Estadistica II Contabilidad

UNIVERSIDAD MARTIN LUTERO Un ministerio de las asambleas de Dios Facultad de Ciencias Econmicas
Carrera: Contabilidad Pblica y Auditora. Modalidad: Encuentros Presenciales. Asignatura: Estadstica II. Encuentros Presenciales: 6. Turnos: Fin de semana (quincenal).
II ao FASCICULO DE ESTADISTICA II
Profesor: Franklin Briceo.
El disfrute por la matemtica, radica en no temerle de antemano Franklin Briceo
OBJETIVOS
1. Desarrollar la habilidad de traducir el lenguaje estadstico a problemas propios del perfil ocupacional de su carrera.
2. Desarrollar la habilidad de aplicar las tcnicas del muestreo y las pruebas de hiptesis como elemento fundamental en la toma de decisiones.
3. Desarrollar habilidad operativa en teora de conjuntos como herramienta indispensable para el clculo de probabilidades.
Unidad I. CALCULO DE PROBABILIDADES.
Contenido: 1. Teora de conjunto. 2. Tcnicas de conteo. 3. Espacio muestral, acontecimientos. 4. Probabilidad clsica. - Axiomas bsicos de probabilidad. - Teoremas de probabilidad. 5. Probabilidad condicional. 6. Teorema de Bayes. 7. Independencia de eventos 8. Variable aleatoria discreta y, continua. - Media, varianza y desviacin tpica de una variable aleatoria. I. TEORIA DE CONJUNTOS Conjunto: Aun cuando ste resulta ser un concepto matemtico primitivo, podemos decir que conjunto es la coleccin de seres u objetos que tienen una o ms caractersticas comunes. Ejemplos de conjuntos: Ejemplo 1. Conjunto: vocales La coleccin sera: a, e, i, o, u. La caracterstica comn es: que al pronunciar stas letras articulamos un sonido que

se produce al hablar cuando, a su paso por la laringe y la boca, el aire no encuentra algn obstculo: paladar, labios, dientes o lengua. Ejemplo 2. Conjunto: Lunas de Neptuno Coleccin: Nyade, Thalassa, Despina, Galatea, Larisa, Proteo, Tritn y Nereida. Caracterstica comn: satlites naturales que orbitan alrededor de Neptuno. Ejemplo 3. Conjunto: Apstoles de Jess Coleccin: Pedro, Andrs, Jacobo, Juan, Felipe, Bartolom, Mateo, Toms, Simn, Judas Iscariote, Santiago y Judas Tadeo. Caracterstica comn: Cada uno de los doce discpulos de Jess.
Ejercicios
Dar 5 ejemplos de conjuntos, sealando las caractersticas comunes de la coleccin de seres u objetos. Intntelo! Diga que s puede! Elementos de un conjunto: Son todos y cada uno de los seres u objetos que forman el conjunto. Nomenclatura: Los conjuntos se representan con letras maysculas y, los elementos, con letras minsculas. Se utiliza llave para encerrar los elementos de un conjunto. Ejemplo. Sean los dgitos, elementos del conjunto D. D = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9} Relacin de pertenencia: Para indicar que un elemento forma parte de un conjunto, se utiliza el smbolo , se lee: pertenece a. As, al escribir u {vocales}; se lee: u pertenece al conjunto de las vocales. Advertencia!: El smbolo , slo se utiliza en la relacin de elemento con conjunto, nunca entre elementos entre conjuntos. Para indicar que un elemento no pertenece a un conjunto, se utiliza el smbolo .
Subconjunto: Un conjunto B, es subconjunto de otro conjunto A, cuando todo elemento de B es elemento de A. Se representa B A Nota: para indicar que cierto conjunto, no es subconjunto de otro, se utiliza el smbolo . Ejemplo 1. Sean los conjuntos M = {a, b, c}, N = {a, b, c, d} M N: M es subconjunto de N. Observe que todos los elementos del conjunto M, tambin se encuentran en el conjunto N. Ejemplo 2. Sean los conjuntos V = {x/x es vocal}, A = {alfabeto} V es subconjunto de A, por que todas las vocales pertenecen al alfabeto.
Tipos de conjuntos:
Conjunto vaco: Son aquellos conjuntos que no poseen elemento alguno. Ejemplo 1. A = {satlites naturales de Mercurio} El conjunto A es vaco. El planeta Mercurio no posee satlites naturales. Ejemplo 2. B = {x N/ x < 0} Todos lo nmeros naturales son mayores que cero; por lo tanto, el conjunto B no posee ningn elemento. Observacin: Para indicar que un conjunto es vaco, se puede utilizar cualquiera de las siguientes notaciones {}. Conjunto unitario: Son aquellos conjuntos que poseen un nico elemento. Ejemplo 1. F = {satlites naturales de la Tierra} El conjunto F est compuesto por un nico elemento. Cul es ese elemento? Ejemplo 2. G = {x/x es un estado con extensin menor a 1 km2} G = {Vaticano} Conjunto infinito: Son aquellos conjuntos de los que no podemos nombrar un ltimo elemento. Cules seran los conjuntos finitos? Ejemplifique. Conjunto Universal (U): Tambin conocido como conjunto referencia o lleno, es el conjunto que contiene a todos los conjuntos que se generan de cierta situacin o circunstancia. Cualquiera de los siguientes conjuntos puede considerarse lleno, dependiendo de la situacin: 5

A = {nmeros naturales} B = {reino animal} C = {China} Cardinalidad de un conjunto : Se llama cardinalidad de un conjunto cualquiera, al nmero de elementos del conjunto. Ejemplo. B = {Amrica continental} La cardinalidad de este conjunto es n(B) = 22. Slo sealo los estados emplazados en la parte continental. Para indicar el cardinal de un conjunto utilice la letra n y entre parntesis el conjunto.
Operaciones con conjuntos:

Unin de conjuntos: Se llama unin de los conjuntos A y B, al conjunto formado por todos los elementos del conjunto A y del conjunto B. Se simboliza AB
Ejemplo 1. Encuentre la unin entre los conjuntos X = {30, 31, 32} y Y = {50, 51, 52, 53} X Y = {30, 31, 32, 50, 51, 52, 53} Ejemplo 2. A = {hmero, cbito, radio} y B = {carpo, metacarpo} A B = {esqueleto del brazo} Ejemplo 3. C = {flagelo, membrana, pared celular} y L = {ADN, ribosoma} C L = {clula procarionte} Nota: Los elementos repetidos se consideran como uno solo. Interseccin de conjuntos: Dados los conjuntos A y B, se llama interseccin de los conjuntos A y B al conjunto formado por los elementos del conjunto A que tambin pertenecen al conjunto B. Se expresa A B Ejemplos. Encuentre la interseccin entre los conjuntos:

1. M = {a, b, c, d} y N = {a, b, g, h, i} M N = {a, b} 2. T = {Afganistn, Chad, China, Nger, Sudan, Turqua} S = {Asia} S T = {Afganistn, China, Turqua} 3. K = {xN/ 2<x<7} H = {xN/ x<5} K H = {3, 4} Le toca a usted comprobar que tal interseccin es correcta. Conjunto complemento: Sea A un conjunto cualquiera y U el conjunto universo, el complemento de A ser: A = {x/xU xA} Interpretacin: El complemento del conjunto A (A), es el conjunto formado por los elementos que no pertenecen al conjunto A; pero s, al universo. Ejemplo 1. Sean los conjuntos U = {dgitos} y A = {3, 4, 5} El complemento del conjunto A, ser: A = {0, 1, 2, 6, 7, 8, 9} Como puede observarse, en el complemento, se escriben los elementos del universo; pero sin escribir los elementos del conjunto del cual se desea encontrar el complemento. Ejemplo 2. Si U = {nmeros naturales} B = {xN/ x < 100 000} El complemento del conjunto B ser: B = {xN/ x 100 000} Diferencia de conjuntos: Sean dos conjuntos cualquiera A y B, la diferencia A - B estar formada por los elementos de A que no pertenecen a B. A - B = {x/xA xB} Ejemplo1. Sean los conjuntos C = {l, m, n, , o, p, q} y D = {q, r, s}

Calculamos C - D = {l, m, n, , o, p} Observe que D - C = {r, s} Ejemplo 2. A = {1, 2, 3, 4} y B = {3, 4, 5, 6} A - B = {1, 2} Cul sera el conjunto resultante de B - A?
Propiedades de las operaciones con conjuntos

Propiedad de Idempotencia: AA=A AA=A Propiedad conmutativa: AB=BA AB=BA Propiedad asociativa: (A B) C = A (B C) (A B) C = A (B C) Propiedad distributiva: A (B C) = (A B) (A C) A (B C) = (A B) (A C) Propiedades complementarias: A A = U A A = (A) = A U = Leyes de DMorgan (A B) = A B (A B) = A B
Ejercicios
8

Jams se desanime! Usted es capaz hasta donde su propia voluntad lo permita. 1. Sabiendo que N = {nmeros naturales} Z = {nmeros enteros} Q = {nmeros racionales} E = {0, +1, +2, +3} a) b) c) d) Si x E y x N, Qu nmero debe ser x? Si x Z, debe ser verdad que x N? Si x Z, debe ser verdad que x Q? Qu tipo de conjuntos son N, Z, Q y E?, Cul su cardinalidad?
2. Dados los conjuntos: A = {1, 2, 3, 4, 5} B = {1, 2, 3} C = {4, 5, 6} D = {1, 2, 3,, 10} E = {3, 4, 5,} F={} a) b) c) d) e) f) g) h) Es B un subconjunto de A?, De C? Justifique. Cules de los conjuntos dados son finitos? Justifique. Enumerar los elementos de A B. Qu conjunto es B C? Es F un subconjunto de C? Justifique. Puede, la unin de dos conjuntos no vacos, ser un conjunto vaco?Justifique. 4 A? Es cierto que 2 E? Cul es el cardinal de F? Y de E?
3. Dados los conjuntos: A = {1, 2, 3, 4} B = {5, 6, 7, 8} C = {1, 2, 3,, 20} D = {2, 4, 6,} E={} F = {5, 8, 7, 6} a) b) c) d) Cules de los conjuntos son infinitos? Cul es la cardinalidad del conjunto B? En E? Mencionar la caracterstica comn de los elementos del conjunto D? Nombrar los 4 elementos mayores del conjunto C. 9

4. Si U = {a, b, c, d, e, f, g, h, i, j}; A = {c, d, e, f} Determine los siguientes conjuntos: a) A B b) A B c) A B d) A B e) (A B) 5. Si U = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13} A = {2, 3, 4, 5, 6, 7} B = {5, 6, 7, 8} C = {6, 7, 8, 9, 10} Encuentre: a) A B C b) A B C c) A (B C) d) A (B C) 6. Si U = {a, b, c, d, e, f, g, h, i, j, k, l, m, n, p, q, r, s} M = {b, c, d, e, f, g, h, i} N = {f, g, h, i, j, k, l, m} P = {e, f, i, e, m, n, p, q} Q = {d, e, f, g, m, n, p, r} Encuentre: a) (M N) (P Q) b) (M N) (P Q) c) (M N) (P Q) d) (M N) (P Q) 7. Dado los conjuntos U = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10} F = {3, 2, 1, 5, 7} G = {2, 4, 6, 8, 10} H = {3, 4, 5, 6, 7, 8, 2, 9} Calcule: a) F - G 10 y B = {e, f, g, h, i} f) g) h) i) j) A AU A B A B (A B)

b) c) d) e) H-F H-U U-F G II. TECNICAS DE CONTEO
Tcnica 1. Es posible que tengamos n eventos en un experimento y que tal experimento

se repita k veces; el nmero de posibles resultados ser:
nk
Ejemplo 1. Supongamos que una moneda (cinco, escudo) se ha lanzado al aire 10 veces. Calculemos el nmero de diferentes resultados que podemos obtener. Solucin: Existen dos posibles eventos en un lanzamiento, que la moneda caiga escudo o cinco. Como el experimento se repite 10 veces, el nmero de resultados posibles es:
210 = 1024
Ejemplo 2. Si un dado se lanza dos veces. Cuntos posibles resultados existen? Solucin: Hay seis posibles eventos en el lanzamiento de un dado y, el experimento se repite dos veces; as, el nmero de posibles resultados es:
62 = 36
Esto lo podemos observar al realizar un diagrama de rbol.
Tcnica 2. Si hay n1 eventos del primer intento, n2 eventos del segundo intento, ni eventos
del i-simo intento, entonces el nmero de resultados posibles es:
n n
1
ni
Ejemplo 1. Un urbanista de una nueva subdivisin ofrece a los interesados en la primera compra de una casa la posibilidad de seleccionar el estilo de la fachada entre Tudor (semejante al gtico), Rstico, Colonial y Tradicional y; una sola planta, dos plantas o desnivel. De cuntas maneras diferentes puede, un comprador, ordenar una de estas casas?
11

Solucin: Sea n1: los posibles estilos de la fachada. n2: las posibles plantas que tendr la casa. As, el comprador puede escoger de 12 maneras diferentes una de estas casas, por que: n1 n2 = 4 3 = 12 Al igual que en el caso anterior podemos utilizar el diagrama de rbol para verificar. Ejemplo 2. Una oficina estatal de vehculos automotores deseara saber de cuntos nmeros de placa se dispondran, si la placa consistiera en tres letras seguidas de tres dgitos. Solucin: Como la placa contiene letras, cada lugar que ocupa una letra tiene 27 posibles resultados (en el alfabeto castellano). La placa tendr dgitos; por lo tanto, cada uno tiene diez posibilidades. Por lo tanto, el nmero de placas sera: 27 27 27 10 10 10 = 19 683 000
Tcnica 3. El nmero de formas en que se pueden ordenar n objetos es n!, mejor

conocido como n factorial. Ejemplo 1. Encuentre el nmero de formas en que se pueden ordenar las cuatro letras a, b, c, d. Solucin: Intentemos hacerlo empricamente abcd bacd abdc badc acbd bcad acdb bcda adbc bdac adcb bdca
cabd cadb cbad cbda cdab cdba
dabc dacb dcab dcba dbac dbca
Lo cual resulta tambin al calcular usando el factorial 4! = 4 3 2 1 = 24
Tcnica 4. El nmero de formas en que podemos ordenar r objetos seleccionados de n

objetos (sin repeticiones), es:
n
Pr = n! / (n -r)!
12

A P se le conoce como permutacin. n y r representan el cardinal del conjunto universo y del subconjunto, respectivamente. Cuando hay repeticin se utiliza la expresin nPr = nr La permutacin nos permite calcular el nmero de maneras en que cierto subconjunto puede ordenarse.
Suponga que queremos ordenar dos de las cinco vocales, sin repeticin. Los resultados son: ae ea ia oa ai ei ie oe ao eo io oi au eu iu ou ua ue ui uo Realice usted el clculo correspondiente y observar que tambin obtiene 20 formas de ordenar. Ahora, suponga que deseamos ordenar dos de las cinco vocales, con repeticin; los resultados son: aa ae ai ao au uu ua ue ui uo Usando la frmula de la permutacin, cuando existen repeticiones, nos arrojara el mismo resultado: 25 maneras de ordenar. Ejemplo 1. De cuntas formas diferentes se pueden realizar una primera, segunda, tercera o cuarta seleccin entre 12 empresas arrendadoras de equipos para construccin? ee ea ei eo eu ii ia ie io iu oo oa oe oi ou
13

