Documente Academic
Documente Profesional
Documente Cultură
Curso: Probabilidades y Estadística
LOGRO DE LA SESIÓN
Al finalizar la sesión, el
REPASO FINAL estudiante explica la
existencia de relación
entre dos variables
cuantitativas y
determina el grado de
Correlación Lineal Simple asociación que hay entre
las variables.
Sesión 11: Correlación Lineal Simple Ver el siguiente video
CONTENIDO SABERES PREVIOS https://www.youtube.com/watch?v=UJAqylc9_tQ
1. Gráfico de dispersión. Variable independiente y
2. Correlación de Pearson. variable dependiente.
Conceptos directamente Al observar el video ¿Qué variables se
proporcional e
encuentran relacionadas?
inversamente
proporcional.
1
27/07/2019
GRÁFICO DE DISPERSIÓN
¿Qué es correlación?
Consiste en graficar los datos en el plano cartesiano (X,Y) y
observar la relación de los datos si directa o inversa.
A veces nuestro interés está en conocer si dos 20 25 6
variables cuantitativas están asociadas y en
10
3
2
pueden explicar por los cambios que ocurren 5
5 1
0 0
en la otra. En este caso estamos en un estudio 0 5 10
Var. Independiente (X)
15 0 10 20
Var. Independiente (X)
30
0
0 10 20
Var. Independiente (X)
de Correlación
Correlación
Correlación No hay
Positiva
Negativa Correlación
(Directa)
(Inversa)
,
; : 1 1
2
27/07/2019
3
27/07/2019
60
50
4 16 70 1120 256 4900 y 64.5
40 5 19 60 1140 361 3600
30 6 3 20 60 9 400
20 7 6 30 180 36 900
10 8 12 30 360 144 900
0 9 27 70 1890 729 4900
0 5 10 15 20 25 30 10 13 50 650 169 2500
Años de experiencia Total 44 645 8360 2530 29400
∑X ∑Y ∑XY ∑ X2 ∑ Y2
En el gráfico de dispersión se observa una fuerte relación directa entre
los años de experiencia y el ingreso.
4
27/07/2019
Sesión 11: Regresión Lineal Simple
CONTENIDO SABERES PREVIOS
1. Gráfico de dispersión. Variable independiente y
2. Modelo de regresión lineal variable dependiente.
simple. Función lineal
3. Bondad de ajuste del
modelo.
4. Predicción de valores de la
variable dependiente.
¿Con qué variable se puede relacionar el peso de una persona?
• La edad
• La talla de la persona
• El nivel de actividad física
5
27/07/2019
DEFINICIÓN DE REGRESIÓN LINEAL SIMPLE
Tipos de Pronósticos X: variable independiente
Se tienen tres tipos de pronósticos principales:
(explicativa, exógena)
Cualitativos: método Delphi, investigación de mercado, etc. Y: variable dependiente
Series de tiempo: Media móvil simple, media móvil ponderada, suavizamiento (respuesta, endógena)
exponencial, análisis de regresiones de tiempo, etc.
Simulación: Montecarlo, etc.
GRÁFICO DE DISPERSIÓN
Ejemplos: Es la representación de pares de valores observados en el plano cartesiano,
describe la relación existente entre las variables a partir de datos
observados en la muestra o población:
Estimar el peso de una persona a partir de su estatura.
Estimar el gasto en una familia en función de sus Datos: a b
ingresos.
Xi Yi
Estimar el precio de una PC en función de la velocidad
del procesador. x1 y1
c d
Predecir la calificación de una asignatura según el x2 y2
número de horas de estudio a la semana. : :
Estimar el precio de una vivienda en función de su área. xn yn
6
27/07/2019
EJEMPLO DE GRÁFICO DE DISPERSIÓN
200 MODELO DE REGRESIÓN LINEAL SIMPLE
¿Cuál es el mejor ajuste a
Presión arterial (mm Hg)
180
partir de los datos? El modelo de regresión lineal simple se define:
160
140
Ecuación de regresión lineal Yi 0 1x i e ij
120
100 Donde:
80 ŷ ˆ 0 ˆ 1x Yi: valor de la variable dependiente para la i‐ésima observación
Xi: valor de la variable independiente para la i‐ésima observación
60
65 85 105 125 145 eij: error aleatorio para la i‐ésima observación que se asume
Peso (kg)
normal
En el gráfico se observa que la tendencia de los datos describen βo : intercepto con el eje Y
una relación lineal directa, esto significa que ante un aumento β1 : mide el cambio de Y cuando varía X en 1 unidad, llamado
de peso la presión arterial aumenta en la misma proporción pendiente
Los parámetros βo y β1 deben ser estimados:
7
27/07/2019
EJEMPLO MODELO DE REGRESIÓN
BONDAD DE AJUSTE DEL MODELO DE REGRESIÓN
200
Presión arterial (mm Hg)
