CAPITULO I (P Y E) B PDF

APUNTES DE PROBABILIDAD Y ESTADISTICA
Ing. Guillermo Casar Marcos
CAPITULO I
ANALISIS ESTADISTICO DE DATOS MUESTRALES
DEFINICIÓN DE PROBABILIDAD
Es el cociente entre la frecuencia observada del suceso y el total de

observaciones cuando el experimento se realiza un número grande de veces.
Dadas un conjunto de condiciones, un experimento, no siempre podemos
predecir exactamente lo que va a ocurrir. La probabilidad es la disciplina
matemática que estudia estos experimentos.
DEFINICIÓN DE ESTADÍSTICA
El término estadística tiene su raíz en la palabra estado. Surge cuando se

hace necesario para sus intereses cuantificar conceptos. En la mayoría de los
casos esta cuantificación se hará en función de unos fines económicos o
militares. El estado quiere conocer censo de personas, de infraestructura, de
recursos en general, para poder obtener conclusiones de esta información.
Actualmente la estadística es una ciencia. No es ya una cuestión reservada al
estado. Podríamos decir que se encuentra en la totalidad del resto de ciencias.
La razón es clara: por una parte la estadística proporciona técnicas precisas
para obtener información, (recogida y descripción de datos) y por otra parte
proporciona métodos para el análisis de esta información.
De ahí el nombre de estadística descriptiva, ya que el objetivo será, a partir de

una muestra de datos (recogida según una técnica concreta), la descripción de
las características más importantes, entendiendo como características, aquellas
cantidades que nos proporcionen información sobre el tema de interés del cual
hacemos el estudio.
RELACIÓN ENTRE PROBABILIDAD Y ESTADÍSTICA
La probabilidad y la estadística se relacionan en una forma muy curiosa. En

esencia, la probabilidad es el vehículo que le permite al estadístico usar la
información contenida en una muestra para hacer inferencias o para describir
la población de la cual se ha obtenido la muestra.
1
Los métodos estadístico matemáticos emergieron desde la teoría de

probabilidad, la cual data desde la correspondencia entre Pierre de Fermat y
Blaise Pascal (1654). Christian Huygens (1657) da el primer tratamiento
científico que se conoce a la materia. El Ars Conjectandi (póstumo, 1713) de
Jakob Bernoulli y la doctrina de posibilidades (1718) de Abraham de Moivre
estudiaron la materia como una rama de las matemáticas. 1 en la era moderna,
el trabajo de Kolmogorov ha sido un pilar en la formulación del modelo
fundamental de la teoría de probabilidades, el cual es usado a través de la
estadística.
Pierre-Simon Laplace (1774) hace el primer intento de deducir una regla para
la combinación de observaciones desde los principios de la teoría de
probabilidades. Laplace representó la ley de probabilidades de errores
mediante una curva y dedujo una fórmula para la media de tres observaciones.
También, en 1871, obtiene la fórmula para la ley de facilidad del error
(término introducido por Lagrange, 1744) pero con ecuaciones inmanejables.
Daniel Bernoulli (1778) introduce el principio del máximo producto de las
probabilidades de un sistema de errores concurrentes.
El método de mínimos cuadrados, el cual fue usado para minimizar los errores
en mediciones, fue publicado independientemente por Adrien-Marie Legendre
(1805), Robert Adrain (1808), y Carl Friedrich gauss (1809). Gauss había
usado el método en su famosa predicción de la localización del planeta enano
Ceres en 1801.
CLASIFICACIÓN DE LA ESTADÍSTICA
La estadística se divide en dos ramas:
 La estadística descriptiva, que se dedica a los métodos de recolección,

descripción, visualización y resumen de datos originados a partir de los
fenómenos en estudio. Los datos pueden ser resumidos numérica o
gráficamente. Ejemplos básicos de descriptores numéricos son la media
y la desviación estándar. Resúmenes gráficos incluyen varios tipos de
figuras y gráficos.
2
 La inferencia estadística, que se dedica a la generación de los modelos,

inferencias y predicciones asociadas a los fenómenos en cuestión
teniendo en cuenta lo aleatorio e incertidumbre en las observaciones. Se
usa para modelar patrones en los datos y extraer inferencias acerca de la
población de estudio. Estas inferencias pueden tomar la forma de
respuestas a preguntas si/no (prueba de hipótesis), estimaciones de
características numéricas (estimación), pronósticos de futuras
observaciones, descripciones de asociación (correlación) o
modelamiento de relaciones entre variables (análisis de regresión).
Otras técnicas de modelamiento incluyen anova, series de tiempo y
minería de datos.
Ambas ramas (descriptiva e inferencial) comprenden la estadística aplicada.