Solucin: Las doce empresas representan el conjunto universo del cual se seleccionar un subconjunto formado por cuatro empresas. Por lo tanto n = 12
12
r=4
P4 = 12! / (12 - 4)! = 12! / 8! = 11 880
Ejemplo 2. Un mecanismo electrnico de control requiere de 5 chips de memoria idnticos. De cuntas maneras puede ensamblarse este mecanismo colocando los cinco chips en las cinco posiciones del controlador. Solucin: Como podemos ver n = 5 y r = 5 Por tanto, 5P5 = 5! / (5 - 5)! = 120 La moraleja de este ejemplo es que el factorial de cero, es uno (0! = 1).
Tcnica 5. El nmero de formas para seleccionar r objetos -sin considerar el ordenentre n objetos (sin repeticin), es:
n
Cr = n! / [(n - r)!r!]
A C se le conoce como combinacin. n y r, tienen el mismo significado descrito anteriormente. Cuando hay repeticiones se utiliza la expresin C = (n+1)!/{[(n+1) - r]!r!} Suponga que se desea seleccionar dos de las cinco vocales, sin repeticin. Los resultados sern: ae ai ei ao eo io au eu iu ou
Utilice usted la frmula para verificar que slo hay diez maneras de seleccionar. Ahora, suponga que seleccionamos dos de las cinco vocales, con repeticin. Los resultados se presentan a continuacin: aa ae ai ao au 14

ee ei ii eo io oo eu iu ou uu
Ejemplo 1. De cuntas maneras diferentes pueden seleccionarse 3 de 20 asistentes de contabilidad para colaborar en una auditora? Solucin: Para n = 20 y r=3
20
C3 = 20! / (3!(20 - 3)!) = 1140 El 1140 representa el nmero total de maneras en las que se pueden seleccionar los ayudantes de contabilidad, sin importar el orden en el cual se haga la seleccin. Ejemplo 2. Se precisa la realizacin de un estudio de eficiencia para probar si los libros contables de 15 instituciones estatales estn bien ordenados, completos y tienen los elementos requeridos por hacienda. De cuntas maneras pueden seleccionarse 5 de las 15 instituciones, para la investigacin? Solucin: n = 15 y r=5
15
C5 = 15! / (5!10!) = 3003
Ejercicios
Nadie dijo que esto sera totalmente fcil, pero cules son las cosas fciles de la vida? A continuar con la lucha! 1. Entre 7 personas, de cuntos modos puede seleccionarse un comit de 4 personas? 2. Cuntos nmeros distintos de 4 cifras (sin repeticiones) se pueden formar con los nmeros 1, 2, 3, 4, 5, 6, 7, 8, 9? Con repeticiones? 3. Se lanza un dado 4 veces. Cuntos posibles resultados existen? 4. De cuntas formas se pueden ordenar los caracteres del alfabeto britnico? 5. De cuntas maneras se pueden ordenar los nombres de los compaeros de clase? 6. Cuntas combinaciones (con repeticiones) distintas de 3 cifras se pueden formar con los nmeros 4, 5, 6, 7, 8 y 9?
15

Nos aproximamos a la parte medular de este curso; hasta el momento, lo que hemos hecho es recordar algunas herramientas necesarias para el clculo de probabilidades. A partir de ahora, todos estos recursos sern utilizados para tal fin.
III. ESPACIO MUESTRAL Y ACONTECIMIENTOS
Espacio muestral:
Es la coleccin de todos los posibles resultados de un experimento aleatorio y lo denotaremos por S. Este se puede representar de lista o diagrama de rbol. Suceso o eventos: Es cualquier subconjunto del espacio muestral S. Se dice que ha ocurrido el suceso A cuando al efectuar una prueba del experimento aleatorio obtenemos como resultado uno de los puntos muestrales que componen el suceso A. En caso contrario diremos que no se presenta el evento A. Ejemplo 1. Si se lanza un dado al aire, los resultados que pueden obtenerse son: 1, 2, 3, 4, 5 y 6. Luego el espacio muestral es S = {1, 2, 3, 4, 5, 6} De este espacio muestral podemos extraer algunos sucesos: El suceso, caer un nmero par, es: A = {2, 4, 6} El suceso, caer un nmero impar, es B = {1, 3, 5} El evento, caer mltiplo de tres, es C = {3, 6} Ejemplo 2. El espacio muestral asociado al experimento aleatorio de lanzar una moneda de un crdoba, es: S = {e, 1}. De este espacio muestral, son sucesos todos los subconjuntos de S; es decir: , {e}, {1}, s. Sucesos simples: Es el formado por un slo punto muestral (un valor posible del experimento). Ejemplo. Sea el espacio muestral S = {1, 2, 3, 4, 5, 6} Los sucesos simples seran A = {1}, B = {2}, etc. Sucesos compuestos: Son los sucesos formados por dos ms puntos muestrales.
16

Ejemplo. Suponiendo el mismo espacio muestral anterior. Los sucesos compuestos podran ser H = {2, 4, 6}, G = {1, 3, 5}, etc. IV. PROBABILIDAD CLASICA En el curso de estadstica anterior analizbamos la frecuencia relativa, cuando pensamos en lanzar una moneda de un crdoba al aire, fcilmente pensamos de forma intuitiva que la probabilidad de que caiga escudo es , lo cual representa una frecuencia relativa. Pero es probable que usted realice tres lanzamientos de la moneda y en ninguno de los casos caiga escudo. Ahora bien, que tal si hacemos una inmensurable cantidad de lanzamientos, esto permitira observar que la frecuencia relativa de este suceso se aproxima a un medio. Este ejemplo nos da pie para definir el concepto de probabilidad. La probabilidad es el lmite de la frecuencia relativa. Si el suceso de que la moneda caiga escudo lo denotamos por A, la expresin de la probabilidad estara dada por P(A) = lim
n(S)
n(A) / n(S)
n(S) es el nmero total de veces que se repite el experimento (cardinalidad del espacio muestral). n(A) es el nmero de veces que aparece el resultado (cardinalidad del evento). n(A)/n(S) es la frecuencia relativa. Axiomas de probabilidad: 1. P(S) = 1 Este axioma dice que si un suceso ocurre con certeza, entonces la probabilidad de ese suceso es uno. 2. 0 P(A) 1 Este axioma nos indica que la probabilidad de cualquier suceso nunca es negativa. 3. P() = 0 Este axioma se refiere a que si un suceso es imposible, su probabilidad es cero. 4. P(X1) + P(X2) + P(X3) + + P(Xi) = 1 Este axioma nos dice que cuando los eventos son igualmente verosmiles, la suma de las probabilidades es 1. Propiedades de las probabilidades: 1. P(A) = 1 - P(A) La probabilidad de que no ocurra un evento; es igual a 1, menos la probabilidad de que ste ocurra. 2. Si A y B son dos sucesos mutuamente excluyentes, entonces 17

P(A B) = P(A) + P(B) 3. Si A y B son dos eventos cualquiera de un espacio muestral S, entonces P(A B) = P(A) + P(B) - P(A B) Eventos mutuamente excluyentes: Es cuando los eventos no ocurren simultneamente; es decir, no existe interseccin entre ellos. Ejemplos de clculo de probabilidades 1. Calcule la probabilidad de obtener un nmero impar al lanzar un dado. Sea A, el evento en que al lanzar al aire un dado ste cae un nmero impar P(A) = 3 / 6 = 0.5 Esto lo interpretamos como la probabilidad de obtener un nmero impar al lanzar un dado es del 50%. 2. Calcule la probabilidad de que sea rey una carta sacada de un juego de naipes. Sea B, el evento donde se saca un rey. Utilizando el concepto de probabilidad P(B) = 4 / 52 La probabilidad de sacar rey en una baraja es, aproximadamente, del 7.7% 3. Cul es la probabilidad de que usted se case el prximo mes? A esta situacin no se le puede aplicar la definicin anterior, por que sta, solamente se aplica cuando el espacio muestral est bien definido. Ahora calculemos probabilidades utilizando las propiedades 4. Se sabe que entre 360 profesores de primaria que estudian en la Facultad de Humanidades (UNAN), hay 60 que estudian Biologa (B), 200 que estudian Pedagoga (G) y 20 que estudian ambas licenciaturas. Determine la probabilidad de que uno de los escogidos al azar estudie: a. Biologa Pedagoga. b. No estudie ambas licenciaturas simultneamente. Solucin: a. De la definicin clsica de probabilidad P(B) = 60/360, P(G) = 200/360 y P(B G) = 20/360. As, P(B G) = P(B) + P(G) - P(B G) = 60/360 + 200/360 - 20/360 = 2/3 Por lo tanto, la probabilidad de que un profesor de primaria estudie licenciatura en Biologa o Pedagoga es de aproximadamente el 67%. 18

b. Para dar respuesta a este inciso, simplemente hacemos uso de otra propiedad P(B G) = 1 - P(B G) = 1 - 20/360 = 17/18 Por lo que concluimos que la probabilidad de que un estudiante escogido al azar no estudie ambas licenciaturas a la vez, ronda los 94.4%. 5. Si la probabilidad de ocurrencia de un evento A es de 0.3, la probabilidad de B es de 0.4 y, si A y B son eventos mutuamente excluyentes. Calcule las siguientes probabilidades: a. P(A) b. P(B) c. P(A B) d. P(A B) Solucin: a. P(A) = 1 - 0,3 = 0.7 Esto quiere decir que existe el 70% de probabilidad de que no ocurra A. b. P(B) = 1 - 0.4 = 0.6 Qu interpretacin podemos darle a este resultado? c. P(A B) = 0.3 + 0.4 = 0.7 La probabilidad de que uno de los eventos ocurra, es del 70% d. Como son dos eventos mutuamente excluyentes, la interseccin es vaca y; por lo tanto, la probabilidad de dicha interseccin es cero. 3. Si las probabilidades son, respectivamente: 0.86, 0.35 y 0.29 de que una familia elegida al azar para realizar un estudio de muestreo de un rea metropolitana grande, tendr un televisor a color, uno en blanco y negro ambos. Cul es la probabilidad de que esta familia poseer uno u otro tipo de televisor? Solucin: Sea A: que la familia posea un televisor a color. B: que la familia posea un televisor blanco y negro. As, P(A) = 0.86, P(B) = 0.35 y P(A B)
P(A B) = P(A) + P(B) - P(A B) = 0.86 + 0.35 - 0.29 = 0.92
19
El disfrute por la matemtica, radica en no temerle de antemano Franklin Briceo Ejercicios

Si alcanz llegar hasta la Universidad, no puede ser posible que usted se diga a s mismo: Yo no puedo con la Matemtica, es muy difcil. Claro que puede con la, maravillosa y extraordinariamente til, Matemtica! 1. Se lanzan dos dados. a. Describir el espacio muestral. b. Sea A, el evento donde la suma de los nmeros obtenidos sea mayor que 5. Calcular P(A). c. Sea M, el evento donde xi = yi. calcular P(M). d. Calcular la probabilidad de que el nmero en el segundo dado sea par. e. Calcular la probabilidad de que la suma de los dos nmeros obtenidos sea impar. 2. Una fabrica produce botellas en una lnea de produccin con tres mquinas A, B y C. Si de un lote de 278 botellas, 95 fueron producidas por la mquina A, 80 por la mquina B y 103 por la mquina C. Si se extrae una botella aleatoriamente de este lote, describa los eventos siguientes y encuentre la probabilidad. a. Que la botella haya sido producida por la mquina C. b. Que la botella haya sido producida por la mquina A o B. 3. Si A y B son eventos mutuamente excluyentes, P(A) = 0.37 y P(B) = 0.44. Determine: a. P(A) b. P(B) c. P(A B) d. P(A B) e. P(A B) 4. Un hombre, con los ojos vendados, tiene que extraer dos fichas de una urna que contiene 5 fichas rojas, 4 blancas y 1 negra. Suponga que el reemplaza la primera ficha antes de extraer la segunda. Cul es la probabilidad de que ambas fichas sean del mismo color? y sin reemplazo? 5. Suponga que se arroja una moneda de un crdoba (escudo e, y uno u) 3 veces, de forma deshonesta, de modo que a la larga se observan las siguientes frecuencias relativas: E P(E) eee 0.15 eeu 0.10 eue 0.10 euu 0.15 uee 0.15 ueu 0.10 uue 0.10 uuu 0.15 Suponga que estamos interesados en los siguientes eventos: G: menos de dos escudos. 20

H: todas las monedas caen lo mismo. K: menos de dos unos. L: al menos una cae diferente. Encuentre las siguientes probabilidades: a. P(G) b. P(H) c. P(G H) d. P(G H) e. P(K L) f. Siguen siendo vlidas las propiedades de probabilidad? 6. Al planificar una familia de 4 nios. a. Cul es la probabilidad de por lo menos un varn? b. Cul es la probabilidad de a lo sumo 3 nias? V. PROBABILIDAD CONDICIONAL
Probabilidad condicional:
La probabilidad condicional de un evento A ya que ha ocurrido un evento B, se define de la siguiente forma: P(A/B) = P(A B) / P(B) P(B) 0 Regla de la multiplicacin: A menudo la expresin anterior se utiliza en una versin un poco distinta y se le conoce como regla general de la multiplicacin. P(A B) = P(B) P(A/B) Ejemplo 1. Sean A y B sucesos tales que P(A) = 1/2, P(B) = 1/3 y P(A B) = 1/4 Encuentre P(A/B) y P(B/A). Solucin: De la definicin de probabilidad condicional, vemos que: P(A/B) = 1/4 1/3 = Esto significa que la probabilidad de que ocurra el suceso A dado que el suceso B ya ocurri, es del 75%. Ahora, la probabilidad de que ocurra B dado que ya ocurri A, es: P(B/A) = = 1/2 Lo cual muestra una probabilidad del 50%. Ejemplo 2.
21

Un contador, sabe por experiencias pasadas, que la probabilidad de equivocarse en una cuenta T es del 40%; Pero, la probabilidad de que entregue a tiempo su informe dado que se ha equivocado es del 60%. Suponga que al individuo le toca entregar un informe de contabilidad Cul es la probabilidad de que se equivoque y entregue a tiempo su informe? Solucin: Sea R: El contador se equivoca en una cuenta T. D: El contador entrega a tiempo su informe contable. As, P(R) = 0.40 y P(D/R) = 0.60 A partir de la regla de la multiplicacin P(D R) = P(R) P(D/R) P(D R) = 0.4 0.6 = 0.24
Ejercicios
Hay hombres que luchan un da y son buenos, hay otros que luchan un ao y son mejores, hay quienes luchan muchos aos y son muy buenos; pero hay los que luchan toda la vida esos son los imprescindibles! 1. Una organizacin de investigacin del consumidor ha estudiado los servicios dentro del periodo de garanta que ofrecen los 50 distribuidores de automviles nuevos en cierta ciudad y sus hallazgos se resumen a continuacin:
Tiempo en el negocio Brindan un buen servicio dentro del perodo de garanta. Dan mal servicio dentro del periodo de garanta
10 a ms aos en negocio Menos de 10 aos en el negocio
16 10
4 20
Si una persona selecciona aleatoriamente uno de los distribuidores de autos nuevos. Cul es la probabilidad de que a. elegir uno que ofrezca un buen servicio de garanta? b. encuentre alguno que ofrezca un buen servicio de garanta, dado que ha estado en el negocio por ms de 9 aos? c. obtenga un mal servicio en el perodo de garanta, dado que el distribuidor tiene menos de 10 aos en el negocio? d. elija uno que brinde un buen servicio de garanta y tenga menos de 10 aos en el negocio? 2. Si la probabilidad de que un sistema de comunicacin tenga alta fidelidad es 0.81 y la probabilidad de que tenga alta fidelidad y alta selectividad es 0.18. Cul es la probabilidad de que un sistema tenga alta selectividad dado que tiene alta fidelidad
22

3. En un estudio reciente se les pregunt a 670 personas de USA qu medio de transporte utilizaban para llegar a su centro de trabajo. Los resultados se resumen en la siguiente tabla. Medio de transporte Automvil Transporte pblico Urbano 400 50 Rural 200 20
Al seleccionar una de las personas al azar. Cul es la probabilidad de qu: a. use automvil, dado que es del rea rural? b. use transporte pblico, dado que es citadino? 4. Una casa vendedora de ropa mediante pedidos por correo, comercializa dos lneas de produccin, una relativamente cara y otra econmica. Un registro de 1000 pedidos produjo la frecuencia de los pedidos por lneas de productos y por el sexo de los clientes, como se detalla en la tabla siguiente. Suponga que se selecciona uno solo de los pedidos. Calcular la probabilidad de que: a. el consumidor sea mujer? b. el pedido sea para la lnea de produccin 1 y que el consumidor sea mujer? c. el consumidor sea hombre o el pedido sea para la lnea 2? 5. En una encuesta de mercadeo para un gran almacn, se clasific a los clientes de la tienda segn el sexo y su residencia, la informacin se resume en la siguiente tabla: Residencia Suburbio Se selecciona un consumidor Masculino 170 40 al azar. Encuentre Femenino 70 120 probabilidad de
la
que:
a. el consumidor resida en la ciudad o sea mujer? b. el consumidor resida en los suburbios o sea hombre? c. sea citadino dado que es mujer? 6. Se extrae dos cartas de un mazo comn. Cul es la probabilidad de que: a. ambas sean ases? b. las dos sea ases negros? c. ambas sean cartas altas (as, rey, reina, jota y diez)? Sugerencia: Utilice la regla de la multiplicacin. Adems, tome en cuenta (en el primer inciso) que la segunda as est condicionada por que ya se sac una as. Si logra hacer el primer inciso, el resto tiene un tratamiento similar.
23

7. Un embarque de 10 focos contiene 2 defectuosos. Si se escogen al azar los focos, cul es la probabilidad de que: a. los dos primeros sean buenos? b. el primer foco defectuoso se extraiga en tercer lugar? c. el primer foco defectuoso no se extraiga sino hasta el sexto intento? Sugerencia: Utilice la regla de la multiplicacin. Usted debe ir analizando un foco a la vez. 8. Se realiz una encuesta a estudiantes de licenciaturas en cierta universidad, se les pregunt sobre el rea de principal inters para ellos y la informacin obtenida se resume a continuacin Sexo Hombre Mujer Contabilidad 100 100 Psicologa 150 50 Enfermera 50 50
a. Cul es la probabilidad de seleccionar a alguien que tenga como rea de inters enfermera, dado que es mujer? b. Cul es la probabilidad de seleccionar a un estudiante cuya rea de inters sea Psicologa, dado que es hombre? c. Cul es la probabilidad de que sea hombre o tenga como rea de inters Contabilidad? d. Cul es la probabilidad de que sea mujer y sea de Psicologa?
VI. TEOREMA DE BAYES Teorema de Bayes. El teorema de Bayes permite calcular la probabilidad de un evento A i cualquiera, perteneciente a una familia de eventos exhaustivos y mutuamente excluyentes, si sabemos que ha ocurrido un evento B del espacio muestral. Siempre que P(Ai) y P(B/Ai) sean conocidos. Este teorema se expresa P(Ai/B) = P(B/Ai) P(Ai)
P(B/A ) P(A )
i i
La expresin P(B/Ai) P(Ai) se conoce como el teorema de probabilidad total. Ejemplos 1. En una universidad de la capital, en que slo hay estudiantes de arquitectura, ciencias y letras; terminan la carrera, el 5% de arquitectura, el 10% de ciencias y el 20% de letras. Se sabe que el 20% estudian arquitectura, el 30% ciencias y el 50% letras. Eligiendo un estudiante al azar, hallar lo siguiente: 24

a. La probabilidad de que sea de arquitectura y haya terminado la carrera. b. Ha terminado la carrera. Cul es la probabilidad de que sea de arquitectura? Solucin: Sea A: Estudiante de arquitectura. C: Estudiante de ciencias. L: Estudiante de letras. T: El suceso el estudiante ha terminado la carrera. As, P(A) = 0.20, P(T/L) = 0.20. P(C) = 0.30, P(L) = 0.50, P(T/A) = 0.05, P(T/C) = 0.10 y
a. Podemos dar respuesta al inciso a este inciso utilizando la regla de la multiplicacin; es decir P(A T) = P(A) P(T/A) = (0,20)(0.05) = 0.01 Esto implica que la probabilidad de que el estudiante escogido sea de arquitectura y haya terminado la carrera, es del 1%. b. Para calcular la probabilidad establecida utilizamos el teorema de Bayes P(A/T) = . P(T/A) P(A) . P(T/A) P(A) + P(T/C) P(C) + P(T/L) P(L) P(A/T) = 0.05 0.2 / (0.05 0.2 + 0.1 0.3 + 0.2 0.5) = 1/14. Cul es el significado de dicho clculo? Ejemplo 2. A medida que ciertos artculos llegan al final de una lnea de produccin, un inspector elige aquellos que sern sometidos a una inspeccin completa. 10% de todos los artculos producidos son defectuosos. Sesenta por ciento de todos los artculos defectuosos y 20% de todos los artculos buenos son sometidos a una inspeccin completa. Dado que un artculo es sometido a una inspeccin completa, cul es la probabilidad de que sea defectuoso? Solucin: Sea D: El artculo producido es defectuoso. D; El artculo producido no es defectuoso. I: El artculo es sometido a una inspeccin completa. As, P(D) = 0.10, P(D) = 0.90, P(I/D) = 0.60 y P(I/D) = 0.20
Como se pide calcular P(D/I)
25

P(D/I) = . P(I/D) P(D) . P(I/D) P(D) + P(I/D) P(D) Sustituyendo valores en la expresin: P(D/I) = 0.6 0.1 / (0.6 0.1 + 0.2 0.9) = 0.25 Por tanto, se sabe que de todos aquellos artculos que recibieron una inspeccin completa, el 25% de estos artculos es defectuoso. 3. El gerente de mercadeo de una firma fabricante de juguetes, planea la introduccin de un nuevo juguete al mercado. En el pasado, 40% de los juguetes introducidos por esta firma han tenido xito y 60% no lo han tenido. Antes de lanzar el juguete al mercado, se lleva a cabo una investigacin y se elabora un informe, favorable o desfavorable. En el pasado, 80% de los juguetes con xito tambin recibieron informes favorables y 30% de los juguetes sin xito tambin recibieron informes favorables. El gerente de mercadeo quera conocer la probabilidad de que el nuevo juguete tendr xito si recibe un informe favorable. Solucin: Sea A: Los juguetes con xito. A: Juguetes sin xito. B: Juguetes que recibieron informes favorables. B: Juguetes con informes desfavorables. Agrupando la informacin expresada en el problema P(A) = 0.40, P(A) = 0.60, P(B/A) = 0.80 y P(B/A) Del teorema de probabilidad total P(B/A) P(A) + P(B/A) P(A) = 0.8 0.4 + 0.3 0.6 = 0.5 Del teorema de Bayes P(A/B) = 0.8 0.4 / 0.5 = 0.64 La probabilidad con que cuenta el gerente, la cual quera conocer, para lanzar el nuevo juguete al mercado es de 0.64. Esto implica que el juguete tiene el 64% de posibilidad de tener xito si recibe un informe favorable.
Ejercicios
Es probable que se sienta agotado(a) y no desee avanzar ms, reglese la oportunidad de alcanzar la cima, aun cuando parece no poder ms!
26

1. Los miembros de una firma de consultora rentan automviles en tres agencias: 60% de la agencia 1; el 30% de la agencia 2; y el 10% de la agencia 3. Si el 9% de los vehculos de la agencia 1 necesitan afinacin, el 20% de las unidades de la agencia 2 necesitan tambin afinacin y el tres por ciento de los autos de la agencia 3 necesitan asimismo afinacin. Encuentre la probabilidad: a. De que un automvil rentado a la firma necesitar afinacin. b. Si el automvil rentado a la firma necesita afinacin. Cul es la probabilidad de que este vehculo provino de la agencia 2? 2. Dos fbricas producen lmparas elctricas. La primera proporciona el 70% de la produccin total y la segunda el 30%; por otra parte, se sabe que el 83% de las lmparas suministradas por la primera fbrica se ajusta a las normas establecidas, mientras que slo el 63 % de las producidas por la segunda fbrica se ajustan a las normas establecidas. a. Encuentre la probabilidad de que las lmparas entregadas a un consumidor se ajusten a las normas establecidas. b. Encontrar la probabilidad de que una lmpara haya sido producida por la primera fbrica, si se sabe que se ajusta a las normas. 3. El director de publicaciones de una editorial de libros, trata decidir si se debe publicar un nuevo texto de Estadstica para Psicologa. Los libros anteriores indican que 10% son grandes xitos, 20% tienen un xito moderado, 40% apenas cubren los costos y 30% producen prdidas. No obstante, antes de tomar una decisin para publicarlo, se someter la obra a una revisin de crticos. En el pasado, 99% de los grandes xitos recibieron crticas favorables; 70% de los xitos moderados recibieron crticas favorables y, 40% de los que apenas cubrieron los costos recibieron crticas favorables y 20% de los que produjeron prdidas recibieron crticas favorables. a. Cul es la probabilidad de que el libro tenga una crtica favorable? b. Si el texto recibe una crtica favorable, cmo debe el director de publicaciones revisar las probabilidades de los diversos resultados para tener en cuenta esta informacin? 4. Un joyero compra relojes a dos casas proveedoras. La primera le sirve el 60% de los relojes, de los cuales el 0.4% son defectuosos; la segunda le proporciona el resto, siendo defectuosos el 1.5%. Un da el joyero, al vender un reloj, observa que este no funciona. Hallar la probabilidad de que el reloj proceda de la primera casa proveedora. 5. Un escritorio es producido en tres diferentes fbricas: F 1, F2 y F3, a razn de 100, 140 y 160 unidades diarias. Adems, se sabe que un 30%, 45% y 20% de las cantidades producidas son para exportar, respectivamente. a. Si se elige un escritorio al azar, qu probabilidad hay de que sea para exportacin? b. Qu probabilidad hay de que lo haya fabricado F1?
27

6. El volumen de produccin de tres plantas diferentes de una fbrica es de 500 unidades en la primera, 1000 unidades en la segunda y 2000 unidades en la tercera. Sabiendo que el porcentaje de unidades defectuosas producidas en cada planta es de 1%, 0.8% y 2%, respectivamente. Calcular la probabilidad de que al seleccionar una unidad al azar, sea defectuosa. 7. Suponga que en una poblacin de trabajadores el 40% son graduados de escuela primaria, 50% de secundaria y 10% de la Universidad. Entre los trabajadores que tienen educacin primaria, hay un 5% de desempleo; y entre los que tienen educacin secundaria, un 2%. 0.1% para los profesionales. Si se elige un trabajador al azar y se encuentra que es un desempleado, cul es la probabilidad de que hubiera terminado sus estudios secundarios? VII. INDEPENDENCIA DE EVENTOS Independencia de eventos: Se dice que un evento F es estadsticamente independiente de un evento E si slo si p(F/E) = p(F). Esto quiere decir que el conocimiento de E no modifica de ninguna forma la probabilidad de F. A continuacin, desarrollamos las consecuencias de la independencia de F con respecto a E. De la regla de la multiplicacin p(E F) = p(E) p(F/E) Cuando sustituimos lo dicho en la definicin, se obtiene Para sucesos independientes p(E F) = p(E) p(F) Esto implica a su vez P(E) = p(E F)/p(F) Es decir p(E/F) = p(E) Ntese que utilizamos la frase independencia estadstica, a fin de distinguirla de otras formas de independencia: Filosfica, lgica, etc. Ahora que comprendemos la independencia estadstica y que hay acuerdo sobre el hecho de que es la nica especie de
28

independencia que se considerar, no hay peligro de confusin si omitimos la palabra estadstica.
Ejercicios
1. Se arrojan honestamente tres monedas de un crdoba y se define: A: las dos primeras son escudo. B: la ltima moneda es escudo. C: las tres monedas salen escudo. a. Son A y B, independientes? Justifique. b. Son A y C, independientes? Justifique. c. Calcule p(A B) 2. Cierto mecanismo electrnico tiene dos luces y conoce que se encienden o se apagan con las siguientes frecuencias relativas a largo plazo: Luz 2 Si No Luz 1 Si 0.15 0.45 No 0.10 0.30 Por ejemplo, esa tabla significa que ambas luces estaban simultneamente apagadas en un 30% del tiempo. a. Encuentre la probabilidad de ambas luces estn encendidas. b. Encuentre la probabilidad de que luz 1 est encendida y luz 2 apagana.
VIII. VARIABLES ALEATORIAS
Variable aleatoria discreta

