1

I.E. CRDENAS CENTRO

MDULO DE ESTADSTICA

CICLO V GRADO DCIMO

TABLA DE CONTENIDO pg. UNIDAD 1 1. 1.1. 1.2. 1.3. 1.4. 2. 3. 3.1. 3.2. 3.3. POBLACIN, MUESTRA, VARIABLE ESTADSTICA: CUALITATIVA Y CUANTITATIVA POBLACIN LA MUESTRA VARIABLE CUALITATIVA VARIABLE CUANTITATIVA ELABORACIN DE TABLAS DE DISTRIBUCIN DE FRECUENCIA CON DATOS AGRUPADOS GRFICOS ESTADSTICOS: HISTOGRAMA, POLGONO DE FRECUENCIAS, OJIVA HISTOGRAMA POLGONO DE FRECUENCIAS OJIVA 4 4 4 4 4 4 5 5 5 5

UNIDAD 2 1. 1.1. 1.2. 1.3. 2. 2.1. 2.1.1. 2.1.2. 2.1.3. 2.2. 2.2.1. 2.3. 2.3.1. 2.3.2. 2.3.3. 2.4. 2.4.1. 2.4.2. 2.4.3. 3. 4. 4.1. 4.2. MEDIDAS DE TENDENCIA CENTRAL CON DATOS AGRUPADOS: MEDIA ARITMTICA, MEDIANA Y MODA MEDIA PARA DATOS AGRUPADOS MEDIANA PARA DATOS AGRUPADOS LA MODA PARA DATOS AGRUPADOS MEDIDAS DE DISPERSIN: RANGO, DESVIACIN MEDIA, VARIANZA, DESVIACIN TPICA O ESTANDAR RANGO Rango para datos no agrupados Rango para datos agrupados Propiedades del Rango o Recorrido DESVIACIN MEDIA Propiedades DESVIACIN TPICA Clculo de la desviacin tpica para datos no agrupados en clases Clculo de la desviacin tpica para datos agrupados en clases y agrupados por frecuencias Propiedades VARIANZA Varianza para datos agrupados Varianza para datos NO agrupados Propiedades ANLISIS DE RESULTADOS DE ENCUESTAS NMERO NDICE APLICACIONES DE LOS NMEROS NDICES VENTAJAS DE LOS NMEROS NDICES

7 7 7 8 8 8 8 8 9 9 10 10 11 11 11 11 12 12 13 14 14 15 15 16

EVALUACIN DE COMPETENCIAS UNIDAD 3 1. 1.1. TNICAS DE CONTEO DIAGRAMA DE RBOL

17 17

1.2. 1.3. 1.3.1. 1.3.2.

PRINCIPIO DE MULTIPLICACIN COMBINACIONES Y PERMUTACIONES Combinaciones Permutaciones

17 18 18 18 19

EVALUACIN DE COMPETENCIAS UNIDAD 4 1. 2. 3. 3.1. 3.1.1. 3.1.2. 3.1.3. CONCEPTO DE PROBABILIDAD ESPACIOS MUESTRALES CLCULO DE PROBABILIDADES INDEPENDENCIA DE EVENTOS Sucesos Excluyentes Sucesos Independientes Sucesos Dependientes

20 20 20 21 21 21 21 22 24

EVALUACIN DE COMPETENCIAS BIBLIOGRAFA

UNIDAD 1
1. POBLACIN, MUESTRA, VARIABLE ESTADSTICA: CUALITATIVA Y CUANTITATIVA 1.1. POBLACIN Es s el conjunto de individuos, con alguna caracterstica comn, sobre el que se hace un estudio estadstico. 1.2. LA MUESTRA Es s un subconjunto de la poblacin, seleccionada de modo que ponga de manifiesto las carac caractersticas de la misma, de ah que la propiedad ms importante de las muestras es su representatividad. El proceso seguido en la extraccin de la muestra se llama muestreo. Cada uno de los aspectos que se desea conocer acerca de la poblacin se denomina variable estadstica. Las variables estadsticas pueden ser: nmero de hermanos, nmero de discos vendidos, nmero de pulsaciones. Una variable estadstica cuantitativa es continua cuando puede tomar todos los valores posibles de un intervalo (es decir, se puede medir). Por ejemplo: peso, talla, medida del salto de longitud.

2. ELABORACIN DE TABLAS DE DISTRIBUCIN DE FRECUENCIA CON DATOS AGRUPADOS 1.3. VARIABLE CUALITATIVA Si i se pueden observar o leer, pero no se pueden contar o medir. Por ejemplo: color de pelo, lugar de nacimiento, profesin. 1.4. VARIABLE CUANTITATIVA Si se pueden eden contar o medir. Por ejemplo: nmero de hermanos, peso, nmero de discos vendidos, talla. Las variables estadsticas cuantitativas pueden ser discretas o continuas: Una variable estadstica cuantitativa es discreta cuando slo toma un nmero finito de valores aislados (es decir, se puede contar). Por ejemplo: Es aquella distribucin en la que la disposicin tabular de los datos estadsticos se encuentran ordenados s en clases y con la frecuencia de cada clase; es decir, los datos originales de varios valores adyacentes del conjunto se combinan para formar un intervalo de clase. No existen normas establecidas para determinar cundo es apropiado utilizar datos agrupados os o datos no agrupados; sin embargo, se sugiere que cuando el nmero total de datos (N) es igual o superior a 50 y adems el rango o recorrido de la serie de datos es mayor de 20, entonces, se utilizar la distribucin de frecuencia para datos agrupados, tambin se utilizar este tipo de distribucin cuando se requiera elaborar grficos lineales como el histograma, el polgono de frecuencia o la ojiva.

