Guia de Estadistica

Contenido
Contenido 1
7 Introducción a la estadística 1
7.1 Definición básica de la estadística 2
7.2 Historia de la estadística 2
7.3 Tipos de estadística 3
8 Estadística descriptiva 5
8.1 Distribución de frecuencias 6
8.2 Medidas de tendencia central 10
8.3 Medidas de dispersión 16
8.4 Representación gráfica de frecuencias 18
Problemas Propuestos 8.4 20
9 Introducción a la teoría de Probabilidades 23
9.1 Definición de Probabilidad 24
9.2 Espacio muestral 25
9.3 Eventos ó sucesos 26
9.4 Propiedades básicas de la probabilidad 27
9.5 Teoría combinatoria 29
Problemas Propuestos 9.5 31
1
Unidad 7
Introducción a la estadística
Objetivos que se deben lograr

El objetivo fundamental de la estadística es obtener conclusiones de la inves-
tigación empírica usando modelos matemáticos. A partir de los datos reales
se construye un modelo que se confronta con estos datos por medio de la
Estadística. Esta proporciona los métodos de evaluación de las discrepancias
entre ambos. Por eso es necesaria para toda ciencia que requiere análisis de
datos y diseño de experimentos.
En esta unidad estudiaremos. . .

7.1 Definición básica de la estadística
7.2 Historia de la estadística
7.3 Tipos de estadística
L os temas que analizaremos son:
• Definición básica de estadistica

• Historia de la estadística
• Tipos de estadística y tipos de datos
• Conceptos usados en estadística
• ...
1
2 Unidad 7. Introducción a la estadística
7.1 Definición básica de la estadística

La estadística es la parte de la matemática que se ocupa de los métodos y procedi-
mientos que implican recopilación, presentación, ordenación y análisis de datos,
con el fin que a partir de ellos puedan inferirse conclusiones.
7.2 Historia de la estadística

La historia de la estadística se resume en tres grandes etapas, a saber:
Primera Etapa (Los Censos):
La necesidad de llevar un control de la población y las riquezas existentes

en un reino o país es una de las primeras aplicaciones de la estadística.
De acuerdo al historiador griego Herodoto, los faraones lograron recopilar
hacia el año 3050 a.C. datos relativos a la población y la riqueza de Egipto.
Esta etapa se caracterizó por ser netamente descriptiva de la información.
Segunda Etapa (De la descripción de los conjuntos a la aritmética política):
Luego de superar la etapa descriptiva, surgieron obras como las de Graunt,

Petty y Halley. El penúltimo es autor de la famosa obra “Aritmética Políti-
ca”. Chaptal, ministro francés del interior, publicó en 1801 el primer censo
general de población y desarrolló estudios industriales sobre producción,
haciéndose sistemáticos durante las dos terceras partes del siglo XIX.
Tercera Etapa (Cálculo de Probabilidades):
El cálculo de probabilidades surge como una poderosa herramienta de

análisis para estudiar fenómenos económicos y sociales, y otros cuyas
causas son difíciles de controlar.
Durante cierto tiempo, la teoría de las probabilidades limitó su aplicación
a los juegos de azar, y hasta el siglo XVIII no comenzó a aplicarse a los
grandes problemas científicos.
La estadística que conocemos hoy en día, debe gran parte de su realización
a los trabajos matemáticos de aquellos hombres que desarrollaron la teoría
de las probabilidades, con la cual se adhirió la estadística a las ciencias
formales.
7.3 Tipos de estadística 3
7.3 Tipos de estadística

Pueden distinguirse dos ramas diferentes en estadística:
Estadística descriptiva o deductiva:
Es la encargada de recoger los datos de un conjunto, organizarlos en tablas ó
números capaces de aportar información de manera global sobre el conjunto
estudiado.
Estadística inferencial ó inductiva:
Trata sobre la elaboración de previsiones ó conclusiones generales acerca
de una población, partiendo de los resultados obtenidos de una muestra y
del grado de fiabilidad de estas conclusiones.
Tipos de datos
Los datos (o variables) pueden ser de dos tipos: cuantitativos y cualitativos.
Los datos cuantitativos son los que representan una cantidad reflejada en
una escala numérica. A su vez, pueden clasificarse como datos cuantitativos
discretos si se refieren al conteo de alguna característica, o datos cuantitativos
continuos si se refieren a una medida.
Los datos cualitativos o categóricos se refieren a características de la población

que no pueden asociarse a cantidades con significado numérico, sino a característi-
cas que sólo pueden clasificarse.
Conceptos de elementos utilizados en el análisis estadístico:
1. Población o Universo: Conjunto completo de individuos, objetos, o me-

didas los cuales poseen una característica común observable y que serán
considerados en un estudio.
2. Muestra: Es un subconjunto o una porción de la población.
3. Variable: Característica o fenómeno de una población o muestra que será
estudiada, la cual puede tomar diferentes valores.
4. Datos: Números o medidas que han sido recopiladas como resultado de la
observación.
5. Estadístico: Es una medida, un valor que se calcula para describir una
característica a partir de una sola muestra.
6. Parámetro: Es una característica cuantificable de una población.
Unidad 8
Estadística descriptiva

Los objetivos de la Estadística Descriptiva son los que se abordan en la
primera de estas fases. Es decir, su misión es ordenar, describir y sintetizar la
información recogida.
La realización de gráficas (visualización de los datos en diagramas) también
forma parte de la Estadística Descriptiva dado que proporciona una manera
visual directa de organizar la información.
La finalidad de la Estadística Descriptiva no es, entonces, extraer conclusiones
generales sobre el fenómeno que ha producido los datos bajo estudio, sino
solamente su descripción (de ahí el nombre).

