Professional Documents
Culture Documents
-----------------------------------------------------------------------------------------
DOSSIER
GESTIÓN II – 2016
ESTADISTICA I
QUINTO SEMESTRE
PARALELOS:
5A1
5C1
Lic. Jorge Troche Luna
ESTADISTICA I -----------------------------------
------------------------------------------------------Lic. Jorge Justo Troche Luna
UNIVERSIDAD SALESIANA DE BOLIVIA 2
-----------------------------------------------------------------------------------------
ESTADISTICA I -----------------------------------
------------------------------------------------------Lic. Jorge Justo Troche Luna
UNIVERSIDAD SALESIANA DE BOLIVIA 3
-----------------------------------------------------------------------------------------
NDICE
EL PAPEL DE LA ESTADISTICA
REPRESENTACIONES GRAFICAS
MEDIDAS DE POSICION
MEDIDAS DE DISPERSION
ANALISIS BIVARIANTES
PROBABILIDADES
ANALISIS COMBINATORIO Y PERMUTACIONES
BIBLIOGRAFIA
ESTADISTICA I -----------------------------------
------------------------------------------------------Lic. Jorge Justo Troche Luna
UNIVERSIDAD SALESIANA DE BOLIVIA 4
-----------------------------------------------------------------------------------------
EL PAPEL DE LA ESTADISTICA
Estadística.-
Es una ciencia parte de la matemática teórica aplicada que permite el manejo de información con el
objetivo de describir y tomar decisiones. Se divide en dos grandes áreas:
a) Estadística Descriptiva
b) Estadística Inferencial
a) Estadística Descriptiva.- La estadística descriptiva proporciona un conjunto de técnicas y
métodos para la recolección, organización, resumen, análisis e interpretación de los datos con
el objetivo principal de describir a una población o un conjunto de datos, por medio de cuadro,
tablas e indicadores.
b) Estadística Inferencial.- La estadística proporciona un conjunto de métodos y técnicas
teóricas basadas en la estadística descriptiva y las probabilidades para inferir, estimar,
proyectar, pronosticar con el objetivo principal de la toma de decisiones.
Población.- es un conjunto de personas, animales, objetos u observaciones que tienen al menos
una característica en común y debe estar bien definida en tiempo y espacio.
Ejemplo:
ESTADISTICA I -----------------------------------
------------------------------------------------------Lic. Jorge Justo Troche Luna
UNIVERSIDAD SALESIANA DE BOLIVIA 5
-----------------------------------------------------------------------------------------
Tipos de muestreo.-
Existen varias técnicas de muestreo como ser el muestreo aleatorio simple, el muestreo por
conglomerado, el muestreo estratificado, el muestreo sistemático, entre los principales muestreos
probabilísticos y los muestreos por cuotas o conveniencia entre los muestreos no probabilísticos
Los muestreos probabilísticos se caracterizan por ser obtenidos mediante métodos aleatorios.
Muestreo aleatorio simple:
generados con una calculadora u ordenador, etc.) se eligen tantos sujetos como sea necesario para
completar el tamaño de muestra requerido.
Este procedimiento, atractivo por su simpleza, tiene poca o nula utilidad práctica cuando la población
que estamos manejando es muy grande.
Ejemplo: formar el equipo de fútbol de la universidad seleccionando 11 boletas de una urna con el nombre de
todos los alumnos de la universidad.
ESTADISTICA I -----------------------------------
------------------------------------------------------Lic. Jorge Justo Troche Luna
UNIVERSIDAD SALESIANA DE BOLIVIA 6
-----------------------------------------------------------------------------------------
Este procedimiento exige, como el anterior, numerar todos los elementos de la población, pero en
lugar de extraer n números aleatorios sólo se extrae uno. Se parte de ese número aleatorio i, que es
un número elegido
al azar, y los elementos que integran la muestra son los que ocupa los lugares i, i+k, i+2k,
i+3k,...,i+(n−1)k, es
decir se toman los individuos de k en k, siendo k el resultado de dividir el tamaño de la población
entre el tamaño de la muestra: k= N/n. El número i que empleamos como punto de partida será un
número al azar entre 1 y k
Trata de obviar las dificultades que presentan los anteriores ya que simplifican los procesos y suelen
reducir el error muestral para un tamaño dado de la muestra. Consiste en considerar categorías
típicas diferentes entre sí (estratos) que poseen gran homogeneidad respecto a alguna característica
(se puede estratificar, por ejemplo, según la profesión, el municipio de residencia, el sexo, el
estado civil, etc.).
Los métodos presentados hasta ahora están pensados para seleccionar directamente los elementos
de la población, es decir, que las unidades muéstrales son los elementos de la población.
En el muestreo por conglomerados la unidad muestral es un grupo de elementos de la población que
forman una unidad, a la que llamamos conglomerado. Las unidades hospitalarias, los departamentos
universitarios, una caja de determinado producto, etc., son conglomerados naturales.
ESTADISTICA I -----------------------------------
------------------------------------------------------Lic. Jorge Justo Troche Luna
UNIVERSIDAD SALESIANA DE BOLIVIA 7
-----------------------------------------------------------------------------------------
En este tipo de muestreo se fijan unas "cuotas" que consisten en un número de individuos que
reúnen unas determinadas condiciones.
Ejemplo: 20 individuos de 25 a 40 años, de sexo femenino y residentes en Gijón. Una vez determinada la cuota
se eligen los primeros que se encuentren que cumplan esas características. Este método se utiliza mucho en las
encuestas de opinión.
Son características o atributos de los elementos de la población de la población que pueden ser
medidas.
Variables Observables Cualitativas.-
ESTADISTICA I -----------------------------------
------------------------------------------------------Lic. Jorge Justo Troche Luna
UNIVERSIDAD SALESIANA DE BOLIVIA 8
-----------------------------------------------------------------------------------------
Son atributos no numéricos de los elementos de la población y se dividen en variables observables
cualitativas nominal. Que se caracterizan por no tener un orden preestablecido y las variables
observables cualitativas ordinales que se caracterizan por tener un orden preestablecido.
Ejemplo.-
ESTADISTICA I -----------------------------------
------------------------------------------------------Lic. Jorge Justo Troche Luna
UNIVERSIDAD SALESIANA DE BOLIVIA 9
-----------------------------------------------------------------------------------------
Distribuciones de Frecuencia.-
Son tablas o arreglos divididos en clases o intervalos que permiten resumir de forma ordenada un
conjunto de datos o serie de datos.
