Documente Academic
Documente Profesional
Documente Cultură
ESTADSTICA BIDIMENSIONAL
REGRESION Y CORRELACION
LINEAL SIMPLE
TEORIA DE PROBABILIDADES
ESTADSTICA
BIDIMENSIONAL
Analiza el comportamiento conjunto
de dos
variables en una unidad de estudio, es decir busca
la asociacin o relacin que existe entre ambas, se
representa como un conjunto de pares de datos
(X,Y), donde:
X : es la variable independiente (llamado factor)
Y : es la variable dependiente (llamado resultado)
Ejemplos:
Peso y talla de un grupo de personas
Gasto en publicidad y volumen de ventas
Nivel de estudios y regin de procedencia
Ingresos y nivel socioeconmico
Coeficiente intelectual y rendimiento acadmico
2
..ESTADSTICA
BIDIMENSIONAL..
ORGANIZACIN DE DATOS
La asociacin o dependencia de dos variables
cualitativas se debe resumir los resultados en:
Grfico de barras agrupadas
Tablas de contingencia o bidimensionales
y
Y1
y2
...
yj
...
yl
fi. ni.
x1
f11
f12
f1j
f1l
f1.
x2
f21
f22
f2j
f2l
f2.
fi1
fi2
fk1
fk2
xi
xk
fij
fkj
j1
f.1
f.2
f.j
fil
fi.
fkl
fk.
f. j n.j
i1
f.l
n..
fij n
i1 j1
Donde:
Las frecuencias absolutas conjuntas se
designa con el ndice ij es decir: fij
La suma de los totales se considera de tres
formas:
ni .
a) Totales por fila; es la suma total de las
frecuencias absolutas en fila:
n. j
f. j
n
hij
f ij
n
f i.
n
Distribuciones
marginales
a) Distribucin marginal
de X; est dado por las
marcas de clase (Xi) y por los totales de las frecuencia
por filas (fi.) :
X
x1
fi.
f1.
x2
f2.
:
xk
:
fk.
Total
ni.
:
yl
Total
:
f.l
n.j
Presentacin de
Tabla1. Nivel de instruccin
resultados
procedencia
por
regin
de
Nivel de estudios
Primaria
Secundaria
Superior
Costa
40
10.7
80
21.3
60
16.0
180
48.0
Sierra
35
9.3
35
9.3
30
8.0
100
26.7
Selva
30
8.0
40
10.7
25
6.7
95
25.3
105
28.0
155
41.3
115
30.7
375
100.0
Regin de
procedenc
ia
Total
Total
20
16.0
15
10.7
Frecuencia (%)
10.7
9.3 9.3
10
8.0
8.0
6.7
5
0
Costa
Primaria
Sierra
Secundaria
Selva
Superior
f ij eij
eij
El estadstico
se define
como:
fij : son las
frecuencias
observadas de la muestra
f f . j
eij : son las frecuencias esperadas , se obtiene
e i.
ij
n
k: nmero de categoras de la variable en fila
l: nmero de categoras de la variable en columna
10
En la tabla 1.
1) Hallar las frecuencias esperadas
2) Encuentre el estadstico Chi-cuadrado para
comprobar si existe o no asociacin entre la regin de
procedencia
y nivel
estudios.
Tabla1. Nivel
dedeinstruccin
por regin de
procedencia
Regin de
procedenc
ia
Nivel de estudios
Primaria
Secundaria
n
e.1
e.2
Superior
e.3
Total
n
Costa
40
80
60
180
Sierra
35
35
30
100
Selva
30
40
25
95
105
155
115
375
Total
11
Resumen de
Para variables
cuantitativas:
estadsticos
x f
a) Media o promedio de la variable
X:
x
i
i 1
i.
y j f. j
c) Varianza de la variableXf x: x
k
i.
S 2x
i1
y :
y
d) Varianza de la variable
f Y
.j
S 2y
j1
Cov x, y
i 1 j 1
ij
n
12
Medidas de
Comprobar
el grado de relacin de variables
Asociacin
Relacin no lineal
13
Medidas de
c) Covarianza:
mide la variabilidad conjunta de X
Asociacin
Y
Cov x, y
f x
i 1 j 1
ij
x y j y
Donde : 1 R 1
14
Aplicacin
Peso en kg
[60, 70>
[70, 80>
[160, 165>
12
18
[165, 170>
15
25
[170, 175>
10
[175, 180>
10
Estatura en
cm
16
Diagrama de dispersin
Es la ubicacin de los pares de puntos en el plano
cartesiano, tambin es conocido como nube de
puntos .
