Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Sede: 025
Estudiante y carne:
Semestre y año:
Introduccion..............................................................................................................................2
Objetivos...................................................................................................................................5
Hoja de vida..............................................................................................................................6
1. Estadística Descriptiva.........................................................................................................9
1.2.2.3 Histograma..............................................................................................................24
1.2.2.5 Ojiva.........................................................................................................................26
2
1.2.2.7 Gráficas de puntos..................................................................................................27
1.3.1.4 Mediana...................................................................................................................30
1.3.1.5 Moda........................................................................................................................31
1.3.2.1 Deciles......................................................................................................................32
1.3.2.2 Cuartiles....................................................................................................................32
1.3.4.1 Sesgo.........................................................................................................................41
1.3.4.2 Curtosis.....................................................................................................................41
2. Introducción a la probabilidad.............................................................................................42
3
2.2.2 Eventos mutuamente excluyentes................................................................................45
3.1 Definición.......................................................................................................................75
3.5.2Distribución geométrica...............................................................................................82
10. Reflexiones de sus metas de enseñanza aprendizaje, principios o filosofía personal. .87
4
11. Ejercicios, técnicas y metodología sugerida para los diferentes documentos del
14. Conclusiones.................................................................................................................87
15. Recomendaciones..........................................................................................................87
16. Bibliografía...................................................................................................................88
5
INTRODUCCION
al análisis de estos datos unos significados precisos o unas previsiones para el futuro.
finalidad de obtener conclusiones para tomar decisiones razonables de acuerdo con tales
observaciones
presentar y analizar datos, así como de sacar conclusiones válidas y tomar decisiones con
base en este análisis, así también realizar predicciones a cerca del conjunto del cual se han
seleccionado dichos datos. El empleo cuidadoso de los métodos estadísticos permite obtener
6
OBJETIVOS
recorrido por sus conceptos, métodos e importancia y más definiciones, con el fin de
Adquirir los conocimientos y habilidades sobre el tema, ser capaz de reconocer los
7
HOJA DE VIDA
Teléfono: 54695437
de octubre de 1996
Edad: 20
Departamento: Suchitepéquez
8
FORMACIÓN ACADEMICA
(2016-2017)
EXPERIENCIA DE TRABAJO
Asistente de Gerente
9
1. Estadística Descriptiva
Ciencia que recoge, organiza, presenta, analiza e interpreta datos con el fin de propiciar la
Estadística descriptiva
Es la ciencia que “recoge, organiza, presenta, analiza… datos”. Esta parte de la estadística
Estadística descriptiva:
principal interés respecto de la estadística inferencial tiene que ver con encontrar algo
Estadística inferencial: Métodos empleados para determinar una propiedad de una población
10
1.1.3 Tipos de variables
Son el tipo de variables que como su nombre lo indica expresan distintas cualidades,
cualitativas puede ser dicotómicas cuando sólo pueden tomar dos valores posibles, como sí y
no, hombre y mujer o ser politómicas cuando pueden adquirir tres o más valores. Dentro de
Variable cualitativa ordinal o variable casi cuantitativa: La variable puede tomar distintos
valores ordenados siguiendo una escala establecida, aunque no es necesario que el intervalo
Variable cualitativa nominal: En esta variable los valores no pueden ser sometidos a un
Los datos se clasifican por niveles de medición. El nivel de medición de los datos rige los
cálculos que se llevan a cabo con el fin de resumir y presentar los datos. También determina
más baja, o más primaria, corresponde al nivel nominal. La más alta, o el nivel que
En el caso del nivel nominal de medición, las observaciones acerca de una variable
2. Aun cuando las etiquetas se codifiquen con números, las categorías de datos no tienen
características del nivel ordinal, pero, además, la diferencia entre valores constituye una
magnitud constante.
En resumen, si las distancias entre los números tienen sentido, aunque las razones no,
característica en cuestión.
12
Datos de nivel de razón
Todos los datos cuantitativos son registrados en el nivel de razón de la medición. El Nivel de
razón es el más alto. Posee todas las características del nivel de intervalo, aunque, además, el
En resumen, las propiedades de los datos de nivel de intervalo de nivel de razón son las
siguientes:
poseen.
significativa
Fuentes Primarias.
Fuentes Secundarias.
Los Registros.
13
Las Encuestas.
Encuesta Censal.
Encuesta Muestral.
La Observación.
El Cuestionario.
La Entrevista.
Análisis de Contenidos.
Distribución de frecuencias
mayor sea el número, mayor puede ser la conveniencia y necesidad de presentarla en forma
resumida, la cual puede permitir algunos detalles pero en cambio puede revelar la naturaleza
mostrado por los datos de una variable. La distribución muestra la frecuencia de cada valor de
la variable.
