Está en la página 1de 309
MATEMATICAS Probabilidad oy ESET ale: OcTAVIO ANCHEZ Probabilidad y estadistica Segunda edicién Octavio Sanchez Corona Universidad Nacional Autonoma de México Revisor Técnico Samuel Tena Montes Universidad Autonoma Metropolitana iN i MEXICO « BUENOS AIRES + CARACAS + GUATEMALA + LISBOA * MADAIO® NUEVA YORK SAN JUAN * SANTAFE DE BOGOTA + SANTIAGO + AUCKLAND * LONDRES » MILAN MONTREAL NUEVA DELH! SEN FRANCISCO * SINGAPUR + + SIDNEY * TORONTO ee -C-C-O= Ii Probabilidad y estadistica Gerente de Division’ José Ashuh Monayer Gerente Editorial Emilio Javelly Gurria Gerente de Producto: Estela Delfin Ramirez Supervisor de Edicisn Javier Lopez Campoy Supervisor de Produccién: Juan José Garcia Guzmin is PROBABILIDAD Y ESTADISTICA inda edicion : Prohibida la reproduccién total o parcial de esta obra, por cualquier medio. sin la autorizacién escrita del editor, McGraw-Hill Interamericana DERECHOS RESERVADOR © 2004 respecto a la segunda edicisn por McGRAW-HILL/INTERAMERICANA EDITORES, S.A. DE C.Y. 4 Subsidiary of The MeGraw/Hill Companies, Inc. Cedro Nim 512, Col. Adampa Delegacién Cuauhtémoc 06450 México, DF. Miembro de la Camara Nacional de ta Industria Euitosia, Rs SBN: 970-10-4145-3 (970-10-1337-9 primera edicibr) 334567890 (09876532104 Esta cba se termind de Inmprini an Jubo del 2003 on UTOGRAFICA INGRAMEX Centeno Num: 18241 Delagacion itapalepa P.03810 Mexico OF Impreso en México, Printed in Mexico pee Contenido ili -O-O-O— CONTENIDO CAPITULO 1 FUNDAMENTOS MATEMATICOS Fundamentos matematicos 2 Operaciones basicas. A Fracciones : a Porcentajes : 6 Razones y proporciones —— un Redondeo de decimales 14 Algebra 16 Potencias y races... 2... : : i Notacion exponencial 2.0.0 cve evens 0 Factoriales ee sete tee 20 La sumatoria : 21 Prioridades en el céleulo de expresiones algebraicas cn 2 Variables 7 Escalas de medicién en estadistica ck 27 ‘Conjuntos. 2B Operaciones entre conjuntos 30 Coordenadas rectangulares el La ecuacién de a recta 32 Interpolacién lineal a4 Conceptos estadisticos. os... 35 Ramas dela estadistica® 35 Poblacién y muestra. 36 Mucstre0 36 a Estimacién ss. 237 : Prueba de hipstesis : 5 i Analisis de tendencias 37 CAPITULO 2 DISTRIBUCIONES DE FRECUENCIAS Distribuciones de frecuencias = 40 . Conceptos bisicos 40 Intervalos uniformes, desiguales o abiertos 40 Determinacisn de frecuencias de datos fuente... oo 2 Limites exactos y marcas de clase. 52 Frecuencias rlativas Presentaciones graficas 6 Histograma y polfgono de f 63 Curva de frecuencias 65 Grticas de barras de dos variables 6 Graficacién de frecuencias acumuladas. 68 Grifieas de pastel i Otros tipos de erificas 7” Aplicaciones grificas y numérica 2 Interpretacion de las ojivas iB Aplicacién numérica de fas fiecuencias acumuladas. “ Aplicacién avanzada de las frecuencias acumuladas. 3 Consideraciones adicionales Zoge4al C-O-0- iv Probabilidad y estadistica Consolidacién de clases... . 87 Frecuencia unitarias .... . . 88 Consecuencias de la agrupacién de datos 90 Ejercicios para resolver en grupo 92 Ejercicios propuestos. depsoode 2 CAPITULO 3 MEDIDAS DE TENDENCIA CENTRAL Medidas de tendencia central 98 Factores unitarios. 98 Datos individuales ... ao 100 Media, mediana y moda, 4 100 Promedio ponderado pee 105 Promedio mévit . ae 10 Media geomética. . pooecan nl Cuantiles (cuartiles, deciles y porcentiles) 5 n3 Datos agrupados, MS Media, mediana y moda. us Aplicacién de la media aritmética ..... 7 Cuantiles (cuartiles. deciles y porcentiles) boos . no Ejercicios para resolver en grupo 1 Ejercicios propuestos..... 121 CAPITULO 4 MEDIDAS DE DISPERSION Medias de dispersion 126 Datos individuales... 137 Rango, desviacién media, varianza y desviaci6n esténdar : 127 Desviacién estindar de muestras 130 Desviacién esténdar. Formulas clésica y simplificada . 132 Coeficiente y porcentaje de variacién 134 Coeficientes de variacién comparados 136 Coeficiente de asimetria de Pearson : . 138 Momentos y curtosis -...06.0.s+ 5 140 Puntuaciones estindar Maz Datos agrupados. 14a Rango, varianza y desviacion estindar .. a jercicios para resolver en grupo a7 Ejercicios propuestos. 147 CAPITULO § ANALISIS COMBINATORIO 150 Anilisis combinatori. Permutaciones .. Permutat algunos objetos, de todos diferentes Permutar todos los objetos, ce todos ciferentes. : 152 Permutar todos los objetos. de algunos repetidos . : 154 Permutar algunos objetos. de algunos repetidos 155 Permutaciones con reemplizo 156 Combinaciones 157 Multiplicacisn de combinaciones 60) ercicios para resolver en grupo 60 tt reicios propuestos. ees Conenite*s ~~ —M CAPITULO 6 ESTUDIO BASICO DE PROBABILIDADES Estudio bésico de probabilidades...- : 164 Tipos de eventos . 165 ‘Suma y multiplicacién de probabilidades 166 Eventos mutuamente excluyentes . 167 Eventos independientes 168 Eventos dependientes. 168 Eventos no excluyentes entre sf... ++ 169 Otros conceptos - 5 171 Espacio muestral psa im Arbol de probabilidad : 5 13 Esperanza matemiética m4 Probabilidad conjunta 176 Poblacién infinita, 176 Poblacién finita 7 Bjercicios para resolver en e770 5 180 Ejemplos propuestos. 180, CAPITULO 7 PROBABILIDAD CONDICIONAL Probabilidad condicional . 184 Diagramas de Venn 134 Tipos de probabilidades. : 187 Analisis de probabilidades condicionales 190 La formula de Bayes . 191 Deduccidn de Ja tabla de contingencias, 193 Ejercicios para resolver en grupo 194 Ejercicios propuestas . 5 195 CAPITULO 8 DISTRIBUCIONES DE PROBABILIDAD PARA VARIABLES DISCRETAS: Distribuciones de probabilidad para variables diseretas La distribucidn uniforme : La disteibucién simetrica La distribucién binomial o de Bernoulli Media y desviacion estindar de la distribucion. binomial para poblacién infinite realy desviaei6n estindar de 1 dstribucion binomial para poblacion finita “Analisis del factor de correecién por poblacién finita Sesgo y curtosis de ta distribucién binomial Aplicacidn det tridngulo de Pascal ‘Muestreo para aceptaciéin de lotes La distribucién hipergeométrica {a distibucicn binomial como aproximacién a la hipergeometics ‘Media y desviaciGn estindar de fa distibucién Mipergeometrict La distribuciin de Poisson TE etracton de Poisson como aproximacign a la binonsal Ladistribucién de Poisson como aproximacién a la hipergeameinc ‘Media y desciacign estndar de ta distribuci6n de Po!sson Media y d sn extindar de las distribuciones discretas. jercicio para resolver en sTupo Ejercicios propuestos, O-O-O- vi Probabilidad y estaistica CAPITULO 9 DISTRIBUCIONES DE PROBABILIDAD PARA VARIABLES CONTINUAS. Distribuciones de probabilidad para variables continuas. La distribucién normal. ‘Areas bajo la curva de distribucién normal Aplicaciones de la distribucién normal La distribueién normal como aproximacién binomial 233 La distribucién normal como aproximacién 236 ala de Poisson La distribucién exponencial. Ejercicios propuestos. CAPITULO 10 ANALISIS DE TENDENCIAS Aniilisis de tendencias “Andilisis de regresion . . 243 Anilisis de correlacion 246 Error estindar del ajuste 248 Ejercicios para resolver en grupo 249 Ejercivios propuestos. . 249 CAP{TULOS ANEXOS. Anexo 1. Carta de compromiso. ee 252 Anexo 2. Tabla de ntimeros aleatorios . fat 253 Anexo 3. Célculo aproximado de Ja rafz cibica . ae 254 ‘Anexo 4, Pactoriales de los nimeros 70 865... 255 Anexo §. El binomio de Newton y el tringulo de Pascal 256 Anexo 6, Muestreo para aceptaci6n de lotes, con un nivel de confianza del 90%. 257 Numero miximo de articulos defectuosos permisibles en una muestra de tamafo a. Anexo 7. Area bajo la curva de la distribucién normal estandarizada Anexo 8, Glosario Anexo 9. Formulas wtilizadas : 266 1. Fundamentos matemétices. ... 266 2, Distribuciones de frecuencies . 267 3. Medidas de tendencia central 269 4, Medidas de dispersisn . , 270 5, Anais combinatorio. . 273 6. Estudio bisico de probabilidades. mm 7. Probabilidad condicional . . 74 8. Distribuciones de probabilidad para variables diseretas 274 9, Disteibuciones de probatilidad para variables continuas 276 0, Anslisis de tendencies ee Contenido vii -O-O-O— Anexo 10, Solucién a Jos ejemplos propuestos 278 Capitulo 2 278 Capitulo 3 282 Capitulo 4 286 Capitulo 5 288 Capitulo 6 289 Capitulo 7... 202 Capitulo 8 296 Capitulo 9 c 209) Capitulo 10 301 Caracteristicas tipogréficas de este libro, sin incluir esta pagina 303 Anexo 11. Apoyo de la hoja de caleulo, 304 oOo” ° F ° Capituto | 900°> C6, Oo "22000000009? 5490000002... 900°" 9°? Fundamentos o matematicos ° Vale més el que sabe mas. \ ToS 87 S75 52 G85 59 505 60 G05 St O15 82 G25 63 635 —O-C-C— 2 Probabilidad y estadistica 4 Fundamentos matematicos Es cierto que la probabilidad y la estadistica estdn Henas de nimeros, pero también es verdad que no se requieren conocimientos avanzados de mateméticas para iniciarse en su estudio. Es importante, claro, manejar fracciones, determinar porcentajes y otros puntos biisicos que se repa- san en este capitulo. Operaciones basicas En estos parrafos se presentan conceptos tan sencillos para la mayoria de las personas, que bien pudie: ran ni siquiera mencionarse: sin embargo, el autor opina que es preferible incluirlos para despejar cual- (quier duda que alguien tuviera al respecto. Fracciones Una fraccién es una cantidad expresada por la relacién (0 divisi6n) entre dos mtimeros: el primero es el hnumerador e indica cudntas partes se deben tomar (por ejemplo, 3), mientras que el segundo ntimero sefiala en cudntas partes se ha dividido una unidad (por ejemplo, 7). La relacién entre esos dos nu: metos (3 y 7)es una fracci6n, 3/7. y puede expresarse también en forma decimal, como resultado de ta divisidn del numerador entre el denominader, En este ejemplo, 3/7 = 0.4285714. Fraceién Equivalente decimal Numerador ——> 3 _ Denominador ——————» 7 04285714 | L - | Una fraceidn como la anterior. 