Publicidad
Ventas
12
58
14
65
15
52
10
42
19
67
13
40
15
44
19
69
18
55
10
12
14
16
17
18
20
18
S xy
( x x )( y
n
i
y)
Coeficiente de correlacin
lineal de Pearson
S xy
SxS y
20
xi
i1
y j2 y 2
j1
21
-1
Variables
incorrelacionada
s
Relacin
directa casi
perfecta
+1
22
correlaciones positivas
23
24
correlaciones negativas
25
y
a bx
26
Y= b0 + b1 X o tambin Y= a + bX
27
y na b x
xy a x b x
y y b1 ( x x )
28
S
XY
b 2
SX
a y bx
2
2
Sx
x
n
2
S xy
SxS y
2
y
2
Sy
y
n
29
30
31
S
R 1
S
2
2
e
2
Y
32
33
,8
9
0
,7
0
,6
0
,5
0
,4
0
,3
0
,2
0
,01
,0p
2
,
0
3
,
0
4
,
0
e
s
c
a
m
e
n
s
u
a
ld
e
s
a
r
d
in
a
s
preciodelasrdinas
34
35
36
Prueba de hiptesis
Ho: =0
Ha: 0
=0.05
Si sig 0.05 entonces
rechazar la hiptesis
nula
37
si x=4,5 toneladas
ANALISIS COMBINATORIO
PRINCIPIO FUNDAMENTAL :
Si cierta seleccin de ordenacin de objetivos
puede realizarse de m maneras diferentes y otra
seleccin puede efectuarse de n maneras
distintas , ambas selecciones , se pueden producir
de m x n maneras diferentes.
Ejemplo 1 :
Si un partido poltico tiene 3 candidatos a la presidencia
y 5 candidatos a la vicepresidencia , El nmero de
parejas distintas de candidatos para ambos cargos se
formaran de 3 x 5 = 15 formas.
40
ANALISIS COMBINATORIO
PRINCIPIO FUNDAMENTAL :
Ejemplo 2 :
Si Carlos
pantalones
tiene
camisas
de
vestir
formas de vestirse.
41
ANALISIS COMBINATORIO
VARIACIONES:
Son los diferentes grupos que se pueden formar con los
elementos dados , tomados de n en n , de tal modo que
unas agrupaciones del mismo nmero de elementos se
diferencien de otras, por lo menos en un elemento, o si
tienen los mismos elementos , por el orden en que estn
colocados.
El nmero de variaciones de m elementos tomados de n en
n ser:
m!
Vm (m n)!
n
Donde:
ANALISIS COMBINATORIO
Ejemplo 1:
Supongamos que Alberto (A) , Beatriz (B) , Carlos ( C )
Daniel(D) se quieren Sentar en dos sillas disponibles. De
cuntas maneras diferentes se puede ubicar ?
Silla I
Silla II
12 maneras diferentes
m!
4!
4! 4x3x2!
2
Vm (m n)! V4 (4 2)! 2! 2! 4x3 12
n
43
ANALISIS COMBINATORIO
Ejemplo 2 :
m=5
n=5
5!
V5 (5 5)! 5 x 4 x 3 x 2 x 1 120
5
44
ANALISIS COMBINATORIO
PERMUTACIONES:
Sea n el nmero de elementos de un conjunto A
y r un nmero natural donde
0 < r n ; las
permutaciones
se definen como el nmero
de ordenaciones diferentes que se
pueden
formar con los elementos del conjunto A ,
tomando en grupos de n en n o de r en
r pueden ser sin repeticin o con repeticin.
45
ANALISIS COMBINATORIO
Permutaciones sin repeticin:
a)
P(n, n) n!
Ejemplo : De un conjunto A = { x ,y , z}. Hallar el nmero
de permutaciones que pueden formarse con todo los
elementos de A.
Solucin
:Como n = 3 , el nmero de permutaciones sin repeticin
ser:
P(3,3) 3! 3 x 2 x 1 6
xyz
yxz
xzy
yzx
46
zxy
zyx
ANALISIS COMBINATORIO
Permutaciones sin repeticin:
b)
como:
4!
4 x 3 12
2!
P(n, r)
47
n!
(n - r)!
ANALISIS COMBINATORIO
COMBINACIONES :
Las combinaciones son las diferentes grupos de nelementos
que se pueden formar tomndolos de r en r , donde
0 < r n ; de modo que cada grupo difiere del otro en por lo
menos un elemento.