Donde:
n: total de las observaciones o tamaño de muestra.
Frecuencia Absoluta.-
Numero de veces que se repite la clase o intervalo
ESTADISTICA I -----------------------------------
------------------------------------------------------Lic. Jorge Justo Troche Luna
UNIVERSIDAD SALESIANA DE BOLIVIA 10
-----------------------------------------------------------------------------------------
CUADRO Nº 1
0 I_ 2
1 I_I 3
2 ⊟I 6
3 I_ 2
4 I_ 2
5 I 1
TOTAL 16
FUENTE: Sub Alcaldia Zona Norte
Ejemplo:
Distribución estudiantes según nota final de calculo.
ESTADISTICA I -----------------------------------
------------------------------------------------------Lic. Jorge Justo Troche Luna
UNIVERSIDAD SALESIANA DE BOLIVIA 11
-----------------------------------------------------------------------------------------
EXTREMOS REALES
NOTA FINAL CONTEO Nº DE ESTUDIANTES ( )
-
20 – 30 I_I 3
30 – 42 ⊟⊟ 10
K=G 42 – 51 ⊟ ⊟⊟⊟⊟ 25
51 – 60 ⊟⊟⊟⊟⊟⊟⊟⊟⊟ I_I 43
60 – 80 ⊟⊟I_ 12
80 - 95 ⊟I 6
TOTALES N = 99
5 ≤ K ≤ 15
Ejemplo:
Distribución de personas según edad
EXTREMOS APARENTES
EXTREMOS Nº % % %
REALES Est.
-
1.40 – 1.44 4 0.044 4 0.44 90 1.001 4.4 4.4 100.1 0.04
1.44 – 1.52 9 0.1 13 0.144 86 0.957 10 14.4 95.7 0.08
1.52 – 1.55 15 0.167 28 0.311 77 0.857 16.7 31.1 85.7 0.03
1.55 – 1.60 23 0.256 51 0.567 62 0.069 25.6 56.7 69 0.05
1.60 – 1.63 18 0.2 69 0.767 39 0.434 20 76.7 43.4 0.03
1.63 – 1.69 14 0.156 83 0.923 21 0.234 15.6 93.3 23.4 0.06
1.69 – 1.80 7 0.078 90 1.00 7 0.078 7.8 100.1 7.8 0.11
TOTALES 90 1.001
ESTADISTICA I -----------------------------------
------------------------------------------------------Lic. Jorge Justo Troche Luna
UNIVERSIDAD SALESIANA DE BOLIVIA 12
-----------------------------------------------------------------------------------------
Donde:
ESTADISTICA I -----------------------------------
------------------------------------------------------Lic. Jorge Justo Troche Luna
UNIVERSIDAD SALESIANA DE BOLIVIA 13
-----------------------------------------------------------------------------------------
Frecuencias porcentuales.-
Notación matemática.-
N (1.40 ≤ X < 1.44) = 4
P (1.60 ≤ X < 1.63) = 0.2
N (X <1.60) = 51
P (X < 1.52) = 0.144
N (X ≥ 1.52) = 77
P (X ≥1.63)=0.234
P% (1.69≤X<1.80)=7.8%
P% (X<1.60)= 56.7%
Ancho de clase ( ) o Amplitud de clase.-
Es el tamaño de la clase (i) y se define como el extremo inferior.
b
a)
q
q = (1.62-1.60) = 12
N (x≤1.62)=4+9+15+23+12 = 63
Ejemplo:
¿Qué proporción de estudiantes tienen una estatura ≥ a 1.57mt. ?
P (x≥1.57)=? 0.078+0.156+0.2+
b
b)
ESTADISTICA I -----------------------------------
------------------------------------------------------Lic. Jorge Justo Troche Luna
UNIVERSIDAD SALESIANA DE BOLIVIA 14
-----------------------------------------------------------------------------------------
q
q = (1.60-1.57) = 13.8
q = (1.69-1.64) = = 0.12
1) Recorrido ( )
2) Nº de Intervalos (K)
Ejemplo:
ℙ: empleados públicos
𝕏: ingreso
n :30
: 1500 (Salario mas bajo)
:8300(Salario mas alto)
1) =8300-1500=6800
2) =5.477 =6
3) = 1242
ESTADISTICA I -----------------------------------
------------------------------------------------------Lic. Jorge Justo Troche Luna
UNIVERSIDAD SALESIANA DE BOLIVIA 15
-----------------------------------------------------------------------------------------
INGRESO CONTEO Nº EMPLEADOS
- PUBLICOS ( )
1500 - 2742 I_I 3 2121
2742 – 3984 ⊟ I_ 7 3363
3984 – 5226 ⊟⊟I_ 12 4605
5226 – 6468 □ 4 5847
6468 – 7710 I_I 3 7089
7710 - 9852 I 1 8781
TOTALES N = 30
Ejemplo:
Dada la siguiente distribución de anchos iguales y extremos reales, completar dicha frecuencia
EXTREMOS Nº
REALES Personas
-
20 – 25 20 0.1 20 200 22.5
25 – 30 20 0.1 40 180 27.5
30 – 35 80 0.4 120 160 32.5
35 - 40 50 0.25 170 80 37.5
40 - 45 30 0.15 200 30 42.5
TOTALES n =200
1.
2.
3.
4.
5.
6.
7.
8.
ESTADISTICA I -----------------------------------
------------------------------------------------------Lic. Jorge Justo Troche Luna
UNIVERSIDAD SALESIANA DE BOLIVIA 16
-----------------------------------------------------------------------------------------
Representaciones graficas.-
Nos permiten observar la estructura de la información o el comportamiento a simple vista.
Diagramas de barras.-
Son representaciones en el plano cartesiano para variables cualitativas y cuantitativas discretas
donde en el eje de las abscisas se ubica la variable y en el eje de las coordenadas con barras
proporcionales a dichas frecuencias.
Frecuencias ( )
Ejemplo:
Distribución de estudiantes según numero de materias aprobadas el anterior semestre.
Nº DE MATERIAS Nº DE
APROBADAS ( ) ESTUDIANTES ( )
1 2
2 8
3 12
4 15
5 24
6 18
TOTAL 79
Diagrama de barras de frecuencia absoluta será:
ESTADISTICA I -----------------------------------
------------------------------------------------------Lic. Jorge Justo Troche Luna
UNIVERSIDAD SALESIANA DE BOLIVIA 17
-----------------------------------------------------------------------------------------
Ejemplo:
Distribución de jugadores de un equipo de La Paz según edad.