Hay también una disciplina llamada estadística matemática, la cual se refiere a
las bases teóricas de la materia. La palabra estadísticas también se refiere al
resultado de aplicar un algoritmo estadístico a un conjunto de datos, como en
estadísticas económicas, estadísticas criminales, etc.
ESTADISTICA DESCRPTIVA
CONCEPTOS BASICOS
1.- UNIVERSO
El universo es un conjunto de elementos involucrados en un

experimento aleatorio.
2.- POBLACION
Es un conjunto total de valores posibles con una característica particular

correspondiente a un universo.
3
3.- TAMAÑO DE LA POBLACION
El número de valores que contiene la población.
Ejemplo:
En un país se van a considerar los habitantes que ganan entre 100 mil y
200 mil pesos mensuales.
El universo son los habitantes de ese país.
La población los habitantes que ganan entre 100 mil y 200 mil pesos.
El tamaño de la población, es la cantidad de gente que gana entre 100 y

200 mil pesos.
4.- MUESTRA
Es un subconjunto de la población obtenida de acuerdo a una regla

determinada.
Ejemplo:
Los individuos que ganan entre 100 y 200 mil y además viven en la
ciudad m, del país en cuestión.
5.- TAMAÑO DE LA MUESTRA
Número de elementos de la muestra.
FRECUENCIA
En una muestra hay n elementos. sean x1, x2,….., xk k valores

numéricos asociados a determinados resultados del experimento. Si hay:
4
f1 resultados iguales a x1
f2 resultados iguales a x2
“ “ “ “ “
“ “ “ “ “
fk resultados iguales a xk
A f1, f2, …..fk se le llama frecuencia de ocurrencia de x1, x2,….,xk

respectivamente.
Ejemplo:
Se realiza un examen
NA, S, B, MB
f1 15 ---- NA ---- x1
f2 10 ---- S ---- x2
f3 12 ---- B ---- x3
f4 3 ---- MB ---- x4
FRECUENCIA RELATIVA
fi
fi* = ; i = 1, 2, 3, ……, k
n
donde fi es la frecuencia de ocurrencia del resultado xi y n es el tamaño dela muestra.
Para el ejemplo anterior:
15 12
f1* = f3 * =
40 40
10 3
* *
f2 = f4 =
40 40
5
FRECUENCIA RELATIVA ACUMULADA
A un valor x1 es la suma de las frecuencias relativas de todos los valores

menores o iguales a xi
i
Fi = 
i 1
fj* ; i = 1, 2, ……, k
3
F3 = 
i 1
fj * = f 1 * + f 2 * + f 3 *
15 10 12
= + +
40 40 40
37
F3 =
40
F4 = 1
DISTRIBUCION EMPIRICA
Es el conjunto de parejas ( xi, fi* ) para toda i
Para el ejemplo
( NA, 15/40 ) ; ( S, 10/40 ) : ( B, 12/40 ) ; ( MB, 3/40 )
o en forma tabular:
xi fi*
NA 15 / 40
S 10 / 40
B 12 / 40
MB 3 / 40
6
Se tiene una muestra de tamaño grande específicamente cuando el

número de resultados es considerable, es más conveniente trabajar con
intervalos de clase. La amplitud de todos estos intervalos se llama rango y el
punto medio de cada intervalo de clase se llama marca de clase.
El arreglo en una tabla de los intervalos de una clase, frecuencia,

frecuencias relativas y frecuencias relativas acumuladas de llama tabla de
frecuencias.
Ejemplo:
En una muestra de 25 varillas se obtuvieron las siguientes medidas:

13.02, 12.94, 12.99, 13.07, 12.91, 12.93, 13.06, 13.04, 13.05, 12.93, 12.97,
12.98, 13.10, 13.06, 12.97, 12.99, 12.90, 13.05, 12.98, 13.00, 12.96, 13.01,
12.98, 12.96, 13.03.
INTERVALO DE MARCA DE fi fi* Fi

