Matemtica: Es el estudio de patrones en las estructuras de entes abstractos y en las relaciones entre ellas.

Algunos matemticos se refieren a ella como la Reina de las Ciencias. Segn los Sabios, se dice que la matemtica abarca tres mbitos: Aritmtica. Geometra, incluyendo la Trigonometra y las Secciones cnicas. nlisis matemtico, en el cual se hace uso de letras y smbolos, y que incluye el lgebra, la geometra analtica y el clculo.

Aritmtica Aritmtica es la parte de las matemticas que estudia los nmeros y las operaciones hechas con ellos. Las cuatro operaciones bsicas de la Aritmtica son: Suma Resta Multiplicacin Divisin

Operaciones bsicas: suma, resta, multiplicacin y divisin Todas estas operaciones se verifican a travs de su operacin inversa: la suma con la resta, la multiplicacin con la division Suma Se utiliza para juntar, agregar, unir, etc, 2 o mas cantidades contables de la misma magnitud (categora) La suma o adicin es una operacin aritmtica definida sobre conjuntos de nmeros (naturales, enteros, racionales, reales y complejos) y tambin sobre estructuras asociadas a ellos, como espacios vectoriales con vectores cuyas componentes sean estos nmeros o funciones que tengan su imagen en ellos. En el lgebra moderna se utiliza el nombre suma y su smbolo "+" para representar la operacin formal de un anillo que dota al anillo de estructura de grupo abeliano, o la operacin de un mdulo que dota al mdulo de estructura de grupo abeliano. Tambin se utiliza a veces en teora de grupos para representar la operacin que dota a un conjunto de estructura de grupo. En estos casos se trata de una denominacin puramente simblica, sin que necesariamente coincida esta operacin con la suma habitual en nmeros, funciones, vectores... Propiedades de la suma Propiedad conmutativa: si se altera el orden de los sumandos no cambia el resultado, de esta forma, a+b=b+a. Propiedad asociativa: a+(b+c) = (a+b)+c Elemento neutro: 0. Para cualquier nmero a, a + 0 = 0 + a = a. Elemento opuesto. Para cualquier nmero entero, racional, real o complejo a, existe un nmero a tal que a + (a) = (a) + a = 0. Este nmero a se denomina elemento opuesto, y es nico para cada a. No existe en algunos conjuntos, como el de los nmeros naturales.

Estas propiedades pueden no cumplirse en casos de sumas infinitas. Notacin

Si todos los trminos se escriben individualmente, se utiliza el smbolo "+" (ledo ms). Con esto, la suma de los nmeros 1, 2 y 4 es 1 + 2 + 4 = 7. Tambin se puede emplear el smbolo "+" cuando, a pesar de no escribirse individualmente los trminos, se indican los nmeros omitidos mediante puntos suspensivos y es sencillo reconocer los nmeros omitidos. Por ejemplo: 1 + 2 + 3 + ... + 98 + 99 + 100 es la suma de los cien primeros nmeros naturales. 2 + 4 + 8 + ... + 512 + 1024 es la suma de las diez primeras potencias de 2. En sumas largas e incluso sumas infinitas se emplea un nuevo smbolo, que se llama sumatorio y se representa con la letra griega Sigma mayscula (). Por ejemplo:

es la suma de los cien primeros nmeros naturales.

es la suma de las diez primeras potencias de 2. Suma de fracciones Hay dos casos: Fracciones que tienen el mismo denominador; Fracciones que tienen el distinto denominador Primer caso: la suma de dos ms fracciones que tienen el mismo denominador es muy sencilla, slo hay que sumar los numeradores y se deja el denominador comn. Segundo caso: la suma de dos o ms fracciones con distinto denominador es un poco menos sencilla. Pasos 1. Se haya el mnimo comn mltiplo de los dos denominadores 2 Se calcula el numerador con la frmula: numerador antiguo x denominador comn y dividido por denominador antiguo 3 Se procede como en el primer caso (dado que las fracciones tienen el mimos denominador) Resta Se utiliza para restar, descontar, disminuir, etc., 2 o mas cantidades contables de la misma magnitud (categora) La resta o substraccin es una de las cuatro operaciones bsicas de la aritmtica, y se trata bsicamente de la operacin inversa a la suma. Por ejemplo, si a+b=c, entonces c-b=a. En la resta, el primer nmero se denomina minuendo y el segundo es el sustraendo. El resultado de la resta se denomina diferencia. En el conjunto de los nmeros naturales, N, slo se pueden restar dos nmeros si el minuendo es mayor que el sustraendo. De lo contrario, la diferencia sera un nmero negativo, que por definicin estara excluido del conjunto. Esto es as para otros conjuntos con ciertas restricciones, como los nmeros reales positivos. En matemticas avanzadas no se habla de "restar" sino de "sumar el opuesto". En otras palabras, no se tiene a - b sino a + (-b), donde -b es el elemento opuesto de b respecto de la suma Resta de fracciones

Resta de fracciones que tienen el mismo denominador Para restar dos ms fracciones que tienen el mismo denominador, slo hay que restar los numeradores y se deja el denominador comn. Ejemplo:

Resta de fracciones con distinto denominador 1. Se haya el mnimo comn mltiplo de los dos denominadores:

(mnimo comn mltiplo de 4 y 2) 2. Se calculan los numeradores con la frmula: numerador antiguo (6) x denominador comn (4) y dividido por denominador antiguo (4) ( 6*4/4=6 )

Numerador antiguo (1) x denominador comn (4) y dividido por denominador antiguo (2) ( 1*4/2= 2 )

3. Se procede como en la resta de fracciones de igual denominador (dado que las fracciones tienen el mismo denominador)

Multiplicacin Se utiliza para resolver problemas donde se suman n veces las mismas cantidades. El producto o la multiplicacin es una operacin aritmtica que se puede explicar como una manera de sumar nmeros idnticos. El resultado de la multiplicacin de nmeros se llama producto. Los nmeros que se multiplican se llaman factores o coeficientes, e individualmente como multiplicando (nmero a sumar) y multiplicador (veces que se suma el multiplicando). La multiplicacin se suele indicar con el aspa o el punto centrado . En ausencia de estos caracteres se suele emplear el asterisco *, sobre todo en computacin Definicin La multiplicacin de dos nmeros enteros n y m se define como:

sta no es ms que una forma de simbolizar la expresin "sumar m a s mismo n veces". Puede facilitar la comprensin el expandir la expresin anterior: mn = m + m + m +...+ m

tal que hay n sumandos. As que, por ejemplo: 52 = 5 + 5 = 10 25 = 2 + 2 + 2 + 2 + 2 = 10 43 = 4 + 4 + 4 = 12 m6 = m + m + m + m + m + m Utilizando esta definicin, es fcil demostrar algunas propiedades interesantes de la multiplicacin. Como indican los dos primeros ejemplos, el orden en que se multiplican dos nmeros es irrelevante, lo que se conoce como propiedad conmutativa, y se cumple en general para dos nmeros cualesquiera x e y: xy = yx La multiplicacin tambin cumple la propiedad asociativa, que consiste en que, para tres nmeros cualesquiera x, y y z, se cumple: (xy)z = x(yz) En la notacin algebraica, los parntesis indican que las operaciones dentro de los mismos deben ser realizadas con preferencia a cualquier otra operacin. La multiplicacin tambin tiene lo que se llama propiedad distributiva con la suma, porque: x(y + z) = xy + xz Asimismo: (x + t)(y + z) = x(y + z) + t(y + z) = xy + xz + ty + tz Tambin es de inters que cualquier nmero multiplicado por 1 es igual a s mismo: 1x = x es decir, la multiplicacin tiene un elemento identidad que es el 1. Qu ocurre con el cero? La definicin inicial no ayuda mucho porque 1 es mayor que 0. De hecho, es ms fcil definir el producto por cero utilizando la segunda definicin: m0 = m + m + m +...+ m donde hay cero sumandos. La suma de cero veces m es cero, as que m0 = 0 sin importar lo que valga m, siempre que sea finito. El producto de nmeros negativos tambin requiere reflexionar un poco. Primero, considrese el nmero -1. Para cualquier entero positivo m: (-1)m = (-1) + (-1) +...+ (-1) = -m ste es un resultado interesante que muestra que cualquier nmero negativo no es ms que un nmero positivo multiplicado por -1. As que la multiplicacin de enteros cualesquiera se puede representar por la multiplicacin de enteros positivos y factores -1. Lo nico que queda por definir es el producto de (-1)(-1): (-1)(-1) = -(-1) = 1 De esta forma, se define la multiplicacin de dos enteros. Las definiciones pueden extenderse a conjuntos cada vez mayores de nmeros: primero el conjunto de las fracciones o nmeros racionales, despus a todos los nmeros reales y finalmente a los nmeros complejos y otras extensiones de los nmeros reales. el producto vaco, es decir, multiplicar cero factores, vale 1.

Una definicin recursiva de la multiplicacin puede darse segn estas reglas: x0 = 0 xy = x + x(y-1) donde x es una cantidad arbitraria e y es un nmero natural. Una vez el producto est definido para los nmeros naturales, se puede extender a conjuntos ms grandes, como ya se ha indicado anteriormente. Division Se utiliza para determinar n partes iguales de una cantidad determinada, dividir una magnitud en partes iguales. En matemticas, especificamente en aritmtica elemental, la divisin es una operacin aritmtica que es la inversa de la multiplicacin y a veces puede interpretarse como una resta repetida. En otras palabras, consiste en averiguar cuntas veces un nmero (el divisor) est contenido en otro nmero (el dividendo). En la divisin de nmeros enteros adems del dividendo y el divisor intervienen otros nmeros. As al resultado entero de la divisin se le denomina cociente y si la divisin no es exacta, es decir, el divisor no est contenido un nmero exacto de veces en el dividendo, la operacin tendr un resto, donde: resto = dividendo - cociente divisor Orden de Operaciones Reglas Importantes para Resolver Operaciones Aritmticas: 1. Primero resolver todo lo que est dentro de simbolos de agrupacin. 2. Evaluar las expresiones exponenciales. 3. Hacer todas las multiplicaciones y divisiones en orden de izquierda a derecha. 4. Hacer todas las sumas y restas en orden de izquierda a derecha. Ejemplo:

Propiedades de los Nmeros Reales:

Conmutativa de adicin: La conmutatividad implica que no importa el orden de operacin, el resultado siempre es el mismo.

Por ejemplo: 4+2=2+4 Conmutativa de multiplicacin:

Por ejemplo: 4.2=2.4 Asociativa de adicin: La asociatividad implica que no importa el orden en que se agrupe, el resultado es el mismo.

Por ejemplo: (4 + 2) + 9 = 4 + (2 + 9) Asociativa de multiplicacin:

Por ejemplo: 4 . (2 . 9) = (4 . 2) . 9 Distributiva de multiplicacin sobre adicin:

Por ejemplo: 4 . (2 + 9) = 4 . 2 + 4 . 9 Reglas de los Signos: 1. En suma de nmeros con signos iguales, se suman los nmeros y el resultado lleva el mismo signo. Si los nmeros tienen signos diferentes, se restan y el resultado lleva el signo del mayor. Ejemplo: 5 + 8 = 13

5 + -8 = -3 2. En resta de signos iguales el resultado lleva el signo del mayor. Si se restan signos diferentes, se suman los nmeros y el resultado lleva el signo del mayor. Ejemplo: 5 - 8 = -3 5 - (-8) = 13 3. En multiplicacin y divisin de nmeros con signos iguales el resultado es positivo. Si los nmeros son signos opuestos, el resultado es negativo. Ejemplo: 5 x 8 = 40 5 x -8 = -40 Clculo de porcentajes, regla de tres, potencias y races Porcentaje Un porcentaje es una forma de expresar una proporcin o fraccin como una fraccin de denominador 100, es decir, como una cantidad de centsimas. Es decir, una expresin como "45%" ("45 por ciento") es lo mismo que la fraccin 45/100. "El 45% de la poblacin humana..." es equivalente a: "45 de cada 100 personas..." Un porcentaje puede ser un nmero mayor que 100. Por ejemplo, el 200% de un nmero es el doble de dicho nmero, o un incremento del 100%. Un incremento del 200% dara como resultado el triple de la cantidad inicial. De esta forma, se puede apreciar la relacin que existe entre el aumento porcentual y el producto. Confusin en el uso de los porcentajes Surgen muchas confusiones en el uso de los porcentajes debido a un uso inconsistente o a un mal entendimiento de la aritmtica elemental. Cambios Debido a un uso inconsistente, no siempre est claro por el contexto con qu se compara un porcentaje. Cuando se habla de una subida o cada del 10% de una cantidad, la interpretacin usual es que este cambio es relativo al valor inicial de la cantidad: por ejemplo, una subida del 10% sobre un producto que cuesta 100$ es una subida de 10$, con lo que el nuevo precio pasa a ser 110$. Para muchos, cualquier otra interpretacin es incorrecta. En el caso de los tipos de inters, sin embargo, es prctica comn utilizar los porcentajes de otra manera: supongamos que el tipo de inters inicial es del 10%, y que en un momento dado sube al 20%. Esto se puede expresar como una subida del 100% si se calcula el aumento con respecto del valor inicial del tipo de inters. Sin embargo, mucha gente dice en la prctica que "los tipos de inters han subido un 10%", refirindose a que ha subido en un 10% sobre el 100% adicional al 10% inicial (20% en total), aunque en la expresin usual de los porcentajes debera querer decir una subida del 10% sobre el 10% inicial (es decir, un total del 11%). Para evitar esta confusin, se suele emplear la expresin "punto porcentual". As, en el ejemplo anterior, "los tipos de inters han subido en 10 puntos porcentuales" no dara lugar a confusin, sino que todos entenderan que los tipos estn actualmente en el 20%. Tambin se emplea la expresin "punto base", que significa la centsima parte de un punto porcentual (es decir, una parte entre diez mil). As, los tipos de inters han subido en 1000 puntos base. Cancelaciones

Un error comn en el uso de porcentajes es imaginar que una subida de un determinado porcentaje se cancela con una cada del mismo porcentaje. Una subida del 50% sobre 100 es 100 + 50, o 150, pero una reduccin del 50% sobre 150 es 150 - 75, o 75. En general, el efecto final de un aumento seguido de una reduccin proporcionalmente igual es: (1 + x)(1 - x) = 1 - x es decir, una reduccin proporcional al cuadrado del cambio porcentual. Los que tenan acciones punto como en el momento de la crisis acabaron comprendiendo que, aunque una accin haya cado un 99%, puede volver a caer otro 99%. Adems, si sube por un porcentaje muy grande, seguir perdindolo todo si un da la accin reduce su valor en un 100%, porque entonces no valdr nada. Regla de tres La regla de tres es una relacin que se establece entre tres (o ms) valores conocidos y una incgnita. Normalmente se usa cuando se puede establecer una relacin de linealidad (proporcionalidad) entre todos los valores involucrados (anlogo para proporcionalidad inversa). Normalmente se representa de la siguiente forma: A-B X-C Siendo A, B y C valores conocidos y X la incgnita cuyo valor queremos averiguar. Esto se lee de la siguiente manera: A es a B como X es a C. La posicin de la incgnita puede variar, por supuesto. As por ejemplo para pasar 60 grados a radianes podramos establecer la siguiente regla de tres: 360 - 2 60 - X potencia y raiz Notacin Exponencial La notacin exponencial se usa para repetir multiplicaciones de un mismo nmero. Es la elevacin a la ensima potencia (n) de una base (X).

