FACULTAD DE DERECHO Y CIENCIAS POLITICAS ESCUELA PROFESIONAL DE CIENCIAS POLITICAS

COMPENDIO DE ESTADISTICA NOTAS PARA CLASE

CURSO : ESTADISTICA APLICADA A LAS CIENCIAS POLITICAS

PROF: LUIS V. SANCHEZ YGREDA

2014

CAPITULO

1
CONTENIDO
HISTORIA DEFINICION TIPOS

OBJETIVO DEL CAPITULO

CONOCER LA EVOLUCION DE LA ESTADSTICA RECONOCER LOS METODOS Y SUS APLICACIONES

LUIS V. SANCHEZ YGREDA 2 -

HISTORIA DE LA ESTADSTICA
Se puede afirmar que la historia de la estadstica comienza alrededor de 1749 aunque, con el tiempo, han habido cambios en la interpretacin de la palabra estadstica. En un principio, el significado estaba restringido a la informacin acerca de los estados. Este fue extendido posteriormente para incluir toda coleccin de informacin de cualquier tipo, y ms tarde fue extendido para incluir el anlisis e interpretacin de los datos. En trminos modernos, "estadstica" significa tanto conjuntos de informacin recopilada, por ejemplo registros de temperatura, contabilidad nacional, como trabajo analtico que requiera inferencia estadstica. Las actividades estadsticas a menudo se asocian con modelos expresados mediante el uso de probabilidades, y requieren de la teora de probabilidades para tener una firme base terica: Un gran nmero de conceptos de la estadstica han tenido un importante impacto en un amplio rango de ciencias. Estos incluyen el diseo de experimentos y enfoques a la inferencia estadstica como la Inferencia Bayesiana, para cada uno de los cuales se puede considerar que tiene su propia secuencia en el desarrollo de las ideas que subyacen en la estadstica moderna.

INTRODUCCIN
En el siglo 18, el trmino "estadstica" designaba la coleccin sistemtica de los datos demogrficos y econmicos por los estados. A principios del siglo 19, el significado de "estadstica" fue ampliado para incluir la disciplina ocupada de recolectar, resumir y analizar los datos. Hoy la estadstica es ampliamente usada en el gobierno, los negocios y todas las ciencias. Las computadoras electrnicas han acelerado la estadstica computacional y ha permitido a los estadsticos el desarrollo de mtodos que usan recursos informticos intensivamente. El trmino "estadstica matemtica" designa las teoras matemticas de la probabilidad e inferencia estadstica, las cuales son usadas en la estadstica aplicada. La relacin entre estadstica y probabilidades se fue desarrollando con el tiempo. En el siglo 19, las estadsticas usaron de forma gradual la teora de probabilidades, cuyos resultados iniciales fueron encontrados en los siglos 17 y 18, particularmente en el anlisis de los juegos de azar (apuestas). Para 1800, la astronoma usaba modelos probabilsticos y teoras estadsticas, particularmente el mtodo de los mnimos cuadrados, el cual fue inventado por Legendre y Gauss. La incipiente teora de las probabilidades y estadsticas fue sistematizada y extendida por Laplace; despus de este, las probabilidades y estadsticas han experimentado un continuo desarrollo. En el siglo 19, el razonamiento estadstico y los modelos probabilsticos fueron usados por las ciencias sociales para el avance las nuevas ciencias de psicologa experimental y sociologa, y por las ciencias fsicas en termodinmica y mecnica estadstica. El desarrollo del razonamiento estadstico estuvo fuertemente relacionado con el desarrollo de la lgica inductiva y el mtodo cientfico. La estadstica puede ser considerada no como una rama de las matemticas, sino como una ciencia matemtica autnoma, como las Ciencias de la computacin y la investigacin de operaciones. A diferencia de las matemticas, la estadstica tuvo sus orgenes en la administracin pblica. Fue usada en la demografa y la economa. Con el nfasis en el aprendizaje de los datos y en la elaboracin de las predicciones ms acertadas, la estadstica se ha solapado con la Teora de la decisin y la microeconoma. Con el enfoque de los datos, la estadstica se ha solapado con la ciencia de la informacin y las Ciencias de la computacin.

ETIMOLOGA
El trmino estadstica, en ltima instancia, deriva la palabra del Neolatn statisticum collegium (consejo de estado) y la palabra Italiana statista ("hombre de estado" o poltico). La palabra alemana Statistik, introducida primeramente por Godofredo Achenwall (1749), originalmente designaba el anlisis de datos acerca del estado, significando la ciencia del estado (llamado posteriormente aritmtica poltica en Idioma Ingls). A principios del siglo 19, adquiri el significado de coleccin y clasificacin de datos. El trmino fue introducido en Inglaterra en 1792 por Sir John Sinclair cuando public el primero de 21 volmenes titulado Statistical Account of Scotland. De esta forma, el propsito original principal de Statistik eran los datos usados por el gobierno y los cuerpos administrativos (a menudo centralizados). La coleccin de datos acerca de estados y localidades contina, en mayor parte a travs de servicios estadsticos nacionales e internacionales. En particular, los censos proveen frecuentemente informacin actualizada acerca de la poblacin. El primer libro en tener estadsticas en su ttulo fue Contributions to Vital Statistics por Francis GP Neison, registrado a la Medical Invalid and General Life Office(1 era edicin 1845, 2nda ed. 1846, 3ra ed. 1857)

ORGENES EN PROBABILIDADES
El uso de los mtodos estadsticos se remonta al menos al siglo 5to AC. El historiador Tucdides en su Historia de la Guerra del Peloponeso2 describe como los atenienses calculaban la altura de la muralla de Platea, contando el nmero de ladrillos de una seccin expuesta de la muralla que estuviera lo suficientemente cerca como para contarlos. El conteo era repetido varias veces por diferentes soldados. El valor ms frecuente (la moda en trminos ms modernos) era tomado como el valor del nmero de ladrillos ms probable. Multiplicando este valor por la altura de los ladrillos usados en la muralla les permita a los atenienses determinar la altura de las escaleras necesarias para trepar las murallas. En el poema pico Indio el Mahbharata (Libro 3: la historia de Nala) el rey Rtupama estimaba el nmero de frutas y hojas(2095 frutas y 50,00,000 hojas (5 crores)) en dos grandes hojas de un rbol Vibhitaka contndolos en un solo vstago. Este nmero era luego multiplicado por el nmero de vstagos en las ramas. Este estimado fue posteriormente verificado y se hall que estaba muy cerca del nmero verdadero. Con el conocimiento de este mtodo Nala pudo subsecuentemente reconquistar su reino. El primer escrito de estadstica fue encontrado en un libro o del siglo 9 DC titulado Manuscrito sobre el Descifrado de Mensajes Criptogrficos, escrito por Al-Kindi( 801 - 873 DC). En su libro, Al-Kindi da una descripcin detallada sobre el uso de las estadsticas y anlisis de frecuencias en el descifrado de mensajes, este fue el nacimiento tanto de la estadstica como del criptoanlisis. La Prueba del Pyx es una prueba de pureza de la moneda del Royal Mint, que ha sido llevada a cabo regularmente desde el siglo 12. La Prueba en s misma est basada en mtodos de muestreo estadstico. Despus de acuar una serie de monedas originalmente de 10 libras de plata- una moneda singular era colocada en el Pyx- una caja en la Abada de Westminster. Despus de un tiempo ahora una vez al ao- las monedas son retiradas y pesadas. Luego, una muestra de monedas retiradas de la caja es probada por pureza La Nueva Crnica, una historia de Florencia del siglo 14 escrita por el banquero florentino y oficial Giovanni Villani, incluye mucha informacin estadstica. sobre la poblacin, ordenanzas, comercio, educacin y edificaciones religiosas, y ha sido descrito como la primera introduccin de la estadstica como elemento positivo en la historia, aunque ni el trmino ni el concepto de la estadstica como campo especfico exista an. Esto se demostr que era incorrecto despus del hallazgo del libro de Al-Kindi sobre anlisis de frecuencias. 4 -

