Documentos de Académico
Documentos de Profesional
Documentos de Cultura
DEFINICIÓN
Probabilidad de un suceso es el número al que tiende la
frecuencia relativa asociada al suceso a medida que el
número de veces que se realiza el experimento crece.
52 52!
N 2.598.960
5 5!(47)!
por tanto la probabilidad de obtener dos ases y tres sotas en una mano de
póquer de cinco cartas es:
24
P( x) 0,9 x10 5
2.598.960
Experimentos Aleatorios
Un experimento aleatorio es aquel que proporciona diferentes
resultados aun cuando se repita siempre de la misma forma.
Espacio Muestral
Un conjunto de los posibles resultados de un experimento
aleatorio recibe el nombre de espacio muestral del experimento
Evento
Un evento es un subconjunto del espacio muestral de un
experimento aleatorio.
Axiomas de Probabilidades
La probabilidad es un número que se asigna a cada miembro de una
colección de eventos de un experimento aleatorio y que satisface las
siguientes propiedades
1.- P(s) =1
2.- 0 P ( E ) 1
Probabilidad Condicional
La probabilidad condicional de un evento A dado un Evento B, denotada
por P(A\B), es :
Teorema de Bayes
Sea A1,A2,....An un sistema completo de sucesos,
tales que la probabilidad de cada uno de ellos es
distinta de cero, y sea B un suceso cualquier del que
Solución
0.02 D
A
0,40 0.98 N
0,35 0.03 D
B
0.97 N
0,25 0.04 D
C
0.96 N
a.- Para calcular la probabilidad de que la pieza elegida sea defectuosa, P(D)
por la Propiedad de la probabilidad total,
P(D)= P(A)*P(D/A)+P(B)*P(D/B)+P(C)*P(D/C)
P(D)= 0,4*0,02+0,35*0,03+0,25*0,04
P(D)= 0,0285
P(B/D)= P(B)*P(D/B)
P(A)*P(D/A)+P(B)*P(D/B)+P(C)*P(D/C)
P(B/D)= 0,35*0,03
0,4*0,02+0,35*0,03+0,25*0,04
P(B/D)= 0,0105
0,0285
P(B/D)= 0,368
Media aritmética:
La media aritmética o media de un conjunto de N números x1,x2,x3,....,xn
se representa por x y se define como
n
xj
j=1__
x = x1 + x2 +x3 +......+ xn =
N N
n 1 / 2 impar
x n 2 x n / 2 1 par
___________________
2
2
1 n
_
x X i X
2
S
n 1 i 1
S
CV
x
Error estándar:
x
S
x
n
Rango de la Muestra:
3
n n
Xi X
(n 1)(n 2) i 1
S
k
(n 1)(n 2)(n 3) i 1
S
(n 2)(n 3)
tienen:
1.- Sus bases sobre un eje horizontal con centros en las marcas de clase y longitud
medio del intervalo de clase y se obtiene sumando los límites inferior y superior de la
3.- Un polígono de frecuencia es un gráfico de línea trazado sobre las marcas de clase.
Curso : Modelación y Simulación 23
Estadística Descriptiva
Reglas generales para formar la distribución de frecuencias
1.- Determinar el mayor y el menor entre los datos registrados y así encontrar el rango.
2.- Dividir el rango en un número conveniente de intervalos de clase del mismo tamaño,
el número de clases que se emplea para clasificar los datos en un conjunto dependen
pequeño, el número de clase a emplear será cercano a cinco, pero generalmente nunca
menor que este valor. Si existe una cantidad sustancial de datos, el número de clases
número muy pequeño de clases puede ocultar la distribución real del conjunto de datos,
mientras que un número muy grande puede dejar sin observaciones o lagunas de las
IC n
Curso : Modelación y Simulación 25
Estadística Descriptiva
Desviación estandar 12,05147 Mínimo 10
Media 36,53264 Varianza de la muestra 145,238 Máximo 69,9
Error Típico 0,163652 curtosis -0,39836 Suma 198116,5
Mediana 36 coeficiente de asimetría 0,291128 Cuenta 5423
Moda 45,5 Rango 59,9
600 0,035
500 0,03
F r e c u e n c ia
0,025
400
0,02
Frcuencia
300
norm al
0,015
200
0,01
100 0,005
0 0
Velocidad [Km/h]
800 0,035
700 0,03
600
Fre 0,025
cu
en 500
cia 0,02
Frecuencia
400
normal
0,015
300
0,01
200
100 0,005
0 0
10,00 14,47 18,9423,41 27,88 32,35 36,83 41,3045,77 50,24 54,71 59,18 63,65
Velocidad [Km/h]
200 0,035
180
0,03
F r e c u e n c ia
160
140 0,025
120 0,02
Frecuencia
100
0,015 norm al
80
60 0,01
40
0,005
20
0 0
Velocidad [Km/h]
Un número promedio de camiones tanque que llega cada día a cierta ciudad
portuaria es 10. Las instalaciones en el puerto pueden manejar a lo más 15
camiones tanque por día. ¿ Cuál es la probabilidad de que en un día dado los
camiones se tengan que regresar?
