INTRODUCCIÓN

PRESENTACIÓN DEL TEMA:

La presente investigación es un compendio de estadística básica necesario para
fundamentar conocimientos requeridos en el manejo de recolección y procesamiento de
datos. La siguiente investigación presenta los siguientes temas:
 Probabilidad (clásica, empírica y subjetiva)
 Principios de conteo (formula de multiplicación, permutación y combinación)
 Teorema de bayes
 Distribución de la probabilidad (valor esperado, varianza, distribución estándar,
distribución binomial, de poisson y normal)

JUSTIFICACIÓN:
La estadística es una ciencia, la cual nos permite analizar, recopilar, procesar y presentar
información de una manera detallada, nos ayuda a predecir o inferir, nos permite emitir
un juicio basado en datos o históricos, por ende, es de vital importancia tanto en el
ámbito profesional como educativo, investigar temas de estadística necesarios. La
investigación y autoeducación es una manera de capacitarnos como profesionales, ya
que actualmente el procesamiento de datos nos ayuda a tomar decisiones, aplicar
medidas y corregir desajustes provocados por la falta de información.

OBJETIVO:
Comprender la naturaleza del pensamiento estadístico, la enseñanza y el aprendizaje;
además del uso de esa comprensión para mejorar la instrucción en estadística básica.

ALCANCE:
El alcance obtenido de esta investigación será netamente descriptivo – explicativo, ya
que se establece su breve definición de cada tema con un ejemplo para mayor
entendimiento y no se extiende mucho ni su lenguaje es netamente técnico, con el
propósito de ser entendible y explicable.
PROBABILIDAD
La probabilidad es el número de posibilidades que ocurra un evento, es una medida de
incertidumbre asociado a los eventos, es decir “es el valor entre cero y uno, que describe
la posibilidad relativa, ya sea oportunidad o casualidad de que ocurra un evento” (Lind,
Wathen, & Marchal, 2012, pág. 146).
Los valores que se encuentren cercanos a 0 indicaran que la probabilidad de que ocurra
este evento es muy escasa, pero si son cercanos a 1 su probabilidad de que ocurra es casi
segura. Ademas la suma de todos los resultados siempre dara el 100% o 1

En la probabilidad hay conceptos clave que se utilizan para expresar diferente

significado, entre ellos encontramos los siguientes:
 Experimento: proceso que incurra una y solo una de varias posibles
observaciones
 Evento o suceso: conjunto de uno o mas resultados de un experimento
 Espacio muestral: son todos los sucesos posibles, es decir todos los resultados
Ejemplo:
En un hospital se esta dando un nacimiento normal y uno de trillizos ¿Cuál seria el
espacio muestral de cada uno?
Experimento Evento Espacio muestral
1 nacimiento normal 1 niño (lo que los padres Niño / Niña
quieren)
1 nacimiento de trillizos 2 niñas y 1 niño (lo que el (Niño-niña-niño) (Niño-
padre quiere) niño-niño) (Niña-niña-
niño) (Niña-niña-niña)
Notación de probabilidades
P: denota una probabilidad
A, B, C: denotan sucesos específicos
P(A): denota la probabilidad de que ocurra el suceso
PROBABILIDAD CLÁSICA:
Parte del supuesto de que todos los resultados del experimento son igualmente posibles,
es una probabilidad objetiva
¿ de resultados favorables
probabilidad clásica :
¿ total de posibles resultados
Ejemplo:
 Probabilidad de que en el nacimiento normal hubiera nacido niño:
1
P ( niño )= =0.5
2
 Probabilidad de que en el nacimiento de trillizos hubiera nacido 2 niñas y 1
niño:
1
P ( 2niñas y 1niño )= =0.25
4
 Mutuamente excluyente: es el hecho de que un evento no puedo ocurrir al
mismo tiempo que otro

PROBABILIDAD EMPÍRICA:
Es también llamada frecuencia relativa, “esta probabilidad se basa en la frecuencia o
número de veces que ocurre el evento con respecto al número de intentos conocidos”
(Render, Stair, & Hanna, 2012, pág. 25).

