Documentos de Académico
Documentos de Profesional
Documentos de Cultura
VARIACION
1. PROBABILIDAD
Entre los primeros juegos está el de astrágalos, y parece ser que de él deriva el
juego de dados, imitando al hueso con trozos de piedra tallada para darle
posteriormente la forma de un cubo. Los juegos de cartas son también antiguos
y orientales. Se sabe que su práctica existía en la antigua China, en la India,
Arabia y Egipto.
Estos juegos de azar proliferan en Europa en la segunda mitad del siglo XIV y
se les llega a atribuir un sentido religioso uniendo el resultado del juego a los
designios de la divinidad. Por este motivo la Iglesia y ciertos monarcas los
prohibieron considerándolos prácticas ilegales. Pese a tales preceptos, la
práctica de juegos de azar era habitual en gentes de toda condición hasta la
modernidad.
Como ejemplos: tirar una moneda al aire y observar la cara que presenta al caer
al piso es un experimento aleatorio (tenemos dos resultados posibles: cara y
numero); mientras que enfriar agua hasta cero grados centígrados bajo presión
atmosférica normal es un fenómeno determinıstico (conduce inequívocamente a
la formación de hielo).
3. Sucesos
= {1, 2, 3, 4, 5, 6}
y en este caso n = 6.
Ejemplo 3. Si lanzamos un dado dos veces consecutivas, tenemos 36 casos
posibles, resultantes de combinar el primer resultado con el segundo, que
podemos representar en la siguiente tabla:
A = {(1, 1), (1, 2), (1, 3), (1, 4), (1, 5), (1, 6)}
5. Probabilidad y Permutaciones
¿De cuantas formas se pueden disponer diez letras en forma sucesiva? Escribir
todas las formas parece difícil. Para responder esta pregunta es desable tener
una regla general, una formula, que nos permita calcular directamente la
cantidad de formas distintas de disponer n letras en forma sucesiva. Esta
cantidad se designa mediante el símbolo n! (la letra n seguida de un símbolo de
exclamación) y se llama el factorial de n, o, mas brevemente, n-factorial.
2! = 2, 3! = 6, 4! = 24.
Tenemos entonces:
1! = 1,
2! = 1 × 2 = 2,
3! = 1 × 2 × 3 = 6,
4! = 1 × 2 × 3 × 4 = 24.
Se plantea el siguiente resultado: la cantidad de permutaciones de n elementos
es igual al producto de los n primeros números naturales.
n! = 1 × 2 × 3 × · · · × n. (1)
Este resultado es cierto.
Para su demostración observemos que en caso de tener n elementos, en el
primer lugar podemos colocar cualquiera de ellos. En cada uno de estas n
situaciones restan n −1 elementos para disponer en n −1 lugares, lo que se
puede hacer en (n −1)! formas diferentes. Obtenemos entonces n× (n − 1)!
formas distintas de disponer n elementos:
n! = (n − 1)! × n. (2)
12345
ANANA
Tenemos dos posibilidades para las N, que corresponden a las formas de
disponer los números 2 y 4. Tenemos 6 posibilidades para las A, que son las
formas de disponer los números 1,3,5. Cada una de las formas de disponer las
N se combina con cada una de las formas de disponer las A, obteniendo 12
casos favorables. La probabilidad buscada es entonces 12/120=1/10.
6. Probabilidad y Combinaciones
. (3)
Para verificar esta fórmula contamos las distintas formas de ordenar
sucesivamente los n elementos de un conjunto de dos maneras distintas.
En primer lugar sabemos que la cantidad de ordenaciones posibles son n!. Para
el segundo cálculo, elegimos m elementos del conjunto, que ordenamos en los
primeros m lugares de m! factorial formas distintas. Luego, ordenamos en los n
− m elementos restantes de (n − m)! formas distintas.
Por ultimo observamos que la primer elección de m elementos se puede hacer
de Cnm formas distintas. Es claro que cada elección de los m objetos, de su
orden, y del orden de los restantes produce una ordenación diferente del
conjunto inicial. Por otra parte, cualquier ordenación de este conjunto
corresponde a tener m primeros elementos en un orden dado, junto con otro
orden de los restantes.
