media, la mediana y la moda coinciden en el valor, mientras que en un
La Media Aritmtica.
En donde:
= media aritmtica
X= valor o punto medio de cada clase
f= frecuencia de cada clase
fX= frecuencia en cada clase por el punto medio de la clase
= suma de estos productos
n= nmero total de frecuencias
Ejemplo: Calculemos la media del precio de venta de los vehculos del plan de una empresa X.
Precio de Venta de vehculos
(millones de bolvares)
Frecuencia
18 a 23
23 a 28
28 a 33
33 a 38
38 a 42
Total
25
28
26
17
13
109
Al precio de venta medio de los vehculos puede estimarse a partir de datos agrupados en
una distribucin de frecuencias, lo primero que debemos calcular es el punto medio de cada clase,
para eso le calculamos el promedio: (18+23)/2=20.5 luego ese valor medio se multiplica por la
frecuencia, como se muestra en la siguiente tabla:
Precios de venta
18 a 23
23 a 28
28 a 33
33 a 38
38 a 43
Total
Frecuencia (f)
25
28
26
17
13
109
f*PM
512.5
714
793
603.5
526.5
3,149.5
En este caso X = PM
Decimos entonces que la media del precio de venta del plan de la empresa X es de 28,800,000.
Definicin:
La media aritmtica o media es la medida de tendencia central que frecuentemente llamamos
promedio, consiste en la suma de los valores del grupo de datos dividida entre la cantidad de
valores. La media aritmtica de una poblacin se representa con el smbolo
aritmtica de una muestra se representa con el smbolo
siguientes:
(mu), y la media
Siendo:
La sumatoria d todos los datos
N Poblacin
n Muestra
Ambas frmulas son idnticas, con la nica diferencia que en el primer caso trabajamos con
la poblacin entera y en el segundo con una muestra.
Ejemplo: Durante cada hora de trabajo de un da una cooperativa produce las siguientes cantidades
de artculos de limpieza: 14, 19, 20, 15, 12, 18, 16, 10. Cul es el nmero medio de unidades
producidas?
a 5 redondeamos
Media Ponderada
La media ponderada o promedio ponderado es una media aritmtica en al que cada uno de
los valores se le pondera de acuerdo a su importancia con el grupo general. Las frmulas de media
ponderada poblacional y muestral son idnticas:
Dnde:
Media Ponderada
X Observacin individual
W Peso o ponderacin asignada a cada observacin
Cuando calculamos la media aritmtica no sale a discusin si cada uno de los datos tiene
igual importancia, sin embargo en ciertos casos puede ocurrir que determinados datos tengan ms
valor que otro de su mismo conjunto, observemos el siguiente ejemplo:
Un estudiante obtuvo las siguientes calificaciones en su curso de estadstica I: 19, 20, 18 y 16. Sin
embargo dentro de los porcentajes la tercera calificacin es la que tiene mayor ponderacin o mayor
valor, debido a que representaba el 30 % de la calificacin final, a continuacin se reflejan los datos
en la siguiente tabla:
Calificaciones
Ponderacin
XW
19
1
19
20
1
20
18
3
54
16
1
16
6
109
Ingeniera Jessica Liset Martnez 47
La Mediana
La mediana es el valor por debajo del cual se encuentran una mitad de los valores y por
encima del cual se encuentra la otra mitad. Como los datos estn organizados en una distribucin de
frecuencias, se ha perdido algo de informacin. As no podemos calcular la mediana exacta, sin
embargo, se puede estimar de la siguiente manera:
Dnde:
L= Lmite inferior de la clase que contiene la mediana.
n= Nmero de frecuencias.
f= frecuencia en la clase mediana.
CF= nmero de las frecuencias acumuladas en las clases que preceden a la clase que contiene la
mediana.
i= amplitud de la clase en la que se encuentra la mediana.
Utilicemos los datos del ejemplo anterior, pero en esta oportunidad debemos calcular la
frecuencia acumulada, que no es ms que la suma acumulada de las frecuencias de cada clase o
categora, vemoslo en la siguiente tabla:
Precios de Venta
18 a 23
23 a 28
28 a 33
33 a 38
38 a 43
Total
Frecuencia (f)
25
28
26
17
13
109
Frecuencia Acumulada
25
53
79
96
109
Debemos localizar en cual clase se encuentra la mediana, para eso dividimos el total de la
frecuencia entre 2,
=190/2=54,5. Ahora buscamos en la frecuencia acumulada el grupo de
intervalos que tenga a este nmero:
Precios de Venta
18 a 23
Frecuencia (f)
25
Frecuencia Acumulada
25
23 a 28
28 a 33
33 a 38
38 a 43
Total
28
26
17
13
109
53
79
96
109
Podemos apreciar fcilmente que el tercer grupo de intervalos es el que posee al nmero en
la posicin 54,5 debido a que el anterior slo llega hasta el nmero 53, observemos este diagrama.
53
79
28.000.000
Sustituyamos ahora los valores:
33.000.000
Mediana
La Moda
Siendo la moda el valor con ms frecuencia, slo debemos buscar dentro de nuestra
distribucin de frecuencias los intervalos con mayor cantidad de frecuencia, revisemos la tabla de
precios de venta del Plan Empresa X.
Precios de Venta
18 a 23
23 a 28
28 a 33
33 a 38
38 a 43
Total
Frecuencia (f)
25
28
26
17
13
109
3.1.4
La Media Armnica
Media Armnica (H): Cuando los datos a promediarse estn medidos en unidades expresadas en
forma de cocientes (km./hr., $/lt, etc.), lo ms adecuado es utilizar la media armnica, ya que la
media aritmtica nos llevar a un promedio equivocado.
Datos No Agrupados:
Ejemplo:
Si un vehculo se mueve de la ciudad A, a la B a 65 Km./hr y regresa de B a A, a 98 Km./Hr a qu
promedio se desplaz.
Datos Agrupados:
Nmero de vehculos
15
28
31
3.1.5
La Media Geomtrica
Verifiquemos: si el trabajador del que hablbamos gana Bs. 650,000 con los dos aumentos su sueldo
quedar:
650.000 * 0,05= 32.500
682.000 * 0,15= 102.370
Total con el aumento 784.870 bolvares
Ahora realicemos el clculo con nuestra media geomtrica
700.000*0,09886=64.259
714.259*0,09886=70.611,6
Total = Bs.784.870
Media Geomtrica para Datos Agrupados
La media geomtrica para datos agrupados se determina con la siguiente ecuacin:
Donde
X= punto medio de los intervalos
f = frecuencia
Recuerda
La media geomtrica se calcula para promedios de porcentajes
Datos No Agrupados:
Ejemplo: Si los precios de la accin Anhuac en los ltimos cuatro das fueron; 4.75, 5.23, 4.78 y
6.32 calculan el factor de crecimiento promedio y el crecimiento porcentual promedio.
Existen dos formas de resolverlo:
a) De la forma ms ortodoxa, es decir:
b) Otra forma es
Datos Agrupados:
Ejemplo: A continuacin se muestra una distribucin de frecuencias, calcula toda las medidas de
tendencia central sobre la tabla.
Clase
(Presin)
Frecuencia de clase
(das)
M
50-59
60-69
70-79
80-89
90-99
100-109
3
7
18
12
8
2
50
f*M
Frecuencia acumulada
F
3.2
Las medidas de tendencia central por s solas carecen de significado, pues de nada sirve saber
el promedio sin conocer la dispersin, qu significa esto, saber cunto se alejan las observaciones de
su propio promedio, observemos el siguiente ejemplo:
A continuacin se te presenta el monto en bolvares de ventas mensuales de las empresas
XXX y ZZZ
Meses
Empresa XXX
Empresa ZZZ
Julio
1.500.000
4.800.000
Agosto
1.800.000
3.900.000
Septiembre
2.000.000
2.000.000
Octubre
2.300.000
1.400.000
Noviembre
2.500.000
700.000
Diciembre
2.800.000
100.000
Total
12.900.000
12.900.000
Empresa XXX
Empresa ZZZ
Ambas tienen la misma media en ventas, pero si realizamos el anlisis considerando cada una de las
ventas del mes podemos apreciar que la situacin de la empresa ZZZ es muy delicada, debido a
que el ltimo mes de facturacin se aleja mucho de la media. Por esto la importancia de las medidas
de dispersin.
Medidas de Dispersin:
Miden que tanto se dispersan los datos recabados de
su media
Existen dos grupos de medidas de dispersin. El primer grupo es el de las medidas de
dispersin absolutas que vienen expresado por las mismas medidas que identifican a la serie de
datos; el segundo grupo es el de las medias de dispersin relativas que son relaciones entre las
medidas de dispersin y las medidas de tendencia central, expresado en valores abstractos
(porcentajes).
Medidas de Dispersin Absolutas: el rango o recorrido, varianza, desviacin media y desviacin
estndar.
Medidas Relativas de Dispersin: coeficiente de variabilidad o variacin
3.2.1
El Recorrido
Ejemplo: Horas diarias dedicadas al estudio por un grupo de estudiantes del plan de formacin
Administracin y Gestin:
1,5
2
3
2,5
2
3
3,5
4
2
2,5
1
1
Calculemos la media aritmtica
. Podemos decir que todos los alumnos
dedican aproximadamente dos horas diarias al estudio. Calculemos el Rango, R=Vm-Vm=4-1=3. El
rango de 3 es la distancia entre los lmites. El rango es una medida de dispersin dbil pues slo
incluye dos valores del conjunto.
El rango es una buena opcin cuando comparamos dos situaciones similares, retomemos el
ejemplo al principio de la unidad
Monto en bolvares de ventas mensuales de las empresas XXX y ZZZ
Meses
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre
Total
Empresa XXX
1.500.000
1.800.000
2.000.000
2.300.000
2.500.000
2.800.000
12.900.000
Empresa XXX
Calculemos el rango de cada una
XXX= 2.800.000 - 1.500.000=1.300.000
ZZZ= 4.800.000 100.000= 4.700.000
Ingeniera Jessica Liset Martnez 55
Empresa ZZZ
4.800.000
3.900.000
2.000.000
1.400.000
700.000
100.000
12.900.000
Empresa ZZZ
Frecuencia (f)
25
28
26
17
13
109
El rango es 25 millones.
3.2.2
Desviacin Media: La desviacin media mide la cantidad media en que los valores de la
poblacin, o de la muestra, varan de la media. Se define as:
Donde
Xes el valor de cada observacin
= es la media aritmtica de los valores
n= es el nmero de observaciones en la muestra
= indica el valor absoluto. En otras palabras se hace caso omiso de los signos de las desviaciones
medias, Por qu? Porque si no lo hiciramos as las desviaciones positivas y negativas se anularan,
y al desviacin siempre sera cero, y una medida de dispersin cero sera completamente intil.
Ejemplo:
1,5
2
2
2
3
2,5
Nmero de horas
3
3,5
1
(X-X)
2,5
4
1
Desviacin Absoluta
1,5
2
3
3,5
4
1,5-2,3=-0,8
2-2,3=-0,3
3-2,3=0,7
3,5-2,3=1,2
4-2,3
0,8
0,3
0,7
1,2
1,7
4,7
Donde
=varianza poblacional
X= valor de una observacin de la poblacin
= media aritmtica de la poblacin
n= Nmero de observaciones de la poblacin
Ejemplo: Un corredor de seguros vende tres plizas por los siguientes precios en millones: 32, 23 y
26
Ejemplo: El director de Conviasa requiere conocer el nmero de pasajeros atendidos por da para
determinar si la variacin de pasajeros es grande, ya que de ello depende la ampliacin en la flota de
aviones, la distribucin de frecuencias es la siguiente:
Pasajeros
(Clases)
50-59
60-69
70-79
80-89
90-99
100-09
TOTAL
Das
(Frecuencia)
3
7
18
12
8
2
50
Punto Medio
(M)
54,5
64,5
74,5
84,5
94,5
104,5
fM
M2
fM2
163,5
451,5
1341
1014
756
209
3.935
2.970,25
4.160,25
5.550,25
7.140,25
8.930,25
10.920,25
8.910,75
29.121,75
99.904,50
85.683
71.442
21.840,5
316.902,50
Por lo tanto
El director de Conviasa ya puede decidir si los aviones que utilizan actualmente pueden
acomodar fluctuaciones hasta de 12 pasajeros en los das de trnsito pesado.
3.2.3
El Coeficiente De Variacin
Las medidas de dispersin estudiadas hasta ahora no nos permiten hacer comparaciones entre
la dispersin de los valores de varias distribuciones, ya que todas ellas estn afectadas por la unidad
de medida en que se expresan los datos; de all que la comparacin sera imposible porque cada
medida vendra expresada en unidades diferentes. Adems varias distribuciones pueden tener un
mismo tener un mismo valor para determinada medida de dispersin y ser la variabilidad de sus
datos en relacin con la media, diferente.
