Está en la página 1de 23

UNIVERSIDAD PERUANA LOS ANDES

E.A.P: ING CIVIL


CURSO: ESTADISTICA

INTRODUCCIÓN A LA ESTADISTICA
Estadística y su división

La Estadística para su mejor estudio se ha dividido en dos grandes ramas:


1. La Estadística Descriptiva.
2. La Estadística Inferencial.
3. La Estadística Inductiva.
4.
Conceptos básicos
1. Estadística Descriptiva: Tienen por objeto fundamental describir y analizar
las características de un conjunto de datos, obteniéndose de esa manera
conclusiones sobre las características de dicho conjunto y sobre las
relaciones existentes con otras poblaciones, a fin de compararlas. No
obstante puede no solo referirse a la observación de todos los elementos de
una población (observación exhaustiva) sino también a la descripción de los
elementos de una muestra (observación parcial).
En relación a la estadística descriptiva, Ernesto Rivas González dice; "Para
el estudio de estas muestras, la estadística descriptiva nos provee de todos
sus medidas; medidas que cuando quieran ser aplicadas al universo total, no
tendrán la misma exactitud que tienen para la muestra, es decir al estimarse
para el universo vendrá dada con cierto margen de error; esto significa que el
valor de la medida calculada para la muestra, en el oscilará dentro de cierto
límite de confianza, que casi siempre es de un 95 a 99% de los casos.

2. Estadística Inferencial: se deriva de muestras, de observaciones hechas


sólo acerca de una parte de un conjunto numeroso de elementos y esto
implica que su análisis requiere de generalizaciones que van más allá de los
datos. Como consecuencia, la característica más importante del reciente
crecimiento de la estadística ha sido un cambio en el énfasis de los métodos
que describen a métodos que sirven para hacer generalizaciones. La
Estadística Inferencial investiga o analiza una población partiendo de una
muestra tomada. Según Berenson y Levine; Estadística Inferencial
son procedimientos estadísticos que sirven para deducir o inferir algo acerca
de un conjunto de datos numéricos (población), seleccionando
un grupo menor de ellos (muestra). El objetivo de la inferencia
en investigación científica y tecnológica radica en conocer clases numerosas
UNIVERSIDAD PERUANA LOS ANDES
E.A.P: ING CIVIL
CURSO: ESTADISTICA

de objetos, personas o eventos a partir de otras relativamente pequeñas


compuestas por los mismos elementos.

3. Estadística Inductiva: Está fundamentada en los resultados obtenidos del


análisis de una muestra de población, con el fin de inducir o inferir
el comportamiento o característica de la población, de donde procede, por lo
que recibe también el nombre de Inferencia estadística.

4. Método Estadístico: El conjunto de los métodos que se utilizan para medir


las características de la información, para resumir los valores individuales, y
para analizar los datos a fin de extraerles el máximo de información, es lo
que se llama métodos estadísticos. Los métodos de análisis para la
información cuantitativa se pueden dividir en los siguientes seis pasos:
1. Definición del problema.
2. Recopilación de la información existente.
3. Obtención de información original.
4. Clasificación.
5. Presentación.
6. Análisis.

1. Población: El concepto de población en estadística va más allá de lo que


comúnmente se conoce como tal. Una población se precisa como un
conjunto finito o infinito de personas u objetos que presentan características
comunes.
"Una población es un conjunto de todos los elementos que estamos estudiando,
acerca de los cuales intentamos sacar conclusiones". Levin & Rubin (1996).
"Una población es un conjunto de elementos que presentan una característica
común". Cadenas (1974).
2. Muestra: "Se llama muestra a una parte de la población a estudiar que sirve
para representarla". Murria R. Spiegel (1991).
"Una muestra es una colección de algunos elementos de la población, pero no de
todos". Levin & Rubin (1996).
"Una muestra debe ser definida en base de la población determinada, y las
conclusiones que se obtengan de dicha muestra solo podrán referirse a la población
en referencia", Cadenas (1974).
3. Muestreo: Esto no es más que el procedimiento empleado para obtener una
o más muestras de una población; el muestreo es una técnica que sirve para
obtener una o más muestras de población.
UNIVERSIDAD PERUANA LOS ANDES
E.A.P: ING CIVIL
CURSO: ESTADISTICA

 Tipos de variables

 Datos Cualitativos: cuando los datos son cuantitativos, la diferencia entre ellos
es de clase y no de cantidad.

 Datos cuantitativos: cuando los valores de los datos representan diferentes


magnitudes, decimos que son datos cuantitativos.

 Datos cronológicos: cuando los valores de los datos varían en diferentes


instantes o períodos de tiempo, los datos son reconocidos como cronológicos.

 Datos geográficos: cuando los datos están referidos a una localidad geográfica
se dicen que son datos geográficos.

Fuentes y técnicas de acopio de datos


Los datos estadísticos necesarios para la comprensión de los hechos pueden
obtenerse a través de fuentes primarias y fuentes secundarias.

 Fuentes de datos primarias: es la persona o institución que ha recolectado


directamente los datos.

 Fuentes secundarias: son las publicaciones y trabajos hechos por personas o


entidades que no han recolectado directamente la información.
Las fuentes primarias más confiables, son las efectuadas por oficinas
gubernamentales encargadas de tal fin. En la práctica, es aconsejable utilizar
fuentes de datos primarias y en última instancia cuando estas no existan, usar
estadísticas de fuentes secundarias. Con este último tipo no debemos pasar por
alto que la calidad de las conclusiones estadísticas depende en grado sumo de la
exactitud de los datos que se recaben.
UNIVERSIDAD PERUANA LOS ANDES
E.A.P: ING CIVIL
CURSO: ESTADISTICA

Tablas de distribución de frecuencias

 Construcción de tablas de distribución de


frecuencias, para variables cualitativas y
cuantitativas unidimensionales.

Una de los primeros pasos que se realizan en cualquier estudio estadístico es la


tabulación de resultados, es decir, recoger la información de la muestra resumida en
una tabla, que denominaremos distribución de frecuencias, en la que cada valor de
la variable se le asocian determinados números.

Frecuencia absoluta
La frecuencia absoluta es el número de veces que aparece un determinado valor en
un estudio estadístico. Se representa por fila. La suma de las frecuencias absolutas
es igual al número total de datos, que se representa por N. Para indicar
resumidamente estas sumas se utiliza la letra griega Σ (sigma mayúscula) que se
lee suma o sumatoria.
Frecuencia relativa
Se dice que la frecuencia relativa es el cociente entre la frecuencia absoluta de un
determinado valor y el número total de datos. Se puede expresar en tantos por
ciento y se representa por hi. La suma de las frecuencias relativas es igual a 1.
Frecuencia relativa (hi) es el cociente entre la frecuencia absoluta y el tamaño de la
muestra (N).

Es decir:
Siendo el fi para todo el conjunto i. Se presenta en una tabla o nube de puntos en
una distribución de frecuencias.
Si multiplicamos la frecuencia relativa por 100 obtendremos el porcentaje o tanto
por ciento (pi).

1. PROBABILIDADES
1.1. CONCEPTOS BÁSICOS:
UNIVERSIDAD PERUANA LOS ANDES
E.A.P: ING CIVIL
CURSO: ESTADISTICA

En nuestra vida cotidiana asociamos usualmente el concepto de Probabilidad a su


calificativo probable, considerando probables aquellos eventos en los que tenemos
un alto grado de creencia en su ocurrencia.
En esta línea, Probabilidad es un concepto asociado a la medida del azar. También
pensamos en el azar vinculado, fundamentalmente, con los juegos de azar, pero
desde esa óptica tan reducida se nos escapan otros muchísimos ejemplos de
fenómenos de la vida cotidiana o asociados a disciplinas de distintas ciencias donde
el azar juega un papel fundamental.

1.2. DEFINICIÓN:
Tenemos, por tanto, que probabilidad es la asignación que hacemos del grado de
creencia que tenemos sobre la ocurrencia de algo. Esta asignación, sin embargo,
debe ser coherente. Esta necesidad de que asignemos probabilidades
adecuadamente se va a plasmar en esta sección en tres reglas, conocidas como
axiomas, que debe cumplir cualquier reparto de probabilidades.