En definitiva hemos demostrado que:
a bolas blancas que hay en la urna, es y para cada una de las formas de
Ejercicios
8. REGLA DE LA SUMA
9. PROPIEDADES DE LA PROBABILIDAD
La definición de probabilidad junto a la regla de la suma permiten obtener
importantes propiedades para el cálculo de probabilidades.
Propiedad 1. Para cualquier suceso A se tiene P(A) = 1 − P(A).
Demostración. Por definición de A (suceso contrario al suceso A), tenemos
A= \ A. De aquí resulta AA = ∅.
Como P () = 1, aplicando la regla de la suma concluimos que 1 = P () = P(A ∪
A) = P(A) + P(A).
10. Formula de la probabilidad total
Teorema 2. Sean A1, . . . ,An sucesos incompatibles dos a dos, los únicos
posibles, y con probabilidades positivas. Sea B un suceso arbitrario. Entonces
Ejemplo 10.
Tenemos 5 cajones con productos de una cierta industria. Dos cajones contienen
cada uno 4 productos buenos y 1 fallado; otros dos cajones contienen cada uno
3 productos buenos y 2 fallados; y el ´ultimo cajón contiene 6 productos buenos.
Se elige al azar un cajón, del cual, también al azar, se extrae un producto.
Calcular la probabilidad de que el producto extraído resulte bueno.
Solución. Designemos mediante B al suceso consistente en que el producto
extraído sea bueno. Tenemos cajones con tres composiciones distintas de
productos, y designamos mediante Ai (i = 1, 2, 3) al suceso consistente en elegir
un cajón con una de las composiciones dada. De esta forma (por ejemplo) se
tiene: el suceso A1 consiste en elegir un cajón conteniendo 4 productos buenos
y 1 fallado; el suceso A2 consiste en elegir un cajón conteniendo 3 productos
buenos y 2 fallados; el suceso A3 consiste en elegir
el cajón que contiene 6 productos buenos. Es claro que los sucesos A1,A2 y A3
son incompatibles dos a dos, y son los únicos posibles, de modo que según la
formula (8), tenemos
Teorema 3. Sean A1, . . . ,An sucesos incompatibles dos a dos, los únicos
posibles, y con probabilidades positivas. Sea B un suceso con probabilidad
positiva. Entonces
Análogamente tenemos:
EJEMPLO2 :
Hay tres eventos A, B y C que son ajenos y cubren todo el espacio muestral.
Conocemos las probabilidades de cada uno de ellos.
Además, conocemos las probabilidades condicionales de otro evento dado cada
uno de ellos.
P( C | d)
P( C y d ) = P(C) P(d|C)
o sea
O sea que si tomamos una pieza al azar, la probabilidad de que haya sido
soldada por el robot C es alta, 40%. Pero, como ese robot produce sólo 1 de
cada mil soldaduras defectuosas, al saber que la pieza seleccionada es
defectuosa, la probabilidad de que provenga del robot C disminuye a solamente
14%. Esto quiere decir que, en este caso el saber que la soldadura es
defectuosa, nos provee con una gran cantidad de información.
Comparadas con las probabilidades de cada máquina sin saber que la pieza es
defectuosa vemos un gran incremento en la probabilidad de B.
Para apreciar mejor el cambio, pongamos en una sola tabla las probabilidades
iníciales y las condicionales obtenidas bajo el conocimiento de la soldadura de
la pieza.
Es tan grande el éxito de los tres robots en el soldado correcto que el saber que
la pieza no tiene defectos, prácticamente no altera las probabilidades de
producción en uno u otro.
Por el contrario, el robot C es tan bueno, comparado con el B que, al saber que
la pieza es defectuosa, las probabilidades cambian dramáticamente.