En el caso de la planificacin de una familia de 3 nios, suponga que la pareja se interesa fundamentalmente por el nmero de varones. Este es un ejemplo de variable aleatoria discreta y se acostumbra representarla con letra mayscula X: el nmero de varones. Nota: Elabore una tabla de todos los resultados posibles que resultan en la planificacin de una familia de 3 nios. Usted entender que los valores posibles de X son: 0 (ningn varn), 1 (un varn), 2 (dos varones) y 3 (tres varones); sin embargo, no son igualmente probables. A efecto de 29

determinar sus respectivas probabilidades, es necesario examinar el espacio de muestra original, as Tabla de distribucin de probabilidades X P(X) 0 1/8 1 3/8 2 3/8 3 1/8 Podemos ahora inferir el concepto de variable aleatoria discreta Variable aleatoria: Es una funcin con valores numricos y definida sobre un espacio muestral. Variable aleatoria discreta: Es aquella variable aleatoria que adopta slo valores claramente separados, especificados por su distribucin de probabilidades . Esta distribucin de probabilidad p(x) - considere que X = x, donde x es cada valor que adquiere X- tambin puede representarse por medio de cualquiera de las 3 formas habituales usadas para representar una funcin: En forma de tabla, como la anterior En forma de diagrama. Mediante frmula.
La utilidad de la variable aleatoria es que el espacio muestral original se reduce a un espacio muestral ms pequeo y conveniente, de naturaleza numrica. Adems, el espacio de muestra original se introduce para permitir el clculo de la distribucin de probabilidades para el nuevo espacio; una vez cumplido este objetivo, se olvida el antiguo espacio difcil de manejar. Por lo tanto, es fcil responder a las interrogantes relativas a este nuevo espacio. Importante: Todos los teoremas acerca de variables aleatorias discretas son igualmente vlidos para variables aleatorias continuas, donde las integrales reemplazan a la suma. Para evitar una duplicacin onerosa, solamente trato lo concerniente a la variable aleatoria discreta. Por ejemplo: Cul es la probabilidad de un varn o menos? Para responder a esta interrogante, simplemente sumamos las probabilidades que hay en el nuevo espacio muestral, es decir: P(X 1) = p(0) + p(1) = 1/8 + 3/8 = 1/2 Si se hubiera utilizado el espacio muestral original, tambin se podramos haber encontrado la respuesta; pero sera ms difcil encontrarla. Intente usted alcanzar el mismo resultado, utilizando el espacio muestral original. 30
Media, Varianza y desviacin tpica de una variable aleatoria discreta . A la media x, la varianza S2 y la desviacin tpica S de la muestra se pueden calcular a partir de la distribucin de frecuencias. Es natural que se calculen los valores anlogos a partir de la distribucin de probabilidad y que se denominen media , varianza 2 y desviacin tpica de la distribucin de la probabilidad p(x), o de la variable aleatoria X misma. Incluso, se las puede llamar , 2 y , de la poblacin. Media de poblacin = x p(x)
Varianza 2 = (x - )2 p(x) El clculo de la varianza puede simplificarse mediante la expresin 2 = x2 p(x) - 2 Ejemplo. Dada la siguiente distribucin de probabilidad. Calcule su media y varianza poblacional. x P(x) 1 1/10 2 2/10 3 3/10 4 4/10 Solucin: Construimos una tabla para facilitar la observacin de los clculos x p(x) x p(x) (x - )2 1 2 3 4 1/10 2/10 3/10 4/10 1 1/10 4/10 9/10 16/10 3 4 1 0 1
(x - )2 p(x) 4/10 2/10 0 4/10 1
Por lo tanto, podemos ver que = 3 y 2 = 1
Ejercicios
nimo! No es el momento de flaquear. 1. A un importador le ofrecen un cargamento de mquinas por C$ 140 000 y las probabilidades de que las venda en C$ 180 000, C$ 170 000, o C$ 150 000 son: 0.32, 0.55 31

y 0.13, respectivamente. Cul es la utilidad esperada y la desviacin estndar del importador? 2. Un propietario y gerente de una empresa restaurantera ofrece repeticiones gratis en todos los servicios de caf. Reuni la siguiente informacin a cerca del nmero de repeticiones Repeticiones 0 1 2 3 Porcentajes 30 40 20 10
a. Cul es la cantidad media para el nmero de repeticiones? b. Determine la desviacin estndar. 3. El director de admisin de una universidad, estim, como sigue, la admisin de estudiantes para el semestre de verano con base en pasadas experiencias Admisiones Probabilidad 1000 35% 1200 25% 1500 15% 1800 15% 2000 10% a. Cul es el nmero de estudiantes admitidos para el semestre de verano? b. Evale la desviacin estndar. 4. Un individuo, vende automviles nuevos para una empresa. Generalmente negocia el mayor nmero de autos los sbados. Ha establecido la siguiente distribucin de probabilidades para el nmero de autos que espera vender en un sbado particular. Autos vendidos 0 1 2 3 4 a. En un sbado comn, cuntos autos espera vender? b. Cul es la desviacin tpica? 5. Al planificar una familia de 4 nios, encuentre la distribucin de probabilidad de: 32 Probabilidad 0.10 0.20 0.30 0.30 0.10

a. X: el nmero de varones. b. Y: el nmero de cambios en la secuencia. 6. Cuando se arrojan dos dados no cargados, cul es la distribucin de probabilidad de: a. la diferencia (valor absoluto) entre los nmeros, D = |X1 - X2|? b. el nmero total de puntos, S = X1 + X2? 7. Calcule y para la distribucin de probabilidad del problema 1. 8. Demuestre la expresin 2 = x2 p(x) - 2 y utilcela para calcular la varianza del problema 2.b. 9. Escriba una expresin que permita calcular la desviacin tpica. Unidad II. ALGUNAS DISTRIBUCIONES ESPECIALES Contenido: 1. La distribucin normal. 2. Distribucin Binomial 3. Distribucin de Poisson. 4. Distribucin de la T de estudent. 5. Distribucin ji-cuadrada. I. DISTRIBUCION NORMAL Distribucin normal Para muchas variables aleatorias, la distribucin de probabilidad es una curva especfica y bien delineada que recibe el nombre de curva normal o de Gauss, la cual se muestra en la figura y, es la distribucin de probabilidad ms til en estadstica. As, por ejemplo, los errores emanados en las mediciones fsicas (fenmenos) y econmicos tiles, a menudo estn normalmente distribuidos. Distribucin normal estndar La distribucin de probabilidad de la variable normal estndar Z se define como: P(z) = 1
-(1/2)z
33

2 El valor Z, fue el estudiado en el curso de Estadstica I, con la salvedad que la media y desviacin estndar son poblacionales. Los nmeros e y designan constante matemticas
conocidos por todos. P(z)
z En el grfico anterior podemos ver que el mximo se alcanza en z = 0. La frmula anterior confirma tal argumento: a medida que nos vamos ms hacia la derecha o izquierda de 0, z 2 aumenta en el exponente negativo; en consecuencia p(z) disminuye, y se acerca a cero en ambos extremos. Adems, esta curva es simtrica: dado que z aparece solamente en forma cuadrtica (-z genera la misma probabilidad en p(z) que +z). Esto establece la forma de esta curva normal estndar. Utilizando el clculo integral podemos demostrar que z = 0 y z = 1
Por sta razn, que z se denomina variable normal estndar. La probabilidad (rea bajo la curva) comprendida por la curva normal por encima de cualquier valor especificado tambin requiere del manejo del clculo integral para una evaluacin exacta, pero se puede representar grficamente sin dificultad. La evaluacin de las integrales est en la Tabla I del apndice. Cmo utilizar la tabla I? Ejemplo 1. Digamos que nos piden calcular la siguiente probabilidad P(z 0.6). Solucin: Nos ubicamos en el valor correspondiente 0.6 de la tabla I, como le corresponde 0.2743; podemos decir que P(z 0.6) = 0.2743 Ejemplo 2. Supongamos que se necesitamos establecer p(0.6 z 1.3) Solucin: Si hacemos un anlisis de las desigualdades en la campana de Gauss, fcilmente nos daremos cuenta que P(0.6 z 1.3) = p(z 0.6) - p(z 1.3) = 0.2743 - 0.0968 = 0.1775 Ejemplo 3. Supongamos que necesitamos determinar p(-1 z 2).
34

Solucin: Esto equivale a: 1 - [p(z 2) + p(z 1)] De esta manera la respuesta ser p(-1 z 2) = 1 - (0.0228 + 0.1587) = 0.8185 Distribucin normal general Si una variable aleatoria X est normalmente distribuida, con media y desviacin , su distribucin de probabilidad tiene la forma 1 e-1/2[(x-)/] 2 Cabe aclarar que, en el caso especial en que la media es cero y la varianza uno, sta se reduce a la distribucin normal estndar. En fin, no olvide que para estandarizar utilizamos la expresin Z = (X - )/ P(x) = Con el objeto de evaluar cualquier variable normal X hay que transformar X en Z y despus evaluar esta ltima en la tabla I del apndice. Ejemplo. Suponga que X es normal, con = 100 y = 5. Cul es la probabilidad de obtener un valor X de 110 o ms? Solucin: Como se nos est pidiendo p(X 100), primero estandarizamos X, es decir Z = (110 100)/5 = 2 As, tenemos que p(Z 2). Ahora utilizamos la tabla I y vemos que P(Z 2) = 0.0228. La forma estandarizada permite una interpretacin ms clara de la pregunta original; es decir, que al fin y al cabo, lo que se pregunt fue: Cul es la probabilidad de obtener por lo menos un valor normal de dos desviaciones estndar por arriba de la media?. La respuesta es: muy pequea -alrededor de uno en cincuenta-.
Ejercicios
A trabajar! La recompensa se ver en el futuro. 1. Si z es una variable normal estndar, utilice la tabla I para evaluar a. p(-1 z 1) b. p(- z 1.64) c. p(-2.33 z +) d. p(-2 z)
35

e. p(z 2). 2. Si p(-zo z zo) = 0.95, qu es zo? Y si p(-zo z zo) = 0.99, zo =? 3. Si X es normal, calcule: a. p(4.5 x 6.5) b. p(x 800) c. p(800 x)
donde x = 5 y x = 1 donde x = 400 y x = 200 donde x = 400 y x = 200.
4. Suponga que se elige al azar un tornillo de una lnea de produccin y que ste tiene una longitud X que es una variable aleatoria normal con 10 cm y desviacin estndar 0.2 cm. Cul es la probabilidad de que su longitud est entre 9.9 y 10.1 cm? 5. Suponga que la poblacin de las estaturas de los hombres estn normalmente distribuidas con una media de 68 in, y con una desviacin estndar de 3 in: Encuentre la proporcin de hombres que: a. tienen ms de 6 ft; b. tienen menos de 5 ft y 6 in; c. estn entre 5 ft 6 in y 6 ft. 6. Sea h una variable aleatoria distribuida normalmente con media 26.7 y desviacin tpica 3.4. Halle la probabilidad que un valor individual de h, seleccionado aleatoriamente, se encuentra en los intervalos siguientes: a. entre 26.7 y 31.7 b. entre 20.0 y 24.0 c. entre 28.0 y 30.0 d. entre 20.0 y 30.0 7. Las lecturas del colesterol (en mg/dl) correspondientes a personas adultas de un grupo de edad particular, estn distribuidas normalmente con media 210 y desviacin tpica 15. Qu porcentaje de esta poblacin tiene lecturas: a. mayores que 250? b. Mayores que 150? 8. La vida til de de una lmpara fluorescente, utilizada en invernaderos, est distribuida normalmente con media de 600 horas y desviacin estndar de 40 horas. Determine la probabilidad de que: a. Una lmpara elegida al azar tenga una vida til entre 620 y 680 h. b. Tal lmpara dure ms de 740 h. 36

9. Por lo general, los promedios finales distribuidos de manera normal, aproximadamente, con media 72 y desviacin estndar 12.5. Un profesor afirma que el 8% superior de un grupo recibir MB (muy bueno); el siguiente 20%, B (bueno); el siguiente 42%, M (mediano); el siguiente 18%, S (suficiente); y el 12% inferior, I (insuficiente). Qu promedio debe a. excederse para obtener MB? b. excederse para obtener una calificacin mejor que M? c. obtener para aprobar el curso?
II. DISTRIBUCION BINOMIAL Existen diversos tipos de variable aleatoria discreta. Slo estudiaremos un tipo: el binomial. El ejemplo clsico de variable binomial es el siguiente: S = cantidad de escudos en n lanzamientos de una moneda (de un crdoba). Para generalizar nos referiremos a n intentos independientes, cada uno de los cuales resulta en xito o fracaso, con probabilidades respectivas de p y q (q = 1 - p). Entonces, el nmero de xitos S se denomina variable aleatoria binomial. Ahora deduciremos una frmula sencilla para la distribucin de probabilidad p(s). Como ejemplo, consideremos el caso especial en el que se calcula que ser probable obtener 3 caras al arrojar 5 veces una moneda sesgada, tal como muestra el siguiente espacio muestral:
EEEEE EEEEU EEEUE EEUEE EEUUU EUEEE EEUUE UEEEU EEEUU EEUEU EUEEU EUEUE EUUEE UEEUE UEUEE UUEEE EUEUU EUUEU EUUUE EUUUU UEEEE UEEUU UEUEU UEUUE UEUUU UUEEU Conjunto de resultados 5 ensayos n ensayos E E EE E E E E....E U . . . . E E EE U.U U . . . . . . . . U UU E E EE . . . . . . . . . .
S=3
S=s
37

UUEUE UUEUU UUUEE UUUEU UUUUE UUUUU . . . . . U U..U
Concentrmonos en el evento tres caras (S = 3), y desarrollamos todos los resultados comprendidos por l. En cada uno de ellos, E aparece tres veces y U dos. Dado que la probabilidad de E es p y de U es (1 - p), Por ejemplo, la secuencia EEEUU 3 2 Tiene probabilidad p p p (1 - p) (1 - p) = p3 (1 - p)2 entonces, en general, la secuencia E EE U UU s veces (n - s) veces tiene probabilidad p p p (1-p) (1-p) (1-p) = ps (1 - p)n-s
donde esta multiplicacin simple se justifica por la independencia de los intentos. Adems, cabe notar que todos los otros resultados en este evento tienen la misma probabilidad. Ahora slo resta determinar cuntas secuencias de este tipo (resultados) estn incluidas en el evento analizado. Esto corresponde precisamente a la cantidad de formas en las que se pueden ubicar los tres escudos y los dos unos. Lo cual podemos hacer por medio de una combinacin y la expresin que define una distribucin binomial queda determinada por: p(s) = nCs ps (1 - p)n-s Ahora calculemos la probabilidad de obtener s = 3 caras en n = 5 lanzamientos. Primero calculamos 5C3 = 10 y ya vimos que p3 (1 - p)2 = (1/2)3 (1/2)2 = 1/32 As, la probabilidad es: p(3) = p(X = 3) = 10 1/32 = 10/32. Este resultado podamos obtenerlo usando la tabla II del apndice, basta conocer n y s = x, para observa que nos da el mismo 0.3125. Es conveniente utilizar esta tabla cada vez que sea posible para evitar tediosos clculos, aunque su uso es opcional. Media y varianza de una distribucin binomial. La media la podemos calcular por medio de la expresin =np La varianza la podemos calcular, utilizando la expresin 2 = n p q
38