Aunque era un concepto conocido por los griegos, la media aritmtica no fue generalizada a ms de dos valores hasta el siglo 16. La invencin del sistema decimal por Simon Stevin en 1585 parece haber facilitado estos clculos. Este mtodo fue adoptado por primera vez en astronoma por Tycho Brahe, el que intentaba reducir errores en sus estimados de las localizaciones de varios cuerpos celestiales. La idea de la mediana se origin en el libro de navegacin de Edward Wright (Certaine Errors in Navigation) en 1599 en una seccin concerniente a la determinacin de una localizacin con un comps. Wright sinti que este valor era el que ms probablemente estuviera correcto en una serie de observaciones. John Graunt en su libro Natural and Political Observations Made upon the Bills of Mortality, estim la poblacin de Londres en 1662 a travs de registros parroquiales. El saba que haba cerc cerca de 13,000 funerales al ao en Londres y que de cada once familias tres personas moran por ao. El estimo de los registros parroquiales que el tamao promedio de las familias era 8 y calcul que la poblacin de Londres era de cerca de 384,000. Laplace en 1802 estim la poblacin de Francia con un mtodo similar. Los mtodos matemticos de la estadstica surgieron de la teora de probabilidades, la cual tiene sus races en la correspondencia entre Pierre de Fermat y Blaise Pascal (1654). Christiaan Huygens (1657) provey el primer tratamiento cientfico sobre el tema que se conozca hasta la fecha. El libro Ars Conjectandi de Jakob Bernoulli (pstumo 1713) y La Doctrina de las Probabilidades (1718) de Abraham de Moivre trataron el tema como una rama de las matemticas. atemticas. En su libro, Bernoulli introdujo la idea de representar certeza completa como el nmero 1 y la probabilidad como un nmero entre cero y uno. Galileo luch contra el problema de errores en las observaciones y haba formulado ambiguamente el principio de que los valores ms probables de cantidades desconocidas seran aquellos que hicieran los errores en las ecuaciones razonablemente pequeos. El estudio formal en teora de errores puede ser originado en el libro de Roger Cotes (Opera Miscellanea, pstumo 1750). Tobias Mayer, en su estudio de los movimientos de la Luna (Kosmographische Nachrichten, Nuremberg, 1750), invent el primer mtodo formal para estimar cantidades desconocidas generalizando el promedio de las observaciones bajo circunstancias circunstan idnticas al promedio de los grupos de ecuaciones similares. Un primer ejemplo de lo que posteriormente fue conocido como la curva normal fue estudiado por Abraham de Moivre, quien traz esta curva en Noviembre 12, 1733. De Moivre estaba estudiando el e nmero de caras que ocurran cuando una moneda justa era lanzada. En sus memorias Un intento por mostrar la emergente ventaja de tomar la media de un nmero de observaciones en astronoma prctica- preparada por Thomas Simpson en 1755 (impreso en 17 1756) aplicaba por primera vez la teora a la discusin de errores en observaciones. La reimpresin (1757) de sus memorias sostiene el axioma que errores positivos y negativos son igualmente probables, y que hay ciertos valores lmites dentro de los cuales todos odos los errores se encuentran; los errores continuos son discutidos y se provee una curva de probabilidad. Simpson discuti varias posibles distribuciones de error. Primero consider la distribucin uniforme y despus la distribucin triangular discreta simtrica, simtrica, seguida por la distribucin triangular contnua simtrica. Ruder Bokovic en 1755 se bas en su trabajo sobre la forma de la Tierra propuesto en el libro De Litteraria expeditione per pontificiam ditionem ad dimetiendos duos meridiani gradus a P PP. P. Maire et Boscovicli para proponer que el veradero valor de una serie de observaciones sera aquel que minimizara la suma de los errores absolutos. En terminologa moderna este valor es la media. Johann Heinrich Lamber en su libro de 1765 Anlage zur Architectonic propuso el semicrculo como una distribucin de errores:

con -1 = x = 1. 5 -

Pierre-Simon Laplace (1774) hizo su primer intento de deducir una regla para la combinacin de observaciones desde los principios de la teora de las probabilidades. El represent la ley de a probabilidad de errores mediante una curva y dedujo una frmula para la media de tres observaciones. Laplace en 1774 not que la frecuencia de un error poda ser expresada como una funcin exponencial de su magnitud una vez descartado do el signo.7 8 Esta distribucin es ahora conocida como distribucin de Laplace. Lagrange propuso una distribucin parablica de errores en 1776:

con -1 = x = 1. Laplace en 1778 public su segunda ley de errores en la cual not que la frecuencia de un error era proporcional a la funcin exponencial del del cuadrado de su magnitud. Esto fue descubierto subsecuentemente por Gauss (posiblemente en 1797) y es ahora mejor conocida como distribucin normal, la cual es de importancia central en la estadstica.9 Esta distribucin fue referida como normal por primera vez por Pierce en 1873, quien estaba estudiando las medidas de error cuando un objeto era dejado caer sobre una superficie de madera.10 Escogi el trmino normal debido a su ocurrencia frecuente en variables que ocurran en la naturaleza. Lagrange tambin sugiri en 1781 otras dos distribuciones para errores una distribucin coseno: -

con -1 = x = 1 y una distribucin logartmica

con -1 = x = 1 donde || es el --valor absoluto-- de x. Laplace obtuvo una formula (1781) para la ley de facilidad de un error (un trmino acuado por Joseph Louis Lagrange, , 1774), pero esta conllevaba a ecuaciones inmanejables. Daniel Bernoulli (1778) introdujo el principio del mximo producto de las probabilidades de un sistema de errores concurrentes. Laplace, en una investigacin tigacin del movimiento de Saturno y Jpiter en 1787, generaliz el mtodo de Mayer usando diferentes combinaciones lineales de un grupo de ecuaciones. En 1802 Laplace estim la poblacin en Francia a 28, 28 328,612. El calcul este nmero usando la cantidad de nacimientos del ao anterior y el dato del censo de tres comunidades. Los datos de los censos de estas comunidades mostraron que tenan 2,037,615 personas y que el nmero de nacimientos era de 71,866. Asumiendo que estas muestras eran representativas de Francia, Laplace produjo un estimado para la poblacin entera. El mtodo de los mnimos nimos cuadrados, el cual era usado para minimizar errores en la medicin de datos, fue publicado independientemente por Adrien-Marie Legendre (1805), Robert Adrain (1808), y Carl Friedrich Gauss(1809).Gauss (1809).Gauss haba usado el mtodo en s famosa prediccin en 1801 1801 de la localizacin del planeta enano Ceres. . Las observaciones en las que Gauss bas sus clculos fueron hechas por el monje italiano Piazzi. Posteriormente se dieron ron demostraciones por Laplace (1810, 1812), Gauss (1823), Ivory (1825, 1826), Hagen (1837), Bessel (1838), Donkin (1844, 1856), Herschel (1850), Crofton (1870), y Thiele (1880, 1889). El trmino error probable (der wahrscheinliche Fehler) la desviacin media fue introducido en 1815 por el astrnomo alemn Frederik Wilhelm Bessel. Bessel

Antoine Augustin Cournot en 1843 fue el primero en usar el trmino mediana (valeur mdiane) para el valor que divide la distribucin de probabilidad en dos mitades iguales. Otros contribuyentes a la teora de errores fueron Ellis (1844), De Morgan (1864), Glaisher (1872), y Giovanni Schiaparelli(1875). La formula de Peters (1856) (1 para , el "error probable" de una sola observacin fue ampliamente usada e inspir tempranamente la estadstica robusta (resistente a valores atpicos: atpicos ver criterio de Peirce). En el siglo 19 los autores de la teora estadstica incluan a included Laplace, S. Lacroix (1816), Littrow (1833), Dedekind (1860), Helmert (1872), Laurant (1873), Liagre, Didion, De Morgan, Boole, Edgeworth, and K. Pearson. y K. Pearson Gustav Theodor Fechner us la mediana (Centralwerth) en fenmenos sociolgicos y sociolgicos. Anteriormente haba sido usado solamente en astronoma y campos relacionados. Las primeras pruebas de la distribucin normal fueron inventadas por el estadstico alemn Wilhelm Lexis en 1870. El nico conjunto de datos disponible para l, en que le era posible mostrar que estaba normalmente distribuido, era la frecuencia de nacimientos. Francis Galton estudi una variedad de caractersticas humanas altura, edad, peso, tamao d las pestaas, entre otras- y encontr que michos de estos factores podan ser ajustados a una distribucin normal. Francis Galton en 1907 entreg un artculo a la l revista Nature acerca de la utilidad de la mediana. El examin la precisin de 787 intentos de adivinar el peso de un buey en una feria de campo. El peso real era de 1208: la mediana de todas las conjeturas fue 1198 libras. Las conjeturas fueron marcadamente marcadam no normales en su distribucin. El noruego Anders Nicolai Kir introdujo el concepto de muestreo estratificado en 1895. Arthur Lyon Bowley introdujo el muestreo aleatorio en 1906. [20] Jerzy Neyman en 1934 hizo evidente que el muestreo aleatorio estratificado era en general un mejor mtodo de estimacin que el muestreo muestreo intencional (por cuota). El nivel de significacin del 5% parece ser introducido por Fisher en 1925. Fisher expres que las desviaciones que excedan dos veces la desviacin estndar eran consideradas significativas. Previamente a esto las desviaciones ones que excedan tres veces el error probable eran consideradas significativas. Para una distribucin simtrica el error probable la mitad del rango intercuantil. El cuantil superior de la distribucin normal estndar est entre 0.66 y 0.67, su error prob probable able es aproximadamente 2/3 de la desviacin estndar. Parece que el criterio de Fisher del 5% tena sus races en la prctica previa. En 1929 Wilso y Hilferty re-examinaron examinaron los datos de Pierce de 1873 y descubrieron que en realidad no estaba realmente normalmente malmente distribuida. Notas Ver Ian Hacking's The Emergence of Probability22 and James Franklin's The Science of Conjecture: Evidence and Probability Before Pascal23 Para historas del desarrollo del concepto de probabilidad matemtica. En la era moderna, el trabajo de Andri Kolmogrov ha sido imprescindible para la formulacin del modelo fundamental de Teora de Probabilidades.24

INFERENCIA
Charles S. Peirce (18391914) formul teoras frecuentistas de estimacin y prueba de hiptesis (18771878) y (1883), cuando introdujo la confianza. Pierce tambin introdujo experimentos aleatorios controlados y a ciegas con diseo de medidas repetidas. Pierce invent un diseo ptimo para experimentos sobre gravedad.

ESTADSTICAS BAYESIANAS
El trmino "bayesiano" se refiere a Thomas Bayes (1702 1761), quin prob un caso especial de lo que se conoce hoy como Teorema de Bayes. Sin embargo fue Pierre-Simon Laplace (17491827) quien introdujo una visin general del teorema y lo aplic a mecnica celeste, estadsticas mdicas, confiabilidad y jurisprudencia. Cuando el conocimiento disponible era insuficiente para especificar una aprior informada, Laplace usaba priores uniformes, de acuerdo a su principio de razn insuficiente. Laplace asumi priores uniformes ms por claridad matemtica que por razones filosficas. Laplace tambin introdujo versiones primitivas de priores conjugadas y el teorema de von Mises y Bernstein, de acuerdo a los cuales, las posteriores correspondientes a priores inicialmente diferentes convergen asintticamente con el crecimiento del nmero de observaciones. Esta temprana inferencia Bayesiana, que usaba priores uniformes de acuerdo con el principio de Laplace de razn insuficiente, fue llamado probabilidad inversa(debido a su inferencia hacia atrs desde las observaciones a los parmetros, o de efectos a causas). Despus de la dcada de 1920, la probabilidad inversa fue suplantada en su mayora por una coleccin de mtodos desarrollados por Ronald A. Fisher,Jerzy Neyman y Egon Pearson. Sus mtodos fueron llamados estadstica frecuentista Fisher rechaz el enfoque Bayesiano, escribiendo que la teora de la probabilidad inversa est fundada sobre un error, y debe ser rechazada por completo. Al final de su vida, sin embargo, Fisher expres un gran respeto por los ensayos de Bayes, los cuales Fisher crea que haban anticipado su propio enfoque fiducial a la probabilidad; Fisher an mantena que la visin de Laplace de las probabilidades era sinsentido falaz. Neyman comenz como un quasi-Bayesiano, pero con el tiempo desarroll los intervalos de confianza (un mtodo clave estadsticas frecuentistas) porque la teora completa sera mejor si estuviera construida desde el comienzo sin referencia al Bayesianismo y las priores. La palabra Bayesiano apareci en 1930 y para 1960 se convirti en el trmino preferido por aquellos que no estaban satisfechos con las limitaciones de las estadsticas frecuentistas. En el siglo 20, las ideas de Laplace fueron desarrolladas posteriormente en dos direcciones, dando origen a las corrientes objetivas y subjetivas en la prctica bayesiana. En la corriente objetiva, el anlisis estadstico depende solo del modelo asumido y el dato analizado. No hay necesidad de involucrar decisiones subjetivas. En contraste, los estadsticos subjetivos niegan la posibilidad de un anlisis completamente objetivo en el caso general. En el subsiguiente desarrollo de las ideas de Laplace, las ideas subjetivas predominaron sobre las objetivas. La idea de que la probabilidad debera ser interpretada como el grado de creencia subjetivo en una proposicin fue propuesto, por ejemplo, por John Maynard Keynes a comienzos de la dcada de 1920. Esta idea fue llevada ms lejos por Bruno de Finetti en Italia (Fondamenti Logici del Ragionamento Probabilistico, 1930) y Frank Ramsey en Cambridge (The Foundations of Mathematics, 1931). El enfoque fue diseado para resolver problemas con la definicin frecuentista de la probabilidad, pero tambin con el anterior enfoque objetivo de Laplace. El mtodo subjetivo Bayesiano fue sucesivamente desarrollado y popularizado en los 50s por by L.J. Savage.

La inferencia objetiva bayesiana fue desarrollada con posterioridad por Harold Jeffreys, cuyo libro "Theory of probability" apareci en 1939. En 1957, Edwin Thompson Jaynes promovi el concepto de entropa mxima para construir priores, el cual es un principio importante en la formulacin de mtodos objetivos, principalmente para problemas discretos. En 1965, el segundo volumen de Dennis Lindley "Introduction to Probability and Statistics from a Bayesian Viewpoint" lev los mtodos bayesianos a un pblico ms amplio. En 1979, Jos-Miguel Bernardo introdujo el anlisis referencial,33 el cual ofrece un marco de trabajo general aplicable para el anlisis objetivo. Otros de los ms populares proponentes del Bayesianismo incluyen a I.J. Good, B.O. Koopman, Howard Raiffa, Robert Schlaifer y Alan Turing En la dcada de 1980, hubo un crecimiento dramtico en investigaciones y aplicaciones de mtodos Bayesianos, mayormente atribuibles al descubrimiento de los mtodos Markov chain Monte Carlo, los cuales eliminaron, muchos de los , y al creciente inters en aplicaciones complejas y no estndares. A pesar del crecimiento de la investigacin Bayesiana, la mayora de la enseanza universitaria est basada en estadsticas frecuentistas. Sin embargo, los mtodos bayesianos son ampliamente aceptados y usados, por ejemplo, en el campo de aprendizaje de mquinas.

ESTADSTICAS EN LA ACTUALIDAD
Durante el siglo 20, la creacin de instrumentos precisos para la investigacin en agricultura, problemas de salud pblica (epidemiologa, bioestadsticas, etc.), control de calidad industrial y propsitos econmicos y sociales (tasa de desempleo, econometra, etc.) necesitaron de los avances substanciales en la prctica de la estadstica. Hoy el uso de la estadstica se ha ampliado ms all de sus orgenes. Individuos y organizaciones usan las estadsticas para entender los datos y hacer decisiones informadas a travs de las ciencias naturales y sociales, medicina, negocios y otras reas. La estadstica es generalmente considerada no como una rama de las matemticas, sino como un campo distintivo e independiente. Muchas universidades mantienen separados los departamentos de matemtica y estadstica. La estadstica es tambin enseada en departamentos tan diversos como psicologa, pedagoga y salud pblica.

HISTORIA DE LA ESTADISTICA
La palabra estadstica procede del vocablo ESTADO, pues era funcin principal de los Gobiernos de los Estados establecer registros de poblacin, nacimientos, defunciones, impuestos, cosechas. La necesidad de poseer datos cifrados sobre la poblacin y sus condiciones materiales de existencia han debido hacerse sentir desde que se establecieron sociedades humanas organizadas Es difcil conocer los orgenes de la Estadstica, desde los comienzos de la Civilizacin han existido formas sencillas de estadstica, pues ya se utilizaban representaciones grficas y otros smbolos en pieles, rocas, palos de madera y paredes de cueva para contar el nmero de personas, animales, cosas o describir numricamente algunos fenmenos. Su origen empieza posiblemente en la ISLA DE CERDEA, donde existen momentos prehistricos pertenecientes a los Nuragas, los primeros habitantes de la Isla; estos monumentos constan de bloques de basaltos superpuestos sin montero y en cuyas paredes se encontraban grabados toscos signos que han sido interpretados con mucha verosimilitud como muescas que servan para llevar la cuenta del ganado y la casa.

 Hacia el ao 3000 a.C. los Babilonios usaban ya pequeas tablillas de arcilla para recopilar datos en tablas sobre la produccin agrcola y los gneros vendidos o cambiados mediante trueques. Los Egipcios ya analizaban los datos de la poblacin y la renta del pas mucho antes de construir pirmides. En los antiguos monumentos egipcios se encontraron interesantes documentos en que demuestran la sabia organizacin y administracin de este pueblo, ellos llevaban cuenta de los movimientos poblacionales y continuamente hacan censos. Tal era su dedicacin por llevar siempre una relacin de todo lo que hasta cuando tenan a la diosa SAFNKIT, diosa de los libros y las cuentas. Todo esto era hecho bajo la direccin del faran y fue a partir del ao 3050 a.C. En la Biblia observamos en uno de los libros del Pantateuco, bajo el nombre de nmeros, el Censo que realiz Moiss despus de la salida de Egipto. Textualmente dice: Censo de las tribus; El da primero del segundo ao despus de la salida de Egipto, habl Yave a Moiss en el desierto de Sinai en el tabernculo de la reunin, diciendo, Haz un censo general de toda la Asamblea de los hijos de Israel, por familias y por linajes, describiendo por cabezas los nombres de todos los varones aptos para el servicio de armas en Israel. En el Libro Bblico Crnicas describe el bienestar material de las diversas tribus judas En China existan los censos chinos ordenados por el Emperador Tao hacia el ao 2,200 a.C. Posteriormente hacia el ao 500 a.C. se realizaron censos en Roma para conocer la poblacin existente en aquel momento. Se erigi la figura del censor, cuya misin consista en controlar el nmero de habitantes y su distribucin por los distintos territorios. En la Edad Media, en el ao 762, Carlo magno orden la creacin de un registro de todas sus propiedades, as como de los bines de la Iglesia. Despus de la conquista Normanda de Inglaterra en el ao 1066 el Rey Guillermo I el Conquistador, elabor un catastro que puede considerarse el primero de Europa. Los Reyes Catlicos ordenaron a Alonso de Quintanilla en 1482 el recuento de fuegos (hogares) de las provincias de Castilla. En 1662 un mercader de lencera londinense, John Graunt, public un tratado con las observaciones polticas y naturales, donde Graunt pone de manifiesto las cifras brutas de nacimientos y defunciones ocurridas en Londres durante el perodo 1604 1661, as como las influencias que ejercan las causas naturales, sociales y polticas de dichos acontecimientos. Puede considerar el primer trabajo estadstico serio sobre la poblacin. En 1662 un mercader de lencera londinense, John Graunt, public un tratado con las observaciones polticas naturales, donde Graunt pone de manifiesto las cifras brutas de nacimientos y defunciones ocurridas en Londres durante el perodo 1604-1661, as como las influencias que ejercan las causas naturales, sociales y polticas de dichos acontecimientos, podra considerarse como el primer trabajo estadstico serio sobre la poblacin.

10

Curiosamente, Graunt no conoca los trabajos de B. Plascal (1623-1662) ni de C. Huygens (1629-1695) sobre estos mismos temas, un poco ms tarde, el astrnomo Edmund Halley (1656-1742) presenta la primera tabla de mortalidad que se puede considerar como base de los estudios contemporneos. En dicho trabajo se intenta establecer el precio de las anualidades a satisfacer a las compaas de seguros. Es decir en Londres y en Pars se estaban construyendo, casi de manera simultnea, las dos disciplinas que actualmente llamamos estadstica y probabilidad. En el Siglo XIX, la estadstica entra en una nueva fase de su desarrollo con la generalizacin del mtodo para estudiar fenmenos de las ciencias naturales y sociales. Galton (1822 1911)) y Pearson (1857-1936) se pueden considerar como los padres de la estadstica moderna, pues a ellos se debe el paso de la estadstica deductiva a la estadstica inductiva. Los fundamentos de la Estadstica actual y muchos de los mtodos de inferencia son debidos a R.A. Fisher. Se intereso primeramente por la eugenesia, lo que conduce, siguiendo los pasos de Galton a la investigacin estadstica, sus trabajos culminan con la publicacin de la obra Mtodos estadsticos para investigaciones. En el aparece la metodologa estadstica tal y como hoy la conocemos A partir de mediados del siglo XX comienza lo que podemos denominan La Estadstica Moderna, uno de los factores determinantes es l aparicin y popularizacin de los computadores. El centro de gravedad de la metodologa de la estadstica se empieza a desplazar tcnicas de computacin intensiva aplicadas a grandes masas de datos y se empieza a considerar el mtodo estadstico como un proceso interactivo de bsqueda del modelo ideal. Las aplicaciones en este perodo de la Estadstica a la Economa conducen a una disciplina con contenido propio; La Econometra, La investigacin estadstica en problemas militares durante la segunda guerra mundial y los nuevos mtodos de programacin matemtica, dan lugar a la investigacin Operativa. La estadstica es una rama de las matemticas que se ocupa de reunir, organizar y analizar datos numricos y que ayuda a resolver problemas como el diseo de experimentos y la toma de decisiones. Desde los comienzos de la civilizacin han existido formas sencillas de estadstica, pues ya se utilizaban representaciones grficas y otros smbolos en pieles, rocas, palos de madera y paredes de cuevas para contar el nmero de personas, animales o ciertas cosas. Hacia el ao 3000 a.C. los babilonios usaban ya pequeas tablillas de arcilla para recopilar datos en tablas sobre la produccin agrcola y de los gneros vendidos o cambiados mediante trueque. Los egipcios analizaban los datos de la poblacin y la renta del pas mucho antes de construir las pirmides en el siglo XXXI a.C. Los libros bblicos de Nmeros y Crnicas incluyen, en algunas partes, trabajos de estadstica. El primero contiene dos censos de la poblacin de Israel y el segundo describe el bienestar material de las diversas tribus judas. En China existan registros numricos similares con anterioridad al ao 2000 a.C. Los griegos clsicos realizaban censos cuya informacin se utilizaba hacia el 594 a.C. para cobrar impuestos. El Imperio romano fue el primer gobierno que recopil una gran cantidad de datos sobre la poblacin, superficie y renta de todos los territorios bajo su control. Durante la edad media slo se realizaron algunos censos exhaustivos en Europa. Los reyes carolingios Pipino, el Breve, y Carlomagno ordenaron hacer estudios minuciosos de las propiedades de la Iglesia en los aos 758 y 762 respectivamente. Despus de la conquista normanda de Inglaterra en 1066, el rey Guillermo I de Inglaterra encarg un censo. La informacin obtenida con este censo, llevado a cabo en 1086, se recoge en el Domesday Book.

11

El registro de nacimientos y defunciones comenz en Inglaterra a principios del siglo XVI, y en 1662 apareci el primer estudio estadstico notable de poblacin, titulado Observations on the London Bills of Mortality (Comentarios sobre las partidas de defuncin en Londres). Un estudio similar sobre la tasa de mortalidad en la ciudad de Breslau, en Alemania, realizado en 1691, fue utilizado por el astrnomo ingls Edmund Halley como base para la primera tabla de mortalidad En el siglo XIX, con la generalizacin del mtodo cientfico para estudiar todos los fenmenos de las ciencias naturales y sociales, los investigadores aceptaron la necesidad de reducir la informacin a valores numricos para evitar la ambigedad de las descripciones verbales. En nuestros das, la estadstica se ha convertido en un mtodo efectivo para describir con exactitud los valores de datos econmicos, polticos, sociales, psicolgicos, biolgicos y fsicos, y sirve como herramienta para relacionar y analizar dichos datos. El trabajo del experto estadstico no consiste ya slo en reunir y tabular los datos, sino sobre todo en el proceso de interpretacin de esa informacin. El desarrollo de la teora de la probabilidad ha aumentado el alcance de las aplicaciones de la estadstica. Muchos conjuntos de datos se pueden aproximar, con gran exactitud, utilizando determinadas distribuciones probabilsticas; los resultados de stas se pueden utilizar para analizar datos estadsticos. La probabilidad es til para comprobar la fiabilidad de las inferencias estadsticas y para predecir el tipo y la cantidad de datos necesarios en un determinado estudio estadstico.

MTODOS ESTADSTICOS
La materia prima de la estadstica consiste en conjuntos de nmeros obtenidos al contar o medir cosas. Al recopilar datos estadsticos se ha de tener especial cuidado para garantizar que la informacin sea completa y correcta. El primer problema para los estadsticos reside en determinar qu informacin y cunta se ha de reunir. En realidad, la dificultad al compilar un censo est en obtener el nmero de habitantes de forma completa y exacta; de la misma manera que un fsico que quiere contar el nmero de colisiones por segundo entre las molculas de un gas debe empezar determinando con precisin la naturaleza de los objetos a contar. Los estadsticos se enfrentan a un complejo problema cuando, por ejemplo, toman una muestra para un sondeo de opinin o una encuesta electoral. El seleccionar una muestra capaz de representar con exactitud las preferencias del total de la poblacin no es tarea fcil Para establecer una ley fsica, biolgica o social, el estadstico debe comenzar con un conjunto de datos y modificarlo basndose en la experiencia. Por ejemplo, en los primeros estudios sobre crecimiento de la poblacin los cambios en el nmero de habitantes se predecan calculando la diferencia entre el nmero de nacimientos y el de fallecimientos en un determinado lapso. Los expertos en estudios de poblacin comprobaron que la tasa de crecimiento depende slo del nmero de nacimientos, sin que el nmero de defunciones tenga importancia. Por tanto, el futuro crecimiento de la poblacin se empez a calcular basndose en el nmero anual de nacimientos por cada 1.000 habitantes. Sin embargo, pronto se dieron cuenta de que las predicciones obtenidas utilizando este mtodo no daban resultados correctos. Los estadsticos comprobaron que hay otros factores que limitan el crecimiento de la poblacin. Debido a que el nmero de posibles nacimientos depende del nmero de mujeres, y no del total de la poblacin, y debido a que las mujeres slo tienen hijos durante parte de su vida, el dato ms importante que se ha de utilizar para predecir la poblacin es el nmero de nios nacidos vivos por cada 1.000 mujeres en edad de procrear. El valor obtenido utilizando este dato mejora al combinarlo con el dato del porcentaje de mujeres sin descendencia. Por tanto, la diferencia entre nacimientos y fallecimientos slo es til para indicar el crecimiento 12 -

de poblacin en un determinado periodo de tiempo del pasado, el nmero de nacimientos por cada 1.000 habitantes slo expresa la tasa de crecimiento en el mismo periodo, y slo el nmero de nacimientos por cada 1.000 mujeres en edad de procrear sirve para predecir el nmero de habitantes en el futuro. La estadstica es una ciencia formal que estudia la recoleccin, anlisis e interpretacin de datos de una muestra representativa, ya sea para ayudar en la toma de decisiones o para explicar condiciones regulares o irregulares de algn fenmeno o estudio aplicado, de ocurrencia en forma aleatoria o condicional. Sin embargo, la estadstica es ms que eso, es decir, es la herramienta fundamental que permite llevar a cabo el proceso relacionado con la investigacin cientfica. Distribucin normal Es transversal a una amplia variedad de disciplinas, desde la fsica hasta las ciencias sociales, desde las ciencias de la salud hasta el control de calidad. Se usa para la toma de decisiones en reas de negocios o instituciones gubernamentales. La estadstica se divide en dos grandes reas:

LA ESTADSTICA DESCRIPTIVA, se dedica a la descripcin, visualizacin y resumen de datos originados a partir de los fenmenos de estudio. Los datos pueden ser resumidos numrica o grficamente. Ejemplos bsicos de parmetros estadsticos son: la media y la desviacin estndar. Algunos ejemplos grficos son: histograma, pirmide poblacional, grfico circular, entre otros. LA ESTADSTICA INFERENCIAL, se dedica a la generacin de los modelos, inferencias y predicciones asociadas a los fenmenos en cuestin teniendo en cuenta la aleatoriedad de las observaciones. Se usa para modelar patrones en los datos y extraer inferencias acerca de la poblacin bajo estudio. Estas inferencias pueden tomar la forma de respuestas a preguntas si/no (prueba de hiptesis), estimaciones de unas caractersticas numricas (estimacin), pronsticos de futuras observaciones, descripciones de asociacin (correlacin) o modelamiento de relaciones entre variables (anlisis de regresin). Otras tcnicas de modelamiento incluyen ahora, series de tiempo y minera de datos.

Ambas ramas (descriptiva e inferencial) comprenden la estadstica aplicada. Hay tambin una disciplina llamada estadstica matemtica, la que se refiere a las bases tericas de la materia. PAQUETE ESTADSTICO Un paquete estadstico es un programa informtico que est especialmente diseado para resolver problemas en el rea de la estadstica, o bien est programado para resolver problemas de esta rea. Existen muchos programas que no son especialmente estadsticos pero que pueden hacer algunos clculos aplicables en estadstica aplicada. Estos programas han impulsado y siguen impulsando enormemente la labor de los investigadores que desean utilizar la estadstica como apoyo en su trabajo. Los paquetes ms sencillos tienen interfaz por ventanas, lo que implica facilidad de uso y aprendizaje pero un mayor encorsetamiento a la hora de hacer clculos que el programa no tenga predefinidos. Los programas ms complejos suelen tener la necesidad de conocer su lenguaje de programacin, pero suelen ser mucho ms flexibles al poderse incluir en ellos funciones, tests o contrastes que no traen instalados por definicin. VENTAJAS La potencia de clculo de un ordenador puede ayudar a un investigador a realizar cientos o miles de contrastes de hiptesis en un tiempo muy reducido. Asimismo puede calcular decenas de modelos de regresin en un tiempo muy corto y despus quedarse con el ms apropiado de ellos. En problemas 13 -

de investigacin de operaciones un programa estadstico es capaz de realizar miles de iteraciones por segundo de un algoritmo en el que una persona tardara varios minutos en cada una de ellas. Asimismo, es capaz de elegir entre miles de resultados posibles cul de todos ellos es el ptimo. Bsicamente, lo que permiten es resolver problemas de estadstica aplicada por fuerza bruta o por probar miles de combinaciones para quedarse finalmente con la que se crea que es la mejor INCONVENIENTES En los programas ms complejos se necesita tener conocimientos de programacin, as como para realizar los clculos ms laboriosos. Por ejemplo si se desea realizar una operacin dada a una columna concreta, lo ms frecuente es que se pueda hacer esto por ventanas, sin embargo, si deseamos hacer esto mismo para todas las columnas de nuestro documento, que pueden ser centenares, es posible que necesitemos programar un bucle en la sintaxis del programa. Otro inconveniente est en que en estadstica a menudo nos pueden salir resultados contradictorios entre tests distintos. Un programa informtico se dar cuenta de ello y nos avisar de algn modo, pero tendr que ser el usuario el que decida a cul de los test hacer caso, y esto en ocasiones es complejo, sobre todo si no se est familiarizado a fondo con la estadstica o se tiene poca experiencia.
R, SAS, SPSS, EPI INFO 7, SPAD, STATA, STATGRAPHICS, REDATAM, MINITAB, MATLAB S-PLUS, LISREL, WINQSB, EXCEL

ORGENES EN PROBABILIDAD Los mtodos estadstico-matemticos emergieron desde la teora de probabilidad, la cual data desde la correspondencia entre Pascal y Pierre de Fermat (1654). Christian Huygens (1657) da el primer tratamiento cientfico que se conoce a la materia. El Ars coniectandi (pstumo, 1713) de Jakob Bernoulli y la Doctrina de posibilidades (1718) de Abraham de Moivre estudiaron la materia como una rama de las matemticas.1 En la era moderna, el trabajo de Kolmogrov ha sido un pilar en la formulacin del modelo fundamental de la Teora de Probabilidades, el cual es usado a travs de la estadstica. La teora de errores se puede remontar a la pera miscellnea (pstuma, 1722) de Roger Cotes y al trabajo preparado por Thomas Simpson en 1755 (impreso en 1756) el cual aplica por primera vez la teora de la discusin de errores de observacin. La reimpresin (1757) de este trabajo incluye el axioma de que errores positivos y negativos son igualmente probables y que hay unos ciertos lmites asignables dentro de los cuales se encuentran todos los errores; se describen errores continuos y una curva de probabilidad. Pierre-Simon Laplace (1774) hace el primer intento de deducir una regla para la combinacin de observaciones desde los principios de la teora de probabilidades. Laplace represent la Ley de probabilidades de errores mediante una curva y dedujo una frmula para la media de tres observaciones. Tambin, en 1871, obtiene la frmula para la ley de facilidad del error (trmino introducido por Lagrange, 1744) pero con ecuaciones inmanejables. Daniel Bernoulli (1778) introduce el principio del mximo producto de las probabilidades de un sistema de errores concurrentes. El mtodo de mnimos cuadrados, el cual fue usado para minimizar los errores en mediciones, fue publicado independientemente por Adrien-Marie Legendre (1805), Robert Adrain (1808), y Carl Friedrich Gauss (1809). Gauss haba usado el mtodo en su famosa prediccin de la localizacin del planeta enano Ceres en 1801. Pruebas adicionales fueron escritas por Laplace (1810, 1812), Gauss (1823), James Ivory (1825, 1826), Hagen (1837), Friedrich Bessel (1838), W.F. Donkin (1844, 1856), John Herschel (1850) y Morgan Crofton (1870). Otros contribuidores fueron Ellis (1844), Augustus De Morgan(1864), Glaisher (1872)

14

y Giovanni Schiaparelli (1875). La frmula de Peters para , el probable error de una observacin simple es bien conocido. El siglo XIX incluye autores como Laplace, Silvestre Lacroix (1816), Littrow (1833), Richard Dedekind (1860), Helmert (1872), Hermann Laurent (1873), Liagre, Didion y Karl Pearson. Augustus De D Morgan y George Boole mejoraron la presentacin de la teora. Adolphe Quetelet (1796-1874), fue otro ro importante fundador de la estadstica y quien introdujo la nocin del hombre promedio (lhomme moyen) como un medio de entender los fenmenos sociales complejos tales como tasas de criminalidad, tasas de matrimonio o tasas de suicidios.

15

CAPITULO

2
CONTENIDO
SUMATORIA TABLA DE DISTRIBUCION TIPOS DE GRAFICOS

OBJETIVO DEL CAPITULO

CONCOCER LAS CARACTERISTICAS Y METODOS PARA EL USO DE LA SUMATORIA Y SUAPLICACION EN LAS TABLAS DE DISTRIBUCIN CONOCER EL PROCEDIMIENTO PARA ELABORAR LA TABLA DE DISTRIBUCIN DE FRECUENCIAS RECONOCER LOS TIPOS DE GRFICOS Y SUS APLICACIONES

16

SUMATORIA
La sumatoria o la operacin de suma, es un operador matemtico que permite representar sumas de muchos sumandos, n o incluso infinitos sumandos. sumandos Se expresa con la letra griega sigma ( , ), y se define como:

Esto se lee: sumatorio sobre i, desde m hasta n, de x sub-i. La variable i es el ndice de suma al que se le asigna un valor inicial llamado lmite inferior, m. La variable i recorrer los valores enteros hasta alcanzar el lmite superior, n. Necesariamente debe cumplirse que: Pudiendo ver adems que si m = n entonces:

Si m es mayor que n, el resultado es el elemento neutro de la suma, el cero:

PARTES DE LA SUMATORIA:
Lmite superior Variable

Lmite inferior

Sub ndice

Lmite superior = n Lmite inferior = i Variable = X Sub ndice = i (es el mismo nmero del lmite inferior)

Constante

k
Por lo general la constante es un nmero cualquiera que puede o no ir acompaando a una determinada variable (X,Y, , Z), el procedimiento de clculo es diferente si solo esta como constante.

17

Ejemplo:

Se tiene en el ejemplo que el nmero que corresponde al lmite superior es 5, y el lmite inferior es 1, esto quiere decir que la sumatoria empieza desde 1 y acaba en el 5, pero; esto significa que cada una de las variables asume los valores de esta manera: X1 = 1 X2 = 2 X3 = 3 X4 = 4 X5 = 5

En el siguiente ejemplo podemos observar otro modelo con los lmites son diferentes: 8

X i = X 3 + X4 + X5 + X 6 + X7 + X 8

3 Suponiendo que el valor de cada variable fuera tal como sigue: X3 = 5 X4 = 7 X5 = 3 X6 = 4 X7 = 8 X8 = 3

Entonces el resultado ser: 5 + 7 + 3 + 4 + 8 + 3 = 30 8 3

Xi = 5 + 7 + 3 + 4 + 8 + 3 = 30

Si cambio la variable, el procedimiento ser exactamente igual, tal como veremos en el ejercicio siguiente: 9

Yj = Y2 + Y3 + Y4 + Y6 + Y6 + Y7 + Y8 + Y9
J=2 Si los valores de la variable Y fueran los siguientes:

Y2 = 9 Y3 = 11 Y4= 7 Y6= 10
9 J=2

Y6= 4

Y7= 8 Y8= 3 Y9=12

Yj = 9 + 11 + 7 + 10 + 4 + 8 + 3 + 12 = 64

Hay que observar que los sub ndices solo demarcan la ubicacin de la variable, esto quiere decir que no necesariamente corresponde a un numero correlativo, en el ejemplo anterior tenemos que el sub ndice empieza desde la ubicacin 2 hasta la ubicacin 9, pero cada variable tiene un valor numrico propio, que al momento del conteo se utiliza para su resultado.

18

PROPIEDADES DE LA SUMATORIA:
I. Numero de trminos de una sumatoria: Para hallar la cantidad de trminos que tiene una sumatoria se usan sus lmites de la siguiente manera: # Trminos = n I + 1 6 2

Xi = X2 + X3 + X4 + X5 + X6

Lmite superior (n)= 6, lmite inferior (i)= 2, el procedimiento es n i +1 entonces para este caso es igual a: 6 2 + 1 = 5 II. Sumatoria de una Constante K: Existirn algunos casos donde no exista una variable (X) pero si una constante ( K = un nmero cualquiera diferente de cero) se halla en dos partes; primero se determina el numero de trminos y luego se multiplica multiplica por la constante 7 3 III.

9 = (7-3+1) (9) = 5 x 9 = 45

La Sumatoria de una constante por una variable: variable Para desarrollar esta propiedad se procede de la siguiente manera: 6 3 6

7Xi = 7

Xi = X3 + X4 + X5 + X6

IV.

La Sumatoria de una suma o diferencia algebraica de dos variables o constante: Para desarrollar estos caso se procede a separar cada sumatoria y de acuerdo a cada una el signo que le corresponde, corresponde operando de manera individual y luego la suma o diferencia que los une 6 3 7 6 6

(Xi Yj ) =

3 7

Xi -

3 7

Yj

(Xi K ) =
2 2

Xi 2

19

EJERCICIOS DE SUMATORIA :
Se tiene el siguiente cuadro con sus valores correspondientes: Hallar las sumatorias indicadas lneas abajo X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12

8
8 1. 3 5 2 1 8 3 3 6

11

10

12

Xi = X3 + X4 + X5 + X6 + X7+ X8 X2i = X21 + X22 + X23 + X24 + X25 Xi+3 = X3+3 + X4+3 + X5+3 + X6+3 + X7+3 + X8+3

4
3 5 2 6

(Xi+3) + 4 = ? (Xi)2 + Yi = ? (Xi+3) + 4 = ? 25 = ? (Xi+2) x 6 = ?

5.

6.
3 8

7.
2 6

8.
3

20

SUMATORIA DOBLE:
Se tiene la siguiente expresin: r s

Xij =
I= 1 j=1

Ahora, la pregunta es Cmo la desarrollamos? , pues bien debemos de tener mucho cuidado en el siguiente proceso para desarrollar, observemos paso a paso nuestra solucin. Primero observemos los limites superiores; en este caso r y s, y los lmites inferiores i , j

Xi j =
I= 1 j=1

?
+ + + + +
Xis X1S X2S X3S X4S

i= 1 j=1

Xi j =

Xi 1 + X11 + X21 + X31 + X41 +

Xi2 X12 X22 X32 X42

+ Xi3 + + X13 + + X23 + + X33 + + X43 + +

X r3 +

Como se puede observar los sub b ndices son los mismos que los lmites de ambas sumatorias en este caso rs

Xr1 + X r2

+ XrS

A continuacin podemos ver el procedimiento proc de un ejemplo simple:

3 4 3

I=1 j=1

Xij =

i=1

(Xi1 + Xi2 + Xi3 + Xi4)

Se puede ver que el ltimo nmero tiene como sub ndices los mismos que son los limites superiores de la sumatoria (3, 4)

= X11 + X12 + X13 + X14 X21 1 + X22 + X23 + X24 X31 + X32 + X33 + X34

21

Para este Ejemplo , el procedimiento rocedimiento es como sigue:

Entonces para la suma de adentro, i es una constante (como si fuera "3" o cualquier otro nmero). Por lo tanto si puedes resolver esa frmula te quedar en funcin de n y de i. Y para la suma de afuera, n es una constante, y el ndice de sumacin es la i, as que al resolverla finalmente te quedar todo en funcin de n. A los efectos de la sumatoria de adentro i es una constante as que nos queda:

Para la suma de j hay una conocida, frmula, aplicndola

Ahora en la suma que nos queda, n es una constante (el ndice en el que se suma es i), as que la sacamos para afuera:

Finalmente para la suma en i tambin tenemos una conocida frmula:

Entonces:

22

PROPIEDADES DE LA SUMATORIA DOBLE:

I.

La doble sumatoria de una constante es igual al nmero de trminos de la doble sumatoria multiplicado por la constante: r s 4 5

i= 1 j=1 II.

Ki j

=r.s.K
i= 1 j=1

7i j

= 4 . 5 . 7 = 140

La doble sumatoria de una constante multiplicada por una variable , es igual a la constante que multiplica a la doble sumatoria de la variable r s r s

i= 1 j=1 III.

KXi j = K

i= 1 j=1

Xi j

La doble sumatoria de la suma o diferencia algebraica de 2 variables es igual a la doble sumatoria de la suma o diferencia de cada una de las variables r s r s r s i= 1 j=1

(Xi j +/- Yij)

=
i= 1 j=1

Xi j

+/i= 1 j=1

Yij

IV.

La doble sumatoria de una variable con una constante, es igual a la doble sumatoria de la suma o diferencia de la primera o segunda variable expuesta como constante. r s r s

i= 1 j=1 V.

(Yi j - 5)

=
i= 1 j=1

Yi j - 5

La doble sumatoria de constantes es igual a la diferencia de los lmites superiores menos el lmite inferior mas la unidad, los tres resultados se multiplican y se obtiene el resultado final. r s

i= 1 j=1

= (r-i+1) (s-j+1) (K)

23

EJERCICIOS 1. 3 5 3 5 3 5

i= 1 j=1

(Xi j + Yij)

=
i= 1 j=1

Xi j

+
i= 1 j=1

Yij

Desarrollando: Primero la variable Xij: 3 5

i= 1 j=1

(Xij) =

(X11 + X12 +X13 + X14 + X15 X21 + X22 +X23 + X24 + X25 X31 + X32 +X33 + X34 + X35 X41 + X42 +X43 + X44 + X45 X51 + X52 +X53 + X54 + X55 )

Una vez desarrollada la primera variable, procedemos a desarrollar la segunda variable, en este caso Yij 3 5

i= 1 j=1

(Yij) =

(Y Y11 + Y21 + Y31 + Y41 + Y51 +

Y12 + Y13 + Y14 + Y15 Y22 + Y23 + Y24 + Y25 Y32 + Y33 + Y34 + Y35 Y42 + Y43 + Y44 + Y45 Y52 + Y53 + Y54 + Y55)

Sumamos ambas respuestas parciales y logramos tener el resultado total, para obtener un resultado numrico es necesario que nos proporcionen un cuadro de doble entrada que nos permitir remplazar los valores valo segn sea el caso requerido. 2. Se tiene el siguiente cuadro para hallar la sumatoria siguiente: 2 2

i= 1 j=1

(Xij) = ?
j i 1 2 3 1 2 -1 3 2 3 0 2 3 4 5 -3

24

Sin embargo podemos recordar que cada uno de los nmeros le corresponde a la ubicacin de la variable de la siguiente forma:

j i 1 2 3 1 X11 X21 X31 2 X12 X22 X32 3 X13 X23 X33

Hallando el resultado, con el procedimiento siguiente: 2 2

i= 1 j=1

(Xij)

=
j=1

= (X11 + X12 +X21 + X22)

reemplazando valores, segn la ubicacin bicacin del cuadro 2

= ( 2 + 3 + (-1) + 0) = ( 4 )
J=1 3. Utilizando el cuadro anterior hallar la siguiente doble sumatoria 3 i= 2 3 j=2

(Xij - 4) = ?

Empezamos separando la variable de la constante, de la siguiente forma: 3 i= 2 3 j=2 3 3 3 3

(Xij - 4) =

i= 2 j=2

(Xij) -

4
i= 2 j=2

25

Ahora ubicamos los valores de cada una y el resultado de la constante 3 i= 2

(X22 + X23 + X32 + X33) - 16

Ubicando los nmeros que le corresponde tenemos el siguiente resultado:

( 0 + 5 + 2 + (-3) 3) ) 16 = (4 16) = -12

EJERCICIOS PARA DESARROLLAR 7 1. i= 2 7 2. i= 3 3. 8 i= 4 6 4. i= 4 5. 7 i=2 j=6 8 j=3 j=2 10 j=1 12 j=2 4 9

(Xij - Yij)
2 (Xij - Yij)

(Xij + 12) 12 25 (Xij / 2)

3

26