Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estadstica I
COLEGIO DE BACHILLERES
DEL ESTADO DE SONORA
Director General
Mtro. Jorge Luis Ibarra Mendvil
Director Acadmico
Profr. Julio Alfonso Martnez Romero
Director de Administracin y Finanzas
C.P. Jess Urbano Limn Tapia
Director de Planeacin
Mtro. Pedro Hernndez Pea
PROBABILIDAD Y ESTADSTICA I
Mdulo de Aprendizaje.
Copyright , 2008 por Colegio de Bachilleres
del Estado de Sonora
Todos los derechos reservados.
Tercera edicin 2010. Impreso en Mxico.
DIRECCIN ACADMICA
Departamento de Desarrollo Curricular
Blvd. Agustn de Vildsola, Sector Sur
Hermosillo, Sonora. Mxico. C.P. 83280
Registro ISBN, en trmite.
COMISIN ELABORADORA:
Elaboracin:
Vctor Manuel Crdova Navarro
Ariel Ulises Corts Len
Revisin Disciplinaria:
Domitila Prez Prez
Revisin de Contenidos:
Adn Durazo Armenta
Mara Elena Raya Godoy
Supervisin Acadmica:
Diana Irene Valenzuela Lpez
Correccin de Estilo:
Francisco Castillo Blanco
Edicin:
Francisco Peralta Varela
Coordinacin Tcnica:
Claudia Yolanda Lugo Peuri
Coordinacin General:
Profr. Julio Alfonso Martnez Romero
Ubicacin Curricular
COMPONENTE:
GRUPO:
FORMACIN PROPEDEUTICA
FSICO-MATEMATICO
HUMANIDADES-CIENCIAS
SOCIALES
HORAS SEMANALES:
03
CRDITOS:
06
ndice
Recomendaciones para el alumno..............................................................7
Presentacin ................................................................................................8
RIEMS .........................................................................................................9
UNIDAD 1. RECOLECCIN DE DATOS ........................................... 11
1.1. Trminos Bsicos de Estadstica .........................................................12
1.1.1 Definicin de estadstica y utilidad ..............................................12
1.1.2 Clasificacin de la estadstica .....................................................14
1.1.3 Definiciones ..................................................................................15
1.2. Mtodos de Muestreo ...........................................................................19
1.2.1 Definicin de muestreo, censo, poblaciones finitas
e infinitas ......................................................................................19
1.2.2 Mtodos de muestreo ..................................................................19
Seccin de tareas ........................................................................................23
Autoevaluacin ...........................................................................................29
Ejercicio de reforzamiento ............................................................................31
UNIDAD 2. REPRESENTACIN TABULAR Y GRFICA .................. 33
2.1. Distribucin de Frecuencias .................................................................34
2.1.1 Frecuencia absoluta, absoluta acumulada, relativa
y relativa acumulada .............................................................................35
2.1.2 Construccin de distribucin o tabla de frecuencias
para datos no agrupados y agrupados ................................................36
2.2. Representacin Grfica ........................................................................40
Seccin de tareas ........................................................................................47
Autoevaluacin ...........................................................................................55
UNIDAD 3. MEDIDAS DE CENTRALIZACIN Y VARIABILIDAD ..... 57
3.1. Medidas de Centralizacin ...................................................................58
3.1.1 Medidas de tendencia central para datos no agrupados ...........59
3.1.2 Medidas de tendencia central para datos agrupados ................63
3.2. Medidas de Variabilidad o Dispersin..................................................70
3.2.1 Medidas de variabilidad o dispersin absolutas .........................70
3.2.2 Medidas de dispersin o variabilidad para datos agrupados ....72
Seccin de tareas ........................................................................................75
UNIDAD 4. PROBABILIDAD ............................................................. 83
4.1. Teora de Conjuntos..............................................................................84
4.1.1 Definicin de conjunto, subconjunto y conjunto universal ..........88
4.1.2 Unin de dos conjuntos ...............................................................89
4.2. Conceptos bsicos de Probabilidad ....................................................100
Bibliografa ................................................................................................ 134
Utiliza y visita los sitios de Internet que se te proponen como sitios de consulta
o para ampliar el conocimiento.
Presentacin
El Colegio de Bachilleres del Estado de Sonora considera entre sus propsito el
proporcionar a los jvenes sonorenses una formacin bsica que consolide su
cultura general que incida en actitudes prcticas, positivas y propositivas en la
sociedad, una formacin para el trabajo que los prepare para integrarse,
enfrentarse o que lo promueva en el mbito laboral o el autoempleo y una
formacin propedutica que fortalezca los conocimientos, habilidades, destrezas
y actitudes de todos aquellos con aspiraciones personales o vocacionales, que le
faciliten o permitan el acceso a la educacin superior.
Con la finalidad de contribuir con la formacin propedutica mencionada es que
se presenta la asignatura de Probabilidad y Estadstica I en el campo de FsicoMatemtico y Econmico-Administrativo, de manera que el alumno vincule el
conocimiento adquirido en el bachillerato con la educacin superior logrando una
mejor incorporacin al mbito universitario independientemente del rea de
conocimiento de su eleccin.
La importancia de la Estadstica se puede remontar a pocas ancestrales y
considera la necesidad del ser humano de tomar en cuenta datos de diversos
hechos que resultan esenciales en su vida, como la necesidad de convivencia y
organizacin que consideran la recoleccin y estudio de datos con propsitos
estadsticos que le permitan desarrollarse como un ente social, econmico,
administrativo, belicoso, agrcola, industrial, comercial.
RIEMS
Introduccin
El Colegio de Bachilleres del Estado de Sonora, en atencin a los programas de
estudio emitidos por la Direccin General de Bachillerato (DGB), ha venido
realizando la elaboracin del material didctico de apoyo para nuestros
estudiantes, con el fin de establecer en ellos los contenidos acadmicos a
desarrollar da a da en aula, as como el enfoque educativo de nuestra Institucin.
Es por ello, que actualmente, se cuenta con los mdulos y guas de aprendizaje
para todos los semestres, basados en los contenidos establecidos en la Reforma
Curricular 2005. Sin embargo, de acuerdo a la reciente Reforma Integral de
Educacin Media Superior, la cual establece un enfoque educativo basado en
competencias, es necesario conocer los fines de esta reforma, la cual se dirige a
la totalidad del sistema educativo, pero orienta sus esfuerzos a los perfiles del
alumno y del profesor, siendo entonces el camino a seguir el desarrollo de las
competencias listadas a continuacin y aunque stas debern promoverse en
todos los semestres, de manera ms precisa entrarn a partir de Agosto de 2009,
en el primer semestre.
Competencias Genricas
CATEGORAS
I. Se autodetermina
y cuida de s.
II. Se expresa y
comunica.
COMPETENCIAS GENRICAS
1. Se conoce y valora a s mismo y aborda problemas y retos
teniendo en cuenta los objetivos que persigue.
2. Es sensible al arte y participa en la apreciacin e interpretacin
de sus expresiones en distintos gneros.
3. Elige y practica estilos de vida saludables.
4. Escucha, interpreta y emite mensajes pertinentes en distintos
contextos mediante la utilizacin de medios, cdigos y
herramientas apropiados.
5. Desarrolla innovaciones y propone soluciones a problemas a
partir de mtodos establecidos.
6. Sustenta una postura personal sobre temas de inters y
relevancia general, considerando otros puntos de vista de manera
crtica y reflexiva.
7. Aprende por iniciativa e inters propio a lo largo de la vida.
8. Participa y colabora de manera efectiva en equipos diversos.
9. Participa con una conciencia cvica y tica en la vida de su
comunidad, regin, Mxico y el mundo.
10. Mantiene una actitud respetuosa hacia la interculturalidad y la
diversidad de creencias, valores, ideas y prcticas sociales.
11. Contribuye al desarrollo sustentable de manera crtica, con
acciones responsables.
Competencias docentes:
1.
2.
3.
4.
5.
6.
7.
8.
10
Unidad 1
Recoleccin
de Datos
Objetivo:
El alumno:
Temario:
Trminos Bsicos de Estadstica
Mtodos de muestreo
Probabilidad y Estadstica 1
1.1.
TRMINOS BSICOS DE
ESTADSTICA
12
Recoleccin de Datos
13
Probabilidad y Estadstica 1
Pginas 23 y 25.
TAREA 3
Pgina 27.
14
Para la realizacin de este experimento, y debido al gran nmero de personas que habra
de sondear, queda fuera de consideracin el hecho de observar a todos los conductores
de automvil. Por lo que sera necesario estudiar slo un pequeo grupo de ellos
(muestra), siendo sta la parte que le corresponde a la estadstica descriptiva: El hecho de
observar a los conductores, tomar y anotar los datos de forma organizada, hacer una
descripcin del carcter y sexo del individuo observado, hacer una presentacin de los
datos obtenidos y por ltimo, analizar los resultados de la muestra.
Sin embargo, al estar en observacin slo un grupo representativo de conductores, cabe
la posibilidad de que las conclusiones a las que se pudieran llegar no sean tan precisas y
podra no tenerse la certeza de que se ha tomado la inferencia correcta.
