Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Sea X : peso
Sea Y : estatura
Para un grupo de 20 personas
X : peso Y : estatura
X1 Y1
X2 Y2
X3 Y3
Xn Ym
Estos datos parece razonable resumirlos en una tabla de doble entrada . Debido a que dos
variables son continuas, se debe determinar los intervalos o clases para cada variable
(como se hacia en el caso unidimensional).
Y Total
Y1 Y2 Y3 ............... Ym marginal
X de X
X1 ............... n1·
X2 ............... n2·
X3 ............... n3·
. .
. ............... .
. .
Xn ............... nn·
Total
marginal n·1 n·2 n·3 ............... n·m n··
de Y
X 0 0 0 0 0 1 1 1 1 1 2 2 2 2 2 3 3 3 3 3 4 4 4 4 4
Y 0 1 2 3 4 0 1 2 3 4 0 1 2 3 4 0 1 2 3 4 0 1 2 3 4
f 8 19 35 16 3 23 37 22 6 1 35 20 16 2 1 17 4 1 0 0 2 1 1 0 0
Y Total
0 1 2 3 4
X marginal X
8 19 35 16 3
n1· = 81
11
0 8 0,029 27 0,070 62 0,129 78 0,059 81 0,011
0,029 0,099 0,228 0,287 0,298
23 37 22 6 1
1 31 0,085 87 0,137 144 0,081 166 0,022 170 0,003 n2· = 89
0,114 0,322 0,533 0,614 0,629
35 20 16 2 1
2 66 0,129 142 0,074 215 0,059 239 0,007 244 0,003 n3· = 74
0,243 0,525 0,796 0,885 0,903
17 4 1 0 0
3 83 0,062 163 0,014 237 0,003 261 0 266 0 n4· = 22
0,305 0,603 0,877 0,966 0,985
2 1 1 0 0
4 85 0,007 166 0,003 241 0,003 265 0 270 0 n5· = 4
0,312 0,614 0,892 0,981 1
Total n·2 = 81
marginal n·1 = 85 n·3 = 75 n·4 = 24 n·5 = 5 270
Y
11 8+19+35+16+3=81
Explicación
a) Considerando el total de hijos (hombres y mujeres) que tiene cada familia ¿cuál es el
promedio de estos en las 270 familias? R.- 2,4 hijos.
c) En esta muestra de familias ¿Cuántos hijos hombres hay?, ¿hay más hijos hombres
o más hijas mujeres? R.- H = 323 M = 319
f) Calcule la moda para cada distribución marginal. ¿Qué significa este valor?
R.- moda hijos: 0 moda hijas: 1
g) Calcule la varianza y desviación típica para cada distribución marginal. ¿En cuál de
las variables (X o Y) los datos están más dispersos? R.- 0,9797 y 1,0351.
h) ¿Cuántas familias tienen sólo un hijo hombre, sin importar si tienen o no hijas
mujeres?. R.- 81
i) Obtener la distribución condicional para el número de hijas en las familias que tienen
2 hijos hombres.
j) ¿Cuál es la distribución de los hijos hombres en las familias con una hija mujer?
k) ¿Cuál es el promedio de hijos hombres para las familias que tienen una hija mujer?
R.- 1,16.
l) ¿Cuál es el promedio de hijas en las familias que tienen 2 hijos hombres?
R.- 0,81.
Existen 24 familias
Existen
con 3 hijos24 familias
con 3 hijos
MEDIA CONDICIONAL :
n
M(x/y = yj) =
�X
i =1
i * f ija
n. j
�X * f i
a
14
x1 * f14a + x2 * f 24a + x3 * f34a + x4 * f 44a + x5 * f54a
M(x/y = 3) = i =1
=
n.4 24
0*16 + 1*6 + 2*2 + 3*0 + 4*0 10
= = = 0, 42hijas
24 24
VARIANZA CONDICIONAL:
n
�X i
2
* fija
2
s ( X / Y = y j ) = VAR( X / Y = y j ) =
2 i =1
-�
�M ( X / Y = y j ) �
�
n. j
0*162 + 1*6 2 + 2* 2 2 + 3*0 2 + 4 + 0 2 36 + 16 52
= = = = 2,16
24 24 24
COEFICIENTE DE VARIACIÓN:
M ( X / Y = yJ )
C.V .( X / Y = y J ) =
VAR ( X / Y = yJ )
Es un método estadístico que permite evaluar la relación que existe entre dos
variables, una llamada variable independiente X y la otra llamada variable dependiente Y.
