Razonamiento Lógico Matemático

INTRODUCCIÓN A LA ESTADÍSTICA

La estadística tiene su origen en dos áreas: las ciencias políticas y los juegos de azar. En la
actualidad la estadística se ha convertido en un método efectivo para describir con exactitud
los valores de datos económicos, políticos, sociales, psicológicos, biológicos o físicos y sirve
como herramienta para relacionar y analizar dichos datos.

Definición:

La estadística es una ciencia matemática que se ocupa de recoger, organizar grandes

cantidades de datos para su análisis e interpretación.

Tipos de Estadística:

Descriptiva Inferencial
Trata de describir y analizar
algunos caracteres de los Se usa para modelar
individuos de un grupo dado sin patrones en los
extraer conclusiones para un datos y extraer
grupo mayor. inferencias acerca
Se suele hacer con ayuda de de la población bajo
tablas y gráficos y con algunos estudio.
parámetros estadísticos.

Ejemplos:

Aplicación de la estadística descriptiva:

 Se hace un estudio sobre los resultados académicos de los estudiantes de un

instituto de secundaria para compararlo con estudios similares hechos para años
anteriores.

Nota: Este estudio es estadística descriptiva se realiza sobre la totalidad de la población, es

decir todos los estudiantes.

1
Belkis Saraí Hernández, Laura Melissa Barrientos
 Razonamiento Lógico Matemático

Ejemplo:

Aplicación de la estadística descriptiva:

 Se realiza una encuesta a 50 alumnos de un instituto de secundaria sobre sus

preferencias en la lectura. Para conseguir consecuencias válidas para el resto del
instituto.

Nota: Esto es estadística inferencial, a partir de una muestra se desea obtener información
sobre una característica de toda la población, es decir, el instituto.

Conceptos

 Población es el conjunto de elementos sobre el que se realiza el estudio estadístico.

 Muestra es un subconjunto de la población. Se dice que es representativa si con ella

se puede explicar el comportamiento de la población.

 Individuo es cada uno de los elementos de la población o la muestra.

 Variable estadística es una característica o propiedad de la población que queremos

estudiar.

 Dato es cada uno de los resultados de la observación de la variable estadística.

Ejemplo:
1) Señala en qué caso es más conveniente estudiar la población o una muestra.
a) La longitud de los tornillos que fabrica una máquina de manera continua.
b) El peso de un grupo de cuatro amigos.

a) En este caso la población es demasiado grande, ya que son los tornillos que produce
una fábrica. Por ello estudiaremos una muestra.
b) Ahora estudiaremos la población, ya que esta es reducida, tan solo son cuatro
amigos.

2
Belkis Saraí Hernández, Laura Melissa Barrientos
 Razonamiento Lógico Matemático

Ejemplo:

Considerando los ejemplos anteriores, determine qué tipo de variable estadística se estudia
en ambos casos.

a) La longitud de los tornillos que fabrica una máquina de manera continua.

b) El peso de un grupo de cuatro amigos.

R: En el caso de los tornillos, la variable estadística a estudiar es su longitud, y en el caso

del grupo de amigos, la variable estadística es el peso. En ambos casos tenemos variables
cuantitativas.

Las variables pueden ser:

 Cualitativas: los valores que toman no son valores numéricos sino cualidades. Por
ejemplo:
color de los ojos.

 Cuantitativa: sus valores son números. Y pueden ser:

 Discretas. Si los valores que puede tomar son aislados.
 Continua. Si la variable puede tomar cualquier valor dentro de un intervalo

Ver video 4.1.V1

3
Belkis Saraí Hernández, Laura Melissa Barrientos
 Razonamiento Lógico Matemático

MEDIDAS DE TENDENCIA CENTRAL

Un estudiante de noveno grado, al final del año obtuvo 91% en la clase de matemáticas ¿Qué
significa este resultado?

R: Significa que en resumen obtuvo 91%, este resultado depende de cada nota obtenida por
parcial durante el año.

A 91% se le conoce como promedio, y esta a su vez es una medida de tendencia central.

Definición:
Medidas de Tendencia Central son medidas estadísticas que pretenden resumir en un solo
valor a un conjunto de valores. Representan un centro en torno al cual se encuentra ubicado
el conjunto de los datos.
Se conocen como medidas de Tendencia Central a:
 Media Aritmética (Promedio).
 Moda
 Mediana.

Media Aritmética: Es un valor "central" calculado entre un conjunto de números.

Para calcularlo, sumar todos los números y dividir por la cantidad de números que hay, el
resultado será el promedio o media aritmética.

Ejemplo:
Juan es un estudiante universitario, las notas que él obtuvo en los tres primeros parciales de
la clase de álgebra son: 67, 80, 50, la clase se aprueba con 70, ¿Cuánto necesita obtener en
el cuarto parcial para aprobar con 70?

Solución:
Notas:
Parcial I: 67; Parcial II: 80; Parcial III: 50; Parcial IV: 𝑥𝑥
67+80+50+𝑥𝑥
PO: = 70 Sumar las notas y dividirlo entre el total de notas.
4

Sabemos que el promedio es 70.

1
Belkis Saraí Hernández, Laura Melissa Barrientos
 Razonamiento Lógico Matemático

67+80+50+𝑥𝑥
= 70
4
197+𝑥𝑥
= 70
4

197 + 𝑥𝑥 = 70(4)
𝑥𝑥 = 280 − 197
𝑥𝑥 = 83
R: Debe obtener 83 en su cuarto examen.

Moda: Es el valor que tiene mayor frecuencia absoluta, es decir el dato que más se repite
en una muestra o estudio.

Ejemplo:
1) Calcular la moda de la siguiente serie de números: 5, 3, 6, 5, 4, 5, 2, 8, 6, 5, 4, 8, 3, 4, 5.
Solución:
La moda es 5, otra forma de escribirla es 𝑀𝑀𝑀𝑀 = 5.

2) Un pediatra obtuvo la siguiente tabla sobre los meses de edad de 50 niños de su consulta
en el momento de andar por primera vez:

Meses Niños
9 1
10 4
11 9
12 16
13 11
14 8
15 1
Encuentre la moda.

Solución:
Según la tabla anterior ¿A los cuántos meses en su mayoría empiezan a caminar los niños?
R: A los 12 meses.
La 𝑴𝑴𝑴𝑴 = 𝟏𝟏𝟏𝟏

2
Belkis Saraí Hernández, Laura Melissa Barrientos
 Razonamiento Lógico Matemático

Mediana: Es el número central de un grupo de números ordenados por tamaño. Si la

cantidad de términos es par, la mediana es el promedio de los dos números centrales.
Para averiguar la mediana de un grupo de números: Ordena los números según su tamaño.

Ejemplo:

1) Encuentra la mediana de los siguientes datos numéricos:

7, 6, 8, 10, 12, 11.

Solución:

Ordenar los números por tamaño.

6, 7, 8, 10, 11, 12,
La cantidad de datos es par, por lo tanto, la mediana será el promedio de 8 y 9 (los valores
centrales).
8 + 10
𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃: = 9
2

R: La mediana es 9.

Ver video 4.1. V2

3
Belkis Saraí Hernández, Laura Melissa Barrientos
 Razonamiento Lógico Matemático

ESPACIO MUESTRAL (E)

Definición
De un experimento aleatorio, es un conjunto de todos los posibles resultados al realizar el
experimento.

A continuación, se verán dos ejemplos donde se aprecia cómo encontrar el espacio muestral
de un dado y una moneda

Ejemplos

¿Cuál es el espacio muestral asociado al experimento de lanzar un dado y luego una

moneda?

Evidentemente, en este caso hay 6 posibles resultados (6 sucesos elementales) y el

espacio muestral estará formado por: E = {1,2,3,4,5,6}.

¿Y en el caso del lanzamiento de una moneda?

Entonces E={c,x}

Belkis Saraí Hernández, Laura Melissa Barrientos 1

 Razonamiento Lógico Matemático

EVENTO O SUCESOS

Definición
Llamaremos suceso aleatorio a cualquier subconjunto del espacio muestral. El concepto
de suceso es fundamental en probabilidad. Dicho de forma simple, un suceso de un
experimento aleatorio es cualquier cosa que se nos ocurra afirmar sobre dicho
experimento.

Así, si tiramos una moneda dos veces, serían sucesos todos los siguientes:
1. Sale al menos una cara.
2. Salen más caras que cruces.
3. La moneda cae de canto.
4. No sale ninguna cruz.

◊ Llamaremos suceso imposible al que no tiene ningún elemento y lo representaremos por

∅

◊ Llamaremos suceso seguro al formado por todos los posibles resultados (es decir, al
espacio muestral)

◊ Llamaremos espacio de sucesos y lo representaremos por S, al conjunto de todos los

sucesos aleatorios.

Ejemplos 1
1. En el caso del lanzamiento de la moneda en el que el espacio muestral era E={C,X}
analicemos quién es el espacio de sucesos:

◊ Sucesos con 0 elementos: ∅

◊ Sucesos con 1 elemento: {C}, {X}
◊ Sucesos con 2 elementos: {C, X}

De modo que el espacio de sucesos es: S= {∅, {C}, {X}, {C, X}}.

Belkis Saraí Hernández, Laura Melissa Barrientos 2

 Razonamiento Lógico Matemático

Ejemplos 2
En el caso del lanzamiento de dos monedas, si haces el diagrama de árbol obtienes el
siguiente espacio muestral:
E = {(C, C), (C, X), (X, C), (X, X)}

El espacio de sucesos tiene ahora 6 elementos, que puedes intentar escribir, siguiendo el
esquema anterior, desde los sucesos con 0 elementos hasta aquellos que tienen 4 elementos.
Si describimos los sucesos que poníamos antes como ejemplos, obtenemos:

a) Sale al menos una cara={(C,C),(C,X),(X,C)}

b) Salen más caras que cruces={(C,C)}
c) La moneda cae de canto=∅
d) No sale ninguna cruz={(C,C)}

Belkis Saraí Hernández, Laura Melissa Barrientos 3

 Razonamiento Lógico Matemático

PROBABILIDAD
En el lenguaje cotidiano se escucha expresiones que hacen referencia a la probabilidad,
tales como:

◊ Probablemente me visite a María el fin de semana.

◊ Es muy probable que los Leones del Caracas gane el próximo domingo.
◊ Al lanzar un dado, es probable que que salga 1,2,3, o 4 a que salga 5 ó 6
◊ Es casi seguro que el empleo de medico lo mote una mujer en lugar de un hombre.

Las expresiones anteriores muestran una idea intuitiva del concepto de probabilidad, dichas
ideas reflejan la posibilidad de ocurrencia de hechos o sucesos, en los cuales está presente
la incertidumbre en cuanto a lo que pueda acontecer.

Definición
Se definirá la PROBABILIDAD, como ciencia que trata de cuantificar los posibles
resultados de un experimento en el cual está presente la incertidumbre o aleatoriedad.

En otras palabras, se habla de probabilidad cuando en un evento interviene procesos

físicos, biológicos o sociales que generan observaciones, y cuyo resultado no es posible
predecir con exactitud.

Al hablar de experimentos se hace de la manera más amplia posible, es decir, no sólo

incluyen hechos asociados a situaciones experimentales en un laboratorio, sino también se
contemplan cualesquiera otras situaciones que den origen a sucesos de interés.

Determinísticos
EXPERIMENTOS
Aleatorios

Belkis Saraí Hernández, Laura Melissa Barrientos 1

 Razonamiento Lógico Matemático

EXPERIMENTOS DETERMINÍSTICOS

Definición
También llamados exactos, los cuales se caracterizan porque cada vez que se realizan bajo
condiciones similares, producen el mismo resultado. Estos fenómenos no son de interés en
la estadística.

En general a la ciencia estadística, y en particular a la teoría de la probabilidad, les interesa

y fundamentan su desarrollo y aplicación en los denominados experimentos aleatorios.

EXPERIMENTOS ALEATORIO

Definición
Es cualquier acción o proceso que no tiene certeza de su experimento final, hasta tanto no
se ejecute. Este tipo de experimento debe satisfacer con los siguientes requerimientos:
◊ Puede repetirse un número ilimitado de veces bajo las mismas condiciones.
◊ Es posible conocer por adelantado todos los posibles resultados a que pueda dar
origen.
◊ No puede predecirse con exactitud un resultado en una realización particular del
experimento.

Ejemplos

 Si se desea formar un equipo de voleibol con 5 jugadores, el nombre de los

seleccionados no se sabrá con certeza hasta que no se realicen las pruebas
correspondientes y se elijan a los 5 deportistas. Se puede conocer la lista de todos los
deportistas inscritos, pero no la lista de los seleccionados.

Otros ejemplos de experimentos aleatorios pueden ser:

 Tirar una moneda al aire y observar que lado cae hacia arriba
 Jugar una partida de poker y, en general, cualquier juego en el que intervenga el azar.

Belkis Saraí Hernández, Laura Melissa Barrientos 2

 Razonamiento Lógico Matemático

REGLAS BÁSICAS DE PROBABILIDAD

Regla de Laplace
Si realizamos un experimento aleatorio en el que hay elementos, todos igualmente posibles,
entonces si A es un suceso, la probabilidad de que ocurra el suceso A es:

𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠 𝑑𝑒 𝑠𝑢𝑠𝑐𝑒𝑠𝑜𝑠 𝐴

P(A)= 𝑛ú𝑚𝑒𝑟𝑜𝑠 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠

Ejemplos 1

Lanzamos un dado normal al aire. Consideramos el suceso A= “sale par”. Calcular p(A).
Casos posibles hay 6, pues 𝐸 = {1,2,3,4,5,6}.
Casos favorables al suceso 𝐴 = {2,4,6}.
3 1
Por tanto, p(A)=6 = 2
(Notemos que la probabilidad siempre es un numero positivo y menor, o a lo sumo igual a
1).

El inconveniente que plantea la definicion de laplace es que necesariamente los suscesos

elementales tienen que tener la misma probabilidad de ocurrir.

Ejemplos 2
De una urna que contiene 8 bolas rojas, 5 bolas amarillas y 7 verdes se extrae una bola al
azar. Calcula la probabilidad de que la bola extraída sea:
a) Roja
b) Verde
c) Amarilla

El espacio muestral en este caso sería: E = {R, V, A} que consta sólo de tres elementos,
pero sería un poco ingenuo asignar las probabilidades mediante a regla de Laplace.
Por lo que sumaremos el total de bolas que hay y esos serian el número de casos posibles, y
la cantidad de bolas que nos dan serian el número de casos favorables de sucesos A.
8
Es decir, como en total hay 20 bolas y 8 son rojas, 7 verdes y 5 amarillas, 𝑝(𝑅) = 20 ,
7 5
𝑝 (𝑉 ) = , 𝑝 (𝐴 ) =
20 20

Belkis Saraí Hernández, Laura Melissa Barrientos 1

 Razonamiento Lógico Matemático

Reglas
 La probabildad de un evento va de 0 a 1
 Si un evento no puede ocurrir, la probabilidad es 0
 Si un evento ocurre certeramente, la probabilidad es 1
 La suma de las probabilidades de todas las salidas del espacio muestral es 1
 La probabilidad de que un evento no ocurra es igual a 1 menos la probabilidad de
que ocurra.

REGLA DE LA ADICIÓN
La regla de la adición o regla de la suma establece que la probabilidad de ocurrencia de
cualquier evento en particular es igual a la suma de las probabilidades individuales, si es
que los eventos son mutuamente excluyentes, es decir, que dos no pueden ocurrir al mismo
tiempo.
Entonces, si A y B son mutuamente excluyentes,

P(A o B) = P(A) U P(B) = P(A) + P(B)

Si A y B no son mutuamente excluyentes,
P(A o B) = P(A) + P(B) − P(A y B)
Siendo:
P(A) = probabilidad de ocurrencia del evento A, P(B) = probabilidad de ocurrencia del
evento B, y P(A y B) = probabilidad de ocurrencia simultánea de los eventos A y B.

Ejemplos 1

Se lanza un dado usted se lps. 3000.00 si el resultado es par o visible por tres

¿Cuál es la probabilidad de ganar?

Solución:
Lo primero es definir los sucesos:
Sea A el resultado par A={2,4,6}
Sea B el resultado divisible por 3 B = {3,6}
3 1 2 1 1
P(A) =6 = 2 P(B) =6 = 3 P(I)= 6

Probablidad A+Probabilidad B-Probabilidad de la intersección=

P(A) + P(B) - P(I) =
1 1 1 2
+ - = = 0.66666
2 3 6 3

Belkis Saraí Hernández, Laura Melissa Barrientos 2