Professional Documents
Culture Documents
Manual Didctico de
Probabilidad y Estadstica
Tronco Comn de Ingeniera de CITEC Valle de las Palmas
2
Captulo 2: Probabilidad
I. INTRODUCCION ............................................................................................................... 3
II. DESARROLLO DE UNIDADES ............................................................................................ 4
1.1. Poblacin y muestra ................................................................................................ 6
1.2. Inferencia estadstica.............................................................................................. 7
1.3. Tcnicas de muestreo ............................................................................................. 8
1.4. Niveles de medicin ............................................................................................. 12
1.5 Distribucin de frecuencias ............................................................................................... 13
1.6 Presentacin grafica de datos........................................................................................... 15
1.7 Medidas de tendencias controladas para datos agrupados y no agrupados, media,
mediana y media. .................................................................................................................... 22
I. INTRODUCCION
3
PROPSITO GENERAL DEL CURSO
4
Captulo 2: Probabilidad
Introduccin
La estadstica descriptiva nace en el siglo XVIII a partir del anlisis de las unidades polticas, donde
se utilizaba para representar tablas y grficas de datos. Actualmente la estadstica descriptiva
juega un papel muy importante en la inferencia estadstica, en donde se intenta llegar a
conclusiones generales a partir de los datos generados en las muestras.
Un ingeniero industrial que trabaja en el rea de calidad, debe tomar decisiones a partir de
inferencias estadsticas en menor o mayor medida y dependiendo del giro de la empresa,
tamao, entre otras consideraciones. Si a este ingeniero se le pide que establezca los criterios
de calidad en funcin de las necesidades de los clientes internos y externos, deber hacer uso
sin lugar a dudas de la estadstica descriptiva para llevar a cabo esta tarea.
Es importante sealar que si el ingeniero en cuestin no hace una recoleccin de datos correcta,
el resultado de la inferencia estadstica ser incorrecto y traer repercusiones importantes para
la organizacin. En la ingeniera y la direccin industrial, la estadstica ha tenido un impacto muy
importante, debido a los problemas de produccin, al uso eficiente de materiales y mano de
obra, a la investigacin bsica y el desarrollo de nuevos productos, por lo que la estadstica se ha
convertido en una herramienta vital para el ingeniero, y que sin estos no podra apreciar,
entender o aplicar gran parte del trabajo desarrollado en su rea de trabajo.
Caso prctico:
El gerente de produccin de la Dalmon Carpet Company es responsable de la fabricacin de
alfombras en ms de 500 telares. Para no tener que medir la produccin diaria (en yardas) de
cada telar, toma una muestra de 30 telares cada da, con lo que llega a una conclusin respecto
a la produccin promedio de alfombras de las 500 mquinas.
La tabla que se presenta ms adelante exhibe la produccin de cada uno de los 30 telares de la
muestra. Estas cantidades son los datos sin procesar a partir de los cuales el director de
produccin de telares en su desempeo del da anterior.
16.2 15.4 16.0 16.6 15.9 15.8 16.0 16.8 16.9 16.8
15.7 16.4 15.2 15.8 15.9 16.1 15.6 15.9 15.6 16.0
16.4 15.8 15.7 16.2 15.6 15.9 16.3 16.3 16.0 16.3
Mediante los mtodos introducidos en este captulo, podemos ayudar al director de produccin a
llegar a la conclusin correcta.
5
Ejercicio 1. A partir de los conceptos de poblacin, muestra, variable discreta, variable continua,
medidas de tendencia central, tabla de frecuencias, sesgo, curtosis, asimetra, grfica circular,
histograma, ojiva, polgono de frecuencias, Pareto, construye un reporte apoyado de Excel y
Word para presentarlo al director de produccin.
Al recoger datos relativos a las caracterstica de un grupo de individuos u objetos, sean alturas
y pesos de estudiantes de una universidad o tuercas defectuosas producidas en una fbrica, suele
ser imposible nada practico observar todo un grupo, en especial si es muy grande, en vez de
examinar el grupo entero, llamado poblacin o universo, se examina una pequea parte del
grupo, llamada muestra.
Muestra
Poblacin
Una poblacin puede ser finita o infinita. Por ejemplo, la poblacin consiste en todas las tuercas
producidas por una fbrica un cierto da es finita, mientras que la determinada por todos los
posibles resultados (caras, cruces) de sucesivas tiradas de una moneda, es infinita.
La parte de la estadstica que solo se ocupa de describir y analizar un grupo dado, sin sacar
conclusiones sobre un grupo mayor, se llama estadstica descriptiva o deductiva.
6
Captulo 2: Probabilidad
3. Los alumnos de 2 y 5 semestre del colegio de bachilleres:
4. Un camin repartidor de refrescos:
5. El nmero de llamadas que entran a un conmutador entre las 11:00 y las 13:00 horas:
6. El nmero total de llamadas al da en un conmutador:
7. Preguntar a todo el personal de una fbrica sobre el deseo de implantar el servicio
de comedor para sus empleados:
8. seleccionar a 25 personas de 1000 en una fbrica para preguntar por la comida que
se da diariamente:
9. Poco ms de 100 mil turistas ocuparon 80% de los 28 mil cuartos de hotel, con motivo
del puente de primavera quienes dejaron importantes ganancias a todos los
prestadores de servicios, afirmo el secretario de turismo. Suponiendo que esos
22,400 cuartos de hotel son representativos del grupo de vacacionistas, a) Cul es
la poblacin?, b) Cul es la muestra?
10. Al realizar un estudio entre los 9, 000,000 de jvenes entre los 15 y los 19 aos (1995)
Al realizar un estudio en 225,000 jvenes del rea metropolitana se encontr que un
95% de ellos desean seguir estudiando la universidad, a) Cul es la poblacin?, b)
Cul es la muestra? , c) Variable de inters y parmetro de inters:
1. En una fbrica que consta de 600 trabajadores queremos tomar una muestra de 20.
Sabemos que hay 200 trabajadores en la seccin A, 150 en la B, 150 en la C y 100 en la
D.
2. En cierto barrio se quiere hacer un estudio para conocer mejor el tipo de actividades de
ocio que gustan ms a sus habitantes. Para ello van a ser encuestados 100 individuos
elegidos al azar. Explicar qu procedimiento de seleccin sera ms adecuado utilizar:
muestreo con o sin reposicin. Por qu?