Por ello la existencia de medidas de dispersin relativa que se expresan en porcentaje (valores
abstractos) y se determinan por la relacin existente entre una medida de dispersin absoluta y una
medida de la tendencia central, relacin que nos permite compara la variabilidad de los datos entre
varias series.
Ingeniera Jessica Liset Martnez 58
3.2.4
APLICACIONES
VARIANZA:
PROPIEDADES:
1. La varianza nunca puede ser negativa, s2 >0.
2. Otra forma ms sencilla de calcular la varianza es:
Demostracin:
Ejemplo 1: Usando las siguiente tabla que muestra la cantidad de nios atendidos en una clnica del
pas en una semana por edades en aos
Ingeniera Jessica Liset Martnez 59
Edad
0
1
2
3
4
5
6
fi
2
4
21
15
6
1
1
fi
0
1
2
3
4
5
6
2
4
21
15
6
1
1
xi - x
fi xi- x
D x =
Calcular e interpretar el coeficiente de variacin: CV=
UNIDAD 4:
Ingeniera Jessica Liset Martnez 60
4.1
TECNICAS DE CONTEO
Anlisis Combinatorio:
Es la rama de la matemtica que estudia los diversos arreglos o selecciones que podemos
formar con los elementos de un conjunto dado, los cuales nos permite resolver muchos problemas
prcticos. Por ejemplo podemos averiguar cuntos nmeros diferentes de telfonos, placas o loteras
se pueden formar utilizando un conjunto dado de letras y dgitos.
Adems el estudio y comprensin del anlisis combinatorio no va a servir de andamiaje para
poder resolver y comprender problemas sobre probabilidades
Principios fundamentales del Anlisis Combinatorio:
En la mayora de los problemas de anlisis combinatorio se observa que una operacin o
actividad aparece en forma repetitiva y es necesario conocer las formas o maneras que se puede
realizar dicha operacin. Para dichos casos es til conocer determinadas tcnicas o estrategias de
conteo que facilitarn el clculo sealado.
El anlisis combinatorio tambin se define como una manera prctica y abreviada de contar;
las operaciones o actividades que se presentan son designadas como eventos o sucesos.
Ejemplo:
1. Sealar las maneras diferentes de vestir de una persona, utilizando un nmero determinado
de prendas de vestir
2. Ordenar 5 artculos en 7 casilleros
3. Contestar 7 preguntas de un examen de 10
4. Designar 5 personas de un total 50 para integrar una comisin
5. Sentarse en una fila de 5 asientos 4 personas
6. Escribir una palabra de 7 letras utilizando 4 consonantes y 3 vocales
I) Principio de multiplicacin:
Si un evento o suceso A puede ocurrir, en forma independiente, de m maneras diferentes y otro
suceso de n maneras diferentes, entonces el nmero de maneras distintas en que pueden suceder
ambos sucesos es m. n
Ejemplo 1:
En la etapa final de ftbol profesional de primera, cuatro equipos: CRISTAL (C), BOYS (B),
ESTUDIANTES (E), UNIVERSITARIO (U), disputan el primer y segundo lugar (campen y
subcampen). De cuntas maneras diferentes estos equipos pueden ubicarse en dichos lugares?
Solucin:
2o
B
E
U
C
E
U
B
B
B
C
E
U
C
B
U
E
E
E
C
B
U
1er lugar
2do lugar
B
E
U
C
B
U
U
E
C
B
U
E
Existen 12 maneras diferentes en que estos equipos se pueden ubicarse en el primer y segundo
lugar
# maneras = 12
Ejemplo 2:
Cuntas placas para automviles pueden hacerse si cada placa consta de dos letras diferentes
seguidas de tres dgitos diferentes? (considerar 26 letras del alfabeto)
Solucin:
Letras
26
Dgitos
25
x 10
x 9
EXPLICACIN:
1oEl primer casillero puede ser ocupado por cualquiera
de las 26 letras
o
2 El segundo casillero puede ser ocupado por cualquiera
de las 25 letras que restan
3oEl tercer casillero puede ser ocupado por cualquiera
de los 10 dgitos ( del 0 al 9)
4oEl cuarto casillero lo pueden ocupar los 9 dgitos
restantes
o
5 El quinto casiller puede ser ocupado por cualquiera de
los 8 dgitos restantes
6oPor el principio de multiplicacin, el nmero de placas
ser = 26x25x10x9x8 = 468 000
x 8
lancha
, deslizador
RECUERDA
1) Si se desea que se realicen los eventos A y B,
entonces se utiliza el principio de multiplicacin
(x)
2) Si se desea que se realicen los eventos A B,
entonces se utiliza el principio de adicin (+)
# Maneras = 3 + 2 + 1 = 6
4.1.1
Mtodos de Conteo
En diferentes casos se tomar de algn conjunto parte de sus elementos o todos ellos, para
formar diferentes agrupaciones, que se van a distinguir por el orden de sus elementos o por la
naturaleza de algunos de ellos. Si los elementos que forman una agrupacin son diferentes entre s,
sern llamados agrupaciones sin repeticin y si alguno de ellos es igual se dir que son agrupaciones
con repeticin.
Entre los mtodos de conteo ms conocidos tenemos: Permutacin, Variacin y Combinacin
PERMUTACIN
Es un arreglo de todos o parte de un conjunto de objetos considerando el orden en su
ubicacin; cuando en el arreglo solo entran parte de los elementos del conjunto se llama variacin.
Es importante resaltar que el orden es una caracterstica importante en la permutacin, cuando
variamos el orden de los elementos se dice que permutamos dichos elementos.
Ejemplo:
Determinar los diferentes arreglos o permutaciones que se pueden hacer con las letras a, b y c
tomadas de dos en dos
Solucin:
Mtodo 1:
Sea el conjunto: {a,
b,
c} ,
entonces los arreglos pueden ser: ab, va. ac, ca, bc, cb
Nmero de arreglos = 6
Mtodo 2: (principio de multiplicacin)
EXPLICACIN
1) El primer casillero puede ser ocupado por
cualquiera de las tres letras, existiendo 3
posibilidades
2) El segundo casillero puede ser ocupado por
cualquiera de las otras dos letras restantes,
existiendo 2 posibilidades
# arreglos = 3
2=6
; donde: n, k N y 0 k n
Estas permutaciones son llamados lineales, porque los objetos son ordenados en una lnea
recta de referencia
Ejemplo:
En una carrera de 400metros participan 12 atletas. De cuantas formas
premiados los tres primeros lugares con medalla de oro, plata y bronce?
Solucin:
Mtodo 1: Empleando el principio de multiplicacin
Oro
10
Plata
# maneras = 720
Bronce
x 8
EXPLICACIN
1) El primer casillero(MEDALLA DE ORO) puede ser
ocupado por cualquiera de los diez atletas, existiendo
10 posibilidades
2) El segundo casillero(MEDALLA DE PLATA) puede
ser ocupado por cualquiera de los nueve atletas
restantes, existiendo 9 posibilidades
3) El tercer casillero (MEDALLA DE BRONCE) puede
ser ocupado por cualquiera de los ocho atletas
restantes, existiendo 8 posibilidades
Solucin:
Como entran todos los elementos del conjunto y estos se repiten, se trata de una permutacin
con repeticin, donde n1 = 3 (tres crculos), n2 = 2 (dos cuadrados) , n3 = 1 (un tringulo), n4
= 1( un rombo), luego:
=
COMBINACIN
Es cada uno de los diferentes arreglos que se pueden hacer
de un conjunto dado sin considerar el orden en su ubicacin
Ejemplo 1:
Si disponemos de 5 puntos no colineales, cul es el mximo nmero de tringulos que se podrn
formar?
Solucin:
Para dibujar un tringulo solo es necesario 3 puntos en el plano, luego se escogern 3 puntos
(k = 3) de un total de 8 puntos (n = 5). Adems no importa el orden, ya que el tringulo ABC
es igual al CBA; por lo tanto se trata de una combinacin.
OBSERVACIN
1) En las permutaciones interesa el orden, se buscan
ordenaciones
2) En las combinaciones no interesa el orden, se
busca agrupaciones
Ejemplo 2: Una seora tiene 3 frutas: manzana, fresa y pia. Cuntos sabores diferentes de jugo
podr preparar
con estas frutas?
Fresa (F)
Pia (P)
Manzana (M)
Solucin:
Mtodo 1: (en forma grfica)
Cuando se escoge una fruta de las tres, los sabores son 3: F, P ,M
Cuando se escoge 2 de las tres frutas, los sabores son 3: FP, FM, PM
Cuando se escoge las 3 frutas los sabores son 1: FPM
Total de sabores diferentes: 3 + 3 + 1 = 7
Mtodo 2: (Empleando combinaciones)
Se puede escoger una fruta de las tres 2 frutas de las tres o las tres frutas de las tres, adems en
este caso no importa el orden; por lo tanto usamos el principio de adicin aplicado a la
combinacin:
# maneras diferentes =
# maneras diferentes =
Total de sabores diferentes: 3 + 3 + 1 = 7
Ejemplo 3:
Se desea formar un comit de 7 seleccionando 4 fsicos y 3 matemticos de un grupo de 8 fsicos y 6
matemticos. De cuantas maneras podr seleccionarse?
Solucin:
PROPIEDADES DE
formas
1)
2)
3)
4)
= 70 x 20 = 1400
5)
6)
OBSERVACIN:
En la prctica se presentan diferentes combinaciones que no resultan sencillas, estas son las
combinaciones con repeticin. Para obtener las diferentes combinaciones con repeticin de
n elementos en el cual hay repeticin de los elementos (CR) agrupados de k en k, se utiliza
Ingeniera Jessica Liset Martnez 68
la siguiente frmula:
PROBLEMAS RESUELTOS
1. Cuntos numerales de 2 cifras se pueden formar con los dgitos 1, 3, 5 y 7?
A) 16
B) 12
C) 10
D) 14
e)8
Solucin:
MTODO 1: (mediante arreglo numrico)
Con los dgitos dados, formamos los siguientes nmeros:
OBSERVACIN
En estos casos el orden es importante, adems los
elementos del conjunto pueden repetirse, como
por ejemplo : 11 , 33, 55, 77
Respuesta: se pueden formar 16 numerales
MTODO 2: (mediante la aplicacin de los principios de anlisis combinatorio)
son:
OBSERVACIN
1) a toma 4 valores
2) b toma 4 valores
Cantidad de nmeros = 4 x 4 = 16
2. Determinar cuntos numerales de 3 cifras existen en el sistema de base seis.
A) 160
B) 12 0
C) 100
D) 140
e) 180
Solucin:
A b c
OBSERVACIN:
1) En base seis solo se dispone de los dgitos : 0,1,2,3,4 y
5
2) La primera cifra a no puede ser cero, solo puede tomar
las cifras : 1,2,3,4 y 5; es decir 5 posibilidades
3) Las cifras b y c, como no dicen que son diferentes,
pueden tomar 6 valores o posibilidades
5 x 6 x 6 = 180 numeral
Respuesta: se pueden formar 180 numerales
3. Cuntos numerales de la forma:
existen?
A) 260
B) 2 00
C) 300
D) 240
e) 180
Solucin:
En estos tipos de problemas hay que tener en cuenta que cuando una variable representa una
cifra, y sta se repite en el numeral, entonces a dicha variable se le considera una sola vez al
calcular la cantidad de numerales.
En nuestro problema, con la indicacin anterior, tendremos:
Cantidad de numerales = 5 x 5 x 8
= 200
Respuesta: se pueden formar 200 numerales
4. Cuntos numerales de tres cifras diferentes existen en el sistema de base decimal?
A) 900
B) 780
C) 800
D) 648
e) 724
Solucin:
# numerales = 9 x 9
x 8
= 648
Respuesta: se pueden formar 648 numerales
5. Cuntos numerales de la forma:
existen?
A) 9
B) 18
C) 26
D) 48
e) 24
Solucin:
Los valores de a deben se factores de 14 y adems menores que 9; luego los valores
posibles de a solo pueden ser: 1,2,7 ; es decir hay 3 posibilidades.
