Documentos de Académico
Documentos de Profesional
Documentos de Cultura
LIBRO - Probabilidad y Estadistica
LIBRO - Probabilidad y Estadistica
Estadstica I
COLEGIO DE BACHILLERES
DEL ESTADO DE SONORA
Director General
Mtro. Jorge Luis Ibarra Mendvil
Director Acadmico
Profr. Julio Alfonso Martnez Romero
Director de Planeacin
Mtro. Pedro Hernndez Pea
PROBABILIDAD Y ESTADSTICA I
Mdulo de Aprendizaje.
Copyright , 2008 por Colegio de Bachilleres
del Estado de Sonora
Todos los derechos reservados.
Tercera edicin 2010. Impreso en Mxico.
DIRECCIN ACADMICA
Departamento de Desarrollo Curricular
Blvd. Agustn de Vildsola, Sector Sur
Hermosillo, Sonora. Mxico. C.P. 83280
COMISIN ELABORADORA:
Elaboracin:
Vctor Manuel Crdova Navarro
Ariel Ulises Corts Len
Revisin Disciplinaria:
Domitila Prez Prez
Revisin de Contenidos:
Adn Durazo Armenta
Mara Elena Raya Godoy
Supervisin Acadmica:
Diana Irene Valenzuela Lpez
Correccin de Estilo:
Francisco Castillo Blanco
Edicin:
Francisco Peralta Varela
Coordinacin Tcnica:
Claudia Yolanda Lugo Peuri
Coordinacin General:
Profr. Julio Alfonso Martnez Romero
2
Ubicacin Curricular
COMPONENTE: GRUPO:
FORMACIN PROPEDEUTICA FSICO-MATEMATICO
HUMANIDADES-CIENCIAS
SOCIALES
Ciencias Sociales.
Nombre: ______________________________________________________
Plantel: _________________________________________________________
Domicilio: _____________________________________________________
______________________________________________________________
3
Mapa Conceptual de la Asignatura
4
ndice
Recomendaciones para el alumno..............................................................7
Presentacin ................................................................................................8
RIEMS .........................................................................................................9
5
6
Recomendaciones para el alumno
No debes perder de vista que el Modelo Acadmico del Colegio de Bachilleres del
Estado de Sonora propone un aprendizaje activo, mediante la investigacin, el
anlisis y la discusin, as como el aprovechamiento de materiales de lectura
complementarios; de ah la importancia de atender las siguientes
recomendaciones:
Utiliza y visita los sitios de Internet que se te proponen como sitios de consulta
o para ampliar el conocimiento.
7
Presentacin
El Colegio de Bachilleres del Estado de Sonora considera entre sus propsito el
proporcionar a los jvenes sonorenses una formacin bsica que consolide su
cultura general que incida en actitudes prcticas, positivas y propositivas en la
sociedad, una formacin para el trabajo que los prepare para integrarse,
enfrentarse o que lo promueva en el mbito laboral o el autoempleo y una
formacin propedutica que fortalezca los conocimientos, habilidades, destrezas
y actitudes de todos aquellos con aspiraciones personales o vocacionales, que le
faciliten o permitan el acceso a la educacin superior.
8
RIEMS
Introduccin
El Colegio de Bachilleres del Estado de Sonora, en atencin a los programas de
estudio emitidos por la Direccin General de Bachillerato (DGB), ha venido
realizando la elaboracin del material didctico de apoyo para nuestros
estudiantes, con el fin de establecer en ellos los contenidos acadmicos a
desarrollar da a da en aula, as como el enfoque educativo de nuestra Institucin.
Es por ello, que actualmente, se cuenta con los mdulos y guas de aprendizaje
para todos los semestres, basados en los contenidos establecidos en la Reforma
Curricular 2005. Sin embargo, de acuerdo a la reciente Reforma Integral de
Educacin Media Superior, la cual establece un enfoque educativo basado en
competencias, es necesario conocer los fines de esta reforma, la cual se dirige a
la totalidad del sistema educativo, pero orienta sus esfuerzos a los perfiles del
alumno y del profesor, siendo entonces el camino a seguir el desarrollo de las
competencias listadas a continuacin y aunque stas debern promoverse en
todos los semestres, de manera ms precisa entrarn a partir de Agosto de 2009,
en el primer semestre.
Competencias Genricas
CATEGORAS COMPETENCIAS GENRICAS
1. Se conoce y valora a s mismo y aborda problemas y retos
I. Se autodetermina
teniendo en cuenta los objetivos que persigue.
y cuida de s.
2. Es sensible al arte y participa en la apreciacin e interpretacin
de sus expresiones en distintos gneros.
3. Elige y practica estilos de vida saludables.
II. Se expresa y 4. Escucha, interpreta y emite mensajes pertinentes en distintos
comunica. contextos mediante la utilizacin de medios, cdigos y
herramientas apropiados.
5. Desarrolla innovaciones y propone soluciones a problemas a
partir de mtodos establecidos.
III. Piensa crtica y
6. Sustenta una postura personal sobre temas de inters y
reflexivamente.
relevancia general, considerando otros puntos de vista de manera
crtica y reflexiva.
IV. Aprende de 7. Aprende por iniciativa e inters propio a lo largo de la vida.
forma autnoma.
V. Trabaja en forma 8. Participa y colabora de manera efectiva en equipos diversos.
colaborativa.
9. Participa con una conciencia cvica y tica en la vida de su
VI. Participa con comunidad, regin, Mxico y el mundo.
responsabilidad en 10. Mantiene una actitud respetuosa hacia la interculturalidad y la
la sociedad. diversidad de creencias, valores, ideas y prcticas sociales.
11. Contribuye al desarrollo sustentable de manera crtica, con
acciones responsables.
9
Competencias Disciplinares Bsicas
Matemticas
1. Construye e interpreta modelos matemticos mediante la aplicacin de
procedimientos aritmticos, algebraicos, geomtricos y variacionales, para la
comprensin y anlisis de situaciones reales, hipotticas o formales.
2. Formula y resuelve problemas matemticos, aplicando diferentes enfoques.
3. Explica e interpreta los resultados obtenidos mediante procedimientos
matemticos y los contrasta con modelos establecidos o situaciones reales.
4. Argumenta la solucin obtenida de un problema, con mtodos numricos,
grficos, analticos o variacionales, mediante el lenguaje verbal, matemtico y
el uso de las tecnologas de la informacin y la comunicacin.
5. Analiza las relaciones entre dos o ms variables de un proceso social o
natural para determinar o estimar su comportamiento.
6. Cuantifica, representa y contrasta experimental o matemticamente las
magnitudes del espacio y las propiedades fsicas de los objetos que lo
rodean.
7. Elige un enfoque determinista o uno aleatorio para el estudio de un proceso
o fenmeno, y argumenta su pertinencia.
8. Interpreta tablas, grficas, mapas, diagramas y textos con smbolos
matemticos y cientficos.
Competencias docentes:
1. Organiza su formacin continua a lo largo de su trayectoria profesional.
2. Domina y estructura los saberes para facilitar experiencias de aprendizaje
significativo.
3. Planifica los procesos de enseanza y de aprendizaje atendiendo al enfoque
por competencias, y los ubica en contextos disciplinares, curriculares y
sociales amplios.
4. Lleva a la prctica procesos de enseanza y de aprendizaje de manera
efectiva, creativa e innovadora a su contexto institucional.
5. Evala los procesos de enseanza y de aprendizaje con un enfoque
formativo.
6. Construye ambientes para el aprendizaje autnomo y colaborativo.
7. Contribuye a la generacin de un ambiente que facilite el desarrollo sano e
integral de los estudiantes.
8. Participa en los proyectos de mejora continua de su escuela y apoya la
gestin institucional.
10
Unidad 1
Recoleccin
de Datos
Objetivo:
El alumno:
En esta Unidad se pretende que el alumno se forme una idea de los conceptos bsicos
de la estadstica, con el fin de que se le facilite la introduccin al curso.
En la vida cotidiana se presentan fenmenos que requieren del empleo de una serie de
tablas, medidas, grficas, de su anlisis e interpretacin para comprenderlos, lo cual nos
lleva a plantearnos una serie de interrogantes donde para poder responderlas la
Estadstica da a da va ganando mayores adeptos, convirtindose en un mtodo efectivo
para describir con exactitud los valores y datos de situaciones problemticas de las
distintas ciencias agrcolas, biolgicas, de salud, econmicas, educativas, fsicas,
polticas, psicolgicas, sociales, etctera.
Estadstica
Rama de las matemticas que estudia los datos cuantitativos reunidos por
observacin con el fin de estudiar y comparar las fuentes de varianza de los
fenmenos, de aceptar o de rechazar las hiptesis que afectan a las relaciones
entre los fenmenos y de ayudar a hacer unas inferencias a partir de las
observaciones. Kerlinger De Landsheere.
Es la tcnica o proceso matemtico de recoleccin, descripcin, organizacin,
anlisis e interpretacin de datos numricos. Constituye un instrumento fundamental
de medida y de investigacin dada su capacidad de expresin cuantitativa. Mario
Tamayo
Conocimiento de las relaciones, caractersticas o propiedades de los fenmenos
que se repiten o se presentan con cierta regularidad llegando a constituir una clase
especial de fenmenos. Mario Tamayo.
