Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ar
germanwiens6@hotmail.com
Clase 1
2/08
integrate(x*3/41*abs(x) dx from -1 to 1)+integrate(x*3/41*sqrt(x) dx from 4 to 9)
https://www.wolframalpha.com/input/?i=integrate%28x*3%2F41*abs%28x%29+dx+from+-1+
to+1%29%2Bintegrate%28x*3%2F41*sqrt%28x%29+dx+from+4+to+9%29
No puedo repetir , cambiar el orden hace la diferencia. Que sea simple tiene que ver con
que no puedo repetir elementos.
¿Cómo saber cuántas alternativas hay?
las variaciones de 4 elementos tomados de a 3 es 24. V4;3 = 24
La cantidad de factores que tengo n ( n-1) (n-20 .. hasta completar y llegar a M. también
esta formula puedo escribirla como n! / (n-m)!
m = sillas
n = personas
El orden no importa, porque si yo digo "el grupo está conformado por abc o bca" es lo
mismo.
4! /(4-3)! . 3!
Por lo tanto, la combinación de n elementos tomados de a m es : n! / (n-m) ! . m!
Ejemplo: cuántas contraseñas puedo hacer usando 5 veces la letra r , 3 la letra a y 2 la letra
v
V → 2!
A → 3!
R → 5!
Probabilidad
¿Cómo aplicamos lo que vimos recién? Se puede aplicar sobre casos favorables sobre
casos posibles
C2)
ejemplo: cuál es la probabilidad de que salga cara o seca
P ( cara) = ½ = 0,5 = 50%
= 4, 86%
Es decir, aprox, que cada 20 manos podría tener flor.
Ejemplo:
3 chicos 7 caramelos (iguales)
¿Cuantas alternativas tengo?
Etiqueta y códigos
Una manera, es pensar a los chicos como etiquetas y los códigos, son los caramelos
La otra manera, es pensar a los caramelos como etiquetas y los chicos como códigos
En el primer caso, no podemos pensarlo con todo lo que vimos. Es fundamental la
codificación y el razonamiento. Conviene la segunda manera y podemos pensarlo con
combinación con repetición.
Clase 2
9/08
Número combinatorio:
Propiedades
1- ( n )
(0) =1
2- ( n )
(1)=n
4- ( n )
(n)=1
5- ( n )
( n-1) = n
6-
Binomio de Newton
3 3-k k
(a + b)ˆn = ∑ ( 3 ) aˆ bˆ =
(h)
la A va bajando (3, 2, 1,0) y los B van subiendo (0, 1, 2, 3)
Probabilidad:
Experimento aleatorio: está identificado por un acontecimiento que se produce con azar y la
observación de un resultado
ej: tiro una piedra y cae en cierto lugar (hay distintas alternativas de tachos)
si yo sé exactamente con qué ángulo lo tire, sabré exactamente, no habría azar.
Resultados posibles: son los distintos valores o estados que pueden obtenerse al realizar el
experimento
Ej: se arrojan dos dados no cargados, y se observa la suma obtenida, hallar dicha suma sea
igual a 7.
el espacio muestral no es equiprobable, ya que para la posibilidad de 2 hay solo 1 caso
favorable, mientras que para 6 hay más.
2. enfoque frecuentista
la probabilidad es :
P(a) = lim n (a) / n
n→∞
Es una forma de entender la probabilidad, muy usada en las inversiones, ej: saber el VAN.
3. Probabilidad subjetiva:
No hay fórmula, es en base a las experiencias. "nosotros creemos que la
rentabilidad puede ser 4000 millones, con una probabilidad del 50%" sale de la
experiencia, de casos parecidos.
