Académique Documents
Professionnel Documents
Culture Documents
UNIDAD
VARIABLES Y
REPRESENTACIONES
SUBTEMA
Introduccin
Poblacin y muestras
Variable discreta y
continua
Redondeo de datos
Notacin sistematizada
Cifras significativas
Clculos
DISTRIBUCIONES DE
FRECUENCIAS
Tabla de Distribucin de
frecuencias
TEMA
PGINA
4
7
7
1er.
Eval.
9
10
11
11
ESTADSTICA
DESCRIPTIVA
MEDIDAS DE TENDENCIA
CENTRAL
MEDIDAS DE DISPERSIN
PROBABILIDA
INTRODUCCIN
14
Promedios
24
Media
28
Mediana
Moda
Cuartiles, deciles,
percentiles
Regresin lneal
Dispersin
Rango
Desviacin media
Varianza
Desviacin tpica
Rango semi cuartlico
Rango entre percentiles
Conceptos bsicos
Modelos matemticos
28
29
34
36
38
45
45
45
42
42
47
48
2do.
Eval.
PROBABILIDAD Y ESTADSTICA
D
ANALISIS DE FUNCIONES Y
RAPIDEZ DE CAMBIO
PROBABILIDAD AXIOMTICA
PROBABILIDAD PARA
EVENTOS
SUCESIVOS
Permutaciones y
combinaciones
Diagrama de rbol
Proceso de contar
Combinaciones
Teorema del Binomio
Simbologa bsica
Probabilidad para
eventos
Probabilidad condicional
Eventos independientes
Eventos dependientes
DesarrolloCronolgicodelaestadstica
poca
Contribuidor
Contribucin
Grecia antigua
Filsofos
Graunt, Petty
Estudio de la estadstica
vital
Siglo XVII
Estudio probabilstico
acerca del cambio del juego
Pascal, Berno
Siglo XVII
DMoire, Laplace,
Gauss
Quetelet
Siglo XIX
Galton
Estudia la variacin
gentica en humanos
(usando regresin y
correlacin lineal)
49
49
50
55
60
62
64
75
72
77
3er.
Eval.
PROBABILIDAD Y ESTADSTICA
Pearsons
Estudio de la seleccin
natural usando correlacin,
formando primero
departamentos acadmicos
de estadstica, Journal de
Biomtrica, ayudados del
anlisis de Chi Cuadrada
Siglo XX
Gossett (Student)
Fisher
Evolucin biolgica
presentada presentacin de
ANOVA, resalta la
importancia del diseo
experimental.
Wilcoxon
Siglo XX
Kruskal Wallis
Spearman
Kendall
Bioqumico estudi
pesticidas, equivalente no
paramtrico de dos
pruebas.
PROBABILIDAD Y ESTADSTICA
correlacin.
Tukey
Dunnett
Keuls
UNIDAD I: ESTADSTICA
VARIABLES Y REPRESENTACIONES
INTRODUCCIN
PROBABILIDAD Y ESTADSTICA
Estadstica: Es un mtodo cientfico que recopila, organiza, analiza e interpreta los datos obtenidos para
tener conocimiento de los hechos pasados, para prever situaciones futuras y tomar decisiones en base a
la experiencia.
En el estudio de la estadstica, se diferencian dos tipos de estadsticas:
Estadstica descriptiva o deductiva y Estadstica inferencial o inductiva.
Estadstica Descriptiva: Es aquella cuyo objetivo es describir cuantitativamente una serie de
personas, animales o cosas, su estudio incluye las tcnicas de colectar, presentar, analizar e
interpretar datos.
Esta parte de la estadstica es la que estudiaremos en el presente curso de probabilidad y estadstica 1,
ser la que nos auxilie a resolver preguntas de investigaciones como las siguientes: Cmo ordenar los
datos y analizarlos adecuadamente? Qu tipo de representacin grfica es ms conveniente utilizar
para presentar los datos? Cul es la media aritmtica o promedio de los datos obtenidos? Qu tan
dispersos estn los datos con respecto a otra muestra?
Estadstica Inferencial: Es aquella cuyo objetivo es obtener informacin sobre una poblacin o
grupo grande de personas o cosas, mediante un metdico procedimiento de los datos de una
muestra tomada de l.
Este ltimo tipo de estadstica no la utilizaremos en ste curso, pero hagamos un ejercicio para analizar
cul es la diferencia entre estos dos tipos de estadstica:
A un grupo de 50 alumnos del CBTA 153 extensiones Jungapeo le preguntamos Cul es la materia que
les gusta ms? Los datos arrojados por sta encuesta, en ste grupo en particular, es incumbencia de la
Estadstica Descriptiva, ya que ordenamos los datos, los analizamos obteniendo sus parmetros como la
media, la desviacin, los graficamos y hasta los interpretamos Pero
Si queremos hacer conclusiones a nivel estatal de todos los alumnos de los CBTAs del estado de
Michoacn, ste grupo de 50 encuestados sera una parte de las diferentes muestras que nos serviran
para saber la tendencia de toda la poblacin estudiantil respecto a la materia que les gusta ms, y
debemos tomar ms muestras de estudiantes de otros CBTAs, por lo cual ya entraramos en el campo de
la Estadstica Inferencial y sus datos debern de analizarse de otra manera ms profunda, haciendo
pruebas de hiptesis para obtener las inferencias o conclusiones a futuro.
Con tus propias palabras escribe
POBLACIN Y MUESTRAS
Poblacin: Es el conjunto de todos los elementos, medidas, individuos y objetos que tienen una
caracterstica en comn, pero en muchas ocasiones debido a limitaciones de tiempo o de recursos no se
puede trabajar con la totalidad de la poblacin.
Muestra: Es la parte de una poblacin que podemos utilizar para obtener conclusiones de toda una
poblacin sin tener que analizar su totalidad.
La muestra elegida debe cumplir con ciertos requisitos indispensables:
a) Validez. Debe representar a la poblacin, esto es, ha de pertenecer a sta y ser elegida al azar o 67en
forma aleatoria, para que todos los elementos de la poblacin tengan la misma probabilidad de ser
considerados.
b) Confiable. Los resultados que se obtengan deben poder generalizarse a toda la poblacin con cierto
grado de precisin.
c) Prctica. Debe ser sencilla de llevar acabo.
PROBABILIDAD Y ESTADSTICA
En las VARIABLES CATEGRICAS los valores pueden ser EXPRESIONES y tambin estas expresiones
pueden ser sustituidas por SMBOLOS que nos permiten diferenciar la categora a la que pertenece cada
individuo, la cual est determinada por el valor de la variable.
Hagamos unos ejemplos:
Si queremos saber la forma en que se trasladan los estudiantes del CBTA-JUAREZ para recibir sus
clases grupales; preguntaremos a cada estudiante del grupo, si usualmente se trasladan de su casa a la
escuela CAMINANDO o EN ALGN VEHCULO, por lo tanto los valores de la variable sern (C)
"caminando" o (V) " Vehculo" y se clasifican a los alumnos en stas dos categoras.
Otro ejemplo:
Si quisiramos conocer la materia que prefieren los estudiantes de una lista de 4 materias en donde se
incluyen Ciencias Sociales, Matemticas, Ciencias Naturales y Espaol; En este caso la materia de
preferencia puede tomar cuatro valores: (CS) que es Ciencias Sociales; (M) que es Matemticas, (CN)
Ciencias Naturales y (E) ser Espaol. Es claro pues que la variable, materia de preferencia clasifica a los
estudiantes en cuatro categoras.
Observa que los valores que pueden tomar las variables en los ejemplos anteriores son EXPRESIONES y
que estas expresiones han sido sustituidas por SMBOLOS que nos permiten diferenciar la categora a la
que pertenece cada individuo, la cual est determinada por el valor de la variable. Los ejemplos
anteriores son VARIABLES CATEGRICAS NOMINALES.
Veamos ahora otros ejemplos de VARIABLES CATEGRICAS:
Si deseamos saber si el contenido de la materia de Procesos de Produccin Pecuaria tiene relacin con
las prcticas de campo que se realizaron el semestre pasado y le pedimos la opinin a cada estudiante,
los valores que puede tomar la variable pueden ser: "Nunca" (A), "Raras veces" (B), "Algunas veces" (C),
Casi siempre" (D) y "Siempre" (E). Observe que esta variable clasifica a cada uno de los estudiantes que
contestaron la pregunta, segn la opinin que haya elegido.
PROBABILIDAD Y ESTADSTICA
Otro ejemplo:
Si queremos saber cmo se alimentan los estudiantes del CBTA-JUAREZ, para relacionarlo con el
aprovechamiento escolar, preguntaremos cada semana a todos los estudiante del grupo, cules
alimentos ingirieron durante la semana y clasificamos la variable calidad de la alimentacin de la siguiente
manera: MD al alumno que se aliment muy deficientemente, D el de alimentacin deficiente, R el de
alimentacin regular, B el de alimentacin buena y MB el de alimentacin muy buena. Con esto todos
los estudiantes del grupo, quedarn distribuidos en cinco posibles categoras.
Observa que los valores de las variables tambin son EXPRESIONES, sin embargo, entre los valores de
estos dos ejemplos ltimos hay UN ORDEN. Los ejemplos anteriores SON VARIABLES CATEGRICAS
ORDINALES.
Si comprendiste, escribe con tus propias palabras:
Cundo es variable Categrica nominal?
SON LAS VARIABLES CUALITATIVAS EN LAS QUE PARA CUANTIFICARLAS, SE LES ASIGNAN NMEROS A LAS CATEGORAS
EJEMPLO:
1 MUJER
SEXO
0 HOMBRE
1 AZUL
2 VERDE
COLOR DE OJOS
3 MARRN
4NEGRO
PROBABILIDAD Y ESTADSTICA
Otro ejemplo ser el nmero de preguntas acertadas en un examen de conocimientos; los aos
cumplidos de los estudiantes, el nmero de materias que cursan en el quinto semestre, etc... Ya que son
variables numricas que pueden tomar slo valores enteros.
Veamos por ltimo los ejemplos de las variables numricas continuas:
Si queremos saber la estatura de los alumnos del quinto semestre con una aproximacin a milmetros,
tendramos que utilizar una regla de dos metros y dividida en centmetros y milmetros. Los valores
posibles de la variable sern todos los nmeros pertenecientes a algn intervalo.
Otro ejemplo es El peso que tienen las personas que asisten a un evento ser tambin una variable
numrica continua, pues podrn pesar kilos, con gramos y hasta miligramos, dependiendo de la precisin
que queramos los resultados.
Si observas estas variables numricas pueden tomar cualquier valor en algn intervalo.
EJERCICIO
Describe los valores que pueden tomar las siguientes variables y escribe si sta es, una variable categrica nominal,
categrica ordinal, numrica discreta o numrica contina:
a) El Gnero (sexo) de cada alumno del grupo de quinto semestre.
Variable:
NOMINAL
b) La cantidad de estudiantes en cada grupo de una escuela:
Variable:
NUMRICA
c) El Peso de los nios mexicanos de 6 aos.
Variable:
ORDINAL
d) El dao causado a los pulmones de los jvenes que fuman.
Variable:
ACTIVIDADES DE APRENDIZAJE I
e) Tipo de material con el que se construyen los techos de las viviendas de una localidad.
Variable: ________________________________
f) El nmero de naranjas producidas por cada naranjo en una huerta.
Variable: _______________________________________
g) La cantidad de afecto o amor que siente un nio por su mam.
Variable: ______________________________________
h) El tiempo de reaccin de una sustancia qumica en el laboratorio.
Variable: ______________________________________
REDONDEO DE DATOS
Dado que estaremos dando nuestras respuestas finales con dos decimales y en ciertas ocasiones hasta
con cuatro cifras decimales, necesitamos decidir cmo determinar el valor de los ltimos dgitos.
Si nuestro resultado final tiene ENTEROS redondearemos a DOS DECIMALES
Primer ejemplo cuando el residuo es menor que 0.5: 34.01350 = 34.01 es la respuesta potencial y .350 el
residuo; como .350 es menor que 0.5, el ltimo dgito de la respuesta potencial permanece sin cambio y
la respuesta final es 34.01
Segundo ejemplo cuando el residuo es mayor que 0.5: 34.01761 34.01 es la respuesta potencial y .761
el residuo; como .761 es mayor que 0.5, al ltimo dgito de la respuesta potencial debemos sumar 1 al
ltimo dgito, por lo que la respuesta correcta es 34.02
Tercer ejemplo cuando el residuo es igual a 0.5 y el ltimo dgito de la respuesta potencial es impar:
43.07500;
43.07 es la respuesta potencial y .500 el residuo; como es impar el ltimo dgito de la
respuesta potencial se AUMENTA 1, por lo que la respuesta correcta es 43.08
Cuarto ejemplo cuando el residuo es igual a 0.5 y el ltimo dgito de la respuesta potencial es par:
17.06500; 17.06 es la respuesta potencial y .500 el residuo; como es par el ltimo dgito de la respuesta
potencial NO se aumenta 1, por lo que la respuesta correcta es 17.06
PROBABILIDAD Y ESTADSTICA
0.2678198 = ___________________
72.87754 = ____________________
0.5489657= ___________________
5985.3578 = ___________________
0.4569866 = ___________________
99.7156 = _____________________
0.005329 = _____________________
ACTIVIDADES DE APRENDIZAJE DE II
Redondea las siguientes cifras:
22.666666 = __________________
0.7654598= ___________________
57.87754 = ____________________
0.0663597= ___________________
3876.2255 = ___________________
0.3877865 = __________________
99.7156 = _____________________
0.005329 = ____________________
NOTACIN SISTEMATIZADA
En estadstica, por lo general, trabajamos con datos agrupados resultantes de medir una o ms variables.
Con gran frecuencia, los datos se obtienen de las muestras y en ocasiones de las poblaciones. Para fines
matemticos, generalmente se utiliza la letra mayscula X y a veces la Y, para representar la(s)
variable(s). As, si estuviramos midiendo la edad de los sujetos, haramos que X represente la variable
edad. Si existen muchos valores de la variable agregamos un subndice al smbolo X. Ilustramos este
proceso en la siguiente tabla, la cual contiene las edades de seis sujetos:
Nmero
Smbolo
Valor del dato,
de sujeto
del dato
edades
1
X1
8
2
X2
10
3
X3
7
4
X4
6
5
X5
10
6
X6
12
En este ejemplo representamos la variable edad mediante el smbolo X, adems, N representa el
nmero total de datos que hay en la distribucin. En este ejemplo, N = 6, Cada uno de los seis datos
representa un valor especfico de X. Distinguimos los seis datos diferentes, al agregar un subndice a X,
correspondiente al nmero de sujeto que tiene el valor dado. As, el smbolo X 1 corresponde al valor del
dato 8, X2 al valor del dato 10 hasta el X 6 al 12. En general, podemos referirnos a un nico dato de la
distribucin X como Xi, donde i puede asumir cualquier valor de 1 a N, segn el dato que queramos
designar. En resumen:
X o Y representa la variable medida.
