Académique Documents
Professionnel Documents
Culture Documents
CAPITULO I
I - CONCEPTOS ESTADSTICOS .
1 - Estadstica : Se refiere a la ciencia. Estudia la compilacin clasificada de datos, la analiza y
deduce de ella distintas conclusiones . En la actualidad se define como un mtodo cientfico de
operar e interpretar datos.
2 - Estadsticas : Coleccin sistemtica de datos, presentada en forma de cuadros, tablas y grficas .
3 - Estadstico : Persona dedicada a elaborar y analizar estadsticas .
4 - Estadgrafo : Descripcin numrica de una caracterstica correspondiente a una muestra .
Medida que caracteriza a una muestra con fines descriptivos .
5- SIGNIFICADO ETIMOLGICO:
La palabra ESTADSTICA viene del griego STATERO = Balanza, del latn STATUS = Situacin o
estado y del alemn STAAT = Estado .
La estadstica es una disciplina aplicada a todos los campos de la actividad humana . Es un
instrumento, no un fin, para la toma de decisiones, pues esta supone un sistema o mtodo cientfico
que conlleva recoleccin, organizacin, anlisis e interpretacin de cierta informacin . En general,
su finalidad es suministrar informacin y su utilidad depende, en gran parte, del fin que se
proponga y de la forma como se presenten los datos.
II. TERMINOLOGA BSICA :
1 - POBLACIN : O Universo, grupo entero motivo de estudio . Conjunto de medidas o recuento
de todos los elementos que presentan una caracterstica comn .
Los elementos pueden ser personas, objetos, sucesos o cosas . El elemento puede ser una ENTIDAD
SIMPLE (persona) o una ENTIDAD COMPLEJA ( Familia ) y se denomina UNIDAD
INVESTIGATIVA.
Una POBLACIN puede ser FINITA O INFINITA.
2 - MUESTRA : Pequea parte del grupo, que representa a la poblacin . Conjunto de medidas o
recuento de una parte de los elementos de la poblacin .El nmero de sus elementos vara entre el
5% y el 25% de la poblacin objeto de estudio.
3 - TIPOS DE MUESTREO :
3.1. PROBABILISTICO O ALEATORIO Puede ser a su vez
3.1.1. ALEATORIO SIMPLE : Es aquel donde todos los elementos de la poblacin tiene la misma
oportunidad de ser incluidos en la muestra .
3.1.2. ALEATORIO ESTRATIFICADO : En este la poblacin se divide en grupos con
caractersticas especificas . Se realiza cuando la poblacin es heterognea, presentando gran
variabilidad .
3.1.3. SISTEMTICO : Consiste en determinar un intervalo igual al valor obtenido al dividir el
tamao de la poblacin por el de la muestra . Luego se toma aleatoriamente un dato al que se suma
el tamao del intervalo para encontrar un nuevo dato y as se continua con todos los datos .
3.2. MUESTREO NO PROBABILISTICO : Se utiliza cuando se toma una muestra de cualquier
tamao y los elementos se seleccionan de acuerdo con la opinin o juicio que tenga el investigador
sobre la poblacin . Si la muestra es homognea, este tipo de muestra es aceptable .
4 - PARMETROS : Son todas aquellas medidas que describen numricamente una caracterstica
poblacional. Por ejemplo, el parmetro que describe el dato medio de un conjunto es la MEDIA.
5 - VARIABLES O CARACTERSTICAS : Son ciertos rasgos, cualidades o propiedades que poseen
los elementos de una poblacin o muestra.
Una variable es un smbolo que puede tomar un valor cualquiera en un conjunto definido, llamado
el DOMINIO de la variable.
5.1. Las variables pueden ser CUALITATIVAS cuando expresan rasgos y dan origen a los
ATRIBUTOS, como por ejemplo : Profesin, sexo, estado civil etc . Estos atributos a su vez tienen
MODALIDADES . Por ejemplo:
PROFESIN : Abogado, medico, ingeniero, etc.
SEXO : Masculino, femenino .
ESTADO CIVIL : Soltero, casado, viudo, divorciado .
Las variables CUANTITATIVAS son aquellas que describen numricamente una caracterstica de
la poblacin. A su vez, se clasifican en:
VARIABLES DISCRETAS ,cuando admiten nicamente valores enteros, por ejemplo : El numero
de hijos, de viviendas etc .
VARIABLES CONTINUAS : admiten cualquier valor numrico dentro de un intervalo, por
ejemplo : La estatura, el peso etc.
5.2. DATOS : Son los entes que miden las VARIABLES, igual que ellas pueden clasificarse en
DATOS CUALITATIVOS Y DATOS CUANTITATIVOS, ya sean DISCRETOS O CONTINUOS,
dependiendo del tipo de variable que miden.
6- DIVISIN DE LA ESTADSTICA :
6.1 - DEDUCTIVA O DESCRIPTIVA : Trata solo de describir y analizar un grupo o poblacin dada
sin sacar conclusiones sobre un grupo mayor . Tiene como finalidad colocar en evidencia aspectos o
caractersticas de una poblacin .
6.2 - INDUCTIVA, INFERENCIAL O ANALTICA: Trata de las condiciones en las cuales son
vlidas la inferencias o conclusiones obtenidas a partir del anlisis de una muestra. Busca dar
explicaciones al comportamiento de u n conjunto de observaciones, probar la validez de los
resultados ; intenta descubrir las causas que lo originan . Cuando no se est absolutamente cierto de
la validez de las inferencias se aplica la teora de las probabilidades .
III- APLICACIONES DE LA ESTADSTICA :
El campo de aplicacin de la estadstica es muy amplio . En general, se aplica a hechos que pueden
ser observados y presentados mediante registros grficos y numricos . Se aplica la estadstica en la
mayora de las ciencias especialmente en aquellas que tienen que ver con la experimentacin y la
recoleccin de datos.
IV- LA INVESTIGACIN ESTADSTICA .
La investigacin es una operacin compleja que requiere atender mltiples aspectos y que genera
muy variadas funciones . Su resultado depende de la finalidad que persiga, de la naturaleza de los
fenmenos y de la facilidad que se tenga para realizar las observaciones .
1- CARACTERSTICAS BSICAS : Toda investigacin debe reunir las siguientes caractersticas :
1.1. CLARIDAD : En todos sus aspectos debe ser clara y precisa . Conocida por todas las personas
que en ella intervienen.
1.2. SENCILLEZ : Es indispensable y condicin esencial de la claridad, aunque no debe limitar la
presentacin completa de la investigacin .
1.3. UTILIDAD : Toda investigacin debe tener una aplicacin practica que justifique su trabajo .
2. CLASES DE INVESTIGACIN:
2.1. INTERNA : Investiga los fenmenos originados dentro de una empresa o entidad sin abandonar
su marco territorial.
2.2. EXTERNA :Se realiza con el fin de obtener informacin que permita comparar fenmenos o
entidades, establecer su posicin relativa o estudiar su comportamiento actual o futuro
2.3. EXHAUSTIVA : Es aquella en la cual se observan todos los elementos que constituyen la
poblacin objeto de estudio.
2.4. PARCIAL : Es aquella donde solo se observa una parte de los elementos o unidades que forman
la poblacin ,es decir, se estudia la poblacin a travs de la muestra .
3. ETAPAS DE UNA INVESTIGACIN :
3.1. PLANEAMIENTO : En el plan debemos definir y organizar cada una de las actividades
necesarias para llevar a cabo el trabajo y alcanzar as los objetivos propuestos . Todo plan debe
tener en cuenta los siguientes aspectos :
3.1.1. OBJETO DE LA INVESTIGACIN : Que se investiga ? . Es el hecho o fenmeno que se
desea estudiar. En una investigacin salarial ser el salario, en una investigacin sobre rendimiento
acadmico de un grupo sern los resultados durante un periodo escolar . Es de gran importancia
definir el objeto de una investigacin y determinar su naturaleza cualitativa y cuantitativa . Definir
las posibilidades de investigacin y sus limitaciones .
3.1.2. OBJETIVO O FINALIDAD DE LA INVESTIGACIN : Qu pretende la investigacin ?
Identificar con claridad y precisin el fin propuesto, formulando el problema de tal manera que nos
permita establecer los objetivos generales y especficos y de ser posible jerarquizar los mismos . En
esta etapa se deben responder interrogantes como : Qu se investiga ? . Cmo se realizar la
investigacin ? . Cundo y dnde se realizar ? .
3. 1.3. UNIDAD DE INVESTIGACIN : Dnde se realiza la investigacin ? .
La unidad es la fuente de informacin, es decir, a quin va dirigida . Puede ser una persona , un
grupo familiar laboral o social, una vivienda, una empresa pblica o privada, una regin etc . Su
seleccin depende del objetivo propuesto .
La unidad debe ser clara, adecuada al tipo de investigacin, mensurable y comparable . Toda
unidad principal debe poseer unidades secundarias .
La fuente de informacin puede ser :
DIRECTA, si all se produce el hecho , como una notara por ejemplo para determinar el nmero de
nacimientos,
INDIRECTA : cuando se consideran aquellas fuentes donde el hecho se refleja . Por ejemplo, las
rentas departamentales permiten determinar la cantidad de consumo de bebidas alcohlicas.
3.1.4. EXAMEN DE LA DOCUMENTACIN Y METODOLOGA . Cmo y qu se ha investigado
al respecto ?.
Es importante determinar si la investigacin ha sido realizada con anterioridad con el fin de
prescindir de su estudio ; averiguar si se cumpli el objetivo propuesto y si la informacin era
actualizada. En caso contrario se realizar tratando de corregir todas las deficiencias presentadas
en la investigacin anterior, aprovechando al mismo tiempo sus aspectos positivos .
3.1.5. MTODO DE OBSERVACIN : Qu caractersticas debe reunir la investigacin ? . En qu
forma se realizar la toma de datos ? .
Debe decidirse por el mtodo que se emplear : Censo o Muestra. Esta eleccin depende de los
siguientes factores : Tiempo disponible, recursos humanos y financieros, nmero de unidades que
componen la poblacin, el grado de variabilidad etc .
3.1.6. PROCESO DE RECOLECCIN : Qu tcnica se emplear al recolectar la informacin ?
Los datos se pueden recolectar mediante encuestas realizadas por correo, por entrega personal del
cuestionario , entrevista, panel, observacin directa, motivacin , por telfono etc .
POR CORREO : Son poco costosas, pero sus instrucciones deben ser muy claras y precisas .
ENTREGA PERSONAL : Reduce la posibilidad de prdida de los cuestionarios .
LA ENTREVISTA : Es el proceso de recoleccin ms empleado , pues permite recolectar el mayor
nmero de cuestionarios, se obtienen respuestas a todas las preguntas , se aclaran dudas, se pueden
hacer comprobaciones . Su desventaja estriba en su mayor costo y en la influencia que puede ejercer
el entrevistador sobre el entrevistado .
EL PANEL : Se realiza cuando se requiere informacin de grupos de familias o individuos a
intervalos de tiempo definidos .Para aplicarlo es necesario motivar a sus participantes, revisar su
composicin con frecuencia y cambiar los elementos que presenten fallas notorias que afecten al
grupo.
ENCUESTA POR OBSERVACIN DIRECTA : No requiere cuestionario . Simplemente , la
persona encargada de recolectar la informacin observa los fenmenos , motiva su estudio y hace
anotaciones segn pautas fijadas .
ENCUESTA POR MOTIVACIN : El entrevistador pregunta libremente, procurando sintetizar los
datos que aclaren el motivo de la entrevista . Este proceso es muy costoso y no permite hacer
cmputos.
ENCUESTA TELEFNICA : Se emplea de preferencia para estudios de radio y televisin, cuando
se requiere cierta informacin . Utilizando el directorio se seleccionan al azar los entrevistados .Se
expone brevemente el objetivo de la entrevista y se procede a formular las preguntas
3. 1.7. PRESUPUESTO . Se cuenta con los recursos econmicos suficientes para todo el proceso de
investigacin ?.
Se debe analizar si los recursos econmicos son suficientes para los costos requeridos en cada etapa,
desde el planeamiento hasta el momento de la publicacin .
3.1.8 CALENDARIO DE TRABAJO . Qu tiempo requiere cada etapa ? .
Es el ordenamiento de las fases de la investigacin . Se debe precisar la fecha inicial y final de cada
etapa . Esto permite el control del desarrollo de la investigacin . El siguiente cuadro es un ejemplo
de calendario de trabajo .
ETAPAS
FECHAS
INICIAL
FINAL
1- Planeamiento.
a - Fase inicial o preliminar
b - Preparacin de encuestas
c - Preparacin del personal
2. Recoleccin.
a - Pretest (en caso de necesidad )
b - Trabajo de campo
3. Procesamiento y anlisis
a - Depuracin y clasificacin
b - Tabulacin y anlisis
c - Publicacin
3.1.9. PREPARACIN DEL CUESTIONARIO . Qu contiene la encuesta y cmo se resuelve ? Al
elaborar un cuestionario se consideran aspectos materiales y tcnicos .
ASPECTOS MATERIALES : Tamao del formulario, calidad del papel, color de tinta, tipo de
impresin etc.
ASPECTOS TCNICOS : Las preguntas se ordenan gradualmente segn su dificultad . No
debemos emplear abreviaturas . Las preguntas deben ser claras, precisas y comprensibles .
Todo formulario debe constar de :
. ENCABEZAMIENTO : Contiene el nombre de la institucin u organismo que realiza la
investigacin , titulo de esta . El titulo debe llevar implcitos el qu, cmo ,cundo y dnde se realiza
la investigacin,
.CUERPO : Contiene las preguntas. Si se requiere identificar al informante ser necesario iniciar
preguntando : nombre, direccin, estado civil, edad, profesin etc . El cuestionario puede disponerse
Los datos numricos deben presentarse en cuadro o tabla anexa, sino son incluidos en la misma
grfica.
Las grficas deben presentarse luego de la exposicin de un texto, nunca antes de ella .
5- GRFICAS O DIAGRAMAS LINEALES :
Se utilizan para representar series cronolgicas y distribuciones de frecuencias .
REGLAS PARA EL TRAZADO ;
El cero de la escala vertical siempre debe colocarse.
La curva debe trazarse ms gruesa que las coordenadas para que resalte .
Los ttulos deben ser claros y todos los letreros y notas deben colocarse horizontalmente.
Las unidades empleadas deben destacarse .
EJEMPLO: INTENSIDAD DE LAS LLUVIAS DURANTE 1998, EN 3 ZONAS DEL PAIS.
n.d= No disponible.
3- Represente los datos del cuadro anterior en : a- Diagramas lineales b- Diagramas de barras
c- Haga diagramas circulares para los datos de alfabetismo en 1.980,
4- Los aviones agrcolas como modernos aparatos, participan cada vez ms en gran nmero de trabajos .
Aproximadamente unos 60 pases son 19.000 aviones tratan alrededor de 200 millones de hectreas
(segn la FAO). A continuacin aparecen algunos datos referentes a varios pases. Elabore un
pictograma que visualice los datos .
PASES
# DE AVIONES
Rusia
8.000
E.E.U.U.
6.100
Canad
666
Argentina
450
Mjico
450
Alemania
235
CAPITULO III
DESCRIPCIONES ESTADSTICAS.
I-DISTRIBUCIN DE FRECUENCIAS :Un distribucin de frecuencias es un mtodo para
organizar y resumir datos, clasificndolos' y ordenndolos previamente .
1- TOMA DE DATOS :Es la obtencin o recoleccin de los mismos ,sin seguir un orden definido.
2- ORDENACIN :Colocacin de los datos numricos en forma creciente o decreciente de acuerdo
a su magnitud.
3- RANGO : Es la diferencia entre el mayor y el menor de los datos .Se llama tambin
RECORRIDO.
4- ELABORACIN DE TABLAS O CUADROS : Se sugieren las siguientes recomendaciones :
Definir un criterio de ordenacin de datos .
Titulo del cuadro. Debe ser claro y conciso, que responda a interrogantes como : qu, cmo,
dnde y cundo se adquiri la informacin .Se puede colocar arriba o abajo dejando dos espacios
intermedios.
Su encabezamiento contiene ttulos y subttulos de las columnas .
Debajo del cuadro se escribe la fuente de los datos, explicacin de abreviaturas, convenciones etc.
ESQUEMA DE CUADRO
Ttulo
Encabezamiento
Subttulo
Totales
Cuerpo o datos
totales
FUENTE:
5- TIPOS DE CUADROS:
5.1UNIDIMENSIONALES : Cuando se elaboran con una sola caracterstica o variable .
5.2 BIDIMENSIONALES : Se trabaja simultneamente con dos variables .
5.3. MULTIDIMENSIONALES : Cuando se estudian tres o ms variables simultneamente.
EJEMPLOS :
DISTRIBUCIN UN1MENSIONAL
EDAD
#DE PERSONAS(f)
5
16-20
4
21-25
8
26-30
12
31-35
9
36-40
38
TOTALES
DISTRIBUCIN BIDIMENSIONAL
SEXO
PROFESIN
MASCULINO
Medicina
12
Abogaca
9
FEMENINO. TOTAL
8
20
6
15
Odontologa
Fsica
Ingeniera
TOTALES
4
2
15
42
8
3
10
33
12
3
25
75
6- CONCEPTOS BSICOS .
La siguiente tabla muestra una distribucin de frecuencias de los salarios por da de 60 empleados
de una empresa.
SALARIOS ( pesos )
# de empleados ( f )
100- 200
10
200- 300
2
300 400
20
400- 500
15
500- 600
8
600- 700
5
TOTALES
60
Los datos as ordenados y resumidos se denominan DATOS AGRUPADOS. En este ordenamiento se
pierde parte del detalle original de los datos pero tiene la ventaja de presentarlos en forma clara y
sencilla, facilitando su comparacin y anlisis .
6.1. INTERVALOS DE CLASE : 400 - 500, es un intervalo de clase . Es un smbolo que define una
clase o grupo de datos. Los valores 400 y 500 son los LIMITES DE CLASE ; Superior e inferior,
6.2. LIMITES REALES : Son los valores reales de los extremos, suponindolos como
aproximaciones . En el intervalo 400 - 500, los limites reales son 399.5 y 500.5 .
6.3. TAMAO DEL INTERVALO ; Es la diferencia entre los limites reales, redondeadas sus cifras ;
500.5 - 399.5 101,
6.3.MARCAS DE CLASE : Punto medio del intervalo. Semisuma de los extremos . En el ejemplo
anterior :
400 -500
su marca de clase = ( 400+ 500) = 450.
6.4..FRECUENCIA : Nmero de veces que se repite un dato o evento. Tambin se denomina
FRECUENCIA ABSOLUTA.. En el intervalo 400 - 500 su frecuencia es 15 .La frecuencia total es la
suma de las frecuencias absolutas
7.REGLAS BSICAS PARA FORMAR DISTRIBUCIONES :
7.1. Definir el rango, a partir del mayor y del menor valor o dato .
7.2. Determinar el nmero de intervalos, preferible del mismo tamao . El nmero vara entre 5 y
20, dependiendo bsicamente del nmero de datos, con el fin de disminuir el error estandar y la
dispersin .
7.3. Establecer las frecuencias .En este momento es conveniente elaborar la llamada TABLA DE
CONTEO.
7.4. Determinar la amplitud o tamao de los intervalos, esto depende del rango y del nmero de
intervalos pues :
Amplitud = Rango / nmero de intervalos.
7.5. EJEMPLOS SOBRE DISTRIBUCIONES DE FRECUENCIAS.
EJEMPLO 1.Un examen de estadstica de una hora produjo las siguientes puntuaciones:
83 91
88
82
81
84 62
93
50
63
78
96
68
73
80
97
88
83
78
93
91
87
84
91
69
95 91
38
82
72
Vamos a construir una distribucin de frecuencias de 6 intervalos.
PROCESO :
a-RANGO : Determinamos el mayor dato ( 97) y el menor dato ( 38) y hallo su diferencia : 97-38=
59.
b-NUMERO DE INTERVALOS : 6.
c-AMPLITUD DE INTERVALOS : La amplitud o tamao de los intervalos es el cociente entre el
RANGO Y EL NUMERO DE INTERVALOS , asi :
AMPLITUD = RANGO/ No INTERVALOS = 59/ 6 = 9,83, este valor se
puede aproximar por defecto a 9 y por exceso a 10 por lo tanto vamos a tener intervalos de 9 y de 10
de amplitud, el problema consiste en saber cuantos de cada tipo, para esto procedemos as :
Si se toman todos 6 intervalos de amplitud 10 se tendra un Rango de 6 x 10 = 60 sobrando 1 de 59.
Si se toman todos 6 intervalos de amplitud 9 se tendra un Rango de 6 x 9 = 54 faltando 5 para
59.
Debemos formar entonces : 5 intervalos de 10 de amplitud = 5 x 10 = 50 y
1 intervalo de 9 de amplitud = 1 x 9 = 9
RANGO.
= 59
d- INTERVALOS : La formacin de los intervalos se hace a partir de los datos asi :
1 : 38 + 10 = 48 1 = 47 :INTERVALO : 38 47
2 : 48 + 10 = 58 -1 = 57 INTERVALO : 48 --57
3 : 58 + 1 0 = 68 1 = 67 . INTERVALO : 58 -- 67
4 : 68 + 10 = 78 1 = 77 ..
INTERVALO : 68 --- 77
5 : 78 + 10 = 88 1 = 87 .INTERVALO : 78 ----87.
6 : 88 + 9 = 97 , Como es el ltimo intervalo no necesitamos restar nada.
e-TABLA DE CONTEO : Necesitamos determinar las frecuencias , para esto se elabora una tabla
de conteo as
Dato
Fi
Dato
Fi
Dato Fi
Dato F i
38
1
72
1
83
2
95
1
50
1
73
1
84
2
96
1
62
1
78
2
87
1
97
1
63
1
80
1
88
2
68
1
81
1
91
4
69
1
82
2
93
6
8
13
3 =
30 DATOS.
f- DISTRIBUCION DE FRECUENCIAS :
INTERVALOS
38 -------- 47
48 ---------57
58.67
6877
FRECUENCIAS
1
1
2
4
7887
8897
TOTAL
11
11
30
EJEMPLO 2 :
Las edades de los estudiantes de una muestra que se tom entre los asistentes al Sandhills
Community College en el presente semestre son:
19 18 55 17 33 19 15 32 22 20
29 25 23 24 28 41 19 30 33 18
44 21 20 19 18 17 20 20 22 39
Construya una distribucin de frecuencias de 5 intervalos .
a- RANGO : Dato mayor = 55 , Dato menor = 15
RANGO = 55 15 = 40
b- No INTERVALOS : 5.
