Escolar Documentos
Profissional Documentos
Cultura Documentos
Y : estatura
Y1
Y2
Y3
Xn
Ym
Estos datos parece razonable resumirlos en una tabla de doble entrada . Debido a que dos
variables son continuas, se debe determinar los intervalos o clases para cada variable
(como se hacia en el caso unidimensional).
LOS TIPOS DE DATOS QUE SE PUEDEN ANALIZAR SON:
TIPO
Cualitativa / cualitativa
Cuantitativa / cualitativa
VARIABLES (x , y)
Categrica / categrica
Continua / categrica
Cuantitativa / cualitativa
Discreta /categrica
EJEMPLOS
Color cabello / sexo
Peso / color de ojos
Pulsacin por minuto /
estado civil
DISTRIBUCIONES BIDIMENSIONALES
Estos datos se pueden mostrar en una tabla de frecuencias de doble entrada.
Y
X1
...............
Total
marginal
de X
n1
X2
...............
n2
X3
.
.
.
Xn
Total
marginal
de Y
...............
n3
.
.
.
nn
Y1
Y2
Y3
...............
Ym
...............
...............
n1
n2
n3
nm
...............
X 0 0 0 0 0 1 1 1 1 1 2 2 2 2 2 3 3 3 3 3 4 4 4 4 4
Y 0 1 2 3 4 0 1 2 3 4 0 1 2 3 4 0 1 2 3 4 0 1 2 3 4
f 8 19 35 16 3 23 37 22 6 1 35 20 16 2 1 17 4 1 0 0 2 1 1 0 0
Y
31
66
83
85
Total
marginal
Y
19
0,029
27
0,029
23
0,085
87
0,114
35
0,129
142
0,243
17
0,062
163
0,305
2
0,007
0,312
n1 85
166
35
0,070
0,099
37
0,137
0,322
20
0,074
0,525
4
0,014
0,603
1
0,003
0,614
62
16
0,129
78
0,228
22
144
0,081
215
166
0,059
n2 81
11
170
0,007
244
261
0,003
n2 89
0,003
n3 74
0,903
0
0
266
0,966
0
265
n4 22
n5 4
0,985
0
0
270
0,892
0,981
n3 75
n4 24
n5 5
8+19+35+16+3=81
Explicacin
INTERPRETACIN DE UNA CELDA
n1 81
0,003
0,629
1
0,885
0
0,003
0,011
0,298
1
0,022
239
0,877
1
241
81
0,614
2
0,796
1
237
3
0,059
0,287
6
0,533
16
Total
marginal X
270
11
a) Considerando el total de hijos (hombres y mujeres) que tiene cada familia cul es el
promedio de estos en las 270 familias? R.- 2,4 hijos.
b) Obtener las distribuciones marginales para cada variable.
c) En esta muestra de familias Cuntos hijos hombres hay?, hay ms hijos hombres
o ms hijas mujeres? R.- H = 323 M = 319
d) Cul es el promedio de hijos varones por familia? R.- 1,2.
e) Cul es el promedio de hijas por familia? R.- 1,2.
f)
Cul es la distribucin de los hijos hombres en las familias con una hija mujer?
k) Cul es el promedio de hijos hombres para las familias que tienen una hija mujer?
R.- 1,16.
l) Cul es el promedio de hijas en las familias que tienen 2 hijos hombres?
R.- 0,81.
m) Cul es el promedio de hijos hombres en las familias que no tienen hijas?
R.- 1,84.
H (x / y y j )
H (x / y y j )
H ( y / x xi )
Ejemplo:
Obtenga la distribucin condicional de x dado que y = 3 en el
ejemplo de las 270 familias.
Hay 16 familias con 3
Hayy16
familias con 3
hijos
0 hijas
hijos y 0 hijas
X1
X
0
H(x/y =3)
16
f14a
X2
f 24a
X3
f 34a
X4
f 44a
X5
4
Total
0
24
f 54a
X1
f ija
X2
fija
X3
fija
.
.
.