1.3. PROPIEDADES:
1.3.1. Definición clásica de la probabilidad:
Espacio muestral equiprobable: “todos los sucesos elementales tienes
igual probabilidad de ocurrir”.
 En estas condiciones se define la probabilidad de suceso a como:
𝑁° 𝐶𝑎𝑠𝑜𝑠 𝐹𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠 𝑎𝑙 𝑆𝑢𝑐𝑒𝑠𝑜 𝐴 𝐶 𝐹
𝑃(𝐴) = =
𝑁° 𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 𝐶𝑎𝑠𝑜𝑠 𝑃𝑜𝑠𝑖𝑏𝑙𝑒𝑠 𝐶 𝑃
1.3.2. Diagramas del árbol:
Es un método para obtener los resultados posibles de un experimento
cuando este se produce en pocas etapas.
Cada paso del experimento se representa como una ramificación de un
árbol.

1.3.3. Definición axiomática de la probabilidad:


UNIVERSIDAD PERUANA LOS ANDES
E.A.P: ING CIVIL
CURSO: ESTADISTICA

 Álgebra de sucesos, β: “es el conjunto de todos los sucesos del


Espacio Muestral”.
 Axiomas de la probabilidad.
Consideremos una aplicación, P, del algebra de sucesos en el
conjunto de los números reales.

 Esta aplicación es una probabilidad si verifica los tres axiomas


siguientes:

*Axioma 1
𝐴 ∈ 𝛽, 0 ≤ 𝑃(𝐴)

*Axioma 2
𝑃(𝐸) = 1

*Axioma 3

1.3.4. Propiedades de la Probabilidad:


1. ∀𝐴 ∈ 𝛽, 𝑃(𝐴𝐶 ) = 1 − 𝑃(𝐴)
2. 𝑃( )=0
3. 𝑆𝑖 𝐴 ⊂ 𝐵 ⇒ 𝑃(𝐴) ≤ 𝑃(𝐵)
4. 𝑃(𝐴 − 𝐵) = 𝑃(𝐴) − 𝑃(𝐴 ∩ 𝐵)
5. 𝑃(𝐴 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 𝐵)
6. 𝑃(𝐴 𝐵 𝐶) = 𝑃(𝐴) + 𝑃(𝐵) + 𝑃(𝐶) − 𝑃(𝐴 𝐵) − 𝑃(𝐴 𝐶) − 𝑃(𝐵 𝐶) +
𝑃(𝐴 𝐵 𝐶)

EJEMPLOS:

1) En una pareja, cada uno de los miembros posee genes para ojos castaños y
azules. Teniendo en cuenta que cada uno tiene la misma probabilidad de
aportar un gen para ojos castaños y ojos azules y que el gen para ojos
UNIVERSIDAD PERUANA LOS ANDES
E.A.P: ING CIVIL
CURSO: ESTADISTICA

castaños es dominante, obtener la probabilidad de que un hijo nacido de esta


pareja tenga ojos castaños.

SOLUCIÓN:

2) Una mujer es portadora de hemofilia. Aunque la mujer no tenga la enfermedad,


puede transmitirla a sus tres hijos. Obtener las trayectorias para este
experimento mediante un diagrama del árbol.

SOLUCIÓN:
UNIVERSIDAD PERUANA LOS ANDES
E.A.P: ING CIVIL
CURSO: ESTADISTICA

Suponiendo que es igualmente probable que se transmita o no la enfermedad.


Obtener la probabilidad de los siguientes sucesos:
1. Ningún hijo tenga la enfermedad, (suceso A)
2. Dos hijos tengan la enfermedad, (suceso B)
𝐶𝐹 1 𝐶𝐹 3
𝑃(𝐴) = = 𝑃(𝐵) = =
𝐶𝑃 8 𝐶𝑃 8

3) Tres caballos, A, B y C están siendo tratados con tres métodos experimentales


distintos para aumentar la velocidad con la que puedan correr. Después del
tratamiento intervienen en una carrera. El caballo C tiene doble probabilidad
de ganar que B, y B doble de A.
Calcular las probabilidades de que gane cada uno.

