Documente Academic
Documente Profesional
Documente Cultură
ADMINISTRACIN
DE EMPRESAS
MVR
MARIANO VILLAVICENCIO ROSSELL
TEMA # 1
INTRODUCCION A LA ESTADISTICA O GENERALIDADES
1.1
DEFINICION
Es una ciencia que proporciona un conjunto de mtodos que se utilizan para recolectar,
resumir, clasificar, analizar e interpretar el comportamiento de los datos con respecto a una
investigacin.
1.2
ETIMOLOGIA
Segn distintos autores la palabra estadstica proviene de tres voces:
Del Latn STATUS que significa estado o situacin
Del Griego ESTATERA que significa balanza
Del Alemn STAAT que significa estado.
1.3. DIVISION DE LA ESTADISTICA
La estadstica se divide en dos grandes campos.
1.3.1 ESTADISTICA DESCRIPTIVA
Es el conjunto de mtodos que implican la recoleccin, presentacin y caracterizacin de
un conjunto de datos a fin de describir en forma apropiada las diversas caractersticas de
estas.
La estadstica descriptiva analiza, estudia y describe a la totalidad de individuos de una
poblacin. Su finalidad es obtener informacin, analizarla, elaborarla y simplificarla lo
necesario para que pueda ser interpretada cmoda y rpidamente y, por tanto, pueda
utilizarse eficazmente para el fin que se desee. El proceso que sigue la estadstica
descriptiva para el estudio de una cierta poblacin consta de los siguientes pasos:
Seleccin de caracteres dignos de ser estudiados.
Mediante encuesta o medicin, obtencin del valor de cada individuo en los
caracteres seleccionados.
Elaboracin de tablas de frecuencias, mediante la adecuada clasificacin de los
individuos dentro de cada carcter.
Representacin grfica de los resultados (elaboracin de grficas estadsticas).
Obtencin de parmetros estadsticos, nmeros que sintetizan los aspectos ms
relevantes de una distribucin estadstica.
1.3.2 ESTADISTICA INFERENCIAL
Llamada tambin inductiva, Es el conjunto de mtodos o tcnicas que posibilitan la
generalizacin o toma de las decisiones en base de una informacin parcial obtenidas
mediante tcnicas descriptivas.
La estadstica inferencial, sin embargo, trabaja con muestras, subconjuntos formados por
algunos individuos de la poblacin. A partir del estudio de la muestra se pretende inferir
aspectos relevantes de toda la poblacin. Cmo se selecciona la muestra, cmo se realiza la
inferencia, y qu grado de confianza se puede tener en ella son aspectos fundamentales de
la estadstica inferencial, para cuyo estudio se requiere un alto nivel de conocimientos de
estadstica, probabilidad y matemticas.
1
LIC. MARIANO VILLAVICENCIO ROSSELL
No fumadores
Fumadores leves
Fumadores moderados
Fumadores severos
1.5.2 VARIABLE CUANTITATIVA
Son aquellas en las que se pueden establecer cuanto o en qu cantidad se posee una
determinada caracterstica. Son variables cuantitativas el ingreso por familia, nmero de
accidentes de trnsito, Etc.
2
LIC. MARIANO VILLAVICENCIO ROSSELL
1.6.1 UNIVERSO
En estadstica el termino Universo se define como el todo de un enfoque de estudio, si
tomamos en cuenta como objeto de estudio a Bolivia, se incluyen todos los parmetros,
todava no se centra la atencin en un segmento especifico.
1.6.2 POBLACION
Son todos los elementos o datos que poseen una caracterstica comn, por ejemplo, los
universitarios, los servidores pblicos, los homosexuales, los obesos, etc.
1.6.3 MUESTRA
En estadstica, conjunto de individuos extrados de una poblacin con el fin de inferir,
mediante su estudio, caractersticas de toda la poblacin. Se dice que una muestra es
representativa cuando, por la forma en que ha sido seleccionada, aporta garantas
suficientes para realizar inferencias fiables a partir de ella.
Sus principales caractersticas son:
Representativa.- Se refiere a que todos y cada uno de los elementos de la poblacin tengan
la misma oportunidad de ser tomados en cuenta para formar dicha muestra.
Adecuada y vlida.- Se refiere a que la muestra debe ser obtenida de tal manera que
permita establecer un mnimo de error posible respecto de la poblacin.
Para que una muestra sea fiable, es necesario que su tamao sea obtenido
mediante procesos matemticos que eliminen la incidencia del error.
1.6.3.1 TIPOS DE MUESTRAS
Existen bsicamente dos tipos de muestras: muestras probabilsticas y muestras no
probabilsticas.
3
LIC. MARIANO VILLAVICENCIO ROSSELL
todos los sujetos que estn disponibles, lo que hace que la muestra represente mejor a toda
la poblacin.
1.7.1.3 MUESTREO POR CUOTAS
El muestreo por cuotas es una tcnica de muestreo no probabilstico en donde el
investigador asegura una representacin equitativa y proporcionada de los sujetos, en
funcin de qu rasgo es considerado base de la cuota.
Por ejemplo, si la base de la cuota es de nivel de ao en la universidad y el investigador
necesita una representacin igual, con un tamao de muestra de 100, debe seleccionar 25
estudiantes de 1 ao, 25 de 2 ao, 25 de 3 ao y 25 de 4 ao. Las bases de la cuota
generalmente son la edad, el gnero, la educacin, la etnia, la religin y el nivel
socioeconmico.
1.7.1.4 MUESTREO DISCRECIONAL
El muestreo discrecional es ms comnmente conocido como muestreo intencional. En este
tipo de toma de muestras, los sujetos son elegidos para formar parte de la muestra con un
objetivo especfico. Con el muestreo discrecional, el investigador cree que algunos sujetos
son ms adecuados para la investigacin que otros. Por esta razn, aquellos son elegidos
deliberadamente como sujetos.
1.7.1.5 MUESTREO DE BOLA DE NIEVE
El muestreo de bola de nieve se lleva a cabo generalmente cuando hay una poblacin muy
pequea. En este tipo de muestreo, el investigador le pide al primer sujeto que identifique a
otro sujeto potencial que tambin cumpla con los criterios de la investigacin. La
desventaja de usar una muestra de bola de nieve es que difcilmente sea representativa de la
poblacin.
1.7.1.6 CUNDO UTILIZAR EL MUESTREO NO PROBABILSTICO
Este tipo de muestreo puede ser utilizado cuando se quiere mostrar que existe un
rasgo determinado en la poblacin.
Tambin se puede utilizar cuando el investigador tiene como objetivo hacer un
estudio cualitativo, piloto o exploratorio.
Se puede utilizar cuando es imposible la aleatorizacin, como cuando la poblacin
es casi ilimitada.
Se puede utilizar cuando la investigacin no tiene como objetivo generar resultados
que se utilicen para hacer generalizaciones respecto de toda la poblacin.
Tambin es til cuando el investigador tiene un presupuesto, tiempo y mano de obra
limitados.
Esta tcnica tambin se puede utilizar en un estudio inicial que ser llevado a cabo
nuevamente utilizando un muestreo probabilstico aleatorio.
5
LIC. MARIANO VILLAVICENCIO ROSSELL
6
LIC. MARIANO VILLAVICENCIO ROSSELL
Dnde:
z = Valor de z correspondiente al nivel de confianza;
Un nivel de confianza del 95% (tambin lo expresamos as: = 0.05) corresponde a z =
1.96 sigmas o errores tpicos; z = 2 (dos sigmas) corresponde a un 95.5%
(aproximadamente, = 0.045).
7
LIC. MARIANO VILLAVICENCIO ROSSELL
Con z = 2.57 el nivel de confianza sube al 99% (nos equivocaramos una vez de cada 100),
pero como aumenta el numerador aumenta el cociente que es N, y harn falta ms sujetos
(y ms trabajo y ms gastos).
pq = Varianza de la poblacin
Como la varianza de la poblacin la desconocemos, ponemos la varianza mayor posible
porque a mayor varianza har falta una muestra mayor.
Recordamos el significado de los smbolos:
p = proporcin de respuestas en una categora (ses, respuestas correctas, unos en la
codificacin usual, etc.)
q = proporcin de repuestas en la otra categora (noes, ceros en la codificacin usual).
La varianza en los tems dicotmicos (dos respuestas que se excluyen mutuamente) es
igual a pq y la varianza mayor (la mayor diversidad de respuestas) se da cuando p = q = .50
(la mitad de los sujetos responde s y la otra mitad responde no) por lo que en esta frmula,
pq es siempre igual a (.50)(.50) = .25 (es una constante).
e = Error muestral
Lo representamos con la letra e (no es el nico smbolo que se utiliza) que significa error o
desviacin posible cuando extrapolemos los resultados. Es el margen de error que
aceptamos.
Si el margen de error es 3.16%, en la frmula pondremos e = 0.0316. Si dice que s un
64.3% en la muestra, entendemos que dice que s en la poblacin entre un (64.3 - 3.16)% y
un (64.3 + 3.16)%. Cuanto ms bajo sea este error probable, que es el denominador,
aumenta la precisin pero tambin subir obviamente el cociente: harn falta ms sujetos (y
sube el precio, etc.).
Observando la frmula vemos que, efectivamente, el tamao de la muestra (cociente o
resultado de la frmula) ser mayor segn sea mayor el nivel de confianza y la varianza
esperada en la poblacin (numerador en la frmula) y segn sea menor el margen de error
que estamos dispuestos a admitir (denominador en la frmula).
Por ejemplo qu muestra necesitaremos con un nivel de confianza del 95% (o = .05), al
que corresponde z = 1.96, y admitiendo un margen de error del 5% o del 2%?
Ya
sabemos que pq = .25.
El nivel de confianza nunca suele ser menor de = .05 (nos equivocaramos en nuestra
prediccin o generalizacin 5 veces de cada 100), y como pq es igual a .25, el nmero de
sujetos va a depender de hecho del margen de error que estamos dispuestos a tolerar.
Con frecuencia se opera con un nivel de confianza del 95.5%; la razn prctica est en que
este nivel de confianza corresponde a z = 2 (dos sigmas); y el numerador de la frmula
queda muy simplificado:
8
LIC. MARIANO VILLAVICENCIO ROSSELL
El tamao de la muestra no vara mucho; en el ejemplo anterior (error tolerado del 5% del
2%) necesitaramos 400 y 2500 sujetos en vez de 384 y 2401.
Resumiendo lo dicho hasta ahora, el tamao de la muestra (valor de N) aumentar:
1. Si aumenta nuestro nivel de confianza (de seguridad) que requiere un valor mayor de z,
2. Si disminuye el error muestral (e).
Es decir, si queremos mucha seguridad y poco margen de error har falta un N mayor,
En la tabla 1 podemos ver el tamao de la muestra (N) para diversos valores de e
(mrgenes de error) y los dos niveles de confianza ms usuales (z = 1.96 o un 95% de nivel
de confianza y z = 2.57 o un 99% de nivel de confianza o probabilidades de no
equivocarnos):
En general:
1 Es suficiente un nivel de confianza de = 0.05 (que equivale a z = 1.96); es la prctica
habitual,
2 El margen de error no debe ser superior a 0.05 (5%) para que los resultados sean
realmente informativos y tiles.
1.9.2 PARA POBLACIONES NO MUY GRANDES (poblacin finita)
Para calcular el tamao de la muestra suele utilizarse la siguiente frmula:
Dnde:
n = el tamao de la muestra.
N = tamao de la poblacin.
= Desviacin estndar de la poblacin que, generalmente cuando no se tiene su valor,
suele utilizarse un valor constante de 0,5.
