Documente Academic
Documente Profesional
Documente Cultură
Trabajo de Probabilidad y
Estadstica
Realizado por:
Mateo Espinoza Alarcon
Catedrtico:
Ing. Lorenzo Cevallos
Curso:
N3A
Carrera:
Ing. Networking &
telecomunicaciones
Guayaquil-Ecuador
2015
Introduccin a la estadstica
Tipos de datos y escalas de produccin
Diferencia entre poblacin, muestra, parmetro y estimador
Medidas de tendencia central y dispersin (datos no agrupados)
Datos agrupados y tablas de frecuencia
Medidas de tendencia central y dispersin (datos agrupados)
Medidas de forma y posicionamiento
Grficas estadsticas (histograma, ojiva, pastel, diagrama de cajas)
Tipos de muestreo y elaboracin de cuestionarios
Recopilacin, tabulacin, procesamiento de datos y elaboracin de
informes
2.9
2.10
2.11
2.12
2.13
2.14
2.15
Pruebas de hiptesis
Potencia de prueba y curva OC
Error tipo I y error tipo II
Prueba de hiptesis para media, varianza y proporciones
Modelo de regresin lineal simple
Modelo de regresin lineal mltiple
Tabla de ANOVA de regresin
Informacin
Informacin
Base de
datos
Encuesta
Base de
datos
Variable
cualitativa
Variable
cuantitativa
Anlisis
Anlisis
Media
Moda
Variables
cuantitativas
Estadsticas
Varianza
Datos
estadisticos
Grficos
estadisticos
La Estadstica
Es una parte de las matemticas que nos ayuda a observar hechos, fenmenos leyes,
siempre y cuando estn dentro de la lgica para eso es necesario realizar
experimentos con las muestras u objetos a investigar. La estadstica es de gran
ayuda en la actualidad ya que con ella podemos determinar qu porcentaje de un
suceso o experimento es factible o no.
Mendehall, W Beaver, R Beaver, B (2006): La estadstica es una rama de las
matemticas que tiene aplicaciones en cada toda faceta de nuestra vida. Es un
lenguaje nuevo y poco conocido para casi todas las personas, pero, al igual que
cualquier idioma nuevo, la estadstica puede parecer agobiante a primera vista.
David Ruiz Muoz. (2002 y 2004) La Estadstica es la ciencia cuyo objetivo es
reunir una a informacin cuantitativa concerniente a individuos, grupos, series de
hechos, etc. y deducir de ello gracias al anlisis de estos datos unos significados
precisos o unas previsiones para el futuro adems se trata de la recopilacin,
organizacin presentacin, anlisis e interpretacin de datos numricos con el fin
de realizar una toma de decisin ms efectiva".
Murria R. Spiegel, (1991) "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.
Estadstica Inferencial
Al obtener y formular inferencias (predicciones) acerca de una poblacin, esta se la
hace en base a la informacin obtenida en una muestra.
Calmaestra, L. (2005). Estadstica inferencial realiza el estudio descriptivo sobre
un subconjunto de la poblacin llamado muestra y, posteriormente, extiende los
resultados obtenidos a toda la poblacin
Barreto. A, (2012) Estadstica inferencial se define como aquellos mtodos que
implican hacer estimacin de una caracterstica de la poblacin o de toma de
decisiones respecto a una poblacin con base solo en resultados obtenidos de una
muestra.
Humberto Llins Solano, Carlos Rojas lvarez. (2005), "La estadstica
inferencial abarca aquellos mtodos y conjuntos de tcnicas que se utilizan para
4
Estadstica Descriptiva
Es cuando la informacin se la obtiene utilizando todos los datos de la poblacin.
Crdova Enrique S. (2006): La estadstica descriptiva est formada por
procedimientos empleados para resumir y describir las caractersticas importantes
de un conjunto de ediciones.
Castro, G (1998): La estadstica descriptiva es la encargada de estudiar a toda una
poblacin mediante censos.
Humberto Llins Solano (2003), "La estadstica descriptiva se compone de
aquellos mtodos que incluyen tcnicas para recolectar, presentar, analizar e
interpretar datos"
Media poblacional
Poblacin
Media muestral
Muestra
Variable Aleatoria (Al Azar)
() Datos ordenados
Centralizacin
Dispersin
Variables
cuantitativas
Estadsticas
Posicin
Forma
Datos Tomados Al Azar
#
X1
X2
X3
X4
X5
X6
X7
X8
X9
X10
X11
X12
X13
X14
X15
X16
X17
X18
X19
X20
Edad
22
22
23
21
19
20
19
22
27
22
18
19
20
19
23
19
19
19
20
19
Talla
162
149
162
164
163
180
169
160
168
169
185
163
157
152
150
164
164
168
175
149
Sexo
X21
X22
X23
X24
X25
X26
X27
X28
X29
X30
X31
X32
X33
X34
X35
X36
X37
X38
X39
X40
M
F
M
M
F
M
M
F
M
M
M
M
F
F
F
F
M
M
M
F
20
22
19
19
22
20
18
19
20
20
19
19
20
20
19
20
20
20
19
20
152
154
164
150
169
169
162
166
170
146
156
175
159
160
155
154
163
155
168
165
F
F
M
F
M
M
F
M
M
F
F
M
F
M
F
F
F
F
M
M
Datos ordenados
#
X(1)
X(2)
X(3)
X(4)
X(5)
X(6)
X(7)
X(8)
X(9)
X(10)
X(11)
X(12)
X(13)
X(14)
X(15)
X(16)
X(17)
X(18)
X(19)
X(20)
X(21)
X(22)
X(23)
X(24)
X(25)
X(26)
X(27)
X(28)
X(29)
X(30)
X(31)
X(32)
X(33)
X(34)
X(35)
X(36)
X(37)
X(38)
X(39)
X(40)
Edad
18
18
19
19
19
19
19
19
19
19
19
19
19
19
19
19
19
20
20
20
20
20
20
20
20
20
20
20
20
20
21
22
22
22
22
22
22
23
23
27
Talla
162
185
149
150
152
155
156
163
163
164
164
164
166
168
168
169
175
146
152
154
155
157
159
160
163
165
169
170
175
180
164
149
154
160
162
169
169
150
162
168
Sexo
F
M
F
F
F
F
F
F
M
F
M
M
M
M
M
M
M
F
F
F
F
F
F
M
F
M
M
M
M
M
M
F
F
F
M
M
M
F
M
M
Poblacin Objetiva
Es un conjunto bien definidos de elementos que son sujetos a alguna medicin.
Mendehall, W Beaver, R Beaver, B (2006): Una poblacin es el conjunto de
mediciones de inters para el investigador.
Ordoez. M, (2014) La poblacin objetiva se refiere a todo el grupo de personas u
objetos que les interesan a los investigadores para la generalizacin de las
conclusiones. La poblacin objetiva por lo general tiene diversas caractersticas y
tambin es conocida como la poblacin terica.
Gutirrez Gonzlez (2005), " Se llama poblacin al conjunto de todos los
elementos de un tipo particular cuyo conocimiento es de inters".
Unidades de Investigacin
Es un elemento o elementos de la poblacin objetiva a las que se les efecta alguna
medicin.
La unidad de investigacin ms fcil es la edad.
Parmetros y Estimadores
Parmetro
Es una cantidad de nmeros calculada a partir de los elementos de la poblacin.
Rafael Rodrguez (2004): Las mediciones descriptivas numricas asociadas con
una poblacin de mediciones se llaman parmetros; las calculadas a partir de
mediciones mustrales reciben el nombre de estadsticas.
Argote. C, (2009) Un buen habito de realizar el ejercicio de comparacin de dos
medidas es conocer claramente las caractersticas de la muestra como el tipo de
diseo utilizado para la obtencin de datos.