En el lenguaje corriente, el trmino se suele usar en dos sentidos diferentes. En
plural (estadsticas), como sinnimo de ordenacin de datos numricos (por
ejemplo, estadsticas de viviendas construidas por intermedio del banco
hipotecario); en singular, el trmino se aplica a la ciencia estadstica, cuyo objeto es
el de recopilar, presentar, analizar e interpretar datos, referentes a hechos, con el fin
de estudiar fenmenos susceptibles de expresin numrica. Ander Egg.
Referente a los mtodos para la obtencin de datos, su anlisis y resumen, as
como la deduccin de las consecuencias a partir de las muestras obtenidas de los
eventos. C. Monroy Olivares
12
Recoleccin de Datos
Se cree que de 2000 a 2500 A.C., los chinos y los egipcios efectuaron censos que
eran simples inventarios elementales. Desde su creacin la Estadstica se ha
enriquecido continuamente con los aportes matemticos, filosficos y cientficos.
Lincoyan Portus.
Contabilidad. Los contadores pueden aplicar los pronsticos de Ventas o Cuentas por
Cobrar, as con los resultados obtenidos pueden fijar nuevas estrategias de crdito.
Mercadotecnia. Se utiliza para posicionar los productos, fijar precios, bajar los costos
por publicidad de acuerdo a los resultados obtenidos.
13
Probabilidad y Estadstica 1
La Estadstica Descriptiva: Es aquella que utiliza tcnicas y medidas que indican las
caractersticas de los datos disponibles. Comprende el tratamiento y anlisis de datos
que tienen por objeto resumir y describir los hechos que han proporcionado la
informacin, y que por lo general toman la forma de tablas, grficos, cuadros e ndices.
Se llama descriptiva por ser su fin primordial la descripcin de las caractersticas
principales de los datos obtenidos. Mario Tamayo.
Para la realizacin de este experimento, y debido al gran nmero de personas que habra
de sondear, queda fuera de consideracin el hecho de observar a todos los conductores
de automvil. Por lo que sera necesario estudiar slo un pequeo grupo de ellos
TAREA 3 (muestra), siendo sta la parte que le corresponde a la estadstica descriptiva: El hecho de
observar a los conductores, tomar y anotar los datos de forma organizada, hacer una
descripcin del carcter y sexo del individuo observado, hacer una presentacin de los
datos obtenidos y por ltimo, analizar los resultados de la muestra.
Pgina 27. Sin embargo, al estar en observacin slo un grupo representativo de conductores, cabe
la posibilidad de que las conclusiones a las que se pudieran llegar no sean tan precisas y
podra no tenerse la certeza de que se ha tomado la inferencia correcta.
14
Recoleccin de Datos
Es aqu donde entra en juego la estadstica inferencial, al considerarse como una ayuda
para la toma de decisiones cuando las condiciones de certidumbre estn en juego. La
estadstica inferencial nos proporciona los mtodos que nos permiten estimar el grado de
confiabilidad de las conclusiones. Por lo que en cada proposicin estadstica hecha, se
debe indicar la probabilidad de ocurrencia de los actos observados o descubrimientos
hechos para as tomar decisiones que sean aplicables a todos los conductores de
automviles.
1.1.3. Definiciones.
N = 750,000
"Se llama muestra a una parte de la poblacin a estudiar que sirve para representarla".
Murria R. Spiegel (1991).
Denotamos al tamao de la muestra por n. En nuestro ejemplo una muestra podra ser:
500 conductores elegidos al azar, en este caso quedar
Muestra n = 500 y
Poblacin N =750,000
Las caractersticas de la muestra dependen del criterio del muestreo empleado para su
determinacin. Sin embargo, para que una muestra sea representativa de la poblacin,
sta deber contener aproximadamente entre el 5 % y el 10 % de los datos de la
poblacin cuando sta es finita, adems los elementos de la muestra deben ser
escogidos al azar (a la suerte) y se deben observar todas las caractersticas que se
observan en la poblacin.
15
Probabilidad y Estadstica 1
Tipos de variable
Para su estudio, las variables aleatorias se han clasificado segn la naturaleza de los
valores que toman en:
1. Variables Numricas:
a) Variables Numricas Discretas
b) Variable Numrica Continua
2. Variables Categricas:
a) Variables Categricas Nominales
b) Variables Categricas Ordinales
Variables Numricas Discretas: son aquellas que solamente toman valores enteros con
rango finito.
Variable Numrica Continua: son aquellas que pueden tomar cualquier valor entre dos
valores dados. Es decir, el rango contiene no slo valores enteros sino un intervalo
(finito o infinito) de valores reales (esto es, que puede ser fraccionario, decimal o
irracional).
16
Recoleccin de Datos
Variables Categricas o Cualitativas: son aquellas a las que no se les puede asignar o
identificar con un valor numrico, sino con un aspecto, cualidad o caracterstica que las
distinga y que no se pueden medir sino solo observar, a ese aspecto, cualidad o
caracterstica se le llama categora.
Variables Categricas Nominales: son aquellas a las que no se les puede asignar un
orden, es decir que slo permite clasificacin en categoras por mencin de sta.
Ejemplo: La nacionalidad de una persona, idioma, sexo, himnos nacionales.
Variables Categricas Ordinales: son aquellas que adems de clasificar a los elementos
en distintas categoras les podemos asignar un orden o que podemos ordenar de acuerdo
a cierta caracterstica.
Para Organizar los datos: existen muchas formas de clasificarlos, en general pueden
ser determinados de acuerdo a cuatro elementos que son: Tiempo, lugar, cantidad y
cualidad.
17
Probabilidad y Estadstica 1
Los principales elementos de una tabla estadstica son: Ttulo, unidades, encabezado,
cuerpo o contenido, nota de pie y referencias; la informacin contenida en una tabla
estadstica tambin se puede presentar mediante graficas, siendo las ms comunes las
de lneas, barras, pictogrficas, cronogramas, circulares o de pastel, histograma y
polgono de frecuencias.
Se le llama Experimento a toda accin o prueba que se realiza con el fin de observar su
resultado. Existen dos tipos de experimentos, que son:
Experimento Determinista: son aqullos en los que se puede predecir con certeza su
resultado antes de que ste se presente.
Se llama Muestreo al estudio que se hace de una poblacin por medio de muestras
representativas, debidamente elegidas de manera que posea todas las caractersticas
de una poblacin y de tamao determinado segn la precisin que de ella se quiere
obtener en las decisiones y conclusiones estadsticas posteriores.
18
Recoleccin de Datos
Un censo debe cumplir las condiciones de universalidad (censar a todos los elementos de
la poblacin) y simultaneidad (realizarse en un momento determinado).
El trmino censo no slo se aplica a aquellos estudios que comprenden todas las
unidades del pas y que se realizan con frecuencia de recoleccin quinquenal o decenal,
como es el caso de los censos de poblacin, econmicos, agropecuarios, etctera, sino
tambin a cualquiera independientemente de su cobertura geogrfica, nmero de
unidades de informacin, o frecuencia de su recoleccin, siempre que incluya todas las
unidades que componen el universo que se investiga.
Una Poblacin es Finita: cuando existe una cantidad determinada de elementos por
analizar; esto es, una cantidad de elementos, numerable y que en determinado
momento finaliza.
Ejemplo:
Ejemplo:
19
Probabilidad y Estadstica 1
El muestreo Aleatorio simple es el tipo de muestreo en el cual todos y cada uno de los
elementos de la poblacin se elige de tal forma que tengan la misma posibilidad de ser
seleccionados y pertenecer a la muestra.
Esta constante nos sirve para determinar cada cuntos elementos o cada cunto tiempo
se debe elegir el siguiente; para ello hay que elegir al azar un nmero entre 1 y Cs; de ah
en adelante tomar uno de cada K a intervalos regulares. Es conveniente tener en cuenta la
periodicidad del fenmeno.
El muestreo sistemtico suele ser ms preciso que el aleatorio simple, ya que recorre la
poblacin de un modo ms uniforme.
20
Recoleccin de Datos
21
Probabilidad y Estadstica 1
22
Recoleccin de Datos
Nombre ____________________________________________________________
TAREA 1 Nm. de lista ____________ Grupo __________________ Turno ___________
Nm. de Expediente _____________________ Fecha _____________________
INSTRUCCIONES: Consulta la pgina www.consulta.com.mx, elige un estudio realizado y determina cuales son los
distintos conceptos estadsticos que aparecen, tales como:
a) Poblacin.
b) Muestra elegida.
c) Muestreo aplicado.
d) Variables involucradas
23
Probabilidad y Estadstica 1
Revisin: _____________________________________________________
Observaciones:________________________________________________
______________________________________________________________
______________________________________________________________
______________________________________________________________
_
24
Recoleccin de Datos
Nombre ____________________________________________________________
TAREA 2 Nm. de lista ____________ Grupo __________________ Turno ___________
Nm. de Expediente _____________________ Fecha _____________________
25
Probabilidad y Estadstica 1
Revisin: _____________________________________________________
Observaciones:________________________________________________
______________________________________________________________
______________________________________________________________
______________________________________________________________
_
26
Recoleccin de Datos
Nombre ____________________________________________________________
TAREA 3 Nm. de lista ____________ Grupo __________________ Turno ___________
Nm. de Expediente _____________________ Fecha _____________________
INSTRUCCIONES: Elabora dos ejemplos en donde se desglose la Estadstica descriptiva y la Estadstica inferencial.