Los valores de b son mltiplos de 3, menores que 9; luego los valores de b solo pueden
ser: 0,3 y 6; es decir hay 3 posibilidades
OBSERVACIN
1)
2) A las posibilidades de
y
el principio de multiplicacin
se les aplica
cantidad de # = 3 x 3 = 9 nmeros
Respuesta: se pueden formar 9 nmeros
6. Cuntos nmeros de 3 cifras tienen por lo menos un 6 en su escritura?
A) 196
B) 188
C) 252
D) 480
e) 248
Solucin:
a) Podemos representar el procedimiento de solucin mediante un diagrama de Venn:
Ingeniera Jessica Liset Martnez 71
OBSERVACIN:
Para hallar los nmeros que tiene por lo menos
un 6 en su escritura, se consideran:
1) Los que tienen un solo 6
2) Los que tienen dos 6
3) Los que tienen tres 6
-y
............ (1)
EXPLICACIN:
1) a puede tomar los valores del 1 al 9, es decir hay 9
posibilidades para las centenas
2) para b y c hay 10 posibilidades, ya que b y c
pueden tomar los valores del 0 al 9
3) Para hallar la cantidad de nmeros de 3 cifras
aplicamos el principio de multiplicacin.
cantidad de #s = 9 x 10 x 10 = 900
d) Clculo del nmero de 3 cifras que no usan cifra 6
a
EXPLICACIN:
1) a puede tomar los valores del 1 al 9; sin
considerar el 7 es decir hay posibilidades para las
centenas
2) para b y c hay 9 posibilidades, ya que b y c
pueden tomar los valores del 0 al 9, exceptuando a
7
3) Para hallar la cantidad de nmeros de 3 cifras
aplicamos el principio de multiplicacin
cantidad de #s = 8 x 9 x 9 = 648
e) Remplazando los valores obtenidos en los pasos c y d en la ecuacin (1) de l paso (b), se
tiene:
X = 900 648 = 252
Respuesta: se pueden formar 252 nmeros
7) De un grupo de 5 estudiantes, cuantos grupos diferentes de tres alumnos podran formarse.
A) 16
B) 10
C) 12
D) 15
e) 18
Solucin:
METODO 1: Por conteo directo
Sean A, B, C, D y E los alumnos, los diferentes grupos de 3 seran : ABC, ABD, ABE, ACD,
ACE , ADE, BCD, BCE, BDE, CDE
Respuesta: se pueden formar 10 grupos diferentes
METODO 2: Por frmula
Como el grupo de alumnos ABC, CBA y BAC son el mismo grupo de alumnos, entonces no
interesa el orden de los elementos y se trata de una combinacin:
A) 56
B) 35
C) 42
D) 64
e) 70
Solucin:
En la suma no importa el orden que se dispongan los sumandos, por lo tanto se trata de una
combinacin; adems para cada suma se escogen grupos de 4 sumandos de los siete de que se
disponen.
A) 160
B) 135
C) 144
D) 14
e) 170
Solucin:
Representemos grficamente el problema, y luego emplearemos el principio de multiplicacin
Posibilidades
4 3 3
# de formas = 4 x 3 x 3 x 2 x 2 x 1 x1 =144
Respuesta: se pueden ubicar de144 formar diferentes
Ingeniera Jessica Liset Martnez 73
10) Cuntos nmeros de 4 cifras diferentes y mayores que 5 000 , se pueden formar con los
siguientes dgitos: 1 , 3, 4 , 6 , 9?
A) 52
Solucin:
Sea :
B) 48
C) 27
c d
# de nmeros = 2 x 4 x 3 x 2 = 48
D) 96
e) 49
EXPLICACIN:
a puede ser 6 o 9, es decir tiene 2
posibilidades ; b, tiene (5 - 1) posibilidades;
c tiene (5 2) posibilidades y d tiene (5
3) posibilidades ya que las cifras deben ser
diferentes
A) 1120
B) 48
C) 300
D) 560
e) 440
Solucin:
Para formar un comit , no interesa el orden en que se dispongan las tres personas por lo que los
posibles comits sern combinaciones de 16 personas tomadas en grupos de 3, as
A) 24
B) 48
C) 36
Solucin:
Identificamos con un nombre a cada camino diferente:
D) 18
e) 30
# maneras de llegar de A a C =
pasando por B
C
x
=9
Pero tambin hay dos caminos directos para llegar a C (x, y); por lo tanto el nmero total de
caminos para llegar de A a C es : 9 + 2 = 11 formas; y de C a D hay 3 formas (7,8,9)
Finalmente se tiene:
De A a C
11formas
de
C a D
3formas
A aD
11 x 3 formas
14) En un examen de matemticas, un estudiante debe responder siete preguntas de las diez
dadas. De cuntas formas diferentes debe seleccionar, si l debe responder por lo menos,
tres de las cinco primeras preguntas?
A) 64
B) 55
C) 50
D) 110
e) 120
Solucin:
El estudiante puede responder tres de las cinco primeras preguntas y 4 de las ltimas 5
preguntas; o cuatro de las primeras cinco preguntas y 3 de las ltimas; o cinco de las primeras
cinco y dos de las ltimas. Como no interesa el orden se trata de una combinacin, por lo tanto
tenemos:
#maneras =
7 x 6 x 5x 4 x 3
Mtodo 2:(usando permutacin)
= 2 520
16) Un hombre tiene 9 bonos financieros de 9 compaas distintas, y piensa regalarlos a sus 3
hijos de la siguiente manera: a su hijo mayor, 4; a su segundo hijo, 3; y al menor 2. De
cuantas formas puede repartir los bonos?
A) 1640
B) 1360
C) 680
D) 1100
e) 1120
Solucin:
Se trata de una permutacin con repeticin donde intervienen todos los elementos. Hay 4!
Maneras de arreglar los bonos para su hijo mayor; 3! Formas para arreglar los bonos para el
segundo hijo y 2! Formas para el hijo menor. Luego se tiene:
A)
B)
C)
D)
e)
Solucin:
La delegacin de 6 chicas se puede presentar en los siguientes casos:
1er caso: Si no figura ninguna de las dos chicas que se niegan a jugar juntas, las seis chicas
deben escogerse de entre10
OBSERVACIN:
Hemos aplicado la
propiedad:
# de equipos =
2do caso: Si figura una de las dos chicas que se niegan a jugar juntas, las otras cinco chicas
deben escogerse de entre las10 restantes
# de equipos =
# total de equipos =
El nmero de formas en que cada grupo de 5 personas se pueden sentar en la mesa es:
(5 1)! =4! = 24
# total de formas = 56 x 24 = 1344
Respuesta: 1344 maneras diferentes
19) La tripulacin de un bote es de 10 hombres, cuatro solamente pueden remar a babor y tres a
estribor. De cuntas formas se pueden distribuirse para remar, sabiendo que cinco hombres
deben ubicarse a cada lado para mantener el equilibrio del bote?
PROA
Babor
Estribor
POPA
C) 3! x (5!)2
A) 3x (5!)
B) 6x (4!)
D) 12 x (3!)2
e) 6x (5!) x (4!)
Solucin:
Sean {a, b, c, d, e, f, g, h, i, j} los tripulantes del bote de los cuales: a, b, c y d pueden remar slo
a babor y h, i, y j pueden remar slo a estribor. Adems cinco hombres estn ubicados a cada
lado del bote.
a, b, c y d pueden ubicarse a babor de
formas distintas ocupando 4 lugares (observar que en
este problema el orden es importante). Los lugares que sobran a babor pueden ser ocupados por
d, e f, es decir 3 formas distintas. Luego los cinco lugares a babor pueden ser ocupados de:
. 3 formas o maneras distintas.
Como se trata de un suceso simultaneo , aplicamos el principio de multiplicacin para los dos
resultados anteriores:
# de formas diferentes =
Respuesta:
.3x
formas diferentes
20) Seale cuntos productos diferentes, cada uno de tres factores primos, podr obtenerse con
los cinco factores primos : a, b, c, d, e ( a b c de)
A) 40
B) 35
C) 30
D) 24
e) 56
Solucin:
Mtodo 1: (Por conteo directo)
Se deben formar nmeros de la forma P = x. y. z; donde x, y, z son nmeros primos
CASO 1: Losa tres factores son iguales; es decir: x = y = z, los productos sern:
P1 = a a a ; P2 = b b b ; P3 = c c c ; P4 = d d d ;
P5 = e e e
Son 5 casos posibles
CASO 2: Dos factores son iguales y uno es diferente ; es decir : x = y ; con z diferente , los
productos sern:
P6 = a a b ;
P7 = a a c ;
P8 = a a d ;
P9 = a a e ;
P10 = b b a
P11 = b b c ;
P12 = b b d ; P13 = b b e ; P14 = c c a ;
P15 = c c b
P16 = c c d ; P17 = c c e ; P18 = d d a ; P19 = d d b ;
P20 = d d c
P21 = d d e ; P22 = e e a ; P23 = e e b ; P24 = e e c ;
P25 = e e d
Son 20 casos posibles
CASO : Los 3 factores son diferentes ; es decir : x y z ;, los
P26 = a b c ; P27 = a b d ; P28 = a b e ; P29 = a c d ;
P31 = a d e ; P32 = b c d ; P33 = b c e ; P34 = b d e ;
Son 10 casos posibles (
productos sern:
P30 = a c e
P35 = c d e
4.2
Probabilidad
=0.012
1500
Lo anterior nos indica que es muy probable que 1.2 productos de cada 100 que se
manufacturen en esa lnea sern defectuosos.
Por qu se utiliz para calcular las probabilidades la informacin de la semana inmediata
anterior?. Debido a que esta refleja la situacin que guarda actualmente la produccin de la lnea
mencionada.
2. Basndose en la experimentacin.
Hay casos en los que despus de repetir un nmero muy grande de veces un experimento, es
posible determinar las probabilidades de ocurrencia de algunos eventos, tales como: La probabilidad
de que aparezca guila al lanzar una moneda equilibrada, la probabilidad de que aparezca el nmero
3 en un dado, etc., etc.
Probabilidad Compuesta
Es la probabilidad compuesta por dos eventos simples relacionados entre s. En la
composicin existen dos posibilidades: Unin
y de Interseccin
Unin de A y B
Si A y B son eventos en un espacio muestral S, la unin de A y B
los elementos del evento A o B o ambos.
contiene todos
Interseccin de A y B
Si A y B son eventos en un espacio muestral S, la interseccin de A y B
compuesta por todos los elementos que se encuentran en A y B.
est
P(AC)=0.7
P(A)=0.3
2. Probabilidad condicional: Para que se lleve a cabo un evento A se debe haber realizado el
evento B. La probabilidad condicional de un evento A dado que ha ocurrido el evento B es:
, si
B
P(B/A)=0.97
P(A)=0.9
8
Ejemplo 3:
Si el evento P(A y B) = (llueva y este nublado) = 0.2 y el evento B (nublado) = 0.3, cual es
la probabilidad de que llueva en un da nublado? Nota: no puede llover si no hay nubes.
A
P(A/B)=0.67
=
Ejemplo 4:
Las razones de queja en productos se muestran a continuacin:
RAZN DE LA QUEJA
Ingeniera Jessica Liset Martnez 82
En garanta
Fuera de garanta
Total
Falla elctrica
18%
12%
30%
Falla mecnica
13%
22%
35%
Falla apariencia
32%
3%
35%
Total
63%
37%
100%
Si A es el evento de que la queja es por apariencia y que B representa que la queja ocurri en
el periodo de garanta. Se puede calcular P(A/B) = P(A y B)/P(B)
P(A/B) = 0.32 / 0.63 = 0.51
Si C es el evento fuera de garanta y D falla mecnica:
P(C/D) = P(C y D) / P(D) = 0.22 / 0.35 = 0.628
Se dice que dos eventos A y B son independientes si:
P(A/B) = P(A) o P(B/A) = P(B).
La probabilidad de la ocurrencia de uno no est afectada por la ocurrencia del otro. De otra
manera los eventos son dependientes.
Un ejemplo de evento independiente es: Cul es la probabilidad de que llueva en lunes? El
ejemplo de evento dependiente es el ejemplo 2.
3. Eventos mutuamente excluyentes.
A
Cuando un evento A no contiene elementos en comn con un evento B, se dice que estos son
mutuamente excluyentes.
Ejemplo 5. Al lanzar un dado:
a) Cul es la probabilidad de que salga 2 o 3?
b) Calcule
a)
b)
= 0,
A
P(A) =.98
B
P(B) =.98
P(B/A)=.97
P(A) =.98
4.2.2
Experimento.
Es toda accin bien definida que conlleva a un resultado nico bien definido como el
lanzamiento de un dado. Es el proceso que produce un evento. Es el proceso a travs del cual se
obtienen observaciones.
Ejemplo 2.1.Considere el experimento siguiente:
En una empresa existe una gra que tiene un sistema de cables, las cuales requieren ser
reemplazadas cada cierto tiempo de uso. Para probar si se debe cambiar, se somete el sistema a una
tensin exagerada, si se rompen 2 o ms hilos, se dice que el cable no sobrevive y por lo tanto debe
ser reemplazada. Se sabe por experiencia, que en cada tensin exagerada, se rompe a lo ms un hilo
y que la probabilidad de que se rompan ms de uno es despreciable.
4.2.3
Espacio Muestral.
4.3
INDEPENDENCIA ESTADSTICA.
4.3.1
P { E1 E 2 }=P { E1 } P [ E2 ]
P { E1 E 2 E3 } =P { E 1 }+ { E2 } + P { E3 } =P { E 1 } + P { E 2 } + P { E3 }P { E1 E2 } { E1 E3 }P { E 2 E3 } + P { E1 E2 E
EVENTOS COMPLEMENTARIOS:
Dos eventos E1 y E2, son complementarios si el segundo es un subconjunto que contiene todos
los puntos muestrales del espacio muestral que no estn en el primero. Los eventos
complementarios, son a su vez mutuamente excluyentes: E1 E 2=S y E 1 E2 =
S, representa el espacio muestral
^
E , es el complementario de E, es decir, ^
E es lo que le falta a E, para se igual a S.