La razn fundamental para utilizar la distribucin de frecuencia de clases es proporcionar mejor comunicacin cacin acerca del patrn establecido en los datos y facilitar la manipulacin de los mismos. Los datos se agrupan en clases con el fin de sintetizar, resumir, condensar o hacer que la informacin obtenida de una investigacin sea manejable con mayor facilidad. Ejemplo: Ejemplo, la siguiente tabla muestra las notas que se sacaron 45 alumnos de un curso en su ltima prueba: Observa que en este caso las clases son las notas y las frecuencias de clase son la cantidad de alumnos.

sobre el eje OX, este ser la base del rectngulo que se dibuja sobre l con altura igual o proporcional a su frecuencia absoluta. Como los intervalos son consecutivos, los rectngulos quedan adosados. Si se utilizaran rectngulos de amplitud diferente, dif el rea del rectngulo es la que tendra que ser proporcional a la frecuencia absoluta correspondiente a ese intervalo. Se utiliza el histograma acumulativo, si se utiliza la frecuencia absoluta acumulativa.

3.2. POLGONO DE FRECUENCIAS Se utilizan para variables estadsticas cuantitativas, discretas o continuas. Para una variable discreta, el polgono de frecuencias se obtiene uniendo por una poligonal, los extremos superiores de las barras. Para una variable continua, el polgono de frecuencias uencias se obtiene uniendo por una poligonal los puntos medios de la base superior de los polgonos del histograma. Las escalas utilizadas para representar los polgonos de frecuencias influyen mucho por el impacto visual de los mismos.

3. GRFICOS ESTADSTICOS: S: HISTOGRAMA, POLGONO DE FRECUENCIAS, OJIVA Representacin grfica de datos estadsticos. Las tablas estadsticas representan toda la informacin de modo esquemtico y estn preparadas para los clculos posteriores. Los grficos estadsticos nos transmiten en esa informacin de modo ms expresivo, nos van a permitir, con un slo golpe de vista, entender de que se nos habla, observar sus caractersticas ms importantes, incluso sacar alguna conclusin sobre el comportamiento de la muestra donde se est realizando ando el estudio. Los grficos estadsticos son muy tiles para comparar distintas tablas de frecuencia. Los grficos estadsticos ms usuales son: 3.1. HISTOGRAMA Se utiliza para la representacin de variables cuantitativas continuas, cada intervalo se representa r

3.3. OJIVA Su objetivo, jetivo, al igual que el histograma y el polgono de frecuencias es representar distribuciones de

frecuencias de variables cuantitativas continuas, pero slo para frecuencias acumuladas. No se utilizan barras en su confeccin, sino segmentos de recta, por ello no slo es til para representar una distribucin de frecuencias sino tambin cuando se quiere mostrar ms de una distribucin o una clasificacin cruzada de una variable cuantitativa continua con una cualitativa o cuantitativa discreta.

La diferencia con el polgono de frecuencia es que la frecuencia acumulada no se plotea sobre el punto medio de la clase, sino al final de la misma, ya que representa el nmero de individuos acumulados hasta esa clase. Como el valor de la frecuencia acumulada es mayor a medida que avanzamos en la distribucin, la poligonal que se obtiene siempre va a ser creciente y esa forma particular de la misma es la que ha hecho que se le d tambin el nombre de ojiva.

ACTIVIDAD
Se ha realizado una encuesta a 20 personas sobre el nmero de veces, que en la semana, van al cine y se han obtenido las siguientes respuestas:

N das (xi) 0 1 2 3 4 5 6 7 Total

fr. absoluta (ni) 1 2 4 7 1 1 3 1 20

Realiza el diagrama de barras, el polgono de frecuencias y el diagrama de sectores correspondiente.

UNIDAD 2
1. MEDIDAS DE TENDENCIA CENTRAL CON DATOS AGRUPADOS: MEDIA ARITMTICA, MEDIANA Y MODA Cuando se trabaja con datos que han sido agrupados en una distribucin de frecuencias, no se sabe con certeza los valores individuales de cada dato. Por lo que se utilizan mtodos alternos para aproximar los valores de las medidas descriptivas. 1.1. MEDIA PARA DATOS AGRUPADOS Al calcular la media para datos agrupados, se supone que las observaciones en cada clase son iguales al punto medio de la clase:

1.2. MEDIANA PARA DATOS AGRUPADOS Primero se encuentra la clase mediana, la cual es la clase cuya frecuencia acumulada es mayor o igual a n/2 y puede determinarse mediante la siguiente frmula:

1.3. LA MODA PARA DATOS AGRUPADOS Es la observacin que ocurre con mayor frecuencia, por lo que es necesario identificar la clase modal, esta se localiza encontrando la clase que tenga ms frecuencia.

2. MEDIDAS DE DISPERSIN: RANGO, DESVIACIN MEDIA, VARIANZA, DESVIACIN TPICA O ESTANDAR Con las medidas de centralizacin y posicin podemos conocer los valores centrales de un conjunto de datos y la distribucin de stos. Uno de los objetivos de las medidas de tendencia central es la de sintetizar la informacin de los datos, pero estas medidas por s solas no bastan para ver su grado de significacin, vemoslo con un ejemplo. Consideremos las notas de dos grupos de 50 alumnos, en el primero 25 alumnos obtienen un 10 y 25 un 4, en el segundo los 50 alumnos obtienen un 7. Si calculamos la media en ambos conjuntos es la misma (7), si slo nos fijamos en la media podemos afirmar que los dos grupos de alumnos son bastantes buenos, pero lo cierto es que en el primer grupo hay 25 alumnos que han obtenido una nota excelente y 25 con mala nota, mientras que en el segundo todos los alumnos han sacado una buena nota. La media para el primer grupo es menos representativa que para el segundo. Hemos visto un ejemplo, bastante exagerado para comprobar que las medidas de tendencia central necesitan un complemento, una medida que nos permita otorgar mayor o menor representatividad estas medidas.