EDAD Nº JUGADORES
-
18 – 20 4 2 2
20 – 24 5 4 1.25
24 – 26 10 2 5
26 – 27 8 1 8
27 - 32 4 5 0.8
32 – 40 4 8 0.5
TOTALES n =35
Polígonos de frecuencia.-
Son representaciones graficas en el plano cartesiano de una poligonal generada por la unión de los
pares ordenados ( )o( ) si la variable es discreta y ( ) si la variable es continua.
ESTADISTICA I -----------------------------------
------------------------------------------------------Lic. Jorge Justo Troche Luna
UNIVERSIDAD SALESIANA DE BOLIVIA 18
-----------------------------------------------------------------------------------------
NOTA: En caso de que la distribución tenga anchos iguales las alturas ( ) pueden ser sustituidas
por las frecuencia absolutas ( ).
ESTADISTICA I -----------------------------------
------------------------------------------------------Lic. Jorge Justo Troche Luna
UNIVERSIDAD SALESIANA DE BOLIVIA 19
-----------------------------------------------------------------------------------------
Ejemplo:
Distribución de empresas según razón social
SRL. 10 51
SA. 40 205
LTDA. 15 77
SC. 5 27
TOTAL n =70
% %
Ejemplo:
Distribución de estudiantes según número de más asistencias a clase.
Nº DE INASISTENCIA ESTUDIANTES % %
ESTADISTICA I -----------------------------------
------------------------------------------------------Lic. Jorge Justo Troche Luna
UNIVERSIDAD SALESIANA DE BOLIVIA 20
-----------------------------------------------------------------------------------------
Construyendo un diagrama de frecuencia acumulada porcentual tenemos:
P% (X≤2)=74%
P% (X≥4)=14%
Ejemplo.-
Distribución de empresas según ingreso mensual en miles de dólares.
INGRESO Nº EMPRESAS
-
1–3 14 14 120
3–5 25 39 106
5–8 42 81 81
8 – 12 32 113 39
12 - 15 7 120 7
TOTALES n =120
Estadígrafo.-
Es una medida que depende únicamente de los valores obtenidos en una muestra.
Ejemplo:
Si
ESTADISTICA I -----------------------------------
------------------------------------------------------Lic. Jorge Justo Troche Luna
UNIVERSIDAD SALESIANA DE BOLIVIA 21
-----------------------------------------------------------------------------------------
Tipos de estadígrafo.-
De acuerdo a su naturaleza existen:
Estadígrafos o medidas de posición.
Estadígrafos o medidas de dispersión.
Estadígrafos o medidas de asimetría.
Estadígrafos o medidas de curtosis.
Estadígrafos o medidas de correlación.
Estadígrafos o medidas de regresión.
Estadígrafos o medidas de concentración.
ESTADISTICA I -----------------------------------
------------------------------------------------------Lic. Jorge Justo Troche Luna
UNIVERSIDAD SALESIANA DE BOLIVIA 22
-----------------------------------------------------------------------------------------
MEDIDAS DE POSICION
Definición.-
Son medidas que representan a un conjunto de datos también denominados promedios.
Ejemplo:
X: Nº de materias asignadas en este semestre.
5, 4, 6, 6, 3 (Serie de datos)
Ejemplo:
Distribución de personas según edad.
EDAD Nº PERSONAS
-
20 – 25 20 22.5 450 5 -2 -40
25 – 30 32 27.5 880 5 -1 -32
30 – 35 64 32.5 2080 5 0 0
35 – 40 42 37.5 1575 5 1 42
40 - 45 12 42.5 510 5 2 24
TOTALES 170 5495 -6
Propiedades.-
1. La M(x) de una constante es la misma constante.
2. La M( ) = CM(x)
3. La M (x ± y) = M(x) ± M(y)
4. a)
b)
5. Si
Entonces:
ESTADISTICA I -----------------------------------
------------------------------------------------------Lic. Jorge Justo Troche Luna
UNIVERSIDAD SALESIANA DE BOLIVIA 23
-----------------------------------------------------------------------------------------
Comprobando la propiedad en el segundo ejemplo:
Si = C=5 y T=32.5
Ejemplo:
Un estudiante obtuvo las siguientes calificaciones primer parcial 80%, segundo parcial 60%, y el
examen final 35%cuyas ponderaciones son: primer parcial 20%, segundo parcial 35%, y el final 45%
= 100%.
Ejemplo.-
En la universidad salesiana existe 3 paralelos de cálculo cuyos promedios son:
PARALELOS Nº ESTUDIANTES
A 50 60
B 20 80
C 80 55
TOTALES 150
Hallar el promedio o la media aritmética de la materia Calculo I
Ejemplo.-
El salario promedio de una empresa de los trabajadores es bs.2640, el salario promedio de las
mujeres es bs.2490 y el de salario promedio de los hombres es bs.2700.
= 2490
= 2700
Que porcentaje son hombres y porcentaje son mujeres.
M: Porcentaje mujeres
H: Porcentaje hombres
ESTADISTICA I -----------------------------------
------------------------------------------------------Lic. Jorge Justo Troche Luna
UNIVERSIDAD SALESIANA DE BOLIVIA 24
-----------------------------------------------------------------------------------------
264000-249000 = 210H
• H son 71.43%
• M son 28.57%
Mediana Me (x).-
Es el valor que divide a un conjunto de datos ordenados en dos partes iguales
Ejemplo:
Me (x)
Para serie de datos si
Si n es impar
Si n es par
Ejemplo:
X: nota primer parcial
72, 40, 58, 63, 80, 25
N=6
25, 40, 58, 63, 72, 80
Si la variable es continua
Donde:
La clase que contiene a la mediana es aquella que primero sobrepasa al valor en la columna de las
frecuencias acumuladas absolutas en
Ejemplo.-
Nº HIJOS Nº DE MUJERES
0 6 6
1 12 18
2 18 36
3 32 68
4 15 83
5 3 86
TOTALES 86
ESTADISTICA I -----------------------------------
------------------------------------------------------Lic. Jorge Justo Troche Luna
UNIVERSIDAD SALESIANA DE BOLIVIA 25
-----------------------------------------------------------------------------------------
Ejemplo:
Dada la distribución:
GANANCIA Nº E.