14
La tabla No.1 resume las edades de 1, 763,000 varones que constituían la fuerza laboral
La tabla No. 1 presenta datos de una variable cuantitativa, por lo cual se trata de una
Distribución de Frecuencia Cuantitativa, por otra parte, la tabla No.2 es una Distribución de
Frecuencias Cualitativas, debido a que el campo de especialización del alumno no puede ser
La dificultad de resumir un conjunto de datos, puede ser superada agrupando los diversos
valores en un número reducido de clases llamados intervalos de clase. Cada una de las clases
tiene un extremo o límite superior y uno inferior; el extremo inferior es el menor valor que
puede caer en esta clase y el superior el mayor valor. El punto medio entre el límite superior
de una clase y el límite inferior de la siguiente clase es la frontera superior o límite real
superior de la clase y la frontera inferior o límite real inferior de la siguiente clase. En una
clase dada todos los valores deben ser mayores a la frontera inferior y menores a la frontera
superior. Para evitar ambigüedades, las fronteras se expresan con una cifra decimal más que
los extremos
La diferencia entre las fronteras superior e inferior de una clase se denomina amplitud de
Clase
15
El punto medio entre los dos extremos (o las dos fronteras) de una clase se denomina marca
de clase
primeramente decidir cuál va a ser el número de clases. En general, este número depende
fundamentalmente de la naturaleza de los datos a resumir y del objetivo que se persiga con
ese resumen. Sin embargo, es posible dar ciertas guías generales que pueden ser de utilidad
en la determinación del número de clases. En primer lugar, el número de clases no debe ser ni
muy grande ni muy pequeño; un número pequeño de clases puede ocultar la naturaleza
general de los datos y uno muy grande puede ser demasiado detallado como para relevar
alguna información útil. Como regla general, se recomienda que el número de clases esté
entre 5 y 20.La llamada regla de Surges puede dar una aproximación razonable para el
K = número de clases
K = 1 + 3.3 Log N
16
Una vez determinado el número de clases, debe decidirse la amplitud de estas. Tomando la
misma amplitud para todas las clases, este valor queda dado por
A = amplitud
Una vez obtenida la amplitud de las clases se procede a calcular los intervalos y a realizar el
Ejemplo:
Las velocidades, en millas por hora, de los conductores de 55 automóviles fueron medidas
Solución:
Primero.
17
Para una mayor facilidad se recomienda ordenar los datos de menor a mayor.
Segundo
K = 6.743
K=7
Tercero.
Calcular la amplitud.
Para esto previamente identificamos el dato mayor y el menor, en nuestro caso tales datos son
15 y 63
18
La amplitud debe aproximarse al entero más cercano.
A=7
Cuarto.
Una vez determinado el número de clases y la amplitud, debe elegirse el extremo inferior de
la primera clase. Dado que aquí el valor mínimo es 15, el extremo inferior puede ser 15 o
Quinto.
Establecido el extremo inferior, se sumará la amplitud a éste para obtener el valor del límite
inferior de la siguiente clase y así sucesivamente. Para obtener los límites superiores, se le
resta uno al límite inferior posterior. Se tiene que tomar en cuenta que en la última clase esté
Sexto.
Corresponde ahora calcular la frontera inferior de la clase. Puesto que los valores están dados
en números enteros y como las fronteras deben darse con un decimal más, tomamos como
frontera inferior el valor de la primera clase inferior menos 0.05 (si los valores se hubieran
dado con un decimal, se le restaría 0.005) y como frontera superior el valor de la primera
clase superior más 0.05 (si los valores se hubieran dado con un decimal, se le sumaría 0.005)
19
Séptimo.
Una vez construidos los diversos intervalos de clase, se cuenta el número de elementos que
Tabla No. 3
Distribución de frecuencia
condensan o agrupan para facilitar el análisis de los datos. Sin embargo, para ampliar el
20
La frecuencia relativa (fr) es la relación entre la frecuencia de un intervalo y el número total
de datos:
fr = f/n
(fr%) = fr * 100
Tabla No. 4
frecuencia porcentual
21
Indica el número de observaciones acumuladas en cada intervalo. Para calcularla, en cada
intervalo se consideran las frecuencias anteriores, de tal forma que el último intervalo
los resultados, esta frecuencia puede calcularse utilizando las frecuencias relativas, en este
caso se denomina frecuencia relativa acumulada (Fr) o bien si se usa la frecuencia porcentual
22
1.2.1 Distribución de frecuencias
El primer procedimiento a estudiar para organizar y resumir un conjunto de datos es una tabla
de frecuencias.
Es posible convertir las frecuencias de clase en frecuencias relativas de clase para mostrar la
fracción del número total de observaciones en cada clase. Así, una frecuencia relativa capta la
23
1.2.2 Presentación gráfica de datos
variable en estudio. El tipo de gráfico que se utilice dependerá del tipo de datos y el concepto
a representar.
Las gráficas de barras muestran la cantidad de datos que pertenecen a cada categoría
como áreas rectangulares de tamaño proporcional. Cada barra sólida, ya sea vertical u
Denominada también gráfica de pastel o gráfica del 100%, se utilizan para mostrar la
cantidad de datos que pertenecen a cada categoría como una parte proporcional de un círculo.
24
a) Cada sector circular equivale al porcentaje correspondiente al dato o grupo que representa.
b) La unión de los sectores circulares forma el círculo y la suma de sus porcentajes es 100. Es
mayor de 5, ordenando los segmentos de mayor a menor, iniciando con el más amplio a partir
1.2.2.3 Histograma
consiste en rectángulos verticales unidos entre sí, en donde sus lados son los límites reales
inferior y superior de clase y cuya altura es igual a la frecuencia de clase. El criterio para
25
calcular la altura de cada rectángulo es el de mantener la proporcionalidad entre las
Consiste en una serie de segmentos que unen los puntos cuyas abscisas son las marcas de
histograma, ya que consiste en unir mediante líneas rectas los puntos del histograma que
último intervalo, suponemos que adyacentes a ellos existen otros intervalos de la misma
amplitud y frecuencia nula, y se unen por una línea recta los puntos del histograma que
corresponden a sus marcas de clase. De este modo, el polígono de frecuencias tiene en común
con el histograma el que las áreas de la gráfica sobre un intervalo son idénticas.
26
1.2.2.5 Ojiva
Una gráfica de distribución de frecuencias acumuladas es llamada una ojiva. Se trazan los
límites reales superiores contra las frecuencias acumuladas. Una distribución de frecuencias
acumuladas nos permite ver cuántas observaciones están por encima de ciertos valores, en
lugar de hacer un mero registro del número de elementos que hay dentro de los intervalos,
esto es lo que refleja la ojiva. Se puede construir una ojiva de una distribución de frecuencias
27
1.2.2.6 Gráficas lineales
Consisten en una serie de puntos trazados en las intersecciones de las marcas de clase y las
La representación gráfica por medio de puntos (o gráfica de puntos) es una de las gráficas
más sencillas que se utilizan. Presenta los datos de una muestra mediante la representación de
cada porción de datos con un punto ubicado a lo largo de una escala. Esta escala puede ser
vertical y horizontal. La frecuencia de los valores está representada a lo largo de la otra escala
28
1.3 Análisis descriptivo de datos de una sola variable
Informan sobre los valores medios del conjunto de datos. Son indicadores usados para señalar
que porcentaje de datos dentro de una distribución de frecuencias superan estas expresiones,
cuyo valor representa el valor del dato que se encuentra en el centro de la distribución de
Características de la Media:
a. En su cálculo están todos los valores del conjunto de datos por lo que cada uno afecta la
media.
cero.
c. La suma del cuadrado de las desviaciones de una serie de datos a cualquier número A es
mínimo si A = X
d. Aunque es confiable porque refleja todos los valores del conjunto de datos puede ser
afectada por los valores extremos, y de esa forma llegar a ser una medida menos
valor típico
29
1.3.1.2 Media ponderada
La media ponderada toma en cuenta la importancia relativa de las observaciones, así, para
cada uno de los valores de xi se asigna un factor si de peso, que depende de la importancia
La media geométrica es útil cuando la variable cambia a lo largo del tiempo, esto es, en el
cambio, etc.
30
Esta media se ve afectada por todos los números y valores extremos pero en menor grado que
Según el tipo de datos que se analice será más apropiado utilizar la media aritmética o la
media geométrica.
La media geométrica se suele utilizar en series de datos como tipos de interés anuales,
inflación, etc., donde el valor de cada año tiene un efecto multiplicativo sobre el de los años
anteriores. En todo caso, la media aritmética es la medida de posición central más utilizada.
La media Geométrica de una serie de números es la raíz enésima del producto de esos
números
1.3.1.4 Mediana
mediana es un valor de la variable que deja por debajo de él un número de casos igual al que
31
Cuando determinados valores de un conjunto de observaciones son muy grandes o pequeños
con respecto a los demás, entonces la media aritmética se puede distorsionar y perder su
carácter
central, es decir que la mediana no presenta el problema de estar influida por los valores
extremos, pero en cambio no utiliza en su cálculo toda la información de la serie de datos (no
1.3.1.5 Moda
Para datos agrupados se define como Clase Modal el intervalo que tiene más frecuencia.
La moda puede no existir o no ser única, las distribuciones que presentan dos o más máximos
32
1.3.2 Medidas de tendencia no central
1.3.2.1 Deciles
Son 9 valores que distribuyen la serie de datos, ordenada de forma creciente o decreciente,
en diez tramos iguales, en los que cada uno de ellos concentra el 10% de los resultados.
1.3.2.2 Cuartiles
Son 3 valores que distribuyen la serie de datos, ordenada de forma creciente o decreciente,
en cuatro tramos iguales, en los que cada uno de ellos concentra el 25% de los resultados.
son 99 valores que distribuyen la serie de datos, ordenada de forma creciente o decreciente,
en cien tramos iguales, en los que cada uno de ellos concentra el 1% de los resultados
33
grupo de alumnos (lección 2ª). Los deciles y centiles se calculan de igual manera, aunque
1º cuartil: es el valor 1,22 cm, ya que por debajo suya se situa el 25% de la frecuencia (tal
2º cuartil: es el valor 1,26 cm, ya que entre este valor y el 1º cuartil se situa otro 25% de la
frecuencia.
3º cuartil: es el valor 1,28 cm, ya que entre este valor y el 2º cuartil se sitúa otro 25% de la
Atención: cuando un cuartil recae en un valor que se ha repetido más de una vez (como
ocurre en el ejemplo en los tres cuartiles) la medida de posición no central sería realmente
34
1.3.3 Medidas de dispersión
Existen diversas medidas de dispersión, entre las más utilizadas podemos destacar las
siguientes:
1.- Rango: mide la amplitud de los valores de la muestra y se calcula por diferencia entre el
2.- Varianza: Mide la distancia existente entre los valores de la serie y la media. Se calcula
como sumatorio de las diferencias al cuadrado entre cada valor y la media, multiplicadas
por el número de veces que se ha repetido cada valor. El sumatorio obtenido se divide por
el tamaño de la muestra.
La varianza siempre será mayor que cero. Mientras más se aproxima a cero, más
concentrados están los valores de la serie alrededor de la media. Por el contrario, mientras
típica y la media.
35
Ejemplo: vamos a utilizar la serie de datos de la estatura de los alumnos de una clase
fórmula:
36
3.- Desviación típica: es la raíz cuadrada de la varianza.
Luego:
Cv = 0,0320 / 1,253
Luego,
Cv = 0,0255
El interés del coeficiente de variación es que al ser un porcentaje permite comparar el nivel
37
de dispersión de dos muestras. Esto no ocurre con la desviación típica, ya que viene
Por ejemplo, para comparar el nivel de dispersión de una serie de datos de la altura de los
alumnos de una clase y otra serie con el peso de dichos alumnos, no se puede utilizar las
desviaciones típicas (una viene vienes expresada en cm y la otra en kg). En cambio, sus
es la forma en que los vectores característicos son combinados y comparados con los
patrones de referencia.
Para poder realizar estas operaciones es necesario definir una medida de distancia medida
de distancia entre vectores característicos. Definición: Definición: Una distancia entre dos
Algunas de las medidas de distancia más utilizadas son las distancias o métricas inducidas
por las normas en espacios métricas inducidas por las normas en espacios L p . Por ejemplo,
si son las componentes de dos vectores característicos , pueden definirse las siguientes
métricas inducidas por las normas fi , fi2 con i= 1,222, ,D son las componentes de dos
38
vectores característicos , pueden definirse las siguientes métricas inducidas por las normas
LP
Una medida de distancia muy utilizada cuando se emplean como característica los
coeficientes cepstral, que ha probado tener una muy buena performance en tareas de
como
Una formulación más general, que tiene en cuenta la interacción entre coeficientes a traves
39
Mahalanobis definida como
Para conocer con detalle un conjunto de datos, no solo basta con conocer las medidas de
tendencia central, sino que necesitamos conocer también la desviación que presentan los
tener una visión de los mismos más acorde con la realidad al momento de describirlos e
La desviación típica es una medida del grado de dispersión de los datos con respecto al
40
"promedio" o variación esperada con respecto a la media aritmética.
Por ejemplo, las tres poblaciones (0, 0, 14, 14), (0, 6, 8, 14) y (6, 6, 8, 8) cada una tiene una
tercera población tiene una desviación mucho menor que las otras dos porque sus valores
desviación estándar de esas medidas es de vital importancia: si la media de las medidas está
entonces consideramos que las medidas contradicen la teoría. Esto es coherente, ya que las
mediciones caen fuera del rango de valores en el cual sería razonable esperar que
Son expresiones en forma de porcentajes de las medidas de dispersión, tal y como fue
de dispersión elegida entre la media del conunto de datos, tal y como se expresa en la
41
siguiente ecuación:
Las medidas de forma son necesarias para determinar el comportamiento de los datos y así,
1.3.4.1 Sesgo
1.3.4.2 Curtosis
42
2. Introducción a la probabilidad
proporciona una forma de medir, expresar y analizar las incertidumbres asociadas con
posibles.
Experimento:
Es como cualquier proceso que pueda generar uno de un conjunto de resultados bien
definidos.
Espacio muetral: es el conjunto de todos los resultados que pueda suceder. Ejemplo: cara o
43
1. Los valores de las probabilidades asignados. (0<=P(Ei) <=1)
…….P(EK)=1
Un modelo matemático debe ser simple e involucrar las variables que lo hacen
completo.
44
Las leyes de la dinámica clásica de partículas pueden considerarse un modelo
Experimento aleatorio
Ejemplos
minuto
estadística.
45
2.2 Espacios muestrales y eventos
notación de conjuntos:
Los eventos mutuamente excluyentes son aquellos en los que si un evento sucede significa
46
que el otro no puede ocurrir. Si bien suelen usarse en teorías científicas, también son parte
de las leyes y los negocios. Como resultado, entender los eventos mutuamente excluyentes
Fórmula
excluyentes es P(A U B) = P(A) + P(B). Dicho en voz alta, la fórmula es "Si A y B son
Sacar una carta de corazones y una carta de espadas. Son eventos mutuamente
Sacar una carta numerada y una carta de letras. Son eventos mutuamente
Sacar una carta de tréboles roja. Son eventos mutuamente excluyentes pues las
No es posible encontrar una sola carta que haga posible que los eventos sucedan a la vez.
numero de posibles arreglos de objetos dentro de un solo conjunto o entre varios conjuntos.
Las técnicas de conteo son aquellas que son usadas para enumerar eventos difíciles de
cuantificar.
47
Si un evento A puede ocurrir de n1 maneras y una vez que este ha ocurrido, otro evento B
puede n2 maneras diferentes entonces, el número total de formas diferentes en que ambos
* La técnica de la multiplicación
* La técnica aditiva
* La técnica de la permutación
* La técnica de la combinación.
PRINCIPIO DE LA MULTIPLICACIÓN
Si se desea realizar una actividad que consta de r pasos, en donde el primer paso de la
actividad a realizar puede ser llevado a cabo de N1 maneras o formas, el segundo paso de
puede ser llevada a efecto de. El principio multiplicativo implica que cada uno de los pasos
de la actividad deben ser llevados a efecto, uno tras otro. Si un evento E1 puede suceder de
el total de maneras distintas en que puede suceder el evento “ocurren E1 y E2…..y Ep” es
igual a producto.
48
PRINCIPIO ADITIVO.
Si se desea llevar a efecto una actividad, la cuál tiene formas alternativas para ser realizada,
alternativas puede ser realizada de W maneras o formas, entonces esa actividad puede ser
m+n maneras.
49
experimento es
n X n2 X n3 X ...... nk
Regla fundamental
si un experimento esta integrado por dos ensayos, donde uno de ellos (una sola accion
m x n
Ejemplos
1. ¿Cuántas palabras de tres letras se pueden formar con cinco consonantes y tres
2. C V C
5 3 4
4. Determine el número de enteros de seis dígitos (que no comiencen con cero) en los
que
b. 9 9 8 7 6 5
d.
50
e. se pueden repetir los dígitos.
5. Ana y María vieron a dos hombres alejarse en automóvil frente a una joyería, justo
antes de que sonara una alarma contra robos. Cuando fueron interrogadas por la
policía, las dos jóvenes dieron la siguiente información acerca de la placa (que
constaba de dos letras seguidas de cuatro dígitos). María estaba segura de que la
segunda letra de la placa era una O o una Q, y que el último dígito era un 3 o un 8.
Ana dijo que la primera letra de la placa era una C o una G y que el primer dígito
era definitivamente un 7.
8. | | | | | |
51
a. ¿De cuántas formas puede Juan ir del pueblo A al pueblo C?
al pueblo A?
c. ¿Cuántos de los trayectos completos de la parte (b) son tales que el viaje de
ruta que toma Juan del pueblo A al pueblo C? (Por ejemplo, si Juan viaja de
A a C por las rutas R1 y R6 podría regresar por las rutas R6 y R2, pero no
por R1 y R6).
estudiante quiere aprender acerca de alguno de estos dos temas, por la regla
filosofía.)
52
La regla puede ampliarse a más de dos tareas, siempre que ningún par de
PERMUTACION:
posibles arreglos cuando solo hay un solo grupo de objetos. Permutación: un arreglos o
FÓRMULA: n P r = n! (n - r)
Ejemplos
1.
P8 = 8! = 40.320.
53
P7 = 7! = 5.040.
con la letra c?
P6 = 6! = 720.
2. ¿De cuántas formas es posible ordenar los símbolos a,b,c,d,e,e,e,e,e de modo que
3. e _ e _ e _ e _ e
4. P4 = 4! = 24
palabra se está repitiendo P3 veces. Por lo tanto hay P8/P3 = 8!/3! = 6.720
disposiciones diferentes.
54
b. ¿Cuántas de ellas tienen las tres letras I juntas?
los 4 espacios entre las otras 5 letras. Así, hay 6.5! = 6! = 720 palabras con
III_ _ _ _ _
_III_ _ _ _
_ _III_ _ _
_ _ _III_ _
_ _ _ _III_
_ _ _ _ _III
P3 = 3! = 3.2.1 = 6.
abc
acb
bac
bca
55
cab
cba
IMPUREZA?
para nuestro arreglo, una vez usada una, nos quedan 7 posibilidades de
escoger una segunda letra, y una vez que hayamos usado dos, nos quedan 6,
8 ´ 7 ´ 6 ´ 5 ´ 4 ´ 3 ´ 2 ´ 1 = 40320
COMBINACIÓN:
combinación. Por ejemplo, si se quiere formar un equipo de trabajo formado por 2 personas
seleccionadas de un grupo de tres (A, B y C). Si en el equipo hay dos funciones diferentes,
56
entonces si importa el orden, los resultados serán permutaciones. Por el contrario si en el
equipo no hay funciones definidas, entonces no importa el orden y los resultados serán
n C r = n! r! (n – r)!
Ejemplos
Existen
10 10! 10.9.8
7!3! 3.2.1
57
combinaciones posibles de preguntas que puede contestar.
2. Juan quiere dar una fiesta para algunos de sus amigos. Debido al tamaño de su casa,
sólo puede invitar a 11 de sus 20 amigos. ¿De cuántas formas puede seleccionar a
los invitados?
Hay
20 20!
11!9!
4. 6 6! 6.5
5. C2 = ---- = --- = 15
2!4! 2
6. Una persona que sale de vacaciones desea llevarse 4 libros para leer: dispone de 4
58
novelas policiales y 6 libros de cuentos cortos. ¿De cuántas formas puede hacer la
7. 6
8. N C C C --> 4C3 = 80
9. 46
11. 4
13.
14. N N N N --> 1
15.
80 + 90 + 24 + 1 = 195
1.
b. 12 9 6 3
d. los dos niños mayores reciban cuatro libros cada uno y los dos
e. 12 8 4 12!8!4!
Un diagrama de árbol es una herramienta que se utiliza para determinar todos los posibles
conocer el número de objetos que forman parte del espacio muestral, estos se pueden
experimento, el cual consta de una serie de pasos, donde cada uno de estos tiene un número
finito de maneras de ser llevado a cabo. Se utiliza en los problemas de conteo y probabilidad.
Para la construcción de un diagrama en árbol se partirá poniendo una rama para cada una de
las posibilidades, acompañada de su probabilidad. Cada una de estas ramas se conoce como
En el final de cada rama de primera generación se constituye a su vez, un nudo del cual
parten nuevas ramas conocidas como ramas de segunda generación, según las posibilidades
del siguiente paso, salvo si el nudo representa un posible final del experimentó (nudo final).
Hay que tener en cuenta que la construcción de un árbol no depende de tener el mismo
número de ramas de segunda generación que salen de cada rama de primera generación y que
Existe un principio sencillo de los diagramas de árbol que hace que éstos sean mucho más
útiles para los cálculos rápidos de probabilidad: multiplicamos las probabilidades si se trata
60
sumamos si se trata de ramas separadas que emergen de un mismo punto, el ejemplo de
encontrar un alumno.
Ejemplos
Las mujeres están repartidas uniformemente, siendo un 60% del total en cada facultad.
61
¿Probabilidad de encontrar un alumno varón?
Dos enfoques objetivos para responder a cómo se obtiene la probabilidad de un suceso que
presupone que la probabilidad de un suceso es un dato objetivo que la persona conoce o no:
número razonablemente grande de veces Procedimientos que sirven para juegos de azar pero
no tanto en la vida diaria; por eso se utilizan las probabilidades subjetivas: derivadas de la
62
• la probabilidad de un suceso seguro es 1. La probabilidad de no ocurrencia es: P(no S)= 1 –
P(S) • si dos sucesos (S1y S2) son mutuamente excluyentes entre sí, la probabilidad de uno u
otro será igual a la suma de sus probabilidades: P(S1ó S2) = P(S1)+ P(S2)
menor o igual que la probabilidad de uno de los sucesos considerado aisladamente. Thomas
Bayes añadió una fórmula conocida como teorema de Bayes mediante el cual se puede hallar
• de la diagnosticidad del dato con respecto al suceso, es decir, en qué medida se asocian
63
2.3.3 Leyes de probabilidad
mediante la realización de un experimento aleatorio, del que se conocen todos los resultados
casualidades obtenidas tras una serie de eventos esperados dentro de un rango estadístico.
Existen diversas formas como método abstracto, como la teoria de dempster y la teoria de la
relatividad numerica, esta última con un alto grado de aceptación si se toma en cuenta que
64
disminuye considerablemente las posibilidades hasta un nivel mínimo ya que somete a todas
fracción y no en porcentajes, por lo que el valor de p cae entre 0 y 1. Por otra parte, la
probabilidad de que un evento “no ocurra” equivale a 1 menos el valor de p y se denota con
la letra q
Los tres métodos para calcular las probabilidades son la regla de la adición, la regla de la
multiplicación.
Regla de la adición
los eventos son mutuamente excluyentes, es decir, que dos no pueden ocurrir al mismo
tiempo.
Regla de la multiplicación
65
La regla de la multiplicación establece que la probabilidad de ocurrencia de dos o más
individuales.
A) si A y B son dependientes
Para aplicar la regla de Laplace es necesario que los experimentos den lugar a sucesos
Esto significa que: la probabilidad del evento A es igual al cocientedel número de casos
favorables (los casos dónde sucede A) sobre el total de casos posibles.-
-Aplicacion:
vez y por lo tanto requieren más modelos de probabilidad fundamentales, por ej. “la
probabilidad de otro 11-S”. Una ley de numeros pequeños tiende a aplicarse a todas aquellas
elecciones y percepciones del efecto de estas elecciones, lo que hace de las medidas
sobre los precios del petróleo en Oriente Medio – que producen un efecto dominó en la
más probable en contra de menos probable probablemente envía los precios hacia arriba o
hacia abajo e indica a otros comerciantes esa opinión. Por consiguiente, las probabilidades no
Por consiguiente, puede ser de alguna importancia para la mayoría de los ciudadanos
67
Se puede decir que no existe una cosa llamada probabilidad. También se puede decir que la
ignorancia dada una situación. Por consiguiente, puede haber una probabilidad de 1 entre 52
de que la primera carta en un baraja sea la J de diamantes. Sin embargo, si uno mira la
correcta puede ser hecha con precisión por el que ve la carta. La física moderna proporciona
Esta regla expresa la probabilidad de que ocurran dos o más sucesos a la vez, P
( A U B).
Puede presentarse de dos formas: para conjuntos con intersección y para conjuntos
la probabilidad de B , pero como ya habíamos sumado la intersección, entonces la
restamos.
68
En este caso, no hay ningún problema en sumar ambas probabilidades.
Luego,
69
Ejemplo 2 : Se tiene una baraja de cartas ( 52 cartas sin jockers), ¿ Cuál es la
Sea A = sacar una reina y sea B = sacar un as, entonces :
Es la probabilidad de obtener un suceso, dado que ya ocurrió otro. Es decir, si
tenemos los sucesos A y B que pertenecen a un mismo espacio muestral S , y si la
P (A) es diferente de cero, entonces esta probabilidad que esta designada por :
Para calcular esta probabilidad es necesario conocer tanto la probabilidad marginal de
uno de los sucesos ( P(A) ) como la probabilidad de la intersección de ambos ( o la
Ejemplo 3 : La probabilidad de que una persona tenga una cuenta de ahorros es de
0,65 y la probabilidad de que invierta en un CDT y ahorre en una cuenta de
70
ahorros es de 0,30. Se seleccionó una persona al azar y resultó tener una cuenta de
ahorros ¿ Cuál es la probabilidad de que tenga también un CDT ?
Sea A = tener una cuenta de ahorros , B = tener un CDT
estadístico de una de ellas no se ve afectado por los valores que toma la otra; esto es cuando
variables son estadísticamente independientes cuando para todos los pares de valores se
cumple que la frecuencia relativa conjunta es igual al producto de las frecuencias relativas
marginales.:
71
Ejemplo:
Y
1 2 3 ni .
X
5 1 10 5 16
10 2 20 10 32
15 4 40 20 64
n.j 7 70 35 112
Reglas de Multiplicación
72
decir la intersección entre los conjuntos de los posibles valores de A y los valores de B, esto
quiere decir que la probabilidad de que ocurran conjuntamente los eventos A y B es:
razones diferentes:
Se sabe que las medidas producidas en muchos procesos aleatorios siguen esta distribución.
población
de la probabilidad total:
73
Teorema de la 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).
deducimos las probabilidades del suceso A (¿estaba lloviendo o hacía buen tiempo?).
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
Ejercicio 1º: El parte meteorológico ha anunciado tres posibilidades para el fin de semana:
74
siguiente:
que tiempo hizo (nevó, llovío o hubo niebla). El teorema de Bayes nos permite calcular estas
probabilidades:
10%).
Una vez que incorporamos la información de que ha ocurrido un accidente, las probabilidades
denominan "probabilidades a posteriori".
75
a) Probabilidad de que estuviera lloviendo:
Si se analizan las variables desde una perspectiva más formal, entendiéndolas como una
Así, pueden entenderse los desarrollos que se realizarán a continuación como una revisión de
los temas de la sección de Estadística Descriptiva, donde los experimentos ya realizados son
Distribución continua
Una distribución continua describe las probabilidades de los posibles valores de una variable
aleatoria continua. Una variable aleatoria continua es una variable aleatoria con un conjunto
Las probabilidades de las variables aleatorias continuas (X) se definen como el área por
debajo de la curva de su PDF. Por lo tanto, solo los rangos de valores pueden tener una
77
Ejemplo de la distribución de pesos
La distribución normal continua puede describir la distribución del peso de hombres adultos.
Por ejemplo, usted puede calcular la probabilidad de que un hombre pese entre 160 y 170
libras.
El área sombreada debajo de la curva en este ejemplo representa el rango de 160 a 170 libras.
El área de este rango es 0.136; por lo tanto, la probabilidad de que un hombre seleccionado
aleatoriamente pese entre 160 y 170 libras es de 13.6%. Toda el área por debajo de la curva
equivale a 1.0.
Sin embargo, la probabilidad de que X sea exactamente igual a algún valor siempre es cero,
porque el área por debajo de la curva en un punto individual, que no tiene anchura, es cero.
Por ejemplo, la probabilidad de que un hombre pese exactamente 190 libras es cero. Podría
calcular una probabilidad diferente de cero de que un hombre pese más de 190 libras, menos
de 190 libras o entre 189.9 y 190.1 libras, pero la probabilidad de que pese exactamente 190
libras es cero.
Distribución discreta
78
Describe la probabilidad de ocurrencia de cada valor de una variable aleatoria discreta. Una
variable aleatoria discreta es una variable aleatoria que tiene valores contables, tales como
Con una distribución de probabilidad discreta, cada valor posible de la variable aleatoria
discreta puede estar asociado con una probabilidad distinta de cero. Por lo tanto, una
Con una distribución discreta, a diferencia de una distribución continua, usted puede calcular
la probabilidad de que X sea exactamente igual a algún valor. Por ejemplo, puede utilizar la
Supongamos que el número promedio de quejas por día es 10 y usted desea saber la
x P (X = x)
5 0.037833
1 0.12511
1 0.034718
Usted también puede visualizar una distribución discreta en una gráfica de distribución para
79
Las barras sombreadas en este ejemplo representan el número de ocurrencias cuando las
quejas diarias de los clientes son 15 o más. La altura de las barras suma 0.08346; por lo tanto,
5.- El valor absoluto de la esperanza de una función de X es menor o igual que la esperanza
6.- Si f(x) = f(-x) o sea si la función de densidad es simétrica su esperanza es cero E[f(x)] = 0
varianza
80
Var(aX) = a2.Var(X)
4º Var(aX+b) = a2.Var(X)
tome exactamente un determinado valor xi, sino que puede interesarnos determinar la
probabilidad de que tome valores menores o iguales que un cierto valor xi. En tales casos es
necesario acumular los distintos valores de la función de probabilidad hasta el valor deseado.
Es decir, ordenados los posibles valores de la variable aleatoria de menos a mayor, se asocia a
cada valor de la misma la probabilidad acumulada hasta ese valor, es decir, que tome valores
menores o iguales a xi
81
3.5.1 Distribución binomial
Sea un experimento aleatorio en el que sólo puedan darse dos posibilidades: que ocurra un
determinado suceso A, que llamaremos éxito, o que no ocurra dicho suceso, o sea que ocurra
82
Se repite el experimento n veces en las mismas condiciones (independencia). Se define la
variable aleatoria Binomial : X: “nº de veces que ocurre el suceso A (nº éxitos) en n
83
84
3.5.2Distribución geométrica
Esta distribución sirve para calcular la probabilidad de que ocurra un éxito por primera y
Función de densidad:
Sea A un suceso de probabilidad P(A)=p, y sea X la variable aleatoria que expresa el numero
de fracasos que tiene lugar en las repeticiones independientes de pruebas de Benouili, hasta
que ocurre A por primera vez. La variable X toma los valores de 0,1,2,….(numero de
fracasos). Decimos que una variable aleatoria X sigue una distribución geométrica de
dónde :
85
º Las pruebas son idénticas e independientes entre sí.
Función de distribución
presenta siempre una asimetría a la derecha como se puede observar en las siguientes
funciones de densidad.
86
Demostración
Esperanza
Demostración
Varianza
87
Demostración
Por tanto
Función característica
88
3.5.3 Distribución de Poisson
Nº de veces que una planta de energía nuclear emite gases radiactivos en un periodo de tres
meses
89
Aspectos interesantes de la experiencia personal relacionados con los temas de estudio.
particular interés. Los empresarios que pretendan introducir un nuevo producto, así como los
90
previamente los correspondientes estudios de mercado para los cuales es imprescindible el
La información estadística es de gran importancia para el sector privado para planificar sus
planificar y ejecutar sus acciones en función del desarrollo económico y social así como para
Todo este tiempo me he esforzado en ser mejor persona y estudiante , para mi ha sido difícil
ser estudiante ya que requiere de mucho compromiso, valor e interés y tiempo. mis días cada
vez se hacen cortos pero de una cosa si estoy muy segura, que todo sacrificio tiene su
recompensa.
91
Ejercicios, técnicas y metodología sugerida para los diferentes documentos del
92
Glosario personal.
93
2. Dato estadístico. Los datos que se considera participan en el estudio estadístico se
conoce como datos estadísticos, mas concretamente, se consideran como los valores que se
con datos de tipo discreto. En el eje x se representan los datos ordenados en clases mientras
que aparecen con su frecuencia correspondiente, generalmente mediante una tabla estadística.
5. Diagrama de sectores. Este tipo de diagramas puede ser de dos tipo, se puede
como puede ser una dona o un anillo en el que cada porción dentro de la figura representa la
los que una porción del pastel determinada por sectores individuales la información para ese
sector específico.
94
análisis de los datos y a partir de ello predecir acerca de la población, con un margen de
inferencia sobre la población no se puede realizar, al menos con una confianza determinada,
unos cuantos parámetros, tablas y algunas graficas planteadas de tal forma que den
otra, cuyas muestras pese ha ser de una misma población son diferentes.
10.La frecuencia absoluta f(xi) se determina como el número de veces que se repite un
dato xi.
la frecuencia de cada dato xi mas la suma de los valores anteriores a dicha suma.
95
conjunto de datos que se emplean para representar datos de una variable cuantitativa. En el
eje horizontal o de las abscisas se representan los valores tomados por la variable, en el caso
de que los valores considerados sean continuos la forma de representar los valores es
los valores de las frecuencias de los datos. Las barras que se levantan sobre la horizontal y
control, que a medida que se crecen las clase tiene aproximadamente la forma de una
96
Conclusión
Con todo lo aprendido, podemos concluir que la estadística es una rama de la matemática que
está no se encuentra muy visible en lo cotidiano pero que en realidad es de mucha utilidad
para interpretar y ver desde un punto de vista muy general datos que se obtienen. A través de
sus gráficas, medidas de tendencia central y de dispersión podemos ver mas claro y concreto
un conjunto de datos que se nos hacen muy complicados, en resumen son un verdadero
97
Recomendaciones
Gracias a ello el análisis de cualquier dato puede ser más razonable y exacto.
situación
98
Bibliografía.
99