Ejemplo:
Un paralelo tiene las siguientes notas en el examen:

x Notas Frecuencia relativa Probabilidad

1 8 2 0.20
2 9 5 0.50
3 10 3 0.30
total 10 1
Probabilidad:
10 1
P: = =0.20
2 x

 Ley de los grandes números: a mayores intentos, la probabilidad empírica de

que un evento se aproxime a su probabilidad real aumenta.
PROBABILIDAD SUBJETIVA:
Probabilidad asignada por un sujeto bajo la información disponible o pasada, es en base
a el criterio del sujeto
Ejemplo:
“Estamos en invierno y ayer lluvia, hoy lluvia, estoy seguro en un 100% de que mañana
lloverá también”

PRINCIPIOS DE CONTEO:
Si las cantidades de los posibles resultados son razonablemente contables, es decir
pocas, es fácil estimar la probabilidad y emitir juicio, pero si las cantidades tienden a ser
afectadas por el orden o por ser unas cantidades muy grandes, usamos las siguientes
fórmulas de conteo

FÓRMULA DE MULTIPLICACIÓN:
Si hay m formas de hacer una cosa y n formas de hacer otra cosa, hay m * n formas de
hacer ambas cosas.
Ejemplo:
Una señora desea comprar una cocina nueva, y el vendedor le dice que tiene diferentes
modelos con diferentes diseños, entonces le presenta lo siguiente:

DISEÑO (m) MODELO

(n)
Cocina de 6 Gas Eléctrica
quemadores
Cocina de 4 Gas Eléctrica
quemadores
Cocina de 5 Gas Eléctrica
quemadores

número total de opciones=( m)∗(n):3∗2=6

FORMULA DE PERMUTACIÓN:
Esta fórmula se aplica para determinar el posible número de disposiciones
(combinaciones) cuando solo hay un grupo de objetos, o si bien es un arreglo ordenado
de objetos
 n n!
Pr =
( n−r ) !
Donde:
n: número total de objetos
r: grupo o conjunto que se selecciona
Ejemplo:
Se desea saber de cuantas maneras se puede ordenar las letras “ABC”

n 3! 3∗2∗1
Pr = = =6
( 3−3 ) ! (0 )!

Cómo era “n” objetos tomados de “r en r”, es decir de 3 en 3 se obtuvo 6 posibles

permutaciones, las cuales no se repiten en el orden, es decir son únicas

Ejemplo:
Tenemos n = 10 diferentes zapatos disponibles y planteamos elegir poner en la vitrina
solo 8 pares sin reemplazarlos, ¿Cuál será el número de arreglos posibles que se podrán
hacer?
n 10 ! 10∗9∗8∗7∗6∗5∗4∗3∗2∗1
Pr = = =¿
( 10−8 ) ! (2)!

n 10∗9∗8∗7∗6∗5∗4∗3∗2∗1
Pr =¿ =1.814 .400
( 2∗1 )

R//Obtenemos 1.814.400 permutaciones o arreglos posibles

FORMULA DE COMBINACIONES:
Las combinaciones son otra regla de conteo útil, la cual permite contar el número de
resultados sin importar el orden, es decir sin importar que se repitan los resultados.
n!
C nr =
r ! ( n−r ) !
Donde:
n: número total de objetos
r: grupo o conjunto que se selecciona
Ejemplo:
Un carpintero tiene 5 sillas de distintos colores, y usara 3 para una publicidad en el mall
del sol. ¿Cuántas combinaciones son posibles?
n n!
Cr=
r ! ( n−r ) !
 5! 5∗4∗3∗2∗1 5∗4
C nr = = = =10
3! (5−3 ) ! 3∗2∗1 ( 2∗1 ) 2∗1

R//Se podrán hacer 10 combinaciones para exhibir en el mall del sol

TOREMA DE BAYES
Nace en el siglo XVIII, de la mano del reverendo Thomas bayes quien cuestionando si
dios existe plantea una fórmula para llegar a la probabilidad de su existencia (Levin &
Rubin, 2010, pág. 156). Más tarde Pierre- Simón Laplace perfecciono ese trabajo,
nombrando el teorema de bayes
P ( A ! ) P (B∨ A! )
P( A! ∨B)=
P ( A1 ) P ( B∨ A1 ) + P ( A2 ) P( B∨ A 2)
Esta probabilidad actúa mediante un evento en simultaneo con dos posibles resultados
en el cual se multiplica su probabilidad, utiliza la probabilidad a priori y la
probabilidad a posteriori
 A1 y A 2=eventos en simultaneo pero excluyentes

 Probabilidad a priori: P ( B∨ A1 )
Información basada en el nivel actual o ya determinado
 Probabilidad a posteori: P ( B| A 2 )
Probabilidad a partir de la información existente o adicional

Ejemplo:
Vietnam padece de una enfermedad que solo afecta al 5% de su población, siendo A1
los que padecen la enfermedad y A2 los que no la padecen, además existe una técnica
para diagnosticar si padece la enfermedad, siendo B “la prueba revela la presencia de
enfermedad”, esta técnica indica en un 90% la presencia de la enfermedad y en una
persona que no padece la enfermedad en un 15%
Ahora bien se escoge una persona al azar, y se desea saber ¿Cuál es la probabilidad de
que una persona que padezca la enfermedad, dado que la prueba fue positiva?
DATOS:
A1=0.05 padece enfermedad
A2=0.95 no padece enfermedad
P ( B∨ A1 ) =0.90 presencia de enfermedad padeciendola
P ( B∨ A2 ) =0.15 presencia de enfermedad no padeciendola

P ( A ! ) P (B∨ A! )
P( A! ∨B)=
P ( A1 ) P ( B∨ A1 ) + P ( A2 ) P( B∨ A 2)

(0.05)(0.90)
P( A! ∨B)=
(0.05)(0.90)+(0.95)(0.15)

0.0450
=0.24
0.1875
R// la probabilidad de que una persona padezca la enfermedad, dado que la prueba fue
positiva es de 24%

DISTRIBUCIÓN DE PROBABILIDAD
Una distribución de probabilidad describe la forma en que se espera que varíen los
resultados, es decir representan las expectativas de que algo suceda, útil para hacer
inferencias
 Variable aleatoria: es aquella “representada por un valor o número determinada
al azar. Se puede clasificar en variable discreta y continua” (Triola, 2009, pág.
815).
 Variable aleatoria discreta: tiene un número finito de valor, es contable o
exacta, ejemplo de ello es la edad y los números reales
 Variable aleatoria continua: tienen un número infinito de valor, sus valores
son de medición de escala, o decimal, de manera que son más exactas o precisas,
ejemplo de ello es la temperatura, peso y altura.

VALOR ESPERADO:
El valor esperado es la medio o promedio que da como resultado de multiplicar las
probabilidades de éxitos por el valor de la variable para luego sumar los productos
VE= p 1 ( x 1 ) + p2 ( x 2 ) + p3 ( x 3 ) + p n ( x n ) … . .
Donde:
P: probabilidad
X: valor de la variable
Ejemplo:
Una empresa obtiene las siguientes ventas (en dólares) de los últimos años, dado a que
hay meses que repiten las cifras ¿cuál será el valor esperado sabiendo su frecuencia de
ventas?
 VENTA
FRECUENCIA PROBABILIDAD VALOR ESPERADO
S
102 10 0.08 8.16
105 20 0.16 16.80
108 45 0.36 38.88
111 15 0.12 13.32
114 20 0.16 18.24
117 15 0.12 14.04
TOTAL 125 1 109.44

Probabilidad = porcentaje
125 1
P: = =0.08
10 x
Valor esperado:
VE=0.08 ( 102 ) +0.16 ( 105 ) +0.36 ( 108 )+ 0.12 ( 111 ) +0.16 ( 114 )+ 0.12 ( 117 )
VE=109.44

R// La empresa tendrá un valor esperado de $109.44 para el próximo mes

MEDIA:
La media es el valor típico promedio que representa un conjunto de datos, representa la
posición central de los datos, también recibe el nombre de valor esperado
N: número de datos
CLASE Xi Fi Xi*Fi
1 2 2 4
2 3 2 6
3 4 5 20
4 5 6 30
5 6 2 12
6 8 3 24
TOTAL 20 96

Σ( Xi∗fi) 96
MEDIA= = =4.8
N 20
VARIANZA:
La varianza es el grado de dispersión en una distribución con respecto a su media, posee
dos fórmulas, una para la muestra y otra para la población
x=muestra
u=población
Variación de la Población:
 2
2 Σ (Xi−u) ∗fi
G=
N
2
Σ(Xi−u)
2
G=
N
Variación de la muestra:
2
2 Σ( Xi−x ) ∗fi
s=
n−1
2 Σ( Xi−x )2
s=
n−1

Aquí tenemos la variación con frecuencia y sin frecuencia en la población y muestra,

cabe aclarar que cuando se busca la variación sin agrupar datos no se usa la frecuencia
en la formula, pero si son datos agrupados en tablas de frecuencia si se usa

Ejemplo: (datos agrupados)

tomando el ejercicio anterior se obtendría la siguiente varianza

CLASE Xi Fi Xi - u (xi – u) ^2 (xi – u) ^2*fi

1 2 2 2 – 4.8 (-2.8) ^2 7.84*2
2 3 2 3 – 4.8 (-1.8) ^2 3.24*2
3 4 5 4 – 4.8 (-0.8) ^2 0.64*5
4 5 6 5 – 4.8 (0.2) ^2 0.04*6
5 6 2 6 – 4.8 (1.2) ^2 1.44*2
6 8 3 8 – 4.8 (3.2) ^2 10.24*3
TOTAL 20 59.20
2
2 Σ (Xi−u) ∗fi
G=
N
59.20
G 2= =2.96
20

Ejemplo: (datos sin agrupar o sin frecuencia)

Los salarios por hora de una muestra de empleados de medio tiempo de Coca-Cola
Company son: $12, $20, $16, $18, $19 ¿Cuál es la varianza de la muestra?

Σ( X ) $ 85
x= = =$ 17
N 5

Salario por hora(x) X-x (x−x )2

12 -5 25
 20 3 9
16 -1 1
18 1 1
19 2 4
85 0 40
2
2 Σ( Xi−x ) 40
s= = =$ 10
n−1 5−1

DESVIACIÓN ESTÁNDAR:
Es la raíz cuadrada de la varianza, mide la distancia de los datos con relación a la media
aritmética
Población(σ )= √ G2
Muestra( σ )=√ s
2

DISTRIBUCIÓN BINOMIAL:
Es una distribución de probabilidad discreta que se presenta frecuentemente, en la cual
le interesa en número de éxitos en “n” ensayos, es un experimento que consiste en una
serie de “n” ensayos idénticos, con dos posibles resultados éxito y fracaso

f ( x )= ( nx )∗p (1− p)
x n−x

Donde:
P: éxito
(1-p): fracaso
n: total de eventos
x: eventos esperados

()
n
x
n
: combinación C x =
n!
x ! ( n−x ) !

Ejemplo:

La probabilidad que un cliente realice una compra es del 30% ¿cuál es la probabilidad

de que 2 de los 3 próximos clientes compren?

P: 0.30
(1-p): (1- 0.30) = 0.70
n: 3
x: 2
 2 3 −2
f ( 2 ) =( 3 )∗0.3 (0.70)

( nx )= 2! ( 3−2
3! 6
= =3
)! 2

f ( 2 ) =( 3 )∗( 0.09 )∗0.7

f ( 2 ) =0.189=18.9 %

R// la probabilidad de que 2 de los 3 próximos clientes compren es de 18.9%

DISTRIBUCIÓN DE POISSON:
la distribución de poisson describe el número de veces que se presenta un evento en un
intervalo específico, “trabaja con una media de intervalos y la probabilidad de
ocurrencia es la misma para cualquier intervalo” (Sanchez, 2014, pág. 172).

u x e−u
P x=
x!
Donde:
u: # veces que ocurre el evento en promedio
x: variable que se busca
e: constante

Ejemplo:
En el IEES se estudian los nacimientos de bebes mujer, se sabe que en una semana en
promedio nacen 5 bebes mujer, ¿Cuál es la probabilidad de que nazcan 3 mujeres en una
semana?
u: 5
x: 3
3 −5
5 e
P x= =14.04 %
3!

DISTRIBUCIÓN NORMAL:
Es la distribución de una variable continua que busca un punto en especifico o un rango
en base a una gráfica (campana de gaus), tiene una única moda, que coincide con su
media y mediana (Anderson, Sweeney, & Williams, 2008, pág. 231)
 x −u
Z=
σ
Donde:
Z: punto que se busca
σ : desviación estándar
u: media poblacional
x: punto de referencia

Ejemplo:
Supongamos que los ingresos medios de una población son de $260 y una varianza de
$12, ¿Cuál es la probabilidad de que una familia tenga ingresos por debajo de $265?

x: 265
σ : 12 =
2
√ 12=3.46
u: 260
265−260
Z= =1.44
3.46

Este valor se busca en la tabla de distribución normal

P ( Z <265 ) =P ( Z< 1.44 )=1.44=0.0749

Z=1−P ( Z <1.44 )

Z=1−0.0749

Z=0.9251=92.51%

R// Hay un 92.51% de probabilidad que una familia tenga ingresos por debajo de $265
 CONCLUSIONES:

La estadística es una herramienta importante y muy usada actualmente, ejercicios como

las de distribución de probabilidad son muy útiles en la vida diaria, aprender siempre es
un privilegio y usar estas formulas en el diario vivir es más útil aun.

Aviles Avilez Erika Mildred

Las permutaciones y combinaciones nos permiten saber cuantos posibles

ordenamientos podemos hacer, esto me pareció muy relevante y aplicable en mi diario
vivir. Además de las distribuciones de probabilidad.

Benitez Almeida Gabriela Mariela

Investigar temas importantes como la probabilidad, permutación combinación,

distribución de probabilidad y prueba de Bayes es sumamente esencial en nuestra
formación académica, saber usar y presentar los datos nos ayuda en casi todo.

Vargas Mocha Blanca Rocío

Concluyo que he aprendido mucho sobre probabilidad, que saber cosas tan básicas
como media, varianza, técnicas de conteo me ayudaran en cualquier trabajo que
aplique, esto me ayudara muchísimo en el ámbito profesional.

Vera Delgado Artemio Andrés

La estadística es esencial en casi todo, usar análisis estadístico mediante tablas de
frecuencia es una herramienta muy usada, de la cual ahora puedo aplicar. Además de
usar la probabilidad para determinar un evento es algo nuevo muy necesario para mi

Vera Jumbo Evelyn Tatiana