Está en la página 1de 9

ESTADSTICA Y PROBABILIDAD 1. ESTADSTICA 1.

1 INTRODUCCIN La estadstica se remonta a pocas muy antiguas y se caracteriza por encontrarse asociada a los censos poblacionales y al registro de bienes y servicios de un determinado pueblo. Actualmente la estadstica est inmersa en todas las actividades del ser humano, demografa, economa, comercio, educacin, etc. Una de las actividades a la cual la estadstica le sirve de apoyo es el control de la calidad de productos y servicios, lo cual permite mejorar los sistemas de produccin y manufactura, as como tomar una decisin adecuada sobre los dichos procesos. 1.2 QU ES LA ESTADSTICA? Disciplina relacionada con los mtodos cientficos destinados a recopilar, organizar, clasificar, presentar, resumir y analizar los datos, tanto para la deduccin de conclusiones como para tomar decisiones. El estudio de la estadstica puede dividirse en dos reas principales: a. Estadstica descriptiva(Es la que estudiaremos). b. Estadstica inferencial. a. Estadstica Descriptiva Es la que se encarga de recopilar, clasificar, presentar, analizar e interpretar un conjunto de datos. Ejemplo: El gerente de un bazar realiza mensualmente un balance de los ingresos que obtiene. En los meses de Junio, Julio, Agosto y Setiembre obtuvo s/.1300; s/.1000; s/.1200; s/.1300 respectivamente. El gerente desea conocer el promedio mensual de sus ingresos obtenidos.

a.1 Medidas de tendencia central (Promedios) Dado un conjunto de datos, sabemos que el promedio de ellos es un valor que representa el centro del conjunto de los valores dados, por lo que afirmamos que los promedios son medidas de centralizacin. Desarrollaremos a continuacin los principales: a.1.1 Media Aritmtica ( ) Se le conoce tambin como media o promedio aritmtico. ste es el promedio ms usado para todos nosotros y el ms fcil de calcular. Para calcular la media aritmtica de un conjunto de datos, se debe sumar todos los elementos y dividir el resultado entre el nmero de ellos. Dado un conjunto de n nmeros , la media aritmtica se define:

Ejemplo: Los gastos diarios en movilidad de una persona son: 3, 2, 5, 4, 6, 3. El promedio de los gastos en movilidad ser:

a.1.2 Media Aritmtica Ponderada A veces los elementos de un conjunto estn asociados a un factor peso, dependiendo de la relevancia asignada a cada uno. Ejemplo: Las notas de un alumno son: Parcial = 2(15) y Practica = 18. Entonces su promedio ponderado ser: ( )

Caractersticas de la Media Aritmtica: En su clculo intervienen todos los datos, por lo tanto, se ven alterados por la variacin de cualquiera de ellos. La media aritmtica ponderada es bastante til cuando se considera que los distintos valores promediados tienen una importancia desigual. a.1.3 Media Geomtrica ( ) Es el segundo promedio ms utilizado. Generalmente nos permite promediar ndices porcentuales y tasas de crecimiento. Su clculo se realiza de la siguiente manera:
(

Ejemplo: En una comunidad campesina se ha observado el crecimiento poblacional de los tres ltimos aos. Halle la tasa anual de crecimiento. Ao Crecimiento 2000 2.16% 2001 5.12% 2002 1.29%

)(

)(

a.1.4 Mediana (Me) Es el valor que divide el total de observaciones (n), debidamente ordenados o tabulados, en dos partes de igual tamao. La mediana depender de la cantidad de datos ms no de los valores de stos. Cuando se tengan datos obtenidos de una muestra, se tendr dos casos. En primer lugar, tendremos que ordenarlos en forma ascendente o descendente. 1) Cuando se tiene un nmero impar de datos: La mediana ser igual al valor del trmino central.

Ejemplo: Se tiene el nmero de hijos de 7 familias los cuales son: 5, 1, 6, 1, 2, 1, 4. Ordenamos: 1, 1, 1, 2, 4, 5, 6

Notamos que el trmino central es 2, por lo que diremos que el cuarto dato es la llamada mediana, Me = 2. 2) Cuando se tiene un nmero par de datos: La mediana es igual a la semisuma de los dos trminos centrales. Ejemplo: Se tienen las cantidades de alumnos que asistieron a un aula de clases en los ltimos 6 das: 26, 20, 21, 30, 25, 21. Ordenamos: 20, 21, 21, 25, 26, 30

Entonces:

Observacin: La mediana utiliza menos informacin que la media ya que solo depende del orden de los datos, pero su mayor ventaja es que no se ve influida por los valores extremos. a.1.5 Moda (Mo) Es el valor que se presenta con mayor frecuencia en un grupo de datos. A la distribucin que tiene una sola moda se le llama unimodal. A la distribucin que tiene dos modas se le llama bimodal. A la distribucin que tiene ms de dos modas se le llama multimodal. En el caso de que ningn valor se repita ms que los otros, se dice que no existe moda.

Ejemplo: Se tienen las notas de 10 alumnos en el curso de matemtica, de la escuela de Matemticas de la UNT, las cuales son: 17, 11, 12, 12, 16, 12, 13, 16, 15, 16. Entonces se dir que las notas 12 y 16 se repiten la misma cantidad de veces (3 veces). En este caso la distribucin es bimodal, Mo = 12 y 16.

a.1.6 Media Armnica () La media armnica es la inversa de la media aritmtica de los inversos de los datos.

Ejemplo: Calcular la media armnica de las edades de 3 estudiantes, las cuales son: 24, 16 y 30 aos. ( )

2. PROBABILIDAD 2.1. INTRODUCCIN La teora de la probabilidad tendr como objeto orientar al investigador en los procesos de descripcin de los experimentos y fenmenos aleatorios, y proporcionar as conceptos que nos permitan entender los procesos que dependen del azar. 2.2. PROBABILIDADES El estudio de probabilidades nos permite hacer aseveraciones de situaciones de las cuales no estamos absolutamente seguros de lo que va a ocurrir pero expresan cierto grado de prediccin.

2.3. CONCEPTOS IMPORTANTES 2.3.1. Experimento Aleatorio( ) Es el proceso mediante el cual se puede obtener o predecir un resultado. Ejemplos: Si lanzamos una moneda al aire y observamos el resultado de la cara superior. Lanzar un dado varias veces y observar que todos los resultados son distintos. 2.3.2. Espacio Muestral () Es el conjunto de puntos de todos los resultados posibles de un experimento aleatorio. Ejemplos: Lanzar una moneda 3 veces. Mediante el Diagrama del rbol 1 2 C C S C S C S C S *( ) ( ) ( ) ( ) ( ) ( (C,S,C) (C,S,S) (S,C,C) (S,C,S) (S,S,C) (S,S,S) ) ( 3 C S Resultado (C,C,C) (C,C,S)

C S S

) (

)+

Adems: n ( ) = 8

2.3.3. Suceso o Evento Es un subconjunto del espacio muestral y se representa mediante una letra mayscula. Ejemplo: Lanzamos 2 dados legales y observamos que aparecen los nmeros iguales en la caja superior. Sea: *( El evento es: *( ) ( ) ( ) ( ) ( ) ( )+ ) ( ) ( ) ( ) ( )+

a) Evento Seguro Si el evento A es igual al espacio muestral (A = ), entonces el evento es seguro. b) Evento Posible El evento A es posible si es subconjunto del espacio muestral (A ). c) Evento Imposible Si el conjunto A resulta ser un conjunto vaco entonces es un evento imposible. Ejemplo: Al lanzar un dado, sean los eventos: A: De obtener un nmero par. B: De obtener un nmero impar. C: De obtener un nmero mayor que 8. D: De obtener un nmero mayor que 0. Solucin: Se tiene el espacio muestral:

A = {2, 4, 6} B = {1, 3, 5} C = {9, 10, 11,} D = {1, 2, 3, 4, 5, 6}

Evento posible. Evento posible. Evento imposible. Evento seguro.

2.4. DEFINICIN CLSICA DE PROBABILIDAD Si en un experimento el nmero de elementos del conjunto A de casos favorables para un determinado suceso A es n(A) y el nmero de elementos de casos posibles C es n(C), entonces la probabilidad del suceso A de experimentar una sola vez, es: ( )
( ) ( )

o tambin

( )

Esto es aplicable si y solo si todos los casos son igualmente posibles. Ejemplo: Encontrar la probabilidad que al lanzar un dado se obtenga un valor impar. Solucin: 1 El experimento es lanzar un dado 2 El conjunto de casos posibles: C = {1, 2, 3, 4, 5, 6} 3 El conjunto de casos favorables: A = {1, 3, 5} Entonces: n(A) = 3; n(C) = 6 ( )

2.5. AXIOMAS DE PROBABILIDAD Sea el espacio muestral y P(A) es llamado la probabilidad del evento A, se cumplen los siguientes axiomas: 1) Para todo evento A, ( ) . 2) La probabilidad de un evento seguro es igual a 1. 3) Si A y B son eventos mutuamente excluyentes, entonces: P(A B) = P(A)+P(B) 4) Si es el complemento de un evento A, entonces: P( ) = 1-P(A) P(A) P(B)

5) Si A B, entonces:

6) Si A y B son 2 eventos, entonces: P(A-B) = P(A) - P(A B) 7) Si A y B son 2 eventos, entonces: P(A B) = P(A) + P(B) - P(A B)

2.6. PROBABILIDAD CONDICIONAL


, -

= Es la probabilidad de que el evento A, ocurra, dado que el

evento B ya ocurri:
, ( ( ) )

( ( )