DESVIACION ESTANDAR
Σ = Suma de
X = puntuación individual
M = Media de todos los resultados
N = tamaño de muestra (número de puntuaciones)
Varianza:
Varianza = s2
Desviación Estándar Método1 Ejemplo:
Para encontrar la desviación estándar de 1,2,3,4,5.
X M (X-M) (X-M)2
1 3 -2 4
2 3 -1 1
3 3 0 0
4 3 1 1
5 3 2 4
x x2
1 1
2 4
3 9
4 16
5 25
Paso 2: Utilice la fórmula
s = raíz cuadrada de[(sum of Xsquared -((sum of X)*(sum of X)/N))/(N-1)]
= raíz cuadrada de[(55-((15)*(15)/5))/(5-1)]
= raíz cuadrada de[(55-(225/5))/4]
= raíz cuadrada de[(55-45)/4]
= raíz cuadrada de[10/4]
=raíz cuadrada de[2.5]
s = 1.58113
COEFICIENTE DE VARIACION
Una medida que intenta incorporar en una única cifra el rendimiento sobre la
inversión prevista (medida como tipo medio de rendimiento) y el riesgo de la
inversión (medido como la desviación típica del tipo de rendimiento). El
coeficiente de variación, o CV, se calcula como la desviación típica dividida por
la media. El razonamiento es que cuanto más bajo es el CV, menor es el riesgo
por unidad de rendimiento. Esta medida se utiliza de manera muy errónea como
instrumento para comparar inversiones alternativas.
Relación estadística definida como la relación entre la desviación típica y la
media multiplicada por cien [Dornbusch y Schmid]. Coefficient of variability.
Coefficient of variation.
Una medida que intenta incorporar en una única cifra el rendimiento sobre la
inversión prevista (medido como tipo medio de rendimiento) y el riesgo de la
inversión (medido como la desviación típica del tipo de rendimiento). El
coeficiente de variación, o CV, se calcula como la desviación típica dividida por
la media. El razonamiento es que cuanto más bajo es el CV, menor es el riesgo
por unidad de rendimiento. Esta medida se utiliza de manera muy errónea como
instrumento para comparar inversiones alternativas.
Formula del coeficiente de variación:
Por ejemplo, si nos piden comparar la dispersión de los pesos de las poblaciones
de elefantes de dos circos diferentes, nos dará información útil.
¿Pero qué ocurre si lo que comparamos es la altura de unos elefantes con
respecto a su peso? Tanto la media como la desviación típica, y , se
expresan en las mismas unidades que la variable. Por ejemplo, en la variable
altura podemos usar como unidad de longitud el metro y en la variable peso, el
kilogramo. Comparar una desviación (con respecto a la media) medida en metros
con otra en kilogramos no tiene ningún sentido.
El problema no deriva sólo de que una de las medidas sea de longitud y la otra
sea de masa. El mismo problema se plantea si medimos cierta cantidad, por
ejemplo la masa, de dos poblaciones, pero con distintas unidades. Este es el
caso en que comparamos el peso en toneladas de una población de 100
elefantes con el correspondiente en miligramos de una población de 50
hormigas.
Basta dar una rápida mirada a la definición del coeficiente de variación, para ver
que las siguientes consideraciones deben ser tenidas en cuenta:
Sólo se debe calcular para variables con todos los valores positivos. Todo
índice de variabilidad es esencialmente no negativo. Las observaciones
pueden ser positivas o nulas, pero su variabilidad debe ser siempre
positiva. De ahí que sólo debemos trabajar con variables positivas, para
Observación
Es importante destacar que los coefientes de variación sirven para comparar las
variabilidades de dos conjuntos de valores (muestras o poblaciones), mientras
que si deseamos comparar a dos individuos de cada uno de esos conjuntos, es
necesario usar los valores tipificados.