27
Probabilidad y Estadstica 1
Revisin: _____________________________________________________
Observaciones:________________________________________________
______________________________________________________________
______________________________________________________________
______________________________________________________________
_
28
Recoleccin de Datos
Nombre _________________________________________________________
AUTOEVALUACIN
Nm. de lista ____________ Grupo ________________ Turno __________
Nm. de Expediente ___________________ Fecha ____________________
3. Conjunto de datos cuya finalidad es suministrar informacin acerca de una poblacin en donde todos los
elementos deben tener todas las caractersticas de la poblacin.
Poblacin
Muestra
Estadstica
Datos
5. As se le llama al estudio que se hace de una poblacin por medios de muestras representativas que posea
todas las caractersticas de una poblacin:
Muestra
Muestreo
Experimento
Organizar
29
Probabilidad y Estadstica 1
30
Recoleccin de Datos
1. Recorta de un peridico una nota o noticia informativa donde se involucre a la estadstica, pgala en tu
cuaderno, analzala y determina:
a) La poblacin de estudio.
b) La muestra elegida.
c) Las variables involucradas.
2. Propn por escrito, al menos dos maneras diferentes de cmo podras elegir al azar una muestra de cinco
compaeros de tu grupo.
3. A continuacin se te proporciona una serie de variables estadsticas, clasifica cada una como nominal, ordinal,
discreta o continua segn corresponda.
a) Peso.
b) Promedio escolar.
c) Estado civil.
d) Semestre que cursa.
e) Mes de nacimiento.
f) Nmero de hermanos por alumno.
g) Deporte favorito.
h) Tiempo invertido al da en el chat.
4. Realiza en equipo (mximo cinco alumnos) un estudio y anlisis de una investigacin mdica, industrial, el
comercio, etc. Apoyada con estadsticas y determina que conceptos de la estadstica se involucran e
identifican.
31
Probabilidad y Estadstica 1
32
Unidad 2
Representacin
Tabular y
Grfica
Objetivos:
El alumno:
Organizador anticipado:
Una presentacin de un informe ordenado con las observaciones de
un fenmeno, nos puede proporcionar comprensibilidad y mayor
significancia en el manejo y estudio de las mismas, sobre todo
puede lograrse una mayor sntesis si las ordenamos conforme a una
tabla o distribucin de frecuencias; sin embargo, y aunque la Temario:
distribucin de frecuencias es quizs el recurso mayormente utilizado Distribucin de Frecuencias.
al momento de realizar el estudio de algn fenmeno, es tambin Frecuencia absoluta, absoluta
deseable que pudiramos utilizar este recurso para observar y acumulada, relativa y relativa
describir el fenmeno con valores ms resumidos de la informacin, acumulada.
sobre todo si atendemos a la caracterstica natural de la distribucin Construccin de distribucin
de datos a concentrarse hacia el centro, permitindonos tambin o tabla de frecuencias para
estudiar y describir la variabilidad o dispersin de la distribucin de datos no agrupados y
los datos. agrupados.
Representacin Grfica.
Histograma
Polgono de frecuencias
Ojiva
De barras
Circular
Probabilidad y Estadstica I
Evaluacin Diagnstica:
Antes de iniciar esta Unidad se recomienda revisar los temas de la siguiente lista
y resolver algunos ejercicios y presentarlos al profesor para que su revisin y
retroalimentacin por las observaciones y sugerencias que te haga del mismo.
2.1. DISTRIBUCIN DE
FRECUENCIAS
Concepto:
34
Representacin Tabular y Grfica
124 3
35
Probabilidad y Estadstica I
La denotaremos por fa
Asignatura de Preferencia
xi f fa fr f ra
tica y valores 5 5 0.1 0.1
Informtica 9 14 0.18 0.28
Ingls 10 24 0.2 0.48
Matemticas 9 33 0.18 0.66
Qumica 6 39 .12 0.78
Sociales 4 43 0.08 0.86
Taller de lectura 7 50 0.14 1.00
Total 50 1.00
36
Representacin Tabular y Grfica
Coeficiente Intelectual
xi f fa fr f ra
106 3 3 0.15 0.15
109 5 8 0.25 0.40
112 7 15 0.35 0.75
119 2 17 0.10 0.85
124 3 20 0.15 1.00
Total 20 1.00
Datos agrupados
Cuando el tamao de la muestra es considerable o grande y los datos
numricos son muy diversos (n>15), conviene agrupar los datos de tal manera
que permita establecer patrones, tendencias o regularidades de los valores
observados. De esta manera podemos condensar y ordenar los datos tabulando
las frecuencias asociadas a ciertos intervalos de los valores observados.
Intervalos de Clase: Son los intervalos en los que se agrupan y ordenan los
valores observados. Cada uno de estos intervalos est delimitado (acotado) por
dos valores extremos que les llamamos lmites.
K= 1 + 3.3 Log n
Donde: K=Nmero de intervalos el cual siempre debe ser un nmero
entero. Razn por la cual se deber redondear el resultado al entero ms
cercano.
n = Nmero de datos.
Log = logaritmo en base 10.
37
Probabilidad y Estadstica I
38
Representacin Tabular y Grfica
Tambin ser muy til conocer y calcular la Marca de Clase (MC) de cada
intervalo: Se refiere al Punto Medio del intervalo y a travs de l representaremos
a todo el intervalo y una de las maneras de calcularla es promediando los
valores lmite de cada intervalo, su frmula es:
Li Ls
MC =
2
EJEMPLO 2.1.4: Un grupo de investigadores pertenecientes a la secretara de
seguridad pblica, tom una muestra aleatoria de las velocidades (km/h)
registradas por 30 vehculos en el trayecto Hermosillo a Ures, con el fin de
establecer nuevos lmites mximos de velocidad para una carretera. La muestra
arrojo los datos siguientes:
90, 99, 104, 99, 119, 98, 95, 112, 95, 120, 100, 90, 116, 96, 114, 108, 98, 118,
100, 106, 114, 100, 112, 106, 100, 115, 111, 105, 114, 97
Toda vez que se tienen los datos, se recomienda ordenarlos de menor a mayor o
viceversa
90, 90, 95, 95, 96, 97, 98, 98, 99, 99, 100, 100, 100, 104,
105,106, 108, 111, 112, 112, 114, 114, 115, 116, 118, 119, 120
Ahora llevamos a la prctica los pasos descritos anteriormente para la
construccin de los intervalos.
39
Probabilidad y Estadstica I
xi f fa fr f ra mc
Intervalos de Clase
[ 90 95) 2 2 0.07 0.07 92.5
[ 95 100) 8 10 0.27 0.34 97.5
[100 105) 5 15 0.17 0.51 102.5
[105 110) 4 19 0.13 0.64 107.5
[110 115) 6 25 0.20 0.84 112.5
TAREA 2 [115 120] 5 30 0.16 1.00 117.5
Total 30 1.00
Pgina 49.
2 .2 . REPRESENTACIN
GRFICA
En este curso se abordarn los grficos como un vehculo de presentacin y
herramienta en la estadstica, que permite conocer los resultados de un hecho
observable de todas las tendencias presentes con los datos obtenidos y hacer el
anlisis del estudio y tomar decisiones.
Los grficos son muy tiles como apoyos e incluso sustitutos de las tablas o
distribuciones y como una herramienta para el anlisis de los datos, lo que los
convierte en el medio ms efectivo para la presentacin, descripcin, resumen y
anlisis de la informacin
40
Representacin Tabular y Grfica
Grfica de Barras:
Grfico de Barras:
Prueba de Coeficiente Intelectual (C. I.)
8
Frecuencias
0
106 109 112 119 124
Coeficiente Intelectual
41
Probabilidad y Estadstica I
Grfica Circular:
Grfica Circular:
Prueba de Coeficiente Intelectual
Prueba de Coeficiente Intelectual
124 106
15% 15%
119
10%
109
25%
112
35%
TAREA 3
Grfico de menor a mayor dato Grfico circular de mayor a menor porcentaje
Histograma:
Pgina 51. Es una grafica en forma de barras que consta de dos ejes, uno horizontal,
llamado eje de la variable en observacin, en donde situamos la base de una
serie de rectngulos o barras contiguas; es decir, que no van separadas, y que
se rotula con los lmites inferiores de cada clase o intervalo excepto el ltimo que
deber llevar tambin el lmite superior, centradas en la marca de clase. Y un eje
vertical llamado eje de las frecuencias, en donde se miden las alturas que vienen
dadas por la frecuencia del intervalo que representa. Todos los intervalos deben
tener la misma longitud.
12
11
10
9
8
frecuencia
7
6
5
4
3
2
1
0
90
95
100
105
110
115
120
Velocidades
42
Representacin Tabular y Grfica
10
97.5
8
Frecuencias
112.5
6 102.5 117.7
107.5
4
92.5
2
0
Velocidades
Polgono de Frecuencias:
Pginas 53 y 55.
es una grfica del tipo de las grficas de lneas trazadas sobre las marcas de
clase, (de ah el nombre de polgono), y se traza uniendo con segmentos de
recta, de izquierda a derecha, las parejas ordenadas que se forman, al
considerar como abscisa la marca de clase (eje horizontal) y como ordenada la
frecuencia del intervalo representado (eje vertical); la primera y ltima parejas
ordenadas se unen mediante un segmento de recta al eje horizontal, con las que
seran la marca de clase anterior y posterior respectivamente si estas existieran.
43
Probabilidad y Estadstica I
12
11
10
9
8
Frecuencias 7
6
5
4
3
2
1
0
90 95 100 105 110 115 120
Velocidades
10
8
Frecuencias
4
2
0
92.5 97.5 102.5 107.5 112.5 117.5
Marcas de Clase: Velocidades
44
Representacin Tabular y Grfica
1.2
1
0.8
0.6
0.4
0.2
0
95 100 105 110 115 120
Lmites superiores de clase: Velocidades
TAREA 4
Pgina 57.
45
Probabilidad y Estadstica I
46
Representacin Tabular y Grfica
Nombre ____________________________________________________________
TAREA 1 Nm. de lista ____________ Grupo __________________ Turno ___________
Nm. de Expediente _____________________ Fecha _____________________
INSTRUCCIONES: Pregunta a 30 compaeros tuyos qu carrera piensan estudiar, con los datos obtenidos calcula
la:
Frecuencia Absoluta.
Frecuencia Absoluta Acumulada.
Frecuencia Relativa.
Frecuencia Relativa Acumulada.
Marca de Clase
xi f fa f ra
fr mc
Intervalos de Clase
47
Probabilidad y Estadstica I
Revisin: _____________________________________________________
Observaciones:________________________________________________
______________________________________________________________
______________________________________________________________
______________________________________________________________
_
48
Representacin Tabular y Grfica
Nombre ____________________________________________________________
TAREA 2 Nm. de lista ____________ Grupo __________________ Turno ___________
Nm. de Expediente _____________________ Fecha _____________________
INSTRUCCIONES: Recopila las estaturas (en metros) de todos los compaeros de tu grupo y rene estos datos en
una tabla que contenga
xi f fa fr f ra mc
Intervalos de Clase
49
Probabilidad y Estadstica I
Revisin: _____________________________________________________
Observaciones:________________________________________________
______________________________________________________________
______________________________________________________________
______________________________________________________________
_
50
Representacin Tabular y Grfica
Nombre ____________________________________________________________
TAREA 3 Nm. de lista ____________ Grupo __________________ Turno ___________
Nm. de Expediente _____________________ Fecha _____________________
INSTRUCCIONES: Aplica una encuesta con los 40 estudiantes del COBACH con respecto al medio de transporte
utilizado con mayor frecuencia para trasladarse a la escuela.
Con los datos obtenidos elabora una distribucin de frecuencias absolutas y contenga el grfico circular, as
como el grfico de barras para esta distribucin.
xi f fa fr f ra mc
Intervalos de Clase
51
Probabilidad y Estadstica I
Revisin: _____________________________________________________
Observaciones:________________________________________________
______________________________________________________________
______________________________________________________________
______________________________________________________________
_
52
Representacin Tabular y Grfica
Nombre ____________________________________________________________
TAREA 4 Nm. de lista ____________ Grupo __________________ Turno ___________
Nm. de Expediente _____________________ Fecha _____________________
INSTRUCCIONES: Con los datos de la tarea 2, construye los cuatro diferentes tipos de histogramas de
frecuencias.
53
Probabilidad y Estadstica I
Revisin: _____________________________________________________
Observaciones:________________________________________________
______________________________________________________________
______________________________________________________________
______________________________________________________________
_
54
Representacin Tabular y Grfica
Nombre _________________________________________________________
AUTOEVALUACIN
Nm. de lista ____________ Grupo ________________ Turno __________
Nm. de Expediente ___________________ Fecha ____________________
55
Probabilidad y Estadstica I
56
Unidad 3
Medidas de
Centralizacin
y Variabilidad.
Objetivos:
El alumno:
Temario:
Medidas de tendencia central:
Media
Mediana
Moda
Medidas de Variabilidad
Rango
Varianza
Desviacin estndar
Probabilidad y Estadstica I
3.1. MEDIDAS DE
CENTRALIZACIN
a) Rango ( R )
Medidas de b) Desviacin Media ( D. M )
Variabilidad o c) Varianza (S2 )
Dispersin d) Desviacin estndar o tpica ( S )
Para variables numricas en las que puede haber un gran nmero de valores
observados distintos, se ha de optar por un mtodo de anlisis distinto,
respondiendo a la siguiente pregunta:
Alrededor de qu valor se agrupan los datos?
58
Medidas de Centralizacin y Variabilidad
x Donde:
x Smbolo de sumatoria que indica que se deber sumar lo
n
que aparezca a derecha, es decir, x.
X Cada uno de los datos obtenidos de la muestra.
n Nmero total de datos.
Como ejemplo, consideremos 10 pacientes de edades 21 aos, 32, 15, 59, 60, 61,
64, 60, 71, y 80. La media de edad de estas personas ser de:
21 32 15 59 60 61 64 60 71 80
x
10
x 52.3aos
Desventajas
La principal desventaja se presenta cuando alguno o los dos valores
extremos de la muestra son desproporcionados respecto al resto de los
datos, sobre todo cuando stos son poco numerosos. En este caso la
media se aleja de la realidad; es decir, deja de ser representativa de los
datos.
3. La media de 6 elementos se sabe que es 10. Sabiendo que cinco de ellos son:
8, 12, 13, 5 y 9, hallar el elemento que falta
59
Probabilidad y Estadstica I
b) Mediana
En esta medida, los datos u observaciones equidistantes o que se encuentran
ms en medio de todo el conjunto de datos.
La mediana del ejemplo anterior, sera el valor que deja a la mitad de los datos
por encima de dicho valor, y a la otra mitad por debajo, es decir el 50 % por arriba
y el 50% por debajo del conjunto de datos.
5, 21, 32, 59, , 60,60 61, 64, 71, 80. (Nmero de observaciones par)
0
60 60 ~
x x x 60aos
2
Si al ejemplo anterior le agregamos un paciente ms de 55 aos entonces la
mediana se determinar como el dato u observacin que se encuentra ms en el
medio es decir:
~) = 60 aos
5, 21, 32, 55, 59, 60, 60,61, 64, 71, 80. Entonces la mediana (x
Desventajas
a) La ms importante, es que no podemos hacer clculos adicionales con la
mediana.
b) No utiliza mucha informacin de un conjunto de datos.
c) Finalmente, al menos que dispongamos de una computadora o unos
esclavos, no es fcil ordenar un conjunto grande de nmeros. En este caso, la
mediana no es fcil de calcular.
60
Medidas de Centralizacin y Variabilidad
Instrucciones: EJERCICIO 2
1. Determinar la mediana para el siguiente conjunto de datos
a) 5, 6, 9, 11, 15, 19, 23, 26, 27.
c) Las calderas de una planta de energa de vapor a alta presin tuvieron las
siguientes eficiencias en porcentajes: 90.3, 91.6, 90.9, 90, 90.3, 91.0, 87.9,
89.4. Cual es el significado de la mediana en este caso?
Ejemplo 1: En el caso del ejemplo anterior, 5, 21, 32, 59, 60, 60, 61, 64, 71, 80. La
moda ser: x = 60 aos. (Unimodal)
1, 1, 2, 2, 2, 3, 3, 3, 3, 4, 4, 4, 4, 5, 6.
x 3 y4 Bimodal
VENTAJAS
Es la que ms fcilmente se determina, puesto que la obtenemos por
inspeccin y no por cmputo.
61
Probabilidad y Estadstica I
62
Medidas de Centralizacin y Variabilidad
Los datos anteriores se pueden presentar por medio de una tabla de frecuencias
como sigue:
Calificacin 38 49 50 60 63 65 69 70 75 77 80 82 85 88 90 95 100
Nmero de
1 1 2 2 1 1 1 1 4 1 3 1 1 2 2 5
Estudiantes
Tabla 1
Con la informacin del presente ejemplo, primero hay que decidir en cuantas
clases deber dividirse el intervalo y despus su amplitud. De acuerdo a la
experiencia, se recomienda entre 5 y 20 clases, resulta conveniente construirlas
de modo que todas las clases tengan la misma anchura, la cual recibe el nombre
de amplitud de Clase (A).
63
Probabilidad y Estadstica I
La seleccin del nmero adecuado de clases y los cortes entre ellas es un asunto
de criterio y de experiencia. Sin embargo, aqu se dan unas reglas empricas para
calcular el nmero mximo de clases, (Hoaglin, et. al., (1983) p. 22 y sigs.):
No se puede establecer que una es superior a otra, slo pueden utilizarse como
un punto de referencia. Cabe aclarar que se considera solamente la parte entera
que resulte del clculo.
Los autores hemos observado se puede ver que para cualquier n, el nmero de
intervalos o clases que funciona bastante bien es;
.
Para el caso del ejemplo anterior se aplicara primero la regla de Sturges:
K 1 3.3 log(n)
Donde:
R DM dm R= Rango de la distribucin
DM= dato mayor de la distribucin o conjunto de
datos
Dm= Dato menor de la distribucin o conjunto de
datos.
64
Medidas de Centralizacin y Variabilidad
R=73 49 =24
R=24
R 24 A= 4
A 4
K 6
Con la Amplitud o ancho del intervalo y a partir del dato menor que es:
49 le sumaremos 4 unidades que representa la amplitud del intervalo y as
sucesivamente hasta tener las seis clases que representa K.
Al construir la tabla con los lmites inferiores y superiores, tendremos los lmites de
clase de la distribucin de la siguiente manera:
INTERVALOS DE CLASE
[49 , 53)
[ 53 , 57)
[57 , 61)
[61 , 65)
[65 , 69)
[69 , 73]
Tabla 2
Esta informacin nos servir para conocer cuantos datos estn contenidos dentro
de cada intervalo de clase, por ejemplo:
Para en el primer intervalo de clase : [49 , 53) tendremos los siguientes datos que
los llamaremos frecuencias absolutas de la primera clase: [ 49, 49.8, 49.8 , 50.0,
50.3, 50.5, 50.5, 50.6, 51.0, 52.0); el 53.5 lo tomaremos en cuenta hasta el
siguiente intervalo, as sucesivamente, hasta completar toda la distribucin o
conjunto de datos.
65
Probabilidad y Estadstica I
Marca de Clase
Intervalos De Clase Conteo Frecuencia Absoluta(fa)
(Mc)
[49 , 53) //// //// // 10 51
[ 53 , 57) //// /// 7 55
[57 , 61) //// / 5 59
[61 , 65) /// 3 63
[65 , 69) //// /// 7 67
[69 , 73] //// //// 8 71
Total n=40
DISTRIBUCIN DE FRECUENCIAS ABSOLUTAS
Tabla 3
66
Medidas de Centralizacin y Variabilidad
Mcfa
X
n
Donde:
n
f a anteriores Li = Lmite inferior de la mediana
x Li 2 A
f mediana n = Suma total de frecuencias
absolutas
f a anteriores = Suma de todas
las frecuencias absolutas
que anteceden a la
mediana
f mediana = Frecuencia de la
mediana
A= Amplitud del intervalo de clase
Tabla 3
67
Probabilidad y Estadstica I
n 40
Determinaremos primero que ser en nuestro caso 20 , despus
2 2
contaremos el total de frecuencias absolutas de la segunda columna hasta llegar
a 20, sin exceder de esta cantidad ( (n 20) , es decir:
~
x= 57
17 5
4
5
~x =66.6
~
x = 57 12 4 ~x =57+9.6
5
40 ,50 5
x 50 ,60 8
60 ,70 2
70,80 1
total 20
Esto significa que la clase que contiene a la mediana ser la tercera clase, por lo
tanto la mediana ser:
10 9 x 51.25
x 50 (10 )
8
68
Medidas de Centralizacin y Variabilidad
1.55 160 6
1.60 165 8
1.65 1.70 10
1.70 1.75 5
1.75 1.80 2
Totales 35
Tabla 4
da
x Li A
da dp
Donde:
2 2
x 1.65 0.05 x 1.65 0.05
2 5 7
x 1.66
69
Probabilidad y Estadstica I
Las medidas de tendencia central tienen como objetivo el sintetizar los datos en
un valor representativo, las medidas de dispersin nos dicen hasta que punto
estas medidas de tendencia central son representativas como sntesis de la
informacin. Las medidas de dispersin cuantifican la separacin, la dispersin, y
la variabilidad de los valores de la distribucin respecto al valor central.
Distinguimos entre medidas de dispersin absolutas, que no son comparables
entre diferentes muestras y las relativas que nos permitirn comparar varias
muestras.
Ventajas
a) Es fcil de calcular y es comnmente usado como una medida burda pero
eficaz de variabilidad
b) Es comprensible para cualquier persona; aun cuando no conozca de
Estadstica
Desventajas
a) No utiliza todas las observaciones (slo dos de ellas) los extremos, ignorando
los valores intermedios
b) Se puede ver muy afectado por algunas observaciones o datos extremos
c) El rango aumenta con el nmero de observaciones, o bien se queda igual. En
cualquier caso nunca disminuye.
d) No es aconsejable para muestras grandes slo para muestras pequeas
70
Medidas de Centralizacin y Variabilidad
71
Probabilidad y Estadstica I
72
Medidas de Centralizacin y Variabilidad
c) Varianza (S2) Para calcular la varianza para datos no agrupados nos apoyaremos Esta varianza se obtiene
en la siguiente frmula: como la suma de las
diferencias de los
cuadrados y por tanto
Donde: tiene unidades de
2 S2= Varianza
x x medida el cuadrado de
2
s sumatoria las unidades de medida
n 1 en que se mide la
x=cada uno de los datos de la distribucin
variable estudiada
x = Media aritmtica
n=total de datos de la distribucin
Como ejemplo: Las calderas de una planta de energa de vapor a alta presin
tuvieron las siguientes eficiencias en porcentajes: 90.3, 91.6, 90.9, 90.4, 90.3,
91.0, 87.9, 89.4.
d) Desviacin Tpica o estndar(S) La frmula para determinar esta mediada Recuerda que la
estadstica ser la siguiente: desviacin tpica o
estndar slo tomar
los valores positivos del
s=desviacin tpica o estndar radical
s s2 Donde s2= varianza de la distribucin
s 8.65 2.94
Esto significa que las eficiencias de la caldera de la planta de energa se dispersan
en promedio 2.94 unidades con respecto a la media aritmtica
73
Probabilidad y Estadstica I
74
Medidas de Centralizacin y Variabilidad
Nombre ____________________________________________________________
TAREA 1 Nm. de lista ____________ Grupo __________________ Turno ___________
Nm. de Expediente _____________________ Fecha _____________________
INSTRUCCIONES: Cita un ejemplo tomado de la vida real en el cual la media aritmtica es ms til que la
moda o la mediana. Haz lo mismo para la moda y la mediana.
75
Probabilidad y Estadstica I
Revisin: _____________________________________________________
Observaciones:________________________________________________
______________________________________________________________
______________________________________________________________
______________________________________________________________
_
76
Medidas de Centralizacin y Variabilidad
Nombre ____________________________________________________________
TAREA 2 Nm. de lista ____________ Grupo __________________ Turno ___________
Nm. de Expediente _____________________ Fecha _____________________
77
Probabilidad y Estadstica I
Revisin: _____________________________________________________
Observaciones:________________________________________________
______________________________________________________________
______________________________________________________________
______________________________________________________________
_
78
Medidas de Centralizacin y Variabilidad
Nombre ____________________________________________________________
TAREA 3 Nm. de lista ____________ Grupo __________________ Turno ___________
Nm. de Expediente _____________________ Fecha _____________________
INSTRUCCIONES: Consigue en tu casa por lo menos 7 recibos de pago del consumo de agua y con los siete
montos de pago calcula las distintas medidas de centralizacin y dispersin.
79
Probabilidad y Estadstica I
Revisin: _____________________________________________________
Observaciones:________________________________________________
______________________________________________________________
______________________________________________________________
______________________________________________________________
_
80
Medidas de Centralizacin y Variabilidad
Nombre ____________________________________________________________
TAREA 4 Nm. de lista ____________ Grupo __________________ Turno ___________
Nm. de Expediente _____________________ Fecha _____________________
81
Probabilidad y Estadstica I
Revisin: _____________________________________________________
Observaciones:________________________________________________
______________________________________________________________
______________________________________________________________
______________________________________________________________
_
82
Unidad 4
Probabilidad
Objetivos:
El alumno:
Temario:
Teora de Conjuntos.
Conceptos bsicos de
probabilidad.
Probabilidad y Estadstica I
4 .1 . TEORA DE CONJUNTOS
Conceptos bsicos
Los objetos que componen al conjunto se llaman sus elementos (2) o miembros,
y se escriben con letras minsculas a, b, x, y, etctera.
Algunos conjuntos bsicos de la matemtica, llamados tambin Campos
Numricos:
D= Un da de la semana l = lunes l D
Z= Nmero entero n = 2 n Z
84
Probabilidad
DEJAR SANGRIA
A ={0, 1, 2, 3, 4, 5, 6, 7, 8, 9}
B = {a, v, e, s}
C = {Las soluciones de la ecuacin }
N = {1,2,3,4,5,6,...} = {nmeros naturales}
A = { a, e, i, o, u }
B = { 0, 2, 4, 6, 8 }
C = { c, o ,n , j, u, t, s }
D = {A, B, E, C, D, R, I, O}
85
Probabilidad y Estadstica I
CUADRO COMPARATIVO
POR EXTENSIN POR COMPRENSIN
A = {a, e, i, o, u } A = {x/x es una vocal}
Un conjunto se dice finito si existe una biyeccin de los elementos del conjunto
con los nmeros naturales , en caso contrario se dice que el conjunto se
define como infinito.
EJERCICIO 1
Instrucciones:
Determinar cules de los siguientes conjuntos son finitos e infinitos
Igualdad de conjuntos
Se dice que 2 conjuntos A y B son iguales: cuando ambos tienen los mismos
elementos; es decir, si cada elemento de A pertenece a B y si cada elemento
que pertenece a B pertenece tambin a A. La igualdad se denota A = B.
86
Probabilidad
Esto se puede expresar tambin as: f(1) = {x, z}, f(2) = { } , f(3) = {z}.
Tambin se puede decir que f = {(1, x), (1, z), (3, z)}.
Ntese que este incluye el caso del conjunto vaco. NO es obligatorio, que
TODO elemento de A, est relacionado con alguno de B para decir que ese
subconjunto de A B es una relacin o correspondencia de A en B.
Cuando una correspondencia es tal que a CADA elemento del primer conjunto le
corresponde UNO Y SLO UNO del segundo conjunto, entonces se llama
aplicacin o funcin (este ltimo nombre es tal vez el ms comn en
Latinoamrica, en las traducciones mexicanas prefieren llamarlas aplicaciones o
mapeos).
EJERCICIO 2
1. El conjunto A= {X/X 3X = 6}. Es A = 2 ?
CONJUNTO VACO
El conjunto vaco es el nico conjunto que no tiene ningn elemento. La notacin
que se utiliza para representarlo es
EJERCICIO 3
1. Determinar cules de los siguientes conjuntos son iguales:
87
Probabilidad y Estadstica I
Definicin de conjunto
Conjunto potencia
EJEMPLOS
a).- Si N = {1, 2 } como podemos ver el conjunto tiene dos elementos y el
conjunto potencia tendr elementos y son:
EJERCICIO 4
88
Probabilidad
Conjunto universal
Es el conjunto que contiene a todos los elementos del Universo, se le denota por
la letra U. El universo lo forman el conjunto de conjuntos que intervienen.
Existe otro conjunto que incluye a los conjuntos A, B, C y D y es conjunto de Relacin de inclusin
todos los animales La relacin fundamental
que se puede definir entre
U = {animales}, Que es el conjunto universal de todos los anteriores.
conjuntos es la relacin
de inclusin
Conjuntos disjuntos
Se les llama as, cuando dos conjuntos A y B no tienen ningn elemento comn
entonces A y B son disjuntos. Ejemplos de conjuntos disjuntos y no disjuntos:
1.- Cuando A y B son disjunto no tienen ningn elemento en comn. Sea A
= {x I x es par} y B = {x I x es impar}.
2.- Estos dos conjuntos tienen a las vocales en comn por lo tanto no son
disjuntos:
Sea A = {x I x es una vocal} y B = {x I x es una letra del abecedario}.
X; X A B X AX B
Ejemplos: Si A = {1, 3, 5, 7, 9, 10} y
B = {2, 4, 6, 8, 10} entonces:
A U B = {1, 2, 3, 4, 5, 6, 7, 8, 9 ,10}
Si o ...
Las propiedades principales de la unin de conjuntos son las tres siguientes: ... son dos formas
abreviadas de
PROPIEDAD ASOCIATIVA: A (B C) representar en
matemticas
PROPIEDAD CONMUTATIVA: A B B A "si y slo si".
PROPIEDAD DE IDEMPOTENCIA: AU A=A
x...
Si combinamos la unin con la inclusin tendremos: A A ByB A B. ... es una forma de indicar
para todo x. Es decir,
INTERSECCIN DE CONJUNTOS es un cuantificador
La interseccin de dos conjuntos A y B es el conjunto A B, que tiene por universal.
elementos aquellos que pertenecen simultneamente a A y a B; O que se repiten
en ambos conjunto, formalmente lo indicamos as: x x A B x A y x
B.
89
Probabilidad y Estadstica I
Ejemplo
a) PROPIEDAD ASOCIATIVA: A (B C) = (A B) C.
c) PROPIEDAD DE IDEMPOTENCIA: A A = A.
X,
A\ B
A\B X A, X B
Ejemplo: Si A= {1, 2, 3,4} y B= {3, 4, 5,6}, entonces A \ B= {1,2}
Complemento absoluto.
X A' X U, X A
90
Probabilidad
EJERCICIO 5
Instrucciones.
1 Determina las siguientes operaciones entre conjuntos
2 Determinar:
a) A'
b) A C
c) (A C)'
d) A B
e) B\ C
Leyes Conmutativas
3. A B B A A B B A
Leyes distributivas
4. A B C AUB A C A B C A B A C
Leyes de Identidad
U= U U= A
Leyes de Complemento
U
c c
) =A Uc = c
=U
Leyes de De Morgan
7 A B c = Ac Bc A B c=Ac Bc
Tabla 4.1
91
Probabilidad y Estadstica I
Diagramas de Venn
La forma en que esos crculos se sobreponen entre s muestra todas las posibles
relaciones lgicas entre los conjuntos que representan. Por ejemplo, cuando los
crculos se superponen, indican la existencia de subconjuntos con algunas
caractersticas comunes.
A) UNIN B) INTERSECCIN
C)DIFERENCIA D)COMPLEMENTO
92
Probabilidad
EJEMPLOS 1:
a) A B,
b) A C
c) B C
d) A\B
e) A\C
93
Probabilidad y Estadstica I
A B (A B) c
94
Probabilidad
c) Primero Se sombrea (B\ A), el rea de B que no est en A, entonces, (B\ A)c es
el rea por fuera de (B\ A
Ac y Bc Ac Bc
a) A (B C) b) (A B) (A C)
95
Probabilidad y Estadstica I
A Y B C A (B C)
A ByA C (A B) (A C)
EJERCICIO 6
Instrucciones: en los siguientes diagramas de Venn, sombrear
I. a) W \ V b) V c W
96
Probabilidad
PROBLEMAS DE APLICACIN.
EJERCICIO 7
1. Cuntas personas tomaban t?
R1 +R3=6
2. Cuntas personas tomaban t y caf?
Solo R3= 5 personas
3 Cuntas personas no tomaban ninguna de las dos bebidas?
Solo R4 = 1 persona
4. Cuntas personas tomaban por lo menos una de esas dos bebidas?
R1+R2+R3= 11 personas
5. Cuntas personas tomaban slo una de esas dos bebidas
R1+R2 = 7 personas
6. Cuntas personas tomaban slo caf?
Solo R2= 5 personas
97
Probabilidad y Estadstica I
Nos encontraremos con que slo cuatro de ellos, los nmeros I), IV), V) y VII) se
pueden poner directamente:
Ahora con el dato II) se puede completar la nica zona que falta en el conjunto
MOTO, haciendo la diferencia 38 - (20+5+3) = 10
Luego utilizaremos el dato VI), si consideramos todas las zonas, excepto las
cuatro correspondientes al conjunto BICI, debern sumar 72
Luego 72 - (20+5+1) = 46:
98
Probabilidad
Despus de ello, podremos usar el dato III), si consideramos todas las zonas,
excepto las cuatro correspondientes al conjunto AUTO, debern sumar 9, luego
9 - (5+3+1) = 0:
Por ltimo utilizaremos el dato VIII) si consideramos todas las zonas, excepto las
cuatro correspondientes al conjunto MOTO, debern sumar 61, luego 61 -
(46+0+1) = 14:
a) A 99 personas
b) A ninguna
c) A 46 personas.
d) A 10 personas.
e) A 14 personas
99
Probabilidad y Estadstica I
1) Una encuesta sobre 500 personas revel los siguientes datos acerca del
consumo de dos productos A y B:
138 personas consuman A pero no B.
206 personas consuman A y B.
44 personas no consuman ni A ni B.
2. En un grupo de 90 alimentos,
36 productos contienen azcar,
32 tienen acido ctrico y 32 conservador;
6 productos contienen a la vez, azcar, acido ctrico y conservador;
12 contienen acido ctrico y azcar,
10 contienen conservador y azcar, y finalmente
8 contienen acido ctrico y conservador.
a) Cuntos productos contienen exclusivamente acido ctrico?
b) Cuntos slo azcar?
c) Cuntos contienen slo conservador?
4 .2 . CONCEPTOS BSICOS DE
PROBABILIDAD
Probabilidad: definiciones y conceptos
100
Probabilidad
Ahora bien, como los resultados obtenidos a partir de una muestra difieren de
los resultados que se obtendran si se observara la poblacin total o universo,
existe un riesgo al tomar la decisin. Es en este caso que se utiliza la
PROBABILIDAD como una medida de riesgo.
Instrucciones. EJERCICIO 9
Indicar para cada una de las siguientes situaciones si se trata de un fenmeno
aleatorio o un fenmeno determinstico.
101
Probabilidad y Estadstica I
a) Se sacan tres bolas una tras otra, sin reemplazamiento (sin introducir de
nuevo la que se saca), de una urna que contiene tres bolas numeradas del 1
al 3.
b) Se sacan dos bolas, una tras otra, con reemplazamiento (introduciendo la
que se saca), de una urna que contiene dos bolas numeradas 1 y 2.
c) Se sacan dos bolas, con reemplazamiento, de una urna que contiene tres
bolas numeradas del 1 al 3.
d) Lanzar dos monedas al aire.
e) Lanzar tres monedas.
102
Probabilidad
Evento Simple (E). Cada uno de los posibles resultados de un experimento y que
no se puede descomponer.
En el caso del lanzamiento del dado, cada uno de los posibles nmeros en la
cara del dado es un evento simple ya que no se puede descomponer en otros
eventos cuando los eventos se representan en un diagrama de Venn) se
denominan puntos Muestrales.
Instrucciones.
Ordene desde el menos probable hasta el ms probable los siguientes eventos. Si EJERCICIO 11
hubiera eventos imposibles y eventos seguros, selelos.
103
Probabilidad y Estadstica I
TABLA DE CONTINGENCIA
RANGO ACADMICO
Sexo Instructor Auxiliar Asociado Profesor Total
Hombre 100 170 80 50 400
Mujer 90 145 50 25 310
TOTAL 190 315 130 75 710
B) DIAGRAMAS DE VENN
Unin de eventos. La unin de los conjuntos A y B es la coleccin de elementos
que pertenecen a uno u otro de los conjuntos o a ambos. El evento unin de los
eventos A y B se realiza cuando sucede alguno de los dos o ambos.
Hay un caso en que los dos significados coinciden y es cuando los dos eventos
no pueden ocurrir juntos. Por ejemplo: Nio o nia. A dos eventos que no
pueden ocurrir juntos se les llama excluyentes.
104
Probabilidad
Decimos que el evento "A y B'' se realiza cuando el resultado del experimento
cabe dentro de la definicin de A y tambin cabe dentro de la definicin de B. Es
decir, "A y B'' sucede slo cuando ambos eventos suceden al mismo tiempo.
ENFOQUES DE LA PROBABILIDAD
n A (Regla de Laplace)
P A
n(S )
Donde n(A) es el nmero de veces que ocurre el evento en el experimento
aleatorio, en caso de ser en espacios equiprobables cada uno de los eventos
tiene la misma probabilidad de ocurrir.
105
Probabilidad y Estadstica I
EJEMPLO 1: Una urna tiene ocho bolas rojas, cinco amarillas y siete verdes. Si
extrae una bola aleatoriamente, determinar la probabilidad de que sea:
n( A) 8 2
a) P A ; Simplificando tenemos 0.4
n( S ) 20 5
b) Sea Amarilla.
5 1
P(B) 0.25
20 4
c) Sea verde
n(C) ={ Sea verde} n(C)=7. Por lo tanto la probabilidad de sacar una bola
verde ser:
7
P(C ) 0.35
20
AXIOMAS DE LA PROBABILIDAD
1. La probabilidad es positiva y menor o igual que 1.
0 P(A) 1
106
Probabilidad
PROPIEDADES DE LA PROBABILIDAD
P( A B) P A PB P A B
8 12 3
P (No roja) = P(AC)= 1- P(A) = 1- = = 0.6
20 20 5
e) Que no sea amarilla
5 15 3
P(No amarilla)= P(BC)= 1- P(B) = 1- = = 0.75
20 20 4
f) Que sea roja y amarilla
Nos pide que determinemos P(A B) es decir que simultneamente saquemos
una bola roja y amarilla; esto es un evento imposible ya que slo se nos permite
extraer una bola de la urna por lo tanto:
P(A B) =
107
Probabilidad y Estadstica I
a) Un AS.
No. de ases 4 1
a) P(AS) 0.1
No. de cartas 40 10
No. de oros 10 1
b) P(OROS) 0.25
No. de cartas 40 4
a) P (A B)
Aplicando la propiedad 3. P( A B) P A PB P A B
3 1 1 5
P (A B) = 0.625
8 2 4 8
b) P ( AC)
3 5
1
P ( AC)= 8 8 0.625
c) P (BC )
P(B)C = 1 P(B)
1 1
1 0.5
P (BC )= 2 2
108
Probabilidad
d) P(AC BC )
A B c
= Ac B c tendremos lo siguiente:
5 3
1 P(A B) 1 0.375
A B c
= Ac Bc = 8 8
1 1 1
P(B) - P(A B) 0.25
e) P (B AC )= 2 4 4
1 1 1 1
a) a1 = 2 , a2= 3 , a3 = 4 , a4= 5
1 1 1 1
b) a1 = 2 , a2= 3 , a3 = 4 , a4= 5
1 1 1 1
c) a1 = 2 , a2= 3 , a3 = 8 , a4= 8
1 1 1
d) a1 = 2 , a2= 4 , a3 = 4 , a4= 0
1 1 1 1
a) a) a1 = 2 , a2= 3 , a3 = 4 , a4= 5
1 1 1 1
b) a1 = 2 , a2= 3 , a3 = 4 , a4= 5
Puesto que una funcin de probabilidad no puede ser negativa en este caso:
1
a3 = 4 , La funcin no define un espacio de probabilidad.
109
Probabilidad y Estadstica I
1 1 1 1
c) a1 = 2 , a2= 3 , a3 = 8 , a4= 8 , de acuerdo con el axioma 2, P(S)=1
1 1 1 1
1
Si sumamos: a1+ a2 + a3+ a4 = 1 2 4 8 8 . Por lo tanto la
funcin define un espacio de probabilidad
1 1 1
d) a1 = 2 , a2= 4 , a3 = 4 , a4= 0
1 1 1
0 1
Si sumamos: a1+ a2 + a3+ a4 = 1 2 4 4 . Por lo tanto la funcin
define un Espacio de probabilidad
Ejemplo 3. Se Saca una esfera de una urna que contiene cuatro esferas rojas,
cinco blancas y seis negras. Determina la probabilidad de que la esfera sea:
a) Roja o blanca
b) Que no sea blanca
a) Roja o blanca.
4 5 9 3
0.6
P(R B) = 15 5 15 5
110
Probabilidad
P( A B) P A PB P A B .
A B est sombreado
P( A B) P A PB P A B
111
Probabilidad y Estadstica I
b) Slo Matemticas
n( L ) 20 1
P(L) 0.2
n( S ) 100 5
c) Matemticas y msica
n(L M) 10 1
P(L M) 0.1
n(S) 100 10
d) Matemticas o msica
n(L) n( M ) n( L M) 20 10 10 40 2
P( L M) 0.4
n( S ) 100 100 5
n(L) n( M ) n( L M) 30 20 10 40 2
P( L M) 0.4
n( S ) 100 100 5
Y da el mismo resultado
C n( L M ) C 30 15
P(L M) 0.3
n( S ) 100 50
112
Probabilidad
n( M C ) 40 2
P(M C) 0.4
n( S ) 100 5
P(La suma de puntos sea 7)={(1,6), (2,5), (3,4), (4,3), (5,2), (6,1)}
6 1
0.16
P(7)= 36 6
b) La probabilidad de que el nmero obtenido sea par.
18 1
p(2) 0.5
36 2
c) La probabilidad de que el nmero obtenido sea mltiplo de tres
12 1
P(Multiplo de 3) 0.33
36 3
113
Probabilidad y Estadstica I
2 3 1
P(A B) P(A B)
P(A C ) = 3 , 4 , 4
Hallar:
a) P(A), b) P (B), c) P(A BC),
Ejemplo 1. Una moneda est cargada de tal manera que la probabilidad de que
caiga un guila es el doble de que caiga un sello. Encuentra la probabilidad de
que:
a) Caiga guila
b) Caiga sello
114
Probabilidad
A= {nmero par}
B= {nmero primo}
C= {nmero impar}
1
21p=1 de donde p ; entonces:
21
1 2 1 4 5 2
P(1) , P(2) , P(3) , P(4) , P(5) , P(6)
21 21 7 21 21 7
2 4 2 4
A= {nmero par}= P (2, 4,6) =
21 21 7 7
2 1 5 10
B= {nmero primo}=P (2, 3,5) =
21 7 21 21
1 1 5 3
C= {nmero impar}=P(1, 3, 5) =
21 7 21 7
115
Probabilidad y Estadstica I
4 2 10
P( A BC) =
21 7 21
EJERCICIO 14
En los siguientes ejercicios determina lo que se te pide:
1. En una competencia de natacin intervienen tres jvenes que llamaremos A, B
y C. Por su trayectoria en este tipo de competencias, sabemos que la
probabilidad de que gane A es el doble de la de B y la probabilidad de que B
gane es igual a la de C. Encontrar la probabilidad de que:
a) A gane
b) No gane B
c) Ganen A o C
Teora de combinatoria
116
Probabilidad
Tcnicas de conteo
LISTAS
Una lista es una sucesin ordenada de objetos, que se escriben entre parntesis
y separando los elementos por comas. Por ejemplo, la lista (1, 2, 3, ) es una
lista cuyo primer elemento es el 1, el segundo el 2, el tercer elemento es el 3 y el
cuarto elemento es el conjunto de los nmeros enteros.
Una lista de longitud cero se llama lista vaca y se representa por un parntesis
sin elementos en l: ( ). Con frecuencia, las coordenadas de un punto en un
plano se especifican mediante un par ordenado de nmeros reales (x, y).
117
Probabilidad y Estadstica I
Ejemplo. Se desea hacer una lista de dos elementos, en los lugares de la lista
pueden estar cualquiera de los dgitos 2, 4, 6 o 8. Cuntas listas con estas
caractersticas son posibles? La forma ms directa de responder es escribiendo
todas las posibilidades:
De esta forma nos preguntamos ahora Cuntas listas son posibles de dos
elementos en las que haya n opciones para el primer elemento y m opciones
para el segundo? Supongamos que los elementos posibles en la primera
posicin de la lista son los enteros del 1 al n y los posibles para la segunda
posicin son los enteros del 1 al m. Como antes tenemos la siguiente tabla con
las diferentes posibilidades:
Hay n filas o renglones (con el primer elemento igual en cada una de las listas), y
cada fila contiene m listas. Por consiguiente la cantidad de listas posibles es:
m + m + m +...+ m = m X n ( n veces)
118
Probabilidad
Ejemplo 1: Se tienen seis banderas de sealizacin, dos rojas, dos verdes y dos
azules. Cuntas seales distintas pueden hacerse con una o dos banderas a la
vez?
Si denotamos las banderas rojas, verdes y azules por R, V y A, respectivamente,
vemos que con una bandera a la vez se pueden hacer 3 seales distintas:
R ,V ,A
Con dos banderas a la vez se puede hacer las siguientes seales (sacando, por
ejemplo, una primera y despus la otra); es decir:
n1*n2*n3*........*nk
119
Probabilidad y Estadstica I
Para resolver este problema hemos de tener en cuenta que cada una de las
camisetas se podr combinar con cada uno de los pantalones disponibles. Si
tuviramos una nica camiseta, podramos componer 5 uniformes diferentes,
resultado de combinar dicha camiseta con cada uno de los 5 pantalones.
1. Hamburguesa
2. Hamburguesa con queso
3. Pizza
Como bebidas se ofrecen:
a) Refresco
b) Agua
C) Te helado
Como postre se puede elegir:
A) Yogurt
B) Nieve
120
Probabilidad
Diagrama de rbol
Un diagrama de rbol es una representacin grfica que ilustra las formas en las
que se llevan a cabo las agrupaciones de elementos
En el caso del ejemplo anterior el diagrama de rbol lo podemos representar de
la siguiente forma:
RESULTADOS
HRY
HRN
HAY
HAN
HTY
HTN
HQRY
HQRN
HQAY
HQAN
HQTY
HQTN
PRY
PRN
PAY
PAN
PTY
PTN
0! = 1 por definicin
2!= 2 .1 = 2
3!= 3.2.1 = 6
4!= 4.3.2.1=24
5! =5.4.3.2.1= 120
121
Probabilidad y Estadstica I
Elegimos una notacin adecuada, por ejemplo m1, m2... m20, para representar
a los 20 corredores. Para la primera posicin (campen) hay 20 posibilidades;
para la segunda posicin (subcampen) hay 19 posibilidades, y para el tercer
puesto hay 18 posibilidades.
Por lo tanto, hay 20,19.18=6840 formas distintas de quedar los tres primeros
clasificados.
El diagrama de rbol quedar de la siguiente manera:
122
Probabilidad
n m!
V m
m n!
n
Las variaciones se denotan por: V o Vm, n
m
Ejemplos:
Calcular las variaciones de 6 elementos tomados de tres en tres
3
V 6
6 5 4 120
3 6! 6 5 4 3!
V 6
6 5 4 120
6 3! 3!
EJEMPLO 1. Se desea
formar una sociedad compuesta por tres personas: Alejandra (A), Carlos (C) y
Wilson (W), entre los cuales se van a designar dos cargos importantes:
Representante Legal y Tesorero. Si la primera posicin es para el Representante
legal y la segunda para el Tesorero tenemos las siguientes posibilidades:
(A,C), (A, W)
(C,A), (C, W)
(W,A), (W,C)
123
Probabilidad y Estadstica I
Para este caso siempre quedara uno de ellos sin un cargo, porque son 3
elementos (m=3) tomados 2 cada vez (n=2). Es decir
2
V3 3 2 6
EJEMPLO 2. Si todos quieren quedar con un cargo, digamos ahora que entre los
3 socios (m=3)
Y (n=3) Esto significa que se van a elegir como Presidente de la Mesa directiva
y los cargos de Representante Legal y tesorero. En este caso tenemos:
3
V3 3 2 1 6
4 12! 12! 12 11 10 9 8!
V 12 12 11 10 9 11880
12 4 ! 8! 8!
124
Probabilidad
n
VR m mn
125
Probabilidad y Estadstica I
n
VR m m m m ....m mn (n factores)
EJEMPLO 1. Cuntos nmeros de tres cifras se pueden formar con los dgitos
0, 1, 2, 3, 4, 5, 6, 7, 8 y 9 si se pueden repetir las cifras?
Tenemos que hallar el nmero de variaciones con repeticin de 10 elementos
3
tomados de a tres, es decir: VR10 = 103 = 1000
Ahora bien, de estos 1000 nmeros habr muchos que inicien con cero, como
por ejemplo: 035, 099, 001 por lo cual no se pueden considerar de tres cifras.
Por esto debemos descontar estos nmeros, y tendremos: Es decir: 900
nmeros
Ejemplo:
2 2
VR X VR X 2 224
Resolver:
2 2 2
Como VR
X
X 2 y VR X 2 x 2 , sustituyendo
x2 + 5 (x-2)2 = 244
x2 + 5 (x2-4x + 4) = 244
x2 + 5x2-20x + 20 = 244
x = 8 o X = -14/3
La solucin vlida es x=8 ya que la otra solucin carece de sentido.
126
Probabilidad
EJERCICIO 15
PERMUTACIONES
a) Si se quieren arreglar objetos, donde todos los objetos sean diferentes entre
s, la permutacin (el nmero de arreglos que se pueden obtener) es n! (n
factorial); es decir,
P6 = 6! = 6 5 4 3 2 1 = 720
P5 5! 5 4 3 2 1 120
127
Probabilidad y Estadstica I
Los siguientes arreglos son: abc, acb, bac, bca, cab y cba.
Son 6 permutaciones diferentes es decir:
P3 3! 3 2 1 6
Vemos que hay efectivamente 3 opciones para la primera posicin (cualquiera
de las letras a, b o c), luego quedan slo dos opciones para la segunda posicin
(por ejemplo si se escogi a para la primera posicin, quedaran b o c para la
segunda posicin), y quedara una sola letra para la tercera posicin.
n n m!
V P O n Pm
m m
n m!
Ejemplo 1 Cuntas palabras se pueden formar con ocho letras de forma que
dos de ellas estn siempre juntas y guardando el mismo orden?
Como las dos letras siempre van a estar juntas y en el mismo orden, las
podemos considerar como si fuera una sola letra. Por esta razn es una
permutacin realmente de slo siete elementos:
5! 5! 5 4 3 2!
5 P3 5 4 3 60
5 3! 2! 2!
PERMUTACIONES CIRCULARES
PC n n 1!
128
Probabilidad
PC 8 P8 1 P7 8 1 ! 7! 5040
9,3, 2 14! 14 13 12 11 10 9!
PR 14
14 13 11 10 20020
9!3!2! 9! 3 2 2
129
Probabilidad y Estadstica I
COMBINACIONES
Se llama combinaciones de m elementos tomados de n en n (m n) a todas las
agrupaciones posibles que pueden hacerse con los m elementos de forma que:
a) No entran todos los elementos.
b) No importa el orden.
c) No se repiten los elementos.
n
n V m m!
C m
Pn n!(m n)!
n m!
C m
n! (m n)!
4 10 9 8 7
C 10
210
4 3 3 1
10! 10!
C10, 7 120 maneras
7! (10 7 ! 7! 3 !
6! 6 5 4 Es decir de 20 maneras
C6 , 3 20
3!3! 3 2
130
Probabilidad
Ejemplo 3. En una frutera ofrecen entre sus productos distintas mezclas con
zumos de frutas. El cliente puede seleccionar entre 6 zumos de frutas diferentes
y obtener algn sabor en particular de la mezcla de dos zumos en partes
iguales. Entre cuntos sabores distintos puede el cliente hacer su pedido?
AB BC CD DE EF
AC BD CE DF
AD BE CF
AE BF
AF
C 6, 2 15
30
y P2 2! 2 . De aqu C6, 2 15
2
131
Probabilidad y Estadstica I
aleatoriamente es decir:
10!
C10,7 120
3!7!
Es decir:
4! 6!
C 4,3 C6, 4 4 15 60
3! 4 3 ! 4! 6 4 !
60 1
Es decir: 0.5
120 2
132
Probabilidad
4 3 5 5 4 3 1 4 2
0.66
10 3 4 2 3 6 3
133
Probabilidad y Estadstica I
Bibliografa General
HERNDEZ Lerma Onsimo, Elementos de Probabilidad y Estadstica,
Fondo de Cultura Econmica, Mxico, 1979; 2nd. Printing 1982.
Pginas de Internet
http://www.bioestadistica.uma.es/libro/
http://www.bioestadistica.uma.es/libro/node89.htm
http://www.bioestadistica.uma.es/libro/node87.htm
www.estadistico.com/dic.html
134
Probabilidad
103