Total
.
.
.
n.j
Existen 24 familias
Existen
con
3 hijos24 familias
con 3 hijos
MEDIA CONDICIONAL :
n
M(x/y = yj)
i 1
* f ija
n. j
5
M(x/y = 3)
X * f
i 1
n.4
a
14
24
0, 42hijas
24
24
VARIANZA CONDICIONAL:
n
2 ( X / Y y j ) VAR( X / Y y j )
2
a
X
*
f
i ij
M ( X / Y y j )
i 1
n. j
2,16
24
24
24
COEFICIENTE DE VARIACIN:
C.V .( X / Y y J )
M ( X / Y yJ )
VAR( X / Y yJ )
Pero :
scxy
b1
scx
X2
Y2
X *Y
Covarianza
Covarianza
n
( x ) 2
n
Pendiente
Pendiente
xy
x y
3
4
6
8
21
6
7
15
24
52
9
16
36
64
125
36
49
225
576
886
18
28
90
192
328
4,61
8,34
15,80
23,26
Es directamente
Es directamente
proporcional
por
proporcional
ser positiva por
ser positiva
21*52
4 55 3, 73
b1
(21) 2
14, 75
125
4
328
52
21
b0 y b1 * x b0
3, 73*
4 r 1 4
13 19,58 6,58
y 6,58 3, 73 X i
b1 0
cov 0
r 1
b1 0
cov 0
b1 0
r 1
cov 0
r 1
b1 0
1 r 1
cov 0
b1 0
cov 0
r 0
No hay ninguna
No hayentre
ninguna
relacin
las
relacin
entre las
variables
variables
ei y1 yi
Error de
Error de
estimacin
estimacin
scxy
r
scx * scy
Coeficiente de correlacin
Es el grado que existe entre la relacin de las variables.
Coeficiente de determinacin
Indica en que porcentaje (%) la variable independiente explica a la variable dependiente.
( scxy ) 2
r
scx * scy
2
y b0 b1 X i
b y b x
0
scxy
b1
scx
OJO,
OJO,
Esto
Estoestaba
estaba
en
pizarra.
en pizarra.
x y
xy
n
2
x
n
H 0 : 1 0
v/s
H1 : 1 0
Hiptesis
Hiptesis
alternativa
alternativa
Pendiente de la
Pendiente de la
poblacin
poblacin
b1 1
tc
Sbi
scxy
scy
Sb1
scx
n2
scx
Intervalo de
Intervalo de
confianza
confianza
tc tt
Desarrollo
1.- H 0 1 0
2.-
tc
H11 0
b1 1
Sb1
scy y
( scxy ) 2
scx
n2
scx
scxy 14, 75
52
scy 886
scy
Sb1
scy 210
scxy xy
x y
n
scxy 55
scxy x
scxy 14, 75
1,568
0, 406
3,841
tc
3, 728 0
9,18
0, 406
3.- 0,05
Se dice que se
Se dice que se
trabaja con un 95%
trabaja con un 95%
de confianza.
de confianza.
0,25
tt 4,303
tt 4,303
=
b1 tt * Sb1 1 b1 tt * Sb1
b1 tt * Sb , b1 tt * Sb 1 / b1 tt * Sb b1 tt * Sb
1
1
1
1
EXPERIMENTO
Es cualquier proceso planeado que da lugar a observaciones o a recoleccin de datos.
EXPERIMENTO ALEATORIO
S
EVENTO COMPLEMENTARIO
Si
E c (E complemento)
S pero no en E .
S,
entonces el evento
S [E, E c ]
EVENTOS COMPUESTOS
Si E y F (como eventos), son eventos entonces la ocurrencia de E F se denota por E F
que ambos ocurran E F
EVENTOS MUTUAMENTE EXCLUYENTES.
Dos eventos son mutuamente excluyentes cuando no tienen resultados en comn
(elementos), es decir, E F
Ejemplo: suponga que un experimento consiste en examinar 3 fusibles, cada fusible puede
ser defectuoso (D) o no defectuoso (B).