Z = Valor obtenido mediante niveles de confianza. Es un valor constante que, si no se tiene
su valor, se lo toma en relacin al 95% de confianza equivale a 1,96 (como ms usual) o en
relacin al 99% de confianza equivale 2,58, valor que queda a criterio del investigador.
e = Lmite aceptable de error muestral que, generalmente cuando no se tiene su valor, suele
utilizarse un valor que vara entre el 1% (0,01) y 9% (0,09), valor que queda a criterio del
encuestador.
EJEMPLO.- Calcular el tamao de la muestra de una poblacin de 500 elementos con un
nivel de confianza del 95%
Solucin:
Se tiene N=500, para el 95% de confianza Z = 1,96, y como no se tiene los
Dems valores se Tomar = 0,5 y e = 0,05.
9
LIC. MARIANO VILLAVICENCIO ROSSELL
.
TABLA DE APOYO AL CALCULO DEL TAMAO DE UNA MUESTRA
POR NIVELES DE CONFIANZA
Certeza
95%
94%
93%
92%
91%
90%
80%
62.27%
50%
1.96
1.88
1.81
1.75
1.69
1.65
1.28
0.6745
3.84
3.53
3.28
3.06
2.86
2.72
1.64
1.00
0.45
0.05
0.06
0.07
0.08
0.09
0.10
0.20
0.37
0.50
0.0025
0.0036
0.0049
0.0064
0.0081
0.01
0.04
0.1369
0.25
10
LIC. MARIANO VILLAVICENCIO ROSSELL
95%
94%
93%
92%
91%
90%
80%
62.27%
50%
1.96
1.88
1.81
1.75
1.69
1.65
1.28
0.6745
3.84
3.53
3.28
3.06
2.86
2.72
1.64
1.00
0.45
0.05
0.06
0.07
0.08
0.09
0.10
0.20
0.37
0.50
0.0025
0.0036
0.0049
0.0064
0.0081
0.01
0.04
0.1369
0.25
11
LIC. MARIANO VILLAVICENCIO ROSSELL
TEMA # 2
ORGANIZACIN Y CLASIFICACION DE DATOS
Frente a un conjunto de datos, el primer paso a dar debe ser expresarlos y clasificarlos de
acuerdo a criterios convenientes que permita ver todas las caractersticas posibles para
obtener conclusiones tiles ya sea directamente o por clculos posteriores. Se consideran
los siguientes pasos.
12
LIC. MARIANO VILLAVICENCIO ROSSELL
2.4
DISTRIBUCION
DE
FRECUENCIAS
CUANDO
LOS
DATOS
CORRESPONDEN A UNA VARIABLE DISCRETA
En este caso la tabla de distribucin de frecuencias tiene la siguiente caracterstica:
Xi
fi
Fi
hi
Hi
Lmite
de Frecuencia
Frecuencia
Frecuencia
Frecuencia Relativa
clase
u Absoluta
Absoluta
Relativa
acumulada(sumatoria
observaciones simple
Acumulada
simple
de la hi)
iguales
(nmero
de (sumatoria
(resulta de
veces
que de
las la divisin
aparece
un frecuencia
de la fi y
valor en el absoluta
el nmero
conjunto
de simple)
de datos)
observaciones)
N= (nmero de
1,00
datos)
Ejemplo.- se realiza una encuesta a 10 familias sobre el nmero de hijos, los resultados de
dicha encuesta se muestran a continuacin.
fam1= 2
fam8 = 1
fam3 = 3
fam2 = 1
fam10= 1
Solucin:
Paso 1.fam1= 2
fam2 = 1
fam7 = 0
fam8= 1
fam9 = 2
fam3 = 3
fam9= 2
fam4 = 1
fam5 = 1
fam4 = 1
fam6 =1
fam7 = 0
fam5 = 1
fam6 =
fam10= 1
fi
f1= 1
f2= 6
f3= 2
f4= 1
N= 10
Fi
F1= 1
F2= 7
F3= 9
F4= 10
hi
h1= 0,10
h2= 0,60
h3= 0,20
h4= 0,10
1,00
Hi
H1= 0,10
H2= 0,70
H3= 0,90
H4= 1,00
13
LIC. MARIANO VILLAVICENCIO ROSSELL
Interpretacin de la tabla
Por ejemplo:
f1 = 1, significa que en las familias encuestadas existe una familia que no tiene hijos
f2 = 6, Existen 6 familias que tienen a un hijo cada una.
F2 = 7, Existen hasta 7 familias que tienen un hijo o menos
F4 = 10, existen hasta 10 familias que tienen 3 hijos o menos
h2 = 0,60 nos indica la proporcin de familias que tienen 1 hijo
h3 = 0,20 nos indica la proporcin de familias que tienen 2 hijos
H2 = 0,70 nos indica la proporcin de familias que tienen 1 hijo o menos
H3 = 0,90 nos indica la proporcin de familias que tienen 2 hijos o menos
2.5 DISTRIBUCION DE FRECUENCIA CUANDO LOS DATOS CORRESPONDEN
A UNA VARIABLE CONTINUA
Si la informacin est dada por una variable continua, existe un valor mximo (Xi = X max)
y un valor mnimo (Xi = Xmin). Para construir la tabla se siguen los siguientes pasos:
Paso 1:
Se determina el rango o recorrido (R = Xmax Xmin)
Paso 2:
Se determina el intervalo de clase (P+ o IC), existen dos formas:
Mtodo de induccin
Regla de STURGER
Se establece segn el criterio del Se aplica la formula P+ = 1 + 3,33 * Log N
investigador ejemplo, 5, 6, 7n
Paso 3:
Se determina la amplitud de clase (AC = R/P+)
Luego la caracterstica de la tabla es la sgte:
Xi-1
Xi+1
Xi*
fi
Fi
hi
Hi
Lmite inferior
lmite Marca de clase o Resulta
Igual que Igual
Igual
superior
punto medio se del conteo en casos que en que en
X0=Xmin
X1
determina
de
los discretos casos
casos
X1
X2
sumando el (Xi- valores
discretos discretos
X2
X3
se
1) y el (Xi+1) de que
X4
cada clase y encuentran
Xn=Xmax
dividiendo entre entre
el
dos
(Xi-1) y el
(Xi+1) de
cada clase
Total
N=
Ejemplo.- Los datos representan los pesos en Kg. De 50 nios de 1 a 5 aos.
5,5
7,5
10,5 9,5
8,5
6,5
8,5
10,5 8,5
10,5 7,5
9,5
7,5
6,5
5,5
10,5 10,0 8,5
6,5
7,5
7,5
6,5
5,5
5,5
8,5
7,5
6,5
7,5
9,0
9,0
7,5
8,5
7,5
8,2
9,5
8,5
6,5
10,5 6,5
9,5
8,5
9,5
10,5 9,5
6,5
10,5 6,5
10,5
8,5
7,8
Solucin:
Paso 1:
R = Xmax X min
R = 10,5 - 5, 5
R= 5
Paso 2:
El Intervalo de clases ser determinado por el mtodo de induccin por lo tanto es: P+ = 5
Paso 3:
AC = R / P+
AC = 5 / 5
AC = 1
Una vez determinado el R, P+, AC, se procede a tabular los datos, donde Xmin = X0
Xi-1
Xi+1
Xi*
fi
Fi
hi
Hi
X0=5,5 X1=6,5
X1*= 6
f1 = 13
F1= 13
h1= 0,26
H1= 0,26
X1=6,5 X2=7,5
X2*= 7
f2 =9
F2= 22
h2= 0,18
H2= 0,44
X2=7,5 X3=8,5
X3*= 8
f3 = 11
F3= 33
h3= 0,22
H3= 0,66
X3=8,5 X4=9,5
X4*= 9
f4 =8
F4= 41
h4= 0,16
H4= 0,82
X4=9,5 X5=10,5 X5*= 10
f5 =9
F5= 50
h5= 0,18
H5= 1,00
Total
N= 50
1,00
Interpretacin
f3 = 11, existen 11 nios que pesan entre 7,5 y 8,5 Kilogramos
F4 = 41, hay 41 nios que pesan entre 8,5 y 9,5 kilogramos o menos
h5 = 0,18 Hay una proporcin de 0,18 nios o el 18% de nios tienen un peso hasta 10,5
kilogramos
H4 = 0,82 el 82% de los nios pesan hasta 9,5 kilogramos o menos.
2.6 RECONSTRUCION DE TABLAS ESTADISTICAS
Ejemplo1:
Un dent ista observa el nmero de caries en cada uno de los 100 nios de cierto
colegio. La informacin obtenida aparece resumida en la siguiente tabla:
N de caries
fi
hi
25
0.25
20
0.2
15
0.15
0.05
Solucin.
La suma de las frecuencias relat ivas simples ha de ser igual a 1:
0.25 + 0.2 + z + 0.15 + 0.05 = 1
0.65 + z = 1 z = 0.35
15
LIC. MARIANO VILLAVICENCIO ROSSELL
N de caries
fi
hi
25
0.25
20
0.2
35
0.35
15
0.15
0.05
100
1.00
Ejemplo 2:
Completar los datos que faltan en la siguiente tabla estadst ica:
xi
fi
3
7
hi
0.08
16
Fi
0.16
0.14
28
38
45
8
Primera fila:
F 1 = f1 F 1 = 4 =
Calcular n = f 1 /h 1 n =
Segunda fila:
F2 = 4 + 4 = 8
4 /0,08
n = 50
h 2 = f2 /n h 2 = 4/50 =0,08
Tercera fila:
f 3 = n 3 *n f3 = 0,16* 50 f3 = 8
Cuarta fila:
F 4 = F 3 + f4 F 4 = 16 + 7 = 23
16
LIC. MARIANO VILLAVICENCIO ROSSELL
Quinta fila:
h 5 = f5 /n h 5 = 5/50 =0,1
Sexta fila:
f 6 = F 6 F 5 f6 = 38 28 =10
h 6 = f 6 /n h 6 =10/50 = 0,2
Sptima fila:
h 7 = f 7 /n h 7 =7/50 = 0,17
Octava fila:
F 8 = n = 50
f 8 = F 8 -F7 f8 = 50-45 = 5
h 8 = f 8 /n h 8 =5/50= 0.10
xi
fi
Fi
hi
0.08
0.08
16
0.16
23
0.14
28
0.10
10
38
0.20
45
0.14
50
0.10
50
1.00
17
LIC. MARIANO VILLAVICENCIO ROSSELL
45 60 70 30 40 28 58 40 38
39 65 70 65 39 56 55 60 78
50 34 45 45 60 55 35 40 35
con 5 intervalos de clase
3. Se realiz una encuesta a 20 mujeres sobre el nmero de veces que salen a divertirse con
sus amigas en un mes y los resultados fueron los siguientes.
0 5 10 5 4 4 5 0 1 2 0 1 7 10 3 4 2 1 1 5
a) construir una tabla de distribucin de frecuencias (casos discretos) , e interpretar.
b) Construir una tabla de distribucin de frecuencias casos continuos con 5 intervalos de
clases, e interpretar.
4. los pesos redondeados de 100 estudiantes son los sgtes:
60 70 80 50 40 45 65 70 79 67 79 45 60 70 80 90 98 78 56 65
70 45 57 58 60 65 70 98 87 79 65 75 65 79 56 55 60 79 80 90
80 56 76 65 70 80 90 55 57 90 80 75 65 80 55 60 75 60 65 55
90 87 67 55 65 78 70 67 67 68 55 55 50 53 54 93 56 70 80 80
70 86 85 65 48 45 75 40 56 50 55 64 58 50 58 59 70 49 52 51
a) construir una tabla de distribucin de frecuencias (casos discretos) , e interpretar.
b) Construir una tabla de distribucin de frecuencias casos continuos con intervalos de
clases definidos por la regla de sturger, e interpretar.
