1.PROBABILIDAD: Si hay n posibilidades igualmente probables,de las cuales una puede ocurrir y s se considera como favorable o como un xito.

La probabilidad de un suceso (acontecimiento o resultado) es la proporcin del tiempo en que los sucesos de la misma clase tendrn lugar a la larga. Ejemplo.cual es la probabilidad de sacar un as de un paquete bien revuelto de 52 cartas? Bien revuelto Significa que cada carta tiene la misma posibilidad de salir, de modo que se puede aplicar el concepto clsico de probabilidad. Dado que hay s=4 ases entre las n=52 cartas, encontramos que la probabilidad se sacar un as es

Ejemplos. Si tres de veinte llantas estn defectuosas y se seleccionan cuatro de ests al azar para una supervisin, cul es la probabilidad de que se incluya un de las llantas defectuosas? Hay n=( )=4,845 maneras de seleccionar cuatro de las veinte llantas, que se

pueden considerar como igualmente probables de virtud de la seleccin aleatoria. El nmero de resultado favorables es el nmero de maneras en que se pueden selccionar una de las tres llantas defectuosas y tres de las diecisiete llantas defectuosas, especficamente. S=( ) ( )

De ah que la probabilidad de seleccionar una llanta defectuosa y tres llantas no defectuosas sea

O aproximadamente 0.42. ( los valores de los diversos coeficientes binomiales se leen directamente en la tabla X

2.Estadstica: Se le llama estadistica al conjunto de procedimientos destinados a recopilar, procesar y analizar la informacin que se obtiene con una muestra para inferir las caracteristicas o parmetros de una poblacin o de un problema determinado. En la prctica, el investigador se encuentra con muchas limitaciones reales para conocer con detalle un problema o situacin que le preocupa, por lo que debe deducir las caractersticas principales utilizando los procedimientos estadsticos. 3.POBLACION: Poblacin es el conjunto de cosas, personas o situaciones que tienen una o varias caractersticas o atributos comunes, por ejemplo: los habitantes del Distrito Federal en el presente ao; las personas menores de edad en 1990: los estudiantes de la Universidad Autnoma Metropolitana en 1985; el total de formas como se pueden arreglar tres anuncios tomados de un total de 10; las reacciones de un nuevo medicamento, etctera. Un conjunto de datos que consta de todas las observaciones concebibles (o hipotticamente) posibles de un fnomeno determinado. A esto le llamamos poblacin. 4.MUESTRA: Es una parte, generalmente pequea, que se toma del conjunto total para analizar y hacer estudios que le permitan al investigador inferir o estimar las caracteristicas de un problema. La persona interesada en resolver un problema no tiene siempre a la mano toda la informacin, por que debe conformarse con pequeos detalles, carentes de precisin, que le ayuden a tomar decisiones bajo riesgo. A un paciente que debe ser operado quirrgicamente se le analiza su sangre tomando una muestra pequea para conocer el grado de cohagulacin. No es necesario extraerle toda la sangre. El industria que desea saber si el alambre que produce tiene la resistencia necesaria a la tensin deseada, toma solamente una muestra de produccin, debido a que el alambre se destruye con la prueba y de otra manera tendra que destruir toda la existencia .

El psiclogo necesita determinar el comportamiento de una persona, analiza los resultados de una muestra , tomada en pequeas observaciones, sin necesidad de tener al sujeto en constante observacin. La informacin o caracterstica que se encuentra en la muestra se llaman estimadores y sirven para deducir cmo son las caracteristicas llamadas parmetros de la poblacin. Un conjunto de datos que consiste en slo una parte de las observaciones de los fenmenos determinados es una muestra. 5.VARIABLE: La variable es una medida en un experimento, representada por una (x) o por una (y) que puede tomar un valor de un conjunto de valores. 9.-VARIABLE CUALITATIVA: Es la que se manifiesta en atributos: Bueno Regular Malo Peor Impecable Aceptable Defectuoso 10.-VARIABLE CUANTITATIVA: Es la que se expresa en cantidades.