SOLUCIÓN:

4) Si al lanzar un dado y tengamos:


A: el suceso obtener un número menor que 5.
B: el suceso obtener un número par.
Calcule el P (A-B)

SOLUCIÓN:
UNIVERSIDAD PERUANA LOS ANDES
E.A.P: ING CIVIL
CURSO: ESTADISTICA

5) En una población el 4% de las personas son daltónicas, el 18% hipertensas y


el 0.5% daltónicas e hipertensas. ¿Cuál es la probabilidad de que una persona
sea daltónica o hipertensa?

SOLUCIÓN:

1.4. PROBABILIDADES CON LA TECNICA DEL CONTEO:


En esta técnica se analiza varios conjuntos y sus arreglos por medio de dos reglas
elementales de conteo: regla de multiplicación y regla de suma. En ocasiones
los arreglos se grafican por medio de diagramas de árbol. También se trabaja
por separado los casos especiales de los arreglos que se forman con una parte o
todos de los elementos de un conjunto cuando el orden en que se coloquen estos
sean importantes –permutaciones- y la elección de los elementos se realice con
o sin reemplazo; se aplicara el estudio de los casos con elementos iguales en un
conjunto y los casos cuando el orden entre los elementos de los arreglos no es
importante –combinaciones-
Termina con la parte numérica del cálculo de probabilidades donde se emplearan
las técnicas de conteo.

1.4.1. REGLA DE MULTIPLICACIÓN:


Dados 𝐴1 , . . . , 𝐴𝑘 , k conjuntos diferentes y 𝑛1 , 𝑛2 , . . . , 𝑛𝑘 las cantidades
respectivas de elementos de dichos conjuntos, entonces la cantidad de
arreglos diferentes que contienen un elemento de cada conjunto,
escribiendo primero los elementos del conjunto uno seguidos de los del
conjunto dos, sucesivamente hasta llegar al conjunto k, se llama regla
generalizada de multiplicación, y está dada por:
𝑛1 ∗ 𝑛2 . . . 𝑛𝑘

1.4.2. DIAGRAMAS DE ÁRBOL:


UNIVERSIDAD PERUANA LOS ANDES
E.A.P: ING CIVIL
CURSO: ESTADISTICA

Es una forma de encontrar todos los arreglos que se pueden formar con
los diferentes elementos de los conjuntos que se tiene. Un arreglo es una
ramificación –desde su punto inicial hasta su punto final-, donde cada
ramificación debe tener un elemento de cada conjunto.

1.4.3. ARREGLOS CON Y SIN REEMPLAZO:


Al aplicar la regla de multiplicación se debe tomar en cuenta que no sólo
se emplea con diferentes conjuntos sino que puede estar aplicada a un
mismo conjunto en los casos que se pida realizar arreglos con todos o
alguna parte de sus elementos. Dichos arreglos, sin embargo, pueden ser
de dos tipos: cuando se permite el reemplazo (o repetición) y cuando no
se permite

1.4.3.1. ARREGLOS CON REEMPLAZO:


Dado el conjunto 𝐴 = {𝑎1 , 𝑎2 , . . . , 𝑎𝑛 } con n elementos diferentes, la
cantidad de arreglos que contengan k elementos tomados con
reemplazo del conjunto A está dada por:
𝑛𝑘
1.4.3.2. ARREGLOS SIN REEMPLAZO:
 Dado el conjunto 𝐴 = {𝑎1 , 𝑎2 , . . . , 𝑎𝑛 } con n elementos diferentes,
la cantidad de arreglos ordenados que contengan k elementos
tomados sin reemplazo del conjunto A está dado por la resultante
de:
𝑛 ∗ (𝑛 – 1) ∗ (𝑛 – 2) ∗ … ∗ (𝑛 – (𝑘 – 1))
 El factor de un numero n ϵ N se define como el producto sucesivo
𝑛(𝑛 − 1)(𝑛 − 2) … 1 y se simboliza por n!.
 Se llama permutación de k elementos escogidos de un total n
(todos diferentes) a
𝑛!
𝑃𝑘𝑛 = ,0 ≤ 𝑘 ≤ 𝑛
(𝑛 − 𝑘)!
que representa la cantidad total de arreglos ordenados de tamaño
k que se pueden formar con n elementos diferentes cuando no se
permite la repetición.