2.1. RANGO Es la medida de variabilidad ms fcil de calcular. Para datos finitos o sin agrupar, el rango se define como la diferencia entre el valor ms alto (Xn Xmax.) y el ms bajo (X1 Xmin) en un conjunto de datos. 2.1.1. Rango para datos no agrupados R = Xmx.-Xmn = Xn-X1 Ejemplo: Se tienen las edades de cinco estudiantes universitarios de Ier ao, a saber: 18,23, 27,34 y 25., para calcular la media aritmtica (promedio de las edades, se tiene que: R = Xn-X1 ) = 34-18 = 16 aos Con datos agrupados no se saben los valores mximos y mnimos. Si no hay intervalos de clases abiertos podemos aproximar el rango mediante el uso de los lmites de clases. Se aproxima el rango tomando el lmite superior de la ltima clase menos el lmite inferior de la primera clase. 2.1.2. Rango para datos agrupados R= (lim. Sup. de la clase n lim. Inf. De la clase 1) Ejemplo: Si se toman los datos del ejemplo resuelto al construir la tabla de distribucin de frecuencia de

las cuentas por cobrar de Cabreras Asociados que fueron los siguientes:
Clases P.M. Xi 7.420 21.835 21.835 36.250 36.250 50.665 50.665 65.080 65.080 79.495 79.495 93.910 Total 14.628 10 0.33 10 30 0.3 1.00 3 0.4 0.67 6 0.6 0.54 3 0.7 0.37 3 0.8 0.27 3 1.0 0.17 0 XX X XXX fi fr fa fa fra fra

puesto que no cuenta con los dems valores de la variable. Por tal razn, siempre existe el peligro de que el recorrido ofrezca una descripcin distorsionada de la dispersin. En el control de la calidad se hace un uso extenso del recorrido cuando la distribucin a utilizarse no la distorsionan y cuando el ahorro del tiempo al hacer los clculos es un factor de importancia.

29.043

0.13 14

20

2.2. DESVIACIN MEDIA En teora, la desviacin puede referirse a cada una de las medidas de tendencia central: media, mediana o moda; pero el inters se suele centrar en la medida de la desviacin con respecto a la media, que llamaremos desviacin media. Puede definirse como la media aritmtica de las desviaciones de cada uno de los valores con respecto a la media aritmtica de la distribucin, y de indica as: Ntese que se toman las desviaciones en valor absoluto, es decir, que la frmula no distingue si la diferencia de cada valor de la variable con la media es en ms o en menos. Ya se habr advertido que esta expresin sirve para calcular la desviacin media en el caso de datos sin agrupar. Veamos un ejemplo: Se tiene los valores 2, 2, 4, 4, 5, 6, 7, 8, 8. Averiguar la desviacin media de estos valores. x 2 2 4 4 4 5 6 7 8 8

43.458

0.17 19

16

57.873

0.10 22

11

72.288

0.10 25

86.703

0.17 30

XXX

30

1.00 XXX XX X

El rango de la distribucin de frecuencias se calcula as: R= (lim. Sup. de la clase n lim. Inf. De la clase 1) = (93.910 7.420) = 86.49 2.1.3. Propiedades del Rango o Recorrido: El recorrido es la medida de dispersin ms sencilla de calcular e interpretar puesto que simplemente es la distancia entre los valores extremos (mximo y mnimo) en una distribucin Puesto que el recorrido se basa en los valores extremos ste tiende s ser errtico. No es extrao que en una distribucin de datos econmicos o comerciales incluya a unos pocos valores en extremo pequeos o grandes. Cuando tal cosa sucede, entonces el recorrido solamente mide la dispersin con respecto a esos valores anormales, ignorando a los dems valores de la variable. La principal desventaja del recorrido es que slo est influenciado por los valores extremos,,

xx
-3 3 -1 -1 -1 0 1 2 3 3 DM = 1,8

x
3 3 1 1 1 0 1 2 3 3

10

Veamos ahora cmo se calcula la desviacin media en el caso de datos agrupados en intervalos.

La desviacin media viene a indicar el grado de concentracin o de dispersin de los valores de la variable. Si es muy alta, indica gran dispersin; si es muy baja refleja un buen agrupamiento y que los valores son parecidos entre s. La desviacin media se puede utilizar como medida de dispersin en todas aquellas distribuciones en las que la medida de tendencia central ms significativas haya sido la media. 2.2.1. Propiedades Nos da la media de la dispersin de los datos. Intervienen para su clculo todos los datos. Cada vez que insertemos un dato nuevo se modificar. Al intervenir un valor absoluto los clculos son complicados. A mayor concentracin de los datos entorno a la media menor ser su valor. DM es no negativa DM=0 si y slo si todos los valores son coincidentes. 2.3. DESVIACIN TPICA Con la varianza se elevan al cuadrado las unidades de medida, sera interesante tener una medida de dispersin con las mismas unidades de la media y los datos, esto lo podemos conseguir haciendo la raz cuadrada positiva de la varianza, a la que llamaremos desviacin tpica.

Donde observamos que ahora las desviaciones van multiplicadas por las frecuencias de los intervalos correspondientes. Adems, las desviaciones son de cada centro, o marca de clase, a la media aritmtica. Es decir,

Ejemplo: Para hallar la desviacin media de la siguiente tabla referida a las edades de los 100 empleados de una cierta empresa: Clase ni 16-20 2 20-24 8 24-28 8 28-32 18 32-36 20 36-40 18 40-44 15 44-48 8 48-52 3 Veamos cmo se procede: Clase 16-20 20-24 24-28 28-32 32-36 36-40 40-44 44-48 48-52 ni 2 8 8 18 20 18 18 8 3 100 xm 18 22 ni xm 36 176
xx

ni x x 33,44

16,72

Es sin duda la medida de dispersin ms importante, ya que adems sirve como medida previa al clculo de otros valores estadsticos. La desviacin tpica se define como la raz cuadrada de la media de los cuadrados de las desviaciones con respecto a la media de la distribucin. Es decir,

Para datos sin agrupar

DM = 6,09

11

Donde: Para datos agrupados 2.3.1. Clculo de la desviacin tpica para datos no agrupados en clases. Veamos la frmula anterior aplicada a un caso concreto. Hallar la desviacin tpica de la serie: 5, 8, 10, 12, 16. x 5 8 10 12 16
xx xx
2

