Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ASIGNATURA:
Probabilidad y Estadística Descriptiva
(GED-0921)
ELABORÓ:
I.A. MARIO RAFAEL AGUILAR RODRÍGUEZ
AGOSTO, 2020
Introducción
Esta asignatura aporta al perfil del Ingeniero en Gestión Empresarial las herramientas
metodológicas, para el análisis, caracterización, interpretación y predicción de los distintos
fenómenos o devenires de las empresas actuales en el mundo globalizado que nos estás
tocando vivir.
Puesto que esta asignatura dará soporte a otras, más directamente vinculadas con
desempeños profesionales se inserta en la primera mitad de la trayectoria escolar antes de
cursar aquéllas a las que da soporte. De manera particular, lo trabajado en esta asignatura
se aplica en el estudio de los temas: tendencias de mercados, satisfacción de clientes,
calidad, entre otros.
Así como capacitar al estudiante para el análisis e interpretación de datos para tomar
mejores decisiones, sustentar convincentemente sus propuestas, proyectos e informes.
Objetivo general:
Realiza el proceso de recopilación, presentación y análisis de información económica-
administrativa, para interpretar estadísticas y parámetros en muestras y poblaciones
utilizando métodos de cálculo y software estadístico para la toma de decisiones.
2
Temas.
Temas Subtemas
1. Distribución de 1.1 Conceptos de estadística y su clasificación.
frecuencia 1.2 Recopilación de datos.
1.3 Distribución de frecuencias.
1.3.1 Polígonos de frecuencia, histogramas y ojivas.
1.4 Medidas de tendencia central para un conjunto de datos y datos
agrupados.
1.4.1 Media, Media ponderada.
1.4.2 Mediana.
1.4.3 Moda.
1.4.4 Relación entre media, mediana y moda.
1.5 Medidas de dispersión para un conjunto de datos y datos agrupados.
1.5.1 Rango.
1.5.2 Desviación media.
1.5.3 Varianza.
1.5.4 Desviación estándar.
3
4. Muestreo 4.1 Definición de muestreo.
4.1.1 Tipos de muestreo aleatorio, sistematizado, estratificado y
conglomerado.
4.2 Concepto de distribución de muestreo de la media.
4.2.1 Distribución muestral de la media con varianza conocida y
desconocida.
4.2.2 Distribución muestral de la diferencia entre dos medias con varianza
conocida y desconocida.
4.2.3 Distribución muestral de la proporción.
4.2.4 Distribución muestral de la diferencia de dos proporciones.
4.3 Teorema de límites central.
4.4 Tipos de estimaciones y características.
4.5 Determinación del tamaño de la muestra de una población.
4.6 Intervalos de confianza para la media, con el uso de la distribución.
4
Guía visual de la asignatura
Probabilidad y
Estadistica Discreta
3.Tipos de
2. Introducción a la
1. Distribución de distribucones, vriables
probabilidad y valor 4. Muestreo
frecuencia aleatorias discretas y
esperado
continuas
5
Tema 1.
Distribuciones de
frecuencia
6
Unidad temática.
1.1 Conceptos de estadística y su clasificación.
1.2 Recopilación de datos.
1.3 Distribución de frecuencias.
1.3.1 Polígonos de frecuencia, histogramas y ojivas.
1.4 Medidas de tendencia central para un conjunto de datos y datos
agrupados.
Tema 1. 1.4.1 Media, Media ponderada.
Distribución 1.4.2 Mediana.
de frecuencia 1.4.3 Moda.
1.4.4 Relación entre media, mediana y moda.
1.5 Medidas de dispersión para un conjunto de datos y datos agrupados.
1.5.1 Rango.
1.5.2 Desviación media.
1.5.3 Varianza.
1.5.4 Desviación estándar.
RESUMEN
En el primer tema se abordan los temas básicos de la estadística descriptiva con la finalidad
de que se analice y represente gráficamente conjuntos de datos tomados de una situación
real, haciendo una interpretación de ellos mediante el uso de medidas de tendencia central
lo que le permitirá identificar las características de los fenómenos poblacionales o
muéstrales.
7
Tema 1. Distribución de frecuencia.
1.1 CONCEPTOS DE ESTADÍSTICA Y SU CLASIFICACIÓN.
La Estadística se ocupa de los métodos y procedimientos para recoger, clasificar, resumir, hallar
regularidades y analizar los datos, siempre y cuando la variabilidad e incertidumbre sea una causa
intrínseca de los mismos; así como de realizar inferencias a partir de ellos, con la finalidad de ayudar
a la toma de decisiones y en su caso formular predicciones.
Conceptos Básicos:
UNIDAD ELEMENTAL: Son los "entes" que constituyen la población y de las que se va a obtener
información inicial. También conocido como elementos o individuos que contienen cierta
información que se desea estudiar.
MUESTRA ALEATORIA: cuando la muestra a sido obtenida empleando algún procedimiento del azar:
sorteo, extracción al azar, números aleatorios, etc.
OBSERVACIÓN: Es el registro que se obtiene al evaluar una característica en una unidad elemental.
8
VARIABLES CUALITATIVAS: Generan observaciones de carácter no numérico.
VARIABLES CUANTITATIVAS: son las que tienen por modalidades cantidades numéricas con las que
podemos hacer operaciones aritméticas.
Una Variable Discreta solo puede adquirir un conjunto generalmente bajo de valores (de 2 a 5
valores posibles, por ejemplo). Muchas veces, estas variables corresponden a rasgos binarios (como
el sexo).
Las Variables Continuas, en cambio pueden adoptar una amplia gama de valores, incluyendo los
intervalos que hay entre los números enteros. Por ejemplo: Calificaciones Examen
PARÁMETRO: Es una constante que describe una característica de una población. Para poder
calcular el valor de un parámetro, se requiere conocer a ciencia cierta el estado de naturaleza de la
población o realizar un censo.
Parámetros de Variabilidad:
Varianza
Desviación Estándar
VALOR ESTADÍSTICO o ESTADÍSTICO: Son valores análogos a los parámetros, pero que son
calculados con la información obtenida de la muestra. Los valores estadísticos son variables porque
pueden tomar diferentes valores al cambiar de muestra. Un valor estadístico estima al parámetro
correspondiente.
Promedio X
Mediana me
Moda mo
variancia s²
Desviación estándar s
9
La estadística se puede clasificar en dos grandes ramas:
10
1.2 RECOPILACIÓN DE DATOS
Las técnicas y herramientas utilizadas para recopilar información son: Entrevista, encuesta,
Cuestionario, Observación, diagrama de flujo y diccionario de datos.
Entrevista. Es un intercambio de ideas, opiniones mediante una conversación que se da entre dos
o más personas donde un entrevistador es el designado para preguntar.
SEGÚN SU METODOLOGÍA
Ventajas Desventajas Públicos/ocasiones de uso
-Contacto encuestadores/ -Costos -Población general
ENTREVISTA entrevistados -Tiempos -Prueba de productos
PERSONAL -Cuestionario más largo -Problemas muestras -Testeo publicitario
-Estímulos visuales (hogares) -Encuestas coincidenciales
-No contacto
-Menor tasa de rechazo
-Cobertura telefónica
-Diseño muestral -Niveles medios y altos
-Sospecha venta
E. TELEFÓNICAS probabilístico -Bases de datos
telefónica
-Costos/tiempo -Públicos especiales
-Duración limitada
-Campo centralizado
-No estímulos visuales
-Analfabetos
AUTO -Más barato -No hay control sobre
-Papeles
ADMINISTRADA / -Se pueden cubrir temas quien lo responde
-Empleados
CORREO sensibles -Bajo nivel de
respuesta
-Costos y tiempos
-Falta responsabilidad -Paneles
INTERNET -Personalización cuestionarios
-Seguridad -Públicos difíciles
-Altas tasas de respuestas
11
ENCUESTA: Consiste en una interrogación verbal o escrita que se le realiza a las personas de las
cuales se desea obtener la información necesaria para la investigación. Puede ser vía correo,
teléfono y personal.
Encuesta estadística
Ventajas Desventajas
Económico Bajo índice de respuesta
Se precisa escaso personal Impersonal
Accesibilidad Puede influir otras personas sobre el
Flexibilidad de tiempo para el entrevistado encuestado
Favorece el anonimato Poco útil para encuestas de respuestas
inmediatas
No existe control en el orden en el que
entrevista el personal
Cuestionario: En forma escrita se elabora una serie de preguntas enfocadas al tema en cuestión.
12
Observación: Esta técnica consiste en observar el objeto de estudio y es de mayor utilidad para el
área científica.
Diagrama de Flujo: Este esfuerzo con frecuencia revela problemas potenciales tales como cuellos
de botella en el sistema, pasos innecesarios y círculos de duplicación de trabajo.
Ventajas Desventajas
Obliga a preparar el diagrama de flujo de Es fácil no detectar las causas potenciales,
proceso puesto que la gente puede estar muy
Se pueden llegar a descubrir otros familiarizada con el proceso haciéndosele
problemas no considerados inicialmente todo normal
Permite que las personas que desconocen Es difícil usarlo por mucho tiempo, sobre
el proceso se familiaricen con él todo en procesos complejos
Algunas causas potenciales pueden
aparecer muchas veces
13
1.3 DISTRIBUCIONES DE FRECUENCIA
Representar los
Seleccionar
Recolectar datos, tablas de Sacar
información Organizar datos
datos frecuencias, conclusiones
que interesa
graficos
Es una ordenación tabulada de los datos recopilados en una investigación o estudio, de acuerdo a
la clase o intervalo a que pertenece y con el número de veces o frecuencias que se repite. Una
distribución de frecuencias se represente por medio de tablas.
Clases de frecuencias
Frecuencia absoluta.
La frecuencia absoluta de una variable estadística, es el número de veces que aparece en la muestra
dicho valor de la variable, la representaremos por fi
Para poder calcular este tipo de frecuencias hay que tener en cuenta que la variable estadística ha
de ser cuantitativa. La frecuencia absoluta acumulada de un valor de la variable, es el número de
veces que ha aparecido en la muestra un valor menor o igual que el de la variable y lo
representaremos por Fi.