1.4.3.3. PERMUTACIONES CON ELEMENTOS IGUALES:


Para los casos en que se quieren formar arreglos con todos los
elementos de un conjunto, entre los cuales existen algunos que son
iguales, se tiene que, de forma general, cuando existen 𝑛1 elementos
iguales, 𝑛2 elementos iguales,... y 𝑛𝑚 elementos iguales, tales que
𝑛1 + 𝑛2 + . . . + 𝑛𝑚 = 𝑛, resulta la cantidad total de ordenamientos
diferentes considerando todos los n elementos por ordenamiento.
UNIVERSIDAD PERUANA LOS ANDES
E.A.P: ING CIVIL
CURSO: ESTADISTICA

𝑛!
𝑃𝑛𝑛1𝑛2…𝑛𝑚! = ; 𝑐𝑜𝑛 𝑛1 + 𝑛2 + … + 𝑛𝑚 = 𝑛
𝑛1 ! 𝑛2 ! … 𝑛𝑚 !
1.4.3.4. COMBINACIONES:
Dado un conjunto con n elementos diferentes, se llama combinación
a cualquier subconjunto no ordenado de tamaño k. El número de
combinaciones de tamaño k que se pueden formar con los n
elementos se denota por:
𝐶𝐾𝑁 , 0 ≤ 𝑘 ≤ 𝑛

EJEMPLOS:

1) Se tiene todas las letras del alfabeto (27 en total). ¿Cuántas palabras se
pueden formar de manera que tenga 4 vocales y 3 consonantes?

SOLUCION:
27 𝑙𝑒𝑡𝑟𝑎𝑠 = 5 𝑣𝑜𝑐𝑎𝑙𝑒𝑠 + 22𝑐𝑜𝑛𝑠𝑜𝑛𝑎𝑛𝑡𝑒𝑠
Luego:
𝐶45 ∗ 𝐶322 ∗ 𝑃7 = 𝐶45 ∗ 𝐶322 ∗ 7! = 38,808.000

2) Con 7 consonantes y 4 vocales, ¿Cuántas palabras pueden formarse


contenido cada una 3 consonantes y 2 vocales?

SOLUCION:
Elegimos 3 consonantes de las 7 que hay: 𝐶37
Elegimos 2 vocales de las 4 que hay: 𝐶24
𝐶37 ∗ 𝐶24 ∗ 5! = 25,200

3) Se tienen ocho libros de física, cuatro de química y siete de matemáticas,


todos ellos diferentes, ¿cuántos arreglos de tres libros, que contengan un libro
de cada tema, se pueden formar con todos los libros si primero van los de
física, seguidos por química y matemáticas?

SOLUCIÓN:
Con los datos anteriores y el uso de la regla de multiplicación, que indica el
total de arreglos de libros diferentes de cada tema, se obtiene:
8 ∗ 4 ∗ 7 = 224

4) Retomando los datos del ejemplo 1, numeral 2, es posible resolver el problema


mediante un diagrama de árbol.
UNIVERSIDAD PERUANA LOS ANDES
E.A.P: ING CIVIL
CURSO: ESTADISTICA

Primero se representa en un punto a la ciudad A, después se trazan, a partir


de este punto, tres líneas rectas para los tres caminos de la ciudad A a la B;
de igual forma, de cada punto que representa a la ciudad B, se trazan cuatro
líneas para los cuatro caminos de la ciudad B a la C; finalmente, de cada punto
que representa la ciudad C, se trazan dos líneas para los dos caminos de la
ciudad C a la D.
UNIVERSIDAD PERUANA LOS ANDES
E.A.P: ING CIVIL
CURSO: ESTADISTICA

Muestra todos los caminos posibles para viajar de la ciudad A a la D, pasando


por las ciudades B y C, los cuales se pueden obtener al unir rectas desde el
punto A al D sin regresar por ningún camino.
Como se observa, los diagramas de árbol son bastante sencillos y muestran
todos los arreglos posibles. Sin embargo, en los casos en que la cantidad de
elementos es grande, se tiene también una cantidad grande de ramificaciones,
y trazarlo ya no sería factible. No obstante, como se verá en la siguiente
unidad, los diagramas de árbol tienen gran aplicación al resolver problemas
de probabilidad condicional.

