Está en la página 1de 14

Tecnolgico de Estudios Superiores

Tianguistenco
Materia: Estadstica Administrativa
Trabajo: Temas
Profesor: Fernando Fuentes Flores
Alumno: Arturo Hernndez Nava
Carrera: Contadura Publica
Grado: 2do Semestre

Grupo: 2102

ndice
ndice.2
Introduccin...3
Desarrollo....4
2.2 eventos mutuamente excluyentes y no excluyentes...4
2.3 Reglas de Edicin..5
2.4 Eventos independientes, dependientes y probabilidad
Condiciona.6
2.5 Reglas de la Multiplicacin...7
2.6 Diagrama de rbol.8
2.7 Teorema de Bayes.8
2.8 Combinaciones y Permutaciones9
Conclusin .11
Bibliografa..12

Introduccin
La estadstica es una de las herramientas ms ampliamente utilizadas en la investigacin
cientfica.
Su aplicacin en instituciones gubernamentales y educativas, en los negocios y en la industria,
en la banca y en otros quehaceres diarios hacen de la estadstica una herramienta
indispensable.
Con este trabajo se pretende aclarar los significados de Estadstica, definir sus conceptos
bsicos utilizados con frecuencia y analizar los usos y abusos de los mtodos estadsticos. Y
que el estudiante se capas de aplicarlo en el mbito educativo, laboral y cotidiano para una
buena toma de decisiones, y con ello asegurar un xito.
El presente contiene definiciones, proceso de elaboracin y ejemplos con los cuales se
pretende que el estudiante tenga en claro cada uno de los temas expuestos en dicho trabajo

Desarrollo
2.2 Eventos Mutuamente Excluyentes y No Excluyentes
Un evento mutuamente excluyente es uno en el que la aceptacin de una alternativa
automticamente excluye otras posibles alternativas. Un ejemplo comn de esto es lanzar una
moneda, la moneda caer de cara o cruz?, la cara significa un 50% de probabilidad que esta
salga o si cae en cruz representa al otro 50% de probabilidad de que esta salga; lanzar una
moneda es un evento mutuamente excluyente, ya que es una variable o alternativa donde el dato
a escoger o elegir no pueden ser ambos, es decir, si son sucesos que no pueden ocurrir a la vez
en una misma jugada es porque la ocurrencia de alguno de ellos excluye la ocurrencia de otros.
La frmula matemtica para determinar la probabilidad de los eventos mutuamente excluyentes
es: Si A y B son evento mutuamente excluyentes, entonces la probabilidad de que A o B suceda
es equivalente a la probabilidad del evento A ms la probabilidad del evento B.

Un evento mutuamente no excluyente, son aquellos que a la hora de que suceda no se


descarta la posibilidad de otro, es decir pueden suceder 2 eventos en el mismo acto. Ejemplo: si
se lanzan 2 dados al aire existe la posibilidad de que salga 6 en cualquiera de los 2 dados
lanzados, lo cual tiene una probabilidad de ocurrencia de 11/36 ya que hay 11 combinaciones de
los puntos de los dados, que cumplen con esta condicin: 1-6, 6-1 2-6,6-2 3-6,6-3 4-6,6-4 4-5,6
6-5 6-6 . Y si ocurre el suceso B, los puntos que ambos dados suman un puntaje igual a 8 puntos,
lo cual tiene una probailidad de ocurrencia 5/36, ya que hay 5 combinaciones que cumplne con
esta condicin. Otros ejemplos pueden ser los siguientes:

Sacar un 5 y una carta de espadas, es un evento no excluyente pues podemos tomar una
carta 5 de espadas.

Sacar una carta roja y una carta de corazones, es un evento no excluyente pues las cartas

de corazones son uno de los palos rojos.


Sacar un 9 y una carta negra. es un evento no excluyente pues podemos tomar el 9 de
espadas o el 9 de trboles.
La frmula matemtica para determinar la probabilidad de los eventos mutuamente no
excluyentes es:

2.3 Reglas de Edicin


Los eventos compuestos generan al aplicar las operaciones bsicas de los conjuntos a los
eventos individuales. Las uniones de eventos, las intersecciones de eventos y los complementos
son de inters frecuente. La probabilidad de un evento compuesto a menudo puede obtenerse a
partir de las probabilidades de cada uno de los eventos que lo forman. En ocasiones las
operaciones bsicas de los conjuntos tambin son tiles para determinar la probabilidad de un
evento compuesto.

Ejemplo: La siguiente tabla presenta la historia de 940 obleas de un proceso.


