Académique Documents
Professionnel Documents
Culture Documents
➢ Estadística Descriptiva
➢ Introducción a la probabilidad
➢ Variables Aleatorias unidimensionales
➢ Variables Aleatoria continuas
unidimensionales
➢ Variables aleatorias bidimensionales
ESTADÍSTICA DESCRIPTIVA
3.5 4.5
4
3 3.5
2.5 3
2 2.5
Naranja 2 Gato
1.5 1.5 Perro
Azul
1 1
Rojo 0.5 Iguanas
0.5 0
0 ¿Cuál es su
¿Cúal es su animal
color favorito? favorito?
Color Favorito
Gato
Naranja
Perro
Azul
Iguana
Rojo
8 8
6 6
4 4
2 2
0 0
Hombres Mujeres Hombres Mujeres
Naranja Azul Rojo Perro Gato Iguana
# 𝑀𝑎𝑦𝑜𝑟 − #𝑀𝑒𝑛𝑜𝑟
𝐴𝑚𝑝𝑙𝑖𝑡𝑢𝑑 =
# 𝐼𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜𝑠
Muestra # Intervalo
Donde:
I = Intervalo o clase <50 5-7
f = Frecuencia
50 - 100 7-8
f. a. = Frecuencia acumulada
% = Porcentaje 101 - 500 8 - 10
% a = Porcentaje acumulado
501 - 1000 10 - 11
m = Punto medio
L.R.I. = Límite real inferior 1001 - 5000 11 - 14
L.R.S. = Límite real superior
f. m. = Frecuencia por punto medio >5000 14 - 20
❖ Ejemplo:
Datos
12 – 13 – 15 – 15 – 17 – 21 – 24 – 28 – 32 – 35 – 36 – 37 – 37 – 39 – 39
– 40 – 41 – 44 – 44 – 51 – 54 – 56 – 59 – 59 – 62 – 64 – 65 – 65
I F f. a. % %a m LRI LRS fm
12-20 5 5 17.85 17.85 16 11.5 20.5 80
21-29 3 8 10.71 28.56 25 20.5 29.5 75
30-38 5 13 17.85 46.41 34 29.5 38.5 170
39-47 6 19 21.42 67.83 43 38.5 47.5 258
48-56 3 22 10.71 78.54 52 47.5 56.5 156
57-65 6 28 21.42 99.96 61 56.5 65.5 366
8
12 -20
6
21 -29 65 − 12
4 𝐴𝑚𝑝𝑙𝑖𝑡𝑢𝑑 = =9
30-38 6
2
39-47
0 48-56
Histograma de frecuencias
DESCRIPCIÓN NUMÉRICA DE LOS DATOS
→Media
N → Poblacional
→ Muestral
𝑥1 + 𝑥2 + ⋯ 𝑥𝑛
𝑛
𝑖=1
→Mediana
Datos que marcan el 50%
Po𝑠𝑖𝑐𝑖ó𝑛 𝑞𝑢𝑒 𝑜𝑐𝑢𝑝𝑎 = 0.5(𝑛 + 1)
→Moda
Es el dato que más se repite
❖Ejemplo:
= 25.58
Mediana
0.5(11 + 1) = 22.
Moda = 22
MEDIDAS DE VARIABILIDAD
Los de variabilidad o dispersión nos indican si
esas puntuaciones o valores están próximas entre
sí o si por el contrario están o muy dispersas.
Una medida razonable de la variabilidad podría
ser la amplitud o rango, que se obtiene restando
el valor más bajo de un conjunto de observaciones
del valor más alto.
Rango = Dato mayor – Dato menor
Rango Intercuantitativo: Q3 – Q1
Q1 = 0.25(n+1)
Q3 = 0.75(n+1)
Varianza:
Poblacional:
𝑛
2
(𝑥𝑖 −𝜇)
𝜗2 =
𝑛
𝑖=1
Dónde μ = media poblacional
Muestral:
𝑛
2
(𝑥𝑖 − 𝓍)
𝑠2 =
𝑛−1
𝑖=1
Donde x = media
Desviación Típica:
Poblacional:
𝜗2
Muestral:
𝑠2
❖ Ejemplo:
Un profesor enseña a un gran grupo un curso de marketing y
selecciona aleatoriamente una muestra de calificaciones de los
exámenes realizados por el grupo . Encuentre las medidas de
variabilidad del grupo.