Ejemplos:

Raz cuadrada En matemticas, la raz cuadrada de un nmero real no negativo x es el nmero real no negativo que, multiplicado con s mismo, da x. La raz cuadrada de x se denota por x. Por ejemplo, 16 = 4, ya que 4 4 = 16, y 2 = 1,41421... . Las races cuadradas son importantes en la resolucin de ecuaciones cuadrticas. La generalizacin de la funcin raz cuadrada a los nmeros negativos da lugar a los nmeros imaginarios y al campo de los nmeros complejos.

El smbolo de la raz cuadrada se emple por primera vez en el siglo XVI. Se ha especulado con que tuvo su origen en una forma alterada de la letra r minscula, que representara la palabra latina "radix", que significa "raz". Propiedades Las siguientes propiedades de la raz cuadrada son vlidas para todos los nmeros positivos x, y:

para todo nmero real x (vase valor absoluto)

La funcin raz cuadrada, en general, transforma nmeros racionales en nmeros algebraicos; x es racional si y slo si x es un nmero racional que puede escribirse como fraccin de dos cuadrados perfectos. Si el denominador es 1 = 1, entonces se trata de un nmero natural. Sin embargo, 2 es irracional. La funcin raz cuadrada transforma la superficie de un cuadrado en la longitud de su lado. Propiedades de los nmeros Un nmero es un smbolo que representa una cantidad. Los nmeros son ampliamente utilizados en matemticas, pero tambin en muchas otras disciplinas y actividades, as como de forma ms elemental en la vida diaria. El nmero es tambin una entidad abstracta con la que se describe una cantidad. Los nmeros ms conocidos son los nmeros naturales 0, 1, 2, ..., que se usan para contar. Si aadimos los nmeros negativos obtenemos los enteros. Cocientes de enteros generan los nmeros racionales. Si incluimos todos los nmeros que son expresables con decimales pero no con fracciones de enteros, obtenemos los nmeros reales; si a stos les aadimos los nmeros complejos, tendremos todos los nmeros necesarios para resolver cualquier ecuacin algebraica. Podemos ampliar an ms los nmeros, si aadimos los infinitos y los transfinitos. Entre los reales, existen nmeros que no son soluciones de una ecuacin polinomial o algebraica. Reciben el nombre de transcendentales. El ejemplo ms famoso de estos nmeros es (Pi), otro ejemplo fundamental e igual de importante es e, base de los logaritmos naturales. Estos dos nmeros estn relacionados entre si por la identidad de Euler, tambin llamada la frmula ms importante del mundo. Existe toda una teora de los nmeros. Se distinguen distintos tipos de nmeros: Nmeros naturales . conjunto de numeros que utilizamos para contar cantidades enteras positivas o o o o o o Tiene como primer elemento el cero Cualquier numero puede ser escrito con los numero del sistema decimal Es un conjunto infinito Todos los numeros tienen su siguente No existen numeros intermedios entre un numero y sus siguiente Todos los numeros naturales cumplen con las relaciones de orden y comparacin.

Nmero primo Nmeros compuestos

Nmeros perfectos Nmeros enteros Nmeros pares Nmeros impares Nmeros racionales Nmeros reales Nmeros irracionales Nmeros algebraicos Nmeros trascendentes Nmeros complejos Cuaterniones Nmeros infinitos Nmeros transfinitos Nmeros fundamentales: y e

El estudio de ciertas propiedades que cumplen los nmeros ha producido una enorme cantidad de tipos de nmeros, la mayora sin un inters matemtico especfico. A continuacin se indican algunos: Narcisista: Nmero de n dgitos que resulta ser igual a la suma de las potencias de orden n de sus dgitos. Ejemplo: 153 = 1 + 5 + 3. Omirp: Nmero primo que al invertir sus dgitos da otro nmero primo. Ejemplo : 1597 y 7951 son primos. Vampiro: Nmero que se obtiene a partir del producto de dos nmeros obtenidos a partir de sus dgitos. Ejemplo: 2187 = 27 x 81. Una vez entendido el problema de la naturaleza y la clasificacin de los nmeros, surge otro, ms prctico, pero que condiciona todo lo que se va a hacer con ellos: la manera de escribirlos. El sistema que se ha impuesto universalmente es la numeracin de posicin gracias al invento del cero, con una base constante. lgebra El lgebra es la rama de las matemticas que tiene por objeto de estudio la generalizacin del clculo aritmtico mediante expresiones compuestas de constantes (nmeros) y variables (letras). Etimolgicamente, proviene del rabe (tambin nombrado por los rabes Amucabala)( yebr) (al-dejaber), con el significado de reduccin, operacin de ciruga por la cual se reducen los huesos luxados o fraccionados (algebrista era el mdico reparador de huesos). El lgebra lineal tiene sus orgenes en el estudio de los vectores en el plano y en el espacio tridimensional cartesiano. Aqu, un vector es un segmento, caracterizado por su longitud (o magnitud) y direccin. Los vectores pueden entonces utilizarse para representar ciertas magnitudes fsicas, como las fuerzas, pueden sumarse y ser multiplicados por escalares, formando entonces el primer ejemplo de espacio vectorial real. Hoy da, el lgebra lineal se ha extendido para considerar espacios de dimensin arbitraria o incluso de dimensin infinita. Un espacio vectorial de dimensin n se dice que es n-dimensional. La mayora de los resultados encontrados en 2 y 3 dimensiones pueden extenderse al caso ndimensional. A mucha gente le resulta imposible la visualizacin mental de los vectores de ms de tres dimensiones (o incluso los tridimensionales). Pero los vectores de un espacio n-dimensional

pueden ser tiles para representar informacin: considerados como n-tuplas, es decir, listas ordenadas de n componentes, pueden utilizarse para resumir y manipular informacin eficientemente. Por ejemplo, en economa, se pueden crear y usar vectores octo-dimensionales u 8-tuplas para representar el Producto Interno Bruto de 8 pases diferentes. Se puede simplemente mostrar el PIB en un ao en particular, en donde se especifica el orden que se desea, por ejemplo, (Estados Unidos, Reino Unido, Francia, Alemania, Espaa, India, Japn, Australia), utilizando un vector (v1, v2, v3, v4, v5, v6, v7, v8) en donde el PIB de cada pas est en su respectiva posicin. Un espacio vectorial (o espacio lineal), como concepto puramente abstracto en el que podemos probar teoremas, es parte del lgebra abstracta, y est bien integrado en ella. Por ejemplo, con la operacin de composicin, el conjunto de aplicaciones lineales de un espacio vectorial en s mismo (endomorfismos) tiene estructura de anillo, y el subconjunto de las aplicaciones lineales que son invertibles (los automorfismos) tiene estructura de grupo. El lgebra Lineal tambin tiene un papel importante en el clculo, sobre todo en la descripcin de derivadas de orden superior en el anlisis vectorial y en el estudio del producto tensorial (en fsica, buscar momentos de torsin) y de las aplicaciones antisimtricas. Un espacio vectorial se define sobre un cuerpo, tal como el de los nmeros reales o en el de los nmeros complejos. Una aplicacin (u operador) lineal hace corresponder los vectores de un espacio vectorial con los de otro (o de l mismo), de forma compatible con la suma o adicin y la multiplicacin por un escalar definidos en ellos. Elegida una base de un espacio vectorial, cada aplicacin lineal puede ser representada por una tabla de nmeros llamada matriz. El estudio detallado de las propiedades de las matrices y los algoritmos aplicados a las mismas, incluyendo los determinantes y autovectores, se consideran parte del lgebra lineal. En matemticas los problemas lineales, aquellos que exhiben linealidad en su comportamiento, por lo general pueden resolverse. Por ejemplo, en el clculo diferencial se trabaja con una aproximacin lineal a funciones. La distincin entre problemas lineales y no lineales es muy importante en la prctica. Algunos Teoremas tiles Todo espacio lineal tiene una base (Esta afirmacin es lgicamente equivalente al Axioma de eleccin) Una matriz A no nula con n filas y n columnas es no singular (inversible) si existe una matriz B que satisface AB = BA = I donde I es la matriz identidad. Una matriz es inversible si y solo si su determinante es distinto de cero. Una matriz es inversible si y solo si la transformacin lineal representada por la matriz es un isomorfismo (vea tambin matriz inversible para otras afirmaciones equivalentes) Una matriz es positiva semidefinida si y solo si cada uno de sus eigenvalores son mayores o iguales a cero Una matriz es positiva definida si y solo si cada uno de sus eigenvalores son mayores a cero. Literales y exponentes Una literal es una representacin general de una cierta magnitud. Por ejempo: el area de un rectangualo es igual a : A= bh donde A, b y H son literales. Expresiones Algebraicas Las expresiones algebraicas se clasifican segn su nmero de trminos. monomio = un solo trmino.

Por ejemplo:

binomio = suma o resta de dos monomios. Por ejemplo:

trinomio = suma o resta de tres monomios. Por ejemplo:

polinomio = suma o resta de cualquier nmero de monomios.

Reglas de los Exponentes: Para multiplicar factores exponenciales que tienen la misma base y los exponentes son enteros positivos diferentes.

Ejemplo:

Para multiplicar factores que tienen base diferente y exponentes iguales, el exponente se queda igual.

Ejemplo:

En divisin, si tienen la misma base y los exponentes son enteros positivos diferentes, se restan los exponentes. Las variables m y n son enteros positivos , m > n.

Ejemplo:

En suma y resta, solo se procede si son trminos similares, en otras palabras lo que difiere es su coeficiente numrico. Productos notables y factorizacin Productos Notables

Cuadrado de la suma de dos cantidades El cuadrado de la suma de dos cantidades es igual al cuadrado de la primera cantidad ms el doble de la primera cantidad por la segunda ms el cuadrado de la segunda cantidad. Cuadrado de la diferencia de dos cantidades El cuadrado de la suma de dos cantidades es igual al cuadrado de la primera cantidad menos el doble de la primera cantidad por la segunda ms el cuadrado de la segunda cantidad. Producto de la suma por la diferencia de dos cantidades El producto de la suma por la diferencia de dos cantidades es igual al cuadrado de la primera cantidad menos el cuadrado de la segunda Cubo de un binomio El cubo de la suma de dos cantidades es igual al cubo de la primera cantidad mas el triple del cuadrado de la primera por la segunda mas el triple del cuadrado de la segunda por la primera mas el segundo al cubo. El cubo de la diferencia de dos cantidades es igual al cubo de la primera cantidad menos el triple del cuadrado de la primera por la segunda mas el triple del cuadrado de la segunda por la primera menos el segundo al cubo. Cocientes Notables Cociente de la diferencia de los cuadrados de dos cantidades entre la suma o la diferencia de las cantidades La diferencia de los cuadrados de dos cantidades divididas entre la suma de las cantidades es igual a la diferencia de las cantidades. La diferencia de los cuadrados de dos cantidades entre la diferencia de las cantidades es igual a la suma de las cantidades. Factorizacin de Polinomios Factorizar un polinomio es el primer mtodo para obtener las races o ceros de la expresin. Para factorizar se comienza con una regla que te permite desarrollar la destreza, para aplicarla a ejercicios de mayor dificultad. Se buscan dos factores o nmeros cuyo producto sea el ltimo trmino y a la vez sumados o restados den como resultado el coeficiente del trmino del medio. Esta regla aplica solo a ecuaciones cuadrticas cuyo coeficiente de la variable elevado al cuadrado es 1. Si el coeficiente de la variable elevada al cuadrado no fuese 1, la manera de factorizar sera tanteando hasta poder lograr la factorizacin. Muchas veces la factorizacin es simplemente reconocer factores comunes. Se puede utilizar tambin la inversa de las frmulas de productos especiales. O sea, expresamos el polinomio como una multiplicacin o un producto, usando las frmulas a la inversa. Completando el Cuadrado Completando el cuadrado es el segundo mtodo para obtener las races o ceros de un polinomio. El proceso es el siguiente:

1. Primero mueves el tercer trmino con signo opuesto al lado contrario de la igualdad. 2. Luego, vas a calcular el trmino que te permite crear tu cuadrado de la siguiente forma: selecciona el coeficiente de la variable que est elevada a la 1, se divide entre dos y elevarlo al cuadrado. 3. Este resultado lo sumars a ambos lados de la expresin. 4. Despus, la raz cuadrada del primer trmino, el operador (signo) del medio y la raz cuadrada del ltimo termino, todo elevado al cuadrado es igual a la suma de la derecha. 5. Luego, sacas raz cuadrada a ambos lados, observando que hay dos posibles soluciones, el caso positivo y el caso negativo. 6. Por ltimo despejas por la variable y esas son las races o ceros del polinomio. Como ejemplo vamos a utilizar el ejercicio .

Casos de factorizacin Caso 1 - Factor comn Cuando se tiene una expresin de dos o ms trminos algebraicos y si se presenta algn trmino comn, entonces se puede sacar este trmino como factor comn. Caso 2 - Factor por agrupacin de trminos En una expresin de dos, cuatro, seis o un nmero par de trminos es posible asociar por medio de parntesis de dos en dos o de tres en tres o de cuatro en cuatro de acuerdo al nmero de trminos de la expresin original. Se debe dar que cada uno de estos parntesis que contiene dos, o tres o mas trminos se le pueda sacar un factor comn y se debe dar que lo que queda en los

parntesis sea lo mismo para todos los parntesis o el factor comn de todos los parntesis sea el mismo y este ser el factor comn. Caso 3 - Trinomio cuadrado perfecto Una expresin se denomina trinomio cuadrado perfecto cuando consta de tres trminos donde el primero y tercer trminos son cuadrados perfectos (tienen raz cuadrada exacta) y positivos, y el segundo trmino es el doble producto de sus races cuadradas. Se extrae la raz cuadrada del primer y tercer trmino y se separan estas races por el signo del segundo trmino. El binomio as formado se eleva al cuadrado. Caso 4 - Diferencia de cuadrados perfectos Dos cuadrados que se estn restando es una diferencia de cuadrados. Para factorizar esta expresin se extrae la raz cuadrada de los dos trminos y se multiplica la resta de los dos trminos por la suma de los dos. Caso especial: Se puede presentar que uno o los dos trminos de la diferencia contenga mas de un trmino. Caso especial: Se puede dar una expresin de cuatro trminos donde tres de ellos formen un trinomio cuadrado perfecto que al ser factorizado y combinado con el cuarto trmino se convierta en una diferencia de cuadrados, o pueden ser seis trminos que formen dos trinomios cuadrados perfectos y al ser factorizados formen una diferencia de cuadrados. Caso 5 - Trinomio cuadrado perfecto por adicin y sustraccin Algunos trinomios no cumplen las condiciones para ser trinomios cuadrados perfectos, el primer y tercer trmino tienen raz cuadrada perfecta pero el trmino de la mitad no es el doble producto de las dos races. Se debe saber cuanto debe ser el doble producto y la cantidad que falte para cuadrar el trmino de la mitad, esta cantidad se le suma y se le resta al mismo tiempo, de tal forma se armara un trinomio cuadrado y factorizado unido con el ltimo trmino tendremos una diferencia de cuadrados. Caso especial: factorar una suma de cuadrados, se suma el trmino que hace falta para formar un trinomio cuadrado perfecto y al mismo tiempo se resta esta misma cantidad, as tendremos un trinomio cuadrado perfecto enseguida una diferencia de cuadrados. Caso 6 - Trinomio de la forma x +bx+c Esta clase de trinomio se caracteriza por lo siguiente: El primer trmino tiene como coeficiente 1 y la variable esta al cuadrado. El segundo trmino tiene coeficiente entero de cualquier valor y signo y la misma variable. El tercer trmino es independiente (no contiene la variable). Para factorar este trinomio se deben abrir dos factores que sean binomios, y donde el primer trmino de cada binomio es la variable y el segundo trmino en cada uno de los factores (parntesis), son dos nmeros , uno en cada parntesis de tal forma que la suma de los dos del
2

coeficiente del segundo trmino del trinomio y la multiplicacin de los dos del tercer trmino del trinomio, el signo del segundo trmino de cada factor depende de lo siguiente: Si el signo del tercer trmino es negativo, ento nces uno ser positivo y el otro negativo, el mayor de los dos nmeros llevara el signo del segundo trmino del trinomio y el otro nmero llevara el signo contrario. Si el signo del tercer trmino es positivo, enton ces los dos signos sern iguales (positivos o negativos), sern el signo del segundo trmino del trinomio.