CLASE CLASE (x᷉ )
12.895 – 12.937 12.916 4 4 / 25 4 / 25 = 16%
12.937 – 12.979 12.958 5 5 / 25 9 / 25 = 36%
12.979 – 13.021 13 8 8 / 25 17 / 25 = 68%
13.021 – 13.063 13.042 6 6 / 25 23 / 25 = 92%
13.063 – 13.105 13.084 2 2 / 25 25 / 25 = 100%
Valor máximo = 13.10
Valor mínimo = 12.90
 fi = 25
Como la muestra son con dos cifras decimales, la fracción que se suma y resta,
se considera tres decimales con un múltiplo del tamaño de la muestra que es
25, por lo tanto para este ejemplo es 0.005
Valor máximo + 0.005 = 13.10 + 0.005 = 13.105
7
Valor mínimo – 0.005 = 12.90 – 0.005 = 12.895
Rango = 13.105 – 12.895 = 0.21
Amplitud del Intervalo = 0.21 / 5 = 0.042
13.02 12.94 12.99 13.07 12.91

12.93 13.06 13.04 13.05 12.93
12.97 12.98 13.10 13.06 12.97
12.99 12.90 13.05 12.98 13.00
12.96 13.01 12.98 12.96 13.03
HISTOGRAMA
Cuando se trabaja con una tabla de frecuencias al conjunto de parejas ( x i , fi* ),
donde xi es una marca de clase para el i-ésimo intervalo, constituye la distribución
empírica. Esta distribución se puede representar mediante el histograma y mediante el
polígono de frecuencias.
8
POLIGONO DE FRECUENCIAS RELATIVAS ACUMULADAS
fractil en %
fractil en 100% = 13.105
fractil en 0% = 12.895
fractil en ( 17 / 25 ) x 100% = 13.021

68
percentil ( 1ro , 2do , …. , 100mo )

fractiles decil (1ro, 2do, ….. , 10mo )
cuartil ( 1ro 25% , 2do 50% , 3ro 75% , 4to 100% )
PARAMETROS DE LAS DISTRIBUCIONES EMPIRICAS

1. MEDIA
Es el promedio aritmético de todos los datos de la muestra:

1
n
x = 
i 1
xi
9
Con una tabla de frecuencias
m m
 i 1
x᷉i fi i 1
x᷉i fi
x = =
m
 i 1
fi n
En el ejemplo:
(12.916) (4) + (12.958) (5) + (13) (8) + (13.042) (6) + (13.084) (2)
x = = 12.9949
25
x = 12.9949
1
25
x = i 1
Xi = 12.9964 Exacto
25
2. MEDIANA
Es un valor tal que la mitad de las observaciones son menores que ese valor y la otra
mitad mayores que el mismo. Para determinar la mediana conviene ordenar los valores
observados del menor al mayor.
Ejemplos:
a) 1, 7, 8, 10, 12, 15, 17, 23, 24

Mediana = 12
b) 1, 7, 8, 10, 12, 15, 17, 23, 24, 29
12 + 15
= 13.5 Mediana
2
c) 4, 5, 5, 6, 7, 7, 7, 8, 9, 9
Mediana = 7
10
Si se trabaja con intervalos de clase:
n/2 – (  f)a
Mediana = a + Δx [ ]
fm
donde en la tabla de frecuencias se trabaja en el intervalo en donde la frecuencia f i rebasa

el 50%, por primera vez, entonces:
Δx = Es el tamaño del intervalo.

a = Al extremo izquierdo del intervalo.
n = Al número de valores observados en el experimento.
fm = A la frecuencia correspondiente al intervalo en cuestión.
(  f)a = A la suma de las frecuencias correspondientes a los intervalos anteriores.
En el ejemplo: se trabaja en el 3e intervalo
12.5 – (4 + 5)
Mediana = 12.979 + 0.042 [ ] = 12.997375
8
Mediana = 12.9974
3. MODA (O MODO)
Es el número que aparece más frecuentemente.
En el ejemplo:
Moda = 12.98 es unimodal
si se repiten igual número de veces dos o más números se saca el promedio.
Ejemplos: con dos modas (bimodal)

con tres modas (trimodal)
“
“
“
“
con varias modas (multimodal)
11
Si se trabaja con una tabla.- la moda se encuentra en el intervalo que tiene mayor
frecuencia.
HISTOGRAMA.
d1
Moda = a + Δx [ ]
d2 + d1
En el ejemplo: d1 = 3 ; d2 = 2
3
Moda = 12.979 + 0.042 [ ]
3+2
Moda = 13.0042
4. FRACTILES.
Establecen la localización de diversos valores que dividen a la muestra en grupos de