Grupo No. 1 → 50 – 60 – 70 – 80 – 90
Rango: 90 – 50 = 40
Rango Intercuantitativo:
Q1 = 0.25(5+1) = 1.5 → 55
Q3 = 0.75(5+1) = 4.5 → 85
RIC = Q3 – Q1 → 85 - 55 = 30
Media = 70
(50−70)2 +(60−70)2 +(70−70)2 +(80−70)2 +(90−70)2
Varianza Muestral = = 250
4
Desviación = 250 = 15.81
PROBABILIDAD
La probabilidad es una medida de la certidumbre
asociada a un suceso o evento futuro y suele
expresarse como un número entre 0 y 1 (o entre
0 % y 100 %).
No puede haber probabilidades mayores a 1 o a
100%.
Las probabilidades no pueden ser negativas.
❖ Ejemplo:
Una caja contiene 500 sobre de los cuales 75 contienen 100 dólares,
150 contienen 25 dólares y 275 contienen 10 dólares. ¿Cuál es la
probabilidad que un sobre tomado aleatoriamente contenga menos
de 100 dólares?
150
Probabilidad $25 = 500 = 0.30
275
Probabilidad $10 = 500 = 0.55
❖ Ejemplo:
Cuantos número pares de 3 dígitos se pueden formar a partir de los
números 1, 2, 3, 6, y 9 si cada dígito se puede usar una vez.
→ Pares =2
→ 3 dígitos = 3
→ Solo 1 vez = 2
2*3*2 = 12
R. Se pueden formar 12 números pares.
PERMUTACIONES
Son eventos de tipo multiplicativo, donde el
número de posibilidades va disminuyendo y si
importa el orden una permutación es un arreglo
de un conjunto de objetos en un orden definido.
El número de permutaciones posibles al tomar
objetos del conjunto de elementos será, siguiendo
el mismo razonamiento.
𝑛!
𝑛𝑃𝑟 =
𝑛−𝑟 !
Donde: n es el número de cosas que puedes elegir, y
eliges r de ellas
(No se puede repetir, el orden importa)
❖ Ejemplo:
En un concurso de ortografía los ocho finalistas son
3 niños y 5 niñas, encuentre el número de puntos
muestrales para el número de ordenamientos
posibles para:
a) Los 8 finalistas
a) 8! = 40, 320
8!
b) 𝑃 = = 336
8−3 !
REGLA GENERAL
Sea un conjunto de n elementos, de entre los
cuales tenemos a elementos indistinguibles entre
sí, b elementos indistinguibles entre sí, c
elementos indistinguibles entre sí, etc. Cada
ordenación de estos elementos se denominará
permutación con repetición. El número de
permutaciones con repetición es:
𝑛!
𝑛1 ! 𝑛2 ! 𝑛3 !
❖Ejemplo:
9 personas se dirigen en 4 autos que pueden
llevar 2, 3, 2 y 2 personas respectivamente. ¿De
cuántas maneras es posible transportarlo?
9!
= 7560
2! ∗ 2! ∗ 3! ∗ 2!
COMBINACIÓN
Una combinación es una selección de objetos sin
importar el orden en que se escojan.
Son eventos similares a las permutaciones. Pero
el orden ya no importa y es necesario eliminar de
las permutaciones aquellas donde los elementos
se repiten aunque con distinto orden.
Se llama «Coeficiente binomial»
𝑛!
𝐶=
𝑟! 𝑛 − 𝑟 !