8.1 Distribución de frecuencias
8.2 Medidas de tendencia central
8.3 Medidas de dispersión
8.4 Representación gráfica de frecuencias
L •
os temas que analizaremos son:
Distribución de frecuencias y sus elementos

• Pasos para construir una tabla de frecuencia
• Medidas de tendencia central y de dispercion
• Tipos de gráficos
• Problemas propuestos
• ...
5
6 Unidad 8. Estadística descriptiva
8.1 Distribución de frecuencias
En los experimentos estadísticos los datos recolectados pueden corresponder a una

población ó muestra. En ambos casos los procedimientos de resumen de datos
son análogos y designaremos por:
N = Tamaño de la población estudiada.
n = Tamaño de la muestra (parte de la población).
Con el objeto de realizar un mejor estudio de los datos es necesario organizar
éstos, mediante el uso de distribuciones de frecuencia.
Distribución de Frecuencia : Es una tabla resumen en la que se disponen los

datos divididos en grupos ordenados numéricamente y que se denominan,
clases o intervalo.
Frecuencia absoluta : Es el numero de veces que se repite un valor al estudiar
de una muestra, se denota como: fi
Frecuencia absoluta acumulada : Es la suma de las frecuencias absolutas
de todos los valores anteriores a xi incluyendo la del mismo xi y se denota
como: Fi .
Es decir, indica la cantidad de datos que se encuentran hasta la clase i.
i
Fi = ∑ fj
j=1
Frecuencia relativa : Es el cociente entre la frecuencia absoluta del valor xi y

el numero total de individuos de la muestra.
La frecuencia relativa del valor xi denotado por hi y se escribe:
fi
hi =
n
Frecuencia relativa acumulada : Es el cociente entre la frecuencia absolu-

ta acumulada del valor xi y el numero total de individuos de la muestra,
denotado por Hi y se escribe:
Fi
Hi =
n
Marca de clase : Este es el punto medio ó valores medios de cada clase (ó

intervalo) y es denotado por: mi
Pasos para construir la tabla de frecuencia
1. Obtener el rango de los datos.
Rango ó recorrido: Es la diferencia entre el valor máximo y valor mí-

nimo de el conjunto de datos. Esto es,
R = xmax − xmin
2. Seleccionar el numero de clases (ó intervalos de igual tamaño) k.
Número de intervalos ó clases: Es el número de grupos en que es posi-

ble dividir los valores de la variable.
El número de clases no debe ser ni muy grande ni muy pequeño, un número

pequeño de clases puede ocultar la naturaleza general de los datos y un nú-
mero muy grande puede ser demasiado detallado como para revelar alguna
información útil.
Como regla general se recomienda que el número de clases esté entre cinco
y veinte. Hay una regla llamada que puede dar una aproximación razonable
Regla de Sturges para el número de clases, ella es:
k = 1 + 3,3 ∗ log(n)
donde n es el número de datos de la muestra.
3. Obtener la amplitud de las clases.
Amplitud de la clase ó del intervalo (a): Es el cociente entre el rango

R y el numero de clases k, es decir.
R
a=
k
4. Realizar el conteo de datos para obtener las frecuencias en cada clase.
Es decir, calcular mi , fi , Fi , hi y Hi para cada i (i = 1 · · · k), y organizarlo en
un cuadro llamado tabla de frecuencia.
Ejemplo 8.1.1 Un Profesor tiene en su hoja de evaluaciones las notas de 24 alum-

nos de su sección y son las siguientes:
12 14 12 16 18 12 09 14
08 14 08 14 16 15 16 08
14 08 12 14 16 11 09 18
a) Construya la tabla de frecuencia.

b) ¿En qué clase se concentra el mayor número de notas?
c) ¿Cuál es la frecuencia absoluta del cuarto intervalo?.
Interprete el resultado
d) ¿Qué porcentaje de los alumnos tienen una nota inferior a 12?
Solución. .
a) Construya la tabla de frecuencia.

Sigamos los pasos para construir la tabla:
i) Obtener el rango:
De los datos tenemos que: xmax = 18 y xmin = 08
entonces
R = 18 − 08 = 10
ii) Determinamos el numero de clases:

Para ello usamos la Regla de Sturges.
k = 1 + 3,3 ∗ log(24) = 5,554... ≈ 6

Tomaremos el numero de clases k como el entero mayor al resultado
obtenido.Es decir, k = 6
iii) Amplitud:
10
a= = 1,666... ≈ 2
6
Para facilitar los cálculos tomaremos la amplitud como entero al igual
que a los extremos de las clases (intervalos).
iv) Realizar la tabla de frecuencia:
i intervalo mi fi Fi hi Hi
6 6
1 [8, 10) 9 6 6 24 24
1 7
2 [10, 12) 11 1 7 24 24
4 11
3 [12, 14) 13 4 11 24 24
7 18
4 [14, 16) 15 7 18 24 24
2 22
5 [16, 18) 17 4 22 24 24
2 24
6 [18, 20) 19 2 24 24 24 =1
b) ¿En qué clase se concentra el mayor número de notas?
El mayor número de notas se concentra en el cuarto intervalo, que co-

rresponde al intervalo entre 14 y 16.
c) ¿Cuál es la frecuencia absoluta del tercer intervalo?.
La frecuencia absoluta del tercer intervalo es 4. Esto nos indica que son 4
los alumnos que tienen una nota entre 12 y 14.
d) ¿Qué porcentaje de los alumnos tienen una nota inferior a 12?
El 29,17 % de los alumnos tiene una nota inferior a 12