5) Se tienen cuatro computadoras X, tres computadoras Y y tres computadoras


W; ¿de cuántas maneras diferentes se pueden ordenar en línea recta?

SOLUCIÓN:
Se tienen en total diez computadoras, de las cuales existen cuatro, tres y tres
de cada tipo, por la fórmula 1, se tiene
10!
= 4200 (𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑎𝑟𝑟𝑒𝑔𝑙𝑜𝑠 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑡𝑒𝑠)
4! 3! 3!

1.5. PROBABILIDAD CONDICIONAL:


Las probabilidades condicionadas se calculan una vez que se ha incorporado
información adicional a la situación de partida.
Las probabilidades condicionadas se calculan aplicando la siguiente fórmula:

Donde:

P (B/A) es la probabilidad de que se de el suceso B condicionada


a que se haya dado el suceso A.

P (B A) es la probabilidad del suceso simultáneo de A y de B

P (A) es la probabilidad a priori del suceso A

1.6. PROBABILIDAD TOTAL Y TEOREMA DE BAYES:


1.6.1. PROBABILIDAD TOTAL:
Nos permite calcular la probabilidad de un suceso a partir de probabilidades
condicionadas.
UNIVERSIDAD PERUANA LOS ANDES
E.A.P: ING CIVIL
CURSO: ESTADISTICA

La fórmula para calcular esta probabilidad es:

Es decir, la probabilidad de que ocurra el suceso B (en nuestro


ejemplo, que ocurra un accidente) es igual a la suma de multiplicar
cada una de las probabilidades condicionadas de este suceso con
los diferentes sucesos A (probabilidad de un accidente cuando llueve y
cuando hace buen tiempo) por la probabilidad de cada suceso A.

Para que este teorema se pueda aplicar hace falta cumplir un


requisito:

Los sucesos A tienen que formar un sistema completo,


es decir, que contemplen todas las posibilidades (la suma
de sus probabilidades debe ser el 100%).

1.6.2. TEOREMA DE BAYES:


El Teorema de Bayes viene a seguir el proceso inverso al que hemos visto
en la probabilidad total:

Probabilidad total: a partir de las probabilidades del suceso A


(probabilidad de que llueva o de que haga buen tiempo)
deducimos la probabilidad del suceso B (que ocurra un accidente).

Teorema de Bayes: a partir de que ha ocurrido el suceso B (ha


ocurrido un accidente) deducimos las probabilidades del suceso
A (¿estaba lloviendo o hacía buen tiempo?).

La fórmula del Teorema de Bayes es:

Tratar de explicar estar fórmula con palabras es un galimatías, así que


vamos a intentar explicarla con un ejemplo. De todos modos, antes de
entrar en el ejercicio, recordar que este teorema también exige que el
suceso A forme un sistema completo.
UNIVERSIDAD PERUANA LOS ANDES
E.A.P: ING CIVIL
CURSO: ESTADISTICA

EJEMPLOS:

1) En un estudio sanitario se ha llegado a la conclusión de que la


probabilidad de que una persona sufra problemas coronarios (suceso B)
es el 0,10 (probabilidad a priori).

Además, la probabilidad de que una persona sufra problemas de


obesidad (suceso A) es el 0,25 y la probabilidad de que una persona
sufra a la vez problemas de obesidad y coronarios (suceso intersección
de A y B) es del 0,05.

Calcular la probabilidad de que una persona sufra problemas coronarios


si está obesa (probabilidad condicionada P(B/A)).

P (B A) = 0,05

P (A) = 0,25

P (B/A) = 0,05 / 0,25 = 0,20

Por lo tanto, la probabilidad condicionada es superior a la probabilidad a


priori. No siempre esto es así, a veces la probabilidad condicionada es
igual a la probabilidad a priori o menor.

2) En un saquito hay papeletas de tres colores, con las siguientes


probabilidades de ser elegidas:

a) Amarilla: probabilidad del 50%.

b) Verde: probabilidad del 30%

c) Roja: probabilidad del 20%.

Según el color de la papeleta elegida, podrás participar en diferentes


sorteos. Así, si la papeleta elegida es:

a) Amarilla: participas en un sorteo con una probabilidad de


ganar del 40%.
UNIVERSIDAD PERUANA LOS ANDES
E.A.P: ING CIVIL
CURSO: ESTADISTICA

b) Verde: participas en otro sorteo con una probabilidad de


ganar del 60%

c) Roja: participas en un tercer sorteo con una probabilidad


de ganar del 80%.

