Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Autores /Coautores
Antonio De Jesús Remes Ojeda (Toño)
Ortega Pacheco Tania Lizbeth (Tanny li)
Galvan Rosas Jocelyn (La Gringa)
Torres Serrano Guillermo (Memo)
Beristaín Reyes Hugo Jair (El Hugoide)
Portela Lara Luis Fernando (Portela)
Descarga laboral
Enero/2020 – febrero /2021
Maestro responsable:
Antonio de Jesús Remes Ojeda
1
INDICE
Dedicatorias…………………………………………………….pag1
Unidad 1…………………………………………………………pag.5
Unidad 2…………………………………………………………pag.8
Unidad 3…………………………………………………………pag.15
Unidad 4…………………………………………………………pag.26
Unidad 5…………………………………………………………pag.38
Unidad 6…………………………………………………………pag.43
2
DEDICATORIAS
"Está dedicación es para mis padres que me han apoyado con todo y para todo,
y mis compañeros de equipo que han dado todo para salir adelante".
Hugo Reyes
"A mis compañeros de equipo que nos morimos por hacer parte de este trabajo
y un consejo para los que tomen la materia “HAGAN EL CUADERNO".
Luis portela
3
Estadística: ciencia o instrumento?
-Tipos de escalas:N,O,I,R
-∑ Notacion sigma
-Donde se halla cualquier numero?
10
9.5 10.5
- CONCEPTOS BASICOS
Si estudiaste una hoja?
Estabas cansado?
-Diferencia ÷ 𝐿, 𝑅, 𝐼 𝑦 𝐿. 𝐼 LRS≠ 𝐿𝑆
-frecuencia acumulada
-marcas de clase
4
Unidad I
Salón de clases
Yo pongo #
de clases, 80 batos
ancho, yo
manejo todo
Pesos en kg
Investigador
𝑖𝑥𝑛
−∑ 𝑓𝑎
Aprender bien 𝑝𝑖 = 𝐿𝑟𝑖 + [ 100
]𝑐 * = clase critica
𝑓𝑐
(Formula percentiles)
Pi=cantidad acumulada o percentilidad
𝑖𝑥𝑛
−∑ 𝑓𝑎
100
= artificio matemático
𝑓𝑐
5
¿Cómo se grafica la ojiva “o menos que”?
65.75
89.5
69.5
78
79.5
99.5
P25:
Pi fa
100 – 80
𝑎
25 – X = 20 en donde FA (hilera) está el 20 acumulado? R= * en la 2 "
COMPARAR CON TABLA A
𝑖𝑥𝑛
−∑ 𝑓𝑎 20 −10
𝑃25 = 𝐿𝑟𝑖 + [100 ]𝑐 = 59.5+ [ ] 10 = 59.5+ 6.25 = 65.75
𝑓𝑐 16
Pi fa (26)
Ahora observen la curva
100 – 80
P50: 𝑎
50 – X = 40 en donde FA (hilera) está el 40 acumulado? R= * en la 3 "
(66)
𝑖𝑥𝑛
−∑ 𝑓𝑎 40 −26
𝑃50 = 𝐿𝑟𝑖 + [ 100
]𝑐 = 69.5+ [ ] 10 = 69.5+ 3.5 = 73.0
𝑓𝑐 40
P75:
Pi fa Ahora observen la curva
100 – 80
75 – X = 60 en donde FA (hilera) está el 60 acumulado? R= (66)
𝑖𝑥𝑛
−∑ 𝑓𝑎 60 −26
𝑃75 = 𝐿𝑟𝑖 + [100 ]𝑐 = 69.5+ [ ] 10 = 69.5+ 8.5 = 78
𝑓𝑐 40
(66)
6
Interpretación: sobre una ojiva “o menos que” aparecen las acumulaciones 20,40 y 60
(p25,p50 y p75) que fueron tangents a la curva y perpendiculares al eje en 65.75,73 y 78 kg
respectivamente, donde están los pesos en kg, de 80 batos , en 5 clases, ancho 10.
Todos estos datos por debajo de 99.5 kg.
HISTOGRAMA
99.5
49.5
89.5
69.5
7
UNIDAD II
MED.CENTRALES
Mediana = Md .
Mediana
De numeros
números impares:
impares 1,3,
1,3,55 ,7 y 9 Interpretación: 5 es la mediana de
cinco números
𝑁
Temp C° f fa Lri Lrs −∑ 𝑓𝑎
Md = 𝐿𝑟𝑖 + [ ]C
2
1-2 2 2 0.5 2.5 𝑓𝑐
3.4 4 6 2.5 4.5
Lri =limite real inf. Clase mediana
* 5-6 10 16 4.5 6.5
𝑁
7-8 3 19 6.5 8.5 2 = Lugar que ocupa la Md
9-10 1 20 8.5 10.5
∑ 𝑓𝑎 = fa, que va antes de la clase mediana
∑ 𝑓 = 20
Fc =frecuencia clase mediana
C= ancho o intervalo (Lr-Lri)
𝑁 20
2
= 2
= 10° Lugar que ocupa la mediana
10 −6
*clase mediana Md = 4.5+ [ ]2
10
8
Moda = Mo
Moda = Mo “el dato que se repite más veces, en una serie; pueden haber 2 o más modas
1,1,3,3,3,2,8,1,1,3,1,1 =
Moda = es el 1, porque se repite seis veces.