C- AMPLITUD = RANGO / No INTERVALOS = 40 / 5 = 8 . Como el cociente es exacto todos
los intervalos son de 8 de amplitud
D- INTERVALOS :
1 : 15 + 8 = 23 1 = 22 . INTERVALO .: 15-----22
2 : 23 + 8 = 31 1 = 30 INTERVALO : 23 ----30
3 : 31 + 8 = 39 1 = 38 . INTERVALO : 31 ------38
4 : 39 + 8 = 47 1 = 46 INTERVALO : 39 ------ 46
5 : 47 --- 55
E - TABLA DE CONTEO
Dato
Fi
Dato
Fi
Dato
Fi
Dato
Fi
15
21
28
39
17
22
29
41
18
23
30
44
19
24
32
55
20
25
33
TOTAL
20
TOTAL
10
TOTAL
TOTAL
F- DISTRIBUCION DE FRECUENCIAS :
INTERVALOS
Fi
15---- 22
17
23 .. 30
31 .. 38
39 46
47 55
TOTAL
30
TALLER # 3;
En la tabla adjunta se dan los promedios acumulativos en matemticas, al final del tercer periodo
escolar de una muestra de 100 alumnos en el colegio X , del 6o grado :
a- Construir una tabla de conteo.
b- Precisar el rango de la variable.
c- Cuntos alumnos obtuvieron puntuacin de 360 ms?,
d- Cuntos alumnos obtuvieron puntuacin de 250 menos ?.
e- Qu porcentaje de alumnos reprueban el rea ? .(base= 360)
f- Elabore dos distribuciones de frecuencia : una de 5 intervalos y otra de 8 intervalos .
416
328
333
294
385
402
317
376
372
408
358
263
382
390
481
288
501
375
354
348
317
402
300
249
279
328
416
420
376
315
363
254
347
418
408
422
360
269
387
481
365
362
421
315
317
241
282
252
444
501
291
424
368
243
299
291
411
405
411
438
404
440
365
273
424
404
424
359
424
310
422
317
356
379
440
363
387
252
360
482
241
299
440
359
254
365
444
399
282
446
288
279
387
263
362
358
354
269
501
385
#
(F)
estud.
18
20
45
9
8
Frecuencias
40
30
20
10
Intervalos
159.5
Marcas de clase :
158
162.5
161
165.5
164
168.5
167
171.5
170
174.5
173
176
ALTURA (CMS )
Menos de 162.5
Menos de 164.5
Menos de 168.5
Menos de 171.5
Menos de 174.5
La OJIVA MENOS DE es la siguiente
# ESTUDIANT.
( f ACUMULA.)
18
38
83
92
100
Frecuencias
100
80
60
40
20
Intervalos
162.5
165.5
168.5
171.5
174.5
TALLER # 4:
1 - Elabore la tabla de frecuencias relativas para la tabla dada en el primer ejemplo . Haga su
histograma y su polgono .
2- Elabore la tabla de frecuencias relativas acumuladas para la tabla del primer ejemplo . Haga su
Ojiva .
3- La siguiente distribucin muestra los pesos de 120 alumnos de un colegio :
Intervalos
Frecuencia
35-38
19
39-42
16
43-46
26
47-50
15
51-54
14
55-58
8
59-62
13
63-66
9
120
Totales
Precisar los siguientes aspectos :
a- Lmites de la tercera clase .
b- Lmites reales de la cuarta clase.
c- Tamao del cuarto intervalo.
d- Marca de clase de la segunda y tercera clase .
e- Frecuencia de la tercera y cuarta clase.
f- Distribucin de frecuencias relativas.
g- Histograma y polgono de frecuencia y de frecuencia relativa.
h- Distribucin de frecuencia acumulada "Menor que" y "Mayor que", al igual que la distribucin
acumulada porcentual,
i- Ojivas correspondientes a las anteriores distribuciones ,
CAPITULO III .
MEDIDAS DE TENDENCIA CENTRAL.
La distribucin de frecuencias y su representacin grfica nos permite tener una idea global de la
informacin con respecto a una poblacin. Esta idea es de tipo cualitativo, por lo que interesa un
anlisis cuantitativo del fenmeno para as tener un estudio completo del problema. Es necesario
reducir la muestra a un conjunto de medidas llamados ESTADGRAFOS. Analizaremos a partir de
este momento las medidas de tendencia central.
1- LA MEDIA ARITMTICA .Llamada tambin PROMEDIO. Se denota como xm y se calcula de la
siguiente manera:
1.1 . Cuando los datos no se repiten .Si Xi, X2, X3 , X4)_Xn ; representan datos observados, su media se
define como:
Xm = X1 + X2+X3+..+Xn / n = Xi / n ,
donde n = nmero de datos .
125
1.4. PROPIEDADES DE LA MEDIA ARITMTICA.
1. En toda distribucin, la suma de las desviaciones con respecto a la media es igual a cero. !
2. La suma de los cuadrados de las desviaciones respecto a la media es siempre menor que la suma de
los cuadrados de las desviaciones respecto a cualquier otro valor. Por esta propiedad podemos
afirmar que la media es la medida de tendencia central que minimiza la suma de los cuadrados de las
desviaciones en torno a ella.
3- La media de una constante por una variable, es igual al producto de la constante por la media
aritmtica de la variable.
4- La media de la suma de una constante y una variable es igual a la suma de la constante y la media
de la variable.
5- La media de la suma de dos o ms variables es igual a la suma media de las medias de las variables
TALLER # 5 :
1- Investigar qu es lo que se conoce como PROMEDIO PONDERADO. D un ejemplo.
2- Las calificaciones de un alumno en sus pruebas finales de curso fueron : 85, 73, 78, 67, 86, 80, 90,
95, 92. Cul fue su calificacin promedio ?
3- Las velocidades de un auto en kms/h durante un viaje fueron :
30 45 50 35 43 55 35 60 48 56 38 30 60 50 45 56 60 50 45 35 45 48 45 38 43 45 56 48 60
50 56
a- Elabore una tabla de conteo.
b- Construya la distribucin de frecuencias absolutas para cinco (5) intervalos .
c- Elabore el histograma y el polgono de frecuencias abs.
d- Construya la distribucin de frecuencias relativas .
e- Construya el histograma y el polgono de frecuencias relativas .
f- Elabore la distribucin de frecuencias acumuladas "mayor que".
g- Haga la ojiva de frecuencias acumuladas .
h- Construya la distribucin porcentual de frecuencias acumuladas
i- Haga la ojiva de distribucin acumulada porcentual.
j- Cul es la velocidad media del auto ?
4- Un empleado realiza un curso de promocin en 4 materias, cuyo valor total es de 15 crditos . Las
notas obtenidas fieron : 67, 86, 96, 72. Si las materias valen 4, 6, 3 y 2 crditos respectivamente. Cul
fue el promedio obtenido ?
5- Los salarios mensuales de 6 empleados de una empresa son : $500.000, $650.000, $360.000,
$420.000, $200.000 y $530.000. Calcule el sueldo medio de la empresa.
6-Cul es el peso medio de un grupo de 500 personas del cul se sabe que el peso medio de las
mujeres es de 45 Kgs, el de los hombres es de 52 kgs y en total hay 200 mujeres.
7- Un grupo de 6 estudiantes obtuvo las siguientes calificaciones en matemticas, ingls e historia
respectivamente:
75,86, 72, 84, 70, 78, 83, 95, 78, 90, 87, 86, 73, 68, 70, 69, 72, 71. Cul fue la calificacin promedio del
grupo ?.
8-En una investigacin sobre poblacin en 6 zonas, se encontr que el nmero de habitantes es de :
4.580, 3.700, 5.476, 5.230, 6.325,4.837. (por miles). Se supone que en 10 aos la poblacin se
duplicar. Cul ser la poblacin promedio de la regin dentro de 10 aos ?
2- LA MEDIANA
La mediana es el valor central de los datos o sucesos ordenados en forma creciente o en forma
decreciente . La simbolizamos por : Med.
CALCULO DE LA MEDIANA :
2.1. Cundo los datos o sucesos NO se repiten :
Calculemos la mediana a los datos : 15, 6, 3, 8, 10 .
Lo primero que debemos hacer es ordenar los datos, hagmoslo en forma ascendente y ubiquemos el
valor central: 3, 6, 8 ,10, 15 . La mediana es 8 porque tanto a la izquierda como a la derecha de l hay
igual cantidad de datos ( 2 ).
Calculemos la mediana de los datos : 18, 3, 15, 10, 6, 7.
Ordenamos los datos : 3, 6, 7,10, 15, 18. Aqu no existe un nico valor central, en este caso, la
mediana es el PROMEDIO de los 2 valores centrales 7 y 10, es decir :
7+10 / 2 =8.5.
Como conclusin, podemos anotar entonces que : "La mediana de un conjunto de datos o
sucesos ordenados, es igual al valor central si el nmero de datos es impar y es igual al promedio de
los 2 valores centrales si el nmero de datos es par.
2.2.Cuando los datos se repiten :
Ejemplo 1 :La tabla siguiente representa las notas obtenidas durante un semestre. Calcular su
mediana.
Notas :Xi
2
3
4
6
8
Total
Frecuencias Absolutas: Fi
1
2
4
5
7
19
Frecuencia acumulada
1
3
7
12
19
SOLUCIN
Encuentro la mitad de las frecuencias ~ 17. Como en la tabla existe una frecuencia acumulada igual a 17, localizo
tambin la superior inmediata = 26. Buscamos los Xi correspondientes y la mediana es el promedio, es decir :
F i = 17 , Xi = 37 y
Med = (37+39) /2 = 38
2*3. Datos agrupados en una distribucin con intervalos :
mediana.
Fmediana = Frecuencia de la clase mediana ( Frecuencia absoluta ).
C = Tamao del intervalo de la clase mediana, teniendo en cuenta los lmites reales
Intervalo
s
Frecuencia
absoluta
Frecuencia
acumulada
13-15
16-18
13
19-21
20
22-24
24
25-27
10
34
28-30
40
Totales
40
SOLUCION :
Como
Fi / 2 = 40/2= 20. El intervalo correspondiente a 20 es el intervalo 19 - 21 = Clase
mediana. Entonces : L= 18.5= Lmite real inferior. N= Frecuencia total = 40.
Fiacumul, = Frecuencia acumulada por debajo de la clase mediana = 13 .
C = Tamao del intervalo de la clase mediana :21.5-18.5 = 3.
F mediana = Frecuencia absoluta de la clase mediana = 7.
Aplicando la frmula anterior obtengo :
N/2-Fiacum
40/ 2-13
Med = L+ ( ) x C = 18,5 + ( ) x 3 =18.5 + 3 = 21, 5 .
F median
7
La mediana de la distribucin es 21,5
TALLER 6:
1- En quince das, un restaurante sirvi desayunos a 40,52, 55,38,40,48,56,56,60,37,58,63,46,50 y 61
Mod. = L + ( 1 / 1 + 2 ) x C
Siendo : L = Lmite real inferior de la clase modal.
1= Exceso o diferencia de la frecuencia modal con la frecuencia de la clase
contigua ianterior .
2 = Exceso o diferencia de la frecuencia modal con la frecuencia de la clase contigua siguiente.
C= Tamao del intervalo de la clase modal.
EJEMPLO:
Calcular la moda para la siguiente distribucin de frecuencias :
IntervalosFrecuencias
13-15
8
16-18
5
18-21
7
22-24
4
25-27
10
28-30
6
Totales 40
SOLUCIN : La clase modal es 25- 27, pues corresponde a la mxima frecuencia que es 10.
L= 24.5
1 =10 - 4 = 6
2 =10 - 6 = 4
C= 27.5 -24.5 = 3.
Aplico la frmula dada anteriormente y obtengo :
Moda= 24,5 + (6/6+4). 3= 24.5 + (6/10)3 = 24.5+ 1.8 = 26.3
TALLER # 7:
1- Calcule las medidas de tendencia central vistas hasta el momento en la serie de nmeros : 2,2,3, 5, 6, 4, 2, 5, 8,
7, 12, 7, 8 ,20. Compare los resultados obtenidos.
En cincuenta das, stos fueron los nmeros de estudiantes ausentes en una clase de lgebra.
3 0 0 1 0 4 1 0 1 0
2 6 0 1 0 0 1 0 0 0
1 3 3 2 5 0 1 1 1 0
0 0 0 4 1 1 2 1 2 0
0 1 0 0 3 2 0 1 2 1
Encuentre la moda.
El conocimiento de las tres medidas es importante porque da una buena apreciacin de la distribucin de los valores ; pero
si se debe hacer una apreciacin con una sola medida, es mucho ms conveniente emplear la mediana como medida de
tendencia central.
X
Media
x
Mediana
x
Moda
Las grficas anteriores muestran la posicin de cada una de las medidas de tendencia central. La media es el
punto de equilibrio de la grfica semeja al centro de gravedad. La mediana divide el rea bajo la curva en
dos partes de igual rea. La moda es la abcisa de mayor ordenada o pico de la curva
Si los datos no estn ordenados resulta ms fcil el clculo de la media que la mediana, la moda se haya por
simple bsqueda del valor ms frecuente.
Si se desea calcular totales, la nica medida utilizable es la media, en cambio si se desea ubicar las condiciones
de una persona en una clase, la mediana es la medida ms indicada ya que por comparacin pone en evidencia
si la persona est por sobre la mitad o por debajo de ella.
Si la distribucin tiene forma de progresin aritmtica, se emplea como promedio la mediana o la moda.
Si los datos dan forma geomtrica, se emplea la media geomtrica.
Si la distribucin presenta intervalos de diferente amplitud, no debe emplearse la moda.
Si la distribucin presenta el primero y el ltimo intervalo abiertos se debe usar como promedio la
mediana o la moda.
Para datos agrupados en una distribucin reemplazamos X por las marcas de clase de cada
intervalo.
La media geomtrica es til en el clculo de tasas de crecimiento, es decir en el clculo de promedios
que estn dados en forma de progresin geomtrica.
EJEMPLOS:
1- El crecimiento de las ventas en una fabrica en los ltimos 5 aos fue del 20%, 22%, 32%, 29% y
30%. Cul fue la tasa anual de crecimiento ?
1
H=
N
=
1/N . 1/ Xi
1/ X i
Esta medida de tendencia central se emplea para promediar razones que son inversamente
proporcionales.
EJEMPLOS:
1. Calcular la media armnica entre los nmeros : 4, 5, 7, 7, 8
. Solucin:
5
H=
=
+ 1/5 +! /7 +!/7
241/280
2. Un obrero pinta una casa en 6 das y otro puede pintarla en 8 das. Cul ser el rendimiento de un
obrero modelo que sea representativo del trabajo de los dos obreros ?
Solucin:
El valor hallado ser la media armnica de los datos presentados as :
2
El cuartil2 ; Q2 corresponde al dato a partir del cual esta por debajo el 50% de los datos, es decir es
la misma mediana.
El cuartil 3 ; Q3 , corresponde al dato a partir del cual esta por debajo el 75% de los datos.
6.2. Los deciles :Son los valores que dividen el conjunto de datos en diez partes iguales. Se
representan como D1, D2, D3, D4,....... D9. El quinto decil coincide con el valor de la mediana.Su
clculo se realiza sustituyendo en la frmula de la mediana el VALOR de N/2 por N/10,2N/10, 3N/10,
4N/10, .....,9N/10 a partir de la primera clase.
Igual que en los cuarteles, por debajo de cada decil se encuentra el 10, 20, 30 , 40% . 90% de losa
datos.
6.3. Los percentiles :Son los valores que dividen el conjunto de datos en 100 partes iguales. Se
representan por P1, P2 , P3, P4 , ., P99 . El percentil nmero 50 equivale a la ,mediana y su hallazgo
se efecta aplicando la frmula de la mediana previa sustitucin de N/2 por N/100, 2N/100,
3N/100,........ 99N/100.
Las medidas anteriores reciben el nombre genrico de CUANTILES. Igual que en los cuartiles y
deciles, cada percentil es un dato por debajo del cual se halla el 1, 2, 3, 4, .99% de los datos.
TALLER # 9 :
1-Encuentre la media de la siguiente distribucin de las calificaciones que obtuvieron 500 estudiantes
en un examen de geografa:
Nmero
Calificacin
10-24
25-39
40-54
55-69
70-84
85-99
de
estudiantes
44
70
92
147
115
32
Frecuencia
16
35
44
27
17
8
2
50-54
Nmero de
escuelas
18
15
9
7
1
Refirindonos a la distribucin del ejercicio anterior, encuentre (a) la mediana; (b) los cuartiles
Q 1 y Q 2.
(c)Calcule D1 , D3 y D 9 (d) Halle P12, P45 , P70 y P85
CAPITULO IV - MEDIDAS DE DISPERSIN.
Media de A,B y C
Como puede observarse la media de las tres curvas es la misma, pero la curva A tiene menor extensin o variabilidad
que la curva B y sta a su vez tiene menor variabilidad que la curva C. Si medimos la media solamente de las tres
distribuciones, estaremos pasando por alto una diferencia importante que existe entre las tres curvas . Al igual que
sucede con cualquier conjunto de datos, la media, la mediana y la moda slo nos revelan una parte de la
informacin de lo que necesitamos saber acerca de las caractersticas de los datos. Para aumentar nuestro
entendimiento del patrn de los datos, debemos medir tambin su dispersin, extensin o variabilidad Porqu la
dispersin de una distribucin es una caracterstica tan importante para entender y medir ?
. Primero, nos proporciona una informacin adicional que nos permite juzgar la confiabilidad de nuestra medida
de tendencia central. Si los datos se encuentran muy dispersos, como los de la curva C, la posicin central es menos
representativa de los datos, como un todo, que cuando estos se agrupan ms estrechamente alrededor de la media,
como en la curva A.
Segundo, ya que existen problemas caractersticos para datos ampliamente dispersos, debemos ser capaces de
distinguir que presentan esa dispersin antes de abordarlos.
Tercero, quizs deseemos comparar las dispersiones de diferentes muestras. Si no se desea tener una amplia
dispersin de valores con respecto del centro de la distribucin o esto presenta riesgos innecesarios, debemos tener
habilidad para reconocerlo y evitar escoger las distribuciones que presenten ms dispersin.
3. MEDIDAS DE DESVIACIN PROMEDIO
Las medidas de la dispersin son aquellas que tratan de determinar la desviacin promedio con
respecto a alguna medida de tendencia central. Entre estas medidas tenemos :
3.1. DESVIACIN MEDIA .'Llamada tambin desviacin media absoluta o promedio de desviacin.
Indica la dispersin de los datos con respecto a la media aritmtica. Smbolo = M. D.
3.1.1. Para datos no repetidos, no agrupados: Sean X1, X2, X3, X4, ..., Xn datos cuya media aritmtica
es X med , entonces su desviacin media es :
| X i - Xmed |
M.D. =
n
EJEMPLO : En una evaluacin de matemticas, se obtuvo las siguientes calificaciones : 95, 68, 56,
76, 72, 42, 66, 70, 82, 63 . La media aritmtica de estos datos es igual a 69, es decir :
X med = 95+68+56+76+72+42+66+70+82+63/ 10 = 69 .
Las desviaciones respecto a la media son :
95-69 = 26,
68-69 = -!,
59-69 = -13,
76-69=7,
72-69=3,
42-69= -27,
66-69=-3,
70-69=1,
82-69=13, 63-69 = -6.
Tomando los valores absolutos de estas cantidades se tiene que la desviacin media ser entonces :
26+1 + 13+7+3+27+3+1+13+6
M.D. =
= 10
10
3.1.2. Para datos con repeticin, es decir agrupados : Si los datos : X I , X2, X3, ...., Xn, tienen
frecuencias : fi, f2, f3 ,, ..., f n , su desviacin media ser :
Fi | X i - Xmed |
M.D. =
Fi
EJEMPLOS:
a- Calcular la desviacin media en la tabla de conteo:
Xi
7
8
Fi
3
4
FI . Xi
21
32
| Xi - Xmed |
3,7
2,7
Fi .|Xi - Xmed |
11,1
10,8
10
13
16
14
18
20
6
9
Totales
3
2
2
5
2
1
6
2
30
30
26
32
70
36
20
36
18
321
0,7
2,3
5,3
3,3
7,3
9,3
4,7
1,7
2,1
4,6
10,6
16,5
14,6
9,3
28,2
3,4
111,2
MORTALIDAD
Fi
1 - 8
9 - 16
17 - 24
25 - 32
33 - 40
41 - 48
49 - 56
57 - 64
65 - 72
TOTAL
11
20
14
58
75
21
24
6
20
250
MARCA DE DE Fi.Xi
CLASE
Xi
M.D = .
X med =
3.2. DESVIACIN MEDIANA : Se usa en distribuciones con valores extremos o con intervalos abiertos. Resulta
de sustituir la media por la mediana en la desviacin media. Se simboliza como : m. d.. y se define como sigue :
3.2.1.- PARA DATOS SIN AGRUPAR :
m. d. = x i - mediana / n , donde n es el nmero de trminos.
Recuerde que el calculo de la mediana depende de la cantidad de datos que haya, PAR o IMPAR , luego de ordenar
los datos.
EJEMPLOS:
a- Calcular la desviacin mediana de las siguientes edades : 18, 21, 32, 15, 17, 31, y 42 aos .
SOLUCION: Se ordenan los datos y luego se determina el dato central pues existe nmero impar de datos as :
15, 17, 18, 21, 31, 32, 42. El dato central es 21 que corresponde a la mediana. Ahora con este valor se hallan las
desviaciones as :
21-15 = 6, 21-17 = 4, 21-18 = 3 , 21-21 = 0 , 21 31 = -10 = 10 ,
21- 32 = - 11 = 11 , 21 42 = - 21 = 21 . L a desviacin mediana ser :
m.d. = x i - mediana / n = 6+4+3+0+10+11+21 / 7 = 7, 85
3.2.2. Para datos agrupados : La desviacin mediana se calcula mediante la frmula :
m.d. = Fi | X i Mediana| / F i .
Donde , x i puede ser una dato si se da una tabla de conteo o una marca de clase si se da una
distribucin de frecuencias. Recuerde que el clculo de la mediana tambin varia dependiendo de la
forma cmo se den los datos.
EJEMPLOS :
1. Las edades de dos grupos de estudiantes se dan a continuacin :
Grupo A : 12, 26, 18, 14, 17, 19, 22, 15, y 31
Grupo B : 22, 17, 16, 21, 15, 19, 26, 33, 18 y 25 .
Utilizando la desviacin mediana, determine que grupo tiene mejor distribucin de edades.
SOLUCION: Para el Grupo A . Como los datos son sin agrupar, hallamos su mediana as :
Ordeno los datos : 12, 14, 15, 17, 18, 19, 22, 26, 31 , hay 9 datos y el dato central = 18 = mediana.
Hallo las desviaciones :
xi mediana : 12-18=6 , 14-18= 4 , 15-18= 3 ,17-18=1, 18-18=0,
19-18=1, 22-18=4 , 26-18=8, 31-18=13 , La suma da : 40, la desviacin mediana ser
entonces : m.d. = 40/9 = 4,44 .
Para el Grupo B. Los datos son sin agrupar, los ordeno as: 15,16,17,18,19,21, 22,25, 26, 31. Como
hay 10 datos los 2 centrales son : 19 y 21 cuyo promedio es (21+19)/2= 20 = mediana.