Con esta información, ¿qué probabilidad tienes de ganar el sorteo en


el que participes?:

1.- Las tres papeletas forman un sistema completo: sus


probabilidades suman 100%

2.- Aplicamos la fórmula:

Luego,

P (B) = (0,50 * 0,40) + (0,30 * 0,60) + (0,20 * 0,80) = 0,54

Por tanto, la probabilidad de que ganes el sorteo es del 54%.

3) Van a cambiar a tu jefe y se barajan diversos candidatos:

a) Carlos, con una probabilidad del 60%

b) Juan, con una probabilidad del 30%

c) Luis, con una probabilidad del 10%

En función de quien sea tu próximo jefe, la probabilidad de que te suban


el sueldo es la siguiente:

a) Si sale Carlos: la probabilidad de que te suban el sueldo


es del 5%.

b) Si sale Juan: la probabilidad de que te suban el sueldo


es del 20%.
UNIVERSIDAD PERUANA LOS ANDES
E.A.P: ING CIVIL
CURSO: ESTADISTICA

c) Si sale Luis: la probabilidad de que te suban el sueldo


es del 60%.

En definitiva, ¿cual es la probabilidad de que te suban el sueldo?:

1.- Los tres candidatos forman un sistema completo

2.- Aplicamos la fórmula:

P (B) = (0,60 * 0,05) + (0,30 * 0,20) + (0,10 * 0,60) = 0,15

Por tanto, la probabilidad de que te suban el sueldo es del 15%.


Lo llevas claro amigo.

4) De una urna que contiene 9 bolas rojas y 5 negras, se extraen


sucesivamente 2 bolas. Calcular la probabilidad de los siguientes
sucesos:

a) Que las dos sean negras


b) Que las dos sean rojas
c) Que la segunda sea roja sabiendo que la primera fue negra.

Solución:

a) Sea N1 : Sacar la 1ª negra


N 2 : Sacar la 2ª negra

5 4
P  N1  N 2   P  N1   P  N 2 / N1   
14 13

b) Sea R1 : Sacar la 1ª roja


R2 : Sacar la 2ª roja

9 8
P  R1  R2   P ( R1 )  P  R2 / R1   
14 13
UNIVERSIDAD PERUANA LOS ANDES
E.A.P: ING CIVIL
CURSO: ESTADISTICA

a. Sea N1 : Sacar la 1ª negra


R2 : Sacar la 2ª roja

9
P ( R2 / R1 ) 
13

5) Se tiene dos urnas, la primera tiene 3 bolas blancas y 2 negras, la segunda


tiene 2 bolas blancas y 3 negras. Se elige al azar una urna y de ella se extrae
una bola. Calcular la probabilidad de que sea blanca.

Sea A1 :”elegir la urna nº1”

A2 :”elegir la urna nº2”

B :”extraer bola blanca”


1 3 1 2 1
P ( P( B)  P( A1 )  P( B / A1 )  P( A2 )  P( B / A2 )     
2 5 2 5 2
Supongamos ahora que realizada la extracción, la bola resulta ser blanca y
queremos saber qué probabilidad hay de que la bola proceda de la urna nº1.

1 3

P( A1 ) P( B / A1 ) 2 5 3
P( Ai / B)   
P( A1 ) P( B / A1 )  P( A2 ) P( B / A2 ) 1  3  1  2 5
2 5 2 5

1.7. INTRODUCCION A LAS DISTRIBUCIONES DE PROBABILIDADES:


La probabilidad se refiere al estudio de la aleatoriedad y la incertidumbre en
cuaqlquier situación donde podría ocurrir uno de varios resultados posibles.
En algunos casos se utiliza de manera informal como por ejemplo: hay un
50% de probabilidad de que llueva.
UNIVERSIDAD PERUANA LOS ANDES
E.A.P: ING CIVIL
CURSO: ESTADISTICA

