Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Manual Prob y Est. M-A 2024
Manual Prob y Est. M-A 2024
GRUPO: ______________________________________________________
pág. 1
pág. 2
TÍTULO DE LA PRÁCTICA: 1.1 Introducción a la estadística
UNIDAD TEMÁTICA: 1. Estadística Descriptiva
OBJETIVO:Que el alumno defina los conceptos básicos y esenciales de la estadística,
que determine el tipo de estadística emplear a partir de la naturaleza de los datos.
pág. 3
Define Población:
pág. 4
Ejemplo 1:
Ejemplo 2:
Ejemplo 3:
Ejemplo 4:
Ejemplo 5:
pág. 5
Instrucciones: Indica
que variables son cualitativas y
cuales cuantitativas:
1 Comida Favorita.
___________________________________________
2 Profesión que te gusta.
___________________________________________
3 Número de goles marcados por tu equipo favorito en la última temporada.
___________________________________________
4 Número de alumnos de tu Instituto.
___________________________________________
5 El color de los ojos de tus compañeros de clase.
_________________________________________________________________________________
6 Coeficiente intelectual de tus compañeros de clase.
_________________________________________________________________________________
pág. 6
Instrucciones: Clasificar las
siguientes variables en cualitativas y cuantitativas discretas o continuas.
Elabora un esquema que incluya los tipos de variables que existen, sus conceptos y
ejemplos:
pág. 7
TÍTULO DE LA PRÁCTICA: 1.2 Población, muestra y muestreo
UNIDAD TEMÁTICA: 1. Estadística Descriptiva
De esta forma Levin & Rubin (1996). Indica que "Una población es un
conjunto de todos los elementos que estamos estudiando, acerca de los
cuales intentamos sacar conclusiones".
De igual forma Cadenas (1974). Expresa "Una población es un conjunto de
elementos que presentan una característica común".
PARÁMETRO
Es un valor, medida o indicador representativo de la población que se
selecciona para ser estudiado.
Otra definición podría ser, función definida sobre valores numéricos de una
población. Se llama parámetro a un valor representativo de una población,
como la media aritmética, una proporción o su desviación típica.
MUESTRA
La muestra es una pieza de la población a estudiar que sirve para
representarla.
Según Levin & Rubin (1996). Apuntan que "Una muestra es una colección
de algunos elementos de la población, pero no de todos".
pág. 8
Según Cadenas (1974). "Una muestra debe ser definida en base de la
población determinada, y las conclusiones que se obtengan de dicha
muestra solo podrán referirse a la población en referencia",
ESTADÍSTICO
Es el elemento que describe una muestra y sirve como una estimación del
parámetro de la población correspondiente.
El estadístico sirve como una estimación del parámetro. Aunque en
realidad el interés se fija en el valor del parámetro de la población, con
frecuencia debe haber conformidad con solo calcularlo con un estadístico
de la muestra que se ha seleccionado.
Concepto de muestreo
El muestreo es una herramienta de la investigación científica. Su función
básica es determinar que parte de una realidad en estudio (población o
universo) debe examinarse con la finalidad de hacer inferencias sobre
dicha población. El error que se comete debido a hecho de que se
obtienen conclusiones sobre cierta realidad a partir de la observación de
sólo una parte de ella, se denomina error de muestreo. Obtener una
muestra adecuada significa lograr una versión simplificada de la población,
que reproduzca de algún modo sus rasgos básicos.
pág. 9
Cuando decimos que una muestra es representativa indicamos que reúne
aproximadamente las características de la población que son importantes
para la investigación.
Tipos de muestreo
Los autores proponen diferentes criterios de clasificación de los diferentes
tipos de muestreo, aunque en general pueden dividirse en dos grandes
grupos: métodos de muestreo probabilísticos y métodos de muestreo no
probabilísticos:
Muestreo probabilístico
Los métodos de muestreo probabilísticos son aquellos que se basan en el
principio de equiprobabilidad. Es decir, aquellos en los que todos los
individuos tienen la misma probabilidad de ser elegidos para formar parte
de una muestra y, consiguientemente, todas las posibles muestras de
tamaño n tienen la misma probabilidad de ser elegidas. Sólo estos métodos
de muestreo probabilísticos nos aseguran la representatividad de la
muestra extraída y son, por tanto, los más recomendables. Dentro de los
métodos de muestreo probabilísticos encontramos los siguientes tipos:
pág. 10
Los métodos de muestreo no probabilisticos no garantizan la
representatividad de la muestra y por lo tanto no permiten realizar
estimaciones inferenciales sobre la población.
pág. 11
seleccionando una muestra sobre listas de 10 individuos en los que los 5
primeros son varones y los 5 últimos mujeres, si empleamos un muestreo
aleatorio sistemático con k=10 siempre seleccionaríamos o sólo hombres o
sólo mujeres, no podría haber una representación de los dos sexos.
pág. 12
una caja de determinado producto, etc., son conglomerados naturales. En
otras ocasiones se pueden utilizar conglomerados no naturales como, por
ejemplo, las urnas electorales. Cuando los conglomerados son áreas
geográficas suele hablarse de "muestreo por áreas".
Muestreos No Probabilísticos:
• de Conveniencia
• de Juicios
• por Cuotas de Bola de Nieve Discrecional
pág. 13
Muestreo opinático o intencional:
Este tipo de muestreo se caracteriza por un esfuerzo deliberado de obtener
muestras "representativas" mediante la inclusión en la muestra de grupos
supuestamente típicos. Es muy frecuente su utilización en sondeos
preelectorales de zonas que en anteriores votaciones han marcado
tendencias de voto.
Bola de nieve:
Se localiza a algunos individuos, los cuales conducen a otros, y estos a otros,
y así hasta conseguir una muestra suficiente. Este tipo se emplea muy
frecuentemente cuando se hacen estudios con poblaciones "marginales",
delincuentes, sectas, determinados tipos de enfermos, etc.
Muestreo Discrecional:
A criterio del investigador los elementos son elegidos sobre lo que él cree
que pueden aportar al estudio. • Ej. : muestreo por juicios; cajeros de un
banco o un supermercado; etc.
http://desirestadisticasbasicas.blogspot.mx/2010/07/poblacion-parametro-muestra-estadistico.html
http://metodologia02.blogspot.mx/p/tipos-de-muestreo.html
pág. 14
Instrucciones: Contesta correctamente los
siguientes cuestionamientos.
pág. 15
Describe la técnica de muestreo no probabilístico, de bola de nieve
Metodología para la
solución de un problema
Planteamiento del
problema: Una vez
implementado el proyecto
integrador, es necesario
evaluar el grado de
aceptación que tiene y
determinar con un
fundamento científico las
mejoras a implementar.
Donde:
n = el tamaño de la muestra.
pág. 16
N = tamaño de la población.
σ=Desviación estándar de la población que, generalmente cuando no se
tiene su valor, suele utilizarse un valor constante de 0,5.
Z = Valor obtenido mediante niveles de confianza. Es un valor constante
que, si no se tiene su valor, se lo toma en relación al 95% de confianza
equivale a 1,96 (como más usual) o en relación al 99% de confianza
equivale 2,58, valor que queda a criterio del investigador.
e = Límite aceptable de error muestral que, generalmente cuando no se
tiene su valor, suele utilizarse un valor que varía entre el 1% (0,01) y 9%
(0,09), valor que queda a criterio del encuestador.
pág. 17
TÍTULO DE LA PRÁCTICA: 1.4 Distribución de frecuencias y su representación gráfica
UNIDAD TEMÁTICA: 1. Estadística Descriptiva
OBJETIVO:Que el alumno defina los conceptos de medidas de tendencia central, de localización
y de dispersión, que obtenga las medidas mencionadas y las interprete a partir de un caso
propuesto.
2. Las puntuaciones obtenidas por un grupo en una prueba han sido: 15, 13, 16, 15,
19, 18, 15, 14, 18. Calcular la moda, la mediana y la media aritmética. Varianza y
desviación estándar.
3. El número de estrellas de los hoteles de una ciudad viene dado por la siguiente
serie: 3, 3, 4, 3, 4, 3, 1, 3, 4, 3, 3, 3, 2, 1, 3, 3, 3, 2, 3, 2, 2, 3, 3, 3. Hallar la moda, la
mediana y la media aritmética. Varianza y desviación estándar.
pág. 18
Resolver los siguientes problemas calculando Varianza y desviación estándar.
Con datos agrupados.
15 3
16 4
17 6
18 9
19 10
20 11
1 13
2 1
3 5
4 10
5 9
6 11
pág. 19
X f X*f (x-x)2 (x-x)2.f
60 1
70 3
80 6
90 9
100 10
4 4
5 7
6 6
7 15
8 7
pág. 20
1. Se capturaron de 42 días, los minutos de paro de una maquina:
pág. 21
Problema 1: Se tiene una muestra aleatoria con datos del costo por consumo de
electricidad en una zona residencial de cierta ciudad:
96 202 147 213 207
157 90 172 168 164
141 206 123 166 168
95 150 135 137 149
108 183 153 127 158
171 178 148 130 251
185 116 144 109 89
149 175 187 139 258
163 154 191 129 314
119 151 129 82 298
a) Elabora una distribución de frecuencias
b) Construye un histograma
c) Traza una ojiva
d) Elabora el polígono de frecuencias
d) Elabora la gráfica circular
Problema 2: Los siguientes 40 datos corresponden a una muestra
del tiempo que se utilizó para atender las ordenes de trabajo de cierto
departamento de mantenimiento:
pág. 22
Problema 3: Los siguientes datos representan la duración de
vida, en años, medida al décimo más cercano, de 30 bombas
de combustibles similares:
pág. 23
TÍTULO DE LA PRÁCTICA: Conjuntos
UNIDAD TEMÁTICA: II. Probabilidad
OBJETIVO: El alumno definirá el concepto de conjunto y aprenda a representar conjuntos y
realizar operaciones con conjuntos.
2.1 Conjuntos
Es importante que antes de
iniciar formalmente el estudio
de la probabilidad se analicen
los conceptos básicos con los
que se estará trabajando. Un
conjunto es una agrupación
bien definida de objetos no
repetidos y no ordenados. El
conjunto que contiene a todos
los elementos a los que se hace
referencia recibe el nombre de
conjunto Universal, este conjunto depende del problema que se estudia, se
denota con la letra U y algunas veces con la letra S (espacio muestral).
Por ejemplo, si solo queremos referirnos a los 5 primeros números naturales el
conjunto queda:
U={ 1, 2, 3, 4, 5 }
Sean los conjuntos A={ 0, 1, 2, 3, 5, 8 } y B={ 1, 2, 5 }
En este caso decimos que B está contenido en A, o que B es subconjunto de
A. En general si A y B son dos conjuntos cualesquiera, decimos que B es un
subconjunto de A si todo elemento de B lo es de A también.
Cuando un conjunto carece de elementos, se le denomina “Conjunto Vacío
o nulo”. El conjunto vacío se expresa simbólicamente por “ o { }”. También
establecemos que el “conjunto vacío o nulo es un subconjunto de todos los
conjuntos”.
Los diagramas de Venn son esquemas usados en la teoría de conjuntos. Estos
diagramas muestran colecciones (conjuntos) de cosas (elementos) por
medio de líneas cerradas. La línea cerrada exterior abarca a todos los
elementos bajo consideración, el conjunto universal U.
Un evento es simplemente un conjunto, así que las relaciones y resultados de
la teoría elemental de conjuntos pueden ser utilizados para estudiar eventos.
Se utilizarán las siguientes operaciones para crear eventos nuevos a partir de
eventos dados:
pág. 24
El complemento de un conjunto respecto al universo U es el conjunto de
elementos de U que no pertenecen a A y se denota como A' y que se
pág. 25
2. En el siguiente cuadro sinóptico, describe las operaciones que se pueden
realizar con un conjunto, y da un ejemplo:
UNION
COMPLEMENTO
DIFERENCIA
pág. 26
Ejercicio 2: Se sabe que, de los 65 alumnos del sexto curso, a 30 les gusta la
Biología, a 40 las Matemáticas y a 10 les gustan ambas asignaturas, en tu
cuaderno de apuntes elabora el diagrama de Venn y da respuesta a las
siguientes preguntas.
a) ¿A cuántos alumnos les gusta al menos una de esas asignaturas?
b) ¿A cuántos les gusta solamente la biología?
c) ¿A cuántos les gusta exactamente una de esas dos?
d) ¿A cuántos alumnos no les gustan ninguna de esas asignaturas?
Ejercicio 4: De 106 personas se sabe que los que hablan solo ingles son tantos
como los que hablan inglés y francés y además los que hablan solo francés es
la quinta parte de los que hablan inglés. Si 10 personas no hablan ninguno de
estos dos idiomas, cuántos hablan solo francés.
a) 8 b) 16 c) 24 d) 32 e) 40
pág. 27
TÍTULO DE LA PRÁCTICA: 2.2 Probabilidad Básica y Condicional
UNIDAD TEMÁTICA: 2.Probabilidad
OBJETIVO:El alumno defina los conceptos básicos y esenciales de probabilidad y resuelva
problemas de su entorno de probabilidad básica, probabilidad condicional y técnicas de conteo
Técnicas de conteo
pág. 28
Cuando los diversos resultados de un experimento sean igualmente probables,
entonces la tarea de calcular probabilidades se reduce a contar. Una técnica
de conteo es aquel método que es usado para enumerar eventos difíciles de
cuantificar. Se les denomina técnicas de conteo a: las combinaciones,
permutaciones y diagrama de árbol.
Diagrama de árbol
Es un gráfico que ilustra como enumerar todos los resultados posibles de una
serie de experimentos, en donde cada experimento puede suceder de un
numero finito de maneras.
Ejemplo:
Si una dama tiene dos faldas { 𝑓1 , 𝑓2 } y cuatro blusas { 𝑏1 , 𝑏2 , 𝑏3 , 𝑏4 }, de cuantas
maneras puede seleccionar una falta y luego una blusa.
𝑏1 (f1, b1)
𝑏2
𝑓1 (f1, b2)
𝑏3
𝑏4 (f1, b3)
(f1, b4)
𝑏1
𝑏2 (f2, b1)
𝑓2
𝑏3
(f2, b2)
𝑏4
(f2, b3)
(f2, b4)
Principio de multiplicación:
Si un evento E1 puede suceder de n1 maneras diferentes, el evento E2 pude
ocurrir de n2 maneras distintas, y así sucesivamente hasta el evento Ep, el cual
puede ocurrir de np maneras diferentes, entonces el total de maneras distintas
en que puede suceder el evento conjunto “ocurren E1 y E2 y ….Ep” es igual al
producto
n1 x n2 x ….x np
Permutaciones
Como ya se analizó el diagrama de árbol y el principio de multiplicación son
modelos para representar procesos de selección sucesivas de cosas y efectuar
cálculos. Los conteos realizados con el principio de multiplicación se refieren a
arreglos de cosas en las cuales el orden en que ellas se presentan es
importante. Estos arreglos se llaman permutaciones; por lo tanto, una
permutación es cada una de las posibles maneras en que pueden ser
ordenados los elementos de un conjunto finito. Las permutaciones de n
pág. 29
𝑛
elementos tomados a la vez, donde el símbolo ( ) representa el número total
𝑛
de permutaciones posibles de n objetos distintos, tomados de n en n, es decir
n=n y matemáticamente se representa por la ecuación:
𝑛
𝑃 ( ) . = 𝑛!
𝑛
Combinaciones
Es un conjunto de elemento en el cual no importa el orden, solo el número de
ellos. Dos combinaciones son diferentes si tienen al menos un elemento
diferente.
Dado un conjunto de n objetos distintos, cualquier subconjunto no ordenado
de tamaño k de los objetos, se llaman combinaciones. El número de
combinaciones de tamaño k que se puede formar de n objetos distintos se
𝑛
denotará por ( ).
𝑟
El número de combinaciones de n objetos tomados de r en r, siendo r < n, se
𝑛
simboliza por C( ); matemáticamente se expresa por la ecuación:
𝑟
𝑛
𝑛 𝑃( ) 𝑛!
( )= 𝑟 =
𝑟 𝑟! 𝑟! (𝑛 − 𝑟)!
pág. 30
“frecuencia relativa” de la aparición del suceso. La ecuación matemática
para la probabilidad como frecuencia relativa es:
𝑆
𝑝𝑓 =
𝑛
Probabilidad Condicional:
Para dos eventos cualesquiera A y B en un espacio muestra S, tales que P(A) >
0 con P(A) ¹ 0, la probabilidad del evento B dado el evento A, se define por:
P ( A B)
P(B A) =
P (A)
Probabilidad Conjunta
Medida de la verosimilitud del acontecimiento simultáneo de dos o más
eventos.
Dada la experiencia aleatoria con espacio muestral S y dos eventos A y B, se
define un nuevo evento llamado conjunción de A y B, que se denota A∩B, de
la siguiente manera: A∩B ocurre siempre que ocurra A y ocurra B, es decir, que
ocurran ambos simultáneamente.
La probabilidad de A∩B, que simboliza P (A ∩ B), se le llama probabilidad
conjunta de A y B.
Eventos independientes
Se establece que dos eventos son “independientes” si la ocurrencia de uno de
ellos no afecta de ninguna manera la ocurrencia o no ocurrencia de otro.
Eventos independientes
Cuando la ocurrencia de un evento E 1 afecta la probabilidad de ocurrencia
de un evento E2 , entonces se dice que E1 y E2 son eventos dependientes.
La probabilidad de dos eventos dependientes es igual a la probabilidad de un
evento multiplicado por la probabilidad condicional del otro, es decir:
pág. 31
Teorema de Bayes
Es una ecuación que permite determinar probabilidades condicionales. Se
aplica a eventos diferentes donde al menos uno de ellos se sabe que ha
ocurrido.
Sea E1, E2, E3 tres eventos diferentes de los que al menos uno de ellos se sabe
que ha ocurrido. Supóngase que con cualquiera de esto puede presentarse
otro evento F que se sabe que ha ocurrido.
F F F
Si todas las probabilidades p( E1), p( E2 ), p( E3 ), y p (E ), p (E ), p (E ) son
1 2 3
conocidas, se tiene la formula:
F
E1 p(E1 ) ∙ p (E )
1
p( ) =
F F F F
p( E1 ) ∙ p (E ) + p( E2 ) ∙ p (E ) + p( E3 ) ∙ p (E )
1 2 3
E2 E3
Ecuaciones similares se pueden ordenar para p ( F ), p ( F )
“Si un evento puede ocurrir en más de una forma, entonces la probabilidad de
que ocurra en una forma particular será igual a la razón de la probabilidad de
que se presente la forma respecto a la probabilidad de que ocurra”
pág. 32
Actividad 2 Completa el siguiente cuadro.
pág. 33
TÍTULO DE LA PRÁCTICA: 2.3 Distribuciones discretas de Probabilidad
UNIDAD TEMÁTICA: 2.Probabilidad
OBJETIVO: El alumno practicará el uso de las distribuciones binomial, hipergeométrica y de
Poisson
pág. 34
2.3 Distribuciones discretas de Probabilidad
Extraer un solo componente de una población y determinar si está o no
defectuoso es ejemplo de un ensayo de Bernoulli. En la práctica, es
posible extraer varios componentes de una gran población y contar el
número de elementos defectuosos. Esto implica realizar diversos
ensayos de Bernoulli independientes y contar el número de éxitos. El
número de éxitos es una variable aleatoria, que tiene una distribución
binomial.
n es el número de pruebas.
k es el número de éxitos.
p es la probabilidad de éxito.
q es la probabilidad de fracaso.
El número combinatorio
La distribución hipergeométrica
Cuando una población finita contiene dos tipos de unidades, que pueden ser
denominados como éxitos y fracasos, y se extrae una muestra aleatoria simple
pág. 35
de la población, cada unidad representa un ensayo de Bernoulli. A medida que
se selecciona cada unidad, la proporción de éxitos en la población restante
disminuye o aumenta, dependiendo si la unidad extraída es un éxito o fracaso.
Por esta razón, los ensayos no son independientes, de ahí que el número de éxitos
en la muestra no siga una distribución binomial. En su lugar, la distribución que
describe adecuadamente el número de éxitos en esta situación se llama
distribución hipergeométrica.
Donde:
pág. 36
Vamos a explicarla:
" l " = n * p (es decir, el número de veces " n " que se realiza el experimento
multiplicado por la probabilidad " p " de éxito en cada ensayo)
" k " es el número de éxito cuya probabilidad se está calculando
pág. 37
Distribución
Binomial
Distribución
Hipergeométrica
Distribución Poisson
pág. 38
TÍTULO DE LA PRÁCTICA: 2.4 Distribuciones Continuas de Probabilidad
UNIDAD TEMÁTICA: 2.Probabilidad
OBJETIVO: El alumno practicará la resolución de problemas utilizando métodos de distribución
normal, Chi cuadrada, F de Fisher.
1 (𝑥−𝜇)2
−
𝑓 (𝑥 ) = 𝑒 2𝜎2
𝜎√2𝜋
La siguiente gráfica de la función de densidad de probabilidad normal con
media 𝜇 y desviación estándar 𝜎. Algunas veces a la función de densidad de
probabilidad normal se le llama curva normal.
pág. 39
unidades en las cuales se midió originalmente las unidades de la población a
unidades estándar.
( n − 1)s 2
2 =
2
Actividad En la siguiente tabla, explica los conceptos enlistados, basándote en
el marco teórico de las practicas 8 y utilizando fuentes adicionales.
pág. 40
Distribución
Normal
Distribución Chi
cuadrada
Distribución F de
Fisher
pág. 41
Si
n( , 2 ) es una muestra aleatoria de una Población (X) con
distribución
normal .
Entonces
de libertad.
( X − ) (s / n) se distribuye t-student con n-1 grados
( X − ) (s / n) → tn−1
=0 =
k
k −2
; k 3
x−
t=
s/ n
pág. 42
Distribución t-
student
pág. 43
3.1 Estimación estadística
Estimación de parámetros
Es el procedimiento utilizado para conocer las características de un parámetro
poblacional, a partir del conocimiento de la muestra.
Intervalo de confianza
Se llama así a un intervalo en el que sabemos que está un parámetro,
con un nivel de confianza específico.
Nivel de confianza
Probabilidad de que el parámetro a estimar se encuentre en el
intervalo de confianza.
pág. 44
Sesión 40| Actividad 1 En la siguiente tabla, explica los conceptos enlistados,
basándote en el marco teórico de las practicas 10 y utilizando fuentes
adicionales.
Estimación
estadística
OBJETIVO: El alumno realice y analice una prueba de hipótesis con una y dos muestras de
media y varianza en situaciones relacionadas con su perfil profesional.
pág. 45
Hipótesis estadísticas
pág. 46
3. Usted Aplica oportunamente el mantenimiento preventivo a una cortadora,
el nivel de tolerancia superior es de 1 mm, se tomó una muestra de 50
productos cortados en dicha máquina y la media obtenida fue de 4 mm con
una desviación estándar de 0.58 mm. Con un nivel de significancia del 10%
pruebe la hipótesis de que usted este aplicando de manera errónea su
mantenimiento.
pág. 47
variable de respuesta, dependiente, criterio o Y) a partir de los valores de la otra (la que
se asuma como variable explicativa, independiente, predictora o X).
El término regresión fue utilizado por primera vez por el genetista y estadístico
inglés Francis Galton (1822-1911) en 1877 Galton efectúo un estudio que
demostró que la altura d los hijos de padres altos tendía a retroceder, o
“regresar”, hacia la talla media de la población. Regresión fue el nombre que le
dio al proceso general de predecir una variable,(la talla de los niños) a partir de
otra (la talla de los padres). Hoy en día, esta tendencia de miembros de cualquier
población que están en una posición extrema (arriba o debajo de la media
poblacional) en un momento, y luego en una posición menos extrema en otro
momento, (ya sea por sí o por medio de sus descendientes), se llama efecto de
regresión. El análisis de regresión se desarrolla una ecuación de estimación, es
decir, una formula matemática que relaciona las variables conocidas con las
desconocidas. Luego de obtener el patrón de dicha relación, se aplica el análisis
de correlación para determinar el grado de relación que hay entre las variables.
pág. 48
Halla la covarianza y el coeficiente de correlación.
pág. 49