I: amplitud de la clase D: distancia en clases desde cada una en concreto a la clase que contiene a la media supuesta A. Ejemplo: Las alturas en cm de un grupo de 103 personas se distribuyen as: Clases 150 155 155 160 160 165 165 170 170 175 175 180 180 185 185 190 190 195 195 200 Resp: S = 9,56 2.3.3. Propiedades Tiene la misma unidad que los datos y que la media. Siempre es positiva, ser cero si y slo si todos los datos son coincidentes. Es la medida de dispersin ms usada. Es invariante ante cambios de origen. Si se produce un cambio de escala la nueva desviacin tpica es igual a la anterior multiplicada por el cambio. Si se produce simultneamente un cambio de origen y escala en los datos, slo el cambio de escala afectar a la desviacin tpica. f 3 6 12 18 25 17 10 7 4 1 103

-5,2 -2,2 -0,2 1,8 5,8

27,04 4,84 0,04 3,24 33,64

Primero hallamos x = 10,2 Luego S =

13,76 = 3,71

2.3.2. Clculo de la desviacin tpica para datos agrupados en clases y agrupados por frecuencias. Mtodo largo: Se aplica la siguiente frmula

S=
Donde

fx
N

x = x m x y f es la frecuencia absoluta de

cada intervalo. Mtodo abreviado o corto: La frmula a utilizar es:

S=I

fd
N

fd N

2.4. VARIANZA La desviacin media es una medida de dispersin de datos correcta pero presenta un inconveniente y es la complejidad de manipulacin al intervenir valores absolutos. Sera conveniente encontrar otra medida que no presente el problema inicial (que no se compensen las dispersiones negativas con las positivas) y cuyo manejo se hace ms sencillo. Otra forma de evitar la compensacin de dispersiones es elevar al cuadrado la diferencia y es ms sencillo trabajar con cuadrados que con valores absolutos,

12

teniendo en cuenta esta consideracin introduciremos el concepto de varianza.

La varianza es la media aritmtica del cuadrado de las des desviaciones viaciones respecto a la media de una distribucin estadstica. La varianza se representa presenta por .

2.4.1. Varianza para datos agrupados

Para simplificar el clculo de la varianza vamos o utilizar las siguientes expresiones que son equivalentes a las anteriores.

2.4.2. Varianza para datos NO agrupados

Ejemplo: Calcular la varianza de la distribucin: 9, 3, 8, 8, 9, 8, 9, 18

13

2.4.3. Propiedades Como sumamos cuadrados la varianza siempre es positiva y ser nula cuando todos los valores de la variable sean coincidentes y por tanto iguales a la varianza. Al elevar al cuadrado elevamos la unidad de medida de las observaciones al cuadrado. Al elevarse al cuadrado las desviaciones aquellos valores ms alejados de la media afectarn mucho a la varianza. Es invariante ante cambios de origen. Si se produce un cambio de escala la nueva varianza es igual a la anterior multiplicada por el cuadrado del cambio. Si se produce simultneamente un cambio de origen y escala en los datos, slo el cambio de escala afectar a la varianza.

EJERCICIOS
1) Sumando 5 a cada nmero del conjunto 3, 6, 2, 1, 7, 5, obtenemos 8, 11, 7, 6, 12, 10. Probar que ambos conjuntos de nmeros tienen la misma desviacin tpica pero diferentes medias cmo estn relacionadas las medias?. 2) Multiplicando cada nmero 3, 6, 2, 1, 7 y 5 por 2 y sumando entonces 5, obtenemos el conjunto 11, 17, 9 7, 19 15. Cul es la relacin entre la desviacin tpica de ambos conjuntos? Y entre las medias? 3) Tenemos una variable X de la que sabemos que: CV = 0,5 y que Sx = 3. Cul es el valor de la media de X?. 4) Tenemos dos variables X e Y con el mismo recorrido y media, siendo sus varianzas 4 y 9 respectivamente. Para cual de las dos variables el valor de la media es ms representativo? 5) La distribucin de edades del Censo Electoral de Residentes a 1 de enero de 1.999 para 2 comunidades autnomas X y Y, en tantos por cien es la siguiente: Edades 1618 1830 3050 5070 7090 X 3.54 21.56 31.63 28.14 15.12 4.35 29.99 35.21 21.97 8.48 Y

a) Representa sobre los mismos ejes de coordenadas los histogramas de la distribucin de la edad para las dos CC.AA. (emplea distinto trazo o distintos colores). Qu conclusiones obtienes a la vista de los histogramas? b) Calcula la edad mediana para las dos comunidades. Compralas. Qu indican estos resultados?

c) Qu comunidad tiene mayor variabilidad en la distribucin de su edad?

14

3. ANLISIS DE RESULTADOS DE ENCUESTAS implica la capacidad de generalizacin de los resultados obtenidos. Analizar significa establecer categoras, ordenar, manipular y resumir los datos, (Kerlinger, 1982, p. 96). En esta etapa del proceso de investigacin se procede a racionalizar los datos colectados a fin de explicar e interpretar las posibles relaciones que expresan las variables estudiadas. Una vez concluidas las etapas de coleccin y procesamiento de datos se inicia con una de las ms importantes fases de una investigacin: el anlisis de datos. En esta etapa se determina como analizar los datos y que herramientas de anlisis estadstico son adecuadas para ste propsito. El tipo de anlisis de los datos depende al menos de los siguientes factores. a) El nivel de medicin de las variables (los niveles de medicin fueron explicados en la seccin 2.4 del captulo II). b) El tipo de hiptesis formulada (ver seccin 2.2, captulo II). c) El diseo de investigacin utilizado indica el tipo de anlisis requerido para la comprobacin de hiptesis. El anlisis de datos es el precedente para la actividad de interpretacin. La interpretacin se realiza en trminos de los resultados de la investigacin. Esta actividad consiste en establecer inferencias sobre las relaciones entre las variables estudiadas para extraer conclusiones y recomendaciones (Kerlinger, 1982). La interpretacin se realiza en dos etapas: a) Interpretacin de las relaciones entre las variables y los datos que las sustentan con fundamento en algn nivel de significancia estadstica. b) Establecer un significado ms amplio de la investigacin, es decir, determinar el grado de generalizacin de los resultados de la investigacin. Las dos anteriores etapas se sustentan en el grado de validez y confiabilidad de la investigacin. Ello El diseo de tablas estadsticas permite aplicar tcnicas de anlisis complejas facilitando este proceso. El anlisis debe expresarse de manera clara y simple utilizando lgica tanto inductiva como deductiva. Los resultados de una investigacin basados en datos muestrales requieren de una aproximacin al verdadero valor de la poblacin (Zorrilla, 1994). Para lograr lo anterior se requiere de una serie de tcnicas estadsticas. Estas tcnicas se derivan tanto de la estadstica paramtrica como de la estadstica no paramtrica. La primera tiene como supuestos que la poblacin estudiada posee una distribucin normal y que los datos obtenidos se midieron en una escala de intervalo y de razn. La segunda no establece supuestos acerca de la distribucin de la poblacin sin embargo requiere que las variables estudiadas se midan a nivel nominal u ordinal (ver Weiers, 1993). Las tablas diseadas para el anlisis de datos se incluyen en el reporte final y pueden ser tiles para analizar una o ms variables. En virtud de ste ltimo criterio el anlisis de datos puede ser univariado, bivariado o trivariado dependiendo de la cantidad de variables que se analizan. 4. NMERO NDICE Un nmero ndice es una medida estadstica que permite caracterizar la evolucin de una magnitud (simple, como el precio del pan, o compuesta, como el PIB) en dos instantes o perodos de tiempo distintos 0 y t. Se suelen representar mediante una letra afectada por un subndice (que indica el instante o perodo que se toma como base o referencia) y un superndice (que indica el otro

15

instante o perodo de tiempo al que se refiere el nmero ndice). Un Nmero ndice es un valor representativo que indica las variaciones de una o ms variables en un periodo dado con respecto a un periodo base.
Ao 1980 1981 250.000

Ejemplo: un comerciante ha registrado las siguientes ventas anuales. Tomando como base el ao 1980

1982 200.000

1983 190.000

1984 220.000 ndice multiplicado x 100 100 125 100 95 110

Ventas ($) 200.000

Clculo de un ndice de ventas

Ao 1980 1981 1982 1983 1984 Razn 200.000/200.000 250.000/200.000 200.000/200.000 190.000/200.000 220.000/200.000 Cambio de un decimal 1.00 1.25 1.00 0.95 1.10

4.1. APLICACIONES DE LOS NMEROS NDICES

Los gerentes se valen de los nmeros ndices como parte de un clculo intermedio para entender mejor otra informacin. Los ndices estacinales sirven para modificar o mejorar las estimaciones del futuro. En el campo donde los nmeros ndices son de mayor utilidad es, en la economa, ya que esta se vale de indicadores econmicos, para estudiar las situaciones presentes y tratar de predecir las futuras, dichos indicadores econmicos en esencia son nmeros ndices, ejemplo de ello son IPC, PNI, deflactor implcito del PNI, entre muchos otros.

Los nmeros ndices son muy verstiles, lo que los hace aplicable a cualquier ciencia o campo de estudio. Esencialmente se usan para hacer comparaciones. En educacin se pueden usar los nmeros ndices para comparar la inteligencia relativa de estudiantes en sitios diferentes o en aos diferentes.

4.2. VENTAJAS DE LOS NMEROS NDICES Un ndice muestra el cambio en porcentajes del ao base. Si no existiera cambio alguno, el numerador y el denominador serian iguales. Un nmero ndice puede representar cambios en muchas cantidades.

Un nmero ndice facilita comparar los cambios en diferentes tipos de informacin. Como los nmeros ndices muestran cambios en porcentaje, ms bien que cambios aritmticos, el tamao de la informacin y las unidades de medicin no son importantes.

ANALIZA
2 situaciones en las que pueden ser til el nmero ndice. Relaciona los ejemplos.

16

EVALUACIN DE COMPETENCIAS
1. Qu son los fenmenos aleatorios a) Los que no sabemos lo que va a resultar b) Un conjunto de posibles resultados. c) Los que sabemos lo que va a resultar a priori d) Un conjunto total de fenmenos 2. Qu es probabilidad a) Es el resultado de un suceso aleatorio b) Es dar la medida al resultado de un suceso aleatorio c) Es la medida del resultado de un suceso simple d) Es el resultado de un suceso simple. 3. Una permutacin es: a) La cuasi varianza de un suceso normal y creciente. b) Un elemento cuya varianza es infinito c) Un conjunto de n elementos que se pueden ordenar d) La cuasi varianza de un suceso aleatorio 4. La varianza nos mide: a) Alrededor de la cuasi varianza b) Nos mide la exactitud de la muestra c) La variabilidad de la variable alrededor de la media d) Nos mide la linealidad del espacio muestral. 5. En un espacio muestral la moda ser: a) El valor medio de todos los datos b) El valor que ms veces se repita c) El valor situado en la mitad de la muestra d) La media entre el primer y el ltimo valor. 6. Las medidas de posicin son: a) Varianza, moda y cuasi varianza b) Moda, varianza y mediana c) Moda, media y mediana d) Media, mediana y desviacin tpica. 7. Quin nos medir la simetra distribucin? a) El 1er coeficiente de Ficher b) Las medidas de dispersin de una c) Los cuartiles. d) El 2 coeficiente de Ficher 8. En las medidas de dispersin si la variabilidad es muy grande: a) La media no tiene trascendencia b) Los datos estn ordenados de forma creciente c) La media es siempre cero d) El espacio muestral es infinito no numerable. 9. Qu otro nombre recibe la curva normal de media?: a) Curva de Laplace b) Curva Normal c) Curva de Gauss d) Curva de Tipificacin. 10. En una variable tipificada: a) La media es la mitad de la varianza. b) La media es cero c) La varianza es cero d) La media es la unidad 11. Cmo definiras la mediana: a) El valor cuadrado de la moda b) El valor de la variable que hace que la frecuencia condicionada sea 0.5 c) Ajustar la moda al valor 0.5. d) Tipificar una variable aleatoria 12. Qu es lo que mide la relacin entre las variables?: a) Coeficiente de determinacin b) Correlacin c) Coeficiente de correlacin lineal. d) Regresin 13. Qu estudia la correlacin?: a) La dependencia al exponencial de las variables. b) La relacin lineal de las variables c) La interdependencia de las variables d) La recta de regresin de las variables