Antonio Vargas Sabadas. (1995), "Se llama parmetro al valor correspondiente
a una estadstica inferencial en la poblacin".
Estimador o estadstico
Es una cantidad de nmeros calculada a partir de los elementos de una muestra.
La altura media de los alumnos de probabilidad y estadstica del paralelo N3A.
3
Continuas
Histogramas
Cuantitativas
Discretas
Grfico de barras
Xi
Variables
Ordinales
Escala Likert
Nominales
Grafico de barras
Cualitativas
Variables cualitativas
Si sus valores (modalidades) no se pueden asociar naturalmente a un nmero, no se
pueden hacer operaciones algebraicas con ellas y se clasifican en:
Rosario Delgado de la Torre. (2004),"La Variable Cualitativa es una variable que
corresponde a una caracterstica (o carcter) cualitativa y toma dos o ms valores
(categoras); pero estos valores estn predeterminados y son una asignacin
numrica a las modalidades de la variable, que no son medibles en s mismas".
Marcos Sandoval (2006): Las variables cualitativas miden una cualidad o
caracterstica en cada unidad experimental.
Jaime Flores (1991): Las variables cualitativas son las que almacenan informacin
no numrica, generalmente son cualidades, caractersticas u opiniones.
Nominales
Son aquellas en las que sus valores no se pueden ordenar.
Ej: La religin, el grupo sanguneo y la nacionalidad.
Jimnez, F. (2006) Son variables expresadas en unidades monetarias corrientes
en funcin de soles corrientes o a precios de mercado actuales. Por ejemplo, si un
cuaderno cuesta cinco soles en 1995, el valor nominal o corriente de diez cuadernos
ser de 50 soles.
Quevedo, F (2010): Asumen nombres, por ejemplo, la variable estado civil
asumir los valores: casado, soltero, viudo, divorciado. Ntese que los valores
asumidos son nombres o palabras que bien podran estar dispuestos en distinto
orden.
Arturo Cabezas (2005): Son las variables que almacenan informacin sin orden
especfico.
Ordinales
Es cuando sus valores se pueden ordenar.
Ej: El grado de satisfaccin, la mejora de un tratamiento.
Pablo Jimnez (2010): Asumen nombres o palabras con un cierto orden implcito.
Por ejemplo, la variable grado de intensidad de un sntoma asumir los valores:
alto, mediano, bajo. Los valores asumidos por esta variable guardan entre s
una relacin de orden.
Mayra Ortega (1998): Son las variables que almacenan informacin que llevan un
orden especfico.
Guaragna, B. Fridman, A. (2011) Permiten determinar un orden jerrquico
entre las unidades perteneciente a las diferentes categoras. Podemos mencionar
variables ordinales tales como nivel de educacin, clase social, cargo de empresa.
Continuas
Si entre 2 valores son posibles infinitos valores intermedios.
Ej: Edad, tiempo de vida de un equipo electrnico.
Quevedo, F (2010): Pueden asumir cualquier valor numrico, que generalmente
es resultado de una medicin. Dada la naturaleza de su escala de valor, siempre es
posible encontrar, entre dos valores, un tercero.
Arturo Hernndez (1994): Este tipo de variable cuantitativa se manejan valores
que pueden ser enteros o decimales, y se los almacena mediante intervalos que van
de X a Y.
Sarria, A. Guardia, J. Freixa, l. (1999) Si las variables, por lo menos
tericamente, pueden tomar los infinitos valores posibles en un intervalo fijado,
recibe el nombre de variables continuas.
Jos Mara Cordero, Santiago Fernndez, Alejandro Crdova. (2002), " Una
clase es cada uno de los diferentes grupos que se forman al reunir los valores
correlativos o prximos de la variable o las modalidades parecidas o similares del
atributo".
Pedro Snchez Mndez (1997): Son los valores que o intervalos que se
encuentran en una muestra.
Marca clase
Es el punto medio de cada una de las clases (V. Cuantitativas continuas).
Rodrguez, L (2007): Es el valor central del intervalo de la clase i.
Arellano Ulloa Vctor M. , Vernica Quijada Monroy. (2006), " Una marca de
clase es el punto medio de cada intervalo de clase".
Fernndez, S. Cordero, J. Crdoba, J. (2002) Para poder operar
matemticamente con estas distribuciones es preciso considerar un valor concreto
de la variable en cada clase que sea representativo, este valor se conoce como marca
de clase. Normalmente se tom el valor que se calcula hallando la media aritmtica
de los lmites del intervalo.
Frecuencia absoluta
Nmero de observaciones que se pueden clasificar en cada clase.
Leopoldo Salavarria (2015): Es la cantidad de veces que se repite un intervalo o
valor.
Gutirrez Gonzlez, Eduardo y Olga Vladimirovna Panteleeva. (2005), " La
construccin de los intervalos de clase de emplea para estudiar de una forma
simplificada la distribucin de datos, por lo tanto, despus de construir los
intervalos de clase se procede a contar la cantidad de datos que caen en cada una de
ella, a dicha cantidad se le llama frecuencia de clase o frecuencia de clase o
frecuencia absoluta y se simboliza por ni, en donde i representa el nmero de la
clase".
CBES. (2008) Es el nmero de veces que se repite ese dato, tambin se presenta
la frecuencia absoluta de un intervalo que se refiere al nmero de datos que
pertenecen a ese intervalo.
8
Frecuencia relativa
Se la obtiene dividiendo la frecuencia absoluta de clase i para el total de
observaciones.
Moreno. H, Hilario. N, (2013) La frecuencia relativa se presenta en porcentaje y
se conforma con los datos de la frecuencia absoluta. Su smbolo es Fr.
DR. Anah Alvarado(2015): Es la cantidad porcentual de cada uno de los
intervalos.
Elsevier Inc. (2007), " La frecuencia relativa es una frecuencia de un valor dividida
entre el nmero total de datos del conjunto de stos".
Frecuencia acumulada
Resulta de sumar la frecuencia acumulada de la clase i-1 con la frecuencia de la clase
i.
A. R, (2008) Es la suma de las frecuencias absolutas de todos los datos anteriores,
incluyendo tambin la del dato mismo del cual se desea su frecuencia acumulada.
Pablo Noriega (2012): Es la cantidad de cada una de los datos que
progresivamente aumenta hasta completar el total de la muestra.
Eduardo Gutirrez Gonzlez (2005), " Se llama frecuencia acumulada a la funcin
que representa la suma de la frecuencia por clase, y se simboliza por F".
Frecuencia relativa acumulada
Se lo obtiene dividiendo la frecuencia acumulada de la clase i para el total de
observaciones.
Alejandro Crdova. (2002), "La frecuencia relativa acumulada de un dato es igual
a la suma de las frecuencias relativas de todos los datos menores o iguales que dicho
valor"
Jorge Alarcon (2010): Es la cantidad porcentual que aumenta progresivamente
hasta completar el total de la muestra.
Vargas, A (1995) Llamamos frecuencia absoluta acumulada en el valor x, a la suma
de las frecuencias absolutas de los valores menores o iguales a x; y la
representaremos por N.