En el centro del instrumento de deposicin electrnica.
Contaminacin
Alta

No
si

no
514
112

si
68
246

Eventos:
A={Altos niveles de contaminacin}
B={La oblea est en el centro del instrumento}
a) Como se interpreta AUB y AB?
AUB={112,246}
AB={246}
b) Calcule la probabilidad de cada evento:
p(A)=358/940=.38
p(B)=314/940=.34
p(AUB)=426/940=.45
p(AB)=246/940=.26
La regla de adicin:
AB=0
p(AUB)=p(A)+P(B)
p(AUB)=p(A)+P(B)-p(AB)
Cuando hay tres o mas eventos:
p(AUBUC)=p(A)+p(B)+p(C)-p(AB)-p(AC)-p(BC)+p(ABC)
Si los eventos son mutuamente excluyentes
p(AUBUC)=p(A)+p(B)+p(C)
(E1E2E3...En)=0; P(E1UE2UE3U...UEn)=P(E1)+P(E2)+...P(En)

2.4 Eventos Independientes, Dependientes y Probabilidad Condicional


Eventos Dependientes
Dos o ms eventos sern dependientes si el resultado del primer evento afecta el resultado del
segundo evento as que la probabilidad es cambiada, La probabilidad de que ambos eventos
ocurran es el producto de las probabilidades de los eventos individuales, y para ello se ocupa, la
expresin P (A|B) indica la probabilidad de ocurrencia del evento A s el evento B ya ocurri. Se
debe tener claro que A|B no es una fraccin.

P (A|B) = P(A y B) / P (B) o P (B|A) = P(A y B) / P(A)

Ejemplo:
Una caja contiene 4 canicas rojas, 3 canicas verdes y 2 canicas azules. Una canica es eliminada
de la caja y no es reemplazada. Otra canica se saca de la caja. Cul es la probabilidad de que la
primera canica sea azul y la segunda canica sea verde? Ya que la primera canica no es
reemplazada, el tamao del espacio muestral para la primera canica (9) es cambiado para la
segunda canica (8) as los eventos son dependientes.

P(azul luego verde) = P(azul) P(verde)

Eventos Independientes
Dos eventos son independientes si el resultado del segundo evento no es afectado por el
resultado del primer evento. Si A y B son eventos independientes, la probabilidad de que ambos
eventos ocurran es el producto de las probabilidades de los eventos individuales.

P(A y B) = P(A) P(B)

Ejemplo:
Una caja contiene 4 canicas rojas, 3 canicas verdes y 2 canicas azules. Una canica es eliminada
de la caja y luego reemplazada. Otra canica se saca de la caja. Cul es la probabilidad de que la
primera canica sea azul y la segunda canica sea verde? Ya que la primera canica es
reemplazada, el tamao del espacio muestral (9) no cambia de la primera sacada a la segunda
as los eventos son independientes.

P(azul luego verde) = P(azul) P(verde)

Probabilidad Condicional
Es la probabilidad de que ocurra un evento A, sabiendo que tambin sucede otro evento B. La
probabilidad condicional se escribe:

y se lee:
la probabilidad de A dado B.

P ( AB)

No tiene por qu haber una relacin causal o temporal entre A y B.


A puede preceder en el tiempo a B, sucederlo o pueden ocurrir simultneamente.
A puede causar B, viceversa o pueden no tener relacin causal.

P( AB)=

o
o
o

P( A B)
P (B)

Donde:
= Probabilidad de que ocurra A dado B.
= Probabilidad de que ocurra A y B a un mismo tiempo
= Probabilidad de que ocurra B

2.5 Reglas de Multiplicacion


Se relacionan con la determinacin de la ocurrencia de conjunta de dos o ms eventos. Es decir la
interseccin entre los conjuntos de los posibles valores de A y los valores de B, esto quiere decir
que la probabilidad de que ocurran conjuntamente los eventos A y B es:

o P(A y B) = P(A B) = P(A)P(B) si A y B son independientes


o P(A y B) = P(A B) = P(A)P(BA) si A y B son dependientes
o P(A y B) = P(A B) = P(B)P(AB) si A y B son dependientes
Distribucin de probabilidad normal
Es una distribucin de probabilidad continua que es tanto simtrica como mesocurtica. La curva
que representa la distribucin de probabilidad normal se describe generalmente como en forma de
campana. Esta distribucin es importante en inferencia estadstica por tres razones diferentes:
Se sabe que las medidas producidas en muchos procesosaleatorios siguen esta distribucin.
Las probabilidades normales pueden utilizarse generalmente para aproximar otras distribuciones
de probabilidad, tales como las distribuciones binomial y de Poisson.
Las distribuciones estadsticas tales como la media de la muestra y la proporcin de la muestra,
siguen a menudo la distribucin normal, sin tener en cuenta la distribucin de la poblacin.

2.6 Diagrama de rbol

Un diagrama de rbol es una representacin grfica de un experimento que consta de r pasos,


donde cada uno de los pasos tiene un nmero finito de maneras de ser llevado a cabo.

Ejemplos

1.Un mdico general clasifica a sus pacientes de acuerdo a: su sexo (masculino o femenino),
tipo de sangre (A, B, AB u O) y en cuanto a la presin sangunea (Normal, Alta o Baja).
Mediante un diagrama de rbol diga en cuantas clasificaciones pueden
estar los pacientes de este mdico?

Si contamos todas las ramas


terminales, nos damos
cuenta que el nmero de clasificaciones son 2 x 4 x 3 = 24 mismas que podemos enumerar;
MAN, MAA, MAB, MBN, MBA, MBB, etc, etc.

2.7 Teorema de Bayes


El teorema de Bayes se utiliza para revisar probabilidades previamente calculadas cuando se
posee nueva informacin.
Expresa la probabilidad condicional de un evento aleatorio A dado B en trminos de la distribucin
de probabilidad condicional del evento B dado A y la distribucin de probabilidad marginal de slo
A.
Es decir que sabiendo la probabilidad de tener un dolor de cabeza dado que se tiene gripe, se
podra saber -si se tiene algn dato ms-, la probabilidad de tener gripe si se tiene un dolor de
cabeza

Sea A1, A2, ...,An un sistema completo de sucesos, tales que la probabilidad de cada uno de ellos
es distinta de cero, y sea B un suceso cualquier del que se conocen las probabilidades
condicionales P(B/A). entonces la probabilidad P(A /B) viene dada por la expresin:
P ( A )

son las probabilidades a priori.

P (B/ A ) es la probabilidad de B en la hiptesis A.


P

A/B son las probabilidades a posterior

2.8 Combinaciones y Permutaciones

Combinaciones
10

En el caso antes sealado, si los grupos de animales es lo importante para nosotros, pero no la
secuencia de objetos dentro de los grupos, entonces estamos hablando de combinaciones, en
lugar de permutaciones. La notacin del nmero de combinaciones de n objetos tomados X a la
vez es nCX, y el clculo es de la siguiente forma:
n C x = = n Px X! n! X! (n - X) !

As en el ejemplo en donde se seala que hay solo doce formas de acomodar linealmente dos de
estos cuatro animales (un caballo (C), una vaca (V), una oveja (O) y un puerco (P)), solo tenemos
seis formas de combinarlos: n1 = 4 y n2 = 2 tenemos la siguiente expresin :

Es decir, las siguientes seis combinaciones en grupos de dos de la siguiente forma:


CV; CO; CP; VO; VP; OP

Permutaciones
Una permutacin es un arreglo especfico de objetos en una secuencia especfica. Un caballo (C),
una vaca (v) y una oveja (O); podran ser ordenadas linealmente dentro de sus seis formas
distintas: CVO; COV; VCO; VOC; OCV; OVC. Esta serie de resultados puede examinarse al
observar que existen tres posibles resultados para la primera posicin, y solo dos opciones para
que un animal ocupe la segunda posicin; y por ltimo solo una opcin para que solo un animal (el
restante) ocupe la tercera posicin. Por lo tanto K1 =3, K2 =2, K3 =1, as que los posibles arreglos
lineales estarn dados por: (k1 )(k2 )(k3 )= (3)(2)(1)= 6 maneras de ordenar linealmente los tres
animales. Tambin podramos decir que hay seis permutaciones de tres objetos diferentes.

En general si hay n posiciones lineales para que sean llenados con n objetos, la primera posicin
ser ocupada por alguno de los n objetos, la segunda posicin ser ocupada por n1 objetos, la
tercera posicin por n2 objetos, y as sucesivamente hasta la ltima posicin, la cual ser
ocupada por una sola opcin-objeto. As el llenado de n posiciones con n objetos resulta en nPn
permutaciones donde:

nPn = n(n-1)((n-2)(n-3) = (3)(2)(1) =6


Lo cual puede ser descrito de forma mas simple en notacin factorial (!) como sigue:
nPn = n!

11

Conclusin
La estadstica es una rama de las matemticas aplicadas que surgi por la necesidad concreta
que el hombre tiene de conocer la resolucin de problemas relacionados con la recoleccin,
procesamiento, anlisis e interpretacin de datos numricos cuyo conocimiento le permitir
tomar decisiones acertadas.

12

Bibliografia

Wackerly Dennis D., Mendenhall William III, Scheaffer, Richard L.


Estadstica Matemtica con Aplicaciones. Sptima Edicin, Cengage
Learning, Mxico, 2010.

Ferris Ritchey. Estadstica aplicada a las ciencias sociales. Segunda


Edicin. Mc Graw Hill, 2008.

Douglas L., William M., Samuel W. Decimotercera Edicin, Estadstica


aplicada a los negocios y la economa, Mc Graw Hill, 2008.

Isabel Castillo Manrique, Estadstica descriptiva y clculo de


probabilidades,Primera Edicin, Pearson Mxico, 2006.

13

http://www.cienciamatematica.com/descarga/estadistica/estadistica_I.pdf

14