Professional Documents
Culture Documents
ESTADSTICA:
Parmetro:esunamedidadescriptivadeunapoblacin,obtenidaconinformacincontenida
enuncenso.
Estadstico:esunamedidadescriptivaqueesobtenidadeunamuestra.
Variablecualitativa:sonaquellascaractersticasdeintersquemanejandatoscualitativos,
susvaloresexpresanunniveldecalidadoatributo.
Variablescuantitativas: sonaquellascaractersticasdeintersquemanejandatos
cuantitativos,susvaloressepuedencontaromedirmedianteunaexpresinnumrica,yse
dividenendiscretasycontinuas.
Variablesdiscretas: sonaquellascaractersticasquenicamentepuedenexpresarseen
nmerosenteros.
Variablescontinuas: sonaquellascaractersticasquepuedentomarcualquiervalordentro
deunintervalo.
INFERENCIAL
ESTIMACIN
DISTRIBUCINDE
FRECUENCIAS
ENFORMA
TABULAR
DISTRIBUCINDE
FRECUENCIASRELATIVAS
DISTRIBUCINDE
FRECUENCIASRELATIVAS
ACUMULADAS
PRESENTACIN
DEDATOS
ESTADSTICA
DATOS
CUALITATIVOS
ENFORMA
GRAFICA
DIAGRAMA
CIRCULAR
DIAFRAMADE
BARRAS
DIAGRAMASDE
LINEA
DATOS
CUANTITATIVOS
DIAGRAMADE
DISPERSIN
DESCRIPTIVA
HISTOGRAMAS
DETENDENCIA
CENTRAL
DATOS
AGRUPADOS
MEDIA
MEDIANA
MODA
NO
AGRUPADOS
MEDIA
MEDIANA
MODA
RANGO
MEDIDAS
DESCRIPTIVAS
COEFICIENTEDE
VARIACIN
DEDISPERSIN
INDICEDE
SIMETRA
INDICEDE
KURTOSIS
DESVIACIN
ESTANDAR
VARIANZA
AGRUPADOS
NO
AGRUPADOS
EJEMPLO:
A continuacin se muestran las calificaciones finales de 42 alumnos de una universidad.
Las calificaciones son: 5, 10, 10, 10, 10, 5, 6, 5, 6, 10, 5, 9, 8, 5, 9, 9, 6, 8, 9, 5, 5, 9, 8, 10, 10, 7,
7, 9, 5,10, 10, 5, 5, 8, 6, 5, 8, 5, 6, 5, 6, 5.
a) Construye una tabla de distribucin de frecuencias
b) Construye una tabla de distribucin de frecuencias relativas
c) Construye una tabla de distribucin de frecuencias relativas acumuladas.
calificacin
tabulacin
Numero de
Frecuencia
estudiantes
relativa
(frecuencia)
porcentaje
Frecuencia
relativa
acumulada
tabulacin
Numero de
Frecuencia
estudiantes
relativa
(frecuencia)
porcentaje
Frecuencia
relativa
acumulada
10
lllll llll
0.2142
21.42
0.2142
llllll
0.1428
14.28
0.3570
lllll
0.1190
11.90
0.4760
ll
0.0479
4.79
0.5239
lllllll
0.1666
16.66
0.6905
lllllllllllll
13
0.3095
30.95
1.0000
42
1.0000
100.00
total
DiagramadeBarras
Se compone de barras o segmentos rectangulares separados que representan una
categora o clase.
Sus desventajas son que deben interpretarse usando las alturas relativas de las barras en
una escala comn y el ancho de las barras disminuye conforme aumentan las categoras .
tabulacin
Numero de
Frecuencia
estudiantes
relativa
(frecuencia)
porcentaje
Frecuencia
relativa
acumulada
lllllllllllll
13
0.3095
30.95
0.3095
lllllll
0.1666
16.66
0.4761
ll
0.0479
4.79
0.5239
lllll
0.1190
11.90
0.6430
llllll
0.1428
14.28
0.7858
10
lllll llll
0.2142
21.42
1.0000
42
1.0000
100.00
total
DiagramaCircularodePastel
Suusomsfrecuentecuandoutilizamosdatosconvariablescualitativasysusdesventajas
esqueestnlimitadasaunnmeromuypequeodesectores,serequierequeel
observadorhagajuicioscomparativossobrelosngulos,arcosytamaosdelossectoresy
resultaimposiblecomparargruposdedatos.
sector
Millonesdedls
Porcentaje
Petrolero
16379.9
9.70
Agropecuario
4262.7
2.56
Extractivo
520.7
0.40
Manufacturero
145260.7
87.30
Total
166424.0
100.00
DiagramadeBarras
Se compone de barras o segmentos rectangulares separados que representan una
categora o clase.