y = 1.1558x + 35.777
El mejor ajuste de los 180
1. Coeficiente de correlación
datos es la ecuación: 160
140 Mide el grado de relación entre variables cuantitativas.
120 El estadístico de correlación es el coeficiente de correlación
yˆ 35 .77 1.156 x
100
de Pearson (R) cuyo valor está en el intervalo [‐1,1], dado
80
por la fórmula:
60
65 115 165
Peso (kg)
n XY X Y
Interpretación de los coeficientes de regresión R
n X 2
( X )2 n Y 2
( Y )2
βo = 35.77 Es la intersección de la recta con el eje Y cuando X = 0
β1 = 1.156 Por cada kilo que aumenta en su peso la presión arterial
aumenta en 1.156 mm/hg
2. Coeficiente de Determinación
Interpretación del coeficiente de correlación de Pearson:
Mide el porcentaje de variabilidad en Y que explica a través del
Correlación Correlación Correlación Correlación Correlación Correlación Correlación Correlación Correlación Correlación
negativa negativa negativa negativa negativa positiva muy positiva positiva positiva positiva muy conocimiento de la variable independiente X para evaluar
muy fuerte fuerte moderada débil muy débil débil débil moderada fuerte fuerte
Muy alta Alta Moderada Baja Muy baja Muy baja Baja Moderada Alta Muy alta
capacidad de predicción. Se calcula con la siguiente fórmula:
( x x )( y y )
2
-1 -0.8 -0.6 -0.4 -0.2 0 +0.2 +0.4 +0.6 +0.8 +1
R2 r 2 ; 0 1
x i nx y i ny
2 2 2 2
INVERSA DIRECTA
R2 Ajuste del modelo
Para una mejor interpretación de r, podemos agregar que : 0.00 < R2 ≤ 0.20 No tiene buen ajuste
• Valores de r cercanos a 1, se traduce en una alta relación directa. 0.20 < R2 ≤ 0.40 No tiene buen ajuste
• Valores de r cercanos a -1, se traduce en una alta relación inversa. 0.40 < R2≤ 0.60 Ajuste moderado
• Valores de r cercanos a 0, se traduce en una baja relación lineal entre las variables, la 0.60 < R2≤ 0.80 Buen ajuste
cual será directa si r > 0, y será inversa si r < 0 . 0.80 < R2≤ 1.00 Buen ajuste
8
27/07/2019
Ejemplo 2
Una empresa tiene 7 vendedores, y se quiere analizar las ventas mensuales (en miles de soles)
frente a los años de experiencia. Los datos están en la siguiente tabla.
6 6 19 6 6 19 114 36 361
7 31 38 7 31 38 1178 961 1444
En el diagrama de dispersión n
x 2
i
nx 2
i 1
9
27/07/2019
Interpretación de los coeficientes de regresión: El 88.3% de las variaciones de las ventas (Y) son explicados por los años de experiencia. Existe
además un 100 88.3 % 11.7% no es explicado por los años de experiencia.
Curso: probabilidades y Estadística
LOGRO DE LA SESIÓN
Probabilidades Al finalizar la sesión, el
estudiante resuelve
ejercicios de probabilidades
en experimentos aleatorios,
aplicando las diferentes
reglas y propiedades de los
teoremas básicos
1702 – 1761 Thomas Bayes demostrando su
procedimiento en el tiempo
establecido.
10
27/07/2019
Sesión 12: Probabilidades
CONTENIDO SABERES PREVIOS
1. Experimento aleatorio. Teoría de conjuntos.
2. Espacio muestral y Técnicas de conteo.
eventos.
3. Operaciones con eventos.
4. Probabilidad de un evento.
¿Sabes como medir estas incertidumbres?
Ejemplos:
11
27/07/2019
S1 = {1,2,3,4,5,6}
Es el conjunto formado por todo los resultados posibles
ε2 : Lanzar una moneda y observar la cara superior.
del experimento aleatorio, cada resultado se le
denomina evento elemental. Su notación (omega) o S2 = {cara, sello}
con la letra S ε3 : Observar complicaciones en un paciente post operado.
S3 = { Si, No}
Espacio muestral finito, número determinado de ε 4: Observar resultados de un partido d futbol
elementos.
S4 = {Ganar, perder, empatar}
Espacio muestral infinito , número indeterminado de
ε5 : Observar número de atenciones diarias en emergencia
elementos.
