Tutorial de Probabilidad y Estadística

PROBABILIDAD Y
ESTADSTICA
PROBABILIDAD Y ESTADISTICA
TEMA I. CONCEPTOS DE ESTADISTICA Y SU

CLASIFICACION.
DEFINICIN DE ESTADISTICA.
La Estadstica es la parte de las Matemticas que se encarga del estudio de una
determinada caracterstica en una poblacin, recogiendo los datos, organizndolos
en tablas, representndolos grficamente y analizndolos para sacar conclusiones
de dicha poblacin.
DEFINICION DE PROBABILIDAD.
La probabilidad es la posibilidad que existe entre varias posibilidades, que un
hecho o condicin se produzcan. La probabilidad, entonces, mide la frecuencia
con la cual se obtiene un resultado en oportunidad de la realizacin de un
experimento sobre el cual se conocen todos los resultados posibles gracias a las
condiciones de estabilidad que el contexto supone de antemano.
1
DEFINICION DE POBLACION.
Poblacin estadstica, en estadstica, tambin llamada universo o colectivo, es el
conjunto de elementos de referencia sobre el que se realizan unas de las
observaciones. Poblacin es el conjunto sobre el que estamos interesados en
obtener conclusiones. Normalmente es demasiado grande para poder abarcarlo.
Poblacin es el conjunto de cosas, personas, animales o situaciones que tiene una

o varias caractersticas o atributos comunes, por ejemplo: los habitantes de
Mxico en el presente ao, las personas menores de edad en el ao 2012; los
estudiantes de la Universidad, las reacciones de un nuevo medicamento, las
diferencias entre los tratamientos de diferentes formulaciones de insecticidas,
entre otras.
DEFINICION DE POBLACION FINITA E INFINITA.

Poblacin Finita: es el conjunto compuesto por una cantidad limitada de
elementos, como el nmero de especies, el nmero de estudiantes, el nmero de
obreros.
1
Poblacin Infinita: es la que tiene un nmero extremadamente grande de

componentes, como el conjunto de especies que tiene
el reino animal.
DEFINICION DE MUESTRA.
Es una parte, generalmente pequea, que se toma del conjunto total para
analizarla y hacer estudios que le permitan al investigador inferir o estimar las
caractersticas de un problema.
EJEMPLO. A un paciente que debe ser operado quirrgicamente se le analiza su

sangre tomando una muestra pequea para conocer el grado de coagulacin. No
es necesario extraerle toda la sangre.
El industrial que desea saber si en alambre que produce tiene la resistencia

necesaria a la tensin deseada, toma solamente una muestra de su produccin,
debido a que el alambre que se destruye con la prueba y de otra manera tendra
que destruir toda la existencia.
Generalmente, los resultados obtenidos en una muestra son satisfactorios y

permiten al investigador tener un conocimiento aceptable del problema.
1.1
MUESTREO.
MUESTREO CON REPOSICION.
En el muestreo con reposicin, el elemento seleccionado en cada extraccin
vuelve a ser incluido en la poblacin antes de extraer el siguiente elemento. En
1
este tipo de muestreo, un elemento de la poblacin puede aparecer ms de una

vez en la muestra.
MUESTREO SIN REPOSICION.

En este tipo de muestreo aleatorio simple, el elemento extrado de la poblacin
queda descartado de cara a la siguiente extraccin. Es decir, un elemento slo
puede aparecer una vez en la muestra.
MUESTREO ALEATORIO.
Consideremos una poblacin finita, de la que deseamos extraer una muestra.
Cuando el proceso de extraccin es tal que garantiza a cada uno de los elementos
de la poblacin la misma oportunidad de ser incluidos en dicha muestra,
denominamos al proceso de seleccin muestreo aleatorio.
El muestreo aleatorio se puede plantear bajo dos

puntos de vista: Sin reposicin de los elementos,
Con reposicin.
MUESTREO AL AZAR.
El concepto bsico de todo muestreo es el de la muestra al azar. Una muestra de
objetos de una poblacin se llama al azar cuando todos los miembros de la
poblacin tienen igual oportunidad de aparecer en la muestra. Es muy importante
insistir en que esto es igualmente vlido para todos los miembros de la poblacin,
tanto para los raros como para los tpicos.
1
1.2. SOLUCION DE PROBLEMAS.
Ejemplo 1.
Sea una poblacin de elementos (22, 24, 26). Escriba todas las muestras posibles
de tamao dos, escogidas mediante un muestreo aleatorio simple.
Ejemplo 2.
Un estudiante responde al azar a dos preguntas de verdadero o falso. Escriba el
espacio muestral de este experimento aleatorio.
Solucin.
El espacio muestral es el conjunto de todos los sucesos elementales. Los sucesos

elementales son cada uno de los resultados posibles del experimento aleatorio,
indescomponibles en otros ms simples. Como el experimento consiste en
responder al azar a dos preguntas, cada uno de los posibles patrones de
1
respuesta constituir un suceso elemental. Un patrn de respuesta sera contestar

verdadero a la primera pregunta y verdadero a la segunda, lo representamos (V,
V). Con esta representacin podemos escribir el espacio muestral como:
E = {(V, V) (V, F) (F, V) (F, F)}
Ejemplo 3.
Otro estudiante responde al azar a 4 preguntas del mismo tipo anterior.
a) Escriba el espacio muestral.
b) Escriba el suceso responder falso a una sola pregunta.
c) Escriba el suceso responder verdadero al menos a 3 preguntas.
Solucin
a) Con la misma convencin del problema anterior, los sucesos elementales

seran:
(V, V, V, V) (V, V, V, F) (V, V, F, V) (V, F, V, V)
(F, V, V, V) (V, V, F, F) (V, F, V, F) (V, F, F, V)
(F, V, V, F) (F, V, F, V) (F, F, V, V) (V, F, F, F)
(F, V, F, F) (F, F, V, F) (F, F, F, V) (F, F, F, F)
b) El Suceso responder falso a una sola pregunta ser el subconjunto del espacio
muestral formado por todos los sucesos elementales en que solo hay una
respuesta falso, lo llamaremos A y ser:
A = {(V, V, V, F) (V, V, F, V) (V, F, V, V) (F, V, V, V)}
1
Ejemplo 4.
Problema 5.
1
Ejemplo 6.
1
Ejemplo 7.
1
Ejemplo 8.
Ejemplo supn que tienes una caja con 5 canicas marcadas con las letras
A,B,C,D,E , y se te pide que tomes unas muestra de dos canicas y anotes el
resultado.
CON REEMPLAZO
Tomas una canica, anotas el resultado y la devuelves a la caja (esa accin seria el
reemplazo), y tomas la segunda canica anotas el resultado y la devuelves a la
caja.
SIN REEMPLAZO
Tomas las dos canicas (sin reemplazarlas) y anotas el resultado, con reemplazo,
te pueden salir todas las combinaciones posibles de muestras (por ejemplo A,A),
sin reemplazo no. Por ejemplo no podran salirte dos canicas A en una muestra.
1
Ejemplo 9.
Se elige un individuo al azar y a partir de l, a intervalos constantes, se eligen los

dems hasta completar la muestra.
Por ejemplo si tenemos una poblacin formada por 100 elementos y queremos
extraer una muestra de 25 elementos, en primer lugar debemos establecer el
intervalo de seleccin que ser igual a 100/25 = 4. A continuacin elegimos el
elemento de arranque, tomando aleatoriamente un nmero entre el 1 y el 4, y a
partir de l obtenemos los restantes elementos de la muestra.
2, 6, 10, 14,..., 98
Ejemplo 10.
1
TEMA II. ESTADSTICA DESCRIPTIVA.
MEDIDAS DE TENDENCIA CENTRAL.

Al describir grupos de observaciones con frecuencia es conveniente resumir la
informacin con un solo nmero. Este nmero que, para tal fin, suele situarse
hacia el centro de la distribucin de datos se denomina medida o parmetro de
tendencia central o de centralizacin. Cuando se hace referencia nicamente a la
posicin de estos parmetros dentro de la distribucin, independientemente de
que sta est ms o menos centrada, se habla de estas medidas como medidas
de posicin.
1
MEDIA ARITMTICA.
A este trmino tambin se le conoce como el promedio o simplemente media. Esto
se refiere a la suma de los valores divididos entre el nmero de sumandos. Algo
parecido es la calificacin total o promedio de ts materias en la escuela, en este
caso sera sumar las calificaciones de todas y cada una de las materias, como
son: Espaol, Matemticas, Historia. Geografa, Biologa, etc... Divididas entre el
total de materias. Esto es 90+80+85+95+95, etc... Divididas entre 5 dando como
resultado el promedio, o mejor dicho la Media Aritmtica.
Frmula:
Dnde:
es la media aritmtica o promedio.
es la sumatoria de todos los valores o datos.
es la interpretacin de cada uno de los valores observados.
es el total de valores observados.
1
MODA.
Cuando se habla de moda, estadsticamente se habla de un dato o valor que ms
se repite. Por ejemplo, s se tiene una canasta con frutas, y est contiene 2
naranjas, 1 pera, 4 manzanas y 2 duraznos. En este caso, la moda sera la
manzana, ya que es la que ms se repite. Pero cabe mencionar que tambin
puede existir ms de una moda, es decir, s en la canasta tiene adems 2 guayaba
y 4 duraznos. Se tendran dos modas, que son la manzana y el durazno, es decir,
bimodal y en caso de ser ms de dos modas. Se le nombra multimodal .
1
MEDIANA.
Cuando se habla de mediana, esto se refiere al dato central, es el nmero o valor
que est al centro de todos estos datos ya sea que estn ordenados o
desordenados.
Por ejemplo, s se tienen 5 nias, todas con edades diferentes. Mara de 5 aos,
Sofa de 2 aos, Carla de 1 ao, Dulce de 3 aos, Alondra de 7 aos. Como se
muestra, el dato central o mejor dicho, la mediana viene siendo Carla de 1 ao ya
que est en el lugar 3, que es el centro de las 5 nias. Pero s se agrupan, por
ejemplo de menor a mayor, quedaran de la siguiente forma: Carla de 1 ao, Sofa
de 2 aos, Dulce de 3 aos, Mara de 5 aos, Alondra de 7 aos Aqu. la mediana
sera Mara, ya que ella est en el lugar 3,al centro de las 5 nias. Para ubicar la
mediana, tambin se sacar con porcientos, es decir, el 50% del 100%.
MEDIA PONDERADA.
La media ponderada es una medida de tendencia central, se construye
asignndole a cada clase un peso, y obteniendo un promedio para los pesos.
Donde
1
MEDIDAS DE DISPERCIN.
Muestran la variabilidad de una distribucin, indicando por medio de un nmero, si
las diferentes puntuaciones de una variable estn muy alejadas de la mediana o
la media. Cuanto mayor sea ese valor, mayor ser la variabilidad, cuanto menor
sea, ms homognea ser a la mediana o de la media. As se sabe si todos los
casos son parecidos o varan mucho entre ellos.
DESVIACIN ESTNDAR.
La desviacin estndar es el error permisible o margen de error en el que no se ve
afectado el resultado que se espera.
Por ejemplo, en un partido de ftbol, existen castigos al cometer una falta dentro
del rea, y se marca con penalti, aqu est un claro ejemplo ya que lo que se
quiere es meter el gol, as que el margen de error o la desviacin estndar es toda
la portera, s el baln va en direccin al extremo de la portera, tanto a la izquierda
como a la derecha, pero dentro de la portera, no afecta el resultado ya que ser
gol. Pero s el baln va ms all de la portera, que es el margen de error, tanto a
la izquierda como a la derecha, s afecta el resultado, ya que el baln no entrara a
la portera y por consecuencia no ser gol.
En conclusin, la desviacin estndar es el error permisible el cual no afecta al

resultado.
1
Frmula:
Dnde:
es la desviacin estndar.
es la sumatoria de la diferencia que hay entre los datos y la media,

elevados al cuadrado, va desde el primer dato hasta el dato n.
es el valor individual.
es el total de datos observados.
1
VARIANZA.
Este es el resultado de la divisin de la sumatoria de las distancias que hay entre
cada afecto y la media aritmtica elevadas al cuadrado. Por ejemplo, s se toma la
edad de cinco nios de sexto de primaria. tomando como media aritmtica la edad
de 12 aos, y al seleccionarlos se dan los siguientes resultados. 12.3 aos, 11.9
aos, 12.1 aos, 11.8 aos, 12.2 aos.
Como se sabe la media aritmtica es de 12, la varianza es la diferencia que hay

entre en dato y la media, al cuadrado, sumando todos los valores que dan como
resultado 1.18 y esto dividido entre los sumados, 1.18/5=0.236 de varianza.
En conclusin la varianza es la medida de los cuadrados de las diferencia entre

cada valor con la media de la distribucin.
1
Frmula:
Donde:
es la varianza.
es la sumatoria de la diferencia que hay entre los datos y la media,

elevados al cuadrado, va desde el primer dato hasta el dato n.
es el valor individual.
es el total de datos observados.
RANGO DISPERCIN O VARIACIN.