Recoleccin de Datos
Es aqu donde entra en juego la estadstica inferencial, al considerarse como una ayuda
para la toma de decisiones cuando las condiciones de certidumbre estn en juego. La
estadstica inferencial nos proporciona los mtodos que nos permiten estimar el grado de
confiabilidad de las conclusiones. Por lo que en cada proposicin estadstica hecha, se
debe indicar la probabilidad de ocurrencia de los actos observados o descubrimientos
hechos para as tomar decisiones que sean aplicables a todos los conductores de
automviles.
1.1.3. Definiciones.
Se le llama Poblacin a la cantidad total de cualquier conjunto completo de datos, objetos,
individuos o resultados que tengan alguna caracterstica en comn que se va a observar o
analizar en un problema o experimento. Denotaremos al tamao de la poblacin por N.
En nuestro ejemplo 1 se considera como poblacin a todos los conductores de
automviles. As:
N = 750,000
El significado estadstico que se le da al trmino poblacin es ms amplio que el usual, ya
que puede referirse a actos, reas geogrficas, cosas, datos, objetos, individuos,
resultados, e incluso a temperaturas o tiempos.
"Una poblacin es un conjunto de todos los elementos que estamos estudiando,
acerca de los cuales intentamos sacar conclusiones". Levin & Rubin (1996).
"Una poblacin es un conjunto de elementos que presentan una caracterstica comn".
Crdenas (1974).
Se le llama Muestra a cualquier subconjunto de elementos de la poblacin. El inters de la
Estadstica es proporcionar mtodos que permitan elegir una muestra de datos
representativos destinado a suministrar informacin a cerca de una poblacin, ser
fundamental que los elementos deben tener todas las caractersticas de la poblacin.
"Se llama muestra a una parte de la poblacin a estudiar que sirve para representarla".
Murria R. Spiegel (1991).
"Una muestra es una coleccin de algunos elementos de la poblacin, pero no de
todos". Levin & Rubin (1996).
"Una muestra debe ser definida en base de la poblacin determinada y las
conclusiones que se obtengan de dicha muestra solo podrn referirse a la poblacin
en referencia", Cadenas (1974).
Denotamos al tamao de la muestra por n. En nuestro ejemplo una muestra podra ser:
500 conductores elegidos al azar, en este caso quedar
Muestra n =
500 y
Poblacin N =750,000
Las caractersticas de la muestra dependen del criterio del muestreo empleado para su
determinacin. Sin embargo, para que una muestra sea representativa de la poblacin,
sta deber contener aproximadamente entre el 5 % y el 10 % de los datos de la
poblacin cuando sta es finita, adems los elementos de la muestra deben ser
escogidos al azar (a la suerte) y se deben observar todas las caractersticas que se
observan en la poblacin.
15
Probabilidad y Estadstica 1
16
Recoleccin de Datos
Variables Categricas o Cualitativas: son aquellas a las que no se les puede asignar o
identificar con un valor numrico, sino con un aspecto, cualidad o caracterstica que las
distinga y que no se pueden medir sino solo observar, a ese aspecto, cualidad o
caracterstica se le llama categora.
Ejemplos: Marca, tipo de sangre, deporte preferido, el estado en general de
cualquier cosa, idioma, nacionalidad, colores, cabello o piel, himnos
nacionales, sexo, estado de nimo, clima, etctera.
En las variables categricas, un elemento no puede estar en dos o ms categoras a la
vez, lo cual las hace excluyentes y adems no puede haber elementos de la poblacin
que no pertenezcan a alguna categora, lo cual las hace exhaustivas.
Las variables categricas se dividen en:
Variables Categricas Nominales: son aquellas a las que no se les puede asignar un
orden, es decir que slo permite clasificacin en categoras por mencin de sta.
Ejemplo: La nacionalidad de una persona, idioma, sexo, himnos nacionales.
Variables Categricas Ordinales: son aquellas que adems de clasificar a los elementos
en distintas categoras les podemos asignar un orden o que podemos ordenar de acuerdo
a cierta caracterstica.
Ejemplo: El estado de salud de una persona; que podemos ordenarla segn la
urgencia del caso, el color de algn objeto segn la tonalidad desde muy clara a
ms oscuro; que podemos ordenarlo de acuerdo a la intensidad del color, el
grado militar, puesto en la empresa, da de la mam, meses del ao, etctera.
Se le llama Datos a las agrupaciones de cualquier nmero de observaciones
relacionadas. Para que se considere un dato estadstico debe tener dos caractersticas:
a) Que sean comparables entre s.
b) Que tengan alguna relacin.
La recoleccin de informacin o recopilacin de datos estadsticos se divide en:
Datos Internos: son aquellos datos que no necesitan de observaciones adicionales al
experimento; es decir, no es necesario buscar caractersticas que proporcionen
informacin adicional acerca del experimento. Ejemplo: Las calificaciones de un grupo,
un experimento qumico, etctera.
Datos Externos: estos datos pueden ser de dos tipos:
a) Datos Bibliogrficos: son aquellos ya conocidos y que podemos encontrar
fcilmente utilizando bibliografa, registros, actas, etctera, como los datos
histricos, censos y otros.
b) Datos Originales: son aquellos que podemos obtener mediante mtodos de
recoleccin, como las encuestas, plebiscitos, referndum, y nos proporcionan
datos reales y certeros.
Para Organizar los datos: existen muchas formas de clasificarlos, en general pueden
ser determinados de acuerdo a cuatro elementos que son: Tiempo, lugar, cantidad y
cualidad.
17
Probabilidad y Estadstica 1
18
Recoleccin de Datos
1.2.
MTODOS DE MUESTREO
Probabilidad y Estadstica 1
El muestreo Aleatorio simple es el tipo de muestreo en el cual todos y cada uno de los
elementos de la poblacin se elige de tal forma que tengan la misma posibilidad de ser
seleccionados y pertenecer a la muestra.
El muestreo Sistemtico se utiliza cuando el universo es de gran tamao o ha de
extenderse en el tiempo y requiere de una seleccin aleatoria inicial de observaciones
seguida de otra seleccin de observaciones, obtenida mediante una constante
denominada constante de sistematizacin
Cs= N/n; donde
N = es el tamao de la poblacin y
n = el tamao de la muestra.
Esta constante nos sirve para determinar cada cuntos elementos o cada cunto tiempo
se debe elegir el siguiente; para ello hay que elegir al azar un nmero entre 1 y Cs; de ah
en adelante tomar uno de cada K a intervalos regulares. Es conveniente tener en cuenta la
periodicidad del fenmeno.
Ejemplo 2: Para obtener una muestra de suscriptores telefnicos en una ciudad
grande, puede obtenerse primero una muestra aleatoria de los nmeros de las
pginas del directorio telefnico; al elegir el vigsimo nombre de cada pgina
obtendramos un muestreo sistemtico, tambin podemos escoger un nombre de
la primera pgina del directorio y despus seleccionar cada nombre del lugar
nmero cien a partir del ya seleccionado. En este caso, podramos seleccionar un
nmero al azar entre los primeros 100; suponiendo que el elegido es el 40,
entonces seleccionamos los nombres del directorio que corresponden a los
nmeros 40, 140, 240, 340 y as sucesivamente.
El muestreo sistemtico suele ser ms preciso que el aleatorio simple, ya que recorre la
poblacin de un modo ms uniforme.
En el tipo de muestreo Estratificado se involucra la divisin previa de la poblacin en
subgrupos, clases o estratos que se suponen mas homogneos, y a los cuales se le
asigna una cuota que determina el nmero de miembros del estrato que compondrn la
muestra, estos son escogidos mediante muestreo aleatorio simple. Segn la cantidad de
elementos de la muestra que se han de elegir de cada uno de los estratos, existen dos
tcnicas de muestreo estratificado:
Asignacin proporcional: el tamao de cada estrato en la muestra es proporcional a su
tamao en la poblacin.
20
Recoleccin de Datos
21
Probabilidad y Estadstica 1
22
Recoleccin de Datos
Nombre ____________________________________________________________
TAREA 1
INSTRUCCIONES: Consulta la pgina www.consulta.com.mx, elige un estudio realizado y determina cuales son los
distintos conceptos estadsticos que aparecen, tales como:
a)
b)
c)
d)
Poblacin.
Muestra elegida.
Muestreo aplicado.
Variables involucradas
23
Probabilidad y Estadstica 1
Revisin: _____________________________________________________
Observaciones:________________________________________________
______________________________________________________________
______________________________________________________________
______________________________________________________________
_
24
Recoleccin de Datos
Nombre ____________________________________________________________
TAREA 2
25
Probabilidad y Estadstica 1
Revisin: _____________________________________________________
Observaciones:________________________________________________
______________________________________________________________
______________________________________________________________
______________________________________________________________
_
26
Recoleccin de Datos
Nombre ____________________________________________________________
TAREA 3
INSTRUCCIONES: Elabora dos ejemplos en donde se desglose la Estadstica descriptiva y la Estadstica inferencial.
27
Probabilidad y Estadstica 1
Revisin: _____________________________________________________
Observaciones:________________________________________________
______________________________________________________________
______________________________________________________________
______________________________________________________________
_
28
Recoleccin de Datos
Nombre _________________________________________________________
AUTOEVALUACIN
Estadstica aplicada
2. Cules son las dos clasificaciones de la estadstica?
Inferencial y aplicada
Aplicada diferencial
Descriptiva e inferencial
Descriptiva y diferencial.
3.