Caso 7 - Trinomio de la forma

Este trinomio se diferencia del trinomio cuadrado perfecto en que el primer trmino puede tener coeficiente diferente de 1. Se procede de la siguiente forma: Se multiplica todo el trinomio por el coeficiente del primer trmino, de esta forma se convierte en un trinomio de la forma:

y se divide por el mismo coeficiente. Se factoriza el trinomio en la parte superior del fraccionario y se simplifica con el nmero que esta como denominador. Caso 8 - Cubo perfecto de binomios Podemos asegurar que una expresin algebraica es un cubo perfecto si cumple las siguientes condiciones: Posee cuatro trminos

El primer y cuarto trmino son cubos perfectos (t ienen races cbicas exactas). El segundo termino sea el triple del cuadrado de la raz cbica del primer trmino multiplicado por la raz cbica del ltimo trmino. El tercer termino sea el triple del cuadrado de l a raz cbica del ltimo trmino -multiplicado por la raz cbica del primer trmino. Los signos son todos mas o tambin podra ser pos itivo el primero y el tercero y negativo el segundo y el cuarto. Para factorizar un cubo perfecto se forma un binomio y se eleva al cubo, el primer trmino del binomio es la raz cbica del primer trmino y el segundo trmino es la raz cbica del ltimo trmino. El signo del segundo trmino es mas si todos los signos del cubo son mas y es menos si los signos del segundo y cuarto trmino del cubo son menos. Caso 9 - Suma o diferencia de cubos perfectos

Su nombre lo indica, se reconoce por ser la suma o la resta de dos cubos. Su solucin ser dos factores, el primero de ellos es un binomio formado por las dos races cbicas de los trminos dados, el segundo factor esta formado por tres trminos as: la priemra raz al cuadrado, la primera raz por la segunda y la segunda raz al cuadrado. Los signos pueden ser de dos formas acuerdo a lo siguiente:

Caso 10 - Suma o diferencia de dos potencias iguales Resumamos en la siguiente tabla las posibilidades: Para an-bn con n = par o impar la factorizacin ser:

Para an-bn con n = par la factorizacin ser:

Para an+bn con n = impar la factorizacin ser:

Ecuaciones de primer y segundo grados Se llaman ecuaciones a igualdades en las que aparecen nmero y letras (incgnitas) relacionados mediante operaciones matemticas. Por ejemplo: 3x - 2y = x + 1 Son ecuaciones con una incgnita cuando aparece una sla letra (incgnita, normalmente la x). Por ejemplo: x + 1 = x + 4 Se dice que son de primer grado cuando dicha letra no est elevada a ninguna potencia (por tanto a 1). Ejemplos : 3x + 1 = x - 2 1 - 3x = 2x - 9. x - 3 = 2 + x.
2 2

x/2 = 1 - x + 3x/2 Ecuaciones de segundo grado con una incgnita Las ecuaciones de segundo grado o cuadrticas son aquellas en las que la variable est elevada al cuadrado, el siguiente es un ejemplo de una ecuacin cuadrtica:

La ecuacin solo tiene una incgnita, y sta se encuentra elevada a la 1 y al cuadrado, adems hay trminos independientes (nmeros). Las ecuaciones de segundo grado tienen dos soluciones o ninguna. Este es un ejemplo de una ecuacin cuadrtica completa, ya que posee coeficientes distintos de cero en los trminos cuadrticos (x^2), lineales (x^1) e independientes (x^0). Veamos entonces algunos ejemplos de ecuaciones cuadrticas incompletas:

Esta ecuacin es muy fcil de resolver, ya que no se encuentra presente el trmino lineal:

Pero las ecuaciones cuadrticas tienen siempre dos soluciones, o bien ninguna, as que en este caso una raz cuadrada genera dos soluciones, una con signo positivo y otra negativo:

Y esto es cierto ya que tanto 2 como -2 elevados al cuadrado dan 4, as que siempre que calculemos la solucin de una raz cuadrada se debe tener en cuenta que sta genera dos signos. Esto suele expresarse de la siguiente manera:

Esto es un poco confuso pero en realidad nos dice que hay dos soluciones, vemos que ambas soluciones verifican la ecuacin inicial. Veamos ahora otro caso, si la ecuacin tiene trminos cuadrticos y lineales, pero no tiene trminos independientes:

En este caso sacamos factor comn X y razonamos de la siguiente forma:

Para que el primer miembro se haga 0 solo hay 2 alternativas: x es igual a 0 o (x+4) es igual a 0. De aqu se obtienen las dos soluciones (que llamamos X1 y X2):

Vemos que las soluciones verifican. Finalmente vamos al caso ms complejo que es el que tenamos inicialmente:

Es muy difcil despejar x de esta ecuacin (pero no imposible como veremos ms adelante). Para resolverla se utiliza una frmula muy famosa, la frmula de las soluciones de la ecuacin de segundo grado, la cual es atribuda a un ind de apellido Baskara, en primer lugar hay que pasar todos los trminos a un lado de la expresin de manera que quede igualada a cero. En segundo lugar se identifican tres coeficientes llamados a, b y c (a=coeficiente cuadrtico, b=coeficiente linearl, c=trmino independiente). La ecuacin debe expresarse de la forma:

Por lo tanto operamos con la ecuacin hasta llevarla a este formato (a, b y c son nmeros en definitiva).

Comparando encontramos que:

La frmula que da las soluciones es la siguiente:

Frmula de Baskara As que reemplazando los valores a, b y c:

Con lo cual obtenemos 2 soluciones, (ambas verifican la ecuacin), una con el signo + y otra con el -

Puede darse el caso que la ecuacin no tenga solucin (cuando queda una raz negativa). El tema es: de dnde sac Baskara esta frmula?, bueno, en realidad es sencillo, l encontr la forma de construir un trinomio cuadrado perfecto (tercer caso de factoreo), aplicando algunos "truquillos". Frmula de Baskara - Demostracin Ahora viene la parte divertida, la demostracin. En primer lugar hay que llevar la ecuacin a la forma:

Luego se multiplica todo por 4a (la igualdad se mantiene desde luego):

Ahora sumamos y restamos b^2, de esta manera no cambia nada tampoco:

Ahora observemos los primeros 3 trminos, se trata de un trinomio cuadrado perfecto, as que factoreando se obtiene:

Y ahora es fcil despejar X:

Pero como vimos antes una raz arroja 2 resultados, uno positivo y uno negativo as que queda:

Esta ltima es la famosa frmula que nos da las soluciones para X. Proporciones y desigualdades Desigualdades algebraicas Definiciones:

Ley de la tricotoma:

"Para cada par de nmeros reales a y b, es verdadera una, y solamente una, de las proposiciones:

Propiedades de las desigualdades Teorema1-Propiedad transitiva:

Ejemplo ilustrativo:

Teorema2-Suma:

Ejemplo ilustrativo:

Teorema3-Multiplicacin por un nmero positivo:

Ejemplo ilustrativo:

Teorema4:

Ejemplo ilustrativo:

Los Teoremas 1 a 4 tambin son vlidos si se cambia ">" por "<"

Teorema5:

Teorema6:

"Si se cambia el signo de ambos miembros de una desigualdad, se cambia el sentido de la desigualdad". Teorema7:

Teorema8:

Teorema9:

Teorema10:

Teorema11:

Geometra La geometra es la matemtica que estudia idealizaciones del espacio: los puntos, las rectas, los planos y otros elementos conceptos derivados de ellos, como polgonos o poliedros. Origen y desarrollo de la geometra: Todo comenz en Egipto El ser humano necesit contar, y cre los nmeros; quiso hacer clculos, y defini las operaciones; hizo relaciones, y determin las propiedades numricas. Por medio de lo anterior, ms el uso de la lgica, obtuvo los instrumentos adecuados para resolver las situaciones problemticas surgidas a diario. Adems de esos requerimientos prcticos, el hombre precis admirar la belleza de la creacin para satisfacer su espritu. Con ese fin, observ la naturaleza y todo lo que le rodeaba. As fue ideando conceptos de formas, figuras, cuerpos, lneas, los que dieron origen a la parte de la matemtica que designamos con el nombre de geometra. El ro Nilo La palabra geometra est formada por las races griegas: "geo", tierra, y "metrn", medida, por lo tanto, su significado es "medida de la tierra". Segn lo registra la historia, los conceptos geomtricos que el hombre ide para explicarse la naturaleza nacieron -en forma prctica- a orillas del ro Nilo, en el antiguo Egipto. Las principales causas fueron tener que remarcar los lmites de los terrenos ribereos y construir diques paralelos para encauzar sus aguas. Esto, debido a los desbordes que causaban las inundaciones peridicas.

El aporte griego Quienes dieron carcter cientfico a la geometra fueron los griegos, al incorporar demostraciones en base a razonamientos. Tales de Mileto (600 a.d.C.) inici esta tendencia, al concebir la posibilidad de explicar diferentes principios geomtricos a partir de verdades simples y evidentes. Euclides (200 a.d.C.) le dio su mximo esplendor a esta corriente cientfica. Recogi los fundamentos de la geometra y de la matemtica griega en su tratado Elementos. Representemos los conceptos Hay conceptos geomtricos que no pueden definirse. Son ideas formadas en nuestra mente a travs de la observacin del entorno y solamente podemos hacer representaciones concretas de ellas. Las llamaremos trminos primitivos o conceptos primarios y son: espacio, punto, recta y plano. Espacio Es el conjunto universo de la geometra. En l se encuentran todos los dems elementos. Dentro de l determinamos cuerpos geomtricos como cajas, planetas, esferas, etctera. Su smbolo es: E Punto El punto tiene posicin en el espacio. Su representacin ms cercana es el orificio que deja un alfiler en una hoja de papel o en un granito de arena, pero debemos tener en cuenta que no tiene grosor. En el espacio hay infinitos puntos. Los identificaremos con una letra mayscula y para reconocerlos usaremos Por ejemplo: A se lee punto A, x M se lee punto M. o x.

Si unimos diferentes puntos, obtendremos lneas que pueden ser curvas, rectas, mixtas o poligonales. Son curvas si, al unirse los puntos, siguen distintas direcciones; rectas, si llevan la misma direccin; mixtas, si mezclan ambas; y poligonales, si estn formadas solamente por trozos de rectas.

Plano y Recta:Infinitos puntos La unin de infinitos puntos da origen a los otros dos principios bsicos de la geometra: plano y recta. La representacin ms cercana de la recta es un hilo tenso o la marca que deja un lpiz en un papel. Es infinita, porque sus extremos son ilimitados y en ella hay infinitos puntos. La identificaremos con el dibujo Una recta puede tener direccin:

Horizontal: Vertical:

como la lnea del horizonte. como el hilo a plomo.

Oblicua:

cuando es distinta a las dos anteriores.

Las rectas se nombran con dos letras maysculas y sobre ellas se anota su smbolo. Por ejemplo: AB, se lee recta AB. Tambin se usa una L una R, especialmente en los casos en que deban distinguirse varias rectas. Veamos: DE es una recta oblicua.

L es una recta vertical.

Plano Lo ms parecido a este elemento del espacio es una hoja de papel, pero lo diferencia con sta, el hecho que es ilimitado y no tiene grosor. El plano es una superficie infinita, formada por infinitos puntos que siguen una misma direccin, es decir, hay rectas que quedan totalmente incluidas en ella. El smbolo de plano es P y para nombrarlo debe estar acompaado de, por lo menos, tres puntos. Las paredes de nuestra casa, el pavimento de las calles, la superficie de una laguna, son representaciones de planos. Es importante saber que en un plano podemos encontrar puntos y rectas, y obtener figuras geomtricas. Hay planos horizontales, verticales y oblicuos. Cuando en una superficie no quedan rectas totalmente incluidas en ella, decimos que es curva. Una representacin de esto sera una bandera flameando Clculo de permetros, reas y volmenes El permetro de una figura bidimensional es la distancia que hay alrededor de ella. El permetro de un polgono es igual a la suma de todos sus lados. El permetro de un polgono regular es igual a la la longitud de uno de los lados multiplicada por el nmero de lados.

La longitud de una circunferencia, o su permetro, es igual a 2r, donde r es el radio y es una constante que tiene un valor aproximadamente igual a 3,1416. Llamamos rea o superficie a la medida de la regin interior de un polgono. Recordemos que la regin interior es la parte del plano que queda encerrada por los lados del polgono. Observa:

Este polgono de 9 lados, es decir, un enegono, tiene pintada de azul su regin interior. Los puntos de la regin interior no se intersectan con la regin exterior, porque tienen una frontera: los lados que forman el polgono. Una necesidad y un problema El hombre tuvo necesidad de medir la superficie de los terrenos que sembraba. Para hacerlo, ide un sistema utilizando los elementos que tena a su alcance. El mtodo consisti en colocar cada elemento sobre la tierra para ver cuntas veces caba en la superficie que quera medir, como si pusiera baldosas sobre ella. Pero se le present una dificultad, debido a que las medidas que usaba eran arbitrarias. Es decir, cada persona tena una base diferente, y media de acuerdo a su propio parecer, sin ponerse de acuerdo con los dems. Por ejemplo... Para que entiendas mejor lo anterior, lo veremos graficado con un ejemplo. Vamos a medir el rea de una figura, utilizando elementos diferentes. Esta es nuestra figura:

Primero mediremos el rea de este rectngulo, tomando como medida base una baldosa roja.