23 8
Cantidad de
Cantidad de
fusibles
fusibles
Sale bueno o
Sale
bueno o
malo
malo
El evento
B 1, 2, 4, 6
C 1,3, 4, 7
2
5
1
3
CONCEPTO DE PROBABILIDAD
Si un experimento
est definido en
S,
entonces la probabilidad de
probabilidad de un evento
Ocurre o no
ocurre
P E
0
Ocurre
0,5
2) P( S ) 1
3) Para cualquier nmero finito k de eventos mutuamente excluyentes definidos en S
P ( Ei )
U
i
i 1
i 1
k
es 0.
S y si
A B distinto de cero
1, 2,3, 4,5, 6
A 1,3,5
B 1, 6
P A B P A P B P A B
3 2
6 6
1
6
4
6
4
6
A B 1,3,5, 6
P A B
4
6
TEOREMA 4
Sea
E c el complemento de E en S , entonces la
P Ec 1 P E
P E 1 P E
4 2
6 6
A1
fumar
A2
no fumar
Total
B1
B2
hombres
mujeres
n11 2
n12 3
n11 n12 5
n21 5
n22 1
n21 n22 6
Total
n 11
Frmula general
P Ai B j
nij
n
AAesto
estoseselelellama
llama
PROBABILIDAD
PROBABILIDAD
CONJUNTA
CONJUNTA
Probabilidad
Probabilidad
que sea
que sea
hombre
hombre
Probabilidad
Probabilidad
que sea
que sea
mujer
mujer
n11 n12 5
45,5%
n
11
P Ai
n n
6
P A2 21 22 54,5%
n
11
P B1
n11 n21 7
63, 6%
n
11
P B2
n12 n22 4
36, 4%
n
11
AAesto
estoseselelellama
llama
PROBABILIDAD
PROBABILIDAD
MARGINAL
MARGINAL
n
j 1
n
2
P Bj
n
i 1
Suponga que ahora que se elige aleatoriamente una persona y es mujer, cual es la
probabilidad de que no fume.
AAesto
estoseselelellama
llama
PROBABILIDAD
n22
1
PROBABILIDAD
P A2 / B2
25%
CONDICIONAL
CONDICIONAL
n12 n22 4
P B2 / A2
n22
1
16, 7%
n21 n22 6
P Ai / A j
nij
2
n
j 1
TEOREMA DE BAYES
El Teorema de Bayes nos permite calcular la
probabilidad de un evento que no se conoce a
partir de eventos anteriores, para entender este
teorema consideremos que un articulo es
manufacturado a travs de dos mquinas.
MQUINA
A
MQUINA
B
ij
Regla de la multiplicacin
P A / B * P A P A B
ij
ij
P B / Dc ?
P A * P D / A P D A
0, 4*0, 02
0, 08
8%
P A * P D c / A P A D c
0, 4*0,98
0,392
ARTICULO
39,2%
P B * P D / B P B D
0,6
* 0,04
0,024
24%
P B * P DC / B P B D 2
0,6
0,96
0,57
TEOREMA DE
TEOREMA DE
BAYES
BAYES
57%
P B / D
P B DC
P D
P B / DC
P B / DC
P B DC
P A DC P B DC
0,57
0,392 0,57
= 0,592
= 59,2%
n
b n, p , q , x p x q n x
x
donde
n
n!
nc
x
n x !x!
x
Responde a
Responde a
combinatori
combinatori
a
a
4C2
4!
6
2!2!
2! 3*4
6
2! 2
Por ejemplo:
La distribucin binomial se usa para encontrar la probabilidad de sacar 5 caras y 7 sellos
en 12 lanzamientos.
Sea x la variable aleatoria salga sello
n = 12
x=7
b = (12, 0.5, 0.5, x = 7) =
n
12
x
7
0,1933
19,33 %
P ( x 2) P ( x 0) P ( x 1) P ( x 2)
12C1*0,51 *0,511
k 5 ; 400
12
2%C2*0,5
p 2 *0,510
e 8 85
0, 092 9, 2%
5!