Sus desventajas son que deben interpretarse usando las alturas relativas de las barras en
una escala comn y el ancho de las barras disminuye conforme aumentan las categoras .
180000
166424
160000
145260.7
140000
120000
100000
Series1
80000
60000
40000
20000
16379.9
4262.7
520.7
0
Petrolero
Agropecuario
Extractivo
Manufacturero
Total
DiagramadeLneas
Es utilizado para exponer el comportamiento de variables cuantitativas a travs del tiempo.
Numerodehuelgas
frecuencia
180
160
140
120
100
80
60
40
20
0
frecuencia
ao
DiagramadeDispersin
Es una representacin de dos variables cuantitativas que se analizan de manera simultanea,
los valores de ambas variables se representan individualmente sin agruparse en clases.
Ejemplo:
Se seleccionan al azar cinco automviles de un sitio de alquiler. Cada auto se pesa y
despus se conduce durante 100 km para determinar el rendimiento del kilometraje
recorrido por litro. Los resultados son:
Automvil
Peso(kg)
Km/lt
750
10.0
420
17.2
550
15.0
1000
9.0
680
8.0
Y(km/lt)
20
15
10
5
0
200
400
600
800
750
10.0
420
17.2
550
15.0
1000
9.0
680
8.0
1000
X (peso)
Histograma
Nos ayuda a describir grficamente la informacin contenida en una distribucin de
frecuencias. Analiza datos cuantitativos
Histogramadeventasdeautos
14
12
frecuencia
10
0
10
7
ventas
14
13
12
frecuencia
10
7
6
2
0
5
calificacin
10
Poligonodefrecuenciarelativaacumulada
1.2
1
0.8
0.6
0.4
0.2
0
5
7
calificacin
10
Datos no agrupados
Media poblacional
Media muestral
Ejemplo:
Mes
Tipodecambioenel2000
Enero
9.47
Febrero
9.44
Marzo
9.29
Abril
9.37
Mayo
9.50
Junio
9.79
Julio
9.46
Agosto
9.28
Septiembre
9.33
Octubre
9.51
noviembre
9.1
diciembre
9.44
Obtener la media
9.47
9.44
9.29
9.37
9.5
9.79
9.46
9.28
12
113.99
12
9.44
9.33
9.51
9.1
9.44
La mediana
Valor que se encuentra exactamente a la mitad de una serie ordenada.
1 Se ordenan los datos
2 Observar el tamao de la muestra o la poblacin y bajo los siguientes criterios
encontrar la mediana.
A Si el nmero de datos es un nmero impar, la mediana es el nmero
que se encuentra exactamente a la mitad. (n+1)/2
B Si el nmero de datos es un nmero par, la mediana es el valor de la
suma de los dos nmeros centrales entre dos.
La Moda
Se define como el valor de la variable que se presenta con mayor frecuencia en
una serie de datos.
Datos Agrupados
Media poblacional
Media muestral
56
50
36
40
65
74
61
43
60
67
31
51
65
54
66
36
53
67
37
40
41
60
83
46
68
37
58
61
54
53
61
70
77
46
62
38
81
68
37
70
63
90
44
45
36
46
60
55
36
36
31
50
36
36
40
36
51
43
37
48
37
53
44
37
53
38
58
55
40
62
41
60
61
45
65
46
60
65
46
66
56
61
67
46
67
61
70
68
54
68
63
81
77
54
70
74
90
83
60
3140
4150
5160
6170
7180
8190
fi
fa
11
9
11
14
2
3
50
11
20
31
45
47
50
mi
mi
35.5
45.5
55.5
65.5
75.5
85.5
mi fi
390.5
409.5
610.5
917
151
256.5
2735
mi
19.2
45.5
55.5
65.5
75.5
85.5
(mi )2 (mi )2 fi
368.64
2070.25
3080.25
4290.25
5700.25
7310.25
4055.04
18632.25
33882.75
60063.5
11400.5
21930.75
149964.79
I
Li= Lmite real inferior de la clase mediana
n= Nmero de datos observados
Fa= Frecuencia acumulada anterior a la clase mediana
I = Amplitud del intervalo de la clase mediana
fm= Frecuencia de la clase mediana
La moda
Varianza
Es una medida de variabilidad que toma en cuenta la dispersin que los
valores de los datos tienen con respecto a su media.
Datos no agrupados
Datos agrupados
Desviacin Estndar
Tambin es una medida de variabilidad que toma en cuenta la dispersin de
los valores de los datos con respecto a la media.