Solución
Sea X el número de camiones tanque que llegan cada día.Entonces con el uso de la
tabla de poisson tenemos
15
P(x>15)= 1- P(X15)=1- p ( x;10) = 1-0,9513= 0,0487
x 0
15 1510
P ( x 15) e
10!
Su función de densidad es
Eso es por que en n experimentos (o eventos) hay n sobre x (el coeficiente binomial)
posibilidades para un numero de x éxitos (o aciertos) (probabilidad pk) y n − x no-
éxitos ((1 − p)n − x).
Solución
Suponga que las pruebas son independientes y como p=3/4 para cada una de las 4
pruebas tenemos
2
4 4¡ 32
B(2;4,3/4)= 3 / 4 2
(1 / 4 ) 2
x 27 / 128 =0,2109
2 2¡ x 2¡ 4 4
normal
Curso : Modelación y Simulación 32
Distribución Normal
y su función de distribución es
z1=(40-60)/6 -3,33333333
Los resultados de una prueba objetiva
de selección pasada a 200 personas La probabilidad de obtener puntuación entre 30 y 40 es:
indicaron que la distribución de
puntuaciones era normal, con media 60 0,0000 0,0004
puntos y desviación típica de 6 puntos.
Cada prueba se puntuó con 0 ó 1 con lo cual no hay ningún examinado con una puntuación entre 30 y 40
puntos. Calcular cuántos examinados
han obtenido una puntuación entre 30 y Por otro lado , la mínima puntuación por debajo de la cual está el 75 % de los examinados
40 puntos, y cuál es la mínima
puntuación por debajo de la cual están z normal
el 75 % de los examinados. 0,67 0,7486
0,68 0,7517
se realiza una interpolación
x=(0,0014*0,01)/0,0031 0,00451613
Zx=0,67+0,0045 0,6745
x1=6*zx+60 6*0,6745+60 64
Curso : Modelación y Simulación 42
La mínima puntuación por debajo de la cual está el 75 % de los examinados es 64
Distribución Normal
Media Aritmética
1 n
x xi
n i 1
Mediana
La mediana de un conjunto de observaciones se
ordenan de manera creciente, la mitad de éstas es
menor que este valor y la otra mitad mayor
Moda
La moda de un conjunto de observaciones es el valor de
la observación que ocurre con mayor frecuencia en un
conjunto
Curso : Modelación y Simulación 43
Distribución Normal
Desviación Estándar
1 n
x ( xi x ) 2
n i 1
Coeficiente de Simetría
Esta función caracteriza el grado de asimetría de una
distribución con respecto a su media. La asimetría positiva
indica una distribución unilateral que se extiende hacia valores
más positivos. La asimetría negativa indica una distribución
unilateral que se extiende hacia los valores más negativos
m3 1 n
3 en que m3 ( xi x )3
n i 1
Curso : Modelación y Simulación 44
Distribución Normal
Curtosis
La curtosis representala elevación o achatamiento de una
distribución , Una curtosis positiva indica una distribución
relativamente elevada, mientras que una curtosis negativa
indica una distribución relativamente plana.
m4 1 n
4 en que m4 ( xi x ) 4
n i 1
1-
2 gl,
( 0 E ) 2
2 i i
Ei
6
5
4 4
2 2 2 2
1
20
10
0
5 10 90
Curso : Modelación y Simulación 53
Ejercicio Chi-cuadrado
300
275 263
245
250
225
200
172
175
156
150
125
100
75 67
56
50
23
25 14
1 3
0
Xc
Yc
%( Xc) (Yc)
Ley media Yc 2
e 2
( Xc) *
2 (Yc)
Xc 40 47,712
Yc 1,31
5,886
%( Xc) (Yc) 1 0,0951 0,9049 90,49%
R2pi 2,50659769
2
Yc
e 2
Xc *
2 ( Yc )
( 1 , 31 ) 2
5 , 886 e 2
40 47 , 712 *
2 * 3 ,14 0 , 9049
Curso : Modelación y Simulación 60
Curva tonelaje vs ley
Sx
y rxy x x y
Sy
6,0
5,0
4,0
3,0 Datos
Recta
2,0
Lineal (Recta)
1,0
0,0
0,0 1,0 2,0 3,0 4,0 5,0 6,0
64
Regresión Lineal Múltiple
Supongamos que la variable Y depende de las variables X1,X2,X3,
por analogía con el modelo lineal simple se puede formular el
modelo siguiente
Y 1 X 1 X 2 X 3
i 0 i 2 i 3 i
n
D (Y X 1 X 2 X 3 )2
0 1 i 2 i 3 i
i 1 i
n 0 X 1 1 X 2 2 X 3 3 Y
X 1 0 X 12 1 X 1 X 2 2 X 1 X 3 3 X 1Y
X 2 0 X 2 X 1 1 X 22 2 X 2 X 3 3 X 2Y
X 3 0 X 3 X 1 1 X 3 X 2 2 X 32 3 X 3Y
Ecuaciones 1 B0*n+B1*X1+B2*X2=Y
2 B0*X1+B1*X1*X1+B2*X1*X2=X1*Y
3 B0*X2+B1*X1*X2+B2*X2*X2=X2*Y
Y=B0+B1*x1+B2*X2
68
Regresión Lineal Múltiple
Ecuaciones 1 25*B0 +206*B1 +8294*B2 =725,42 *206
2 206*B0 +2396*B1 +77177*B2 =8001,67 *25
3 8294*B0 +77177*B1 +3531848*B2 =274580,71
B1 = 2,89768839 -12,646644*B2
6942,861377 -30301,36028
223634,8967 -976030,0846
0 137711933 1713068,78
B2 = 0,012439509 57,73041402
B1= 2,740370335 475,6986021 2,309216515
B0= 2,309216561
Y=2,3092+2,7403*X1+0,0124*X2
Y el modelo de regresión
k
Yi= Bo+ j X ij i
j 1
Y1 1 X 11 X 12 ......X 1k 0 1
Y
1 X X ...... X 2k
Y 2 1 y 2
21 22
X
. . . .
Yn 1 X n1 X n 2 ...... X nk k n
L=´= (y-Xβ)´(y-Xβ)
ˆ X T X 1
X tY
Curso : Modelación y Simulación 73
Regresión Lineal Múltiple Matricial
En el ejemplo : x1 x2
9,95 1 2 50
24,45 1 8 110
31,75 1 11 120
35,00 1 10 550
25,02 1 8 295
16,86 1 4 200
14,38 1 2 375
y 9,60 X 1 2 52
24,35 1 9 100
27,50 1 8 300
17,08 1 4 412
37,00 1 11 400
41,95 1 12 500
11,66 1 2 360
21,65 1 4 205
17,89 1 4 400
69,00 1 20 600
10,30 1 1 585
34,93 1 10 540
46,59 1 15 250
44,88 1 15 290
54,12 1 16 510
56,23 1 17 590
22,13 1 6 100
21,15 1 5 400
ECM (ˆ) E ˆ 2
Insesgadez :
Es mínimo cuando E (ˆ) . Y de este modo,
el Error Cuadrático Medio es la varianza del
estimador.
Eficiencia: Dado un tamaño de muestra fijo, se
busca, entre los estimadores, el que menor
varianza tenga.
Curso : Modelación y Simulación 76
Estimación Puntual
Consistencia: Nos dice que, cuando el tamaño de las
muestra se incrementa, el estimador puntual debe estar próximo
al parámetro con probabilidad alta.
Suficiencia: El estimador puntual debe resumir la
información proporcionada por la muestra aleatoria Además no
debe haber pérdida de ésta.
Z 2 pqN
n
NE 2 Z 2 pq
t 2 * p(1 p)
n
m2
n= tamaño de la muestra requerido
T= nivel de fiabilidad (95 % = 1,96)
P=probabilidad de ocurrencia
m=margen de error( 5%=0.05)
Curso : Modelación y Simulación 85
Ejemplo
Se ha determinado que en una población cerca del 30 %(0.3) de los
niños están desnutridos.
Este datos de basa en estadísticas nacionales . Determine con una 95
% de confianza el tamaño de la muestra requerido