Vous êtes sur la page 1sur 17

Frmula para hallar el tamao de la Muestra N

Dnde: n=Tamao de la muestra t = Nivel de Factibilidad p=Poblacin estimada 0.5 m=Margen de error Hasta 15%

Medidas de Centralizadas Datos no Agrupados MEDIA Pares

Datos Agrupados

( MEDIANA Impares

MODA

Dato que repite ms veces o

Dato que se repite con mayor frecuencia.

Ejemplo: 1. { }

Medidas de Variabilidad Datos no Agrupados Varianza

Datos Agrupados

Desviacin Estndar

Covarianza o Coeficiente de Variacin Cuartiles 204, 228, 252, 300, 324, 444, 624, 720, 816, 912, 1176, 1296, 1992, 1488, 1512, 2520, 2856, 3192, 3528, 3710.

Percentiles

El 100 coecimo percentil es un valor tal que al menos el 100% de las observaciones estn en el valor o por debajo de l. Para hallar los percentiles se debe tener los siguientes procedimientos. 1. Encontrar el nmero de la posicin y el percentil mediante el clculo de nk si nk no es un entero entonces i es el siguiente entero ms grande, si n*k es entero i=nk + 0.5 2. Si i es un entero cuntese desde la observacin ms pequea hasta hallar el i-esimo valor i no es entero contiene una fraccin igual a con lo que el valor Pk es el promedio de las observaciones ordenadas nk y nk + 1.

Ejemplo: 204, 228, 252, 300, 324, 444, 624, 720, 816, 912, 1176, 1296, 1992, 1488, 1512, 2520, 2856, 3192, 3528, 3710 1. P10= 0.10 K = 0.10 i = nk i = 20*0.10 i = 2 + 0.5 i = 2,5

2. P88 = 0.88 K = 0.88 i = 20*0.88 i = 17.6 P0.88 = 3192 3. P25 = 0.25

K = 0.25 i = (20) (0.75) i = 5+0.5 i = 5.5 4. P75 = 0.75 i = (20) (0.75) i = 15+ 0.5 i = 15.5 5.0 5.3 5.8 5.7 4.7 11.2 4.8 7.3 Rango = 12.4 3.9 = 8.5 Nc = = 5 L= 5.1 6.4 6.2 12.4 5.9 3.9 7.2 8.1 7.4 9.2 10.0 10.5 12.2 9.3 8.5 9.5

# clases 3.9 5.6 5.7 7.4 7.5 9.2 9.3 11 11.112.8

Punto medio 4.75 6.55 8.35 10.15 11.95

f. absoluta 6 8 3 5 3 25

f. f. relativa acumulada 6 6/25 0.24 14 17 22 25 8/25 0.32 3/25 0.12 5/25 0.20 3/25 0.12 1.00

f. relativa % acumulada 0.24 24% 0.56 0.68 0.88 1.00 32% 12% 20% 12% 100%

Clase Modal [5.7; 7.4] = = 7.702 Mediana = 5.7 + 1.7( Mediana = 7.08 )

S2 = 6.18

S = 2.486

= 5.75

= 7.08

= 8.41 Reducir la formula de la varianza mediante la frmula de la media

COMBINACIONES
El nmero de combinaciones nos permite identificar la cantidad de elementos del espacio muestral y est definido como un arreglo de objetos sin importar el orden y sin repeticin. Seleccionados de n objetos tomados r en r, el nmero de tales combinaciones de les denota como: Formula:

Ejemplo # 1: Hallar todas las combinaciones de las 4 letras A, B, C, D tomadas 3 a la vez ABC ABD BCA ACD

PERMUTACIONES
Un arreglo ordenado de r objetos sin repeticin seleccionado de n objetos distintos se conoce con el nombre de permutacin de n objetos tomado de r en r

Formula:

Ejemplo # 1: Un club tiene 20 miembros los cargos de Presidente Vicepresidente, Tesorero, Secretario deben ser seleccionados y ningn miembro puede server en ms de un cargo. Cuntas listas de candidatos es posible?

DEFINICIN DE PROBABILIDAD SUBJETIVA


Es aplicado a todo fenmeno o experimento que no nos permita repeticiones, son fenmenos que se presentan rara vez y en estos tipos de experimentos para hallar la probabilidad depende del grado de conocimiento que se tenga sobre el tema y est definido como un cociente entre el valor que indique el investigador sobre el 100% Formula:

a= Probabilidad de aceptacin b= Probabilidad complementaria

PROBABILIDAD AXIOMTICA
Sea S un espacio muestral aleatorio y sea E cualquier evento de este espacio, se llamar funcin de probabilidad sobre el espacio muestral S a) P(E) si satisface que: 1) La probabilidad P(E) 0 2) P(S) = 1 3) Para los eventos E1,E2,E3,.En P(E1 U E2 U E3 U. U En) = P(E1)+P(E2)+P(E3)++P(En) Donde Ei Ej = 0 i != j i,j = 1.n