322 21.5 72 44-99 18.3 74.8 44 128.4677 23

16.-DISTRIBUCIN DE FRECUENCIAS: Supongamos que 50 estudiantes se han examinado se economa poltica. La calificacin del examen es la variable X. Si ahora nos pregunta cmo han realizado los estudiantes el examen de economa poltica, se puede contestar de varias maneras. Podemos, por ejemplo, leer las calificaciones de cada estudiante. Podemos ordenar las calificaciones en forma creciente y describirlas o bien agrupar las calificaciones para poder decir cuntas se encuentran entre los 30 y 39 puntos, cuntas entre 40 y 49, etc.;es decir, se puede presentar el resultado indicando el nmero de veces que se repiten las calificaciones dentro de cada categora de 10 puntos. El nmero de repeticiones en cada categora se llama la frecuencia de cada categora o clase, o simplemente frecuentemente de clase.

En cualquier caso, el objetivo es presentar las calificaciones ( que son la variable X ). Cuando hay solo 50 estudiantes se pueden dar rpidamente la nota o calificacin de cada alumno, pero cuando tenemos 100 o 200 ms, este mtodo resulta tedioso. Es mas fcil acudir al procedimiento presentado en el prrafo anterior con el que obtenemos las calificaciones de cada clase. Con estas frecuencias de clase (o simplementes frencuencias) se forma un cuadro, que se denomina tabla de frecuencias. 17.-HISTOGRAMAS: El histograma constituye la forma ms usual para la representacin grfica de variables continuas. Se parte de para su construccin de un sistema de coordenadas cartesianas, cuyo eje de abcisas se representan los intervalos en que se han agrupado los valores de la variable. Posteriormente se construye, sobre cada intervalo, un rectngulo cuya superficie es igual a la frecuencia de las observaciones correspondientes. Las frecuencias se hacen corresponder a las superficies y no a las alturas, para eliminar la influencia de la desigualdad de clases, cuando stas son distintas entre s. Sin embargo, cuando son iguales basta que las alturas sean proporcionales a los efectivos o a las frecuencias. muestran la altura de las frecuencias mediante barras pegadas una a otra, que se levantan sobre la distribucin de las observaciones. 18.-MEDIDAS DE TENDENCIA CENTRAL: Es el conjunto de valores que definen una muestra o una poblacin, se encuentran algunas medidas de tendecia central y entre ellas se pueden mencionar la media, la media ponderada, la media geomtrica, media armnica, la mediana y la moda. 19.-MEDIDAS DE DISPERCION: Las medidas de dispersin que podemos encontrar en una muestra o en una poblacin, son el recorrido, la desviacin estndar, la varianza, el coeficiente de variacin, la presicin y la tolerancia. 26.-LEY DE LOS GRANDES NUMEROS: Si una situacin, una prueba o un experimento se repite una y otra vez, la proporcin de xitos tender aproximarse a la probabilidad de que cualquier resultado sea un xito.