Esto se refiere a la variabilidad que hay en una distribucin indicando por medio
de nmeros las diferencias que existen entre un dato y la media aritmtica, entre
mayor sea el valor, mayor variabilidad.
Por ejemplo, s se quiere saber el rango de dispersin de la altura de una raza de

perros, como ya se sabe hay un promedio de altura para cada una, s se miden
cinco perro de una misma raza cuya altura promedio es de 25cm, y las medidas
de cada ton de ellos son, 25cm, 28cm, 22cm, 24cm, 26cm.
1
Como la altura promedio es de 25cm,pero existe diferencia entre los cinco, que
van desde los 22cm hasta los 28cm,por lo tanto esa diferencia con respecto a la
media es el rango De dispersin.
1
PRCTICAS Y GRFICOS.
HISTOGRAMAS.
Un Histograma es una pequea grfica de barras que representa el
comportamiento de la informacin que se tiene. S se toma como ejemplo 5
familias contando a todos los integrantes de cada una, es decir. 1-Prez-4
integrantes: Lpez 5 integrantes, lvarez 3 integrantes, Hernndez 8 integrantes,
Garca 5 integrantes.
Al realizar el Histograma est queda de la siguiente manera. Ubicando la cantidad

de integrantes para cada familia.
1
OJIVA.
la Ojiva, es otra de las grficas representa dicha informacin, la diferencia es que
esta se realiza en porcientos, sumando cada porcentaje hasta llegar al 100%.
Por ejemplo, si se tiene una canasta de verduras con: 2 pepinos, 5 Zanahorias, 4

Jitomates, 6 Papas y 3 Betabeles. Al sumar todas las verduras nos da el valor total
que representa el 100%.
A continuacin lo que se hace es dividir el 100% entre el total de verduras 20,esto

nos dar como resultado 5, que es el porcentaje que equivale a una verdura,
teniendo este resultado se multiplicara el 5% por la cantidad que hay de cada
verdura. 5x2=10% de Pepinos 5x5=25% de Zanahoria 5x4=20% de Jitomates
5x6=30% de Papas 5x3=15% de Betabel Al sumar los porcentajes, estos deben de
dar como resultado el 100%.
Ya teniendo los porcentajes representativos de cada verdura, se realiza la grfica

de ojivas, colocando el primer valor porcentual de el pepino con el 10%, despus
el segundo que es el de la Zanahoria siendo el resultado de la suma del 10% del
pepino ms el 25% de la Zanahoria, dando como resultado 35%,para el tercer
valor se suma el porciento del pepino, zanahoria y el Jitomate, y as
sucesivamente con todas las verduras hasta llegar al 100%, quedando la grfica
de la siguiente manera.
1
DIAGRAMA DE CAJA.
Un diagrama de Cajas es una grfica que al hacerla se basa en cuartiles (Q )
quienes tienes el valor de 25% cada uno. Al hacer este diagrama aparecen tres
cuartiles como son Q1, Q2 y Q3, y estos estn dentro del total de informacin que
va desde cero o tambin llamado Lmite Inferior hasta el 100% de datos llamado
Limite Superior. Para construir nicamente la caja, est se forma con los cuartiles
Q1 y Q3.
S se tiene la misma canasta con: 3 Mangos, 3 Naranjas, 4 Peras, 1 Durazno, 5

Guayabas y 4 Manzanas. Primero se divide el 100% entre las 20 frutas, para
saber la equivalencia de una, dando como resultado el 5%, ahora se divide el 25%
entre el 5% para tener cuantas frutas son el 25%, igual a 5 frutas, esta es la
cantidad que hay del lmite Inferior al primer cuartil.
Para esto ya sabemos que 5 frutas son el 25%, con esta informacin ya se puede
deducir los cuartiles faltantes, para el tercer cuartiles se divide 75% entre el 5%
resultando 15 frutas que hay desde el Lmite Inferior hasta el Q3. Quedando el
Diagrama de Cajas de la siguiente manera.
1
DIAGRAMA DE TALLO Y HOJA.

Este diagrama es muy fcil y til para organizar cuando se tienen varios datos o
nmeros muy grandes, por ejemplo el 52, su tallo es el 5 y su hoja el 2, los valores
del tallo se escriben de arriba hacia abajo y los valores de las hojas hacia la
derecha.
Por ejemplo s se quisiera organizar las edades de cinco mujeres y cinco hombres
quedando el diagrama de la siguiente manera.
HOMBRES
1
SOLUCIN DE PROBLEMAS.
Ejemplo 1.
En una materia dada se asignan pesos de importancia, de la siguiente forma:
Unida I (20% del curso), Unidad II (25% del curso), Unidad III (20% del curso),
Unidad IV (15% de la calificacin), Unidad V (20% de la calificacin ). Si las
calificaciones de un alumno son 8 en la primera unidad, 5 en la segunda, 8 en la
tercera unidad, 10 en la cuarta unidad y 8 en la ltima unidad. Es decir, se tienen
la siguiente tabla:
Unidad Ponderacion (Wi) Datos (Wi)
I 20% = 0.2 8
II 25% = 0.35 5
III 20% = 0.2 8
IV 15% = 0.15 10
V 20% = 0.10 8
1
Ejemplo 2.
Calcular la desviacin estndar de la distribucin:
9, 3, 8, 8, 9, 8, 9, 18
Ejemplo 3.
Ejemplo 4.
1
Ejemplo 5.
1
1
TEMA III: TEORA DE CONJUNTOS.

Introduccin
Un conjunto es una coleccin bien definida de objetos, los cuales se denominan
elementos o miembros del conjunto. Generalmente se utilizan letras maysculas,
como A, B, X , Y, para designar los conjuntos, y letras minsculas, como a, b, x,
y, para designar los elementos de los conjuntos. Las palabras clase, coleccin y
familia son sinnimos de conjunto.
Dos conjuntos son iguales si tienen los mismos elementos, por ejemplo:
El conjunto { a, b, c } tambin puede escribirse:
{ a, c, b }, { b, a, c }, { b, c, a }, { c, a, b }, { c, b, a }
En teora de conjuntos se acostumbra no repetir los elementos por ejemplo:
El conjunto { b, b, b, d, d } simplemente ser { b, d }.
S a es un elemento del conjunto A se denota con la relacin de

pertenencia a .
En caso contrario, si a no es un elemento de A se denota a A.
Algunos ejemplos de conjuntos son:
: el conjunto vaco, que carece de elementos.