3. En cierta cadena de centros comerciales trabajan 150 personas en el departamento de
personal, 450 en el departamento de ventas, 200 en el departamento de contabilidad y
100 en el departamento de atencin al cliente. Con objeto de realizar una encuesta
laboral, se quiere seleccionar una muestra de 180 trabajadores.
a. Qu tipo de muestreo deberamos utilizar para la seleccin de la muestra si
queremos que incluya a trabajadores de los cuatro departamentos
mencionados?
b. Qu nmero de trabajadores tendramos que seleccionar en cada
departamento atendiendo a un criterio de proporcionalidad?
4. Sea la poblacin de elementos: {22,24, 26}. Calcule la varianza de la poblacin.
7
5. Se ha tomado una muestra de los precios de un mismo producto alimenticio en 16
comercios, elegidos al azar en un barrio de una ciudad, y se han encontrado los siguientes
precios:
6. 95, 108, 97, 112, 99, 106, 105, 100, 99, 98, 104, 110, 107, 111, 103, 110.
7. Suponiendo que los precios de este producto se distribuyen segn una ley normal de
varianza 25 y media desconocida: Cul es la distribucin de la media muestral?
8. Las ventas mensuales de una tienda de electrodomsticos se distribuyen segn una ley
normal, con desviacin tpica 900 . En un estudio estadstico de las ventas realizadas en
los ltimos nueve meses, se ha encontrado un intervalo de confianza para la media
mensual de las ventas, cuyos extremos son 4 663 y 5 839 . Cul ha sido la media de
las ventas en estos nueve meses?
I. Muestreo probabilstico:
Se basan en el principio de equiprobabilidad. Es decir, aquellos en los que todos los individuos
tienen la misma probabilidad de ser elegidos para formar parte de una muestra y,
consiguientemente, todas las posibles muestras de tamao n tienen la misma probabilidad de
ser seleccionadas. Slo estos mtodos de muestreo probabilsticos nos aseguran la
representatividad de la muestra extrada y son, por tanto, los ms recomendables. Dentro de
los mtodos de muestreo probabilsticos encontramos los siguientes tipos:
2) A travs de algn medio mecnico (bolas dentro de una bolsa, tablas de nmeros
aleatorios, nmeros aleatorios generadas con una calculadora u ordenador, etc.) se
eligen tantos sujetos como sea necesario para completar el tamao de muestra
requerido.
Este procedimiento, atractivo por su simpleza, tiene poca o nula utilidad prctica cuando
la poblacin que estamos manejando es muy grande.
Ejemplo:
Si tenemos una poblacin formada por 100 elementos y queremos extraer una muestra
de 25 elementos, en primer lugar debemos establecer el intervalo de seleccin que ser
8
Captulo 2: Probabilidad
igual a 100/25 = 4. A continuacin elegimos el elemento de arranque, tomando
aleatoriamente un nmero entre el 1 y el 4, y a partir de l obtenemos los restantes
elementos de la muestra.
Ejemplo:
En una fbrica que consta de 600 trabajadores queremos tomar una muestra de 20.
Sabemos que hay 200 trabajadores en la seccin A, 150 en la B, 150 en la C y 100 en la
D.
X = 6.6 = 7 trabajadores de A
X = 5 trabajadores de B
X = 5 5 trabajadores de C
X = 3.3 = 3 trabajadores de D
9
Muestreo aleatorio por conglomerados. Los mtodos presentados hasta ahora estn
pensados para seleccionar directamente los elementos de la poblacin, es decir, que
las unidades mustrales son los elementos de la poblacin.
En el muestreo por conglomerados la unidad muestral es un grupo de elementos
de la poblacin que forman una unidad, a la que llamamos conglomerado. Las unidades
hospitalarias, los departamentos universitarios, una caja de determinado producto,
etc., son conglomerados naturales. En otras ocasiones se pueden utilizar
conglomerados no naturales como, por ejemplo, las urnas electorales. Cuando los
conglomerados son reas geogrficas suele hablarse de "muestreo por reas".
10
Captulo 2: Probabilidad
en sondeos preelectorales de zonas que en anteriores votaciones han marcado
tendencias de voto.
Tambin puede ser que el investigador seleccione directa e intencionadamente los
individuos de la poblacin. El caso ms frecuente de este procedimiento el utilizar como
muestra los individuos a los que se tiene fcil acceso (los profesores de universidad
emplean con mucha frecuencia a sus propios alumnos).
Bola de nieve. Se localiza a algunos individuos, los cuales conducen a otros, y estos a
otros, y as hasta conseguir una muestra suficiente. Este tipo se emplea muy
frecuentemente cuando se hacen estudios con poblaciones "marginales",
delincuentes, sectas, determinados tipos de enfermos, etc.
Muestreo Discrecional. A criterio del investigador los elementos son elegidos sobre lo
que l cree que pueden aportar al estudio.
11
mensual de las ventas, cuyos extremos son 4 663 y 5 839 . Cul ha sido la media de
las ventas en estos nueve meses?
Las variables de las escalas nominal y ordinal se denominan categoras, por otra parte
las variables de escala de intervalo o de razn se denominan variables numricas. Con
los valores de las variables categricas no tiene sentido o no se puede efectuar
operaciones aritmticas. Con las variables numricas s.
Escala nominal: usa nombres para establecer categoras. Puede usar nmeros por estos
son de carcter simblico.
Ejemplo:
Nacionalidad
Uso de antojos
Numero de camiseta en un equipo de futbol.
Escala ordinal: tambin define categoras, pero establece una relacin > 0 <. Permite
establecer un orden entre los elementos medidos.
Ejemplo:
Temperatura
Fechas de calendario
Escala de razn: algunos ejemplos de variables con escala de razn son los siguientes.
Altura de personas
Cantidad de litros de agua consumido por una persona en un da.
Velocidad de un auto en la carretera
12
Captulo 2: Probabilidad
Nmero de goles marcados por un jugador de basquetbol en un partido. La
escala de intervalos tiene un cero que se establece por convencin y puede tener
variaciones. Es arbitrario. Por otra parte, la escala de la razn tiene un cero real,
fijo, no sujeto variaciones.
