MEDIDAS

Las medidas son parte de las propiedades físicas de los objetos. Así por
ejemplo, de un material esférico, se podría medir o conocer su diámetro,
superficie, radio, volumen, circunferencia, peso, masa y densidad.
Dichas medidas son propias de dicho elemento, pero también su color,
aspecto, textura, etc.

Ejemplos:

Diámetro: 10cm

Radio: 5cm

Peso: 28g

ESTIMACIONES

La estimación de una cantidad es una aproximación que

frecuentemente se utiliza para comprobar si una respuesta es razonable.
Para estimar la respuesta de un cálculo, hay que redondear todos los
números que lo componen a una cifra significativa.
Ejemplo:

Un teatro tiene 98 filas y cada fila tiene 23 asientos. Estime la cantidad

de asientos en el teatro.

Redondear 98 a 1cs = 100

Redondear 23 a 1cs = 20

Respuesta: se estima que existen 100 x 20 = 2000 asientos

CIFRAS SIGNIFICATIVAS Y REDONDEO

Observe el siguiente video:

Cifras significativas y redondeo

Cifras decimales

Recordemos que para evitar largas cadenas de dígitos, a menudo resulta

útil dar una respuesta con un cierto número de cifras decimales (dp).
Por ejemplo, al dar un número con 2 lugares o cifras decimales, su
respuesta tendría exactamente dos dígitos después del punto decimal o
coma. Se redondea el dígito final hacia arriba ( al inmediato superior) si
el dígito posterior es 5 o más.

Así, por ejemplo, el número 543,68153 expresado con:

Cero cifras decimales es 544

Una cifra decimal es 543,7

Dos cifras decimales es 543,68

Tres cifras decimales es 543,682

Cuatro cifras decimales es 543,6815

Cifras significativas

Los instrumentos de medición tienen limitaciones. Ningún instrumento

es lo suficientemente avanzado para determinar un número ilimitado de
dígitos. Por ejemplo, una escala puede medir la masa de un objeto solo
hasta un cierto lugar decimal. Los instrumentos de medición son
capaces de determinar sólo un cierto número de dígitos con precisión.
Los dígitos que se pueden determinar con precisión o con algún
grado de fiabilidad se denominan cifras significativas (sf). Así, una
escala de un instrumento para medir masa que podía registrar solo
hasta centésimas de gramo (99,99 g), solo podía medir hasta 4 dígitos
con precisión (4 dígitos que son cifras significativos).

Los siguientes ejemplos, son ejercicios resueltos sobre redondeo de

números tomando en cuenta un cierto número de cifras significativas,
corresponden al texto "Aplications and Interpretation SL" de la editorial
Oxford, editado en Inglés y que usted lo puede encontrar al final de la
sección de Bienvenida.

Haga clic en el siguiente enlace.

Ejemplos de redondeo con cifras significativas

¿Medidas exactas o precisas? Límites de un número

Se dice que un valor es preciso si se acerca al valor exacto de la

magnitud que se mide. Sin embargo, en la mayoría de los casos no es
posible obtener el valor exacto de una medición. Por ejemplo, al medir
su peso, puede obtener una medida más precisa si utiliza una balanza
que mide un mayor número de posiciones decimales.
Cada dispositivo de medición (regla métrica, termómetro,
teodolito, transportador, etc.) tiene un grado diferente de precisión, que
puede ser determinado encontrando la división más pequeña en la
escala del instrumento. Medir las dimensiones de una alfombra con
medio centímetro de precisión podría ser aceptable, pero una incisión
quirúrgica con tal precisión probablemente no será lo suficientemente
bueno.

Límites de un número

Un número x, que es el resultado de un cálculo o una medición,

seguramente fue redondeado antes de mostrarse. Esto significaría que
el valor exacto de dicho número se ubica dentro de un intervalo,
así Math output error, siendo a y b los límites inferior y superior de x,
respectivamente.

Si se trata de hallar los límites del intervalo, es necesario conocer el

criterio usado para redondear el número.

El límite inferior y el límite superior de un número, son media unidad por

debajo y por encima del valor redondeado de la medida. Por tanto, el
límite superior se calcula como la medida redondeada + 0,5 unidad, y el
límite inferior se calcula como la medida redondeada - 0,5 unidad.

ERRORES EN LAS APROXIMACIONES O REDONDEOS

Desde que, cada una de las medidas son aproximadas, hay siempre
error en los resultados de la medición.

Una medida del error es la diferencia entre el valor exacto Ve y el valor

aproximado Va, es decir:
Porcentaje de error

La siguiente fórmula calcula el porcentaje de error cometido al realizar

aproximaciones previas a obtener el resultado de la medida final.

↵
Ejemplo (ejercicio resuelto tomado del libro de la asignatura)

FORMA ESTÁNDAR DE UN NÚMERO

La forma de escribir un número a la que estamos acostumbrados, se

denomina forma decimal.

La forma estándar o notación científica de un número es una notación

exponencial con potencias de base 10.
 Para
convertir de la forma estándar o notación científica a la forma decimal,
observamos el signo del exponente. Si n es positivo, la coma se mueve
tantos lugares como indique el exponente hacia la derecha; si n es
negativo, movemos tantos lugares como indique el exponente hacia la
izquierda.

Ejemplos:

Para cambiar el número 3,1234×102 a la forma decimal, el exponente

2 indica que la coma de la mantisa debo mover 2 lugares a la derecha,
así: 312,34.

Para cambiar el número 4,5611×10-3 a la forma decimal, el exponente -

3 indica que la com
 TRIÁNGULOS

Es hora de comprender los conceptos, propiedades y leyes,

relacionados a los triángulos.

Concepto y elementos

Clasificación
↵

De acuerdo al objetivo de la clase, por ahora, nos centraremos en el

estudio del triángulo Rectángulo. En este triángulo, los lados se
denominan CATETOS y el lado opuesto al ángulo recto, HIPOTENUSA.
↵

Resolución

Resolver un triángulo significa hallar todos sus elementos (lados

y ángulos).

En todo triángulo rectángulo se cumplen las siguientes

propiedades y teorema:

1. Teorema de Pitágoras

"El cuadrado de la hipotenusa es igual a la suma de los

cuadrados de los catetos"
NOTA: Si se conocen dos de los lados de un triángulo
rectángulo, siempre se puede calcular la longitud del tercero,
usando el Teorema de Pitágoras.

Ejemplo 1 (tomado del libro de la asignatura)

—

NOTA: el Teorema de Pitágoras también sirve para determinar

si un triángulo es rectángulo.

Ejemplo 2 (tomado del libro de la asignatura)

Ejemplo 3

2. Razones trigonométricas

Son fracciones que expresan la relación entre dos lados de un

triángulo rectángulo. Así, por ejemplo, el Seno del
ángulo expresa la relación entre el cateto opuesto al ángulo
y la hipotenusa.
—

NOTA: las razones trigonométricas se aplican solo a los ángulos

agudos ( miden menos de 90°) de un triángulo rectángulo.