5. reconstruir la siguiente tabla.
Xi-1
Xi+1
20
Xi*
15
20
fi
2
45
55
3
4
Fi
3
5
9
hi
0,19
Hi
0,31
0,25
0,75
16
0,25
1,00
18
LIC. MARIANO VILLAVICENCIO ROSSELL
Tema # 3
5.- Fuente
6.-Nota
3.2.1.1 NUMERO
Es el cdigo de identificacin del cuadro, este nmero se escribe a continuacin de la
palabra cuadro
3.2.1.2 TITULO
El titulo se debe de escribir en la parte superior del cuadro y debe reunir las siguientes
condiciones: ser completo, ser conciso (claro, concreto), el titulo debe indicar claramente el
contenido del cuadro, debe responder a preguntas como ser:
Qu?- a que se refiere la tabla
Cmo?- como se estudia las caractersticas del universo (o sea las variables)
Cundo?- cuando se realiza el estudio
Dnde?- lugar del estudio
3.2.1.3 MATRIZ
La matriz de un cuadro estadstico est constituida por el primer rengln y la primera
columna, donde se anota los nombres de las categoras o los limites de los intervalos de
clase.
3.2.1.4 CUERPO.
Es el conjunto de celdas o casillas que son resultantes de la interseccin de las columnas y
renglones donde se anotan los datos numricos.
3.2.1.5 FUENTE
Nos indica la entidad responsable de donde se obtuvieron los datos y debe escribirse al pie
izquierdo del cuadro.
19
LIC. MARIANO VILLAVICENCIO ROSSELL
CUADRO N 1
MATRIZ
Titulo
TURNO
MAANA
TARDE
NOCHE
TOTAL
FUENTE: Direccin CIEMS 2014
NOTA ACLRATORIA.- (Datos inducidos)
N ALUMNOS
20
10
40
70
FUENTE
NOTA ACLARATORIA
CUERPO
20
LIC. MARIANO VILLAVICENCIO ROSSELL
3.- Determinadas las interacciones se unen los puntos dejando abierto en los extremos con
una lnea horizontal.
3.3.2.2 POLIGONOS DE FRECUENCIA
Los polgonos de frecuencias absolutas y relativas simples resultan de la unin de los
puntos medios de las bases superiores del histograma de frecuencias. Se trazan rectas hasta
alcanzar en ambos extremos el eje horizontal. El rea encerrada por el histograma coincide
con el rea encerrada por el polgono.
OJIVA
POLIGONOS DE
FRECUENCIA
HISTOGRAMA
21
LIC. MARIANO VILLAVICENCIO ROSSELL
22
LIC. MARIANO VILLAVICENCIO ROSSELL
wi
w1=93,60o
64,80o
79,20o
57,60o
64,80o
360,00o
Wi
93,60o
158,40o
237,60o
295,20o
360,00o
Ejemplo
w1 =h1 *360
w1 =0,26*360
w1 = 93,60o
Grfico N 1
Pesos de 50 nios de 1 a 5 aos
de la Ciudad de Trinidad
HISTOGRAMA DE
FRECUENCIAS
Y
14
12
10
8
6
4
2
5,5
6,5
7,5
8,5
9,5
10,5
23
LIC. MARIANO VILLAVICENCIO ROSSELL
Grfico N 2
Pesos de 50 nios de 1 a 5 aos
de la Ciudad de Trinidad
POLIGONO DE
FRECUENCIAS
Grfico N 3
Pesos de 50 nios de 1 a 5 aos
de la Ciudad de Trinidad
POLIGONO E HISTOGRAMA
DE FRECUENCIAS
24
LIC. MARIANO VILLAVICENCIO ROSSELL
Grfico N 4
Pesos de 50 nios de 1 a 5 aos
de la Ciudad de Trinidad
OJIVA
Grfico N 5
Pesos de 50 nios de 1 a 5 aos
de la Ciudad de Trinidad
DIAGRAMA DE SECTORES
25
LIC. MARIANO VILLAVICENCIO ROSSELL
Xi-1
10
20
30
40
50
Xi
15
25
35
45
55
Xi+1
20
30
40
50
60
fi
5
2
5
3
4
19
Fi
5
7
12
15
19
Xi*
15
25
35
45
55
fi
3
2
4
3
4
16
hi
0,26
0,11
0,26
0,16
0,21
1,00
Hi
0,26
0,37
0,63
0,79
1,00
Fi
3
5
9
12
16
hi
0,19
0,12
0,25
0,19
0,25
1,00
Hi
0,19
0,31
0,56
0,75
1,00
26
LIC. MARIANO VILLAVICENCIO ROSSELL
Tema # 4
ESTADIGRAFOS DE POSICION
Los estadgrafos de posicin se dividen en dos grandes campos:
De tendencia central
De localizacin
4.1 ESTADIGRAFOS DE TENDENCIA CENTRAL
Son aquellos que nos describen el valor central de un conjunto de datos o el lugar que
ocupan en la distribucin de frecuencias entre ellos tenemos de importancia La Media
Aritmtica y La Mediana.
4.2 ESTADIGRAFOS DE LOCALIZACION
Son aquellos que nos sealan la localizacin de los valores externos y el ms importe es la
Moda o Modo.
4.3 MEDIA ARITMETICA
Es el cociente de la sumatoria de todos los valores observados entre el nmero de
observaciones.
4.4 MEDIANA
En un conjunto de datos ordenados es el valor medio o la media aritmtica de los valores
centrales. La mediana es el valor que no es superada ni supera a ms de la mitad de los
datos.
4.5 MODA
La moda de una muestra observada es aquel valor de la variable que se presenta con mayor
frecuencia, es decir es el valor que ms veces se repite. Para su clculo es necesario ordenar
los datos y se tienen las siguientes posibilidades de la moda:
Bimodal: cuando existe dos modo ( se repiten dos valores con mas
frecuencias)
27
LIC. MARIANO VILLAVICENCIO ROSSELL
X = Xi
N
X N+1
2
X = (1+1+1+1+2+2+3+3+4+6)
10
X = 24 = 2,4
10
Esto significa que existe un promedio de 2,4 Habitaciones por vivienda encuestada
La mediana
En este caso el nmero de datos observados es par entonces:
Md = Xi-1 + Xi+1
2
2
Md = 2 + 2
2
Md = 4
2
= 2
Esto significa que hay una mediana de 2 habitaciones por vivienda encuestada.
La moda
La moda viene a ser el dato o la observacin que ms se repite, en este caso el dato
que ms se repite es el 1por lo tanto la moda es:
Mo= 1
y es Unimodal.
Lo cual significa que existen ms viviendas que tienen una sola habitacin.
28
LIC. MARIANO VILLAVICENCIO ROSSELL
X = fi * Xi
N
Ejemplo # 2. Una vez tabulados los datos se debe efectuar en una nueva columna el
producto entre (fi * Xi), para luego determinar la sumatoria de la columna y poder aplicar
la frmula:
Nmero de Hijos en 10 familias encuestadas
Xi
fi
Fi
hi
Hi
fi * Xi
0
1
1
0,10
0,10
0
1
6
7
0,60
0,70
6
2
2
9
0,20
0,90
4
3
1
10
0,10
1,00
3
Total
N= 10
1,00
= 13
Observando en la sexta columna vemos que (fi*Xi), es igual a 13, entonces ahora
podemos reemplazar en la formula:
X = fi * Xi
N
X = 13 = 1,3
10
Al Ubicar N/2 se determina Fi-1 anterior y Fi+1 posterior y por lo tanto quedan
tambin determinado Xi-1 anterior y Xi+1 posterior, entonces:
Fi-1= 1
Fi+1= 7
Xi-1= 0
Xi+1= 1
29
4.
Por lo tanto N/2 es mayor a Fi-1 entonces la mediana es igual al valor Xi+1.
4.7.3 La Moda
En este caso se determina con la siguiente formula
Mo = Xi fi max
Lo que significa que la moda es igual al valor Xi que se encuentra en la misma fila o
lmite de fi max.
Ejemplo # 4.
Xi
fi
Fi
hi
Hi
0
1
1
0,10
0,10
1
6 fi max
7
0,60
0,70
2
2
9
0,20
0,90
3
1
10
0,10
1,00
Total
N= 10
1,00
Ubicando la frecuencia absoluta simple mxima (fi max).
Vemos que fi max = 6 entonces el valor Xi es 1. Por lo tanto la Moda es:
Mo = 1, lo que significa que la mayor parte de las familias encuestadas tiene un
hijo.
4.8 MEDIA, MEDIANA, MODA PARA DATOS TABULADOS CASOS
CONTINUOS
4.8.1 LA MEDIA ARITMETICA
Para determinar la media aritmtica en este caso se utiliza la siguiente frmula:
X = fi * X*i
N
Al igual que en casos discretos se debe utilizar la tabla de distribucin de frecuencias para
determinar la sumatoria del producto de los puntos medios y las frecuencias absolutas
simples (fi * X*i).
Ejemplo # 5. Pesos de 50 nios de 1 a 5 aos.
Xi-1 - Xi+1 Xi*
fi
Fi
hi
Hi
fi * X*i
5,5 - 6,5
6
13
13
0,26
0,26
78
6,5 - 7,5
7
9
22
0,18
0,44
63
7,5 - 8,5
8
11
33
0,22
0,66
88
8,5 - 9,5
9
8
41
0,16
0,82
72
9,5 - 10,5
10
9
50
0,18
1,00
90
Total
N=50
1,00
391
*
Una vez determinado (fi * X i), el siguiente paso es remplazar en la formula:
X = fi * X*i
N
X = 391 = 7,82
50
30
Lo que significa que existe una mediana de nios que pesan 7,78 kilogramos
4.8.3
LA MODA
Para calcular la moda en casos continuos se debe aplicar la siguiente frmula:
Mo = Xi-1 + AC (
1 )
1 + 2
1 = fi max fi-1
Delta 1
2 = fi max fi+1
Delta 2
Formula de la Moda
31
LIC. MARIANO VILLAVICENCIO ROSSELL
hi
0,26
0,18
0,22
Hi
0,26
0,44
0,66
0,16
0,18
1,00
0,82
1,00
fi-1 = 9
fi+1 = 8
AC = 1
Xi-1 = 7,5
1 = 2
2 = 3
1 = 11 - 9
= 2
2 = fi max fi+1
2 = 11 - 8
= 3
Mo = Xi-1 + AC (
1 ) Mo = 7,5 + 1 ( 2
) =
1 + 2
2+3
Mo = 7, 9
Lo que significa que existen ms nios que tienen un peso promedio de 7,9 kilogramos.
32
LIC. MARIANO VILLAVICENCIO ROSSELL
2.60
70
80
90
70
33
LIC. MARIANO VILLAVICENCIO ROSSELL
Tema # 5
OTRAS MEDIDAS DE POSICIN CENTRAL
En matemticas y estadstica una media o promedio es una medida de tendencia central que
resulta al efectuar una serie determinada de operaciones con un conjunto de nmeros y que,
en determinadas condiciones, puede representar por s solo a todo el conjunto. Existen
distintos tipos de medias, tales como la media geomtrica, la media ponderada y la media
armnica media cuadrtica aunque en el lenguaje comn, el trmino se refiere
generalmente a la media aritmtica.