Conjunto de datos cuya finalidad es suministrar informacin acerca de una poblacin en donde todos los
elementos deben tener todas las caractersticas de la poblacin.
Poblacin
Muestra
Estadstica
Datos
4. Tipo de variable al que se le puede asignar un valor numrico:
Numricas o cuantitativas
Categricas o cualitativas
Numrica continua
Cabalstica
5.
As se le llama al estudio que se hace de una poblacin por medios de muestras representativas que posea
todas las caractersticas de una poblacin:
Muestra
Muestreo
Experimento
Organizar
29
Probabilidad y Estadstica 1
30
Recoleccin de Datos
EJERCICIO DE
REFORZAMIENTO 1
Nombre _________________________________________________________
Nm. de lista ____________ Grupo ________________ Turno __________
Nm. de Expediente ___________________ Fecha ____________________
Recorta de un peridico una nota o noticia informativa donde se involucre a la estadstica, pgala en tu
cuaderno, analzala y determina:
a) La poblacin de estudio.
b) La muestra elegida.
c) Las variables involucradas.
2.
Propn por escrito, al menos dos maneras diferentes de cmo podras elegir al azar una muestra de cinco
compaeros de tu grupo.
3.
A continuacin se te proporciona una serie de variables estadsticas, clasifica cada una como nominal, ordinal,
discreta o continua segn corresponda.
a)
b)
c)
d)
e)
f)
g)
h)
4.
Peso.
Promedio escolar.
Estado civil.
Semestre que cursa.
Mes de nacimiento.
Nmero de hermanos por alumno.
Deporte favorito.
Tiempo invertido al da en el chat.
Realiza en equipo (mximo cinco alumnos) un estudio y anlisis de una investigacin mdica, industrial, el
comercio, etc. Apoyada con estadsticas y determina que conceptos de la estadstica se involucran e
identifican.
31
Probabilidad y Estadstica 1
32
Unidad 2
Representacin
Tabular y
Grfica
Objetivos:
El alumno:
Construir representaciones tabulares y
grficas, tras decidir el tipo de datos al
que pertenecen los obtenidos en algn
experimento,
dndole
el
manejo
adecuado, mediante los procesos para
datos no agrupados y agrupados,
destacando de stos los aspectos ms
relevantes con el fin de conocer y facilitar
la descripcin estadstica del fenmeno,
mostrando una actitud crtica, propositiva
y de respeto dentro del aula.
Organizador anticipado:
Una presentacin de un informe ordenado con las observaciones de
un fenmeno, nos puede proporcionar comprensibilidad y mayor
significancia en el manejo y estudio de las mismas, sobre todo
puede lograrse una mayor sntesis si las ordenamos conforme a una
tabla o distribucin de frecuencias; sin embargo, y aunque la
distribucin de frecuencias es quizs el recurso mayormente utilizado
al momento de realizar el estudio de algn fenmeno, es tambin
deseable que pudiramos utilizar este recurso para observar y
describir el fenmeno con valores ms resumidos de la informacin,
sobre todo si atendemos a la caracterstica natural de la distribucin
de datos a concentrarse hacia el centro, permitindonos tambin
estudiar y describir la variabilidad o dispersin de la distribucin de
los datos.
Temario:
Distribucin de Frecuencias.
Frecuencia absoluta, absoluta
acumulada, relativa y relativa
acumulada.
Construccin de distribucin
o tabla de frecuencias para
datos no
agrupados y
agrupados.
Representacin Grfica.
Histograma
Polgono de frecuencias
Ojiva
De barras
Circular
Probabilidad y Estadstica I
Evaluacin Diagnstica:
Antes de iniciar esta Unidad se recomienda revisar los temas de la siguiente lista
y resolver algunos ejercicios y presentarlos al profesor para que su revisin y
retroalimentacin por las observaciones y sugerencias que te haga del mismo.
2.1.
DISTRIBUCIN DE
FRECUENCIAS
Concepto:
La Distribucin o Tabla de Frecuencias: Es la representacin conjunta de los
datos en forma de tabla o subgrupo de datos correspondientes a un fenmeno
en estudio y su ordenamiento en base al nmero de observaciones que
corresponden a cada dato o a cada grupo de datos, adecuados segn
cronologa, geografa, anlisis cuantitativo o cualitativo.
Datos
Ordenamiento
Alfabtico A Z
Cualitativos
Alfabtico Z A
Del ms al menos repetido
Del menos al ms repetido
Cuantitativos
34
Asignaturas
Mate Social Taller Qum. Infor Mate
Ingls
Asignatura
Repeticiones
(frecuencias)
tica y valores
Informtica
Taller
Ingls
10
Infor
Matemticas
Ingls
Qumica
Sociales
Taller de lectura
Total
50
Infor
Ingls
109
112
119
124
35
Probabilidad y Estadstica I
La denotaremos por
fa
La denotaremos por
f ra
Datos no agrupados
Datos diferentes: Consideraremos como un dato diferente, a cada uno de los
distintos datos que se presentan en la muestra, los denotaremos por
nmero total de datos diferentes lo denotaremos por
x i , y al
m.
Asignatura de Preferencia
xi
fa
tica y valores
0.1
0.1
Informtica
14
0.18
0.28
Ingls
10
24
0.2
0.48
Matemticas
33
0.18
0.66
Qumica
39
.12
0.78
Sociales
43
0.08
0.86
Taller de lectura
50
0.14
1.00
Total
36
f ra
50
fr
1.00
Coeficiente Intelectual
xi
fa
fr
f ra
106
0.15
0.15
109
0.25
0.40
112
15
0.35
0.75
119
17
0.10
0.85
124
20
0.15
1.00
Total
20
1.00
Datos agrupados
Cuando el tamao de la muestra es considerable o grande y los datos
numricos son muy diversos (n>15), conviene agrupar los datos de tal manera
que permita establecer patrones, tendencias o regularidades de los valores
observados. De esta manera podemos condensar y ordenar los datos tabulando
las frecuencias asociadas a ciertos intervalos de los valores observados.
Intervalos de Clase: Son los intervalos en los que se agrupan y ordenan los
valores observados. Cada uno de estos intervalos est delimitado (acotado) por
dos valores extremos que les llamamos lmites.
Log n
n = Nmero de datos.
Log = logaritmo en base 10.
Otra regla utilizada es la de Velleman que establece que el nmero de Intervalos
se obtiene de la raz cuadrada del nmero de datos; es decir K=
recomendable para tamaos de muestra pequeos (n< 50)
n ,
37
Probabilidad y Estadstica I
Ac
R
.
K
38
Tambin ser muy til conocer y calcular la Marca de Clase (MC) de cada
intervalo: Se refiere al Punto Medio del intervalo y a travs de l representaremos
a todo el intervalo y una de las maneras de calcularla es promediando los
valores lmite de cada intervalo, su frmula es:
MC =
Li
Ls
2
= 5.87 6
R = 120 90 = 30
Ac
30
6
39
Probabilidad y Estadstica I
xi
fa
fr
f ra
mc
2
8
5
4
6
5
30
2
10
15
19
25
30
0.07
0.27
0.17
0.13
0.20
0.16
1.00
0.07
0.34
0.51
0.64
0.84
1.00
92.5
97.5
102.5
107.5
112.5
117.5
Intervalos de Clase
[ 90 95)
[ 95 100)
[100 105)
[105 110)
[110 115)
[115 120]
Total
TAREA 2
Pgina 49.
2 .2 .
REPRESENTACIN
GRFICA
40
Grfica de Barras:
Es un mtodo grfico que consta de dos ejes: Uno horizontal, en el que se
representan los valores (Eje de los datos) utilizando barras verticales en forma
rectangular y de la misma amplitud, y un eje vertical, en el cual la frecuencia
representa la altitud que tendr la barra rectangular (Eje de las frecuencias), las
barras van separadas la misma distancia unas de otras y para distinguirlas
puede utilizarse distintos colores o entramados segn se considere.
Ejemplo: Utilizando los datos del ejemplo 2.1.4.
Grfico de Barras:
Prueba de Coeficiente Intelectual (C. I.)
Frecuencias
8
6
4
2
0
106
109
112
119
124
Coeficiente Intelectual
41
Probabilidad y Estadstica I
124
15%
Grfica Circular:
Prueba de Coeficiente Intelectual
106
15%
119
10%
109
25%
112
35%
TAREA 3
Grfico de menor a mayor dato
Histograma:
Pgina 51.
Es una grafica en forma de barras que consta de dos ejes, uno horizontal,
llamado eje de la variable en observacin, en donde situamos la base de una
serie de rectngulos o barras contiguas; es decir, que no van separadas, y que
se rotula con los lmites inferiores de cada clase o intervalo excepto el ltimo que
deber llevar tambin el lmite superior, centradas en la marca de clase. Y un eje
vertical llamado eje de las frecuencias, en donde se miden las alturas que vienen
dadas por la frecuencia del intervalo que representa. Todos los intervalos deben
tener la misma longitud.
Vemoslo a travs de un ejemplo, cuando las amplitudes de los intervalos son
iguales:
Ejemplo: Considerando los datos del ejemplo 2.1.4.