La baldosa roja cabe 9 veces en nuestro rectngulo, entonces su rea es de 9 baldosas rojas. Ahora, mediremos con una baldosa diferente, la que identificaremos con el color verde. As:

La baldosa verde cabe 16 veces en el rectngulo. El rea corresponde a 16 baldosas verdes.

El rectngulo es el mismo, pero las baldosas son diferentes. Por lo tanto, los resultados de la medicin tambin fueron distintos. Cuadrados y rectngulos Dibujaremos un cuadrado de 3 cm. y colocaremos sobre l centmetros cuadrados.

Obtuvimos 9 cm2, lo mismo que si multiplicamos lado por lado, de este modo: 3 cm 3 cm = 9 cm2 Si llamamos a al lado del cuadrado, podemos concluir que: el rea de un cuadrado es a a = a2 El rea de un rectngulo se calcula de forma semejante; lo nico que cambia es que las medidas de los lados son distintas. Al largo, lo denominaremos a, y al ancho, b. Calcularemos el rea del siguiente rectngulo con centmetros cuadrados.

El rea equivale a 8 cm2. Matemticamente se puede obtener multiplicando largo por ancho. En frmula, el rea de un rectngulo es a b Rombos y romboides Estos paralelgramos no tienen ngulos rectos, por lo que en ellos no se puede aplicar la misma frmula. Para calcular su rea, recurriremos a un elemento secundario: la altura, un segmento perpendicular (forma ngulos de 90 que une un lad o con su vrtice opuesto. )

En el rombo y romboide dibujados, DE corresponde a la altura. Por qu necesitamos la altura para calcular el rea? Trazaremos una paralela a la altura desde C y prolongaremos el lado AB hasta obtener F. Se form un BFC, congruente con AED y nos qued el rectngulo EFCD

El rectngulo formado tiene como largo el lado del rombo o romboide, y su ancho es la altura dibujada. Entonces, concluimos que: El rea del rombo o romboide = b h ---> b= base, y h = altura En resumen, cualquier paralelgramo tiene una sola frmula para calcular su rea, ya que en el cuadrado y en el rectngulo un lado es la base y el otro, la altura. Entonces: rea de un paralelgramo = b h Calcularemos el rea de un rombo que tiene 4,6 cm. por lado y su altura es de 3 cm. Aplicamos la frmula: rea rombo = b h rea rombo = 4,6 cm 3 cm. rea rombo = 13,8 cm2 Trapecios Sabemos que los trapecios son cuadrilteros que tienen un par de lados paralelos llamados bases. Sus lados, es decir, los no paralelos, no son perpendiculares a las bases, salvo el trapecio rectngulo que tiene perpendicular uno de ellos. Para el clculo de su rea tambin necesitamos considerar la altura.

Para formar un rectngulo trazamos la paralela a DE desde B y prolongamos DC hasta formar F. Nos queda el AED CFB y nuestro rectngulo es EBFD

El rectngulo tiene como largo la mitad de la suma de las bases del trapecio y su ancho es la altura que trazamos. El rea del trapecio se puede calcular aplicando la frmula:

rea del trapecio = base mayor + base menor h _______________________________ 2 Calcularemos el rea de nuestro trapecio. rea del trapecio = 8 cm + 4 cm 3,6

___________________ 2 rea del trapecio = 12 cm _______________ 2 rea del trapecio = El rea de los tringulos El clculo de rea de un tringulo cualquiera, se relaciona con el rea de un romboide, cuya frmula era base altura Cmo podemos relacionar tringulo y romboide? Lo haremos a travs del siguiente dibujo 21,6 cm2 3,6

A nuestro de C.

ABC, le trazaremos una paralela al lado AC a partir de B, y una paralela a AB a partir

Se ha formado un romboide donde el

ABC es la mitad de l.

Para calcular el rea del romboide necesitbamos la altura, porque su frmula es b h. Como el es la mitad del romboide obtenemos que el rea del romboide. Su frmula es: rea del tringulo = b h _______ 2 AB= 5 cm AC= 3,2 cm es igual a la mitad del rea del

BC= 4 cm CD= 3 cm

Calculemos el rea de este tringulo. Comenzamos, aplicando la frmula.

Tringulo rectngulo Si el es rectngulo, su rea se puede calcular por medio de sus catetos, que son los lados perpendiculares, porque un cateto es la altura del otro. Entonces, la frmula para su clculo sera: rea del tringulo = cateto cateto _____________________ 2 Aplicaremos esta frmula en el siguiente tringulo rectngulo. AB= 4 cm BC= 5 cm AC= 3 cm Los catetos miden 3 y 4 cm

En el crculo El crculo es la regin interior de una circunferencia.

El rea de un crculo se obtiene aplicando la siguiente frmula: rea del O = r2

= 3,14 r = radio de la circunferencia Recordemos que 3. es un nmero decimal infinito que, para efectos de clculo, lo dejamos en 3,14

Aplicaremos la frmula para calcular el rea de un crculo de 3 cm. de radio.

Apliquemos el teorema de Pitgoras El gran matemtico griego Pitgoras descubri una situacin muy especial que se produce en el tringulo rectngulo y que se relaciona con sus lados. Su teorema dice: "El cuadrado construido sobre la hipotenusa de un tringulo rectngulo, equivale a la suma de los cuadrados construidos sobre sus catetos" Demostraremos este teorema a travs de un dibujo.

Hemos construido un cuadrado sobre cada lado del tringulo rectngulo. Pitgoras dice que el cuadrado 1 tiene su rea igual a la suma de los cuadrados 2 y 3. De acuerdo al cuadriculado, el cuadrado 1 tiene un rea de 25 cuadros. Al sumar los 9 cuadros del cuadrado 2 y los 16 cuadros del 3 obtenemos 25. Entonces, se cumple:

Este teorema nos sirve para calcular la medida desconocida de un lado de un tringulo rectngulo, puede ser un cateto o su hipotenusa. Por ejemplo: si la hipotenusa mide 5 cm y uno de sus catetos es 4 cm, cunto mide el otro cateto? Aplicamos la frmula.

reas achuradas Son una forma de aplicacin del clculo de reas de diferentes figuras que estn relacionadas entre s. Para distinguir la parte que se debe calcular como resultado final se procede a achurarla, es decir, se pinta o raya imitando texturas. Algunas veces, la parte achurada est formada por la unin de reas de figuras, por lo tanto, hay que descomponerla, luego hacer el clculo de cada parte, y finalmente, sumarlas para encontrar el rea total.

Veamos el siguiente ejemplo:

Esta figura se descompone en medio crculo y un rectngulo. Primero, tendremos que calcular el rea del crculo; luego, dividirla por 2. Buscaremos, tambin el rea del rectngulo y despus sumaremos ambos resultados para obtener el rea total. Hay ejercicios, que tienen unas figuras dentro de otras y la parte achurada se relaciona con un sector formado por la interseccin de ellas. En estos casos, la solucin se encuentra buscando la diferencia entre las figuras que forman la interseccin. Por ejemplo:

Nuestra figura est formada por un cuadrado con un crculo en su interior. La parte achurada corresponde a la diferencia entre el rea del cuadrado y la del crculo Volumen

Probabilidad y estadstica bsica La probabilidad es la caracteristica de un suceso del que existen razones para creer que se realizar. Los sucesos tienden a ser una frecuencia relativa del numero de veces que se realiza el experimento La probabilidad p de aparicin de un suceso S de un total de n casos posibles igualmente factibles es la razn entre el nmero de ocurrencias h de dicho suceso y el nmero total de casos posibles n. p = P{S} = h / n La probabilidad es un nmero (valor) entre 0 y 1. Cuando el suceso es imposible se dice que su probabilidad es 0 y se dice que es un suceso cierto cuando siempre tiene que ocurrir y su probabilidad es 1. La probabilidad de no ocurrencia de un evento est dada por q donde: q = P{noS} = 1 (h / n) Simblicamente el espacio de resultados, que normalmente se denota por , es el espacio que consiste en todos los resultados que son posibles. Los resultados, que se denota por 1,2, etctera, son elementos del espacio La Estadstica es una rama de las matemticas que se utiliza para describir, analizar e interpretar fenmenos donde interviene el azar, y que permite a otras ciencias a generar modelos matemticos empricos donde se considera el componente aleatorio. La Estadstica se divide en dos grandes ramas:

La Estadstica descriptiva, que se dedica a los mtodos de recoleccin, descripcin, visualizacin y resumen de datos originados a partir de los fenmenos en estudio. La Estadstica inferencial, que se dedica a la generacin de los modelos, inferencias y predicciones asociadas a los fenmenos en cuestin. El Razonamiento Estadstico Todo problema estadstico opera del modo siguiente: Se plantea un problema en estudio. Se realiza un muestreo consistente en la recoleccin de datos referentes al fenmeno o variable que deseamos estudiar. Se propone un modelo de probabilidad, cuyos parmetros se estiman mediante estadsticos a partir de los datos de muestreo. Sin embargo se mantiene lo que se denominan hiptesis sostenidas (que no son sometidas a comprobacin) Se valida el modelo comparndolo con lo que sucede en la realidad. Se utiliza mtodos estadsticos conocidos como test de hiptesis y pilin de significacin Poblacin, muestra, medidas de tendencia central, desviacin estndar y varianza Poblacin: Conjunto de todos los elementos incluidos en cierto estudio estadstico.

Muestra: Subconjunto de la poblacin.

Elemento: Unidad mnima de la que se compone la poblacin MEDIA ARITMTICA Es la suma de los valores de una variable dividida por, l numero de ellos. La media aritmtica, que se representa con . La frmula de la media aritmtica es:

Ejemplo: se obtiene con los siguientes pasos

1. Se suman todos los datos 10 + 3 + 5 + 9 + 6 + 8 + 8 + 7 + 9 + 6 + 8 + 7 =

2. La suma (

) se divide entre el nmero de datos (n) :

La media aritmtica o promedio de las evaluaciones es 7.16, que es el valor representativo de todos los datos. MEDIA ARITMTICA PONDERADA A veces se asocia a los nmeros x1, x2,...,xn que se quieren promediar, ciertos factores o pesos w1, w2,...,wn que dependen de la significacin o importancia de cada uno de los nmeros. Entonces se genera una media aritmtica ponderada, que tambin se representa con equis testada.

Ejemplo Supongamos que un alumno quiere encontrar el promedio ponderado de sus cinco calificaciones. La segunda calificacin vale el doble de al primera, la tercera el triple de la primera, la cuarta vale cuatro veces la primera y la quinta cinco veces. Cul es su promedio si sus calificaciones son 8.5, 7.3, 8.3, 6.4 y 9.2? X1 = 8.5 ; W1 = 1 X2 = 7.3 ; W2 = 2 X3 = 8.3 ; W3 = 3 X4 = 6.4 ; W4 = 4 X5 = 9.2 ; W5 = 5 (8.5*1+7.3*2+8.3*3+6.4*4+9.2*5) (1+2+3+4+5) = 119.6/15 = 7.97 es el promedio ponderado de las calificaciones de este alumno LA MEDIANA Es la observacin que se encuentra en el centro cuando los datos estn ordenados, divide a los datos en dos partes iguales. - Si n es impar: la mediana es la observacin que est en el lugar (n+1)/2, esto es

- Si n es par: la mediana es el promedio de las observaciones n/2 y n/2+1, esto es

Ejemplo Encuentra la mediana para el siguiente conjunto de datos

9 12 5 16 8 3 11 Primero se ordenan los datos

3 5 8 9 11 12 16 Una vez ordenados, como el nmero de datos es impar (7), se busca el que tiene la posicin (n+1)2, o sea (7+1)2 = 4. Este nmero es el 9 y representa la mediana. Ejemplo Calcula la mediana para el siguiente conjunto de datos

8.3

5.7

9.2

3.9

7.4

11.8

10.6

4.3

Nuevamente se ordenan los datos

3.9

4.3

5.7

7.4

8.3

9.2

10.6

11.8

Una vez ordenados, como el nmeo de datos es par (8), se busca el nmero que tiene la posicin n/2 y el que tiene la posicin n/2+1, o sea 8/2 = 4 y 8/2+1 = 5. Los nmeros que tienen la posicin cuarta y quinta son 7.4 y 8.3. Estos nmeros se promedian y el resultado ser la mediana. (7.4+8.3)/2 = 7.85. Este resultado 7.85 representa la mediana para este conjunto de datos LA MODA La moda es el dato que aparece con mayor frecuencia en una coleccin. Ejemplo Si se observa cual es el dato que ms se repite en las evaluaciones, se tiene:

3, 5, 6, 6, 7, 7, 8, 8, 8, 9, 9, 10 Que es el ocho. Este valor representa la moda de esta coleccin, por lo tanto, la moda se refiere al dato que tiene mayor frecuencia. Nota: Si ninguna observacin se repite, se dice que esos datos no tienen moda. Si todos los datos se repiten el mismo nmero de veces, los datos sern multimodales. Ejemplo Encuentra la moda de los siguientes datos

4 9 5 6 7 Como los datos slo existen una vez, este conjunto de datos no tienen moda. Ejemplo Encuentra la moda del siguiente conjunto de datos

9 3 6 7 9 8 5 9 7 3 El 3 se repite dos veces, el 7 se repite tambin dos veces, pero como el 9 se repite tres veces, este ltimo nmero es la moda para este conjunto de datos. Ejemplo Calcula la moda para los datos que se presentan a continuacin

6 7 8 6 9 7 8 5 6 8 El mximo nmero de veces que se repiten los datos son tres, y hay dos datos que se repiten tres veces, el 6 y el 8. El conjunto de datos es bimodal y sus modas son el 6 y el 8. Ejemplo Calcula la moda para estos datos

8 6 5 5 9 6 8 6 5 9 8 9 En este conjunto de datos, todos se repiten tres veces. El 5, 6, 8 y el 9 son moda. No hay ninguno que no lo sea, es un caso multimodal DESVIACIN ESTNDAR La desviacin estndar es la medida de dispersin mas usada en estadstica, tanto en aspectos descriptivos como analticos. En su forma conceptual, la desviacin estndar se define as:

Frmula de trabajo para la poblacin

Frmula de trabajo para la muestra:

Ejemplo:

x 3 2 3 5

x2 9 4 9 25

4 3 20

16 9 72

Cuando se trata de datos agrupados la formula es:

Ejemplo :

x 32 37 42 47 52 57 62

f 1 3 8 9 7 4 3

fx 32 111 336 423 364 228 186

x2 1024 1369 1764 2209 2704 3249 3844

fx2 1024 4107 14112 19881 18928 12996 11532

67 72 Sumas

3 2 40

201 144 2025

4489 5184

13467 10368 106415

Conociendo la desviacin estndar, se puede calcular otros estimadores derivados que son de gran utilidad para describir y/o interpretar el comportamiento de los datos VARIANZA (VARIANCIA) S2 La varianza, , se define como la media de las diferencias cuadrticas de n puntuaciones con respecto a su media aritmtica, es decir:

Para datos agrupados en tablas, usando las notaciones establecidas en los captulos anteriores, la varianza se puede escribir como