Datos agrupados
∆1
Temp C° F fa Lri Lrs Mo = 𝐿𝑟𝑖 +[ ]C
∆1 +∆2
1-2 2 2 0.5 2.5
Lri = limite real inferior de la clase modal.
3-4 4 6 2.5 4.5
Donde haya más frecuencias. Si se repite, la más
5-6 10 16 4.5 6.5
* céntrica será CLASE MODAL.
7-8 3 19 6.5 8.5
9-10 1 20 8.5 10.5 ∆1 = Frecuencia clase modal menos, frecuencia
de clase contigüa anterior.
∑ 𝑓 = 20
∆2 = frecuencia clase modal menos frecuencia,
clase contigüa posterior
Observa Clase
Clase modal C= Lrs –Lri clase modal
modal
(10−4)
Mo = 4.5 + [(10−4)+(10−3) ]2
Interpretación: “La moda de 20 ciudades de las temperaturas del Edo. De México de las 5
clases, ancho 2 C°; es de 5.42 C°”.
9
Media Aritmética = ̅
𝝁𝒐𝒙 .
Media aritmética: Parece una cuerda y se pronuncia “mu” = 𝜇 𝑜 𝑥̅
Ejemplo en datos no agrupados:
6+7+8+9+10 ∑𝑁
6, 7, 8,9 y 10 𝜇= = 𝜇=
5 𝑁
Datos agrupados
Temp f x fx ∑ 𝑓𝑥 104
𝜇= = = 5.2
1-2 2 1.5 3.0 ∑𝑓 20
3-4 4 3.5 14.0
Interpretación: “La media de la temperatura
5-6 10 5.5 55.0 de 20 ciudades de Edomex, en 5 clases,
7-8 3 7.5 22.5 ancho 2 es 5.2C°”.
9-10 1 9.5 9.5
∑ 𝑓 = 20 ∑ 𝑓𝑥 = 104.0
ojo
10
Media cuadrática = Qm .
Metodología:
1. Eleve al cuadrado cada marca de clase (x)
2. Multiplique dicho cuadrado por cada frecuencia
3. Sume estos productos
4. Divida entre el total de elementos
5. Obtener raíz cuadrada
𝐱 𝐱𝟐 f 𝐟𝐱 𝟐 ∑ fx 2
Qm = √ =
N
1.5 2.25 2 4.50
615
=√ = √30.75 = 5.54
3.5 12.25 4 49.00 20
5.5 30.25 10 302.50 Interpretación: “La Qm de las temperaturas
7.5 56.25 3 168.75 de 20 ciudades de Edomex en 5 clases,
ancho 2, es 5.54 C° ”
9.5 90.25 1 90.25
∑ 𝑓𝑥2 = 615 =
10.5
6.5
4.5
8.5
.5
𝑥̅LRI-LRS
Md Qm
Mo
11
MEDIDAS DE DISPERSION
-D.M ⟶ Desviación media
𝜎 = Desviación Típica 𝜎 2 = Varianza
(mu) ⟶ 𝑟 = Coeficiente de Variación
Q´= Desviación cuadrática o Rango en medio de cuartiles
∑ 𝑓 |𝑥 − 𝑥̅ |2
Temp f fa |𝒙 − 𝒙
̅| ̅|𝟐
|𝒙 − 𝒙 ̅|𝟐
𝒇|𝒙 − 𝒙 ̅|
𝒇|𝒙 − 𝒙 𝜎=√
∑𝑓
1-2 2 2 |1.5 − 5.2| 13.69 27.38 7.40
+ 3.7 74.20
𝜎=√ =
3-4 4 6 |3.5 − 5.2| 2.89 11.56 6.80 20
+ 1.7
𝜎 = √3.71
5-6 10 16 |5.5 − 5.2| 0.09 .90 3.00
+ 0.3 𝜎 = 1.92
7-8 3 19 |7.5 − 5.2| 5.29 15.87 6.90
+ 2.3 Oj
9-10 1 20 |9.5 − 5.2| 18.49 18.49 4.30
+ 4.3 2
o
𝜎 = 3.71
∑ 𝑓 = 20 ∑ f|x − x̅|2 = 74.2 ∑ f|x − x̅| = 28.4
∑ 𝑓|𝑥−𝑥̅ | 28.4
D.M= ∑𝑓
= = 1.42
20
2
∑ 𝑓𝑢2 ∑ 𝑓𝑢 19 −3 2
𝜎 = 𝑐√ −( ) =2√ − ( ) = 2√. 95 − .0225 = 2√. 9275
𝑁 𝑁 20 20
= 2√. 963068 = 1.9261 𝝈 = 𝟏. 𝟗𝟐𝟔𝟏 ∴ 𝝈𝟐 = 𝟑. 𝟕𝟏 𝒂𝒑𝒓𝒐𝒙
12
𝑟 = 𝐶𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝑉𝑎𝑟𝑖𝑎𝑐𝑖ò𝑛
= 2.30⁄3 = 1.15
𝑃75 −𝑃25 6.30−4
Q= =
2 2
Interpretación: “El rango en medio de cuartiles de las 20 temperaturas de las ciudades del
Edomex de ancho 2 para 5 clases, es 1.15”
AXIOMAS Y PROPIEDADES
4
1er axioma 5 𝜎 ≈ 𝐷. 𝑀. ∴ (. 80)(1.92) 𝑄. 𝐸. 𝐷. 1.53 ≈ 1.42 𝑑𝑒 𝐷. 𝑀.