5.1 MEDIA GEOMTRICA
En matemticas y estadstica, la media geomtrica de una cantidad arbitraria de nmeros
(por decir n nmeros) es la raz n-sima del producto de todos los nmeros, es recomendada
para datos de progresin geomtrica, para promediar razones, inters compuesto y nmeros
ndices.
5.1.1 PROPIEDADES
El logaritmo de la media geomtrica es igual a la media aritmtica de los logaritmos de
los valores de la variable.
La media geomtrica de un conjunto de nmeros positivos es siempre menor o igual
que la media aritmtica:
Ventajas
Considera todos los valores de la distribucin
Es menos sensible que la media aritmtica a los valores extremos.
Desventajas
Es de significado estadstico menos intuitivo que la media aritmtica,
Su clculo es ms difcil
En ocasiones no queda determinada; por ejemplo, si un valor
entonces la media
geomtrica se anula.
Solo es relevante la media geomtrica si todos los nmeros son positivos. Como hemos
visto, si uno de ellos es 0, entonces el resultado es 0. Si hubiera un nmero negativo (o una
cantidad impar de ellos) entonces la media geomtrica sera o bien negativa, o bien
inexistente en los nmeros reales.
En muchas ocasiones se utiliza su trasformacin en el manejo estadstico de variables con
distribucin no normal.
La media geomtrica es relevante cuando varias cantidades son multiplicadas para producir
un total.
34
LIC. MARIANO VILLAVICENCIO ROSSELL
Ejemplo.- Supongase que las utilidades obtenidas por una compaa constructora en cuatro
proyectos fueron de 3, 2, 4 y 6%, respectivamente. Cal es la media geomtrica de las
ganancias?.
En este ejemplo X y asi la media geomtrica es determinada por
Donde las
Ejemplo.- Se puede usar una media ponderada para calcular la nota final de un curso, en
donde se asigna distinta importancia (peso) a los distintos exmenes que se realicen.
Por ejemplo, si las dos primeras pruebas tienen un peso de 30% y 20% respectivamente,
mientras que la ltima prueba tiene un peso de 50% y las calificaciones respectivas son de
6.4, 9.2, 8.1 entonces la nota final corresponde a la siguiente media ponderada:
Datos:
Pesos:
Media Ponderada:
o
La media armnica resulta poco influida por la existencia de determinados valores mucho
ms grandes que el conjunto de los otros, siendo en cambio sensible a valores mucho ms
pequeos que el conjunto.
La media armnica no est definida en el caso de que exista algn valor nulo.
5.4.1 PROPIEDADES
1. La inversa de la media armnica es la media aritmtica de los inversos de los
valores de la variable.
2. Siempre se puede pasar de una media armnica a una media aritmtica
transformando adecuadamente los datos.
3. La media armnica siempre es menor o igual que la media aritmtica, ya que para
cualesquiera nmeros reales positivos
:
Ventaja
Considera todos los valores de la distribucin y en ciertos casos, es ms representativa
que la media aritmtica.
36
LIC. MARIANO VILLAVICENCIO ROSSELL
Desventajas
La influencia de los valores pequeos y el hecho que no se puede determinar en las
distribuciones con algunos valores iguales a cero; por eso no es aconsejable su empleo
en distribuciones donde existan valores muy pequeos.
Se suele utilizar para promediar velocidades, tiempos, rendimientos, etc.
Ejemplo
Supongase que una familia realiza un viaje en automvil a un ciudad y cubre los primeros
100 km a 60 km/h, los siguientes 100 km a 70 km/h y los ltimos 100 km a 80 km/h.
Calcular, en esas condiciones, la velocidad media realizada.
37
LIC. MARIANO VILLAVICENCIO ROSSELL
Para una funcin de variable continua f(t) definida sobre el intervalo T1 t T2 viene dada
por la expresin:
5.6.1 PROPIEDAD
Hay una relacin de orden de las medias obtenidas de una misma coleccin de valores
H G A C , donde H es la media armnica; G, la media geomtrica; A, la media
aritmtica ; C, la media cuadrtica.
38
LIC. MARIANO VILLAVICENCIO ROSSELL
1.
Parcial 1
4.5
20
Parcial 2
3.5
20
Parcial 3
4.0
20
Examen final
4.0
20
Tema especial
4.5
10
2.- Se ha calculado que, durante el primer ao de uso, cierta mquina sufre una
depreciacin del 16% respecto a su valor de costo, y que, durante el segundo ao, la
depreciacin es del 9% del valor que tena al comenzar dicho segundo ao. Encuntrese un
tanto por ciento promedio de depreciacin anual.
3.- Si la asignatura A tiene un valor de 2 crditos y la asignatura B tiene un valor de 3
crditos. Entonces, para un estudiante que haya obtenido una calificacin de 4 en la
asignatura A y de 5 en la asignatura B, la nota promedio ponderado est dada por
4.- Suponga que en el ao 2013 los empleados de una empresa industria tienen salario
promedio de $2.500.000 y para el ao 2014 se les hizo un aumento de 15 %. Adems se les
da una bonificacin mensual de $50.000 por aniversario de la empresa. Cul es el salario
promedio del ao 2014?.
39
LIC. MARIANO VILLAVICENCIO ROSSELL
Tema # 6
, en la tabla de
Ejercicio de cuartiles
Calcular los cuartiles de la distribucin de la tabla:
fi
Fi
[50, 60)
[60, 70)
10
18
[70, 80)
16
34
[80, 90)
14
48
[90, 100)
10
58
[100, 110)
63
[110, 120)
65
65
Clculo del primer cuartil
6.2 DECILES
Son 9 valores que distribuyen la serie de datos, ordenada de forma creciente o decreciente,
en diez tramos iguales, en los que cada uno de ellos concentra el 10% de los resultados.
Los deciles dan los valores correspondientes al 10%, al 20%... y al 90% de los datos.
D5 coincide con la mediana.
6.2.1 CLCULO DE LOS DECILES
En primer lugar buscamos la clase donde se encuentra
de las frecuencias acumuladas.
, en la tabla
41
LIC. MARIANO VILLAVICENCIO ROSSELL
Fi
[50, 60)
[60, 70)
10
18
[70, 80)
16
34
[80, 90)
14
48
[90, 100)
10
58
[100, 110)
63
[110, 120)
65
65
Clculo del primer decil
42
LIC. MARIANO VILLAVICENCIO ROSSELL
6.3 PERCENTILES
Los percentiles son los 99 valores que dividen la serie de datos en 100 partes iguales.
Los percentiles dan los valores correspondientes al 1%, al 2%... y al 99% de los datos.
P50 coincide con la mediana.
, en la tabla
43
LIC. MARIANO VILLAVICENCIO ROSSELL
Fi
[50, 60)
[60, 70)
10
18
[70, 80)
16
34
[80, 90)
14
48
[90, 100)
10
58
[100, 110)
63
[110, 120)
65
65
Percentil 35
Percentil 60
44
LIC. MARIANO VILLAVICENCIO ROSSELL
[50, 60)
[60, 70)
[70, 80)
[80,90)
[90, 100)
[100, 110)
[110, 120)
fi
10
16
14
10
61
64
67
70
73
fi
18
42
27
45
LIC. MARIANO VILLAVICENCIO ROSSELL
TEMA # 7
ESTADIGRAFOS DE DISPERSION
Estudia la distribucin de los valores de la serie, analizando si estos se encuentran ms o
menos concentrados, o ms o menos dispersos.
Existen diversas medidas de dispersin, entre las ms utilizadas podemos destacar las
siguientes:
7.1 RANGO
Mide la amplitud de los valores de la muestra y se calcula por diferencia entre el valor ms
elevado y el valor ms bajo.
R = XMIN-XMAX
46
LIC. MARIANO VILLAVICENCIO ROSSELL
fi
xi fi
|x -x|
|x - x| fi
[10, 15)
12.5
37.5
9.286
27.858
[15, 20)
17.5
87.5
4.286
21.43
[20, 25)
22.5
157.5
0.714
4.998
[25, 30)
27.5
110
5.714
22.856
[30, 35)
32.5
65
10.714
21.428
21
457.5
98.57
7.3 VARIANZA
Mide la distancia existente entre los valores de la serie y la media. Se calcula como
sumatorio de las diferencias al cuadrado entre cada valor y la media, multiplicadas por el
nmero de veces que se ha repetido cada valor. El sumatorio obtenido se divide por el
tamao de la muestra.
Para datos no tabulados
47
LIC. MARIANO VILLAVICENCIO ROSSELL
48
LIC. MARIANO VILLAVICENCIO ROSSELL
fi
Fi
hi
Hi
1,20
3,3%
3,3%
1,21
1,22
1,23
1,24
1,25
1,26
1,27
1,28
1,29
1,30
4
4
2
1
2
3
3
4
3
3
5
9
11
12
14
17
20
24
27
30
13,3%
13,3%
6,6%
3,3%
6,6%
10,0%
10,0%
13,3%
10,0%
10,0%
16,6%
30,0%
36,6%
40,0%
46,6%
56,6%
66,6%
80,0%
90,0%
100,0%
49
LIC. MARIANO VILLAVICENCIO ROSSELL
Tema # 8
REGRESION
Muchos trabajos de investigacin, se centran en la determinacin de la relacin existente
entre dos variables X e Y (variable independiente y dependiente).
a. El inters de un investigador es conocer si las variables que se consideran se
relacionan o son independiente entre s: ejemplo; la presin sangunea (Y)
depende de la edad (X)?.
b. En otras la intencin es predecir (Y) a travs de (X); Qu peso (Y) debe tener un
individuo cuyo estatura es (X)?.
c. Otro objetivo puede ser conocer el tipo de relacin que liga a 2 variable, la estatura
de nio varia linealmente con la edad?.
Para establecer la relacin funcional entre dos variables se recurre al anlisis de regresin,
que nos permite predecir el valor de la variable dependiente (Y) sobre la base de otra u
otras; considerando a la primera como variable dependiente, y aquellas que sirven de base
para la prediccin variables independiente, denominadas tambin regreso res o variables
explicativas.
8.1 REGRESION
La mejor forma de comprobar si dos variables X e Y estn relacionadas consiste en tomar
una muestra anotar las parejas de las variables (X , Y) obtenidas en ellas son
=1,2,3,4,..n y representarlos en un sistema de ejes cartesianos , con (X) en el eje
horizontal e (Y) en el eje vertical. Al conjunto de puntos a si obtenidos se le llama nube de
puntos o diagrama de dispersin que nos permite tener una idea acerca si hay relacin entre
las variables, y en caso afirmativo sobre la forma de esta. Una nube de puntos como la fig.
a, nos indica que existe una relacin y que es de tipo lineal, pues fue la variable Y aumenta
linealmente ante un incremento en X. (la nube se ajustara ms o menos a una lnea recta ).
Una nube de puntos como al fig. b, nos indica que existe una relacin y que esta es una
recta, en este caso particular la relacin es parablica pues es la lnea de ajuste es una
parbola. Una nube de punto como la fig. c, nos indica que no existe una relacin pues no
se ve que lnea es la mejor se ajusta a ella, las lneas no tiene una tendencia clara.
Y
Fig. a
Fig. b
Fig. C
50
LIC. MARIANO VILLAVICENCIO ROSSELL
De modo general se dice que una muestra de n valores (X Y)existe regresin de los
valores de una variable con respecto a los de la otra haiga una lnea, llamada de regresin
que se ajusta a una nube de puntos. De existir regresin a la ecuacin Y=f (X) dnde por
ejemplo Y=2+3x que en este caso una relacin se llama ecuacin de regresin, a la variable
X se le llama variable independiente y a la variable Y se le llama variable dependiente.
mejor recta de ajuste. Dado que una ecuacin general para una recta donde X es la variable
independiente se denota por:
Y=a +bX
Donde:
X= valores de la variable independiente (valores conocidos)
Y= valores estimados de la variable y sobre la recta de ajuste para los respectivos valores
de la variable X.
a =estimador que nos representa la altura de nuestra recta ajustada sobre el eje de las
ordenadas. (Coeficiente de regresin).
b= estimador que nos muestra la pendiente la altura de la recta; es un estimador de la ay/ax,
proporcin de los cambios en Y como resultado de cambios en X (coeficiente de
regresin).
Los coeficientes de regresin ( a y b), estn dados segn la siguiente formulas:
b = n yixi - yixi
nxi2 - (xi)2
a=Y - bX
X
1
2
3
4
5
6
7
8
9
10
X = 55
Y
2
6
4
4
8
7
8
6
10
9
Y = 64
XY
2
12
12
16
40
42
56
48
90
90
XY = 408
X2
1
4
9
16
25
36
49
64
81
100
2
X =385
52
LIC. MARIANO VILLAVICENCIO ROSSELL
N = 10
Xi = 5,5
b = n yixi - yixi
nxi2 - (xi)2
Yi = 6,4
b = (10)(408) (55)(64) = 0,68
(10)(385) (55)2
Y=a +bX
Y = 2,66 + 0,68 X
Y = 2,66 + 0,68 X
53
LIC. MARIANO VILLAVICENCIO ROSSELL
54
LIC. MARIANO VILLAVICENCIO ROSSELL
TEMA # 9
TCNICAS DE CONTEO
Suponga que se encuentra al final de una lnea de ensamble final de un producto y que un
supervisor le ordena contar los elementos de un lote que se ha manufacturado hace unas
horas y del que se desconoce el nmero de productos que lo constituyen, de inmediato
usted empezar a contar un producto tras otro y al final informar al supervisor que son, 48,
54 u otro nmero cualquiera. Ahora suponga que ese mismo supervisor le plantea la
siguiente pregunta cuntas muestras o grupos ser posible formar con los productos del
lote, si las muestras o grupos a formar son de ocho elementos cada una de ellas?.
En el primer caso el cuantificar los elementos del lote no presenta dificultad alguna para la
persona encargada de hacerlo, pero cuando se le hace el segundo planteamiento, al tratar de
formar las muestras o grupos de ocho elementos la persona encargada empezar a tener
dificultad para hacerlo, en casos como este es necesario hacer uso de las tcnicas de conteo
para cuantificar los elementos del evento en cuestin (el nmero de muestras posibles a
formar de ocho elementos), luego, qu son las tcnicas de conteo?
Las tcnicas de conteo son aquellas que son usadas para enumerar eventos difciles de
cuantificar.
Ejemplos en los que definitivamente haremos uso de las tcnicas de conteo seran:
-Cuntas comisiones pro limpieza del instituto se pueden formar si hay 150 alumnos que
desean ayudar en esta tarea y se desea formar comisiones de ocho alumnos?
-Cuntas representaciones de alumnos pueden ser formadas a) si se desea que estas
consten solo de alumnos de Ingeniera Qumica?, b) se desea que el presidente sea un
qumico?, c) se desea que el presidente y tesorero sean qumicos? Para todos los casos, se
desea que las representaciones consten de once alumnos.
-Cuntas maneras tiene una persona de seleccionar una lavadora, una batidora y dos
licuadoras, si encuentra en una tienda 8 modelos diferentes de lavadoras, 5 modelos
diferentes de batidoras y 7 modelos diferentes de licuadoras?
Se les denomina tcnicas de conteo a: las combinaciones, permutaciones variaciones y
diagrama de rbol, las que a continuacin se explicarn y hay que destacar que stas nos
proporcionan la informacin de todas las maneras posibles en que ocurre un evento
determinado.
Las bases para entender el uso de las tcnicas de conteo son el principio multiplicativo y el
aditivo, los que a continuacin se definen y se hace uso de ellos.
9.1 PRINCIPIO MULTIPLICATIVO.
Si se desea realizar una actividad que consta de r pasos, en donde el primer paso de la
actividad a realizar puede ser llevado a cabo de N1 maneras o formas, el segundo paso de
N2 maneras o formas y el r-simo paso de Nr maneras o formas, entonces esta actividad
puede ser llevada a efecto de;
El principio multiplicativo implica que cada uno de los pasos de la actividad deben ser
llevados a efecto, uno tras otro.
Ejemplos:
1)
Una persona desea construir su casa, para lo cul considera que puede construir
los cimientos de su casa de cualquiera de dos maneras (concreto o block de
cemento), mientras que las paredes las puede hacer de adobe, adobn o ladrillo, el
techo puede ser de concreto o lmina galvanizada y por ltimo los acabados los
puede realizar de una sola manera cuntas maneras tiene esta persona de construir
su casa?
Solucin:
Considerando que r = 4 pasos
N1= maneras de hacer cimientos = 2
N2= maneras de construir paredes = 3
N3= maneras de hacer techos = 2
N4= maneras de hacer acabados = 1
N1 x N2 x N3 x N4 = 2 x 3 x 2 x 1 = 12 maneras de construir la casa
El principio multiplicativo, el aditivo y las tcnicas de conteo que posteriormente se
tratarn nos proporcionan todas las maneras o formas posibles de como se puede llevar a
cabo una actividad cualquiera.
2)
Cuntas placas para automvil pueden ser diseadas si deben constar de tres
letras seguidas de cuatro nmeros, si las letras deben ser tomadas del abecedario y
los nmeros de entre los dgitos del 0 al 9?, a. Si es posible repetir letras y nmeros,
b. No es posible repetir letras y nmeros, c. Cuntas de las placas diseadas en el
inciso b empiezan por la letra D y empiezan por el cero, d. Cuantas de las placas
diseadas en el inciso b empiezan por la letra D seguida de la G.
Solucin:
a.
c.
d.
3)
Cuntos nmeros telefnicos es posible disear, los que deben constar de seis
dgitos tomados del 0 al 9?, a. Considere que el cero no puede ir al inicio de los
nmeros y es posible repetir dgitos, b. El cero no debe ir en la primera posicin y
no es posible repetir dgitos, c. Cuntos de los nmeros telefnicos del inciso b
empiezan por el nmero siete?, d. Cuntos de los nmeros telefnicos del inciso b
forman un nmero impar?.
Solucin:
a.
b.
c.
d.
57
LIC. MARIANO VILLAVICENCIO ROSSELL
9.3 COMBINACIONES:
Determina el nmero de subgrupos de 1, 2, 3, etc. elementos que se pueden formar con los
"n" elementos de una nuestra. Cada subgrupo se diferencia del resto en los elementos que lo
componen, sin que influya el orden.
Por ejemplo, calcular las posibles combinaciones de 2 elementos que se pueden formar con
los nmeros 1, 2 y 3.
Se pueden establecer 3 parejas diferentes: (1,2), (1,3) y (2,3). En el clculo de
combinaciones las parejas (1,2) y (2,1) se consideran idnticas, por lo que slo se cuentan
una vez.
58
LIC. MARIANO VILLAVICENCIO ROSSELL
El trmino " n ! " se denomina "factorial de n" y es la multiplicacin de todos los nmeros
que van desde "n" hasta 1.
Por ejemplo: 4 ! = 4 * 3 * 2 * 1 = 24
La expresin "Cm,n" representa las combinaciones de "m" elementos, formando subgrupos
de "n" elementos.
Ejemplo: C10,4 son las combinaciones de 10 elementos agrupndolos en subgrupos de 4
elementos:
La expresin "Pm" representa las permutaciones de "m" elementos, tomando todos los
elementos. Los subgrupos se diferenciaran nicamente por el orden de los elementos.
Ejemplo: P10 son las permutaciones de 10 elementos:
60
LIC. MARIANO VILLAVICENCIO ROSSELL
Son permutaciones de "m" elementos, en los que uno de ellos se repite " x1 " veces, otro "
x2 " veces y as ... hasta uno que se repite " xk " veces.
Ejemplo: Calcular las permutaciones de 10 elementos, en los que uno de ellos se repite en 2 ocasiones y
otro se repite en 3 ocasiones:
Si contamos todas las ramas terminales, nos damos cuenta que el nmero de clasificaciones
son 2 x 4 x 3 = 24 mismas que podemos enumerar;
MAN, MAA, MAB, MBN, MBA, MBB, etc, etc.
61
LIC. MARIANO VILLAVICENCIO ROSSELL
1)
Solucin:
A = gana el equipo A
B = gana el equipo B
En este diagrama se muestran que hay solo diez maneras de que se gane el torneo, que se
obtienen contando las ramas terminales de este diagrama de rbol, las que es posible
enumerar;
AA, ABB, ABAA, ABABA, ABABB, etc, etc.
2)
Un hombre tiene tiempo de jugar ruleta cinco veces como mximo, l empieza a jugar
con un dlar, apuesta cada vez un dlar y puede ganar o perder en cada juego un dlar, l se
va a retirar de jugar si pierde todo su dinero, si gana tres dlares (esto es si completa un
total de cuatro dlares) o si completa los cinco juegos, mediante un diagrama de rbol, diga
cuntas maneras hay de que se efectu el juego de este hombre.
62
LIC. MARIANO VILLAVICENCIO ROSSELL
Si contamos las ramas terminales nos daremos cuenta que hay 11 maneras de que este
hombre lleve a cabo sus apuestas, en este diagrama se han representado los cinco
juegos o apuestas que este hombre tiene tiempo de jugar.
63
LIC. MARIANO VILLAVICENCIO ROSSELL
65
LIC. MARIANO VILLAVICENCIO ROSSELL
16. a) De cuantas maneras pueden formarse 6 personas para subir a un autobs?, b.si tres
de ellas insisten en seguirse una a la otra, en cuantas formas es esto posible?,c.Si dos
personas se rehsan a seguirse una a la otra?
a. R=720 b. R=144 c. R=480 maneras
17. a) cuntos nmeros de tres dgitos pueden formarse con los dgitos 0, 1, 2, 3, 4, 5, y 6,
si cada uno solo puede usarse solo una vez?, b) cuntos de estos nmeros son nones?, c)
cuntos son mayores que 330?
a. R=180 b. R=75 c. R=105 nmeros
18. En cuantas formas pueden sentarse en una lnea 4 nios y 5 nias, si deben colocarse
alternadamente?
R=2880 formas
19. Cuatro matrimonios compraron 8 lugares para un concierto. En cuantas formas
diferentes pueden sentarse a. sin restricciones?, b. si se sientan por parejas?, c. si todos los
hombres se sientan juntos a la izquierda de todas las mujeres?
a. R=40,320 b. R=384 c. R=576
20. Cuntos mens que consisten de sopa, emparedado, postre y un refresco se puede
ofrecer si se puede seleccionar entre 4 sopas diferentes, 3 clases de emparedados, 5 postres
y 4 refrescos?
R=240 mens
21. En cuantas formas pueden llenarse las 5 posiciones iniciales de un equipo de
baloncesto con 8 jugadores que pueden ocupar cualquiera de ellas?
R=6720 formas
22. Se sacan tres boletos de la lotera, de un grupo de 40, para el primero, segundo y tercer
premios. Encuentre el nmero de puntos muestrales en d para otorgarlos si cada
concursante conserva solo un boleto.
R=59,280 puntos
23. En cuantas formas pueden plantarse, a lo largo de la lnea divisoria de una propiedad,
3 robles, 4 pinos y 2 arces, si no se distingue entre los rboles de la misma
clase?