^
E , se lee complementario de E No E
La probabilidad del espacio muestral es 1; P { S }=1, por loque se tiene :
^ }=1
P { S }=P { E } + P { E
P {^
E }=P { S }P { E } = 1P { E }
EVENTOS INDEPENDIENTES:
Ingeniera Jessica Liset Martnez 86
Se lanzan dos dados simultneamente. Uno verde y uno rojo. Cul es la probabilidad de que
V 4 y R 2?
Procedimiento:
1. Se construye el espacio muestral (en un diagrama cartesiano), sealando los puntos
muestrales para cada dado.
2. Para el dado rojo existen 12 puntos muestrales, que resultan de la combinacin (1 y 2) con
los puntos (1, 2, 3, 4, 5,6) del dado verde.
3. Para el dado verde existen 18 puntos muestrales al combinar los puntos (4, 5 y 6), con los
(1, 2, 3, 4, 5, 6) del dado rojo.
4. Se calcula la probabilidad para cada evento:
18 1
12 1
P { E1 }=P { V 4 } = = ; P { E2 } =P { R 2 }= =
36 2
36 3
5. Se sustituye en la frmula para eventos independientes:
1 1 1
P { E1 y E2 } =P {V 4 y R 2 }=P { E 1 } . P { E2 }= =
2 3 6
6. Tambin se obtiene el mismo resultado dividiendo los puntos muestrales de la interseccin
de los dos eventos, por la cantidad de puntos muestrales del espacio muestral.
7. Interpretacin: Si se lanzan dos dados simultneamente, uno rojo y otro verde, la
probabilidad de que el verde muestre una cara con nmeros mayores o iguales a 4 y el rojo,
menores o iguales a dos, es de 1/6.
4.4
PROBABILIDAD CONDICIONAL
4.4.1
DERECHAS
IZQUIERDAS
TOTAL
HOMBRES
145
51
196
MUJERES
42
96
138
TOTAL
187
147
334
, al cociente:
si
Anlogamente se define
.
De lo anterior se deducen claramente las relaciones siguientes:
Ejemplo: De una urna que contiene 9 bolas rojas y 5 negras, se extraen sucesivamente 2 bolas.
Calcular la probabilidad de los siguientes sucesos:
a) Que las dos sean negras
b) Que las dos sean rojas
c) Que la segunda sea roja sabiendo que la primera fue negra.
Solucin:
Ingeniera Jessica Liset Martnez 88
a) Sea
: Sacar la 1 negra
: Sacar la 2 negra
b) Sea
: Sacar la 1 roja
: Sacar la 2 roja
c) Sea
: Sacar la 1 negra
: Sacar la 2 roja
b)
2. Clculo de probabilidades condicionadas y de interseccin de sucesos.
De la combinacin de la frmula de la probabilidad condicionada y de la definicin de sucesos
independientes se puede deducir que si dos sucesos A y B son independientes entonces:
quedando:
=
Como hemos visto, en el caso de sucesos dependientes tenamos la expresin:
ellos es distinta de cero, y sea B un suceso para el que se conocen las probabilidades
entonces la probabilidad del suceso B viene dada por:
Demostracin:
entonces :
Teorema de Bayes
Sea
ellos es distinta de cero, y sea B un suceso para el que se conocen las probabilidades
entonces:
Demostracin:
despejando
nos queda:
.
Ejemplo:
Se tiene dos urnas, la primera tiene 3 bolas blancas y 2 negras, la segunda tiene 2 bolas blancas y 3
negras. Se elige al azar una urna y de ella se extrae una bola. Calcular la probabilidad de que sea
blanca.
Sea
:elegir la urna n1
:elegir la urna n2
:extraer bola blanca
Supongamos ahora que realizada la extraccin, la bola resulta ser blanca y queremos saber
qu probabilidad hay de que la bola proceda de la urna n1.
UNIDAD 5:
DISTRIBUCIONES DE
PROBABILIDAD
5.1
VARIABLE ALEATORIA
5.2
CONCEPTOS BASICOS
Una variable aleatoria es una variable que toma valores numricos determinados por el
resultado de un experimento aleatorio. No hay que confundir la variable aleatoria con sus
posibles valores. Ejemplos:
- n de caras al lanzar 6 veces una moneda (valores: 0, 1, 2)
- n de llamadas que recibe un telfono en una hora
- tiempo que esperan los clientes para pagar en un supermercado
Ejemplo:
Clasificar como discretas o continuas las siguientes variables aleatorias:
a) n de pginas de un libro discreta
b) tiempo que tarda en fundirse una bombilla continua
c) n de preguntas en una clase de una hora discreta
d) cantidad de agua consumida en un mes continua
En la prctica se consideran discretas aquellas variables para las que merece la pena asignar
probabilidades a todos los posibles sucesos elementales.
Distribucin de una variable aleatoria
Sea x una variable aleatoria discreta. Su distribucin viene dada por los valores que puede
tomar, x1, x2, x3, , xk, y las probabilidades de que aparezcan p1, p2, p3, , pk. Estas cantidades
reciben el nombre de funcin de probabilidad o funcin de masa.
Ejemplo:
Variable aleatoria x=n de caras al lanzar tres veces una
moneda
Posibles valores de x: 0, 1, 2 y 3
Lanzar 3 veces moneda:
E={CCC,CCX,CXC,XCC,XXC,XCX,CXX,XXX}
La variable aleatoria x:
- Toma valor 0 cuando ocurre el suceso {XXX}
- Toma valor 1 cuando ocurre el suceso {XXC,XCX,CXX}
- Toma valor 2 cuando {CCX,CXC,XCC}
- Toma valor 3 cuando {CCC}
La funcin de probabilidad es:
Funcin de probabilidad de x:
0.40
0.35
0.30
0.25
0.20
0.15
0.10
0
y
probabilidad de que el nmero de caras est entre 1 y 2?
La probabilidad de que una variable aleatoria x tome un valor entre dos cantidades a y b ser:
la
Funcin de distribucin de x
1.0
0.8
0.6
0.4
0.2
0.0
0
Ejemplo:
x=resultado de lanzar un dado
La distribucin de probabilidad de x ser:
La idea de media o esperanza de una variable aleatoria continua es equivalente pero su clculo
es algo ms complicado porque requiere emplear el concepto de integral.
La media de una variable aleatoria puede interpretarse como el valor esperado o medio que
toma dicha variable o como el valor central de dicha distribucin.
Propiedades:
- si x e y son dos variables aleatorias se cumple que:
Ejercicio
Una compaa ha vendido 205 billetes para un avin de 200 plazas.
Sea x la variable aleatoria que expresa el n de viajeros que va al aeropuerto para viajar en el avin.
Su distribucin es:
xi
198
199
200
201
202
203
204
205
pi
0,05
0,09
0,15
0,20
0,23
0,17
0,09
0,02
a) Hallar la probabilidad de que todos los viajeros que van al aeropuerto tengan plaza.
b) Obtener la probabilidad de que se quede sin plaza alguno de los viajeros que va al
aeropuerto.
y su varianza ser:
Propiedades:
- si a y b son constantes se cumple que:
Ejercicio:
Se lanza tres veces una moneda. Sea x la variable aleatoria que expresa el n de caras en los tres
lanzamientos.
a) Hallar y representar la funcin de probabilidad de x. (ver Ejemplo pag. 3)
Se lanza 3 veces una moneda:
E={CCC,CCX,CXC,XCC,XXC,XCX,CXX,XXX}
x=0 {XXX}
x=1 {XXC,XCX,CXX}
x=2 {CCX,CXC,XCC}
x=3 {CCC}
b) Calcular el n esperado de caras al lanzar la moneda. Era previsible el resultado?
o bien:
La desviacin tpica es una medida de dispersin que depende de las unidades de medida de la
variable. Para evitar este inconveniente podemos emplear el coeficiente de variacin. El
coeficiente de variacin de una variable aleatoria x ser:
Ejercicio:
Sea x una variable aleatoria que expresa el n de personas que habitan en una vivienda elegida al
azar. La distribucin de probabilidad de x es la siguiente:
xi
1
2
3
4
5
6
7
8+
pi
0,230
0,322
0,177
0,155
0,067
0,024
0,015
0,010
a) Comprobar que es una distribucin de probabilidad.
Todas las pi son mayores o iguales que cero y adems se cumple que:
b) Hallar la probabilidad de que el n de personas que viven en un hogar sea menor o igual que
cuatro.
5.3
DISTRIBUCIONES DE PROBABILIDAD
5.3.1
Distribucin Binomial
()
nm
m
P(A ocurra m veces) = n [ P( A) ] [ P( A c ) ]
m
Donde
n es el nmero de veces que se repite el experimento.
m es el nmero de veces que debe ocurrir A.
P(A) es la probabilidad que ocurra A al efectuar el experimento una sola vez.
P(Ac) es la probabilidad que no ocurra A al realizar el experimento una sola vez.
Ejemplo 1: Una marca de tabacos ha calculado que el nmero de fumadores en una ciudad es del
35%. Se escoge al azar una muestra formada por 10 personas. Comprueba si la variable que expresa
el nmero de fumadores dentro de la muestra sigue una distribucin Binomial. En caso afirmativo
seala los parmetros de la distribucin
Solucin:
En cada prueba solo son posibles dos resultados:
A = individuo fumador
Ac = individuo no fumador
3 Todos los ejercicios son tomados del documento de Pea y Romo.
Ingeniera Jessica Liset Martnez 101
()
( )
104
P ( de acertar 4 )=P ( X=4 ) = 10 (0.25)4 ( 0.75 ) =0.1460
4
2.
3.
4.
5.
( )
( )
10
P ( no acertar alguna )=P ( X =0 ) = 10 (0.25)0 ( 0.75 ) =0.0563
0
0
P ( acertar todas )=P ( X =10 )= 10 (0.25)10 ( 0.75 ) =0
10
P ( acertar al menos 8 )=P ( X 8 )=P ( X =8 ) + P ( X =9 ) + P ( X=10 )
2
1
P ( acertar al menos 8 )= 10 (0.25)8 ( 0.75 ) + 10 (0.25)9 ( 0.75 ) + 0=0.005
8
9
P ( acertar a lo sumo 3 )=P ( X 3 )=P ( X =0 ) + P ( X=1 ) + P ( X =2 )+ P ( X =3 )
10
9
8
7
10 (0.25)0 ( 0.75 ) + 10 (0.25)1 ( 0.75 ) + 10 (0.25)2 ( 0.75 ) + 10 (0.25)3 ( 0.75 ) =0.7759
0
1
2
3
Media y Varianza
( )
6.
( )
( )
( )
( )
( )
A continuacin se proponen estos ejercicios para que los realicen los alumnos
Ejercicio 1:
La probabilidad de que un estudiante obtenga el ttulo de licenciado en Geografa e Historia
es de 0.3. Halla la probabilidad de que de un grupo de siete estudiantes matriculados en primer curso
1. Ninguno de los 7 finalice la carrera
2. Finalicen todos la carrera
3. Al menos 2 acaben la carrera
4. Halla la media y la desviacin tpica
Solucin:
Consideremos los sucesos:
A = Finalizar la carrera P(A) = 0.3
= No finalizar la carrera P ( ) = 0.7
Por tanto se trata de una distribucin Binomial de parmetros B (7,0.3)
Sea X la variable aleatoria que representa el nmero de estudiantes que obtienen el ttulo de
licenciado en Geografa e Historia
Ejercicio 2:
En geografa Humana se ha determinado que las condiciones socioeconmicas del 35% de la
poblacin de una comarca determinada son inaceptables. Elegida una muestra de esa poblacin
formada por 9 individuos, calcular:
1. Probabilidad de que solo vivan 3 en condiciones inaceptables
2. Hallar la media y la varianza de la distribucin
Solucin:
Consideramos los sucesos
A = Las condiciones socioeconmicas son inaceptables P(A)= 0.35
= Las condiciones socioeconmicas son aceptables P ( ) = 0.65
Por tanto se trata de una distribucin Binomial de parmetros B (9, 0.35)
Sea X la variable que representa el nmero de individuos que viven en condiciones
socioeconmicas inaceptables
a)
Media y varianza
5.3.2
Distribucin Normal
Figura 2.5.1
La distribucin normal es una de las distribuciones ms usadas e importantes. Se ha vuelto
una herramienta indispensable en cualquier rama de la ciencia, la industria y el comercio. Muchos
eventos reales y naturales tienen una distribucin de frecuencias cuya forma es muy parecida a la
distribucin normal.
La distribucin normal es llamada tambin campana de Gauss por su forma acampanada.
En una curva normal lo que se utiliza es el rea bajo la curva entre dos valores x 1 y x2 ver
figura 2.5.1b, cuyo valor se emplea para obtener diferentes informaciones de los datos que
conforman dicha curva. El procedimiento para obtener esa rea es la que se va a estudiar en este
apartado.