9
Edad
Frecuencia
absoluta
Frecuencia
relativa
Frecuencia
acumulada
18
19
20
21
22
23
27
2
15
13
1
6
2
1
0,05
0,375
0,325
0,025
0,15
0,05
0,025
2
17
30
31
37
39
40
Sexo
M (1)
F (2)
Frecuencia absoluta
21
19
Frecuencia
relativa
acumulada
0,05
0,425
0,75
0,775
0,925
0,975
1
Frecuencia relativa
21/40 = 53%
19/40 = 47%
10
Marca de
clase
Frecuencia
absoluta
Frecuencia
relativa
Frecuencia
acumulada
[0-6]
[6-12]
[12-18]
[18-24]
[24-30]
[30-36]
[36-42]
(0+6)/2=3
(6+12)/2=9
(12+18)/2=15
(18+24)/2=21
(24+30)/2=27
(30+36)/2=33
(36+42)/2=39
2
6
8
16
10
7
1
0,04
0,12
0,16
0,32
0,20
0,14
0,02
2
8
16
32
42
49
50
Frecuencia
relativa
acumulada
0,04
0,16
0,32
0,64
0,84
0,98
1
0,32
0,30
0,25
0,20
0,20
0,16
0,15
0,14
0,12
0,10
0,05
0,04
0,02
0,00
0-6
06-12
12-18
18-24
24-30
30-36
36-42
0,30
0,25
0,20
0,20
0,16
0,15
0,10
0,05
0,14
0,12
0,04
0,02
0,00
3
15
21
27
33
39
Ojiva
Es un grfico que presenta en el eje horizontal la caracterstica cuantitativa que se
est investigando y en el eje vertical la frecuencia relativa acumulada.
Llins, H. Cabrera, J. Flrez, K. (2012) La ojiva, llamada tambin polgono de
frecuencias acumuladas (o polgono de frecuencias relativas acumuladas), se
12
Ojiva
1,2
1
0,98
30-36
36-42
0,84
0,8
0,64
0,6
0,4
0,32
0,2
0
0,16
0,04
0-6
Edad
18
19
20
21
22
23
27
06-12
12-18
18-24
24-30
13
0,4
0,35
0,375
0,3
0,325
0,25
0,2
0,15
0,15
0,1
0,05
0,05
0,025
0,05
0,025
23
27
0
18
Talla
146
149
150
152
154
155
156
157
159
160
162
163
164
165
166
168
169
170
175
180
185
19
20
21
22
0,1
0,1
0,1
0,08
0,0750,075
0,075
0,06
0,05 0,05 0,05 0,05 0,05
0,04
0,02 0,025
0,05
0,0250,0250,025
0,05
0,0250,025
0,025
0,0250,025
0
146 149 150 152 154 155 156 157 159 160 162 163 164 165 166 168 169 170 175 180 185
15
Preguntas
1. Qu porcentaje de componentes tiene un tiempo de vida menor a 14
meses?
De una muestra tomada al azar de 50 electrodomsticos, el 16% de los
artefactos estudiados tuvo un tiempo de vida menor a 14 meses.
2. Qu porcentaje de componentes tiene un tiempo de vida superior a 21
meses?
De una muestra tomada al azar de 50 electrodomsticos, el 36% de los
artefactos estudiados tiene un tiempo de vida superior a los 21 meses.
3. Qu porcentaje de componentes tiene un tiempo de vida entre 21
meses y 32 meses?
De una muestra tomada al azar de 50 electrodomsticos, el 20% de los
artefactos estudiados tiene un tiempo de vida entre los 21 y 32 meses.
4. Cul es el tiempo de vida de los componentes de tal forma que la mitad
dure menos de ese valor?
5. Cul es el tiempo de vida de los componentes de tal forma que un 25%
dure menos de ese valor?
Reglas generales para formar intervalos en variables cuantitativas
continuas.
1. - Rango: X(max) X(min)
2.- Nmero de intervalos :
Formula de Esturgues.
ni = 1 + 3.32 log(n)
N= es el tamao de la muestra u observaciones.
3.- Ancho del intervalo:
i=
R
ni
16
36
54
32
58
58
30
35
35
50
50
47
45
56
65
47
60
52
48
35
58
32
48
30
56
55
35
58
55
47
39
40
60
49
37
58
50
38
39
56
43
= () () = 65 30 =
= 1 + 3.32 (40) = 6.32 =
=
35
=
= 5.83 =
= = 6 6 =
Horas de estudio
Horas de estudio
X1
X2
X3
X4
X5
X6
X7
X8
X9
X10
X11
X12
X13
X14
X15
X16
X17
X18
X19
X20
X21
X22
X23
X24
X25
X26
X27
X28
X29
X30
X31
X32
X33
X34
X35
X36
X37
X38
X39
X40
36
54
32
58
58
30
35
35
50
50
47
45
56
65
47
60
52
48
35
58
32
48
30
56
55
35
58
55
47
39
40
60
49
37
58
50
38
39
56
43
X(1)
X(2)
X(3)
X(4)
X(5)
X(6)
X(7)
X(8)
X(9)
X(10)
X(11)
X(12)
X(13)
X(14)
X(15)
X(16)
X(17)
X(18)
X(19)
X(20)
X(21)
X(22)
X(23)
X(24)
X(25)
X(26)
X(27)
X(28)
X(29)
X(30)
X(31)
X(32)
X(33)
X(34)
X(35)
X(36)
X(37)
X(38)
X(39)
X(40)
30
30
32
32
35
35
35
35
36
37
38
39
39
40
43
45
47
47
47
48
48
49
50
50
50
52
54
55
55
56
56
56
58
58
58
58
58
60
60
65
18
4
10
2
10
11
3
40
0,1
0,25
0,05
0,25
0,275
0,075
1
4
14
16
26
37
40
Frecuencia
relativa
acumulada
0,1
0,35
0,4
0,65
0,925
1
Histograma
Horas de estudio
0,3
0,275
0,25
0,25
0,25
0,2
0,15
0,1
0,1
0,075
0,05
0,05
0
[29-35)
[35-41)
[41-47)
19
[47-53)
[53-59)
[59-65]
Polgono
Horas de estudio
0,3
0,275
0,25
0,25
0,25
0,2
0,15
0,1
0,1
0,075
0,05
0,05
0
32
38
44
50
56
62
Ojiva
Horas de estudio
1,2
1
0,925
0,8
0,65
0,6
0,4
0,35
0,4
[35-41)
[41-47)
0,2
0
0,1
[29-35)
[47-53)
[53-59)
[59-65]
Estimadores
Centralizacin
Media
Mediana
Moda
Dispersin
Varianza
Desviacin
estandar
=
Coeficiente de variacin
= = %
Posicin
Forma
Coeficiente
asimetra
Curtosis
Cuantiles
Deciles
Percentiles
Cuartiles
Q1= Primer cuartil
Q2= Segundo cuartil
Q3= Tercer cuartil
de
Media
= 20,20,19,18,21,19,22,23,19,20,20
() = 18,19,19,19,20,20,20,20,21,22,23
=
20 + 20 + 19 + 18 + 21 + + 20
= 20,09
11
21
=
(+) =
Si la mediana es impar:
=
() =
() = 18,19,19,19,20,20,20,20,21,22
() =
(1) + (+1) 20 + 20
=
=
2
2
22
Moda
=
= 20
23
Dispersin
Varianza
Varianza es una medida de dispersin la sumatoria del dato menor la media
dividida para la cantidad de datos menor a uno.
1
( )2
n1
Jos Mara Cordero (2002), "La varianza se puede definir como la media
aritmtica de las desviaciones de los valores obtenidos de la variable con respecto a
su media aritmtica elevadas al cuadrado".
24
Coeficiente de variacin
Es la desviacin estndar dividida para la media de la muestra y su resultado es
convertido a porcentaje.