Muchas personas, para recordar las definiciones de las razones

trigonométricas, utilizan las siglas SOH-CAH-TOA, que se
pronuncia socatoa.

Así tenemos:
—

NOTA: si al menos se conocen un lado y un ángulo del triángulo

rectángulo, entonces se pueden determinar todos los demás
ángulos y lados.

A continuación algunos ejemplos tomados del libro de la

asignatura.
 ÁNGULOS VERTICALES

ÁNGULO DE ELEVACIÓN

ÁNGULO DE DEPRESIÓN

Es el ángulo que se forma entre la línea horizontal y la línea

visual del observador. La línea horizontal está arriba de la
visual.
—

Los ángulos verticales de elevación o depresión, a menudo

aparecen en contextos de la vida real que involucran triángulos
rectángulos.

Así, por ejemplo: (ejercicio resuelto tomado del libro de la

asignatura).
SECTOR CIRCULAR

Se denomina sector circular, a la porción del círculo

determinada por un ángulo central, quedando así delimitada por
un arco y dos radios.

La longitud de arco L, se calcula multiplicando el ángulo

central � medido en radianes por el radio r de la circunferencia.

Recordemos la equivalencia: 360°=2π ; es decir, para

transformar de grados a radianes usamos la

expresión , por lo que, la fórmula para hallar L es:

—

Recordemos que los triángulos, de acuerdo a sus ángulos, se

clasifican en: rectángulos, acutángulos y obtusángulos.

Acutángulo, si tiene sus ángulos agudo (miden menos de 90°).

Rectángulo, si tiene un ángulo recto (mide 90°).

Obtusángulo, si tiene un ángulo obtuso (mide más de 90°)

·
—

Triángulos oblicuángulos, son aquellos que no son rectángulos;

es decir, un triángulo acutángulo o un triángulo obtusángulo.

Para resolver un triángulo obtusángulo, resultan efectivas las

siguientes herramientas:
  Teorema de Senos.
 Teorema de Cosenos.
 También se pueden hacer construcciones, como trazar la
altura, para obtener triángulos rectángulos y aplicar:
Razones Trigonométricas y Teorema de Pitágoras.

TEOREMAS

Los teoremas del Seno y del Coseno son muy útiles en los
cálculos, pues no todos los triángulos permiten hacer
construcciones para formar triángulos rectángulos.

Los teoremas mencionados son herramientas trigonométricas

muy fuertes; puesto que, son aplicables a cualquier triángulo,
incluidos los rectángulos.

La justificación de los siguientes teoremas las encontrarán en el

desarrollo de las actividades grupales.

Regla o Teorema del Seno.

¿Cuándo es aplicable el teorema de senos?

 Cuando se conocen dos ángulos y cualquiera de los lados

AAL.
 Cuando se conocen dos lados y un ángulo cualquiera,
excepto el que está formado por los lados conocidos LLA.
 Para resolver problemas prácticos que involucran
distancias que no se pueden medir.

https://youtu.be/m4VVAW03m4s

https://youtu.be/Fr-9XqEKqTA
—

Observe con atención el video que muestra su aplicación.

También tiene ejercicios y problemas resueltos en el libro de la
asignatura.

Regla o Teorema del Coseno.

¿Cuándo es aplicable el teorema del coseno?

 Para calcular un lado, conociendo los otros dos lados y el

ángulo entre ellos LAL.
  Para calcular un ángulo, conociendo los tres lados del
triángulo.

Observe con atención el video que muestra su aplicación.

También tiene ejercicios y problemas resueltos en el libro de la
asignatura.

AREAS

En esta clase se estudiará el cálculo del área de un triángulo y

del área de un sector circular.

Área de triángulo
Es decir que el área de cualquier triángulo también se puede
calcular conociendo dos de sus lados y el ángulo entre ellos.

—
Los siguientes ejemplos, son ejercicios tomados del libro de la
asignatura.

Sabemos que un paralelogramo está formado por dos triángulos

semejantes. Para calcular su área, calculamos la de uno de sus
triángulos y multiplicamos por dos, o lo que es igual:
—
Área de un sector circular

Recordemos: se denomina sector circular, a la porción del

círculo determinada por un ángulo central �, quedando así
delimitada por un arco y dos radios r.
 —

Los siguientes ejercicios resueltos son tomados del libro de la

asignatura.

https://youtu.be/xFGq-0eaS8M
CUERPOS GEOMÉTRICOS

https://youtu.be/BrRai8FGF00

SÓLIDO

Cuerpo que, a diferencia de los líquidos y los gases, presenta

forma propia y pone resistencia a ser dividido.

SÓLIDOS GEOMÉTRICOS REGULARES

Son formas o figuras con tres dimensiones: ancho, largo y

profundidad (altura). Estos nombres varían dependiendo del
punto de vista o posición del sólido. Así por ejemplo:
—

Los elementos que identifican a un sólido o cuerpo geométrico

son:

Caras.- polígonos o figuras planas que limitan el sólido o

cuerpo.

Aristas.- líneas donde se unen o intersecan los planos o caras.

Vértices.- puntos de intersección de tres o más caras.

Poliedros

Un poliedro es un cuerpo geométrico o sólido compuesto de

caras poligonales. Por ejemplo el prisma hexagonal mostrado en
la imagen, donde sus caras básicas (bases) son hexágonos
regulares y sus caras laterales son rectángulos. Recibe el
nombre de prisma porque sus bases son caras iguales.

k
Una pirámide está compuesta por un polígono como base y
tres o más caras triangulares, cuyas aristas se juntan en un
punto llamado vértice o cúspide. Por ejemplo, el siguiente
gráfico corresponde a una pirámide cuadrangular (la base es
un cuadrado).

El vértice se ubica exactamente sobre el centro de la base a una

altura h.

Cuerpos redondos

Existe una relación muy cercana entre la pirámide y el cono, la

única diferencia es que la base no es un polígono, sino un
círculo.
Otro sólido es la esfera, que se define como el conjunto de
todos los puntos del espacio tridimensional que equidistan de un
punto fijo llamado centro.
PLANOS 2D Y 3D

https://youtu.be/1Eah-jMHsbI

Recuerde, en 2D...
Recuerde, en 3D
PENDIENTE DE LA RECTA

La pendiente de una línea recta es una medida de su inclinación.

Cuanto mayor sea la pendiente, más inclinada estará respecto a
la horizontal u horizonte. Por lo general, la pendiente
(inclinación) de la línea se indica con la letra m.

La inclinación de una recta se mide por medio de la tangente

del ángulo � que forma la recta con la horizontal u horizonte
(en el plano cartesiano representada por el eje x).
—

Conociendo el ángulo de inclinación de la recta � y sabiendo

que �=tan⁡�, nos permite lo siguiente:

1. Conocer el tipo de pendiente.

2. Deducir una fórmula para el cálculo de m.

Es decir, la pendiente es �=�2-�1�2-�1.

Ejemplo 1:

Determine la pendiente de la recta que une los puntos A(4,1) y

B(8,3).

Si representamos gráficamente los puntos en el plano

cartesiano, se tiene la siguiente gráfica, donde A es el punto uno
y B es el punto dos.

Aplicando la fórmula para el cálculo de la pendiente, se tiene:

�=�2-�1�2-�1

�=3-18-4�=24�=12

Lo que significa que la recta es de pendiente positiva, inclinada

hacia la derecha o cuesta arriba y que por cada 2 unidades que
avanza en la dirección del eje x, sube 1 unidad en la dirección
del eje y.

Ejemplo 2:

Determine la pendiente de la recta mostrada en el siguiente

gráfico.
Para calcular la pendiente, se necesita dos puntos de la recta.
Por observación en la gráfica dada, se puede elegir con certeza
dos puntos: (2,5) y (6,3).

�=3-56-2�=-24�=-12

Lo que significa que la recta es de pendiente negativa o cuesta

abajo, inclinada hacia la izquierda y que, por cada 2 unidades
que avanza en la dirección del eje x, baja 1 unidad en la
dirección del eje y.

— https://youtu.be/rILDXuyKUAs

ECUACIÓN DE LA RECTA

La recta, al ser un lugar geométrico (conjunto de puntos) en el

plano cartesiano, tiene una ecuación que permite graficarla. A
continuación la diferentes formas de ecuación de la recta.

1. Ecuación "Punto-pendiente"

El nombre de esta ecuación se debe a que se puede escribirla

cuando se conoce un punto cualquiera de la recta (x0, y0) y su
pendiente m.

Reemplazando el punto conocido (x0, y0)y la pendiente m, en la

fórmula tiene el modelo de ecuación para la recta:
EJEMPLO: https://youtu.be/bo3JsAc9CbE

2. Ecuación "Pendiente - ordenada al origen"

La ordenada al origen se denota por b y representa la

intersección de la recta con el eje y.

Esta ecuación tiene la forma y=mx+b , donde m es la pendiente

y b es el valor de y para x=0.

En la siguiente gráfica se muestran cuatro rectas (L1, L2, L3 y

L4) cuyos valores de b son 2, 1, -3 y -4, respectivamente.

EJEMPLO: https://youtu.be/O5VMKQoe5Zs

Casos particulares:
Si la recta es horizontal, paralela al eje x, su pendiente o
inclinación es cero, m=0. Si reemplazamos en la
ecuación y=mx+b, se tiene la ecuación y=b.

Aquí se puede ver la recta corta al eje y

en 2; es decir, b=2; por lo tanto, la ecuación de la recta es y=2.

Si la recta es una vertical que corta al eje x en p, su pendiente

es indefinida, por lo que su ecuación es x=p.

Aquí se puede ver que la recta corta

al eje x en 3; es decir, p=3; por lo tanto, la ecuación de la recta
es x=3.

3. Ecuación en la forma "Estándar o general"

Esta ecuación tiene la forma ax+by+c=0 donde a, b, c son
números reales.

Partiendo de las formas Punto-pendiente o Pendiente-ordenada

al origen, se puede llegar a obtener la forma general.

POSICIÓN RELATIVA ENTRE RECTAS

1. Rectas paralelas

Dos rectas son paralelas si tienen la misma inclinación o

pendiente (m1=m2).

En el gráfico podemos ver que las rectas L1 y L2 tienen la

misma pendiente (m1=m2), entonces, se dice que L1 ∥ L2, que
se lee "la recta L1 es paralela a la recta L2"

Calculando las pendientes, se tiene: m1=3 y m2=3.

2. Rectas perpendiculares

Dos rectas son perpendiculares si el producto de sus pendientes

es igual a -1.
En el gráfico podemos ver que L1 y L2 tienen pendientes
diferentes, pero si m1 x m2=-1, se dice que L1 ⊥ L2 , que se lee
"la recta L1 es perpendicular a la recta L2"

Comprobación:

Calculando las pendientes, se tiene: m1=3 y m2=-1/3, entonces

al multiplicarlas el resultado es: 3(-1/3)=-1.

https://youtu.be/C1D64e_UJQE

https://youtu.be/JFUBgCKl_38

https://youtu.be/tv-s2pbCpJQ
DIAGRAMAS DE VORONOI EN EL PLANO

El diagrama de Voronoi de un conjunto de puntos en el plano,

cuyo nombre se debe al matemático ruso Georgy Voronoi, es
una construcción geométrica que permite la división de dicho
plano en regiones, de tal forma, que a cada punto de referencia,
le asigna una región del plano formada por los puntos que son
más cercanos a él. Dicha construcción se basa en el punto
medio de un segmento y su correspondiente mediatriz.

Dicho de otra manera, lo que hace dicho diagrama es dividir el

plano en tantas regiones de influencia como puntos de
referencia tengamos, de tal forma, que a cada punto le
asignemos la región formada por todo lo que está más cerca de
él que de ningún otro.

Piensen por ejemplo en el plano de una ciudad y dibujen sobre

él un punto por cada una de las farmacias que hay en la misma.
Si hubiese dos farmacias, A y B, la ciudad quedaría dividida en
dos, los que están más cerca de la farmacia A que de la
farmacia B (llamaremos a esta zona Vor(A)) y los que son más
cercanos a la B que la A (a esta la llamamos Vor(B)). Bueno, y
los que están a la misma distancia de los 2.
 Así, los puntos que están a la misma distancia de ambas
farmacias, son los que están sobre la recta mediatriz entre los
dos puntos A y B (línea azul).

En el caso de 3 farmacias, A, B y C, razonando de forma

similar y teniendo en cuenta que las mediatrices son la frontera
que delimitan las regiones de influencia, 2 a 2 como acabamos
de ver, nos quedaría una división de la ciudad en tres regiones
como las que se muestran en la figura siguiente; cada una de
ellas representa la región de Voronoi de cada farmacia, es decir,
la zona de la ciudad que le ‘corresponde’ por ser la farmacia
más cercana.

https://youtu.be/j52OLY7WdL8

https://youtu.be/CHIqlDja2VE

En general, si tenemos por ejemplo 8 farmacias (8 puntos en

el plano), el diagrama de Voronoi que asigna a cada uno de ellos
la región de puntos más cercanos a él, tendría un aspecto como
el de la figura siguiente:
—

Bibliografía:

Clara Grima, "El diagrama de Voronoi, la forma matemática de

dividir el mundo", revista en línea ABC CIENCIA, ABCdario de las
matemáticas, recuperado el 18 de noviembre de 2020.

CAMPOS DE APLICACIÓN

Existen al menos veinte campos en los que los diagramas de

Voronoi son de uso común (aunque a menudo no con ese
nombre). Entre otros tenemos:

Antropología y arqueología: identificar las partes de una

región bajo la influencia de diferentes clanes neolíticos,
jefaturas, centros ceremoniales o fortalezas de colinas.

Astronomía: identificar cúmulos de estrellas y cúmulos de

galaxias.

Biología, Ecología, Silvicultura: Modelar y analizar la

competencia de plantas ("Área potencialmente disponible para
un árbol", "Polígonos
vegetales").

Cartografía: une fotografías satelitales en grandes mapas de

"mosaicos".

Geografía: Análisis de patrones de asentamientos urbanos.

Geología: Estimación de reservas de mineral en un depósito

usando información obtenida de pozos; modelos de patrones de
grietas en basalto debido a la contracción en el enfriamiento.

Marketing: Mercado modelo de áreas metropolitanas de EE.

UU. Área de mercado que se extiende a tiendas minoristas
individuales.

Zoología: Modelar y analizar los territorios de los animales.

Robótica: Planificación del camino en presencia de

 Estadística descriptiva

La estadística descriptiva consiste en un conjunto de métodos

que permiten la recolección, organización y presentación de
datos. También existen herramientas para analizar, interpretar y
dibujar conclusiones acerca de los datos recopilados.

Población y muestra

Si estamos interesados en conocer qué candidato ganará las

próximas elecciones, deberíamos entrevistar a todos los
votantes del país. Para abaratar costos y ganar tiempo, una
opción es seleccionar un grupo de ellos para conocer su criterio
y estudiar la tendencia. En este caso, todos los votantes del país
forman la población y el grupo seleccionado es una muestra.

Para que los datos sean confiables se debe tener cuidado al

seleccionar la muestra.

Conceptos de muestreo
El muestreo aleatorio simple consiste en seleccionar una
muestra completamente al azar. Por ejemplo, usando un
generador de números aleatorios o eligiendo números de un
sombrero.

El muestreo sistemático es, por ejemplo, de todas las

posibles muestras, tomar cada quinta entrada comenzando en
un lugar aleatorio.

El muestreo de conveniencia consiste en obtener datos

seleccionando personas de fácil acceso, por ejemplo, personas
en una escuela, club, etc. No incluye una muestra aleatoria de
participantes y, por lo tanto, los resultados podrían estar
sesgados. Una muestra sesgada es aquella que no es aleatoria,
por ejemplo, investigando los hábitos de gasto en automóviles y
solo entrevistando a personas que salen de un garaje.

El muestreo de cuotas establece ciertas cuotas para su

muestra, por ejemplo, seleccionando una muestra de ocho niños
y ocho niñas.

El muestreo estratificado es seleccionar una muestra

aleatoria donde los números en ciertas categorías son
proporcionales a sus números en la población.

Tamaño de la muestra

Para saber a cuantas personas se debe entrevistar , dicho en

otras palabras, para saber el tamaño de la muestra, se usa la
siguiente fórmula.
 Recolección y organización de datos

Tipos de datos

Principalmente, existen dos tipos de datos: cualitativos y

cuantitativos.

Cualitativos, son aquellos que expresan cualidades o

características de una variable, están dados de forma numérica,
por ejemplo: el color favorito, la raza de un gato, el estado de
ánimo de una persona, etc.

Cuantitativos, son aquellos que expresan cantidad, están

dados de forma numérica, por ejemplo: la estatura de una
persona, el peso de una fruta, las horas de sueño de un niño,
etc. Los datos cuantitativos se clasifican en discretos y
continuos.

Discretos, son aquellos que resultan de un conteo, por ejemplo:

el número de vehículos que pasan por una vía en un intervalo
de tiempo, el número de asientos que hay en una sala de cine,
el número de plantas por metro cuadrado, etc.
Continuos, son aquellos que resultan de una medición, por
ejemplo: el tiempo que le toma a un maratonista correr los
100m planos, la altura de los niños de 5 a 10 años, la
temperatura de un líquido cuando es sometido al calor, etc.

Frecuencia

La frecuencia simple hace referencia al número de veces que

se repite algún dato.

Para ver con claridad la distribución de un grupo de datos, se

usa una tabla de frecuencias. Así, por ejemplo:

Se tienen 24 cajas de cerezas que se cosecharon en una granja.

Se cuentan el número de cerezas que hay en cada una.

Se organizan en la siguiente tabla de frecuencias.

Númer Frecuenci
o de a simple
cereza
s (f)
40 2
41 4
42 6
43 7
44 2
45 3
n 24

Tipo de dato: cuantitativo discreto.

n es el número total de datos.

fi indica las veces que se repite cada dato, en este caso, por
ejemplo el valor de f3 (la frecuencia de la tercera celda) indica
que hay 6 cajas con 42 cerezas.

La frecuencia acumulada hace referencia a todos los datos

anteriores; es decir, todos los acumulados hasta ese momento.

En el ejemplo anterior, completando la tabla con las frecuencias

acumuladas, se tiene:

Frecuenci
Númer Frecuenci a
o de a simple acumulad
cereza a
s (fi)
(Fi)
40 2 2
41 4 6
42 6 12
43 7 19
44 2 21
45 3 24
n 24

Fi indica el número total de datos hasta una determinada celda

de la tabla, en este caso, por ejemplo el valor de F 3 indica que
hay 12 cajas que contienen de 40 a 42 cerezas o F 5 que indica
que hay 21 cajas que contienen hasta 44 cerezas cada una.

•
Cuando hay una gran cantidad de datos dispersos en un amplio
rango es útil agruparlos. Dependiendo de la cantidad de datos,
debe haber entre 5 y 15 grupos, o intervalos de clases, de la
misma amplitud.
Los intervalos deben cubrir el rango de los datos y no se deben
superponer; es decir, que cada dato debe pertenecer a un solo
intervalo.
Podemos organizar tanto los datos discretos como los
continuos en tablas de frecuencias de datos agrupados.
·

El siguiente, es un ejemplo con datos continuos y agrupados en

intervalos.

La duración, en minutos, de 20 llamadas telefónicas se

muestran a continuación.

En este caso, para presentar la información es necesario

elaborar intervalos de clase.

Frecue
Duración, t
ncia
(min)
(fi)
0≤t<5 6
5≤t<10 6
10≤t<15 6
15≤t<20 0
20≤t<25 2

f5 indica que de las 20 llamadas, 2 tienen una duración entre 20

y 25 min.

Para mejor comprensión y ampliación del tema, observe el

https://youtu.be/4TCcjR0atMA
 Medidas de tendencia central

Son medidas que, como su nombre lo indica, tienden a ubicarse

en el centro del grupo de datos. Las medidas de tendencia
central más comunes son: Moda, Mediana y Media aritmética.

La Moda de un conjunto de datos es el valor que ocurre con

mayor frecuencia. Puede que haya una o varias Modas.
La Mediana de un conjunto de datos es el valor que se
encuentra en el medio o centro del conjunto, cuando los datos
están ordenados de menor a mayor. Cuando hay dos valores
medios, la mediana es el promedio de los dos valores.
La Media de un conjunto de datos es la suma de todos los
valores dividida por el número. Para un conjunto de n datos

discretos, la fórmula es Para un conjunto

de n datos con frecuencias, la fórmula es

https://youtu.be/TDzxIGsBMuI

https://youtu.be/G_K7qEaqo_A

Medidas de posición

Son valores de la variable que se ubican en un determinado

punto de la distribución o que ocupan una determinada posición
dentro del grupo de datos, cuando han sido ordenados de
menor a mayor.

Así, tenemos a los Cuartiles, Deciles y Percentiles, dentro de los

más comunes.

Cuartiles
Son aquellas medidas que dividen al grupo de datos en cuatro
partes iguales. Su símbolo es la letra "Q".

Q1 se ubica después del primer 25% de los datos y antes del

75% restante.

Q2 se ubica después del primer 50% de los datos y antes del

50% restante. Esta medida es la Mediana.

Q3 se ubica después del primer 75% de los datos y antes del

25% restante.

Al igual que la mediana, no siempre estas medidas coinciden

con alguno de los datos, como podemos ver en los siguientes
ejemplos.

—
Para hallar el "Qi" se busca el número que se ubica en

el lugar. Así:

Deciles

Son medidas que dividen al grupo de datos en 10 partes

iguales. Su símbolo es la letra "D".

D1, se ubica después del primer 10% de los datos y antes del
90% restante.

D2, se ubica después del primer 20% de los datos y antes del
80% restante.

D3, se ubica después del primer 30% de los datos y antes del
70% restante.

Y así sucesivamente.

Para hallar el decil "Di" se busca el número que ocupa

el lugar.
Percentiles

Son medidas que dividen al grupo de datos en 100 partes

iguales. Su símbolo es la letra "p" y se expresa en porcentaje.

p1, se ubica después del primer 1% de los datos y antes del

99% restante.

p2, se ubica después del primer 2% de los datos y antes del

98% restante.

p3, se ubica después del primer 3% de los datos y antes del

97% restante.

Y así sucesivamente.

Por ejemplo el percentil 20 se ubica después del primer 20% de

datos y antes del 80% restante.

Para hallar el percentil "pi" se busca el número que ocupa

el 100 lugar.

https://youtu.be/aDE90ce_LqY

Uso de la gráfica de frecuencias acumuladas

Como sabemos, a la curva de frecuencias acumuladas
también se la conoce como ojiva.
—
—

Ejemplo
Un supermercado está abierto las 24 horas del día y tiene un
estacionamiento gratuito. Se controla, durante algunos días, la
cantidad de automóviles estacionados por hora. Se muestran los
resultados en la siguiente tabla.
—

—
a. Dibujar la Ojiva.
Usando la curva de frecuencia acumulada, hallar:
b. El cuartil inferior y el cuartil superior.
c. La mediana.
d. El Percentil 40.
e. El RIC
Para dibujar la Ojiva aplicamos la metodología explicada en el video
correspondiente a la organización y presentación de la información de la
semana 14.
—
—
Como podemos ver, las soluciones son estimadas en función de
las escalas de los ejes y se obtienen por interpolación.
https://youtu.be/m8yB310QD7k

Diagrama de Caja y Bigotes

—
EJEMPLO https://youtu.be/GBNpyyApgdA
—
 Medidas de dispersión

Las medidas de dispersión miden qué tan extendido o disperso

está un conjunto de datos. Entre las más comunes tenemos:

 Desviación estándar
 Varianza
 Rango
 Rango inter cuartil

Desviación estándar

La desviación estándar, ��, da una idea de cómo se distribuyen

los valores de los datos en relación con la media aritmética �;
es decir, mide que tan alejados están los datos respecto al
promedio. La fórmula para su cálculo es:

La desviación estándar se puede interpretar también como el

promedio de alejamientos de los datos respecto a la media.
—

En el programa del BI, es requisito también usar la tecnología

para hallar la desviación estándar.

Varianza

La varianza expresa el cuadrado del promedio de alejamientos

de los datos respecto a la media; es por eso que, se calcula
elevando al cuadrado la desviación estándar.

Si bien la desviación estándar es

útil para interpretar el alejamiento de los datos sobre la media,
otros procesos estadísticos como la regresión de
mínimos cuadrados, la teoría de la probabilidad y las
inversiones, utilizan la varianza.

Propiedades de la media y la desviación estándar.

https://youtu.be/t9rqxH4VcXE
Rango

El Rango, es la distancia que existe entre el valor mínimo y el

valor máximo de los datos de la variable.

Rango Intercuartil

El Rango Intercuartil o RIC, es la distancia que existe entre el

cuartil inferior y el cuartil superior de los datos de la variable.

El rango intercuartil (RIC) se obtiene restando el cuartil

superior, Q3 menos el inferior, Q1.

El Rango intercuartil o intercuartílico, es otro método para

interpretar la dispersión de los datos. Es más confiable que
el Rango, porque no se ve afectado por valores atípicos.

—
TÉCNICAS DE MUESTREO

https://youtu.be/elTml6zLxy4

Técnicas de Muestreo

Entre las más comunes tenemos:

El muestreo aleatorio simple consiste en seleccionar una

muestra completamente al azar. Por ejemplo, usando un
generador de números aleatorios o eligiendo números de un
sombrero.

El muestreo sistemático es, por ejemplo, de todas las

posibles muestras, tomar cada quinta entrada comenzando en
un lugar aleatorio. El intervalo se obtiene dividiendo el tamaño
de la población para el tamaño de la muestra, el resultado se
redondea al entero menor.

El muestreo de conveniencia consiste en obtener datos

seleccionando personas de fácil acceso, por ejemplo, personas
en una escuela, club, etc. No incluye una muestra aleatoria de
participantes y, por lo tanto, los resultados podrían estar
sesgados. Una muestra sesgada es aquella que no es aleatoria,
por ejemplo, investigando los hábitos de gasto en automóviles y
solo entrevistando a personas que salen de un garaje.
El muestreo de cuotas establece ciertas cuotas para su
muestra, por ejemplo, seleccionando una muestra de ocho
niños y ocho niñas.

El muestreo estratificado es seleccionar una muestra

aleatoria donde los números en ciertas categorías son
proporcionales a sus números en la población. Para esto se
divide la población en subgrupos o estratos y se seleccionan
aleatoriamente los elementos necesarios de cada estrato.

ANALISIS BIVARIABLE

https://youtu.be/4EkJdxr7tik

Datos Univariables

Son datos que corresponden a una sola variable y que han sido
recolectados de un mismo grupo de individuos.

Ejemplo: la estatura de un grupo de estudiantes de 2° de

bachillerato.

Datos Bivariables

Son datos que corresponden a dos variables y que han sido

recolectados de un mismo grupo de individuos, con el objetivo
de compararlos para verificar si existe relación entre dichas
variables.

Ejemplo: El profesor Newton estaba interesado en averiguar si

el número de trabajos que completaron sus alumnos de 3° de
bachillerato, tuvo un efecto en la calificación que obtuvieron en
su examen final.
  Grupo de individuos o población: alumnos de 3° de
bachillerato.
 Variable 1: Número de trabajos completados.
 Variable 2: Calificación obtenida en el examen final.

Correlación

—
Cuando dos conjuntos de datos parecen estar conectados, es
decir, un conjunto de datos depende del otro, se puede decir
que hay correlación entre ellos.
En el lenguaje común se usa el término "relación".
En el lenguaje matemático se usa el término "correlación"
—
Existen varios métodos que se pueden usar para comprobar si
hay o no alguna correlación entre dos variables.
Uno de estos métodos es el diagrama de dispersión.
—

Tipos de Correlación

—
Los datos se pueden representar en un diagrama de dispersión
con la variable independiente en el eje horizontal (x) y la
variable dependiente en el eje vertical (y). El patrón de los
puntos dará una imagen visual de cuán estrechamente están
relacionadas las variables, en caso de que sea así.
—
1. Teniendo en cuenta la tendencia que muestran los puntos
en el diagrama, se tienen los siguientes casos:
 2.

—
—
2. Teniendo en cuenta la dispersión de los datos al mostrar una
tendencia, tenemos los siguientes casos:
—

—
—
3. Las correlaciones se pueden clasificar como lineales o no
lineales.
—

Correlación y Causalidad

En una correlación entre dos variables podría suceder que, los

cambios en una variable causen o no, los cambios en la otra. Así
por ejemplo:

 El número de miembros de una familia no es la causa para

el número de mascotas de la misma, o viceversa.
 Los cambios de temperatura en el ambiente podría ser
realmente la causa para el tiempo que una crema tarda en
agriarse, o viceversa.
—

EJEMPLOS

Los siguientes son ejemplos tomados del libro de la asignatura.

—
Correlación lineal. Ideas importantes

1. Recordemos que existen dos tipos de relación entre variables:

 Existe una relación funcional cuando hay una fórmula (o

función) que relaciona una variable con la otra, de modo que
todos los puntos de datos se encuentran en la misma línea o curva
(el gráfico de la fórmula).
 Una relación estadística (correlación) significa que no existe
una relación tan directa, pero los puntos de datos, cuando se
 trazan, pueden indicar una tendencia a estar cerca de alguna línea
recta o línea curva.

2. Es posible clasificar una correlación (relación estadística) en términos

de la forma mostrada por los puntos en un gráfico de dispersión.

3. Si todos los puntos de datos se encuentran cerca de una línea recta,

se dice que la correlación es lineal.

 Si todos los puntos de datos se encuentran en una línea recta, se

dice que la correlación es una correlación lineal perfecta, como
podemos ver en el siguiente gráfico.

 En una correlación perfecta, los puntos de datos se encuentran en

el gráfico de una función o sus coordenadas están vinculadas a
través de una fórmula; es decir, una correlación perfecta es
una relación funcional.
 El siguiente diagrama es un ejemplo de correlación lineal no
perfecta. Podría, por ejemplo, representar la relación entre las
edades de los corredores en una carrera y sus tiempos para la
carrera.
  El siguiente diagrama es un ejemplo de correlación no lineal
perfecta. Podría, por ejemplo, mostrar la relación entre la
distancia horizontal y la altura cuando se lanza una pelota al aire.

Medida de la correlación

Hasta ahora se ha clasificado las relaciones cualitativamente,

como:

 lineal o no lineal.
 Correlación positiva / negativa / débil / fuerte /
moderada / sin correlación.

Ahora se estudiará un método para clasificar la

correlación cuantitativamente.

Coeficiente de correlación lineal de Pearson

Hay varias formas de clasificar numéricamente la fuerza de una

correlación.
Una de ellas es por medio del coeficiente de correlación
producto-momento de Pearson.
El coeficiente de correlación producto-momento de Pearson, r,
es una medida de la correlación lineal entre dos variables x y y,
y puede tomar un valor entre -1 y 1 inclusive.

-1≤R≤1

El coeficiente de correlación, r, indica qué tan cerca están los

puntos de una línea recta y si la correlación es positiva o
negativa.

A continuación hay una tabla que ayudará a interpretar una

correlación en función del valor de r.

Correlació
Valor de r
n
0≤|R|≤0,25 Muy débil
0,25<|R|≤0,5 Débil
0,5<|R|≤0,75 Moderada
0,75<|R|≤1 Fuerte

Para calcular el valor de r, se puede usar la

tecnología o manualmente con la fórmula:
Para hallar la covarianza y las desviaciones de x y y, se tienen
las fórmulas:

Las fórmulas indicadas se pueden escribir de varias formas, por

ejemplo, usando las medias de x y de y, la fórmula para la
covarianza es:

Ecuación de la recta de regresión

Como hemos dicho antes, si existe una correlación lineal entre

las variables, ésta se puede representar mediante la recta que
mejor se ajuste a los datos o puntos, cuya ecuación es de la
forma y=ax+b.

Recuerde:

 r nos indica el tipo de correlación lineal entre las variables.

 r2 nos indica el porcentaje de puntos o datos que están
siendo representados por una función (lineal ,cuadrática,
exponencial, etc.)

https://youtu.be/eTuGHN53kJQ
 https://youtu.be/EE2a2Cr-JfY

https://youtu.be/LI14ftR6EVs

https://youtu.be/gJSyP0vzOXk

¿Cómo graficar la recta de mejor ajuste en un diagrama de

dispersión?

Mediante la tecnología es muy fácil (calculadora, excel,

geogebra, etc), solo se necesita almacenar los datos de las
variables x e y, dibujar un diagrama de dispersión y pedir la
recta de mejor ajuste.

Para hacerlo manualmente, se necesita lo siguiente:

 Dibujar el diagrama de dispersión.

 Hallar el punto M "centro de gravedad de la nube" cuyas
coordenadas están dadas por la media de la variable x y la
media de la variable y. M ( x,y(media de c/u) ).
 Marcar M en el diagrama de dispersión.
 Dibujar la recta que pase por M y equilibre el número de
puntos que quedan sobre la recta con los que quedan bajo
la recta.

— https://youtu.be/rKQEBdbX3B4

¿Cómo hallar la ecuación de la recta de mejor ajuste?

—

Cada vez que tracemos manualmente una línea de tendencia,

sobre un diagrama de dispersión, será posible trazar otra mejor.
La que nos de el mejor ajuste será aquella que presente el
menor alejamiento respecto a los datos.

Al calcular el alejamiento de los puntos de la recta hacia los

datos (puntos originales), se tendrán resultados positivos y
negativos, que al elevarlos al cuadrado serán todos positivos.

Si calculamos la suma de dichos cuadrados para cada recta

trazada sobre el diagrama de dispersión, la recta que presente
la menor suma, se denomina "recta de regresión por mínimos
cuadrados".

Definición

La línea de regresión de mínimos cuadrados, es la línea de

mejor ajuste que tiene el valor más pequeño posible para la
media de los cuadrados de los alejamientos.

Por ejemplo, la línea de mejor ajuste aquí es la línea de

regresión de mínimos cuadrados cuando �2+�2+�2 es un
mínimo.

—
—

Ecuación de la recta de regresión

Si x es la variable independiente y y es la variable dependiente,

entonces la línea de regresión de mínimos cuadrados también se
llama línea de regresión de y sobre x.
La ecuación de la recta de regresión lineal de y sobre x es:

Dónde:

Recuerde las siguientes:

 fórmula para la varianza de x.

también es una fórmula para la varianza

de x.

—
https://youtu.be/jK6Jsu9BzeA

https://youtu.be/MZa8hotGWV8
 CONJUNTOS

https://youtu.be/17srNnQQKJE

https://youtu.be/JJW0-WmE40M

https://youtu.be/DdxNxCw-DcE

PROBABILIDAD

Posibles resultados de una experiencia aleatoria

Un experimento aleatorio es aquel en que no podemos predecir

el resultado preciso.
—
Ejemplos de experimentos aleatorios son:

 Lanzar una moneda

 Tirar un dado
 Predecir los medallistas de oro, plata y bronce en una
carrera de 100 m.

—
Es imposible predecir el resultado en un experimento
aleatorio en forma precisa, pero es posible enumerar el conjunto
de todos los posibles resultados del experimento.
Ejemplos:

Experimento: Lanzar una moneda.

Conjunto de todos los posibles resultados: {cara, sello}
—
Experimento: Arrojar un dado tetraédrico y ver el número de
la cara sobre la que se asienta.
Conjunto de todos los posibles resultados: {1, 2, 3, 4}
—

Experimento: Arrojar un dado cúbico y una moneda,

simultáneamente, y observar las caras que se muestran hacia
arriba .
Conjunto de todos los posibles resultados: {c1, c2, c3, c4,
c5, c6, s1, s2, s3, s4, s5, s6}
—

https://youtu.be/DkuGoExuRi4

Conceptos relacionados a la probabilidad

Experiencia aleatoria.- una experiencia o experimento

aleatorio es aquel en que no podemos predecir el resultado
preciso. Depende del azar.

Espacio muestral.- es el conjunto de todos los posibles

resultados de la experiencia aleatoria. Se denota con la
letra U de universo o E de espacio muestral.

Suceso.- es el evento que se observa en una experiencia

aleatoria. Se denota con una letra mayúscula. por ejemplo: A
Probabilidad.- es el grado de posibilidad de que se cumpla un
suceso aleatorio. Se denota con la letra P.

La probabilidad de un suceso se determina mediante la Ley de

Laplace cuya fórmula es:

donde, A es
un suceso de la experiencia aleatoria y P(A) la probabilidad de
que se cumpla.

Simbólicamente:

dónde, n(A) es el número de posibles

resultados de a favor de A y n(U) es número de posibles
resultados de la experiencia aleatoria o espacio muestral.

Relación entre sucesos

Sucesos complementarios.- son aquellos que si no se cumple

uno, obligatoriamente se tiene que dar el otro.

Ejemplo: lanzamos un dado al aire y analizamos dos sucesos, A:

número par, y B: número impar. Vemos si que no se da A se
tiene que dar B y viceversa.
Sucesos combinados.- son aquellos que se dan al mismo
tiempo, siendo parte de una misma experiencia o universo. Se
combinan para dar lugar a un nuevo suceso, que puede ser
resultado de la Unión o la Intersección.

Dos leyes más de probabilidad:

—

1. Para sucesos complementarios:

2. Para sucesos combinados o compuestos:

REGLA DE LA SUMA

https://youtu.be/6BlaRMzvh_E?list=RDCMUCanMxWvOoiwtjLYm08Bo8QQ

https://youtu.be/6BM1CPvfQXA?list=RDCMUCanMxWvOoiwtjLYm08Bo8QQ

https://youtu.be/xYco67hkECs

https://youtu.be/-pDOWRjbVfo
 Probabilidad condicionada

El cálculo de probabilidad condicionada se trabaja de igual forma

que la probabilidad simple. La única diferencia, es que,
tendremos alguna información adicional que restringe o reduce
el espacio muestral. Esta información se trata de saber que
algún evento o suceso se cumplió antes.

Entonces, ahora debemos concentrar nuestra atención tan solo

en el nuevo espacio muestral reducido.

Matemáticamente, se tiene: https://youtu.be/dStF9z7tjZU

Sean A y B dos eventos, la probabilidad condicionada del evento

A sabiendo que (o dado que), el evento B sucedió antes, se
calcula mediante:

Dónde:

P(A/B) es la probabilidad del suceso A sabiendo que B ocurrió

primero.

https://youtu.be/o4EbUG5ZILQ

Resumen de sucesos especiales y su cálculo de probabilidad

Dentro de los sucesos o eventos que pueden observarse en una

experiencia aleatoria, de acuerdo a la relación entre ellos, en
resumen, tenemos los siguientes:

Sucesos complementarios.- son aquellos que si no se cumple

uno, obligatoriamente se tiene que dar el otro.

Ejemplo:

Espacio muestral: letras del abecedario

Suceso A: vocales
Complementario de A: consonantes

Al tomar, al azar, una letra del abecedario, obligatoriamente se

cumple A o se cumple A'

Propiedad: P(A)=1-P(A')

Sucesos compatibles.- son aquellos que al combinarse dan

origen a un nuevo suceso común. Esto quiere decir que suceden
al mismo tiempo, siendo parte de una misma experiencia o
universo.

Ejemplo:

Espacio muestral: números enteros del 1 al 10.

Suceso A: números primos

Suceso B: números pares

Al combinar los sucesos A y B, se podría tener un nuevo suceso:

número primo y par

Propiedad: P(AUB)=P(A)+P(B)-P(A∩B)

Sucesos incompatibles.- son aquellos que NO se dan al

mismo tiempo, también son parte de una misma experiencia o
universo y que se combinan intentando dar lugar a otro suceso.

Ejemplo:

Espacio muestral: números enteros del 3 al 10.

Suceso A: números primos

Suceso B: números pares

Al combinar los sucesos A y B, se podría tener un nuevo suceso:
número primo y par, lo cuál es imposible que se cumpla, porque
dentro del espacio muestral dado, no existe un número primo y
par a la vez; es decir, P(A∩B)=0.

Como son sucesos combinados, debería cumplirse que

P(AUB)=P(A)+P(B)-P(A∩B), pero como sabemos que P(A∩B)=0,
se tiene:

Propiedad: P(AUB)=P(A)+P(B)

Sucesos independientes.- son parte de una misma

experiencia aleatoria, donde la probabilidad de que ocurra uno
no influye en la probabilidad de que ocurra el otro.

Ejemplo:

Se lanza una moneda y un dado cúbico al mismo tiempo.

Suceso A: número par en el dado

Suceso B: cara en la moneda.

La probabilidad de que se dé par en el dado no influye en la

probabilidad de que salga cara en la moneda.

Dos eventos son independientes, si y solo si, cumplen la

siguiente Propiedad: P(A∩B)=P(A).P(B)

DIAGRAMAS DE PROBABILIDAD

https://youtu.be/4iyvbeDr9ek

https://youtu.be/nnOYFbRUYb0

https://youtu.be/LUBlp6S9HgM

FUNCIÓN DE PROBABILIDAD
1. La probabilidad de una variable aleatoria X, está en función de los
posibles valores que ésta pueda tomar.

2. En una distribución de probabilidad de una misma experiencia

aleatoria, la suma de las probabilidades de cada valor de la variable es
uno.

Es decir, la suma de
probabilidades desde que X=1
hasta X=n es

3. Una distribución de probabilidad, es una función de la variable

aleatoria. Se la puede representar de varias maneras:

♦ mediante una tabla de valores.

♦ mediante una gráfica o un diagrama.

♦ mediante su ecuación como una expresión algebraica.

Así por ejemplo, en un experimento donde se arroja una moneda tres

veces de forma sucesiva y se observa cara, los posibles valores que
tomaría la variable y sus correspondientes probabilidades de que eso
ocurra, se pueden mostrar de las siguientes maneras:

X es la variable que representa el número de veces que se podría

observar cara; y x es el valor que toma X.
—

VALOR ESPERADO O ESPERANZA MATEMÁTICA

En toda experiencia aleatoria, repetida varias veces, en las mismas

condiciones, se puede estimar el valor promedio que esperaríamos tome
la variable y se denomina Esperanza matemática.

La Esperanza matemática (E) de una variable aleatoria X, se calcula

mediante la fórmula

—
El siguiente ejemplo es tomado del texto de la asignatura, editado en
inglés.

La esperanza matemática de una variable aleatoria X, es una medida de

tendencia central, teniendo en cuenta el peso de probabilidad que
presenta cada valor. Podemos hacer la siguiente analogía.
—

Juego Justo

La definición matemática de un juego justo es, un juego en el que la

ganancia esperada de cada jugador es cero.

E(X)=0 dónde la variable X representa la ganancia del jugador.

Valor esperado de un valor de X

Valor esperado de X=x, después de repetir n veces la experiencia

aleatoria, es E(x)=n.p(X=x)

https://youtu.be/jQ5i9e7pV2I
DISTRIBUCIÓN BINOMIAL

El siguiente video presenta un breve resumen de lo tratado en la

clase anterior (Distribuciones de probabilidad y sus formas de
representación, cálculo de la esperanza matemática), y además
se centra en la distribución de probabilidad de variable
discreta en una experiencia Dicotómica o llamada
también experiencia Binomial.

Una experiencia dicotómica es aquella donde solo existen dos

posibilidades, ocurre/no ocurre, el suceso.

El objetivo principal del video es que usted comprenda la

fórmula:

https://youtu.be/f0h4ldtbgiw

Distribución binomial

En una secuencia de n ensayos o repeticiones de un

experimento aleatorio independiente, en el que hay
exactamente dos posibles resultados "éxito" o "fracaso" con
probabilidades constantes p (éxito) y q (fracaso) y siendo X la
variable aleatoria discreta cuyo valor indica el número de éxitos,
la función de distribución de probabilidad de X es:
 Estos
hechos se resumen en palabras diciendo: “la variable X
distribuida binomialmente con parámetros n y p”, y en símbolos
se escribe como: X~B(n, p).

Recuerde: p+q=1.

Su aplicación en contextos reales, se ve en el siguiente ejemplo

tomado del libro, página 352.

Esperanza matemática
Recordemos que la Esperanza matemática o valor esperado, es
una medida de tendencia central que representa la media de los
valores que toma la variable aleatoria.

En la clase de la semana anterior aprendimos que, en términos

generales, para cualquier variable aleatoria discreta, la
esperanza matemática o media de una variable X, se calcula
por:

Ahora, si
tenemos el caso específico de una variable aleatoria
discreta X en una experiencia binomial, distribuida con los
parámetros el valor esperado de repeticiones
de X depende de la probabilidad de éxito p y del número de
veces n que se repite la experiencia, relacionados de la
siguiente manera:

Este valor se conoce también

como frecuencia esperada de X, puesto que, expresa la veces
que dicho valor aparecería en las n repeticiones.

https://youtu.be/JFHev6L29WM

Varianza

Recordemos que la varianza es una medida de dispersión, que

indica que tan alejados se encuentran los valores de la variable
aleatoria con respecto a la media o Esperanza matemática.

En una distribución binomial de probabilidad definida con los

parámetros �~�⁡(�, �) , la varianza se calcula con la siguiente
expresión:

siendo: n el número de
repeticiones de la experiencia aleatoria, p la probabilidad de
éxito y q la probabilidad de fracaso.
Recuerde que p+q=1

Moda

La moda de X es el valor que mayor probabilidad presenta.

Sus aplicaciones podemos ver en el siguiente ejercicio resuelto,

tomado del libro, página 358.

DISTRIBUCIÓN NORMAL

https://youtu.be/phY8Z9-TXCY

No podemos olvidar que:

1. La curva de densidad de Gauss muestra donde está la mayor
acumulación de los datos. Observe los ejemplos y gráficos
tomados del libro.

2. Una distribución normal de datos está representada mediante

los parámetros: Recuerde: la

varianza es el cuadrado de la desviación estándar �.

NOTACIÓN: Un suceso aleatorio representado por una variable

X cuyos valores siguen una distribución normal, se representa

por:
↵

3. El área A total bajo la curva Gaussiana es igual a 1 y

representa la probabilidad total del 100% de los valores de la
variable aleatoria del evento observado; es decir, A=P(X)=1.
↵

4. Como se puede ver en la gráfica anterior, la curva tiene

un eje de simetría en Así, por ejemplo: en la curva

de color celeste, el eje de simetría tiene como ecuación �=16.1.

Si la distribución de los datos de la variable tienen

como Media=0 y Desviación=1 , se dice la variable es
estándar, y se denota como �~�⁡(0,1). La ecuación del eje de
simetría es �=0; es decir, coincide con el eje y del plano
cartesiano.

A partir de este momento:

Z → variable estándar

X → variable no estándar

↵
5. Una variable X se puede estandarizar (convertirle en Z)
mediante la fórmula que se ve en la siguiente figura.

6. Los valores que toman la variable son números reales

(continuos); por tanto, se expresan mediante intervalos de la
forma �≤�≤�. Para hallar su probabilidad usaremos la
tecnología (CPG). La Calculadora de Pantalla Gráfica realiza los
cálculos en base a una distribución normal estándar, pero
también está programada para hacer la transformación
automáticamente, si no es el caso.

El proceso es el siguiente:

MENU → STAT → DIST → NORM → Ncd → Variable

Una vez
que nos ubicamos en variable en la calculadora, completamos
los datos de la siguiente manera.

límite inferior del intervalo: 6

límite superior del intervalo: 8,5

Desviación: 1,5

media: 7

Ejecutar o calcular

p=0,5889

7. En esta clase, con variables continuas, no calcularemos

Media o valor esperado y Varianza; puesto que, se necesita del
cálculo integral y no es el objetivo por ahora.

https://youtu.be/5q5UOSGzPmw