acuerdo a las frecuencias o a las observaciones.
En una tabla:
n x Fracción - ( Σ f )a
Fractil = a + Δx [ ]
(f) Fractil
12
POLIGONO DE FRECUENCIA RELATIVA ACUMULADA:
Cuartiles: C1, C2, C3, C4
C1 = Fractil al 25%
En el ejemplo:
25 (0.25) – 4
C1= 12.937 + (0.042) [ ] = 12.9559
5
25 (0.50) - 9
C2= 12.979 + (0.042) [ ] = 12.997375
8
25 (0.75) -17
C3= 13.021 + (0.042) [ ] = 13.03325
6
25 (1) - 23
C4= 13.063 + (0.042) [ ] = 13.105
2
25 (0.01) – 0
d1= 12.895 + (0.042) [ ] = 12.92125
4
13
5. VARIANCIA:
Es el promedio aritmético de los cuadrados de las desviaciones de las observaciones

con respecto a su valor medio.
n
i 1
(xi - x )2
S2X =
n
Si se trabaja con una tabla:
i 1
( x᷉ i – x )2 fi
2
S x=
n
donde:
x᷉ = marca de clase
k = número de intervalo
x i = media
fi= la frecuencia
n = número de observaciones
Para el ejemplo:
(12.916 – 12.9952)2 (4) + (12.958 – x )2 (5) +…… + (13.084 – x )2 (2)

Sx2=
25
S2x= 0.0024
2
Sx= Desviación estándar = S x
Sx = 0.0024 = 0.048989794856
6. COEFICIENTE DE VARIACION.
Sx
C. V.=
x
14
En el ejemplo:
0.0024
C. V.= = 0.0037
12.9952
7. COEFICIENTE DE ASIMETRIA:
Media – Moda 12.9952 – 13.042

C. A.= = = - 0.9554
Sx 0.04898
Distribución simétrica positiva:
15
Distribución simétrica negativa:
8. COEFICIENTE DE APLANAMIENTO.
El grado de aplanamiento de una distribución empírica se llama curtosis y se mide

por el siguiente coeficiente.
m4
Coeficiente momento de curtosis =
m22
donde:
mr .- es el momento de orden r con respecto a la media.
i 1
( xi – x )r
mr =
n
En una tabla de frecuencias

i 1
(xi – x )r fi
mr =
n
Observar que: m2 = SX2
16
SEAN LOS HISTOGRAMAS:
En A:
5 (4) + 7 (10) + 9 (5)
x= = 7.105
19
En B:
5 (6) + 7 (7) + 9 (6)
x = = 7
19
17
En A:
(5 – 7.105)2 (4) + (7 – 7.105)2 (10) + (9 – 7.105)2 (5)
m2= = 1.8836566
19
(5 – 7.105)4 (4) + (7 – 7.105)4 (10) + (9 – 7.105)4 (5)

m4= = 7.527
19
m4 7.527
Coeficiente de curtis = = = 2.122
m22 (1.8836) 2
En B:
(5 – 7)2 (6) + (7 – 7)2 (7) + (9 – 7)2 (6)
m2 = = 2.526
19
(5 – 7)4 (6) + (7 – 7)4 (7) + (9 – 7)4 (6)

m4 = = 10.105
19
m4 10.105
Coeficiente de curtis = = = 1.58
2 2
m2 (2.526)
TAREA:
Datos: 0, 45, 65, 80, 85, 80, 20, 45, 17, 73, 35, 62, 57, 45, 10, 67, 65, 42, 10, 40, 65, 48, 15,
65, 52, 75, 35, 100, 57, 65, 45, 57, 42, 48, 70, 35, 35, 42, 25, 38, 25, 80, 85, 100, 28, 25, 65,
85, 25, 35.
Son 50 calificaciones, de los alumnos del grupo 26 de probabilidad y estadística.
INTERVALOS MARCAS fi fi * Fi
DE CLASE DE CLASE
-0.1 - 19.94
19.94 – 39.98
39.98 – 60.02
60.02 – 80.06
80.06 – 100.1
18
Valor máximo = 100
Valor mínimo = 0
 fi = 50
Se suma y resta: 0.1
Valor máximo + 0.1 = 100 + 0.1 = 100.1
Valor mínimo – 0.1 = 0 – 0.1 = - 0.1
Rango = 100.1 – (- 0.1) = 100.2
Amplitud del intervalo = 100.2 / 5 = 20.04
100.1 + 0.1
Δx = = 20.04
5
Calcular:
a) media
b) mediana
c) moda
d) fractiles C1, C2, C3, C4
e) variancia y desviación estándar
f) coeficiente de asimetría
g) coeficiente de aplanamiento
h) histograma con polígono de frecuencias
i) polígono de frecuencias relativas acumuladas
j) coeficiente de variación
19