3/7, es una fracci6n propia. Impropias son aquellas en lus que el numerador es mayor que el denominador, y por lo tanto su re- sultado es mayor que 1.0: por ejemplo, 18/11 = 1.6363636, 14/5 = 2.8. eleétera, mnes propias ~ Fracciones impropias | | 3 18 1285714 = 1.6363636 jp soazssrl 7 | ‘expresarse tambign como el entero que contienen y Ia fraccién re- Las fracciones impropias pue manente, En esta forma se les conoce como fracciones mixtas. | Fracciones | Fracciones: | | mproping | mints ; a8 7 I jou 1 oe Fundamentos matemticos 3 —G--O— con todos los decimales resultantes (por ejemplo, 1/5 0.2: Cuando una fraccién puede expresarse 3/625 ~ 0.0048), se conoce como fraccién con representacién decimal exacta; en caso contrario se Ta jna fraccicn sin representaciGn decimal exacta; por ejemplo, 1/3 = 0.333; 3/7 = 0.4285714, eteétera Fracciones con representacién decimal exacta Fracciones sin representaci6n decimal exact 1.0333 3 Faisten algunas fracciones en las que algunas cifras de su equivalente decimal se repiten continuamen- te:por ejemplo, 3/7 = 0.428571 428571 428... estas fracciones se les conoce como cicieas 0 perisdicas Fracciones efclicas 0 periédicas +. o.oi09s9010 oT Fracciones no ciclicas 0 no periddicas (001097694840834248, ‘Si una fraccisn se divide entre otra fraccién, “I~ se presenta lo que se conoce como wns fraccion comple y para resolverla se utiliza la formula que se indica en este inciso. jocidas tambiéa como quebrados. pueden manejarse numé Testarlas, multiplicarlas o realizar entre ellas, y entre otro nimero. cualquier Lat siguientes ejemplos ofrecen muestras de operaciones bisicas entre fracciones: en ellos se realizan como su equivalente decimal Las fracciones, con: ricamente para sumar- las operaciones considerando tanto fracciones Ejercicio wuientes operaciones: AL Realice las si =C-O-O~ 4 Probabilidad y estate § —$ $< << _ Solucion: 4a) La formula para la suma de fracciones a, 6 _asdtbec i | ba | 2y d=5. por lo tanto: 29 = 08285714 aon b) La férmula para la resta de fraccionss es: pare a bed 2 te caso, a= 3, b=7. en fos siguientes pasos Fundamentos matematicos > tsar Ejercicio 1.2 Realice las siguientes operaciones: 4) 3 bo 4) La férmula para la mutiplicacin de fracciones es: } Calera | pd bed | En ene caso, a2 3.62 7.c=2y d= 5, por lo tanto & sims by La férmula para la division de fracciones es por Io tanto: 3B 21.0743 CHC-O~ 6 Probabilidad y estadistieg § —_$@A @AD@ A Puede utilizarse también un método alternativo como el que se ilustra en los siguientes pasos: 3 = o.zgs7i4 7 = 04285714 «0.4 = 0.17143 = 04285714 = 0.4 = 1.07143 ESAbIA|S QUE... la pureza del oro de joyeria se mide en quilates? 24 quilates equivalen 2 100% de oro, por lo tanto, el oro de 18 quitates equivale a un 75% de oro y 25% de otros meta- Jes, mientras que el oro de 10 quilates contiene casi 42% de or. La divisién de fracciones puede realizarse también mediante la siguiente formula: _a,d_ acd db 67 bee Eneste caso, a= 3, b= 7, ¢=2y d= 5. por lo tanto: al SLRS ISL 3 ; S = 1.07143 Porcentajes ‘Los porcentajes son tna forma sencilla de presentar fa relacién numérica de una cantidad respecto a or ¥ son parte importante de la vida diaria: par ejemplo, cuando se dice que el precio de un articulo aumen- tard en 7.5% significa que el precio se incrementard en 7.5 centavos por cada peso del precio original 7 Sil anticulo costaba $500.00, ahora costard $500 + (55 ) ($800) = $537.50 = ($500) (1 + 7.5/100) = 537.50. Observe que el incremento fue de $37.50 (7.5 ¢ por cada uno de Tos $500.01 del costo original. En el ejemplo anterior se increments cierto porcentaje al valor original, lo cual puede expresarse por medio de las siguientes expresiones matemidticas equivalentes: Porcentaje ) Vol final = Valor incial + Vator inal + Vil cena) = Stor ini (1 + Perez) (to Si la operacidn desea fuera disminuir e Valor inci as Formulas anteriores darian come re sultade Poreenaie Vial inl Vator inci ~ Valor inal» ale torical (Tog) = Valor inicial « {1 — Ponenae 100 Fundamentos matemiticos 7 ~O+O-O— U.S.A AND CANADA ARE TAKING 86% OF EXPORTATION SUR LA Pees pore rrr kw ee ee eee IRAN A LAS URNAS 60% DE PERREDISTAS, PREVEN Pees perenne yErvepep p cernprepree Tp PENBE BSINPE Pees perenne La férmula general para porcentajes es la siguiente: lorde A Valor de B” 100 Porcentaje de A respecto a B Debe considerar que los porcentajes son relativos; es decir, estén ligados a la cantidad que afectan. y si ésta es diferente, el resultado sera diferente. Por ejemplo, suponga que un articulo que cuests $500.00 incrementa su precio en 7.5% (hasta $537.50), Si luego se reduce su precio en 7.5%, éste ques dard en $537.50 ~ S(537.50) (7.5/1€0) = $497.19. ‘Si desea conocer el porcentaje de una cantidad respecto de otra, slo debe dividirlas y multiplicar ese resultado por 100; por ejemplo, si una camisa cuesta $35.90 y otra cuesta $75,400, las relaciones porcentuales entre ellas son las siguientes: Camisa A _ $35.90 +100 = 4 Camisa B $75.00 Lt Camisa BB _ $7500 Camisa A ~ $3590 + 100 = 208.91% La camisa A cuesta el 47.87% ce lo que vale la camisa B. La camisa B cuesta el 208.91 (mds del dlobie) de lo que vale la camisa A, Tambign se puede entender que se necesitara el 108.91 (20801 «\00%C) de increment al precio de Ta camisa A para igualar el de la camisa B o multiplicar el precio camisa A por 2.0891 (208.91 100, O-CO= 8 Probabilidad y estadisiea —§ —$& AA A _ i Ejercicio 1.3 La compaia La Esperanza, S.A. de C.V. tiene 5214 empleados; 1372 de ellos laboran en la Gerencia de Administracién, De éstos, 397 trabajan en el Departamento de Publicidad. De. termine e interprete el porcentaje- a) de empleados administrativos de la empresa b) de empleados de publicidad de Ia empresa ¢) de empleados de publicidad de la Gerencia de Administracién i Solucion: 4) Porcentaje de empleados udministrativos de 1a empresa. Porcentaje de empleados adwinistrativos de = la empreser le empleados administrativ 00 fe empleados de la empresa” |” El valor obtenido indica que cerca de 26 de cada 100 empleados de la empresa trabajan en la bores administrativas, Compruebe que esto equivale aproximadamente a 5 de cada 20 empleados. Gerencia de Admins con TRRAR. BARR RRR by Porcentaje de empleados de publicida Ja empresa, emoje de empleatos dle publicidad de la empresa _ Nitera de fe publicidad ¢ emplead Tonal de empleados de fa en +100 = 21 100 = 7.6% m4 $$ irdamentos materticos 9 0-040 El valor obtenido indica que cerca de 8 de cada 100 empleados de la empresa trabajan en el Depar- tamento de Publicidad. Compruebe que esto equivale aproximadamente a 2 de cada 25 empleados, Empresa ooo “rn * it RARRARA ©) Porcentaje de empleados de publicidad de la Gerencia de Administracién, Porcentaje de empleados te publicidad, ‘Nimero de empleados de publicidad | eae Tetal de empleados administrativos 387. 109 = 28.9% 1372 : } Cerca de 29 de cada 100 empleados de la Gerencia de Administracién trabajan en el Departa: } mento de Publicidad, Compruebe que esto equivale aproximadamente a 3 de cada 10 empleados, Publicidad 28.9% departamentos TAG 10. Probabilidad y estadistica§ —_$&A @_ @ @ Ejercicio 1.4 Un empleado ganaba $1500.00 al mes y recibe un aumento de sueldo del 20%, Poco tiempo después recibe otro aumento, esta vez del 10%, 4) {Cul es ahora su sueldo? +b) {De cuanto fue el porcentaje de aumento total respecto a su sueldo original? Solucion: Sueldo original: $1500.00 Primer aumento: 20% de $1500.00 = $300 (ico } «$1500.00 = (0.20) + $1500.00 ‘Sueldo después del primer aumento: $1,500.00 + $300.00 = $1800.00, Segundo aumento: 10% de $1800.00 = $180.00 10 (Gop }781800.00 = ©.10) +S1800.00 Sueldo después del segundo aumento: $1800 + $180.00 = $1980.00 + El sueldo mensual del empleado es ahora de $1980.00 + El porcentaje de aumento total respecto a su sueldo original puede calcularse de la siguient manera: Valorfinal__ Valor nicial Porcentaje de aumento $1980.00 ‘siso000 ~ 1)1% = 1132= 1) +100 = 32% EJ aumento total recibido es del 324%. Observe que el aumento total no es la suma de Tos aumen- 10s otorgados 20 y 10%, sino {(1 + 20/100) + (1 + 10/100) ~ 1] + 100 = 32%, puesto que el segun- : do aumento afecta también al primero, es decir, se aumenta sobre el aumento, de manera similar | al céleulo de interés compuesto, donde se contabilizan intereses sobre intereses. Fundamentos matemiticas. 1] qn) +100 76% Razones y proporciones Muchos problemas de diversa nattraleza pueden resolverse por medio de un argumento Iégico muy sencillo: la proporcionalidad Esta consiste en suponer que Jas cosas conservan su tendencia histdrica: por ejemplo, si se nece- sitan 420 ladrillos para levantar 10 metros cuadrados de pared, se necesitaré el doble (2 + 42 para levantar 20 metros cuadrados de pared. Desde luego que la proporcionalidad tiene limites pricticos: por ejemplo, no tiene sentido, en ‘étminos de ladritlos comunes, una pared de 0.001 metros cuadrados, o el razonar que. si una mujer Puede procrear un hijo en nueve rieses, serian necesarias nueve mujeres para tener un hijo en un ‘mes. Sin embargo, los ejemplos que se presentan a continuacién ilustran su aplicacicin. CAC= 12 Probabilidad y estadistica Ejercicios 1.6 Un automsvil consume 8.76 litros de gasolina en una y media horas. {Cusintos litros con- sumiria en 5 horas? Solucion: + El consumo por hora es: Consumo por unidad de tiempo = Ceesume Tiempo 8.76llitros 15 horas £84 Iur0s por hora El consumo en $ horas seré Consumo toral = Consumo por unidad de tiempo * Tiempo = 5.84 litos por hora + 5 horas 29.2 litwos + Una solucisn alterna esta en el siguiente planteamiento, el cual se conoce cominmente como regla de tres”, debido a que la incognita la definen tres valores: tk jb é eo J Lo amerior debe leerse de la siguieate manera’ Se consumen a litros en b horas, ;cusintos litros se consumirian en c horas? En este caso = 8.76, b= 1.5 y ¢ = 5: por lo tento 8.76 litros « 5 horas = 29.2 ros 5 horas " 1.7 Una huerta de 8.4 hectéreas produce 35.7 toneladas de manzanas. Cua nto produciréa un $ huerta de 14.8 hectdreas? Fundamentos matematicos.B —C-C-O— Solucién: + La produccién por hectarea es: Produccién Produccién por unidad de superficie : 7 Superficie _ 35.7 toneladas 84 hectireas = 4.25 toneladas por hectares + La produccién en 14.8 hectér Producci6n tonal Produccién por unidad de superficie « Superficie 4.25 toneladas por hectirea » 14.8 hectireas 62.9 toneladas + Una solucidn alterna es el siguiente panteamiento [ae ee bers Lo anterior debe leerse de Ia siguiente manera: producen a toneladas en b hectireas; ;cudintas toneladas se producirian en c hectéreas? En este caso, b= 8Ay c= 14.8; por lo tanto: 9 ton 8.4 hectdveas Espejismo numérico. Una persona debe recorrer 80 kilometros en dos horas, por lo ue decide viajar o 40 km/h. Si durante la primera mited del camino sélo puede viajar « la mitad de lo velocidad prevista, ga qué velocidad debe viajar la segunda mitad del camino para llegar a tiempo? Seria facil pensar que, si en la primera mitad del camino se viaj6 «la mitad de la velocidad prevista, en la segundo mitad se debe viajar al doble de eso velocidad, es decir, « 80 km/h; sin embargo, durante la primera mitad del camino (40 km) lo persona viajé a 20 km/h; en este tramo tardé 2 horas. Ya no tiene disponible ni un minuto para recorrer los 40 kilometros que le faltan. Compare este caso con el concepto de media arménica que se presenta en al capitulo 3. —O-0-0— 14 Probabilidad y estadistica Redondeo de decimales El resultado de una operacién numérica, como una division, produce en ocasiones mis decimales de Jos que se desean y es necesaria una accién conocida como redondeo, por medio de la cual se convier- te la cantidad original en otra similar, pero con el nimero de decimales que ms convenga, El redondeo de decimales puede lograrse répidamente, aunque de la manera mas inexacta, elimi- nando los decimales que no se descen: sin embargo, existen reglas cominmente aceptadas para el re- ) 0.0K) 007 38, Fundamentos matemsticos 19 -Q-Q-O— Solucion: 1) 487 300.000 000= 48 730.020 000 x 10! 4.873 090 000 108 487 300 000 x 10° 48 730 000 x 10° 4.873 000 10° 437 300 10° 48730 107 4873 x 10° 487.3 X 10" 48.73 X 10" 4.873 x 10" 0.0000738 x 10° 0.000 738 102 0.007 38 x 10 0738 x 10* 0.738 x 10% 5 7.38 x 10 by 0.000 007 38 *+ Observe que la potencia es positiva o negativa en funcidn del nimero de posiciones que se hi Ya recorrido el punto decimal a la izquierda o a la derecha, respectivamente Gieiaelo oo 19 pag DODO TTY Ba 738% 10" + esas es siuenes qc 60 en 096000001 =» 10 8700 000 000 000 000 000 = 8.7 x 10" ESAbIAS QUE... jos nombres de algunos ntimeros grandes son los siguientes? 1000000 = 1 x 10° = un milién 1.000 000 000 = 1 x 10° 1.000 000 000 000 = 1 x 10! = un millén de millones 6 un billén (un trllén en algunos pafses) I millones (un billén en algunos paises. 1.000.000 000 000 000 = 1 x 10! = mil millones de millones o mil billones (un euatrillén en al- sgunos paises) 1 000 600 000 000 000.000 = Ix 10" = un millén de millones de millones o un millén de billones. un trillén (un quintillén en algunos paises). 1000-000 000 000 000.000 000 = 1x 10#!= mil millones de millones de millones o mil millones de billones 0 mil trillones (un sextillén en algunos. paises) 1.000 000-000-000 000 000.000 000 = | > 10% = un millén de millones de millones de millones o un Billon de billones o un cuatrilién (un hepilln algunos patses) C—S—C— 20 Probabilidad y estadistica Factoriales El factorial de un ntimero es el res sitivos menores que dicho numero; por ejemplo, el factorial de 5 es 120 (5 » SEE sultado de muhtiplicar ese niimero por todos los nimeros et definicién, el factorial de cero es uno.) El factorial de un nvimero se obtiene Factorial den E factorial de un niimero puede expresarse también como el factorial de un nimero menor gue él 108 po. +36261 = 120), (Por la siguiente forma: DK M-1) xm | multipficado por los enteros que le siguen; por ejemplo: El factorial de Jos primero: racomun. Los factoriales de niimeros mi James Stirling, matemétiza inglés, Stith Ejercicio Solucion: 69 +6+7=120+6+7 | Factoriales de algunos nimeros 40 = 4165 +647 teétera, o | 1 | : | 4 | \ 5 6 720 | aE 1 5040) | | 8 40320 9 362 880 \ | 10 3628 800 | | nN 39.916 800 2B soo | nuimeros se puede obtener dizectamemte por medio de una caleulado- LI Determine los factoriales de 5, 7y 10. 628 800 ‘ores pueden obtenerse mediante la férmula aproximada de 1692-1770), 0 se puede consultar la tabla que se presenta Fundamentos matemticos 21 ~ Prioridades en el cdlculo de expresiones algebraicas {Las matematicas estin definidas por un coajunto de reglas, las cuales deben seguirse siempre para lo- rar el mismo resultado, Las expresiones algebraicas contienen frecuentemente una gran cantidad y Variedad de operadores ‘muméricos de suma, resta, multiplicacién, divisiGn, etc, Para resolverlas se debe seguir siempre el or. den que se presenta enseguida: |) Calcule individualmente todos los factoriales que tengam la expresidn que se va a resolver Ejecute todas las operaciones indicadas entre paréntesis. Obtenga todas las potencias y raices de la expresién. 4 Realice todas las multiplicaciones y divisiones, en el orden en que aparezcan, Calcule todas tas sumas y restas para obtener el resultado de la expresin, Fundamentos matematicos 23 ~Q-~Q+O— Ejercicio 21-3015 +1) =9 r=(7! Is 341 = 9-185 +1) =9- =9-18/6=9- 13! at syd ere p= LEE 64 bP = (5040 - 6/4 + 72041 = 5 4(7204 17 5 go) - 5034 0344 +720 = 2212 4 = ses s19 481 = 4 595 258.5 +519 841 21. 099.5 O-O-C— 24 Probubilidad y estadistica§ Variables Una variable es una forma de expresar ura caracteristica de un grupo de elementos de estudio, como el peso de una persona, su estatura, el color de sus ojos, etc. Las variables normalmente se identifican por medio de letras: por ejemplo, la variable b se usa para representar la base de un triéngulo, la vari ble f pare representar su altura, eteétera Las variables pueden ser cuantitaivas ¢ cualitativas. Las primeras, conocidas también como numé- Ficus o escalares,expresan en forma numica las caractersticas de los sujetos de estudio: por ejemplo, 5 kilogramos, 78 metros, 7.95 délares, ett, Mientras las variables cualitativas 0 categorieas expresan tuna caracteristica no numérica: por ejemplo, guero, blanco, moreno, etcéera, Las variables cuantitativas pueden ser discretas o continuas. Las disctetas s6lo pueden tener algu- nos valores vlidos: por ejemplo, el nimero de habitantes de una ciudad (obligadamente, entero positi- \). 0 ln estatura de una persona en metros y centimetros. Sirven para contar, ya sea borregos, manzatas ‘© mets y centimetros Las variables continuas pueden tener zualquier valor: por ejemplo, el espesor de una hoja puede set | mm, 0.99 mm, 0. 999 mm, o cualquier otro valor. Sirven para medir. ya sea el espesor de una ho- Ja de papel, Ia longitud de un tomillo o una distancia intergaéctica. Las variables cualitativas pueden clasiicarse en nominales y jerarguizadas, Las primeras expresun luna condicién especifica de los sujetos de estudio, como su domicilio o nacionalidad, mientras que las variables cualitativas jerarquizadas denotaa una caracterfstica de tamaiio w orden: por ejemplo: chico, ‘mediano, grande: malo, regular, bueno, | manejo de las variables cualitativas jerarquizadas puede facilitarse si se expresan mediante una ‘clave numérica o alfabética, por ejemplo: 10 A para soltero: 20 B para casado; etcéiera, Discretas (para contar) Cuanttativas (numéricas 0 escalares) | Continuas Clasiticacion — (para medi) deias || J Nominales | Cualtativas {0 categéricas) LL Jerarquizadas Larelacign entre las variables discretas y continuas es de gran importancia dentro de la probabili- dad y Ia estadistiea: por ejemplo, ai aplicar ia distibuciGn de profabilidad normal como aproximacién la binomial, El siguiente ejemplo muestra dicha relacién, Fundamentos matemiticas. 25 ~Q~Q-O— Ejercicio 1414 La siguiente grifica representa, en el eje vertical, el nimero de personas de una poblacién con los pesos, en kilogrames, que se sefalan. Ientifique los intervalos que se indican: 106 a) entre 59 y 62 kg b) mayor de 60 kg } mayor o igual que 60 d) menor que 60 kg €) menor o igual que 60 Solucion: + Observe que. aunque los pesos se estan consider rando en kilogramos enteros, en realidad se ha ajustado la medida exacta al kilogramo mas cercano (por ejemplo: 58.195 a 58 ke, 0 60.784 a 61 kg). por Jo que resulta asf una variable discreta (con £ ros) partir de una variable continua (q + La siguiente gréfica convierte le variable discreta ( cando los valores d valores especificos, en este caso ente= valor. icepla cualqui 7. 58, etc.) en variable continua, identifi intervalo de influencia de cada uno de ellos. 106 O-O-O— 26 Probability estadistiea § mm @@ mama mama 106 59 60 6 62 565 575 58S SOS OOS SRS b) Mayor que 60 kg (0 de mas de 60 kg, excluye a 60) 37 38 38 60 61 62 Cy kg 55 S75 BS SOS OSS SS ©) Mayor 0 igual que 60 kg (o por Io menos de 60 kg, incluye a 60). 106 BO 7 Os (0G Oy | on 0G Fundamentos matemiticas 27 ~Q+O-Q— d) Menor de 60 kg (o de menos de 60 kg, excluye a 60). 57 oe 59 oo er ee os kg 365 S75 SBS 58S HOS BIS RSS €) Menor o igual que 60 kg (o cuando mucho de 60 kg, incluye a 60), 106 575-585 5OS USGS RSA Escalas de medici6n en estadistica El uso de datos esta sticos depende de su naturaleza y pueden clasificarse en cuatro niveles, a saber 1. Nivel nominal. En éste los datos s6lo pueden contarse o clasificarse, Por ejemplo. de los alumnos de este grupo, {cusintos nacievon en cada uno de los diferentes paises del mundo? Los datos 4 ser mutuamente excluyentes (si una persona nacié en un p aber nacido en ss del mundo En asi le este grupo opinan que la calidad de la ensefianza del profe: cl los 2. Nivel ordinal o jerarquiz erarquta. por Xesexe count ogra 28 (Drcea y cstacsicg 5. Nivel de intervalos. Cuando los datos son mutuamente excluyentesy se pueden agrupar en clastic caciones exhaustivas, ademas de que la unidad de medicién es una constant se dive que pertene. cen al nivel de intervalos. El coeficiene de inteligenciay la escala de temperaturas son ejemplos de este nivel de medicisn 4. Nivel de cocientes. Este es el nivel mis completo de los datos, pues no s6lo cumplen con las caracte- "tieas de los otros niveles, sino que ademés son perfectamente comparables ente st: por ejemplo, a Un articulo cuesta $12.00 y otro $6.00, el primero cuesta el doble que el segundo. Cierto que la ma. ‘Yorfa de los datos estadisticos corresponde a este nivel, pero es necesario saber cundo no lo con Conjuntos Et concepto de conjuntos fa sido fundamental para comprender el orden de las cosas, pues permite or- anizar grupos de personas, ideas y objetos en diferentes clasificaciones, lo que facilita estodiarlos, Un conjunto es una coleccién de objetos relacionados entre si. Esos objetos se conocen como elemen- {08 del conjunto. Ejemplos: el conjunto de dias de la semana tiene 7 elementos diferentes entre sel con. junto formado porns caras de un dado: numeradas del 1 al 6; el conjunto de alumnos de este grupo, etcstera Los subconjuntos son agrupaciones de elementos relacionados enie si y forman parte de un com, Junto mayor. Ejemplos: el subconjunto de los dias habiles de una semana laboral, de lunes a viernes, forman parte del conjunto de dias de la semana; el subconjunto de los mimeros pares en las varas de un dlado 1o forman los nimeros 2, 4 y 6; el subconjunto de alumnos de este grupo nacidos entre el | de enero y el 30 de junio. Si un conjunto no tiene elementos se le conoce como conjunto vacfo 0 nulo, y se indica con los si bolos ( || © ©. Por ejemplo: dias de Ta semana que empiezan con r. Por lo contratio, jun conjunto contiene todos los elementos posibles,s¢ le conoce como conjunto universal, y se representa por U Por ejemplo: ef conjunto universal de los meses del afio incluye los 12, desde enero hasta diciembre. ‘Subconjuntos TS . [ a) ~~ (om) i — \ a Conjunto A: dias dé la semana ‘Subconjunto X: dias habiles de la semana A= [lunes, martes, miercoles, X= (lunes, martes, misrcoles, jueves. vines) Jueves, viernes, sabado, domingo} 1 5 j To ‘ i Subconjunto Y: caras pares Y= (2.4.6) Fundamentos matemiticos 29 ~Q4Q-Q— Foy & is $8 3% g% | r uw || @ | Conjunto C: alamnos de este grupo SubconjuntoZ:alumnos nacdos ense C= [Pedro, na, Miguel, Luisa, Mara 1 de enero y 30 de junio Suan José, Pay, Linda, Too} Z= (Luisa, Marta Juan, José, Linda} Si para cada elemento de un conjunto existe uno y séto un elemento en otro conjunto. se dice que Jos conjuntos son iguales, por ejemp 0: A=(1,3,5,7) B=15,3,7.1) + A=B Cuando todos tos elementos de un conjunto se presentan también en otto, generalmente mayor, se dice que el primero es un subconjunto del segundo, por ejemplo: el conjunto X de los dias habiles de tuna Semana es un snbconjunte del conjunto A de los dias de la semana, Este conceplo se representa con el sfmbolo C. En este ejemplo X C A y se lee: X es un subconjunto de A. Si X no fuera subcon- Junto de A, se indicaria como X ¢ A. La cardinalidad de un conjunto expresa el nimero de elementos que lo componen. Por ejemplo, el Conjunto A de los dias de la semana tiene una cardinalidad de 7 y se indica como n(A SIMBOLOGIA DE CONJUNTOS | + Seindica con mayscuas el nombre de conjunte por ejemplo: X + Los elementos de un conjunto se enumeran entre Haves, por ejemplo: lunes, martes, miércoles, jueves, viernes} | 12.4.6} Lunes © X, significa que Lunes pertenece al conjunto X + El simbolo € indica no pertenencia, por ejemplo: Javier € Z, significa que Javier no per El conjunto vacfo se representa como { } 0 @ | tenece al conjunto Z. E! conjunto universal se representa por ( Los conjuntos iguales se indican con el simbolo =, por ejemplo: A = B | con el simbolo Cuando un conjunto es subconjunto de otro se indi Si no Joes se utiliza el simbolo c. Por ejemplo: XCAR ZA. a cardinalidad de un enta por la letra n. Por ejemplo: n(A\ onjunte se ~O-G-O- 30 Probabilidad y estadstiea A Operaciones entre conjuntos {La tcoria de conjuntos incluye varias operaciones que pueden realizarse entre ellos y que se explican a continuacién, {a union de dos conjuntos produce un ercer conjunto cuyos elementos son los del primer conjunto 4 los del segundo conjunto; los elementos repetidos s6lo cuentan una vez. por ejemplo: SiA= (1.2.3.4) yB= {0,2,4,6}, emonces AUB = (1, 2, 3.4,0,6} {La interseceién de dos conjuntos produce un tercer conjunto cuyos elementos se presentan en ame bos conjuntos. por ejemplo: SiA= (1.2.3.4) y B= (0, 2.4.6}, entonces A. B = (2,4) £1 complemento de un conjunto A contizne los elementos dl conjunto universal que no forman par- {c del conjunto A. y se representan como 4’. Por ejemplo: el complemento del conjunto “Les dias h biles de fa semana’ es el conjunto formado por los dias sabado y domingo, Ejemplo: Si A= (Jas caras pares de un dado} = (2, 4.6) (as caras del dado, menores que 5} = (1, 2, 3. 4} {las caras de un dado} = (1,2, 3,4, 5,6} Entonces AUB. AMB=(2.4) 2,46, 1,3 1,2.3.4,6) Compriebe que el complemento de A es {1, 3, 5} y que el complemento de B es {5,6}. Un interesante concepto es la diferencia de conjuntos, la que resulta en Tos elementos de un conjun- {0 que no estén en el otro conjunto. Condiciones que deben cumplir las operaciones entre conjuntos e| _guientes ejemplos: ‘Sea U el conjunto universal. y A y B dos de sus subconjuntos. {xe Ulxe Aoxe By (Se lee: A unin Bes que x pertenezca a B.) Las operaciones entre conjuntosdeken cumplir as condiciones que se muestran en ox si_| | | | al a x. ef que forma parte de U, a condicién de que x pertenezca a A | Interseecién: Ao, (xe Ulxe Ayxe B) | (Se lee: A imerseccién B es | ca@Ay que x pertenezca a B.) ila x,el que forma parte de U. a condicién de que x pertenez- | Complemento: A'= (xe Ulxe A) (Se lee: A complemento es igual ax, el que forma parte de U, & condicién de que x no perte- | nezca aa.) | Ditferoncia: \-B= [xe Alxe BJ =A a | (Se ee: A diferencia de B es igual a x,el que forma parte de A. a condicién de que x no perte- | nezea a B,) | La presentacion gratica de conjuntos se conoce como diagramas de Venn-Euler, en honor a los max temuticos John Venn y Leonhard Euler. quienes los desarrollaron durante los siglos xvi y x1x. A con nuacisn se presentan algunos ejemplos de estos diagrams, aplicados a ta unin, interseccign, complemento y diferencia de conjuntes: Fundamentos matematicos. 31 —Q-Q-Q— Operaciones entre conjuntos a BU AUB SSABIAS Que... una aplicacién muy importante de los conjuntos es el andlisis de datos? Por ejemplo, Ia consulta a una base de datos podria realizarse mediante las siguientes instruccio- nes, basadas en el modelo SELECF- FROM- WHERE, 0) OBTENGA: NOMBRE, TELEFONO CONDICIONADO A: SUELDO > $5000.00 +b) OBTENGA: NOMBRE, TELEFONO CONDICIONADO A: SUELDO > $5000.00 Y CASA PROPIA = ‘SI’ ©) OBTENGA: NOMBRE, TELEFONO CONDICIONADO A: SUELDO > $50.000.00 Y EDAD ENTRE 25 Y 40 Y ESTADO CIVIL = "“SOLTERA Coordenadas rectangulares El problema de definir la ubicacion de un punto en el espacio ha originado multitud de soluciones. por ‘ejemplo: la division del planeta en paralelos y meridianos; las coordenadas polares; la nomenclatura de Jas calles o la identificacién y kilometraje sefalados en las carreteras, Una forma de identificar la posicién de un punto sobre una superficie plana es marcar referencias fijas (dos ejes perpendiculares) y tomar las distancias del punto a las referencias. El sistema de coordenadas rectangulares (0 cartesianas, en honor a René Descartes. filésofo fran- cs. 1596-1650) esté hasado en dos rectas graduadss perpendiculares. que se ertzan en un punto que area en ambas el limite entre los mimeros positivos y los negativos, es decir, el cero. TOHO-O- 32 Probabitidad y estates racrndas ce aiguiera, P, asociado & los valores (x.y) ¢ ientificado como Pls.) en un sistema de pects cnadas rectangulares, se ubica ax unidades sobre el eje horizontal (la abscisa).y ay unidace $0" bre el eje vertical (Ia ordenada) Ejercicio NAS Sefiale los siguientes puntos en un sistema de coordenadas rectangulares AG, 6), BI3.0), C4. ), D(-3,-4 )y EXS, -5) Solucion: + Los puntos deseados se muestran claramente en la gréfica anterior. La ecuaci6n de la recta Una ecuacion como la de unc recta 0 de una paribola representa en forma algebraica el compo {ode und o varias variables. tal como podrie ser la relacién entre la velocidad de un automévil, sux cos ‘aeteristicay mectnicas, las condiciones de la carretera, etc. y la probabilidad de un accidente Fara calcula una ecuacidn cualquiera s6lo se necesita sustiuir en ella los valores de las variables y realizar las operaciones indicadas. Por ejemplo, en la ecuacion y = 3. lor de v seri ~5.sisves igual a4, el vae =2x (4-5 2x4- Fundamentos matematicos 33 ~Q-Q-O— Eneeste ejemplo, para el valor x =4, corresponde el valor y= 35. Una recta queda definida por dos puntos (x,.¥,) y (ty) Para graficarla se pueden definir dos valores arbitrarios para x, y x, (por ejemplo, x, = Oy x con ellos determina y, y y,, con base en la ecuacién de la recta. ° ly Ejercicio 1.16 Grafique la ecuacién de ta recta y = Solucion: + Suponga dos valores arbitrarios de x, por ejemplo x, = 0 y x, res v, yy, para determinar asf dos puntos que definen esta recta 1, y con ellos calcule los vato- y,=5x,-3 =(5)(0)~3 (5) (1) -3 + Dos puntos de esta recta son (0, ~3) y (1. 2). [Verifique que, aunque se tomaran otros valores arbitrarios para x, y x, (por ejemplo: x, = ~1 y x, = 1.5), la grifica seguiria siendo la misma.) O-O-C— 34 Provsabilidad y estadsties § A P@APmA Aa Interpolaci6én lineal El concepto de proporcionalidad, estudiado en la seccién de razones y proporciones, es fundamental Para entender diferentes temas, En esta seccién se presenta una forma avanzada de ese concepto: la interpolacin lineal, con la cual se puede calcular un valor intermedio de una recta cualquiera, definida por dos puntos conocidos. La interpolaci6n Tineal puede pensarse también como una “regla de cinco”, pues la incégnita la defi- nen cinco valores: dos de cada punto conocido, ademas de la abscisa o la ordenada del punto deseado Ejercicio 1.17 Los puntos P,(1.0, 0.3413) y P.(1.1, 0.3643) definen una recta. Identifique el valor de y ps : sax igual a 1.04, Solucién: + Este problema puede resolv © por medio Se por medio de una interpolacisn lineal, ya sea en forma férmula correspondiente, segtin se indica a continuacién La formula para la interpolacién lineal de es la siguiente: 3643 ~ 0.3413) = 0.3505 Ejercicio 1.18 Los puntos P\(1.0. 0.3413) y P11, 0.3643) definen una recta ray igual a 0.35, emifique el valor dex pa- Fundamentos matemticos. 35 -O-O-O— Solucin: «+ Este problema puede resolverse por medio de una interpolacién lineal, ya sea en forma gréfica © por medio de Ta formula correspondiente, segtin se indica a continuacién: 203688 nel xe? yell La formula para la interpolacién lineal de x es la siguiente: jt Po oa) 0.35 ~ 0.3413 r= 10+ 23520341341 4.0) = 1.03782 10+ 13643-03413 ag eee Conceptos estadisticos La estadistica puede estudiarse desde los primeros afios de Ja escuela hasta los niveles de doctorado. y ‘aun superiores. Uno va por buen camino cuando conoce y aplica los conceptos que se presentan en es los parrafos. En este libro se estudian las bases de Ia estadistica. Los temas de muestreo, estimacisn y prueba de hipétesis estén mas alld del aleance del libro, ya que son materia de estudios més avianzados. Ramas de la estadistica* El estudio de la estadistica puede dividirse en dos gran- ee des ramas; una de ellas es la estadistica descriptiva, que cestudia las caracteristicas de un grupo de datos para co- nocer los valores que los describen, por ejemplo: la me- diay la dosviacidn esténdar J Deseriptiva Exadistica. —-| LL nferenciad | Atyunos ares consider a probed imo ui rama de In stitch embargo tos pan quem ni identi ee ad xl ee Por otra parte, a estadstic inferencialoinferencia estadstca analiza los datos de una miestra po: {a conocer. a partir de estos datos, las caracteristcas de la poblaciGn dela cual se tomaron, lo que per. inie conoeer aproximadamente las poblaciones, aunque no se cuente con todos los elementos que las componen. También permite conocer con anticipacién las caracteristcas de una muestra si se ecmoccy lgunas propiedades de la poblaciéin de la cual se tomard la muestra, Poblacién y muestra Por poblacién estadistica, o simplemente poblacién, debe entender- se el total de elementos de un grupo que se estudia: por ejemplo, el | POBLACION total de manzanas producidas en la huerta La Flor, 0 el total de em- | pleados de una empresa. Una muestra es un conjunto de elementos extrafdos de un con- | Junto mayor (Ia poblacién), con el fin de conocer aproximadamente (Muestea] | las caracteristicas de la poblacién de donde proviene. a El conocimiento exacto de una poblacién requiere un estudio detllado. mientras que una muestra ‘lo permite resultados aproximados, peo su tiempo y costo de realizacién son, por lo general, mens, res que en el estudio de la poblacién, Estudio de una pobacin audio de una mostra] * Conocimicntoexacto * Conacmieno sproximado | | + Mucho tiempo requerido | + Répido | | Alto costo * Econémico: || a Una poblacion puede clasificarse como inita cuando el Fina inimero de elementos que la componen es limitado, como ¢l nimero de ballenas en el mundo, 0 infinita, cuando el | — pypacion | rimero de sus elementos es muy grande, como los granos | de arena en el mar, o francamerte no mecible, como las Infinta estrellas del universe, a Una muestra puede ser grande o pequefia, en funcion ————— del nimera de elementos que contenga. Convencional- a mente se dice que una muestraes grande sitiene 30 0 més clmeninunqucalgues aioe nese vaeren 28° | Mossa ——| | Leet Muestreo. Mientras se obtiene una muestra (proceso conocido como ive imuestreo) is muesta podria destnnnes gor sion a pees determina ia camidad de juso sue prods ton na ‘mientras que en el segundo caso no To es, a: Muestreo TTT AATTNTmN = Furdamentos matemsticos 37 -Q-OO™ EI muestreo puede realizarse con remplazo o sin selec- cionarse, Si hay remplazo el elemento seleccionado se Claes analiza y se regresa a la poblacién, por lo que puede selec- cionarse nuevamente, simulando asf una poblacién