Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Definicin de estadstica.
Estadstica es la ciencia que recopila, organiza, analiza e interpreta y
presenta datos cuantitativos (numricos) para facilitar la toma de
decisiones en condiciones de incertidumbre.
Objetivo de la estadstica, es facilitar la toma de decisiones en
condiciones de incertidumbre.
Para su mejor estudio, la Estadstica se divide en:
1. Estadstica
Descriptiva,
comprende
la
recopilacin,
organizacin y presentacin de los datos en forma grfica y
numrica para una mejor comprensin de la informacin
obtenida.
2. Estadstica Inferencial, permite determinar las caractersticas
de la poblacin a partir de los datos obtenidos de una muestra
que se saca de la misma poblacin.
Estadstico o estadstica, es todo dato cuantitativo que se obtiene
de una muestra. Un estadstico es una estimacin, es una
aproximacin del parmetro de la poblacin.
Parmetro, es todo dato cuantitativo que se obtiene de una
poblacin. El parmetro es un dato real, verdadero.
Media aritmtica
Desviacin estndar
Varianza
Estadstico
(muestral)
x
s
S2
Parmetro
(Poblacional)
(mu o miu)
(sigma)
2
LABORATORIO 1
.
Ordenando datos de menor a mayor: 250, 280, 280, 280, 300, 300,
320, 320, 330, 340, 340, 350, 350, 360, 360, 380, 400, 400, 410, 420,
440, 450, 460, 460, 480, 500, 500, 510, 520, 560.
a) Para datos no agrupados
Media = 388.33, s = 84.16
Mediana = 370,
Moda = 280, serie
unimodal, Moda = 280
b) Para datos agrupados:
Media aritmtica = 386.43
Mediana = 374.30
Moda = 318.83
LABORATORIO 2
En una empresa, se tom una muestra de pedidos diarios de su
producto durante varios das. Los datos se dan a continuacin:
120, 80, 100, 50, 150, 80, 60, 90, 70, 100, 50, 65, 40, 160,
80, 200, 140, 180, 120, 90, 100, 50, 70, 160, 120.
Calcular: a) Para datos sin agrupar: media, mediana y moda,
desviacin media, desviacin estndar, varianza, coeficiente de
variacin, coeficiente de asimetra, C2, D6, P40
b) Para datos agrupados: media, mediana y moda,
desviacin media, desviacin estndar, varianza, coeficiente de
variacin, coeficiente de asimetra de Pearson , C2, D6, P40
Laboratorio 3
Para datos agrupados, calcular media, mediana, moda, DM, desviacin
estndar, varianza, CV, CAP, C1 D3 , P60 de los siguientes datos:
85, 70, 72, 90, 64, 82, 90, 76, 70, 68, 25, 50, 36, 90, 75,
70, 66, 68, 54, 60, 100 , 92 65, 80, 30, 95, 40.
b)Para datos sin agrupar calcular media, mediana, moda, DM,
desviacin estndar, varianza, CV, CAP, C1 D3 , P60
Datos ordenados: 25, 36, 50, 54, 60, 64, 65, 66, 68, 68, 70, 70,
70, 72, 75, 76, 80, 82, 85, 90, 90, 90, 92, 100
TC= 13
PARA DATOS AGRUPADOS
Posicin de C1 = 6
C1 = 64.68
P25 64.68
D5 = 71.77
Posicin de D3 = (n/10)(3) = 7.2 Este dato se busca en la
frecuencia acumulada
D3 = 66.1
Posicin de P70 = 16.8
P70 = 79.97
MEDIDAS DE DISPERSIN:
La desviacin media, la desviacin estndar, la varianza, el coeficiente
de asimetra de Fisher, coeficiente de asimetra de Pearson,
coeficiente de variacin, deciles, cuartiles y percentiles.
Ordenando datos de menor a mayor: 5, 10, 10, 14, 15, 16, 17, 18,
19, 20, 21, 25, 28
Media aritmtica = 16.77
Desviacin estndar, S = 6.26
Mediana = 17
Posicin de la mediana = n/2 + 0.5 = 13/2 + 0.5 = 7 significa que el
valor de la mediana est dado por el sptimo trmino de los datos
ordenados, que en este caso es 17.
Moda = 10
Desviacin Media DM = 4.71
CV = 0.37
CAP = - 0.11
El signo negativo del CAP indica que la distribucin de los datos es
asimtrica de cola izquierda.
C2 = 17
C3 = 20 = P75 = 20.
D8 = 20.6
P40 = 15.80
b) Para datos agrupados
Media aritmtica = 17.38
Mediana = 17
Moda = 16.5
Desviacin Media = 4.38
Desviacin estndar = 5.94
Varianza = 35.26
Coeficiente de Variacin, CV = 0.34
Coeficiente de Asimetra de Pearson = 0.19
C3= 21.38
C2 =
D5 =
D3= 14.3
P50=
P75= 21.38
Laboratorio
A continuacin se da el peso en libras de una muestra de estudiantes:
80, 120, 100, 95, 70, 150, 140, 125, 180, 120, 140, 125, 150,
160, 150, 96, 110, 120. Calcular:
Ejemplo
Con los datos dados a continuacin, calcular:
Para datos NO agrupados media aritmtica, mediana, moda,
a)
desviacin media, desviacin estndar, varianza, CV, CAP, C 2, D3, P80
Para datos agrupados media aritmtica, mediana,
moda,
b)
desviacin media, desviacin estndar, varianza, CV, CAP, C 2, D3, P80
250, 280, 280, 280, 300, 300, 320, 320, 330, 340, 340, 350, 350, 360,
360, 380, 400, 400, 410, 420, 440, 450, 460, 460, 480, 500, 500, 510,
520, 560, 620, 650, 700
TEORA DE PROBABILIDADES
n(S) = 6
n(E1) = 4
Ejemplo:
Sea el experimento lanzar dos dados. Determine el
espacio muestral S, los siguientes eventos y la probabilidad de
ocurrencia de cada evento.
S = { (1,1) (1,2) (1,3) (1,4) (1,5) (1, 6) (2,1) (2,2) (2,3) (2,4)
(2,5) (2,6) (3,1) (3,2) (3,3) (3,4) (3,5) (3,6) (4,1) (4,2)
(4,3) (4,4) (4,5) (4,6) (5,1) (5,2) (5,3) (5,4) (5,5) (5,6)
(6,1) (6,2) (6,3) (6,4) (6,5) (6,6) }
n(S) = 36
b) El evento A : La suma de los resultados es 7
A = { (1,6) (2,5) (3,4) (4,3) (5,2) (6,1) }
n(A) = 6
P(A) = n(A) / n(S) = 6 / 36 = 0.1667
El evento B : El producto de los resultados es divisible
por 4
B = { (1,4) (2,2) (2,4) (2,6) (3,4) (4,1) (4,2) (4,3) (4,4)
(4,5) (4,6) (5,4) (6,2) (6,4) (6,6) }
n(B) = 15
P(B) = 15 / 36 = 0.4167
d) El evento C: El resultado de restar el segundo
elemento de la pareja al primero, es un nmero positivo
impar
RBOL
PARA
CALCULAR
Nota:
Las expresiones:
Al menos dos, significa dos o ms.
A lo ms dos, significa dos o menos.
La
probabilidad
de
eventos
conjuntos,
secuenciales
o
consecutivos,
se
obtiene
multiplicando la probabilidad de los eventos que
forman el evento conjunto.
Ejemplo
excluyentes, entonces:
Entonces:
P(A o B) = P(AUB) =
P(A) + P(B) P(A B)
P(A) + P(AC) = 1
P(Ac) = 1 P(A)
S
Ac
Ejemplo
Otra forma:
Sea la P(falla en teclado) = X
P(falla en disco) = X/3
P(D o T) = P(DUT) = X/3 + X 0.05 = 0.20
X/3 + X = 0.25
4X/3 = 0.25
X= 0.1875 = Probab. de falla del teclado
Probabilidad de falla del disco = X/3 = 0.1875/3 = 0.0625
B) P (D U T) = 0.0625 + 2(0.0625) 0.05 = 0.1375
Resp. P(Resistencia a falla) = 1 0.1375 = 0.8625 menor que 0.90
Laboratorio.
De 50 estudiantes de una universidad, 25 estudian Matemtica, 32
estudian Estadstica, 27 estudian Fsica, 15 estudian Matemtica y
Estadstica, 16 estudian Matemtica y Fsica, 18 estudian Estadstica y
Fsica y 10 estudian los tres cursos. Calcule la probabilidad de que un
estudiante aleatoriamente seleccionado, estudie:
a) Matemtica o Estadstica o Fsica.
b) Matemtica o Fsica
c) Matemtica o Estadstica
d) Estadstica o Fsica
e) Slo Matemtica o slo Estadstica o slo Fsica
f) Matemtica o Estadstica pero no Fsica
g) Estudie otros cursos
h) Matemtica y Estadstica o Fsica
EVENTOS INDEPENDIENTES
Dos eventos A y B son independientes si la probabilidad
de ocurrencia o no ocurrencia de uno de ellos no afecta la
probabilidad de ocurrencia del otro.
Regla de multiplicacin
independientes
para
eventos
Regla de multiplicacin
dependientes.
para
eventos
Ejemplo
Se tienen dos eventos A y B.
Si P(A) = 0.39, P(B) = 0.21 y P(A o B) = 0.47,
calcule la probabilidad de que:
a) Ocurra B dado que A ya ocurri.
b) Ocurra A dado que B ya ocurri.
c) No ocurra ni A ni B.
Solucin: Existe interseccin porque P(A o B) = P(A) + P(B) = 0.39 + 0.21 =
0.60 que no es el valor de 0.47 que se da en el problema. Por lo que:
P(A o B) = P(A U B) = P(A) + P(B) P(A B)
0.47 = 0.39 + 0.21 P(A B)
De donde P(A B) = 0.60 0.47 = 0.13
a) P(B|A) = P(B A) / P(A) = 0.13 / 0.39 = 0.3333
b) P(A|B) = P(A B) / P(B) = 0.13 / 0.21 = 0.6190
c) P(Ni A, ni B) = 1 P(A o B) = 1 0.47 = 0.53
Ejemplo
Dado que P(A) = 3/4, P(B) =1/6, P(C) = 1/3, P(A y C) = 1/7,
y
P(B|C) = 5 /21
calcular: a) P(A|C), b) P(C|A), c) P(B y C), d) P(C|B)
a) P(A|C) = P(A C) / P(C) = (1/7) / (1/3) = 3/7 = 0.4286
b) P(C|A) = P(CA) / P(A) = (1/7) / (3/4) = 4/21 = 0.1905
Laboratorio.
Se lanzan dos dados de manera
consecutiva. Calcule la probabilidad de obtener: a) Un
total de 7 puntos en el primer lanzamiento, seguido de
11 en el segundo.
b) Un total de 21 puntos en
los primeros dos lanzamientos combinados.
a) El evento: 7 en el primer lanzamiento =
{ (5,2) (2,5) (4,3) (3,4) (6,1) (1,6) }
P(7 en el primero) = 6 / 36 = 0.1667
El evento: 11 en el segundo = { (5,6) (6,5) }
P(11 en el segundo) = 2 / 36 = 0.0556
Resp. P(7 en el primero seguido de 11 en el segundo} =
0.1667 x 0.0556 = 0.0093
b) P( Resultado en el primero + resultado en el segundo
= 21 )
= P(9 en el primero y 12 en el segundo 12 en el
primero y 9 en el segundo u 11 en el primero y 10 en el
segundo 10 en el primero y 11 en el segundo)
9 en el primero = { (3,6) (6,3) (4,5) (5,4) }
P(9 en el primero) = 4 / 36
12 en el segundo = { (6,6) }
P(12 en el segundo} = 1 / 36
P(9 en el pro y 12 en el sdo.) = (4/36)(1/36) = 0.0031
P(12 en el primero y 9 en el segundo) = (1/36)(4/36) =
0.0031
P(10 en el primero y 11 en el segundo) = (3/36) (2/36) =
0.0046
Tabla de probabilidades
Partido A favor
En contra
A
18/82 =
10/82 =
0.2195
0.1220
B
15/82 =
8/82 =
0.1829
0.0976
C
0.1463
0.0610
Total
45/82 =
0.5488
23/82 =
0.2805
Indiferente Total
7/82 =
35/82 =
0.0854
0.4268
3/82 =
26/82 =
0.0366
0.3171
4/82 =
21/82 =
0.0488
0.2561
14/82 =
0.1707
82/82 = 1
Estable
Universidades 125
Empresas
Gobierno
25
Total
200
Expansin
0.20
0.07
0.06
0.33
Contraccin
0.20
0.05
0.02
0.27
Total
0.65
0.22
0.13
1.00
TEOREMA DE BAYES
Se aplica cuando conociendo la probabilidad de lo ltimo que
ocurri, se quiere conocer la probabilidad de un evento que
ocurri al inicio.
Ejemplo.
Un fabricante de cmaras de video utiliza un microchip en el ensamble
de cada cmara que produce. Los microchips son comprados a los
proveedores A, B y C y son tomados al azar para ser ensamblados en
cada cmara. El 20% de los microchips provienen del proveedor A, el
35% proviene de B y el resto proviene de C. Con base en la
experiencia, el fabricante cree que la probabilidad de que un microchip
defectuoso provenga de A es de 0.03, la probabilidad de que provenga
de B es
0.02 y de que provenga de C es 0.01. De la produccin de
un da, una cmara es seleccionada al azar y su microchip est
defectuoso. Calcule la probabilidad de que el microchip defectuoso
haya sido suministrado por:
a) El proveedor A.
Resp. 0.3429
b) Por el proveedor B. Resp. 0.40
c) Por el proveedor C. Resp. 0.2571
d) De qu proveedor es ms probable que provenga el microchip
defectuoso? Resp. De B porque tiene la probabilidad ms alta.
Ejemplo
Una empresa tiene tres mquinas: M1, M2 y M3 para elaborar su
producto. La mquina M1 produce el 90% de unidades buenas, la
mquina M2 produce el 5% de unidades defectuosas y la M3 produce
el 92% de unidades buenas. Si de la produccin de un da se toma
una unidad y resulta que: a) Es buena, calcule la probabilidad de que
provenga de la mquina M3. Resp. 0.3321
b) Es defectuosa, calcule la probabilidad de que haya sido producida
por la mquina M2. Resp. 0.2174
Solucin.
Como no se da qu porcentaje de la produccin total
corresponde a cada mquina, se asume 1/3 para cada una.
Conviene elaborar un diagrama de rbol para la solucin del problema.
TAREA
1. En una tienda, los clientes pueden pagar en efectivo o con
tarjeta de crdito. En las ventas de un da, de 25 hombres 15
pagaron con tarjeta de crdito; de 19 mujeres, 8 pagaron en
efectivo. Si aleatoriamente se selecciona un cliente, calcular
la probabilidad de que : a) Sea hombre dado que pag en
efectivo.
b) Haya pagado en efectivo dado que es mujer.
c) Haya pagado con tarjeta de crdito dado que es hombre.
d) Sea mujer dado que pag con tarjeta.
2. De 70 estudiantes de una universidad, 43 estudian
matemtica, 38 estudian estadstica y 18 estudian las dos
clases.
Calcular la probabilidad de que un estudiante
aleatoriamente seleccionado: a) Estudie matemtica o
estadstica. b) Estudie slo matemtica o slo estadstica.
3. En una empresa, la produccin se lleva a cabo con las
mquinas 1, 2 y 3. La mquina 1 produce el 35% del total, la
mquina 2 produce el 40% y la mquina 3 produce el resto del
total. La mquina 1 produce 5% de unidades defectuosa, la
mquina 2 produce 90% de unidades buenas y la mquina 3
produce 8% de unidades defectuosas. De la produccin de un
da, se examina una unidad y se encuentra que: a) Est
defectuosa.
Calcule la probabilidad de que haya sido
DISTRIBUCIONES DE PROBABILIDAD
Las distribuciones de probabilidad pueden ser discretas
o continuas.
Las distribuciones discretas slo permiten valores
enteros para la variable X. Son la distribucin binomial y
la distribucin de Poisson.
Distribuciones continuas permiten valores enteros y
fraccionarios para la variable X. Son la distribucin
Normal, la distribucin t de student, la distribucin F
de Fisher, la exponencial, etc.
DISTRIBUCIN NORMAL
Caractersticas:
1. Su grfica tiene forma de campana.
2. La media, la moda y la mediana son iguales.
3. Es simtrica con relacin a la media.
4. Sus extremos son asntotas con el eje X.
5. La probabilidad bajo la curva de la distribucin normal es igual a 1.
6. Sus parmetros son la media (mu o miu ) y la desviacin estndar
(sigma).
7. Es mesocrtica.
8. Se tienen ms - menos cuatro Z respecto a la media.
9. Es continua.
En una distribucin Normal para transformar datos reales en valores Z, se
aplica la frmula de estandarizacin
Z = (X - )/
Donde X es la variable en estudio.
Si X (el valor real) es mayor que la media , el valor de Z es positivo.
Si X (el valor real) es menor que la media , el valor de Z es negativo.
Ejemplo
En una clase de estadstica, la media de las calificaciones es de 72 con una
desviacin estndar de 12. Si se selecciona aleatoriamente un estudiante,
calcular la probabilidad de que la calificacin sea:
a) Mayor o igual que 90.
Lo que se pide en notacin estadstica es P(X90)
Estandarizando X = 90
3.
4.
LABORATORIO
En una empresa, el salario semanal promedio de los
trabajadores es de Q780 con una desviacin estndar de
Q85. Si se selecciona aleatoriamente un trabajador,
calcular la probabilidad de que su salario sea:
a) Menor o igual que Q650
Resp.
b) Menor o igual que Q600 y mayor o igual que Q500
Resp.
c) Mayor que Q850
Resp.
d) Est entre Q850 y Q720 Resp.
e) Mayor que Q500 y menor o igual que Q720 Resp.
DISTRIBUCIN BINOMIAL
Es una distribucin discreta que se aplica
cuando un evento tiene slo dos posibles
resultados.
Ejemplos:
bueno-malo,
verdadero-falso, xito-fracaso, cara-escudo,
ganar-perder, etc.
Los parmetros de una distribucin binomial
son la probabilidad de xito p y n el
tamao de la muestra.
Para calcular probabilidades binomiales, se
aplica la frmula :
P(X I n, p) = nCx px qn - x
X = Nmero deseado de xitos
de donde q = 1 p
Ejemplo:
Un vendedor debe visitar 50 clientes en una
semana. La probabilidad de que un cliente
compre es de 0.40. Calcule la probabilidad de
que:
a) A lo ms veintisiete clientes compren.
Resp = 0.9840
b) Por lo menos 20 clientes
Resp.= 1 0.4465 = 0.5535
compren.
g) Ms de 36 clientes compren.
Resp. = 0.0001
h) Probabilidad de que 30 clientes compren
Resp. = 0.0020
|
Ejemplo:
Un vendedor debe visitar 10
clientes en un da. La probabilidad de que un
cliente compre es de 0.40.
Calcule
la
probabilidad de que:
a) A lo ms siete clientes compren.
P(X7 I n=10, p=0.4) = P(X=7) + P(X=6) +
P(X=5) + + P(X=0)
P(X=7 I n=10, p=0.4) = 10C7
P(X=6 I n=10, p=0.4) = 10C6
P(X=5 I n=10, p=0.4) = 10C5
P(X=4 I n=10, p=0.4) = 10C4
P(X=3 I n=10, p=0.4) = 10C3
P(X=2 I n=10, p=0.4) = 10C2
P(X=1 I n=10, p=0.4) = 10C1
P(X=0 I n=10, p=0.4) = 10C0
__
SUMA = 0.9877
Resp: P(X7 I n=10, p=0.4) = 0.9877
Laboratorio
Una empresa tiene 35 computadoras y la
probabilidad de que una computadora falle es de
0.28. Calcular la probabilidad de que:
a) Al menos 25 computadoras fallen. Haga
grfica.
b) Ms de 5 pero menos de 10 fallen. Haga
grfica.
c) Probabilidad de que 15 computadoras fallen.
Haga grfica.
d) Probabilidad de que menos de 20 estn
buenas.
e) Al menos 12 estn buenas.
DISTRIBUCIN DE POISSON.
Es una distribucin discreta que se aplica en problemas de colas.
parmetro es (lambda)
P(X I ) = x e- / x!
Su
12! = 0.0829
= 15 clientes por hora
b) Lleguen 8 clientes en media hora.
En este caso = 15/2 = 7.5
8
-7.5
Solucin: P(X = 8 I = 7.5) = e
/ 8! = (7.5)8 e- 7.5 / 8!
= 0.1373
c) Lleguen 2 clientes en 15 minutos. En este caso = 15/4 = 3.75
Solucin: P(X = 2 I = 3.75) = 2 e- 3.75 / 2! = (3.75)2 e-3.75 /
2! = 0.1654
d) Lleguen a lo ms 10 clientes en una hora.
P(X 10 I = 15) = P(X=10) + P(X=9) + P(X=8) + P(X=7) + P(X=6) + + P(X=0)
Resp. P(X 10 I
= 15) = 0.1185
Haga grfica
Haga grfica
Haga grfica
INTRODUCCIN A LA TEORA DE
MUESTREO
Una muestra es una parte estadsticamente representativa
de la poblacin. Se hace un muestreo para determinar las
caractersticas de la poblacin N.
Las razones por las que se hace un muestreo son:
1. Minimizacin de costos.
2. Minimizacin de tiempo.
3. Escasez de personal especializado.
Caractersticas de una buena muestra:
1. Aleatoria. Una muestra es aleatoria cuando los
elementos de la muestra son seleccionados al azar.
2. Representativa de la poblacin. Significa que debe
ser estadsticamente proporcional al tamao de la
poblacin.
Ejemplo
Calcular el tamao de muestra de la produccin de un da de 500
unidades si la proporcin de unidades buenas es de 0.70. Use nivel de
confianza de 90% y un error de 5%. Resp. n = 156
Muestreo estratificado
Ejemplo:
En una universidad se tienen cuatro secciones de matemtica A, B,
C, y D con 45, 36, 50 y 28 estudiantes respectivamente.
Histricamente el 80% de los estudiantes gana el curso. Calcule:
a) El tamao de muestra total a un nivel de confianza de 95% y un
error de muestreo de 5%.
b) Cuntas unidades muestrales se
deben obtener de cada una de las secciones.
Resp. n = 97 estudiantes
N = 45 + 36 + 50 +28 = 159
n = 96.80 = 97 estudiantes
Unidades muestrales que se deben obtener de cada una de las
secciones.
nA = (45X97) / 159 = 27
nB = (36X97) / 159 = 22
nC = (50X97) / 159 = 31
nd = (28X97) / 159 = 17
97
Ejemplo. Se quiere hacer un muestreo del nivel educativo en cinco
comunidades del interior.
Las poblaciones respectivas de las
comunidades A, B, C, D y E son respectivamente 3560, 8720, 6150,
7471, 5384.
A un nivel de confianza de 90% y un error de muestreo