N representa el nmero total de sujetos o datos.
Xi es el i-simo dato, donde i puede variar de 1 a N
PROBABILIDAD Y ESTADSTICA
CIFRAS SIGNIFICATIVAS:
En la estadstica analizamos datos; este anlisis implica muchos clculos matemticos. Con mucha
frecuencia tenemos un residuo decimal, por ejemplo, despus de realizar una divisin. Cuando esto
ocurre, necesitamos decidir la cantidad de cifras decimales que utilizaremos para el residuo.
En las ciencias fsicas, por lo general, se utiliza el mismo nmero de cifras significativas que tienen los
datos en bruto, Por ejemplo, si medimos el peso de cinco sujetos hasta tres cifras significativas (173, 156,
162, 165, y 175 libras) y queremos calcular el promedio de estos pesos, nuestra respuesta debe contener
slo tres cifras significativas. As
La respuesta de 166.2 se redondea a tres cifras significativas, dando un resultado final de 166 libras. Por
varias razones y mas por continuar una tradicin, en el presente curso de estadstica utilizaremos DOS
cifras decimales redondeadas cuando el resultado tenga ENTEROS y CUATRO cifras decimales cuando
NO EXISTAN ENTEROS, sin importar las cifras significativas de los datos en bruto. As cuando se pida
que el resultado tenga dos cifras decimales, debemos realizar los clculos intermedios con al menos
CUATRO cifras decimales y redondear la respuesta final a dos cifras.
CLCULOS
Una de las operaciones que se realizan con ms frecuencia en estadstica consiste en sumar todos o una
parte de los datos que pertenecen a una distribucin. Como no es prctico escribir suma de todos los
datos cada vez que se necesite emplear esta operacin, particularmente en las ecuaciones, se utiliza
una abreviatura simblica. La letra griega mayscula sigma ( ) indica la operacin de sumatoria. La
frase algebraica utilizada para la sumatoria es:
N
X
i 1
Esta expresin se lee como la suma de la variable X de i = 1 a N. Las notaciones que aparecen arriba y
debajo del signo de la sumatoria indican los datos que deben incluirse en la operacin. El trmino que
aparece debajo del signo de la sumatoria nos indica el primer dato en esta operacin, y el trmino que se
encuentra arriba de dicho signo indica el ltimo dato. As, esta frase seala que debemos sumar los datos
X, comenzando con el primero y concluyendo con el N-simo dato.
N
X
i 1
X 1 X 2 X 3 ... X N
As.
Ecuacin de una sumatoria
Al aplicar la sumatoria a los datos de las edades de la tabla anterior, tenemos que:
N
X
i 1
X1 X 2 X 3 X 4 X 5 X 6
=8 + 10 + 7 + 6 + 10 + 12 = 53
PROBABILIDAD Y ESTADSTICA
10
Cuando la sumatoria se realiza con todos los datos (de 1 a N), es frecuente que la propia frase de esta
operacin se abrevie, omitiendo las notaciones arriba y abajo del signo de la suma, al igual que el
subndice i. As.
N
X
i 1
En el ejemplo anterior,
=53, esta expresin indica que la suma de todos los datos X es 53.
Observa que no es necesario que la sumatoria se realice de 1 a N, Por ejemplo, podramos querer sumar
slo el segundo, tercer, cuarto y quinto dato. Recuerda que la notacin debajo del signo de la
sumatoria nos dice dnde comenzar la suma, y el trmino arriba de dicho signo nos dice dnde
terminarla.
N
X
i2
Utilizaramos el smbolo
X
i2
X 2 X 3 X 4 X 5 10 7 6 10 33
X
i 1
X
i 1
10 12 13 35
Por lo tanto:
4
3 (24 25 28) 3
Por lo tanto:
=77
4
24 3 25 3 28 3
Por lo tanto:
86
11
PROBABILIDAD Y ESTADSTICA
N
i 1
Existen otros dos tipos de sumatorias que veremos con frecuencia en estadstica y son:
( X ) 2
i 1
i 1
El smbolo
(suma de los cuadrados de los datos X) indica que primero debemos elevar el
cuadrado de los datos X y luego sumarlos. As:,
X 12 X 22 X 32 ..... X N
N
( X ) 2
i 1
El smbolo
, o (el cuadrado de la suma de los datos X), indica que primero debemos sumar los
datos X y luego elevar al cuadrado la suma resultante. As,
( X ) 2 X 1 X 2 X 3 ..... X N
La confusin es muy comn cometerlo, sobre todo cuando se calculan las desviaciones estndar, eso lo
analizaremos un poco mas adelante.
EJERCICIO
Primer ejercicio si
7
X
i 3
(X
i 1
X
i 2
12)
205
PROBABILIDAD Y ESTADSTICA
6
( X i ) 8
2
i 2
( X i ) 2 510
i 1
X
i 3
(X
i 1
X
i 2
12)
205
( X i ) 8
2
i 2
( X i ) 2 510
i 1
12
PROBABILIDAD Y ESTADSTICA
13
DISTRIBUCIONES DE FRECUENCIAS
TABLA DE DISTRIBUCIN DE FRECUENCIAS
La Tabla de Distribucin de Datos o Tabla de Distribucin de Frecuencias, adems de ser un instrumento
til para resumir un conjunto de datos obtenidos en una investigacin, es una herramienta muy importante
con que cuenta la estadstica para realizar las observaciones de manera rpida y sencilla.
Para construir dicha Tabla realizaremos siete pasos y para tu mejor aprendizaje, desarrollaremos un
ejemplo con una variable numrica discreta, ya que deseamos conocer el tiempo en minutos que
emplearon para estudiar 50 estudiantes del CBTA 153 en la materia de Estadstica Descriptiva.
PASO UNO: TOMA Y ORDENACIN DE DATOS:
La recopilacin de los datos consiste en asistir al grupo de estudiantes y obtener los valores mediante
una pregunta abierta sobre el tiempo en minutos que emplearon para estudiar el tema de estadstica o si
desconfiamos, podemos medir directamente el tiempo durante las asesoras que emplearon cada uno de
los alumnos al estudiar estadstica. En resumen para recopilar los datos debemos "asistir" al lugar donde
vamos a 'tomar" o "levantar" los datos. Esto puede ser mediante entrevistas, cuestionarios, observaciones
o mediciones directas a los individuos o cosas que corresponda nuestra variable.
Supongamos que los 50 datos obtenidos en nuestra variable: tiempo de estudio de la materia de
estadstica en minutos fueron los siguientes:
75
60
80
67
81
71
74
63
72
70
76
62
82
63
81
66
78
68
80
74
67
74
84
70
63
77
68
82
74
72
76
64
75
80
69
85
71
79
60
74
83
75
67
72
78
64
77
81
76
70
La Ordenacin de los datos consiste en colocar los datos tomados en orden creciente (de menor a
mayor) o decreciente (de menor a mayor). Nosotros los vamos a ordenar en forma creciente y sobre todo
"contando" y "anotando" los que se repitan, que ser la frecuencia.
Ordenacin de datos:
Tiempo empleado en minutos
Conteo
Frecuencia
60
62
63
64
66
67
68
69
70
71
72
//
/
///
//
/
///
//
/
///
//
///
2
1
3
2
1
3
2
1
3
2
3
PROBABILIDAD Y ESTADSTICA
14
74
/////
5
75
///
3
76
///
3
77
//
2
78
//
2
79
/
1
80
///
3
81
///
3
82
//
2
83
/
1
84
/
1
85
/
1
Total
50
Es importante que la suma total sea igual al nmero de datos que tomamos en la investigacin.
PASO DOS: RANGO.
El rango o recorrido es la diferencia que hay entre el dato mayor y el menor. Una vez que se ordenaron
los datos en forma creciente obtenemos el rango
85 que es el dato mayor
60 que es el dato menor
25
ser el rango o recorrido
PASO TRES: INTERVALOS DE CLASE.
Cuando se tiene un gran nmero de datos, se recomienda distribuirlos en clases o categoras llamadas
intervalos de clase o celdas. Para decidir la cantidad de intervalos de clase que se van a utilizar (o
nmero de clases) y la amplitud de los intervalos (o ancho del intervalo) se siguen las siguientes
operaciones:
Primero el NMERO DE CLASES o INTERVALOS se obtienen con la frmula:
Q = 1 + 3.322 (log. n) donde n es el nmero de datos y log. Es el logaritmo de dicho nmero. Siguiendo
el ejemplo tenemos:
Q = 1+ 3.322 (log. 50) observa que obtendremos el logaritmo de 50. En una calculadora el logaritmo de
50 es 1.69897... Redondeando su valor ser 1.70 Este valor lo multiplicamos por 3.322 y nos da en la
calculadora 5.64... Que redondeado ser 5.64 y finalmente le sumamos 1 a dicha cantidad arrojndonos =
6.64 Si el nmero que nos arroje la formula tiene su primera decimal igual o mayor que .5 se aumenta el
entero. As en nuestro ejemplo tenemos que 6.6 sera igual a 7.
En resumen y de acuerdo a la frmula el nmero de intervalos ser de 7
PASO CUATRO: ANCHO DEL INTERVALO: Se divide el rango entre el nmero de intervalos para
obtener la anchura de cada intervalo o celda.
25
7
Rango / nmero de intervalos de clase =
= 3.57 redondeando ser igual a 4
Por lo tanto el ancho del intervalo ser de 4
Resulta claro que si lo ancho del intervalo es de 4 y el nmero de intervalos son 7; (4) (7) = 28 se cubrir
todo el rango que es de 25.
Debemos hacer uso de los Lmites reales Inferiores (L.R.I.), quitando 0.5 al dato ms chico que en
nuestro caso es de 60 minutos. Por lo tanto ser de 59.5 el L.R.I. Luego a este se le suma lo ancho del
intervalo que es de 4 resultando 63.5 que es el Lmite Real Superior (L.R.S.) por lo que ahora si
podemos decir que los dos datos 64 se debern anotarse en el 2do. Intervalo que iniciara en 63.5 hasta
67.5 como lmite real superior.
PASO CINCO: TAMAO DEL INTERVALO DE CLASE.
PROBABILIDAD Y ESTADSTICA
15
Ahora si podemos construir cada uno de los intervalos con sus lmites reales inferiores y limites reales
superiores.
Recuerda que el ancho de cada intervalo es de 4 y que en total son siete (7) intervalos de acuerdo a las
operaciones realizadas anteriormente:
INTERVALOS DE CLASE
L. R. I.
L. R. S.
59.5
63.5
63.5
71.5
71.5
79.5
87.5
Observacin Importante: Si te fijas detenidamente en los intervalos y los datos ordenados del cuadro
anterior; los dos datos de 63.5 quedaran comprendidos en el 1er. y 2do. Intervalo, es decir, pueden
anotarse en el primero o en el segundo intervalo, tambin los 71.5 en el 3er o 4to intervalo; pero se sabe
que una observacin dada (los 63.5 y 71.5) deben colocarse en uno y solamente uno de los intervalos de
clase.
PASO SEIS: MARCA DE CLASE.
La marca de clase es el punto medio del intervalo de clase y se obtiene sumando los lmites reales
inferiores ms los lmites reales superiores, dividiendo el resultado entre dos.
59.5 63.5
2
123
2
6
50
Del 1er. y 2do Intervalos; Frecuencia Relativa de clase =
= 0.12 x 100 = 12 %
9
50
Del 6to intervalo; La Frecuencia Relativa =
= 0.18 x 100 = 18 %
Con todos los datos anteriores, finalmente construyamos nuestra
Tabla de distribucin de frecuencias de una variable numrica
Tiempo dedicado a estudiar la materia de estadstica
16
PROBABILIDAD Y ESTADSTICA
Intervalos de Clase
L.R.I.
L.R.S.
(59.5 ,
63.5]
(63.5
, 67.5]
(67.5
, 71.5]
(71.5
, 75.5]
(75.5
, 79.5]
(79.5
, 83.5]
(83.5
, 87.5]
TOTAL =
Marca
Clase
61.5
65.5
69.5
73.5
77.5
81.5
85.5
de Frecuencia
Absoluta
6
6
8
11
8
9
2
50
Frecuencia
Relativa (%)
12
12
16
22
16
18
4
100%
67.5]
65.5
12
6+6=12
12
x 100
%
50
(67.5
71.5]
69.5
16
12+8=20
20
x 100
%
50
(71.5
75.5]
73.5
11
22
(75.5
79.5]
77.5
8
16
(79.5
83.5]
81.5
9
18
(83.5
87.5]
85.5
2
4
TOTAL =
50
100%
50
100%
Con los datos anteriores terminamos los componentes principales del cuadro que tambin recibe el
nombre de... "TABLA DE DISTRIBUCIN DE FRECUENCIAS" por lo que...
Ya podemos obtener algunas CONCLUSIONES de nuestra investigacin.
Cuando las variables son cuantitativas o numricas sean discretas o continuas la representacin grfica
ms comn es el HISTOGRAMA DE FRECUENCIAS y el POLGONO DE FRECUENCIAS.
HISTOGRAMA DE FRECUENCIAS:
Este tipo de grfica consiste en una serie de rectngulos trazados en un sistema de coordenadas
cartesianas o rectangulares. Para realizar el histograma es necesario agrupar los datos en intervalos de
clase, con sus lmites reales inferiores y superiores, adems de su frecuencia absoluta.
Los rectngulos tienen sus bases sobre el eje horizontal con centros en las marcas de clase y su
longitud es igual a la anchura de los intervalos de clase. La altura de cada rectngulo corresponde al valor
de la frecuencia que tenga el intervalo que representa. En stos histogramas los rectngulos se trazan
adyacentes entre si.
De acuerdo a los datos de la "Tabla de distribucin de frecuencias" del ejemplo (pag.16), donde
analizamos el tiempo que dedican a estudiar la materia de estadstica 50 estudiantes, vamos a construir
su Histograma de Frecuencias.
PROBABILIDAD Y ESTADSTICA
17
Si observas en el eje vertical de las "Y", se ubican las frecuencias absolutas, mientras que en el
eje horizontal de las "X" se ubican los intervalos de clase en donde cada lmite real superior
corresponde al lmite real inferior del siguiente intervalo. Las marcas de clase (61.5) aunque es
permitido no escribirse en el histograma, se pueden ubicar ya que corresponde al punto medio de cada
intervalo.