8.2 Medidas de tendencia central
En todo análisis y/o interpretación se pueden utilizar diversas medidas descriptivas

que representan las propiedades de tendencia central, dispersión y forma para
extraer y resumir las principales características de los datos. Si se calculan a partir
de una muestra de datos, se les denomina parámetros muestrales; si estadísticos
se les calcula a partir de una población se les denomina parámetros poblacionales
La mayor parte de los conjuntos de datos muestran una tendencia a agruparse

alrededor de un punto "central" y por lo general es posible elegir algún valor que
describa todo un conjunto de datos. Un valor típico descriptivo como ese es una
medida de tendencia central o " posición ". Las medidas de tendencia central a
estudiar son: media aritmética, mediana y moda.
Medidas de tendencia central para datos no agrupados
Media aritmética
Es la medida de tendencia central que se media aritmética utiliza con mayor
frecuencia. Se calcula sumando todas las observaciones de un conjunto de datos,
dividiendo después ese total entre el número total de elementos involucrados.
La media aritmética de un conjunto de valores x1 , x2 , . . . ,xn se define como el
cociente entre la suma de los valores y el número de ellos. Su símbolo es X̄, si la
media aritmética es de una muestra y µ si la media aritmética es de una población.
x1 + x2 + · · · + xn 1 n
X̄ = = ∑ xi
n n i=1
Ejemplo 8.2.1 Ejemplo Calcular la media aritmética de los siguientes datos re-
lacionados con las notas de test en estadística obtenidas por un cierto alumno:
45, 80, 56, 35, 25, 90
Solución. Calculemos la media:

45 + 80 + 56 + 35 + 25 + 90
X̄ = = 55,17 ≈ 55
6
El promedio de test es 55 puntos.
La Mediana
Es el valor que se encuentra en el centro de una secuencia ordenada de datos.

La mediana no se ve afectada por observaciones extremas en un conjunto de datos.
Por ello, cuando se presenta alguna información extrema, resulta apropiado utilizar
la mediana, y no la media, para describir el conjunto de datos y su símbolo es X̃ .
Se deben ordenar los datos de forma creciente o decreciente. Para muestras con
un número par de observaciones, la mediana es el dato que queda en el centro de
dicha ordenación y para muestras con número impar de observaciones la mediana
es el promedio de los dos datos centrales.

 x n+1 si n es impar

 2
X̃ =

 1
 (x n + x n2 +1 ) si n es par
2 2
Ejemplo 8.2.2 Si los datos son: 4, 7, 5, 6, 3, 2, 7
Solución. Al ordenar lo datos nos queda de la siguiente forma: 2, 3, 4, 5, 6, 7, 7

entonces
X̃ = x 7+1 = x4 = 5
2
Ejemplo 8.2.3 Si los datos son: 12,15,14,16,11,10,10,13
Solución. Al ordenar lo datos nos queda de la siguiente forma: 10,10,11, 12,13,14,15,16

entonces
1 1 1 25
X̃ = (x 8 + x 8 +1 ) = (x4 + x5 ) = (12 + 13) = = 12,5
2 2 2 2 2 2
Moda
La moda es el valor de un conjunto de datos que mas se repite.

En un conjunto de datos puede pasar que tenga más de una moda o ninguna.
Su símbolo es Mo
Ejemplo 8.2.4 Calculemos la moda de:
1. Datos : 2, 4, 5, 6, 7, 7, 8, 7 ⇒ Mo = 7
2. Datos : 1, 1, 1, 2, 3, 2, 5, 2 ⇒ Mo = 1 y 2
3. Datos : 1, 2, 3, 5, 6 ,8 ⇒ Mo = no existe
Medidas de tendencia central para datos agrupados
Media aritmética
m1 · f1 + m2 · f2 + · · · + mk · fk 1 k
X̄ = = ∑ mi · fi
k k i=1
Ejemplo 8.2.5 Del ejemplo anterior tenemos la siguiente tabla:
i intervalo mi fi Fi hi Hi
6 6
1 [8, 10) 9 6 6 24 24
1 7
2 [10, 12) 11 1 7 24 24
4 11
3 [12, 14) 13 4 11 24 24
7 18
4 [14, 16) 15 7 18 24 24
2 22
5 [16, 18) 17 4 22 24 24
2 24
6 [18, 20) 19 2 24 24 24 =1

9· 6 + 11· 1 + 13· 4 + 15· 7 + 17· 4 + 19· 2
X̄ = = 13,667
24
El promedio del test es 13,667 ≈ 14 puntos.
 n 
− Fi−1
Me = Li +  2 ∗a
fi
n
Donde: i : Es el primer intervalo cuya frecuencia acumulada supera a
2
Li : Es el límite real del intervalo de la mediana.
n : Es el número de datos.
Fi−1 : Es la frecuencia acumulada anterior al intervalo de la mediana.
fi : Es la frecuencia absoluta del intervalo de la mediana.
a : Es la amplitud del intervalo.
Límite real de un intervalo: Se obtienen calculando el promedio entre el l

de una clase y el límite inferior de la clase siguiente.
Ejemplo 8.2.6 Distribución de frecuencias de la duración, en horas, de uso conti-

nuo de 212 dispositivos electrónicos iguales, sometidos a un cierto control.
i Duración fi Fi
1 [350, 399) 4 4
2 [400, 449) 6 10
3 [450, 499) 9 19
4 [500, 549) 20 39
5 [550, 599) 31 70
6 [600, 649) 80 150
7 [650, 699) 42 192
8 [700, 749) 10 202
9 [750, 799) 8 210
10 [800, 849) 2 212
n
Solución. Donde se encuentra la mediana es el primer intervalo en el cual ≤ Fi
2
Así que:
n 212
= = 106 ≤ Fi
2 2
=⇒ 106 ≤ 150
=⇒ 6to intervalo : i=6
n 
a = 50 − F5
Me = L6 +  2 ∗a
f6
F5 = 70
106 − 70
Me = 599,5 + ∗ 50
80
f6 = 80
Me = 622 horas
L6 = 599,5
Moda

d1
Mo = Li + ∗a
d1 + d2
Donde: i : Es el intervalo de mayor frecuencia absoluta.