-
1000 - 2000 2 2 1000 0.002
2000 – 3000 8 10 1000 0.008
3000 – 5000 21 31 2000 0.011
5000 – 7000 43 74 2000 0.022
7000 – 10000 25 99 3000 0.008
10000 – o mas 10 109 ∞
TOTALES 109
Moda (Mo).-
Es el valor que mas se repite
Ejemplo:
X: Nº de materias aprobadas
3, 6, 2, 4, 6, 5, 6, 7…
Cuando existen dos se llama bimodal para distribuciones de frecuencia
Si la variable es discreta
En el ejemplo
Donde
La clase que contiene a la es aquella cuyo es máximo
Si r=0 S.D.
Si r≠0
Si r=0 D.F.
Si r≠0
ESTADISTICA I -----------------------------------
------------------------------------------------------Lic. Jorge Justo Troche Luna
UNIVERSIDAD SALESIANA DE BOLIVIA 26
-----------------------------------------------------------------------------------------
En general
Si r= -1 = media armónica ( )
Si r= 0 = media geométrica ( )
Si r= 1 = media aritmética ( )
Si r= 2 = media cuadrática ( )
a)Media aritmética: se calcula multiplicando cada valor por el número de veces que se repite. La
suma de todos estos productos se divide por el total de datos de la muestra:
b) Media geométrica: se eleva cada valor al número de veces que se ha repetido. Se multiplican
todo estos resultados y al producto fiinal se le calcula la raíz "n" (siendo "n" el total de datos de la
muestra).
Según el tipo de datos que se analice será más apropiado utilizar la media aritmética o la media
geométrica.
La media geométrica se suele utilizar en series de datos como tipos de interés anuales, inflación,
etc., donde el valor de cada año tiene un efecto multiplicativo sobre el de los años anteriores. En
todo caso, la media aritmética es la medida de posición central más utilizada.
Lo más positivo de la media es que en su cálculo se utilizan todos los valores de la serie, por lo que
no se pierde ninguna información.
Sin embargo, presenta el problema de que su valor (tanto en el caso de la media aritmética como
geométrica) se puede ver muy influido por valores extremos, que se aparten en exceso del resto de
la serie. Estos valores anómalos podrían condicionar en gran medida el valor de la media, perdiendo
ésta representatividad.
Luego:
S.D.
Media Armónica
D.F.
S.D.
Media Geométrica
D.F.
ESTADISTICA I -----------------------------------
------------------------------------------------------Lic. Jorge Justo Troche Luna
UNIVERSIDAD SALESIANA DE BOLIVIA 27
-----------------------------------------------------------------------------------------
SD
Media Aritmética
D.F.
S.D.
Media Cuadrática
D.F.
Ejemplo:
Gasto en pasajes 3, 8, 2, 5
General:
Relación empírica.-
Si un conjunto de datos tiene distribución simétrica o casi simétrica entonces:
Ejemplo.-
Distribución de empresas según ganancia (en miles $us).
GANANCIA Nº EMP.
-
1–3 3 2 6 3 2 1.5 0.903 12
3–5 6 4 24 9 2 1.5 3.612 96
5–7 12 6 72 21 2 2 9.338 432
7–9 9 8 72 30 2 1.125 8.128 576
9 - 11 2 10 20 32 2 0.2 2 200
TOTALES 32 194 6.325 23.981
Media aritmética.-
ESTADISTICA I -----------------------------------
------------------------------------------------------Lic. Jorge Justo Troche Luna
UNIVERSIDAD SALESIANA DE BOLIVIA 28
-----------------------------------------------------------------------------------------
Mediana.-
Moda.-
Cuartiles.-
Medidas de localización que divide a la población en cuatro partes
iguales (Q1, Q2 y Q3).
Q1: Valor de la distribución que deja el 75% de los valores por encima
Q2: Valor de la variable que deja el 50% de los valores de la variable por encima (coincide con la
mediana)
Q3: Valor de la variable que deja el 25% de los valores de la variable por encima
Deciles.-
Medidas de localización que divide a la población en diez partes iguales dk = Decil k-simo es aquel
valor de la variable que deja a su izquierda el k·10 % de la distribución.
Percentiles.-
Medidas de localización que divide a la población en cien partes iguales. El primer percentil supera al
uno por ciento de los valores y es superado por el noventa y nueve por ciento restante.
Pk = Percentil k-ésimo es aquel valor que deja a su izquierda el K*1% de la distribución
ESTADISTICA I -----------------------------------
------------------------------------------------------Lic. Jorge Justo Troche Luna
UNIVERSIDAD SALESIANA DE BOLIVIA 29
-----------------------------------------------------------------------------------------
exista una gran diferencia entre los valores extremos pierda gran parte de su utilidad al estar
afectada por ellos. Por ello en este caso es más conveniente el uso de la mediana.
c) Un promedio puede actuar como medida de tendencia central solamente si existe una cantidad
considerable de concentración en la distribución de frecuencias, es decir, que la variación no es
demasiado grande.
d) Un promedio sirve como una medida útil de localización para comparar dos o más distribuciones
de frecuencias solamente si las que se comparan tienen aproximadamente la misma forma.
Medidas de dispersión.-
Hasta el momento hemos estudiado los valores centrales de la distribución, pero también es
importante conocer si los valores en general están cerca o alejados de estos valores centrales, para
ver si estos valores son o no son representativos. Es por esto por lo que surge la necesidad de
estudiar medidas de dispersión. Los momentos son valores específicos de la distribución y van
íntimamente ligados a las medidas de dispersión y se hallan con la siguiente fórmula:
Momentos de orden r
Momentos respecto al origen (
Momentos respecto ala media
El momento de orden r es el promedio de las desviaciones de los valores de una variable, con
respecto al origen o a la media, elevadas a la potencia r.
Relación entre momentos:
m0 = a0
a1= media
m1= 0
Desviación media.-
Mide el grado de dispersión de un conjunto de datos con respecto ala media aritmética es decir mide
la distancia promedio entre los valores observados y su media, se define como la DM(x).
Ejemplo:
𝕏: Edad 19,22,25,23
Desviación mediana.-
ESTADISTICA I -----------------------------------
------------------------------------------------------Lic. Jorge Justo Troche Luna
UNIVERSIDAD SALESIANA DE BOLIVIA 30
-----------------------------------------------------------------------------------------
Desviación estándar ( ).-
(Desviación típica)
La desviación típica es la mejor medida de dispersión y la más empleada. Cuando las distribuciones
de frecuencias se aproximan a una distribución simétrica o normal entonces se verifica una
propiedad muy importante que consiste, en que aproximadamente:
El 68% de los valores de la variable están comprendidos entre
x±s
El 95% de los valores de la variable están comprendidos entre
x ± 2s
El 99% de los valores de la variable están comprendidos entre
x ± 3s
Ejemplo:
Varianza ( ).-
Mide la distancia existente entre los valores de la serie y la media. Se calcula como sumatorio de las
diferencias al cuadrado entre cada valor y la media, multiplicadas por el número de veces que se ha
repetido cada valor. El sumatorio obtenido se divide por el tamaño de la muestra.