infini- ‘a, En el muestreo sin remplazo el elemento seleccionado ‘ho se regresa a Ta poblacién de donde se tomé. Esta dife- eee rencia puede ser muy importante al analizar la distribucién de probabilidad de la muestra, Muestreo Estimaci6n El concepto de muestreo esté estrechamente ligado al de estimaci6n, el cual consiste en determinar la haturaleza de una poblacién con base en los datos que se obtengan de una muestra, aunque tambien se aplica para conocer anticipadamentz el resultado de una muestra si se conocen las caracteristicas de la poblacién de la cual proviene. {a eatimacin de pardimetros poblacionales 0 estat; | J ‘cos muestrales puede hacerse por medio de estimadores puntuales 0 por intervalo. Los primeros consisten en un solo valor, por ejemplo: la media es 4.27 keg, La estimacién por intervalos consiste en identificar los | © perinerto | limites superior e inferior entre los cuales, con un cierto |______ Per intervalo | nivel de confianza, se encuentra el valor verdadero: por ciemplo, la media esté entre 6.5 y 6.3 cm, Esta es la forma més comain y Gti de hacer estimaciones es- tadisticas | Exaimacion Prueba de hipotesis EI muestreo de una poblacién puede utilizarse para comprobar o negar la validez de alguna hipstesis estadistica La hipotesis es un enunciado relativo a la poblacién que se estudia, por ejemplo: el pro- ‘medio de estaturas es superior a 1.60metros y sera aceptada si los valores estadisticos de ‘ la muestra que se obtenga quedan dentro de un conjunto de valores aceptables, zaleula- to dos con base en cierta tolerancia o margen de error estadistico; de lo contrario, la hipstesis se rechazaré Las pruebas de hipétesis son procedimien- 0 F tos que permiten aceptar o rechazar hipotesis. “50 con base en los resultados abtenidos por muestreo, 0 Andlisis de tendencias “ Por medio de la observacién continua de los f ! fenémenos (naturales 0 provocados’, ta ht ‘ ce ae manidad ha adquirido a mayor parte del co- nocimiento que posee. Cuando se analiza. por Ferlzate O-O-O— 38 Probabilidady estaistea § P@Pa@$am$u\ M$ oa ejemplo, la relacién entre un tipo de alimentacién y la ausencia de ciertas enfermedades, puede dedu- cirse una formula matematica que permits pronosticar los efectos de otros tipos de alimentos, Aunque existen muchas limitaciones pricticas para la obtencién y uso de formulas que presenten to- das tas situaciones de la vida, el anilisis de tendencias ayuda a conocer y, sobre todo, a pronosticar el comportamiento de una variable respecto de otra El andlisis de regresién permite obtener una formula matemética que exprese la relacién entre dos o ‘més variables, mientras que el andlisis de correlacién obtiene un indice que muestra el grado de vela- cidn entre dos o mas variables. Q, ° 0°° Distribuciones de 0° frecuencias Frecuencia 5 8585 99BS TOG 1905 1DeBS 13085 —O-C-O- 40 Probabilidad y estaistica 9 Distribuciones de frecuencias La capacidad humana para comprender al mismo tiempo grandes cantidades de datos es muy limitada: Por otra parte, la mayorfa de los andlisis estadisticos incluyen un gran nimero de datos, los cuales se ‘a casi imposible utilizar si no se les compactara mediante un sencillo procedimiento conocido como Tabla de Distribueién de Frecuenci Una distribucién de frecuencia es una tabla que presenta el ntimero de elementos que pertenecen @ cada una de las clases 0 categorias en las que se haya dividido para su estudio un srupo de datos. Las distribuciones de frecuencias son la forma més comin de organizar un gran ntimero de datos, por ejemplo, las calificaciones de los a.umnos de primer semestre, y a partir de ellas lograr conclusio. hes que no eran visibles originalmente, por ejemplo, la concentracién de calificaciones en sus niveles bajo, medio y alto; incluso permiten definir lineas de decisin, como los precios al mayorco de cierto articulo, Jas tarifas de agua potable para una ciudad, o las tablas del impuesto sobre la renta Conceptos basicos Los conceptos fundamentales de una distribucién de frecuencias son: el mimero de clases o catevort en que se agruparén los datos; el intervalo 0 ancho nominal de clase, detimitado por los valores mini ‘mo y maximo aceptables en cada clase, y la frecuencia o mimera de elementos de cada clase | Frecuenci A Enero 1.1998 || —_Diciembre 31. 1998 415 | Otros conceptos detivados de una distribucidn de frecuencias son: los limites exactos: las marcas de clase o valores centrales de cada intervalo; las frecuencias relativas y las frecuencias acumuladas y ‘complementarias, los cuales se presentan también en este capitulo. Intervalos uniformes, desiguales 0 abiertos A pesar de que en la mayoria de los casos ef ancho de clase es uniforme, como se ve en la figura ante- Flot. en ocasiones el ancho de clase debe ser desigual o incluso abierto (sin mite) en uno o dos extre- ‘mos. Considere los siguientes ejemplos i Limite Limite | Limite I inferior su] | inferior superior | ete Clase laiios) i Clase (kg) og) Bebes 0 1 Lio | s | Nios 2 2 | stein 4 0 | Adcescemes | 16 |) peso a | | dejene: | | | May pesedo | 81 Ancianos | Disteibuciones de frecuencias. 41 Q-O-+G— El intervalo, conocido también como rango, amplitud 0 ancho de clase, puede determinarse como la diferencia entre el limite inferior de la clase siguiente y el limite inferior de la clase, También puede determinarse como la diferencia ente el limite superior y el inferior de cada clase, més la unidad de variacion de los datos. Un concepto muy importante en este punto es el de unidad de variacién, Por él debe entenderse la minima diferencia que puede presen:arse entre dos datos del conjunto que se analiza, Por ejemplo, si los datos son las estaturas en metros y centimetros de un grupo de personas, la minima diferencia entre ellas sera un centimetro. En este ejemplo la unidad de variacién seré 0.01 metros La unidad de variacién en el case de datos que representen el peso en kilogramos de un grupo de personas serd 1 kg, suponiendo que el peso se acepta sélo en kilogramos enteros, sin fracciones. Si los datos se recopilan en maltiplos de alguna medida, por ejemplo, $50.00, 100 m? 0 10 km, fa n (en este ejemplo: $50.00, minima diferencia entre dos datos se 100 m? 0 10 km). i-en cada caso, la unidad de vari Ejercicio 2.1 Determine el intervalo de cadla una de las clases de las siguientes tablas: Tabla Tabla B Tabla C Limite | | Limite | Limite Limite superior inferior | superior inferior | superior (S) | | Clase | (metros) | (metros)| [Clase | (aos) | (aiios) 1150 7 | 065 | 085 elas 39 1300 k | 086 | 095 x | © | w | v0 || | ose } zo || ry |e ws |i roo | | aw | 12y iso | 2 | | = Solucion: * El intervalo de cada clase pueie cafeularse asi TIntervalo de _ Limite inferior de Limite inferior la clase ~ laclase siguiente ~ dela clase Non El limite inferior de la clase siguiente a la tltima, es el Ifmite superior de la ultima cla- se, mas la diferencia entre el limite inferior de Ia tltima clase y el limite superior de la pendiltima clase. $ ‘metros (m) aos A 1010-1150 J 065-085 Wo 4s-s0 B 1160-1300 K 086-095 X 60-71 1310-1450 L 096-120 Yo 72-83 D M 121- 1.50. Z 84 fs inf O-C-O— 42 Probabiidad y estadistiew § AP$AP$ApP$ApAapa$p a £ * Tabla A (Intervalos uniformes) Ss os § Intervato de la clase A= 1160-1010 = 150 Intervato de la clase B= 1310 - 1160 = 150 : Intervalo de la clase C = 1460 ~ 1310 = 150 Intervalo de la clase D = 1610 1460 = 150 Tabla B (Intervalos desiguales) m om om Intervato de la clase} = 0,86 ~ 0,65 = 0.21 Intervato de la clase K = 0,96 — 0.86 = 0.10 Intervalo de la clase L = 1.21 ~0,96 = 0.25 Intervalo de la clase M = 1.51 ~ 1,21 = 0.30 Tabla C (Intervalos abiertos, infecior y/o superior) alos afios afios Intervalo de la clase W = 60 ~ 48 = 12 Intervalo de la clase X = 72 ~ 0 = 12 Intervalo de la clase Y = 84 = 72 = 12 Intervalo de la clase Z. = infinito~ 84 = infinito Noms: El limite superior de la clase Z incluye todos los miimeros del 84 en adelante, es decir, hasta infinito, por lo que el intervalo de esa clase es in| PSabIAS qe... Jos huracanes se clasifican, de acuerdo con la escala de Saffir/Simpson, ccon base en la intensidad de sus vientos? Categoria | Vientos, en kilémetros por hora Une [De tiga iss Dos [De 1540177 Tres De 1784209 Cuatro De 210249 Cinco [__ De mas de 350 uene: Secretaria del Medio Ambime y Recursos Naturales, ‘wow semarat gob nx Determinaci6n de frecuencias de datos fuente Antes que nada, es necesario tener Jos datos necesarios para el andlisis. Estos se pueden obtener de di- versas maneras. las més comunes son la recopilacidn de todos ios datos del grupo o poblacin en estu- «dio (por ejemplo. las estaturas de todos los estudiantes de una escuela), y la obtencién de una muestra para extraer de ella conclusiones sobre ta poblacidn de donde proviene. Si se opla por una muestra, és ta debe disefarse y realizarse concienzudamente, de tal manera que cumpla con Jo que se espera de Distribuciones de frecuencias. 43 —O-~Q+O— ella: que represente @ la poblacién de donde proviene. Un método de muestreo puede ser por seleccién de mimeros aleatorios, como los que se muestran en la tabla correspondiente en los anexos, Recopilacién de datos: Una persona caminaba por la banqueta junto al patio de un manicomio y ofa cantar: ocho, ocho, ocho... Curiosa por ver lo que sucedia se acercé a tun agujero en la pared. Al mismo tiempo que sentia un piquete en el ojo ofa cantar: nue- ve, nueve, nueve... Los datos para una distribucién de fre ;Quiénes y cusintos somos en el directorio telefé cuencias pueden opcionalmente, orde- ico? meno) Al uecrenTesstanmmacrac, | APetido | Tatoos | Parente Gisteacimensiesensetinc) | Giron | a9 | at seeeteetec igarpmem | nmin ase | en ocasiones, el nico tratamiento gue de. | Flores fe 12560 ua fesiecncyacproleiiaaiciccs | Gan re es Geocnismeiioaiiceien | oe ae aa Son anny at coe ee ao Lopez 21780. 1.93, Rodriguez 20940 1.85 eae a a10 | Otros 882780 78.09 | Total 1130500, 100.00 1 costo y el valor de la informacion Costo de - “f & Datos agrupados en clases ‘manejo de los “st < Datos ordenados de menor a mayor datos “of & Datos originales - Nivel de informacién directa que ofrecen los datos Una consideracién muy importante es el mimero de clases 0 categorias en los que se debe agrupar los datos. Cuando éstos son de naturaleza cuatitativa, por ejemplo. la presentacidn de una persona (puede ser excelente, muy buena, buena, regular o deficiente) o la edad de uns persona (puede ser be- be nifio, adolescente, joven. adulto 0 anciano, aunque también podria ser nino. joven o adulto) el ni- ‘mero de clases queda definido por fa naturaleza de los datos que se analizan y por el detalle que se desea de éstos. O-C-O~ 44 Probabilidad y estadistica Silos datos que se analizan son numéricos, el mimero de clases més comiin esté entre 5 y 9, aunque puede ser menor, o tan grande como las c:cunstancias lo exijan. En caso de que se desconozca, el ntimero de clases puede determinarse, por ejemplo, en funcién de la raiz cuadrada del niimero de datos (Niimeros de clases = \VNiimero de datos). Bsta formula es con- veniente si el niimero de datos es menor gue 100 0 2010. A partir de ese ntimero de datos, el nimero de clases resulta muy alto, por lo que podria utiizarse otra f6rmula, por ejemplo, la raiz cubica del nime- 10 de datos, o bien, determinarlo en funcisn del detalle que se desee. Si se ha decidido que el ancho de cade clase sea uniforme, éste deberé caleularse, dividiendo la di- ferencia entre el valor mayor y el valor menor de los datos entre el niimero de clases deseado, Pasos para la elaboraciin de tablas de distribucion de frecuencias * Recopitacién de datos. * Clasificacién de los datos de menor a mayor (apcional) ‘+ Especificacidn del mimero de clases. | = Caloulo del tamafio exacto del ancho de clase. + Determinacién del tamafio ajustado del ancho de clase, | * Identificacién de los Ifmites de clase. + Conteo de los datos. Si el ancho calculado resulta ser un miitiplo exacto de la unidad de variacin, por ejemplo 811. 