Teorema: Sea S que contiene a cualquier de 2 eventos A,B entonces la probabilidad A U B P(AUB) - P(A)+P(B) P(AB)

Ejemplo # 1: Un sistema contiene 2 componentes A y B se conecta de manera que esta funciones si cualquier de los dos componentes funciona. Se sabe que la probabilidad de que A funcione es 0m9 y que B funciones es 0,8, adems se sabe que la probabilidad de ambos es 0,72. Encontrar la probabilidad de A U B P(A) = 0.9 P(B) = 0.8 P(AB) = 0.12 P(AUB) = 0.9+0.8-0.72 = 0.98

Probabilidad Conjunta y Probabilidad Marginal Se conoce como probabilidad conjunta de dos eventos a la probabilidad de la interseccin, mientras que probabilidad marginal o la probabilidad de cada uno de los eventos.

PROBABILIDAD CONDICIONADA.
Llamada tambin probabilidad condicional, para hallar el valor de la probabilidad, utilizando la probabilidad condicional se debe tomar en cuenta que en los experimentos exista informacin adicional. En este tema se conocen datos adicionales a lo que se tiene comnmente en los casos de probabilidad anterior Definicin.- Sean E y F dos eventos diferentes de los eventos nulos se le denota con probabilidad de E dado F P(E/F) y esto es igual

( )

F espacio muestral reducido Ejemplo: Experimento: Lanzamiento de un dado Sea E el evento de los elementos pares, hallar la probabilidad de E S={1,2,3,4,5,6} E={2,4,6}

Ahora entindase que F el evento que representa la informacin adicional es decir internamente se lanza el dado y se observa que sali los nmeros mayores e iguales que 3 F= {3, 4, 5, 6} E={2, 4, 6} ( )

Ejemplo # 1:

Una urna contiene dos canicas azules y dos canicas blancas, si se sacan sin reeemplazo de manera aleatoria 2 canicas. Encontrar la probabilidad de que la segunda canica sea blanca dado que la primera sacada es azul

S= { A1B1, A1,B2, A1A2, A2B1, A2B2, A2A1, B2A1, B2B1, B2A2, B1A1, B1A2, B1B2} E= {A1B1, A1B2, A2B1, A2B2, B1B2, B2B1} F= {A1B2, A2A1, A1A2, A2B2, A1B2, A2B1} EF= {A1B1, A2B1, A1B2, A2B2} P(E/F)= (4/12) / (6/12)= 2/3 BAYES

Ejemplo

Se va a tratar un ejemplo de 2 etapas en el que sabemos el resultado de la segunda etapa y estamos interesados en conocer la prbabilidad de que un resultado en particular haya ocurrido en la primera etapa para ilustrar lo anterior suponga que una poblacin total es decir nuestro espacio muestral, se cree que el 8% tiene una enfermedad particular. Tambin imaginese que hay un tipo de prueba de sangre para la deteccin de la enfermedad y que los investigadores han evaluado su eficiencia. datos de pruebas extensas muestran que la prueba de sangre no es perfecta; no solamente es positiva para el 95% de quienes tienen la enfermedad, tambin resulto positiva para para el 3% de quienes no la tienen. Suponga que una persona es seleccionada al azar u se realiza la prueba de sangre. Si el resultado es positivo cual es la posibilidad de que la persona no tenga la enfermedad.

D1={Persona tiene la enfermedad} D2={ Persona no tiene la enfermedad } P+={Prueba +} P-={ Prueba -}

95% D1 8% 5% 3%

P+

PP+

92%
D2 97% P(D1/P+)= P(D1/P+)=
( )

P-

FUNCIN ACUMULADA
Definicin.La funcin acumulada a funcin de distribucin acumulada de una VAD X denotada
por. FX( x )=P( X x ) = Fx ( x)

Ejemplo 1: FX( 1)= P( X 1 ) = P ( X=0 ) + P( X=1 ) =0,96 FX ( 2)= P ( X 2 ) = P ( X=0 ) + P( X=1 ) +P ( X=2 ) = 1