R=1,260 formas
24. Nueve personas salen de viaje para esquiar en tres vehculos cuyas capacidades son de
2, 4 y 5 pasajeros, respectivamente. En cuntas formas es posible transportar a las 9
personas hasta el albergue con todos los vehculos?
R=4,410 formas
25. Cuntas formas hay de seleccionar a 3 candidatos de un total de 8 recin graduados y
con
las
mismas
capacidades
para
ocupar
vacantes
en
una
firma
contable?
R=56,,21,,10 formas
66
LIC. MARIANO VILLAVICENCIO ROSSELL
26. En un estudio que realizaron en california, el decano Lester Breslow y el doctor James
Enstrom de la School of Public Health de la University of California en los Angeles, se
concluy que al seguir 7 sencillas reglas de salud, la vida de un hombre puede alargarse, en
promedio 11 aos, y la de las mujeres siete. Estas 7 reglas son: no fumar, hacer ejercicio
regularmente, tomar alcohol solo en forma moderada, dormir siete u ocho horas, conservar
un peso apropiado, desayunar y no comer entre alimentos. En cuantas formas puede una
persona adoptar cinco de estas reglas, a. si actualmente las viola todas?, b. si nunca toma
bebidas alcohlicas y siempre desayuna?
a. R=21 formas
b.R=10 formas
27. Un dispositivo Biomecnico para emergencias mdicas puede operar 0, 1 o 2 veces por
noche. Trace un diagrama de rbol para demostrar que existen 10 maneras diferentes en las
que puede operar para un total de 6 veces en cuatro noches.
67
LIC. MARIANO VILLAVICENCIO ROSSELL
Tema # 10
PROBABILIDADES
En ocasiones cuando se habla de probabilidad o posibilidad de que un evento ocurra, se
pierde la credibilidad acerca del evento en cuestin, pero es posible tener siempre la
certeza total en todo proyecto o actividad que se desea realizar?, es muy difcil tenerla,
debido a que el llevar a efecto un proyecto cualquiera por ms simple que este sea, ste est
sujeto a una gran diversidad de factores que afectan su ocurrencia, entonces que es lo ms
aconsejable para predecir su ocurrencia?, la probabilidad es la que nos ayuda en estos
casos, ya que basndose en estadsticas, podemos cuantificar la posibilidad de ocurrencia de
los eventos y por consiguiente tomar una buena decisin basados en esta informacin.
10.1 CONCEPTO.
La probabilidad se encarga de evaluar todas aquellas actividades en donde se tiene
incertidumbre acerca de los resultados que se pueden esperar, esto quiere decir que la
probabilidad est presente en casi en todas las actividades que se pretenda realizar,
ejemplos:
-Cualquier proyecto de Ingeniera o de otras reas
-Competencias deportivas
-Juegos de azar, etc., etc.
Cmo podemos calcular probabilidades?
1. Haciendo uso de las estadsticas.
En este caso, se hace uso de la informacin que se ha acumulado acerca del evento que nos
interesa, y despus de esto se procede a calcular las probabilidades requeridas.
Ejemplo. Determine la probabilidad de que en cierta lnea de produccin se manufacture un
producto defectuoso, si se toma como referencia que la produccin de la ltima semana en
esta lnea fue de 1,500 productos, entre los que se encontraron 8 productos defectuosos.
p(producto defectuoso) = No de productos defectuoso /Total de productos producidos en la
semana
= 18 / 1500 = 0.012
Lo anterior nos indica que es muy probable que 1.2 productos de cada 100 que se
manufacturen en esa lnea sern defectuosos.
Porqu 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.
Ejemplos:
68
LIC. MARIANO VILLAVICENCIO ROSSELL
2. Se lanza al aire dos veces una moneda normal, defina su espacio muestral.
= AA, AS, SA, SS
b) Evento A.- El evento A es un subconjunto del espacio muestral.
Ejemplos:
1. Sea A el evento de que aparezca un nmero par en el lanzamiento de un dado, entonces;
A = 2,4,6
2. Sea B el evento de que aparezcan dos guilas en tres lanzamientos de una moneda
normal, entonces;
Como = AAA, AAS, SAA, ASA, ASS, SAS, SSA, SSS
Luego B = AAS, SAA, ASA
a)
69
LIC. MARIANO VILLAVICENCIO ROSSELL
4)
Ejemplo:
En un saln de clase hay 15 alumnos, 7 de los cules son de tercer semestre, 5 son de
cuarto semestre y 3 son de quinto semestre de la carrera de Ingeniera Qumica, de los
cuales 4, 2 y 1 respectivamente dominan el Ingls, si se selecciona un alumno al azar de
este grupo, a. cul es la probabilidad de que el alumno seleccionado sea de quinto
semestre?, b. cul es la probabilidad de que sea de tercero o cuarto semestre?, c. cul
es la probabilidad de que el alumno seleccionado sea de tercer semestre y domine el
ingls?, d. cul es la probabilidad de que el alumno seleccionado no domine el ingls?,
e. Diga si los eventos T y Q son mutuamente excluyentes, diga si los eventos Q e I son
mutuamente excluyentes?
70
LIC. MARIANO VILLAVICENCIO ROSSELL
Solucin:
Empezaremos por definir algunos eventos;
T = evento de que un alumno sea de tercer semestre
Cu = evento de que un alumno sea de cuarto semestre
Q = evento de que un alumno sea de quinto semestre
I = evento de que un alumno domine el ingls
a.
b.
DEMOSTRACIN:
Si sumamos a un evento A cualquiera, como y A son dos eventos mutuamente
excluyentes, entonces p(A)=p(A) +p()=p(A). LQQD
71
LIC. MARIANO VILLAVICENCIO ROSSELL
DEMOSTRACIN:
Si el espacio muestral , se divide en dos eventos mutuamente exclusivos, A y
Ac luego =AAc, por tanto p()=p(A) + p(Ac) y como en el axioma dos se afirma que
p()=1, por tanto, p(Ac)= 1 - p(A) .LQQD
TEOREMA 3. Si un evento A B, entonces la p(A) p(B).
DEMOSTRACIN:
Si separamos el evento B en dos eventos mutuamente excluyentes, A y B \ A (B menos A),
por tanto, B=A(B \ A) y p(B)=p(A) +p(B \ A), luego entonces si p(B \ A)0 entonces se
cumple que p(A)p(B). LQQD
TEOREMA 4. La p( A \ B )= p(A) p(AB)
72
LIC. MARIANO VILLAVICENCIO ROSSELL
DEMOSTRACIN:
Si AB = (A \ B) B, donde (A \ B) y B son eventos mutuamente excluyentes, por lo que
p(A B) = p(A\B) + p(B) y del teorema anterior tomamos que p(A \ B) = p(A) p(AB),
por tanto, p(AB) = p(A) + p(B) p(AB). LQQD
COROLARIO:
Ejemplos:
1. Se lanza al aire un dado normal, si la probabilidad de que aparezca una de sus caras es
proporcional al nmero que ostenta, a) cul es la probabilidad de que aparezca un nmero
par?, b) cul es la probabilidad de que aparezca un nmero primo?
Solucin:
= 1, 2, 3, 4, 5, 6
En este caso asignaremos las probabilidades como sigue;
p(aparezca el nmero 1) = p, p(aparezca el nmero 2) = 2p, .....,
p(aparezca el nmero 5) = 5p, p(aparezca el nmero 6) = 6p
Y por ser un espacio finito de probabilidad, entonces,
p() = p + 2p + 3p + 4p + 5p + 6p =1
Por tanto, 21p = 1, luego, p = 1/21
a.
Luego;
A = evento de que aparezca un nmero par = 2, 4, 6
p(A)=p(2)+p(4) + p(6) = 2p + 4p + 6p = 12p = 12(1/21) = 12/21= 0.5714
b.
B = es el evento de que aparezca un nmero primo = 1, 2, 3, 5
p(B)=p(1) + p(2) + p(3) + p(5) = p + 2p + 3p + 5p = 11p = 11(1/21) = 11/21 = 0.5238
74
LIC. MARIANO VILLAVICENCIO ROSSELL
75
LIC. MARIANO VILLAVICENCIO ROSSELL
Solucin:
Para el punto 2.1, cuando se selecciona de un lote un solo elemento, entonces el espacio
muestral est compuesto de entes unitarios, que son cada una de las computadoras,
= 20 computadoras
a. A = evento de que una computadora tenga defectos de tipo operacional
p(A) = 5/20 = 0.25
b. B = evento de que una computadora no tenga defectos de tipo operacional
p(B) = 1 - p(A) = 1 0.25 = 0.75
2.2 Al seleccionar del lote ms de una computadora, el espacio muestral ya no estar
compuesto por entes unitarios, estar formado por todos los grupos que se puedan formar
de 4 computadoras seleccionadas de entre 20 que se tienen.
10.5 PROBABILIDAD CONDICIONAL
Sea un espacio muestral en donde se ha definido un evento E, donde p(E)0, si deseamos
determinar la probabilidad de que ocurra un evento A (el que tambin es definido en el
mismo espacio muestral), dado que E ya ocurri, entonces deseamos determinar una
probabilidad de tipo condicional, la que se determina como se muestra;
76
LIC. MARIANO VILLAVICENCIO ROSSELL
Donde:
p(AE) = probabilidad de que ocurra A dado que E ya ocurri
p(AE) = probabilidad de que ocurra A y E a un mismo tiempo
p(E) = probabilidad de que ocurra E
Luego;
Donde:
AE= nmero de elementos comunes a los eventos A y E
E= nmero de elementos del evento E
Luego entonces podemos usar cualquiera de las dos frmulas para calcular la
probabilidad condicional de A dado que E ya ocurri.
Ejemplos:
1. Se lanza al aire dos dados normales, si la suma de los nmeros que aparecen es de
por lo menos siete, a. determine la probabilidad de que en el segundo dado aparezca el
nmero cuatro, b. Determine la probabilidad de que ambos nmeros sean pares, c.
Determine la probabilidad de que en el primer dado aparezca el nmero dos.
Solucin:
El espacio muestral es el mismo que cuando se lanza un dado dos veces y se muestra a
continuacin;
77
LIC. MARIANO VILLAVICENCIO ROSSELL
E = evento de que la suma de los nmeros que aparecen sea de por lo menos siete
(6,1)
(5,2) (6,2)
E = (4,3) (5,3) (6,3)
(3,4) (4,4) (5,4) (6,4)
(2,5) (3,5) (4,5) (5,5) (6,5)
(1,6) (2,6) (3,6) (4,6) (5,6) (6,6)
78
LIC. MARIANO VILLAVICENCIO ROSSELL
(6,2)
AE = (4,4) (6,4)
(2,6) (4,6) (6,6)
AE= 6 elementos
p(AE) = AE/ E
= 6/ 21
= 0.28571
c.
E = evento de que la suma de los nmeros que aparecen sea de por lo menos siete
(6,1)
(5,2) (6,2)
E = (4,3) (5,3) (6,3)
(3,4) (4,4) (5,4) (6,4)
(2,5) (3,5) (4,5) (5,5) (6,5)
(1,6) (2,6) (3,6) (4,6) (5,6) (6,6)
A = evento de que en el primer dado aparezca el nmero dos
(2,1)
(2,2)
A = (2,3)
(2,4)
(2,5)
(2,6)
AE = (2,5),
AE= 1 elemento
P(AE) = AE/E
= 1/21
= 0.04762
79
LIC. MARIANO VILLAVICENCIO ROSSELL
2.Se seleccionan al azar dos nmeros de entre los nmeros del 1 al 9, si la suma de los
nmeros que aparecen es par, a. Determine la probabilidad de que ambos nmeros sean
pares, b. Determine la probabilidad de que ambos nmeros sean impares.
