Está en la página 1de 31

MODALIDAD DISTANCIA

PROBABILIDADES
 Medidas estadísticas descriptivas en datos sueltos y
agrupados, (media, moda mediana, varianza, desviación
estándar, coeficiente de variación) e interpretación de cada
medida estadística.
 Probabilidades: (reglas de la adición y multiplicación,
teorema de bayes, distribución discreta y continua)
EJEMPLO: PARA DATOS NO AGRUPADOS
Se ha observado a 7 estudiantes y se anotó el tiempo que llegan tarde (minutos) a
clases en el Curso de Estadística I:

3 5 7 9 8 9 10
Con los datos se pide que determine e interprete las medidas de tendencia central.

MEDIA MEDIANA MODA


σ 𝑥𝑖 3+5+7+9+8+910 • 3 5 7 8 9 9 10 • Por observación:
Solución: •𝑥ҧ =
𝑛
=
7
• Posición (L)=
𝑛+1
=
7+1
=4 • 3, 5, 7, 9, 8. 9, 10
2 2
•𝑥ҧ = 7,29 • Me = 8 minutos • Mo = 9 (se repite más veces)

•Interpretación: En promedio el • Interpretación: El 50% de • Interpretación: El tiempo


tiempo en que llegan tarde a los alumnos llegan tarde que más llegan tarde a
clases los alumnos es de 7,29 hasta 8 min. y el otro 50% clases es de 9 min.
minutos. más de 8 min.
¿Sabes cuáles son las medidas de dispersión?

Son absolutas porque siempre van


acompañadas de sus unidades de medida.
Ejm. MEDIDAS DE DISPERSIÓN
Rango de 6 hijos
Desviación estándar de 1.5 hijos

Absolutas Relativas
(No son comparables entre (Permiten comparar la dispersión
diferentes muestras) de diferentes muestras)

Coeficiente de
Rango variación

Varianza Permite comparar la variabilidad de


dos grupos de datos expresados en
unidades diferentes.
Pero si fueran 2 grupos de datos que
tienen las mismas unidades entonces
Desviación estándar sus medias aritméticas fueran
diferentes.
4. MEDIDAS DE DISPERSIÓN RELATIVAS

1. COEFICIENTE DE VARIACIÓN (CV):


Es una medida relativa de variabilidad de los datos entre la media y la desviación estándar de una población o
muestra. Permite comparar la variabilidad de dos o más conjuntos de datos expresados en unidades diferentes.

Es el porcentaje que la desviación estándar representa de la media.

Interpretación:

Un grupo
COEF. VARIAC. Grado de Variabilidad
0 ≤ CV < 10 Datos muy homogéneos
10 ≤ CV < 15 Datos regularmente homogéneos
15 ≤ CV < 20 Datos regularmente heterogéneos
20 ≤ CV < 25 Datos heterogéneos
CV ≥ 25 Datos muy heterogéneos
Fuente: Estadística descriptiva y probabilidades, Universidad de Lima pag. 59
Dos grupos
Hay dos empresas que se dedican a la fabricación de
cocinas de acero, desean averiguar qué empresa es
menos dispersa en la cantidad de ingresos mensuales que
se muestran:
Empresa A: (Ingresos en soles)
4400, 3900, 3750, 3675, 3525, 3150, 3150, 2550, 3150, 3150
Empresa B: (Ingresos en dólares)
¿Qué empresa es menos disperso en la cantidad de ingresos
mensuales?
Empresa A: (Ingresos en soles) Empresa B: (Ingresos en dólares)

Interpretación: Los ingresos mensuales de la empresa A


son menos dispersos.
Índice de Asimetría de Pearson

3( x  Me)
As 
s
Mide el grado de deformación horizontal de una distribución de datos
cuantitativos.
La deformación o asimetría se deduce comparando la distribución con
el modelo de la curva normal (o campana de Gauss)
Interpretación

La distribución es simétrica, es decir no hay sesgo ya que:


Si As = 0
x  Me  Mo
La distribución es asimétrica, además la asimetría es positiva ya que el
sesgo es hacia la derecha, donde:
Si As > 0
Mo Me x
La distribución es asimétrica, además la asimetría es negativa ya que el
sesgo es hacia la izquierda, donde:
Si As < 0
x Me Mo
Ordenando los datos:
20 23 24 24 24 25 29 31 31 33 34 36 36 37 39 39 40 40 41 45

Posición Valor
k n  1 Pk  X ( E )  0, d * ( X ( E 1)  X ( E ) )
i  E, d
100

2520  1 P25  24  0,25 * (25  24)  24,25


Q1   5,25
100

5020  1 P 5 0  33  0,5 * (34  33)  33,5


Q2   10,5
100

7520  1 P 7 5  39  0,75 * (39  39)  39


Q3   15,75
100
 Compara la dispersión de los datos observados
cercanos al valor central con la dispersión de los
datos cercanos a ambos extremos de la distribución
 Se calcula mediante:

P75  P25
K 
2  P90  P10 
Interpretación:
La curtosis, analiza el grado de concentración que presentan los valores
alrededor de la zona central de la distribución
REGLA DE LA SUMA
P(A U B) = P(A ó B)
REGLA DE LA MULTIPLICACIÓN
P(A ∩ B) = P(A y B)
Ejemplo
Se ha realizado una encuesta a una muestra de estudiantes del tiempo que
permanecen en internet al realizar su trabajo de investigación de acuerdo
a su especialidad, dando los siguientes resultados:

Para un estudiante que recién ingresa en la universidad, determine las siguientes probabilidades:

a) Que sea de Ingeniería = P( I ) = 11/53


b) Que permanezca en internet al realizar su trabajo mas de 3 horas P(=4) = 19/53
c) Que sea de Derecho dado que permanecerá en internet al realizar su trabajo 2 horas
P(D/2h) = P(D y 2h) / P(2h) = 4/12 =1/3
a) Que sea de Derecho o Medicina P(D o M)= P(D)+P(M) = 15/53 + 17/53 = 32/53
b) Que sea de Ingeniería y permanezca en internet al realizar su trabajo 3 horas P(I y 3h) = 2/53
En una cadena de televisión se hizo una encuesta a 2 500 personas para saber
la audiencia de un debate y de una película que se emitieron en horas
distintas: 2 100 vieron la película, 1 500 vieron el debate y 350 no vieron
ninguno de los dos programas. Si elegimos al azar a uno de los encuestados:

a) ¿Cuál es la probabilidad de que viera la película y el debate?


b) ¿Cuál es la probabilidad de que viera la película, sabiendo que no vió el
debate?
c) Sabiendo que vio la película, ¿cuál es la probabilidad de que viera el debate?
TEOREMA DE BAYES
• En el siglo XVIII el reverendo Thomas Bayes, ministro presbiteriano
inglés planteó el siguiente teorema: ¿Realmente Dios existe? Ya que
estaba interesado en las ciencias matemáticas intentó desarrollar una
fórmula para llegar a evaluar la probabilidad de que Dios si existe, con
base en la evidencia de la que él disponía en la tierra. Más adelante
Laplace afinó el trabajo de Bayes y le dio el nombre del “teorema de
Bayes” . El teorema se expresa así:
Ejemplo
El 15% de los empleados de una empresa son ingenieros y otro 12% son
economistas. El 75% de los ingenieros ocupan un puesto directivo y el 50%
de los economistas también, mientras que los no ingenieros y los no
economistas solamente el 20% ocupa un puesto directivo. ¿Cuál es la
probabilidad de que un empleado elegido al azar ocupe un puesto directivo?
Solución

P(D)= 0.3185

- Sabiendo que el empleado ocupa un


puesto directivo, ¿cuál es la probabilidad de
que sea ingeniero?
- ¿Qué profesión tiene mayor probabilidad
de ocupar un puesto directivo en la
empresa?
Distribución Binomial
P  x  n C x  p q x nx

Se denotan las dos categorías posibles de todos los resultados: E y F (éxito y fracaso)
n : Denota el número fijo de ensayos.
x : Denota un número específico de éxitos en “n” ensayos, de manera que “x” puede ser cualquier
número entero entre 0 y “n” inclusive.
p : Denota la probabilidad de éxito en uno de “n” ensayos.
q: Denota la probabilidad de fracaso en uno de “n” ensayos.
P(x) : Denota la probabilidad de lograr exactamente “x” éxitos en los “n” ensayos.

Media Varianza
  np ;  2
 npq
Ejemplo 3:

El 25% de los tornillos producidos


por una máquina están
defectuosos.
Determinar la probabilidad de que
de 6 tornillos seleccionados
aleatoriamente por lo menos 4
estén defectuosos.
Solucionario:

Éxito Tornillo defectuoso


P  x  n C x  p q x n x

Probabilidad de éxito (p) 0,25


Reemplazando y efectuando los cálculos
se tiene:
Probabilidad de fracaso (q) 0,75

P  x  4   6C 4 (0,25)4 (0,75)64  0,0330


Número de ensayos (n) 6
P  x  5   6C 5 (0,25)5 (0,75)65  0,0044
Número de éxitos en los “n” 4; 5 y 6
ensayos (x) (por lo menos 4) P  x  6   6C6 (0,25)6 (0,75)66  0,0002
0,0376

Interpretación: La probabilidad de que de 6 tornillos seleccionados, por lo menos 4 se


encuentren defectuosas es de 3,76 %
CÁLCULO DE PROBABILIDADES EN LA CURVA
NORMAL ESTÁNDAR
Primer caso: A la izquierda de un "z" determinado:
Se calcula directo de la tabla considerando las áreas bajo la curva normal tipificada.
Calcule el área bajo la curva normal a la de LECTURA DE LA TABLA
z1 ≤ -1,43

z1 = -1,43

RESPUESTA:
P(z≤-1,43) = 0,0764
CÁLCULO DE PROBABILIDADES EN LA CURVA
NORMAL ESTÁNDAR
Segundo caso: A la derecha de un "z" determinado:
Se calcula por complementario.
Calcule el área bajo la curva normal para z2 ≥ LECTURA DE LA TABLA
0,87

0,8078

z2 = 0,87

RESPUESTA:
P(Z≥0,87)=1 - 0,8078 = 0,1922
CÁLCULO DE PROBABILIDADES EN LA CURVA
NORMAL ESTÁNDAR
Tercer caso: Entre dos valores "z" determinados
Se calcula por diferencia de áreas (Área pedida = Área mayor – Área menor).
Calcule el área
Tercer caso:enEntre
la curva normal “z”
dos valores comprendida entre z1 =
determinados: CÁLCULO DE ÁREAS
-1,23Seycalcula
z2 = 0,43
por diferencia de áreas.
Área mayor: A la izquierda de 0,43

0,6664

z1 = -1,23 z2 = 0,43
Área menor: A la izquierda de -1,23
RESPUESTA:
0,1093
P(-1,23<z≤0,43)=0,6664 – 0,1093
P(-1,23<z≤0,43) = 0,5571
CÁLCULO DE PROBABILIDADES EN LA CURVA NORMAL ESTÁNDAR QUE
NO FIGURAN EN LA TABLA
Se calcula por interpolación
Calculecaso:
Tercer el área en la
Entre doscurva normal
valores cuando z≤1,7265
“z” determinados: CÁLCULO DE PROBABILIDADES
Se calcula por diferencia de áreas.

z Prob.
1,72 0,9573
z1 = 1,7265 1,7265 Ai
1,73 0,9582

1, 73  1, 72 0, 9582  0, 9573
RESPUESTA: 
P(z≤1,7265) = 0,957885 1, 73  1, 7265 0, 9582  Ai
Ai  0, 957885
Interpolación en calculadora
• MODE
• 2 (Stat) … 3 (Stat)

Interpolación manual • 2 ( A+Bx)

1.72 0.9573

• 1.73 0.9582

• AC
• Shif
• 1 (Stat)
• 5 (Regr.)
• 1
• = (sale 0.8025)
Y=A + B x
• AC
• Shif Y = 0.8025 + 0.09 ( X )
• 1 (Stat)
Y = 0.8025 + 0.09 ( 1.7265 )
• 5 (Regr.)
• 2 Y = 0.957885
• = (sale 0.09)
Estandarizando:
En una población el promedio de estatura es 1,68m. con una desviación estándar de 0,05m.
• Si aleatoriamente se toma un individuo de esta población determine:
a) ¿La probabilidad de una estatura menor a 1.619m?

Convirtiendo:
1,619 - 1,68
oz= 0,05

oz= -1.22
0,1112
P(z<-1,22) =

P(x<1,619) = 0,1112
Estandarizando:
En una población el promedio de estatura es 1,68m. con una desviación estándar de 0,05m.
• Si aleatoriamente se toma un individuo de esta población determine:
b) ¿La probabilidad de una estatura mayor a 1.619m?

Convirtiendo:
1,619 - 1,68
oz= 0,05

oz= -1.22
P(z<-1,22) = 0,1112

P(x<1,619) = 0,1112 0.1112

P(x>1,619) = 1-0,1112=0.8888