10

DISTRIBUCION BINOMIAL

MEDIDAS DE TENDENCIA CENTRAL Y DE DISPERSIN


1. Media 2. Varianza 3. Desviacin Estndar =np Var(X)= npq = DE(X)= =

Ejemplos:
1. Si la variable aleatoria X representa el nmero de caras en un solo lanzamiento de cuatro monedas, Hallar: a).- P (x=3) b).- P (x<2) c).- P (x2) d).-P (1<x3) e).- P (x3) Solucin: a).- P (x=3)= ( ) ( ) ( ) =0,25 b).-P (x<2)= ( ) P (x1)=( ) ( ) ( ) + ( ) ( ) ( ) = 0.63 c).-P (x2)= ( ) ( ) ( ) + ( ) ( ) ( ) + ( ) ( ) ( ) = 0,68 d).-P (1<x3) = P (x3) P (x1) = F (3) F (1) = ( )( ) ( ) + ( )( ) ( ) = e).- P (x3) = 1- P(x<3) = 1 P(x 2) ] = 0,32 =[

11

DISTRIBUCION DE POISSON

P (E)= P(x, ) = Dnde: x = Nmero de xitos esperados en n ensayos e = 2.71828... = n p = Constante igual al nmero de xitos promedio por unidad de medida p = Probabilidad constante durante el proceso igual al nmero de xitos promedio por unidad de medida.

MEDIDAS DE TENDENCIA CENTRAL Y DE DISPERSIN

El clculo de estas magnitudes puede realizarse con las siguientes frmulas: = = np = =

1. Media 2. Varianza 3. Desviacin Estndar

Ejemplos:
1. Ciertos tipos de rboles tiene retoos dispersos de forma aleatoria de aproximadamente 5 por cada . Encuentre la probabilidad de que al escoger 10 personas por no se encuentre retoo alguno. X=0 =5 Solucin: P (0; 5) = = 0,0067

12

FUNCIONES Y DISTRIBUCIONES DE VARIABLES ALEATORIAS CONTINUAS


Definicin de Funcin de Densidad Poblacional
Una funcin f(x) es una funcin de densidad de poblacin de la Variable aleatoria Continua X si para cualquier intervalo de los nmeros reales [x1,x2] cumplen con la siguientes condiciones: 1. f(x) 0 2. 3.

Ejemplo:
1. Sea la Variable aleatoria X Continua la corriente medida en mA (miliamperios) en un conductor de cobre suponga que el rango de X es el intervalo cerrado [0-20]mA y la funcin de densidad esta dada con una funcin f(x)=0,05 en un rango 0x20 Cul es la probabilidad de que una medicin de corriente sea <10mA?

= (0,05)(10) - 0

= 0,5

DEFINICION DE FUNCIONES DE PROBABILIDAD ACUMULADA DE UNA V.A.C


Sea f(x) una funcin acumulada de una variable aleatoria X continua definida de la siguiente manera: F(X) = P (X x) = ; -

Propiedades:
Si F(x) =

Suponga que la funcin de la Variable Aleatoria Continua X es:

f (x){

Calcular:

13

a. P(x2,8)= F(2,8)= (0,2)(2,8) = 0,056 b. P(x1,5)= 1-F(1,5) = 1-(0,2)(1,5) = 0,9

DEFINICION DE LA ESPERANZA MATEMATICA, VARIANZA Y DESVIACION ESTANDAR DE UNA V.A.C


E(x) = Mx = V(x) = DE(x)= x =

DISTRIBUCION NORMAL
( )

f (x) (x: , ) =

Z= Que es una VAN con l aE(z)=0 y la Var(Z)=1 esto representa que Z es VANE.

Distribucin Exponencial
Ejemplo:

Segn Poisson

Nueva Distribucin

No hay fallo en un lapso de tiempo

Funcin acumulativa Densidad de Probabilidad Exponencial

14

Ejemplo: En una red grande el acceso de los usuarios del sistema puede ser modelado por Poison con un acceso con medio U= 24 accesos por hora. Cul es la probabilidad de que haya accesos en un intervalo de 6 min?

[ ]

Cul es la probabilidad del tiempo que tiene al siguiente acceso este entre 2 y 3min?

Cul es la probabilidad que NO se presentan accesos al sistema, durante ese tiempo sea 0.90?

15

El tiempo de vida de los reguladores de voltaje de los automviles tiene una distribucin exponencial con un tiempo de vida media de 6 aos. Una persona compra un auto con una antigedad de 6 aos con un regulador de frecuencia y planea tenerlo por 6 aos. Cul es la probabilidad en que el regulador de voltaje falle en el lapso de 6 aos?

El tiempo entre arribos de los taxis a un cruce muy concurrido tiene una distribucin exponencial con medida de 10 minutos ( )Cul es la probabilidad de que una persona que este en el cruce tenga que esperar mas de una hora para tomar un taxi?

16

x y Estatura Peso 160 38 165 40 170 50 . . . . . . x y Funcin lineal que aproxime conjunto de datos que se tiene y esa es la mayor aproximacin. y = ax + b Error distancia de la funcin a los puntos. Sumatoria de las distancias es muy grande la regresin no es la adecuada. La mejor es aquella que el error sea mnimo.

17