Adems, en una curva normal las tres medidas de tendencia central coinciden en el centro: la
media, la moda la mediana; si acaso, puede haber una escasa diferencia entre algunas de ellas.
Tambin es simtrica respecto de la media, que es el punto ms elevado de la curva y, por lo
tanto, el rea bajo la curva hacia la izquierda de la media es del 50% y el otro 50% se localiza a la
derecha.
figura 2.5.2
Una caracterstica muy importante de la curva normal es que a partir de su eje de simetra se
puede dividir como lo muestra la figura 2.5.3, de tal manera que el valor igual a cero de la grfica
corresponda siempre a la media aritmtica de la distribucin normal de datos, y luego los datos
nominales se pueden transformar a uno equivalente de la escala de 3 a +3 de la figura 2.5.3.
Por eso, a los datos comprendidos en la escala de - 3 a + 3 se les llama dato estndar.
figura 2.5.3
En esa escala estandarizada, el 1 representa una desviacin estndar, el 2 representa dos
desviaciones estndares, y as sucesivamente. El signo positivo solamente indica que est a la
Ingeniera Jessica Liset Martnez 105
derecha del cero y el signo negativo significa que est a la izquierda. Con los ejemplos venideros se
aclararn esos significados.
ESTANDARIZACIN DE DATOS
Por lo dicho en el prrafo anterior, los datos pertenecientes a una distribucin normal se
pueden estandarizar o normalizar, lo cual se consigue utilizando la frmula:
xx
z=
s
En donde:
z = dato estandarizado o normalizado z
x = valor nominal del dato a estandarizar x
x = media aritmtica del conjunto de datos x
s = desviacin estndar. s
Ejemplo 1: Convertir cada uno de los datos nominales de la siguiente tabla a datos estandarizados.
Solucin:
Para transformar un dato nominal en dato estndar, tambin llamado dato z, se requiere
calcular la media de todo el conjunto. Para este caso ya se da por hecho que se sabe calcular la
media y la desviacin estndar, por lo que se omiten sus clculos. La media es y la desviacin x
= 12 estndar es s = 0.2994
Se tienen ya todos los datos para utilizar la frmula del dato:
xx
z=
x
f
xf
Dato z
s
6
1
6
7
2
14
8
3
24
9
5
45
10
9
90
11
15
165
12
18
216
13
15
195
14
9
126
15
5
75
16
3
48
17
2
34
18
1
18
88
El significado, a partir de que la media aritmtica del conjunto es x = 12 y la desviacin
estndar es s = 2.2994, es el siguiente: Un valor estandarizado z = 1 significa una distancia a partir
de la media aritmtica igual a una desviacin estndar a la derecha, es decir una distancia de 2.2994.
Un valor estandarizado z = - 2 significa una distancia a partir de la media aritmtica igual a dos
desviaciones estndar a la izquierda, es decir, una distancia de 4.5988.
Ingeniera Jessica Liset Martnez 106
Ahora bien, si al dato nominal x= 6 le corresponde un dato estndar z = - 2.609, significa que
ese 6 se alej de la media 2.609 desviaciones estndares a la izquierda. Y as con cada uno de los
datos nominales.
Grficamente:
5.3.2.1
En una curva normal, el rea bajo la curva desde el extremo izquierdo hasta la media, es
decir, hasta el eje de simetra, es del 50% y, obviamente, el otro 50% est en la parte derecha.
Una caracterstica importante de la curva normal y de los datos normalizados es que el rea
bajo la curva desde la media hasta una desviacin estndar, es decir desde z = 0 hasta z = 1, ya sea a
la izquierda o a la derecha, siempre es del 34.13% respecto del rea total que puede haber bajo la
curva.
De la misma forma, el rea bajo la curva desde la media hasta dos desviaciones estndar, es
decir desde z = 0 hasta z = 2, ya sea a la izquierda o a la derecha, es del 47.72%.
Como la curva normal sale de graficar los datos recolectados, es obvio que esos porcentajes
de reas bajo la curva tambin lo son para dichos datos, es decir, para una desviacin estndar, el
porcentaje de datos entre la media y z = 1 es de 34.13% aproximadamente; para dos desviaciones
estndar el porcentaje de datos entre la media y z = 2 es tambin aproximadamente de 47.72%.
Por lo tanto, es posible obtener el porcentaje de rea bajo la curva entre la media y cualquier
valor estandarizado z, lo cual se ha concentrado en una tabla. La tabla de reas bajo la curva, de los
valores de z normalizados, en anexo 1.
Esto ltimo es muy importante: Debe tomarse en cuenta que los valores mostrados en la
tabla son siempre desde la media hasta el valor estandarizado z.
Ejemplo 2: Al recolectar 250 datos, se obtuvo que la media es x = 7.65 y la desviacin estndar
s = 2.24. Calcular el nmero de datos aproximados que hay entre la media y el dato nominal x = 8.1
Solucin:
Ingeniera Jessica Liset Martnez 107
250
nd
=
100 7.93
de donde el nmero de datos es nd.
250 7.93
nd=
=19.82
100
El nmero datos en forma calculada es nd = = 19.82, pero ese valor carece de sentido ya que
los datos recolectados siempre son nmeros enteros, porque se recolectan 200 datos, o 220 datos, o
300 datos, pero jams 291.8. Entonces entre la media aritmtica y el dato z = 0.20 no pueden haber
19.82 datos nominales, o hay 19 o hay 20, pero no una fraccin de ellos. De manera que lo correcto
es redondear y expresarlo no como que es igual, sino como aproximadamente. La solucin
entonces se expresa as: Hay aproximadamente 20 datos entre la media de 7.65 y el dato nominal de
8.1.
x =
Ejemplo 3: Al recolectar 850 datos con una distribucin normal, se obtuvo una media de
27 y una desviacin estndar s=5.34. Calcular el nmero de datos aproximados que hay entre la
media y el dato nominal x= 20.
Solucin:
En este caso el enunciado proporciona los valores de la media y de la desviacin estn-dar.
Hay que convertir el valor nominal x= 20, con la frmula:
xx 2027
z=
=
=1.31
s
5.34
En este caso el valor de z es negativo, lo que significa que el dato nominal x= 20 est a la
izquierda de la media aritmtica, pero en las tablas se busca simplemente como z=1.3; le
corresponde un porcentaje de rea de 40.49%.
850
nd
=
100 40.49
de donde el nmero de datos es nd.
850 40.49
nd=
=344.16
100
Hay aproximadamente 344 datos entre la media y el dato nominal.
5.3.2.2
Otro problema que puede presentarse es cmo obtener el porcentaje de rea bajo la curva ya
no a partir de la media, sino entre dos datos nominales.
Hay dos opciones: La primera es que los datos estandarizados z 1 y z2 se localicen uno a la
izquierda y el otro a la derecha de la media. La solucin a ste nuevo problema es muy simple, pues
por una lgica muy elemental se puede deducir que el rea total es igual a la suma del rea 1 ms el
rea 2, como se ve en la figura, en donde A 1 es el rea desde la media hasta el dato estandarizado z 1,
la cual se obtiene de la tabla. Mientras que A2 es el rea desde la media hasta el dato estandarizado
z2.
Otra opcin que puede presentarse es la que se muestra a continuacin, consistente en que
ambos valores estandarizados, se encuentren del mismo lado respecto de la media, en la que tambin
por una lgica muy elemental puede deducirse que el rea total es simplemente la resta del rea 1
menos el rea 2. De tal manera que el porcentaje de datos entre z1 y z2 es la resta de porcentajes
bajo la curva de cada uno. Como se muestra en la figura.
Ejemplo 4: De un conjunto de datos con una distribucin normal, se obtuvo una media de x =
33.2, y una desviacin estndar s = 9.4. Calcular el porcentaje de rea bajo la curva que hay entre el
dato nominal x1 = 14 y el dato nominal x2 = 45.
Solucin: Estandarizando ambos datos nominales y localizando en las tablas el porcentaje de rea
bajo la curva que a cada uno le corresponde se obtiene que:
x x
x x
z 1=
z 2=
s
s
1433.2
4533.2
z 1=
=2.04
z 2=
=1.25
9.4
9.4
A1 = 47.93%
A2 = 39.44%
Como z1 es negativo significa que su regin o porcentaje de rea est a la izquierda de la
media y como z2 es positivo, su porcentaje de rea est a la derecha de la media. Por lo tanto, el
porcentaje total de rea bajo la curva es la suma de ambas, como se mostr anteriormente.
A = 49.73% 36.43%
A = 13.3%
Tablas
figura 1
Obtendremos la respuesta buscando en la tabla normal (para ello buscamos la fila
correspondiente al nmero truncado en su primera cifra decimal (es decir 0,9) y la columna
correspondiente a la segunda cifra decimal (es decir 0,02). La interseccin de esa fila y esa columna
nos indicar el nmero buscado.
Tablas
Supongamos que queremos calcular P{ Z -1.53}. Dicha probabilidad est representada por
el rea sombreada en la figura 3.
figura 3
El nmero 1.53 no figura en la tabla, pero eso no nos impide calcular la probabilidad en
cuestin. Simplemente hay que tener en cuenta que, por la simetra de la campana de Gauss se tiene:
P{Z -1,53}= P{Z >1,53}
La probabilidad que figura en el segundo miembro de la ecuacin est representada en el
rea sombreada en la figura 4:
figura 4
Dicha probabilidad es la complementaria de la probabilidad P{Z 1.53}, representada en la figura 5
Tablas
figura 5
Es decir: P{Z 1,53}+ P{Z >1,53}=1. Para hallar P{Z1,53} simplemente vamos a la tabla
y procedemos como en el caso 1:
Tablas
figura 7
Dicha probabilidad se puede calcular como
P{ 0,41 < Z 1,62}.= P{ Z 1,62}- P{Z 0,41}.
El minuendo y el sustraendo estn representados por las reas sombreadas en las figuras 8 y
9, respectivamente.
figura 8
figura 9
Tablas
.
figura 10
Para calcular esta probabilidad, llevamos la variable X a una normal tpica, restando y
dividiendo entre :
P{2,3 < X 3,7} = P{(2,3 - ) / < (X-) / (3,7-) / } =
P{(2,3-1,5) /2 < (X-1,5) /2 (3,7-1,5) /2 }= P{0,4< (X-) /
1,1 }
la variable Z= (X-) tiene distribucin normal tpica. La probabilidad que se quiere calcular es
igual al rea sombreada en la figura 11:
La resolucin del problema se reduce
entonces a lo explicado en la parte 3.
P{2,3 < X 3,7}
= P{0,4< Z 1,1 }
= P{ Z 1,1 } P{ Z 0,4 }
= 0,8643 - 0,6554
= 0,2089
figura 11
Tablas
TABLA I (A)
DISTRIBUCIN NORMAL TIPIFICADA N(0 , 1)
La tabla proporciona, para cada valor de z, el rea que queda a su izquierda.
Tablas
TABLA I (B)
DISTRIBUCIN NORMAL TIPIFICADA N(0 , 1)
La tabla proporciona, para cada valor de z, el rea que queda a su izquierda.
Tablas
TABLA II
DISTRIBUCIN NORMAL TIPIFICADA N(0 , 1)
La tabla proporciona el rea que queda comprendida entre 0y z.
Tablas
Tablas
Tablas
BIBLIOGRAFA
Sitios Web:
http://www.itch.edu.mx/academic/industrial/estadistica1/toc.html
http://es.scribd.com/doc/37268578/Distribucion-muestral-3#download
http://www.virtual.unal.edu.co/cursos/ciencias/2001065/html/un3/cont_305_83.html
http://matematica1.com/category/distribucion-normal/
Documentos:
Probabilidad y Distribuciones de Probabilidad. Hctor Hernndez Primitivo Reyes Aguilar.
Enero 2009.
http://cms.dm.uba.ar/academico/materias/verano2014/probabilidades_y_estadistica_C/tabla_
tstudent.pdf
http://juancarlosvergara.50webs.org/Apuntes/Ejercicios%20Parte%20II.pdf
Libros:
UNIVERSIDAD DE EL SALVADOR
FACULTAD MULTIDISCIPLINARIA DE OCCIDENTE
DEPARTAMENTO DE MATEMATICA
ESTADSTICA APLICADA A LA EDUCACION
GUA DE PRCTICA N 1
TEMA: ESTADSTICA DESCRIPTIVA
1. OBJETIVOS
2. METODOLOGA
Los estudiantes, despus de haber discutido y estudiado los temas de estadstica descriptiva,
con ayuda de la docente; procedern a la lectura de la gua propuesta, desarrollndola de forma
grupal e individual, durante el tiempo determinado y asignado al desarrollo de las horas prcticas
dentro y fuera del aula, asistidos por la docente responsable de dicha prctica.
3. EJERCICIOS
I PARTE:
A. En este mdulo es importante entender algunos conceptos bsicos antes de seguir adelante.
Responde las preguntas y realiza las actividades siguientes, que sintetizan los principales
aspectos del mdulo.