La varianza siempre será mayor que cero. Mientras más se aproxima a cero, más concentrados
están los valores de la serie alrededor de la media. Por el contrario, mientras mayor sea la varianza,
más dispersos están.
Propiedades.-
1.
2.
3.
4.
Ejemplo.-
ESTADISTICA I -----------------------------------
------------------------------------------------------Lic. Jorge Justo Troche Luna
UNIVERSIDAD SALESIANA DE BOLIVIA 31
-----------------------------------------------------------------------------------------
Distribución de estudiantes según peso corporal (Kg)
Luego:
Coeficiente de variación.-
El coeficiente de variación es la relación entre la desviación típica de una muestra y
su media.
ESTADISTICA I -----------------------------------
------------------------------------------------------Lic. Jorge Justo Troche Luna
UNIVERSIDAD SALESIANA DE BOLIVIA 32
-----------------------------------------------------------------------------------------
Se calcula para cada una de las distribuciones y los valores que se obtienen se
comparan entre sí.
La mayor dispersión corresponderá al valor del coeficiente de variación mayor.
Ejemplo.-
Una distribución tiene x = 140 y σ = 28.28 y otra x = 150 y σ = 24. ¿Cuál de las dos
presenta mayor dispersión?
ESTADISTICA I -----------------------------------
------------------------------------------------------Lic. Jorge Justo Troche Luna
UNIVERSIDAD SALESIANA DE BOLIVIA 33
-----------------------------------------------------------------------------------------
Relaciones empíricas.-
Mejores medidas.-
MEDIDAS SIMETRICA ASIMETRICA
POSICION CENTRAL
DISPERSION Q
Variable estandarizada.-
Se define como:
: De variable a variable
Es decir:
: a valor a valor
Coeficiente de simetría.-
Cuantifica el grado de asimetría que presenta la muestra. Se define como el promedio de los cubos
de las desviaciones en torno a la media, dividido por la desviación standard elevada también al cubo.
La fórmula es:
Si los datos presentan una cola larga hacia la derecha, el coeficiente de simetría es positivo. Si
presentan una cola larga hacia la hacia la izquierda, el coeficiente de simetría es negativo. Si hay
simetría, el coeficiente es cercano a cero.
ESTADISTICA I -----------------------------------
------------------------------------------------------Lic. Jorge Justo Troche Luna
UNIVERSIDAD SALESIANA DE BOLIVIA 34
-----------------------------------------------------------------------------------------
El signo positivo del coeficiente de simetría de la muestra 1 indica que tiene sesgo hacia la derecha.
El coeficiente de simetría de la muestra 2 indica que no tiene sesgo. La muestra 3 tiene sesgo hacia
la izquierda.
Coeficiente de curtosis.-
Cuantifica el hecho que la masa de datos presenta una forma de campana (mesocúrtica), una forma
más bien puntiaguda en la parte central (leptocúrtica) o muy plana (platicúrtica). El coeficiente de
curtosis se define como el promedio de las desviaciones elevadas a la cuarta potencia, respecto de
la media, dividido por la desviación standard elevado a la cuarta. A todo esto se le resta el número 3.
La fórmula es
Los datos con forma de campana (mesocúrticos) tienen un coeficiente de curtosis cercano a cero. Si
son leptocúrticos o con forma puntiaguda, el coeficiente es negativo. Si son planos o platicúrticos, su
coeficiente de curtosis es positivo.
Los primeros dos conjuntos aparecen con forma lepticúrtica (puntiagudos), mientras el de la muestra
3 aparece con forma platicúrtica (más plano). Eso se puede apreciar por el hecho que las tres barras
más grandes, en el histograma correspondiente a este tercer conjunto, tienen alturas similares. Si se
comparan con los histogramas de los primeros dos conjuntos, hay más diferencia entre la barra más
alta y las que le siguen.
ESTADISTICA I -----------------------------------
------------------------------------------------------Lic. Jorge Justo Troche Luna
UNIVERSIDAD SALESIANA DE BOLIVIA 35
-----------------------------------------------------------------------------------------
Análisis bivariante.-
Distribuciones bidimensionales.-
En algunos experimentos las medidas que se obtienen son dobles, pertenecientes a dos variables
distintas, a las que llamaremos X e Y respectivamente. Este tipo de estudios es muy frecuente.
Daremos algunos ejemplos:
Comparación entre mortalidad y natalidad
Ídem entre extensión y población de diversos países.
Diferencias de renta entre la población en general y los titulados universitarios.
Pruebas pretest y postest.
Influencia de la latitud en la temperatura media.
Ídem de las horas de estudio en la calificación en una asignatura. Etc.
Tipos de variables
Las dos variables que se comparan pueden ser de igual naturaleza, ambas nominales u ordinales o
de intervalo, o de distinta, lo que da lugar a muchos casos posibles, que es imposible estudiarlos
todos en este curso. Incluimos algunos ejemplos:
Tablas simples de comparación de dos datos cuantitativos
En estos casos cada par de valores representa a un sujeto o medición. Se representan mediante
gráficos de dispersión XY
ESTADISTICA I -----------------------------------
------------------------------------------------------Lic. Jorge Justo Troche Luna
UNIVERSIDAD SALESIANA DE BOLIVIA 36
-----------------------------------------------------------------------------------------
columnas y otra por filas. La siguiente tabla muestra la distribución de las llamadas telefónicas con
origen o destino en los cuatro hijos de una pareja.
Estas tablas de doble entrada con frecuencias admiten una representación gráfica muy intuitiva
mediante barras (columnas) ordenadas en varios conjuntos mediante tres ejes.
Frecuencias conjuntas.-
Se representan por nij, y son las frecuencias incluidas en la tabla primitiva de entrada. Los
subíndices i y j representan la fila y columna en la que está situada la frecuencia.Así, en la tabla n13
= 7 y n34 = 13 Llamaremos N a la suma total de estas frecuencias. En el ejemplo, N es 109.
Representaremos este hecho mediante un sumatorio doble sin índices, para no complicar las
fórmulas:
Al conjunto de las frecuencias conjuntas lo denominaremos como Distribución conjunta de las dos
variables.