Solucin:
= 9C2 = 36 maneras de seleccionar dos nmeros de entre nueve que se tienen
(1,2)
(1,3) (2,3)
(1,4) (2,4) (3,4)
= (1,5) (2,5) (3,5) (4,5)
(1,6) (2,6) (3,6) (4,6) (5,6)
(1,7) (2,7) (3,7) (4,7) (5,7) (6,7)
(1,8) (2,8) (3,8) (4,8) (5,8) (6,8) (7,8)
(1,9) (2,9) (3,9) (4,9) (5,9) (6,9) (7,9) (8,9)
a.
80
LIC. MARIANO VILLAVICENCIO ROSSELL
b.
Este ejercicio tambin puede ser resuelto haciendo uso de las combinaciones; el espacio
muestral puede ser definido;
= 9C2 = 36 maneras de seleccionar los dos nmeros
a.
Para que la suma de dos nmeros sea par, forzosamente ambos deben ser pares o
impares, por tanto,
E = seleccin de dos nmeros pares o de dos impares = 4C2 + 5C2
A = evento de que ambos nmeros sean pares
A = 4C2
AE = 4C2 = 6 maneras de seleccionar dos nmeros pares
AE= 6 elementos
81
LIC. MARIANO VILLAVICENCIO ROSSELL
AE= 5C2 = 10
p(AE= AE/E= 10/16 = 0.625
3. Dada la siguiente tabla referente a la produccin de flechas para camin de carga pesada;
se inspeccionan 200 flechas del tipo A y B, 300 del tipo C y 400 del tipo D, a continuacin
se presentan los resultados obtenidos en la inspeccin;
DEFECTO
I
II
S - DEF
TOTAL
A
54
28
118
200
TIPO
B
23
12
165
200
FLECHA
C
D
40
15
14
5
246
380
300
400
TOTAL
132
59
909
1100
a.
Si se selecciona una flecha al azar y resulta que es una flecha del tipo B, cul es la
probabilidad de que no tenga defectos, b. Si la flecha seleccionada es del tipo C, cul es la
probabilidad de que tenga defectos del tipo II?, c. Si la flecha seleccionada tiene defectos
del tipo I, cul es la probabilidad de que sea del tipo A, d. cul es la probabilidad de que
una flecha no tenga defectos?, e. cul es la probabilidad de que una flecha tenga defectos?
Solucin:
a. Definiremos los eventos;
E = evento de que la flecha seleccionada sea del tipo B = 200 elementos o flechas
A = evento de que la flecha seleccionada no tenga defectos = 909 flechas o elementos
AE = 165 elementos del tipo B y que no tienen defectos
p(AE) = AE/E= 165/200 = 0.825
82
LIC. MARIANO VILLAVICENCIO ROSSELL
b.
c.
d. En este caso se trata de una probabilidad simple, ya que no hay un evento que est
condicionando al evento del cual se desea determinar su probabilidad
D = evento de que una flecha no tenga defectos = 909 flechas
= 1100 flechas
p(D) = 909/1100 = 0.82636
f.
4. Una pareja de recin casa dos ha decidido formar una familia de solo tres hijos, a.
determine la probabilidad de que tenga puros hijos varones, b. cul es la probabilidad de
que tenga como mximo un hijo varn, c. cul es la probabilidad de que su segundo hijo
sea varn, d. Si esta familia tiene por lo menos una hija, cul es la probabilidad de que el
segundo hijo sea varn?, e. Si esta familia tiene como mximo un hijo varn, cul es la
probabilidad de que tenga puras hijas?
Solucin:
Lo primero que hay que obtener para resolver este problema es el espacio muestral, para lo
cual nos podemos ayudar con un diagrama de rbol en donde representemos uno tras otro el
nacimiento de cada uno de sus hijos, en donde solo consideraremos partos de un solo beb,
no mltiples y se considera que existe la misma probabilidad de que nazca un varn o una
nia.
Y el espacio muestral obtenido es:
H = nio
M = nia
= HHH, HHM, HMH, MHH, HMM, MHM, MMH, MMM
83
LIC. MARIANO VILLAVICENCIO ROSSELL
a.
b.
c.
d.
Como en este caso se trata de calcular una probabilidad de tipo condicional, se
requiere definir dos eventos, el evento E que es el que condiciona y el evento A;
E = evento de que la familia tenga por lo menos una hija
E = tenga una o ms hijas
E = HHM, HMH, MHH, HMM, MHM, MMH, MMM= 7 elementos
A = evento de que el segundo hijo sea varn
A = HHH, HHM, MHH, MHM
AE = HHM, MHH, MHM = 3 elementos
Luego;
p(AE) = AE/E= 3/7 = 0.42857
e.
84
LIC. MARIANO VILLAVICENCIO ROSSELL
5. Segn las estadsticas, la probabilidad de que un auto que llega a cierta gasolinera cargue
gasolina es de 0.79, mientras que la probabilidad de que ponga aceite al motor es de 0.11 y
la probabilidad de que ponga gasolina y aceite al motor es de 0.06, a. S un auto carga
gasolina, cul es la probabilidad de que ponga aceite?, b. S un auto pone aceite al motor,
cul es la probabilidad de que ponga gasolina?
Solucin:
a.
b.
P(E) = 0.11
A = evento de que un auto ponga gasolina
P(A) = 0.79
AE = evento de que un auto ponga aceite al motor y ponga gasolina
P(AE) = 0.07
P(AE) = p(AE)/ p(E) = 0.07/0.11 = 0.63636
6.- La probabilidad de que un auto de carreras cargue gasolina en cierto circuito en la
primera media hora de recorrido es de 0.58, la probabilidad de que cambie de neumticos
en esa primera media hora de recorrido es de 0.16, la probabilidad de que cargue gasolina y
cambie de neumticos en la primera media hora de recorrido es de 0.05, a. Cul es la
probabilidad de que cargue gasolina o cambie de neumticos en la primera media hora de
recorrido?, b. cul es la probabilidad de que no cargue combustible y de neumticos en la
primera media hora de recorrido, c. Si el auto cambia de neumticos en la primera media
hora de recorrido, cul es la probabilidad de que cargue combustible tambin?, d. Si el
auto carga combustible en la primera media hora de recorrido, cul es la probabilidad de
que cambie de neumticos tambin?
Solucin:
a.
A = evento de que cargue gasolina en la primera media hora de recorrido
P(A) = 0.58
B = evento de que cambie de neumticos en la primera hora de recorrido
P(B) = 0.16
AB = evento de que cargue combustible y cambie de neumticos en la primera hora de
recorrido
P(AB) = 0.05
85
LIC. MARIANO VILLAVICENCIO ROSSELL
PROBABILIDAD
Despejando,
p(AE) = p(E)p(AE) Teorema de la multiplicacin para probabilidad
condicional
Donde:
p(AE) = probabilidad de que ocurran A y E
p(E) = probabilidad de que ocurra E
p(AE) = probabilidad de que ocurra el evento A dado que el evento E ya ocurri
Ejemplos:
1. En un lote de produccin hay 25 productos, 5 de los cuales tienen defectos menores y 9
tienen defectos mayores, si se toman de este lote tres productos uno tras otro, determine la
probabilidad de que: a. El primer producto no tenga defectos y que el segundo y tercero
tengan defectos mayores, b. El primer producto tenga defectos menores, el segundo tenga
defectos mayores y que el tercero no tenga defectos, c. El primer producto y el tercero no
tengan defectos.
Solucin:
a.
Definiremos algunos eventos;
B1 = evento de que el primer producto seleccionado no tenga defectos
DM2 = evento de que el segundo producto seleccionado tenga defectos mayores
DM3 = evento de que el tercer producto seleccionado tenga defectos mayores
p(B1DM2DM3) = p(B1)p(DM2B1)p(DM3B1DM2)
=(11/25)*(9/24)*(8/23)
= 0.44*0.375*0.347826
= 0.05739
86
LIC. MARIANO VILLAVICENCIO ROSSELL
b.
c.
b.
c.
2.
En un lote de produccin se tienen 150 artculos, de los cuales 30 son del tipo A, 60
del tipo B y 60 del tipo C, de los que el 15% de los productos del tipo A, 20% de los
productos del tipo B y 5% de los productos del tipo C, no cumplen con las especificaciones,
si se selecciona un producto de este lote al azar, a. Determine la probabilidad de que el
producto seleccionado no cumpla con las especificaciones, b. Si el producto seleccionado
no cumple con las especificaciones, cul es la probabilidad de que sea un producto del tipo
B?, c. cul es la probabilidad de que un producto cumpla con las especificaciones y sea del
tipo B?
Solucin:
Haciendo uso de un diagrama de rbol como en el caso anterior, procederemos a dar
solucin al problema en cuestin;
89
LIC. MARIANO VILLAVICENCIO ROSSELL
3.
En una urna se tienen 10 esferas blancas, 5 verdes y 2 azules, se extraen de la urna
dos esferas una tras otra, sin reemplazo, a. Determine la probabilidad de que la segunda
esfera extrada sea verde, b. cul es la probabilidad de que ambas esferas sean blancas, c.
Si la segunda esfera es verde, cul es la probabilidad de que la primera sea blanca?
Solucin:
a.
b.
c.
90
LIC. MARIANO VILLAVICENCIO ROSSELL
91
LIC. MARIANO VILLAVICENCIO ROSSELL
a.
b.
ND = evento de que el producto seleccionado no sea defectuoso (evento que
condiciona)
A = evento de que el producto sea fabricado en la mquina A
B = evento de que el producto sea fabricado por la mquina B
C = evento de que el producto sea fabricado por la mquina C
P(CND)=p(CND)/p(ND)=p(C)p(NDC)/p(A)p(NDA)+p(B)p(NDB) + p(C)p(NDC)
= 0.31*0.984/(0.43*0.92 + 0.26*0.98 + 0.31*0.984)
= 0.30504/0.95544
=0.31927
92
LIC. MARIANO VILLAVICENCIO ROSSELL
2.
Una empresa recibe visitantes en sus instalaciones y los hospeda en cualquiera de tres
hoteles de la ciudad; Palacio del Sol, Sicomoros o Fiesta Inn, en una proporcin de 18.5%,
32% y 49.5% respectivamente, de los cuales se ha tenido informacin de que se les ha dado
un mal servicio en un 2.8%, 1% y 4% respectivamente, a. Si se selecciona a un visitante al
azar cul es la probabilidad de que no se le haya dado un mal servicio?,b. Si se selecciona
a un visitante al azar y se encuentra que el no se quej del servicio prestado, cul es la
probabilidad de que se haya hospedado en el Palacio del Sol?, c. Si el visitante
seleccionado se quej del servicio prestado, cul es la probabilidad de que se haya
hospedado en e hotel Fiesta Inn?
Solucin: Haciendo uso de un diagrama de rbol;
a.
c.
10.9 INDEPENDENCIA
Se dice que un evento B es independiente de un evento A, si p(BA) = p(B), esto quiere
decir que la probabilidad de que ocurra B no es afectada por la ocurrencia del evento A, la
expresin anterior se puede sustituir en el teorema de la multiplicacin para probabilidad
condicional,
p(AB) = p(A)p(BA) = p(A)p(B)
Luego,
p(AB) = p(A)p(B)
Concepto de independencia
94
LIC. MARIANO VILLAVICENCIO ROSSELL
95
LIC. MARIANO VILLAVICENCIO ROSSELL
2. Un boxeador gana 8 de cada 10 peleas en las que compite, si este boxeador participar en
tres peleas en los prximos seis meses, determine la probabilidad de que; a. Gane dos de las
peleas, b. Si gana dos de las peleas, cul es la probabilidad de que sean la primera y
tercera peleas?, c. Gane la segunda pelea.
96
LIC. MARIANO VILLAVICENCIO ROSSELL
3. Tres hombres tiran a un blanco, A tiene 1/3 de posibilidades de acertar al blanco, B tiene
1/2 de posibilidades de acertar y C tiene 1/4 de posibilidades de pegar al blanco, si cada uno
de ellos hace un solo disparo, determine la probabilidad de que; a. Solo uno de ellos acierte
al blanco, b. Si solo uno de ellos acierta al blanco, cul es la probabilidad de que acierte
A?, c. Determine la probabilidad de que ninguno acierte al blanco.
Solucin:
Haciendo uso de un diagrama de rbol se obtiene el siguiente espacio muestral;
={ABC, ABC`, AB`C, AB`C`, A`BC, A`BC`, A`B`C, A`B`C`}
donde: A = acierta A, A`= no acierta A, B = acierta B, B`= no acierta B, etc., etc.
p(solo uno de ellos acierte al blanco) = p(AB`C`, A`BC`, A`B`C) = 1/3*1/2*3/4 +
2/3*1/2*3/4 + 2/3*1/2*1/4 = 3/24 + 6/24 + 2/24 = 11/24 = 0.45833
a.
p(E) =11/24
97
LIC. MARIANO VILLAVICENCIO ROSSELL
98
LIC. MARIANO VILLAVICENCIO ROSSELL
99
LIC. MARIANO VILLAVICENCIO ROSSELL
Tema # 11
DISTRIBUCIONES DE PROBABILIDAD.
Toda distribucin de probabilidad es generada por una variable aleatoria x, la que puede ser
de dos tipos:
1.
Variable aleatoria discreta (x). Se le denomina variable porque puede tomar diferentes
valores, aleatoria, porque el valor tomado es totalmente al azar y discreta porque solo puede
tomar valores enteros y un nmero finito de ellos.
Ejemplos:
x Variable que nos define el nmero de burbujas por envase de vidrio que son generadas
en un proceso dado.
x0, 1, 2, 3, 4, 5, etc, etc. burbujas por envase
xVariable que nos define el nmero de productos defectuosos en un lote de 25 productos.
x0, 1, 2, 3,....,25 productos defectuosos en el lote
xVariable que nos define el nmero de alumnos aprobados en la materia de probabilidad
en un grupo de 40 alumnos.
x0, 1, 2, 3, 4, 5,....,40 alumnos aprobados en probabilidad
Con los ejemplos anteriores nos damos cuenta claramente que los valores de la variable x
siempre sern enteros, nunca fraccionarios.
2.
Variable aleatoria continua (x). Se le denomina variable porque puede tomar
diferentes valores, aleatoria, porque los valores que toma son totalmente al azar y continua
porque puede tomar tanto valores enteros como fraccionarios y un nmero infinito de ellos.
Ejemplos:
xVariable que nos define el dimetro de un engrane en pulgadas
x5.0, 4.99, 4.98, 5.0, 5.01, 5.0, 4.96
xVariable que nos define la longitud de un cable o circuito utilizado en un arns de auto
x20.5 cm, 20.1, 20.0, 19.8, 20,6, 20.0, 20.0
xVariable que nos define la concentracin en gramos de plata de algunas muestras de
mineral
x14.8gramos, 12.0, 10.0, 42.3, 15.0, 18.4, 19.0, 21.0, 20.8
Como se observa en los ejemplos anteriores, una variable continua puede tomar cualquier
valor, entero o fraccionario, una forma de distinguir cuando se trata de una variable
continua es que esta variable nos permite medirla o evaluarla, mientras que una variable
discreta no es medible, es una variable de tipo atributo, cuando se inspecciona un producto
este puede ser defectuoso o no, blanco o negro, cumple con las especificaciones o no
cumple, etc, etc.
101
LIC. MARIANO VILLAVICENCIO ROSSELL
Las variables descritas anteriormente nos generan una distribucin de probabilidad, las que
pueden ser.
1)
2)
3.
La sumatoria de las probabilidades asociadas a cada uno de los
valores que toma x debe ser igual a 1. El rea definida bajo la funcin de densidad de
probabilidad deber ser de 1.
102
LIC. MARIANO VILLAVICENCIO ROSSELL
Donde:
= media de la distribucin
E(x) = valor esperado de x
xi = valores que toma la variable
p(xi) = probabilidad asociada a cada uno de los valores de la variable x
2. Desviacin estndar. Para determinar la desviacin estndar de la distribucin discreta
se utiliza la siguiente frmula:
Donde:
= desviacin estndar
= media o valor esperado de x
xi = valores que toma la variable x
p(xi) = probabilidad asociada a cada uno de los valores que toma x
Ejemplos:
1. Segn estadsticas la probabilidad de que el motor de un auto nuevo, de cierto modelo,
y marca sufra de algn desperfecto en los primeros 12 meses de uso es de 0.02, si se
prueban tres automviles de esta marca y modelo, encuentre el nmero esperado de autos
que no sufren de algn desperfecto en los primeros doce meses de uso y su desviacin
estndar.
Solucin:
Haciendo uso de un diagrama de rbol, usando las literales siguientes, se obtiene el espacio
muestral como se muestra a continuacin;
N = no sufre de algn desperfecto en el motor los primeros 12 meses de uso
S = sufre de algn desperfecto en el motor los primeros 12 meses de uso
103
LIC. MARIANO VILLAVICENCIO ROSSELL
p(x=0)=p(SSS)=(0.02)(0.02)(0.02)=0.000008
p(x=1)=p(NSS, SNS, SSN)=(0.98)(0.02)(0.02)+(0.02)(0.98)(0.02)+(0.02)(0.02)(0.98)=
=0.001176
p(x=2)=p(NNS,NSN,SNN)=(0.98)(0.98)(0.02)+(0.98)(0.02)(0.98)+(0.02)(0.98)(0.98)=
=0.057624
p(NNN) = (0.98)(0.98)(0.98) =0.941192
104
LIC. MARIANO VILLAVICENCIO ROSSELL
=
=
=
0.24970.0 autos que no
sufren algn desperfecto en su motor en los primeros 12 meses de uso.
Interpretacin:
En este experimento se espera que los 3 autos probados no sufran de algn desperfecto en
su motor en los primeros 12 meses de uso y la variabilidad de este experimento es de cero.
Nota:
La media y la desviacin estndar se redondean a un valor entero ya que son la media y
desviacin de una distribucin de probabilidad discreta.
105
LIC. MARIANO VILLAVICENCIO ROSSELL
p(x=0)=p(NNN)=(0.9)(0.9(0.9)=0.729
p(x=1)=p(DNN, NDN, NND)=(0.1)(0.9)(0.9)+(0.9)(0.1)(0.9)+(0.9)(0.9)(0.1)=0.243
p(x=2)=p(DDN, DND, NDD)=(0.1)(0.1)(0.9)+(0.1)(0.9)(0.1)+(0.9)(0.1)(0.1)=0.027
p(x=3)=p(DDD)=(0.1)(0.1)(0.1)=0.001
Distribucin de probabilidad
x
P(x)
0.729
0.243
0.027
0.001
b)
(0)(0.729)+(1)(0.243)+(2)(0.027)+(3)(0.001)=
= 0.0 + 0.243 + 0.054 + 0.003 = 0.3 0 productos defectuosos
Interpretacin:
Se espera que ninguno de los productos inspeccionados sea defectuoso.
3.
Segn estadsticas, la probabilidad de que un pozo petrolero que se perfore en cierta
regin pueda ser beneficiado es de 0.30. Se perforan tres pozos en esa regin, encuentre el
nmero esperado de pozos que pueden ser beneficiados y su desviacin estndar.
Solucin:
Se obtiene el espacio muestral , de la misma forma que se ha hecho en los ejemplos
anteriores;
B = se puede el pozo que se perfora
N = no se puede beneficiar el pozo que se perfora
106
LIC. MARIANO VILLAVICENCIO ROSSELL
1 pozo beneficiado
Interpretacin:
Se espera que solo 1 de los tres pozos perforados sea el que pueda ser beneficiado.
Interpretacin:
La cantidad esperada de pozos que se pueden beneficiar puede variar en 1 1 pozo, esto es
la cantidad de pozos que se pueden beneficiar puede variar de 0 a 2 pozos.
4. La distribucin de probabilidad de x , el nmero de defectos por cada 10 metros de una
tela sinttica en rollos continuos de ancho uniforme , es
x
0
p(x) 0.41
1
0.37
2
0.16
3
0.05
4
0.01
a)
b)
Solucin:
a)
X
p(x)
P(x)
0
0.41
0.41
1
0.37
0.78
2
0.16
0.94
3
0.05
0.99
4
0.01
1.0
b)
1 defecto
Interpretacin:0.16, 0.05 ,0.01
Se espera que por cada 10 metros de tela se encuentre un defecto.
Interpretacin:
El nmero de defectos esperado puede variar en 1 defecto, es decir que el nmero de
defectos esperado por cada 10 metros de tela puede variar de 0 a 2.
c)
d)
Donde:
= E(x) = media o valor esperado de la distribucin
x = variable aleatoria continua
f(x) = funcin de densidad de la distribucin de probabilidad
108
LIC. MARIANO VILLAVICENCIO ROSSELL
Luego:
Ejemplos:
1. Para la siguiente funcin,
cuando 0 x 3 ,
a)
b)
valor de x
s nos
109
b)
Las barras
c)
110
LIC. MARIANO VILLAVICENCIO ROSSELL
, para -1 x 2
a)
b)
c)
111
LIC. MARIANO VILLAVICENCIO ROSSELL
b) 1.5 2 personas
2. Se observ que el 40% de los vehculos que cruzan determinado puente de cuota, son
camiones comerciales. Cuatro vehculos van a cruzar el puente en el siguiente minuto.
Determinar la distribucin de probabilidad de x, el nmero de camiones comerciales
entre los cuatro, s los tipos de vehculos son independientes entre s.
Respuesta:
x
0
1
p(x)
0.1296 0.3456
2
3
0.3456 0.1536
4
0.0256
3. Entre 10 solicitantes para un puesto 6 son mujeres y 4 son hombres. Supngase que se
seleccionan al azar 3 candidatos de entre todos ellos para concederles las entrevistas
finales. Determinar; a)la funcin de probabilidad para x, el nmero de candidatas
mujeres entre los 3 finalistas, b)el nmero esperado de candidatas mujeres entre los
finalistas.
Respuesta:
a)
x
0
1
2
3
p(x) 1/30 9/30 15/30 5/30
b) 1.8 2 mujeres
4. Los registros de ventas diarias de una empresa fabricante de computadoras sealan que
se vendern 0, 1 o 2 sistemas centrales de cmputo con las siguientes probabilidades:
Nmero de computadoras vendidas 0 1
2
Probabilidad
0.7 0.2 0.1
Calcular el valor esperado, la variancia y la desviacin estndar de las ventas diarias.
r. a)0 computadoras b)0 computadoras c)1una computadora
112
LIC. MARIANO VILLAVICENCIO ROSSELL
0 x 1
3
4
5
0.25 0.4 0.3
6
0.04
113
LIC. MARIANO VILLAVICENCIO ROSSELL