27.-EVENTOS: Son las situaciones o resultados que pueden ocurrir al realizar un experimento. 28.-EVENTOS MUTUALMENTE EXCLUYENTES: son los eventos que tienen puntos muestrales con caracteristicas contrarias no compatibles entre s. No puede ocurrir (A) si ocurre (B) o viceversa: pares o nones; chicos o grandes; hombres o mujeres; buenos o malos; etc. En estos casos no pueden presentarse las dos carateristicas al mismo tiempo; la probabilidad es por tanto de cero. En el espacio muestral del ejemplo anterior, hay 3 mujeres (A), lo que significa que las otras 5 personas son hombres (A) La probabilidad de que al seleccionar a una persona sea mujer o sea hombre es de cero. Sin embargo, s puedes suceder que al seleccionar a una persona al azar sta sea mujer y abogado. Tambien puede suceder que la persona sea mujer u hombre, es decir, que ocurra el evento (A) o el evento (A). 29.-EVENTOS INDEPENDIENTES: Son aquellos en que la ocurrencia de uno no afecta la probabilidad de ocurrencia del otro por pertenecer a espacios muestrales diferentes. Cada espacio muestral estudiado conserva en 100% de sus puntos muestrales. 31.-EVENTOS DEPENDIENTES: Son eventos dependendientes aquellos en que la ocurrencia de uno afecta la probilidad de acontecer del otro, por permanecer al mismo espacio muestral. 32.-DISTRIBUCION BINOMIAL: Es la distribucin de (N) pruebas de idnticas e independientes,con probabilidad (p) que un evento(Y) ocurra en cada una de las (N) pruebas. La probabilidad de obtener x xito en n intentos independientes es ( ) ( ) ( ) para x=0,1,2,,0 n

Donde p es la probabilidad constante de un xito por cada intento.

Aqu es, es comn decir que el nmero de xito en n intentos es una variable aleatoria que tiene la distribucin de probabilidad binomial o simplemente la distribucin binomial. La distribucin binomial recibe este nombre dado que para x=0,1,2,. y n, los valores de las probabilidades son los trminos sucesivos de la ) ] . expansin binomial de[( EJEMPLO. Si la probabilidad de que cualquier elector registrado ( seleccionado al azar de las listas oficiales ) vote en una eleccin determinada es 0.70cul es la probabilidad de que dos de cinco electores registrados voten en la eleccion? Solucin Sustituyendo x=2, n=5, p=0.70 y ( ) distribucin binomial, obtenemos ( ) ( )( =10( =0.132 Redondeando a tres decimales. 33.-DISTRIBUCION NORMAL: Esla distribucin que se presenta cuando la funcin de densidad se distribuye simtricamente a ambos lados de la media. 34.-PERMUTACIONES: Son lo puntos muestrales formados con valores de un mismo grupo, con diferentes arreglos. EJEMPLOS. Si veinte pinturas participan en una exposicin de arte de cuntas maneras distintas los jueces pueden otorgar un primer y un segundo premio? Solucin. Ya que se puede otorgar el primer premio de m=20 maneras y el segundo premio se debe otorgar a una de las otras n=19 pinturas, hay un total de 2019=380 maneras en que los jueces pueden otorgar dos premios. 36.-DISTRIBUCION DE POISSON: Es la distribucin de muestras grandes (n) y probabilidades de ocurrencia (P) muy pequeas, durante un periodo. Se usa para calcular la probabilidad de ( Y) valores que se presentan en un periodo tales como: ) ( ) ( ) ) en la frmula para la

Accidentes poe mes. Casos de rabia por ao. Descomposturas por da. Personas que requieren atencin por semana. Arribos por hora.

Ejemplo.- en una poblacin se presentan 5 casos de rabia en promedio por ao. P(Y;5) a.- calcular la distribucin de possion hasta de 10 casos. EJEMPLOS. se sabe que 2% de los libros que se encuadernan en un taller tiene una encuadernacin defectuosa. Use la aproximacin de Poisson para la distribucin binomial para encontrar la probabilidad de que 5 de 400 libros encuadernados eneste taller tenga una encuadernacin defectuosa. Solucin. Sustituyendo x=5 y np=400(0.02)=8 en la frmula para la distribucin de poisson y obtenido de la tabla XIII, encontremos que ( ) ( )( )

Bibliografias: Estadstica elemental Octava edicin 1994 Jonh Freud y Gary A. Simon 566 pag. Editorial PEARSON PRETICE HALL

Estadistica 1 Agustn Montao ltima reimpresin 1999 Editorial PAC S.A DE C.V 252 pag Estadistica Nueva edicion con 720 problemas aplicados Taro Yamane Tercera edicion 1979 Editorial HARLA 769 pag.