1. Cul es la diferencia entre Estadstica y Estadsticos?
2. Piensa ejemplos de Estadsticos que puedan resultar tiles para aplicar en el campo de las
relaciones laborales.
3. Explica la diferencia entre Estadstica Descriptiva y Estadstica Inferencial.
4. Distingue entre poblacin y muestra. Cita ejemplos de estudios para los cuales sea factible
trabajar con toda la poblacin (censo) o con muestras. Fundamenta.
5. Qu relacin hay entre las unidades de anlisis y la poblacin?
6. Piensa ejemplos de variables con sus sistemas de categoras. Identifica el nivel de medicin.
B. Se quiere realizar un estudio para conocer el perfil que los docentes, deben cumplir para ser
elegidos en el sistema pblico, y su tipo de contratacin.
Imagina qu caractersticas podran ser de inters estudiar. Identifica las variables que se
corresponden con esas caractersticas y el sistema de categoras que les asignaras. Menciona el
nivel de medicin de cada variable. Construye la estructura de la matriz de datos en la cual se
volcara la informacin recogida.
Categoras
Escala de
medicin
Nivel
educativo
Ninguno
Primaria
Secundaria
Terciaria
Nivel
0 ao aprobado
educativo
1 ao aprobado
2 aos aprobados
Categora de Patrn
ocupacin
Empleado pblico
Empleado privado
Cooperativista
Trabajador por cuenta propia
Trabajador familiar no remunerado
I PARTE:
1. Identifique el Tipo de Variables en Cualitativas ( nominal ordinal ) Cuantitativas. (discretas y
continuas )
a) Genero ( sexo ) de la persona .
b) Color de ojos de la persona.
c) Tiempo transcurrido desde el nacimiento hasta el momento de la toma del dato.
d) Nmero de hijos en la familia.
e) Percepcin que tiene el mdico del mejoramiento de un paciente.
f) Longitud del cuerpo humano, sin usar zapato.
g) Tipo de cncer que se diagnostica..
h) Nombre del peridico matutino que se lee.
i) Temperatura medida a las 6.00 a.m.
j) Volumen de llenado de la botella de leche.
k) Nmero de piezas defectuosas por hora.
l) Grado de inters del entrevistado en asuntos polticos.
m) Longitud recorrida desde la casa.
2. Para cada una de las siguientes variables determine los valores, si la variable es Cualitativa o si
es Cuantitativa en ( discreta continua)
a.- Estado de salud de una persona.
b.- Precio de una calculadora cientfica.
c.- Nmero de llamadas que recibe un conmutador.
d.- Monto de una compra al contado que se hace en una tienda.
e.- Temperatura corporal de una persona con gripe.
f.- Analgsico que toma una persona para aliviar un dolor de cabeza.
g.-Nmero de transacciones realizadas al da en cierto cajero automtico
N de animales
4
6
10
Monta
a
Monta
a
Campo
Camp
o
Mar
Mar
Mar
Camp
o
Mar
Ma
r
Ma
r
Ma
r
Monta
a
Mar
Camp
o
Mar
Monta
a
Campo
Campo
Camp
o
Monta
a
Ma
r
Ma
r
Ma
r
Camp
o
Camp
o
Mar
Campo
Monta
a
Camp
o
Mar
Ma
r
Monta
a
Mar
Monta
a
Ma
r
Camp
o
a.- Construya una tabla de distribucin de frecuencias para este tipo de datos.
b.- Qu porcentaje de los trabajadores prefiere la montaa?
c.- Qu porcentaje de los trabajadores prefieren el mar?
d.- Construya un grfico para este tipo de tabla
6. Considere la siguiente situacin. En una gran compaa, se est desarrollando un programa para
ofrecer a los trabajadores una prestacin que les permita adquirir un automvil nuevo a un costo
moderado tanto para el trabajador como para la empresa. Sin embargo, el contrato de
arrendamiento implica decidir qu tipo de automvil prefieren los trabajadores, pues en funcin
de esto se podr seleccionar la mejor empresa arrendadora. El gerente de recursos humanos
realiza un muestreo aleatorio simple en la nmina de la empresa: selecciona 60 trabajadores sin
importar los niveles, y les aplica una encuesta en la cual les pregunta cul sera la marca de su
preferencia. A continuacin se presentan los resultados.
FORD = F CHEVROLET = CH MAZDA = M VOLKSWAGEN = V
NISSAN = N
OTROS = O.
F
CH CH F
M
CH F
CH CH O
V
F
N
CH CH CH F
CH V
V
N
CH CH N
M
M
O
V
F
F
CH CH N
F
CH V
V
V
CH V
M
V
CH CH V
N
O
V
F
M
CH V
V
M
CH CH CH O
V
M
a.- Construya una tabla de Distribucin de Frecuencia para dichos datos.
b.- Construya un grfico para este tipo de tabla.
c.- De la tabla saque tres conclusiones.
7. Se pidi a 40 colaboradoras casadas de una empresa textil, seleccionadas aleatoriamente, que
dijeran el nmero de horas que haban dormido la noche anterior. Los resultados fueron:
5
6
7
5
6
6
4
7
6
6
4
6
6
4
5
5
3
5
3
7
4
5
4
7
7
5
6
4
5
5
4
5
5
5
7
8
9
4
5
6
625
573
715
539
489
450
370
430
581
460
519
760
372
468
613
730
328
333
755
789
427
612
405
440
390
640
569
710
629
544
619
592
777
810
632
690
674
381
670
487
409
438
461
570
465
Marca Clase
Frecuencia Relativa
0.15
0.45
0.70
13.5
0.10
11. Seala 4 reas distintas en las cuales se utilice la estadstica como herramienta de
investigacin.
12. Se desea saber si los dueos de automviles catalticos estn dispuestos a pagar la conversin
de sus motores a gas natural. Para ello se decide realizar una encuesta.
a) Determina cul de las siguientes es la mejor muestra:
Escoger al azar a adultos que caminan por el centro de las principales ciudades del pas.
Escoger al azar a conductores de automviles en las intersecciones ms concurridas.
Escoger al azar del registro de vehculos motorizados a dueos de automviles catalticos y
enviarles un encuestador.
b) Explica la razn de tu eleccin, seala las ventajas y desventajas de cada alternativa.
c) cules son las variables en la encuesta? A qu tipo de variables corresponden?
13. A continuacin aparece una distribucin de frecuencias de los niveles de zinc en la sangre en
hombres entre las edades de 15 y 17 aos de edad.
VARONES ESTADOUNIDENSES, DE 15 A 17 AOS DE EDAD.
Nivel de zinc en la sangre (Ug/dl) Cantidad de Varones
50
19
6
60
69
35
70
79
110
80
89
116
90
99
91
100
109
63
110
119
30
120
.
129
5
130
139
2
140
149
2
150
159
2
a) Calcule la frecuencia relativa asociado a cada intervalo de la tabla. Qu concluye usted
acerca de la distribucin de niveles de zinc en la sangre?
b) Disee un histograma de los datos. 4
UNIVERSIDAD DE EL SALVADOR
FACULTAD MULTIDISCIPLINARIA DE OCCIDENTE
DEPARTAMENTO DE MATEMATICA
ESTADSTICA APLICADA A LA EDUCACION
GUA DE PRCTICA N 2
TEMA: ANALISIS ESTADISTICO
1. OBJETIVOS
Practicar el uso de las distintas frmulas de las medidas de tendencia central y dispersin.
2. METODOLOGA
Los estudiantes, despus de haber discutido y estudiado los temas de estadstica descriptiva,
con ayuda de la docente; procedern a la lectura de la gua propuesta, desarrollndola de forma
grupal e individual, durante el tiempo determinado y asignado al desarrollo de las horas prcticas
dentro y fuera del aula, asistidos por la docente responsable de dicha prctica.
3. EJERCICIOS
I PARTE: Tendencia Central
1. En una calle de la ciudad se midieron con radar las velocidades de 55 automviles:
27 23 22
38
43
24
35
26
28
18
20
25
23
22
52
31
30
41
45
29
27
29
28
27
25
29
28
24
37
28
29
26
33
25
27
25
34
32
36
22
32
21
23
24
18
48
23
16
38
26
21
43
18
33
23
a. Clasifique estos datos en una distribucin de frecuencias agrupada utilizando las clases 15-20,
20-25 ..., 50-55.
b. Encuentre el ancho de clase.
c. Obtenga las distintas medidas de tendencia centra: Media
mediana
moda
d. Obtenga el primer y tercer cuartil
e. Obtenga las distintas medidas de variabilidad: La varianza
el desvo estndar de la muestra
f. Elabore un pequeo informe con los resultados obtenidos.
2.En mayo pasado se aplic una encuesta a 32 estudiantes de UTN. A cada estudiante se le pregunt
:"cuntas horas de televisin vio ayer?". Los resultados son los siguientes:
0
1/2
2 .5
0
2.5
6
0
1
2.5
1
0
0
1.5
2
0.5
5
0
1
2.5
2.5
1.5
0
4
0
2
0
2
ni
2) Calcular todas las medidas de dispersin para los datos de la siguiente distribucin
x 0
100
200
300100
200
300
800
n 90
140
150
120
3) Una empresa de fabricacin de productos cermicos dispone de tres centros de produccin. En el
centro A, el ms grande y moderno, se hace un estudio de los m de azulejo producidos al mes
durante el ao pasado, obtenindose una media de produccin mensual
m , con una
desviacin tpica SA = 15.000 m . Se sabe que el centro B, por tener maquinaria ms anticuada
que A, produce cada mes un tercio de la produccin de A, y que el centro C, por tener un horno
menos que B, produce cada mes 25.000 m menos que B Cul es la media y la varianza de la
produccin mensual de C?
4) Sumando 5 a cada nmero del conjunto 3, 6, 2, 1, 7, 5, obtenemos 8, 11, 7, 6, 12, 10. Probar que
ambos conjuntos de nmeros tienen la misma desviacin tpica pero diferentes medias cmo
estn relacionadas las medias?.
5) Multiplicando cada nmero 3, 6, 2, 1, 7 y 5 por 2 y sumando entonces 5, obtenemos el conjunto
11, 17, 9 7, 19 15. Cul es la relacin entre la desviacin tpica de ambos conjuntos? Y entre las
medias?
6) Tenemos una variable X de la que sabemos que: CV = 0,5 y que Sx = 3. Cul es el valor de la
media de X?.
7) El coeficiente de variacin de la variable X sabemos que es 1 Qu podemos decir sobre su media
y su varianza?
8) Tenemos dos variables X e Y con el mismo recorrido y media, siendo sus varianzas 4 y 9
respectivamente. Para cul de las dos variables el valor de la media es ms representativo?
9) Sea una variable con media 8 y desviacin tpica 0. Qu se puede afirmar sobre el
comportamiento de esta variable?.
10) La distribucin de edades del Censo Electoral de Residentes a 1 de enero de 1.999 para las
comunidades autnomas de Aragn y Canarias, en tantos por cien es la siguiente:
Edades
1618
1830
3050
5070
7090
Aragn
3.54
21.56
31.63
28.14
15.12
Canarias
4.35
29.99
35.21
21.97
8.48
a) Representa sobre los mismos ejes de coordenadas los histogramas de la distribucin de la edad
para las dos CC.AA. (emplea distinto trazo o distintos colores). Qu conclusiones obtienes a la
vista de los histogramas?
b) Calcula la edad mediana para las dos comunidades. Compralas. Qu indican estos
resultados?
c) Qu comunidad tiene mayor variabilidad en la distribucin de su edad?
11).En el siguiente histograma se representa la distribucin de los salarios (variable X), en miles de
pesetas de una industria del sector cermico:
; Mo = 5;
; n=
y que a>0,
; Me= 6.
; Mo = 5 ;
17) La siguiente tabla muestra los coeficientes de inteligencia de 480 nios de una escuela
elemental.
C.I.
70
74
78
82
86
90
94
98
ni
16
28
45
66
85
72
10
2
54
10
6
38
126
2
Calcula:
a) El C.I. medio de los nios estudiados
b) Su desviacin tpica.
c) Si una madre afirma que exactamente la mitad de los nios del colegio tienen un C.I. superior
al de su hijo, qu C.I. tiene el nio?
d) Supongamos que se quieren hacer estudios sobre el proceso de aprendizaje de los nios con
mayor C.I., pero que el psiclogo solo puede atender al 15% de los nios del centro. Qu C.I.
deber tener un nio como mnimo para ser considerado dentro de ese grupo de elegidos?
e) Se van a preparar unas clases de apoyo, para un 25% de los nios del centro, precisamente para
aquellos que tengan menor C.I. Hasta qu nios de qu C.I. deberemos considerar en estas
clases?