1 an- cho ajustado deberé ser por lo menos una unidad de variaciGn mayor que el ancho caleulado, en este ca- 0, 812. De no hacerlo as, el 0 los valores mas grandes no cabrian dentro de ls limites que resultaran El siguiente paso en a elaboracién de una tabla de distribucién de frecuencias es ajusta el tamaiio cealeulado del ancho de clase. Esto se losra aumentando el ancho de clase caleulado por lo menos a la siguiente unidad de variacién: por ejemplo, si ef ancho calculado de un grupo de datos cuya unidad de ‘ariacign es 1 resulta ser 193.4, el ancho ajustado debe ser por lo menos 194, aunque también podria ser 195 0 incluso 200. Curiosidades mateméticas: Verifique que, al clasificar los siguientes datos en 9 clases, si éstos son de 0.05 de ancho, el dato mas grande quedaré fuera de los limites, siel aancho de clase es de 0.06 y el primer limite inferior es 1.47, la Glfima clase quedaré vacio. Datos: 1,78, 1.62, 1.85, 1.92, 1.61, 1.89, 1.52, 1.59, 1.49, 1.69, 1.76, 1.81, 1.83, 1.47, 1.73, 1.49, 1.64, 1.52, 1.907 1.73, La estructura de una tabla de distribucign de frecuencias queda definida por los limites inferior y superior de cada clase (estos limites se conocen también como limites nominales). El primer limite inferior puede ser el valor més pequefio de los datos (de la misma manera que el ‘timo limite superior podrfa ser el valor mas grande de los datos). El primer limite superior es elimi te inferior més ancho de clase menos tna unidad de variacién. Los limites inferior y superior de las Rae Lint informs acho ] | Eee de clase menos unidad de | 500 609) _Lxatiacién, | | 700 399 | Cada uno de estos valores bide oo | i399 dnc cts | tam |_| a Distribuciones de frecuencias. 45 ~Q-Q+O— En todos los casos debe comprobarse que la diferencia entre los limites superior e inferior de cada clase es igual al ancho de clase menos una unidad de variacién (LS — LI = Ancko ~ UV). Como el ancho de clase multiplicado por el nimero de clases es mayor que la diferencia entre el valor mayor y el menor de los datos, se puede distribuir la diferencia en uno w otto extremo de la tabla, ‘en ambos. Esto se presenta grificamente a continuacién. [Vator Valor | menor mayor | * ° el er ee en el valor menor. Limite inferior La ultima clase termina en +—t+— el valor mayor. Limite ite inferior superior Los extremos estan inelui- +++ + + FH eos en tos tiites Limite Limite inferior superior El Gltimo paso de este proceso consiste en determinar Ia frecuencia de la clase, esto es, determinar mediante conteo, el niimero de elementos incluids en cada clase. Ejercicio 2.2 Los siguientes valores corresponden a la produccién mensual, en toneladas, de una empa- cadora de plitanos. Clasifique estos datos en clases de tamaho uniforme: 782, 1333, 515, 1475, £696, 832, 1052. 700, 987, 542, 1296, 704, 814, 1482, 1023, 739, 643, 956, 1023 y 784. Datos originales: Datos ordenados: 1475. 696, 542. 643,696,700, | 987 542, 739,782,784. 814, 1482, 1023, 956, 987.1023. 1023. 1023, 784, 1296, 1333, 1475.__1482. * Determinacion del mimero de clases: himevo de datos = 30 = Nuimero de clases 0-0-0 46 Probabildad y estadistica * Tamano del intervalo o ancho de clase: Valor mayor ~ Valor menor Miimero de clases Intervalo exacto En este ejemplo, la unidad de variacidr de los datos es 1, por lo que el tamatio ajustado © an- cho de clase debe ser por lo menos igual a la siguiente unidad de variacion después de 193.4, es decir, por lo menos 194, mientras que el limite inferior de la primera clase sera 515, aunque éste podria ser un valor menor. * Determinacién de los limites de clase: Limite inferior _ Limite inferior de Tamaito det dela clase ~ laclase amerior + intervalo 3 Limite inferior de la clase B= 515 +194 = 709 Limite inferior de la clase C = 709 +194 = 903 Limite inferior de la clase D= 903 +194 = 1097 Limite inferior de la clase E=1097 +194 = 1291 Linite superior _ Limite inferior Unidad de delaciase = delactase * Meo ~ sariacion Limite superior de ta clase 8 Limite superior de la clase B Limite superior de ta clase C = Limite superior de la clase D Limite superior de ta clase E 515 4194-1 709 +194—1 903 + 194-1 = 097 +194 — 1 291 +194 = 1 La tabla siguiente muestra los limites de eada clase, asf como el conteo de los datas, | inferior | Limite superior Frecuencia i Lome | Mtonetadas) |“ toneladas) (meses) Pia | oss | ae min | 6 \oB 19 | 02 nut 5 |e | 03 106s ei 5 er) 1007 } 1290 0 A Wy [se un 4 Distribuciones de frecuencias 47 —Q-O-Q— Valores xX XK XK XXX Xx xx Clases At tt Limites 515 708 709 902-903-1096 10971290 1291144. + Soluciones alternativas: Considerando cinco clases con intervalo uniforme de 200. y que éstas deben incluir todos los valores, puede seleccionarse a 500 como limite inferior de la primera clase, y a partir de este Iimi- te identificar los demas. Limite inferior __ Limite inferior de Tamaio det dela clase ~ laclaseanterior * intervato } Limite inferior de ta clase B= 500 + 200 = 700 i £ Limite inferior de ta clase C= 700 + 200 = 900 : Limite inferior de la clase D = 900 + 200 = 1100 Limite inferior de la clase E= 1100 + 200 = 1300 Limite superior _ Limit inferior Unidad de i delactase ~ delaclase * Mer“ ~ yariacién | ! Limite superior de la clase A= 500+ 200-1= 699 i 700+ 200-1= 899 1099) 1299 1499 Limite superior de la clase B Limite superior de la clase C= 900+ 200-1 Limite superior de la clase D = 1100+ 200-1 Limite superior de la clase E = 1300+ 200-1 ites de cada clase, asi como el conteo de los datos, La tabla siguiente muestra los |i Limite inferior | Limite supe Frecuencia Clase | (toneladas) (toneladas) rmeses) A 500 699 mt a | ; 8 700 wo fom | 7 | ic 900 1099 mnt 5 | o 1100 1299 1 ia E 1300 1499 i 3 E Valores xX XX RA AKRK |XX RK xx x Chest tt Limites 500 699 700-899 900-1099 1100, 12991300, 1499 OOS 50 Probabitidad y estate $$$ Si cl limite inferior de la primera clase hubiera sido $400.00, la tabla resultante hubiera sido la siguieme: Limite inferior | Limite superior o Frecuencia Fa 7 sao000 $5600.00 mM 5 8 $650.00 $850.00 unin} c $900.00 $1100.00 nui 6 D $1150.00 $1350.00 u 2 Eg $1400.00 $1600.00 mt 3 Valores x XX xRK x XNKK. nxRK Clases Limites 400 60) 650 850-900-1100 115013501400 1600 Observe qu lt frecuencia (nimero de elementos en cada clase) ha variado ligeramente, debide {la modificacion de fos limites de ci 2.4 Clasifique tos siguientes valores (expresado en m) en cinco clases de tamaho uniforme 182, 1.43, 1.51, 1.47, 1.69, 1.88, 1.52, 1.72, 1.78, 1.54, 1,61, 1.66, 1.70. 181. 138. LAB, 1.53, 1.73, 1.61, 1.56, 1.57 y 1.78, Solucion: jm | (my | W820 1as a er ee 16188 stan ws ase se | 178 134161 1.66 137 158 1.61 161 4 ; RO st 158 hag 166 169.0. oe Ls? 1.78 JL bse ge ae ae Valor mayor ~ Valor menor Mamero de clases Imervalo exacto = 1.88 ~ 1.43 6.09 m Distribuciones de frecuencias 51 ~Q-~Q-+O~ * Determinacién de los limites de clase, Considerando cinco clases con intervalo uniforme de 0.10 m, y que éstas deben incluir todos los valores, puede seleccionarse 1.40 m como limite inferior de la primera clase, y a partir de éste los demas limites: Limite inferior __ Limite inferior de , Tamaito del dela clase ~ ta clase anterior * imervaio Limite inferior de la clase B= 1.40 m+ 0.10 m= 1,50 m Limite inferior de la clase C= 1.50 m+ 0.10 m= 1,60 m Limite inferior de la clase D= 1.60 m +0.10 m= 1.70 m Limite inferior de la clase E = 1.70 m+ 0.10 m= 1.80 m Observe que todos los dalos son miltiplos de 0.01 m, por lo que Ia separacién entre el mite superior de una clase y el limite inferior de la clase siguiente, es decir, la unidad de riacién, es de 0.01 m. Limite superior _ Limite inferior . Unidad de detactase ~ deiaclase * ™™ ~ variacién Limite superior de la clase A= 1.40 m-+0.10 m- 0.01 m= 1.49 m Limite superior de la clase B= 1.50 m + 0.10 m~0.01 m= 1.59 m Limite superior de la clase C= 1.60 m + 0.10 m~0.01 m= 1.69 m Limite superior deta clase B = 1.70 m+ 0.10 m~ 0.01 m= 1.79 m Limite superior deta clase E= 1.80 m + 0.10m~0.01 m= 1.89 m La tabla siguiente muestra los Ifmites de cada clase, asi como el conteo de los datos Limite inferior | Limite superior Clase (m) ™ Frecuencia a 140 149 m 3 B 150 159 uni} 7 a 1.60 1.69 un 4 D 170 179 un 5 E 1.80 189 ml 3 Valores XK OK KKK Chases | $4 Limites 1.40 149 1.50 159 1.60 169 1.70 1.79 1.80 1.89 © Si el limite inferior de la primera clase hubiera sido 1.41 m, la tabla resultante hubiera sido Ta siguiente: Limite inferior | Limite superior Clase im) am) Frecuencia | A Lal 150 im 3 B rt | ao ota | E c 161 170 Wut 5 i D re 180 uy 4 i Hea Lat | 1.90 i 3 | 1a Observe que la frecuencia (niimero de elementos en cada clase) ha variado Tigeramente, debido a la modificacidn de los limites de clase. O-O-C— 52 Probabilidad y estadistica ESabIAS Que... el andlisis de datos permite idemtificar algunas caracteristicas de ést0s, Jo que ayuda al proceso de toma de decisiones? Por ejemplo, los datos de la siguiente tabla podrian indicar a qué grupos de edad ofrecer otros servicios, 0 incentivos para reducir el niimero de socios ‘morasos Anillisis de datos de los socios del Club Deportivo Roca: | Rango de edad, | Namero de | Socios Visitas en aflos socios | puntuales | por semana | Menos de 18 27 15, 26 De 25035 162 140 29 | De 36.055 us 108, 12 | De més de 55 68 65 18 Limites exactos y marcas de clase Los limites nominales de una clase in- dican los valores minimo y méximo aceptables en esa clase. por ejemplo, | i aso | 1875 prs | ams 2.7 Della siguiente tabla de limites de clase, determine los limites exactos y Ia marca de cada clase. — Limite superior de ta clase Nota: El limite inferior de la clase siguiente a la dhtima, es el limite superior de ta dltima a dltima clase y el limite supe Distribuciones de frecuencias 59 ~O-O-O— 45.00 - 6.99 B7.00-8.99 €9.00- 10.99 D 11.00 - 12.99 Ao=| TS mS BAS Ha85 sms Distribuciones de frecuencias. 