La variable dependiente es una función lineal y es una variable aleatoria , mientras
que la variable independiente toma valores específicos y = f ( x) . A la variable
dependiente “Y” se le llama VARIABLE RESPUESTA y a la variable “X” se le llama
VARIABLE PREDICTORA.
El modelo de regresión lineal simple se caracteriza por tener solamente una
variable independiente.
y = b0 + b1 X i
y Donde: bˆ0 = Y - bˆ1 X
x Covarianza
Covarianza
�� x y
scxy �
xy -
Pero : ˆ n
b1 = =
�x - �
2
scx ( x) 2
n
Pendiente
Indica el tipo de relación entre Pendiente
lasIndica el tipo
variables, esde relación
decir, si el entre
las variables,
valor es decir,
de la relación si el
es positiva
esvalor de la relación
directamente es positiva
proporcional.
es directamente proporcional.
X Y X2 Y2 X *Y Yˆ
3 6 9 36 18 4,61
4 7 16 49 28 8,34
6 15 36 225 90 15,80
8 24 64 576 192 23,26
21 52 125 886 328
Es directamente
Es directamente
proporcional por
proporcional
ser positiva por
ser positiva
21*52
328 -
bˆ1 = 4 = 55 = 3, 73
(21) 2 14, 75
125 - 52 21
4 bˆ0 = y - bˆ1 * x � bˆ0 = - 3, 73*
4 4
r =1
= 13 - 19,58 = -6,58
b1 > 0
yˆ = -6,58 + 3,73 X i cov > 0
r �1
b1 > 0
cov > 0
b1 < 0
r = -1
cov < 0
r �-1
b1 < 0
-1 �r �1 cov < 0
No hay ninguna
No hayentre
ninguna
bˆ1 = 0
relación las
relación entre las
variables
variables
cov = 0
r =0
Fórmula del coeficiente de Correlación
scxy ei = y1 - yˆi
r=
scx * scy estimación
estimación
Error de
Error de
Coeficiente de correlación
Es el grado que existe entre la relación de las variables.
Coeficiente de determinación
Indica en que porcentaje (%) la variable independiente explica a la variable dependiente.
( scxy ) 2
r = 2
scx * scy
yˆ = bˆ0 + bˆ1 X i
bˆ = y - bˆ x
0 1
OJO,
OJO,
Esto
Estoestaba
estaba
Pendiente de la
Pendiente de la
población
población
Desarrollo
1.- H 0 b1 = 0 ó H1b1 �0
2.- bˆ1 - b1
tc =
( �y )
2
Sb1 scy = �y 2
-
n
scxy = 14, 75
( scxy ) 2
( 52 )
2
scy -
scx scy = 886 -
n-2 4
Sb1 =
scx
scy = 210
scxy = �xy -
�x�y
n
scxy = 55
( �x )
2
scxy = �x 2
-
n
scxy = 14, 75
1,568 3, 728 - 0
= 0, 406 \ tc = = 9,18
3,841 0, 406
Se dice que se
Se dice que se
trabaja con un 95%
3.- a = 0, 05 trabaja con un 95%
de confianza.
de confianza.
95%
0,25 0,25
-tt = -4,303 tt = 4,303
�
� � {
bˆ1 - tt * Sb1 , bˆ1 + tt * Sb1 �b1 ��/ bˆ1 - tt * Sb1 �bˆ1 + tt * Sb1 }
EXPERIMENTO
EXPERIMENTO ALEATORIO e
Es aquel cuyos resultados no pueden predecirse antes de su realización y por lo tanto,
están sujetos al azar.
Ejemplo:
Lanzamiento de moneda, lanzamiento de un dado.
ESPACIO MUESTRAL S
Es el conjunto integrado por todos los resultados posibles de un experimento.