Las desviaciones respecto a la mediana son :
xi- mediana : 15-20=5, 16-20=4,17-20=3,18-20=2,19-20=1,21-20=1,
22-20=2,25-20=5,26-20=6,31-20=11. La suma d: 40, la desviacin mediana ser
entonces : m. d. = 40/10= 4, Como esta desviacin es menor que la anterior, este grupo tiene mejor
distribucin.
EJEMPLO 2: En un grupo las edades se distribuyen en base a la siguiente tabla de conteo
Edades
13 15 16 17 19 22 25 28 Total
No personas 4 6 8 2 5 4 5 6 40
Calcule la desviacin mediana de estas edades.
SOLUCION. Los datos son agrupados en una tabla de conteo, hallamos la mediana para esto
anexamos inicialmente la columna de frecuencias acumuladas as :
Frecuencia acumulada 4 10 18 20 25 29 34 40
Inicialmente hallamos la mitad del total de datos : f i / 2 = 40/2 =20. Como este valor aparece en la
columna de frecuencias acumuladas, se toman 20 y 25 y se buscan los respectivos x i correspondientes
a cada uno de ellos, la mediana es el promedio de estos datos as :
Los datos buscados son : Para 20 es 17 y para 25 es 19 su promedio es :
Mediana = (17+19)/2= 18 .
Con este valor de la mediana se hallan las desviaciones as :
xi-mediana 13-18=5 3 2 1 1 4 7 10
Cada desviacin se multiplica por cada frecuencia es decir se halla : f i x i mediana as :
F I x i- mediana 5x4=20 18 16 2 5 16 35 60 = 172
La desviacion mediana es : m.d. = 172 / 40 =4,3,
DESVIACION MEDIANA
FRECUENCIAS.
DE
DATOS
AGRUPADOS
EN
UNA
DISTRIBUCION
DE
Marca clase
24.5
10 22 30 41 50 60
34,5 44,5
54,5
64,5 75
Hallamos inicialmente la mediana , recordemos que para hallar la mediana se debe emplear la
formula
:
Mediana =
L + f i /2 - f acumulada
x amplitud.
F mediana
Para hallar la mediana debe agregarsele a la tabla la columna de frecuencias acumuladas que
permite determinar la CLASE MEDIANA, asi :
Mitad de los datos = fi/ 2 = 60/ 2 = 30 , luego la CLASE MEDIANA es el intervalo 40-49 donde se
tiene que :
L = limite real inferior = 39,5 ; F acumulada = 22 ; f mediana = 8 y Amplitud = 49- 40 + 1 = 10 , la
mediana es :
Mediana = 39,5 + ( 30 22 )/8 x 10 = 39,5 + 1x10 = 49,5.
Para calcular la DESVIACION MEDIANA se debe aplicar la formula
m.d. = fi xi mediana ,
fi
Xi
24,5
34,5
44,5
54,5
Xi mediana
25
15
5
Fi Xi mediana
250
330
40
Intervalo Fi
50-54
55-59
60-64
65-69
70-74
75-79
80-84
85-90
Total
4
7
12
3
10
4
8
2
50
Xi
Xi. Fi
Xi xmed
,(xi-xmed)2 Fi.
(Xi- Xi- med
Xmed)2
c- Alcance intercuartil,
5.USOS DE LA DESVIACIN ESTNDAR.
Frecuencia
relativa
Al menos 1-1/k2
media de la distribucin, y al menos el 89% de los datos caen dentro de + - 3 desviaciones estndar
a partir de la media.
5.2. Regla emprica.
Podemos medir an con ms precisin este porcentaje de observaciones que caen dentro de un
alcance especfico de curvas simtricas de forma acampanada, esta medicin nos lleva a plantear la
regla conocida como "REGLA EMPRICA" cuyo enunciado establece que :
"Dada una distribucin de observaciones cuyo polgono es de forma acampanada, podemos decir
que :
1- El intervalo contiene el 68% de los datos.
2- El intervalo 2 contiene el 95% de los datos.
3. El intervalo 3 contiene todos o casi todos los datos.
EJEMPLO:
Se hace un estudio para determinar el tiempo necesario para realizar una operacin especfica en
una planta industrial. El tiempo necesario para realizar dicha operacin se midi para n= 40
trabajadores. La media y la desviacin tpica fueron 12.8 y 1.7 respectivamente. Describa los datos.
2- Un conjunto de 60 observaciones posee una media de 66.8 , una varianza de 12.6 y una forma de
distribucin desconocida.
a- Entre que valores debern caer al menos 75% de los datos, de acuerdo con el teorema de
Chebyshev ?. bSi la distribucin tiene forma acampanada, cuntas observaciones debern
encontrarse en el intervalo que va desde 59.7 a 73.9?.
c- Encuentre las calificaciones Z para los siguientes datos . 61.45, 75.37, 84.65, 51.50 .
3- El administrador de un hospital hizo una investigacin acerca del nmero de das que 200
pacientes ,escogidos al azar, se quedan en el hospital despus de una operacin. Los datos son;
Dias
1 - 3 4 6 7 - 9 10 - 12 13 - 15 16 - 18 19 - 21 22 - 24
Frecuen 18
90
44
21
9
9
4
5
cia
a- Calcule la media, la desviacin Std y la varianza .
b- De acuerdo con el teorema de Chebyshev. Cuntas estancias (frecuencias) habr entre O y 17
das ?. Cuntas estancias hay realmente en ese intervalo ?.
c-Debido a que la distribucin es acampanada. Cuntas estancias deberamos esperar en dicho
intervalo ?
5. 4. Dispersin relativa.
5.4.1. E1 coeficiente de variacin de Pearson: La desviacin estndar es una medida absoluta de la
dispersin que expresa la variacin en las mismas unidades que los datos originales. El conocimiento
de la desviacin de dos series de datos diferentes no permite establecer comparaciones entre los
valores de dichas series. La desviacin Std no es la nica base de comparacin .Si tenemos una serie
de desviacin de 10 y media 5, los valores varan en una cantidad que es el doble de la media misma.
Si por otro lado se tiene una desviacin Std de 10 y una media de 5.000, la variacin con respecto a la
media es insignifcante. En consecuencia, no podemos conocer la dispersin de un conjunto de datos
hasta que conocemos su desviacin std, su media y cmo se compara la desviacin std con respecto a
la media. Se necesita entonces una medida relativa que nos proporcione una estimacin de la
magnitud de la desviacin con respecto a la magnitud de la media, esa medida es el llamado
Coeficiente de variacin, que es tambin una medida de dispersin y relaciona la desviacin Std con
la media a travs de un porcentaje, es decir :
Coeficiente de variacin = / (100). Donde : = Desviacin Std de la poblacin y = media de la
poblacin.
EJEMPLO:
Si cada da el tcnico A de un laboratorio realiza un promedio de 40 anlisis con una desv. Std de 5 y
el tcnico B efecta un promedio de 160 anlisis diarios con una desv. Std de 15. Cul de los tcnicos
muestra menor variabilidad ?.
A primera vista, parece que el tcnico B tiene una variacin en su produccin tres veces mayor que el
A. Pero B realiza su labor con una rapidez cuatro veces mayor que A. Calculemos el coeficiente de
variacin de cada uno as:
Para A : Coeficiente de variacin = / ( 100 ) = 5 / 40 (100) = 12.5%.
Para B : Coeficiente de variacin = / (100) = 157 160 (100) = 9.4% .
As tenemos que el tcnico B, quien posee una variacin absoluta mayor que la de A, tiene una
variacin relativa menor que la de A, debido a que la media de produccin de B es mucho mayor que
la de A
6. MEDIDAS DE ASIMETRA.
Estas medidas parten del hecho de que todos los valores de la "Curva Normal" terica se presentan distribuidos
simtricamente en torno a la media . Esta distribucin terica sirve de punto de referencia para las distribuciones
que tienen cierto grado de normalidad. En la curva normal, media, mediana y moda coinciden y en funcin de
este hecho, decimos que una distribucin es simtrica cuando se verifica la siguiente igualdad :
Xmed = Med. = Mod , es decir : Media = mediana = moda.
ASIMETRA POSITIVA
Mod
Med.
Media
ASIMETRA NEGATIVA
Media
Med
Mod
Para el clculo de estos ndices, se emplean las .siguientes frmulas llamadas coeficientes de asimetra.
6.1. Primer coeficiente de Pearson (As1).
Utiliza como referencia la media y la moda, siendo una medida adimensional definida como :
As 1
media - moda
S
Entonces :
= 0,263
y si :
La distribucin es leptocrtica, K > 0,263"
La distribucin es mesocrtica, K = 0,263
La distribucin es platicrtica. K < 0,263
TALLER # 12.
Examine la asimetra y la curtosis a las distribuciones dadas por las tablas siguientes :
(F)
Nmero
de estudiantes
Calificacin
48
120
352
80
40
640
10-24
25-39
40-54
55-69
70-84
85-99
1 - 8
9 - 16
17 - 24
25 - 32
33 - 40
41 - 48
49 - 56
57 - 64
65 - 72
TOTAL
9-11
12-14
15-17
18-20
21-23
11
20
14
58
75
21
24
7
20
250
Totales
44
70
92
147
115
32
43
.PROBABILIDAD: IDEAS INTRODUCTORIAS.
HISTORIA DE LA TEORA DE LA PROBABILIDAD.
* Los jugadores han utilizado las posibilidades para realizar apuestas durante toda la historia registrada
Pero no fue sino hasta el siglo XVII que el noble francs Antoine Gombauld ( 1.606 - 1.684 ) cuestion la
base matemtica -del xito y el fracaso en las mesas de dados, Le pregunt a su amigo de la infancia el
matemtico francs BLaise Pascal ( 1.623 - 1 .662 ) : " Cules son las posibilidades de obtener dos seis al
menos una vez en 24 tiradas de un par de dados ?". Pascal le resolvi el problema y se interes en el
asunto de las probabilidades al igual que Gombauld, compartieron sus ideas con el famoso matemtico
Pierre de Fermat( 1.601 - 1.665) y las cartas que, se escribieron entre s estos tres personajes constituyen
la primera revista acadmica sobre teora de la probabilidad . No existe registro del grado de xito
obtenido por estos caballeros en las mesas de dados, pero sabemos que su curiosidad y sus
investigaciones dieron origen a muchos de los conceptos que estudiaremos en los siguientes temas.
Jacob Bernoulli ( 1.654- 1,705 ), Abraham de Movre( 1.667- 1.754;, el reverendoThomas Bayes ( 1.7021,761)y Joseph Louis Lagrange ('1736- 1.813), desarrollaron frrmulas y tcnicas para el clculo de
probabilidades. En el siglo XIX Pierre Simn, marqus de Laplace ( 1.749* 1,827), unifiic todas estas
primeras ideas y compil la primer teora de las probabiIidades.
La teora de las probabilidades fue aplicada con xito en las mesas de juego y lo que es ms importante ,
en problemas sociales y econmicos. La industria de seguros que surgi en el siglo XIX, requera un
conocimiento preciso acerca de los riesgos de prdida, con el fin de calcular las primas. Medio siglo ms
tarde, muchos centros de aprendizaje estaban estudiando la probabilidad como una herramienta para el
entendimiento de los fenmenos sociales. En la actualidad, la teora matemtica de la probabilidad es la
base para las aplicaciones estadsticas tanto en investigaciones sociales como en la toma de decisiones .
INTRODUCCIN A LA PROBABILIDAD Y A LA ESTADSTICA
El trmino PROBABILIDAD es familiar para la mayora de nosotros. No es rar o escuchar frases tales
como "la probabilidad de que haya lluvia", "la probabilidad de inundacin y "la probabilidad de
obtener A en un curso". Hablando informalmente, la probabilidad se refiere al nmero que indica el
grado de certeza con que algn evento futuro tendr un resultado en particular. Por ejemplo, antes de
lanzar una moneda bien balanceada, no sabemos con certeza si el resultado ser cara o cruz.. Sin
embargo, no hay duda en considerar estos resultados como igualmente probables, Esto significa que si la
moneda fuera lanzada un nmero grande de veces, se esperara que aproximadamente en la mitad de los
lanzamientos se obtuvieran caras. Por eso decimos que la probabilidad de que aparez.ca una cara en
cualquier lanzamiento es de , o 50 por ciento.
El campo de la probabilidad forma la base del estudio de la estadstica . En estadstica nos interesamos
en hacer una inferencia, esto es, una prediccin o decisin, acerca de una poblacin (conjunto grande de
objetos de estudio) utilizando una muestra de datos extrados de esa poblacin. Por tanto, en estadstica,
hacemos inferencias acerca de una poblacin con base en una muestra conocida. Por ejemplo, sacando
una muestra de las unidades de una lnea de ensamble, podemos hacer estadsticamente una inferencia
acerca de todas las unidades de una produccin. Ahora bien, en el estudio de la probabilidad, trabajamos
con una poblacin conocida y consideramos la certeza (o probabilidad) de sacar una muestra particular
de ella. Por ejemplo, si seleccionamos un naipe de una baraja, podemos estar interesados en la
probabilidad de que sea el as de corazones.
44
PRINCIPIO BSICO DE CONTEO .
OBJETIVO
Desarrollar y aplicar un principio bsico de cnteo.
Principio bsico de conteo
Ms adelante, encontrar que el clculo de una probabilidad puede requerir que calcule el nmero de
elementos de un conjunto. Puesto que el conteo de elementos de manera individual puede ser
extremadamente tedioso (o aun imposible), dedicaremos un poco de tiempo a desarrollar tcnicas eficientes
de conteo. Empezamos motivando el principio bsico de conteo que es til en la solucin de una amplia variedad de
problemas..
Suponga que un fabricante quiere producir cafeteras de 2, 8 y 10 tazas de capacidad, cada tipo se fabrica en
colores blanco (w), beige (b), rojo (r) y verde (g). Cuntos tipos de cafeteras debe producir el fabricante? Para
responder la pregunta no es necesario que contemos las parejas capacidad-color una por una (tal como 2-blanca y 8beige). Ya que hay tres capacidades y para cada capacidad hay cuatro colores, el nmero de tipos es el producto 3
4 o 12. Podemos listar de manera sistemtica los diferentes tipos usando el diagrama de rbol de la figura 1. Desde
Tipo
Capacidad
2,
w
2,
b
2,
r
2,
g
Inicio :
8,
w
8,
b
8,
r
8,g
10,
w
45
1 0,
b
10, r
45
Nivel 1
Nivel 2
el punto inicial, hay tres ramas que indican las capacidades posibles. Desde cada una de estas ramas
parten otras cuatro ramas que indican los colores posibles. este rbol contiene 12 ramas, cada rama
determina un tipo diferente de cafetera. Nos referiremos al diagrama como un rbol de dos niveles: hay
un nivel para la capacidad y un nivel para el color.
Consideramos el listado de los tipos de cafeteras como un procedimiento de dos etapas. En la primera
etapa
indicamos la capacidad y en la segunda el color. .El nmero de los tipos de cafeteras es el nmero de
formas en que puede ocurrir la primera etapa (3) por el nmero de formas en que puede ocurrir la
segunda etapa (4), con lo cual se obtiene 3 x 4 = 1 2 . Este procedimiento de multiplicacin puede ser
generalizado en el principio bsico de conteo.
Principio bsico de conteo
Suponga que un proceso involucra una sucesin de k etapas. Sea n1 , el nmero de maneras en que
puede ocurrir la primera etapa y n 2 el nmero de maneras en que puede ocurrir la segunda etapa
despus de la primera. Continuando de esta forma, sea n k el nmero de formas en que la k-sima
etapa puede ocurrir despus que las k - 1 etapas han ocurrido. Entonces, el nmero total de
maneras diferentes en que el proceso puede ocurrir es
N1 x n2 x ..x nk .
EJEMPLO 1 Rutas de viaje
Dos caminos unen a las ciudades A y B, cuatro unen a B y C y cinco unen a las ciudades C y D.
Para conducir de A a B, a C y despus a D, cuntas rutas diferentes son posibles'?
Cuando una moneda es lanzada puede mostrar una cara (C) o una cruz o sello (S). Si un dado es
tirado, puede mostrar un 1, 2, 3, 4, 5 o 6. Suponga que una moneda es lanzada dos veces y despus se
lanza una vez un dado y el resultado se anota (tal como C en el primer lanzamiento, S en el segundo
lanzamiento, y 4 en el tiro del dado).
Cuntos resultados diferentes pueden ocurrir'?
Solucin: Lanzar una moneda dos veces y despus tirar un dado puede ser considerado como un proceso de tres etapas. Cada una de las dos primeras etapas (el lanza
miento de una moneda) tiene dos posibles resultados. La tercera etapa (tiro de un
dado) tiene seis posibles resultados. Por el principio basico de conteo, el nmero de
resultados diferentes para el proceso es :
2x2x6= 24.
EJEMPLO 3 Respuestas de un examen
De cuntas maneras diferentes puede ser respondido un examen bajo cada una de las siguientes
condiciones:
a. El examen consiste en tres preguntas de opcin mltiple con cuatro opcines para cada una.
Solucin: Responder de manera sucesiva las tres preguntas es un proceso de tres etapas. La
primera pregunta puede ser respondida de cualquiera de cuatro formas. De mismo modo,
46
cada una de las otras preguntas puede ser respondida en cuatro formas Por el principio bsico
de conteo el nmero de maneras para responder el examen es:
4.x.4x4 = 43 = 64.
b. El examen consiste en tres preguntas de opcin mltiple (con cuatro opciones. para cada una) y
cinco preguntas de falso-verdadero.
Solucin: Responder el examen puede ser considerado un proceso de dos etapas. Primero
podemos responder las preguntas de opcin mltiple (sta es la primera etapa), y despus
responder las preguntas de falso-verdadero (la segunda etapa). De la parte (a), las preguntas
de opcin mltiple pueden ser respondida de 4x4x4 formas. Cada una de las preguntas de
falso-verdadero tiene dos opciones ("falso" o "verdadero"), de modo que el nmero total de
maneras de responder las cinco preguntas es 2x2x2x2x2. Por el principio bsico de conteo, el
nmero de maneras en que todo el examen puede ser respondido es
(4x4x4)(2x2x2x2x2) = 43 x 25 = 2048.
EJEMPLO 4 Acomodo de letras
De las cinco letras A, B, C, D y E, cuntos arreglos horizontales de tres letras (llamados "palabras")
son posibles si ninguna letra puede repetirse 1? (Una "palabra" no necesariamente tiene sentido.) Por
ejemplo, BDE y DEB son dos palabras aceptables, pero CAC no.
Solucin: Para formar una palabra tenemos que llenar de manera sucesiva las posiciones _ _ _
con letras diferentes. Por tanto tenemos un proceso de tres etapas Para la primera posicin
podemos elegir cualquiera de las cinco letras. Despus que llenamos esa posicin con alguna
letra, podemos llenar la segunda posicin con cualquiera de las cuatro letras restantes. Luego
la tercera posicin se llena con cual quiera de las tres letras que an no han sido utilizadas.
Por el principio bsico de conteo, el nmero total de palabras de tres letras es
5x4x3 = 60.
TALLER No .13
1. Proceso de produccin En un proceso de produccin, un artculo pasa por una de las lneas
de ensamble A, B o C y despus pasa por una de las lneas de acabado D o E, Dibuje un
diagrama de rbol que indique las rulas posibles de produccin para un artculo. Cuntas
rutas de produccin son posibles?
2. Modelos de aire acondicionado Un fabricante produce equipos de aire acondicionado con
capacidades de 6.000, 8000 y 10,000 BTU. Cada capacidad est disponible con ventiladores de
una o dos velocidades. Dibuje un diagrama de rbol que represente todos los modelos
posibles. Cuntos modelos hay?
3. Tiro de un dado y lanzamiento de una moneda Se tira un dado y despus se lanza una
moneda. Dibuje un diagrama de rbol para indicar los resultados posibles. Cuntos
resultados son posibles-?
4. Lanzamiento de una moneda Se lanza una moneda tres veces. Dibuje un diagrama de rbol
para indicar los resultados posibles. Cuntos resultados son posibles?
En los problemas 5-10 utilice el principio bsico de conteo.
5. Seleccin de cursos Un estudiante debe tomar un curso tic ciencias y uno de humanidades.
Los cursos de ciencias disponibles son biologa, qumica, fsica, computacin y matemticas.
En humanidades los cursos disponibles son ingls, historia, comunicacin oral y clsicos
Cuntas selecciones de dos cursos puede hacer el estudiante?
6. Rutas en automvil Una persona vive en la ciudad A y viaja en automvil a la ciudad H.
Hay cuatro caminos conectando a A y a B. (a) Cuntas rutas son posibles para un viaje
47
redondo? (b) Cuntas rutas hay para un viaje redondo si debe ser utilizado un camino
diferente para el viaje de regreso','
7. Seleccin de una comida En un restaurante una comida completa consta de un aperitivo,
una entrada, un postre y una bebida. Las opciones para el aperitivo son sopa o jugo, para la
entrada son pollo, pescado, bistec o cordero, para el postre son cerezas, tarta de duraznos
frescos. pastel de chocolate o pudn de zarzamoras; para la bebida son cal, t o leche.
Cuntas comidas completas son posibles?
8. Examen de opcin mltiple De cuntas maneras es posible responder un examen de seis
preguntas de opcin mltiple si cada pregunta tiene cuatro opciones (y una opcin es
elegida para cada pregunta)?
48
Permutaciones.
Observemos el siguiente ejemplo de aplicacin del teorema del conteo.
EJEMPLO Acomodo de letras
De las cinco letras A,B, C, D y E, cuntos arreglos horizontales de tres letras (llamados
"palabras") son posibles si ninguna letra puede repetirse! (Una "palabra" no necesariamente
tiene sentido.) Por ejemplo, BDE y DEB son dos palabra aceptables, pero CAC no.
Solucin: Para formar una palabra tenemos que llenar de manera sucesiva las posiciones _ _ _
con letras diferentes. Por tanto tenemos un proceso de tres etapas Para la primera posicin
podemos elegir cualquiera de las cinco letras. Despus que llenamos esa posicin con alguna
letra, podemos llenar la segunda posicin con cualquiera de las cuatro letras restantes. Luego
la tercera posicin se llena con cualquiera de las tres letras que an no Han sido utilizadas.
Por el principio bsico de cnico, el nmero total de palabras de tres letras es
5. 4. 3 = 60.
En el ejemplo dado seleccionamos tres letras diferentes de cinco letras y las acomodamos en
un orden. Cada resultado es llamado permutacin de cinco letras tomadas tres a la vez.
Generalizando, tenemos la definicin siguiente.
Definicin
Un arreglo ordenado de r objetos, sin repeticin, seleccionados de entre n objetos distintos se
conoce como permutacin de n objetos tomados de r en r. El nmero de tales permutaciones es
denotado por n P r.
As, en el ejemplo anterior encontramos que
5
P 3 = 5. 4. 3 = 60.
