Escolar Documentos
Profissional Documentos
Cultura Documentos
Aplicaciones de la estadística
Unidad 0. Conocimientos previos
Actividad I
Reforzando conocimientos
1
dentro de un intervalo de la recta
numérica.
Información que nos presenta los datos Calificación # Estudiantes
en cierto orden o distribución. También 6 a 10 34
se le llama tabla de distribución de 1a5 26
Tabla estadística frecuencias. (Pastor, 1998) Total 60
Tabla 1. Que resume la evaluación
estudiantil sobre el servicio de la nueva
cafetería el primer día en escala 1 a 10.
Cantidad de mediciones en cada clase, De la tabla 1
Frecuencia
sea categórica o numérica. 6 a 10 tuvo 34 frecuencias y
absoluta
1 a 5, 26.
Parte proporcional de cada clase con De la tabla 1
Frecuencia respecto a la suma total de frecuencias. 34
6 a 10: 60 = 0.57 = 57%
relativa Se puede expresar en fracción, en 26
1 a 5: = 0.43 = 43%
decimal o en porcentaje. 60
Es la suma de todas las frecuencias De la tabla 1
Frecuencia absolutas predecesoras con el valor 34+0
6 a 10: 60 = 60
34
2
mientras que 5 y 10 son los
límites superiores.
Gráfica de barras rectangulares
continuas, aplica para datos numéricos #alumnos
50
continuos. La altura de cada barra mide 40
Histograma la frecuencia observable en cada clase. 30
20
Para datos categóricos o discretos se
10
utiliza una gráfica de barras no 1 a 5 6 a 10 Evaluación
continuas. De la tabla 1 (elaboración propia)
3
Es aquel valor ubicado en el centro de La mediana de 1, 2, 3 es: 2 ya
los datos ordenados. Si el número de que está en el centro y los
datos es non, existirá una sola mediana; datos están ordenados
Mediana si el número de datos es par habrá dos La mediana de 1, 2, 3, 4 es: 2.5
medianas cuya media representará a la Ya que 2 y 3 comparten el
medida. centro y la mediana es la
media de ambos.
Son aquellas que se aplican a observar Rango, Varianza, Desviación
Medidas de los alejamientos de las variables con estándar, Coeficiente de
dispersión respecto a un determinado valor central. variación, rango intercuártico
y coeficiente de asimetría.
El rango, 𝑹, de un conjunto de n El rango de 4, 6, 6, 8, 10, es:
mediciones se define como la diferencia
Rango entre la medición más grande y la más 𝑅 = 10 − 4 = 6
pequeña.
(Mendenhall, Beaver, Beaver, 2010)
La varianza de una población de N Ej.: La varianza de 5, 7, 1, 3, 4
mediciones es el promedio de los a) considerando que es una
cuadrados de las desviaciones de las muestra.
mediciones alrededor de su media 𝝁. La 𝑥̅ = 4
𝟐
varianza poblacional se denota con 𝝈 y
está dada por la fórmula ∑(𝑥𝑖 − 4)2 = 20
20
∑(𝒙 − 𝝁) 𝟐 𝑠2 = =5
𝝈𝟐 =
𝒊 4
𝑵
Varianza La varianza de una muestra de n b) considerando que es una
mediciones es la suma de las población
desviaciones cuadradas de las
mediciones alrededor la media 𝒙 ̅ 𝜇=4
dividida entre (𝑛 − 1). La varianza
muestral se denota con 𝒔𝟐 y está dada ∑(𝑥𝑖 − 4)2 = 20
por la fórmula
∑(𝒙𝒊 − 𝒙̅)𝟐 20
𝒔𝟐 = 𝜎2 = =4
𝒏 −𝟏 5
4
b) considerando que es una
población
̅)𝟐
∑(𝒙𝒊 − 𝒙
𝒔=√
𝒏 −𝟏 ∑(𝑥𝑖 − 𝜇)2
𝜎=√ = √𝜎 2
(pastor, 1998) 𝑁
𝜎 = √4 = 2
5
4 ∙ 4 ∙ 4 = 64 𝑚𝑎𝑛𝑒𝑟𝑎𝑠
Técnica que permite determinar el ¿De cuantas maneras posibles
número de situaciones posibles en pueden quedar posicionados
eventos donde el orden es relevante. los primeros tres lugares de
𝑛! una eliminatoria de natación
𝑃𝑟𝑛 =
(𝑛 − 𝑟)! de un grupo de 5
Permutación
(Pastor, 1998) competidores?
𝑛 =5𝑟 =3
5! 120
𝑃35 = = = 60
(5 − 3)! 2
6
entonces se denomina a 𝐴 un
subconjunto de 𝐵. Se denota como 𝐴 es subconjunto de 𝐵
𝐴⊂𝐵𝑜𝐵⊃𝐴
(Spiegel, 1976)
Aquel que no tiene elementos, se denota Si lanzamos un dado y un
por ∅, también se le denomina conjunto conjunto tiene los elementos
Conjunto vacío nulo. {7, 9} éste es vacío. Ya que no
contiene un solo elemento de
los resultados posibles.
Contiene todos los elementos posibles o Si lanzamos un dado y un
Conjunto
universo, se denota por 𝑈 conjunto tiene los elementos
universal
{1,2,3,4,5,6} éste es universal.
Es una descripción numérica del Ejemplos
resultado de un experimento, es discreta Variable aleatoria discreta:
cuando asuma ya sea un número finito El número de clientes en un
Variable de valores o una sucesión infinita de restaurante en un día.
aleatoria valores tales como 1, 2, 3,…y es continua Variable aleatoria continua:
cuando toma valores cualquiera dentro Tiempo en minutos entre la
de un intervalo. llegada de los clientes de un
(Anderson, Sweeney & Williams, 2008) banco.
Describe cómo se distribuyen las Discretas
probabilidades entre los valores de la Distribución binomial
variable aleatoria. Si es discreta estará Distribución de Poisson
Distribución de definida por una función de Distribución hipergeométrica
probabilidad probabilidad; si es continua lo estará Continuas
Distribución normal
por una función de densidad.
Distribución beta
Distribución gama
7
se consideran “éxitos” o “fracasos” Probabilidad de fracaso= 0.5
respectivamente. 6
𝑓(4) = ( ) (0.5)4 (0.5)2 = 0.234
4
La probabilidad de éxito p permanece
constante en cada ensayo y éstos son
independientes entre sí.(Canavos, 1988)
(73)(31) 35 ∙ 3
𝑃(3) = = = 0.5
(10
4
) 210
8
Cuál es la probabilidad de
que cierta semana el tiempo
de mantenimiento supere las
8 horas?
1 −𝑥
𝐹(𝑋) = 𝛼 𝑥 𝛼−1 𝑒 𝛽
𝛽 Γ(𝛼)
1 3−1 2
−𝑥
𝑥 𝑒
(2)3 Γ(3)
1 2 −𝑥
= 𝑥 𝑒2
16
1 − 𝑝(𝑥 ≤ 8)
1 8 −𝑥
= 1 − ∫ 𝑥 2 𝑒 2 𝑑𝑥
16 0
= 0.2381
(Pineda, 2010)
Nota: algunos conceptos y la mayoría de los ejemplos no están citados porque son producto
de mi propia experiencia de aprendizaje en los temas, que si bien fueron adquiridos por
importantes autores también lo fueron por tutores, facilitadores y la experiencia cotidiana
que haría impráctico intentar citarlos.
𝑛 𝑛! 10 10! 10! 10 ∙ 9 ∙ 8
𝐶𝑟𝑛 = ( ) = ⟹ 𝐶310 = ( ) = = = = 120
𝑟 𝑟! (𝑛 − 𝑟)! 3 3! (𝑛 − 𝑟)! 3! 7! 6
9
Debido a que la insignia menor es cinco, ésta va ir combinada con dos de los
números mayores (del 6 al 10) que son cinco por lo que el coeficiente binomial nos
queda así:
5 5! 5! 5∙4
𝐶25 = ( ) = = = = 10
2 2! (5 − 2)! 2! 3! 2
4 4! 4! 4∙3
𝐶24 = ( ) = = = =6
2 2! (4 − 2)! 2! 2! 2
(42) 6 1
𝑃(𝐵) = = =
(10
3
) 120 20
𝟏
ii. Supón que A, B y C son eventos tales que 𝑷(𝑨) = 𝑷(𝑩) = 𝑷(𝑪) = 𝟒.
𝟏
𝑷(𝑨𝑩) = 𝑷(𝑩𝑪) = 𝟎 𝒚 𝑷(𝑨𝑪) = . Calcula la probabilidad de que al menos uno de los
𝟖
eventos A, B o C ocurra.
10
C B
De acuerdo al diagrama podemos observar que la probabilidad de que ocurra al menos uno
de los tres eventos:
1 1 1 1 3 1 5
= + + − = − =
4 4 4 8 4 8 8
Se aplica la regla del producto entre las probabilidades del primero 𝑃(𝐴) y el segundo
lanzamiento 𝑃(𝐵).
Aplicamos la regla:
1 2 1
𝑃 = 𝑃(𝐴) ∙ 𝑃(𝐵) = ∙ =
2 3 3
11
iv. Se sacan dos cartas de un naipe bien barajeado de 52 cartas. Encuentra la
probabilidad de que ambas cartas sean ases si (1) hay reemplazo, (2) no hay reemplazo.