17

UNIDAD 3
1. TNICAS DE CONTEO. Si el nmero de posibles resultados de un experimento es pequeo, es relativamente fcil listar y contar todos los posibles resultados. Al tirar un dado, por ejemplo, hay seis posibles resultados. Si, sin embargo, hay un gran nmero de posibles resultados tales como el nmero de nios y nias por familias con cinco hijos, sera tedioso listar y contar todas las posibilidades. Las posibilidades seran, 5 nios, 4 nios y 1 nia, 3 nios y 2 nias, 2 nios y 3 nias, etc. Para facilitar esta tarea existen las tcnicas de conteo 1.1. DIAGRAMA DE RBOL Un diagrama de rbol es una representacin grfica de un experimento que consta de r pasos, donde cada uno de los pasos tiene un nmero nme finito de maneras de ser llevado a cabo. Ejemplo: Se lanza una moneda, si sale guila se lanza un dado y si sale sol se lanza la moneda de nuevo.

EJERCICIO
Un hombre tiene tiempo de jugar ruleta cinco veces como mximo, l empieza a jugar con un dlar, d apuesta cada vez un dlar y puede ganar o perder en cada juego un dlar, l se va a retirar de jugar si pierde todo su dinero, si gana tres dlares (esto es si completa un total de cuatro dlares) o si completa los cinco juegos.

ULTIPLICACIN 1.2. PRINCIPIO DE MULTIPLICACIN Si hay m formas de hacer una cosa y hay n formas de hacer otra cosa, hay m x n formas da hacer ambas cosas. En trminos de frmula. frmula Nmero total de arreglos = mxn Esto puede ser extendido a ms de dos eventos. Para tres eventos, m, n, y o: o Nmero total de arreglos = m x n x o Ejemplo: Un vendedor de autos quiere presentar a sus clientes todas las diferentes opciones con que cuenta: auto convertible, auto de 2 puertas y auto de 4 puertas, cualquiera de ellos con rines deportivos o estndar. estndar Cuntos diferentes arreglos de autos y rines puede ofrecer el vendedor? Para solucionar el problema podemos emplear la tcnica de la multiplicacin, (donde m es nmero de modelos y n es el nmero de tipos de rin). Nmero total de arreglos = 3 x 2 No fue e difcil de listar y contar todos los posibles arreglos de modelos de autos y rines en este ejemplo. Suponga, sin embargo, que el vendedor tiene para ofrecer ocho modelos de auto y seis tipos de rines. Sera tedioso hacer un dibujo con todas las posibilidades. ades. Aplicando la tcnica de la multiplicacin fcilmente realizamos el clculo: Nmero total de arreglos = m x n = 8 x 6 = 48

18

1.3. COMBINACIONES Y PERMUTACIONES 1.3.1. Combinaciones. Las combinaciones son muy parecidas a los arreglos, con la diferencia de que en los conjuntos que se forman no importa el orden de manera que { , , } y { , , }. El nmero de combinaciones de an elementos que puedo hacer de un total de m elementos ser:
m Cn =

Ejemplo: Tres componentes electrnicos - un transistor, un capacitor, y un diodo - sern ensamblados en una tablilla de una televisin. Los componentes pueden ser ensamblados en cualquier orden. De cuantas diferentes maneras pueden ser ensamblados los tres componentes? Las diferentes maneras de ensamblar los componentes son llamadas permutaciones, y son las siguientes: TDC DTC CDT TCD DCT CTD Permutacin: Todos los arreglos de r objetos seleccionados de n objetos posibles La frmula empleada para contar el nmero total de diferentes permutaciones es: n P r = n! (n r )! Donde:

m! n !i( m n ) !

Ejemplo: Si se quiere formar un equipo de trabajo formado por 2 personas seleccionadas de un grupo de tres (A, B y C). Si en el equipo hay dos funciones diferentes, entonces si importa el orden, los resultados sern permutaciones. Por el contrario si en el equipo no hay funciones definidas, entonces no importa el orden y los resultados sern combinaciones. Los resultados en ambos casos son los siguientes: Permutaciones: AB, AC, BA, CA, BC, CB Combinaciones: AB, AC, BC 1.3.2. Permutaciones. La tcnica de la permutacin es aplicada para encontrar el nmero posible de arreglos donde hay solo un grupo de objetos.

nPr es el nmero de permutaciones posible n es el nmero total de objetos r es el nmero de objetos utilizados en un mismo momento n P r = n! = 3! = 3 x 2 = 6 (n r )! ( 3 3 )!

RESUELVE Juanita invito a sus amigos a cenar. Juanita tiene 10 amigos, pero solo tiene 6 lugares en la mesa. a) De cuantas maneras los puede sentar a la mesa?, si no le importa como queden acomodados. b) De cuantas maneras los puede sentar a la mesa?, si le importa como queden acomodados. c) Dos de sus amigos son un feliz matrimonio, Juanita decidi sentarlos a la mesa juntos. De cuantas maneras los puede sentar a la mesa?, si no le importa como queden acomodados los dems. d) De cuantas maneras los puede sentar a la mesa?, si le importa como queden acomodados los dems. e) Dos de sus amigos son enemigos, Juanita no los quiere sentar juntos a la mesa. De cuantas maneras los puede sentar a la mesa?, si no le importa como queden acomodados los dems. f) De cuantas maneras los puede sentar a la mesa?, si le importa como queden acomodados los dems.