Usted es un ser pensante, lograr cosas importantes, stos ejercicios slo son para tener un momento diferente a los cotidianos. Vamos!, adelante!. 1. Elabore un diagrama de rbol para obtener la distribucin de probabilidad para el nmero de unos cuando se arrojan 4 monedas. Controle la concordancia de su respuesta con la frmula de la p(s). a. Calcule y . b. Calcule la probabilidad de obtener 2 unos. 2. De un recipiente que contiene 2 fichas rojas 1 azul y 7 negras se extrae una. Se repone la ficha y se extrae otra, y as sucesivamente hasta que se hayan extrado 5 fichas. a) Sea S: el nmero total de fichas rojas extradas. Calcule y . b) Calcule la probabilidad de sacar 4 fichas rojas. c) Calcule la probabilidad de sacar 2 azules. 3. En cierta ciudad la incompatibilidad se da como la razn o motivo legal en 70% de todos los casos de divorcio. Obtenga la probabilidad de que 5 de los 6 divorcios siguientes de esta ciudad, argumenten incompatibilidad como motivo principal. 4. Si el 40% de los ratones que se utilizan en un experimento se volvieran muy agresivos, en un minuto despus de una administracin de droga experimental. Determine la probabilidad de que exactamente 6 de 15 ratones a los que se les aplic la droga, se vuelvan muy agresivos en un perodo de un minuto.
Ejercicios
III DISTRIBUCION DE POISSON La distribucin de Poisson es una distribucin de probabilidad que en muchas ocasiones prcticas es muy importante. Un proceso de Poisson no slo representa nmeros de fenmenos discretos, sino que el modelo de Poisson se usa para proporcionar aproximaciones a la distribucin binomial. Como ejemplos de fenmenos que dan distribucin de Poisson, son: Nmero de llegadas de carros, en el da, en un peaje. Nmero de manchas en una yarda cuadrada de tela. Nmero de accidentes industriales por unidad de tiempo. La distribucin de probabilidad para una variable aleatoria de Poisson est dada por:
39

P(x, ) = (x e-)/x! x = 0, 1, 2. X es el nmero de eventos raros por unidad tiempo, distancia, espacio, etc. Ejemplo. En el puerto de corinto llegan 5 barcos semanalmente. Cul es la probabilidad de que un da determinado lleguen al menos 2 barcos? Solucin: Sea x: Nmero de barcos que llegan un da determinado. p = 1/7 n=5 Por lo tanto = 5 1/7 = 5/7 El ejercicio lo podemos evaluar desde dos puntos de vista equivalentes; es decir, que cualquiera podemos utilizar: P(x 2) = p(x = 2) + p(x = 3) + p(x = 4) + p(x = 5) P(x 2) = 1 - p(x < 2) = 1 - [p(x=0) + p(x=1)] Por tener el procedimiento ms corto, utilizamos el ltimo P(x=0) = (5/7)0 e-5/7 / 0! = 0.4895 P(x=1) = (5/7)1 e-5/7 / 1! = 0.3496 P(x 2) = 1 - (0.4895 + 0.3496) = 0.1609 La probabilidad de que lleguen al menos dos barcos es muy baja. Por lo tanto, es muy remoto que lleguen dos barcos al puerto.
IV. DISTRIBUCION DE LA T DE student Supondremos que las poblaciones originales son normales; de otro modo la distribucin t slo sera aproximadamente vlida. Al calcular una media de poblacin con una media muestral x, por lo general el estadgrafo no dispone de informacin acerca de la desviacin estndar de poblacin . Por lo tanto, se debe usar la desviacin estndar muestral s.
40

Como x tiene una distribucin normal; cuando se conoce , se construye la variable normal estandarizada Z = (x - )/(/n ) Por analoga, se introduce la variable t de student. Cabe sealar que la siguiente expresin tiene una deduccin matemtica. t = x - n s La similitud entre estas dos variables (Z y t) se hace evidente de inmediato. La nica diferencia es que Z implica la desviacin estndar poblacional, que generalmente se ignora; pero t implica la desviacin estndar muestral, que casi siempre se puede calcular a partir de la muestra. La distribucin de t se compara con Z en la tabla III del apndice. La distribucin de t no se tabula de acuerdo con el tamao de la muestra n, sino ms bien conforme al divisor que aparece en s2, el cual ahora recibe el nombre de grados de libertad. Al calcular la varianza se utiliza el divisor Grados de libertad d.f. = n - 1 Por ejemplo, para una muestra con n = 3, entonces d.f. = 2, y se determina -al consultar la tabla III- que el valor crtico de t que deje 2.5% de probabilidad en el extremo superior es t0.025 = 4.30 Por lo que debemos inferir que cualquier t observada P(-4.3 < t < 4.3) = 95% Es probable que el 95% le confunda, pero recuerde la campana de Gauss, y por la expresin de la t de student, sta distribucin debe ser ms extendida que la normal, mientras para Z = 2 esperamos un 95%, para t debemos inferir que le corresponde un valor semejante. Sustituyendo t de acuerdo a la t de student P(-4.3 < (x - )/(s/n ) < 4.3) = 95% Ahora esta deduccin se puede invertir, para producir una inferencia: para un tamao de muestra 3, el intervalo de confianza del 95% para la media poblacional es = x 4.3s/n
41

Por ejemplo, que de un grupo numeroso se extrae una muestra de 3 calificaciones, de la tabla de abajo. Sustituyendo en la frmula anterior se obtiene el intervalo de confianza del 95% para la media del curso completo = 60 4.393/3 = 60 24 Tabla: Anlisis de t de student de una muestra Calificaciones observadas (xi - x) 56 -4 71 11 53 -7 180 0 2 Vemos que x = 180/3 = 60 y s = 186/2 = 93 (xi - x)2 16 121 49 186
Para un tamao de muestra general n, se tiene el intervalo de confianza del 95% para la media de poblacin: = x t0.025 s/n Donde t0.025 es el valor crtico t que deje 2.5% de probabilidad en el extremo superior, con n - 1 grados de libertad. Si el tamao de la muestra es grande, la normal es una aproximacin bastante exacta de t. En la prctica, la distribucin t slo se utiliza para pequeas muestras cuando se desconoce , en los otros casos se emplea la normal. A medida que disminuye el tamao de la muestra n, el valor estimado pierde precisin. Esto se hace evidente cuando observamos el divisor n por que ste se hace ms pequeo.
Ejercicios
Quin dijo miedo?! 1. Diecisis estaciones meteorolgicas de un estado -de lugares escogidos al azar- miden las precipitaciones. En 1967 se registr un promedio de 10 pulg. y una desviacin estndar de 1.5 pulg. Para la precipitacin media del estado construya un intervalo de confianza del 95%. 2. Se control la velocidad promedio de 110 km/h de 100 automviles en una autopista (desviacin estndar de 6 kilmetros por hora). Construya un intervalo de confianza del 95% para la velocidad media de todos los autos en dicha autopista.
42

3. Una muestra aleatoria de 4 estudiantes de un grupo numeroso de estudiantes de Estadstica obtuvo las siguientes calificaciones: 56, 70, 55, 59. Construya un intervalo de confianza del 95% para la calificacin promedio de todos los estudiantes del curso.
V. DISTRIBUCION JI CUADRADA Ahora analizaremos otro ejemplo de intervalo de confianza; este ejemplo es importante, no tanto por su valor prctico, sino por los conocimientos que aporta. Sea una distribucin normal N(, 2) donde se desconocen tanto como 2. hasta ahora, la variancia de muestra y poblacin se calcularon como medio para determinar un intervalo de confianza para la media muestral. Suponga que la atencin recae en y no en . Por ejemplo, se podra preguntar: Qu varianza tiene la balanza de pagos de Japn? El propsito de esta pregunta es obtener alguna indicacin de los requerimientos del Japn en cuanto a reservas de moneda extranjera. Tambin se puede preguntar: Cul es la varianza del ingreso agrcola?, para evaluar una poltica de estabilizacin del Japn, de ser necesaria. Para calcular la varianza se supondr que la poblacin est normalmente distribuida. Para saber cmo est distribuido el indicador s2 entorno a 2, generalmente se utiliza la definicin de la variable denominada ji cuadrada C2 = s2/2
Es evidente que cuando s2/2, esta razn es 1; de modo que la pregunta ahora sera Cmo est distribuida C2 en torno a 1? Los valores crticos se presentan en la tabla IV del apndice, tabulados de acuerdo a d.f. = n - 1, como la t de student. Para usar la tabla de C 2 ajustada se utiliza
C2 = x2 / d.f. Donde x2 es la ji-cuadrada ordinaria. Como tanto el numerador como el denominador son positivos en C 2; por lo tanto, la variable C2 tambin lo es, con su distribucin situada a la derecha de cero. Advierta que la distribucin es asimtrica hacia la derecha en valores de muestra pequea. Sin embargo, a medida que se agranda n, este sesgo desaparece y la distribucin de C2 se aproxima a la normalidad. Dado que s2 es un estimador no sesgado de 2, el valor esperado de cada una de eestas distribuciones C2 es 1. Adems, a medida que aumenta el tamao de la muestra, C 2 se encuentra cada vez ms cerca de 1, indicando que s 2 se convierte cada vez ms en un estimador preciso de 2.
43

Ahora podemos inferir un intervalo de confianza del 95% para 2. segn la tcnica utilizada en la t de student. Por ejemplo, supongamos que tenemos una muestra de n = 11 (d.f. = 10). A partir de la tabla IV, se establecen los puntos crticos que cortan 2.5% de la distribucin en cada extremo, as P(0.325 < s2/2 < 2.05) = 95% Despejando 2, obtenemos el enunciado equivalente P(s2/2.05 < 2 < s2/0.325) = 95% Si por ejemplo, el valor observado de s2 es 3.6. Entonces el intervalo de confianza para 2 es 1.76 < 2 < 11.1 Este es un nuevo caso de intervalo de confianza asimtrico. En general, los valores crticos superior e inferior de C2 se designan mediante C0.025 y C0.975 y el intervalo de confianza para 2 se escribe s2/C20.025 < 2 < s2/C20.975
Ejercicios
1. Si una muestra de 25 puntajes de cociente intelectual de cierta poblacin tiene s 2 = 120, construya un intervalo de confianza del 95% para la poblacin 2. 2. Se tomaron muestras independientes de dos cursos y se registraron las siguientes calificaciones: Muestra 1 Muestra 2 75 52 70 60 60 42 75 58 Construya un intervalo de confianza del 95% para: a) La primera muestra del problema. b) La segunda muestra del problema. c) La muestra combinada (utilice s2 promedio y d.f. = n1 + n2 - 2)
44

3. Se tiene una muestra del ritmo cardaco de cierta poblacin que visita una unidad mdica. La muestra contempla 6 individuos con s2 = 69. Construya un intervalo de confianza del 95% para la varianza de poblacin. Unidad III. TECNICAS DE MUESTREO Contenido: 1. Introduccin. 2. Diferencia entre dos media. 3. Hiptesis. 4. Anlisis de varianza.
I. INTRODUCCION En las unidades anteriores analizamos la probabilidad y las variables aleatorias, de modo que ahora estamos en condiciones de resolver la cuestin deductiva bsica en Estadstica: Qu podemos esperar de una muestra aleatoria extrada de una poblacin? Ya hemos visto algunos ejemplos de muestreo: la encuesta de votantes -cuya muestra se extrae de la poblacin de todos los votantes-, la muestra de focos extrada de una poblacin total de focos, una muestra de estatura de hombres tomada de la poblacin total, una muestra de 2 fichas de un recipiente con fichas. Existen diversas formas de llevar a cabo el proceso fsico del muestreo aleatorio. Por ejemplo, suponga que se quiere extraer una muestra aleatoria de una poblacin de estudiantes en el aula. 1. El mtodo ms grfico consiste en registrar a cada persona en una ficha de cartn, mezclar todas estas fichas en un recipiente grande y luego extraer la muestra. 2. Un mtodo ms prctico es el de asignar un nmero a cada persona y posteriormente extraer una muestra aleatoria de nmeros. Observacin importante: En poblacin grande, como en el caso de millones de personas, el hecho de que reemplacemos o no cada ficha antes de extraer la siguiente, prcticamente no establece ninguna diferencia. Despus de todo, qu es una ficha en un milln? Sustancialmente, no modifica las frecuencias relativas, p(x). Sin embargo, en poblaciones pequeas, el reemplazo de cada ficha muestreada es una cuestin importante.
Suma muestral
45

Ahora estamos en condiciones de poner en prctica la teora desarrollada anteriormente. Al extraer una muestra aleatoria de una poblacin, considere la suma muestral: S = X1 + X2 + + Xn (por definicin)
Como S es la suma de variables aleatorias, tambin ser una variable aleatoria. Cmo flucta? En particular, cul es su media y cul su varianza? Como ya conocemos las propiedades de las funciones, podemos decir que: E(S) = E(X1) + E(X2) + + E(Xn) Utilizo E (valor esperado) para evitar confusin. Como el valor esperado de cada Xi es , tal que: E(S) = + ++ E(S) = n La varianza de S se puede determinar anlogamente, por que todos sus componentes variables son independientes, podemos decir que: var(S) = var(X1) + var(X2) + + var(Xn) var(S) = 2 + 2 ++ 2 var(S) = n2 s = n Esta es una deduccin importante: hemos inferido el comportamiento de una suma muestral a partir del conocimiento de la poblacin original. Por ejemplo, suponga una muestra de n = 4 observaciones que se extrae de una poblacin de estaturas
Densidad de probabilidad = 3.2
60 La suma muestral oscilar alrededor de:
=69
78
altura (pulg.)
E(S) = 4 Con desviacin estndar s = 2
46

No es extrao que s sea n veces . Ms Por qu s deba ser slo n veces ? Lo caracterstico es que una suma muestral incluya algunos individuos (alturas, por ejemplo) de tamao mayor que el ordinario y otros de tamao menor, de modo que se produzca cierta cancelacin.
La media muestral
A partir de lo anterior es fcil deducir la media muestral: X = (1/n) (X1 + X2 ++Xn) Por definicin X = (1/n) S As obtenemos lo que se conoce como esperanza matemtica E(X) = (1/n)E(S) = (1/n) (n) E(X) = Esperanza matemtica
Cuestin que ya habamos advertido con anticipacin y, que ya se vea venir. Anlogamente se obtiene la varianza, tambin conocido como error estndar var(X) = (1/n)2 var(S) var(X) = (1/n)2 n2 var(X) = 2/n x = /n Error estndar de la media
Por ejemplo, consideremos una vez ms la muestra de cuatro observaciones extrada de una poblacin de estaturas representada en el grfico de la pgina anterior. La media muestral X oscila alrededor de: E(X) = Con desviacin estndar x = /2 Teorema del lmite central A medida que aumenta el tamao de la muestra n, la distribucin de la media, X, de una muestra aleatoria extrada de prcticamente cualquier poblacin se aproxima a la distribucin normal (con media y desviacin estndar /n).
47

Observacin: la media muestral se vuelve normalmente distribuida a medida que n crece independientemente de lo que sea la poblacin original (no normal) Ejemplo. Considere las calificaciones que en un grupo numeroso de estudiantes obtuvo en un examen de Estadstica. Si las calificaciones tienen una distribucin normal con una media de 72 y desviacin estndar de 9, comparemos (1) -la probabilidad de que cualquier estudiante obtenga ms de 78- con (2) -la probabilidad de que una muestra de 10 estudiantes alcance un promedio superior a 78. 1. La probabilidad de que un solo estudiante tenga 79 se determina estandarizando la poblacin normal p(X > 78) = p[(X-)/ > (78-72)/9] =p(Z > 0.67) = 0.2514 (usando tabla I) 2. Ahora consideremos la distribucin de la media muestral. Del teorema del lmite central sabemos que esa distribucin es normal ( = 72 y /n = 9/10). Estandarizamos nuevamente, para calcular la probabilidad de que una media muestral exceda 78. p(X > 78) = p[(X-)/(/n) > (78-72)/(9/10)] = p(Z > 2.11) = 0.0174 En consecuencia, auque existe una probabilidad razonable (alrededor de ) de que un estudiante obtenga ms de 78, es muy pequea la probabilidad (cerca de 1/60) de que un promedio muestral de diez estudiantes tengan buen rendimiento.
Ejercicios
1. En cierto edificio de oficinas, la poblacin de empleados tiene pesos distribuidos en torno a una media de 150 lb, con una desviacin estndar de 20 lb. Un grupo de 25 empleados, escogidos al azar, utiliza el ascensor todas las maanas. Encuentre la media y la varianza de: a) El peso total S. b) El peso promedio. 2. Un recipiente contiene seis fichas numeradas del 1 al 6. Se extrae con reemplazo una muestra de 2 fichas. a) Calcule la distribucin de S = X1 + X2 tabulando la distribucin conjunta de X1 y X2. b) Determine la media y la varianza de S
48

3. El peso de los paquetes llenados por una mquina estn normalmente distribuidos en torno a una media de 25 onzas, con una desviacin tpica de 2 onzas. Cul es la probabilidad de que n paquetes de la produccin de la mquina tenga un peso promedio menor de 24 onzas si: a) n = 4 b) n = 16 c) n = 64 4. La cantidad de dinero que las personas de cierta ciudad llevan en sus bolsillos tiene una distribucin no normal con una media de C$30 y una desviacin estndar de C$8.30. Cul es la probabilidad de que un grupo de 225 individuos lleve un total mayor a 2100?
Intervalo de confianza
Ya sabemos que la media y varianza de poblacin, y 2, son constantes (a pesar que generalmente son desconocidos) y reciben el nombre de parmetros de poblacin. Por el contrario, la media muestral X y la varianza muestral s 2 son variables aleatorias que cambian de muestra a muestra con cierta distribucin de probabilidad. De acuerdo al teorema del lmite central X N (, 2/n). Partamos del siguiente ejemplo: suponga que se quiere estimar la estatura promedio de los hombres en una gran universidad de la capital. Esta media de poblacin es un parmetro fijo, pero desconocido. Se calcula tomando una muestra de 25 hombres, por ejemplo. Suponga que la media muestral X resulta de 68 pulgadas. Gracias a la teora del muestreo sabemos que, a menos que seamos muy afortunados, este valor estimado X no estar totalmente ajustado, sino que ms bien ser un poco ms alto o un poco bajo (X est distribuida en torno a ). Si se quiere tener confianza en la correccin de la inferencia, no se puede pretender que sea precisamente igual a la X observada; debemos hacer una concesin -conocida como intervalo de confianza- en la siguiente forma: = X error de muestreo En primer trmino hay que decidir qu grado de confianza buscamos para la correccin de nuestro valor estimado de intervalo; ciertamente, se espera que ese valor incluya a , lo usual es elegir un intervalo de confianza del 95%. Esto implica que nos queda fuera un 2.5% (0.025) por el extremo superior de la distribucin normal. Considerando la distribucin t de student, el error estndar de la media y la tabla III (observe que tambin lo verifica la tabla I). Formulamos: p( - 1.96/n < X < + 1.96/n) = 95%
49

Podemos tambin pensar en la equivalencia siguiente p(X - 1.96/n < < X + 1.96/n) = 95% Le dejo a usted justifique esa inversin. No olvide las propiedades de las desigualdades. Una forma abreviar la expresin anterior es a partir de = X Z0.025 /n
Ejercicios
Querer, es poder. 1. Se seleccionaron al azar 40 calificaciones de las obtenidas por un grupo numeroso de estudiantes de Estadstica 71 49 78 58 74 83 64 86 65 58 55 64 72 65 87 56 64 68 56 45 42 60 50 73 62 76 71 54 62 86 58 86 58 74 57 70 82 53 75 73
Construya un intervalo de confianza del 95% para la calificacin promedio de la totalidad del curso. 2. Los tiempos de reaccin de 150 conductores escogidos al azar tienen una media de 0.83 segundos y una desviacin estndar de 0.20 segundos. Encuentre un intervalo de confianza para el tiempo medio de reaccin de la poblacin total de conductores. 3. para el ejercicio 1 de la pg. 42 (el que trata sobre las estaciones meteorolgicas). Construya un intervalo de confianza del 99%. 4. Un antroplogo midi (en pulgadas) las estaturas de una muestra aleatoria de 100 hombres de cierta poblacin y, estableci que la media y varianza muestrales eran 71 y 9, respectivamente. a) Encuentre un intervalo de confianza del 95% para la estatura media de la poblacin total. b) Determine un intervalo de confianza del 99%.
II. DIFERENCIA DE DOS MEDIAS
50

Diferencia de dos medias Para comparar dos medias de poblacin podemos hacerlo calculando su diferencia: 1 - 2 Del teorema del lmite central y por las consideraciones expresadas en tpicos anteriores E(X1 - X2) = E(X1) - E(X2) =1 - 2 var(X1 - X2) = (+1)2 varX1+ (-1)2 varX2 = 21/n1 + 21/n1 Y como la distribucin ser aproximadamente normal y, la combinacin lineal existente (X1 - X2) (1 - 2, 21/n1 + 22) Considerando el anlisis hecho antes, obtenemos: Intervalo de confianza de 95% para la diferencia entre medias 1 - 2 = (X1 - X2) 1.96 (21/n1 + 22/n2)
Diferencia de dos medias (1 - 2), muestras independientes Se supondr que, como ocurre con frecuencia, auque las dos poblaciones pueden tener medias diferentes, tienen una varianza comn. Cuando se conoce 2, la expresin del intervalo de confianza de la pgina anterior es adecuada; cuando es desconocida hay que calcularla. La estimacin apropiada consiste en sumar todas las desviaciones cuadrticas de ambas muestras y despus dividirlas entre los grados de libertad (n 1 - 1) + (n2 - 1), a efecto de obtener un estimador no sesgado que se denomina varianza muestral conjunta: 1 [(X1i - X1)2 + (X2i - X2)2] Las sumatorias van hasta n1 y n2, respectivamente. (n1+n2-2) Donde X1i (o X2i) es la i-sima observacin en la primera (o segunda) muestra. Adems, la sustitucin de por sp en la expresin del intervalo de confianza para la diferencia de medias, requiere el uso de la distribucin t, y obtenemos S2p = Intervalo de confianza del 95% para la diferencia de medias 1 - 2 = (X1 - X2) t0.025 sp (1/n1 + 1/n2) Donde t0.025 es el valor crtico con d.f. = n1 + n2 - 2.
51

Como ejemplo, suponga que se extrajeron y analizaron dos muestras de grupos de calificaciones obtenidas por estudiantes de dos grupos numerosos, tal como se muestra en la tabla siguiente Tabla. Anlisis de 2 muestras independientes Curso 1 Curso 2 X observada X observada X1i - X1 (X1i - X1)2 X2i - X2 (X2i - X2)2 64 -10 100 56 -4 16 66 -8 64 71 11 121 89 15 225 53 -7 49 77 3 9 X1 = 74 0 398 X2 =60 0 186
1i 2i
S2p = 1 (398 + 186) = 584/5 = 117 (4+3-2) d.f. = 5 Sustituyendo en la frmula de muestras independientes, se obtiene el intervalo de confianza del 95% para la diferencia entre las dos medias del curso, (1 - 2) = (74 - 60) 2.57117 (1/4 + 1/3) = 14 21.1 El valor 2.57 se obtiene de la tabla III. En esta forma se ve que la gran diferencia en las medias muestrales queda oscurecida por una tolerancia de error de muestreo an ms grande; sobre todo, esa tolerancia es la consecuencia de la pequeez de la muestra. Este procedimiento no slo requiere que la varianza de las calificaciones sea la misma en los dos cursos, sino tambin que las
muestras se hayan extrado de forma independiente . Por ejemplo, no se puede muestrear un par de individuos que estudien juntos, uno de cada grupo, puesto que podran tener hbitos de estudio muy semejantes y, quiz, sus exmenes fueran muy parecidos
Diferencia de dos medias (1 - 2), muestras apareadas Ahora supongamos que muestreamos dos grupos de estudiantes en un mismo grupo de la UML-San Carlos. En el caso de comparar las calificaciones obtenidas en los trimestres de invierno y verano, supngase que se desea recurrir dos veces a los mismos estudiantes en ambas muestras; entonces, no cabe la aplicacin de la frmula de la pgina anterior que requiere que las muestras sean independientes. El primer paso lgico es determinar de qu manera cambi cada estudiante; es decir, hay que calcular la diferencia D = X1 - X2 para cada uno (o lo que conduce a la misma conclusin X2 - X1). Una vez que se hayan calculado estas diferencias se pueden descartar los datos originales que ya cumplieron con su finalidad. Se procede a tratar la diferencia D como una muestra nica y se analiza tl como se hace con cualquier muestra nica (como la
52

observada en la tabla analizada en la t de student). Primero se calcula la diferencia promedio D y luego se emplea adecuadamente el intervalo de confianza obtenido en la distribucin t, a fin de obtener un intervalo de confianza del 95% para el parmetro de poblacin equivalente; es decir, Diferencia promedio entre las dos poblaciones, = D t0.025 sD/n Utilicemos la tabla siguiente para realizar los clculos Calificaciones observadas Diferencia Estudiantes D = X1 - X2 X1 verano X2 invierno A 64 54 10 B 66 54 12 C 89 70 19 D 77 62 15 D = 56/4 = 14.0 Observemos que la diferencia promedio es = 14 3.18 15.3 4 = 14 6.2 Por supuesto se acepta que es la diferencia entre los promedios de poblacin, 1 - 2, de manera que el problema queda resuelto.
(D - D) -4 -2 5 1 0
(D - D)2 16 4 25 1 S2D = 46/3 = 15.5
Ejercicios
1. Antes y despus de cierto tratamiento, se mide la capacidad respiratoria de cinco personas elegidas al azar y se obtienen los datos que se consignan a continuacin. Sea X (y Y) la capacidad media de toda la poblacin antes (y despus) del tratamiento. Construya un intervalo de confianza del 95% para (Y - X) Capacidad respiratoria Antes (X) Despus (Y) Persona A 2750 2850 B 2360 2380 C 2950 2930 D 2830 2860 E 2250 2320
53

2. En una muestra aleatoria de 10 futbolistas la edad promedio fue de 27 y la suma de las desviaciones cuadrticas fue de 300. En una muestra aleatoria de 20 jugadores de jockey la edad promedio fue 25 y la suma de las desviaciones cuadrticas 450. Con un intervalo de confianza del 95%, calcule la diferencia entre las medias de poblacin; suponga que 1 = 2 3. dadas las siguientes muestras aleatorias de dos poblaciones, n1 = 25 X1 = 60 n2 = 15 X2 = 68 Y suponiendo 2 = 1 s1 = 12 s2 = 10
Encuentre un intervalo de confianza del 95% para (1 - 2).
Diferencia de proporciones a) Muestras grandes Para comenzar, una proporcin muestral P(S/n, suma muestral vs el tamao de la muestra), es una media muestral X disfrazada que se extrae de una poblacin en el que la variable aleatoria tiene dos posibles resultados 1 (es, existe, etc.) o 0 (no es, no existe, etc.). Un ejemplo de este tipo de variable es X: cantidad de votos emitidos a favor del FSLN De esto podemos decir que se vota a favor o en contra; as, la variable toma los siguientes valores X = 0 si no es FSLN = 1 si es FSLN Por ejemplo, si se observa 4 Sandinistas en una muestra de 10, entonces: P = X = 1/10 (1 + 1 + 0 + 0 + 0 + 1 + 0 + 1 + 0 + 0) = 4/10. Anlogamente, la proporcin de poblacin es la media disfrazada en el mismo tipo de poblacin. Por lo tanto, para construir un valor estimado de intervalo para una proporcin podemos transformar la expresin obtenida en el intervalo de confianza (pg. 49). As, con una muestra grande se tiene el intervalo de confianza del 95% para Intervalo de confianza del 95% para la proporcin, n grande = P z0.025P (1 - P)/n Donde z0.025 es el valor crtico que deja 2.5% de probabilidad en el extremo superior.
54

a) Muestras moderadamente grandes En el caso de muestras moderadamente grande (alrededor de 50 < n < 100). Aun cuando existen diversas opciones, utilizaremos la ms conservadora, el intervalo de confianza del 95% podra ser = P 0.98/n Note que esto se debe a que el mximo valor del producto (1 - ) es y, z0.025 = 1.96 Ahora ya podemos obtener la diferencia de proporciones, 1 - 2 Tal y como se obtuvo el intervalo de confianza para la diferencia de las medias, se puede inferir el intervalo de confianza para comparar las dos proporciones de poblacin Intervalo de confianza del 95% para la diferencia de proporciones, n1 y n2 grandes (1 - 2) = (P1 - P2) 1.96[P1(1-P1)/n1 + P2(1-P2)/n2]
Ejercicios
1. En una encuesta realizada en 1970 sobre 1063 estudiantes universitarios, en USA, se determin que el 49% de los entrevistados pensaba que se producira un cambio en Estados Unidos en los siguientes 25 aos; adems, afirmaban que ese cambio se realizara pacficamente y no por medio de una revolucin. a) Construya un intervalo de confianza del 95% para la proporcin de poblacin . b) Repita (a) suponiendo que se observ la misma proporcin muestral de 0.49en una muestra de 100. Compare. 2. Como respuesta a la pregunta de la encuesta anterior, el 50% de los estudiantes de 18 aos de edad o menos dio la misma respuesta que el 69% de aquellos de 24 aos y mayores a ella. a) Si se supone que se muestrearon 300 estudiantes en cada grupo, cul es el intervalo de confianza para la diferencia en las proporciones de poblacin? b) Suponga que se observaron las mismas muestras P 1 y P2 en una muestra de 500 del grupo (18 aos o menos) y otra de 100 del segundo grupo (24 aos y ms). Construya otra vez un intervalo de confianza del 99% para la diferencia de las proporciones de poblacin.
55