Donde n es el número de cosas que puedes elegir, y
eliges r de ellas
(No se puede repetir, el orden no importa)
❖ Ejemplo:
De 4 ingenieros y 3 arquitectos, encuentre el
número de comités que se puede formar para una
comisión que debe conformar se por 2 ingenieros
y 1 arquitecto.
Ingenieros:
4!
=6
2! 4 − 2 !
Arquitectos:
3!
=3
1! 3 − 1 !
Se multiplican las dos combinaciones:
6 * 3 = 18
R = 18 comités
PROBABILIDAD CONDICIONAL
La probabilidad de que ocurra el suceso A si ha
ocurrido el suceso B se denomina probabilidad
condicionada.
Cuando ocurre un suceso cambia el espacio
muestral, por eso cambia la probabilidad. A veces
es más fácil calcular la probabilidad condicionada
teniendo en cuenta este cambio de espacio
muestral.
𝑃(𝐵∩𝐴)
𝑃( )=
𝐵
𝐴 𝑃(𝐴)
❖ Ejemplo:
La probabilidad de que un avión llegue a tiempo es 0.83
La probabilidad de que un avión salga a tiempo es de 0.82
La probabilidad de que un avión salga a tiempo y llegue a tiempo es 0.78
a) P(L/S) =
𝑃(𝐿 ∩ 𝑆) 0.78
= = 0.95
𝑃(𝐿) 0.82
b) P(S/L) =
𝑃(𝐿 ∩ 𝑆) 0.78
= = 0.94
𝑃(𝐿) 0.83
REGLAS MULTIPLICATIVAS
𝐵
𝑃 𝐴 ∩ 𝐵 = 𝑃𝐴
𝐴
❖ Ejemplo:
Una bolsa contiene 4 bolas blancas y 5 negras. Una segunda
contiene 3 negras y 5 blancas. Se saca una bola de la primera
bolsa y se coloca sin verla en la segunda bolsa. ¿Cuál es la
probabilidad de sacar ahora una bola negra de la segunda bolsa?
Blancas
Blancas 6/9
4/9 Negras
Diagrama 3/9
de Árbol
Blancas
Negras 5/9
5/9 Negras
4/9
4 3 5 4 32
∗ + ∗ = ≅ 0.382
9 9 9 9 81
EVENTOS INDEPENDIENTES
La principal característica de una situación con
eventos independientes es que el estado original
de la situación no cambia cuando ocurre un
evento. Existen dos maneras de que esto suceda:
El proceso que genera el elemento aleatorio no
elimina ningún posible resultado
El proceso que sí elimina un posible resultado, pero el
resultado es sustituido antes de que suceda una
segunda acción.
𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐴 𝑃(𝐵)
❖ Ejemplo:
Una ciudad tiene 2 carros de bomberos, 1 independiente
del otro. La probabilidad de que un carro específico esté
disponible es 0.96
a) ¿Cuál es la probabilidad de que ningún carro ese
disponible?
b) ¿Cuál es la probabilidad de que un carro esté
disponible cuando se le necesite?
P(A)=0.96 P(B)=0.96
P(A’)=0.04 P(B’)=0.04
b) 1 – 0.0016 = 0.9984
REGLA DE ELIMINACIÓN
Eventos B1, B2… Bk son parte del espacio
muestral s tal que P(B≠0) para i = 1, 2… K →
para cualquier evento A de s entonces:
𝑃 𝐴 = 𝑃(𝐵𝑖 ∩ 𝐴)
𝑖=1
𝑘
𝑃 𝐴 = 𝑃(𝐵𝑖)(𝐴/𝐵𝑖)
𝑖=1
❖ Ejemplo:
10
a) 𝑃 5; 10; 0.5 = 5
∗ 0.5 5 ∗ 0.5 10−5 = 0.2461 ≅ 25%
10
b) 𝑃 0; 10; 0.5 = 0
∗ 0.5 0
∗ 0.5 10−5
= 0.001
c) P(x ≥ 5) = P(x=5)+P(x=6)+P(x=7)+P(x=8)+P(x=9)+P(x=10)
P(x ≥ 5) = 0.6231 ≈ 62.3%
DISTRIBUCIÓN HIPERGEOMÉTRICA
Es una distribución discreta relacionada con
muestreos aleatorios y sin reemplazo.