1.7.1. VARIABLES ALEATORIAS:


Una variable aleatoria es una variable que toma valores numéricos
determinados por el resultado de un experimento aleatorio. No hay que
confundir la variable aleatoria con sus posibles valores. Ejemplos:
- nº de caras al lanzar 6 veces una moneda (valores: 0, 1, 2…)
- nº de llamadas que recibe un teléfono en una hora
- tiempo que esperan los clientes para pagar en un supermercado…

Las variables aleatorias pueden ser discretas o continuas:


- Discretas: el conjunto de posibles valores es numerable. Suelen estar
asociadas a experimentos en que se mide el número de veces que sucede
algo.
- Continuas: el conjunto de posibles valores es no numerable. Puede tomar
todos los valores de un intervalo. Son el resultado de medir.
1.7.2. DISTRIBUCION DE PROBABILIDADES:
El resultado ofrecido en el teorema anterior nos proporciona la base
del desarrollo de procedimientos para hacer inferencias con respecto
a la media  de una población normal con una varianza 2 . En este
 
caso el teorema nos dice que n Y    /  tiene una distribución
 
normal estándar. Cuando se desconoce  se le puede estimar
mediante S  S 2 y la expresión

  
Y   
n
 S 
 

nos dará como base para el desarrollo de métodos de inferencias con


respecto a .

Sea Z una variable aleatoria normal estándar y sea  una variable


2

aleatoria ji - cuadrada con  grados de libertad.


Entonces si Z y  2 son independientes,

Z
T
 2 /
UNIVERSIDAD PERUANA LOS ANDES
E.A.P: ING CIVIL
CURSO: ESTADISTICA

se dice que tiene una distribución t con  grados de libertad.


Si Y1, Y2, ..., Yn es una muestra aleatoria de una población normal con
media  y varianza 2, se puede aplicar el teorema para demostrar que
  
Z  n   Y    /  tiene una distribución normal estándar. El teorema
 
7.3 nos dice que  2  n  1S 2 /  2 tiene una distribución  2 con
v  n  1 grados de libertad y que Z y  son independientes (ya que
2


Yy  2 los son). Por lo tanto, por la definición

 
n Y    /   
Z   Y  
T   n
2 /v n  1S 2 /  2 n  1  S 
 
tiene una distribución t con (n-1) grados de libertad.

1.7.3. MEDIDAS: ESPERANZA MATEMÁTICA Y DESVIACION ESTANDAR:


Esperanza matemática y desviación típica de una variable
aleatoria discreta. Ejemplos y ejercicios resueltos variables
aleatorias discretas.

FORMULAS:
UNIVERSIDAD PERUANA LOS ANDES
E.A.P: ING CIVIL
CURSO: ESTADISTICA

EJEMPLOS:
1) Se lanzan tres monedas y se cuenta el número de caras obtenidas.
Haz una tabla con las probabilidades.Calcula la esperanza matemática
y la desviación típica. Representa gráficamente las probabilidades
obtenidas.

Construimos la tabla

Llamamos xi al suceso obtener cara


Tenemos tres monedas, el número de caras xi que podemos obtener
será: 0, 1, 2 y 3.
Calculamos la probabilidad pi de cada suceso
Escribimos el espacio muestral para facilitar el recuento, los casos
posibles son 2 3 = 8
E = { CCC, CCX, CXC, XCC, XCX, XXC, CXX, XXX }
- La probabilidad de no obtener ninguna cara será obtener tres cruces
{XXX} = 1/8
- La probabilidad de obtener una cara será {XCX, XXC, CXX } =
3/8
- La probabilidad de obtener dos caras será {CCX, CXC, XCC } = 3/8
- La probabilidad de obtener tres caras será {CCC} = 1/8
UNIVERSIDAD PERUANA LOS ANDES
E.A.P: ING CIVIL
CURSO: ESTADISTICA

Escribimos los valores de xi y pi obtenidos en la tabla.


Añadimos la columnas xi·pi y pi·xi 2 para calcular la esperanza
matemática y la desviación típica.

2) Calcular la esperanza matemática, la varianza, y la desviación típica,


de la distribución de probabilidad de las puntuaciones obtenidas al
lanzar un dado.
UNIVERSIDAD PERUANA LOS ANDES
E.A.P: ING CIVIL
CURSO: ESTADISTICA