Como habrs observado, el histograma nos ayuda a mostrar la frecuencia absoluta con que se presentan
algunos datos; otra forma de grfica son los
14 12 F
R
10 E
C
8 U
E
6 N
4 C
2 I
0
A
61.5 65.5 69.5 73.5 77.5 81.5 85.5
S
MARCAS DE CLASE (puntos medios)
POLGONOS DE FRECUENCIA.
Los polgonos de frecuencia tambin se construyen a partir de datos con variables cuantitativas o
numricas y se puede realizar a partir de un histograma si se desea.
Una vez trazado el histograma, se localizan los puntos medios o marcas de clase en la parte superior
de cada uno de los rectngulos o intervalos de clase. Se trazan segmentos de recta que unen cada punto
medio de cada uno de los intervalos.
PROBABILIDAD Y ESTADSTICA
18
Este polgono se encierra uniendo con el eje horizontal en el punto que corresponde al punto medio de un
rectngulo imaginario y adyacente al histograma, esto se hace en los extremos izquierdos y derechos del
polgono.
En el histograma se localizan los puntos medios en la parte superior de cada intervalo de clase y en el eje
horizontal, se indican las marcas de clase o puntos medios de cada intervalo.
Construyamos un polgono....
14 F
R
E
C
U
E
N
C
I
A
S
12 10 8 6 4 2 0
61.5 65.5 69.5 73.5 77.5 81.5 85.5
MARCAS DE CLASE (Puntos medios)
Para trazar el polgono de frecuencia unimos con rectas los puntos medios o marcas de clase con su
frecuencia absoluta respectiva, en donde estaban la parte alta de los rectngulos del histograma.
CONCLUSIONES
Te recordamos que los 50 datos son del tiempo en minutos dedicado a estudiar estadstica por los
estudiantes. Si analizamos detenidamente sus datos, podemos ver que el mayor nmero de casos
(frecuencia absoluta) es 11 y dedican de 71.5 a 75.5 minutos en estudiar (su intervalo) pero adems
representan el mayor porcentaje con un 22% del total.
Caso contrario, son lo que dedican de 83.5 a 87.5 minutos en estudiar pues nicamente son 2 y
representan un 4 % del total.
Si observamos en global el cuadro, podemos decir que la mayora de los estudiantes (Los intervalos 3,4 y
5) dedican de 67.5 a 79.5 minutos en estudiar y representan el 54 % del total.
Analizando otros datos podremos obtener ms conclusiones de nuestro trabajo e ir descubriendo lo
importante de nuestra investigacin. Mas adelante aprenders a realizar GRFICAS con los datos
obtenidos de la tabla de frecuencias. Quedamos pendientes. .. ,
EJERCICIO
1) siguiendo los ocho pasos para una variable numrica, ordena los datos de la siguiente variable y
realiza las operaciones correspondientes hasta obtener completa la "tabla de distribucin de frecuencias"
de las Estaturas de 55 estudiantes con aproximacin de un centmetro. Datos:
144
145
176
167
159
172
161
143
165
156
153
150
163
180
164
156
164
173
153
154
150
175
149
164
146
166
179
158
152
169
167
165
173
151
171
164
165
148
154
149
175
153
176
146
162
170
160
169
158
159
175
159
160
180
180
PROBABILIDAD Y ESTADSTICA
19
Aqu realiza los siete pasos y tus clculos correctamente hasta llenar tu Tabla de distribucin de
frecuencias
Paso 1 Ordenacin de datos.
Paso 2 Rango... etc
Tabla de distribucin de frecuencias de una variable numrica
Intervalos de Clase Marca de Frecuencia
Frecuencia
Frec. Acum. Frec. Acum.
L.R.I.
L.R.S. Clase vi
Absoluta fi
Relativa (%) pi absoluta
relativa
TOTAL =
Dibuja en sta hoja el HISTOGRAMA, el POLIGONO DE FRECUENCIAS y la OJIVA. HISTOGRMA:
Estatura de 55 estudiantes
POLGONO DE FRECUENCIAS. Estatura de 55 estudiantes
LA OJIVA: Estatura de 55 estudiantes
PRINCIPALES CONCLUSIONES:
1.____________________________________________________________________
2.____________________________________________________________________
3_____________________________________________________________________
ACTIVIDADES DE APRENDIZAJE IV
1) siguiendo los ocho pasos para una variable numrica, ordena los datos de la siguiente variable y realiza las
operaciones correspondientes hasta obtener completa la "tabla de distribucin de frecuencias" de las
Aciertos en un Examen de admisin a la Universidad de 55 estudiantes. Datos:
154
165
156
160
159
170
151
163
166
166
153
160
173
160
161
166
162
153
163
156
170
165
159
168
149
163
169
157
162
159
168
155
163
161
161
174
160
168
152
169
165
156
166
166
162
160
170
163
168
157
165
159
163
160
160
Aqu realiza los siete pasos y tus clculos correctamente hasta llenar tu Tabla de distribucin de frecuencias
Paso 1 Ordenacin de datos.
Paso 2 Rango... etc
Tabla de distribucin de frecuencias de una variable numrica
Intervalos de Clase
L.R.I.
L.R.S.
TOTAL =
Frec. Acum.
absoluta
Frec. Acum.
relativa
PROBABILIDAD Y ESTADSTICA
20
MARCA
DE
CLASE
11
14
17
20
23
26
29
32
35
Frecuencia
Absoluta
fi
3
4
6
7
9
8
5
3
2
47
Frecuencia
relativa
% pi
6.38%
8.51%
12.77%
14.89%
19.15%
17.02%
10.64%
6.38%
4.26%
100%
Frecuencia
acumulada
Frecuencia
relativa acumulada
3
7
13
20
(3+4 )
(7+6)
(
)
100%
243
PROBABILIDAD Y ESTADSTICA
21
Primero se coloca un punto sobre el eje horizontal donde est el 9.5, puesto que no hay observaciones de sta o de
inferior magnitud. Luego se traza el siguiente punto en el 12.5 a la altura del 3, esto se puede hacer porque hay 3
registros iguales o menores de 12.5 de esta manera se continan representando el resto de los puntos.
Ejemplo: Tomando como base la distribucin de frecuencia acumulada del ejemplo anterior, y el tiempo en minutos
que emplean los integrantes de un grupo de estudiantes de ir de su casa a la escuela, construyamos la ojiva
correspondiente:
50
40
30
FRECUENCIA ACUM ULADA
20
10
0
INTERVALO DE CLASE
En esta pgina transfiere los datos de la tabla de distribucin de frecuencias del ejercicio de la pgina 16
y en las dos columnas ltimas obtn la FRECUENCIA ACUMULADA y la FRECUENCIA RELATIVA
ACUMULADA, adems construye su grfica llamada OJIVA.
1 SIMULACRO DE EXAMEN
Describe los valores que pueden tomar las siguientes variables y escribe si sta es, una variable categrica nominal, categrica
ordinal, numrica discreta o numrica continua:
a) El Gnero (sexo) de cada alumno del grupo de quinto semestre.
Variable: __________________________________________
b) La cantidad de estudiantes en cada grupo de una escuela:
Variable: _________________________________________
c) El Peso de los nios mexicanos de 6 aos.
Variable: ________________________________________
d) El dao causado a los pulmones de los jvenes que fuman.
Variable: _______________________________________
e) Tipo de material con el que se construyen los techos de las viviendas de una localidad.
Variable: ________________________________
f) El nmero de naranjas producidas por cada naranjo en una huerta.
Variable: _______________________________________
g) La cantidad de afecto o amor que siente un nio por su mam.
Variable: ______________________________________
h) El tiempo de reaccin de una sustancia qumica en el laboratorio.
Variable: ______________________________________
Redondea las siguientes cifras:
22.666666 = __________________
0.7654598= ___________________
57.87754 = ____________________
7
x
i 3
0.0663597= __________________
Primer ejercicio si
PROBABILIDAD Y ESTADSTICA
5
(x
i 1
22
12)
______________________________________________
1) siguiendo los ocho pasos para una variable numrica, ordena los datos de la siguiente variable y realiza las operaciones
correspondientes hasta obtener completa la "tabla de distribucin de frecuencias" de las Estaturas de 55 estudiantes con
aproximacin de un centmetro. Datos:
154
165
156
160
159
170
151
163
166
166
153
160
173
160
161
166
162
153
163
156
170
165
159
168
149
163
169
157
162
159
168
155
163
161
161
174
160
168
152
169
165
156
166
166
162
160
170
163
168
157
165
159
163
160
160
Aqu realiza los siete pasos y tus clculos correctamente hasta llenar tu Tabla de distribucin de frecuencias
Paso 1 Ordenacin de datos.
Paso 2 Rango... etc
Tabla de distribucin de frecuencias de una variable numrica
Intervalos de Clase L.R.I. Marca de Clase
Frecuencia
Frecuencia
L.R.S.
Absoluta
Relativa (%)
TOTAL =
Dibuja el HISTOGRAMA, el POLIGONO DE FRECUENCIAS y la OJIVA.
HISTOGRMA: Estatura de 55 estudiantes
POLGONO DE FRECUENCIAS. Estatura de 55 estudiantes
OJIVA: Estatura de 55 estudiantes
M E D I D AS D E T E N D E N C I A C E N T R AL
PROMEDIOS O MEDIAS
En estadstica al promedio se le conoce como medida de tendencia central, ya que est localizado
hacia el medio o centro de una distribucin, en la que la mayora de los valores tendern a concentrarse.
Entre los ms comunes se pueden mencionar: la media aritmtica, la mediana y la moda
Media Aritmtica
MEDIDAS DE TENDENCIA CENTRAL
Mediana
Moda
PROBABILIDAD Y ESTADSTICA
23
Si los datos o valores han sido agrupados en intervalos de clase, entonces se considera que todos los
valores incluidos dentro de un determinado intervalo son iguales o estn representados por el punto
medio del intervalo o la marca de clase. En este caso se procede a multiplicar cada punto medio por su
respectiva frecuencia. Luego se suman estos productos, para finalmente dividir este resultado entre el
total de datos.
Es importante sealar que el valor de la media de la frecuencia agrupada es suficientemente aproximado
para trabajos de estadstica y que el valor de la media no ser suficientemente aproximado si la
distribucin de frecuencias agrupadas es muy irregular o demasiado asimtrica.
La frmula para la media aritmtica en datos agrupados es la siguiente:
X =
( f ) (x)
n
X =
( f ) (v i)
n
Donde
f = Frecuencias absolutas de los intervalos.
2 c
Me Li
(i )
fme
Donde:
Me = Mediana
Li = Lmite real inferior de la clase que contiene la mediana.
n = El nmero de datos o frecuencia total.
c = La frecuencia acumulada precisamente hasta la clase anterior a la clase mediana o la suma de
las frecuencias de los intervalos por debajo de la mediana.
fme = La frecuencia de la clase mediana.
i = Tamao del intervalo o amplitud de la clase mediana.
PROBABILIDAD Y ESTADSTICA
24
d1
(i )
d
d
1
2
Mo Li
Donde:
Mo = Moda
L1 = Lmite real inferior de la clase que contiene la moda
d1 = Diferencia de la frecuencia de la clase modal y la frecuencia de la clase contigua inferior.
d2 = diferencia de la frecuencia de la clase modal y la frecuencia de la clase contigua superior.
i = Tamao del intervalo o amplitud del intervalo de la clase modal.
A continuacin resolveremos un ejercicio para utilizar las frmulas de la media, la mediana y la moda de
datos agrupados.
Ejemplo: En la siguiente tabla se resumen los datos de los pesos en kilogramos de 50 estudiantes.
Con base a la siguiente tabla de distribucin de frecuencias, calculemos los valores de la media, la
mediana y la moda, recordando cmo se conforman las columnas de Intervalos de clase ( I ), Marca de
clase o punto medio ( X ), Frecuencia absoluta( f ), Frecuencia relativa % ( f ) y la Frecuencia acumulada
( F ).
Marca
de Frecuencia
Frecuencia
Absoluta
relativa
Intervalos de clase clase
(vi)
( fi )
( pi )
(I)
30.5 33.5
32
1
.02
33.5 36.5
35
2
.04
36.5 39.5
38
6
.12
39.5 42.5
41
11
.22
42.5 45.5
44
16
.32
45.5 48.5
47
9
.18
48.5 51.5
50
4
.08
51.5 54.5
53
1
.02
TOTAL =
50
1.0 o 100%
CALCULO DE LA MEDIA ARITMTICA para datos agrupados
Su frmula es x =
( f i ) (v i)
n
Frecuencia
acumulada
(F)
1
3
9
20
36
45
49
50
PROBABILIDAD Y ESTADSTICA
25
Esta expresin no se puede aplicar directamente, ya que nicamente se cuenta con el dato del
denominador, esto es n = 50, pero no se tiene el dato del numerador. Para ello se agrega una columna a
la tabla, donde se proporcionan los datos agrupados en intervalos. Esta columna se construye
multiplicando el punto medio de cada intervalo por su respectiva frecuencia y cuando se tengan todos los
productos, se procede a obtener la suma de ellos. La tabla original ya con la columna Fx y la suma de
sta queda de la siguiente manera.
I
X(Marca de f
f
F
fx
clase)
30.5 33.5
32
1
.02
1
32
33.5 36.5
35
2
.04
3
70
36.5 39.5
38
6
.12
9
228
39.5 42.5
41
11
.22
20
451
42.5 45.5
44
16
.32
36
704
45.5 48.5
47
9
.18
45
423
48.5 51.5
50
4
.08
49
200
51.5 54.5
53
1
.02
50
53
TOTAL =
50
1 o 100
2161
Entonces:
x =
( f i ) (v i) = 2161 =43.22
n
50
vi
32
35
38
41
44
47
50
53
fi
1
2
6
11
16
9
4
1
50
pi
.02
.04
.12
.22
.32
.18
.08
.02
1
F
1
3
9
20
36
45
49
50
Si partimos de la definicin, la mediana es el dato central, como hay OCHO INTERVALOS estar entre el
cuarto y quinto intervalo; entonces, debe estar comprendida en el intervalo 42.5 45.5, ya que
observando la columna F, a este intervalo le corresponde una frecuencia acumulada de 36. Note
Usted que si se toma el intervalo inmediato inferior, 39.5 42.5 se observa en la columna F, que hasta
esta celda hay 20 VEINTE casos y como se tiene un total de 50 datos, el caso central es el nmero 25.