N: el conjunto de los nmeros naturales.
Z: el conjunto de los nmeros enteros.
Q : el conjunto de los nmeros racionales.
R: el conjunto de los nmeros reales.
C: el conjunto de los nmeros complejos.
1
SUBCONJUNTO
Sean los conjuntos A={ 0, 1, 2, 3, 5, 8 } y B={ 1, 2, 5 }
En este caso decimos que B est contenido en A, o que B es subconjunto de A. En

general si A y B son dos conjuntos cualesquiera, decimos que B es un subconjunto
de A si todo elemento de B lo es de A tambin.
Por lo tanto si B es un subconjunto de A se escribe B A. Si B no es subconjunto

de A se indicar con una diagonal .
Note que se utiliza solo para elementos de un conjunto y solo para conjuntos.
El conjunto universal y el conjunto vaco

Se supone que todos los conjuntos bajo investigacin en cualquier aplicacin de
una teora de conjuntos estn contenidos en algn conjunto grande fijo
denominado el conjunto universal o universo de discurso. Por ejemplo, en
geometra de planos, el conjunto universal comprende todos los puntos en el
plano; en los estudios de poblacin humana, el conjunto universal consiste en
todas las personas del mundo.
1
El conjunto universal se suele representar por la letra U o bien por .
Ejemplo:
Si tenemos que
Entonces una manera de ilustrarlo sera:
Por otro lado el conjunto vaco es un aquel que no contiene ningn elemento.
Puesto que lo nico que caracteriza a un conjunto es su nmero de elementos, el
conjunto vaco es nico. Por cuestiones de nomenclatura se utiliza el smbolo , y
en forma consecuente se le considera como un subconjunto de todos los dems.
Por ejemplo:
Sean A= { 2, 4, 6 } y B={ 1, 3, 5, 7 } encontrar A B.
A B= { }
El resultado de A B= { } muestra que no hay elementos entre las llaves, si este es el caso
se le llamar conjunto vaco nulo y se puede representar como:
A B=
1
El conjunto vaco tiene las siguientes propiedades:
El conjunto vaco acta como cero en las operaciones de algebra de

conjuntos.
Nota: Ms adelante profundizaremos en lgebra de conjuntos, para comprender en su totalidad las

propiedades que se enuncian.
Complemento
1
El complemento de un conjunto respecto al universo U es el conjunto de

elementos de U que no pertenecen a A y se denota como A' y que se representa
como:
A'={ x U/x y x A }
Ejemplo:
Sea U = {1, 2, 3, 4, 5, 6, 7, 8, 9 }
A= {1, 3, 5, 7, 9 } donde A U
El complemento de A estar dado por:
A'= {2, 4, 6, 8 }
Conjuntos disyuntos
Se dice que dos conjuntos son disyuntos si no tienen ningn elemento en comn.
Formalmente, dos conjuntos A y B son disjuntos si su interseccin es el conjunto

vaco; es decir, si:
Por ejemplo, {1, 2, 3} y {4, 5, 6} son conjuntos disyuntos.
1
Otro ejemplo podra ser:
Los conjuntos A y B no tienen ningn elemento en comn.
Diagramas Venn
Los diagramas de Venn son ilustraciones usadas en la rama de la Matemtica y
Lgica de clases conocida como teora de conjuntos. Estos diagramas se usan
para mostrar grficamente la agrupacin de cosas elementos en conjuntos,
representando cada conjunto mediante un crculo o un valo. La posicin relativa
en el plano de tales crculos muestra la relacin entre los conjuntos. Por ejemplo,
si los crculos de los conjuntos A y B se intersectan, se muestra un rea comn a
ambos conjuntos que contiene todos los elementos contenidos a la vez en A y en
B. Si el crculo del conjunto A aparece dentro del crculo de otro B, es que todos
los elementos de A tambin estn contenidos en B.
Diagrama de Venn mostrando la interseccin de dos conjuntos.
1
Diagrama de la unin de dos conjuntos.

En teora la unin de dos conjuntos podemos definirla como una suma de un
conjunto con otro. Pues el diagrama que se muestra a continuacin representa la
situacin descrita anteriormente.
La unin de los conjuntos A y B es la parte colorada, podemos ver que se han

sumado el conjunto A y el B. En matemticas la unin se representa AUB.
Diagrama del complemento de un conjunto.
El complemento de un conjunto se hace en referencia a un conjunto

universal y se define como los elementos que no pertenecen al
conjunto. Como se muestra a continuacin:
El conjunto U es el universal (parte amarilla y blanca) y el complemento de A es

solo la parte amarilla del dibujo. El complemento de un conjunto se representa Ac.
1
Diagrama de la diferencia de conjuntos.

La diferencia B - A es la parte de B que no est en A.
La diferencia de conjuntos en matemticas se expresa B\A, para este caso.
Leyes de lgebra de conjuntos:

Los conjuntos bajo las operaciones de unin, interseccin y complemento
satisfacen las diversas leyes (identidades) que se enumeran en la siguiente tabla:
1
SOLUCION DE PROBLEMAS.
Ejemplo 1.
Conos de helado
Hay conos de dos sabores: chocolate y vainilla. Usted y sus 24 amigos (25
personas en total), van a comprar conos. Si 15 personas compran conos de
vainilla y 20 conos de chocolate, cuntas personas compraron conos de
chocolate y vainilla?
Respuesta: No menos de 10 personas y no ms de 15 personas.
Ejemplo 2.
Barras de chocolate
Un grupo de 50 personas va al supermercado a comprar barras de chocolate.

Cada persona compra como mnimo una barra. El supermercado vende dos tipos
de barras de chocolate: con relleno y sin relleno. Si 45 personas compran de los
dos tipos de barras, y 47 compran como mnimo una barra con relleno cada uno,
cuntas personas compraron nicamente barras de chocolate sin relleno?
Respuesta: 3 personas
Ejemplo 3.
Invasin de extraterrestres
Un grupo de 100 extraterrestres llega en la nave Estrella 2000 para invadir su

planeta. Estos extraterrestres se distinguen por dos caractersticas: sus ojos y sus
colas. Algunos de ellos tienen ojos, pero no tienen cola, otros tienen cola pero no
tienen ojos, y otros tienen ojos y cola. Si hay 75 extraterrestres que tienen ojos y
50 que tienen ojos y cola, cuntos de ellos tienen ojos pero no tienen cola?
Cuntos tienen solamente cola?
Respuesta: 25 extraterrestres tienen ojos pero no tienen cola. 25 tienen

solamente cola.
1
Ejemplo 4.
Paseo al zoolgico
Un grupo de 30 estudiantes decide ir de paseo al zoolgico. Hay dos exhibiciones

principales abiertas para visitas: la pajarera y la cueva del len. Ocho estudiantes
visitan la pajarera, de los cuales seis visitan tambin la cueva del len. Cuntos
estudiantes visitan nicamente la cueva del len? Cuntos estudiantes visitan
nicamente la pajarera?
Respuesta: Entre 0 y 22 estudiantes visitan nicamente la cueva del len