EVENTOS O SUCESOS E
Corresponde a una sub-colección o subconjunto del S
EVENTO COMPLEMENTARIO
S = [E, E c ]
EVENTOS COMPUESTOS
B
B
D
B
B
D
D
D
D
B
D
D
B
E
Use el diagrama de Venn para ilustrar la siguiente información, sea el espacio muestral
1,2,3,4,5,6,7,8
A = ( 1, 2,3,5 ) S
El evento B = ( 1, 2, 4,6 ) 2
C = ( 1,3, 4, 7 )
5 6
1
3 4
7
8
CONCEPTO DE PROBABILIDAD
Ocurre o no
P( E)
Ocurre
ocurre
0 0,5 1
2) P( S ) = 1
�k � k
P�U Ei�= �P( Ei )
�i =1 � i =1
TEOREMA 1
Si f (fi) es un conjunto vacío entonces la probabilidad de f es 0.
TEOREMA 2
Si A y B se definen en S y si A �B = 0 entonces A y B se dice que son mutuamente
excluyentes y la probabilidad de que ocurra A o B es: P ( A �B ) = P ( A ) + P ( B )
TEOREMA 3
Si A y B se definen en S y si A �B distinto de cero
{ 1, 2,3, 4,5, 6} P ( A �B ) = P ( A ) + P ( B ) - P ( A �B )
A { 1,3,5}
- =
1
3 2 4
+
6
=
6 6 6
4
B { 1, 6}
6
A �B = { 1,3,5, 6}
4
P ( A �B ) =
6
TEOREMA 4
P ( Ec ) = 1- P ( E ) 4 2
c el complemento de
Sea E E en S , entonces la P ( E ) = 1- P ( E
1- =
c
) 6 6
SEXO
B1 B2 Total
HABITO hombres mujeres
Fórmula general
nij
P ( Ai �B j ) =
n
Ejemplo :
n11 + n12 5
P ( A1 ) = = = 45,5% 2
n 11
�n ij
n +n 6
P ( A2 ) = 21 22 = = 54,5% P ( Ai ) = j =1
Probabilidad
Probabilidad
que sea
n 11 n
que sea
hombre
hombre 2
n +n 7
P ( B1 ) = 11 21 = = 63, 6%
AAesto
estoseselelellama
PROBABILIDAD
llama �n ij
P ( Bj ) =
n 11 PROBABILIDAD i =1
MARGINAL
MARGINAL
n12 + n22 4 n
P ( B2 ) = = = 36, 4%
n 11
Probabilidad
Probabilidad
que sea
que sea
mujer
mujer
Suponga que ahora que se elige aleatoriamente una persona y es mujer, cual es la
probabilidad de que no fume.
AAesto
estoseselelellama
llama
n22 1 PROBABILIDAD
P ( A2 / B2 ) = = = 25% PROBABILIDAD
CONDICIONAL
n12 + n22 4 CONDICIONAL
n22 1
P ( B2 / A2 ) = nij
P ( Ai / A j ) =
= = 16, 7%
n21 + n22 6
2
�n
j =1
ij
TEOREMA DE BAYES
MÁQUINA MÁQUINA
A B
Se sabe que la Maq A produce el 40% de la producción total y la Maq B el 60%, se
sabe también que la taza de efecto de la Maq A es de un 2% y la Maq B un 4%.
Obtenga la probabilidad de que el articulo sea defectuoso y venga de la Maq A.
La probabilidad de que venga de la Maq B sabiendo que es NO defectuoso.
P ( B / Dc ) = ? P ( A ) * P ( D / A ) = P ( D �A )
0, 4*0, 02
0, 08
8%
P ( A) * P ( D c / A ) = P ( A �D c )
0, 4*0,98
ARTICULO 0,392
39,2%
P ( B ) * P ( D / B ) = P ( B �D )
0,6 * 0,04
0,024
24%
P ( B ) * P ( DC / B ) = P ( B �D 2 )
0,6 * 0,96 TEOREMA DE
TEOREMA DE
BAYES
0,57 BAYES
57%
P ( B �DC ) P ( B �DC )
P ( B / DC ) = P ( B / DC ) =
P( D C
) P ( A �DC ) + P ( B �D C )
0,57
P ( B / DC ) =
0,392 + 0,57
= 0,592
= 59,2%
Distribución de probabilidades: existen discretas y continuas, las discretas se encuentran
la Bernoulli, Poison, hipergeométrica, multinomial y la geométrica entre otras.