En las combinaciones slo se tiene en cuenta los
elementos que intervienen en ellas y no en el orden en que
estn agrupados la frmula correspondiente es:
C(n, r)
n!
r!(n r)!
48
ANALISIS COMBINATORIO
COMBINACIONES :
Ejemplo :
De un grupo de 10 libros Cuntas selecciones de 4 libros se
pueden hacer?
Solucin:
n = 10 ; r = 4
C(10,4)
C(n, r)
n!
r!(n r)!
10!
10!
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
49
PROBABILIDADES
EXPERIMENTO ALEATORIO:
Un experimento aleatorio o estadstico es cualquier
experimento u operacin cuyo resultado no puede predecirse
con exactitud antes de realizarse el experimento.
Ejemplos:
Lanzar un dado y observar el nmero que aparece en
la cara superior.
50
PROBABILIDADES
ESPACIO MUESTRAL:
Es el conjunto formado por todo los resultados posibles del
experimento aleatorio. Denotaremos por la notacin
(omega) o con la letra S
SUCESO O EVENTOS
Se llama suceso o evento , cualquier subconjunto del
espacio muestral . A los sucesos generalmente se les
denota por letras maysculas , tales como A , B , C, etc.
51
PROBABILIDADES
Entonces : A es un suceso A
Relacionando con la teora conjuntista al
espacio muestral se le llama el universo y el
; luego:
(universo) se llama suceso seguro.
(nulo) se llama suceso imposible.
52
PROBABILIDADES
PROBABILIDAD DE UN SUCESO
Sea el suceso o evento A del espacio muestral ;
la probabilidad de A denotada por P(A) es la razn
entre el nmero de resultados favorables al suceso
A y el nmero total de resultados del espacio
muestral.
n(A)
P(A)
n
n de casos favorables
P(A)
n de casos posibles
53
PROBABILIDADES
Ejemplo 1 :
ninguna cara?
Solucin:
n(A) 3
P(A)
0.375
n 8
n(B)
4 1
P(B)
0.5
n 8 2
n(C) 1
P(C)
0.125
n 8
54
PROBABILIDADES
AXIOMAS DE PROBABILIDAD
1.
2.
3.
PROBABILIDADES
Ejemplo 2
La probabilidad de que no asistan a clase no menos de
8 estudiantes es 0.2 y la probabilidad de que no asistan a
clase no ms de 5 estudiantes es 0.3 . Hallar la probabilidad
de que no asistan 6 7 estudiantes.
Solucin:
Sean los sucesos :
A : No asistan a clase no menos de 8 estudiantes
A = { 8 , 9 , 10 , .....................}
B: No asisten a clase no ms de 5 estudiantes.
B={0,1,2,3,4,5}
C : No asisten a clase a 6 7 estudiantes .
C={6,7}
56
PROBABILIDADES
57
PROBABILIDADES
TEOREMAS SOBRE PROBABILIDADES
1.
P(A' ) 1 P(A)
58
PROBABILIDADES
59
PROBABILIDADES
TEOREMAS SOBRE PROBABILIDADES
A
60
PROBABILIDADES
Ejemplo 1:
De un total de 200 estudiantes ; 120 estn matriculados en
Matemtica Bsica
y 90 en Estadstica; 50 en ambos
61
PROBABILIDADES
Ejemplo 1:
Solucin:
120 3
200 5
90
9
200 20
Suceso (A B) : Seleccionar un alumno matriculado en M.B. y
Estadstica.
50 1
n(A B) 50 P(A B)
200 4
Como se sabe que :
P(A B) P(A) P(B) - P(A B)
n(B) 90 P(B)
P(A B)
3 9 1
4
- P(A B)
5 20 4
5
62
PROBABILIDADES
Ejemplo 2:
63
PROBABILIDADES
Sabemos que :
n(A B) n(A) n(B) - n(A B) 40
n(A B) 30 26 - n(A B) 40 56 n(A B) 40
n(A B) 16
P(A B)
n(A B) 16 2
0.4
n ( )
40 5
64
PROBABILIDADES
Ejemplo 3:
b.
Solucin:
Evento B: A lo sumo tres ingenieros:
n(B) C(7,2) x C(4,4) C(7,3) x C(4,3)
7!
4!
7!
4!
n(B)
21 140 161
2!. 5! 4!.0! 3!. 4! 3!.1!