(dependiendo de cuntas personas no visitan ninguna). 2 estudiantes visitan
nicamente la pajarera.
Ejemplo 5.
Fiesta de disfraz
Hay 70 nios en la ciudad de Cartagena, y todos se van a vestir en forma especial

para ir a una fiesta. Hay dos actividades para la noche de la fiesta: un baile y un
concurso de disfraz. Si 30 nios fueron tanto al baile como al concurso de disfraz,
y solamente 24 nios fueron nicamente al baile, cuntos nios en total
participaron en el concurso de disfraz? Cuntos fueron nicamente al concurso
de disfraz?
Respuesta: 46 nios participaron en el concurso. 16 fueron nicamente al

concurso.
Ejemplo 6.
Cine
Actualmente se estn exhibiendo dos pelculas en un teatro de la ciudad: Ficcin

Increble 3 y Las matemticas en las estrellas. Un total de 68 personas asistieron
al teatro. Si 35 personas vieron Las matemticas en las estrellas, y 10 vieron
tanto Ficcin Increble 3 como Las matemticas en las estrellas, cuntas
personas vieron nicamente Ficcin Increble 3? Cuntos boletas se vendieron
en total en el teatro?
1
Respuesta: 33 personas han visto nicamente Ficcin increble 3. En el teatro se

vendieron un total de 78 boletas.
Ejemplo 7.
Bebidas
Se anotaron 75 rdenes de bebidas en un restaurante, donde se ofrecen dos tipos

de bebidas: jugo de naranja y leche. Si 59 personas tomaron jugo de naranja y 18
tomaron leche, cuntas personas tomaron tanto leche como jugo de naranja?
Respuesta: 2 personas.
Ejemplo 8.
Deportes
Hay 100 atletas y tres estaciones diferentes en que se presentan deportes: ftbol
en el otoo, basketball en el invierno y baseball en la primavera. Algunos de los
atletas juegan solamente un deporte, otros dos y otros tres. Cuarenta personas
juegan ftbol. Si 15 juegan los tres deportes, 5 juegan basketball y ftbol, pero no
baseball, y 10 juegan solamente ftbol, cuntas personas juegan tanto baseball
como ftbol?
Respuesta: 25 personas.
Ejemplo 9.
Mascotas
Hay 49 personas que tienen mascotas. 15 personas tienen nicamente perros, 10

tienen nicamente gatos, 5 personas tienen perro y gato y 3 tienen gato, perro y
serpientes. Cuntas serpientes hay?
Respuesta: 19 serpientes.
1
Ejemplo 10.
Juegos de computador
Tres juegos populares de computador son: La invasin de los extraterrestres, Las

carreras de carros y Ftbol de lujo. Cincuenta personas de su barrio tienen juegos
de computador. 16 tienen los tres juegos, 5 tienen Las carreras de carros, 7 tienen
Ftbol de lujo, y 19 tienen nicamente La invasin de los extraterrestres. En total
cuntos juegos de computador hay en su vecindario?
Respuesta 10: Un total de 85 juegos de computador.
2. Tcnicas de conteo
El principio fundamental en el proceso de contar ofrece un mtodo general para
contar el nmero de posibles arreglos de objetos dentro de un solo conjunto o
entre varios conjuntos. Las tcnicas de conteo son aquellas que son usadas para
enumerar eventos difciles de cuantificar.
Si un evento A puede ocurrir de n1 maneras y una vez que este ha ocurrido, otro
evento B puede n2 maneras diferentes entonces, el nmero total de formas
diferentes en que ambos eventos pueden ocurrir en el orden indicado, es igual
a n1 x n2.
De cuntas maneras pueden repartirse 3 premios a un conjunto de 10 personas,

suponiendo que cada persona no puede obtener ms de un premio?
Aplicando el principio fundamental del conteo, tenemos 10 personas que pueden

recibir el primer premio. Una vez que ste ha sido entregado, restan 9 personas
para recibir el segundo, y posteriormente quedarn 8 personas para el tercer
premio. De ah que el nmero de maneras distintas de repartir los tres premios.
10 x 9 x 8 = 720
n un nmero entero positivo, el producto n (n-1) (n-2)...3 x 2 x 1 se llama factorial

de n.
1
El smbolo ! se lee factorial y es el producto resultante de todos los enteros

positivos de 1 a n; es decir, sea
5! = 5 x 4 x 3 x 2 x 1 = 120
Por definicin 0! = 1
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.
Diagrama de rbol
Un diagrama de rbol es una representacin grfica que muestra los resultados
posibles de una serie de experimentos y sus respectivas probabilidades; consta de
r pasos, donde cada uno de los pasos tiene un nmero finito de maneras de ser
llevado a cabo.
Para la construccin de un diagrama en rbol se partir poniendo una rama para

cada una de las posibilidades, acompaada de su probabilidad. En el final de cada
rama parcial se constituye a su vez, un nudo del cual parten nuevas ramas, segn
las posibilidades del siguiente paso, salvo si el nudo representa un posible final del
experimento (nudo final). Hay que tener en cuenta: que la suma de probabilidades
de las ramas de cada nudo ha de dar 1.
1
El diagrama de rbol va de lo general a lo especifico, es decir, parte de un

problema general (el tronco) y continua con niveles subsecuentes o causas (las
ramas).
Los diagramas en rbol son muy tiles para "fabricar" cualquier tipo de
agrupacin, ya sean variaciones, permutaciones o combinaciones.
Ejemplo:
Experimento: Se lanza una moneda, si sale guila se lanza un dado y si sale sol
se lanza la moneda de nuevo.
1
Espacio muestral
S:{A1,A2,A3,A4,A5,A6,SS,SA}
n(s)=8
Permutacin
La permutacin se utiliza para determinar el nmero de posibles arreglos cuando
solo hay un solo grupo de objetos. Permutacin: un arreglo o posicin de r objetos
seleccionados de un solo grupo de n objetos posibles. Si nos damos cuenta los
arreglos a, b, c y b, a, c son permutaciones diferentes, la frmula que se utiliza
para contar el nmero total de permutaciones distintas es:
FRMULA: n P r = n! (n - r)
Ejemplo:
1
Cmo se puede designar los cuatro primeros lugares de un concurso, donde

existen 15 participantes?
Aplicando la frmula de la permutacin tenemos:
n P r = n! (n - r)! = 15! = 15*14*13*12 *11*10*9*8*7*6*5*4*3*2*1 (15-4)!

11*10*9*8*7*6*5*4*3*2*1 = 32760
Dnde: n= nmero total de objetos r= nmero de objetos seleccionados!=

factorial, producto de los nmeros naturales entre 1 y n.
NOTA: se puede cancelar nmeros cuando se tiene las mismas cifras en

numerador y denominador. !
1
Combinacin
En una permutacin, el orden de los objetos de cada posible resultado es
diferente. Si el orden de los objetos no es importante, cada uno de estos
resultados se denomina combinacin. Por 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
Combinaciones: Es el nmero de formas de seleccionar r objetos de un grupo de n

objetos sin importar el orden.
La frmula de combinaciones es:
n C r = n! r! (n r)!
Ejemplo: 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?
Usando la frmula de combinaciones:
n C r = n! = 7! = 7! = 35
r! (n r )! = 3! (7 3)! 3! 4!
El tomar tres colores de 7 posibles no es suficiente para identificar las 42 partes

del producto.
1
Solucin de problemas
Ejemplo 1.
Dos equipos denominados A y B se disputan la final de un partido de baloncesto,
aquel equipo que gane dos juegos seguidos o complete un total de tres juegos
ganados ser el que gane el torneo. Mediante un diagrama de rbol diga de
cuantas maneras puede ser ganado este torneo,
Solucin:
A = gana el equipo A
B = gana el equipo B
En este diagrama se muestran que hay solo diez maneras de que se gane el
torneo, que se obtienen contando las ramas terminales de este diagrama de rbol,
las que es posible enumerar;
AA, ABB, ABAA, ABABA, ABABB, etc, etc.
1
Ejemplo 2.
Un hombre tiene tiempo de jugar ruleta cinco veces como mximo, l empieza a
jugar con un dlar, 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, mediante un diagrama de rbol, diga cuntas maneras hay de que se
efectu el juego de este hombre.
Si contamos las ramas terminales nos daremos cuenta que hay 11 maneras de
que este hombre lleve a cabo sus apuestas, en este diagrama se han
representado los cinco juegos o apuestas que este hombre tiene tiempo de jugar.
1
Ejemplo 3.
Cuntos nmeros de 5 cifras diferentes se puede formar con los dgitos: 1, 2, 3,
4, 5.?
r=5 n=5
S entran todos los elementos. De 5 dgitos entran slo 3.
S importa el orden. Son nmeros distintos el 123, 231, 321.
No se repiten los elementos. El enunciado nos pide que las cifras sean diferentes.
P5=5 !=5.4 .3 .2.1=120
Ejemplo 4.
De cuntas formas distintas pueden sentarse ocho personas en una fila de
butacas?
S entran todos los elementos. Tienen que sentarse las 8 personas.
S importa el orden.
No se repiten los elementos. Una persona no se puede repetir.
P8=8 !=40320
Ejemplo 5.
De cuntas formas distintas pueden sentarse ocho personas alrededor de una
mesa redonda?
Pnr=P 81=( 81 ) !=7 !=5040
1
Ejemplo 6.
Con las letras de la palabra libro, cuntas ordenaciones distintas se
pueden hacer que empiecen por vocal?
La palabra empieza por i u o seguida de las 4 letras restantes tomadas

de 4 en 4.
S entran todos los elementos.
S importa el orden.
No se repiten los elementos.
P2 P 4=( 2 ! ) ( 4 ! )=48
Ejemplo 7.
En una clase de 35 alumnos se quiere elegir un comit formado por tres alumnos.
Cuntos comits diferentes se pueden formar?
No entran todos los elementos.
No importa el orden: Juan, Ana.
35.34 .33
C335= =6545
3.2 .1
1
Ejemplo 8.
De cuntas formas pueden mezclarse los siete colores del arco

iris tomndolos de tres en tres?
No importa el orden.
3 7.6 .5
C7 = =35
3.2
Ejemplo 9.
A una reunin asisten 10 personas y se intercambian saludos entre todos.
Cuntos saludos se han intercambiado?
No importa el orden.
10.9
C210= =45
2
1
Ejemplo 10.
En una bodega hay en un cinco tipos diferentes de botellas. De cuntas formas
se pueden elegir cuatro botellas?
No entran todos los elementos. Slo elije 4
No importa el orden. Da igual que elija 2 botellas de ans y 2 de ron, que 2 de ron y
2 de ans.
S se repiten los elementos. Puede elegir ms de una botella del mismo tipo.
( 5+ 41 ) ! 8!
CR 45= = =70
4 ! ( 51 ) ! 4 ! . 4 !
TEMA IV.- TEORA DE LA PROBABILIDAD.
4.1.1. CONCEPTO Y USOS DE PROBABILIDAD.
PROBABILIDAD.
La probabilidad es la posibilidad que existe entre varias posibilidades, que un
hecho o condicin se produzcan. La probabilidad, entonces, mide la frecuencia
con la cual se obtiene un resultado en oportunidad de la realizacin de un
experimento sobre el cual se conocen todos los resultados posibles gracias a las
condiciones de estabilidad que el contexto supone de antemano.
1
APLICACIN DE LA PROBABILIDAD.
Una de las primeras aplicaciones de la probabilidad fue en las ciencias actuariales,

que comprenden el estudio de seguros de vida, fondos de pensiones y problemas
relacionados.
Otro uso importante de la probabilidad est en la estadstica, la cual penetra en

una multitud de campos, tales como finanzas, economa, biologa, psicologa y las
ciencias sociales en general.
El clculo de probabilidades tambin se emplea en la fsica y qumica modernas y

en muchas ingenieras, como por ejemplo en la teora de ajuste por mnimos
cuadrados, en el estudio de problemas de aglomeracin (problemas de trfico), en
la teora de muestreo y en el control de calidad de productos manufacturados.
4.2. TIPOS DE PROBABILIDAD.
Probabilidad Clsica
Se define la probabilidad de que un evento ocurra como:
Nmero de resultados en los que se presenta el evento / nmero total de

resultados posibles.
Cada uno de los resultados posibles debe ser igualmente posible.
1
La probabilidad clsica, a menudo, se le conoce como probabilidad a priori, debido

a que si utilizamos ejemplos previsibles como monedas no alteradas, dados no
cargados y mazos de barajas normales, entonces podemos establecer la
respuesta de antemano, sin necesidad de lanzar una moneda, un dado o tomar
una carta. No tenemos que efectuar experimentos para poder llegar a
conclusiones.
Este planteamiento de la probabilidad tiene serios problemas cuando intentamos

aplicarlo a los problemas de toma de decisiones menos previsibles. El
planteamiento clsico supone un mundo que no existe, supone que no existen
situaciones que son bastante improbables pero que podemos concebir como
reales. La probabilidad clsica supone tambin una especie de simetra en el
mundo.
Probabilidad de Frecuencia relativa de presentacin
En el siglo XIX, los estadsticos britnicos, interesados en la fundamentacin

terica del clculo del riesgo de prdidas en las plizas de seguros de vida y
comerciales, empezaron a recoger datos sobre nacimientos y defunciones. En la
actualidad, a este planteamiento se le llama frecuencia relativa de presentacin de
un evento y define la probabilidad como:
La frecuencia relativa observada, de un evento durante un gran nmero de