Ejemplo
4 -- 10 32
10 -- 20 17
20 -- 40 4
100
Solución:
partimos de los datos del enunciado. Será necesario calcular en primer lugar la
media y desviación típica de la variable original (X= años).
li-1 -- li xi ni xi ni xi2 ni
0 -- 4 2 47 94 188
4 -- 10 7 32 224 1.568
10 -- 20 15 17 255 3.825
20 -- 40 30 4 120 3.600
A partir de estos valores podremos calcular los valores tipificados para las
marcas de clase de cada intervalo y construir su distribución de frecuencias:
zi ni zi ni zi2 ni
SOLUCIÓN:
El número de caras obtenido al lanzar 20 monedas es una variable aleatoria con
distribución binomial de parámetros B(20;0,6). El número más probable de caras
es 20. 0,6 − 0,4 ≤ m ≤ 20.0, 6 + 0,6 11,6 ≤ m ≤ 12,6 . Luego el número mas
probable de caras es 12, y la probabilidad de 12 caras es:
SOLUCIÓN:
P(A)= P[(AIB)U(AIB )]= P(AIB) + P(AIB )=0,6+0,2=0,8
SOLUCIÓN:
Sea p1 la probabilidad de que suba Telefónica y p2 la de que suba Sniace. La
probabilidad de que solo suba una de ellas será:
p1 (1 - p2) + (1 – p1) p2 = 0,7 0,3 + 0,3 0,7 = 0,21 + 0,21 = 0,42
SOLUCIÓN:
1) Sea P(A) = x; entonces: P(B)= 2X. Además P[AU B] = 0,2 y P[AI B] = 0,1
P[AUB] = P(A)+P(B)- P (AIB))=x+2x-0,1=3x-0,1
P[AUB] = 3x – 0,1=0,2. despejando x=1
Por tanto P(A) = 0,1 y P(B) = 0,2.
Por tanto es más probable que ocurra B sabiendo que ha ocurrido A, que, que
ocurra A sabiendo que ha ocurrido B.
SOLUCIÓN:
Para que salga solo una cara ha de ocurrir una de las dos cosas siguientes: que
la primera moneda saque cara y la segunda cruz o viceversa:
SOLUCIÓN:
Una vez es extraída la primera bola que es negra, la urna es U(2B, 2N, 4R). Al
extraer la segunda, pueden ocurrir tres casos: que sea blanca, negra o roja,
obteniéndose tres urnas distintas, con probabilidad 1/4, 1/4 y 1/2
respectivamente. La tercera bola procede de una de estas tres posibles urnas.
Sabiendo que la tercera bola es blanca, la probabilidad de que la segunda bola
haya sido roja, equivale a la probabilidad de que la tercera bola provenga de U3.
8. Tenemos cien urnas de tres tipos. El primer tipo contiene 8 bolas blancas y 2
negras; el segundo, 4 blancas y 6 negras y el tercero, 1 blanca y 9 negras.
Se elige una urna al azar y se extrae de ella una bola, que resulta blanca. Se
devuelve la bola a la urna y se repite el proceso, siendo ahora la bola extraída
negra.
Si sabemos que 16/39 es la posibilidad de que , siendo la bola blanca, proceda
del primer tipo de urna y que 30/61 es la posibilidad de que, siendo la bola negra,
proceda del segundo tipo de urna, calcúlese el numero de urnas de cada tipo.
SOLUCIÓN:
10. Un comerciante pone una tienda y calcula cuánto va a recibir por cada marca
de producto que venda en los siguientes doce meses. A continuación se muestra
la información obtenida.
Con la información que nos brinda la tabla anterior podemos hallar las medidas
hasta ahora presentadas.
Media aritmética
u = 200 +200+450+700+850+850+1000+1200
12
u= 8050 670.83
12
El promedio de ingresos esperados mensuales es de s/. 670.83
Mediana
Como el número de observaciones es par, la mediana se obtiene del promedio
de las dos observaciones que se encuentran en la posición central. Así:
Moda
El valor que más se repite en los doce meses es S/. 450. Entonces, la
distribución es unimodal pues solo cuenta con una moda.
Varianza
σ 2 = 96,024 .3
Desviación Estándar
σ = 96,024.3 = 309.87
Coeficiente de Variabilidad
CV = 309.87 × 100
670.83
CV = 46.19%