As pues el intervalo donde est la mediana es:
PROBABILIDAD Y ESTADSTICA
26
42.5 45.5 44
16
32
36
Algunos autores efectan el siguiente razonamiento, sin utilizar la frmula, pero si interpolando una
relacin proporcional: ANALIZA DETENIDAMENTE
n = 50 por lo tanto la media est en 50/2 = 25
El L.R.I.(Limite real inferior) de la mediana = 42.5
Como 20 casos (1+2+6+11) caen por debajo del L.R.I. de la mediana, necesitamos 5 datos ms, para
llegar a 25. Dado que existen 16 casos (frecuencia) en el intervalo y ste tiene 3 de amplitud o ancho,
hacemos una regla de tres.
16 es a 3 como 5 es a x
16 : 3 :: 5 : x
x= (3)(5) =
15 = 0.9375
16
16
Al L.R.I. le sumamos el resultado Me = 42.5 + 0.9735 = 43.4375
Finalmente mediana = 43.44 Kg.
Ahora utilicemos la frmula para determinar la mediana en datos agrupados:
Me Li 2
(i )
Fme
41
11
.22
20
.40
451
42.5 45.5
44
16
.32
36
.72
704
Analizando estos dos intervalos se pueden obtener los siguientes valores:
L1 = 42.5 lmite real inferior que contiene la mediana
2
n = 50 es el nmero total de frecuencias
de donde:
25
c = 20 es la frecuencia acumulada hasta la clase anterior a la clase mediana
fme = 16 es la frecuencia de la clase mediana
i = 3 es el tamao del intervalo o amplitud de la clase mediana.
PROBABILIDAD Y ESTADSTICA
27
Me = 42.5+
25 20
16
( 3 ) = 42.5 +
5
16
( 3 ) = 42.5 +
15
16
= 42.5 +
15
16
d1
(i )
d
d
2
1
Mo Li
Mo = 42.5 +
Mo = 42.5 +
5
5 7
15
12
(3)
Mo = 42.5 +
12
( 3 )
PROBABILIDAD Y ESTADSTICA
28
Marca
De clase (vi)
Frecuencia
de clase (fi)
(9.5 , 12.5]
(12.5 ,15.5]
(15.5 , 18.5]
(18.5 , 21.5]
(21.5 , 24.5]
(24.5 , 27.5]
(27.5 , 30.5]
(30.5 , 33.5]
(33.5 , 36.5]
T O T A L:
11
14
17
20
23
26
29
32
35
3
4
6
7
9
8
5
3
2
47
ACTIVIDADES DE APRENDIZAJE VI
Calcula la Media aritmtica, Mediana y Moda del ejercicio siguiente.
Intervalos de Clase
Marca de
Frecuencia
(f)( vi)
L.R.I.
L.R.S.
Absoluta (fi )
Clase (vi )
(59.5
,
(63.5
,
(67.5
,
(71.5
,
(75.5
,
(79.5
,
(83.5
,
TOTAL =
63.5]
67.5]
71.5]
75.5]
79.5]
83.5]
87.5]
61.5
65.5
69.5
73.5
77.5
81.5
85.5
6
6
8
11
8
9
2
50
De las edades de 40 maestros de los C.B.T.a s, calcula las MEDIDAS DE TENDENCIA CENTRAL (MEDIA,
MEDIANA Y MODA) Tanto de los siguientes datos.
Edades:
36, 53, 35, 28, 30, 36, 45, 29, 43, 28,
30, 46, 39, 54, 47, 44, 34, 40, 50, 38,
47, 56, 48, 42, 39, 47, 53, 51, 38, 29,
48, 52, 47, 46, 41, 40, 45, 39, 47, 38.
MEDIDAS DE DISPERSIN
PROBABILIDAD Y ESTADSTICA
29
A menudo escuchamos que en los pases latinoamericanos existe mucha DIFERENCIA entre los ingresos
que perciben por ejemplo los polticos y los trabajadores de otra clase social de la poblacin. Esas
diferencias tienen sus races en distintos fenmenos sociales, polticos y econmicos; sin embargo, un
economista dira el ingreso per cpita en los pases latinoamericanos est ms DISPERSO que el
ingreso per cpita de los pases desarrollados.
El concepto de DISPERSIN resulta importante en casi todos los estudios, ya que puede darse el caso
de poblaciones con igual valor central (Media aritmtica, Mediana o Moda), pero una puede estar ms
DISPERSA que la otra, es decir, los promedios nos sirven para describir los datos representados por la
tendencia central del conjunto. Por lo tanto, el promedio no logra por si mismo describir completamente a
una coleccin de datos; se necesitan otros valores que nos indiquen el grado en que las observaciones
estudiadas se apartan o VARAN con respecto al valor central, es decir, el GRADO DE VARIACIN O
DISPERSIN.
EJEMPLO
Con los siguientes datos de dos poblaciones, analicemos primeramente sus medias aritmticas:
169
51
= 3.31
n = 51
Frecuencia
15 -13 -11 -9 -7 -5 -3 -1 --
159
48
Poblacin B) : 1 ( 3 ), 2 ( 9 ), 3 ( 15 ), 4 ( 12 ), 5 ( 9 ) =
= 3.31 igual que la poblacin A
n = 48
15-13-Histograma de los datos de la poblacin B
11-Frecuencia
9-7-Media aritmtica (promedio) = 3.31
5-3-1-1
PROBABILIDAD Y ESTADSTICA
30
1 2 3 4 5
No obstante que en las dos poblaciones se obtuvo una media aritmtica igual de 3.31; al observar los dos
histogramas nos damos cuenta que no son iguales PERO...
EN CUL HISTOGRAMA ESTN MS DISPERSOS LOS DATOS?
En la poblacin A____________ o en la poblacin B_____________
Explica porque? ________________________________________________________
Por tal motivo las medidas de tendencia central, no dicen nada por s mismas, por lo que se deben
calcular las MEDIDAS DE DISPERSIN o LAS VARIACIONES de los datos. Por su clculo las
MEDIDAS DE DISPERSIN se dividen en absolutas y relativas, an que existen mas, estudiaremos las
siguientes:
DISPERSIN ABSOLUTA:
Rango o recorrido
Rango intercuartilico o desviacin cuartil
Desviacin Media
Varianza
Desviacin Estndar
DISPERSIN RELATIVA:
Coeficiente de variacin
RANGO O RECORRIDO
Como se ha indicado con anterioridad, el rango o recorrido es la diferencia entre el valor mayor y
el valor menor de un grupo de datos o sea:
RANGO = Dato mayor Dato menor
El rango es una medida de dispersin que no se utiliza mucho, aunque su clculo es muy rpido. Si
analizamos el rango de los histogramas anteriores tenemos que;
En la primera poblacin A su rango es:
R=81=7
(su rango o recorrido es 7)
En la segunda poblacin B se rango es:
R=51=4
(su rango o recorrido es 4)
Por lo tanto y como 7 > 4, podemos sealar con seguridad que los datos de la primera poblacin A), est
ms dispersa o desviados que los datos de la segunda poblacin B).
MEDIDAS DE DISPERSIN PARA DATOS NO AGRUPADOS
DESVIACIN MEDIA, VARIANZA, DESVIACIN ESTANDAR O TPICA Y COEFICIENTE DE
VARIACIN, que son medidas de dispersin que tienen relacin con la media aritmtica, y por sus
propiedades algebraicas son las de ms frecuente aplicacin y de mayor importancia.
QUE ES EL DESVO O DESVIACIN?
El desvo de cada observacin (o dato) es la DIFERENCIA ENTRE LA OBSERVACIN (o el dato) Y LA
MEDIA ARITMTICA. El desvo es un concepto fundamental que nos permitir comprender
posteriormente otras medidas de dispersin. Por lo tanto.
PROBABILIDAD Y ESTADSTICA
xi
31
Desvo ( d ) =
Pero hagamos un ejemplo
Si el conjunto de datos son: 4, 2, 5, 8, 2, 1, 7, 8, 5, y 7 su media aritmtica es = 4.9
Cul es la dispersin de cada dato? Cul es el dato que est mas disperso? Cul es el dato menos
disperso?
Ordenamos los datos de menor a mayor 1, 2, 2, 4, 5, 5, 7, 7, 8, 8 y grafiquemos
x
1
2
4
7
8 9
=4.9
Segn la frmula anterior, desvo es igual al dato menos la media aritmtica por lo tanto tenemos:
La desviacin de cada dato ser:
Calculo del desvo
Datos d = xi - x
desvo =
1
2
2
4
5
5
7
7
8
9
49/10
=
4.9
1 4.9 =
2 4.9 =
2 4.9 =
4 4.9 =
5 4.9 =
5 4.9 =
7 4.9 =
7 4.9 =
8 4.9 =
8 4.9 =
- 3.9
-2.9
-2.9
-0.9
0.1
0.1
2.1
2.1
3.1
3.1
-10.6
+10.6= 0.0
Suman
10.6
Suman
+ 10.6
De
acuerdo a los resultados de la tabla Cul
es el dato que est ms disperso?
Es el nmero 1, porque independientemente de su signo, su valor absoluto es el mas alto y es de 3.9 de
desvo.
Ahora Cul es el dato menos disperso?. Es el nmero 5 porque est ms cerca de la media aritmtica y
tiene un desvo de 0.1.
Si observas la tabla anterior en muy importante obtener primero el valor de la media aritmtica que en
nuestro caso fue de
49
=4.9
10
Por otro lado, al sumar los resultados NEGATIVOS de los desvos nos arroja un valor de 10.6 y al
sumar los resultados POSITIVOS de los desvos tambin nos da un valor de + 10.6 por lo tanto, se
comprueba que la diferencia de los desvos negativos y los positivos, nos da cero o en su defecto tiende
a ser cero.
Ahora resolvamos un problema para utilizar las medidas de dispersin
32
PROBABILIDAD Y ESTADSTICA
de DATOS
de
la
resistencia
del
concreto kg/cm2
358
369
363
358
336
341
Resistencia desvos
Kg/cm2
d = x1
358
369
363
358
336
341
Suma
=2125
2125/6=
Media
=354.17
La desviacin media es la media aritmtica de los valores absolutos (ignorando el signo) de las
desviaciones de cada elemento del conjunto de datos, es decir, hay que restar a la media aritmtica cada
valor del conjunto de datos, ignorando el signo, y sumamos todas las diferencias para dividirlo entre el
nmero total de datos.
N
Dm
| x
i 1
x|
Su formula es
Datos
resistencia
358
369
de Desvo
x3.83
14.83
Valor absoluto
|x3.83
14.83
x |
PROBABILIDAD Y ESTADSTICA
3
4
5
6
363
358
336
341
2125
6
8.83
3.83
-18.17
-13.17
0.02
33
8.83
3.83
18.17
13.17
Suma = 62.66
= 354.17
Desviacin media es igual a... La suma de los valores absolutos entre el nmero de muestras
62.66
6
Desviacin Media ( dm ) =
= 10.44
Como se ve en el ejemplo anterior,
La Desviacin Media MIDE LA DISPERSIN ALREDEDOR DEL PROMEDIO, mas que la dispersin de
ciertos valores, ya que el concepto de desviacin media se origina cuando los desvos se toman en valor
absolutos, eliminando as el efecto de que la suma de los desvos (x 1 x = 0 ) que es igual a cero (o
tiende a cero).
Otra forma de hacerlo, es elevar al cuadrado los desvos, por lo que surge la...
VARIANZA (S2) : Que es la media aritmtica (promedio) de los cuadrados de los desvos y su frmula es
la siguiente:
Suma de desvos al cuadrado
N
S2
( x x)
1 i
Nmero de datos
Sigamos el mismo ejemplo para calcular la varianza ( S2 ):
AUMENTAMOS OTRA COLUMNA a la tabla, ahora para los desvos al cuadrado
Nmero
Datos
de Desvo
Valor
Desvos al
de
resistencia
absoluto
cuadrado
x
xmuestra
x |
x ) 2
|x(x 1
2
3
4
5
6
358
369
363
358
336
341
2125/6
x = 354.17
3.83
14.83
8.83
3.83
-18.17
-13.17
Se tiende a
0.02
3.83
14.83
8.83
3.83
18.17
13.17
Suma= 62.66
144.67
219.93
77.97
14.67
330.15
173.45
Suma = 830.83
= 138.47
PROBABILIDAD Y ESTADSTICA
34
Tambin se puede definir como la raz cuadrada de la media aritmtica de los cuadrados de los desvos.
( x i x )2
S=
2
S= s2
138.47
S=
= 11.77
Finalmente analicemos la medida de dispersin relativa llamada
COEFICIENTE DE VARIACIN ( C.V ): Es el resultado de la divisin de la desviacin estndar entre la media
aritmtica.
Este tipo de coeficiente es muy til para medir la DISPERSIN RELATIVA en base a la desviacin estndar y la
media y sirve bsicamente para comparar muestras distintas en trminos numricos adimensionales, es decir,
que mientras las dems medidas de dispersin tienen unidades, el coeficiente de variacin carece de ellas.
Su formula es... C. V. =
S ( Desviacin Estndar) .
X ( Media Aritmtica)
En el mismo ejemplo que estamos analizando, el coeficiente de variacin ser:
C. V = 11.77 . = 0.033
354.17
Tambin se puede expresar en porcentaje al multiplicar por 100 esto es, (0.033) (100) = 3.30%
C.V. = 3.30 %
RANGO ( R )= Es la diferencia del valor mayor menos el valor menor en un conjunto de datos y se emplea
de manera muy limitada, ya que es slo una apreciacin de la amplitud de los datos, y presenta poca
estabilidad; se usa, casi siempre que se requiera rapidez.
RANGO INTERCUARTIL ( Q ): es el resultado de la diferencia entre el tercer cuartil Q 3 y el primero Q1.
Su utilidad es baja y su valoracin respecto a la cantidad de datos que incluye en su aplicacin en una
distribucin normal es del 50 %
DESVIACIN MEDIA ( dm )= Es el promedio de los valores absolutos (ignorando signos) de las
desviaciones de cada dato; En sta prueba se pueden calcular los desvos tanto con la media aritmtica como
la mediana, segn convenga. Actualmente sta prueba casi no se usa. En una distribucin normal, la cantidad
de datos que incluye en su aplicacin es de aproximadamente el 58%.
VARIANZA ( S2 ) = Es el promedio de los cuadrados de los desvos y se utiliza en anlisis estadstico
avanzado, pero tiene el inconveniente de que sus unidades son las mismas de la variable al cuadrado.
DESVIACIN ESTNDAR ( S ) = Es la raz cuadrada de la varianza o del promedio de los cuadrados de
los desvos. Es la ms importante de todas las medidas de dispersin ya que incluye ms o menos el 68% de
los trminos de una distribucin normal, adems por sus propiedades algebraicas se utiliza con facilidad en el
anlisis estadstico
COEFICIENTE DE VARIACIN ( CV ) = Es el cociente entre la desviacin estndar y la media
aritmtica. Generalmente se utiliza para comparar muestras distintas y saber cul tiene mayor o menor
dispersin en sus datos.
PROBABILIDAD Y ESTADSTICA
35
EJERCICIO
Los siguientes datos son las edades de dos grupos de estudiantes del SAETA-JUAREZ, de la generacin
Agosto -2005. A cada uno de los grupos le obtendrs las medidas de dispersin siguientes:
DESVIOS de cada edad, DESVIACIN MEDIA, VARIANZA,
DESVIACIN ESTNDAR Y COEFICIENTE DE VARIACIN
GRUPO D
20 ESTUDIANTES
GRUPO F
25 ESTUDIANTES
15
17
18
19
21
16 16 18 19 19
19 19 20 21 21
22 22 22 22 23
27 29 29 30 32
Edad
16
16
18
19
19
19
19
20
21
21
22
22
22
22
23
27
29
29
30
32
Desvos
Valor
absoluto
Desvos al
cuadrado
Edad
15
15
15
16
16
17
17
17
18
18
18
18
19
19
19
19
20
20
21
21
21
22
22
29
30
Desvos
15
17
18
20
22
15
17
19
20
22
Valor
absoluto
16 16
18 18
19 19
21 21
29 30
Desvos al
cuadrado
PROBABILIDAD Y ESTADSTICA
36
DAT OS
AGRUPAD OS
Marca
de
clase (
Frecuencia
(alumnos)
fi
vi )
Frecuenci
a
por
marca de
clase
vi f i
Marca
de clase
al cuad
por frec
abs
Marca
de
clase
por
frec al cuad
2
Frec.
media
por
f i x
(v i f i)
vi f i
121.5 126.5
126.513.1.5
131.5136.5
136.5141.5
141.5146.5
146.5151.5
151.5156.5
156.5161.5
161.5166.5
Totales
124
134
144
149
159
2
3
8
23
27
20
16
3
2
n = 104
x =
vi f i
n
Dm=
2
( v i f i )
v f
n
n1
2
i i
S= s2
1
|v f f x|
n i i i
PROBABILIDAD Y ESTADSTICA
C . v .=
37
S
x
RESULTADOS
Desviacin media =_______________
Varianza = ____________________
Desviacin estndar = ______________
Coeficiente de variacin = _____________
Calcula las medidas de dispersin (desviacin media, varianza, desviacin estndar y coeficiente de
variacin) de los siguientes dos ejercicios.
Intervalos de Marca de Frecuencia
Clase
Clase (x) Absoluta (f)
148.5
152.5 150.5
3
152.5
156.5 154.5
7
156.5
160.5 158.5
13
160.5
164.5 162.5
12
164.5
168.5 166.5
13
168.5
172.5 170.5
5
172.5
176.5 174.5
2
TOTAL =
55
RESULTADOS
Desviacin media =_______________
RESULTADOS
Desviacin media =_______________
Varianza = ____________________
Varianza = ____________________
ACTIVIDADES DE APRENDIZAJE X
Calcula las medidas de dispersin (desviacin media, varianza, desviacin estndar y coeficiente de
variacin) de los siguientes dos ejercicios.
Intervalos de Marca de Frecuencia
Clase
Clase (x) Absoluta (f)
148.5
152.5 150.5
3
152.5
156.5 154.5
7
PROBABILIDAD Y ESTADSTICA
156.5
160.5
160.5
164.5
164.5
168.5
168.5
172.5
172.5
176.5
TOTAL =
158.5
162.5
166.5
170.5
174.5
38
13
12
13
5
2
55
UNIDAD II:P R O B A B I L I D A D
I N T R O D U C C I N: PRIMERA PARTE
TEORA DE CONJUNTOS
Conjunto es una coleccin de conceptos o de objetos perfectamente especificados, en tal forma que se
puede afirmar con certeza si cualquier objeto dado pertenece o no a la coleccin
Ejemplos:
Los ros del Estado de Sinaloa.
Las 6 primeras letras del alfabeto.
Los nmeros 1, 2, 3, y 4.
Para identificar un conjunto se usaran letras maysculas del alfabeto por ejemplo a los conjuntos antes
mencionados les llamaremos conjuntos A, B, y C respectivamente.
Hay dos maneras de describir un conjunto:
Por el mtodo de la lista, si los conjuntos tienen pocos elementos, los cuales se listan dentro de unas llaves.
Por el mtodo de la regla, si los conjuntos tienen muchos elementos se escribe dentro de unas llaves una
regla que describa los elementos del conjunto.
Ejemplificando los tres primeros ejemplos tendremos, para los ros de Sinaloa por el mtodo de la lista ser:
A={Choix, Fuerte, Sinaloa, Mocorito, Culiacn, San Lorenzo, Elota, Piaxtla, Presidio, Baluarte, Caas}
Por el mtodo de la regla ser:
A={x/x es uno de los ros de Sinaloa}, y se lee el conjunto de las x s, tal que xs es un rio de Sinaloa.
Para el conjunto de las 6 primeras letras del alfabeto a travs del mtodo de la lista ser:
B={a,b,c,d,e,f}
Por el mtodo de la regla ser:
B={x/x son las primeras 6 letras del alfabeto}, y se lee el conjunto de las x s, tal que xs son las primeras 6 letras del
alfabeto.
Finalmente para el conjunto de los nmeros 1,2,3,y 4, por el mtodo de la lista ser:
C={1,2,3 y 4}
Por el mtodo de la regla ser:
C={x/x son los primeros 4 nmeros positivos}, y se lee el conjunto de las x s, tal que xs son los primeros 4 nmeros
positivos.
Cuando los conjuntos tienen pocos elementos es fcil listarlos, pero cuando los conjuntos tienen muchsimos
elementos es imposible, por eso es muy recomendable el mtodo de la regla.
Por ejemplo el conjunto de los nmeros en el intervalo [0,1], es un conjunto infinito, entonces por el mtodo de la
regla tenemos:
A={x/
0 x 1 }
SIMBOLOGA.
significa es un elemento de
significa no es un elemento de
PROBABILIDAD Y ESTADSTICA
39
2 Ay3 A
Ejemplos.
Sean
A={x/
C={x/ 0< x 1 }
D={x/ 0 x 1 }
Por lo tanto:
0
B, 0 A, 0 D y 0 C
1 D, 1 B, 1 C y 1 A, ETC.
EJERCICIO completar el ejemplo anterior.
Igualdad de conjuntos: Dos conjuntos son iguales cuando tienen los mismos elementos A=B, y el caso
contrario ser A B, A es diferente de B, y donde el orden de los elementos no es relevante.
Subconjunto
Conjunto universal: es el conjunto al cual pertenecen todos los demas conjuntos a los cuales se les llama
subconjuntos, y se representa con la letra mayscula U
Diagrama de Venn: es un esquema donde se representan el conjunto universal y los subconjuntos del
conjunto universal, as el conjunto universal se representa con un rectngulo y los subconjuntos con curvas
cerradas dentro del rectngulo. Estos Diagramas tambin son conocidos como diagramas de Venn Euler.
A
C
A
1
3
C
7 D
8
8
9 0 0
2
4
5
6
B
(fi minscula)
PROBABILIDAD Y ESTADSTICA
40
D={x/ 1 x 1 }
A B
PROBABILIDAD Y ESTADSTICA
41
Ejemplos :
a) Si A = { 2, 7, 8 }, B = { 3, 5, 9}, entonces :
= { 2, 3, 5, 7, 8, 9} Son los elementos que esten en A o que esten en B.
En Diagramas de Venn :
AUB
b) Si A = { Mara, Jorge, Luga, Tere }, B = { Tere, Kelvin, Guillermo}, entonces :
= { Guillermo, Jorge, Kelvin, Luga, Mara, Tere }
En Diagramas de Venn :
AUB
c) si U={1,2,3,4,5,6,7,8,9,0}
y A={1,2,3,4}
B={4,5,6}
La representacin de estos conjuntos ser
U
A
1
3
2
4
5
6
B
A B
INTERSECCIN DE CONJUNTOS
Sean A y B dos conjuntos y U su conjunto universal, entonces la interseccin de los dos conjuntos es el
conjunto integrado por los elementos que pertenecen a los dos conjuntos al A al B, la notacin es A
B es decir A B = {x/x es elemento del conjunto A y x es elemento del conjunto B}, al construir el
diagrama nicamente se sombrea el lugar donde estn los elementos que pertenecen a ambos conjuntos.
EJEMPLO
PROBABILIDAD Y ESTADSTICA
42
enDiagramas de Venn :
Ejemplos :
a) Si A = { 2, 7, 8 }, B = { 3, 5, 9}, entonces :
=
En Diagramas de Venn :
A este tipo de interseccin de conjuntos donde la interseccin es el conjunto vacio se llama conjuntos
ajenos o disjuntos
b) Si A = { Mara, Jorge, Luga, Tere }, B = { Tere, Kelvin, Guillermo}, entonces :
= { Tere }
En Diagramas de Venn :
COMPLEMENTO
El complemento de A con relacin al conjunto Universal (U), que se representa como A', es el
conjunto de los elementos de U que no son de A.
Notacin : La forma simblica de representar A' es :
A' = { X U | X A }
A' en Diagramas de Venn :
Ejemplos :
a) Si U = { 2, 3, 5 , 7, 8, 9}, y A = { 2, 7, 8 } entonces :
A' = { 3,. 5, 9 }
En Diagramas de Venn :
a) Si U = { Guillermo, Jorge, Kelvin, Luga, Mara, Tere } y A = { Mara, Jorge, Luga, Tere }, entonces :
A' = { Guillermo, Kelvin }
En Diagramas de Venn :
43
PROBABILIDAD Y ESTADSTICA
Ejemplo :
Si A = { c, f, i }; B = { c, d, e, f, g }, y C = { d, e, g}, entonces :
a)
= { c, d, e, f, g, i } y en Diagrama de Venn :
b)
= { c, f } y en Diagrama de Venn :
c)
e)
f) C
g) A
h) (
Uc =
A A =U
=U
c
=C
=C
PROBABILIDAD Y ESTADSTICA
44
A A c =
EJERCICIO
Del siguiente conjunto universal:
U = {0,1,2,3,4,5,6,7,8,9} y de los conjuntos:
A = {1,3,6,7,9} ; B = {0,1,2,3,4} ; C = {4,5,7,8,9} ; D = {2,4,6,8}, realice y represente en Diagramas de
Venn
c
AUB; BC; y D
ACTIVIDADES DE APRENDIZAJE XII
Del siguiente conjunto universal:
U = {0,1,2,3,4,5,6,7,8,9} y de los conjuntos:
A = {0,3,7,9} ; B = {0,1,2,3} ; C = {4,5,7,8} ; D = {4,6,8}, realice y represente en Diagramas de Venn
c
AUC; BD; y D
2 SIMULACRO DE EXAMEN
1) Calcula la media aritmtica, la mediana y la moda de las series de valores siguientes:
a) 2, 3, 7, 4, 5, 4, 8.
Media Aritmtica =___________________________________________= ________
Mediana = _________________________________________________ = ________
Moda = ___________________________________________________ = ________
De las edades de 40 maestros de los C.B.T.a 153, calcula las MEDIDAS DE TENDENCIA CENTRAL (MEDIA,
MEDIANA Y MODA) Y LAS MEDIDAS DE DISPERSIN (DESVIACIN MEDIA, VARIANZA, DESVIACIN
ESTNDAR Y COEFICIENTE DE VARIACIN) Tanto de los datos sin agrupar como agrupados.
Edades:
36, 53, 35, 28, 30, 36, 45, 29, 43, 28,
30, 46, 39, 54, 47, 44, 34, 40, 50, 38,
47, 56, 48, 42, 39, 47, 53, 51, 38, 29,
48, 52, 47, 46, 41, 40, 45, 39, 47, 38.
Calcula las medidas de dispersin (desviacin media, varianza, desviacin estndar y coeficiente de variacin)
de los siguiente ejercicio.
Intervalos
de Marca de Frecuencia
Clase
Clase
Absoluta
(x)
(f )
(59.5 , 63.5]
61.5
6
(63.5 , 67.5]
65.5
6
(67.5 , 71.5]
69.5
8
(71.5 , 75.5]
73.5
11
(75.5 , 79.5]
77.5
8
PROBABILIDAD Y ESTADSTICA
(79.5 , 83.5]
(83.5 , 87.5]
TOTAL =
81.5
85.5
45
9
2
50
I N T R O D U C C I N: SEGUNDA PARTE
El problema central de la estadstica es el manejo del azar y la incertidumbre. Los eventos aleatorios siempre se han
considerado como misteriosos. El libro de Job ponder hace mucho tiempo la funcin del intento divino en los
acontecimientos al azar y fue, varios siglos ms tarde, que se us el poder de las matemticas para explicar la
aleatoriedad. Los orgenes de las matemticas de la probabilidad se remontan al siglo XV, las primeras aplicaciones
se relacionan bsicamente a los juegos de azar. Los jugadores ganadores utilizaron el conocimiento probabilstico
para desarrollar estrategias de apuestas en loteras, casinos, carreras de caballos etc. Los avances cientficos de los
siglos que siguieron al Renacimiento, enfatizando la observacin y la experimentacin cuidadosa, dieron lugar a la
teora de la probabilidad para estudiar las leyes de la naturaleza y los problemas de la vida cotidiana.
CONCEPTOS BSICOS
Con el objeto de familiarizarse con el concepto de la probabilidad comenzaremos por dar una definicin de
probabilidad que slo es vlida cuando todos los resultados son igualmente probables.
Si hay n posibilidades igualmente probables y una de ellas debe ocurrir, entonces la probabilidad de que ocurra
algn evento o suceso de k de estas n posibilidades (espacio muestral) es k / n. Las palabras SUCESO O EVENTO
aqu los utilizaremos como sinnimos. Si un experimento se repite muchas veces, digamos n y si el suceso o evento
E1 se observa k veces, entonces la probabilidad S del suceso E1 es el cociente de la razn k / n.
Probabilidad A= P(A) = nm. de veces que el suceso E1 ocurri
Total de sucesos realizados
n
= k
La experiencia justifica esta igualdad, pues a medida que n se hace mayor, la frecuencia relativa se aproxima ms a
la probabilidad matemtica. Este concepto se utiliza para definir la razn citada como probabilidad emprica,
algunos autores la citan como FORMULA BSICA de la probabilidad.
Otro concepto importante es que la probabilidad de que suceda un evento es un nmero real entre cero y uno.
Entre ms pequeo sea este nmero, el evento es menos probable, y entre ms cercano a uno sea este nmero, el
PROBABILIDAD Y ESTADSTICA
46
evento es ms probable. Cuando la probabilidad es igual a el evento tiene la misma probabilidad de ocurrir que de
no ocurrir.
Coloquialmente tambin hablamos de probabilidades empleando porcentajes.
1 1 2 1
+ = =
6 6 6 3 , que sera igual al 33.33 % ya
p(E) =
1 1 1
3
+ + = =0. en porcentaje ser el 10.71%
28 28 28 28
MODELOS MATEMTICOS
En la teora de probabilidad matemtica se define la probabilidad con los tres axiomas de Kolmogorov.
Axiomas de Kolmogorov
Primer axiomaLa probabilidad de un suceso A es un nmero real entre 0 y 1.
0 P( A) 1
Segundo axioma
Ocurre un suceso de la muestra de todos los sucesos del espacio muestral con probabilidad 1.
P ( A )=1
la probabilidad del espacio muestral es igual a 1:
Tercer axioma
Si A1, A2 ... son sucesos mutuamente excluyentes (incompatibles dos a dos, disjuntos o de interseccin vaca dos a
dos), entonces:
ANALSIS DE FUNCIONES
PERMUTACIONES Y COMBINACIONES
Para pronosticar el triunfador de una eleccin municipal necesitamos al menos conocer quines son los
candidatos de los distintos partidos polticos, as como para pronosticar si la seleccin mexicana de ftbol
ganar un partido, es necesario saber si en caso de empate el partido se decidir en tiempos extras o por
PROBABILIDAD Y ESTADSTICA
47
Tipo sanguneo
Presin sangunea
BAJA
NORMAL
Aunque el primer tipo de problema puede
parecer directo y sencillo, existen problemas
que
ALTA
A
ilustran que esto no siempre es el caso;
BAJA
hagamos unos ejercicios para reflexionar.
En un estudio mdico se clasifica a los
B
NORMAL
pacientes de acuerdo con el tipo de sangre
que
tengan, ya sea, tipo A; B, AB u O y tambin
de
AB
ALTA
BAJA
acuerdo con su tipo de presin sangunea,
ya
sea baja, normal o alta.
De cuntas maneras distintas se puede
O
NORMAL
clasificar a un paciente?
ALTA
Este tipo de problemas se puede manejar
BAJA
sistemticamente trazando un DIAGRAMA
DE
RBOL como el siguiente, donde se puede
apreciar que la respuesta es 12.
NORMAL
Comenzando por la parte superior, el primer
ALTA
camino a lo largo de las ramas corresponde
a un
paciente con tipo de sangre A y presin sangunea baja, el segundo camino a un paciente con tipo de
sangre A y presin sangunea normal y el duodcimo camino corresponde a un paciente que tiene
sangre tipo O y una presin sangunea alta.
La respuesta que obtuvimos es de 4 por 3 = 12, especficamente es el producto del nmero de tipos de
sangre por el nmero de niveles de presin sangunea.
Otro ejemplo: Cuntas palabras de tres letras se pueden formar si se dispone de un alfabeto con dos
letras; a y b.? (Nota: Son permisibles palabras como bba)
Solucin: Si tenemos 2 letras (a, b) y formamos la palabra con tres letras tendremos 2 3 = 2 x 2 x 2 = 8
esto quiere decir que formaremos ocho palabras con tres letras.
Para comprender mejor hagamos otro DIAGRAMA DE RBOL
Letra
Inical
Letra
central final
letra
palabra
formada
a ..
aaa
a
b a a b
a
a a b a
PROBABILIDAD Y ESTADSTICA
48
b
b ..
abb
a ..
baa
b .
bab
a .
bba
b .
bbb
a
b
b
PROCESO DE CONTAR
Si un primer suceso o evento puede efectuarse de p1 maneras diferentes, y si despus de que este
suceso ha sido efectuado, un segundo suceso puede efectuarse de p2 maneras diferentes, entonces los
dos sucesos pueden verificarse siguiendo el orden indicado de p1. p2 maneras diferentes.
Analiza con cuidado: De cuantas maneras diferentes se pueden seleccionar parejas de diferentes sexo de
un grupo de 4 hombres y 6 mujeres?
Solucin: Como cada hombre puede ser seleccionado de cuatro maneras diferentes
y cada mujer puede ser seleccionada de 6 maneras diferentes; entonces, cada
pareja puede ser escogida de: 4 ( 6 ) = 24 maneras diferentes.
Si el suceso o evento incluye ms de dos sucesos diferentes podemos ampliar el principio multiplicativo,
de manera que si despus de haber ocurrido los dos primeros sucesos, puede ocurrir un tercero de p3
maneras diferentes, un cuarto de p4 maneras diferentes, y por ltimo un n-simo de pn maneras
diferentes, entonces los sucesos pueden ocurrir en el orden siguiente: p1 p2 p3 p4 , pn maneras
diferente.
Reflexiona y piensa: Una cafetera ofrece una comida especial que consiste en un emparedado (usando
una de ocho carnes distintas y uno de cuatro tipos diferentes de pan), una de cuatro clases distintas de
sopa y una de tres bebidas diferentes.
De cuntas maneras distintas una persona puede seleccionar una de estas comidas especiales?
Solucin: Dado que p1 = 8, p2 = 4, p3 = 4, p4 = 3, hay (8)(4)(4)(3) = 384 maneras
diferentes en que se puede seleccionar una comida especial.
Sigue pensando y analizando: Un examen de estadstica, consta de quince preguntas de opcin mltiple,
de las cuales cada una tiene cuatro posibles respuestas.
De cuntas maneras distintas un estudiante puede marcar una respuesta para cada pregunta?
Solucin: puesto que p1=p2=p3== p15 = 4, en total hay 4.4.4.4.4.4.4.4.4.4.4.4.4.4.4 =
1,073,741,824 diferentes maneras en que un estudiante puede marcar una
respuesta para cada pregunta. Ntese que slo en una de las 1,073,741,824
posibilidades todas las respuestas son correctas. Y si queremos saber todas las
respuestas incorrectas? ser: 3.3.3.3.3.3.3.3.3.3.3.3.3.3 = 14,348,907 todas las
respuestas incorrectas.
En una calculadora cientfica este tipo de problema se resuelve de la siguiente forma: p 15 (o quince
preguntas) tiene 4 posibles respuestas = cuatro respuestas por las 15 preguntas tenemos = 415
ponemos 4 y tecleamos X y , ponemos 15 y la tecla = y nos arroja el resultado 1,073,741,824
El principio multiplicativo nos permite en muchos casos calcular el nmero de posibilidades sin necesidad
de listar todas ellas o de desarrollar un diagrama de rbol excesivamente grande.
PROBABILIDAD Y ESTADSTICA
49
ES IMPORTANTE TENER EN CUENTA QUE PARA APLICAR ESTA REGLA, NO DEBE HABER
RESTRICCIONES EN LAS COMBINACIONES POSIBLES.
FACTORIAL QUE ES EL FACTORIAL DE UN NMERO?
Uno de los principales conocimientos que nos servirn como base para el clculo de las tcnicas de
conteo (permutaciones y combinaciones), es el factorial de un nmero. Su definicin y algunos ejemplos
se comentan enseguida.
El producto de cualquier nmero entero positivo n por todos los enteros menores que n se llama
FACTORIAL de n y se expresa con el smbolo n!, por lo tanto:
0! = 1 por definicin
1! = 1 (1) = 1
2! = 2 (1) = 2
3! = 3 (2) (1) = 6
4! = 4 (3)(2)(1) = 24
5! = 5 (4)(3)(2)(1) = 120
.
.
.
n! = (n) (n-1) (n-2) ,(1)
El factorial de los primeros nmeros enteros positivos se pueden obtener directamente utilizando una
calculadora, para nmeros mayores se obtienen con la formula aproximada de Stirling o consultando
tablas elaboradas con resultados.
En tu calculadora cientfica pon 6 y oprime la tecla n! y te arrojar 720, que es el factorial de 6.
Cuanto es el factorial de 7! = _____________________
8! = _____________________
9! =______________________
10! = ______________________
P E R M U T A C I O N (P).
Frecuentemente nos interesamos en un espacio muestral que contenga como elementos a todos los
rdenes o arreglos posibles, de un grupo de objetos. Por ejemplo deseamos conocer cuantos arreglos
son posibles para sentar a 6 personas alrededor de una mesa, o podemos preguntar cuantas rdenes
diferentes posibles para sacar dos billetes de lotera de un total de 20. a estos diferentes arreglos se
llaman permutaciones.
Permutacin: es un arreglo de todo un conjunto de objetos o parte del mismo.
Ahora consideremos tre letras: a, b, y c, las posibles permutaciones son: abc,, acb, bac, bca, cab, cba, asi
vemos que hay 6 posibles arreglos.
Utilizando el teorema podemos contar los arreglos, sin tener que listar las diferentes rdenes u o arreglos.
n1
As hay tres posiciones para la primera letra a entonces
n2
Para la letra b hay dos posiciones
=2
n3
Para la letra c hay una posicin
=1
n1 n2 n3
Entonces el resultado ser:
= 3x2x1=6 formas
=3
50
PROBABILIDAD Y ESTADSTICA
Pn n!
Pn n!
P5 5! 120
Ejemplo 4: Obtener cuntos nmeros pueden formarse con los dgitos 1,2,3,4,5 sin
repetir ningn dgito, n = 5
Si aplicamos la ley factorial sera 5(4)(3)(2)(1) = 120.
n
Pr
Pr
n!
(n r )!
p2
3!
3! 6
6
(3 2)! 1! 1
n=3
n = 1
r=2
Seran: 12; 13; 21; 23; 31; 32.
Lo que hace que un arreglo sea diferente a otro es el orden en que aparecen los elementos del conjunto
en cada arreglo. Para una PERMUTACIN, el arreglo {1,2} es diferente al arreglo {2,1}. Entonces, esta
tcnica de conteo es idnea para problemas en los que es importante la jerarqua que tienen algunos
51
PROBABILIDAD Y ESTADSTICA
elementos sobre otros. Algunos ejemplos de ello, es cuando se requiere conocer el orden de llegada de
personas, formas posibles de arranque y llegada en una justa atltica, colocacin de objetos, la jerarqua
en algunos puestos administrativos, la jerarqua en equipos mdicos, el orden en que deben tomarse o
medirse algunos objetos en experimentos, etctera.
Ejemplo: Cuantas diferentes permutaciones o acomodos se pueden realizar con los nmeros 1,2,3,4
tomando DOS a la vez?
p2
4!
4! 24
12
(4 2)! 2! 2
n=4
n =
4
r=2
Seran: 12; 13; 14; 21; 23; 24;
31; 32; 34; 41; 42; 43;
De nuevo te recordamos que es muy importante que te fijes que aqu si interesa el orden en que se
seleccionaron los dos nmeros (la pareja) de entre los cuatro nmeros (1,2,3,4) y resulta que hay 12
permutaciones.
Ejemplo: Cuntas diferentes quintas ( r ) de baloncesto pueden formarse con 7 jugadores disponibles (n)
para jugar cualquier posicin?
7
p5
7!
5040
2520
(7 5)!
2
p5
11!
39916800 39916800
55440
(11 5)!
6!
720
PROBABILIDAD Y ESTADSTICA
52
53
PROBABILIDAD Y ESTADSTICA
Cr
n!
r!(n r )!
C2
3!
3! 6
3
2!(3 2)! 2!1! 2
n=3
r=2
n = 1
C2
4!
4!
24
6
2!(4 2)! 2!2! 4
n=4
n = 1
3 4
r=2
Seran: 12; 13; 14; 23; 24; 34;
21; 31; 32; 41; 42; 43; Estos se eliminan por la misma razn anterior.
Es muy importante que te fijes que aqu NO interesa el orden en que seleccionan los dos nmeros (la
pareja) de entre los cuatro nmeros (1,2,3,4) y resulta que hay 6 combinaciones.
Ejemplo: Con una parte de su primer salario, un alumno de quinto semestre decide comprar TRES de los
SIETE discos compactos que ha sacado a la venta el grupo MANA. Cuntas posibilidades tiene? Ya que
hay que elegir 3 discos (sin importar el orden) de un conjunto de siete.
7
C3
n=7
7!
7!
5040
5040
35
3!(7 3)! 3!4! (6)( 24) 144
PROBABILIDAD Y ESTADSTICA
54
r=3
Tiene 35 combinaciones al comprar tres discos de los siete.
Ejemplo; De cuantas maneras una persona puede seleccionar TRES libros de una lista de OCHO bestsellers? Aqu tampoco es importante el orden en que se seleccionen los tres libros.
8
C3
8!
8!
40320
40320
56
3!(8 3)! 3!5! (6)(120)
720
n=8
r=3
Tiene 56 maneras para seleccionar los tres libros.
Ejemplo: Un alumno del CBTa No. 153 Ext. Jungapeo, tiene 7 libros de fsica y 5 de matemticas.
Calcular de cuntas maneras se pueden ordenar 3 libros de fsica y 2 de matemticas en un librero.
Primeramente hacemos las combinaciones posibles de libros de fsica.
7
C3
7!
7!
5040
5040
35
3!(7 3)! 3!4! (6)( 24) 144
n=7
r=3
C2
5!
5!
120
120
10
2!(5 2)! 2!3! (2)(6) 12
n=5
combinaciones de libros de matemticas
r=2
Multiplicamos 35 por 10 nos resulta 350 combinaciones posibles.
AHORA Cmo se elaboran espacios muestrales para combinaciones tomando slo parte del
conjunto de elementos?
De una manera general, la propuesta para elaborar espacios muestrales para este tipo de tcnica de
conteo est basada en un sistema numrico a la n, el cual denominamos Mtodo de la cifra. (Tomado
de: Tcnicas de muestreo y espacios maestrales sin maestro. Hctor Francisco Reynoso Titrado)
Sea S = { 1,2,3,4,5 }, un conjunto con cinco elementos genricos. Calcule
a) El nmero de posibles arreglos tomando cuatro de ellos a la vez,
b) Elabore el espacio muestral de esos arreglos o combinaciones.
5
C4
5!
5!
120
120
5...combinacio nes
4!(5 4)! 4!1! (24)(1)
24
PROBABILIDAD Y ESTADSTICA
N.A.
1
2
3
4
5
Combinaciones
a
b
c
1
2
3
55
d
4
En el segundo paso, colocaremos el segundo arreglo que representara el tope de los arreglos que
inician con los elementos 1,2 y 3. Tambin cubrimos el tercer arreglo con la columna k-1 con el elemento
n-1, o sea el elemento 4
N.A.