. =
Ejercicios
Media
=
=1
22 + 37 + 28 + 33 + 35 + 28
75
= 35.69
Mediana
() =
() =
(1) + (+1) 29 + 35
=
=
2
2
Moda
= 35 29
Varianza
25
2 =
1
[(21 35,69)2 + (22 35,69)2 + + (74 35,69)2 + (80 35,69)2 ]
74
= 124.05
Derivacin estndar
= 2 = 11.137
Coeficiente de variacin
. =
11.137
=
= 0.3120
35.69
0
1
2
3
4
5
12
9
7
6
3
3
40
0
9
14
18
12
15
68
Media
=
=1
68
= 1.7
40
Varianza
2
( )2
=
=1
2 =
214
(1,7)2 = 5,35 2,89 = 2,46
40
Desviacin estndar
= 2
= 2,46 = 1,57
26
0
1
4
9
16
25
0
9
28
54
48
75
214
Coeficiente de variacin
=
1,57
= 0,92261 = 92%
1,7
Tabla
Clase
[1,65-2,05)
[2,05-2,45)
[2,45-2,85)
[2,85-3,25)
[3,25-3,65)
[3,65-4,05)
4
5
13
17
8
3
50
1,85
2,25
2,65
3,05
3,45
3,85
7,40
11,25
34,45
51,85
27,60
11,55
144,1
3,4225
5,0625
7,0225
9,3025
11,9025
14,8225
13,69
25,3125
91,2925
158,1425
95,22
44,4673
428,25
144,1
= 2,882
50
2 =
428,125
(2,882)2 = 0,256576
50
= 0,256 = 0,506
=
0,50653315
= 17,578% = 18%
2,882
Clase
21
22
24
25
26
27
28
29
30
31
32
33
1
1
2
1
4
4
4
6
3
3
3
5
441
484
576
625
676
729
784
841
900
961
1024
1089
21
22
48
25
104
108
112
174
90
93
96
165
27
441
484
1152
625
2704
2916
3136
5046
2700
2883
3072
5445
34
35
36
37
38
39
40
41
42
43
45
46
49
50
54
60
61
63
74
80
3
6
1
3
4
2
1
5
2
1
1
1
1
1
1
1
1
1
1
1
75
102
210
36
111
152
78
40
205
84
43
45
46
49
50
54
60
61
63
74
80
2677
1156
1225
1296
1369
1444
1521
1600
1681
1764
1849
2025
2116
2401
2500
2916
3600
3721
3969
5476
6400
3468
7350
1296
4107
5776
3042
1600
8405
3528
1849
2025
2116
2401
2500
2916
3600
3721
3969
5476
6400
106149
2677
= 35,693
75
2 =
106149
(35,69)2 = 141,543
75
= 141,543 = 11,897
=
11,897
= 0,33 = 33%
35,69
Clase
[19-28)
[28-37)
[37-46)
[46-55)
[55-64)
[64-73)
[73-82)
23,5
32,5
41,5
50,5
59,5
68,5
77,5
16
32
18
4
3
0
2
75
376
1040
747
202
178,5
0
155
2698,5
28
552,25
1056,25
1722,25
2550,25
3540,25
4692,25
6006,25
8836
33800
31000,5
10201
10620,75
0
12012,5
106470,75
2698,5
= 35,98
75
2 =
106470,76
(35,98)2 = 125,0496
75
Estimadores de posicin
=
=
Percentiles del orden i
Es aquel que divide a los datos en 100 partes igual.
= 1 99
Cstor Guisande Gonzlez. (2006), Los percentiles son los 99 puntos que
dividen la distribucin en 100 partes, tales que dentro de cada una est incluido el
1% de los valores de la distribucin.
Cstor Guisande Gonzlez. (2006), "Los deciles son 9 puntos que dividen la
distribucin en 10 partes, tales que dentro de cada una est incluido el 10% de los
valores de la distribucin".
Cuartiles
Es aquel que divide los elementos de la muestra en 4 grupos con frecuencia
similares.
Cstor Guisande Gonzlez. (2006), "Los cuartiles son los tres valores de la
variable que dividen la distribucin en partes iguales, es decir, en 4 intervalos,
dentro de cada cual est incluido el 25% de los valores de la distribucin".
Cuantil
Se define el cuantil del orden como un valor de la variable por debajo de la cual se
encuentra una frecuencia acumulada . Entre los casos particulares tenemos los
percentiles, deciles, cuartiles. Para encontrar percentiles, deciles y cuartiles se aplica
una formula.
Cstor Guisande (2006), "Los cuantiles se definen al orden k como los valores
de la variable, supuesta sta ordenada de menor a mayor, que la deividen en k partes
con la misma frecuencia de observaciones. Por lo tanto existirn k-1 cuantiles de
orden k".
30
()
(1)
(2)
(3)
(4)
(5)
(6)
(7)
(8)
(9)
(10)
Talla
1,65
1,60
1,64
1,69
1,81
1,68
1,60
1,70
1,70
1,76
1125
100
) = 2,75
2) Q2 = 50% = P(50) = (
100
) = 5,5
3) Q3 = 75% = P(75) = (
100
) = 8,25
31
Talla
1,60
1,60
1,64
1,65
1,68
1,69
1,70
1,70
1,76
1,81
= 3 1
= 3 1
33
Estimadores de forma
1) Asimetra
AS = 0 Simetra
AS > 0 Simetra hacia la derecha
AS < 0 Simetra hacia la izquierda
2
1
( )
1
3 = =
3
( )
. 3
4
4 = = [
2
4
8
2
( )
] 3
. 4
-2
0
4
-2
( )
4
0
16
4
24
34
( )
-8
0
64
-8
48
( )
16
0
256
16
288
2+4+8+2
=4
4
1
2 = [(2 4)2 + (4 4)2 + (8 4)2 + (2 4)2 ] = 8
3
= 2 = 8 = 2,83
2 = 2 = 8
3 = = (
48
) = 0,53
4(2,83)3
288
4 = (
) 3 = 1,88
4(2,83)4
35
La curtosis
Es el apuntamiento de la distribucin normal
Antonio Rial Boubeta, Varela Mallou Jesus. (2014), "La Curtosis es una
medida que se relaciona con la frecuencia de aparicin de valores centrales en una
distribucin".
36
POSICIN
Cuantiles
Deciles
Percentiles
Cuartiles
Q1 primer cuartil
Q2 segundo cuartil
Q3 tercer cuartil
Media
X =
=1
X=
20+20+19+18+21+20
11
X=20.09
Medida
Impar
()=20
()
Par
()=
1+ 1
2
= (+2)=20
Moda
M = Valor 8 valores que ms se repite
M =20
Campana de Gauss
16
25
18
17
18
24
19
25
20
20
30
37
20
19
20
23
21
20
19
19
20
Varianza = 1 =( )
1
38
Desviacin estndar S= 2
S=2.09
S=1.44
21+22+.+80
75
= 35.69
Mediana = 33
Moda = 35.29
1
11.13
X=
Fi
12
9
7
6
3
3
40
Xi Fi
0
9
14
18
12
15
68
=1
68
X=40 = 1.7
2 =
2 =
=1
214
40
- 2
1.72 = 2.46
S = 2 =2.46 = 1.37
C.V = =
1.57
1.7
=92%
39
0
1
4
9
16
25
Fi Xi^2
0
9
28
54
48
75
214
Continuas
Clase
X=
Xi
Fi
Xi Fi
[1,65-2,05]
1,85
7,4
3,4225
13,69
[2,05-2,45]
2,25
11,25
5,0625
25,3125
[2,45-2,85]
2,65
13
34,45
7,0225
91,2925
[2,85-3,25]
3,05
17
51,85
9,3025
158,1425
[3,25-3,65]
3,45
27,6
11,9025
95,22
[3,65-4,05]
3,85
11,55
14,8225
44,4675
50
144,1
144.1
50
2 =
= 2.88
428.125
50
2.882 = 0.26
S = 2 =0.26 = 0.51
C.V = =
0.51
2.88
=0.177 = 17.7%
40
Fi Xi^2
428,125
Estimadores De Posicin
Clase
Marca de clase
Continuas
Frecuencia absoluta
Discretas
25%
50%
75%
Percentiles de orden i
Es el porcentaje dado por las observaciones de datos ordenadas de menor a mayor.