19

EVALUACIN DE COMPETENCIAS
1. Suponga que hay ocho tipos de computadora pero solo tres espacios disponibles para exhibirlas en la tienda de computadoras. De cuantas maneras diferentes pueden ser arregladas las 8 mquinas en los tres espacios disponibles? 2. El profesor quiere saber cuntas series de 2 letras se pueden formar con las letras A, B, C, si se permite la repeticin? 3. En una compaa se quiere establecer un cdigo de colores para identificar cada una de las 42 partes de un producto. Se quiere marcar con 3 colores de un total de 7 cada una de las partes, de tal suerte que cada una tenga una combinacin de 3 colores diferentes. Ser adecuado este cdigo de colores para identificar las 42 partes del producto? 4. En una escuela primaria de la ciudad, imparte clase la maestra Bety. Ella es feliz enseando al grupo de tercer grado, que est compuesto por 15 nias y 12 nios. Bety propone a los nios formar una mesa directiva del grupo formada por cinco de ellos. La mesa directiva estara formada por un presidente, un secretario, un tesorero, y dos vocales. a) De cuantas maneras puede formar la mesa directiva?, si no le importa como queden asignados los puestos. b) Bety piensa que como hay ms nias que nios la mesa directiva debe integrarse por 3 nias y 2 nios. De cuantas maneras puede formar la mesa directiva?, si no le importa como queden asignados los puestos. c) La maestra Susana (la de cuarto) le sugiere que solo el puesto de presidente sea para nias y los otros 4 puestos sean para nios. De cuantas maneras puede formar la mesa directiva?, si no le importa como queden asignados los otros puestos. d) El profesor de educacin fsica ( Ramn ) dice que todos los puestos deben de ser para nios, pero podra drsele el puesto de secretaria a una nia. De cuantas maneras puede formar la mesa directiva?, si le importa como queden asignados los otros puestos. e) En el grupo de tercer grado hay 4 reprobados (3 nios y una nia) y la maestra Bety decidi que ellos no pueden formar parte de la mesa directiva. De cuantas maneras puede formar la mesa directiva?, si no le importa como queden asignados los puestos. f) Cul es la probabilidad, si se selecciona la mesa directiva al azar entre todos los integrantes del grupo de tercer grado, quede integrada por puras nias? Sin importar como queden asignados los puestos. g) Cul es la probabilidad, si se selecciona la mesa directiva al azar entre todos los integrantes del grupo de tercer grado, quede integrada por puros nios? Sin importar como queden asignados los puestos. h) Cul es la probabilidad, si se selecciona la mesa directiva al azar entre todos los integrantes del grupo de tercer grado, el presidente, secretario y tesorero sean nios y las dos vocales nias? Sin importar como queden asignados los puestos.

20

UNIDAD 4
1. CONCEPTO DE PROBABILIDAD La probabilidad nos sirve para medir la frecuencia con que ocurre un resultado de entre todos los posibles en algn experimento. espacio muestral en este caso es un conjunto de dos elementos. Smoneda = {que salga cara, que salga sello} Si en lugar de una moneda, lanzamos un dado entonces el espacio muestral tendr seis elementos, uno correspondiente a cada cara del dado: Sdado = {1; 2; 3; 4; 5; 6} Y si lanzamos el dado y la moneda al mismo tiempo el espacio muestral estar conformado por pares ordenados de la forma:

2. ESPACIOS MUESTRALES El espacio muestral (lo abreviamos simplemente como S) es un conjunto formado por todos los resultados posibles de algn experimento, por ejemplo, si lanzamos una moneda al aire (a esto llamamos experimento), existen solo 2 posibilidades, que salga cara o que salga sello. Por lo tanto el

Smoneda+dado = (cara; 1); (cara; 2); (cara; 3); (cara; 4); (cara; 5); (cara; 6); (sello; 1); (sello; 2); (sello; 3); (sello; 4); (sello; 5); (sello; 6) 3. CLCULO DE PROBABILIDADES La probabilidad de ocurrencia de un determinado suceso podra definirse como la proporcin de veces que ocurrira dicho suceso si se repitiese un experimento o una observacin en un nmero grande de ocasiones bajo condiciones similares. Por definicin, entonces, la probabilidad se mide por un nmero entre cero y uno: si un suceso no ocurre nunca, su probabilidad asociada es cero, mientras que si ocurriese siempre su probabilidad sera igual a uno. As, las probabilidades suelen venir expresadas como decimales, fracciones o porcentajes. El mtodo ms utilizado en probabilidad es aplicando la Regla de Laplace: define la probabilidad de un suceso como el cociente entre casos favorables y casos posibles. salga el dos), mientras que los casos posibles (n) son seis (puede salir cualquier nmero del uno al seis). Por lo tanto:

(o lo que es lo mismo, 16,6%) b) Probabilidad de que al lanzar un dado salga un nmero par: en este caso los casos favorables (f) son tres (que salga el dos, el cuatro o el seis), mientras que los casos posibles (n) siguen siendo seis. Por lo tanto:

(o lo que es lo mismo, 50%) Condiciones importantes Ejemplos: a) Probabilidad de que al lanzar un dado salga el nmero 2: el caso favorable (f) es tan slo uno (que Para poder aplicar la Regla de Laplace el experimento aleatorio tiene que cumplir dos requisitos:

21

a) El nmero de resultados posibles (sucesoso eventos) tiene que ser finito. Si hubiera infinitos resultados, al aplicar la regla "casos favorables dividido por casos posibles" el cociente siempre sera cero. b) Todos los sucesos o eventos tienen que tener la misma probabilidad. Si al lanzar un dado, algunas caras tuvieran mayor probabilidad de salir que otras, no podramos aplicar esta regla. A la regla de Laplace tambin se le denomina "probabilidad a priori", ya que para aplicarla hay que conocer antes de realizar el experimento cuales son los posibles resultados y saber que todos tienen las mismas probabilidades. Cuando se realiza un experimento aleatorio un nmero muy elevado de veces, las probabilidades de los diversos posibles sucesos empiezan a converger hacia valores determinados, que son sus respectivas probabilidades.