Velocidades
42
120
115
110
105
100
95
12
11
10
9
8
7
6
5
4
3
2
1
0
90
frecuencia
Frecuencias
97.5
8
112.5
6
102.5
117.7
107.5
4
92.5
2
0
Velocidades
TAREAS 2 y 3
Pginas 53 y 55.
es una grfica del tipo de las grficas de lneas trazadas sobre las marcas de
clase, (de ah el nombre de polgono), y se traza uniendo con segmentos de
recta, de izquierda a derecha, las parejas ordenadas que se forman, al
considerar como abscisa la marca de clase (eje horizontal) y como ordenada la
frecuencia del intervalo representado (eje vertical); la primera y ltima parejas
ordenadas se unen mediante un segmento de recta al eje horizontal, con las que
seran la marca de clase anterior y posterior respectivamente si estas existieran.
Este tipo de grfico adquiere mayor importancia cuando se quiere mostrar en un
mismo grfico ms de una distribucin o una clasificacin cruzada de una
variable continua con una discreta, situacin que no se puede observar en uno
de los grficos presentados anteriormente por la forma de construccin del
mismo grfico.
43
Probabilidad y Estadstica I
Frecuencias
95
100
105
110
120
115
Velocidades
Frecuencias
8
6
4
2
0
92.5
97.5
102.5
107.5
112.5
117.5
Frecuencias Relativas
100
105
110
115
120
TAREA 4
Pgina 57.
45
Probabilidad y Estadstica I
46
Nombre ____________________________________________________________
TAREA 1
INSTRUCCIONES: Pregunta a 30 compaeros tuyos qu carrera piensan estudiar, con los datos obtenidos calcula
la:
Frecuencia Absoluta.
Frecuencia Absoluta Acumulada.
Frecuencia Relativa.
Frecuencia Relativa Acumulada.
Marca de Clase
xi
Intervalos de Clase
fa
fr
f ra
mc
47
Probabilidad y Estadstica I
Revisin: _____________________________________________________
Observaciones:________________________________________________
______________________________________________________________
______________________________________________________________
______________________________________________________________
_
48
Nombre ____________________________________________________________
TAREA 2
INSTRUCCIONES: Recopila las estaturas (en metros) de todos los compaeros de tu grupo y rene estos datos en
una tabla que contenga
xi
Intervalos de Clase
fa
fr
f ra
mc
49
Probabilidad y Estadstica I
Revisin: _____________________________________________________
Observaciones:________________________________________________
______________________________________________________________
______________________________________________________________
______________________________________________________________
_
50
Nombre ____________________________________________________________
TAREA 3
INSTRUCCIONES: Aplica una encuesta con los 40 estudiantes del COBACH con respecto al medio de transporte
utilizado con mayor frecuencia para trasladarse a la escuela.
Con los datos obtenidos elabora una distribucin de frecuencias absolutas y contenga el grfico circular, as
como el grfico de barras para esta distribucin.
xi
Intervalos de Clase
fa
fr
f ra
mc
51
Probabilidad y Estadstica I
Revisin: _____________________________________________________
Observaciones:________________________________________________
______________________________________________________________
______________________________________________________________
______________________________________________________________
_
52
Nombre ____________________________________________________________
TAREA 4
INSTRUCCIONES: Con los datos de la tarea 2, construye los cuatro diferentes tipos de histogramas de
frecuencias.
53
Probabilidad y Estadstica I
Revisin: _____________________________________________________
Observaciones:________________________________________________
______________________________________________________________
______________________________________________________________
______________________________________________________________
_
54
Nombre _________________________________________________________
AUTOEVALUACIN
55
Probabilidad y Estadstica I
56
Unidad 3
Medidas de
Centralizacin
y Variabilidad.
Objetivos:
El alumno:
Calcular medidas de centralizacin y
variabilidad,
tras
conocer
su
comportamiento en datos agrupados y no
agrupados, aplicando los procedimientos
propuestos, mostrando una actitud
crtica, propositiva y de respeto dentro del
aula.
Temario:
Medidas de tendencia central:
Media
Mediana
Moda
Medidas de Variabilidad
Rango
Varianza
Desviacin estndar
Probabilidad y Estadstica I
3.1.
MEDIDAS DE
CENTRALIZACIN
Medidas de
Centralizacin
Medidas de
Variabilidad o
Dispersin
x)
~x
(x)
a) Rango ( R )
b) Desviacin Media ( D. M )
c) Varianza (S2 )
d) Desviacin estndar o tpica ( S )
Para variables numricas en las que puede haber un gran nmero de valores
observados distintos, se ha de optar por un mtodo de anlisis distinto,
respondiendo a la siguiente pregunta:
Alrededor de qu valor se agrupan los datos?
Las medidas de centralizacin vienen a responder esta pregunta.
58
x
n
Donde:
Smbolo de sumatoria que indica que se deber sumar lo
que aparezca a derecha, es decir, x.
X
Cada uno de los datos obtenidos de la muestra.
n
Nmero total de datos.
Como ejemplo, consideremos 10 pacientes de edades 21 aos, 32, 15, 59, 60, 61,
64, 60, 71, y 80. La media de edad de estas personas ser de:
21 32 15 59 60 61 64 60 71 80
10
52.3aos
EJERCICIO 1
59
Probabilidad y Estadstica I
b) Mediana
En esta medida, los datos u observaciones equidistantes o que se encuentran
ms en medio de todo el conjunto de datos.
La mediana del ejemplo anterior, sera el valor que deja a la mitad de los datos
por encima de dicho valor, y a la otra mitad por debajo, es decir el 50 % por arriba
y el 50% por debajo del conjunto de datos.
Para obtener la mediana para datos agrupados, primeramente deberemos
ordenar los datos en forma ascendente o descendente observando la siguiente
secuencia de datos: 5, 21, 32, 59, 60, 60,61, 64, 71, 80. (Datos ordenados)
Como quiera que sea, en este ejemplo, el nmero de datos u observaciones es
par (10 personas), los dos valores que se encuentran en medio son 60 y 60. Si
realizamos el clculo para la media nos dar:
5, 21, 32, 59,
, 60,60
0
60
60
2
~
x
60aos
~) = 60 aos
5, 21, 32, 55, 59, 60, 60,61, 64, 71, 80. Entonces la mediana (x
Si la media y la mediana son iguales, la distribucin o conjunto de datos de la
variable es simtrica. Sin embargo, la media es muy sensible a la variacin de las
puntuaciones, y la mediana es menos sensible a dichos cambios.
Geomtricamente la mediana es el valor de la variable que corresponde a la
vertical que divide al histograma en dos reas iguales. Cuando determinados
valores de un conjunto de datos u observaciones son muy grandes o muy
pequeos con respecto a los dems, entonces la media aritmtica se puede
distorsionar y perder su carcter representativo, en esos casos, es conveniente
utilizar la mediana como medida de tenencia central.
VENTAJAS Y DESVENTAJAS DE LA MEDIANA
Ventajas
a) La Mediana no se ve afectada por los valores extremos, por lo que la
podemos utilizar en aquellos casos en que la media aritmtica no es til.
Desventajas
a) La ms importante, es que no podemos hacer clculos adicionales con la
mediana.
b) No utiliza mucha informacin de un conjunto de datos.
c) Finalmente, al menos que dispongamos de una computadora o unos
esclavos, no es fcil ordenar un conjunto grande de nmeros. En este caso, la
mediana no es fcil de calcular.
60
Instrucciones:
1. Determinar la mediana para el siguiente conjunto de datos
a) 5, 6, 9, 11, 15, 19, 23, 26, 27.
EJERCICIO 2
3 y4
Bimodal
61
Probabilidad y Estadstica I
62
38
49
50
60
63
65
69
70
75
77
80
82
85
88
90 95 100
Nmero de
Estudiantes
Tabla 1
Lo anterior, se puede elaborar, si el conjunto de datos o muestra es pequea;
pero en realidad esto se presenta en pocas ocasiones y por lo tanto, cuando los
datos son demasiados, se presentarn como tablas de distribucin de
frecuencias.
Ejemplo. El siguiente conjunto de datos nos representan los pesos en kilogramos
de 40 pacientes sometidos a una dieta.
49.0
49.8
49.8
50.0
50.3
50,5
50.6
50.6
51.0
52.0
53.5
54.0
54.3
55.0
55.0
56.0
57.0
57.5
58.3
59.0
60.0
60.0
63.5
64.0
64.0
67.0
67.5
68.0
68.4
68.6
68.6
69.0
69.5
69.6
70.0
71.0
71.5
72.0
72.5
73.0
63
Probabilidad y Estadstica I
La seleccin del nmero adecuado de clases y los cortes entre ellas es un asunto
de criterio y de experiencia. Sin embargo, aqu se dan unas reglas empricas para
calcular el nmero mximo de clases, (Hoaglin, et. al., (1983) p. 22 y sigs.):
1 Sturges (1926) que establece que el nmero de clases es:
K = 1 + log2 n = 1 + 3.322 log n, la cual subestima el nmero de intervalos.
2 Velleman (1976), K =
1 3.3 log(n)
Donde:
K=
6.28
40 = 6.3
R
, donde:
K
DM
dm
R=
DM=
Dm=
64
Rango de la distribucin
dato mayor de la distribucin o conjunto de
datos
Dato menor de la distribucin o conjunto de
datos.
R
K
24
6
A= 4
Con la Amplitud o ancho del intervalo y a partir del dato menor que es:
49 le sumaremos 4 unidades que representa la amplitud del intervalo y as
sucesivamente hasta tener las seis clases que representa K.
Geomtricamente la amplitud representa la base del rectngulo de cada barra del
histograma; por tanto tendremos:
49+4=53; 49 y 53 representan los lmites superior e inferior de la primera clase
53+4=57; 53 y 57 representan los lmites superior e inferior de la segunda clase
57+4=61; 57 y 61 representan los lmites superior e inferior de la tercera clase
61+4=65; 61 y 65 representan los lmites superior e inferior de la cuarta clase
65+4=69; 65 y 69 representan los lmites superior e inferior de la quinta clase
69+4=73; 69 y 73 representan los lmites superior e inferior de la sexta clase
Al construir la tabla con los lmites inferiores y superiores, tendremos los lmites de
clase de la distribucin de la siguiente manera:
INTERVALOS DE CLASE
[49 , 53)
[ 53 , 57)
[57 , 61)
[61 , 65)
[65 , 69)
[69 , 73]
Tabla 2
[ = Significa intervalo cerrado, es decir, que el intervalo contiene al dato o
nmero; en cambio,
( = Significa intervalo abierto, indicando lo contrario; es decir, que no lo contiene.
Esta informacin nos servir para conocer cuantos datos estn contenidos dentro
de cada intervalo de clase, por ejemplo:
Para en el primer intervalo de clase : [49 , 53) tendremos los siguientes datos que
los llamaremos frecuencias absolutas de la primera clase: [ 49, 49.8, 49.8 , 50.0,
50.3, 50.5, 50.5, 50.6, 51.0, 52.0); el 53.5 lo tomaremos en cuenta hasta el
siguiente intervalo, as sucesivamente, hasta completar toda la distribucin o
conjunto de datos.
65
Probabilidad y Estadstica I
[49 , 53)
[ 53 , 57)
//// //// //
//// ///
10
7
Marca de Clase
(Mc)
51
55
[57 , 61)
[61 , 65)
//// /
///
5
3
59
63
[65 , 69)
[69 , 73]
Total
//// ///
//// ////
7
8
n=40
67
71
Intervalos De Clase
Conteo
Frecuencia Absoluta(fa)
Mc
Li
Ls
2
Donde:
Mc=
Li=
Ls=
Mc
49 53
2
66
Marca de clase
Frecuencia absoluta
Nmero de datos (frecuencias absolutas) de
la distribucin.
Mcfa
n
X
X
x Li
Donde:
f a anteriores
f mediana
f mediana = Frecuencia de la
mediana
A= Amplitud del intervalo de clase
Ejemplo: De la tabla que se muestra a continuacin calcularemos la mediana para
esta distribucin.
DISTRIBUCIN DE FRECUENCIAS ABSOLUTAS
Intervalos De Clase
Frecuencia Absoluta(fa)
[49 , 53)
[ 53 , 57)
[57 , 61)
10
7
5
[61 , 65)
[65 , 69)
[69 , 73]
Total
3
7
8
n=40
Tabla 3
67
Probabilidad y Estadstica I
Determinaremos primero
n
2
40
2
20 , despus
Li =
A=61-57=4;
Sustituyendo los valores encontrados en la frmula para la mediana, tendremos:
~
x=
17 5
4
5
~
x = 57 12 4
5
57
~x =66.6
~x =57+9.6
30 ,40
40 ,50
50 ,60
60 ,70
70,80
Frecuencias absolutas
4
5
8
2
1
total
20
Esto significa que la clase que contiene a la mediana ser la tercera clase, por lo
tanto la mediana ser:
68
50
10 9
(10 )
8
51.25
Frecuencias absolutas
4
1.50 155
1.55 160
1.60 165
1.65 1.70
10
1.70 1.75
1.75 1.80
Totales
35
Tabla 4
Li
da
da
dp
A
Donde:
Luego entonces:
Li=1.65
da=10-8=2
dp=10-5=5
A=0.05
x 1.65
2
2 5
0.05
x 1.65
2
0.05
7
x 1.66
69
Probabilidad y Estadstica I
3.2 .
MEDIDAS DE VARIABILIDAD O
DISPERSIN
Medidas de Dispersin
o Variabilidad
70
x x
Esta Desviacin x
71
Probabilidad y Estadstica I
R= Rango
Dm= Dato Mayor de la distribucin
Dm= dato menor de la distribucin
R=Dm-dm
En el caso de la
desviacin media el
valor absoluto significa
la distancia de cada uno
de los datos con
respecto ala media
aritmtica (Desvo)
72
D.M=
x
n
= sumatoria
= Valor absoluto
x= cada uno de los datos de la distribucin
x = Media aritmtica de los datos de la
distribucin
n= Total de datos de la distribucin
x x
Donde:
S2= Varianza
sumatoria
n 1
Como ejemplo: Las calderas de una planta de energa de vapor a alta presin
tuvieron las siguientes eficiencias en porcentajes: 90.3, 91.6, 90.9, 90.4, 90.3,
91.0, 87.9, 89.4.
La media aritmtica para este conjunto de datos ser:
721.8
90.225
8
90 .3 90 .3
91 .6 90 .23
8 1
....
80 .4 90 .23
8.65
s2
Donde
Recuerda que la
desviacin tpica o
estndar slo tomar
los valores positivos del
radical
8.65
2.94
73
Probabilidad y Estadstica I
74
Nombre ____________________________________________________________
TAREA 1
INSTRUCCIONES: Cita un ejemplo tomado de la vida real en el cual la media aritmtica es ms til que la
moda o la mediana. Haz lo mismo para la moda y la mediana.
75
Probabilidad y Estadstica I
Revisin: _____________________________________________________
Observaciones:________________________________________________
______________________________________________________________
______________________________________________________________
______________________________________________________________
_
76
Nombre ____________________________________________________________
TAREA 2
77
Probabilidad y Estadstica I
Revisin: _____________________________________________________
Observaciones:________________________________________________
______________________________________________________________
______________________________________________________________
______________________________________________________________
_
78
Nombre ____________________________________________________________
TAREA 3
INSTRUCCIONES: Consigue en tu casa por lo menos 7 recibos de pago del consumo de agua y con los siete
montos de pago calcula las distintas medidas de centralizacin y dispersin.
79
Probabilidad y Estadstica I
Revisin: _____________________________________________________
Observaciones:________________________________________________
______________________________________________________________
______________________________________________________________
______________________________________________________________
_
80
Nombre ____________________________________________________________
TAREA 4
81
Probabilidad y Estadstica I
Revisin: _____________________________________________________
Observaciones:________________________________________________
______________________________________________________________
______________________________________________________________
______________________________________________________________
_
82
Unidad 4
Probabilidad
Objetivos:
El alumno:
Resolver problemas de clculo de
probabilidad simple, utilizando las tcnicas
de conteo y las reglas de probabilidad,
segn el tipo de evento que mejor aplique al
propsito y tipo de datos, mostrando inters
por la calidad de trabajo y respeto es su
participacin grupal
Temario:
Teora de Conjuntos.
Conceptos bsicos de
probabilidad.
Probabilidad y Estadstica I
4 .1 .
TEORA DE CONJUNTOS
Conceptos bsicos
El concepto de Conjunto aparece en todas las ramas de las Matemticas. De
manera intuitiva, un conjunto (1) es cualquier lista bien definida o cualquier
coleccin de objetos, y ser representado por las letras maysculas A, B, Y, X,
etctera.
Los objetos que componen al conjunto se llaman sus elementos (2) o miembros,
y se escriben con letras minsculas a, b, x, y, etctera.
Algunos conjuntos bsicos de la matemtica, llamados tambin Campos
Numricos:
Ejemplos de conjuntos son:
: Conjunto vaco, que carece de elementos.
N: Conjunto de los nmeros naturales.
Z: Conjunto de los nmeros enteros.
Q: Conjunto de los nmeros racionales.
R: Conjunto de los nmeros reales.
C: Conjunto de los nmeros complejos.
Un conjunto: es la reunin en un todo de objetos bien definidos y diferenciables
entre s, que se llaman elementos del mismo. O tambin puede ser una
coleccin de objetos.
Si a es un elemento del conjunto A, se denota con la relacin de pertenencia a
A. En caso contrario, si a, no es un elemento de A, se denota a
Algunos ejemplos de pertenencia son:
A.
84
ELEMENTOS
PERTENENCIA
l = lunes
m = Mayo
n = 2
Probabilidad
85
Probabilidad y Estadstica I
POR COMPRENSIN
A = {a, e, i, o, u }
B = {0, 2, 4, 6, 8}
C = { c, o, n, j, u, n, t, s}
D = {mercurio}
Finito
Infinito
Infinito
Finito
Instrucciones:
Determinar cules de los siguientes conjuntos son finitos e infinitos
a) Los meses del ao
b {1,2,3,..99,100}
c) Los habitantes de la tierra
d) {X/X es un nmero par}
e) {1,2,3}
Igualdad de conjuntos
Se dice que 2 conjuntos A y B son iguales: cuando ambos tienen los mismos
elementos; es decir, si cada elemento de A pertenece a B y si cada elemento
que pertenece a B pertenece tambin a A. La igualdad se denota A = B.
Dados dos conjuntos A y B (que pueden ser iguales o distintos), podemos
preguntarnos sobre las formas cmo podemos "relacionar" los elementos de A
con los de B conjunto.