Frecuencia relativa.
Es una medida útil para poder comparar. La frecuencia relativa es el cociente entre la frecuencia
absoluta y el tamaño de la muestra. Generalmente se expresa en porcentaje. Se denota por fr
𝑓𝑖
𝑓𝑟 =
𝑛
Donde:
n = Tamaño de la muestra
fi = frecuencia absoluta
14
Frecuencia Relativa Acumulada.
Al igual que en el caso anterior la frecuencia relativa acumulada es la frecuencia absoluta acumulada
dividido por el tamaño de la muestra, y la denotaremos por Fr
𝑓𝑖
𝑓𝑟 =
𝑛
2. Se determina el rango o amplitud de la serie de datos, que es la diferencia entre el valor mayor y
el valor menor.
3. Se determina el número de intervalos o clases (K) que se utilizan para agrupar los datos.
4. En general se recomienda tener, hasta donde sea posible, tener entre 5 y 20 intervalos o clases.
Sin embargo, si no se tiene seguridad del número de intervalos a utilizar, se puede aplicar la regla
de Sturgess, con la cual se obtiene una aproximación aceptable sobre el número de intervalos
necesarios para agruparlos.
5. Una vez escogido el número de intervalos se determina la amplitud de cada clase o intervalo (C).
Esta amplitud es igual al rango de los datos dividida en el número de intervalos. El primer intervalo
debe contener el menor valor de los datos y el último intervalo debe contener el mayor valor de los
datos.
Se calcula la marca de clase (Xi), que es el valor medio o promedio de cada intervalo, el cual sirve
para facilitar el cálculo de algunas medidas de posición y de dispersión.
𝐿𝑖𝑛𝑓𝑒𝑟𝑖𝑜𝑟 + 𝐿𝑠𝑢𝑝𝑒𝑟𝑖𝑜𝑟
𝑋𝑖 =
2
15
Ejercicios:
16
1.3.1 Polígonos de Frecuencia
Forma gráfica de representar los datos de una muestra e interpretar lo que sucede en un evento en
su desempeño.
Ejercicio: Con los históricos del suministro diario de amoniaco de Pemex a Agronitrogenados que se
presenta en la siguiente tabla, el área administrativa desea conocer cómo se comporta el suministro
de amoniaco para estandarizar sus procesos. Ventas de NH3 en toneladas. Genere el polígono de
frecuencia con los datos mencionados.
Día Venta Día Venta Día Venta Día Venta Día Venta
NH3 NH3 NH3 NH3 NH3
17
6 104 18 102 30 105 42 105 54 105
1.3.1 Histograma
Un histograma es una representación gráfica de una variable de forma de barras. Está formado por
una serie de rectángulos que tienen sus bases sobre un eje horizontal (eje X), siendo cada una de
ellas igual a un segmento de longitud correspondiente a la amplitud de la clase que representa.
18
Ejercicio: Represente un histograma de una empacadora local, de la cual se tiene en la base de datos
las cantidades de cajas que se empacan en la siguiente tabla, interprete cuantas cajas plantearía
adecuadas para ofrecer en venta a clientes
Día Cajas Día Cajas Día Cajas Día Cajas Día Cajas Día Cajas
19
1.3.1 OJIVA
Este tipo de grafica se representa en el eje horizontal(x) las fronteras de clase, se utiliza las
frecuencias acumulativas originando una ojiva mayor y menor.
Las medidas de centralización nos indican en torno a qué valor (centro) se distribuyen los datos
La media aritmética es el valor obtenido al sumar todos los datos y dividir el resultado entre el
número total de datos.
∑𝑛𝑖−1 𝑥𝑖
𝑥̅ =
𝑛
20
Ejercicio: Resuelva los siguientes ejercicios.
1.- Un auditor de BSI se encuentra en las instalaciones de una empresa para certificar en calidad la
empresa. Solicita evaluar el pesado de MEG producto en presentación de 200 kg en tambores, para
lo cual se realiza la inspección en 30 tambores arrojando los siguientes resultados. Cumple con la
calidad. PAC-510 Producto Final Peso 200 kg ± 1 kg.
2.- Una empresa mexicana realiza su compra de materia prima en dólares a Pemex, de acuerdo al
ajuste de su presupuesto anual tiene estimado el precio del dólar en 20.00 pesos para lograr tener
ganancias y los costos de producción no se eleven de acuerdo a precios del dólar se tiene: Podrá
cumplir con su presupuesto.
3.- Una empresa del ramo petroquímico desea evaluar si su producto DEA 99% de pureza puede
incrementar la calidad del producto a 99.2% pureza y estimular al cliente para aumentar cartera de
clientes, se obtiene de proceso los siguientes resultados.
21
4. Un Ingeniero en Gestión se le solicita realizar el presupuesto anual para el departamento de
calidad y mantenimiento en forma individual, en base a los gastos mensuales durante el año 2018
estimar el presupuesto.
5. En una empacadora local se presenta las compras de limón diario y semanal. Determine los
promedios para realizar inferencias acerca de dicha actividad.