intentos, La fraccin de veces que un evento se presenta a la larga, cuando las
condiciones son estables.
Este mtodo utiliza la frecuencia relativa de las presentaciones pasadas de un

evento como una probabilidad. Determinamos qu tan frecuente ha sucedido algo
en el pasado y usamos esa cifra para predecir la probabilidad de que suceda de
nuevo en el futuro.
Cuando utilizamos el planteamiento de frecuencia relativa para establecer

probabilidades, el nmero que obtenemos como probabilidad adquirir mayor
precisin a medida que aumentan las observaciones.
Una dificultad presente con este planteamiento es que la gente lo utiliza a menudo
sin evaluar el nmero suficiente de resultados.
Probabilidades Subjetivas
1
Las probabilidades subjetivas estn basadas en las creencias de las personas que
efectan la estimacin de probabilidad. La probabilidad subjetiva se puede definir
como la probabilidad asignada a un evento por parte de un individuo, basada en la
evidencia que se tenga disponible. Esa evidencia puede presentarse en forma de
frecuencia relativa de presentacin de eventos pasados, o puede tratarse
simplemente de una creencia meditada.
Las valoraciones subjetivas de la probabilidad permiten una ms amplia

flexibilidad que los otros dos planteamientos. Los tomadores de decisiones puede
hacer uso de cualquier evidencia que tengan a mano y mezclarlas con los
sentimientos personales sobre la situacin.
Las asignaciones de probabilidad subjetiva se dan con ms frecuencia cuando los

eventos se presentan slo una vez o un nmero muy reducido de veces.
Como casi todas las decisiones sociales y administrativas de alto nivel, se refieren
a situaciones especficas y nicas, los responsables de tomar decisiones hacen un
uso considerable de la probabilidad subjetiva.
Probabilidad Terica:
Esta probabilidad se basa en la consideracin de que los resultados de un

experimento son igualmente posibles.
La probabilidad de que suceda un evento se calcula dividendo el nmero de

resultados favorables entre el dividendo el nmero de resultados favorables entre
el nmero total de resultados posibles
1
4.2.1. CLSICA, CONDICIONAL (DEPENDIENTE E

INDEPENDIENTE).
PROBABILIDAD CLSICA.
Es el nmero de resultados favorables a la presentacin de un evento dividido
entre el nmero total de resultados posibles. Asignacin de probabilidad "a priori",
si necesidad de realizar el experimento.
La probabilidad clsica o terica se aplica cuando cada evento simple del espacio
muestral tiene la misma probabilidad de ocurrir.
Frmula:
nmero de resultados favorables al evento

Probabilidad de un evento=
nmero total de resultados posibles
1
PRBABILIDAD CONDICIONAL O CONDICIONADA:

Es la probabilidad de que ocurra un evento A, sabiendo que tambin sucede otro
evento B. La probabilidad condicional se escribe P(A|B), y se lee la probabilidad
de A dado B.
Frmula:
se puede interpretar como, tomando los mundos en los que B se

cumple, la fraccin en los que tambin se cumple A. Si el evento B es, por
ejemplo, tener la gripe, y el evento A es tener dolor de
cabeza, sera la probabilidad de tener dolor de
cabeza cuando se est enfermo de gripe.
Grficamente, si se interpreta el espacio de la ilustracin

como el espacio de todos los mundos posibles, A seran
los mundos en los que se tiene dolor de cabeza y B el
espacio en el que se tiene gripe. La zona verde de la
interseccin representara los mundos en los que se tiene gripe y dolor de cabeza
.
En este caso , es decir, la probabilidad de que alguien tenga dolor de

cabeza sabiendo que tiene gripe, sera la proporcin de mundos con gripe y dolor
de cabeza (color verde) de todos los mundos con gripe: El rea verde dividida por
el rea de B. Como el rea verde representa y el rea de B representa
a , formalmente se tiene que:
1
PROBABILIDAD CONDICIONAL DEPENDIENTE:

La probabilidad condicional dependiente es cuando dos o ms eventos, presentan
una ocurrencia o no-ocurrencia de uno de ellos afecta la probabilidad de
ocurrencia del otro (o otros). Cuando tenemos este caso, empleamos entonces, el
concepto de probabilidad condicional para denominar la probabilidad del evento
relacionado expresin P(A|B) indica la probabilidad de ocurrencia del evento A s
el evento B ya ocurri.
1
PROBABILIDAD CONDICIONAL INDEPENDIENTE:

La probabilidad condicional independiente es cuando dos o ms eventos son
independientes, o sea cuando la ocurrencia o no-ocurrencia de un evento no tiene
efecto sobre la probabilidad de ocurrencia del otro evento (o eventos). Un caso
tpico de eventos independiente es el muestreo con reposicin, es decir, una vez
tomada la muestra se regresa de nuevo a la poblacin donde se obtuvo.
Frmula:
Si A y B son eventosindependientes , P ( A y B )=P ( A )P ( B )
Dnde:
A es el primer evento.
B es el segundo evento.
1
4.3. SOLUCIN DE PROBLEMAS.

Ejemplo 1.
Cul es la probabilidad de obtener un nmero mayor que 3, en el lanzamiento de
un dado? Si E: 4, 5, 6, entonces el nmero de resultados favorables es n (E) = 3.
Si S: 1, 2, 3, 4, 5, 6, entonces el nmero total de resultados posibles es (S) = 6.
Por lo tanto:
Ejemplo 2.
1
Ejemplo 3.
Ejemplo 4.
1
Ejemplo 5.
Ejemplo 6.
1
Ejemplo 7.
1
Ejemplo 8.
Ejemplo 9.
1
Ejemplo 10.
1
BIBLIOGRAFA.
Tema I
Pginas web:
http://recursostic.educacion.es/secundaria/edad/1esomatematicas/1quincena12/1q
uincena12.pdf
http://recursostic.educacion.es/descartes/web/materiales_didacticos/unidimension
al_lbarrios/definicion_est.htm
http://www.definicionabc.com/general/probabilidad.php
http://es.wikipedia.org/wiki/Poblaci%C3%B3n_estad%C3%ADstica
http://colposfesz.galeon.com/est501/suma/sumahtml/conceptos/estadistica.htm
http://es.wikipedia.org/wiki/Muestra_estad%C3%ADstica
http://www.slideshare.net/crownred/7-muestreo
http://www.vitutor.com/estadistica/inferencia/inferenciaContenidos.html
http://www.bioestadistica.uma.es/libro/node88.htm
http://www.vadenumeros.es/sociales/tipos-de-muestreo.htm
http://www.fao.org/docrep/x5684s/x5684s04.htm
1
Tema II
Libros:
Probabilidad y Estadstica aplicadas a la ingeniera. Douglas C. Montgomery y
George C. Runger. Ed. McGRAW-HILL.
PROBABILIDAD. Seymour Lipschutz y Marc Lipson. Ed. McGRAW-HILL .

( Segunda edicin)
Pginas web:
http://www.fca.unam.mx/docs/apuntes_matematicas/01.%20Teoria%20de
%20Conjuntos.pdf
http://pendientedemigracion.ucm.es/info/pslogica/teoriaconjuntos.pdf
http://www.eduteka.org/MI/master/interactivate/lessons/pp1.html
http://www.mty.itesm.mx/dmti/materias/ma2006-1/recursos/Teoria_Conjuntos.pdf
https://es.wikipedia.org/wiki/Conjunto_vac%C3%ADo
http://centros5.pntic.mec.es/ies.victoria.kent/Rincon-C/Alumnos/al-18/al-18.htm
Tema III
Pginas web:
http://es.wikipedia.org/wiki/Medidas_de_tendencia_central
http://es.wikipedia.org/wiki/Medidas_de_dispersi%C3%B3n
http://dieumsnh.qfb.umich.mx/estadistica/media_pond.htm
http://www.ditutor.com/estadistica/desviacion_estandar.html
http://www.vitutor.com/estadistica/descriptiva/d_11.html
1
Tema IV
Pginas web:
http://jenyferestadistica.blogspot.mx/2008/09/probabilidad-clasica.html
http://es.wikipedia.org/wiki/Probabilidad_condicionada
http://www2.uah.es/jmmartinezmediano/Segundo%20CS/MCCSS%20Tema
%2009b%20Problemas%20de%20probabilidad%20condicionada.pdf
http://recursostic.educacion.es/secundaria/edad/4esomatematicasB/probabilidad/i
mpresos/quincena12.pdf
http://www.montereyinstitute.org/courses/Algebra1/COURSE_TEXT_RESOURCE/
U12_L2_T2_text_final_es.html
centros.edu.xunta.es/iesaslagoas/metodosesta/.../T04_ Probabilidad.pdf
http://www.conevyt.org.mx/actividades/probabilidad/sabermas.html
http://www.definicionabc.com/general/probabilidad.php
http://www.hrc.es/bioest/Probabilidad_15.html
http://amolasmates.es/pdf/ejercicios/2%C2%BA%20Bach%20Hum/Probabilidad
%20condicionada.pdf

Tutorial de Probabilidad y Estadística

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Tutorial de Probabilidad y Estadística

Uploaded by

Copyright:

Available Formats

PROBABILIDAD Y

TEMA I. CONCEPTOS DE ESTADISTICA Y SU

Poblacin es el conjunto de cosas, personas, animales o situaciones que tiene una

DEFINICION DE POBLACION FINITA E INFINITA.

Poblacin Infinita: es la que tiene un nmero extremadamente grande de

EJEMPLO. A un paciente que debe ser operado quirrgicamente se le analiza su

El industrial que desea saber si en alambre que produce tiene la resistencia

Generalmente, los resultados obtenidos en una muestra son satisfactorios y

este tipo de muestreo, un elemento de la poblacin puede aparecer ms de una

MUESTREO SIN REPOSICION.

El muestreo aleatorio se puede plantear bajo dos

1.2. SOLUCION DE PROBLEMAS.

El espacio muestral es el conjunto de todos los sucesos elementales. Los sucesos

respuesta constituir un suceso elemental. Un patrn de respuesta sera contestar

E = {(V, V) (V, F) (F, V) (F, F)}

a) Escriba el espacio muestral.

b) Escriba el suceso responder falso a una sola pregunta.

c) Escriba el suceso responder verdadero al menos a 3 preguntas.

a) Con la misma convencin del problema anterior, los sucesos elementales

(V, V, V, V) (V, V, V, F) (V, V, F, V) (V, F, V, V)

(F, V, V, V) (V, V, F, F) (V, F, V, F) (V, F, F, V)

(F, V, V, F) (F, V, F, V) (F, F, V, V) (V, F, F, F)

(F, V, F, F) (F, F, V, F) (F, F, F, V) (F, F, F, F)

A = {(V, V, V, F) (V, V, F, V) (V, F, V, V) (F, V, V, V)}

Se elige un individuo al azar y a partir de l, a intervalos constantes, se eligen los

TEMA II. ESTADSTICA DESCRIPTIVA.

MEDIDAS DE TENDENCIA CENTRAL.

es la media aritmtica o promedio.

es la sumatoria de todos los valores o datos.

es la interpretacin de cada uno de los valores observados.

es el total de valores observados.

En conclusin, la desviacin estndar es el error permisible el cual no afecta al

es la sumatoria de la diferencia que hay entre los datos y la media,

es la media aritmtica o promedio.

es el total de datos observados.

Como se sabe la media aritmtica es de 12, la varianza es la diferencia que hay

En conclusin la varianza es la medida de los cuadrados de las diferencia entre

es la sumatoria de la diferencia que hay entre los datos y la media,

es la media aritmtica o promedio.

es el total de datos observados.

RANGO DISPERCIN O VARIACIN.

Por ejemplo, s se quiere saber el rango de dispersin de la altura de una raza de

Al realizar el Histograma est queda de la siguiente manera. Ubicando la cantidad

Por ejemplo, si se tiene una canasta de verduras con: 2 pepinos, 5 Zanahorias, 4

A continuacin lo que se hace es dividir el 100% entre el total de verduras 20,esto

Ya teniendo los porcentajes representativos de cada verdura, se realiza la grfica

S se tiene la misma canasta con: 3 Mangos, 3 Naranjas, 4 Peras, 1 Durazno, 5

DIAGRAMA DE TALLO Y HOJA.

Unidad Ponderacion (Wi) Datos (Wi)

III 20% = 0.2 8

TEMA III: TEORA DE CONJUNTOS.

El conjunto { a, b, c } tambin puede escribirse:

En teora de conjuntos se acostumbra no repetir los elementos por ejemplo:

El conjunto { b, b, b, d, d } simplemente ser { b, d }.

S a es un elemento del conjunto A se denota con la relacin de

En caso contrario, si a no es un elemento de A se denota a A.

Algunos ejemplos de conjuntos son:

: el conjunto vaco, que carece de elementos.

En este caso decimos que B est contenido en A, o que B es subconjunto de A. En

Por lo tanto si B es un subconjunto de A se escribe B A. Si B no es subconjunto

El conjunto universal y el conjunto vaco

El conjunto universal se suele representar por la letra U o bien por .

Entonces una manera de ilustrarlo sera:

Sean A= { 2, 4, 6 } y B={ 1, 3, 5, 7 } encontrar A B.

n P r = n! (n - r)! = 15! = 15141312 1110987654321 (15-4)!