Ejemplo: los elementos del conjunto dado:
A = {1, 2, 3} se pueden relacionar o hacer corresponder mediante una
correspondencia f con los del conjunto
B = {x, y, z} De modo que a todo elemento de A le corresponda uno, ninguno
o varios elementos de B.
86
EJERCICIO 1
Probabilidad
Esto se puede expresar tambin as: f(1) = {x, z}, f(2) = { } , f(3) = {z}.
Tambin se puede decir que f = {(1, x), (1, z), (3, z)}.
Por tanto, una relacin o correspondencia entre dos conjuntos A y B es un
subconjunto del producto cartesiano A B.
En general, una relacin o correspondencia entre un conjunto A y otro B es
cualquier subconjunto de A B.
Ntese que este incluye el caso del conjunto vaco. NO es obligatorio, que
TODO elemento de A, est relacionado con alguno de B para decir que ese
subconjunto de A B es una relacin o correspondencia de A en B.
Cuando una correspondencia es tal que a CADA elemento del primer conjunto le
corresponde UNO Y SLO UNO del segundo conjunto, entonces se llama
aplicacin o funcin (este ltimo nombre es tal vez el ms comn en
Latinoamrica, en las traducciones mexicanas prefieren llamarlas aplicaciones o
mapeos).
Ejemplo: El
EJERCICIO 2
CONJUNTO VACO
El conjunto vaco es el nico conjunto que no tiene ningn elemento. La notacin
que se utiliza para representarlo es
1.
EJERCICIO 3
87
Probabilidad y Estadstica I
A y lo leeremos pertenece a A
A si
Conjunto potencia
La familia de todos los subconjuntos de un conjunto N se llama Conjunto Potencia
de N. Se le denota como
. P (s)
EJEMPLOS
a).- Si N = {1, 2 } como podemos ver el conjunto tiene dos elementos y el
conjunto potencia tendr
elementos y son:
tendr
elementos.
EJERCICIO 4
88
Probabilidad
Conjunto universal
Es el conjunto que contiene a todos los elementos del Universo, se le denota por
la letra U. El universo lo forman el conjunto de conjuntos que intervienen.
Ejemplos: Sean los conjuntos:
A = {aves} B = {peces} C = {anfibios} D = {tigres}
Existe otro conjunto que incluye a los conjuntos A, B, C y D y es conjunto de
todos los animales
U = {animales}, Que es el conjunto universal de todos los anteriores.
Conjuntos disjuntos
Relacin de inclusin
La relacin fundamental
que se puede definir entre
conjuntos es la relacin
de inclusin
Se les llama as, cuando dos conjuntos A y B no tienen ningn elemento comn
entonces A y B son disjuntos. Ejemplos de conjuntos disjuntos y no disjuntos:
1.- Cuando A y B son disjunto no tienen ningn elemento en comn. Sea A
= {x I x es par} y B = {x I x es impar}.
2.- Estos dos conjuntos tienen a las vocales en comn por lo tanto no son
disjuntos:
Sea A = {x I x es una vocal} y B = {x I x es una letra del abecedario}.
X; X
AX
PROPIEDAD ASOCIATIVA:
A (B C)
PROPIEDAD CONMUTATIVA:
A B
B
PROPIEDAD DE IDEMPOTENCIA: AU A=A
Si o
...
... son dos formas
abreviadas de
representar en
matemticas
"si y slo si".
x...
ByB
B.
INTERSECCIN DE CONJUNTOS
La interseccin de dos conjuntos A y B es el conjunto A
B, que tiene por
elementos aquellos que pertenecen simultneamente a A y a B; O que se repiten
en ambos conjunto, formalmente lo indicamos as: x x A B
x A y x
B.
89
Probabilidad y Estadstica I
Ejemplo
Si A= {1, 3, 5, 7, 9,10} y B = {2, 4, 6, 8,10} entonces A
B = {10}
(B
b) PROPIEDAD CONMUTATIVA:
B=B
c) PROPIEDAD DE IDEMPOTENCIA:
C) = (A
B)
C.
A.
A = A.
X,
A\ B
A\B
X A, X B
X A'
90
U, X
Probabilidad
Instrucciones.
1 Determina las siguientes operaciones entre conjuntos
U={ 1,2, .8, 9 } , A= {1,2,3,4 } , B={ 2, 4, 6, 8} y C = { 3, 4, 5, 6}
2 Determinar:
a) A'
b) A
c) (A
C)'
d) A
e) B\ C
Los conjuntos bajo las operaciones descritas anteriormente satisfacen varias
leyes o identidades que se enumeran en la siguiente tabla.
LEYES DEL LGEBRA DE CONJUNTOS
Leyes de idempotencia
A A
1. A A
Leyes asociativas
2. A B C A B C
Leyes Conmutativas
3. A B B A
Leyes distributivas
AUB
4. A B C
A B C
A B
AC
A B C
B A
A B C
A B AC
Leyes de Identidad
U= U
U= A
Leyes de Complemento
U
c c
c
) =A
U =
Leyes de De Morgan
7 A B c = Ac Bc
=U
A B c=Ac B c
Tabla 4.1
91
Probabilidad y Estadstica I
Diagramas de Venn
Estos diagramas, son llamados as, por el nombre de su inventor, Leonhard
Euler quien naci el 15 de abril de 1707 en Basilea, Suiza, muri el 18 de
septiembre de 1783 en San Petersburgo, Rusia, quien vivi en Rusia la mayor
parte de su vida. Probablemente fue uno de los ms grandes matemticos de la
historia, comparable a Gauss, Newton o Arqumedes.
Los diagramas de Ven se usan para representar grficamente la relacin
matemtica o lgica entre diferentes grupos de cosas (conjuntos),
representando cada conjunto mediante un valo o crculo.
La forma en que esos crculos se sobreponen entre s muestra todas las posibles
relaciones lgicas entre los conjuntos que representan. Por ejemplo, cuando los
crculos se superponen, indican la existencia de subconjuntos con algunas
caractersticas comunes.
Operaciones entre conjuntos
La parte sombreada que se muestra en la grfica a continuacin representa las
distintas operaciones entre conjuntos
92
A) UNIN
B) INTERSECCIN
C)DIFERENCIA
D)COMPLEMENTO
Probabilidad
EJEMPLOS 1:
1.
Dados los siguientes conjuntos: A = {2, 4, 6, 8,10}, B = {0, 1, 2,3}, C = {1,-2, 0,3} construye los diagramas de VennEuler de:
a) A
B,
b) A
c) B
d) A\B
e) A\C
a) A
B,= {2}
c) B C = { 0,3}
b). A
C={
93
Probabilidad y Estadstica I
b) Primero se sombrea A
94
B, entonces (A
(A
B) c
Probabilidad
c) Primero Se sombrea (B\ A), el rea de B que no est en A, entonces, (B\ A)c es
el rea por fuera de (B\ A
, (B\ A)c
(B\ A)
Ac y Bc
De acuerdo con la ley de De Morgan (A
Ac
Bc
B) c = A c
Bc
(B
C)
b) (A
B)
(A
C)
95
Probabilidad y Estadstica I
A Y B
(B
C)
ByA
Se observa que A
distributiva.
(A
(B
C)=(A
B)
(A
B)
(A
C)
EJERCICIO 6
96
(B \ C)=(A
B)\ (A
C)
Probabilidad
PROBLEMAS DE APLICACIN.
1. En el diagrama que colocamos a continuacin, se han volcado los datos
obtenidos en una encuesta, realizada a personas, donde se les pregunt si
tomaban t o caf. Los nmeros que aparecen se refieren a las cantidades
de personas que respondieron a la pregunta en las diversas formas
posibles: solamente t, t y caf, ninguna de las dos bebidas, etctera.
El diagrama de Venn lo dividiremos por regiones; como sigue:
EJERCICIO 7
97
Probabilidad y Estadstica I
Nos encontraremos con que slo cuatro de ellos, los nmeros I), IV), V) y VII) se
pueden poner directamente:
Ahora con el dato II) se puede completar la nica zona que falta en el conjunto
MOTO, haciendo la diferencia 38 - (20+5+3) = 10
Luego utilizaremos el dato VI), si consideramos todas las zonas, excepto las
cuatro correspondientes al conjunto BICI, debern sumar 72
Luego 72 - (20+5+1) = 46:
98
Probabilidad
Despus de ello, podremos usar el dato III), si consideramos todas las zonas,
excepto las cuatro correspondientes al conjunto AUTO, debern sumar 9, luego
9 - (5+3+1) = 0:
Por ltimo utilizaremos el dato VIII) si consideramos todas las zonas, excepto las
cuatro correspondientes al conjunto MOTO, debern sumar 61, luego 61 (46+0+1) = 14:
99
Probabilidad y Estadstica I
4 .2 .
CONCEPTOS BSICOS DE
PROBABILIDAD
100
Probabilidad
inferencia
Poblacin = 8 estimado de
= 7.5.
Instrucciones.
Indicar para cada una de las siguientes situaciones si se trata de un fenmeno
aleatorio o un fenmeno determinstico.
EJERCICIO 9
101
Probabilidad y Estadstica I
102
EJERCICIO 10
Probabilidad
Instrucciones.