Mtodos no paramtricos: usados en escala nominal y ordinal. Las variables siguen una
distribucin diferente a la normal (Binomial, Possion, etc.). Se usan cuando a la variables
en estudio no se le pueden aplicar metodologas paramtricas requieren supuestos
menos restrictivos sobre la medicin de datos y forma de la distribucin de probabilidad
1. Genero de entrevistado
2. Edad
3. Estado civil
4. Posee vehculo
5. Peridico preferido para leer noticias
TABLA 1
Demanda Frecuencia
absoluta
59 1
13
60 2
61 0
62 3
63 1
64 0
Frecuencia 7
total
Rango: es la diferencia entre el mayor y el menor de los valores obtenidos. En
nuestro ejemplo:
64-59 = 05
La distribucin de las frecuencias con que se presenta cada uno de los valores de la
variable puede relacionarse mediante lo que se denomina un diagrama de barras o
bastones, utilizando una frecuencia cartesiana sobre cuyo eje de abscisas se llevan
los valores de la variables, mientras que sus correspondientes frecuencias de
aparicin se llevan sobre el eje de ordenadas.
Los valores comprendidos entre: (59-61), (62-64), se conocen con el nombre de intervalo
de clase, siendo cada par de valores los lmites de clase.
TABLA 2
14
Captulo 2: Probabilidad
fi 8 10 5 2
4) Los 40 alumnos de una clase han obtenido las siguientes puntuaciones, sobre 50, en
un examen de Fsica. 3, 35, 30, 37, 27, 31, 41, 20, 16, 26, 45, 37, 9, 41, 28, 21, 31, 35,
10, 26, 11, 34, 36, 12, 22, 17, 33, 43, 19, 48, 38, 25, 36, 32, 38, 28, 30, 36, 39, 40.
15
a) Bases en el eje x horizontal, centros en las marcas de clase y longitudes iguales a
los tamaos de los intervalos de clase
b) reas proporcionales a las frecuencias de clase.
Si los intervalos de calase tienen todos la misma anchura, las alturas iguales a las frecuencias
de clase. En caso de contrario, deben ajustarse las alturas.
16
Captulo 2: Probabilidad
TABLA 3
Altura (in) Nmero de
estudiantes
60-62 5
63-65 18
66-68 42
69-71 27
72-74 8
Total 100
Ojiva. Es un grfico de lnea que se disea utilizando en el eje horizontal las fronteras
superiores de una distribucin de frecuencias. La informacin se obtiene de la
columna de frecuencias acumuladas (absoluta o relativa). Las caractersticas son las
siguientes:
17
Para trazar ojiva calcular la frecuencia acumulada de la distribucin agregndole una
nueva columna a la derecha, el primer intervalo es el mismo valor de la frecuencia
absoluta, a partir del segundo se va acumulando con todos los intervalos anteriores.
Frecuencia absoluta.
Frecuencia absoluta
acumulada. Frecuencia relativa
unitaria.
Frecuencia relativa acumulada.
18
Captulo 2: Probabilidad
6) Delinear la cuerva acumulativa. Se dibuja un punto que se represente el
total de cada categora. Tras la conexin de estos puntos se formara una
lnea poligonal.
7) identificar el diagrama, etiquetndolo con datos como: ttulo, fecha de
realizacin.
8) Analizar el diagrama de Pareto.
De los 1886 alumnos encuestados, 1768 (93.74%) se interesa por seguir estudios
universitarios. Los restantes 118 (6.26%), no.Para construir el grfico circular,
debemos calcular el ngulo central del sector correspondiente a cada respuesta. Para
el caso de los 1768 Interesados en estudios universitarios su proporcin respecto de
la muestra total (93.74%) nos permite determinar que su ngulo del centro es 337
19
28' 34.1'' y por lo tanto, el complemento a 360 (22 31' 25.9'') representa a los No
Interesados. Hecho este clculo, con un transportador se puede
1. Hemos preguntado a 20 personas por el nmero medio de das que practican deporte
a la semana y hemos obtenido las siguientes respuestas:
frecuencia
N das (xi)
absoluta (ni)
0 1
1 2
2 4
3 7
4 1
5 1
6 3
7 1
Total 20
Realiza en tu cuaderno el grafica de barras, el polgono de frecuencias y el diagrama de sectores
correspondiente, y comprueba en la escena los resultados.
2. Una encuesta realizada a 40 personas sobre su estado civil, obtuvo los siguientes
datos:
Estado civil F
Solteros 10
20
Captulo 2: Probabilidad
Casados 20
Viudos 4
Divorciados 6
Total 40
Concentracin de Ozono
Intervalos Frecuencias
Absolutas
[ 0, 2] 8
[ 2, 4] 23
[ 4, 6] 53
[ 6, 8] 42
[ 8, 10] 22
[10, 12] 12
Compare las frecuencias por medio de un histograma.
1 0 2 0 0 3 2 3 1 0 1 0 2 0 1 0 0 2 1 1
0 1 0 0 0 1 0 2 0 1 0 1 1 1 0 0 0 3 0 3
0 2 0 1 2 1 0 1 1 2 1 0 2 0 1 0 1 1 1 3
0 1 0 0 0 1 0 2 0 1 0 1 1 1 0 0 0 3 0 3
21
Salarios Nmero de
Empleados
$250.00-$259.99 8
260.00-269.99 10
270.00-279.99 16
280.00-289.99 14
290.00-299.99 10
300.00-309.00 5
310.00-319.99 2
Total 65
La marca de clase(o punto medio) de la tercera clase.
Qu porcentaje de empleados que cobran menos de 280.00 a la semana?
a) Tabular la informacin.
b) Realizar grfico circular.
c) Indique frecuencias relativas porcentuales en cada grupo.
M A P CC A CC M P P M P CC M A M CC P P M P
A P A M M A M A P M M A CC A A M P M M P
En todo anlisis y/o interpretacin se pueden utilizar diversas medidas descriptivas que
representan las propiedades de tendencia central, dispersin y forma para extraer y
resumir las principales caractersticas de los datos. Si se calculan a partir de una muestra
de datos, se les denomina; si estadsticos se les calcula a partir de una poblacin se les
denomina Parmetros.
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 algn valor que describa todo un
conjunto de datos. Un valor tpico descriptivo como ese es una medida de tendencia
22
Captulo 2: Probabilidad
central o "posicin". Las medidas de tendencia central a estudiar son: media aritmtica,
mediana y moda.