Li : Es el límite real del intervalo de la moda.
d1 : Es la diferencia entre la frecuencia absoluta del intervalo de la
moda y el intervalo anterior: d1 = fi − fi−1
d2 : Es la diferencia entre la frecuencia absoluta del intervalo de la
moda y el intervalo posterior: d2 = fi − fi+1
a : Es la amplitud del intervalo.
Ejemplo 8.2.7 Distribución de frecuencias de la duración, en horas, de uso conti-

nuo de 212 dispositivos electrónicos iguales, sometidos a un cierto control.
i Duración fi Fi
1 [350, 399) 4 4
2 [400, 449) 6 10
3 [450, 499) 9 19
4 [500, 549) 80 99
5 [550, 599) 31 130
6 [600, 649) 20 150
7 [650, 699) 42 192
8 [700, 749) 10 202
9 [750, 799) 8 210
10 [800, 849) 2 212
Solución. El intervalo de mayor frecuencia absoluta es el 4to =⇒ i=4
a = 50

d1
Me = L4 + ∗a
f4 = 80 d1 + d2

d1 = 80 − 9 = 71 71
Me = 499,5 + ∗ 50
71 + 49
d2 = 80 − 31 = 49
Me = 529,08 horas
L4 = 499,5
8.3 Medidas de dispersión
Dispersión es el grado de variación o diseminación de los datos.

Las medidas de dispersión a estudiar son: Varianza y desviación estándar.
Varianza
La varianza se define como el promedio aritmético de las diferencias entre
cada uno de los valores del conjunto de datos y la media aritmética del conjunto
elevadas al cuadrado.
Su símbolo es S 2 si estamos trabajando con una muestra y σ 2 si estamos tra-

bajando con una población.
Desviación Típica o Desviación Estándar

Es la raíz cuadrada positiva de la Varianza, su símbolo es S y viene dado por:
√
S = S2
¿Qué indican la Varianza y la Desviación Estándar?
La varianza y la desviación estándar miden la dispersión "promedio" en torno a

la media aritmética, es decir, cómo fluctúan las observaciones mayores por encima
de la media aritmética y cómo se distribuyen las observaciones menores por debajo
de ella.
Varianza para datos no agrupados
1 n
S2 = ∑ (xi − X̄)2
n − 1 i=1
Ejemplo 8.3.1 Si los datos son: 2, 6, 11, 8, 11, 4, 7, 5

Calcule la media y varianza.
Solución. determinemos la media.
2 + 6 + 11 + 8 + 11 + 4 + 7 + 5 54
X̄ = = = 6,75
8 8
8.3 Medidas de dispersión 17
Ahora calculemos la varianza.

(2 − 6,75)2 + (6 − 6,75)2 + · · · + (5 − 6,75)2
S2 =
7
= 10,214
Varianza para datos agrupados
1 k
S2 = ∑ (mi − X̄)2 · fi
n − 1 i=1
donde k es el numero de clases y mi la marca de clase.

Ejemplo 8.3.2 Considere la tabla con los datos de las edades de 26 personas.
i Edades mi fi
1 [15, 20) 17,5 2
2 [20, 25) 22,5 7
3 [25, 30) 27,5 8
4 [30, 35) 32,5 5
5 [35, 40) 37,5 4

17,5· 2 + 22,5· 7 + 27,5· 8 + 32,5· 5 + 37,5· 4
X̄ = = 27,88
26
Calculemos la Varianza:
(17,5 − 27,88)2 · 2 + (22,5 − 27,88)2 · 7 + · · · + (37,5 − 27,88)2 · 4

S2 =
25
= 35,85
y su desviacion estandar es:

p
S = 35,85 =⇒ S = 5,987
8.4 Representación gráfica de frecuencias
Su objetivo es captar la información obtenida de los datos en forma rápida por

cualquier persona, así cada representación debe llevar un título adecuado.
Las normas en la construcción de un gráfico estadístico son similares a los de
gráficos de funciones, las variables independientes, se ubican en las abscisas y las
dependientes en las ordenadas.
Tipos de gráficos
a) Gráfico circular o tipo pastel:

Se usan para mostrar el comportamiento de las frecuencias relativa, absolu-
tas o porcentuales de las variables. Dichas frecuencias son representadas
por medio de sectores circulares, proporcionales a las frecuencias.
Tipo Presión fi
A [50, 59) 15
B [59, 68) 20
C [68, 77) 37
D [77, 86) 40
E [86, 95) 26
F [95, 104) 18
G [104, 113) 15
b) Gráfico de barra :
Se utiliza para representar tablas de frecuencia con atributos o con variables
discretas y pocos valores. Sobre un eje horizontal se construyen bases de
rectángulo del mismo ancho cada uno correspondiente a una modalidad del
atributo, sobre estas bases se levantan rectángulos cuya altura es proporcio-
nal a la frecuencia absoluta de la modalidad. El espacio entre ellas debe ser
uniforme.
Tipo Presión fi
1 [50, 59) 15
2 [59, 68) 20
3 [68, 77) 37
4 [77, 86) 40
5 [86, 95) 26
6 [95, 104) 18
7 [104, 113) 15
c) Histograma :
Es el gráfico adecuado cuando los datos están ordenados en tablas con in-
tervalos, es decir, para datos de variables continuas. También el histograma
es una conformación de rectángulos, pero uno al lado de otro cuya área es
proporcional a la frecuencia de cada intervalo.
Se construye dibujando rectángulos cuya base corresponde a cada intervalo
de clase y su altura es la frecuencia. Puede ser frecuencia absoluta o fre-
cuencia relativa.
Tipo Presión fi
A [50, 59) 15
B [59, 68) 20
C [68, 77) 37
D [77, 86) 40
E [86, 95) 26
F [95, 104) 18
G [104, 113) 15
Problemas Propuestos 8.4
1. Las ganancias por acción de 40 compañías de la industria de la construcción

