Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PRESENTADO POR:
ESTEFANA BETANCOURT ALVARN (1088310059)
FABIAN DAVID ALARCON BETANCUR (1088291088)
PRESENTADO A:
PROFESOR LVARO TREJOS
Contenido
DEFINICIN .............................................................................................. 5
HISTOGRAMA ......................................................................................... 10
3.2
OJIVA ....................................................................................................... 10
4.1.1
1. PERCENTILES............................................................................................ 16
2. DECILES ..................................................................................................... 17
3. CUARTILES ................................................................................................ 17
4.2
8.3
Eventos: ................................................................................................... 29
8.3.1
Permutaciones ...................................................................................... 42
16
16.2
MULTIVARIADA................................................................................................. 64
17
1.1
DEFINICIN
VARIABLES
CUALITATIVAS
NOMINAL
2.1
ORDINAL
CUANTITATIVAS
DISCRETA
CONTINUA
CODIFICACIN DE VARIABLES
-
ni = Frecuencia Absoluta
hi = Frecuencia relativa
hi =
6
Ni = ni
Hi = hi
R* =
R=26,7 4,2
R*= 6 3,8
R= 22,5
R* = 22,8
b) Mtodo de Sturges:
5. Realizar la tabla:
Intervalo
Marca de
ni
hi
Ni
Hi
hi*
0.06
0.06
0,016
(7,9 11,7]
9,8
0,12
0,18
0,032
(11,7 15,5]
13,6
17
0,34
26
0,52
0,089
(15,5 19,3]
17,4
15
0,3
41
0,82
0,079
(19,3 23,1]
21,2
0,16
49
0,98
0,042
(23,1 26,9]
25
0,02
50
0,05
clase x
(4,1 - 7,9]
Interprete: n2 ; h3 ; N4 ; H5
-
h3= El 34% de los pacientes son atendidos entre 11,7 min y 15,5 min.
h(7,9- 19,3)= El 76% de los pacientes han sido atendidos entre 7,9min y
19,3min.
3.1 HISTOGRAMA
Un tipo de representacin grfica, para variables continuas, formada por una serie
de barras contiguas de altura proporcional a la frecuencia de la categora de la
variable.
3.2 OJIVA
10
Ojiva
1,2
1
Hi
0,8
0,6
0,4
0,2
0
4,1
7,9
11,7
15,5
19,3
23,1
4. REDUCCIN DE DATOS
Es el proceso donde se hace un anlisis numrico de la informacin y consiste de
dos partes:
4.1 MEDIDAS DE TENDENCIA CENTRAL
1. La media: Es el estadstico de tendencia central ms utilizado y se calcula
de la siguiente manera:
a) Datos no agrupados:
b) Datos
agrupados
en
una
distribucin
de
frecuencia
medidos
ordinalmente.
Ejemplo: Sea la variable el # de personas en el hogar de 100 familias.
11
ni
hi
10
0,10
15
0,15
25
0,25
15
0,15
0,06
0,04
12
a=Constante
y= La nueva variable
Xi= La variable
Y1= aX
Ejemplo:
a=10
Y2= 2(10)=20
Y3= 3(10)=30
Y4= 4(10)=40
siguiente:
n1=15
n2=18
14
0,50=0,18+0,089(x-11,7)
0,32=0,089x-1,0413
1,3613=0,089x
x=15,29~15,3
R// Por debajo de 15,3 min son atendidos el 50% de los pacientes.
15
4.1.1.1 MODA
Es el dato que ms se repite.
a) Datos no agrupados:
Ejemplo: 1. X1=18, X2=18, X3=20, X4=19, X5=17
Mo= 18
Ejemplo:
(
Ejemplo:
16
R// El 77% de los pacientes son atendidos por debajo de 18,64 min.
2. DECILES
Son valores de la variable por debajo del cual se encuentra el 10%,
20%, 30%,,80%, 90%, 100%.
Ejemplo:
3. CUARTILES
Son valores de la variable por debajo del cual se encuentra el 25%, 50%,
75% y 100%.
Ejemplo:
17
Rango:
R=
Rango Intercuartlico:
La varianza
Es el estadstico de dispersin ms utilizado y se define como el promedio
de las distancias al cuadrado de los datos a la media.
18
R//
La
poblacin
es
muy
heterognea.
# Personas en el hogar
1
15
0,23
25
0,38
15
0,23
0,09
0,06
19
Desviacin estndar
m
m
Coeficiente de variacin
20
Ejemplo:
El coeficiente de variacin es adimensional; quiere decir que no importa la unidad
de medida de las variables y se pueden comparar las variables.
CV {
Ejemplo:
La poblacin B es heterognea.
Propiedades de la varianza
1. La varianza de una constante es 0 cer
x1=20, x2=20, x3=20, x4=20
Demostracin:
Ejemplo:
Demostracin:
5.
Demostracin:
PRINCIPIO DE CHEBYCHEF
)
22
El porcentaje de personas que son atendidas entre 6,68 min y 23,92 min es > al
75%.
6.
23
A=0
A>0
A<0
24
Datos no agrupados:
[
Datos agrupados:
Ordinal:
Intervalos:
25
8. TEORA DE LA PROBABILIDAD
Es un modelo matemtico que trata de cuantificar los experimentos aleatorios
8.1 Probabilidad a priori (Pascal):
La probabilidad de eventos favorables en unos experimentos sobre el total de
resultados posibles, se le llama probabilidad a priori de un evento A.
Donde
h: nmero de casos favorables al evento A
n: nmero de resultados posibles
Ejemplo:
Sea el evento que consiste en lanzar dos dados, hallar la probabilidad de que
salga 6.
Dado1/Dado2 1
1,2
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
26
Sea el evento que consiste en lanzar dos dados, hallar la probabilidad de que
salga 1.
donde:
Experimento
Lanzar un dado
Lanzar dos monedas
Lanzar una moneda y un dado
Diagrama de rbol para la el experimento que consiste en lanzar dos
monedas
Cara
Cara
Sello
Moneda
Cara
Sello
Sello
Tipos de experimentos:
Probabilsticos
Deterministicos
Ejemplo:
s: sello
Espacio muestral
8.3 Eventos:
Es un elemento o varios elementos del resultado de un experimento, es un
subconjunto del espacio muestral.
Sea el evento que consiste en lanzar una moneda, sea el evento que salga
dos caras, entonces
Sea el evento que consiste en lanzar un dado, sea el evento un nmero
mayor que 6, entonces
29
Ejemplo: sea el experimento que consiste en lanzar una moneda, sea B el evento
que salga cara, entonces.
3. Evento compuesto: es aquel tiene ms de un evento simple en su espacio
muestral.
Ejemplo: sea el experimento que consiste en lanzar dos monedas, sea A el evento
que salga como mnimo una cara
4. Evento seguro: un evento seguro es aquel que siempre se va a presentar
Ejemplo: sea el experimento que consiste en lanzar un dado, sea A el evento que
salga par
Nota: El evento se denota por letra mayscula y entre {} se representa los eventos
simples que conforman el grado de evento.
Ejercicios
1. Sea el experimento que consiste en lanzar dos monedas
a- Hallar el espacio muestral
b- Definir un evento nulo, simple, compuesto y seguro
c- Sea A el experimento que al menos salga una cara, hallar la
probabilidad del evento A.
2. El jefe de personal va a seleccionar 2 candidatos de una lista de 5
elegibles, supngase supngase que el 1 es el mejor, el 2 es el menos
mejor, sucesivamente.
a- Hallar la probabilidad de que el jefe de personal seleccione al menos
uno de los dos mejores (evento A).
b- Hallar la probabilidad de que el jefe de personal seleccione el mejor
candidato
30
Espacio muestral
S
Evento A
Complemento de un evento
31
Interseccin de eventos
Ejercicio:
1- Sea el experimento que consiste en lanzar dos monedas. Sea A el evento
que consiste que salga como mnimo cara. Sea B el evento que consiste
que salga como mnimo sello. Sea C el evento que no salga cara y sea D el
evento que no salga sello.
a- Hallar:
b- Hallar :
c- Hallar:
d- Que eventos son mutuamente excluyentes
32
9. CLCULO DE PROBABILIDADES
Sea el experimento E con S como su espacio muestral y A un evento del espacio
muestral, al nmero real asignado al evento A y calculado de la siguiente forma:
Donde
h: nmero de casos favorables al evento A
n: nmero de resultados posibles
12-
33
2-
Ejemplo:
Sea el experimento que consiste en lanzar un dado, para dicho dado los nmeros
pares tienen el doble de probabilidad de ser elegidos que los nmeros impares.
Sea C el evento que el nmero observado sea mayor o igual a cuatro.
34
Ejercicios
1. Sea el experimento que consiste en lanzar una moneda sea A el evento de
obtener un sello
Entender
Dibujar
35
36
2
3
1
4
5
3
Candidatos
4
5
4
3
5
5
4. Sea el experimento que consiste en lanzar dos dados uno verde y otro azul
37
Entender el problema
Dado
1,2
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
azul/
Dado
verde
Dado
azul/
Dado
verde
1
9
38
10
10
11
10
11
12
10
11
12
13
Entender el experimento
0,7
0,
4
0,2
39
resultados posibles
y si para cada uno de los resultados posibles, es probable analizar una segunda
operacin con
40
C
C
S
Monedas
C
S
S
Ejemplo: Un mdico desea clasificar a sus pacientes de acuerdo a la presin
arterial (alta-media-baja) y de acuerdo a su tipo de sangre (
). De
AB
O+
OA+
A-
Monedas
Media
AB
O+
OA+
A-
Baja
AB
O+
O-
41
10.2 Permutaciones
-
donde el orden
importa.
Ejemplo
1
No son iguales
Ejemplo
42
1
2
Ejemplo
De un grupo de 11 estudiantes voy a elegir 2 para ocupar los cargos de
coordinador de campo y el segundo para coordinador de oficina. De cuantas
maneras se puede hacer?
Con repeticin
Ejemplo
3
2
43
con la
condicin que
Ejemplo: Se va a realizar un paseo a las ciudades que a continuacin se enuncia y
se desea armar un grupo de
personas,
a Cancn de 4 personas,
a Cartagena de 2
44
Combinaciones: Una combinacin es un arreglo de una poblacin de nelementos, extrayendo K elementos donde
y el orden no importa.
( )
Ejemplo: Sea R el evento que un convicto haya robado a mano armada, sea D que
dicho convicto haya vendido droga. Interprete con palabras las siguientes
probabilidades.
45
a)
b)
c)
d)
e)
f)
g)
h)
i)
46
E
Demostracin
47
S
X
0,03
0,04
0,05
la solucin a
48
Demostracin
49
Para el caso de, sea X la variable aleatoria que cuenta el nmero de caras.
x
51
Ejemplo
Para el caso de, sea X la variable aleatoria que cuenta el nmero de caras.
x
f(x)
Para el caso de: Sea E el experimento que consiste en lanzar 3 monedas, sea Y la
variable aleatoria que cuenta el nmero de sellos.
Y
f(y)
52
Ejemplo: Para el caso de, sea X la variable aleatoria que cuenta el nmero de
caras.
x
( )
( )
( )
( )
( )
( )
( )
53
( )
( )
( )
( )
Para el caso de: Sea E el experimento que consiste en lanzar 3 monedas, sea Y la
variable aleatoria que cuenta el nmero de sellos.
54
( )
( )
( )
( )
( )
Problemas
1. De un grupo que contiene 4 bolas negras y 2 verdes, se extrae dos de ellas
en forma sucesiva y se regresa a la caja antes de realizar la siguiente
extraccin.
Encontrar la distribucin de probabilidad
El valor esperado
La varianza de la variable aleatoria definida en el nmero de bolas verdes.
Respuesta
f(x)
( )
( )
( )
55
( )
( )
( )
( )
( )
f(z)
F(z) 1/8
4/8
7/8
( )
( )
( )
56
( )
( )
( )
Tirar un dado
Tirar una moneda
Hacer un Shift-Ranzaso en la clase de estadstica 1 con el profesor lvaro
Trejos.
57
1/6
1/6 1/6
Esperanza
58
P(x) q
b.
c.
59
probabilidad binomial.
Ejemplos
1. La probabilidad de que una persona vote por el candidato A es de 0,20, si
se elige al azar 100 personas, hallar la probabilidad de que 5 personas
voten por el candidato A.
n=10, k=4
2. En un proceso de produccin el 10% de los artculos salen defectuosos, si
un producto es elegido a lazar, hallar la probabilidad de que 4 productos de
los seleccionados sean defectuosos.
n=10, k=4
Condiciones para aplicar la distribucin de probabilidad binomial
1. El experimento consiste en repeticiones ensayos.
2. Cada ensayo proporciona un resultado que puede clasificarse como xito o
fracaso (experimento Bernoulli).
3. La probabilidad de xito o fracaso no cambia en el tiempo y el xito se
identifica por P y el fracaso se identifica por q
4. Los ensayos son independientes.
5. La forma para calcular probabilidades con el modelo binomial es la
siguiente:
( )
P: probabilidad xito
q: probabilidad no xito
k: numero de xitos a observar
n: numero de experimento (tamao de la muestra) a realizar.
a.
b.
c.
Ejemplo:
61
causas,
principalmente
el
alcoholismo.
62
14
( )(
( )
Ejemplo: En lotes de 40 componentes, se consideran aceptables si contienen
como mximo no ms de 3 defectuosos. El procedimiento para muestrear el lote,
consiste en seleccionar 5 componentes al azar y rechazar todo el conjunto si en la
muestra hay como mnimo un defectuoso. Cul es la probabilidad de no rechazar
el lote?
N=40; n=5; k=3; x=0
( )(
(
)
)
63
)(
( )
Ejemplo: Se van a analizar 10 personas para un estudio biolgico. El grupo consta
de 3 con sangre tipo O, 4 con sangre tipo A, 3 con sangre tipo B. Cul es la
probabilidad de que una muestra aleatoria de 5 personas se presente el siguiente
resultado?
a) 1 persona con sangre tipo O
b) 2 personas con sangre tipo A
c) 2 personas con sangre tipo B
( )( )( )
(
)
64
17 DISTRIBUCIN EXPONENECIAL
Es el equivalente continuo de la distribucin geomtrica discreta. Esta ley de
distribucin describe procesos en los que:
18 Nos interesa saber el tiempo hasta que ocurre determinado evento, sabiendo
que,
19 El tiempo que pueda ocurrir desde cualquier instante dado t, hasta que ello
ocurra en un instante tf, no depende del tiempo transcurrido anteriormente en
el que no ha pasado nada.
Ejemplos:
El tiempo que puede transcurrir en un servicio de urgencias, para la llegada de un
paciente;
El tiempo para cargar un camin.
En un proceso de Poisson donde se repite sucesivamente un experimento a
intervalos de tiempo iguales, el tiempo que transcurre entre la ocurrencia de dos
sucesos consecutivos sigue un modelo probabilstico exponencial. Por ejemplo, el
tiempo que transcurre entre que sufrimos dos veces una herida importante.
Concretando, si una v.a. continua X distribuida a lo largo de
, es tal que su
,X Exp(
65
Funcin de distribucin:
{
Valor
esperado:
Variable aleatoria:
Funcin exponencial: Pueden modelar el lapso de
eventos consecutivos de
donde
Que es una variable aleatoria continua x que mide el tiempo que tarda en ocurrir el
primer evento Poisson:
; x=distancia o tiempo; D.F=1 cuando
Se deduce funcin de distribucin con respecto a x y se obtendra la funcin de
densidad.
Ejemplo: El tiempo de vida de un fusible en cierta aplicacin tiene un valor
esperado promedio de 2 aos.
a) Cul es el valor de ?
=V[x]=2 aos
1-0,39= 0,61
68