Haciendo un anlisis similar, encontraremos 'ahora una frmula general para n P t. Al construir un
arreglo ordenado de r objetos de entre n objetos, podemos seleccionar para la primera posicin
cualquiera de los n objetos Despus que la primera posicin ha sido llenada, quedan n - 1 objetos
que pueden ser elegidos para la segunda posicin. Despus que esa posicin es llenada, hay n - 2
objetos que pueden ser elegidos para la tercera posicin. Continuando de esta manera y utilizando
el principio bsico de conteo, llegamos a la siguiente frmula:
El nmero de permutaciones de n objetos tomados de r en r est dado por
n
(1)
r - factores
La frmula para n P r puede ser expresada en trminos de factoriales.1 Multiplicando el lado
derecho de la ecuacin 1 ) por :
(n r ) ( n r 1 ) .. (2) (1)
(n - r)(n - r - 1 ) . (2)(1)
se obtiene
n
P r = n (n 1 ) ( n 2 ) . ( n r + 1 ) (n - r)(n -
r - I) . (2) (l)
(n - r)(n - r - 1 ) . (2)(1)
El numerador es simplemente n! y el denominador es (n 1 )!. As, tenemos el resultado siguiente:
El nmero de permutaciones de n objetos tomados de r en r est dado por :
n!
P
n
r=
( n r )!
(2)
49
P3 =
El clculo puede ser obtenido con facilidad con una calculadora utilizando la tecla de
factorial. De manera alterna, podemos escribir convenientemente
7! / 4! = 7.6.5.4! / 4! = 7.6.5.= 210
116.280
jNote el gran nmero de listas de candidatos que son posibles!
EJEMPLO 2 Cuestionario poltico
Un poltico enva un cuestionario a sus electores para determinar sus inquietudes acerca de seis
importantes problemas nacionales: desempleo, medio ambiente, impuestos, tasas de inters, defensa
nacional y seguridad social El encuestado debe seleccionar los cuatro problemas que ms le interesen
y ordenarlos por su importancia asignndoles los nmeros 1 , 2, 3 o 4, con el1 indicando el de mayor
inters y el 4 el de menor inters. De cuntas maneras puede responder un ciudadano el
cuestionario'?
Solucin: Un encuestado ordena cuatro de los seis problemas. As, podemos consi derar una
respuesta como un arreglo ordenado de seis elementos tomando cuatro cada ve, donde el primer
elemento es el problema con nivel 1, el segundo el de nivel 2 y as sucesivamente. Entonces tenemos
un problema de permutacin y el nmero de posibles respuestas es 6 P4.
6
P4 =
6! / (6 4)! = 6! / 2! = 360
En caso de que quiera encontrar el nmero de permutaciones de n objetos tomados todos a la vez,
hacemos r = n en la ecuacin (2) obteniendo
n
P n = n! / (n r)! = n! / 0! = n! / 1 = n! .
50
Los abogados Smith, Jones, Jacobs y Bell quieren formar un bufete jurdico y llamarle
utilizando los cuatro apellidos. Cuntos nombres son posibles?
Solucin: Como el orden es importante, debemos encontrar el nmero de permutaciones de cuatro
nombres, que es
4! = 4.3.2.I = 24. Por lo tanto, hay 24 nombres posibles para el bufete.
TALLER No 14 :
4. . 100 P 4
5. 6 P 6
6. 4 P 2 .3 P 4
7 . 6P3
8 . Nombre de una compaa Flynn, Peters y Waltcrs estn formando una compaa
de publicidad y acuerdan llamarla con sus tres apellidos. Cuntos nombres son
posibles para la compaa?
9. Softbol Si una liga de softbol tiene siete equipos, cuntas tablas de posicin
diferentes son posibles al final de la temporada? Suponga que no hay empates.
10. Concurso De cuntas formas puede un juez otorgar el primero, segundo y tercer
premios en un concurso que tiene ocho concursantes?
11. Examen de relacin de columnas En un examen de historia, cada uno de cuatro
elementos en una columna debe relacionarse con exactamente uno de seis elementos
en otra columna. Ningn elemento en la segunda columna puede ser seleccionado ms
de una vez. En cuntas formas puede realizarse la relacin?
12. Tiro de un dado Un dado es tirado tres veces y el resultado de cada tiro es anotado.
Cuntos resultados son posibles?
13. Lanzamiento de una moneda Una moneda es lanzada cuatro veces. Cuntos
resultados son posibles si el orden de los lanzamientos es considerado?
14. Problema de asignacin En una clase de matemticas de 12 alumnos, el profesor
desea que los problemas 1,3 y 5 de la tarea sean resuellos en el pizarrn por tres
estudiantes diferentes. De cuntas formas puede el profesor asignar los problemas?
15. Combinacin de una cerradura Una cerradura de combinacin tiene 10 letras
diferentes, y una secuencia de tres letras diferentes debe ser seleccionada para que la
cerradura abra. Cuntas combinaciones son posibles para la cerradura?
16. Cuestionario para un empleado
Una compaa reparte un cuestionario por medio del cual
cada empleada debe ordenar tres puntos con los cuales ella/l est ms descontento
Los puntos son :salarios, ambiente de trabajo, tiempo de vacaciones, seguridad en el
trabajo, supervisores, seguro de salud. tiempo de descanso, plan de retiro
El orden ser indicado por los nmeros 1, 2 y3 donde el 1 indica el punto involucrado
con el mayor descontento y 3 el de menor descontento. De cuntas maneras puede
un empleado responder el cuestionario?
17. Tiro de un dado
Un dado es tirado cuatro veces. Cuntos resultados son
posibles si se toma en cuenta el orden de los tiros y en el segundo tiro el resultado es
par? .
51
18 . Arreglo de letras Cuntas palabras de seis letras de las letras que forman la
palabra MEADOW son posibles si ninguna letra se repite? .
19. Arreglo de letras Utilizando las letras en la palabra DISC, cuntas palabras de
cuatro letras son posibles si ninguna letra puede repetirse?
20. Acomodo de libros De cuntas maneras pueda modados cinco de siete libros en
un estante? De cuntas maneras pueden ser acomodados los siete libros en el estante?
21. Sala de lectura Una sala de lectura tiene cinco puertas.
a. De cuntas maneras puede entrar a la sala un estudiante y salir por una puerta
diferente?
b. Y si sale por cualquier puerta?
22. Seleccin de mercanca En un catlogo de mercancas, una frazada est disponible
en los colores azul, rosa, amarillo y beige. Cuando hacen un pedido de una, los clientes
deben indicar su primera y segunda eleccin de color. De, cuntas maneras puede
hacerse esto?
23. Orden de comida Cuatro estudiantes van a una comida y ordenan una
hamburguesa, una hamburguesa con queso, un emparedado de pescado y un
emparedado de carne (un bocadillo para cada uno). Cuando la camarera regresa con
los alimentos, coloca un bocadillo enfrente de cada estudiante, pues olvid cul orden
cada cosa. De cuntas maneras puede hacer esto la camarera?
24. Fotografa de grupo De cuntas maneras pueden posar tres hombres y dos
mujeres en lnea para una fotografa de grupo? De cuntas maneras pueden
colocarse en lnea si una mujer debe estar en cada extremo?
25. Funcionarios de un club Un club tiene 12 miembros.
a. De cuntas maneras pueden ser asignados los cargos de presidente, vicepresidente,
secretario y tesorero, si ningn miembro puede servir en ms de un cargo?
b. De cuntas maneras pueden ser asignados los cuatro cargos si el presidente y el
vicepresidente deben ser miembros diferentes, y no hay restriccin sobre el secretario
y el tesorero?
26- Nombres de una fraternidad Suponga que a una fraternidad se le pone el nombre
de tres letras griegas (hay 24 letras en el alfabeto griego).
a. Cuntos nombres son posibles?
b. Cuntos nombres son posibles si ninguna letra puede ser utilizada ms de una
vez?
27- Baloncesto De cuntas maneras puede una entrenadora de baloncesto asignar
posiciones a su equipo de cinco miembros si dos estn calificadas para la posicin de
centro pero las cinco son aptas para todas las posiciones?
28 -Letras de identificacin Suponga que la identificacin de una estacin de radio
consiste en cuatro letras de las cuales la primera debe ser una K o una W. Cuntas de
tales identificaciones son posibles?
COMBINACIONES Y OTROS PRINCIPIOS DE CONTEO
Combinaciones
52
Aqu la frase importante es "sin considerar el orden", ya que el orden implica una
permutacin en lugar de una combinacin
EJEMPLO 1 Comparacin de combinaciones y permutaciones
Liste todas las combinaciones y todas las permutaciones de las cuatro letras
C y
D
A,
B,
Las permutaciones
son
ABC, ABD, ACD, BCD,
ACB, ADB, ADC, BDC,
BAC, BAD, CAD, CBD,
BCA, BDA, CDA, CDB,
CAB, DAB, DAC, DBC,
CDA, DBA, DCA, DCB.
Existen 24 permutaciones.
En el ejemplo 1, note que cada columna consta de todas las permutaciones la misma
combinacin de letras. Con esta observacin podemos determinar una frmula para
n C r = el nmero de combinaciones de n objetos tomados r a la vez ,suponga que una
de tales combinaciones es : x1 , x2 , x3 , , x n
El nmero de permutaciones de estos r objetos es r!. Si listamos todas las
combinaciones y despus listamos todas las permutaciones de estas combinaciones,
obtendramos una lista completa de permutaciones de los n objetos tomados de r en r
Por tanto,
n
Cr .r!=
Pr ,
C r = n P r / r! =
n! /r! (n r)!
53
EJEMPLO 2
C r = n! / r! (n-r)!
Seleccin de un comit
ESES
___
ES
_
FIGURA 9.4
CES
__
ES
_
ESES
23 6
(a)
Permutaciones con objetos repetidos.
ES
5,7
CES
ES
(b)
Esta colocacin puede suponerse que indica una permutacin de las siete letras en SUCCESS: a
saber, la permutacin en la que (de izquierda a derecha) las ESES estn en las posiciones segunda,
tercera y sexta, la U en la primera posicin y as sucesivamente. Por tanto, la figura 9.4(b)
corresponde a la permutacin
U S S E C S C.
l 2 34 5 6 7
Para contar el nmero de permutaciones distintas, basta con determinar el nmero de maneras en
que los enteros del l al 7 pueden ser colocado en los recuadros, Ya que el orden en que se colocan
los elementos en un recuadro no es importante, el de las ESES puede ser llenado de 7C1 maneras.
Entonces la caja U puede ser llenada con uno de los cuatro enteros restantes de 4C1 Finalmente, C
y E pueden ser llenados de manera sucesiva en 3C2 y 1 C 1, maneras, respectivamente. Ya que
.tenemos un proceso de cuatro etapas, por el principio bsico de conteo el nmero total de maneras
para llenar los recuadros o, de manera equivalente, el nmero de permutaciones distinguibles de
las letras en SUCCESS, es :
54
C 1 . 4 C 1 . 3 C 2 . 1 C 1 = 7!/ 3!.4! . 4!/ 1!.3! . 3!/ 2!.1! . 1! / 1!.0! = 7! / 3!.1!. 2!. 1! = 420.
Observando las formas del numerador y del denominador, podemos hacer la siguiente
generalizacin:
Solucin: La palabra APOLLO tiene 6 letras con repeticin. Tenemos una A, una P, dos O y
dos L. Utilizando (1) encontramos que el nmero de permutaciones es
6! / 1!.1!.2!.2! = 180
b. GERM
Solucin: Ninguna de las cuatro letras en GERM est repetida, de modo que el nmero de
permutaciones es
4
EJEMPLO 4
P 4 = 24.
Un grupo de cuatro abogados, Smith, Jones, Smith y Bell (los Smith son primos) quieren formar un bufete
jurdico y nombrarlo utilizando los cuatro apellidos. (Cuntos nombres posibles existen?
Solucin: Cada permutacin diferente de los cuatro apellidos es un nombre para el bufete. Hay dos Smith,
un Jones y un Bell. De (1) el nmero de nombres distinguibles es
4! / 2!. 1!. 1! =12 .
Celdas
A veces queremos encontrar el nmero de maneras en que diversos elementos pueden
ser colocados en "compartimientos", o celdas. Por ejemplo, suponga que se forma un
grupo de cinco personas, tres sern asignadas a la habitacin A y dos a la habitacin
B. De cuntas maneras puede hacerse esto? Obviamente, el orden en el que las
personas son colocadas en las habitaciones no es importante y, con un anlisis similar al
del estudio de las permutaciones con objetos repetidos, el nmero de maneras de asignar a las
personas es
5! / 3! . 2! = 10
En general, tenemos el siguiente principio.
Asignacin a celdas
Suponga que n objetos distintos son asignados a k celdas ordenadas con ni objetos en la celda i (i =
1,2, . . . ,k) y el orden en el que los objetos son asignados a la celda i no es importante. El nmero de
todas las asignaciones posibles es
55
Un director de funerales debe asignar 15 dolientes a tres limusinas: seis en la primera limusina,
cinco en la segunda y cuatro en la tercera. De cuntas maneras puede hacerse esto?
Solucin: Aqu son colocadas 15 personas en tres celdas (limusinas): seis en la celda 1, cinco en la 2
y cuatro en la 3. Por la expresin (2), el nmero de maneras en que esto se puede hacer es
15!/ 6!.5!.4! = 630,630.
El ejemplo 6 mostrar tres enfoques diferentes para un problema de cnteo. En realidad, muchos
problemas de cnteo tienen mtodos alternativos de solucin.
EJEMPLO 6
Exhibicin de arte
C 4 . 16 C 4 . 12 C 3
TALLER No 15
En los problemas 1-4 determine los valores.
1- 6 C 4
2- 6 C 2 3- 100 C 100 4- 3 P 2 .
5. Comit
C2
56
6. Carrera de caballos En una carrera de caballos, se dice que un caballo termina en el premio si finaliza en
primero, segundo o tercer lugar. Para una carrera de ocho caballos, de cuntas maneras pueden terminar
los caballos en el premio? Suponga que no hay empates.
7. Examen de matemticas En un examen de matemticas de 12 preguntas, un estudiante debe responder
cualesquiera
diez preguntas. En cuntas maneras pueden ser elegidas las 10 preguntas (sin importar el orden)?
8. Cartas De una baraja de 52 cartas, cuntas manos de 3 cartas existen?
9. Control de calidad Un tcnico en control de calidad Jebe seleccionar una muestra de 10 vestidos de un lote
de 74 vestidos. Cuntas muestras diferentes son posibles? Exprese su respuesta en trminos de factoriales.
10. Resultados de un equipo Un equipo deportivo juega nueve juegos. De cuntas maneras puede el
resultado ser de cuatro ganados, tres perdidos y dos empatados?
11. Arreglos de letras Cuntos arreglos horizontales distinguibles de todas las letras en la palabra
REMEMBER%son posibles?
12. Arreglos de letras Cuntos arreglos horizontales distinguibles son posibles con todas las letras de la
palabra ALABAMA?
13. Lanzamiento de una moneda Si una moneda es lanzada seis veces y el resultado de cada lanzamiento es
anotado, en cuntas maneras puede ocurrir cuatro caras y dos cruces?
14. Tiro de un dado Un dado es tirado seis veces y el orden de los tiros es considerado. En cuntas maneras
pueden ocurrir dos nmeros 2, tres 3 y un 4?
15. Programacin de reparaciones Un reparador de artculos debe atender seis llamadas de servicio. En
cuntas formas puede acomodar su programacin?
16. Bisbol Un equipo de una liga pequea de bisbol tiene 12 miembros y debe jugar fuera de su sede. Tres
automviles sern utilizados para la transportacin. En cuntas formas puede asignar el entrenador a los
jugadores en los automviles si cada automvil tiene capacidad para cuatro miembros?
17. Asignacin de proyecto El director de investigacin y desarrollo de una compaa tiene nueve cientificos
igualmente calificados para trabajar en los proyectos A, B o C. En cun tas maneras puede el director
asignar tres cientficos a cada proyecto?
18 Begonias Un jardinero compra un recipiente con seis begonias. La etiqueta indica que tres de las plantas
tendrn flores rojas y tres tendrn flores rosas. Sin embargo, ninguna de ias plantas est en flor. Si el
jardinero planta las begonias en una fila horizontal, cuando todas florezcan, cuntos arreglos de color
diferente son posibles?
19. Examen de falso-verdadero Un instructor de biologa incluye varias preguntas de falso-verdadero en los
exmenes. De experiencias anteriores un estudiante cree que la mitad de las preguntas son "verdadero" y la
mitad "falso". Si en el examen siguiente hay ocho preguntas de falso-verdadero, en cuntas maneras puede
el estudiante responder la mitad de ellas con "verdadero" y la otra mitad con "falso"?
20. Orden de los alimentos Un camarero toma la siguiente orden de una mesa con siete personas: tres
hamburguesas, dos hamburguesas con queso y dos emparedados de carne. Al regresar con los alimentos,
olvid quin orden cul y slo coloca un alimento enfrente de cada persona. De cuntas maneras puede
hacer esto el camarero?
21. Asignacin de trabajadora social Una oficina de servicio social tiene 15 nuevos beneficiarios y el
supervisor quiere asignar clientes a cada una de tres trabajadoras sociales especficas. En cuntas maneras
se puede hacer esto?
22. Baloncesto Hay nueve miembros de un equipo de baloncesto y todos estn calificados para las cinco
posiciones De cuntas maneras puede el entrenador formar su alineacin inicial?
57
EJEMPLO 1
Dos monedas diferentes son lanzadas y el resultado es observado (H= cara o T= sello o cruz) para cada
moneda. Determine un espacio muestral.
Solucin: Un resultado posible es una cara (H) en la primera moneda y una cara en la segunda, lo que
podemos indicar por la pareja ordenada (H, H) o, ms sencillamente, HH. Del mismo modo, indicamos
una cara en la primera moneda y cruz en la segunda por HT, y as sucesivamente. Un espacio
muestral ,V es
58
Segunda
moneda
muestra!
Punto
HH
TH
Inicio
TT
T
HT
Diagrama de rbol para el lanzamiento de dos monedas.
FIGURA1
EJEMPLO 2 Espacio muestral: Tres lanzamientos de una moneda
Una moneda es lanzada tres veces y el resultado de cada lanzamiento es observado. Describa un espacio maestral y
determine el nmero de puntos mustrales,
Solucin: Puesto que son tres lanzamientos, seleccionamos un punto muestral como una terna, tal como
HHT, en donde cada componente es H o T. Por el principio bsico de conteo, el nmero total de puntos
mustrales es 2x2x2, esto es 8. Un espacio muestral (el usual) es
S = { H H H , HHT, HTH, HTT, THH, THT. TTH, TTT},
y su diagrama de rbol aparece en la figura 2. Observe que no es necesario listar todo el espacio
muestral para determinar su nmero de puntos mustrales.
59
Primer lanzamiento
Segundo lance
tercer lance :
Puntos muestrales
I
ni
ci
o
60
Observe que un evento es un conjunto y puede ser descrito verbalmente. En general, un evento es
denotado por E Cuando varios eventos estn involucrados en una discusin, pueden ser denotados por
F,G . H y as sucesivamente.
Definicin
Cualquier subconjunto E de un espacio muestral para un experimento es llamado evento para el
experimento. Si el resultado es un punto muestral en E, entonces se dice que ocurre el evento E.
En el experimento previo de tirar un dado, decimos que {2,4,6} es un evento. Por tanto, si el
resultado es un 2, ocurre ese evento. Algunos otros eventos son :
E = { 1, 3, 5 } = {un nmero impar} ,
F= { 3, 4, 5. 6} = { un nmero 3), G = { 1 }
Un espacio muestral es un subconjunto de s mismo, de modo que tambin es un evento, llamado evento
seguro; debe ocurrir sin importar cul es el resultado. Un evento, tal como { 1 }, que consiste en un solo
punto muestral es llamado evento simple. Tambin podemos considerar un evento tal como "ocurre el
7". Este evento no tiene puntos mustrales, de modo que es el conjunto vaco (el conjunto sin
elementos). En realidad, el vacio es llamado evento imposible ya que nunca puede ocurrir.
EJEMPLO . Eventos
Una moneda es lanzada tres veces y el resultado de cada lanzamiento es anotado El espacio muestral
usual es
{ HHH, HhT, HTH. HTT.THU. THT. TTH, TTT}. Determine los eventos siguientes :
a. E = {una cara y dos cruces}.
Solucin:
E = {HTT., THT, TTH }.
b. E ={al menos dos caras}.
Solucin:
F = { HHH, HHT, HTH, THH }.
c. G = {todas caras} .
Solucin:
G = {HH H } .
Solucin:
Algunas veces es conveniente representar un espacio muestral .S y un evento E por medio de un diagrama de
Venn, como en la figura 3. La regin dentro del rectngulo representa los puntos mustrales en S. (Los puntos
mustrales no estn indicados especficamente.) Los puntos mustrales en E estn representados por los puntos
dentro del crculo. Ya que E es un subconjunto de S, la regin circular no puede extenderse fuera del
rectngulo.
Figura 3
FIGURA4 : Diagrama de Venn para
el complemento de E.
61
Con diagramas de Venn es fcil ver cmo los eventos de un experimento pueden ser utilizados para formar otros
eventos. La figura 4 muestra el espacio muestral y el eventoE. La regin sombreada dentro del rectngulo, pero
crculo, representa el conjunto de todos los puntos en S que no estn en E. Este conjunto es un evento
llamado el complemento de E y se denota por E'. La figura6 muestra dos eventos, E y F. La regin sombreada
representa el conjunto de todos los puntos mustrales que estn en E o en F, o bien en ambos E y F,
conjunto es un evento llamado unin de E y E y se denota por E U F. La regin sombreada en la figura 5
E F. Intersaccln de E y F .
FIGURA 5
Figura 6 : E U F
Definicin: Sea S un espacio muestral para un experimento con eventos E y F. El complemento de E,
denotado por E es el evento que consiste en
todos los puntos mustrales en S que no estn en E. La unin de
E y F, denotada por E U F, es el evento que consiste en todos los puntos mustrales que estn en E o en F o en
ambos, La interseccin de E y F, denotada por E F, es el evento que consiste en todos los puntos mustrales que
son comunes a ambos, E y F Observe que si un punto muestra! est en el evento E U F; entonces el punto est
en al menos uno de los conjuntos E y F. As, para que el evento E U F ocurra, al menos uno de los eventos E y F
debe ocurrir, y recprocamente. Por otra parte, si ocurre el evento E F, entonces ambos E y F deben
ocurrir, y viceversa. Si ocurre el evento E', entonces E no ocurre, y viceversa.
EJEMPLO 1 Complemento, unin, interseccin
Dado el espacio muestral usual
S = {1, 2,3,4,5,6} para el tiro de un dado, sean E, F y G los eventos E = {1,3,5},
F = {3,4,5,6},
Determine cada uno de los eventos siguientes:
a. E'.
Solucin: El evento E' consiste en aquellos puntos en S que no estn en E, de modo que
E' = {2,4, 6}.
Notamos que E' es el evento en que aparezca un nmero par.
b. E U F.
Solucin: Queremos los puntos mustrales en E, o F, o en ambos.
