Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PRESENTADO POR:
PRESENTADO A:
FACULTAD DE INGENIERIAS
INGENIERIA INDUSTRIAL
PEREIRA, DICIEMBRE
2013
Contenido
1. ¿PARA QUÉ SIRVE LA ESTADÍSTICA? .............................................................. 4
1.1 DEFINICIÓN .................................................................................................... 4
2. VARIABLE ............................................................................................................ 4
2.1 CODIFICACIÓN DE VARIABLES .................................................................... 5
3. DISTRIBUCIÓN DE FRECUENCIAS PARA VARIABLES CUANTITATIVAS
CONTINUAS ............................................................................................................. 6
3.1 HISTOGRAMA ................................................................................................ 9
3.2 OJIVA .............................................................................................................. 9
4. REDUCCIÓN DE DATOS ................................................................................... 10
4.1 MEDIDAS DE TENDENCIA CENTRAL ......................................................... 10
4.1.1 LA MEDIA ............................................................................................... 10
4.1.2 MEDIANA (Me) ....................................................................................... 13
4.1.3 MODA ..................................................................................................... 14
4.2 ESTADÍSTICOS DE POSICIÓN .................................................................... 15
4.2.1 PERCENTILES ....................................................................................... 15
4.2.2 DECILES................................................................................................. 15
4.2.3 CUARTILES ............................................................................................ 16
4.3 MEDIDAS DE VARIABILIDAD O DISPERSIÓN ............................................ 17
4.3.1 RANGO ................................................................................................... 17
4.3.2 RANGO INTERCUARTÍLICO ................................................................. 17
4.3.3 LA VARIANZA ......................................................................................... 17
4.3.4 DESVIACIÓN ESTÁNDAR ..................................................................... 19
4.3.5 COEFICIENTE DE VARIACIÓN ............................................................. 19
5. PRINCIPIO DE CHEBYCHEF ............................................................................. 21
6. DIAGRAMA BOX PLOT O DE CAJA .................................................................. 21
7. COEFICIENTE DE ASIMETRÍA O SESGO ........................................................ 22
8. CURTOSIS O APUNTAMIENTO ........................................................................ 23
9. TEORÍA DE LA PROBABILIDAD ........................................................................ 24
9.1 PROBABILIDAD A PRIORI (PASCAL): ......................................................... 24
9.2 PROBABILIDAD A POSTERIORI (KOLMOGOROV) .................................... 25
9.3 EVENTOS ..................................................................................................... 28
9.3.1 CLASIFICACIÓN DE LOS EVENTOS: ................................................... 28
9.4 OPERACIÓN ENTRE EVENTOS .................................................................. 29
10. CÁLCULO DE PROBABILIDADES ................................................................... 31
10.1 PROPIEDADES DE LA PROBABILIDAD .................................................... 31
10.2 MÉTODO PARA CALCULAR PROBABILIDADES ...................................... 32
11. TÉCNICAS DE CONTEO Y MÉTODOS DE ENUMERACIÓN ......................... 36
11.1 PRINCIPIO DE LA MULTIPLICACIÓN ........................................................ 36
11.2 PERMUTACIONES ..................................................................................... 38
12. PROBABILIDAD CONDICIONAL ...................................................................... 41
12.1 INDEPENDENCIA DE EVENTOS: .............................................................. 42
12.2 LEY DE LA MULTIPLICACIÓN: .................................................................. 44
12.3 TEOREMA DE LA PROBABILIDAD TOTAL................................................ 44
12.4 TEOREMA DE BAYES ................................................................................ 45
13. VARIABLE ALEATORIA ................................................................................... 46
13.1 DISTRIBUCIÓN DE PROBABILIDAD ......................................................... 47
13.2 FUNCIÓN DE PROBABILIDAD ................................................................... 47
13.3 PROPIEDADES LA VARIABLE ALEATORIA .............................................. 48
13.4 FUNCIÓN DE PROBABILIDAD ACUMULADA ........................................... 48
13.5 VALOR ESPERADO DE UNA VARIABLE ALEATORIA ............................. 49
13.6 VARIANZA DE UNA VARIABLE ALEATORIA ............................................. 51
14. VARIABLES ALEATORIAS CON NOMBRE PROPIO ...................................... 55
14.1 DISTRIBUCIÓN UNIFORME DE PROBABILIDAD ..................................... 55
14.2 DISTRIBUCIÓN UNIFORME CONTINUA ................................................... 56
14.3 DISTRIBUCIÓN DE PROBABILIDAD BERNOULLI .................................... 58
14.4 DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL ....................................... 59
14.5 DISTRIBUCIÓN DE PROBABILIDAD MULTINOMIAL ................................ 61
14.6 DISTRIBUCIÓN DE PROBABILIDAD POISSON ........................................ 61
14.7 DISTRIBUCIÓN DE PROBABILIDAD HIPERGEOMÉTRICA...................... 62
14.8 DISTRIBUCIÓN DE PROBABILIDAD HIPERGEOMÉTRICA
MULTIVARIADA .................................................................................................. 63
14.9 DISTRIBUCIÓN EXPONENCIAL ................................................................ 64
1. ¿PARA QUÉ SIRVE LA ESTADÍSTICA?