22
6. En la empacadora de acuerdo a los registros de compra de limón al seleccionar el limón según sus
características físicas, determinar promedios para realizar inferencias con la información de lunes y
martes de cada semana.
7. En la empacadora de acuerdo a los registros de compra de limón al seleccionar el limón según sus
características físicas, determinar promedios para realizar inferencias con la información de
miércoles y jueves de cada semana.
23
Media Ponderada
La media ponderada de un conjunto de valores de una variable x a los que se han asignado,
respectivamente, una ponderación se calcula mediante la fórmula:
Donde:
Los Valores p1, p2, p3 , … pn indican la importancia que se quiere dar a cada uno de los valores que
toma x.
1.- Una empresa desea evaluar en su personal su desempeño para determinar su incremento de
sueldo a fin de año, para lo cual a cada trabajador se evalúa según siguiente tabla, determine la
evaluación de un trabajador.
24
2.- Una empresa realiza una encuesta para evaluar las características principales de su producto
(refresco de 600 ml) evalúa cada parámetro dando un porcentaje de valor y así poder observar
mejoras posibles. Evaluación en la tabla:
3.- Una empacadora local desea evaluar la calidad del servicio que presenta a sus clientes para ello
encuesta a un cliente obteniendo los siguientes resultados. Elabore la evaluación de satisfacción del
cliente.
25
1.5 Medidas de Dispersión para un conjunto de datos y datos agrupados
Las medidas de variabilidad de una serie de datos, muestra o población, permiten identificar que
tan dispersos o concentrados se encuentran los datos respecto a una medida de tendencia central.
La puntuación media en una distribución es importante en muchos contextos de investigación. Pero
también lo es otro conjunto de estadísticos que cuantifican que tan variables, o que tan dispersas,
tienden a ser las puntuaciones.
1.5.1 Rango.
Una medida razonable de la variabilidad podría ser la amplitud o rango, que se obtiene restando el
valor más bajo de un conjunto de observaciones del valor más alto.
R= Xmax –Xmin
Es fácil de calcular y sus unidades son las mismas que las de la variable.
No utiliza todas las observaciones (solo dos de ellas);
Se puede ver muy afectada por alguna observación extrema.
El rango aumenta con el número de observaciones, o bien se queda igual. En cualquier caso,
nunca disminuye.
26
1.5.2 VARIANZA.
La varianza, S², se define como la media de las diferencias cuadráticas de n puntuaciones con
respecto a su media aritmética. Esta medida es siempre una cantidad positiva, con propiedades
interesante para la realización de inferencia estadística, es decir:
Si queremos que la medida de dispersión sea de la misma dimensionalidad que las observaciones
bastara con tomar su raíz cuadrada. Por ello se define la desviación típica, S, como:
27
2. Una empresa mexicana desea realizar un pedido de materia prima al extranjero comprando en
dólares. Estima el presupuesto de compra en promedio 19.40 pesos con una desviación de 0.30
Cumple con lo establecido.
3. El estado mexicano realiza presupuestos de acuerdo a precio del barril de crudo, en la tabla
siguiente se tiene los precios de barril actuales, si se considera un precio promedio de barril de 62
dólares con una desviación de 3 dólares. Se cumple con lo estimado.
4. Una persona desea conocer la tasa de interés de Bancomer e Inbursa para poder solicitar un
préstamo. La persona considera pagar una tasa de interés a 28 días de 8.0 ± 0.1%. ¿Qué banco le
recomendaría?
28
5. En una empacadora local se presenta las compras de limón diario y semanal. Determine los
promedios para realizar inferencias acerca de dicha actividad.
6. En la empacadora de acuerdo a los registros de compra de limón al seleccionar el limón según sus
características físicas, determinar promedios para realizar inferencias con la información de lunes y
martes de cada semana.
29
7. En la empacadora de acuerdo a los registros de compra de limón al seleccionar el limón según sus
características físicas, determinar promedios para realizar inferencias con la información de
miércoles y jueves de cada semana.
1.4.2 Mediana
Es el valor que ocupa el lugar central de todos los datos cuando éstos están ordenados de menor a
mayor.
Cálculo de la mediana
2, 3, 4, 4, 5, 5, 5, 6, 6 Me= 5
3. Si la serie tiene un número par de puntuaciones la mediana es la media entre las dos
puntuaciones centrales.
30
7, 8, 9, 10, 11, 12 Me= 9.5
Donde:
ai o ti = la amplitud de la clase.
1.4.3 MODA
La moda es el valor que tiene mayor frecuencia absoluta. Se representa por Mo. Se puede hallar
la moda para variables cualitativas y cuantitativas.
2, 3, 3, 4, 4, 4, 5, 5 Mo= 4
Si en un grupo hay dos o varias puntuaciones con la misma frecuencia y esa frecuencia es la máxima,
la distribución es bimodal o multimodal, es decir, tiene varias modas.
31
1, 1, 1, 4, 4, 5, 5, 5, 7, 8, 9, 9, 9 Mo= 1, 5, 9
Si dos puntuaciones adyacentes tienen la frecuencia máxima, la moda es el promedio de las dos
puntuaciones adyacentes.
