Professional Documents
Culture Documents
COATZACOALCOS
INGENIERIA INDUSTRIAL
2 SEMESTRE
GRUPO D
14/03/2017
1
INDICE
Introduccin 3
1.3.6 Diagrama de Caja y Ejes 4
1.3.7 Diagrama de Sectores 6
2.1. Conjuntos y tcnicas de conteo. 6
2.2. Concepto clsico y como frecuencia relativa. 7
2.3. Espacio muestral y eventos. 7
2.4. Axiomas y teoremas. 8
2.5. Probabilidad clsica: Espacio finito equiparable 9
2.6. Probabilidad condicional e independencia. 9
2.7. Teorema de Bayes 10
2.8. Distribucin Marginal Conjunta 11
Conclusin 12
Bibliografa 13
2
INTRODUCCIN
3
1.3.6 DIAGRAMA DE CAJA Y EJES
Los diagramas de Caja-Bigotes (boxplots o box and whiskers) son una
presentacin visual que describe varias caractersticas importantes, al mismo
tiempo, tales como la dispersin y simetra.
Para su realizacin se representan los tres cuartiles y los valores mnimo y
mximo de los datos, sobre un rectngulo, alineado horizontal o verticalmente.
Construccin
Comparar distribuciones
Diagrama de Caja a travs de Excel
Construccin:
Una grfica de este tipo consiste en una caja rectangular, donde los lados ms
largos muestran el recorrido intercuartlico. Este rectngulo est dividido por un
segmento vertical que indica donde se posiciona la mediana y por lo tanto su
relacin con los cuartiles primero y tercero (recordemos que el segundo cuartil
coincide con la mediana).
Esta caja se ubica a escala sobre un segmento que tiene como extremos los
valores mnimo y mximo de la variable. Las lneas que sobresalen de la caja se
llaman bigotes. Estos bigotes tienen un lmite de prolongacin, de modo que
cualquier dato o caso que no se encuentre dentro de este rango es marcado e
identificado individualmente.
Comparar distribuciones
La mayor utilidad de los diagramas caja-bigotes es para comparar dos o ms
conjuntos de datos.
Comparacin distribucin de edades
Comparacin entrenamientos de un corredor
Comparacin clasificacin liga
4
Comparacin entrenamientos de un corredor:
Un corredor entrena para una determinada carrera y se toman los tiempos que
necesita para recorrer los 200 m, durante 10 das consecutivos (cada da se toman
varios tiempos y se calculan mediana, cuartiles, valores mnimo y mximo)
Observamos que el desplazamiento de las grficas de caja hacia la izquierda
indica que el entrenamiento ha dado resultado, ya que se tardan menos segundos
en recorrer la misma distancia, siendo la diferencia entre el mximo y el mnimo
menor, como as tambin la diferencia intercuartlico.
5
1.3.7 DIAGRAMA DE SECTORES
Un diagrama de sectores se puede utilizar para todo tipo de variables, pero se usa
frecuentemente para las variables cualitativas.
Los datos se representan en un crculo, de modo que el ngulo de
cada sector es proporcional a la frecuencia absoluta correspondiente.
6
Definicin Clsico.
La probabilidad clsica: el enfoque clsico o a priori de la probabilidad se basa en
la consideracin de que los resultados de un experimento son igualmente
posibles. Empleando el punto de vista clsico, la probabilidad de que suceda un
evento se calcula dividiendo el nmero de resultados favorables, entre el nmero
de resultados posibles. La probabilidad clsica de un evento E, que denotaremos
por P (E), se define como el nmero de eventos elementales que componen al
evento E, entre el nmero de eventos elementales que componen el espacio
muestral:
7
El espacio muestral S, est representado por un rectngulo, este contiene eventos
E representados a travs de crculos y puntos muestrales. Dado que en E existen
dos elementos y en S seis, la probabilidad P de que ocurra E es 2 de 6 y se
obtiene al dividir el nmero de elementos en E sobre el nmero de elementos en
S.
Espacio Muestral.- Se llama espacio muestral (E) asociado a un experimento
aleatorio, el conjunto de todos los resultados posibles de dicho experimento. Al
lanzar una moneda, el espacio muestral es E = {sale cara, sale sello} o E = {c, s}.
Al lanzar un dado de seis caras, el espacio muestral es E = {sale 1, sale 2, sale 3,
sale 4, sale 5, sale 6} o E = {1, 2, 3, 4, 5, 6}
Al lanzar dos monedas, el espacio muestral es E = (c/c), (c,s), (s,c), (s,s).
Al lanzar tres monedas, el espacio muestral es E = (c,c,c), (c,c,s), (c,s,c), (c,s,s),
(s,c,c), (s,c,s), (s,s,c), (s,s,s) Evento o Suceso: Se llama evento o suceso a todo
subconjunto de un espacio muestral. Por ejemplo en el espacio muestral E = {1, 2,
3, 4, 5, 6} del lanzamiento de un dado, los siguientes son eventos:
Obtener un nmero primo A = {2, 3, 5}
Obtener un nmero primo y par B = {2}
Obtener un nmero mayor o igual a 5 C = {5, 6}
p (d) = 1
Si A y B son eventos mutuamente excluyentes, entonces la p(AB) = p(A) + p(B)
Generalizando:
8
Si se tienen n eventos mutuamente excluyentes o exclusivos A1, A2, A3,.....An,
entonces;
p (A1A2.........An) = p (A1) + p (A2) +.......+ p (An)
Teoremas:
Si f es un evento nulo o vaco, entonces la probabilidad de que ocurra f debe ser
cero.
p (f)=0
9
si A y B son dos sucesos, y P(A) y P (B) son las probabilidades de que ocurran
respectivamente entonces.
10
En general, se definen las distribuciones marginales como las distribuciones por
separado de cada una de las componentes de la v.a. bidimensional.
Dada la funcin de distribucin conjunta de (X, Y), F(x, y), se define la funcin de
distribucin marginal de X como:
FX(x) = P(X x) = F(x, +) = P(X x, Y +), x R
Anlogamente, la funcin de distribucin marginal de Y viene dada por:
FY (y) = P (Y y) = F (+, y) = P (X +, Y y), y R
CONCLUSIN
11
La probabilidad mide la frecuencia con la que se obtiene un resultado (o conjunto
de resultados) al llevar a cabo un experimento aleatorio, del que se conocen todos
los resultados posibles, bajo condiciones suficientemente estables. La teora de la
probabilidad se usa extensamente en reas como la estadstica, la fsica, la
matemtica, la ciencia y la filosofa para sacar conclusiones sobre la probabilidad
de sucesos potenciales y la mecnica subyacente de sistemas complejos.
BIBLIOGRAFIA
12
Ttulo Introduccin a la estadstica
Volumen 28 de OEA Instituto Interamericano de
Cooperacin Para la Agricultura Serie de
Libros Y Materiales Educativos.
Nmero 28 de Serie Libros y materiales educativos
Autor Wilfredo Caballero A.
Editor Bib. Orton IICA / CATIE, 1975
N. de pginas 289 pginas
13