1 2 3 4 5 6 7 8 9
1 2 3 4 5 6 7 8 9 10 11
Vivo. M, Soria. E, (2001) En forma intuitiva podemos decir que es un valor tal
que supera un determinado porcentaje de los miembros de la poblacin esta sirve
para comprar las variables.
DECILES
Se refiere en dividir los datos en diez partes iguales con alguna relacin de orden.
Hernndez, (2003) Decil se refiere a cada uno de los 9 valores que dividen un
grupo de datos (clasificados con una relacin de orden) en diez partes iguales, y de
manera que cada parte representa un dcimo de la poblacin. En resumen, los
deciles son cada uno de los nueve valores que dividen un conjunto de datos en diez
grupos con iguales efectivos.
CUARTILES
Los cuartiles son tres valores Q1, Q2, Q3 que dividen a un conjunto de datos
ordenados.
Moore. D, (2005) Estas ordenan los datos de menor a mayor y busca el lugar
que ocupa cada cuartil mediante
.
4
K = 1, 2,3.
Mendoza, B. (2002) Los cuartiles son los tres valores que dividen al conjunto
de datos ordenados en cuatro partes porcentualmente iguales. La diferencia entre
el tercer cuartil y el primero se conoce como rango intercuartlico. Se representa
grficamente como la anchura de las cajas en los llamados diagramas de cajas.
42
Cuantiles
Son puntos tomados a intervalos regulares de una variable aleatoria.
Q2 (segundo cuartil)=50%
Q3 (tercer cuartil)=75% 75
Edades
20, 20, 20, 21, 22, 23,25
Q2=50%=21
Q1=25%=20
P50 =
(8)5
100
=4 = 21
Q3=75%=23
43
i=1.99
100
X1
X2
X3
X4
X5
X6
X7
X8
X9
X10
1,65
1,6
1,64
1,69
1,81
1,68
1,6
1,7
1,7
1,76
Datos ordenadas
X(1)
X(2)
X(3)
X(4)
X(5)
X(6)
X(7)
X(8)
X(9)
X(10)
1,6
1,6
1,64
1,65
1,68
1,69
1,7
1,7
1,76
1,81
= (1125)
100
44
24
16
Q1
Q2
28
40
Q3
45
Q1-(1.5*RI)
Q3+ (1.5*RI)
1.60
1.81
1.63
1.685
1.713
Rango Intercuartil
RI=Q3-Q1
RI=1.725-1.63
RI=0.085
Es la resta del tercer cuartil menos el primer cuartil de una distribucin.
Valor Alejado
Gutirrez. A, (2010) Es una dispersin grande es una propiedad indeseada
del estimador, pues en generalmente en la prctica, tenemos solo una muestra.
desviaciones
experimentales,
46
pueden
introducir
distorsiones
importantes en los valores medios y sobre todo en los criterios de precisin, por lo
que deben ser revisados y eliminados, si as correspondiesen, antes de ejecutar la
evaluacin de los datos.
47
2 = 2 1 ( )2
Asimetra
( )3
3 = = 4
Curtosis
4 = = [
( )4
4
]3
Xi
X=
2+4+8+2
4
Xi-x
(Xi-X)2
(Xi-X)3
-2
-8
16
16
64
256
-2
-8
16
24
48
288
=4
(Xi-X)4
48
4(2.83)3
= 0.53
288
= 4(2.83)4 3
= -1.88
48
Anlisis Bivariado
Variable De Cuantitativo
Anlisis de correlacin de Pearson
Variable Cualitativo
Tablas de contingencia estadstico 2 cori cuadrada
r=
Correlacin negativa
lineal
No hay correlacin
Correlacin
49
cualquiera involucrado estas dos variables comparando con sus respectivos anlisis
univariado.
Peso
1,55
45KG
1,5
60KG
1,51
60KG
1,85
70KG
1,55
70KG
1,62
68KG
1
= 1 (( )( ))
= 2
= 2
= =1
= =1
1
2 = 1 =1( )2
1
2 = 1 =1( )2
=
1
= 1 (( )( ))
1
= 1 ( )2
Si tienes una muestra con la clasificacin de los estudiantes de primer parcial y
segundo parcial
50
Primer parcial
60
74
66
34
60
66
57
71
39
57
Segundo parcial
72
82
75
46
73
74
70
82
60
61
r=
= 10
= 58.4
= 69.5
2 = 166.48
2 = 121.83
= 166.48 =12.90
= 121.83 =110.4
1
= 1 (( )( ))
= 134.11
134.11
r=12.9011.04 = 0.06
Signo de La Covariancia
El signo de la covarianza nos muestra directamente el tipo de correlacin lineal es
positiva, negativa.
51
[ ] = [
12
1 2
1 =
1 =
2 =
2 =
1 2
]
22
166.48 134.11
]
134.11 121.83
52
MATRIZ DE CORRELACIN
Matriz de correlaciones nuestra r est conformada por filas y columnas.
Cobo, P. (1997) Los coeficientes de un filtro fijo pueden obtenerse del cociente
de la matriz de correlacin cruzada entre la salida ideal y la entrada y la matriz de
autocorrelacion de la entrada.
1,1
[ ] = [
2,1
[rij ] =
1,2
2,2 ]
Sxi xj
Sxi Sxj
r1,2 = Sx1 x2 =
134.11
Sx1 Sx2 12.9011.04
S
Sx12
1,1 = x1 x1 = 2 =1
Sx1 Sx1 Sx1
S
Sx22
2,2 =S x2Sx2 =
=1
x2 x2 Sx22
S
134.11
2.1 =S x1Sx2 =12.9011.04
x1 x2
Existe una dependencia lineal positiva entre estas dos variables lo podemos
colaborar en la figura resuelta anterior lo que no da a conocer una pendiente lineal.
53
Tipos de Muestreo
1.- Muestreo aleatorio simple (MAS)
2.- Muestreo sistemtico
3.- Muestreo estratificado
4.- Muestreo por conglomerado
Muestreo Aleatorio Simple (Mas)
MS tabla de nmeros aleatorios
RAM # (0-1)
A
50
20
155
B
45
5
C
60
5
50%
Formula
2 /2
= 2 (1)+ 2
n= tamao necesario de la muestra
Z= margen de error
P= probabilidad de que el evento ocurra
Q= probabilidad de que el evento NO ocurra
E= error de estimacion
N= tamao de la poblacin
Ejemplo:
2 /2
2 (1)+ 2
(1.96)2 (0.25)43700
= (0.05)2(47001)+(1.90)2
0.25
41969.48
110.15
= 380.82
2 = 2 0.05 (1.96)2
2 = (0.05)2
= 43700
= 0.25
55
Muestreo Sistemtico
El muestreo sistemtico este lo utilizamos cuando nuestra poblacin es de gran
tamao en este se elige un numero al azar de 1 a k.
57
SEGUNDO PARCIAL
58
Tcnicas de conteo
Cuando el nmero de posibles resultados de un experimento es finito, su espacio
muestral es finito y su cardinal es un nmero natural. Pero si el experimento es
combinado, el cardinal puede ser tan grande, que sera del todo absurdo pretender
enumerarlos todos, por ser un proceso lento y tedioso.
!
!()!
!
!!
=
2- De cuantas formas se pueden sacar 3 canicas negras?
!
=
! ( )!
59
!
!
( )+( ) =
+
=
! ( )! ! ( )!
4- De cuantas formas se pueden sacar 1 canica de cada color?
+ +
!
!
!
( )+ ( )+ ( ) =
+
+
=
! ( )! ! ( )! ! ( )!