67 ~O-O-O— Graficas de barras de dos variables Una variante de los histogramas scn las grificas de barras de dos variables. En ellas se grafican los valores de dos variables para presentar grficamente el comportamiento de una de ellas respecto a la otra, y obtener asf conclusiones inmediatas, que no son evidentes o faciles de identific originales. Para elaborar una grfica de este tipo, deben seleccionarse en uno de los ejes (por ejemplo, el verti- cal) las dos variables que se desea analizar (por ejemplo, el grosor y la resistencia de una viga) y en el otro eje se graficard la variable que las relaciona (por ejemplo, los diferentes proveedores de las viges analizadas). Enseguida deberd seleceionar uns escala adecuada para una de las variables. y la escala equivalente pata la otra variable, de tal manera que la primera pareja de barras tenga el mismo tamaio. A continuacién deberd calcular el tamaiio de las barras restantes y graficarla. en los datos Ejercicio 2.13 La siguiente tabla presenta el agimero de unidades producidas y e! monto de costos indirec- tos. Elabore una grifica de barras para presentar esta informacién. |Mes | Enero | Febrero | Marzo | Abril I Unidades | 635 785 695 Sasa a _=_=shCl LLL l Solucién: + El primer paso consiste en seleccionar los ejes: el horizontal podria ser para los meses y el ver- tical tanto para las unidades de produccidn como para los costos, En este caso podria seleccio- nnarse una escala de | centime:ro por cada 100 unidades producidas, por lo que 635 unidades } 2 serfan: 6 de: 100 unidades por centimetre El eje de los costos debe tener, en este caso, 6.35 centimetres para representar los costs del mes de enero, por lo que Ia escala de costos serfa: $10.2 _ . centimetros ~ 91-6062 por cent + Las barras que representan los costos indirectos deben tener el tamafio que se caleula a conti- } Coo indirecto Tamaio de ta bara = oe OTe Taman de (a ba Escaia equivalence —C-O-C— 68 Probabilida y estate § a $0.2 [ Tamato de ta barra de enero 9202 — = 635 em Tamaiio de la bai = 7.16, rama dela barra de febrero =e — = 7.16. em Tamato deta barra de marco = SS — — 6.72 ramato dela barra de marco = SeS— = 6.72 6m . sina | Tamato deta barra de abil = Ses — = 6.47 em ee Few Mine ain * Ahora puede observar cul de las dos variables tuvo un mayor crecimiento respecto a la otra. or ejemplo, en febrero fa producciin fue mayor respecto a enero que los costos. Graficacién de frecuencias acumuladas as frecuencias acumuladas son parte importante de una tabla de distribucién de frecuencias, pues pre- sentan las stumas parciales de todas las frecuencias y de esta forma permiten comtestar directamente preguntas tales como: ccusintos elementos de la poblacién o muestra en estudio tienen menos de (o més de) cierto nivel de ta variable que se analiza? 0 ,qué porcentaje de la frecuencia total comesponde a Ios aque tienen menos de (o mis de) cierta eantidad? Ademis de fa informacin directa que ofrecen las frecuencias acumladas de una tabla, fas erdficas que se generan con ellas facifitan la comprensidn de la informacion que contienen y, cuando se elabo- san cuidaclosantente. permiten obtener valores numéricos no visibles en la tabla de distribucign de fre ee istrtbuciones de frectencias: 69 ~O-O-O— La frecuencia acumulada define los puntos de la grafica u ojiva ascendente. A ésta se le conoce tam- bién como “ojiva menos que”. porque sus puntos contestan las preguntas del tipo cudntos elementos de la poblacién o muestra en estudio tienen menos de cierto nivel de la variable que se analiza? o qué porcentaje de la frecuencia total corresponde a los que tienen menos de cierta cantidud? La frecuencia complementaria indica el complemento 0 lo que le falta a la frecuencia acumulada, y define los puntos de la gréfica u ojiva descendente, A esta grfica se le ama también “ojiva mas que’ La frecuencia acumulada de una clase se calcula sumando la frecuencia de esa clase con la frecuen- cia acumulada de Ia clase anterior (a frecuencia acumulada de la primera clase es la frecuencia de esa clase, y la frecuencia acumulada de la tiltima clase es el total de frecuencias) La frecuencia complementaria de una clase se calcula restando la frecuencia acumulada de Ta clase ‘ala frecuencia total (la frecuencia complementaria de la itima clase es cero, y para cada clase, la su- rma de la frecuencia acumulada y la frecuencia complementaria es igual al total de frecuencias de la tabla). Las frecuencias acumuladas también pueden calcularse siguiendo el procedimiento grifico que se presenta ahora: Frecuencia Frecuencia | Clase Frecuencia acumulada Clase Frecuencia —_—_complementaria | A fa ————> fa A Ja feb + fb = | Loe | B fp fis faa B foe fee + fe + | a j ¢ fee hes fab ; ¢ fe fed + fa | | a - - Dd fhe fie fac D fie ke ms a | E fe Zo» fe fad E fea 0 En todos los casos anteriores: | fe | “fax = Frecuencia acurmlada de la case » Frecuencia simple de la clase x {fox = Frecuencia complementaria de la clase x Para graficar la ojiva “menos que” se utlizan los limites superiores exactos de cada clase y el valor de la frecuencia acumulada. También deben incluirse en la grifica el imite inferior exacto de la pri- mera clase, con un valor de cero fara la frecuencia acumulada, Para graficar la ojiva “més que” se Uti- Tizardn los limites superiores exacios de cada clase y el valor de la frecuencia complementaria. Tambign debe incluirse en la srafica el limite inferior exacto de la primera clase, con un valor igual al total de frecuencias para la frecuencia acumulada. Tes importante seRalar que el sitimo valor de una frecuencia acumulada es la frecuencia total (0 14) 100% os frecuencia relativa), El ultimo valor de la frecuencia complementaria es siempre cero Lt uma de ta frecuencia acemulada y la frecuencia complementaria de cada clase es siempre fa frecuen- cia total (0 1.00 100%, si es frecuencia relative). O-O-C— 70 Probabilidad ested. AA@$Ap@PtJT@T Ejercicio 2.14 De la siguiente tabla de frecuencias absolutas, determine y arafique la frecuencia acumu- tada y 1a complementaria: [ Limite | Limite | Limite Limite a Clase jinferior | superior |inferior exacto | superior exacto | Marea [Frecuencia |! : a | 4 39 395 | 505 495 | 385 i B | 6 7 595 795 695 | 22 4 : c 80 99, 795 99.5 895 | 475 4 bd | 10 | 19 995 119.5 129 i Bm |e nes | 1395 95} 48 icion: Frecuencia acumulada (ojiva “menos que”) Frecuencia Frecuencia acumulada | acumulada de = delaclase + Frecuencia de ta clase | taclase anterior | ee eee | Frecuencia acumulada de Frecuencia de la primera = clase | ee la primera clase 385 385 +292 = 677 677 +475 = 1182 1152 + 129 = 1281 1281 + 48 = 1529, Frecuencia acumulada de la clase A Frecuencia acumulada de la clase B Frecuencia acumulada de la clase C Frecuencia acumulada de la clase D Frecuencia acumutada de la clase E + Frecuencia complementaria (ojiva “més que”) Frecuencia Frecuencia Frecuencia | complementa. = ronal ~— acumuslada de | ria de la clase la clase Frecuencia complementaria ae la clase A = 1329 ~ 385 329 ~ 667 = 652 Frecuencia complementaria ae la clase B Frecuencia complementaria ae la clase C = 1329 — 1152 = 177 48 0 Frecuencia complementaria de la clase D = 1329 — 1281 329 — 1324 Frecuencia complementaria de la clase B= + Elcailculo anterior puede también realizarse en la forma siguiente: + La grafica siguiemte muestra Ja frecuencia acumulada (ojiva “menos qu ria (ojiva “mas que”), al Frecuencia Frecuencia | Clase Frecuencia acumulada | Clase Frecuencia complementaria A385 385 A 385 oa 4 yr + a Bom =e 67 B 292 — 62 + | + | Cas es c 475 7 a + D 129 <> 983 D 19, 48 ea 4 + E 48 > 39 E 4—<——"_ 9 + Resultado final La siguiente taba presenta los valores obtenidos: | Limite | Limite | | | inferior | superior Frecuencia | Frecuencia Clase | exacto exacto | Frecuencia | acumulada _ complementaria | 1 A 395 595 385 385 | B 595 5 292 Ga || cH || c 795 vas 475 ie || mt D 9s | 9s 129 rn || 48 Ee | 19s | 9s 48 1329 0 Totales 1329 ) y Ta complementa Distrbuciones de frecuencias. 71 ~Q-O-O— ~S-O-C— 72 Probabilidad y estadtstien§ A Observe que el eric de ls curvas define la mediana, concepto que se estudiarden el siguiente i capitulo. i 0 reuenda ~ oe _ ecumulads oo Cy Ee 35 5 8 as Irena Ejercicio 2.18 De ln siguiente tabla de frecuencias relativas, determine Ia frecuencia acumulada y la com: plementaria se | baie] inferior | superior | Frecuencia | 1.70 9.6226 | 180 | o.108 Solucion: + Frecuencia acumulada (ojiva “menos que”). Frecuencia Frecuencia acumulada acumuladade | = ates + Frecuencia de la clase | lactase anterior | Frecuencia acumulada de Frecuencia de la primera Ja primera clase clase S| Frecuencia acumulada de la clase A = 0.0216 Frecuencia acumulada de la clase B = 0.0216 + 0.1935 = 0.2151 Frecuencia acumulada de la clase C = 0.2181 + 0.6226 = 0.8377 Frecuencia acumutada de la clase D = 0.8377+ 0.1108 = 0.9485 Frecuencia acumulada de ta clase E = 0.9485 + 0.0515 = 1,0000 Frecuencia complementaria (ojiva “mas que"), Frecuerci Presencin Pewee | Me tr ctase vel la clase —e Frecuencia complementaria deta clase A = 1,000) ~ 0.0216 = 0.9784 7849 Frecuencia complementaria de la clase C= 1.0000 ~ 0.8377 = 0.1623 Frecuencia complementaria de ta clase B= 1,000 ~ 0.9485 = 0.0815 Frecuencia complementaria de la clase E = 1.0000 ~ 1.0000 = 0.0000 Frecuencia complementaria de ta clase B = 1.0000 ~ 0.2151 El cdlculo anterior puede también realizarse en la forma siguiente Frecuencia Frecuencia i Frecuencia relativa Frecuenci relativa +” relativa acumulada | Clase relativa complementaria | | A 9.0216—» 0.0216 A 0.0216 er O78 IE + ot / 352 os 35 7840 | 8 0.1935 x 0.2181 B 0.1935 0.7849 S ae c 0.6226 <—», 0.8377 ¢ 0.6226 < 0.1623 | | 0.1108 > 9.9435 D 0.1108 = 0.0515 <= 1.9900 E oc 74 Probabilidad y estas § PP APAaAaAaAa + Resultado final La siguiente tabla presenta los valores obtenidos: Limite Frecuencia | Frecuencia | E | superior Frecuencia | —relativa relativa E Clase (metros) | relativa | acumulada | complementaria ad — 120 | 00216 0.0216 0.9784 Be} 1 1.50 0.1935 o21s1 | o.7Ra9 cj 1s 1.70 | 06226 0.8377 0.1623 elas 180 | 0.1108 0.9485 0.0515 e | 18) - 0.0525 1.0000 6.0000 : 1.0000 i 's de pastel o grificas eircvlares son figuras que representan, por medio de segmentos de sirculo, la frecuencia, absoluta o relativa de una tabla de distribucién de frecuencies, La presentacién de datos en esta forma es impresionante, sobre todo cuando se les afaden efectos visuales tales como color y grosor a los segmentos, o se separa alguno de ellos del centro, Estas grificas se preparan con base en el dngulo que resulta de multiplicar 360 (Jos grados de un citculo) por la frecuencia relativa (frecuencia de la clase/oral de. su caleulo es muy sencillo. frecuencias) de cada clase, por lo que Ejercicio 2:16 Prepare una srtica de pastel para los datos agrapados que se muestran en la siguiente tabla |_Clase | Limite inferior | Limite superior | Frecuen eee ieee Pesce emacs 4 | S00 oo foto B 700 809 i D) hoo 1299 1300 1499 | Bevan. Solucion: * Los valores para la grifica se calculan utilizando las siguientes férmulas: / Frecuencia de la clase | Angulo de la clase = 360 + Total de frecuencias } Total de frecuencias = SUMA\2 + 7+ 4 Angulo de ta