3. En la misma encuesta, 7% de los estudiantes se ubicaron as mismos en la extrema izquierda de la poltica. Construya un intervalo de confianza del 95% para la proporcin de poblacin de la extrema izquierda. 4. En una muestra aleatoria de neumticos, fabricados por cierta compaa, 20% no satisfizo las normas de calidad. Construya un intervalo de frecuencia del 95% para la proporcin de poblacin total de neumticos que satisfacen las normas de calidad. 5. En dos ciudades se tomaron muestras de automviles; cada muestra era de 100 automviles. En una ciudad, 72 automviles pasaron con xito la prueba de seguridad; en la segunda, nicamente lo hicieron 66. Construya un intervalo de confianza del 95% para la diferencia entre las proporciones de autos seguros en las dos ciudades.
III. HIPOTESIS De nuevo tomemos el ejemplo concerniente a las calificaciones obtenidas por estudiantes (analizado en los datos apareados, pg.52). En este ejemplo, el intervalo de confianza para la diferencia entre los promedios obtenidos en los trimestres de verano e invierno aproximadamente era: = 14 6 es decir, 8 < < 20 Esto significa que calculamos , con 95% de confianza, entre 8 y 20. Las hiptesis se hacen a travs de intervalos de confianza, los cuales debern indicar cules valores deben ser rechazados y cuales aceptados (los que aceptaremos sern los que estn en el intervalo de confianza). Por lo tanto: Un intervalo de confianza se puede considerar como el conjunto de las hiptesis aceptables. De particular inters es el valor = 0. Como representa la falta de diferencia (entre las calificaciones promedio), se denomina hiptesis nula Ho. Esa hiptesis se encuentra fuera del intervalo de confianza ( = 14 6), por lo tanto se rechaza. Al rechazarla se establece que efectivamente existe una diferencia entre las calificaciones correspondientes a los cursos de invierno y verano; en consecuencia, estos resultados se califican como estadsticamente significativos . La significacin estadstica implica que se recabaron datos suficientes para afirmar la existencia efectiva de una diferencia. No se pretende que dicha diferencia sea necesariamente importante. Por ejemplo, en otra prueba fundada en muestras muy grandes
56

de poblacin casi idnticas, el intervalo de confianza del 95% en vez de = 14 6, podra ser: = 0.014 0.006 Esta diferencia es tan pequea que cabra omitirla, pues carece de un verdadero inters; sin embargo, desde el punto de vista estadstico es tan significativa como = 14 6.
Ejercicios
Para cada uno de los siguientes ejercicios, establezca si los resultados son estadsticamente significativos al nivel de confianza del 95% (nivel de significacin del 5%) 1. Para determinar la efectividad de cierta vitamina se obtuvieron los siguientes resultados: Aumentos de peso en dos grupos de ratas Grupo de control Grupo tratado 12 18 19 16 14 23 20 23 Suponga que 1 = 2 y construya un intervalo de confianza del 95% para el efecto de la vitamina, 2 - 1. 2. Para medir el efecto de un tratamiento de fumigacin area en contra de cierto insecto, se seleccionaron al azar 300 rboles de un monte. Se midi cada rbol antes y despus del tratamiento y entonces fueron clasificados en las cuatro clulas de la siguiente tabla. Despus Antes No infectado Infectado
No infectado 220 3 Infectado 32 45 Si x es la proporcin infectada en la poblacin de rboles antes del tratamiento y y despus del tratamiento, encuentre un intervalo de confianza del 95% para (y - x) el cambio en las tasas de infeccin (sugerencia: para cada uno de los 300 rboles, sea X una variable de conteo que sirva para medir si un rbol est o no infectado antes del tratamiento y, Y una variable de conteo que sirva para hacer la medicin despus del tratamiento. Por lo tanto, se pueden registrar los datos como en la siguiente tabla Tabla. Detalle de la tabla anterior, rbol por rbol X Y rbol # 1 1 0 2 0 0 3 0 0 57

4 . . . 1 . . . 1 . . .
Advirtase que los rboles n 2, 3 se encontrarn entre los 220 rboles clasificados en la clula superior izquierda de la tabla; los rboles n 1,4 se encontraran entre los 32 clasificados en la clula inferior izquierda, etc. Al estar comparando podemos utilizar la diferencia promedio entre las poblaciones) 3. Supongamos que para ingresar a la UML se requiera tener una entrevista con la sede de Nueva Guinea o sede San Carlos. A fin de probar que ambas sedes manejan las mismas normas, la universidad somete a 100 candidatos a una entrevista con ambas sedes. Adems, se trata de una muestra, extrada al azar, de la poblacin grande de todos los candidatos. El siguiente cuadro de frecuencia sintetiza el resultado Sede N/G Aceptado Rechazado Totales Sede S/C Aceptado 48 5 53 Rechazado 12 35 47 Totales 60 40 100 A primera vista, parece que la sede S/C tiene normas ms estrictas por que su tasa de rechazo en la muestra es 47%, mientras que la correspondiente a la sede N/G slo es 40%. a) Haga otro anlisis. Pruebas de hiptesis Todas las estrategias estudiadas hasta el momento nos permiten hacer pruebas de hiptesis. Consideremos en forma de resumen algunos complementos sobre este tipo de pruebas. Para ello consideremos la siguiente situacin: Mediante un proceso de manufactura, durante muchos aos, se produjeron tubos para televisores, con una vida media = 1200 horas, y una desviacin estndar = 300 horas. Se somete a prueba un nuevo proceso sobre una muestra de 100 tubos; el proceso da un nuevo promedio muestral de 1245 horas (se supone que la desviacin estndar permanece invariable) Tiene la media muestral significacin estadstica (es decir, difiere notablemente del valor Ho de 1200) a un nivel de confianza de: 1. 95% 2. 90% 3. 50% 4. 80% 5. 90% Solucin: Har el numeral 3, (el resto queda de tarea) Primero encontrar la media de poblacin para el nuevo proceso, con un intervalo de confianza 50%, por medio de la expresin 58

= X Z0.25 /n Observe que el subndice de Z es 0.25 y no 0.025 por qu? = 1245 0.67 300/100 = 1245 20 Por lo que obtengo 1= 1225 y 2= 1265 (recuerde que este intervalo es para el nuevo proceso) Para comparar utilizaremos la diferencia promedio de poblacin = D t0.25 sD/n Pero nos encontramos con la dificultad de que el d.f = 99 no lo tiene la tabla III, pero lo solucionamos interpolando linealmente, tal y como sigue: Como el 99 se encuentra entre el 60 y 120, hacemos lo siguiente 1/d.f t0.25 1/60 0.0167 0.679 1/99 0.0101 1/120 0.0083 0.677 + 0.677[(0.0101-0.0083)/(0.0167-0.0083)]/100 0.678 0.677
Valor (t0.25 = 0.678) que era evidente y como la muestra en grande podemos aproximar s. As, podemos comparar los valores 1. 1= 1225 1 = 25 0.678 300/10 5 < 1 < 45 2. 2= 1265 2 = 65 0.678 300/10 45 < 2 < 85 Como podemos ver, la media de muestra no tiene una significacin estadstica en un intervalo de confianza del 50%, por que su diferencia con la media de poblacin no se encuentra en ninguno de los intervalos. Observemos el grfico siguiente
Ho o = 1200 X observada = 1245
1225
1265
Intervalo de confianza del 95% Intervalo de confianza del 50%
Nivel de confianza crtico
59

Lo importante no es que se alcance o no la significacin estadstica, sino a qu nivel se alcanza. El nivel al que trasponemos la carencia de significacin para afirmar la significacin se puede denominar nivel de confianza crtico. Veamos como se calcula Consideremos la expresin conocida por nosotros = X z /n un valor estimado de intervalo implica z /n que est interrumpido a uno y otro lado de la X observada, en el ejemplo anterior el intervalo de confianza crtico implica fijar su longitud igual a |1245 - 1200| = 45; es decir | z | /n = 45 En esta ecuacin z es desconocida. Pero podemos conocer al resolverla | z | = 45 10/300 = 1.5 La probabilidad contenida entre los valores z = 1.5 se encuentran segn la tabla I, al Nivel de confianza crtico = 87% Y al nivel de significacin crtico = 13%. Cuando se resuelve de esta manera el valor crtico de , con frecuencia se denomina valor de probabilidad. Prueba clsica de hiptesis: El mtodo clsico de aceptacin o rechazo, que implica una preespecificacin arbitraria del nivel de significacin que generalmente es de 5%. Aunque esto esclarecer cuestiones importantes, entraa serios inconvenientes. Con el ejemplo anterior del control de calidad ilustramos ahora tres pasos comprendidos en la prueba clsica de hiptesis: 1. Se establece formalmente la hiptesis nula (Ho: - 1200) y la alternativa (H1: > 1200, por ejemplo = 1240). Al mismo tiempo se fijan el tamao de la muestra (por ejemplo 100) y el nivel de significacin de la muestra (por ejemplo = 5%). 2. Despus se supone temporalmente que la hiptesis nula es verdadera, y se pregunta qu se puede esperar de un estadstico de muestra extrado de este tipo de sistema. Su distribucin especfica se muestra en la figura de la pgina siguiente. Como podemos apreciar, existe una diferencia importante entre estos dos diagramas: El rea sombreada se fija arbitrariamente (y con ella la amplitud crtica para el rechazo de la hiptesis nula), incluso antes de observar cualquier dato. 3. A continuacin se extrae la muestra; si la X observada queda dentro del rea de rechazo en la figura, entonces se considera que est en conflicto con la hiptesis nula Ho; este conflicto es tan grande que se puede rechazar a favor de H 1. En los otros casos Ho es aceptable.
Si Ho es verdadera
60

Ho 1200 X observada 1245 1249 = 5% X
Valor crtico Aceptar Ho Rechazar Ho
Si H1 es verdadera
1240 H1 X
Figura. Si Ho es verdadera, entonces es igual a la probabilidad de error cuando se rechaza la hiptesis verdadera Ho. Si Ho es falsa (es decir, H1 es verdadera), es igual a la probabilidad de error cuando se acepte la hiptesis falsa Ho. El valor crtico para esta prueba de significacin del 5% es X = 1249, calculado al observar la tabla I que un valor de z de 1.64 corta un extremo de 5% de la distribucin normal; es decir, z crtico = (x - )/(/n ) = 1.64 Despejando la media de muestra, obtenemos Xcrtico = 1249 En el ejemplo, la X observada, igual a 1245, permite considerar que Ho es aceptable (Para formular de nuevo esto debemos recordar que el valor de probabilidad es una medida de la credibilidad de Ho: si la credibilidad desciende por debajo de , entonces se rechaza Ho). En resumen, existe otra forma de analizar este procedimiento de prueba. Si se obtiene una X observada mayor a 1249, caben dos explicaciones: 1. Ho es verdadera, pero se tuvo muy mala suerte y una muestra X improbable. (Se naci para perder; incluso, cuando se apuesta 19 a 1 en nuestro favor se pierde. Ja, j aja.) 2. Despus de todo, Ho no es verdadera; de ah que no debe causar sorpresa que X observada sea tan grande. Errores de tipo I y II En el proceso de toma de decisin estudiado antes se corre el riesgo de cometer dos distintos tipos de error. El primero: rechazar errneamente la verdadera H o. El rechazo de Ho verdadera se denomina error de tipo I; su probabilidad es , el nivel de significacin de la prueba. Ahora bien, supngase que la hiptesis nula es falsa (es decir, es verdadera la alternativa H1). Entonces, estamos en un sistema diferente; la distribucin de X en torno a H 1 -bastante 61

distinta-. En este caso la decisin correcta sera rechazar la H o falsa; se incurrira en error si X cayera dentro de la regin de aceptacin de Ho. Cuando Ho es falsa, tal aceptacin de Ho Recibe el nombre de error de tipo II; su probabilidad se llama .
Ejercicios
Ya hemos avanzado mucho, slo son unos pasos ms y 1. Complete los espacios en blanco. Considere el problema con el que se enfrenta un operador de radar cuya tarea es detectar aviones enemigos. Cuando aparece algo irregular en la pantalla debe decidir entre: Ho: todo est en orden; slo hay una pequea interferencia en la pantalla. H1: habr un ataque. En este caso, el error de tipo es una falsa alarma y error de tipo es una alarma omitida. A fin de reducir tanto como , el equipo electrnico se construy lo ms sensible y digno de confianza que fuera posible. 2. Una cafetera expende un promedio de 320 tazas de caf diarias, con una desviacin estndar de 40. Despus de hacer propaganda se comprob que se haban vendido 350 tazas durante 7 das. a. Influy la propaganda en el negocio? Calcule el valor de probabilidad. b. Si el propietario de la cafetera especifica que el error de tipo I de la prueba (nivel de significacin) tiene que ser 5%, rechazara la hiptesis de que el negocio no se modific? 3. Los registros informan que en una muestra aleatoria de 100 horas una mquina produjo un promedio horario de 678 artculos con una desviacin estndar de 25. Despus de instalar un dispositivo de control, la mquina produjo un promedio de 674 artculos por hora, con una desviacin estndar de 5, en una muestra aleatoria de 500 horas. Al sealar la disminucin de 4 artculos por hora en la media muestral, el gerente sostuvo que el dispositivo de control reduca la produccin. Por el contrario, el gremio afirm que esa disminucin era mera fluctuacin estadstica. Para resumir objetivamente la evidencia acerca del cambio verdadero o no de la produccin, calcule el valor de probabilidad.
Pruebas bilaterales de la hiptesis Como ejemplo, supongamos lo siguiente: una firma ha estado produciendo focos con una vida promedio de 800 horas. Ahora, desea probar una nuevo tipo de foco. Una muestra de 25 focos nuevos tiene una vida media X de 810 horas, con una desviacin estndar s = 30 horas. Puesto que es desconocida y la muestra es pequea, se debera emplear la distribucin t en lugar de la normal. Hay dos alternativas: Probar la hiptesis
62