Frecuencias marginales.-
Llamaremos frecuencia marginal de un valor de X, a la que le corresponde a ese valor si no tenemos
en cuenta la existencia de Y. En la práctica coincide con la suma de todas las frecuencias contenidas
en la fila correspondiente a ese valor. En la tabla del ejemplo, la frecuencia marginal de B es 26,
suma de las frecuencias de la segunda fila. La frecuencia marginal de la fila i se representará por ni*
De la misma forma se define la frecuencia marginal en la variable Y, como la que tendría si no se
tuviera en cuenta la X, o la suma de la columna correspondiente. En el ejemplo, la frecuencia
marginal de Marzo es n*3 = 20
ESTADISTICA I -----------------------------------
------------------------------------------------------Lic. Jorge Justo Troche Luna
UNIVERSIDAD SALESIANA DE BOLIVIA 37
-----------------------------------------------------------------------------------------
Frecuencias condicionadas.-
Son las frecuencias que posee una variable si sólo consideramos un valor (o varios) de la otra
variable. En la práctica se traduce a considerar sólo una fila o sólo una columna, según el valor
elegido. Las frecuencias condicionadas se representan con este símbolo: nx/y, que se puede leer
como Frecuencia de x condicionada por y. En la tabla del ejemplo, la distribución de X condicionada
a Marzo es la columna A=7, B=6, C=7. Las frecuencias condicionadas son más representativas si se
convierten en proporciones o porcentajes.
Media de X.-
Tiene la misma definición que en el caso unidimensional. Viene dada por la fórmula
si están agrupados.
Media de la Y.-
Se define de forma similar:
y para agrupados
(Las siguientes definiciones las desarrollaremos sólo para aislados, pues su traducción es fácil)
Covarianza.-
Esta medida es muy interesante. Mide el paralelismo existente entre ambas variables (en función
sólo de los datos presentes en la tabla). Si la covarianza es grande, manifestará la existencia de un
cierto paralelismo o dependencia (en sentido estadístico) entre X e Y. Si es pequeña, indicará que
ambas variables se comportan de manera más independiente. Su definición es:
Coeficiente de correlación.-
Como en el caso de una variable, la covarianza no es adecuada para establecer comparaciones
entre medidas muy diferentes, además del inconveniente de no tener un valor máximo, lo que impide
valorar el grado de paralelismo existente en los datos. Para normalizar la covarianza procederemos
como en el Coeficiente de Variación: dividiremos dicha covarianza entre las dos desviaciones típicas
(de X y de Y respectivamente). Al resultado le daremos el nombre de Coeficiente de correlación y lo
representaremos por r.
Se deben evitar interpretaciones erróneas del coeficiente r. Seleccionamos las más frecuentes: La
dependencia es sólo matemática: no supone relación causa-efecto. Las causas nunca son tan
simples y pueden existir, pero respecto a una tercera variable.
Se deben evitar demasiados adjetivos como correlación regular, media, pues el significado exacto de
r depende de cada experimento en concreto. Si la relación entre datos es de tipo curvilíneo, el
coeficiente r pierde representatividad. A veces, si existe asimetría, r no puede acercarse al 1.
ESTADISTICA I -----------------------------------
------------------------------------------------------Lic. Jorge Justo Troche Luna
UNIVERSIDAD SALESIANA DE BOLIVIA 39
-----------------------------------------------------------------------------------------
PROBABILIDADES
La probabilidad y la estadística son, sin duda, las ramas de las Matemáticas que están en mayor
auge en este siglo, y tienen una tremenda aplicabilidad en todos los aspectos y ciencias,
especialmente en las Ciencias Sociales, puesto que aquellas variables que influyen en dichas
ciencias, económicas, demográficas, suelen tener carácter aleatorio, es decir, no son deterministas,
y se fundamentan en predicciones a partir de datos conocidos. Todo aquello que implique predicción
nos lleva al terreno de la probabilidad.
Experimentos aleatorios.-
En todos los aspectos de la vida a veces nos encontramos con acontecimientos predeterminados, es
decir, tales que podemos decir el resultado de dichos acontecimientos antes de que finalice o incluso
de que comience. Tal es el caso de:
Tales acontecimientos o experimentos de los que podemos predecir el resultado antes de que se
realicen se denominan experimentos deterministas. Sin embargo, analicemos otro tipo de
experimentos, mucho mas interesantes desde el punto de vista matemático:
Imaginemos que lanzamos un dado al aire (normal, de 6 caras y no trucado). .Podemos predecir el
resultado que vamos a obtener?. Evidentemente no. Este es un experimento que no es determinista.
A este tipo de experimentos, en los cuales no se puede predecir el resultado antes de realizar el
experimento se les denomina experimentos aleatorios.
Otros ejemplos de experimentos aleatorios pueden ser:
Tirar una moneda al aire y observar que lado cae hacia arriba, rellenar una quiniela de futbol,
jugar una partida de póker y, en general, cualquier juego en el que intervenga el azar.
Ejemplo:
1. .Cual es el espacio muestral asociado al experimento de lanzar un dado normal al aire y observar
la cara que queda hacia arriba?.
Evidentemente, en este caso hay 6 posibles resultados (6 sucesos elementales) y el espacio
muestral
estará formado por: E={1,2,3,4,5,6}.
Ejemplo:
De cuantas maneras posibles se puede elegir a un presidente y un secretario de un grupo de 7
personas.
A, B, C, D, E, F, G
Ω = {(A,B);(A,C);(A,D);(A,E);(A,F);(A,G)}
Ejemplo:
Una moneda tiene dos lados cara (c)y sello (s). Se lanza la moneda. Halar el espacio muestral.
a) Una vez
Ω = {c, s }
b) Dos veces
Ω = {cc, cs, ss,}
c) Tres veces
Ω = {ccc, ccs, css, csc, scc, ssc, sss}
Ejemplo:
Se tira una moneda 3 veces. Calcular la probabilidad de obtener alguna cara.
Los problemas de este tipo, en los que se pide la probabilidad de obtener “alguna” cosa, se suelen
resolver muy bien por paso al complementario. En este caso concreto, A = “obtener alguna cara”.
= “no obtener ninguna cara”= “obtener 3 cruces”.
Entonces, p(A) = , pues hay 8 casos posibles (2·2·2!,haz el diagrama de árbol!) y solo uno
favorable (XXX, 3 cruces), por tanto:
Tipos de conjuntos.-
Extensión
Comprensión
Diagrama de ven
A= {a, e, i, o, u} extensión
A= {x∖ x es una vocal} comprensión
Diagrama de ven
ESTADISTICA I -----------------------------------
------------------------------------------------------Lic. Jorge Justo Troche Luna
UNIVERSIDAD SALESIANA DE BOLIVIA 41
-----------------------------------------------------------------------------------------
Ω= = es un producto cartesiano
=
a) Hasta que salga cara
Ω = {c, sc, ssc, sssc, ssssc,…,}
b) Hasta que saldo dos caras
Ω = {cc, scc, csc, sscc, scsc,…,}
Definición axiomática.-
Las definiciones anteriores son netamente empíricas o experimentales, sin embargo después de
establecer una forma de determinar la probabilidad experimentalmente, se pueden deducir leyes o
propiedades de la probabilidad en forma lógica o computacional bajo ciertas suposiciones llamados
axiomas de la probabilidad.
La probabilidad de un evento A se define como el número P(A), tal que cumple con los siguientes
axiomas:
AXIOMA 1: La probabilidad P(A) de cualquier evento no debe ser menor que cero ni mayor
que uno: 0 < P(A) < 1
AXIOMA 2: P(S) = 1
AXIOMA 3: Si A y B son dos eventos mutuamente exclusivos (A Ç B = Æ ), entonces: P
(A È B) = P(A) + P(B)
Toda la teoría elemental de la probabilidad está construida sobre las bases de estos tres
simples axiomas.
Si el espacio muestral es infinito, debemos reemplazar el axioma 3 por el
AXIOMA 4: Si A1, A2, … son eventos mutuamente exclusivos, entonces tenemos que
P(A1 È A2 È …) = P(Al) + P(A2) +…+
Teoremas.-
Además de P(E) = 1, P( ) = 0, 0 P(A) 1, tenemos:
1) Si A B = (A y B se excluyen mutuamente) entonces:
P(A B) = P(A) + P(B)
2) P(A) + P(Ac) = 1
3) Si A B entonces
P(A B) = P(A) + P(B) - P(A B)
ESTADISTICA I -----------------------------------
------------------------------------------------------Lic. Jorge Justo Troche Luna
UNIVERSIDAD SALESIANA DE BOLIVIA 42
-----------------------------------------------------------------------------------------
4) Si A y B son eventos independientes ( la ocurrencia de A no influye en la ocurrencia de B),
entonces
P(A B) = P(A) • P(B)
5) Si A y B son eventos dependientes (la ocurrencia de A influye en la ocurrencia de B), entonces
P(A B) = P(A) • P(B/A)
P(B/A) es la probabilidad del evento B, sabiendo
que ha ocurrido A.
Ejemplo:
María y José son dos amigos la probabilidad que María asista a clases es 0.8 y José 0.65 y la
probabilidad de que ambos asistan a clases es 0.53.
DATOS:
M: asista a clases María
J: asista a clases José
P(M)=0.8
P(J)=0.65
P(M∩J)=0.53
ESTADISTICA I -----------------------------------
------------------------------------------------------Lic. Jorge Justo Troche Luna
UNIVERSIDAD SALESIANA DE BOLIVIA 43
-----------------------------------------------------------------------------------------
Así que en matemáticas usamos un lenguaje más preciso:
Permutaciones.-
Son las más fáciles de calcular. Si tienes n cosas para elegir y eliges r de ellas, las permutaciones
posibles son:
n × n × ... (r veces) = nr
(Porque hay n posibilidades para la primera elección, DESPUÉS hay n posibilidades para la segunda
elección, y así.)
Por ejemplo en la cerradura de arriba, hay 10 números para elegir (0,1,...,9) y eliges 3 de ellos:
nr
donde n es el número de cosas que puedes
elegir, y eliges r de ellas
(Se puede repetir, el orden importa)
Así que tu primera elección tiene 16 posibilidades, y tu siguiente elección tiene 15 posibilidades,
después 14, 13, etc. Y el total de permutaciones sería:
16 × 15 × 14 × 13 ... = 20,922,789,888,000
Pero a lo mejor no quieres elegirlas todas, sólo 3 de ellas, así que sería solamente:
16 × 15 × 14 = 3360
Es decir, hay 3,360 maneras diferentes de elegir 3 bolas de billar de entre 16.
4! = 4 × 3 × 2 × 1 = 24
7! = 7 × 6 × 5 × 4 × 3 × 2 × 1 = 5040
1! = 1
Así que si quieres elegir todas las bolas de billar las permutaciones serían:
16! = 20,922,789,888,000
Pero si sólo quieres elegir 3, tienes que dejar de multiplicar después de 14. ¿Cómo lo escribimos?
Hay un buen truco... dividimos entre 13!...
16 × 15 × 14 × 13 × 12 ...
= 16 × 15 × 14 = 3360
13 × 12 ...
La fórmula se escribe:
ESTADISTICA I -----------------------------------
------------------------------------------------------Lic. Jorge Justo Troche Luna
UNIVERSIDAD SALESIANA DE BOLIVIA 45
-----------------------------------------------------------------------------------------
Ejemplo:
¿De cuántas maneras se pueden dar primer y segundo premio entre 10 personas?
Notación
Combinaciones.-
También hay dos tipos de combinaciones (recuerda que ahora el orden no importa):
En realidad son las más difíciles de explicar, así que las dejamos para luego.
ESTADISTICA I -----------------------------------
------------------------------------------------------Lic. Jorge Justo Troche Luna
UNIVERSIDAD SALESIANA DE BOLIVIA 46
-----------------------------------------------------------------------------------------
Combinaciones sin repetición.-
Así funciona la lotería. Los números se eligen de uno en uno, y si tienes los números de la suerte (da
igual el orden) ¡entonces has ganado!
Volviendo a las bolas de billar, digamos que queremos saber qué 3 bolas se eligieron, no el orden.
Pero muchas de ellas son iguales para nosotros, porque no nos importa el orden.
Por ejemplo, digamos que se tomaron las bolas 1, 2 y 3. Las posibilidades son:
De hecho hay una manera fácil de saber de cuántas maneras "1 2 3" se pueden ordenar, y ya la
sabemos. La respuesta es:
3! = 3 × 2 × 1 = 6
Así que sólo tenemos que ajustar nuestra fórmula de permutaciones para reducir por las maneras de
ordenar los objetos elegidos (porque no nos interesa ordenarlos):
Esta fórmula es tan importante que normalmente se la escribe con grandes paréntesis, así:
ESTADISTICA I -----------------------------------
------------------------------------------------------Lic. Jorge Justo Troche Luna
UNIVERSIDAD SALESIANA DE BOLIVIA 47
-----------------------------------------------------------------------------------------
Notación
Ejemplo:
16×15×14 3360
= = 560
3×2×1 6
Con otras palabras, elegir 3 bolas de 16 da las mismas combinaciones que elegir 13 bolas de 16.
Triángulo de Pascal.-
ESTADISTICA I -----------------------------------
------------------------------------------------------Lic. Jorge Justo Troche Luna
UNIVERSIDAD SALESIANA DE BOLIVIA 48
-----------------------------------------------------------------------------------------
Puedes usar el triángulo de Pascal para calcular valores. Baja a la fila "n" (la de arriba es n=0), y ve a
la derecha "r" posiciones, ese valor es la respuesta. Aquí tienes un trozo de la fila 16:
1 14 91 364 ...
1 15 105 455 1365 ...
1 16 120 560 1820 4368 ...
Ejemplo:
Digamos que tenemos cinco sabores de helado: banana, chocolate, limón, fresa y
vainilla. Puedes tomar 3 paladas. ¿Cuántas variaciones hay?
Vamos a usar letras para los sabores: {b, c, l, f, v}. Algunos ejemplos son
{c, c, c} (3 de chocolate)
{b, l, v} (uno de banana, uno de limón y uno de vainilla)
{b, v, v} (uno de banana, dos de vainilla)
(Y para dejarlo claro: hay n=5 cosas para elegir, y eliges r=3 de ellas.
El orden no importa, ¡y sí puedes repetir!)
Bien, no puedo decirte directamente cómo se calcula, pero te voy a enseñar una técnica
especial para que lo averigües tú mismo.
{c, c, c} (3 de chocolate):
{b, l, v} (uno de banana, uno de limón y uno de vainilla):
{b, v, v} (uno de banana, dos de vainilla):
entonces ya no nos tenemos que preocupar por diferentes sabores, ahora tenemos un problema más
simple para resolver: "de cuántas maneras puedes ordenar flechas y círculos"
ESTADISTICA I -----------------------------------
------------------------------------------------------Lic. Jorge Justo Troche Luna
UNIVERSIDAD SALESIANA DE BOLIVIA 49
-----------------------------------------------------------------------------------------
Fíjate en que siempre hay 3 círculos (3 paladas de helado) y 4 flechas (tenemos que movernos 4
veces para ir del contenedor 1º al 5º).
Así que (en general) hay r + (n-1) posiciones, y queremos que r de ellas tengan círculos.
Esto es como decir "tenemos r + (n-1) bolas de billar y queremos elegir r de ellas". Es decir, es como
el problema de elegir bolas de billar, pero con números un poco distintos. Lo podrías escribir así:
Es interesante pensar que podríamos habernos fijado en flechas en vez de círculos, y entonces
habríamos dicho "tenemos r + (n-1) posiciones y queremos que (n-1) tengan flechas", y la respuesta
sería la misma...
(5+3-1)! 7! 5040
= = = 35
3!(5-1)! 3!×4! 6×24
Supongamos que efectuamos un experimento n veces y que en esta serie de n ensayos el evento
Aocurre exactamente r veces, entonces la frecuencia relativa del evento es ,o sea,
ESTADISTICA I -----------------------------------
------------------------------------------------------Lic. Jorge Justo Troche Luna
UNIVERSIDAD SALESIANA DE BOLIVIA 50
-----------------------------------------------------------------------------------------
Si continuamos calculando esta frecuencia relativa cada cierto número de ensayos, a medida que
aumentamos n, las frecuencias relativas correspondientes serán más estables; es decir; tienden a ser
casi las mismas; en este caso decimos que el experimento muestra regularidad estadística o
estabilidad de las frecuencias relativas. Esto se ilustra en la siguiente tabla, de una moneda lanzada
al aire 1000 veces.
ESTADISTICA I -----------------------------------
------------------------------------------------------Lic. Jorge Justo Troche Luna
UNIVERSIDAD SALESIANA DE BOLIVIA 51
-----------------------------------------------------------------------------------------
La mayoría de experimentos aleatorios de importancia práctica tienen estabilidad, por esto
podemos sospechar que prácticamente será cierto que la frecuencia relativa de un evento E en un
gran número de ensayos es aproximadamente igual a un determinado número P(E), o sea, la
probabilidad del evento E es
Obsérvese que este número es una propiedad que no depende solamente de E, sino que se refiere a
un cierto espacio muestra S y a un experimento aleatorio. Entonces, decir que el evento E tiene
probabilidad P(E) significa que si efectuamos el experimento muchas veces, es prácticamente cierto
que la frecuencia relativa de E, fr(E) es aproximadamente igual a P(E).
Cuando se usa la definición frecuencial, es importante tomar en cuenta los siguientes aspectos:
i. La probabilidad obtenida de esta manera es únicamente una estimación del valor real.
ii. Cuanto mayor sea el número de ensayos, tanto mejor será la estimación de la probabilidad;
es decir, a mayor número de ensayos mejor será la estimación.
iii. La probabilidad es propia de sólo un conjunto de condiciones idénticas a aquéllas en las que
se obtuvieron los datos, o sea, la validez de emplear esta definición depende de que las
condiciones en que se realizó el experimento sean repetidas idénticamente.
Probabilidad condicional.-
Para dos eventos cualesquiera A y B en un espacio muestra S, tales que P(A) > 0 con P(A) ¹ 0, la
probabilidad del evento B dado el evento A, se define por .
En esta sección examinaremos como la probabilidad de ciertos eventos depende o se ve influida por
la ocurrencia de otros. Para ello veremos algunos ejemplos.
Ejemplo:
Se seleccionan dos semillas aleatoriamente, una por una, de una bolsa que contiene 10 semillas de
flores rojas y 5 de flores blancas. ¿Cuál es la probabilidad de que:
Solución:
ESTADISTICA I -----------------------------------
------------------------------------------------------Lic. Jorge Justo Troche Luna
UNIVERSIDAD SALESIANA DE BOLIVIA 52
-----------------------------------------------------------------------------------------
a. La probabilidad de que la primera semilla sea roja es , puesto que hay 10 semillas de flores
Probabilidad conjunta.-
La que da la probabilidad de la intersección de dos eventos. La tabla de probabilidad conjunta
proporciona un resumen de la información de probabilidad.
ESTADISTICA I -----------------------------------
------------------------------------------------------Lic. Jorge Justo Troche Luna