Si un elemento consiste en lanzar 3 monedas y observar que lados salen, liste
los elementos del conjunto .
=
= {(, , ); (, , ); (, , ); (, , ); (, , ); (, , ); (, , ); (, , )}
Un experimento consiste en lanzar de datos, identifique el conjunto
=
(1,1)
(1,2)
(1,3)
(1,4)
(1,5)
(1,6)
(2,1)
(2,2)
(2,3)
(2,4)
(2,5)
(2,6)
(3,1)
(3,2)
(3,3)
(3,4)
(3,5)
(3,6)
(4,1)
(4,2)
(4,3)
(4,4)
(4,5)
(4,6)
(5,1)
(5,2)
(5,3)
(5,4)
(5,4)
(5,6)
(6,1)
(6,2)
(6,3)
(6,4)
(6,5)
(6,6)
Regla Multiplicativa
Si en un experimento pueden ocurrir los eventos A y B, entonces
P(A B) = P(A)P(B|A), dado que P(A)>0.
As la probabilidad de que ocurran A y B es igual a la probabilidad de que ocurra A
multiplicada por la probabilidad condicional de que ocurra B, dado que ocurre A.
60
Como los eventos A B y B a son equivalentes, del teorema anterior se sigue que
tambin podemos escribir.
Jorge
Larrea
(2009)
Si
un
un
Rincn, L. (2006) Ahora que no nos interesa el orden, observamos que cada
uno de los arreglos de la formula anterior, est siendo contado k! veces, las veces
en que los mismos k elementos pueden ser permutados unos con otros, siendo que
el conjunto de elementos es el mismo. Para obtener arreglos en donde el orden no
importa, debemos entonces dividir por k!. La frmula a la que hemos llegado se
llama combinaciones de n en k.
61
62
63
Eventos
Son sucesos que conlleva el experimento tratado el cual se puede dar en un
experimento aleatorio, quiere decir que no se puede predecir lo que realmente
puede suceder con os elementos de nuestro conjunto.
64
Ernesto Camao, (2001) Este muestreo nos indica que siempre que se
extraiga un elemento de nuestro conjunto el mismo no ser devuelto o no se lo
repondr a diferencias del muestreo con reposicin donde s se devuelve el
elemento tomado, dando por conclusin que cada elemento de nuestro conjunto
tiene la posibilidad de ser escogido sola una vez.
El muestreo sin reposicin. Es cada vez que se hace una extraccin, es decir que la
unidad seleccionada no se devuelve al universo. Por lo tanto, no se permite que una
misma unidad sea seleccionada ms de una vez. Esto hace variar la probabilidad de
obtener una determinada muestra: La regla fundamental no es directamente
aplicable, pero el razonamiento de descomposicin funciona como el caso anterior
dando el resultado.
P(E1 ) =
1
6
P(E2 ) =
1
6
P(E3 ) =
3
1
=
6
2
65
(1 ) =
1 =
2 =
3 =
1
8
(2 ) =
(3 ) =
7
8
4
1
=
8
2
(1 ) =
4 48
(4) ( 1 )
52
)
5
4!
48!
(4! 0!) (1! 47!)
=
= 0,0000185
52!
(
)
5! 47!
2 = 3 2
4 4 44
4!
4!
44!
(3) (2) ( 0 )
(3! 1!) (2! 2!) (0! 44!)
(2 ) =
=
= 0,00000923
52
52!
( )
(
)
5
5! 47!
3 = 5
13 39
13!
39!
)( 0 )
(
) (0! 39!)
(3 ) = 5
= 5! 8!
= 0,000495
52
52!
( )
(
)
5
5! 47!
(
(1 ) =
5 7
(4) (0)
12
(4)
5!
7!
(4! 1!) (0! 7!)
=
= 0,010
12!
(4! 8!)
2 = 4 .
(2 ) =
66
3 = 3
(3 ) = 1 ( )
5 7
5!
7!
(4) (0)
(4! 1!) (0! 7!)
( ) =
=
= 0,01
12
12!
(4)
(4! 8!)
(3 ) = 1-0.01 = 0,99
En un grupo de 15 personas: 7 leen la revista A; 5 leen la revista B y 6 ninguna
revista. Encuentre la probabilidad que al elegir al azar una persona, esta lea al
menos 1 revista.
Representacin Grfica
15 Personas
A
0.2
0.27
0.47
TOTAL
Lean A
Lean B
Lean A y B
4
2
3
9
0.13
0.4
0.53
= P(E) = 0.6
67
TOTAL
0.33
0.67
1
Ley De Complemento
Esta ley nos indica que parada conjunto sean estos A y B el complemento entre ellos
ser lo que esta fuera de estos conjuntos es decir lo que esta fuera de nuestro espacio
muestral.
El
68
que no tienen puntos en comn, se aplica sumando las probabilidades de los eventos
considerados.
Probabilidad Condicional
Las variables de nuestro conjunto se encuentran condicionadas, porque nos hace
referir que para que suceda un evento en el segundo conjunto debemos saber que
paso en el conjunto anterior, no puede suceder nada en el segundo conjunto si es
que no ha pasado algo en el primero ya que estn sujetos a condiciones de
anticipacin de los eventos.
69
Ejercicio
Tenemos una encuesta de 120 personas las cuales se necesitan saber con
respeto a los hbitos de lectura
LE GUSTA LEER
40
50
90
HOMBRE
MUJER
TOTAL
NO LE GUSTA LEER
20
10
30
TOTAL
60
60
120
Se pide:
a) Cul es la probabilidad que sea mujer?
b) Cul es la probabilidad de que una persona elegida al azar le guste leer y
sea mujer?
c) Cul es la probabilidad que una persona elegida que le guste leer al azar
dado que es una mujer?
60
P (L, M) = 120 = 42
P () =
()
()
0.42
0.5
= 0.84
En una empresa hay 200 empleados, de los cuales 150 son graduados. 60
empleados realizan trabajo de administracin. De estos ltimos, 40 son
graduados. Si se toma al azar un empleado, encuentre la probabilidad que:
a) Sea graduado y no realiza trabajo de administracin.
b) Sea graduado dado que no realiza trabajo de administracin.
c) No sea graduado dado que realiza trabajo de administracin.
GRADUADO
NO GRADUADO
TOTAL
SON DE
ADMINISTRACIN
40
20
60
NO SON DE
ADMINISTRACIN
110
30
140
70
TOTAL
150
50
200
P (GNA) = = .
.
P () = . = . ; () =
P () = . = . ; ( ) =
= .
= . ; () =
= .
Eventos Independientes
Un evento es independiente de otro, ya que en cada experimento no se depender
de que suceda del otro as que se puede realizar un nmero indeterminado de
experimentos y cada uno de ellos sus valores o sucesos dependern de ellos mismos.
71
M.C. Guardado France, (2014)Los teoremas que restan nos dicen como calcular las
probabilidades de sucesos cuando tenemos que el suceso seguro est descompuesto
en una serie de sucesos incompatibles de los que conocemos su probabilidad. Para
ello necesitamos introducir un nuevo concepto.
Santiago Montesdeoca, (2001)Se trata de una coleccin de sucesos A1 , A2 , A3 , A4 .
Tales que la unin de todos ellos forman el espacio muestral, y sus intersecciones
son disjuntas. Todo suceso B, puede ser descompuesto en componentes de dicho
sistema.
Eduardo Vliz, (2004)Eventos independientes son aquellos que no afectan en el
resultado del otro. Cumplen la propiedad: P(AB) = P(A)P(B).