S5 = {1, 2, 3,………}
Ejemplo 1
En una producción de bombillas eléctricas, de un lote de 100 se eligen al
azar 3 focos para un control de calidad y se anota D = defectuoso S = sin Un evento, es cualquier subconjunto del espacio muestral . A
defecto ¿Cuáles es el espacio muestral? ¿Cuántos elementos son? los sucesos generalmente se les denota por letras mayúsculas,
tales como A , B , C, etc.
Experimento es:
ε : Verificar la bombilla seleccionada Los eventos siempre se indican en forma de enunciado.
12
27/07/2019
TIPOS DE EVENTOS:
Ejemplo 3 Ejemplo 3
Lanzar dos dados y observar el número que aparece en las caras superiores
En un concurso de belleza compiten 3 finalistas (Ana, Claudia y
a) Liste los elementos del espacio muestral Rosa), los premios serán otorgados al primer y segundo puesto.
b) Liste los siguientes eventos: a) Liste los elementos del espacio muestral
A: La suma de los números es 7 b) Liste los siguientes eventos
B: El producto de los números es 24
A: Ana gana el concurso B: Ana gana el segundo lugar
Solución: a) = { (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) c: Claudia y rosa ganan los premios
(5,3) (5,4) (5,5) (5,6) (6,1) (6,2) (6,3) (6,4) (6,5) (6,6)}
b) A={(1,6) (2,5) (3,4) (4,3) (5,2) (6,1)}
B: el producto de los es 24
B={(4,6), (6,4)}
13
27/07/2019
OPERACIONES CON EVENTOS
Unión de eventos.- Sean dos eventos A y B del , la unión de
Complemento de un evento.‐ Está formado por los eventos está conformado por todos los elementos de A y B.
elementos que no están en el evento A
En el ejemplo 1, al lanzar un dado se observó los eventos:
En el ejemplo 1. Lanzar un dado y observar el número de la
cara superior. A = 2, 4,6 B = 1, 2, 3
14
27/07/2019
Ejemplo 10
PERMUTACIONES Si A = { a, b, c, d} . Cuantas ordenaciones diferentes pueden
formarse tomando grupos de a 2 ?
Sea “n” el número de elementos de un conjunto A y “r” un
número natural donde 0 < r n; las permutaciones se
definen como el número de ordenaciones diferentes que se
Solución:
pueden formar con los elementos del conjunto A, n!
tomando en grupos de “n” en “n” o de “r” en “r” pueden n=4 ; r=2 como:
P(n, r)
(n - r)!
ser sin repetición o con repetición.
4!
P(4,2) 4 x 3 12
2!
n!
P(n, r)
(n - r)!
15
27/07/2019
COMBINACIONES
10! 10 x 9 x 8 x 7 x 6! 10 x 9 x 8 x 7
210
4!6! 4! . 6! 4 x 3 x 2 x1
Ejemplo 12 :
AXIOMAS DE PROBABILIDAD
Si se lanza una moneda tres veces ¿Cuál es la probabilidad de
a. Obtener exactamente dos caras ?
1. La probabilidad de un suceso A, toma valores entre 0 y 1; es decir
0 P(A) 1 . b. Al menos dos caras ?
c. ninguna cara?
2. La probabilidad de un suceso seguro es 1 P( ) = 1
Solución: n(A) 3
3. Si un suceso A = , A es un suceso imposible P(A) = 0 P(A) 0.375
n 8
4. Si A y B son sucesos independientes de ; donde AB = ;
n(B) 4 1
entonces, la probabilidad que ocurra del suceso A B es: P(B) 0.5
n 8 2
P (A B) = P(A) + P(B)
n(C) 1
P(C) 0 . 125
n 8
16
27/07/2019
REGLA DE ADICIÓN REGLA DE MULTIPLICACIÓN
Calcula la probabilidad que ocurra el evento A o B o ambos Calcula la probabilidad que ocurra el evento A y el evento B
1) Si A y B dos eventos mutuamente excluyentes
1) Si A y B dos eventos mutuamente excluyentes (independientes), entonces:
(independientes), entonces:
P(A B) = P(A) P(B)
P(AUB) = P(A) + P(B)
2) Si A y B son eventos dependientes, entonces:
2) Si A y B son eventos dependientes, entonces:
P(A B) = P(A)P(B/A)
P(AUB) = P(A) + P(B) – P(A∩B)
Curso: Probabilidades y Estadística
LOGRO DE LA SESIÓN
Al finalizar la sesión, el
estudiante resuelve ejercicios
de probabilidades en
Probabilidades Thomas Bayes
experimentos aleatorios,
continuación aplicando probabilidad
condicional y teorema de
Bayes demostrando su
procedimiento en el tiempo
1702 ‐ 1761
establecido.