Probabilidad complementaria =
ejemplo: la probabilidad de que llueva es del 60%, la de que no llueva es el 40%
2- Axioma 1 → Para todo a P(A) ≥ 0 → P(Complemento)≥ 0
→ 1-P(a) ≥0 → P(a) ≤ 1
siempre la probabilidad va a estar entre 1 y 0 , sea como sea que yo la defina, no puede dar
negativo ni más que 1
3-
La P(AuB) =
Son eventos disjuntos porque no tienen nada en común
4- Probabilidad condicional
P(A/B)=
¿Por qué? si tenemos la situación anterior, cuál es la probabilidad de que ocurra A cuando
ya estoy en el contexto de que ocurre B (estoy dentro de B), osea que chance de que este
en la zona de la intersección, los casos favorables será el cardinal de A intersección B, y los
casos totales es estar en B
(caso especial)
Ejercicio: hay dos urnas que tienen bolillas rojas y bolillas azules. La urna "U" tiene 5 rojas y
8 azules, y la urna "V" tiene 9 rojas y 4 azules.
Se toma una bolilla al azar de la urna "U" y se la extrae ( sin mirarla) y se la deja oculta
debajo de una carpeta. Luego, tomó otra bolilla al azar de la urna "U" y la transfiero a la
urna "V". Finalmente, hago una extracción de la urna "V".
a) determinar cuál es la probabilidad de que en esa última extracción, la bolilla sea roja.
(copiado en cuaderno)
b) hallar la probabilidad de que habiendo sacado al final una azul, la que se hubiera
transferido fuera roja. (saco al final una, y se que es una azul)
Clase 3
Teorema de la probabilidad total
Espacio muestral donde dentro del mismo definimos una partición (dividir un conjunto en
subconjuntos) tal que esa subdivisión cumpla que la unión me da el conjunto total, no hay
solapamiento
n
→ P(d) = ∑ p (d n a1)
i=1
n
→ P(d) = ∑ P(D | A1) . P (A1)
i=1
Teorema de Bayes
misma hipótesis que antes
Tesis: n
P ( Ak / D) = P(D| Ak) P(Ak) / ∑ P(D| A i) P(Ai)
i= 1
n
= P (D / Ak) P(Ak) / ∑ P (D | Ai ) P (Ai)
i=1
Ej: en una empresa la producción se realiza con 3 máquinas (A1 , A2, A3)
La máquina A 1 genera el 30% de la producción, la máquina A2 el 50% y la A3 el resto. Las
máquinas A1, A2 y A3 dan un porcentaje de piezas defectuosas en un 9%, 7% y 12%
respectivamente.
a) hallar la probabilidad de que al tomar una pieza al azar, ésta sea defectuosa.
b) Indicar la probabilidad de que una pieza defectuosa haya sido fabricada por A2.
Variable aleatoria:
Definición: una variable aleatoria es una función que le hace corresponder, a cada elemento
del espacio muestral, un número real.
- discretas:
finitas: el número de caras observado al tirar monedas:
infinitas: el número de fallas en tres metros de cable
X: "numero de caras:
P(x) = P (X=x)
p(2) = P(X=2)
la probabilidad de que el número de caras sea 2 (es un evento)
Funcion de distribucion:
F(X) = P (X ≤ x)
P( a ≤ X ≤ b) = F(b) - F(a)
--------------
A
El limite tiende a 1 en +∞
El límite tiende a 0 en -∞
La F(x) es creciente
ej:
Ejercicio:
¿Cual es la esperanza matemática de la ganancia de un jugador que apuesta $1 a la ruleta
en una jugada "a pleno"?
Función de distribución
x
Def: F(x) = P(X ≤ x) → F(x) = ∫ ƒ(x) dx
-∞
Esperanza matemática:
+∞
Def: E(x) = ∫ x . ƒ(x) dx
-∞
Varianza y desvío:
+∞
Def: ∂ˆ2 (x) = ∫ x . ƒ(x) dx → (análogo al caso discreto)
-∞
∂ˆ2(x) = E(xˆ2) - [E(x)]ˆ2
+∞
siendo: E(xˆ2) = ∫ xˆ2 . ƒ(x) dx
-∞
luego el desvío ∂ (x) = (raiz cuadrada) ( ∂ˆ2(x))
Ej:
El tiempo de fabricación de determinada pieza sigue una ley como la que se indica a
continuación
a) calcular la constante k (constante de normalización)
b) determinar la funcion de distribucion
c) hallar la esperanza matemática del tiempo de fabricación
d) calcular la varianza y desvío de dicho tiempo
e) hallar la probabilidad de que el tiempo sea mayor que 2 y menor que 7
Tiempo de fabricación = X
b)
f(x) ?