Ordene desde el menos probable hasta el ms probable los siguientes eventos. Si
hubiera eventos imposibles y eventos seguros, selelos.
EJERCICIO 11
103
Probabilidad y Estadstica I
Auxiliar
170
145
315
Asociado
80
50
130
Profesor
50
25
75
B) DIAGRAMAS DE VENN
Unin de eventos. La unin de los conjuntos A y B es la coleccin de elementos
que pertenecen a uno u otro de los conjuntos o a ambos. El evento unin de los
eventos A y B se realiza cuando sucede alguno de los dos o ambos.
Decimos que el evento "A o B'' se realiza cuando sucede A o sucede B o
suceden ambos.
Para regresar al ejemplo de los dados:
Si A es el evento de que el resultado sea non; A = { 1, 3, 5 } y B es el evento de
que el resultado sea mayor que dos; B = { 3, 4, 5, 6 }. A B es el evento que se
realiza cuando el resultado del dado est en cualquiera de las dos colecciones o
sea: A B = {1, 3, 4, 5, 6}.
Hay un caso en que los dos significados coinciden y es cuando los dos eventos
no pueden ocurrir juntos. Por ejemplo: Nio o nia. A dos eventos que no
pueden ocurrir juntos se les llama excluyentes.
En la notacin de los conjuntos dos eventos son excluyentes cuando su
interseccin es el Vaco.
104
Total
400
310
710
Probabilidad
P A
n A
n(S )
(Regla de Laplace)
Probabilidad y Estadstica I
EJEMPLO 1: Una urna tiene ocho bolas rojas, cinco amarillas y siete verdes. Si
extrae una bola aleatoriamente, determinar la probabilidad de que sea:
a) Que sea Roja.
Determinaremos primero el espacio muestral de este experimento aleatorio.
S= {8 rojas, 5 amarillas y 7 verdes}
n(S)=20
P A
n( A)
n( S )
8
2
; Simplificando tenemos
20
5
0.4
b) Sea Amarilla.
Procediendo como en el inciso anterior, la probabilidad ser:
n(B) = { Sea amarilla}
n(B)= 5 . Por lo tanto la probabilidad ser:
P(B)
5
20
1
4
0.25
c) Sea verde
n(C) ={ Sea verde}
verde ser:
P(C )
7
20
0.35
AXIOMAS DE LA PROBABILIDAD
1. La probabilidad es positiva y menor o igual que 1.
0 P(A) 1
2. La probabilidad del suceso o evento seguro es 1.
P(E) = 1
Lo cual podemos generalizar tambin como:
P(S)=1
3. Si A y B son incompatibles o Ajenos, es decir A
P(A B) = P(A) + P(B)
106
B=
entonces:
Probabilidad
PROPIEDADES DE LA PROBABILIDAD
1. La suma de las probabilidades de un suceso o evento y su contrario vale 1,
por tanto la probabilidad del suceso contrario es:
2.
P(A)C = 1 P(A)
Probabilidad del suceso o evento imposible es cero.
P(
)= 0
3. La probabilidad de la unin de dos sucesos o eventos es la suma de sus
probabilidades restndole la probabilidad de su interseccin.
P( A B)
P A
PB
P A B
SiA
B, entoncesP( A)
P ( B)
8
12 3
=
=
20 20 5
5
15 3
=
=
20
20 4
0.6
0.75
107
Probabilidad y Estadstica I
No. de ases
No. de cartas
a)
P(AS)
b)
P(OROS)
4
40
No. de oros
No. de cartas
1
10
10
40
0.1
1
4
0.25
P(A)
3
, P(B)
8
Hallar: a) P (A B),
1
, P( A B)
2
1
4
b) P ( AC ), c) P(BC ),
d) P(AC
BC ),
e) P(B
a) P (A B)
Aplicando la propiedad 3.
P (A B) =
3
8
1
2
1
4
P( A B)
5
0.625
8
P A
b) P ( AC)
Aplicando la propiedad 1. P(A)C = 1 P(A)
P ( AC)=
3
8
5
8
0.625
c) P (BC )
P(B)C = 1 P(B)
P (BC )=
108
1
2
1
2
0.5
PB
P A B
AC )
EJERCICIO 12
Probabilidad
d) P(AC
BC )
A B
A B
e) P (B
AC )=
= Ac
= Ac
B c tendremos lo siguiente:
Bc =
1 P(A B)
P(B) - P(A B)
1
2
1
4
5
8
1
1
4
3
8
0.375
0.25
a) a1 =
b) a1 =
c) a1 =
d) a1 =
1
2
1
2
1
2
1
2
1
1
1
, a2= 3 , a3 = 4 , a4= 5
1
1
1
, a2= 3 , a3 = 4 , a4= 5
1
1
1
, a2= 3 , a3 = 8 , a4= 8
1
1
, a2= 4 , a3 = 4 , a4= 0
1
1
1
1
a) a) a1 = 2 , a2= 3 , a3 = 4 , a4= 5
De acuerdo con el axioma1. 0 P(A) 1
1
1 es decir; 2
1
3
1
4
1
1
5
probabilidades a1+ a2 + a3+ a4
77
La suma de las cuatro funciones nos da un resultado de 60 es decir, mayor
que 1 por lo tanto no es una funcin de probabilidad S
1
1
b) a1 = 2 , a2= 3 , a3 =
1
4
1
, a4= 5
Puesto que una funcin de probabilidad no puede ser negativa en este caso:
a3 =
1
4
109
Probabilidad y Estadstica I
1
1
1
1
c) a1 = 2 , a2= 3 , a3 = 8 , a4= 8 , de acuerdo con el axioma 2, P(S)=1
1
2
1
4
1
8
1
8
. Por lo tanto la
1
1
1
d) a1 = 2 , a2= 4 , a3 = 4 , a4= 0
1
2
1
4
1
0 1
4
. Por lo tanto la funcin
Ejemplo 3. Se Saca una esfera de una urna que contiene cuatro esferas rojas,
cinco blancas y seis negras. Determina la probabilidad de que la esfera sea:
a) Roja o blanca
b) Que no sea blanca
a) Roja o blanca.
R={rojas}; B={blancas}. Como no se pueden sacar dos esferas
simultaneas entonces:
P(R B) =
4
P(R B) = 15
5
5
9
15
3
5
0.6
1
P(BC) = 1-P(B)=
110
5 10
15 15
2
3
0.66
Probabilidad
P( A B)
P A
P A B
PB
AB
A B est sombreado
A B=( A\ B)
tendremos
P( A B)
P A
PB
P A B
111
Probabilidad y Estadstica I
P(M)
n( M )
n( S )
10
100
1
10
0.1
b) Slo Matemticas
P(L)
n( L )
n( S )
20
100
1
5
0.2
c) Matemticas y msica
n(L M)
n(S)
P(L M)
10
100
1
10
0.1
d) Matemticas o msica
P( L M )
n(L)
n( M ) n( L
n( S )
M)
20 10 10
100
40
100
2
5
P( L M )
n(L)
n( M ) n( L
n( S )
M)
30
20 10
100
Y da el mismo resultado
e) No estudien ninguna de las dos asignaturas
P(L M )
112
n( L M ) C
n( S )
30
100
15
50
0.3
40
100
2
5
0.4
0.4
Probabilidad
P(M C)
n( M C )
n( S )
40
100
2
5
0.4
6
P(7)= 36
1
6
0.16
p(2)
18
36
1
2
0.5
P(Multiplo de 3)
12
36
1
3
0.33
113
Probabilidad y Estadstica I
2
P(A B)
P(A C ) = 3 ,
3
P(A B)
4 ,
1
4
Hallar:
a) P(A), b) P (B), c) P(A BC),
2. Qu funcin define un espacio de probabilidad en S= { a1, a2 , a3}, con las
siguientes probabilidades asignadas:
1
1
1
a) a1 = 4 , a2= 3 , a3 = 2
2
1
2
b) a1 = 3 , a2= 3 , a3 = 3
1
1
1
c) a1 = 6 , a2= 3 , a3 = 2
3. Probar mediante un diagrama de Venn la siguiente propiedad:
P(A) - P(A B)
4. La Comisin Nacional del Agua (CNA) informa que en la ciudad de Cananea
Sonora, durante los 90 das del invierno anterior, llovi 40 das, nev en 30 das, y
adems en 12 das llovi y nev. Si se eligiese un da al azar de ese invierno,
encontrar la probabilidad de que haya:
a) Llovido o nevado
b) Nevado solamente
c) Llovido pero no nevado
d) No haya nevado ni llovido
5. Qu es ms probable, que caiga dos sellos y un guila al lanzar tres
monedas o que la suma de puntos al lanzar dos dados sea mayor que 8?
114
EJERCICIO 13
Probabilidad
1
3
1
; por lo tanto la probabilidad de que
3
1
2 p 1 es decir:
3
1
3 1 2
2p 1 ; por lo tanto la probabilidad de que caiga
3
3 3 3
guila ser:
P(A)=
2
3
21p=1 de donde
P(1)
1
, P(2)
21
1
; entonces:
21
2
, P(3)
21
2
21
1
, P(4)
7
4 2
21 7
4
, P(5)
21
5
, P(6)
21
2
7
4
7
2 1
21 7
5
21
10
21
C= {nmero impar}=P(1, 3, 5) =
1 1
21 7
5
21
3
7
115
Probabilidad y Estadstica I
1
21
20
21
1
7
5
21
8
21
4
21
2
7
10
21
EJERCICIO 14
116
Probabilidad
117
Probabilidad y Estadstica I
(2,4)
(4,4)
(6,4)
(8,4)
(2,6)
(4,6)
(6,6)
(8,6)
(2,8)
(4,8)
(6,8)
(8,8)
(1,2)
(2,2)
(3,2)
(1,3) ...
(2,3) ...
(3,3) ...
(1,m)
(2,m)
(3,m)
:
(n,1)
:
(n,2)
:
(n,3) ...
:
(n,m)
Hay n filas o renglones (con el primer elemento igual en cada una de las listas), y
cada fila contiene m listas. Por consiguiente la cantidad de listas posibles es:
m + m + m +...+ m = m X n ( n veces)
118
Probabilidad
119
Probabilidad y Estadstica I
1. Hamburguesa
2. Hamburguesa con queso
3. Pizza
Como bebidas se ofrecen:
a) Refresco
b) Agua
C) Te helado
Como postre se puede elegir:
A) Yogurt
B) Nieve
De cuntas maneras puede una persona elegir un men en esta escuela?
De acuerdo al principio multiplicativo, el nmero de maneras ser: 3 X 3 X 2 = 18
maneras.
120
Probabilidad
Diagrama de rbol
Un diagrama de rbol es una representacin grfica que ilustra las formas en las
que se llevan a cabo las agrupaciones de elementos
En el caso del ejemplo anterior el diagrama de rbol lo podemos representar de
la siguiente forma:
H= hamburguesa , HQ= hamburguesa con queso, P= pizza
R= Refresco, A= Agua, T= Te heladoY= Yogurt, N= Nieve
RESULTADOS
HRY
HRN
HAY
HAN
HTY
HTN
HQRY
HQRN
HQAY
HQAN
HQTY
HQTN
PRY
PRN
PAY
PAN
PTY
PTN
En todo problema combinatorio hay varios conceptos claves que debemos
distinguir:
1. Poblacin: Es el conjunto de elementos que estamos estudiando.
Denominaremos con m al nmero de elementos de este conjunto.
2. Muestra. Es un subconjunto de la poblacin. Denominaremos con n al
nmero de elementos que componen la muestra.
Los diferentes tipos de muestra vienen determinados por dos aspectos:
a) Orden: es decir, si es importante que los elementos de la muestra aparezcan
ordenados o no.
b) Repeticin: l a posibilidad de repeticin o no de los elementos.
Factorial de un nmero natural
Es el producto de los n factores consecutivos desde n hasta 1. El factorial de
un nmero se denota por n!
n! = n. (n-1). (n-2). (n-3).....3. 2. 1
0! = 1 por definicin
2!= 2 .1 = 2
3!= 3.2.1 = 6
4!= 4.3.2.1=24
5! =5.4.3.2.1= 120
121
Probabilidad y Estadstica I
122
Probabilidad
(n-1)
(n-2)
...
(n-m+1)
m!
m n!
n
m
n
m
o Vm, n
Ejemplos:
Calcular las variaciones de 6 elementos tomados de tres en tres
6 5 4 120
6!
6 3!
6 5 4 3!
6 5 4 120
3!
EJEMPLO 1. Se desea
formar una sociedad compuesta por tres personas: Alejandra (A), Carlos (C) y
Wilson (W), entre los cuales se van a designar dos cargos importantes:
Representante Legal y Tesorero. Si la primera posicin es para el Representante
legal y la segunda para el Tesorero tenemos las siguientes posibilidades:
(A,C), (A, W)
(C,A), (C, W)
(W,A), (W,C)
123
Probabilidad y Estadstica I
Para este caso siempre quedara uno de ellos sin un cargo, porque son 3
elementos (m=3) tomados 2 cada vez (n=2). Es decir
2
V3
3 2 6
EJEMPLO 2. Si todos quieren quedar con un cargo, digamos ahora que entre los
3 socios (m=3)
Y (n=3) Esto significa que se van a elegir como Presidente de la Mesa directiva
y los cargos de Representante Legal y tesorero. En este caso tenemos:
3
V3
3 2 1 6
V 12
12!
12! 12 11 10 9 8!
12 11 10 9 11880
12 4 ! 8!
8!
124
Probabilidad
VR m
mn
125
Probabilidad y Estadstica I
VR m
m m m ....m
mn
(n factores)
EJEMPLO 1. Cuntos nmeros de tres cifras se pueden formar con los dgitos
0, 1, 2, 3, 4, 5, 6, 7, 8 y 9 si se pueden repetir las cifras?
Tenemos que hallar el nmero de variaciones con repeticin de 10 elementos
tomados de a tres, es decir:
VR10
= 103 = 1000
Ahora bien, de estos 1000 nmeros habr muchos que inicien con cero, como
por ejemplo: 035, 099, 001 por lo cual no se pueden considerar de tres cifras.
Por esto debemos descontar estos nmeros, y tendremos: Es decir: 900
nmeros
EJEMPLO 2. Se lanzan tres dados de distintos colores una vez. Cuntos
resultados distintos se pueden obtener? Son:
216 resultados diferentes.
VR 6
63
216 ;
Ejemplo:
2
VR X VR X 2 224
2
2
X 2 y VR X 2
Como VR
X
Resolver:
, sustituyendo
x2 + 5 (x-2)2 = 244
x2 + 5 (x2-4x + 4) = 244
x2 + 5x2-20x + 20 = 244
6x2 - 20x - 224 = 0, resolviendo la ecuacin cuadrtica
x = 8 o X = -14/3
La solucin vlida es x=8 ya que la otra solucin carece de sentido.
126
es decir,
Probabilidad
EJERCICIO 15
Pn
n!
Donde
Pn significa permutacin
P5
5! 5 4 3 2 1 120
127
Probabilidad y Estadstica I
P3
3! 3 2 1 6
n
m
m!
O n Pm
n m!
Ejemplo 1 Cuntas palabras se pueden formar con ocho letras de forma que
dos de ellas estn siempre juntas y guardando el mismo orden?
Como las dos letras siempre van a estar juntas y en el mismo orden, las
podemos considerar como si fuera una sola letra. Por esta razn es una
permutacin realmente de slo siete elementos:
P7 = 7! = 7654321 = 5040 palabras diferentes
Ejemplo 2. De cuntas formas se pueden colocar a 3 vendedores en 3
diferentes ciudades, si los vendedores estn disponibles para cualquiera de 5
ciudades?
Es decir: De cuntas formas podramos ubicarlos?
P3
5!
5 3!
5!
2!
5 4 3 2!
5 4 3 60
2!
PC n
128
n 1!
Probabilidad
PC 8
P8
P7
8 1 ! 7! 5040
a ,b ,c ,..
PR
PR
6, 4, 2
12
Pn
a!b!c!
12!
6!4!2!
PR
9,3, 2
14
14! 14 13 12 11 10 9!
14 13 11 10 20020
9!3!2!
9! 3 2 2
EJERCICIO 16
129
Probabilidad y Estadstica I
COMBINACIONES
Se llama combinaciones de m elementos tomados de n en n (m n) a todas las
agrupaciones posibles que pueden hacerse con los m elementos de forma que:
a) No entran todos los elementos.
b) No importa el orden.
c) No se repiten los elementos.
La frmula que relaciona la s variaciones con las combinaciones es la siguiente:
n
m
m!
n!(m n)!
Pn
n
m
m!
n! (m n)!
10
10 9 8 7
4 3 3 1
210
C10, 7
10!
7! (10 7 !
10!
120
7! 3 !
maneras
C6 , 3
130
6!
3!3!
6 5 4
3 2
Es decir de 20 maneras
20
Probabilidad
Ejemplo 3. En una frutera ofrecen entre sus productos distintas mezclas con
zumos de frutas. El cliente puede seleccionar entre 6 zumos de frutas diferentes
y obtener algn sabor en particular de la mezcla de dos zumos en partes
iguales. Entre cuntos sabores distintos puede el cliente hacer su pedido?
Representaremos cada zumo con las letras A, B, C, D, E y F. Al mezclar dos
zumos y teniendo en cuenta que el orden no influye, se podran obtener los
siguientes sabores:
AB
AC
AD
AE
AF
BC
BD
BE
BF
CD
CE
CF
DE
DF
EF
C 6, 2
15
C
y
P2
n
m
n
m
Pn
m!
n!(m n)!
2! 2 . De aqu C6, 2
Es decir:
V6, 2
6!
6 2!
6!
30
4!
30
15
2
EJERCICIO 17
131
Probabilidad y Estadstica I
C10,7
10!
120
3!7!
Es decir:
C 4,3 C6, 4
Es decir:
132
4!
6!
4 15
3! 4 3 ! 4! 6 4 !
60
120
1
2
0.5
60
Probabilidad
4 3 5 5 4
4 3 5 5 4
10 3 4
3 1
2 3
4
6
2
3
0.66
133
Probabilidad y Estadstica I
Bibliografa General
Pginas de Internet
134
http://www.bioestadistica.uma.es/libro/
http://www.bioestadistica.uma.es/libro/node89.htm
http://www.bioestadistica.uma.es/libro/node87.htm
www.estadistico.com/dic.html
Probabilidad
103