161
P(B)
0.348
462
65
Probabilidad Condicional
Ejemplo 1: Se dispone de 11 Hojas de Registro Laboral, pertenecientes a
trabajadores masculinos y femeninos agrupados por el turno en que labora
(Masculino)
(Femenino)
Total
D (Da)
N (Noche)
11
Sexo
Turno
Total
8
P(D) =
11
66
3
P(D F) =
11
c)
que
la
P( F
3
)
=
D
8
67
Derivacin de la frmula:
P(F
)=
D
P(F D)
P(D)
Comprobando:
3
P(F ) = 11
D
8
11
P( F
3
)=
D
8
68
Aplicacin:
La probabilidad de que el personal administrativo
que labora en una empresa, llegue tarde el da
lunes es 0,50 y la probabilidad de que llegue
retrasado los das lunes y martes es 0,20. Dado
que cierto trabajador lleg tarde el da lunes,
cul es la probabilidad de que llegue tarde el da
siguiente?.
P(TL ) = 0,50
P(TL TM ) = 0,20
TM
P(
P(TM TL )
)=
TL
P(TL )
0,20
=
= 0,40
0,50
69
Regla de la Multiplicacin
A partir de
P( B
P(A B)
)
A
P(A)
Se despeja
( A)
P(A B) P(A) P B
70
Aplicacin:
Se sabe que en un lote de discos duros de 50
unidades, hay 4 que no estn adecuadamente
embalados. Si se extraen al azar 2 discos
duros, uno a continuacin del otro, cul es la
probabilidad de que ambos se encuentren mal
embalados?.
P(D1 )
P (D 2
4
50
)
D
1
P(D1 D 2 ) P(D1 ) P D 2
3
49
4 3
12
50 49 2450
71
D1
Ejercicio
En una poblacin de pacientes hospitalizados, la
probabilidad de que uno de ellos, elegido
aleatoriamente tenga problemas cardiacos es
0,35. La probabilidad de que un paciente con
problemas cardiacos sea un fumador es de 0,86.
Cul es la probabilidad de que el paciente
elegido al azar de entre la poblacin sea fumador
y tenga problemas cardiacos?.
72
P (B
) P(B)
Entonces,
P ( A B) P ( A) P ( B)
73
Ejemplo:
Cul es la probabilidad de que en una familia con
dos hijos, ambos sean varones?
P (V1 ) 0,5
P (V2 ) 0,5
= (0,5) (0,5)
P (V1 V2 ) 0,25
74
El Teorema de Bayes
P. Marginal
P(C)
P(C
0
4
,
0
=
) =
0,6
0
P. Condicional
P. Conjunta
'
(
C
E) = 0,60 0,80 = 0,48
P
P(E/C) = 0,80
P. Total P( E) = 0,60
77
P (C E)
)=
E
P (C E) + P (C ' E)
0.12
0.12
0.20
0.12 0.48 0.60
Ejemplo 2:
El Gerente de Imagen Institucional est considerando
comprar un lote de 10000 unidades USB de un
proveedor nacional. El fabricante de estos equipos
estima la proporcin de equipos defectuosas en el
lote, en la siguiente forma.
Proporcin de
Probabilidad
piezas defectuosas ()
P()
1 = 0,10
P(1) = 0,20
2 = 0,15
P(2) = 0,30
3 = 0,25
P(3) = 0,50
79
A) Cul es la probabilidad de
qu esta sea defectuosa?
B) Dado que la unidad USB
result defectuosa, cul es
la probabilidad de que el lote
tenga
25%
de
piezas
defectuosas?
81
P. Marginal
P. Condicional
P(D/1)= 0,10
P(
)=
0,
2
1=0,10
P. Conjunta
P(D/2)= 0,15
)=
3
P(
50
0,
P(D/3)= 0,25
3=0,25
P(D) = 0,1900
Respuesta A:
Hay tres maneras posibles de obtener un USB
defectuoso del lote. Por lo tanto, la
probabilidad de obtener una unidad defectuosa,
cualquiera que se la tasa porcentual de
defectuosos 10, 15 25 es:
P( D) P( 1 D) P( 2 D) P( 3 D)
Respuesta B:
De acuerdo con el Teorema de Bayes, la
probabilidad de que el lote contenga 25%
de piezas defectuosas, dado que la unidad
elegida es defectuosa, es:
P( 3 D) 0.1250
P( 3 / D)
0.6579
P( D)
0.1900
84
85