18) La tabla siguiente recoge la distribucin (en porcentajes) de volmenes de ventas anuales en las
empresas cermicas de la provincia durante el ao pasado:
Ventas (dlares)
menos de 2.500
2.5005.000
5.000010.000
10.00020.000
20.00040.000
40.000100.000
100.000250.000
250.000500.000
500.000 o ms
Empresas (%)
25,9
13,2
13,0
17,7
11,0
14,4
8,5
1,8
0,6
18.85
21.55
24.25
26.95
29.65
32.35
35.05
N de Viviendas
11
11
1
57
80
2
55
40
3
54
62
Prueba
4
52
72
5
62
46
6
55
80
7
59
40
0
3
6
4
1
1
2
4
3
2
1
3
4
1
3
5
6
4
4
3
6) El salario promedio en una ciudad es de 11 000 u.m. con una variancia de 2 000 u.m. Cules
sern la nueva media y la nueva variancia si se efectan los siguientes cambios:
a) Se aumenta 810 u.m a todos
b) Se aumenta el 15 % de su salario a cada trabajador
c) Si se duplican los sueldos
7) En un examen 20 alumnos del curso A obtienen una media de 60 puntos. y desviacin estndar
de 20 puntos
En el curso B los alumnos obtienen una media de 80 y desviacin estndar de 16. Ante un
reclamo se decide subir en 5% ms 5 puntos adicionales a todos los alumnos del curso A, en
cambio como hubo muchas copias en el curso B se decidi disminuir la quinta parte de la
calificacin.
Despus de los mencionados ajustes Cul es el puntaje medio de los 50 alumnos?
8) Los siguientes datos pertenecen a la distribucin de la produccin de papas (en Tn.) en 40 zonas
del pas
Y1=20
f2-f5=2
Y5= 100
f1=4 f3=20
Si se sabe que la distribucin es simtrica y presenta 5 intervalos de clase.
a) Reconstruya los intervalos de clase y obtenga las frecuencias absolutas
b) Calcule la media, la mediana y moda e interprtelos
c) Calcule la variancia, desviacin estndar y coeficiente de variabilidad
UNIVERSIDAD DE EL SALVADOR
FACULTAD MULTIDISCIPLINARIA DE OCCIDENTE
DEPARTAMENTO DE MATEMATICA
ESTADSTICA APLICADA A LA EDUCACION
GUA DE PRCTICA N 3
TEMA: TECNICAS DE CONTEO
1. OBJETIVOS
2. METODOLOGA
Los estudiantes, despus de haber discutido y estudiado los temas de estadstica descriptiva,
con ayuda de la docente; procedern a la lectura de la gua propuesta, desarrollndola de forma
grupal e individual, durante el tiempo determinado y asignado al desarrollo de las horas prcticas
dentro y fuera del aula, asistidos por la docente responsable de dicha prctica.
3. EJERCICIOS
Tcnicas de Conteo
1. En un sistema de comunicacin digital, cada mensaje se clasifica segn llega o no dentro del
tiempo establecido por el diseo del sistema. Si se clasifican tres mensajes, utilice un
diagrama de rbol para representar el espacio muestral de los posibles resultados.
2. La orden de pedido de un automvil puede especificar transmisin automtica o estndar,
con o sin aire acondicionado, y uno de cuatro colores: rojo, azul, negro o blanco. Utilizando
la regla de la multiplicacin y el diagrama de rbol, describa el conjunto de todos los pedidos
posibles para este experimento.
3. En el diseo de la cubierta de un tren de engranes pueden emplearse cuatro tipos diferentes
de sujetadores, tres longitudes distintas de tornillo y tres posiciones diferentes de stos.
Utilice la regla de la multiplicacin para conocer el espacio muestral formado por el
experimento.
4. Una persona acomoda en un estante de una librera seis libros de filosofa, cuatro de qumica
y ocho de historia. De cuntas formas se pueden acomodar los libros si:
a) los de historia siempre deben de ir juntos
b) los libros deben de ir separados por materias
5. Un examen de mtodos numricos est formado por tres temas. EL tema A contiene seis
preguntas, el tema B cuatro y el tema C ocho preguntas y se tienen que contestar mnimo tres
preguntas de cada tema, calcula de cuntas maneras diferentes un estudiante puede elegir sus
preguntas.
6. Se quieren formar arreglos de cuatro cifras con los nmeros 0 a 9.
a) cuntos nmeros diferentes de cuatro cifras se pueden formar con los nmeros 0 a 9 si no
se permite la repeticin y el cero no puede ir al principio y los nmeros formas pueden ser
cualesquiera?
b) Los nmeros formados del inciso a) deben ser pares.
Regla del Producto y Permutaciones
1. Un sbado, cuando iban de compras, Luisa y Mara vieron a dos hombres alejarse en
automvil de la fachada de una joyera, justo antes de que sonara una alarma contra robos.
Aunque todo ocurri muy rpido, cuando fueron interrogadas las dos jvenes, pudieron dar a
la polica la siguiente informacin acerca de la placa (dos letras seguidas de cuatro dgitos)
del automvil que huy. Mara estaba segura de que la segunda letra de la placa era O o una
Q, y que el ltimo dgito era un 3 o un 8. Luisa dijo que la primera letra de la placa era una C
o una G y que el primer dgito era un 7. Cuntas placas diferentes tendr que verificar la
polica? (800)
2. Tres pueblos, designados como A, B y C, estn intercomunicados por un sistema de
carreteras de doble sentido, como se muestra en la figura 1.1.
a. De cuntas formas puede una persona ir del pueblo A al pueblo C? (14)
b. Cuntos trayectos puede hacer una persona del pueblo A al pueblo C y de regreso al
pueblo A? (196)
c. Cuntos de los trayectos completos de la parte (b) son tales que el viaje de regreso
(del pueblo C al pueblo A) es diferente, al menos parcialmente, de la ruta que toma
una persona del pueblo A al pueblo C? (182)
1
3
A
B
4
8
9
Figura 1.1
4.
5.
6.
7.
d. Todos los libros de JAVA deben estar juntos y todos los libros de C++ tambin. (3!4!
2)
Enumere todas las permutaciones de las a, c, t y u.
De cuntas formas es posible distribuir 12 libros diferentes entre cuatro nios de modo que:
a. Cada nio reciba tres libros. (12!/(3!3!3!3!))
b. Los dos nios mayores reciban cuatro libros cada uno y los dos menores reciban dos
libros cada uno. (12!/(4!4!2!2!))
Con la palabra SOCIOLOGICAL:
a. Cuntas disposiciones hay de todas las letras de la palabra? (12!/(3!2!2!2!1!1!1!))
b. En cuntas de las disposiciones de la parte (a) estn juntas la A y la G? (11!/(3!2!2!
2!)*2!/(1!1!))
c. En cuntas de las disposiciones de la parte (a) estn juntas todas las vocales? (7!/(2!
2!)*6!/(3!2!))
Doce platillos (con forma idntica) se ordenan en cuatro columnas verticales, como se
muestra en la figura 1.2. Hay 4 de color rojo en la primera columna, 3 azules en la segunda
columna, 2 grises en la tercera columna y 3 blancos en la cuarta columna. Para entrar al
equipo de tiro de su universidad, Carlos debe romper 12 platillos (con su pistola y slo 12
balas) y, para esto, siempre debe romper el platillo que queda en la parte inferior de la
columna. En estas condiciones, de cuntas formas puede disparar (y romper) y romper los
12 platillos? (12!/(4!3!2!3!)).
Figura 1.2
8. Se tienen 7 personas para sentar en una mesa circular. De cuntas formas puedo sentarlas:
a. Sin restricciones. (6!)
b. Si dos de las personas insisten en sentarse juntas. (5!*2)
9. En un computador los nombres de los archivos son palabras que tienen de uno a cinco
caracteres, cada carcter puede ser alguno de los 36 alfanumricos (26 letras y 10 dgitos) o
cualquiera de otros 15 smbolos determinados. El computador no distingue maysculas de
minsculas. Tambin es posible aadir al nombre del archivo una extensin de archivo
opcional, la cual es de tres caracteres alfanumricos, esta extensin se obtiene al escribir un
punto y tres caracteres alfanumricos.
a. Sin restricciones.
b. Cuntos nombres de archivo utilizan solamente los 36 caracteres alfanumricos, sin
extensin?
c. Cuntos de los nombres de archivo de la parte (b) comienzan con una A?
d. Cuntos nombres de archivo utilizan extensiones?
Combinaciones
1. Responda:
a. Cuntas permutaciones de tamao dos pueden producirse con las letras m, p, i y a?
Enumrelas. (12)
b. Enumere todas las combinaciones de tamao dos pueden producirse con las letras m,
p, i y a. (6)
2. Calcule C(6,2) y verifique su respuesta enumerando todas las selecciones de tamao dos que
se pueden hacer con las letras a, b, c, d, e y f. (15)
3. Diana debe hacer un viaje de cuatro horas en autobs de regreso a su escuela, decide llevar
consigo 5 revistas de las 12 de su hermana. De cuntas formas puede Diana hacer su
seleccin? (C(12,5))
4. La directora de un coro debe elegir 6 himnos para el acto cvico de su escuela. Ella tiene tres
libros de himnos, cada uno de los cuales contiene 10 himnos (en total hay 30 himnos
distintos). De cuntas formas puede elegir los himnos si desea elegir:
a. Sin restricciones. (C(30,6))
b. Dos himnos de cada libro. (C(10,2) * C(10,2) * C(10,2))
c. Al menos un himno de cada libro. (C(10,1) * C(10,1) * C(10,1) * C(27,3))
5. De la siguiente lista se eligen 4 nmeros: -5, -4, -3, -2, -1, 1, 2, 3, 4.
a. De cuntas formas se puede hacer la seleccin de modo que el producto de los
cuatro nmeros sea positivo y los nmeros sean distintos? (C(5,4) + C(5,2) * C(4,2)
+ C(4,4))
b. De cuntas formas se puede hacer la seleccin de modo que el producto de los
cuatro nmeros sea negativo y los nmeros sean distintos? (C(5,1) * C(4,3) + C(5,3)
* C(4,1))
6. Se tiene un plano de 15 puntos, de los cuales no hay tres alineados, o sea, no hay tres en la
misma recta.
a. Cuntas rectas determinan? (C(15,2))
b. Cuntos tringulos determinan estos puntos? (C(15,3))
7. Se tiene un alfabeto con los smbolos 0, 1 y 2. Se quieren obtener cadenas de longitud 10.
Cuntas de estas tienen:
a. Cuatro 0, tres 1 y tres 2. (C(10,4) * C(6,3) * C(3,3))
b. Al menos ocho 1. (C(10,8) * 22 + C(10,9) * 21 + C(10,10) * 20)
c. Peso 4, sumando sus dgitos de 4. (C(10,4) * 16 + C(10,2) * 18 + C(10,1) * C(9,2) *
17)
1
4
(a)
(b) c
(b) m
(b) t
(b) ;
Figura 1.3
Espacios Muestrales
1. Supongamos que lanzamos una moneda de un centavo, una de diez centavos y un dado.
a. Describa el espacio muestral S adecuado.
b. Exprese explcitamente los siguientes eventos: A = {salen dos escudos y un nmero
par}, B = {salen un dos}, C = {salen exactamente una cara y un impar}.
c. Exprese explcitamente los siguientes eventos: ocurran A y B, solamente ocurre B,
ocurren B y C.
d. Cules parejas de eventos A, B y C son mutuamente exclusivas?
2. Supongamos que lanzamos una moneda y un dado.
a. Describa el espacio muestral S adecuado.
b. Exprese explcitamente los siguientes eventos: A = {salen cara y un nmero par}, B =
{salen un nmero primo}, C = {salen un escudo y un impar}.
c. Exprese explcitamente los siguientes eventos: ocurran A o B, solamente ocurre B,
ocurren B y C.
d. Cules parejas de eventos A, B y C son mutuamente exclusivas?
3. Una clase tiene 3 nias y 2 nios. Se quiere seleccionar tres alumnos.
a. Describa el espacio muestral S adecuado para escoger tres alumnos de los 5 en total
que hay.
b. Exprese explcitamente los siguientes eventos: A = {todos sean nias}, B = {al menos
haya un nio}, C = {haya exactamente dos nias}.
c. Cules parejas de eventos A, B y C son mutuamente exclusivas?
4. Sean A y B eventos. Encuentre una expresin y dibuje el diagrama de Venn para el evento de
que:
a. A ocurra o B no ocurra.
b.
c.
d.
e.
Ni A ni B ocurran.
B ocurra pero no ocurra A.
Ocurra A o B, pero no ambos.
Donde ocurran A y B.
UNIVERSIDAD DE EL SALVADOR
FACULTAD MULTIDISCIPLINARIA DE OCCIDENTE
DEPARTAMENTO DE MATEMATICA
ESTADSTICA APLICADA A LA EDUCACION
GUA DE PRCTICA N 4
TEMA: CALCULO DE PROBABILIDAD
1. OBJETIVOS
Practicar el uso de las distintas frmulas de las medidas de tendencia central y dispersin.
2. METODOLOGA
Los estudiantes, despus de haber discutido y estudiado los temas de estadstica descriptiva,
con ayuda de la docente; procedern a la lectura de la gua propuesta, desarrollndola de forma
grupal e individual, durante el tiempo determinado y asignado al desarrollo de las horas prcticas
dentro y fuera del aula, asistidos por la docente responsable de dicha prctica.
3. EJERCICIOS
EJERCICIOS DE PROBABILIDAD
1.- Lanzamos una moneda 5 veces. Cuntos resultados distintos se pueden dar?.
Cul es la probabilidad de no obtener 5 caras?.
2.- Tenemos que guardar 5 folios en 7 sobres. De cuntas formas distintas lo podemos hacer?
a Si en cada sobre no puede ir ms de un folio.
b Si en cada sobre pueden ir hasta cinco folios.
3.- En una urna opaca tenemos 12 bolas del mismo peso y forma. Cinco de ellas son Blancas, tres
son Negras y cuatro son Rojas. Extraemos dos bolas al azar, una detrs de otra y sin
devolverlas a la urna.
Hallar la probabilidad de que las dos sean Negras.
Hallar la probabilidad de que la primera sea Negra y la segunda Roja.
4.- En una urna opaca tenemos 12 bolas del mismo peso y forma. Cinco de ellas son Blancas, tres
son Negras y cuatro son Rojas. Extraemos una bola, anotamos su color, la devolvemos a la urna
y extraemos otra bola.
Hallar la probabilidad de que las dos sean Negras.
Hallar la probabilidad de que la primera sea Negra y la segunda Roja.
5.- Dos futbolistas se juegan el campeonato en un penalti. La probabilidad de que lo meta el
primero es , y de que lo meta el segundo, si el primero lo hace antes, es . Cul es la
probabilidad de que los dos metan el penalti?.
6 bolas rojas y 4 bolas blancas, y si el resultado es mayor o igual que 3 nos vamos a la urna II
que contiene 4 bolas rojas y 8 blancas. A continuacin extraemos una bola. Se pide:
a) Probabilidad de que la bola sea roja y de la urna II.
b) Probabilidad de que la bola sea blanca.
17. Un estudiante cuenta, para un examen, con la ayuda de un despertador, el cual consigue
despertarlo en un 80% de los casos. Si oye el despertador, la probabilidad de que realice el examen
es 0,9 y, en caso contrario, de 0,5.
a) Si va a realizar el examen cul es la probabilidad de que haya odo el despertador?
b) Si no realiza el examen, cul es la probabilidad de que no haya odo el despertador?
18. En una universidad, en la que slo hay estudiantes de Empresariales, G.A.P. y R.R.L.L., acaban
la carrera el 10% de Empresariales, el 55% de G.A.P. y el 45% de R.R.L.L. Se sabe que el 70%
estudian Empresariales, el 20% G.A.P. y el 10% R.R.L.L. Tomando a un estudiante cualquiera al
azar, se pide:
a) Probabilidad de que haya acabado la carrera y sea de Empresariales.
b) Nos dice que ha acabado la carrera. Probabilidad de que sea de Empresariales.
19. En una casa hay tres llaveros A, B y C, el primero con 5 llaves, el segundo con 7 y el tercero con
8, de las que slo una de cada llavero abre la puerta del trastero. Se escoge al azar un llavero y, de l,
una llave para intentar abrir el trastero. Se pide:
a) Cul ser la probabilidad de que se acierte con la llave?
b) Cul ser la probabilidad de que el llavero escogido sea el tercero y la llave no abra?
c) Y si la llave escogida es la correcta, cul es la probabilidad de que pertenezca al primer llavero
A?
CUESTIONES PARA RAZONAR
1. Decir si son ciertas o falsas las siguientes afirmaciones:
a) Si dos sucesos son incompatibles, son contrarios.
b) Si dos sucesos son contrarios, son incompatibles.
2. Si dos sucesos son incompatibles, los sucesos contrarios de aqullos son tambin
incompatibles?
3. Qu es ms probable , obtener cara al lanzar una moneda u obtener tres caras al lanzar
cuatro monedas? Razonar la contestacin
4. Sean A y B dos sucesos de un espacio de probabilidad con probabilidad no nula. Razonar la
verdad o falsedad de las siguientes afirmaciones.
a) Si A y B son incompatibles , entonces son independientes.
b) Si A y B son independientes , entonces son incompatibles.
c) Si A y B son independientes P(A B) = P(A/B) P(B/A)
5. Decir si es cierta la siguiente afirmacin:
"Si dos sucesos pertenecen al mismo espacio muestral ambos son necesariamente
incompatibles"
6. Si dos sucesos pertenecen al mismo espacio de sucesos entonces:
a) Ambos son necesariamente independientes
b) Ambos son necesariamente incompatibles
UNIVERSIDAD DE EL SALVADOR
FACULTAD MULTIDISCIPLINARIA DE OCCIDENTE
DEPARTAMENTO DE MATEMATICA
ESTADSTICA APLICADA A LA EDUCACION
GUA DE PRCTICA N 5
TEMA: DISTRIBUCIONES DE PROBABILIDAD
1. OBJETIVOS
Practicar el uso de las distintas frmulas de las medidas de tendencia central y dispersin.
2. METODOLOGA
Los estudiantes, despus de haber discutido y estudiado los temas de estadstica descriptiva,
con ayuda de la docente; procedern a la lectura de la gua propuesta, desarrollndola de forma
grupal e individual, durante el tiempo determinado y asignado al desarrollo de las horas prcticas
dentro y fuera del aula, asistidos por la docente responsable de dicha prctica.
3. EJERCICIOS
1. Una mquina 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 slo haya una defectuosa.
2. La probabilidad de xito de una determinada vacuna es 0,72. Calcula la probabilidad de que una
vez administrada a 15 pacientes:
a) Ninguno sufra la enfermedad
b) Todos sufran la enfermedad
c) Dos de ellos contraigan la enfermedad
3. La probabilidad de que el carburador de un coche salga de fbrica defectuoso es del 4 por 100.
Hallar:
a) El nmero de carburadores defectuosos esperados en un lote de 1000
b) La varianza y la desviacin tpica.
4. La probabilidad de que un paciente se recupere de una extraa enfermedad es 0.4 . Si se sabe que
15 personas contraen esa enfermedad,
0,75
5 -k
0,25
0,0009765
6
0,0039062
5
0,015625
0,0625
1
2
3
5
10
10
0,75
0,5625
0,421875
0,3164062
5
0,25
0,2373046
9
1
probabilida
d
0,00097656
0,01464844
0,08789063
0,26367188
0,39550781
0,23730469
6. Un prominente mdico afirma que 70% de las personas con cncer de pulmn son fumadores
empedernidos. Si su aseveracin es correcta:
a) encuentre la probabilidad de que de 10 de tales pacientes menos de la mitad sean fumadores
empedernidos.
Todos Tienen cncer n=10
70% por fumar
30% por otras causas
b) encuentre la probabilidad de que de 10 de los pacientes con cncer de pulmn ninguno sea
fumador empedernido.
c) Represente esta distribucin binomial en un histograma
d) Calcule la media y la varianza de esta distribucin binomial.
Massachussets tomaron Valium por primera vez debido a problemas psicolgicos. Encuentre la
probabilidad de que entre los siguientes ocho consumidores entrevistados en este estado:
a) tres comenzaron a tomar Valium por problemas psicolgicos.
b) al menos cinco comenzaron a consumir Valium por problemas que no fueron psicolgicos.
c) Represente esta distribucin binomial en un histograma.
d) Calcule la media y la varianza de esta distribucin binomial.
9. Un estudio examin las actitudes hacia los antidepresivos. El estudio revel que
aproximadamente el 70% cree que los antidepresivos en realidad no curan nada, slo encubren
el problema real. De acuerdo con este estudio
a) cul es la probabilidad de que al menos tres de las siguientes cinco personas seleccionadas al
azar sean de esta opinin?
b) Represente esta distribucin binomial en un histograma
c) Calcule la media y la varianza de esta distribucin binomial.
10. El departamento de mercadotecnia de Kellogg Company planea realizar una investigacin para
determinar si los consumidores de cereal en hojuelas pueden distinguir su cereal favorito de
otros. Para probar el cuestionario y el procedimiento a ser usado se invit a ocho personas a
participar en un experimento. Se les coloc frente a cinco pequeos tazones de cereal en
hojuelas marcados con las letras A, B, C, D, Y E para que identificaran su cereal favorito. A las
personas se les inform que solo uno de los tazones contena su cereal favorito.
a) Si una persona no pudo identificar su cereal favorito y supuso que estaba en el tazn C. Cul
es la probabilidad de que la persona haya adivinado correctamente?
b) Cul es la variable aleatoria en este problema?
c) Es la variable aleatoria discreta o continua? Por qu?
d) Suponga que a las ocho personas les fue imposible identificar su cereal favorito y trataron de
adivinar en cual tazn estaba. Cul es la probabilidad de que ninguno de los ocho haya
adivinado correctamente?
e) Desarrolle una distribucin binomial para este experimento
f) Calcule la media, varianza, y desviacin estndar de la distribucin.
g) Represente la distribucin de probabilidad en una grfica.
h) Suponga que siete de las ocho personas identifican el cereal que ms les gusta. Es razonable
decir que ellos adivinaron? Explique. Cul es tu conclusin?
i) Por qu es la distribucin binomial apropiada para este problema?
P ( x >5 ) =0 ' 62
d. Obtener ms de cinco caras.
3. Se ha pasado una prueba sobre fluidez verbal a un numeroso grupo de nios de una comarca
socialmente deprimida y se ha detectado que el 35% de ellos tienen una fluidez verbal
prcticamente nula; el resto se puede considerar aceptable. De una muestra aleatoria
formada por siete nios, hallar:
a. La media y la varianza.
=np=7 0' 35=2 ' 45
b. La funcin de probabilidad.
= npq=1 ' 26
4. Una cadena metlica est compuesta por 4 eslabones, La probabilidad de ruptura de cada
eslabn a un peso de 100 kilos de es de 0,6. Se somete la cadena a un peso de 100 kilos se
pide: B(4,06)
a. Probabilidad de que no se rompa la cadena. P ( x=0 )=0 ' 0256
b. Si se quiere que la probabilidad de que no se rompa la cadena sea de 0,81, cul debe
ser la probabilidad de ruptura de cada eslabn?
q =095 y p=005
5. Una encuesta revela que el 20% de la poblacin es favorable a un poltico y el resto
desfavorable. Elegidas 6 personas al azar, se desea saber:
a. La probabilidad de que las 6 personas sean desfavorables.
P ( x=6 )=6 ' 4 105
P ( x=0 )=0 ' 26
b. La probabilidad de que las 6 personas sean favorables.
6. Una determinada raza de perros tiene cuatro cachorros en cada camada. Si la probabilidad de
que un cachorro sea macho es de 0,55, se pide:
a. Calcular la probabilidad de que, en una camada dos exactamente sean hembras.
P ( x=2 )=0 ' 37
b. Calcular la probabilidad de que, en una camada al menos dos sean hembras.
P ( x 2 )=0 ' 61
7. La probabilidad de que salga cara en una moneda trucada es 0,45. Se lanza la moneda 7
veces. Calcular la probabilidad de que:
P ( x=3 )=0 ' 27
a. Salgan exactamente tres caras.
P ( x 3 )=0 ' 77
b. Salgan al menos tres caras.
P ( x 3 )=0 ' 77
c. Salgan a lo sumo tres caras.
8. Se lanza una moneda 90 veces. Calcular: B (90 ; 0' 5) N ( 45 ; 4 ' 74)
P ( x >50 ) = 015
a. Probabilidad de obtener ms de 50 caras
b. Probabilidad de que el nmero de caras est comprendido entre 40 y 50
P ( 40< x <50 )=0' 7062
9. El departamento de control de calidad de una fbrica de aparatos de televisin realiza cuatro
controles. De 420 televisores se han obtenido los siguientes datos:
N DE FALLOS
N DE TELEVISORES
0
1
2 3
316 219 58 6
4
1
Ajustar a esta distribucin emprica una distribucin binomial y hallar las frecuencias tericas
0 ' 56
p=
=0 ' 15
esperadas. x =0 ' 56
B(4;015)
4
xi
pi (x=x i)
052
037
0097
0011
00005
313
221
59
Frecuencias tericas
10. En una ciudad se ha hecho un estudio sobre 1000 familias con cinco hijos para averiguar el
n de hijas que tienen y se ha obtenido la siguiente tabla:
N DE CHICAS
N DE FAMILIAS
0
54
1
2
3
4
5
202 334 279 115 16
Ajusta esta distribucin emprica a una distribucin binomial y hallar las frecuencias tericas
esperadas.
2' 25
p=
=0 ' 45
x =2 ' 25
B(5,045)
5
xi
pi (x=x i)
005
021
034
028
011
002
5033
2058
3369
2757
1128
185
Frecuencias tericas