son:
3,1 4,9 2,8 3,6 4,5 3,5 2,8 4,1
2,9 2,1 3,7 4,1 2,7 4,2 3,5 3,7
3,8 2,2 4,4 2,9 5,1 1,8 2,5 6,2
2,5 3,6 5,6 4,8 3,6 6,1 5,1 3,9
4,3 5,7 4,7 4,6 5,1 4,9 4,2 3,1
a) Construya una distribución de frecuencias
b) ¿Cuál es la frecuencia absoluta del tercer intervalo?. Interprete el resul-
tado.
c) ¿Qué porcentaje de las compañías tienen una ganancia menor a 4?
d) ¿Cuántas compañías tienen una ganancia a lo menos de 3?
e) Interprete la frecuencia acumulada del segundo intervalo.
f) Interprete la frecuencia relativa acumulada
2. Los siguientes datos corresponden al sueldo (en miles de pesos) de 40
trabajadores de una empresa:
119 135 138 144 146 150 156 164
125 135 140 144 147 150 157 165
126 135 140 145 147 152 158 168
128 136 142 145 148 153 161 173
132 138 142 146 149 154 163 176
b) ¿En qué clase se encuentra el mayor número de trabajadores?.
c) ¿Qué porcentaje de trabajadores gana entre $ 139.000 y $ 168.000 ?.
d) ¿Qué porcentaje de trabajadores gana entre $ 139.000 y $ 168.000 ?.
e) ¿Cuántos trabajadores ganan a lo menos $ 159.000 ?.
f) ¿Cuántos trabajadores ganan a lo más $ 148.000 ?.
3. De gran importancia para residentes de la región central de Florida es la
cantidad de material radiactivo presente en el suelo de zonas recuperadas de
la explotación minera de fosfatos. Las mediciones de la cantidad de 238 U
en 25 muestras de suelo fueron como sigue (mediciones en picocurios por
gramo):
.74 6.47 1.90 2.69 .75

.32 9.99 1.77 2.41 1.96
1.66 .70 2.42 .54 3.36
3.59 .37 1.09 8.32 4.06
4.55 .76 2.03 5.70 12.48
b) ¿En qué clase se encuentra el mayor número de trabajadores?.
c) ¿Qué porcentaje de trabajadores gana entre $ 139.000 y $ 168.000 ?.
d) ¿Qué porcentaje de trabajadores gana entre $ 139.000 y $ 168.000 ?.
e) ¿Cuántos trabajadores ganan a lo menos $ 159.000 ?.
f) ¿Cuántos trabajadores ganan a lo más $ 148.000 ?.
Unidad 9
Introducción a la teoría de
Probabilidades

Esta unidad proporciona un tratamiento de los experimentos cuyos resultados
no se pueden predecir con certeza a través del concepto de probabilidad.
Se analizan las propiedades de la probabilidad y se introduce también el
concepto de probabilidad condicionada, que surge cuando un suceso modifica
la asignación de probabilidades previa.

9.1 Definición de Probabilidad
9.2 Espacio muestral
9.3 Eventos ó sucesos
9.4 Propiedades básicas de la probabilidad
9.5 Teoría combinatoria
L •
os temas que analizaremos son:
Definición de experimento aleatorio
• Definición de espacio muestral y eventos
• Propiedades basicas de la Probabilidad
• Sucesos independientes
• Teoria Combinatoria
• Problemas propuestos
• ...
23
24 Unidad 9. Introducción a la teoría de Probabilidades
9.1 Definición de Probabilidad
La rama de la matemática conocida actualmente como probabilidad consiste

en el estudio de ciertos experimentos llamados aleatorios, es decir, libres de
determinación previa.
La probabilidad surgió a comienzos del siglo XVI, en relación con los diversos
juegos de azar que se practicaban en la época, más aún, desde civilizaciones tan
antiguas como las de los sumerios y egipcios.
Hoy en día, los juegos de azar están presentes en aquellos como loterías,juegos
de casino y de naipes, muy populares en nuestra sociedad actual. Así, el cálculo
de probabilidades determina las posibilidades de ganar o perder en un evento
específico. En general, el estudio de las probabilidades permite el análisis de
resultados relacionados con fenómenos de carácter social, político y económico,
entre otros.
Experimento Aleatorio:
Un Experimento Aleatorio o No determinístico es aquel que antes de reali-

zarlo no se puede predecir el resultado que se va a obtener. En caso contrario se
dice determinista.
Aunque en un experimento aleatorio no sepamos lo que ocurrirá al realizar una
"prueba" sí que conocemos de antemano todos sus posibles resultados.
Ejemplo 9.1.1 Tipos de Experimentos Aleatorios.
E1 : Se lanza un dado y se observa el número que aparece en la cara superior.