Una frmula equivalente para el clculo de la varianza est basada en lo siguiente:

Con lo cual se tiene

Si los datos estn agrupados en tablas, es evidente que

La varianza no tiene la misma magnitud que las observaciones (ej. si las observaciones se miden en metros, la varianza lo hace en metros2). Si queremos que la medida de dispersin sea de la misma dimensionalidad que las observaciones bastar con tomar su raz cuadrada. Por ello se define la desviacin tpica, , como:

Ejemplo Calcular la varianza y desviacin tpica de las siguientes cantidades medidas en metros: 3,3,4,4,5 Para calcular dichas medidas de dispersin es necesario calcular previamente el valor con respecto al cual vamos a medir las diferencias. ste es la media:

La varianza es:

Siendo la desviacin tpica su raz cuadrada:

Las siguientes propiedades de la varianza (respectivamente, desviacin tpica) son importantes a la hora de hacer un cambio de origen y escala a una variable. En primer lugar, la varianza (resp. Desviacin tpica) no se ve afectada si al conjunto de valores de la variable se le aade una constante. Si adems cada observacin es multiplicada por otra constante, en este caso la varianza cambia en relacin al cuadrado de la constante (resp. La desviacin tpica cambia en relacin al valor absoluto de la constante). Esto queda precisado en la siguiente proposicin TASA INTERNA DE RENTABILIDAD O DE RETORNO Generalmente conocido por su acrnimo TIR, es el tipo de descuento que hace que el VAN (valor actual o presente neto) sea igual a cero, es decir, el tipo de descuento que iguala el valor actual de los flujos de entrada (positivos) con el flujo de salida inicial y otros flujos negativos actualizados de un proyecto de inversin. En el anlisis de inversiones, para que un proyecto se considere rentable, su TIR debe ser superior al coste del capital empleado. El Valor Actual Neto es un criterio financiero para el anlisis de proyectos de inversin que consiste en determinar el valor actual de los flujos de caja que se esperan en el transcurso de la inversin, tanto de los flujos positivos como de las salidas de capital (incluida la inversin inicial), donde stas se representan con signo negativo, mediante su descuento a una tasa o coste de capital adecuado al valor temporal del dinero y al riesgo de la inversin. Segn este criterio, se recomienda realizar aquellas inversiones cuyo valor actual neto sea positivo. El Valor Actual o Valor presente, es calculado mediante la aplicacin de una tasa de descuento, de uno o varios flujos de tesorera que se espera recibir en el futuro; es decir, es la cantidad de dinero que sera necesaria invertir hoy para que, a un tipo de inters dado, se obtuvieran los flujos de caja previstos. CORRELACIN LINEAL Objetivo principal del anlisis de correlacin lineal es medir la intensidad de una relacin lineal entre dos variables. A continuacin se estudian algunos diagramas de dispersin que indican diferentes relaciones entre las variables independientes x y las variables dependientes y. Si Y dependientes no existe un cambio definido en los valores de y conforme aumentan los valores de x, se dice que no hay correlacin o que no existe relacin entre x y y. En cambio, si al aumentar x hay una modificacin definida en los valores de y, entonces existe correlacin. En este ltimo caso la correlacin es positiva cuando y tiende a aumentar, y negativa cuando y decrece. Si tanto los correlacin lineal valores de x como los de y tienden a seguir una direccin recta, existe una correlacin lineal. La precisin del cambio en y conforme x incrementa su valor, determina la solidez de la correlacin lineal. Los diagramas de dispersin de la Figura 3-2 ilustran estas nociones.

Hay una correlacin lineal perfecta cuando todos los puntos estn situados a lo largo de una recta en forma exacta, como se muestra en la Figura. Esta correlacin puede ser positiva o negativa, dependiendo de que y aumente o disminuya conforme x aumenta. Si los datos forman una recta vertical u horizontal no existe correlacin, pues una variable no tiene efecto sobre la otra.

PROBABILIDAD Y TIPOS DE PROBABILIDAD Histricamente se han desarrollado tres diferentes enfoques conceptuales para definir la probabilidad y para determinar valores de probabilidad: el clsico, el de frecuencia relativa y el subjetivo. De acuerdo con el enfoque clsico de la probabilidad, si N(A) resultados elementales posibles son favorables en el evento A, y existe N(S) posibles resultados en el espacio muestral y todos los resultados elementales son igualmente probables y mutuamente excluyentes; entonces, la probabilidad de que ocurra el evento A es N(A) P(A) = ------------N(S)

Obsrvese que el enfoque clsico de la probabilidad se basa en la suposicin de que cada uno de los resultados es igualmente probable. Debido a que este enfoque (cuando es aplicable) permite determinar los valores de probabilidad antes de observar cualesquiera eventos muestrales, tambin se le denomina enfoque a priori. EJEMPLO En un mazo de cartas bien barajadas que contiene 4 ases y 48 cartas de otro tipo, la probabilidad de obtener un as (A) en una sola extraccin es N(A) 4 1 P(A) = ---------- = ----- = ---N(S) 52 13 A travs del enfoque de frecuencia relativa, se determina la probabilidad con base en la proporcin de veces que ocurre un resultado favorable en un determinado nmero de observaciones o experimentos. No hay implcita ninguna suposicin previa de igualdad de probabilidades. Debido a que para determinar los valores de probabilidad se requiere de la observacin y de la recopilacin de datos, a este enfoque se le denomina tambin enfoque emprico. La probabilidad de que ocurra un evento A, de acuerdo con el enfoque de frecuencia relativa es Nmero de observaciones de A n(A) P(A) = -------------------------------------- = ------Tamao de la muestra n EJEMPLO. Antes de incluir la cobertura para ciertos tipos de problemas dentales en plizas de seguros mdicos para adultos con empleo, una compaa de seguros desea determinar la probabilidad de ocurrencia de esa clase de problemas, para que pueda fijarse la prima de seguros de acuerdo con esas cifras. Por ello, un especialista en estadstica recopila datos para 10,000 adultos que se encuentran en las categoras de edad apropiadas y encuentra que 100 de ellos han experimentado el problema dental especfico durante el ao anterior. Por ello, la probabilidad de ocurrencia es: n(A) 100 P(A) = ------- = --------- = 0.01, o 1% n 10,000 Tanto el enfoque clsico como el de frecuencia relativa producen valores de probabilidad objetivos, en el sentido de que sealan la tasa relativa de ocurrencia del evento a largo plazo. Por el contrario, el enfoque subjetivo a la probabilidad es particularmente apropiado cuando slo existe una probabilidad de que el evento ocurra, y se da el caso de que ocurra o no esa nica vez. De acuerdo con el enfoque subjetivo, la probabilidad de un evento es el grado de confianza que

una persona tiene en que el evento ocurra, con base en toda la evidencia que tiene disponible. Debido a que el valor de la probabilidad es un juicio personal, al enfoque subjetivo se le denomina tambin enfoque personalista. EJEMPLO Debido a los impuestos y a los posibles usos alternativos de sus fondos, un inversionista ha determinado que la compra de terrenos vale la pena slo si existe una probabilidad de cuando menos 0.90 de que el terreno obtenga plusvala por 50% o ms en los prximos 4 aos. Al evaluar un determinado terreno, el inversionista estudia los cambios en los precios en el rea en aos recientes, considera los niveles corrientes de precios, estudia el estado corriente y futuro probable de los proyectos de desarrollo inmobiliarios y revisa las estadsticas referentes al desarrollo econmico del rea geogrfica global. Con base en esta revisin, concluye que existe una probabilidad de aproximadamente 0.75% de que se d la plusvala que requiere. Como esta probabilidad es menor que la mnima que requiere, (0.90), no debe llevarse a cabo la inversin DISTRIBUCIONES DE PROBABILIDAD PARA VARIABLES ALEATORIAS DISCRETAS: BINOMIAL, HIPERGEOMTRICA Y POISSON. DISTRIBUCIONES DE PROBABILIDAD PARA VARIABLES ALEATORIAS En contraste con un evento, una variable aleatoria es un evento numrico cuyo valor se determina mediante un proceso al azar. Cuando se asignan valores de probabilidad a todos los valores numricos posibles de una variable aleatoria X, ya sea mediante un listado o a travs de una funcin matemtica, se obtiene como resultado una distribucin de probabilidad. La suma de las probabilidades para todos los resultados numricos posibles debe ser igual 1.0. Pueden denotarse los valores de probabilidad individuales mediante el smbolo f(x), lo cual implica que hay implcita una funcin matemtica; mediante P(x=X), el cual implica que la variable aleatoria puede asumir diversos valores especficos, o simplemente mediante P(X). Para una variable aleatoria discreta, se pueden enlistar todos los valores numricos posibles de la variable en una tabla con las probabilidades correspondientes. Existen diversas distribuciones estndar de probabilidad que pueden utilizarse como modelos para una amplia gama de variables aleatorias discretas en aplicaciones de negocios. Los modelos estndar que se describiremos son las distribuciones de probabilidad binomial, hipergeomtrica y Poisson. Para una variable aleatoria continua no es posible enlistar todos los posibles valores fraccionarios de la variable y, por lo tanto, las probabilidades que se determinan a travs de una funcin matemtica se ilustran en forma grfica mediante una funcin de densidad de probabilidad o curva de probabilidad. Ms adelante se describen diversas distribuciones estndar de probabilidad que pueden servir como modelos para variables aleatorias continuas. EJEMPLO En la siguiente tabla se muestra el nmero de camionetas que se han solicitado para renta en una arrendadora de automviles, en un periodo de 50 das. En la ltima columna de la Tabla se incluyen las frecuencias observadas en este periodo de 50 das, convertidas en probabilidades. As, puede observarse que la probabilidad de que se hayan solicitado exactamente siete camionetas en un da elegido al azar en ese periodo es de 0.20, y que la probabilidad de que se hayan solicitado seis o ms es de 0.20 + 0.20 + 0.08 = 0.56. Demanda diaria de arrendamiento de camionetas

durante un periodo de 50 das

Demanda posible X 3 4 5 6 7 8

Nmero de das 3 7 12 14 10 4 50

Probabilidad [P (X)] 0.06 0.14 0.24 0.28 0.20 0.08 1.00

EL VALOR ESPERADO Y LA VARIANZA DE UNA VARIABLE ALEATORIA DISCRETA De la misma manera en que se hace para conjuntos de datos muestrales y poblacionales, con frecuencia resulta til describir una variable aleatoria en trminos de su media y su varianza. La media (a largo plazo) de una variable aleatoria X se denomina valor esperado y se denota mediante E(X). Para una variable aleatoria discreta, resulta ser el promedio ponderado de todos los valores numricos posibles de la variable, utilizando las probabilidades correspondientes como pesos. Como la suma de los pesos (probabilidades) es 1.0, puede simplificarse la frmula de la media ponderada de manera que el valor esperado de una variable aleatoria discreta es E(X) = XP(X) EJEMPLO Con base en los datos de la Tabla anterior, se presentan en la Tabla siguiente los clculos que conducen al valor esperado de la variable aleatoria. El valor esperado es 5.66 camionetas. Observe que el valor esperado de la variable discreta puede ser un valor fraccionario porque representa el valor promedio a largo plazo y no el valor especfico de determinada observacin. Clculo del valor esperado para la demanda de camionetas

Demanda posible X 3 4 5 6 7 8

Probabilidad [ P Valor ponderado [ (X) ] X P (X) ] 0.06 0.14 0.24 0.28 0.20 0.08 0.18 0.56 1.20 1.68 1.40 0.64

1.00

E(X) = 5.66

La varianza de una variable aleatoria X se denota mediante V(X); se calcula con respecto a E(X) como la media de la distribucin de probabilidad. La forma general de desviaciones para la frmula de la varianza de una variable aleatoria discreta es V(X) = [X-E(X)-E(X)]2 P(X) La forma abreviada para la frmula de la varianza de una variable aleatoria discreta, que no requiere el clculo de las desviaciones con respecto a la media, es V(X) = X2 P(X) - [ XP(X)]2 = E(X2) - [E(X)]2 EJEMPLO En la siguiente Tabla se presenta la hoja de trabajo utilizada para el clculo de la varianza de la demanda de renta de camionetas, utilizando la versin abreviada de la frmula. Tal como se seala enseguida, el valor de la varianza es de 1.74. V(X) = E(X2}-[E(X)]2 = 33.78-(5.66)2 = 33.78-32.04 = 1.74 Hoja de trabajo para el clculo de la varianza para la demanda de camionetas

Demanda posible Probabilidad [P(X)] X 3 4 5 6 7 8 0.06 0.14 0.24 0.28 0.20 0.08

Valor ponderado [XP(X)] 0.18 0.56 1.20 1.68 1.40 0.64 E(X) = 5.66

Demanda al cuadrado (X2) 9 16 25 36 49 64

Valor ponderado al cuadrado [X2P(X)] 0.54 2.24 6.00 10.08 9.80 5.12 E(X2) = 33.78

LA DISTRIBUCIN BINOMIAL La distribucin binomial es una distribucin discreta de probabilidad aplicable como modelo a diversas situaciones de toma de decisiones, siempre y cuando pueda suponerse que el proceso de muestreo se ajusta a un proceso Bernoulli. Un proceso Bernoulli es un proceso de muestreo en el que: (1) Slo son posibles dos resultados mutuamente excluyentes en cada ensayo u observacin. Por conveniencia, a estos resultados se les denomina xito y fracaso. (2) Los resultados del conjunto de ensayos u observaciones, constituyen eventos independientes.

(3) La probabilidad de xito, que se denota mediante p, permanece constante de un ensayo a otro. Es decir, el proceso es estacionario. Puede utilizarse la distribucin binomial para determinar la probabilidad de obtener un nmero determinado de xitos en un proceso Bernoulli. Se requieren tres valores: el nmero especfico de xitos (X), el nmero de ensayos u observaciones (n) y la probabilidad de xito en cada uno de los ensayos (p). La frmula para determinar la probabilidad de un nmero determinado de xitos X para una distribucin binomial, en donde q = (1-p) es: P(Xn, p) = nCXpXqn-X n! = ----------- px q n-x X! (n-X)! EJEMPLO La probabilidad de que un prospecto de ventas elegido al azar realice una compra es de 0.20. Si un vendedor visita a seis prospectos, la probabilidad de que realice exactamente cuatro ventas se determina de la siguiente manera: P(X = 4n = 6, p = 0.20) = 6C4(0.20)4(0.80)2 = 6! (0.20)4(0.80)2 4!2! 6x5x4x3x2 = ------------- (0.0016)(0.64) = 0.01536 0.015 (4x3x2)(2) Con frecuencia existe inters en la probabilidad acumulada de "X o ms" xitos o "X o menos" xitos en n ensayos. En este caso, debe determinarse la probabilidad de cada uno de los resultados incluidos dentro del intervalo designado, y entonces sumar esas probabilidades. EJEMPLO En relacin con el ejemplo anterior la probabilidad de que el vendedor logre 4 o ms ventas se determina de la siguiente manera: P(X 4n=6, p=0.20) = P(X=4) + P(X=5) + P(X=6) = 0.01536 + 0.001536 + 0.000064 = 0.016960 0.017 en donde P(X=4) = 0.1536 (del ejemplo anterior P(X=5) = 6C5(0.20)5(0.80)1 = 6! (0.20)5(0.80) = 6(0.00032)(080) = 0.001536 5! 1!

P(X=6) = 6C6(0.20)6(0.80)0 = 6! (0.000064)(1) = (1)(0.000064) = 0.00064 6! 0! (Nota: recurdese que cualquier valor elevado a la potencia 0 es igual a 1). Como el uso de la frmula binomial implica una cantidad considerable de clculos cuando la muestra es relativamente grande, con frecuencia se utilizan tablas de probabilidades binomiales. LA DISTRIBUCIN HIPERGEOMTRICA Cuando el muestreo se realiza sin reemplazo para cada uno de los elementos que se toman de una poblacin finita de elementos, no se puede aplicar el proceso Bernoulli debido a que existe un cambio sistemtico en la probabilidad de xitos al ir extrayendo elementos de la poblacin. Cuando se utiliza el muestreo sin reemplazo en alguna situacin en la que, de no ser por el no reemplazo, se le pudiera calificar como proceso de Bernoulli, la distribucin discreta de probabilidad apropiada resulta ser la distribucin hipergeomtrica. Si X es el nmero designado de xitos, N es el nmero de elementos de la poblacin, T es el nmero total de "xitos" incluidos en la poblacin y n es el nmero de elementos de la muestra, la frmula para determinar las probabilidades hipergeomtricas es N-TT n-XX P(XN, Tn) = ---------------N n EJEMPLO De seis empleados, tres han estado con la compaa durante cinco o ms aos, si se eligen cuatro empleados al azar de ese grupo la probabilidad de que exactamente dos de ellos tengan una antigedad de cinco aos o ms es: 6-3 3 3 3 3 ! 3 ! 4-2 2 2 2 2!1! 2!1! (3) (3) P(X=2N=6, T=3 n=4) = ------------- = ------------ = ------------- = ---------6 6 6! 15 4 4 4!2! = 0.60 Ntese que en el ejemplo anterior, el valor que se requiere de la probabilidad se calcula determinando el nmero de combinaciones diferentes que incluiran a dos empleados con

antigedad suficiente y dos con menor antigedad como cociente del nmero total de combinaciones de cuatro empleados, tomados de entre los seis. Por ello, la frmula hipergeomtrica es una aplicacin directa de las reglas de anlisis combinatorio. Cuando la poblacin es grande y la muestra es relativamente pequea, el hecho de que se realice el muestreo sin reemplazo tiene poco efecto sobre la probabilidad de xito en cada ensayo. Una regla prctica conveniente consiste en utilizar la distribucin binomial como aproximacin a la hipergeomtrica cuando n<0.05N. Es decir, el tamao de la muestra debe ser cuando menos del 5% del tamao de la poblacin. En diferentes textos pueden encontrarse reglas un tanto distintas para determinar los casos en los que una aproximacin como sta es apropiada. LA DISTRIBUCIN DE POISSON. Puede utilizarse la distribucin de Poisson para determinar la probabilidad de que ocurra un nmero designado de eventos, cuando esto ocurre en un continuo de tiempo o espacio. A un proceso como este se le denomina proceso Poisson; es similar al proceso Bernoulli excepto en que los eventos ocurren en un continuo (por ejemplo en un intervalo de tiempo) en vez de ocurrir en ensayos u observaciones fijas. Un ejemplo es la entrada de llamadas en un conmutador telefnico. Al igual que en el caso del proceso Bernoulli, se supone que los eventos son independientes y que el proceso es estacionario. Slo se requiere un valor para determinar la probabilidad de que ocurra un nmero designado de eventos en un proceso de Poisson: el nmero promedio a largo plazo de eventos para el tiempo o dimensin especfico de inters. Por lo general, esta media se representa mediante (la letra griega "lambda") o, es posible, mediante . La frmula para determinar la probabilidad de un nmero determinado de xitos N en una distribucin Poisson es xe- P(X) = -------X! Aqu, e es la constante 2.7183 que es la base de los logaritmos naturales. EJEMPLO Un departamento de reparacin de maquinaria recibe un promedio de cinco solicitudes de servicio por hora. La probabilidad de que se reciban exactamente tres solicitudes en una hora seleccionada al azar es (5)3e-5 (125)(0.00674) P(X =3=5.0) = -------- = ------------------- = 0.1404 3! 6 DISTRIBUCIONES DE PROBABILIDAD PARA VARIABLES ALEATORIAS CONTINUAS: NORMAL Y EXPONENCIAL VARIABLES ALEATORIAS CONTINUAS

A diferencia de una variable aleatoria discreta, una variable aleatoria continua es la que puede tomar cualquier valor fraccionario en un rango determinado de valores. Como existe un nmero infinito de posibles mediciones fraccionarias, no pueden enlistarse todos los valores posibles con una probabilidad correspondiente. Ms bien, se define una funcin de densidad de probabilidad. Esta expresin matemtica da la funcin de X, y se representa mediante el smbolo f(X), para cualquier valor designado de la variable aleatoria X. A la grfica de una funcin de este tipo se le denomina curva de probabilidad y el rea entre dos puntos cualesquiera bajo la curva de la probabilidad de la ocurrencia aleatoria de un valor entre esos dos puntos. EJEMPLO Para la distribucin continua de probabilidad de la figura siguiente, la probabilidad de que un embarque seleccionado al azar tenga un peso neto entre 3,000 y 4,000 kilogramos es igual a la proporcin del rea total bajo la curva que se encuentra en el rea sombreada. Es decir, se define que el rea total bajo la funcin de densidad de probabilidad es igual a 1, y puede determinarse la proporcin de esta rea que se encuentra entre dos puntos determinados aplicando el mtodo de la integracin (del clculo diferencial e integral) junto con la funcin matemtica de densidad de probabilidad para esa curva de probabilidad.

Existen diversas distribuciones continuas de probabilidad comunes que son aplicables como modelos a una amplia gama de variables continuas en determinadas circunstancias. Existen tablas de probabilidades para esas distribuciones estndar, haciendo que resulte innecesario el mtodo de la integracin para determinar las reas bajo la curva de probabilidad para estas distribuciones. Los modelos comunes de distribuciones de probabilidad continua que se describen son las distribuciones normal y la exponencial. LA DISTRIBUCIN NORMAL DE PROBABILIDAD La distribucin normal de probabilidad es una distribucin continua de probabilidad que es, al mismo tiempo, simtrica y mesokrtica (que no es plana ni puntiaguda). Con frecuencia se describe a la curva de probabilidad que representa la distribucin normal como una campana como se muestra.

La distribucin normal de probabilidad es muy importante en inferencia estadstica por tres razones principales: Se sabe que las mediciones que se obtienen en muchos procesos aleatorios tienen esta clase de distribucin. Con frecuencia pueden utilizarse las probabilidades normales para aproximar otras distribuciones de probabilidad tales como las distribuciones binomial y Poisson. Las distribuciones de estadsticas como la media muestral y la proporcin muestral tienen distribucin normal cuando el tamao de la muestra es grande, sin importar la forma de la distribucin de la poblacin de origen. Como se mencion antes, en el caso de las distribuciones continuas de probabilidad slo es posible determinar un valor de probabilidad para un intervalo de valores. La altura de la funcin de densidad, o curva de probabilidad, para un variable con distribucin normal est dada por 1 -[(X-)2/22] f(X) = -------- e 2 en donde es la constante 3.1416, e es la constante 2.7183, es la media de la distribucin y es la desviacin estndar de la distribucin. Como cualquier combinacin distinta de y genera una distribucin normal de probabilidad distinta (todas ellas simtricas y mesokrticas), las tablas de las probabilidades normales se basan en una distribucin especfica: La distribucin normal estndar. sta es una distribucin normal en la que =0 y =1. Cualquier valor X de una poblacin con distribucin normal puede convertirse a su valor normal estndar equivalente, z, mediante la frmula X- z = ---- PUNTOS PERCENTILES PARA VARIABLES CON DISTRIBUCIN NORMAL Puede recordarse que el punto percentil 90 es el punto de la distribucin tal que el 90% de los valores se encuentran por debajo de l y el 10% por encima. Para la distribucin normal estndar, es el valor de z tal que la proporcin total de rea a la izquierda de ese valor, bajo la curva normal, es 0.90. EJEMPLO En la siguiente figura se ilustra la posicin del punto percentil 90 para la distribucin normal estndar. Para determinar el valor requerido de z, se utiliza la tabla correspondiente en el sentido contrario al comn, porque, en este caso, el rea bajo la curva entre la media y el punto de inters es 0.40, tal como se ha especificado, y se desea determinar el valor correspondiente de z. Se busca en el cuerpo de la tabla el valor ms cercano a 0.4000. Este valor resulta ser 0.3997.

Determinando los encabezados del rengln y de la columna, se encuentra que el valor de z asociado con esta rea es 1.28, y por lo tanto, z 0.90 = + 1.28.

Dado el procedimiento de este ejemplo, que permite determinar un punto percentil para la distribucin normal estndar, puede determinarse un punto percentil para una variable aleatoria con distribucin normal convirtiendo el valor pertinente de z al valor que se requiere de X, mediante la frmula X= +z APROXIMACIN NORMAL A PROBABILIDADES BINOMIALES Cuando el nmero de observaciones o ensayos n es relativamente grande, puede utilizarse la distribucin normal de probabilidad para aproximar las posibilidades binomiales. Una regla conveniente consiste en afirmar que esas aproximaciones son aceptables cuando n , y tanto np 5 como nq 5. Esta regla, en combinacin con la que se proporciona con respecto a la aproximacin de Poisson a las probabilidades binomiales, significa que en los casos en que n 30, las probabilidades binomiales pueden aproximarse, ya sea mediante la distribucin normal o la de Poisson, dependiendo de los valores np y nq. Algunos otros textos pueden utilizar reglas un tanto distintas para determinar los casos en los que esas aproximaciones son apropiadas. Cuando se utiliza la distribucin normal de probabilidad como base para aproximar un valor binomial de probabilidad, la media y la desviacin estndar se basan en un valor esperado y la varianza del nmero de xitos de la distribucin binomial, el nmero promedio de xitos es = np La desviacin estndar del nmero de xitos es = npq APROXIMACIN NORMAL A PROBABILIDADES DE POISSON Cuando la media de una distribucin Poisson es relativamente grande, puede utilizarse la distribucin normal de probabilidad para aproximar probabilidades tipo Poisson. Una regla prctica consiste en afirmar que esa aproximacin es aceptable cuando 10.0. La media y la desviacin estn dar de la distribucin normal de probabilidad se basan en el valor esperado y la varianza del nmero de eventos de un proceso Poisson. Esta media es =

La desviacin estndar es = PRUEBA DE HIPTESIS SOBRE LA MEDIA DE UNA POBLACIN. ETAPAS BSICAS EN PRUEBAS DE HIPTESIS Al realizar pruebas de hiptesis. se parte de un valor supuesto (hipottico) de un parmetro poblacional. Despus de recolectar una muestra aleatoria, se compara la estadstica muestral, as como la media (X), con el parmetro hipottico, se compara con una supuesta media poblacional (). Despus. se acepta o se rechaza el valor hipottico, segn proceda, se rechaza el valor hipottico slo si el resultado muestral resulta muy poco probable cuando la hiptesis es cierta. Etapa 1: Plantear la hiptesis nula y la hiptesis alternativa. La hiptesis nula (H0) es el valor hipottico del parmetro que se compara con el resultado muestral. Se rechaza slo si el resultado muestral es muy poco probable en el caso de que la hiptesis sea cierta. Se acepta la hiptesis alternativa (H1) slo si se rechaza la hiptesis nula. EJEMPLO. Un auditor desea probar el supuesto de que el valor promedio de todas las cuentas por cobrar en un empresa determinada es $260,000, tomando una muestra de n=36 y calculando la media muestral. Desea rechazar el valor del supuesto de $260,000 slo si la media muestral lo contradice en forma clara, por lo que debe darse el beneficio de la duda al valor hipottico en el procedimiento de prueba. Las hiptesis nula y alternativa para esta prueba son H0: = $ 260,000 H1: 260,000. Etapa 2: Especificar el nivel de significancia que se va a utilizar. El nivel de significancia es el estndar estadstico que se especifica para rechazar la hiptesis nula. Si se especifica un nivel de significancia del 5%, entonces se rechaza la hiptesis nula solamente si el resultado muestral es tan diferente del valor hipottico que una diferencia de esa magnitud o mayor, pudiera ocurrir aleatoriamente con una probabilidad de 0.05 o menos. Debe observarse que si se utiliza el nivel de significancia del 5%, existe una probabilidad del 0.05 de rechazar la hiptesis nula cuando, de hecho, es cierta. A esto se le denomina error tipo I. La probabilidad del error tipo I es siempre igual al nivel de significancia que se utiliza como criterio para rechazar la hiptesis nula; se le designa mediante la letra griega ("alfa") Y, por ello, designa el nivel de significancia. Los niveles de significancia que se utilizan con mayor frecuencia en las pruebas de hiptesis son el 5 y el 1%. Ocurre un error tipo II si se acepta la hiptesis nula cuando, de hecho, es falsa. En la siguiente Tabla se resumen los tipos de decisiones y las consecuencias posibles, al realizar pruebas de hiptesis.

