TALLER DE ESTADSTICA # 1

MARA JESS ATENCIA BATISTA

OSCAR DAVID MACILLA OYOLA
DANIEL ENRIQUE VLEZ CORDERO
FREDY HERNNDEZ




Presentado a:
DANIEL MARTNEZ CAUSIL



IV Semestre



UNIVERSIDAD DEL SIN ELAS BECHARA ZANUM MONTERA
FACULTAD DE CIENCIAS ECONMICAS, ADMINISTRATIVAS Y CONTABLES
PROGRAMA DE CONTADURA PBLICA NOCTURNA
MTODOS ESTADSTICOS
2013
INTRODUCCIN

Afirmaciones en trminos probabilsticos hacen parte de nuestro lenguaje
diario: chance, riesgo, probable, posible, pueda que ocurra o no, casi cierto y otras ms.
Todas estas son utilizadas para comunicar un cierto grado de incertidumbre aunque su
uso no tcnico no permite establecer una clara diferencia entre probable y verosmil o
entre improbable e imposible.
En este trabajo se abarca sobre conceptos bsicos de probabilidad, teoras y ejemplos
para comprender claramente y de forma tcnica estas situaciones.





OBJETIVOS

GENERAL

Conocer y aplicar los conceptos importantes en el desarrollo de la temtica
correspondiente a probabilidad as como las teoras de la misma.

ESPECFICOS

- Realizar un anlisis crtico de la bibliografa encontrada para el desarrollo
de conceptos estadsticos.
- Identificar las definiciones fundamentales de valor esperado y varianza de
variables aleatoria.
- Identificar los conceptos bsicos de permutacin y combinacin.
- Desarrollar habilidades tcnicas en la resolucin de ejemplos
probabilsticos.















TEORA DE PROBABILIDAD

Sistemas Determinsticos: Sistemas que interactan de forma predecible, de modo que
podemos describir con certeza su comportamiento. Ejemplo: Un software de computador.
Sistemas Probabilsticas: Son sistemas con un comportamiento no predecible, sujetos a
incertidumbre. Ejemplos: La Inflacin, El Sistema Econmico Mundial, las
Organizaciones. La mayora de los sistemas son de naturaleza probabilstica, all radica
la importancia de la estadstica.
Experimento Estadstico (Aleatorio): Proceso del cual se derivan una serie de
resultados de naturaleza aleatoria. Ejemplo: Observar el nmero de personas que
hablan por el celular mientras manejan, lanzar un dado y observar el resultado que se
presentan en la cara superior.
En la estadstica frecuentemente se manejan:
Datos Numricos o Experimentales (Variables): Producto de conteo o mediciones.
Ejemplo: Los nmeros 1,3,4,5 representan los accidentes laborales en los 4 primeros
meses del ao
Datos Categricos o de Atributos: Pueden de clasificarse de acuerdo a algn criterio o
caracterstica de calidad. Ejemplo: N,D,N,N,D representan los artculos defectuosos y no
defectuosos cuando se inspecciona una muestra aleatoria de 5 de ellos.
Donde: N: No defectuoso. D: Defectuoso
Espacio Muestral: Conjunto de todos los resultados posible de un experimento
estadstico. Se representa por el smbolo S
A cada resultado del espacio muestra se le denomina punto muestral.
En referencia al experimento que consiste en lanzar un dado y observar el resultado que
se presenta en la cara superior, el espacio muestral S de resultados posibles es:
S = {1,2,3,4,5,6 }
Si S finito o infinito contable, se le denomina Espacio Muestral Discreto
Si S constituye un intervalo real o unin de intervalos reales, se le denomina Espacio
Muestral Continuo.
Ejemplos:
- Al lanzar un dado y observar el resultado que se presenta en la cara superior, el
espacio muestral S es discreto finito, pues:
S = {1,2,3,4,5,6 }
- Lanzar una moneda hasta que salga cara, el espacio muestral S es discreto
infinito, pues:
S = {c,sc,ssc,sssc,ssssc, }.
- Si medimos el tiempo que transcurre hasta que falla un componente electrnico, el
espacio muestral S es continuo, pues:
S = {0, }.
Para un nmero considerable de puntos Muestrales, resulta prctico expresar el espacio
muestral como una regla o enunciado. Ejemplo:
- El nmero de puntos internos en una circunferencia de radio 3 con centro en el
origen
S = { (x,y / x
2
+ y
2
<= 9; x>0, y>0}