E2 : Se lanza una moneda cuatro veces y se cuenta el número total de caras
obtenidas.
E3 : Se lanza una moneda cuatro veces y se observa la sucesión de caras y sellos
obtenidos.
E4 : Se fabrican artículos en una línea de producción y se cuenta el número de
artículos defectuosos producidos en un período de 24 horas.
E5 : Se fabrican artículos hasta producir 10 no defectuosos. Se cuenta el número
total de artículos manufacturados.
E6 : Medir la resistencia a la tensión de una barra de acero.
¿Qué tiene en común los experimentos anteriores? Los siguientes aspectos son
importantes para nuestra descripción de un experimento aleatorio:
9.2 Espacio muestral 25
a) existe más de un posible resultado del experimento
b) se conoce de antemano cuáles son todos los posibles resultados
c) en cada realización del experimento, se desconoce el resultado concreto que

ocurrirá de entre todos los posibles.
Observación:
Al describir los diversos experimentos, hemos especificado no sólo el procedi-

miento que se realiza sino que también lo que estamos interesados en observar.
Este es un punto muy importante al cual nos referiremos más adelante cuando
discutamos las variables aleatorias. Por el momento, observemos simplemente que,
como una consecuencia de un solo procedimiento experimental o la ocurrencia de
un solo fenómeno, se pudieran calcular varios valores numéricos diferentes.
9.2 Espacio muestral
Definición 9.2.1 (Espacio Muestral)

Con cada experimento ε del tipo que consideremos, definimos el espacio mues-
tral como el conjunto de todos los resultados posibles de ε. Usualmente desig-
namos este conjunto como Ω. (en nuestro contexto, Ω representa el conjunto
universal descrito previamente).
Consideremos cada uno de los experimentos anteriores y describamos el Espacio

Muestral de cada uno:
• El lanzamiento de un dado, el espacio muestral es:
Ω = {1, 2, 3, 4, 5, 6}
• El lanzamiento de una moneda, el espacio muestral es:
Ω = {c, s}
Donde: c: cara
s: sello
• Al extraer una carta de un mazo de naipes, el espacio muestral consta de 52
elementos.
• Al lanzar dos monedas, el espacio muestral es:
Ω = {(c, c), (c, s), (s, c), (s, s)}

Observe que el resultado (c, s) 6= (s, c), es decir, es importante el orden.
Definición 9.2.2 (Espacio Muestral Discreto)
Es aquel que esta formado por un conjunto finito de resultados posibles.
Definición 9.2.3 (Espacio Muestral Continuo)

Esta formado por un conjunto infinito de resultados posibles.
Cuando el espacio muestral Ω es finito o infinito numerable, todo subconjunto

se puede considerar como un suceso. [Es un ejercicio fácil de verificar, y que
haremos en breve, si Ω tiene n elementos, hay exactamente 2n subconjuntos (suce-
sos).] Sin embargo, si Ω es infinito no numerable, aparece una dificultad teórica
para el cálculo del número de sucesos, por el que tales conjuntos no se admitirán
en esta clase.
9.3 Eventos ó sucesos

Definición 9.3.1 (Evento ó Suceso)
Un evento ó suceso es cualquier subconjunto del espacio muestral. El mismo
espacio muestral es un suceso llamado suceso seguro y el conjunto vacío (0)
/ es el
suceso imposible.
Podemos usar ahora los diversos métodos para combinar conjuntos (es decir,
sucesos) y obtener los nuevos conjuntos (es decir, sucesos) que presentamos al
comienzo.
a) Si A y B son sucesos, A ∪ B es el suceso que ocurre si y sólo si A ó B (ó
ambos) ocurren.
b) Si A y B son sucesos, A ∩ B es el suceso que ocurre si y sólo si A y B
ocurren.
c) Si A es un suceso, Ac es el suceso que ocurre si y sólo si A no ocurre.
d) Si A1 , A2 , . . . , An es cualquier colección finita (o infinita numerable) de
n
S ∞
S
sucesos, entonces Ai (ó Ai ) es el suceso que ocurre si y sólo si al
i=1 i=1
menos uno de los sucesos Ai ocurre.
9.4 Propiedades básicas de la probabilidad 27
e) Si A1 , A2 , . . . , An es cualquier colección finita (o infinita numerable) de su-

n
T ∞
T
cesos, entonces Ai (ó Ai ) es el suceso que ocurre si y sólo si al menos
i=1 i=1
uno de los sucesos Ai ocurre.
Definición 9.3.2 (Eventos mutuamente excluyentes)

Se dice que dos sucesos, A y B, son mutuamente excluyentes (o disjuntos) si no
pueden ocurrir juntos o simultáneamente. Expresamos esto escribiendo:
A ∩ B = 0/
es decir, que A y B no tienen elementos en común.
Ejemplo 9.3.1 Se prueba un artefacto electrónico y se anota el tiempo total de uso,

digamos t. Supongamos {tt ≥ 0}.
Solución. .
Sean
A = {tt < 100}; B = {t50 ≤ t ≤ 200}; C = {tt > 150}
Entonces
A ∪ B = {tt ≤ 200}; A ∩ B = {t50 ≤ t < 100};
B ∪C = {tt ≥ 150}; B ∩C = {t150 < t ≤ 200};
A ∩C = 0/ Ac = {tt ≥ 100};
9.4 Propiedades básicas de la probabilidad
Definición 9.4.1 ( Función de Probabilidad )

Sea Ω un espacio muestral correspondiente a un experimento aleatorio.
Una función de probabilidad para Ω es cualquier función que asigne a cada suceso
un numero en el intervalo [0,1] y que satisfaga las siguientes propiedades:
1. 0 ≤ P(A) ≤ 1, para cualquier evento A.