4.5 Md 6.45
13
PROPIEDADES
14
UNIDAD III
𝑅 → {𝑥|𝑥 𝑒𝑠 𝑎, 𝑒, 𝑖, 𝑜, 𝑚}
𝑅 → {𝑥|𝑥 𝑒𝑠 𝑒𝑙 7 𝑦 8}
Operaciones típicas
Unión ∪
Intersección ∩
Diferencia 𝐴 − 𝐵
Complemento 𝑑𝑒 𝐴 = 𝐴𝐶
15
Ejemplo:
𝑈 = {1,2,3,4,5,6,7,8,9,10,11,12,13}
𝐴 = {2,4,6,7,11,13}
𝐵 = {1,3,5,6,7,8,9,10,11,12}
Operaciones y Tarea:
𝐴∪𝐵 =𝑈
𝐴 ∩ 𝐵 = {6,7,11}
𝐴 − 𝐵 = {2,13,4}
𝐵 − 𝐴 = {1,9,10,12,5,3,8}
𝐴𝐶 =
𝐵𝐶 =
16
Producto Cartesiano: Conjunto de pares ordenados, donde cada elemento del
primer conjunto va primero, y el primero del segundo conjunto es el segundo así:
𝐴 = {1,2,3} 𝑦 𝐵 = {𝑦, 𝑧}
∴ {4}{2}{3}
= 24 𝑜𝑟𝑑𝑒𝑛𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑑𝑖𝑠𝑡𝑖𝑛𝑡𝑎𝑠
17
El anterior ejemplo da origen al PRINCIPIO MULTIPLICATIVO,
donde el cardinal del primer conjunto se multiplica por el cardinal del
2do conjunto y así sucesivamente.
hay o no reemplazo
5. Mucha leche sabrosa. Mucha suerte. El gol de “KK” vale doble. Suelen
18
Problema: Una placa consta de 2 letras seguidas de cuatro dígitos. Si tanto
las letras como los dígitos no se repiten, ¿Cuántas placas tiene que grabarse?
Letras Dígitos
26 25 10 9 8 7 = 3 276,000
TEOREMA
𝑛! 𝑛(𝑛−1)!
Sea la ecuación: =
𝑛 𝑛
𝑛!
Simplificamos: = (𝑛 − 1)!: Ahora dar valor de 1 a “n”, nos queda:
𝑛
1!
= (1 − 1)! 1! = 0! ∴ 0! = 1
1
19
OPERACIONES CON FACTORIAL (!)
Método largo:
7! 7𝑥6𝑥5𝑥4𝑥3𝑥2𝑥1!
= =7
6! 6𝑥5𝑥4𝑥3𝑥2𝑥1!
Método corto:
7! 7𝑥6𝑥!
= =7
6! 6𝑥
Lo no permitido:
(4!)(3!)=12! NO
(4x3x2x1)(3x2x1)= 144 SI
*¿Cuántas palabras distintas se pueden formar usando las letras de la palabra “ACORDE”?
P(n,n)!=n! = 6! = 720 Interpretación: Hay 720 palabras distintas
¿Por qué?
𝑛! 𝑛!
=(𝑛−𝑛)! = 𝑜!
𝑛!
= = 𝑛!
1
*¿Cuántas palabras distintas se pueden formar usando todas las letras de la palabra
“NARANJA”?
𝑛!
P (n,n1,n2…nk)= 𝑛
1 !𝑛2 !….𝑛𝑘 !
7! 7𝑥6𝑥5𝑥4𝑥3!
N=2 = 0!1!2!3! = = 420
2!3!
A=3
R=1 Interpretación: Hay 420 palabras
J=1
20
COMBINACIONES:
𝐶𝑛𝑟 nCr C(n,r) 3
𝑛! 6! 6! 6𝑥5𝑥4!
C(n,r)=(𝑛−𝑟)!𝑟! Ejemplo: 6C4=(6−4)!4! = = =15
2!4! 2!4!
3! 3! 3!
Permutar Combinar = = =1
(3−3)3! 0!3! 1!3!
abc abc
a b c = a cualquier otro arreglo
P(3,1) C(3,3)
𝟑! 3!
= 𝟑𝒙𝟐𝒙𝟏
𝟏! (3 − 3)3!
6
21
PROBABILIDAD
h= evento buscado
ℎ
Probabilidad simple "p" = 𝑛 n= espacio finito equivalente
Interpretación: Hay un 50% de probabilidad de que salga águila, por ser un evento independiente.
22
SUCESOS MUTUAMENTE EXCLUYENTES
Hallar la “p” de que una sola extracción de un mazo español, no inglés o americano, salga
un As o un Rey.
𝑝(𝐸1 𝑜𝐸2 ) = 𝑃(𝐸1 ) + 𝑃(𝐸2 )
4𝑐1 + 4𝑐1 8
𝑝= = = 15.38%
52𝑐1 52
Interpretación: Hay un 15.38% de p de que en una extracción salga un As o un Rey, por
tratarse de eventos que son MUTUAMENTE EXCLUYENTES.
23
PROBABILIDAD CONDICIONAL:
P(A y B) = P (A∩B)
Ejemplo: Una caja contiene 10 bolígrafos, 8 buenos y 2 defectuosos, si se extraen dos de
ellos de manera sucesiva, hallar la “p” de que el primero sea bueno y el segundo
defectuoso.
Estrategia: Usar diagrama de árbol
B BB=56/90
B
D
BD=16/90
DB=16/90
DD=2/90
B =90/90
D
D
24
TEOREMA BAYES:
Sean E1, E2 y E3, los eventos de un fenómeno observado y que se conocen; y sean A1/E1,
A2/E2 y A3/E3, es un segundo suceso que se conoce de ellos, entonces la P (A1/E1) nos viene
dada así:
𝐴
𝐴1 𝑃(𝐸1 )𝑃 ( 𝐸1 )
1
𝑃=( )=
𝐸1 𝐴 𝐴 𝐴
𝑃(𝐸1 )𝑃 ( 𝐸1 ) + 𝑃(𝐸2 )𝑃 ( 𝐸2 ) + 𝑃(𝐸3 )𝑃 ( 𝐸3 )
1 2 3
Cafiver: Sean las máquinas A, B y C, que están dando el 60, 30 y 10 por ciento de la
producción total de café. Se sabe el índice de desperfecto en esas máquinas son del 4,3 y 2
respectivamente. Se extrae un sobre de café, y este resulta defectuoso, hallar la “p” de que
provenga de la máquina C.
B
A
D
B
.30
B
D
B
C
D
𝐴3 (. 10)(.02) . 002
𝑃( ) = = = 5,7 𝑟%
𝐸3 (. 60)(. 04) + (. 30)(. 03) + (. 10)(.02) . 024 + .004 + .002
Interpretación: Hay un 5,7r % de “p”, de que el sobre de café esté defectuoso, provenga de la
maquinaria C en Cafiver.
25
Unidad IV. Distribuciones En General
Distribución normal
𝑥−𝑢
Z= 𝜎
, solo y si 𝜇 = 0 y 𝜎 = 1
Tabla: valores de 0 a Z
26
6 Dibujos inanimados, ¿Cómo se comporta?
a) Z=0 y Z=1.0
0 1.0
Tabla= .3413
Interpretación: Hay un 34.13% de probabilidad entre Z=0 y Z=1.0
-1 0
1.0 2.0
Interpretación: Hay un 13.59% de área probable entre Z=2.0 y Z=1.0
d) Z=2.0 y Z=-2.0
Z de 2.0 = .4772
Z de -2.0 = .4772
= .9544
-2 +2
Entre 2.0 y z= -2.0
27
e) A la derecha de Z de +1.0
+1
f) A la izquierda de Z de +2.0
+2
28
Problema:
De un total de 500 alumnos de Ing. Industrial, se sabe que 𝜇 = 151 𝑙𝑏s y 𝜎= 15 lbs.
Cuantos alumnos pesaron:
a) Más de 185 lbs
b) A lo más 148 lbs
151 185 Z
a) 𝑛 = 500
𝜇 = 151 𝑙𝑏𝑠 0 z1
𝜎 = 15 𝑙𝑏𝑠
𝑥 − 𝜇 185.5 − 151 34.5
∴𝑍= ∴ = = 𝟐. 𝟑
𝑃(𝑥 > 185 𝜎 15 15
Z de 2.3 = .4893
Axioma 50% = .5000
=.0107
29
EJEMPLOS
μ= 7 l
σ=
Cerveza
Tecate Estudió
#1023
USAR = 𝑥̅ ± 3 σ = 99.74%
𝑥−𝜇
Z=
𝜎
Chavas
μ= 270 ml
Chanel
Loción
σ=
Gachos
Problema de Tarea :
inventar un problema
Promedio 175 cm
Desviación : 10 cm
30
ACTIVIDAD SESIÓN 3
Actividades de Markov
1.- Binomial: 4 características
A) Viene redactada siempre “P”, = Probabilidad de éxito aun siendo un hecho doloroso,
siniestro o funesto.
B) q = Probabilidad de fracaso (1 – P) = q, nunca viene redactada, es implícita.
C) n = Ni de ensayos finito. La probabilidad de éxito permanece constante de ensayo a
ensayo.
D) P C x → Exactamente, solamente lleva un =
→ Abajo de, hasta, a lo más lleva ≤
→ Por encima, por lo menos lleva un ≥
Fórmula Combinación
𝑛!
n C x pˣ qᵐ¯ˣ n C x = (𝑛−𝑥)!𝑥!