Entre las distribuciones continuas las más importantes son La Normal, Uniforme,
Exponencial, entre otras.
DISTRIBUCIÓN BINOMIAL
�n � x n - x
b ( n, p, q, x ) = � �p q A B C D
�x �
donde
4!
�n� n! 4C2 = =6
� �= ncx = 2!2!
�x � ( n - x ) ! x! =
2! 3*4
=6
2! 2
Responde a
Responde a p = probabilidad que ocurra (éxito)
combinatori q = probabilidad que no ocurra
combinatori
a
a
siempre que p � q = 1-p
Por ejemplo:
La distribución binomial se usa para encontrar la probabilidad de sacar 5 caras y 7 sellos
en 12 lanzamientos.
n = 12
x=7
b = (12, 0.5, 0.5, x = 7) =
�n �
�
�12 �
� 12C7 * 0,57 * 0,55
�x � = 0,1933
� � = 19,33 %
�7 �
s = 1, 732 , q = 0,5
Calcular:
a) P ( x = 1)
SOLUCIÓN:
Sabemos que
a) P ( x = 1; p = 0,5; q = 0,5; n = 12 ) = nC1 p q
1 11
VAR ( x ) = s ( x ) = n * p * q
2
= 12C1*0,51 *0,511
s = n* p*q = 12C1*0,512
s2 =3 = 2,92*10-03
\s 2 = n * p * q shift EN
3 = n* p*q
3 = n *0,5*0,5
Dos veces
= 0, 0029
3
=n = 2,9%
( 0, 5)
2
n = 12
1
b) P ( x �1) = �P ( xi ) 0,0049
x =0
= P ( x = 0 ) + P ( x = 1)
= 0, 002 + 0, 0029
= 0, 0049 0 1 2 3 4 5 6 7 8 9 10 12
= 0, 49%
1
c)c)
P ( x > c ) = 1 - P ( x �c )
P ( x �c ) = 1 - P ( x < c )
a)a)
==
==0,598
0,598
==59,8%
59,8%
b)b)
Ejercicio :
==0,0746
0,0746
==7,46%
7,46%
DISTRIBUCION DE PROBABILIDADES PARA UNA VARIABLE ALEATORIA
DISCRETA POISSON
e-l l x
f ( x, l ) =
x!
k = 5 ; l = 400 ( 0, 02 ) =8
2% = p n = 400 � E ( x ) = m = n * p
l = 400*0, 02
2
= 400* =8
100
e-l l x e -8 85
P ( x = 5) = = = 0, 092 � 9, 2%
x! 5!
P ( x �2 ) = P ( x = 0 ) + P ( x = 1) + P ( x = 2 )
e -8 *80 e -8 *81 e -8 *82
= + +
0! 1! 2!
= 0, 00033 + 0, 00268 + 0, 011
= 0, 01401
= 1, 4%
P ( x �2 ) = P ( x = 2 ) + P ( x = 3) + .........
P ( x �2 ) = 1 - P ( x < 2 )
= 1 - P ( x �1)
P ( x = 0 ) + P ( x = 1) �
= 1- �
� �
= 1 - [ 0,00301]
= 0,99699
= 99, 7%
Ejercicio :
Suponga que estamos investigando la seguridad de un cruce peligroso, los archivos de
la policía indican una media de 5 accidentes por mes.
El número de accidentes está distribuido conforme a una distribución de Poisson, se
pide calcular:
a) l = 5 x=0
e -5 *50
( p = 0) = = 0, 0067
0!
e -5 *51
( p = 1) = = 0,0337
1!
e -5 *52
( p = 2) = = 0, 0846
2!
e -5 *53
( p = 3) = = 0,140
3!
e -5 *54
( p = 4) = = 0,1754
4!
x p ( x) P ( x)
0 0,0067 0,0067
1 0,0337 0,0404
2 0,0846 0,1244
3 0,140 0,2644
4 0,1754 0,4394
DISTRUBUCIÓN NORMAL
1 ( x -m ) 2
1 - � i
f ( x, m , s 2 ) = *e 2 s
2p
x : N ( m ,s 2 )
Z : N ( 0,1)
Mide la desviación de los datos respecto a la media.