Situaciones posibles Decisiones posibles La hiptesis nula es falsa

La hiptesis nula es verdadera

Aceptar la hiptesis nula

Se acepta correctamente Error tipo I

Error tipo II Se rechaza correctamente

Rechazar la hiptesis nula

Etapa 3: Elegir la estadstica de prueba. La estadstica de prueba puede ser la estadstica muestral (el estimador no sesgado del parmetro que se prueba) o una versin transformada de esa estadstica muestral. Por ejemplo, para probar el valor hipottico de una media poblacional, se toma la media de una muestra aleatoria de esa poblacin para utilizarla como estadstica de prueba. Sin embargo, si la distribucin de muestreo de la media tiene distribucin normal, entonces es comn que se transforme la media muestral en un valor z el cual. a su vez, sirve como estadstica de prueba. Etapa 4: Establecer el valor o valores crticos de la estadstica de prueba. Habiendo especificado la hiptesis nula, el nivel de significancia y la estadstica de prueba que se van a utilizar, se procede a establecer el o los valores crticos de estadstica de prueba. Puede haber uno o ms de esos valores, dependiendo de si se va a realizar una prueba de uno o dos extremos. En cualquier caso, un valor crtico identifica el valor de estadstica de prueba que se requiere para rechazar la hiptesis nula. Etapa 5: Determinar el valor real de la estadstica de prueba. Por ejemplo, al probar un valor hipottico de la media poblacional, se toma una muestra aleatoria y se determina el valor de la media muestral. Si el valor crtico que se establece es un valor de z, entonces se transforma la media muestral en un valor de z. Etapa 6: Tomar la decisin. Se compara el valor observado de la estadstica muestral con el valor (o valores) crticos de la estadstica de prueba. Despus, se acepta o se rechaza la hiptesis nula. Si se rechaza sta, se acepta la alternativa; a su vez, esta decisin tendr efecto sobre otras decisiones de los administradores operativos, como por ejemplo, mantener o no un estndar de desempeo o cul de dos estrategias de mercadotecnia utilizar. PRUEBA DE UN VALOR HIPOTTICO DE LA MEDIA UTILIZANDO LA DISTRIBUCIN NORMAL Puede utilizarse la distribucin normal para probar un valor hipottico de la media poblacional: Cuando n 30, utilizando teorema del lmite central, o Cuando n < 30, pero la distribucin de la poblacin es normal y se conoce Se utiliza una prueba de dos extremos cuando lo que interesa es una posible desviacin en cualquier direccin, a partir del valor hipottico de la media. La frmula que se utiliza para establecer los valores crticos de la media muestra! es similar la que se utiliza para determinar los lmites de confianza para estimar la media de una poblacin, excepto que el valor hipottico de la media poblacional 0 es el punto de referencia, y no la media muestral. Los valores crticos de la media muestral para una prueba de dos extremos, dependiendo de si se conoce , son: XCR = 0 Zx o XCR = 0 zsx

EJEMPLO Para la hiptesis nula que se plante en el ejemplo anterior, determine los valores crticos de la media muestral para probar la hiptesis con un nivel de significancia del 5%. Como se sabe que la desviacin estndar de las cuentas por cobrar es = 43,000, los valores crticos son: Hiptesis: H0: = $260,000; H1: $260,000 Nivel de significancia = = 0.05 Estadstica de prueba: X con base en una muestra de n=36, y con una = 43,000 XCR = valores crticos de la media muestral XCR = 0 Zx = 260,000 1.96 / n = 260,000 1.96 43,000 / 36 = 260,000 1.967166.67 = 266,000 14,046.67 = $245,953.33 y 274,046.67 Por lo tanto, para rechazar la hiptesis nula, la media muestral debe tener un valor inferior a $245,950 o mayor de $274,050. As, existen dos regiones de rechazo en el caso de una prueba de dos extremos. Se utilizan los valores de z de 1.96 para establecer los lmites crticos porque para la distribucin normal estndar se tiene 0.05 de proporcin del rea en los dos extremos (0.025 en cada extremo), lo cual corresponde al valor de = 0.05 que se especifica. En vez de establecer valores crticos en trminos de la media muestral como tal, es comn que se especifiquen los valores crticos en las pruebas de hiptesis en trminos de valores z. Para el nivel de significancia del 5%, los valores crticos z para una prueba de dos extremos son -1.96 y +1.96, por ejemplo. Cuando se determine el valor de la media muestral, se le transforma en un valor z para que pueda compararse con los valores crticos de z. La frmula de transformacin, dependiendo de si se conoce o no, es X - 0 z = -------x X - 0 z = ----------sx ERRORES TIPO I y TIPO II EN PRUEBAS DE HIPTESIS Analizaremos en forma completa los errores tipo I y tipo II con respecto a las pruebas de un extremo sobre una media hipottica. Sin embargo, los conceptos que se ilustran aqu son aplicables tambin a otros modelos de pruebas de hiptesis. La probabilidad del error tipo I es siempre igual al nivel de significancia que se utiliza al probar hiptesis nulas. Esto es as porque, por definicin, la proporcin de rea en la regin de rechazo es

igual a la proporcin de resultados muestrales que ocurriran en esa regin, cuando la hiptesis es verdadera. Por lo general, a la probabilidad del error del tipo II se le designa mediante la letra griega ("beta"). La nica forma en que se puede determinar es con respecto a un valor especifico incluido dentro del rango de la hiptesis alternativa. DETERMINACIN DEL TAMAO NECESARIO DA LA MUESTRA PARA LAMEDIA Antes de extraer la muestra, puede determinarse el tamao que se requiere especificando (1) el valor hipottico de la media; (2) un valor alternativo especifico para la media, de manera que la diferencia con respecto al valor hipottico resulta considerable; (3) el nivel de significancia que debe utilizarse en la prueba; (4) la probabilidad del error tipo II que se permite; y (5) el valor de la desviacin estndar para la poblacin, La frmula para determinar el tamao mnimo que se requiere para la muestra, a fin de probar un valor hipottico de media con base en la distribucin normal es. (z0 - z1)2 n =------------------( )2 En z0 es el valor critico de z que se utiliza para el nivel de significacin especificado (nivel , en tanto que z1 es el valor de z correspondiente a la probabilidad especificada del error tipo II (nivel . El valor de debe ser conocido o estimado de alguna manera. Puede utilizarse la formula anterior para pruebas de uno o dos extremos. El nico valor que difiere para los dos tipos de prueba es el valor de z0 que se utiliza. (Nota: Cuando se est determinando el tamao mnimo de muestra, siempre se redondean hacia arriba los resultados fraccionarios. Adems, si no se conoce , o la poblacin no tiene una distribucin normal, cualquier tamao de muestra que se calcule debe aumentarse cuando menos a este valor, porque la frmula anterior se basa en el uso de la distribucin normal.) EL MTODO DEL VALOR p PARA PROBAR HIPTESIS NULAS REFERENTES A UNA MEDIA POBLACIONAL Al seguir el mtodo del valor p en vez de comparar el valor observado de un estadstico de prueba con un valor crtico, se determina la probabilidad de ocurrencia del estadstico de prueba, suponiendo que la hiptesis nula es cierta, y se le compara con el nivel de significancia . Se rechaza la hiptesis nula si el valor p es inferior al nivel designado . ANLISIS DE REGRESIN Y CORRELACIN LINEAL OBJETIVOS Y SUPOSICIONES DEL ANLISIS DE REGRESIN El principal objetivo del anlisis de regresin es estimar el valor de una variable aleatoria (la variable dependiente) conociendo el valor de una variable asociada (la variable independiente). La ecuacin de regresin es la frmula algebraica mediante la cual se estima el valor de la variable dependiente.

El trmino de anlisis de regresin simple indica que se estima el valor de la variable dependiente con base en una independiente, en tanto que el anlisis de regresin mltiple se ocupa de la estimacin del valor de la variable dependiente con base en dos o ms variables independientes. Las suposiciones generales en las que se basa el modelo de la regresin que se presenta son: (1) la variable dependiente es una variable aleatoria; (2) las variables dependiente e independiente tienen una relacin lineal; y (3) las varianzas de las distribuciones condicionales de la variable dependiente, para diversos valores de la variable independiente, son iguales (homoscedasticidad). La primera suposicin indica que, aunque puedan controlarse los valores de la variable independiente, los valores de la variable dependiente se deben obtener a travs del proceso de muestreo. Si se utiliza la estimacin por intervalos en el anlisis de regresin, se requiere una suposicin adicional: (4) las distribuciones condicionales de la variable dependiente, para valores diferentes de la variable dependiente, son todas distribuciones normales para la poblacin de valores. EJEMPLO Un analista desea estimar el tiempo de entrega de refacciones industriales embarcadas por camin. Desea utilizar el tiempo de entrega como variable dependiente y la distancia como variable independiente. Suponga que elige diez embarques recientes de los registros de la compaa, de manera que las distancias por carretera correspondientes estn ms o menos equitativamente dispersas entre 100 y 1,000 kilmetros de distancia, y registra el tiempo de entrega para cada embarque. Como se va a utilizar la distancia por carretera como variable independiente, esa seleccin de viajes con distancias especficas resulta aceptable. Por otro lado, la variable dependiente (el tiempo de entrega) es una variable aleatoria en su estudio, lo cual se ajusta a los supuestos del anlisis de regresin. El que las variables tengan o no una relacin lineal, por lo general se determina construyendo un diagrama de dispersin o una grfica de residuales. Estos diagramas se utilizan tambin para observar si la dispersin vertical (varianza) es ms o menos igual a lo largo de la lnea de regresin. DIAGRAMA DE DISPERSIN Un diagrama de dispersin es una grfica en la que se traza cada uno de los puntos que representan un par de valores observados para las variables independiente y dependiente. El valor de la variable independiente se grafica con respecto al eje horizontal, y el valor de la variable dependiente y se traza con respecto al eje vertical. La forma de la relacin representada mediante el diagrama de dispersin puede ser curvilnea y no lineal. Para relaciones que no son lineales, un enfoque utilizado con frecuencia consiste en determinar algn mtodo para transformar los valores de una o ambas variables, de manera que la relacin de los valores transformados s sea lineal. Despus, puede aplicarse el anlisis de regresin a los valores transformados y pueden transformarse los valores estimados de la variable dependiente, de vuelta a la escala original de medicin. EL MTODO DE MNIMOS CUADRADOS PARA AJUSTAR UNA LNEA DE REGRESIN El modelo lineal que representa el modelo de regresin lineal simple es: Yi = 0 + Xi + i en donde

Yi - Valor de la variable dependiente en el i-simo ensayo u observacin. - Primer parmetro de la ecuacin de regresin, que indica el valor de Y cuando X= 0. - Segundo parmetro de la ecuacin de regresin, que indica la pendiente de la lnea de regresin. Xi - El valor especificado de la variable independiente en el i-simo ensayo, u observacin. i - Error aleatorio de muestreo en el i-simo ensayo, u observacin (E es el griego "psilon") RESIDUALES Y GRFICAS DE RESIDUALES Para un valor X dado de la variable independiente. al valor y frecuentemente se le denomina el valor ajustado de la variable dependiente. A la diferencia entre el valor observado y y el valor ajustado y se le denomina residual para esa observacin, y se le denota mediante e: e = Y- y EL ERROR ESTNDAR DEL ESTIMADOR El error estndar del estimador es la desviacin estndar condicional de la variable dependiente Y, dado un valor de la variable independiente X. Para datos poblacionales, el error estndar del estimador se representa mediante el smbolo Y.X. La formula de desviaciones que permite estimar este valor con base en datos muestrales es (Y- y)2 e2 SY.X = -------------- = ---------n-2 n-2 INFERENCIAS SOBRE LA PENDIENTE Antes de utilizar la ecuacin de regresin para realizar estimaciones o predicciones, debe determinarse en primer lugar si, de hecho, existe una relacin entre las dos variables de la poblacin o, por otro lado, si pudiera ser que la relacin que se observa en la muestra haya ocurrido por azar. Si no existe relacin en la poblacin, la pendiente de la lnea de regresin poblacional sera cero, por definicin: 1 = 0. Por ello, la hiptesis que generalmente se prueba es H0: 1= 0. Tambin puede plantearse la hiptesis nula, como prueba con un criterio de calificacin, en cuyo caso la hiptesis alternativa no es simplemente que las dos variables estn relacionadas, sino que la relacin es de algn tipo especfico (directa o inversa). Se prueba el valor hipottico de una pendiente calculando la estadstica t y utilizando n -2 grados de libertad. Se pierden dos grados de libertad en el proceso de la inferencia porque se incluyen en el anlisis de regresin dos estimaciones de parmetros, b0 y b1. La frmula general es b1 - (1)0 t = -------------sb1

en donde SY.X Sb1 = ----------------S X2 - nX2 Sin embargo, cuando la hiptesis nula dice que la pendiente es cero, lo cual generalmente es el caso, se simplifica la frmula y se plantea de la siguiente manera: b1 t = --------s b1 EL COEFICIENTE DE CORRELACIN Aunque el coeficiente de determinacin es relativamente fcil de interpretar, no se prueba muy bien en pruebas estadsticas. Sin embargo, la raz cuadrada del coeficiente de determinacin, que se denomina el coeficiente de correlacin r s se presta para las pruebas estadsticas, porque puede utilizarse para definir una estadstica de prueba que tiene distribucin t cuando la correlacin en la poblacin p es igual a 0. El valor del coeficiente puede variar de -1.00 a +1.00. El signo aritmtico asociado con el coeficiente de correlacin, que es siempre igual al signo de 1 de la ecuacin de regresin, indica la direccin de la relacin entre X y Y (positiva = directa; negativa = inversa). El coeficiente de correlacin poblacional, teniendo el mismo signo aritmtico que 1 de la ecuacin de regresin es: p = p2 El coeficiente de correlacin muestral es r = r2 En resumen, el signo del coeficiente de correlacin indica la direccin de la relacin entre las variables X y Y, en tanto que el valor absoluto del coeficiente muestra la medida de la relacin. El coeficiente de correlacin elevado al cuadrado es el coeficiente de determinacin e indica la proporcin de la varianza de Y que queda explicada por el conocimiento de X (y viceversa). SIGNIFICACIN DEL COEFICIENTE DE CORRELACIN Es comn que la hiptesis nula de inters sea que la correlacin en la poblacin p = 0, porque si se rechaza esta hiptesis a un nivel especificado , se concluira que existe una relacin real entre las variables. Tambin puede plantearse la hiptesis como prueba con un criterio de calificacin. Considerando que se satisfacen las suposiciones, la siguiente estadstica muestral que incluye a r se distribuye como la distribucin t, con gl = n -2, cuando p =0: r t = ------------

1-r2 n-2 Probar la hiptesis nula de que p = 0 es equivalente a probar la hiptesis nula de que = 0 en la ecuacin de regresin. Eventos dependientes e independientes, combinaciones y permutaciones Para aplicar la Regla de Laplace, el clculo de los sucesos favorables y de los sucesos posibles a veces no plantea ningn problema, ya que son un nmero reducido y se pueden calcular con facilidad: Por ejemplo: Probabilidad de que al lanzar un dado salga el nmero 2. Tan slo hay un caso favorable, mientras que los casos posibles son seis. Probabilidad de acertar al primer intento el horscopo de una persona. Hay un caso favorable y 12 casos posibles. Sin embargo, a veces calcular el nmero de casos favorables y casos posibles es complejo y hay que aplicar reglas matemticas: Por ejemplo: 5 matrimonios se sientan aleatoriamente a cenar y queremos calcular la probabilidad de que al menos los miembros de un matrimonio se sienten junto. En este caso, determinar el nmero de casos favorables y de casos posibles es complejo. Las reglas matemticas que nos pueden ayudar son el clculo de combinaciones, el clculo de variaciones y el clculo de permutaciones. a) Combinaciones: Determina el nmero de subgrupos de 1, 2, 3, etc. elementos que se pueden formar con los "n" elementos de una nuestra. Cada subgrupo se diferencia del resto en los elementos que lo componen, sin que influya el orden. Por ejemplo, calcular las posibles combinaciones de 2 elementos que se pueden formar con los nmeros 1, 2 y 3. Se pueden establecer 3 parejas diferentes: (1,2), (1,3) y (2,3). En el clculo de combinaciones las parejas (1,2) y (2,1) se consideran idnticas, por lo que slo se cuentan una vez. b) Variaciones: Calcula el nmero de subgrupos de 1, 2, 3, etc.elementos que se pueden establecer con los "n" elementos de una muestra. Cada subgrupo se diferencia del resto en los elementos que lo componen o en el orden de dichos elementos (es lo que le diferencia de las combinaciones). Por ejemplo, calcular las posibles variaciones de 2 elementos que se pueden establecer con los nmero 1, 2 y 3. Ahora tendramos 6 posibles parejas: (1,2), (1,3), (2,1), (2,3), (3,1) y (3,3). En este caso los subgrupos (1,2) y (2,1) se consideran distintos.

c) Permutaciones: Clcula las posibles agrupaciones que se pueden establecer con todos los elementos de un grupo, por lo tanto, lo que diferencia a cada subgrupo del resto es el orden de los elementos. Por ejemplo, calcular las posibles formas en que se pueden ordenar los nmero 1, 2 y 3. Hay 6 posibles agrupaciones: (1, 2, 3), (1, 3, 2), (2, 1, 3), (2, 3, 1), (3, 1, 2) y (3, 2, 1) Cmo se calculan? a) Combinaciones: Para calcular el nmero de combinaciones se aplica la siguiente frmula:

El termino " n ! " se denomina "factorial de n" y es la multiplicacin de todos los nmeros que van desde "n" hasta 1. Por ejemplo: 4 ! = 4 * 3 * 2 * 1 = 24 La expresin "Cm,n" representa las combinaciones de "m" elementos, formando subgrupos de "n" elementos. Ejemplo: C10,4 son las combinaciones de 10 elementos agrupndolos en subgrupos de 4 elementos:

Es decir, podramos formar 210 subgrupos diferentes de 4 elementos, a partir de los 10 elementos. b) Variaciones: Para calcular el nmero de variaciones se aplica la siguiente frmula:

La expresin "Vm,n" representa las variaciones de "m" elementos, formando subgrupos de "n" elementos. En este caso, como vimos en la leccin anterior, un subgrupo se diferenciar del resto, bien por los elementos que lo forman, o bien por el orden de dichos elementos. Ejemplo: V10,4 son las variaciones de 10 elementos agrupndolos en subgrupos de 4 elementos:

Es decir, podramos formar 5.040 subgrupos diferentes de 4 elementos, a partir de los 10 elementos. c) Permutaciones: Para calcular el nmero de permutaciones se aplica la siguiente frmula:

La expresin "Pm" representa las permutaciones de "m" elementos, tomando todos los elementos. Los subgrupos se diferenciaran nicamente por el orden de los elementos. Ejemplo: P10 son las permutaciones de 10 elementos:

Vamos a analizar ahora que ocurrira con el clculo de las combinaciones, de las variaciones o de las permutaciones en el supuesto de que al formar los subgrupos los elementos pudieran repetirse. Por ejemplo: tenemos bolas de 6 colores diferentes y queremos formar subgrupos en los que pudiera darse el caso de que 2, 3, 4 o todas las bolas del subgrupo tuvieran el mismo color. En este caso no podramos utilizar las frmulas que vimos en la leccin anterior. a) Combinaciones con repeticin: Para calcular el nmero de combinaciones con repeticin se aplica la siguiente frmula:

Ejemplo: C'10,4 son las combinaciones de 10 elementos con repeticin, agrupndolos en subgrupos de 4, en los que 2, 3 o los 4 elementos podran estar repetidos:

Es decir, podramos formar 715 subgrupos diferentes de 4 elementos. b) Variaciones con repeticin:

Para calcular el nmero de variaciones con repeticin se aplica la siguiente frmula:

Ejemplo: V'10,4 son las variaciones de 10 elementos con repeticin, agrupndolos en subgrupos de 4 elementos:

Es decir, podramos formar 10.000 subgrupos diferentes de 4 elementos. c) Permutaciones con repeticin: Para calcular el nmero de permutaciones con repeticin se aplica la siguiente frmula:

Son permutaciones de "m" elementos, en los que uno de ellos se repite " x1 " veces, otro " x2 " veces y as ... hasta uno que se repite " xk " veces. Ejemplo: Calcular las permutaciones de 10 elementos, en los que uno de ellos se repite en 2 ocasiones y otro se repite en 3 ocasiones:

Es decir, tendramos 302,400 formas diferentes de agrupar estos 10 elementos. Ejercicio Calcular la probabilidad de acertar los 14 signos de la quiniela: Solucin: Se aplica la Regla de Laplace (casos favorables / casos posibles). El caso favorable es tan slo uno (acertar los 14 signos). Los casos posibles se calculan como variaciones con repeticin de 3 elementos (1, X y 2), tomados de 14 en 14 (los signos que hay que rellenar). Son variaciones y no combinaciones ya que el orden influye: no es lo mismo (1,1,X) que (1, X, 1). Y son con repeticin, ya que cualquiera de los signos (1, X y 2) se puede repetir hasta 14 veces. Por lo tanto, los casos posibles son:

Y la probabilidad de acertar los 14 resultados es:

No demasiado elevada....pero el que la sigue la consigue. 2.- Ejercicio Y la probabilidad de acertar 12 signos de la quiniela: Solucin: Aplicamos nuevamente la Regla de Laplace. En este caso los casos favorables se calculan como combinaciones de 14 elementos tomados de 2 en 2, de esta manera obtenemos todas las posibles alternativas de fallar 2 resultados de 14 (lo que equivale a acertar 12 resultados). Utilizamos combinaciones y no variaciones ya que el orden no importa (da lo mismo fallar el 3 y el 6, que el 6 y el 3)

Los casos posibles siguen siendo los mismos:

Por lo que la probabilidad de acertar 12 resultados es:

Por lo tanto, tenemos ms probabilidades de acertar 12 resultados que 14 (ser por eso por lo que pagan menos?). 3.- Ejercicio Calcular la probabilidad de, en una carrera de 12 caballos, acertar los 3 que quedan primeros (sin importar cual de ellos queda primero, cual segundo y cual tercero). Solucin: Se aplica la Regla de Laplace. El caso favorable es tan slo uno: los 3 caballos que entran en primer lugar. Los casos posibles se calculan como combinaciones de 12 elementos tomados de 3 en 3 (es decir, determinamos todos las posibles alternativas de 3 caballos que pueden entrar en las 3 primeras posiciones). Como el orden de estos 3 primeros caballos no importa, utilizamos combinaciones en lugar de variaciones. Por lo tanto, los casos posibles son:

Por lo que la probabilidad de acertar los 3 caballos ganadores es:

Algo mayor que en las quinielas.... Eso s, se paga menos. 4.- Ejercicio Y si hubiera que acertar, no slo los 3 caballos que ganan, sino el orden de su entrada en meta. Solucin: El caso favorable sigue siendo uno: los 3 caballos que entran en primer lugar, colocados en su orden correspondiente. Los casos posibles se calculan ahora como variaciones (ya que el orden influye) de 12 elementos tomados de 3 en 3 (calculamos todas las posibles maneras en que los 12 caballos podran ocupar las 3 primeras posiciones.

Por lo que la probabilidad de acertar los 3 caballos ganadores es:

Menor que en el ejemplo 3. Ya no vale acertar que 3 caballos entran en primer lugar, sino que tenemos que acertar el orden de su entrada.

Preclculo Propiedades de los nmeros reales Los nmeros que se utilizan en el lgebra son los nmeros reales. Hay un nmero real en cada punto de la recta numrica. Los nmeros reales se dividen en nmeros racionales, nmeros irracionales y numeros enteros los cuales a su vez se dividen en nmeros negativos, nmeros positivos y cero (0) .Podemos verlo en esta tabla:

Un nmero real es racionalsi se puede representar como cociente a/b, donde a sea un entero y b sea un entero no igual a cero. Los nmeros racionales pueden escribirse en forma decimal. Existen dos maneras: * decimales terminales * decimales que se repiten infinitamente Los nmeros reales que no pueden ser expresados en la forma a/b, donde a y b son enteros se llaman nmeros irracionales. Los nmeros irracionales no tienen decimales terminales ni decimales que se repiten infinitamente. Desigualdades Desigualdades Lineales Una inecuacin o desigualdad lineal es lo mismo que una ecuacin lineal pero cambiando el signo de igualdad por signo(s) de desigualdad. Los signos de desigualdad son . Para resolver una desigualdad lineal se utilizan los mismos pasos que se usan para resolver una ecuacin lineal. Como ejemplo, vamos a resolver la desigualdad 3 > x - 8. Sumando la misma cantidad a ambos lados: 3>x-8 3+8>x-8+8 11 > x Una regla importante en las desigualdades es que cuando se divide por un nmero negativo, el signo de desigualdad cambia. Ejemplo:

Intrvalos Un intrvalo es el conjunto de todos los nmeros reales entre dos nmeros reales dados. Para representar los intrvalos se utilizan los siguientes simbolos: 1. Intrvalo abierto (a, b) = {x/a x b}. 2. Intrvalo cerrado [a, b] = {x/a x b}

En una grfica, los puntos finales de un intrvalo abierto se representan con un punto abierto ( ) y los de un intrvalo cerrado se representan con un punto cerrado ( ). Por ejemplo, observemos las siguientes figuras:

Segn vimos anteriormente los parntesis se utilizan para los intrvalos abiertos y los corchetes para los intrvalos cerrados. Veamos ahora cuando se utilizan ambas denotaciones a la misma vez. Por ejemplo: Si tenemos (a, b], la grfica sera:

Si tenemos [a, b), la grfica sera:

Cuando hablamos de infinito nos referimos al conjunto de todos los nmeros reales mayores que a y se representan con la notacin de intrvalo (a, ). El conjunto de todos los nmeros reales menores que a se representan con la notacin de intrvalo (- , a).

Desigualdades que Envuelven Dos Posibles Soluciones Hay desigualdades que envuelven dos posibles soluciones, una positiva y otra negativa. Por ejemplo: | 10x - 2| 9

10x - 2 -9 10x -9 +2 10x -7 10x/10 -7/10 x -7/10 10x - 2 9 10x 9 + 2 10x 11 10x/10 11/10 x 11/10

Funcin y lmite Coordenadas Llamamos a la coordenada de un punto a cada punto en la recta numrica asociado con un nmero real. Un par ordenado es un par de nmeros a y b con elementos escritos en forma significante. Dos pares ordenados son iguales si tienen el mismo primer elemento y el mismo segundo elemento. Por ejemplo: El par ordenado (4, 5) es igual al par ordenado (4, 5). Los nmeros en un par ordenado son llamados coordenadas. En el par (7, 5) la primera coordenada es 7 y la segunda es 5. Ya hemos visto en la primera seccin cmo se construye una recta numrica. La lnea horizontal es el eje de x, la vertical es el eje de y y su interseccin es el origen. Estos ejes dividen el plano en cuatro zonas llamadas cuadrantes. Veamos la siguiente recta numrica:

Las coordenadas en el primer cuadrante sern (+, +), las del segundo cuadrante sern (-, +), las del tercer cuadrante sern (-, -) y las del cuarto cuadrante sern (+, -). El primer nmero de una

coordenada representa el lugar horizontal del punto y el segundo nmero representa el lugar vertical del punto. Por ejemplo:

Distancia Entre Dos Puntos La distancia entre dos puntos P1 y P2 se calcula usando la siguiente frmula: d( P1, P2) = |P1 - P2| Por ejemplo: d(4, -6) = |4 - (-6)| = 10 Pero para hallar la distancia entre dos puntos, mediante sus coordenadas P1 (X1, Y1) y P2 (X2, Y2), utilizamos la siguiente frmula de distancia:

Crculos Un crculo es una curva que consiste en un conjunto de puntos equidistantes a un punto en comn. El punto en comn es llamado el centro del crculo y la distancia desde el centro hasta la curva se conoce como el radio del crculo. Para determinar la distancia del radio (r), supongamos que las coordenadas del centro son (h, k) y las de un punto cualquiera del crculo son (x, y), la frmula sera:

Por ejemplo, si el centro del crculo es (6, 4) y uno de sus puntos es (4, 3). Determinar el radio (r).

Si el centro del crculo es el origen, o sea con coordenadas (0, 0), entonces la frmula sera:

Por ejemplo, si utilizamos el ejercicio anterior pero con centro (0, 0) sera:

Variacin Existen dos tipos de variacin: variacin directa y variacin inversa. Veamos cada una de ellas: Variacin Directa = es una funcin que se define por una ecuacin que est en la forma y = kx , donde k es una constante no igual a cero. La variable y vara directamente de x. La constante k es llamada la constante de variacin. La variacin directa establece un nico valor de y para cada valor de x. En la variacin directa las dos variables aumentan (o disminuyen) juntas. Cuando el dominio es un conjunto de nmeros reales, la grfica de la variacin directa es una lnea recta con pendiente k que pasa por el origen.

Variacin Inversa = es una funcin que se define por una ecuacin que est en la forma y = k/x, donde x no es igual a cero. La variable y vara a la inversa de x. En la variacin invesa el aumento de una de las variables significa la disminucin de la otra variable. La grfica de esta variacin es una hiprbola.

Proporcin Una proporcin es una ecuacin que establece que dos radios son iguales. Una proporcin es en la que el producto entre a con d es igual al producto de b con c. Muchos problemas de aplicacin pueden resolverse si se utiliza una proporcin adecuada. Por ejemplo: Un automvil gasta 9 galones de gasolina para viajar 120 millas. Cuntos galones de gasolina necesitara el auto para viajar 550 millas? 9 gal. = 120 mi. x gal. = 550 mi.

Funciones Una funcin consiste en dos conjuntos, dominio y rango, y una regla que asigna a cada miembro del dominio exactamente un miembro del rango. A cada miembro del rango debe serle asignado por lo menos un miembro del dominio. Si la relacin entre dos variables x y y es una en la que para cada valor de y hay exactamente un valor de x, se dice que y es una funcin de x.

Ejemplo: y = 7x + 1 y = 7(2) + 1 = 15 y = 7(4) + 1 = 29 y = 7(6) + 1 = 43 El dominio D es {2, 4, 6} y el rango R es {15, 29, 43}. La Grfica de una Funcin Para hacer la grfica de una funcin como f(x) = x + 2, lo hacemos igual que si hiciramos la grfica de una ecuacin y = x + 2. Buscamos los pares ordenados (x, f(x)), se localizan los puntos en la recta numrica y se conectan. Por ejemplo: f(x) = x + 2

Utilizando una Grfica para Definir una Funcin Una grfica determina un conjunto de pares ordenados con nmeros reales correspondientes a las coordenadas de los puntos en la grfica. Este conjunto de pares ordenados, determinados por la grfica, puede o no puede definir una funcin. Es importante recordar que para definir una funcin, el conjunto de pares ordenados debe obedecer la regla que establece que dos pares ordenados no deben tener el mismo primer elemento. Por lo tanto, una lnea vertical no puede intersectar la grfica de una funcin en mas de un punto. Figuras:

La figura 1 define una funcin, mientrs que la figura 2 no define una funcin.

Los Ceros de una Funcin Un cero de una funcin es la solucin de una ecuacin f(x) = 0. Los ceros de una funcin corresponde a los puntos en los cuales la grfica de la funcin atraviesa el eje de x. Estos puntos son llamados interceptos en x. Por ejemplo:

En la figura 1 los interceptos en x son X1, X2 y X3. La figura 2 no tiene ningn intercepto en x.