1.1 DEFINICIÓN
2. VARIABLE
Es una característica medible de la población
VARIABLES
CUALITATIVAS CUANTITATIVAS
4,2 – 7,1 – 7,4 – 8,3 – 10,2 – 10,2 – 10,8 – 11,2 – 11,2 – 12 – 12,4 – 12,9 – 13,1–
13,4 – 13,5 – 13,8 – 14 – 14,3 – 14,4 – 14,5 – 14,7 – 14,8 – 14,9 – 15 – 15 – 15,4 -
15,8 – 16 – 16,5 – 16,6 – 17 – 17,1 – 17,3 – 17,6 – 17,9 – 18 – 18 – 18,2 – 18,4 –
18,9 – 19 – 19,8 – 19,8 - 20,2 – 21 – 21,2 – 21,2 – 22 – 22,3 – 26,7
b) Método de Sturges:
3.1 HISTOGRAMA
Un tipo de representación gráfica, para variables continuas, formada por una serie
de barras contiguas de altura proporcional a la frecuencia de la categoría de la
variable.
3.2 OJIVA
Ojiva
1,2
Hi
0,8
0,6
4. REDUCCIÓN DE DATOS
Es el proceso donde se hace un análisis numérico de la información
y consiste en dos partes:
4.1 MEDIDAS DE TENDENCIA CENTRAL
4.1.1 LA MEDIA
Es el estadístico de tendencia central más utilizado y se calcula
de la siguiente manera:
a) Datos no agrupados:
PROPIEDADES DE LA MEDIA
1. La media de una constante es la constante.
Demostración: Xi=C
2. Si a una variable se multiplica por una constante la nueva media aparece
multiplicando por la constante
0,50=0,18+0,089(x-11,7)
0,32=0,089x-1,0413
1,3613=0,089x x=15,29~15,3
R// Por debajo de 15,3 min son atendidos el 50% de los pacientes.
4.1.3 MODA
Es el dato que más se repite.
a) Datos no agrupados:
Ejemplo: 1. X1=18, X2=18, X3=20, X4=19, X5=17
Mo= 18
Ejemplo:
4.2.1 PERCENTILES
Son valores de la varible por debajo del cual se haya el 1%, 2%, 3%, …,
98%, 99%, 100% d ela informacion.
Ejemplo:
R// El 77% de los pacientes son atendidos por debajo de 18,64 min.
4.2.2 DECILES
Son valores de la variable por debajo del cual se encuentra el 10%, 20%, 30%, …,
80%,90%, 100%.
4.2.3 CUARTILES
Son valores de la variable por debajo del cual se encuentra el 25%, 50%, 75% y
100%.
4.3 MEDIDAS DE VARIABILIDAD O DISPERSIÓN
Dan idea de la homogeneidad o heterogeneidad de los datos. Los más
utilizados son los siguientes:
4.3.1 RANGO
4.3.3 LA VARIANZA
# Personas en el hogar
1 15 0,23
2 25 0,38
3 15 0,23
4 6 0,09
5 4 0,06
Ejemplo:
Ejemplo:
PROPIEDADES DE LA VARIANZA
1. La varianza de una constante es 0 “cero”
x1=20, x2=20, x3=20, x4=20
El porcentaje de personas que son atendidas entre 6,68 min y 23,92 min es > al
75%.
Es un gráfico que suministra información sobre los valores mínimo y máximo, los
cuartiles Q1, Q2 o mediana y Q3, y sobre la existencia de valores atípicos y la
simetría de la distribución.
7. COEFICIENTE DE ASIMETRÍA O SESGO
El concepto de asimetría se refiere a si la curva que forman los valores de la
serie presenta la misma forma a izquierda y derecha de un valor central (media
aritmética).
8. CURTOSIS O APUNTAMIENTO
o Datos no agrupados:
o Datos agrupados:
9. TEORÍA DE LA PROBABILIDAD
Donde
h: número de casos favorables al evento A
n: número de resultados posibles
Ejemplo:
Sea el evento que consiste en lanzar dos dados, hallar la probabilidad de que
salga 6.
Dado1/Dado2 1 2 3 4 5 6
1 1,1 1,2 1,3 1,4 1,5 1,6
2 2,1 2,2 2,3 2,4 2,5 2,6
3 3,1 3,2 3,3 3,4 3,5 3,6
4 4,1 4,2 4,3 4,4 4,5 4,6
5 5,1 5,2 5,3 5,4 5,5 5,6
6 6,1 6,2 6,3 6,4 6,5 6,6
Sea el evento que consiste en lanzar dos dados, hallar la probabilidad de que
salga 1.
Experimento
Ejemplo:
• Sea el evento que consiste en lanzar un dado
c= cara; s= sello.
Espacio muestral:
• Número de puntos finitos (como los ejemplos que tenemos
anteriormente)
1. Evento nulo {}: El evento nulo es aquel que no tiene ningún resultado posible
en el espacio muestral
Ejemplo:
o Sea el evento que consiste en lanzar una moneda, sea el evento que salga
dos caras, entonces A= {}
Nota: El evento se denota por letra mayúscula y entre {} se representa los eventos
simples que conforman el grado de evento.
Ejercicios
1. Sea el experimento que consiste en lanzar dos
monedas
a. Hallar el espacio muestral
b. Definir un evento nulo, simple, compuesto y seguro
c. Sea A el experimento que al menos salga una cara, hallar la
probabilidad del evento A.
Espacio muestral
Evento A
Complemento de un evento
Ejercicio:
1. Sea el experimento que consiste en lanzar dos monedas. Sea A el evento
que consiste que salga como mínimo cara. Sea B el evento que consiste
que salga como mínimo sello. Sea C el evento que no salga cara y sea D el
evento que no salga sello.
a. Hallar: A̅, B
̅ , ̅C, D
̅
b. Hallar: AUB y CUD
c. Hallar: A∩B, C∩D, A∩C, B∩D
d. ¿Qué eventos son mutuamente excluyentes?
10. CÁLCULO DE PROBABILIDADES
Donde:
1- P( A̅ ) =1 – P(A)
2- P(0)= 0
Demostración de las propiedades
1- P( A̅ ) =1 – P(A)
2- P(0) = 0
Ejemplo:
Sea el experimento que consiste en lanzar un dado, para dicho dado los números
pares tienen el doble de probabilidad de ser elegidos que los números impares. Sea
C el evento que el número observado sea mayor o igual a cuatro.
Ejercicios
1. Sea el experimento que consiste en lanzar una moneda, sea A el evento de
obtener sello
• Entender
• Dibujar S= {c, s} S(𝑒1 ,𝑒2 )
1
• P(𝑒1 )= P(𝑒1 )=2
• A= 𝑒1
1
• P(A)= 2
• Entender el experimento
11. TÉCNICAS DE CONTEO Y MÉTODOS DE ENUMERACIÓN
3! =6
Ejemplo:
n=3; K=2;
Ejemplo
De un grupo de 11 estudiantes voy a elegir 2 para ocupar los cargos de coordinador
de campo y el segundo para coordinador de oficina. ¿De cuantas maneras se
puede hacer?
Ejemplo
Ejemplo
Según las leyes de Mendel, todos los posibles genotipos de un hijo de una
madre portadora (xX) y un padre normal (XY) son xX, xY, XX, XY y tienen la
misma probabilidad. El espacio muestral es s = {xX, xY, XX, XY}
el suceso A={hijo enfermo} corresponde al genotipo xY, por tanto, según
la definición clásica de probabilidad p(A) = 1/4 = 0,25
Es una función definida sobre el espacio muestral y se denota por las letras
mayúsculas X, Y y Z,…, etc.
Ejemplo:
• Sea E el experimento que consiste en lanzar 2 monedas, sea X la variable
aleatoria que cuenta el número de caras.
Ejemplo
Para el caso de 2 monedas, sea X la variable aleatoria que cuenta el número de
caras.
x 0 1 2
F(x) 1/4 2/4 1/4
y 0 1 2 3
f(y) 1/8 3/8 3/8 1/8
y 0 1 2 3
f(y) 1/8 3/8 3/8 1/8
1.0 ≤ 𝑓(𝑥) ≤ 1
2.∑𝑘𝑖=𝑘 𝑓(𝑥𝑖 = 1)
Ejemplo
Para el caso de, sea X la variable aleatoria que cuenta el número de caras.
x 0 1 2
Para el caso de: Sea E el experimento que consiste en lanzar 3 monedas, sea Y
la variable aleatoria que cuenta el número de sellos.
Y 0 1 2 3
f(y) 1/8 3/8 3/8 1/8
F(y) 1/8 4/8 7/8 1
Variable discreta
M: computadores malos
B: computadores buenos
14. VARIABLES ALEATORIAS CON NOMBRE PROPIO
Ejemplo
• Tirar un dado
• Tirar una moneda
• Hacer un Shift-Ranzaso en la clase de estadística 1 con el profesor Álvaro
Trejos.
Tendremos:
De donde
Por lo que
Ejemplo
• Al votar por un candidato
• En un proceso de producción si sale defectuoso o no
• Al nacer un bebe si es hombre o mujer.
Esperanza
Ejemplo: Si suponemos que la probabilidad de que nazca un niño es igual a la
de que nazca una niña. Hallar la distribución de probabilidad, valor esperado,
varianza de esta distribución de Bernoulli.
a.
X 0 1
P(x) 0,5 0,5
Ejemplos
1. La probabilidad de que una persona vote por el candidato A es de 0,20, si se
elige al azar 100 personas, hallar la probabilidad de que 5 personas voten
por el candidato A.
n=10, k=4
2. En un proceso de producción el 10% de los artículos salen defectuosos, si
un producto es elegido a lazar, hallar la probabilidad de que 4 productos de
los seleccionados sean defectuosos.
n=10, k=4
Condiciones para aplicar la distribución de probabilidad binomial
1. El experimento consiste en repeticiones ó ensayos.
Respuesta
14.5 DISTRIBUCIÓN DE PROBABILIDAD MULTINOMIAL
Ejemplo
Según la revista Semana para el año 1998 el 40% de los divorcios se debe a
infidelidad de alguno de los conyugues, el 50% a disputas económicas y el 10% a
otras causas, principalmente el alcoholismo. ¿Cuál es la probabilidad de que, de 12
divorcios elegidos al azar, 5 estén motivados por infidelidad, 5 por problemas
económicos y 2 por otras causas?
12
( ) (0, 45 )(0, 55 )(0, 102 ) = 0,053
5,5,2
La probabilidad de que en 12 matrimonios encontremos 5 por infidelidad, 5 por
problemas económicos y 2 por otras causas es de 0,053%.
Nos interesa saber el tiempo hasta que ocurre determinado evento, sabiendo que,
el tiempo que pueda ocurrir desde cualquier instante dado t, hasta que ello ocurra
en un instante tf, no depende del tiempo transcurrido anteriormente en el que no
ha pasado nada.
Ejemplos:
La función exponencial no tiene memoria, los eventos del presente o del futuro no
dependen de los que ocurrieron en el pasado
Que es una variable aleatoria continúa x que mide el tiempo que tarda en ocurrir el
primer evento Poisson: