Está en la página 1de 44

Universidad

Cultural
Ingeniería Industrial y
Sistemas

Estadística ll

Salvador Granillo Ordoñez


6to. Tetrámetro
No. 191475

Ing. José Luis Ortiz candela

Cd. Juárez Chih., a 30 octubre del 2020


Ingeniería Industrial y Sistemas
Estadística 2
Granillo Ordoñez salvador
Ing. José Luis Ortiz Candela

Índice
Introducción………………………………………………………………………….2
Técnica de conteo……………………………………………………………………3
Distribución de probabilidad discreta……………………………………………….4
Distribución de la probabilidad continuas…………………………………………..6
Prueba de hipótesis………………………………………………………………….10
Conceptos………………………………………………………………………….…16
Método de conteo…………………………………………………………………….17
Permutaciones………………………………………………………………………19
Técnica de conteo……………………………………………………………………21
Principio de aditivo……………………………………………………………………22
Permutaciones circulares…………………………………………………………….26
Distribución normal…………………………………………………………………….27
Campanas de gauss…………………………………………………………………..31
Conclusión………………………………………………………………………………33
Anexo……………………………………………………………………………………34
..

.
Ingeniería Industrial y Sistemas
Estadística 2
Granillo Ordoñez salvador
Ing. José Luis Ortiz Candela

Introducción

El término Estadística tiene dos acepciones fundamentales. Por un


lado la Estadística como ciencia o método científico y por otro lado la estadística o
estadísticas como conjunto o colecciones de datos. Este segundo concepto es
muy usado hoy en día para referirnos a resultados ya elaborados en un estudio en
el que se empleó la Estadística como método.

La Estadística es la parte del método científico que mediante el análisis


matemático nos permite obtener información sobre la realidad que nos rodea.La
Estadística constituye una poderosa herramienta para generar conocimiento y ha
experimentado un vigoroso desarrollo desde sus orígenes hasta nuestros días.
Ingeniería Industrial y Sistemas
Estadística 2
Granillo Ordoñez salvador
Ing. José Luis Ortiz Candela

1.-TECNICAS DE CONTEO

1.1.-Combinaciones:
Como ya se mencionó anteriormente, una combinación, es un arreglo de
elementos en donde no nos interesa el lugar o posición que ocupan los mismos
dentro del arreglo. En una combinación nos interesa formar grupos y el contenido
de los mismos.
La fórmula para determinar el número de combinaciones es:

Cr= Combinaciones de  r   objetos tomados de entre  n objetos

Ejemplo 1: ¿Cuántos equipos de voleibol se pueden formar a partir de 9 jugadores


disponibles?

Solución: Se requieren 6 jugadores para formar un equipo de voleibol, por lo que,


en este caso se tiene que.

n=9
r=6

De manera que
Ingeniería Industrial y Sistemas
Estadística 2
Granillo Ordoñez salvador
Ing. José Luis Ortiz Candela

1.2.-Permutaciones:
Son eventos de tipo multiplicativo, donde el número de posibilidades va
disminuyendo y si importa el orden una permutación es un arreglo de un conjunto
de objetos en un orden definido. El número de permutaciones diferentes de
estos objetos es; esto se ve fácilmente si pensamos que para la primera
alternativa disponemos de los elementos del conjunto, cada uno de los cuales
puede complementarse con los restantes como segunda opción, y así hasta llegar
a la última elección, conformando el producto.
El número de permutaciones posibles al tomar objetos del conjunto de elementos
será, siguiendo el mismo razonamiento.

                                                        

1.3.-Variaciones:

Las variables estadísticas son características que poseen las personas, cosas o
lugares y que pueden ser medidas. Ejemplos de variables de uso frecuente son la
edad, el peso, la estatura, el sexo, el estado civil, el nivel académico, la
temperatura, el número de horas que dura un bombillo incandescente y muchas
otras.
Uno de los objetivos de la ciencia es saber cómo se comportan las variables de un
sistema para poder hacer predicciones sobre su futuro comportamiento. De
acuerdo a su naturaleza, cada variable requiere un tratamiento específico para
obtener de ella la máxima información.
La cantidad de variables a estudiar es enorme, pero examinando con atención el
grupo antes mencionado, notamos de inmediato que algunas pueden ser
expresadas en forma numérica, mientras que otras no.Esto nos da pie para una
clasificación inicial de las variables estadísticas en dos tipos fundamentales:
cualitativas y numéricas.
Ingeniería Industrial y Sistemas
Estadística 2
Granillo Ordoñez salvador
Ing. José Luis Ortiz Candela

2.- DISTRIBUCION DE PROBABILIDAD DISCRETA

2.1.-Introduccion a la estadistica descriptiva:

De acuerdo con Vargas (1995), la estadística descriptiva es un método para


describir numéricamente conjuntos numerosos.
Existe la Estadística descriptiva que pretende describir las características
relevantes de un conjunto de datos. Además está la Estadística inferencial que
utiliza técnicas para conocer los elementos de un conjunto a partir de los datos de
un subconjunto del mismo.
Como acabamos de mencionar, la estadística descriptiva tiene como su objeto de
estudio un conjunto de datos. A todos esos elementos que son observados les
llamaremos Población.

Cada elemento de la población es un Individuo y también le podemos llamar


Unidad estadística. Al llamarle individuo, no quiere decir que sean personas,
puede ser literalmente cualquier cosa.

Una población puede ser finita o infinita, según el número de individuos que la
compongan. Pero ten en cuenta que una población puede ser finita y con todo
tener un número de individuos tan grande que no pueden ser observados todos
ellos (las hojas de un árbol, por ejemplo).

Cuando no se puede trabajar con todo el conjunto de individuos, se utiliza una


muestra. Muestra es un subconjunto de la Población. El tamaño de la muestra se
refiere al número de individuos que la componen.

Por ejemplo, cuando un informe estadístico dice que “el 84% de los usuarios de
internet en México se conectan desde su hogar” (Amipci, 2015) realmente no le
preguntó a cada uno de los usuarios de internet en México desde donde se
conecta. De seguro se tomó una muestra a la que se le aplicó una encuesta.
Ingeniería Industrial y Sistemas
Estadística 2
Granillo Ordoñez salvador
Ing. José Luis Ortiz Candela

2.2.-Distribucion binomal o de bernoulli:


Una distribución binomial es una distribución de probabilidad ampliamente
utilizada de una variable aleatoria discreta es la distribución binomial. Esta
describe varios procesos de interés para los administradores.
Describe datos discretos, resultantes de un experimento denominado proceso de
Bernoulli en honor del matemático suizo Jacob Bernoulli, quien vivió en el siglo
XVII.
Podemos servirnos de los resultados de un número fijo de lanzamientos de una
moneda como ejemplo de un proceso de Bernoulli. Este proceso lo describimos
así:
Para que una variable aleatoria se considere que sigue una distribución binomial,
tiene que cumplir las siguientes propiedades:
En cada ensayo, experimento o prueba solo son posibles dos resultados (éxito o
fracaso).
La probabilidad del éxito ha de ser constante. Esta se representa mediante la letra
p. La probabilidad de que salga cara al lanzar una moneda es 0,5 y esta es
constante dado que la moneda no cambia en cada experimento y las
probabilidades de sacar cara son constantes.
La probabilidad de fracaso ha de ser también constate. Esta se representa
mediante la letra q = 1-p. Es importante fijarse que mediante esa ecuación,
sabiendo p o sabiendo q, podemos obtener la que nos falte.
El resultado obtenido en cada experimento es independiente del anterior. Por lo
tanto, lo que ocurra en cada experimento no afecta a los siguientes.
Los sucesos son mutuamente excluyentes, es decir, no pueden ocurrir los 2 al
mismo tiempo. No se puede ser hombre y mujer al mismo tiempo o que al lanzar
una moneda salga cara y cruz al mismo tiempo.
Los sucesos son colectivamente exhaustivos, es decir, al menos uno de los 2 ha
de ocurrir. Si no se es hombre, se es mujer y, si se lanza una moneda, si no sale
cara ha de salir cruz.
La variable aleatoria que sigue una distribución binomial se suele representar
como X~(n,p), donde n representa el número de ensayos o experimentos y p la
probabilidad de éxito.
Ingeniería Industrial y Sistemas
Estadística 2
Granillo Ordoñez salvador
Ing. José Luis Ortiz Candela

Distribución de probabilidad continuas

3.1.-variables normalizadas:

Existen varios procedimientos de normalización de variables y/o evaluaciones que


establecen que existe un modelo rij para cada componente ambiental i y
criterio ambiental j. En la simplificación de la notación se puede llamar
(V1....Vi…,Vm) al vector de variables de las alternativas correspondiente a un
cierto criterio genérico, el cual se puede transformar al vector normalizado de una
variable (v1,...vi,...v) escala normalizada 0 < vi ≤ 1, donde se supone que Vi ≥ 0
para todo i (Barba-Romero, 1987). De forma análoga se llamará en este caso el
vector normalizado de calidad ambiental CA (CA1,...,CAi,.... CAm), el cual
corresponde a una simplificación de vectores y escala normalizada 0 < CA¡ ≤ 1.

El método A de normalización consiste en mantener la proporcionalidad

para todo i y k, con la expresión   usando un criterio de beneficio

(maximizar) y el método B usando un criterio de costo (minimizar)


(García, 2009; Zeleny, 1982). El método C consiste en no mantener la
proporcionalidad con un criterio de beneficio (maximizar)

y el método D con un criterio de costo (minimizar)

(García, 2009; Márquez, 1999; Gardufio et al., 2013). El

método E permite condensar valores pequeños de vi con la expresión


(García, 2009; Boyacioglu, 2012). El método F permite las comparaciones

adimensionales de lps vectores criterio de problema con la expresión


(Barba-Romero, 1987; García, 2009; Pomerol y Barba-Romero, 2012).

Sin embargo, se pueden construir coeficientes que proporcionan índices


ambientales IA relativos que son magnitudes que miden una proporcionalidad y
Ingeniería Industrial y Sistemas
Estadística 2
Granillo Ordoñez salvador
Ing. José Luis Ortiz Candela

pueden ser representados en términos de la calidad ambiental en unidades


estandarizadas como se mencionó anteriormente.

(Gross y Hajek, 1998; Gómez y Gómez, 2011).

Por otro lado, se puede construir un vector normalizado de calidad ambiental


utilizando el método G de regresión de mínimos cuadrados (lineal: vt = a + bVt ,
potencia: vt = aVbi exponencial: vt = aebvi) y utilizando el coeficiente
de correlación (Pearson) para determinar la relación entre variables; un criterio
significativo es tener 0.9 < r ≤ 1, lo cual se considera como una excelente
correlación de datos (Johnson, 2000; Hair, 1999; Agresti y Kateri, 2011; Walpole
et al., 1999). Con los datos de cada variable independiente se utilizaron los
métodos A, B, C, D, E, F y G, los cuales fueron aplicados con los datos
secundarios obtenidos de las cuencas hídricas y plantas de tratamiento de aguas
residuales municipales PTRAM.

Se utiliza un procedimiento de normalización de variables y de construcción de un


vector normalizado de calidad ambiental, lo cual permite estudiar la variación de la
integralidad de los factores ambientales en la dinámica ambiental de una cuenca
hídrica. Ello implica, la transformación de variables independientes que
representan una situación compleja en una cuenca hidrográfica y su interacción
con las plantas de tratamiento de aguas residuales. El método aplicado en este
estudio es documental, explicativo y descriptivo mediante la recolección de
información para la elaboración de la normalización de variables de calidad
ambiental. Los resultados obtenidos establecen que los métodos de maximizar y
minimizar aplicados al conjunto de datos, se ajustan a las variables de calidad
ambiental analizados. Un análisis de los métodos de normalización presenta
un resultado de aplicabilidad de un procedimiento que mantiene la
proporcionalidad maximizando o minimizando variables independientes en el
modelo de planificación ambiental hídrica estacional dentro del intervalo de
valoración concurrente de la calidad ambiental, con el objeto de definir una región
de especificación y variación de la integralidad de factores ambientales.

3.2.-Distribucion normal (z):


La distribución normal es la distribución de probabilidad más importante en
estadística, conocida por la cantidad de fenómenos que explica. Se la denomina
Campana de Gauss, ya que al representar su función de probabilística la misma
tiene forma de campana. Es la más frecuentemente utilizada en aplicaciones
estadísticas, debido a su extensa utilización, admitida por la frecuencia con la que
algunos fenómenos tienden a parecerse en su. Para ser precisos respecto a su
utilización se puede hacer referencia al origen de su propio nombre, que proviene
del hecho de que por mucho tiempo médicos y biólogos creyeron que todas las
variables naturales de interés seguían este modelo. Para entender y trabajar
Ingeniería Industrial y Sistemas
Estadística 2
Granillo Ordoñez salvador
Ing. José Luis Ortiz Candela

adecuadamente con distribución normal en estadística es necesario conocer y


tener claros ciertos conceptos sobre los cuales se basa este modelo. Muchas
variables aleatorias siguen una distribución normal o cerca de la misma. Pues su
característica más resaltante es que la gran mayoría de distribución de
probabilidad bien sea discreta o continua, pude ser aproximada con una
probabilidad normal bajo ciertas condiciones.
Las características tanto de la distribución de probabilidad normal y la curva que la
representa son:
La curva tiene forma de campana con un pico en el centro de la distribución. Por lo
que la media aritmética, la moda y la mediana son iguales y se localizan en el
pico.
Es simétrica alrededor de su media. La mitad del área bajo la curva se encuentra a
la derecha de dicho punto central y la otra mitad está a la izquierda.
La curva desciende mansamente en ambas direcciones a partir del valor central.
Es asintótica, es decir, que la curva se acerca bastante al eje X pero no llega a
tocarlo.

3.3.-Distribucion (T):
Descrita por William S. Gosset en 1908. Publicaba bajo el pseudónimo de
“Student” mientras trabajaba para la cervecería Guinnes en Irlanda. Está diseñada
para probar hipótesis en estudios con muestras pequeñas (menores de 30)
La fórmula general para la T de Student es la siguiente:

En donde el numerador representa la diferencia a probar y el denominador la


desviación estándar de la diferencia llamado también Error Estándar. En esta
fórmula t representa al valor estadístico que estamos buscando X barra es el
promedio de la variable analizada de la muestra, y miu es el promedio poblacional
de la variable a estudiar. En el denominador tenemos a s como representativo de
la desviación estándar de la muestra y n el tamaño de ésta.
Grados de libertad: El número de grados de libertad es igual al tamaño de la
muestra (número de observaciones independientes) menos 1.
gl = df = (n – 1)
Si pudiera expresar en un cierto número de pasos para resolver un problema de t
de student tendría que declarar los siguientes:
Paso 1. Plantear las hipótesis nulas (H0) y la hipótesis alternativa (H1). La hipótesis
alternativa plantea matemáticamente lo que queremos demostrar, en tanto que la
hipótesis nula plantea exactamente lo contrario.
Paso 2. Determinar el nivel de significancia (rango de aceptación de la hipótesis
alternativa), a .
Se considera un nivel alfa de: 0.05 para proyectos de investigación; 0.01 para
aseguramiento de la calidad; y 0.10 para estudios o encuestas de mercadotecnia.
Ingeniería Industrial y Sistemas
Estadística 2
Granillo Ordoñez salvador
Ing. José Luis Ortiz Candela

Paso 3. Evidencia muestral, se calcula la media y la desviación estándar a partir


de la muestra.
Paso 4. Se aplica la distribución T de Student para calcular la probabilidad de
error por medio de la fórmula general presentada al principio y se contrasta con el
valor T obtenido de la tabla correspondiente.
Paso 5. En base a la evidencia disponible se acepta o se rechaza la hipótesis
alternativa. Si la probabilidad de error (p) es mayor que el nivel de significancia se
rechaza la hipótesis alternativa. Si la probabilidad de error (p) es menor que  el
nivel de significancia se acepta la hipótesis alternativa.
Por supuesto que al final lo que tenemos que contrastar es el valor de T que
hayamos obtenido en el problema contra el valor T crítico que obtenemos de la
tabla de T de Student.
Aquí puedes bajar la tabla de T de Student: Tabla T de Student un extremo y
Tabla T de Student de dos extremos: Tabla T de Student dos extremos.

Si el resultado del problema cae en la región de H0 se acepta ésta, de lo contrario


se rechaza. Por supuesto, si rechazas H0 aceptarás H1.

 
Ingeniería Industrial y Sistemas
Estadística 2
Granillo Ordoñez salvador
Ing. José Luis Ortiz Candela

En la gráfica precedente se aprecian las regiones de aceptación y de rechazo con


respecto a H0.

PRUEBA DE HIPOTESIS
4.1.-Pruebas de hipotesis unilaterales:
Aunque esta última formulación está relacionada con los contrastes unilaterales
simple contra compuesta anteriores, las dos hipótesis no son técnicamente
equivalentes Para simplificar la interpretación de los contrastes unilaterales,
atendiendo a los casos de los que se ocupa Statmedia, se formulan los contrastes
de esta última manera (compuesta contra compuesta) y se toma el nivel de
significación como si fuera el del contraste simple contra compuesta.

En cualquier caso, es importante entender que sólo debe resolverse uno de los
tres contrastes (bilateral o unilateral) con un conjunto de datos concreto.

Por ejemplo, es incorrecto desde el punto de vista metodológico empezar


contrastando bilateralmente, y hacer luego un test unilateral. El contraste que se
ha de emplear debe decidirse basándose en conocimientos previos del problema,
o bien guiándose por la cuestión de interés aplicado a responder.

 
Ejemplos de pruebas unilaterales
 

 Caso 1: cálculo del nivel de significación y de la potencia en función de


diferentes alternativas.
 Caso 2: representación gráfica del contraste unilateral y de los conceptos
asociados.
Ingeniería Industrial y Sistemas
Estadística 2
Granillo Ordoñez salvador
Ing. José Luis Ortiz Candela

b) Pruebas unilateral o de un extremo: la hipótesis planteada se formula con ≥ o ≤

H0 : µ ≥ 200 H0 : µ ≤ 200

H1 : µ < 200 H1 : µ > 200

En las pruebas de hipótesis para la media (μ), cuando se conoce la desviación


estándar (σ) poblacional, o cuando el valor de la muestra es grande (30 o más), el
valor estadístico de prueba es z y se determina a partir de:

El valor estadístico z, para muestra grande y desviación estándar poblacional


desconocida se determina por la ecuación:

 
Ingeniería Industrial y Sistemas
Estadística 2
Granillo Ordoñez salvador
Ing. José Luis Ortiz Candela

En la prueba para una media poblacional con muestra pequeña y desviación


estándar poblacional desconocida se utiliza el valor estadístico t.

4.2.-Pruebas de hipotesis bilaterales:

El contraste bilateral sitúa la región de rechazo en los dos extremos (colas) de la


distribución muestral. En cambio, el contraste unilateral sitúa la región de rechazo
en uno de los dos extremos (colas) de la distribución muestral. El contraste
bilateral (o de dos colas) se utiliza cuando la Hipótesis Alternativa asigna al
parámetro cualquier valor diferente al establecido en la Hipótesis Nula.

Ejemplo de contraste bilateral:

La Hipótesis Alternativa establece que, caso de rechazar la Hipótesis Nula,


decidimos que la proporción de la población a que pertenece la muestra no es 0.5

Ejemplo de contraste unilateral:

La Hipótesis Alternativa establece que, caso de rechazar la Hipótesis Nula,


decidimos que la proporción de la población a que pertenece la muestra es inferior
a 0.5

Un contraste bilateral adopta en general la forma:

H0: θ = θ0 contra H1: θ ≠ θ0


Ingeniería Industrial y Sistemas
Estadística 2
Granillo Ordoñez salvador
Ing. José Luis Ortiz Candela

En determinadas ocasiones el experimentador prefiere plantear directamente un


contraste de la forma:

H0: θ = θ0 contra H1: θ > θ0

Conocido como contraste unilateral derecho. Obviamente, otra posibilidad es el


unilateral izquierdo:

H0: θ = θ0 contra H1: θ < θ0

En estos tres casos, el contraste de hipótesis es simple contra compuesta.

En la mayoría de situaciones aplicadas, se desean realmente resolver contrastes


unilaterales que comportan hipótesis compuestas. El unilateral derecho es
entonces:

H0: θ ≤ θ0 contra H1: θ > θ0

y el izquierdo es:

H0: θ ≥ θ0 contra H1: θ < θ0


Ingeniería Industrial y Sistemas
Estadística 2
Granillo Ordoñez salvador
Ing. José Luis Ortiz Candela

Conceptos:
Estadística
La estadística es una ciencia y una rama de las matemáticas a través de la cual se
recolecta, analiza, describe y estudia una serie de datos a fin de establecer
comparaciones o variabilidades que permitan comprender un fenómeno en
particular.

Ejemplo de estadística de probabilidad. Esta clase de estadística es la que analiza


situaciones donde el azar hace su presencia de manera importante.

Estadística descriptiva
La estadística descriptiva es un conjunto de técnicas numéricas y gráficas para
describir y analizar un grupo de datos, sin extraer conclusiones (inferencias) sobre
la población a la que pertenecen.

 (por ejemplo, edad de una población, altura de los estudiantes de una escuela,


temperatura en los meses de verano, etc.)

Estadística inferencial

es una parte de la Estadística que comprende los métodos y procedimientos para


deducir propiedades (hacer inferencias) de una población, a partir de una pequeña
parte de la misma (muestra). También permite comparar muestras de diferentes
poblaciones.

encargada de hacer deducciones, es decir, inferir propiedades, conclusiones y


tendencias, a partir de una muestra del conjunto.
Ingeniería Industrial y Sistemas
Estadística 2
Granillo Ordoñez salvador
Ing. José Luis Ortiz Candela

Combinación

Técnica de conteo que permite calcular el numero de arreglo que puede


realizarse con todos o con una parte de los elemento de un solo conjunto, en
donde no interese el orden de los elementos entre si.
 

Ejem,
Si a partir de las 5 vocales formamos grupos de 3 vocales el grupo A,E,I,es
igual que el grupo A,E,I por lo que tan solo

Población
 En sociología y biología, es un grupo de personas, u organismos de una especie
particular, que vive en un área geográfica, o espacio, y cuyo número de habitantes
se determina normalmente por un Censo.
La demografía es el estudio estadístico de las poblaciones humanas. Aspectos
varios del comportamiento humano en las poblaciones se estudian
en sociología, economía y geografía en especial en la geografía de la población.
El estudio de poblaciones normalmente está gobernado por las leyes de la
probabilidad, y las conclusiones de los estudios pueden no ser siempre aplicables
a algunos individuos, grupos o países.

Muestras
Una muestra es una pequeña porción de algo, representativa de un todo, que es
usada para llevarla a conocimiento público o para analizarla.
Cuando se hace una muestra artística, se exponen al público las más
representativas creaciones de un autor o de un grupo de ellos, ya sea en galerías
de arte, museos, clubes, colegios, etcétera.

En los comercios se colocan muestras de mercancías, o sea, pequeñas


cantidades del producto, en lugares visibles, para que los potenciales clientes
puedan observarlos, e incluso probarlos, cuando se trata por ejemplo, de
cosméticos o perfumes.
Ingeniería Industrial y Sistemas
Estadística 2
Granillo Ordoñez salvador
Ing. José Luis Ortiz Candela

Variable

El origen de la palabra variable, lo hallamos en el vocablo latino "variabilis",


integrado por el verbo "variare" que puede traducirse como "variar" o "cambiar", y
por el sufijo de probabilidad "abilis".
Variable es algo que no es estable, que cambia, por ejemplo: "El clima está muy
variable, a la mañana hacía frío y ahora está haciendo calor", "Mi primo tiene un
carácter variable, no sabés si lo vas a encontrar de buen o mal humor, es siempre
una sorpresa" o "Es variable la cantidad de agua que debes usar para regar tu
jardín, depende si ha llovido hace mucho o poco tiempo".

Datos
Los conceptos «son las unidades más básicas de toda forma de conocimiento
humano»; construcciones o auto proyecciones mentales, por medio de las cuales
comprendemos las experiencias

Estadístico
En estadística un estadístico es una medida cuantitativa, derivada de un conjunto
de datos de una muestra, con el objetivo de estimar o inferir características de una
población o modelo estadístico.

Parámetro

En estadística, un parámetro es un número que resume la gran cantidad de datos


que pueden derivarse del estudio de una variable estadística. El cálculo de este
número está bien definido, usualmente mediante una fórmula aritmética obtenida a
partir de datos de la población
Ingeniería Industrial y Sistemas
Estadística 2
Granillo Ordoñez salvador
Ing. José Luis Ortiz Candela

método de conteo

son estrategias utilizadas para determinar el número de posibilidades diferentes


que existen al realizar un experimento. ejemplo al lanzar un dado veremos
cuantas posibilidades hay de que salga un numero a favor si tiene 6 caras los
dados cual sería la posibilidad.

cuando formamos grupos en los que el orden no importa los grupos se llaman
combinaciones.

combinaciones sin repeticiones


definición

son las diferentes maneras de organizar o agrupar los elementos de un conjunto


sin tener en cuenta el orden de su ubicación .

a) dos combinaciones se consideran diferente ,solo por los elementos que las
conforman.

b)En las combinaciones no influye el orden en que se colocan los elementos.

c) en las combinaciones no se repiten los elementos dentro de un mismo grupo

para calcular el número de combinaciones se aplica la siguiente formula.

C m.n= m!
(m-n)!n¡
Ingeniería Industrial y Sistemas
Estadística 2
Granillo Ordoñez salvador
Ing. José Luis Ortiz Candela

Combinación de m elemento tomado de n en n


* No entran todos los elementos

*no importa el orden

* Si se repiten los elementos

Formula:

n
C r = m+n-1 = (m+n-1)
m
N n¡(m-1)!

Combinaciones con repeticiones de m elemento tomado de nen n


Ingeniería Industrial y Sistemas
Estadística 2
Granillo Ordoñez salvador
Ing. José Luis Ortiz Candela

Permutaciones
Hay dos tipo de permutaciones

1:sepermite repetir :como la cerrada de ejem. podría ser «333»


2:sin repeticiones :ejem. Los tres primeros en una carrera no puede quedar 1y2
Al mismo tiempo.

factorial

cantidad que resulta de la multiplicación de determinado numero natural por los


anteriores o el mayor que cero y se representa como n! done n es el numero

ejercicios:
cuantos números de 5 cifras diferente se pueden formar con los dijitos
1,2,3,4,5, 5*4*3*2*1=5!=120!

1:si importa el orden=si permutación sin repetición


2:se toman todos los elementos =si
3:se pueden repetir todos los elemento=no

Cuantos números de 5 cifras puede realizar con los dijitos 5.4.3.2.1.


5*5*5*5*5*
1:=si
2:=si
3:=si
Ingeniería Industrial y Sistemas
Estadística 2
Granillo Ordoñez salvador
Ing. José Luis Ortiz Candela

Cuantos números pares de 5 cifras diferentes puedes formar con los dijitos
1,2,3,4
4 3 2 1 2 4! x2=48

Importa el orden
Se toman todos los elementos
Se pueden repetir los elemtos

Cuantos numeros pares de 5 cifras iguales puedo formar con los dijitos.
55552

Cuantos números de 4 cifras podemos formar con los números de


0,1,2,3,4,5,6,7,8,9,

a) se pueden repetir los elementos


b) no se puede repetir los elementos

3,4,5,2,

Para una restricción debe de haber 2,4,6,8, se puede formar

Cuantos numero de 4 dijitos se puede formar con los números 0,2,3,4,5,6,7,8,


a) se puede reperti los elementos
b) no se puede repetir los elementos
c) si se puede repetir los elementos que tiene que ser un numero par si no se
puede repetir los elementos y tiene que ser un numero par
10 10 10 10 10 a)10.000
10 7 8 7 b)5040
10 10 10 5 c)5000
9 8 7 5
Ingeniería Industrial y Sistemas
Estadística 2
Granillo Ordoñez salvador
Ing. José Luis Ortiz Candela

Tecnica de conteo

Existen 5 técnica de conteo


Permutaciones: con repeticiones y sin repeticiones circulares
Combinaciones: con repeticion y sin repetición
Variaciones: principio de adicion y principio de multiplicación
Introducción : las principales técnicas conteo son las suientes

1:principio multiplicar
en este tipo de tecnica de conteo junto con el pricipio aditivo permiten
comprenden fácilmente y de forma practica como funciones estos métodos
matemáticos n 1 puede ocurrir de varias formas.

2:principio multiplicativo

Este principio se utiliza cuando la accion es secuencia es decir , esta formada


por evento que ocurre de forma ordenada como son las contrucciones de una
casa elegir los pasos ejemplo:

N2 Negro y blanco
Piel de vaca de vinil
beige y cafe

Piel negro
Piel blanca
Piel beige
Piel café y= 2 x 4=8
Vinil negro
Vinil blanco
Binil beige
Binil cafe
Ingeniería Industrial y Sistemas
Estadística 2
Granillo Ordoñez salvador
Ing. José Luis Ortiz Candela

Principio aditivo
es una técnica de conteo de probabilidad que permite medir de cuenta de
cuantas meneras se pueden una actividad asu vez tiene varias alternativas para
ser realizada de las cuales pueden elegir solo una a la vez

en este caso en vez de multiplicar las alternativas para cada evento lo que
sucede es que se suman las varias formas en la que puede ocurrir

esto requiere decir que si la primera actividad puede ocurrir de m formas la


segunda n y las 3L entonces de acuerdo a este principio seria m,n,l

principio aditivo

ir ala palaya

Tomar el sol Boda Ver futbol

Nadar Comer bailar Salas

bailar compromiso Espor bar

N1 n2 n3

Cuantas posibles actividad puedo hacer el sábado en en la tarde n1,n2,n3

3+3+3+=9
Ejemplo:
Queremos comprar chocolate ,habiendo tres marca en el supermercado.abc
El chocolate a se vende tres sabores .negro con leche y blanco además de
aber la obcion sin con azucar para cada uno de ellos
Ingeniería Industrial y Sistemas
Estadística 2
Granillo Ordoñez salvador
Ing. José Luis Ortiz Candela

El chocolate b se vende de tres sabores negro con leche blanco con la opción
de tener ono avellana y con o sin azúcar a= 6 variedades b =12 c=24

A C B

Negro blanco con Blanco negro y con Balnco negro y sin


N1
leche leche leche

N2 Con avellana y sin Con avellana y sin


Con azúcar y sin azucar abellana avellana

Con cacahuates y sin Con o sin azúcar


Almendra y caramelo cacahuates

R=c2418
B=12
A=6
Ingeniería Industrial y Sistemas
Estadística 2
Granillo Ordoñez salvador
Ing. José Luis Ortiz Candela

5 4 3 2 1
x x x x 5ļ=120
¿ n2 n3 n4 n5

De cuantas maneras se pueden ordenar las letras de la palabra de la wep

Importa el orden : si

Se repiten los elementos : no

Se toman todos los elementos :si

Wep
Pew
Pw e
Se pueden representar de esta forma 3ļ 6

Tienes 5 renos y quieres que 4 de ellos vuelen el trineo de cuantas maneras


puedo ordenar a los renos si consideramos el orden si importa

5x4x3x2x=120

Ganaste un viaje a cancun y puedes llevar a 2 de tuas amigos desafortunado


tienes 5 de cuants maneras

No importa el orden

No se tomantodos los elementos

Nos se repite los elementos

5 x 4= 20 =10
2
Ganastes
A
B
C
D
E 5 x 4 x 3 =elemento 60 ni de total de elemento vamos a tomar
6=5ļ
Ingeniería Industrial y Sistemas
Estadística 2
Granillo Ordoñez salvador
Ing. José Luis Ortiz Candela

En un salón de 38 alumnos y el profesor 4 de ellos para realizar una exposición


en equipo cuantos grupos distintos de alumnos podemos crear.

38 37 36 35
1771560 73.815
-4ļ

En un salón de 38 alumnos todos ellos intercambian un saludo de mano .


cuantos en total se tiene que hacer

38 x 37 2ļ =2

Ingeniería Industrial y Sistemas
Estadística 2
Granillo Ordoñez salvador
Ing. José Luis Ortiz Candela

Permutación circulares

N=1 es le numero de elemento

4 elemento

3ļ 3 x 2 x 1=6

10persona están sentadas en una mesa circular pero 2 de ellas son parejas y
no se quieren separar

De cuantas maneras podemos ordenar a las personas en la mesa cicular

1
10
9 2

8 3 8ļ x 2ļ =80640

7 4
6

12 personas al rededor de la mesa circular están sentada pero entre ellos hay
un comité formado por un `presidente un tesorero y un secretario que no
pueden estar separado de cuantas formas se pueden permutar en esta mesa

R=2.177.280 9ļ x3ļ
Ingeniería Industrial y Sistemas
Estadística 2
Granillo Ordoñez salvador
Ing. José Luis Ortiz Candela

Distribución normal
Probabilidad:

La probabilidad se refiere a la mayor o menor posibilidad de que ocurra un


suceso su noción viene de la necesidad de medir la certeza o dual de que un
suceso dado ocurra o no , establece una relación entre el número de suceso
favorable y el número total , de suceso posibles por ejem, lanzar un dado y que
salga el número de caso favorable esta en relación a 6 caso s posibles de 6
caras

Ejemplo, p(a) <número de casos favorables


Numero de caso posible

P(a) = 1 = 0.16
6

0.16 x 100 =16.66%

P(a)= 3 = 50%
6

En una urna tengo 4 bolas rojos 8 azules y 3 verdes cual es la probabilidad


de obtener una bola de color

P(a) = 4 = 0.26 =26.66 %


15

Probabilidad de obtener una bola roja o una verde.

P(a) = 4+ 3 = 46.66 %
15
Ingeniería Industrial y Sistemas
Estadística 2
Granillo Ordoñez salvador
Ing. José Luis Ortiz Candela

265 bolas de color .33 bolas de color negro se suman 265 + 33 =298

P(para sacar bola negra) = 33 = 11.07 %


298

3 bolas de color negro y 45 bolas de color blancas


R= 6.25 %

Distribución normal

conocida como distribución normal es por la cantidad de fenómeno que


explica ,lo mas importante de las distribución estadística . a la distribución
normal también se le denomina con el nombre de campana de gauss que al
representar su función de probabilidad esta tiene la forma de una campana y es
simétrica.

Variable aleatoria continua

Una variable aleatoria continua es aquella que puede asumir un numero infinito
de valores dentro de un determinado rango ejem,

El peso de una persona podría ser 80, 58052 800525

Distribución de la probabilidad normal

La normal es la distribución de probabilidad mas importante ,multitud de


variables aleatorias continua , siguen una distribución normal aproximadamente
normal una de su características importante es que casi cualquier distrbucion de
probabilidad tanto como discreta como normal.
Ingeniería Industrial y Sistemas
Estadística 2
Granillo Ordoñez salvador
Ing. José Luis Ortiz Candela

Como se presenta la distribución normal

N= μ σ

μ =media

σ =desviacion típica

es simétrica tiene una asíntota horizontal área entre la función y el eje


horizontal es igual a 1
X e
1 X−μ
F(X) =σ √ 2π ( )
2 σ

Para calcular una área de una función es recomendable una función

Probabilidad es una variable aleatoria (v,a) x tome un valor determinado entre


dos numero reales a y b coincide el área encerrada.

1
F (X) = e (x -μ)2
2
σ√ 2 π

función de la densidad de la probabilidad entre dos punto a y b es decir

p (a< x< b)=ᶴab F(x) dx=


Ingeniería Industrial y Sistemas
Estadística 2
Granillo Ordoñez salvador
Ing. José Luis Ortiz Candela

distribución normal (0.1)

¿que área queda por debajo del valor 1.26?


0.06
1.2√❑8962

¿Qué área queda por debajo del valor 0.34?

P c2 < 0.34

0.4
0.30.3√❑ 06331 x 100=63.31%

¿Probabilidad de en contrar un numero 10.9?

1.09=0.8621 x100 =8621

1.46=9279x100=927900

2.1=5832x100=58.32.

2.99=9986x100=998.600

0.39=.6517x100=651700

0.81=7910x100=791.000

3.55=9999x100=999.900
Ingeniería Industrial y Sistemas
Estadística 2
Granillo Ordoñez salvador
Ing. José Luis Ortiz Candela

Las campanas de gauss

Área por encima de un valor positivo

P(z> 2=

Calcular probabilidad de estar por encima de un numero positivo ejemplo en


una distribución (n0.1 calcular la probabilidad p/cz>1.2

Clacular p(z<1.2)=0.8643

P(z >1.2 =1- p(z<1.2

P (z>1.2=1.08643

P(z>1.2 =0.1357=13.57%

Calcular el área por encima de un numero negativo p(z>-1.68)=0.9535

Área por debajo de un valor negativo

= 1-

-z +z
Ingeniería Industrial y Sistemas
Estadística 2
Granillo Ordoñez salvador
Ing. José Luis Ortiz Candela

P(z <-z)=p(z>z) =1- p(z<z)

P(z<-2)= p(z<-z)= 1- p(z<z)

Area por debajo de un valor negativo

P(z<-z) = p(z>z)= =1- p(z<z)

P(z<-0.8)= p(z>0.8)=1- p(z<0.8)=1.07881

P(z<-0.8=0.2119

P(z1<z<Z2)

P(z1<z<2) = p(z<z2) = p(z<z1)

Área entre entre dos valores

P(0.5<z<1.5)=0.9332

P(z<1.5) -p(z<0.5) = 24.17%


Ingeniería Industrial y Sistemas
Estadística 2
Granillo Ordoñez salvador
Ing. José Luis Ortiz Candela

Conclusión
Una de las técnicas más utilizadas dentro de la estadística es la
 

medición de parámetros de tendencial central, la moda, mediana y


media. Lo cual nos permite centrar el problema y plantear puntos de
referencia.
Para desarrollar un buen proyecto ambiental siempre es necesario
conocer las bases estadísticas del lugar donde vayamos a trabajar.
Tenemos que conocer la teoría nos ayuda a enfocar soluciones y
conocer la realidad nos ayuda a contextualizar y a diferenciar
soluciones.

si pedro dispone de 5 lápices de pasta,4 de tinta y 3 de grafito ¿de cuantas


maneras se puede elegir un lápiz?
5 +4 +3=12 opciones para elegir el lápiz
Contrario hay 3 maneras
Al lanzar un dado y una moneda ¿Cuántos resultados disponibles se pueden
obtener?
1 moneda 1 dado
2x 6=12 resultados- diferentes
Ya que le puedes sumas el lado de cada cara el numero que indique la moneda
6! ¡X 2! =1440
¿De cuantas
maneras se pueden ubicar 5 autos en una fila en un estacionamiento?
R=5 x 4 x 3 x2 x1=120
¿De cuantas
maneras distintas se pueden sentar una familia de 7 integrantes en una mesa
circular?
R=7x 6x5 x4 x3 x 2 x1=5040
Para el
mundial catar clasificaran 32 países, si el torneo se jugara en modalidad todos
contra todos ¿Cuántos partidos se tendrían que jugar?
R=n=32-1=31 32 países 31 equipo
Formula:
Ingeniería Industrial y Sistemas
Estadística 2
Granillo Ordoñez salvador
Ing. José Luis Ortiz Candela

n.(n-1)
32*31=992 partidos en total
¿En un jardín
infantil, hay 5 cupos para 8 niños de cuantas formas se pueden ocupar esas
vacantes?
R=n8, r=5
Formula:
N! /8n-r)! *r!
8!/3!*5!=56 el orden de niños no importa
¿En una
bodega hay 5 tipos diferentes de botellas de cuantas maneras se pueden elegir 4
de ellas?
R= n=5, K=4,
Formula:
〖CR〗_k^n + k-1 = (n+k-1)!/((k!*(n-1)!)=
〖CR〗_4^5+4-1=(5+4-1)!/(4!*(5-1)!)=((9-1))/(4!*(4)!)=8!/(4!*4!)=〖CR〗_4^8=(2x 7x
5)/2=70

¿En una
florería hay 7 distintas clases de flores, dé cuantas maneras se pueden elegir 4?
R=7 x 6x5x4=840
¿En un
campamento de futbol participan 8 equipos locales de cuantas maneras se pueden
ocupar los 3 primeros ocupantes?
R=8 x 7 x 6 =336 8 variaciones elementos tomados de 3 en 3.
Ingeniería Industrial y Sistemas
Estadística 2
Granillo Ordoñez salvador
Ing. José Luis Ortiz Candela

Cuestionario 1

1: Cuantos numero de 3 cifras diferente se pueden formar con los


dígitos .9,8,7,6,5,

R=60

2:De cuantas maneras se pueden sentar 7 amigos alrededor de una mesa


circular si dos de ellos son pareja y siempre deben ir juntos.
R=240.

De cuantas maneras se pueden sentar 7 amigos alrededor de una mesa


circular
R=5040

Si el orden si importa nos referimos a R= PERMUTACIONES

Si el orden no importa nos referimos a R= COMBINACION

De cuantas maneras únicas se pueden ordenar las palabras wep R=6


Ingeniería Industrial y Sistemas
Estadística 2
Granillo Ordoñez salvador
Ing. José Luis Ortiz Candela

En una técnica de conteo es probabilidad que permite medir de cuantas


maneras se puede realizar una actividad que asu vez tiene varias alternativas
para ser realizadas. De las cuales se puede elegir solo una a la vez
R= PRINCIPIO ADITIVO

Este principio se utiliza cuando la accion es secuencial ,es decir esta conformado
por eventos que ocurren de forma ordenada

R=PERMUTACION

En una clase de 34 alumnos se requiere un comité conformado por un


presidente , un secretario y un tesorero cuantos comité se pueden formar

R=35904.

Cuantos numero de 4 cifras distintas se pueden formar con las cifras pares
(0,2,4,6,8
R=120

Cuantos numero de 3 cifras diferente se pueden formar con los dígitos


9,8,7,6,5,

R= 60
Ingeniería Industrial y Sistemas
Estadística 2
Granillo Ordoñez salvador
Ing. José Luis Ortiz Candela

CUESTIONARIO 2

Ciencia que se ocupa de la recolección ,agrupación representación análisis


einterpretacion de datos

R= ESTADISTICA

Parte de la estadística que las características de un grupo que la describe


R=DESCRIPTIVA

Característica que puede fluctuar y cuya variación es suseptible de adoptar


ciertos valore los cuales pueden medirse u observables

R=VARIABLE

Es un ejemplo de una variable cualitativa ordinal


R= NIVEL DE ESTUDIO

Perte de la estadística que tiene como propósito inferir o deducir leyes de


comportamiento
R=MUESTREO INFERENCIAL

Parte de la estadística que se encarga de la recopilación de datos y análisis de


datos por medio de tablas y fraficas

R=MUESTREO

Tipo de valores que ubican al centro de un conjunto de datos ordenados según


su magnitud
R=TENDENCIA CENTRAL

Tipo de macnitud que miden el grado de dispercion de los valores de la variable


R= DE DISPERCION

Característica de la muestra donde cualquier sujeto puede ser seleccionado


para la muestra con las misma probabilidad

R= ALEATO
Ingeniería Industrial y Sistemas
Estadística 2
Granillo Ordoñez salvador
Ing. José Luis Ortiz Candela

Método utilizado para elegir una muestra a partir de una probabilidad


R=MUESTREO

Tipo de muestreo donde los individuos de dividen en grupos donde se eligen


de cada estrato un representativo de individuo

R=ESTRATIFICADA

Tipo de muestreo donde la población se divide en provincia o ciudades


R=CONGLOMERADO

Sebasa en seleccionar la muestra después de dividir la población en grupo o


en estratos
R=POR CUOTAS

Tipo muestreo donde los sujetos seleccionados enbase al conocimiento y juicio


del investigador

R=DISCRECIONAL

Con otro nombre resive la distribucion normal


R=GAUSSINA
Ingeniería Industrial y Sistemas
Estadística 2
Granillo Ordoñez salvador
Ing. José Luis Ortiz Candela

CUESTIONARIO 4

La probabilidad de que el tiempo de descarga de una pagina wep entre 7 y 10


segundo cual es la probalilidad de que sea exactamente de 8 segundo
R=CERO

Los datos proveniente de una muestra aleatoria son 5,8,10,7 y 14 calcule


estimación puntual de la media y la varianza

R=μ=9σ2=96

El promedio de gastos de copias de 19 estudiantes es de 40$ con una


desviación de 15$ con un nivel de confianza de%
R=32,77>μ<47.23

Teoricamente en la distribucion normal como son las medias de tendencia


central

R=IDENTICA

Tenemos una distribución normal con una media de 160cm y nua desviación
estándar de 2cm que porcentaje de mujeres tiene una estatura entre 158cm y
163cm R=77.45%

Una cierta maquina produce resistencia eléctrica que tiene valor medio de 40
ohm una desviación estándar de 2ohm suponiendo que los valores sigue una
distribución normal que porcentaje de la resistencia tendrá un valor que exeda
de 45ohm
R=NINGUNAS DE LAS ANTERIORES

Se utiliza medidore para rechazar todas los componentes cuyas dimensiones no


se encuentran dentro de las especificaciones 1.50id se sabe que la desviación
estándar es de 2.0 determine el valor de para que las especificaciones sobre
el 95% de las mediciones

R=NINGUNAS DE LAS ANTERIORES

Una empresa de investigación lleva acabo una encuesta para determinar la


cantidad media que los fumadores gustan cigarrillos durante una semana , se
describió que la distribución tendría a ser normal con una desviación estándar
de 5$ una muestra de 45 fumadores revelo una media de 20$ calcule un índice
de confianza de 95%

R=18.54<μ<21.22
Ingeniería Industrial y Sistemas
Estadística 2
Granillo Ordoñez salvador
Ing. José Luis Ortiz Candela

Una empresa de agua purificada lanza una nueva presentación cuyo emvase
tiene una capacidad de 5 lts el proceso de llenado muestra una desviación de
0.5stl si la inspección se hace aleatoria mente en le mercado y emplea una
muestra de 50 botellas construya un intervalo de confianza del 95% para dicho
producto

R=4.86<μ<5.13
Ingeniería Industrial y Sistemas
Estadística 2
Granillo Ordoñez salvador
Ing. José Luis Ortiz Candela

CUESTIONARIO 3

En una distribución normal de medias o desviación típica 1 calcular p(z<1.00

R=p)z< 1.00 p(z< 1.00 =1- p(z<1.00 1-8413=0.1587=15.87%

en una distribución normal de medio 0 y desviación típica 1 calcular p(z<2.85

R= p(z< 2.85 p(z< 2.85 =1- p(z>2.85 1-09978=0.0022

en una distribución normal de medio 0 y desviación típica 1 calcular p(z< -0.33

R=P(Z< -0.33 P(Z< -0.33 =1-P( Z< 0.33 1-0.6293=0.3707

En una distribución de N(0,1)media 0 y calcular p(z≤0.01)


p(z≤0.01)= p(z≤0.01)=1- p(z≤0.01)=0.5040=0.4960=4.96%

En una distribución normal N(0,1)Calcular p(z≤3.59)


p(z≤3.59)= p(z≤3.59)= 1-p(z≤3.59)=1-0.999=0.0001X100=0.01%

En una distribución normal N(0,1)Calcular p(z¿ 0.64 ¿


p(z¿ 0.64 ¿ = p(z¿ 0.64 ¿ =1- p(z¿ 0.64 ¿ =1-0.7389=0.26

En una distribución normal N(0,1)Calcular P(z¿ 0.69 ¿


P(z¿ 0.69 ¿= P(z¿ 0.69 ¿=1- P(z¿ 0.69 ¿=0.07045=0.2451

En una distribución normal N(0,1) Calcular p(0.43≤ z ≤ 1.17 ¿


p(0.43≤ z ≤ 1.17 ¿00.8577=p(z≤ 0.43=0.6664=19.13

En una distribución normal N(0,1) Calcular p(-0.43≤ z ≤ 1.17 ¿


P(-0.43≤ Z ≤1.17 ¿ 1 p (Z <0.43)=.336
Ingeniería Industrial y Sistemas
Estadística 2
Granillo Ordoñez salvador
Ing. José Luis Ortiz Candela

En una distribución normal N(0.1)Calcular p(-1.5¿ z ←0.68 ¿

También podría gustarte