Media aritmtica
Si los datos estn ordenados en tablas de frecuencia la media aritmtica se obtiene como
sigue:
Muestra
Poblacin
Donde:
23
Propiedad I: La media aritmtica de una constante es igual a la
constante.
Valores: a a a a a
=a
Por lo tanto =a
Ejemplo:
24
Captulo 2: Probabilidad
1) De un grupo de contribuyentes se determin que el promedio de impuestos es de
$32.200. Determinar en cada uno de los siguientes casos, la nueva media aritmtica:
Solucin:
Mediana
Ejemplo:
25
Me=
Me= = L )* a
Donde:
En este caso,
26
Captulo 2: Probabilidad
6to intervalo: =6 A=
50
f=70 Me = 599,
f= 80 Me = 622 horas
L= 599,5
Moda
Ejemplos:
1) Datos: 2, 4, 5, 6, 7, 7, 8, 7, 6 Mo = 7
2) Datos: 1, 1, 3, 1, 1, 2, 2, 4, 2, 3, 2, 5, 6 Mo = 1 y 2
3) Datos: 0, 0, 2, 3, 4, 5 Mo = 0
4) Datos: 0, 1, 2, 3, 4, 5 Mo = no existe
Caso a) Mo = L
Donde:
27
d = diferencia entre la frecuencia absoluta del intervalo de la moda y el
intervalo anterior: d = f -f = 1
Caso b) Mo = L
Ejemplo:
Duracin f F
350 399 4 4
400 449 6 10
450 499 9 19
500 549 20 39
550 599 31 70
600 649 80 150
650 699 42 192
700 749 10 202
750 799 8 210
800 849 2 212
Total 212
f = 80 Mo = 499,5 + (
d = 80 9 = 71
d= 80- 31 = 49
L= 499,5 Mo = 529,08 horas
A = 50
Caso b)
= 4 f + 1 = f
= 31
f - 1 = f = 9
L= 499,5
A= 50
28
Captulo 2: Probabilidad
Mo = 49
Mo = 538,25 horas
Determine:
a) Produccin media de cada operario.
b) Moda del operario A.
c) Mediana del operario B.
5. En tres cursos de un mismo nivel los promedios de las calificaciones fueron y 5,6;
6,1 y 4,9; si los cursos tenan respectivamente 34; 30 y 36 alumnos, determine la
calificacin promedio de los tres cursos.
6. Dadas las series estadsticas: 3, 5, 2, 7, 6, 4, 9, 1. Calcular: La moda, la mediana y la
media.
7. De un total de datos, 20 son 4, 40 son 5, 30 son 6 y el resto 7.
Hallar la media y la moda.
8. Las notas de un estudiante en sus certmenes han sido 84, 91, 72, 68, 87 y 78.
Hallar la media, la mediana y la moda.
R= Xmax X min
Ejemplo: (4, 6, 9, 3, 7)
29
El menor valor es 3
El mayor es 9
Ejercicios de rango
Instrucciones: Calcule el rango de los siguientes listado de nmeros.
3. 2, 1, 34, 3, 44, 54, 44, 32, 234 ,23 ,23 ,434 ,32 ,34, 34
4. 3, 45, 54,45,4534,534,543,4534,3453,3455,676,756,5
5. 4545,5422,345,556,34,656,345,346,342,9067,5675
30
Captulo 2: Probabilidad
3. calcula la suma de los cuadrantes de x. Encuentra el cuadrante de cada x
y agrega estos valores.
Ejercicios de varianza.
Instrucciones: Calcule la varianza de los siguientes datos:
1) 9, 3, 8, 8, 9, 8, 9, 18 2)
xi fi (xi fi) xi2 fi
15 1 15 225
25 8 200 5000
35 10 350
45 9 405
55 8 440
65 4 260
Desviacin estndar:
31
1) 9, 3, 8, 8, 9, 8, 9, 18
2)
xi fi (xi fi) xi2 fi
15 1 15 225
25 8 200 5000
35 10 350
45 9 405
55 8 440
65 4 260
4) 2, 3, 6, 8, 11.
Sesgo:
Error que aparece en dicho resultado de alguna investigacin, esto puede deberse a
los factores que dependen de la recoleccin de datos que nos podran conducir a
conclusiones que pueden ser verdaderas o falsas de lo podramos llamar la realidad.
Curtosis:
Este tipo de medida determina el grado de concentracin que presentan los valores
en la regin central de la distribucin. Por medio de esta podremos saber si existe
una gran concentracin de valores que podramos llamar: Leptocurtica, o una
32
Captulo 2: Probabilidad
concentracin normal de los datos que se le podra llamar: Mesocurtica y en el ltimo
caso una baja concentracin o aglomeracin de datos que le llamamos:
Platicurtica.
Unidad 2: Probabilidad
2.1 funcin e importancia de la probabilidad
La importancia de la probabilidad radica en que, mediante este recurso matemtico, es
posible ajustar de la manera ms exacta posible los imponderables debidos al azar en los
ms variados campos tanto de la ciencia como de la vida cotidiana.
33
2.2 clasificacin de la probabilidad
Ejercicios.
1. Supn que un cdigo "cohffkugjbnsta" de tres letras distintas seguidas de tres dgitos
distintos. Calcula la probabilidad de que el cdigo
a)Jota b)Figura
34
Captulo 2: Probabilidad
d) Slo sea 1 sello
4. Una pareja de recin casados planea tener 3 hijos, encuentra la probabilidad de los
siguientes eventos
Probabilidad subjetiva
Para clarificar lo antes dicho un ejemplo muy comn es el pronstico del tiempo, muchos
individuos como nosotros realizamos una prediccin personal de cmo sern las
condiciones climticas para el da, basadas mas en nuestra experiencia personal pero
que muchas veces sustentamos en experiencia de eventos pasados.
Entrevistar a un dueo de casa para obtener su opinin sobre un reglamento para distribuir
por zonas un rea verde.
35
Lanzar al aire una moneda y observar el lado que aparece. Cuando se realiza un
experimento, lo que observamos es un resultado llamado evento simple, con frecuencia
denotado por la mayscula E con un subndice.
Definicin: Un evento simple es el resultado que se observa en una sola repeticin del
experimento. Experimento: Lance un dado y observe el nmero que aparece en la cara
superior. Haga una lista de los eventos sencillos del experimento. Solucin Cuando el dado
se lanza una vez, hay seis posibles resultados. Hay los eventos sencillos citados a
continuacin:
Ahora podemos definir un evento como un conjunto de eventos sencillos, a menudo denotado por
una letra mayscula.
Podemos definir los eventos A y B para el experimento de lanzar al aire un dado: A: observar un
nmero imparB: observar un nmero menor a 4
Definicin: Dos eventos son mutuamente excluyentes si, cuando ocurre un evento, los otros no
pueden ocurrir y viceversa.
36
Captulo 2: Probabilidad
Unin: se representa con el smbolo U
La unin entre dos conjuntos A y B, de define como los elementos que estn en A, o estn en B,
se representa por (AUB)
Complemento
Diferencia:
Ejemplo
= {1,2,3,4,5,6,7,8,9}
A={1,2,3,9,8} B={2,5,4,6,7}
i) AUB={1,2,3,4,5,6,7,8,9} = ii)
AB= {2}
TIPOS DE EVENTOS :
Eventos mutuamente excluyente (M.E): los cuales A y B son M.E sino tienen puntos mustrales en
comn.
Ejemplos
A: aprobar matemtica
B: aprobar estadstica
37
2.P(A)=0.3 P(B)= 0.4 P(AB)= 0.125
= 0.57
= P(AUB) - P(AB)
= 0.57 - 0.125
=0.44
= 1 0.57
= 0.43
Problemas
2. Un plato contiene un dulce amarillo y dos rojos. Usted cierra los ojos, del plato escoge
dos dulces, uno por uno y anota sus colores. Cul es la probabilidad de que ambos
dulces sean rojos?
3. Tiro de un dado Un experimento consiste en tirar un solo dado. stos son algunos
eventos:
38
Captulo 2: Probabilidad
6. Calcule las probabilidades de los seis eventos A al F sumando las probabilidades
apropiadas de evento simple.
Cuando ella lanza un par de tiros libres, los cuatro eventos sencillos posibles y tres de sus
probabilidades asociadas se dan en la tabla:
PRINCIPIO DE LA MULTIPLICACION.
Problema.
PRINCIPIO ADITIVO.
FORMULA.- M+N+.W maneras o formas.
Problema
2) Una persona desea comprar una lavadora de ropa, para lo cual ha pensado que puede
seleccionar de entre las marcas Whirlpool, Easy y General Electric, cuando acude a hacer la
compra se encuentra que la lavadora de la marca W se presenta en dos tipos de carga ( 8 u 11
kilogramos), en cuatro colores diferentes y puede ser automtica o semiautomtica, mientras
que la lavadora de la marca E, se presenta en tres tipos de carga (8, 11 o 15 kilogramos), en dos
colores diferentes y puede ser automtica o semiautomtica y la lavadora de la marca GE, se
39
presenta en solo un tipo de carga, que es de 11 kilogramos, dos colores diferentes y solo hay
semiautomtica. Cuntas maneras tiene esta persona de comprar una lavadora?
RESPUESTA:
M = 2 x 4 x 2 = 16 maneras
N = 3 x 2 x 2 = 12 maneras
W = 1 x 2 x 1 = 2 maneras
Problema.
3) Una pareja que se tiene que casar, junta dinero para el enganche de su casa, en el
fraccionamiento lomas de la presa le ofrecen un modelo econmico un condominio, en el
fraccionamiento Playas le ofrecen un modelo econmico como modelos un residencial, un
californiano y un provenzal. Cuntas alternativas diferentes de vivienda le ofrecen a la pareja?
PRESA PLAYAS
Econmico Residencial
Condominio Californiano
Provenzal
RESPUESTA:
40
Captulo 2: Probabilidad
m=2 n=3
2+3= 5 maneras
PRINCIPIO DE PERMUTACION.
FORMULA.- nPr = n!/(n-r)!
r= nmero de objetos
seleccionados
Problema.
4) Como se puede designar los cuatro primeros lugares de un concurso, donde existen 15
participantes?
RESPUESTA:
PRINCIPIO DE COMBINACION.
FORMULA.- nCr = n!
Problema.
5) En una compaa se quiere establecer un cdigo de colores para identificar cada una de las 42
partes de un producto. Se quiere marcar con 3 colores de un total de 7 cada una de las partes,
de tal suerte que cada una tenga una combinacin de 3 colores diferentes. Ser adecuado este
cdigo de colores para identificar las 42 partes del producto?
RESPUESTA:
n C r = n! = 7! = 7! = 35
41
1. De cuntas maneras se pueden acomodar en un estante 5 libros diferentes si se toman
todos a la vez?
4. Un asesor financiero cuenta con ocho opciones para invertir y ofrece a sus clientes
carteras con cinco de estas opciones. Cuntas carteras diferentes puede ofrecer?
De cuantas maneras distintas se pueden tomar al azar cinco de estos dulces sin diferenciar el
color?
2.5 AXIOMAS
Los axiomas de probabilidad son las condiciones mnimas que deben verificarse para que una
funcin definida sobre un conjunto de sucesos determine consistentemente sus probabilidades.
Primer axioma:
0 p(A) 1
Segundo Axioma:
42
Captulo 2: Probabilidad
p(d) =
Tercer Axioma:
Ejemplo: La probabilidad de sacar en un dado "as" o sacar "nmero par" es la suma de las
probabilidades individuales de dichos sucesos.
Generalizando:
Ejemplo:
Sin embargo si se ha asignado a los sucesos elementales p({1})= p({2})= ...= p({6})= 1/6, por la
propiedad ii), p.e. la probabilidad del suceso {1, 3} es p({1,3})= p({1})+ p({3})=2/6.
43
Nota: El suceso {1} es: "el resultado de tirar el dado es la cara 1", el suceso {1, 3} es: "el resultado
de tirar el dado es la cara 1, o la 3", el suceso {1, 3, 5} es: "el resultado de tirar el dado es una
cara impar".
TEOREMAS
Ejemplo: La probabilidad de que un estudiante sea mujer es "1 menos la probabilidad de que no sea
varn".
DEMOSTRACIN:
p(Ac)= 1 p(A).
DEMOSTRACIN:
DEMOSTRACIN:
44
Captulo 2: Probabilidad
TEOREMA 4. La p( A \ B )= p(A) p(AB)
DEMOSTRACIN:
PROBLEMAS:
1) Sea.
Calcule:
1 2 3
5 6 7
2) Una urna tiene ocho bolas rojas, 5 amarillas y siete verdes. Si se extrae una bola al azar
calcular la probabilidad de:
1) Sea roja.
2) Sea verde.
45
3) Sea amarilla.
4) No sea roja.
5) No sea amarilla.
P ( A B ) = P ( B )
P(AB);P(B)0
P ( B A ) = P ( A )
P(AB);P(A)0
P ( A B ) = P ( A ) y tambin P ( B A ) = P ( B )
Ejemplo resuelto:
En una familia con dos hijos, se desea calcular las siguientes probabilidades: A)
RESOLUCIN: Para poder resolver el problema es necesario empezar por definir algunos
eventos. Sean A: el evento de que los dos hijos sean varones, y B: el evento de que al menos uno
de los hijos sea varn.
46
Captulo 2: Probabilidad
S = { (h, h), (h, m), (m, h), (m, m) }
Y consideramos que todos los eventos simples son igualmente probables, es claro que P(A
) = 1 / 4 = 0.25 y P ( B ) = 3 / 4 = 0.75
b) Se desea calcular P ( A B ).
Utilizando la definicin de probabilidad condicional se obtiene
P ( A B ) = 1/3
PROBLEMAS:
Calcular:
a) P ( A || B ) f) P ( B )
b) P ( B || C ) g) P ( C )
c) P ( A || C )
d) P ( C || A )
e) P ( A )
denominador el Teorema de Probabilidad Total P(B) = P(A1) P(B | A1) + P(A2) P(B | A2) + . . . +
P(An) P(B | An), obtenemos la ecuacin que representa al:
EJEMPLO:
Una fbrica que produce material para la construccin tiene 3 mquinas, a las que se les
denomina A, B y C. La mquina A produce tabique, la B adoqun y la C losetas. La mquina A
produce el 50% de la produccin total de la fbrica, la B el 30% y la C el 20%. Los porcentajes de
artculos defectuosos producidos por las mquinas son, respectivamente, 3%, 4% y 5%. Si se
47
selecciona un artculo al azar y se observa que es defectuoso, encontrar la probabilidad de que
sea un tabique.
Solucin:
Definamos el evento D como sea un artculo defectuoso. De acuerdo a esto tenemos que:
Si el artculo del que deseamos calcular la probabilidad es un tabique, significa que es producido
por la mquina A. Tambin observamos que en la solucin solamente participan los artculos
defectuosos, ya que se pone por condicin esta caracterstica. Por lo tanto:
PROBLEMAS :
1) A un congreso asisten 100 personas, de las cuales 65 son hombres y 35 son mujeres. Se
sabe que el 10% de los hombres y el 6% de las mujeres son especialistas en computacin.
Si se selecciona al azar a un especialista en computacin Cul es la probabilidad de que
sea mujer?
2) El 20% de los empleados de una empresa son ingenieros y otro 20% son economistas. El
75% de los ingenieros ocupan un puesto directivo y el 50% de los economistas tambin,
mientras que los no ingenieros y los no economistas solamente el 20% ocupa un puesto
directivo. Cul es la probabilidad de que un empleado directivo elegido al azar sea
ingeniero?
3) La probabilidad de que haya un accidente en una fbrica que dispone de alarma es 0.1.
La probabilidad de que suene esta s se ha producido algn incidente es de 0.97 y la
probabilidad de que suene si no ha sucedido ningn incidente es 0.02.En el supuesto de
48
Captulo 2: Probabilidad
que haya funcionado la alarma, cul es la probabilidad de que no haya habido ningn
incidente?
4) Tenemos tres urnas: A con 3 bolas rojas y 5 negras, B con 2 bolas rojas y 1 negra y C con
2 bolas rojas y 3 negras. Escogemos una urna al azar y extraemos una bola. Si la bola ha
sido roja, cul es la probabilidad de haber sido extrada de la urna A?
5) En una clase hay 40 alumnos entre chicos y chicas, cuya cantidad puedes variar. Se
escoge una comisin de tres personas. Calcular
49
Captulo 3: Distribuciones de probabilidad
1
Captulo 3: Distribuciones de probabilidad
Ahora se calcular el valor (z) para una media poblacional , una desviacin estndar poblacional
y una x determinada.
Ejemplo
Los ingresos semanales de supervisores de turno en la industria del vidrio tienen una distribucin
normal con media $1000 (dlares) y una desviacin estndar $100. Cul es el valor z
correspondiente al ingreso de un supervisor que gana $1100 a la semana? Y para un supervisor
que tiene un ingreso semanal de $900?
Solucin
Utilizando la frmula (7.1), los valores z para los dos valores indicados de x ($1100 y $900) son:
= 1.00 = -1.00
El valor de z= 1.00 indica que el ingreso semanal de $1100 se encuentra a una desviacin estndar
sobre la media; una z = -1.00 indica que el ingreso de $900 se encuentra a una desviacin
estndar por debajo de la media. Observe que ambos ingresos ($1100 y $900) estn a la misma
distancia ($100) de la media.
1. Aproximadamente 68% del rea bajo la curva normal est entre la media ms una y
menos una desviacin estndar y se expresa 1.
2. Alrededor de 95% del rea bajo la curva normal est entre la media ms dos y menos
dos desviaciones estndar, lo que se expresa 2.
2
Captulo 3: Distribuciones de probabilidad
3. Prcticamente toda el rea bajo la curva normal est entre la media y tres
desviaciones estndar (a uno y otro lados del centro), es decir 3.
Transformar las mediciones a valores z(o desviaciones normales estndar) modifica las escalas.
Las conversiones se muestran en el siguiente diagrama. Por ejemplo, +1 se convierte en el
valor z de +1.00. De manera semejante, -2 se transforma en el valor z de -2.00. Observe que
el centro de la distribucin z es cero, lo que indica que no hay desviacin respecto a la media .
3
Ejemplo
Una prueba del tiempo de vida de bateras alcalinas tipo D, revelo que su tiempo medio de vida
es 19.0 horas (h). La distribucin de los tiempos de vida se aproxima a una distribucin normal.
La desviacin estndar de la distribucin es 1.2 h.
Solucin
Para responder a estas preguntas se pueden usar los resultados de la Regla Emprica.
1. Aproximadamente 68% de las bateras falla entre 17.8 h y 20.2 h, valores obtenidos de
19.0 1(1.2)h.
2. Alrededor de 95% de las bateras falla entre 16.6 h y 21.4 h, que se obtiene de 19.0
2(1.2)h.
3. Prcticamente todas las bateras fallan entre 15.4 h y 22.6 h, que se obtiene de 19.0
3(1.2)h.
4
Captulo 3: Distribuciones de probabilidad
5
Ejemplo
Solucin
Primero se calcula el valor de (z) que corresponde a un salario semanal de $790. De la frmula
7.1 se tiene que:
Ejercicios
6
Captulo 3: Distribuciones de probabilidad
3. Un estudio reciente de los sueldos por hora del personal de mantenimiento en aerolneas
importantes mostr que el salario medio por hora era $16.50 (dlares), con una desviacin
estndar de $3.50. Si se selecciona al azar un elemento de la tripulacin, Cul es la
probabilidad de que gane:
4. La media de una distribucin normal es 400 libras (lb.). La desviacin estndar es 10 lb.
Ejemplo
Solucin
El problema se divide en dos partes. Para el rea entre $840 y la media $1000:
7
Para el rea entre la media de $1000 y $1200:
El rea bajo la curva para obtener un valor z de -1.60 es 0.4452 (tomada del apndice D). El rea
bajo la curva para z = 2.00, es 0.4772. Al sumar ambas reas se tiene:
0.4452+0.4772=0.9224. De esta forma, la probabilidad de seleccionar un ingreso entre $840 y
$1200 es 0.9224. En otras palabras, 92.24% de los supervisores tiene un ingreso semanal entre
$840 y $1200. Mostrado en un diagrama:
8
Captulo 3: Distribuciones de probabilidad
9
UNIDAD 4
Capitulo 4: teora de estimacin
4.3.1 Media
4.3.2 Proporcin
4.3.3 Varianza
1
4.5 Estimacin para dos variables
Diagrama de dispersin
El diagrama de dispersin nos apoyar de manera visual para definir el tipo de relacin
involucrada en las variables de estudio. Para poder construirlo, primero localizamos los
valores de la variable independiente X sobre el eje horizont al y los de la variable
dependiente Y, sobre el eje vertical. Cada par, lo representaremos en el grfico mediante
un punto en el plano (X,Y).
Ejemplo: Supongamos que queremos encontrar la relacin que tienen los promedios de
calificacin obtenidos en la p reparatoria con los obtenidos a nivel Universitario. Los datos
van del 0 al 10, este como calificacin mxima. Denotamos con X el promedio obtenido
en nivel preparatoria y Y el promedio obtenido en la Universidad. Podramos pensar que
si a un estudiante le va bien en la preparatoria, tambin le ir bien en la universidad.
Veamos si esto tiene o no relacin. Elaboramos un grfico de dispersin, tenemos los
siguientes datos:
Como mencionamos, cada punto en el plano del diagrama de dispersin viene dado por
(X,Y), por lo tanto, el primer punto de nuestro diagrama viene dado por el par: (3,5),
segundo punto: (2,4), tercer punto: (4,4), y as sucesivamente hasta llegar al dcimo y
ltimo punto en este ejemplo que sera (5,6).
2 La regresin lineal nos ayuda a estudiar la relacin existente entre variables. Este estudio,
nos permite realizar dos diferentes conclusiones. La primera, conocer si la relacin entre
dichas variables tiene o no, algn significado. Y la segunda es de predecir el
comportamiento de una variable dependiente ( Y) con valores de una variable
independiente ( X), por ejemplo, si nos interesa saber o predecir la calificacin final de
cierto estudiante conociendo sus calificaciones anteriores, o b ien, la talla de cierta
persona conociendo su estatura.
Esta relacin entre variables puede representarse grficamente mediante una lnea recta.
Para poder obtener los datos que nos ayudarn a concluir y graficar dichas variables es
necesaria una ecuacin de regresin lineal. La ecuacin la obtenemos con apoyo de los
datos obtenidos en una muestra. Uno de los mtodos ms comunes y sencillos de utilizar,
para obtener dicha ecuacin, es el mtodo de mnimos cuadrados.
El mtodo de mnimos cuadrados nos ayudar a que la recta de la ecuacin elegida sea
tal, que la suma de los cuadrados de las distancias verticales entre los puntos y la lnea
recta sea la ms pequea posible.
Para poder obtener la ecuacin de regresin lineal simple tenemos que calcular los
valores para a y b con las siguientes frmulas:
Donde:
Y = El promedio o media de la variable dependiente Y.
Y = Variable dependiente.
Observando las frmulas comienzo a calcular los valores que se me estn pidiendo.
Al finalizar con estas operaciones, realizo las sumatorias de los datos de cada columna
obteniendo los siguientes resultados:
4
Calculamos los promedios de las variables X y Y:
X = 6.3
n = 10
XY
=452
X2
=465
Graficamos la ecuacin:
5
Ejercicio 2: Con base en la informacin que muestra la tabla siguiente, sobre 7 equipos de
cierto deporte, obtenga:
Cuadrados de la pendiente
c) Concluya
Resolvemos el ejercicio calculando los datos necesarios para despejar valores en las
frmulas:
Recuerden que
ocupamos las
diferentes
sumatorias
Entonces, obtenemos:
Y = 3.29
X = 7.57
n=7
XY
=171
X2
=405
Graficamos:
b) Grafique la recta
Y= $1,626.03 pesos
Y= 42.1X 268.54
X= (Y+268.54)/42.1
X=(850+268.54)/42.1= 26.6
X 27C
Otra manera de hacer inferencia es haciendo una afirmacin acerca del valor que el
parmetro de la poblacin bajo estudio puede tomar. Esta afirmacin puede estar basada
en alguna creencia o experiencia pasada que ser contrastada con la evidencia que
nosotros obtengamos a travs de la informacin contenida en la muestra. Esto es a lo que
llamamos Prueba de Hiptesis.
Hiptesis Nula
Hiptesis Alternativa
Estadstica de Prueba
Regin de Rechazo
La Hiptesis Nula, denotada como H0 siempre especifica un solo valor del parmetro de la
poblacin si la hiptesis es simple o un conjunto de valores si es compuesta (es lo que
queremos desacreditar).
Como las conclusiones a las que lleguemos se basan en una muestra, hay posibilidades de
1
4
EJEMPLO
1
5
EJERCICIOS
11, 9, 12, 17, 8, 11, 9, 4, 5, 9, 14, 9, 17, 24, 19, 10, 17, 17, 8, 23, 8, 6, 14, 16, 6, 7, 15, 20,
1 14, 15.
6
A un nivel de confianza del 95%, Puede afirmarse que el programa es efectivo?
5. Un criador de perros sabe por experiencia que el peso de los cachorros para 5
meses es de 4.35 libras. Los pesos siguen una distribucin normal. Para tratar
de aumentar el peso de dichos animales se le agrega un aditivo al alimento. En
una muestra de cachorros de cinco meses se obtuvieron los siguientes pesos
en libras:
4.41, 4.37, 4.33, 4.35, 4.30, 4.39, 4.96, 4.38, 4.40, 4.39
53, 57, 50, 55, 58, 54, 60, 52, 59, 62, 60, 60, 51, 59, 56.
10. Una compaa elctrica fabrica bateras de tel fonos celulares que tienen una
duracin que se distribuye de forma aproximadamente normal con una media
de 800 horas y una desviacin estndar de 40 horas. Si una muestra aleatoria
de 30 bateras tiene una duracin promedio de 788 horas, muestran los dat os
suficiente evidencia para decir que la duracin media no es 800? Utilice un
nivel de significancia del 0.04.
1
8
11. El Instituto Elctrico Edison publica cifras del nmero anual de kwh que gastan
varios aparatos electrodomsticos. Se afirma que una aspirador a gasta un
promedio de 46 kilowatt -hora al ao. Si una muestra aleatoria de 12 hogares
que se incluye en un estudio indica que las aspiradoras gastan un promedio de
42 kilowatt -hora al ao con una desviacin estndar de 11.9 kilowatt -hora,
esto sugiere co n un nivel de significancia de 0.05 que las aspiradoras gastan,
en promedio, menos de 46 kilowatt -hora anualmente? Suponga que la
poblacin de kilowatt-hora es normal.
12. Una muestra aleatoria de 64 bolsas de cereal pesan, en promedio 5.23 onzas
con una desv iacin estndar de 0.24 onzas. El fabricante quiere poner en la
etiqueta que el peso promedio es de 5.5 onzas. Probar la hiptesis de que
5.5 onzas contra la hiptesis alternativa, < 5.5 onzas con un nivel de
significancia de 0.05.
13. Un constructor afir ma que se instalan calentones en 70% de todas las casas
que se construyen hoy en da en la ciudad de Noruega. Estara de acuerdo
con esta afirmacin si una investigacin de casas nuevas en esta ciudad
muestra que 8 de 15 tienen instaladas calentones? Util izar un nivel de
significancia de 0.10.
14. Una lata de 12 onzas de soda se disea para que contenga una cantidad
ligeramente mayor que 12 onzas, de tal manera que si excede este Volumen
no hay problemas. Sin embargo, un volumen menor a 12 onzas ocasiona que
los consumidores demanden al fabricante. En el proceso normal de
produccin, el fabricante supone que es igual o mayor a 12 onzas.
Suponiendo que se prueba una muestra de 45 latas y se encuentra un volumen
promedio de 10.5 onzas con una desviacin estnd ar de 2 onzas, establecer si
se puede afirmar con un nivel de significancia de 0.01 que el fabricante est en
lo correcto.
1
9
15. Una muestra aleatoria de 100 muertes registradas en Estados Unidos el ao
pasado muestra una vida promedio de 71.8 aos. Suponga u na desviacin
estndar poblacional de 8.9 aos, esto parece indicar que la vida media hoy
en da es mayor que 70 aos? Utilice un nivel de significancia d 0.05.
16. Un fabricante de equipo deportivo desarrolla un nuevo bucal que afirma tiene
una resistencia m edia a la tensin de ocho kilogramos con una desviacin
estndar de 0.5 kilogramos. Pruebe la hiptesis 8 kilogramos si se prueba
una muestra aleatoria de 50 sedales y se encuentra que tiene una resistencia
media a la tensin de 7.8 kilogramos. Utilice un nivel de significancia de 0.01.
46.2, 45.2, 44.3, 51.7, 47.5, 41.6, 46.4, 49.0, 43.6, 42.2, 44.0, 47.8, 43.7, 47.8, 41.8, 44.2
18. Se emplean dos mquinas para llenar botellas de plstico con un volumen neto
de 16 onzas. El proceso de llenado puede suponerse normal, con desviaciones
estndar de 1=0.015 y 2=0.018. Ingeniera de calidad sospecha que ambas
mquinas llenan hasta el mismo volumen neto, sin importar que este volumen
sea o no de 16 onzas. Se toma una muestra aleatoria de la salida de cada
mquina. Piensa usted que ingeniera de calidad est en lo correcto?
Utilizando =0.05.
2
0
19. La fraccin de productos defectuosos producidos por dos lneas de producci n
se est analizando. Una muestra aleatoria de 1000 unidades de la lnea 1 tiene
10 defectuosas, en tanto que una muestra aleatoria de 1200 unidades de la
lnea 2 tiene 25 defectuosas. Es razonable concluir que la lnea de produccin
2 produce una fracci n ms alta de producto defectuoso que la lnea 1? Use
=0.01.
2
1
24. Se estudia la tasa de combustin de dos propelentes slid os utilizados en los
sistemas de escape de emergencia de aeroplanos. Se sabe que la tasa de
combustin de los dos propelentes tiene aproximadamente la misma
desviacin estndar de 3 cm/s. Se prueban dos muestras aleatorias de 20
especmenes cada una, obtenindose medias de 18 y 24 cm/s
respectivamente.
a) Pruebe la hiptesis de que los dos combustibles slidos tienen la
misma rapidez promedio de combustin. Utilice un = 0.05.
2
2
III. REFERENCIAS
Perezchica, E., Espinosa, Y., Lizalde, F., & Candolfi, N. (2012). Cursos Modelo: estrategia 2
de divers ificacin hacia la modalidad semipresencial y a distancia. Centro de 3
Educacion Abierta.
2
4