Respuesta y fórmula
P = .20 6 C 4 (.2)⁴ (.8)² =
Q = .80 = (15) (.0016) (.64) = 1.54% aproximadamente
N=6
PCx=4
Interpretación: Esbeydi tiene un 1.54% de vender
4 autos exactamente.
31
Por tablas de Bernoulli
Pág. 425 Libro Kazmier (P)
N X .20
2. Poissón
2 características:
A) Viene redactada siempre la palabra promedio, o sea “⋋” (Lambda); si no viene, ⋋ = np
(tamaño muestra) (Probabilidad éxito
B) P (x) → exactamente, solamente =
→ A lo más, hasta, debajo de ≤
→ Al menos, por debajo ≥
Fórmula Problema:
(⋋)𝒙 . ⅇ−⋋ El jefe de servicios de Liverpool recibe un promedio de 5 llamadas en
⋋= 𝒙! una hora de reclamos. Hallar la probabilidad de que en la próxima hora
reciba exactamente 3 llamadas para reclamar.
(𝟓)𝟑 ⋅ⅇ−𝟓
⋋= 𝟑!
= .1404 Interpretación: Hay un 14.04% de probabilidad de
que en la próxima hora servicios reciba 3 llamadas
exactamente.
32
Tabla de Poissón
Libro de Kazmier
P. 430
X ⋋
5.0
Intersección
⋋ = 5.0 y x = 3 0
Según problema 1
“exactamente” 2 OJO
3 .1404
CADENAS MARKOV
PARTICIPACIONES DE MARCAS EN EL MERCADO PARA PERIODOS
FUTUROS (PRIMER ORDEN)
Revisando nuestro ejemplo, las participaciones de mercado de las marcas A, B, C y D, son
ahora de 22, 30, 25 y 23 por ciento, respectivamente, para el primer periodo. La
administración se beneficiaría si supiera cuáles serán las participaciones de mercado en un
periodo futuro. El cálculo de las probables participaciones de mercado para las marcas A,
B, C y D durante el segundo periodo es cuestión de multiplicar la matriz de probabilidades
de transición por las participaciones de mercado del primer periodo:
A B C D
A .796 .133 .000 .040
.22 .2242
B .091 .767 .109 .060
× .30 = .2912
C .046 .017 .891 .040
.25 .2472
D .067 .083 .000 .860 .23 .2374
1.0 1.0 1.0 1.0 1.0 1.0
33
Los cálculos para la marca A (primer renglón × primera columna) son:
Capacidad de A para retener sus propios clientes, multiplicada por su
participación en el mercado:
.796 × .22 = .1751
Capacidad de A para obtener clientes de B, multiplicada por la participación
de B en el mercado:
.133 × .30 = .0399
Capacidad de A para obtener clientes de C, multiplicada por la participación
de C en el mercado:
0 × .25 = 0
Capacidad de A para obtener clientes de D, multiplicada por la participación
de D en el mercado:
.040 × .23 = .0092
Marca A, participación en el mercado en el segundo periodo: .2242
34
Los cálculos de la marca D (primer renglón × primera columna) son:
.067 × .22 = .0147
.083 × .30 = .0249
0 × .25 = 0
.860 × .23 = .1978
Marca D, participación en el mercado en el segundo periodo: .2374
Después de obtener la solución para el segundo periodo, lo que requiere que se tengan en
cuenta las participaciones iniciales del mercado y las probabilidades de transición, la
determinación del tercer periodo puede hacerse de dos modos. El primer es una
continuación del enfoque que ya hemos expresado, o sea la multiplicación de la matriz
original de probabilidades de transición por las participaciones de las marcas en el segundo
periodo, lo que da los resultados del tercer periodo. Esas dos matrices, y la de las
participaciones de mercado para el tercer periodo, son las siguientes:
A B C D
A .796 .133 .000 .040
.2242 .2267
B .091 .767 .109 .060
.2912 .2850
C .046 .017 .891 .040 × =
.2472 .2449
D .067 .083 .000 .860 .2374 .2434
1.0 1.0 1.0 1.0 1.0 1.0
35
APROXIMACIÓN DE LA DISTRIBUCIÓN NORMAL A
BERNOULLI
Por aproximacion
μ = np = (1000) (.35) = 350
𝑥−𝜇 353.5−350
Z= =
𝜎 15.08
Z = 0.23
Según tablas Z de 0.23 +Axioma 50%
0.0910
−5000
𝟎.𝟓𝟗𝟏𝟎
350 354
36
71 Normal 72 Normal
Wal-Mart μ= 35.2
KK σ=
Choco μ= 7 cajas CO
Pochota
Krispis RO
μ= NA
Al menos
Pepe Cerveza
73 Binomial 74 Binomial
P (a lo más 4)
Más de 7
75 Poisson 76 Poisson
A lo más 2
Exactamente 2
77 Aprox. Normal 78 Aprox. Normal
Tubo fluorescente
Pan de elote
TAREA Media de 7000 horas
Encuetas a 28 desviación de 6
en semanas 3 Desviación de 1,000 horas
Libre
Libre
37
Unidad V
Muestreo y estimación
Parámetros → Poblacionales
μ, σ, σ², etc.
Estadísticas → Muestras
μ𝑥̅ , σ𝑥̅ , Sx²
10
σ=√ = √2 = 1.4142
5
38
C) Número muestras?
n² = (5)² = 25 muestras posibles
¿Cuáles?
1 5
3
2 4
D) Lista Posible
L 11 12 13 14 15 P
I 21 22 23 24 25 O
S 31 32 33 34 35 S
T 41 42 43 44 45 I
A 51 52 53 54 55 B
L
E
Sus Medias Muéstrales
1.0 1.5 2.0 2.5 3.0
1.5 2.0 2.5 3.0 3.5
Medias
2.0 2.5 3.0 3.5 4.0
Muéstrales
2.5 3.0 3.5 4.0 4.5
3.0 3.5 4.0 4.5 5.0
E)
̅
𝒙 f
1.0 1 1+3+6+10+15+14+12+9+5
Entonces:
1.5 2 25
39
1(1−3)2 +2(1.5−3)2 +⋯…5(5−3)2
̅= √
F) σ 𝑥
25
σ 𝑥̅ = √25/25 ∴ σ 𝑥̅ = 1
∴1=1
Sígale:
σ=
40
MÉTODO TRADICIONAL Y CORRECCIÓN POR CONTINUIDAD
Problema: Se lanza una moneda normal 120 veces al aire; hallar la “P” de que
el número de águilas sea entre el 40% y el 60%.
Método 1 USAR 2 MÉTODOS
n = 120
μ = np = 120 (1/2) = 60
σ = √𝒏𝒑𝒒 = 5.47
48 60 72
Z
40% de 120 = 48 Z1 z11
60% de 120 = 72
47.5−60
𝑍1 = = -2.28
5.47
Z de 2.28 = .4887
72.5−60
𝑍11 = = +2.28
5.47
Z de 2.28 = .4887
̅̅̅̅̅̅̅̅̅
0.9774
41
MÉTODO CORRECCIÓN POR CONTINUIDAD
π = Proporción Poblacional CC = Corrección por continuidad
𝜋(1−𝜋) 1
σπ = √ CC =
𝑛 2𝑛
𝑃±𝐶𝐶−𝜋
σπ = Desviación Z=
𝜎𝜋
Estándar
Proporción
̅ ≠ σπ
σ ≠ σ𝒙
n = 120 π
π = 0.5
1 – π = 0.5
1 1 .4 .5 .6
CC = = = .00416
2𝑛 2(120)
Z
(.5)(.5) .4 0 .6
σπ=√ = .0456
120
.4−.00416−.5
𝑍1 = − = -2.28
.0456
Z de -2.28 = 0.4887
.6+.00416−.5
𝑍11 = = +2.28
.0456
Z de +2.28 = 0.4887
+.4887
.4887
0.9774
42
Unidad VI
Estimación de prueba de hipótesis Correlación y regresión lineal Pronósticos y
N. Índices
∝ Probabilidad de error
Nivel de significación
∝/2 ∝/2
I de Prop: ρ ± Zc σρ
Zc 2 σ2
𝑛=
ⅇ2
(No se reconoce 𝝈 )
Zc 2 π (1 − π)
𝑛=
ⅇ2
43
Prueba Z Para Medias
Características y Condiciones
1. Muestreo Grande N≥30
2. Precede un Estudio
3. Se conoce x̅ y 𝜎
Problema: Se sabe que el promedio de gasto anual e alumno (c/u) es de $1500 Dls.
Según servicios escolares; se hace un estudio con 36 alumnos “F” Foráneos y dicen
GASTAR $1,600 Dls E=300. Podemos concluir que
a) Actualmente la foránea gasta más, que el reportado por servicios escolares
b) Actualmente el gasto es distinto con respecto al informado por servicios escolares
Suponer ∝ = 5%
Z=+2
1500 1,600
44
2) Ho: 𝜇h =𝜇e o Viceversa
3) Hi: 𝜎e > 𝜎h
1,600−1,500 100
5) Z= = = = +2
300∕√36 50
Z > +Z ∝
6) 2.00 > + 1.645
45
Prueba Z Para 2 Medias
Características y condiciones
4. Estudios recientes
5. Modelo matemático
x̅1− x̅2
Z= 2 2
√ ŝ1 + ŝ2
𝑁1 𝑁2
REGLAS DE DECISIÓN
Supones ∝= 5%
N1=144 x̅1 = 90 ŝ12 = 34
N2=144 x̅2 = 88 ŝ22 = 47
∝= 5% Zc =±1.96
46
-∝/𝟐 ∝/𝟐
1)
-1.96 +1.96
4) Zc= ± 1.96
90−88 2
5) Z= = = 2/.75 = 2.66
34 47 √81/44
√ +
144 144
6) Z > Z ∝/ 2
2.66 > + 1.96
7)
Cae Zona Obscura
Se Rechaza Ho. Se acepta Hi
47
Modelo 2 Muestras con 2 cola Prueba Z de proporciones
Caracteristicas
𝑋1 +𝑥2
4. 𝑃̂ =
𝑁1 +𝑁2
𝑥1
5. 𝑃1 =
𝑁1
Muestra independientes
𝑥2
𝑃2 =
𝑁2
6. Modelo:
𝑃1 − 𝑃2
𝑧=
1 1
√𝑃̂ (1 − 𝑃̂ ) ( + )
𝑁1 𝑁2
REGLAS DE DECISIÓN
48
N1=50 𝑋1 = 40 40
𝑃1 = = 0.8
𝟓𝟎
N2=100 𝑋2 = 75 75
𝑃2 = = 0.75
𝟏𝟎𝟎
∝ 115
∝= 5% = 0.025 𝑧𝑐 = ±1.96
2 𝑃̂ = = 0.77
𝟏𝟓𝟎
𝑧𝐶 = −1.96 𝑧𝐶 = 1.96
𝑧 < 𝑧 ∝∕ 2
𝐻0 : 𝑃1 = 𝑃2 ∴ ∴ Se acepta Ho, Se rechaza Hi
0.068 < +1.96
𝐻𝑖 : 𝑃1 ≠ 𝑃2
49
Prueba Z para 1 proporción
Características y condiciones
𝑃−𝜋 P̂(1 − P
̂)
𝑧= 𝜎p = √
𝜎𝑃 n
REGLAS DE DECISIÓN
Problema: El semestre pasado, los alumnos de (40% G.E) reprobaron Mat. II por no
saber calculo diferencial. En este semestre 60 de 100 también reprobaron. ¿Se puede
concluir que naturalmente haya mayor incapacidad concluir de los alumnos de G? En
en la materia Mat. II? Suponer ∝= 5%
𝑃̂ = 𝛱ℎ = 𝑃ℎ = 0.40
𝑧𝐶 = +1.645
60
𝜋𝜖 = = 0.60
100 ∝= 0.005
𝑝̂ (1 − 𝑝̂ ℎ ) 1−∝= 0.95
𝜎𝜋 = 𝜎𝑝 = √ = 0.04898
𝑛
50
1)
𝑍∝
𝑧𝐶 = 1.645
2) 𝐻0 : 𝜋∈ = 𝜋ℎ o 𝑃∈ = 𝑃̂ ⋅ 𝜋ℎ
3) 𝐻𝑖 : Π𝜖 > Πℎ
4) 𝑧𝐶 = 1.645
0.6−0.40
5) 𝑧 = = 𝟒. 𝟖𝟗
0.04898
6) 𝑧 > 𝑧 ∝∕ 2
4.89> + 1.645
51
Prueba t student tradicional
Características y condiciones
1. Población normalmente distribuida
2. Muestra chica N≤ 30
3. Precede un estudio
4. Se conocen a veces ŝ
5. G.L.= grados de libertad = o sea número de observaciones, menos “k” parámetros
por estimar
6. Se parece a la distribución normal = cierra en los extremos en “perceptilidad”
x̅E − x̅h
𝑡=
ŝ/√𝑛 − 1
√∑ (𝑥 + x̅ )2
ŝ =
𝑁
REGLAS DE DECISIÓN
-2.26 2.26
3) Hi : 𝜇ϵ = 𝜇h
“Y maquina No bien en producción”
6)
t > + t ∝/2
3 > 2.26
7)
Cae en zona obscura.
Se rechaza Ho. Se acepta Hi.
53
Prueba t studen para diferencia entre 2 medias
Características y condiciones
𝑥̅ 1 − 𝑥̅ 2
𝑡=
(𝑁1) (ŝ21 ) + (𝑁2) (ŝ22 ) 1
√ (⁄ )
(𝑁1 + 𝑁2) − 2 𝑁1 + 1⁄𝑁2
REGLAS DE DECISIÓN
¿podemos, afirmar que haya que hayan dif. Significativas entre estos 2 grupos,
grupos sobre su I.Q? suponer ∝= 5%
N1=16 x̅1 = 112 ŝ12 = 100
N2=14 x̅2 = 107 ŝ22 = 64
(𝑁1 + 𝑁2) − 2 = 28 Zc =±1.96 ∝= 5%
54
Con un 28.6 G.L y ∝= 0.025 por tablas aprox. tc= 2.0
1)
-t ∝/2 +t ∝/2
3) Hi: 𝜇i ≠ 𝜇2
4) Tc= (N1+N2) -2
112−107 5
5) modelos t= = =2.52 = 𝟏. 𝟗𝟖
√(16)(100)+(14)(64) (.135)
28
6)
T < + t ∝< 2
1.98< + 2.05
55
2
Prueba para dif. ÷ 2 o más Proporciones.
Características y Condiciones.
Carcateristicas
Modelo
(𝑒𝑖𝑗−𝑖𝑖𝑗) 2
∑𝑛𝑖=1 ∑𝑘𝑗=1
0 2 𝑖𝑖𝑗
C
56
Problema: El director general de Bimbo, aplica a 500 de sus trabajadores una encuesta de
“mantener política actual del vestido” (manga larga, corbata) o bien adoptar nueva política
de vestido en sus actividades (manga corta/ sin corbata). Probar la hipótesis de conservar
política actual, con 5% de significación. Siguiente matriz.
