Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1 Estadistica Descriptiva y Fundamentos de Probabilidad PDF
1 Estadistica Descriptiva y Fundamentos de Probabilidad PDF
Para
Hay que entender que existen dos formas distintas de trabajar con los datos
tanto poblacionales como mustrales: sin agruparlos o agrupndolos en tablas
de frecuencias. Esta apreciacin nos sugiere dos formas de representar la
media aritmtica.
i=1
Poblacin
X=
X
i
i=1
Muestra
1.2.2.
Medidas de dispersin
b.
c.
Poblacional
FRECUENCIA
MEDIA
DE
CLASE
MIFI
FRECUENCIA
ACUMULADA
1019
14.5
72.5
2029
19
24.5
465.5
24
3039
10
34.5
345.0
34
4049
13
44.5
578.5
47
5059
54.5
218.0
5!
6069
64.5
258.0
55
7079
74.5
149.0
57
TOTAL
57
1.3.2.
2086.5
1.
2.
Se multiplica el punto medio por la frecuencia
correspondiente, se suman esos productos y se divide entre la suma de frecuencia.
INTERVALO
FRECUENCIA
MEDIA
DE
CLASE
MIFI
FRECUENCIA
ACUMULADA
1019
14.5
72.5
2029
19
24.5
465.5
24
3039
10
34.5
345.0
34
4049
13
44.5
578.5
47
5059
54.5
218.0
5!
6069
64.5
258.0
55
7079
74.5
149.0
57
TOTAL
57
2086.5
Donde:
Li = lmite inferior real dcl intervalo que contiene la mediana
Vi = lmite superior real del intervalo que contiene a la mediana
,
N = nmero total de observaciones
j = nmero de observaciones que faltan para alcanzar a la
mediana, despus de que el lmite inferior del intervalo que
contiene a la mediana ha sitio alcanzado.
fi = frecuencia del intervalo que contiene a la mediana
1.3.3.
Medidas de dispersin
S=
fx
S=I
fd
fd
donde:
I: amplitud de la clase
D: distancia en clases desde cada una en concreto a la clase que contiene a la
media supuesta A.
La desviacin tpica se define como la raz cuadrada de la media de los
cuadrados de las desviaciones con respecto a la media de la distribucin. Es
decir,
(x x )
S=
DM =
n x
i
El rango se suele definir como la diferencia entre los dos valores extremos que toma la
variable. Es la medida de dispersin ms sencilla y tambin, por tanto, la que
proporciona menos informacin. Adems, esta informacin puede ser errnea, pues el
hecho de que no influyan ms de dos valores del total de la serie puede provocar una
deformacin de la realidad.
Comparemos, por ejemplo, estas dos series:
Serie 1: 1 5 7 7
9 10 17
Serie 2: 2 4 6 8 10 12 14 16 18
Ambas series tienen rango 16, pero estn desigualmente agrupadas, pues mientras la
primera tiene una mayor concentracin en el centro, la segunda se distribuye
uniformemente a lo largo de todo el recorrido.
Principio multiplicativo
Principio aditivo
Permutaciones
Permutaciones con repeticin
Pruebas ordenadas
Combinaciones
Particiones ordenadas
Diagrama de rbol
Problemas propuestos
p()=0
DEMOSTRACIN:
Si sumamos a un evento A cualquiera, como y A son dos eventos
mutuamente excluyentes, entonces p(A)=p(A) +p()=p(A). LQQD
TEOREMA 2.
La probabilidad del complemento de A, Ac debe ser, p(Ac)= 1 p(A)
DEMOSTRACIN:
Si el espacio muestral , se divide en dos eventos mutuamente exclusivos, A y
Ac luego =AAc, por tanto p()=p(A) + p(Ac) y como en el axioma dos se
afirma que p()=1, por tanto, p(Ac)= 1 - p(A) .LQQD
TEOREMA 3.
Si un evento A B, entonces la p(A) p(B).
DEMOSTRACIN:
Si separamos el evento B en dos eventos mutuamente excluyentes, A y B \ A
(B menos A), por tanto, B=A(B \ A) y p(B)=p(A) +p(B \ A), luego entonces si
p(B \ A)0 entonces se cumple que p(A)p(B). LQQD
TEOREMA 4. La p( A \ B )= p(A) p(AB)
DEMOSTRACIN: Si A y B son dos eventos cualquiera, entonces el evento A
se puede separar en dos eventos mutuamente excluyentes, (A \ B) y AB, por
tanto, A=(A \ B)(AB), luego p(A)=p(A \ B) + p(AB), entonces, p(A \ B) =
p(A) p(AB). LQQD
TEOREMA 5. Para dos eventos A y B, p(AB)=p(A) + p(B) p(AB).
DEMOSTRACIN: Si AB = (A \ B) B, donde (A \ B) y B son eventos
mutuamente excluyentes, por lo que p(A B) = p(A \ B) + p(B) y del teorema
anterior tomamos que p(A \ B) = p(A) p(AB), por tanto, p(AB) = p(A) + p(B)
p(AB). LQQD
2.
p( A E )
p( E )
Donde:
p(AE) = probabilidad de que ocurra A dado que E ya ocurri
p(AE) = probabilidad de que ocurra A y E a un mismo tiempo
p(E) = probabilidad de que ocurra E
Luego;
P( A E ) =
P( E ) =
A E
Por tanto:
P( A | E ) =
A E
E
Donde:
AE= nmero de elementos comunes a los eventos A y E
E= nmero de elementos del evento E
Luego entonces podemos usar cualquiera de las dos frmulas para calcular la
probabilidad condicional de A dado que E ya ocurri.
Sucesos independientes
INDEPENDENCIA
Dos sucesos son independientes si y slo si p(A P B) = p(A) p(B).
Si dos sucesos son independientes
Bibliografa
Devore, J.L. (2000). Probabilidad y Estadstica para Ingeniera y Ciencias, Quinta
Edicin, Thomson Learning.
Mendenhall, W. (1998). Estadstica para Administradores, Segunda Edicin, Grupo
Editorial Iberoamrica.
Montgomery, D.C. y Runger G.C. (1996). Probabilidad y Estadstica Aplicadas a la
Ingeniera, Primera Edicin, Mc Graw Hill.
Sheaffer, R. L. y McClave, J.T. (1990). Probabilidad y Estadstica para Ingeniera,
Primera Edicin, Grupo Editorial Iberoamrica.
Spiegel, M.R. (1970). Estadstica, Primera Edicin, Serie Schaum, Mc Graw Hill.
Walpole, R. E., Myers, R.H., y Myers, S.L. (1998). Probabilidad y Estadstica para
Ingenieros, Sexta Edicin, Prentice Hall.
Weimer, R.C. (1996). Estadstica, Segunda Edicin, CECSA.
ACTIVIDADES COMPLEMENTARIAS.
1.-Para un hijo de una mujer portadora de Duchenne, el sexo y la enfermedad
son independientes?
Segn vimos en el el espacio muestral es = {xX, xY, XX, XY}
Definimos los sucesos A = {varn} = {xY, XY}; B = {enfermo} = {xY}
A
B
=
{xY}
por lo tanto p(A) = 0,5; p(B) = 0,25; p(A B) = 0,25 p(A) p(B)
3,1
3,5
2,4
3,8
4,0
4,2
3,5
4,0