La distribución hipergeométrica mide la
probabilidad de obtener x (0 ≤ x ≤ k) elementos de
la categoría A en una muestra den elementos de
la población original.
𝑘 𝑁 𝑘
−
ℎ 𝑥; 𝑛; 𝑁; 𝑘 = 𝑥 𝑛𝑁 𝑥
𝑛
Donde:
x= Variable aleatoria n= Muestra
N= Artículos disponibles k= Éxito
❖ Ejemplo:
Para evitar la detección en la aduana, un viajero coloca 6
tabletas de narcóticos en una botella que contiene 9 píldoras de
vitamina similares en apariencia. Si el oficial de la aduana
selecciona 3 de las tabletas para realizar su análisis ¿Cuál es la
probabilidad de que el viajero sea arrestado por posesión de
drogas?
n=3
N=15
k=6
x=1
6 15 6
1 3
− 1
1; 3; 15; 6 = 15 = 0.4747
3
R 47.47%
DISTRIBUCIÓN BINOMIAL
Tiene el mismo principio binomial, pide que
ocurra un número determinado de éxitos.
∗
𝑥 − 1 𝑘 𝑥−𝑘
𝑏 𝑥; 𝑘; 𝑝 = 𝑝 𝑞
𝑘−1
Donde:
x = total de experimentos
k = número de éxitos
p = probabilidad
q=1–p
❖ Ejemplo:
Encuentre la probabilidad de que la doceava persona que llega a
inscribirse al CUNOC. Sea el tercer estudiante que ingrese a ingeniería si
se estima que el 5% de los estudiantes van a esa carrera
x = 12
k=3
p = 0.05
12 − 1
(0.05)3 ∗ 0.95 9 = 0.0043
3−1
R≈0.43%
DISTRIBUCIÓN GEOMÉTRICA
Busca o se relaciona con el número de pruebas en
el que ocurre el primer éxito.
Cada prueba puede dar dos resultados
mutuamente excluyentes : A y no A
El proceso consta de un número no definido de
pruebas o experimentos separados o separables.
El proceso concluirá cuando se obtenga por
primera vez el resultado deseado (éxito)
𝑔 𝑥; 𝑝 = 𝑝𝑞 𝑥−1
Donde:
x = cantidad de pruebas
p = probabilidad de éxitos
❖ Ejemplo:
La probabilidad de que un estudiante apruebe el examen de
piloto aviador es de 0.7. Encuentre la probabilidad de que el
estudiante apruebe en el tercer intento.
❖ Ejemplo:
La probabilidad de ganar estadística 1 es de 0.65 ¿Cuál es la
probabilidad que el estudiante gane el curso en la primero
recuperación?
16
1 − 𝑃(𝑥; 10)
𝑥=10
1 – 0.9730 = 0.027
R≈ 2.7%
DISTRIBUCIÓN NORMAL
La gráfica de su función de densidad tiene una
forma acampanada y es simétrica respecto de un
determinado parámetro estadístico. Esta curva se
conoce como campana de Gauss y es el gráfico de
una función gaussiana.
La importancia de esta distribución radica en que
permite modelar numerosos fenómenos
naturales, sociales y psicológicos.
La distribución normal también es importante
por su relación con la estimación por mínimos
cuadrados, uno de los métodos de estimación más
simples y antiguos.
𝒙−𝝁
𝒛=
𝝑
x = variable aleatoria
μ = media
σ = Desviación estándar
❖ Ejemplo:
Una compañía paga a sus empleados Q15.90 / hora, con
una desviación de Q1.75. Sí los salarios se distribuyen
normalmente qué porcentaje de los trabajadores reciben
entre Q14.05 a Q16.22.
16.22 − 15.90
𝑍1 = = 0.18
1.75
14.05 − 15.90
𝑍2 = = −1.05
1.75