MATRICES
240𝑥160 260𝑥160
𝑒11 = = (76.8) 𝑒21 = = (83.2)
500 500
240𝑥140 260𝑥140
𝑒12 = = (67.2) 𝑒22 = = (72.8)
500 500
240𝑥100 260𝑥100
𝑒13 = = (48) 𝑒23 = = (52)
500 500
240𝑥100 260𝑥100
𝑒14 = = (48) 𝑒24 = = (52)
500 500
40−52 2 60−52 2
( 52
)+ ( 52
)
= 7.81
57
2) Ho: “La proporción de vendedores que prefieren conservar
política actual vestido (manga larga/ corbata) es la
misma.
𝑛 𝑘
(𝑒𝑖𝑗 − 𝑖𝑖𝑗) 2
= ∑ ∑ = 42.94
𝑖𝑖𝑗
𝑖=1 𝑗=1
7.81
6)
>
42.94 > 7.81
58
Prueba de correlación lineal
Características y condiciones
4.
= “ro mayúscula” r = minúscula
REGLAS DE DECISIÓN
59
Problema: las calificaciones en Bimbo, para ser Gerente, de 11 ejercicios: (x)
examen admisión (y) pmdo. Final
n x y 𝒙𝟐 𝒚𝟐 xy
1 51 75 5625 5625 3825
2 52 72 5184 5184 3744
3 59 82 6724 6724 4838
4 45 67 4489 4489 3015
5 61 75 5625 5625 4575
6 54 79 6241 6241 4266
7 56 78 6084 6084 4368
8 67 82 6724 6724 5494
9 63 87 7569 7569 5481
10 53 72 5184 5184 3816
11 60 96 9216 9216 5760
621 865 35451 68665 49182
Mx= 56.4545
My= 78.6363
60
a) Trazar diagrama
b) Redactar Ho y Hi
c) Obtener re
d) Modelo matemático
e) Solución modelo
f y g)
Y
90
85
80
75
70
65
60
55
50
45 50 55 60 65
61
1)
-r ∝/2 r ∝/2
.685
11(49181)−(621)(865)
5) r = =0.6933
√11 (35451)−(621)2 )√11(68665)−(865)2
6)
r > + 𝑟 ∝/2
0.6933 > + 0.685
62
Prueba de F de Fisher ÷ 2 varianzas
Características y condiciones
2
3.- Se parece al , sesgada a la derecha, no acepta variable negativa
4.- se conocen ̂
𝑺1 y ̂
𝑺2
𝑠 2𝑀
(20-1) y (20-1) F=
𝑆2𝑚
19 y 19
63
1)
Fc= 2.15
6) F < +F ∝/2
2.02 > + 2.15
64
Análisis de Varianza (ANOVA)
(Diseño completamente aleatorizado de un FACTOR)
Problema:
Ho : 𝝁 𝟏 = 𝝁 𝟐 = 𝝁 𝟑
Hi: 𝝁 𝟏 ≠ 𝝁 𝟐 ≠ 𝝁 𝟑
Fc= 3.88
La media central (gran media) de las 15 puntuaciones del
examen es:
∑𝑥 1200
𝑥̅ t = = = 80.0
𝑛 15
65
El error estándar de la media basándose en las 3 medias muestrales reportadas,
∑(𝑥̅ −𝑥̅ 𝑡) 2 √(80−80) 2 −(15−80) 2 +(75−80) 2 √50
es: S𝑥̅ = √ = = = 𝟓. 𝟎
𝑁° 𝑚𝑒𝑑𝑖𝑑𝑎𝑠−1 3−1 2
2
CMGT= n s 𝑥 = 5(5)2= 5(25) = 125.0
̅̅̅̅̅̅
∑ (𝑥−𝑥 )2
S2=
𝑛−1
(86 − 80)2 + (79 − 80)2 + (81 − 80)2 + (70 − 80)2 + (84 − 80)2 154
𝑠12 = = = 𝟑𝟖. 𝟓
5−1 4
(90 − 85)2 + (76 − 85)2 + (88 − 85)2 + (82 − 85)2 + (89 − 85)2 140
𝑠22 = = = 𝟑𝟓. 𝟎
5−1 4
(82 − 75)2 + (68 − 75)2 + (73 − 75)2 + (71 − 75)2 + (81 − 75)2 154
𝑠32 = = = 𝟑𝟖. 𝟓
5−1 4
∴
(𝑛1−1) 𝑠12 +(𝑛2−1)𝑠22 +(𝑛3−1)𝑠32 4(38.5)+4(35.0)+4(38.5)
̅̅̅̅
𝜎 2 (Combinada) = = = 𝟑𝟕. 𝟑
𝑛1+𝑛2+𝑛3−3 12
Así, ECM=37.3
𝐶𝑀𝐺𝑇 125
F= = = 𝟑. 𝟑𝟓
𝐸𝐶𝑀 37.3
66
F < F∝
3.35 < 3.88
67