Ejercicios
En una fbrica se tiene 4 lneas de produccin, la lnea 1 produce el 40% de los
artculos, la line 2 el 25% y la lnea 3 el 15%. Se sabe que la probabilidad de
que un artculo producido en la lnea 1 presenta defecto es de 0.02; las
probabilidades de que los artculos presentan defectos cuando fueron
producidos en las lneas 2,3 o 4 son 0.04; 0.08; 0.05 respectivamente.
Cul es la probabilidad de que un artculo elegido al azar presente defectos?
L1
L2
40%
25%
L3
25%
L4
1 = 0.4
2 = 0.25
3 = 0.15
72
20%
4 = 0.2
A= Artculos Aprobados
P( ) = 0.02
1
P( ) = 0.04
2
P( ) = 0.08
3
P( ) = 0.05
4
P (A) = P(1 ) P ( ) + P(2 ) P ( ) + P(3 ) P ( ) +
1
P(4 ) P ( )
4
P( 3) = ()3
P( 3 ) = (0.15 0.08)
0.012
P( 3) = 0.04 = 0.3
73
1 = 0.4
2 = 0.25
3 = 0.15
4 = 0.2
A= Artculos Aprobados
P( ) = 0.02
1
P( ) = 0.04
2
P( ) = 0.08
3
P( ) = 0.05
4
P (A) = P(1 ) P ( ) + P(2 ) P ( ) + P(3 ) P ( ) +
1
P(4 ) P ( )
4
P( 3) = ()3
74
P( 3 ) = (0.15 0.08)
0.012
P( 3) = 0.04 = 0.3
P (F) = P( ) P() + P( ) P( )
P (F) = 0.7 x 0.1 + 0,3 x 0.2
P (F) = 0.13
75
Sucesos
Sucesos son considerados como las posibles relaciones que podemos establecer
entre las mismas, estos sucesos pueden contener una infinidad de sucesos ligados a
un suceso principal como tambin no se puede encontrar ningn suceso en el miso.
Juan Miguel Marn Diazaraque, (2014) Por supuesto los sucesos son ms
generales que los elementales, ya que son conjuntos que pueden contener no a uno
slo, sino a una infinidad de sucesos elementales (y tambin no contener ninguno).
Richard I. Levin, David S. Rubin (2004) Se dice que los eventos son
mutuamente excluyente si uno de ellos puede tener lugar a un tiempo, que de una
manera parecida, usted puede pasar o reprobar una materia antes de que termine
el curso o desertar y no obtener calificaciones".
76
Teorema De Bayes
Con bayes podemos deducir la probabilidad de que un suceso ocurra, porque
utilizamos probabilidades que anteriormente fueron analizadas con un suceso
inicial, solo cuando intervienen sucesos adicionales se deber volver a realizar
clculos en dicha probabilidad.
MC. Rita Luna Gandara, (2003)A partir de que ha ocurrido el suceso B (ha
ocurrido un accidente) deducimos las probabilidades del suceso A (estaba
lloviendo o haca buen tiempo?). El teorema de Bayes parte de una situacin en la
que es posible conocer las probabilidades de que ocurran una serie de sucesos Ai.
77
Variables Aleatorias
Este tipo de variables toman valores ya sean reales como no reales y sirven para
medir algn experimento de forma aleatoria es decir sin importar el orden de la
muestra.
Martnez Gmez, Mnica, (2004) Se dice que hemos definido una variable
aleatoria para un experimento aleatoria cuando hemos asociado un valor numrico
a cada resultado del experimento. Existen varios tipos de variables aleatorias, una
variable aleatoria es discreta cuando solo puede tomar unos ciertos valores enteros
en un numero finito de valores o infinito numerable.
78
x (Valor X)
(a, b)
(a, c)
(a, d)
(a, e)
(a, c)
(b, d)
(b, e)
(c, d)
(c, e)
(d, e)
2
2
1
1
2
1
1
1
1
0
F(x) = P(X=x) = 10 +
6
10
3
10
=1
P (X = 0) = 10
6
P (X = 1) = 10
3
P (X = 2) = 10
79
Regla De Correspondencia
Mide el proceso de vinculacin que tiene el conjunto A con respecto al conjunto B,
esto quiere decir que para cada valor del elemento A existe un nico valor en el
conjunto B no puede existir repeticin en dichos sucesos.
Funcin Acumulada
Esta distribucin mide el grado de distribucin que tiene un variable aleatoria
cualquiera, dando como resultado que solo puede tomar valores entre 0 y 1, estos
valores son fijos no puede tomar ms de dicho valor.
Valores Esperados
Es valor que nos proporciona la realizacin de un experimento el cual ser el
deseado y en el cual muchos profesionales se basan para tomar decisiones a la hora
de implementar un nuevo experimento.
Fisher R. A., (1919) Est medida en unidades distintas de las de la variable. Por
ejemplo, si la variable mide una distancia en metros, la varianza se expresa en
metros al cuadrado. La desviacin estndar es la raz cuadrada de la varianza, es una
medida de dispersin alternativa expresada en las mismas unidades de los datos de
la variable objeto de estudio.
Experimento Binomial
Es la que se puede expresar matemticamente que se utiliza en conjunto con la
variable aleatoria discreta cuando el nmero de resultados positivos de la muestra
es factible.
q = 1-0.04 = 0.96
p=0.04
X= Tres nos cumplen con las especificaciones
P(X=3) = (
)
!
(. ) (. ) = .
! ( )!
P (X 2) = 1-P (X<2)
1-P (X =0) + P(X<1)
P(X=0) = (
) (. ) (. ) = .
P(X=1) = (
) (. ) (. ) = .
Ejercicios
La probabilidad de que un equipo funcione correctamente es de 0.97, se
prueban equipos hasta encontrar 3 que funcionen correctamente. Cul es la
probabilidad de que se necesiten 8 pruebas para lograr el objetivo?
P (X=8) = (83
) (0.97)3 (0.03)5
31
7
( ) (0.97)3 (0.03)5
2
7!
(0.97)3 (0.03)5 = 0.0000004657
2! 5!
Distribucin Geomtrica
Podremos considerar que con esta distribucin podemos realizar un experimento a
la vez, esto quiere decir que cada vez que realicemos un experimento y obtengamos
un resultado, al querer realizar otra vez el mismo proceso esta distribucin no
guardara el resultado quiere decir que cada proceso ser como uno nuevo con
respecto al primero tambin se la conoce como la distribucin sin memoria.
84
Ejercicio
Se sabe que la probabilidad de un artculo que falle durante un ao de uso es
de 0.1, determine:
a) La probabilidad de que el sptimo articulo observado sea el segundo
que falle durante el primer ao.
p= 0.1
q= (1- 0.1) = 0.9
r=2
x=7
X=que es sptimo articulo observado sea el segundo que falle durante el ao.
P(X=7) = (71
) (0.1)2 (0.9)5 = 0.0354
21
b) Si se observa 10 de estos artculos elegido al azar Cul es la
probabilidad de que 4 fallan durante el primer ao de uso?
n= 10
p=0.1
q=1-0.1=0.9
X= La probabilidad de que 4 fallen en el primer ao de uso
X=4
P (X=4) = (10
) (0.1)4 (0.9)6 = 0.0112
4
Distribucin Hipergeometrica
Este tipo de distribuciones se utilizan cuando el tamao de experimento a realizar
supera en gran cantidad a cualquier otra, es primordial utilizarla solo en grandes
extensiones de informacin.
85
8!
12!
)(
)
3! 5! 1! 19!
20!
(
)
4! 16!
(83) (208
43 )
(20
4)
(83)(12
1)
(20
4)
= 0.14
86
;
;
() =
| =
P ( ) = ()
=
| =
P ( ) =
| = .
P ( ) =
| = .
() =
() =
| = [ ]
() =
E(x) = ( )
( )
| =
= [ ] ( )
( ) =
( )
= [] =
88
()
= .
89
Bibliografa
William Mendehall, Robert Beaver, Barbara Beaver (2006). La estadstica en Introduccin a la
probabilidad y estadstica. (Pg. 3). Mexico DF, Mexico: Cengage Learning.
William Mendehall, Robert Beaver, Barbara Beaver (2006). Estadstica inferencial en
Introduccin a la probabilidad y estadstica. (Pg. 4). Mxico DF, Mxico: Cengage Learning.
William Mendehall, Robert Beaver, Barbara Beaver (2006). Estadstica descriptiva en
Introduccin a la probabilidad y estadstica. (Pg. 4). Mxico DF, Mxico: Cengage Learning.
William Mendehall, Robert Beaver, Barbara Beaver (2006). Poblacin objetiva en Introduccin a
la probabilidad y estadstica. (Pg. 8). Mxico DF, Mxico: Cengage Learning.
William Mendehall, Robert Beaver, Barbara Beaver (2006). Unidades de investigacin en
Introduccin a la probabilidad y estadstica. (Pg. 8). Mexico DF, Mexico: Cengage Learning.
William Mendehall, Robert Beaver, Barbara Beaver (2006). Muestra en Introduccin a la
probabilidad y estadstica. (Pg. 8). Mexico DF, Mexico: Cengage Learning.
William Mendehall, Robert Beaver, Barbara Beaver (2006). Parmetro en Introduccin a la
probabilidad y estadstica. (Pg. 53). Mexico DF, Mexico: Cengage Learning.
William Mendehall, Robert Beaver, Brbara Beaver (2006). Estadsticas en Introduccin a la
probabilidad y estadstica. (Pg. 53). Mxico DF, Mxico: Cengage Learning.
William Mendehall, Robert Beaver, Brbara Beaver (2006). Variables cualitativas en
Introduccin a la probabilidad y estadstica. (Pg. 10). Mxico DF, Mxico: Cengage Learning.
William Mendehall, Robert Beaver, Barbara Beaver (2006). Variables cuantitativas en
Introduccin a la probabilidad y estadstica. (Pg. 10). Mxico DF, Mxico: Cengage Learning.
William Mendehall, Robert Beaver, Barbara Beaver (2006). Anlisis univariado en Introduccin
a la probabilidad y estadstica. (Pg. 9). Mexico DF, Mexico: Cengage Learning.
William Mendehall, Robert Beaver, Barbara Beaver (2006). Histograma de frecuencia relativa en
Introduccin a la probabilidad y estadstica. (Pg. 25). Mexico DF, Mexico: Cengage Learning.
William Mendehall, Robert Beaver, Barbara Beaver (2006). Media en Introduccin a la
probabilidad y estadstica. (Pg. 54). Mexico DF, Mexico: Cengage Learning.
William Mendehall, Robert Beaver, Barbara Beaver (2006). Moda en Introduccin a la
probabilidad y estadstica. (Pg. 55). Mexico DF, Mexico: Cengage Learning.
William Mendehall, Robert Beaver, Barbara Beaver (2006). Mediana en Introduccin a la
probabilidad y estadstica. (Pg. 55). Mexico DF, Mexico: Cengage Learning.
William Mendehall, Robert Beaver, Barbara Beaver (2006). Varianza en Introduccin a la
probabilidad y estadstica. (Pg. 62). Mexico DF, Mexico: Cengage Learning.
William Mendehall, Robert Beaver, Barbara Beaver (2006). Percentiles en Introduccin a la
probabilidad y estadstica. (Pg. 77). Mexico DF, Mexico: Cengage Learning.
90
(s.f.).
Alejandro Neira . (2009). Probabilidades Para Universitarios. Bogota: NORIEGA.
Alejandro Sanchez . (2002). Probabilidad Total . Mexico: Pearson Educacion.
Alexis Requena. (2007). Probabilidaes. Mexico: Pearson.
Alonso Zambrano . (2008). Probabilidades. Revista de la ESPOL, 29.
Angel Merizalde. (2012). Valores Espeados y Varianza . Caracas: MASLIBROS.
Antonio Vargas Sabadas. (1995). Estadstica descriptiva e inferencial. Cuenca: Universidad de
Castilla - La Mancha.
91
94
Tabla de contenido
Para qu sirve la estadstica? ............................................................................................ 3
La Estadstica ............................................................................................................................ 4
Estadstica Inferencial............................................................................................................. 4
Estadstica Descriptiva ........................................................................................................... 5
Datos Tomados Al Azar .......................................................................................................... 6
Poblacin Objetiva ................................................................................................................... 2
Unidades de Investigacin .................................................................................................... 2
Muestra ................................................................................................................................... 2
Observacin........................................................................................................................... 3
Parmetros y Estimadores .................................................................................................... 3
Parmetro ............................................................................................................................... 3
Estimador o estadstico ...................................................................................................... 3
Variables cualitativas .............................................................................................................. 5
Nominales............................................................................................................................... 5
Ordinales ................................................................................................................................ 5
Variables Cuantitativas o Numricas .................................................................................. 6
Discretas ................................................................................................................................. 6
Continuas ............................................................................................................................... 7
Tabla de frecuencia (Anlisis de variables cuantitativas) ............................................. 7
Anlisis univariado .............................................................................................................. 7
Clase ........................................................................................................................................ 7
Marca clase ............................................................................................................................ 8
Frecuencia absoluta ............................................................................................................ 8
Frecuencia relativa............................................................................................................... 9
Frecuencia acumulada ........................................................................................................ 9
Frecuencia relativa acumulada......................................................................................... 9
Histograma de frecuencias relativas ................................................................................ 11
Histograma de frecuencia relativa ................................................................................. 11
Ojiva ........................................................................................................................................... 12
Preguntas ................................................................................................................................. 16
Ejercicio ................................................................................................................................ 17
Estimadores ............................................................................................................................. 21
Media ..................................................................................................................................... 21
Moda ...................................................................................................................................... 23
Los estimadores solo se aplican en variables cuantitativas ...................................... 23
Distribucin normal representada por campana de Gauss ........................................ 23
Dispersin ................................................................................................................................ 24
Varianza ................................................................................................................................ 24
Desviacin estndar .......................................................................................................... 24
Coeficiente de variacin ................................................................................................... 25
Ejercicios .............................................................................................................................. 25
Estimadores de posicin.................................................................................................. 29
Percentiles del orden i ...................................................................................................... 29
Deciles ................................................................................................................................... 29
Cuantil ................................................................................................................................... 30
Diagrama de Cajas y Bigotes ...................................................................................................... 32
Rango Intercuartil ................................................................................................................... 32
Valores alejados ................................................................................................................. 33
Distribucin en forma simtrica ......................................................................................... 34
La curtosis ........................................................................................................................... 36
POSICIN ................................................................................................................................. 37
Campana de Gauss ............................................................................................................ 37
Ejercicio ................................................................................................................................ 38
Estimadores De Posicin ..................................................................................................... 41
Percentiles de orden i ....................................................................................................... 41
DECILES ............................................................................................................................... 42
CUARTILES .......................................................................................................................... 42
Cuantiles ............................................................................................................................... 43
DIAGRAMA DE CAJA Y BIGOTE ........................................................................................ 45
Rango Intercuartil................................................................................................................... 46
Valor Alejado ........................................................................................................................... 46
ESTIMACIN POR FORMA .................................................................................................. 47
Distribucin en Forma Simetra...................................................................................... 47
Anlisis Bivariado .................................................................................................................. 49
Signo de La Covariancia ...................................................................................................... 51
Matriz de Varianza y Covarianza ........................................................................................ 52
MATRIZ DE CORRELACIN ................................................................................................ 53