Datos no agrupados
Datos agrupados
fi
5 8.99
9 12.99
13 16.99
17 20.99
21 24.99
25 28.99
25
fa
mi
mi fi
mi
(mi )2
(mi )2 fi
ndice de asimetra
La probabilidad es un indicador que seala que tan cierto o que tan posibles es
que se presente un suceso o un acontecimiento.
Se expresa mediante la letra P.
0<=P<=1
Experimento: Proceso de observacin del cual se obtiene un resultado de entre
distintos resultados posibles.
Espacio muestral: es el conjunto de todos los resultados posibles que se
pueden obtener de un experimento y es representado mediante la letra S.
Puntos muestrales: Son los resultados posibles que pueden obtenerse en un
experimento.
Ejemplo:
Si se lanza una moneda al aire una sola vez, encuentra:
A) cul es el experimento?
B) cules son los resultados posibles o puntos muestrales?
C) cul es el espacio muestral?
Seleccin con reemplazo: es aquella que ocurre cuando una opcin que ya fue
seleccionada, puede volver a ser seleccionada.
Seleccin sin reemplazo es aquella que ocurre cuando una opcin que ya fue
seleccionada, ya no puede volver a ser seleccionada nuevamente.
Ejemplo: Un inversionista seleccionara de manera aleatoria y sin reemplazo
dos acciones entre un portafolio compuesto por tres acciones: accin A, accin
B, accin C. cules son los posibles resultados o puntos muestrales? cul
es el espacio muestral?.
R1: (A,B) R2: (A,C) R3: (B,C) R4: (B,A) R5: (C,A) R6: (C,B)
S={(A,B) (A,C) (B,C) (B,A) (C,A) (C,B) }
Evento (E): Se le llama a la coleccin de uno o varios resultados posibles o
puntos muestrales que pertenecen a un espacio muestral. Es un subconjunto
del espacio muestral.
Enfoques de la
probabilidad
P(A)=n(A)/N
Numero de veces en que
Frecuencia
se ha presentado el evento/entre total de
relativa:
observaciones
R5:(N,S,S,S)
R6:(S,S,N,N)
R7:(S,N,N,S)
R8:(N,N,S,S)
R9:(S,N,S,N)
R10:(N,S,S,N)
R11:(N,S,N,S)
R12:(S,N,N,N)
R13:(N,S,S,S)
R14:(N,S,N,N)
R15:(N,N,S,N)
R16:(N,N,N,N)
Puntos muestrales
R1:(S,S,S,S)
R2:(S,S,S,N)
R3:(S,S,N,S)
R4:(S,N,S,S)
R5:(N,S,S,S)
R6:(S,S,N,N)
R7:(S,N,N,S)
R8:(N,N,S,S)
R9:(S,N,S,N)
R10:(N,S,S,N)
R11:(N,S,N,S)
R12:(S,N,N,N)
R13:(N,S,S,S)
R14:(N,S,N,N)
R15:(N,N,S,N)
R16:(N,N,N,N)
120
0.06
mantenimiento
50
0.025
produccin
1460
0.73
administracin
302
0.151
secretarias
68
0.034
2000
P(-b)
Reglaespecial
P(AoB)=P(A)+P(B)eventos
mutuamenteexcluyentes
RegladelComplemento
P(A)=1 P(~A)
ReglaGeneral
P(AoB)=P(A)+P(B) P(AyB)
ReglasdelaAdicin
Una mquina automtica llena bolsas de plstico con una combinacin de frijoles, brcoli y
otras verduras. La mayora de las bolsas contienen el peso correcto, aunque como
consecuencia de la variacin del tamao del frijol y de otras verduras, un paquete podra
pesar menos o ms. Una revisin de 4000 paquetes que se llenaron el mes pasado arroj los
siguientes datos:
Peso
Evento
Nmero de
paquetes
Probabilidadque
ocurraevento
Menospeso
100
.025
Pesosatisfactorio
3600
.900
Mspeso
300
.075
4000
1.000
100/4000
Culeslaprobabilidaddequeenunpaqueteenparticularpesemenosopesems?
P(AoC)=P(A)+P(B)=0.025+0.075=.1
Ejemplo: Cul es la probabilidad de que una carta, escogida al azar, de una baraja
convencional sea rey o corazn?
Carta
Probabilidad
Explicacin
Rey
P(A)=4/52
4reyes
Corazn
P(B)=13/52
13corazones
Reydecorazones
P(AyB)=1/52
1reydecorazones
Regladelamultiplicacin
Reglaespecial
P(AyB)=P(A)P(B)independencia
Reglageneral
P(AyB)=P(A)P(A/B)Probabilidadcondicional
Ejemplo:UnaencuestallevadaacaboporlaAmericanAutomobileAssociation(AAA)revel
queelaopasado60%desusmiembroshicieronreservacionesenlneaareas.Dosdeellos
fueronseleccionadosalazar.Culeslaprobabilidaddequeamboshicieranreservacionesel
aopasado?
P(R1yR2)=P(R1)P(R2)=(0.60)(0.6)=0.36
Ejemplo:Ungolfistatiene12camisasensuclset.Supongaque9sonblancasylasdems
azules.Comosevistedenoche,simplementetomaunacamisayselapone.Juegagolf2
vecesseguidasynolaslava.Culeslaprobabilidaddequelasdoscamisaselegidassean
blancas?
P(B1yB2)=P(B1)P(B2/B1)=(9/12)(8/12)=0.55
Laprobabilidadcondicionaldeuneventoesaquellaqueestacondicionadao
determinadaporlapresenciadeotroevento.
P(A/B)=P(AB)
P(B)
P(A/B)ProbabilidadcondicionaldequesepresenteeleventoAdadoqueocurrael
eventoB
P(AB)ProbabilidaddelainterseccindeleventoAconeleventoB,probabilidadde
queocurranestoseventosdeformasimultnea.
P(B)ProbabilidaddequeocurraeleventoB.
Ejemplo
Deacuerdoconalgunosestudiosrealizadosporanalistasdemercado,sesabequela
probabilidaddequeexistaunadevaluacindelpesoyunacadaenlatasadeintersde
manerasimultaneaesde0.2.Adems,laprobabilidaddequeexistaunacadaenlas
tasasdeintersesde0.5.Sealaculserlaprobabilidaddequeexistaunadevaluacin
enelpesodadoquesepresenteunacadaenlastasasdeinters.
EventoA=devaluacin
EventoB=cadadelastasasdeinters
P(AB)=0.2
P(B)=0.5
P(A/B)=P(AB)= 0.2=0.4
P(B)0.5
Laindependenciaestadstica
Doseventossonestadsticamenteindependientescuandonotienenningunainfluencia
entres,esdecir,quelaprobabilidaddeuneventoesindiferentealapresenciaono
presenciadeotroevento.
Seexpresa
P(A/B)=P(A)
Sinosonestadsticamenteindependientesseexpresa
P(A/B)=P(A)
Ejemplo
Sesabeque50%delosrefrescosqueseconsumenenunapoblacinsondeuna
determinadamarca,tambinsesabeque60%delapoblacinhavistoportelevisinel
nuevocomercialdeesterefresco,yquelaspersonasqueconsumenesamarcaderefresco
yquehanvistosunuevocomercialrepresentan30%delapoblacin.Determinesila
compraderefrescosdeestamarcahasidoestimuladaporsunuevocomercialen
televisin.
EventoA=consumoderefrescodelamarcasealada
EventoB=Nuevocomercialdelrefresco
P(A)=0.5
P(B)=0.6
P(AB)=0.3
Seobtienelaprobabilidadcondicional
P(A/B)=P(AB)= 0.3=0.5
P(B)0.6
P(A/B)=P(A)=0.5,porlotanto,laprobabilidaddequeunclienteconsumarefrescosde
estadeterminadamarcanoestinfluidaporlapresenciadelnuevocomercial.Lapublicidad
noeslaadecuada.
Leydelamultiplicacin
EstablecelaprobabilidaddequesepresentelainterseccindedoseventosAyB.
Siloseventossonestadsticamenteindependientes
P(AB)=P(A)*P(B)
P(AB)=EslaprobabilidaddequesepresenteeleventoA
P(A)=EslaprobabilidaddequesucedaeleventoA
P(B)=EslaprobabilidaddequesucedaeleventoB
Ejemplo
Eldepartamentodemercadotecniadeunaempresarealizounestudiodemercadoparasaber
cualdedosbebidasrefrescantesprefierenlosconsumidores;labebidarefrescanteAtuvouna
probabilidaddeaceptacinde75%,mientrasquelabebidarefrescanteBtuvounaaceptacin
de80%.Culeslaprobabilidaddequeambasbebidasrefrescantestenganaceptacinpor
partedelosconsumidoressisesuponequeamboseventossonestadsticamente
independientes?
P(A)=0.75
P(B)=0.80
P(AB)=P(A)*P(B)=(0.75)*(0.80)=0.6
Laprobabilidaddequeambasbebidasseanaceptadasesde0.60
Siloseventosnosonestadsticamenteindependientes
P(AB)=P(A/B)*P(B)
P(A/B)=ProbabilidadcondicionaldequesepresenteeleventoAdadoqueocurraeleventoB
Ejemplo
Eneldepartamentodeproduccindeunaempresasesabequeunconjuntode10partesde
repuestocontieneochopartesaceptables(A)y2defectuosas(B).Dadalaseleccinaleatoria
sinreemplazodedospartes,culeslaprobabilidaddequelasdospartesseleccionadassean
aceptables?
P(A)=8/10
P(A/B)=7/9
P(AB)=P(A/B)*P(B)=(8/10)*(7/9)=(56/90)=0.6222
Laprobabilidaddequelasdospartesseleccionadasseanaceptadasesde0.62
Tabla de contingencia
Tabla utilizada para clasificar observaciones de una muestra, de acuerdo con dos o
ms caractersticas identificables.
Una encuesta de 150 adultos clasificados segn su gnero y la cantidad de
pelculas que vieron en el cine el mes pasado. Cada entrevistado se clasifica de
acuerdo con dos criterios: la cantidad de pelculas que ha visto y el gnero
Gnero
Pelculas
vistas
Hombres
Mujeres
Total
20
40
60
40
30
70
2oms
10
10
20
Total
70
80
150
Diagrama de rbol
M80/150
0P40/80
(80/150)(40/80)=4/15
1P30/80
(80/150)(30/80)=3/15
2<P10/80
(80/150)(10/80)=1/15
0P20/70
(70/150)(20/70)=2/15
1P40/70
(70/150)(40/70)=4/15
2<P10/70
(70/150)(10/70)=1/15
Raz
H70/150
TeoremadeBayes
Enlamayoradelasaplicacionesrealeslasdecisionesseactualizanconformeseobtiene
nuevainformacinoexisteuncambiodeescenarios.
LaLeydeBayesproporcionaunmtodomedianteelcuallaprobabilidaddeciertoevento
queyaesconocido(probabilidadapriori oprevia)sevaactualizandoconformeseobtiene
nuevainformacin.Unavezquelaprobabilidadhasidoactualizadaselellama
probabilidadaposteriori (oprobabilidadposterior).
Laprobabilidadcondicionaldeterminalaformaenqueuneventoesinfluidoo
determinadodadalapresenciadeotroevento.
LaLeydeBayesseutilizaparaobtenerprobabilidadesmsprecisasquelasprobabilidades
apriori,dadalapresenciadeunnuevoevento.
LaformulaparaencontrarunaprobabilidadaposteriorieslaqueseconocecomoLeyde
Bayes.
P(A/B)=
P(B/A) * P(A)
.
P(B/A) * P(A) + P(B/AC) * P(AC)
X: productos defectuosos
Y: productos de buena calidad
Utilizando diagrama de rbol:
A 45%
B 55%
XA
10%
YA
90%
XB
08%
YB
92%
Sustituyendo en formula
P(B/XB)=
P(XB/B) * P(B)
. =
(0.08)(0.55)
= 0.49
P(XB/B) * P(B) + P(XA/BC) * P(BC)
(0.08)(0.55) + (0.10)(0.45)
B 60%
XA
80%
YA
20%
XB
50%
YB
50%
Sustituyendo en formula
P(B/XA)=
P(XA/A) * P(A)
. =
(0.80)(0.40)
= 0.516
P(XA/A) * P(A) + P(XB/AC) * P(AC)
(0.80)(0.40) + (0.50)(0.60)
n= 3
N=mn=50 * 3 = 150
n! .
(n-r)!
Donde: P: numero de permutaciones o formas en que pueden ordenarse los objetos
n: numero total de objetos
r: numero de objetos que se van a disponer cada vez.
La Regla de las combinaciones sirve para combinar los distintos elementos del
grupo.
En consecuencia, el inters en las combinaciones siempre se dirige al numero de
diferentes subgrupos que pueden formarse con n objetos. El numero de
combinaciones de n objetos tomados de r a la vez es:
nCr
n! .
r! (n-r)!
r=4
10 C 4 = 10! / 4 ! ( 10 4 ) ! = 10 ! / 4 ! 6 ! = 210
B) La Bolsa Mexicana de Valores ofrece 4 tipos de acciones a los inversionistas, de
cuntas maneras se puede seleccionar 2 tipos de acciones?
Variable Aleatoria
Cuando en un proceso de observacin las caractersticas que se desean medir
adquieren valores cuantitativos y estos estn sujetos al azar se dice que estas
caractersticas son variables. Es decir, una variable aleatoria debe considerar dos
aspectos: que las caractersticas se encuentren expresadas en valores cuantitativos y
que estos valores tengan un carcter aleatorio.