17
27/07/2019
PROBABILIDAD CONDICIONAL
Sesión 12: Probabilidades
Ocurre cuando dos eventos se relacionan de manera tal que la
probabilidad de ocurrencia de uno depende de la ocurrencia del otro.
CONTENIDO SABERES PREVIOS
Definición1: Sean A y B dos eventos tal que, la
1. Probabilidad condicional. Teoría de conjuntos. probabilidad condicional de que ocurra el evento A
2. Probabilidad total. Técnicas de conteo. dado que ha ocurrido B, se denota:
3. Teorema de Bayes. Espacio muestral y P( A B )
eventos P( A / B ) ; P( B ) 0
P( B )
18
27/07/2019
EJEMPLO: Un taller sabe que por término medio acuden: por la mañana tres automóviles
con problemas eléctricos, ocho con problemas mecánicos y tres con problemas de chapa, y TEOREMA DE BAYES
por la tarde dos con problemas eléctricos, tres con problemas mecánicos y uno con
problemas de chapa.
A1 A2 < ,F , P> Espacio probabilístico
P( B / A ) P( A )
P(B)
b) Calcular la probabilidad de los que acuden por problemas mecánicos j j
j 1
c) Calcular la probabilidad de que un automóvil acuda por la tarde y tenga problemas de chapa.
d) Calcular la probabilidad de que un automóvil acuda por la mañana si tiene problemas eléctricos P ( Ai ) : probabilidades " a priori"
P ( Ai / B ) : probabilidades " a posteriori"
P ( B / Ai ) : verosimilutudes
TEOREMA DE BAYES EJEMPLO: En una cierta población, el 25% de las personas tienen ojos azules y el resto
cafés. También el 10% de la población con ojos azules son zurdos, mientras que también lo
son el 5% de la población de ojos cafés.
EJEMPLO 1. En una oficina, La Fuma ¿Cuál es la probabilidad de que una persona que sabemos es zurda tenga ojos azules?
probabilidad que un empleado sea mujer 0,1
19
27/07/2019
EJERCICIO: EJERCICIO:
En la sala de pediatría de un hospital, el 60% de los pacientes son niñas. Un médico cirujano se especializa en cirugías estéticas. Entre sus
De los niños el 35% son menores de 24 meses. El 20% de las niñas pacientes, el 20% se realizan correcciones faciales, un 35% implantes
tienen menos de 24 meses. Un pediatra que ingresa a la sala selecciona mamarios y el restante en otras cirugías correctivas. Se sabe además, que
un infante al azar. son de genero masculino el 25% de los que se realizan correcciones
a. Determine el valor de la probabilidad de que sea menor de 24 meses. faciales, 15% implantes mamarios y 40% otras cirugías correctivas.
b. Si el infante resulta ser menor de 24 meses. Determine la probabilidad Si se selecciona un paciente al azar, determine:
que sea una niña. a) Determine la probabilidad de que sea de género masculino
b) Si resulta que es de género masculino, determine la probabilidad que
se haya realizado una cirugía de implantes mamarios.
EJERCICIO: EJERCICIO:
Un Doctor dispone de tres equipos electrónicos para realizar Una fábrica de piezas para aviones está organizada en tres secciones. La
ecosonogramas. El uso que le da a cada equipo es de 25% al primero, sección A fabrica el 30% de las piezas, la sección B el 35%, mientras que
35% el segundo en y 40% el tercero. Se sabe que los aparatos tienen el resto se fabrican en la sección C. La probabilidad de encontrar una
probabilidades de error de 1%, 2% y 3% respectivamente. Un paciente pieza defectuosa es del 0.01, 0.015 y 0.009 según se considere la sección
busca el resultado de una ecografía y observa que tiene un error. A, B o C, respectivamente.
Determine la probabilidad de que se ha usado el primer aparato. a) Calcula la probabilidad de que una pieza elegida al azar salga
defectuosa de dicha fábrica.
https://www.profesor10demates.com/2013/0
b) Si elegida una 9/probabilidad‐7‐teorema‐de‐bayes.html
pieza al azar es defectuosa, ¿qué probabilidad hay de
que sea de la sección B?
20
27/07/2019
EJERCICIO:
Un moderno edificio tiene dos ascensores para uso de los vecinos. El
primero de los ascensores es usado el 45% de las ocasiones, mientras
que el segundo es usado el resto de las ocasiones. El uso continuado de
los ascensores provoca un 5% de fallos en el primero de los ascensores y
un 8% en el segundo. Un día suena la alarma de uno de los ascensores
porque ha fallado. Calcula la probabilidad de que haya sido el primero de
los ascensores.
21