P x 2 1 P x 2
1 P x 0 P x 1
0,99976
99,98%
p 0
La
x E x n * p
= 12*0,5
=6
VAR x 2 x n * p * q
= 12*0,5*0,5
=3
x 3
CV x
x
6
x
3
1, 732 , q 0,5
Calcular:
2
8
100
1 P x 1
1 0,00024
400*
P x 1 1 P x 1
1 P x 0
n 400 E x n * p
x0
e 5 *50
0, 0067
0!
e 5 *51
p 1
0, 0337
1!
e 5 *52
p 2
0, 0846
2!
e5 *53
p 3
0,140
3!
e 5 *54
p 4
0,1754
4!
f x, ,
1
1
*e 2
2
xi 2
a) P x 1
b) La probabilidad de que a lo ms salga un sello.
c) La probabilidad de que a lo menos salga un sello.
SOLUCIN:
Sabemos que
VAR x x n * p * q
2
1 11
a) P x 1; p 0,5; q 0,5; n 12 nC1 p q
= 12C1*0,51 *0,511
= 12C1*0,512
n* p*q
1,732
2
2
shi
nCr
1*0,
2 3
2 n * p * q
3 n* p*q
3 n *0,5*0,5
3
0,5
2,92*1003
shift
EN
Dos veces
0, 0029
2,9%
n 12
b) P x 1 P xi
0,0049
x 0
P x 0 P x 1
0, 002 0, 0029
0, 0049
0, 49%
10
12
c)c)
P x 1 P x
P x 1 P x
a)a)
==
==0,598
0,598
==59,8%
59,8%
b)b)
Ejercicio
:
Un fabricante de marcos para ventana sabe
por experiencia que un 5% de la produccin
==0,315
0,315
tendr algn tipo de defecto menor que requerir un ligero ajuste. Cual es la probabilidad
de que una muestra de 10 marcos para ventana
...
==31,5%
31,5%
a) ninguno necesite arreglo
0
b) por lo menos uno requerir ajustes de 1 a 10
de 3 a 10
c)c)c) mas de dos necesitarn arreglos
==0,0746
0,0746
==7,46%
7,46%
e x
f x,
x!
promedio de ocurrencias en un periodo de tiempo determinado
x es la variable aleatoria bajo estudio.
Ejemplo:
a) Si el 2% de los libros encuadernados en cierto taller tienen encuadernacin
defectuosa, obtener la probabilidad de que 5 de 400 libros encuadernados en este
taller tengan encuadernacin defectuosa.
k 5 ; 400 0, 02 =8
n 400 E x n * p
400*0, 02
2
400*
8
100
2% p
P x 5
e x
x!
e 8 85
0, 092 9, 2%
5!
P x 2 P x 0 P x 1 P x 2
e 8 *80 e 8 *81 e 8 *82
0!
1!
2!
0, 00033 0, 00268 0, 011
0, 01401
1, 4%
P x 2 P x 2 P x 3 .........
P x 2 1 P x 2
1 P x 1
1 P x 0 P x 1
1 0, 00301
0, 99699
99, 7%
Ejercicio :
Suponga que estamos investigando la seguridad de un cruce peligroso, los archivos de
la polica indican una media de 5 accidentes por mes.
El nmero de accidentes est distribuido conforme a una distribucin de Poisson, se
pide calcular:
a) 5
x0
e 5 *50
0, 0067
0!
e 5 *51
p 1
0, 0337
1!
e 5 *52
p 2
0, 0846
2!
e 5 *53
p 3
0,140
3!
e 5 *54
p 4
0,1754
4!
p 0
p x
P x
0
1
2
3
4
0,0067
0,0337
0,0846
0,140
0,1754
0,0067
0,0404
0,1244
0,2644
0,4394
f x, , 2
1
1
*e 2
2
xi 2
x : N , 2
Z : N 0,1
Mide la desviacin de los datos respecto a la media.