0, 1, 3, 3, 5, 5, 7, 8 Mo = 4
Donde:
ai o ti = la amplitud de la clase.
Media Aritmética. Si los datos vienen agrupados en una tabla de frecuencias, la expresión de
la media es:
32
Ejercicios.
1. Una industria mexicana desea conocer cuanto ascienden sus gastos promedio, varían, se desvían,
moda y mediana para realizar sus estimaciones de presupuesto en meses continuos, se recopilo la
información de los históricos recientes registrados en la siguiente tabla, proceda a calcularlos.
Gastos en millones de pesos
2. Banxico reporta la tasa TIIE (tasa de Interés Interbancaria de Equilibrio) mes a mes para dar a
conocer el promedio de dicha tasa. Esta información es utilizada por las empresas para conocer
cuanto se cobrara de interés por los bancos al otorgar créditos. Determine Moda, Mediana,
Promedio, Variación y desviación de dicha información para próximos proyectos.
33
3. La producción de una empresa diario se presenta en la siguiente tabla, Determine Moda,
Mediana, Promedio, Variación y desviación de dicha información
34
Tema 2.
Introducción a la
Probabilidad y
valor esperado
35
Unidad temática.
2.1 Teoría de conjuntos.
2.1.1 Definición, propiedades y operaciones básicas con conjuntos.
2.1.2 Técnicas de conteo.
2.1.3 Diagrama de árbol.
Tema 2. 2.1.4 Análisis combinatorio.
Introducción a la 2.2 Combinaciones y permutaciones.
probabilidad y 2.3 Introducción a la probabilidad.
valor esperado 2.3.1 Definición y expresión.
2.4 Eventos mutuamente excluyentes y no excluyentes.
2.5 Eventos independientes, dependientes y probabilidad condicional.
2.6 Teorema de Bayes.
2.7 Valor esperado o esperanza matemática.
RESUMEN
En este tema se propone el manejo de la probabilidad y distribuciones de probabilidad, de
tal forma que el estudiante aplique los conceptos en procesos de toma de decisiones que
involucren incertidumbre, y que le sirvan de sustento en la realización de proyectos e
informes.
36
Tema 2. Introducción a la probabilidad y valor esperado.
2.1 TEORÍA DE CONJUNTOS
Ejemplos de conjuntos:
37
Existen cuatro formas de enunciar a los conjuntos:
que significa que el conjunto A es el conjunto de todos los elementos x tales que
la condición P(x) es verdadera, como x1, x2, x3 , etc.
Ejemplo: Dada la expresión “el conjunto de todas las tallas de pantalón adulto”
lo expresamos por extensión, comprensión y diagrama de Venn.
38
CONJUNTOS CON NOMBRES ESPECÍFICOS
M = { x |x⁴ = 16}
N = { 1,3,5,7,9,11,13,15,17,19,…}
R = { 0,1,2,3,4,5,6,7,8,9}
S = { x |x es un digito} R=S
R = { x |x² = 4}
S = { -3,-2,-1,0,1,2,3} RǂS
39
conjuntos son equivalentes existe una correspondencia uno a uno o biunívoca.
Esto significa que se puede establecer una relación que asocie a cada elemento
del primer conjunto con un único elemento del segundo conjunto sin que sobren
elementos en ningún conjunto.
Gráficamente y Ejemplo:
A = { 100, 200 }
40
2. La intersección de los conjuntos A y B es el conjunto de los elementos de A
que también pertenecen a B y se denota como A ∩ B. Esto es: A ∩ B = { x |x Є
AyxЄB} Gráficamente:
Ejemplo:
A∩B=Ф
Gráficamente:
41
U = { 15, 25, 35, 45, 55, 65, 75, 85, 95, 105, 115, 125, 135, 145}
Gráficamente:
U ={10,20,30,40,50,60,70}
A={10,30,50,70} B={10,20,40,60,70}
A-B={30,50} B-A={20,40,60}
42
1.- Sean los conjuntos:
U: {10, 20, 30, 40, 50, 60, 70, 80, 90, 100, 110, 120, 130, 140, 150, 160, 170,
180, 190, 200}
Obtener: a) A U B b) A ∩ B c) A - B d) B - A e) A ʹ f) Bʹ g) Aʹ - Bʹ h) ( A U
B)ʹ i) ( A ∩ B)ʹ j) Aʹ – Bʹ k) Aʹ ∩ Bʹ m) ( Aʹ ∩ Bʹ)ʹ
U: {5, 15, 25, 35, 45, 55, 65, 75, 85, 95,105, 115,125, 135, 145, 155, 165,
175, 185, 195, 205, 215, 225, 235, 245}
A = {15, 35, 55, 75, 95, 125, 145, 185, 215, 245}
B = {5, 25, 45, 65, 85, 105, 125, 145, 165, 185, 205, 225, 245}
Obtener: a) A U B b) A ∩ B c) A - B d) B - A e) A ʹ f) Bʹ
U: {10, 20, 30, 40, 50, 60, 70, 80, 90, 100, 110, 120, 130, 140, 150, 160, 170,
180, 190, 200}
Obtener: a) A U B b) A ∩ B c) A - B d) B - A e) A ʹ f) Bʹ g) Aʹ - Bʹ h) ( A U
B)ʹ i) ( A ∩ B)ʹ j) Aʹ – Bʹ k) Aʹ ∩ Bʹ m) ( Aʹ ∩ Bʹ)ʹ
43
2.1.2 TÉCNICAS DE CONTEO
44
2.1.4 ANÁLISIS COMBINATORIO
x1 + x2 + x3 + x4 + x5 + x6 + x7
45
2.- Factorial de un número: El factorial de un número natural n mayor que
uno (1) es igual al producto de los n primeros números naturales; el símbolo
característico es "!". Así: n! = n.(n-1).(n-2)...3.2.1
5ᴉ =? 9ᴉ =? 4ᴉ =? 15ᴉ =? 7ᴉ =? 11ᴉ =?