VariableAleatoria
VariableAleatoriaDiscreta
Elnmerodeclientesqueacudenenundaalsupermercado
Elnmerodeclientesesperandoservicioenunbanco
Elnmerodepersonasquesonencuestadasenun
determinadoda
VariableAleatoriaContinua
Elpesodeunartculoquesevaavender
Eltiemponecesarioparallevaracabolaproduccindecierto
artculo
Lacantidaddegasolinaconsumidaporunautomvilalefectuar
entregas.
probabilidad
0.16
0.48
0.36
Ejemplo:
Si se selecciona una muestra aleatoria de dos consumidores que realizan sus
compras y cada uno tiene que elegir entre los artculos A y B, segn sus preferencias.
S[AA,AB,BA,BB]
Si se sabe que 60% de los productos demandados por los consumidores son del tipo
A y 40% de los productos demandado por los consumidores son del tipo B, se tiene:
P(A,A)=(0.6)(0.6)=0.36
P(A,B)=(0.6)(0.4)=0.24
P(B,A)=(0.6)(0.6)=0.24
P(B,B)=(0.4)(0.4)=0.16
Valordelavariable
probabilidad
0.16
0.48
0.36
Distribucin de probabilidad
La distribucin de probabilidad de una variable aleatoria discreta se
representa por una tabla y una grfica que proporcionan las probabilidades
asociadas a cada valor posible de la variable aleatoria discreta.
Si en un banco se atendi a tres clientes en un determinado periodo, los
cuales pueden ser hombres o mujeres, y adems se sabe que 50% de los
clientes que visitan un banco son mujeres y 50% son hombres. Cul es la
funcin de distribucin de probabilidad dl nmero de mujeres atendidas?
De lo anterior se obtiene que la probabilidad conjunta es:
P(0)=1/8 {HHH}
P(1)=1/8+1/8+1/8=3/8 {HHM, HMH, MHH}
P(2)=1/8+1/8+1/8=3/8 {HMM, MHM, MMH}
P(3)=1/8 {MMM}
X
P(X)
1/8
3/8
3/8
1/8
Valordelavariable(X)
ProbabilidadP(X)
1/8
3/8
3/8
1/8
Ejemplo:
Una empresa consultora afirma que un procedimiento para promocionar las ventas
de una compaa es exitoso 80% de las veces. Si el procedimiento se lleva a
cabo cinco veces en un ao, cul es la probabilidad de que:
a) Las cinco veces que se lleva a cabo el procedimiento sea exitoso
b) A lo ms dos sean exitosas
a) Tenemos que p=80% y q= (1-p)= (1-0.8)= 0.2
n= 5
k=5
n-k= 0
Sustituyendo valores en la formula:
P(k)=P (k,n.p) = [n! / k!(n-k)!] pkqn-k = [5! / 5!(5-5)!] (0.8)5 (0.2)0 = 0.32768
P(5)= 0.32768
b) k<=2; por lo que k= 2,1,0
LADISTRIBUCINHIPERGEOMTRICA
Esenlaqueseconsideralaexistenciadexitosy/ofracasosenunamuestrayenuna
poblacin,suponiendoquesetieneconocimientodeltamaodelapoblacinydel
nmerodeelementosdentrodeellaqueseconsideranxitosofracasos,yqueseextrae
unamuestradondetambinexistenxitosofracasos.
Seutilizantantolamuestracomolapoblacinparahacerreferenciaalknmerode
elementoscontenidosenlapoblacinyaspoderconocerelnmerodexitosofracasos
enella.Elmanejodedatosessinreemplazo.
P(k)= (kCx)(N-kCn-x) =
k! .
(N-k)!
.
(NCn)
x!(k-x)! (n-x)![(N-k)-(n-x)]
N! .
n!(N-n)!
N = nmero de elementos en la poblacin
K = nmero de elementos en la poblacin que se considera xito
N-k = nmero de elementos en la poblacin que se consideran fracasos
n = nmero de elementos en la muestra seleccionados de los N elementos en la
poblacin.
x = nmero de xitos en la muestra
Ejemplo:
Unaspiranteaunpuestoejecutivoacudealdepartamentoderecursoshumanosdeuna
empresayselenotificaqueendosdasdeberrealizarunexamenbasadoenunaguade
15secciones.Alprepararseparaelexamen,estudiatansolo10delas15seccionesquedebe
cubrir.Sisuinstructorseleccionara5seccionesalazaryhaceunapreguntadecadauna,
culserlaprobabilidadquetieneelaspirantedehaberestudiadodosdelasecciones?
Datos: N=15
k=10
Nk=5
n=5
nx=3
x=2
P(2)= 10!.
5!.P(2)=0.1499
2!(102)!3!(53)!.
15!.
5!(155)!
Laprobabilidadesunvalormuybajoquedenotaquesusposibilidadesdeaprobarelexamen
nosonmuyalentadoras.
LADISTRIBUCINDEPOISSON
Empleainformacinreferenteasituacionesenlascualessemanejaqueelresultadodeun
ensayosecondicioneporpresentarseenunperiododeterminadooenunareaoespacio
especfico.
Paradeterminarlaprobabilidaddeocurrenciadeunnmeroestablecidodeeventosenuna
distribucindePoissonsoloserequieredeunvalor:elnmeropromediodeeventosenla
dimensintemporaloespacialespecficadeinters
Porlogeneralestamediaserepresentaporlaletragriegalambda().
Estadistribucinserepresentapor:
P(x)=e x
x!
Elnmeropromediodeventasdeunacompaaenunahoraesde5,sedeseaconocercul
eslaprobabilidaddequeenunahoradeterminadaserealicen:
a) tresventas
b) Seisventas
=5x=3y6
P(3)=e x=e 3=0.1396
x!3!
P(6)=e x=e 6=0.1454
x!6!
Distribucin geomtrica
Se basa en la distribucin binomial solo que en sta nos interesan las probabilidades
de que el primer xito o fracaso ocurra en un experimento dado, por ejemplo, es de
inters conocer si el primer xito o fracaso ocurre en el tercer experimento.
La probabilidad de que el primer xito o fracaso ocurra en el x-simo experimento es:
P(x)=P(1-P)x-1
Donde:
P(x)= Probabilidad de que el primer xito se de en el experimento x.
P= Probabilidad del xito
(1-P)= Probabilidad de fracaso
X= Experimento elegido donde se espera que se obtenga el primer xito.
X-1= Fracasos ocurridos antes de que se obtenga el primer xito.
Ejemplo:
Una casa de bolsa tienen un paquete de acciones con distintos rendimientos. Si la
probabilidad de que se eleve el rendimiento de las acciones es de 0.7, encuentra la
probabilidad de que la cuarta accin sea la que eleve primero su rendimiento.
Datos:
P= 0.7
(1-P)= 1 0.7 = 0.3
X= 4
sustituyendo datos
P(x)=(0.7)(0.3)4-1
P(x)= 0.0189
Curva normal
Ladispersinhacequelacurvaseamaselevadaoms
achatada
DistribucinLeptocrtica(puntiaguda)
DistribucinPlaticrtica(achatada)
Ejemplo:
El sueldo mensual que reciben los empleados de una empresa dedicada
a la produccin de plstico, sigue una distribucin normal con una
media de $8000 y una desviacin estndar de $700. La empresa
desea conocer:
a)El rango de valores entre los que se encuentran aproximadamente
68% de los sueldos de los empleados.
b)El rango de los valores entre los que se encuentran aproximadamente
95% de los sueldos de los empleados.
c)El rango de los valores entre los que se encuentra aproximadamente
99% de los sueldos de los empleados.
Solucin:
a)
Datos
$8000
s=$700
Desarrollo
8000-700=7300
8000+700=8700
b)
DatosDesarrollo
c)
Datos
Desarrollo
Distribucindeprobabilidadnormalestandarizada
Existeunnumeroinfinitodedistribucionesnormales,cadaunaconsumediaydesviacin
estndar.Esdemasiadocomplicadoproporcionarresultadosparacadacombinacin.Esta
problemticaseaminorautilizandounaestandarizacindelosdatosquetengalavariableX.
Estosdatossepuedenconvertiraunaescalaestandarizadaaplicandolasiguienteformula:
Z= X
X=Eselvalordelavariablealeatoriaenestudio
=Eselvalordelamediadeladistribucindelavariablealeatoria
=Esladesviacinestndardeladistribucin
LaformuladaexpresadaentrminosdeZmideladistanciaentreelvalorespecficodeXyel
valordelamedia,utilizandoladesviacinestndarcomounidaddemedida.
Zsiempretieneunamediaigualaceroyunadesviacinestndarigualauno.Sebuscala
probabilidaddeocurrenciadeunvalorZyestasebuscaenunatabla.
Ejemplo:
Unacompaaproductoradellantasrealizaunestudiosobreeltiempodevidatildelas
llantas,delestudioresultaquelasllantastienenunaduracinpromediode35,000kms yuna
desviacinestndarde4,000kms.
Elgerentedelaempresaestinteresadoensaber:
a) Quprobabilidadexistedequelasllantastengauntiempodevidasuperiora38,000
kms?
b) Quproporcindeestasllantastienenuntiempodevidainferiora32,000kms?
c) Quproporcindeestasllantastieneuntiempodevidaentre32,000y38,000kms?
Datos:
X=38000
Z= X
P(X
detablassetienequesuvaloresde0.2734
P(X>38000)=P(Z>0.75)=0.5 0.2734=0.2266
Porlotantolaprobabilidaddequelasllantastenganunaduracinsuperioralos38000kms
esde0.2266o22.66%.