CAPITULO I (P Y E) B PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

CAPITULO I (P Y E) B PDF

Cargado por

Copyright:

Formatos disponibles

APUNTES DE PROBABILIDAD Y ESTADISTICA

Ing. Guillermo Casar Marcos

ANALISIS ESTADISTICO DE DATOS MUESTRALES

Es el cociente entre la frecuencia observada del suceso y el total de

El término estadística tiene su raíz en la palabra estado. Surge cuando se

De ahí el nombre de estadística descriptiva, ya que el objetivo será, a partir de

RELACIÓN ENTRE PROBABILIDAD Y ESTADÍSTICA

La probabilidad y la estadística se relacionan en una forma muy curiosa. En

Los métodos estadístico matemáticos emergieron desde la teoría de

La estadística se divide en dos ramas:

 La estadística descriptiva, que se dedica a los métodos de recolección,

 La inferencia estadística, que se dedica a la generación de los modelos,

Ambas ramas (descriptiva e inferencial) comprenden la estadística aplicada.

El universo es un conjunto de elementos involucrados en un

Es un conjunto total de valores posibles con una característica particular

3.- TAMAÑO DE LA POBLACION

El número de valores que contiene la población.

El universo son los habitantes de ese país.

El tamaño de la población, es la cantidad de gente que gana entre 100 y

Es un subconjunto de la población obtenida de acuerdo a una regla

5.- TAMAÑO DE LA MUESTRA

Número de elementos de la muestra.

En una muestra hay n elementos. sean x1, x2,….., xk k valores

A f1, f2, …..fk se le llama frecuencia de ocurrencia de x1, x2,….,xk

donde fi es la frecuencia de ocurrencia del resultado xi y n es el tamaño dela muestra.

Para el ejemplo anterior:

FRECUENCIA RELATIVA ACUMULADA

A un valor x1 es la suma de las frecuencias relativas de todos los valores

Es el conjunto de parejas ( xi, fi* ) para toda i

( NA, 15/40 ) ; ( S, 10/40 ) : ( B, 12/40 ) ; ( MB, 3/40 )

Se tiene una muestra de tamaño grande específicamente cuando el

El arreglo en una tabla de los intervalos de una clase, frecuencia,

En una muestra de 25 varillas se obtuvieron las siguientes medidas:

INTERVALO DE MARCA DE fi fi* Fi

Valor máximo = 13.10

Valor mínimo = 12.90

Valor máximo + 0.005 = 13.10 + 0.005 = 13.105

Valor mínimo – 0.005 = 12.90 – 0.005 = 12.895

Rango = 13.105 – 12.895 = 0.21

Amplitud del Intervalo = 0.21 / 5 = 0.042

13.02 12.94 12.99 13.07 12.91

POLIGONO DE FRECUENCIAS RELATIVAS ACUMULADAS

fractil en 100% = 13.105

fractil en ( 17 / 25 ) x 100% = 13.021

percentil ( 1ro , 2do , …. , 100mo )

PARAMETROS DE LAS DISTRIBUCIONES EMPIRICAS

Es el promedio aritmético de todos los datos de la muestra:

Con una tabla de frecuencias

a) 1, 7, 8, 10, 12, 15, 17, 23, 24

b) 1, 7, 8, 10, 12, 15, 17, 23, 24, 29

Si se trabaja con intervalos de clase:

donde en la tabla de frecuencias se trabaja en el intervalo en donde la frecuencia f i rebasa

Δx = Es el tamaño del intervalo.

En el ejemplo: se trabaja en el 3e intervalo

Es el número que aparece más frecuentemente.

Moda = 12.98 es unimodal

si se repiten igual número de veces dos o más números se saca el promedio.

Ejemplos: con dos modas (bimodal)

Establecen la localización de diversos valores que dividen a la muestra en grupos de

POLIGONO DE FRECUENCIA RELATIVA ACUMULADA:

Cuartiles: C1, C2, C3, C4

Es el promedio aritmético de los cuadrados de las desviaciones de las observaciones

Si se trabaja con una tabla: