Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Discretas: slo pueden tomar valores enteros (1, 2, 8, -4, etc.). Por
ejemplo: nmero de hermanos (puede ser 1, 2, 3....,etc, pero, nunca
podr ser 3,45).
Poblacin: conjunto de todos los individuos (personas, objetos, animales, etc.) que
porten informacin sobre el fenmeno que se estudia. Por ejemplo, si estudiamos el
precio de la vivienda en una ciudad, la poblacin ser el total de las viviendas de dicha
ciudad.
Medimos la altura de los nios de una clase y obtenemos los siguientes resultados (cm):
AL ALUMNO
Si presentamos esta informacin estructurada obtendramos la
siguiente tabla de frecuencia:
Las medidas de tendencia nos facilitan informacin sobre la serie de datos que estamos analizando.
Estas medidas permiten conocer diversas caractersticas de esta serie de datos.
a) Medidas de tendencia central: informan sobre los valores medios de la serie de datos.
Media aritmtica
Mediana: Es el valor de la serie de datos que se sita justamente en el centro de la muestra (un
50% de valores son inferiores y otro 50% son superiores).
Moda: Es el valor que ms se repite en la muestra.
Ejemplo: Vamos a utilizar la tabla de distribucin de frecuencias con los datos de la estatura de los alumnos que vimos antes
Mediana = ?
Moda: = ?
HISTOGRAMAS DE FRECUENCIA
Cuartiles:
Son 3 valores que distribuyen la serie de datos, ordenada de forma creciente o decreciente, en cuatro
tramos iguales, en los que cada uno de ellos concentra el 25% de los resultados.
Deciles:
Son 9 valores que distribuyen la serie de datos, ordenada de forma creciente o decreciente, en diez tramos
iguales, en los que cada uno de ellos concentra el 10% de los resultados.
Percentiles:
Son 99 valores que distribuyen la serie de datos, ordenada de forma creciente o decreciente, en cien tramos
iguales, en los que cada uno de ellos concentra el 1% de los resultados
Ejemplo:
Vamos a calcular los cuartiles de la serie de datos referidos a la estatura de un grupo de alumnos vista
antes.
Variable Frecuencias absolutas Frecuencias relativas
(Valor) Simple Acumulada Simple Acumulada
x x x x x
1,2 1 1 3,30% 3,30%
1,21 4 5 13,30% 16,60%
1,22 4 9 13,30% 30,00%
1,23 2 11 6,60% 36,60%
1,24 1 12 3,30% 40,00%
1,25 2 14 6,60% 46,60%
1,26 3 17 10,00% 56,60%
1,27 3 20 10,00% 66,60%
1,28 4 24 13,30% 80,00%
1,29 3 27 10,00% 90,00%
1,3 3 30 10,00% 100,00%
Existen diversas medidas de dispersin, entre las ms utilizadas podemos destacar las siguientes
Rango: mide la amplitud de los valores de la muestra y se calcula por diferencia entre el valor ms elevado y el valor
ms bajo
DESVIACIN MEDIA
Se define como la media aritmtica en valor absoluto de todas las diferencias entre cada valor de la variable y su
media aritmtica.
Cuando los datos no estn agrupados, la frmula matemtica que expresa dicha definicin es:
En caso de tener los datos agrupados en una tabla de frecuencias, la frmula ser:
Varianza: Mide la distancia existente entre los valores de la serie y la media. Se calcula como sumatorio de las
diferencias al cuadrado entre cada valor y la media, multiplicadas por el nmero de veces que se ha repetido cada
valor. El sumatorio obtenido se divide por el tamao de la muestra
La varianza siempre ser mayor que cero. Mientras ms se aproxima a cero, ms concentrados estn los valores
de la serie alrededor de la media. Por el contrario, mientras mayor sea la varianza, ms dispersos estn.
Coeficiente de variacin de Pearson: se calcula como cociente entre la desviacin tpica y la media.
Ejemplo: vamos a utilizar la serie de datos de la estatura de los alumnos de una clase (leccin 2) y vamos a
calcular sus medidas de dispersin.
2.- Varianza: recordemos que la media de esta muestra es 1,253. Luego, aplicamos la
frmula:
4.- Coeficiente de variacin de Pearson: se calcula como cociente entre la desviacin tpica y la
media de la muestra.
Por ejemplo, para comparar el nivel de dispersin de una serie de datos de la altura de los alumnos de
una clase y otra serie con el peso de dichos alumnos, no se puede utilizar las desviaciones tpicas (una
viene vienes expresada en cm y la otra en kg). En cambio, sus coeficientes de variacin son ambos
porcentajes, por lo que s se pueden comparar.
SESGO
Curtosis
El Coeficiente de Curtosis analiza el grado de concentracin que presentan los valores
alrededor de la zona central de la distribucin.
Ejemplo: al lanzar una moneda al aire, los sucesos elementales son la cara
y el sello. Al lanzar un dado, los sucesos elementales son el 1, el 2, .., hasta
el 6.
a) Un suceso puede estar contenido en otro: las posibles soluciones del primer suceso
tambin lo son del segundo, pero este segundo suceso tiene adems otras soluciones
suyas propias.
El valor cero corresponde al suceso imposible: lanzamos un dado al aire y la probabilidad de que salga el
nmero 7 es cero (al menos, si es un dado certificado por la OMD, "Organizacin Mundial de Dados").
El valor uno corresponde al suceso seguro: lanzamos un dado al aire y la probabilidad de que salga
cualquier nmero del 1 al 6 es igual a uno (100%).
El resto de sucesos tendr probabilidades entre cero y uno: que ser tanto mayor cuanto ms probable
sea que dicho suceso tenga lugar.
Cmo se mide la probabilidad?
Eventos independientes/dependientes
Dos eventos son independientes si el resultado del segundo evento no es
afectado por el resultado del primer evento. Si A y B son eventos
independientes, la probabilidad de que ambos eventos ocurran es el
producto de las probabilidades de los eventos individuales.
Ejemplo
Al lanzar una moneda solo puede ocurrir que salga cara o sello pero
no los dos a la vez, esto quiere decir que estos eventos son
excluyentes.
Dos o ms eventos son no excluyentes, cuando es posible que
ocurran ambos. Esto no indica que necesariamente deban ocurrir estos
eventos en forma simultnea.
Ejemplo
Si consideramos en un juego de domino sacar al menos un blanco y un
seis, estos eventos son no excluyentes porque puede ocurrir que salga el
seis o el blanco
Reglas de la Adicin
La Regla de la Adicin expresa que: la probabilidad de ocurrencia de
al menos dos sucesos A y B es igual a:
Siendo:
P(A) = probabilidad de ocurrencia del evento A
P(B) = probabilidad de ocurrencia del evento B
P(A y B) = probabilidad de ocurrencia simultanea de los eventos A y B
Probabilidad Condicional
Por otro lado
Ejemplo
Ejemplo
Teorema de Probabilidad total o regla de eliminacin
La esperanza matemtica o valor esperado de una variable
aleatoria discreta es la suma del producto de la probabilidad
de cada suceso por el valor de dicho suceso.
E = {(c,c);(c,x);(x,c);(x,x)}
P(1c) = 2/4
P(2c) = 1/4
P(2s) = 1/4
E(x)= 1 2/4 + 2 1/4 - 5 1/4 = 1/4. Es desfavorable
Para aplicar la Regla de Laplace, el clculo de los sucesos
favorables y de los sucesos posibles a veces no plantea ningn
problema, ya que son un nmero reducido y se pueden calcular
con facilidad:
Por ejemplo: Probabilidad de que al lanzar un dado salga el
nmero 2. Tan slo hay un caso favorable, mientras que los
casos posibles son seis.
"Cm,n" representa las "Vm,n" representa las variaciones "Pm" representa las
combinaciones de "m" elementos, de "m" elementos, formando permutaciones de "m" elementos,
formando subgrupos de "n" subgrupos de "n" elementos. tomando todos los elementos.
elementos.
Ejemplos
C10,4 son las combinaciones de 10 elementos agrupndolos en subgrupos de 4 elementos:
V10,4 son las variaciones de 10 elementos agrupndolos en subgrupos de 4 elementos:
P10 son las permutaciones de 10 elementos:
Veamos este caso: tenemos bolas de 6 colores diferentes y queremos formar subgrupos
en los que pudiera darse el caso de que 2, 3, 4 o todas las bolas del subgrupo tuvieran el
mismo color. En este caso no podramos utilizar las frmulas que vimos en la leccin
anterior.
Combinaciones Variaciones Permutaciones
con repeticin con repeticin con repeticin
V'10,4 son las variaciones de 10 elementos con repeticin, agrupndolos en subgrupos de 4 elementos:
Calcular las permutaciones de 10 elementos, en los que uno de ellos se repite en 2 ocasiones y otro se
repite en 3 ocasiones:
Distribucin de probabilidad
Es una distribucin terica de frecuencias que describe cmo se espera que varen
los resultados de un experimento. Existen diferentes tipos de modelos que
permiten describir el comportamiento de fenmenos estadsticos que permiten
hacer inferencias y tomar decisiones en condiciones de incertidumbre