0.2734
.2266
0
0.75
35000 38000
x
Z
= np
= npq
para obtener Z.
K1
K1
K1
d)Restar 0.5 cuando se desea
conocer P(X>=K1)
K1
K1
K1
Distribucint
Estadistribucinesunconjuntodedistribucionesquetienenuncomportamientomuysimilar
aladistribucinnormal,conlasalvedaddequesusdatostienenmayordispersin.Seaplica
pararealizarinferenciascuandolamuestraconlaqueseestatrabajandoespequeayadems
sedesconoceladesviacinestndar.
t=X
S/n1/2
Distribucinexponencial
Abordafenmenoscuyaprobabilidadserefiereatiempoydistanciasentrelaocurrenciade
experimentosconrespectoaunintervalocontinuo(numerodedatosgrande).
Sepuedeaplicarcuandoelintersconsistenicamenteenconocereltiempooladistancia
hastaelprimerevento,eltiempooladistanciaentredoseventos.
Elobjetivoesencontrarlaprobabilidaddequeeleventonosucedaenelintervalo
especificado:
P(T>t)=et
Elobjetivoesencontrarlaprobabilidaddequeeleventoocurraenelcursodelintervalo
especificado:
P(T<=t)=1 et
Estimacin
Esunprocedimientodelaestadsticainferencialmediantelacualserealizanclculosconlos
datosdeunamuestraparaobtenervaloresoresultadosquedescribanlascaractersticasde
lapoblacin.
Elobjetivodelaestimacinesobtenerestadsticosoestimadores(formulas)paraconocerde
maneraresumidalascaractersticasmasrelevantesdeunapoblacin.
Estimacinpuntual:esunprocedimientomedianteelcualserealizanclculosconlosdatos
deunamuestracuyoresultadoesunvalornumriconicoempleadoparaestimarelvalorde
unparmetropoblacional.
Desventajas:
silamuestranoesrepresentativa,elresultadodelaestimacinserequivocado.
Suresultadovariademuestraenmuestra.
Noproporcionaunamedidadereferenciaounniveldeconfianzaencuantoalresultado.
EstimacinporIntervalos:esunprocedimientomedianteelcualserealizanclculosconlos
datosdeunamuestracuyoresultadosondosvaloresnumricosquedefinenunrango,
intervaloounconjuntonumricoqueservirparaestimarelparmetropoblacional.
Ventajas:
Noofreceunvalornico,sinounrango
Msprobabilidaddeacertaralverdaderovalor
Ofreceelresultadounniveldeconfianzaquepermiteconocerencuantolepodemos
creerotenerleconfianza.(Intervalodeconfianza).
Elniveldeconfianzasealaquetantaconfianzalepodemostenerocreeral
resultado.
Semideen%0100deconfianza
Ejemplos:clima,tipodecambio,etc.
ESTIMACINDELAMEDIA(MUESTRAGRANDE)
Paramuestrascompuestasde30msdatos
Sepuedeutilizarparamuestraschicassolos:
Ladistribucinseanormalyseconozcaelvalordelavarianzapoblacional
desviacinestndarpoblacional.
Sebasaenalteoremadellmitecentral.
Siseconoceladesviacinestndarpoblacional
X Z/2 (/n1/2)< <X+Z/2 (/n1/2)
Sinoseconoceladesviacinestndarpoblacional
X Z/2 (S/n1/2)< <X+Z/2 (S/n1/2)
X
mediadelamuestra
Z/2
valordeZsituadobajolacurvanormalestndar
errorestndardelamediamuestral
/n1/2
Niveldesignificancia(probabilidaddequelamediapoblacionalnoseencuentreen
intervaloestimado)
1
Z/2
90%
1.645
95%
1.96
98%
2.326
99%
2.576
1 Niveldeconfianza
el
Muestrapequeas(n<30) desconocida
X t/2 (S/n1/2)< <X+t/2 (S/n1/2)
Gradosdelibertadgl=n 1
ESTIMACINDELADIFERENCIAENTREDOSMEDIASPOBLACIONES
(x1x2)Z/2 21
+ 2
<1
n1 n2
2 <(x1x2)+Z/2 21
+ 2
n1 n2
Millonesdepesos
75043474
Industrial
415706866
Servicios
941943481
Total
1 432693821
Porcentaje
Pas
Milesdetoneladas
China
2,021.04
India
599.40
Brasil
Estados Unidos
493.10
408.20
Turqua
197.26
Indonesia
157.35
Otrosproductores
1,869.54
Total
5,745.89
Frecuencia
15a18
18a21
23
21a24
17
24a27
18
27a30
30a33
33a36
Total
80