clase A = 360 (21) = 343° Angulo de ta clase B = 360+ (7/21) = 120,0° Angulo de la clase C = 360 (4/21 Re" Angulo de ta clase D = 360+ (5/21 Angulo de la clase E = 360+ (3/21) + Resultado final —O-O-O- 76 Probabitidad y estadistieg APA Ejercicio 2.17 Elabore una grfica de pasta! para presentar los datos siguientes, relativos al color de tos automéviles vendidos reciextemente por una distribuidora: azul, blanco, verde, azul, ver de, blanco, rojo, verde, blanco, blanco, verde, blanco. Solucion: *+ La clasificacién de los datos produce la respondiente: iente tabla, con Ja que se elabora la grifica co- .0j0 _Amil_| Blanco_| R¢ lee + { Frecuencia de la clase \ Angulo de la clase = 360° i Total de fecuencias ) | Angulo de la clase 360 +(2/12) = 60° = 360+ (5/1 Angulo de la clase Blan 50° gulo de la clase Rojo = 360 «(1/12) = 30° Angulo de la clase Verde = 360+ (4/12) Le ase Banco Otros tipos de graficas df —O-O-C— 78 Probibildad y estadistiea§ Terperetur minima y Volumen de ventas a rinima de enero 2003 se (millones de pese treo ‘Febee azo iVerdad, mentira o ilusién éptica? ] n ocasiones se elaboran con Ja intenci6n de resaltar algén punto, o francamente con el afiin de en gafiar. Juzgue usted las gréficas siguientes, preparadas a partir de los mismos datos pero con esca~ las diferentes. Las graficas estadfsticas deben facili rata asta ene | id ef | | oe | | , esl | | a va 1 a 5 i | vst sl | TTT $$ istttciones te recuencian nO Aplicaciones graficas y numéricas Las gréficas de las frecuencias acumsladas y complementarias ofrecen informacidn no visible origi- nalmente: cualquiera de sus puntos iedia la relaciGn entre un valor del eje horizontal done se mar- an os limites) y su correspondiente valor en el cje vertical (donde se asientan las frecuencia), de ony cramer €s Posible determinar en forma gréfica, con la aproximacidn que permita el dibujo, la freesen, cia que corresponde a un cierto limite, el limite que correspond a una cierta frecuencie Las frecuencias acumulada y complementaria pueden utlizarse también numérieamente para deter. deat on Jorma aproximada la frecuencia que corresponde aun cierto limite, o c Kimite que cor respon- de a una cierta frecuencia, Iogrando asi un mayor beneficio de los datos asentados en la dvsbibucie ie frecuencias Interpretaci6n de las Ojivas {a ojiva “menos que presenta la relacén entre um limite cualquiera y los elementos que tienen menos de ese limite. De manera similar ocurre con la ojiva “mas que” Ejercicio 2-18 Con base en Ia srifica siguiente, determine aproximadamente el nimero de personas gue corresponden a los limites $45.00 y $105.00, 0 Frecuencia aL Frecuencia C-O-C— 80 Probabilidad y estadstiea§ $$$ Solucion: + Los limites pedidos estin marcados en la siguiente figura, donde se observa también que la frecuencia acumulada para $45.00 es aproximadamente 120, es decir, hay 120 personas que tienen menos de $45.00, Asimismo se puede decir, con base en la frecuencia complementa ria, que hay aproximadamente 1200 personas que tienen mas de $45.00. + Al limite $105.00 corresponde una frecuencia acumulada de aproximadamente 1180, es de- cir, hay 1180 personas que tienen menos de $105.00. La frecuencia complementaria indica «que hay aproximadamente 140 personas que tienen ms de $105.00 Frecueria complement Frecuencia aunts ae san ssn 850 su sos Intralot) Aplicaci6n numérica de las frecuencias acumuladas La frecuencia acumulada de cada clase sefala cuantos elementos de la distribucién de frecuencias esti incluidos desde el limite inferior de la primera clase hasta el limite superior de la clase. Esto equivale a decir cudntos elementos tienen menos de, o cuando mucho, hasta el limite superior de la clase. La frecuencia complementatia de cada clase indica cusintos elementos tienen mis que el limite su- petior de esa clase, es decir, desde el limite inferior de la clase siguiente hasta el limite superior de la ‘kim clase. E] manejo numérico de las frecuencias acumuladas permite también determinar el ntimero de ele- mento que se encuentran incluidos en dos o mas clases de la distribucitin de frecuencias. Distribuciones de frecuencias. | ~O-Q-O— Ejercicio 2.19 Suponga que Ia siguiente tcbla representa las estaturas de la poblacién adulta de una re- gidn. Determine cudntos habitantes: a) mide mds de 1.70 m ) miden 1.50 m 0 menos ) miden entre 1.21 y 1.80. m Vuimite | Limite | Frecuencia [Frecuencia | inferior | superior | Frecuencia | acumulada | complementaria | Clase | (m) (m | (habitantes) | (habitantes) | ¢habitantes) | as jm _{Cabianieo | 0 2 | 2 | 120 jas ws | foe | oan | iso | hast | foc |i | 0 | 20 | D 71 1.80 752 | Le | as - wr | 14596 | o | Solucion: ©) La frecuencia complementaria muestra cudintos habitantes miden mds de 1.70 m. En Ja tabla se observa la respuesta; 2370 habitantes. Esto equivale a sumar la frecuencia de yE. clases D BI La frecuenci icumulada muestra el mimeo de habitantes que miden 1.50 m 0 menos. De Ja tabla se obtiene el resultado: 3139 habitantes, esto es, la stuma de las frecuencias de las, lases A y B. A la frecuencia acumulada hasta 1.80 (13 844) se le puede restar la frecuencia acumulada hhasta antes de 1.21 m (315) y obtener asi el niimero de habitantes que miden entre 1.21 y 1.80 m, es decir, 1.21 m o mas, pero hasta 1.80 mo menos. El resultado es: 13 844 ~ 315 = 13 529 habitantes. Este resultado es equivalente a sumar la frecuencia de las clases B. Cyd. Aplicacién avanzada de las frecuencias acumuladas Frecuentemente es necesurio calcular, al menos en forma aproximada, cudntos elementos estan inclui- dos en una fraccién de una clase, Esto sucede sobre todo cuando ya no se tienen datos que dieron ori- alatabla, 0 cu limites. lo éstos son demasiados y no resulta prictico clasificarlos de nuevo con otros Cuando el niimero de datos en cada clase es grande, es razonable considerar que éstos se encuen: tran uniformemente distribuidos en todos los valores posibles de cada clase. A partir de este concepto dleterminar, en forma aproximada, el néimero de elementos incluidos entre los nuevos limi- les que se definan, es posi O-O-C— 82 Probiabiidid y 8tadistiea § A$ Ejercicio 2.20 La siguiente tabla muestra la distribucién de sueldos de una empresa. Determine cusintos empleados ganan al menos $595.00. Suponga una distribucién uniforme dentro de cada clase, y que los sueldos se tienen sito en pesos enteros, sin centavos, | Frecuencia | Frecuencia Frecuenci | Limite | Limite | absoluta | acumutada | complementaria Ciase_| inferior | superior | (empleados) | (empleados) | —(empleados) |: 1 | $360.00. | $399.00 258 258 oan i 2 | s40.00 | $439.00 261 sig 1680 : | 3. | saso00 | sa70.00 162 681 1518 4 | $480.00 | $519.00 301 982 1217 s | ss20.00 | $559.06 321 1303 896 ee eed ee ee S 7 | $600.00 | $639.00 208 1852 47 [8 | sei0.00 | ser9.00 | a7 2199 6 Solucion: + ;Cusintos empleados ganan $595.00 0 mas? La figura lo indica 8 Ra ee a MN eS NO Considerando una distribucién uniforme de frecuencias en la sexta clase, el dreu sombreuda en la sexta clase es: | Linite Vay Unidad de : superior ~ “lO” + te variacn : = Frecuencia de ta clase ti Tinie Oniad de * ie | superior ~ inferior * variacin Distrituciones de recuencias 83 0-O-0- + El total de empleados que ganan $595.00 0 mds es: jy = 599 = 595 +I a Ne oo seon1 * (tl) + 208 + 347 13 + 208 + 347 = 508 (La parte proporcional del primer rectngulo sombreado incluye los valores $595.00, $596,00, $597.00, $598.00 y $399.00, de un total de 40 valores diferentes que contiene el in- tervalo, esto es, los Valores $560.00, $561.00, ... $598.00 y $599.00) + Owra forma de resolver este problema es mediante la férmula Limite uy _ Frecuencia + superior Frecuencia complementaria de lactase * “Timite Limite, * te la clase superior ~ inferior En la que: ‘Nixes el nimero de personas que tienen por lo menos x .xes el valor que se desea, del tipo “al menos x”, UVes la unidad de variacién de datos. En este caso, x = 595: la frecuencia complementaria de la clase es $55, la frecuencia de la clase es 341, el limite superior de ta clase es 599, el limite inferior de la clase es 560 y Ja unidad de variaci6n es 1, por lo que: 95 +1 509 = 560+ 1 +34 598 empleados Ejercicio 2.21 La siguiente tabla muestra le distribucién de sueldos de una empresa, Determine eusntos empleados ganan cuando mucho $542.00, Suponga una distribucién uniforme dentro de ‘cada clase. y que los sueldos se tienen sélo en pesos enteros, sin centavos | Limite | Limite | Frecuencia | Frecuencia | Frecuencia inferior superior | absoluta | acumulada | complementaria [_ctsse |) 6) lempleados) | fempleados) | empleados) 1 | 360.00 | 3990 258 258 1941 2 | 400.00 | 439.0 261 519 1680) | 3 | 440.00 | 479.00 162 68! 1518 480.00 | 519.0 301 982 117 | 520.00 | 559.¢0 321 1303 896 | : 6 | 360.00 | 599.00 MI 164d 555 fi 600,00 | 639.00 | 208 1852 MT | i 8 | 640.00 | 67900 | 347 2199 o ~O-C-C— 84 Probabilidad y esta Solucién: ‘+ {Cudntos empleados ganan $542.00 0 menos? La figura lo indica: Sa SM a a ee Considerando una distribucién uniforme de frecuencias en la quinta clase, el érea som- breada en la quinta clase es: Limite Unidad de inferior * variacién Limite Limite Unidad de Valor — + Frecuencia de la clase + El total de empleados que ganan $542.00 0 menos es: Ny = 258 + 261 + 162 + 301 + 55 + 261 + 162 + 301 + 185 = 1167 {La parte proporcional del ultimo recténgulo sombreado incluye 23 valores ($520.00, $521.00, ... $5411.00 y $542.00), de un total de 40 valores diferentes que contiene el interva- Jo, esto es, los valores $526.00, $521.00, ..., $558.00 y $559.00), ] Otra forma de resolver este problems es mediante Ia formula: Frecuencia acumulada — Line superior =y mae + Frecuencia de la clase uv de ta clase superior ~ inferior * En la que: Aves ef mimero de personas que tienen cuando mucho», ves el valor que se desea, del tipo "y 0 menos” UV es la unidad de variacién de los datos, $$ Disttruciomes de frecuencias 85 “0-0-0 eneste caso, y = $42; la frecuencia acumulada de la clase es 1303, la frecuencia de la clase 8 321, el limite superior de la clase es 559, el imite inferior de la clase es 520 y la unidad de variacién es 1, por lo que: 959-542 Ny = 1303 321 » 2232 359 — 520 +1 = 1167 empleados Ejercicio 2.22 La siguiente tabla muestra la distribucién de sueldos de una empresa. Determine cudntos empleados ganan entre $444.00 y $577.00, Suponga una distribucidn uniforme dentro de cada clase, y que los sueldos se tienen slo en pesos enteros, sin centavos. Limite | Limite | Frecuencia | Frecuencia | Freeuen | | inferior | superior | absoluta | acumutada | complement Clase | (8) (8) | (empleados) | (empleados) (empleados) L 7 | j fa 360.00 | 39900 | 258 | 28 | 1941 2 | 400.00 | 439.00 261 si} 1x0 | 3) | 4000 | eron0 ele wien | = cal isis | 4 | 48000 | 51900 301 982 1217 | s | s2000 | ss900 321 1303 496 | 6 | se000 | 59900 341 1044 585 7 | so000 | 63900 | 208 ws | 347 | 8 | sto00 | e900 | a7 2199 | 0 : Solucion: + (Cuantos empleados ganan entre $444.00 y $577.00? La figura lo indica: