Está en la página 1de 44

25/01/2014

Probabilidad
&
Estadstica

Mdulo I

Teora de
Probabilidad

Conceptos
Bsicos de
Probabilidad

Dar una definicin completa del trmino probabilidad y


describir algunas de sus aplicaciones en el desempeo de tu
actividad profesional.
Definir y dar ejemplos de conceptos bsicos usados en la
probabilidad.
Resolver problemas relacionados con fenmenos aleatorios
usando tcnicas probabilsticas adecuadas.

Astrgalos

Los dados ms antiguos se


remontan a unos 3000 aos
antes de Cristo y se
utilizaron en el juego como
en ceremonias religiosas.

Existen en las pirmides de Egipto pinturas que


muestran juegos de azar que datan del ao 3500 a.C.

25/01/2014

Periodo clsico de la probabilidad

Siglos XVII, XVIII y XIX

Jacob Bernoulli
(1604-1705)

La motivacin y el motor para su desarrollo


proviene sobre todo de temas externos a la
Matemtica.

Thomas Bayes

Desarrollaron frmulas y
tcnicas para el clculo
de la probabilidad.

Abraham de Moivre
(1667-1754)

(1702-1761)

Joseph Lagrange
(1736-1813)

Teora de Probabilidad

Primera teora general


de la Probabilidad
"En el fondo, la teora
de probabilidades es slo sentido
comn expresado con nmeros"

Un experimento aleatorio es cualquier actividad


que origina datos.
Al conjunto de todos los resultados posibles de un
experimento (datos) se le llama espacio muestral
del experimento y se denota por la letra S.

Un evento es un subconjunto de un espacio


muestral y se denota por letras maysculas A, B,
etc.

Pierre Simon
Marqus de Laplace
(1749-1827)

Ejemplo 1
Para escoger un artculo de una lnea de
produccin y verificar su calidad, se tienen dos
posibles resultados: Defectuoso o No
Defectuoso
El espacio muestral para este experimento
se denota como:
S={Defectuoso, No Defectuoso}

Si representamos como D para


Defectuoso y N para No Defectuoso,
entonces:

Ejemplo 1
Si ahora se escogen tres artculos de una lnea
de produccin y se verifica su calidad, entonces
el espacio muestral S sera:
S= { DDD, DDN, DND, DNN, NDD, NDN, NND, NNN }

Si definimos el evento A Muestras con dos


defectuosos, entonces tenemos:
A= { DDN, DND, NDD}

S= { D, N }

25/01/2014

Diagrama de rbol

DDD

DDN

DND

N
3er.
artculo
D

DNN

Ejemplo 2
Sea A el evento conjunto de puntos que caen
dentro de un crculo de radio 2, entonces:

D
1er.
artculo

2do.
artculo
N

NDD

D
N
N

D
N

A={( x, y)/ x2 + y2=4}


(x,y)

NDN
NND

NNN

Combinaciones de Eventos
Discretos

Es posible enumerarlos
y/o describirlos todos.
Ejemplo 1.

Continuos

Es un nmero muy
grande o infinito de
puntos muestrales.
Se describe mejor
mediante una relacin
matemtica o una
descripcin.
Ejemplo 2.

Espacios
Muestrales

Ejemplo
S= {0,1,2,3,4,5,6,7,8,9}
A= {2,4,6,8},
B= {1,3,5,7,9}
C= {0}

El complemento de A respecto a S es el conjunto de


todos los elementos de S que no estn en A y se denota
por A.
La interseccin de dos eventos (AB) es el evento que
contiene a todos los elementos comunes a A y B.
La unin de dos eventos (AB) es el evento que
contiene a todos los elementos que pertenecen a A o a
B o a ambos.
Dos eventos A y B son mutuamente excluyentes si no
tienen elementos en comn. (AB = ).

Diagramas de Venn
Expresan grficamente la relacin entre
eventos
y
el
espacio
muestral
correspondiente.

A = {0,1,3,5,7,9}
AB = {1,2,3,4,5,6,7,8,9}

Se representa mediante un rectngulo y


los eventos A, B, etc. se dibujan como
crculos dentro del mismo.

A C = (conjunto vaco)
(AB) = {0}

25/01/2014

Combinaciones de Eventos
y Diagramas de Venn

S = {0,1,2,3,4,5,6,7,8,9}
A= {1,3,4,6,8}
B= {1,2,3,5,7}
C= {0,1,2,6}

A
S

Ejemplo

AB

8
4
6

3
1

5
7
2

(ABC) = ?
A

AB

(ABC) = ?
(ABC) = ?
(A B)C = ?

(A B)

Ejemplo
S = {0,1,2,3,4,5,6,7,8,9}
A= {1,3,4,6,8}
B= {1,2,3,5,7}
C= {0,1,2,6}

8
4
6

3
1

La probabilidad es la posibilidad de que algo suceda.

Teora de Probabilidad

Las probabilidades se expresan como fracciones o


como decimales que estn entre uno y cero.

(ABC) = {0,1,2,3,4,5,6,7,8}
(ABC) = {9}
(ABC) = {1}

Una probabilidad de cero significa que algo nunca va


a suceder (evento imposible).
Una probabilidad de uno indica que algo va a suceder
siempre (evento seguro).

(A B)C = {0}

Teora de Probabilidad
Si un experimento tiene un espacio muestral con N
resultados igualmente factibles, y de stos n
corresponden al evento A, entonces la
probabilidad del evento A, expresada como P (A)
se define como:

Teora de Probabilidad
La probabilidad de que un evento A ocurra es la suma
de todos los puntos muestrales de A, por tanto:
0 P(A) 1
P() = 0, donde es un conjunto vaco.
P(S) = 1, donde S es el espacio muestral.
P(A) + P(A) = 1
Los eventos A y B son mutuamente excluyentes o disjuntos si y
slo si (AB)=0

25/01/2014

Ejemplo
S = {0,1,2,3,4,5,6,7,8,9}
A= {1,3,4,6,8}
B= {1,2,3,5,7}
C= {0,1,2,6}

Si A y B son dos eventos cualquiera, entonces

Reglas aditivas de probabilidad

3
4
6
9

7
2

P(AB) = P(A) + P(B) - P(AB )

Y si P(AB) = 0 entonces

P(A) = 5/10

P(ABC) = 9/10

P(B) = 5/10

P(ABC) = 1/10

P(C) = 4/10

P(AB C) = 1/10

P(AB) = P(A) + P(B)

Ejemplo
Si la probabilidad de que un estudiante pertenezca al taller
de teatro es 2/3, de que pertenezca al taller de msica es de
1/4 y de que pertenezca a ambos es de 1/5 cul es la
probabilidad de que un estudiante pertenezca al menos a
uno de ambos talleres?
A es el evento taller de teatro y B el evento taller de
msica.

Ejemplo
Si las probabilidades de victoria/derrota/empate para un
equipo deportivo son 0.40, 0.23 y 0.37 respectivamente,
cul es la probabilidad de que este equipo no pierda?

Sea V el evento victoria y E el evento empate, los cuales son


mutuamente excluyentes, entonces:

P(VE)=P(V)+P(E)
P(AB)=P(A)+P(B)-P(AB )
P(AB)= 0.72
P(AB)= 2/3+1/4-1/5 = 43/60

P(VE)= 0.77
P(VE) = 0.40 + 0.37

Reglas aditivas de probabilidad


Para tres eventos A, B y C se tiene:

Ejemplo
A

8
6

P(AB C) = P(A) + P(B) + P(C) - P(AB ) P(AC ) - P(BC ) + P(AB C)


Y si A, B y C son mutuamente excluyentes entonces

P(AB C) = P(A) + P(B) + P(C)

5
3

7
2

S = {0,1,2,3,4,5,6,7,8,9}
A= {1,3,4,6,8},
B= {1,2,3,5,7}
C= {0,1,2,6}

P(AB C)=P(A)+P(B)+P(C)-P(AB )- P(AC )-P(BC )+ P(AB C)


P(AB C) = 5/10 + 5/10 + 4/10 - 2/10 - 2/10 - 2/10 + 1/10

P(AB C) = 9/10

25/01/2014

Actividad 1

Actividad 1
1. En una encuesta hecha a la salida de la estacin
Cuauhtmoc del Metro, se supo que:
53% de la gente lee el peridico El Norte,
50% lee el peridico Milenio, y
15% no lee ninguno de estos peridicos.

2. S = {Mxico, Espaa, Sierra Leona, Australia, Brasil,


Canad, Malta}
2.1 Indica el evento A Pases de Amrica
2.2 Indica el evento A
2.3 Indica el evento B Pases de Europa

Si se escoge al azar a una persona:

2.4 Indica el evento A B

1.1 Cul es la probabilidad de que lea ambos


peridicos?
1.2 Cul es la probabilidad de que lea al menos uno
de los dos peridicos?

2.5 Indica el evento A B


2.6 Indica el evento (A B)
2.7 Cul es la probabilidad de que un pas no pertenezca a
Europa o a Amrica?
2.8 Cul es la probabilidad de que un pas tenga como
idioma el espaol?

Ejercicio 1

Ejercicio 1
2.

1. Un grupo de 45 estudiantes en una escuela lleva


actividades extracurriculares
30 cursan Taller de Teatro
25 cursan Msica.
a)
b)
c)

Elabora un Diagrama de Venn.


Cul es la probabilidad de que un estudiante curse
solamente una de las dos actividades?
Cul es la probabilidad de que un estudiante curse ambas
actividades?

En cierto establecimiento, la probabilidad de que un ama de casa


compre: Leche es de 0.60,
Fruta y verduras es de 0.45,
Pan es 0.35,
Los tres artculos a la vez es de 0.16,
Solamente leche y pan es de 0.05,
Solamente pan y fruta es de 0.03
Solamente leche es de 0.30.
Sea L el evento un ama de casa compra leche, F el evento un ama
de casa compra fruta y P el evento un ama de casa compra pan:
a) Cul es la probabilidad de que compre solamente pan?
b) Cul es la probabilidad de que compre leche y fruta?
c) Cul es la probabilidad de que compre solamente fruta?
d) Cul es la probabilidad de que no compre ninguno de los
tres artculos?
Usa un diagrama de Venn para representar estos eventos.

Ejercicio 1
3. La probabilidad de que un artculo de exportacin sea
rechazado es de 0.01, de que sea de exportacin es de 0.25
y de que un artculo en general sea rechazado es de 0.03.
a) Cul es la probabilidad de que un artculo sea rechazado
o sea de exportacin?
b) Cul es la probabilidad de que un artculo rechazado no
sea de exportacin?

Probabilidad Condicional
y
Probabilidades de
Intersecciones de Eventos

4. Considera la siguiente informacin: S: {Baln, motor, filtro de


aceite, procesador, monitor, pizarrn, asientos, teclado, llanta,
mouse, puerta, ala}
a) Define el evento A Partes de un automvil.
b) Define el evento B Partes de una computadora.
c) Define el evento A B
d) Define el evento (A B)
Sesin 2

25/01/2014

Probabilidad Condicional

Probabilidad Condicional

Probabilidad de que un evento B ocurra


cuando se sabe que otro evento A
se ha presentado

Lo que sucede es que el espacio muestral del evento A


se convierte en el nuevo espacio muestral S o
universo.
S

Probabilidad de B dado A
Espacio Muestral
A

AB

Si P(A) est definida.

Probabilidad Condicional

Ejemplo
A

1
3
2

P( A B)

1
7

4
6

P(A)

1
P( A B ) 7
P( B A)

3
P( A)
7

3
7

Ejemplo 1

En cierta ciudad,
75% de la gente consume el refresco A,
55% el refresco B, y
40% consume ambos.
a) Cul es la probabilidad de que una persona seleccionada al azar
consuma el refresco B, dado que consume el A?
b) Cul es la probabilidad de que una persona seleccionada al azar
consuma el refresco B, dado que no consume el A?

1
3

Probabilidad Condicional
Ejemplo 1
a) Probabilidad de que una persona seleccionada al
azar consuma el refresco B, dado que consume el A

Probabilidad Condicional
Ejemplo 1
b) Probabilidad de que una persona seleccionada al azar
consuma el refresco B, dado que no consume el A

P(A) = 0.75
B

A
0.35

0.40

0.15

P(B) = 0.55

0.35

P(AB) = 0.40
S

0.10

0.53

B
0.40

P(A)=0.25
P(AB)=0.15

0.15
0.10

0.60

25/01/2014

Probabilidad Condicional
Ejemplo 2

Probabilidad Condicional
Ejemplo 2
a) Dado que un alumno lleva el curso de msica, cul es
la probabilidad de que curse teatro?

En una escuela,
50% de los alumnos lleva la clase de teatro,
60% la clase de msica y
30% llevan ambos cursos.

0.20

a) Dado que un alumno lleva el curso de msica,


cul es la probabilidad de que curse teatro?
b) Dado que un alumno no cursa msica, cul es la
probabilidad de que lleve teatro?

P(T) = 0.50

T
0.30 0.30

P(M) = 0.60
0.20

P(MT) = 0.30

0.50

Probabilidad Condicional
Ejemplo 2
b) Dado que un alumno no cursa msica, cul es la
probabilidad de que lleve teatro?

M
0.20

0.30

P(M) = 0.40

Reglas Multiplicativas

Si en un experimento pueden ocurrir los


eventos A y B entonces:
P(AB) = P(A) P(B/A)

P(MT) = 0.20

0.30

Si en un experimento pueden ocurrir los


eventos A, B y C entonces:
P(ABC) = P(A) P(B/A) P(C/AB)

0.20

0.50

Independencia de Eventos

Dos eventos A y B cualesquiera


independientes si y slo si:

Independencia de Eventos
Ejemplo

son

P(B/A) = P(B) P(A/B) = P(A)


P(AB) = P(A) P(B)
El concepto de independencia de eventos es
muy importante, ya que sobre ste se
encuentran basadas aplicaciones prcticas
de la estadstica.

En una empresa existen dos lneas de produccin que


elaboran un mismo artculo.
Se sabe por experiencia que 98% de los productos
elaborados en cada lnea satisfacen la norma de calidad. Se
toma al azar un artculo de cada una de ellas y se
inspecciona.
Cul es la probabilidad de que ambos artculos cumplan
con la norma de calidad?

25/01/2014

Independencia de Eventos
Ejemplo

Extraccin
Imagina un recipiente con n = 5 piezas.

Si denotamos por P(A) el hecho de que un artculo de la


lnea 1 sea aceptable y por P(B) el hecho de que un artculo
de la lnea 2 sea aceptable, entonces:

P(AB) = P(A) P(B)


P(AB) = (0.98)(0.98) = 0.9604

Extraccin sin reemplazo:


Se

toma una pieza de un


recipiente y NO se regresa.
Las probabilidades cambian en
cada extraccin.
Extraccin con reemplazo:
Se toma una pieza de un recipiente

y S se regresa.
Las probabilidades son constantes

en cada extraccin.

Extraccin
Ejemplo
Se tienen en una bodega 15 artculos, de los cuales 4 son
de importacin. Si se toman 3 en sucesin, sin reemplazo,
cul es la probabilidad de que los 3 sean de
importacin?
A el evento primer artculo tomado es de importacin

Extraccin
Ejemplo
Extraccin 1 (A):
15 artculos en total y 4 son de importacin.
Extraccin 2 (B):
14 artculos en total y 3 son de importacin.
Extraccin 3 (C):
13 artculos en total y 2 son de importacin.

B el evento segundo artculo tomado es de importacin


C el evento tercer artculo tomado es de importacin

P(ABC) = P(A) P(B/A) P(C/AB)


P(ABC) = (4/15) (3/14)(2/13) = 24/2730
P(ABC) = 0.009

Extraccin
Ejemplo
Si resolvemos el mismo ejemplo, pero con
reemplazo, las probabilidades permanecern
constantes:
Extraccin 1 (A):
15 artculos en total y 4 son de importacin.
Extraccin 2 (B):
15 artculos en total y 4 son de importacin.
Extraccin 3 (C):
15 artculos en total y 4 son de importacin.
P(ABC) = P(A) P(B) P(C)
P(ABC) = (4/15) (4/15)(4/15) = 64/3375

Actividad 2
1. Mnica tiene en una caja 10 chocolates, de los cuales
3 son envinados y 7 de cajeta. Si toma dos
chocolates al azar (sin reemplazo), cul es la
probabilidad de que tome un chocolate de cada tipo?
2. Cmo cambia la respuesta del problema anterior si
ahora Mnica toma los chocolates con reemplazo?
3. Una empresa cuenta con tres lneas de produccin
independientes. En cada una de ellas existe un ndice
de rechazo de 2%. Si se toma un artculo al azar de
cada una de las 3 lneas, cul es la probabilidad de
que 2 de los 3 productos seleccionados sean
rechazados?

P(ABC) = 0.019

25/01/2014

Ejercicio 2*

Actividad 2
4. 45% del pblico de la radio en cierta ciudad escucha
cumbias y 58% programas deportivos. Dado que una
persona escucha cumbias, la probabilidad de que escuche
programas deportivos es 0.60. Cul es la probabilidad de
que escuche ambos tipos de programas?

1. Considera el siguiente diagrama de Venn:


B

A
0.03

0.15

5. En el problema anterior, dado que una persona no


escucha programas deportivos, cul es la probabilidad de
que escuche cumbias?

6. En un contenedor de 50 piezas, de las cuales hay 2


defectuosas, se escogen tres artculos al azar, sin
reemplazo. Si de los tres artculos seleccionados uno est
defectuoso se rechaza el lote. Cul es la probabilidad de
que el lote sea aceptado?

0.05

0.30

0.15
0.07

0.10

Calcula:
a) P(ABC)
b) P(B/A)
c) P(A/ABC)

0.15

Ejercicio 2*
2.

3.

En una encuesta hecha a la salida de la estacin Cuauhtmoc del


Metro se supo que 53% de la gente lee el peridico El Norte,
50% lee el peridico Milenio y 15% no lee ninguno de estos
peridicos.
a) Cul es la probabilidad de que lea ambos peridicos?
b) Dado que una persona lee el peridico El Norte cul es la
probabilidad de que lea Milenio?
c) Dado que una persona no lee Milenio, cul es la
probabilidad de que lea El Norte?
En una caja existen 20 artculos de los cuales 3 son de la marca
A, 12 de la marca B y 5 de la marca C. Si se toman 3 artculos al
azar, sin reemplazo y uno a la vez:
a) Cul es la probabilidad de tener uno de cada marca?
b) Cul es la probabilidad de tener todos de una misma marca?

Ejercicio 2*
4. En una sala de urgencias hay 5 mdicos de guardia, cada
uno de ellos est ocupado 68% del tiempo.
a) Cul es la probabilidad de que al presentarse una
urgencia no haya mdico disponible?
b) Cul es la probabilidad de que haya al menos un
mdico disponible?
5. En un taller mecnico un coche requiere ajuste en los frenos
15% de las veces, afinacin 10% y reparaciones menores
60% de las veces.
a) Cul es la probabilidad de que un coche requiera los
tres servicios?
b) Cul es la probabilidad de que requiera slo dos de
ellos?

Teorema de Bayes

Teorema de Bayes
Sea A1, A2, ..., An una serie de eventos, tales que la
probabilidad de cada uno de ellos es distinta de cero, y
B otro evento del que se conocen las probabilidades
condicionales P(B/Ai ).
Entonces la probabilidad P(Ai /B) est dada por:

P(Ai /B) =

P(Ai)*P(B/Ai)
P(A1)*P(B1/A1) + P(A2)*P(B2/A2) ++ P(An)*P(Bn/An)

Sesin 3

10

25/01/2014

rbol de Bayes

Ejemplo
Mquina

% Produccin del total


de la fbrica

% Produccin
defectuosa

45%

3%

30%

4%

25%

5%

P(B/A1)

P(Ai)

P(B/Ai)

a) Si se selecciona una pieza al azar, calcula la


probabilidad de que sea defectuosa.
P(B/An)

b) Si se toma al azar una pieza y resulta ser


defectuosa; calcula la probabilidad de que haya
sido producida por la mquina 2.

Ejemplo

c) Si se selecciona una pieza al azar, calcula la


probabilidad de que sea buena.

Ejemplo
Para resolver se construye un rbol de Bayes usando las
probabilidades dadas como informacin.

Paso 1

d) Si se toma al azar una pieza y resulta ser


buena, calcula la probabilidad de que haya sido
producida por la mquina 2.

Se identifican en l los eventos correspondientes a cada


mquina 1, 2 y 3 y constituyen la primera serie de ramas
de un rbol.

rbol de Bayes
PASO 1

rbol de Bayes
Paso 2
Se identifican los eventos correspondientes al porcentaje
de defectuosos de cada mquina (1, 2 y 3) y constituyen
la segunda serie de ramas del rbol.

P(Mquina 2) = 0.30

P(Defectuoso/M1) = 0.03

P(Mquina 2) = 0.30

P(Defectuoso/M2) = 0.04

P(Defectuoso/M3) = 0.05

11

25/01/2014

Ejemplo

Ejemplo
a) Si se selecciona una pieza al azar, calcula la
probabilidad de que sea defectuosa (D).

b) Si se toma al azar una pieza y resulta ser


defectuosa, calcular la probabilidad de haber sido
producida por la mquina 2.
P(M2/D) =

P(D) = P(M1)*P(D/M1) + P(M2)*P(D/M2) + P(M3)*P(D/M3)

P(M2)*P(D/M2)
P(M1)*P(D/M1) + P(M2)*P(D/M2) + P(M3)*P(D/M3)

P(D) = (0.45)(0.03)+(0.30)(0.04)+(0.25)(0.05)

(0.30)*(0.04)

P(M2/D) =

(0.45)*(0.03) + (0.30)*(0.04) + (0.25)*(0.05)

P(D) = 0.038
P(Defectuoso/M1) = 0.03

P(Defectuoso/M1) = 0.03

P(M2/D) = 0.316
P(Mquina 2) = 0.30

P(Defectuoso/M2) = 0.04
P(Mquina 2) = 0.30

P(Defectuoso/M2) = 0.04

P(Defectuoso/M3) = 0.05
P(Defectuoso/M3) = 0.05

Ejemplo
c) Si se selecciona una pieza al azar, calcular la
probabilidad de que sea buena.

Ejemplo
d) Si se toma al azar una pieza y resulta ser buena,
calcular la probabilidad de que haya sido producida
por la mquina 2.

P(D) = P(M1)*P(D/M1)+P(M2)*P(D/M2)+P(M3)*P(D/M3)

P(M2/D) =

P(M2)*P(D/M2)
P(M1)*P(D/M1) + P(M2)*P(D/M2) + P(M3)*P(D/M3)

P(D) = (0.45)(0.97)+(0.30)(0.96)+(0.25)(0.95)
P(M2/D) =

P(D) = 0.962

(0.30)*(0.96)
(0.45)*(0.97) + (0.30)*(0.96) + (0.25)*(0.95)

P(Buena/M1) = 0.97
P(Buena/M1) = 0.97

P(Mquina 2) = 0.30

P(M2/D) = 0.299

P(Buena/M2) = 0.96

P(Mquina 2) = 0.30

P(Buena/M2) = 0.96

P(Buena/M3) = 0.95
P(Buena/M3) = 0.95

Actividad 3

1.

Un equipo deportivo juega 50% de sus partidos como local y el


resto como visitante.
P (Jugando
como Local)

P (Jugando
como Visitante)

Triunfo

0.63

0.20

Empate

0.21

0.23

Derrota

0.16

0.57

a) Calcula la probabilidad de que este equipo obtenga una victoria.


b) Dado que el equipo gana cul es la probabilidad de que haya
jugado como local?
c) Calcula la probabilidad de que este equipo obtenga una derrota.
d) Dado que el equipo pierde cul es la probabilidad de que haya
jugado como visitante?

Actividad 3

2.

Se sabe que en una colonia habitan:

a)
b)
c)
d)

% Habitantes

% Fumadores

Extranjeros

35%

25%

Nacionales

65%

58%

Calcula la probabilidad de que una persona fume.


Dado que una persona fuma cul es la probabilidad de
que sea nacional?
Calcula la probabilidad de que una persona no fume.
Dado que una persona no fuma cul es la probabilidad
de que sea extranjero?

12

25/01/2014

Tarea 3*

Ejercicio 3*

1. Se tienen dos compaas, A y B que surten de productos a dos


mercados especializados, el Norte y el Sur. El Norte compra 45% de la
produccin de A y 55% de la produccin de B.
a) Calcula la probabilidad de que un producto haya sido elaborado en
la compaa A.
b) Dado que un producto fue comprado por la Zona Norte, calcula la
probabilidad de que haya sido elaborado en la compaa A.

3. En una escuela se imparten carreras en las reas de


Ingeniera, Informtica y Administracin. 35% de los
estudiantes son del rea de Ingeniera, 45% del rea de
Informtica y los restantes pertenecen a Administracin.
Se sabe tambin que 65% de los estudiantes de
Ingeniera son varones, 60% de los estudiantes de
Administracin son varones y 50% de los de
Informtica son varones.

2. Una compaa embotelladora que elabora refrescos de limn tiene dos


plantas. El ingeniero de proceso conoce por experiencia la siguiente
informacin:
Planta 1

Planta 2

% Produccin

55 %

45 %

% Botellas defectuosas

2%

4%

Si se toma al azar una botella defectuosa, cul es la probabilidad de que


haya sido elaborada en la planta 2?

a) Dado que un estudiante es varn, calcula la


probabilidad de que pertenezca a Informtica.
b) Dado que un estudiante es mujer, calcula la
probabilidad de que pertenezca a Ingeniera.

Tcnicas de conteo

Tcnicas de

En ocasiones es poco prctico enumerar


todos los puntos muestrales de un evento a
fin de conocer cuntos son.

Conteo

Existen tcnicas que permiten saber cuntos


puntos muestrales hay en un evento a fin de
usarlos para algn clculo en especial.

Sesin 4

Principio Fundamental
del conteo

Si una operacin puede realizarse en n1 formas, y si por


cada una de stas una segunda operacin puede llevarse
a cabo en n2 formas y una k-sima operacin puede
llevarse a cabo en nk formas, entonces las k operaciones
pueden realizarse juntas en:

n1*n*... * nk

Ejemplo 1
Un cdigo de identificacin de un producto se forma con 4
dgitos (del 0 al 9). Si es posible repetir dgitos, cuntos
cdigos diferentes se pueden formar?
Para los 4 dgitos hay 10 opciones y pueden repetirse, por
lo cual el cdigo se formara como sigue:
10

10

10

10

formas.
Por lo tanto hay 104 = 10000 maneras de formar los
cdigos.

13

25/01/2014

Ejemplo 2
Si en el ejemplo del cdigo de identificacin no es posible
repetir dgitos, cuntos cdigos diferentes se pueden
formar?
Ahora, para la primera posicin hay 10 opciones, para la
segunda 9, para la tercera 8 y para la cuarta 7, por lo tanto:
10

Ejemplo 3

Laura tiene 4 pantalones, 3 blusas y dos pares de zapatos


de cuntas maneras se puede vestir asumiendo que todas
combinaciones son de buen gusto?
Solucin:
Se puede vestir de 4 * 3 * 2 = 24 maneras diferentes.

Hay 10*9*8*7 = 5040 cdigos diferentes que pueden


formarse. Hay 10*9*8*7 = 5040 cdigos diferentes que
pueden formarse.

Diagrama de rbol
Ejemplo 3

Diagrama de rbol
Es posible enumerar los distintos puntos
muestrales que resultan de un conteo visualizando
un diagrama de rbol.

Piensa en un rbol de Bayes, pero en vez de


manejar probabilidades se manejan puntos
muestrales.

12

Considerando el ejemplo anterior se tendra el


siguiente rbol.

24 Maneras
diferentes
de vestir

18

Pantalones

24

Blusas
Zapatos

Permutacin
definicin

Permutaciones

El nmero de permutaciones que pueden


formarse con n objetos diferentes es n!

Por ejemplo, si Oscar, Pedro, Juan y Mayra se van a formar en


fila india para entrar al cine, entonces hay:
4! = 24
maneras diferentes en que pueden formarse para entrar al
cine.

Reacomodo de n objetos diferentes en


subconjuntos de r elementos (con r n), en
donde el orden en que estn dispuestos los
objetos SI importa.

El nmero de permutaciones se denota por nPr y se


calcula como:
nPr

n!
(n - r)!

14

25/01/2014

Permutaciones

Combinaciones

Ejemplo

Si se va a integrar un cdigo con 4 letras diferentes,


partiendo de un conjunto de 8 caracteres disponibles de
la A la H cuntos cdigos es posible generar?

Acomodo de n objetos diferentes en subconjuntos


de r elementos (con r n), en donde el orden en
que estn dispuestos los objetos NO importa.

En este caso n=8 y r = 4, y como cada orden es un


cdigo diferente, entonces se trata de una permutacin:

nPr

n!
(n - r)!

8 P4 =

8!
(8 - 4)!

= 1680

nCr

Probabilidad
usando tcnicas de conteo

Ejemplo

En este caso n = 6 y r = 3, y como cada elemento tiene el


mismo cargo, entonces se trata de una combinacin:

nCr =

n!
r!(n - r)!

6C3 =

6!
= 20
3!(6 - 3)!

n!
r!(n - r)!

El nmero de combinaciones ser menor al nmero de


permutaciones.

Combinaciones
Si de un grupo de 6 personas se van a seleccionar 3 para
un comit de representacin en donde todas ostentan
el mismo cargo, cuntos grupos diferentes de 3
representantes se pueden formar?

Es factible usar tcnicas de conteo vistas


anteriormente para el clculo de probabilidades en
eventos que no impliquen reemplazo.
La regla que se sigue en estos casos es:

P(A) =

Nmero de puntos muestrales del evento A


Nmero de puntos muestrales totales

Ejemplo

Ejemplo
Se tienen en una bodega 15 artculos, de los cuales 4 son
de importacin. Si se toman 3, cul es la probabilidad de
que los 3 sean de importacin?
Estamos hablando de una poblacin o muestra de
tamao N (N=15), dentro de la cual hay un nmero k
(k=4) de elementos que cumplen una cierta caracterstica.
De ese subconjunto de k elementos deseamos obtener x
(x=3) con dicha caracterstica en una muestra de tamao
n (n=3).

Si seguimos la regla anterior de clculo


probabilidades para un evento A, tendremos:

de

Maneras en las cuales se puede obtener una


muestra de x elementos de los k que cumplen
con la caracterstica deseada
P(A) =

Maneras en las cuales puede obtenerse una


muestra de tamao n a partir de una muestra
mayor o poblacin N

15

25/01/2014

Actividad 4
N = 15

Nmero total de elementos

k=4

Elementos que cumplen con una caracterstica especial


sean de importacin

n=3

Tamao de la muestra que se toma

x=3

Nmero de elementos en la muestra que cumplan con la


caracterstica buscada sean de importacin

P(x = 3) =

11C0

* 4C3

15C3

Ocupamos 0 artculos nacionales y 3 de importacin (por


eso se efectan las multiplicaciones)

1. Martn tiene 8 macetas para colocar 5 plantas iguales de


cuntas maneras diferentes puede colocar las plantas?
2. En un lote hay 10 piezas, de las cuales 2 son defectuosas.
Se rechaza el lote si en una muestra aleatoria de 2 piezas
se halla una defectuosa. Cul es la probabilidad de que un
lote sea rechazado?
3. Un coche viene con transmisin estndar o automtica,
elctrico o manual, con clima o sin clima, en tres colores
diferentes: blanco, rojo y negro. Cuntas configuraciones
de coches diferentes se tienen?

P(x = 3) = 0.00879

Actividad 4
4. Una pareja de novios va al cine con dos amigos en
comn. De cuntas maneras pueden acomodarse si
los dos novios siempre deben ir juntos?

5. Una locomotora arrastra 8 vagones: 3 pipas con un


qumico, 2 con artculos de acero y 3 con ganado.
a) De
cuntas
maneras
diferentes
pueden
acomodarse los 8 vagones?
b) Si por disposicin sanitaria los vagones de ganado y
los del qumico no pueden ir juntos, de cuntas
maneras diferentes es posible este acomodo?

Ejercicio 4

1. En un estacionamiento hay 10 lugares disponibles. De


cuntas maneras diferentes es posible acomodar los 6
coches siguientes que lleguen?
2. Se van a repartir 3 premios de $1,000,000.00, $750,000.00 y
$500,000.00. Si se vendieron 1000 boletos, de cuntas
maneras podran seleccionarse los ganadores?
3. Una panadera elabora bizcochos, volcanes y donas. Cada
tipo de pan puede venir en sabores fresa, chocolate y
vainilla, y en presentaciones de 2 4 piezas de pan, en
harina normal o harina integral. Cuntas presentaciones
diferentes hay disponibles para el pblico consumidor?

Ejercicio 4

4. Se va a generar un cdigo de identificacin de 7 caracteres


usando 3 letras (de 26 disponibles) y cuatro dgitos (del 0 al
9 disponibles). Cuntos cdigos de pueden generar si
a) No es posible repetir caracteres?
b) Es posible repetir caracteres?

Variables Aleatorias

16

25/01/2014

Variables aleatorias

Variable cuyo valor

Variables
Aleatorias

est determinado por el azar

* Su valor no se puede conocer con exactitud


antes de la realizacin del experimento.

Discretas

Variables aleatorias
DISCRETAS

Continuas

Variables aleatorias
CONTINUAS

Son las variables aleatorias que tienen un conjunto


de posibles valores discretos.

Son las variables aleatorias cuyos valores posibles


se encuentran en cualquier parte de un intervalo.

Estas variables son el resultado de CONTAR.

Estas variables son el resultado de MEDIR:

o nmero de llamadas por hora,


o nmero de estudiantes aprobados en un examen,
o nmero de intentos de conexin a Internet hasta obtener el
acceso.

o estatura de una persona,


o duracin de un componente electrnico,
o tiempo de atencin en un cajero automtico.

Variables aleatorias
caractersticas

Definicin de lmites
Variable aleatoria DISCRETA
x > 5

x toma valores desde 6,7,8...(sin contar el 5)

x 5

x toma valores desde 5,6,7...(contando el 5)

x< 5

x toma valores hasta 4 (sin contar el 5)

x 5

x toma valores hasta 5 (contando el 5).

x= 5

x vale exactamente 5.

IMAGEN
Conjunto de valores posibles.
FUNCIN DE PROBABILIDAD
Una probabilidad asociada a los valores posibles.

Variable aleatoria CONTINUA


x > 5 y x 5

Son lo mismo.

x< 5 y x 5

Son lo mismo.

x= 5

Es un caso inexistente

17

25/01/2014

Variables aleatorias
caractersticas
Una variable aleatoria se designa por una letra
mayscula ( X ).
Cada uno de los valores que puede tomar dicha
variable se denota por una letra minscula ( X = x ).
Las probabilidades asociadas con la ocurrencia de
cada valor de X se denotan por f(x); es decir la
probabilidad de que X = x ocurra se denota por:
X= f (x).

Ejemplo
Construye la funcin de probabilidad para el nmero de
artculos defectuosos en una muestra de 2 artculos
inspeccionados al azar.
X: Nmero de artculos defectuosos en la muestra.
S ={BB,BD,DB,DD}
S

BB

BD

f(x)

1/4

1/2

1/4

0 defectuosos

Funcin de probabilidad
Distribucin de probabilidad
Funcin masa de probabilidad

El conjunto de pares ordenados [x, f(x)] es


una funcin de probabilidad de la variable
aleatoria discreta X.
Si para cada resultado posible x.
f(x) 0
f(x) = 1
P(X = x) = f(x)

f(1) = P (X = 1) =

f(2) = P (X = 2) =

1 defectuoso

2 defectuosos

Funcin de probabilidad
Ejemplo

Un embarque de 8 computadoras similares para una


tienda contiene tres defectuosas. Si la UVAQ hace
una compra al azar de dos de stas computadoras,
encuentre la distribucin de probabilidad para el
nmero de defectuosas.

Como X es una variable cuyos valores x son los


nmeros posibles de computadoras defectuosas que
compra la escuela:
x puede ser cualquiera de los nmeros 0,1 y 2.

Ejemplo
f(0) = P (X = 0) =

DD

* 5C 2
10
=
28
8C 2

Funcin de distribucin acumulada

3C 0

3C 1

* 5C 1
15
=
28
8C 2

3C 2

* 5C 0

8C 2

Esta funcin se define de igual forma para variables


aleatorias continuas y variables aleatorias discretas:

F(x) = P(X x)
- < x <

28

Por lo tanto, la distribucin de probabilidad es:


x

f(x)

10/28

15/28

3/28

18

25/01/2014

Ejemplo
Construye la funcin de distribucin acumulada para el
nmero de artculos defectuosos en una muestra de 2
artculos inspeccionados al azar.

Ejemplo
Siguiendo con el mismo ejemplo, cul es la probabilidad de
tener exactamente uno defectuoso?
Usando la tabla de distribucin acumulada, se tiene que:

Se van sumando las probabilidades:


F(x 0) = f(x=0)
F(x 1) = f(x=0) + f(x=1)
F(x 2) = f(x=0) + f(x=1) + f(x=2)

Funcin de distribucin
acumulada

Funcin de distribucin
acumulada

f(x)

f(x)

F(x)

F(x)

Ejemplo
Cul es la probabilidad de tener al menos un defectuoso?

P(x = 1) = F(1) - F(0)


P(x = 1) = -
P(x = 1) =

Distribucin continua probabilidad


Cuando los posibles valores de una variable
aleatoria es un intervalo real, decimos que la
variable es continua.

Esto implica que se tiene x = 1 ms x = 2


P(x 1) = 1 - F(x<1)

Funcin de distribucin
acumulada
x

P(x 1) = 1 -

f(x)

F(x)

P(x 1) =

No puede presentarse en forma tabular, pero s


mediante una frmula.
Los procedimientos matemticos usados para las
variables continuas son diferentes a los usados en
las discretas, aunque la idea es la misma.

O bien,
P(x 1) = f(1) + f(2)

Funcin de densidad
Las variables aleatorias discretas tienen funcin de
probabilidad.

Las variables aleatorias continuas tienen funcin de


densidad.

La funcin f(x) es una funcin de densidad de


probabilidad para la variable aleatoria X definida en
el conjunto de los nmeros reales si:
1. f(x) 0 para toda x nmeros reales
2.
3.

19

25/01/2014

Funcin de densidad
Ejemplo
La distribucin de los pesos (Kg) de cierto producto est
dada por la funcin de densidad de probabilidad:

f(x ) =

X, 0 < x < 2

Funcin de densidad
Ejemplo
1. f(x) 0 para toda x nmeros reales.
La funcin est definida para valores x 0, por lo
cual se cumple la primera condicin.

2. Para la segunda condicin se tiene:

0 En cualquier otro caso

a) Verifica si cumple las condiciones expresadas en el punto


anterior.
b) Adems, calcula la probabilidad de que el peso de un
paquete est entre 0.5 y 0.8 kg.

3. Para P (0.5 < x< 0.8) se tiene:

Distribuciones de Probabilidad
Variables discretas

aleatorias continuas

Distribucin Binomial

Binomial
Poisson
Geomtrica
Hipergeomtrica

El experimento de Bernoulli

Imagina un experimento aleatorio, en donde


existan dos resultados posibles.
a) xito

Es lo que buscamos
No necesariamente implica algo bueno o positivo

b) Fracaso

Es lo que no deseamos o no nos interesa obtener


No necesariamente debe ser algo malo o negativo.

El experimento de Bernoulli

Un experimento aleatorio que consiste de n ensayos


repetidos tales que:

Los ensayos son independientes.


Cada ensayo tiene slo dos resultados posibles,
xito y fracaso.
La probabilidad de un xito en cada ensayo, p,
permanece constante.
Con q = 1 - p como la probabilidad de un fracaso.

20

25/01/2014

El experimento de Bernoulli

Distribucin Binomial

Ejemplos

La variable aleatoria X que es igual al nmero de


ensayos donde el resultado es un xito, tiene una
distribucin binomial con parmetros:
p = probabilidad de xito
n = 1,2,...= nmero de ensayos efectuados
La funcin de probabilidad de X es:
guila
Sol

Fallece
Sobrevive

Defectuoso
No defectuoso

b( x, n, p) n Cx p x (1 p) n x
para x = 0, 1, 2,....,n

Ejemplo 1

Distribucin Binomial

En cierta ciudad, el nmero de coches modelo 2001 o posteriores


representa 30% del parque vehicular. Si se escoge una muestra aleatoria
de 5 coches, calcula la probabilidad de que al menos dos sean modelo
2001 o posterior.

La media de la distribucin binomial es:


= np

xito

La varianza de la distribucin binomial es:

Coche que sea modelo 2001 o posterior

Probabilidad de coche modelo 2001 o posterior

0.30

1p

0.70

Muestra aleatoria

Nmero de coches que cumplan


con el requisito de ser 2001 o posteriores

2 = npq

Ejemplo 1
xito

xito

Coche que sea modelo 2001 o posterior

Probabilidad de coche modelo 2001 o posterior

0.30

1p

0.70

Muestra aleatoria

Nmero de coches que cumplan


con el requisito de ser 2001 o posteriores

Ejemplo 1

5
2

b( x, n, p) n Cx p x (1 p) n x
b( x 2, n 5, p 0.30)5 Cx 0.30 x (0.70)5 x

Coche que sea modelo 2001 o posterior

Probabilidad de coche modelo 2001 o posterior

0.30

1p

0.70

Muestra aleatoria

Nmero de coches que cumplan


con el requisito de ser 2001 o posteriores

b( x, n, p) n Cx p x (1 p) n x
b( x 2, n 5, p 0.30)5 Cx 0.30 x (0.70)5 x
para x = 2, 3, 4, 5

para x = 2, 3, 4, 5

P ( x 2 ) = 0.4718

f(x)

0.3087

0.1323

0.0284

0.0024

0.4718

21

25/01/2014

Uso de tablas
distribucin binomial
El resultado anterior se obtuvo sustituyendo en la
frmula, lo cual no siempre es prctico.
Para facilitar el clculo de probabilidades binomiales
se usan tablas con los valores ms comunes.

Uso de tablas
distribucin binomial
a) La primera columna es el nmero de ensayos
(intentos) n hechos en el experimento.
b) La segunda columna es el nmero de xitos x
buscados. Obviamente x n.
c) Se tienen columnas con valores de probabilidad de
xito p constante. En caso de que un valor de p no
aparezca en la tabla se recurre a la frmula.
c)
d) Las tablas son acumulativas.
a)

b)

Ejemplo 1

Ejemplo 1

En cierta ciudad, el nmero de coches modelo 2001 o


posteriores representa 30% del parque vehicular. Si se
escoge una muestra aleatoria de 5 coches, calcula la
probabilidad de que al menos dos sean modelo 2001 o
posterior.

La lgica es simple, se obtiene la probabilidad de x = 0,1


y se obtiene su complemento, que sera:
x = 2,3,4 y 5

Ejemplo 2
Calcula la probabilidad de que en esa misma muestra haya
ms de dos coches.
En este caso, ms de dos coches equivale a x > 2,
es decir x = 3,4 y 5.

Ejemplo 2
Calcula la probabilidad de que en esa misma muestra haya
ms de dos coches.
En este caso, ms de dos coches equivale a x > 2,
es decir, x = 3,4 y 5.

22

25/01/2014

Ejemplo 3
Calcula la probabilidad de que en esa misma muestra haya
cuando menos dos y mximo cuatro coches.

Ejemplo 3
Calcula la probabilidad de que en esa misma muestra haya
cuando menos dos y mximo cuatro coches.
2 x 4, es decir, x = 2,3 y 4.

2 x 4, es decir, x = 2,3 y 4.

Actividad 6

Actividad 6

1. En un sistema bancario, 10% de las veces se excede el


tiempo promedio de atencin al cliente. Para los
siguientes 10 clientes encuentra:

2. 35% de los jvenes que asisten a un restaurant fuman.


Si se escogen al azar 5 jvenes, calcula la probabilidad
de que:

a) La probabilidad de que al menos 6 excedan el


tiempo promedio de atencin.
b) Haya clientes que excedan el tiempo promedio de
atencin.
c) Ms de dos y menos de 7 excedan este tiempo.
d) La probabilidad de que menos de 5 excedan el
tiempo de atencin.

a)
b)
c)
d)
e)

Ninguno fume.
Ms de 3 fumen.
Cuando mucho 2 fumen.
Exactamente 5 fumen.
Encuentra el valor esperado y la varianza del
nmero de jvenes fumadores.

Ejercicio 6

Ejercicio 6

1. Una lnea area llega a destiempo 35% de las veces. Para los
siguientes 10 vuelos, calcula la probabilidad de que:
a) Haya retrasos.
b) Tenga al menos 5 retrasos.
c) Tenga exactamente 1 retraso.
d) Cul es el nmero esperado de retrasos en 16 vuelos? (usa
E(x) = np)

3. Un sistema de control de calidad revisa 3 piezas cada hora. La


probabilidad de obtener una pieza defectuosa es de 0.1.
a) Completa la funcin de probabilidad f(x) mostrada, usando
para x = 0, 1, 2, 3

b( x, n 3, p 0.1)3 Cx (0.1) x (1 0.1) n x


x

f(x)
F(x)

2. Una cadena de comida rpida recibe quejas en 1 de cada 10


clientes que atiende. Si en un lapso de 5 minutos atiende a 20
clientes. Calcula la probabilidad de que:
a) No reciba quejas.
b) Reciba al menos una queja.
c) Reciba menos de una o reciba ms de 10 quejas.

b) Una funcin de distribucin acumulada F(x) se define como:


para i = 0, 1, 2, 3

Completa la tabla del inciso b y con ella calcula la probabilidad de que


haya 2 o ms artculos defectuosos, haciendo F(3) F(1).

23

25/01/2014

Distribuciones de Probabilidad

Ejercicio 6

Variables continuas

4. Una empresa tiene 20% de sus clientes en la cartera


vencida. Una auditora pondr a la empresa en clasificacin
de riesgo si al seleccionar aleatoriamente 12 clientes al
menos dos estn en la cartera vencida. Calcula la
probabilidad de que la empresa no sea colocada en
clasificacin de riesgo.
5. En una encuesta hecha a adultos que declaran leer el
peridico se supo que 40% de la gente lee el peridico A.
Si se seleccionan al azar a cinco personas, calcula la
probabilidad de que:
a) Al menos una lea solamente A.
b) Exactamente dos lean A.

Uniforme
Exponencial
Normal

Distribucin Uniforme

Distribucin Uniforme Continua

Si definimos una variable aleatoria continua X


como aquella que est entre ( a x b ) y cuya
funcin de densidad de probabilidad es:

f ( x)

1
ba

Entonces decimos que X tiene una distribucin


uniforme continua.

Distribucin Uniforme Continua


La media de la variable aleatoria uniforme continua
est dada por:

E ( x)

a b
2

La varianza est dada por:

2 V ( x)

b a2

Distribucin Uniforme Continua

Una distribucin uniforme en el rango de cero a uno:


Es la base para generar
distribuciones de probabilidad.

valores

de

otras

Sirve para representar (estimar) el comportamiento


(valores) de las variables aleatorias cuando se tiene
poca informacin sobre stas, pues se asume que
varan aleatoriamente entre dos valores (a,b).

12

24

25/01/2014

Distribucin Uniforme Continua


Ejemplo

Distribucin Uniforme Continua

f(x)
1
=

La funcin de densidad de probabilidad para el peso de


paquetes de carne de res oscila entre 150 y 200 gramos.
a) Calcula la probabilidad de que un paquete pese menos
de 169 gr.
p(150 x 169)

169

150

k2

1 < < 2 =

P(k1 x k2 )

b
2 1

k1

0.02dx 0.02 x 150


169

150

21

p(150 x 169) 0.38

b) Cul es la probabilidad de que un paquete pese menos de 158


gramos o ms de 192?

p( x 158 x 192)

200

200 150 dx 200 150 dx

150

192

0.02 x 150 0.02 x 192


158

150

169

1
dx
ba

Distribucin Uniforme Continua


Ejemplo

158

169

200 150 dx 0.02dx

200

Distribucin Uniforme Continua


Ejemplo 2
La panadera Rosquillitas elabora donas cuyo dimetro externo es
una variable aleatoria con distribucin uniforme entre 12.0 y 12.8 cm.
Cul es la probabilidad de que el dimetro de una dona:
a) exceda los 12.6 cm?
b) est entre 12.1 y 12.7 cm?
c) sea mayor o igual a 12.5 cm?

0.02(158 150) 0.02(200 192)


p( x 158 x 192) 0.32

Distribucin Uniforme Continua


Ejemplo 2

Distribucin Uniforme Continua


Ejemplo 2

Dimetro externo es una variable aleatoria con distribucin uniforme

b) Cul es la probabilidad de que el dimetro de una dona est


entre 12.1 y 12.7 cm?

entre 12.0 y 12.8 cm.


a) Cul es la probabilidad de que el dimetro de una dona exceda

P(12.1 x 12.7)

12.8 12.0 dx

1.25x 12.1 1.25(12.7 12.1) 0.75


12.7

12.1

los 12.6 cm?

P( x 12.6)

12.7

P(12.1 x 12.7) 75%

12.8

1
12.8
12.8 12.0 dx 1.25x 12.6 1.25(12.8 12.6) 0.25
12.6

P( x 12.6) 25%

c) Cul es la probabilidad de que el dimetro de una dona sea


mayor o igual a 12.5 cm?

P( x 12.5)

12.8

12.8 12.0 dx

1.25x 12.5
12.8

1.25(12.8 12.5) 0.375

12.5

P( x 12.5) 37.5%

25

25/01/2014

Distribucin Normal

Distribucin Uniforme Continua


Ejercicios
1. Un ingeniero estima inicialmente que el tiempo -en minutosde maquinado de una pieza se modela con una distribucin
uniforme (10,20). Calcula la probabilidad de que una pieza sea
maquinada en menos de 14.5 minutos.

2. Se sabe por experiencia que el saldo promedio de los clientes


de un banco se distribuye uniformemente entre $25 y $35 (en
miles de pesos). Cul es la probabilidad de hallar un cliente
con un saldo promedio menor a $26.5 (en miles de pesos)?

Distribucin Normal
Una variable aleatoria X cuya funcin de densidad de
probabilidad es:

f ( x, , )

1
e
2

Distribucin Normal
La media de la variable aleatoria normal est dada por:

( x )2
2 2

La varianza est dada por:

Tiene una distribucin normal, cuyos parmetros


(valores que la definen y dan forma) son:
- < <
>0

Curva Normal
Notas

Distribucin Normal

Tambin es llamada la Campana de Gauss, curva de


Gauss o curva normal.
Es simtrica respecto a su valor central .
Su punto mximo coincide con la media ( ).

Tiene puntos de inflexin situados a ambos lados de la


media , a una distancia ( n) de ella (n=1,2,3).
Su rea total bajo la curva es 1 (100%).

1
f ( x, , )
e
2

( x )2
2 2

Esta funcin no tiene una integral sencilla para calcular


valores de probabilidad, por lo que se requiere de una
variable especial para ello: la variable normal estndar.

26

25/01/2014

Distribucin
Normal Estndar

Distribucin Normal Estndar


Si X es una variable normal con:
E(X) =
entonces:

V(X) = 2

es una variable aleatoria normal estndar.

Distribucin Normal Estndar

Distribucin Normal Estndar

La media de la variable aleatoria normal estndar est


dada por:

n( x; , )

1
e
2

( x )2
2 2

E(Z) = 0
2 = 1

La varianza est dada por:

V(Z) = 1
La desviacin estndar se obtiene sacando la raz
cuadrada de la varianza.
=0

Distribucin Normal Estndar


Tabla

Distribucin Normal Estndar


Tabla

Para encontrar: P (Z >1.23)


1.20 + 0.03 = 1.23
En el cruce de ambas cantidades viene
la probabilidad acumulada:
P(Z< 1.23) = 0.8907

P (Z > 1.23) = 1 P(z < 1.23)


P ( Z > 1.23) = 1 - 0.8907
P (Z > 1.23) = 0.1093
=0

K1

27

25/01/2014

Distribucin Normal Estndar


Tabla

Distribucin Normal Estndar


Tabla

P (Z > 0.74) = ?

P ( Z < -0.74) = P ( Z > 0.74)


0.2296 = 1 - P ( Z < 0.74)

P ( Z > 0.74) = 1 - P ( Z < 0.74)

0.2296 = 1 0.7704

= 1 0.7704

0.2296 = 0.2296

= 0.2296

P ( Z > -1.46) = P ( Z < 1.46) ?

P (Z < -0.74) ?

Distribucin Normal Estndar


Tabla

P (-2.33 < Z < 1.23) = P ( Z < 1.23) - P ( Z > -2.33)


= 0.8907 - 0.0099
= 0.8808

Ejercicios:
a) P (0.33 < Z < 1.23)
b) P (-2.33 < Z < -1.23)

Distribucin Normal Estndar


Ejemplo

El tiempo de preparacin de una comida casera en particular


se modela mediante una distribucin normal con media de 12
minutos y desviacin estndar de 5.3.
Calcula la probabilidad de que una comida:
a) Demore en ser preparada menos de 10 minutos.
b) Demore en ser preparada entre 10 y 13 minutos.
c) Demore en ser preparada entre 14 y 16 minutos.
d) Demore en ser preparada ms de 15 minutos.
e) Cul es el tiempo que demoran en ser preparadas el 5%
de las comidas ms tardadas?

Distribucin Normal Estndar


Ejemplo

a) Demore en ser preparada menos de 10 minutos.

Distribucin Normal Estndar


Ejemplo

b) Demore en ser preparada entre 10 y 13 minutos.


1 =

10 12
=
=

5.3

1 10 12
=
= 0.38

5.3

2 =

2 13 12
=
= 0.19

5.3

P(-0.38 < Z < 0.19) = ?

< 0.38 = > 0.38 = 1 < 0.38


= 1 < 0.38
= 1 0.6480
= 0.352

0.38 < < 0.19 = z < 0.19 P z < 0.38


0.38 < < 0.19 = < 0.19 1 < 0.38
0.38 < < 0.19 = 0.5753 0.352 = 0.2233

28

25/01/2014

Distribucin Normal Estndar


Ejemplo

c) Demore en ser preparada entre 14 y 16 minutos.

Distribucin Normal Estndar


Ejemplo

d) Demore en ser preparada ms de 15 minutos.

P(14< X < 16) = ?


P( X > 15) = ?
1 14 12
=
= 0.38

5.3
2 16 12
2 =
=
= 0.75

5.3
1 =

15 12
=
= 0.57

5.3

P( Z > 0.57) = ?
P(0.38 < Z < 0.75) = ?
> 0.57 = 1 < 0.57 = 1 0.7157 = 0.2843
0.38 < < 0.75 = < 0.75 < 0.38
0.38 < < 0.75 = 0.7734 0.648 = 0.1254

Distribucin Normal Estndar


Ejemplo

e) Cul es el tiempo que demoran en ser preparadas el


5% de las comidas ms tardadas?

0.95 =

12
5.3

Distribucin Normal Estndar


Actividad
1. Un proceso de fundicin genera piezas utilizadas en un
ensamble posterior. La distribucin de la longitud de las
piezas es una variable aleatoria normal con media de 4.5 cm
y desviacin estndar de 0.12 cm. Calcula la probabilidad de
que:
a) Una pieza exceda los 5 cm de longitud.
b) Una pieza tenga entre 4 y 5 cm de longitud.
c) Una pieza tenga menos de 3.8 cm de longitud.

= 0.95 5.3 + 12
= 1.645 5.3 + 12 = 20.72

d) Debajo de qu valor est 10% de las piezas con menor


longitud?

Distribucin Normal Estndar


Ejercicios
1. Una compaa saca al mercado un procesador de 3 GHz. Sin
embargo, debido a variaciones en los materiales empleados, en
su elaboracin puede haber distintas velocidades. La velocidad
de desempeo de un procesador puede considerarse una
variable aleatoria con una media de 3 GHz y una desviacin
estndar de 0.21 GHz.

a) Cul es la probabilidad de que un procesador supere una


velocidad de 3.7 GHz?
b) Cul es la probabilidad de que un procesador tenga una
velocidad inferior a 2.2 GHz?

Distribucin Normal Estndar


Ejercicios
3. El tiempo que tarda Juan en viajar de su casa al trabajo se
puede considerar una variable aleatoria normal con media de
25 minutos y desviacin estndar de 5 minutos. Si Juan sale
de su casa a las 8:00 y debe estar en su trabajo a las 8:30.
Cul es la probabilidad de que llegue tarde al trabajo?

4. Rosquillitas elabora donas con un dimetro externo de 12


cm y una varianza de 0.25 cm. Cul es la probabilidad de
que el dimetro de una dona:
a) exceda los 13 cm?

2. Se sabe por experiencia que el saldo promedio de los clientes de


un banco es de $30 (en miles de pesos), con una desviacin
estndar de $8 (en miles de pesos). Cul es el saldo promedio
de 2.5% de los clientes con menor saldo?

b) est entre 11.8 y 13.5 cm?


c) sea mayor o igual a 12.5 cm?

29

25/01/2014

Distribucin Normal Estndar


Ejercicios

Mdulo III

5. La panadera La oaxaquea elabora piezas de pan de


repostera. La longitud de una pieza de pan, la cual se
distribuye normalmente, es de 15 cm con una varianza
de 2.25.
a) Cul es la probabilidad de que una pieza exceda
los 18 cm?
b) Si el dueo pide que las piezas de pan estn entre
13 y 17 cm qu porcentaje de piezas de pan salen
de la especificacin?

Estadstica Descriptiva

Estadstica

Definiciones bsicas
en conceptos de

Estadstica
descriptiva

Ciencia que proporciona tcnicas precisas para


obtener informacin (recoleccin y presentacin de
datos), as como mtodos para el anlisis, validacin
y presentacin de sta.

Informacin

Estadstica

Descriptiva

Estadstica

Inferencial
golpepolitico.com

30

25/01/2014

Estadstica Descriptiva

Estadstica Inferencial

Contiene la recoleccin, organizacin, presentacin


y resumen de una serie de datos en forma tabular,
grfica o numrica.

Hace posible la estimacin de una caracterstica


de una poblacin o la toma de una decisin

referente a una poblacin,


fundamentndose slo en los resultados
de la muestra.

El anlisis se limita a los datos recolectados


y no se puede realizar inferencia (generalizacin) alguna
acerca de la poblacin de donde provienen esos datos.

Conocer la tendencia electoral con base en


una encuesta realizada en las principales
ciudades del pas.

Analizar el comportamiento de las ventas


diarias durante el 2013 en un supermercado

Definiciones bsicas

Experimentacin
Proceso de generar datos.

Poblacin
Conjunto de observaciones en las cuales se est
interesado.

Muestra
Subconjunto de una poblacin. Debe ser representativa,
es decir que todas las caractersticas de una poblacin
estn representadas.

Muestra aleatoria
Aquella en la cual todos los elementos de una poblacin
tienen la misma probabilidad de ser seleccionados.

Definiciones bsicas

Datos variables discretos

Nmeros enteros
Resultan de un conteo

21 artculos

defectuosos

15 alumnos aprobados

Calidad en un artculo
(bueno/malo)
Sazn de una comida
(salada/desabrida)

Contenido de una lata de


refresco
Nmero de estudiantes
forneos en un saln

Muestreo
Para seleccionar una muestra es posible recurrir a
tcnicas de muestreo, con ello se aseguran dos
resultados para la muestra.
Es aleatoria, todos los elementos tienen la misma
probabilidad de ser elegidos.

Datos variables continuos

Pueden tomar su valor dentro de un rango continuo de


valores.
Resultan de una medicin.
1.67 metros

Representativa, las caractersticas ms importantes


de la poblacin son representadas en la muestra.

3.568 litros

31

25/01/2014

Muestreo Aleatorio Simple


Ejemplo

Se tiene una lista de 50 registros con informacin sobre las


calificaciones de alumnos.

Vamos a seleccionar 10 para efectuar un estudio.

PASO 1:
Asignar un nmero a cada registro (del 1 al 50).

Muestreo Aleatorio Simple


Ejemplo
PASO 2:
Mediante el uso de una calculadora generar 10
nmeros y registrar los primeros dos dgitos.

0.15, 0.34, 0.46, 0.08, 0.47, 0.12, 0.03, 0.44, 0.27, 0.17

Los registros que tengan asignado ese nmero sern los que
seleccionados para el estudio.

Ejemplo

Se est interesado en conocer el ingreso mensual de un


recin egresado de la UVAQ.
Poblacin
Los estudiantes egresados de la UVAQ
Muestra
Para hacerla representativa se debe escoger esta muestra
de modo que estn incluidos egresados de todas las
carreras que ofrece la UVAQ.
Muestreo
Seleccionar una muestra aleatoria a partir de una lista de
los egresados de todas las carreras que ofrece la UVAQ.
Datos
Cmo se mide el salario, el dato es cuantitativo continuo.

Estadstica descriptiva:
Distribuciones de Frecuencias
k

LRI

LRS

xi

fi

Fi

hi

Hi

155.5

161.5

158.5

0.08

0.08

161.5

167.5

164.5

24

32

0.24

0.32

167.5

173.5

170.5

36

68

0.36

0.68

173.5

179.5

176.5

25

93

0.25

0.93

179.5

185.5

182.5

100

0.07

32

25/01/2014

Distribucin de frecuencias
Ejemplo

Distribucin de frecuencias

Se recopilaron las estaturas (en cm) de 100 estudiantes


de una Universidad.
ESTATURAS DE 100 ESTUDIANTES (en cm)

Disposicin tabular de los n datos de


una muestra por clases junto con las
correspondientes frecuencias de clase.
De este modo, los datos organizados en clases
se llaman datos agrupados.

172

177

175

181

161

171

169

177

183

166

169

168

161

174

156

171

174

174

173

173

174

160

173

169

167

172

176

178

172

159

162

175

177

165

173

175

173

165

175

159

173

162

175

158

165

178

166

171

172

176

167

173

174

164

182

165

176

164

166

164

162

168

172

160

184

183

172

164

168

169

180

172

169

166

165

176

170

171

164

167

169

177

174

182

167

173

163

169

177

176

171

174

173

168

164

168

171

178

167

173

Distribucin de frecuencias
Ejemplo
Calcular el rango

R = xM x m

Distribucin de frecuencias
Ejemplo

Valor mximo = xM = 184


Valor mnimo = xm = 156

A = Rango/#intervalos
= 28/5

R = xM xm = 184 156 = 28

Determinar el ancho de intervalo o clases

= 5.6

Formar de 5 a 20 intervalos o clases.


dividiendo el rango entre: 1, 2 5
10, 20, 50
0.1, 0.2 0.5
Etc.
28/1 = 28
28/2 = 14
28/5 = 5.6
5 intervalos

Intervalos
1
2

Este es el ancho de intervalo mnimo que se puede usar para que


todos los datos queden incluidos en la tabla de distribucin de
frecuencias.
Se recomienda redondear al mismo valor decimal de los datos. En
este caso como los datos son enteros, A se redondea a 6.

3
4

Distribucin de frecuencias
Ejemplo

Determinar los lmites de intervalo

Calcular el lmite inferior del primer intervalo LI1

LI1 xm

u
2

LI

1
155.5
2

Determinar los lmites de intervalo


Para calcular el lmite superior del primer intervalo LS1

LS LI A

u es la mnima unidad decimal de los datos:


Datos son enteros u=1
Un decimal u=0.1
Dos decimales u=0.01
Etc.

LS1 LI1 A 155.5 6 161.5


LS

LI

LS

155.5

161.5

161.5
161.5
167.5

167.5

173.5

173.5

179.5

179.5

185.5

LI1 156

Distribucin de frecuencias
Ejemplo

155.5

33

25/01/2014

Distribucin de frecuencias
Ejemplo

Calcular las marca de clase (xi).

LI i LSi
2

xi

Distribucin de frecuencias
Ejemplo

Obtener las frecuencias absolutas de intervalo (fi).

LI LS1 155.5 161.5


x1 1

158.5
2
2
LI

LS

xi

155.5

161.5

158.5

161.5

167.5

164.5

167.5

173.5

170.5

173.5

179.5

176.5

179.5

185.5

182.5

LI

LS

xi

155.5

161.5

158.5

161.5

167.5

164.5

24

167.5

173.5

170.5

36

173.5

179.5

176.5

25

179.5

185.5

182.5

La suma total de la columna de fi debe ser igual a n.

Distribucin de frecuencias
Ejemplo

Calcular las frecuencias absolutas acumuladas de


cada intervalo (Fi).

Distribucin de frecuencias
Ejemplo

Calcular la frecuencia relativa de cada clase (hi).

hi
fi

Fi

fi
n

h1

8
0.08
100

LRI

LRS

xi

155.5

161.5

158.5

161.5

167.5

164.5

24

32

LRI

LRS

xi

fi

Fi

hi

167.5

173.5

170.5

36

68

155.5

161.5

158.5

0.08

173.5

179.5

176.5

25

93

161.5

167.5

164.5

24

32

0.24

179.5

185.5

182.5

100

167.5

173.5

170.5

36

68

0.36

173.5

179.5

176.5

25

93

0.25

179.5

185.5

182.5

100

0.07

Distribucin de frecuencias
Ejemplo

fi

Histograma

Calcular la frecuencia relativa acumulada de cada


clase (Hi).

Hi

Fi
n

H1

8
0.08
100

LI

LS

xi

fi

Fi

hi

Hi

155.5

161.5

158.5

0.08

0.08

161.5

167.5

164.5

24

32

0.24

0.32

167.5

173.5

170.5

36

68

0.36

0.68

173.5

179.5

176.5

25

93

0.25

0.93

179.5

185.5

182.5

100

0.07

Muestra la frecuencia de ocurrencia de una variable.


Ayuda a ver la forma de la distribucin de los datos.

34

25/01/2014

Elaboracin de Histograma
1. Colocar en una escala horizontal las k clases (LI - LS)
agregando una clase adicional tanto al inicio como al
final de esta escala.

Elaboracin de Histograma
2. Para cada clase se forma una barra, cuyo ancho ser
igual al ancho de clase A y cuya altura ser igual a la
frecuencia absoluta f.

LI

LS

LI

LS

155.5

161.5

155.5

161.5

161.5

167.5

161.5

167.5

24

167.5

173.5

167.5

173.5

36

173.5

179.5

173.5

179.5

25

179.5

185.5

179.5

185.5

HISTOGRAMA

fi

HISTOGRAMA

HISTOGRAMA

HISTOGRAMA
Frecuencia
40

35

30

Estaturas

25

20

15

10

0
155.5

161.5

167.5

173.5

179.5

y mayor...

Clase

35

25/01/2014

HISTOGRAMA

POLGONO DE FRECUENCIAS

Histograma de C4
18

Diagrama de trazos que resulta de unir

16
14

la parte media superior de cada una

Frecuencia

12

de las barras de un histograma

10
8

(marcas de cada clase)

6
4
2
0

155

160

165

170
C4

175

180

185

Minitab usa raz del total de nmeros y esto lo divide entre el rango para calcular la amplitud del rango (9.48/0.043)=0.004
y toma los intervalos a partir del numero menor ms la amplitud.

POLGONO DE FRECUENCIAS

Sirve para ver, mediante una lnea continua, la forma


de los datos y darnos una idea de cmo es la
poblacin de donde provienen.

Actividad
1. Los consumos individuales (en pesos) de 30 turistas en
un restaurante se presentan en la tabla adjunta.

Histograma de C4
Normal

18

Media
Desv.Est.
N

16

170.5
6.078
100

14

Frecuencia

12
10
8
6

a) Calcula k de acuerdo a la regla que se vio en la


presentacin.
b) Partiendo de esta informacin genera la tabla de
distribucin de frecuencias adecuada.
c) Construye el histograma y polgono de frecuencias
correspondiente.

4
2
0

155

160

165

170
C4

175

180

185

Ejercicio
1. Los siguientes son los tiempos (meses) de la duracin hasta
la primer falla de un componente electrnico.

a) Construye una distribucin de frecuencias.


b) Construye un histograma de frecuencias usando 5
clases.
c) Construye el polgono de frecuencias correspondiente.

Ejercicio
2. Un banco desea mejorar su servicio a clientes; por ello
introdujo algunas mejoras para hacer ms gil su servicio. Los
siguientes son los tiempos (en minutos) de atencin a clientes.

a) Construye una distribucin de frecuencias.


b) Construye un histograma de frecuencias usando 5 clases.
c) Construye el polgono de frecuencias correspondiente.

36

25/01/2014

Medidas de tendencia central

Promedio

Es la disposicin de los datos


para acercarse a un valor,
generalmente el centro.
Promedio de la muestra

Promedio
Ejemplo

xi

Cada uno de los elementos de la muestra

Tamao de la muestra

Mediana
Se define como el valor central de una serie ordenada
de n datos.

Calcular el promedio para la serie de nmeros:


27, 84, 9, 40, 49, 84, 70, 93

Si esta cantidad n es impar, se toma el valor central.

Si esta cantidad n es par se toman los dos valores


centrales y se obtiene su promedio.

Mediana
Ejemplo

Moda

Calcular la mediana para la serie de nmeros:


27, 84, 9, 40, 49, 84, 70, 93
Primero se ordenan los datos de menor a mayor:
9, 27, 40, 49, 70, 84, 84, 93

x4
Como n es par se calcula:

x5

La moda se define como el valor que ms se


repite en una serie de datos.
Puede darse el caso de que no exista moda o que
exista ms de una moda.
La moda es el dato, no el nmero de veces que
ste se repite.

37

25/01/2014

Moda

Medidas de dispersin

Ejemplo

Calcular la moda para la serie de datos:


27, 84, 9, 40, 49, 84, 70, 93

Grado en que los datos se


alejan del valor de tendencia

No es necesario ordenar de menor a mayor los datos.

central
Se observa que el nmero 84 se repite dos veces, por lo
tanto la moda es igual a 84.

Rango
En una serie de datos se define como la diferencia entre el
mayor y el menor de los datos.

Rango

Calcular el rango para la serie de nmeros:


27, 84, 9, 40, 49, 84, 70, 93
xm

Rango

xM

Dato mayor de la muestra

xm

Dato menor de la muestra

Varianza

Varianza
Se define como el promedio del cuadrado de las diferencias
de cada observacin xi respecto al promedio muestral .

xM

Ejemplo

Calcular la varianza para la serie de nmeros:


27, 84, 9, 40, 49, 84, 70, 93
Sabemos que el promedio de esta serie de datos es 57, por
lo tanto:

s2

Varianza

xi

Cada uno de los elementos de la muestra


Promedio de la muestra

Tamao de la muestra

38

25/01/2014

Desviacin Estndar

Desviacin Estndar
Se define como la raz cuadrada positiva de la varianza.

Ejemplo

Calcular la desviacin estndar para la serie de datos:


27, 84, 9, 40, 49, 84, 70, 93
Sabemos que la varianza de esta serie de datos es 925.71,
por lo tanto la desviacin estndar es:

Desviacin estndar

xi

Cada uno de los elementos de la muestra


Promedio de la muestra
Tamao de la muestra

La desviacin estndar explica la dispersin absoluta


en una muestra.

Coeficiente de variacin
Ejemplo

Coeficiente de variacin

Calcular el coeficiente de variacin para la serie de nmeros:


27, 84, 9, 40, 49, 84, 70, 93
Sabemos que:
s = 30.4255
Promedio de la muestra
s

x = 57

Desviacin estndar

Por lo tanto:

El coeficiente de variacin explica


la dispersin relativa en una muestra.

CV= 30.4255/57 = 0.534

Ejercicio
Los dimetros de 10 tuercas (en centmetros) se
presentan a continuacin:
0.91, 0.89, 0.92, 0.93, 0.88,
0.90, 0.90, 0.89, 0.90, 0.91

Calcula el promedio.
Calcula la varianza.
Calcula la desviacin estndar.
Calcula el coeficiente de variacin.

Ejercicios
Registra los pesos y estaturas de 10 personas y con esa
informacin llena la siguiente tabla.

Calcula el promedio.
Calcula la varianza.
Calcula la desviacin
estndar.
Calcula el coeficiente
de variacin.

39

25/01/2014

Medidas de tendencia central


Datos agrupados

Promedio

( )

Es la disposicin de los datos


para acercarse a un valor,

Promedio de la muestra

generalmente el centro.

xi

Marca de la i -sima clase

fi

Frecuencia absoluta de la i -sima clase

Tamao de la muestra

Promedio
Ejemplo

Promedio
Ejemplo

2. Obtener la suma total de la columna xi fi .


1. Obtener el producto xi fi .

k
1
2
3
4
5

LRI
155.5
161.5
167.5
173.5
179.5

LRS
161.5
167.5
173.5
179.5
185.5

xi
158.5
164.5
170.5
176.5
182.5

fi
8
24
36
25
7

xi fi
1268
3948
6138
4412.5
1277.5

LRI

LRS

1
2
3
4
5

155.5
161.5
167.5
173.5
179.5

161.5
167.5
173.5
179.5
185.5

xi
158.5
164.5
170.5
176.5
182.5

fi
8
24
36
25
7

xi fi
1268.0
3948.0
6138.0
4412.5
1277.5
17044

17044
= 170.44
100

Mediana
Ejemplo

Mediana
Es el valor central de una serie de datos
=


+ 2

a clase mediana es aquella que contiene al dato n/2-simo

LRImed

LRI

LRS

xi

fi

Fi

hi

Hi

155.5

161.5

158.5

0.08

0.08

161.5

167.5

164.5

24

32

0.24

0.32

167.5

173.5

170.5

36

68

0.36

0.68

173.5

179.5

176.5

25

93

0.25

0.93

179.5

185.5

182.5

100

0.07

Fantesmed

fmed
Mediana
LRImed

Lmite inferior de la clase mediana,


que contiene al n/2 simo dato

Fantesmed

Frecuencia acumulada hasta una


clase antes de la clase mediana

A
fmed
n

Ancho de la clase mediana


Frecuencia absoluta de la clase mediana
Nmero total de datos

El dato nmero 50 (n/2) debe estar contenido en la clase


k=3, por tanto:
LRImed = 167.5
Fantesmed = 32

A=6
fmed = 36
n = 100

40

25/01/2014

Mediana
Ejemplo
LRImed = 167.5

Moda
Es el valor que ms se repite en una serie de datos.

Fantesmed = 32
A=6

fmed = 36


+ 2

= +

n = 100

1 + 2

Moda
Lmite inferior de la clase modal

LRIm

50 32
= 167.5 +
6
36
= 170.5

Diferencia entre la frecuencia de la clase


modal y la clase de arriba

Diferencia entre la frecuencia de la clase modal y la


clase de abajo

Moda
Ejemplo

Medidas de dispersin

La clase modal es aquella que tiene la mayor frecuencia


absoluta f.
1

LRIm

LRI

LRS

xi

fi

155.5

161.5

158.5

161.5

167.5

164.5

24

32

167.5

173.5

170.5

36

68

173.5

179.5

176.5

25

93

179.5

185.5

182.5

100

= +

Fi

= 167.5
1 = 3 2 = 36 24 = 12
2 = 3 4 = 36 25 = 11
=6

Grado en que los datos se


alejan del valor de tendencia
central

1 + 2

= 167.5 +

12
6
12 + 11

= 170.63

Varianza
Ejemplo

Varianza
Se define como el promedio del cuadrado de las diferencias
de cada observacin xi respecto al promedio muestral .

2
Se obtiene la suma total de la columna f i ( xi x )

s2

f (x x)
i 1

s2

Varianza

fi

Frecuencia absoluta de la i-sima clase


Marca de la i-sima clase

Tamao de la muestra

LRI

LRS

xi

1
2
3
4
5

155.5
161.5
167.5
173.5
179.5

161.5
167.5
173.5
179.5
185.5

158.5
164.5
170.5
176.5
182.5

fi

fi (x i -x)

8
24
36
25
7

1140.509
846.806
0.130
918.090
1018.105
3923.64

Promedio de la muestra
xi

s
2

f (x x)
i 1

= 170.44

2 =

3923.64
= 39.23
100

41

25/01/2014

Desviacin estndar

Coeficiente de variacin

Es la raz cuadrada de la varianza.

(
=1

Se define como:
=

)2

Promedio de la muestra

Desviacin estndar

El coeficiente de variacin explica la dispersin relativa en una


muestra.
2 =

3923.64
= 39.23
100

= 39.23 = 6.26
=

6.26
=
= 0.036
170.44

La desviacin estndar explica


la dispersin absoluta en una muestra.

Este indicador permite comparar


entre dos muestras cul es la que
posee una mayor variacin.
A mayor CV mayor variacin.

Actividad
k

LRI

LRS

xi

fi

120

129

124.5

130

139

134.5

140

149

144.5

10

150

159

154.5

160

169

164.5

Ejercicio
1. Los siguientes son los tiempos (meses) de la duracin
hasta la primer falla de un componente electrnico
industrial.

1. Con los datos de las alturas de los estudiantes


que se presentan en la tabla:
a) Calcula el promedio.
b) Calcula la varianza.
c) Calcula la desviacin estndar.
d) Calcula el coeficiente de variacin.

a)
b)
c)
d)

Calcula el promedio.
Calcula la varianza.
Calcula la desviacin estndar.
Calcula el coeficiente de variacin.

Ejercicio 13
DIAGRAMA DE DISPERSIN

2. Un banco desea mejorar su servicio a clientes, por ello


introdujo algunas mejoras para hacer ms gil su
servicio. Los siguientes son los tiempos (en minutos) de
atencin a clientes.

a)
b)
c)
d)

Calcula el promedio.
Calcula la varianza.
Calcula la desviacin estndar.
Calcula el coeficiente de variacin.

Un
embotellador
de
refrescos
produce sus propias botellas de
plstico retornables
para sus
presentaciones de 1.5 y 2.0 litros.

Recibe de un proveedor una preforma de PET y la sopla en su


propia mquina.

Recientemente se ha incrementado el
porcentaje de botellas defectuosas y
un equipo de trabajo formado por
operarios del rea cree que existe
una relacin muy fuerte entre la
presin de aire aplicada durante el
soplado y las botellas defectuosas.

42

25/01/2014

DIAGRAMA DE DISPERSIN

DIAGRAMA DE DISPERSIN
DA

PRESIN

%
DEFECTUOSO

DA

PRESIN

%
DEFECTUOSO

18.6

0.488

16

18.8

0.493

18.8

0.495

17

18.7

0.497

18.4

0.476

18

18.6

0.489

19.2

0.505

19

18.7

0.492

18.4

0.462

20

18.2

0.466

19.2

0.512

21

18.7

0.487

19.4

0.523

22

18.7

0.481

18.5

0.483

23

19.2

0.517

18.5

0.491

24

18.3

0.477

10

18.7

0.498

25

19.3

0.522

11

18.9

0.503

26

18.9

0.493

12

18.3

0.466

27

18.7

0.501

13

18.9

0.485

28

18.7

0.496

18.7

0.506

18.6

0.499

14

19.1

0.518

29

15

18.9

0.496

30

DIAGRAMA DE DISPERSIN

DIAGRAMA DE DISPERSIN

0.53
0.52

Defectuoso

0.51
0.5
0.49
0.48
0.47
0.46
0.45
18

18.2

18.4

18.6

18.8
Presin

19

19.2

19.4

19.6

BIBLIOGRAFA

DIAGRAMA DE DISPERSIN
Ejercicio

En una fbrica de pintura se


desea investigar la relacin
entre la velocidad de agitacin
en el proceso de mezclado y
el porcentaje de impurezas en
la pintura. Mediante pruebas
experimentales se obtienen
las datos de la tabla siguiente:
Elabore un diagrama de
dispersin y concluya.

Velocidad (rpm)

Impurezas (%)

20

8.4

22

9.5

24

11.8

26

10.4

28

13.3

30

14.8

32

13.2

34

14.7

36

16.4

38

16.5

40

18.9

42

18.5

Walpole, R. E., Myers, R. H., Myers, S. L., & Ye, K. (2007). Probalidad y
estadstica para ingenieria y ciencias. Mxico: PEARSON PRENTICE ALL.

Levin, R. L., & Rubin, D. S. (1994). ESTADSTICA para


ADMINISTRADORES (sexta edicin ed.). Mxico: PRENTICE ALL.

43

25/01/2014

SAAG Operations &Advisory


www.saag.com.mx

Derechos reservados @ 2013

44

También podría gustarte