1
2
3
4
5
Combinaciones
a
b
c
1
2
3
1
2
3
1
2
4
d
4
5
5
Observa cmo nuestra atencin est siendo demandada en las ltimas columnas, arreglando, de los
elementos menores a los mayores, similar a un sistema numrico. Finalmente
Tercer paso, ser cambiar el elemento 2 de la columna k-2, por el siguiente elemento, el 3 (arreglo
nmero cuatro). Lo dems ya es sabido, no habr elementos mayores a la izquierda.
N.A.
1
2
3
4
5
Combinaciones
a
b
c
1
2
3
1
2
3
1
2
4
1
3
4
2
3
4
d
4
5
5
5
5
a) Las combinaciones son arreglos de elementos en los que no nos interesa el orden de los mismos.
b) El primer arreglo tiene combinados los primeros elementos del conjunto.
c) El ltimo arreglo tiene combinados los ltimos elementos del conjunto.
d) Los elementos del conjunto aparecen arreglados del menor al mayor de los elementos, al menos
en las escalas nominales y de razn. Justamente, en esta caracterstica est basado el mtodo de
la cifra que usamos para elaborar espacios maestrales para combinaciones.
e) El nmero que aparece cada elemento del conjunto es el espacio muestral est dado por la
siguiente frmula:
Repeticiones de cada elemento en el espacio muestral (RCE) =
donde: c = Nmero de combinaciones o arreglos posibles
r = Elementos tomados a la vez en cada arreglo
(c) (r) .
n
PROBABILIDAD Y ESTADSTICA
56
Combinaciones
a
b
c
1
2
3
1
2
3
1
2
4
1
3
4
2
3
4
d
4
5
5
5
5
En resumen:
Es muy importante que recuerdes que en una permutacin SI importa el orden y se relaciona a
sucesiones ordenadas; parejas ordenadas, tradas ordenadas, etc. En las combinaciones NO
importa el orden y se relacionan con la seleccin de un subconjunto de un conjunto dado.
ACTIVIDADES DE APRENDIZAJE XIV
CALCULA LAS POSIBLES FORMAS DE COMBINACIN POSIBLES Y ELABORA LOS ESPACIOS
MUESTRALES
1) Sea X = { a,b,c,d,e f}, un conjunto con cinco elementos genricos. Calcule a) el nmero de posibles
arreglos tomando dos de ellos a la vez, b) elabore el espacio muestral de esos arreglos
2) Sea W = { 1,2,3,4,5,6}, un conjunto con cuatro elementos genricos. Calcule a) el nmero de posibles
arreglos tomando cuatro de ellos a la vez, b) elabore el espacio muestral de esos arreglos
3) Sea Z = { a,b,c,d,e,f }, un conjunto con cinco elementos genricos. Calcule a) el nmero de posibles
arreglos tomando cuatro de ellos a la vez, b) elabore el espacio muestral de esos arreglos
ACTIVIDADES DE APRENDIZAJE XV
En cada uno de los siguientes problemas, decide si se trata de una permutacin o de una combinacin y
obtn su resultado correcto.
1) Calcular el nmero de palabras de 4 letras, que se pueden formar con 12 letras diferentes, aunque no
necesariamente tengan algn significado.
Permutacin _____ o combinacin________
Resolver:
2) Calcular el nmero de palabras, que pueden formarse seleccionando 5 consonantes y 3 vocales entre
10 consonantes y 4 vocales, no necesariamente con significado.
Permutacin _____ o combinacin________
Resolver:
3) Calcular de cuntas maneras diferentes pueden colocarse 6 libros en un librero
Permutacin _____ o combinacin________
Resolver:
PROBABILIDAD Y ESTADSTICA
57
4) Un parque de diversiones tiene 24 recorridos distintos. De cuntas maneras diferentes una persona
puede tomar cuatro de estos recorridos, suponiendo que el orden es importante y que no quiera tomar un
recorrido ms de una vez?
Permutacin _____ o combinacin________
Resolver:
5) Una bolsa contiene 5 bolas rojas numeradas del 1 al 5 y 7 bolas azules numeradas del 1 al 7. De
cuntos modos se pueden seleccionar 6 bolas de manera que 2 sean rojas y 4 azules?
Permutacin _____ o combinacin________
Resolver:
6) La carta de una fonda indica que hay 5 sopas, 6 carnes, 7 ensaladas y 3 postres. De cuntos modos
se puede ordenar una comida consistente en una sopa, una carne, 3 ensaladas y un postre?
Permutacin _____ o combinacin________
Resolver:
TEOREMA DEL BINOMIO Y TRINGULO DE PASCAL
En aritmtica y lgebra ya se defini que a0 = 1 Toda cantidad elevada a la cero potencia es igual a
uno
OBSERVA DETENIDAMENTE EL TEOREMA DEL BINOMIO
( x + y )1 = x + y
( x + y )2 = x2 + 2xy + y2
( x + y )3 = x3 + 3x2y + 3xy2 + y3
( x + y )4 = x4 + 4x3y + 6x2y2 + 4xy3 + y4
Resuelve los dos binomios que faltan
( x + y )5 = __________________________________
( x + y )6 = _______________________________________________
Entonces analiza las siguientes conclusiones:
A la mejor se te ocurre algo
1. El nmero de trminos es igual al grado del binomio ms uno.
2. El grado del primer trmino es igual al grado del binomio y disminuye sucesivamente en uno, en
cada uno de los siguientes trminos y es factor en todos los trminos, menos en el ltimo.
3. El segundo trmino, y en los ejemplos, aparece en el segundo trmino del desarrollo con
exponente uno, y aumenta sucesivamente en uno en cada uno de los trminos siguientes hasta
llegar al exponente del binomio, el cual es el ltimo del resultado.
4. El coeficiente del primer trmino del resultado es uno y el del segundo es el exponte del binomio;
el ltimo trmino tambin es uno.
5. El coeficiente de un trmino cualquiera es igual al coeficiente del trmino inmediato anterior, por el
exponente de x en ste trmino y dividido entre el nmero de trminos desarrollados.
6. El grado de cada trmino es igual al grado del binomio.
7. Los trminos que equidistan de los extremos tienen coeficientes iguales
8. Cada trmino del binomio se considera con coeficiente y signo.
PROBABILIDAD Y ESTADSTICA
AHORA SI PUEDES?
58
ANIMO RESUELVELO
( x y ) x nx
n
n 1
... y n
1(2)
1(2)(3)
El tringulo de TARTAGLIA junto con el tringulo de PASCAL, facilitan el clculo de los coeficientes de la
potencia de un binomio (o coeficientes binomiales) observa:
TRIANGULO DE PASCAL
( x + y )0 = primera fila
( x + y )1 =
( x + y )2 =
( x + y )3 =
( x + y )4 =
1
1
1
1
( x + y )5=
(x + y )6 =
Observa que si sumas dos coeficientes adyacentes, su suma es el coeficiente entre ellos una fila abajo;
por ejemplo, para obtener el 2 de la tercer fila sumamos los dos UNOS(1+1=2) de la segunda fila; para
obtener el 4 de la quinta fila sumamos el UNO y TRES (1 +3 = 4)
Preparados ahora si con todo este conocimiento, podemos escribir fcilmente TODO EL DESARROLLO
de los binomios (x+y)5 ; (x+y)6 y (x + y )7
(x + y )5 = _______________________________________________
Por supuesto que si deseamos desarrollar la sexta potencia del binomio, podemos hacerlo utilizando los
coeficientes de la quinta potencia y as sucesivamente. Fcil o no?
( x + y )6 = ____________________________________________________________
(x + y)7 = _________________________________________________________________
PROBABILIDAD AXIOMTICA
PROBABILIDAD Y ESTADSTICA
59
Los problemas de probabilidad en situaciones prcticas, son sucesos o eventos compuestos que
requeriran para su solucin la enumeracin de muchos puntos muestrales, procedimiento lento y
cansado; de ah, que haya un segundo procedimiento que se llama composicin de sucesos o
probabilidad axiomtica. Esta composicin se forma con dos o ms sucesos y se realiza con la UNIN o
con la INTERSECCIN DE CONJUNTOS o con la combinacin de ambos; se basa en: la clasificacin de
los sucesos, las relaciones entre ellos y tres leyes: LA ADITIVA (o regla de la suma), LA MULTIPLICATIVA
(o regla del producto) Y LA DE SUSTRACCIN ( o regla de la diferencia).
Como estamos refirindonos a la probabilidad axiomtica, es conveniente recordar que un axioma es una
proposicin matemtica evidente por s misma que no requiere demostracin.
PROBABILIDAD DE UNIONES Y EVENTOS COMPLEMENTARIOS
Una vez que ya nos hemos familiarizado con los eventos y sus relaciones vamos a describir algunas
reglas sencillas que nos permitan determinar la probabilidad de que ocurra algn evento. Para expresar
simblicamente estas reglas denotaremos por P ( A ) a la probabilidad de que ocurra el evento A. Ya
hemos comentado que la probabilidad de que suceda un evento es un nmero real entre cero y uno y que
entre ms pequeo sea este nmero, el evento es menos probable y entre ms cercano a uno el nmero
el evento es ms probable.
REGLAS BSICAS DE PROBABILIDAD
1. Las probabilidades son nmeros reales entre 0 y 1
2. P ( U ) = 1 y P ( ) = 0 como el espacio muestral ( u ) universo otros libros utilizan P(S)
contiene a todos los posibles resultados que pueden ocurrir, se tienen que el evento u ocurre con
certeza, de modo que P (u ) = 1 y cuando con certeza un evento no puede ocurrir, su probabilidad
es cero P ( ) = 0
3. Regla de la suma ( ley aditiva de la probabilidad)
Esta ley se utiliza cuando se quiere obtener la probabilidad de que ocurra el suceso A o el suceso B, para
lo cual es necesario revisar si los sucesos SON O NO MUTUAMENTE EXCLUYENTES.
a) Cuando dos sucesos son mutuamente excluyentes se tiene que A B = ; (es el conjunto
vaco) se utiliza entonces P ( A U B ) = P ( A ) + P ( B ) es decir, que la probabilidad de que A o B ocurran
indistintamente, es igual a la suma de sus probabilidades individuales.
Hagamos un diagrama
U
P (A )
P (B)
P (A) =
1
U
P (A )
PROBABILIDAD Y ESTADSTICA
60
c) Cuando dos sucesos NO son mutuamente excluyentes, se tiene que A B (no es el conjunto
vaco) ; se utiliza entonces P ( A U B ) = P ( A ) + P ( B ) P ( A B ) es decir, que la probabilidad de que
A o B ocurran indistintamente, es igual a la suma de sus probabilidades individuales y restar sus
intersecciones para rectificar el doble conteo que se lleva a cabo cuando se suman las dos
probabilidades.
Hagamos un diagrama
U
P (A)
P (B)
P (A)
P (B)
P (A B)
PROBABILIDAD Y ESTADSTICA
61
PROBABILIDAD Y ESTADSTICA
62
Entonces P ( A ) = 0.3
Entonces P ( B ) = 0.2
y P ( A B ) = 0.02
PROBABILIDAD Y ESTADSTICA
63
Observemos primero que como la probabilidad de que vean ambos noticieros es positiva, los eventos A y
B NO son mutuamente excluyentes, por lo tanto se deben transmitir a diferente horario.
P ( A U B ) = P ( A ) + P ( B ) P ( A B ) = P ( 0.3 ) + P ( 0.2 ) P ( 0.02 ) = 0.48
Ejemplo:
Queremos determinar al utilizar una baraja de pker Cul es la probabilidad de sacar UN AS o UN
TREBOL de dicha baraja?
Sea A el evento sacar UN AS y como en la baraja hay 4 ases en 52 cartas P ( A ) = 4/52
Sea B el evento sacar UN TREBOL y en la baraja hay 13 trboles en 52 cartas P (B) = 13/52
La probabilidad de obtener UN AS y UN TREBOL al mismo tiempo es de 1/ 52 Por lo tanto
P ( A U B ) = P ( A ) + P ( B ) P ( A B ) = P (4/52) + P ( 13/52) P ( 1/52) = 16/52 =
0.3077
Pero Por qu debemos restar la probabilidad de obtener un as y un trbol a la vez?
Porque hemos contado el as de trbol dos veces. Sin restarlo, pensaramos de manera errnea que
existen 17 eventos favorables en vez de 16.
ACTIVIDADES DE APRENDIZAJE XVII
1) Una alumna del CBTa.- 153 estima que durante una fiesta la probabilidad de que se le declare JOSE es de 0.7, la
probabilidad de que se le declare ENRIQUE es de 0.4 y la probabilidad de que se le declaren ambos es de 0.2.
Cul es la probabilidad de que se le declare alguno de los dos durante la fiesta?
2) Si extraes de una baraja de pker ordinaria, una sola carta Cul es la probabilidad de de que sea:
Una reina o un corazn?
Un 3 o una carta negra?
PROBABILIDAD Y ESTADSTICA
64
P ( B ) = ( 1/3 )
P (A y B) = ( 4/ 18 ) = 0.2222
Esto lo podemos comprobar contando de los resultados posibles, los que son favorables al suceso A y B,
as:
(A, 1) (A, 2) ( A, 3) (A, 4) (A, 5) ( A, 6)
(R, 1) (R, 2) ( R, 3) (R, 4) (R, 5) ( R, 6)
(V, 1) (V, 2) ( V, 3) (V, 4) (V, 5) ( V, 6)
P (A y B ) = 4 resultados favorables =
18 resultados posibles
4 = 0. 2222
18
PROBABILIDAD Y ESTADSTICA
65
La anterior regla del producto para eventos independientes, tambin se aplica en situaciones con ms
de dos eventos. En tales casos, la probabilidad de la ocurrencia conjunta de los eventos es igual al
producto de las probabilidades individuales de cada evento. En forma de ecuacin es
P ( A y B y C Z ) = P ( A ) P ( B ) P ( C ) P ( Z )
Queremos obtener al azar 4 individuos de una poblacin de 110 habitantes, los cuales 50 son varones y
60 mujeres. El muestreo es un individuo a la vez, con reemplazo. Cules la probabilidad de obtener 3
mujeres y 1 hombre, en ese mismo orden?
Como el problema pide una mujer en la primera, segunda y tercera extraccin y un hombre en la cuarta y
como el muestreo es con reemplazo, aplicamos la ley del producto para ms de dos eventos
independientes.
A = representa una mujer en la 1ra extraccin
C = una mujer en la tercera extraccin
PROBABILIDAD Y ESTADSTICA
66
Segundo ejemplo: Queremos obtener DOS frutas, una a la vez, de una bolsa de frutas que contienen 4
manzanas, 6 naranjas y 5 duraznos, sin reemplazo Cul es la probabilidad de obtener una naranja y una
manzana, en ese mismo orden?
P ( A ) = Obtener una naranja en la 1ra extraccin
Eventos favorables a A = 6 naranjas de 15 posibles (frutas)
P ( B | A ) = Obtener una manzana en la 2da extraccin
Si es sin reemplazo: Eventos favorables a B = 4 manzanas de 14 posibles (ya que afect la 1ra)
Por lo tanto
P ( A y B ) = P ( A ) P ( B | A ) = P ( 6/15) P ( 4/14 ) = 24/ 210 = 0.1143
Tercer ejemplo: y despus realices tus actividades de aprendizaje:
De un grupo del CBTa Xalisco turno vespertino, se van a elegir por sorteo a 3 alumnos que se hagan
cargo de una ceremonia escolar del da del maestro; en el grupo hay 24 hombres y 12 mujeres. Cul
es la probabilidad de que el grupo de representantes est conformado de las maneras siguientes; sean
Tres hombres y sean dos hombres y una mujer
P ( A ) = Sean Tres hombres
P ( B ) = Sean dos hombres y una mujer
PARA QUE SEAN TRES HOMBRES
Para calcular P (A) es necesario que se den los sucesos siguientes:
A1, el primer alumno seleccionado sea hombre - - - - - A2 ; el segundo seleccionado sea hombre -
- P ( A1 ) = 24/ 36
-
P ( A2 ) = 23/ 35
Observa que la ocurrencia de A, AFECTA la probabilidad de que ocurra A2 puesto que tanto el nmero de
hombres como el nmero de alumnos cambia ( han disminuido) para el evento A2.
A3 ; el tercer alumno seleccionado sea hombre - - - - - P ( A3 ) = 22/34
Entonces P ( A ) = P ( A1 ) P ( A2 ) P ( A3 ) = (24/ 36) (23/ 35) (22/34 ) = 12144/ 42840 = 0.2834 = 28.34 %
PARA QUE SEAN DOS HOMBRES Y UNA MUJER
Para calcular P ( B ) se deben cumplir los sucesos siguientes:
B1 = Sale el primer hombre -B2 = Sale el segundo hombreB3 = Sale la tercera mujer- -
- - - - - - - - -
P ( B1 ) = 24/36
P ( B2 ) = 23/35
P ( B3 ) = 12/34
Entonces P ( B ) = P (B1 ) P (B2 ) P (B3 ) = (24/ 36) (23/ 35) (12/34 ) = 6624/ 42840 = 0.1546
= 15.46 %
Observa que el orden en que salgan los dos hombres y la mujer no cambia el valor de la probabilidad.
EJERCICIO
PROBABILIDAD Y ESTADSTICA
67
1) Determina si los siguientes eventos son Independientes o dependientes. Explica tus respuestas
a) Se toma una carta de una baraja de pker bien revuelta y sin regresar esta carta se toma una segunda carta:
____________________________________________________________________________
b) Si A es el evento que el automovilista maneja en estado de ebriedad y B es el evento el automovilista tuvo un
accidente.
____________________________________________________________________________
c) Si A es el evento que una moneda caiga guila en un primer volado y B es el evento que la moneda caiga guila
en el segundo volado.
___________________________________________________________________________
d) Se toma una carta de una baraja bien revuelta. Se regresa la carta y despus de revolver la baraja se toma una
segunda carta.
___________________________________________________________________________
e) El evento A es una luna llena y el evento B es comer una hamburguesa.
___________________________________________________________________________
2) Si se realiza un muestreo aleatorio, tomando un elemento a la vez, con reemplazo, de una bolsa que contiene
OCHO canicas azules, SIETE canicas rojas y CINCO canicas verdes. Cul es la probabilidad de obtener:
a) Una canica azul en una extraccin de la bolsa?
b) Tres canicas azules en tres extracciones de la bolsa?
c) Una canica roja, una verde y una azul, en ese orden en tres extracciones de la bolsa.
3) En cierto grupo de la universidad, hay 15 estudiantes de msica, 24 de historia y 46 de psicologa. Y se escoge a
los alumnos al azar una persona a la vez, sin reemplazo Cual es la probabilidad de
a) Dos estudiantes sean de historia?
b) Cuatro estudiantes sean de historia?
4) Si se lanzan dos monedas una sola vez. Cul es la probabilidad de que ambas caigan con cara hacia arriba?
PROBABILIDAD CONDICIONAL
PROBABILIDAD Y ESTADSTICA
68
Es la probabilidad de que ocurra un evento B, cuando se conoce que ha ocurrido el evento A y se indica
por P(A/B) y se lee La probabilidad de B a condicin de que ocurra A o simplemente La probabilidad de
B a condicin de A.
As la probabilidad condicional se define:
P( A B)
P( A)
P(B/A)=
si P(A)>0
Ejemplo: Considrese el evento B de obtener un nmero que sea cuadrado perfecto cuando se tira un
dado.
Solucin. El dado esta construido de manera que un nmero par tiene el doble de ocurrencia que el
nmero impar, el espacio muestral es M={1,2,3,4,5,6} con pesos asignados de la siguiente manera:
1
9
2
9
2
9
3 1
9 3
1
9
2
9
1
9
Para el 1= , 2= , 3= , 4= , 5= , 6=
As la probabilidad de que ocurra B ser:
1
9
2
9
P(B)=
+ = =
Supongamos que se tir el dado y cayo un nmero mayor que tres ahora el espacio muestral seta
reducido a A={4,5,6}. Ahora la probabilidad de que ocurra B cuando ha salido A, para ello ser necesario
darle el peso a los nuevos nmeros y ser:
5
9
P(A)=
P( A B)
P( A)
2
9
5
9
18
45
2
9
2
5
P(B/A)=
=
=
=
Ejemplo: en el siguiente espacio muestra S que representa los adultos de un pequeo pueblo que ha
terminado sus estudios superiores, los cuales se clasifican de acuerdo a su sexo y condicin de empleo.
Empleados
Desempleados Total
Hombres
460
40
50
0
400
Mujeres
140
260
Total
600
300
Si se escoge al azar uno de ellos para que realice una gira por el pas, exponiendo las ventajas de
establecer nuevas industrias en el pueblo, y trabajando con los siguientes eventos:
M: se escoge a un hombre
E: el escogido tiene empleo
Usando el espacio muestral al reducido E
PROBABILIDAD Y ESTADSTICA
460
600
69
23
30
P(M/E)=
=
Usando la frmula:
P(E)=
P(E
600 2
900 3
M)=
460 23
900 45
23
P ( E M ) 45 69 23
2
P( E )
90 30
3
P(M/E)=
TEOREMA DE BAYES
El teorema de Bayes, descubierto por Thomas Bayes, en la teora de la probabilidad, es el resultado que
da la distribucin de probabilidad condicional de una variable aleatoria A dada B en trminos de la
distribucin de probabilidad condicional de la variable B dada A y la distribucin de probabilidad marginal
de slo A.
Sea A1, A2, ...,An un conjunto de sucesos incompatibles cuya unin es el total y tales que la probabilidad
de cada uno de ellos es distinta de cero. Sea B un suceso cualquiera del que se conocen las
probabilidades condicionales P(B/Ai). entonces la probabilidad P(Ai/B) viene dada por la expresin:
donde:
P(Ai) son las probabilidades a priori.
P(B | Ai) es la probabilidad de B en la hiptesis Ai.
P(Ai | B) son las probabilidades a posteriori.
Esto se cumple
El teorema de Bayes es vlido en todas las aplicaciones de la teora de la probabilidad. Sin embargo, hay
una controversia sobre el tipo de probabilidades que emplea. En esencia, los seguidores de la estadstica
tradicional slo admiten probabilidadades basadas en experimentos repetibles y que tengan una
confirmacin emprica mientras que los llamados estadsticos bayesianos permiten probabilidades
70
PROBABILIDAD Y ESTADSTICA
subjetivas. El teorema puede servir entonces para indicar como debemos modificar nuestras
probabilidades subjetivas cuando recibimos informacin adicional de un experimento. La estadstica
bayesiana est demostrando su utilidad en ciertas estimaciones basadas en el conocimiento subjetivo a
priori y permitir revisar esas estimaciones en funcin de la evidencia es lo que est abriendo nuevas
formas de hacer conocimiento.
N
P( A / B) 1
i 1
Ejemplo: en una poblacin total de 32 ratones donde 24 son negros,8 son cafs, existe:
2 ratones negros, que estn enfermos
22 ratones negros que son sanos
5 ratones cafs que estn enfermos
3 ratones cafs que son sanos
Solucin. Con estos datos se construimos una tabla de doble entrada:
2
32
22
32
5
32
3
32
7
32
25
32
24
32
8
32
32
32
PROBABILIDAD Y ESTADSTICA
71
2
P ( N E ) 32
1
24 12
P( N )
32
P(E/{N})=
5
P (C E ) 32 5
8
P (C )
8
32
P(E/{C})=
2
P ( E N ) 32 2
7
P( E )
7
32
P({N}/E)=
22
P ( S N ) 32 22
25 25
P( S )
32
P({N}/S)=
P({C}/E)=
P( E C ) 5
P( E )
7
P(S C ) 3
P(S )
25
P({C}/S)=
ACTIVIDADES DE APRENDIZAJE XVII
I. A travs de la Probabilidad Condicional o Teorema de Bayes resuelve los siguientes ejercicios.
1. En una Ciudad existen 58 nios de los cuales 23 son nios y 35 nias; de los nios 15 tienen
beca y 8 no, y de las nias 25 tiene beca y 10 no; si se escoge uno entre todos Cul es la probabilidad
de que sea nio y sin beca?
2. En un total de 63 conejos, 47 son blancos y 16 son grises, donde
25 conejos blancos son de ojos verdes
22 conejos blancos son de ojos cafs
9 conejos grises son de ojos verdes
7 conejos grises son de ojos cafs
Encontrar las Probabilidades de:
P( B V )
P( B)
P(V/{B})=
P(V/{G})=
P(G V )
P(G )
PROBABILIDAD Y ESTADSTICA
72
P( B C )
P( B)
P(C/{B})=
P(C/{G})=
P(G C )
P(G )
P( B V )
P( B)
P(V/{B})=
3 SIMULACRO DE EXAMEN
En cada uno de los siguientes problemas, decide si se trata de una permutacin o de una combinacin y obtn su
resultado correcto.
UTILIZA LA HOJA DE AUN LADO Y/O LA DE ATRAZ PARA TUS OPERACIONES.
1) Calcular el nmero de palabras de 5 letras, que se pueden formar con 12 letras diferentes, aunque no
necesariamente tengan algn significado.
Permutacin _____ o combinacin________
Resolver:
2) Calcular el nmero de palabras, que pueden formarse seleccionando 6 consonantes y 2 vocales entre 10
consonantes y 4 vocales, no necesariamente con significado.
Permutacin _____ o combinacin________
Resolver:
3) Calcular de cuntas maneras diferentes pueden colocarse 7 libros en un librero
Permutacin _____ o combinacin________
Resolver:
4) Un parque de diversiones tiene 28 recorridos distintos. De cuntas maneras diferentes una persona puede tomar
cuatro de estos recorridos, suponiendo que el orden es importante y que no quiera tomar un recorrido ms de una
vez?
Permutacin _____ o combinacin________
Resolver:
5) Una bolsa contiene 6 bolas rojas numeradas del 1 al 6 y 8 bolas azules numeradas del 1 al
8. De cuntos modos se pueden seleccionar 6 bolas de manera que 2 sean rojas y 4
azules?
Permutacin _____ o combinacin________
Resolver:
6) La carta de una fonda indica que hay 4 sopas, 7 carnes, 8 ensaladas y 5 postres. De cuntos modos se puede
ordenar una comida consistente en una sopa, una carne, 3 ensaladas y un postre?
Permutacin _____ o combinacin________
Resolver:
7) Una alumna del CBTa.- 153 estima que durante una fiesta la probabilidad de que se le declare JOSE es de 0.7, la
probabilidad de que se le declare ENRIQUE es de 0.4 y la probabilidad de que se le declaren ambos es de 0.2.
Cul es la probabilidad de que se le declare alguno de los dos durante la fiesta?
8) Si extraes de una baraja de pker ordinaria, una sola carta Cul es la probabilidad de de que sea:
Una reina o un corazn?
Un 3 o una carta negra?
9) Las probabilidades de que un hospital reciba a,1, 2, 3, 4, 5, 6, 7 y hasta 8 enfermos durante un da son,
respectivamente, 0.02, 0.04, 0.08, 0.13, 0.15, 0.17, 0.16 y 0.08. Determina las probabilidades de que el hospital
reciba
a) Cuatro o ms pacientes;
PROBABILIDAD Y ESTADSTICA
73
b) A lo ms cinco pacientes;
c) De 3 a 6 pacientes.
I. A travs de la Probabilidad Condicional o Teorema de Bayes resuelve los siguientes ejercicios.
1. En una Ciudad existen 58 nios de los cuales 23 son nios y 35 nias; de los nios 15 tienen beca y 8 no,
y de las nias 25 tiene beca y 10 no; si se escoge uno entre todos Cul es la probabilidad de que sea nio y sin
beca?
2. En un total de 63 conejos, 47 son blancos y 16 son grises, donde
25 conejos blancos son de ojos verdes
22 conejos blancos son de ojos cafs
9 conejos grises son de ojos verdes
7 conejos grises son de ojos cafs
Encontrar las Probabilidades de:
P( B V )
P( B)
P(V/{B})=
P (G V )
P(G )
P(V/{G})=
P( B C )
P( B)
P(C/{B})=
P (G C )
P(G )
P(C/{G})=
P( B V )
P( B )
P(V/{B})=
BIBLIOGRAFA
1. FREUND John E. y Gary A. Simn. Estadstica Elemental. Octava edicin. Mxico. D.F.
Editorial Prentice Hall. Traduccin Jos Julin Daz Daz. 1994. pp. 566
2. FUENLABRADA De la Vega Trucos Samuel. Probabilidad y Estadstica. Mxico. D.F.
Editorial MvGraw-Hill Interamericana. 2002. pp.255.
3. PAGANO, Roberto R. Estadstica para las ciencias del comportamiento. Quinta edicin.
Edit. Internacional Thomson Editores. Mxico. 1999. pp. 548
4. PASTOR Guillermo. Estadstica Bsica. Mxico D.F. Editorial Trillas. SEP-CONALEP.
1998. (reimp. 2003). Pp.198.
5.
PROBABILIDAD Y ESTADSTICA
74