2. P(Ω) = 1
3. Si A y B son sucesos que se excluyen mutuamente,

P(A ∪ B) = P((A)) + P(B)
4. Si A1 , A2 , . . . , An son sucesos mutuamente excluyentes, es decir, Ai ∩ A j = 0/
para i 6= j entonces
∞
P(A1 ) + P(A2 ) + · · · + P(An ) + · · ·
S
P( Ai ) =
i=1
∞
= ∑ P(Ai )
i=1
Cuando se repite un experimento aleatorio muchas veces, la frecuencia relativa

con que aparece un suceso tiende a estabilizarse hacia un valor fijo, a medida que
aumenta el número de pruebas realizadas.
Este resultado, conocido como ley de los grandes números, nos lleva a definir
la probabilidad de un suceso como el número hacia el que tiende la frecuencia
relativa al repetir el experimento muchas veces.
Definición 9.4.2 ( La regla de Laplace )

La probabilidad de que se dé un suceso A es el cociente entre el numero de
casos favorables para A y el numero de casos posibles, esto es:
Números de casos favorables

P(A) =
Números total de casos posibles
Propiedades de la Probabilidad
+ Probabilidad de vacio : Si 0/ es el conjunto vacío, entonces
/ =0
P(0)
+ Probabilidad del complemento : Si Ac es el suceso complementario de A,

entonces
P(A) = 1 − P(Ac )
+ Ley Aditiva de Probabilidad : Si A y B son dos sucesos cualesquiera,

entonces:
P(A ∪ B) = P(A) + P(B) − P(A ∩ B)
9.5 Teoría combinatoria

Definición 9.5.1
Una combinación es cada uno de los diferentes arreglos que se pueden hacer
con parte o todos los elementos de un conjunto dado, sin considerar el orden en su
ubicación. El número de combinaciones posibles de n objetos tomando m de ellos
a la vez, se simboliza como nCm y se calcula así:
n!
nCm = , n≥m
m!(m − n)!
Ejemplo 9.5.1 Un Soda Bar tiene 3 tipos de frutas: durazno, sandía y piña. ¿Cuán-
tos sabores diferentes de jugo se podrán preparar, si se pueden mezclar las frutas?
Solución.
Método 1: Analizando opciones
Cuando se escoge una fruta de las tres, el número de opciones para preparar
el jugo es 3: D, S, P.
Cuando se escogen 2 de las tres frutas, el número de opciones es 3: DS, DP, SP.
Cuando se escogen las 3 frutas a la vez, se obtiene una única opción: DSP.
Total de sabores diferentes: 3 + 3 + 1 = 7.
Método 2: Empleando combinaciones
Se puede escoger una fruta de las tres, o dos frutas de las tres, o las tres fru-
tas a la vez, además, en este caso no importa el orden, por lo tanto, usamos el
principio aditivo aplicado a la combinación:
3C1 + 3C2 + 3C3

3! 3! 3!
+ +
1! ∗ 2! 2! ∗ 1! 3! ∗ 0!
Total de sabores diferentes: 3 + 3 + 1 = 7.
Como se puede verificar, los resultados son iguales.

Ejemplo 9.5.2 Para un cierto experimento se seleccionan 3 ratones de un grupo de

5 blancos y 4 cafés.
a) ¿De cuántas maneras se pueden escoger 3 ratones blancos?

b) ¿De cuántas maneras se pueden escoger 2 ratones blancos y 1 café?
c) ¿De cuántas maneras se pueden escoger 1 ratón blanco y 2 cafés?
Solución. a) ¿De cuántas maneras se pueden escoger 3 ratones blancos?

5 4 5!
∗ = ∗ 1 = 10 Formas
3 0 3! 2!
b) ¿De cuántas maneras se pueden escoger 2 ratones blancos y 1 café?

5 4 5!
∗ = ∗ 4 = 40 Formas
2 1 2! 3!
c) ¿De cuántas maneras se pueden escoger 1 ratón blanco y 2 cafés?

5 4 4!
∗ = 5∗ ∗ 4 = 30 Formas
1 2 2! 2!
Ejemplo 9.5.3 Se necesita constituir un grupo mixto de vigilancia formado por 2

hombres y 3 mujeres, para lo cual se dispone de 12 oficiales hombres y 8 oficiales
mujeres; determine el número de grupos diferentes que se pueden formar.
Solución. Para constituir el grupo de hombres:

12 8 12! 8!
∗ = ∗ = 66 ∗ 56 = 3696
2 3 2! 10! 3! 5!
El número de grupos diferentes que se pueden formar es 3696.
Problemas Propuestos 9.5
1. Elegimos una ficha de dominó al azar,

a) Describe los sucesos:
A=”sacar una ficha doble”
B=”sacar una ficha cuyos números sumen 5 ó múltiplo de 5”
b) Escribe A ∪ B y A ∩ B
2. Escribe el espacio muestral del experimento resultante de tirar 3 monedas.
Considera los sucesos:
A=”Salir una cara”
B=”Salir al menos una cara”
Escribe A ∪ B, A ∩ B y el suceso contrario de B.
3. En una caja hay 5 bolas rojas, 4 verdes y 3 azules. Se extrae una bola y se
anota el color, calcula la probabilidad de que sea verde.
4. Se elige al azar un nº entre los primeros 50 naturales (a partir del 1). Calcula
la probabilidad de los sucesos:
A =”salir un nº mayor que 4 y menor que 17”.
B =”Salir un cuadrado perfecto”
5. De una baraja española (40 cartas) se extrae una carta, calcula la probabilidad
de los sucesos:
A =”Salir bastos”
B =”No salir ni bastos ni as”
6. Lanzamos dos dados y nos fijamos en la menor de las puntuaciones. Calcula
la probabilidad de que sea un 3.
7. Discuta el siguiente problema: Tengo dos urnas, dos bolas blancas y dos
bolas negras. Se desea saber cómo debo distribuir las bolas en las urnas para
que, al elegir una urna al azar, sea máxima la probabilidad de obtener una
bola blanca. La única condición exigida es que cada urna tenga al menos
una bola.
8. En un concurso se deben obtener aleatoriamente dos dígitos del 1 al 5, de
manera independiente. Si la suma de los dos dígitos es par, el participante
gana $100; si la suma de los dos dígitos es impar, gana $10.
a) Escriba el espacio muestral para este concurso.
b) Encuentre la probabilidad de que el participante gane $100 en un intento.
c) ¿Le recomendaría este juego a alguien? ¿Por qué?
9. Se pregunta a tres personas distintas, elegidas al azar, si son partidarias o no