𝑛!
𝑛𝑃𝑟 =
(𝑛 − 𝑟)!
Esta fórmula nos permitirá obtener todos aquellos arreglos en donde el orden es
importante y solo se usen parte (r) de los n objetos con que se cuenta, además
hay que hacer notar que no se pueden repetir objetos dentro del arreglo, esto
es, los n objetos son todos diferentes.
46
Extra clase: 12P4 + 23P5 =? (15P3 + 28P6 ) ÷ 36P4 =?
COMBINACIONES.
47
Ejercicios:
(28C6+24C4+31C5) / (65C6-36C5)=?
Suponga que A1, A2, …, An son eventos mutuamente excluyentes cuya unión
es el espacio muestral S, es decir, que debe ocurrir uno de los eventos. Entonces
si A es un evento cualquiera, tenemos el siguiente teorema:
Esto nos permite encontrar las probabilidades de diferentes eventos A1, A2, …,
An que pueden hacer que ocurra A. Es útil para calcular probabilidades
posteriores
48
Ejercicios:
49
PARTE 3 COMPUESTOS INORGÁNICOS
Tema 3.
Tipos de distribuciones,
variables aleatorias
discretas y continuas
50
Unidad temática.
3.1 Binomial.
3.1.1 Propiedades: Media, Varianza y desviación estándar.
3.1.2 Gráfica.
3.2 Poisson.
3.3 Propiedades: Media, Varianza y desviación estándar.
3.4 Gráfica.
Tema 3. Tipos de
3.5 Hipergeométrica.
distribución, variables
3.6 Propiedades: Media, Varianza y desviación estándar.
aleatorias discretas y
3.7 Gráfica.
continuas
3.8 Normal y Logarítmico-normal.
3.9 Propiedades: Media, Varianza y desviación estándar.
3.10 Gráfica.
3.11 Aproximación de la normal a la binomial.
3.12 Propiedades: Media, Varianza y desviación estándar.
3.13 Gráfica.
RESUMEN
Como en el tema anterior, se propone el manejo de la probabilidad y distribuciones de
probabilidad, de tal forma que el estudiante aplique los conceptos en procesos de toma de
decisiones que involucren incertidumbre, y que le sirvan de sustento en la realización de
proyectos e informes.
51
Tema 3. Tipos de distribuciones, variables aleatorias discretas y continuas
Su función de probabilidad es
Donde:
n= número de pruebas
x= número de éxitos
p= probabilidad de éxito
q= probabilidad de fracaso
52
Ejercicios:
1. Una empresa del ramo lácteo realizo una encuesta en la población de la ciudad
y encontró que el 55% le agrada su producto. Se realiza un muestreo a 10
personas de la población. Determine la probabilidad de que 7 personas les
agrade el lácteo.
53
3.1.1 PROPIEDADES: MEDIA, VARIANZA Y DESVIACIÓN ESTÁNDAR
Media µ=np
Varianza σ² = n p q
Desviación Estándar σ = √ (n p q)
3.1.2 GRÁFICA.
54
3.2 DISTRIBUCIÓN DE POISSON
Donde:
x es el numero de éxitos.
Datos: x = 15 y λ = 0.01(500) = 5
55
2. En una fábrica de plásticos se tiene estadísticos que el 3% que produce son
defectuosos, encuentre la probabilidad de que en una muestra de 200 productos.
Se obtengan 2, 4 o 6 productos defectuosos.
Media µ=λ
Varianza σ² = λ
56
3.4 Grafica
Donde:
N = Tamaño de la población
57
a = Todos o cantidad de elementos que cumple característica deseada o
esperada
n = Tamaño de la muestra.
x = Cantidad de éxitos o fracasos según contexto de la interrogante
5. Una empresa productora de jugos elabora gajos de piña en vasos de 200 gr,
en 1 hora se producen 80 charolas de acuerdo a históricos 3 son dañadas, Si al
inspeccionar por calidad 8 charolas. ¿Qué probabilidad hay de que 1 salga
defectuosa?
58
3.6 NORMAL Y LOGARÍTMICO-NORMAL.
59
Para indicar que una variable aleatoria (v.a.) sigue una distribución normal de
media µ y desviación estándar σ usaremos la expresión: X ∼ N(µ,σ).
Se observó que no existe una sola distribución de probabilidad normal, sino una
“familia” de ellas, cada una de las distribuciones puede tener una media (µ) o
una desviación estándar distinta (σ). Para resolver este problema, se utiliza un
solo “miembro” de la familia de distribuciones normales, aquella cuya media es
0 y desviación estándar 1 que es la que se conoce como distribución estándar
normal, de forma que todas las distribuciones normales pueden convertirse a la
estándar, restando la media de cada observación y dividiendo por la desviación
estándar.
60
Primero, convertiremos la distribución real en una distribución normal estándar
utilizando un valor llamado Z, o estadístico Z que será la distancia entre un valor
seleccionado, designado X, y la media µ, dividida por la desviación estándar σ.
z = -2.22 a 1.6; z = -1.45 a 3.4; z= .88 a 1.4; z= -2.88 a -1.68; z= -1.0 a 2.4
61
Extra clase: Obtener densidad de probabilidad:
Media µ
Varianza σ²
Desviación estándar σ
3.8 GRÁFICA.
np ≥ 5; n (1-p) ≥ 5
Donde:
63
Ejemplo: La probabilidad de que 1 cliente acepte y compre nuestro producto es
40%. Si realiza una encuesta a 80 personas. ¿Cuál es la probabilidad de que al
menos 25 personas les agrade el producto?, más de 45 personas les agrade.
Datos:
n=80
p=0.40
Ejercicios.
64
4. El 19% marca los históricos del agrado de una pasta dental dentro de la
población. Si se entrevista a 65 posibles clientes. ¿Cuál es la probabilidad de que
al menos 14 personas lo acepten y más de 18 personas lo acepten?
Media µ=np
Varianza σ=npq
3.11 GRÁFICA.
La Distribución Binomial
65
Aproximación normal a la distribución binomial
66
Tema 3.
Compuestos
inorgánicos
Tema 4.
Muestreo
67
Unidad temática.
4.1 Clasificación y propiedades de los compuestos orgánicos.
4.1.1 Hidrocarburos.
4.1.2 Halogenuros.
4.1.3 Alcoholes.
4.1.4 Éteres.
4.1.5 Aldehídos- Cetonas.
Tema 4. Muestreo
4.1.6 Ácidos carboxílicos.
4.1.7 Esteres.
4.1.8 Aminas.
4.1.9 Compuestos orgánicos de impacto económico, industrial,
ambiental y social en la región o en el país.
4.1.10 Normatividad aplicable.
RESUMEN
En este tema se contempla el manejo de conceptos relativos al muestreo que serán aplicados
en estadística inferencial.
68
Tema 4. Muestreo
"para hacer una buena encuesta se necesita antes hacer un buen muestreo"
69
4.1.1 TIPOS DE MUESTREO ALEATORIO, SISTEMATIZADO,
ESTRATIFICADO Y CONGLOMERADO.
70
Muestreo aleatorio por conglomerados:
71
aleatoria. La distribución de probabilidad de un estadístico muestral se llama
distribución muestral del estadístico.
σ²x‾ = σ² / n (N – n / N-1)
72
Ejercicios
73
Distribución de la media siendo la varianza desconocida. Distribución t
Students
Ejercicios
2. Una industria tiene su producto presentado al cliente a 1500 ml. Para verificar
su calidad realiza muestreo a 12 productos para su inspección. Si cae en un valor
de t0.90 acepta la calidad del producto, que conclusión tomaría si en una
muestra obtiene una media 1498 ± 4 ml. Suponiendo la distribución casi normal.
74
3. Una empresa tiene su producto que es llenado a 1000 gr promedio. Para
verificar su calidad realiza muestreo a 20 productos para su inspección. Si cae
en un valor de t0.975 acepta la calidad del producto, que conclusión tomaría si
en una muestra obtiene media 997 ± 6 gr. Suponiendo la distribución casi
normal.
x‾1 - x‾2
75
La fórmula que se utilizara para el cálculo de probabilidad del estadístico de
diferencia de medias es:
76
garrafones en el mismo tiempo. Determine la probabilidad de que una muestra
aleatoria de equipo 1 de 16 pedidos y del equipo 2 con 20 pedidos la diferencia
muestral sea 20 garrafones.
donde:
n= cantidad de muestra
77
Ejercicios
2. Una industria dentro de sus historiales tiene que su producto de jugos tiene
96% dentro de calidad. Se toma una muestra de 200 productos de un lote.
Calcular la probabilidad de que el 98% salgan dentro de calidad.
78
4.2.4 Distribución muestral de la diferencia de dos proporciones
n1 = muestra de la población 1
n2 = muestra de la población 2
Ejercicios:
1.- Una empresa tiene dos máquinas de las cuales en sus labores de
empaquetado de producto en la maquina 1 el 93% obtiene producto exitoso y
en la segunda maquina el 90% de producto dentro de calidad. Si seleccionamos
aleatoriamente dos muestras una de la maquina 1280 artículos y maquina 2320
artículos determine la probabilidad de la diferencia proporcional entre las dos
muestras.
79
3.- Una empresa tiene dos equipos de trabajo en el empaquetado de producto.
El equipo A genera el 76% del producto en la maquina A, el equipo B genera el
62% de la producción en la maquina B. Si seleccionamos aleatoriamente dos
muestras una de la maquina A 45 artículos y maquina B 50 artículos determine
la probabilidad de la diferencia proporcional entre las dos muestras.
Estimación puntual
80
Método de máxima verosimilitud: consiste en tomar como valor del parámetro
aquel que maximice la probabilidad de que ocurra la muestra observada.
El intervalo de confianza es una expresión del tipo [Ɵ1, Ɵ2] ó Ɵ1 ≤ Ɵ ≤ Ɵ2, donde
θ es el parámetro a estimar. Este intervalo contiene al parámetro estimado con
un determinado nivel de confianza.
81
normal, de media 0 y desviación típica 1, el valor crítico para α = 0,1 se calcularía
del siguiente modo: se busca en la tabla de la distribución ese valor (o el más
aproximado), bajo la columna "Área"; se observa que se corresponde con -1,28.
Entonces Zα/2 = 1,64. Si la media o desviación típica de la distribución normal
no coinciden con las de la tabla, se puede realizar el cambio de variable t =(X-
μ)/σ para su cálculo.
Donde:
n= tamaño de la muestra
N= tamaño de la población
82
Instrucciones. Resuelva los siguientes ejercicios.
3. Una empresa del ramo lácteo genera sus lotes de 150000 litros de leche, Se
presenta en planta personal de auditoria externa solicitando un muestreo para
evaluar los parámetros de calidad presentados al cliente, utilizando un nivel de
confianza del 95% y un error en la estimación del 3% y sin tener datos de la
desviación estándar. ¿Qué cantidad de lácteos se tendría que muestrear para
evaluar la calidad del producto?
5.- Una juguera genera semanalmente su lote el cual se conformó con 68540
charolas de producto, en departamento de calidad desea seleccionar su cantidad
de muestra para realizar la inspección de calidad del producto, se plantea utilizar
un 95% de confianza, se desconoce la desviación y el error en la estimación se
deja al inspector seleccionar. Determinar la cantidad de muestra para la
inspección de calidad.
83
4.5 Intervalos de confianza para la media
Dada una variable aleatoria con distribución Normal N(μ, σ), el objetivo es la
construcción de un intervalo de confianza para el parámetro μ, basado en una
muestra de tamaño n de la variable.
84
4. Una industria azucarera en el primer mes de operaciones obtiene de acuerdo
a sus estadísticos un promedio de llenado de 750 ± 8 gr, si se tomó una muestra
de 120 bolsas de producto. ¿Qué intervalo de calidad aplicaría si utiliza un 97.5%
de confianza?
85
FUENTES BIBLIOGRÁFICAS
Anderson, D. R. (2008). Estadística para administración y economía. (10ª. ed.)
México: Cengage Learning.
Berenson, M. (2006). Estadística para administración. (4ª. ed.) México: Pearson
Educación.
Carot, V. (2006). Control estadístico de la calidad. España: Alfaomega.
Devore, J. L. (2012) Probabilidad y estadística para ingenierías y ciencia. (8ª.
ed.) México: Cengage Learning.
Gamiz, B. E. (2012). Probabilidad y estadística con prácticas en Excel. (3ª. ed).
México: JIT Press.
Gutiérrez, P. H. (2012). Análisis y diseño de experimentos. (3ª. ed.) México:
McGraw-Hill
Gutiérrez, P. H. (2009). Control estadístico de calidad y seis sigma. (2ª. ed)
México: McGraw-Hill.
Hines, W. (2009) Probabilidad y estadística para ingeniería (4ª. ed.) México:
CECSA : Grupo Editorial Patria.
Johnson, R. A. (2012) Probabilidad y estadística para ingenieros. (8ª. ed.)
México: Pearson Educación.
Kazmier, L. (2006). Estadística aplicada a administración y economía. (4ª. ed.)
México: McGraw-Hill.
Larson, H. J. (1992). Introducción a la teoría de probabilidades e inferencia
estadística. México: Limusa.
Levine, D. M. (2010) Estadística para administración y economía. (7ª. ed.)
México: Pearson Educación.
Mendenhall, W. (2010). Introducción a la Probabilidad y Estadística. (13ª. ed.)
México: Cengage Learning.
Montgomery, D. C. (2011). Probabilidad y estadística aplicadas a la ingeniería.
(2ª. ed.) México: Limusa : Wiley.
Quezada, L. (2010). Estadística para ingenieros. México: Empresa Editora Macro.
Rodríguez, F. J. (2008). Estadística para administración. México: Grupo Editorial
Patria.
Spiegel, M. (2010). Fórmulas y tablas de matemática aplicada. (3ª. ed.) México:
McGraw-Hill
Spiegel, M. (2010). Teoría y problemas de Probabilidad y estadística. (3ª. Ed.)
México: McGraw-Hill.
86
Wackerly, D. D. (2010). Estadística matemática con aplicaciones. (7ª. ed.)
México: Cengage Learning.
Walpole, R. E. (2012). Probabilidad y estadística para ingeniería y ciencias. (9ª.
ed) México: Pearson Educación.
87