Escolar Documentos
Profissional Documentos
Cultura Documentos
modelo de variacion
todas estas medidas toman la medio menos la amplitud y la variacion
amplitud de variacin
Se puede expresar de dos formas, primero: la diferencia entre los valores
mayor y menor, segundo: indicando cuales son los valores mayor y menor
del grupo anexo 1
desviacion absoluta media
mide la desviacion promedio de valores con respecto a la media del grupo sin tom
ar en cuenta
el signo de la desviacin. Se obtiene restando la media a cada valor del grupo, el
iminando
el signo (+ o -) y hallando luego el promedio, si tuvieramos en cuenta los signo
s la desviacin
sera 0 (anexo 2)
variancia
se calcula casi igual que la DAM, hay 2 diferencias: primero las desviaciones se
elevan al cuadrado
antes de sumarlas y segundo el promedio se obtiene dividiendo por n -1 si es par
a una muestra
y si es para el total de un poblacin se divide por N. Anexo 3
desviacion standard
es la raiz cuadrada positiva de la variancia (anexo 4)
proporcin (anexo 5)
es la fraccin o porcentaje de elementos de un grupo o clase particular, esto es i
gual a x sobre n
donde x es el numeros de elementos con determinada caracteristica, y n es el num
ero total de observaciones
ANALISIS DE GRANDES CONJUNTOS DE DATOS.
Los mtodos principales para organizar datos estadisticos comprenden, el ordenamie
nto de elementos
en subconjuntos que presentan cualidades semejantes, por ejemplo, la misma edad,
misma escuela,
misma ciudad, los datos agrupados se pueden resumir graficamente o en tablas, el
nombre que recibe
los datos ordenados es de distribucin de frecuencias, la distribucin de frecuencia
s es un metodo
de clasificacion de datos en clases o intervalos de manera tal que se pueda esta
blecer el numero
o porcentaje, es decir la frecuencia, de cada clase, de esta forma, se puede obs
ervar un conjunto
de numeros, sin considerar cada numero y es muy util al manejar gran cantidad de
datos, el numero
o porcentaje de una clase se denomina, frecuencia de clase
ELABORACION DE UNA DISTRIBUCION DE FRECUENCIAS PARA DATOS CONTINUOS
Se debe realizar los siguientes pasos:
1' establecer la clase o intervalos en que se agruparan los datos
2' ordenarlos en clases mediante el conteo por marcas
3' contar el numero de cada clase
4' presentar los resultados en una tabla o grfico
pasos para elaborar una distribucion de frecuencia
3/16
2/16
5/16
6/16
eventos son independientes o no, 2 eventos son independientes entre si, cuando l
a ocurrencia de uno
no esta relacionada con la ocurrencia del otro, si se tiran 2 dados el resultado
de uno es independiente
del otro. Son dependientes cuando saber que a ocurrido 1 puede ser til para prede
cir la ocurrencia
del otro por ejemplo, saber que una flor no a sido regada puede indicar algo a c
erca de su crecimiento
cuando se observa que un nio se ha lastimado se espera que llore. Se dice que 2 o
mas eventos son
independientes si la ocurrencia o no de uno afecta la ocurrencia de los otros, s
i dos eventos son independients
la probabilidad de que ambos ocurran es igual al producto de sus probabilidades
individuales
P (A y
P(AoB)
P(AyB)
P(AYB)
ej, si se tiran 2 monedas, cul es la probabilidad de que ambas salgan cara? 1/2 *
1/2 = 1/4
ej 1/3 de los votantes anotados en una comunidad rural son mujeres y el 40 porci
ento de ellas
votaron en la ltima eleccin presidencial, suponiendo que estos eventos son indepen
dientes
hallar la probabilidad de seleccionar aleatoriamente de una lista global a una m
ujer que haya
votado en la ultima eleccin presidencial
1/3 * 0.40
juan llega tarde a su casa para cenar el 25 porciento de las veces, la cena se r
etrasa el 10
porciento de las veces, si los 2 sucesos no estan relacionados, que probabilidad
hay de que ambos
ocurran
si 2 eventos no son independientes, el calculo de la probabilidad de A y B es de
deben tomar esto en
cuenta, por ej, hay 2 urnas con bolitas la primera tiene 8 rojas y 2 blancas y l
a 2da 5 rojas y
5 blancas
urna y
urna z
rojas
8
5
blancas total
2
10
5
10
suponiendo que las urnas no estan marcadas la probabilidad de elejir una de ella
s es 1/2, cul
ser la probabilidad de sacar una bolita roja de la urna z 1/2 * 5/10
P(urnaZ y bolita roja) = 1/2 * 5/10 = 5/20 = 1/4
la probabilidad conjunta de 2 eventos dependientes es igual a la probabilidad de
1 * la probabilidad
condicional del otro
P(A y B) = P(A) * P(B/ (dado que ya saque(/)la urnaZ) A)
si 2 eventos son mutuamente excluyentes como bolita roja y volita blanca sus pro
babilidades condicionada
son 0 P(roja/blanca) = 0 , P(blanca/roja) = 0
cuando los 2 elementos son mutuamente excluyentes la probabilidad condicionada e
s 0
REGLA DE ADICIN
se utiliza para determinar la probabilidad de de que ocurra alguno de los 2 even
tos o ambos
el clculo difiere si los elementos son mutuamente excluyentes o no
si son mutuamente excluyentes la probabilidad de A o B
P(A o B) = P(A) + P(B)
por ej, la probabilidad de que al tirar un dado se obtenga como resultado un 5 o
un 6 es igual
a la probabilidad de 5 mas la probabilidad de 6
la probabilidad de sacar una carta de corazones o una carta de trebol
P(corazones) + P(trebol) = 13/52 + 13/53 = 26/52 = 1/2
cuando 2 eventos no son mutuamente excluyentes, ambos pueden suceder, en este ca
so puede ocurrir
uno de ellos o ambos, por ej, la probabilidad de sacar un trebol o un 10 de un m
azo de 52 cartas
1 carta puede ser ambos casos, los eventos 10 y trebol no son mutuamente excluye
ntes, si sumamos
las 2 probabilidades individuales el 10 de trebol se contar 2 veces y por lo tant
o hay que restarlo
REGLAS DE PROBABILIDAD
P(A o B) para eventos mutuamente excluyentes es igual a P(A) + P(B)
para eventos que no sean mutuamente excluyentes P(A)+P(B)-P(Ay)
para eventos independientes = P(A)*P(B)
para eventos dependientes = P(B)*P(A/B) ANEXO 13
Tcnicas de Conteo
para utilizar el enfoque clsico de probabilidad es necesario poder
conocer todos los resultados posibles, las tcnicas de conteo se utilizan
para determinar la el nmero total de resultados
tcnica de conteo
ARBOL DE DESICIN
a
b
c
d
iento
de los que no lo usaron sufrieron tambin serias heridas, la policia estima que el
60 porciento de las pesonas que viajan en automovil emplean cinturones de seguri
dad
se llama a la pocilia para investigar un accidente, en el que una persona result
a
seriamente herida, estime la probabilidad de que llevara puesto el cinturon de s
eguridad
en el momento del choque, el conductor del otro auto no sufri heridas graves, det
ermine la
probabilidad de que este ltimo llevara puesto el cinturn de seguridad
3 mquinas producen piezas fundidas de metales no ferrosos, la mquina A produce 1%
de piezas
defectuosas, la mquina B el 2% y la C el 5%, cada mquina produce un tercio de la p
roduccin
total. Un inspector examina una pieza y determina que no est defectuosa, estime l
a probabilidad
de que dicha pieza haya sido producida por cada maquina
VARIABLES ALEATORIAS
Son las variables cuyos resultados tienden a variar de observacin en observacin de
bido a factores
relacionados con el azar, es importante definir una variable aleatoria,asociada
con una muestra
de manera que sus resultados sean numricos, por ejemplo, N numero de clientes que
entran en una tienda
durante 20 minutos la cantidad que entre variara, estatura de estudiantes en una
clase, que puede
que puede quedar definida en valores continuos. Ej de 1,60 a 2,10. Una variable
aleatoria, es una
funcin valorada numricamente cuyo valor, est regido por factores en los que intervi
ene el azar
una variable aleatoria se considera discreta,si los valores que toma se pueden c
ontar, por ejemplo
el nmero de accidentes que ocurre en una semana, una variable aleatoria es contin
ua si puede tomar
cualquier valor, dentro de un determinado intervalo, tiene un nmero infinito de v
alores posibles
por ejemplo, el peso de caja de naranjas. Los distintos modelos de probabilidad
se utilizan segn
el tipo de variable aleatoria
valor esperado de una variable aleatoria
si una variable aleatoria asume valores x1 x2 x3 ..... Xn y sus probabilidades s
on p1 p2 p3 .... Pn
el valor esperado de X
cantidad de
heladeras vendidas
0
1
2
3
4
probabilidades o
frecuencias relativas
0,20
0,30
0,30
0,15
0,05
E(x)= 0,20*1+0,30*1+0,30*2+0,15*3+0,05*4
con dados
E(x)= 1*1/6+2*1/6+3*1/6+4*1/6+5*1/6+6*1/6
el valo esperado se puede calcular con datos muestrales como las heladeras o sin
datos muestrales
como en el caso del dado.
ejercicio
un inversionista se da cuenta que tiene una probabilidad de 0,40 de tener una ga
nancia de 25k en
pesos y 0,60 de perder 15k en pesos
un
a,
en
os
0
0,60
1
0,20
2
0,10
3
0,04
4
0,03
5
0,03
M. a+b+c+d= 39k
T. a+b+c+d= 547.7225575k
DISTRIBUCIONES PROBABILISTICAS
es una distribucion de frecuencias relativa, respecto a resultados del espacio m
uestral, seala
la proporcin de veces, en que la variable aleatoria, tiende a adoptar diversos va
lores
la variable aleatoria va a ser el nmero de caras al tirar 2 veces una moneda
RESULTADOS
tirar 2
veces
cruz, cruz
VARIABLE ALEATORIA
o 2 caras
PROBABILIDADES
1/2 * 1/2 = 1/4 = 0,25
1 cara
cruz cara
1 cara
cara cara
2 caras
}0,50
DISTRIBUCIONES DISCONTINUAS
ANEXO 1A
comprenden variables aleatorias para el conteo de las 2 como el numero de
acontecimientos pro muestra o cantidad de ocurrencias por periodo de tiempo
DISTRIBUCION BINOMIAL
se utiliza para designar situaciones en los que los resultados de una variable
aleatoria se pueden agrupar en dos clases o categorias, por lo tanto los datos
son nominales, las categorias deben ser mutuamente excluyentes colexctivamente
exhaustivas de manera que es evidente a que clase pertenece una observacion
y no es posible obtener ningun otro resultado
por ej
las respuestas a un examen pueden ser verdadero o falso, los productos pueden se
r
defectuosos o satisactorios
las variables con resultados multiples se pueden tratar como binomiales
si tenemos una urna, con bolitas de distintos colores y queremos sacar verde
la variable puede ser verde o no verde, para utilizar una distribucion binomial
se tienen que satisfacer los siguientes supuestos
1existen n observaciones o ensayos identicos
2cada ensayos tienen dos resultados posibles, exito o fracaso
3las posibilidades de exitos y fracaso que llamamos 1-p
4los resultados de los ensayos son independientes entre si
hay 2 metodos
que este distribuida binomialmente
formula binomial
tabla binomial
N= numero de ensayos
x= numero de exitos
0,80
0,80
0,80
0,80
X
X
X
X
0,80
0,80
0,80
0,80
X
X
X
X
0,80
0,80
0,80
0,80
X
X
X
X
0,20
0,20
0,20
0,20
=
=
=
=
0,1024
0,1024
0,1024
0,1024
-----0,4096
4X (0,80)^3 X (0,20)^1
P (X=3) = 4/3 (0,80)^3 X (0,20)^1 4!/3!X(4-3!)
la formula de la probabilidad de x ser igual al numero de observaciones
tomados por el numero de exitos a la x 1-P x la cantidad de fracasos que es 1-x
p(x) = (x) p^x x (1-p) ^n-x
PROBLEMA
una empresa que fabrica mesas de billar sospecha que el 2 por ciento de su produ
ccion
esta defectuosa en alguna forma, si esta sospecha es correcta encuentre la proba
bilidad
de que en una muestra de 9 mesas
A) halla por por lo menos una defectuosa
B) no haya mesas defectuosas
N = 9
P defec = 2
P buenas = 98
probabilidad de que no haya ninguna defectuosa
p(x=0)= (9/0) x 0,02 x 0,98 ^ 9 = 9!/0! (9-0)! x 0,02 x 0,98
De los alumnos de una universidad, el 41 porciento fuman, se eligen 6 alumnos pa
ra conocer
sus opiniones sobre el cigarrillo
A)Encuentre la probabilidad de que ninguno de ellos fume
B) la probabilidad de que todos fumen
C) la probabilidad de que por lo menos la mitad de los 6 fumen
TABLA BINOMIALES INDIVIDUALES
son utiles para calcular, la probabilidad conociendo N (numero de observaciones)
P (prob de exito)
y x (cant de exitos)
TABLA BINOMIAL ACUMULATIVA
Cuando se requiere la probabilidad combinada de un grupo de resultados por ejemp
lo obtener 5 o menos
caras en 10 tiradas de monedas
si utilizamos las tablas individuales sera
la probab de 0 mas la prob de 1 mas la prob 2 de 3 de 4 de 5
se pueden utilizar las tablas acumulativas, son iguales que las individuales per
o toma x o menor
tambin se puede utilizar la tabla acumulativa para calcular las probabilidades in
dividuales
p (x=4) = p (x<=4)-p(x<=3)
ejemplos
Caracteristicas de distribuciones binomiales
el numero de ensayos siempre deber ser un nmero entero, tambin se puede utilizar co
mo porcentaje
el nmero de exitos, por ejemplo, 2 exitos en 10 observaciones equivale al 20 porc
iento o 0,20
la media de una distribucin binomial es el promedio a largo plazo o el valor espe
rado de una
variable aleatoria binomial, la desviacin estandar indica el grado en que los val
ores muestrales
tenderan a variar a partir de la media, tanto la media como la desviacin estandar
se pueden expresar
en nmero o porcentaje de exitos
anexo A
por ejemplo
si la probabilidad de exito es 0,10 y el numero de observaciones es 10
la media sera nxp = 0,10 x 100 = 10
y la desviacin estandar
distribucion de poisson
es util para describir las probabilidades del nmero de acontecimientos con respec
to a un campo
o interbalo continuo de tiempo o espacio, por ejemplo, defectos x centimetro cua
drado, accidentes
por da, clientes por hora, llamadas telefnicas por minutos, cabezas de ganado por
hectrea.
la unidad de medicin es continua, pero la varible aleatoria (el nmero de acontecim
ientos es discreta)
es imposible contar las fallas o fracasos que no ocurrieron, el uso de la distri
bucin de poisson
supone lo siguiente
caracteristicas
1- la probabilidad de una ocurrencia, es la misma a travs de todo el campo de obs
ervacin
2- la probabilidad de mas de una ocurrencia, en cualquier punto nico es aprox 0
3- el nmero de ocurrencias en cualquier intervalo es independiente del nmero de oc
urrencias
en cualquier otro intervalo.
el limite inferior del numero de ocurrencias es 0 y el superior es infinito. La
distribucin
de poisson se puede describir con un solo parmetro, la media, conociendo la media
se puede
determinar la probabilidad de cualquier otro resultado posible. La media es igua
l a la variancia
en cualquier distribucin de poisson, las probabilidades se pueden determinar por
frmula
o por tablas
mediante un proceso mecanico se producen alfombras de lana que presentan un prom
edio de 2
defectos por metro cuadrado. encuentra la probabilidad de que en un metro cuadra
do de que
exactamente en un metro cuadra.
que no arribe ninguno
que arriben 3
TABLAS
En las tablas individuales figura mu arriba y x al costado, en la acumulativa mu
estra la probabilidad
de x o menos
utilizando las tablas de poisson
a una construccion llegan camiones de carga a razn media de 2,8 camiones por hora
obtenga la probabilidad de tener 3 o mas camiones que lleguen en:
A-lapso de 30 minutos
B- lapso de una hora
C- un lapso de 2 hs
DISTRIBUCIONES PROBABILISTICAS CONTINUAS
cuando una variable discreta tiene muchos resultados posibles o cuando la variab
le es
continua, no se pueden utilizar las distribuciones discretas como la binomial o
la de poisson
la probabilidad de que la flecha se detenga en un punto determinado es prcticamen
te 0
la probabilidad que se detenga entre 3 y 4 es 3/8 , en el caso de una variable a
leatoria
continua se determina la probabilidad al obtener el porcentaje de rea entre 2 val
ores
distribucion uniforme
cuando una variable aleatoria toma cualquier valor en una escala continua entre
2 puntos
de tal forma que ningun valor sea mas probable que otros. la probabilidad asocia
da se puede
describir con una distribucion uniforme, graficamente se representa con un recta
ngulo
limitado por los puntos a y b que constituyen el intervalo de resultados posible
s,
la altura del rectangulo es igual a 1 y el area es el 100% el area bajo el recta
ngulo c y d
es = al porcentaje total
formula
p(c<=x<=d) = d-c/b-a
un vendedor llama a las oficina centrales las 3 y 4 de la tarde y en ningun mome
nto de ese
lapso hay mas probabilidad de que el vendedor llame, el tiempo se mide en una es
cala continua
la probabilidad de que se registre una llamada entre dos putos cualquiera en el
tiempo, es
la razn de ese tiempo al intervalo de 1 hora
la probabilidad que ocurra entre las 3 y las 3:15 es = a 15/60 = 25%
la media de la distribucin uniforme es igual a A+B/2
y la variancia es = (B-A)
las venta de combustible en una estacin de servicio tienen una media de 40000 lit
ros por dia
y un minimo de 30k por dia, suponga que una distribucin uniforme es la apropiada
A determine las ventas maximas diarias,
B que porcentaje de dias las ventas exederan los 34k litros
DISTRIBUCION NORMAL
esta distribucion es importante porque muchas distribuciones naturales y fsicas c
oinciden con l
CARACTERISTICAS DE DISTRIBUCIONES NORMALES
la grafica se asemejaa una campana, es suave y simetrica con respecto a su medio
, se extiende al
infinito en ambas direcciones se acerca mas al eje horizontal a medida que aume
nta la distancia
con respecto a la media, pero nunca lo toca, una distribucin normal se especifica
por 2 parmentros
la media y la desviacin standard, existe una distribucin nica para cada combinacin d
e una media
y una desviacin standart, el rea total bajo cualquier curva normal representa el 1
00% de la probabilidad
relacionada con dicha variable, la probabilidad de obtener un valor menor que la
media es = al 50%
la probabilidad de predecir con exactitud cualquier valor (es 0 1punto/infinito)
la probabilidad que una variable tome un valor entre dos puntos es igual al rea b
ajo la curva normal
entre dos puntos, el area bajo la curva entre cualquier punto y la media es func
in solo del
nmero de desviaciones estandar que el punto dista de la media de esta manera se c
alculan las
probabilidades en una curva normal, en todas las distribuciones normales se cump
le que alrrededor
del 68% de sus valores quedan dentro de una desviacin estandar de la media
consideremos una distribucin normal con media 100 y desviacin estandar 10
este procedimiento se puede resumir en lo siguiente, convertir la diferencia rea
l entre la media
y algn otro valor de distribucin a una diferencia relativa, expresando dicha difer
encia en
trminos del nmero de desviaciones estandar de la media, aljebraicamente se puede e