En experimentos de muestreo, que implican la seleccin artculos de un lote debemos
considerar si la seleccin se lleva a cabo:
Sin Reemplazo: El artculo seleccionado no se coloca de nuevo en el lote, antes de
seleccionar el siguiente.
Con Reemplazo: El artculo seleccionado se coloca de nuevo en el lote, antes de
seleccionar el siguiente.
Ejemplo: Un lote contiene tres artculos {1, 2,3}.el experimento consiste en seleccionar
dos de ellos
Si el experimento se lleva a cabo Sin Reemplazo:
S = {12, 13, 21, 23, 31,32}
Si el experimento se lleva a cabo Con Reemplazo:
S = {12, 13, 21, 23, 31, 32, 11, 22,33}
Evento: De manera frecuente, el inters recae en un conjunto particular de resultados, as
un evento constituye un subconjunto del espacio muestral en un experimento estadstico.
El evento se simboliza con una letra mayscula distinta de la S que la utilizamos para
simbolizar el espacio muestral
Ejemplo
Al lanzar un dado y observar el resultado que se presenta en la cara superior y verificar
que el mismo sea un nmero par:
A = {2, 4, 6}
Complemento: El complemento de un evento A, denotado por A es el conjunto formado
por todos aquellos elementos (puntos muestrales) pertenecientes a S que no estn en A.
Ejemplo: En referencia al ejemplo anterior el evento complementario se verifica si sucede
un nmero impar:
A = {1, 3, 5}
En algunos casos expresaremos eventos a travs de operaciones bsicas de conjunto,
tales como intersecciones, uniones y complementos. A continuacin se definen de
manera sencilla algunas de las operaciones bsicas con conjuntos, a saber:
La Unin de dos eventos A y B (A B) es el evento formado por los resultados que estn
en A o estn en B o en ambos.
La Interseccin de dos eventos A y B (A B) es el evento formado por los resultados que
estn en A y estn en B .
Tcnicas de Conteo de Puntos Muestrales.
A continuacin se presentan una serie de Tcnicas que facilitan el conteo de los
elementos asociados al espacio muestral.
REGLA DE LA MULTIPLICACIN O PRINCIPIO FUNDAMENTAL DE CONTEO.
Esta Regla se aplica cuando el espacio muestral se construye por etapas, o el
experimento se conforma de varias operaciones.
Hagamos las siguientes consideraciones:
- Cada etapa (j) del experimento puede tener n * j resultados posibles j=1,2,.k
- Cada uno de los resultados puede ocurrir independientemente de los resultados
que se presente en las otras etapas.
Al aplicar la regla hay que tomar en cuenta, si el experimento se efecta
considerando una serie de restricciones, luego el nmero total de puntos muestrales
de este espacio muestral conformado por etapas es viene dado por:
nk n n n n .... 3 . 2 . 1 =
Se lanza una moneda y posteriormente un dado. Calcular el tamao del espacio muestral.
Observamos que en este experimento el espacio muestral se construye en dos etapas,
fase u operaciones.
Etapa 1: Lanzamiento de la moneda. Con n1= 2 resultados posibles
Etapa 2: Lanzamiento del dado Con n2= 6 resultados posibles.
Luego la ocurrencia simultnea de ambas operaciones viene dada por:
12 6 . 2 2 . 1 = = = n n n As el espacio est constituido por 12 puntos muestrales.
A travs de un diagrama de rbol se puede visualizar cada uno de los puntos muestrales,
y realizar el conteo en experimentos que no den como resultado un nmero muy grande
de puntos muestrales.
En este Caso:
Grfico 1. Diagrama de rbol para el Experimento de Lanzar una moneda y
posteriormente un dado

Luego para la construccin del espacio muestral comenzamos a formar los puntos
leyendo de izquierda a derecha y de arriba hacia abajo.
{ } 6 , 5 , 4 , 3 , 2 , 1 , 6 , 5 , 4 , 3 , 2 , 1 s s s s s s c c c c c c S =
Cara
( C)
Sello
( S )
1
2
3
4
5
6
1
2
3
4
5
6

Permutacin
Una permutacin es un arreglo u ordenamiento de un conjunto de elementos.
En las permutaciones importa el orden en el que se constituyen los arreglos, as una
modificacin en la posicin relativa de un elemento genera un arreglo distinto.
Permutacin de n objetos distintos
El nmero de permutaciones de n objetos diferentes viene dado por
n !

Ejemplo 2:
La abuela Mara manda a su nieto Jos a jugarle la permuta del nmero 965 por 100
Bs. Cunto debe gastar Jos?
Solucin:
Tenemos tres elementos distintos el nmero de permutaciones viene dado por:
n!
En este caso el nmero de arreglos distintos es 3! = 6
Aqu estn los 6 arreglos diferentes!:
965
956
596
569
695
659

El problema puede ser resuelto a travs de la regla de la multiplicacin de la siguiente
manera: Consideremos el nmero de opciones de posicionamiento en los lugares
correspondientes a las centenas, decenas y unidades respectivamente con la condicin
de que el nmero utilizado en el arreglo no se repita.

centenas Decenas Unidades
3 2 1
n1 n2 n3
Luego n =n1.n2.n3=3.2.1=6 posibles nmeros
As la Abuela Mara debe darle 600 Bs. a Juan para realizar la apuesta.

Permutacin de n objetos distintos tomando r a la vez
El nmero de permutaciones de un subconjunto de r objetos seccionados de un
conjunto de n elementos diferentes viene dado por:
)! (
!
) 1 )...( 2 ).( 1 ( Pr
r n
n
r n n n n

= + =
Ejemplo 3: En referencia al problema anterior, ahora la abuela Mara le pide a Jos le
juegue todos los terminales posibles para el triple 965. (El terminal se constituye por los
dos ltimos dgitos de la trada formada.)
En este caso debemos buscar todas aquellas permutaciones o variaciones distintas de
dos dgitos que se pueden formar con los dgitos 9,6 y 5.
6
1
6
)! 2 3 (
! 3
2 3 = =

= P
En este caso Jos debe comprar 6 terminales diferentes:

65
56
96
69
95
59

En los casos anteriores los n elementos ha acomodar eran distintos. Vamos a
analizar que sucede cuando no todos los elementos son diferentes.
Permutacin de n objetos de los cuales n1 son de un tipo, n2 de otra categora
hasta nk
El nmero de permutaciones n = n1 +n2++nk objetos es:
! !... 3 !. 2 !. 1
!
nk n n n
n

En los casos en los que no importe el orden sino las distintas selecciones diferentes
posibles utilizaremos las combinaciones
Combinacin
El nmero de combinaciones de n objetos diferentes tomando r a la vez: es:
)! ( !
!
r n r
n
nCr

=

Las siguientes interrogantes se responden haciendo uso de una combinacin::
De cuantas maneras distintas se pueden seleccionar 5 estudiantes de una
seccin de 40?
Cuntas muestras diferentes de 15 ejes pueden seleccionarse de un lote de
tamao 50?
Cuntos cartones diferentes de Kino pueden imprimirse en un sorteo semanal
cualquiera?

Diferencia entre Permutacin y Combinacin

NO IMPORTA EL
ORDEN
ARREGLO IMPORTA EL
ORDEN
PERMUTACION
SELECCIONAR COMBINACION
Ejemplo 4:
1) El apretn de manos

Las personas que asistieron a una fiesta se estrecharon la mano. Uno de ellos advirti
que los apretones de mano fueron 66. Cuntas personas concurrieron a la fiesta?
Se obtendr una solucin a travs de una de las tcnicas de conteo (Combinacin), y se
deja como ejercicio el encontrar otras formas de solucionar este acertijo.
Es fcil visualizar con un pequeo ejemplo que el nmero de apretones viene dado por
nC
2.
Supngase que Roger, Noel, Edgar y Vctor se encuentran en la maana a la hora
del Desayuno en un cafetn cuantos apretones de mano son posibles?
Roger Noel; Roger Edgar; Roger Vctor; Noel Edgar; Noel Vctor;
Edgar

Vctor
Fcilmente podemos percatarnos que el apretn de manos Roger Noel es el mismo
Noel Roger, dado que no importa el orden el nmero de apretones podemos
encontrarlo rpidamente a travs del combinatorio de 4 en 2
4C2 = 6
Ahora en este problema desconocemos el valor de n, sin embargo sabemos que:
( )
66
! 2 ! 2
!
2 =

=
n
n
nC
Resolviendo

( )( )
66
)! 2 !.( 2
! 2 1
=

n
n n n

Luego tenemos la siguiente ecuacin de 2 Grado
n
2
- n - 132 = 0
Resolviendo la ecuacin:
n = 12.
As asistieron 12 personas a la fiesta.


Ejemplo 5:
La jugada hpica extica conocida como exacta consiste en acertar, las dos primeros
lugares en el orden correcto en una carrera de caballos; es decir si Ud. jug la exacta 7-8
el nmero 7 debe figurar en el primer lugar y el 8 ocupar la segunda posicin. En una
hipottica carrera con 10 caballos participando cuantas apuestas debe realizar para tener
la absoluta seguridad de acertar la exacta.
En esta caso importa el orden en que se formen las posibles duplas, por lo tanto, el
problema consiste en encontrar el nmero de permutaciones de n objetos tomando r a
la vez; en este caso, 10 objetos en grupos de tamao 2:

90 9 . 10
)! 2 10 (
! 10
2 10 = =

= P

El jugador tiene que realizar 90 apuestas para la que exacta constituyese un evento
seguro, obviamente esto implicara una inversin de:

Bs
exactas
Bs
exactas 180000
2000
90 =

PROBABILIDAD
El enfoque clsico
Dice que si hay x posibles resultados favorables a la ocurrencia de un evento A y z
posibles resultados desfavorables a la ocurrencia de A, y todos los resultados son
igualmente posibles y mutuamente excluyente (no pueden ocurrir los dos al mismo
tiempo), entonces la probabilidad de que ocurra A es:

El enfoque clsico de la probabilidad se basa en la suposicin de que cada resultado sea
igualmente posible.
Este enfoque es llamado enfoque a priori porque permite, (en caso de que pueda
aplicarse) calcular el valor de probabilidad antes de observar cualquier evento de muestra.
Ejemplo:
Si tenemos en una caja 15 piedras verdes y 9 piedras rojas. La probabilidad de sacar una
piedra roja en un intento es:


El enfoque de frecuencia relativa
Tambin llamado Enfoque Emprico, determina la probabilidad sobre la base de la
proporcin de veces que ocurre un evento favorable en un nmero de observaciones. En
este enfoque no ese utiliza la suposicin previa de aleatoriedad. Porque la determinacin
de los valores de probabilidad se basa en la observacin y recopilacin de datos.
Ejemplo:
Se ha observado que 9 de cada 50 vehculos que pasan por una esquina no tienen
cinturn de seguridad. Si un vigilante de transito se para en esa misma esquina
un ida cualquiera Cul ser la probabilidad de que detenga un vehculo sin cinturn de
seguridad?

Tanto el enfoque clsico como el enfoque emprico conducen a valores objetivos de
probabilidad, en el sentido de que los valores de probabilidad indican al largo plazo la tasa
relativa de ocurrencia del evento.


El enfoque subjetivo
Dice que la probabilidad de ocurrencia de un evento es el grado de creencia por parte de
un individuo de que un evento ocurra, basado en toda la evidencia a su disposicin. Bajo
esta premisa se puede decir que este enfoque es adecuado cuando solo hay una
oportunidad de ocurrencia del evento. Es decir, que el evento ocurrir o no ocurrir esa
sola vez. El valor de probabilidad bajo este enfoque es un juicio personal.

El valor de la probabilidad
El valor ms pequeo que puede tener la probabilidad de ocurrencia de un evento es igual
a 0, el cual indica que el evento es imposible, y el valor mayor es 1, que indica que el
evento ciertamente ocurrir. Entonces si decimos que P(A) es la probabilidad de
ocurrencia de un evento A y P (A) la probabilidad de no-ocurrencia de A, tenemos que:

Eventos mutuamente excluyentes y eventos no excluyentes
Dos o ms eventos son mutuamente excluyentes o disjuntos, si no pueden ocurrir
simultneamente. Es decir, la ocurrencia de un evento impide automticamente la
ocurrencia del otro evento (o eventos).
Ejemplo:
Al lanzar una moneda solo puede ocurrir que salga cara o sello pero no los dos a la vez,
esto quiere decir que estos eventos son excluyentes.
Dos o ms eventos son no excluyentes, o conjuntos, cuando es posible que ocurran
ambos. Esto no indica que necesariamente deban ocurrir estos eventos en forma
simultnea.
Ejemplo:
Si consideramos en un juego de domino sacar al menos un blanco y un seis, estos
eventos son no excluyentes porque puede ocurrir que salga el seis blanco.

Reglas de la Adicin
La Regla de la Adicin expresa que: la probabilidad de ocurrencia de al menos dos
sucesos A y B es igual a:
P(A o B) = P(A) U P(B) = P(A) + P(B) si A y B son mutuamente excluyente
P(A o B) = P(A) + P(B) P(A y B) si A y B son no excluyentes
Siendo: P(A) = probabilidad de ocurrencia del evento A
P(B) = probabilidad de ocurrencia del evento B
P(A y B) = probabilidad de ocurrencia simultanea de los eventos A y B

Eventos Independientes
Dos o ms eventos son independientes cuando la ocurrencia o no-ocurrencia de un
evento no tiene efecto sobre la probabilidad de ocurrencia del otro evento (o eventos). Un
caso tpico de eventos independiente es el muestreo con reposicin, es decir, una vez
tomada la muestra se regresa de nuevo a la poblacin donde se obtuvo.
Ejemplo:
Lanzar al aire dos veces una moneda son eventos independientes por que el resultado del
primer evento no afecta sobre las probabilidades efectivas de que ocurra cara o sello, en
el segundo lanzamiento.
Eventos dependientes
Dos o ms eventos sern dependientes cuando la ocurrencia o no-ocurrencia de uno de
ellos afecta la probabilidad de ocurrencia del otro (o otros). Cuando tenemos este caso,
empleamos entonces, el concepto de probabilidad condicional para denominar la
probabilidad del evento relacionado. La expresin P(A|B) indica la probabilidad de
ocurrencia del evento A s el evento B ya ocurri.
Se debe tener claro que A|B no es una fraccin.
P(A|B) = P(A y B)/P(B) o P(B|A) = P(A y B)/P(A)

Reglas de Multiplicacin
Se relacionan con la determinacin de la ocurrencia de conjunta de dos o ms eventos.
Es decir la interseccin entre los conjuntos de los posibles valores de A y los valores de B,
esto quiere decir que la probabilidad de que ocurran conjuntamente los eventos A y B es:
P(A y B) = P(A B) = P(A)P(B) si A y B son independientes
P(A y B) = P(A B) = P(A)P(B|A) si A y B son dependientes
P(A y B) = P(A B) = P(B)P(A|B) si A y B son dependientes

























BIBLIOGRAFA

ANDERSON, D. Estadstica Para Administracin y Economa. Octava Edicin.
Thomson. Mxico, 2005.
Mendoza, H, Bautista, G. (2002). Probabilidad y Estadstica. Universidad Nacional de
Colombia, http://www.virtual.unal.edu.co/cursos/ciencias/2001065/. Licencia: Creative
Commons BY-NC-ND.