La función de distribución es ir caminando por el eje Z=X y ver cuánta area tengo a la
izquierda
(Copiado todo en papel)
Coeficiente de asimetría:
para casos discretos:
En el caso continuo:
Coeficiente de curtosis
∑ ( x - m) ˆ4 p(x) = ∑ (x ˆ4 -4xˆ3m + 6xˆ2 mˆ2 - 4x mˆ3 + mˆ4) p(x)
+∞
=∫ d/dt (e^xt) ƒ (x) dx
-∞
copiado en el cuaderno :) esta tambien en la clase de perez lance
Clase 5:
Función generatriz de momentos (continuación)
Cambio de variable aleatoria
hago la inversa por que quiero despejar, hago la operación contraria por que se cancele, me
queda:
ej: tenemos una función de densidad de una variable aleatoria x de tipo Kˆ2 , en el intervalo
(0; 2)
Y = ƒ(x) =
G(y) = P (Y ≤ y ) = P ( ≤y)=
Ej: Supongamos que tenemos un negocio para proponer a un inversor. Ese negocio
requiere una determinada inversión y tiene una ganancia cuya esperanza es de 1 millón y el
desvío es igual a 400000. Determinar la máxima probabilidad de perder plata haciendo este
negocio.
Clase 6:
CLASE 6
Distribución binomial (continuación)
Distribución Poisson
x: eventos por unidad de tiempo o por unidad de espacio (lineal, superficial, o volumétrico)
La variable aleatoria x puede tomar distintos valores pero no hay un máximo, puede haber
un máximo or disposición de recursos pero es un límite práctico no teórico
P(X>2) ?
Copiado en el cuaderno
Mx(t) ?
formula gral de poisson
M'x (t)
M''x (t) =
Distribución geométrica
ejemplo:
Una persona tira al blanco, con la probabilidad de acertar igual a 0,8. Determinar cuál es la
probabilidad de tener que intentar 4 veces hasta conseguir el primer acierto.
x: número de intentos necesarios hasta conseguir el primer éxito
x: 1, 2, 3 …. es una variable aleatoria discreta e infinita
Se trata de repeticiones: idénticas, independientes y dicotómicas, es un proceso "bernoulli"
no miro la cantidad de éxitos, sino que cuantos intentos me costo conseguir el éxito, por eso
no es binomial.
ejemplo: idem caso anterior, del tirador al blanco, pero queremos saber cual es la
probabilidad de que tenga que intentar 7 veces hasta haber acumulado 3 aciertos
ver última parte (30m)
Clase 7:
Clase 8:
ver primera parte hasta 12:34
La esperanza en el tiempo de vida útil de determinado equipo es de 1,5 años. suponiendo
que el tiempo de vida útil sigue una ley exponencial, determinar la probabilidad de que un
equipo que funcionó sin problemas durante 2 años, siga funcionando bien a lo sumo por 9
meses más
E(x)=m=1,5
= P ( 2≤ X ≤ 2,75) / p ( x ≥ 2)
La probabilidad de que una computadora tenga falla es igual a 0.0012. En un sector en que
hay 20 computadoras determinar cuál es la probabilidad de que más de dos computadoras
tengan falla.
p = 0,012
m = 20
El tiempo que necesita una persona para trasladarse a la empresa es una variable normal
N(46:29) minutos. Suponiendo que sale de su casa a las 7:30 y debería llegar no más tarde
de las 8:30. Indicar qué porcentaje de las veces no llegará tarde. Calcular el percentil 88 e
indicar su significado.
Calcular el percentil:
b) P 88? donde ubico un x que deje hacia la izquierda un área igual a 0,88.
P( X ≤ P88) = 0,88
(me fijo en la app etc)
z = x - m / desvío → x = 1,175 . 29 = 46
1. Una empresa que se dedica a la venta de granos café posee dos sucursales de
venta ubicadas en distintas ciudades. La cantidad de kilogramos vendidos
semanalmente en la sucursal A tiene una distribución normal con una media de 50
kg y desvío de (15 − 4V + 12W = 7 )kg. Por otro lado, las ventas semanales para la
sucursal B siguen una distribución normal con una media de 90 kg y un desvío de
20kg. Considerando que las ventas de la sucursal A y B son independientes, calcular
la probabilidad de que las ventas totales de la empresa, en dos semanas, superen
los (175V −525W = 350)kg.
V= 5 W= 1
Cantidad
a X ~ N (50; 7)
b Y ~ N (90; 20)
X e Y: indep
W = X + Y → en una semana
en dos semanas está MAL multiplicar por dos, ya que no pasan las mismas cosas 2
veces. → W= x1 + y1 + x2 + y2
= 2. 50 + 2.90 = 280
se extraen de un mazo de cuarenta cartas, dos cartas al azar. Considerando no
reposición, indicar la probabilidad de que una de las cartas sea copa o de basto, y la
otra carta sea un oro o mayor que cinco
evento a : una de las cartas sea de copa o de basto. P (A) = 20/40 = 1/2
P(A n B) = P( B/ A) . P (A)
¿Cómo calculamos la probabilidad de sacar una carta mayor que 5 sabiendo que ocurrió el
evento A? Si influye.
calculamos la probabilidad de que la segunda carta sea mayor que cinco dado el evento A
= P (> 5 n A) / P (A)
( Volver a ver )
Clase 18/10
Teorema central del límite
D) La E(y) =
La varianza de Y =
El desvío de Y =
E(˜x) = m
El desvío de ˜x =
Muestras
tenemos una población: conjuntos de números, pueden ser lo que sea no necesariamente
personas. esta población tiene un tamaño N. si sumo todos lo s(ejemplo; pesos) y dividido
por la cantidad, me da la media → eso es m. también puedo hacer la cuenta del desvío de
todos ellos.
M y sigma son números que no suelo tener, si yo hago un censo los puedo conocer. No
solemos hacer censos.
una muestra se tiene que tomar al azar. no "lo más fácil". De esta muestra voy a tener una
media pero no de todos, sino de la muestra. esto me va a dar la media muestral, la media
muestral va cambiando según la muestra, pero debe andar en un rango similar.
Cualquier función que sea dependiente de una muestra, van a ir cambiando (x barra y
sigma 2 ). Son variables aleatorias. Cualquier función que sea dependiente de las muestras
se denomina estadístico muestral.
Media muestral
H) "muestras grandes"( m ≥ 30) podemos pensar que la media muestral se comporta como
una curva de gaus, cumple con la condición anterior. Cuando no pase que la media sea
mayor o igual a 30, no podemos usar Gauss y hay que usar en su lugar T student.
La muestra es sin reposición, no puedo volver a agarrar la misma más de una vez.
1000 N hay falladas 50 y 950 no, la probabilidad va a ir cambiando pq al principio es
50/1000, dependiendo si saque fallada o no va a ser 49/999 , o 50/999. Por eso es que es
independiente (tcl)
Para que pase esto, necesito que la población sea muy grande y que la población debe ser
20 veces mayo que la muestra como mínimo para que no afecte si saco una.
Yo puedo preguntarme en cada caso: el intervalo fabricado ¿contiene a mu? Depende del
caso. ¿Cuándo el intervalo que yo fabrique va a contener? → cuando la media muestral me
haya caído entre los extremos.
La probabilidad de que el intervalo contenga a mu , es igual a la probabilidad de que X
barra:
Notación de Z:
S = 40
n = 100
C) cuando pido una cota superior, no quiero saber el intervalo desde donde y hasta, quiero
saber como es el máximo. Xbarra + Z alfa (quiero todo un lado o todo el otro)
no me dice NC asumo 0,95
Cota sup =
E) Indicar cómo cambiaría ( o no) la respuesta de punto a) para los casos en que el tamaño
de la población es:
1) N = 10000000
2) N = 1000000000
3) N= 15000
uso el mismo n = 100
Si no me dice la población es porque asumo que es muy grande. Si nos dicen que es de
cien mil, por ejemplo,el intervalo que fabrico no depende del tamaño de la población sigo
usando el mismo n.
Ahora, si n es 15000, no es 20 veces más. para el caso 3 no podemos seguir pensando que
es población infinita ya que 15000 es menos de 20 veces n. Para este caso, dado que la
relación N/n= 15, entonces no puedo considerar que se trate de población infinita, debe
utilizarse el factor de corrección por población finita.
Proporción muestral
población dicotómica → dos posibilidades
Tomo al azar una muestra de tamaño n y cuento la cantidad que hay de si / el tamaño de la
muestra. esto me va a dar la proporción , queremos estimar cuánto creemos que puede ser
P, aca el estadístico muestral es la proporción muestral, para poder armar algún intervalo de
confianza.
ej: agarro 200 y veo que hay 10 falladas, el 5% es el porcentaje de falladas en la muestra,
con eso tengo una idea de que porcentaje hay de falla en la población completa.
esperanza:
desvío:
Ejemplo: supongamos que somos una consultora, y una persona de cierto partido político
nos pide que hagamos una medición de su candidato. Nos dice que el margen de error
máximo debe ser del 2%. Y que además el nivel de confianza mínimo sea del 90%.
a) determinar el tamaño muestral necesario para evaluar este objetivo que nos estan
pidiendo
¿Como hago para determinar el tamaño de la muestra?
sabemos que el margen de error es:
pero no conozco P, Q ni n.
Sabemos que:
el peor de los casos es que P sea = 0,5 (para que la cuenta de pq sea
como máximo 0,5, voy a lograr que me de el margen de error máximo.
entonces: →
→ arranco pensando en el peor caso.
Z → en la app 1,64
Por más que diga los números, debo decir el nivel de confianza.
Decir que va a sacar "más o menos un 30%" es no decir nada. Una estimación en serio son
3 números
c) dar la respuesta, utilizando un intervalo que tenga una confianza tal, que el margen
de error sea 2%.
lo que estoy planteando es:
el margen de error es de 0,02 y no conozco Z.
→ Z a/2 = 1,79
hago → 0,03673 . 2
→ alfa: 0,07346
→ nivel de confianza: 1 - alfa: 92,65%
Intervalo de confianza:
d) determinar una cota inferior para la proporción poblacional. )No me dicen nada
asumo nivel de confianza 95%)
Cota superior:
= 28,25%
Clase 25/10:
Test de hipótesis
4 elementos:
m = 64
x barra = 4880
s = 480 (desvio insengado)
Pueden pasar 2 cosas: que me haya caído en la zona de rechazo teniendo efectivamente
un mu=5000 o que debería correr toda mi campana hacia la izquierda con un mu menor a
5000.
c) Repetir el punto a), para el caso en que la media muestral fuera igual a 4950
(mismo desvío).
En la APP:
B = 0,55 → 55,57%
Podríamos repetir varias veces esto con distintas mu alternativas:
El error tipo dos no es un valor específico, sino una curva. Esa curva se llama curva de
operación, la curva que relaciona el error tipo dos con los diferentes valores de mu
alternativo.
Alfa = 0,0228, hace que coincida el x barra crítico con el x del ensayo. Ese es el valor P.
Valor P = 2,28%
Hasta qué nivel de confianza como mucho puedo seguir rechazando? → con un alfa mínimo
de 2,28%
Para sacar beta → tengo que restar pq a la izq tengo algo y quiero lo del centro. Hago
0,89065 - 0,00466 = 88,6% → beta. La probabilidad buscada es beta.
Clase 1/11
Integrales dobles
Ejemplo:
Otra forma:
Puedo identificar desde el eje y el lateral izquierdo y derecho, hacer la integración en filas
en vez de columnas.
la otra posibilidad:
Estadística en dos variables:
1) Caso continuo
Función de densidad de probabilidad conjunta → una fx, y
la probabilidad de que la variable aleatoria x sea menor o igual que x + dx y mayor que x y
además que la VA y sea menor o igual que y+ dy y mayor que Y → es la función de
densidad conjunta por dx . dy.
- Probabilidad de un evento B
- Función de distribución
Representa la integración desde menos infinito de ambas variables hasta un valor
específico de coordenadas (x;y)
propiedad:
Propiedad:
si x e y son independientes → la probabilidad de que X esté entre un valor x y x+dx / dado
que y se encuentre en (lo mismo) va a ser igual a la probabilidad
conclusión: si las va son independientes la función es igual al producto de una funcion que
solo depende de x por una que solo depende de y
→ la covarianza
- Coeficiente de correlación:
def:
- Coeficiente de determinación:
Ejemplo: una función de densidad
ƒ(x;y) = K x yˆ2 o 0
a) ¿cuánto vale k?
dado que tenemos la propiedad de =1
k = 15/32
yo tengo que hacer la integral doble sobre toda esa zona. (como me doy cuanta de esa
región)
Clase 8/11
Continuación del ejercicio anterior:
resolución de las integrales →
queda:
el coeficiente de terminación
es el 50% → cuánta dispersión le transfiere x a y (es el -0,707 al cuadrado)
lo que varía la Y la culpa en un 50% la tiene la x
caso discreto:
ahora tenemos la función de probabilidad conjunta P(x;y) → por definición, esta P(X=x n
Y=y)
probabilidad de un evento B
Ejemplo: P(X;y)
a) F(x;Y) ? Esta es la tabla que me esta mostrando la funcion de distribucion
cuando tomo 1,4 → todo lo que tengo a la izquierda, así con todos.
con la tabla:
E(x) = 2. 0,10 + 4. 0,25 + 5 . 015 + 2.0,2 + 4.015 + 5.015
E (Xˆ2) =
E(Yˆ2) =
E(X.Y) =
E(X)= 3.7
E(Y)= 2
E(Xˆ2)= 15,1
E(Yˆ2)= 5
E(X.Y)= 7,2
D) Varianzas:
f)
P(x + y ≤ 5) ?
mi región sigma= la zona de la tabla, teng que ver cuales cumplen con la condición p (x +y
≤ 5)
Estadística descriptiva
nos metemos adentro de la muestra, focalizamos en eso.
como armamos gráficos de frecuencias, que podemos hacer con los datos de una muestra.
ejemplo:
Los siguientes datos representan el tiempo en minutos que debió esperar un cliente para
ser atendido.
N = 20
a) calcular la media muestral (para datos sin agrupar)
Clase 15/11
Estadística descriptiva (continuación)
Ejemplo: (mismo de antes) los siguientes datos representan el tiempo…
Si tengo 4 de amplitud de cada intervalo, cuando debería ser 3,2, tengo 20 unidades en vez
de 16. reparto esos 4 sobrantes, 2 de cada lado. entonces arrancó a partir de 10 y tengo
que dividir en 5 partes el tramo.
Para calcular la media con la tabla → como ponele que nos dan la tabla sin los números
que hay repetidos en cada intervalo (es decir fi no me dice cuales son dentro del intervalo)