𝑝 = 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑜𝑏𝑡𝑒𝑛𝑒𝑟 𝑢𝑛 𝑎𝑠 𝑒𝑛 𝑙𝑎 𝑝𝑟𝑖𝑚𝑒𝑟𝑎 𝑐𝑎𝑟𝑡𝑎 × 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑜𝑏𝑡𝑒𝑛𝑒𝑟 𝑢𝑛 𝑎𝑠 𝑒𝑛 𝑙𝑎 𝑠𝑒𝑔𝑢𝑛𝑑𝑎 𝑐𝑎𝑟𝑡𝑎
En esta situación los dos saques se hacen con la totalidad de cartas (52) que contienen 4
ases, así la probabilidad 𝑃(𝐴)en cada saque es la misma y se le aplica la regla del producto:
4 4 16 1
𝑃(𝐴) = ∙ = =
52 52 2704 169
(2) Sin reemplazo:
Aquí ya no se regresa la primera carta por lo que en el segundo saque hay una carta (as
esperado) menos:
4 3 12 3 1
𝑃(𝐵) = ∙ = = =
52 51 2652 663 221
v. Una bolsa contiene 4 bolas blancas y 2 negras, otra bolsa contiene 3 blancas y 5
negras. Si se saca una bola de cada bolsa, encuentra a probabilidad de que (1) ambas
sean blancas, (2) ambas sean negras, (3) una blanca y otra negra.
4 3 1
𝑃(𝐴) = ∙ =
6 8 4
Usando coeficientes binomiales
(41)(20) (50)(31) 4 ∙ 1 1 ∙ 3 1
𝑃(𝐴) = 6 ∙ 8 = ∙ =
(1) (1) 6 8 4
2 5 5
𝑃(𝐵) = ∙ =
6 8 24
Usando coeficientes binomiales
(40)(21) (51)(30) 1 ∙ 2 5 ∙ 1 5
𝑃(𝐵) = 6 ∙ 8 = ∙ =
(1) (1) 6 8 24
12
Para el tercer suceso:
𝑃(𝐶) = 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑠𝑎𝑐𝑎𝑟 𝑢𝑛𝑎 𝑏𝑜𝑙𝑎 𝑏𝑙𝑎𝑛𝑐𝑎 𝑒𝑛 𝑙𝑎 𝑝𝑟𝑖𝑚𝑒𝑟𝑎 𝑏𝑜𝑙𝑠𝑎
× 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑠𝑎𝑐𝑎𝑟 𝑢𝑛𝑎 𝑏𝑜𝑙𝑎 𝑛𝑒𝑔𝑟𝑎 𝑒𝑛 𝑙𝑎 𝑠𝑒𝑔𝑢𝑛𝑑𝑎 𝑏𝑜𝑙𝑠𝑎
4 5 5
𝑃(𝐶) = ∙ =
6 8 12
Usando coeficientes binomiales
(41)(20) (51)(30) 4 ∙ 1 5 ∙ 1 5
𝑃(𝐶) = 6 ∙ 8 = ∙ =
(1) (1) 6 8 12
Reflexión
Para empezar la estadística es una disciplina transversal, como apoyo de toda ciencia
mayormente en la actualidad donde las tecnologías de información han crecido
enormemente. Cualquier empresa requiere tener información estadística de sus actividades
dentro y fuera para la toma de decisiones que con el uso de las herramientas estadísticas
adecuadas determinan acciones a seguir para solucionar problemas concretos, entre muchas
otras utilidades de la estadística.
Referencias
Canavos, G.. (1988). Probabilidad y estadística, aplicaciones y métodos. Ciudad de México: McGraw-Hill.
Mendenhall, W., Beaver, R., Beaver, B.. (2010). Intoducción a la probabilidad y estadística. Ciudad de México:
Cengage Learning Editores, S.A.
Sáez, A.. (2012). Apuntes de estadística para ingenieros. Jaén, Andalucía, España: n/a.
Pastor, G. (1998). Estadística básica. Cd de México: Trillas.
Anderson, R., Sweeney, D., Williams, T.. (1988). Estadística para administración y economía. Ciudad de México:
Cengage Learning Editores, S.A.
Spiegel, M.. (1976). Probabilidad y estadística. Ciudad de México: McGraw-Hill.
Rincón, L.. (2007). Curso elemental de Probabilidad y estadística.. Ciudad de México: Facultad de ciencias,
UNAM.
Pineda, L.. (2010). Distribución gamma. Octubre 10, 2017, de Linkedin Co. Sitio web:
https://es.slideshare.net/LEVISANDRO/distribucin-gamma
13