3.1. INDEPENDENCIA DE EVENTOS Existen relaciones entre los sucesos: 3.1.1. Sucesos Excluyentes. Dos o ms sucesos sern excluyentes si solo uno de ellos puede ocurrir en un experimento, por ejemplo al lanzar una moneda, si sale cara entonces no puede salir sello y viceversa, por lo tanto estos sucesos son excluyentes. 3.1.2. Sucesos Independientes. Dos o ms sucesos son independientes cuando la ocurrencia de uno, no afecta la ocurrencia del o los otros. Por ejemplo en el lanzamiento del dado y la moneda si sale cara o sale sello, no afecta en ninguna medida el nmero que salga en el dado, por lo tanto estos sucesos son independientes. 3.1.3. Sucesos Dependientes. Dos o ms sucesos son dependientes cuando la ocurrencia de alguno de ellos s afecta la ocurrencia de los otros. Por ejemplo si tengo un saco con 2 bolas negras y una bola roja, el suceso de sacar la bola roja me impedir sacar una bola roja en el siguiente intento pues en el saco solo hay 2 bolas negras, en este caso esos sucesos son dependientes.

22

EVALUACIN DE COMPETENCIAS
1. El siguiente grfico circular muestra como Jorge gan $ 600.000 durante sus vacaciones:

Cul es la medida del ngulo central de la seccin que lleva por nombre quehaceres? a) 30 b) 60 c) 90 d) 120

2. El diagrama de Venn muestra los resultados de una encuesta en la que les preguntaron a 100 personas si se informan de las noticias leyendo los peridicos o mirando televisin.

4. Una familia necesit $100.000 para hacer un paseo. La mitad se gast en carne y lo que qued se reparti de esta forma: a) la mitad en vinos y bebidas, b) un cuarto en frutas y c) el resto en verduras. Cul(es) de las siguientes afirmaciones se desprende(n) de la informacin dada?. I) El gasto de carne fue equivalente al doble de lo ocupado en vinos y bebidas. II) En frutas y verduras se gast lo mismo que para vinos y bebidas. III) El 25% del total se ocup en las frutas y verduras. a) Slo II. b) II y III c) I y II. d) I, II y III. e) I y III.

Cul es la probabilidad de que una persona seleccionada al azar de esta encuesta no elija a la televisin como una fuente de informacin de las noticias? a) 15 100 c) 55 100

5. En un equipo de A jugadores (con pelo negro y rubio) B de ellos son rubios. Entonces el porcentaje que tiene pelo negro es: a) b)

b) 35 d) 75 100 100 3. Los puntos del grfico indican la cantidad de cajas de cierto frmaco vendidas durante los seis primeros meses de un ao. Cul es la cantidad promedio de cajas vendidas durante ese perodo?

c) 100 (A + B) %

d)

e) Ninguna de las anteriores. 6. Una persona que participa en un concurso, debe responder Verdadero o Falso a una afirmacin que se le hace en cada una de seis etapas. Si la persona responde al azar, la

23

probabilidad de que acierte en las seis etapas es de: a)

I) La probabilidad de que la flecha caiga en el nmero 1 es

1 2

d)

1 32

1 . 2 1 . 4 2 3

II) La probabilidad de que la flecha caiga en el nmero 2 es

1 b) 6
c)

1 e) 64

III) La probabilidad de que la flecha caiga en el nmero 2 en el 3 es a) Slo I b) Slo II c) Slo III d) Slo I y II e) Slo I y III

1 12

7. Se lanzan dos dados, uno a continuacin del otro. Sabiendo que la suma de los puntos obtenidos es 6, la probabilidad de que en un dado aparezca un 2 es:

2 a) 5
b)

1 d) 3
e)

2 36 5 36

1 6

c)

9. De una tmbola se saca una de 30 bolitas numeradas de 1 a 30. Cul es la probabilidad de que el nmero de la bolita extrada sea mltiplo de 4? a)

23 30 4 30 7 30

d)

30 7 30 23

8. En la figura b)

e)

c)

se tiene una ruleta en que la flecha puede indicar cualquiera de los 4 sectores y ella nunca cae en los lmites de dichos sectores. Cul(es) de las siguientes proposiciones es(son) verdadera(s)?

24

BIBLIOGRAFA

http://html.rincondelvago.com/sistemas-digitales.html http://es.wikipedia.org/wiki/Tridimensional http://tdd.elisava.net/coleccion/12/cross-es http://www.desarrolloweb.com/articulos/332.php http://www.aulaclic.es/dreamweaver-cs5/t_2_2.htm#ap_02_02 http://web.educastur.princast.es/ies/aramo/departamentos/mate/complejos/complejos%20_1.htm http://www.monografias.com/trabajos27/datos-agrupados/datos-agrupados.shtml#centiles http://www.ematematicas.net/estadistica/medidas/index.php?tipo=ej_dispersion http://www.ematematicas.net/parit.php http://www.profesorenlinea.cl/matematica/ProbabilidadCalculo.htm http://www.mitecnologico.com/Main/TecnicasDeConteo http://tratamientodedatos.wordpress.com/2011/03/07/medidas-de-tendencia-central-para-datos-no-agrupados-yagrupados/ http://www.monografias.com/trabajos43/medidas-dispersion/medidas-dispersion2.shtml http://www.eumed.net/libros/2006c/203/2n.htm PAREDES NUEZ, Pamela; RAMREZ PANATT Manuel. Apuntes de Preparacin para la Prueba de Seleccin Universitaria Matemtica.Chile. 2009.

25