Ho: = 800 Frente a la alternativa bilateral (que el foco nuevo es mejor o peor) H1: 800 Ahora necesitamos un valor crtico bilateral, que corte 2.5% en cada extremo. Entonces, si t observada = |x - o| t0.025 s/n
se rechaza o. Por otro lado
t observada = |x - o| < t0.025 s/n o es aceptable. Esta condicin puede formularse de nuevo: H o es aceptable al nivel de significacin del 5% si o - t0.025s/n < X < o + t0.025 s/n Compruebe usted sta ltima expresin. Dada la muestra s, junto con la hiptesis o, esta condicin se convierte en Ho es aceptable si 788 < X < 812 Como la X observada (810) queda dentro de este intervalo, o es aceptable. 2. Alternativamente, la muestra podra utilizarse para construir un intervalo de confianza para . Al utilizar el mismo nivel de confianza del 95%, este intervalo de confianza es, sabemos que es = X t0.025 s/n 798 < < 822 Lo que muestro en la siguiente figura, donde comparo la prueba de hiptesis bilateral con el intervalo de confianza (usamos una muestra con media de muestra 810 y desviacin estndar de muestra 30)
Si X est en este mbito, aceptar o
a)
798 800
Valor hipottico o
810
valor observado X
b)
798 810 822 o
Para resumir la figura anterior se dira que en la prueba de hiptesis expuesta en el panel (a), la X observada = 810 queda en la regin requerida para aceptar a o. Al mismo tiempo, en el panel (b), o cae dentro del intervalo de confianza. Este es el punto clave: o ser una hiptesis aceptable si y slo si cae dentro de este intervalo de confianza. Esto resulta claro a partir del diagrama, dado que el intervalo 63

utilizado tiene la misma longitud en ambos casos: por que fue construido por adicin y sustraccin de precisamente la misma tolerancia de error (t 0.025 s/n = 12). Siempre y cuando la media muestral X y o difieran en algo menor que t0.025 s/n, o quedar dentro del intervalo de confianza y ser asimismo una hiptesis aceptable. Esto es vlido para cualquier o. En general, puede demostrarse que: Ho es aceptable si y slo si el intervalo de confianza pertinente contiene a Ho. Observacin: El nivel de confianza debe concordar con el nivel de error de tipo I. Pruebas unilaterales de hiptesis El enunciado anterior, sobre Ho, tambin es vlido para el caso de una prueba unilateral de hiptesis, con tal que se utilice el apropiado intervalo de confianza unilateral del 95% > X - t0.05s/n Que precisamente es el equivalente unilateral del intervalo bilateral. Al sustituir > 810 - 1.71 30/25 > 799.7 Esto se presenta en la figura de abajo. En el panel (b) se muestra este intervalo de confianza con o = 800; esa o apenas queda dentro de ese intervalo. Simultneamente, en el panel (a) se define la prueba unilateral de hiptesis equivalente, con o considerada aceptable (por que X est dentro de la regin de aceptacin). Esto ilustra una vez ms que H o es aceptable si y slo si el intervalo de confianza lo contiene. El intervalo de confianza unilateral (expresado en la frmula de arriba) sera apropiado si se trata de establecer que el nuevo foco es mejor que el antiguo (no slo diferente). Este intervalo de confianza unilateral se aproxima un poco ms al extremo inferior, pero se vuelve totalmente vago (abierto) en el extremo superior.
Si X est en este mbito, aceptar o
a)
800
Valor hipottico o
810.3
valor observado X
b)
799.7 810 o
Ejercicios
Nada es bueno o malo, salvo por comparacin. 1. Tres fuentes distintas afirman que el ingreso promedio de determinada profesin es de C$ 7200, C$ 6400 y C$ 6400, respectivamente. A partir de una muestra de 16
64

profesionales, usted determina que su salario medio es de C$ 6030 y la desviacin estndar es C$ 570. a. Al nivel de significacin del 5%, pruebe cada una de las tres hiptesis. b. Construya un intervalo de confianza del 95% para . Pruebe entonces cada hiptesis; para hacerlo basta con que simplemente observe si est incluida en el intervalo de confianza. Es esto ms sencillo que (a)? 2. Una muestra de 8 estudiantes obtuvo las siguientes calificaciones: 3, 9, 6, 6, 8, 7, 8, 9. Suponga que la poblacin de calificacin es normal. Cul de las siguientes hiptesis acerca de la calificacin promedio () rechasara usted al nivel de significacin del 5%? a. o = 8 b. o = 6.3 c. o = 4 d. o = 9.
IV. ANALISIS DE VARIANZA Ya hicimos inferencia acerca de una media de poblacin y comparamos dos medias. Mediante el uso de tcnicas llamadas anlisis de variacin ahora compararemos r medias. Anlisis de varianza de un factor Suponga que se compara tres mquinas. Debido a que estas tres mquinas son manejadas por hombres la produccin por ahora est sujeta a una fluctuacin aleatoria. Con la esperanza de promediar y reducir as el efecto de esta fluctuacin, se extrajo una muestra aleatoria de 5 horas de cada una de las mquinas. Tabla. Produccin de tres mquinas Nmero de muestra Muestra de la mquina i Xi i=1 48.4 49.7 48.7 48.5 47.7 48.6 =2 56.1 56.3 56.9 57.6 55.1 56.4 =3 52.1 51.1 51.6 52.1 51.1 51.6 Promedio x = x = 52.2 Prueba de hiptesis De las numerosas preguntas que podran plantearse, una de las ms sencillas sera: Son las mquinas realmente distintas? O sea, son distintas las medias muestrales de la tabla debido a diferencias de las medias de la poblacin fundamental i (donde i representa el funcionamiento de la mquina durante el perodo de vida de la mquina)? O pueden atribuirse exclusivamente esas diferencias en Xi a las fluctuaciones aleatorias? Para ejemplificar supongamos que se extrajo de tres muestras similares, pero ahora de una sla mquina Tabla. Tres muestras de la produccin de una mquina 65

Nmeros de muestra
i=1 =2 =3
51.7 52.1 52.8
Valores muestrales 53.0 52.0 51.8 52.3 52.9 53.6 51.8 52.3 52.8
51.0 51.1 51.8
Xi 51.9 52.4 52.3 x = 52.2
Como era de esperarse, las fluctuaciones estadsticas de muestra ocasionan pequeas diferencias en Xi, aunque en este caso las i son idnticas. La prueba de no diferencia en las medias de poblacin es, como de costumbre, la hiptesis nula, Ho: 1 = 2 = 3 Una prueba convincente de esta hiptesis antes que nada requiere una medida numrica del grado en que difieren las medias muestrales. Por lo tanto, se toman las tres medias muestrales que aparecen en la ltima columna del cuadro en la pgina anterior y se calcula su varianza. Usamos la frmula de la varianza para muestra -no olvidemos que se calcula la varianza de las medias muestrales, y no las varianzas de todos los valores de la tabla- se tiene: s x = 1/(r-1) (X - X)2 la sumatoria va desde la primera, hasta la r-sima muestra. = (1/2)[(48.6 - 52.2)2 + (56.4 - 52.2)2 + (51.6 - 52.2)2] = 15.5 Donde r es la cantidad de medias muestrales y
2
X = (1/r) Xi = 52.2 Sin embargo, s2x no proporciona toda la informacin. Por ejemplo, analice los datos del cuadro siguiente Tabla. Muestra de la produccin de tres mquinas Mquina Produccin de muestra de la mquina i Xi i=1 54.6 45.7 56.7 37.7 48.3 48.8 =2 53.4 57.5 54.3 52.3 64.5 56.4 =3 56.7 44.7 50.6 56.5 49.5 51.6 x = 52.2 Al calcular la varianza de las medias obtenemos el mismo valor de la primera tabla, pero en este caso se trata de mquinas cuyo funcionamiento es irregular y que producen grandes fluctuaciones aleatorias en cada hilera. Cmo se puede medir esta fluctuacin? Intuitivamente, parecera que esa fluctuacin se interpreta como la extensin (o varianza) de los valores observados dentro de la muestra. Entonces se calcula la varianza dentro cada una de las muestras en la primera tabla. Y obtenemos: S21 = 0.52; S22 = 0.87 y S23 = 0.25
66

Y el promedio simple de stas S2p = (0.52 + 0.87 + 0.25)/3 = 0.547 se convierte en la medida de la fluctuacin aleatoria -y se denomina varianza conjunta-. De casa una de las r muestras se tiene una varianza muestral con (n-1) grados de libertad, de manera que la varianza conjunta S2p tiene r(n-1) d.f. Ahora se puede formular la pregunta fundamental: Es S2x grande en relacin con S2p? En la prctica se examina la razn, F = n S2x / S2p llamada razn de varianza. Se introduce n en el numerador de manera que esta razn tenga, por trmino medio, un valor cercano a 1 toda vez que H o sea verdadera. Sin embargo, debido a la fluctuacin estadstica, ese valor a veces estar por encima de 1 y otras por debajo de 1. Si Ho no es verdadera (y las no son iguales) n S2x ser relativamente grande en comparacin con S2p, y el valor F ser mayor que 1. Formalmente, cuando el valor calculado de F es significativamente mayor que 1, se rechaza Ho.
Ejercicios
1. Doce parcelas de terreno se dividen aleatoriamente en tres grupos. El primero se toma como grupo de control y los otros dos grupos se tratan con los fertilizantes A y B. Se observa que la produccin es: Control, C 60 64 65 55 A 75 70 66 69 B 74 78 72 68 a. Calcule la razn de varianza. b. Tienen los dos fertilizantes efectos diferentes? 2. Se extrajo una muestra aleatoria de 4 trabajadores, cada uno de ellos de industrias distintas, con su ingreso anual (en cientos de pesos) registrado de la siguiente manera: Industria A Industria B 66 58 62 56 65 53 63 61
a. Calcule el valor de probabilidad para la hiptesis nula (no hay diferencia entre las industrias); use primero una prueba t y luego una prueba F. b. Son exactamente equivalentes las pruebas t y F?
67
BIBLIOGRAFIA Wonnacott, Thomas H.; Wonnacott, Ronald J. Introduccin a la Estadstica. 1990. Editorial LIMUSA, Mxico. Hoel, Paul G. Estadstica Elemental. Segunda edicin. 1965. Compaa Editorial Continental, Mxico. Enciclopedia temtica: Gran Consultor Estudiantil.2001. Educar Cultural y Recreativa S.A. Colombia. Genet B, William. Estadstica, Probabilidad y su Tratamiento Metodolgico. MINEDPASEN BM, crdito 3978-NI; 2009. Nicaragua.
68

Estadistica II Contabilidad

Transféré par

Informations du document

Description originale:

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Estadistica II Contabilidad

Transféré par

Droits d'auteur :

Formats disponibles

UNIVERSIDAD MARTIN LUTERO Un ministerio de las asambleas de Dios Facultad de Ciencias Econmicas

Profesor: Franklin Briceo.

El disfrute por la matemtica, radica en no temerle de antemano Franklin Briceo

El disfrute por la matemtica, radica en no temerle de antemano Franklin Briceo

Unidad I. CALCULO DE PROBABILIDADES.

El disfrute por la matemtica, radica en no temerle de antemano Franklin Briceo

El disfrute por la matemtica, radica en no temerle de antemano Franklin Briceo

El disfrute por la matemtica, radica en no temerle de antemano Franklin Briceo

Operaciones con conjuntos:

El disfrute por la matemtica, radica en no temerle de antemano Franklin Briceo

El disfrute por la matemtica, radica en no temerle de antemano Franklin Briceo

Propiedades de las operaciones con conjuntos

El disfrute por la matemtica, radica en no temerle de antemano Franklin Briceo

El disfrute por la matemtica, radica en no temerle de antemano Franklin Briceo

El disfrute por la matemtica, radica en no temerle de antemano Franklin Briceo

Tcnica 1. Es posible que tengamos n eventos en un experimento y que tal experimento

El disfrute por la matemtica, radica en no temerle de antemano Franklin Briceo

Tcnica 3. El nmero de formas en que se pueden ordenar n objetos es n!, mejor

cabd cadb cbad cbda cdab cdba

dabc dacb dcab dcba dbac dbca

Lo cual resulta tambin al calcular usando el factorial 4! = 4 3 2 1 = 24

Tcnica 4. El nmero de formas en que podemos ordenar r objetos seleccionados de n

El disfrute por la matemtica, radica en no temerle de antemano Franklin Briceo

El disfrute por la matemtica, radica en no temerle de antemano Franklin Briceo

P4 = 12! / (12 - 4)! = 12! / 8! = 11 880

El disfrute por la matemtica, radica en no temerle de antemano Franklin Briceo

C5 = 15! / (5!10!) = 3003

El disfrute por la matemtica, radica en no temerle de antemano Franklin Briceo

III. ESPACIO MUESTRAL Y ACONTECIMIENTOS

El disfrute por la matemtica, radica en no temerle de antemano Franklin Briceo

El disfrute por la matemtica, radica en no temerle de antemano Franklin Briceo

El disfrute por la matemtica, radica en no temerle de antemano Franklin Briceo

P(A B) = P(A) + P(B) - P(A B) = 0.86 + 0.35 - 0.29 = 0.92

El disfrute por la matemtica, radica en no temerle de antemano Franklin Briceo Ejercicios

El disfrute por la matemtica, radica en no temerle de antemano Franklin Briceo

El disfrute por la matemtica, radica en no temerle de antemano Franklin Briceo

10 a ms aos en negocio Menos de 10 aos en el negocio

El disfrute por la matemtica, radica en no temerle de antemano Franklin Briceo

El disfrute por la matemtica, radica en no temerle de antemano Franklin Briceo

El disfrute por la matemtica, radica en no temerle de antemano Franklin Briceo

Como se pide calcular P(D/I)

El disfrute por la matemtica, radica en no temerle de antemano Franklin Briceo

El disfrute por la matemtica, radica en no temerle de antemano Franklin Briceo

El disfrute por la matemtica, radica en no temerle de antemano Franklin Briceo

El disfrute por la matemtica, radica en no temerle de antemano Franklin Briceo

VIII. VARIABLES ALEATORIAS

Variable aleatoria discreta

El disfrute por la matemtica, radica en no temerle de antemano Franklin Briceo

El disfrute por la matemtica, radica en no temerle de antemano Franklin Briceo

(x - )2 p(x) 4/10 2/10 0 4/10 1

Por lo tanto, podemos ver que = 3 y 2 = 1

El disfrute por la matemtica, radica en no temerle de antemano Franklin Briceo

El disfrute por la matemtica, radica en no temerle de antemano Franklin Briceo

El disfrute por la matemtica, radica en no temerle de antemano Franklin Briceo

El disfrute por la matemtica, radica en no temerle de antemano Franklin Briceo

El disfrute por la matemtica, radica en no temerle de antemano Franklin Briceo

donde x = 5 y x = 1 donde x = 400 y x = 200 donde x = 400 y x = 200.

El disfrute por la matemtica, radica en no temerle de antemano Franklin Briceo

El disfrute por la matemtica, radica en no temerle de antemano Franklin Briceo

El disfrute por la matemtica, radica en no temerle de antemano Franklin Briceo

El disfrute por la matemtica, radica en no temerle de antemano Franklin Briceo

El disfrute por la matemtica, radica en no temerle de antemano Franklin Briceo

El disfrute por la matemtica, radica en no temerle de antemano Franklin Briceo