E U F = {1, 3, 4, 5, 6}.
c. E n F
Solucin; Los puntos mustrales comunes a E y F son 3 y 5, as que
E F = {3, 5 } .
G ={1}.
62
d. FG.
Solucin: Ya que Fy G no tienen puntos en comn,
F G = { }.
e. E U E'.
Solucin: Utilizando el resultado de la parte (a), tenemos
E U E' = {1, 3, 5} U {2, 4, 6} = {1, 2, 3, 4, 5, 6} = .S.
f. E n E'.
Solucin: EE' = {1, 3, 5} {2, 4, 6} = { }.
Los resultados de los ejemplos (e) y (f) pueden ser generalizados como sigue: Si E es cualquier evento
con espacio muestralS, entonces
EUE'=S
y
EE'= { }
Por lo tanto, la unin de un evento y su complemento es el espacio muestral; la interseccin de un evento y
su complemento es el conjunto vaco. Otras propiedades de los eventos se indican en la tabla 7
TABLA 7.
Propiedades de los eventos________________
Si E y F son cualesquier eventos para un experimento con espacio muestral S, entonces
1. E U E = E.
2. E E = E;.
3. (E ' ) = E
4. E U E' = S.
5. E E1 ={ }.
6. E U S = S.
7. E n S = E;.
8. E U { } = E.
9. E { } = { }
10. E U F = F U E
11. E F = F E
12. (E UF)= EF
13. (E F)' = E' U F
14. E U ( F U G) = (E U F) U G'
15. E (FG) = (EF) G
16. E (F U G ) = (E F) U ( EG)
17. E U (F G)= (E U F) (E U G)
Cuando dos eventos no tienen puntos mustrales en comn, son llamados mutuamente excluyentes. Por
ejemplo, en el tiro de un dado, los eventos
E = {2, 4, 6}
y
F = {1}
son mutuamente excluyentes (vase la figura 8); aqu, E F ={ }, lo cual, por supuesto, siempre es cierto
para dos eventos mutuamente excluyentes
Definicin
Se dice que E y F son eventos mutuamente excluyentes si y slo si, E F = { }
Cuando dos eventos son mutuamente excluyentes, la ocurrencia de uno significa que el otro no puede
ocurrir; esto es, los dos eventos no pueden ocurrir manera simultnea. Un evento y su complemento son
mutuamente excluyentes ya que E E' = { }
63
8. Lanzamiento de una moneda Una moneda es lanzada 6 veces consecutivas observando el resultado
en cada tiro.
9. Tiro de dados Se tiran cuatro dados y los nmeros que muestran son observados.
10. Seleccin de letra Una "palabra" de cuatro letras es formada por la seleccin sucesiva de cuatro
letras cualesquiera del alfabeto, con reemplazo.
Suponga que S = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10} es el espacio muestral para un experimento con eventos
E = {1, 3, 5},
F = {3, 5, 7, 9}. Y
G = {2, 4, 6, 8}.
En los problemas 11- 19 determine los eventos indicados.
11. E U F.
12. G'.
13. EF.
14. E G.
15. F.
16. (E U F).
17. (fG)
. 18. (E UG)F
19. De los eventos siguientes, qu pares son mutuamente excluyentes?
F={1,2,3},
G = {3,4,5}, H = {1,2} . M = {5,6,7},
20. Dados
Se tiran un dado rojo y uno verde y se anota el nmero de cada uno. Cules pares de
los eventos siguientes son mutuamente excluyentes?
E= {ambos son pares},
F = {ambos son impares},
G = {la suma es 2},
H = {la suma es 4},
I = {la suma es mayor que 10}
64
21. Lanzamiento de moneda Se lanza una moneda tres veces sucesivas y se observan los resultados.
Determine lo siguiente.
a. El espacio muestra! Usual S.
b. El evento E de que aparezca al menos una cara.
c. El evento F de que aparezca al menos una cruz.
d. E U F
e. EF
f. (EUF).
K. (EF)
22. Sexo de nios Un matrimonio tiene dos hijos .El resultado de que el primer hijo sea hombre y el
segundo mujer puede representarse por HM. Determine lo siguiente
a. El espacio muestral que describa todos los rdenes del posible sexo de los hijos.
b. El evento de que al menos uno sea una mujer.
c. El evento de que al menos uno sea hombre.
d. El evento de la parte (c) es el complemento del de la parte (b)?
PROBABILIDADES
OBJETIVO : Definir el significado de la probabilidad de un evento, Desarrollar frmulas que son
utilizadas en el clculo de probabilidades. Hacer nfasis en espacios equiprobables.
ESPACIOS EQUIPROBABLES
Ahora introducimos los conceptos bsicos que son el fundamento para el estudio de la probabilidad.
Considere el tiro de un dado balanceado y la observacin del nme ro que queda en la cara superior. El
espacio muestral usual para el experimento es S = {1,2, 3,4, 5,6}.
Antes de que el experimento haya sido realizado, no podemos predecir con certeza cul d los seis
resultados posibles (puntos mustrales) ocurrir. Pero parece razonable creer que cada resultado tiene
la misma posibilidad de ocurrir; eso es, los resultados son igualmente probables. Esto no significa que
en seis tiros cada uno de los nmeros deba aparecer una vez. Ms bien significa que si el experimento
fuera realizado un nmero grande de veces, cada resultado ocurrira alrededor 1/6 de las veces.
Para ser ms especficos, suponga que el experimento es realizado n veces. Cada realizacin de un
experimento es llamado ensayo. Suponga que estamos interesados en el evento de obtener un 1 (esto es,
el evento simple consiste en el punto muestral 1). Si aparece un 1 en k de estos ensayos, entonces la
proporcin de veces que apareci el 1 es k/n. Esta razn es llamada frecuencia relativa del evento.
Como la obtencin de un 1 es slo uno de seis resultados equiprobables posibles, esperamos que a la
larga un 1 aparezca 1/6 de las veces. Esto es, conforme n se vuelve muy grande, esperamos que la
frecuencia relativa k/n se aproxime a 1/6. El nmero 1/6 es tomado como la probabilidad de obtener un
1 en el tiro de un dado balanceado, se denota con P(1). Por eso P( 1) = 1/6. Del mismo modo. P(2) = 1/6,
P(3) = 1/6, y as sucesivamente.
En este experimento todos los eventos simples en el espacio muestral tuvieron igual probabilidad de
ocurrir. Para describir esto decimos que S es un espacio equiprobable.
Definicin
Un espacio muestral S es llamado espacio equiprobable si y slo si, todos los eventos simples es igualmente
probable de que ocurran,
Hacemos notar que detrs de la frase "igualmente probable", otras palabras y frases utilizadas en el
contexto de un espacio equiprobable son "balanceado'*, "legal", "no cargado" y "al azar". El tener un
dado balanceado (como antes), una moneda legal, dados no cargados o seleccionar una canica al azar de
una urna son eventos equiprobables. Ahora generalizamos nuestro estudio del experimento del dado a
otros espacios equiprobables (finitos).
65
Definicin
Si S es un espacio muestral equiprobable con N puntos mustrales (o resultados s r . . . , SN> entonces la
probabilidad del evento simple ( si ) est dada por P(si ) = 1/N para i = 1, 2, 3,4, N
Hacemos notar que P(s) puede ser interpretado como la frecuencia relativa de que (si ) ocurra a la
larga. Tambin podemos asignar probabilidades a los eventos que no son simples. Por ejemplo, en el
experimento del dado, considere el evento E de que salga un 1 o un 2:
E = { 1.2}.
Ya que el dado est balanceado, en n ensayos (donde n es grande) esperamos que un 1 salga
aproximadamente 1/6 de las veces y un 2 salga aproximadamente 1/6 de las veces. Por tanto un 1 o un 2
saldrn aproximadamente 1/6 + 1/6 de las veces, o 2/6 de las veces. De aqu que es razonable suponer
que a la larga la frecuencia relativa de E sea 2/6. Por esta razn definimos 2/6 como la probabilidad de
E y la denotamos P(E).
P(E) = 1/6+ 1/6 = 2/6
Observe que P(E) slo es la suma de las probabilidades de los eventos simples que forman E. De
manera equivalente, P(E) es la razn entre puntos mustrales en E (dos) y el nmero de puntos
mustrales en el espacio muestral (seis).
Si S es un espacio equiprobable finito para un experimento y E={s1 ,s2, , si ) es un evento, entonces la
probabilidad de E es denotada por P(E) y est dada por
P(E) = P(s1 ) + P(s2 ) + .+ P(s i )
De manera equivalente: P(E) = n(E ) /n(S)
donde n(E) es el nmero de resultadas en E y n(S) el nmero de resultados en S,
Observe que podemos pensar en P como una funcin que asocia con cada evento E la probabilidad de
E, a saber P(E). La probabilidad de E puede ser interpretada como la frecuencia relativa de que E
ocurra a la larga. As, en k ensayos esperaramos que E ocurriera aproximadamente k P(E) veces,
suponiendo que k es grande,
EJEMPLO 1 Lanzamiento de una moneda
Dos monedas legales son lanzadas. Determine la probabilidad de que
a. aparezcan dos caras,
b. aparezca al menos una cara.
Solucin: El espacio muestral usual es
S = { HH, HT,TH, TT} . Como los cuatro resultados son igualmente probables, S es equiprobable y n(S)
= 4.
a. Si E = {HH} , entonces E es un evento simple, de modo que n( E )= 1 y
P( E ) = n( E ) / n ( S ) = 1/ 4
b. Sea F: = {al menos una cara}. Entonces
F = {HH, HT, TH}, que tiene tres resultados. Por lo tanto
P(F) = n(F)/n(S) = 3/4
De otro modo:
P(F)= P(HH) + P(HT) + P(TH) = + + = .
Por tanto, en 1.000 ensayos de este experimento, esperaramos que F ocurriera aproximadamente
1000x3/4 = 750 veces.
.
Propiedades de la probabilidad
Ahora desarrollaremos algunas propiedades de la probabilidad. Sea .S un espacio muestral
equiprobable con N resultados; esto es, n(S) = N. (A lo largo de esta seccin, suponemos un espacio
muestral finito.) Si E es un evento, entonces O n(E) N, Dividiendo cada miembro entre n(S), o N, se
obtiene :
0 n( E )/ n( S ) N/N
Pero
n( E ) / n(S ) = P( E ) , de modo que tenemos la propiedad siguiente.
() P( E ) 1 .
Esto es, la probabilidad de un evento es un nmero entre O y 1 inclusive
Adems, P ( { } ) = n ( { })/n (S) = 0/N = 0 Por tanto :
66
P({ }) = 0
Tambin, P (S) =n(S)/n(S) = 1, as que
P(S) = I.
As que la probabilidad de un evento imposible es O y la probabilidad de un evento seguro es 1.
Como P(.S) es la suma de las probabilidades de los resultados en el espacio muestral, concluimos que la
suma de las probabilidades de todos los eventos simples para el espacio muestral es 1.
Ahora centramos nuestra atencin en la probabilidad de la unin de dos eventos, E y F. El evento E U F
ocurre si y slo si, al menos uno de los eventos (E o F) ocurre. As, P(E U F) es la probabilidad de que al
menos uno de los eventos E o F ocurra. Sabemos que :
P(EUF)= n(EUF)/n(S)
Aunque pudisemos pensar que n(E U F) = n(E) + n(F), esto no es cierto necesariamente. Ya que el
evento EF est contenido en E y en F , la suma n(E) + n(F) incluye n(E F) dos veces. Por lo tanto
debemos restar ;n(EF) de la suma para obtener n(E U F). Asi se tiene que :
n(E U F) = n(E) + nF) - n(E F). Dividiendo ambos miembros entre n(S) se obtiene el resultado
siguiente:
Probabilidad de una unin de eventos
Si E y F son eventos, entonces :
P(E U F) = P(E) + P(F) - P(E F),
ecuacin (1)
Por ejemplo, suponga que un dado legal es tirado y sean E = {1, 3, 5} y F = {1, 2,3 .} Entonces
EF = {1, 3} de modo que
P(E U F) = P(E) + P(F) - P(EF) = 3/6 +3/6 -2/6= 2/3
De forma alterna, EU F = {1. 2. 3.5}, de modo que P(E U F) = 4/6 = 2/3 .
Si E y F son eventos mutuamente excluyentes, entonces E F = { }, de modo que P(E F) = P{ } = 0.
Por lo tanto, de la ecuacin (1), obtenemos la siguiente .
Ley de la suma para eventos mutuamente excluyentes
Si E y F son eventos mutuamente excluyentes, entonces
P(E U F) = P( E ) + P(F)
Por ejemplo, suponga que un dado legal es tirado y sean E = {2, 3} y F = {1,5 } Entonces EF={ } , de
modo que
P(EUF) = P(E)+ P(F)= 2/6+2/6= 2/3
La ley de la suma puede ser extendida a ms de dos eventos mutuamente excluyentes. Por ejemplo, s
los eventos E, Fy G son mutuamente excluyentes, entonces :
P(E U F U G ) = P ( E) + P(F ) + P (G).
Un evento y su complemento son mutuamente excluyentes, de modo que por la ley de la suma,
P ( E U E)= P(E) + P(E').
Pero
P(E U E') = P(S) = 1. Por tanto
1 = P( E ) + P ( E ) luego P( E ) = 1 P ( E )
o, de manera equivalente,
P(E) = 1 - P(E').
Por tanto, si conocemos la probabilidad de un evento, entonces podemos encontrar con facilidad la
probabilidad de su complemento, y viceversa. Por ejemplo, si P( E ) = , entonces
P(E') = 1 1/4 = , P ( E ) es la probabilidad de que E no ocurra.
EJEMPLO 2 Control de calidad
De una corrida de produccin de 5.000 focos, 2% de los cules estn defectuosos, un foco es seleccionado
al azar. Cul es la probabilidad de que el foco est defectuoso? Cul es la probabilidad de que no est
defectuoso?
Solucin: El espacio muestral S consiste en los 5000 focos. Ya que un foco es seleccionado al azar, los
posibles resultados son igualmente probables. Sea E el evento de seleccionar un foco defectuoso. El
nmero de resultados en E es 0.02 x 5.000 = 100. Por lo tanto : P( E ) = n( E ) /n ( S ) = 1/50= 0,02
De manera alterna, ya que la probabilidad de seleccionar un foco en particular es 1/5.000 y E contiene
100 puntos mustrales, sumando las probabilidades tenemos
P(E) = 100x 1/5.000 = 0.02.
El evento de que un foco seleccionado no este defectuoso es E'. De aqu que
67
(1.2).
(1.3),
(1,4),
(1,5).
(1.6).
(2, 1).
(2.2),
(2. 3),
(2,4),
(2,5),
(2.6),
(3, 1).
(3. 2).
(3, 3).
(3.4),
(3,5),
(3,6),
(4. 1 ). (4,2).
(4, 3),
(4.4),
(4, 5),
(4. 6),
(5, 3).
(3. 4).
(5, 5),
(5, 6),
(6, 3),
(6, 4),
(6,5),
(6, 6).
Los resultados son igualmente probables, de modo que la probabilidad de cada resultado es 1/36 .
a. Sea E7 el evento de que la suma de los nmeros que aparecen es 7. Entonces
E7 = {(I, 6), (2, 5), (3, 4), (4, 3), (5, 2), (6, 1)}, que tiene seis resultados. Por lo tanto
P( E 7 ) =6/36= 1/ 6.
b. Sea E7 u 11 el evento de que la suma es 7 u 11. Si E11, es el evento de que la suma es 11,entonces
E11 = { (5, 6), (6, 5)}, que tiene dos resultados. Ya que E 7 u 11 = E7 U E11 que son mutuamente excluyentes,
tenemos ; P( E7 u 11)= P(E7) + P(E11) = 6/36 +2/36 = 8/36 = 2/9.
De manera alterna, podemos determinar P(E7u 11) contando el nmero de resultados en E7u11.
E 7u11= {(l, 6), (2, 5). (3. 4). (4. 3), (5, 2), (6. 1), (5, 6), (6. 5)|, que tiene ocho resultados. Por tanto
P ( E 7u11 )= 8/36= 2/9
c. Sea E el evento de que la suma es mayor que 3. El nmero de resultados en E es relativamente
grande. Por lo tanto, para determinar P(E), es ms fcil encontrar E, en lugar de E, y despus utilizar
la frmula P(E) = 1 - P(E'). Aqu E es el evento de que la suma sea 2 o 3. Por lo tanto
E = { (1,1), (1,2), (2,1) } que tiene tres resultados. De aqu que
P( E ) = 1 P ( E ) = 1 3/36= 11/12.
PROBABILIDAD EMPRICA
Hemos visto cmo es de fcil asignar probabilidades a los eventos simples cuando tenemos un espacio
muestral equiprobable. Por ejemplo, cuando una moneda legal es lanzada, tenemos S= {H,T} y P(H) =
P(T) =1/2 . Estas probabilidades estn determinadas en esencia por la naturaleza intrnseca del
experimento al saber, que hay dos resultados posibles que tendran la misma probabilidad ya que son
igualmente probables. Tales probabilidades son llamadas probabilidades tericas. Sin embargo
suponga que la moneda no es legal. Cmo pueden ser asignadas las probabilidades? Lanzando la
moneda varias veces, podemos determinar la frecuencia relativa en que la cara y la cruz ocurren. Por
ejemplo, suponga que en 1000 lanzamientos la cara aparece 517 veces y la cruz aparece 483 veces.
Entonces las frecuencias relativas de ocurrencia de cara y cruz son 517/1000 y 483/1.000,
respectivamente. En esta situacin la asignacin P(H) = 0.517 y P(T) = 0.483 sera muy razonable. Las
probabilidades asignadas de esta manera son llamadas probabilidades empricas. En general, las
probabilidades basadas en muestras o datos histricos son empricas. Ahora, suponga que la moneda
fuera lanzada 2000 veces y que las frecuencias relativas de ocurrencia de cara y cruz fueran 1023/2000
=0.5115 y 977/2000=o,4885 respectivamente. Entonces las asignaciones P(H) = 0.5115 y P(T) = 0.4885
68
seran aceptables. En cierto sentido, las ltimas probabilidades podran ser ms indicativas de la
verdadera naturaleza de la moneda que las asociadas con 1000 lanzamientos.
En el ejemplo siguiente, son asignadas probabilidades (empricas) con base en datos mustrales.
EJEMPLO 4 Encuestas de opinin :
Una encuesta de opinin de una muestra de 150 adultos residentes en un pueblo fu realizada. A cada
persona se le pregunt su opinin acerca de la emisin de un bono para construir una alberca
comunitaria. Los resultados estn resumidos en la tabla 3
TABLA 3
A favor
En contra
Total
Hombre
60
20
80
Mujer
40
30
70
Total
100
50
150
Suponga que un residente adulto es seleccionado al azar. Sea M el evento: se seleccion un hombre" y
F el evento "se seleccion un persona que est a favor de la emisin del bono''. Encuentre:
a. P(M).
b . P(F ).
C. P(MF)
d. P(M U F).
Estrategia: Supondremos que las proporciones vlidas para la muestra tambien son vlidas para la
poblacin adulta del pueblo.
Solucin:
a. De las 150 personas en la muestra, 80 son hombres. Por lo tanto, para la poblacin adulta del pueblo
(el espacio muestral), suponemos que 80/150 son hombres. De aqu que la probabilidad (emprica) de
seleccionar un hombre sea
P(M) = 80/150= 8/15
b. De las 150 personas en la muestra, 100 estn a favor de la emisin del bono. Por lo tanto
P(F)= 100/150= 2/3
c. La tabla 3 indica que 60 hombres estn a favor de la emisin. De aqu que
P(MF)= 60/150=2/5
d. Para encontrar P(M U F) utilizamos la ecuacin (1):
P(M U F) = P(M) + P(F ) - P(M F) =80/150+100/150-60/150=120/150=4/5.
TALLER No 5
1. En 2000 ensayos de un experimento, cuntas veces esperara que el evento E ocurriera si P(E) = 0.3?
2. En 3000 ensayos de un experimento, cuntas veces esperara que el evento E ocurriera si P(E) =
0.45?
3. Si P(E)= 0.2, P(F) = 0.3 y P(E F) = 0.1, encuentre : (a) P( E) y (b) P(EUF) .
4. Si P(E) = , P(F) = , y P(EF) =1/8 . , encuentre (a) P(E') y (b) P(EUF)
5. Si P(E F) = 0.831, son E y F mutuamente excluyentes?
6. Si P(E) = , P(E U F) =13/20 , y P(E F) =1/10, encuentre P(F).
7. Dados Un par de dados balanceados son tirados. Encuentre la probabilidad de que la suma de los
nmeros que aparecen arriba sea (a) 8, (b) 2 o 3, (c) 3,4 o 5, (d) 12 o 13 (e) par, (f) impar y (g) menor
que 10.
8. Dados Un par de dados legales son tirados. Determine la probabilidad de que al menos un dado
muestre un 2.
9. Moneda y dado Una moneda y un dado legales son lanzados. Encuentre la probabilidad de que (a)
salga una cara y un 5, (b) salga una cara, (c) salga un 3 y (d) salga una cara o un nmero par.
.10. Monedas Tres monedas legales son lanzadas. Encuentre la probabilidad de que (a) salgan tres
caras, (b) salga exactamente una cruz, (c) se muestren no ms de dos caras y (d) se muestre no ms de
una cruz.
69
11. Sexo de nios Suponiendo que el sexo de una persona est determinado al azar, calcule la
probabilidad de que una familia con tres hijos tenga (a) tres nias, (b) un nio, (c) no tenga nias y (d)
tenga al menos una nia.
12. Seleccin de canicas Una canica es sacada aleatoriamente de una urna que contiene siete canicas
rojas, cinco blancas y ocho azules. Encuentre la probabilidad de que la canica sea
(a) azul, (b) no roja, (c) roja o blanca, (d) ni roja ni azul, (e) amarilla y (f) roja o amarilla.
13. Seleccin de acciones Una accin es seleccionada al azar de una lista de 60 acciones, 40 de las cuales
tienen un rendimiento anual del 10% o ms. Encuentre la probabilidad de que la accin pague un
dividendo.
14. Inventario Un almacn de ropa mantiene su inventario de trajes de modo que el 25% es de lana
pura. Si un traje es seleccionado al azar, cul es la probabilidad de que (a) sea de lana pura y (b) no lo
sea?
15. Calificaciones de examen En un examen aplicado a 40 estudiantes, 10% obtuvieron una A, 25%>
una B, 35% una C, 25% una D y 5% una E. Si se selecciona un estudiante al azar, cul es la
probabilidad de que (a) recibiera una A, (b) recibiera A o B, (c) no recibiera ni D ni F, y (d) no recibiera
una F? (e)
16. Seleccin de canicas Dos urnas contienen canicas de colores. La urna 1 contiene tres rojas y dos
verdes y la urna 2 contiene cuatro rojas y cinco verdes. Una canica es seleccionada al azar de cada urna.