de un determinado candidato a la Presidencia de la República.
a) Calcule la probabilidad de que al menos una persona es partidaria del
candidato.
b) Calcule la probabilidad de que ocurra el evento contrario al del literal
anterior.
10. Se pregunta a cuatro personas elegidas al azar que consumen carnes, si les
gusta la carne de cerdo.
a) Calcule la probabilidad de que al menos tres personas gusten de la carne
de cerdo.
b) Calcule la probabilidad de que, a lo mucho, sólo a dos personas les guste
la carne de cerdo.

Guia de Estadistica

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Guia de Estadistica

Încărcat de

Drepturi de autor:

Formate disponibile

Contenido

Objetivos que se deben lograr

En esta unidad estudiaremos. . .

L os temas que analizaremos son:

• Definición básica de estadistica

7.1 Definición básica de la estadística

7.2 Historia de la estadística

La necesidad de llevar un control de la población y las riquezas existentes

Segunda Etapa (De la descripción de los conjuntos a la aritmética política):

Luego de superar la etapa descriptiva, surgieron obras como las de Graunt,

Tercera Etapa (Cálculo de Probabilidades):

El cálculo de probabilidades surge como una poderosa herramienta de

7.3 Tipos de estadística

Los datos cualitativos o categóricos se refieren a características de la población

Conceptos de elementos utilizados en el análisis estadístico:

1. Población o Universo: Conjunto completo de individuos, objetos, o me-

Objetivos que se deben lograr

En esta unidad estudiaremos. . .

Distribución de frecuencias y sus elementos

8.1 Distribución de frecuencias

En los experimentos estadísticos los datos recolectados pueden corresponder a una

Distribución de Frecuencia : Es una tabla resumen en la que se disponen los

Frecuencia relativa : Es el cociente entre la frecuencia absoluta del valor xi y

Frecuencia relativa acumulada : Es el cociente entre la frecuencia absolu-

Marca de clase : Este es el punto medio ó valores medios de cada clase (ó

Pasos para construir la tabla de frecuencia

1. Obtener el rango de los datos.

Rango ó recorrido: Es la diferencia entre el valor máximo y valor mí-

2. Seleccionar el numero de clases (ó intervalos de igual tamaño) k.

Número de intervalos ó clases: Es el número de grupos en que es posi-

El número de clases no debe ser ni muy grande ni muy pequeño, un número

3. Obtener la amplitud de las clases.

Amplitud de la clase ó del intervalo (a): Es el cociente entre el rango

Ejemplo 8.1.1 Un Profesor tiene en su hoja de evaluaciones las notas de 24 alum-

a) Construya la tabla de frecuencia.

a) Construya la tabla de frecuencia.

ii) Determinamos el numero de clases:

k = 1 + 3,3 ∗ log(24) = 5,554... ≈ 6

iv) Realizar la tabla de frecuencia:

b) ¿En qué clase se concentra el mayor número de notas?

El mayor número de notas se concentra en el cuarto intervalo, que co-

c) ¿Cuál es la frecuencia absoluta del tercer intervalo?.

d) ¿Qué porcentaje de los alumnos tienen una nota inferior a 12?

El 29,17 % de los alumnos tiene una nota inferior a 12

8.2 Medidas de tendencia central

En todo análisis y/o interpretación se pueden utilizar diversas medidas descriptivas

La mayor parte de los conjuntos de datos muestran una tendencia a agruparse

Medidas de tendencia central para datos no agrupados

Solución. Calculemos la media:

Es el valor que se encuentra en el centro de una secuencia ordenada de datos.

Ejemplo 8.2.2 Si los datos son: 4, 7, 5, 6, 3, 2, 7

Solución. Al ordenar lo datos nos queda de la siguiente forma: 2, 3, 4, 5, 6, 7, 7

Ejemplo 8.2.3 Si los datos son: 12,15,14,16,11,10,10,13

Solución. Al ordenar lo datos nos queda de la siguiente forma: 10,10,11, 12,13,14,15,16

La moda es el valor de un conjunto de datos que mas se repite.

Ejemplo 8.2.4 Calculemos la moda de:

Medidas de tendencia central para datos agrupados

Ejemplo 8.2.5 Del ejemplo anterior tenemos la siguiente tabla:

Solución. Calculemos la media:

Límite real de un intervalo: Se obtienen calculando el promedio entre el l

Ejemplo 8.2.6 Distribución de frecuencias de la duración, en horas, de uso conti-

Donde: i : Es el intervalo de mayor frecuencia absoluta.

Ejemplo 8.2.7 Distribución de frecuencias de la duración, en horas, de uso conti-

Solución. El intervalo de mayor frecuencia absoluta es el 4to =⇒ i=4

A ∪ B = {tt ≤ 200}; A ∩ B = {t50 ≤ t < 100};

B ∪C = {tt ≥ 150}; B ∩C = {t150 < t ≤ 200};