Encuentre la probabilidad de que (a) ambas canicas sean rojas y (b) una canica sea roja y la otra verde.
17. Comit de facultad La clasificacin del personal acadmico de una universidad est indicada en la
tabla 8 . Si un comit de tres miembros es seleccionado al azar, cul es la probabilidad de que consista
en (a) slo mujeres, (b) un profesor y un profesor asociado?
TABLA 8 Clasificacin del personal acadmico
Hombre
Mujer
Total
Profesor
12
15
Profesor asociado 15
24
Profesor asistente 18
26
Instructor
20
15
35
Total
65
35
100
18. Aumento de impuestos Un cuerpo legislativo est considerando un aumento a los impuestos para
apoyar la educacin. Una encuesta de opinin de 100 votantes registrados fue realizada y los resultados
estn indicados en la tabla 9 .Suponga que la encuesta refleja la opinin de la poblacin que vota. Si
una persona de esa poblacin es seleccionada al azar, determine cada una de las siguientes
probabilidad..(empricas).
a. P(a favor del aumento de impuestos).
b. P(en contra de que se aumenten los impuestos).
c. P(es republicano y no opin).
TABLA 9. Encuesta sobre el aumento a los impuestos
A favor En contra
No opin
Total
Demcrata 32
26
60
Republican 15
o
17
35
Otro
Total
51
44
100
70
19. Venta de cmaras de video Una cadena de tiendas departamntales tiene tiendas en las ciudades
de Exton y Whyt " Cada tienda vende tres marcas de cmaras de video, A, B C. El ao pasado, la venta
anual (a) del 10% o ms y (b) menos del 10%. Del promedio mensual de cmaras fu determinada y
los resultados estn indicados en la tabla 10. Suponga que las ventas futuras siguen el patrn de la
tabla.
Tabla 10: Venta de Unidades Mensuales .
Exton
Whyton
A
25
20
B
40
25
C
30
30
a. Determine la probabilidad de que la venta de una camara el siguiente mes sea de la marca B.
b. El mes siguiente, si una venta ocurre en la tienda de Exton, encuentre la probabilidad de que sea de
la marca C.
71
EnF
72
P ( W / B ) = 4/6 = 2/3
}.
73
El ejemplo 1 mostr cuan eficiente puede ser el uso del espacio muestral reducido. Observe que no fue necesario listar
todos los resultados ni en el espacio muestral original ni en el evento W. Aunque listamos los resultados en B,
podramos haber encontrado n( B ) por mtodos de conteo:
Existen dos maneras en las que la primera canica puede ser azul y tres para que la segunda canica sea la
restante azul o una de las dos canicas blancas. Por lo tanto, n( B ) = 2 x 3 = 6.
El nmero n ( W B ) tambin podra haber sido encontrado por mtodos de conteo.
EJEMPLO 2 En una encuesta a 150 personas, cada una fue cuestionada acerca de su Estado civil y SU opinin
sobre la puesta en circulacin de un bono para construir una piscina comunitaria. Los resultados se resumen en la
tabla 12. Si una de estas personas es seleccionada al azar, encontrar cada una de las siguientes probabilidades
condicionales.
a. La probabilidad de que la persona est a favor de la emisin del bono, dado que es casada.
TABLA 12
A favor (F)
Encontr (F')
Total
Casada (M)
60
20
80
Soltera (M')
40
30
70
Total
100
50
150
Solucin. Estamos interesados en P(F / M). El espacio muestral reducido (M) contiene 80 personas
casadas, de las cuales 60 estn a favor de la emisin del bono. Por lo tanto,
P ( F / M ) = n (F M ) / n ( M ) = 60 / 80 = 3/ 4 .
b. La probabilidad de que la persona sea casada, dado que est a favor de la emisin del bono.
Solucin: Queremos encontrar P( M / F). El espacio muestral reducido (F) tiene 100 personas a favor de
la emisin del bono. De stas, 60 son casadas. Por lo tanto
P(M \ F) = n ( F M ) / n ( F ) = 60/ 100= 3/5 .
Aqu observe que P ( M \ F) P(F \ M). [Sin embargo, en general, no siempre es cierto que
P(E \ F) P(F \ E).}
Definicin
La probabilidad condicional de un evento E, dado que el evento F ha ocurrido, est denotada por P(E \ F) y
definida por
P ( E / F ) = P ( E F ) / P( F ) si P ( F ) 0.
Del mismo modo,
P ( F / E ) = P ( F E ) / P ( E ) si P(E) 0.
74
La ley general de multiplicacin establece que dados dos eventos, la probabilidad de que ambos ocurran es
igual a la probabilidad de que uno de ellos ocurra multiplicada por la probabilidad condicional de que el
otro ocurra dado que el primero ha ocurrido.
EJEMPLO 5 Publicidad.
Una compaa de artculos para computadoras colocar un anuncio de su nuevo MODEM en una popular
revista de computacin. La compaa cree que el anuncio ser ledo por un 32% de los lectores de la revista y
que el 2% de aquellos que lean el anuncio comprarn el mdem Suponer que esto es cierto y encontrar la
probabilidad de que un lector de la revista lea el anuncio y compre el mdem.
Solucin: Haciendo que R denote el evento "lee el anuncio" y que B denote "compra un mdem", estamos
interesados en P(R B). Nos dan queP(R) = 0,32. El hecho de que un 2% de los lectores del anuncio
comprarn el mdem puede ser escrito P( B / R ) = 0.02, Por la ley general de multiplicacin, se tiene
que ,
P(RB ) = P(R ). P(B I R)= (0.32)(0.02) = 0.0064.
PROCESOS ESTOCSTICOS
La ley general de multiplicacin tambin es llamada ley de probabilidad compuesta La razn es que es
muy til cuando se aplica a un experimento que puede ser expresado como una sucesin (o una
composicin) de dos o ms experimentos, llamados ensayos o etapas. El experimento original es llamado
experimento compuesto y la sucesin de ensayos es un proceso estocstico. Las probabilidades de los
eventos asociados con cada ensayo (despus del primero) podran depender de qu eventos han ocurrido
en los ensayos anteriores, de modo que son probabilidades condicionales.
75
Cuando analizamos un experimento compuesto, un diagrama de rbol es extremadamente til para seguir
la pista de los resultados posibles en cada etapa. Un camino completo desde el inicio hasta un extremo del
rbol da un resultado del experimento.
La nocin de un experimento compuesto es estudiado con detalle en el ejemplo siguiente. Lalo
cuidadosamente! Aunque la exposicin es larga a causa del desarrollo de la nueva idea, los clculos reales
tornarn poco tiempo.
EJEMPLO 6 Cartas y rbol de probabilidad
Dos cartas son extradas sin reemplazo de una baraja normal. Encontrar la probabilidad de que la segunda
carta sea roja.
Solucin : El experimento de sacar dos cartas sin reemplazo puede pensarse corno un experimento
compuesto que consiste en una sucesin de dos ensayos: el primero es sacar una carta y el segundo es sacar
una carta despus que la primera ha sido sacada .El primer ensayo tiene dos posibles resultados:
R 1 = {carta roja}
o B 1 = { carta negra }
(aqu el subndice 1 hace referencia al primer ensayo). En la figura 12 estos resultados estn
representados por las dos ramas en el primer nivel del rbol. Tenga en mente que estos resultados son
mutuamente excluyentes y que
tambin son exhaustivos en el sentido de que no existen otras posibilidades. Como hay 26 cartas de cada
color, tenemos
P ( R 1 ) = 26/52
y P ( B 1) = 26/52
FIGURA 12. Arbol de probabilidad de un experimento compuesto
Resultado
R2
R1 R2
Probabilidad
26/52 x 25/51= 25/102
P(R2 / R1 ) = 25/51
P(R 1 ) = 26/52
R1
26/51
B2
R 1 B2
26/52 x 26/51 =
Inicio
26/51
R2
B1 R 2
26/52 x 26/51 = 13 / 51
26/52
B1
25/51
Ensayo 1
(Primera extraccin )
B2
B1 B 2
26/52 x 25 / 51
Ensayo 2
( Segunda extraccin )
76
una carta negra, entonces de las restantes 5 1 cartas, 26 son rojas y 25 negras. Por lo tanto
P(R2 \ B1 ) = 26/51 y P(B2 \ B1 ) = 25/51 como se indic a lo largo de las dos ramas que salen de B1 El rbol
completo tiene dos niveles (uno para cada ensayo) y cuatro
85
caminos (uno para cada uno de los cuatro eventos mutuamente excluyentes y exhaustivos del experimento
compuesto).
Observe que la suma de las probabilidades a lo largo de las ramas del vrtice "Inicio" a R 1 y B 1 es 1:
26/52 + 26/52 = 1
En general, la suma de las probabilidades a lo largo de todas las ramas que salen de un solo vrtice a un
resultado del ensayo debe ser 1. Por tanto, para el vrtice en R 1 : 26/51 + 25/51 = 1
y para el vrtice en B 1 ,
26/51 + 25/51 = 1
Ahora, considere la ruta que se encuentra ms arriba. Representa al evento "roja en la primera extraccin y
roja en la segunda". Por medio de la ley general de multiplicacin,
P (R 1 R2 ) = P( R1) . P( R2/ R 1) = 26/52 x 25/51 = 25/102
Esto es, la probabilidad de un evento es obtenida multiplicando las probabilidades en las ramas del camino para
ese evento. La probabilidades para los otros tres caminos tambin estn indicadas en el rbol.
Regresando a la pregunta original, vemos que dos caminos dan una carta roja en la, segunda extraccin, a
saber, los caminos R1 R2 y B1 R2 Por tanto, el evento "segunda carta roja" es la unin de dos eventos
mutuamente excluyentes. Por la ley de la suma, la probabilidad del evento es la suma de las probabilidades
para los dos caminos:
P ( R 2 ) = 26/52 x 25/51 + 26/52x26/51 = 25/102 + 13/51 =
Observe cuan fcil fue encontrar P(R2) utilizando un rbol de probabilidad. Aqu est un resumen de lo
hecho:
R2 = (R1 R2 ) U (B1 R 2).
P(R2) = P(R} R2) + P(B R2)
= P ( R1) . P( R2 / R1 ) + P ( B 1 ) P( R2 / B 1 ) =
EJEMPLO 7 Cartas
Dos cartas son sacadas sin reemplazo de una baraja normal. Encontrar la probabilidad de que ambas cartas
sean rojas.
Solucin: Haciendo referencia al rbol de probabilidad en la figura 12. Slo un camino da una carta roja en
ambas extracciones, a saber, aquella para R1 R2 Por lo tanto, multiplicando las probabilidades a lo largo de
este camino se obtiene la probabilidad deseada:
P ( R1 R 2 ) = P( R 1 ) , P ( R2 / R 1 ) = 26/52.25/51 = 25/102
TALLER No 6.
1. Dado el espacio muestral equiprobable S - { 1, 2, 3, 4, 5. 6, 7, 8 } y los eventos
E = { 1, 3, 5}, F = { 1, 2,4, 5,6 }, G = {2.3.4,5 }, encuentre:
a. P(E \ F)
b. P ( E / F ) c . P ( E / F) d. P( F / E ) e. P ( E / F G )
2. Dado el espacio muestral equiprobable S = {1, 2, 3,4 } y. los eventos E = { 1 } F = { 2 } G = { 1,2 }
encuentre:
a. P( E ) ,
b . P (E / F )
c . P( E/ G )
d. P ( G / E )
e. P ( G / F )
f. P ( E / F )
3. Si P(E) > O, encuentre P(E \ E).
4. Si P(E) > O, encuentre P( \ E).
5. Si P(E \ F) = 0.63, encuentre P(E' \ F).
6. S F y G son eventos mutuamente excluyentes con probabilidades positivas, encuentre P(F \ G ).
7. Si P(E) = , P(F) = 1/3 , y P(E F) = 1/6 , encuentre: a. P(E \ F). b. P(F \ E).
8. Si P(E) = , P(F) = 2/5 , y P(E | F) = 3/4, encuentre P(E U F ). Sugerencia: Utilice la ley de la suma para
encontrar P(E U F).
9. Si P(E) = 1/3 P (E U F) = 8/15 , y P( E F) = 1/5 , encuentre: a. P(F \ E).
b. P( F ). Sugerencia: Utilice la ley de la suma,
86
c. P(E \ F).
d. P ( E / F ) Sugerencia: Encuentre P(E F') utilizando la identidad P(E) = P(E F) + P(E F' ).
10. Si P (E ) =3/5 , P ( F ) =3/10 , y P ( E U F) = 7/ 10 , encuentre P(E | F).
11. Lagartas (una clase de orugas) A causa de una plaga de orugas en tres grandes reas densamente pobladas
con rboles, se hacen consideraciones para aplicar fumigacin area con el fin de destruir las larvas. Se hizo
una encuesta a 200 residentes de estas reas para determinar si estaban o no a favor de la fumigacin. Los
datos resultantes se muestran en la tabla 13. Suponga que se selecciona un residente al azar.
TABLA 13
rea I
rea II
rea III Tota!
A favor (F)
46
35
44
125
En contra (O) 22
15
10
47
No opin (N)
10
10
28
Total
78
58
64
200
Privada
Pblica
Total
Altos
15
10
25
Medios
25
55
Bajos
10
60
70
Total
50
125
175
80
12. Seleccin de universidad e ingreso familiar Una encuesta a 175 estudiantes proporcion los dalos
mostrados en la tabla 14 . Donde vemos el tipo de universidad al que cada estudiante asiste y el nivel de
ingresos de sus familias. Suponga que un estudiante encuestado es seleccionado al azar.
a. Encuentre la probabilidad de que asista a una universidad pblica, dado que proviene de una familia de
ingresos medios.
b. Encuentre la probabilidad de que sea de una familia de ingresos altos, dado que el estudiante asiste a una
universidad privada.
c. Si el estudiante proviene de una familia de ingresos altos, encuentre la probabilidad de que asista a una
universidad privada.
d. Encuentre la probabilidad de que el estudiante asista a
una universidad pblica o provenga de una
familia de ingresos bajos.
13. Preferencias en refrescos de cola Una encuesta fue tomada entre los consumidores de refrescos de cola
para ver cul de dos populares marcas prefieren, Se encontr que al 45% le gust la marca A, al 40% le gust
la marca B y al 20% le gustaron las dos marcas. Suponga que una persona de la encuesta es seleccionada
aleatoriamente.
a. Encuentre la probabilidad de que le haya gustado la marca A, dado que le gustaba la marca B.
b. Encuentre la probabilidad de que le haya gustado la marca B, dado que le gustaba la marca A.
14. Control de calidad Una compaa fabrica el producto X. De las unidades producidas, el 15% tiene
defectos de ensamble y el 12% tiene tanto defectos de ensamble como mal acabado. Si una unidad del
87
producto es seleccionada aleatoriamente y tiene defecto de ensamble, cul es la probabilidad de que tenga
mal acabado?
En los problemas 15 y 16, suponga que el sexo de un hijo es igualmente probable y que, por ejemplo, tener
primero una nia y despus un nio es igualmente probable que tener primero un nio y despus una nia.
15. Sexo de hijos Si una familia tiene dos hijos, cul es la probabilidad de que uno sea mujer, dado que al
menos uno es hombre?
16. Sexo de hijos S una familia tiene tres hijos, encuentre:
a. La probabilidad de que tenga dos mujeres, dado que al menos un hijo es hombre.
b. La probabilidad de que tenga al menos dos mujeres, dado que el hijo mayor es mujer
17. Lanzamiento de moneda Si una moneda legal es lanzada tres veces sucesivas, encuentre:
a.' La probabilidad de obtener exactamente dos cruces, dado que el segundo lanzamiento fue cruz.
b. La probabilidad de obtener exactamente dos cruces, dado que el segundo lanzamiento fue cara.
18. Si una moneda legal es lanzada tres veces sucesivas, encuentre las posibilidades de obtener tres cruces, dado que
el primer lanzamiento fue cruz.
19. Tiro de dado Si un dado legal es tirado, encuentre la probabilidad de
a. obtener un nmero menor que 4, si se sabe que el nmero obtenido es impar.
b. obtener un nmero par, si se sabe que el nmero obtenido es menor que 5.
20. Tiro de dados Si dos dados legales se tiran,
a. encuentre la probabilidad de que salgan dos nmeros 6, puesto que al menos un dado muestra un 6.
b. Si un dado legal rojo y un dado legal verde son tirados, encuentre la probabilidad de que la suma sea
mayor que 9, puesto que el dado rojo muestra un 5.
c. Si un dado rojo legal y un dado legal verde son lirados, encuentre la probabilidad de obtener un total de 7, si
el dado verde muestra un nmero par.
21 . Tiro de dados Un dado legal es tirado dos veces sucesivas.
a. Encuentre la probabilidad de que la suma de los dos tiros sea 5, si el segundo tiro no es 2 ni 4.
b. Encuentre la probabilidad de que tal suma sea 5 y que el segundo tiro no sea 2 ni 4.
En los problemas siguientes considere el experimento como un experimento compuesto.
del rea en la que los encuestados vivan dio los resultados de la tabla 15.
TABLA 15
Urbana
Suburbana
A favor
45%
55%
En contra
55%
45%
No opin
35%
65%
a. Si uno de los encuestados es seleccionado al azar, cul es la probabilidad de que viva en el rea urbana?
b. Si un encuestado es seleccionado al azar, utilice el resultado de la parte (a) para encontrar la probabilidad
de que est a favor de la construccin, dado que vive en un rea urbana.
23. Mercadotecnia Una agencia de viajes tiene un telfono computarizado que selecciona de manera aleatoria
nmeros telefnicos para anunciar excursiones grupales en autobs. El telfono marca de manera automtica
el nmero seleccionado y reproduce un mensaje grbado al receptor de la llamada. La experiencia ha
mostrado que el 5% de tales receptores muestran inters y se ponen en contacto con la agencia. Sin embargo,
de ellos, un 22% realmente aceptan comprar un lugar para la excursin.
a. Encuentre la probabilidad de que una persona receptora haga contacto con la agencia y compre un lugar
para la excursin.
b. Si 1000 personas son llamadas, calmas puede esperarse que se pongan en contacto con la agencia y
compren un lugar para la excursin?
EVENTOS INDEPENDIENTES
OBJETIVO
88
Desarrollar la nocin de eventos independientes y aplicar la ley especial de la multiplicacin.
En nuestro estudio de probabilidad condicional, vimos que la probabilidad de un evento puede ser afectada
por el conocimiento de que otro evento ha ocurrido. En esta seccin consideraremos la situacin donde la
informacin adicional no tiene efecto. Esto es, la probabilidad condicional
P(E \ F) y la probabilidad incondicional P(E ), son iguales.
Cuando P( E \ F) = P(E) decimos que E es independiente de F. Si E es independiente de F, se sigue que F es
independiente de E (y viceversa). Para probar esto suponga que P(E \ F) = P( E ) . Entonces
P( F \E ) = P ( E F ) / P ( E ) = P ( F ) P ( E / F ) / P (E ) = P( F ) P(E ) / P (E ) = P ( F )
Lo cual significa que F es independiente de E. Por lo tanto para probar la independencia es suficiente con
demostrar que P(E \ F)= P(E) o bien que P(F \ E) = P( F), y cuando una. de stas es verdadera, simplemente
decimos que E y F son eventos independientes.
Definicin
Sean E y F eventos con probabilidades positivas. Entonces E y F se dice que son eventos independientes sii
P(E \ F) = P( E ) o P(F \ E) = P( F ).
Si E y F no son independientes, se dice que son eventos dependientes.
Por lo tanto, con eventos dependientes, la ocurrencia de uno de los eventos afecta la probabilidad del otro. Si
E y F son eventos independientes, puede demostrarse que; los eventos en cada uno de los siguientes pares
tambin son independientes:
E y F', E' y F y E' y F'.
EJEMPLO 1 Demostracin de que dos eventos son independientes
Una moneda legal es lanzada dos veces. Sean E y F los eventos
E = { cara en el primer lanzamiento},
F = {cara en el segundo lanzamiento}.
Determinar si E y F son o no eventos independientes.
Solucin: Sospechamos que son independientes ya que el lanzamiento de una moneda no puede influir en el
resultado del otro lanzamiento. Para confirmar nuestra sospecha, compararemos P(E) con P(E \ F). Para el
espacio muestral equiprobable S= {HH, HT,TH,TT}, tenemos E = {HH, HT) y
F= {HH,TH}. Por lo tanto
P(E ) = n( E ) /n(S) = 2/4 =
P(E/F) = n(E F)/ n(F) =
. Ya que P (E \ F) = P(E ), los eventos E y F son independientes.
En el ejemplo 1 sospechamos el resultado, y desde luego existen otras situaciones donde tenemos un
sentimiento intuitivo de que dos eventos son o no independientes. Por ejemplo, si se tiran un dado rojo y un
dado verde, esperamos (y en verdad es cierto) que los eventos "3 en el dado rojo*' y "6 en el dado verde" sean
independientes, a causa de que el resultado en un dado no est influido por el resul tado en el otro dado. Del
mismo modo, si dos cartas son sacadas con reemplazo de una baraja, esperaramos que los eventos "primera
carta es una sota" y "segunda carta es una sota" fueran independientes. Sin embargo, suponga que las cartas
son sacadas sin reemplazo. Ya que la primera carta sacada no es regresada al mazo, tiene un efecto sobre el
resultado de la segunda extraccin, as que esperamos que los eventos sean dependientes. En muchos casos, su
nocin intuitiva de independencia o el contexto de un problema pueden dejarle ver si se puede o no suponer la
independencia. Pese a la intuicin personal (que puede ser incorrecta!), la nica forma segura para
determinar si los eventos E y F son independientes es demostrando que las ecuaciones de independencia
anotadas anteriormente son o no verdaderas.
EJEMPLO 2 Cncer de pulmn y tabaquismo
En un estudio para saber si fumar y el cncer de pulmn estn relacionados, 750 personas fueron estudiadas y
los resultados estn en la tabla 16. Suponga que una persona del estudio es seleccionada al azar Con base en los
datos, determine si los eventos "tener cncer de pulmn" (L) y "fumar" (S) son o no independientes.
89
Solucin: Compararemos P(L) con P(L \ S).El nmero P'(L.) es la proporcin de la gente estudiada que tiene
cncer:
P(L ) = 250/750 = 1/3 = 0,33 = 33%
TABLA 16 Cncer de pulmn y tabaquismo
Fumador
No fumador
Cncer de pulmn
150
Sin cncer de pulmn 125
Total
275
100
375
475
Total
250
500
750
Para P(L \ S), el espacio muestral est reducido a 275 fumadores, de los cuales 150 tienen cncer de pulmn: Ya que
P(L \ S)= P(L) , tenemos que el cncer de pulmn y fumar son eventos dependientes.
La ley general de multiplicacin toma una forma extremadamente importante para los eventos independientes.
Recuerde que la ley:
P( E F) = P(E)P(F \E) = P(F)P(E \ F). ,
Si los eventos E y F son independientes, entonces P (F \ E) = P(F), de modo que la sustitucin en la primera ecuacin da
P(E F ) = P( E ) P ( F )
El mismo resultado es obtenido de la segunda ecuacin. Por tanto, tenemos la siguiente ley:
LEY ESPECIAL DE LA MULTIPLICACIN
Si E y F son eventos independientes, entonces : P ( E F ) = P( E ) P ( F )
La ecuacin anterior establece que si E y E son eventos independientes, entonces la probabilidad de que E y F ocurran
ambos es la probabilidad de E por la probabilidad de F. Tenga en mente que la ecuacin anterior no es vlida cuando
E y F son dependientes.
EJEMPLO 3 Tasas de sobrevivencia LA probabilidad de que el evento "Bob vive 20 aos ms" (B) es 0.8, y la
probabilidad del evento "Doris vive 20 aos ms" (D) es 0.85. Suponga que B y D son eventos independientes.
a. Encontrar la probabilidad de que Bob y Doris vivan 20 aos ms.
Solucin: Estamos interesados en P(B D). Ya que B y D son eventos independientes, se aplica la ley especial
de multiplicacin:
P(BD)= P(B)P(D)= (0.8)(0.85) = 0.68.
b. Encontrar la probabilidad de que al menos uno de ellos viva 20 aos ms.
Solucin: Aqu queremos P(B U D). Por la ley de la suma,
P(B U D ) = P(B ) + P (D ) P (B D).
De la parte a, P(B D) = 0.68, de modo que
P( B U D ) = 0.8 +0,95 0,68= 0.97.
c. Encuentre la probabilidad de que exactamente uno de ellos viva 20 aos ms,
Solucin: Primero expresamos el evento
E = {exactamente uno de ellos vive 20 aos ms}
en trminos de los eventos dados, B y D. Ahora, el evento E puede ocurrir en una de dos maneras mutuamente
excluyentes: Bob vive 20 aos ms pero Doris no (B D ). o Doris vive 20 aos ms pero Bob no (B D). Por
lo tanto
90
E = (BD) U ( B D)
Por la ley de la suma (para eventos mutuamente excluyentes),
P(E ) = P ( B D) + P( B D)
Ec. ( 4 )
Para calcular P(B D' ) notamos que como B y D son independientes, tambin lo son B y D' (del enunciado
precedente al ejemplo 1). Por lo tanto, podemos utilizar la ley de multiplicacin y la regla para complementos.
P ( B D) = P ( B ) P ( D ) = P( B ) ( 1 P ( D ) ) = (0,8) ( 0,15) = 0.12.
Del mismo modo,
P(B' D ) = P ( B ) P ( D ) = (0.2) ( 0.85) == 0.17. Sustituyendo en la ecuacin (4) se obtiene
P ( E ) = 0.12 + 0.17 = 0.29.
En el ejemplo 3 se supuso que los eventos B y D son independientes. Sin embargo, si Bob y Doris estn
relacionados de alguna manera, es muy posible que la sobrevivencia de uno tenga alguna relacin con la
sobrevivencia del otro. En este caso, la suposicin de independencia no est justificada y no podramos
utilizar la ley especial de multiplicacin .
La LEY especial de multiplicacin es usada con frecuencia como un medio alternativo para definir eventos
independientes y la consideraremos como tal:
Los eventos E y F son independientes si y slo si,
P ( E F ) = P(E)P(F).
(3)
En resumen, podernos decir que para probar que dos eventos E y F son independientes, tiene que
demostrarse slo una de las siguientes relaciones:
P( E/F)=P(E)
(1)
o
P( F \ E) = P(F)
(2)
o
P(E F'). = P(E) P(F} . ( 3 )
En otras palabras, si una de estas ecuaciones es verdadera, entonces todas son verdaderas; si cualquiera es
falsa, entonces todas son falsas y E y F son dependientes.
EJEMPLO Dados
Dos dados legales, uno rojo y el otro verde, son tirados y los nmeros que aparecen en las caras superiores son
anotados. Sean E y F los eventos
E = { el nmero en el dado rojo es par) , F = { la suma es 7 }.
Probar si P(E F) = P(E)P(F) para determinar si E y F son independientes.
Solucin: Nuestro espacio muestral usual para el tiro de dos dados tiene 6x6 = 36 resultados igualmente
probables. Para el evento E, el dado rojo puede caer en cualquiera de tres maneras y el dado verde de
cualquiera de seis maneras, de modo que E consiste en 3 6= 18 resultados.
Por lo tanto P (E) = 18/36 =1/2 . El evento F tiene seis resultados:
F = {(1, 6), (2, 5), (3, 4), (4, 3), (5, 2), (6, 1) }
(5)
Donde , por ejemplo, tomamos (1,6) que significa "1" en el dado rojo y 6" en el dado verde. Por lo tanto P
(F) = 6/36= 1/6 de modo que :
P( E ) P(F) = . 1/6 = 1/12
Ahora, el evento E F consiste en todos los resultados en los que el dado rojo es par y la suma es 7.
Utilizando la ecuacin (5) como una ayuda, vemos que
E F = {(2, 5), (4, 3), (6, 1 )} . Por lo tanto P( E F ) = 3/36= 1/12
Ya que P( E F) = P(E)P(F), los eventos E y F son independientes. Este hecho pudo no haber sido obvio
antes de que el problema fuera resuelto.
EJEMPLO Sexo de descendientes
Para una familia con al menos dos hijos, sean E y F los eventos
E = [a lo ms un nio } ,
F = [al menos un Hijo de cada sexo } .
Suponer que un nio de cualquier sexo es igualmente probable y que, por ejemplo tener primero una nia y
despus un nio es tan probable como tener primero un nio y despus una nia. Determinar si E y F son
independientes en cada una de la: situaciones siguientes.
91
92
Solucin: Sean A, B y C los eventos de que la prueba ser precisa para los aspirantes A, B y C
respectivamente. Estamos interesados en
P(A B C )
Ya que si la prueba es precisa para un aspirante no debe afectar a las pruebas de los otros, parece razonable
suponer que A, B y C son independientes Por tanto, podemos multiplicar probabilidades.
P(A B C) = P(A)P(B)P(C)
= (0.9)( 0.9)(0.9) = (0.9)3 = 0.729.
b. Encontrar la probabilidad de que la prueba sea precisa para al menos dos de los siguientes tres aspirantes
examinados
Solucin: Aqu, "al menos dos significa dos o tres. En el primer caso, las maneras posibles de seleccionar las
dos pruebas que son precisas son
A y B, A y C B y C.
En cada una de estas tres posibilidades , la prueba para los dems aspirantes no es precisa. Por ejemplo,
seleccionando Ay B da el evento A B C', cuya probabilidad es
P( A) P( B ) P(C) =- (0.9) ( 0.9) (0.1) = (0.9)2(0.1).
Debe usted verificar que la probabilidad de cada una de las otras posibilidades tambin sea de
(0,9) 2
(0,1). Sumando las tres probabilidades se obtiene
P( exactamente dos pruebas precisas) = 3[(0.9)2(0. 1 )] = 0.243.
Utilizando este resultado y el de la parte a, obtenemos
P(al menos dos pruebas precisas) = P'(exactamente dos pruebas precisas) + P(tres pruebas precisas)
= 0.243 + 0.729 = 0.972.
De manera alternativa, el problema tambin podra ser resuelto calculando
1 - [P '(ninguna prueba precisa) + P (exactamente una prueba precisa) } . Por qu?
Concluimos con una nota de precaucin. No confunda independencia de even tos con eventos mutuamente
excluyentes.El concepto de independencia est definido en trminos de probabilidad, mientras que la mutua
exclusividad no. Cuando dos eventos son independientes, la ocurrencia de uno no afecta la probabilidad del
otro . Sin embargo. cuando dos eventos son mutuamente excluyentes, no pueden ocurrir de manera
simultnea. Aunque estos dos conceptos no tienen similitud podemos sacar algunas conclusiones acerca de sus
relaciones. Si E y F son eventos mutuamente excluyentes con probabilidades positivas, la ocurrencia de F
significa que E no puede ocurrir. De aqu que
P(E/F)= = P( E ) , ya que P( E ) > 0
Por lo tanto, E y F deben ser dependientes. En resumen, eventos mutuamente excluyentes con probabilidades
positivas deben ser dependientes. Otra manera de decir esto es que eventos independientes con probabilidades
positivas no son mutuamente excluyentes.
TALLER No 7
1. Si los eventos E y F son independientes con P(E) =1/3 y P(F) = , encuentre:
a. P(E F). b. P(E U F). c. P(E \ F).
d. P(E' \ F}. e. P(E F'). f. P(E U F'). g .P(E \F').
2. Si los eventos E, F y G son independientes con P(E) = 0.2, P(F) = 0.4 y P(G) = 0.5, encuentre:
a. P(E F). b. P(E F G). c. P(E F' G'). d. P (F G).
e. P(E \ (F G ). F. P (E FG)
3. Si los eventos E y F son independientes con P(E) = 2/5 y P(E F ) = 1/3 , encuentre P(F).
4. Si los eventos E y F son independientes con P(E \F) = 1/3 , encuentre P(E').
En los problemas 5 y 6, los eventos E y F satisfacen las condiciones dadas. Determine si E y F son
independientes o dependientes.
5. P(E =)3/4 , I P(F) =8/9, P(E F) = 2/3
6. P(E) = O..26, P (F) = 0.15, P(E F) = 0.038.
7. Corredor de bolsa Seiscientos inversionistas fueron encuestados para determinar si una persona que utiliza
un servicio completo de corredor de bolsa tiene mejor desempeo en su portafolios de inversiones que quien
utiliza un corredor parcialmente. En general, un corredor parcial no ofrece avisos de inversiones a sus
93
clientes, mientras que un servicio completo de corredor en general ofrece ayuda al seleccionar acciones, pero
los cargos son mayores. Los datos, basados
TABLA 17
Aument
Servicio
completo
320
80
400
Servicio
parcial
160
40
200
Total
480
120
600
En los ltimos 12 meses, estn dados en la tabla 17. Determine si el evento de tener un servicio completo de
corredor y el evento de tener un aumento en el valor del portafolios son independientes o dependientes.
8. Conducta en el cine Una observacin de 175 asistentes a un cine result en los datos mostrados en la
tabla 18 .
TABLA18 Comportamiento en el cine
Hombre
Mujer
Total
Habladores
60
10
70
Ruidosos
55
25
80
Pateadores de M
asientos
15
10
25
Total
45
175
130
Vemos tres tipos de desordenes cometidos en el cine, cometidos por hombres y mujeres .Los ruidosos
incluyen ruidos al comer las rosetas de maz y otros alimentos , as como sorber las bebi das. Determine si el
evento de ser hombre y el evento de ser ruidosos son independientes o dependientes.
9- Dados . Dos dados legales son tirados, uno rojo y uno verde y los nmeros en las caras superiores son
anotados . Sea E el evento el nmero del dado rojo no es 4 ni 5", y el evento F la suma es 5. Determine si
E y F son independientes o dependientes .
10. Monedas Si dos monedas legales son lanzadas, sea E: el evento *"a lo ms una cara" y F el evento
"exactamente una cara". Determine si E y F son independientes o dependientes.
11. Fichas en una urna Una urna contiene seis fichas numeradas desde el 1 hasta el 6. Dos fichas son sacadas
aleatoriamente con reemplazo. Sean E, F y G los eventos :
E : "3 en la primera extraccin",
F = "3 en la segunda extraccin", G ="la suma es impar".
a. Determine si E y F son independientes o dependientes.
b. Determine s E y G son independientes o dependientes.
c. Determine si F y G son independientes o dependientes.
d. Son independientes E, F y G?
12. Fichas en una urna Una urna contiene seis fichas numeradas desde el 1 hasta el 6. Se saca al azar una
ficha. Sea E el evento de sacar un 4 y F el evento de sacar un 6
a. Son E y F mutuamente excluyentes? b, Son E y F independientes?
En los problemas 13 y 14, los eventos E y F satisfacen las condiciones dadas. Determine si E y F son
independientes o dependientes.
13. P ( E / F ) = 0,6 P ( E F ) = 0,28 , P ( F / E ) = 0,4
14. P ( E / F ) = 2/3 , P ( E U F ) = 17/18 y P ( E F ) = 5 / 9 .
94
En los problemas 17-37 si no se especifica otra cosa,puede hacer uso de su intuicin acerca de la independencia
entre eventos.
14. Dados Dos dados legales son tirados, uno rojo y otro verde. Encuentre la probabilidad de que el dado rojo
de 4 y el verde un nmero mayor que 4.
15. Dado Si un dado legal es tirado cuatro veces. Encuentre la probabilidad de que un 2 o un 3 aparezcan
cada vez.
16. Calificacin de un examen En un curso de sociologa la probabilidad de que Bill obtenga una A en el
examen final es de y para Jim y Linda las probabilidades son de y 4/5 respectivamente- Suponga
independencia y encuentre
a. La probabilidad de que los tres obtengan una A en el examen
b. La probabilidad de que ninguno de ellos obtenga una A en el examen.
c. La probabilidad de que, de los tres, slo Linda obtenga A
95
EL DISEO EXPERIMENTAL
1. CONSIDERACIONES GENERALES DEL DISEO EXPERIMENTAL.
1.1. EL PROCESO FSICO DE DISEAR UN EXPERIMENTO :
Continuamos nuestro estudio estadstico, aclarando alguna terminologa, luego a travs de ejemplos se
identificarn los pasos que se deben seguir al disear un experimento.
DEFINICIN : Los objetos sobre los cuales se realizan mediciones se denominan UNIDADES
EXPERIMENTALES.
Si un experimentador somete un conjunto de n- 10 ratas a un estimulo y mide su efecto sobre cada una de
ellas, entonces cada rata es una UNIDAD EXPERIMENTAL. La coleccin de n= 10 ratas es una muestra. Si
consideramos el experimento real; izado para investigar el efecto de varias cantidades de fosfato y de
nitrgeno sobre la cosecha de una variedad de maz, una UNIDAD EXPERIMENTAL sera una parcela
especfica del cultivo, por ejemplo, una plaza cultivada. UN TRATAMIENTO sera un nmero fijo X1 de
libras de Nitrgeno o un nmero fijo X2 de libras de Fosfato.
La mayora de los experimentos contienen un estudio sobre el efecto que tienen una o ms variables
independientes sobre alguna caracterstica de inters.
Las variables experimentales independientes se llaman FACTORES y pueden ser CUALITATIVOS O
CUANTITATIVOS.
En nuestro ejemplo anterior, las libras de cada elemento qumico constituyen los factores cuantitativos
DEFINICIN : La intensidad asignada a un factor se llama NIVEL.
En el experimento anotado el nivel ser el nmero de libras de cada tratamiento.
UN TRATAMIENTO es la combinacin especfica de niveles de factores.
Un experimento puede tener un factor nico, tal como la temperatura en un experimento de hornear pan
Podra estar compuesto de combinaciones de niveles de 2 o ms factores como en el experimento del maz y
los fertilizantes .Uno de los primeros pasos en el diseo experimental es la seleccin de los factores que se van
a estudiar y la decisin respecto a las combinaciones de niveles (tratamientos) que se van a emplear en el
experimento. El diseo experimental implica un ltimo problema : Decidir cmo se van a asignar los
tratamientos a las unidades experimentales. En este paso se debe seleccionar la aleatoriedad o no de la
experiencia.
Lo planteado anteriormente determina que el diseo de un experimento sugiere unos pasos que pueden ser:
1. Seleccin de los factores a incluirse en el experimento y especificacin de los parmetros poblacionales de
inters.
2. Decidir cunta informacin se desea respecto a los parmetros de inters. Por ejemplo : Con cunta
precisin deseamos estimar los parmetros ?
3. Seleccin de los tratamientos que sern empleados en el experimento (combinaciones de niveles de
factores) y determinacin del nmero de unidades experimentales que sern asignados a cada uno.
4. Decidir la forma en que los tratamientos deben de ser aplicados a las unidades experimentales. Lo que
equivale a la seleccin de la muestra experimental.
2. EL MUESTREO Y SUS TCNICAS.
Al hablar del diseo experimental es bsico tener en cuenta los pasos descritos anteriormente, pero el ms
fundamental es el cuarto que se refiere a la seleccin de la muestra, pues de all depende el xito del
experimento.
La nuestra es en esencia un subgrupo o subconjunto de la poblacin o universo, con frecuencia leemos y
oimos hablar de "Muestra representativa", "Muestra al azar", "Muestra aleatoria"; como si con estos
trminos se pudiera dar ms seriedad a los resultados. En realidad, pocas veces se puede medir toda la
96
poblacin por ello hacemos seleccin muestral con el objeto de que este subconjunto nos d un reflejo fiel del
Universo o Poblacin. Toda muestra debe ser REPRESENTATIVA, por tanto el uso combinado de estos 2
trminos es redundancia idiomtica.
Los trminos "AZAR" y "ALEATORIO" denotan un procedimiento mecnico relacionado con la
probabilidad de seleccin, pero no esclarece el tipo y el proceso para obtenerla.
2.1 Tipos de muestra.
Bsicamente categorizamos las muestras en dos grandes ramas : Las muestras no probabilisticas y las
muestras probabilsticas ,En este ltimo tipo todos los elementos de la poblacin tienen la misma posibilidad
de ser escogidos, lo cual se obtiene definiendo las caractersticas de la poblacin y el tamao de la muestra a
travs de una seleccin aleatoria y/o mecnica de las unidades experimentales .
En las muestras no probabilsticas, la eleccin no depende de la probabilidad, sino de causas relacionadas con
las caractersticas del investigador o del que hace la muestra, lo cual hace que se sesgue el objetivo del
experimento. El elegir entre uno de estos dos tipos de muestra, depende de los objetivos del estudio, del
esquema de investigacin y de la contribucin que se piensa hacer con dicho estudio. Tomemos los siguientes
ejemplos:
Ejemplo 1. Planteemos una investigacin sobre inmigrantes extranjeros en Colombia. El objetivo de esta
investigacin es documentar las experiencias de viaje, de vida y de trabajo. Para cumplir dicho propsito se
seleccion una muestra no probabilistica de personas extranjeras que por diversas razones : econmicas,
polticas, fortuitas etc.,hubieran llegado a Colombia entre 1.950 y 1.996. Las personas se seleccionaron a
travs de conocidos, de asilos, de referencias. As se entrevistaron a 40 Inmigrantes con encuestas
semiestructuradas que permitieron a cada sujeto hablar libremente sobre sus experiencias.
COMENTARIO ; En este caso una muestra como la seleccionada es la adecuada para el tipo de experimento
planteado, pues se trata de un estudio con un diseo de investigacin exploratorio, no concluyente, cuyo
objetivo es documentar ciertas experiencias. Este tipo de estudio pretende generar datos e hiptesis que
constituyan la materia prima para investigaciones ms precisas.
Ejemplo 2 . Como segundo ejemplo podemos tomar una investigacin para saber cuntos nios han sido
vacunados y cuntos no, al igual que las variables asociadas : Nivel socio-econmico, lugar de residencia,
educacin etc.. En este caso se hizo una muestra probabilistica de 1.600 personas y de los datos se tomaron
decisiones para formular estrategias de vacunacin y mensajes dirigidos a persuadir hacia la pronta y
oportuna vacunacin de los nios.
COMENTARIO : Este tipo de estudio, donde se hace una asociacin de las variables, cuyos resultados
servirn para tomar decisiones que afectarn a toda la poblacin se logra a travs de una muestra del tipo
seleccionada, es decir, de clase probabilistica, de tal manera que los datos puedan ser generalizados a toda la
poblacin, con una estimacin precisa del error cometido al hacer tales generalizaciones .
2.2. MUESTRAS PROBABILSTICAS.
Debido a la forma como est estructurada la muestra probabilistica tiene muchas ventajas, la ms importante
de todas es el hecho de poder medir el tamao del error de nuestras predicciones .De all que el principal
objetivo en el diseo de una muestra probabilistica es la reduccin al mnimo del error llamado estndar. Las
muestras probabilisticas son esenciales en los diseos de investigacin por encuesta, donde se pretende hacer
estimaciones sobre las variables poblacionales. En este caso los elementos mustrales tienen valores muy
parecidos a los de la poblacin, de manera que las mediciones de la muestra nos darn estimaciones precisas
del conjunto mayor.
Para una muestra probabilistica necesitamos principalmente conocer dos cosas importantes : El tamao de la
muestra y la seleccin de los elementos que la constituyen.
3. TAMAO DE LA MUESTRA :
Cuando se hace una muestra probabilistica, debemos preguntarnos : Cul es el nmero mnimo de unidades
experimentales que me asegure un error estndar menor de 0.01 ( Fijado por el investigador ), dado que la
poblacin es de N elementos ?.Para dar respuesta a esta pregunta es necesario conocer algunos elementos
como son :
El tamao N de la poblacin ;
El valor de la varianza poblacional indicada como ;
97
Los valores promedios de la poblacin ( media poblacional ) dada como
Como estos valores no se conocen, seleccionamos una muestra de un nmero n de elementos, y a travs de
estimaciones en ella inferimos valores en la poblacin .
Sea x el valor estimado de la media muestral ; la diferencia - x es lo que se conoce como error estndar
= Se, es decir, es la desviacin estandar de la distribucin muestral y representa la fluctuacin de las medias
muestral y poblacional.
Dada nuestra estimacin podemos decir que ;
= (Se)2 , es decir ,1a varianza poblacional es el cuadrado del error stndar
S2= varianza muestral, la cual se puede dar en trminos de la probabilidad como :
s2 = p. q, donde p = probabilidad de ocurrencia de x ; q = probabilidad de fracaso, es decir :
q = 1 - p , por lo tanto : s2 = p ( 1 - p ).
Si nosotros establecemos un error estndar y fijamos por ejemplo 0.01, estamos sugiriendo que las diferencias
estimadas entre las medias poblacional y muestral no superen a 0.01, es decir , que de 100 casos considerados
nuestra prediccin sea correcta 99 veces y que la media muestral se site en un intervalo de confianza que
contenga el valor de la media poblacional. La frmula para determinar el tamao n de la muestra la
podemos definir como :
s2 /
n=
1 + s2/N.
EJEMPLO : Consideremos todos aquellos directores generales de empresas industriales y comerciales que en
1.996, tienen un capital social superior a los 30 millones de pesos, con ventas superiores a los 100 millones de
pesos y/o con ms de 300 personas empleadas, con estas caractersticas se precis que la poblacin era de
1.176 directores generales ya que dicho nmero conformaban las mencionadas caractersticas. Cul es
entonces el nmero de directores generales n que se tiene que entrevistar para tener un error estndar menor
de 0.015 con la poblacin total dada, bajo una probabilidad de ocurrencia del 90% ?
SOLUCIN:: En este caso se tiene que : N = Poblacin de 1.176 empresas,
X= Valor promedio de una
variable = 1, un director en cada empresa. Se= Error estndar = 0,015, aceptable por su valor.
s2 = Varianza muestral = p. q = 0.9 (1 - 0.9) = 0.9.(0.1)= 0.09
Varianza poblacional = (Se)2 = (0.015)2= 0.00225. Sustituyendo en la frmula se tiene :
s2 /
n=
1 + s2/N.
0.09/0.00225
400
=
= 298.
1 + 0.09/1.176x0.00225
1 + 400/1.176
Es decir que, para nuestra investigacin necesitaremos una muestra de 298 directores generales.
n =
MUESTREO ALEATORIO
Recordemos que una poblacin consiste en todas las observaciones concebible (o hipotticamente) posibles de
un fenmeno determinado, mientras que una muestra es slo una parte de una poblacin. En seguida,
diferenciaremos entre dos clases de poblaciones: las poblaciones finitas y las poblaciones infinitas.
Una poblacin es finita si consta de un nmero finito o fijo de elementos, medidas u observaciones. Como
ejemplos de poblaciones finitas podemos mencionar los pesos netos de 3,000 latas de pintura de cierta
produccin, las calificaciones S AT de todos los estudiantes de primer ao admitidos en una preparatoria
determinada en el otoo de 1991 y las temperaturas diarias registradas en una estacin meteorolgica
durante los aos de 1987 a 1991.
A diferencia de las poblaciones finitas, una poblacin infinita, al menos hipotticamente, contiene una
infinidad de elementos. Este es el caso, por ejemplo, cuando observamos un valor de una variable aleatoria
continua y hay una infinidad de resultados distintos. Tambin es el caso cuando observamos los totales
obtenidos en lanzamientos repetidos de un par de dados, cuando medimos en repetidas ocasiones el punto de
98
ebullicin de un compuesto de silicio y cuando tomamos una muestra con reemplazo de una poblacin finita.
No hay lmite para los nmeros de veces que podemos lanzar un par de dados, para el nmero de veces que
podemos medir el punto de ebullicin del compuesto de silicio, ni para el nmero de veces que podemos tomar
una muestra de una poblacin finita y reemplazarla antes de tomar la siguiente.
Para presentar la idea del muestreo aleatorio de una poblacin finita veamos cuntas muestras diferentes de
tamao n podemos tomar de una poblacin finita de tamao N. Refirindonos a la regla para el nmero de
combinaciones de n - objetos tomando r a la vez , encontramos que la respuesta es
N
C ( N, n ) =
n
= N! / n! (N-n)!
EJEMPLO Cuntas muestras distintas de n podemos tomar de una poblacin finita de tamao N cuando
(a) n = 2 y N=12; (b) n = 3 y N = 100
Solucin
(a) Hay C (12, 2 ) = 12. 11 /2! = 66 muestras distintas.
(b) Hay C ( 100,3) = 100.99.98 /3! = 161.700 muestras distintas.
Con base en el resultado de que hay
C ( N, n ) =
N
n
= N! / n! (N-n)!
muestras distintas de tamao n de una poblacin finita de tamao N, presentaremos la siguiente definicin de
una muestra aleatoria (en ocasiones conocida tambin como muestra aleatoria simple) de una poblacin
finita:
Una muestra de tamao n de una poblacin finita de tamao N es una variable aleatoria si se selecciona de
manera tal que cada una de las
C ( N, n ) =
probabilidad,
N
1/ n
N
n
de ser seleccionada.
Por ejemplo, si una poblacin consiste en los N= 5 elementos a, b ,c ,d y e (que podrian ser los ingresos
anuales de cinco personas, los pesos de cinco vacas o los precios de cinco artculos), hay
C( 5,3) =10 muestras posibles de tamao n = 3.
Estas constan de los elementos abe, abd, abe, acd, ace, ade, bcd, bce, bde y cde.
Si seleccionamos una de estas muestras de tal forma que cada muestra tenga una probabilidad de 1/10 de
ser seleccionada, decimos que sta es una muestra aleatoria.
A continuacin sigue la pregunta de cmo se toman las muestras aleatorias en la prctica real en una
situacin simple como la que acabamos de describir, podramos escribir cada una de las diez muestras
aleatorias en una tira de papel, ponerlas en un sombrero, revolverlas bien y luego retirar una sin ver. Empero,
es obvio que esto sera prctico en una situacin real complicada en la que n y N o slo N son grandes.
EJEMPLO Tome una muestra aleatoria de tamao n = 12 de la poblacin consistente en las cantidades de
impuestos sobre las ventas cobradas por 247 farmacias de una ciudad en diciembre de 1990 numerando las
farmacias como 001, 002, 003,..., y 247 (digamos, en el orden en que aparecen en el directorio telefnico) y
leyendo nmeros aleatorios de tres dgitos de la segunda pgina de la tabla de nmeros RAMDON, usando la
vigesimasexta, la vigesima-sptima y la vigesimaoctava columnas empezando en el sexto rengln y
continuando pgina abajo.
Solucin Siguiendo estas instrucciones, obtenemos
046 230 079 022 119 150 056 064 193 232 040 146
donde ignoramos los nmeros mayores que 247; si cualquier nmero se hubiera repetido, tambin lo
habramos ignorado. Los doce nmeros que tenemos aqu son los nmeros asignados a las farmacias; las
cifras de impuestos sobre las ventas correspondientes constituyen la muestra aleatoria deseada.
99
.
Cuando tenemos acceso a listas de manera que podemos numerar artculos fcilmente, es sencillo tomar
muestras aleatorias con la ayuda de tablas de nmeros aleatoros o computadoras. Por desgracia, no obstante,
hay muchas situaciones en que es imposible proceder del modo que acabamos de describir. Por ejemplo, si
queremos utilizar una muestra para estimar el dimetro exterior medio de miles de balas para rodamientos
empacadas en un lote grande o si deseamos estimar la altura media de los rboles de un bosque, sera
imposible numerar las balas o los rboles, seleccionar nmeros aleatorios y luego localizar y medir las balas o
rboles correspondientes. En estas y en muchas situaciones similares, todo lo que podemos hacer es proceder
de acuerdo con la definicin del diccionario de la palabra "aleatorio", especficamente al azar, sin objetivo o
propsito". Esto es, no debemos seleccionar o rechazar ningn elemento de una poblacin porque parezca
tpico o no, tampoco debemos favorecer alguna parte de la poblacin por su disponibilidad o falta de la
misma y as sucesivamente. Con cierta reserva, a menudo podemos tratar algunas de dichas muestras como
si fueran muestras aleatorias.
Hasta ahora hemos analizado el muestreo aleatorio slo en relacin con las poblaciones finitas. Para las
poblaciones infinitas, decimos que :
Una muestra de tamao n de una poblacin infinita es aleatoria si consta de valores de variables aleatorias
independientes que tienen la misma distribucin.
Como lo sealamos en relacin con las distribuciones binomiales y normales , sta es la "misma" distribucin
a la que nos referimos como la poblacin de la que efectuamos un muestreo. As mismo, por "independiente"
queremos decir que las probabilidades relacionadas con cualquiera de las variables aleatorias son las mismas
sin que tengan importancia los valores que se hayan observado para las otras variables aleatorias.
Por ejemplo, si en doce lanzamientos de un dado obtenemos 2,5, 1,3, 6, 4,4, 5, 4, 1, y 2, estos nmeros
constituyen una muestra aleatoria si son valores de variables aleatorias independientes que tienen la misma
distribucin de la probabilidad
f(x) = 1/6 para x = 1, 2, 3, 4, 5, o 6
Para dar otro ejemplo de una muestra aleatoria de una poblacin infinita, suponga que ocho estudiantes
obtuvieron las siguientes lecturas del punto de ebullicin de un compuesto de silicio: 136, 153, 170, 148, 157,
152, 143 y 150 grados Celsius. De acuerdo con la definicin, estos valores constituyen una muestra aleatoria
si son valores de variables aleatorias independientes que tienen la misma distribucin, digamos, la
distribucin
normal con = 152 y = 10. Para juzgar si en realidad ste es el caso, tendra mos que cerciorarnos, entre
otras cosas, de que las tcnicas de medida de los ocho estudiantes sean igualmente precisas (de modo que sea
la misma para cada una de las variables aleatorias), que no haya colaboracin (que pueda hacer que las
variables aleatorias sean dependientes) y que no haya impurezas en las materias primas. En la prctica, no es
fcil decidir si un conjunto de datos se puede considerar como una muestra aleatoria
TALLER No 15
1- Cuntas muestras diferentes de tamao n = 2 podemos seleccionar de una poblacin finita de tamao
a- N = 6
b- N= 10
c- N= 25
2- Cuntas muestras diferentes de tamao n = 3 podemos seleccionar de una poblacin finita de tamao
a- N=15;
(b) N=30;
(c) N =60?
3- Cual es la probabilidad de cada muestra posible :
a- si se toma una muestra aleatoria de tamao 4 de una poblacin finita de tamao 12;
b- si se toma una muestra aleatoria de tamao 5 de una poblacin finita de tamao 22?
4- Elabore una lista de las C(8,2) = 28 muestras posibles de tamao n = 2 que se pueden tomar de una
poblacin finita cuyos elementos se representan como a, b, c, d, e ,f, g y h .
5- Un bacterilogo quiere hacer una revisin doble de una muestra de n = 10 de los 812 especmenes
sanguneos analizados por un laboratorio mdico en un mes determinado Si numera los especmenes como
001, 002, 003,...,811 y 812, cules eligir si los selecciona usando la decimaprimera, la decimasegunda y la
decimatercera columnas de la segunda pgina de la tabla de nmeros RAMDON , empezando en el octavo
rengln y continuando en la pgina ?
6- Una asesora del condado quiere volver a evaluar una muestra aleatoria de 15 de 8,019 casas unifamiliares.
Si las numera como 0001, 0002,..., 8,018 y 8,019, cules (por nmero) eligir si las selecciona usando la
decima-primera, la decimasegunda, la decimatercera y la decima-cuarta columnas de la primera pgina de la
tabla de nmeros RAMDON, empezando en el cuarto rengln y continuando en la pgina?
100
7- Un socilogo quiere incluir 10 de 83 condados de Michigan en una encuesta. Si numera estos condados
como 01, 02,..., 82 y 83, cules (por nmero) incluir en la encuesta si los selecciona usando la
vigesimaprimera y la vige-simasegunda columnas de la segunda pgina de la tabla RAMDON , empezando en
el dcimo rengln y continuando en la pgina?
8- Supongamos que una asociacin de profesionales cuenta con 5.000 miembros. La junta directiva decide
hacer una encuesta telefnica para indagar entre otras cosas : Lugar de trabajo, puesto ocupado, salario
aprox. ,carrera cursada, generacin, estudios de posgrado, etc. En resumen se piensa publicar un perfil
profesional actualizado con el propsito de retroalimentar a sus asociados. Como sera muy costoso llegar a
los 5.000 miembros repartidos en todo el mundo, qu tamao de muestra ser necesaria si se quiere tener un
error std no mayor de 0.015 con una probabilidad de ocurrencia del 90% ?
Una vez definido el tamao muestral, cmo sera el proceso de seleccin, de manera que los resultados
obtenidos con base en la muestra puedan generalizarse a toda la pobalcin ?
9- Se obtiene una muestra de la opinin pblica en una ciudad pequea seleccionando una de cada 10
personas que pasan por la esquina ms concurrida de la ciudad. Tendr esta muestra las caractersticas de
una muestra aleatoria seleccionada del total de habitantes de la ciudad. Explique su respuesta.
3.1. MUESTRA PROBABiLISTICA ESTRATIFICADA :
El ejemplo dado al calcular el tamao de la muestra corresponde a una muestra aleatoria simple
.Determinamos en este caso que el tamao de la muestra sera de 298 elementos. Pero supongamos que la
situacin se complica y esta muestra n la tenemos que estratificar a fin de que los elementos mustrales o
unidades experimentales posean un determinado atributo. Para esto debemos seleccionar estratos o
categoras que se presentan en la poblacin y que son relevantes para disear una muestra aleatoria
estratificada. Entonces debemos dividir la poblacin en subpoblaciones o estratos y se selecciona una muestra
para cada estrato. La estratificacin aumenta la precisin de la muestra e implica el uso de diferentes
tamaos de muestra para cada estrato, a fin de lograr reducir la varianza de cada unidad de la media
muestral.
Si llamamos : F h = Fraccin del estrato . n = Tamao de la muestra . N = Tamao de la poblacin .
sh = Desviacin estndar de cada elemento en el estrato h y K es una constante proporcional, se tiene que:
Fh = n / N = K. sh .
Siguiendo nuestro ejemplo dlos directores de empresa se tiene que para la poblacin de 1.176 directores de
empresa y una muestra de n = 298, la fraccin de cada estrato F h ser :
Fh = n/N - 298/1.176= 0.2534
De manera que el total de la subpoblacin se multiplicar por este valor constante a fin de obtener el tamao
de muestra para el estrato, es decir :
Nh.Fh= nh , donde Nh= Tamao de la subpoblacin y n h = Tamao de la muestra para el
estrato.
En la tabla siguiente se presenta la muestra aleatoria estratificada total para nuestro ejemplo dado en el
tamao de la muestra :
MUESTRA PROBABILISTICA ESTRATIFICADA DE DIRECTORES DE EMPRESA
ESTRATO
DIRECTORES
TOTAL POBLACIN Nh. TAMAO MUESTRA
1
Siderrgica
53
13
2
Metalmecnica
109
28
3
Alimentos,bebidas
215
55
4
Papel y artes grficas
87
22
5
Textiles
98
25
6
Elctricas
110
28
7
Automotriz
81
20
8
Qumico- Farmacutica
221
56
9
Otras empresas
151
38
10
Comerciales
51
13
TOTALES
N= 1.176
n = 298
101
Por ejemplo:
N h = 53 directores de empresas siderrgicas corresponden a la poblacin total de este estrato.
F h = 0,2534 es la constante de proporcionalidad .
n h = 13 es el nmero redondeado de directores de empresa del primer estrato .
3.2. MUESTREO PROBABiLISTICO POR RACIMOS :
En algunos casos donde el investigador se ve limitado por recursos financieros, por tiempo, por distancias
geogrficas o por una combinacin de stos y otros factores se recurre a la modalidad de muestreo
denominado POR RACIMOS. En este tipo de muestreo se reducen costos, tiempo y energa al considerar que
muchas veces nuestras unidades de anlisis se encuentran encapsuladas o encerradas en determinados
lugares fsicos o geogrficos denominados racimos. Para dar algunos ejemplos tenemos la siguiente tablas
donde en la primera columna se encuentran unidades de anlisis y en la segunda columna se sugieren posibles
racimos en donde encontramos dichos elementos
EJEMPLOS DE RACIMOS
UNIDAD DE ANLISIS
POSIBLES RACIMOS
Adolescentes
Preparatorias
Obreros
Industrias
Amas de casa
Mercados
Nios
Colegios
Personajes de televisin
Programas de televisin
El muestreo por racimos implica diferenciar entre la unidad de anlisis y la unidad muestral. La unidad de
anlisis se refiere a quines sern medidos, o sea, el sujeto o sujetos a quienes en ltima instancia vamos a
aplicar el instrumento de medicin. La unidad de anlisis se refiere al racimo . Este tipo de muestreo supone
una seleccin en dos etapas por procesos probabilisticos. En la primer etapa, se seleccionan los racimos,
siguiendo los pasos para una muestra simple o estratificada. En la segunda, dentro de estos racimos se
seleccionan a los sujetos u objetos que van a ser medidos. Para ello se hace una seleccin que asegure que
todos los elementos del racimo tienen la misma probabilidad de ser elegidos.
Cmo hacer una muestra probablistica estratificada y por racimos ?.
PROBLEMA DE INVESTIGACIN :Una estacin de radio local necesita saber con precisin cmo usan la
radio los adultos de una ciudad de 2.5 millones de habitantes. Es decir, qu tanto radio escuchan, a qu horas,
qu contenidos prefieren y sus opiniones con respecto a los programas noticiosos.
PROCEDIMIENTO : Se disear una encuesta que indague estas reas sobre uso del radio. Los cuestionarios
se aplicarn por entrevistadores a una muestra de sujetos adultos.
POBLACIN : Todos aquellos sujetos, hombres y mujeres, de ms de 21 aos de edad, que vivan en casa
propia o rentada en la ciudad X.
DISEO POR RACIMOS : Los directivos de la emisora desconocen el nmero total de sujetos con las
caractersticas arriba sealadas. Sin embargo, nos piden que diseemos una muestra que abarque todos los
sujetos adultos de la ciudad, por edad cronolgica y por ser jefes de familia, es decir, excluyendo a los adultos
dependientes. Recurrimos entonces a la estrategia de seleccionar racimos ,empleando para ello un plano
actualizado de la ciudad donde muestra unas 5.000 cuadras. Las cuadras se utilizarn como racimos, es decir,
como unidades mustrales a partir de las cuales se obtendrn los sujetos adultos.
Lo primero a determinar entonces es el tamao de la muestra, es decir, cuntas cuadras tiene la muestra de
una poblacin total de 5.OOO cuadras, si se quiere que nuestro error std sea no mayor de 0,0158%con una
probabilidad de ocurrencia del 50% ? Para esto aplicamos la frmula dada en temas anteriores donde se tiene
que :
s2/ a
Tamao muestra = n =
1 + s2 /Na
0.25 / 0.00025
=
1 + 0.25 / (5.000) 0.00025
= 909.
Necesitaremos entonces una muestra de 909 cuadras de la ciudad X para estimar los valores de la poblacin
con una probabilidad de error menor de 0.01.
102
Sabemos a travs de estudios socioeconmicos ,que categorizan las 5.000 cuadras segn el ingreso mensual
promedio de sus habitantes as:
Estrato
1
2
3
4
# cuadras
270
1.940
2.000
790
La estratificacin de la muestra se obtiene as:
Fh = n / N = 909 / 5.000 = 0.1818 = K. = Factor de estratificacin.
T = 5.000
# de cuadras - m
Fh = 0.1818
m. Fh
270
= 0.1818
50
1.940
-0.1818
353
2.000
-0.1818
363
790
-0.1818
143
N- 5.000
n = 909
Tenemos en principio, de 5.000 cuadras de la ciudad se seleccionarn 50 del estrato 1, 353 del estrato 2, 363
del estrato 3 y 143 del estrato 4. Esta seleccin comprende la seleccin de los racimos, los cuales se pueden
numerar y elegir aleatoriamente hasta completar el nmero de cada estrato. En una ltima etapa se
seleccionan los sujetos de cada racimo, tambin en forma aleatoria.
4. COMO SE LLEVA A CABO LA SELECCIN DE LA MUESTRA ?
Las unidades de anlisis o los elementos de la muestra se eligen siempre en forma aleatoria para asegurarnos
que cada elemento tenga la misma probabilidad de ser elegido, para ello se hace uso de la famosa tabla de
nmeros RANDOM o nmeros ALEATORIOS
Existe otra forma de seleccionar los elementos mustrales, es travs de procesos sistemticos ; consiste en
seleccionar dentro de una poblacin N a un nmero n elementos a partir de un intervalo K, determinado por
el tamao de la poblacin y el tamao de la muestra, es decir : K N / n.
Por ejemplo, si se tiene una poblacin de 1.548 elementos para extraer una muestra de 647, el intervalo K de
seleccin ser :
K = N / n = 1 .548 / 647 = 2.39 aproxim. = 3 .
El intervalo K = 3, significa que cada tercer elemento de la poblacin ser seleccionado hasta completar los
647 necesarios .No es usual tomar los elementos en orden por eso se procura que sea al azar, un mtodo
sencillo consiste en lanzar unos dados y si sus caras muestra 1,6,9; empezaremos con el nmero 169 como
primer elemento, luego el 172, despus 175 y as hasta completar los 647.
5. COMO SON LAS MUESTRAS NO PROBABiLISTICAS ?
Las muestras no probabilsticas las cuales llamamos tambin muestras dirigidas, suponen un procedimiento
de seleccin informal y un poco arbitrario. An as se utilizan en muchas investigaciones y a partir de ellas se
hacen inferencias sobre una poblacin definida. La muestra dirigida selecciona sujetos tpicos con la
esperanza de que sern casos representativos de una poblacin determinada.
Estas muestras presentan muchas desventajas, la primera de ellas es que por no ser probabilsticas no
podemos calcular el error estndar, por tanto no se puede definir con que nivel de confianza hacemos la
estimacin.
La ventaja de una muestra dirigida es su utilidad para determinados diseos de estudio, que requieren no
tanto de una representatividad de la poblacin sigo tambin de una cuidadosa y controlada seleccin de
sujetos con ciertas caractersticas especficas.
Las muestras dirigidas pueden ser de varias clases, interesndonos fundamentalmente la llamada muestra de
sujetos voluntarios empleada en estudios de diseo de experimentos, en este tipo de muestra la eleccin de los
elementos sujetos a anlisis depende de circunstancias fortuitas. Este tipo de muestra se usa en estudios de
laboratorio donde se procura que los sujetos presenten homogeneidad en variables como sexo, edad,
inteligencia de tal manera que los resultados obedezcan a ciertos parmetros determinados por el
investigador.
TALLER No 16:
103
1- Supongamos que trabaja en un despacho que hace investigaciones sociales y diversos clientes piden
asesora en estudios de diversa ndole. qu tipo de muestra sugerira para cada uno ?. Justifique su
sugerencia.
Cliente
1-Clnica de terapias
Psicoemocionales
Necesidad
Pacientes con cncer que siguen la
terapia reaccionan mejor a,los
tratamientos mdicos usuales que
los enfermos de cncer que no
toman terapia.___________
2- Empresa en el giro
Qumico.
3- Empresa de Cosmetologa
Tipo de muestra
2- Se tiene una poblacin de 2.000 elementos para seleccionar una muestra con un error std de 0.01 y una
probabilidad de suceso del 70%.
a- Determine el tamao de la muestra en estas condiciones.
b- Si en dicha poblacin existen 8 estratos diferentes distribuidos en la siguiente forma :
Estrato
1
2
3
4
5
6
7
8
Poblacin 850
320
120
90
120
180
200
120
Calcule el tamao de la muestra en cada estrato.
3- Explique cmo se realiza el muestreo probabilistico por racimos ?
a- Qu es la unidad de anlisis en este tipo de muestreo ?
b- Plantee un modelo de trabajo de investigacin donde sea necesario emplear este tipo de muestra. Use el ejemplo
dado como gua.
4- Realiza el siguiente ejemplo para seleccionar aleatoriamente 30 muestras de 4 estudiantes cada una (reponiendo)
empleando para ello la siguiente distribucin :
ALTURAS DE 100 ESTUDIANTES DE LA UNIVERSIDAD DEL VALLE
Altura (Pulgad.) 60 - 62
63 - 65
66 - 68
69 - 71
72 - 74
Estudiantes
5
18
42
27
8
a- Enumrelos del 00 al 99 . Cada estudiante ser un nmero de muestreo.
b- En la tabla de nmeros aleatorios se seleccionan los grupos de 4 estudiantes requeridos.
c- Si deseamos determinar las alturas de cada estudiante seleccionado y la altura media de cada muestra, cmo lo
haramos ?. Realzalo.
104
105
106